APS - 智能工厂的智慧大脑

点击蓝字

关注我们

   APS曾经只是一个单一概念，即Advance Planning System，后由于高层计划和详细计划的差异难以在系统层面用一套数据、一种算法、一个解决方案同时解决这两个问题，因此分成Advanced Planning(宏观计划) 和Advanced Scheduling（详细计划）。那么Planning与Scheduling究竟有什么不同？

    上图是服装行业计划示意图，很容易看出宏观计划和详细计划的核心差别在时间和空间的颗粒度上。即宏观计划（Planning）面向周/月和工厂/车间的计划问题，而详细排产（Scheduling）则面向更小的天/小时级别和生产线的细颗粒度优化问题。一般来讲，Planning要解决的是工厂或车间6个月的产能/负载问题，而Scheduling解决生产线连续60天各时间段内的调度问题。颗粒度的变化带来了算法、模型、理念的巨大差异。

    宏观计划的目标是解决订单在粗颗粒度上给谁做(Who)和何时做（When)这二个核心问题，再以服装行业为例，需处理订单分配给哪个工厂最合适（考虑剩余产能、物料库存、生产效率、物流等），以及指定生产周期进行粗产能负载平衡问题。

    亿澳斯APS中的宏观计划可以根据指定的约束条件自动分配订单到最合适的工厂，同时计算出最早的工厂下线日期，因此可对客户进行快速准确的交期承诺。由于详细计划和实际进度数据自动反馈回宏观计划并参加负载的计算，因此可从宏观层面得到最即时、最完整、最准确的集团内各工厂生产负载。

  通过宏观计划的有限能力优化算法，我们可对客户原ERP做两个方面的重大改变：

1. 由宏观计划计算MPS替代MRP的生产计划，解决由于无限能力而导致的不可执行问题；

2. 以有限能力MPS作为MRP的输入，让MRP的物料采购变得更加JIT精益，减少不必要的原料库存积压力。

   订单分配到工厂后，由Scheduling解决排到哪些产线和何时生产的问题。一般认知是企业把对生产的优化放到了生产部门本身，精益部门的眼睛大多数只盯着生产现场：等待的浪费、搬运的浪费、不良品的浪费、动作的浪费、加工的浪费、......七大浪费滚滚而来，精益改善也如火如荼。

    诚然，精益生产确实可以极大帮助企业，APS本身也旨在提高企业的精益化水平，但是角度和理念却有些许不同，APS的目标，是要在生产计划阶段就考虑精益的问题，首先要消除不合理的生产安排，其次才是合理的生产！即把精益活动从生产部门提前到了计划部门，从现场管理挪到计划管理。APS的使命就在于此！Advanced Scheduling是一个精密的约束模型的灵活实现，通过对工厂制造过程中各种制约因素的巧妙建模，使得我们有机会在排产方案真正下发给车间执行之前，就可以发现潜在的问题并做出优化：

    从APS优化模型的角度来看，工厂里面充满了各种制约：人员、设备、物料、产前事件、工作日历、KPI要求...无不成为制约条件，这些约束条件有些是硬性的而有些是软性的，而Advanced Scheduling则像一名高明的向导，通过生成整体最优的排程方案，带领工厂在种种约束下，多快好省的交付产品。

通过Advanced Scheduling，我们不但要解决如何做到产线或机器级别的详细排产（绝大多数企业现在依赖班组长的人工调配），还要帮助企业在JIT的路上走的行稳致远。

    此外，APS内嵌的物料关联引擎，可以实现物料需求计算与排产的即时互动，即排产变化引起物料需求的重新计算，物料的变化也可以即刻制约排产的制定。这种在排产和物料之间的双向约束，成为我们制定一个可靠的、可执行的生产排产的必备条件，更重要的是，整个过程只需数分钟便可完成。时间的极大缩短（相较于ERP系统数小时级别），赋予了我们无限次What-if -- 优化计划的可行性。