制造行业两大维度:离散制造&流程制造。
离散制造的产品由多个零件经过一系列并不连续的工序的加工最终装配而成。常具有以下几个特点：产品复杂、结构固定、物料具有多样性、过程控制更为复杂和多变，制造过程易数字化，强调个性化需求和柔性制造，更适合通过软件的改进来提升竞争力。在数字化转型挑战中，主要包含以下三个细分领域：
1、装备制造
上下游关联行业广泛，产业协同难度大：智能装备制造业的产业链上下游，几乎关联了国民经济行业分类中生产投资类产品的大部分企业，关联度高、应用领域广泛、技术壁垒高及客户定制化，由于复杂程度较高，传统手段无法有效提高协同效率；
缺少设备的全生命周期管理：装备制造的内部生产环节中涉及较多生产设备，且众多同时生产运行，对于设备的管理、故障预警、应急处理、远程运维等有较大难度；
生产状况复杂，现场不易掌控：实际生产过程中，有很多不确定因素，如产品的重修返工，材料、半成品的报废等等，管理人员很难及时掌控现场情况；
数字化人才存在较大缺口：行业精益化发展压力较大，对管理人才、应用人才、技术人才有较高需求，数字化人才培养需要经历较长时间周期，供需较为紧张；
质量检验还未形成智能化管理：部分企业的质量检验主要依靠人工纸质传递，过程质量追溯难，缺乏对质量管理的全流程梳理，无法有效保障产品的性能、可靠性和安全性；
精益化管理能力弱：当前局限于点状改进，效益提升程度有限，产品的交付节点非产品出库，而是设备的交付使用，包含安装、调试、验收等环节，所需时间较长，对于资源的统筹管理能力弱。
2、机械制造
企业设备连通性较弱：多数为生产制造的机器，未接入生产管控系统，无法得知设备的健康状态、维修周期、最佳设置参数等；
服务型制造面临较大创新压力：制造业转型升级需要发展服务型制造，推进生产制造系统的智能化、柔性化改造，增强定制设计和柔性制造能力，发展大批量个性化定制服务，创新发展及响应能力压力较大，需要新技术支撑；
缺少一体化的集成管控与决策体系：部分企业可实时采集供应链上下游的排产、生产、库存、质量、物流方面的运行数据，缺少企业平台作为链接枢纽，无法优化全供应链物资配置，实现供应链精准协同；
产业链上下游衔接不顺畅 ：原因包括与原材料制造部门、电子信息产业融合发展有限，机电一体化困难较大，业内“产学研用”协同发展不足，迫切需要实现数据互联互通，提高行业内部各环节间的协调；
数字化人才短缺：工作条件艰苦、工资相对较低，对人才吸引力不足，缺乏数字化人才培养体系，复合型工程技术人才短缺严重；
行业利润率下滑，精细化运营压力大：原材料采购成本上升，机械产品销售价格上涨乏力，导致盈利下滑，迫切需要数字化技术减少成本，提高生产效率，实现精细化运营，提升企业生存能力。
3、电子制造
设备管理不善：由于流水线依赖大量生产设备，对产品一致性和可靠性要求高的电子元器件领域，对加工精度要求高的精密零组件和精密模具领域，生产设备的微小偏差，会造成产品质量大幅下滑，需要精细化管理；
信息化系统分散，无法实现统一管理：原有ERP、MES、SCM等多个管理系统，需要统一的数字化平台实现多系统的集成应用；
产品演进对检测手段提出更高要求：电子产品加速向小型化、精密化、集成化演进，对电子制造工艺的速度、精度、可靠性提出了更高要求，传统人工检测方法仍存在主观性强、精确度低等问题，需要借助数字化手段提升检测能力；
产品质量管理缺乏全流程追溯手段：涉及原料供应、元器件生产、零部件生产、组装加工、集成销售、运维等环节，企业通过数字化手段，积累产品全生命周期的质量数据，可结合质量追溯模型，提升管控精度；
服务数字化处于初始阶段：以电子产品为基础，完善客户服务流程，解决维修追溯、远程运维、批量化订货等难题，厂商需要从生产制造商向生产服务制造商方向转型，需要借助流程化手段实现有效管理；
自动化水平低，人工替代率需提升：我国是电子信息产品制造大国，处于全球价值链中低端，以生产组装为主，虽然自动化水平较高，但组装环节仍需要大量人力。
流程型制造以资源和可回收资源为原料，通过物理变化和化学反应的连续复杂生产，又称“连续性生产” 。工艺过程具有连续性，生产计划相对稳定、生产能力固定、生产过程主要专注于物料的数量、质量和工艺参数的控制。在数字化转型挑战中，主要包含以下三个细分领域：
1、制药食品
整体自动化水平较低，智能制造发展基础薄弱：我国制药企业普遍处于机械化阶段，信息化手段局限于单个设备或者设备组，缺乏跨设备、跨流程步骤的统一管理。由于各生产环节间的物料转运和投放多依赖人工，生产管理数据无法互联互通，管理操作无法 “ 连点成线 ”，导致“ 信息孤岛 ”；
属于强监管行业，整体趋于谨慎：由于研发、生产、物流和使用等全生命周期各环节，受相关法律法规和有关部门的严格监管。转型会对设备或流程进行调整，往往涉及复杂的变更和风险评估流程，多数企业采取较谨慎的态度和发展路线
对质量控制、质量风险掌控能力弱，缺乏全生命周期的质量管理：当前业务流程的透明性和可控性不高，需要借助智能制造排查潜在产品质量风险，确保批间和批内质量一致性，为质量安全监管提供有效手段，降低不合规产品流入市场的风险
行业供应链缺乏韧性：由于产品周转率高，原材料有明显季节与周期性，库存压力大，成品加工依赖销售与市场，生产节点管控难，而数字化手段可实现供应链的稳定可控，保持企业竞争力；
多环节对收益提升、成本优化提出更高要求：智能制造系统通过生产、质量、物流、营销、人力等环节的互联互通，实现生产资料的最优化调度，减少耗时、低水平的重复操作，提升生产效率。通过设备状态实时跟踪，协助规划设备的预防性维护保养，并通过精准备货与配货，降低库存成本。
2、化工制造
数据采集无法支持生产流程：生产数据繁杂，设备种类众多，数据多源异构、通信协议兼容性不足，“沉睡”的数据难以采集，难以形成闭环反馈到生产调度中，对产线的设备控制、参数调节、物料调度等优化工艺和排产支撑力不足，需要有效的流程梳理；
安全生产需要借助数字化能力：将原有的隐患排查和风险辨识，纳入数字化轨道，实现平台实时上传、人员巡检数字化、现场装置数字化、隐患排查落实数字化、责任压实化；
难以满足隐形场景的管理需求：当前数据功能实现多聚焦解决可见问题，如设备定期维护保养、产品质量抽检、重大危险源的监控等，对一些隐性问题缺少量化，难以满足化工企业应用对象差异大、具体场景化管理的要求；
数字孪生还未实现深度应用：数字孪生可将设备属性、设备运行状态、设备维护情况、工艺参数、工艺运行情况等进行实时映射，整合各类、各阶段数据，在业内应用有待不断拓展，需要技术支撑，创新发展；
信息孤岛阻碍行业发展：系统平台建设进度加快，各类系统存在烟囱化现象，有待统一规划、互通数据
碳资产管理能力有待提升：由于生产流程复杂，产品种类众多，生产调整频繁，普遍缺乏系统、成熟的碳资产核算管理方法与工具，实现碳资产管理能力的提升。
3、矿产冶炼
基础数据来源多、质量低：生产流程复杂，存在多个工业控制/生产执行系统，数据来源离散，需要统一有效管理；
流程管理组织不完善：以钢铁为例，产品生产包含炼铁、炼钢与轧钢三个环节，涉及多个生产系统、工业控制系统与供应链层级，流程复杂、体系庞大，存在资源浪费及产能受限情况，需要具备完善的流程管理覆盖全过程，促进高效运转；
与“5G+工业互联网”融合还需加深：逐步实现从“劳动密集”转变为“技术密集”，5G+工业互联网与云计算、人工智能等新技术结合，催生行业更多智能化场景，不断提高企业生产效率，利用新技术加快构建新应用；
核心工艺数字化尚未成熟：关键工艺数据来源不完善，计量仪表配备未齐全。核心工艺难以用一个模拟目标来表达过程特征；
绿色生产压力大：能源消费和环境排放总量压力大，工艺流程结构不合理、绿色发展水平有待平衡，需要平台化技术进行碳资产管理，有效降低碳排放；
能源管控能力薄弱：能源产生、使用效率不高，综合利用水平较低，缺乏能源平衡调度手段，系统运行稳定性待提高，异常情况下的调度手段较为单一。
