摘 要: 美国Honeywell的Business FLEX? PKS?是适应流程制造企业将供应链规划、业务与生产自动化统一起来，使公司的业务目标转换为具体的操作目标，是实现多品种、多批量、高质量、低成本的生产需求的制造执行系统。该系统是由若干子系统有机组合起来可完成规定功能的综合体。本文基于Honeywell的MES功能模块研究企业生产计划及调度模块实现可靠性增长、提高产品质量等关键技术方案结合可靠性工程的定量评价和分析方法，把组成整个系统的众多资源实体和功能模块进行分析。形成一个对制造执行系统的可靠性增长相关理论进行研究的课题，这个案例的研究对准备实施制造执行系统的企业有一定的指导作用。
　　关键词: 制造执行系统；可靠性增长;生产计划调度;产品质量;案例
　　1 引 言
　　随着计算机技术、生产制造执行系统（MES）技术的发展，制造执行系统（MES）作为信息技术和制造技术结合的产物应运而生，为制造系统提供了一个协同运作的平台。美国Honeywell的Business FLEX? PKS?是一个制造执行系统，它提供了过程知识解决方案，让流程行业工厂能将公司目标更加高效在生产层得到执行。这一解决方案把供应链规划、业务与生产自动化统一起来，将公司的业务目标转换为具体的操作目标。然后，将经过验证的生产数据反馈到业务规划层，形成业务闭环回路。其复杂性主要体现在资源的异构性和多样性以及活动的复杂性。随着Business FLEX? PKS?在各个领域的的运用和扩展，其系统可靠性优越性越来越被实践所证实。在MES系统的运用过程中，通常许多MES系统的可靠性问题更多是关注与网络和系统的连通性，而缺乏对系统内资源的工作状态按照“试验一分析一改进”这一技术途径进行监控和管理,但PKS?却能很好地解决这一问题，它保障系统内的各种资源，乃至整个系统能够稳定地、持续地、高效地提供服务，本文对Honeywell的PKS?的MES系统可靠性工程进行集成化管理研究，并对相关技术和理论进行论述。
　　2 MES背景和意义
　　作者简介: 黄至辉(出生年1964.1－)性别男,毕业学校上海大学 博士, 职称：高级经济师；现从事MES咨询和研究。工作单位：冠翔电子有限公司（福州），上海大学机电工程与自动化学院。电话13328216089.email:hzhlyj@tom.com
　　从20 世纪60 年代初计算机系统问世以来,人工的管理方式开始逐渐被计算机管理系统代替,发展了物料需求计划系统(Material Requirements Planning ,MRP)、车间报表管理系统、采购系统等, 于是发展成为MRP Ⅱ。随着配置资源计划系统(Distribution Resource Planning ,DRP) 出现了, 单一功能的制造过程管理系统(如质量管理系统) 也相继出现。到20世纪80 年代末90 年代初, MRPⅡ逐渐演变为企业资源计划(Enterprise Resource Planning ,ERP) ,DRP 演变为供应链管理(Supply Chain Management ,SCM) ,而车间层应用的专业化制造管理系统开始演变成集成的MES【1】 。1990年11月，美国先进制造研究协会(Advanced Manufacturing Research ,AMR) 首次正式提出制造执行系统MES的概念, 将物料需求计划系统与控制系统之间的制造过程执行层定义为MES【2】 。 与此同时, 计算机控制也逐渐代替了人工控制, 产生了过程监控和数据采集系统( Supervisory Control and Data Acquisition ,SCADA) 。随后SCADA、ERP 和MES 相互渗透。由于制造执行系统（MES）能把企业有关产品的质量、产量、成本等相关的综合生产指标目标值转化为制造过程的作业计划、作业标准和工艺标准, 从而产生合适的控制指令和生产指令, 驱动设备控制系统使生产线在正确的时间完成正确的动作, 生产出合格的产品, 从而也使实际的生产指标处于综合生产指标的目标值范围内。1995年美日、西欧等国已有100多家炼油、化工企业在实施了计算机集成制造系统CIMS）计划，推动了流程工业综合自动化系统在实际生产中的应用，并经过实际应用的考验，已逐步形成合理的体系结构即为ERP/MES/PCS三层结构。其中将位于计划层和控制层中间位置的执行层叫做MES，MES作为生产执行系统与上层ERP等业务系统和底层DCS等生产设备控制系统一起构成企业的神经系统，它把业务计划的指令传达到生产现场；将生产现场的信息及时收集、上传和处理。MES不单是面向生产现场的系统，而是作为上、下两个层次之间双方信息的传递系统，是连结现场层和经营层，改善生产经营效益的前沿系统。
　　1992年的制造执行系统协会(Manufacturing Execution Systems Association ,MESA)后改名为制造企业解决方案协会(Manufacturing Enterprise Solution Association)，为了在更多的行业和企业推广MES , 标准化MES 研究得到广泛的重视,如: ISA ( International Federation of the National Standardizing Associations) 发布的ISA95 系列标准, 提出了MES 标准模型和术语、对象模型属性、制造信息活动模型、制造操作对象模型【3，4，5】。于1997 年9 月发表的白皮书（MESA White Paper No.6，1997）给出了MES 定义: MES系统在产品从工单发出到成品产出的过程中，扮演生产活动最佳化的信息传递者。当事件发生变异时，借着实时正确的信息、生产执行系统规范、原始工作情况、资料反应及回馈，做出快速的响应以减少无附加价值之生产活动，提升工厂生产制程的效率。MES改善生产条件及准时出货、库存周转、生产毛利及现金流量效益，MES并且也在企业与供应链之间提供一个双向的生产信息流。
　　2.1 MES系统可靠性的研究意义
　　现代制造系统是由现代制造设备和具有现代素质的人在现代管理思想与现代制造技术和信息技术的集成下而形成的有机整体，它是一种动态联盟的复杂制造系统。它既要产出更高质量和可靠性的产品，又要具有更快的市场响应速度。这就对整个制造系统的可靠性提出了更高的要求，使得系统能以可预知的和可控制的能力来响应市场的需求。因此，对于制造系统的可靠性研究已日益引起国内外学者和企业的重视。
　　从20世纪80年代初开始，一些学者逐步引入可靠性分析方法。Buszsott J.A.和Shanthinkumer J.G. 对CIMS生产线的可靠性进行了研究【6】，通过对系统中加工单元的指数分布假设，建立了系统的可靠性分析模型；J.Li和S.M.Meerkov对于由机器不可靠引起的连续制造生产线的生产效率降低的问题，采用伯努力统计的方法确定机器的可靠性【7】；A.Zimmermann etc将Petri网作为对制造系统进行建模、性能评价和最优化的方法和计算工具【8】；J.Driscoll 和H.Keytack 对流水线非故障停机模型、工作站最优化操作等提出综合考虑经济、质量和技术指标的流水线平衡模型【9，10】；J. Loman 运用仿真的方法对大型复杂系统进行可靠性建模与分析【11】。国内的李泉林等对具有相型寿命的Clarke型CIMS生产线进行了研究【12】；宋本基和Lu Wei运用 Petri网对装配线这样的复杂离散事件动态系统（DEDS）进行系统分析【13，14】；张涛等将Petri网应用于系统可靠性分析中【15】，采用Petri网模型可以更清晰方便地进行制造系统的可靠性建模。
　　目前对制造执行系统（MES）的可靠性理论与方法还不成熟。主要有两方面原因，一是制造系统多是大规模的复杂系统，其结构特点为组成系统的单元和子系统数量多且相互关系复杂。系统和产品的可靠性受到人、机器设备、材料、工艺方法、测量、环境和生产管理等众多因素的影响。研究MES系统的可靠性涉及到复杂系统的可靠性理论与方法。二是制造系统具有重要的生产或服务功能，不但具有可修复性，还要具有很强的市场适应性，即要具有很快的市场响应速度。以实现其经济效益和社会效益。这样，研究MES系统的可靠性还涉及到现代生产管理思想和技术。因此，就要求研究探讨考虑多因素的面向复杂制造系统可靠性建模与分析方法，寻求提高系统可靠性和适应性的新途径和新方法，以达到提高系统的运行可靠性和生产效率的目的。
　　2.2制造执行系统的可靠性评价指标体系研究
　　一些学者采用模糊可靠性理论对制造系统可靠性进行研究，取得到了不断的进展。例如，K.A.Dhingra 采用模糊数学对多目标约束的串联系统可靠性优化进行了研究【16】；徐勇等利用Markov链和模糊状态的可靠性理论对可修表决系统的可靠性进行了研究【17】；朱妍、阚树林将模糊可靠性分析方法应用于系统可靠性分析【18】 ；金星等运用Bayes方法对大型复杂系统进行可靠度评定【19】；王磊等【20】建立了同时考虑随机参数区间模糊性和失效准则模糊性的结构模糊可靠性分析模型。这些研究都突破了常规可靠性理论的某些局限，在复杂系统可靠性的理论与方法研究方面都取得了可喜进展。
　　非齐次泊松过程Won-homogeneous Poisson process，简称为NHPP)类软件系统可靠性增长模型是软件系统可靠性增长模型中重要的一类，并且已经成为软件系统可靠性工程实践中非常重要的工具【21】，是管理和提高软件可靠性过程中最有吸引力的一类模型【22】。迄今为止，基于传统的NHPP过程的模型依然是评价软件可靠性最适合的、最简单的模型之一【23】。由于软件系统可靠性模型的研究仍处在较初级的阶段，至今没有一个完善、系统、科学的分类法。不少学者对这一问题进行做一些分类研究，提出了多种分类方法。常见的分类方法有随机过程类模型和非随机过程类模型。随机性分类法【24，25，26】。随机过程模型为宏观模型，主要代表有马尔可夫模型(以J-M模型为代表)、NHPF模型(以Goel-Okumot模型为代表) 、Musa执行时间模型；非随机过程类模型其他许多模型为微观模型，主要代表有：运用Bayes估计的Baysiar型 (以L-V模型为代表)、Seeding模型、基干输入域的模型和其它方法(如非参数分析,结构化模型,Cox比例风险函数模型,时间序列分析方法等)。
　　上述研究虽然分别在复杂系统可靠性的理论与方法研究方面都取得了成果，由于制造执行系统的复杂性，使得上述可靠性分析方法在对制造执行系统运用研究分析时尚未取得成果。但Honeywell高技术解决方案充分考虑到系统的可靠性，如Honeywell高技术解决方案中SAND软件是一套用来降低产品生产成本和销售成本的供应链优化工具。SAND是一套针对供应链结构或竞争环境发生大的变化时，对其影响进行评价的实用工具。SAND使用线性规划 (LP) 技术，它作为整数规划的补充，用来解决短期和长期战略计划问题。从战略层上面来看， SAND可对工业结构变化进行非常有效的评估。例如，SAND可以用来评估炼油厂是否会倒闭、是否需要建新的管道或对长期供需增长情景作出预测。从战术层面上，SAND可以用来评估销售网络的结构；特别可以用来确定哪些码头应该保留，哪些码头要废弃。从操作层面上讲，SAND可以用来将产品（或原料）从每个供应商分发到每个需求地点。这样，有利于SAND对现货买进和销售机会进行评估、评估和履行交易合同以及确定多生产哪种产品会带来最大的利润。
　　3 以复杂可修的制造执行系统（MES）为对象，探讨基于Honeywell的Business FLEX? PKS?系统实现企业对市场响应速度的可靠性增长
　　研究MES必然会涉及到生产计划与调度集成优化模型，这是一个多目标规划问题的研究，如何能达到既解决多个目标的问题，又要考虑产值利润、产品质量和设备利用效率等。Honeywell的Business FLEX? PKS?系统的先进计划及调度优化 (Advanced Planning and Scheduling) 解决方案套件很好地将公司生产目标和生产计划进行优化，然后再把优化后的计划转化成为生产调度方案，并建立具体操作目标，以满足此调度方案。工厂由此可以进行更好的进料选择、得到更高的产率和利润、采取更可行的调度方案，使产量达到最大化。因此，这种统筹兼顾多个目标，选择一个相对在某个时期比较合理的方案一个非常复杂的问题，这个规划模型应致力于寻求某个目标函数的最优解。不仅给出了可行的计划和调度解，而且能够快速响应市场需求和变化。 Production Scheduler可带来重大的财务和操作上的收益，使企业具有竞争优势。主要从以下几方面使工厂受益：（1）优化调度决策：Production Scheduler在调度过程中，采用优化的调度方案，改善决策过程。它可以产生多个优化的调度方案，并给调度人员提供正确的信息，让他们选择最佳的一个调度方案。Production Scheduler运算速度快，操作方便，使调度人员有更多的时间分析和选择最佳的方案 （2）Production Scheduler尽量不改变代理约束的值。通过增强工厂操作员的信心，使操作人员操作时敢于接近代理约束值。（3）Production Scheduler支持针对优化的计划和调度的制定的最佳操作程序，发货和工厂生产之间的有效工作流调度可极大地减少大风险的决策。它允许进行有效原油计划和调度过程中，培养多个业务熟练的调度人员，这样可以减少对一两个关键人员的依赖。
　　美国Honeywell的Business FLEX? PKS?系统的先进计划及调度优化 (Advanced Planning and Scheduling) 解决方案（如图1所示）使生产计划与公司目标相结合，将计划变成生产调度指令以及为满足调度要求而设定的操作指标。它提供原料的优化选取、最佳产量和利润以及切实可行的调度计划，使得公司利润达到最大化。在满足经济指标的前提下，解决方案能够优化生产计划、优化供应和配给、优化生产规划、优化调合和优化其它生产要求的性能。解决方案采用线性规划(LP)工具和针对流程企业实际设备的数学模型。LP技术特别适合解决流程企业复杂的资源配置优化问题，例如在制定炼油厂的计划时，充分考虑到对现有资源的多种使用方案。例如在炼油厂先进计划及调度优化解决方案的应用模块主要包括： SAND（销售分销计划）：优化原材料的供应和产品的分销，降低运输成本。 ASSAY2（原油分析）：通过分析原油组分，提高原油交易决策的能力。 RPMS（炼油和石化建模系统）：对原油和原材料进行评估和选择；优化操作计划；评估加工设备的投资；对供应与销售进行建模；竞争分析和市场评估。Production Scheduler（生产调度）为炼油厂、化工厂提供生产调度和优化。Production Analyst（生产分析）：把实际生产情况与计划指标进行比较，分析产生偏差的原因，提高生产效率。 BLEND（离线调合调度）：帮助调合调度人员确定一个优化配方和多时段的调合调度计划
　　图1 先进计划及调度优化模型解决方案

　　3.1 PRMS模块
　　作为完整的流程工业应用软件套件的核心模块，主要用于制定操作计划、原油分析、操作调度、产品调合、产量统计及性能监控。它是Honeywell先进解决方案中Business Flex解决方案里的先进计划与调度部分的应用程序。它基于windows95或windows NT环境下，并可在多种计算机平台上运行，包括客户/服务器架构和工作站。RPMS带有一个强大的基于MS-EXCEL的报表工厂，它允许用户利用MS-EXCEL访问标准的报表；利用模板创建自己的报表；利用先进解决方案所提供的专门的函数在MS-EXCEL生成复杂的报表。并可在多种计算机平台上运行，包括客户/服务器架构和工作站。RPMS带有一个强大的基于MS-EXCEL的报表工厂，它允许用户利用MS-EXCEL访问标准的报表；利用模板创建自己的报表；利用先进解决方案所提供的专门的函数在MS-EXCEL生成复杂的报表。通过有效地制定计划，全面考虑影响工厂运营的各种因素，帮助石化和炼油企业获取最大的利润，以满足能源工业中实时应用的要求。迄今为止，RPMS在全世界的100多个炼油和石化工厂得到了应用，它主要用于解决以下的问题：对原油和原材料进行选择和评估、优化操作计划 、评估加工设备的投资 、对多个工厂、多种运输方式、多个终端市场的供应与销售进行建模 、评价加工和交易合同 、评估新技术 、竞争分析和市场评估。
　　3.2 Production Scheduler（生产调度）模块
　　Honeywell的Production Scheduler解决方案是专门为这些企业设计，用于满足各种复杂的需求的应用。这个解决方案采用先进的技术，协助改进调合调度计划、制定更有效的生产目标、提高企业的盈利能力，从而使企业获得并保持竞争优势。由于当今面临的挑战是日益增加的客户需求。生产调度人员面临着一系列有临界时间的问题如：附加的发货、不断变化的客户需求、复杂的产品规格要求、生产操作问题及波动的设备生产能力问题等。要考虑这些甚至更多的因素，生产调度人员必须时刻关注工厂产品的移动和和操作状态，必须在正确的时间获得正确的信息。Honeywell的针对生产调度的先进解决方案给企业带来了一个新一代的调度解决方案。它帮助调度人员确定优化的调度方案，并与操作和移动自动系统进行无缝连接。Honeywell的 Production Scheduler基于独特的、专用的优化技术，用于优化处理和调合，实现前端的平稳操作。它充分考虑现场的具体化要求，具备预测原料生产单元的产率和特性的能力，充分利用现有的容器，使产率和特性尽量接近生产目标。它通过提高工厂的盈利能力、降低加工的成本 、降低购买化工原料的费用、更准确地预测原油的操作 、减少进料和质量 、更好地分析调度问题 、减少库存 、充分利用生产能力，提高产量 、提高工厂的产率、提高整个供应链的计划和库存的可见度。     Production Scheduler的主要功能：（1）滚动更新。自动更新库存、组分、质量、单元性能及正在进行的操作的信息；（2）确定一组操作。允许调度人员确定要完成工厂合同任务（原材料的接收和单元进料等）所采取的操作，以及与计划的操作相关的信息（如配方、操作模式等）；（3）评估操作计划对工厂的影响。通过仿真模拟确定所计划的操作对工厂的影响，协助调度人员查看工厂的状态，包括库存、质量及设备的使用情况；（4）估计未来的情况 ，传达最终的调度结果。把最终的调度计划和操作指令传达给操作人员，协调由于操作条件的变化而引起的时间调配变化，确保每个人都在为一个共同的目标努力。（5）推动相互协作。 与市场人员、操作人员、计划人员及其它的调度人员共享调度信息，加强相互间协作，改善调度决策，提高操作质量 ；（6）比较实际与计划的性能。在计划的范围内，把实际的生产情况与计划的生产情况作比较，包括利用工具软件查看和分析计划与已完成的操作之间的历史偏差；（7）发布一致的信息。给计划人员、调度人员、操作人员及工厂的管理人员提供整体的调度信息，保证各层次的人员作用一致、准确人信息。
　　4 基于MES系统下产品和服务质量持续改善的可靠性增长等关键技术的研究
　　我们研究PKS 过程知识系统的可靠性增长试验就是通过分析该系统的“卓越的优化功能” ——“发现故障、分析和纠正故障”，以及对纠正措施的有效性而进行验证，一般称为“试验——分析——改进” 以提高产品可靠性水平的过程，实现了企业自身的可靠性增长。国内外的研究如Z.Jelinski与P.B.Moranda在他们的“软件可靠性研究”论文中提出了第一个实用的软件可靠性增长模型 ；针对柔性制造系统和CIMS进行可靠性分析，具有代表性的有美国K.Miriyala和N.Viswanadham建立的PSG（Process-spanning graph）模型，及我国中科院疏松桂等建立的Markov模型。德国a.zimmermann等提出用Petri网对制造系统进行优化。以往的复杂系统可靠性研究综合方向，它所讨论的单元，仅为I型单元（是完全继承或很少改进的单元，可称为继承型单元，简称为I型单元 ）。这实际上假定系统中的所有单元在研制中均没有可靠性增长;或者对研制中的可靠性增长信息，作“大锅饭”式的处理，即当作没有可靠性增长;或者仅仅利用各单元在研制定型后的信息。这样将丢失，浪费II型单元的试验信息（II型单元是新研制的或进行了重大改进的单元，可称为增长型单元 ）【27】，我们认为Honeywell的Business FLEX? PKS?系统 是一种具有增长型单元（II型），是可靠性增长的优化模型。
　　Honeywell的Business FLEX? PKS?系统十分注重将质量持续可靠性增长的思路结合在一起，在系统设计过程中，通过对系统各组成单元潜在的各种故障模式及对系统功能的影响，与产生后果的严重程度进行分析，提出可能采取的预防改进措施，以提高产品质量可靠性的一种设计方法（如图2所示）。它对各种可能的风险进行评价、分析，以便在现有技术的基础上消除这些风险或将这些风险减小到可接受的水平。它是一种归纳分析的方法，是一个“事前的行为”，而不是“事后的行为”。为达到最佳效益，必须将产品的故障模式纳入产品制造过程之前进行。作为应用工程主要通过实践将设备的特性客观反映出来，运用系统工具找到持续改善的最佳结果。
　　图2 产品质量操作管理解决方案

　　制造执行系统可靠性定义: 严格来讲，系统可靠性应包括一下三方面的内容: (1) 系统工作可靠性R1( Operational Reliability of System )。它是系统在运行时的可靠性，是一种综合性的可靠性指标。(2)系统固有可靠性R2( Inherent Reliability of System )。它是系统在生产过程中就己确立了的一种可靠性，它和系统所选用的语言、软件设计分析、数据的可靠性、设计方案、软件结构、硬件结构、软件测试、预防错误以及制造工艺、材料等有密切关系，是系统的内在可靠性，当系统产生时，固有可靠性便已确立。(3)系统使用可靠性R3(Use Reliability of System )。它要使系统在满足规定的可靠性指标，完成预定功能的前提下，使系统的技术性能、模块功能指标、制造质量和成本及系统效率等取得协调并达到最优化的结果，或者技术、性能、质量、时间、成本和其他要求的约束下，实现可靠性增长。三种可靠性不是互不相关的，它们之间存在有一定的关系，这种关系可以用数学公式表述如下:      R1≈R2R3。                    
　　制造执行系统是个复杂的系统（如图3所示），其可靠性评价中将整个系统分成了四个层次：系统层、分系统层、子系统及组件层，组成MES系统的子系统具有一定的独立性，又互相连接组成有机的整体，对MES系统的评价，首先要考虑各个子系统的可靠性。由此，遵循系统可靠性的传统定义，我们将制造执行系统可靠性定义为:在其整个运行的过程中，在各种制约性因素(即各种影响制造执行系统高效可靠运行的因素)的影响下，能够持续完成规定功能的能力。换句话说，可靠性可以用来衡量制造执行系统在完全提供其功能时的成功程度。另外，不管系统中有没有问题或故障，只要它不影响正常功能的执行和完成，就认为系统是“可靠”的，因此制造执行系统是一个多态系统，也是可降级的复杂系统。
　　从系统可靠性的角度看，制造执行系统是一个的分布式信息系统，属于大型复杂系统。复杂大系统可靠性模型的复杂性主要体现在以下儿个方面: （1）系统规模庞大，通常由多级子系统构成，各级子系统又包含众多的基本设备单元，且各单元的寿命分布类型各异，如指数分布、二项式型、等等。（2）系统整体逻辑结构复杂，由基本单元按照多种逻辑关系而构成，典型的如串联、并联、串并混联以及网络结构等，并往往呈现多类结构相互嵌套状态。（3）相关性的存在。复杂大系统在不同的任务阶段，一般由不同的子系统、功能 单元来组合完成，因此其可靠性逻辑结构也会随着任务时间段的改变而变化，造成功能模块间的相关性问题。这种相关性主要表现在两个方面，一是单元共用相关性，即同一任务时段内，部分单元在不同功能模块中共用，表现为相应方框在可靠性框图中重复出现;另一种是时段延续相关性，即对于多阶段任务，各单元由于开始参与工作的时刻不同、工作时间长短不同以及 连续或断续出现在各任务阶段中，呈现出不同时段间的相关性，表现为部分单元重复出现在可靠性框图中不同时段的模块内。
　　图3 Honeywell MES 系统架构

　　山东肥城阿斯德化工有限公司采用美国霍尼韦尔公司开发的PKS 过程知识系统取得了较好成效。首先，该系统可以对生产装置进行集中监视和分散控制，各工段所需要的准确计量管理，能耗、产量、质量管理能够在微机上反映出来，使装置生产管理水平得到相应提高，实现全流程工艺自动化，保证工艺装置的安全高效、稳定、长周期运行，提高了生产操作水平及产品产量和质量；其次，各工段有准确的历史记录曲线，能够进行比较长期的事故分析，可根据历史数据进行分析，对重要设备进行建模，实现优化控制，能够及时发现问题、解决问题，提高生产管理的有效性。同时各工段设置报警、连锁，建立报警、连锁模板数据库，能够对装置报警、安全进行更好的监控和管理，保证了操作员能及时有效的处理报警，保证整套装置的安全运行。第三，系统的可靠性及安全性选用自控系统要能够对装置报警、安全进行更好的监控和管理，保证操作员能及时有效的处理报警，保证整套装置的安全运行，缩短装置事故的恢复时间，提高整个系统的可靠性和安全性。该系统提高了装置产能和产品质量，降低生产成本和能耗，提高了设备资产利用率，保证工艺装置的安全高效、稳定、长周期运行，改善生产操作水平，优化工艺条件，找到最佳的工艺参数，实现经济效益的可靠性增长【28,29,30】。
　　5 结论
　　本文对Honeywell的生产执行系统解决方案Business.FLEX? PKS?系统可靠性增长管理的研究，不仅研究了该系统内各种资源的可靠性管理问题，也让我们进一步明确了其系统的稳定性、可靠性、持续性提供帮助，通过采用科学的可靠性增长管理的理念，可以消除制造执行系统的可靠性隐患，是提高可靠性水平的有效手段，对于保障企业的社会效益和经济效益提供了可靠的依据。有数据表明（据Honeywell Business FLEX? PKS?财务收益统计）：

　　通过对Honeywell解决方案Business.FLEX? PKS?系统可靠性工程的分析，可以得到如下结论:
　　(1)可靠性增长管理技术是包括过程管理、规划管理和风险决策分析的统一体。可靠性增长管理技术在制造执行系统的运用，还只局限于可靠性增长评估的内容，今后将逐渐融入系统的可靠性增长风险分析、规划技术和决策技术的内容。
　　(2)可靠性增长管理技术逐渐由定性管理发展为定量管理
　　一方面由于MES系统试验费用昂贵、子样小增加了定量可靠性增长管理的难度，虽然定量方法的研究和和应用中还存在很多困难和阻力，但基本上已逐渐实行定量化的可靠性增长管理，定量的可靠性增长过程控制与管理、可靠性增长评估方法已在产品中得到实际应用。另一方面，制造执行系统具有重要的生产或服务功能，不但具有可修复性，还要具有很强的市场适应性，即要具有很快的市场响应速度，以实现其经济效益和社会效益。因此，就要求研究探讨考虑多因素的既面向流程型制造执行系统功能的架构，又面向可靠性建模与分析方法，寻求提高系统可靠性和适应性的新途径和新方法，以达到提高系统的运行可靠性和生产效率的目的。
　　(3)对可靠性增长信息的管理已逐渐受到重视
　　可靠性增长信息是进行定量可靠性过程控制与管理、可靠性增长规划和分析决策的基础。由于MES的子样小，相信在可靠性增长管理中对数据和信息的管理和利用逐渐受到重视。
　　References:
　　[1] 宋海生，面向敏捷制造的制造执行系统研究. 河北科技大学学报.2002.62(3)pp35-39
　　[2] 李文辉. 制造执行系统(MES)的应用与发展. 兰州理工大学学报.2006.32(2).pp50-54
　　[3] 于海斌，朱云龙.可集成的制造执行系统[J].计算机集成制造系统CIMS, 2000, 6( 6) : 61一63
　　[4] Rathwell, Gary;   ISA-95- Setting the Stage for Integration of MES and ICD Systems Enterprise Integration of Control Systems, 2006. The Institution of Engineering and Technology Seminar on23-23 Nov. 2006 Page(s):113 - 114
　　[5] Summary: This presentation describes the reasons for, and history of, the emergence of ISA-95, including how it relates to other enterprise integration standards such as ISA-88, ISA 99, and various ISO, IEC, and CEN standards. It sets the stage for the wide
　　[6] Buszsott J.A. Shanthinkumer J.G. Stochastic models of manufacturing system. New Jerey：Prentice Hall, 1993
　　[7] J.Li,S.M.Meerkov. Production variability in manufacturing systems:Bernoulli reliability case. Annals of Operations Research 2000(93), P299~324
　　[8] A.Zimmermann etc. A two phase optimization method for Petri net models of manufacturing systems. Journal of Intelligent Manufacturing, 2001(12), P409~420
　　[9] J.Driscoll, D.Thilakawardana. The definition of assembly line balancing difficulty and evaluation of balance solution quality. Robotica and Intergated Manufacturing,2001(17),p81-86
　　[10] Keytack H. Oh. Expert Line Balancing System.Computers ind.Engng1997(33),p303-306
　　[11] J. Loman. On reliability modeling and analysis of highly-reliable large system.Proceeding of the Annual Reliability and Maintainability Symposium,Jan 2002,Institute of Electrical and Electronics Engineers Inc.p456-459
　　[12] 李泉林等．具有相型寿命的Clarke型CIMS生产线可靠性研究．自动化学报．1997（1），P35~41
　　[13] 宋本基，郑鹏，喻宏斌．用面向对象方法实现基于Petri网的FMS动态调度仿真．哈尔滨工程大学学报．1999年2月，p1
　　[14] Lu Wei, Kan Shulin, Zhu Yan. Research on Layout of Multi-Product Assembly Line Based on Simulation. System Simulation and Scientific Computing,2002,11,p362
　　[15] 张涛，武小悦，谭跃进．Petri网在系统可靠性分析中的应用．电子产品可靠性与环境试验．2003，2，p59-65
　　[16] Dhingra K.A. Optimal Opportionment of Reliability and Redundancy in Series Systems under Multiple Opjectives. IEEE Transactions on Reliability．1992, 41(4): P576~682.
　　[17] 徐勇等．基于模糊状态的可修表决系统可靠性分析．北京理工大学学报．2000（6）P698~702
　　[18] 朱妍、阚树林．模糊可靠性分析方法及其在高炉送风系统中的应用，上海大学学报．2004，10（5）：484-487.
　　[19] 金星等．大型复杂系统可靠度评定Bayes方法讨论．2004年全国机械可靠性学术交流会论文集．中国机械工程学会可靠性工程分会．2004年10月：70~73
　　[20] 王磊，刘文珽．基于随机模糊参数的结构模糊可靠性分析模型． 北京航空航天大学学报,2005,31(4) :412-415
　　[21] H. Pham, L. Nordmann, X. Zhang. A General Imperfect Software Debugging Model with S-shaped Fault-Detection Rate. IEEE Transactions on Reliability,   1999,48(2):169-175
　　[22] S. L. HO, M. Xie, T. N. GOH. A Study of the Connectionist Models for Software Reliability Prediction. Computer and Mathematics with Applications,2003,46(7):1037- 1045
　　[23] M. Defamie, P. Jacobs, J. Thollembeck. Software Reliability: Assumptions, Realities and Data. Proceedings of IEEE International Conference on Software Maintenance(ICSM'99). Oxford England, 1999:337-345
　　[24] 吴晗平.软件可靠性模型技术分析.现代防御技术.1998,26(2):32-41
　　[25] 邹丰忠，李传湘.软件可靠性模型理论分析.武汉水利电力大学学报.1998,31(2):76-80
　　[26] 斤涓，杨孝宗.经典随机过程类软件可靠性模型分析.第二届中国测试学术会议论文集.上海，2002:303-309
　　[27] 周源泉,郭建英 含增长单元的复杂系统的可靠性综合，系统上程学报，1999，14（3），251-256
　　[28] 曹 林 虹. Honeywell 公司的TPS 与PKS 系统在空分设备中的应用. 1994-2008 China Academic Journal Electronic Publishing House.2006. 12-15
　　[29] 梁恩泉 巨林仓 欧伟.新一代控制系统PKS.中国仪器仪表.2004.4 11—13
　　[30] 刘靖广孔令宇张兆明张伟. PKS 过程知识系统在工业化示范装置中的设计与应用. 中国仪器仪表2005 (8) 89-91