MES之殇和工业IOT之春

1.倾听客户的声音
当前制造型企业对于智慧工厂的管理软件，尤其是和生产、质量、设备和人员直接关联的这一类软件，其概念和称呼大抵是模糊的。诸如“机联网”、“MES”、“工厂物联网”、“工业物联网”以及“工业互联网”等词汇无不充斥着企业各级管理者和CIO大脑。其中MES这个称谓因为SIMENS、MPDV、ROCKWELL、SAP等世界巨头的引领，加之工业4.0和中国制造2025铺天盖地的宣传，逐渐成为在ERP、WMS、PLM、SRM、CRM之后，制造型企业在转型升级过程中投资意愿最为强烈的项目。

自2000年以来，国内制造业在投资MES过程中主要经历了以下三个发展阶段：
2000年-2007年：国外知名品牌MES在国内市场占据主导地位，主要面向大型制造企业，但在本地化过程中则呈现软件价格偏贵，服务响应慢等特点；
2008年-2014年：不断涌现出面向中小型制造企业的国内MES服务商，但因市场需求并不强烈，发展非常缓慢，鲜有成功案例；
2015年-2018年：随着制造业逐步回暖，企业MES需求增幅迅速，各类型供应商也纷纷提供出面向不同行业的智能制造整体解决方案，呈现应用多元化和选择理性化等特点。

正是在国内MES经历到第三个阶段的时候，我们机缘巧合的进入了这个领域。这期间走访了省内近百家制造型企业，编写、更新和整理的技术方案也不下百余篇，参与研发和部署的大中小型MES项目也有几十个。这样的感触和经历和10多年前在象牙塔里参与研发关于“973无线传感网络课题”截然不同，因为在这里可以不断听到来自制造业客户真实的声音，同时也可以第一时间收集到工业企业最为迫切的信息化需求。

下面简要罗列一些近年来在工业企业调研和交流过程中，企业家、CIO、CFO、工程师以及一线员工关于MES的真实语录。
(1)“你们有没有相关行业的案例，我们要先参观。”
MES成功的案例不多，满足垂直行业客户需求的参观案例更是稀缺。毕竟隔行如隔山，那些机床旁满是油污的工控屏或是指挥中心拼接屏上各种折线图、散点图和雷达图对于不同行业的客户而言至多只是走马观花的热闹。

(2)“你们的软件能不能先给我们免费试用？”
即使同一型产品的不同生产企业也可能存在完全不同的生产工艺和管理流程，因此面向垂直行业的MES软件均需要定制开发，成品软件的免费试用容易导致客户体验差。目前声称能做到MES产品化仅德国MPDV[1]一家，且不说价格，单就部署和学习曲线对于集团化的企业来说都是极高的挑战。

(3)“FANUC设备20多年都不会坏，根本不用什么设备维护软件。”
企业设备良莠不齐，在没有经验数据参考的前提下，管理者容易受主观影响。“20多年的点检、保养和维修记录都保存着么？是加工中心没坏还是控制器没坏？全厂每台设备究竟有多少时间在实际生产，OEE是多少？”恐怕设备管理者仅仅只是没有经历控制器的大修和更换吧。

(4)“我管理的这些国外设备都有管理系统，什么数据都有。”
设备往往隶属于独立生产单位，单位管理者不会从全局着手，“这些设备和其他车间生产同样产品的设备生产效率相比如何？是否经过定量分析比较？分析的指标是客观么？”；此外，客户虽然看到了数据，尚不能从设备数据中挖掘价值，“作为设备管理者，你们是如何利用这些数据，或者说这些数据对于改善产品质量有什么关联么？”

(5)“国内的、国外的都上了，到现在还不能用，什么MES，就是骗钱的。”
外企原厂工作时短，例如德国的一家供应商一周只工作3天，单个功能的定制费用甚至超过整个平台授权费用；外企代理则完全由中国工程师在国外平台上二次开发，交付系统的质量几乎和平台质量无关；国内的供应商肆意的价格战，然而极其有限的预算如何保证质量？我一直坚信天下没有价廉物美的产品，更没有免费的午餐。

(6)“你说的功能我们都有，只是在不同的系统，再花这么多钱不值得。”
ERP系统不断修改逐步下沉，实现了部分MES功能。而新引入的生产设备，其附带并逐步开发管理软件，也实现了部分MES功能，加之因为满足特定需求而加急上线的小系统，如追溯系统、机联网，虽然各个系统彼此孤立，使用极为不方便，但毕竟可以通过人工的方式满足特定需求。如果花大价钱引入全新的MES性价比不高，企业是无法接受的。

(7)“你们拿了我们的工艺数据，卖给别人怎么办？”
工业数据确实很可能和个人隐私数据一样被泄露，而且影响和危害更大。使用私有云担心开发者泄密，使用公用云则更加担心平台泄密。甚至出现客户指定选择电信云，而不采用阿里云的案例，只因为电信云源于国企。可以想象，如果拿到了工艺数据，轻易复制一个产品、复制一家公司怕都不是什么难事。

(8)“MES到底能不能减员增效？”
客户往往拿MES和自动化改造相比，自动化改造对于生产线的人员减少、生产效率和合格率提升的确更加显著。MES上线后对于减员增效的计算难度非常大，至于智能制造评价中关于“生产效率提高20%以上、运营成本降低20%以上、产品研制周期缩短30%以上、产品不良率降低20%以上、能源利用率提高10%以上”等量化指标更是难以衡量。

(9)“第二套系统差不多，为什么还要那么多钱？软件不是拷贝下就好了？”
因为MES和生产密切相关，即便是“差不多”，但从软件实现角度上看依然无法实现仅仅通过参数的修改进行二次部署。“虽然都是检测追溯系统，但你们的电气开发人员各自为阵，交互方式和接口截然不同，在没有统一规划且已经完成的电气系统基础上开发的上位机追溯软件显然无法做到仅仅通过配置完成部署。”

(10)“需要给我们搭建一个平台，软件源代码能不能提供给我们？”
工业企业的客户对于私有云的渴望是强烈的，对于软件平台的独占性也是强烈的。他们希望通过合作伙伴的新技术提高生产率，但又不愿被供应商绑架，于是他们提出组建自己软件研发团队，可并不清楚在传统的制造型企业内部组建一个全栈研发团队的难度。曾经碰到一个案例，客户提出必须要用.NET框架，且要提供二次开发部分的源码，因为他们只有C#程序员。

2.供应商的失意和转型
我们一直称同行为友商，而非竞争对手。因为几年来共同为企业服务过程中，他们的名字一直在更换。可往往不是我们在业务上或者技术上击败了他们，而是他们不断用失败告诉我们这样做或那样做的结果是错的，于此我们称之为友情。

(1)通用平台
友商A曾经在16年、17年投入大量人力物力研发一款通用MES平台，试图通过配置和快速二次开发即可满足客户的需求。事实上，由于MES需求千变万化，面向水平行业的平台开发难度极大，其结果往往是产品研发和项目实施脱节，项目收入不足以支撑上百人研发团队的投入，友商A已经被迫转型。

(2)项目太多
友商B是行业前驱，10年前进入MES行业，赶上了第一波智能制造高潮。项目数量多到接不过来，几百万的项目仅设备入场，就赚得赚得盆满钵满，肥得流油。然而MES项目定制要求高，当项目大面积铺开时，有限的人员远远无法响应众多易变的客户需求。导致项目实施周期长，成本巨大，项目大范围失败。

(3)项目太大
友商C接到了所谓“世纪之单”，即单个MES项目超过千万，一时间激起业界千层浪。可项目实施过程却让友商们大跌眼镜，由于项目实施周期长，需求的不确定性和技术的更新迭代，导致项目过程控制异常艰难，并且供应商垫付资金量大，回款慢严重影响企业的正常运营，不仅项目迟迟不能交付，友商C也到了生死存亡之境地。

(4)接口封闭
友商D是一家专门配套某一类行业领先的设备制造企业的软件供应商。他们的营销策略很简单，卖设备的时候数据接口不对外开放，迫使设备采购企业只能使用设备自己附带的软件，借此推销全厂MES。显然客户是不愿意被这样的供应商绑架的，毕竟“行业领先”的设备，不是“行业唯一”的设备。要知道德国的SIMENS、日本的FANUC、中国GSK那家不是明码标价的开放接口？

(5)售前承诺
友商E的售前经常在没有充分调研的前提下，轻易承诺客户什么设备都能接，什么功能都能实现，实际项目中才发现PLC点位根本无法获得，程序加密且设备供应商早已消失；还有所谓通过上位机实现刀具补偿功能，即使SANDVIK依然没有推出安全、准确的检测刀具磨损的产品，没有闭环何来补偿？

(6)计划先上
友商F的MES实施策略是率先实施计划排程功能，通过工单贯穿整个生产过程，设想非常好，可实现极为困难。在没有人、机、料、法、环等基础信息的前提上，试图通过计划和工单串联整个生产的实施过程鲜有成功的案例，更别说高级排程了。

那么这些并不如意的ABC友商们现在都在忙些什么？要么在既有的道路上渐行渐远，要么及时转型，大体分为以下几种：
(1)转型做精益咨询
有供应商认为在推行MES过程中，需求无休止的变更是导致失败的根源。如果通过精益思想进行整体规划、优化流程，固化生产规范，则可大幅提高MES的成功率。

(2)转型做视觉、自动化
随着机器视觉在制造业的大规模应用，如检测、测量、识别和定位的巨大市场，使得传统的自动化供应商、MES供应商纷纷入局；特别是视觉项目往往通过技术的突破即可形成产品，这对于深陷难以交付的MES项目急于向产品转型的供应商具有极大的诱惑。

(3)转战内陆地区
沿海城市的制造业具有显著的集群效应，彼此的信息渠道极为通畅。如果在一家企业项目实施失败，几乎可以宣告退出这个城市的市场，于是不得不逼着这些曾经失败的供应商转战内陆市场。

(4)仅做MES子系统
随着全厂MES战线不断拉长，失败案例不断增加，供应商背负的压力也与日俱增。痛定思痛后逐渐开始专注某个行业MES的单个子系统，如机联网系统、追溯系统、SPC、TPM等。

3.巨头来了
(1)阿里云
阿里云几乎是最早进入中国工业板块的互联网公司，其行业影响力也最大。早在2016年我们就和阿里云飞天一部的技术人员交流过工业物联网。飞天一部主要通过基于阿里云技术树立行业示范案例，提高阿里云在工业的影响力，为推动“新制造”和“ET工业大脑”打下扎实的基础。2016年较为典型的案例包括保利协鑫、徐工集团以及中策橡胶的数据分析项目。主要的解决方案是在流程性行业收集影响质量的工艺参数，通过统计以及机器学习的方法提高产品质量。

今年3月在深圳召开的云栖大会上，阿里云推出了Link打头的一系列产品让人眼花缭乱，这部分工作主要由阿里云IOT负责研发和推广。通过ISV闭门会议以及和多条业务线的技术人员深入和广泛的交流，初步判断未来阿里云IOT会在以下几个大方面布局：
合作伙伴：大范围建立生态合作伙伴；
经典案例：集阿里云的研发力量建设垂直行业经典案例；
自由市场：在平台上接入买方和卖方市场，提供第三方APP和设备驱动的上传和下载；
开放服务：建成并开放面向异构工业设备接入、建模和分析服务；
开发环境：整合IOT开发环境，包括IDE、执行容器等；

(2)腾讯云
写这篇文章的时候，适逢《腾讯没有梦想》引发大讨论。我只顺便多说一句，“这些只是大公司病而已，文中描述的类似场景在阿里一样被大家熟知。”

前不久在腾讯总部和腾讯IOT技术人员关于工业物联网做了一次简单交流，整个交流过程我们似乎只记住了对方一句话，“腾讯今年计划入局工业物联网。”

当年微信推出公众号的时候，对我触动非常大，第一感受到微信已经不仅仅是一个APP，而是越来越像OS，说不定哪天真的可以在没有iOS或者Android的裸机上装上微信实现通话、刷朋友圈、玩游戏和购物支付，因为微信的应用正在驱动OS。

微信在前年推出了小程序，影响力则更加巨大。最近我利用出差的碎片时间，写了一个包括具备地图标记和群排名功能小程序。当前的微信开发者工具除缺乏可视化布局外（现在前端开发人员似乎也都习惯敲代码布局，然后刷新网页查看结果），代码高亮与提示、编译、调试和仿真的集成开发体验还是相当不错的，文档也较为丰富。可以设想，如果将小程序应用到工业领域，小程序很可能就像当年的红包效应，迅速缩减和阿里在工业领域的差距。在我看来在工业上的这种扩展对于腾讯这样的企业来说没有任何难度，对开发者而言也仅仅是多了一些SDK而已。

有微信（OS）和小程序（IDE）这样的杀手锏，腾讯的入局已是“山雨欲来风满楼”。有竞争对手是好事，毕竟传统的制造业客户对于价格是十分敏感的。

4.也说说我们
(1)专注行业
麦肯锡预测了将最早受到物联网冲击的9个行业领域[2]，涉及交通工具、城市、室外、人类、工作场所、零售、工厂、办公室以及家庭，其中工厂的运营与设备优化的市场接近3.7万亿美元，高居首位。因此，我们有理由专注“工厂物联网”，特别是制造业中某个细分的垂直行业，“那些当下处境最危险的市场就是你要寻找的市场。”[2]。阿里和腾讯再大，苦活累活还得交给我们这些熟悉制造业和物联网的老兵。

(2)大规划、小起步
针对企业自动化、信息化建设的实际情况，同时结合企业的业务需求，给出近期规划和中长远规划，分步实施。所谓小起步就是在大规划的前提下，先从企业迫切需要的小需求、小系统着手，通过小系统的成功实施可以培养一线员工对于物联网认知，也提升管理者、决策者的信心。另一方面，系统开发时可先实施相对独立的子模块，然后自底向上集成。例如，可先实施设备管理模块、可视化模块，接着实施追溯模块、质量模块和能耗模块，最后才实施生产管理和计划模块。

(3)项目，还是产品
项目还是产品，是策划启动会的一个首要议题。项目的特点是“交付即可”和“线性增长”，而产品的主要特点是“精益求精”和“指数型增长”。如果项目按着产品的方式来开发会导致巨大开销，投入产出比严重失衡；反过来产品如果按照项目的方式来进行，则往往导致输出的结果考虑不周。例如，开发非标的追溯线，即对接未实现标准化接口的自动化设备，研发产品的投入和作为项目的投入相比会高出一个数量级。简单说来，“跟着自动化产品走，软件即产品；跟着非标设备走，软件即项目”。

5.驱动力是什么
工业物联网发展的驱动力究竟是什么？数据还是应用？从当前中国制造业发展情况来看，驱动力应该是分阶段、迭代的。分别是数据驱动、应用驱动和模型驱动。

图 1 数据、应用和模型驱动的工业物联网

(1)数据驱动
且不说工业物联网现象级APP尚未到来，工业数据的采集依然是工业物联网推进的主要障碍。难点主要集中以下方面：
信息滞后：如订单和计划执行情况、物料流转和消耗情况以及质检数据无法实时收集；
信息孤岛：各种应用系统供应商繁多，彼此数据不打通；
设备异构：半自动设备和自动设备、标准和非标设备差异大；
“数据不完整”几乎是制造业普遍存在的痛点。即使再固执的企业家也认可“数据收集上来再说”这样的刚性需求，毕竟在智能制造这样的大环境下，数据对于企业发展的重要性已经深入人心。因此，首先通过数据来驱动工业物联网建设是最为简单和粗暴的。

(2)应用驱动
工业物联网应用的动机必然是满足客户需求，优化生产排程、消除瓶颈工序、精益生产质量、减少库存积压、预测设备故障以及降低设备能耗等，无论是现在还是将来都是制造业客户最主要的需求。通过应用不仅可以实现客户需求，还可以不断完善物联网开发平台，也迫使平台提供者集成开发环境、工业设备驱动、边缘运行时和云端学习库，更好的为应用服务。

工业物联网应用的技术基础是什么？我们不妨给个公式，“算法+学习=应用”。这里的“算法”特指基于实时数据的模型执行，而学习指基于历史数据的模型生成。以流程性行业为例，在边缘端实时监控一组工艺复杂参数，边缘端运行时的算法经过实时输入、预处理、计算后，判断该组工艺参数的波动对质量产生影响，于是立刻输出告警编码，系统自动进入预设告警流程；而位于边缘端运行时算法参数则由云端根据历史工艺数据进行学习，训练完成后下载至边缘端实时。

(3)模型驱动
精益原则[3]之一“尽善尽美”同样适用于工业物联网发展，可以想象工业物联网早期的应用开发者往往不是行业专家，使用通用的学习模型来解决问题。当满足客户需求的特定应用逐渐推行以后，以行业模型为核心竞争力的垂直应用将会是行业竞争的下一个风口。通过关键指标衡量的工业理论模型、逻辑模型、部件模型、工艺模型、故障模型以及仿真模型的不断优化和驱动，甚至向泛化应用发展，这也是最终建立CPS[4]、平行世界还是Matrix的基础。

6.写在最后
那年风靡一时的网格、对等网络、普适计算、无线传感网络，似乎已被人遗忘，服务于制造业的业务流程重组、六西格玛、精益生产这些概念也不断被边缘化。如今随着大数据、云计算、机器学习、边缘计算、区块链等技术在智能制造的广泛应用，以及老兵的坚持和巨头的进入，我们终于迎来了工业物联网之春。此刻，万亿的朝阳产业正在崛起。

参考文献：
[1]柯裕根, 雷纳尔•戴森罗特.HYDRA制造执行系统指南—完美的MES解决方案[M]. 2017
2 Maciej Kranz.物联网时代:新商业世界的行动解决方案[M].北京:中兴出版集团, 2018
[3]詹姆斯 P.沃麦克, 丹尼尔 T.琼斯. 精益思想[M], 北京:机械工业出版社,2015
4 Jay Lee. CPS：新一代工业智能[M].上海:上海交通大学出版社, 2017