MES1.0实现分析 -制造业数字化探讨(1)
回想起过去，我在16年前和10年前就已经积极参与制造业信息化的发展历程，担任了领导角色，甚至主导过相关工作。没有想到，如今又迎来一波建设热潮。换作数字化，数字化的发展显然比信息化更为复杂，它不仅带来了数据的新价值和应用方式，更需要面对新情况和趋势的挑战。对此，我有必要对此问题进行深入探讨。
本篇内容：工业业务信息化1.0与技术（业务与模型，业务与关键技术分析）
下一篇内容：工业业务数字化1.0与技术（业务与模型，业务与关键技术分析）
工业业务信息化阶段1.0（预计在2022年左右，该阶段可能持续存在，业务与性能将不断进行优化升级）
1.1 业务与模型
业务质量关键点：
可用性：无论采用原始的手工数据录入方式，还是通过自动化设备实现数据上报，始终采用两种接入方式。其中，系统默认采用自动化上报功能，例如通过扫描枪实现自动上报。当出现设备故障时，可进行手动数据录入。
disaster recovery：在面临极端情况，如网络攻击或高并发场景导致系统不可用时，需确保关键系统能够正常运行（需物理隔离），同时最小化数据恢复过程，并实施系统弹性扩展与收缩管理。
atomicity：将基础业务模型分解为最小颗粒化的元数据空间进行构建，这样便于后续业务进行插件化自由定制，避免需要从头开始。
productibility：将整个工业信息化系统统一采用SaaS模式，即使没有底层的IAAS和PAAS能力支撑，也需实现逻辑上的隔离。
1.2 业务与关键技术分析
1,设备与通信协议
某工厂拥有众多设备，相关厂家数量众多，各协议之间可能存在显著差异，因此，构建统一的通信协议平台具有重要意义。
2，实时性
为了全面考虑场景和数据属性，需要分别设计实现实时性和非实时性的技术方案，MES作为一种中间环节，其较高的实时性可能为分布式部署提供支持。
3，分布式
MES采用了分布式部署方案，那么需要判断是分流还是计算。例如，过程管理可能需要进行计算，那么需要独立出来，进行计算分片。
4，大数据
涵盖生产环节所产生的库存流和财务流数据，以及相关的监控数据，这些信息量均较大。因此，数据存储方案需要分层设计，其中关键数据统计和非关键数据统计应当分别处理，以实现数据的精准落地。对于容量较大的场景，建议采用分布式存储方案，可以选择自行搭建或者使用开源产品。