近年來機器人設計功能在進步而成本在下降，制造業者逐漸開始使用機器人在不同的制造系統執行任務，即使原本持觀望態度者也在跟進中。工廠內存在多條生產線、多種不同功能的機臺和多種需生產的產品組合，需依靠一個有效的生產排程系統自動分配各產品到各機臺進行生產，而使機臺閑置時間最小、產品等待時間最短、產品的生產周期時間最小化。對于半導體產業而言，排程決策支持系統除了需最小化生產周期時間，更需考慮批貨在工站間的等待時間，避免晶圓因等待時間過久而使內部產生化學變化，最終導致晶圓報廢。

生產線上需藉由質量管制系統隨時監控制機臺產出的質量，以避免質量發生異常而造成原物料的浪費，更可能延誤產品給客戶的交期。雖然生產與質量往往為互相沖突的兩個重要目標，近年來開始有研究在探討如何將質量管制與生產控制互相結合，例如將批次控制或故障檢測和分類列為排程決策支持系統的限制式，以同時考慮生產與質量的問題，這也將會是未來先進智慧制造系統中的另一個挑戰。隨著少量多樣到大量個人化生產模式的復雜度愈來愈高，靠人腦和經驗來因應的生產管理有其極限，透過萃取領域專家的制造智慧內置于聰明生產的彈性決策法則，使先進智慧制造系統的每個機臺都具有即時判斷決策能力，可依照生產的產品品質調整其內部的生產程序參數以同時考慮良率、交期與生產力以最大化獲利。例如，依照前幾批產出貨進行生產參數調整的方式稱為先進制程控制。

先進制程控制利用生產線已產出批貨的測量數據，回饋最佳的參數給生產線中的機臺，使機臺可依照產出的情況動態調整所使用的參數，即時使用最佳的參數進行生產，讓制程質量穩定于目標值上。相較于傳統SPC當質量出問題時才發出異常信號，先進制程控制為一種即時監控和調整機臺生產參數的方式。制程參數最佳化可使各別機臺以最有效率的方式進行生產，常用的參數最佳化方法有基因算法、模擬退火算法、粒子群最佳化算法、螞蟻最佳化算法和人工蜂群演算法等。機臺設備上配備感測器，可以即時收集運行狀態參數數據，分析預測機臺健康狀況。若診斷出機臺制程發生異常，可以自動發出警告以讓工程師及時進行維修，降低機臺運作失常甚至宕機而產生的損失。聰明生產方式一方面監控制程狀況，一方面診斷機臺自身，從而維持高品質的生產，提高資源使用效率。

當生產線上的每個產品都智慧化時，通過感測器的感測，將不同來源的數據進行融合與分析，最終個體產品將能自行判斷在不同時間點對自己最有利的決策。例如對一個產品而言，將具有判斷何時該配加工、最適合的加工參數甚至加工完后下一個站點的機臺為何？在先進智慧制造系統中，將從各生產線中央控制的方式朝向個體具有智慧自行決定加工時間和下一個站點。然而，其中還有許多的技術需克服，如標準化的通訊協議，將決定著未來個體如何做溝通。

同一廠商設備內部協同化，利用企業控制標準的功能特性，已經可以創建一個方法開發和實施多代理服務的制造協同化構架，便于在分布式環境管理和控制網絡化的智慧制造業自動化組件。對于不同廠商設備間的連接，現有方式是通過計算機作為中轉站，將不同感測器監測的數據收集后進行分析。在先進智慧制造系統中，則需要構建物聯網路使工具本身具備智慧分析能力，通過通訊協議將信息進行分析和共享，來保證信息的有效利用進而節約資源和提高效率。