制作企业想要完成智能制作，最重要的便是企业首要要完成数字化工厂，而制作履行体系（MES）作为数字化工厂的中心在制作业的重要性显而易见。ARM将MES界说为：“办理信息体系归于中心的车间层，就工艺自身辅导工业操控。”MES的国内外展开分为五个阶段。第一阶段：70年代的专用MES(Point MES：P-MES)。作用：为了处理制作周期的竞争力、产品积压、产品质量低、设备使用率低、缺少进程操控等，供给相应的软件体系来处理这个问题，是一个独立的体系。长处：对特定的问题找到最优的处理方案。缺陷：信息同享和集成比较困难。第二阶段：80、90年代的集成MES。作用：依据P-MES的开发，供给一套可一起处理多种出产问题的一套集成使用软件。长处：功用多样，一体性强，在必定的范围内完成了数据同享。缺陷：对车间环境过于依靠，过于固定化、难开发性、可重构性差，欠好扩大以及修正，难以习惯各种复杂多变制作环境。第三阶段：传统MES(Traditional MES：T-MES)。依据第一阶段信息操控技能，信息体系是比较传统的MES，这种体系很不安稳，在出产进程的一些小改变就或许让体系不能正常运转，隐含了较大危险，体系安稳性也比较差。第四阶段：可集成MES(Integratabie MES：1-MES)。作用：在T-MES的根底上展开起来，在MES的体系开发中使用模块化使用组件。长处：能更简单完成各个厂商之间体系的集成，是现在MES的展开方向。第五阶段：智能第二代处理方案。MESII其中心方针是记载以获取更多的数据来更便利的进行出产办理、经过更精确的进程状况和更完好地的数据，它经过散布在设备中的智能来确保出产的自动化。MES与ERP能智能的联合和断开，具有更加智能的操控体系。在改革开放后，我国制作业展开非常迅速，形成了独立完好、类别完全的工业体系，极大地推动了现代化、工业化进程，使得我国国立显着增强。可是，我国制作业与国际的先进水平比较依然落后，特别是咱们的立异才能，还有资源使用功率和工业结构水平，以及信息化程度和质量效益等方面距离显着，所以转型晋级火烧眉毛。国内涵智能制作体系与技能方面投入许多，但现在大多数仍处在探究人工智能在制作领域中的使用的阶段。这些年，对制作环境的全面“智能化”研讨工作还处于刚刚起步阶段，开宣布了许多水平各异的面向制作进程中特定环节、不同类型的体系，比方专家体系或许智能辅佐体系等。美国作为国际智能制作思维的发源地之一，智能制作作为抢先国际制作中的重要一环，美国政府对智能制作的远景非常的注重。在1990年日本首要提出了10年的智能制作体系(IMS)的国际协作方案，并与美国，欧洲自在贸易协定国在内的多个国家展开了以战胜柔性制作体系(FMS)、计算机集成制作体系(CIMS)的局限性为方针的联合研讨，经过协作把美国的体系技能和日本工厂和车间的专业技能、欧盟的精细工程技能充分地结合起来，为了开宣布不受出产操作和国界约束高技能出产体系。在2010年欧盟启动了第七结构方案(FP7)的制作云项目E31，德国作为工业强国，在施行智能工厂(Smart factoy)之后，在国家大力支撑下又启动了工业4.0(Industry 4.0)项目投入达2亿欧元，现在其已上升为国家级战略。a、MES体系可以经过强化进程办理和操控，优化企业出产制作办理模式到达精细化办理意图。b、MES体系提高了工作功率，使得各出产部门的协同工作才能加强，降低了企业出产成本。c、MES体系能及时精确地统计剖析出产数据，扫除职工的搅扰，促进企业规范化办理。MES没能规范化。尽管MES的引荐规范在国内外现已拟定了许多。但是，国内企业开和发商在施行MES体系时，却罕见重视规范的辅导作用，不光国内MES体系产品冗杂，一起不利于对MES体系进行推行。工厂从层次视点剖析，把操控结构可划分为以下几层，分别是工厂层、车间层、单元层和设备层。处于车间层和单元层的一般是MES体系，所以在履行进程中或许会与ERP体系堆叠。在ERP体系担任决议方案方案辅导的前提下，MES体系依据车间出产状况发生的实时数据，对短期出产方案进行剖析、经过实时操控完成数据的优化。所以说，对数据的搜集、剖析、层层汇总是MES体系优化的首要体现，越来越多的数据使MES体系的功用也是更加强壮。在信息交互方面，MES体系对向上一层提交周期盘点、出产才能、资料耗费、劳动力功能等数据也会进行优化，并向底层履行指令发布各类参数。在智能制作的年代布景下，制作企业的转型显得尤为重要。企业出产办理集成的中心软件之一是MES体系。制作企业想要完成智能制作，最重要的便是企业首要要完成数字化工厂，而制作履行体系（MES）作为数字化工厂的中心在制作业的重要性显而易见。在智能制作和我国制作2025的布景下，咱们需要把MES体系进一步向前看，我进行了以下概括●数据化，智能制作离不开数据支撑，企业出产的数据化有利于为智能制作打下根底，学习大数据技能剖析，经过数据发掘，完成数据增值；
