MES管理系统统计分析方法，MES利用概率论和数理统计的方法，对已有的大量生产数据进行统计分析，寻找影响质量指标的主要因素及其与产品质量之间的关系，在多数情况下，可以归纳为一种数学上的函数关系。MES管理系统体现一种动态的质量模型；不涉及时间因素时获得的模型称为静态模型。另外，如果已经给出了质量模型的基本结构，即函数／ 的具体形式已知，只需要统计分析模型的具体参数，那么模型化的主要工作是参数辨识。

MES系统人工神经网络方法，MES系统人工神经网络是一种利用多个简单的非线性人工神经元而组成特定结构的网络系统。这种网络系统具有非线性、自适应、自学习的功能，能描述许多复杂的非线性关系。利用人工神经网络方法，首先要选择一个合适的网络模型，把产品质量指标作为网络输出，影响因素作为网络输人，MES通过一定的学习、训练，调整神经元之间的连接权。网络的输人、输出关系代表了产品质量关系，可以描述各种复杂的非线性产品质量模型。

MES系统基于机理分析的方法，MES管理系统由于影响质量指标的因素很多，单纯依靠数学上的统计分析常常会面对非常庞大的数据以及过于复杂的质量模式。MES但根据生产工艺，利用已知的物理、化学定律，分析质量指标和影响因素之间的关系，却能建立一种相对简洁、准确的质量模型。这种利用机理分析方法所得到的质量模型叫机理模型。

MES系统基于控制论的试验测试方法，MES系统把产品质量指标视为几个主要影响因素的函数，通过试验方法，改变一个或几个影响因素，观察产品质量指标的变化情况，获得输入输出数据，再应用数学方法，确定质量模型的结构及其参数。这是一种系统辨识方法，也是一种黑箱测试法。

MES系统基于知识的人工智能方法，事实上，MES影响产品质量的因素很多、很复杂，有些因素是可观测，有些是不可观测的；有些是连续出现的，有些是非连续的；有些是数值的，有些非数值的，可能根本无法用一个数学模型加以描述，所以，只能用一些经验的、启发式的规则，对质量影响因素作必要的说明。MES系统虽然相对函数形式的模型，规则显得有些过于粗糙，但在没有办法获得准确质量模型的情况下，这种规则也不失为一种好方法，并且这种方法能适应各种复杂系统，便于人们使用和理解。

MES系统数据挖掘方法，MES系统数据挖掘是运用基于计算机的方法，包括线性回归、非线性回归、概率统计 、聚类分析、分类、立方体分析、机器学习等各种新技术，从数据中获得有用知识的过程。数据挖掘有预测和描述两个基本目标。MES预测是用数据集中的一些变量或域，预测用户关心的未知变量值；描述则力图从数据集中发现并描述出可由人类解释的数据模式。

效率科技作为工业4．0和信息化整体解决方案为核心的提供商，对MES系统项目的实施有丰富行业经验。针对目前制造企业在MES系统项目实施中遇到的问题，我们有较为成熟的行业经验和技术研发团队。另外，我们一直坚持从提高企业的生产力出发，结合企业目前的管理现状来确定企业智能制造的战略，助力企业实现智造转型升级。