智能制造的实现方案是：在数字化、网络化、智能化的相互递进与配合下，企业转型智能工厂、跨企业价值链延伸、全行业生态构建与优化配置将得以实现。

第一步：数字化转型，“感受”工业过程，采集海量数据。

通过将种类繁多的工业传感器布置于生产与流通的各个部分，可以将工业过程各主要参数制式数字化，产生大量工业数据，为智能化奠定数据基础。其关键途径包括以下两个方面。

①为配合工业智能化、实现智能制造，制造业工厂在进行数字化、网络化、智能化的软硬件应用之前，更为基础的是在生产流程上打通设计、生产、检测、搬运、仓储、配送等主要环节，为高效、科学的生产流程设计带来提质增效、降本减存的机会。

②工业传感器成为工业数据的“采集感官”。人工智能的基础是大量的工业数据，而工业传感器是获得多维工业数据的“感官”。除了设备状态信息以外，人工智能平台需要收集工作环境（如温度、湿度）、原材料的良率、辅料的使用情况等相关信息，用以预测未来的趋势。这就需要部署更多类别和数量的传感器。现在的工业传感器可以提供监视输出信号、为预测设备故障做出数据支持，可有助于确认库存中可用的原材料，可代替指示表更精确地读数，以及在环境恶劣的情况下收集数据等。

第二步：升级网络化，实现高速传输、云端计算、互联互通。

工业通信将传感器采集到的工业数据传输至云端。工业云是工业互联网最核心的部分，进行海量数据的汇聚、提炼、模型计算等，实现资源优化与预测。其关键途径包括以下两个方面。

①使工业通信成为数据传输至云端的“高速公路”。

得到大量数据后，如何将数据传输至云端呢？这需要依托先进的工业级通信技术。和过去在车间内直接对数据进行简单响应不同，企业需要把不同车间、不同工厂、不同时间的数据汇聚到同一个地方（云数据中心），进行复杂的数据计算，以提炼出有用的数学模型。这就对工业通信网络架构提出新要求，推动标准化通信协议及5G等新技术在车间的普及。

②把工业云变成汇聚、提炼海量数据，模型计算和资源优化的场所。(www.daowen.com)

人工智能进行计算的场所是云平台。工业生产中产生的海量数据与工业云平台相连，采用分布式架构进行分布式数据挖掘，提炼有效生产改进信息，最终用于预测性维护等领域。在云平台上可首先打通数据流和物流，在云平台上汇聚工厂内部的不同维度、产品生命周期不同阶段、供应链上下游不同行为主体；其次，可以通过运用大数据及人工智能技术进行分析，提炼数字分析模型。

第三步：实现智能化，重点是三个维度的整体智能化。

依托图像、语音、机器学习等人工智能技术，制造企业得以在网络化的基础上进一步实现智能化，如依托图像技术进行自动光学检测和仓储机器人的使用、依托语音技术进行物流语音拣选、依托机器学习进行预测性维护和车货匹配等。其关键途径包括以下三个方面。

①打通工厂内部的数据流。

过去传统的制造业工厂的内部存在信息系统和生产管理系统两个相对独立的子系统。未来的智能工厂，需要打通设备、数据采集、企业信息系统、云平台等不同层级的信息壁垒，实现从车间到决策层的纵向互联。

②打通供应链各个环节数据流。

供应链各个环节之间的物流会产生大量的数据。这些物流信息的收集能够帮助物流行业提升效率，降低成本。未来的智慧物流，通过智能化收集、集成处理物流的采购、运输、仓储、包装、装卸搬运、流通、配送等各个环节的信息，实现全面分析、及时处理和自我调整。这需要将这些数据数字化，并累积成足够的数据库，且需要大量的基础设施建设。

③产品生命周期全过程数字化。

通过搭建整合制造流程的数字生产平台，实现从产品设计、生产计划到制造执行的全过程数字化，将产品创新、制造效率和有效性水平提升至一个新的高度。