En el contexto de la transformación acelerada en la fabricación mecánica tradicional hacia modelos de producción inteligente que integran tecnologías mecánicas, electrónicas e informáticas, junto con el aumento de la demanda de personalización masiva, los métodos de mecanizado convencionales están demostrando ser inadecuados para satisfacer los requisitos modernos de fabricación. Para abordar estos desafíos, este estudio propone un sistema de planificación de procesos inteligente basado en el conocimiento. Primero, para abordar los problemas de heterogeneidad en la agregación del conocimiento durante los procesos de mecanizado, se diseñó un modelo de conocimiento de proceso que comprende tres submodelos. Utilizando métodos de análisis ontológico con el lenguaje OWL, se expresaron formalmente las relaciones entre modelos, logrando una representación estructurada del conocimiento. Además, para satisfacer las considerables demandas de conocimiento del sistema, se desarrolló un marco de conocimiento basado en MySQL, que permite el almacenamiento distribuido y la recuperación inteligente del conocimiento de planificación de procesos. En segundo lugar, para superar limitaciones como la baja apertura y la rigidez en la toma de decisiones en la planificación de procesos tradicional, se propuso un mecanismo de razonamiento híbrido: por un lado, un sistema de razonamiento basado en instancias y reglas asegura la adaptabilidad a las variaciones de parámetros; por otro lado, se introducen Redes Generativas Antagónicas para trascender las limitaciones de completitud del razonamiento de conocimiento tradicional, permitiendo la evolución dinámica del conocimiento de procesos. Finalmente, el sistema de planificación de procesos inteligente se implementó en Python en la plataforma VSCode. La validación a través de casos típicos de torneado demuestra las capacidades de planificación y ejecución autónoma de procesos del sistema.