level 6
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。
企业存在的问题较多，对上信息化或者数字化系统的期望也很高。尤其是有很多企业，当在自主决定实施系统建设时，一般都是问题比较严重或已经累积到一定程度了，再或是问题比较综合的。一般在这种情况下，不但有管理提升上的期望，还有工艺改进上的期望。
但目前实施MES关注比较多的还是管理流程上的打通，例如实现执行进度的管理、实现数据的采集，实现精益物流等，重点解决的还是信息流和实物流的有序、协调方面的问题。当然这些问题对于部分企业来说也是很重要的，但MES不能只做这些事。
对企业来说，最核心的问题依然是制造技术本身的问题，这是根本，所有都要为这个服务。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，但不能将这个当作终点。
MES为数据采集、信息流动、流程协调提供了支持，但不能只是采集的数据入库、信息流动顺畅、业务环节协调这些内容，还应当发挥更大的作用，为制造工艺技术的改进与提升提供支持。
因此，这就涉及到MES和工艺的融合话题了。这里特指是MES怎样和制造技术本身的改进和提升提供支持的角度。本文将做初步分析，以供探讨和参考。
一、质量数据与工艺的融合
在产品质量数据采集之后，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。但是产品检测出的状态，对于该件产品而言，已经是事后状态了。随后需要追问的是，发现问题了，接下来应当怎么办？依然靠手工分析来解决？MES能提供怎样的分析支持呢？
影响产品质量状态的因素有很多，比如设备自身的状态、加工操作的工艺参数、原材料毛坯或者上道工序的加工状态等，这些都可能对本道工序的加工质量产生影响。因此，MES不仅只是进行产品质检数据采集，同时应该采集获取设备状态信息、工艺参数信息、毛坯或这上道工序信息，并通过建立集成的分析模型，利用这些数据，才能在发现问题的基础上，找到问题的原因。这应当是一种融合，假如分析模型能够将工人的经验融合进去，这么这个环节可认为具有一定的数字化提升，与数字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：
例如，精细化方面，按照数控程序代码的执行顺序，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，借助模型进行智能分析和判断；
例如，不是笼统的设备状态信息，能够对关系到加工质量的刀具进行独立的磨损和断裂监测，借助模型进行智能的换刀决策与智能加工补偿等；
例如，对于复杂的产品，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，保证加工的质量。
这些都是面向质量的基于采集数据的建模和分析，也应当是MES持续发力研究、实现与改进的地方，不但可以有效地推动质量数据和工艺的融合，数字化的味道也就出来了。
深蓝易网创新变革了生产方式，通过虚拟工位+电子识别技术的结合，对质量数据进行自动化采集，实现质量产前预防、产中控制、产后追溯的管理目标。
另外，深蓝易网利用数字技术为质检赋能，将质量管理贯穿在每一道工序，包括质量数据采集、质量信息可追溯性、不合格品审理、质量信息的统计，最大幅度降低后期质量成本。
二、进度数据与工艺的融合
制造执行进度的监控是MES标配功能，但是否还有更深含义能够去挖掘呢？在企业开展作业排产研究与实施的时候，车间管理人员通常会说：同样的活，同样的机床，不同的人来做，时间与精度可能都存在差距。其实这反映了工人技能水平的差异。有些企业利用SOP（标准作业操作）机制来进行规范，也是有效的。
但是MES系统是否也能够在其中做一些事呢？例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，建立和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，应当也是能够逐步改进操作工艺的，哪怕是持续优化SOP，MES的价值也会更加深刻。
三、参数数据与工艺的融合
很多MES都提供了产线级数字孪生的三维展示模块，通过“虚实同步映射”实现了三维产线运行状态的完整展示，但其实更多的是“实到虚”映射，而“虚到实”的反馈控制还是比较少的，相当于CPS没有实现闭环。
但是从MES与工艺融合的角度，设备/单元级的CPS是可以实现从状态数据采集、分析推理决策到闭环控制执行的完整链条的，分析推理决策环节，也就是体现工艺功底与能力的抓手。这需要基于状态参数建立加工工艺的物理仿真模型，学术界、工业界与软件开发方，都应当大张旗鼓地开展研究。这样才可以有效地推动MES和工艺的融合，数字化的味道也应体现在这方面。
通过上面的分析，我们能得出两点基本结论：
① MES采集的大量数据，不能只是存档入库，必须要结合工艺才能有效地挖掘内在价值，数据怎样为工艺提供决策支撑，是企业数字化提升参考的结合点、切入点与发力点。
② 目前MES厂商团队的人员多数偏重于计算机、管理等方面。随着智能制造的深入进行，工艺人才和知识的缺乏将成为能否走得更快、更远的决定性因素。
2021年12月21日 03点12分
1
以上智能制造“三不要理论”是著名智能制造专家、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。
企业存在的问题较多，对上信息化或者数字化系统的期望也很高。尤其是有很多企业，当在自主决定实施系统建设时，一般都是问题比较严重或已经累积到一定程度了，再或是问题比较综合的。一般在这种情况下，不但有管理提升上的期望，还有工艺改进上的期望。
但目前实施MES关注比较多的还是管理流程上的打通，例如实现执行进度的管理、实现数据的采集，实现精益物流等，重点解决的还是信息流和实物流的有序、协调方面的问题。当然这些问题对于部分企业来说也是很重要的，但MES不能只做这些事。
对企业来说，最核心的问题依然是制造技术本身的问题，这是根本，所有都要为这个服务。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，但不能将这个当作终点。
MES为数据采集、信息流动、流程协调提供了支持，但不能只是采集的数据入库、信息流动顺畅、业务环节协调这些内容，还应当发挥更大的作用，为制造工艺技术的改进与提升提供支持。
因此，这就涉及到MES和工艺的融合话题了。这里特指是MES怎样和制造技术本身的改进和提升提供支持的角度。本文将做初步分析，以供探讨和参考。
一、质量数据与工艺的融合
在产品质量数据采集之后，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。但是产品检测出的状态，对于该件产品而言，已经是事后状态了。随后需要追问的是，发现问题了，接下来应当怎么办？依然靠手工分析来解决？MES能提供怎样的分析支持呢？
影响产品质量状态的因素有很多，比如设备自身的状态、加工操作的工艺参数、原材料毛坯或者上道工序的加工状态等，这些都可能对本道工序的加工质量产生影响。因此，MES不仅只是进行产品质检数据采集，同时应该采集获取设备状态信息、工艺参数信息、毛坯或这上道工序信息，并通过建立集成的分析模型，利用这些数据，才能在发现问题的基础上，找到问题的原因。这应当是一种融合，假如分析模型能够将工人的经验融合进去，这么这个环节可认为具有一定的数字化提升，与数字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：
例如，精细化方面，按照数控程序代码的执行顺序，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，借助模型进行智能分析和判断；
例如，不是笼统的设备状态信息，能够对关系到加工质量的刀具进行独立的磨损和断裂监测，借助模型进行智能的换刀决策与智能加工补偿等；
例如，对于复杂的产品，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，保证加工的质量。
这些都是面向质量的基于采集数据的建模和分析，也应当是MES持续发力研究、实现与改进的地方，不但可以有效地推动质量数据和工艺的融合，数字化的味道也就出来了。
深蓝易网创新变革了生产方式，通过虚拟工位+电子识别技术的结合，对质量数据进行自动化采集，实现质量产前预防、产中控制、产后追溯的管理目标。
另外，深蓝易网利用数字技术为质检赋能，将质量管理贯穿在每一道工序，包括质量数据采集、质量信息可追溯性、不合格品审理、质量信息的统计，最大幅度降低后期质量成本。二、进度数据与工艺的融合制造执行进度的监控是MES标配功能，但是否还有更深含义能够去挖掘呢？在企业开展作业排产研究与实施的时候，车间管理人员通常会说：同样的活，同样的机床，不同的人来做，时间与精度可能都存在差距。其实这反映了工人技能水平的差异。有些企业利用SOP（标准作业操作）机制来进行规范，也是有效的。
但是MES系统是否也能够在其中做一些事呢？例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，建立和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，应当也是能够逐步改进操作工艺的，哪怕是持续优化SOP，MES的价值也会更加深刻。
三、参数数据与工艺的融合
很多MES都提供了产线级数字孪生的三维展示模块，通过“虚实同步映射”实现了三维产线运行状态的完整展示，但其实更多的是“实到虚”映射，而“虚到实”的反馈控制还是比较少的，相当于CPS没有实现闭环。
但是从MES与工艺融合的角度，设备/单元级的CPS是可以实现从状态数据采集、分析推理决策到闭环控制执行的完整链条的，分析推理决策环节，也就是体现工艺功底与能力的抓手。这需要基于状态参数建立加工工艺的物理仿真模型，学术界、工业界与软件开发方，都应当大张旗鼓地开展研究。这样才可以有效地推动MES和工艺的融合，数字化的味道也应体现在这方面。
通过上面的分析，我们能得出两点基本结论：
① MES采集的大量数据，不能只是存档入库，必须要结合工艺才能有效地挖掘内在价值，数据怎样为工艺提供决策支撑，是企业数字化提升参考的结合点、切入点与发力点。
② 目前MES厂商团队的人员多数偏重于计算机、管理等方面。随着智能制造的深入进行，工艺人才和知识的缺乏将成为能否走得更快、更远的决定性因素。