2.2 MES发展新趋势

MES是智能制造核心工业软件。但早于智能制造概念的提出，MES概念已经有20余年历史了。在智能制造发酵、发展的环境下，MES呈现出一系列新的发展趋势。作者结合自己的学习和经验，总结智能制造背景下MES发展的三个趋势。

（1）业务流程管理自动化

一般来说自动的概念都是用于自动化硬件装置的执行和控制中，但从广义的角度而言，不管对于知识和软件，其实都提出了自动化的内涵。

业务流程管理自动化的内涵：MES系统业务的衔接具有顺畅、无歧义的流转，流程当中前后环节具有规范的预定义数据格式和内容，流程当中每个环节具有规范的业务操作要求和信息内容与格式，不仅支持正向顺次递进的流程，也包括应付各种突发情况的流程预案。从上述论述可以明显看出其中的重点：规范，包括流程规范、信息规范、操作规范。业务流程管理自动化涉及到对现有流程的梳理，应秉持如下思路：

一是避免陷入“存在的就是合理的”的陷阱。应按照未来应用场景对目前的功能进行分析和判断，一切以按需为驱动，重构优化当前的流程。

二是避免简单的将现有流程转变为计算机流程。这方面应重点考虑基于系统的运行与基于手工的运行的差别，也就是如何发挥数字化技术的优势，尤其一些新技术的运用，对现有手工流程其实是有很大改变的。

（2）软硬一体化融合

传统的MES是靠“人”作为底层支撑实现运行的，比如常见的派工下发后的执行反馈都是有人来完成的。但随着工业互联网技术和CPS技术的发展，MES呈现出软硬一体化集成运行的特点，典型的案例场景罗列如下：

• MES直接从机床或设备等装置自动获取执行反馈状态；

• MES直接向机床或机器人等装置下发执行程序或执行指令；

• MES直接向AGV等物流设备或装置下发执行指令；

• MES根据实物的数字标识自动反馈获取实物状态；

• MES直接从硬件装置读取状态、工艺参数、工件精度等数据，为后续的决策推理提供支持。

（3）决策功能日益突出

   随着大数据等决策分析技术的发展，以及工业互联网状态反馈和精准执行控制技术的发展，对在线或离线的决策功能提出了更高的要求，也为决策的执行提供了可用的技术通道。MES不仅是执行过程管理，而是车间运行的指挥控制中枢，不仅是流程推进和数据周转，而是与业务工艺密不可分的决策中枢。典型的案例场景罗列如下：

• APS基于当前任务承担情况，给出客户新订单的精准交货期评估；

• APS面对众多的生产扰动，给出快速响应评估分析方案并实现调整执行；

• 根据订单工件加工过程中前序环节的精度数据，给出后序环节的工艺基准调整分析结果并实现控制执行；

• 根据订单工序加工精度反馈分析，经过推理决策分析实现自适应的调整控制执行；

• 质量问题发生后的及时决策分析并制定改进措施，甚至直接对硬件装置进行调整；

• 电子产品“测”后问题的智能分析判断，辅助“调”人员快速解决

• 与工艺融合新态势

对于企业而言，上线建设信息化或数字化系统的期望越来越普遍，也越来越高。尤其是很大比例的企业，当在自主决定实施系统建设的时候，一般都是问题比较严重或者已经累积到一定程度。因此，对于企业进行MES建设，一般不仅有管理提升上的期望，也有工艺改进上的期望。

但目前MES建设中关注的重点较多的是管理流程上的打通，包括执行进度管理、数据采集、精益物流等，解决的多是信息流与实物流的有序、协调方面的问题。当然这些问题对于一些企业来说也是非常重要的，但MES不能仅仅是做这些事。对于企业来说，最核心和根本其实还是制造技术本身的问题，即使所开展的流程管理也是为制造业务服务的。虽然从管理角度为制造技术的发挥提供更大的支持，也应该是MES建设的初衷，但在智能制造背景下，MES应该可以有更大的作为。

MES为数据采集、信息流动、流程协调提供了支持，但不能仅仅是采集的数据入库、信息流动顺畅、业务环节协调这些内容，还应该发挥更大的作用，为制造工艺技术的改进和提升提供支持，也即MES与工艺的融合，主要体现在三个方面：

（1）质量数据与工艺的融合

在产品质量数据采集以后，通过SPC可以及时发现异常点或者问题的趋势，这是MES可以实现的。但产品检测出的状态，对该件产品而言，已经是事后状态了。目前MES传统的做法是，发现问题之后仍然依靠人来解决，系统只是提供了快速的问题发现支持。但对于MES而言，获得了所有的制造执行数据，是具备进一步分析改进优化的能力的。

影响产品质量状态的因素有很多，包括设备自身的状态、加工操作的工艺参数、原材料毛坯或上道工序的加工状态等，都可能对本道工序的加工质量产生影响，因此MES不仅仅进行产品质检数据采集，应该同时采集获取设备状态信息、工艺参数信息、毛坯或上道工序信息，通过建立集成的分析模型，对这些数据进行利用，才能在发现问题的基础上，找到问题的原因。这是MES与工艺融合的典型体现，如果分析模型能够将工人的经验融合进去，则该环节可以认为具有一定的智能化特点，从而为智能制造的贯彻落实提供了支持。典型的可开展的场景罗列如下，其核心是面向质量的基于采集数据的建模与分析，也应该是MES持续发力研究、实现和改进的地方，不仅能够有效推动质量数据与工艺的融合，也是落实智能制造的具体体现：

• 精细化分析：按照数控程序代码的执行顺序，分析每一条指令代码下的设备状态、工艺参数等的变化，实现目前所提出的程序示波器式分析，进一步的可以借助模型进行智能分析与判断；

• 智能工序决策：通过建立设备状态、刀具、产品精度的关联模型，实现基于磨损与断裂监测的智能换刀决策和智能加工补偿；

• 智能过程决策：建立面向工艺流程的工序精度状态链条，建立智能的误差分析模型，实现基于上一步状态的当前这一步加工工艺参数的自适应调整以保证加工质量。

（2）进度数据与工艺的融合

制造执行进度的监控是MES的核心功能，随着MES的运行会产生大量的制造执行数据，其中进度数据是其中的基础数据。目前MES在车间运行的实际情况是，同样一个工作、同样的机床、不同的人来做，时间和精度可能都存在较大的不同。其实这里面反映了工人技能水平的差异。有些企业通过对有经验的工人操作经历进行分析，建立SOP（Standard Operation Process，标准作业操作）机制进行规范，取得了良好的效果。

MES可以在这个过程中发挥更好的作用。通过进度数据的统计分析，从精细化分析的角度，找出彼此的差异并建立与加工工艺参数等数据的关联模型，基于分析挖掘将一些好的经验知识进行固化，并从而逐步改进操作工艺的以改善制造执行进度和工艺质量。

（3）设备/单元级状态参数数据与工艺的融合

现在很多MES都提供了产线级数字双胞胎的三维展示模块，通过结合“虚实同步映射”实现了三维产线运行状态的完整展示，但目前在实际应用中，更多的是“实->虚”映射，其实“虚->实”的反馈控制尚比较欠缺。从CPS角度而言，可以认为只是实现了开环的CPS而没有实现闭环。

但从MES与工艺融合的角度，设备/单元级的CPS是能够实现从状态数据采集、分析推理决策、闭环控制执行的完整链条的，其中的分析推理决策环节，就是体现工艺功底和能力的抓手，这就需要基于状态参数建立加工工艺的物理仿真模型，进行闭环持续的工艺优化。这种方式下建立的物理仿真模型，也是当前数字孪生的核心。

通过上面的初步分析，可以得出三点基本结论：

（1）MES采集的大量数据，不仅是实现存档入库，必须结合工艺才能有效的挖掘出其内在的价值，数据如何为工艺提供决策支撑，是企业智能化提升可以参考的结合点、切入点和发力点。

（2）现在MES厂商团队的人员大多偏重于计算机、管理等方面的人才，但随着智能制造的深入进行，工艺人才与知识的缺乏将成为其能否走的更快、走的更远的决定性制约因素。

（3）企业在进行MES系统搞建设时，应该深入考虑如何与工艺的融合，通过在工艺上的重点分析与建设，从根本上提升制造企业的核心工艺业务能力。

3. 总结

     智能制造是国家改变发展模式的重要抓手，是制造企业数字化转型的重要契机。智能制造工业软件是推动制造企业发展的关键支撑，是制造企业贯彻和落实智能制造的核心手段。本文结合智能制造发展的新特点、人在决策回路的新理念以及智能制造新特征，对MES发展内涵的信息流、实物流、信息流的融合，以及业务流程管理自动化、软硬一体化融合、决策功能日益突出的发展重点方向判断，听探索了MES与工艺融合的必要性和发展路径。

参考文献

【1】制造强国战略研究项目组. 制造强国战略研究：智能制造专题卷[M]. 北京：电子工业出版社，2015.

【2】辛国斌. 智能制造探索与实践：46项试点示范项目汇编[M]. 北京：电子工业出版社，2016.

【3】国务院发展研究中心课题组. 借鉴德国工业4.0推动中国制造业转型升级[M]. 北京：机械工业出版社，2018.

【4】王爱民.制造执行系统（MES）实现原理与技术[M].北京：北京理工大学出版社，2014.