人类四次工业革命史其实也是一个工业品的制造复杂度的提升过程，从早期的手工制造到现在的高端电子产品，以及一些复杂原材料的设计，都反映了制造复杂度的提升。
早期的手工制造相对落后，后来有了5S、kaizen、JIT等精益的管理，人员素质和管理效率得到了提升。在这个基础上工业又走向自动化，通过“机器换人”的方式去避免很多重复性的劳动，也带来时效性、精准度的提高。
然而，事实证明早期的“精益管理”和“自动化”已经不能满足高精度、高质量产品的生产需求，这些高端需求需要借助工业数字化转型升级去实现和达成。半导体制造对工业数字化转型的需求最为迫切，概括来说其体系非常复杂，每个环节都离不开大量数据，并需要借助过程管控、数据分析实现智能改进，解决生产过程中的品质、产能、效率问题。
工业数字化转型是数字化转型的一个子集，它利用工业物联网等先进技术对现有的资产、过程、产品进行转变，实现运营指标提升，走向卓越运营。卓越运营（Operational Excellence）实际上是一系列关键指标的优化，其应用场景涵盖装配、加工、预测性维护、绩效管理、质量管理以及可持续发展这一系列的制造环节，甚至延展到产业链的上下游。 对于工业数字化转型的认知，目前来看还存在很大的不足。企业、服务商更多的是在谈论各种时髦的技术名词，似乎人工智能、数字孪生这些词汇就是数字化转型，很少有人关注数字化转型的目标是什么？工业数字化转型是通向未来工厂（FOF: Factory of Future）的一个阶段性工具。
这是调研机构给出的“未来工厂”框架，涵盖了最终的目标，到企业战略，再到价值链的执行，再到人、技术、流程的有效融合，这个架构也代表了“未来工厂”需要达到目标。LNS调研机构还给出了未来工厂成熟度的一个界定体系，是一个从下往上的5级标准。这个体系既是对不同层次企业的划分，也是未来工厂不断演进的一个过程。 未来工厂并不是一个虚无缥缈的概念，它旨在指导现有工厂进行数字化变革，使其能够在运营等层面得到巨大的提升。运营层面其实主要是包括两方面，第一、定义一系列卓越运营的指标体系；第二，打造数据赋能的运营架构，走向一个最终的卓越运营的目标。 卓越运营的关键支撑就是指标体系，这些KPI指标从企业经营层面来看包含各种财务、人效指标，再往下可能就划分到不同部门，诸如生产指标、维护指标、库存指标、质量指标、安全合规性指标，以及相关的一些业务部门的指标，这些指标应该来自于基于平台对接的各种自动化系统数据和业务系统数据。 对指标体系有兴趣朋友可以参考ISO22400-2，这是一个多维度的一个指标体系，主要包括生产（production）、维护（maintenance）、库存（inventory）和质量（quality）等维度，总共在运营层面提供大概几十个指标，已经足以来去支撑大部分企业的一个正常运营。
ISO22400-2指标体系包括我们大家熟知的OEE、MTTR、MTBF，以及良品率、次品率这些指标。它们并不是虚无的数字，全都来自各个不同的子系统提供的各种各样的数据。同时，指标也是企业努力的方向和目标。现代工业功能体系大致可以分成三个层面，从最下面的资产（包括人、流程、技术），到运营（从研发、设计到工程，再到生产制造再到物流、供应链，再到服务的整个价值链），再到业务（人事、财务、市场、决策）。 当然，在国际上还有非常多的相关工业理论体系以及相应的组织机构，，包括大家熟知的OPC、ISO、ISA，以及ISA95、ISO88以及IEC61512-3等各种标准体系，涵盖了从研发到工程再到制造、生产等各种阶段和过程。这里我们重点会看ISA95，因为它涵盖了运营支撑层面的很多方面。ISA95工业企业架构划分成5个层面，最下面三层其实是我们说的自动化层面，就是大家熟知的OT的一些PLC/PAC，以及DCS等相关的各种系统；中间这个层面是MOM，可能有些人对这个词比较陌生，但其实它跟MES是一个概念，在上层业务系统和下层的自动化之间起着承上启下的作用，所以它包括了生产计划、过程管理、维护、质量这方面的功能；最上面一层就是大家熟知的一些IT系统，财务、人事、市场这些。ISA95这种层次化的架构虽然很清晰的定义了每一层的工作内容，但实际上大家可以看到，在这种从底层到顶层的垂直整合模式下，每一层获取到的数据都是上一层的汇聚和抽象，底层的数据很难被顶层的决策以及生产服务直接使用，这就造成层次越高能利用到的原始数据就越少，进而发生因多次数据汇聚导致的失真、滞后等后果，最终导致企业运行效率降低。比方说，企业可能会有一系列的如ISO22400提到的生产、库存、质量、维护、安全等层次化指标，其数据都来源于已被处理过的下层系统，同时可能还需要从多个系统中去采集数据，得到的数据往往并不准确，甚至跨系统融合数据也面临着标准不统一的挑战。 ISA95的第2个局限性是企业对数据的利用率和利用程度还非常低，一般来说数据分析包括描述性、诊断性、预测性、预知性等，但据调研机构调研显示，其实绝大部分企业对数据的利用只是停留在一些初级描述性descriptive层次，其实就是一些统计报表。高级的数据利用诸如设备可靠性的预测、产能的预测，亦或者是供应链库存的预测等都还没发挥出作用。 第3个局限性就是ISA95的架构体系。在现行的体系下，MOM/MES往往被做成一个大而全的独立系统去承载越来越多越复杂的功能，这种单块式、单一数据源、垂直、烟囱式系统，其实很难实现数据的共享，也很难实现功能和性能的一个扩展，更没办法来快速满足工业企业差异化的定制需求。 所以，工业数字化转型其实主要是改变工业企业的运营架构，从这种传统层次化的运营架构变成一个相对比较扁平，或者说以数据驱动的未来工厂的一个运营架构。简单来说，我们基于已有的架构体系把IT和OT的数据打通，形成一个数据一致、功能开放的全新层次化解决方案，并支持全新的数据智能应用的开发和扩展。我们把传统的纵向集成变成横向数据集成，从IT系统里面抽取相应的指标的一些数据，从OT系统抽取一些实时的数据做相应的关联，在同一个IOT的平台上实现融合的数据的架构和数据的服务，再利用一系列的应用开发的工具、数据分析工具来实现相应的应用和分析。在智能应用上，将来还会有更多的甚至95%以上的应用在等待我们去开发。这些应用就包括我们说的运营层面的各种各样的指标预测，如库存维护、质量、安全、能源，以及先进过程控制（APC）等。所有这些应用都有一个共同点就是一定是数据驱动，而数据驱动其实有4个发展阶段或者说4个利用层次，也就是前面我们提到的描述性Descriptive、诊断性Diagnostic、预测性Predictive、预知性Prescriptive，图中智能应用下方的DDPP就是代表了这四个层次。未来所有的智能应用必须都具备这4个数据能力中的一部分。简单展示一下工业互联网IIOT的平台，这里我们引用调研机构LNS的相关框架。MES/MOM在工业互联网新形态下也要做大幅的调整，基于工业互联网平台构建一个数据驱动的平台，构建一系列生产、运营等模块化应用。对上连接第4层的业务系统对象，向下连接第2层的自动化系统。
