转型智能制造，是制造企业未来发展的一次关键升级。然而，企业在当下的实际转型过程中又饱受冲击：或对自身认知水平不足、或盲目投资、或没有清晰的转型规划等。
常言道：有的放矢，才能事半功倍。企业在转型过程中，需要经过那几个阶段？不同阶段重点要完成的任务又是什么？根据世界经理人的长期跟踪报道发现，能够稳步转型并逐步朝向正确方向前进的企业，都对自身所处水平以及未来所要经历的转型阶段有大致清晰的认识和规划。
从我们的一系列访谈结果分析，以及结合当下业界形成的一些基本共识，从“传统制造”到“智能制造”大致可以概括为四个层级或阶段：从生产自动化开始，到工厂数字化再到“跨界”互联协同化，最后实现“高阶”智能化。
一、生产自动化
聚焦生产现场的工序改善与产线升级，从工序自动化、产线自动化到逐步实现整个工厂的自动化。
其中这个阶段的工作又可以细分为合理化与“省力化”。所谓合理化，即对工厂的工序与产线的合理化改进。比如，过去，中国由于劳力非常充沛，在设计生产线的时候，一般是一个人看一个制程，能普遍看到现场流水线的员工在等上一个制程结束。而对流水线进行重新合理设计，使一个人同时担负两到三个制程，让人不用等制程，这样就可以大幅降低人力成本。
合理化的重点是实现生产现场空间的合理使用，使生产空间更具柔性生产能力，提升单位空间内的生产效率。
第二步则是在合理化的基础上，推动生产的“省力化”，从设备的自动化开始，逐步扩大到整个工厂，持续实现整个工厂的自动化。光合理化与省力化的改进就可以提升10%-15%的效率。引进自动化设备推动自身工厂的智能化升级，改造升级，工厂的员工数降低，但整体的产量实现了翻倍。
二、工厂数字化
聚焦生产现场各种设备的数据采集与初步应用，通过物联网等新兴技术实现对工厂实时数据的可视化，实时掌控工厂的生产现状；并掌握初步的数据分析能力，基于数据作出更精准的决策与调整。
构建数据管理，但不是只是收集各种数据，企业数据要发挥价值还是要依靠数据分析，这样才能释放数据中蕴含的创新价值。通过数据管理员工可以去处理更高价值的任务，并应用数据管理提升生产现场的运营管理，打造企业内部基于数据分析的运营平台，提高效率和风险管理能力。
例如，一家正在转型的制造企业曾在接受采访是提到过工厂设备的巡检工作，巡检工每天的日常工作就需要检查设备，做好设备的日常管理和维护，而物联网技术可以替代以往的人工巡检，通过传感器就能远距离将数据传输回来，在运营中心就可以掌握所有设备目前的运转状况。而在过去，工厂设备的运营管理通常都是按计划进行定期维护的方式，现在通过物联网技术则可以逐步做到预测性维护，对所有设备的整个生命周期进行全程监控，随时对设备进行故障诊断、智能运营，并对其开展预测性分析，在问题发生以前确定问题，提前制定预防性的维护计划，对工厂实现智能化的管理以保证工厂的平衡运营，并大大提高工厂的生产效率。
三、“跨界”互联协同化
对象开始扩展至整个工厂，工厂与整个企业内部之间的数据互联，企业生产与外部之间的连接，实现跨设备、跨系统、跨企业的数据互联，基于数据分析实现内外部之间的协同生产，实现不同环节之间的协作。
比如，通过建立智能化的运营平台优化供应链。通过工业物联网，制造企业可以获取供应链的实时信息，将工厂连接到供应商，掌握供应链的各个方面，将供应链管理形成一个可视化的闭环，及时反馈到生产端，减少风险。
四、“高阶”智能化
实现全面协同制造、云制造等高度自决策、自主花的智能制造阶段，实现企业智慧化运行，对象上升到多元价值链整体，实现对整个生产管理体系的持续创新。通过云计算、大数据、人工智能等分析结果驱动整个生产过程的自主决策与智能执行，不断改善产品与提高生产的智能化，逐步趋于最佳的自主、智能的生产状态，持续实现产品的定制化生产以及推动制造的“服务化”。
总体上，这是对整个产业价值链的重塑升级，企业在不同的层级或阶段，重点的改造与升级对象也不同，而每一阶段的开展都应该在上一阶段已经全面实现的基础上进行。而且，不管处于哪个阶段，企业都应该立足自身的生产现场，从厘清自身问题着手。
