中国制造2025为我国制造业发展绘制了宏伟蓝图。然而，目前我国绝大多数中小离散制造企业存在着生产管理方式落后、执行效率低、资源配置不合理、信息滞后等问题，需要从传统制造向智能制造转型。制造执行系统(MES)作为连接企业决策层与车间控制层的生产信息化管理系统，对于促进制造企业转向智能制造起着重要作用。

产业转型升级的过程并非一帆风顺。当前世界正处于百年未有之大变局，外部形势严峻复杂，我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，内部矛盾仍然突出，产业转型升级成为一项长期的艰巨的复杂的战略任务。

1.智能制造的现状

智能制造是广义的制造通用概念。它贯穿产品生产的每个环节，通过使用各种传感器技术、人工智能技术、智能设备和大数据分析来促进整个产品生命周期，使生产效率、产品质量和服务水平得到提高。

（1）智能制造的演变

第一代智能制造起源于1980年代，数字信息技术在制造业中得到了广泛应用，从而推动了制造行业的革命性变革。在数字信息技术与制造技术集成的背景下，数字信息技术对制造过程进行了分析、决策与控制，提高了生产效率。20世纪末，由于互联网技术开始普及，制造行业不断推动互联网与制造业的融合发展。通过企业与企业之间的协作以及各种社会资源的共享和整合，推动了从数字制造向数字网络制造的转型。随着大数据、云计算、物联网、人工智能技术的高速发展和信息环境的快速变化的共同推动下，先进技术与制造技术的深度集成造就了新一代智能制造的形成。

（2）智能制造的实现

智能制造系统(IMS)通过采用新的模型与架构，在工业4.0时代，通过面向服务的体系架构(SOA)向用户提供可协作、可定制、可灵活配置的系统级服务，实现制造系统的智能监控、智能分析与智能决策。物料网技术具有实时数据采集与在各种制造资源之间进行数据共享的功能，通过使用 RFID技术可以无缝集成物理制造流程相关数据。RFID标签和读取器被部署在车间、装配线和仓库等，通过为制造对象配备 RFID设备实时采集生产数据与异常情况并将其反馈给制造系统，从而提高生产决策效率。云制造技术可以智能地感应各种生产资源并将其连接到云端中，将制造资源和生产能力虚拟化、封装化并允许外部调用。

按照预先给定规则对制造服务进行分类，不同用户能够通过云制造，访问和调用制造服务。数据驱动制造模型充分利用传感器采集的历史或实时数据进行系统分析与预测，基于数据与知识驱动的模型和服务将在智能制造中被广泛采用。它将数据、知识集成在一个平台上，从配备传感器或数字设备的制造对象中收集大量生产数据，云上的服务管理中心通过生产数据使用自学习模型来构建知识决策系统，以用于制造系统中的智能实时决策。智能调度技术主要包括生产数学模型与人工智能算法，通过人工智能算法对车间资源进行合理化配置，减少人为调度因素，提高生产效率。

车间数字化与信息化是实现智能制造的基础，数据是数字化与信息化的基础，数据在生产过程中采集又将利用于决策管理的数据驱动生产模式是中小制造企业转型智能制造的关键，承载数据并展示数据的车间管理系统则尤为重要。

2.MES系统的现状

MES作为制造车间执行层的生产管理系统，越来越多的制造企业开始投入使用MES，从生产信息化管理中的配角逐渐变为主角。制造企业的需求驱动着MES的进一步研究发展。

（1）模型标准方面

美国AMR(Advanced Manufacturing Research)组织在1993年提出最早的MES功能模型，包括车间管理、工艺管理、质量管理、过程管理等。1997年，MESA将MES 定义为通过信息传递对从订单下达到产品完成的整个生产过程进行优化管理。当工厂有实时事件发生时，MES能及时做出反应、报告并利用数据进行处理，提出了MES系统的11个功能集成模型，同时规定只要具备其中一部分功能也属于MES范畴。2000年起，ISA组织接连发布了多个MES标准模型，称为ISA-95标准，定义了四大类分为九个功能模型，ISA-95标准已经称为国际标准。

（2）框架方面

美国NIIP协会设计了一种可集成配置的MES架，以SMART命名。日本的制造科学技术中心提出了OpenMES系统框架，定义了统一的标准模型，指导离散制造行业MES 软件开发。俄罗斯的Stepan Bogdanh和Anton Kudinw等提出了智能MES模型和体系框架，并且在石油天然气行业中得到成功应用。Helo等针对当前的MES解决方案无法满足分布式生产需求，提出了一种基于云的下一代MES解决方案的体系结构。

（3）应用领域方面

BS Boria等提出了一个基于网络物理系统的MES追溯系统,与传统的基于标签的追溯系统相比，提高了追溯效率。莫太平等根据MES功能结构建立了一种通用的 Petri网模型并进行了性能分析，解决了MES在汽车制造行业中通用性差的问题，为MES软件开发提供了模型设计基础。

Zhong RY提出了一种基于 RFID的MES 系统，将RFID 备系统地部署在车间，以追踪制造对象并收集实时生产数据。

JKletti指出现代 MES应在移动设备(例如智能手机，平板电脑，PDA)上具有MES功能，从而使操作员能够进行移动数据采集和访问。王茹设计了基于web 的MES移动系统，解决了传统PC终端管理系统的局限，实现灵活生产和移动办公,满足制造过程中随时随地跟踪监控车间数据。周富炖针对注塑行业提出了移动MES 解决方案，并进行了移动MES的开发，使用Echarts技术在移动端上展示数据，并对数据进行了智能分析，促进了注塑车间生产水平。

Potekhin V V将人工神经网络技术应用于MES系统，对生产线的数据进行实时采集并用于预测未来数据。Y Zhou等提出了一种基于微服务架构的中小制造企业制造云平台，解决了传统单机架构模式下的业务扩展与用户需求不能快速响应的问题，为业务系统的开发提供了有效支持。Y Wang等设计了一个基于标准语义模型和云架构下的数据采集系统，采用分布式与云端技术架构从各设备采集车间数据，解决了数据不能充分利用和共享的问题，提供了可靠的实时数据支持。

（4）工业应用方面

由于国外MES发展已有几十年历史，已有大量的MES系统应用在各个行业成功的实践案例，具有很好的应用效果。德国Siemens公司推出SIMATIC系列产品，将MES系统应用到了诸多行业，处于业界领先位置。除此之外如霍尼韦尔、SAP、罗克韦尔等公司也都推出了成熟的MES产品，服务于制造相关领域，具有较高的市场占有率。

综上所述，MES经历了几十年的发展，形成了统一的国际标准与框架，目前正与大数据、云计算、人工智能、物料网以及移动技术等新兴技术相结合取得了不错的发展。国内虽然对MES的研究与应用起步较晚，但正在逐渐被应用于制造企业，已经从ERP的辅助成为制造企业智能制造管理系统的主角。但传统MES的交付周期长成本高的问题对中小制造企业的MES部署造成了困难，基于云计算平台的云MES系统正在逐渐取代传统MES系统应用在制造车间