随着科技的快速发展，数字信息化已逐渐渗透到生活的每个角落，人们在数字化的生活中得到了便利和快捷的优质体现。那么在工业领域呢？是否需要数字化？让我们先来举两个例子看看传统工厂和数字化工厂的差距吧！
传统与数字化工厂差距
数据统计方面：
传统工厂：人工统计，效率低且不准确。
数据对于设备而言有着时效性和历史数据参考性的关键作用，从底层操作工的数据记录-数据分析-数据反馈-管理者的决策，中间的环节让数据的时效性大大降低，同时人工的记录统计也会造成数据不准确等问题，而且庞大的数据计算分析，对于人力是一个非常大的耗损。
历史数据对于设备的维护具有参考性的意义，但是传统工厂的数据，靠着一张张的记录纸或者大量的Excel表无疑是给未来的工作又增添了难度，而且工厂不能控制人员的流动，每一次的交接都可能导致数据的流失。
数字化工厂：设备联网，数据自动上传反馈
在数字化工厂中，物联网的概念就被运用到每一台设备上。设备与设备之间，早也不是信息孤岛，而是将人、设备，通过数据建立紧密联系。一个工厂管理者可以在手机或者PC终端观测到每一台设备的实时数据，而且可以随时收到设备的状态提醒。
除了收集、计算、反馈等“去工人化”的功能，设备联网之后，还有一大好处就是数据的存储。大量历史数据，包括设备损失数据，也给后期工厂设备的很多操作都提供了参考意义。之后，再遇到工厂的人员流动，这些数据依然可以随时调用并完善保存。
意外停机也是传统工厂的一大痛点。意外停机不仅造成生产停滞，而且对于设备造成的隐性破坏不可估量。传统工厂往往为了预防设备的意外停机，通常安排工人进行24小时轮班巡检，但是每时每刻的巡检也并不能全面检测到可能导致设备意外停机的各种因素。
此外，由于害怕意外停机带来的严重损失，很多工厂也会购买大量的备用零部件，而现实情况是一些设备的意外停机故障周期很长，导致大量的备用零部件并没有派上用场，造成成本浪费。
数字化工厂：设备意外停机预警通知，让设备时刻保持最佳运行状态
数字化工厂的运转过程中，设备的一切都被随时监控反馈，而意外停机发生之前，设备的某些参数会发生变化，此时设备就能在参数发生变化时及时进行预警通知，让设备故障在发生之前被发现及运维。也就是说，在故障发生之前，手机上就能收到相应的提醒，立即作出决定，从而保证工厂设备时刻处于最佳运行状态。
即使是故障已经发生了，也能在过去的设备故障统计里立即找到合适的解决方案，把损失降到最低。
工业数字化第一步：底层数据共享
工业数字化的逐步实现有一个历史过程。具体可以分为三个基本步骤：
第一步：建立产品数据模型。
一个离散式的工业企业，从研发开始，到生产规划、制造工程、生产执行，这是整个生命周期过程。在这个过程中，从产品设计开始，研发部门就把设计产品的元器件清单、组装图、测试条件这些信息放进一个数据库里，一个基本的产品数据模型就做好了。
第二步：优化工艺流程参数。
到了生产规划部门，如果还用刚才那个数据模型，内容就不够了，因为那里只有设计参数，而没有生产参数。所以，要继续输入如何把产品生产出来的数据，比如工艺流程、质量标准这些东西，这个数据库就自然扩大了。
第三步：完善运营管理数据。
到了制造工程部门，要对生产机床进行编程，各种自动化组态、程序调试，把制造环节的数据进一步地扩大。这个过程当中可能还需要从ERP（企业资源计划）来调用生产订单的信息，从PLM（产品生命周期管理）得到产品设计的信息，然后还要从物流系统得到物料信息，把这些综合在一起和生产线进行互动，这个环节就是运营管理。
数字化离散式生产的整个过程，从头到尾都是在一个数据库中不断扩展起来的。具体到一个数字化工厂的形态，就是生产控制的自动化系统、制造执行的MES系统、财务管理的ERP系统、产品生命周期管理的PLM系统，基于同一个底层的数据模型，根据需要缺哪个补哪个，适时优化调整。
数字化技术在离散工业中的应用，能够带来非常惊人的精度和透明度——精度效果：许多零部件的运算，有限的人力根本无法完成。比如一块规则的方形零件，人力能够计算它的效能，而一旦零件是不规则形状，边缘弯弯曲曲，人力就无法计算了。电脑运算时，却能把这个不规则零件，分割成为成百上千个规则的小方块，再合并出一个运算结果。
工业数字化核心环节在设计端
工业数字化是智能制造或者工业4.0绕不过去的一个关键支撑。可是，国内工业界很多人误认为“需要像投资自动化一样投资数字化”。难道给车间或设备装上芯片和传感器，通过后台软件编个程序，机器就能“数字化”吗？这是迷茫中的一种误解。若是如此简单，那么每个工业企业只需要扩招一批软件工程师，帮设备写代码就行了。而现实是，工业领域的数字化、智能化进程仍然缓慢。其实，工业数字化最关键的部分，不是生产端，而是更前面的设计端。
离散工业的研发成本普遍很高，而其中消耗最大的，是试错成本。传统工业当中，有人制造出一台新设备，就必须全部造完，零部件组装好，随后试运行，运行的过程中发现错误，修改是很累的，零件拆了改，改了再装，一次次人工试验、动手安装，最终才能完成。
运用数字化技术（即实现“数字孪生”），能够大幅降低研发过程中的试错成本。就是这台设备无需真的“造”出来，只需把每一个零部件的材料、物理属性、形状大小全部输入电脑，怎样运作的工作原理也输入电脑。随后由电脑来模拟它运行时是什么状况，会有哪些效果。工程师如果觉得结果不过关，可以直接在电脑里修改设计。
“数字孪生”的工业应用，实质上就是把现实中的工厂，从设备、流水线到车间，一切都转化成数据，由电脑虚拟运作，产生一个个模拟结果。不满意的部分，直接在电脑里改。如果等一切都已经变成物理设备，成为真实的生产线，再提什么“数字化”，就为时已晚了。
离散工业数字化最容易输在起点
当今世界上最先进的数字化工厂——德国安贝格工厂，其核心产品是PLC（可编程逻辑控制器）。最近几年，西门子全数字化的成都工厂已经建成运行，正是复制德国安贝格工厂而来的，主要产品也是PLC。
据工信部2016年统计，国内22个行业900套大型工业控制系统大部分由国外厂商提供产品，特别是可编程逻辑控制器（PLC），外商占据了94%以上的份额。由于工控领域国内企业仿制国外产品都难以做到，国外企业不需要在中国申请专利保护其产品销售，国外企业在华申请专利数长期维持在该领域中国专利总量的10%左右（通信和计算机领域国外企业的专利占到43%）。
这里面透露出两个信息
一、很多核心工业技术因为过于高端和精密，是长年累月深度积累的结果，根本不担心被轻易偷走；
二、中国离散工业的数字化进程，最容易输在核心技术的起点。
在工业数字化时代，为何还要特别强调“产品核心技术”？不是应该更关注“互联网+”或者“工业物联网”吗？注意，掌握核心技术的意义不仅仅是将产业链向前延伸，降低成本。更重要是深入了解技术之后，才谈得上技术创新，产品创新。离散工业并不只是“组合装配”，那只是表层皮毛，如果不深度挖掘核心技术，对技术的理解就永远是含糊的，没把握的。而工业数字化要求的，恰恰是精确、精确，再精确。
深厚积累是唯一捷径
真正推动工业前沿发展的，是不断涌现出来的新知识、新技术、新工艺、新产品。由知识向产品的转化一般要经过四个环节：
1、通过基础研究发现新知识；
2、通过发明将知识转化为满足应用需求的新技术；
3、通过前沿创新将技术变成新产品和服务，开始投入市场；
4、在商业应用中不断改进、提高产品和服务的市场竞争力。
从知识到技术，从技术到产品，从产品到市场，每一步都可能经过“死亡之谷”。而数字化技术能在其中起到关键性的辅助作用，制造过程固然重要，但产品本身才是根本。
其实，数字化工厂所有的技术都是现成的，哪怕是最先进的安贝格工厂，也只是西门子把一些现有技术重新组合到一起而已。工业4.0时代频繁提及的技术，其实3.0时代就已存在，只是今天电脑更快、科技更便宜、沟通成本更低、环境更成熟。
总结
中国工业界更需要的，是技术积累和沉淀的过程。数字化工厂的软件系统再先进，也只是个工具。没有产品核心技术上的深厚积累和深度挖掘，很难有效发挥数字化技术的关键性辅助作用。
精工智能数字化工厂业务
随着市场越来越残酷，客户对管理的要求更加精细化，产品质量从传统的合格率转向出厂多年后的可靠性。日常管理从部门转向车间、从车间转向工段、从工段转向工序、同时打通人、机、料、法、环、测，及时发现和监控生产管理过程中的任何问题，提高产品的生产效率、一次直通率等。
为了打通客户端、制造端、供应采购端，通过数据的链接创造价值；从数据采集到过程数据再到ERP再到BI系统，为老板决策提供智能驾驶舱。
精工智能的数字化工厂业务聚焦电子行业、家电行业，从精益的角度出发，横向互联、纵向互通，主要细分产品有：MES系统、APS系统、WMS系统、CPS系统、SCM系统、BI系统等相关管理系统。
