在数字化转型浪潮中，制造企业普遍面临一个核心问题：一套MES系统究竟需要投入多少成本？这个问题如同为企业选购"工业大脑"，既需要考量当前生产需求，也要预判未来扩展空间。根据行业调研数据显示，MES系统投资回报周期通常在18-36个月，但价格区间跨度极大，从数十万元到上千万元不等。这种价格差异背后，折射出企业规模、行业特性、功能需求等多重因素的叠加影响。理解MES系统定价逻辑，已成为制造企业实现智能化升级的关键前置工作。 一、MES系统价格构成要素 1、功能模块配置 MES系统的核心价值在于其功能矩阵的完整性，基础模块包含生产调度、质量管理、设备监控等必要功能，而高级模块则涵盖数字孪生、预测性维护等前沿技术。功能模块的组合方式直接影响系统报价，完整版解决方案的价格通常是基础版的3-5倍。这种差异化定价策略，既满足小微企业的基本需求，也为集团型企业提供深度定制空间。 2、实施复杂程度 系统实施涉及业务流程重构、数据接口开发、设备联网改造等关键环节。对于多厂区、多产线的集团企业，实施复杂度呈指数级增长，需要投入更多专业顾问进行现场调研和方案定制。数据显示，实施成本通常占项目总预算的40%-60%，这部分投入直接决定系统能否真正落地生效。 3、用户规模与并发量 系统授权费用与用户数量密切相关，制造业常见的分级定价模式包括：基础用户包（50-100用户）、标准用户包（100-300用户）、企业级用户包（300+用户）。对于需要支持移动端访问、多终端协同的企业，还需考虑并发连接数的技术参数，这直接影响服务器配置和带宽需求。 4、维护服务周期 持续的技术支持是保障系统稳定运行的关键，供应商通常提供1-3年的标准维护服务，包含系统升级、故障排除、性能优化等内容。长期服务合同（5年以上）可享受价格优惠，但需要评估供应商的持续服务能力。部分企业选择自建运维团队，这虽然增加初期投入，但能掌握系统主导权。 二、影响价格的关键变量 1、行业特性差异 不同制造领域的生产流程存在本质区别，离散制造业注重工序衔接和物料追溯，流程制造业强调工艺参数控制和能源管理。这种行业特性导致系统开发需要采用不同的技术架构，例如半导体行业需要满足SEMI标准，食品行业需符合FDA认证要求，这些特殊需求都会推高开发成本。 2、数据集成深度 现代MES系统需要与ERP、PLM、SCM等多套系统进行数据交互，集成复杂度直接影响项目实施难度。对于遗留系统较多的企业，数据清洗、接口开发、系统适配等工作可能占据整个项目周期的30%以上。采用中间件技术或API集成方案，虽然能降低技术难度，但会增加授权费用支出。 3、定制化开发比例 标准化产品与定制化开发的成本差异显著，完全采用标准功能的系统报价最低，但可能无法满足特殊业务需求。适度定制（20%-30%功能调整）既能控制成本，又能确保系统适用性。过度定制（超过50%功能重构）虽然能完美匹配业务，但会导致维护成本激增和升级困难。 4、供应商技术路线 开源架构与商业平台的技术路线选择，直接影响系统长期使用成本。开源系统初始授权费用较低，但需要企业具备较强技术实力进行二次开发；商业平台提供完整解决方案，但年度订阅费用可能占系统总价的15%-20%。选择供应商时，需评估其技术沉淀、行业案例和本地化服务能力。 三、科学选型策略建议 1、需求优先级排序 建议采用MOSCow方法进行需求管理，将功能需求划分为Musthave（必须）、Shouldhave（应该）、Couldhave（可以）、Won'thave（不会）四个等级。优先保障核心生产模块的实施，将辅助功能纳入二期规划，这种分阶段投入策略能有效控制初期成本。 2、总拥有成本计算 除系统采购费用外，需全面评估实施成本、培训费用、升级支出、运维投入等隐性成本。经验数据显示，中小型制造企业的MES系统总拥有成本通常是采购价格的2-3倍，大型集团企业可能达到5倍以上。建立完整的成本模型，避免出现预算超支情况。 3、供应商评估体系 构建包含技术能力、行业经验、服务响应、案例质量等维度的评估模型，重点关注供应商在相似规模企业的实施经验。要求供应商提供详细的实施方案和时间表，明确各阶段交付物和验收标准。建立退出机制条款，保障企业数据主权和系统可迁移性。 4、云部署模式考量 对于资金有限的中小企业，SaaS化MES系统提供按月订阅的灵活付费模式，初始投入可降低70%以上。但需评估数据安全、网络依赖、功能定制等限制因素。混合云部署方案结合本地部署的数据安全性和云服务的弹性扩展优势，正在成为制造业的新选择。 四、专业实施方法论 1、项目阶段划分 典型MES实施包含需求分析、系统设计、开发测试、上线切换、验收交付五个阶段，每个阶段需设置明确的里程碑和交付物。建议采用敏捷开发模式，将项目拆解为多个迭代周期，每个周期交付可用的功能模块，降低实施风险。 2、变革管理策略 MES系统实施本质是生产管理模式变革，需建立跨部门项目团队，包含生产、IT、质量、设备等关键岗位人员。制定详细的培训计划，确保操作人员掌握系统使用技能。建立激励机制，将系统使用效果与绩效考核挂钩，推动组织行为改变。 3、数据治理方案 数据质量是系统发挥价值的基础，需建立统一的数据标准和管理规范。实施前进行数据清洗和迁移验证，确保基础数据的完整性和准确性。建立数据维护流程，明确各部门数据更新责任，配备专职数据管理员进行日常监控。 4、持续优化机制 系统上线不是终点而是起点，需建立PDCA循环优化机制。定期收集用户反馈，分析系统运行数据，识别改进机会点。每半年进行一次系统健康检查，评估功能使用率、性能指标、用户满意度等关键指标，制定优化路线图。 总之，MES系统投资决策需要平衡短期成本与长期价值，既不能盲目追求低价导致功能缺失，也不应过度投入造成资源浪费。建议企业采用"三步走"策略：首先明确核心需求建立成本基准，其次通过供应商比选优化采购方案，最后通过分阶段实施控制投资节奏。而最适合的MES系统不是功能最强大的，而是能精准匹配企业当前发展阶段、预留足够扩展空间、提供可靠服务保障的解决方案。

在制造业竞争日益激烈的今天，生产物料库存管理已成为企业降本增效的核心环节。传统人工管理模式下，物料信息滞后、库存数据失真、跨部门协同困难等问题频发，导致企业面临库存积压与缺货并存的双重困境。生产物料库存管理系统通过数字化手段重构管理流程，将库存数据实时化、管理动作标准化、决策依据智能化，成为企业实现精细化运营的关键工具。 一、生产物料库存管理系统的核心价值解析 1、数据驱动的精准决策 系统通过物联网技术实现物料全生命周期追踪，从入库、存储到出库的每个环节均被实时记录。管理者可随时查看库存动态数据，包括物料批次、保质期、存储位置等关键信息，为采购计划、生产排期提供精准依据，避免因信息滞后导致的决策失误。 2、流程标准化的效率革命 系统将入库验收、库存盘点、领料出库等操作流程固化为电子化标准模板，减少人为操作差异。通过权限管理功能，确保每个环节的操作可追溯、责任可界定，有效降低内部舞弊风险，同时提升跨部门协作效率。 3、智能预警的动态平衡 基于历史数据与算法模型，系统可自动生成安全库存、再订货点等关键指标。当库存水平触及预警阈值时，系统立即推送通知至相关人员，并联动采购模块生成补货建议，帮助企业维持"零库存"与"不缺货"的动态平衡。 二、系统实施中的关键挑战与应对策略 1、数据清洗与迁移的复杂性 企业现有库存数据常存在格式不统一、信息缺失等问题。实施前需建立数据治理小组，制定统一的数据标准，通过ETL工具完成历史数据清洗与迁移。对于关键字段缺失的物料，可设置临时标识符并制定补录计划，确保系统上线后数据完整性。 2、跨部门协同的阻力化解 生产、采购、仓储等部门常因利益诉求不同产生执行偏差。需通过系统培训建立共同语言，让各部门理解库存数据对自身工作的价值。例如，生产部门可通过系统实时查看物料可用性，减少停工待料风险；采购部门可基于库存周转率优化供应商谈判策略。 3、系统集成与扩展性设计 现代制造企业常同时使用ERP、MES、WMS等多个系统。库存管理系统需预留标准化API接口，确保与现有系统的数据互通。对于未来可能新增的智能仓储设备、自动化分拣系统等，需提前规划物联网架构，避免后期重复建设。 三、优化库存管理的深度实践建议 1、ABC分类法的动态应用 根据物料价值与消耗频率建立动态分类模型，对A类高价值物料实施严格批次管理，对C类低值易耗品采用总量控制策略。系统需支持分类规则的自定义配置，并定期根据物料使用情况自动调整分类结果。 2、需求预测的算法优化 结合历史销售数据、季节性因素、市场趋势等多维度信息，建立复合型预测模型。对于新品或促销活动等特殊场景，可设置人工调整参数，确保预测结果既符合数据规律又兼顾业务实际。系统需提供预测准确率看板，帮助企业持续优化算法。 3、供应商协同的深度整合 通过系统与核心供应商建立数据共享机制，实现采购订单、送货计划、质量检验等环节的实时协同。对关键供应商可开放库存视图，共同制定VMI（供应商管理库存）策略，将库存压力向供应链上游转移，同时提升物料供应稳定性。 四、专家视角下的系统选型与实施要点 1、功能匹配度的精准评估 选型时需重点关注系统的物料追溯能力、批次管理精度、多仓库协同效率等核心功能。对于医药、食品等特殊行业，需确保系统符合GMP、FDA等法规要求，支持全链条质量追溯。避免盲目追求功能全面性，导致系统复杂度过高影响使用体验。 2、技术架构的可持续性 优先选择采用微服务架构、支持容器化部署的系统，确保后期可根据业务发展灵活扩展功能模块。对于集团型企业，需考察系统的多组织架构支持能力，包括数据隔离、权限分级、流程定制等关键特性。 3、实施团队的复合能力 项目实施团队需同时具备制造业业务理解能力与IT技术实施能力。业务顾问应深入车间了解物料流动规律，技术顾问需熟悉企业现有IT基础设施。建立"业务主导、技术支撑"的协作机制，确保系统功能真正解决业务痛点。 总之，生产物料库存管理系统的成功实施，本质上是企业供应链管理思维的数字化转型。通过构建"数据-流程-决策"的闭环管理体系，企业不仅能实现库存成本的显著降低，更能建立对市场变化的快速响应能力。在工业4.0与智能制造的大趋势下，库存管理系统将成为企业连接物理世界与数字世界的核心枢纽，为构建智能供应链奠定坚实基础。选择适合自身发展阶段的系统，并持续优化管理流程，将是企业在竞争中脱颖而出的关键所在。

在数字化转型浪潮席卷全球的当下，制造企业正面临效率提升与成本控制的双重挑战。管理信息系统MES作为连接企业计划层与车间执行层的核心枢纽，不仅能实时采集生产数据、优化资源配置，更通过智能分析为决策提供精准依据。许多企业通过部署MES系统，实现了生产周期缩短、质量追溯效率提升、设备利用率提高等突破，这种转变背后，是MES系统对生产流程的深度重构与智能赋能。 一、MES系统的核心功能与价值解析 1、生产过程透明化管控 MES系统通过实时采集设备状态、工序进度、物料消耗等数据，构建覆盖全生产环节的数字孪生模型。这种透明化管控模式，使管理人员可随时掌握生产动态，快速定位瓶颈工序，为生产调度提供数据支撑。系统内置的异常预警机制，能提前识别设备故障、质量偏差等风险，将被动维护转为主动预防。 2、资源协同效率最大化 MES系统通过整合人力、设备、物料等生产要素，实现资源动态调配与优化配置。系统可根据订单优先级自动生成生产排程，结合设备负载情况智能调整任务分配，避免资源闲置与过度使用。这种协同机制使企业产能利用率提升，生产周期缩短，订单交付准时率显著提高。 3、质量管控闭环化构建 从原材料检验到成品出库，MES系统建立全流程质量追溯体系。通过采集关键工序参数、检测数据等信息，系统自动生成质量报告并关联生产批次。当出现质量问题时，可快速定位问题环节与责任主体，为持续改进提供依据。这种闭环管理模式使企业产品合格率提升，客户投诉率下降。 二、MES系统实施中的关键挑战与应对 1、数据采集的完整性与准确性 生产现场数据来源分散、格式多样，如何确保数据实时、准确采集是系统实施的首要难题。企业需建立统一的数据接口标准，配置高可靠性传感器与工业网关，同时开发数据清洗与校验算法，过滤异常值并修正误差。定期进行数据质量审计，持续优化采集策略。 2、系统集成的兼容性与扩展性 MES系统需与ERP、PLM、SCM等多套业务系统对接，数据交互复杂度高。实施前应制定详细的集成方案，明确数据流向与交互规则，采用中间件技术实现异构系统间的数据转换。预留API接口与开发环境，便于后续根据业务变化进行功能扩展，避免系统成为信息孤岛。 3、人员适应与组织变革管理 MES系统的引入会改变传统生产管理模式，部分员工可能产生抵触情绪。企业需开展分层培训，针对管理层重点讲解系统决策支持功能，对操作层强化流程规范与数据录入要求。建立激励机制，将系统使用效果与绩效考核挂钩，推动全员参与数字化变革。 4、持续优化与价值深化路径 MES系统上线并非终点，企业需建立动态优化机制。定期分析系统运行数据，识别改进点并调整配置参数。结合行业发展趋势，逐步引入AI算法实现生产预测、智能排产等高级功能。通过PDCA循环持续深化系统应用，释放更大价值潜力。 三、MES系统优化生产的实践策略 1、从局部应用到全流程覆盖 初期可选择关键工序或瓶颈环节进行试点，验证系统功能与实施方法。待模式成熟后，逐步扩展至采购、仓储、物流等上下游环节，构建覆盖研发、生产、服务的全价值链管理体系。这种渐进式推进策略可降低实施风险，确保系统与业务深度融合。 2、强化数据分析驱动决策 建立生产大数据中心，整合MES系统采集的各类数据。运用数据挖掘技术构建分析模型，识别生产规律与潜在问题。开发可视化看板与移动端应用，将分析结果实时推送至决策层，为产能规划、工艺改进提供量化依据，实现从经验管理到数据管理的转变。 3、构建柔性生产能力 面对多品种、小批量生产需求，MES系统需支持快速换模与动态排产。通过模块化设计生产单元，结合系统智能调度算法，实现不同产品间的无缝切换。配置自动化物流设备与智能仓储系统，提升物料配送响应速度，使企业具备快速响应市场变化的能力。 4、注重系统安全与合规性 生产数据涉及企业核心机密，需建立多层次安全防护体系。部署防火墙、入侵检测等网络安全设备，对关键数据进行加密存储与传输。制定数据访问权限规则，实现操作留痕与审计追踪。符合等保2.0等安全标准要求，规避数据泄露与系统瘫痪风险。 四、MES系统选型与实施的专家建议 1、明确需求定位与实施目标 企业应结合自身行业特点、生产规模与发展战略，制定清晰的MES系统建设规划。区分刚性需求与改善需求，优先解决影响生产效率与产品质量的关键问题。设定可量化的实施目标，如设备综合效率提升、在制品周转率加快等，为项目验收提供依据。 2、选择技术成熟的服务商 考察服务商的行业实施经验、系统架构先进性与售后服务能力。优先选择具有同类项目成功案例的厂商，确保其理解企业业务痛点。评估系统开放性，检查是否支持二次开发与定制化修改。签订服务水平协议，明确系统可用率、响应时间等关键指标。 3、分阶段推进实施进程 将项目划分为需求分析、系统配置、测试验证、上线切换等阶段，每个阶段设置明确的交付物与评审标准。建立跨部门实施团队，包括IT、生产、质量等部门骨干，确保业务需求被准确转化为系统功能。制定详细的切换方案，包括数据迁移、用户培训、应急预案等内容。 4、持续培养数字化人才 MES系统的有效运行依赖既懂生产又懂信息技术的复合型人才。企业应制定人才梯队建设计划，通过内部培训、外部引进等方式充实专业队伍。鼓励员工参与系统优化与创新，对提出有效改进建议的人员给予奖励。与高校、研究机构合作开展产学研项目，提升企业数字化创新能力。 总之，管理信息系统MES的深度应用，正在重塑制造企业的生产管理模式。通过实现生产过程透明化、资源协同高效化、质量管控闭环化，MES系统为企业构建起数字化生产的核心能力。在实施过程中，企业需注重数据质量、系统集成、人员适应等关键要素，采取分阶段推进、数据分析驱动、柔性生产构建等策略，确保系统价值最大化。随着工业互联网技术的发展，MES系统将与物联网、大数据、人工智能等技术深度融合，持续推动制造业向智能化、服务化方向升级。对于寻求突破的企业而言，现在正是布局MES系统、抢占数字化制高点的最佳时机。 https://haosenzhiyuan.com/product-mes/

在制造业数字化转型浪潮中，大连地区企业正面临智能化升级的关键节点。MES系统作为连接企业计划层与车间执行层的核心枢纽，其部署效果直接影响生产效率、质量控制与成本优化能力。当前多数企业虽已引入基础数字化工具，但生产过程透明度不足、设备利用率偏低、异常响应滞后等问题仍普遍存在，这恰恰是MES系统能发挥关键价值的领域。 一、MES系统核心价值解析 1、生产过程透明化管控 MES系统通过实时采集设备运行参数、工艺执行数据与质量检测结果，构建覆盖全流程的数字化镜像。这种透明化管控能力使管理人员可随时掌握生产进度、设备状态与质量波动，将传统经验驱动的决策模式转变为数据驱动的智能决策。 2、资源优化配置引擎 系统内置的智能排产算法可综合考虑订单优先级、设备产能、物料齐套性等多维因素，自动生成最优生产计划。当出现设备故障或紧急插单时，系统能在30秒内完成全局资源重调度，确保生产连续性。 3、质量追溯闭环管理 从原材料入库到成品出库，MES系统为每个产品建立唯一数字身份证。当出现质量问题时，可快速定位问题环节、追溯责任批次，并通过根因分析模型找出质量波动规律，实现从被动救火到主动预防的转变。 二、大连企业实施MES的关键路径 1、需求诊断与规划阶段 实施前需进行全面的生产现状评估，重点识别制约产能提升的瓶颈工序、质量损失的主要来源以及管理流程中的断点。通过价值流图分析确定MES系统的功能优先级，避免盲目追求大而全的解决方案。 2、系统集成与数据治理 MES系统需与ERP、PLM、SCADA等现有系统深度集成，建立统一的数据标准与接口规范。特别要重视设备联网改造，通过工业协议转换器实现90%以上设备的实时数据采集，为系统运行提供可靠数据基础。 3、持续优化机制建设 系统上线后需建立三级运维体系：日常操作层关注系统使用熟练度提升，技术管理层负责数据清洗与模型优化，战略决策层制定系统升级路线图。通过PDCA循环不断挖掘系统价值，确保投资回报率持续提升。 三、实施过程中的常见挑战与应对 1、数据质量瓶颈突破 初期常出现设备数据缺失、人工录入错误等问题。解决方案包括：建立数据质量考核机制，开发智能校验规则库，对关键数据实施双源采集比对，逐步将数据准确率提升至99.5%以上。 2、组织变革阻力化解 MES系统实施往往伴随管理流程重构，可能引发部门利益冲突。建议成立由生产副总挂帅的专项小组，制定详细的变革管理计划，通过试点车间示范效应带动全员参与，将系统使用纳入绩效考核体系。 3、系统扩展性保障 随着业务发展，企业可能新增生产线或拓展业务领域。选择具有模块化架构的MES平台，预留20%以上的性能冗余，采用微服务技术实现功能快速迭代，可有效降低系统升级成本。 四、MES系统选型策略 1、行业适配性评估 不同制造行业的工艺特点差异显著，离散制造业需重点关注工序流转与在制品管理，流程制造业则要强化配方管理与能源监控。选择具有同行业成功案例的供应商，可缩短40%以上的实施周期。 2、技术架构先进性 优先选择基于工业互联网平台的MES系统，其分布式架构、容器化部署与边缘计算能力，可满足未来5-10年的技术发展需求。同时考察系统的二次开发接口丰富度，确保能快速响应个性化需求。 3、服务能力考察 重点评估供应商的实施团队经验、本地化服务网络与知识转移能力。要求提供包含需求调研、系统配置、用户培训、上线支持的全生命周期服务方案，确保系统真正落地生根。 总之，MES系统实施是制造业智能化转型的必经之路，其价值不仅体现在生产效率提升15%-30%、质量成本降低20%-40%等量化指标上，更在于构建起数据驱动的决策体系。大连企业应把握工业互联网发展机遇，选择适合自身发展阶段的MES解决方案，通过持续优化实现从局部改进到系统重构的跨越，最终在智能制造竞争中占据先机。 https://haosenzhiyuan.com/product-mes/

在数字化转型浪潮席卷全球的当下，制造企业正面临效率提升与成本控制的双重挑战。上海作为中国制造业的核心枢纽，其企业对制造执行系统（MES）的需求持续攀升，但实施过程中普遍存在技术适配难、流程整合慢、数据孤岛等问题。如何突破传统实施路径的局限，让MES真正成为企业智能化升级的“神经中枢”？ 一、上海MES实施的核心技术架构解析 1、模块化设计是MES灵活适配的基础 模块化架构通过将生产调度、质量管理、设备监控等核心功能拆分为独立单元，支持企业根据自身需求灵活组合。这种设计既能满足离散制造的柔性生产需求，也能适配流程制造的连续性管控，避免功能冗余或缺失。 2、数据中台构建跨系统协同桥梁 MES需与ERP、PLM、SCM等系统深度集成，数据中台通过统一数据模型与接口标准，打破信息孤岛。其核心价值在于实现生产数据实时采集、清洗、转换，为上层应用提供标准化数据服务，支撑决策层快速响应市场变化。 3、低代码开发加速个性化需求落地 针对上海企业多样化的生产场景，低代码平台允许业务人员通过可视化界面配置工艺流程、报表模板等，将开发周期缩短60%以上。这种技术手段既降低了对IT团队的依赖，又确保了系统与实际业务的紧密贴合。 2、实时性保障是MES价值的关键 生产数据的毫秒级传输与处理能力，直接决定MES能否支撑高节拍生产。通过边缘计算与5G技术的融合应用，系统可在本地完成关键数据预处理，减少云端传输延迟，确保调度指令与设备状态的实时同步。 3、可扩展性设计应对未来升级需求 采用微服务架构与容器化部署，MES系统可随着企业业务增长动态扩展计算资源。这种技术路线不仅降低了初期投入成本，更为后续引入AI质检、数字孪生等创新功能预留了技术接口。 二、上海MES实施中的关键挑战与应对策略 1、业务流程重组的阻力化解 MES实施往往伴随组织架构调整，需建立跨部门协同机制。通过设立由生产、IT、质量部门组成的联合项目组，明确各环节责任人，可有效减少部门间推诿现象。同时制定分阶段实施路线图，降低变革冲击。 2、数据治理体系的系统性建设 数据质量直接影响MES决策准确性。需从源头建立数据标准，明确设备编码、工艺参数等核心数据的采集规范。通过搭建数据质量监控平台，实时预警异常数据，确保系统运行在可靠的数据基础之上。 3、人员技能转型的持续推动 操作人员对系统的接受度决定实施成败。需设计分层培训体系：对管理层侧重数据驱动决策理念灌输，对基层员工强化系统操作技能训练。建立内部认证机制，将系统使用能力与绩效考核挂钩，加速技能内化。 4、供应商选择的多维度评估 上海企业应重点考察供应商的行业实施经验、本地化服务能力与技术创新水平。通过参观同行业案例现场、测试系统响应速度等方式，筛选出真正理解制造场景的合作伙伴，避免“交钥匙”式实施陷阱。 三、上海MES实施后的价值深化路径 1、从流程管控到智能决策的跃迁 基础版MES实现生产透明化后，企业可逐步引入AI算法进行预测性维护、质量根因分析。通过构建设备故障知识图谱，系统能自动推荐最优维修方案，将设备综合效率提升15%以上。 2、供应链协同的生态化拓展 将MES与供应商平台对接，实现原材料库存、在制品状态的实时共享。这种透明化机制可缩短采购周期30%，同时通过质量数据追溯功能，倒逼供应商提升原材料品质，构建共赢的产业生态。 3、碳管理功能的集成应用 响应上海“双碳”目标，MES可扩展能源监测模块，实时采集水、电、气消耗数据。通过与生产计划联动优化，帮助企业识别高耗能环节，制定精准的节能策略，降低单位产值能耗20%左右。 4、移动化应用的场景延伸 开发MES移动端应用，使管理人员无论身处车间还是办公室，都能实时查看生产进度、质量异常等关键指标。这种随时随地的管控能力，特别适合上海企业多基地、跨区域的管理需求。 四、上海MES实施的专家级实施建议 1、分阶段实施降低转型风险 建议采用“总体规划、分步实施”策略，首期聚焦核心生产环节，如装配线调度、质量检测等。待系统稳定运行后，再逐步扩展至物流、维护等辅助领域，确保每阶段都能产生可量化的效益。 2、建立持续优化机制 MES实施不是一次性项目，需设立专职团队负责系统运维与功能迭代。每月召开跨部门复盘会议，根据生产变化调整工艺路线、报表模板等配置，确保系统始终与业务发展同步。 3、重视变更管理的文化渗透 通过内部刊物、案例分享会等形式，持续宣传MES带来的管理提升。对积极使用系统提出改进建议的员工给予奖励，逐步形成数据驱动的文化氛围，减少系统推广阻力。 4、构建安全防护体系 针对工业控制系统特点，部署纵深防御架构：在边界采用工业防火墙隔离MES与办公网络，在内部实施数据加密与访问控制，定期进行渗透测试。特别要防范APT攻击对生产系统的潜在威胁。 总之，上海制造企业的MES实施已进入深水区，单纯的功能堆砌无法满足智能化升级需求。企业需以业务价值为导向，构建“技术+管理+人才”的三维实施体系：通过模块化架构实现快速落地，借助数据治理夯实决策基础，依靠持续优化保持系统活力。唯有将MES深度融入生产运营血脉，才能真正释放数字化生产的乘数效应，在激烈的市场竞争中构筑差异化优势。 https://haosenzhiyuan.com/product-mes/

走进现代化车间，数据大屏实时跳动，生产状态看似一目了然。然而，回到管理层面，计划与执行的脱节、质量问题的反复、设备突发停机的损失，依然是许多企业难以摆脱的“黑箱”。真正的数字化，不只是让生产透明，更是让运营走向卓越。 这正是制造运营管理系统（MOM）的使命所在。它超越传统MES对车间执行的单一聚焦，将计划、质量、仓储、设备、能源乃至供应链协同全面纳入统一数字平台，帮助企业实现从“可视”到“可控”、从“感知”到“预判”的跨越。 源于制造，更懂制造：HSMOM的进化之路 豪森智源扎根制造业复杂场景多年，从建成国内第一条发动机装配线MES系统，到如今为400余家企业提供数字化平台，始终坚持：数字化转型的成功，不在于上了多少套系统，而在于打通数据、协同业务、赋能决策。 基于这一理念，豪森智源打造了HSMOM制造运营管理平台，致力于成为连接“设备层”与“决策层”的智能中枢。 三阶智造：一张蓝图贯穿制造全栈 卓越运营需要一体化架构支撑。豪森智源提出的“三阶智造”体系中，HSMOM扮演着承上启下的核心角色。 底层：工厂智控中心（HSFIC） 如同工厂的“神经系统”，通过IoT技术连接自动化产线、机器人、物流设备，实现工艺参数下发、设备控制与实时数据采集。 中层：HSMOM制造运营平台 作为“工业大脑”，覆盖计划排程、生产执行、质量管理、仓储物流、设备管理等全流程。将底层实时数据转化为各业务条线的协同语言，确保“人、机、料、法、环”高效联动。 顶层：指标控制塔（HSDPM） 所有运营数据汇聚于此，关键绩效指标（KPI）实时监控、智能分析、可视化呈现。异常指标可自动触发整改流程，形成“监控—分析—决策—优化”的持续改进闭环，真正实现数据驱动管理进化。 HSMOM核心动能：技术为基，智能为翼 1. 微服务架构，支撑集团化敏捷运营 HSMOM基于Java Spring Cloud微服务架构构建，不仅保障系统的高可用性与安全性，更具备弹性扩展能力。无论是单工厂精细化管理，还是跨地域、多基地的集团统一部署，一套平台即可高效支撑，显著降低运维复杂度与长期成本。 2. AI深度融合，从“工业大脑”到全栈赋能 豪森智源将人工智能深度融入制造核心，基于工业大模型技术打造“工业大脑”，实现从设备层控制到决策层优化的全栈赋能。AI可分析设备工况数据，实现高准确率的预测性维护；对生产质量数据进行毫秒级智能研判，实现风险前置预警。在计划与供应链层面，AI驱动需求预测、智能排程与库存优化，推动制造运营从局部优化走向全局自主协同。 3. 卓越，体现在每一个运营细节里 在某汽车制动系统头部供应商，HSMOM帮助其实现从计划到发货的全流程数字化，构建起精准响应主机厂订单波动的柔性能力。 在某电力装备领域“单项冠军”企业，系统为其梳理复杂的非标设计流程，通过计划联动与过程质量门控制，显著提升项目制（ETO）生产的交付准确性与运营效率。 生产透明只是起点。通过HSMOM平台，豪森智源助力制造企业将实时数据转化为协同语言，将运营经验沉淀为数字算法，将管理目标分解为可持续改进的闭环。从车间到云端，从执行到决策，豪森智源愿以深厚的技术积累与行业理解，赋能更多企业跨越透明，抵达卓越。 关于豪森智源： 豪森智源专注于制造运营管理（MOM）领域的平台研发与应用实践，依托自主研发的HSMOM系统及“三阶智造”体系，为汽车、装备、电子等行业提供从生产透明到卓越运营的一站式数字化解决方案。

在制造业数字化转型浪潮中，MES系统作为生产管理的核心工具，其价格构成始终是企业关注的焦点。从基础功能模块到定制化开发，从云端部署到本地化实施，MES系统的价格区间跨度极大，这种复杂性源于企业规模、行业特性、功能需求等多维度差异。 一、MES系统价格构成的核心要素（一套MES软件多少钱） 1、功能模块组合决定基础定价 MES系统的核心功能包含生产调度、质量追溯、设备管理、数据采集等模块，基础版系统通常包含标准功能包，价格区间在10万至50万元之间。复杂功能如高级排程算法、AI质量预测等模块会显著提升成本，部分定制化功能开发费用可达百万级。 2、部署方式影响长期成本 云端部署采用订阅制模式，年费通常在5万至20万元区间，适合中小型企业快速启动。本地化部署需要服务器硬件、网络环境等基础设施投入，初期成本较高但数据安全性更强，适合对数据主权有严格要求的大型企业。 3、实施服务成本占比突出 系统实施费用通常占项目总价的30%-50%，包含需求调研、流程优化、系统配置、员工培训等环节。跨地域多工厂部署项目因涉及现场实施周期延长，服务成本可能翻倍增长。 二、影响MES系统定价的关键变量（一套MES软件多少钱） 1、企业规模与产能复杂度 生产流程复杂度直接影响系统定制需求，离散制造业因产品种类多、工艺路线灵活，系统开发成本通常比流程制造业高出20%-40%。企业员工规模超过500人时，培训成本和系统并发处理能力要求会显著提升总价。 2、行业特性与合规要求 汽车、医药等强监管行业需要满足特定认证标准，系统需内置合规检查模块和审计追踪功能，这类行业定制开发成本普遍增加30%以上。食品行业对批次追溯的精度要求，也会推高数据采集模块的配置成本。 3、技术架构与扩展性 采用微服务架构的系统支持模块化扩展，初期投入较高但后期升级成本降低40%。传统单体架构系统虽然采购成本低，但3-5年后面临整体替换风险，全生命周期成本可能更高。 三、科学评估MES系统投资回报（一套MES软件多少钱） 1、建立成本效益分析模型 需综合考虑系统采购成本、实施费用、运维支出与生产效率提升、质量损失减少、库存周转加快等收益指标。制造业典型案例显示，MES系统投资回收期通常在18-36个月之间。 2、关注隐性成本因素 数据迁移费用、系统集成成本、员工适应期产能波动等隐性支出常被低估。特别是与ERP、PLM等系统的深度集成，可能产生额外的接口开发费用。 3、制定分阶段实施策略 建议从核心生产环节切入，优先部署质量追溯和设备管理模块，待系统运行稳定后再逐步扩展功能。这种渐进式投入可将初期成本降低50%以上，同时降低实施风险。 四、MES系统选型的专业建议（一套MES软件多少钱） 1、明确需求优先级矩阵 通过价值工程分析识别关键需求，区分"必须有"和"可以有"的功能点。某电子制造企业通过需求排序，将项目成本从预算的180万压缩至120万，同时满足90%的核心业务需求。 2、考察供应商技术实力 重点评估供应商的行业实施经验、系统架构开放性、定制开发能力。具有自主知识产权的供应商比代理商更具成本优势，后期维护响应速度通常快30%以上。 3、重视合同条款细节 明确服务水平协议（SLA），约定系统可用率、故障响应时间等指标。对于定制开发部分，建议采用敏捷开发模式，将付款节点与功能交付里程碑强关联。 总之，MES系统采购决策应超越单纯的价格比较，建立包含功能适配度、技术先进性、服务保障能力在内的综合评估体系。企业需根据自身数字化成熟度制定差异化策略：初创企业可选择轻量化SaaS产品快速验证价值，成熟企业宜采用混合部署模式平衡成本与控制权。在数字化转型进程中，MES系统的价值不在于系统本身的价格标签，而在于其作为生产神经中枢，对企业运营效率产生的持续推动作用。

在智能制造浪潮席卷全球的当下，设备状态监控已成为企业提升生产效率、降低运营成本的核心环节。传统生产模式下，设备故障导致的非计划停机、生产质量波动等问题，往往让企业陷入被动应对的困境。而设备状态监控MES系统的出现，通过实时采集设备运行数据、智能分析潜在风险，为企业构建起一道主动防御的“数字护城河”。 一、设备状态监控MES的核心功能解析 1、实时数据采集与传输 设备状态监控MES通过工业物联网技术，将传感器、PLC控制器等设备的数据接口与系统无缝对接，实现温度、压力、振动、转速等关键参数的毫秒级采集。这种高频率的数据流如同设备的“数字脉搏”，为后续分析提供原始依据。数据传输采用加密通信协议，确保工业现场复杂电磁环境下的稳定性，避免数据丢失或篡改风险。 2、异常状态智能预警 系统内置的机器学习算法库可对历史故障数据进行深度学习，建立设备健康状态模型。当实时数据偏离正常阈值时，系统会立即触发多级预警机制：初级预警通过车间看板提醒操作人员；中级预警自动推送至设备主管移动端；高级预警则直接联动维护系统生成工单。这种分层预警策略既避免信息过载，又确保关键问题得到即时响应。 3、可视化监控大屏设计 通过三维建模技术，系统可将设备运行状态以动态数字孪生的形式呈现。管理者在监控大屏上可直观看到设备温度热力图、振动频谱分析、产能实时曲线等关键指标。这种可视化设计突破了传统报表的局限性，使复杂数据转化为可理解的决策信息，显著提升管理效率。 二、系统实施中的关键技术挑战（设备状态监控MES） 1、多源异构数据融合 工业现场设备品牌众多、通信协议各异，数据格式从结构化到非结构化不等。系统需具备强大的数据清洗能力，通过边缘计算节点对原始数据进行预处理，统一时间戳、单位量纲等关键属性。采用分布式存储架构，可支持PB级工业数据的长期存储与快速检索。 2、低延迟通信架构设计 在高速运转的生产线上，设备状态变化可能以毫秒计。系统采用时间敏感网络（TSN）技术，通过优先级调度机制确保关键控制指令的实时传输。在硬件层面，选用支持确定性传输的工业交换机，配合5G专网或Wi-Fi6无线方案，构建起覆盖全厂区的低延迟通信网络。 3、模型自适应优化机制 设备性能会随使用年限、环境变化产生漂移。系统内置的在线学习模块可持续监测模型预测精度，当误差超过阈值时自动触发模型再训练流程。这种动态优化机制使系统始终保持最佳诊断状态，避免因模型老化导致的误报、漏报问题。 三、企业部署MES系统的实践策略（设备状态监控MES） 1、分阶段实施路线规划 建议企业采用“先核心后外围”的部署策略：首期选择对生产影响最大的关键设备进行监控，验证系统价值后再逐步扩展。每阶段实施需设定明确的KPI指标，如设备综合效率（OEE）提升比例、故障响应时间缩短目标等，确保项目成果可量化评估。 2、跨部门协同机制建设 设备监控涉及生产、维护、IT等多个部门，需建立联合工作小组制定数据标准、操作规范。通过系统集成实现设备状态与生产计划、质量检测等模块的数据互通，构建起覆盖全价值链的数字生态。定期组织跨部门复盘会议，持续优化监控策略与应急预案。 3、人员能力转型配套 系统成功实施离不开操作人员的技能升级。企业应制定分层次培训计划：对一线员工重点培训系统基本操作与异常上报流程；对维护人员开展振动分析、油液检测等预测性维护技术培训；对管理人员则强化数据驱动决策思维。通过建立内部认证体系，确保团队能力与系统要求同步提升。 四、设备状态监控的未来发展趋势（设备状态监控MES） 1、AI驱动的自主维护 随着深度学习技术的成熟，未来的监控系统将具备自主诊断能力。通过分析设备声音、图像等多模态数据，系统可识别肉眼难以发现的早期故障特征。结合数字孪生技术，甚至能模拟不同维护方案的效果，为工程师提供最优决策建议。 2、与工业互联网平台融合 设备监控数据作为工业互联网的核心要素，将与供应链、能源管理等系统深度集成。通过构建企业级设备知识图谱，实现跨工厂、跨设备的经验共享。在碳达峰背景下，系统还可扩展能耗监测功能，帮助企业优化设备运行参数，降低单位产值能耗。 3、AR辅助远程运维 结合增强现实技术，现场工程师可通过智能眼镜实时获取设备历史维修记录、三维模型等数字资产。当遇到复杂故障时，系统可自动连接专家库，通过远程标注、语音指导等方式实现“隔空会诊”。这种模式显著缩短故障修复时间，降低对高级技术人员的依赖。 总之，设备状态监控MES系统已从传统的故障记录工具，进化为支撑企业智能制造的核心基础设施。通过构建“感知-分析-决策-执行”的闭环体系，系统不仅能帮助企业实现设备利用率的最大化，更能为生产优化、质量改进提供数据支撑。在数字化转型的征程中，企业需以战略眼光看待设备监控建设，将其作为构建智能工厂的基石工程，持续投入资源进行迭代升级，方能在激烈的市场竞争中占据先机。

在制造业智能化转型的浪潮中，生产效率提升与数据流通效率已成为企业竞争力的核心指标。传统制造模式下，设备孤岛、系统割裂导致的数据断层问题，不仅造成生产流程卡顿，更让管理层难以获取实时决策依据。数据协同MES系统作为工业互联网的关键枢纽，通过打通设备层、控制层、执行层与管理层的数据通道，构建起覆盖全生产周期的数字化神经网络。这种深度协同不仅解决了数据孤岛困局，更通过实时数据驱动生产要素优化配置，为企业打造出可感知、可预测、可优化的智能生产体系。 一、数据协同MES的核心价值与实现路径 1、数据流通的桥梁作用 数据协同MES如同制造企业的"数据翻译官"，将PLC、SCADA等设备层数据转化为标准化格式，通过工业总线或物联网协议实现与ERP、PLM等管理系统的双向互通。这种标准化处理消除了不同系统间的数据格式差异，确保生产指令、质量参数、设备状态等关键信息在不同层级间准确传递。 2、实时决策支持系统 通过构建覆盖全生产要素的数据模型，系统能够实时采集设备运行参数、工艺执行数据、质量检测结果等信息。这些数据经过边缘计算与云端分析，可即时生成生产效能看板、设备健康预警、质量波动分析等决策支持模块，使管理层掌握"秒级"更新的生产动态。 3、生产要素的智能编排 基于实时数据流，系统可动态调整生产排程、物料配送、设备维护等关键环节。当某台设备出现效率波动时，系统自动重新分配任务负荷；当原材料库存低于安全阈值时，触发智能补货流程。这种自适应调度机制使生产资源始终处于最优配置状态。 二、数据协同MES的技术架构与实施要点 1、分层架构设计原理 典型的数据协同MES采用五层架构：边缘层实现设备连接与数据采集；平台层进行数据清洗与模型构建；应用层部署生产执行、质量管控等模块；展示层提供可视化界面；决策层输出优化建议。各层级通过标准化接口实现数据互通，确保系统扩展性。 2、工业协议兼容性挑战 制造现场存在Modbus、Profibus、OPCUA等数十种工业协议，数据协同MES需具备协议转换能力。通过部署工业网关或采用软件定义网关技术，可实现异构协议的统一解析，确保不同年代、不同厂商的设备都能接入系统。 3、数据治理关键环节 实施数据协同必须建立完善的数据治理体系，包括主数据管理、数据质量规则、元数据管理等模块。通过定义物料编码、工艺路线等主数据的唯一数据源，设置数据完整性、一致性校验规则，可确保系统数据的可信度和可用性。 4、安全防护体系构建 数据协同MES涉及企业核心生产数据，需构建纵深防御体系。通过部署工业防火墙、数据加密传输、用户权限分级管理等措施，形成覆盖网络、平台、应用、数据的安全防护网。定期进行渗透测试与安全审计，持续强化系统安全基线。 三、数据协同MES的实施策略与避坑指南 1、分阶段实施路线图 建议采用"总体规划、分步实施"策略，优先打通关键生产环节的数据流。首期可选择典型产线进行试点，验证数据采集准确性、系统稳定性后，再逐步扩展至全厂。每个阶段设置明确的KPI指标，如设备联网率、数据准确率等。 2、组织变革配套措施 数据协同MES实施不仅是技术升级，更是管理模式的变革。需建立跨部门的项目推进小组，明确生产、IT、质量等部门的职责边界。制定数据维护标准操作流程，培养既懂生产又懂信息化的复合型人才队伍。 3、供应商选择标准 评估MES供应商时，需重点考察其工业协议兼容性、行业实施经验、系统扩展能力。要求供应商提供完整的解决方案，包括硬件网关、软件平台、实施服务等。优先选择具有开放API接口的系统，便于未来与数字孪生、AI质检等新技术集成。 4、持续优化机制建立 系统上线后需建立数据质量监控体系，通过设置数据波动阈值、异常数据预警等机制，确保数据流的持续性。定期召开数据治理会议，分析系统运行数据，持续优化数据模型与业务流程。建立用户反馈渠道，及时修复系统使用中的痛点问题。 四、数据协同MES的未来演进方向 1、与工业互联网平台融合 未来MES将向云端迁移，与区域性工业互联网平台形成数据联动。通过接入行业级数据中台，企业可获取市场趋势预测、供应链协同等增值服务。这种开放架构使中小企业也能共享智能制造红利。 2、AI赋能的智能决策 深度学习算法的引入将使MES具备预测性维护、智能排产等高级功能。通过分析历史生产数据，系统可提前预测设备故障概率，自动生成最优维护方案。基于强化学习的排产模型，能在多约束条件下找到全局最优解。 3、数字孪生集成应用 数据协同MES与数字孪生技术的结合，将构建出虚实映射的生产体系。通过在虚拟空间中模拟生产过程，可提前验证工艺变更的可行性，优化生产参数设置。这种"数字试错"机制可显著降低现场调试成本。 4、绿色制造支持能力 响应碳中和目标，新一代MES将增加能耗监测、碳足迹计算等功能模块。通过实时采集水、电、气等能源数据，分析各工序能耗占比，帮助企业识别节能改造潜力点。系统还可生成环保合规性报告，满足政府监管要求。 总之，数据协同MES的部署标志着制造业从"自动化"向"智能化"的关键跃迁。通过构建全要素、全流程、全价值链的数据流通体系，企业不仅能实现生产效率的显著提升，更可培育出数据驱动的新型生产能力。在实施过程中，企业需把握"顶层设计、分步实施、持续优化"的原则，既要选择技术成熟、行业适配的解决方案，更要注重组织能力建设与数据文化培育。当数据真正成为生产要素时，智能制造的愿景将照进现实。 https://haosenzhiyuan.com/product-mes/

在电子制造行业竞争白热化的当下，企业既要应对订单碎片化、工艺复杂化的挑战，又要满足客户对交付周期与产品质量的严苛要求。传统生产管理模式因信息滞后、协同低效等问题，逐渐成为制约产能释放的瓶颈。广州电子MES系统作为连接企业计划层与执行层的核心工具，通过实时数据采集、生产过程透明化与智能调度，为电子制造企业提供了一条突破效率天花板的有效路径。其价值不仅体现在设备利用率提升与成本优化，更在于构建起适应柔性制造的数字化生产体系。 一、广州电子MES系统的核心功能解析 1、生产过程透明化管控 电子制造流程涉及SMT贴片、DIP插件、组装测试等多道工序，传统人工记录方式易导致数据断层。MES系统通过物联网技术实时采集设备状态、工艺参数与质量数据，将原本分散的生产信息整合为可视化看板，使管理人员可随时掌握全厂生产进度与异常点。这种透明化管控模式，为快速决策提供了数据支撑。 2、智能排产与资源优化 针对电子行业多品种、小批量的生产特点，MES系统内置的APS高级排产引擎可结合订单优先级、设备负荷、物料齐套性等因素，自动生成最优生产计划。通过动态调整排程策略，系统能有效缩短换线时间，提升设备综合效率（OEE），避免因计划不合理导致的产能浪费。 3、质量追溯与闭环管理 电子产品的质量管控需覆盖从原材料到成品的完整生命周期。MES系统通过唯一标识码（如条码/RFID）实现全流程追溯，当出现质量问题时，可快速定位到具体工单、设备、操作人员及工艺参数。系统自动触发纠正预防措施（CAPA），形成从问题发现到改进落地的闭环管理机制。 二、系统实施中的关键挑战与应对策略（广州电子MES系统） 1、数据采集的完整性与准确性 电子制造设备种类繁多，协议接口不统一，导致数据采集难度增大。实施时需优先选择支持多协议转换的硬件网关，同时对老旧设备进行数字化改造。通过建立数据校验规则，可有效过滤异常值，确保分析结果的可靠性。 2、系统集成与业务协同 MES系统需与ERP、PLM、SCM等外围系统深度集成，避免形成信息孤岛。实施过程中应采用标准化接口与中间件技术，确保数据在各系统间流畅传递。特别需关注工艺路线、BOM数据与生产计划的同步更新，避免因数据不一致导致执行偏差。 3、人员适应与流程变革 MES系统的引入往往伴随作业方式改变，部分员工可能产生抵触情绪。实施前需开展分层培训，使操作人员掌握系统使用技能，管理人员理解数据驱动决策的逻辑。通过设立试点产线，逐步推广应用，可降低变革风险，提升员工接受度。 三、广州电子MES系统的价值创造路径 1、从效率提升到成本优化 通过减少设备停机时间、降低在制品库存与缩短生产周期，MES系统可直接降低单位产品制造成本。某PCB企业实施后，设备利用率提升18%，订单交付周期缩短25%，年节约运营成本超千万元。这种量化效益使系统投资回报周期缩短至1-2年。 2、从质量管控到品牌增值 严格的质量追溯体系不仅能满足ISO9001等体系认证要求，更可提升客户信任度。当出现客诉时，企业能快速提供生产过程数据报告，证明产品符合质量标准。这种透明化沟通方式，有助于将质量优势转化为品牌溢价能力。 3、从经验管理到数据决策 MES系统积累的生产大数据，可通过BI工具进行多维度分析。管理人员可基于设备故障率、工艺稳定性、人员效率等指标，识别改进机会点。这种从“拍脑袋决策”到“数据驱动优化”的转变，使企业具备持续改进的内在动力。 四、选择广州电子MES系统的考量维度 1、行业适配性与定制能力 电子制造细分领域众多，不同产品（如PCB、半导体、消费电子）的生产流程差异显著。选择具有行业Know-how的供应商，可减少二次开发成本。系统架构需具备灵活性，支持通过低代码平台快速配置个性化功能模块。 2、技术架构与扩展性 优先选择基于微服务架构的MES系统，确保各功能模块可独立部署与升级。系统应支持云计算部署模式，满足企业分布式生产管理需求。同时需考察其与工业互联网平台的对接能力，为未来智能化升级预留接口。 3、服务生态与持续支持 MES系统的成功实施高度依赖供应商的交付能力。需评估其项目团队的行业经验、本地化服务网络与知识转移机制。长期来看，供应商能否提供系统升级、流程优化咨询等增值服务，直接影响企业的数字化投资收益。 总之，广州电子MES系统的价值，在于将复杂的生产过程转化为可量化的数据流，通过智能算法与自动化控制，实现资源的最优配置。对于电子制造企业而言，部署MES不仅是引入一套软件工具，更是构建数字化生产能力的战略选择。当系统与精益管理理念深度融合时，企业将获得应对市场波动的柔性生产能力，在成本、质量与交付速度上建立持续竞争优势。这种转型虽需投入资源与时间，但其所带来的效率跃升与模式创新，终将成为企业穿越周期的核心动能。 https://haosenzhiyuan.com/product-mes/