企业既不能盲目地推进自动化、机器换人，又不能停留在大量使用人工的作业方式，需要将自动化设备擅长重复性劳动和高速度的特点与工人的灵活性和判断力有机地结合起来，从而在保证产品质量的基础上，最大限度地提高生产效率。
不同生产模式的制造企业，生产自动化程度差异很大。
对于采用大批量重复生产模式的企业，例如电子元器件、标准件、制药、食品、饮料、钢铁、化工等行业的制造企业，无疑需要最大限度地实现自动化、少人化，甚至无人化，一位制药行业的专家曾告诉我，人的参与是该行业生产过程中最大的污染源。
对于采用小批量、多品种生产模式的企业，例如各类按订单生产（MTO）的机械制造、汽车零部件和电气产品制造企业，则应该强调人机结合，将工人的智慧和经验与自动化设备和产线相结合。对于小批量、多品种，以及单件小批生产的企业，推进零部件的标准化、系列化、模块化具有十分重要的意义。模块化程度越高，就越有可能实现生产和组装环节的自动化。
对于按订单设计（ETO）、单件生产的生产模式的企业，例如重型装备制造企业、造船企业，则需要更多地依赖工人来操控设备，充分利用工人的经验和工艺文件的指导来完成加工与装配的过程，在此过程中，需要大量使用助力设备。
对于一些高端产品，例如奢侈品，反而更需要发挥技术工人的高超工艺水平和“工匠精神”。例如，e－works考察团在参观格拉苏蒂原创手表的工厂时看到，尽管产品的设计和部分零件的加工已经采用了CAD／CAM技术和数控机床，但高端产品的抛光、装配等核心工艺环节还是采用纯手工打造。在参观德国奥迪工厂时，我们也发现，奥迪A8的生产实现了较高的自动化，但是在同一个工厂生产的R8跑车，则大部分是手工制造。
一个复杂产品的制造过程，不同的工艺流程的自动化程度差异大。
例如对于大型汽车整车企业，冲压、焊接、喷涂工艺已逐渐实现高度的自动化，但是总装工艺则自动化程度不高，更多地依赖人工进行组装。手机、家电等电子产品的SMT（表面贴装技术）工艺已经实现全自动化，但产品的组装、检测等工艺环节则依然需要大量的人工。因此，企业推进智能工厂建设，不能简单地将自动化率作为评价标准。应当结合每个行业的特点，在推行精益生产和零部件三化的基础上，持续改进，逐渐提高自动化程度，实现人机融合和柔性自动化。
2015年，e－works考察团参观西门子安贝格电子工厂时，参观了两条组装线。一条组装线只生产两种产品，实现了全自动组装。另一条组装线可以同时组装数十种不同的产品，采用的是半自动，有一半工位是人工装配。对于人工装配的工位，进行了防呆设计，针对特定产品在该工位应装配的元件，元件盒会亮绿灯。
在推进智能工厂建设过程中，智能装备和相关技术的合理应用，可以有效地减轻工人的劳动强度，提高效率。
例如， 在焊接、喷涂、上下料、堆垛、打磨等工序已经得到广泛应用；AGV、吊挂系统可以替代人工搬运；机器视觉技术可以替代目视检测，例如在SMT行业自动将电路板拍照，与标准的电路板进行比对，替代人工进行质量检测；语音识别技术可以帮助工人准确取货，霍尼韦尔已开发出这类产品。
与机器视觉技术的结合，大大提高了 的应用效果，而协作机器人则进一步扩展了机器人的应用领域，更好地实现人机融合。博世推出的APAS生产辅助系统，就是一种可以辅助人工的移动式机械手，与工人协同作业。在一些对工人健康有伤害的工序，应当大力推进 的应用。
智能制造专家金鸣指出，有些情况虽然可以应用自动化设备，但还是需要以人工为主：
在有些生产制造环节，机器人和自动化设备虽然能够代替人，但是容易出错，不如人的动作、感觉灵敏度和准确度高。
在一些节拍不是很快的制造环节，由于机器人或自动化设备成本高的原因，企业还是选择人工来完成这些工序。
智能装备的应用，在减少普通的生产工人同时，会带来对操作和维护、维修智能装备的高技术工人的更大需求。
回顾智能制造装备的发展历程，从普通机床到数控机床，发展到能够实现自动换刀的加工中心，能够实现多个工序复合的车铣复合加工中心，以及能够实现加工与检测结合，并能够实现误差补偿的加工中心，智能化程度越来越高。
同时，智能装备已从单机应用发展到多台智能装备的组合应用，建立智能制造单元（或柔性制造系统），在此基础上集成各种智能物流装备，构建智能制造产线。设备的智能化程度不断提高，还融合了数据采集、设备联网、数控编程等功能，使得设备的操作与维护保养、维修日益复杂。这一方面对工人的技术水平要求更高；另一方面也使得设备维修维护服务外包的需求日益凸显。
目前，数字化工厂仿真软件已经可以实现人机工程仿真。同时，也已经有各种辅助装置，来调整产品在制造和装配过程中的高度和方向，确保工人能够在生产过程中，保持相对舒适的姿态。
总之，制造企业在进行智能工厂规划时，不能盲目追求无人工厂、黑灯工厂、机器换人，一定要结合自身的产品特点和生产模式，合理规划智能装备和产线的应用，实现人机融合。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
