2022年6月1-2日，e-works“数字化交付与运营高级研修班”在线上举行。华天软件李宏图总监分享了流程行业数字化交付的应用和实践，介绍了数字化交付过程、数字化交付平台与工具软件、流程工厂数字化交付的实践，并展示了数字化交付平台的核心功能。

2022年5月18日，美云智数携手e-works联合举办了主题为“灯塔引领，数智驱动”的2022装备制造行业研讨会。基于在虚实融合的装备制造数字孪生应用实践，美云智数工业仿真产品负责人王金介绍了MIoT.VC，作为全球知名全流程工业仿真软件之一，MIoT.VC为装配制造业提供虚拟仿真验证，对现实世界进行数字孪生实现虚实互动，提高开发效率，加强数据采集、分析、处理能力，减少决策失误，在降低制造风险的同时，助力装配制造业提高生产效率，节约成本。

2022年5月12-13日，e-works“APS高级计划排产原理与实施应用高级研修班”于线上举办。悠桦林APS实战专家陈杰分享了家电、饮料行业的供应链计划优化。他指出，实施供应链计划优化的步骤可归纳成：通过研究行业特点与企业痛点，分析原有供应链的不足，进行供应链整体优化。企业需要打通各流程，提高可视化、透明化，以进一步提升产能，科学利用资源，减少损失与交付短缺，降低生产成本。只有将服务做精做细，提高服务质量，才能使客户满意度提升，增强企业竞争力与适应力。

2022年5月25日，e-works主题为“从制造执行到制造运营”的“第二十届中国制造业MES应用论坛”在厦门举行。数益工联联合创始人兼COO宿文博士分享了数益工联从边缘数据层、应用功能层和数据大脑层三个维度提供构建工厂全数字化的解决方案。数益工联的数字化平台具备多个标准模块与功能，并拥有自研的边缘计算平台，结合云端与其他前沿技术，能覆盖企业全业务流程，具有快速交付特点，能让企业快速获得收效，同时为多行业提供标准运用模式。

2022年5月25日，e-works主题为“从制造执行到制造运营”的“第二十届中国制造业MES应用论坛”在厦门举行。 e-works 咨询事业部总经理李伟分享了MES需求分析方法，包括基础数据分析、流程梳理与分析、生产工艺建模与分析、数据采集分析、现状评估与MES集成、系统需求与架构设计、制定实施方案。他谈到，MES深化应用的目标是不断提升企业的基础管理水平，推进生产的标准化程度，对现有流程进行优化与调整，评估系统的深化应用，逐步推进工厂数字化。李总通过一些实际案例，详细描述了MES深化应用的若干场景。

2021年12月9-10日，e-works“2021（第十七届）中国制造业产品创新数字化国际峰会”在西安举办。天喻软件副总经理兼西南区总经理王锐分享了“以图赋智”三维应用平台的整体规划及业务流程规划、设计协同、可视化浏览、BOM多视图管理等关键功能，分析了三维一体化进程的推进策略。

2021年12月9日，e-works在西安举办了以“产品与服务创新数字化转型之道”为主题的“第十七届中国制造业产品创新数字化国际峰会”。华天软件方案总监姜勇泉全面解析了华天全流程工业软件，包括Inforcenter PLM、CMMP协同制造、Crown CAD、SView 3D等平台是如何助力企业在研发、生产、云协同等方面的数字化转型。

2021年6月24日，e-works“2021智能工厂与工业互联网（南通）高峰论坛“在江苏南通举办。黑湖科技生态合作总监屈蕾分享了对工业互联网时代企业如何利用数字化增强竞争力的思考。她指出，敏捷制造、快速响应市场需求已然成为制造业数字化转型的根本目的，但国内制造企业却面临实时协作效率低、作业流程难管控、人工记录不准确不完整不可靠、数据全流程追溯难、生产进度不透明等生产管理困境，黑湖科技能够以云端数据中枢全面提升工厂协同运营效率，并贯穿生产全流程，实现模块化全链路数字管理。

2021年6月25日，e-works举办了“2021国际智能制造（成都）论坛”。华天软件技术中心副总经理刘世祯从制造业数字化转型思路、实践及转型云之路三方面介绍了华天的数字化解决方案助力企业转型升级。他从设计、生产、物流、销售、服务等核心业务流程的角度，解析了华天的全流程工业软件如何支撑企业的数字化转型；并特别展示了InforCenter PLM、SView 3D全球云协同平台和云CAD平台如何助力研发体系的数字化转型。

2020年8月21日，e-works“2020第十七届中国制造业数字化转型解决方案高峰论坛”在济南举办。e-works咨询事业部总经理李伟分享了数字化工厂规划与建设策略。e-works数字化工厂规划“四步曲”是现状评估、业务诊断与需求分析、架构整体规划、规划实施落地。数字化工厂建设包括数字化、互联化、智能化三个阶段。李伟指出，在推进数字化工厂建设时要关注以下重点：要有明确的数字化工厂规划；自动化项目要核算好投入与产出；重点关注业务管理改进，即业务流程梳理与优化；重视数据的规范性；管理要向治理发展；要有明确的数字化工厂标准。