APS高级计划与排程基础理论知识.pdf

_F=APS高级计划与排程APS高级计划与排程基础理论知识第一章APS概念、发展及构成什么是高级计划与排程-APS?被誉为供应链优化引擎，有称高级计划系统(Alvaticed Planning Systen),也有叫高级计划 与排程(Advanced Pl anni ng and Schedul i ng)。定义不是最重要的。最重要的是对所有资源 具有同步的，实时的，具有约束能力的，模拟能力，不论是物料，机器设备，人员，供应,客户需求，运输等影响计划因素。不论是长期的或短期的计划具有优化，对比，可执行性。其将要采用基于内存的计算结构，这种计算处理可以持续的进行计算。这就彻底改变了批处 理的计算模式。可以并发考虑所有供应链约束。当每一次改变出现时，APS就会同时检查 能力约束，原料约束，需求约束，运输约束，资金约束，这就保证了供应链计划在任何时 候都有效。也将采用基因算法技术，它是一种搜索技术，它的目标是寻找最好的解决方案。这种搜索技术是一种优化组合，它以模仿生物进化过程为基础。基因算法的基本思想是进化 就是选择了最优种类。基因算法将应用在APS上，以获得“最优”的解决方案。现在APS 系统以将网络结构的APS主要是基于多层代理技术与制造内部的APS主要是基于模拟仿真结 合起来，使得网络导向结构的MS解决制造同步化问题，模拟仿真MS的优化顺序器解决工 厂的顺序冲突问题。这样，APS计划的编制与顺序的安排就可以提供给制造商解决全球的优 先权和工厂本地的优化顺序问题，来满足制造业对客户响应越来越强烈的需求。APS应包括哪那些内容？1.基于订单任务(Job-based)订单优先级计划2.基于事件(Bent-based)资源利用率最大化计划3.基于资源(Resource-based,TOQ瓶颈约束计划4.基于物料约束的可行的计划5.基于历史，现在，未来的需求计划6.基于供应资源优化的分销配置计划7.基于运输资源优化运输计划APS为制造业的四类制造模型提供解决方案：1,流程式模型,APS主要是顺序优化问题.2,离散式模型,APS主要是解决多工序,多资源的优化调度问题.3,流程和离散的混合模型.APS同时解决顺序和调度的优化问题.4,项目管理模型，屈S主要解决关键链(资源约束)和成本时间最小化问题.展考虑不同行业的解决方案。屈S的主要着眼点是工序逻辑约束和资源能力约束,物料 和工序流程紧密联结.各种优化规则.计算最早可能开始时间和最迟可能开始时间.物料可重 分配和可替代,资源可重分配和可替代.计划排程考虑柔性(缓冲)，考虑成本约束,考虑非确 定流程和统计概率论.考虑多种优化方案的比较分析.一般APS软件都由5个主要的模块组成：需求计划、生产计划和排程、分销计划、运输 计划，企业供应链分析等。2近年来，许多企业开始把注意力放在自己的核心竞争能力上，对一些非强项业务则尽可能外 包给别的公司。结果，销售给顾客的产品或服务，其特征和质量在很大程度上取决于供应链 上的所有相关企业。这便带来了新的挑战：如何实现供应链的集成？如何更有效地协调和控 制企业间的物流、信息流和资金流？对于这些问题，需要有一个全新的管理理念和方法-供 应链管理。SCM方法的研究和实施为企业带来了很大的经济效益，今天，许多企业都选择 了供应链和物流管理作为获取新的竞争优势所必须采取的战略步骤。在过去十年中，信息技术（如强大的数据库管理系统），通信手段（如通过Internet的电子数 据交换），以及复杂数学模型的各种求解方法（如数学规划）的发展为计划和控制供应链流程开 阔了新的视野。顾客订单、需求预测或市场趋势可以被分解成必要的活动，立刻送到供应链 各组织当中，并通过高级计划系统（APS）生成准确的生产计划和程序来保证按时完成订单。APS与传统的企业资源计划（ERP）不同，它试图在直接考虑潜在瓶颈的同时，找到跨越整个 供应链的可行最优（或近似最优）计划。二、什么是计划？为什么要计划？整个供应链中每分钟都有成百上千个决策需要制定和协调，这些决策的 重要性不尽相同，既有相当简单的问题如“下一步各机床计划完成哪项工作？”，也有非常 重要的决策如是否新开或关闭一家工厂。一个决策越重要，就越需要更好地准备，这种准备 工作就是计划。计划通过识别将来的各种可行活动，选择其中好的甚至最好的来支持决策。计划过程可分为几个阶段：认识和分析决策问题；定义目标；预测未来状况；识别和评估可 行活动；最后是选择最优方案。供应链非常复杂，现实中要处理的每个细节并非都能（或应当）在计划中考虑，因此，有必 要根据现实建立一个模型，以此作为制定计划的基础。建模的艺术就是要尽可能简单、尽需 要详细地表现真实，也即简单而又不忽略现实中的重要约束。预测和仿真模型用于预测未来 的状况，解释复杂系统输入和输出之间的关系，但它不支持从大量可行活动中根据标准来选 择最优方案，这一工作通常由优化模型来完成，它与前者的差别在于增加了一个可用来求最 大或最小的目标函数。计划不是一成不变的，计划的有效期受到预定计划范围的限制。当达到计划范围时，需 要重新制定一个新的计划来反映当前供应链的状况。根据计划范围的跨度和所做计划的重要 性，计划任务通常可分为三个不同的计划层次：长期计划：这一层次的决策也称为战略决策，它制定了未来企业/供应链开发所必要的框 架，通常涉及供应链的设计和结构，对今后几年有长期影响。中期计划：在战略决策的范围内，中期计划决定常规运作的框架，特别是决定了供应链中流 程和资源的总的数量和时间，其计划范围从6个月到24个月，考虑了需求的季节性变化。短期计划：最低计划层应当把所有活动明确为可供立刻执行和控制的详细指令，因此，短期计划模型要求高度的详细和准确。短期计划范围在几天到3个月之间，受到来自上层有 关结构和数量范围决策的限制。对供应链的实际性能（如提前期，顾客服务，和其它策略问 题）而言,短期计划是一个很重要的因素。最简单的计划方法是查看所有可选活动，按给定的标准进行比较，然后选择最好的方案。不幸的是这一简单计划程序至少会遇到三个主要困难：首先，计划活动中常常同时有几个标准，目标之间存在冲突，各方案之间的优先选择也 不明确。例如，顾客服务水平应尽可能高，而与此同时又要保持库存最少，这种情况就没有 最优解（也即不能同时使两个目标最优）。处理这种多目标决策问题的常用方法是设定一个目 标在最小或最大的满意水平，然后优化另一个目标。在上面的例子中，人们可以在保证一个 最低顾客服务水平的同时使库存最少。另一种处理多目标问题的有用方法是对所有目标按财 3务收入或成本定价，然后使结果的边际利润最大，但不是每个目标都能以财务价值的形式来 表达（如顾客服务）。还有一个更常用的方法是给每个目标定义一个系数值，然后加权求和，这种方法的缺陷是有可能产生伪最优解，因为它在很大程度上取决于任意的权值。供应链高 级计划系统（APS）从原理上支持上面各种多目标寻优方法。其次，供应链计划的可行方案数量巨大。例如，对连续决策变量（如订单大小或工作的开 始时间），可选方案的数量实际上是无限的。对离散变量也是如此，如几个工作在机床上的 加工顺序，可选的数量是一个组合大数。在这些例子中想通过简单枚举来找到最优方案是不 可能的，甚至要找到一个可行的方案都很困难。在这种情况下，可应用运筹学（operations research）的数学方法来支持计划流程。线性规划或网络流算法能找到精确的最优解，然而，大多数组合问题只能通过启发式算法（heuristics）来计算近似最优解（局部最优），这些方法的 成功也取决于问题的建模方法。第三，最难的恐怕还是处理不确定性。计划通过分析与未来状况相关的数据来安排将来 的活动，这些数据通过预测模型估计得到，或多或少存在预测误差。这种误差降低了产品的 可用性（availability）,因而也降低了企业提供的顾客服务水平。为了改进服务，安全库存被 用来缓冲实际需求与预测之间的误差。当然，安全库存并非处理需求不确定性的唯一方法。需求的不确定性使计划与现实之间存在偏差，因此必须进行控制，如果偏差过大，计划 就要重新修改。“滑动范围窗（rolling horizon basis）的计划方法就是这种计划-控制-修改的 交互实施。计划范围（如1年）被分成若干时间段（如12个月），计划在1月份开始时制定，涵 盖12个月，但只在第一个时段（1月份，称为冻结时段）计划才真正被付诸实施。新的计划在 第二个时段（2月份）开始时重新制定，新计划考虑了第一个时段中的实际变化，并更新未来 时段的预测。新计划的范围与原先的计划重叠，但延伸了一个时段（从2月份到第二年的1 月份），如此类推。在传统计划系统和APS中，这种方法是处理运作计划中不确定性的常用 方法。图1给出了这种不断滑动计划范围的计划方法。另一种更有效地更新计划的方法是面向事件的计划（event-ori ented pl anni ng）。新计 划不是在正常间隔，而是在出现重要事件时制定，例如意外销售，顾客订单变化，机器故障 等等。这种方法要求计划需要的所有数据（如存货，工作进程等）被连续更新，以便在事件发 生的任何时刻都有数据可用。这种方法的一个例子就是APS,它利用来自印P系统的数据，根据事件来更新计划。APS有下面三个主要特点：它是整个供应链的综合计划，从企业（甚或更广泛的企业网络）的供应商到企业的顾客；它是真正优化的计划，定义了各种计划问题的选择、目标和约束，使用精确的或启发式 的优化算法；它是一个层次计划系统，结合了上面两个特点：供应链最优计划既不能靠同时执行所有 计划任务的单一系统形式获得（根本不切实际），也不可能靠依次执行各种计划任务取得（达 不到最优）。层次计划折衷考虑了实用性和计划任务之间的独立性。值得注意的是，风P系统中的传统物料需求计划（附在概念上没有上面这些特点：MP 只限于生产和采购领域，不做优化，在大多数情况下甚至不考虑目标函数，它是一个运作层 面的连续计划系统。层次计划的主要思想是把总的计划任务分解成许多计划模块（即局部计划），然后分配给不 同的计划层，每一层都涵盖整个供应链，但层与层之间的任务不同。在最顶层只有一个模块，是企业范围的、长期的、但却是粗略综合的发展规划。层次越低，计划涵盖的供应链局部受 到的限制越多，计划时间范围越短，计划也越详细。在层次计划系统的同一计划层中，供应 链各局部计划之间通过上一层的综合计划来协调。图2给出了计划任务的层次结构框图。4在层次计划中向下（向上）分解（综合）数据和结果，可以取得计划详细程度的增加（减 少）。综合主要涉及：产品（组合成批），资源（组合成产能组），和时间（把分段时间组合成更 长的时间段）。各计划模块被水平和垂直信息流连接在一起，上层计划模块的结果为下属计 划设定了约束，而下层计划也将有关性能的信息（如成本，提前期，使用率）反馈给更高的层 次。层次计划系统（IPS）的设计需要仔细定义模块结构，模块计划任务的分配，和模块间信 息流的详细说明。IPS通常采用滑动范围的计划方法，在不同层次上计划间隔和范围的复杂 协调方法可参阅文献2。面向事件的计划简化了比S的使用，使它更加灵活，但前提条件 是有一个通信系统能对有关的计划层和任务模块发出“事件”报告，此外，一个计划任务的 结果也应能其它计划任务发出事件报告。APS有三个主要优点：信息可视化，减少计划时间，和允许方便地应用优化方法。正因 为如此，许多计划人员或许会担心自己的工作会被计算机所代替。然而，模型只是现实的近 似，人们的知识，经验和技能仍然需要来弥合模型和现实之间的差距。计划系统无论多么高 级也只是支持人们制定决策的决策支持系统。在面向事件的计划中，通常要由计划人员来决 定是否需要修改计划，止匕外，每一个计划模块也需要由人来负责它的功能、数据和结果。三、供应链计划任务整个供应链网络由网络中每个伙伴的内部供应链组成，内部供应链包括四个主要的供应 链流程，其计划任务不尽相同。采购流程包括所有为生产提供必要资源（如物料和人力等）的 子流程，资源的有限能力是生产流程的输入，生产流程也由许多子流程组成。分销流程弥合 了生产地点和顾客（零售商或其它进一步处理产品的企业）之间的距离，销售流程确定顾客需 求和订单数量，驱动其它三个流程。供应链计划矩阵（SCP-Matrix）根据计划范围长短和供应链流程对计划任务进行分类（如图 3所示），图3给出了大多数供应链类型中常见的计划任务，任务的内容随各行业不同而不 同。图中长期任务只用一个长方框，体现了战略计划内容广泛综合的特点，其他方框是矩阵 输入，表示不同的流程计划任务。SCP-Matrix可供APS开发商用来定位他们的软件模块，以便涵盖矩阵中所有的供应链计划任务。在层次计划系统中，各计划模块之间通过信息流协调和集成，可分为水平信息流和垂直 信息流：水平信息流：从供应链下游向上传递，包括顾客订单，销售预测，仓库补货订单，各部 门之间的内部生产订单，和给供应商的采购订单，整个供应链受顾客需求驱动。计划模块之 间（不仅限于相邻模块）更多信息的双向交换能够大大改进供应链性能（如“长鞭效应”），这 些信息主要包括实际库存，可用能力，提前期和销售点数据。垂直信息流：从上层向下流动，通过高层计划的结果协调下层的从属计划，主要信息包 括分配给生产车间、部门或流程的综合数据,而协调则通过能力分配和设定交付日期来取得。从下层向上流动，提供上层有关供应链性能更详细的数据，如实际成本，生产率和设备使用 率，提前期等等，这些信息在上层计划中用来预测下层更详细的流程结果。四、APS高级计划的历史基于约束的高级计划和排程技术的是真正供应链优化的重要引擎，她给错综复杂的供应链 丛林中的企业以敏捷的身躯,来快速反应与适应激烈竞争切变化多端的市场.实际上有多种 需求导致屈S的产生,其原因如下：5(1),业务系统是基于事物处理的,APS更多的是在业务层以上的分析,这些系统的结构限制 了计划和排程的能力,如MP,CRP等等.直到现在,对许多使用业务系统的人们来说高级计划 APS还都是新的内容.(2),APS的内部开发已经完成.技术已走向成熟，出现很多的供应商和产品的现象.(3),许多咨询公司还没有涉足此领域,直到较好的产品和供应商出现.(4),人们对APS的定义来源于较广的工业领域,加S在不同的时间,不同的运用点渗透到不同 的工业领域.当公司有能力管理自己的数据与业务时,实时，优化就显得更加的重要.流程行 业最先使用APS技术,离散行业较后才使用.(5),许多用相似的方案的供应商已经很积极的声明自己是屈S供应商.(6),对APS技术的贡献有屈ICS,人工智能,计算机科学,决策支持系统,工业工程,物流,管理 科学,运筹学,和生产运作管理,每一个领域都有自己的术语,此外,也导致了混乱.(甚至”计 划与“排程”都没有标准的意义)，这也造就了创造新工具的机会.APS已经从企业内部持续改善的优化工具到满足公司间协作的供应链新技术的进化.这 个论题是John Qyden,在他的翱上程逻辑的进化的文章描述的，让我们继续这个进化，看 看有谁在此领域活跃了近二十多年.计算机出现之前的APS在计算机之前,一些关键的概念已经形成了.一个是甘特图,它让人们看到可视的计划并 可以交互的更新.这个简朴的概念一直延续到今天,我们用有颜色的橡皮带,块，钉子和粉笔 在墙上，纸作标识.用数学建模的方式来解决计划问题的想法出现在至少在1940年.美国和 前苏联让人们手工应用这一新的优化技术,它叫线性规划,运用它来解决与战争有关的后勤 问题.1 9 50-1 960初,计算机已出现MS的进化已经和计算机的进步紧密相连了,在1950末或1960年初,许多大公司开始 租赁计算机计算和购得大型计算机.计算机被用于研究计划问题的一部分,如优化几个关键 的物料和能力的平衡,基于产品的需求与能力约束.或者找出批量产品的最低成本的配方.他 们一般都使用线性规划的算法.其数学模型就象现在的小型的电子表应用程序(40-60个方 程式和60-100个决策变量).在此其间，有两个公司首先提供对计划的优化工具，他们是在 1957成立的Bonner and M)or e公司和1962年成立的Hverl y Sys t em 公司.优化的处理可 以避免混乱，优化技术的严格实施是一个较好的解决方案或方法,保证找到对问题的”最 好”的答案且智能的知道何时发生，多长时间发生.今天,我们使用优化技术常常是用于一个较简单的寻找提高的方法或方案且不能保证找 到最好的方案.简单的寻找提高的技术叫启发式算法.它们经常用于时间的限制或容限.(在 10分钟,找到最好的答案).当这些优化的技术用于交替的变化,容易出现混乱.线性规划较 适合严格的优化约束和识别约束,经常是对一个问题用于经济上如成本和收入的约束来决 定”最好”的方案.I 9 60中期-1 970初 计算机应用程序的进步6随着计算机的进步,人们有能力可以考虑更复杂的计划问题.先进的技术的工具可以考 虑整个制造工厂和设置在最小化成本的运作且最大化利润.一些公司结合计算机程序对生产 设备来优化他们的产品配方.人们也开始研究分销问题.如公司EXN开发程序来集成库存，采购,制造,分销管理.从1960初的几百个决策变量到1970的几千个变量,到1970年的后期的上万个变量.线 性规划的这种技术也扩展到解决更困难的问题.如生产能力的决定,生产品种和生产线的选 择和对分销中心的选址等.这些应用最早是出现在流程行业的计划层.许多大的化工公司如 Aidco,Chevr on,Exxon,Mr at hon和Shel 1都积极米购主机系统的计算机,部署到他们的 制造工厂里,这些公司还采取了数据采集与集成数据的方法.由于业务的需求推动，优化技术 较好的满足他们的许多流程和分销网络的特点.许多公司自己在大型机环境下开发自己的工 具.开发线性规划的程序.也可以从几个供应商购买到如IB加勺MS（后称KPS凶，有些公司却 使用现成的程序开发语言如Assenbl er,Gobol,FCRIWW和PL/1是常用的开发语言.这些 程序是以批处理的模式运行.EXKN甚至出版了关于一本关于他们计划系统的书.计算机已成为解决排程问题的工具,模拟也被用于制造和分销设施的设计.模拟工具还 开发成计算程序，按照能力和物料的消耗，顺序活动，计算批量可以得到排程的结果.可以 对特别的排程问题进行开发的,且这些程序界面可以为用户交互使用.基于排程工具的模拟开始出现在1970年.Pritskcr是一较早的供应商,另外一早期的 产品是IBM的CPPS.主要是些化工公司,在1970年就积极使用了计划工具.其他行业也在积 极使用计划和排程程序.1980年初,轮胎制造商KI 1 y Spri ngfi eld,PM lip M）rris已经使用了 APS计划和排 程程序.造纸公司如St Regi s,和国际造纸也实施和运用了 APS工具.1 9 80年-商业媒体发现了 APS约束理论的发明者高特拉德（1983年9月5日财富杂志人物）领导的创新产出公司（Geative Qit put）,他们的产品CPT,以批处理的模式,应用一系列的消除瓶颈的算法,这是 一个非常积极的销售型组织,它获得了许多离散制造业的客户.创新公司在和 WMrs公司 的法律争端之后,从市场很快的退出.而高特拉德扩展了 TOC（约束理论）的哲学，他本人却 以出版和制造导师为职业.当时,和创新公司的同类12公司仍然活跃在APS领域.财富杂志的 文章提到Nmetri x决策科学公司，以后又分拆为Ninrtri x公司和Chesapeake决策科学公司,这两个早期的APS供应商具有交互的产品和提供基于内寸分析技术.在APS文章经常出现学术论坛和使用APS方案的期间，产品介绍开始出现在”商业周 刊I Chi cago Tri bune?,及 wY5rkTincs，”凶11 Street journal”,Wshi ngt on post”.媒体关注的中心是在1984年，由年轻的AI&T的研究者名为Mr endr a Kirrnr kar开 发的算法.这个新技术解决了线性规划的问题，是被AW作为”真正的突破和设计解决 了以前未解决的问题”来推销.AT&T把这个算法绑定他们的计算机,价格近9百万美元.1980,我们也看到了个人计算机和电子表格的引进.电子表是双刃剑,在积极的方面,他 们引进了人们交互的使用预测,计划和排程.在很多公司使用的大型机时,用户使用简单近似 存在的工具.不幸的是,当大型机系统出问题时,子系统也就不可能选择和验证详细的数据.许多化工公司积极开发计划排程系统，从1970年到1980年的后期,重视数据的质量和工具的 精确性.在1980年中期,许多大的化工公司认识到可用改善制造流程来阻止下降的利润.就开始 检查他们供应链的活动.BASF,DCW Di Pont和Rohm和Has都开始积极使用计划和排程的 工具.他们使用自己开发的产品和工具或自己修改过的APS产品.目的是想要管理真正的整 个供应链而不是某一局部的方案如制造或分销.7许多KRPII的供应商,为了满足市场需求也进入流程行业.有些公司却延迟开发APS工 具或使用APS工具,而他们决定用ARP,CRP来满足他们计划和排程的需要.但是,在1990年初,许多大的化工公司已经选择了 APS的供应商.许多大的航空公司也实施了复杂的计划和排程 系统,美国航空集团也为其它航空公司建立这些高级计划排程系统.1980年后期,我们也看到了人工智能,专家系统的出现,许多公司把人工智能运用到计 划排版程系统.投资者和客户期望的难题就此解决.Di Pont和IBM积极结合人工智能可和 存在的技术开发程序.IBM也开发了一个派工系统,Di Pont在他的来自Chesapeake决策科学 公司的MM优化,模拟启发的产品里加入了专家系统.专家系统用它的数据验证，启发式的 协作，方案解释的能力,为计划排程的制定起到有效的作用.实时的专家系统产品如G2在此 时也出现了.人工智能R世界同时也对APS的技术作出了贡献如基于规划的约束和基因算法.对人工智能N的期待已经设置了极高的水平上了,用人工智能AI完全达到期望的要求,可能 令人失望.不幸的是，有些人仍然认为是失败,许多人工智能可 的开发者感到他们的技术仅 仅应用于纯技术时髦.于是，在1960年到1970年,用许多时间和努力去重新开发一些功能，寻找其他的工具.1980年后期，也出现了图形用户界面，有些供应商试图结合个人计算机来增加它的图 形运用能力，图形用户界面成为标准的预测,计划,排程工具的一部分.这个技术的革命巨大 的影响了 MS的市场化.1 9 90年-APS市场繁荣和产品增值在1990年初,消费品公司（CPG开始联系APS系统.虽然也有一些早期采用者,在此市场 阶段,这个行业作为一个整体应用APS技术是很慢的.造纸业也是如此.一些已经有能力实施 相对简单的制造排程的公司发现他们需要更复杂的系统,可以处理包括SKU数量,分销网络 的地点的选择.许多公司也发现相似的问题,就是他们的预测能力,尤其是在SKJ的数量的管 理上，简单的预测工具却阻碍了预测的准确性，他们需要集成供应链的多地点的详细的需求,来为了运作决策.1990年初,SQ的引进,允许APS工具和关系型数据库更动态的互动.计算机能力的增强 和成本的降低,导致新的方案的出现.同时也发现问题的复杂性,所以,基因算法出现了.它们 立刻形成多重的方案以结合现存方案的最好的特征来创立新的方案.人们开始使用反复模拟,想要建立更好的方案，但是，随着开发的工具处理百万的决策变量,对计算机和应用程序是一 大挑战.1990年,MS的供应商已经繁殖到更广的工业领域,如12,Fast mm已经进入电子装配，金属品制造等离散制造领域,12的市场导向品牌和销售战略,戏剧性的提高APS的空间,而这 以前APS都是一直技术导向的市场.由于I2,Mnugistics,等的市场的影响，引起了大咨询公 司的注意，他们开始分配资源给这些产品作服务.但是，屈S对大的咨询公司而言有两个挑战,一个是它需要较深的应用专家,而不是集中在IT的应用上.二是固定的，标准项目实施方法 对APS项目不太有效,该领域的专家仍然需要决定如何更有效的实施APS.1990年中期，许多供应商转向微软技术的视窗环境下的用户界面,C/S结构或整个转向 WndowNT环境,除了提供更直观的用户界面，报告能力而且使APS应用程序的环境转向低成 本的，性能戏剧性的提高的计算机1990年中期,也看到了 APS运用到部分的半导体公司,这 些公司在改变产品技术方面有着极大的进取心.使产品具有极短的生命周期,这就对提高基 于知识需求的屈S来说是一大挑战,特别是在计划和排程层次上和流程行业同时使用APS 技术的公司有Hrri s半导体公司，IBM公司，Intel公司,Texas仪器公司，用APS技术解决自 8己业务的复杂问题.最后,在1990年的中期,APS还吸引了大多数国P供应商的注意，随着APS市场的快速成 长.产生了 ERP供应商的新一轮的收购APS公司和自己内部开发APS.许多专家认为APS必 须嵌入ERP系统.供应链引擎APS产品的功能特征的演变有以下四个阶段：第一阶段的功能特征:人机交互可视化排产,简单的有限资源计算.1,向前,向后和双向的订单的加载计算.2,可以定义简单加载规则如按完成日期排序和设定优先级）3,工序间的人机交互拖拉,编辑,批量分割4,根据资源和时间对单独工序加锁/解锁5,可以按工序的最早开始日期或订单的最早完成日期计算.6,可以人机交互的替换，增加工序,交互处理故障,计划维修.7,可以处理单一的加工工序,平行工序,可以对工序的单一资源进行约束8,根据物料,时间,批量的生产率来排生产计划10,可以对有限资源和无限资源或单个班次或假日来计划排程11,可以在工作中心里自动选择资源,用户也可以定义资源12,可以显示图形,文本,报表,可以订单跟踪,甘特图,等待表.第二阶段的功能特征:基于各种资源约束优化计算1,用户可以定制,配置数据,菜单,报表.2,可以按工序和计划增加约束使用率.3,具有换装时间距阵的排序,可以选择最小化换装时间.4,具有计算批量,计算运输批量和自动重复和自动停止订单的功能5,具有CIP（能力可用量）的查询6,可以自动连接其它软件.第三阶段的功能特征:基于多重资源约束优化和建模1,具有每个工序的多重约束2,基于当前工序的子工序的约束3,可以使用优先资源选择规则4.最大工序跨度和间隔,也可以延迟到下一个工序5,可以计算在每个加工过程的顺序和平行批量6,可以对装配线的建模和子装配线建模.第四阶段的功能特征：多重资源约束,物料的动态约束,需求计划分销网络配置计划运输 计划,全局CTP,ATP.1,从MIP处自动物料分配（静态物料约束控制）.2,可以从不同的订单自动连接工序,可以从不同的订单排序,平行的负荷工序3,具有标准的派工规则:优先顺序,关键率4,可以处理订单,生产或资源的特别规则5,可以让用户自定义建立规则6,可以处理动态物料约束控制97,可以处理供应链需求计划优化8,可以供应链分销配置计划优化9,可以供应链运输计划优化10,可以对整个供应链的进行CTP和AIP的查询.五、APS的技术现状MS-高级计划与排程，并不是一个独立的管理软件，而是与ERP系统集成在一起的一个专门 负责生产计划和生产排程、生产排程的软件。由于瓜P生产功能的核心KRP在功能上有很多 不足，APS的出现其实是弥补这种不足的必然。APS的最大特点就是其中的高级二字，这种先进是基于其核心技术的高深和困难，因为它所涉及到的基本都是相关学科中的最前沿 领域。一般需要集中物流、管理学方面的专家以及基础数学和计算机算法方面专家，至少几 年时间的努力才能有所成就。而这对讲究投资收益和市场变化极为迅速的国企业是不太可 能的选择。以至于极少由厂商自己开发APS,大都是直接购买专业公司的现成软件加以集 成，即使SAP、CRACAL也不例外。加S的目标就是追求生产计划的优化和能力的平衡，这本身是有难度的工作，但是 最难的还在于约束，优化和平衡的追求都是在多种约束条件之下的追求。约束与优化成 为一对最大的矛盾，甚至在特别复杂的约束下到底有没有最优，能优化到什么程度，理论上 都成为疑问。屈S的研究主要集中在车间的生产计划排程与生产调度程方面，许多学者作了大量 研究，出了不少的研究成果。制造系统的生产排程和生产调度是针对一项可分解的工作（如 产品制造），探讨在在尽可能满足约束条件（如交货期、工艺路线、资源情况）的前提下,通过下达生产指令，安排其组成部分（操作）使用哪些资源、其加工时间及加工的先后顺序,以获得产品制造时间或成本的最优化。在理论研究中，生产排程和生产调度问题常被称为排 序问题或资源分配问题。方法可以简单分成静态和动态两种。（1）,静态排程是指所有待安排加工的工作均处于待加工状态，因而进行一次排 程后、各作业的加工被确定、在以后的加工过程中就不再改变；（2）,动态排程是指作业依次进入待加工状态、各种作业不断进入系统接受加工、同时完 成加工的作业又不断离开，还要考虑作业环境中不断出现的动态扰动、如作业的加工超时、设备的损坏等。因此动态排程要根据系统中作业、设备等的状况，不断地进行排程。实际排 程的类型往往是job shop型，且是动态的。一般的排程问题都是对于具体生产环境中复杂的、动态的、多目标的排程问题的一种抽象 和简化，因而，一个排程算法可以通过其如何表述这些复杂性来进行分类。由于实际生产环 境是千差万别的，那末，一个排程算法就应该根据其是否能适合对应的生产环境的重要特征 来进行评估。Frederick等人为了帮助区别不同的生产排程策略，给出了典型生产排程环境 的五个特征，这将有助于我们了解各种不同的排程算法的应用环境。1,边界条件：生产排程常常是一个重排程问题，即修改已有的生产排程去适应新的作业。为提供重排程，排程算法应能处理生产系统中有关的初始状态。类似的生产排程通常是在一 个有限的时间区域里进行的，系统的最优解（或次优解）亦是在限定的边界范围内来获取。102,分批大小和调整费用：为有效地解决实际生产中的排程问题，往往将任务分成多批进行,并考虑改变已有排程结果所付出的代价(调整费用)。3,加工路径：在实际生产中，作业的加工路径可能需要动态改变，工艺顺序可能是半有序 的(s eni or der)。3,随机事件和扰动：比如，出现关键作业、设备损坏、加工操作失败、原料短缺、加工时 间/到达时间/交货期的改变等。4,性能指标：追求不同的性能指标往往会得到不同的优化解5,多目标：同时，系统目标也以多目标为主。实际的排程问题有以下特点：(1)复杂性由于装卸作业、装卸设备、库场、搬运系统之间相互影响、相互作用、每个作业 又要考虑它的到达时间、装卸时间、准备时间、操作顺序、交货期等，因而相当复杂。由于 排程问题是在等式或不等式约束下求性能指标的优化，在计算量上往往是脂完全问题，即 随着问题规模的增大，对于求解最优化的计算量呈指数增长，使得一些常规的最优化方法往 往无能为力，对于这一点Grey等16(见文后所附文献目录)给出了明确的证明。即便 对单机排程问题，如果考虑n个作业而每个作业只考虑加工时间及与序列有关的准备时间 时，就等价于n个城市的ISP问题。对于一般的装卸系统，问题就变得更为复杂。(2)动态随机性在实际的生产排程系统中存在很多随机的和不确定的因素，比如作业到达时间的 不确定性、作业的加工时间也有一定的随机性，而且生产系统中常出现一些实发偶然事件,如设备的损坏/修复、作业交货期的改变等。(3)多目标。实际的计划排程往往是多目标的，并且这些目标间可能发生冲突。Qaves曾将 排程目标分为基于排程费用和排程性能的指标两大类：Aia.S等人将排程目标分三类：基 于作业交货期的目标、基于作业完成时间的目标、基于生产成本的目标。这种多目标性导致 排程的复杂性和计算量急剧增加。排程问题的研究方法如下：一般的排程问题都是对于具体生产环境中复杂的、动态的、多目标的排程问题的一种抽象 和简化，因而一个排程算法可以通过其如何表述这些复杂性进行分类。由于实际中生产环境 是千差万别的，那么一个排程算法就应该根据其是否能适合对应的生产环境的重要特征进行 评估。在对排程问题进行研究的方法上，最初是集中在整数规划、仿真和简单的规则上，这 些方法不是排程结果不理想就是难以解决复杂的问题。随着各种新的相关学科与优化技术的 建立与发展，在排程领域也出现了许多新的优化方法，比如神经网络、模拟退火法、遗传算 法、禁忌搜索法等，使得排程问题的研究方法向多元化方向发展。下面我们分别对这些方法 进行总结：11(1)运筹学方法运筹学方法是将生产排程问题简化为数学规划模型，采用基于枚举思想的分枝 定界法或动态规划算法进行解决排程最优化或近优化问题，属于精确方法。文24 25 26 27 28等提出了不同的分枝定界法，其不同点主要在于分析规则、定界机制 和上界的产生这三方面存在差异。这类方法虽然从理论上能求得最优解，但由于其计算复杂 性的原因、因而不能获得真正的实用。目前，Lenstra在文口5中声明，对一个标准的10 作业10设备问题进行求最优解,需要在Pri tw 2655计算机上运行1小时,并产生22000 个结点。对于复杂的问题，这种纯数学方法有模型抽取困难、运算量大、算法难以实现的弱 点，对于生产环境中的动态排程实现复杂，解决不了动态及快速响应市场的问题。(2)基于规则的方法对生产加工任务进行排程的最传统的方法是使用排程规则(D spat chi ng rules),已经有许多排程规则被应用，因其排程规则简单、易于实现、计算复杂度低等原 因，能够用于动态实时排程系统中，许多年来一直受到学者们的广泛研究，并不断涌现出新 的排程规则。许多学者在这方面已进行了探索及大量工作，如研究与制定较优的单元零件加 工排程算法，在减少等待时间、提高生产率等诸多约束条件下达到了一种较为科学有效的排 程效果。Pazlkar和IskaDler在文30中总结了 1 13条规则，并将它们按形式分为了三类：简单 规则、复合规则、启发式规则；M M)ntazeli等例举了常见的20条规则，并针对一个实际 的FM,分析了这些规则对系统性能(如作业的平均等待时间、设备的平均利用率、作业总 加工时间等)的影响；文47将多种规则组合起来实现排程；文48讨论了决策规则解决 FM车间排程问题的方法与规则库的具体实现，分析了各种规则与性能指标的关系，对如何 合理地选用规则提出了建议；为了提高规则排程的质量，文50通过分析拖期时间与两个作 业排程决策间的关系，提出了一种比较复杂的规则，并在以拖期时间最小的目标下，与LST、ITT、im LS双LSCR等规则作了实验比较。随着计算机运算速度的飞速提高，人们希望寻找新的近似排程方法，它以合理的额外计算时间为代价，换得比单纯启发式规则所得 到的排程更好的排程。在这方面比较有代表性的有移动瓶颈方法(Botti e neck Procedure),用来解决以最小化Mkespan为目标的Job Shop排程问题，它通过不断地对移动的瓶颈设 备进行单机排程，来获取更好的次优解。总的说来，启发式规则直观、简单、易于实现。但是近十年的研究表明并不存在一个全局最 优的排程规则，它们的有效性依赖于对特殊性能需求的标准及生产条件。它是局部优化方法,难以得到全局优化结果，并且不能对得到的结果进行次优性的定量评估。顾客需求的个性化 及要求企业响应市场的敏捷性，往往在生产加工过程中加入了更多的不确定性及复杂性约 束，寻找排程最优算法本身是一个完全问题，这些使得基于规则的排程思想已不能适合 敏捷化制造的要求。(3)系统仿真的方法基于仿真的方法不单纯追求系统的数学模型，侧重对系统中运行的逻辑关系的描 述，能够对生产排程方案进行比较评价，分析系统的动态性能，并选择系统的动态结构参数。由于制造系统的复杂性，很难用一个精确的解析模型来进行描述和分析。而通过运行仿真模 型来收集数据，则能对实际系统进行性能、状态等方面的分析，从而，能对系统采