在新工厂建设时，首先需要根据企业在产业链的定位，拟生产的主要产品、生产类型（单件、小批量多品种、大批量少品种等）、生产模式（离散、流程及混合制造）、核心工艺（例如机械制造行业的热加工、冷加工、热处理等），以及生产纲领，对加工、装配、包装、检测等工艺进行分析与优化。企业需要充分考虑智能装备、智能产线、新材料和新工艺的应用对制造工艺带来的优化。同时，企业也应当基于绿色制造和循环经济的理念，通过工艺改进节能降耗、减少污染排放；还可以应用工艺仿真软件，来对制造工艺进行分析与优化。

生产过程中需要及时采集产量、质量、能耗、加工精度和设备状态等数据，并与订单、工序、人员进行关联，以实现生产过程的全程追溯。出现问题可以及时报警，并追溯到生产的批次、零部件和原材料的供应商。此外，还可以计算出产品生产过程产生的实际成本。有些行业还需要采集环境数据，如温度、湿度、空气洁净度等数据。

企业需要根据采集的频率要求来确定采集方式，对于需要高频率采集的数据，应当从设备控制系统中自动采集。企业在进行智能工厂规划时，要预先考虑好数据采集的接口规范，以及SCADA（监控和数据采集）系统的应用。不少厂商开发了数据采集终端，可以外接在机床上，解决老设备数据采集的问题，企业可以进行选型应用。

实现智能工厂乃至工业4.0，推进工业互联网建设，实现MES应用，最重要的基础就是要实现M2M，也就是设备与设备之间的互联，建立工厂网络。那么，设备与设备之间如何互联？采用怎样的通信方式（有线、无线）、通信协议和接口方式？采集的数据如何处理？这些问题企业应当建立统一的标准。

在此基础上，企业可以实现对设备的远程监控，机床联网之后，可以实现DNC（分布式数控）应用。设备联网和数据采集是企业建设工业互联网的基础。

推进智能工厂建设，生产现场的智能物流十分重要，尤其是对于离散制造企业。智能工厂规划时，要尽量减少无效的物料搬运。很多的制造企业在装配车间建立了集中拣货区(Kitting Area)，根据每个客户订单集中配货，并通过DPS(Digital Picking System)方式进行快速拣货，配送到装配线，消除了线边仓。

离散制造企业在两道机械工序之间可以采用带有导轨的工业机器人、桁架式机械手等方式来传递物料，还可以采用AGV、RGV（有轨穿梭车）或者悬挂式输送链等方式传递物料。在车间现场还需要根据前后道工序之间产能的差异，设立生产缓冲区。立体仓库和辊道系统的应用，也是企业在规划智能工厂时，需要进行系统分析的问题。

提高质量是工厂管理永恒的主题，在智能工厂规划时，生产质量管理更是核心的业务流程。质量保证体系和质量控制活动必须在生产管理信息系统建设时统一规划、同步实施，贯彻质量是设计、生产出来，而非检验出来的理念。

质量控制在信息系统中需嵌入生产主流程，如检验、试验在生产订单中作为工序或工步来处理；质量审理以检验表单为依据启动流程开展活动；质量控制的流程、表单、数据与生产订单相互关联、穿透；按结构化数据存储质量记录，为产品单机档案提供基本的质量数据，为质量追溯提供依据；构建质量管理的基本工作路线：质量控制设置-检测-记录-评判-分析-持续改进；质量控制点需根据生产工艺特点科学设置，质量控制点太多影响效率，太少使质量风险放大；检验作为质量控制的活动之一，可分为自检、互检、专检，也可分为过程检验和终检；质量管理还应关注质量损失，以便从成本的角度促进质量的持续改进。对于采集的质量数据，可以利用SPC系统进行分析。制造企业应当提升对QIS（质量管理信息系统）的重视程度。

设备是生产要素，发挥设备的效能（OEE—设备综合效率）是智能工厂生产管理的基本要求，OEE的提升标志产能的提高和成本的降低。生产管理信息系统需设置设备管理模块，使设备释放出最高的产能，通过生产的合理安排，使设备尤其是关键、瓶颈设备减少等待时间；在设备管理模块中，要建立各类设备数据库，设置编码，及时对设备进行维保；通过实时采集设备状态数据，为生产排产提供设备的能力数据；企业应建立设备的健康管理档案，根据积累的设备运行数据建立故障预测模型，进行预测性维护，最大限度地减少设备的非计划性停机；要进行设备的备品备件管理。