การตรวจจับ IoT: ใช้เทคโนโลยี เช่น เซ็นเซอร์ RFID และ IoT เชิงอุตสาหกรรม (IIoT) เพื่อรวบรวมข้อมูลดิบ เช่น สถานะอุปกรณ์ การไหลของวัสดุ และพารามิเตอร์ด้านสิ่งแวดล้อมแบบเรียลไทม์
การประมวลผลข้อมูล: ใช้ข้อมูลขนาดใหญ่และเทคนิคการประมวลผลแบบคลาวด์เพื่อล้าง จัดเก็บ และวิเคราะห์ข้อมูลจำนวนมหาศาล และดึงข้อมูลที่เป็นประโยชน์
การดึงความรู้: การผสมผสานปัญญาประดิษฐ์ (เช่น การเรียนรู้ของเครื่องและการเรียนรู้เชิงลึก) เข้ากับระบบผู้เชี่ยวชาญเพื่อระบุรูปแบบ ทำนายแนวโน้ม และวินิจฉัยข้อผิดพลาดในข้อมูล
การบูรณาการบริการ: ขึ้นอยู่กับเครือข่ายความรู้และสถาปัตยกรรมเชิงบริการ (SOA) ทรัพยากรการผลิต (อุปกรณ์ กระบวนการ สินค้าคงคลัง ฯลฯ) จะถูกห่อหุ้มเป็นบริการที่สามารถเรียกใช้ได้
การตัดสินใจระหว่างมนุษย์และเครื่องจักรร่วมกัน: ผู้เชี่ยวชาญของมนุษย์และระบบอัจฉริยะทำงานร่วมกันเพื่อพัฒนากลยุทธ์การผลิตและแผนการตอบสนองที่เหมาะสมที่สุด
การดำเนินการแบบวงปิด: ออกคำสั่งการตัดสินใจให้กับเลเยอร์การดำเนินการ เช่น หุ่นยนต์, MES และ APS เพื่อปรับการดำเนินการผลิตโดยอัตโนมัติและให้ข้อเสนอแนะเพื่อปรับโมเดลให้เหมาะสมที่สุด