加快发展智能制造是推动中国制造迈向高质量发展、形成国际竞争新优势的不可忽略的增长引擎。但与此同时，传统制造业在实现向网络化、数字化、智能化方向的转型升级过程中，阻碍制造业高质量发展的挑战不断攀升，摆在我们面前是一系列亟需解决的现实问题。
现实挑战一：无法实时决策
首先，现代工业企业仅仅遵循ISA-955层架构设计，是无法保证企业能够做出实时且准确的决策。自动化单元从以秒、分钟为单元的力度到了MES级别就变成以班、小时、日的决策能力，再到了企业经营管理规划，包括企业生产计划都是月、周、日为变化，这种本身的变化是无可厚非。但当面对电力交易、大型实时生产过程中，或者面对中长期的期货市场慢慢变成现货市场，不仅要实现日前市场、日内市场，甚至要实现实时交易，就必须要非常清楚知道企业自身的产能和销售能力，但当这些信息精确匹配出来的时候，就无法保证企业做到精确且实时的决策。
现实挑战二：难以实现精准的过程控制
在现实操作中，实现精准的过程控制也是极为困难。主要是由于过程控制依赖于大量需要测量的外部因素、传感器以及机理模型。但是，往往我们发现现实原因一方面是由于外部检测点不够全面，海量的外部不确定因素无法采集;其次是所有传感器无论是受限于功能还是部署成本、部署方式，都极大限制了对现场全面的监测;还有一方面是传统的机理模型覆盖面有限。诸多方面因素的影响导致企业难以实现全面的状态监测、存在宽泛的监测门限，冗余的设计以及大量依靠经验设定的模糊规则。
现实挑战三：难以实现快速的根因分析
海量的过程因子和不确定性因素造成了包括工艺、质量、产出、效率在内的很多关键生产指标都难以实现快速的根因分析。因为我们面对的往往是一个结果，由上千个因素形成的，而因素往往在动态不断持续变化的，所以海量、动态的工艺控制点、割裂的业务系统以及模糊而滞后的专家经验都不同程度的加大了企业快速寻找根因的难度。
现实挑战四：动态条件下的多目标优化
所有生产要素，包含生产设备、物料、工艺参数、劳动力等在内的诸多要素都在动态变化。所以，任何一个指标决策下达的时候必须得做折中，比如在做交付周期、良率、损耗、产能的关键指标计算的时候，往往被迫在有限的条件下做各种各样的人为规则限制的最优求解，而这种求解往往不是最优的，而是由代表专家经验或者模糊判断形成的。
现实挑战五：缺乏结果预测和优化的能力
预测不只是对一个指标根据历史数据做预测，关键是根据过程数据能否预测结果，增强决策的科学性与预见性。例如当某一产品批次、原材料成本等发生变化，就要求企业根据实时工艺数据，尽可能实现对结果做出及时、准确的预判，并根据预测结果来实时反馈改进和优化工艺，从而更好地提升企业的经营效益。
现实挑战六：海量的数据
工艺提升会促使大量节点的增加，而包括频次采集在内的节点数增加，一定会加剧数据的产生。对企业而言，随着数据规模越来越庞大、数据类型越来越丰富，以及数据实时分析需求越来越高，无论指标计算还是深度分析，企业如何加速实现数据价值依然是其面临的极大考验。
在中国智能制造发展的大势所趋下，智能制造有助于实现整个制造业价值链的智能化，而工业互联网是实现智能制造的关键基础设施。基于工业互联网平台，解决工业现实挑战的具体应用，是制造企业数字化转型的最佳突破口。
在智能制造领域，寄云科技已经走过数字化工厂、智能产线等阶段，深入到通过工业大数据实现产品质量分析、产能提升等阶段。2021年5月，经过近4年的沉淀，寄云科技推出了全新的工业互联网架构，发布NeuSeer工业互联网2.0版本，秉承“平台+数据智能应用双轮驱动”战略，以工业物联网平台、工业大数据平台、数据智能应用三款产品，提供服务于工业企业全生命周期的完整数字化产品体系，支持更多功能、更丰富的数据应用场景，并将寄云服务上百家大型客户的经验通过模板化的方式沉淀在平台上，更好赋能客户转型升级，助力制造产业实现更大范围、更深层次的创新创造。
基于此，对于制造走向“智能化”，寄云科技CEO时培昕博士分享的见解是以精益管理能力将自动化、数字化、网络化在内的各种基础能力联合起来，同时结合工业互联网各方面的技术能力，包括物联网、大数据、数据分析、云计算、边缘计算、数字孪生、工控安全等一系列的能力，才能为制造业实现精确性、实时性、准确性、可预测、可优化的最优目标，加速推动制造业高质量发展，最终实现真正意义上的智能制造。
（转载）
