智能制造的核心其实是制造工艺

不要在落后的工艺基础上搞自动化，不要在落后的管理基础上搞信息化，不要在不具备数字化网络化基础时搞智能化。

以上智能制造“三不要理论”是在2015年，著名智能制造专家、北航刘强教授提出的。智能制造“三不要理论”对过热的工业4.0/智能制造起到了很好的警醒作用。

▲智能制造“三不要理论”

近日，北京理工大学数字化制造研究所所长，也是《制造执行系统（MES）实现原理与技术》（2014年版）作者，王爱民教授撰写了一篇智能制造与工艺融合的文章，与刘强教授的“三不要理论”有异曲同工之妙，本文经授权发布，希望下文的介绍对推进智能制造的朋友们有所启发。

企业存在的问题较多，对上信息化或数字化系统的期望也很高。尤其是有很大比例的企业，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了，再或者说，是问题比较综合的。一般而言，在这种情况下，不仅有管理提升上的期望，也有工艺改进上的期望。

但现在实施MES关注比较多的还是管理流程上的打通，比如实现执行进度的管理、比如实现数据的采集，比如实现精益物流等，重点解决的还是信息流与实物流的有序、协调方面的问题。当然这些问题对部分企业来说也是非常重要的，但MES不能仅仅只做这些事。

对于企业来说，最核心的问题还是制造技术本身的问题，这是根本，所有的都要为这个服务。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，但不能将这个当成终点。

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。

因此，这就涉及到MES与工艺的融合话题了。此处特指是MES如何与制造技术本身的改进和提升提供支持的角度。感觉讲的人和思考的人不多，所以这次做一下初步分析，以供探讨和参考。

01 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不好的趋势，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。随后，需要追问的是，发现问题了，接下来怎么办？依然靠手工分析来解决？MES还能提供什么样的分析支持呢？

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。这应该是一种融合，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提升，与智能制造的思路就不谋而合了。

这方面在具体实践当中还有很多细化的扩展之处：

比如，在精细化方面，按照数控程序代码的执行顺序，甚至可以分析每一条指令代码下的设备状态、工艺参数等的变化（程序示波器），借助模型进行智能分析与判断；

比如，不是笼统的设备状态信息，可以对关系到加工质量的刀具进行独立的磨损与断裂监测，借助模型进行智能的换刀决策和智能加工补偿等；

比如，对于复杂产品，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，保证加工质量。

这些都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，智能化的味道也就出来了。

02 进度数据与工艺的融合

制造执行进度的监控是MES的标配功能，但是否还有更深的含义可以挖掘呢？笔者在企业开展作业排产研究和实施时，车间管理人员经常说：同样一个活，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，有差异，就说明有好的也有差的。有些企业利用SOP（标准作业操作）机制来进行规范，也是有效果的。

但MES是否也可以在其中做一些事呢？比如通过进度数据的统计分析，从精细化数据的角度，找出彼此的差异，建立与加工工艺参数等数据的关联，分析挖掘干的又快又好的经验知识，应该也是可以逐步改进操作工艺的，哪怕是持续优化SOP呢，MES的价值也会更加深刻了。

03 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，通过号称“虚实同步映射”实现了三维产线运行状态的完整展示，但目前更多的是“实->虚”映射，其实“虚->实”的反馈控制味道是比较淡的，相当于所谓的CPS没有实现闭环，你想想是不是这个样子呢。

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，不仅学术界、工业界和软件开发方，都应该大张旗鼓开展研究的。这样才能有效的推动MES与工艺的融合，智能化的味道也应该体现在这个方面。

通过上面的初步分析，可以得出两点基本结论：

①MES采集的大量数据，不能仅仅是存档入库，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。（来源：智能制造网博会 ）

附录：MES的系统边界

企业在进行MES需求分析时，如果界限划分不清晰，即便是从业务角度分析出来的需求，也将面临新的挑战。因此，了解MES功能和系统边界是非常关键的。

MES系统通过控制包括物料、设备、人员、流程指令和设备在内的所有工厂资源，优化从定单到产品完成的整个生产活动，以最少的投入生产出最符合质量要求的产品，实现连续均衡生产。

MES系统通过与ERP、集控系统、物流自动化等系统的全面集成，为企业搭建一个生产制造集成平台，实现对生产全过程的管理。

ISA-SP95标准定义了MES的功能边界，以其作为定义工厂MES系统业务边界的基础，并结合工厂的自身特点来划定MES系统的业务边界范围，主要内容包括：

下面就MES系统业务边界范围的主要内容做具体的介绍和分析。

基础数据管理

基础数据管理主要实现MES系统物料、设备、人员、工艺、质量、日历相关的基础数据的维护，基础数据管理对MES系统中所有基础数据进行集中管理，其他功能模块使用统一的基础数据。

MES系统维护的基础数据，其编码规则和格式规范要求符合工厂信息化建设的总体要求，最终提供一个综合基础信息共享查询平台，为整个MES系统的运行提供良好的基础。基础数据如果在ERP系统中已经有维护，MES通过系统集成的方式实现基础数据的接收和同步。

生产建模

根据生产厂各生产环节的实际设备情况，对整个的物理设备进行定义，建立物理模型。

在物理模型的基础上进行“扩展”，根据工厂在生产、物流、能源生产等方面的实际业务管理模式，定义相关的业务逻辑模型，建立逻辑模型；逻辑模型通过事件和消息来驱动的各种业务“规则”，模拟和跟踪整个生产过程。

生产排产与调度

生产排产的主要任务是接收或维护生产计划，结合资源能力、设备能力、设备维修保养计划，工艺要求以及生产车间部门的生产操作安排等，通过科学组织生产安排，进行详细排产，接收ERP详细到天的各类订单，将订单转化为MES生产计划，再将生产计划分解为工单，更有效地指挥协调生产。

生产调度是生产实时指挥调度的核心，生产排产和生产过程监控是生产调度的基础。系统根据设备动态信息、质量动态信息、生产动态信息等，协同各部门各作业单元高效有序生产，实现作业的智能调度，保障排产与调度的完成。

生产标准管理

生产标准管理实现对产品标准进行管理，维护产品类别，制定物料产品路线；维护产品路线包含的产品段，各产品段的执行顺序，以及产品段下的工序，工序下包含的参数；并维护生产工艺标准，审批发布生产标准；管理生产标准的版本，并作为排产调度、质量考核和生产控制的依据。

生产标准管理实现生产标准定义和维护，包括：制定生成生产标准、制定新版本生产标准、标准审批与下发，以及按类别维护生产标准、标准归档和标准废弃等几方面的功能。

质量管理

质量管理通过对生产过程中的质量信息进行记录和汇总，实现对各工序、工段的生产工艺标准进行有效的质量监视，对在制品的质量情况进行分析，实现对工艺质量改善。利用生产全过程中的产品质量数据的关联、产品质量数据的可追溯及产品质量数据的实时性，实现对产品质量的过程统计分析及质量追踪功能，最终达到对生产过程中出现的质量问题进行考核。

设备停机管理

MES系统的设备运行管理一方面实时收集、汇总生产过程中的设备运行数据，捕捉设备运行故障信息；根据底层的反馈的设备运行数据，自动对数据加以识别，并生成相应的设备运行记录和停机记录，将这些数据归档、进行统计分析，形成设备运行情况统计报告。

生产监视

在对生产管控、能源管控、物流管控等生产控制系统进行实时数据采集的基础上，通过对生产过程中实时产生的各种关键数据进行动态监视，从而实时掌握生产的动态情况。同时，与生产计划进行比对，达到对生产进度计划进行有效控制,以便及早控制与处理生产过程中的异常事件。

物料管理

物料管理包括物料基础数据定义、物料信息采集、物料谱系生成和物料追踪。它记录和跟踪从原料投料到产成品入库过程中发生的所有与物料有关的信息，并结构化地组织起来，按固定时间段进行归档，形成历史生产档案。

当用户需要查询历史生产数据时，只需输入相关的查询条件，MES系统会快速准确地进行定位，自动显示出用户所关心的数据，如生产过程中的物料消耗、生成、变更和流转信息，和相应的质量、设备、工艺信息。

现场管理

现场管理模块包括各个车间现场管理，按工艺段对交接班的原料、辅料、在制品的信息进行记录。能通过数据采集获取的自动记录，对于不能自动获取的数据，生产操作人员按照操作守则，在现场终端进行录入和维护，保证生产业务数据的连续性和完整性。

统计过程控制

MES中的统计过程控制，是在获取底层自动化系统实时生产过程数据及抽取MES各个功能模块静态生产过程数据的基础上，通过数理统计方法的过程控制工具，科学地区分出生产过程中产品质量的随机波动与异常波动，对生产过程的异常趋势提出预警，使生产管理人员及时采取措施，消除异常，恢复过程的稳定。

生产人员管理

人员是生产执行系统里的一个重要资源。在MES系统里要定义人员及其特性，如岗位、部门、联系电话等。MES系统自动进行数据采集及人工维护原始的生产数据，这些数据同操作班组通过系统直接联系在一起，支持在此基础之上的进一步分析与班组绩效统计, 生产人员管理包括生产人员基本情况管理、生产人员调度管理、生产人员到岗信息查询。

实时数据采集

实时数据采集是指通过数采设备对生产过程中在线信息按照一定的频率进行的采集，采集的内容质量信息、设备信息、工艺信息和物料信息。MES系统实时数采模块通过OPC或其它通讯方式接收控制系统和数采系统实时采集的数据，提供其它各模块使用。

工艺指标分析

MES系统得到的生产过程各个阶段监测工艺参数特别是关键指标（KPI）信息后，与工艺标准进行比较，通过SPC统计分析技术对生产过程中的各工序参数进行偏差分析、历史数据对比分析和影响因素分析。

科学地区分出生产过程中产品质量的偶然波动与异常波动，发现过程异常，及时告警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而改进、保证产品的质量。

总结

总之，MES系统以计划为导向，以设备为基础，掌控生产过程，通过敏捷指挥调度，强化质量控制，使得制造成本透明，提升管控能力，提升管理水平。

通过打通企业的计划层和操作层，整合信息孤岛；

将制造过程中的生产计划、进度安排、物料流动、物料跟踪、过程控制、过程监视、质量管理、设备维护等活动全面集成起来，有机协调这些活动的执行，使制造过程朝着高效方向发展，完善管理手段；

通过生产实时调度、实时监控、实时反馈，让生产现场透明化；

收集、整理生产过程中的各类数据，为管理人员提供评价依据，提供科学、灵活的分析评价工具，以指出生产过程改进的方向。