开篇：为什么 20GWh 电芯工厂必须上 MES
事故现场：三起 0.8 亿级的停产事故
2025 年 11 月，南方某 20GWh 锂电池电芯工厂（下称电芯厂 A）连续三周发生三件让厂长连夜召开停产复盘会的事故。
事故 1：客户退货一整柜化成容量不够的电芯。 一家车厂在产线装配后做 Pack EOL 测试，发现某批次的 280Ah 半固态电芯 1C 容量仅有 265Ah，比规格下限 275Ah 还少 10Ah。整柜 672 颗电芯退货，直接损失 86 万元，外加一次严重的客户投诉。事后复盘发现：化成工序当周换了一台新的化成柜，工程师误将充电截止电流从 0.05C 改为 0.07C，导致化成不充分。问题不在于化成柜没数据——化成柜每小时往 SCADA 推一次电流电压——而在于没人把这数据与容量规格做闭环比对，更没人知道这柜电芯流向了哪条 Pack 产线。
事故 2：OEE 88% 但产能少交付了 12 万颗。 月度运营会上，OEE 报表显示涂布机 OEE 月均 88%（业界标杆水平），但下工序辊压线当月却因"涂布极片缺料"等料 437 小时，相当于辊压线 18 天没生产。深挖发现：OEE 算法把"待料停机"归到了"计划停机"，与"换卷""保养"合并，可用率被高估了 11 个百分点。所谓 88% OEE 实际是 77%，按 60PPM（每分钟 60 颗）节拍，辊压一个月少出 12 万颗极片，整厂产能少交了 12 万颗电芯。
事故 3：召回 36 颗电芯查了 11 天。 客户报一颗化成后 14 天的内短路，要求工厂按"同一物料批次"召回。工厂从成品 SN 反查化成批次、注液批次、卷绕工序、涂布极片、正极粉料批次，用了 11 天、5 个跨工序会议、12 张 Excel 才圈定 36 颗可能受影响的电芯。期间客户每天一个电话问"查到哪了"，工厂回复"还在查"——这次召回的公关成本比 36 颗电芯本身贵 5 倍。
三起事故的共同根因：电芯厂的产线设备是数字化的，数据也都被 SCADA 采上来了，但数据之间不串、与业务不连、与质量不闭环。厂长开停产复盘会时问了一句话：「我们花了两千万搞的数字化，怎么连化成柜参数改了都没人知道？」。
排查：为什么 ERP 看不见产线，SCADA 又缺业务上下文
电芯厂 A 已有 SAP ERP（管订单、采购、财务）+ Ignition SCADA（管设备实时状态），两套系统都"在线"，为什么仍然挡不住这三起事故？我们做了一次系统化梳理：
| 维度 | SAP ERP | Ignition SCADA | 缺口 |
|---|---|---|---|
| **数据颗粒度** | 工单、BOM、销售订单 | 设备秒级点位 | 工单与设备的对应关系缺失 |
| **时间颗粒度** | 日/班次 | 1 秒 | 中间没有 1 分钟级的工序节拍 |
| **业务上下文** | 财务成本、销售订单 | 设备状态机 | "设备在跑哪个工单的哪个工序的哪个料号"无定义 |
| **追溯方向** | 物料批次→工单 | 设备→点位 | 没有正反向双向追溯 |
| **质量判定** | 不做 | 不做 | 没有工序级 in-process 质量判定 |
| **设备协议** | 不接 | OPC DA/Modbus | 缺 OPC UA 的信息模型与 SECS/GEM 的半导体级模型 |
根因归纳：ERP 是财务-订单视角，看不见工序与设备；SCADA 是设备-实时视角，看不见订单与物料；中间缺一个承上启下的执行层——ISA-95 把它定义为 Level 3 的 Manufacturing Execution System / Manufacturing Operations Management，简称 MES / MOM。
更糟的是，电芯厂 A 的 SCADA 是按车间独立部署的，涂布、辊压、卷绕、化成四个车间四套 SCADA，数据格式不统一（同一"设备状态"字段，涂布是 RUN/STOP/IDLE，化成是 1/2/3），跨工序追溯必须靠人肉 ETL。
为什么 ERP 厂商不直接把 MES 加进去？因为 MES 是强工业属性的——它要懂 ISA-88 配方、懂 SECS/GEM 设备协议、懂工序节拍、懂批次三链、懂 SPC Cpk、懂 OEE 三因子——这些都不是财务软件该背的。所以业内有句话：ERP 想做 MES 是"财务想做工业"，做不深；SCADA 想做 MES 是"自动化想做管理"，做不全。 这就是 MES 在 L3 独立存在的商业理由。
底层原理：ISA-95 五层金字塔与 MES 的"三明治"位置
ISA-95（IEC 62264）是国际自动化学会给制造系统集成画的金字塔：
Level 4 ERP / 业务计划 订单、采购、财务、销售 天/周
Level 3 MES / MOM 执行 工单、工序、批次、OEE、追溯 小时/分钟/秒
Level 2 SCADA / 监控 设备状态、PID、报警 毫秒/秒
Level 1 PLC / 控制器 DCS、PLC、伺服 毫秒
Level 0 设备 / 物理资产 涂布机、辊压机、化成柜 实时
MES 在 L3，向上对接 ERP 的销售订单与生产订单（BOM、工艺路线、计划完工时间），向下对接 SCADA 的设备状态与点位。它不取代 ERP 也不取代 SCADA，而是把它们的数据"翻译"成可执行的业务动作：
- ERP 的"工单 1000 颗型号 X 电芯" → MES 把工单展开成 7 段工艺的派工单（涂布 1000 片、辊压 1000 片、化成 1000 柜…），把派工单下到具体设备具体班次。
- SCADA 的"涂布机速度 60 m/min、张力 20 N" → MES 把这秒级点位卷成"工单 WO-20251109-001 在涂布工序、班次 A、设备 BC-001 上的实时产出节拍 = 0.95 片/min、累计下料 480 片"。
ISA-95 还定义了 MES 的九大功能模块（不一定要全做，但该做全做）：
- 生产调度（Production Scheduling）——把 ERP 工单拆成工序级派工单
- 生产派工（Production Dispatching）——把派工单下到设备/班组
- 生产执行管理（Production Execution Management）——工序起止、暂停、改派
- 数据采集（Data Collection）——从 SCADA/设备采集点位与事件
- 质量管控（Quality Management）——工序级 SPC、Cpk、不合格处置
- 物料管理（Material Management）——批次收发、库存、过期预警
- 维护管理（Maintenance Management）——设备保养计划、停机编码
- 绩效分析（Performance Analysis）——OEE、Cpk、批次合格率
- 人员管理（Personnel Management）——班组、技能、操作授权
电芯厂 A 的事故 1 缺的就是 #5 质量管控（化成截止电流变更未触发 SPC 异常），事故 2 缺的是 #8 绩效分析（OEE 三因子口径错），事故 3 缺的是 #6 物料管理 + #4 数据采集（批次三链没有打通）。
正确姿势：MES 的边界——做什么、不做什么
MES 项目最容易翻车的地方不是技术不够，而是边界没划清：要么把 SCADA 的事揽进来做（点位全往 MES 推，把时序库当 SCADA 历史库用），要么把 ERP 的事揽进来做（在 MES 里跑 MRP 排产、跑成本核算）。我把这条线明确划出来：
MES 该做的：
- 工单到工序的展开（不接 ERP 工单计划本身）
- 派工单到设备/班组的下发（不取代 SCADA 设备控制）
- 工序起止事件登记（设备状态由 SCADA 推，MES 只叠加业务上下文）
- 批次三链追溯：料-工序-成品的双向追溯（核心！）
- 工序级 SPC、Cpk 计算（不做整批合格率，那是 QMS 的事）
- OEE 三因子（可用率/表现率/质量率）+ 停机编码
- Andon 呼叫与闭环（不做设备保养计划，那是 EAM 的事）
- 时序数据分级存储：秒级点位 / 分钟级 KPI / 小时级 SPC
MES 不该做的：
- 不做财务成本核算（ERP 的事）
- 不做销售订单管理（ERP 的事）
- 不做 MRP 物料需求计划（ERP 的事，APS 是另一回事）
- 不做设备级 PID/PLC 控制逻辑（L1-L2 的事）
- 不做 EAM 设备预防性保养（专业 EAM 的事）
- 不做 QMS 全质量文件管理（DHR、批记录、CAPA——专业 QMS 的事）
- 不做 WMS 立体库货位管理（专业 WMS 的事，MES 只接 WMS 出入库事件）
这套边界做完，电芯厂 A 的三起事故都能闭环：
- 事故 1：化成截止电流参数变更触发工艺参数变更审批，未经审批的参数不让下发设备；SCADA 采到电流值与下发参数对比，超出 SPC 控制线触发自动 hold，不让这柜料流向下工序。
- 事故 2：OEE 三因子按 ISA-95 TR88.03 标准口径——计划停机只算"计划内+已批准"的，待料属于"未计划停机"扣可用率，OEE 数字回归真实。
- 事故 3：批次三链在物料收发时强制扫 SN/批次号，工序产出也强制登记 SN，反向追溯一次 SQL 0.5 秒圈出 36 颗受影响电芯。
数据说话：电芯厂 A 的数字化成熟度评分
为了把"该上什么"说清楚，我们给电芯厂 A 的 7 段工艺做了 ISA-95 L3 成熟度评分（5 分制）：
| 工艺段 | 派工下发 | 批次追溯 | SPC/Cpk | OEE 口径 | Andon 闭环 | 综合 |
|---|---|---|---|---|---|---|
| 涂布 | 2 | 1.5 | 1 | 2 | 0 | **1.3** |
| 辊压 | 2 | 1 | 1 | 2 | 0 | **1.2** |
| 分切 | 2 | 1 | 0 | 2 | 0 | **1.0** |
| 卷绕 | 2 | 1.5 | 1.5 | 2 | 1 | **1.6** |
| 注液 | 2 | 1 | 0.5 | 2 | 0 | **1.1** |
| 化成 | 1 | 2 | 2 | 1.5 | 1 | **1.5** |
| 分容 | 1 | 2 | 2.5 | 1.5 | 1 | **1.6** |
| 全厂 | 1.7 | 1.4 | 1.2 | 1.8 | 0.4 | **1.3** |
全厂综合 1.3/5——典型的"有 SCADA 没 MES"状态：派工靠纸质流转单（2 分是因为有人在敲键盘下发，但没工单-设备对应关系），追溯靠 Excel（1.4 分），SPC 只在化成分容两段做（1.2 分），OEE 口径不统一（1.8 分看似最高但口径错），Andon 几乎为零（0.4 分）。
对标业内：成熟度 4 分以上的标杆工厂（如宁德溧阳工厂、亿纬锂能荆门工厂）事故 1 当场就拦下、事故 2 OEE 口径合规、事故 3 召回追溯 < 30 分钟。所以 1.3 → 3.5 是这一期 MES 项目要拉到的目标线。
面试怎么答：MES 是什么、为什么不是 ERP、国内 MES 失败率高的根因
问：MES 是什么？跟 ERP、SCADA 什么关系？
答：MES 是 ISA-95 L3 的制造执行系统，向上接 ERP L4 把生产订单展开成工序级派工单，向下接 SCADA L2 把设备秒级点位叠加业务上下文变成工单-工序-料号-班次四元组的实时产出节拍。它做 ERP 不该做（工序节拍、批次三链、SPC）和 SCADA 做不全（工单展开、追溯、OEE 口径统一）的事，是"承上启下"的执行层，不是财务层也不是控制层。
问：为什么 ERP 不直接把 MES 加进去？
答：三个原因：① 业务上下文错位——ERP 是财务视角，关心成本、订单，看不到工序节拍和设备状态机；② 协议栈差距——MES 要懂 OPC UA 信息模型、SECS/GEM 半导体级设备协议、Modbus TCP、PLC 寄存器映射，ERP 厂商不背这些；③ 时间颗粒度错位——ERP 是天/班次级，MES 是秒/分钟级，时序数据量差三个数量级，强行合并会拖垮 ERP 主库。
问：国内 MES 失败率高的根因是什么？
答：① 边界没划清——把 SCADA 历史库或 ERP MRP 揽进来做，结果两边都做不好；② 设备协议不上心——很多 MES 项目 80% 经费花在前端看板、20% 花在采集，最后数据采不上来或采错；③ 批次三链不打通——只做正向追溯（料→成品），不做反向追溯（成品→料），召回时秒级响应变 11 天人工查；④ OEE 口径随意——计划停机/非计划停机不分，1C 容量等规格上下限不进 SPC；⑤ 不上时序库——把秒级点位写 PostgreSQL，3 个月就锁表；⑥ 忽视 ISA-88 工艺路线——把工艺路线当 BOM 平铺，不建模工序间的"前置-后置-替代料"，订单改派时全链断。这六条是我们这次 MES 项目要正面回答的。
落地清单：项目立项、团队、技术选型、连载路线图
立项决策：
- 项目代号 cell-mes（cell-mes-practice 仓库）
- 工厂规模 20 GWh/年，电芯型号 280Ah 半固态 + 314Ah 高镍
- 工艺段 7 段：涂布-辊压-分切-卷绕-注液-化成-分容
- 上线目标：6 个月内全厂 7 段工艺 L3 成熟度从 1.3 → 3.5
- 商务边界：MES 不取代 SAP 也不取代 Ignition，做 L3 的执行、追溯、质量、OEE、Andon
技术选型（经过 2 周选型对比的结论）：
| 层 | 选型 | 理由 |
|---|---|---|
| 后端 | Spring Boot 3 + MyBatis-Plus + Java 21 | 团队栈延续，Java 21 虚拟线程适合 OPC UA 长连接 |
| 关系库 | PostgreSQL 16 | 工单、BOM、批次三链、SPC 控制图主键库 |
| 时序库 | Apache IoTDB 1.3 | 国产时序库，对工业点位 native 支持，可与 gansu-ems 同栈 |
| 缓存 | Redis 7 | Andon 状态机 + 限流 + 派工单草稿 |
| 设备协议 | OPC UA + Modbus TCP + SECS/GEM | 涂布/辊压走 OPC UA，化成柜走 Modbus，少数进口设备走 SECS |
| 前端 | Vue3 + Vite + Element Plus + ECharts | 看板与表单 |
| 部署 | Docker Compose + Nginx | 单工厂部署，不上 K8s（运维成本） |
| 租户隔离 | 行级（tenant_id）+ schema（高敏感） | 多工厂租户 |
14 章连载路线图：
| 章 | 标题 | 核心问题 |
|---|---|---|
| ch00 | 开篇：为什么 20GWh 电芯工厂必须上 MES | 业务背景、ISA-95、MES 边界 |
| ch01 | 业务建模：7 段工艺 + ISA-95 设备层级 + 工单/BOM/工艺路线三件套 | 工艺路线树、BOM 替代料 |
| ch02 | 架构解剖：分层架构 + 时序/关系双库 + 多租户 | 采集-执行-业务-看板四层 |
| ch03 | 工程化：Spring Boot 3 + MyBatis-Plus + Flyway 多租户骨架 | 项目结构、租户上下文 |
| ch04 | OPC UA + Modbus 采集层 | 涂布 OPC UA、化成 Modbus、卷绕 SECS |
| ch05 | 工艺路线与 BOM 展开 | 派工单级联、替代料选择 |
| ch06 | 批次追溯三链 | 正反向追溯、召回边界 |
| ch07 | OEE 与停机分析 | 三因子口径、停机编码 |
| ch08 | SPC 与 Cpk | 化成容量控制图、西电规则 |
| ch09 | Andon 与质量闭环 | 呼叫分级、8D 闭环 |
| ch10 | 化成柜容量预测 | Early Warning、拦截策略 |
| ch11 | IoTDB 分级存储 | 秒级/分钟级/小时级归档 |
| ch12 | Vue3 看板与简易排产 | Andon 看板、APS 优先级 |
| ch13 | 面试总纲 30 题 | 九大模块答题框架 |
专栏定位：这套连载不是"开源 MES 改造"（如 gansu-ems 改 OpenEMS），而是自研商用 MES 项目骨架 + ISA-95/IEC 62264 工业标准事实——每章会给出真实的 Controller/Service/Repository 代码骨架、真实的 SQL 表结构与查询、真实的 SPC/OEE 算法实现。源代码会随章节发布到 cell-mes-practice 仓库，关键算法在测试里有黄金数据兜底。
电芯厂 A 的三起事故不是孤例，是过去十年中国新能源制造狂奔的缩影。这一期 MES 项目要做的不是给设备接根线，而是给厂长一双能看清全厂的眼睛——产线在跑什么工单的什么工序的什么料号、哪柜料被自动 hold、哪台设备的 Cpk 在漂移、哪个班次的 Andon 还没人接。这本连载是我作为该项目的架构师兼实施负责人，记录下来的 13 章实战。