智能工厂是未来工厂的发展方向，也是信息化应用的高级阶段，更是多学科之间相互渗透、相互支持，实现“两化”深度融合的必由之路。

  流程工业，通过信息化可以实现智能工厂的其它特征，比如可实现“智慧工厂”“四化”特点中的“柔性化”、“敏捷化”和“智能化”。其中决策支持系统起着中杻作用。

  决策支持系统通过逻辑推理的手段充分应用人类知识处理复杂的决策问题，既能处理定量问题，又能处理定性问题，提高了决策支持系统支持非结构化决策问题的能力；随着上世纪90年代数据仓库、联机处理、数据挖掘技术的提出和发展，商业智能技术成为信息化应用的热点，它囊括了上述几种新技术，数据仓库为决策支持系统提供面向主题集成的高质量数据，联机分析处理提供从多视角途径获取的辅助决策分析数据，而数据挖掘则侧重于识别和抽取数据仓库中隐含的、潜在的有用信息，丰富决策支持系统的知识系统。将这三者纳入到决策支持系统基于知识的结构框架中，就产生了一种新型的决策支持系统——综合决策支持系统。

  该系统架构既发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了以模型计算为核心的解决定量分析问题的特点，从而做到了定性分析与定量分析的有机结合，使得计算机系统解决问题的能力和范围得到了很大的发展。

  尽管以上思路非常清晰，但离解决实际问题还有很大差距，多年来，现实中的不确定因素和技术的实施难度制约了该层面智能化技术的落地。
       “智能模拟”根据上层下达的月度生产目标，进行全流程智能模拟，模拟结果在结合知识库、关联分析后得出的现状规则进行两重校验，给出短期作业计划，“调度协调优化”根据短期作业计划，结合优化命题库和来自生产操作层面“大数据集”关联分析后的现状规则，制定现阶段的短期操作目标，传递给“调度令管理系统”。
       “模型可靠性技术”、“模型可实现性技术”和“关联挖掘分析技术”是综合决策支持系统重点核心技术。三个技术的有效实施可确保模型与实际物理过程的匹配有效匹配。有了这三个技术，正如前述，我们的目标就不能简单定位在人工介入模式的智能化上了。该层面的智能化是解决执行层面的智能化问题，因此它是企业智能化的核心，目前，产学研结合多年，国内已不乏解决三个关键技术的学者和专家。
       另一方面，现阶段离线运行的一些模型技术应用效果还是比较理想的，如建模技术、行为过程建模技术，国内大专院校也针对性地开发了一些机理模型、启发型模型等。我们完全可以在这些模型基础上增补中间环节，改造成能在线应用的模型。
       为降低计算能力和优化求解能力，可以进行层次性的智能模拟和调度协调优化，比如可以先按板块或按专业管理开展，然后在其之上再建立更高层次的智能模拟和调度协调优化，模型降维以后，可靠性和可实现性等方面就相对有保障。相应地，“数据关联分析”按此方法处理，因此，要实现该层面的智能化，一方面我们要借鉴学术上成熟的研究思路，另一方面也要从该层面急需解决的实际问题和现有技术的可工程化两个角度来规划，以求取得突破。