AI低代码搭MES怎么搭？完整架构设计

AI加低代码搭MES，这个组合这两年的热度很高，落到实处的记录不多。这篇把一套完整的架构设计讲透：AI在MES搭建里能干什么、低代码承载什么、两者怎么咬合。

方案来自一个汽车零部件工厂的实操项目，产线十二人、三班倒，项目周期三个月，当前已稳定运行一年。

一、先分清：AI和低代码各干什么

AI低代码搭MES，容易听成"AI把MES搭好了"。实际分工：AI负责加速认知和生成，低代码负责承载和运行。

AI的三个加速点。需求分析阶段：把车间主任的口述需求整理成结构化的功能清单，AI把非结构化的描述（"我想知道每个工单耗了多少料"）翻译成功能点（物料消耗统计：按工单汇总领料和退料）。建模阶段：根据业务对象的描述生成数据模型的初稿（工单对象的字段建议、对象间关系的建议）。配置阶段：复杂公式和逻辑的生成（工时统计的计算规则、稼动率的算法表达式）。

低代码的承载。AI生成的东西落在低代码平台上：数据模型配置成业务对象、界面拖成表单和看板、逻辑写成平台规则、集成通过平台的连接器。MES的运行时完全在低代码侧——AI是建设期的加速器，不是运行时的引擎。

这个分工的意义：AI把搭建周期压缩一半以上，低代码保证系统的可维护和可演进。指望AI一键生成完整MES的，目前的技术水位做不到；AI不用、纯手工配低代码的，又浪费了时代给的工具红利。

二、MES的架构分层

低代码承载的MES，架构分四层，从下往上讲。

• 数据层：业务对象的建模。MES的核心对象八个：工单、物料、BOM、工艺路线、设备、人员、班组、质检单。对象的关系网：工单挂BOM和工艺路线，领料退料挂工单和物料，报工挂工单、人员、设备、班组。建模的要点：字段一次建全（后期加字段成本翻倍）、关系方向想清（从查询视角反推）、编码规则内建（工单号、批次号的自动生成规则）。

• 逻辑层：业务规则和流转。MES的核心逻辑五组：工单流转（下达、开工、完工、关闭的状态机）、物料联动（领料扣库存、退料回库存、完工入库）、报工逻辑（产量、工时、不良的登记和累计）、质检联动（检验批的生成、合格不合格的处理分流）、异常处理（停机记录、超耗预警）。低代码的规则引擎承载这些逻辑，配好的规则可视化可追溯。

• 界面层：角色的场景化界面。车间不看电影式的通用界面，要角色定制的极简操作台：操作工的报工界面（扫描工单、报数量、报不良，三个按钮）、班组长看板（当班产量、稼动率、异常列表）、车间主任驾驶舱（工单进度、物料齐套率、质量趋势）、仓库的收发界面（扫码收料、拣料发料）。界面层的AI加速：给AI描述角色和场景，生成界面布局的初稿，再手工调优。

• 集成层：和周边系统的接口。ERP的工单下发和入库回传、WMS的库存同步、设备的数采对接（PLC数据的接入）。低代码平台的连接器能力覆盖常见协议，特殊接口（老旧PLC的专有协议）用自定义代码组件补位。

三、AI咬合进流程的四个实操点

AI在哪几个点上真正咬合进了搭建流程，实操细节如下。

• 点一：需求的结构化。和车间主任的两轮访谈录音，AI转写加整理，输出功能清单的初稿。人工校对后，功能点从模糊的四十多条收敛到清晰的三十七条。这个环节AI节省的时间：两周的手工整理压到两天，而且结构化的质量更高（AI不会漏掉口头提到但没展开的细节点，人工整理容易漏）。

• 点二：对象建模的初稿。把三十七条功能清单和业务对象的描述喂给AI，生成八个核心对象的字段建议（每个对象十五到三十个字段，含字段类型和备注）。人工评审：删掉三分之一的过度设计字段，补充十几个行业特有字段（模次、节拍这类汽车零部件的特有属性）。建模周期从预估的三周压到一周。

• 点三：复杂公式的生成。稼动率的计算（运行时间比计划时间，扣除计划停机和例外停机的口径争议）、材料利用率的算法（投料量、产出量、损耗的分母口径）。这些公式的第一版由AI生成，口径的业务确认人工做。AI在这里的价值不是算得对（口径对错它判断不了），是给出结构和选项（三种常见口径的写法摆出来，业务挑），决策效率提升。

• 点四：测试数据的生成。上线前的模拟运行需要测试数据：三百个工单、五千条报工记录、两个月的跨期数据。AI生成符合业务分布的测试数据（工单的大小分布、报工的时间分布模拟真实节奏），测试环境的仿真度上去了，上线前暴露的问题多了一批。这个环节省的不是时间，是上线后的返工。

四、项目节奏和踩坑记录

三个月的节奏：第一个月数据层加逻辑层核心（工单、物料、报工），第二个月界面加质检，第三个月集成加试运行。AI的介入集中在前六周（需求、建模、公式），后六周以配置和调试为主。

踩过的三个坑。

• 坑一：AI生成的字段过度设计。初稿字段里有十几个"听起来有用"的字段（不良原因细分到二十类），实际运行中操作工只选前五类。教训：AI建议的字段按"上线必填吗"过筛，宁少勿多，字段是成本不是资产。
• 坑二：界面初稿的审美陷阱。AI生成的界面布局初稿看着专业，但车间的实际光线和操作姿势（戴手套戳屏幕）下，按钮要更大、层级要更少。教训：界面以车间实测为准，初稿只是起点，别被"看起来好"骗了。
• 坑三：测试数据和真实数据的偏差。AI生成的测试数据太"正"，真实数据的脏（字段缺失、编码不规范）在测试期没暴露。教训：测试期掺入一部分真实历史数据，脏数据的清洗逻辑要在上线前跑通。

五、运行数据和价值核算

运行一年的数据：报工及时率从纸质的滞后一天到当日实时；工单的物料消耗核算从月底模糊分摊到按单精确归集；稼动率的周环比可见后，停机原因的整改（换模时间的优化）带来可计算的产能提升约百分之六。

价值核算的口径：系统投入（平台订阅加实施人力折算约四十万）对比年度收益（物料损耗下降、产能提升、统计人力节省三项合计约一百二十万），回收期五个月。数字之外的价值：车间的数据基础从零到一，后续的质量追溯、成本精细化都有了地基。

常见问题

Q：AI生成的MES可靠吗，出了问题谁负责？
AI生成的是初稿不是成品，可靠性由人工评审和测试兜底。责任链和传统开发一致：配置的确认人、测试的签字人、上线的批准人。AI加速的是过程，责任体系不因工具变化而豁免——用好AI的前提是把它当实习生带：产出可用，验收在你。

Q：低代码搭的MES能扛住产线的并发吗？
看规模。几十个终端、秒级操作的场景（多数中小产线），主流低代码平台扛得住。上百终端、毫秒级响应的场景（高速产线的实时控制），MES的实时控制层不适用低代码——低代码做管理层的MES（工单、物料、报工、质量），实时控制层（PLC、SCADA）走专业栈，两层通过数采接口衔接。分层是正解，一把梭是蛮干。

Q：AI加速的部分以后会过期吗？
AI的生成能力会持续进化，今天要写半天的建模初稿明天可能一句话完成。但MES搭建的核心认知不过期：业务对象怎么抽象、口径怎么定义、流程怎么设计。AI越强，这些认知的价值越大——它决定你能不能指挥AI干对活。工具的红利期有限，认知的复利期无限。

Q：没有AI参与的旧低代码项目，值得用AI重做一遍吗？
不值得重做，值得增量。跑得稳的系统别动，新模块、新需求用AI加速的方式做。搭贝平台上有些老客户就是这么干的：存量应用不动，新场景用AI辅助的流程搭，两种节奏并行。重做的冲动多数时候是工具炫技，不是业务需要。

Q：这套架构对其他制造行业通用吗？
架构分层通用（数据、逻辑、界面、集成四层），对象模型要按行业重定义：食品行业的批次和效期对象、电子行业的SMT贴片对象、机加行业的工序外协对象。搭MES的第一课永远是行业课——把行业的特有对象和逻辑摸透，架构模式反而是最通用的部分。