在工业4.0下，APS如何参与智能制造的新一轮的角逐？

随着大数据及工业大数据又被业界泛化，而工业企业却需要重点关注此技术对制造的核心竞争力QCD（质量、成本、交货）方面的应用。而大量的案例均是在设备维修和产品售后服务领域的成功应用。

而制造企业的管理者们会发现，他们在追求转型升级尤其适用智能化手段时，他们仍处在一个完全不舒服,充满混沌和复杂性、感觉很狼狈的世界。越来越多的人讨论的都是事实与认识之间的不协调，新的现实的特征就是不确定性和歧义丛生。因为脱离整个系统或有效产出（throughput）孤立的智能化、提高设备效率或降低成本是没有意义的。

随着智能制造的持续推进，智能计划排产成了中国制造企业转型升级的刚性需求，APS就成了制造企业需要迫切了解的系统。可视化的图形界面和高级的算法，它们适合我们吗？在我们的需求中，哪些方面它们可以完美的满足？如果我们使用，可能会带来的具体效益和潜在障碍会是什么呢？

一、理清概念

关于APS具体是哪些单词的缩写，有据可查的就有很多种，这就造成了都在讨论APS的人忽然发现对方讲的和自己不完全是一回事的尴尬局面。A是Advanced（高级）的缩写，没有分歧。P 可查的说法包括Planning和Production；S包括Scheduling和System。经过排列组合，就会发现APS有的代表Advanced Planning and Scheduling, 有的代表Advanced Production Scheduling，有的代表Advanced Planning System等等。

无论用什么词汇，可以看出在帮助企业进行资源规划和优化的系统中，我们关注点在Planning 和 Scheduling这两个方面。 Planning 代表了“计划”；而Scheduling代表了 “调度”、“排程”，或者在很多人理解中，代表了“排产”。

为什么要把这两个词分开表述，因为它们代表了不同的优化精度和优化算法，对数据有着不同的要求，也就造成了对企业有着不同的适用程度。这两个概念之间的关系如果不搞清楚，我们就没有办法准确地评价一个系统是否适合自己的需要。

理想中，我们希望有一个智能系统可以像一个智者一样，时时刻刻告诉我们该生产什么产品，该在哪台设备上生产，该生产多少，在生产现场发生变化的时候，该如何调整等等。幸运的是，目前这个智者正是工业4.0的智能制造所追求的。

在满足客户需求情况下最有效率安排企业资源是一个理论上非常具有挑战性的问题。这个问题正因为过于复杂，大部分问题即使用超高速的计算机也无法在可以忍耐的时间范围内得到最优的结果。这个现象随着计算机硬件速度的提升和大内存的虚拟云计算得到了缓解，但仍然没有根本得到解决，这正是理论研究没有止境、软件开发没有止境的原因。

因此，解决复杂问题的思路只能是缩小问题的范畴，主要通过两个方面：

1. 把问题分割成子问题，分别解决；
2. 把时间分割成不同精度，分别解决。

采用（1）方法最典型的例子就是ERP中将生产主计划（MPS）、能力计划（CRP）和物料需求计划（MRP）作为三个或者几个分开模块、分别运算的情况。这种分割除了满足计算速度的要求外，在产能和物料规划的准确度上越来越显示突出的缺陷。如果理解这种分割发生在六十年代计算机运算速度更加落后的背景下，那么这种当初合理的分割现在已经不合适宜，因为无论从计算机速度、优化算法的质量都比六十年代提升了几个数量级。

为什么这种分割计算是不够准确？道理非常简单，产能的安排和物料的调配互相制约、互为条件，本质上并不存在哪一个可以先于另一个完成。一般来说，资源安排起步于对产能的规划，合理安排最终产品和半成品对企业有限资源的占用；然后根据生产计划产生物料需求计划。但物料供给的波动会造成生产计划的调整，成为一个不但是有限产能，而且是有限物料的优化问题。

采用（2）方法最典型的例子就是提供不同管理层面的计划问题，包括战略层面（长期），管理层面（中长期）和执行层面（短期）。

无论何种层面，为了降低优化计算的复杂程度（例如决策变量的数量），都需要做一定程度的取舍。如果做长期计划，当时间跨度增加、视野更加开阔的时候，优化精度就会降低，比如说采用以周、月为单位的时间刻度。如果做短期计划，例如生产排产，当需要具体安排某个工序在具体时刻发生的时候，这时候时间刻度缩小到分钟级别，那么整个计划排产的跨度就会缩短。

一般来说，时间刻度（或者说时间精度）是划分“计划”和“调度”的最重要依据之一。如果时间刻度是以月、周、天为主，那么这样的资源安排一般称为“计划”或者“规划”（Planning）；如果时间刻度已经深入到小时和分钟（甚至秒）的级别，并且资源安排具备明显的次序要求，那么这样的资源安排一般称为“调度”或者“排产”（Scheduling）。此外，这种划分的另一个重要依据是这两类问题的处理算法一般也大不相同。

按照现在算法和计算机处理能力的发展，现在资源优化的方向已经逐渐摒弃（1）当中产能和物料割裂计算的方式即传统ERP的计划模式（现有的ERP系统也内置APS算法引擎），而是在更系统的“有限产能计划的”框架内一并解决产能和物料的问题。我们所看到的新近涌现出来的很多APS系统。

但碍于算法的复杂程度，在相当长的时间内，采用不同时间精度的方式仍然会很流行，但所幸的是，不同企业或者企业中的不同职能部门对于时间精度的要求是不一样的。

但是，我们需要统一的“有限产能、有限物料”的优化框架下来讨论“计划”和“排产”在中国企业中的适用度，而不再将产能和物料分割开计算。并且还要形成自反馈闭环。

二、优化面临的主要问题、目标、方法和算法

（1）三大难题

在资源优化问题中，我们面临的三大难题是：Lot Sizing（产量），Resource Assignment (资源调配) 和 Sequencing (顺序)。简单来说，就是决定企业每天生产什么产品、生产多少、由谁来完成以及以什么样的次序来完成。

Lot Sizing试图确定在一定单位时间内（例如班次、天、月、周等）生产制造的种类和数量。Resource Assignment试图确定各种加工产品如何分配到多个资源上。Sequencing 试图确定具体的设备加工的次序和生产准备的方式。

（2）多个目标

在资源优化问题中，我们也面临着企业优化的目标。很遗憾的是，企业目标的选取没有降低，反而增大了上述三个问题解决的难度。因为企业对于资源利用的目标不但是多维的，也是不断变化的。企业资源的目标可以包括：库存最小化、资源利用最大化、客户订单满足率最高（客户缺货率最低）、生产转换最短、生产连续性一致化、生产加班最少等等。这些目标随着经营环境的变化，优先级有可能发生变化。

（3）二种方法

一般而言，“计划”所主要针对的问题就是Lot Sizing (产量) 和Resource Assignment (资源调配)的问题；而“排产”所主要针对的问题是Sequencing（顺序）问题。这种对应关系是和问题中所隐含的对时间刻度的要求是紧密相关的。

一个工厂如果获得当天的生产计划，也就是获得了当天需要加工的产品、数量和设备的大致安排，也就具备了基本的生产启动指令。车间排产调度人员具有灵活安排生产加工次序和组织生产的灵活性。“计划”的优点在于在统筹的资源调配情况下，赋予车间现场人员比较宽松的灵活度来应付各种可能的突发事件，缺点在于并没有告诉操作人员如何安排更细致的工作。

反之，“排产”则详细而具体的安排了设备在更精细时间刻度上（小时、分钟）的工作量，以及工序之间应该如何衔接和先后次序。“排产”的优点在于明确操作次序，减少现场人员的随意性；但缺点也是显而易见的，就是对于生产现场的变化处理并不具备宽容度。