APS排程系统的生产模型.docxVIP

PAGE1 / NUMPAGES1 APS排程系统的生产模型 建立生产模型，让软件接受企业的详细生产过程，这的确很麻烦，但并非是无法完成的，真正的难点在于下一步：根据模型和生产请求得到详细的作业计划，也就是详细生产排程。ERP的真正技术瓶颈就发生在这里。 详细生产排程的结果是‘生产作业计划’，是针对每个人员每个设备的生产资源的工作计划。作业计划必须满足在生产工艺上不能有半点差错。首先，工序之间必须满足特定的逻辑关系，以及要求某些工序必须连续、同时、或者间隔进行等等，这是对作业计划最基本的要求。其次，作业计划必须满足资源能力限制，一个资源在一个时间内只能干一件事情，生产作业计划中不能有资源冲突；最后，作业计划必须满足物料供应的限制，没有原材料不能开始生产。也就是说：作业计划必须同时满足多种复杂的约束条件。TOC约束理论早已有之，只是需要比较高级的算法和数学理论，在这方面需要进行长期投入才会有所收获。因此国内理论界对此的研究还很少。 有了按照TOC理论计算出来的计划，满足企业生产工艺要求是不是就行了？很遗憾，这还是差的很远。现在我们以一个假想例子来说明。 一个ERP生产调度系统，很顺利接受了某企业的全部生产细节，并计算出了一套生产作业计划，打印成一份给所有生产资源安排工作的作业计划。现在，由一个有经验的老调度师来决断这个ERP计划系统是不是可以用的，他将如何做？首先，他会逐一检查每个工序的时间安排，看它们之间的次序和逻辑关系是不是符合企业生产工艺的逻辑关系要求；其次，他会观察这个计划中对每个资源的安排是不是合理，有没有一个时间干两个活这种冲突的情况发生；最后他要看在计划时间内物料能不能供应的上。这些都没有问题了，他必须承认：这个计划已经是一个‘可行’的计划了，也就是说，照此计划一定可以完成生产任务。 但是，还有一个关键的事情，老调度师根据自己习惯的做法，也手工制定了一个作业计划，他把这两个计划一对E比，发现问题了。手工的计划可以8个小时完成全部工作，而计算机的计划需要9个小时。或者手工计划可以在8：00完成而计算机的计划要在9：00点完成。原因在于：计算机对某几个工序的顺序安排虽然可行但是不合理，而老调度师根据长期经验早已清楚此时安排工序应该哪个先、哪个后、哪些并行比较好，结果可以得到更短时间完成的计划。这是一种优化安排，而计算机没有找到这种安排方法，所以计算机给出的是一个‘可行’的，但是‘不好’的计划！理想中计算机应自动计算出一个比手工计划更好更优化的排产方案结果，指导人如何工作。这样的软件才能体现出‘企业资源计划’的威力。否则，不能满足最优化排程的ERP在企业生产中还是无法代替手工。 这隔例子凸现出了一个世界性的关键技术瓶颈：一个生产过程可能有无穷多种‘可行’的安排方式，但是必须从其中找出一个‘最优’的计划，即使不能达到最优，起码要比人的手工计划更优，这才是一套可用的生产排程软件，否则企业还是用不起来。 找出‘可行’计划的难度已经很大，找出‘优化’计划的难度更大。不仅要处理错综复杂的约束条件，还要从几乎无穷多种满足约束的可行方案中找到优化排程方案。怎样才能找到这种优化的计划？这是ERP系统共同面对的真正瓶颈问题，是世界性的技术难题。其中的关键在于算法，算法的基础是数学模型，特别是高级图论、离散数学与线性代数中的矢量矩阵技术。对此，国外已经作出了很多年的努力，其研究成果已形成了多个‘APS先进生产排程’产品，发展出了几十种先进生产排程算法，比较常用的如：启发式图搜索法、禁忌搜索法、神经网络优化、遗传算法等，这些算法各有优劣，可用在不同场合。目前不同的新的算法仍正在蓬勃发展中。 用一句话来形容APS的主要功能：可以自动给出满足多种约束条件、手工排程无法找到的、优化的排产方案。其实关键就是‘可行’和‘优化’这两个概念。这个说起来很简单的功能意义十分重大，主要体现在它可以给传统ERP带来以下几个关键的变化： 1）对企业来说，在不增加生产资源的情况下，通过最大限度发挥当前资源能力的方式实现了提高企业生产能力的目标。 2）APS排程的结果给出了精确的物料使用和产出的时间、品种、数量信息，用这些信息可以把很多相关企业或者分厂、车间联合在一起组成一个‘SC M供应链’系统，最大限度减少每个企业的库存量。 3）APS可以用来做为生产决策的依据，它的排程计算结果不光可以作为生产计划，还可以通过不断what if的‘试算’的方式为企业提供生产决策依据。 4）根据自动生成的作业计划还可以自动生成质检、成本、库存、采购、设备维护、销售、运输等计划。带动企业各个不同管理模块围绕生产运转，改进这些模块的运转方式，大大提高这些模块的运转效率，提升企业整体管理水平。 但是，APS系统的开发难度很大，需要融合最前沿数学理论和最先进管理理论，专业人才很少，投资