在智能制造的实施过程中也存在一些问题，企业实施智能制造容易“虚化”，过于超前网络化建设和部署，对于制造过程的数字化重视不够；广大中小微企业的数字化转型步伐仍然较慢，资金不足、技术缺失影响了中小微企业的积极性；智能制造人才供给水平无法满足下一步全国大规模数字化转型的需求。
人机互联的解决方案，已经成为制造业企业必须具备的数字化专业能力。并且，自动化制造和配送中心数据正在成为数据中心的主要数据。所以，为了让数据更接近于设备端，很多企业开始架构边缘计算平台，思考如何将网络隔离、网络保护解决方案落地。
与传统工业化模式相比，平台经济更加强调市场需求、制造与服务的融合，打通企业端到端的数据联调成为首选。
以大数据、物联网为代表的新一轮工业革命正在进行，许多工业企业为适应新时代工业发展的实际需要，纷纷开始借助新技术力量，进行生产模式调整和生产方式革新。
数据工程师使用监督和无监督的机器学习算法，教化数字孪生模型了解如何优化物理系统。通过处理从连续实时监控中收集的历史数据和未标记数据，机器学习算法可以查找行为模式并发现异常，从而优化生产计划，质量改进和维护。
为巩固行业领先地位，打造核心竞争力，越来越来多化妆品企业开始布局智能制造，在上线ERP、MES、追溯系统等后，对内部和生产方面开展科学化、智能化管理，并取得显著成效，扩大了业务规模。
