上次談到的黑燈工廠建設中存在的諸多問題，大家都比較感興趣，這確實是工業智慧化轉型中遇到的難題。
由於現階段的諸多問題，網絡上有一種理念在潛意識中抵制“黑燈工廠”發展。例如有人說：
“早年我在德國做工程師的時候，有一種理想的概念：什麼是自動化？自動化是不是就不需要人了呢？所以在做我第一個項目的時候，就把軟件做成全自動、無手動模式。但後來我發現，機器突然出現毛病怎麼辦？全自動人就干預不了了。所以機械自動化最基本的要求一定是手動和自動兩種模式同時都在，但這種最和諧的人機合作關係是最難的，也是此領域的最高境界。”
但今天我們談論的“黑燈工廠”是邁向智慧化工廠的基礎，並沒有那麼神秘和高不可攀。這就像輔助駕駛和無人駕駛汽車一樣，他們出現的核心目的是減少駕駛員的操作，降低人力，但兩者期待的結果不同，階段也不同。我們不能越過第一個階段，直接進入無人駕駛，就像特斯拉無人駕駛出現的交通事故，讓他們不得不將“無人駕駛”模式改回“輔助駕駛”模式一樣。所以實現民用級別的無人駕駛汽車，需要技術和大眾認知的同步提升，才能最終得以實現。
現在無法實現不代表這個方向是錯誤的。
我們需要更加努力地解決問題，帶著發展的眼光去穩步開拓。並且，黑燈工廠並沒有說可以一蹴而就，“黑燈工廠”的概念是在目前的技術能力下，最大程度的減少人工成本和提高自動化比例。
實現黑燈工廠的核心，就是強大的自動化建設和智慧的配套軟件。目前的問題，主要體現在工業自動化建設速度快於配套軟件的發展速度。於是自動化設備足夠先進，但軟件端還停留在基礎動作的管理，缺乏統一的協調性和智能化的管理。
於是，我們需要打造一個懂業務，有思維的工業智慧大腦。
這個大腦要做什麼呢?
第一，懂得控制
這個工業大腦，要具備控制工業生產中自動化設備的能力。
第二，懂得管理
管理是業務範疇的工作，我們利用軟件，將管理手段標準化，流程化，智能化，減少人工管理過程中的失誤。這需要軟件設計者與業務骨幹坐在一起去設計。例如：智能下發工單，智能排產等環節。並且與之前的控制能力聯動起來，在我們制定好生產計劃後，我們的管理軟件懂得提前預熱設備，懂得制定工藝，在減少人參與的情況下實現準時生產。
第三，懂得分析
目前，我們可以獲取到工業生產的全過程數據，面對這樣的數據我麼如何去利用，如何去分析，如何去展現。我們需要讓數據發聲，讓數據說話，讓數據產生價值。這就需要結合業務對數據進行分析，讓數據輔助我們生產決策。例如：利用設備運行數據指導保養維護工作，通過數採數據分析設備健康情況，而不是傳統簡單的按照運行時間來對設備維護保養。這將有效的提升效率，降低成本，節省能源，提高產量。
第四，懂得學習
目前，大數據人工智能技術已經相對發展成熟，通過神經網絡讓機器學習風險判斷，參數修正。這將大大提高工業智慧程度，解決以往難以解決的問題，例如：利用生產數據分析工藝參數最佳的配比而不是單單靠工人的經驗。
所以，當前讓工廠關燈，是我們應該也可以去實現的。
