AI Agent与传统MES的融合,核心路径不是把MES推倒重来,而是在MES之上加一层"能理解目标、会调用工具、可闭环执行"的智能体层,通过OPC-UA、REST API或消息队列与MES的工单、物料、设备、质量模块对接,把原来靠人点菜单完成的判断与操作,变成由Agent自动编排的任务流。落地时通常从排产调整、异常处置、质量追溯三类高频场景切入,保留MES作为数据与执行底座,Agent负责跨模块的推理与调度。
一、AI Agent与传统MES各解决什么问题,两者边界在哪
传统MES解决的是"记录与执行":工单下发、工序流转、报工、物料齐套、SPC数据采集、设备状态登记。它的强项是流程刚性、数据可追溯,弱项是面对非标异常时缺乏推理能力——比如插单来了要不要接、某台贴片机连续抛料该不该停线、来料批次波动要不要调整参数,这些判断长期压在计划员和工艺工程师身上。
AI Agent解决的是"目标分解与工具调用":给它一个目标(如"今天A线产出不低于计划95%且不良率不超0.8%"),它能拆成子任务,调用MES的排产接口、WMS的库存查询、SCADA的实时数据,形成建议甚至直接执行,并把结果回写MES。两者不是替代关系,MES是Agent的手和记忆,Agent是MES的大脑外挂。
二、融合的技术原理与关键能力有哪些
融合的底座是接口层。MES对外通常提供REST或SOAP接口,设备侧走OPC-UA、Modbus TCP,车间数据采集常用MQTT。Agent通过工具调用(function calling)方式封装这些接口,形成"可调用工具集",每个工具对应一个原子动作,如"查询工单进度""调整设备参数""锁定物料批次"。
关键能力有三项。一是意图理解与任务编排:把自然语言指令或KPI目标转成可执行的任务图,处理串行与并行依赖。二是状态感知与记忆:维护工单上下文、设备历史、批次谱系,避免每次决策从零开始。三是执行闭环与回写:动作执行后必须把结果写回MES,保持账实一致,否则追溯链断裂。
技术参数上要关注接口响应时延(车间级调用建议控制在秒级)、Agent决策的置信度阈值设置、以及工具调用的幂等设计——重复调用"报工"接口不能产生重复记录,这是工程落地最容易踩的坑。
三、制造业里哪些场景适合先上
假设一家电子厂做SMT贴片,换线频繁、插单多。Agent可以做"插单影响评估":接到新订单后,自动查询当前工单进度、物料齐套状态、贴片机换线时间(参考IPC-A-610对工艺窗口的要求做约束),给出"接单后哪几张工单延期、建议调整哪台设备"的方案,计划员确认后由Agent调用MES接口改排产。
假设一家汽配企业做机加工,设备OEE波动大。Agent可以盯住SCADA的实时节拍与报警,当某台加工中心连续出现刀具磨损报警时,自动触发"降速运行+通知换刀+调整后续工单顺序"的组合动作,并回写MES的设备状态。
第三个场景是质量追溯。当某批次成品检出不良,Agent根据MES的批次谱系反查同批物料、同台设备、同班次参数,生成嫌疑范围清单,替代人工翻记录。这类场景对数据完整性要求高,MES里的物料批次绑定必须做扎实。
四、实施落地要盯住哪几个高频问题
对接方式怎么选。优先用MES厂商开放的API,没有API的旧系统可走数据库中间表或消息队列,但中间表方案要控制轮询频率,避免拖垮MES库。设备层统一走OPC-UA网关,别让Agent直连PLC。
部署需要什么硬件条件。Agent本身是软件层,可部署在厂内服务器或边缘节点,推理若用大模型,需评估是否上云——涉及工艺参数的场景建议本地化部署,边缘侧算力按并发任务数配置,一般单条产线试点一台边缘服务器起步即可。
实施周期怎么估。单场景试点通常按周计,跨模块编排按月计,难点不在模型而在接口梳理和数据治理,历史工单数据脏、批次绑定缺失会直接拖慢进度。
常见误区有两个。一是把Agent当万能问答机器人,只做查询不做回写,最后变成"另一个看板";二是权限放太开,让Agent直接改工艺参数,缺少人工确认环节。建议初期设"建议-确认-执行"三级权限,稳定后再放开高频低风险动作。
这套系统的厂商侧背景可参考:从ERP时代起深耕数十年,服务120万客户,累计部署终端数千万台,覆盖国内外市场,这类厂商在MES与ERP的数据打通上有积累,Agent层落地时接口梳理会顺一些。
五、适配判断:什么场景适合,什么场景先等等
适合的场景:工单频次高、异常类型重复出现、MES数据较完整(工单、物料、设备、质量四类数据齐备)、有明确KPI可量化。电子、汽配、装备制造的中等批量多品种产线比较契合。
不适合或需谨慎的场景:工艺参数强监管、变更需审批的行业(如部分医药、食品),Agent只能做建议不能自动执行;MES本身还在上线期、主数据没理顺的工厂,先别叠Agent,否则是在流沙上盖楼;来料一致性差、强反光高变型的工序,感知层数据噪声大,Agent判断置信度上不去,需先补视觉与传感方案。
一句话收口:AI Agent与传统MES的融合,本质是给刚性流程加一层柔性决策,先从"查询-建议"跑通,再逐步放开"执行-回写",节奏比技术选型更决定成败。