mes系统运维核心是保产线不停、数据不漏、工单不乱、对接不中断，覆盖日常值守、数据运维、接口 / 设备、性能优化、故障应急、安全与权限、升级迭代七大模块，直接决定工厂产能、追溯与计件的准确性。
一、日常值守（每日必做）
目标：早发现、早预警、早处置，避免小问题停产线。
1）服务器 / 虚拟机巡检
CPU、内存、磁盘 IO、磁盘空间（使用率 > 80% 预警）
数据库：连接数、锁等待、慢查询、备份状态
服务状态：MES 主服务、接口服务、定时任务、打印服务、消息推送
2）车间终端点检
工位 PC、工控机、触摸屏、PDA、扫码枪：在线率 > 95%，网络延迟 < 200ms
打印 / 标签机：测试打印、卡纸、缺纸、模板正常
3）日志与告警排查
系统日志、应用日志、接口日志：报错、掉线、重放、重复提交
告警分级：P1（系统崩溃 / 产线停）、P2（数据错误 / 接口断）、P3（小功能异常）
二、数据运维（MES 核心命脉）
目标：数据准、可追溯、不丢失、可恢复，杜绝工单 / 物料 / 报工错乱。
1）核心数据校验
工单：状态（新建 / 下达 / 在制 / 完工 / 关闭）、工序配置、物料齐套
条码 / 序列号：唯一性、不重复、不窜料、批次关联
报工数据：产量、良不良、工时、班组、设备、工序匹配
追溯数据：批次 / 序列号→工序→设备→人员→时间→物料→质检结果
2）数据库维护（关键）
索引优化：常用查询字段（工单号、物料号、时间）建索引，避免全表扫描
数据清理：归档历史数据（>1 年）、删除冗余日志、清理临时表
防锁表：大事务拆分、避免高峰时段批量更新、死锁监控
备份策略：每日全备 + 实时增量备份，异地存储，定期恢复演练
3）常见数据问题处理
重复条码：查重、作废旧码、重新绑定
漏报工：补录、核对设备 PLC 日志、补全工时
跨工单窜料：冻结异常工单、物料追溯、调整库存
报表为 0：检查报工写入、视图 / 存储过程、数据权限
三、接口与设备对接运维
MES 是 “夹心层”：上接 ERP、下接 PLC / 设备、左接 WMS、右接 OA/HR。
1）对接清单与关键点
MES——ERP：工单下发、物料同步、完工回传、成本结算；校验单据号、数量、状态一致性
MES——设备 / PLC：设备状态、产量、参数、报警采集；通讯协议（TCP/IP、OPC UA、Modbus）、数据格式、断点续传
MES——WMS：入库、出库、领料、退料、库存同步；批次 / 序列号双向一致
ME——质检系统：检验结果、不良原因、返工 / 报废触发
2）常见对接故障
接口掉线：网络中断、服务宕机、密钥过期、IP 变更；重连、重启服务、更新密钥
数据重复：重放机制、幂等性未做；加唯一主键、防重校验
数据丢失：网络波动、超时未重发；断点续传、定时对账补传
格式不匹配：字段长度、编码、日期格式不一致；统一标准、转换中间件
四、性能优化（防卡顿、防宕机）
1）监控指标（阈值预警）
服务器：CPU<80%、内存 < 85%、磁盘 IO<90%
数据库：响应时间 < 1s、慢查询 < 5 条 / 分钟、连接数 < 较大数 80%
应用：TPS>50、接口响应 < 300ms、错误率 < 0.1%
终端：页面加载 < 3s、扫码响应 < 1s
2）优化手段
数据库：索引优化、SQL 调优、分表分库、读写分离
应用：缓存（Redis）、静态资源压缩、异步处理、负载均衡
网络：专线、VLAN 隔离、带宽扩容、QoS 优先级
终端：低配升级、浏览器优化、减少插件、定期重启
五、故障应急处理（P1/P2 快速恢复）
1）分级响应
P1（系统崩溃 / 产线停）：30 分钟内响应，1 小时内恢复，启用备用系统 / 手动流程
P2（数据错误 / 接口断）：2 小时内解决，数据回滚 / 补录，业务验证
P3（小功能异常）：24 小时内修复，不影响生产
2）标准处理流程
故障报告：现象、影响范围、时间、用户反馈
快速定位：日志、监控、测试环境复现，区分硬件 / 软件 / 网络 / 数据
应急恢复：重启服务、切换备用、回滚配置、手动补单
根本原因分析（RCA）：5Why，杜绝复发
验证与记录：业务测试、数据核对、写入知识库
3）典型 P1 故障
数据库宕机：检查服务、磁盘、日志；重启、恢复备份、切换备库
MES 服务挂死：进程杀死、重启、检查配置 / 补丁 / 资源
全网断连：网络设备、交换机、防火墙；切换备用网络、重启设备
六、安全与权限管理
1）权限控制
三权分立：管理员、操作员、审计员，较小权限原则
角色化配置：按岗位分配菜单、按钮、数据权限（如只能看本车间数据）
密码策略：强密码、定期更换、锁定机制
操作审计：所有关键操作（增删改、权限变更、数据导出）留日志，可追溯
2）数据安全
防泄露：敏感数据（配方、良率）加密，导出审批
防篡改：关键数据（工单、报工）禁止删除，仅可作废 / 冲销
防攻击：防火墙、入侵检测、定期漏洞扫描、补丁更新
七、升级与迭代管理
1）版本升级
规划：评估影响、备份数据、测试环境验证、制定回滚方案
实施：夜间 / 停产窗口操作，先升级测试环境→验证→生产分批灰度
验证：功能、数据、接口、报表全量测试，业务确认
2）配置变更
变更审批：需求评估、技术评审、测试验证、业务确认
变更记录：时间、人员、内容、原因、影响、回滚步骤
八、运维团队与知识库
团队配置：系统管理员（1）、数据库管理员（1）、网络 / 接口工程师（1）、业务支持（1）
知识库：常见问题、处理步骤、SQL 脚本、配置参数、故障案例，图文手册，一线人员可自查
培训：用户操作培训、运维技能培训、应急演练
九、运维 KPI（量化考核）
系统可用率：≥99.9%（年停机时间 < 8.76 小时）
故障响应时间：P1≤30 分钟，P2≤2 小时
数据准确率：≥99.95%
接口成功率：≥99.9%
终端在线率：≥95%
