李培根院士说：“只要关注生产现场管理，就离智能制造不远了”。他提示我们要踏踏实实研究生产现场管理这些最基本的问题。我们要弯腰躬身到车间去，观察那些司空见惯的行为，思考事物本来的运行规律。
MES是生产现场管理系统。讨论这样一个非常复杂的大题目，缩小范围是明智的。
石油、化工、钢铁等流程型企业不在这个讨论范围之内。MES从这里起源，目前技术已经很成熟了。甚至，MES的标准ISA95（企业系统与控制系统集成国际标准）都留下了这一类企业的典型特征。
某些进入“工业4.0”这类企业也不在讨论范围之内。这类企业有几个特点:市场能力大，不缺订单。生产模式是大批量按订单专线装配。这类企业首先要消除影响满足客户交付的各种不确定性。比如，用总装厂强势的供应商备货机制，消除装配生产线的缺货可能（物料的不确定性）。产品分类后把分散的装配工序改成按节拍运行的专门生产线（消除时间不确定性）。订单利润盈利可以将库存损失及设备资源能力浪费忽略。其次，采用成熟的自动化、标准化技术组织生产线的建设。MES有足够的成熟经验来处理系统的确定性问题。至于要不要做到“熄灯”，基本就是钱的问题了。
本文仅讨论小批量、多品种、混线生产的离散型定制化生产管理问题。
这个话题将分为三次连载。这是第一部分。
MES应该做什么？怎么做？
仅仅几年时间，全国一下子冒出上千家MES供应商。这说明市场需求旺盛，政府大力推动“两化融合”以及财政补贴功不可没。回想在《ERP改变中国》的年代，也曾出现类似情景。共同点是用于大批规模生产效果挺好，转向小批量、多品种、混线生产模式就大量失败。那么，我们会不会重蹈当年ERP遍地哀嚎的覆辙呢？
最近看了一些甲方的MES项目招标书，有一种感觉，甲方还不了解MES的本质是什么，能做什么，不能做什么。标书有点像从众多MES供应商解决方案综合剪贴的一个文本。目标定的不切实际，从根上就埋下了项目失败的种子。同时，我也感觉乙方根本就没有打算收尾款。
所以，我们有必要重新审视MES——制造执行系统。我们不从IT的角度表述它的功能，而是从管理科学的视角观察MES是什么？在工厂它该做什么，能做什么？
从功能上，MES主要就分为两个部分:决策管理、业务流程管理。
第一部分：MES的决策管理
工厂接到一个订单，流程大致是:设计部门——计划部门——分解BOM——查、减库存，生成需要生产加工和外协的工单。先安排所需物料采购，再适时把工单分配到各车间。至此，各车间就拿到一组工单（决策指令），上面有例如车、铣、铇、磨等各个工序，工单指派到工人（设备）。
MES要做的第一件事情
MES的职责应该是从生产计划生成工单开始，它负责指挥工人和设备干活的。MES要做的第一件事情是做好所有将要开始的生产准备，以保证生产资源满足开工条件。
只要具备一定条件，工人（资源设备）就可以干活了。工厂通常把这个叫生产准备。对简单的生产，工人只要有图纸、物料、机床就行了。复杂工序除了主要设备资源以外，还需要刀具、模具、卡具、量具、场地等等。例如，航天卫星装配工序需要近20种资源条件同时满足才能进行。需要注意到，有些资源不是专用的，而是竞争性资源。MES应该做到满足这些条件，否则无法开工。问题在于我们不是要满足一次两次，而是要保证工人8小时内每一件事情都能满足这些条件。否则要停工待料，生产效率就下降，浪费就产生了。
MES要做的第二件事情
假设，MES第一件事做的很好，车间不会发生停工待料，这样也是不够的。MES要做的第二件事是计算出工人/设备正确的做事的时间，并把生产指令转达到生产资源。我们在车间做的每一件事看起来似乎是独立的，其实它与企业的整体目标密切相关。所以做事要有先后顺序，规定好什么时间做什么事情。企业目标常常不止一个，而是多目标。比如，产能最大化、最短交期、最少延迟订单、最少库存、最少加班等等。有些目标是相互矛盾的。MES应该在决策和这些目标之间给出可视化的量化关系。这个问题非常复杂，是当代管理科学最困难的问题之一。解决最复杂的问题最无奈也是最靠谱的手段就是利用人工经验，全世界绝大多数企业都是这样做的。最近几年，人们用APS（高级计划排程）帮助解决这个问题。APS是有用的，但能够作用的范围是受限的。（我们将在下一篇文章——《APS的作用和缺陷》详细介绍APS在哪些场合有用，以及APS架构、模型、算法方面的缺陷。）本文暂且不做详细讨论。
生产任务指令下发到车间，工人就可以干活了。如果生产资源是数控机床和自动化设备，那么系统必须通过PLC、DNC、SCADA等一些中间件、数据接口、控制系统来指挥它们作业。这是指令下达就是通常所说的设备连接，也是当前MES最重要的功能及卖点之一。
MES要做的第三件事情
MES就该做第三件事是生产过程的监控。生产过程监控主要是两个方面，一个是任务情况，一个是资源情况。每个生产资源（工人）接到生产指令后何时开始，何时结束？做了多少？质量情况？有什么异常？设备情况？运行数据？这些都是生产现场的数据反馈。这是MES最基本的功能。同时，这也是做好产品的质量管理和质量追溯主要环节。当前热起来的物联网传感器等技术在这里将发挥作用。企业需要的大数据分析应用的主要数据来源也产生在这里。
MES要做的第四件事情
MES的第四件事情是应变和协同。在车间执行生产指令的每天每时都可能发生各种各样的异常变化。这分为主动和被动两种。追赶或调整未能完成计划；市场订单变了，插单、撤单、设计需求改变了；设备故障、物料不到、质量返工等问题都要打乱既定的生产次序。我们就必须重新对生产任务与资源的配置做出决策，以应对这样的问题。生产现场的异变是常态。它每时每刻都影响和决定着生产的效率和效益。通常传统的MES并没有设置一个专门的功能模块，而是把难题甩给了管理人员。生产现场管理的计划员、调度员明天都在如同“消防队员”一样来处理这样的事情。有些企业生产管理人员也常用OA社交一类的工具来做这样的信息沟通。
这里我们应该关注车间的生产管理人员的作用。第一，他们应该是车间里最有工作经验的人。他们明知存在各种低效和浪费，都习以为常，视而不见了。第二，他们被夹在上级、各管理部门和工人之间，每天被各种矛盾搞得焦头烂额，但依然是老大:不服你上来试试。第三，他们有很多管理知识和经验，但随用随丢，因为MES里没有数字化知识积累的机制和平台。
车间管理改革的要点和难点就在于此。这也是MES实施成功的突破点。
处理异常需求就等同于有了新的需求，连同新加入的订单，就让我们的系统重新回到了第一件事。我们重新理一下。前面所说MES的第一件事情实际是对未来的任务的感知，以及对环境的感知，采购配套的情况，库存的情况，工具准备的情况，人力资源的情况等等。这个感知不仅包括当前状态，也包括对未来一段时间这些资源变化的预测。第二件事情就是对感知的情况进行分析，做出决策并发布执行指令。第三和第四件事情，是对生产现场的现状的感知。而第二件事情就是对感知的情况进行分析，做出决策并发布执行指令。从1234这四件事成的一个循环，我们就清晰的看到了一个“感知、分析、决策、执行”循环过程。然后，进行新一轮感知、分析、决策、执行，就这样形成一个循环。
其实，小到做一件具体的事情，或者管理一个工厂，甚至是治理一个国家，只要你做决策，就必然要经过这四个过程。
不论一个工厂管理水平非常好，或者非常差，也不论一个工厂是高度自动化的，或者是高度离散性的，他们的生产运行管理的过程都是这样一个循环。由此我们可以知道MES的决策功能的好坏的区别。一个好的MES它必须对任务（订单）、资源和环境有足够的感知，不仅感知到现状，还能够感知到未来趋势；它能对感知的情况进行科学的分析并做出恰当的决策，同时对于生产现场的变化给予敏捷的反应。一个差的MES的感知一定是不完整不准确的。也许MES会把决策功能交给人。人的经验很重要，但是也是有局限性的。依据经验的分析和粗糙的感知，这个决策执行结果必然是低效的。
在1234循环粗糙的情况下
上面说的都是MES应该做什么和怎么做。目前绝大多数的MES都没有做到这个“应该”，而是直接把分析和决策功能转嫁与管理人员。根据人的经验和习惯进行分析和决策，它的结果会是什么样呢？
在车间，工人接到了工单，开工条件具备后就开始生产。但是在后续的过程中可能发生缺料等情况，条件不具备了，工人不能歇着，这时就把这些物料作为在制品库存，再去做其他的工单。当未来的某个时刻条件可以满足了，人们从暂存库拿回继续加工。打一个比喻。车间是一个水池。水早晚都要流出去。如果水池很浅，水流过去的时间很短。如果水池很深，水也可以流出去，但需要时间很长。我经常问企业一个问题，如果企业的资源给一个典型的订单独享，可以几天交付？而实际的订单交付时间，往往超过很多倍。这是很常见的现象。
下面图片是车间管理水平不同的示意图。
很多管理者也意识到这个问题，但是他们的处理思路是错误的，尤其是某些生产复杂产品的高端装备制造企业。他们不是通过系统整体改善方法让水池很浅，而是“精装修”这个水池。
当然也有很多工厂遵循不满足条件不下工单。其实，这样做既浪费产能，交期也不能保证。
严格说，要求MES做好第一件事情是几乎不可能的，因为它是工厂计划层面的问题，已经超出车间管理的范畴。所以我们不能把MES作为一个独立的系统去实施，而一定要放到工厂整体系统上定位。比如，财务计划没有做好，采购计划无法执行，再好的MES也无能为力。
两个与MES决策相关的问题
1、物联网环境下的感知
我们还需要在当前物联网（万物相连）的语境下谈谈感知的问题。
有些人以为有了物联网，万物相连，就可以解决所有的问题，其实这是错误的。一个问题。假设你的工厂实现了万物相联，当你接到一个订单，能不能告诉我什么时间可以交付？与资源连接是解决纵向连接问题，连接后可以感知资源的现状，可以管理控制资源的运行。但是，如果没有沿着任务方向（横向）的连接，我们就无法知道在什么时间如何控制，控制什么。所以，我们就无法回答上面这个看似非常简单的问题。
物联网有两个问题需要研究，而且是很大的问题，只言片语无法展开。一个问题是：物联网能够感知现状，但是如何能够感知未来？另一个问题是：我们总是习惯在资源独享的环境下研究思考物联网问题；未来我们更多的要在竞争的环境下去考虑。在网络上看到一副图挺有意思，把它放在车间看看。有很多工单都需要到下面这个资源去。这些工单传感器会显示很多绿灯。谁告诉我，该停还是该走？谁先走，谁后走？
现在有很多工厂热衷于搞连接，数据采集。这对于打开长期以来的“车间黑箱”，增加可视化的环境是有好处的。但是这必须要区分生产模式、需求环境、投入产出比、轻重缓急、数据时效和价值。当连接这件事对实现企业的目标和作出正确的决策有重要作用的时候，其标准是能够产生价值，就一定要做好连接。否则，还是研究直接影响效率、质量、成本的环节更加迫切。作业现场的生产反馈就是连接人与设备的一种有效方法，几乎花不了多少钱。如果你的工厂决策管控不科学，每天反馈一次都管理不好，那么，采用每个小时反馈一次甚至实时反馈又能够得到什么好处呢？
工业物联网是一个高纬度的网络，存在着“信息迷失”现象。工业物联网的特征决定了它不能套用市场端、客户端的物联网的概念和方法，更不能用类似电商模式、共享单车模式去思考工业管理方面的问题。
德鲁克曾说过，“没有什么比正确地回答了错误的问题更危险的。”
当前我们处在一个“新技术爆炸”的年代，大数据、物联网、工业互联网平台、人工智能、机器人、比特币、区块链和很多很多新概念新词层出不穷。别说工厂了，就连我们这些搞技术的人都拼命跟进。很多企业家都在为会不会耽误了这一拨新技术时代而焦虑，却不知只有深入理解这些技术的底层结构和支撑它们的基础条件更加重要。对于新技术的实施，企业的战略思考和战术实施、长期利益和短期目标、永远要放在企业运营的效率、质量、成本上。首先放在改善生产现场的管理方面。我们不能正确地回答一个错误的方向问题。
2、应对决策困惑的“良药”——大建仓库
最近几年我接触到很多企业，他们都在大搞仓库建设。甚至有一个做汽车零部件的小企业，也准备建一个立体的大型仓库。库存似乎是解决所有生产管理问题的“良药”，岂不知这是在给自己挖坑。在过去，我至少亲历过两个企业被库存压死。浙江有一个做电机的企业，以前，在一个小作坊里生产，年产值五个亿。因为没有空间，所以逼着他们必须得减少库存。后来企业发展了，建了一个巨大的工厂，有地方存放物料了，产值还是五个亿，然而，不到两年的时间在制品库存就达到两个多亿，资金链几乎断裂。
由于人的经验远远不能满足车间复杂的生产现场管理的需求，于是就出现了很多的不确定性。而库存的确是消除这种不确定最有效的措施，关键是你能不能承担这些额外的财务成本。不从科学决策去找问题的原因，而是大建仓库，这同样是“正确地回答了一个错误的问题”。
待续..........
MES的另一视角—2
李培根院士说：“只要关注生产现场管理，就离智能制造不远了”。他提示我们要踏踏实实研究生产现场管理这些最基本的问题。我们要弯腰躬身到车间去，观察那些司空见惯的行为，思考事物本来的运行规律。
这个话题将分为三次连载。这是第二部分。
上一篇《MES的另一视角—1》
第二部分：MES的业务流程管理
当我们作出的决策以后。不管是系统作出的决策，还是人为制定的举措，都需要生产资源去执行这个决策。如何精准执行决策就进入了业务流程管理领域。
业务流程管理包括三个方面。一个是机制和流程；一个是标准和文化；一个是专业和技术。
机制和流程
典型的MES有11个功能模块，当中都内嵌了很多标准的生产管理流程。我们应该认识到，主流的MES供应商的软件是汇集总结了很多优秀企业案例的管理经验。乙方到企业实施MES第一件事情就是梳理企业现有的生产管理流程。很明显，软件MES的生产管理流程和企业现有的肯定是不一样的。而且我们还应该认识到，企业的现有管理流程不管它是先进还是落后，至少是适合企业的管理现状。这样我们必须处理一个“谁适应谁”的问题。这里也埋下了一个实施风险。我们不能武断的说某一个机制和流程好，另一个不好。比如物料是配送好？还是领料好？但是所有的管理机制、管理流程以及管理软件交互界面的设计有一个标准，这就是最少中间环节，避免低级错误，少做重复事情，明确责任义务。
业务流程管理与决策管理是密不可分的两个领域。业务流程的改变必然引起决策流程的响应。在企业系统管理软件的实施过程中，因为流程重组、流程再造导致项目失败的例子数不胜数。针对流程重组再造，应该提出几个问题思考。甲方真的对自己多年的经验积累丧失信心了？对于重组的流程，乙方用没用定量的方法证明比现有的流程效率高?对于新流程的决策和执行存在的困难，双方是否都有足够的应对措施？
标准和文化
企业管理的标准化是指企业全体员工的群体意识、习惯、行为规范有没有统一的范式，这与企业文化密切相关。所有的工人看见机床脏了，很自觉地会清理一下。这个小事就从一个侧面反映了管理标准化。实施MES软件项目是贯彻MES本身的管理流程标准的过程。这两者之间的差别带来MES实施风险。MES是一个底层的甚至涉及到每个员工的软件，在项目实施之前就要考虑到他的企业文化和管理水平能不能适应严谨的标准管理。在实施MES之前，企业实施5S、精益等管理改善，其本质就是让员工养成一个良好的群体习惯。对于一个管理还很粗放的中小企业，不建议他们实施MES项目，因为他们的基础条件差，实施风险很大。
MES供应商经常抱怨，甲方没完没了的二次个性化开发。其实这很正常的。企业管理水平有差异，员工都有自己的习惯，强行改变会让他不适应。无非是一些表单和操作界面，就按他们的需求做会减少很多障碍。既然MES是一个底层的操作系统，涉及到每个工人，所以，系统的设计必须要考虑到公平和公正，不能损害了部分员工的利益。
不论是更多吸收企业既有流程、经验和习惯，或者是进行新的流程改造，只要是信息化、无纸化、标准化的建设，对于甲方企业都是一个阵痛和考验。这里乙方的实施经验和甲方的容忍、导入措施和步骤显得尤为重要。
专业和技术
搞一个“进销存”就说自己是ERP。现在MES也遇到了同样的处境。实际上，MES是一个包含了很多工业管理知识的企业管理系统。其典型的11个功能模块，任何一个拿出来展开都是一个独立技术专业领域管理系统。比如，资源管理模块中的刀具管理子模块，用半天时间给客户讲清楚都不容易。把工艺管理和文档管理展开并不比一个PDM功能差多少。一个成熟的MES的质量管控和质量追溯方面汇集了丰富的管理经验，如果在同类行业中贯彻实施，将为企业的质量管理提供很大的帮助。MES应该是一个技术含量比较高的工业管理软件。在当前MES市场鱼龙混杂的情况下，甲方既要睁大眼睛辨别优劣，也不能把豆包不当干粮。甲方采用多家供应商“比稿”“学”方案，凑个高标准标书，最后低价中标的策略，最终损害的是自己。
业务流程管理与决策管理的关系
业务流程是企业的价值链条上的一系列活动以及它们之间的关系构成的。业务流程之间的层次关系体现业务部门之间的层次关系，本质上是决策层次的关系。同一层次的业务流程存在着相互合作、相互制约、相互促进，反映出业务流程之间的逻辑关系。一个业务流程可以为其它多个并行的业务流程服务，也可能以其它的业务流程的执行为前提。层叠、交织、网状、甚至包括循环，构成了企业的业务流程非常复杂的情景。
上面的图片的左侧是业务流程的梳理图。对于类似这样的图，企业的业务主管可能绞尽脑汁地梳理过不止一遍。事实上，即使我们再严密地去梳理勾画也难以把各个业务模块之间千丝万缕的相互制约影响的关系理清楚。可是，我们为什么要这样费力地去梳理？我们想找到什么？我们要达到什么目的？
其实，我们就是在寻找业务流程管理与决策管理之间的关系。让我们如此费神费力的原因是，我们总是想用决策执行的结果去弥补决策本身的缺陷。我们梳理出来的那些逻辑、规则、经验本来应该用于做出决策之前，而不是已经形成结果之后。梳理业务流程的工作实际是替决策管理做的。
如果仅有人工决策，而不是可以量化的数字化的决策管理系统，我们甚至都不知道梳理出来的结果教给谁去学习。
MES是业务流程管理的平台和载体，也应该是具有决策功能的大脑。如果MES具备一个智能的大脑，能够做出量化和优化的决策，生产现场所有的业务流程指令都出自这个大脑，那么就会把所有的业务流程的现状、各业务流程之间的关系以数字图表等可视化的形式呈现出来。
待续.........
下一篇将谈谈MES的系统集成和标准
MES的另一视角--3
李培根院士说：“只要关注生产现场管理，就离智能制造不远了”。他提示我们要踏踏实实研究生产现场管理这些最基本的问题。我们要弯腰躬身到车间去，观察那些司空见惯的行为，思考事物本来的运行规律。
这个话题将分为三次连载。这是第三部分。
系统集成---MES成功的关键
一些人认为，MES的系统集成就是连接设备硬件，再把企业相关的一些软件系统连起来，实现数据互通共享，即通常所说的“打通信息孤岛”。我觉得这个理解有点不是很全面。通常表述MES功能（例如MES招标书）会说明要有接口与ERP等系统做集成，需要读写交换哪些数据。这也是把系统集成停留在数据流通的层面。一个不是很贴切的比喻，飞机集成商要的不光是机头和机身连起来，更要实现连起来的功能。
系统集成分两个方面说。一个是连接本身。一个是集成的目的。
实施MES系统集成，硬技术方面必须应对数据治理难题。工厂可能有“万国设备”，也有不同时期不同供应商的不同信息化系统。MES需要实现数据的共享、交换、统计、分析。现实是，多数企业的信息化建设出现了各种各样的问题，数据异构，系统异构，网络异构，再组合了交换机、路由器、防火墙和应用服务器，再绑定Web Service，加上ESB本身的复杂，再不行就使用中间件，确实够热闹的。这样数据治理就非常困难，好的、坏的、新的，旧的很难搞清楚。有时候，这种现象不可避免，除非你不和外面合作。这确实需要很专业的技术处理。信息化建设的基础架构十分重要，须要专业人士设计，否则后患无穷。
企业信息化的系统集成的主要目的是为了让企业的目标（任务）和资源的不同层次和不同维度的配置信息实现自由流动。数据联通、共享仅仅是系统集成的表现形式，而不是目标。
从决策管理来说，MES的系统集成分三个方向。由于关于系统集成的概念挺多，难以辨别。本文采用一种很直观的，就是点、线、面。
点的集成
点的集成是基于具体的生产指令。生产指令就是工单上各工序（或工步）具体的确定的作业任务。这个指令要与所有的生产资源进行连接，实现信息的上通下达，这很重要，已形成共识，无需多做解释。需要说的是，不同的生产模式，不同的生产现场状态，不同的决策机制，对连接的需求是不同的。对于自动化程度很高的生产，连接不仅重要，很小的延时和抖动都不能容忍。对离散型的生产模式，当管理水平达到一定高度，系统数据更新的速度很快，也需要对资源的连接。对以人力资源为主的离散型制造，连接几台设备并不那么急需，做好报工（生产反馈）比较实在。
线的集成
MES是一个车间管理系统。当然，你也可以说一个MES管了一个工厂的很多车间。但是每一个车间都是独立的。因为车间的MES接到的任务是工单，而不是订单。线的集成基于工单的生产指令。
车间接到工单，工单有很多不同的工序。一个车间有各种各样的资源。通过点的集成实现了各个作业指令和各个资源的连接。问题是，车间会同时接到很多工单。每个资源（工人）也会接到很多指令。工人干活只会关心做好现在要求我做的事情。他不会关心工单顺序、车间产能、订单交期。线的集成就是用信息流把车间里各种作业的物质流关联起来，同时满足车间管理的各项指标。因此，它必须与和车间相关的各种信息系统集成，比如在制品库存管理、工具模具管理、设备资源管理、人力资源管理等等。
如同前面所说，系统集成的目的:为了让任务与资源的配置信息实现自由流动。检验企业信息化系统的线的集成（车间层面）是否实现以及集成的程度，就是看在没有人的干预，或者人很少干预的情况下，数据流是否能自由流动？
面的集成、端对端的集成
满足订单交付是工厂的主要诉求。工厂有各种不同专业分类的车间，由很多车间以及工厂的计划、仓库、采购、设计、销售、财务等管理部门组成一个工厂的平面。这就需要对这个平面上的所有业务实施统一协同优化的管理。如果再加上与工厂进行物质、信息、资金、能源交换的供应商、客户等，就形成一个巨大的平面。面的集成基于订单生产指令。我们需要提供信息系统对这个平面上的物质流、资金流、信息流管理，这就是“面的集成”。而在这个平面上任意两个终端之间需要协同的连接就是端到端的集成
在这个层面，数据流的流动频度远低于点和线的集成。同时，系统进入比车间层面更为复杂的领域，已经很难做到实时优化了，人对系统的干预也是不可避免的。
面的集成似乎超过MES本身的范畴，却是不得不做的事情。从系统科学讲，MES的面的集成要沟通含各个车间、科室组成的工厂系统，以及这个工厂系统与环境的联系，以信息的方式展现出它们的物理活动在时间及空间上的协同关系。
关于端到端的集成更为复杂。仅举一个端到端集成的例子。车间装配生产中发现某个部件安装尺寸需要修改。信息经过设计部门再把修改信息传递到部件供应商。端到端集成就是要求供应商恰好装配需要的时间提供了零部件。
传统信息化管理软件架构的缺陷
企业的生产运营管理从上到下，从里到外是一个不可分割的整体。涉及到整体功能，它的分系统或子系统是不能割裂开来独立研究的。如果一个企业的计划和供应链系统很不到位，那么期望做一个精准的MES是没有意义的。粗犷的车间管理状态下期望做出高效的生产计划和供应链管理也是不可能的。因此，MES必须在妥善的整体规划下才能够设计和实施。
如何认识和把握整体，我们的认识是一个发展的过程。随着认识论不断深化，方法论也在进行不断深化和演变。在过去一段很长的历史中，我们的认识论是以还原论为主的。这是由于，一方面对于一个复杂系统我们能从定性的方面去分析和认识，却无法用数学方法去描述，也找不到定量分析的工具。另一方面，还原论的核心思想是: 部分之和等于整体。所以我们觉得只要对每一个部分有足够的认识，就等于认识了总体。于是，我们把一个复杂系统切割成很多部分去认识，把非线性问题转化为线性问题去处理。
工业企业的生产运营管理是一个复杂系统。从宏观规划到战术设计，从生产计划、车间管理到现场执行，从企业内部的管理到企业外部协调，在应对这样一个复杂系统，当我们还无法把控整体时，只能拆分处理。于是就有了ERP、MES、SCM等纵向切分的系统管理工具，以及横向切分的PLM等等。这样做的同时，也提出了需要把各个分开的系统实施整体的集成难题。这样切分还不够的时候，还有类似“一个流”、“JIT”、“TOC”、“节拍”等方法把一个完整的生产过程继续切块分段管理。
整体和局部两者不可分割。以“细节决定成败”的精益管理的核心思想也只说对了一半。更多的时候是“系统决定成败”。复杂系统有自己特定的系统属性。当我们通过对复杂系统进行切割，把非线性系统进行线性处理，复杂系统本身的属性就不复存在。
20世纪末期，系统科学及运筹学、现代工业工程有了长足的发展。尤其是应用数学、计算机、互联网等IT技术突飞猛进，为我们认识整体以及处理整体与局部的关系提供了可能。过去无法建模描述的问题现在可以做了。过去计算时间需要以“年”计的，现在很短时间可以求解了。所以，现在我们有条件也应该重新审视过去基于还原论的所有管理理论、方法和工具。侍乐媛教授的著作《Nested Partitions Method, Theory and Applisations》就是当代方法论的重要成果之一，以此为理论基础创新的“坤特管理系统（Q管理）”是解决复杂生产过程的工业企业系统管理难题的工具之一。
下图是传统企业信息化系统架构和坤特管理系统架构的区别，主要体现在集成的方向和内容上面。ERP、MES等管理系统的集成是各软件之间的集成，坤特管理系统的系统集成是决策管理与各管理软件的业务管理流程之间的集成。这恰恰是因为决策需要整体一脉相承，业务管理可以分别实施。
ERP的可以分为决策管理和流程管理两部分。MES也可以分为这两个部分。我们将要分析的SCM、PLM系统管理软件同样是这样。于是我们看到它们共同的特点。管理软件都是由两部分组成的。一部分是决策管理，另一部分是业务流程管理。目前几乎所有的系统管理软件，决策管理都是基于人工经验。而这些软件业务流程管理则实实在在的汇聚了企业很多知识和经验。而这一个现象正好的验证了ERP和MES很多案例失败的原因。如果软件的决策不靠谱，只能弃之不用。业务流程管理汇集了企业的经验，就能很好地应用。。
通常传统的管理系统是独立分别实施的。如果缺乏很好整体设计规划和设计，那么各个软件之间的系统集成就停留在数据联通，数据共享的层面，不能实现整体的运行协同和优化。这样就留下了“信息孤岛”难题。
坤特管理系统是一个以企业智能决策框架为核心的整体运营管理解决方案。坤特管理系统依据CPS（赛博物理系统）的科学原理，组成操作单元级的CPS、生产线系统级CPS，以及工厂和供应链的系统之系统级的CPS。基于CPS的三层框架，坤特管理系统以嵌套分割方法对全局实施管控，用非线性规划处理局部优化问题（详细叙述见《CPS生产管理系统及其应用案例》）。坤特管理系统融合集成企业所有的有效的管理系统（ERP、MES、PDM、SCM、CRM、PLM、OA等），比如，运行良好的MRP，以及各类管理软件中成熟的业务流程管理都需要继承和集成，同时遗失补缺。最终让企业的生产运营从决策管理到业务流程管理形成一个完整的无缝整体。
关于MES的标准问题
MES（也包括ERP）的决策管理应该是它们的核心功能。事实上，决策的低效和无效是这些管理系统实施失败的重要原因。很多情况下，进销存成了ERP的主要功能了；MES仅仅做一些车间的业务流程管理和信息的上传下达。而所有的决策都由人工取代。现在，当代科学技术的发展，让我们有能力以知识自动化的方式把人的领域知识置入生产运营管理的模型中，并且有足够能力实施优化运算的情况下，这些管理软件的决策功能得到了释放。因此，我们有必要重新审视MES的标准问题，尤其是在离散性制造业。
MES的标准ISA95（企业系统与控制系统集成国际标准）是MESA二十多年前制定的。我在五年前写的一篇文章就提出，ISA95的标准和思想在流程型工业管理中应用应当是水到渠成的，但是，在离散型制造业管理中应用仍有一段路程。MES在很大程度上是独立的信息系统，面向解决一个个单一的问题，是松散的。这些解决方案不符合管理层的根本预期。
我国的《标准法》指出，“制定标准应当在科学技术研究成果和社会实践经验的基础上，深入调查论证，广泛征求意见，保证标准的科学性、规范性、时效性，提高标准质量”。我们应该注意到当前制造业的范式与几十年前的情况发生了很大变化。MES起源于钢铁化工行业，这些行业本质上是大规模生产。当我们的市场行为和消费模式已经进入个性化需求年代，MES的标准应该与时俱进。很显然，当MES应用于小批量、多品种、混线生产定制化模式的时候，MES原来的标准已经不够科学性，也就没有时效性了。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：[email protected]