如何降低高级计划与排程APS应用的复杂性？

端到端供应链的计划优化SCP是通过IBP集成的业务计划内含APS算法引擎对全局式整体优化来敏捷的满足客户的价值需求。但在应用时会遇到的行业的特殊性、加工过程的复杂性及现场的动态不确定性。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，我们可以采用协同的分级、分层（规则分序）、分布等方法减少其复杂性。其思路是缩小问题的范畴，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，分别解决。

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。分别由主计划员、车间计划员、班组派工等方式分而治之。

如月滚动计划采用瓶颈资源约束，周滚动计划设备组、日滚动排产采用详细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。

二、TOC的瓶颈DBR方法

利用TOC的D-B-R（鼓-缓冲-绳）原理，减少排产资源数，主要对瓶颈或关键资源排产计算，放宽非瓶颈资源的能力限制。但需注意瓶颈的动态漂移。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

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：

五、精益生产的实施可以降低生产计划排程与运作的复杂性

如通过交货过程的价值流分析，消灭其中的非增值的活动即浪费。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。通过JIT/JIS让物料节拍流动起来，使原料、在制品、成品减少，并让生产顺序一致。通过快速换模SMED，减少准备时间，并能实现多品种柔性自动化生产。

六、分布式计算

分割单元之间的联系，独立排产不影响前后单元工序。使得排产有一定的冗余，便于应对突然的变化，减少重排的复杂性。

七、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

利用物联网的智能终端处边缘计算，可以快速相应，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。

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APS第四代算法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CPS。

在未来制造模式，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，工业4.0提供了新手段。

总之，在APS的复杂应用中，我们可以通过时间分解，瓶颈松弛，产品分解，资源分解，优先级分解，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、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、瓶颈资源的确定瓶颈资源优化（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、产品分解到组件产品定义的计划窗口即考虑生产的产品的不同的组件所用的资源、中间物料和物流或识别出许多共同资源。

4、资源分解由资源组定义的计划窗口即资源组的替代资源的组合，以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计划窗口，这些活动属于客户需求的不同优先级并优先级分解的目标：可接受的到期日延迟，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标准，计算出使得上述各规则要素的绩效指标综合最优的生产方案，并不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。

其它层级约束和优化规则如订单优先级，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，动态能力，工艺路线和逻辑约束，员工的技能，供应情况最终产出等。

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，不仅是从技术与流程上变革，更要从思维上的变革的决心。必须学习整体思维、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做为基于高级算法的计划指挥决策系统是TOC的DBR系统、精益生产TPS系统、ERP的MRP系统、FCS有限产能系统等智能技术的有效融合。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。

——————————————————————————————————————————

如果你有（即将有）制造行业客户，加入【智能制造】行业社群，帮助你快速学习提升。每周都有精选制造&PLM行业知识、客户案例推送给你，还能与行业专家交流攻克方案、实施等各类常见问题、疑难杂症。

社群地址：https://vip.kingdee.com/ifinclub/204889121830289920（PC端打开），点击右侧蓝色按钮【加入社群】