mes为数据采集、信息流动、流程协调提供了支持，但不能仅仅是采集的数据入库、信息流动顺畅、业务环节协调这些内容，还应该发挥更大的作用，为制造工艺技术的改进和提升提供支持，也即mes与工艺的融合，主要体现在三个方面：
(1)质量数据与工艺的融合
在产品质量数据采集以后，通过spc可以及时发现异常点或者问题的趋势，这是mes可以实现的。但产品检测出的状态，对该件产品而言，已经是事后状态了。目前mes传统的做法是，发现问题之后仍然依靠人来解决，系统只是提供了快速的问题发现支持。但对于mes而言，获得了所有的制造执行数据，是具备进一步分析改进优化的能力的。
影响产品质量状态的因素有很多，包括设备自身的状态、加工操作的工艺参数、原材料毛坯或上道工序的加工状态等，都可能对本道工序的加工质量产生影响，因此mes不仅仅进行产品质检数据采集，应该同时采集获取设备状态信息、工艺参数信息、毛坯或上道工序信息，通过建立集成的分析模型，对这些数据进行利用，才能在发现问题的基础上，找到问题的原因。这是mes与工艺融合的典型体现，如果分析模型能够将工人的经验融合进去，则该环节可以认为具有一定的智能化特点，从而为智能制造的贯彻落实提供了支持。典型的可开展的场景罗列如下，其核心是面向质量的基于采集数据的建模与分析，也应该是mes持续发力研究、实现和改进的地方，不仅能够有效推动质量数据与工艺的融合，也是落实智能制造的具体体现：
精细化分析：按照数控程序代码的执行顺序，分析每一条指令代码下的设备状态、工艺参数等的变化，实现目前所提出的程序示波器式分析，进一步的可以借助模型进行智能分析与判断;
智能工序决策：通过建立设备状态、刀具、产品精度的关联模型，实现基于磨损与断裂监测的智能换刀决策和智能加工补偿;
智能过程决策：建立面向工艺流程的工序精度状态链条，建立智能的误差分析模型，实现基于上一步状态的当前这一步加工工艺参数的自适应调整以保证加工质量。
(2)进度数据与工艺的融合
制造执行进度的监控是mes的核心功能，随着mes的运行会产生大量的制造执行数据，其中进度数据是其中的基础数据。目前mes在车间运行的实际情况是，同样一个工作、同样的机床、不同的人来做，时间和精度可能都存在较大的不同。其实这里面反映了工人技能水平的差异。有些企业通过对有经验的工人操作经历进行分析，建立sop(standard operation process，标准作业操作)机制进行规范，取得了良好的效果。
mes可以在这个过程中发挥更好的作用。通过进度数据的统计分析，从精细化分析的角度，找出彼此的差异并建立与加工工艺参数等数据的关联模型，基于分析挖掘将一些好的经验知识进行固化，并从而逐步改进操作工艺的以改善制造执行进度和工艺质量。
(3)设备/单元级状态参数数据与工艺的融合
现在很多mes都提供了产线级数字双胞胎的三维展示模块，通过结合“虚实同步映射”实现了三维产线运行状态的完整展示，但目前在实际应用中，更多的是“实->虚”映射，其实“虚->实”的反馈控制尚比较欠缺。从cps角度而言，可以认为只是实现了开环的cps而没有实现闭环。
但从mes与工艺融合的角度，设备/单元级的cps是能够实现从状态数据采集、分析推理决策、闭环控制执行的完整链条的，其中的分析推理决策环节，就是体现工艺功底和能力的抓手，这就需要基于状态参数建立加工工艺的物理仿真模型，进行闭环持续的工艺优化。这种方式下建立的物理仿真模型，也是当前数字孪生的核心。
通过上面的初步分析，可以得出三点基本结论：
(1)mes采集的大量数据，不仅是实现存档入库，必须结合工艺才能有效的挖掘出其内在的价值，数据如何为工艺提供决策支撑，是企业智能化提升可以参考的结合点、切入点和发力点。
(2)现在mes厂商团队的人员大多偏重于计算机、管理等方面的人才，但随着智能制造的深入进行，工艺人才与知识的缺乏将成为其能否走的更快、走的更远的决定性制约因素。
(3)企业在进行mes系统搞建设时，应该深入考虑如何与工艺的融合，通过在工艺上的重点分析与建设，从根本上提升制造企业的核心工艺业务能力。
