点击上方 MES百科 关注我们
e-works鼓励原创，如需投稿请参看首页“原创投稿”说明。
“分配利用好有限资源和提升生产效率，是未来创造价值的关键”——The DANAHER WAY 丹纳赫方法。
APS是端到端供应链管理复杂业务的“神经中枢”，它可以通过计划优化引擎对全局式整体供应链优化来满足客户的价值需求。但在应用时会遇到系统的复杂性、行业的特殊性、运营过程的变化性及现场的动态不确定性的挑战。做到“一键式”智能计划排程有点难度，尤其是多品种变批量的定制生产模式或高离散环境制造中所涉及的资源太多、计划排程模型复杂、数据量过大等，往往会影响系统的应用效果甚至成败。
复杂系统理论指出“面对复杂系统，集中控制往往力不从心，易导致系统脆弱崩溃，有效的方法则是分布式控制”。所以，我们必须从组织、流程、文化高度和系统级与毛细血管级的协同的分级、分层、分布等方法减少其复杂性。其思路是从顶层企业架构模块化体系的设计，到分布式缩小问题的范畴。主要通过两个方面：一是把问题分割成子问题，二是把时间分割成不同精度，分而治之。
在APS的复杂应用中，我们可以在顶层架构下通过计划分层、时间分解，瓶颈松弛，产品分解，资源分解，优先级分解和综合的方法来应对APS的应用复杂性，包括供应链的复杂性、生产过程的复杂性、产品的复杂性、生产系统的复杂性。
1、计划的分层：长期计划、中期计划、短期计划、日作业排程、小时调度、秒级排序。在One Plan的大计划体系中，集中的联动分布式计划。
2、时间分解：该问题被划分为由重叠的时间框架组成的较小的计划问题当前时间窗口内的优化（窗口外的活动是固定的），然后窗口将按交互处移动到新的优化活动。
2、瓶颈分解：分瓶颈资源和非瓶颈资源。对瓶颈资源优化，同时放宽非瓶颈资源的容量限制，通过在瓶颈资源上确定活动的优化顺序来完成计划。
3、产品分解： 分解到零件产品定义的计划窗口即考虑生产的产品的不同的零件所用的资源、中间物料和物流或识别出许多共同资源。
4、资源分解：分资源组与资源。由资源组定义的资源即资源组的替代资源的组合，允许这些替代资源之间的交换相邻生产工艺的资源组合，在多级生产系统中，对资源进行分级处理。
5、优先级分解：由一组活动定义的优先级层级，这些活动属于客户需求的不同优先级并优先级层级分解的目标，如可接受的到期日延迟等，这虽然无助于缩小问题的规模，但可以优先考虑重要客户。
6、可以把以上的方法组合应用，在计划排程运行算法过程中，可以先考虑优先级分解、时间分解、资源分解等方法，直到搜索到用于未松弛的问题而快速优化收敛。
对于APS应用来来说，优化规则要素越多，所得出的排产方案就越科学越符合实际需要，但算法难度和计算量也就越大。把生产时间、资源冲突、资源负荷、换装、软约束违反等多个要素作为优化的顺序，计算出使得上述各规则要素的绩效指标加权综合最优的生产方案，并不是片面追求某个指标的最优，因为各个优化指标的优先层级也是不一样的。
如果符合高一级的优化指标之后还存在多个可行方案，则APS继续用低一个层级的优化指标进行甄选；否则不会执行更低层级的优化指标。一般地，经过多轮甄选之后，最后提供给客户是一个最优的方案，尽可能避免进行庞杂的优选工作。如优化计算顺序：第一层级：生产时间、资源冲突。第二层级：资源负荷、软约束违反。第三层级：换装等规则。
约束组和层级约束的优化规则的顺序可以根据企业关注的痛点来制定。如订单优先级，资源优先级，多客户、多订单，交货日期（需求、最早、最迟），排程状态（正常、延迟、停工），生产策略，物料变化范围，仓库容量约束，安全库存，资源多元能力，动态产能，工艺路线的逻辑约束，员工的技能，物料的供应、最终完成等。
具体应用方法：
一、分级计划
年旬月滚动计划、周滚动计划、日滚动排程，小时微调度。分别由需求计划员、生产计划员、车间计划员、班组调度派工等方式分而治之。
如月滚动计划采用瓶颈资源约束，周滚动计划资源设备组、日滚动排产采用详细资源设备的有限产能及多重约束、在小时、分钟内进行微调度或人际交互排序。
二、TOC的瓶颈DBR方法
利用TOC的D-B-R（鼓-缓冲-绳）原理，减少计划排程资源数，主要对瓶颈或关键资源计划排程计算，放宽非瓶颈资源的能力限制。但需注意瓶颈会动态漂移。如图：
三、资源的分层
通过粗资源和细资源的分解，由资源组定义的计划窗口即资源组的替代资源的组合，允许这些替代资源之间的交换相邻生产工艺的资源组合。在对多级生产计划中，对资源组与详细资源进行分级处理。
四、大规模定制方法
随者C2M反向定制的复杂模式兴起，模块化产品设计、模块化生产、模块化物料供应使得系统复杂性降低，实现大规模定制。如组件标准化计划排程。如图：
从生产大规模模块化定制到整个供应链的大规模模块化的个性化定制,从基于客户需求的生产定制到整个供应链形成一个需求链，即需求驱动的大规模模块化反向定制C2M的定制供需链。
五、IE与精益生产的效率化与流动化、自动化降低其运作的复杂性
通过IE工业工程和精益的交货过程的VSM价值流分析，让物流流动起来，消灭其中的非增值的活动，精简生产（Lean Production）。通过一笔画工厂布局，物流布局优化，通过搬运距离短，压缩转移批量。通过实现单元流水生产布局，减少工序数，创建各个工序的能力节拍均衡和连续生产的流动化与自动化。通过JIT/JIS模块化供料，让物料节拍流动起来，使原料、在制品、成品减少，并让生产节拍一致。通过快速换模SMED，减少准备时间，用IE与工业自动化技术实现多品种柔性自动化生产。
六、单元分割式计算
合理的分割单元之间的联系并加入冗余，使得独立排程不影响前后单元工序。使得排程有一定的冗余，便于应对突然的变化，减少计划重排的复杂性，增加计划排程的稳定性及鲁棒性。
七、设计单元时间窗口
选择有限的时间窗口，可以组成的较小的计划排程划问题。如图：当前时间窗口内的优化（窗口外的活动是固定的），然后窗口将按交互处移动到新的优化活动。
八、IIoT工业物联网
利用物联网的传感智能终端处边缘计算，可以快速响应，并与主计算通讯（云边端）协同，减少APS的大量数据计算复杂性。
内外部的互联，可监控实时的变化，及时反馈学习，形成感知、分析、决策、优化的闭环的决策智能。
使用数字孪生的虚拟化仿真技术，把复杂的物理现象抽象到虚拟的数字环境下，可以把计划排程的过程事先模拟、实时在线同步修正，事后训练模型改善。
九、工业4.0的分布式生产范式
利用AI的Agentic Agent的MAS（Multiple Agent System）智能代理技术。工业4.0追求的是分布式、自主的智能计算，即集中智能与分散智能的分布协作。
为了应对多品小批定制的复杂不确定性，制造必须具有灵活机动性、质量低迭代的高可靠性及大规模的定制成本。实时数据的控制让生产更精益、更分散。分散控制辅助系统可以将集中优化目标分解，对局部快速优化，并对不断变化做出紧急灵活的反应。通过此举，就可进化到自主、自治的MAS（Multiple Agent System）多智能体代理系统。
十、优化层次的匹配模型算法
计算时间越长，可获的优化层度越高。计算的时间越短，速度越快优化层度越低。所以，对中长期计划的需求计划、供应计划、短期的排程执行计划需匹配的不同的算法，降低计算的难度。
需求计划采用统计算法和生成式AI的多维度叠加参数算法法，S&OP与主计划采用OR运筹权衡算法，生产计划与排程采用履约驱动的元启发式算法，排程与调度采用启发式规则或仿真算法以快速收敛。
目前的大模型Al学习、生成、推理算法很难实现复杂约束动态决策问题。
复杂环境下，精确的运筹优化求解器（NP问题）还是需要近似的元启发式算法补充。
灵活响应的场景下，动态仿真算法可以模拟寻找到满意方案。
快速敏捷的压力下，规则贪婪规则算法可以快速满足客户需求。
未来，大模型与小模型组合的分布式多智能体协同决策体系可能可以解决以上问题。留待工业确定性验证，让我们一起努力。
APS的模型算法需要在实际运作中持续的改善，扩充特殊约束能力与特征的数据训练学习，模型不断迭代的优化。
十一、系统的数据自动集成
APS应该与MES或WMS集成，形成闭环的应用，用实际数据反馈来修正重算与现场现实同步，进而指挥生产运作的全过程。
数据很关键，但也可以不完美。正是通过APS的应用不断反馈闭环使得基础数据的准确得到逐步的改善。可以对关键产能工时进行管理，也可先放宽计划排程的颗粒度，由粗到细的数据应用。可以通过工业工程的学习曲线与机器老化曲线的结合，调整标准工时。也可以通过AI的专用大模型训练学习来自动调整改善参数和自训练强化学习优化模型参数。
十二、组织、流程的变革
我们知道供应链变革中最难的计划变革，是决策方式改变，从手工到系统流程的改变，是数据驱动的计划模式的改变，更是智能优化决策方式的升级。APS供应链计划目标是企业的销售、生产、采购、物流相互协作，以最小化整体成本，最大化满足客户服务水平的端到端的整合供应链。首先建立绩效金字塔，通过KPI价值驱动APS的应用：
其目标是：
1、建立以客户为中心的集成供应链，满足客户需求，提高客户服务水平。
2、建立拥有整体最低成本的集成供应链，提高运营效率与组织效率。
3、提高供应链的韧性、转换能力、多功能性和快速响应能力。
1、观念的改变：全流程端到端的观点分析与解决问题的文化。
2、组织的改变：整合一个大的供应链管理部，合作共享。
3、绩效的改变：整体考虑绩效评估指标：客户满意、准时交付率、交付周期、库存周转率、总成本最低、资产设备效率、人员效率、现金周转率等。
4、边界的改变：以需求为中心，贯穿从供应商到客户的整个过程，并把供应商的供应商和客户的客户纳入供应链的一部分。
5、并行的改变：供应链、营销、采购前插到研发环节，有效的支撑产品研发与交付的并行协同。
6、建立价值链框架体系：IBP集成业务计划整合价值链 的不同阶段有效匹配协同，才能通过APS计划枢纽高效的交付客户价值。 构建APS计划排程枢纽体系通过SIR(Sense, Intelligence, Response) 即主动感知，智能决策，快速响应来应对外部的变化与内部的变化。以内部的柔性应对外部的不确定性。
7、核心流程的变革：
标准化一切可以标准化的工作，形成一个可重复、可复制的，化随机为确定，化无形为有形的流程创新。
-组织管理的变革：设计新的组织架构及相应的角色、职责及公司文化、绩效考评。成立大的供应链管理部，包含交付、生产、采购、仓储、需求、物流等部门。设立首席供应链总监CSO。以一把手挂帅的供应链管理委员会。
-销售订单管理流程变革：计划系统延伸到销售，计划与生产过程对销售人员可视化。引入订单配置、订单报价与订单交期承诺系统，快速合同处理缩短订单交付周期、快速响应客户，提高客户满意度。
-计划排程流程变革：引入S&OP综合计划平衡，从AP（Advanced Planning）高级计划-需求计划、主计划、生产计划、产能计划、采购计划、库存计划等并日、周、月滚动。到引入AS（Advanced Scheduling）高级排程-对工艺、物料、设备快速的分钟、秒级的优化分配的流程优化。用甘特图可视化对事件及设备进行监控以及实时对生产进度可视化跟踪，确保工单的加工质量、劳力效率，有效的利用设备产能、降低运营成本、改善按时工单交付率以及缩短生产周期等等。
-采购管理流程变革：实现阳光采购与价值采购，成立PFEP（Plan for Every Part为每个零件计划）物料的专家委员会，实现供应商分级认证管理，供应商绩效管理，战略供应商管理。采购前插研发、计划、生产管理。战略备料与产品的预计齐套的管理等。
-生产管理流程变革：对不同产品实施不同的生产策略，从ETO、ATO、MTO到MTS，融入精益生产JIT、TQM全面质量管理、TPM全面设备维护，对生产VSM价值流分析，工厂布局、设备布局、物流布局优化，现场可视化、标准化，用IE提高劳动效率及柔性自动化提升制造的灵活性。
-仓储物流管理变革：对每一个物料实现条码或RFID管理，采用工序拉式配送机制，设计线边仓超市、仓库、自动物流中心立体仓等，加速库存的周转率及物料的齐套率。优化仓储的上架线路与分拣波次（播种方式与摘取方式）。共同配送，采用循环补货、多级分销中心的补货方式，运输方式与路线规划的优化，跟踪物流的配送过程，以成本最低、时间最快的方式交付。
-业务运作模式变革：集中统一的信息化平台，共享唯一数据源，建立业界最佳实践知识库与历史问题解决的专家系统、专业大模型与知识图谱，形成知识共享。引入先进的信息系统，在ERP基础上集成CRM、PLM、APS、MES、WMS、SRM、HR等系统并集成OT工业控制与自动化，引入Agentic Agent，实现数字化自主智能制造模式。
APS应用成熟度是一个逐渐实现过程并需要持续改善。每一种行业、每一个企业、每一种制造类型对计划排程的应用的成熟标准可能都不一样。但通过APS优化引擎提高整体链效率与库存流动，优化资源分配，准时交期履约，快速柔性响应现场与订单变化，满足客户价值是我们不懈的追求。
现在很多企业都很想清晰的知道自己的供应链的计划排程管理的成熟度如何？计划排程的水平处于什么阶段，下一阶段往哪里？要做哪些变革？为了解决这些问题，我们从流程与系统维度，将企业APS计划排程的应用成熟度分为四个阶段。
以下是APS应用成熟度详细说明：
（1）APS应用1.0阶段：
没有统一的计划排程流程体系，计划组织层次偏低，计划之间断离，铁路各段，各管一段，销售计划、生产计划与作业排程、采购计划等没有联动，部门缺少联系协调。
缺乏计划与排程的优化能力与科学方法，使用传统的ERP的MRP无限产能、固定提前期传递相关需求的联结的BOM分解物料需求，因为预测不准、产能不准、无关键约束，输出的计划结果时间都是不准的，也不能做计划资源排程与采购到货排程，故使用excel。
手工excel的工作方式，虽然方便灵活，但缺乏各方面系统的集成，80%时间在搜集数据。缺乏策略建模算法优化，计算性能难于应对大量动态的数据。
计划排程不可执行，以调度反应为主，个人英雄主义盛行，凭经验调度决策，防御性的职能行为。头病医痛，脚痛医脚，缺乏全局观。
不一致的KPI了、考核机制专注部门，职能、筒仓式管理，包含独立的目标和绩效，没有对结果负责的交付指标统筹。
间断的计划管理过程，只靠传统产销协同与计划调度会议来集中回顾过去，判断未来。中长期计划用贫乏的年度预算来应对预计。
多种预测、需求计划平台，缺乏统计与认知的预测能力与差异化的产品、客户预测方法。缺乏统一共识的需求计划，营销、财务、销售、生产、预测多部门缺少联系协调。
（2）APS应用2.0阶段：
引入APS计划排程体系并作为导航系统，标准化的供应链计划或PMC的组织设计，基本的规则优化能力，计划排程精益执行并可视化。
一致的KPI考核，所有要素用正确的责任，KPI和结构来定义。开始集成供应链KPI’s数据驱动。
需求计划与销售运营计划的引用，开始集中在需求与供应的战术平衡。
已形成供应链中心标准化组织与流程，互相调整促进的工作方式，需求计划、生产计划与作业排程、采购计划联动，各部门具备联协调机制
基本的统计预测能力，描述性分析能力，产品细分能力，在营销、财务、销售、生产、预测各部门间具备初步协调机制形成共识的需求。
（3）APS应用3.0阶段：
建立大供应链中组织体系，以APS为优化引擎的IBP集成的业务计划，形成端到端的供应链流程卓越优化，以最低的整体总成本，达到最大化客户服务水平。
复杂的规则算法优化能力并动态的匹配实际运作同步。对中长期计划的动态瓶颈TOC资源优化，短期实时的有限资源FCS的快速排程及灵活反应的变化，保证交期最大化。
可持续的KPI流程绩效，完整的一套供应链KPI来驱动运作, 平衡加权满足最终的交付效率。
需求计划与销售运营计划S&OP的有效运用，开始应用在需求与供应的战略与战术平衡。跨部门间积极的沟通与协调。需求计划、S&OP、生产计划与作业排程、采购计划集成联动并与执行实现自动闭环。建立流程来驱动集成运作和财务计划。
结合并动态调整年度预算的过程，采用销售运营计划S&OP的数据智能匹配来驱动未来计划。整个过程都是组织团队工作的行为来实现的。
统一的需求计划平台与体系，从上到下与从下到上两种预测方法统一安排，高级的统计预测与终端大数据的认知算法能力，诊断性分析能力，每一个细分产品提供最佳预测机制，主动在营销、财务、销售、生产、预测各部门间积极的沟通与协调，形成共识一致的需求。
（4）APS应用4.0阶段：
卓越的供应链组织、人、文化的变革，关注以价值为核心的计划与排程成果，细分不同客户与不同产品。
通过以APS优化引擎的智能数字供应链集成计划与排程闭环能力，动态、柔性、韧性、反脆弱性的响应需求与客户的变化。
引入高级智能学习算法，自学习、自适应的调整模型以应对不确定的变化，更好的客户满意度。
强化KPI绩效管理，并可通过模拟方案KPI的变化，可视化选择绩效数据驱动的供应链计划。需求计划、S&OP、生产计划与作业排程、采购计划、配送计划紧密集成IBP联动自适应调整闭环，无边界的的沟通与协调。
滚动的集成业务计划过程包括针对战略的供需差异分析并对品种组合业务分析提供深层的理解, 驱动重点改善和缩小差距的行动，持续的重塑流程，以满足不断变化的组织结构，在竞争的重点上进行智能决策。
自主并自适应驱动响应优化企业的经营战略追求，可持续的满足客户的价值主张，战略性的供需智能平衡并连续的汇总，管理差异和可替代的模拟预警计划方案，以备供应链中断的风险，提升供应链韧性能力。
最优的供应链总成本，关注以价值为核心的成，通过健壮的供应链集成计划能力，识别新的需求来源，支持积极的需求塑造。
基于战略重要性对产品客户的细分与跨产业链的同步上下游能力，连续实时的数据智能获取，具有AI人工智力的认知的分析与预测，跨营销、财务、销售、生产、预测、多部门的内部紧密集成，并与关键客户的协同的一致共识需求。
总之，从反应、标准、优化到智能是一个螺旋式上升，同时打好供应链SCM管理与精益生产的基础，集成PLM、MES、WMS、TMS等数字化系统，构建车间控制塔、工厂控制塔、物流控制塔到端到端的数字供应链控制塔，并形成APS供应链计划端到端闭环：
1、需求预测和供应采购和销售订单冲销预测的闭环
2、计划与排产闭环
3、排产与执行闭环
4、订单承诺与订单履约发货运输闭环
真正的创新来自于计划治理，流程的创新，理论与实践的持续对话，专家提供模型假设，而实践者提供现实约束解读验证。这种甲方与乙方的双向奔赴、交互合作模式是APS实践成功的保证。
APS即是科学又是艺术，并不在于找到完美解决方案-在复杂动态环境下这往往是不可能的。真正的成功在于创造一个既算法上合理又实践上适用的平衡，一个既高效又平衡，既符合组织需求又尊重管理者偏好的方案。是高交互、高展现、高技术的应用体验，是理性算法与人性洞察交汇。
在未来制造模式，工业4.0的智能制造的生产控制要适应频率更短、利用率不平均的生产过程。决策会更加复杂，因为要在个性定制的生产环境中做出。分散式生产需要最新的数据作为依据，需要全面联网和迅速的沟通，以对跨部门的流程和程序进行控制和协调。尽管在使用智能技术时，人依然是最重要的控制者和决策者，但在做决策时，AI多智能体技术提供了新手段。
APS不仅仅是算法问题，更是一个科学的计划治理、数据治理、生产治理、供应链治理、深刻的组织变革、聚焦业务创新的过程。计划治理是设计元计划流程-管理计划的计划，形成能够改变计划的流程，从容的应对变化。成功的APS系统必须超越形式化规则与约束，捕捉供应链与生产过程中的行业隐含经验和企业独特的知识偏好和企业实际的运作模式。
当然，计划排程领域的数字化变革是较复杂的并且是艰难的，因为它是一个决策系统，是从辅助决策到智能决策的学习进化过程，不仅是从技术与组织、流程上变革，更要从思维上的变革的决心。
我们必须改变思维，学习整体思维、运筹思维、供应链思维、精益思维、流程思维，数据思维，模型思维，算法思维等系统思维，因为APS作为基于高级算法的计划指挥辅助决策系统是既要客观的数据，又要经验的洞察。所以，成功的实现APS落地并能给公司带来卓越价值，不可能一蹴而就，需要我们主动参与积极变革并持续改善。
APS的实施难度不能小觑，行业特性较为显著，应用也可能存在的风险，如果实施方法不得当，各类算法没有充分调研和验证，匆忙上系统，可能导致关键指标不增反降产品准交率、库存等关键指标。如果系统集成规划没做好，各关联系统之间数据及时性和指标反而变差 准确性存在瑕疵，可能会导致计划数据错误。 APS供应链计划系统涉及公司核心运营，需要谨慎规划和实施一旦出现问题，会影响整个供应链信心
APS实施时别贪大求全，可以先从主要约束参数或瓶颈资源开始，也可以用APS对基础数据的要求倒逼客户改善管理水平，APS可以手工拖拉干预的人机交互可以降低风险。
甲方与乙方不仅要知道什么是APS系统，怎样应用APS系统，更重要的是知道APS为什么可以缩短交期？为什么可以提高资源利用率？为什么可以降低库存？只有知道APS的价值，就有克服困难的勇气与坚持的动力，持续的改善，直到应用取到效果。
APS可以是一个导航系统，可以推动管理的变革与升级，如标准工时的准确性，转换时间的准确，人的技能，工装的可用，物料的准确等。可以倒逼改善与变革，实践中迭代，完善数据、完善流程、完善系统、完善组织及人的知识。企业必须有供应链计划的数字化变革组织，融合战略、运营、执行层的业务人员与信息技术IT、工业工程IE（精益生产）、工业控制OT、人工智能AI人员等组合的专业团队，坚持长期主义，实践实时观察现场、动态洞察未来。
随着组织的分权、去中心化趋势，供应链的集中计划模式因应对快速复杂多变环境和激励自主化，故即需要可以集中协同，也需要分布式自主灵活的计划应变,形成端到端的智能闭环供应链。打赢一场战役关键是既需要一个全局战略的计划指挥系统又需要局部随机应变的协调能力。
现在，工业物联网、移动互联、云计算、大数据、AI等新技术的涌现，尤其是AI平台的云边端的分布式协同技术，使得供应链数字协同平台可以针对不同客户需求及客户心理分析来细分供应链并同步化来应对供应链多层次、多维度的复杂动态的供需匹配快速磨合进化，达到“感测-反应型”供应链的柔性及韧性、反脆弱性。构建One Plan 大计划体系，从需求到供应的多频率迭代与持续的连贯性，并且基于目标协调、共识规则、自反馈的计划来适应随机变化的不确定。
“明智的领导者不会盲目追随技术潮流，而是深入理解不同方法的优势与局限，根据具体业务挑战选择最合适的工具组合，应用技术来解决复杂商业问题不仅仅是技术能力更是一种战略选择”。-APSS
活动预告
