工业软件的本质 = 把管理逻辑固化到系统里

而管理逻辑（工艺路线、标准工时、BOM、排程规则、质量标准）
    恰恰是 IE 的专业领域

第 4 层：企业管理层（Business Planning & Logistics）
    系统：ERP（企业资源计划）
    时间粒度：月/周/天
    核心问题：做什么？需要什么资源？花多少钱？
    典型活动：订单管理、主生产计划、MRP、采购、财务、成本核算
        ↕
第 3 层：制造执行层（Manufacturing Operations Management）
    系统：MES（制造执行系统）
    时间粒度：班次/小时/分钟
    核心问题：怎么做？做得怎么样？
    典型活动：详细排程、工单下发、数据采集、质量管理、追溯、性能分析
        ↕
第 2 层：监控层（Supervisory Control）
    系统：SCADA、DCS、HMI
    时间粒度：秒/分钟
    核心问题：设备现在状态如何？
    典型活动：设备监控、数据采集、报警
        ↕
第 1 层：控制层（Control）
    系统：PLC、DCS 控制器、CNC
    时间粒度：毫秒/秒
    核心问题：设备如何动作？
    典型活动：逻辑控制、运动控制、闭环控制
        ↕
第 0 层：物理层（Physical Process）
    实际的机器、传感器、执行器

1960s  库存控制（Inventory Control）
    ↓
1970s  物料需求计划 MRP（Material Requirements Planning）
    ↓
1980s  闭环 MRP → 制造资源计划 MRP II（Manufacturing Resource Planning）
        加入能力计划、财务、销售
    ↓
1990s  ERP（Enterprise Resource Planning）
        扩展到全企业：财务、人力、供应链、客户关系
    ↓
2000s  ERP II / 协同商务
        与供应商、客户的系统集成
    ↓
2010s+ 云 ERP、SaaS、智能化

业务事件：采购一批原材料

物流：原材料从供应商仓库 → 企业仓库
资金流：应付账款增加 → 付款时银行存款减少
信息流：采购订单 → 收货单 → 检验记录 → 入库单 → 发票校验

在 ERP 中，这三流是同步的：
    收货的同时，系统自动生成会计凭证（借：原材料，贷：应付账款-暂估）
    → 财务账与实物账永远一致

销售部有自己的订单表
生产部有自己的生产台账
仓库有自己的库存账
财务部有自己的账本
    → 数据不一致，对账困难，决策滞后

所有部门共用同一个数据库
    → 销售下单 → 自动生成生产需求 → 自动计算物料需求
    → 采购下单 → 收货入账 → 自动生成会计凭证
    → 数据实时一致

输入：
    · 主生产计划 MPS（生产什么、生产多少、什么时候）
    · 物料清单 BOM（用什么、用多少）
    · 库存信息（现有量、在途量、已分配量）
    · 提前期（采购提前期、制造提前期）
    · 批量规则

处理：
    MRP 展开计算（详见本站《生产计划与控制》一文）

输出：
    · 计划订单（生产订单建议、采购申请建议）
    · 例外信息（需要计划员处理的异常）

一个真实的后果链条：

工艺路线中的标准工时填写错误（填成了 5 分钟，实际是 15 分钟）
    ↓
MRP 计算出的产能需求偏低
    ↓
系统认为产能充足，承诺了过紧的交期
    ↓
实际生产时产能不足
    ↓
延期交付 + 大量加班
    ↓
「ERP 系统不好用，算出来的计划根本不可行」

1. 一把手工程（高层深度参与，不只是签字）
2. 业务流程先行（先优化流程，再固化到系统）
3. 主数据治理（专人负责，数据准确是前提）
4. 分阶段实施（不要一次上所有模块）
5. 充分培训（用户会用才会用）
6. 选择合适的实施伙伴
7. 合理的期望管理

ERP 知道：今天要生产 1000 个 A 产品
ERP 不知道：
    · 现在生产到第几个了？
    · 良品多少？不良品多少？不良原因是什么？
    · 哪台设备在运行？哪台停了？为什么停？
    · 用了哪批原料？
    · 实际工时是多少？
    · 现在车间里有多少在制品？

1. 实时可见
    车间发生了什么，管理层随时能看到
    → 从「事后知道」到「实时知道」

2. 实时反馈
    异常发生时立即报警
    → 从「事后补救」到「事中干预」

3. 实时数据
    所有生产过程的数据被记录
    → 从「靠经验判断」到「靠数据分析」

OEE = 时间开动率 × 性能开动率 × 良品率

时间开动率（Availability）= 实际运行时间 / 计划运行时间
性能开动率（Performance）= 理论加工时间 × 实际产量 / 实际运行时间
                        = 实际产出速度 / 理论产出速度
良品率（Quality）= 良品数 / 总产出数

某设备一个班次（8 小时 = 480 分钟）的情况：
    · 计划停机（休息、交接班）：30 分钟
    · 故障停机：50 分钟
    · 换型时间：40 分钟
    · 实际运行时间：480 - 30 - 50 - 40 = 360 分钟
    · 理论节拍：2 分钟/件
    · 实际产量：150 件
    · 良品数：144 件

时间开动率 = 360 / (480 - 30) = 360/450 = 80.0%
性能开动率 = (2 × 150) / 360 = 300/360 = 83.3%
良品率 = 144 / 150 = 96.0%

OEE = 0.800 × 0.833 × 0.960 = 63.97%

时间开动率损失：
    ① 故障损失（Breakdown）
    ② 换型调整损失（Setup & Adjustment）

性能开动率损失：
    ③ 空转与短暂停止损失（Idling & Minor Stoppage）
    ④ 速度降低损失（Reduced Speed）

良品率损失：
    ⑤ 质量缺陷与返工损失（Quality Defects & Rework）
    ⑥ 启动/暖机损失（Startup/Yield Loss）

真实场景：
    某批次产品被客户投诉存在质量问题
    
    没有追溯：
        → 无法定位问题范围
        → 只能全批次召回（成本巨大）
        → 无法找到根本原因
    
    有追溯：
        → 精确定位到：这批产品用了 X 供应商第 20240615 批次的原料
        → 只需召回受影响的具体产品
        → 可以追溯到当时的工艺参数（温度偏低 5 度）
        → 找到根本原因

ERP → MES：
    · 生产订单（工单）
    · 物料主数据、BOM
    · 工艺路线
    · 库存信息

MES → ERP：
    · 工单执行进度（完工数量、报废数量）
    · 物料消耗（反冲或消耗确认）
    · 工时确认
    · 质量结果
    · 入库请求

ERP 库存模块：管「账」（数量、金额）
WMS：管「位」（每个货品在哪个储位）+ 管「作业」（怎么拣、怎么放）

ERP 知道：仓库里有 100 个 A 零件
WMS 知道：A 零件在 A-02-03-05 储位有 60 个，在 B-01-02-01 有 40 个

1. 设备连接（协议解析：Modbus、OPC UA、MQTT、Profinet 等）
2. 数据采集与存储（时序数据库）
3. 数据治理（清洗、标准化、标签体系）
4. 可视化（看板、大屏）
5. 分析（规则引擎、机器学习、预测性维护）
6. 应用开发（低代码平台）

数字化（Digitization）：把纸质记录变成电子数据
    例：纸质检验记录 → 电子表单
    
数字化（Digitalization）：用数字技术改变业务流程
    例：MES 自动采集数据 → 实时质量监控
    
智能化（Intelligence）：用数据驱动决策
    例：基于历史数据的预测性维护、AI 排程、自适应工艺参数优化

传统：抽取 30 个样本做假设检验，判断改善是否有效
数字化：采集全部 10000 条生产记录，直接分析分布变化

→ 统计推断的必要性下降，但数据分析的能力要求上升

IT 不懂业务，业务不懂 IT。IE 是最合适的桥梁。

IE 要能回答：
    · 标准工时的计算规则是什么？
    · 排程要考虑哪些约束？（换型、模具、人员技能）
    · 质量数据采集哪些字段？采集频率多少？
    · OEE 的分母怎么定义？（计划运行时间是否含换型？）
    · 异常怎么定义和处理？（Andon 触发条件）

BOM、工艺路线、工作中心、标准工时
    → 这些数据的准确性直接决定系统成败
    → 这正是 IE 的专业领域

系统上线后，数据有了，但要用起来：
    · 从 MES 导出 OEE 数据，分析损失构成
    · 用 SPC 数据识别异常波动
    · 用工时数据验证改善效果
    · 用追溯数据定位质量根因

常见的误区：
    以为上了 MES 就能自动提高 OEE
    以为上了 APS 就能自动解决交期问题
    以为上了大数据平台就能自动发现改善机会

真相：
    系统只是工具，它记录现状、暴露问题，但不自动解决问题
    真正的改善，仍然需要 IE 的分析、判断、设计和推动落地

L4 ERP（计划，天/周/月）
L3 MES（执行，分钟/小时/班次）
L2 SCADA（监控，秒/分钟）
L1 PLC/DCS/CNC（控制，毫秒/秒）
L0 物理设备

OEE = 时间开动率 × 性能开动率 × 良品率
时间开动率 = 实际运行时间 / 计划运行时间
性能开动率 = 理论节拍 × 实际产量 / 实际运行时间
良品率 = 良品数 / 总产出数

世界级水平：85%
行业平均：约 60%

① 故障 ② 换型调整 ③ 空转/短停
④ 速度降低 ⑤ 质量缺陷/返工 ⑥ 启动/暖机

物料主数据 / BOM / 工作中心 / 工艺路线（含标准工时）

ERP 企业资源计划 | MES 制造执行 | APS 高级排程 | WMS 仓储
PLM 产品生命周期 | QMS 质量 | EAM 设备 | SCADA 监控
PLC 控制 | CNC 数控 | IIoT 工业互联网

EBOM（设计 BOM，PLM）→ MBOM（制造 BOM，ERP）→ SBOM（服务 BOM）