MES产品+AI落地实用方向

点击上方 MES百科 关注我们

e-works鼓励原创，如需投稿请参看首页“原创投稿”说明。

✎导读

MES与AI的融合应聚焦于解决实际应用痛点，成为辅助生产者的高效工具——不是替代人工，而是切实减轻工作负担。

作者：张伟

MES是面向制造企业车间执行层的生产信息化管理系统。自20世纪90年代初由美国先进制造研究机构AMR提出以来，已有近35年历史；20世纪后期又出现了MOM（制造运营管理）概念。许多人常将MOM与MES混淆，认为二者是同一事物。实际上，MOM是一个整合多种系统的制造运营管理平台，各系统相辅相成；而MES是其中最核心的系统，在整个制造框架中处于承上启下的关键位置。我刚入职时的一位台湾领导曾说"MES是制造业的心脏"，如今回想起来，我对此观点深表认同。

随着人工智能（AI）的兴起，各行业都在探索AI的落地应用，制造业亦不例外。无论是客户还是各大友商，都在2025-2026年间不约而同地提出AI概念，相关内容在演示文稿（PPT）中频繁出现。

但我们首先需要回归理性：AI固然强大，但工业领域的AI应用与其他领域有着本质区别。当前市面上的多数AI技术强调便捷高效，支持用户直接托管任务并快速迭代优化；而工业场景则更注重稳定性与准确性——AI若决策失误导致参数错误或物料误用，可能造成灾难性损失。因此，工业软件应用AI的首要前提是建立"安全机制"：AI可负责分析与决策，但执行环节必须由人工或多系统协同把关。

基于此，AI在MES中的应用应聚焦于数据分析与决策支持，而关键指令的下达在初期仍需人工确认。即便在未来，也需要多个智能体（Agent）从不同维度验证决策有效性，只要存在风险疑虑，就必须引入人工介入。

在明确大方向后，需探讨MES与AI的有效结合点。其中，机器学习是核心应用方向，而语音、语义、视觉等技术更多是机器学习基础上的延伸优化。

一、模型层（LLM）

MES系统具有显著的行业特性，因此多数系统会按行业划分功能包以适配不同生产逻辑，导致各行业的MES成为相对独立的体系。

因此，在大模型层面，各行业需构建专属的行业AI模型；即使同一行业，不同企业因产线配置与管理模式差异，也需开发企业级AI模型。我认为AI模型应分为三层架构。

AI模型三层架构

通过大小模型的协同组合，可为后续智能体提供数据与逻辑支撑。这将成为工业软件厂商的核心竞争力方向——拥有强大行业模型的厂商，将在未来市场竞争中占据优势地位。

二、智能体（Agent）

目前主流MES系统的核心功能包括：基础建模、计划管理、物料管理、生产管理、质量管理、设备管理及分析监控（如下图所示）。

MES系统核心功能

智能体（Agent）的作用是与这些功能模块深度融合，实现智能化协同。

1）建模管理：MES建模数据主要分为三类：一是从上游系统接口获取的基础信息（如料号、BOM、工艺路线等）；二是在MES中创建的基础数据（如设备、检验项目等）；三是需配置的各类生产规则。其中，前两类数据一旦设定通常不再变更，而第三类数据（如包装规则、首检规则等）在生产周期中会频繁调整，尤其在多料号小批量生产模式下更为突出。——针对第三类建模需求，可通过建模Agent实现新料号的自动建模，并输出建模结果及与相似料号的差异分析，供人工确认。

2）计划管理：MES可实时感知生产中的在制品（WIP）状态，清晰掌握滞留批次及在制异常情况，并能基于先进先出（FIFO）原则提供调度建议。系统结合WIP信息实时呈现在制、库存、物料状态及工单执行情况，通过算法模型优化产线生产。——此类场景可由WIP管理Agent对在制批实施实时监控，根据行业模型生成预警与建议，辅助管理人员及时处置。

3）物料管理：MES对物料的管控核心在于流程卡控与全链路追溯。通过建立规范的条码体系及物料批唯一码管理，可有效控制物料时效并防止错料，同时在产线缺料时自动触发领料提醒。——物料管理Agent可实时监控产线物料批状态，针对异常情况及时发出预警提示。

4）生产管理：通过将生产过程数据与物料、工序、工单、产品、包装ID等要素绑定，构建全流程的正向与逆向追溯体系，并支持异常处置（如Hold批次、返工等操作），实现生产异常管理与记录的一体化。——产线异常处置可由异常执行Agent通过数据分析自动完成，例如Hold批处理等标准化操作。

5）质量管理：MES在制品质量管理主要体现在三个维度：一是事前预防，包括在线SPC、良率控制、首检与抽检等；二是事中处理，涵盖质量问题登记、报废、不良判定及重工管理等；三是事后追溯，实现质量问题的根源分析与全链路追溯。——品质Agent可通过机器学习对数据异常进行实时分类，辅助完成事前预防与事中处理。

6）设备管理：结合数据采集功能，MES可实时监控设备状态与参数，执行维保计划，并管控工装、夹具、治具等生产辅助工具。——设备Agent可根据设备状态参数生成个性化保养方案，并结合备品备件库存向上游系统自动发起采购需求。

7）分析管理：核心是实现生产与管理信息的公开化、透明化，主要表现为报表查询功能，且不同客户对报表呈现形式有差异化需求。——报表Agent是最易落地的应用之一，可根据客户需求自动生成定制化样式的报表。

8）运维部分：MES系统上线后，企业通常需建立专门的IT团队负责运维，处理系统异常操作（如人员误操作导致的账料不符需及时调账）。——运维Agent可自动处理需IT介入的常规问题，规避潜在影响。综合来看，当前MES系统中的部分自动化需求虽通过脚本实现，但存在规则变更需重新开发、企业间差异大等问题。引入Agent后，可通过自动学习与动态调整实现智能化处置，大幅缩短上线周期、降低运维成本，提升系统稳定性与运行效率。

至于MCP（模型控制平台）与Skills（技能库）的扩展应用，需在LLM+Agent架构落地后，根据实际需求逐步推进。

总之，MES与AI的融合应聚焦于解决实际应用痛点，成为辅助生产者的高效工具——不是替代人工，而是切实减轻工作负担。毕竟，生产力的提升才是国家发展的根本动力。

活动预告

⇩