【APS】APS中生产计划排程模块的基本原理、APS生产排程必备六大要素、生产计划排程中 [算法] 对比

会员服务 ·

【APS】APS中生产计划排程模块的基本原理、APS生产排程必备六大要素、生产计划排程中 [算法] 对比

2019 年 1 月 2 日 产业智能官

APS中生产计划排程模块的基本原理

APS包括需求和供应计划、运输和生产计划排程等各种供应链计划模块，本文主要介绍APS中生产计划排程模块的基本原理。——来源：CSDN

高级计划系统作为ERP和MES的补充，用于协调物流、开发瓶颈资源和保证交货日期。APS包括需求和供应计划、运输和生产计划排程等各种供应链计划模块，本文主要介绍APS中生产计划排程模块的基本原理。

决策状况描述

图1

生产计划排程的目的是为车间生成一个详细的短期生产计划。

排产计划指明了计划范围内的每一个定单在所需资源上的加工开始时间和结束时间，也即指出了在给定资源上定单的加工工序。排产计划可以通过直观的甘特图形式给出。

排产计划的计划间隔可以从一天到几周，取决于具体的工业生产部门。合理的计划长度取决于几个因素：

一方面，它至少应当涵盖与一个定单在生产单元中最大的流动时间（flowtime）相对应的时间间隔；

另一方面，计划间隔受到已知顾客定单或可靠需求预测的可用性限制。

很显然，只有当排产计划适度稳定时，在一个资源上进行定单排程才是有用的。也就是说，它们不应受不期望事件经常变化的影响（如定单数量改变或中断）。

生产计划排程受到上层主生产计划的约束，主生产计划设立了在分散的决策单位中执行生产计划排程的框架。

从主计划中可获得的相应指导包括：

使用超时或加班的数量；

在不同时间点上来自供应链上游设施物料项的可用性；

涉及来自供应商输入物料的采购协议。

此外，由于主生产计划在供应链上有更宽的视点和更长计划区间，从中我们还可以得到：

计划结束时需要建立的各物料项的季节性库存量；

交付给供应链下游设施的定单截止日期（下游设施可以是紧接着的下一级生产单位，分销商或最终顾客）。

排产计划生成

图2

由车间模型生成排产计划的一般程序可简单地描述为下面6个步骤：

图3

建模

车间模型必须详细地捕捉生产流程的特征和相应的物流，以便以最小的成本生成可行的计划。

由于一个系统的产出率只受潜在瓶颈资源的限制，因此，我们只需对车间现有全部资源的一部分–也即那些可能成为瓶颈的资源，建立一个清晰的模型。关于建模方法的细节我们将在后面进一步阐述。

提取需要的数据

生产计划排程使用的数据来自ERP系统、主生产计划和需求计划。生产计划排程仅利用这些模块中可用数据的一个子集，因此，在建立一个给定生产单元的模型时，必须指明它实际需要哪些数据。

生成一组假定（生产状况）

除了上述数据源中接收的数据之外，车间或生产单位的决策者或许对车间当前或未来的状况会有更进一步的知识或期望，这些信息在其它地方（如软件模块中）是不能得到的。

再者，对车间的可用能力或许也可以有多种选择（如柔性的倒班安排等）。

因此，决策人员必须有能力修改数据和建立某种生产状况（见图3中的第三步，点划线框表示这一步必须由决策人员执行，并且是可选的）。

生成一个（初始）排产计划

在有了模型和数据之后，就可以针对给定的生产状况，利用线性规划、启发式算法和基因算法等各种复杂的优化方法来生成排产计划。

这项工作可以一步完成，也可以通过两级计划层次（先综合的生产计划，后详细的排产计划）完成。

排产计划分析和交互修改

如果通过两级计划层次完成，也即先生成综合资源的上层生产计划。那么，在生成一个详细的排产计划之前，人们或许首先要对这个生产计划进行分析。

特别地，如果生产计划不可行，决策人员可以交互地指定一些计划途径来平衡生产能力（如增加班时或指定不同的加工路径）。这或许要比修改在单个资源上的加工工序（下层排产计划）更加容易。

APS采用了例外管理的技术，如果出现问题和不可行性（如超过定单交货期或资源过载），APS就会发出警告（alerts）。这些警告首先被“过滤”，然后，正确的警告被传递到供应链中正确的组织单位。

此外，针对一种生产状况产生的排产方案还可以通过结合决策者的经验和知识交互地改进。当然，为了提供真正的决策支持，必要的修改次数应当受到限制。

生产状况核准

当决策人员确定已经评估了所有可选方案时，他/她将选择那个体现最佳生产状况的排产计划去执行。

排产计划更新

图4

生产计划排程假定所有数据是确定已知的，也即决策状况是确定的。尽管这是一个理想的假设，但对一些时间段还是可以进行调整。

为了处理不确定性（例如非计划的生产率变化或未预料的资源停工），软件工具允许监控人们假定发生在车间的变化，并生成一个更新了的期望的定单完成时间。

这些变化是否大到需要重新优化排程将基于决策者的判断。

在一个计划实际交付车间实施之前，可以通过提供大量的可选状况的生成和测试能力来帮助决策者的判断。这种方法也称为仿真，目前的APS软件工具都提供仿真手段。

在这里要提到的另一个特征是两步计划方法，也称为增量式计划。

假定有一个新的定单到来。如果它落在生产计划排程的计划范围内，这个新顾客定单的活动可以插入到它所需资源上已排序好的定单中。在现行排产计划中寻找时间空隙，以便新定单的排程只须做微小的调整。如果能维持排产计划的可行性，那么就能导出新定单的一个计划交货期，并送回给顾客。

由于上面这一基本排程可以通过不同的定单顺序来改进，所以重新优化经常会被考虑，以便通过新的排序来减少成本。

APS生产排程必备六大要素

在生产排程，是指将生产任务分配至生产资源的过程。

在考虑能力和设备的前提下，在物料数量一定的情况下，安排各生产任务的生产顺序，优化生产顺序，优化选择生产设备，使得减少等待时间，平衡各机器和工人的生产负荷。从而优化产能，提高生产效率，缩短生产周期！

▲排产六大要素

销售订单需求

此要素是根本，是编制生产排程的首要条件，所以销售订单要搞准确，包括预测都要做到有根有据，我们的原材料订购需要一定周期，所以我们通常要求销售一个月需求是正式订单，还有两个月计划是预测。

材料准备到位

材料准备到位，也就是要避免“巧妇难为无米之炊”的事情发生，这是供应链中的重要环节，需要我们制订精确的购买计划和到料计划。

库存储备合理

精益生产讲究库存合理性，要控制成本，提高效率。库存要受控，一方面不让客户停线，另一方面不能过剩，不能呆滞，包括原材料和成品。

设备模具完好

设备模具是战斗用的武器，它的完好性决定着我开产是否顺利，是否有高产出和高品质，所以这个保证一定要做好。

人员配备恰当

人是一切活动的中心，生产人员、技术人员、管理人员的配备要合适、合理，要人人有事做，人人可创造价值，我们强调“安全、质量、成本”，就是靠这样的团队去完成的。

产品工艺正确

这一条，也是排产的重要条件之一，我们讲生产，工艺路线要正确，作业指导书要规范，产品质量要有保证，要设计合理，图纸正确，标准清晰，参数稳定。

生产排程的依据和原则：

1、生产订单供不应求时排程要求和原则：调查产品瓶颈限制产能工序为依据，以边际利润高为导向排产。

2、生产订单供过于求时排程要求和原则：以成本优先原则，以市场及客户满意度为导向排产。

生产计划排程中 [算法] 对比

◎本文版权归公众号供应链指南针，作者冯春山

//////////

导读：生产计划排程既有相对简单的算法，例如，最短交货期算法，最短工序算法等，也有复杂的算法，例如：神经网络、模拟退火法、遗传算法、禁忌搜索法等。

【1】前言

据相关统计,中国中小企业数量占据企业总数比例高达90%以上。中小企业的生产特点为多品种、小批量。

对于多品种、小批量生产模式的企业，生产计划排程是个难题，因为品种多，计算量大，而批量小又会导致换线频繁。APS是英文advanced planning and scheduling的缩写，翻译过来就是高级计划与排程，它是运用计算机技术实现对生产计划的自动排程。

计算机程序可以认为是算法和计算机语言语法的集合体。越复杂的计算问题，算法也越复杂。生产计划排程是非常复杂的问题，开发一套APS系统，算法方面是最大的难点。本文对生产计划排程的算法做一探讨。

生产计划排程既有相对简单的算法，例如，最短交货期算法，最短工序算法等，也有复杂的算法，例如，神经网络、模拟退火法、遗传算法、禁忌搜索法等。

复杂算法遗传算法是对非线性问题求出比较好的可行解，但计算量很大。一些理论上的最优化方法能提供最优排程，但由于其计算的复杂性，并且忽略了很多实际因素，离实际运用还有较大距离。

笔者认为简单算法较好，因为一般企业的数据计算量非常大，而且整个生产现场的形势不断变化，排程要在极短的时间内算出结果，最好在几分钟内完成计算。如果整个计算过程耗时过长，也就失去了它的指导意义，因此时间因素非常重要。

简单算法可以根据特定的问题设定特定的规则，相对来说是计算快速，比较实用的算法。另一方面，也不是算法越复杂，排程结果就越好，本文通过对四种简单算法的比较计算也可以看出该问题。

【2】四种简单算法的比较

本段对4种简单的排程算法进行比较计算。这些年的研究资料表明生产计划排程并不存在一个全局最优的排程规则，也不是算法越复杂结果就越好，这一点通过下面一个例子对4种简单算法进行计算就可以得到验证，这4种简单算法中计算复杂性稍有不同，并不是算法越复杂排程结果就越好。

要做比较计算的4种算法（计算的复杂性依次递增）是：

（1）最短工期

（2）最早交货期

（3）按照工期和交货期之间的距离

（4）CR值

下面借用一个例子，见下表。比较这4种算法的排程结果，我们按照作业逾期天数为评价标准。

1.1 按照最短工期的排程

1.2 按照交货期先后排程

1.3 按照工期和交货期之间的距离排程

1.4 按照CR值排程

CR是英文critical ratio的缩写，可以翻译为重要比率。它的计算方法：交期减去目前日期之差额,再除以工期，数值越小表示紧急程度越高，排程优先级高。

上面4种算法中，最短工期法是最简单的，它不考虑各个作业的交货期先后，先排工期短的作业，再排工期长的作业，但对于我们随便给定的例子，它的总逾期天数是最少的，当然不能说所有例子它的总逾期天数都是最少的，这里面有偶然性。

这个例子也说明了，不意味者计算最简单的算法结果是最差的。企业在生产计划排程时，可以根据其计算能力选择合适的算法。

【3】正排和倒排的选择

生产计划排程时选择了排程的算法之后，是正排还是倒排也是一个重要问题。正排指的是按照预定的算法尽可能紧前安排，倒排指的是尽可能紧后安排。

用上一段的例子，如果是用最短工序算法排程的话。正排的结果如下图:

如果是倒排，如果还没有到最后期限，会是下面的排程结果：

正排的优点是设备和人会得到充分利用，设备闲置或人员休息，也要等生产任务都完成后，可能会因为提前完成生产任务，没有到交货期不能发货而形成库存。

倒排的优点和缺点正好相反，倒排是在最后期限前完成任务，库存最小化，但前期人员和设备可能会有闲置。

笔者所在企业为一机械加工企业，机械加工也是一个应用广泛的行业。就以本企业为例，谈一下正排和倒排的影响。

本企业有设备几百台，包括了数控车床，加工中心，普通车床，钻床，铣床，磨床等。这些设备中数控车床和加工中心是瓶颈设备，它们也是设备中价格昂贵的设备。在排产时，充分利用瓶颈设备产能是个重要课题。

在激烈竞争的市场环境下，企业的投资都需要得到充分利用，企业才能降低生产成本，取得利润维持生存。如果企业有大量资产闲置，生产计划排程容易了很多，但企业投资浪费，可能导致企业严重亏损，这不是企业经营者希望的局面。

一般说来，当企业需要考虑上APS系统解决企业生产计划排程问题时，面临的情况都是多品种，小批量，设备能力不足，需要更合理的调度安排。正排增加库存，倒排浪费产能，如何取舍？

笔者认为：在增加库存和浪费产能之间取舍，浪费产能造成的损失大大超过增加库存，原因有二：

一，设备是有故障的，而故障又是偶发的，无从判断何时设备会出现故障。如果生产安排是时，进行倒排，按照库存最小化的时间点安排，如果在生产过程中出现设备故障，就没有多余的缓冲时间用于检修设备，势必造成延迟了交货期。

二，设备产能浪费属于彻底浪费，如果当月设备能力浪费了，以后也无法再追回；而增加库存造成的浪费则属于一种临时的浪费，如果当月积压了库存，而下个月客户订单增加，正好将这些库存利用，避免了加班。笔者观点，对于一般性行业，正排是正确的选择。

【4】总结

笔者就职于一个机械加工企业，生产过程是典型的多品种，小批量和设备能力紧张。

算法并不是复杂性越高，得到的计算结果越好。企业在生产计划排程时，可以结合实际情况，选择合适的排程算法。对于正排还是倒排的问题，对于一般性行业，正排是正确的选择。

离散制造业APS生产数据结构剖析 629期

本文阐述了APS(advanced p1anning system)高级计划排程系统的概念、功能及其在离散制造业中的巨大潜力。

第

章

概述

在离散制造业中，APS主要是解决多工序、多资源的优化调度问题。

在计划排程的过程中，APS将综合考虑企业内外的资源和能力约束条件，并用复杂的智能化运算法则，做常驻内存的计算。它可以为物料、机器设备、人员等资源提供同步的、实时的、具有约束能力的计划安排。

因此，它能及时响应客户要求，提供精确的交货日期，减少在制品与成品库存，提高资源利用率，挖掘出企业经济效益方面的巨大潜能。

第

章

APS生产数据结梅

在APS(在下文中，如果没有特殊说明，APS均指应用于离散制造业的APS)中，数据结构是一个最基本概念，是表达和组织生产对象及其生产过程的信息体系。下面将着重扶APS的生产数据描述、生产数据模型和生产数据关联3个方面来探讨APS生产数据的结构。

1、APS的生产数据描述

APS中的生产数据描述了离散制造企业内各个对象的属性信息，它是构建企业生产信息化系统的基本元素。

在这些生产数据中，有些数据不随时的变化而变化的，被称之为静态数据；与之相反，有些数据是随生产状态的变化而发生动态变化的，被称之为动态数据。

① 静态数据

主要描述了离散制造企业内一些静态对象的相关信息，见表1。在生产过程中，这些对象信息更新很少，是企业生产的基础。

表1：静态数据属性表

② 动态数据

主要描述了那些与时间密切相关的生产对象的信息，表2。它们更薪频率快，是企业生产关注的重点对象。

表2：动态数据属性表

2、APS的生产数据模型

生产数据模型是计划排程的基础，APS通过对企业静态对象建模，辅助以动态对象信息即可进行计划排程。这使我们主要研究离散企业的4种基本生产数据模型：时间模型、设备模型、人员模型和工具模型。

① 时间模型

时间模型定义了APS计划排强对象——设备、人员、工具等的可用性，这使得APS计划排程的结果更贴近于生产实际。时间模型定义可分为4个层次：企业日历、日模型、班次模型和体患模型，图1。

图1：时间模型

② 设备模型

APS计划排程的核心是设备，目标就是均衡设备负载、最大设备产能。设备模型的好坏直接决定了计划排程结果的准确性。

一般情况下，设备模型按照设备功能将其划分为不同的设备组，见图2。

同一设备组内的设备可以加工相同的工序，彼此之间是可以互相替换的。设备组的父节点是部门成本中心，它包含1个完整的生产流程。该部门成本中心可以生产某种或某些产品，它定义了APS计划排程的基本范畴。

图2：设备模型

但是在某些特殊情况下，企业生产并不完全是基于设备组进行的。

例如某企业有一系列设备组，这些设备组之间有1条固定的生产线路：A1-C2-B2-A1，工件在这些设备之间依次通过固定的传送带运输，即该生产流程是固定不变的。

显然，上述设备模型在此已变得不再适用，此时需要在APS中建立一条专门的生产线路，见图3。

图3：订单计划排程

③ 工具模型

工具主要用于辅助设备生产，不同工序需要不同工具来辅助其完成加工。工具按照功能划分为不同的工具组，见图4。

图4：工具模型

④ 人员模型

在企业内，设备的操控需要具备某种技能的人员，因此良好的人员计划调度是保证设备正常运作的基础。

一般来说，人员是按照其掌握的操作技能来划分的，见图5。一道工序可能对应多个不同的工种，每个工种对应某种特定的技能，每个员工可以对应1个或多个特定的技能。

图5：人员模型

3、APS的生产数据关联

生产数据关联可以帮助我们在静态数据模型上合理的配置动态数据，使两者之间达到很好的信息交互。

图6描述了APS中生产数据的关联情况，根据生产数据模型，可以将工序对应到4类对象的需求：生产工具组、设备组、物料和工种。

生产工具组和设备组都由一系列具备相同功能的生产工具和设备组成，时间模型决定了它们的可用时间段；具备相同技能资质的人员属于同一个工种，时间模型决定了他们的工作时间段：这样就得到了每一步工序相对应的生产工具集、设备集、人员集和物料的需求。

APS根据对象集内单个对象的可用性以及工序之间的逻辑关系，使用内置的算法即可计算出产品每一步工序的具体需求，实现将任务安排到最细粒度的生产资源。

图6：数据关联

第

章

实例

某汽车零件加工工厂有10台加工设备：

cuttel01、cuttel02、cuttel03是同类型的切割机；Pressel01、Pres—sel02是同类型的冲压机；Millel01、Millel02、Miller03是同类型的打磨机；Assemblel01和Assemblel02是同类型的组装机。

按照设备分组原则可将它们分为4个设备组，见表3。

表3：设备表

相对应的存在4个工种：切割、冲压、打磨和组装；4种技能：切割技能、冲压技能、打磨技能和组装技能。该工厂共有5名操作工，都具备一定的操作技能，见表4。

表4：员工技能表

还有一定量的生产工具用于辅助人员和设备生产，根据工具分组原则可分为4组，见表5。此外，仓库内有一定量的铁锭可用于产品生产。

表5：工具组表

上述对象在一定时间范畴内都存在可用性的问题。工厂是三班倒工作制，时间模型见表6。

模型设置到相对应的对象上，再辅以工厂的工作日历，就可以将工厂内各个对象一整年内的可用时间描述清楚。

表6：时间模型表

现在有两个客户订单——订单1001和1002分别需要生产刹车片100件和200件。根据数据关联图的描述，APS系统首先从工厂的ERP系统得到客户订单表和订单工序表，见表7。

当前订单1001的第1步加工工序是切割。APS首先将来料放置到该切割设备组1000前的一个虚拟缓冲区内。

如果在同一时间1002订单也在该工序进行加工，则APS根据内置的高级计划调度算法或客户定制的调度规则，并在考虑当前工序所需生产人员、生产工具和物料的可用性(包括时间和能力)的约束条件下，为当前设备组进行计划排程。

完成该工序的加工后，APS将订单送到冲压设备组2000进行下一步的计划排程。以此类推，最终可以得到两个订单在设备上的详细排程信息。

表7：订单表

结束语

好的生产数据结构是构建APS的基石，数据结构的设计在一定程度上决定了APS软件的优劣。APS的运作需要大量的数据作基础，在充分的采购计划、库存控制、成本控制及人力资源管理数据集成较好的情况下，APS能够帮助企业挖掘出经济效益方面的巨大潜能。

*来源：万方数据

*作者：王丹张浩

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。