企业在进行新工厂规划时，需要充分考虑各种安全隐患，包括机电设备的安全，员工的安全防护，设立安全报警装置等安防设施和消防设备。同时，随着企业应用越来越多的智能装备和控制系统，并实现设备联网，建立整个工厂的智能工厂系统，随之而来的安全隐患和风险也会迅速提高，现在已出现了专门攻击工业自动化系统的病毒。因此，企业在做智能工厂规划时，也必须将工业安全作为一个专门的领域进行规划。

精益生产的核心思想是消除一切浪费，确保工人以最高效的方式进行协作。很多制造企业采取按订单生产或按订单设计，满足小批量、多品种的生产模式。智能工厂需要实现零部件和原材料的准时配送，成品和半成品按照订单的交货期进行及时生产，建立生产现场的电子看板，通过拉动方式组织生产，采用安东系统及时发现和解决生产过程中出现的异常问题；同时，推进目视化、快速换模。很多企业采用了U型的生产线和组装线，建立了智能制造单元。推进精益生产是一个持续改善的长期过程，要与信息化和自动化的推进紧密结合。

人工智能技术正在被不断地被应用到图像识别、语音识别、智能机器人、故障诊断与预测性维护、质量监控等各个领域，覆盖从研发创新、生产管理、质量控制、故障诊断等多个方面。在智能工厂建设过程中，应当充分应用人工智能技术。

例如，可以利用机器学习技术，挖掘产品缺陷与历史数据之间的关系，形成控制规则，并通过增强学习技术和实时反馈，控制生产过程减少产品缺陷。同时集成专家经验，不断改进学习结果。利用机器视觉代替人眼，提高生产柔性和自动化程度，提升产品质检效率和可靠性。

流程行业企业的生产线配置了DCS系统或PLC控制系统，通过组态软件可以查看生产线上各个设备和仪表的状态，但绝大多数离散制造企业还没有建立生产监控与指挥系统。

实际上，离散制造企业也非常需要建设集中的生产监控与指挥系统，在系统中呈现关键的设备状态、生产状态、质量数据，以及各种实时的分析图表。在一些国际厂商的MES软件系统中，设置了MII（Manufacturing Ingetration and Intelligence）模块，其核心功能就是呈现出工厂的关键KPI数据和图表，辅助决策。

数据是智能工厂建设的血液，在各应用系统之间流动。在智能工厂运转的过程中，会产生设计、工艺、制造、仓储、物流、质量、人员等业务数据，这些数据可能分别来自ERP、MES、APS、WMS、QIS等应用系统。因此，在智能工厂的建设过程中，需要一套统一的标准体系来规范数据管理的全过程，建立数据命名、数据编码和数据安全等一系列数据管理规范，保证数据的一致性和准确性。

另外，必要时，还应当建立专门的数据管理部门，明确数据管理的原则和构建方法，确立数据管理流程与制度，协调执行中存在的问题，并定期检查落实优化数据管理的技术标准、流程和执行情况。企业需要规划边缘计算、雾计算、云计算的平台，确定哪些数据在设备端进行处理，哪些数据需要在工厂范围内处理，哪些数据要上传到企业的云平台进行处理。

在智能工厂规划中，还应当重视整体人员绩效的提升。设备管理有OEE，人员管理同样有整体绩效-OLE（整体劳动效能）。通过对整体劳动效能指标的分析，可以清楚了解劳动力绩效，找出人员绩效改进的方向和办法，而分析劳动力绩效的基础是及时、完整、真实的数据。通过考勤机、排班管理软件、MES系统等实时收集的考勤、工时和车间生产的基础数据，用数据分析的手段，可以衡量人工与资源（如库存或机器）在可用性、绩效和质量方面的相互关系。让决策层对工厂的劳动生产率和人工安排具备实时的可视性，通过及时准确地考勤数据分析评估出劳动力成本和服务水平，从而实现整个工厂真正的人力资本最优化和整体劳动效能提高。