APS 高级计划与排程详解（完整版）
一、APS 系统概述
1.1 什么是 APS
APS（Advanced Planning and Scheduling，高级计划与排程） 是利用先进的运筹优化算法，综合考虑企业的各种约束条件（产能、物料、人员、设备、工装夹具等），对生产计划和车间作业排程进行优化的信息系统。
APS 与 ERP 中的 MRP 不同，MRP 是基于无限产能的物料需求计算，而 APS 是基于有限产能的优化排程。
1.2 APS 的核心价值
- 有限产能排程：考虑实际产能约束
- 多约束优化：综合考虑物料、设备、人员等约束
- 优化算法：利用运筹学算法求最优/近优解
- 快速响应：快速重排以应对变化
- 可视化：排程结果可视化展示
- 降本增效：提升产能利用率、缩短交付周期
1.3 ERP MRP 与 APS 的区别
| 对比项 | ERP MRP | APS |
|---|---|---|
| 产能假设 | 无限产能 | 有限产能 |
| 计算逻辑 | BOM 展开 | 约束优化 |
| 排程精度 | 天/周 | 分钟/小时 |
| 约束考虑 | 少 | 多约束 |
| 重排速度 | 慢 | 快 |
| 优化能力 | 无 | 有 |
| 可视化 | 弱 | 强 |
二、APS 的计划层次
2.1 五层计划模型
┌─────────────────────────────────────────────┐
│ 战略计划（Strategic Planning） │
│ 时间跨度：1-3年，产能规划、工厂布局 │
├─────────────────────────────────────────────┤
│ 销售与运营计划（S&OP） │
│ 时间跨度：月-年，供需平衡、产能规划 │
├─────────────────────────────────────────────┤
│ 主生产计划（MPS） │
│ 时间跨度：周-月，产品级计划 │
├─────────────────────────────────────────────┤
│ 物料需求计划（MRP） │
│ 时间跨度：天-周，物料级计划 │
├─────────────────────────────────────────────┤
│ ★ 车间作业排程（Scheduling）★ │
│ 时间跨度：分钟-天，工序级排程 │
└─────────────────────────────────────────────┘
2.2 APS 主要覆盖层次
- 供应链计划：网络优化、库存优化
- 需求计划：需求预测
- 生产计划：MPS、产能计划
- 详细排程：工序级排程（APS 核心）
- 运输计划：路径优化
三、APS 核心功能模块
3.1 需求计划（Demand Planning）
- 历史数据分析
- 统计预测（移动平均、指数平滑、ARIMA）
- 协同预测
- 促销/事件影响
- 预测准确率分析
3.2 供应网络计划（Supply Network Planning）
- 供应链网络优化
- 工厂/仓库选址
- 产能分配
- 库存布点优化
- 采购计划
3.3 生产计划（Production Planning）
- 主生产计划（MPS）
- 产能需求计划（CRP）
- 供需平衡
- 安全库存计算
- 多工厂协同计划
3.4 详细排程（Detailed Scheduling）
这是 APS 的核心功能，即车间作业排程。
排程考虑的约束
- 资源约束：设备产能、人员技能
- 物料约束：物料齐套、库存
- 工艺约束：工艺路线、工序顺序
- 时间约束：开工/完工时间、准备时间
- 空间约束：缓存区、在制品限制
- 环保/安全约束
排程目标
- 最小化完工时间（Makespan）
- 最小化延迟（Tardiness）
- 最大化产能利用率
- 最小化换型时间
- 最小化在制品库存
- 满足交期（OTD）
排程算法（详见第四章）
3.5 运输计划（Transportation Planning）
- 车辆路径优化（VRP）
- 装载优化
- 承运商选择
- 运费优化
3.6 排程模拟与仿真
- What-if 分析
- 排程方案对比
- 瓶颈分析
- 产能仿真
四、排程算法
4.1 问题分类
按车间类型
- 单机排程（Single Machine）
- 并行机排程（Parallel Machines）
- 流水车间（Flow Shop）：所有工件工艺顺序相同
- 作业车间（Job Shop）：工件工艺顺序不同
- 开放车间（Open Shop）：工艺顺序不限
- 柔性作业车间（Flexible Job Shop）：工序可在多台设备加工
按确定性
- 确定性排程：参数已知
- 随机排程：参数不确定
按动态性
- 静态排程：所有工件同时到达
- 动态排程：工件陆续到达
4.2 精确算法
4.2.1 整数规划（IP/MILP）
- 建立数学模型
- 求解器：CPLEX、Gurobi、SCIP
- 优点：保证最优解
- 缺点：求解时间长，不适合大规模问题
4.2.2 动态规划
- 分解子问题
- 适合小规模问题
4.2.3 分支定界（Branch and Bound）
- 隐枚举法
- 适合中等规模问题
4.3 启发式算法
4.3.1 优先规则派工（Dispatching Rules）
常用优先规则：
- SPT（Shortest Processing Time）：最短加工时间优先
- EDD（Earliest Due Date）：最早交期优先
- FIFO（First In First Out）：先进先出
- LIFO（Last In First Out）：后进先出
- CR（Critical Ratio）：关键比率优先
- SLK（Slack）：剩余宽松时间优先
- MWKR（Most Work Remaining）：剩余工时最多优先
- LWKR（Least Work Remaining）：剩余工时最少优先
优点：简单、快速
缺点：不能保证最优
4.3.2 构造式启发式
- NEH 算法（Flow Shop）
- Palmer 算法
- CDS 算法
4.4 元启发式算法
4.4.1 遗传算法（GA）
- 模拟自然选择
- 交叉、变异
- 全局搜索能力强
4.4.2 模拟退火（SA）
- 模拟金属退火过程
- 接受恶化解以跳出局部最优
4.4.3 禁忌搜索（TS）
- 引入禁忌表
- 避免循环搜索
4.4.4 粒子群优化（PSO）
- 模拟鸟群觅食
- 群体协作搜索
4.4.5 蚁群算法（ACO）
- 模拟蚂蚁觅食
- 信息素机制
4.4.6 神经网络（NN）
- 深度学习求解
- 端到端学习
4.5 算法选择建议
- 小规模问题：精确算法（MILP）
- 中等规模：启发式 + 元启发式
- 大规模：启发式规则 + 元启发式
- 实时排程：优先规则派工
五、约束建模
5.1 资源模型
- 工作中心（Work Center）：一组相似设备
- 资源（Resource）：具体设备/人员
- 产能：可用时间、效率
- 日历：工作日历、班次
5.2 工艺模型
- 工艺路线（Routing）：工序序列
- 工序（Operation）：加工步骤
- 准备时间（Setup Time）：换型时间
- 加工时间（Processing Time）
- 搬运时间（Move Time）
- 等待时间（Wait Time）
5.3 物料模型
- BOM
- 物料齐套检查
- 替代料
- 批次管理
5.4 约束类型
- 硬约束：必须满足（如工艺顺序、设备产能）
- 软约束：尽量满足（如交期、优先级）
六、APS 技术架构
6.1 系统架构
┌──────────────────────────────────────────────┐
│ 展示层 │
│ 甘特图、看板、报表、模拟界面 │
├──────────────────────────────────────────────┤
│ 应用层 │
│ 需求计划、生产计划、详细排程、运输计划 │
├──────────────────────────────────────────────┤
│ 优化引擎层 │
│ 求解器、启发式算法、约束引擎 │
├──────────────────────────────────────────────┤
│ 数据层 │
│ 订单、BOM、工艺、产能、库存 │
└──────────────────────────────────────────────┘
6.2 排程可视化
- 甘特图：最常用的排程展示方式
- 资源甘特图（设备/人员）
- 订单甘特图
- 负载图
- 瓶颈分析图
七、APS 与其他系统集成
7.1 APS 与 ERP 集成
- ERP → APS：生产订单、BOM、工艺路线、资源数据、库存
- APS → ERP：排程结果、计划订单、产能分析
7.2 APS 与 MES 集成
- APS → MES：排程计划、作业指令
- MES → APS：实际进度、设备状态、产能反馈、异常信息
7.3 APS 与 WMS 集成
- APS → WMS：物料需求计划
- WMS → APS：库存状态、物料齐套
7.4 APS 与 PLM 集成
- PLM → APS：BOM、工艺路线
八、APS 实施方法论
8.1 实施步骤
-
现状分析
- 排程现状调研
- 约束条件识别
- 排程目标定义
-
数据准备
- 工艺路线数据
- 资源产能数据
- 日历班次数据
- 历史数据分析
-
模型构建
- 约束建模
- 目标函数定义
- 算法选择与调优
-
系统集成
- 与 ERP/MES 集成
- 数据接口开发
-
测试与上线
- 排程结果验证
- 用户培训
- 试点上线
- 全面推广
8.2 实施关键成功因素
- 数据准确性（工艺、产能、日历）
- 约束条件完整识别
- 排程目标清晰
- 与 MES 实时联动
- 排程人员参与
- 算法调优
8.3 常见难点
- 数据不准确或不完整
- 约束条件复杂
- 现场变化频繁，需频繁重排
- 排程结果与实际执行脱节
- 算法求解时间长
九、APS 关键指标（KPI）
9.1 排程效果类
- 排程达成率
- 订单准时交付率（OTD）
- 平均完工时间（Makespan）
- 平均延迟时间
9.2 资源利用类
- 设备利用率
- 瓶颈设备利用率
- 换型时间占比
9.3 库存类
- 在制品数量（WIP）
- 库存周转率
9.4 排程效率类
- 重排响应时间
- 排程计算时间
十、主流 APS 产品
10.1 国际厂商
| 厂商 | 产品 | 特点 |
|---|---|---|
| SAP | SAP IBP / PP/DS | 与 SAP ERP 集成 |
| Oracle | Oracle APS | 大型企业 |
| Siemens | Opcenter APS（原 Preactor） | 排程领域领先 |
| Dassault | DELMIA Quintiq | 供应链计划 |
| Kinaxis | RapidResponse | 供应链计划 |
| Flexis | Flexis APS | 汽车行业 |
| AIMMS | AIMMS | 优化平台 |
10.2 国内厂商
| 厂商 | 产品 | 特点 |
|---|---|---|
| 华制智能 | APS | 制造业 |
| 永凯软件 | APS | 制造业 |
| 元工国际 | APS | 机械行业 |
| 数策软件 | APS | 汽车行业 |
| 优也信息 | APS | 流程行业 |
十一、APS 发展趋势
11.1 实时排程
- 事件驱动的实时重排
- 边缘计算支持
- 秒级响应
11.2 AI 排程
- 强化学习排程
- 深度学习优化
- 智能排程推荐
11.3 数字孪生排程
- 工厂数字孪生
- 虚实联动
- 预测性排程
11.4 云原生 APS
- 云端部署
- 快速上线
- 弹性计算
十二、总结
APS 是制造企业实现精益生产和智能制造的重要工具，它通过运筹优化算法，在考虑各种约束条件的前提下，生成最优的生产计划和车间排程，帮助企业提升产能利用率、缩短交付周期、降低库存水平。
APS 的实施难点在于数据的准确性和约束的完整性，以及与 MES 的实时联动。企业在实施 APS 时，应先做好基础数据治理和 MES 建设，再逐步引入 APS 优化排程。
本文持续更新，欢迎交流讨论。