为充分合理地开发利用车间制造信息资源，适应敏捷制造模式的需求，制造执行系统(Manufacturing Execution System，MES)的概念近10年来逐步形成并得到迅速发展。它是一种有效的车间信息管理系统，能够优化车间生产，响应不断变化的经营环境。同时，作为联系计划层MRPII/ERP和底层设备控制系统(Device Control System，DCS)之间的桥梁，MES系统中存在不同特性的各种信息。一直以来，人们都认为MES有效运行关键要掌握有关生产过程中任务状态、进展情况等方面的详细信息，以及实现过程信息的透明化。当然，这一点固然重要，但详细的信息本身不能解决出现的复杂问题，还需要合适的复杂信息处理机制和智能的信息处理和决策方法。

　　在复杂性信息环境下，MES的信息处理策略对MES的各功能模块信息处理方法具有指导意义，也直接关系着作为实时车间信息系统的MES的敏捷程度。因此，深入研究MES复杂信息处理策略具有十分重要的意义。本文在分析MES中复杂信息的不确定特征及其对MES的影响的基础上，提出4种通用的MES复杂信息处理策略，以期为MES的设计和运行提供一定的指导。

　　1 MES中的复杂信息及其影响

　　由于制造系统和制造活动的复杂性、变化和不确定、系统集成的因素和人的主观认识能力等原因，MES中的信息是相当复杂的。从它自身的功能而言，MES是在计划与生产之间起信息枢纽作用的一个实时信息系统，它对生产计划任务进一步处理，一直具体到设备和操作者所接收的操作指令，告诉车间的各种资源(人、设备、物料、客户需求等)如何生产，来改进车间运作的表现，同时，它将车间现场生产过程中的变化迅速地向上反馈，以便及时做出调整，图1显示了这些信息的基本内容。MES与CIMS的6层企业模型相比，无疑简化了企业的管理层次，但也使面向车间层的MES作为信息枢纽的作用突现出来，这样，信息密集的MES无疑会增加MES中信息的复杂程度。　　

　　另外，供应链和需求链管理的运作模式也要求获得有关产品的实时信息，尤其是其在制造过程中的有关情况，生产车间的生产计划、实际生产的条件和生产容量等信息需要与整个链相结合。MES具有双向的信息交流机制，在企业内部和整个产品供应和需求链提供这些有关生产行为的关键信息，并实现其定制的生产目标。从更为宏观的角度来看，MES与销售和服务管理(Sales & Service Management)、供应链管理(Supply Chain Management)、企业资源管理(Enterprise Resource Management)、产品/过程工程(Product/Process Engineering)、加工控制等都有紧密的联系，如图2所示。

　　MES的这种制造过程核心地位也使其突现成为一个信息枢纽。具体而言，ERP系统需要MES提供成本、制造周期、生产状态和预计产出时间等实际生产数据;供应链从MES中取得生产订单的实际状态、企业当前的实际生产能力情况以及企业中生产换班的相互约束关系;销售和客户服务模块也需要MES的生产实际情况来实现成功报价和准时交货;产品过程工程需要利用MES的产品产出和质量数据来进行优化;控制模块则需实时获取MES中的生产配方或操作指导等技术资料。反过来，MES也要从其他的系统中获取到自身需要的数据，以保证MES在工厂中的正常运行。例如，ERP的计划数据、供应链系统的外来物料的采购和供应时间信息、销售和客户服务模块的产品配置和报价信息;产品/过程工程系统的生产指导文件和各种配方及操作参数、控制模块的实时生产状态数据等。因此，MES作为“实时的信息通道”，为了实现与其他系统的信息交互，其内部需转换和处理的信息更多、更复杂。

　　当然，MES中的信息复杂不仅是信息量大所造成的，更重要的是因为MES中充满了各种变化和不确定因素。制造车间中的各要素以及它们之间的联系常随着外部的动态变化和由变化引起的不确定而相应地改变。例如，在不同时期车间采用可变的制造资源、工序及工序之间逻辑关系、物流(工件、刀具、工装夹具等)路径、服务规则等。另外，MES还会因为内外的变化而进行重构和自我调整，也会使系统变得复杂。这些反映在信息上，都会造成信息在结构、内容、过程等方面的不确定和复杂。

　　从结构上来看，信息的复杂来自组织结构、控制模式和信息结构。车间局部和全局信息的组织方式、内外部信息的结构、信息的表达、载体、层次等方面的不同等都是造成信息复杂的原因。例如，决策者对当前决策状态可能只具有局部的知识，造成决策信息的不完全等状况。再如，复杂信息在表达上可以包括模糊信息、粗糙信息、不对称信息等。

　　从信息的内容而言，MES中复杂信息的类型就更多了，例如：

　　(1) 与工件相关的信息，例如工件随机到达、工件加工时间不确定、交货期变化、动态优先级和订单变化;

　　(2) 与机器相关的信息，例如机器损坏、负载有限、机器阻塞和死锁、生产能力冲突等;

　　(3) 与工序相关的信息，工序延误、质量问题和产量不稳定;

　　(4) 其他各种不确定信息，如操作人员不在场、原材料延期到达、原材料有缺陷、动态加工路线等。

　　在过程方面，由于难于掌握和控制信息的运动规律，信息的复杂伴随着系统运行的整个过程而产生。车间某些决策需要的信息、信息之间的可能依赖关系、信息的实际流向和传播方式等都可能是不确定的。例如，信息的传播可能是局限于局部的;也可能是分布的，同时对系统的其他部分产生影响;还可能是传播的，从一个局部以扩散的方式传播。

　　正是这些复杂信息的存在，使MES的产生成为一种必然。但同时，复杂信息是一把双刃剑，在给制造车间带来机会和挑战的同时，还可能会给其运行带来负面影响。复杂信息会对系统优化造成一定的影响如果缺乏复杂信息处理方法以及车间信息集成和共享机制，可能会使生产各环节衔接协调，按时完成任务的可能性降低，不能保证产品质量和交货期，难以控制生产成本，从而影响生产过程总体优化效果，最终用户的满意度会受到影响。复杂信息还会影响车间的稳定性，由于生产过程中存在着许多不确定因素，例如加工时间的变化、产品需求量的变化、交货期的改变及设备故障等，这些生产过程的变化对约束造成一定的影响，使模型中的信息变得不确定，有时即使通过部分软约束的松弛吸收小的变化也会对原有静态调度造成大的改变。再有，系统的行为也会受到影响，MES为了提高车间控制的效率和鲁棒性等性能，不可避免地采用分布式的决策和控制，因此，部分分布决策单元之间可能会由于信息具有局部性且缺乏对系统全局状态的认识而出现冲突的、不完全的、不确定的、延迟的等特性的信息。如果它们在这种对系统的状态只具有延迟的和不完全的知识的情况下进行行动选择等决策时，系统的动力学特征将十分复杂，就会产生非线性振荡和混沌现象。同时，复杂信息会对管理目标产生一些负面影响，当不可预测的事件发生时，车间需要采取一定的应对措施，如改变原来的生产计划、适当增加库存、与顾客协商变更产品的交货期等，这些都对企业的管理目标造成一定的影响。因此，在正确认识复杂信息的基础上，有必要进一步探讨MES复杂信息处理策略。

　　2 MES复杂信息处理策略

　　2.1 概述

　　人们都认识到对车间精确建模日益困难，车间存在大量不定因素，如环境动态变化，输入信息中的噪声、千扰与误差、信息未确知性、不完全性等，车间内存在多层次、多任务的控制要求等，这些都使有效的复杂信息处理策略得到人们的重视。

　　不少研究者是从提高信息处理能力和降低信息处理需求来应对复杂信息。GAIBRAITH等认为对于制造系统内外的复杂和不确定，可以采取一些不同的策略，减少制造信息及其处理的需求(如采用JIT生产、同步化制造等)，提高信息处理的能力，以及一些折中的方法(如约束管理、成组技术等)。尤其是在减少制造信息的需求方面，还大有作为，如：采用分布化和权力下放，减少组织的层次;对组织进行解耦，将复杂的制造工厂或车间划分为更小的部分;设置合适的在制品缓冲;相似的实体采用标准化的类似处理过程;异常处理功能;关注影响车间运行的主要因素，善于发现主要矛盾;强调系统整个运行过程和环节的简单性;系统中的约束管理等。

　　FLYNN通过统计分析发现，采用自我包含的任务、建立双边协调关系、降低制造、供应和目标种类的环境管理策略等信息处理方法可以应对制造系统复杂性和提高系统的性能。另外，其他特别有效的信息处理策略还包括制造策略的交流、决策的协调、减少产品数量、采用多功能雇员、监控交互设施等。EGEIHOFF等认为不确定是执行一项任务所需的信息量与组织所拥有的信息量的差异，组织需要处理信息来降低这种信息间隙(不确定)。有效的组织是那些具有足够的信息处理能力(包括信息的收集、转换、存储和交换)来应对其所面临的不确定的组织。换言之，提高信息处理能力是十分必要，KOTHA等也认为信息处理能力是先进制造技术(AMT)应具有的内在能力。他们通过对160家美国企业进行的调查，从经验的角度发现支持AMI的4个方面，而且信息交换和规划技术是其中之一。

　　CHARLES和RICHARD认为人与人之间的交互可以减少相关的不确定，并提出了不确定缩减理论(Uncertainty Reduction Theory，URT)。这种信息及其不确定缩减策略是一种正面的处理策略，它通过不确定局势的精化、信息搜寻运动的设定等方法显著地减少不确定。WIENDAHL等认为要管理企业组织中的复杂信息和众多扰动和变化，有许多不同的方法。如企业功能的分布化、挖掘员工的创造性、经验和能力以及强调企业的核心竞争力等，其他方法包括提高系统的反应性、能动性，构造具有学习能力的自适应系统，监控生产过程等。GERSHWIN等提出从控制理论的角度处理不确定信息的制造系统控制问题，对批量生产分层控制采用了连续流控制方法。

　　JANG等提出在高度信息化的制造系统(highly informative manufacturing system，HIMS)中利用大量的准确系统状态信息进行车间控制，如利用下一批零件到达的时间信息，进行更好的路径选择等，并设计分派规则进行在线控制。MONOSTORI等认为动态车间的复杂和不确定因素已严重地影响了传统的控制和调度的效率，应从反应能动方法和分布控制结构两个方面综述车间变化和扰动信息的管理。GRABOT等提供了一个支持车间层生产活动控制的决策支持系统的设计框架及其概念模型来提高车间管理系统的反应和适应不断变化的环境的能力，并在管理车间操作层中的大量不精确和不确定信息的过程中，通过模糊逻辑作为车间知识管理系统的建模工具。NEWMAN等认为根据不同的产品和过程特性，处理降低内外部不确定的方法也应有所不同，应该通过动态均衡模型将处理制造不确定性的各种方法连接起来。

　　2.2 MES通用复杂信息处理策略

　　这里提出4种通用的复杂信息处理策略，如图3所示。这4种策略由下至上层次逐渐提高，其实现的难度也逐步增大。

　　不确定缩减是从控制和降低信息的复杂程度来考虑的。它可以从信息的产生、获取、传播等各角度来实施。如预防性维护、全面质量管理、面向制造的设计、统一或能够理解的交流语言、信息搜寻、适当的通讯、信息过滤、人的干涉、制造系统的再设计、系统的分布化等。作为最底层的复杂信息处理策略，它在MES中的应用相比而言是较为容易的，但也需要大量细致的工作，概括起来，可以包括以下一些方法：

　　(1) 采用合适的系统体系结构。MES中的产品信息和生产信息量非常大，传统的全局制造数据存储和处理方法以及集中的决策管理模式对车间故障、信息不确定以及环境的各种变化适应性差，可以根据车间实际系统和信息处理系统的分散性采用适当的分布式结构，从而有效减少由于车间信息的冗余、信息传递不及时等原因造成的不确定。例如，图4中系统的各功能模块采用了多Agent的分布化设计。

　　(2) 系统的统一建模，这需要从设计阶段就对系统中的对象、类和Agent等的基本属性、方法、它们之间的关系以及模块之间的信息接口等方面有统一的考虑，从而在信息表达方面为MES提供车间信息存储、搜寻和交流的统一格式，减少信息的不完全和不确定。例如，为满足车间信息管理需要，图4所示的系统设计了相对完备的车间级制造信息数据库(设备数据库、刀具数据库、人力资源数据库等)和制造信息接口。

　　(3) 构造一定的通信与协作机制。可靠的通信机制(如CORBA，COM/DCOM等)和通信语言(如KQML，ACL等)是实现分布、异构环境下不同执行单元间的透明(远程或本地)访问、互操作和协同工作的基础。协作机制则进一步确定了系统如何通过信息的传递实现执行单元彼此间的互操作。通过构造一定的通信与协作机制，可以满足MES信息获取和传递的需要，减少决策中的信息缺乏。

　　(4) MES系统运行中利用适当的决策机制。MES中的信息是动态不确定的，可以利用适当的决策机制来降低这种不确定。例如，对某一机床的故障频率进行统计，并考虑到调度决策中去，从而预防该机床的不确定停机。再如，在决策中使用尽可能简单的模型和处理方法，简化系统运行过程和环节，从而减少不确定的发生。

　　当然，这种试图缩减和消除不确定的策略实际上是不可能将车间所有的不确定消除的，还需要其他的复杂信息处理策略。

　　鲁棒性储备是通过防御性地使用柔性来适应已知类型的不确定或能动地使用冗余的柔性来应对未确知的不确定以获取竞争优势。这种策略实际上就是要提高系统的鲁棒性，使系统能够容忍环境的改变，以便系统不进行改变就能在不确定的环境下正常运作。例如，可选性工艺、并行机床、后备的供应伙伴、加工参数的适当调整等就属于这一类。在图4中，鲁棒性储备策略可以嵌入到系统中不同的功能模块，如在车间任务管理中提供制造资源的备选方案、在MES调度中生成多个优化调度解以备不时的需要等。当然，增加鲁棒性显然会导致成本的增加，这也是实际中需要权衡的问题。

　　自适应比鲁棒性储备更高一个层次，能够通过学习和改变自己更好地适应未来的情形。柔性决策、软计算、知识沉淀、机制设计(如合同网、联盟形成等)、学习等都是提高自适应能力的有效方法。例如，在图4中的MES中的重构与调度可以采用多种软计算方法，这些对提高系统的自适应性都具有一定的作用。

　　智能处理策略要求系统不但具有鲁棒性和自适应性，还应具有类似人的自主能力。系统依赖于自己的经验，而不是预定义的操作，使用观察到的信息并结合内在的知识，根据环境的变化做出相应的决策。这就需要借鉴人工智能、计算智能、经济和社会理论、人类工程学等多学科领域的理论和实践。在图4所示的MES系统中，可以采用多Agent的结构来进行MES中的重构、监控与异常处理等功能。这样，系统由智能的Agent构成，可以提高MES的智能信息处理能力。

　　3 结论

　　MES的决策和运行离不开大量复杂信息的处理，这些复杂信息表现在数量、结构、内容、过程等多个方面，并给MES 运作带来一定困难。MES复杂信息处理策略则对指导MES敏捷运行具有重要意义。不确定缩减、鲁棒性储备、自适应和智能处理是4种通用复杂信息处理策略，虽然它们为复杂信息处理只是提供了战略性的处理框架，但对于企业解决复杂信息环境下的许多制造决策问题还是具有一定的价值。当然，由于MES的需求各有不同，而且这些策略有时会出现冲突的情况，因此，如何在设计、开发和运行MES时选用这些策略，并寻找合适的结合点仍将是需要进一步研究的课题。