MES系统的九大功能及实施要点

MES系统的九大功能及实施要点2017-12-11英业达英业达智慧工厂MES制造执行系统是一套面向制造企业车间执行层的生产信息化管理系统。是维系上层计划管理系统与底层工业控制系统之间的纽带，它为管理人员提供计划的执行、跟踪以及所有资源(人、设备、物料、客户需求等)的当前状态。目的是实现生产过程的可视化、可控化。MES系统是数字化车间的核心。通过数字化生产过程控制整体，借助自动化和智能化技术手段，实现车间制造控制智能化、生产过程透明化、制造装备数控化和生产信息集成化。MES系统功能构成MES系统由车间资源管理、生产任务管理、车间计划与排产管理、生产过程管理、质量过程管理、物料跟踪管理、车间监控管理、库存管理和统计分析等功能模块组成，涵盖了制造现场管理等方面。01车间资源管理车间资源是车间制造生产的基础，也是MES系统运行的基础。车间资源管理主要对车间人员、设备、工装、物料和工时等进行管理，保证生产正常进行，并提供资源使用情况的历史记录和实时状态信息。02生产任务管理生产任务管理包括生产任务接收与管理、任务进度展示和任务查询等功能。提供所有项目信息，查询指定项目，并展示项目的全部生产周期及完成情况；提供生产进度展示，以日、周和月等展示本日、本周和本月的任务，并以颜色区分任务所处阶段，对项目任务实施跟踪。03车间计划与排产管理生产计划是车间生产管理的重点和难点。提高计划员排产效率和生产计划准确性是优化生产流程以及改进生产管理水平的重要手段。车间接收主生产计划，根据当前的生产状况（能力、生产准备和在制任务等），生产准备条件（图纸、工装和材料等），以及项目的优先级别及计划完成时间等要求，合理制订生产加工计划，监督生产进度和执行状态。高级排产工具（APS）结合车间资源实时负荷情况和现有计划执行进度、能力平衡后形成优化的详细排产计划。其充分考虑到每台设备的加工能力，并根据现场实际情况随时调整。在完成自动排产后，进行计划评估与人工调整。在小批量、多品种和多工序的生产环境中，利用高级排产工具可以迅速应对紧急插单的复杂情况。04生产过程管理生产过程管理实现生产过程的闭环可视化控制，以减少等待时间、库存和过量生产等浪费。生产过程中采用条码、触摸屏和机床数据采集等多种方式实时跟踪计划生产进度。生产过程管理旨在控制生产，实施并执行生产调度，追踪车间里工作和工件的状态，对于当前没有能力加工的工序可以外协处理。实现工序派工、工序外协和齐套等管理功能，可通过看板实时显示车间现场信息以及任务进展信息等。05质量过程管理生产制造过程的工序检验与产品质量管理，能够实现对工序检验与产品质量过程追溯，对不合格品以及整改过程进行严格控制。其功能包括：实现生产过程关键要素的全面记录以及完备的质量追溯，准确统计产品的合格率和不合格率，为质量改进提供量化指标。根据产品质量分析结果，对出厂产品进行预防性维护。06物料跟踪管理通过条码技术对生产过程中的物流进行管理和追踪。物料在生产过程中，通过条码扫描跟踪物料在线状态，监控物料流转过程，保证物料在车间生产过程中快速高效流转，并可随时查询。07生产监控管理生产监控实现从生产计划进度和设备运转情况等多维度对生产过程进行监控，实现对车间报警信息的管理，包括设备故障、人员缺勤、质量及其他原因的报警信息，及时发现问题、汇报问题并处理问题，从而保证生产过程顺利进行并受控。结合分布式数字控制DNC系统、MDC系统进行设备联网和数据采集。08库存管理库房管理针对车间内的所有库存物资进行管理。车间内物资有自制件、外协件、外购件、刀具、工装和周转原材料等。其功能包括：通过库存管理实现库房存贮物资检索，查询当前库存情况及历史记录；提供库存盘点与库房调拨功能，对于原材料、刀具和工装等库存量不足时，设置告警；提供库房零部件的出入库操作，包括刀具／工装的借入、归还、报修和报废等操作。09系统统计分析能够对生产过程中产生的数据进行统计查询，分析后形成报表，为后续工作提供参考数据与决策支持。生产过程中的数据丰富，系统根据需要定制不同的统计查询功能，包括产品加工进度查询、车间在制品查询、车间和工位任务查询、产品配套齐套查询、质量统计分析、车间产能（人力和设备）利用率分析、废品率／次品率统计分析等。MES系统实施重点MES是一个可自定义的制造管理系统，不同企业的工艺流程和管理需求可以通过现场定义实现。此外，企业还需要注意下面这几点。01要加强对MES系统的认知现在国内大部分企业所使用的都不是真正意义上的标准MES系统，他们只是把MES系统当做是用来解决制造系统上的部分功能的软件。一些国内企业认为上MES系统的门槛很低，但其实事实正相反，大部分企业所说的都不是标准的MES系统。所以当企业开始一个MES系统项目的时候，一定要再重新定位一下对其的认知。02要注意系统的集成性MES系统想要发挥巨大地作用，与计划层的各个子系统进行集成是不可或缺的。如果MES系统缺少了计划层系统的支持，就相当于缺少了来自底层数据的支持吗，它的最终效果往往也会大打折扣，所以要保证MES系统能与计划层系统的各个模块进行有效地集成，来避免信息孤岛。03要注重自身生产行业的特点因为现市面上的大部分MES系统都是在离散型企业系统的基础上改进而来的，相对来说更适用于离散型企业。所以在开发或是选择MES系统的时候企业一定要根据自身的特点来做判断。04要注意相同模块下的不同侧重点MES系统中的一些功能可能会与企业的其他管理系统产生冲突，比如，MES系统与ERP系统都有人力资源管理的功能，但是MES系统侧重的是员工的工作情况，而ERP系统更注重的是对员工工资、个人资料等信息的管理。即使功能上可能会有雷同，但实际处理问题上的侧重点可能就不相同。05要重视阶段化的成果积累企业在对MES系统信息化的建设投资的时候，往往会投入上百万上千万。所以要保证这么大的投入要能有稳定的回报的话，加强对阶段化成果的重视是相当重要的，这就需要企业在信息化建设的过程中能有效合理地计划安排整个项目工程，并对阶段化的成果进行仔细分析，来保证在以后的实施过程中能取得更大的成效。（本文部分内容和图片来自于网络，如有侵犯权益，请联络我们删除!）从大数据角度分析中、日、德、美智能制造的差异2017-11-24英业达英业达智慧工厂在过去的几年中，针对于工业4.0和智能制造，世界各国政府相继提出了机器换人、智慧工厂、大数据应用等一系列改革举措。事实上，智能制造并不仅仅是一个技术体系或文化，更重要的是其背后对智能的理解、解决问题的逻辑和重新定义制造的思维。在智能制造概念下，通过分析大数据预测需求、预测制造、解决和避免不可见问题的风险，利用数据去整合产业链和价值链，才是大数据的核心价值和目的。大数据与智能制造的关系可用下图表示，其中，不可忽略的三个重要元素分别是：问题、数据和知识。问题：制造系统中线性或隐性的问题，如质量缺陷、精度缺失、设备故障、加工失效、性能下降、成本较高、效率低下等。数据：主要指能够反映问题发生的过程和原因的数据。数据的获取以问题为导向，目的是去了解、解决和避免问题。知识：Know-how，制造系统的核心。包括制程、工艺、设计、流程和诊断等。知识来源于解决制造系统问题的过程，而大数据分析可以理解为迅速获取和积累知识的一种手段。因此，大数据与智能制造之间的关系可以总结为：制造系统中问题的发生和解决的过程中会产生大量数据，通过对数据的分析和挖掘，可以了解问题产生的过程、造成的影响和解决的方式；当这些信息被抽象化建模后转化为知识，再利用知识去认识、解决和避免问题。当这个过程能够自发自动循环进行，即我们说的智能制造。下面我们就以这三个重点要素分析日本、德国、美国和中国的智能制造差异。日本的制造哲学通过组织文化和人的训练不断改善，在知识的承载上更依赖人日本制造业文化最主要的特征就是通过组织的不断优化，文化建设和人的训练来解决生产系统中的问题。20世纪70年代，日本提出“以全生产系统维护TPM”为核心的生产管理体系，其核心思想是全效率、全系统和全员参与。20世纪90年代后，日本选择以“精益制造”作为其转型方向。日本企业解决问题的方式通常是：发生问题——人员迅速到场、确认现场、探究现实，并解决问题——分析问题产生原因，通过改善避免问题。最后知识落到了人的身上，人的技能提升后，解决和避免问题的能力也就提升了。对日本企业而言，员工是最重要的价值，对人的信任远胜于对装备、数据和系统的信任，所有自动化和信息化建设都是围绕着帮助人去工作为目的，所以日本企业从不会去谈机器人换人或无人工厂。另外，日本已经意识到自己在数据和信息方面的缺失，所以在日本工业价值链产业联盟的架构和目标上，19条工作项目中有7条与大数据直接相关。德国的制造哲学通过设备和生产系统的不断升级，将知识固化在设备上德国的先进设备和自动化生产线举世闻名。同时德国人严谨的风格及独特的“学徒制”高等教育模式，使得德国制造业风格非常务实。然而德国很早也面临劳动力短缺的问题，德国不得不通过研发更先进的装备和高度自动化生产线弥补这个不足。德国解决问题的逻辑是：发生问题——人解决问题——将解决问题的知识和流程固化到装备和生产线中——对相似问题自动解决或避免。除了生产线追求问题自动解决，德国在企业管理方面也尽可能减少人为影响因素。最好的企业资源管理（ERP）、生产执行系统（EMS）、自动排程系统（APS）等软件供应商都来自德国。大量的信息录入和计划的生成及追溯通过软件完成，尽量减少人为因素带来的不确定性。德国对数据的采集同样缺少积累，因为德国制造系统对故障和缺陷采取零容忍态度，出了问题就通过装备端改进一劳永逸解决问题。由于生产线的高度自动化和集成化，整体设备效率非常稳定。美国的制造哲学从数据和移民中获得新的知识，并擅长颠覆和重新定义问题美国在解决问题过程中，最注重数据的作用。客户需求分析、客户关系管理、质量管理、设备健康管理、供应链管理等各方面都大量依赖数据进行。美国企业普遍选择非常依赖数据的6-sigma体系，美国还在21世纪初提出了“产品全生命周期管理（PLM）”的概念，核心是对所有与产品相关的数据在整个生命周期内进行管理，管理对象为产品的数据，目的是全生命周期的增值服务和实现到设计端的数据闭环（closed-loopdesign）。除了利用知识解决问题外，美国也擅长用知识进行颠覆式创新，从而对问题进行重新定义。例如通用电气发现飞机油耗与飞行员驾驶习惯以及发动机保养情况非常相关，于是从制造端跳出来转向运维端去解决问题，效果比制造端改善还明显。中国的制造哲学选择了精益体系，缺乏数据积累中国制造业在2000年后质量和管理改革大多选择了精益体系，一方面因为中日文化相似性，更多因为中国企业普遍缺乏数据的积累和信息化基础，这个问题目前依然存在。在整个价值链要素分布中，中国在生产过程和生产系统环节具有优势（主要体现在劳动成本和生产能力方面），但是在其他各环节都处于劣势。中国制造如果想横空出世，应该从以下几方面着手：▲着重填补中国工业基础技术的缺口，改变核心零部件和先进材料过度依赖进口的现状；▲努力提高生产效率，从粗放生产模式向精益模式转变；▲重视工艺和制造过程的研究和生产过程的管理，不断提高产品质量；▲努力研发核心生产设备和智能设备，并对设备的使用进行精细化和信息化管理；▲提升产品的服务能力和持续盈利能力，以顾客端的价值缺口为导向创造新的市场机会，利用增值服务提升中国工业产品的核心竞争力。（本文部分内容和图片来自于网络，如有侵犯权益，请联络我们删除!）规避“空心化”中国智能制造切需踏实稳进2017-11-10英业达英业达智慧工厂“中国制造2025”将智能制造列为主攻方向，云制造、智慧化工厂、数字化车间和互联网+等概念也都紧随其来。虽然对于新一轮工业革命广大企业都热情高涨，但是在智能制造的认识、路径选择、重点改造方向、实施策略等方面还存在许多的困惑和误区。国家工业和信息化部原部长、中国工业经济联合会会长李毅中指出：我国制造业亟待加快产业升级改造的智能化发展，同时还应警惕“脱实向虚”的倾向，防止产业空心化及