订单少的时候，生产计划很简单。

但是订单一多，问题马上出现：

很多企业以为这是生产执行的问题。

其实根本原因是：订单越来越复杂，但排产逻辑还停留在人工经验阶段。

传统排产解决的是：“哪个订单先做？”

但真正制造现场需要解决的是：“在设备、人员、物料、工艺、交期全部有限的情况下，怎样安排才最合理？”

这就是APS要解决的问题。

APS（Advanced Planning and Scheduling，高级计划排程），本质不是生成一张漂亮的生产计划表。

而是：通过算法计算，把有限生产资源安排到最合理的位置。

很多企业第一次接触APS，会有一个误区：

认为APS就是MES升级版。

其实不是，三个系统解决的问题完全不同。

ERP关注：订单、采购、库存、财务。

解决：企业经营数据。

MES关注：生产现场执行。

解决：产品有没有生产？完成多少？

APS关注：生产之前怎么安排。

解决：

• 谁先做？

• 在哪台设备做？

• 什么时候开始？

• 什么时候完成？

所以：

• ERP是企业资源管理系统。

• MES是生产执行系统。

• APS是生产计划的大脑。

很多企业理解排产，就是把订单排个顺序

• 订单A周一生产。

• 订单B周二生产。

• 订单C周三生产。

看起来简单，但真实制造现场远比这个复杂。

因为生产不是只有订单，背后还有大量限制：

• 设备：这台机器能不能加工？

• 人员：有没有对应技能？

• 物料：是否已经齐套？

• 工艺：有没有先后顺序？

• 模具：是否需要更换？

• 交期：什么时候必须完成？

所以APS首先计算的不是：“订单顺序”而是“生产关系”。

例如一张订单进入简道云系统中，会拆解：

• 产品。

• 数量。

• 工艺路线。

• 标准工时。

• 设备需求。

• 物料需求。

• 交付时间。

然后系统再结合：

• 设备能力。

• 人员安排。

• 生产班次。

• 物料状态。

• 约束条件。

• 计算出可执行方案。

这也是为什么很多企业上线APS失败。

不是系统不好，而是基础数据没有建立。

• 设备产能不知道。

• 标准工时不准确。

• 工艺路线混乱。

算法再强，也无法算出正确结果。

APS最基础的两个排产逻辑：

正向排产+逆向排产

1、正向排产：从现在往后安排

逻辑很简单：资源什么时候空，就安排什么时候生产。

例如：

• 设备上午8点空闲。

• 系统安排订单A。

• 订单A完成后。

• 继续安排订单B。

优势：简单、容易执行。

适合：

• 订单稳定。

• 产能充足。

• 生产节奏固定的企业。

但问题也明显：

它更关注：“现在能不能生产”，不一定关注：“什么时候必须完成”。

2、逆向排产：从交期倒推计划

逆向排产刚好相反，它从客户交付日期开始倒推。

比如：30号必须交货。

那么：

• 29号完成最终检测。

• 27号完成装配。

• 20号完成加工。

• 15号完成备料。

它关注：什么时候必须开始，什么时候必须完成。

优势：

• 交付导向更强。

• 减少提前生产。

• 降低库存压力。

很多企业将订单交付日期、生产周期、物料周期等数据接入简道云系统，由系统自动计算最晚开工时间。

相比人工Excel倒推，系统可以快速响应订单变化。

真正成熟的APS系统，不会只使用一种算法。

而是根据生产特点组合使用。

不是没有计划，而是假计划。

为什么？

因为很多排产默认：资源无限。

Excel里：

• 设备A安排8小时。

• 设备A又安排8小时。

但是现场：设备一天只能工作10小时。计划根本无法执行。

有限产能排产，就是让系统承认：

• 设备有极限。

• 人员有极限。

• 产线有极限。

比如简道云中APS会计算：

• 设备每天可用时间。

• 人员班次。

• 换模时间。

• 设备维护时间。

• 瓶颈工序能力。

最终输出：

不是理论上的满负荷计划，而是真正能够执行的生产计划。

这也是APS最大的价值，提前告诉企业：

• 哪里会堵？

• 哪个订单可能延期？

• 哪个资源成为瓶颈？

生产资源永远有限，所以订单之间一定会冲突。

多个订单同时需要：

• 同一台设备。

• 同一个班组。

• 同一套模具。

怎么办？APS需要建立优先级规则。

常见规则：

第一：交期优先。

快到交付时间的订单优先。

第二：客户等级优先。

战略客户订单优先保障。

第三：利润优先。

高价值订单优先。

第四：减少换线。

尽量安排相似产品连续生产。

降低切换损耗。

真正企业不会只使用一个规则，而是组合权重。

例如：

• 交期40%。

• 客户等级30%。

• 生产效率20%。

• 利润10%。

这套规则，就是企业自己的排产逻辑。

APS应该算出一个完美计划。

但真实生产环境：永远在变化。

• 上午：设备正常。

• 下午：设备故障。

• 今天：物料齐全。

• 明天：供应延期。

所以APS更多采用：启发式优化。

简单理解：不是寻找数学上绝对完美答案，而是在有限时间内找到更合理方案。

比如在简道云中APS系统会不断比较：

方案A：延期少，但换线多。

方案B：设备利用率高，但库存增加。

方案C：交付风险最低。

最后选择综合最优方案。

制造企业需要的不是：永远不变的计划。

而是：能够快速调整的计划。

很多老板会问：

为什么别人APS效果很好？

我的系统上线后还是乱？

通常有三个原因。

第一，基础数据不准确

APS依赖数据。

如果：

• 设备能力错误。

• 工时错误。

• 工艺错误。

排出来的计划一定错误。

第二，APS没有连接现场

APS负责计划，MES负责执行。

如果生产过程中：没有实时反馈。

系统不知道：

计划自然无法优化。

第三，只买系统，没有改变管理方式

很多企业认为：买软件=数字化。

实际上：系统只是工具。

真正改变的是：

• 生产规则。

• 数据体系。

• 管理流程。

中小制造企业需要APS吗？

不是所有企业都需要复杂APS。

如果你的工厂：

• 订单少。

• 产品简单。

• 设备固定。

• 人工排产还能满足。

没有必要盲目上复杂系统。

但是如果你：

• 多品种。

• 小批量。

• 订单变化频繁。

• 设备资源紧张。

• 交期压力大。

• 计划每天调整。

那么APS价值非常明显。

正确路径应该是：

第一步：打通订单、BOM、工艺、设备数据。

第二步：建立MES生产执行体系。

第三步：再通过APS优化排产。

过去很多工厂靠：

• 经验排产。

• 人工协调。

• 不断救火。

订单少的时候还能运行，订单复杂以后，就越来越困难。

APS的价值不是替代计划员，而是把计划员脑中的经验：变成系统规则。

制造业未来的竞争，不只是设备竞争，更是计划能力竞争。

• 谁能够更准确地安排资源。

• 谁就能更稳定地交付订单。

——The  End——

​阅读原文：https://mp.weixin.qq.com/s/8Hz-BkcXBQ8NeKf1SiOeJg