生产过程执行管理系统（MES）：作为DCS和MES之间的接口，实现生产绩效管理和运行数据的集成，功能模块包括短期生产计划、作业排产和调度(APS)、维护管理、技术信息管理、在线实时优化RTO、产品质量管理LIMS。
不管在哪个层级，要让计算机来解决问题，都需要将问题数字化并抽象为数学模型，所以智能化的核心是五个化：“数字化、可视化、模型化、自动化、集成化”。只有将经验、信息通过检测技术来数字化，通过数据可视化分析找到规律，然后将规律转化为数学模型，再通过计算机对数学模型自动求解、自动决策，将决策或结论自动传输给上一层或者下一层，从而达到集成化。这个完整的过程就是知识自动化，知识自动化将人从重复性工作中解脱出来，专注于创新和高附加值的活动，显然它对人才的要求变得更高。
很长的路要走
动设备的监测、预维护是大数据技术在化工领域少许的几个可行应用之一。其需要发展的技术：一是新型传感技术：将振动、声音、图像、电流等信号融入监测模型中，一个关键特征信号可以代替几十个关联较弱的信号。而基于大数据的人工智能技术最大的成就就是声音、图像的处理识别，工业上基于这两类信号的应用还比较少，是时候应用它们了。二是信号处理方法和算法：如何将信号现象同故障类型关联起来，需要使用高级模式识别技术。
但即使如此，类似行业复制仍然存在很大的难度，不能简单移植。
一是因为上各种智能制造系统的投入和产出比。智能制造的一项主要投入就是各个层次的软件，软件投资的一个特点就是它与装置规模几乎无关，一套软件的价格不会随着装置规模大小发生变化，但产生的效益基本同装置规模成正比，如此看来，软件系统的投资收益也存在几乎是线性的规模效应。中小企业必须用适合中小企业的低成本的软件系统。二是因为三个层次的优化除了PCS直接纯粹和设备通讯外，但是ERP和MES有更多的与人的接口，并涉及到企业的管理文化，系统的投用涉及到管理、文化的变化，或者系统根据企业的管理文化来定制化。涉及到人的东西，就不能简单的复制了。
后记：靠谱的路在脚下不在天上
虽然人工智能的概念现在非常热，讲了无数故事，吸引了无数投资，但是对化学工业（甚至可以扩大到流程工业）的影响基本可以认为忽略不计。化学工业谈智能制造，绝不是依靠基于大数据的人工智能，而是依靠知识、经验的数字化、自动化。石油化工行业的“智能制造”的框架早已确定，就是在过程控制、生产管理、经营管理这三个层次分别通过PCS、MES和ERP来实现知识自动化和智能化，这是一条靠谱的路。
