# 1  明确定义需求

初看起来，这一步很简单，但事实证明它非常复杂且对成功至关重要：您必须考虑您公司已有哪些资源、流程和独特的卖点，以及您希望通过数字化实现哪些目标。 在开始时进行全面的需求评估对于定义明确的需求和特定用例至关重要。 在采取第一个数字化措施之前，还必须对现有流程进行测试，并在必要时适应新的挑战和目标。

很多时候，工业企业的努力失败，是因为他们追求不切实际的期望，并用“数字化喷水壶” 给整个价值链浇水。

# 2  提供资源

协调生产环境和数字流程需要深入的专业知识。当公司内部的“孤岛”会聚在一起时，真正的数字化措施被证明是最有效的。 项目实施需要公司各个部门的专业资源以及充足的时间分配。

我们的经验还表明，让员工尽早参与规划可以促进接受度，并揭示为公司和员工带来的机会。

# 3  不要重新发明轮子

为了确保成功，依赖规范、指南(如VDI)、科学论文以及经过验证的技术标准是值得的，而不是不断地重新发明轮子。

此外，同类最佳的方法（尤其是外围系统）和专业合作伙伴的专业知识让您可以构建强大的整体系统。数字工厂的所有模块并非都必须来自单一来源，但一个有前景的制造平台应该充当中央信息枢纽，链接或协调整个与生产相关的系统环境。

整个价值链上的标准化通信和不受限制的网络，是数字化措施所必需的，这将我们引向了流行词  IIoT (工业物联网)。随着 OPC UA 和web服务等通信标准的建立，即使是面对各式各样的设备，标准化数据采集已经奠定了重要的基础。

# 4  确保统一的数据与有效的信息

在这种情况下，重要的不仅是对各种数据的连续和广泛收集，还有它们的标准化和处理，以正确的粒度、正确的地点、正确的人及时提供有效信息。

现代 MES 解决方案或制造执行平台 (MEP) 作为中央数据枢纽担当重任，并在所有相关系统之间形成统一层。 这里的信条是标准化而不是自定义开发。

开放式接口和通信层级支持整个车间 IT 的协作：除了经过验证的标准流程，未来的技术、敏捷的应用程序、内部的开发和第三方程序以最少的编程工作相结合，为数字化生产铺平道路。

实时的有针对性的数据分析和可靠的关键图表最终为持续改进流程的决策提供了有效的基础。  BI 工具为执行系统的及针对特定用户的分析和评估提供灵活的可能性，例如，识别和可视化因果关系原则，并得出适当的措施。

这里的关键是掌握来自不同系统的大量数据与其定制处理之间的平衡行为，以获得从管理层到工人的决定性信息优势。

# 5  检测协同作用并利用突触

效率是迈向工业4.0 — 智能工厂的主要宗旨。 要真正实现这种效率，我们必须超越视野，在整个价值链中寻找接触点。各业务领域的信息载体之间的互动创造了全新的视角。 这种整体观点可以产生真正的附加值。

通过预测分析（即基于人工智能的预测分析）及早识别优化潜力或潜在的故障将在未来创造更多机会，从现代生产系统的海量数据中生成知识。

# 6  分布实施

并非每家公司都能并且将从一开始就使用全方位的数字化生产优化服务。 实现这一目标的道路是连续的，并建立在逐步发展的基础上。 请注意，在数字化项目中并非所有事情都可以立即实施； 然而，重要的是要坚持不懈，逐步、稳步地推动智能工厂的发展。

除了标准流程和解决方案外，还应强调充分满足用户需求的广泛定制选项。 低代码平台和工程选项在这里提供了巨大的潜力，因此可以在软件标准内以速度和敏捷满足现代生产管理系统的未来需求。

# 7 选择合适的合作伙伴

当您选择数字化和软件供应商时，您需要一个了解您的生产流程并考虑整个增值流程的合作伙伴，同时还关注在生产流程中整合人为因素。

熟悉工业和数字世界并能将两者完美融合的推动者，知道在数字化中什么是重要的，并陪伴客户从第一步到持续运营。

除了技术专长，另一个决定你选择合作伙伴的关键因素是：规划和实施过程中的咨询专业知识——并与客户保持一致。