APS研究与应用分析.docVIP

APS研究与应用分析

采取不同的优化算法。

3、分销计划。分销计划模块在于帮助管理分销中心并保证产品可订货、可盈利、能力可用。该模块主要帮助企业分析原始信息，进而帮助企业确定如何优化分销成本或根据生产能力和成本提高客户服务水平。

4、运输计划。运输计划模块的作用是帮助确定将产品运送到客户的最好的途径，它的目标更多是短期的和战术性的。

5、企业供应链分析。企业供应链分析模块是APS中最重要的模块，也是最能体现APS功能升华的模块。它更多立足于对整个供应链的成本效益分析，帮助供应链上各企业从战略功能上对供应链、生产和销售中心进行调整。所以，供应链企业的分析将会贯穿整个供应链的一个或多个产品，注意发掘和发现链条上的问题并指导决策。

（三）APS的作用与意义

1、实现效益最大化。在组织有限资源约束条件下实现效益最大化。相比传统的MRP或者ERP系统，它们是基于无限物料、无限能力的理论，是通过缺料分析、能力分析，由人进行调整和采取行动的计划排程方法。APS是基于约束理论的，通过事先定义的约束规则，由计算机自动采取行动的高级计划排程方法。现实中的资源和能力是有限且动态的，APS方法显然更能反应现实生产运作环境。

2、即时规划。APS具有面对突发状况（插单、物料供销延迟交期变化等）的即时规划能力。不论是单个企业的生产环境中，还是整个供应链系统的各个企业，生产环境都不是固定不变的，任何时间都可能发生资源、能力的变动，比如原有产品的插单、新产品（工艺路线发生变化）的加入、物料供销延迟交期变化、机器故障等突发事件，都会打破原有的优化平衡状态。APS系统具备计算机自动检查重排，生成新的优化排程方案，且是即时完成，不会延迟。

3、制定无时间限制的层次计划体系。全盘考虑供应链上各企业的资源能力和目标，时间上支持供应链活动的任何时段如小时、天、周、月；空间上支持不同业务流程和不同供应链企业成员的计划。传统的MRP或者ERP是按顺序和分组织计划，也不支持任何时段的计划处理。

4、辅助决策支持。利用模拟仿真等预测分析工具，对比事前模拟与事后计划结果，帮助计划人员做出正常决策；同时通过不断收集计划实施反馈结果，调整供应链各环节的产销布局，运销分配，以提高资源优化配置的效率，提升供应链的综合绩效。

二、APS与规则引擎

规则引擎由推理引擎发展而来，是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序代码中分享出来，并使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据业务规则做出业务决策。

APS相对于传统的ERP计划模型最大的优势是层次计划体系。供应链计划涉及不同的时间跨度（长期、中期、短期）、不同的业务流程（采购、制造、分销等）以及各个供应链成员企业，并且由于需求的不确定性，APS采用层次计划方法，其中层次越低，计划涵盖的局部受到的限制越多，计划时间跨度越短，计划也越详细。同时上层计划模块的结果为下层计划设定了约束，而下层计划也将相关性能数据（如成本提前期、使用率等）反馈给上一层次的计划，并接受上层综合计划的协调。

由于APS算法的局限性，在约束资源过多的情况下，APS的计算结果通常是无解，或在有些情况下通过变通给出了次优解或近优解，但往往并不符合企业的实际情况。另外，相对固定的算法，并不能适应多变的市场变化，当企业业务规则变化后，APS很难跟上更新的步伐，使得APS的适应性和柔性仍比较差。

鉴于此，将规则引擎应用在APS的计划管理模块中，基于一系列业务规则，将计划管理过程分为四个模块：资源管理、需求管理、制造管理和可供应能力管理。每个模块按规则引擎的原理分为业务规则、数据和流程3部分，，其中业务规则负责对资源的优化和调配，相对独立于系统之外，可由规则引擎实时解析和启动，并可根据情况及时更新维护。这样制定的计划可以接受反馈、滚动更新。模型既保留了APS约束资源优化、层次性计划体系等优点，同时又克服了传统APS适应性不强、柔性不足的缺点，且易于实现和推广应用。

三、APS与大数据

（一）大数据的定义及主要特性

目前，大数据并没有一个公认的定义。国际数据中心IDC对大数据下的定义（属性定义）：大数据技术描述了一个技术和体系的新时代,被设计于从大规模多样化的数据中通过高速捕获、发现和分析技术提取数据的价值；McKinsey公司的研究报告中对大数据的定义（比较定义）：超过了典型数据库软件工具捕获、存储、管理和分析数据能力的数据集；美国国家标准和技术研究院NIST对大数据的描述为（体系定义）：大数据是指数据的容量、数据的获取速度或者数据的表示限制了使用传统关系方法对数据的分析处理能力,需要使用水平扩展的机制以提高处理效率。

大数据的四个主要特性：

1、体量大。大数据中主要的非结构化数据呈超大规模增长，要求与