ERP高级计划 Advanced Planning and Scheduling APS供应链优化引擎 编著: 蔡 颖
信息技术迫使你更有逻辑性地组织流程.毫无疑问,在制造业,在理论和体系方面发生了和20世纪20年代的产业革命相媲美的根本性的变化,不仅仅是生产计算机化和自动化,主要还是生产系统化.在过去,提高生产力的方法是专业化.而今,我们设计,分配制造流程,与其说是使制造系统最大化,不如说是使它们最优化.新的制造系统将柔性植入系统中. 当代管理学大师 彼得. 德鲁克 在现实生活中,决策者要完全了解和预见作出决策是不可能的,而决策者也存在知识和计算能力方面的局限性.决策者所面临的环境因素越来越复杂且急剧的变化.所以决策者需要在缺乏完全信息的情况下,进行决策. 用”满意”取代”最优”, “最优化”的概念只在纯数学和抽象的概念中存在,在现实生活中是不存在的.它在满足各种约束条件下,.”满意”的概念显然比”最优化”的概念更为合理,它可以极大的减少搜寻技术成本,计算成本,简化决策程序.因此,约束满意是绝大多数的决策者所遵循的标准. 现代管理学大师赫伯特.西蒙 诺贝尔经济学奖,美国心理学杰出贡献奖,计算机图灵奖获得者 . 创幻编辑室即将联合广东经济出版社编辑出版一批图书，弘扬创幻文化，打造创幻品牌。请各位高手多多支持。谢谢。凡有意者，请即刻联系创幻论坛编辑室版主。 联系人：罗振文/清风斜阳 群名：出版传播 群号：45160736 电话：020-87593210 手机：13719061809 Q Q：82052669 邮箱：acdvip@
序 “管理者们会发现,他们处在一个完全不舒服,充满混沌和复杂性理论,感觉很狼狈的世界.越来越多的人讨论的都是事实与认识之间的不协调;新的现实的特征就是不确定性和歧义丛生.” 摘自斯图尔特.克雷纳的 <<管理百年>> 如果说ERP系统是人类共同的奇迹,它对于商业和IT世界产生了巨大影响,那么,APS系统就是意味着商业运作运用与研究的复兴. 在ERP实施的如火如荼的今天,计划控制始终是我们要突破的难点,也是对ERP行业的巨大挑战,同时,计划排程优化无论是在制造业,还是IT业都是非常诱人的领域. 计划管理实际上就是计划,执行,控制的过程,在信息时代,我们要高效的利用计算机辅助我们计划管理人员进行有效计划控制.随着我们对生产计划管理理论的不断探索,也随着计算机技术高速发展,计划排程理论正朝着高级约束计划的方向发展.也正是计算机技术的突飞猛进的发展,使得许多高级计划技术得以在工业领域中实现. 本书的意图是探索从计算机辅助计划的历史,现在与未来,来论述计划管理的理论丛林中的各种主要计划理论的代表,也就是想从中探讨出计划的规律.也相应介绍国际上计划研究领域的发展方向. 实际上,在我实施或参与咨询过的近上百家的制造企业里,在实施MRP的同时,几乎都有高级约束计划的需求;他们有的正在实施精益生产-DFM需求流计划(看板计划的发展),有的企业正在学习TOC约束理论, 但不知如何用计算机来实现.大多数企业都对目前的计算机计划技术方面知之甚少.特别是对那么多种计划理论的出现,使得大多数人都很困惑.本书就是详细介绍各种计划技术,尤其是高级计划技术.想要提示一个重要的信息:就是面向客户的,敏捷的,同步的,具有约束的计划的运用已大势所趋. 确实,高级计划APS在我国还是一个新的概念和理论.就如同当初MRPII、ERP在我国实现推广一样.随着企业制造信息化的进一步深入,我们越来越意识到以MRPII为核心的ERP的局限，促使我们的ERP的从业者或已经使用MRPII/ERP的企业或爱好者，从事生产管理,计划管理及ERP软件开发的研究者或有志于进一步学习的学生等都渴望尽快掌握国外最先进的理论,可以跨越式发展,少走国外的弯路。随着计算机技术的发展，商务要求越来越复杂，供应链和商务智能的兴起，高级计划APS必须嵌入ERP平台。从各大ERP软件商迅速收购或开发高级计划APS系统来适应世界经济的发展，就说明高级计划APS的运用价值.如SAP公司的APO,ORACLE公司的APS,等等.专做供应链高级计划APS的许多公司已经进入我国.如I2公司,Manugistics公司等. 实际上,此类软件包在美国运用已经很多年了.现有二十多个软件商提供不同品牌的APS软件.虽然,不同软件有不同的算法和方法,它的基本原理和目标是一样的.
从我在<<IT经理世界>>杂志上首发的<<APS解决企业难题>>一文以来,得到很多有识之士的关注和支持，特别是IT经理世界的编辑朱琼女士对此文提出了许多宝贵意见.编辑张立红女士对此书提出宝贵意见. 企业资源管理中心和编辑李玉玲女士特别给我开辟个人专栏来对高级计划APS研究与介绍。并成为AMT资深会员。 美国FCS (Finite Capacity Scheduling)有限能力计划的作者之一Bill Kirchmier，美国研究APS的先驱,同时也是国际生产计划与排程协会The International Production Planning and Scheduling Association (IPPSA)的发起者,在业务上的指导，使我有幸成为专门研究APS的IPPSA会员。 感谢Fourth Shift Asia公司和 Oracle China公司的同事们及一起工作过的同事和我实施支持过100多个客户的帮助支持，从他们那里我学到了许多，并使我坚信,随着ERP的不断普及,对MRPII了解越来越深,对高级计划APS的需求会越来越大。这也促进我编写这本书。但愿我这本书或许会起到抛砖引玉的作用.为我国制造信息化起到促进作用 特别感谢刘伯钧老师,周玉清老师,Tim Ferery(SoftBrand亚太总裁),刘杰先生(SoftBrand美国),李贵权先生(原加拿大I2),梁建章先生(原Oracle 上海),吴松林先生(原富士通 南京). 当然要特别感谢罗振文先生(广东经济出版社),在他的鼓励下和安排下使此书得以出版.
前 言 IT正在改变制造的运作能力 蔡 颖 “要有勇气面对现实,勇敢的挑战基本假设” - 高德拉特(Eliyahu M. Goldratt) IT泡沫时代已经结束,人们的头脑已经清醒.对制造业来说,关键是提高生产力,是提高整体企业的生产力,而不是局部的效率.正如高德拉特的<<目标>>一书所描述的是基于目标的生产力.新技术和新理论改变了制造运作的能力.生物技术和纳米技术离我们太遥远了,IT的新技术层出不穷,如火如荼的IT热潮已经过去,利用IT技术提高生产力的时机已经到来. 把信息化看作是仅仅是数字设备和电脑或是联网,如果用这样的眼光来看待信息化那就太片面了.信息化给了我们: (1),内,外互联,有线,无线的互联,各种网络本身的集成深刻的影响了各种商业业务流程. (2),使业务变得更加智能化. (3),促进了新的理论,思想,创新.使得过去象牙塔里的理论得以实践. 现在,我们的每一位管理者都应该问一问,什么是生产力? 你企业的目标是什么? 基于目标的生产力才是有效的.如何提高最大的客户服务(有效产出).如何最小的库存投资(存货).如何降低工厂的作业成本(营运费用).诚然,我们在制造信息化中的制造规划和调度排程软件上作的不尽如意.比如我们实施制造信息化业务管理软件时所面对如下简单而有效的常识的问题却束手无策: 问题一:CTP能力可承诺客户要求交期是否可达成? 物料的可用量和瓶颈能力可以准确承诺客户订单的交期.对提高客户服务至关重要. 问题二:是否可接受插单?会对已接订单造成什么影响? 插单是不可避免的, 插单势必导致物料和能力再分配,需模拟分析影响原来订单的排程. 问题三:在满足交期情況下是否能力利用率也能达到成最优化? 在满足交期情況下,按一定的约束规则向后排程和向前排程,优化计划排程. 问题四:计划排程是考虑产能力约束优先还是物料约束优先？ 在现有能力下,考虑物料约束.在现有物料下,考虑能力约束.也可以同时考虑多重资源的约束.
问题五:产能若负荷是否可以自动搜寻替代加工及替代工艺路线？ 计划产品自动分配到生产线和自动选择工作中心.对调度人员帮助非常大. 问题六:客户、供应商的频繁变更，排程应如何快速回应？ 在供应链的环境下,必须要实时考虑客户的变化和供应商的变化,实时分析预警. 问题七:当品种改变时,物料的约束模拟和动态分配和替换？ 通常计划会因各种原因而改变,使品种的变化对物料的影响最小.能定义替换规则自动计划替换物料. 问题八:当品种排序时的模具调配时间的优化？ 在精益生产环境下,品种的排程顺序可以考虑换品种调配时间最小. 实际上,在制造实践中,以上问题是不可回避的.从事生产第一线的生产管理者们都知道每天都被这些问题所困扰.那么,我们制造信息化如何应对呢? 在过去的几十年,人们一直在探索解决能力瓶颈约束和物料约束的问题,尝试各种先进的理论算法如优化算法如下: (1),数学规划(线性和混合整数规划),较适用于战略计划如网络选址,寻源等. (2),启发式算法(约束理论或模拟仿真等),较适用于战术计划或运作计划如生产排程等. (3),基因算法,较适用于有大量的可能方案选择. (4),穷举法是在所有替代的可能的方案寻找,较适用于教简单的供应链. 以上优化的功能之所以在以前或以至于现在都较少的运用在计划系统的实践中的原因可能是: (1),生产系统从本性上不是僵硬的系统,而是有相当弹性的系统.要用非常准确的数据表示产能的定义是很难的事.而对于工作中心产能微小的变化,就会对原本的最优方案和相应的资源产生显著的影响,由于这个原因,我们就在计划系统中使用了某些假设方法的应用. (2),制造企业所面临的经营环境和生产条件也是多变的.这常常会导致产能的瓶颈也会发生较大的变化.因此,能力的瓶颈是不能完全事先被预测的.在如此不确定的环境下,生产计划安排,能力排程也不可能依据简单的,固定的模型就可以优化的. (3),生产计划和执行的各个环节都需要人的丰富经验.很多情况下,都可以在实际的人为干预和控制下得到解决.这种人工对能力和瓶颈的灵活处理,是信息系统所取代不了的. (4),过去,计划的优化功能没有普遍应用到制造系统中的另一个原因是,缺乏把面向能力瓶颈的优化解决方法同实际运用的ERP系统建立联系. (5),现场实时采集数据的能力.比如条形码的实施,和MES的建立.现场的瞬时多变的特点影响计划排程的真是性. 但是现在,在制造业的实践中,我们同时感觉到了需求的拉力与技术的推动力.就此而言,精确的计划与排程的兴起,在时机上已变得成熟.这是因为:计算机辅助功能已变得非常强大;现已开发出更好的优化算法;最后,制造企业已认识到提高生产力对信息化系统来说还大有潜力. 随着企业制造信息化逐步普及,ERP的实施运用已经渗透到计划领域,我们所面临的
巨大挑战是计划排程的更精确性,从长期的年度规划到短期的分钟排程.更动态的满足客户的交货,关键资源的优化部署,资源的有效利用,更加灵活的满足新的竞争挑战. 下面是从计划的角度概要阐述它们的概念和特征. 1,物料需求计划(Material Requirements Planning) 虽然MRP目前在企业很实用,解决大量计算的工作量.MRP根据平均提前期可以计算较精确的物料的计划,但是,它只能产生较粗的生产计划.主要原因是没有基于能力约束来排程. 2,能力需求计划(Capacity Requirements Planning) 对无限能力计划(Infinite Capacity Planning)来说,它只是反映工作中心的是否超负荷,需要人为的调整主计划. 对有限能力计划(Finite Capacity Planning)来说,使用了工作中心能力限制来平衡负荷,来自动前推或后推计划,这样,会导致车间计划与MRP计划冲突.往前推会影响客户交货,向后推,会影响采购交货. 3,车间排程 (Shop Scheduling) 在车间里的再排程,使用工序能力计划来前推或后推工序的操作时间,这样也会影响交货期,重要的是没有考虑工序的排队和等待时间,而排队和和等待时间是动态的.常常是, 许多计划员为了保险起见,我们把它固定的考虑在工序提前期里.最多也是给一个浮动时间,这样,就会导致任务的提前下达,在制品积压,有会影响提前期,排队时间又会增加,影响了排程的精确性.但是,计划员多用它来分析销售订单的可行性. 4,多工厂计划(Multi-Plant Planning) 实际上,很少使用它来同步工厂之间的物流,如果,单一工厂的计划都不太准确的话,用到多工厂就会更糟.它们之间通常用各自的主生产计划MPS和MRP来平衡. 分销需求计划(Distribution Requirements Planning)其实是多工厂计划的变化,它想平衡实际需求或预测需求和网络多地点的库存.在库存之间创立转移订单来补充库存.但是,它和MRP是较松散的配合.对MRP的影响的是市场真正的需求,还是由DRP产生的补充安全库存的需求. 5,供应链计划(Supply Chain Planning) 是平衡整个供应链的计划,考虑企业内外因素,如外部供应商的能力,销售需求点,替换的运输线路和方式,它评估和优化企业的所有资源.产品开发和生产地点,分销设施,建立可信的计划.它需要一个高级计划技术引擎支持. 6,企业计划(Enterprise Planning) 它同步的考虑关键的生产资源,物料需求,首先产生一个可行的计划,然后,通过企业的约束和目标来优化它.它是想取代ERP计划里的RRP,RCCP,MPS,DRP,MRP模式. 7,生产排程(Production Scheduling)
它考虑物料的可用性,详细的能力信息,换装时间最小和目前的工厂的订单优化工厂级的顺序,来满足客户需要日期,它考虑企业整个目标和约束优化,并提供反馈给企业计划定义工厂内部的需求日期与数量. 8,约束(Constraints) 约束是一组限制,规则和目标并控制物理的和财务的可能性来满足业务计划.限制可以包括物料的可用,机器能力的可用,最小化人力的可用.规则可以是客户订单的有先级,瓶颈,最小加工时间等.目标可以是安全库存水平,客户服务水平,销售收入.我们可以交替使用约束,在约束中可以改变计划顺序,可以特别分配加权或值,我们也可以定义是软约束还是硬约束. 9,约束理论(Theory of Constraints) 在计划中的约束不要跟TOC约束理论混淆,约束理论是高德拉特博士创立的,它是同步制造的哲学,按照市场需求,用一种系统的方法,达到快速的,平稳的生产物流,用三个简单的全局评价方法,产销量,库存,经营费用,在市场需求和生产约束下的生产达到企业的目标.它的核心思想是存在瓶颈工序或工作中心,最佳计划是基于瓶颈工序的计划. 基于TOC的计划均可以考虑资源,物料,订单和管理策略的约束.TOC的建模可以有限,也可无限能力.可以通过有限能力建模基于所有约束,同步化物流.任何资源均可以定义为瓶颈资源或关键资源及次瓶颈资源.对瓶颈资源采取双向计划,对非关键资源采用倒排计划.缓冲时间可以设置任何在复杂资源之间.DBR(Drum-Buffer-rope)逻辑是对关键工序同步化所有资源和物料.它较适用较复杂的,多层的BOM的离散制造环境.但是,对于混合产品的装配线的优化顺序计划,还是启发算法或数学算法较有效. 10,计划可承诺(Available to Promise) 为了取得成功,必须对客户的需求作出最快的反应,并让他了解您的能力。快而准的订货保证是能留住现有客户和吸引新客户的关键. ATP已扩展到订货承诺的能力(Capacity To Promise),它使订货承诺更快,更准确,更灵活,也扩展到可赢利能力承诺(Profitable To Promise),它使销售人员在任何地点接受销售单时,可随时分析可赢利性. 现在可供订货量（ATP）可以细分为：成品ATP,能力CTP,系列产品ATP,零件,原材料ATP,渠道ATP,可发货能力承诺（Delivery To Promise）,大多数公司都喜欢CTP的概念,因为它可以实时,连续的对新的客户订单承诺精确的日期和数量. 11,优化(Optimization) 是用系统的方法,在业务约束基础上,来改善计划或排程. 优化的主要算法有: (1),数学规划(线性和混合整数规划),较适用于战略计划如网络选址,寻源等. (2),启发式算法(约束理论或模拟仿真等),较适用于战术计划或运作计划如生产排程等. (3),基因算法,较适用于有大量的可能方案选择. (4,)穷举法是在所有替代的可能的方案寻找,较适用于教简单的供应链. 12,物料约束和替代计划(Material Constrains and Substitution Planning) 静态物料约束规则(Static Material Constrains):利用可用量清单,最早开始的订单和被分配的物料,随着物料业务,订单日期的延迟,或变化,系统会自动调整或显示订单的变化.
动态物料约束规则(Dynamic Material Constrains):当计划建立时,动态分配物料,允许重新分配物料到另外的一个订单,它可以处理物料的有效期,变化的产出率,和减少在制品等实际问题 动态物料替换规则(Dynamic Substitution):用自定义的替换规则来更精确控制复杂物料替换计划. 13,看板计划(Dynamic Kanban Planning) 看板计划(DKP)是指看板的数量和每一个看板的大小.以满足需求变化的需要. 它可以达到生产与Takt 时间（客户需求速率）同步,物料的连续流动与平衡的运作,作单元式厂房布局,补充信号或看板,其重点是消除非增值活动.较适用于精益制造的企业. 14,建模(Modeling) 通过计算机计划软件对特别的制造环境的客户进行客户化的过程,如建立约束,规则,目标和不同算法的选择.建模是计算机计划的最重要方面之一,模型可以考虑资源约束,公司的目标,分销的限制,客户的优先和其它影响计划排程决策的因素.它还需要特别咨询专家来帮助企业建立模型,测试模型,培训等. 15,准备和顺序(Set ups and Sequencing) 准备包括换产品,换工装模具,换生产线时间等,计划排排程不仅要考虑零件与零件之间的准备时间关系,所消耗的成本,客户的需求来优化顺序.这比较适合于混合生产线的顺序计划,多品种的,小批量或一个流的生产计划. 16,信息技术(Technology) 实际上,很多应用都受到计算机技术的限制,现在,信息技术可以支持整个计划引擎,模型,数据库保留在常驻内存里,计算速度可以分钟,秒内来计划排程.可以支持一次完成计划与排程的计算.可以支持网络计算,提供不同的计划引擎针对不同的计划与排程问题.引擎之间可以独立,也可以交互传递.如ERP的MRP计划引擎和高级计划APS引擎的数据传递.也提供图形建模工具,采用图形界面和可拖拉的图形计划版以易于计划员使用. 17,实施(Implementation) 尽管计划排程的实施比较复杂,只要掌握系统的方法,也可以较顺利完成.这里列出几个步骤: (1),有软件供应商评估客户的需求.(2),决定和现存的计划环境的结合点.(3),对关键用户进行初次培训.(4),由咨询顾问帮助建立模型.(5),建立数据接口程序和可能的客户化程序.(6),准备数据.(7),根据实际计划环境培训.(8),切换上线. 对制造信息系统来说最重要的是对所有资源具有同步的,实时的,具有约束能力的,模拟能力,不论是物料,机器设备,人员,供应,客户需求,运输等影响计划因素.不论是长期的或短期的计划具有优化,对比,可执行性.采用基于内存的计算结构,.这种计算处理可以持续的进行计算.这就彻底改变了批处理的计算模式.可以并发考虑所有供应链约束. 当每一次改变出现时,信息系统就会同时检查能力约束, 原料约束,需求约束.运输约束,资金约束,这就保证了供
应链计划在任何时候都有效.也采用基因算法技术,来达到最优解。其ERP高级计划系统的主要概要特征是: (1),瓶颈资源和多重资源约束的处理. (2),不同的订单自动连接工序,从不同的订单排序,平行的负荷工序 (3),具有标准的派工规则:优先顺序,关键率等 (4),处理订单,生产或资源的特别规则 (5),让用户自定义建立规则 (6),处理动态物料约束控制 (7),处理供应链需求计划优化 (8),供应链分销配置计划优化 (9),供应链运输计划优化 (10),对整个供应链的进行CTP和ATP的查询. 几乎每一个管理者都认为更实时的,更精确的决策支持信息是非常重要的.制造信息化的ERP计划系统不仅是决策支持信息,而且,以成为每一个生产者的每天的执行系统.每一个制造商在他们的工业领域应该考虑用什么方法来迎接剧烈竞争的挑战.正如所有深刻变革一样,当前发生的变革也许是缓慢的,几乎感觉不到.但是,这种变化不仅仅是电脑化,也不仅仅是建立一种信息基础设施或业务管理软件.回顾工业革命的历史,IT革命是深刻的,不管你是否意识到.工业革命中,机器提供的是能源,是制造企业的有力的肌肉.而信息化的数字提供的是强健敏捷的神经系统. 蔡颖 于广州 2004年3月
目 录 第一篇 概论 第一章 APS的现状与案例 ERP市场新一轮角逐-嵌入高级计划APS APS现状 APS案例分析 第二章 APS与ERP 的关系 APS与ERP的不同 APS与ERP的关系 数据集成的方式 主需求计划 主生产计划 资源组与资源 第三章 APS与SCM的关系 传统的供应链计划 供应链的APS在能帮助企业达到供应链同步,优化 为了达到这些高级的计划能力, APS依赖一组核心的能力 现代供应链必须优化建立互动式的工程设计,生产规划,日程安排和分销,运输计划 第四章 APS的理论形成 生产计划的历史,现在与将来 什么是独立需求计划-经济订货点-ECQ? 什么是线性规划的生产计划-LP? 什么是计划评审技术/关键路径法的项目计划-PERT/CPM? 什么是非独立需求计划-MPS/MRP/CRP? 什么是有限能力计划-FCS? 基于订单任务(Job-based) 基于事件(Event-based) 基于资源(Resource-based) 什么是同步制造计划-TOC? 什么是看板计划JIT? 什么是需求流制造计划-DFM? 什么是高级计划与排程-APS? 基本模块构成 基本流程 基本原理
基于多层代理技术的高级计划 APS的形成历史 APS存在的优化算法 工业运用计划的一些说明 和MES的关系简述 和精益(Lean)的关系简述 第二篇 制造业的APS 第五章 APS的基本概念 APS是什么? 基于模拟仿真模式 基于TOC的模式 基于数学建模-基因算法 第六章 基于仿真模拟的APS系统 APS的资源管理 单一资源 无限资源 并发资源 共有资源 可调整共有资源 主要资源 次要资源 资源组 案例讨论 APS的物料的管理 静态物料约束 动态物料约束 从库存取出约束(Take from stock kit) 放入库存约束(Put to stock kit) APS的工艺路径管理 含有平行工序的工艺流程 含有拆卸工序的工艺流程 含有重叠的复杂的工艺流程 网络化的工艺流程 APS的算法
算法(Algorithmic)任务顺序计划 向前顺序计划 向后顺序计划 双向计划/瓶颈计划 模拟(Simulation)的顺序计划: 一次一个工序或操作(Operation at a Time) APS的规则管理 算法任务顺序计划选择规则(Job-at-a-time): 基于模拟的顺序计划选择规则(Operation-at-a-time) 工序选择规则( Operation Selection Rule) 资源选择规则( Resource Selection Rule) 相关选择规则 工序选择规则的分析 静态规则 动态规则 预先确定定单任务的参数 最小化任务延缓 最大设备能力 资源选择规则分析 在ERP的世界里实施制造企业的高级计划APS 在ERP系统上如何实现APS 资源和工艺路径信息 订单与排程信息 数据准备 资源 资源类型 资源清单 在实施APS时的处理方法 国外制造业APS软件介绍 第七章 基于TOC的APS系统 约束理论(TOC)介绍 同步化引擎时间计算 同步化引擎计划 同步化引擎排程 同步化计划物料 第八章 基于数学规划-基因算法的APS系统 运筹规划(Operation Research)介绍 基因算法概念
基因算法在计算机中的运用 基因算法在工业中的运用 描述和初始 选择和适当评估 交叉和变异 结论 第三篇 供应链的APS 第九章 供应链管理的历史,现状与未来 供应链的分散式阶段 供应链的集中式阶段 供应链的价值链阶段 电子供应链的形成 现代供应链管理的标准 SCOR供应链流程参考模型 供应链优化一般模型 第十章 供应链中的APS的基本概念 同步化并发性 分布性 层次性 整合性 复杂性 供应链APS的要素概念 实体 能力 资源 代理 订单 销售订单 采购订单 运输订单 指令 任务 订单计划 第十一章 供应链中的APS的资源管理 库存资源 供货资源 运输资源 资金资源
资源研究与分析 销售订单计划对资源与能力的影响: 采购计单计划 运输订单计划 第十二章 供应链中的APS的计划算法 数学规划方法 近似方法 仿真方法. 有限资源算法机制 资源约束设置 订单选择 订单计划参数设置 计算过程（计划生成模型） 硬资源约束 软资源约束. 第十三章 供应链APS的需求计划 需求预测的演变 需求管理的范围 需求预测的重要性 需求预测的特征 需求预测的实施 需求预测的算法 典型的有六种需求模式 APS的需求计划的预测管理主要采用12中定量的预测方法 如何判断预测: 自动评价 平均绝对偏差”(MAD)的运行情况标准的预测误差的计量方法 准确百分比”(POA)的运行情况标准预测误差的计量方法 预测为什么会失败 基于互联网的结构的需求计划 具有协同的需求计划 第十四章 供应链APS的分销与部署计划 计划与优化 假设分析 动态匹配供应与需求 供应商管理的库存 短期库存和分销优化 均匀部署 需求优先级
部署建议 网络图性透明化控制 预警监控 供应链网络配置计划决策 按驱动力划分 按设施的数量划分 按选择的离散程度划分 按数据的集成程度 按时间维度划分 配置规划的的历史 地租出价曲线 （Bid-Rent curves） 韦伯的工业分类 胡佛的递减运输费率 配置规划的单设施配置（Single Facility Location） 网络规划的多设施配置（Multifacility Location） 精确法（Exact Methods） 多重心法（Multiple Center-of-Gravity Approach） 混合－整数线性规划（Mixed-Integer Linear Programming） 模拟法（Simulation Methods） 启发法 供应链网络的动态仓库配置 零售 服务配置（Retail/Service Location） 加权清单（Weighted Checklist） 空间相互作用模型（Spatial-Interaction Model） 其他方法 网络规划 分析单位 产品分组 估计运输费率 自有运输 受雇运输 订单和货运结构 销售汇总 估计里程 设施成本 设施的生产能力 库存－吞吐量之间的关系 估计未来需求 其它因素和限制条件 通过APS的分析工具 仿真模型 启发式模型 最优模型 专家系统模型 决策支持系统
第十五章 供应链APS的运输计划 运输服务的选择 基本的成本权衡 考虑竞争因素 对选择方法的评价 路线选择 起讫点不同的单一问题 多起讫点问题 起讫点重合的问题 行车路线和时刻表的制定 合理路线和时刻表的制定原则 行车路线和时刻表的制定方法 扫描法（The Sweep Method） 节约法（The Savings Method) 运输路线的排序 行车路线和时刻表制定方法的应用 船舶航线和船期计划 集运 第十六章 供应链APS的ATP 基于互联网的协作性的订货承诺 全球化的订货承诺 多层供应链的有效性 可供货能力承诺（ATP） 可用生产能力承诺（CTP),可发货能力承诺（DTP）） 可赢利能力承诺(PTP: Profitable to Promise ) 第十七章 供应链APS的网络规划分析管理 网络设计 总体规划和分派 流程计划和主生产计划 交易规程 短期调度 战略规划的一般步骤 客户服务水平审计 组织研究 设定标杆 供应链网络结构设计 第四篇 总结
第十八章 APS的软件公司介绍 APS 具有的模块 需求计划模块 生产计划和排序模块 分销计划模块 运输计划模块 企业或供应链分析 ILOG公司-高级计划引擎介绍 I2 公司及其产品 Manugicitics公司与产品介绍 SAP公司的APO产品 Oracle APS 第十九章 APS的未来之路 高级计划算法 基因算法 约束规划(Constraint Programming) 基于多层代理技术的高级计划 APS的未来 附录一: 关于APS的FAQ. 附录二: APS企业调查问卷 附录三: APS的部分规则清单 附录四: 诠释制造信息化的一些基本原理 附录五: ERP时代的物料计划经理 附录六: 以ERP为中枢,融入约束/精益的哲学--企业管理的新境界 附录七: 试探ERP成功的标尺 附录八: 在ERP的运用中实现JIT生产 缩略语 参考文献
第一篇 概论 第一章 APS的现状与案例 当你在供应链信息的山峦穿梭时,你会发现采用APS的先进用户图形界面将使你穿梭自如.APS系统会将供应链的内部工作完全呈现在你的眼前,用户需求,供给,制造排程,事务,一切尽在掌握中. 现在APS系统以将网络结构的APS主要是基于多层代理技术与制造内部的APS主要是基于模拟仿真结合起来,使得网络导向结构的APS解决供应链制造同步化问题,模拟仿真APS的优化顺序器解决工厂的顺序冲突问题.这样,APS计划的编制与顺序的安排就可以提供给制造商解决全球的优先权和工厂本地的优化顺序问题.来满足制造业对客户响应越来越强烈的需求. APS系统针对不同计划时间段提供不同的计划方法: 计划详细程度 执行系统 发货排程 生产排程 运输计划 制造计划 分销计划 库存计划 计划/能力可用量 供应链计划 销售和运作计划 需求计划 供应链网络规划 战略规划 秒/分钟 小时/天 周/月 季度 年 时间区段 不同的APS方式的计划区间
ERP市场新一轮角逐-嵌入高级计划APS APS软件从ERP的盲点发展起来,众所周知,ERP是基于无限约束原理的企业资源计划,它不能实时的,基于约束优化的产生计划.这就驱动了APS软件市场的繁荣. 在过去的几年里,我们已看到APS和ERP供应商的合作,收购,合并和设计集成接口的新一轮的浪潮来满足市场的需求.随着Manugistics公司和i2公司的 成功,APS已成为不可替代.ERP供应商看到并且也决定抢滩APS市场 . APS软件市场被分为三层.第一层是价格在25万美元以上的软件,如I2技术公司的APS软件,Numetric,Bridgeware和Manugistics公司.他们的客户主要是大的多工厂,跨国集团.主要系统平台是中型机(IBM’s AS400) 和UNIX 客户服务器配置,然而,一些也开始支持微软技术平台. 第二层是在价格10万美元到25美元万之间的APS软件,客户也是多工厂,跨国集团的中型制造商.如ShivaSoft, Taylor Manufacturing, Berclain, Resonance , FYGIR and STG 公司.系统平台是UNIX 客户服务器和Windows 技术. 第三层是价格在5万美元左右的软件.系统平台是PC服务器,微软技术.如SM系统建模公司的Tempo产品,C-Way 系统的 Computer系统的的 制造系统. 为了响应激烈的竞争, Manugistics 和i2 扩展了他们的核心供应链计划和优化到集中在互联网的电子商务.例如 Manugistics公司正在用Java 和 动态的HTML 语言使整个应用程序套件Web化,并提供智能商务.虽然Internet 最终会改变制造商和供应商,客户做业务的方式,同时,工厂经理也必需解决现实的问题,寻找一个嵌入APS的ERP系统. APS 用户可以在Web上用Manugistics'的产品Networks协调销售预测和库存计划.电脑部门也可以容易布属Web应用. Manugistics用的是Extricity的技术(B to B 集成软件供应商)把APS集成在互联网上. 在Manugistics的五层APS集成上(1),应用到应用的联结(应用程序接口APIs,数据库到数据库,,扁平文件).(2),数据变构.(3),数据传输 .(4),业务过程集成(5),系统管理.这就可以用自动插件集成Manugistics 和 SAP R/3系统了. 虽然在ERP系统里嵌入APS是理想的方案,但也不是典型的方案.APS的主要集成方案已经以一些其它的方式加入到ERP系统里.同时,有的ERP供应商自己开发APS系统,如SAP就是自己发布APS产品叫APO.此产品可以运行在 Windows NT和Unix. 它包括XML接口. 它是和R/3系统分离的,可以与其它ERP系统集成. SAP是许多使用XML的ERP供应商或APS供应商之一. Manugistics, Thru-Put, . Edwards,和许多供应商也在Web和应用程序之间用它来建立开放的,灵活的界面.. Oracle 公司也进入了APS市场,建立自己的APS方案.它的技术是从ILOG公司得到的. Oracle APS 方案是建立优化层级计划基于库存,系统性能,机器能力,物料的可用性,具有图形界面,采取拖拉方式操作 ERP供应商 . Edwards 从特定功能最佳(best-of-breed)Numetrix公司买进技术.重写了它的OneWorld ERP 产品.用 C++ .强化它的基于组件架构的来提供业务对象和主业务功能.业务对象通过条件规则平稳化了实时业务事件的过程.
Thru-Put 产品是基于约束理论技术(TOC)的APS 软件,发明者是 Eliyahu M. Goldratt,写的书名为The Haystack Syndrome: Sifting Information Out of the Data Ocean (North River Press, 1990). 今天,象许多ERP供应商一样,面向中小型企业的Fourth Shift 建立OEM形式得到富有经验的APS供应商Systems Modeling公司的Tempo APS 产品. Fourth Shift 集成Tempo 和 ERP 是数据库层次的集成.在Fourth Shift ERP菜单上定义与Tempode 接口,ERP的订单与工作中心直接进入Tempo数据库. PeopleSoft公司在1997年购并 Red Pepper 后，PeopleSoft 成为一个主要的供应链计划软件供应商，最新的产品是 Supply Chain Collaborator，它使企业可以实时地与供应商和客户交换计划数据，使多个企业作为一个整体进行动作。 Baan 公司购买了Berclain来提高它的核心功能-供应链计划. APS的集成方案依赖于工厂的制造类型,是离散制造还是流程制造,是国际的,还是国内的,地区的.在每一个制造类型里,特殊的业务,特殊的文化进一步影响APS的集成决策. 现在,我们所关心的是: • 第一, 怎样使数据同步在系统之间,计划与执行数据如何流动 • 第二, 计划系统如何快速反应频繁变化的需求? • 第三, 计划系统是否容易配置?.对远程用户和贸易伙伴可以协同吗? 总之,ERP需要APS的能力,所以ERP供应商采取四种的任何一种方法来满足APS需求和单一的APS供应商竞争. 1,在最短的时间内,建立APS模块,加强高级计划功能. 2,收购一个或多个APS供应商,与ERP软件集成或嵌入. 3, 与单一APS供应商建立长期的联合协议和与ERP软件产品集成 4,发展一个APS的市场联盟,共享开发,支持资源. APS现状 企业信息化的进程分为对信息的反映、分析、预测、决策四个层次。其中信息的反映和分析主要是面对过去的，其集大成的管理信息系统就是这几年兴起的ERP；预测、决策主要是面对未来的，以集成信息反映见长的ERP,事实上在西方已经悄悄地向信息决策转换了。 企业信息决策的核心部件-高级计划排程APS已被嵌入ERP这个平台，并在提高物流效率上起到了显著的作用。
供应链管理优化就是在未预料的事件发生后, 实时的供应链重计划,保证持续的优化的可行的计划,保证按事先定义的业务规则,对整个供应链系统进行重计划,并且使财务得到优化. 当今企业的供应链网络变得日益复杂和动态.企业的分销渠道也不断扩展;多层供应商 基地日渐扩展;企业越来越依赖委外(outsourced)制造及物流.管理异常事件不再是一种 偶发的要求,而己成为了司空见惯的事.某个供应商或甚至他的供应商发生的故障,都影响到企业履行对顾客的承诺的能力. 为了克服这些挑战, 你的企业必须有效地管理整个供应链网络 .你的企业目前是否能做到以下的事： • 实时的进行分销商 ,顾客 ,及供应商协同. • 查询企业的整个全球供应链,包括企业的供应商的供应商. • 根据物料和资源约束 ,优化企业的供需计划. • 迅速地鉴定异常事件及以最优的解决方案. 在过去的25年内，高级计划排程(APS)的市场开始繁荣起来。根据Advanced Manufacturing Research (AMR)报道，APS市场将在随后的几年以60%的速率增长。在1998年3月,Pittigilo Rabin Todd&McGrath公司通过一项调查,得出统计结果,企业实施完整的供应链APS后,可获得以下效益: 1,发货能力提高16%-18% 2,库存减少25%-60% 3,定单交货周期缩短30%-50% 4,预测准确性提高25%-80% 5, 总体生产率提高10%-16% 6, 供应链成本降低25%-50% 7,补给率提高20%-30% 8,产销量提高10%-20% 现在,大约有十几个APS供应商在这个发展的市场上寻找自己的位置.对于如何理解APS基本方案之间的区别、每一个方案的优势和弱势、以及在特殊的制造环境中哪一个方案运作的最好,尤其重要。 计划和排程的区别对于新的APS产品来讲已变的模糊不清,而且它的性能也在不断的提高。而且，如果制造商对客户需求的响应越来越强烈，计划和排程的区别将会彻底消失。幸运的是，新的APS系统正在向这个方向发展，并且离这个目标越来越近。目前，我们对于APS的关注受到对传统的计划MRP策略不认可的驱动。包括MRP逻辑、需求计划的能力长期以来较弱。第一代APS系统重点放在寻找更好的算法，但是它们都有一个共同的缺点是批处理方式.它实际上违背了工厂的动态性,实时性。这种批处理的运算也显示了MRP模式的严重不足，也阻止了APS系统反映真实的世界。更重要的是，它们不能满足快速响应客户新的需求。 APS是基于约束理论发展出来的新的高级计划.实际上,在我们每个人的生活都离不开约束, 我们经常用约束来指导推理与计划,作为每天的日常行为的重要一部分.例如:我可以
从下午5点到6点在那里,且受到天气.交通等约束.这就是典型的约束,我们可以用这些约束来计划安排我们的时间.当然,我们不能仅仅考虑一个约束,因为约束很少是独立的.所有约束之间都是相互关联的,所以约束问题是比较复杂的,这是我们不得不接受的事实. 目前,约束的研究,开发已经引起了世界各个领域的专家的高度注意,因为,它是最具有潜力解决现实中困难的问题.不仅仅具有很强的理论研究的潜力,而且,也广泛吸引商业的利益.特别是在对变异中建模优化与满意问题上.这正好符合企业管理和供应链管理的复杂性.所以,并不奇怪,它一直是被Association for Computing Machinery(ACM) 计算机协会所定义为作为计算机研究的战略方向之一.但是,至今约束规划(Constraint Programming) CP仍然是世界上了解最少的,运用较少的技术之一. 在人类努力的大多数领域里, 约束在不断增加.它们在物理世界形成互相依赖,但是,它们的数学概念却自然清晰.约束是在一些未知或变化里的简单的逻辑关系,在给定的领域里,每一个约束取一值.约束于是就限制了变化带来的可能的值,它反映了部分信息,是关注于所关心的变化.约束当然也可以是不协调的.约束的重要特点是它们的可以申明的方法及规则,如他们规定必须保持规则关系来加强此关系. 约束规划是基于约束的计算机系统的研究,约束规划的概念是详述问题的约束规则来解决问题.结果是找到让所有的约束都满意的方案.但是, 目前约束规划仍还在圣杯中追寻的计算机科学的最现代的方法之一. ERP高级计划APS的约束规划已经成功应用到许多不同商业领域,就和分析DNA结构一样是多样化的.在医院的时间表和工业领域上的排程应用上,实践证明它是能较好的解决现实的问题.因为,许多应用领域需要约束.分派问题也许是第一个工业应用约束解决的工具.典型例子是机场位置的分配,飞机必须停在可用的位置(巴黎Roissy 机场).出发大厅的柜台分配(香港国际机场).另外的例子港口船停泊的位置的分配(香港). 用甘特图来描述计划,有限约束的排程问题可能是最成功的商业应用领域.约束自然表达了现实的限制.基于约束的高级计划APS被用于基于事件的排程,如在塑料工业的生产计划(InSol)或军队和商业的飞机的制造计划(Dassault Aviation). 按需求制造的趋势使得高级计划APS的约束规划使用率大大增加.. 另外,较大的约束应用领域是供应链网络管理与配置.这些问题包括网络的优化配置计划,优化的运输计划,供应链的能力承诺等. 实际上,有许多领域已使用约束技术,近来应用包括计算机图形,自然语言处理(有效语句的建设),数据库系统(保证数据的一致),分子生物学(DNA的排序),商务运用,电子工程.电路的设计,运输问题等. 但是,在现实中,对约束规划广泛的运用存在一些局限和缺点,因为当前使用的工具也有一定的局限和没有涉及到的领域.其实,约束规划欲解决的问题大多是非常难的问题. 无论是从理论上,还是实际的观点来看.约束的定义能促使问题可追踪是非常重要的,然而,当大部分的方法都难解决的难题时,约束规划是否有效性仍然是不可预测的.何时,如何使用约束.但是,直觉可能还是决策的最重要的部分.就象管理大师德鲁克所说,很多决策就象尿憋不住一样,被迫做出来的.由约束系统的使用者陈述大部分的问题来稳定约束模型.实际上,在程序里或在数据里的较小的改变都能导致系统性能上戏剧上的变化.不幸的是,在稳定执行多样的数据的变化性能调整上,目前的技术水平还未较好掌握. 有时,盲目的快速搜寻,简单按时间顺序后排或前排可能比先进算法技术-约束繁殖更加有效.在许多约束模型里的特别问题就是要考虑成本优化.它是对改善起初的方案是非常困
难的.因为,可能一个小的改善就会花去很多时间.在”实时”的方案和”最好”的方案之间交替出现. 约束规划在一些观念上更加先进.可以动态增加约束.大部分情况下,约束规划系统产生的计划是可执行的.除了机器故障,延迟的计划.在最坏的情况下,新订单的接受.这是需要快速的重排计划或提高当前的方案来处理未预料的事件.通常,最优的计划方案和可以处理较少差异的,稳定的,次优化的方案之间交替. 当前的约束满意系统的缺点标志着未来研究发展方向,在它们之间,建模看上去是最重要方法之一.已经开始研究使用全局约束,把主要的约束开发到更有效的APS软件包.(如所有不同的约束).需要更有效的建模语言来表示约束问题.目前,大部分约束规划CP软件包要么是程序语言的延伸(CLP),要么是用程序语言库(ILOG Solver). 约束建模语言和可视建模语言被用来从可视图形产生约束规划(VisOpt VML) 从较低层次的观点,可视化的技术越来越流行,他们帮助定义系统的瓶颈.对可视化的控制研究也是约束规划的重要内容之一. 各种约束解决方法的交互研究是最具挑战的问题之一.混合算法结合各种约束技术是这个研究的结果.另外最令人吸引的研究领域就是解决协同和对应的集成理论.约束满意技术和传统的运筹OR(Operation Research)方法如整数规划也是是另外的挑战. 研究平行和并行的约束已作为提高效率的重要方法,在这些研究领域里,多层代理技术看上去最有前景. 能够证明APS的价值的商业运用案例 在众多公司运用供应链高级计划的时候,他们发现这些应用程序所能给自己带来的改进收益大大超过成本节约的措施所带来的收益,而且这些应用程序能够在加强整个供应链响应方面发挥更大作用.以及在以下几个方面证明其价值: 在网络设计与优化方面: -如 何 建 立 最 有 效 、最有利 的制 造 ,运 输 及 分 销 网 络 ？ -是否 应该 扩 充或 缩小贸易网络的规模 ? 在 何处或何时扩充或缩小 ？ -什么是成本最低的供应货源策略？ 在计划与排程方面: -是否有能力同时优化多个地点的制造,分销及供应链网络所面对的各种约束？ -是否拥有对整个制造设施的透明度和有效控 制？ -是否可以提高现有资源的生产不同类型能力？ -当某个生产线停顿时或工厂发生预料之外的事件时,企业是否可以当机立断 ， 作出正确的决定？ 在销售和运作计划方面: -是否能超前地预测未来的需求？ -是否能迅速地调整存货和生产计划,以应付需求计划的改变？ -企业供应链主要风险承担者是否能迅速地对新的需求计划达成共识 ？ 在销售履行管理方面: -能否制定时段的存货计划以满足顾客的需求,同时减少存货和提高盈利 ？ -是否在正确的地点保持正确的存货？ -是否能对顾客服务的承诺,采取超前行动而根据产品的供应情况,提供替代 性产品或选择？
在协作性厂商管理存货(Collaboratvie Vendor Manged Inventory (VMI)与CPFR -客户曾否要求你的企业控制存货补充过程？ -是在企业内进行共享预测,还是也把预测协同到主要顾客？ -能否把VMI供应商库存要求包括在企业的预测里？ -是否执行最好的作业策略和预测及补充方案,帮助企业把供应链建立成 一个真正的协同性贸易网络？ 在智能监控方面: -是否把握对企业n-Tier 层次供应链的透明度？ -是否因为信息的延误和变形而面对跟踪订单 ,运输,以及贸易网络的 供求计划同步化的因难？ -你的企业是能迅速地监控和解决企业的计划和伙伴计划之间的差异？ 在维修服务与配件管理方面: -是否需有效地管理维修服务及配件业务? -是否需要确保以最优方式分配配件、可消耗材料、维修资源等，以应付 各种己计划或无计划的活动. 在物流管理方面: -是否能以实时方式知道每一次配货、订单的状况呢？ -是否能以实时把握对资产或驾驶员的地点,上货及交货时间表、在运货物等 资料？ -是能同时考虑, 优化到整个机构的运货需求，以及管理, 优化往来国际地 点的多阶段运货？ -是否能为运入和运出的货物安排在途的上货及交货时间表？ 在管理赢利订单方面: -是否能在顾客能接受的时间内作出回应？ -无论客户通过什么销售方式:直销,电话销售、互联网，联络贵公司，顾客是否 可以得到准确的答案？ -是否会在这宗交易中赚钱？ 在赢利需求管理方面: -客户服务是否因为经常缺货而受损？ -是否面对供过于求的问题？ -是否难于预测顾客的需求？ 总之, 对全球的企业来说，有两种情况是司空见惯的。第一就是需求超越生产能力，造成供不应求或生产能力瓶颈。第二种现象是:供过于求，导致成本上涨、宝贵的生产力闲置。赢利需求管理利用价格和产品的可供性，使供求达到最优平衡。企业固有的目标 是从需求中赚取最高的利润，不过企业为了达到不同的目标，如提高对市场的渗透度或占 有率而制定价格。 让我们来看几个案例:
高级计划系统-生产计划如何快速调整？销售预测物料需求销售预测采购订单信息反馈采购计划供客物料信息生产计划应JIT交货计划（上海）生产计划用户实际销售订单交货计划信息反馈（惠阳）户生产计划1、每天2000多张定单进入商（北京）联想，系统可快速完成生产计划的制定.2、可根据生产计划提供准车间管理确的供应商送料计划. 图片来源于 (联想的实施信息化,提高竞争力 PPT- 高级副总裁 乔松) 案例一: 联想集团作为领先的PC制造商,其高层领导已经认识到供应链必须降低成本和加强客户满意,减少制造周期和控制库存.尽管他们已经取得了巨大成功,但是联想公司仍然看到差距,需要通过APS为核心的供应链SCM软件来提高效率和客户满意.运用的结果是公司提高了预测准确度,减少交货周期,提供准时交货. 当时,联想集团的主要业务需求是(1),提高预测准确度和决策支持.(2),通过供应链快速响应市场变化.(3),加强计划,协同,执行情况 运用供应链APS的方案是实施CTO( configure-to-order)按订单配置模块;集成APS和优化需求,供应,执行和协同业务流程;在线协同60个供应商. 运用的结果是:减少交货周期从15天降到天,提高预测准确度从 50% 到 86%;减少积压库存从 2% 到 % “这是非常不平凡的11个月。”8月21日，在北京举行的“百强企业供应链管理（SCM）研讨会”上，联想高级副总裁乔松在宣布其供应链管理改造过程的紧张和艰难时，不无感慨地说。但对于SCM的成功实施，一向以稳健著称的乔松也用上了“欢欣鼓舞”这样煽动味十足的词。 对国内企业而言，SCM无疑是一座难以逾越的高山，但它魔法式的作用却难以抗拒——SCM带来的成本节约包括减少25-66%的库存、提高生产能力利用率10-20%、预测准确度提高25-80%、交付性能提高16-28%、总供应链运作成本降低25-50%等许多方面；而根据知名专业咨询公司埃森哲的调查，由于基础设施不完善、政府在政策方面的限制以及专业人才的缺乏，国内企业在供应链方面的成本比国外企业高出30-50%。对于联想等开始研究怎样“从毛巾中拧水”的国内企业，从SCM中获取更多竞争优势的机会显然更大。事实上，尽管困难重重，前两个阶段进展得还是相当顺利。真正的挑战是测试，在整个供应链上众多而充满不确定因素的各个节点上，如何保证预测的精准。事实上，现实的复杂程度远远大于联想的预期。联想SCM工程最初设定时间是8个月，也因此不得不延长为11个月。“SCM系统像部队的参谋部，当各种信息和情报传入时，参谋部马上决策进行指挥部署，也就是说信息经过SCM系统的APS复杂运算，很快地给出一个行动计划。”它的精准程度将直接决定战斗的胜负。
SCM的模式是把多个参数输入系统，再进行一套十分复杂的运筹逻辑的运算，以给出一套精准的计划，达到“快、准、省”的目的。但联想的数据量太复杂庞大，遍布海内外的300多家供应商，全国各地的3000多家代理商，分布北京、上海、广州等的仓库和工厂，以及每年几百万台的销量，每天有上千万的零部件，他们在复杂网络中流动，如何保证每个节点的流动是准确的并且成本最节省，是一个相当复杂的过程。IT行业的整个特点是变化快，厂商必须库存要小、供货要快，才能取得竞争优势。所以，测试必须模拟各种可能，必须考虑到各种各样的业务情景。比如，某供应商缺货，需要把定单转到另外一个供应商，这变化和不确定性，需要通过系统按一定的规则进行运算，给出未来的行动计划。同时也考验系统的稳定性。 最要命的是，SCM主要是一个计划、预测，它的准不准、好不好，并不是通过测试就能明确解决，它也没有一个绝对的标准。所以需要不断地改进、调整、完善和优化，不断反复；同时需要和手工比较，分析哪些手工更可取，哪些系统更科学等等，一点不能含糊。这使工程期无形中延长了。 现在，通过SCM系统，联想和供应商已经能及时交流，供应商通过协同网站，可以了解联想公布的每天（最多10周）的计划和定单，然后供应商组织最近、最省的方式，按时送到联想生产线上，并把他们到货的信息等通过网站反馈给联想。目前已经有40家，占70%左右的供应商和联想纳入这种系统。同时，联想的库存也从94年的36天，减少到现在的20天左右；并在代理商的层面，实现了按配置生产。尽管这和DELL只有一周的库存、直接面向个人消费者下单的模式，还有漫长的距离。 --(摘录:ERP世界网) 案例二:惠尔普Whirlpool 作为世界领先的家用电器制造商和经销商.已经强烈意识到作为电器制造商必须强化他们的需求管理系统,为了满足精确的需求如替换旧电器的需求和新电器需求. 在多年的实践中,公司高层认识到需要一个能强有力的,能处理多种客户约束的,实时的需求和生产计划系统.当时,惠尔普公司的业务需求是:(1)自动集成需求计划系统(2)需求计划能管理客户及其他的变化的约束;(3)降低库存,减少经营成本 运用供应链的APS解决方案是提高可视化管理企业;执行基于约束计划;跟踪产品的交货. 他们实施运行效果是:降低了库存 50%;增加客户服务 10%;减少费用超过 1500百万美金. 全球后勤总监说. “只有APS系统可以根据客户和其他的各种约束来实时处理需求与计划.” 案例三: MEI (Mars Electronics)是生产点现金机等设备的美国公司.在Winnersh工厂实施了APS六个月后, 减低了库存50万美金. 巨大的提高客户响应和订单承诺,100%的交货表现,从生产计划,销售,定价的每一个方面都可以得到“如果-怎样”的模拟决策支持. MEI 希望可以延续使用现有的ERP系统,希望生产管理可以关心可预计的将来.MEI 在 Winnersh 有四个生产车间,每个车间都有经理和计划员.1,四个SMD机器的PCB生产车间.2,公用鉴别器自动的装配线.3,校准单元.4,总装. 在1997,大部分的业务都是有ERP系统来处理财务,销售订单处理,工程和生产.后来用MPS/MRP来实现预测,采购订单,生产订单, 发放物料,库存控制等. MEI全球渠道经理和项目经理说:我们已经做了BPR来削减成本,也集中了生产计划.我们取得较好的表现,是非常
有效的.但是,计划需要数个小时,也需要经常的人为调整.我们想要一个紧密的集成我们的生产管理流程,以保证较高质量的,可信赖的,强有力的交货表现,较大缩短提前期,更准确,及时的交货的系统.这时,MEI选择了APS的网络生产计划排程. 他们的高级计划员说:APS展示了所有问题,没有地方隐藏.APS系统将显示所有延迟的订单和约束他们的是什么.是否是市场,工厂,或工厂的哪一部门引起的约束. 规则是事先设置后,以致所有问题可以快速的解决.当然还有考虑成本的判断. MEI在1997年12月买了APS系统,1998年1月开始试点实施,经历了培训,测试,等.1998年10月完成.大约9个多月.项目经理说:现在,订单承诺集成了客户,呼叫中心,本身的生产计划排程,和联结到ERP系统. 他们实施APS的经验教训是: 流程没有文档化.没有较好的了解APS是什么,和他的复杂性.在工艺路径结构上,他们化了三个月时间详细的整理出来.因为以前,除了SMD工序,没有其它的工序资料.在上线阵痛后,我们有位管理自动控制的经理说: 就这样做. 他是坚持按此计划执行的人.他们的项目经理说:你需要加强你的性格.来驱动系统工作.他们观察到,在切换后,对成功实施APS系统来说仍然还有关键完善的方面.你需要较好的理解APS原理,对计划的相信,可靠的精益生产方法和流程,MRP数据的精确性. 他们的项目经理说: 库存准确不是真正问题,但是采购订单经常变化,许多业务是基于采购订单的真实性.如果,工具或机器故障,就要推迟订单,取消承诺.但是用了APS,我们可以了解到生产计划为什么会改变?,为何没有物料?. 现在,如果工具故障,规则是只有等修好了工具才采取行动.不仅如此,APS通过可视板进行订单的承诺,用连续的CTP(能力可承诺量)决策,基于真实的物料,能力约束就象他们的项目经理所说的:响应是非常快的.之前,我们预测,MRP需要几个小时,生产需要六周的提前期.而现在,仅仅几秒种,就可以得到实时的生产计划和生产压缩到两周的提前期. 事实上, 工厂已全面运用APS系统管理所有物料的分配,生产计划.他们后勤总监说:我们如没有订单承诺,计划排程器,业务是不可想象的.这就意味着我们能在几秒钟承诺订单,大部分交货是及时的,计划考虑了物料的供应和能力.APS系统给我们一个可视化的平台,告诉我们错在哪里.虽然,我们不能控制的是供应商的问题,但是,我们可以看到提前期的变化.他们的项目经理说:重排计划以前需一天时间,总是要滞后一天.现在,只需几分钟. 它成本较低,实施较快.它提高了客户服务,降低了成本,减少了库存,改善了资产利用率.现在APS已完全的在我们控制之中. 案例四: 长城国际是全球极少数有能力接到订单后24小时即可出货的生产企业。长城国际是如何做到这一点的？ 长城国际信息产品（深圳）有限公司（IIPC）成立于1994年2月23日，是由IBM与中国微机生产企业长城计算机集团（深圳）有限公司合资设立的，现已成为IBM全球PC产品系列最完整的一家生产厂。 “在2000年10月前，长城国际并没有一个功能强大的、整合的系统为生产和管理提供支持。”它的咨询总监黄永文介绍说，“当时用的是MRP系统，由于其功能有限，数据在各个小系统中不共享、不一致，并且运行时间长，跟不上生产发展的需要。” 为了进一步推动公司业务的发展，保持企业的竞争力，2000年10月，长城国际成功完成了整合的SAP ERP系统。之后，在2001年4月和8月，增加了重要的供应链管理系统（SCM）—APS(供应链高级计划系统)，提高了与供应商的协作以及计划和调度的能力。 长城国际的供应链总监彭鼎泰先生介绍说，长城国际可以通过供应链管理系统对供应商的产品质量进行控制，把所有的产品标准、坏品率、生产周期、交货日期等通过APS系统传递给供应商，并通过每天的生产数据获知供应商的生产状况；同时长城国际还通过这套系统，了解供应商方面出现的问题，及时参与到供应商生产调整中，而依靠传统方式要获得这样的资料并做出及时反应是非常困难的。
对长城国际来讲，供应链管理系统可以在接到客户生产订单之后就确定该订单能否按时完成，在无法按时完成的情况下，系统还能够自动产生相应的处理方案，使长城国际表现出灵活的市场从容性。此外，利用APS供应链管理系统与ERP的数据良好集成，长城国际可以从出货状况中对产品质量、物料、资金等进行逆向追溯，为质量和成本控制及决策提供可靠的数据来源。 自从长城国际拥有了一套完善的供应链管理系统之后，对于市场的反应速度不断提高，并可以保证生产计划的按时、保质完成，目前长城国际接受客户订单与制造商、供应商的联系时间比以前一周半大大缩短。 在PC产业中，只有改变才能生存。黄永文介绍说，“自从第一台PC进入市场的20年来，我们一直在改变。SCM系统已经使用一段时间了，但是现在应把注意力集中到满足客户不断提高的要求上来，科技为我们要实现的这个变化提供了可能。我们的企业在过去的几年中已经有了很大的变化，正式的实施SCM系统是我们的另一个主要变化。正是由于我们持续的变化，我们才能立足于竞争的市场。客户有自己的选择，我们的业务流程也需要不断地改善以满足客户不断提高的要求。” 任何企业都必须有能力来衡量它的脉点，给企业做个“体检”，衡量SCM的效益。彭鼎泰介绍说，“我们衡量SCM的效益，主要是看我们的供应商是否能够准时交货，订单完成情况，产品运输情况，以及把产品交付到客户手中的情况。总的来说，我们主要的衡量标准是满足客户长期的要求，而这个我们将会从吸引更多客户和保持现有客户的情况上看出。” 黄永文告诉记者，成功运行APS系统后，长城国际的业务流程和管理有了很大的改善和变化，具体表现在以下几方面：每天的生产计划由手工的电子文档提升到APS产生生产计划建议；每天的需求变化分析以前没有支持，而现在用APS的假设分析；每周的需求变化分析过去是在周会上作决定，现在由APS支持每周的需求变化分析；13周的预测和供应承诺，由过去的手工的电子文档转变成SAP中为APS做的供应需求界面；周五为MRP录入需求会自动从供应需求界面中复制；过去是在ERP中下单，再作物料检查来得到缺料报告，现在APS中有现成的缺料报告；13周的供应承诺由APS按物料的供应来得到…… 数字可能更好的理解SCM系统为长城国际带来的巨大收益：生产量比2000年增长了80%，出口业务增长200%，而到达周期缩短了3倍。 ---摘录ERP世界网 案例五: 在1990年中期, 有一个小的PC制造商叫戴尔计算机公司做出一个决策,用互联网直销模式,消除中间的销售渠道.按照客户要求配置,定价,销售.这本身就是一个创新,但是,更重要的是公司已经证明加强供应链优化管理是长期业务发展的关键.今天,公司每天的大部分收入来自互联网.同时,80%以上的供应商已经实现电子集成,效果是缩短提前期和提高服务. 但是,既是是世界级的公司,戴尔也正在用供应链计划APS整合优化全球供应链和需求计划.公司不得不用整体的供应链的优化来准备将来的发展. 作为世界第一的计算机公司,戴尔计算机公司已经布置了客户服务,销售,分销标准,但是,她已认识到一个扩展的供应链可以积极的保证巨大的发展,选用基于APS核心的SCM方案,已经减低了成本,增加了人员的效率,减少产品推向市场的时间. 戴尔的业务需求是:(1)用整体优化的供应链来为未来的发展做准备.(2)以最小化的库存快速交货.(3)从供应链中消除浪费 供应链APS的主要解决方案是:为每一个订单配置BOM物料清单;用增加装配线来代替工厂仓库;计划与供应商的实时通讯 他们运用的效果是:在3年内的投资回报率为 500% ;减少库存时间从13小时到 7小;减少书面化的 90%
第二章 APS与ERP 的关系 在我们成功的使用ERP时，我们就会发现还有很多事要作, 这并不是说APS比ERP更重要，而是因为ERP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,由人进行调整决定采取行动。 APS是基于约束理论的，通过事先定义的约束规则，有计算机自动采取行动。 试想一个企业的MRP/CRP计划都不准确， (这意味库存不准， BOM不准，工艺工时不准，计划不合理等)。如果使用基于约束的APS ，会造成意向不到的困难。因为，所有的约束都不准，反而约束了企业所需的灵活性。所以APS对企业管理的基础数据，企业的整体素质要求更高。这就说明企业管理计算机化的渐进性，不能在学会走路之前就想跑。 APS与ERP的不同 ERP是依赖于MRPII/DRP,主要基于无限能力原理的.APS是依赖于约束优化理论,除此之外,它们在计划上也有许多关键的不同: APS与ERP的关键不同点 规 则 ERP APS 计划物料和能力 顺序 同时 计划的时间段 分段 连续 组织一体的计划 按功能计划 集成计划 计划的传向 单向 双向 分配供应给客户 不能 可以 可以承诺量(ATP) 静态 动态 约束的类型 只有软约束 软约束和硬约束 制造提前期 固定 灵活 模拟能力 低 高 计划的可视性 本地点 本地点和多地点和全局 重计划的速度 慢 快 评估机会成本 不能 可以 上图已经总结了APS和核心是MRPII/DRP的ERP系统的不同,需要强调的是: 计划的时段性:APS在无缝环境下支持供应链活动的任何时段如小时,天,周,月.而传统ERP系统一般作不到. 组织一体的计划: 强调一个事实,MRPII/DRP计划是以功能为中心的计划过程,因为,它是对供应链产生计划是功能顺序的方法.如先运行DRP的批处理,然后运行MPS计划处理,最后运行MRP等等.还有跨组织的计划顺序问题.而APS可以处理合并供应链计划过程为一个全局的计划过程的一个集成的计划方法.
分配供应给客户:APS提供互相匹配的能力,对一部分的供应计划规定给客户或销售渠道,为了避免从其他需求产生拆分现象.这是主供应计划的关键功能.而MRPII/DRP做不到. 可以承诺量(ATP): 是实时提供交货日期能力.在大部分ERP系统都可以处理实时承诺.但是,它是只依赖于以前存在的供应计划.而APS可以对整个供应链分析动态的交货日期. 制造提前期: 传统的MRPII/DRP的计划逻辑是预订固定的或固定涵数的提前期.对整个供应链的效果上产生很大的负面结果.相反,APS的计划制造提前期逻辑是考虑存在的硬约束下的供应链活动,进行连续动态的计算. 模拟能力:因为MRPII/DRP的长时间的计算环境提供非常有限的评估不同的结果的能力.而APS由于是基于内存的计算,其计算速度非常快,可以在任何时间执行模拟. 值得重要注意的是APS提供的高级计划逻辑是嵌入ERP系统的,而不是取代ERP系统.APS只是局限在计划决策领域.它需要一个闭环的集成系统如ERP系统.APS需要从ERP系统拿出所需的计划数据,来执行计划优化活动.一旦在APS产生的计划,就输入到ERP系统去执行.如采购订单,生产订单,分销补货单. APS系统 决策支持 数据 决策 ERP系统 存在的系统
与ERP的关系 请先看图示: 外部数据源(预测,销售等 实际需求 需求计划 订单录入 (APS) (ERP) 预测 供应链计划 主生产计划 约束计划 (APS) (ERP) MRP 制 造 计 划 计划订单 (ERP) (APS) 制造订单 生产排程 车间控制 任务活动 (APS) (ERP) 库存 采购 物料清单 (ERP) (ERP)(ERP) 摘自APS/ERP Integration:The World Is Flat (by CHERYL GERBER)
户APS与ERP的集成有二种系统数据的集成的方式： 分离数据的模式 此种模式是典型的集成方式。从ERP数据库里实时提取数据,导入到APS的数据库,进行快速的优化计算,形成多个优化方案,有交互是人机界面,给计划员进行决策,在导回ERP系统里,进行业务处理.问题是数据在多个数据库之间交换.给实施者带来一定的困难.但是,它的好处是可以配置灵活,可以选择不同APS软件,和不同的数据仓库进行集成. 共用数据模式 此种模式是较先进的方式。这就需要ERP厂商把APS技术嵌入ERP系统里.这已经是大势所趋.改变基于无限约束理论的MRP技术,用基于约束理论的APS技术来有效规划企业的资源. 主需求计划 主需求计划包括汇总预测，供应链计划，销售定单的承诺。APS通过市场约束， 供应链物料瓶颈约束及工厂能力约束及历史数据的算法，使预测与供应链计划更精确，更实际。在销售定单的承诺上，利用ERP的计划可承诺量 ATP(Available to Promise) ，集成APS的能力可承诺量CTP(Capable to Promise)及可交货能力CTD(Capable to Deliver), 可赢利能力承诺(PTP: Profitable to Promise ).使销售定单更精确，更真实，更能满足客户需要。 主生产计划
ERP的MPS 是一工厂的核心计划，需反复模拟平衡的计划，这平衡包括对需求计划的平衡，对工厂粗略能力RCCP的平衡，对存货的平衡。而这些平衡在ERP里均是分析后，手工介入。APS 通过优化过的需求计划，自定义的资源组或瓶颈资源的约束，采购可供应的约束，现有库存的配套约束自动产生满足你的目标计划。而此复杂的平衡模拟由APS的基于约束的高级算法，基于内存的快速计算所代替。 资源组与资源 在ERP里定义资源组，同样在APS利用资源组，它包括一个或多个资源，一般来说它包括同样类型的资源。 此外,一个资源可能存在多个资源组。 但是在APS里可以对资源进行进一步细分为： (1)单一资源。(2) 无限资源。(3)并发资源。(4)共享资源。 (5)可调整共享资源 在APS在排产过程中，通过计划版处理哪个资源，怎样处理。考虑资源的可用性和有效性的结合，APS可以对不同的生产环境，设置不同的资源类型. 单一资源： 是使用最多的资源类型，如一台机器，一个人，一台设备，一个夹具，一 个固定装置及任何可以用一种能力约束的资源。 无限资源： 是指无限能力的资源。如外加工厂，烘干设备等等。 并发资源： 是指在同样时间作同样的活动， 所有活动一定是同步化，它们必需有同样的开始与结束时间。如干燥炉，它是用立方米来衡量能力。只要工件的体积不超过干燥炉的体积，它同时加工多个工件。一旦装进与开始干燥炉,你必需在加工其他零件之前完成。 你也可以规定某工序用来同时加工。 共享资源与可调整共享资源：是一个共享资源，任何任务，工序都可以使用共享资源的任何一个。如人数，工时资源，固定设备，场地空间 .工作中心与工序 在ERP里设置工作中心及工序。 APS通过工作中心及工序的进一步的定义顺序约束。 它一般是生产的一部分或是工作的工艺流程。决定那一个工序执行。ERP系统有些简单的或是列出按定单的工序清单。在第二个工序开始之前，第一个工序必须完成。等等。ERP系统也允许在工艺流程中有平行或并发工序。这些系统的类型经常是装配， 拆卸工序。APS解决最困难的顺序约束-网络化的工艺流程。 APS还能提供几个特点决定怎样计划准备时间与维护时间拆卸时间。允许多重时间，能处理平行或顺序的方式。提供对连续工序操作之间的时间的控制。允许重叠工序的时间处理。 工厂日历与轮班 在APS里，可以定义任何资源的班次，预防性维护，停工期。你也能用单一资源，无限资源，并发资源和效率一起定义，当你改变效率时，你可以用这些资源计划排程，加速，延缓这些工序。
、作业排程计划 APS有二种计划方法：有限计划和基于模拟的排程计划。 有限能力计划: FCS有限能力计划已发展十多年, 在动态复杂的车间管理中,建立一计算机模拟原型,设定工作中心的能力是有限的,计划的安排按照优先级的规则进行排产.当工作中心负荷已满,就根据你定义的规则如基于订单任务(Job-based) , 基于事件(Event-based) , 基于资源(Resource-based) 来自动,优化的安排可行的生产计划 向前顺序计划: 一个用于定单的规则是可以按优先值排序任务，并且分配到每一个任务。每一个规则代表不同的策略和计划的重点。如，与完成日期相关的规则是集中于减少延迟定单的数量，而基于优先级的规则着重于尽快完成最重要的任务。基本上，一个向前顺序计划固定了开始时间，决定结束时间(这也许会违反完成日期). 向后顺序计划: 后排顺序计划的优势总是产生一个不会延迟的计划，然而，计划也许有不可行的开始时间，然而， 一个向后的顺序计划固定结束时间，决定开始时间。 虽然，理想的有效性计划是没有延迟定单，确实吸引人。后排顺序计划有一些特别的限制。甚至，在许多的情况下，会产生可行的方案。后排计划把所有的任务都放到计划板上，以至于它们当满足完成日期，尽可能的迟。这就意味着系统没有时间缓冲，由于任何中断出现(机器故障，物料延迟，等等)将会建立延迟任务。再加上，由于延迟使用能力和等待最后时刻开始每一个任务，我们放弃了机会来考虑增加来迟的，需要增加的计划的任务。 所以，许多计划宁愿用向前顺序计划。 双向计划或瓶颈计划: 在此，我们选择任务顺序和计划工序中的一个工序，用向前计划此工序的前一个工序，用后排计划此工序的后一个工序。这在瓶颈工序或利用率高的资源是有用的。我们要把一个工序分配给瓶颈资源，然后计算此资源的上游和下游工序。 瓶颈算法顺序计划的优势是可以最小化所有任务的周期。 总之，APS的有限计划是一简单和快速的把一套任务计算在可视计划板上。此作业计划完全是由规定任务的定单和资源之间的规则所决定的。其规则主要包括瓶颈，完成日期，，先到先服务， 升序定单属性值，优先级，加工时间，下达日期，相反优先级，闲散时间，用户定义规则。 基于模拟的顺序计划
它 提供一个既简单,又吸引人的,可以选择的算法计划.任何计划的产生都能由基于模拟顺序器产生。基于模拟顺序计划是考虑计算工序而不是整个任务或订单。基于模拟顺序计划是一个出色的控制工序计算到计划板上的方法。用模拟顺序计划产生计划主要是增加operation-at-a-time的灵活性。在模拟顺序计划里，有二种可供选择的工序计划的规则类型：工序选择规则或资源选择规则。 (1)如果一资源可用，有几个工序需要此资源，工序选择规则决定那一工序计划 (2)如果一工序可用，它能被多个资源计划，资源选择规则用于决定哪个资源。 (3)如果多种工序和多种资源可用，工序规则用于选择工序，资源规则用于选择资源。 库存与物料清单 库存约束是用库存物料约束计划。这个设置是在ERP的BOM建立和指定每一个库位材料所需的数量和哪个工序所需的数量。APS是结合ERP的详细物料清单，工艺流程进行计算的。 库位象一个有相似类型材料的桶或柜。在APS中，你能在工艺流程中的任何工序完成的地点增加一个库位。对每一个库存物料，你必须决定基于数量库存补充，或工序批量。这个决策是根据库存管理策略.物料按配套库存数stock-kit的需要量来约束计划的，或取消计划。一个配套库存也许是一个库存物料或库存物料的倍数。当工序需要一个配套库存数，这个工序只有等到满足配套库存数才能计划。 在典型的ERP的MRP环境下， 所有低层物料在工艺流程中有一个库位，基于工序批量。于是，MRP系统在面向定单环境的物料的计划中只强调产品的展开，低层的净计划和提前期的计算。而APS能用低层物料的供货量保证高层物料计划. 通俗地说,就是现有的材料能做多少计划和什么产品的计划. 但是,需要强调的是APS不对业务进行管理如货物的接收,原料的消耗,发货,开发票,文档管理,财务,生产定单下达,采购定单下达,客户定单的接收等操作业务. ERP处理数据的维护如物料主文件维护,BOM维护,工艺路径维护,货源和设备的维护,能力表及供应商,客户,资源的优先级的维护. 总之， APS的优势在于能对复杂的制造环境提供比MPS/MRP/CRP更好的计划，利用最先进的计算机技术-基于内存计划，一般计划时间在几分钟内。利用甘特图计划板-可视排程。要求很高的数据精度。依赖ERP系统-需要大量的ERP系统的数据，需要ERP的采购计划，库存控制，成本控制。
第三章 APS与SCM的关系 为什么从原材料到产成品的转变需要数天或数月时间,而制造时间仅仅是几分钟,几个小时?为什么零售商的库存一般在10周左右, 而制造商具有每周的制造能力? 为什么经营者总是评价生产的价值,而不是满足客户的需求?为什么总是觉得需求不准确?需求与供应总是不匹配?答案是简单的: 供应链不同步,且没有优化. 供应链简单的定义就是在生产,运输,分销,交付商品和服务给予客户的过程中,所必需的物流,资金流,信息流的组合. 那么什么是供应链计划呢? 供应链计划就是通过优化的管理,以最合理的成本,将符合质量要求的物品及服务,在最适当的时刻,以达到最大的效益. 供应链管理就是以满足客户需求为目标,针对从生产地到消费地间所有货物商品,服务及信息的储存与流动,进行规划,执行及控制等作业的工作流程. 供应链的流程就是研发设计,需求预测,销售订单确认,采购,产销平衡,生产排程,交货运输.销售订单处理,售后服务. 供应链管理必须优化,APS作为ERP的高级计划是SCM的核心,它能代替ERP的预测计划,DRP,MPS,MRP,CRP和生产计划. 我们都知道SCOR(Supply-Chain Operations Reference-model) 是第一个标准的供应链流程参考模型，是供应链的诊断工具，涵盖所有行业。SCOR使企业间能够准确交流供应链问题，客观评测其性能，确定性能改进的目标。 供应链运作参考模型（SCOR）流程参考模型通常包括一整套流程定义、测量指标和比较基准，以帮助企业开发流程改进的策略。SCOR并不是第一个流程参考模型，但却是第一个标准的供应链参考模型。SCOR模型主要由四个部分组成：供应链管理流程的一般定义、对应于这些流程的性能指标基准、供应链“最佳实施”的描述以及选择供应链软件产品的信息。 SCOR模型按流程定义可分为三个层次，每一层都可用于分析企业供应链的运作。在第三层以下还可以有第四、五、六等更详细的属于各企业所特有的流程描述层次，这些层次中的流程定义不包括在SCOR模型中. SCOR模型的第一层描述了五个基本流程：计划(Plan)，采购(Source)，生产(Make)，发运(Deliver)和退货(Return)。它定义了供应链运作参考模型的范围和内容，并确定了企业竞争性能目标的基础。它有两大技术支柱：集成（Integration）和协同（Coordination）。而供应链的协同功能则以3项技术为基础：1）现代的信息和通讯技
术；2）过程标定（基准）——以行业最佳实践企业的运行效果为基准模板，实施供应链改造的后来者向这个模板看齐；3）高级计划与排程技术（Advanced Planning and Scheduling，APS）。APS能够统一协调企业间的长、中、近期的计划，是SCM的核心。 APS的核心基于长期证明的数学算法或解决方案。但APS所采用的并不是单一的技术，具体应用的算法（诸如线性规划、整数混合规划、推理、约束理论以及模拟等等）视需要解决问题的类型而定。APS从ERP系统下载数据到专用服务器上做常驻内存的处理，实现计划的反复运算或对可选方案进行评估，直至得到可行的或基本上可获利的计划或进度表。 资料来源:Supply Chain Council 供应链管理软件核心引擎APS是按照过程进行供应链组织间的计划、安排进度表和供应链计划的执行与控制，着重于整个供应链和供应网络的优化以及贯穿于整个供应链计划的实现。其软件提供的套件，因包括了从定单输入到产品交付等并行于制造业务流程的全部业务过程，其中包括预测、供应链和生产计划、需求和分销管理、运输计划以及各种形式的业务智能。 传统的供应链管理 供应链计划其含义是对所有的组织进行计划,用DRP计划分销渠道,支持集中式和分布式计划,其计划扩展到客户与供应商;DRP是计划分销中心或客户,可以定义执行单一的,多个的组织计划,可以反查供应链;BOD(Bill of Distribution)支持多种设置,包括企业的内部和外部,定义各货源的优先和有效日期; 必须定义供应链网络,货源规划,把物料分配给分销清单(BOD),对供应链进行顺序的计划(未优化).
传统的供应链计划有三种计算模式:垂直,水平及综合 垂直模式 分销中心 分销中心 分销中心 多组织DRP 供应商 子装配厂 子装配厂 供应商 供应商 此模式设置较复杂,是跨组织的计算DRP分销资源计划,但速度较慢. 水平模式 分销中心 分销中心 多组织DRP 分销中心 单一组织MPS 供应商 子装配厂 子装配厂 MRP 供应商 供应商 此种模式设置较简单,也是现在较多运用的模式,但计算模式是顺序,不同步. ( DRP MPS MRP) 综合模式 分销中心 分销中心 分销中心 多组织DRP MPS 供应商 子装配厂 子装配厂 供应商 供应商 此模式也是常用的,核心组织用内部的MPS/MRP,而外部多组织用DRP,设置简单,计算灵活.
总之, 传统的供应链的计划运用的ERP的DRP,MPS,MRP的算法.它的特点是基于无限约束理论,批处理的顺序计算方式.随着,供应链越来越复杂,传输的数据的优化和同步化是供应链网络建立和执行的关键.如果,这些条件得不到满足,现有系统将永远无法获得企业自己所希望的竞争优势. 传统的供应链制造商批发分销商供应商零售商客户信息流物流 在过去,市场需求稳定,很少有季节性的变化,客户订单的变化和加急,产品均是批量生产少有变动,并不需要快速反应,交货提前期较长,足以应付自如.市场竞争缓和,准时,短的提前期,客户服务水平并不太重要,成本压力轻,不需要寻求以更低的库存水平来达到更高的服务水平,产能和物料供应无限大.这就导致传统的计划方法:如假定提前期固定,假设各种能力约束无限,缺乏智能化的优化计算,无法达到最小的提前期和最小在制品和最大的有效产出,数据管理业务处理以顺序方式,批处理方式,对各类变化反映速度较慢,无法实时的快速调整原来的计划,缺少决策支持,无法快速的模拟和反映问题. 互联网时代的供应链 而现在,全球企业均遇到同样的挑战,全球化的市场与竞争,专业化分工全球的优化配置的趋势,市场趋向大规模的定制,产品生命周期缩短,需要有竞争性的提前期,知识资本化,研发协同化,也就是说要求客户在产生需求时,能顺利购买到满足需求数量的产品,而且在客户愿意支出的价格下并同时具有利润.简单的说:掌握确实状况,正确快速反应,创造共同价值. 幸运的是供应链的核心的高级计划APS就是在能帮助企业达到供应链管理同步化,优化的高级算法. ,最大化满足客户和消费者需求
在最低成本下,满足客户需求和客户服务.减少不确定的供应与需求.用APS通过供应链的具体物理设置如供应链地点-工厂,分销中心,外加工厂,客户,供应商及物料清单(Bill of Materials),工艺路径(Bill of Routings), 分销路径(Bill of Distribution),以及提前期(Lead Time),和每一个供应链经营或资源的成本.通过能力约束,供应约束,运输约束等等.还包括非物理约束如客户或优先区域(自动分配有限的供货), 安全库存,批量.结合供应链中所有的需求如销售预测,客户定单和补充定单和.供应链中所有的供货渠道.包括原材料库存, 半成品, 成品库存,确认分销订单,确认的生产定单和确认的采购定单.同时使用这些信息,APS比较需求信息和存在的约束,当三个要素未满足时,立刻产生警告信息.通过供应链,例如几十个工厂, 几十个分销中心,和几百个销售渠道实时平衡优化需求,供应和各种约束.这意味着一旦有未意料的变化,改变了需求,供应,及约束,APS就能立刻看到它的影响. APS可以实时,智能的再同步所有需求,供应及供应链约束,可以帮助决策者重新计划,自动解决问题.当然,它考虑了所有约束规则.这两者关键的能力-实时报警和实时基于约束的重计划-可以使公司达到”零等待”状态.这就是供应链优化管理所面临的挑战. 提高与客户的沟通,减少供需缓冲,减少供应链内部的操作.最大化满足客户和消费者需求. 未来基于互联网的供应链供应商批发分销商零售商制造商SupplierCustomersExchangesLogisticsCustomer ExchangesExchanges虚拟制造商合同制造商后勤提供商信息流物流 , 通过整个供应链进行成本和服务的优化. 用APS建立有效的模式,它是有效的客户响应(ECR),使制造商和零售商之间的协作,为消费者提供更好的价值服务.
,在供应链里,减少非增值的活动. 在实施APS之前,进行BPR,用JIT的管理思想消除浪费,减少准备时间,文档资料和行政管理.实现供应链精益化. , 需求信息和服务需求应该是以最小的变形, 传递给上游并共享. 利用APS通过计划时区持久的平衡需求,供应,约束,同时看到发生的供应链问题.由于实时,双方向的重计划能力,计划员有能力执行各种模拟以满足优化计划.这些模拟提供实时响应.如我的安全库存水平应是多少? 这是最低成本计划吗?我使用的资源已经优化了吗?这个计划满足我的客户服务水平了吗?我以经最大化利润了吗?我可以承诺什么? 在供应链里的每一个阶段,把最终用户的需求(实际)传递回去.因此,一旦实际需求的变化,所有地点都知道,并实时产生适当的行动. , 同步化供需是对服务和成本的一个重要目标. 有几个因素影响这种匹配: (1)大批量.(2)生产上维持高效率,而不是满足客户需求.(3)缺少同步,使得库存水平高和变化频繁的库存水平.实现供应链流水化,减少批量,优化布局. , 可靠的,灵活的经营是同步化的关键 可靠,灵活的运作应该主要集中于生产, 分销.销售.市场的角色是揭开需求.运用APS的丰富功能,强化企业经营管理. , 与供应商形成战略联盟,从战术采购向战略采购转移 大部分经营引起生产的失败,除了内部的不稳定性,就是供应的不稳定性.应鼓励供应商去寻求减少供应链总成本的方法,和供应商共享利益. , 供应链的能力必须战略的管理 必须直接控制关键能力来达到需求到供应的震动减弱.要考虑库存存放地点,运输的路径.一但产品需求发生变化,用APS可以并发考虑所有供应链约束. 当每一次改变出现时,APS就会同时检查能力约束, 原料约束,需求约束.这就保证了供应链计划在任何时候都有效就能实时优化供应地点,或分销地,运输路线,避免库存超储,工厂的供应的震动过大. , 新产品的开发和新产品的推出也取决于供应链的性能. 新产品的引进必须与需求,能力计划,供应能力集成,使供应链有效的传递,使产品周期缩短整个高级供应链的布属必须从研究开发PDM或PLM集成,形成产品商务协同CPC. 为了达到这些高级的计划能力, APS依赖一组核心的能力 , 它的计算的速度 基于内存的计算结构,比MRPII/DRP的计算速度快300倍.这种计算处理可以持续的进行计算.这就彻底的改变了MRPII/DRP的批处理的计算模式. , 可以同步考虑所有供应链的约束.
当每一次改变出现时,APS就会同时检查能力约束, 原料约束,需求约束.运输约束,资金约束,而不象MRPII/DRP每一次计划只考虑一种类型的软约束.这就保证了供应链计划在任何时候都有效. , 基于约束的计划-硬约束和软约束 硬约束: 不太灵活 –如每天三班运行的机器.或从一个供应商分配的物料. 软约束: 较灵活-如一台加班的机器 可以增加能力.或一非关键客户的交货能力. APS用此独特的核心的计划逻辑: 当软约束不行时,实行硬约束来执行优化. , APS可以同时传播信息影响到供应链的上游和下游. 计划员如想要延迟一个生产定单,那么就会影响到下游的活动如最终产品的可得到和最后交给客户.也会影响到上游的活动,如其他生产定单的可能的推迟, 原料的库存水平和将来的采购需求 , 在交互的计划环境中实行解决问题和供应链优化算法. 因此,它有能力产生反映所有约束的有效计划.而且,有能力产生最大利润的计划. •优化所有供应链的活动同步化, 顺序计划采购分销制造计划预测计划计划同步化, 并发计划供应链优化采购分销需求制造计划计划计划计划 现代供应链必须优化建立互动式的工程设计,生产规划,日程安排和分销,运输计划而同步和优化必须使用APS为核心的技术
某大型消费品企业在全国拥有近50家销售分公司。2000年开始引入某国际主流管理软件公司的ERP系统，并得到成功实施。同时，该企业成立了总部物流管理部门，集中管理所有的仓储和运输运作。该企业在对外宣传中，ERP是物流系统的核心，并以此为基础实现了按订单生产的零库存。 但是，这家企业从生产到最终零售的供应链周期与竞争对手相比并没有明显的优势。原因在于总部是根据销售分公司的订单进行生产，对于销售分公司来说，考虑到10天以上的前置时间和销售波动，需要建立相当的安全库存，且这种库存难以与其它分公司相互调拨。因此，对于很多销售分公司，3个月以上库龄的库存超过15%；同时，对于市场而言，这家公司的反应速度并没有优势，在物流总成本和库存总水平上，这家公司也没有明显优势，只是库存的分布与其它公司不同则已。 其实,上述企业并非是孤立的案例，一个明显的事实是：一些已经实施主流ERP软件的领先企业的物流总成本及库存水平依然远远高于国际同行.其实ERP只控制了总部库存 从产品的分销的角度看，ERP系统为这个企业提供了规范的订单流程、仓储运输运作流程和相应的数据，以此为基础，实现了稳定的物流运作。 但是，无论是消费类电子还是日用消费品，严格地按订单生产是不可能的，即便是戴尔的直销模式也需要8天时间的库存量，因为消费者乃至零售店不可能容忍等待一个包括完整生产和物流过程的交货周期。因而，以预测为基础，考虑各种约束条件的计划和调度的功能必不可少，包括库存计划、进货计划、运输计划等。然而，由于缺乏供应链计划调度的基本系统，相当部分企业的ERP实际上仅仅实施到总部的厂门口，通过把分公司当作纯粹的客户来看待，实行“按订单生产”，实际上是把所有的预测和计划问题推到分公司层面解决，而分公司的计划调度则基本上是处于一个原始的、完全人工的状态。这样做当然解决了总部的库存问题，但是分销网络的库存却得不到良好控制。所以,在ERP基础上必须重新规划与优化供应链.既然ERP不能彻底解决库存问题的病因，在于以预测及计划为特点的供应链调度系统的缺乏，那解决之道就在于重新规划供应链模式，引入以预测和计划为核心的供应链调度系统APS。 在许多案例中，某些公司的库存水平要比同一行业领域中领先的企业高出3~4倍。我们当然会问：是什么原因造成了高库存？在现有的基础上应该如何解决这个问题？ 造成高库存量的成因很多。有几个重要的因素 ： (1)．对需求的了解甚少 － 能够真正了解自己产品需求的公司寥寥无几。高层管理者经常把预算数字当作了需求量。要改进以前的做法无非又是一个罗列数字的过程，对于了解真正的需求无补。 即便那些所谓已经改进的措施也是极少注意到预测中的聚合水平。比如以一个月为周期，对某产品进行的全国范围的销售预测结果，对于每周做生产计划的工厂来说几乎是形同虚设。同样，这种掺杂了很多人为因素的所谓预测准确率，又怎能反映出公司真实的预测能力呢？ 问题的产生应该归于落后的预测手段。预测本身是一个计算与数据精加工的过程，需要有效的运用信息学和先进的算法技术来处理。手工预测是很难得到理想的预测结果的，除非是对那些很小的、产品单一的公司。
(2)．静态库存控制手段－ 大多数公司的做法是采取一套在某段时间内看似有效的规则。这些规则在一种特定的环境中也许有用，但并没有考虑到市场、生产和供应商三者总是在变化的特性。举例说，某个公司需要在其所有的库存场地储备所有的产品90天。显然该公司的库存周转率为1，而且随着时间的流逝情况会越来越差。而在工业领域中的那些领先企业的库存周转率却是4到5.库存量的控制方法应立足于提高生产组织在产品需求方面的预测能力，以及供应商及时供货的能力。此外，这些方法应该随着事务性质的改变而逐渐完善。 (3),忽视货运网络的作用 －通过配送中心或者货栈的货运网实施库存管理一直是被人们忽视的领域。大多数公司未能区分一条货运网与个别场地（仓库、货栈、配送中心等）之间的库存控制策略要有所不同。补货和订货策略之间的交互关系极大地增加了库存的复杂性，随着时间的流逝就会导致巨大的库存量。 例如，一个要为两个仓库补货的仓库会面临两种极不相同的库存需求。作为供货仓库，其库存需求在很大程度上取决于在它和受它支持的两家仓库之间的订货/补货关系。忽视了对这种货源/订货关系的了解和控制，就会导致仓库和厂家的库存量超负荷。 (4),产品组合的管理－ 企业选择大规模生产或者停止生产某些产品时，无论短时期还是长时期都对库存有直接的影响。同时对产品组合的管理手段会影响企业所提供的产品数量。产品部件的通用性会影响企业必须生产和采购的原料数量和元件数量。这些都是显而易见的，企业也在力图缩小这种影响。然而，人们疏于了解的一个事实恰恰是原料和元件的需求量越多，安全库存的要求也就越高，从而导致了更多的库存。售后服务只会增加备件的库存。这并不是说企业不应引入新产品。只是因为它承受不了过高的库存。无论如何，凡是考虑某一产品的引进、继续生产和停产的同时，也应该考虑到库存增长所带来的成本问题（以及供应链相关的其它成本）。 (5), 生产计划－物料需求计划（MRP）是制造业协调需求和供应的首选方法。虽然MRP计算方便和易于掌握，但它却是庞大原材料库存的重要成因之一，工厂成品库存量的增长就足以证明。MRP没有充分考虑到一个企业在生产能力方面会受到诸多因素的制约。同样MRP也没有认识到预测市场的可变性，因此MRP并不能作为解决过量库存问题的理想解决方案。 一个企业在制定生产计划时，应该考虑到预测、安全库存需求、资源和管理目标（比如：利润、成本以及/或者客户服务水平）等诸多方面的制约因素，这样才能达到供货与需求的同步运行。 上述的原因更加凸现出为什么如此多的企业会有这样高的库存量。这当然不是高库存形成的全部原因，但是足以使我们认识到，这些都是非常基本和非常重要的原因。了解这些原因只是战胜过量库存的第一步，接下来显然就是该怎样处理库存的问题。 (1)．建立一个全面的供应链主计划。供应链问题极为复杂而且相互作用。在错综复杂的现实当中针对某一点的解决方案是无法从根本上解决问题的。 (2)．审慎地利用信息技术。利用信息技术的重点应该放在解决方案的品质上，看它如何帮助企业更好的成长，而并不是简单看它是否与现行的业务流程相匹配，能否将现有业务流程自动化等。 (3)．更好的利用关键绩效指标（KPI）。 使用绩效指标作为控制和促进管理行为变革的手段来帮助公司业务保持持续稳步的增长。
供应链之所以是企业的热门话题,正是因为当前的竞争已从企业与企业的单个竞争提升到供应链与供应链的竞争.如企业接受一订单的背后,实际上涉及到许多内,外部组织密切协作的浩大工程.但是,遗憾的是一个链上的组织间经常存在壁垒,无法有效沟通,甚至信息无法实时传递,所以,也就是说无法及时响应市场需求 变化.因此,企业不仅要必须重视内部的运作效率,还要整合上,下游的企业的供应链系统,借以供应链的整体作战能力,来赢得客户,取得竞争优势.运用APS系统来优化与协同供应链的运作,来有效管理流程,整合资源能力与库存,进而降低成本,提高效率. 现实中,企业在供应链的管理中也遭遇到不断的冲击与挑战,供应链领域的管理哲学也就不断的演变与更新.早期的供应链管理,强调的是企业借以整合上游供应商,物流体系和下游的分销商,进而确保产品能以最恰当的生产方式,最适当的地点,适当的时间,与合理的配送,来满足客户需求.假如企业能够实际落实供应链的管理思想,它就能为企业创造出有效控制与管理流程,整合资源能力及库存管理,提高市场的响应速度.及时交货与提高效率. 但是,由于产品的生命周期大幅缩短,客户对服务质量与速度的要求也更为严格.再加上商业全球化,企业虚拟整合和企业的环境的变化等形成的经营挑战,现企业所承受的生存压力越来越大.所以,许多企业不断积极延伸供应链范围,更力求向最终客户的需求靠拢,以提高供应链体系的运作绩效,落实以客户作为驱动的供应链运作的核心的思想.这就形成价值链VCM(Value Chain Management )的管理新思想. 价值链管理思想就是要企业协同供应商,从产品设计开始一直到把产品交付到最终客户的完整流程.它包括协同产品开发,寻找货源,采购,生产制造,分销,运输,销售,售后服务等各个环节的作业,这些流程通常也代表不同的专门的产业,必须依靠不同的企业形成联盟来共同完成.而企业价值链管理VCM的核心思想就是要将供应链的运作模式,由专注与企业内部的静态系统,传统供应链的协同(未优化)系统,改造成以客户为中心的动态的优化系统. APS供应链系统就是要利用价值链的管理思想,协助企业适应市场的变动性与复杂性,使企业可以配合业务流程制定的业务方法,能够使价值链成为一套更有效的协同作业模式,使价值链中的各个企业能在它包括协同产品开发,寻找货源,采购,生产制造,分销,运输,销售,售后服务等流程中密切互动,运用有效的工具来监控市场的变动性与复杂性,进而决定正确的行动方向,然后能迅速采取行动,实现对客户的承诺,并以适当的价格,适当的时间向客户交付适当的产品.事实上,就因为APS能使价值链管理真正的将规划,决策以及实际行动的复杂过程予以计算机化的能力.因此,已被视为破除”长鞭效应”(既是企业无法有效的沟通,甚至信息无法实时传递,而未能及时响应市场变化的普遍现象)的有效武器.
•从MTS转变MTO,ATO 人力资源CTO 客户关系管理•APS支持整个SCM财务E–ATP/CTP高级计划排程A–产品配置物料管理–后台与ERP集成I仓储管理制造国际贸易后勤后勤 图片来源:AMR Research.
第四章 APS的理论的形成 计划的历史,现在与将来 从二次大战以后,我们在生产管理上的生产计划上开发了很多类型的生产计划系统,最早的是用EOQ经济订货点系统,2-Bin双箱系统,LP线性规划系统.后来在美国,由于物料资源较为丰富,在生产管理上,管理者主要集中考虑人工的效率,所以产生了基于无限约束的MRP物料需求计划.同时在资源比较匮乏的日本,研究开发出了JIT看板拉式系统,主要集中考虑减少物料的浪费.同时,在以色列,主要研究关键资源的能力效率,所以产生了TOC约束理论,以提高瓶颈资源的效率来整体提高企业效率. 在一些项目管理时间较长的制造环境下如(造船),美国海军设计出了PERT计划评审技术/CPM关键路径法.随着管理的需要,MRP系统与财务的结合就产生MRPII制造资源计划系统来优化企业制造资源.现在管理资源的领域已扩展到工程,人力资源,供应商,分销的ERP企业资源计划系统以整合规划企业资源. 不幸的是,以上的系统都没有较好的解决企业效率的基本问题-能力约束.FCS有限能力计划系统利用并扩展TOC的原理,全面进行多重资源约束的优化计划.但是,仅仅能力约束还是不够的,还要考虑物料的约束,需求的约束,供应商资源约束,运输资源的约束,分销资源的约束,财务资金的约束,即产生了APS高级计划排程系统. 同时把JIT和TOC的优势结合在一起,又产生了DFM需求流制造系统.现在,企业的竞争就是供应链的竞争,整合企业上游下游的供应链,使之形成供应链联盟,就需要用到SCM供应链协作管理. ERP MRPII MRP APS SCM EOQ DFM JIT PERT/CPM LP TOC FCS 2-Bin 1980 2000 计划演变示意图(来源于FCS 作者Gerhard Plenert, Bill Kirchmier)
什么是独立需求计划-经济订货点-EOQ? 独立需求是外部对企业最终产品的需求和特殊的物料的需求，而非独立需求指的是企业内部对组成复杂产品的各种零件的需求。大部分行业中，这两种需求同时存在。举例来说，制造业的独立需求通常是指产成品、修理用配件以及运作所需物料；非独立需求是生产最终产品所需的各种零部件与原料。在消费品的批发和零售中，大部分需求是独立的，因为这些产品是最终产品，零售商和批发商不需要再对其进行装配。在定量订货模型和定期订货模型中，服务水平的影响体现在安全库存和再订购点的确定上。在计算机时代的早期，大多数计划库存管理系统均采用此两种系统的管理方法。如百货商店和汽车配件商店等非制造性企业现在也是采用此简单的办法来实现对库存的补货计划控制。 定量订货系统 定量订货系统要求规定一个特定的点，当库存水平到达这一点时就应当进行订购并且订购一定的量．订购点往往是一个既定的数。当可供货量（包括目前库存量和已订购量）到达订货点时，就应进行一定的批量的订购。库存水平可定义为目前库存量加上已订购量减去延期交货量。 以下这些假设与现实可能有些不符，但它们为我们提供了一个研究的起点，并使问题简单化。 ·产品需求是固定的，且在整个时期内保持一致。 ·提前期（从订购到收到货物的时间）是固定的。 ·单位产品的价格是固定的。 ·存储成本以平均库存为计算依据。 ·订购或生产准备成本固定。 ·所有对产品的需求都能满足（不允许延期交货）。 Q R 0 如图 定量订货模型 建立库存模型时，首先应在利息变量与效益变量指标之间建立函数关系。本例中，我们关心的是成本，下面是有关的等式。 年总成本＝年采购成本＋年订购成本＋年存储成本 即： TC＝DC+ (D/Q) S+(Q/2)H 式中 TC－年总成本； D－需求量（每年）； C－单位产品成本；
Q－订购批量（最佳批量称为经济订购批量即Q S－生产准备成本或订购成本； R－再订购点； L－提前期； H－单位产品的年均存储成本（通常，存储成本以单价的百分率表示，例如，H＝iC式中i是存储成本的百分率）。 在等式右边，DC指产品年采购成本，（D/Q）S指年订购成本（订购次数D/Q乘以每次订购成本S），（Q/2）H是年存储成本（平均库存Q/2乘以单位存储成本H）。 在模型建立过程中，第二步是确定订购批量Q 以使总成本最小。我们将总成本对Q求导数，并设其等于零。具体计算过程如下： TC＝DC+(D/Q) S+(Q/2)H d TC -DS H ＝0 + ＋ =0 dQ QQ 2 最优订货批量 : Q= √ 2DS/H 因为该模型假定需求和提前期固定，且没有安全库存，则再订购点R为： R＝dL 式中 d－－日平均需求量（常数）； L－－用天表示的提前期（常数）。 因为该模型假定需求和提前期固定，且没有安全库存，则再订购点R为： R＝dL 式中 d－日平均需求量（常数）； L－用天表示的提前期（常数）。 定期订货系统 在定期订货系统中，库存只在特定的时间进行盘点，例如每周一次或每月一次。当供应商走访顾客并与其签订合同或某些顾客为了节约运输费用而将他们的订单合在一起的情况下，必须定期进行库存盘点和订购。另外一些公司实行定期订货系统是为了促进库存盘点。例如，销售商每两周打 来一次电话，则员工就明白所有销售商的产品都应进行盘点了。在定期订货系统中，不同时期的订购量不尽相同，订购量的大小主要取决于各个时期的使用率。它一般比定量订货系统要求更高的安全库存。定量订货系统是对库存连续盘点，一旦库存水平到达再订购点，立即进行订购。相反地，标准定期订货模型是仅在盘点期进行库存盘点。它有可能在刚订完货时由于大批量的需求而使库存降至零，这种情况只有在下一个盘点期才被发现。而新的订货需要一段时间才能到达。这样，有可能在整个盘点期和提前期会发生缺货。所以安全库存应当保证在盘点期和提前期内不发生缺货。
既定服务水平下的定期订货模型 在定期订货系统中，在盘点期（T）进行再订购，同时安全库存必须为： 订购 订购 订购 T T T 如图 定期订货模型 盘点期为T，固定提前期为L的定期订货系统。 实际上，得到订购成本、生产准备成本、存储成本以及短缺损失的数据非常困难，有时甚至不可能。假设条件有时不切实际.所以, 所有库存订货点系统都要做以下两个工作：1,是对每种库存物资进行适当的控制；2,是确保库存记录准确可靠.所以,在实际中,我们常用三类库存系统1,任意补充系统.2,单箱系统.3,双箱系统 任意补充系统（Optional Replenishment System） 任意补充系统强制系统以某一固定频率（例如每周一次）对库存进行盘点，当库存水平下降到某一数量以下时订购一个补充量。该系统适用定期订货模型。例如，可以根据需求、订购成本和短缺损失计算出最高库存水平M；因为发放每一个订单都需要花费一定的时间和资金，所以可以求出最小订购批量Q；每当盘点库存时，就用M减去现有库存量I，令（M－I）等于q。如果q大于或等于Q，则订购q；否则在下一次库存盘点之前不订购。用数学语言表示如下： q＝M-I 如果q >= Q，则订购；否则不订购。 双箱系统（Two-Bin System） 在双箱系统中，物资从一箱获得，另一箱的库存数量刚好等于再订购点的库存量。该系统采用的是定量订货模型。在该系统中，一旦第二箱的库存被拿到每一箱，则意味着
要发放订单了。实际上，两箱可能搁在一块儿，二者之间只要有东西隔开就行。双箱系统操作的关键是将库存分为两部分，在一部分没有用完之前另一部分保持不动。 单箱系统（One-Bin System） 单箱系统对库存进行周期性补充，以固定的时间间隔（例如一周）将库存补充到预定的最高水平。单箱系统与任意补充系统不同，任意补充系统的库存使用量超过某一最小数量时才进行下一次订购，而单箱系统则是期期订购、期期补充。单箱系统采用的也是定期订货模型。 需要指出的是降低库存需要库存管理的专门知识，而不只是简单的选择模型录入数据进行计算的问题.首先，模型有时不适用；其次，有关数据可能错误，或者是根据不正确的数据得出的结果。通常认为订购量的确定是一个交易问题，也就是说，是对存储成本和生产准备成本的平衡问题。当今许多企业的一个重要目标是减少库存,但是要注意的是这些方法的目标都是成本极小化，而企业的目标是满足客户需求,赢得利润.因此，在考虑使库存成本的降低的同时,要有助于企业目标的实现。通常说来，正确地减少库存能够降低成本、改进质量、提高绩效并增加利润。 什么是线性规划的生产计划-LP? 线性规划是通过系统的迭代程序去解联立线性方程的一系列方法的名称。以前,线性规划恐怕已成为在制造业中的最广为人知的与最独特的一种运筹学算法。 线性规划可以应用于具有下列一般特征的问题： (1),有可定义的目标（诸如利润、成本与在一定时间期内最大的生产量） (2),有许多可用的替代解。例如，可以不同成本在一个生产单元上运行或在另一生产单元上运行；或可以不同制造成本与运输成本从不同制造厂获得补充的仓库补货订货。 (3),资源是有限的。例如，成本最低的设施其能力不足以生产全部所需产品. (4),重要的成本与绩效变量之间的关系是线性（一次）代数方程式表达。 若成本与变量间关系为线性的，且需求被认为是已经确定的，可以用线性规（LP）编制生产计划。对于一般情况，可以用单纯形法。 我们对线性规划与数学技术的进行观察,当成本与变量关系是线性的，或可被近似分割为线性部分时，采用线性规划是可行的。考察工业中应用的复杂生产计划技术发现，只有线性规划的应用范围最宽。许多工作可用微软的Excel实现。对于软件来说，根本问题在于管理者对一般模型的态度。如果公司把建模作为解决问题的方式。它们可能会尝试更复杂的模型；并主要应用计算机作详细计划。在这些企业中，我们期望在其制定生产计划时，尝试用试算法制订备选计划。线性规划曾被应用于若干生产问题，主要是在流程工厂的计划,精炼厂、化学品、 油漆与玻璃厂、最近还有柔性机器中心的日程计划。目前这种算法实际上在制造厂里用途有限,更简单与更有效的算法使得这些复杂的数学方法成为不切实际的。 什么是计划评审技术/关键路径法的项目计划-PERT/CPM? 计划评审技术（Program evaluation and review technique, PERT）和关键路线法（critical path method, CPM）是两种最著名的关键路线计划技术。它们都产生于19世纪
50年代。PERT是美国海军特别计划委员会（the . Navy Special Projects Office）于1958年制订北极星导弹研制计划时，作为一种计划与管理技术而最先使用并由此发展起来的。CPM则是由雷明顿－兰德公司（Remington-Rand）的.克里（. Kelly）和杜邦公司的.沃尔克（. Walker）在1957年提出的，当时是为了帮助一个化工厂制定停机期间的维护计划而采用的。 关键路线技术CPM指的是一套用于计划和控制项目实施的图形技术。在任何给定的项目中，要考虑的三个因素都是工期、成本和资源可用性。关键路线技术已经发展到既可以单个处理，也可以综合处理各因素的阶段。 关键路线技术用网络图形描述出一项工程的全貌，并提示要将注意力集中在关键路线上，因为它决定了项目的完成时间。为了使关键路线技术最大限度地发挥作用，应用该技术的项目必须具有如下特点： 1）工作或任务可以明确定义。它们的完成标志着项目的结束。 2）工作或任务互相独立。即可分别开始、结束和实施。 3）工作或任务有一定的顺序。它们必须按顺序依次完成。 建筑业，飞机制造业以及船业一般都符合上述要求，因此在这些行业中关键路线技术得到了广泛应用。在前面我们也曾经提到，项目管理和关键路线技术的应用在那些迅速变化的行业里正变得更加普及。 PERT和CPM都强调时间参数的确定，必须通过分析作为项目计划和控制基础的任务网络，来发现所需时间最长的工作路线。两者都使用节点和箭线表示。初期的PERT和CPM最基本的区别在于：PERT对完成活动所需时间采用三点时间估计－乐观时间、悲观时间和最可能时间，而CPM只使用最可能估计时间。由于这一差别，PERT最初主要用于研究与开发项目，因为此类项目的主要特点是不确定性；而CPM则用于例行性的或已有先例的工程活动计划。但是随着时间的推移，PERT和CPM这两个特点都已变得不明显。这主要是因为CPM的使用者也开始使用三点时间估计，而PERT的使用者也经常用节点表示活动。用节点表示活动在逻辑上比用箭线更加容易理解。三点时间估计可用于估计在规定时间完成任务的概率。因此，我们用节点表示活动，至于活动时间是用单点时间估计还是用三点时间估计，则取决于要实现的目标。而我们所说的PERT和CPM则指的是同一件事，尽管CPM较之PERT可能使用得更多。 从某种意义上讲，这两种技术的发展都应归功于它们的先驱－甘特图的广泛应用。对小项目，用甘特图可以直观地将各种活动和时间联系起来，但对于超过25或30个活动组成的项目，其可视性就变得极差，而且操作起来也十分困难。另外，甘特图也不能提供确定关键路线的直接方法。不过，尽管存在着理论上的缺陷，甘特图仍然具有很大的实用价值。 不过,在使用项目网络图和CPM或PERT时需要作出一些假定。当使用三点时间估计时，对于操作人员来说，最为困难的地方就是对统计学理论的理解。对活动时间的分布、三点时间估计、活动方差以及使用正态分布评价项目完成的概率等，都是产生误解的根源，会导致操作人员对计划的执行产生不信任和抵触情绪。因此，管理上必须确保负责监督和控制活动运作的人员懂得统计学。 项目应用关键路线法的高昂成本有时也会成为被批评的对象。然而，应用PERT或CPM的成本很少超过项目总成本的2％。即使加入了工作分解图和其他各种报告后，其
应用成本将大幅提高，但也很少会超过总成本的5％。因此，这些新增加的成本通常远远低于计划改进和项目时间缩短节约的成本。 什么是相关需求计划-MPS/MRP? 1965年建议在制造业中区分两种类型的需求。他用独立需求来描述对于与一家公司的库存中其它物品的需求无关的成品或组件需求。这种独立需求的特征是客户对成品、半成品或服务件的订货。他用相关需求来描述直接由生产一父物品或其它伴随物品的日程计划所确定的物品的任何需求。相关需求的典型是原料、采购的或自制的零件或成份以及自制的子装配件、附件与附属品。 Orlicky建议将这种区分作为确定选用什么订货技法的一条准则。 独立需求必须被预测，传统的或分时段的订货点技法是这种可用的技法。相关需求是可以计算，物料需求计划是可行的技法。这只是一般准则或原理. 制造作业中所有的大量物料需求是由要生产某种含有这些物料的物品的决定所引起的。产品的组件或成份,而且在它们所进入的物品被生产之前是不需要的。 这类物料的首次采购及其不断的补充，通常最好通过应用下列逻辑分析来处理： (1),我们何时要去制造多少这种具体产品？ (2),需要哪些组件（或成份）？ (3),这些物品已在手头的有多少？ (4),此外已经订了货的有多少，它们将在何时到达？ (5),何时需要更多些，而且需要多少？ (6),这些物品应何时订货？ 这就是MRP的基本逻辑。它对订货生产、客户定制的产品,定期成批制造的小量或大量产品，对流程工业以及对重复性大量生产都是同样适用的。 主需求计划MDS或销售运作计划SOP 来源于预测或销售订单,主要适合于最终产品或用于销售的半成品等.SOP主要是连接销售计划与生产,并充分集成销售信息系统与主生产计划。你可以使用灵活的计划层次,SOP提供各种预测工具，预测可以基于系统中的任何时间序列数据。你可以用SOP进行任何资源的集成的粗能力计划（包括物料）.你可以将SOP的结果用于管理报告及执行层控制。 预测及销售与运作计划（SOP）是你的后勤管理和公司计划部门不可缺少的工具。从你的销售期望值和运作预算开始，你用它们为你公司的运作层编制现实和协调一致的计划。SOP的输出信息决定为了支持你的销售计划，你公司需要提供的生产、工程、及财务资源的数量。年度计划及定期修订的目标计划都要根据准确的销售预测及有效的运作计划。通过SOP你可以主动地把来自各种来源的信息集成到一套计划中。然后你可以均衡你的供应链管理，调整服务水准并优化你的经营业绩。销售与运作计划还有助于促进你公司计划人员之间的交流与合作。
在SOP执行并调整你的预测，将它们从一个高层的角度分解到产品层。可在任何汇集的计划层级——与生产或销售有关的层级等级进行预测。系统可以自动地分解你的预测。你建立相应的生产率并定义所需的库存及供应天数。对工作中心组或瓶颈工作中心进行粗能力计划（RCCP）来平衡你的能力利用。你还可以核实其它资源的需求。 最后，你从你的生产率生成独立需求并将它们转送到主生产计划（MPS）或物料需求计划（MRP）。 SOP允许你能很方便地在一张计划表上更新和对比销售预测和生产率。计划表以时段为列栏目，时段长可定义为周、月、会计期、或天，行栏目表示关键数据如销售预测、生产率、库存水准、供应天数及目标库存量等。SOP计划表不仅包括了销售和生产信息，还可以包括采购需求、发货、库存水准、未结订单及库存周转次数等信息。这将使实际的经营状况更加透明，并能提供可行性核查及市场决策，从而改进你的计划工作质量。计划期可以延伸到过去和将来。你可以非常灵活地跟踪过去的计划数据，市场需求预期，进行“如果怎样—将会怎样”的模拟等。你甚至可以把各种事件的效果（如促销和特殊交易）也包括进去。 主生产计划MPS 主要是对公司利润有重大影响或消耗关键资源的成品或原辅料,才被标记为主计划物料，计划时需要额外的控制与支持,需要单独的计划运行,需要计划时界来保护计划的稳定性. MPS为企业管理者提供一个控制把手,来有效的控制计划： 1,一种可以授权与控制并支持客户服务、获利能力与资本投资,劳动力水平,库存投资与现金流的手段。 2,一种可以协调市场营销、销售、工程设计、制造与财务活动,来进行统一计划与提高团队协作的机制。 3,一种可以调和市场营销及销售方面的需求与制造能力的方法。 4,一种可以度量每一团队在执行共同计划中的绩效的手段。 的计划 主要是计划相关需求,从最高的需求通过多层的BOM(物料清单)计算而得。如零部件，半成品，原材料，辅料.制造作业中使用的大量物料的需求是由要生产某种含有这些物料的物品的决定所引起的。 MRP通常是通过下列逻辑分析来处理的： 1,我们何时要去制造多少这种具体产品？ 2,需要哪些组件（或成份）？ 3,这些物品已在手头的有多少？ 4,此外已经订了货的有多少，它们将在何时到达？ 5,何时需要更多些，而且需要多少？ 6,这些物品应何时订货？ 这就是MRP的基本逻辑。它对订货生产、客户定制的产品如船舶、建筑物或专用机器，对定期成批制造的小量或大量产品，对流程工业以及对重复性大量生产都是同样适用的。MRP逻辑适用于包含多种子件（成份）的一切类型的产品与过程。MRP逻辑应用到
这些不同的加工方法,要求采用不同的方法并使用不同的数据格式。然而，对所有这些加工方法，都要求有健全的物料计划与有效的计划控制： 1,必须作出一个有效的主计划，它说明要制造什么，需制多少，对每一产品何时需要各种物品。这个主计划叫做主生产计划（Master Production Schedule,简称MPS）。这些计划数字驱动MRP。如果MPS所要求的产出超过了生产设施（工厂与供应商）的能力，则所有的有关计划都是无效与不现实的。 2,准确的物料清单，它详细说明产品的组成结构，它是现代计划工作的框架，它说明当产品将被制造或被采购时产品的父物品与子件物品的关系。 3,关于现有库存的准确信息，包括一个唯一的零件号、存货数量以及为制订 计划所不可缺少的用来完整地描述该物品所需的数据。 4,关于为了获得每一物品的增量而已发放的订单的准确信息，它包括外购的 或自制的，它必须包括订货量与应交货日期。MRP并不需要制造该物品各道工序加工数据与所需的时间。 5,需要有采购或制造成批物料或特定物料批的可靠的提前期。 6,必须有足够的物流去满足通过总的过程中涉及的每一设施（包括供应商的一切要求。 能力需求计划 能力计划主要用在销售与运作计划、主生产计划、车间控制等。它包括 粗能力计划,详细能力计划。 能力需求计划（CRP）和作业进度对每一个制造业都是基本的和关键的功能。管理失误或忽视能力会对世界级的制造业带来灾难。你必须对小而多变的生产批量用最少的缓冲时间实现可靠的作业计划。少量对瓶颈工序管理不当或集成不善的制造过程往往会造成大量的问题。这里，CRP帮助你实现透明的、改进瓶颈管理以符合客户的进度要求。 ,粗能力计划 在销售与运作计划（SOP）中你将你公司的经营计划转换为需求计划。RCCP粗能力计划帮助你初步检查你的需求计划是否与关键的可用资源协调一致。粗能力计划的对象通常不是产品，而是产品组或产品系列。计划工作中心层建立能力负荷，计划工作中心的可用能力是从所属各个工作中心累计得出的数值。在RCCP阶段你通常不在生产/工作中心层建立能力负荷。 其能力需求计划可通过把所有产品的MPS转换成为工作中心所需的标准小时数而建立起来。把MPS中产品件数转换成各个工作中心里工作的标准小时数这一简单算法涉及资源清单的使用 细能力计划: 对能力需求作非常详细的计算。要求是： 1,所有已发放与已计划订单的有效到期日期。 2,及时更新的工艺路线与加工信息。 3,准确的生产调整与加工时间标准。 4,处理所有作业的一个安排日程计划的程序。
5,把工作分派到各个时间期间的一个加载计算程序。 6,各工作中心的标准排队容差。 7,计划外事件引起的负荷的估计。 典型的详细能力计划报告: 1,有相当数量脱期工作 2,最近将来的总负荷量，大多来自已发放订单 3, 在不同期间负荷有波动 4,已发放订单在未来的趋势。 这样的一份负荷报告仅当其假设及它所根据的数据为有效时才是工厂情况的良好报告。除非精通加工负荷与安排日程计划的算法，否则很容易错误理解这些数据。即使在某些工作中心这样的能力波动是可能的，它们处理也是很困难的,原因如下: 1,正式计划并不包括它将必须去处理的所有负荷。 2,某些负荷必须保留在工作中心以提供计划中的标准排队,等待,运输。 除了正式计划所计算的详细负荷之外，能力需求还有其它来源： 1,现行MPS中未包括的新产品。 2,在危机时替代工艺路线与加工的使用。 3,报废品的补货与返工作业。 4,由于任何理由而需要的额外加工。 5额外物料需求所造成的记录误差。 从停产的产品、加工方法的改变与改善、新设备与过剩库存等原因引起的负荷减少,可部份地补偿负荷的增加。这些补偿只能靠估计以确定要比正式计划数净增或净减多少。只要持有在制品（排队）是为吸收工作中心上负荷波动所必要，确定该工作中心的能力需求时就必须把这些计划中的排队从总负荷中扣除。由于明显的理由，成功的公司总是不断地努力去减少这些波动并削减在制品。能力必须足以支持MPS并能处理额外的计划外需求。 什么是有限能力计划-FCS? FCS有限能力计划已发展十多年, 在动态复杂的车间管理中,建立一计算机模拟原型,设定工作中心的能力是有限的,计划的安排按照优先级的规则进行排产.当工作中心负荷已满,就根据你定义的规则如基于订单任务(Job-based) , 基于事件(Event-based) , 基于资源(Resource-based) 来自动,优化的安排可行的生产计划 它的基本算法是: 基于订单任务(Job-based) 是基于订单的优先级决定下一个订单的加工,可以自动识别订单的优先级和手工定义优先级,在计算机自动的根据规则的优选级排出生产计划后,还可以手工介入,修改优先级进行重排.以满足复杂的现实的需要.
如: 工作中心WC A 有两个资源 工作中心WC B 有一个资源 订单MO-1 最高优先级.订单MO-2 次优先级 WC A 资源1 MO-1 资源2 MO-2 WC B 资源 MO-1MO-2 空闲 基于事件(Event-based) 是基于高利用率的方法.如: WC A 资源1 MO-1 资源2 MO-2 WC B 资源 MO-2MO-1 基于资源(Resource-based) 基于资源的约束,来优化计划. 后排计划 前排计划 工序1 工序2 工序3 工序4 工序5 工序6 瓶径工序 对你定义的约束资源建模进行大量的模拟,来实现实际的详细计划.对所有资源可以模拟不同的批量(策略约束)来分析库存或完成日期的影响. 什么是同步制造计划-TOC?
基于TOC的计划均可以考虑资源,物料,订单和管理策略的约束.TOC的建模可以有限,也可无限能力.可以通过有限能力建模基于所有约束,同步化物流.任何资源均可以定义为瓶颈资源或关键资源及次瓶颈资源.对瓶颈资源采取双向计划,对非关键资源采用倒排计划.缓冲时间可以设置任何在复杂资源之间.DBR(Drum-Buffer-rope)逻辑是对关键工序同步化所有资源和物料.如BN(Bottleneck)/CCR(critical constraining resources) 资源正在控制资源,它们就控制所有物流.对关键资源建模进行大量的模拟,对非关键资源的额外能力的计划是不重要的.瓶颈和次瓶颈资源CCR是用鼓来控制所有物流,所有,这些需要物料的资源建模来实现实际的详细计划.可以模拟不同的批量(策略约束)来分析库存或完成日期的影响.非瓶颈,非CCR非资源可以不同的选择如有限资源或无限资源能力.在TOC系统还有许多不同的方法对资源和物料进行模拟. 鼓、缓冲器与绳子(DBR)的逻辑: 每个生产系统都需要一些控制点来控制系统中的产品流动。如果系统中存在瓶颈，那么瓶颈就是最好的控制点。控制点被称为鼓，这是因为它决定了系统的其余部分（或者是它所能影响的部分）发挥作用的节奏。瓶颈是实际生产能力不能满足需求的资源，用瓶颈作为控制点的一个原因是确保其上游作业不过量生产，可以预防瓶颈不能处理的过量的在制品而出现的库存。 如果系统没有瓶颈，那么设置鼓的最佳位置莫过于次瓶颈资源（CCR）。次瓶颈资源是那些运行时间接近其生产能力，如果作业计划安排得当的话，还有适当剩余能力的资源。 如果一个系统既没有瓶颈，也不存在CCR，那么控制点的位置可以任意选择。当然，一般来讲，最好的位置是物流分叉点，即该处资源的产出流向好几个下游作业。 处理好瓶颈问题具有决定性的作用，如主要集中于确保瓶颈总有工作可做。图示为一个从A到E的线性流程。假设工作中心C是一个瓶颈，这意味着C的上下游的生产能力都比C的生产能力大。如果我们不对这个线性流程加以控制， 那么加工中心C的前面必然出现大量的库存，而其他地方基本上没有库存。当然，也没有多少成品库存，因为（由瓶颈的定义可知）生产的所有产品都能被市场所接纳。 鼓 瓶颈 WC A B CDE 绳子 库存缓冲 一个瓶颈的线性流程 有两件与瓶颈有关的事情要做： 1）在瓶颈前面设置缓冲库存确保瓶颈连续工作，这是因为瓶颈的产出决定了系统的产出。
2）将C的已加工信息传递给上游作业A，以便A按需生产，这样才能避免库存的增加。这种信息的传递被称为绳子。它可以是正式的（如作业计划），也可以是非正式的（如日常讨论）。 瓶颈作业前的缓冲库存是一种时间缓冲。我们希望的是加工中心C总有工作要做，至于何种产品正被加工并不重要。 也许有人会问，时间缓冲要多大呢？答案是时间缓冲能够确保瓶颈连续工作就行。至于具体的确定办法，我们可以测出每种作业的变化，也可以估计。从理论上讲，缓冲的大小可以利用过去的作业数据进行统计计算来获得，也可以通过模拟来获得。不论采用何种办法，不要过于计较精度。 缓冲大小最终还要靠经验来决定。如果鼓不是瓶颈，而是CCR（这样它有少量的空闲时间），我们可以设置两个缓冲库存－一个设置在CCR的前面，另一个则是成品缓冲库存如图。成品库保证能够满足市场需求，而CCR前面的时间缓冲则保护了系统的产销率。在这种情况下，市场不能买走我们所能生产的所有产品，因此，我们希望只要市场决定购买我们的产品，我们就能确保有产品可以供应。 鼓 次瓶颈资源 瓶颈 WC 市场 ABCDE 绳子 库存缓冲 绳子 成品库存缓冲 一个带有次瓶颈资源的线性流程 在这种情况下，我们需要两根绳子：一根绳子把信息从成品缓冲库存传到鼓点，以便鼓点增加或减少其产出；另一根绳子则把信息从鼓点传到原材料发放点，指明需要多少原材料。 不仅在可以瓶颈的前面设置了库存，而且还可以在非瓶颈资源的后面也设置了库存。这样做是为了确保产品离开瓶颈之后的流动速度不会减下来。 什么是看板计划JIT? 传统的确定看板卡的数量是建立看板控制系统需要确定所需的看板卡（或容器）的数量。对于两看板系统，我们要确定搬运看板的生产看板的套数。看板卡代表了装载用户与供应商间来回流动的物料的容器数，每个容器代表供应商最小生产批量。因此容器数量直接控制着系统中在制品的库存数。 精确地估计生产一个容器的零件所需的生产提前期是确定容器数量的关键因素。提前期是零件加工时间、生产过程中的准备时间及将原料运送到用户手中所需的运输时间的函
数。所需看板的数量应该能覆盖提前期内的期望需求数加上作为安全库存的额外数量。看板卡套数的计算公式如下： k＝(提前期内的期望需求量＋安全库存量)/(容器容量)=DL（1+S）/C 式中 k－ 看板卡套数； D－段时期所需产品的平均数量（单位时间）； L－补充订货的提前期（用与需求匹配的单位表示）； S－安全库存量，用提前期内需求量的一个百分比表示 C－容器容量。 由此可见，看板系统并不能实现零库存；只是它能控制一次投入工序中的物料数－通过控制每种零件的容器数的方法来实现。看板系统可以方便地进行调整以适应系统当前的运行方式，因为卡片的套数可以十分容易地增加或从系统中移走。如果工人发现他们不能准时完成零件的加工，则可以增加一个新的物料容器，也就是加入一个新的看板卡。如果发现存在多余的收集物料的容器，则可民很容易地拿走卡片，因此就减少了占用的库存数。 什么是需求流制造计划-DFM? DFM是结合JIT和TOC的原理, 强调一个流的流水线制造,DFM是物料补充动态看板计划,可视看板、自动看板和看板回路。复杂的,高级的需求管理,需求按预测、生产速度或用量分类,实际需求在动态看板流程中得出实际需求。多工厂管理,为多工厂环境提供物料补充能力。车间作业看板公告牌,车间作业采用看板公告牌进行管理、执行和传达工作单元排产计划。可以用TOC的原理(能力利用率),显示工作单元能力和负荷信息,并自动识别瓶颈资源进行同步排产.管理物料短缺,突出显示物料短缺情况及其影响,显示对某一工作单元有影响的所有工作单元排产计划。可以根据用户自定义规则为工作单元排列优先次序。 在供应链管理上,DFM可以生产排产、现有物料和生产能力为基础确定可承诺量。基于因特网的看板公告牌，直接向供应商传达物料补充信息。自动生成采购订单根据动态看板信号生成订单。与供应商联盟,用以增强供应商绩效的多种交流方式 需求拉动始终面临着一个挑战——用于管理库存量的看板数量绝大多数是静态 的。定期更改和优化看板数量，以适应忽高忽低的库存量，是一件棘手的事。在 多品种、低产量环境中，仅SKU 数量这一项就会使许多零件的看板数量优化变得 不可行。动态看板计划，确保在多品种或定制生产环境中维持最佳库存量。也就是说，即使已在人工环境中实施了需求拉动运作，采用动态看板计划后仍可实现库存效率的几何级提高。可以在多品种产品环境中可实施最佳运作，从而可脱离传统的MRP 推式计划。 动态看板计划(Dynamic Kanban Plans):是指看板的数量和每一个看板的大小.以满足需求变化的需要. 它可以达到生产与Takt 时间（客户需求速率）同步,物料的连续流动与平衡的运作,作单元式厂房布局,补充信号或看板,其重点是消除非增值活动.
动态看板计划可以下列几种方式运行： 1,看板大小(Kanban Size): 是每一个看板的物料的数量,如容器的大小.批量. 2,看板卡(Kanban Cards): 是补充信号,每一个看板容器都有一看板卡. 3,可视看板:在可视看板环境下，看板补充基于实际的视觉信号。这种信号可通过 数据收集系统以人工或电子形式发送。例如，在一个双料箱可视系统中，员工若 看到其中一个料箱变空，则把这个空料箱视为补充信号。当补充活动被记录后， DKP动态看板计划 将立即给出正确补充量信号。 4, 自动看板:自动看板环境不采用视觉信号。看板量和补充触发器。当SKU 的数量不稳定或需求变化频率过高导致难以应用可视看板时，自动 看板则为首选。当供应链上任何一个环节发生库存事件，需要作生产或补充响应 时，将根据既定的生产和补充规则采取相应措施。 5, 看板回路:是一种根据某种物料的容器数量来决定生产进度和库存量 的方法。通过管理回路中的容器数量改善运作环境。当需求上升 时，发出增加容器的要求；反之， 则要求减少回路中的容器。 动态看板计划的公式: (使用率x 提前期)+订单周期+(安全库存/安全提前期) 动态的看板数= 看板尺寸(容器容量) 触发数(动态订货点)=使用率x 第一次提前期)+订单周期+(安全库存/安全提前期) 看板数(动态订货点)= 使用率x 第二次提前期)+订单周期+(安全库存/安全提前期) 什么是高级计划与排程-APS? 有些称高级计划系统(Advanced Planning System),而有些叫高级计划与排程(Advanced Planning and Scheduling).定义不是最重要的.最重要的是对所有资源具有同步的,实时的,具有约束能力的,模拟能力,不论是物料,机器设备,人员,供应,客户需求,运输等影响计划因素.不论是长期的或短期的计划具有优化,对比,可执行性.其将要采用基于内存的计算结构,.这种计算处理可以持续的进行计算.这就彻底改变了批处理的计算模式.可以并发考虑所有供应链约束. 当每一次改变出现时,APS就会同时检查能力约束, 原料约束,需求约束.运输约束,资金约束,这就保证了供应链计划在任何时候都有效.也将采用基因算法技术,它是一种搜索技术，它的目标是寻找最好的解决方案。这种搜索技术是一种优化组合，它以模仿生物进化过程为基础。基因算法的基本思想是进化就是选择了最优种类。基因算法将应用在APS上，以获得“最优”的解决方案。 APS应包括如下内容: 1,基于订单任务(Job-based)订单优先级计划 2, 基于事件(Event-based)资源利用率最大化计划 3, 基于资源(Resource-based,TOC)瓶颈约束计划 4, 基于物料约束的可行的计划
5, 基于历史,现在,未来的需求计划 6, 基于供应资源优化的分销配置计划 7, 基于运输资源优化运输计划 8, 基因算法计划 基本模块构成: 一般APS软件都由5个主要的模块组成：需求计划、生产计划和排序、分销计划、运输计划，和企业或供应链分析等。 1需求计划模块：用统计工具、因果要素和层次分析等手段进行更为精确的预测。用包括Internet和协同引擎（collaboration engines）在内的通讯技术帮助生成企业间的最新和实时的协作预测。 2生产计划和排序模块：分析企业内部和供应商生产设施的物料和能力的约束，编制满足物料和能力约束的生产进度计划，并且还可以按照给定条件进行优化。各软件供应商根据不同的生产环境应用不同的算法和技术，提供各有特色的软件 。 3分销计划模块：帮助管理分销中心并保证产品可订货、可盈利、能力可用。分销计划帮助企业分析原始信息。然后企业能够确定如何优化分销成本或者根据生产能力和成本提高客户服务水平。 4运输计划模块：帮助确定将产品送达客户的最好途径。运输计划模型的时标是短期的和战术的。运输计划模块对交付进行成组并充分利用运输能力。 5企业或供应链分析：一般是一个整个企业或供应链的图图示模型，帮助企业从战略功能上对工厂和销售中心进行调整。有可能对贯穿整个供应链的一个或多个产品进行分析，注意和发掘到问题的症结。 基本流程: 第一步要对现实情况分析进行抽象;第二步建立模型:选择参数模型定义常量.还是,变量;定义计算法则:建立是数学模型还是统计模型.进行工业工程的作业研究.定义特定的约束规则,模型建立好后,第三步就需要计算机处理:这时要考虑计算机运算能力;计算机储存能力;及应用程序的连接能力;第四步进行交互的决策,行动 基本原理: APS综合四个方面: 1, 供应链的实际状况如企业实体的运筹配置(工厂,分销中心);企业的 物料结构BOM;生产工艺路径;分销路径和提前期;成本(生产,分销,库存等) 2, 市场需求信息如销售预测;客户订单;补货订单 3, 原料供应信息如现有库存;在途量;在制量;调拨量 4, 流动资金可用量信息如预计收款量;预计付款量.
APS利用约束条件与商业规则1, 产能约束2,原料供应约束3,运输的约束4, 客户或区域的优先顺序5, 安全库存,批量等.6,资金的约束 通过APS引擎1,在市场需求,约束条件,原料供应,生产能力无法同步平衡时及时警告问 题的原因2,计划人员交互调控3, 手动或自动的,实时重新计算保持供应链的同步平衡. 达到优化的,可行的计划与排程1, 生产计划2,采购计划3,配销计划 , 基于多层代理技术的高级计划 人工智能的技术AI已经用于智能制造二十多年了. 然而,在新的领域分布式人工智能(DAI)的多层代理的近来发展已经带来新的趋势.于是,在过去的十年,研究者已经把代理技术集成到制造企业和供应链管理,制造计划,排程和执行控制,物料的处理,和库存管理以及开发新的生产类型系统如整子制造系统.(Holonic manufacturing systems). (1),企业集成和供应链管理 企业集成是组织每一个单位将可以存取相关的信息.将理解怎样行动影响组织的其它部分因此,有能力选择可替换的,优化的组织的目标.制造企业的供应链是一个世界网络包括供应商,工厂,仓库,分销中心和零售.通过网络购买原材料,加工,交给客户.提高供应链管理是增强企业竞争地位和赢利的关键战略.结果是企业正在转向更开放的结构,即在供应链网络里集成供应商,客户和伙伴.基于代理的技术提供这一自然的方法来设计实施这些环境. (2) 制造计划,排程和控制 计划是选择和排序的活动的过程.如他们达到一或多个目标和满足一套约束.排程是在可替换的计划之间选择,分配资源和时间的一组活动.这些分配必需遵守一套规则或约束.来反映现实的关系即在共享资源的在活动和能力限制之间.这分配还影响最佳的排程,用各种条件如成本,延迟或产销量.总之,排程是一优化过程.在平行和顺序活动之间分配有限资源. 制造排程是一困难的问题.特别的在开放的,动态的环境下发生.排程问题已经用很多方法研究:启发算法,约束繁殖技术,约束满意,模拟磨练,禁止搜寻,基因算法,神经网络等.代理技术近来已经被用来解决这类问题. (3)整子制造系统(Holonic Manufacturing Systems ,HMS) 整子系统的基本构件是整子(Holon).Holon是从希腊语借过来的,人们用Holon表示系统的最小组成个体,整子系统就是由很多不同种类的整子构成.它的最本质特征是: 1,自治性,每个整子可以对其自身的操作行为作出规划,可以对意外事件(如制造资源变化,制造订单的产品需要变化等)作出反应,并且其行为可控. 2,合作性,每个整子可以请求其它整子执行某种操作行为,也可以对其它整子提出的操作申请提供服务. 3,智能性,整子具有推理,判断等智力,这也是它具有自治性和合作性的内在原因.整子的上述特点表明,它与智能代理的概念相似.由于整子的全能性,也有翻译为全能系统. 4,敏捷性,具有自组织能力,可快速,可靠的组建新系统. 5,柔性,对于快速变化的市场,变化的制造要求有很强的适应性工程 总之, 计划控制的最终目的达到敏捷制造.以充分利用计算机技术,实现快速响应客户的复杂的需求,并且达到客户利益最大化,供应链的成本最小化, 价值链管理思想就是要企业协同供应商,从产品设计开始一直到把产品交付到最终客户的完整流程.它包括协同产品开发,寻找货源,采购,生产制造,分销,运输,销售,售后服务等各个环节的作业,这些流程通常也代表不同的专门的产业,必须依靠不同的企业形成联盟来共同完成.而企业价值链管理VCM的
核心思想就是要将供应链的运作模式,由专注与企业内部的静态系统,传统供应链的协同(未优化)系统,改造成以客户为中心的动态的优化系统. APS的形成历史 概要 APS系统最初起源于制造商对于更好的时间安排和优化计划工具的需求。制造商几乎都需要更实时的,更灵活的模拟生产计划系统.然而,在第一个APS系统发布以后，商务运行的模式开始发生了变化。所有制造商都意识到快速,积极响应客户需求的重要性。所以,最初APS系统的设计是用约束和列队模式的简单理论来解决瓶颈问题,工序顺序问题,然而,现在,却发生了改变。新的APS系统则能较好的处理交易业务级的优化顺序和及时修正反馈,以及物料与绩效需求的问题。同时也能在供应链的多地点之间提供精确的,实时的承诺计划。从20世纪40年代以来，用数学方法进行精确计算来安排生产计划,就一直是一个传统的研究课题。线性规划作为管理科学的基础，在管理理论的教科书中比比皆是。数十年来，学院派的学者对这个课题的研究乐此不疲。但是现实世界太复杂，理论与实际存在较大的距离，即便使用大型计算机，也未取得可行的应用。随着MRP方法的诞生，生产计划管理领域就形成了两种方法或两种计划思想的发展道路，存在着并行的两种编制生产计划哲理：MRP法和数学解析方法。在20世纪80年代中期，改进的MRP,缩短了计划运行时间,开发了一种快速MRP的模拟技术。这种方法将复杂的生产作业模拟在独立计算机上,部分采用以常驻内存方式进行批处理运算，脱离了当时占业务计算支配地位的主机，使制造企业完成生产计划排程只用几小时而不是当时所公认的20多个小时。虽然当时的尝试并没有考虑计划的约束条件，但它已经成为一种新的计划与排程方法的开端。著名的OPT发明人以色列的科学家高德拉特(Eli Goldratt)对 APS的发展有显著的功绩。优化生产技术(OPT)本身就是一种根据能力的瓶颈实行计划的哲理，后来他又继续发展成为约束理论TOC(Theory of Constraints)，开始在离散制造业的优化排序中应用，出现了第一批的APS系统公司和基于常驻内存运行的交互式的APS产品。1984年AT&T推出的 Karmarkar’s 算法 ，成为线性规划突破性进展，之后几乎被所有现代LP解决方案所采用。其后，新的APS计划与排程系统开发商，他们其中许多人具有数学或运筹学高级学位，花费多年的心血，将线性规划等优化方法适用化，实用化.在新一代计算机技术的支持下，创造出几乎能在瞬间生成的优化计划程序，使理论化的数学解析计划方法达到了实用程度。这些新的软件包被称为APS引擎(Advanced Planning and Scheduling engines)。在MRP—ERP的鼎盛时期，先进的计划解决方案—APS引擎的成熟，使生产计划方法的交替不可避免的发生了。因此,ERP也出现了继续完善和功能扩充以及改变ERP的功能和性质这两种发展趋势。 基于约束的高级计划和排程技术的是真正供应链优化的重要引擎,她给错综复杂的供应链丛林中的企业以敏捷的身躯,来快速反应与适应激烈竞争切变化多端的市场.实际上有多种需求导致APS的产生,其原因如下:
(1),业务系统是基于事物处理的,APS更多的是在业务层以上的分析,这些系统的结构限制了计划和排程的能力,如MRP,CRP等等.直到现在,对许多使用业务系统的人们来说高级计划APS还都是新的内容. (2),APS的内部开发已经完成.技术已走向成熟,出现很多的供应商和产品的现象. (3),许多咨询公司还没有涉足此领域,直到较好的产品和供应商出现. (4),人们对APS的定义来源于较广的工业领域,APS在不同的时间,不同的运用点渗透到不同的工业领域.当公司有能力管理自己的数据与业务时,实时,优化就显得更加的重要.流程行业最先使用APS技术,离散行业较后才使用. (5),许多用相似的方案的供应商已经很积极的声明自己是APS供应商. (6),对APS技术的贡献有APICS,人工智能,计算机科学,决策支持系统,工业工程,物流,管理科学,运筹学,和生产运作管理,每一个领域都有自己的术语,此外,也导致了混乱.(甚至”计划”与”排程”都没有标准的意义),这也造就了创造新工具的机会. APS已经从企业内部持续改善的优化工具到满足公司间协作的供应链新技术的进化.这个论题是John Layden,在他的<<排程逻辑的进化>>的文章描述的,让我们继续这个进化,看看有谁在此领域活跃了近二十多年. 计算机出现之前的APS 在计算机之前,一些关键的概念已经形成了.一个是甘特图,它让人们看到可视的计划并可以交互的更新.这个简朴的概念一直延续到今天,我们用有颜色的橡皮带,块,钉子和粉笔在墙上,纸作标识.用数学建模的方式来解决计划问题的想法出现在至少在1940年.美国和前苏联让人们手工应用这一新的优化技术,它叫线性规划,运用它来解决与战争有关的后勤问题. 1950-1960初,计算机已出现 APS的进化已经和计算机的进步紧密相连了,在1950末或1960年初,许多大公司开始租赁计算机计算和购得大型计算机.计算机被用于研究计划问题的一部分,如优化几个关键的物料和能力的平衡,基于产品的需求与能力约束.或者找出批量产品的最低成本的配方.他们一般都使用线性规划的算法.其数学模型就象现在的小型的电子表应用程序(40-60个方程式和60-100个决策变量).在此其间,有两个公司首先提供对计划的优化工具,他们是在1957成立的Bonner and Moore公司和1962年成立的Haverly Systems 公司.优化的处理可以避免混乱,优化技术的严格实施是一个较好的解决方案或方法,保证找到对问题的”最好”的答案且智能的知道何时发生,多长时间发生. 今天,我们使用优化技术常常是用于一个较简单的寻找提高的方法或方案且不能保证找到最好的方案.简单的寻找提高的技术叫启发式算法.它们经常用于时间的限制或容限.(在10分钟,找到最好的答案).当这些优化的技术用于交替的变化,容易出现混乱.线性规划较适合严格的优化约束和识别约束,经常是对一个问题用于经济上如成本和收入的约束来决定”最好”的方案.
1960中期-1970初 计算机应用程序的进步 随着计算机的进步,人们有能力可以考虑更复杂的计划问题.先进的技术的工具可以考虑整个制造工厂和设置在最小化成本的运作且最大化利润.一些公司结合计算机程序对生产设备来优化他们的产品配方.人们也开始研究分销问题.如公司EXXON开发程序来集成库存,采购,制造,分销管理. 从1960初的几百个决策变量到1970的几千个变量,到1970年的后期的上万个变量.线性规划的这种技术也扩展到解决更困难的问题.如生产能力的决定,生产品种和生产线的选择和对分销中心的选址等.这些应用最早是出现在流程行业的计划层.许多大的化工公司如Amoco, Chevron, Exxon, Marathon和Shell都积极采购主机系统的计算机,部署到他们的制造工厂里,这些公司还采取了数据采集与集成数据的方法.由于业务的需求推动,优化技术较好的满足他们的许多流程和分销网络的特点.许多公司自己在大型机环境下开发自己的工具.开发线性规划的程序.也可以从几个供应商购买到.如IBM的MPS(后称MPSX),有些公司却使用现成的程序开发语言如Assembler, Cobol, FORTRAN,和PL/1是常用的开发语言.这些程序是以批处理的模式运行.EXXON甚至出版了关于一本关于他们计划系统的书. 计算机已成为解决排程问题的工具,模拟也被用于制造和分销设施的设计.模拟工具还开发成计算程序, 按照能力和物料的消耗, 顺序活动, 计算批量可以得到排程的结果.可以对特别的排程问题进行开发的,且这些程序界面可以为用户交互使用. 基于排程工具的模拟开始出现在1970年.Pritsker是一较早的供应商,另外一早期的产品是IBM的CPPS.主要是些化工公司,在1970年就积极使用了计划工具.其他行业也在积极使用计划和排程程序. 1980年初,轮胎制造商Kelly Springfield ,Philip Morris 已经使用了APS计划和排程程序.造纸公司如St Regis,和国际造纸也实施和运用了APS工具. 1980年-商业媒体发现了APS 约束理论的发明者高特拉德(1983年9月5日财富杂志人物)领导的创新产出公司(Creative Output),他们的产品OPT, 以批处理的模式,应用一系列的消除瓶颈的算法,这是一个非常积极的销售型组织,它获得了许多离散制造业的客户.创新公司在和M&M/Mars公司的法律争端之后,从市场很快的退出. 而高特拉德扩展了TOC(约束理论)的哲学,他本人却以出版和制造导师为职业.当时,和创新公司的同类I2公司仍然活跃在APS领域.财富杂志的文章提到Numetrix决策科学公司,以后又分拆为Numetrix公司和Chesapeake决策科学公司,这两个早期的APS供应商具有交互的产品和提供基于内寸分析技术. 在APS文章经常出现学术论坛和使用APS方案的期间,产品介绍开始出现在”商业周刊”,”Chicago Tribune”,”New York Times”,”Wall Street journal”, “Washington post”.媒体关注的中心是在1984年,由年轻的AT&T的研究者名为Narendra Karmarkar 开发的算法.这个新技术解决了线性规划的问题,是被AT&T作为”真正的突破”和”设计解决了以前未解决的问题”来推销.AT&T把这个算法绑定他们的计算机,价格近9百万美元. 1980,我们也看到了个人计算机和电子表格的引进.电子表是双刃剑,在积极的方面,他们引进了人们交互的使用预测,计划和排程.在很多公司使用的大型机时,用户使用简单近似存在的工具.不幸的是,当大型机系统出问题时,子系统也就不可能选择和验证详细的数据.许多化工公司积极开发计划排程系统,从1970年到1980年的后期,重视数据的质量和工具的精确性.
在1980年中期,许多大的化工公司认识到可用改善制造流程来阻止下降的利润.就开始检查他们供应链的活动.BASF,DOW, Du Pont和Rohm和Haas都开始积极使用计划和排程的工具.他们使用自己开发的产品和工具或自己修改过的APS产品.目的是想要管理真正的整个供应链而不是某一局部的方案如制造或分销. 许多MRPII的供应商,为了满足市场需求也进入流程行业.有些公司却延迟开发APS工具或使用APS工具,而他们决定用MRP,CRP来满足他们计划和排程的需要.但是,在1990年初,许多大的化工公司已经选择了APS的供应商.许多大的航空公司也实施了复杂的计划和排程系统,美国航空集团也为其它航空公司建立这些高级计划排程系统. 1980年后期,我们也看到了人工智能,专家系统的出现,许多公司把人工智能运用到计划排版程系统.投资者和客户期望的难题就此解决.Du Pont和IBM积极结合人工智能AI和存在的技术开发程序.IBM也开发了一个派工系统,Du Pont在他的来自Chesapeake决策科学公司的MIMI优化,模拟启发的产品里加入了专家系统.专家系统用它的数据验证,启发式的协作,方案解释的能力,为计划排程的制定起到有效的作用.实时的专家系统产品如G2在此时也出现了.人工智能AI世界同时也对APS的技术作出了贡献如基于规划的约束和基因算法.对人工智能AI的期待已经设置了极高的水平上了,用人工智能AI完全达到期望的要求,可能令人失望.不幸的是,有些人仍然认为是失败,许多人工智能AI的开发者感到他们的技术仅仅应用于纯技术时髦.于是, 在1960年到1970年,用许多时间和努力去重新开发一些功能,寻找其他的工具. 1980年后期,也出现了图形用户界面,有些供应商试图结合个人计算机来增加它的图形运用能力, 图形用户界面成为标准的预测,计划,排程工具的一部分.这个技术的革命巨大的影响了APS的市场化. 1990年-APS市场繁荣和产品增值 在1990年初,消费品公司(CPG)开始联系APS系统.虽然也有一些早期采用者,在此市场阶段,这个行业作为一个整体应用APS技术是很慢的.造纸业也是如此.一些已经有能力实施相对简单的制造排程的公司发现他们需要更复杂的系统,可以处理包括SKU数量,分销网络的地点的选择.许多公司也发现相似的问题,就是他们的预测能力,尤其是在SKU的数量的管理上, 简单的预测工具却阻碍了预测的准确性,他们需要集成供应链的多地点的详细的需求,来为了运作决策. 1990年初,SQL的引进,允许APS工具和关系型数据库更动态的互动.计算机能力的增强和成本的降低,导致新的方案的出现.同时也发现问题的复杂性,所以,基因算法出现了.它们立刻形成多重的方案以结合现存方案的最好的特征来创立新的方案.人们开始使用反复模拟,想要建立更好的方案,但是,随着开发的工具处理百万的决策变量,对计算机和应用程序是一大挑战. 1990年,APS的供应商已经繁殖到更广的工业领域,如I2,Fastman已经进入电子装配,金属品制造等离散制造领域,I2的市场导向品牌和销售战略,戏剧性的提高APS的空间,而这以前APS都是一直技术导向的市场.由于I2,Manugistics,等的市场的影响,引起了大咨询公司的注意,他们开始分配资源给这些产品作服务.但是,APS对大的咨询公司而言有两个挑战,一个是它需要较深的应用专家,而不是集中在IT的应用上.二是固定的,标准项目实施方法对APS项目不太有效,该领域的专家仍然需要决定如何更有效的实施APS.
1990年中期,许多供应商转向微软技术的视窗环境下的用户界面,C/S结构或整个转向Window NT 环境,除了提供更直观的用户界面,报告能力而且使APS应用程序的环境转向低成本的, 性能戏剧性的提高的计算机.1990年中期,也看到了APS运用到部分的半导体公司,这些公司在改变产品技术方面有着极大的进取心.使产品具有极短的生命周期,这就对提高基于知识需求的APS来说是一大挑战,特别是在计划和排程层次上.和流程行业同时使用APS技术的公司有Harris半导体公司,IBM公司,Intel公司,Texas 仪器公司,用APS技术解决自己业务的复杂问题. 最后,在1990年的中期,APS还吸引了大多数ERP供应商的注意,随着APS市场的快速成长.产生了ERP供应商的新一轮的收购APS公司和自己内部开发APS. 许多专家认为APS必须嵌入ERP系统. APS产品的功能特征的演变有以下四个阶段: 第一阶段的功能特征:人机交互可视化排产,简单的有限资源计算. 1,向前,向后和双向的订单的加载计算. 2,可以定义简单加载规则如按完成日期排序和设定优先级) 3,工序间的人机交互拖拉,编辑,批量分割 4,根据资源和时间对单独工序加锁/解锁 5,可以按工序的最早开始日期或订单的最早完成日期计算. 6,可以人机交互的替换,增加工序,交互处理故障,计划维修. 7,可以处理单一的加工工序,平行工序,可以对工序的单一资源进行约束 8,根据物料,时间,批量的生产率来排生产计划 10,可以对有限资源和无限资源或单个班次或假日来计划排程 11,可以在工作中心里自动选择资源,用户也可以定义资源 12,可以显示图形,文本,报表,可以订单跟踪,甘特图,等待表. 第二阶段的功能特征:基于各种资源约束优化计算 1,用户可以定制,配置数据,菜单,报表. 2,可以按工序和计划增加约束使用率. 3,具有换装时间距阵的排序,可以选择最小化换装时间. 4,具有计算批量,计算运输批量和自动重复和自动停止订单的功能 5,具有CTP(能力可用量)的查询 6,可以自动连接其它软件. 第三阶段的功能特征:基于多重资源约束优化和建模 1,具有每个工序的多重约束 2,基于当前工序的子工序的约束 3,可以使用优先资源选择规则 4.最大工序跨度和间隔,也可以延迟到下一个工序 5,可以计算在每个加工过程的顺序和平行批量 6,可以对装配线的建模和子装配线建模.
第四阶段的功能特征: 多重资源约束,物料的动态约束,需求计划,分销网络配置计划,运输计划,全局CTP,ATP. APS高级计划系统必须提供以下特征: 提供强大的模拟功能。 能够处理复杂的、多级别的BOM运算。 支持硬性的或软性的联系。 支持硬性的或软性的约束条件。 支持复杂的工艺路线运算。 支持工厂级别的现货可承诺交货数量运算（ATP）和计划可承诺交货数量 运算（CTP）。 支持多种生产情景的模拟分析。 能够设定计划资源瓶颈。 能够合理分派生产任务单、降低生产等待时间、提高瓶颈资源的利用率。 通常包含了行业运用的业务实际，从而保证和加快高级计划系统的实施。 具有同ERP系统间的联系，保证物料信息数据的更新。 具体功能体现: 1,从MRP处自动物料分配(静态物料约束控制). 2,可以从不同的订单自动连接工序,可以从不同的订单排序,平行的负荷工序 3,具有标准的派工规则:优先顺序,关键率 4,可以处理订单,生产或资源的特别规则 5,可以让用户自定义建立规则 6,可以处理动态物料约束控制 7,可以处理供应链需求计划优化 8,可以供应链分销配置计划优化 9,可以供应链运输计划优化 10,可以对整个供应链的进行CTP和ATP的查询. APS的理论形成 众所周知，ERP的计划管理的模型仍然是MRPII，其编制计划的方法仍然采用MRP和MPS计算物料的需求、发布补充计划定单等。这是60年代出现的最朴素逻辑、在计算机帮助下按产品BOM和工艺流程逐级推算，得到了在一般平稳生产条件下可以应用的生产计划方法，流行了近40年。但是MRP方法存在着以下的弱点： 1,MRP算法假定提前期是已知的固定值； 2,系统要求固定的工艺路线； 3,仅仅根据交付周期或日期来安排生产的优先次序； 4所有工作都是在假定无限能力的前提下进行； 5,重复计划过程要花费相当多的时间。而相关计划的更改十分困难。 另外，MRP极为贫乏的决策支持能力令制造企业的上层管理人员甚为不满。30多年来MRP的这些缺陷虽然不断有些技巧性的改进、虽然ERP系统在做生产计划时考虑了能力资
源的约束，但仍旧是一种串行过程的校验处理，始终没有实质性的改变,所以,在ERP项目实施中，在使用ERP软件的企业里常会遇到以下问题： 销售经理经常会有如下的提问：“在我们接到销售定单时，能否知道工厂的能力够不够？ 接单时能否受到能力的限制？” “在我们接到销售定单时，能否知道工厂的材料够不够？ 接单时能否受到限制，能否知道现有材料能制造多少个产成品？” 物料经理会问：“现有库存能做多少套产品？” 工厂经理及车间主任会问：“因为瓶颈工序在不断变化，我们如何知道瓶颈在那里？”。“能否自动分配工序派工？ 自动调配人力，设备能力？” 计划经理： “在插入急单时，能否自动根据目标重排计划，一些定单自动延迟，一些定单自动提前？”。“能否对采购延迟，生产的延迟， 设备的故障， 人员的效率等意外快速响应，及自动进行模拟，调整？” 这些问题好象是制造性企业的一些基本问题。但是，在传统ERP引进实施的今天，都没有很好彻底的解决以上问题。实际上，回答这些问题是很复杂的。它需要很多动态，模糊，以及一些动态规划及运筹学的概念,在ERP给我们解决了企业管理流程化，信息集成化，决策科学化的同时，我们要让APS帮助解决更复杂的问题，让供应链，制造过程智能化。来代替人的更为复杂，动态，模糊的决策。不仅是分析，而是自动的行动。 同时，我们都知道,在实施ERP的MPS/MRP计划时,首先要考虑其产品的加工周期,这常常有两种设定方法,一是把提前期作为一常数,当然预先考虑的是平均批量的平均提前期.二是把提前期作为动态的数,随批量的变化而变化. 第一种方法的好处是对采购的提前期的影响较少,采购有顺序的先到给先需的生产定单.生产投料,在制品积压较少,但是,对生产定单的工期来说,就需要依赖能力计划CRP的分析进行大量的调整. MO-1: 100 MO-2 : 1000 MO-1 投料 MO-2 投料 PO-1下达 PO-2下达 第二种方法的好处是提前期在随批量的变化而变化.导致先投料的单,后产出.引起在制品堆压在车间. 对半成品来说,由于某一半成品的周期的变化,会导致其他半成品的等待或滞后.对采购计划的影响也非常大.经常发生后下达的采购单的物料,反而先到..
MO-1: 100 MO-2 : 1000 MO-1 投料 MO-2 投料 PO-1下达 PO-2下达 实际上这两种方法都没有解决提前期的根本问题,均没考虑多品种同时生产,生产理论界迄今为止也没有更好的阐述.这就导致ERP在计划和生产的实施运用中难度最大.这就给实施者带来很大困惑.为什么MRP的结果总是和实际不吻合或提前期不准?事先作的计划总是要修改.甚至有的管理书上说追求提前期的准确是无意义的.它本身就是一个经验值,或是一个统计值.那么,对我们实际生产管理者来说因如何应对呢? 先请看生产提前期是如何构成的: 工序1 工序2 准备 加工 加工后等待 运输 加工前等待 准备 加工 零件1 零件1 零件2 零件2 零件3 零件3 每个工序分解成5个部分: 1, 加工后等待. 2, 运输. 3, 加工前等待. 4, 准备. 5, 加工. 实际上,许多生产专家如Tully 很早就得出如下结果: 等待时间占整个生产周期的比例为90%-95% 1,加工前等待时间75% 2, 运输时间 9% 3,检查时间7% 4, 加工故障时间3%
5,而加工时间只占6% 这就给我们显示了缩短生产周期的真正的焦点.我们应尽力缩短加工前后等待时间,运输时间,换装时间. 我们知道制造企业总是存在相互矛盾的目标.销售希望有较短的交货期和准时发货;生产部门希望有一定的批量生产,以提高生产率;财务部门,物料部门都希望有最低的原材料,半成品,成品.现在,快速准时的交货的目标以改变了这些目标的权重,更加强调交货期,产销率,低库存.由于企业实际的管理的难点是难以控制定单延迟,在制品与库存积压,对实际生产控制缺乏理解,出现所谓”车间经验”. 对此,美国生产计划专家 作过辛辣的描述并列出6个车间”神化”,对我们现在制造业实施ERP的生产方面有重要的警示: (1),要想使一个车间的生产力提高,就要多给它下达一些任务. 遗憾的是,给一个超负荷的车间下达更多的任务,会使在正确的时刻完成任务更加困难. (2), 为了使重要的任务按时完成,必须尽可能早地开始处理这个任务. 如下达更多的任务一样,这也会使车间内的在制品库存增加,从而使特定任务按时完成更加困难. (3),如果计划生产周期不够长的话,就将它延长. 不可能通过修改计划数据的方法消除计划与实际生产周期之间的差距.重要的是要提高生产能力,消除超量的任务延迟. (4),如果不能为装配按时提供零件的话,就将提供零件的时间提前. 这样肯定会造成更多的紧急任务,从而使处理任务的灵活性减小,使更多的任务与真正的紧急任务形成竞争,并且影响数据的正确性. (5), 如果由同一台机床加工的几种零件都不够的话,就将这些零件的加工批量分得更小. 这样看起来情况会有好转,但如果涉及的是一个真正的瓶颈能力的问题的话,这样的做法将引起许多更严重的问题. (6),如果几个紧急任务被很好的完成了,那么再多几个可能完成得更好. 这种方法企图解决糟糕的计划和控制造成的问题,但是一旦开始能力竞争时,这种加快方法马上就失败了. 忽视目标与实际能力之间的相互关系会导致生产控制中错误的恶性循环: 任务不能按时完成 加大计划生产周期 任务被提前投放 工作中心上的负荷增加 生产周期更长,更不稳定 工作中心上的任务排队变长
摘自: 面向负荷的生产控制(德国:Hans-Peter Wiendahl) 如果在MRP计划期间加大任务周期,根据MRP的倒退计划方法,订单会过早地进入车间,则势必等待时间加长,在制品数量增加.其结果延迟订单不仅没有好转反而变坏.只能通过加急定单和特别的行动才能将最重要的任务按时完成.那么,普通的定单则需要更长的时间,企业往往采取的措施是进一步加长生产周期. 从以上分析发现,生产周期牵涉到库存,在制品,能力,延迟任务.我们在ERP里设定的生产周期对生产周期所作的假设太简单了. 实际上,提前期是与批量,在制品,能力负荷等有着密切的,复杂的关系.这也是许多生产理论出现的原因.我们可以结合利用高级计划APS和JIT的实施运用来解决以下问题: (1),缩短等待,排队,运输时间 通过减小批量,优化生产布局,实现一个流的生产,实现生产周期最小,库存最小. (2), 稳定生产周期-生产节拍均衡 我们可以用APS的工厂计划的策略来平衡实际不稳定的数量,优化下达的定单的批量.来使生产提前期近似平稳. (3),工序重叠-并行操作减少总的加工时间 利用APS的动态优化提前期,进行平行移动的加工. 工序1 工序 2 工序 3 (4),工序分解-交叉作业缩短加工时间 利用APS的有限能力的自动调度. 工序 1 MO-1 工序 2 工序 3 (5), 基于规则的优化生产和基于瓶颈和非瓶颈的计划技术 使用APS高级计划排产技术,通过选用适合自身的规则来优化生产周期.自动解决,工序重叠, 工序分解-用TOC的约束理论技术来优化瓶颈和非瓶颈的生产周期. 简化APS复杂的计划 那么, APS所能解决什么问题呢?
它可以通过生产的工艺路径，定单，能力等复杂情况自动的生成一个优化的，符合实际的详细的生产计划。 它能检查，评估计划的表现.如果需要可及时调整约束条件，产生动态的目标计划。正如我们所知，企业的资源是有限的，而每一个企业的资源的配置，瓶颈，使用都不一样。所以APS通过设置各种不同的资源约束，来计划你的目标。它能提供全面计划资源约束及限制。这些资源类型的不同功能可以提供设置各种生产环境的模型。生产管理中最为头痛的是车间的调度，甘特作业排程，因为瓶颈工序是动态的，能力在变化，可知/未可知的设备维护。所以APS通过甘特图性化，设置各种不同的工序约束，来计划你的作业排程。提供一个对所有生产类型和工序约束的结合，自动的，可视化的作业计划。 物料管理中往往要回答通过现有库存，来做多少计划。既ERP/MRP能通过成品的BOM来作材料计划，那么能否从BOM最底层材料倒算成品计划。 APS通过库存约束，结合详细的物料清单，工艺流程。按配套库存数的需要量和约束来计划，能保证在计划中低层物料的可供货量。如果你的生产环境是JIT或流水线制造，那么，换装时间，设备资源的效率将是约束你的整个生产效率。 APS能允许对当前相关工序与最后工序的设置换装准备时间。 对连续工序的重叠工序的时间处理。来优化你的企业效率。 APS可以在供应链上对库存资源,资金资源,供货资源,运输资源进行同步优化,并且,使你的整体供应链得到优化提高 APS存在的优化算法 APS高级计划系统在描述其内容时，会采用以下方式：“人们在从几个月到甚至几年的时间轴上建立约束模型，从而考虑物料和能力方面的问题，设定生产的优先等级。高级计划系统运行在独立的服务器上，并常驻内存进运算。运算使用的也是特殊开发的运算程序，这样可以考虑在当时状态下的物料、能力和其他的约束条件，产生相应的生产计划。运算的速度既要满足计划的灵活多样性，也要能够让用户模拟计划时的实际情况，计算出可能交付的时间。高级计划系统的最初运用是在一个企业的范围内进行计划的运算和优化，但它也被扩展到供应链的计划，这包括供应商、分销商和出货点的需求。不同的软件供应商选用不同的优化算法搭建自己的高级计划系统软件，这对其自身也是挑战。比方说，高级计划不是简单的某一项技术：优化的算法有很多种，需要根据解决不同的问题来决定采用哪种算法引擎。供应链上的现实问题是相当复杂的。即使是今天，如果不运用一定的归并运算，性能再高的计算机也是没法设定相应的运算模型，计算相应的计划结果的。另外，如何把不同的系统数据整合在一套高级计划系统识别的环境下，这也是面临的一项艰巨的任务。” 在高级计划系统中除了包含传统的优化算法方法，比如：线性运算和复合整数运算，还包含了许多种启发式算法。要比较各种启发式算法的孰优孰劣是一件非常难的事，它们难分高下。启发式算法的参数设置不同，其相应的运算性能也会大大的不一样。即使有人对各种启发式算法作过认真比较，在实际的运用中还是不能单纯依据比较的优良结果选择计划的启发式算法。这应该考虑许多方面的内容，综合平衡以下的多方因素来定：计划结果的质量高低需求、不同算法的准确性（以解决不同类别问题时，该算法运算结果同优化算法结果的差距来衡量）、做该运算要付出的努力。总而言之，运算结果的优良是要仔细检查的。
高级计划系统包含的某些算法是把几种存在的算法合并在一起形成新的综合性运算；比方说，解决约束问题的算法可以归类为以下几个方面: 系统搜索法:先运算再测试法;反向跟踪法 一致性计算法:节点一致性计算法;弧形一致性计算法;路径一致性计算法;约束路径一致性计算法 约束传播算法:后向算法-后向跳跃算法;后向检查算法;后向标记算法 前向算法-前向检查算法;局部前查算法 随机算法和推导算法:爬山法;最小冲突算法;随机算法;Tabu搜寻算法;连接算法 然而，如果是求约束条件下的最优解，推荐的算法通常是非常有名的分枝定界算法(Branch&Bound)。 CP约束规划也是解决复合条件问题的方法。约束规划的起源是对编程语言的研究，而并非是对企业运作的研究。它的目的是尽量减少编制求解复合条件问题算法程序的工作量。一个约束条件软件包包含了最基本的一些算法，由此形成约束系统里推导最佳解的基础。基于许多约束条件不断推导最优解的算法是一种基本 的程序编程中的软件包。它运用最基本的运算方法实现非决定性的推导算法。这种类型的算法除了包括线性方程求解算法、区向推导、布尔整合算法，还包含近期发明的边界探测法。基于这种算法产生了计划排程的应用程序。约束规划的一项缺陷是缺乏对模型创建的支持。优化算法语言的开发人员在开发的过程中，确实曾经试图把约束规划的强项同代数的建模运算功能整合在一起。通过比较，人们可以发现约束规划同整数编程算法间的紧密联系。 最近几年来,约束规划已经引起许多不同领域的学者的重视,现在,约束规划具有完整的理论基础,应用于解决复杂问题,提供广泛的商业用途,特别是在异质性最优化问题(HeterogenousOptimization)和满意问题(Satisfaction Problems)的应用。约束规划目前仍是处于深入研究和开发的科技领域之一. 约束(Constraints)是用来代表几个未知数或变数之间的一种逻辑关系,每一个变数具有一组可能的值域(Domain),该约束将会规范这些变数值的可能组合. 例如:正方形S內含一个圆形C;-某一英文字W的长度有10个字母;X小于Y;三角形內为180度;仓库内的温度必须控制在0~5°C;某某在周三下午2:00之后可以出席演讲会. 约束可以使用这些方式來表示：(1),使用数学或逻辑形式;(2),使用表列形式 Constraints Programming 约束规划是以约束为基础的计算系统,它的构想是针对问题所描述的约束或需求,寻求满足所有约束的解决方法,来解决问题. 约束规划问题包括:1,一组变数,每一变数有一组数值,既值域(domain);一组约束式.约束规划的解(Solution)是满足所有约束式的一组完整的变数值.约束规划问题可以使用一种超图形(Hypergraph)表示例如： 变数x1,x2,…,x6的值域为[0,1] C1:x1+x2+x6=1 C2:x1-x3+x4=1 C3:x4+x5-x6>1 C4:x2+x5-x6=0 图示：
C1 C4 X1 X2 X3 X4 X5 X6 C2 C3 约束规划的形成是由(1),人工智能(Artificial Intelligence)的影像标示问题(Scene Labelling, Waltz 1975)(2),互动图形(Interactive Graphics)的画板(Sketchpad, Sutherland 1963 )和题库(ThingLab, Boring 1981).(3),逻辑规划(Logic Programming) ,统一(unification)约束解题(constraint solving)(Gallairo1985,Jaffar& Lassez1987).(4),运作研究和离散数学的NP-hard优化组合问题. 约束规划的求解技术可分为: 1,约束满意问题(Constraint Satisfaction Problems) 2,约束最优化问题(Constraint Optimization Problems) 3,超约束问题(Over-Constrained Problems) 4,约束解题(Constraint Solving) 约束满意问题 约束满意问题可定义为:一组变数,X={x1,x2,x3,x4}.每一变数都有一组有限集合,称为值域.变数的值不是必然是整数值或实数值.一组约束式来规范变数的值ixi 约束满意问题的解是根据每一变数的值域指派一个数值,同时可以满足所有的约束条件.1,只要一个解,不偏好那一个.2,一个最优或满意的解.基于目标涵数值. 约束满意问题的解可以由系统化搜寻各种可能的变数值而产生,搜寻方法可分为二大类型:部分数值指派法(Partial Value Assignment);穷举数值指派法. (Explore Complete Assignment) 系统化搜寻:(1).有系统地探索所有可能的指派数值空间, 所谓系统化即指每一种评估将有机会出现.(2).系统化搜寻的优点在于完整性,即如果问题有解,则必可搜到;其缺点是可能会花费相当多的时间寻找答案. (3).系统化搜寻可分成二大类： (a)完整探索指派法(Explore Complete Assignment)，包括产生测试法(Generate and Test,GT)。 (b)延伸部份指派法(Extending Partial Assignment)包括后退追踪法(Backtracking,BT)，后退跳跃法(Backjumping,BJ)，后退标示法(Backmarking,BM)等. (4).产生测试法(GT)的构想是首先随机产生完整的变数标示值,接着测试这些标示值是否满足约束式,如果是满足,则显示已经找到的一个答案;否则继续产生其它的标示值.
(a)产生测试法(GT)是相当沒有效率，因为其产生器不具任何学习性,因此造成许多不一致情形 (b)改善的产生测试法(GT)的方法有二，其一是使产生器具有学习评估功能，通常利用随机演算法來改善；其二是产生器和测试器合并为一，能立即判断变数标示值是否可行，例如后退追踪法（BT） (5).后退追踪法(BT)是从一组部份解，基于重复挑选其他变数的值逐渐延伸成一組完整的解，而這些变数值的标示方式是和目前部份解的值一致的。换言之，后退追踪法是依一定顺序來标示变数值，当某一约束式的变数群都有标示，则立即检查该约束式的合理性。如果一组部份解违反其中的约束式，后退追踪法将会針对最后标示的变数挑选其他可能的标示值，因此可以消除不可行的变数值域空间。 (6).后退追踪法(BT)至少有三个缺点： (a)痛击(thrashing)，有重复犯错的机会 (b)累赘作业(redundant work) (c)未及时发现冲突现象(late detection of the conflict) 解決前二个缺点的方法有后退跳跃法(Backjumping)及后退标示法(Backmarking), 而第三个缺点可以用一致性技术(Consistency Techniques)加以改善。 一致性技術(Consistency Techniques): 一致性技术(CT)是由变数值域中将不一致的数值逐一移除，直到答案出现，基本上是属于确定性搜寻法(deterministic search),应用一致性技术时，通常将约束规划问题表示为约束网络图形(constraint network graph)，其中节点代表变数，连线代表为约束式。最单纯的一致性技术应该属于节点一致性(node consistency,NC)，主要方法是将变数值域中与单一约束式(unary constraints)数值除移.应用最广泛的一致性技术应属于弧线一致性(arc consistency,AC)，其方法是变数值域中与二元约束式(binary constraint)不一致的数值移除。弧线一致性技术相关的演算法包括AC-1,AC-2,AC-3,AC-4,AC-5,AC-6及AC-7，其主要作法是不断地修正弧线直到一致性状态成立或是某值域成为空集合。其中最常用到的应为AC-3及AC-4，AC-3演算法只針对先前修正过的相关弧线重新考虑修正；而AC-4需要基于用资料结构来查核配对变数值的一致性.尚有一种路径一致性(path consistency,PC)技术，针对配对变数(X,Y)的数值，在顺着X和Y之间的路径中，检查是否存在一数值能满足其所有二元约束式. 约束传播(Constraint Propagation) 技术 约束传播技术主要是应用回朔方式(Look Back schema)，对于已经启动过的变数进行一致性查核。其中后退追踪(BT)是属于此项技术最简单的一种,此外尚有后退跳跃(BJ)，后退检核(Back Checking,BC)，后退标示(BM)等。 所有回朔方式都有一个缺点，即无法及早诊断出冲突(late detection of the conflict)。因此又提出提前检查(Look Ahead schema)的策略來避免产生以后的冲突。提前检查的策略包含向前检查(Forward Checking,FC)，部份提前检查(Partial Look Ahead,PLA)，完整提前检查(Full Look Ahead)等。
随机和启发式演算法(Stochastic and Heuristic Algorithm) 最近几年來，贪婪局部搜寻策略(greedy local search)已经成为相当普遍的方法，這些演算法逐次地针对所有变数修正其不一致的指派值，以达到更完整的解，另一方面，为避免陷入局部最小值(local minimum)，采用不同的启发式方法随机搜寻功能。 爬坡法(Hill-climbing)是最普遍的一种局部搜寻方法，一开始先随机地产生一組变数标示值，接著在每一迭代步骤中，修正某一变数的值以滿足更多的约束式。如果已经产生一组严格局部最小值，则该演算法再度重新随机地产生另一组初始解进行搜寻，直到全域最小值(global minimum)找到为止。 .最小冲突法(min-conflicts,MC)随机地挑选任何冲突的变数，再选择一個数值使不滿足的约束式为最少。 禁忌搜寻(Tabusearch,TS)是根据一种禁忌清单的想法,选择保留过去搜寻的经验及记忆，以避免重复循环地搜寻作业,及陷入局部最小值 约束最优化问题(Constraint Optimization) 约束最优化问题包含一组标准约束滿意問題及一个最优化目标函数,将所有的解标示成一个函数数值.分支界限法(Brand and Bound，B&B)是约束最优化问题中最广为使用的技术,以寻找最优解. 超约束问题(Over-ConstraintedProblems) 当问题的约束是相当繁多时，有可能无法产生滿足所有约束式的解，此种系统称为超约束(Over-Constrainted)，处理超约束系統的方法有部分约束滿意(ParticalConstraint Satisfaction)及约束层级法(Constraint Hierarchies)。部分约束滿意法是设法从部分变数中找出一组滿足部分约束式的数值，逐次寻找出最好的一组解。 约束层级法将约束式区分为软性、強性、或偏好的约束式，构成一种约束式的层级，接著从最強的层级开始处理约束式，直到最弱层级。 约束规划应用领域(Applications) 分子生物学(Molecular Biology),如去氧核糖核酸(DNA)及蛋白质(Protein)结构预测及排序;电脑绘图(Computer graphics);自然语言处理理Natural language processing);数据库系統(Database Systems);企业运用(Business applications) 电机工程(Electrical Engineering);排程问题(Scheduling problems);网路管理及配置(Network Management and Configuration) 局限及困境(Limitations) 许多约束规划所解決的问题都属于NP-hard组合优化难题，因此如何判断出问题是否可以解決是相当关键性。此外，求解之速度也是必须要考虑的。约束模式的稳定性是一般
约束规划使用者最共同的问题，亦即当规划程序或数据稍作更动，往往会引起演算效率极大的差异.如何选用适合的约束滿意技术來解決特定问题也是另一个重要的内容.目前尚无法支持在线的约束求解(online constraint solving)功能 未來趋势(Trend) 如何建立约束规划模式(modeling)仍然扮演相当重要的角色;目前大部份的约束规划套裝软件都是以程序語言编写或是程序庫(libraries)所组织，如ILOG SOLVER.约束模式语言如能以可视化技术(Visualization Techniques)來了解搜寻过程，将可协助找出系统的瓶颈；这种以可视化來掌握搜寻的技术將是未來的一种选择.鸡尾酒演算法(hybrid algorithm)综合各种解決技术,将会是未來研究的内容。结合传统作业研究技术，如整数规划、组合最优化技术，将是另一个研究的挑战。 利用多层代理人技术(multi-agent technology)以平行及同步约束求解法将可改善其求解速率。 今天，人们已经把优化算法应用到了供应链管理的软件之中。或许，有人会问，这样做是否一定比把优化算法当作独立运行的软件要好？要回答这个问题可以考虑以下的几个方面： 1．同传统的公司内的计划相比，供应链的计划无论是在考虑的组织机构范 围还是在算法上都复杂了许多。 2．现在，人们可以在供应链管理系统中用图形界面操作优化算法模型。计 划员可以较少考虑如何形成代数计算模型，也不需要具备矩阵方程的细 节知识以及掌握计划编程语言和求解方法。人们可以通过设置处罚成本 来设置计划中的约束条件。比如：可以设置较高的外部采购成本模拟发 包生产的能力。 3．用户都不期望单独开发执行系统同优化计划系统间的接口。ERP系统同 APS系统间概念层和物理层的连接大大地方便了用户操作业务数据和整 合后的计划数据。ERP的供应商因此可以提供有价值的系统集成服务。 这有助于人们接受优化算法和优化模型。 4．由于计算机硬件性能的不断提升，今天，人们已经可以把大容量的数据 常驻在内存里进行计算。这项技术可以极大地缩短系统读取硬盘的时 间，因此在过去几年，该技术减少了系统运算高度复杂问题时的时间消耗。当然，如果碰到系统崩溃重新启动，这也会造成数据的不一致性问题。 5．管理层在选择软件时常常倾向于基于启发式算法但具有图形界面的软 件，而不愿选择能优化解决问题但没有图形界面的软件。图形界面和近 来不断推广使用的基于网页的图形界面的使用，使得运算过程和最终解 可用图形来展示。图形界面的功能使得供应链系统在各级管理层都能被 较好地接受。 从理论上讲，APS系统采用的算法质量是在决策选择哪一套系统进行实施时最重要的考虑因素。人们应该在相当清楚该APS系统的优化计划引擎的功能后，才决定是否投资该APS系统。然而，APS系统包含的算法描述得不甚清楚。人们对各种算法冠以奇异
的名字，常常适用科学的概念和名称。不同的公司都在提供算法。“一个让人们感到混淆不清的现象是，这些多样的算法总是被冠以深奥的名字。大体上讲，系统的供应商在开发软件时都是为他们的优化计划引擎配以相应的算法。不管这种算法是其自身开发的、从其他供应商处购买的还是开放公用的。这就使得在选择优化计划软件时，优化计划引擎作为考虑要素还只是处于第二位的”。另一方面，人们从实施的经验中也认识到算法是评估APS系统最重要的要素。与1993年的结果相反，用户在评价软件功能时，把优化算法的结果作为了最为重要的属性。 工业运用计划的一些说明 随着企业制造信息化逐步渗透到计划领域,我们所面临的巨大挑战是计划排程的更精确性,从长期的年度规划到短期的分钟排程.更动态的满足客户的交货,关键资源的优化部署,资源的有效利用,更加灵活的满足新的竞争挑战. (1),物料需求计划(Material Requirements Planning) 虽然MRP目前在企业很实用,解决大量计算的工作量.MRP根据平均提前期可以计算较精确的物料的计划,但是,它只能产生较粗的生产计划.主要原因是没有基于能力约束来排程. (2),能力需求计划(Capacity Requirements Planning) 对无限能力计划(Infinite Capacity Planning)来说,它只是反映工作中心的是否超负荷,需要人为的调整主计划. 对有限能力计划(Finite Capacity Planning)来说,使用了工作中心能力限制来平衡负荷,来自动前推或后推计划,这样,会导致车间计划与MRP计划冲突.往前推会影响客户交货,向后推,会影响采购交货. (3),车间排程 (Shop Scheduling) 在车间里的再排程,使用工序能力计划来前推或后推工序的操作时间,这样也会影响交货期,重要的是没有考虑工序的排队和等待时间,而排队和和等待时间是动态的.常常是, 许多计划员为了保险起见,我们把它固定的考虑在工序提前期里.最多也是给一个浮动时间,这样,就会导致任务的提前下达,在制品积压,有会影响提前期,排队时间又会增加,影响了排程的精确性.但是,计划员多用它来分析销售订单的可行性. (4),多工厂计划(Multi-Plant Planning) 实际上,很少使用它来同步工厂之间的物流,如果,单一工厂的计划都不太准确的话,用到多工厂就会更糟.它们之间通常用各自的主生产计划MPS和MRP来平衡. 分销需求计划(Distribution Requirements Planning)其实是多工厂计划的变化,它想平衡实际需求或预测需求和网络多地点的库存.在库存之间创立转移订单来补充库存.但是,它和MRP是较松散的配合.对MRP的影响的是市场真正的需求,还是由DRP产生的补充安全库存的需求.
(5),供应链计划(Supply Chain Planning) 是平衡整个供应链的计划,考虑企业内外因素,如外部供应商的能力,销售需求点,替换的运输线路和方式,它评估和优化企业的所有资源.产品开发和生产地点,分销设施,建立可信的计划.它需要一个高级计划技术引擎支持. (6),企业计划(Enterprise Planning) 它同步的考虑关键的生产资源,物料需求,首先产生一个可行的计划,然后,通过企业的约束和目标来优化它.它是想取代ERP计划里的RRP,RCCP,MPS,DRP,MRP模式. (7),生产排程(Production Scheduling) 它考虑物料的可用性,详细的能力信息,换装时间最小和目前的工厂的订单优化工厂级的顺序,来满足客户需要日期,它考虑企业整个目标和约束优化,并提供反馈给企业计划定义工厂内部的需求日期与数量. (8),约束(Constraints) 约束是一组限制,规则和目标并控制物理的和财务的可能性来满足业务计划.限制可以包括物料的可用,机器能力的可用,最小化人力的可用.规则可以是客户订单的有先级,瓶颈,最小加工时间等.目标可以是安全库存水平,客户服务水平,销售收入.我们可以交替使用约束,在约束中可以改变计划顺序,可以特别分配加权或值,我们也可以定义是软约束还是硬约束. (9),约束理论(Theory of Constraints) 在计划中的约束不要跟TOC约束理论混淆,约束理论是高德拉特博士创立的,它是同步制造的哲学,按照市场需求,用一种系统的方法,达到快速的,平稳的生产物流,用三个简单的全局评价方法,产销量,库存,经营费用,在市场需求和生产约束下的生产达到企业的目标.它的核心思想是存在瓶颈工序或工作中心,最佳计划是基于瓶颈工序的计划. 基于TOC的计划均可以考虑资源,物料,订单和管理策略的约束.TOC的建模可以有限,也可无限能力.可以通过有限能力建模基于所有约束,同步化物流.任何资源均可以定义为瓶颈资源或关键资源及次瓶颈资源.对瓶颈资源采取双向计划,对非关键资源采用倒排计划.缓冲时间可以设置任何在复杂资源之间.DBR(Drum-Buffer-rope)逻辑是对关键工序同步化所有资源和物料.它较适用较复杂的,多层的BOM的离散制造环境.但是,对于混合产品的装配线的优化顺序计划,还是启发算法或数学算法较有效. (10),计划可承诺(Available to Promise) 为了取得成功,必须对客户的需求作出最快的反应,并让他了解您的能力。快而准的订货保证是能留住现有客户和吸引新客户的关键. ATP已扩展到订货承诺的能力(Capacity To Promise),它使订货承诺更快,更准确,更灵活,也扩展到可赢利能力承诺(Profitable To Promise),它使销售人员在任何地点接受销售单时,可随时分析可赢利性. 现在可供订货量（ATP）可以细分为：成品ATP,能力CTP,系列产品ATP,零件,原材料ATP,渠道ATP,可发货能力承诺（Delivery To Promise）,大多数公司都喜欢CTP的概念,因为它可以实时,连续的对新的客户订单承诺精确的日期和数量. (11),优化(Optimization) 是用系统的方法,在业务约束基础上,来改善计划或排程.
优化的主要算法有: (1),数学规划(线性和混合整数规划),较适用于战略计划如网络选址,寻源等. (2),启发式算法(约束理论或模拟仿真等),较适用于战术计划或运作计划如生产排程等. (3),基因算法,较适用于有大量的可能方案选择. (4,)穷举法是在所有替代的可能的方案寻找,较适用于教简单的供应链. (12),物料约束和替代计划(Material Constrains and Substitution Planning) 静态物料约束规则(Static Material Constrains):利用可用量清单,最早开始的订单和被分配的物料,随着物料业务,订单日期的延迟,或变化,系统会自动调整或显示订单的变化. 动态物料约束规则(Dynamic Material Constrains):当计划建立时,动态分配物料,允许重新分配物料到另外的一个订单,它可以处理物料的有效期,变化的产出率,和减少在制品等实际问题 动态物料替换规则(Dynamic Substitution):用自定义的替换规则来更精确控制复杂物料替换计划. (13),看板计划(Dynamic Kanban Planning) 看板计划(DKP)是指看板的数量和每一个看板的大小.以满足需求变化的需要. 它可以达到生产与Takt 时间（客户需求速率）同步,物料的连续流动与平衡的运作,作单元式厂房布局,补充信号或看板,其重点是消除非增值活动.较适用于精益制造的企业. (14),建模(Modeling) 通过计算机计划软件对特别的制造环境的客户进行客户化的过程,如建立约束,规则,目标和不同算法的选择.建模是计算机计划的最重要方面之一,模型可以考虑资源约束,公司的目标,分销的限制,客户的优先和其它影响计划排程决策的因素.它还需要特别咨询专家来帮助企业建立模型,测试模型,培训等. (15),准备和顺序(Set ups and Sequencing) 准备包括换产品,换工装模具,换生产线时间等,计划排排程不仅要考虑零件与零件之间的准备时间关系,所消耗的成本,客户的需求来优化顺序.这比较适合于混合生产线的顺序计划,多品种的,小批量或一个流的生产计划. (16),信息技术(Technology) 实际上,很多应用都受到计算机技术的限制,现在,信息技术一可以支持整个计划引擎,模型,数据库保留在常驻内存里,计算速度可以一分钟,秒内来计划排程.可以支持一次完成计划与排程的计算.可以支持网络计算,提供不同的计划引擎针对不同的计划与排程问题.引擎之间可以独立,也可以交互传递.如ERP的MRP计划引擎和高级计划APS引擎的数据传递.也提供图形建模工具,采用图形界面和可拖拉的图形计划版以易于计划员使用. (17),实施(Implementation) 尽管计划排程的实施比较复杂,只要掌握系统的方法,也可以较顺利完成.这里列出几个步骤: (1),有软件供应商评估客户的需求.(2),决定和现存的计划环境的结合点.(3),对关键用户
进行初次培训.(4),由咨询顾问帮助建立模型.(5),建立数据接口程序和可能的客户化程序.(6),准备数据.(7),根据实际计划环境培训.(8),上线. 几乎每一个管理者都认为更实时的,更精确的决策支持信息是非常重要的.制造信息化的计划系统不仅是决策支持信息,而且,以成为每一个生产者的每天的执行系统.每一个制造商在他们的工业领域应该考虑用什么方法来迎接剧烈竞争的挑战. APS和MES制造执行系统的关系简介 MES(Manufacturing Execution System) 制造执行系统辅助生产管理人员收集现场资料和控制现场制造流程,用计算机计算控制生产流程,并下载生产排程,上传生产结果以后,MES便将企业,工厂地或流程控制系统之间的鸿沟实时连接起来. APS是提供复杂的决策支持系统, 其主要用意在基于计算机的快速运算,提供优化可行的生产活动建议.这些建议要考虑ERP的需求及有关的主数据,实际的约束,和现场MES的生产订单的资源状态的变化.来决定现场生产冲突的解决和未来生产的模拟. 当工厂的生产规模大到一定的时候,通常生产管理也越复杂,为了提升生产效率,往往自动化是第一步的,资料和数据的收集反馈是第二步. 若一较短时间内做决策,每日的生产活动决策,一批订单决定交货期的决策,甚至为每一个生产订单选择机台和调动人员.生产管理人员每天所面临的生产和下达订单的状况的变化快速而不可预测,为了提高决策计划精确和实时性,APS确实是不可或缺的决策计划工具.但是,它需要MES提供实时的数据支持,在ERP 系統的架构下，MES 可以通过APS 的联系计划指令和ERP的企业所需的核心业务如订单,供应商,物料管理,生产管理,设备保养和品质控制整合在一起,提供实时化,优化的,跨公司的信息交换.可以随产品,订单交货期的变动弹性调整参数等能力,有效协助企业管理库存,降低采购成本,提高准时交货能力. 生产订单/派工清单 机器1 MES 机器2 APS 工作和资源 机器3 变化状态和数据
APS和精益(Lean)生产的关系简介 LP精益生产：包括JIT(Kanban),GT成组技术(Cell manufacturing),TQM全面质量管理.它是在流水生产方式的基础上发展起来的，通过系统结构、人员组织、运行方式和市场供求等方面的变革，使生产系统能很快适应用户需求不断变化，实施以用户为导向、以人为中心、以精简为手段、采用Team Work工作方式和并行设计、实行准时化生产技术（JIT）、提倡否定传统的逆向思维方式、充分利用信息技术等为内容的生产方式，最终达到包括产品开发、生产、日常管理、协作配套、供销等各方面最好的结果. 从计划的角度来看,企业的约束瓶颈过多,带来多重约束的计划排程过于复杂,我们可以利用TOC约束理论找出主约束瓶颈,对主约束瓶颈优先排程(鼓),其余的次瓶颈必须服从安排计划.这也带来的许多计划的不准确. 实际上,解决根本问题的是工业工程IE,通过工厂的布局,一个流的生产线的优化设计,通过不同工序节拍的偶合,消除潜在的瓶颈和浪费, 设计出优化的精益制造系统来支持灵活对应市场数量的变化;灵活对应品种的变化;迅速的销售情况的信息反馈;适应变化的生产线布局;适应变化的作业方法;适应变化的物流系统;适应变化的管理体系,这就需要灵活的敏捷的APS系统的支持,尤其是在订单的快速反应上,计划的高度精确的CTP能力可承诺. 品种多样化和小批量的一个流的生产是精益制造的精髓,APS可以提供平准化均衡即要考虑总量的均衡和品种的均衡同时也要考虑换装时间的约束.APS可以提供给精益系统的优化的品种顺序计划.
如图示意: 装配线 APS优化顺序品种计划 看板 看板 零件超市 缓冲 条形码. 看板 优先规则: APS 10 个子装配线 看板 缓冲 ERP倒冲处理 看板 原材料 MRP计算长提前期物料 . ERP的 PO 接收:APS的物料约束 在途 : 供应商 SCM的APS运输计划 供应商 说明: 品种顺序计划需基于换装时间矩阵最小规则. 半成品计划基于10台机器的能力和负荷和物料约束.
第一篇 制造业的APS 第五章 APS的基本概念 什么是制造业的APS? 它考虑物料的可用性,详细的能力信息,换装时间最小和目前的工厂的订单优化工厂级的顺序,来满足客户需要日期,它考虑企业整个目标和约束优化,并提供反馈给企业计划定义工厂内部的需求日期与数量. 高级计划排程系统是一个计划排程软件包，它能高效的帮助制造企业控制生产计划。它能产生现在与将来的，通过各种规则及需求约束,自动产生，可视的详细计划。生产计划能对延迟定单进行控制及行动。管理控制能力及各种约束。其约束包括资源工时，物料，加工顺序及自定义约束条件。它能管理整个资源。更重要的是它能快速响应意外变化的结果。它考虑所有生产过程中因素，包括班次，工时，工具，材料的可用性，可知/未可知的设备维护，当前负荷，能力。总之，它能产生更精确，更实际的计划。 你可以根据你公司目标建立一个资源能力与生产设备能力模型。一旦你完成模型的设置，你就可以选择通过高级算法或模拟计划规则，自动的调配资源，达到优化计划排程的目标。它可以通过生产的工艺路径，定单，能力,物料的可用性等复杂情况自动的生成一个优化的，符合实际的详细的生产计划。 它能检查，评估计划的表现。如果需要可及时调整约束条件，产生动态的目标计划。 APS是用系统的方法,在业务约束基础上,来改善计划或排程.优化的主要算法有: (1),数学规划(线性和混合整数规划),较适用于战略计划如网络选址,寻源等. (2),启发式算法(约束理论或模拟仿真等),较适用于战术计划或运作计划如生产排程等. (3),基因算法,较适用于有大量的可能方案选择. (4,)穷举法是在所有替代的可能的方案寻找,较适用于教简单的供应链. 通过计算机计划软件对特别的制造环境的客户进行客户化的过程,如建立约束,规则,目标和不同算法的选择.建模是计算机计划的最重要方面之一,模型可以考虑资源约束,公司的目标,分销的限制,客户的优先和其它影响计划排程决策的因素.它还需要特别咨询专家来帮助企业建立模型,测试模型,培训等.
基于模拟仿真模式 早期的APS系统的开发满足了制造商的需求，这是基于仿真系统的，其最终发展成为1980后期的FCS有限能力计划系统。仿真的APS系统非常关注制造工厂中的单个工作中心以及如何实现工作中心任务的最佳排程，以满足特定的需要。仿真系统往往是以一些不同的队列理论为运行基础。优先级的设置基于(1), 基于订单任务(Job-based) (2), 基于事件(Event-based)3, 基于资源(Resource-based)的要求，扩展到全厂范围的计划排程。 对资金紧张的工厂，闲置机器和设备是严重浪费，它们应开始使用仿真的APS系统。需要保证设备全负荷连续运转的制造商，开始将注意力集中在工作中心时序上。本地的工作中心的效率开始优先于全球优先级的设定。 仿真系统获得了极大的应用。例如，一个油漆站可能需要从浅色方案到深色方案的作业，以减少清扫和重置工作站的次数。又如，工厂可能要求所有的红色涂刷工作在星期二完成，以缩短设置或清扫的时间。仿真系统，采用可配置的标准，向制造商提供工具，使他们控制工作中心的优先级和效率。 仿真系统的主要缺点是它假设了制造商有队列而且没有队列系统就不能发挥其功效。因为仿真的APS系统的运行规则只能在一个本地工作中心应用，所以这个系统做出的全球决策可能不十分理想。所有仿真系统以批处理模式运作，对于客户需求及工厂状况等条件变化具有有限的调整能力。 基于TOC的模式和扩展 在计划中的约束不要跟TOC约束理论混淆,约束理论是高德拉特博士创立的,它是同步制造的哲学,按照市场需求,用一种系统的方法,达到快速的,平稳的生产物流,用三个简单的全局评价方法,产销量,库存,经营费用,在市场需求和生产约束下的生产达到企业的目标.它的核心思想是存在瓶颈工序或工作中心,最佳计划是基于瓶颈工序的计划. 基于TOC的计划均可以考虑资源,物料,订单和管理策略的约束.TOC的建模可以有限,也可无限能力.可以通过有限能力建模基于所有约束,同步化物流.任何资源均可以定义为瓶颈资源或关键资源及次瓶颈资源.对瓶颈资源采取双向计划,对非关键资源采用倒排计划.缓冲时间可以设置任何在复杂资源之间.DBR(Drum-Buffer-rope)逻辑是对关键工序同步化所有资源和物料.它较适用较复杂的,多层的BOM的离散制造环境.但是,对于混合产品的装配线的优化顺序计划,还是启发算法或数学算法较有效. 基于数学建模-基因算法 数学建模技术的流行是因为它们可以达到理想的结果。这通常意味着，在客户订单的全球同步需求和本地工作中心排序效率的需求之间的平衡。数学建模包括神经网络、基因运算、线性规划、进化运作(ECOP)、渐进迭代和人工智能。 “最优化”对于制造商来讲非常有诱惑力，而且这些方法已经在很多不同的行业进行过尝试。但是，最优化失败的风险往往比它所带来的利益更大。连续加工的制造商已经应用一些显著成功的技术。既然在工厂内连续加工制造功能处于一个稳定的环境，数学建模就可以成功的进行和优化一定的程序。例如，许多加工制造商必须处理加工生产可变性问
题。管理者可能发现设备运行的快，生产的产品少，但也缩短了交付时间。数学建模可以帮助加工制造商找到生产率和交付时间的平衡。数学建模系统最主要的优势是实现了工厂的最佳性能。但是数学建模并不能在那些频繁进行订单设置或时序变化的公司得到顺利应用，因为这些加工制造商没有达到最优化的条件或稳定的时序策略。 基因算法(Genetic Algorithm, GA)是一种基于自然群体遗传演化机制的高效探索算法，它是美国学者Holland于1975年首先提出来的。 它摒弃了传统的搜索方式，模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机化搜索。它将问题域中的可能解看作是群体的一个个体或染色体，并将每一个体编码成符号串形式，模拟达尔文的遗传选择和自然淘汰的生物进化过程，对群体反复进行基于遗传学的操作（遗传，交叉和变异），根据预定的目标适应度函数对每个个体进行评价，依据适者生存，优胜劣汰的进化规则，不断得到更优的群体，同时以全局并行搜索方式来搜索优化群体中的最优个体，求得满足要求的最优解。 Holland创建的基因算法是一种概率搜索算法，它是利用某种编码技术作用于称为染色体的数串，其基本思想是模拟由这些组成的进化过程。其算法通过有组织地然而是随机地信息交换重新组合那些适应性好的串，在每一代中，利用上一代串结构中适应好的位和段来生成一个新的串的群体；作为额外增添，偶尔也要在串结构中尝试用新的位和段来替代原来的部分。 基因算法是一类随机化算法，但是它不是简单的随机走动，它可以有效地利用已经有的信息处理来搜索那些有希望改善解质量的串，类似于自然进化，遗传算法通过作用于染色体上的基因，寻找好的染色体来求解问题。与自然界相似，遗传算法对待求解问题本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应度值来造反染色体，使适用性好的染色体比适应性差的染色体有更多的繁殖机会。
第六章 基于仿真模拟的APS系统 APS的资源管理 我们知道制造资源是厂房,生产线,加工设备,检测设备,人员等等. 在APS里,按资源的属性分为五种: (1), 单一资源.(2), 无限资源.(3), 并发资源.(4), 共有资源.(5), 可调整共有资源 这些资源类型的不同功能可以提供设置各种生产环境的模型: .1单一资源: 是使用最多的资源类型,如一台机器,一个人,一台设备,一个夹具,一个固定装置及任何可以用一种能力约束的资源. 无限资源: 是指无限能力的资源.如外加工厂,烘干设备, 并发资源: 是指在同样时间作同样的活动, 所有活动一定是同步化,它们必需有同样的开始与结束时间.如干燥炉,它是用立方米来衡量能力.只要工件的体积不超过干燥炉的体积,它同时加工多个工件.一旦装进与开始干燥炉,你必需在加工其他零件之前完成.
共有资源: 是一个共享资源,任何任务,工序都可以使用共享资源的任何一个.如工时资源,固定设备,场地空间.虽然这些资源不能作为主要资源.共用资源主要针对整个工序范围.共有资源,可调整共有资源的不同是跨度资源被允许的方式不同.当一个工序的时间跨过一个处于下班状态的资源或资源效率减少时,我们称跨度,共有资源不允许跨度. 共有资源就是典型的被用于每天24小时都可用来模具加工,夹具,和固定装置. 可调整共有资源: 可调整的共有资源不仅允许跨度,而且还允许劳力数量根据工序的节拍.于是它是最多用于模具资源的.工序的节拍及效率是基于当前的可用的工人数. 主要资源 为了考虑计划资源的有效性上,APS里按资源的重要性可以分为主要资源与次要资源.任何工序都可以是主要资源与次要资源, 一个工序的主要资源也可能是另一工序的次要资源. 主要资源可以包括单一资源, 无限资源,并发资源.不包括共有资源. 在计划每一个工序时,必须在整个工序范围有一个单一的主要资源(单一资源,无限资源,或者并发资源).工序可以被分为三个工步:准备, 加工,拆卸. 次要资源 主要是共有资源,可调整共有资源,但也可以是单一资源, 无限资源,并发资源.次要资源也可以定义为工序或工步,对于次要资源的定义也可以不限制数量,但是,次要资源过多,会导致计划排程过于复杂. 资源组 包括一个或多个资源,一般来说它包括同样类型的资源.然而,如果每一资源组只有一个资源,那么,可以起同样的名字. 此外, 一个资源可能存在多个资源组. 实际的案例运用如下: 制鞋 资源组: 资源 组成员 外加工WC[R] outside 无限资源 裁机 (按尺码分) 单一资源 WC[R]Small-size WC[R]Lline1 SS WC[R]Lline2 SS WC[R]Mid-size WC[R]Lline3 MS,LS WC[R]Lline4 MS WC[R]Large-size WC[R]Lline3 LS,MS
WC[R]Lline5 LS 裁刀 WC[R]Small-tool WC[R]Tool1 SS WC[R]Tool2 SS WC[R]Mid-tool WC[R]Tool3 MS WC[R]Large-tool WC[R]Tool4 LS 针车(细分到组) WC[R]Group1 WC[R]1 G1,G2 WC[R]2 G1 WC[R]Group2 WC[R]3 G2 WC[R]1 G1,G2 WC[R]Group3 WC[R]2 G3,G1 WC[R]5 G3 准备工时WC[S]Group1 WC[S]G1 SG1 WC[S]Group2 WC[S]G2 SG2 WC[S]Group3 WC[S]G3 SG3 建立准备工时矩阵-基于鞋的尺码,颜色,款式 单位:小时 尺码 小 中 大 特大 小 0 2 3 中 2 0 3 3 大 3 0 3 特大 3 3 3 0 成品鞋加工 考虑加工线的分组及须考虑楦头资源的约束(略) 成品鞋(小码,白色,男款) 成品鞋(大码,红色,女款) 40 WC[R]加工Line1 40 WC[R]加工Line3 40 WC[R] 楦头-Small 40 WC[R] 楦头-Large
30 WC[R]针车Group1 30 WC[R]针车Group3 30 WC[S]Group1 30 WC[S]Group3 20 WC[R] 裁剪-Small-size 20 WC[R] 裁剪-Large-size 20 WC[R] 裁刀-Small-tool 20 WC[R] 裁刀-Large-tool 10 WC[R]外加工 10 WC[R]外加工 原材料 原材料 机动车辆 资源组 资源 组成员 大机器WC[R]LM WC[R]机器1 LM WC[R]机器2 LM 小机器WC[R]SM WC[R]机器3 SM WC[R]机器4 SM 大房间WC[R]RL WC[R]Room A RL WC[R]Room B RL 小房间 WC[R]RS WC[R]Room C RS WC[R]Room D RS 次要资源: 房间, 操作者, 机器准备时间 产品1(小) 产品(大) 10 WC[R]SM 10 WC[R]LM 10 WC[R]RS 10 WC[R]RL 10 WC[S]准备 10 WC[S] 准备 10 WC[R] 操作者1x 10 WC[R]操作者2x 零件1 零件 2 热处理 (1) 资源组 资源 组成员 烘炉Oven A 并发资源 WC[R]Oven-type A WC[R]Oven1 Oven A WC[R]Oven2 Oven A WC[R]Oven3 Oven A (2) 基于物料属性设定并发资源 -物料属性和温度/时间周期
-重量和体积 -烘炉有限负荷是:重量和体积 (3)其他问题 -客户提供材料, 客户定单驱动生产MTO方式 -工装夹具. -班次类型: 24小时/天, 7天/周 零件1(小) 零件2) 物类: 100 物类: 100 时间周期:441 时间周期:441 重量: 重量: 体积: 体积: 30 WC[R]清洁 30 WC[R]清洁 20 WC[R]Oven A 20 WC[R]Oven A 10 WC[R]去油污 10 WC[R]去油污 未处理零件1 未处理零件 2 轴加工 (1),主要资源与替换资源 -替换工序标识和时间限制 -加工顺序和替换工序的有效日期 -替换工序的不同运转率 (2),资源组的准备工时矩阵 定义每个资源组的准备工时 (3), 其他问题 -资源组的操作时间和工时报告 -工序批量(生产订单的数量分解) 轴 主要资源 第一替换资源 第二替换资源 60 WC[R] 精磨 50 WC[R]淬火电镀 40 WC[S]外圆磨1 WC[R]外圆磨2 30 WC[R] 精车1 WC[R]精车2 WC[R]精车3
20 WC[R]粗车1 WC[R] 加工中心 10 WC[R]下料 钢材 金属线 单元制造 (1),挤压生产线单元(能处理13种不同型号) (2),A 类生产线单元 (3), B类生产线单元 资源组 资源 组成员 WC[R] 生产线P1 WC[R] 生产线P1 P1 铝锭 (1) 资源组 资源 组成员 12”铝压机WC[R]AL12 WC[R]Press1 AL12 8”铝压机WC[R]AL8 WC[R]Press2 AL8,AL5 WC[R]Press19 AL8 5”铝压机WC[R]AL5 WC[R]Press20 AL5 WC[R]Press2 AL5,AL8 铸型机WC[R]MoldM100 WC[R]M100-1 M100 WC[R]M100-2 M100 操作者15x WC[R]AL-Operators12 可调整共享资源 (2),资源组的准备工时矩阵 定义每个资源组的准备工时 (3)共享资源 上午7:00 3个人 下午3:00
10:00 已分配1人 如有需二人,6小时的任务,如上午8:00开始,可以排计划到下午2:00. 但是,如果上午11:00开始,到下午3:00只有4小时.它不会计划到第二天. (4) 可调整共有资源 上午7:00 3个人 下午3:00 2个人 下午11:00 上午10:00 下午 9:00 已分配1人 如2人,6小时的任务,如果下午1:00开始到3:00.正好有2人,100%的效率. 从3:00到9:00只有1人,效率50%.9:00到10:00有2人,效率100%.所以共耗9小时. 如下午4:00开始, 这时候只有一个劳力从3:00PM到9:00PM,所以,工序的计划从9:00PM开始,在9:00PM有二个劳力.从9:00PM到11:00PM,工序以100%的效率进行二个小时.从11:00PM到第二天的7:00AM,没有劳力,零效率.从7:00AM到11:00AM的四个小时,第二天工序以二个劳力,100%的效率进行. APS对物料约束的管理 基于物料约束(Material Constrain)是当生产计划想要计划一个需要某物料的工序时,它将仅仅计划库存水平足以满足当时或以后的工序.如果在计划时区不能满足条件,物料约束计划将首先查看是否有未分配的定单,产生库存需求.如果它找到这样的定单,它将首先计划定单,然后计划工序的库存需要.如定单产生库存需求另外的未有的库存,物料约束计划将象以前一样寻找定单来计划.这个过程将重复许多次.如果有不够,就需要库存补充. 静态物料约束规则(SMC) 先对每一个物料从ERP系统导入建立可用量清单,最早开始的订单和被分配的物料,随着物料业务,订单日期的延迟,或变化,系统会自动调整或显示订单的变化. 工序A MO-1 工序MO-2B 采购 PO-1 工序 C MO-3
MO-3只有在MO-1,MO-2,PO-1完成后,才能开工. 工序A MO-1 工序MO-2B 采购 PO-1 工序 C MO-3 因为MO-1的延迟,自动调整MO-3的开工日期 动态物料约束规则(DMC) 当计划建立时,动态分配物料,允许重新分配物料到另外的一个订单,它可以处理物料的有效期,变化的产出率,和减少在制品等实际问题. 工序A MO-1 工序B MO-2MO-2-1 采购 PO-1 工序 C MO-3 MO-2-2 MO-3 只有在MO-1,MO-2,PO-1完成后,才能开工. 工序A MO-1 工序B MO-2 MO-2-1
采购 PO-1 MO-2-2 MO-3 工序 C 而MO-1延迟,导致调整MO-3只能用MO-2-1,PO-1,MO-1的物料,而原来的MO-2-2的物料可以重新分配到MO-2,PO-1的完成后就可以开工. APS的库存物料约束是典型的用于面向库存生产或采购材料的,产生约束计划.APS结合详细的BOM物料清单和 BOR工艺清单,指定每一个库位材料所需的数量和哪个工序所需数量,当然,库存约束也能用于模具,铸造,或特别的材料的处理设备. 你可以认为约束库位就象一个有相似类型材料的桶或柜.在APS,你能在工艺流程中的任何工序的完成地点增加一个约束库位.尽管是面向库存生产环境(MTS),你能在工艺流程的完成的最后的工序处增加约束库位.也可以基于采购物料的到达点设置约束库位.不仅面向订单生产的环境(MTO)或采购物料,可以使用库存约束,也能补充任何库存物料. 对每一个库存物料,你必须决定补充的方法,是基于数量或工序批量.这个决定是根据库存水平策略. 常常是基于工序的批量.注意如果工序批量没有规定,这个数量就缺省于基于订单数量了. 物料是按配套库存数STOCK-KIT的需要量来满足约束计划.一个配套库存也许是一个库存物料,同样也有可能是库存物料的倍数,几个不同库存物料,或几个不同库存物料的倍数.当工序需要一个配套库存数,这个工序只有等到满足配套库存数时,才能排计划. 对每一个配套库存数,你必须还要决定每批物料号或基于工序的批量.作为库存,这个决定是基于配套库存水平的.于是整个配套库存一定是基于每批或批数. 在典型的ERP的MRP环境, 所有低层物料都有一工艺流程与一个库位,基于工序批数.需要这些库存的高层物料只有在定义过的库位里有配套库存才能计划.配套库存是基于工序批量.于是,MRP系统在MTO物料的计划中重视的是产品的展开,低层的净计划,和提前期偏置.APS确保的是在计划中低层物料的可用量. 当APS想要计划一个需要某物料的工序时,它将仅仅计划库存水平足以满足当时或以后的工序.如果在计划时区不能满足条件,APS将首先查看是否有未分配的定单,产生库存需求.如果它找到这样的定单,它将首先计划定单,然后计划工序的库存需要.如定单产生库存需求另外的未有的库存,APS将象以前一样寻找定单来计划.这个过程将重复许多次.如果有不够,就需要库存补充. 从库存取出约束(Take from stock kit) 定义在一工序需要的子项. 在我们做计划时,考虑子项物料从库存的可用量的约束来排计划. 放入库存约束(Put to stock kit) 定义从工序的父项产出结果.在我们做计划时,考虑产出的约束,必须考虑库位所能容纳的约束.
APS根据产品结构的相关性来分配物料的约束,查询约束可以按物料编码报告物料约束.也可以按订单号报告物料约束.工具约束:工具子项反映关键工具作为资源,也可以作为约束物料,如你可以定义工具产生约束,如工具维修,故障. APS的工艺路径管理 加工顺序是生产的工艺流程.决定在那一个工序执行.许多系统有些简单的,只是列出按定单的工序清单.在第二个工序开始之前,第一个工序必须完成.等等.还有其它系统允许在工艺流程中有平行或并发的工序.在这些系统里,处理的类型经常是装配, 拆卸工序.最困难的加工顺序是在系统里建立一个网络化的工艺流程.这些工艺流程的类型是经常在工序维护中出现的. APS提供一个对所有加工类型和加工顺序约束的结合及完整的支持,加工顺序约束是通过工序顺序号码的设计来执行的.其格式为: XX 是标准的工序顺序号,是一个根工序号. YY是一个能增加后缀号,由小数点分开. 你能增加许多后缀号来精确反映工序.APS用规则决定工序顺序: 1,如果工序顺序号只包括根工序号XX. 所有工序都低于根工序号,忽略后缀,必须在工序之前.相反,所有高于根工序号, 且忽略所有后缀,一定是在工序之后.注意有可能有多个同样根工序号,有或没有后缀. 2, 如果工序号包括一个根工序号和一个或多个后缀,那么: --所有低于根工序号的工序和同样后缀,一定是在先工序. --所有低于根工序号的工序和后缀数小的工序一定在前.只要保持后缀匹配. --所有低于根工序号的工序和同样后缀数的工序,除增加后缀,一定在前 --相反定义,一定在后. 含有平行工序的工艺流程 10 20 30 10 20 如果,你没有装配或拆卸工序,你只能用根工序号.你还可以用一个根工序号描述一个装配或拆卸工艺.此案例是两个平行工序10,它能独立的操作,但是,它们必须在20工序开始之前完成. 含有拆卸工序的工艺流程
30 50 此例是用设置号来允许独立执行一系列的工序,这就是典型的工艺.含有装配,拆卸的特点.如前两个工序用1后缀的可以独立于前两个用2后缀的工序.你可以用任何后缀来处理如在拆卸工序用后缀5. 含有重叠的复杂的工艺流程 50 此例显示一复杂的物料清单,并反映灵活的,复杂的工艺结构. 网络化的工艺流程 10 40
此例显示一非传统的网络工艺结构.项目管理和维修环境经常用此环境. APS的算法 APS的高级算法是基于规则,约束自动的调配资源,优化计划,来达到你需的计划目标. APS有两种计划排产方法. 1, 基于基于订单任务(Job-based)订单优先级计划-算法任务顺序计划: 一次一个定单或任务.2, ,基于事件(Event-based)资源利用率最大化计划-模拟顺序计划: 一次一个工序或操作. 算法(Algorithmic)任务顺序计划: 一次一个定单或任务(Job at a Time). 算法顺序器选择一个定单,然后把每一个定单的每一个工序放在计划排程板.它重复这个过程,直到所有的定单,所有的工序已经加载. 满足约束的条件下第一次加载到可用时间间隔的每一个工序及特别的资源. 在一个Job at a Time 顺序器, 这些计划被计划板上的选择的定单控制.因此,计划的质量关键是用于加载的定单的规则. 案例一: 生产定单: MO-1 MO-2 MO-3 产品: A B C 工序 20 WC[R]2 20 WC[R]1 20 WC[R]2 4小时 2小时 4小时 工序 10 WC[R]1 10 WC[R]2 10 WC[R]1 3小时 5小时 3小时 第一次加载生产定单MO-1: WC[R]1 A MO-1 WC[R]2 A MO-1 开始日期 5小时 10小时 15小时
第二次加载生产定单MO-2: WC[R]1 A B MO-2 WC[R]2 A B MO-2 开始日期 5小时 10小时 15小时 第三次加载生产定单MO-3: WC[R]1 A C MO-3 B WC[R]2 A B C MO-3 开始日期 5小时 10小时 15小时 算法任务顺序计划包括: 向前顺序计划 用于定单的规则是可以按优先值排序的任务,且已分配的每一个任务.其它可能的排序条件是提前完成就提前下达.和最小化闲散时间.从数学的角度说并不是所有的规则都是优化的.每一个规则代表不同的策略和计划的重点.如,完成日期相关的规则集中于减少延迟定单的数量,而基于优先级的规则努力尽快完成最重要的. 在一些应用中,一个特定的工序能用于二个或多个资源.如, 一个钻孔工序也许用到二个钻床的任一个.在此案中, 算法顺序器的计划是首先决定任务的顺序,然后,由规则决定在加载过程中分配给特定工序用那一个资源. 向后顺序计划 虽然一个算法顺序器是由第一个工序开始和通过最后工序加载每一个定单任务向前计划.它也能用同样的顺序设计,相反的流程.在此案中,顺序器由最后的工序开始计划到它的完成日期.那么,它在最后工序开始时间继续由前一工序加载到完成.这个过程是连续的后排计划,直到第一个工序被加载.在这一点上,算法顺序器会选择新的定单任务加载和重复整个过程,
案例二: WC[R]1 C A B WC[R]2 C B A 完成日期 5小时 10小时 15小时 向后顺序计划的算法顺序器优势是总是产生一个不会延迟的计划,然而,计划的开始时间也许不可行,基本上,一个向前JOB-AT-A-TIME 顺序器固定了开始时间,决定结束时间,这也许会违反完成日期.然而, 一个向后JOB-AT-A-TIME顺序器固定结束时间,决定开始时间.虽然,理想的计划是没有延迟定单,这确实吸引人.但是后排计划需要一些特别的限制,甚至,在许多的情况下,会产生可行的方案.后排计划把所有的任务都放到计划板上,以至于它们当满足完成日期,尽可能的迟.这就意味着系统没有时间缓冲,由于任何中断出现(机器故障,物料延迟,等等)将会产生延迟定单任务.再加上,由于延迟使用能力.等待最后时刻开始每一个任务的因素,我们就可能放弃了一些机会来考虑需要增加的计划任务. 双向计划/瓶颈计划 我们选择任务顺序和计划工序的中的一个工序用向前计划此工序的前一个工序,用后排计划此工序的后一个工序.这对瓶颈工序或利用率高的资源是非常有用的.我们要把一个工序分配给瓶颈资源,然后加载此资源的上游和下游工序. 瓶颈算法顺序器的优势是可以最小化所有任务的周期,使得所有的计划的能力,节拍受到瓶颈计划的约束. 案例三: 后排计划 前排计划 工序1 工序2 工序3 工序4 工序5 工序6 瓶径工序 总之,算法顺序器是一简单和快速的把一套任务加载在计划板上的方法.计划完全是由规定任务的定单和资源之间的规则所决定的
模拟(Simulation)的顺序计划: 一次一个工序或操作 (Operation at a Time) 是一个模拟顺序器,它能产生算法顺序器所不能产生的许多计划.模拟顺序器选择和一次一个工序加载独立的工序而不是整个任务．它是一个出色的控制工序加载到计划板上的方法．用模拟顺序器产生计划主要是增加工序计划的灵活性． 案例四: 第一次加载第10工序: 产品A,B WC[R]1 A MO-1 WC[R]2 B MO-2 开始日期 5小时 10小时 15小时 第二次加载第10工序:产品C WC[R]1 A C MO-3 WC[R]2 B 开始日期 5小时 10小时 15小时 第三次加载第20工序:产品A WC[R]1 A C WC[R]2 B A MO-1 开始日期 5小时 10小时 15小时
第四次加载第20工序:产品B WC[R]1 A C B MO-2 WC[R]2 B A 开始日期 5小时 10小时 15小时 第五次加载第20工序:产品C WC[R]1 A C B WC[R]2 B A C MO-3 开始日期 5小时 10小时 15小时 从以上案例可以看出用模拟顺序方法生产周期明显缩短.它们的区别是算法顺序器是按定单任务加载,模拟顺序器是按独立工序加载而不是整个定单任务．模拟顺序器是一个出色的控制工序加载到计划板上的方法．用模拟顺序器产生计划主要是增加operation-at-a-time灵活性 总之,模拟顺序器是在单一时间,模拟产生计划，通过向前移动从一事件时间到下一个事件．模拟顺序器是在当前时间开始及加载所有现在所有能开始的工序．注意这些工序不是单一的任务．一旦所有工序被加载，就能在此时间开始．例如，在计划板一但资源改变为空闲,就加载第一个需完成的任何工序.因此，模拟顺序器企图在此新的事件时间上加载另外的工序,模拟顺序器持续这一方法．模拟顺序器只能采用向前排计划.它仅仅向前移动所有工序. 算法顺序器是连续地向后或向前移动,它为每一个定单任务加载所有工序.它在当前时间开始,为第一个定单任务向前加载所有工序.然后,回到当前时间为第二个定单任务再次向前移动加载所有工序.它用此方法持续地向前和向后移动,直到所有任务全部加载到计划板上.因此,算法顺序器是通过时间固定一个定单和任务.一旦定单上的所有工序被加载,就可以加载下一个定单任务.
APS的约束规则管理 APS的实施的关键是基于规则,约束自动的调配资源,优化计划,来达到你所需的计划目标.你的主要目标是一个满足所有任务规定的完成日期吗? 还是你重点是提高设备利用率,减少非生产时间(准备时间和设备维护时间).确定基本计划的目标是选择合适的规则的先决条件.一旦决定你的目标,你就可以选择规则来完成目标. 算法任务顺序计划选择规则(Job-at-a-time): 它是用于哪一任务的定单加载到计划板.它们大部分是简单的排序规则-基于一些任务的属性.以下是标准算法任务或订单选择规则的详细介绍: (1), 瓶颈: 基于次要任务选择规则的排列.向前和向后方法来计划所有未分配的任务定单.重点是瓶颈资源的工序的.双向模式只计划需要指明瓶颈资源的任务.能用任何可得到的规则计划剩余任务. (2), 完成日期: 基于最早完成日期. (3), 先到先服务: 按照先到定单,先安排生产 (4), 升序定单属性值: 按规定的定单升序的值排列.定单的属性可以是数值,字母. (5), 优先级: 按照最小数值优先.如果你用此规则,优先级字段必须在定单上定义. (6), 加工时间: 按照最小定单的加工时间优先 (7),下达日期: 按照最早开始日期优先 (8),相反优先级:按照最大数值优先.如果你用此规则,优先级字段必须在定单上定义 I,闲散时间: 按照最小闲散时间优先. 基于模拟的顺序计划选择规则(Operation-at-a-time): 实现模拟顺序计划的关键是二步导向的规则使用.有二个基本的规则:(1)工序选择规则OSR. (2), 资源选择规则RSR.以下是详细的模拟顺序器的工序选择规则和资源选择规则的决策逻辑分析与介绍: 针对不同产品和资源,必须选择不同的规则,在决定是使用工序选择规则或资源选择规则时,主要考虑的是什么是一个好的计划标准.?.一旦确定你的目标,你就可以选择工序和资源选择规则来完成目标.一般来说,先选择工序选择规则,然后选择合适的资源选择规则.在一些情况下,有关的资源选择规则被工序选择规则所决定. 工序选择规则( Operation Selection Rule) 在APS至少一个资源是空闲的和二个或多个工序能用于这个资源,采用OSR.此规则决定那一个工序被加载.这就是决定计划结果质量好坏的关键因素.独立的工序选择规则详细介绍如下: (1),最早完成日期:选择最早完成的工序(也许是定单完成日期) (2),最高优先级第一:选择最高优先级(最低值)的工序 (3),最低优先级第一: 选择最低优先级(最高值)的工序
(4),最高定单属性字段:选择最高(最大)定单属性字段的工序 (5),最低定单属性字段: 选择最低(最小)定单属性字段的工序 (6),动态最高定单属性字段:选择动态最高(最大)定单属性字段的工序 (7),动态最低定单属性字段: 选择动态最低(最小)定单属性字段的工序 (8), 排程文件的顺序:选择排程文件里出现先到先服务的工序 (9),关键率:选择最小关键率的工序. 关键率=剩余计划工作时间/(完成日期-当前时间) (10),实际关键率:选择最小实际关键率的工序 实际关键率=剩余实际工作时间/(完成日期-当前时间 (11),最少剩余工序(静态):选择最少剩余工序时间的工序 (12),最长等待时间:选择最长等待时间的工序 (13),最短等待时间: 选择最短等待时间的工序 (14),最大过程时间:选择最大过程时间的工序 (15),最小过程时间: 选择最小过程时间的工序 (16),最小工序闲散时间:选择最小工序闲散时间的工序. 定单任务的闲散时间=任务剩余完成时间-剩余工作时间 工序闲散时间=任务闲散时间/完成任务的剩余工序数 (17),最小定单闲散时间:选择最小定单任务的闲散时间的工序 (18),最小工作剩余:选择所有需要完成定单的最小剩余过程时间的工序. 资源选择规则 Resource Selection Rule RSR选择工序加载到资源组内的哪一资源. (1),最早结束时间:选择将要最先完成工序的资源 (2),最早开始时间: 选择将要最先开始工序的资源 (3),最迟结束时间: 选择将要最迟完成工序的资源 (4),与前工序一样: 选择被用于前一工序的资源 (5),非瓶颈最早开始时间:选择将要最早开始工序的非瓶颈资源 相关选择规则: 如果选择一工序选择规则,就自动的选择相应的资源选择规则. (1),系列顺序循环:选择同样或下一个最高(最低)系列值的工序.当没有最高值的工序,顺序将相反,选择最低的工序. (2),系列降顺序:选择同样或下一个最低系列值的工序 (3),系列升顺序: 选择同样或下一个最高系列值的工序 (4),最小准备系列: 选择最小准备时间及最近的系列值的工序. (5),最小准备时间: 选择最小准备或换装时间的工序 (6),定时区的系列顺序循环:选择同样或下一个最高(最低)系列值工序.且 只考虑在特定的时区里的定单完成日期里的工序. 当没有最高值的 工序,顺序将相反,选择最低的工序. (7),定时区的系列降顺序:选择同样或下一个最低系列值工序.且
只考虑在特定的时区里的定单完成日期里的工序. (8),定时区的系列升顺序: 选择同样或下一个最高系列值工序.且 只考虑在特定的时区里的定单完成日期里的工序. (9),定时区的最小准备系列: 选择最小准备时间及最近的系列值的工序. 且只考虑在特定的时区里的定单完成日期里的工序. (10),定时区的最小准备时间: 选择最小准备或换装时间的工序,且 只考虑在特定的时区里的定单完成日期里的工序. 工序选择规则的分析 标准的工序选择规则是已在APS定义好的.使用者可以简单选择其一规则.在APS里有二十多个标准规则.不同的规则对应不同的目标.这些规则可以进一步分成静态与动态的规则. 静态规则: 为所有在排队中的订单,所有等待的工序提供一简单的索引机制.这些规则在每一次预先模拟时间时不需要再次评估.用于工序选择规则的参数是固定的.例如规则是最早完成日期规则,完成日期在顺序排程中从未改变.在排队中的第一个工序被分配到一等待资源.因为规则总是选择第一个等待工序,此规则执行的非常快. 动态规则: 每一个在排队的工序被每一次调用的规则检查.因此,我们是基于当前的定单任务和系统的状态决定我们的选择.这个机制充分考虑了任何改变出现的时间和事件的结果.例如,最小工序空闲规则,因为工序的空闲值随时在改变.因为动态选择规则需要在每一次事先模拟以后检查在排队中的每一个工序,它比静态规则要慢一些. 为有助于分析规则,我们对规则进行分类.分成四个主要类别来对应四个不同的计划目标.它们是1,预先确定任务的参数. 2,最小化任务缓慢.3,最小化任务流程时间.4,最大化设备利用率.我们将讨论每一个核心目标和相应的工序及资源规则以支持这些目标.规则的分类目的是帮助你为达到你的核心目标而缩小你的规则的选择.对某一类的规则选择是基于你的计划问题.每一个类别的规则都混合一些静态和动态的规则. 预先确定定单任务的参数: 是基于预先定义定单任务的优先级来选择下一个工序或用户规定的属性字段(如成本).一般来说,每一个规则由特性的最高,最低的值被调用.这类包括最高优先级,最低优先级,最高定单特性字段,最低定单特性字段,动态最高定单特性字段,动态最低定单特性字段,计划档案定单,最长等待时间,最短等待时间,和最大过程时间. 最高优先级和最低优先级是分别用最高或最低优先级选择工序的静态规则. 最高定单特性字段,最低定单特性字段是和优先级规则相似的静态规则,除了基于用户定义属性的选择.例如. 最高定单特性字段规则用一个属性字段定义,如由成本的最高值来选择任务.因为这是一个静态规则,它假设当定单任务正在等待处理时成本是不变的. 动态最高定单特性字段,动态最低定单特性字段规则是动态的.虽然这些规则执行较慢,它们也适应当定单任务正在等待时属性字段可以改变的情况.
计划档案定单规则是一静态规则,是基于已进入数据库的定单来选择定单.这个规则和先到先服务规则相似. 最长等待时间,最短等待时间规则是一动态规则,它是基于定单任务被等待计划的时间来选择工序. 最大过程时间规则是用最大过程时间来选择工序.预先确定任务的参数规则一般用于定单任务的特性的情况.(如优先级或成本), 不考虑任务完成日期或设备利用率.因为这些规则忽略完成日期,它们典型更适应面向库存生产(MTS)环境,而不是面向定单生产环境(MTO). 最小化任务延缓: 在许多面向定单生产环境(MTO),计划目标是保证每一个定单任务按期完成. 最小化任务延缓的规则是建立一最小化延缓任务的计划.这类规则包括最早完成日期,最小化运行闲散时间,最小化定单闲散时间,关键率,和实际关键率.这些规则的最简单的是最早完成日期.这是一静态规则.虽然这个规则执行的非常快.这一类所有的规则是基于空闲时间计算的动态规则.空闲时间是完成日期和最早完成时间的差异. 最小定单闲散时间规则选择一个父项任务的工序,父项任务有最小的闲散时间.如它没被选择,这个定单任务大多可能是延迟的. 最小运行闲散时间规则是基于每一个工序的平均闲散时间(定单任务计算的闲散时间/剩余工序数量)而不是任务的剩余闲散时间.这个基于闲散时间的规则形成的基本想法是每一个剩余工序有一固有的风险, 根据它延迟的可能性,每一个工序的最小闲散时间的定单任务是最关键的.因此,如果我们在同样的闲散时间中选择定单任务,我们会选择最大剩余工序数量的定单任务,因次,根据每个工序最小闲散时间的规则来选择处理风险最大的定单任务. 基于闲散时间规则的最后的差异是关键率.这个规则选择父项任务有最大关键率的工序.关键率是剩余工作时间/(剩余工作时间+闲散时间).注意只要闲散时间是正的数,分母大于它,关键率就小于1.就此,任务还没有延迟.如果关键率大于1,闲散时间是负数,任务就不能按期完成.关键率规则与最小工序闲散时间规则相似.相同的是,它们都是用闲散时间来计算的.不同的是它的剩余工作已完成.它的基本的前提是剩余闲散时间本身在决定最关键定单任务时并不重要,即相关的剩余工作已完成.如我们有许多剩余工作,那么,我们需要较大的闲散时间来保证我们的定单任务不能延迟. 最小化任务过程时间:在一些环境,关键问题是计划设备的效率来最小化定单任务的平均时间. 在最小化任务过程时间规则里忽略任务完成日期而集中于减少定单任务的时间.这类规则包括最小化流程时间,最少剩余工序,最小工作剩余.这类规则是基于过程时间最短的概念,减少所有定单任务的平均任务过程时间. 案例一: 有二个定单任务A,B. 在单一的机器上加工处理.让我们假设任务A需要4小时,B需要量10小时.如我们加工A,B,任务A立即开始及4小时完成,产生4小时的过程时间.任务B开始等待4小时,加工10小时产生14小时.两个定单一共用了18小时,所以平均过程时间是9小时. 加工4 小时 A
等待4小时 加工10小时 B 如我们把加工顺序倒过来,B的过程时间是10,和A的过程时间是14, .两个定单一共用了24小时,所以平均过程时间是12小时. 加工10 小时 B 等待10小时 加工4小时 A 虽然,这是一个非常简单的例子.如果有许多机器和许多不同的定单任务的应用就较复杂.不管怎样,这类规则都是用同样的概念-最短处理任务的时间,仅仅不同的它是怎样决定最短任务.最小化处理时间规则是静态规则,用最短工序时间选择工序.最小化工作剩余规则是动态规则,它是基于父项任务的最小剩余工作选择工序.剩余工作是对所有任务的剩余工序的合计时间.最小化过程时间规则检查单一工序的加工时间,而最小化工作剩余规则检查所有的剩余工序的加工时间.最少剩余工序规则和最小剩余工作规则相似,除了这个规则是基于剩余工序数量而不是过程时间的合计. 最大设备能力: 在一些面向库存生产的环境(MTS)中,关键的问题是设备效率.即最大化整个设备的生产能力.在最大化设备能力规则里忽略任务的完成日期而集中于设备的能力效率来产生计划.这类规则包括最小准备时间,系列顺序升UP, 系列顺序降DOWN, 系列顺序周期,和用系列的最少准备.另外,每一规则都与时间相连.所有这类规则都集中于减少转变成本,最大化的设备能力.这个转变成本能在一顺序相关的准备时间中设置.我们正努力消除设备的任何没有必要的非生产时间. 如果我们为整个工序的排序, 在连续的工序之间,要考虑顺序相关的准备时间及转变成本,此时,我们就能用系列规则 案例二: 在混合油漆中,我们在定义好的顺序中一般要逐渐从淡色移动到深色 .如从深色移动到淡色时,就有整个清洗混合的油箱的准备时间即转变成本.在一些情况下,我们有事先规定好的顺序.例如,我们也许要处理颜色顺序A,B,C,,D,E的定单,这就称为系列顺序.如果我们刚要加工颜色A,我们会首先寻找有颜色A的其它定单.如没有,我们会寻找颜色B的定单,依此顺序,等等.系列规则提供这个能力.这些规则允许我们规定一个系列值.(如油漆颜色,温度,等等).每一个定单/工序及动态建立系列,或自动的增加,减少,或使系列值上下循环. 在增加系列的情况下,系列升顺序规则选择一系列值并大于或等于被选择工序的系列值的工序.如,如果我们建立一零件尺寸的增加系列值,规则选择同样或下一个最大尺寸的工序.如等待工序没有同样或大的值,规则就开始一个新的系列顺序. 系列降顺序规则也是类似的.
案例三: 生产化工纤维材料时,根据产品的型号和厚度对品种进行分类, 对品种的最优排产, 如取最小值= { 3m/, 6m/,….}来决定在哪个订单的加工顺序及哪个资源最经济. 系列顺序循环规则在增加顺序和减少顺序前后交替.如系列增加,它将继续增加,直到没有一样或较大的系列值定单剩余的定单.当这种情况出现,规则会转为减少系列值并开始选择有一样或较小系列值的定单.当所有这样的定单耗尽,它就回到增加系列的策略.这个规则以此方式继续,在增加和减少系列值之间重复循环. 案例四: 在热处理时,温度是间隔的增加到最高,然后降低. 最小准备系列规则结合最小准备时间规则和系列顺序循环规则.最小准备时间和最靠近的系列值的工序被选择. 定时的规则仅仅考虑任务完成日期正好落入规定的时区的工序.时区必须定义在数据库里.如,你要跟踪颜色的系列,但是,你仅想考虑在下一周的完成的定单任务.这个规则既要最小化颜色的改变.又要不能延迟定单任务. 资源选择规则分析 虽然工序选择规则在决定生产计划方面起着重要作用.资源选择规则在加工处理中也能起重要作用.尤其在最小准备时间和系列工序选择规则上,资源选择规则是由工序选择规则自动决定的.(如选择最小准备时间工序规则,最小准备时间资源选择规则被自动选择).然而,在选择所有的剩余工序选择规则时,你必须在资源选择规则中选择其一. 最早结束时间是缺省的资源选择规则.它选择将完成的第一个的工序.基本策略是尽快完成工序.因此,此规则与工序选择规则的最小化过程时间相似. 最早开始时间规则选择将开始第一个工序的资源.这些规则集中减少资源闲散时间. 最迟结束时间规则选择将选择最后完成工序的资源.如果资源不包括在有效资源组,缺省最早结束时间规则. 非瓶颈的最早结束时间规则将首先完成工序的非瓶颈资源.非瓶颈最早开始时间规则将首先开始工序的非瓶颈资源. 在ERP的世界里实施制造企业的高级计划APS 在ERP系统上如何实现APS 实施生产计划与控制系统APS是相当复杂的.首先要有良好的计划: 1,软件计划.2, 硬件计划.3,实施测试计划.4,培训计划.5,转换计划.要有良好的MRP与APS的理论知识,改变现状的决心及数据的准确性.
APS的主要功能是基于资源,工艺流程,物料约束,进行生产计划排程.要与ERP软件进行集成.对ERP里的生产订单和任务,及相应的生产活动,进行优化排程,产生生产订单和派工单,然后,导回到ERP系统里. 战略计划 销售 预测 工厂之间的SCM计划 工程设计 财务 物料清单 资源清单 APS工艺流程 MRP APS 跟踪,更新 成本 采购计划 长期生产计划 生产排程 ERP与APS集成示意图(来源于FCS 作者Gerhard Plenert, Bill Kirchmier) 资源和工艺路径信息 按照APS逻辑对每一个物料定义工艺信息,在物料组文件里,明确定义资源组和特别的资源如机器. 明确定义每一个工序的人工资源和班组的大小.工序号必须和资源子项一致,并且和物料联系在一起.外加工工序也要设置.次要资源也需要定义.考虑替换资源.准备时间.要设置准备时间距阵.在ERP里的虚项下面的资源子项需要重新设置工艺流程和工序号. 订单与排程信息 APS计划提供几种方法处理生产订单和计划信息.如: 计算订单开始与结束时间: 可以根据批量,负荷,物料约束和计划规则自动计算开始日期和结束日期.这就取代了静态提前期为动态提前期. 机器分配: 对特别的机器要分配给一个工序,按机器的实际运行时间自动更新订单相关的工艺流程ODR(Order-depend Routing). 车间文档: 车间文档能包括更详细的工艺信息.如次要资源和班组大小. 派工单:
计划到小时和分钟. 自动订单下达: 生产定单能基于计划员定义的参数自动下达. 自动平衡主生产计划的负荷: 主生产计划能被自动确认,平衡生产活动的负荷. 订单任务状态 APS逻辑提供几种方法决定未完成的工序和订单的剩余工作.这就意味着管理实际生产活动的方法会改变. 在实施APS之前,要按APS的逻辑进行数据准备: 资源: 资源是反映发生在工序上的生产能力.资源也许是单一的机器,一组机器或一组操作者.工作中心(Work Center) 通常定义为可互换的资源.其单位可以是HR-小时,MN-分钟,SC-秒, DY-天. 资源类型: 在ERP的物料主文件里需要补充定义资源类型: 它们分为N-单一资源,I-无限资源, C-并发资源, G-资源组, P-共享资源. A-可调整共享资源, S-准备资源资源的成本数据也必须在ERP里管理. 定义资源组: 把相似的机器定义资源组,在ERP的物料主文件里定义成组技术代码.然后,把每一个资源分配到资源组里.注意任何一个资源都可以分配给不同的资源组. 资源轮班的型式: 一旦资源转入APS系统,普通资源,无限资源,并发资源就要分配为不同的轮班形式.对并发资源可以定义容量,如重量,体积,长度.对共享和可调整的共享资源的定义它的可用时间和人数.如第一班和第二班也许人数不同..它们也可定义能力,对资源定义最大的订单数.APS可以根据班组大小,最大的能力来计划多批订单. 资源清单: 序号:定义为工序号, 对所有资源子项定义为同一工序号:如运行时间,准备时间,主要资源和次要资源子项,替换资源子项. 如是物料约束的物料子项也要同样工序号. 子项: 资源子项物料: 1, 准备资源子项:通常是按订单的数量类型.在APS里可以设置准备工时矩阵. 2, 次要资源子项. 必须明确定义主要/次要标识. 3, 替换资源子项. (仅对标准工艺).必须标识替换资源子项,也避免 MRP与成本滚加. 子项类型: APS只考虑制造物料和物料约束(购买和外加工) .在ERP的物料主文件里 定义是约束物料,包括虚项里的资源和物料.
生效/失效日期: 对替换资源设置为将来的生效日期,可避免MRP和成本滚加.导入 APS后,不会考虑替换工序的生效日期.把标准工序导入APS,,如工艺动 态变更,用订单相关的工艺ODR实时导入APS. 子项明细:设置主要资源/次要资源/替换资源.. 主要资源: P 次要资源:S.后缀一位数是工序顺序号P1-P5,S1-S5.如是平行工序 用”0”. 替换资源: Null :无替换资源.A,A0最高优先级,A1-5反映优先级顺序.当计划完成 日期/时间或定单将超过延迟小时,APS将用替换工序.那么,延迟小时 是设置替换工序偏置.可以定义使用替换工序号的规则.Ax 意味APS 可以考虑根据订单是否迟或早来采用替换工序. 物料成本与价格: APS计划逻辑能基于可赢利,成本,价格来计划订单.在工艺明细设 置价值策略. 物料约束: Take from stock kit : 定义在一工序需要的配套子项. Put to stock kit:定义 从工序的产生的父项.APS根据产品结构的相关性来分配物料的约束. 在实施APS时的处理方法: 资源组的处理: 首先,把一个资源硬分配给一工序,然后,定义一资源组包括一系列资源, APS就能自动的根据规则计划资源组内的资源上的工序.在一资源组内,也可以把资源软分配给工序.就可以手工把工序移动给另外资源.可以定义一优先资源,APS首先自动计划优先资源上的工序.对于不同能力的机器可以分成不同的组.如处理LG(大),MD(中),SM(小)等等.对不同技能的人(班组)分成不同组.如处理:ME(机械班),EE(电器班), QC(质控组)等等. 轮班形式的处理: 正常资源的轮班形式: 1, 定义可用: 一资源或是100%可用(上班)或是0%(下班). 如: 上班: 一班,二班,三班. 白班和夜班.加班. 下班: 机器故障. 预防性维护.公司休假. 给每一种形式一个有意的颜色.就可以容易识别出轮班的状态. 2,定义每一独立的24小时的工作小时. 如单班工序. 7天/每周 3,定义一相关白班的轮班天数的重复轮班.如7天/周 可以分配一周的白班(从星期天到星期六).你必须定义开始日期.定义有意义的轮班:标准5天/周. 夏季5天/周. 标准5天/周-星期四加班. 4,把轮班形式分配给每一个资源.在定义资源的效率,计算加工时间.
5, 为同步资源定义能力.如一次例外.如加班.全局例外:如国庆假.时间段的例外:如夏季轮班形式. 定义资源的替换轮班. 对共享资源的轮班形式: 1,不仅要规定可用期间,还要规定人数(班组大小).如,大的班组用于高峰季节.小的班组用 于加班.等等. 2, 定义每一独立的24小时的工作小时和班组大小. 如二班工序. 7天/每周 3, 定义一相关白班的轮班天数的重复轮班.如7天/周.可以分配一周的白班(从星期天到星期六).你必须定义开始日期.定义有意义的轮班:标准5天/周. 10人/组, 标准5天/周-10白班和7个夜班. 4,把轮班形式分配给每一个共享资源.可以用效率分配给资源,计算加工时间. 5, 为共享资源定义能力.能力反映最大的订单数并能同时作计划.一次例外.如在期间班组里有人生病,休假或有临时人员.全局例外:国庆假.时间段的例外:如高峰期间.用到大的班组.轮班形式. 定义资源的替换轮班 主要资源和次要资源的处理: APS假设主要资源是主要计算的资源的加工时间.所以也需要设置分配次要资源的加工时间. 对共享资源的次要资源需要特别的考虑: 班组人数: 对主要资源定义工序加工时间,计算主要资源班组大小和次要资源班组大小的加工时间之间的比率.如:共享次要资源的加工时间是小时.主要资源的加工时间是小时.其比率为3.这就意味着一个班组的3个人需要在一工序上.如果有一班组即另外的共享次要资源的加工时间是,那么比例是 但是作为重要资源的人工,我们可以把人工作为主要资源,定义成单独的人工作为无限资源类型.这是为了规定工序加工时间. 共享次要资源的加工时间能决定班组大小人数.(基于加工时间的比率). 共享资源的处理 一般来说,共享资源是定义为人工.共享资源意味着在连续期间内完成工作不能包括下班期间.在工序期间,如有可用的,规定的人数.才能作计划.工序在下班之前,必须完成.共享资源的轮班形式需规定可用人数.就是说,每一个工序必须在下班之前完成. 可调整的共享资源的处理 可调整的共享资源可以处理变化的人数和跨越不连续的期间(跨越下班期间),在工序开始期间规定人数.但是,也可以在开始是人数较少.以后通过人数调整加工时间. 无限资源的处理 它是没有能力的限制,它一般用于外加工.对外加工的供应商假设没有能力约束,它的单位是用天.它也可用于内部的工序.如QA假设没有能力约束等等.
也可用于工序加工的节奏.为了定义加工时间和所需计算的人数.你也可把工时定义为主要资源,当做无限资源进行处理. 并发资源的处理: 能同时处理多重工序.如烤箱或切割机.APS把一订单的并行资源和相匹配属性的工序计算一个最长的加工时间. 有两种类型的并行资源:1,依赖订单数量.2,不依赖订单数量. 1, 如烘箱: 它是依赖订单数量的. 烘箱能装入很多重量一样的物料类型和需温度一样物料的订单,这主要取决于自定义的烤箱的容量(重量或体积).订单的容量需求取决于订单的数量. 2, 如切割机.它的能力需求不依赖订单数量.切割机能装入很多重量一样的物料类型的订单,这取决于自定义的切割机的能力(宽度).订单的能力(宽度)是固定的.不取决于订单的数量.切割机的加工时间直接的受到订单数量的影响变化. 当相同机器属性组的订单,有可能它们的加工时间不一样.APS取最长的加工时间. 在同样的时间,把轮班形式和并发资源的能力分配给资源.注意定义的能力单位必须和每一个工序的匹配能力需求一致.就可以对每一个并行资源设计模拟规则(时间偏置).APS逻辑是在偏置的天数之内计划一组的订单的完工期. 在ERP的工序明细屏幕上,有两类关键信息. 1,机器属性: 对工序定义并发资源的属性. APS在偏置的天数之内,计划一组属性一样的订单的完工期, 2,机器能力:对工序定义并发资源的运行能力.当把相同属性的订单成一组,APS计划逻辑是在工序增加相同属性的数量,这是为了装载资源到它的能力.用户必须记住规定每一个工序的匹配能力需求和资源能力的计量单位要是一致的. 平行工序的处理: APS在工序顺序号加上后缀号反映平行工序.如: 和就是平行工序. 图: 20 30 20 平行工序必须定义为主要资源,可以有多个可选次要资源和多个替换资源. 重叠工序的处理: APS是基于工序号来计划顺序的.虽然有重叠工序偏置的工序允许后继工序提前开始. 重叠工序偏置可以定义为时间,数量.
时间: 后继工序可以在消耗时间后开始.时间可以表示小时HR,天DY,分钟MN.或秒SC. 数量: 后继工序可以在完成规定的数量后开始.把多重工序的每件运行时间乘上单位数量转成消耗时间. 替换工序的处理: 资源组:一个资源组允许你按照不同的资源建立替换工序(如不同的机器).按照资源组定义工艺流程.APS自动计划在一资源组里的可用资源.你可以对一个工序定义在资源组里的优选资源.在资源组里,APS可以计划分配订单给优选资源,然后,也可以手工移动工序到另外的资源.对一工序的被动态分配的资源上载到ERP的ODB订单的BOR资源清单上,反映.实际工艺流程.对一个资源组的加工时间是反映平均加工时间.当平均加工时间不能有效的反映生产活动时,你可以用效率因子,为每一资源规定机器特别的运行效率.或着用资源运行时间矩阵或事先定义替换工序来处理不同的运行率. 依赖订单的工艺流程(ODR) 在一生产订单已经下达,你可以修正ODR来按照不同的资源或资源组定义的替换工序.在标准工序里事先定义替换工序的标志.替换工序的资源子项可以有不同的使用率.它可以拥有准备和次要资源子项.但它必须有同样的工序号,作为原始替换资源子项.它的有效日期必须在将来.MRP和成本滚加不考虑替换子项.一个工序可以有多个替换子项.APS考虑按优先序号使用替换工序,有两种方法: 1, 当订单延迟时,使用替换资源,当订单的计划完成日期超过替换工序偏置时间”延迟小时数) 2, 不考虑订单延迟,使用替换资源.APS不考虑订单将迟或早. 工序内的外加工的处理: 在ERP里要用两个不同的子项定义外加工: 1,供应商资源子项.为计划目的. 2,采购物料子项.为成本/采购目的. 供应商资源子项: 在ERP的物料主文件定义一无限资源,用运行时间记录,规定计量单位为天或小时,规定一最适合的外加工的时间,再定义物料成本为0.在APS里,分配一合适的轮班形式给供应商资源., 在ERP的单层BOM里定义供应商资源子项,在单层BOM,其量类为每订单数量.反映消耗的天数或小时,并确定外加工工序的顺序号. 采购物料子项 在ERP的物料主文件里定义一采购物料.结合外加工工序和父项物料.规定计量单位,反映成本和外加工的采购属性.在APS一般不定义这些物料的约束.建立BOM,反映材料成本和采购需求.用与供应商资源子项同样的工序号. 拆分生产订单工序的处理:
APS允许你手工拆分一订单的工序.为了工序能在多个资源上运行..拆分订单的工序结果是在两个工序上的数量的合计是一个订单的总数.一个定单的工序可以被拆分为多个.每一个拆分的订单继承原订单工序的工序属性和准备时间,并且每一个拆分的工序都有一个被分配的资源.APS可以把资源分配到一个拆分工序及时上载到ERP里ODR依赖订单的工艺流程. 准备时间与准备时间矩阵的处理 对工序的定义准备时间有几种方法: 1,资源子项的准备时间 2,工序有关的准备时间矩阵. 3, 资源有关的准备时间矩阵 资源子项的准备时间: 如果你只定义工序准备时间,就可以用准备资源子项和设置准备时间矩阵. 1,同时准备时间标志:NO. APS计划增加准备时间.此时间是由多个时间来计算一工序的准备时间.用这个方法,在矩阵的准备时间应该表达为+/-. 2, 同时准备时间标志:Yes. APS用准备时间的最高值.此时间是由多个时间来计算一工序的准备时间.用这个方法,在矩阵的准备时间应该表达为绝对值 物料约束的处理: 1,定义约束物料: 从库存取出约束(Take from stock kit) : 定义在一工序需要的子项. 放入库存约束(Put to stock kit):定义从工序的父项结果.APS根据产品结构的相关性来分配物料的约束 2,查询约束可以按物料编码报告物料约束.也可以按订单号报告物料约束. 3,工具约束:工具子项反映关键工具作为资源,也可以作为约束物料,如你可以定义工具产生约束,如工具维修,故障. 瓶颈资源的处理: 对资源定义为瓶颈,APS逻辑提供双向顺序计划. 1,在瓶颈资源的计划工序执行.APS向前计划下一工序和向后计划在前的工序. 2,计划内的订单:在瓶颈资源里没有工序的订单将不计划.剩余未分配的订单可以用任何订单规则来计划. 同时可以设定资源为永久瓶颈,临时瓶颈.你可以检查能力利用率,决定是否设定瓶颈. 工艺流程同步的处理 因为APS与ERP是两个数据库,这就需要在这两个数据库进行同步数据处理.主要同步的数据主要集中在依赖订单的工艺流程(ODR),由工艺流程同步处理器实时处理从ERP下载数据到APS,再从APS优化的数据上传到ERP. 计划订单同步的处理
下载处理器自动处理删除APS里的计划订单,避免在APS里有重复的订单.也可以自动改变或下达ERP的计划订单状态. 主计划同步的处理 APS也可以处理长期的计划.如果你想用APS逻辑来处理主生产计划MPS,那么,就把MPS的数据和一些相关的数据如标准工艺流程及资源,库存,采购接收等定义约束物料下载到APS系统,在APS里确定计划展望期(应大于ERP的计划展望期),进行有限资源排程,平衡过的MPS上传到ERP的MPS.在运行MRP产生采购计划,以满足主生产计划.在APS里反映的约束物料,就是需要加快的物料. 现在,我们拥有两套计划系统MRP和APS.谁先运行比较好?显然,应该先运行APS,快速解决ATP计划可用量,CTP能力可用量的问题,立即产生优化的,可信的计划.然后,上传到ERP,计算采购计划,进行业务处理. 简单总结为以下几点: 1, 作为仿真输入内容的普通数据: (1)已发放、确认和计划的订单.(2),库存、采购订单和销售订单.(3),行程安排和原料清单 2,优化的计划和日程进度: (1)订单的启始和结束日期.(2),操作的启始和结束日期.(3),实际的计划资源 (机器设备) 3,灵活的资源组: (1),在单独的资源水平上编制计划.(2) 用于营运的替代资源.(3) 资源能够成为多于1个工作中心的部分 资源组X资源组Y 资源1 资源2 资源3 4,排序 (l), 在某一指定水平上以每一资源为基础 (2),将类似订单归入同组，减少总的调整时间(3) 优化排序，减少工艺改变次数 S S S S S ABCBA
S S S AABBC S SS BBAAC 注:S是换装调试时间. A,B,C是不同的订单 5,订单优先排序 (l), 在末端对象和网络水平(2)对于订单组或者单独的客户订单(3)为完成JIT（即时交货）决定营运操作的优先次序 最迟开始日期 成交日期 订单A 订单B 6, 动态网络技术 (l), 链接供应和需求订单.(2)为需求订单对组成成分指定用途.(3), 订单能够同多于一个客户订单相链接 7,多资源: (l),为营运操作平行分配资源.(2), 定义主要与次要的营运操作.(3), 许多的操作考虑到相对于主要操作的次要操作的开始/结束, 机器设备 操作人员 设置人员 工具8,同步化: (1), 将原料和产量与需求同步(2), 将原料链接和指定用途给某一营运操作(3),首先原料需求, 首先供应 9,可无限追溯:
(1) 始终可设定生产能力, 但并不影响操作时间长短(2),对每一订单都可进行计划, 就如同仅此一个订单一样(3),提供理想的产量要求 最迟 应交 开始 日期 流 程 10,可有限前推: (1) 按最早的开始与交货进行紧密的进度安排(2), 不影响有限的生产能力和其它订单(3), 识别出工作瓶颈 (动态计算出排队时间) 最早 应交 完成 日期 流 程 时间缓冲 11,具有截止的有限前推， JIT（即时交货）: (1), 截止到工作瓶颈 ，对 JIT（即时交货） 生产.(2),截止到应交日期， 对 JIT（即时交货） 交货(3),不影响有限的生产能力和所有其它订单
应交 日期 流程 时间缓冲 图示说明: 工作中心 已计划的 已事先计划的 截止前的 营运操作 营运操作 营运操作 现列出美国IPPSA(国际生产计划排程协会):提出的面对中小型公司的APS最基本的功能: 1,对所有工作中心的任务或订单的计算需精确到分钟. 2, 对所有的任务或订单动态计算排队时间. 3, 可以对订单或任务自定义优先级 流4, 支持对顺序任务的移动时间关系的定义:如顺序,并行,重叠和多重资源约束. 程5, 管理和协调子装配线到更高一级装配线的订单或任务. 6, 支持拆分任务或任务为多批任务或订单. 7, 支持最小化准备时间包括部分准备情形. 8, 支持对工作中心设置可变轮班形式. 9, 支持对生产订单优选工作中心. 10, 在订单或任务级的工期的控制. 通俗的讲APS要考虑制造工厂的四类制造模型:1是流程式模型,APS主要是顺序优化问题.2是离散式模型,APS主要是解决多工序,多资源的优化调度问题.3,流程和离散的混合模型. APS同时解决顺序和调度的优化问题.4,项目管理模型,APS主要解决关键路径和成本时间最小化问题. APS的主要着眼点是工序逻辑约束和资源能力约束,物料和工序流程紧密联结.各种优化规则.计算最早可能开始时间和最迟可能开始时间.物料可重分配和可替代,资源可重分配和可替代.计划排程考虑柔性(缓冲),考虑成本约束,考虑非确定流程和统计概率论.考虑多种优化方案的比较分析.
第七章 基于约束理论TOC的APS系统 约束理论TOC(Theory of Constraints)介绍 TOC最早起源于高德拉特（Eli Goldratt）博士写的畅销小说《目标》.约在1980年，高德拉特指出制造企业在制定作业计划、控制资源和库存等方面做得不好,为了解决这些问题，高德拉特和他的助手在创新产出（Creative Output）公司开发了一个软件，该软件能对整个制造过程的作业编制计划，并且考虑了设备、机器、人员、工具、原材料以及其他一切影响工厂作业计划能力的约束条件。 上述软件采用的技术就是最优生产技术（Optimized Production technology, OPT）。用该技术制定的作业计划可行而准确，而且在计算机上用MRP系统能很快地运行。因为最优生产技术的作业计划是建立在严格区分瓶颈作业与非瓶颈作业的基础上，为了帮助理解OPT的作业计划的制定原理，高德拉特博士提出了九条作业计划制定原则。在约100家公司安装了他的软件之后，高德拉特继续深化了最优生产技术的内容，而不是急于对软件进行升级。当然，该软件也在不断的发展之中，并由软件技术有限公司（Software Technology Limited）负责销售（）。 为了扩大自己的研究范围，高德拉特博士进一步提出了他的“约束理论”（Theory of Constraints, TOC）。该理论作为一种解决问题的方法而流行，并在商业领域得到广泛应用。他创办的高德拉特研究所开设了改善生产、销售和项目管理的课程，贯穿所有课程的线索就是高德拉特博士的TOC。 高德拉特的九条生产作业计划制定原则如下: 1. 不要平衡生产能力，而要平衡物流。 2. 非瓶颈资源的利用水平不是由自身潜力所决定，而是由系统中的约束来决定。 3. 资源的利用与活力不是一码事。 4. 瓶颈损失1小时相当于整个系统损失就会1小时。 5. 非瓶颈上节约1小时无实际意义。 6. 瓶颈制约了系统的产销率和库存。 7. 转运批量可以不等于，而且在大多数情况下不应该等于加工批量。 8. 加工批量不是固定的，应该随时间而变化。 9. 优先权只能根据系统的约束来设定，提前期是作业计划的结果。 高德拉特的约束理论（TOC）步骤如下: 1. 识别系统约束。（发现系统约束或是最薄弱环节时才能对系统进行改善。） 2. 想方设法开发利用系统的约束。（使约束尽可能高效运行。）
3. 使其他一切事情服从以上决定。（使系统的其余部分支持系统的运行，即使会牺牲非瓶颈资源的利用效率，也要这样做。） 4. 打破系统约束。（如果产出能力还不足，则要获得更多的资源来解除约束。） 5. 能过以上步骤，如果约束被打破或解除，则回到步骤1，不要让惯性成为系统约束。（约束解除之后，回到步骤1开始下一循环。识别约束，打破约束，然后识别新的约束是一个周而复始的改进过程。） 公司的目标 虽然很多人不赞成高德拉特关于公司目标的观点，但是他的观点浅显易懂。他认为公司的目标就是赚钱。高德拉特解释说，尽管一个组织有许多作用与目的：提供就业机会，加工原材料，增加销售额，增加市场的份额 ，发展技术，生产质量卓越的产品。但是，这些并不能保证公司能长期生存。它们只是实现公司目标的手段与方法，而不是目标本身。公司赚钱了,也只有在这个时候,公司才会繁荣。公司有钱的时候，才会增强对其他目标的注意。 绩效评价 评价公司的绩效有两个体系：一个是财务评价体系，另一个是运作评价体系。 (1),财务评价 通常用以下三个指标来评价公司的赚钱能力： 1）净利润（Net Profit,NP）－公司赚钱多少的绝对量。 2）投资收益率（Return on investment,ROI）－对投资效果的相对评价。 3）现金流量（Cash Flow,CF）－对企业生存状况的评价。 以上三个指标必须一同使用。例如，净利润1000万美元是一个重要指标，但是我们在弄清楚多少投资盈利1000万美元之前还不知道该指标的真正含义。如果投资是1亿美元，说明投资收益率为10％。现金流量之所以重要是因为日常经营中付款是必然的，一个公司如果没有现金，即使会计收益很好也会破产。一个公司即使有很高的利润和很高的投资收益率，也可能出现现金短缺。例如，当利润用在新设备的投资上，或者积压在库存上。 (2),运作评价 财务评价适宜对企业经营进行综合评价，但不适宜用在动作层次上。因次，我们还需要另外一套进行动作评价的指标，它们是： 1）产销率（through put, T）－企业通过销售获取资金的速率。 2）库存（inventory, I）－企业以销售为目的采购各种物资所占用的资金。 3）动作费用（Operating expenses,OE）－企业将库存转化为产销率的一切费用。 产销率可以明确定义为售出产品，产成品库存不是产销率，而是库存。产销售必须实际发生销售，这样定义才能防止企业在产品可能销售不出去的错觉中持续生产。在错觉中持续生产只能增加成本，壮大库存，耗费现金。企业库存（不论是在制品还是产成品）只以其所包含的原材料成本来估价，劳动成本和机器工时应该忽略。（在传统会计中，资金耗费就视为附加值增加。） 仅用原材料成本来估价是一种保守的观点，关于这一问题众说纷纭。当采用附加值法时（该方法包括一切生产成本），因为夸大了库存，所以会在资产负债表上出现严重的问
题。例如，要处理这时的或者为已终止的合同准备的在制品或产成品库存的问题。把超量库存作报废处理是一个困难的决策问题，因为帐簿上都将其作为资产记录，尽管它实际上一钱不值。采用原材料成本来对库存估价还可以避免直接成本与间接成本的区分。 运作费用包括生产成本（例如直接人工成本，间接人工成本，存储成本，设备折旧和其他物料与供应成本）和管理费用。动作费用与传统费用划分的主要区别是没有必要区分直接和间接人工成本。 生产率 生产率是根据单位工时的产出量来衡量的，但是这个指标不能确保公司能赚钱（例如，高效地生产卖不出去的产品，最后只能作为库存而积压）。在判别生产率是否提高的时候，我们还要考虑以下问题：该行为是否提高了产销率？是否降低了库存？是否减少了动作费用？这将有助于我们得出生产率的新定义：生产率是公司向其目标进军的一切行为。 生产能力不平衡 过去，制造商都竭尽全力平衡各工序的生产能力，并试图使生产能力与市场需求相匹配。但是这种做法是错误的，因为生产能力不平衡（unbalanced capacity）实际上更好。小说<<目标>>所讲的有关艾勒克斯－罗格远足的故事就是一个生产力不平衡的例子。远足团的一些小孩走得很快，可是哈比走得很慢，如何有效地利用这种差异是对我们的挑战。 考虑一条由几个工作站组成的简单的加工生产线。该生产线的产出率一经设定，生产人员就要想方设法使各工作站的生产能力一致。要达到这个目的。就要调整使用的机器设备、工作量、上岗工人的技能与类型、使用的工具以及加班时间等。 然而，从同步制造的观点来看，平衡各工序的生产能力是一个糟糕的主意。因为这样一种平衡只有在各工作站的加工时间为常数或波动很小的情况下才有可能实现。当上游工作站的加工时间延长时，下游工作站就会出现空闲时间；相反，当上游工作站加工时间变短时，工作站之间就会产生库存，而且这种波动产生的影响还会累积。消除波动影响的唯一办法是增加在制品数量（这不是一个好的选择，因为我们应该千方百计减少在制品），或者是增加下游工序的生产能力来补偿上游工序加工时间的拖延。这样来看，工序之间的生产能力就不应该平衡到同一水平，进一步说，努力的方向应该是平衡系统中的物流。当物流被平衡之后，生产能力是平衡的。 瓶颈与次瓶颈资源 瓶颈是指实际生产能力小于生产负荷的一切资源，它是系统内部制约产销率的约束因素，是制造过程中流量最小的地方。瓶颈可能是一台机器，也可能是缺乏高技能的工人，或者是缺乏专业化工具。实践表明大部分工厂只有为数极少的瓶颈作业。 如果没有瓶颈，则存在剩余生产能力，这时应该改变系统暴露出系统瓶颈（例如可以增加生产准备作业或减少生产能力）。生产能力定义为可利用的生产时间，它排除了维修时间和其他间歇时间。 非瓶颈是指实际生产能力大于生产负荷的一切资源。因此，非瓶颈资源不应该连续不断地工作，因为它的生产能力超过需求量。总之，非瓶颈包含空闲时间。
次瓶颈资源（Capacity-constrained resource, CCR）是指利用率已接近实际生产能力，并且如果作业计划制定得不太好就可能成为瓶颈的资源。例如，一般作业车间的CCR可能接受好几个地方的工作任务，如果这些工作任务没有安排好，就会使工作任务之间的间隙时间超过CCR的空闲时间，从而使CCR成为瓶颈。在加工批量发生变化，或者某个上游作业由于某种原因不能进行，并且没有足够的任务供给CCR时，就会出现这种情况。 时间构成 生产周期由下列时间构成： 1）生产准备时间－零件在加工之前等待机器安装调整的时间。 2）加工时间－零件加工时间。 3）排队时间－零件等待机器加工完别的零件的时间。 4）等待时间－零件待待别的零件以便共同装配所用的时间。 5）空闲时间－没有利用的时间，也就是生产周期减去生产准备时间、加工时间、排队时间和等待时间之后剩余的时间。 对于等待通过瓶颈资源的零件来说，排队时间最长。正如本章后面将要讨论的那样，排队时间最长是因为瓶颈资源前面有大量的工作要做（以便确保瓶颈资源连续工作）。对于非瓶颈资源而言，等待时间很长，零件需要耐心地等待其他零件的到来以便进行装配。 作业计划人员经常被怂恿减少生产准备时间。假设通过把生产批量增加一倍来减少一半的生产准备时间，那么批量增加一倍以后，其他所有的时间（加工时间、排队时间和等待时间）也增加一倍。因为加工时间、排队时间和等待时间增加一倍而生产准备时间只减少一半，其结果是在制品几乎增加一倍，库存投资也增加一倍。 寻找瓶颈 有两种方法可以用来寻找系统听的瓶颈。一种方法是列工序负荷比较表；另一种方法是运用有关工厂的专门知识，考察系统的运行，并与管理人员和工人交谈。 节省时间 瓶颈资源是实际生产能力小于生产负荷的一切资源。因为瓶颈资源生产能力小于市场需求，所以瓶颈限制了产销率（销售额）。我们有很多办法（如使用更好的工具、更优秀的工人、加大生产批量、减少生产准备时间等）来节省在瓶颈上的加工时间。节省的时间的价值有多大呢？非常宝贵！ 瓶颈资源节约1小时相当于整个生产系统生产时间增加了1小时。 在非瓶颈资源上节约的时间是否有意义呢？ 非瓶颈资源节约1小时没有意义，只是使空闲时间增加了1小时。 因为非瓶颈资源有超出系统现有产销率的生产能力，所以它已经包含空闲时间。对其采取节省时间的任何措施都不能增加系统的产销率，只能增加其空闲时间。 避免非瓶颈转化为瓶颈
加大非瓶颈资源的生产批量时，可能会使非瓶颈资源转化为瓶颈。 质量的重要性 MRP系统允许出现不合格品，因为它可以建立比实际需求的更大的生产批量。JIT系统不允许产生不合格品，因为JIT成功的基础是建立在能力的平衡上。一个有缺陷的零件或元件能引起JIT系统的全面停工，因此会使整个系统的产销率受损。同步制造除了瓶颈之外，整个系统都有剩余的生产能力。如果瓶颈的上游作业生产了一个不合格品，损失的只是材料本身，因为生产能力有剩余，所以有时间加工另外一个零件来替代废弃的零件。然而，对于瓶颈而言，没有过剩的时间，因此，对于送给瓶颈加工的零件，要进行质量控制，确保瓶颈只对合格品进行加工。另外，还要保证流经瓶颈下游的产品不被废弃，否则就会使系统产销率受损。 批量大小 对于一条装配生产线来说，其批量到底为多大呢？有人说是“1”，因为每次只移动1件产品；也有人说是无穷大，因为生产线连续不断地生产同种产品。这两种观点都正确，但是着眼点不同。认为装配线的批量为1的观点着眼于零部件一次传送1个；第二种观点则着眼于加工过程。从资源的观点来看，加工批量是无穷大的，因为这些资源总是不断地加工同种产品。这样，对于装配线而言，加工批量为无穷大（或者为从一种产品转入另一种产品生产之前所生产的产品总数），转运批量为1。 生产准备成本与加工批量有关，存储成本与转运批量有关。 加工批量是在一个特定长度的时间内被加工的零件个数。从资源的角度来看，加工批量涉及两个时间：生产准备时间和加工时间（忽略维修时间）。加工批量越大，生产准备时间越少，因此，加工时间越多，产出也越大。对于瓶颈资源而言，大的加工批量是可取的；而对于非瓶颈资源来说，小的加工批量是可取的，因为这样可以减少在制品库存。 转运批量是加工批量在工序间一同传送的部分。一个加工批量一般不是在一道工序全部加工完成之后才向下道工序传送。转运批量可能等于加工批量，但不可能大于加工批量。 转运批量小于加工批量的好处在于能够缩短整个生产周期，从而减少在制品数量。 确定加工批量与转运批量的办法 从逻辑上讲，分析生产计划可以确定其对不同加工中心的影响。在MRP系统中，这意味着让生产计划通过MRP和CPR（能力需求计划）来生成每个加工中心的具体作业。思瑞坎斯（Srikanth）根据他的经验说，用制造数据库为实现这一点会出现很多错误。他建议首先通过识别工厂的类型来估计系统中可能存在的CCR和瓶颈。系统中的CCR和瓶颈应该有一个或者几个，管理人员应该对其进行分析，以便了解哪些工序实际控制着工厂的生产，因为这些工序决定了生产的节拍。 通过控制每个瓶或CCR的物流来列出各资源的实际负荷比通过调整主生产计划来改变资源的负荷更为切实可行。加工批量和转运批量可以通过比较过去的生产记录与交货期来加以改变。
转运批量越小，在制品库存越低，产品流动越快（相应地，提前期越短），但是物料搬运也越多。转运批量越大，提前期越长，库存越高，但是物料搬运减少。由此可见，转运批量是由生产提前期、库存以及物料搬运成本共同决定的。 分以下四种情况来对CCR和瓶颈的物流进行控制： 1）瓶颈（没有空闲时间）在进行产品转换时不需要生产准备时间。 2）瓶颈进行产品转换时需要生产准备时间。 3）次瓶颈资源（CCR，有少量空闲时间）进行产品转换时不需要生产准备时间。 4）CCR进行产品转换时需要生产准备时间。 对于第一种情况，加工任务应该按照作业计划的顺序进行加工，以便准时交货。因为这种情况不需要生产准备时间，所以只有加工顺序是重要的。第二种情况需要生产准备时间，往往将加工顺序上不同的加工任务合在一块儿组成较大的批量，因此有些任务将会提前完成。对于瓶颈资源而言，加大加工批量就可以减少生产准备时间，增加产销率。（节省的生产准备时间被用于加工。）加大加工批量后可能使作业计划中安排得早的任务完成得较晚，因此必须制定频繁而小量的转运批量，这样才能尽量缩短提前期。 处理CCR的方法与处理非瓶颈问题相类似，但要更为谨慎。CCR有一定的空闲时间，需要适当地削减某些加工批量以便产品品种的变化更为频繁。这样将会缩短生产提前期，也使得加工任务更有可能准时完成。在存货型生产情况下，削减加工批量比增加转运批次的数量有着更为深远的影响，因此减少加工批量将增加产品组合，从而导致在制品和生产提前期的减少。 如何看待库存 传统的观点认为，库存对企业绩效的唯一负面影响是它会产生存储成本。现在我们认识到库存还会延长生产提前期，而且还会在产品设计变更的时候带来问题。（当产品设计变更的时候，生产系统内与该产品有关的零部件还需要根据变化进行修正。因此，在制品很少的时候，能够减少产品设计变更时的修正工作量。） 福克斯（Fox）和高德拉特提出将库存视为制造单元的一项负债。负债的大小只是根据库存所消耗的采购物资来确定。正如前面所述本章讨论的库存只是其原材料成本，而不包括任何会计意义上的生产附加值。如果将持有的库存视为制造单元的一项负债，那么我们需要一种计算负债持有时间的办法。 生产计划与排程 基于TOC的计划均可以考虑资源,物料,订单和管理策略的约束.TOC的建模可以有限,也可无限能力.可以通过有限能力建模基于所有约束,同步化物流.任何资源均可以定义为瓶颈资源或关键资源及次瓶颈资源.对瓶颈资源采取双向计划,对非关键资源采用倒排计划.缓冲时间可以设置任何在复杂资源之间.DBR(Drum-Buffer-rope)逻辑是对关键工序同步化所有资源和物料.如BN(Bottleneck)/CCR(critical constraining resources) 资源正在控制资源,它们就控制所有物流.对关键资源建模进行大量的模拟,对非关键资源的额外能力的计划是不重要的.瓶颈和次瓶颈资源CCR是用鼓来控制所有物流,所有,这些需要物料的资源建模来实现实际的详细计划.可以模拟不同的批量(策略约束)来分析库存或完成日期的影响.非瓶颈,非CCR非资源可以不同的选择如有限资源或无限资源能力.在TOC系统还有许多不同的方法对资源和物料进行模拟.
鼓、缓冲器与绳子(DBR)的逻辑: 每个生产系统都需要一些控制点来控制系统中的产品流动。如果系统中存在瓶颈，那么瓶颈就是最好的控制点。控制点被称为鼓，这是因为它决定了系统的其余部分（或者是它所能影响的部分）发挥作用的节奏。瓶颈是实际生产能力不能满足需求的资源，用瓶颈作为控制点的一个原因是确保其上游作业不过量生产，可以预防瓶颈不能处理的过量的在制品而出现的库存。 如果系统没有瓶颈，那么设置鼓的最佳位置莫过于次瓶颈资源（CCR）。次瓶颈资源是那些运行时间接近其生产能力，如果作业计划安排得当的话，还有适当剩余能力的资源。 如果一个系统既没有瓶颈，也不存在CCR，那么控制点的位置可以任意选择。当然，一般来讲，最好的位置是物流分叉点，即该处资源的产出流向好几个下游作业。 处理好瓶颈问题具有决定性的作用，如主要集中于确保瓶颈总有工作可做。图示为一个从A到E的线性流程。假设工作中心C是一个瓶颈，这意味着C的上下游的生产能力都比C的生产能力大。如果我们不对这个线性流程加以控制， 那么加工中心C的前面必然出现大量的库存，而其他地方基本上没有库存。当然，也没有多少成品库存，因为（由瓶颈的定义可知）生产的所有产品都能被市场所接纳。 鼓 瓶颈 WC A B CDE 绳子 库存缓冲 一个瓶颈的线性流程 有两件与瓶颈有关的事情要做： 1）在瓶颈前面设置缓冲库存确保瓶颈连续工作，这是因为瓶颈的产出决定了系统的产出。 2）将C的已加工信息传递给上游作业A，以便A按需生产，这样才能避免库存的增加。这种信息的传递被称为绳子。它可以是正式的（如作业计划），也可以是非正式的（如日常讨论）。 瓶颈作业前的缓冲库存是一种时间缓冲。我们希望的是加工中心C总有工作要做，至于何种产品正被加工并不重要。 也许有人会问，时间缓冲要多大呢？答案是时间缓冲能够确保瓶颈连续工作就行。至于具体的确定办法，我们可以测出每种作业的变化，也可以估计。从理论上讲，缓冲的大小可以利用过去的作业数据进行统计计算来获得，也可以通过模拟来获得。不论采用何种办法，不要过于计较精度。 缓冲大小最终还要靠经验来决定。如果鼓不是瓶颈，而是CCR（这样它有少量的空闲时间），我们可以设置两个缓冲库存－一个设置在CCR的前面，另一个则是成品缓冲库存如图。成品库保证能够满足市场需求，而CCR前面的时间
缓冲则保护了系统的产销率。在这种情况下，市场不能买走我们所能生产的所有产品，因此，我们希望只要市场决定购买我们的产品，我们就能确保有产品可以供应。 鼓 次瓶颈资源 瓶颈 WC 市场 ABCDE 绳子 库存缓冲 绳子 成品库存缓冲 一个带有次瓶颈资源的线性流程 在这种情况下，我们需要两根绳子：一根绳子把信息从成品缓冲库存传到鼓点，以便鼓点增加或减少其产出；另一根绳子则把信息从鼓点传到原材料发放点，指明需要多少原材料。 不仅在可以瓶颈的前面设置了库存，而且还可以在非瓶颈资源的后面也设置了库存。这样做是为了确保产品离开瓶颈之后的流动速度不会减下来。 会计的影响 有时我们只是根据指标体系而不是根据企业的目标来作出决策。思考如下问题：假设现在有两台旧机器正被用来生产一种产品，每台机器的单件加工时间都是20分钟，因此，每台机器每小时的加工能力为3件。两台机器的联合生产能力是每小时6件，刚好满足市场的需求。假设工程部门发现了一种新机器，它的单件加工时间是12分钟，而不是20分钟。也就是说，新机器的生产能力是每小时5件，不能满足市场需求。从逻辑上讲，管理人员应该使用一台旧机器每小时生产1件来满足市场需求。然而，实际上不会这样。因为单件加工的绩效已经非常差，新机器的工作效率比旧机器提高了67％〔（20－12）/12〕。因此，管理人员会让新机器加班运行。 成本会计考核体系存在的问题 成本会计在绩效评价、成本测定、投资判断和库存评价方面得到了广泛应用。有两套会计考核体系运用于企业评价：1）全局的考核指标体系，即财务评价，表现为净利润、投资收益率和现金流量指标（这是我们所赞同的）；2）局部的成本会计考核体系，表现为效率（相对于标准的变化）或利用率（工作小时数/可利用小时数）。 从成本会计（局部考核）的观点来看，工作绩效主要用成本和利用率来衡量。这种逻辑迫使管理人员不停地让工人工作，从而导致过量的库存。成本会计考核体系还会带来其他问题。例如，像本章前面讨论的那样，试图利用空闲时间来提高利用率的做法只能人为
地造成瓶颈。任何考核体系都应该有助于实现公司的目标，而不应该妨碍公司的目标。幸运的是，成本会计考核的哲理正在发生变化。 销售与生产 销售与生产应该紧密联系，在行动上协调一致。然而，在实践中，二者常常独自行动。出现这种局面的原因有很多，主要原因是两个部门的人员在个性与文化上存在差异以及两个部门奖励制度不同。销售人员以销售额、市场份额和引入市场的新产品作为判断公司成长的依据。销售部门是以销售额为导向的。对生产人员的评价则是采用成本和利用率指标。因此，销售部门希望有种类繁多的产品来提高公司的地位，而生产部门则是不遗余力地降低成本。 用来评价销售和生产的数据也大不相同。销售数据是“软的”（定性的），生产数据是“硬的”（定量的）。销售和生产人员的适应能力和经历也不相同。销售人员的提升很可能是通过扩大销售量和与顾客维持良好的关系来实现的。高层生产管理人员很可能是由于其生产动作业绩而获得晋升的，因此他们把企业动作作为最高目标。 销售人员与生产人员的文化差异也是非常明显的。销售部门与生产部门的高层管理人员的生活大不一样，因为他们有不同的动机、目标和嗜好。销售人员性格外向，有自我激励精神。生产人员性格内向、小心谨慎（至少不如销售人员外向）。 处理二者差异的办法是建立起适用于各自领域的公正的绩效评价指标体系，促进生产与销售部门的沟通与联系，以便二者一同为实现公司目标作贡献。 TOC同步化引擎时间计算 MRP计算与TOC同步引擎时间计算的不同 MRP 同步引擎 能力的考虑 无限能力计划 有限能力计划约束 计算的逻辑 层层分解计算 一个订单,一个订单的计算 需求 客户订单和首要客户订单 + 仅仅预测 的生产订单 生产订单数量 基于订单数和批基于离散的/最终物料的订单数量. 量修正
生产订单的时间 基于固定的提前基于动态的鼓点计划偏置,缓冲和加工时间. 期或加工时间. 在能力考虑方面 MRP的计划订单是从MPS产生的而不检查资源,能力和原材料. TOC同步引擎的计划是基于在鼓上的能力和原料约束的可用量. 在展开逻辑方面 MRP 的 展开是一层一层,所有需求在BOM的”0”层计算,然后,第一层,第二层等. 毛需求是计算针对现有量一天一天, 一层一层 ,库存对生产订单的出货不在考虑可用量. 生产订单的分配是在生产订单上建立X层,对“x + 1”层产生需求. 订单的修正和提前期是应用于计算时间和生产订单下达的数量. 在低层生产订单下达和最终产品更新换代之间的反查成为一层一层的追溯.. TOC同步引擎计划是每一个订单的展开是通过它的整个BOM和工艺结构一次展开一个. 物料库存分配是基于这个订单展开的. .库存对生产订单的出货,没有发到消耗点上是考虑可用量的. 生产订单的下达数量是基于零件,特指的订单的净需求.对制造子件没有订单修正. 对大于需求数量的生产订单建立不会产生低层需求. 每一个生产订单的下达是安排的是最终产品需求. 在需求方面 MRP的需求是由客户订单,预测,安全库存或分别的MPS驱动.直到订单的修正器和大于需求数量的生产订单覆盖分离的需求. TOC同步计划没有订单修正,因此,所有需求是由基于从独立需求展开的真正的需求,.用唯一的生产订单做为”供应”. 在生产订单数量方面 MRP的净需求被转换为生产订单数量,基于订单数量修正器. 可以用 EOQ批量订货策略,但是,在一些 情况下也能包括累计期间和最小最大批量. TOC同步计划是不用订单修正器. 任何批量订货策略的决定是由利用鼓的能力和唯一结合分离的净需求决定的.甚至,生产订单数量直接和净需求相联系的,需要满足独立需求的一个需求. 在生产订单时间方面 MRP 的子项的计划生产订单的下达的时间是基于固定提前期或加工时间.它独立于工作中心的能力可用量.来支持生产订单的完成日期. TOC同步计划的 生产订单下达的时间是基于订单(销售和预测)完成日期,鼓计划日期,缓冲大小和实际加工时间. 因为零件层的提前期是被动态缓冲所替代,生产订单完成日期没有太多的意义.所有计划的生产订单下达日期是服从鼓计划日期和订单完成日期.
产品结构和任务结构网络 产品结构是一个用于制造产品的数据结构,它记录物料清单BOM和工艺信息.网络是一组互联的的节点形成的.这个结构由TOC同步引擎建立在内存里.,当装载数据库时. 这个产品结构是由所有制造的子件和它们最终产品的工艺,原材料构成.网络中的每一个点叫”节点”.于是,制造一产品的每一个工序是节点.每一个节点可以考虑为”链”的一部分.链代表的是从物料的下达到产品的发运的过程. 当库存和在制品(WIP)信息被增加到一产品结构里,它就被称为一任务-结构网络.
在任务结构网络里,每一节点都有以下信息: 现有库存数 零件 (每一父项的数量) 工作中心 任务步骤(工序) 每一个节点还有其它的信息,它联着它的父项任务和子项任务书. 这个信息是网络遍历的关键.遍历这个网络,在特别的节点上,可以由独立需求源产生的需求,能转换为相关需求(供应).相反,每一个建立的供应都可以追溯到独立需求的特别来源. 为了计算一个任务-结构网络,必须录入以下内容: 需求 物料清单BOM 工艺信息 库存和在制品WIP. 4 打气筒 装配线 工序10 243 轴(1)套管(2)支撑架(1) WC2OP30WC1OP30WC4OP30 示意223 支撑架套管轴 现有库存 WC1,OP20WC3,OP20WC1,OP20 零件 (定额) 工作中心,工序 242 套管支撑架轴 WC5,OP10WC3,OP10WC4,OP10 现有库存 零件 原材料 2 1 5 铸件 (1) 圆钢 (1) 管 (15)
时间点的计算的概念 TOC同步引擎是在任务结构网络中的鼓节点产生精确的开始时间和结束时间.对”非-鼓”节点则计算开始日期和缓冲渗透时间. 那么, 在任务结构网络的每一个节点,TOC同步引擎计算这些关键时间点, 如EST最早开始时间(Earliest Start Time),LDB最迟完成(Latest Due By),LST最迟开始时间(Latest Start Time),DDB在之前不要作(Don’t Do Before),ET加快(开始)时(Expedite (start) Time). TOC同步引擎传播时间点有向前和向后方向. 向前传播时间点(如EST最早开始时间)是被增加的加工时间计算的.(叫判断时间)和一部分缓冲时间的时间点(如范围开始) .向后传播是被扣除加工时间和一些从时间点的(如订单的完成日期)的缓冲时间. 如要理解以上概念,我们必须理解加工时间(判断时间)的计算和时间缓冲的计算. 加工时间(判断时间)的计算 加工时间是用最快的方法在任何两个已确定计划的节点之间来加工一个完整批量的时间. 加工时间的开始点就是开始节点和结束点是结束节点. 当计算加工时间时,在制品的每一批和现有库存是分别计算的.如果一个订单(销售或预测) 的需要数量仅仅能用在制品数量和库存来满足,计算这个需求将考虑两个加工时间,每一批计算一次.如果在制品数量和库存数量大于了订单需求的数量,将没有加工时间.在制品WIP是已经完成它的工序的库存.如果生产订单已经通过最后的工序完成,然而在库存里并未显示.任务结构网络处理将已建立这个库存(如果超储)或准备下一个订单的第一个工序. 加工时间计算用缺省的工作日历通过工作中心来计算持续加工时间.加工时间分别对批量进行计算.这个批量仅仅是在车间里加工的数量. 加工时间的计算公式: 第一部分 : 整批的工序最大运行时间+ 在所有其它工序的每件,每批运行时间 + 第二部分: 所有工作中心的排队时间的合计+ 所有工序的闲散时间的合计 一个订单任务的每批的运行时间: 运行时间= 取整((任务量 / 批量) / 工作中心的单元数) * 每批的运行时间 强制排队时间和闲散时间是固定的时间增加,它可以计算在加工时间的长度里.强制排队时间是特别对工作中心的,而闲散时间是特别对零件的工序.实际上,它们用于特别的处理过程如:在热处理工序以后,需要时间冷却. 对油漆的”晾干”时间. 在其它应用里,它们能被用于已知的延迟或无正式文件处理过程如: 预计有意义的等待或在特别的工作中心的排队时间.物料处理时间,移动物料从一个地方到另外一个地方. 这些时间要素是固定的.我们应该有区别的使用. TOC在应用中,使用动态时间的方法,依赖可用时间的计算,把强制排队时间以及闲散时间增加到加工周期时间里来处理没有例外的机会或由加快”压缩”时间的过程中.
时间缓冲的计算 在任何生产环境里,时间缓冲起到防止变化,它不仅仅是指库存水平.而是利用时间偏置计划库存的交货时间.时间缓冲用于典型的最小化供应商的提前期以及在生产过程中选择控制点.TOC同步引擎计划时采用两种方法: (1),灵活缓冲.(2),战略缓冲. 每一个方法对整个制造过程都提供动态的缓冲时间. 两个方法对于特别的制造过程和控制结果的计划. 都有其自己的优势.我们将要分别研究,理解每一个方法的需要和结果. 灵活缓冲 灵活缓冲是使用最小典型的缓冲大小的概念. 这些缓冲被分配到特别的工作中心.除此之外, 分配发货缓冲.. 这些缓冲的目的就是用特别的缓冲来保护工作中心的变化 (或发货).在理想的情况下,我们使用典型的缓冲计划或”偏置”各种工序.但是 如果其过程延迟或少于典型提前期时间的需求,我们就可以利用特别的缓冲来最小化缓冲时间.于是整个周期时间就可以压缩.所以,就可以加快交货时间. 其逻辑是:如果灵活缓冲和灵活的发货缓冲大于 0 ,那么灵活缓冲法就被激活. 全局发运缓冲就被分配到所有独立需求订单,用偏置满足特别的加工时间. 如果在典型缓冲时间大于0时, 加工时间就可以满足特别的或用最小缓冲时间偏置的工作中心. 战略缓冲 战略缓冲是TOC同步引擎里的一种,它是在特别关键地点自动放置的缓冲.TOC软件使用缓冲的概念是基于鼓缓冲绳(DBR).这个概念就是约束理论. 在加工过程中,仅仅是在特别的点布置缓冲,一个单一的缓冲能提供共享保护.它可以保护所有的补给工序.这些缓冲提供的是动态缓冲.TOC同步引擎将分配三种缓冲 :(1),发运缓冲.(2),鼓缓冲.(3),装配缓冲. 三个缓冲的每一个都被分割为两部分,一部分是排队和另外一部分叫墨菲(Murphy)(墨菲法则是担心发生的事,必然发生).缓冲时间之所以明细到排队和墨菲,是因为可以促进 “动态” 的计算. 只有缓冲时间的排队部分是动态的.而墨菲部分是静态的. 为什么我们要有缓冲时间呢? .缓冲时间是可以保护我们预期的,不是完全可以看清的墨菲(作为 Murphy法则)的变化.如已知变化的部分,我们也许可以通过看到整个排队的过程和各个工作中心的变化的利用率. 如果一个特别的订单或任务需要紧急加快,我们就会把生产订单移到在工作中心排队的前面.于是,就就可以取消部分缓冲的需要. 我们能取消或“压缩”的是排队缓冲. 发运缓冲 发运缓冲是用来保护独立需求物料的交货.大部分情况下,发运缓冲将总是被分配的. 所有的产品结构链都具有发运缓冲,它是在订单完成日期之前到达的时间缓冲.但是, 由于加工过程中的变化,会导致有可能在理想的缓冲日期之后到达.在这个可以接受的日期之后到达和达到我们要求的时间点到达,我们就能继续考虑计划满足订单的完成日期(销售或预测). 鼓缓冲 鼓缓冲可以在任何工作中心之前动态的布置,它被定义为鼓和子计划,并且使用协调计划处理.鼓缓冲是提供保护可以看到的作为管理的关键方面的复杂制造环境的约束或瓶颈. 约束理论TOC的概念是(Identified)定义加工过程中尽可能的需要的(Exploited)利用约束,我们不能处理不可能运行的工作和理想的计划,在鼓运行时间之前布置时间缓冲.如果有了这
个缓冲 ,我们就能具有一些缓冲渗透(buffer penetration)的量来承受有限计划鼓的影响的风险. 装配缓冲 装配缓冲用于保证非-鼓链的装配,在足够的时间到达形成和关键鼓链的零件配套. 于是零件从一个没有等待的鼓到达一个装配工序 . 装配缓冲是不提供对所有子项装配到达的偏置,只有是和通过鼓计划子项配套时才会出现装配缓冲.但是,如果这些子项没有一个是通过鼓计划的,装配缓冲是不会应用的. 如DBR系统的示意图: 装配 缓冲 原料1 23 由绳子需求: 控制发每周50个 60 80 70 料 8 发运 95 缓冲 原料45 D7 80 75 50 120 鼓 缓冲 由缓冲由鼓决 保证有定生产 效生产 计划 DBR系统的目的是(1),识别企业的真正约束（瓶颈).(2),基于瓶颈约束来建立生产计划(Drum鼓的节拍).(3),对Buffer“缓冲”的管理 .(4),非瓶颈的物料的投入受到瓶颈的产出率的控制，即Rope“绳子”所控制. 鼓: 是约束资源的产出速度决定整个系统的运营速度，即瓶颈控制着企业同步生产的节拍，所以称为“鼓Drum”.在安排生产计划时，首先把优先级计划安排在约束资源上,“鼓”反映了系统对约束资源的利用.“鼓”的目标是有效产出最大. 缓冲: 分为时间缓冲、库存缓冲. 是保证瓶颈不会出现因缺料而停工,在约束资源的后续装配工序前设置非约束资源缓冲，保证瓶颈能力100%利用时间. 缓冲又分为鼓缓冲,装配缓冲,发运缓冲. 绳子: 绳子的目标是在制品库存最小,绳子根据约束资源的生产节拍，决定上游原材料的发放速度,其原理类似于看板管理思想.
总之: 在任务结构网络里没有鼓的订单仅仅是有发运缓冲来保护变化. 计划的缓冲总是基于累计的,规定的特别缓冲计算. 积极的缓冲是用于补给链,超过缓冲期的预计到达.一个积极的缓冲是排队缓冲+ 整个墨菲( Murphy)缓冲的一部分.这个排队缓冲的部分可以贯穿压缩, 积极缓冲常用于合理化定单(销售,预测)的完成日期. 在单一链里, 如有更多定义的鼓,鼓缓冲就等于1/3 的正常应用缓冲,大部分上游的鼓将接受正常的缓冲而下游的鼓将接受1/3的缓冲.第一道工作中心 (可以直接下达原材料的Work Center) 被定义为鼓将没有鼓缓冲应用,在鼓和装配工序之间不应用装配缓冲. 装配缓冲不用于 “积极” 计算. 缓冲的应用需要评估的是两点(1), 在任务结构网络里是否有一个鼓.(2),在每一个链里有加工时间存在. 如果灵活缓冲是 0,那么战略缓冲将被使用.对发运缓冲的规定的值被应用到所有独立需求的偏置,由排队+墨菲(Murphy)值的合计时间来补给发运. 当工作中心被选择作为一个 “鼓” ,在协调进程里被有限计划时,TOC同步引擎就应用鼓缓冲值来偏置补给不同鼓的加工时间.在这一点的”积极”缓冲计算可以用同步引擎计算,假如有被应用的鼓缓冲; 装配缓冲还可以被应用. 时间点的计算 现在,我们理解了加工时间和时间缓冲,我们现在就可以理解时间点的计算了. TOC同步引擎对任务结构网络的节点的鼓产生精确的开始和结束时间. 独立客户和预测订单也有精确的时间.这些时间可以被考虑是确认的计划日期. 对其它节点或非-鼓链的工作中心,它只能计算一开始日期和缓冲渗透. 当缓冲渗透是0或减少,开始日期本质是DBD(不要在日期之前作).在订单任务时间应该开始时,应该分析订单任务的缓冲剩余的优势.如果缓冲剩余>计划缓冲,那么任务不应该开始. 在鼓的订单任务开始可以依赖于当上游订单任务被完成.这是基本的加工时间+缓冲时间.在协调任务时如果被标出红色警告, 说明排定的订单(销售或预测)已经延迟. EST:最早开始时间 (EST) 是订单任务可以最早开始的时间.考虑到完成所有紧接前的任务所花的时间. 使用积极缓冲计算, 装配缓冲被忽视-假设加快将要完成. EST’s 从一确认计划节点被向前传播, 如:今天 (水平开始)上游鼓任务的结束时间已经确认了计划.最小化(PO的到货日期,水平开始 + MRP 提前期,使用缺省日历) 对物料约束. 在任何节点的最早开始时间是由最长的链到这个节点所决定. 在特别节点的EST的计算公式是: EST =上游的确认计划日期+ 判断时间+ 在此节点的积极缓冲 案例1: 确认计划是今天, 当前节点是鼓 EST = 今天 + 加工时间 + 积极鼓缓冲 案例 2: 确认计划是今天, 订单是当前节点 EST = 今天 + 加工时间+ 积极发运缓冲
案例 3: 确认计划是上游鼓任务或物料约束. 当前节点是鼓. EST = 确认计划节点的计划结束时间+ 加工时间+ 1/3积极鼓缓冲 案例4: 确认计划是上游鼓任务或物料约束. 当前节点是订单 EST =确认计划节点的计划结束时间+ 加工时间+ 积极发运缓冲 LDB:这是最迟的完成订单任务,应该是在它开始算尽缓冲之前完成. LDB 总是由向后传播计算的,是从确认计划节点如:订单的完成日期 ,以前计划鼓任务的确认计划.因为向后传播和决定考虑”理想”日期是什么,使用整个计划缓冲. 在TOC同步引擎的杂音处理它的LDB的任务. 不管订单是否是旧或新的,LDB都包括缓冲,除非加工时间为0. 案例 1: 确认计划是订单完成日期,当前节点是一非-鼓补给链 LDB = 完成日期(一天的结束时间) – 常规发运缓冲 –加工时间-常规的装配缓冲. 案例 2: 确认计划是定单完成日期,当前节点是一个鼓. LDB = 完成日期(一天的结束时间) -常规发运缓冲 –加工时间 案例3: 确认计划是一鼓任务,当前节点是一非-鼓节点. LDB = 在鼓上的计划开始 – 常规鼓缓冲 –加工时间-常规装配缓冲 案例4: 确认计划是鼓任务, 当前节点是另外鼓节点. LDB = 在鼓上计划开始 – 判断时间 - 1/3 常规鼓缓冲 LST:在协调计划进程中使用来显示最迟的开始订单任务,它能提前于渗透到下游缓冲开始,此任务最终将要补给. 这个计算直接跟踪LDB, 除了在LDB计算里,它计算鼓任务的开始时间而不是结束时间, LST 总是基于向后传播计算,从确认计划节点.如:订单的完成日期 ,先前的计划鼓任务的确认计划.因为LST 计算是向后传播和决定什么是”理想”时间,整个计划缓冲被使用. 这个计算是精确时间到秒. 这个计算还可以用在在任务将开始布置在鼓上决定顺序, 在过后部分里,在协调层装载过程其间,产生鼓任务.LST 计算不对非-鼓节点计算. DDB:在服从过程里使用.对所有非-约束工序不要在日期之前作. 这个计算是和LST一样.除了DDB仅计算一个日期,相对于精确时间. ET:加快时间(ET) 紧紧追踪DDB. 就象DDB, ET 还可以向后传播计算,从一确认计划. 加快时间计算象DDB,除了被消除的装配缓冲和在DDB里的常规缓冲计算的使用,可以用积极缓冲所取代. 如果对订单的任务是被计划在大于ET (开始时间 > ET), 订单就会迟. 在协调时至于任务布置在鼓计划上,开始时间 > ET的任务将被显示为红色.在推出去(Pushed Out)任务将保持红色,直到这个时间,如可接受的预计完成日期和排定的订单(销售
或预测) . 加快时间是一个点,超越这个,订单需要合理化.超越ET的时间将是订单将被推出去(Pushed Out)的时间. 在TOC同步引擎里,推掉订单Pushing Orders Out.这个概念是让我们的订单有可以接受预计完成日期.由于实际的物料或制造零件装配不能及时完成. 当我们push an Order out, 我们不能推鼓上的任务或改变将要到达的PO日期 我们可以 推出pushing out 排定客户或预测订单.它是由延迟的任务或PO影响的.APS的概念是执行订单的合理性.基于今天的制造环境的现实.TOC同步引擎提供一个我们能分析这些情况和命令选择的工具. 但是,也可以阻止推掉订单push an order out. TOC同步化引擎计划 同步引擎计算的步骤如下: (所有以下算法都是在常驻内寸里运行的). 步骤 算法 装载数据 建立数据结构 如果打开预测消耗 建立产品结构和工艺路径 (主要的, 工作订单,外加工路进径) 进入同步引擎 任务结构网络 能力负荷 图 展开 产生鼓任务 计算供应 (展开,但是有点不同) 在第一个鼓的杂音(产出是鼓任务清单) 第一个协调屏幕 向后传递 向前传递 准备(换装)节约 换装节约算法 卸载负荷,加班 建立新的卸栽路径 手工移动 改变顺序和重排计划 推掉订单Push Orders out 定义延迟订单 下一个鼓协调(同步) 重新计算LDB日期 下一个鼓协调(顺序) 从能力负荷图开始的算法 第二次协调屏幕 从”第一个协调屏幕”开始的算法 拉近过早订单Pull early orders In 对所有订单计算EST定义过早的订单
排程传递 合理化完成日期 最后计算供应 重新分配在制品WIP 重新排定鼓的排程 重复最后计算供应展开 非-鼓排程的产生. 在原材料级的毛需求的产生. 对用订单修订的采购的主计划MPS 运行报告产出查询. 产生有排定信息的瀑布图(水平) 展开算法 TOC同步引擎的算法是通过BOM展开并且把独立需求转换为非独立需求. 在每一次展开的工作中心负荷时间是基于订单(销售订单和预测)的当前完成日期和WIP(时间和地点).库存分配给订单的采购订单.在典型的计划过程中,要展开执行几次.(1),决定物料需求和能力可用图. (2),计算各种工作中心的能力负荷. 当 协调下一个鼓运行时,如果用排序定义此任务.就要决定需要在鼓上执行计划的订单任务.,然后,在其它鼓的计划之前,定义的鼓先执行展开., 在执行服从其间非-约束的链就决定DDB 'Do Not Do Before' 和 缓冲渗透 (缓冲剩余), 在展开几次之前,确认考虑最近的计划决定.库存也可以在每一次运行展开时,动态的分配 .展开包括以下几个过程: (1),路径的选择和净计算 (2),在鼓节点产生供应 . 实际上,TOC同步引擎的展开过程是反复的. 独立需求的最终产品(销售订单和预测)和无父项的零件.被标识为0层.展开是从独立需求的0层开始,按订单的完成日期(当前完成日期)升序排列,一次一个. 如果要处理同样日期的订单,在升序的订单的里进行标识设置. 每一个零件节点和路径的选择逻辑是决定那一个路径最快的可以得到供应. 如果原材料节点的原材料可以达到或WIP/库存足够满足需求的一只链.展开就停止在这个节点上.那么,展开就重新开始,沿着任务结构网络的独立需求的另外的一只链.一旦第一个鼓节点遇到特别的链,它就会标志为第一层.展开就会重新沿着另外的链从0层(独立需求)展开,第一个鼓节点遇到的也可以是做为第一层 .第一层的所有任务被选择为独立需求,沿着它们的LDB日期展开 .一旦所有的1层的任务被选择,这些任务在它们的LDB日期顺序里进一步向下展开,下一个鼓节点遇到的是第二层,这个过程重复直到所有的鼓节点已经由足够的原材料库存或完成的在制品来满足需求.因此,层的数量是由在特别网络链里的鼓的数量来决定的. 路径的选择和净计算 当特别订单任务需要生产,你有一选择: 现有量,主要路径(PR) – 计划MO,生产订单路径 (MO),在途的采购订单PO(外购或外加工的零件).现有数总是首先消耗的.在每一个零件节点上,同步引擎首先计算ET(加快时间). 对 MO和 PO 供应来说, 当它们将要在节点上可用时,同步引擎也要进行计算. 对未完成的MO , 当它将要可以得到时,计算是从在制品WIP位于的节点处开始对下游的时间计算,同步引擎将增加加工时间.对于采购单 PO来说, 在到货
日期可以到达时,对于制造件的计划来说, 同步引擎必须在三个明显选项之间选择.如果一 个PO路径不能得到或在ET加快时间之前不能得到,那么就选择三个最早的时间的路径.如. 如果可以得到MO 路径,如果可以得到PO路径, 如果工作中心在主要PR路径里需要已经计划的鼓,就选主要PR 路径. 计算逻辑是:(PO = 采购订单, PR = 主要路径, MO = 生产订单 对每一个需求,都通过这个逻辑闭环. 第一种情况: 在主要路径上没有计划的鼓 如果没有消耗 MO 路径存在 {不要用 PR路径(s). 如果 ET大于或等于最早的PO到货日期 {用最早的 PO.} 否则 { 用 PO 或 MO 路径在零件节点有最早的供应可得到 }} 否则如果没有消耗的 PO存在 { 如果 ET大于或等于最早的PO到货日期 { 用最早的 PO. } 否则 { 用 PO或 有效的 PR 路径在零件节点有最早的供应可得到. }} 否则 { 用有效的 PR 路径.} 第二种情况: 在PR上有计划的鼓 如果非-消耗的MO路径存在 { 如果 ET大于或等于最早 PO到货日期 {用最早 PO.} 否则 { 用最早 PR路径 如果它有一个鼓, PO 或MO路径在零件节点有最早供应可用. }} 否则如果非-消耗 PO存在 {如果 ET大于或等于 PO到货日期 {用最早的 PO.} 否则 { 用 PO或最早 PR路径 (有或没有鼓) 在零件节点有最早供应可用.} } 否则 { 用最早 PR路径 } 需要注意的是,如果在主要路径上开一个新的MO.且没有计划的鼓,TOC同步引擎不检查新的生产订单,它是否可以早于一个未完成的MO完成的可能性,因此未完成MO必需在开一新订单之前被消耗. 但是,如果PR 含有一计划鼓的工作中心,同步引擎就会检查是否在计划鼓上的新的MO能否早于未完成的MO 生产.对一新的订单, 同步引擎对MO是忽略子项需要的运行时间. 物料需求的计算 物料的可用性的功能是只有在鼓的能力计划之前得到.因此在系统里,当检查没有鼓时.
计划缓冲只有是发运缓冲.需求日期是基于订单(销售和预测)的完成日期和一般的发运缓冲(LDB计算) 计算的.必须设置: 采购员代码 : 将要显示唯一采购员代码分配的零件. 物料唯一优先: 0 = 一般; 1 = 忽略; 2 = 优先 黄色区开始有延迟 : 延迟的天数和相关的最小提前期将显示黄色. 最小提前期(0) > 黄色区< (-5 缺省) 延迟的容限: 将限制显示在原材料计划,包括短或多的天数的数量. 物料约束被分成3种不同的方法,每一个方法用来分析当前物料和采购订单的状态:(1),清除过期的 PO.(2),原材料计划.(3),有零件短缺的订单 最小典型提前期的基本概念是:新订单是基于典型提前期处理,但是只有是最小提前期在计划过程中可以约束订单的执行.也就是说定单(销售和预测)的完成日期只被最小提前期所约束. 物料约束的概念是可以找到的较少的采购物料才是真正约束生产过程的.这些约束力是不可以加快满足生产需求日期的物料. 最小提前期是在加快的模式下,一物料总是能有时间.任何少于这个时间是不可能的.于是,如果提前需要这个最小提前期,应该开始约束生产. 最小提前期也可以被原料计划所修改. 也可以把物料可以评估为例外. (1),清除过期的 PO. 就是用于到货期提前于今天的PO.(作为缺省)或规定一个结束日期. 在考虑交货期或交货数量时,改变每一个PO成为更合理. 可以只显示单一规定零件号的 PO和 到货日期或规定日期之前的日期的PO.其逻辑是在采购表里选择完成日期小于结束日期. 如果完成日期 < 今天, 那么完成日期将等于今天, 可以对清除过期PO里改变: 修改,增加,删除,拆分. (2),原材料计划 原材料计划是物料的集中显示.它显示所有有的需求,且在最小提前期之前的,或在需求到货日期之前的,并落入短期的采购物料.初始图显示一个红的条,长度等于这些需求需要提前到的PO完成日期或最小提前期的天数.这是最短的.这就是延迟. 逻辑是用LDB 时间点,向后计划每一个独立需求来计算原材料需求. 原材料需求日期= 订单完成日期 – 发运缓冲- 判断时间 选择每一个原材料 (采购的零件) 产生需求.在任务结构网络用一提前于今天的需求日期+最小提前期或PO的完成日期,如果它< 最小提前期. 在原材料条状图里,选择显示每一零件,用每一个条等于最快的需求日期的天数,它是从最小提前期或PO完成日期如它<最小提前期. 在零件条上,显示物料到典型提前期所有需求, 现有库存的余额和任何将要到的在典型提前期的PO.绿色显示积极预计现有库存,红色显示负数提前于最小提前期 . 黄色显示落入在最小提前期之后预计现有库存数 .在典型提前期之后停止显示. 用Drill-Down显示有典型提前期定义的日期的信息. 在Drill-Down 里的任何记录可以编辑 ,在下表里注明如何变化.
改变类型 显示改变的字段 在计划过程的结果作用 编辑 Order 日期 当前完成日期改变. 需求分配的优先和鼓上改变的配置 编辑PO 增加 Drill-Down 显示用同样的功能激活来清除过期 PO Push Order Out 预计完成日期 当前需求的完成日期的改变较好的促进物料的交货.鼓任务配置的需求减少的有关优先使当前完成日期服从. Push All Orders 预计完成日期 与以上一样,除了对物料影响的所有订单(需求). Out 编辑 Lead Time 最小提前期 如果当数量 > 0和没有一个PO 是在有最小提前期决定的日期之前,那么任何短缺都被约束和EST计算,它是基于这个最小提前期的开始点 . 在Drill-Down屏幕里改变,由推掉Push Orders Out 和 推掉所有Push All Orders Out 将导致在预计完成日期时,用EST算法重新从较少于最小提前期或PO完成日期计算. (3)有零件短缺的订单 零件短缺的订单是显示所有有短缺的订单,而不考虑订单的需求有多长远.提供所有有关独立需求的订单的信息.包括目标日期,且显示计算的延迟的天数.它是为对订单基于所有的物料需求的评估.结果是基于物料需求日期,它大于在最小提前期之前的天数或PO完成日期如果 < 最小提前期.Drill-Down分别为 订单和它们的相应的延迟天数提供所有采购零件短缺清单.延迟=0的订单,在由今天+最小提前期来决定的,有更糟的物料短缺需求情况. 所有在今天+最小提前期之前的,有需求日期短缺订单被反映为红色.延迟数将是正的. 黄色的订单的出现是延迟值 < 0 而且 > 在物料计划设置里设置的 “开始延迟的黄色区”的值, 物料的Drill-Down 有延迟超过今天+典型提前期将不显示订单. (4),能力负荷的算法 能力负荷 (L:C)对所有的订单具有预计完成(当前完成)的时间在以下之内显示净负荷: 今天+ 展望期 –1 + 常规发运缓冲 能力计算是对 (今天+ 展望期 –1 ).基于工作中心的单位数量和工作日历.在网络结构里的每一个节点计算净需求,用整个展开算法,使用尽早逻辑. 负荷的时间是在任务工序的LDB日期.独立的订单每次展开一次, 完成日期按升序排列的订单,使用尽早逻辑. (Level 0, Level 1 etc.).用路径选择逻辑执行在制品和库存分配, 数量需求被转换为负荷,在节点上,计算每一批运行时间的数量.设置到到每一个独立的,节点上的任务.
在计划之后,TOC同步引擎没有加剧离散计划.通过每一节点的需求来维护单一的独立需求源.在正常或初始化的情况下,显示能力负荷图,并不显示鼓,显示需求和所有工作中心的时间.例外的是在鼓排序计划时(发现延迟).当重新显示 能力图时, 重新基于反映被分配负荷的已经计划的鼓. 如果没有计划鼓,路径选择逻辑将决不会在用尽未完成的MO.而是开发利用一个计划的MO. 同步化引擎排程 在选择鼓以后,就可以运行 “开发下一个鼓”的命令,首先显示 “产生鼓任务”的算法.它和展开逻辑能力一样.但是,也有一个主要不同: 没有鼓的链是完全停下来的. 因此,在没有鼓(Non-Drun)的链上的物料约束的影响可以被完全忽略.因此,在鼓上没有产生任务的独立需求可以被忽略. 这个算法的结果是,在它们的LDB的所有鼓上产生任务. 选择的鼓产生噪音 如图显示每一个任务的宽度包括运行时间和主要准备时间.
协调(开发) 在”噪音”里显示要铲平的任务.并运行向后和向前的计划排程. 第一步:向后排程: 在LST(latest start time)递减排列的订单里选择任务和有没有完成时间违反LDB(latest due by)的任务, 排程尽可能迟. 任务尽可能的近于LDB日期而不违反能力约束,能力将被检查.任务将不会被分拆和处理,允许它尽可能近于它的LDB . 这样,也可能计划排程的一些任务排到了过去的时间,这就是有违反的现象, 结果是过期的积压的订单或在鼓上争夺能力. 在LST时间里,任务的顺序是不能违反的. 注意任务的长度包括运行时间和主要准备时间. 如果在一样的产品系列里任务碰巧互相相邻,就可以节约准备时间. 在向后排程之后,可以在计划协调上, 会出现一个差距数量和过期的任务. S:准备时间 MO:任务(生产订单) SMO-4 SMO-3 噪音 S MO-2能力 SMO-1 能力 S S S MO-4 MO-2 MO-3SMO-1 第二步:向前计划 用计划开始时间从小到大索引所有任务.选择第一个任务,动态计算它的最早开始时间EST. Max (EST, 在向后计划后开始计划) 注意EST总是要>= 今天日期,选择第二个任务在清单里和重复此过程.或许会有差距, 进行协调. 在任务的EST之前出现差距.在差距之后,仅有绿色任务.在任务的EST之后出现差距,
能力 S S S MO-4 MO-2MO-3SMO-1 节约准备时间 能力 S S MO-4 MO-2MO-1SMO-3 在协调之中,合理化订单的完成日期.(Push Orders Out) 同步引擎在排程处理中用三个不同方法推出订单,在定义”物料约束”为选择的物料推出Push Out.在鼓的排程中,在非鼓链的协调之前. 在当前情况下的完成日期的改变. 这个日期驱动排程的平衡. 在协调的最后时,这个日期要符合预计完成日期. 一旦鼓完全利用,订单(销售/预测) 需要的完成日期被合理化.在协调过程中,对订单的非-鼓的链不包含鼓任务.因此被推掉P ush Out是肯定的,因为在这一点处理的是鼓链. 鼓推掉(红色任务):同步引擎在鼓上为每一个任务 计算LDB和ET. 如果任务在LDB或之前被完成,就没有缓冲渗透.如果任务在ET之后开始,订单就会被预计延迟. 两者LDB和ET是向后传播.LDB用常规缓冲,那里的ET用积极缓冲. 同步引擎试图在鼓上计划任务或在LDB之前.然而,由于能力或EST( Earliest Start Time )约束,鼓任务也许被计划在它的LDB之后完成 .如果这个任务在ET之前被计划开始,订单就不会被推掉.只有在ET之后,任务才被计划(任务计划开始时间>ET)此订单由延迟数被推掉(任务计划开始时间-ET).注意一个单一的订单能在鼓上分为多层次的任务,甚至如果其中一任务在ET之后计划,定单将也会推掉(红色) .由于ET计算的优点,订单的推掉是基于鼓的计划.使用积极的发货缓冲. 案例1: 时间 日期 LDB10/20ET10/19Drum Task Start 10/17 Drum Task End 10/20
鼓任务在LDB之前计划,因此就不会迟. 案例 2: 时间 日期 LDB10/20ET10/19Drum Task Start 10/18 Drum Task End 10/21 鼓任务在LDB (10/20) 之后计划完成,但是在 ET (10/19)之前开始. 于是任务有缓冲渗透,但是订单仍然没有被推掉. 案例 3: 时间 日期 LDB10/20ET10/19Drum Task Start 10/20 Drum Task End 10/23 鼓任务在它的ET之后的一天计划开始.因此,订单被推掉一天.如果任务计划开始在10/22,订单会推掉三天. 协调下一个鼓(同步和连续) 一旦鼓被计划,它的计划就被固定,不能改变.在计划第一个鼓之后,第二个鼓也必须计划.定义第二个鼓有两个方法: 1,同步:所有的鼓都必须在开始时定义. 2,连续:在前一个鼓已经计划后,从L:C图选择下一个鼓. 两者不同的是:在连续选择里,LC图必须再次产生,且完成库存的计算和展开分配.而同步只是作一修正展开,不需要库存的再分配. 注意,当一下游的鼓在上游鼓之前计划时,连续定义不能运行,这是因为一个事实是上游鼓被锁在已经确认计划鼓的日期和今天之间.于是就没有空间来平衡负荷或产生合理的计划. 同步
当 “产生鼓任务” 的算法运行时,所有任务和它们的LDB日期被初始化. 于是库存在处理过程中被分配. 当选择下一个鼓时, “重新计算LDB 日期” 算法运行.这个算法是在当前完成和基于以前的鼓到下一个鼓的任务的LDB日期传递变化,. 例如:一个订单产生两个任务, 在鼓1的T1和鼓2的T2. 基于对订单的初试的当前完成日期10/25,LDB日期分别是10/15和10/17. 当计划鼓1时,订单推到10/27. 因此,在对鼓2作 “重新计算LDB 日期” , 对T2的LDB的10/17 改变为 10/19.注意的是初试化库存在第一次展开就被分配了.为所有的同步鼓进行维护. 一旦LDB日期再次被计算,在鼓1就进行向前计划,向后计划等算法. 同步计划的优势是所有鼓的能力都被考虑,在每一个单一的鼓/协调计划阶段.多重交互的鼓可以被计划.否则(用连续)就作不到了. 它的缺点是鼓供给另外的鼓(交互鼓)时, 它们能被由”还没有计划”的鼓被没有必要的约束住.这是因为还没有计划的鼓被加载,没有任何已经作出的利用(决定),于是预计的EST或LDB也许比必须的还要更迫切. 连续 在计划一个鼓以后,回到L:C负荷:能力图,另外被选择的,被协调(计划)的工作中心.可以被合适的重复许多次.当另外的鼓被连续的定义,整个展开再次运行. “产生鼓任务” 算法对这个鼓进行重复计算. 库存被动态的重分配. 一旦产生了任务,对协调的算法是一样的. 当对一新的被选择的鼓执行协调展开计划时,如果产生一个“交互冲突”, 显示一个错通知你,这个工作中心由于这个交互鼓冲突可以被计划. 连续选择的优点是基于决策:当计划一个或多个先前的鼓时,在工作中心上的一些原来预计的明显的负荷,也许不再存在了.这也许是因为公共的需求可能已经推掉,释放了一些负荷.于是,它也许不需用象同步方法一样计划许多预计的鼓. 另外的优点是在每一次新鼓被选择时,库存就被重新分配.例如,如果一原材料是许多制造件的共用件,但是,处于短缺,重新分配物料可能会产生更好或更早EST. 缺点是以上提到的“交互冲突”. 拉近早期订单(Pull in Early Orders) 当所有定义的鼓被计划,订单可以选择”拉近”, 订单可以在早于它们的当前完成日期完成,这是因为在LDB,鼓没有可用能力且协调进程已经把任务铲掉一个更早时间. 一个准备/批量已经节约使用了一个准备/批量的决定, 这一步提供可以选择一个或所有拉-进候选的选项. 甚至没有执行拉进早一点的订单, 在一个鼓执行任何一组任务(例如准备时间节约),它将被生产订单下达反映给上游,但是,因为生产订单从一个鼓下达给下游,将由订单(销售和预测)的当前完成日期所驱动,,在鼓上这一组就不会被响应.现在,所有链上供给的订单被考虑.已经被早期忽视的非-鼓链在这一点也被考虑. 对所有其它非-鼓链,同步引擎反映DDB日期.在这个阶段,一个订单 “拉近” ,在非-鼓推掉时将不会被推掉,因为在非-鼓链拉进反映DDB日期 . 如果一订单被及早考虑,在LDB之前,鼓上的任务被计划.LDB是从当前完成日期计算的. 并且在非-鼓链上,当前完成的DDB日期 从不会早于今天日期. 服从 在鼓已经计划和利用时, 工厂的其余计划必需服从鼓的排程. 鼓排程已经被固定.在服从过程其间,以下活动会出现: 对非-鼓链的完成日期也被合理化并且当前完成日期被拷贝到预计完成. 非-鼓DDB日期和产生计划工作订单下达. 为每一个非-鼓节点缓冲剩余也可
以计算. 运行的算法是: 仅仅对非-鼓链合理的完成日期, 最后计算供应: 在鼓上整个展开包括重新排定. 为采购计划展开,重复整个展开 . 对非-鼓链合理日期 大部分订单(销售和预测)在鼓上有它们的合理完成日期(例如,由于鼓的能力缺乏,完成日期被推掉.然而,有两个例外的规则: 非-鼓链是比鼓链有意义的长(大部分的事实是,万一判断时间是有意义的,由于外加工或 超过强制排队时间和/或闲散时间).并不是所有的订单可以有一个任务在鼓上处理的.这可能是由于来源于鼓下游的WIP或产品没有通过一个鼓的路径. 在这个过程中,只有非-鼓的链被考虑. 在这个链上的物料约束现在被考虑合理的日期.(注意在鼓链上的任何物料约束在排程的(协调)进程中都被考虑. 缺省的行为是物料约束为一个PO在到货日期内可以得到. 到货的提前期不被考虑推掉. 通过所有非-鼓链的订单的EST被计算. 如果计算最大化的EST大于当前完成日期,就有不同的订单被推掉. 注意:对推掉使用积极的缓冲.并且装配缓冲没有被包括在积极的计算. 也要注意要防止对新的或旧的订单的EST计算的差异,称排程爬行. 最终计算供应 这是和整个展开相似,除了重新排定的逻辑以外,用于鼓的排程. 非-鼓链又一次被忽略. 在整个展开过程中,库存被重新分配. 重新排定鼓的排程 用当前完成日期,在鼓上展开产生任务是使用同样的概念解释,在依着LDB的日期之前Level 0, Level 1,…) .在鼓上的排程被视为供应和上面产生的任务作为需求. 在为供应和为需求的LDB日期的计划顺序中,供应按需求被排定,. 注意: 因为这个初始化在协调的排程中对成品排定, ,它在这一步,还是可以改变.重新排定也能引起为单一订单的鼓任务分拆. 重新排定的案例: AB DCE 零件 C 和 D 通过不同的鼓初始化,A,在10/15有一个订单,数量为在10/22有一订单,数量为15.零件 C的鼓 (Drum1)在零件D的鼓(Drum 2)之前计划.
SB(发运缓冲) = 5 days 因此, Drum1 有 10个 C 可以在10/10给订单 A 和 15 个C 在10/17 给订单 B. 假设没有 push-outs 出现.Drum 2 被计划下一个和订单A被推到10/25,因为对D缺少能力. 在重新排定过程,订单B所需的15个的完成日期是10/22和订单A的10个完成日期10/25.在Drum 1, 10 个已经计划在10/10 和 15 个在10/17. 现在的事实, 在10/10的计划10个将要给订单B.而不是原来计划的订单 A .当同步引擎重新排定时,它重排10个,在10/10给订单B.它重排5,在10/17给订单B.它排定剩余10个在10/17给定单A. 零件 数量 订单 在鼓上的计划日期 C 10 订单10/10 B C 5 订单10/17 B C 10 订单10/17 A 同步引擎对订单建议了一个保守日期. 物料在完成日期顺序中被分配和最早的订单得到WIP.但是这个订单也可以在排程进程中被推掉.且WIP现在成为可用对一个较早的但是不同的需求,而此需求也可以被推掉,因为首先已经没有WIP. 如果软件对此可以拉-近日期,这是因为它现在已经被排定给WIP,它会建立一”蝴碟”的影响整个订单.他们大部分任务会被重新计算和在反复循环里结束. 而不是进入一复杂的优化问题(任何方法将将不能满足所有参数)和对于最小化的蝴蝶影响 ,同步引擎确定不可以拉进那些订单和哪些有剩余完成日期就好象他们被提前重新排定的那样. 最终供应的重复计算 对整个非-鼓节点会出现一个完整的展开. 一个鼓的上游的任务被鼓的排程(计划)所驱动. 否则,任务被当前完成日期所驱动. 对于非-鼓,产生DDB日期 对每一个非-鼓节点在服从的过程中,两个值被计算它们是:对于非-鼓活动(DDB日期)的开始日期和对于基于范围的开始日期和最终物料完成日期的缓冲剩余.在采购零件层用父项零件的DDB日期产生毛需求(采购信息), 如 对任务的缓冲剩余,在计算里使用确认计划日期:对在链上的订单的鼓计划任务,水平开始日期,约束物料可用日期. 案例 1: 非-鼓任务补给发运缓冲或装配缓冲 缓冲剩余= 完成日期 – 确认计划日期 – 判断时间 案例 2: 非-鼓任务补给鼓缓冲. 缓冲剩余= 鼓开始时间 – 确认计划日期 – 判断时间
案例3: 鼓任务 缓冲剩余= 完成日期 – 确认计划日期 – 判断时间 当一个完整的同步计划运行时,缓冲剩余将总是大于Murphy + ½ 发运缓冲的排队时间. 对于非-鼓链,订单的完成日期将总是大于EST(从任务到订单节点). EST 计算包括积极缓冲且排除装配缓冲.如果用被迫排队时间被用到典型周期时间的话.而不是用缓冲. 缓冲管理就会困难.对一个鼓任务缓冲剩余供给发运缓冲包括鼓的偏置. 对订单完成日期的参数的概念是: 完成日期 = DDB 日期 + 判断时间 + 整个缓冲 = 今天 + 判断时间 + 剩余缓冲 因此,如果今天日期保持进度并且大于DDB日期, 它会开始挤压整个缓冲. 请看软件图示: 第一步:定义约束:机器约束,物料约束,人工约束. 运行无限能力计划(1)定义物料和和能力问题.(2), 固定物料问题
机器能力约束分析图: 物料约束分析图:
人工约束分析: 按订单的物料短缺分析:
第二步: 选择鼓(工作中心),进行计划开发协调: 库存分配,前排计划,后排计划,计划开始时间 库存分配 : (1) 按完成日期排序需求订单;按优先点 (越多越早) 排序需求订单;按数量 (越少越早) 排序需求订单. (2)按BOM (物料清单) 展开.(3), 分配库存–Iterate 通过零件顺序和过帐 post 的需求;给每一个订单分配库存;建立生产订单. 后排计划: 计算最迟可能开始时间(LPST):LPST = 完成日期- (准备+运行+Cool Down) 前排计划: 计算最早可能开始时间 (EPST): EPST = max (服务开始日期 , 物料可用日期) 计划开始时间:计划开始时间(PST) 考虑物料可用的预计开始时间.–PST = max (EPST , LPST)
产生鼓开发协调计划明细: 有限能力计划 (1),手工平衡–在过栽资源上,如果可能,增加能力:交互移动订单 ;交互完成订单 (2),自动平衡 : 第一步:定义过载的资源能力短缺; 第二步:挑出过载资源来平衡: 拉pulling – 订单不能迟; 卸载offloading –订单不能迟; 推pushing – 没有其它方法第三步:如果平衡,选择下一个过载资源重复以上步骤. 示意如下:
资源关键率M1时间M2时间M2 比M1有较高的关键率5NTU EB&SCM Class1, 在关键资源里的任务一旦资源被定义,就开始移动最早的哪一个过载任务?时间5NTU EB&SCM Class
任务: 最迟可能开始时间优先:所有任务被分配一值,基于最迟可能开始时间.1234567132最迟开始时间6NTU EB&SCM Class 任务的优先优先= 最早可能开始时间–开始时间132最迟开始时间开始时间6NTU EB&SCM Class
拉任务Pull –第一次排程拉-卸载-推21312345671. 计算整个可用能力2. 基于优先的,拉一个少于整个能力的任务6NTU EB&SCM Class 下一个过载的任务拉-卸载-推12312345673. 已解决任务4的资源过载.于是解决下一个过载资源56NTU EB&SCM Class
继续拉拉-卸载-推12312345676NTU EB&SCM Class 完成第一次排程拉-卸载-推12312345674. 结束,在重复以上步骤.6NTU EB&SCM Class
拉–第二次排程拉-卸载-推12312345676NTU EB&SCM Class 第二次排程(继续)拉-卸载-推21312345676NTU EB&SCM Class
卸载和推-第三次排程拉-卸载-推2131234567不能拉任何由于物料约束的任务.如果有替换资源存在,可以卸载避免推–较高优先被首先推掉.6NTU EB&SCM Class 最小化延迟为什么较高优先被首先推掉? =>最小化延迟1234567132最迟开始时间6NTU EB&SCM Class
第三步:服从排程: 运行有限能力计划,修正能力问题,运行高级计划器
第八章 基于数学规划-基因算法的APS系统 运筹规划(Operation Research)介绍 Operation Research 原意是操作研究、作业研究、运用研究、作战研究，译作运筹学，是借用了《史记》“运筹策于帷幄之中，决胜于千里之外”一语中“运筹”二字，既显示其军事的起源，也表明它在我国已早有萌芽。 运筹学作为一门现代科学，是在第二次世界大战期间首先在英美两国发展起来的，有的学者把运筹学描述为就组织系统的各种经营作出决策的科学手段。与在他们的奠基作中给运筹学下的定义是：“运筹学是在实行管理的领域，运用数学方法，对需要进行管理的问题统筹规划，作出决策的一门应用科学。”运筹学的另一位创始人定义运筹学是：“管理系统的人为了获得关于系统运行的最优解而必须使用的一种科学方法。”它使用许多数学工具（包括概率统计、数理分析、线性代数等）和逻辑判断方法，来研究系统中人、财、物的组织管理、筹划调度等问题，以期发挥最大效益。 现代运筹学的起源可以追溯到几十年前，在某些组织的管理中最先试用科学手段的时候。可是，现在普遍认为，运筹学的活动是从二次世界大战初期的军事任务开始的。当时迫切需要把各项稀少的资源以有效的方式分配给各种不同的军事经营及在每一经营内的各项活动，所以美国及随后美国的军事管理当局都号召大批科学家运用科学手段来处理战略与战术问题，实际上这便是要求他们对种种（军事）经营进行研究，这些科学家小组正是最早的运筹小组。 第二次世界大战期间，“OR”成功地解决了许多重要作战问题，显示了科学的巨大物质威力，为“OR”后来的发展铺平了道路.当战后的工业恢复繁荣时，由于组织内与日俱增的复杂性和专门化所产生的问题，使人们认识到这些问题基本上与战争中所曾面临的问题类似，只是具有不同的现实环境而已，运筹学就这样潜入工商企业和其它部门，在50年代以后得到了广泛的应用。对于系统配置、聚散、竞争的运用机理深入的研究和应用，形成了比较完备的一套理论，如规划论、排队论、存贮论、决策论等等，由于其理论上的成熟，电子计算机的问世，又大大促进了运筹学的发展，世界上不少国家已成立了致力于该领域及相关活动的专门学会，美国于1952年成立了运筹学会，并出版期刊《运筹学》，世界其它国家也先后创办了运筹学会与期刊，1957年成立了国际运筹学协会。 运筹学的特点是：1.运筹学已被广泛应用于工商企业、军事部门、民政事业等研究组织内的统筹协调问题，故其应用不受行业、部门之限制；2.运筹学既对各种经营进行创造性的科学研究，又涉及到组织的实际管理问题，它具有很强的实践性，最终应能向决策者提供建设性意见，并应收到实效；3.它以整体最优为目标，从系统的观点出发，力图以整个系统最佳的方式来解决该系统各部门之间的利害冲突。对所研究的问题求出最优解，寻求最佳的行动方案，所以它也可看成是一门优化技术，提供的是解决各类问题的优化方法。 运筹学的研究方法有：1.从现实生活场合抽出本质的要素来构造数学模型，因而可寻求一个跟决策者的目标有关的解；2.探索求解的结构并导出系统的求解过程；3.从可行方案中寻求系统的最优解法。
运筹学的具体内容包括：规划论（包括线性规划、非线性规划、整数规划和动态规划）、图论、决策论、对策论、排队论、存储论、可靠性理论等。 数学规划即上面所说的规划论，是运筹学的一个重要分支，早在1939年苏联的康托洛维奇（ ）和美国的希奇柯克（）等人就在生产组织管理和制定交通运输方案方面首先研究和应用一线性规划方法。1947年旦茨格等人提出了求解线性规划问题的单纯形方法，为线性规划的理论与计算奠定了基础，特别是电子计算机的出现和日益完善，更使规划论得到迅速的发展，可用电子计算机来处理成千上万个约束条件和变量的大规模线性规划问题，从解决技术问题的最优化，到工业、农业、商业、交通运输业以及决策分析部门都可以发挥作用。从范围来看，小到一个班组的计划安排，大至整个部门，以至国民经济计划的最优化方案分析，它都有用武之地，具有适应性强，应用面广，计算技术比较简便的特点。非线性规划的基础性工作则是在1951年由库恩（）和达克（）等人完成的，到了70年代，数学规划无论是在理论上和方法上，还是在应用的深度和广度上都得到了进一步的发展。 图论是一个古老的但又十分活跃的分支，它是网络技术的基础。图论的创始人是数学家欧拉。1736年他发表了图论方面的第一篇论文，解决了著名的哥尼斯堡七桥难题，相隔一百年后，在1847年基尔霍夫第一次应用图论的原理分析电网，从而把图论引进到工程技术领域。20世纪50年代以来，图论的理论得到了进一步发展，将复杂庞大的工程系统和管理问题用图描述，可以解决很多工程设计和管理决策的最优化问题，例如，完成工程任务的时间最少，距离最短，费用最省等等。图论受到数学、工程技术及经营管理等各方面越来越广泛的重视。 排队论又叫随机服务系统理论。1909年丹麦的电话工程师爱尔朗（）排队问题，1930年以后，开始了更为一般情况的研究，取得了一些重要成果。1949年前后，开始了对机器管理、陆空交通等方面的研究，1951年以后，理论工作有了新的进展，逐渐奠定了现代随机服务系统的理论基础。排队论主要研究各种系统的排队队长，排队的等待时间及所提供的服务等各种参数，以便求得更好的服务。它是研究系统随机聚散现象的理论 可靠性理论是研究系统故障、以提高系统可靠性问题的理论。可靠性理论研究的系统一般分为两类：（1）不可修系统：如导弹等，这种系统的参数是寿命、可靠度等，（2）可修复系统：如一般的机电设备等，这种系统的重要参数是有效度，其值为系统的正常工作时间与正常工作时间加上事故修理时间之比。 决策论研究决策问题。所谓决策就是根据客观可能性，借助一定的理论、方法和工具，科学地选择最优方案的过程。决策问题是由决策者和决策域构成的，而决策域又由决策空间、状态空间和结果函数构成。研究决策理论与方法的科学就是决策科学。决策所要解决的问题是多种多样的，从不同角度有不同的分类方法，按决策者所面临的自然状态的确定与否可分为：确定型决策、风险型决策和不确定型决策；按决策所依据的目标个数可分为：单目标决策与多目标决策；按决策问题的性质可分为：战略决策与策略决策，以及按不同准则划分成的种种决策问题类型。不同类型的决策问题应采用不同的决策方法。决
策的基本步骤为：（1）确定问题，提出决策的目标；（2）发现、探索和拟定各种可行方案；（3）从多种可行方案中，选出最满意的方案；（4）决策的执行与反馈，以寻求决策的动态最优。 如果决策者的对方也是人（一个人或一群人）双方都希望取胜，这类具有竞争性的决策称为对策或博弈型决策。构成对策问题的三个根本要素是：局中人、策略与一局对策的得失。目前对策问题一般可分为有限零和两人对策、阵地对策、连续对策、多人对策与微分对策等。 运筹学是软科学中“硬度”较大的一门学科，兼有逻辑的数学和数学的逻辑的性质，是系统工程学和现代管理科学中的一种基础理论和不可缺少的方法、手段和工具。运筹学已被应用到各种管理工程中，在现代化建设中发挥着重要作用。 基因算法的概念 基因算法(Genetic Algorithm, GA)是一种基于自然群体遗传演化机制的高效探索算法，它是美国学者Holland于1975年首先提出来的。 它摒弃了传统的搜索方式，模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机化搜索。它将问题域中的可能解看作是群体的一个个体或染色体，并将每一个体编码成符号串形式，模拟达尔文的遗传选择和自然淘汰的生物进化过程，对群体反复进行基于遗传学的操作（遗传，交叉和变异），根据预定的目标适应度函数对每个个体进行评价，依据适者生存，优胜劣汰的进化规则，不断得到更优的群体，同时以全局并行搜索方式来搜索优化群体中的最优个体，求得满足要求的最优解。 Holland创建的基因算法是一种概率搜索算法，它是利用某种编码技术作用于称为染色体的数串，其基本思想是模拟由这些组成的进化过程。其算法通过有组织地然而是随机地信息交换重新组合那些适应性好的串，在每一代中，利用上一代串结构中适应好的位和段来生成一个新的串的群体；作为额外增添，偶尔也要在串结构中尝试用新的位和段来替代原来的部分。 基因算法是一类随机化算法，但是它不是简单的随机走动，它可以有效地利用已经有的信息处理来搜索那些有希望改善解质量的串，类似于自然进化，遗传算法通过作用于染色体上的基因，寻找好的染色体来求解问题。与自然界相似，遗传算法对待求解问题本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应度值来造反染色体，使适用性好的染色体比适应性差的染色体有更多的繁殖机会。 主要术语解释: 基因：组成染色体的单元，可以表示为一个二进制位，一个整数或一个字符等。 染色体或个体：表示待求解问题的一个可能解，由若干基因组成，是GA操作的基本对象。 群体：一定数量的个体组成了群体，表示GA的遗传搜索空间。 适应度或适度：代表一个个体所对应解的优劣，通常由某一适应度函数表示。
选择：GA的基本操作之一，即根据个体的适应度，在群体中按照一定的概论选择可以作为父本的个体，选择依据是适应度大的个体被选中的概率高。选择操作体现了适者生存，优胜劣汰的进化规则。 交叉：GA的基本操作之一，即将父本个体按照一定的概率随机地交换基因形成新的个体。 变异：GA的基本操作之一，即即按一定概率随机改变某个体的基因值。 遗传算法基本步骤: (1) 对待解决问题进行编码； (2) 随机初始化群体X(0):=(x1, x2, … xn)； (3) 对当前群体X(t)中每个个体xi计算其适应度F(xi)，适应度表示了该个体的性能好坏； (4) 应用选择算子产生中间代Xr(t)； (5) 对Xr(t)应用其它的算子，产生新一代群体X(t+1)，这些算子的目的在于扩展有限个体的覆盖面，体现全局搜索的思想； (6) t:=t+1；如果不满足终止条件继续(3)。 遗传算法中最常用的算子有如下几种： (1) 选择算子(selection/reproduction): 选择算子从群体中按某一概率成对选择个体，某个体xi被选择的概率Pi与其适应度值成正比。最通常的实现方法是轮盘赌(roulette wheel)模型。 (2) 交叉算子(Crossover): 交叉算子将被选中的两个个体的基因链按概率pc进行交叉，生成两个新的个体，交叉位置是随机的。其中Pc是一个系统参数。 (3) 变异算子(Mutation): 变异算子将新个体的基因链的各位按概率pm进行变异，对二值基因链(0,1编码)来说即是取反。 上述各种算子的实现是多种多样的，而且许多新的算子正在不断地提出，以改进GA的某些性能。系统参数(个体数n,基因链长度l,交叉概率Pc,变异概率Pm等)对算法的收敛速度及结果有很大的影响，应视具体问题选取不同的值。 基因算法在计算机中的运用 模拟进化计算与人工神经网络是近年来信息科学、人工智能与计算机科学的两大“热点”研究领域，由此所派生的求解优化问题的仿生类算法，由于其鲜明的生物背景、新颖的设计原理、独特的分析方法和成功的应用实践，正日益形成最优化理论与方法的一个崭新分支。遗传算法是目前研究得最为广泛的一类模拟进化算法。 自然界生物体通过自身的演化就能使问题得到完美的解决，这种才能让最好的计算机程序也相形见拙，计算机科学家为了某个算法可能要耗费数月甚至几年的努力，而生物体通过演化和自然选择这种非定向机制就达到了这个目的。 大多数生物体是通过自然选择和有性生殖这两种基本过程进化演化的。自然选择决定了群体中哪些个体能够存活并繁殖；有性生殖保证了后代基因中的混合和重组。自然选择的原则是适应者生存，不适应者淘汰。 在本世纪60年代，美国Michigan 大学的John Holland 在研究机器学习过程中，提出了一种借鉴生物进化机制的所谓自适应机器学习方法。1975年他发表《Adaptation in natural and artifical systems》的专著，如今标准形式的遗传算法才渐为人知。
以下是遗传算法示意图: 主要参数有群体规模N,算法执行的最大代数目M,次要参数有复制概率Pr,杂交概率Pc,变异概率Pm. 0=GEN 产生初始群体 是 指定结果 是否满足停止准则? 否 结束 计算每个个体的适应值 0 = i GEN+ 1 = GEN i--M < 依概率选择遗传算子 Pr Pm Pc 选择一个个体选择两个个体选择一个个体 执行复制执行杂交执行变异 复制到新群体将两个子代串插入到新群体插入到新群体 i+1=i 基因算法示意图
下面用一个简单的例子来说明遗传算法。 某饭店要作出以下三项决定： 价格 汉堡包的价格应定在50美分还是1美元？ 饮料 和汉堡包一起供应的应该是酒还是可乐？ 服务速度 饭店应提供慢的还是快的服务方式？ 这样共有三个决策变量，每个变量有两种选择,组合起来共有2³＝8种方案。于是我们可以用三位0－1数串表示一个方案，第一位表示价格，0表示高价格，1表示低价格；第二位表示饮料，0表示酒，1表示可乐；第三位表示速度，0表示慢速度，1表示快速度。适应值函数就取为每种方案实行后所能取得的利润，为简单见，假设每种方案所对应的利润（适应值）恰为这三位二进制数所对应的十进制值。 用遗传算法解这个问题时，要确定群体的规模N，现取N＝4，然后在8个方案中随机抽取4个方案作为初始群体（第0代），并计算其适应值，设结果如下： 第 0 代 i 串 X 适应值f（x） 1 011 3 2 001 1 3 110 6 4 010 2 总 和 12 最小值 1 平均值 最大值 6 下面就利用适应值的信息，通过模拟生物界自然选择和自然遗传的过程，把一个群体变换到一个新的群体。一个遗传算法由复制、杂交和变异三个遗传算子组成。 复制算子把当前群体中的个体按与适应值成比例的概率复制到新的群体中。在第0代，群体中个体适应值的总和为12，最好的个体110的适应值为6，按照与适应值成比例的选择，我们希望串110将在新的群体中出现（N＝）4×6/12=2次。类似地我们期望个体011和010在新的群体中各会出现1次，而001会从新群体中消失。当然上面只是期望值，因遗传算法是随机的，当按上述概率随机选择后会有差异。 串的选择复制过程可用一种最常用的技术－－赌盘选择来实现，其步骤为： 1. 将群体中所有串的适应值相加求总和； 2. 产生一个在0与总和之间的随机数m； 3. 从群体中编号为1的串开始，将其适应值与后继串的适应值相加，直到累加和等于或大于m，就停止求和，其中那个最后加进去的串即为选择的串。
如本例随机选择的结果为： 轮盘赌盘选择 随机数 5 2 12 9 选择的串 110 011 010 110 由复制算子产生的新的群体称为交配池，交配池是当前代和下一代之间的中间群体，它的规模亦为N。 复制后的交配池 第 0 代 交配池 i 串 Xi 适应值f（Xi） f(Xi)/∑f(Xi) 串 f(Xi) 1 011 3 011 3 2 001 1 110 6 3 110 6 110 6 4 010 2 010 2 总 和 12 17 最小值 1 2 平均值 最大值 6 6 复制算子作用的效果是提高了群体的平均适应值及最差的适应值。低适应值的个体趋于被淘汰，高适应值的个体趋于被复制，在复制运算中群体的这些改进具有代表性，但这是以损失群体的多样性为代价的。复制算子并没有产生新的个体，当然群体中最好个体的适应值不会改进。 遗传杂交算子可以产生新的个体，复制算子每次仅作用在一个个体上，而杂交算子每次作用在从交配池中随机送取的两个个体上。杂交算子产生两个不同的子代串，它们一般与其父代串不同，但又包含着两个父代串的遗传物质。 杂交算子有多种，其中最简单的一种杂交算子的作用过程如下：首先产生一个在1到L-1（其中L是数串的长度）的随机数i, 然后配对的两个串相互对应地交换从i+1到L的位移。假设从交配池中选择编号为1和2的两个串为配对串，且杂交点选在2（如下面的分隔符|所示），则杂交算子作用的结果为： 01 | 1 010 11 | 0 111 现在对交配池中的个体按杂交概率Pc（假设Pc＝50％）随机选择N×Pc个个体（本例为2个个体）进行杂交，交配池中余下的（1－Pc）＝50％个体仅进行复制运算。经杂交运算后得到了下一代的群体。如下表:
第 0 代 交配池 第 一 代 i 串 Xi 适应值f（Xi） f(Xi)/∑f(Xi) 串 f(Xi) 杂交点 串 f(Xi) 1 011 3 011 3 2 010 2 2 001 1 110 6 2 111 7 3 110 6 110 6 - 110 6 4 010 2 010 2 - 010 2 总 和 12 17 17 最小值 1 2 2 平均值 最大值 6 6 7 以上例子说明了遗传算法利用复制和杂交算子可以产生具有更高平均适应值和更好个体的群体。 遗传算法迭代地执行这个过程，直到满足某个停止准则。停止准则有时表示成算法执行的最大数目；也可以在可以识别最优解的问题中，当最优解出现在群体中时就停止执行。 变量算子也是遗传算法中常用到的遗传算子，它以一个很小的概率Pm随机地改变染色体串上的某些位，对于二进制串，就是相应的位从1变为0或从0变为1。例如对上例交配池中编号为4的个体010被选择进行变异，且变异点选择在2，那么原来的个体变为000。变异算子具有增加群体多样性的结果。 归纳以上所述，对于求解 Max{F(x):x єΩ єRⁿ} 的遗传算法步骤如下： 首先以某种编码表示每个x єΩ ，并建立适应值函数f(x). 步骤1初始化： 确定种群规模N，杂交概率Pc，变异概率Pm，及终止准则； 以等概率从Ω 中随机选取N个个体Xi(0)组成初始种解X(0)={x1(0),…,Xn(0)} 注意这里的Xi(0)都是以染色体编码表示的. 计算Xi(0)的适应值f(Xi(0)). 置k=0 步骤 2种群进化 使每个个体Xi(k)以概率f(Xi(k))/∑f(Xj(k)) 随机地选择N个个体进入交配池.
从交配池中随机地选取N*Pc个个体配对进行杂交. 从交配池中随机地选取N*Pm个个体进行变异,执行完杂交和变异运算后的交配池中新的N个个体组成新一代种群. X(k+1)={X1(k+1),…,Xn(k+1)}. 步骤 3 终止检验 如果X(k+1)已满足预先设定的终止标准,则终止演化,并输出最优解,否则置k=k+1 转步骤2. 基因算法在工业中的运用 在工业上,实际上,APS可以对任务的类型采用可以替换的加工流程,对任务的工序采用优先约束.包括1,对每一个工序采用最好的机器.2,决定工序的加工顺序.3,挑选工序外包.4,最小化每一个订单的制造时间.基于基因算法的APS系统,能够有效的解决复杂的约束优化问题,对所有订单产生优化的计划排程. 描述和初始 使用基因算法关键是开发一个基因描述规划来反映一个可行的方案.假定有一个任务包括6个工序,V1,-V6.染色体结构可以被反映为以下图示: 对工序的可替换的机器 工序 可替换的机器 V1M1,M2,M3 V2 M1,M2 V3M1,M2,M5V4M1,M3,M4,M5V5M1,M3V6M1,M5 带有优先约束多个工序顺序: V3 V1 V4 V6 V2 V5 机器的选择和工序的顺序: 工序号 V1 V2 V3 V4 V5 V6 机器号 M2 M1 M2 M1 M3 M5
加工时间 5 2 4 1 6 3 决定工序的顺序: V2 V1 V4 V3 V5 V6 计划排程: 机器M1 V2 V4 M2 V1 V3 V5 M3 M4 V6 M5 时 间 替换机器和工序的加工时间: 机器号 工序 V1 V2 V3 V4 V5 V6 M1556322M2 5 5 4 M36653M4 3 M5 6 4 3 每一个工序的开始和结束时间(开始时间,结束时间): 机器号 工序 V1 V2 V3 V4 V5 V6 M1 0,5 10,13 M2 5,10 13,17 M3 17,20 M4 M5 20,23 以上假设一个任务,有六个工序,染色体结构反映如上,第一排的染色体指明工序, 对每一个工序匹配一个随机选择机器号.每一个工序可以从可能替换的随机选择一个机器号.第二排指明优先级,当工序没有存在的零件时,可以对候选的选择,在[1,J]里随机产生基因的值,J是工序的合计号.例如,当V1和V2没有优先的同步约束,对工序顺序选择V2,因为V2的优先号是2.在选择V2以后,我们可以删除V2和V2引起的所有端.现在,V1和V5没有前面的工
序,且对下一个工序选择V1,因为V1比V5有较高的优先级.用同样的方法,工序顺序决定V2-V1-V4-V3-V5-V6,用到每一个工序的机器顺序是M1-M2-M1-M2-M3-M5. 甘特图显示的是总制造时间是23.当染色体被基因工序合并或修整,如交差或变异,总制造时间可能会减少.当制造时间足够的最小化,染色体可以给我们最好的机器选择和工序顺序. 产生可行的方案的程序示意是: Input 数据 零件号和替换的机器 对每一个零件的工序号; Let Vj(j=1,…J) 是在订货方式里的所有零件类型的J工序; 用优先的约束为所有零件设置取向图; 设置替换机器和每一个工序的时间,包括外包; 外包的运输时间; Begin: 产生机器选择的染色体: 分配一随机的,为每一个工序to Vj从可替换的机器选择机器; 为每一个工序,Vj产生一随机的优先号(1 to J) 产生工序顺序: While (任何工序剩余) do If 每一个工序有前一个处理 then 网络是不可行:停止; Else 取一个没有前一工序的工序Vj Output Vj Delete Vj End; 产生一可行的计划: 为所有零件选择机器并考虑工序顺序,制作一个计划排程; End; 在基因算法的第一步是处初始化染色体的群体,每一个染色体包扩一个优先号和一个随机的对每一个工序,从一套可以替换的机器只间选择的机器.这个初始化的过程按以上的程序执行,产生一个染色体群. 选择和适合评估
染色体包含很多信息.他们用工序顺序的约束的方法分配工序到每一个机器. 适合评估在以下程序示意: Begin: MPrk=0 for all k Sijk=0 for all I,j,k, 用机器k决定合计加工时间 For r=1 to R if r >1 then MPrk=MP(r-1)k; Else; For i =1 to Ir do For j =1 to Ji do 为工序j选择机器号; If k 是外包的机器 then; If 工序j是第一个工序then Srijk=MPrk; Else if 工序j-1 不用机器k then Srijk=TRk+MPrk; Else Srijk=MPrk; Erijk=Srijk +MATrijk; If 工序j+1 将不用机器k then; MPrk= Erijk+TRk; Else MPrk=Erijk; Else; Srijk=MPrk; Erijk=Srijk+MATrijk MPrk=Erijk; End; End; End; For r=1 to R do MSr=Max(MPrk) k=1…k End; Return MSr; End; APS的适合功能考虑到只有唯一的目标值.目标值是对每一个订单r最小化制造时间(MSr).MSr是对所有零件,所有工序的所需的时间,最后一个工序的完成时间是Makespan. 基于完成日期的有限生产时间.MSr对所有订单r应该不断的满足MSr<=Dr-ATr –DTr.(Dr:客户订单r的完成日期. ATr:装配时间.DTr: 交货时间) 对所有产生的染色体评估适合之后,选择策略从染色体群中选择染色体.它基于父代和子代创立一新的下一个的染色体.一个著名的轮盘赌选择方法. 交叉和变异 建立下一代的基因工序,如执行选择,交叉和变异产生一套新的子代的染色体, 当变异是一基本操作时尤其是交叉是主要的操作,对基因算法的性能产生巨大影响. 在一父项选择任务的订单在相应的其它父项任务上被处理,基于订单的变异以随机的优先数交替.
假设有两个染色体是父项1=[5 1 2 4 6 3] 和机器号是=[2 1 2 1 3 5], 父项2=[2 6 1 4 3 5] 和机器号=[5 3 1 2 1 2].用同样的程序,我们可以产生子项=[6 1 2 4 3 5]和机器号=[5 3 2 1 1 2].这里主要是交换变异的操作. 在一个染色体且交换它们的内容里,交换随机选择两个基因(只有优先级号). (1)从父项1随机选择一子串 父项 1 V1 V2 V3 V4 V5 V6 M2 M1 M2 M1 M3 M5 512463 父项 2 V1 V2 V3 V4 V5 V6 M5 M3 M1 M2 M1 M2 261435 (2),产生一个修正的父项1 父项 1 V1 V2 V3 V4 V5 V6 M2 M1 M2 M1 M3 M5 512463 子代 V1 V2 V3 V4 V5 V6 M5 M3 M2 M1 M1 M2 612435 父项 2 V1 V2 V3 V4 V5 V6 M5 M3 M1 M2 M1 M2 261435 图表: 基于订单的交叉 总之,在当前的一代t里,让P(t)和C(t)是父项和子项.整个基因算法的程序以下示意: Begin: t 0 初始化父项群P(t); 评估 P(t); While (没有中断条件) do 再结合P(t) to C(t) 交叉和变异. 评估 C(t); 选择P(t+1) from P(t) and C(t); t t+1 End End 结论 虽然,解决车间调度和计划与排程的是较复杂的问题,基因算法也正在发展,如全局搜索,局部搜索,收敛速度,处理多重,动态约束等.其方法是非常灵活的解决此类复杂问题.此方案
可以合理的重复转换,因为基因算法可以维持一个潜在的方案的基因群里运行多维的搜寻.在可行的方案领域得到有效的较满意的优化方案.在现实世界里,一个复杂的制造供应链系统,一个有效的方案的产生应该是随着制造环境的改变而进行调整. APS在供应链方面也提供了可以由计划员进行配置的基因算法模型，以满足具体需要的功能，例如拖放功能。这使得建模的过程与使用建模语言相比虽然灵活性降低，但更加简便、可视化，这就使运筹学这一理论易被计划员和经理们所接受。不同的行业可以选择不同的方法进行建模和使用。 在基因算法模型中，可以定义以下成本参数： 生产成本 额外生产成本 采购成本 运输成本 额外运输成本 储存成本 额外储存成本 处理成本 安全库存的惩罚性成本 延迟交货的惩罚性成本 未交货的惩罚性成本 计划人员能够在控制面板上仅通过移动按钮的方式方便地给各个成本参数线性赋予权值。这些参数通过优化算法得出最优解：在系统中表现为生成了生产计划和运输计划。这些计划能够同时考虑不同类别的成本和相关约束条件，并给出具有最低成本的优化解。计划人员可以通过调整不同的成本参数的权重以模拟研究不同的计划情况，获取计划方案的敏感度。举例而言，它可以用来判断当存储成本达到多高的时候将会产生额外的运输订单。 通过优化扩展平台，用户能够将自定义的优化算法和启发算法集成在一起，这一平台使得APS能够很方便地与第三方或用户自身开发的算法相结合，从而满足不同行业或公司的特殊需要。
第二篇 供应链的APS 第九章 供应链管理的历史,现状与未来 在过去几十年间，企业组织结构和内部职能划分都发生了巨大的转变，供应链管理也从分散式发展到集中式。如今，计算机技术已经能够使不断扩展的企业的所有职能部门和地域的业务流程信息快速地传递，这使得决策者有可能从企业整体利润最大化的宗旨出发制定和执行计划。当前供应链发展的趋势在朝着集中计划与分散执行相结合的模式发展。 分散式―职能部门化阶段 从50年代到80年代末，企业的组织结构以其一系列各自为政的职能化或者区域性的条条框框为特征。各个职能部门分别在一个相互隔离的环境下制定和执行计划，由于业务信息缺乏标准化、数据完整性较差、分析支持系统不足、各自完全不同的技术系统，以及缺乏推动信息共享的激励机制，管理层在此环境下试图进行集中供应链计划的努力注定是徒劳无功的。 集中式―集成供应链阶段 这个阶段是20世纪80年代末到90年代后期。高级计划排程（APS）系统、企业资源规划（ERP）系统的迅速传播和广泛采用，以及后来与业务流程重组（BPR）的相结合，是这次转变的主要推动因素。 在80年代末和90年代初，随着BPR的出现，企业领导人逐渐认识到，把企业的组织结构与主管人员的相关业务目标和绩效激励机制结合起来，可获得效益。技术的进步以及计算处理成本的降低，加快了整个企业范围的业务处理系统，如ERP系统的集成。如今，高层管理者可以容易地得到标准化的业务信息，以及一套一致的不同业务、职能部门和地理区域的评价指标。随着APS系统的引入，供应链优化成为一项切实可行的选择。这也提高了日益集中的供应链计划流程的效率。跨职能部门团队的协作推动供应链计划流程更加一体化，并将企业作为一个整体来看待。 各行各业的领先性企业均开始认识到，如果要尽可能地提高效益，需求预测、供应链计划和生产排程应作为一个集成的业务流程来看待。因此，越来越多的跨职能部门团队以定期开会的方式，相互协调，制定最佳的销售和运营计划行动方案。 与供应链计划一样，供应链执行决策也逐渐朝跨职能部门的一体化方向发展。现在，采购和制造部门能够共同进行原材料的采购决策，从而实现产品总体生产成本的最小化，而不仅仅是最低的采购价格。同样，客户服务、分销和物流部门也可以通过共同进行订单履行的决策，实现客户服务成本的最小化。
集中与分散结合式―价值链网络阶段 今天，互联网创造了一个对供应链具有深远影响的强有力手段:协同工作。随着计划流程所需的大部分输入信息已经可以从底层迅速传递到整个企业，以及更多的数据直接来自最终用户，一体化的集中供应链计划将变得更加有效。相关人员也将可以根据业务状况的最新进展来检查和调整有关信息，销售代表能够掌握最新的客户信息，迅速更新需求预测，并逐渐做到支持客户直接更新。同时，购买方和销售方有关产品季节性、促销活动以及新产品发布等信息的共享，将进一步强化此趋势的发展，从而提高相关的效益，如更高的客户服务水平和更低的供应链成本。 另一个重大发展是供应链执行决策将变得日益分散化。随着供应链从供应推动模式（面向库存）发展到需求拉动模式（面向需求），成功地运作供应链需要4大关键因素：实时的可视性（横跨整个供应链）、灵活性（供应和来源的选择）、响应性（针对客户需求多变和订交货周期缩短）以及快速的新产品上市（根据市场潮流和新型设计）。 下一代的供应链系统将包括供应链流程管理和事件管理的能力。这样的能力可以使基于事件的实时信息，在企业内逐步提交到适当的人，这样他（她）就能够进行有效的决策，将该事件对企业的影响降到最低，或是充分利用该事件所创造的机会。例如，生产调度员可以根据实时的库存信息，主动地控制（通过调整生产作业计划等方式）像原材料未能按时到货等意外情况导致的不良后果。但是，同样的一条信息，如果与通过市场上相关产品价格峰值所分析出的供应链需求失衡的结论相结合，高层经理可推断得出：也许该供应商的某一主要生产设备出了故障的结论。供应链管理系统可能会建议采取如下的应对策略：向供应商确认该事件，考虑可能的替代材料，评估后备供应商，估算这将给下游价值链所造成的影响等。更高的可视性和更易于访问的实时信息，将大大提高供应链执行决策的预见性。供应链的实时可视性，以及与事件监控和管理系统的结合，将提高预见性决策的比例，最大程度地减少计划外情形所造成的不良影响，或是提高利用该事件所创造的机会。重大决策将越来越多地由跨部门的团队制定，这个团队的选拔和组建必须保证让该团队具备适当的技能、职责和权力。当然，有时也可能仅仅为了解决眼前的某个问题而组建这样的团队。 对供应链效率的不断追求将越来越强调分散与集中相结合的结构和方法，即集中计划与分散执行相协调的模式。这对供应链的实时可视性提出了很高的要求，必须具备基于事件监控管理和快速反应的机制，对出现的问题进行迅速调整和补救。因此，有效的供应链计划和管理必将采取包括执行层、中高级管理层的多层面一体化团队组织架构，并通过实际的和/或虚拟的途径执行计划和决策。
供应链管理的发展阶段 职能部门化阶段 集成供应链阶段 集成供应链阶段 在各独立职能部门内进行供 关注业务流程变革； 协同计划； 应链计划； 由于企业内信息的标 把企业计划流程扩展到企业之供应 信息缺乏横跨企业的标准，准化供应链效率得以外，包括签约制造商、主要客户链计可视性有限，供应链计划的效提高； 和供应商。 划 率低下。 集成的供应链计划、需求预测、计划与调度。 基于独立部门的供应链执 集成的跨部门决策， 决策由企业内最适当的管理层供应行，通常是被动反应； 仍主要属于被动反应制定； 链执 决策通常由部门经理及其主模式； 更高比例的协同、预见性决行 要助手制定。 有限的协作。 策。 电子供应链的形成 早在1980年，美国日用品制造商宝洁，接到密苏里州圣路易市一家超级市场的要求，说能不能自动补充货贺上的Pamper牌尿布，不必每次再经过订货的手续，只要架子上一卖完，新货就到，可以每月付一张货款支票。宝洁的经理韦克斯经过筹划，把两家公司的计算机连起来，做出一个自动补充纸尿布的雏形系统，结果试用良好，两家公司不必再为“尿布”发愁了。由此，自动化的供应链管理也就此开始了。 1987年，宝洁副总裁莱尔法把“尿布”系统扩大，向他们下游的经销商和日用品销售商推销这个系统，以让双方获利。当时，有两家大型百货零售连锁店试用，一家是沃尔玛，一家是凯玛特。沃尔玛在1988年买了宝洁的“尿布”系统，然后充分运用系统的特点，致使企业发展到今天，已经成为拥有4400家大卖场的全球最大百货零售企业。 “连续补充”的概念是始于沃尔玛的创始人萨姆-沃顿是一个很有眼光的人。他说大家做事的方法太复杂了，“你应该自动送给我Pamper尿布，我一个月送给你一张支票”。宝洁当时正与一家下游的零售商店做自动送货已有一段时间了，知道沃尔玛有同样的想法，就试着合作，当然也是先从自动送货开始，“连续补充”的概念就因此产生了。 连续补充虽然只是工作流程上的一个技术问题，但是从此建立了相互信赖的关系。两家的电脑连接在一起，沃尔玛销售宝洁产品的情况，随时会被传送到宝洁的工厂，用来安排生产、包装和运送的时间；沃尔玛也同样可以通过计算机联网，了解下一批产品上午需求情况。双方信息的共享，使服务质量大为改善，存货量也大为降低，建立了双方进一步合作的基础，也促使沃尔玛迈向“把最好的价值带给顾客”的成功之路。现在，这句话成了沃尔玛的座右铭。 怎么想到从连续补充做起呢？据宝洁副总裁莱尔法解说，零售业上下游买卖的手续过于繁琐，尤其是对多家，多样商品的买卖，不但复杂，而且费时耗力，要付出很高的成本。宝洁与沃尔玛这两家最大的卖主与买主，就想到换一种有效率的做法，来降低存货、运费和其它不确定的因素。这件事所面临的第一个挑战，就是宝洁告诉沃尔玛，由我供货
商来管你零售商的存货，而且会比你自己管理的更好。零售商听了，起初都不以为然，以后逐渐打开心结，一步步合作，事实证实了这个想法是正确的。 货物的运输是连续补充的重要一环，必须从新考虑。如沃尔玛的大型零售场所停满了尚未卸货的卡车是常事，但现在不行了，卡车一到就要立即卸货，因为没有仓储、没有存货。而供应商方面，不论是制造或包装，工厂的生产程序也要改变、都缘自于这种“Just-in-Time”准时化的运作模式。莱尔法解释连续补充：就好像一根水管，水可以不断地流出，即使没有储水池，也不会出现浪费现象。从连续补充的成功，转向进一步的合作，两家企业还彼此开放了更多的信息，共同规划促销活动、预测销售、创造利润，完全改变了买卖双方原有的传统接口形式。 现代供应链管理的标准CPFR 宝洁与沃尔玛的合作，改变了两家企业的营运模式，实现了双赢。与此同时，他们合作的4个理念，也演变成供应链管理的标准。这4个理念可以用4个字母代表，C(Collaboration合作)、P(Planning规划)、F(Forcasting预测)和R(Replenishment补充)。 “C” ------合作 不是两家企业普通买卖关系的合作，而是为同一目标、创造双赢的合作。零售商店不存货，而把存货推给供货商、增加供货商共同的成本，就不叫合作。如果零售商与供货商共同以零售店顾客的满意为最高目标，来通力合作，就可让双方都成为赢家。这样的合作是长期的、开放的，而且要共享彼此信息，双方不但在策略上合作，在营运的执行上也要合作。双方先要协议对对方信息的保密，制订解决争端的机制，设定营运的监控方法以及利润分配的策略。双方的目标是，在让销售获得最大利润的同时，缩减成本与开销。 “P”------规划 供应链管理源于日用品的零售，当初并没有P，以后因为有别的行业应用，认为有把P纳入的必要。 P是规划，两家企业合作，要规划的事很多。在营运上有产品的类别、品牌、项目；在财务上有销售、价格策略、存货、安全存量、毛利等。双方在这些问题上的规划，可以维系共同目标的实现优化。另外，双方可以对产品促销、存货、新产品上架、旧产品下架等一些事情进行共同规划。 “F”------预测 对销售的预测，双方可有不同的看法、不同的资料。供货商可能对某类商品预测的准确，而零售商店可以根据实际销售对某项商品预测的准确，但双方最后必需制定出大家都同意的预测方式。系统可依据原始信息，自动做出基础性的预测，但是季节性、时尚性的变化，以及促销活动，顾客的反应，都会使预测出现变化。双方预测要制定好规划，来研讨并解决预测可能产生的差异。 “R”------补充 20年前谈的就是自动补充纸尿布，所以补充是供应链管理的重要程序。销售预测，可以换算成为订单预测，而供货商的接单处理时间、待料的时间、最小订货量等因素，都需要列入考虑范围之内。货物的运送，也由双方合作进行。零售商订货，应包括存货比
率，预测的准确程度、安全存量、交货时间等因素，而且双方要经常评估这些因素。在补充程序上，双方要维持一种弹性空间，以共同应对危机事宜。成功的补充程序，是供货商经常以少量的货品供应零售商，用细水长流的方式，减低双方存货的压力。 供应链流程参考模型SCOR(Supply-Chain Operations Reference-model) 是第一个标准的供应链流程参考模型，是供应链的诊断工具，涵盖所有行业。SCOR使企业间能够准确交流供应链问题，客观评测其性能，确定性能改进的目标。 流程参考模型通常包括一整套流程定义、测量指标和比较基准，以帮助企业开发流程改进的策略。SCOR并不是第一个流程参考模型，但却是第一个标准的供应链参考模型。 SCOR模型主要由四个部分组成：供应链管理流程的一般定义、对应于这些流程的性能指标基准、供应链“最佳实施”的描述以及选择供应链软件产品的信息。 SCOR模型按流程定义可分为三个层次，每一层都可用于分析企业供应链的运作。在第三层以下还可以有第四、五、六等更详细的属于各企业所特有的流程描述层次，这些层次中的流程定义不包括在SCOR模型中。 SCOR模型的第一层描述了五个基本流程：计划(Plan)，采购(Source)，生产(Make)，发运(Deliver)和退货(Return)。它定义了供应链运作参考模型的范围和内容，并确定了企业竞争性能目标的基础。 SCOR模型中所有流程元素都附有：流程元素的综合定义；循环周期、成本、服务/质量和资金的性能属性；与这些性能属性相关的评测尺度，以及软件特性要求。值得注意的是，SCOR不 是软件指南，而是业务流程指南，但它也可作为供应链管理软件开发商的参考。在许多情况下，改变管理流程即可使企业获得最佳业绩而不需要开发软件。 SCOR模型是一个崭新的基于流程管理的工具，国外许多公司已经开始重视、研究和应用SCOR。大多数公司都是从SCOR模型的第二层开始构建他们的供应链，此时常常会暴露出现有流程的低效或无效，因此须要花时间对现有的供应链进行重组。典型的做法是减少供应商、工厂和配送中心的数量，有时公司也可以取消供应链中的一些环节。一旦供应链重组工作完成，就可以开始进行性能指标的评测和争取最佳业绩的工作。 目前所说的广义供应链管理软件SCM，按照过程进行供应链组织间的计划、安排进度表和供应链计划的执行与控制，着重于整个供应链和供应网络的优化以及贯穿于整个供应链计划的实现。好的SCM软件供应商提供的套件，包括了从定单输入到产品交付等并
行于制造业务流程的全部业务过程，其中包括预测、供应链和生产计划、需求和分销管理、运输计划以及各种形式的业务智能。 实现SCM有两大技术支柱：集成（Integration）和协同（Coordination）。而供应链的协同功能则以3项技术为基础：1）现代的信息和通讯技术；2）过程标定（基准）——以行业最佳实践企业的运行效果为基准模板，实施供应链改造的后来者向这个模板看齐；3）高级计划与排产技术（Advanced Planning and Scheduling，APS）。APS能够统一协调企业间的长、中、近期的计划，是SCM的核心。APS的核心基于长期证明的数学算法或解决方案。但APS所采用的并不是单一的技术，具体应用的算法（诸如线性规划、整数混合规划、推理、约束理论以及模拟等等）视需要解决问题的类型而定。APS从ERP系统下载数据到专用服务器上做常驻内存的处理，实现计划的反复运算或对可选方案进行评估，直至得到可行的或基本上可获利的计划或进度表。 SCOR供应链流程参考模型里的计划供应链的概念是: 计划供应链是开发与建立一个特定时间段,基于最长时间保护期的资源约束的供应链资源来满足供应链的需求.具体目标是: (1),能力利用: 如何评估较紧缺的资源来产生一好的产品或服务,就必须要考虑内部生产能力,约束处理,直接人工的可用和关键材料的可用. (2),现金-现金周期: 要考虑库存的供应的天数+销售欠货的天数-材料的平均付款期. (3)累计供货/制造周期:累计外部和内部提前期来建立可发运的产品(如果从没有现有库存,没有零件在订和没有先前的预测的供货). (4),对客户的需要日期的交货绩效:销售订单的交货按客户的需要日期的百分比. (5)需求/供应计划成本:考虑预测,生产成品或最终物料计划和通过整个供应链的包括所有渠道协调需求/供应过程相关的成本. (6)完成率:在24小时内的接单到发货的百分比.
(7),预测的精确度 (8).库存供应天数:存货/(销售成本/365) (9)重排计划周期 (10)资产回报 (11)员工销售率 (12)订单履行提前期:平均的客户签字到订单接受,订单录入完成,准备发运,客户接受安装完成的时间任务. (13)完美的订单履行:交货完成,所有物料按客户的要求日期,数量,安装无差错,配置确,无损坏.用客户的定义的发运文档资料,如装箱单据,运输单据,发票等. (14),生产的灵活性 (15)供应链财务成本:付款发票,审计物理库存数,库存记帐,管理应收款. (16) 供应链响应时间 (17),总供应链成本: 包括执行,管理,计划. (18),增值效率:增值/每员工=(产品收入-全部物料采购)/全部员工 SCOR的供应链计划优化系统 供应链计划优化系统包括4个活动: - 定义,优先, 合计的供应链需求.在定义的,优先的,合计的过程中,所有需求的资源都和生产服务的供应链在合适的层次,时区,间隔方面集成.销售预测是符合下面概念:销售预测的层次,时区.时间间隔.销售预测的层次是在公司层次的集中点,例如:公司预测,区域预测,产品系列预测,按地点的SKU预测.销售预测的时区必须符合计划的时区.如每年,1-5年,1-6月,天,周,每月.销售预测时间间隔要符合计划更新的频率.天,周,月,季. - 定义, 评估, 和合计的供应链资源在定义的,优先的,合计的过程中, 做为一个部分形成的整体,供应链所有的供应资源都需要在生产或服务的合适的层级,时区和间隔上增值. 平衡供应链的资源和供应链的需求.定义和评价需求和资源间的差别和不平衡的流程是为了决定怎样最好的解决差异,通过市场,价格,包装,仓存,货源计划或一些其他的行动,在互动的,协调的环境下,来优化服务,灵活性,成本,资产.开发时间段的行动过程的流程分配供应链的资源来满足供应链的需求. - 建立供应链计划,通过合适的时间定义(长期的,每年,月,周)计划时区和间隔,建立和行动的沟通过程.反映可预计的适用的供应链资源来满足供应链需求. P1供应链计划的最佳实践 (1),根据需求信号瞬时改变重新设置产品和基于事件驱动供应链重计划. (2),所有职能部门和组织了解供需平衡的影响,包括销售,市场,生产管理,制造,客户,供应商,物料管理和产品开发. (3),有能力运行模拟整个供需流的平衡.达到”假如-什么”的供应链建模和可视化的系统.
(4),所有供应链需求和资源,同时包括可用和承诺需求的资源在线可视化. (5),实时的再平衡整个供需流的能力从客户的客户到供应商的供应商,包括货源-制造-交货的资源和需求. (6),在业务流程的再造,再设置和连续的变化上,快速响应与灵活. (7),供应链必须设置为供应的灵活性应满足需求的变化的速度 (8),供需流程高度集成从客户的数据到订单的接受,生产和供应请求. (9),平衡决策支持的工具 (10),商务智能 (BI).一个数据仓库/数据集市是所有计划数据,业务规则,业务数据的来源.分析工具能够基于实际的数据进行维护和改善业务规则 (11),合作规划,预测补充 (CPFR). 供应链计划系统和通信技术以及新定义的标准反映CPFR的模型和参与整个计划过程. (12),客户关系管理 (CRM).提供客户管理和信息,通过所有渠道包括互联网和传统的销售服务渠道,在产品计划和交货过程中,管理客户所有的联系和沟通. (13),需求计划,需求流驱动:为整个供应链计划过程提供多重数据模型包括业务规则.算法使用业务规则驱动的计划引擎. 现代供应链优化一般模型 目标函数：供应链整体效益最大化 约束条件： (1),供应链各个结点之间的物流平衡. (2),供应链各个生产结点内部的物流平衡. (3),供应链各个环节的能力限制约束. (4),供应链内部不同生产工艺的能力限制. (5),库存限制约束. (6),能力扩充约束. (7),资金可用约束. (8),运输能力平衡约束. 因为供应链是多供应商、多生产厂、多分销中心复杂的供应链；多原料、多组件、多产品、多运输方式复杂物流关系；供应链各节点之间的物流平衡关系复杂；供应链生产厂内部的投入产出（BOM）关系；供应链各服务设施布局，能力平衡和能力扩充；供应链各节点的库存能力与库存数量；供应链不同层级间使用不同运输工具的运输问题；供应链各环节的生产、运输的时滞。 我们要全面考虑供应链上的物流平衡；要考虑各工艺设备和设施的能力平衡；要优化各级供应链上的库存水平；要优化供应链间的运输方式；要提供重要资源的影子价格；要较强的辅助决策功能,需要寻找瓶颈、能力扩建、what-if分析等；要可考虑中、长期计划的动态模型；要模块化数据驱动模型，适用于制造型企业. 其模型所涉及的内容应该是生产厂的数量、地理分布、生产能力、工艺与产品种类；原材料和零部件的需求数量，价格、供应渠道、供应方式的选择；生产的组织方式和市场需求的满足方式；原材料、零部件、中间产品和最终产品在各级仓库的库存水平；原材料和产品的运输方式和运输路线。
其模型的特征为: (1)设施配置：设施数量、种类、地理位置选择，多层级设施配置和技术选择； (2)能力匹配：供应商、工厂、运输、分销等环节的设施能力以及能力扩充问题； (3)物流关系：多种原料、中间和最终产品在多设施之间的物流关系； (4)库存优化：处理多级库存系统中的最大和安全库存； (5)随机因素：能处理供应链中的随机因素； (6)非线性因素：采购、生产、分销中的非线性关系，区别各种固定费用与变动费 用； (7)动态特性：可处理多时间周期； (8)客户服务：模型应能考虑客户满意度、最短的客户需求响应时间、按期交货比 率等客户服务性功能指标； (9)优化准则：模型能适应多种优化准则，如最小成本、最大利润、或多目标优化 准则； (10)跨国公司全球性供应链还应考虑以下特性：税务问题：不同国家的关税和税 率、关税退税和减免政策； (11)汇率问题：不同国家之间资金流动的汇率问题，汇率波动影响，以及转移价格 问题； (12)跨国物流问题：考虑跨国物流的特性，如较长的时间提前期，跨国的BOM关系 等； (13)贸易壁垒：国际贸易中的非关税壁垒，如配额、本地化比例、补偿要求和政府 补贴； 实施供应链优化系统的潜在问题 影响供应链计划推广与实施的难度有可能是如下原因: 1,供应链中所需的多个协议可能会使更换合作伙伴的成本太高.供应链因此会变为相对的结构,而不能足够灵活地满足市场.从宏观角度来看,由于竞争和创新的原因,联合加固市场壁垒可能不是很理想,并且可能会遭到反托拉斯法的阻碍. 2,大企业可能会强迫人力和资金不足的中小型企业进入供应链系统,即使他们的资源不足以参加这样的合作. 3,供应链网络的最优不一定是每一个伙伴最优匹配,对各种影响的量化和利益的分配可能会引起潜在冲突. 4,供应链优化排程影响一些目标的实现,问题是通过基于规则的算法或专家库,计算机支持的APS系统能否反映出这些复杂性,其相关的成本能否被接受. 5,行业的特殊性可能差别很大,通用的APS系统软件包能够在何种程度上克服这些问题. 6,和ERP系统不同,APS是想在几个公司之间协调资源,优先等.一个公司如果不配合或配合的不理想会引起供应链连锁反应. 7, 在实施与开发供应链APS系统时,设计目标,时间限制,成本方面都可能存在风险.对其期望值过高及实施方案过于复杂都会失败. 8,ERP系统和其它信息化系统的实施是否成熟稳定,是供应链APS的基础.
供应链管理的APS软件支持 ERP系统作为业务管理系统的主干(backbone),支撑着公司内部业务的集成,但是未能提供充分的决策支持和公司之间的协同.不同系统的集成接口是供应链APS系统的重要问题.现有几家主流ERP软件供应商和其他一些公司成立了Open Applications Group.它的使命是定义和推广采用统一的电子商务和应用软件互操作性的标准.它们建议用一种共同的主干集成战略代替传统的点对点连接,通过增加供应链集成的能力和使用XML语言来加速软件包的集成. 供应链管理系统分为供应链计划SCP系统,用于公司内,公司间的计划和供应链执行系统SCE用于数据管理和交流. SCP包括决策流程和APS技术,提供何时需要供应商提供何种物料和服务,以及何时能满足客户的需求.ERP系统供应商通过现有产品加入APS特性得以进入供应链计划系统软件市场. 供应链计划APS系统软件的市场领导者为I2 Technologies,Manugistics,Oracle和SAP. 供应链执行系统用来沟通并实行由供应链计划系统得出的决策.由于不同的行业需要专业化的供应链执行系统,导致供应链执行系统软件市场高度细分. 供应链执行系统的供应商是Descartes Systems Group, EXE Technologies, Industri-Matematik International等. 而这些公司所提供的软件解决方案必须能够与多种ERP系统连接.这样才能获得处理的数据,APS的各类优化算法和基于规则的启发式算法只能在操作系统层次松散地地连接,而无法实现业务流程的集成. 现有两种解决方案:一是选择特定功能最佳(best-of-breed)的供应链管理系统,优点是有较好行业适应性,缺点是集成的代价较高.另一个方案是采用单一的供应商解决方案,目前,ERP供应商提供的支持集成和维护的APS产品似乎比单独供应商APS系统更受人瞩目. 采用单一供应商提供的信息系统的好处在于统一的系统架构,较低的支持成本.当然,过分依赖单一的信息系统供应商也有一定的风险. 不管怎样,趋势是ERP系统必须嵌入APS系统,因为信息系统的统一可以提供简单的集成,避免更多多方系统以及系统功能的稳定与完善性. 除了软件供应商,有些咨询公司在供应链管理和APS的实施上,也提供了较大的支持,如埃森哲成立”埃森哲供应链思想交流”并提出”供应链价值评估法”.KPMG开发了五阶段的供应链模式,使组织可以在企业内外部管理和集成信息流,资金流,产品流.普华永道PWC开发了”基于价值的管理模式”,帮助客户量化供应链带来的益处. .
第十章 供应链中的APS的基本概念 在过去十年中，信息技术(如强大的数据库管理系统)，通信手段(如通过Internet的电子数据交换)，以及复杂数学模型的各种求解方法(如数学规划)的发展为计划和控制供应链流程开阔了新的视野。顾客订单、需求预测或市场趋势可以被分解成必要的活动，立刻送到供应链各组织当中，并通过高级计划系统(APS)生成准确的生产计划和程序来保证按时完成订单。APS与传统的企业资源计划(ERP)不同，它试图在直接考虑潜在瓶颈的同时，找到跨越整个供应链的可行最优(或近似最优)计划。整个供应链中每分钟都有成百上千个决策需要制定和协调，这些决策的重要性不尽相同，既有相当简单的问题如 “下一步各机床计划完成哪项工作？”，也有非常重要的决策如是否新开或关闭一家工厂。一个决策越重要，就越需要更好地准备，这种准备工作就是计划。计划通过识别将来的各种可行活动，选择其中好的甚至最好的来支持决策。计划过程可分为几个阶段：认识和分析决策问题；定义目标；预测未来状况；识别和评估可行活动；最后是选择最优方案。 供应链非常复杂，现实中要处理的每个细节并非都能(或应当)在计划中考虑，因此，有必要根据现实建立一个模型，以此作为制定计划的基础。建模的艺术就是要尽可能简单、尽需要详细地表现真实，也即简单而又不忽略现实中的重要约束。预测和仿真模型用于预测未来的状况，解释复杂系统输入和输出之间的关系，但它不支持从大量可行活动中根据标准来选择最优方案，这一工作通常由优化模型来完成，它与前者的差别在于增加了一个可用来求最大或最小的目标函数。计划不是一成不变的，计划的有效期受到预定计划范围的限制。当达到计划范围时，需要重新制定一个新的计划来反映当前供应链的状况。根据计划范围的跨度和所做计划的重要性，计划任务通常可分为三个不同的计划层次： 长期计划：这一层次的决策也称为战略决策，它制定了未来企业/供应链开发所必要的框架，通常涉及供应链的设计和结构，对今后几年有长期影响。 中期计划：在战略决策的范围内，中期计划决定常规运作的框架，特别是决定了供应链中流程和资源的总的数量和时间，其计划范围从6个月到24个月，考虑了需求的季节性变化。 短期计划：最低计划层应当把所有活动明确为可供立刻执行和控制的详细指令，因此，短期计划模型要求高度的详细和准确。短期计划范围在几天到3个月之间，受到来自上层有关结构和数量范围决策的限制。对供应链的实际性能(如提前期，顾客服务，和其它策略问题)而言，短期计划是一个很重要的因素。 最简单的计划方法是查看所有可选活动，按给定的标准进行比较，然后选择最好的方案。不幸的是这一简单计划程序至少会遇到三个主要困难： 首先，计划活动中常常同时有几个标准，目标之间存在冲突，各方案之间的优先选择也不明确。例如，顾客服务水平应尽可能高，而与此同时又要保持库存最少，这种情况就没有最优解(也即不能同时使两个目标最优)。处理这种多目标决策问题的常用方法是设定一个目标在最小或最大的满意水平，然后优化另一个目标。在上面的例子中，人们可以在保证一个最低顾客服务水平的同时使库存最少。另一种处理多目标问题的有用方法是对所有目标按财务收入或成本定价，然后使结果的边际利润最大，但不是每个目标都能以财务价值的形式来表达(如顾客服务)。还有一个更常用的方法是给每个目标定义一个系数值，
然后加权求和，这种方法的缺陷是有可能产生伪最优解，因为它在很大程度上取决于任意的权值。供应链高级计划系统(APS)从原理上支持上面各种多目标寻优方法。 其次，供应链计划的可行方案数量巨大。例如，对连续决策变量(如订单大小或工作的开始时间)，可选方案的数量实际上是无限的。对离散变量也是如此，如几个工作在机床上的加工顺序，可选的数量是一个组合大数。在这些例子中想通过简单枚举来找到最优方案是不可能的，甚至要找到一个可行的方案都很困难。在这种情况下，可应用运筹学(operations research)的数学方法来支持计划流程。线性规划或网络流算法能找到精确的最优解，然而，大多数组合问题只能通过启发式算法(heuristics)来计算近似最优解(局部最优)，这些方法的成功也取决于问题的建模方法。 第三，最难的恐怕还是处理不确定性。计划通过分析与未来状况相关的数据来安排将来的活动，这些数据通过预测模型估计得到，或多或少存在预测误差。这种误差降低了产品的可用性(availability)，因而也降低了企业提供的顾客服务水平。为了改进服务，安全库存被用来缓冲实际需求与预测之间的误差。当然，安全库存并非处理需求不确定性的唯一方法。 需求的不确定性使计划与现实之间存在偏差，因此必须进行控制，如果偏差过大，计划就要重新修改。“滑动范围窗”(rolling horizon basis)的计划方法就是这种计划-控制-修改的交互实施。计划范围(如1年)被分成若干时间段(如12个月)，计划在1月份开始时制定，涵盖12个月，但只在第一个时段(1月份，称为冻结时段)计划才真正被付诸实施。新的计划在第二个时段(2月份)开始时重新制定，新计划考虑了第一个时段中的实际变化，并更新未来时段的预测。新计划的范围与原先的计划重叠，但延伸了一个时段(从2月份到第二年的1月份)，如此类推。在传统计划系统和APS中，这种方法是处理运作计划中不确定性的常用方法。图1 给出了这种不断滑动计划范围的计划方法。 另一种更有效地更新计划的方法是面向事件的计划(event-oriented planning)。新计划不是在正常间隔，而是在出现重要事件时制定，例如意外销售，顾客订单变化，机器故障等等。这种方法要求计划需要的所有数据(如存货，工作进程等)被连续更新，以便在事件发生的任何时刻都有数据可用。这种方法的一个例子就是APS，它利用来自ERP系统的数据，根据事件来更新计划。APS有下面三个主要特点： 它是整个供应链的综合计划，从企业(甚或更广泛的企业网络)的供应商到企业的顾客； 它是真正优化的计划，定义了各种计划问题的选择、目标和约束，使用精确的或启发式的优化算法； 它是一个层次计划系统，结合了上面两个特点：供应链最优计划既不能靠同时执行所有计划任务的单一系统形式获得(根本不切实际)，也不可能靠依次执行各种计划任务取得(达不到最优)。层次计划折衷考虑了实用性和计划任务之间的独立性。 值得注意的是，ERP系统中的传统物料需求计划(MRP)在概念上没有上面这些特点：MRP只限于生产和采购领域，不做优化，在大多数情况下甚至不考虑目标函数，它是一个运作层面的连续计划系统。
层次计划的主要思想是把总的计划任务分解成许多计划模块(即局部计划)，然后分配给不同的计划层，每一层都涵盖整个供应链，但层与层之间的任务不同。在最顶层只有一个模块，是企业范围的、长期的、但却是粗略综合的发展规划。层次越低，计划涵盖的供应链局部受到的限制越多，计划时间范围越短，计划也越详细。在层次计划系统的同一计划层中，供应链各局部计划之间通过上一层的综合计划来协调。图2 给出了计划任务的层次结构框图。 在层次计划中向下(向上)分解(综合)数据和结果，可以取得计划详细程度的增加(减少)。综合主要涉及：产品(组合成批)，资源(组合成产能组)，和时间(把分段时间组合成更长的时间段)。各计划模块被水平和垂直信息流连接在一起，上层计划模块的结果为下属计划设定了约束，而下层计划也将有关性能的信息(如成本，提前期，使用率)反馈给更高的层次。层次计划系统(HPS)的设计需要仔细定义模块结构，模块计划任务的分配，和模块间信息流的详细说明。HPS通常采用滑动范围的计划方法，在不同层次上计划间隔和范围的复杂协调方法可参阅文献[2]。面向事件的计划简化了HPS的使用，使它更加灵活，但前提条件是有一个通信系统能对有关的计划层和任务模块发出“事件”报告，此外，一个计划任务的结果也应能对其它计划任务发出事件报告。APS有三个主要优点：信息可视化，减少计划时间，和允许方便地应用优化方法。正因为如此，许多计划人员或许会担心自己的工作会被计算机所代替。然而，模型只是现实的近似，人们的知识，经验和技能仍然需要来弥合模型和现实之间的差距。计划系统无论多么高级也只是支持人们制定决策的决策支持系统。在面向事件的计划中，通常要由计划人员来决定是否需要修改计划，此外，每一个计划模块也需要由人来负责它的功能、数据和结果。 APS是基于有限资源计划的高级计划与排程系统.有多个可相互通讯的代理实现.这些智能代理交互式分析与约束整个供应链上的上,下游的企业的库存资源,供货资源,运输资源,资金资源,生成可行的,优化的计划. 客户代理 客户 初步计划 协调计划规则 库存代理 采购代理 运输代理 财务代理 出/入库 采购 运输 收/付款 计划与排程 计划与排程计划与排程计划与调度 库存 供货 运输 资金 丰富 资源约束 资源约束 资源约束 资源约束 分销库 供应商 运输商 财务部门 基于多层代理的供应链APS的运行框架
这些多层智能代理是一个拥有目标,行动,知识且存在与环境中的实体,其行动方式叫行为.多层代理就是解决这些代理之间如何用协调,沟通,竞争或合作等方式来解决冲突,达到所有代理都满意的程度.它具有如下功能: (1),协调整合 代理需要在有限约束资源的环境中协调整合其自身行为,以满足自身利益和整体目标.相关联系的代理之间以有效的信息连接,满足协调和优化整体资源配置和通讯的功能,达到互相之间的约束协定.通过互相调整,直接监督,标准化的程序来协调整合. 多层代理之间通过资源共享,通过信息的交换和行为的调整,通过合作建立关系,具有控制权的代理产生,其它代理需服从其控制,既具有直接监督权利的代理,通过直接监督的程序,通过标准化的方式进行协调整合,给受控制的代理分配相关的资源和任务来达到共同的目标. (2),合作 代理之间的合作是对达到共同目标的调整.每个代理都没有足够的能力,资源独立解决问题,因此,必须通过互相之间的合作机制,将问题分解成任务,个别加以完成. (3),交涉协商 交涉协商机制是模拟人类组织的社群行为.这是最重要的机制.多层代理通过协定的信息公布,针对共同的目标进行资源和行为整合优化. 协调整合(Coordination) 合作(Cooperation) 竞争(Competition) 高级计划(Advance planning) 交涉协商(Negotiation) 分布式计划(Distributed Planning集中式计划(Centralized Planning) 图示:多层代理之间的行为整合和互动机制的分类图
供应链的高级计划APS系统有其自身的复杂特点: 同步化,并发性 传统的供应链的计划方式是串行的,顺序的,这样就会引起供应链上的信息失真与放大.APS就是把各个离散的实体,整合为供应链上的有机体,用基于有限资源的并行的计划和排程方式,优化库存资源,供货能力,运输能力,资金能力. 分布性 整个供应链的计划需要多个实体或部门共同参与才能完成.如库存,运输,采购,财务等实体.它们有可能在地理上,信息上分布不同,因而APS的实现也是分布的. 层次性 供应链是由多个供应商,运输商,客户,库存地点等组成的动态变化的网络,在不同的计划期,不同的层次,计划排程的范围,内容是不同的.如长期计划,中期计划,短期计划.通过层次计划,定义每层的目标与约束,利用启发式算法,来近似寻求最优,解决了计划任务与实用性. 整合性 供应链上的各个节点或实体的活动必须是有效的集成,以提高资源的利用率和计划定单的执行效率. 复杂性 在供应链上,一个订单的计划涉及到库存业务,采购业务,运输业务,财务收款付款业务,它必须明确该订单的活动的逻辑与时序关系.每个活动都必须有内容,时间,执行人等.APS实际上是一个混合型的决策模型.如库存地点,供应商,运输商的离散变量的选择,时间,数量的连续性变量的选择,既要满足能力的约束,又要考虑个活动之间的同步与时序. 供应链APS的要素概念 实体 它是一个计划的执行单位.对实体的描述是代码,名称,折扣率,协作模式,信用,地理位置,联系方式,财务帐户.它包括客户,客户代理商,供应商,运输商仓库等. 能力 它包括库存能力,供货能力,运输能力,资金能力.其中运输能力是运输商提供的某种运输工具的时间运载能力(时间x载重/载体). 资源 它包括库存资源,供货资源,运输资源,资金资源,它与能力的区别是能力某个实体在一定的时间里提供的某种服务的量.而资源是在一定的时间实体所拥有的某种能力的总量. 代理 它是一个相对独立的信息处理中心,可分为销售代理,采购代理,运输代理,库存代理和财务代理形成多智能体（Multi-Agent）系统. Agent原为代理商，是指在商品经济活动中被授权代表委托人的一方。后来被借用到人工智能和计算机科学等领域，以描述计算机软件的智能行为，称为智能体。1992年曾经有人预言: 基于Agent的计算将可能成为下一代软件开发的重大突破。随着人工智能和计算机技术在制造业中的广泛应用，多智能体系统技术对解决产品设计、生产制造乃至产品的整个生命周期中的多领域间的协调合作提供了一种智能化的方法，也为系统集成、并行设计，并实现智能制造提供了更有效的手段。
销售代理是基于有限资源对销售定单的制定与监控的过程.采购代理是基于有限资源对采购订单的制定与监控的过程,并且维护供应商的供货资源信息.运输代理是基于有限资源对运输订单的制定与监控的过程,且维护运输商的运输资源信息.库存代理是基于有限资源维护库存的资源信息,并监控出入库的过程.财务代理是基于有限资源维护资金资源信息与监控收付款的过程. 另外,按照代理之间的供需关系，代理可以分为计划代理和功能代理两种角色。 (1),计划代理是具有某种需求的代理，它依据其他功能代理的资源状况制订需求的实现计划，组织与其他功能代理的协调以确认或修正该计划，监控计划的执行过程。 (2),功能代理是能帮助计划代理满足需求的代理，它接收计划代理下达的计划指令，确认或通过修正这些指令，并对指令进行进一步处理： 库存代理和财务代理分别对出入库指令和财务指令分配执行人形成任务，监控财务的执行过程；采购代理和运输代理考虑批量、价格和质量等因素分别将采购指令和运输指令分解合并形成采购订单和运输订单，制定采购订单、运输订单计划并监控订单计划的执行过程。 随着信息技术的发展，供应链不再是由人、组织简单组成的实体，而是以信息处理为核心、以计算机网络为工具的人-信息-组织集成的超智能体。在这样一种情况下，供应链企业可以看作是一个个的代理（Agent），它是在供应链环境下能独立自主运行的实体，它具有自己的知识、目标和能力。企业之间的合作也可以看作是代理实体之间的合作。我们把供应链企业看作代理实体来研究供应链企业之间的合作关系及其合作模式。基于多代理（Agent）集成的供应链模式是涵盖两个世界的三维集成模式，即实体世界的人-人、组织-组织集成和软体世界信息集成（横向集成），以及实体世界与软体世界的人-机集成（纵向集成）。 市场分析R&D 反馈 决策 动态调整 外部协调 Agent AgentAgentAgentAgentAgent ….. …………………………………… 中央Agent管理业务Agent Internet 原材料 制造 装配 分销 零售 其它 AgentAgentAgentAgentAgentAgent 互联网上基于多层代理的供应链管理结构 在知识经济和信息经济迅速发展的今天，企业在供应链的合作过程中，越来越体现智能体的特征，所以我们将企业作为代理Agent实体来研究企业之间的合作关系。单个企
业可以看作是在供应链中的一个功能实体，比如，制造Agent、装配Agent、销售Agent等。而企业Agent的结构可以表示为如上图所示。 订单的概念 订单是需方与供方之间的供需协议，包括需求的项目、数量、价格、交货时 间、交货地点、结算方式、运输方式等。任何两个具有供需关系的实体之间（如 核心企业与制造部门之间、客户与核心企业之间）的供需要求都可以看成是订 单。以核心企业为基准，按照对方性质或供需内容的不同，订单和分为销售订 单、采购订单和运输订单。 (1)销售订单是核心企业与客户之间的订单，其中核心企业为供方，客户 为需方。 (2)采购订单是核心企业与供应商之间的订单，其中核心企业为需方。供 应商为供方。 (3)运输订单是核心企业与运输商之间的订单，其中核心企业为需方。运 输商为供方。 指令的概念 指令是由计划代理下达给功能代理的对应于某一个订单的执行活动，按 照功能和执行部门不同可分为出入库指令、采购指令、收付款指令和运输 指令。 (1)出入库指令表示完成出库或入库的活动，规定了出入库的项目、各项 目的数量、执行出入库的仓库、出入库的时间、项目的来源或去向等，执行部门 为仓库。 (2)采购指令表示完成采购的活动，规定了采购的项目、各项目的数量，交 货时间，交货地点等，执行对象为采购部门。 (3)收付款指令表示完成向货方（客户川欠款或向借方（供应商、运输商）付 款的活动，规定了收付款的数量、借（贷）方、收付款的时间等，执行对象为财务 部门。 (4),运输指令表示完成将项目从某一地点运到另一地点的活动，规定了被运输的项目、各项目的数量、起始地点、中止地点、起始时间、中止时间等，执行对象为运输部门。 任务的概念 任务是由功能代理将各自指令分解合并共分配执行对象、指定执行人等信息之后的具体计划执行单元，按照功能和执行部门不同可分为出入库任务、采购任务（订单）、收付款任务和运输任务（订单）。 (1)出入库任务表示完成出库或入库的活动，规定了出入库的项目、各项目的数量、执行出入库的仓库、出入库的时间、项目的来源或去向、执行人等， 执行部门为仓库。 (2)采购任务（订单）表示完成采购的活动，规定了采购的项目、各项目的数量、交货时间、交货地点、供应商、执行人等，执行对象为采购部门。 (3)收付款任务表示完成向贷方（客户川欠款或向借方（供应商、运输商）付款的活动，规定了收付款的数量、借（贷）方、收付款的时间、执行人等，执行对
象为财务部门。 (4)运输任务（订单）表示完成将项目从某一地点运到另一地点的活动．规定了被运输的项目、各项目的数量、起始地点、中止地点、起始时间、中止时间、 运输商、具体运输工具（如车型）及其数量、执行人等，执行对象为运输部门。 订单计划的概念 订单计划对应于一个订单的所有指令的总和。一般来说，这些指令之间都具有严格的前驱后继关系。按照对应订单的不同，订单计划分为销售订单计划、采购订单计划和运输订单计划。 (1)销售计单计划对应于销售订单，由出库指令、收款指令、运输指令、采购指令构成（若库存能满足，则没有采购指令；若用户自提．则没有运输指令）。 (2)采购订单计划对应于采购计单，由运输指令、入库指令、付款指令构成.若供方提供运输，则没有运输指令）。 (3)运输订单计划对应于运输订单，由付款指令和运输任务构成。 销售订单是高级计划APS系统工作流的源头，销售代理生成销售订单．基于订单的最小数据和系统的资源情况，对销售订单作计划产生收款指令、出库指令、运输指令、采购指令。订单的销售、采购、运输与收款指令是一对多的关系，因为存在分期付款的可能；如果订单上的金额为零，则不发收款指令；如果运输责任是核心企业则产生运输指令；销售订单与出库指令和运输指令都是1：N的关系，因为一个销售订单上的项目可能从不同的仓库出库，且相应的出库指令和运输指令具有1：1的关系，一个出库指令对应一个仓库，可以包含多个项目，销售代理在制定销售订单计划时，可以由用户对订单的每个项目选择（复选）出库仓库，在选中的仓库中，使用优先规则（可用库存数量最多,离交货点距离最近等），缺省选中所有包含此项目的仓库，并在这些仓库中使用优先机制；如果选中的全部仓库的该项目的预期库存量（当前库存量+未完成的出入库指令的预计出入量）总数不能满足订单，则产生采购指令，由此产生采购入库问题。销售代理在制定销售订单计划时，由用户选择（单选）入库仓库，缺省为距离用户最近的仓库，采购来的项目入此仓库。（如果考虑仓库的仓储能力，则可能需要入多个库，销售订单与采购指令具有1：M的关系。）采购代理对采购订单作计划产生付款指令、入库指令、运输指令。运输代理对运输订单作计划生成付款指令和运输任务，运输任务和运输计单具有—一对应的关系，运输任务与运输订单的区别在于运输订单包含财务信息。在同一个订单的各个指令之间具有严格的前驱后继关系。采购代理对采购指令进行调度（分解合批）生成采购计单，采购指令到采购订单是项目级的调度，调度除了考虑要在规定的时间采购到要求的项目，还要考虑经济批量、核心企业的资金能力以及单个供应商的供货能力，采购订单与采购指令是多对多的关系。运输代理对运输指令进行调度（分解合批）生成运输计单，合并的规则是起点相同、终点相同、运输方式相同，提货时间、交货时间在一定的范围之内，合并受核心企业的资金能力以及单个运输商的运输能力的约束，并考虑经济批量。 该模型具有以下优点： (1),提供了一种问题分解的结构。将面向订单的计划与调度过程分解为订单、指令、任务之间的生成与转换关系，从而使一个复杂的多约束变维优化问题变成多个相对简单的线性优化问题。
(2),提供不同层次的视图来反映多层次计划。从计划和调度的角度，指令和任务是两个层次的视图；从资源约束的角度，资源和能力是两个层次的视图。多个视图的存在便于各部门从不同的视图进行分析和管理，将不同层次、不同范围的计划和调度问题规范在一定视图之内。例如，对于销售部门，它只需面对资源和指令层次，而运输部门则必须面对具体的任务，并维护各运输商的能力。若某个运输任务的执行发生意外，运输部门只需在任务层进行调整；若任务层的调整失败，则再上升到指令层进行运输指令和其他指令的协调调整。 (3)提供了模型定制的工具。将整个系统规范为代理、订单、资源、指令、任务、实体几类对象，这些对象对于一般计划和调度系统具有普遍性，相当于一个框架，对于特定的系统只要填入具体的内容，即可实现模型的定制。 (4)便于系统重组。代理的划分是依据在计划和调度系统中的功能进行的，它们和企业中的具体部门可以不具备—一对应的关系。当企业的部门问进行业务重组时，系统相应地表现为代理安装位置的变化（如仓储部和运输部合为一体成为储运部时，运输代理和库存代理同被安装在储运部），或代理功能模块安装位置的变化（如采购代理控制安全库存转为销售代理控制安全库存时，相应地把原来安装在采购代理的库存控制模块移到销售代理），或代理间相互关系（如由销售代理和采购代理制定运输计划时，运输代理成为纯粹的功能代理）的变化。 (5)具有良好的可重用性和扩展性。当企业的业务扩展或性质发生变化时，系统可通过构造有别于一般类型的代理、资源、指令或任务，并规范它们与原对象的关系来响应变化。
第十一章 供应链中的APS的资源管理 高级计划APS是基于有限资源的计划与排程系统。这里的有限资源包括库存、资金、供货和运输资源。能力描述定义是在某个时间段某个实体所能提供的某种服务的量；而资源描述定义的是在某个时间段所有同类实体所能提供的某种能力的总量。由于计划和任务制定之间在时间、数量、价格上可能存在差异，所以，资源可能不总是能力的总和，资源的占用与恢复和能力的占用与恢复在时间上存在差异，因为资源约束主要用于初步计划，能力约束主要用于局部计划和调度。例如，在作销售订单的初步计划时考虑的是所有供应商的供货资源、所有运输商的运输资源，在作采购订单计划时考虑的是单个供应商的供货能力、所有运输商的运输资源，在作运输订单的局部计划时考虑的是某个运输商的运输能力。因为销售订单计划生成的采购指令中只能明确在什么时间、采购什么项目、交货的数量以及参考价格，具体到哪一个供应商或哪些供应商以及具体的采购价格只能由采购计划人员在采购调度和计划时决定；考虑到供货的能力、准时性、项目质量、成本等因素，同一个指令中的项目（甚至同一个指令中的同一个项目)很可能到多个供应商处采购，由多个采购订单实现。对于由销售订单计划和采购订单计划生成的运输指令也是这样的情况，运输指令中只能明确被运输的项目、各项目的数量、起始地点、中止地点、起始时间、中止时间以及运输费用参考价格，具体由哪一个运输商运输，还是由多个运输商运输只能由运输计划人员在运输调度 和计划时决定。 资源或能力是由提供量和占用量两部分构成，提供量由提供这种服务的实体提供，占用量由APS的计划、计划执行系统自动维护。 在资源管理中，时间段用周期来描述，以周期长度、周期单位、第一周期起点来表示，系统规定下界包含在本周期中，上界包含在下一周期中.四类 资源（库存资源、供货资源、运输资源、资金资源）可以分别可以定义自己的周期，周期越短，资源数量越精确，但资源的维护工作量越大，难度也越大。对于有些资源（例如运输资源）很难给出在某个很短的时间段内准确的提供量，资源周期不宜太短。而另外一些资源，计划、调度对资源数据非常敏感，例如，库存资源，这类资源的周期应该比较短，资源数据也应尽可能地与实际情况相符，最好能从实体的ERP系统中实时提取。 库存资源: 库存能力描述在某个周期可从某个仓库出库的某个项目的数量，以每一个仓库和每一个项目的当前库存量、各周期的预计出库量和预计入库来表示.销售代理依据“库存能力”制定销售订单计划，并修改库存能力的预计占用量。 采购代理在制定采购计划时修订库存能力的预计占用量，在出入库任务执行时，平衡库存资源能力的预计占用量. 库存资源是APS系统中最重要的资源，计划、调度对其数据非常敏感，库存资源稍有变化可能就会导致完全不同的计划结果，库存资源的周期长度越短越好，最好能精确到天，而当前库存量应与库存管理系统中的数据同步。 供货资源: 供货能力描述在某个周期某个供应商可供给的某个项目的数量，以每一个供应商，在每一个周期对每一个项目的预计提供量和核心企业的预计占用量来描述。
供货能力为企业外部资源，如果供应商实施了 MPRII、ERP等，且其系统对核心企业外放，则可以直接从其ERP系统中提取主生产计划数据作为该供应商的供货能力的提供量，也可以由供应商通过Internet在核心企业的供应商服务网页填写或者由采购管理人员在采购代理模块代为填写。采购代理依据“供应商供货能力”进行采购调度．制定采购计划，并修改供应商供货能力的预计占用量.在任务执行时（提货时），平衡供应商供货能力的预计占用量.供货能力周期的长度一般为一周、一旬或一个月。 供货资源描述在某个周期所有供应商可供给的某个项目的数量．以所有供应商在每一个周期对每一个项目的预计提供量和核心企业的预计占用量来描述。供货资源的预计提供量为所有供应商供应能力的预计提供时的总和． 销售代理在作销售订单计划时受供货资源的约束并维护供货资源的预计占用量.采购代理在作采购订单计划时修订供货资源的预计占用量，在采购任务执行时，平衡“供货资源预计占用量”。供货资源的周期与供货能力的周期一致。 运输资源: 运输能力描述在某个周期某个运输商所能提供的某种运输方式（公路、铁路、空运、水运等）的运载能力（时间与空闲载体、时间与空闲载重的乘积）.以每一个运输商，在每一个周期对每一种运输方式的预计提供量和核心企业的预计占用量来描述。 运输能力是企业外部资源，运输商运输能力可由运输商从网上维护，或者由运输管理人员在运输代理模块代为维护。运输代理依据“运输商运输能力”进行运输调度，制定运输计划，并修改运输商运输能力的预计占用量，在运输任务执行时，平衡运输商运输能力的预计占用量。运输能力周期的长度一般为一周、一旬或一个月。 运输资源描述在某个周期所有运输商所能提供的某种运输方式（公路、铁路、空运、水运等）的运载能力的总数．以所有运输商在每一个周期对每一种运输方式的预计提供量和核心企业的预计占用量来描述。运输资源的预计提供量为所有运输商运输能力的预计提供量的总和。销售代理在作销售订单计划、采购代理在作采购计单计划时受运输资源的约束，并维护运输资源的预计占用量.运输代理在作运输计单计划时修正运输资源的预计占用量，在运输任务执行时。平衡“运输资源预计占用量”。运输资源的周期与运输能力的周期一致。 资金资源: 资金资源描述核心企业在某个周期可使用的流动资金量．以每一个周期的核心企业的流动资金预计提供量和预计占用良来描述。核心企业在一定周期的可提供的流动资金,预计收款量，预计付款量. 资金资源也是APS供应链中比较重要的资源，是采购代理进行采购局部调度和计划、运输代理进行运输局部调度和计划的重要依据。资金资源为企业内部资源．可以直接来源于企业的ERP的财务系统中的相关数据，也可以由财务管理人员在财务代理模块填写。资金资源的预计占用量由销售代理作销售订单计划、采购代理作采购订单计划、运输代理作运输订单计划时进行占用和修订．在收付款任务执行时进行恢复。资金资源周期的长度一般为一周、一旬或一个月。
资源研究与分析 在APS系统中，资源信息是制定计划的主要依据，计划、调度和订单执行的过程同时也是一个改变资源信息的过程，资源和能力是资源信息的两个基本要素，所以，保持资源信息与订单计划、调度和执行的同步性，资源和能力数据的一致性是APS系统的一个重要环节。 实际上,APS系统中资源管理的复杂性在于： (1),计划和任务制定之间在时间上存在延迟，在结果上存在差异。 (2),计划中估计的采购和运输的价格与实际的采购订单和运输计单的价格存在差异；由于批量的影响，在数量上有可能不一致。 (3),任务的计划时间和数量与任务实际执行的时间和数量可能不一致。 销售订单计划对资源与能力的影响: 销售订单计划包括四类指令: 出库指令,收款指令,仓库指令,运输指令,采购指令,资源占用分析如下: (1),出库指令增加预计出库量，修改库存资源； (2),收款指令（销售货款)增加资金资源的预计收款量，修改资金资源； (3),运输指令（仓库到客户）增加运输资源（载体、载重）的预计占用量，修 改运输资源； (4), 运输指令（运输费用)增加资金资源的预计付款量，修改资金资源； (5), 采购指令增加供货资源的预计占用量，修改供货资源； (6), 采购指令（采购费用)增加资金资源的预计付款量，修改资金资源。 由此可见，销售订单计划受库存资源、资金资源、运输资源、供货资源的约 束，并修改这四类资源的预计占用量。 采购订单计划 采购订单计划可包括下列三类指令：入库指令、付款指令、供应商到仓库的运输指令，资源占用分析如下： ①入库指令是增加预计入库量，修改库存资源； ②付款指令是(采购货款)增加资金资源的预计付款量，修改资金资源； ③运输指令是供应商到仓库增加运输资源（载体、载重）的预计占用量， 占用运输资源； ④运输指令（运输费用)增加资金资源的预计付款量，修改资金资源； ⑤采购订单作计划时将采购指令预计占用的供货资源和资金资源（采购货 款）恢复，并依据采购订单信息在计划过程中重新占用供货资源、供应商供货 能力，并根据生成的付款指令占用资金资源。 由此可见，采购计单计划受库存资源、资金资源、运输资源、供货能力的约 束，并修改库存资源、资金资源、运输资源、供货能力、供货资源的预计占用量。 运输订单计划 运输订单计划生成付款指令和运输任务。 运输订单作计划时将运输指令预占用的运输资源和资金资源（运输费用）
恢复，并依据运输订单信息在计划过程中重新占用运输资源、运输商运输能 力，并根据生成的付款指令占用资金资源。 由此可见，运输订单计划受资金资源、运输能力的约束并修改资金资源、 运输资源、运输能力的预计占用量。 另外，在APS系统中，为了处理退货、换货等异常情况，在系统中提 供了增加异常指令（出入库指令、收付款指令等）功能。异常指令的资源占用和 恢复操作和正常指令的操作方式完全相同。 (1)出库指令增加预计出库量，修改库存资源； （2）入库指令增加预计入库量，修改库存资源； (3)收款指令增加预计收款量，修改资金资源； （4）付款指令增加预计付款量，修改资金资源； (5）运输指令增加运输资源的预计占用量，修改运输资源；运输指令以运 输费用增加资金资源的预计付款量，修改资金资源； (6）采购指令增加供贷资源的预计占用量，修改供贷资源；采购指令以采 购费用增加资金资源的预计付款量，修改资金资源。 资源管理模型的优点如下： ①将资源信息分为资源和能力两个层次，满足计划、调度和执行不同阶段的需求。 ②将资源信息分为提供量和占用量两个部分，使实体（仓库、供应商、运 输商、财务部门）提供的信息和系统产生的信息分离开来，保持独立性，系统修 改资源时能保留实体提供的能力信息，实体能随时修改相对的能力信息时不覆盖系统产生的资源信息。 ③最大限度地保证了资源和能力、信息和各个计划阶段之间的同步，使偏差最小化。 由前面分析可见，订单计划、调度和执行过程中随着计划确定性的不断增大，资源信息处于不断调整中，确定性每增大一级，资源信息就调整一次，从而不断修正前面阶段产生的资源计划占用量与当前阶段计划结果之间的偏差，使偏差存在的时间尽量短，数值尽量小。
第十二章 供应链中的APS的计划算法 供应链的APS将产生一个中期的生产和分销计划.它一般使用线性或混合整数编程 该过程基于非汇总的生产计划主数据。例如，整数变量的使用使得批次数量的可能值被严格限制，这样就保证了装载设备（如托盘或集装箱）的充分使用。 例如：可以采用汇总模型,从基本的时间单位、较长时间间隔到计划区间的一个断面（如从起始点到计划中最近的时间点的期间）的汇总。产品组中的产品汇总,订单组中单个订单的汇总.也可以使用另一种简化，如果某产能经确认不会生成瓶颈，那么在 APS的模型中就不予考虑，因为从数学上而言，它们属于冗余条件。 在数学编程模型的生成中，现在经常使用的工具如矩阵生成器的OMNI或建模语言AMPL通常被用来定义最优化模式。APS也提供了可以由计划员进行配置的基因算法模型，以满足具体需要的功能，例如拖放功能。这使得建模的过程与使用建模语言相比虽然灵活性降低，但更加简便、可视化，这就使运筹学这一理论易被计划员和经理们所接受。不同的行业可以选择不同的方法进行建模和使用。 在基因算法模型中，可以定义以下成本参数： 生产成本 额外生产成本 采购成本 运输成本 额外运输成本 储存成本 额外储存成本 处理成本 安全库存的惩罚性成本 延迟交货的惩罚性成本 未交货的惩罚性成本 计划人员能够在控制面板上仅通过移动按钮的方式方便地给各个成本参数线性赋予权值。这些参数通过优化算法得出最优解：在系统中表现为生成了生产计划和运输计划。这些计划能够同时考虑不同类别的成本和相关约束条件，并给出具有最低成本的优化解。计划人员可以通过调整不同的成本参数的权重以模拟研究不同的计划情况，获取计划方案的敏感度。举例而言，它可以用来判断当存储成本达到多高的时候将会产生额外的运输订单。 通过优化扩展平台，用户能够将自定义的优化算法和启发算法集成在一起，这一平台使得APS能够很方便地与第三方或用户自身开发的算法相结合，从而满足不同行业或公司的特殊需要。 启发式算法的应用有点令人稍微有些困惑，因为另一种计划方式CTM也应属于启发式算法。同上述的优化方法一样,启发式算法将在某一供应链场所下对某一物料的所 有需要按时间段进行累加。然后根据对各个供应源事先定义的分配定额来决定供货能力和数量。在这一计划步骤中，产能限制和部分供货的情况是不被考虑的。因此，由这种计划方式得出的计划结果并不一定是可行的。计划员有必要紧接着进行一次对各个供应链场所交互的产能平衡分配，从而在第二步中得到一个可行的计划结果。
产能匹配计划方式（CTM):特别是在高科技行业中，CTM是一种普遍的启发式算法。这种算法能够同时对基于时间段的需求（预测独立需求）和客户订单需求进行计划。在其搜寻可行性计划结果的过程中，CTM将考虑订单的优先等级，同时将供给分类（如现有库存、生产能力、安全库存）。而收、发货处理能力，仓储和运输能力都不在该计划考虑之列。如果没有足够的生产能力，初始的需求将得不到满足。对特定的供应商CTM能够根据不同的供货地点和产品考虑供货数量的约束条件，更进一步的是，供货地点也能够按优先级排序，同时订单可以由一个或多个供货地点的供给来满足。CTM通常能够提供更好的计划结果。 为了简化所得到的计划过程，APS提供了不同的“超启发算法方式”，这种类型的启发算法能够用于供应链计划的不同计划阶段。与原有的方法相比，对同一供应链模型而言，它能够极大地减少计划运算时间。此时得到的详尽计划能够与原先的计划结果进行比较，一旦有明显的差别，就有可能在允许的计划变更范围内进行再次或反复计划。 供应链APS同时具有警告机制。当异常事件发生时，它能够将警报发送给相关的存货计划人员。计划人员也可以从问题解决窗口直接获取警报。某些警报也能够以工作流的形式传递给其他相关人员。除了作为一个处理供应链中跨公司合作业务的系统之外，供应链APS更可以被视为一个高级的、基于约束的生产和分销计划的订单管理系统。分销计划的引入使得决策模型不仅只是停留在理论上，而是更进一步地扩展至公司间协同商务的功能上。就技术而言，供应链APS可能需要把数据存贮在系统的高达32GB的高速缓存中。 为了解决非常复杂的供应链计划问题,我们可以采用数学规划方法,近似方法和仿真方法. 数学规划方法 一般使用线性规划,整数规划和混合整数规划来表示决策问题,对于解决结构化的问题十分有效.如供应链的位置决策.但是数学规划的模型十分复杂,所以采用层次分解方法解决.为了将问题分解为多个按顺序的求解,必须使一些问题简单化的假设,使得数学规划的方法在一定的程度上失去它的有效性. 近似方法 一般用于一些解决局部的决策问题,如库存决策.可以对供应链的局部的网络设计与优化,具有一定的局限性. 启发式仿真方法 可以全面地反映供应链的运行特点,由于不存在数学规划求解的复杂性,它可以考虑各种复杂因素,包括结构上和参数的上的随机性.因此,可以基于更现实的假设进行优化 由于供应链的中的事件的发生是不连续的,时间间隔也不相同,而且具有一定的随机性.仿真一般有两种仿真方式:(1)基于对象的仿真.(2),基于方程的仿真.因为基于方程的仿真是利用微分方程来表示系统的动态特性.由于供应链系统是一个十分复杂的大系统,很难用庞大的方程组来表示系统的行为.基于对象的仿真却可以将实际系统中的实体以对象来描述,并将对象作为组成仿真系统的基本单元,它由多个实体组成,根据实际需要,可以将供应链组成任意的结构.它可以反映系统的整体,也可反映每个实体的状态.在仿真过程中,更加方便利用对象的仿真数据调整其自身的参数,适应复杂变化事件的发生. 由于构成供应链系统的相关实体具有相对的自主性,互相之间通过指令建立联系,难以用方程表示其中的大多数的活动,因此,宜采用基于对象的仿真方法.
高级计划APS系统是基于对象的仿真计划机制: 在供应链管理中，APS的目标是面向订单产生优化的可执行的计划，并依据条件的变化调整计划。完成一个订单涉及到的主要活动有物料的出入库、采购、运输及收付款，因此，一个可行的订单执行计划必须明确： ①完成该订单应完成哪些活动； ②活动之间的逻辑和时序关系； ③每个活动的内容、开始时间、完成时间、执行人等，即每个指令叫任务的具体内容。 制定订单计划需要综合考虑库存、供货、运输、资金等多种资源。制定订单计划的过程中存在大量的决策变量，各变量之间具有强烈的耦合关系和时序约束，是一个多目标、多约束的复杂的非线性优化问题，用传统的数学规划方法难以得出满意的结果。 APS的机制是由计划代理依据库存资源、供货资源、运输资源和资金资源四类资源信息，通过启发式计划算法制定一个初步的订单执行计划。计划中可以有出入库、采购、运输和收付款这四类指令，明确它们之间的逻辑与时序关系、每个指令的内容及计划开始与完成时间、估算的成本等信息，然后同各功能代理协调该订单计划。各功能代理依据各自的资源审查各自的指令，若有指令不能满足，则根据当前的资源状况提出修改建议。计划代理依据建议对原计划进行修正后,重新与功能代理协调。有时，一个订单计划需要经过多次计划协调的反复修正才能协调成功；若指令都能满足，则该计划直接下达给参于者;若经过协调调整后仍不能形成被各代理认可的计划，则由该计划代理撤销计划，通过与客户协商放宽约束条件，基于当前资源重新制定计划。 经过协调确认的各类指令由各个代理分别进行调度，最后形成可执行的任务。则库存代理以最低成本、准时、准量为目标，根据出入库指令，基于库存资源信息，将出入库指令分解合并（如果必要的话）为若干任务，确定任务之间的时序关系及执行人；财务代理以最低成本、准时为目标，根据收付款指令，基于资金资源信。将收付款指令分解（如果必要的话）为若干任务， 确定任务之间的时序关系及执行人（财务人员）；采购代理以最低成本、准时、准量为目标．根据采购指令，基于供货资源信息,将若干采购指令分解或合并（如果必要的话）为采购订单，确定采购订单的供应商和责任人（采购人员）；运输代理以最低成本、准时为目标，根据运输指令，基于运输资源信息，将若干运输指令（如果必要的话）分解或合并为运输订单，确定运输订单的运输商和责任人（运输管理人员）。对于采购代理和运输代理生成的采购和运输中，它们又进入下一轮的计划。 基于有限资源的APS计划过程: 1,资源约束设置.2,订单选择.3,订单计划参数设置.4,计算过程（计划生成模型）四个主要步骤。 资源约束设置 实际企业在计划中可能只考虑某些类型的资源，对于那些外围的、不确定或比较乐观的资源则认为无限大，为此用户可在系统中设定四类资源的约束作用，库存资源、供货资源和资金资源有两种选择：不约束/约束；运输资源有四种选择：不约束/体积约束/载重约束/体积和载重约束。资源约束设置可分为两个级别：系统级和订单级。系统级是指由
系统管理员在系统管理模块统一设定，对所有订单都起作用；订单级是指在订单作计划前由计划员对资源约束进行设置，订单级资源约束只对当前选中的订单起作用. 订单选择 计划员根据订单额、交货期、客户信誉、优先级等信息从当前“确认”状态的订单中选择制定计划的订单。由于受到系统中的有限资源的约束,订单计划的先后顺序将对计划的结果产生影响,制订计划的顺序显得尤为重要，各个企业可以根据自己业务情况制定自己的优先规则， 1, 先到先服务(签订日期最早) 2, 最急先服务(交货日期最早) 3,大额先服务(订单金额最大) 4, 客户信誉优先(客户信誉等级最高) 5, 以上各项指标加权平均来计算订单的优先级. 计划参数的设置 计划参数的设置确定订单中各项目的备选出入库以及它们的优先顺序选择规则(如,距离近优先或可供项目数量大优先).此参数是可选的规程. 缺省设置为所有该项目的仓库都被选中，且在选中的仓库中使用距离最近优先规则，在距离相同的情况下再使用项目数量优先规则。 计算过程 计算过程是由计划生成模型生成订单的指令的过程.由于生成指令的过程中需要对资源进行修改，在此期间别的用户读取资源数据的结果是不确切的，所以，为保证数据的一致性，在过程开始时锁定资源（别的用户不可读取），在过程结束时再解除锁定。根据货源种类不同（仓库／供应商），供货过程可分为两种：出库供货过程与采购供货过程。生成出库供货过程是指生成由出库供货的物流指令，包括出库指令和出库运输指令,生产采购供货过程是指在库存不能满足的情况下,由采购补充库存以满足订单的需求.包括采购指令,出库指令,出库运输指令. 对于销售订单必须产生收款指令,对于采购和运输指令必须产生付款指令.一般来说,收付款模式有货到付款,款到发货和分期付款三种.不仅收付款指令之间存在顺序关系,而且,收付款指令和其他物流指令(出库指令和运输指令)之间也存在顺序关系. 针对企业资源的不同情况以及计划生成过程受到资源约束程度不同,APS用两种资源约束的方法,来满足实际计划要求:1,硬资源约束.2,软资源约束. 硬资源约束 由于受到各类资源的可用量的约束,它生成的各类指令在时间上满足订单的情况下,物料数量可能不满足订单,且产生物料的短缺.此时用各功能代理进行协调,在经过多次协调,还不能生成满足订单的计划时,可以与客户协商,修改订单. 使用硬资源约束做计划时,每一个指令的生成不仅受到其主体资源的约束,而且,受到其他相关资源的约束.各类指令之间、资源之间具有网状干涉效应；如果系统中资源不准确的话.往往需要经过计划,协调的多次反复，才能生成满足订单的可执行计划。
在硬资源约束计划制定过程中，指令的生成受到各类资源的严格约束．例如，从某个仓库出库的物料数量不仅受到该仓库的库存资源和订单的需求量的约束，而且受到运输资源和资金资源的约束，有可能出现本来一个仓库的库存资源就可以满足，却生成了从多个仓库出库的计划；或者在库存资源满足的情况下，却生成了采购指令；或者在库存资源满足的情况下，却由于运输资源或资金资源的不足而生成了不满足订单的情况。这些情况在表面上看来是不合理的，但事实上，如果系统中的资源是准确的，用硬资源约束生成的计划才是真正的可执行计划。我们将资源分为提供量和占用量两部分，资源占用量由系统在作计划、调度和执行时自动维护，是准确的，所以，资源准确与否取决于资源的提供量是否准确。对于库存资源，当前库存量从ERP库存管理系统中获得，一般是准确的，所以，库存资源一般是准确的；对于资金资源．流动资金的提供量由核心企业的财务部门提供，可以从ERP财务管理系统中获得，其准确性可以在核心企业内部解决；对于供货资源和运输资源，其能力的提供量由核心企业的供应商和运输商提供。所以，如果核心企业能与主要的客户、供货商、运输商保持紧密的协作关系.可以从供应商、运输商处获得准确的供货能力、运输能力，就可以使用硬资源约来生成可执行的的订单计划，保证订单按计划时间,数量、质量完成. 软资源约束 在软资源约束计划中，生成的各类指令在时间、数量等方面完全满足订单的要求，最后给出各类资源的短缺情况。用软资源约束生成计划后．同各功能代理协调订单计划，各功能代理依据各自的资源审查计单计划．若计划能被所有的功能代理接受，则可将该订单计划直接下达给参与者；若有指令不能满足，则根据资源状况提出修改建议，由该计划代理与客户协商修改订单。使用软资源约束计划生成的订单计划经过各功能代理的一次协调，就能协调成功，不成功则会给出明确的订单修改意见，订单修改后，如果外部条件没有变化，则重新生成的计划一定是可行的。 在软资源约束计划制定过程中，指令的生成只受到库存资源的严格约束.例如，从某个仓库出库的物料数量受到该仓库的库存资源和订单的需求时约束，如果库存资源能满足，则不生成采购指令，在所有各选仓库总的库存资源不能满足订单的情况下，才生成采购指令。软资源约束计划的结果是各类在时间、数量等方面完全满足订单的指令和各类资源的短缺情况。资金、供货、运输资源的约束作用体现在协调和调度过程中，由于各功能代理就是资源的提供者或者是资源提供者的直接接触者，对资源情况最为了解．由其根据订单计划（包括指令和资源短缺情况）和资源状况来决定是否接受订单计划。如果系统中的资金资源、运输资源、供货资源的准确度不高，建议采用软资源约束计划来制定计划。 硬资源约束和软资源约束的另一个不同点是：当订单中包括多类物料时,硬资源约束 硬资源约束的计划结果和订单中物料的排序密切相关.软资源约束计划结果和订单中物料的排序无关，因此，在使用硬资源约束时，选择合适的物料计划优先规则非常重要。通常可在系统初始化时或系统设置物料优先规则（物料数量最少、总体积最小、总重量最小、价格体积比最大、价格重量比最大等），也可在物料定义中根据每种物料的综合利润定义其计划优先数（综合利润越高，计划优先数越高），在计划中根据各物料的计划优先数从大到小进行排序，这种方法效果好、实用、适应性强。
第十三章 供应链APS的需求计划 用统计工具、因果要素和层次分析等手段进行更为精确的预测。用包括Internet和协同引擎（collaboration engines）在内的通讯技术帮助生成企业间的最新和实时的协作预测。 需求预测的演变: 在很久以前,大多数公司里是没有作预测正式手续的.如果有预测的话,也不是明确地委派给某人或某一部门的责任。预测难得被认为是一种真正的需要。预测的需要时常是不自觉地或直觉地由老板来制订，只有他才能决定买进多少物料,因为他有信心，这些物料在将来可以被加工然后卖出去；一名主管，他决定雇佣一名工人，因为他相信工作负荷将继续居高不下；或一名库存管理人员，他觉得应该下达一个新的订单去补充存货来满足将来的需要. 二次大战前，许多公司开始认识到以正规方式作预测的潜在利益。他们设置专门的小组来准备数据，提出要由公司里重要地有关的人员来审核预测并且往往把预测的下达给适合于接收这类机密信息的人员。在很多情况下,化了许多钱去开发统计技法、市场研究或其它复杂的预测程序。在这一期间，人们觉得只要对预测投入足够的钱，和努力与情报，预测问题就可以解决。这一时期,我们称预测的过分乐观时代。 当完善的预测并非唾手可得时，不可避免的醒悟（幻想破灭）时期开始了。以预测为前提的计划系统把他们的失败归罪于未能得到一份好的预测。由于这种反应，被失败与这种方法的高成本影响了的许多公司.他们停止了对预测的有组织的努力而又返回到直觉的猜测。这一时期可以称为悲观时代。大多数公司现在已从这一反应完全恢复了。对预测采取天真的态度在工业界已经少见了；只有非常少数的公司仍然相信他们应当期望更加准确的预测，而且只要他们找到正确的技法就可能得到它们。 大多数人认识到预测中的两个有区别的问题：(1)做出更准确的预测.(2)对不精确的预测做出更好的运用。任何预测，不管如何作出的，都是为一个整体供应链系统提出需求。当根据更好的知识或新的见解而对于预测作出更改时，或当实际需求与预测不符时，可以快速更新计划以指出所需的具体的校正行动。预测的第二个问题是如何更好地使用预测，比努力去得到更准确的预测，更能提供较多的潜在利益。 目前的观点趋势是是承认预测必须做而且将被人们作出，因此，最好由最能干的人去做；用最先进的技术.它承认使用一个正式的预测作为一切其它预测的基础的价值，而不是让许多经营部门各自去猜测未来的事。并且,预测必需透明的穿过供应链,而不会产生发达效应. 需求管理的范围: 需求管理作为现代管理术语适用于为整个供应链设施作计划与处理时的各种需求.包括来自下列各方面的需求： (1),国内外的客户.(2)本公司的其它工厂.(3)在其它地方的分支仓库.(4)在客户处的寄销存货 它将包括下列活动：(1),作出需求的预测.(2),处理订单登录.(3)作出交货承诺(4)转换为计划与排程.
需求将涉及各种物料，包括(1)成品.(2)作为产品的组件(2)修理件 对整个供应链来说，需求管理包括筹划仓库地址，从制造源到仓库的替代发运方法，仓库布局，物料搬运与作,分销与配送。 需求预测的重要性: 需求预测关心的是未来的事。已经过去的事无法控制.必须从现状出发为未来作准备。因此，就有必要去猜测、假设或估计从现在开始将要发生什么。其它一切条件都相同的情况下，一家公司要生存，至少要准备好自身能同竞争者一样快速地去满足客户的要求。预测这个字就包括对这种未来的客户需求的估计。 由于一个供应链中的一切计划活动都与满足客户的未来需求有关，供应链中的各个企业的许多方面必须同销售预测打交道。 大多数公司所做的各种预测的汇集是为了满足企业中不同部门的要求.如 (1),客户数被市场营销部门用来确定总的潜在市场的成长。 (2),工厂经理与工厂的工程部门要知道5年的生产需求，因为购置土地的计划、以产量与技术的变化为基础的新的生产过程的开发以及要增添的制造设施的采购都需要有长的提前时间。所以要考虑工厂扩展规划. (3),还要预测未来2年所需的设备小时数,制定下一年的资本预算. (4),下一年的产品系列的销售量,因为销售部门需要报价计划,财务要作开支预算,制造部门要作工人与机器能力计划. (5),产品下一季度的销售量,物料部门要作能力计划,生产计划与采购计划. (6),具体产品的下周的销售量,物料部门要作装配日程计划与详细调度计划. 企业的计划部门，其责任是制订计划以满足制造产品的未来需要。需求预测在这一准备中是不可缺少的要素。物料计划人员需要这一预测来计划要买多少组件，买多少原料，用什么速度去做机加工或装配.最重要的是什么时候去订货。 往往企业对预测有互相矛盾的要求。例如，总经理关心发货量的预测，因为发货产生公司从客户收来的钱。他可能同市场营销经理意见相左，后者更加关心未来发生业务，因为这是衡量客户对本公司的需求。实际上发货量所代表的是被公司响应需求的能力和已经修正过的业务。销售经理感兴趣的是设定乐观的目标来对刺激销售人员.而总会计师宁愿有一个较保守的预测以便估计利润。物料控制部门要求预测使用制造部门所能理解的语言来表达（例如，用通过相似制造设施的产品组）。而对市场营销人员有意义的是产品组则是在相似销售渠道中销售的产品，它们不一定同制造中的产品组一样。 在大多数公司里需要有多种预测。这些预测有多种分类方法，其中之一是按其所涉及的期间长短来区分： 长期预测：用于工厂扩展与添置新机器、新设备，以便提前5年或更早地去计划资本投资。 中期预测：用于长提前期物料的购买或作业率的计划，提前1至2年考虑季节性或周期性的产品。 短期预测：用于为采购件或自制件确定恰当的订货量与订货时机的安排.并计划恰当的制造能力，并考虑提前3至6个月平衡工作负荷是否值得。 近期预测：用于每周或每日的装配进度与成品库存的分配。
长期预测的视界从向前看2到5年甚至到更多年。它需要具有对经济因素、竞争性与技术性影响与最高管理者制订的资本扩展计划的理解。这类预测的开发包括对市场战略、雇佣政策与政府规章的考虑。现在,较大的企业对这种预测越来越重视，但中等与较小的公司大多忽视这种需要。然而，认真的努力去作一个长期预测对任何一家公司指明航向都是非常有实际价值的。最大的好处可能是公司战略的定义：它到底属于哪一种事业？许多行业，特别是铁路与钢铁业，如果他们曾经更加清楚地认定他们真正的事业是提供运输与基本材料的生产，而非限于运行铁路与钢厂，本来可以避免许多严重问题的。 一般说来，较短期的预测要求更大的准确性。例如，能力的中期预测可能指示一个工作中心需要多少小时，当利用这些小时的时刻到来时，它们可能被用在原来的能力预测时根本没有考虑过.如果有许多物品要经该部门生产，总的预测小时数仍可能是相当准确的.另一方面，本周的预测是需建立一份最终装配或一特定产品组合的包装日程计划。由于这些产品将确定可供发货的具体成品库存，重要的是这一预测要尽可能地准确。 区分预测的另一种方法是按其所包含的物品类型，譬如个别产品，系列产品或小类产品。一家公司具体需要哪些预测取决于其制造周期的长度同它的客户允许的提前期之间的关系.如图: 采购物料 制造组件 装配产品 发 运 行 业 允许提前期,不需要预测重型资本货物、轮船、火车,导弹等 允许提前期,需要作原料预测特殊订货、单件小批生产,精细化工等 允许提前期,需要作原料与组件预测机床、电子、定制的装配产品等 允许提前期,需要作原料与组件和产成品预测汽车可更换零件、消费品等,仓库发货 允许提前期与所需预测的关系 倘若在公司确定需要什么物料、购得这些物料、加工它们并最终交运该产品期间客户可以等待，那么实际上就不需作任何预测了。当然，几乎没有任何行业的客户将等待他们的供应商去建造与扩展工厂或去获得要添置的机床或其它设备，所以所有公司都需做用于生产设施中资本投资的长期预测。 市场营销人员喜欢说在公司拿到客户的订单之前，实际上什么也没发生。这听起来有道理，其实不是这么回事。应该说收到订单之前已经发生了许多事情。如果一家公司能够以比其竞争者所要求的发货时间稍稍短一点向客户提供产品，则该公司必须保有成品库存以便同任何公司一样地去满足订货。这意味着公司将必须去预测原料的需求，并根据预测采购与制造零件并安排所需成品货物的生产日程。 某些典型行业的所允许的提前期现在已经有了很大变化,许多公司发现他们的竞争者以较短的提前期发运产品并不保有较高的库存投资。 许多因素对一家公司的产品与服务发生影响，要识别所有这些因素并度量其影响或预测其效果是永远不可能的。然而，在预测中去识别广泛的主要影响并试图去预测它们可能引起的变化还是有帮助的。这些影响有外部的也有内部的。外部因素包括一般商业条件与国家的经济状态，它影响几乎每家公司的客户.因而影响对其产品的需求。所有的长期预测
以及许多中期预测,必须包括对变化的经济气候的影响的估计。竞争因素是另一个要考虑的外部力量,直接地来自相近或相同的产品。没有哪家公司可以忽略去估计竞争者在做什么及其对本公司可能的影响。还要考虑到市场的趋势，包括变化着的客户意向，增长着的需求，式样风尚等等是会影响一家公司的销售的。有时这些力量可以通过广告被影响到某种程度，但无论如何它们是最难于控制的。 内部因素，诸如一家公司的广告计划、促销、销售努力、定价与提高质量，能对创造或扩大需求有主要的影响。若不把这些因素包括进去，没有一个预测会有效的。及时交货，较低的成本以及较短的制造周期是其它能对公司产品具有显著影响的内部作用。 需求预测的特征 在讨论预测的技法之前，懂得预测的一般特征是重要的。最重要的特征可简述如下： (1)预测肯定是不准的. (2)预测的误差分析是最有用的 (3)对于较大的产品组，预测就更准确 (4)预测的时间越短，预测就越准确 当前合理的方法是承认预测总是有误差的，而且虽然有许多高级工具可以改善预测的艺术，当然,运用这些工具需要投入的金钱与努力.对预测误差采取灵活的态度将比试图改善预测要有利得多。最好的办法是去开发一个正式的预测计划与一种发现与度量预测误差的系统，然后快速地反应去校正这些误差。可以使用根据以往的实际与预测数据的对比或根据有识人士的意见作出的误差估计去制订应急计划。这些办法将会使根据预测误差分析而采取的校正行动更及时且更为有效。每一预测应包含一个对预测误差的估计.该预测可能错到什么程度。这一估计可用预测的百分数（正或负）或作为最大值与最小值之间的一个范围。预测误差的分析提供设置确定何时要采取行动的决策规则的基础。当实际需求落在预测范围之外时，可能有非随机性的影响存在,因而采取行动是必要的。虽然进入市场的新产品最难预测，但在新产品预测中使用预测误差的分析往往比其它情况更为有利。新产品可能同在大类产品中已相当稳定的东西相当地相似。这种情况下，由于销售部门有销售类似产品的一些经验，市场营销部门有过去预测类似产品的经验，预期的预测误差可能是低的。另一方面，对市场上全新的一个产品,由于公司没有经验,预测可能失误到300%之多。 一个基本的统计事实是即使总体作为整体具有非常稳定的特征，总体中每一个体的行为却是随机的。例如，要预测个别人的预期寿命是极为困难的，但保险公司能以高准确度预测大群个人的平均预期寿命。同理，虽然对个别物品的预测要受高度误差的影响，但对大系列产品作出相当高准确度的预测却是可能的。 随着预测者对于预测艺术知道得越来越多，一个好的预测系统将总是处于一种流动状态。该预测者可能开发新的技法，并希望用实际的公司数据去检验它。如果预测人员要确定一种新的预测技法是否有效，他无需等待销售量的实现。 对于去年来来说，这一确定季度销售百分数的预测技法可算是相当准确的。如果检验年度是用于建立预测值的五年中一年，此技法将不是有效的，因为这些指数很可能同用来产生它们的历史数据很相关。检验的重要好处是预测人员可以通过仿真他的预测技法去犯廉价的错误。如果一个预测系统被检验表明是好的，则在实用时它也可能将是好的。在预测技法里，高级计算程序使用多
种预选的预测模型来做这样一种仿真，并使用其中表现最好的一个模型和最近的数据去推测将来的需求。 需求预测的实施: 做预测有五个主要步骤： (1),定义预测的目的 (2),准备数据 (3),选择技法 (4),作出预测（包括估计的预测误差） (5),跟踪预测 公司里每一职能部门都需要其销售预测的信息。倘若没有对其产品未来需求的了解，就没有一个职能部门能够有效地作业。事实上，没有一个单独的预测能够满足所有这些部门的需要。为了取得最好的结果，每家公司应产生一整套互相关联的预测，用来满足使用者们的需要。 往往使用者将迫使自己去解释预测来产生他们所需要的数据。有时，一家公司的制造、物料、工程设计、采购与财务部门必须用“官方的”市场营销预测去做这件事；他们各自为政，好像不是在为同一家公司做事似的。 各种用途在下列四个方面是有明显区别的。 (1)视界: 短的、中等的与长的 (2)周期: 每周、每月、每季或每年 (3),评审的频度──每天、每周、每月或更长些 (4),度量单位:金额、件、小时、加仑、打等等 应弄清每种用途的目的及对上述四个因素的要求。负责发布预测的个人或小组应该为具有相似要求的使用者小组重新组织数据。只有这样才可能有一种连贯的、一体化的计划方法。 对许多公司，准备健全的数据这一基本问题往往可能是令人生畏的。为一段足够长的期间找出销售数字用来开发一种良好的预测方法并检验它不只是要求有一组历史的销售数字。没有有关的信息，单看过去的销售历史将看不出什么时候罢工、提价、会计日历中的更改、特别的促销等诸如此类的事可能已经在历史数据中掺进了,使这些数据不能可靠地作为预测的基础的要素。 在准备数据时，预测人员还必须确定到底要预测什么。一家通过分支仓库来销售其大多数货物给客户的工厂必须使其生产同时面向分支仓库的需求与客户的需求，因为仓库由于对峰值客户需求的期望，将毫无疑义需有一些库存。在这种时候，这将对工厂生成超过实际客户销售量的需求。如果预测人员只预测来自客户的需求业务的增量，工厂对在恰当时间内生产出足够的货物去满足分销网络将缺乏准备。 预测人员必须确定要使用的数据去预测发货量还是去预测未来发生的业务。发货量数据反映生产设施已经能够对续入业务作出什么响应。例如，一种已经缺货4或5个月的畅销产品将显示一段低发货量的历史，虽然续入业务率是高的。根据以往的发货量来估计未来需求的预测人员将由于未能反映对该产品的真正需求而延长了缺货期。即使具有足够的库存，也很少有公司能足够很快地对需求的突然增长作出响应而使发货量保持同续入业务相等。
在预测中区分不同的需求流也是很重要的。例如,工厂很可能将其货物的45%直接发给客户而把55％的货物通过仓库再发给客户。这将意味着对工厂订单有两种不同的预测类型，一种代表直接给工厂的真正的客户需求，另一种代表客户对仓库的需求再加上或减去仓库库存中的增量或减量。 许多公司有一些商品是出售给不同种类的顾客的。例如，一公司可能制造一种硬件物品，正常情况下它以小量频繁订货方式出售给批发商──但有时被原设备制造商OEM以每年两批的方式买去制造家具。每年两次在库存上将是加在来自批发商的许多小量需求上的极大需求；这两股需求流将要求有分别的预测。平均需求量是毫无意义的。 预测人员在分析历史数据与做预测时使用恰当的期间也是非常重要的。 月份 月销售量 每月工作日数 每一工作日销售量 一月 3340002215200 二月 3100002015500 三月 3380002314700 月销售量与日销售量 说明月销售量可能给出的假象。单看月销售量这一列，似乎二月份的销售比一月低不少而且三月份比一、二月都有增长。但把每月的工作日数考虑进去之后，可看出二月份每个工作日的销售量比一月份上升了，而三月份每一工作日的销售量却比一、二月份都要低。 一般来说预测技法分为客观的方法（根据“冷的”统计的或数学的分析）与主观的方法（根据“暖的”人类判断）。这样区分是有益的，但每个好的预测都是二者的结合。一切统计技法都是以“未来将继续像过去那样”这一假设为基础的。过去数据中的模式、趋势或周期被假设将继续下去并选用预测模型来把它们外推或外插到未来的期间中去。 每一企业中的管理人员都努力使未来不同于过去,希望它比过去更好。因此，任何客观预测要想成为正式的，必须首先经过人类判断的检验，判定将来与过去的这些不同点将如何影响这种预测。有两种因素必须考虑： 1) 内部的：在公司内部，诸如价格变化、促销、提高质量、更加及时的交货、更短的制造时间等等因素将有什么影响？ 2) 外部的：在公司外部，竞争者、一般经济、政府法律等等将如何影响它们？ 注意统计预测只是起点，一种以前后一贯的、有秩序的方法与在合理的计算机时间内去处理大量项目的方法。靠人对之作跟踪评审正常地是日程计划工作的重要部份. 时常有人问，谁应该去作预测？通常的回答是，市场营销或销售。从刚刚讨论过的对内外因素的影响的评价来看，却可见预测是一集体协作活动。物料控制、数据处理与市场分析人员将选择若干预测技法并生成“初步”预测。然后，它们将由市场营销、销售、制造、工程与其它能有助于评价这些其它因素的影响的人们来评审。
需求预测的算法 需求计划可以有效的管理预测需求.将用先进的预测方法应用于过去的销售历史,并将预测模拟与实际历史进行比较,从而推荐最优化的预测.生成最优化的预测时,APS会比较实际销售历史和某特定其间的预测,并计算各种不同的预测方法所预报的销售额的准确性.然后,推荐最优化的预测为需求计划. 首先,1,使用每种规定的预测方法来模拟保留期的预测.然后,2,将实际销售额与保留期的模拟预测进行比较,3,计算准确的百分比值或”平均绝对差异”,以便确定哪种预测方法与过去实际销售额最匹配.在根据你选择的处理选项或使用准确百分比值或使用”平均绝对差异” 4,根据最接近于100%(高于或低于)的准确百分比值,或最接近于零的”平均绝对差异”推荐最优的预测. 绝对差异平均值MAD是实际数据与预测数据之间差异绝对值的平均.在预测方法和历史数据给定的情况下,这是预测误差平均数量的计算方法.. 当然,需求的模式有各种各样,但是典型的有六种需求模式: 典型的有六种需求模式 第一种:水平需求 需求 时间 第二种: 正趋势需求 需求 时间 第三种:负趋势需求 需求 时间
第四种:季节性需求 需求 时间 第五种: 趋势-季节性需求 需求 时间 第六种: 非年度周期 需求 时间 在预测中可以考虑过去数据信息的各种需求.如促销,客户订单,服务订单.企业之间的需求.也可以考虑生产环境来预测需求如MTS,按库存生产,ATO按订单装配,MTO按订单生产等. 一般来说,短期预测比长期预测准确,因为对未来预测的越远,影响预测的变数越多.对产品系列(族)的预测比对该产品系列中单个项目的预测更准确.单个项目预测中的某些误差在汇总到产品系列时将相互抵消,从而生成较为准确的预测.不过,预测不仅仅要考虑过去的数据需求,还要考虑其他的因素: 1,没有过去数据的新产品.2,有关未来销售的促销计划.3,国内和国际政治的变化.4,新法律和政治法规5,天气变化和自然灾害.6,竞争中的创新.7经济的变化.对市场调查和主要经济指标的各类长期趋势分析来影响预测的设计. APS的需求计划的预测管理主要采用12中定量的预测方法 并标明哪种方法可以针对你的预测情况提供最佳预测.这些方法大多数是由用户自己设置.如近期历史数据的加权或用于计算的历史数据日期范围可由用户规定.可以用历史性销售数据,预测运行情况评估标准,评估预测.对于预测运行情况评估标准取决与你对处理选项的选择以及销售数据现有的趋势和模式,在历史数据给定的情况下,有些预测方法比另一些预测方法更好.对某种产品合适的预测方法可能对另一种不合适.能够对产品寿命周期的某一阶段提供良好预测结果的预测方法不太可能适用于该类产品的整个寿命周期.你可以在两种预测评估方法之间进行选择,来评估不同方法的当前运行情况.此两种方法是”平均绝对偏差MAD”和”准确百分比POA”. 这两种运行情况评估方法要求用户所规定期间内的历史销售数据.该期间称为保留期或最佳期间.此期间内的数据可以用作建议应以何种预测方法生成下一预测结果的基础.每种产品会有具体建议,并很可能随不同预测生成而变化.
:与去年相比百分比 该方法使用”与去年相比百分比”公式,将每个预测期间乘以所规定的增加或减少百分比.要求最佳期间数加上一年的销售额历史记录以预测需求.这一方法有助于预测含季节性增长或降低的需求. 案例: 可以将上一年的销售历史数据增加10% 用于预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 128 117 115 125 122137140129131114 119 137 预测数为去年的110%: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 141 129 127 138134151154142144125 131 151 计算方法: 2002年1月=128*=141 2002年2月=117*=129 2002年3月=115*=127 方法2: 已记与去年相比百分比 该方法使用” 已记与去年相比百分比”公式,对特定其间的过去销售额同上年度同一其间的过去销售额进行比较.系统确定增加或减少的百分比值,然后用每个其间乘以该百分比值,以确定预测值.这种方法要求销售单历史其间数加上一年的销售额历史以预测需求.他有助于预测含季节性增长或降低的短期需求. 案例: 用于计算增长率的销售额历史范围.例如,在处理选项中规定n = 4,可以将最近四个期间与上一年同期的销售额历史进行比较.使用计算所得的比率来预计下一年度. 用于预测的销售历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2000年 118123 139 1332001年 128 117 115 125 122137140129131114 119 137 计算与去年相比百分比计算, 如n = 4. 2000年: 118+123+139+133 = 513 2001年: 131+114+119+137 = 501 比率= 501/513*100% = %
预测数与去年比较为%: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 125 114 112 122119134137126128111 116 134 计算方法: 2002年1 月=128*=125 2002年2 月=117*=114 2002年3月=115*=112 方法3: 去年与今年相比 使用上一年度的销售额作为当年的预测.它是要求最佳其间数加上一年的销售单历史以预测需求.有助于预测含平均需求或不含趋势的季节性需求的成熟产品需求. 案例:用于计算预测的一年数据加上评估预测运行情况(最佳期间)所需的期间数. 用于预测的销售历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 128 117 115 125 122137140129131114 119 137 预测数,去年与今年相比 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2002年 128 117 115 125 122137140129131114 119 137 计算方法: 2002年1月= 2001年1月 2002年1月= 2001年1月 2002年1月= 2001年1月 方法4:移动平均数 该方法使用移动平均数公式平均所规定的期间数,以预测下一其间.你应当经常(每月或每季度)重新计算,以反映变动中的需求水平.要求最佳其间数加上一年的销售单历史以预测需求.有助于预测对于不含趋势的成熟产品的需求.比较适用于成熟产品的短期预测,对于处于寿命周期中成长阶段或衰退阶段的产品则不太适用. 案例: 用n=预测计算的销售额历史期间数.例如,在处理选项中规定n = 4,可以使用最近4个期间作为下一个期间的预计.n值越大,要求的销售历史数据越多.这样会得出稳定的预测,但是不适用于对于该销售水平各种变化的认识.另一方面,n值越小,则能越快地对该销售水平的各种变化作出反应,但该预测可能会波动很大,以致生产无法反应差异.
用于预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131114 119 137 移动平均数的计算, n = 4. (131+114+119+137)/4 = 125 移动平均数的预测: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 125 124 126 128126126127127126126 126 126 计算方法: 2002年1月=(131+114+119+137)/4= 125 2002年2月=(114+119+137+125)/4= 124 2002年3月=(119+137+125+124)/4= 126 方法5: 线性近似法 该方法使用线性近似公式,计算来自销售单历史其间数的发展趋势,并将该趋势进行预报,你应当每月重新计算趋势,以便发现趋势的变化.该方法要求最佳其间数加上所规定的销售单历史其间数.这有助于预测新产品,或具有稳定的正或负发展趋势(不受季节波动影响)的产品.使用此方法需要谨慎,因为长期预测会因仅仅两个数据点的一些微改变而受影响. 案例: 用n=规定销售额历史数据点,该数据点与最近数据点相比较之后,便能达到确定趋势的目的.例如,规定n=4,以使用2001年12月(最近数据)和2002年8月(12月之前的4个期间)之间的差异作为计算趋势的基础. 用于预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 129131114 119 137 线性近似计算, n = 4 (137-129)/4=2 线性近似预测数: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 139 141 143 145147149151153155157 159 161 计算方法: 2002年1月=2001年12月+趋势=137+(1)*2=139 2002年2月=2001年12月+趋势=137+(2)*2=141
2002年3月=2001年12月+趋势=137+(3)*2=143 方法6:最小平方回归LSR 该方法推倒描述历史销售数据和时间推移之间直线关系的等式.最小平方回归法将一条线配入所选数据范围,如实际销售数据各点和回归线之间差异平方和的最小值.预测既是对于该直线延伸到将来的预报.它要求出最佳其间数所表示的该其间的销售数据历史,加上所规定的历史数据其间数.最低要求是必须有两个历史数据点.该方法有助于预测数据呈线性趋势时的需求.不适用于需求转折点的需求和阶梯功能的需求.其公式为Y(销售)=a+bX(时间). 案例: n=规定用于计算a值和b值的销售历史期间.如,规定n=4,以便将2001年9月至12月的历史作为计算基础.如有可供数据,则通常会使用较大的n值(如n=24).LSR可以仅用两个数据点便能确定出一条线.本例选用一个较小的n值(n=4)以减少核实结果所需的人工计算. 用于预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131114 119 137 线性回归系数的计算, n = 4 X Y XY XX 2001年9月 1 131 131 1 2001年10月 2 114 228 4 2001年11月 3 119 357 9 2001年12月 4 137 548 16 合计SX= 10 SY=501 SXY=1246 SXX=30 n *SXY-SX*SY 4*(1264)-10*501 b= = = n*SXX-(SX)*(SX) 4*30-10*10 SY SX 501 10 a = - b* = * = n n 4 4 最小平方回归预测，Y= a-bX =- *X, 其中X＝>2001年9月 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 131 133 136 138140143145147149152 154 156
计算方法：2002年 1月= + 5* = 131 2002年 2月= + 6* = 133 2002年 3月= + 7* = 136 方法7:二级近似法 这种方法使用二次近似法公式,根据销售历史其间数标出一条曲线以进行预测.它要求最佳其间数加上销售单历史其间数乘以.它无助于预测长期需求.此方法可用于从寿命周期的某一阶段转变到另一阶段的产品.例如,当新产品从开始阶段进入到增长阶段时,销售趋势可能加快.由于公式Y= a + b*X + c*X*X 的二次项,预测可以很快到达无限或减低为零.这取决于c是正还是负.因此,该方法仅适用于短期. 案例: 将找出a, b和c,使曲线与三个点完全吻合.你需要规定n,即数据的期间数,以便累计到三点中的各个点.在本案例中,n=3.因此,从4月到6月的实际销售数据合并为第一点月到9月的数据加在一起生成Q2, 10月到12月的数据汇总为Q3.曲线将与Q1,Q2和Q3三个值相吻合. 用于预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 Q0 Q1 Q2 Q3 384 400 370 2001年 125 122137140129131114 119 137 Q1=125+122+137=384 ,Q2=140+129+131=400, Q3=114+119+137=370 计算Y= a + bX+ cXX的系数a, b, c. Q1= a+ bX+ cXX, 当X=1时, Q1= a+ b+ c 当X=2时 Q2= a+ 2b+ 4c 当X=3时 Q3= a+ 3b+ 9c 同时解这三个等式,得出: a = Q3-3(Q2-Q1)=370-3(400-384)=322 c=[(Q3-Q2)+(Q1-Q2)]/2 = [(370-400)+(384-400)]/2 = b=(Q2-Q1)-3c=(400-384)-3*()=85 二级近似法的预测: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 Q4 Q5 Q6 Q7 负数 294 172 4 2002年 98 98 98 575757111 计算方法: Y=a+bX+cXX=322+85X+()(XX)
当X=4 Q4=294 预测=294/3=98 当X=5 Q5=172 预测=172/3=57 当X=6 Q6=4 预测=4/3= 方法8:弹性方法(与前n个月相比的百分比) 该方法允许你选择始自n个月以前的销售单历史数据段中最佳期间数,并应用增减百分比进行修改.它类似于方法1(既与去年相比百分比),不同的是你可以规定用做基础的期间数. 基于你所选择的n值,它要求最佳其间数加上所标明的销售数据期间数.它有助于预测计划性趋势的需求. 案例: 用乘法系数110%与定义基准期间为4 预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131114 119 137 预测数,与n=前4个月数的110% 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 144 125 131 151159138144166174152 158 1822002年1月=131*=144 方法9:加权移动平均 加权移动平均法公式类似于方法4(移动平均法),因为该公司将所标明的上月销售额历史加以平均,以预报下月的销售额历史.然而,你可以使用该公式指定过去每一其间的加权值. 该方法要求所选加权其间数加上最佳其间数据.与移动平均法类似,该方法推迟需求趋势,所以不适用含明显趋势或季节性的产品.对于处于寿命周期中成长阶段或衰退阶段产品也不太适用.它有助于预测含相对稳定需求的成熟产品的短期预测需求. 案例:n=预测计算的销售额历史期间数.如在处理选项中规定n=4,可以使用最近4个期间作为下一个期间的预计.n值越大,要求的销售历史数据越多.就可以得出稳定的预测,但是,对于该销售水平的各种变化反应迟缓.另一方面,n值越小,越能迅速地对该销售水平的各种变化作出反应,但该预测可能波动很大.需要指定每个历史数据的权重.其权重必需合计为1.数据越新,它的权重就越大. 预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131114 119 137 预测数: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
2002年 128 128 128 129129129129129129129 129 129 移动平均数的计算,n = 4 2002年1月=[(131*)+(114*)+(119*)+(137*)]/1= 2002年2月=[(114*)+(119*)+(137*)+(128*)]/1= 2002年3月=[(119*)+(137*)+(128*)+(128*)]/1= 方法10:线性平滑法 该方法计算过去销售数据的加权平均值.在计算中,该方法使用在处理选项中标明的销售单历史其间数(从1至12).系数使用数学级渐进方法在初始值(最小加权数)和最后值(最大加权数)范围内之间进行数据加权.然后,系统将此信息用来预报该项预测中的各个期间. 它要求最佳预测月加上在处理选项所规定其间数的销售单历史. 有助于成熟产品更的短期 预测. 案例: n=预测计算的销售历史期间数.如,在处理选项中规定n=4,可以使用最近4个期间作为下一个期间的预计.系统将自动为历史数据指定线性下降并总计为1的权重.如n=4,越新的数据它的权重越大,如,,,. 预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131114 119 137 权重的计算,n=4 9月的权重=1/10 , 10月的权重=2/10, 11月的权重=3/10, 12月的权重=4/10. 总权重=10/10. 预测数: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 126 127 128 128128128128128128128 128 128 移动平均数的计算, n=4 2002年1月=[(131*)+(114*)+(119*)+137*)]/1= 方法11 指数平滑
这种方法计算平滑平均数,该平均数成为表示所选历史数据范围一般销售水平的估计.它要求由最佳其间数所表示的该其间销售数据历史,加上所规定的历史数据其间数.最低要求是两个历史数据其间.它有助于预测数据无线性趋势的需求. 预测=a*(前一实际销售额)+(1-a)*前一预测 案例:a=计算一般销售水平或数量的平滑平均数的平滑常数.(0-1) n=销售额历史数据范围.通常是一年的销售历史数据.本例取n=4. 预测计算的历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131114 119 137 预测数: 指数平滑预测,a=, n=4 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 128 128 128 128128128128128128128 128 128 计算方法: 指数平滑预测,a=, n=4 2001年10月平滑平均=a*(9月实际数)+(1-a)*9月的平滑数 =1*(131)+0*(0)=131 2001年11月平滑平均=*(10月实际数)+()*10月的平滑数 =*(114)+*(131)=126 2001年12月平滑平均=*(11月实际数)+()*11月的平滑数 =*(119)+*(126)=1124 2002年1月平滑平均=*(12月实际数)+()*12月的平滑数 =*(137)+*(124)=128 通过设置第一个平滑平均值等于第一个规定实际销售数据点的方法,将指数平滑法初始化. 方法12:含趋势和季节性的指数平滑法 这种方法从销售单历史计算趋势,季节性指数和指数平滑平均数.然后,系统将趋势预报应用到预测中,并调整季节性指数. 它要求最佳其间数加上两年的销售数据,有助于预测含趋势和季节性的项目.你可以输入a和b系数,或系统计算出两系数.a和b系数是平滑常数,系统用其计算销售额一般水平或幅度(a),及预测趋势要素(b)的平滑平均数. 案例: a=计算一般销售水平或数量平滑平均的平滑常数.(0-1) b=计算预测趋势要素平滑平均值的平滑常数.(0-1) 将季节指数应用到预测中.必须用到两年的销售历史数据: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月总计 2000年 125 123 115 137 122130141128118123 133 13315342001年 128 117 115 125 122137140129131114 119 1371514
当a=, b= 已给定. 2001年1月的季节指数: S1=[(125+128)/(1534+1514)]*12=*12= 2001年1月的平滑平均值: A1=1月的实际值/1月的季节值=128/= 2001年1月的平滑趋势值: T1=0,因没有计算第一次的足够信息. 2001年2月的季节指数: S2=[(123+117)/(1534+1514)]*12=*12= 2001年2月的平滑平均值: A2= *(117/)+()*(+0)= A2=a*(D2/S2)+(1-a)(A1+T1) 2001年2月的平滑趋势值: T2=()+()*0= T2=b*(A2-A1)+(1-b)*T1 2001年3月的季节指数: S3=[(115+115)/(1534+1514)]*12=*12= 2001年3月的平滑平均值: A3= *(115/)+()*()= A3=a*(D3/S3)+(1-a)(A2+T2) 2001年3月的平滑趋势值: T3=()+()*()= T2=b*(A3-A2)+(1-b)*T2 ……. 2001年12月的季节指数: S12=[(133+137)/(1534+1514)]*12= 2001年12月的平滑平均值: A12= *(137/)+()*()= A12=a*(D12/S12)+(1-a)(A11+T11) 2001年12月的平滑趋势值: T12=()+()*()= T12=b*(A12-A11)+(1-b)*T11 含趋势与季节系数的指数平滑预测: a=, b= 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 2002年 F(t+1)=(At+Tt)S(t-L+1) 计算如下: L=12 2002年1月=(A12+T12)S1= ()*= 如何判断预测: 这里要弄清的最重要论点是判断预测与统计预测（广义的统计）这两种预测方法是一道使用的。判断预测，有时叫做预报，它包括：根据对业务有实感的个人的专家意见而作的预言；调查销售人员以确定在即将来临的预测期间他们认为或已被告知的其客户将订货的产品数量；还有市场调查，其中一位走出去到市场上，也许还带着产品的样品，或直接找潜在的客户调查或找同客户有密切接触的零售商或批发商调查。
对预测的判断方法中有许多缺点。虽然许多主管人员懂得市场并且具有预见未来发展的能力，但不能简单地假设由于一个人具有主管人的地位就自然会是一名好的销售预测人。销售人员按其本性是不倾向于解析思维而趋向于根据最近的趋势要末乐观，要末悲观。销售人员可能认为调查的结果将用来提高他们的定额，于是他们将给出悲观的估计。想从销售人员那里得出客观的预测是非常困难的。许多公司已丢弃了这种办法。 市场调查,无论用信件、电话或个人对话都是收集信息的手段，而且其可靠性取决于以一个小样本来代表整个市场有多大的准确性。在有些情况下，调查被证明是不可靠的，因为人们的言行并不一致。销售消费产品的公司时常采用试验市场的方法，即选择其中被认为具有代表性的一个小区，并仅仅在这一区域内销售他们的产品以确定公众的反应。这是一种相当昂贵的方法，它在许多情况下被证明是有成效的。作为预测整个市场的一种手段，其成就取决于市场营销人员选好一个具有代表性的样本地区的能力。 也许判断预测法最大的问题在于人类受新近事件的影响强烈。判断预测经常地趋向于对最近的情况作出过头的反应。单凭判断而不使用其它工具的预测人员可能会犯下非常严重的错误。判断预测的一个严重的实际限制就是一个人只能作出较少产品的预测，而大多数公司有成百种的产品必须处理。 预测全新技术或类似个人计算机、空间考察与光纤等新产品的影响与结果是非常困难的任务。使用台尔菲法，在提出正确的问题方面（倘若不是说得到答案的话）已得到一些成就。一组“专家”，熟悉该技术应用领域的人们，被询问一系列的问题，每个人给出他个人的估计。然后将结果交给所有成员评审，并进行第二轮的预测。该过程持续进行若干轮，直到无一小组成员修改数字为止。于是用户应用此结果作为看起来是合适的预报。 实际上,如果你为产品选择预测方法可以多达12种方法预测.每种预测方法将会生成不同的预测.如产品成千上万时,决定对各种产品选择最佳的预测方法是不可能的. APS的需求计划可以对每种产品选择12种预测方法并自动评估优化哪种预测是最优预测. 系统会自动评估你所选择的每种预测方法和每种产品预测的运行情况.你可以从两种运行情况标准中选择一个,”平均绝对偏差”(MAD)和”准确百分比”(POA).(MAD)是预测误差的计量方法.POA是预测偏差的计量方法.这两种运行情况评价技术都要求用户所规定期间内的实际销售額历史数据.这一最近历史期间称为”保留期”或”最佳期间”(PBF). 要衡量预测方法的运行情况,需要使用预测公式以模拟历史保留期的预测.保留期的实际销售数据和模拟预测之间通常有差异. 当选择多种预测方法时,每种方法都有同样的处理程序.保留期的多种预测计算出以后,再与同一期间的已知销售额历史数据相比较.能够得出保留期预测和实际销售数据之间的匹配,即最优预测的预测方法,就应推荐用于你的需求计划.对于每一种产品都会有具体建议,这些建议可能随不同的预测而更改. 一, 平均绝对偏差”(MAD)的运行情况标准的预测误差的计量方法 平均绝对差异MAD是实际数据与预测数据之间的差异绝对值的平均值.在预测方法和历史数据给定的情况下,MAD是预期误差平均数量的计量方法.由于计算时使用绝对值,所以正误差并不抵消付误差.比较若干预测方法时,具有最小MAD的预测方法在用于该保留期内产品时表现最为可靠. 案例: 以下显示两种预测方法的MAD计算.本例所规定的保留期间为5个期间.
1,用预测方法1即去年与今年相比 用于MAD计算的历史数据,规定保留期为5个月: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2000年 128118123 139 133 保留期的数与去年相比百分比预测为110: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 141130135 153 146 保留期的实际销售额历史: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 129131114 119 137 绝对误差值,实际数据-预测数据 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 12121 34 9 MAD平均绝对差异=(12+1+21+34+9)/5= 2, 用预测方法4即移动平均值, n = 4 用于MAD计算的历史数据,规定保留期为5, n=4 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 125 122137140 所以: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131132134 129 123计算如下: 2001年8月=(125+122+137+140)/4=131 2001年9月=(122+137+140+129)/4=132 2001年10月=(137+140+129+131)/4=134 2001年11月=(140+129+131+114)/4=129 2001年12月=(129+131+114+119)/4=123 保留意见期的实际销售历史: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 129131114 119 137
误差绝对值, 实际数据-预测数据 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2120 10 14 MAD平均绝对差异=(2+1+20+14)/5= 根据两个预测方法的MAD比较,将选择移动平均法的预测方法.因该方法的保留期有较小的MAD值.(<) 二, 准确百分比”(POA)的运行情况标准预测误差的计量方法 准确百分比”(POA)是预测偏差的计量方法.当预测持续过高时,库存累积和库存成本都会上升.当预测持续过低时,库存会消耗掉,客户服务会下降.如果某项预测低了10个单位,然后高了8个单位,再高了2个单位,这项预测便没有偏差.正误差10被负误差8和2所抵消. 误差=实际数据-预测数据 当产品可以在库存中储存,而预测又没有偏差时,少量安全库存可以用作误差缓冲.在这种情况下,所生成的是无偏差预测,限止预测误差并不重要.然而,在服务行业中,以上情况将被视为3个误差.即第一个期间内服务人员不足,而在下两个期间内服务人员过多.在服务行业,预测误差的数量通常比预测偏差更重要. 保留期的实际销售数据 POA=------------------------------------------------------*100% 保留期的预测销售数据 注意保留期的总计允许正误差抵消负误差.当实际销售合计超过预测销售的合计时,比率就大于100%.当然,准确度超过100%是不可能的.当预测无偏差时,POA率应为100%.因此,95 %的准确度比110%的准确度更理想.POA评估标准选择POA率最接近100%的预测方法. 以下显示了两种预测方法的POA计算.本例假定用户在处理选项中所规定的保留期(PBF)长度为5个期间. 1,用预测方法1即去年与今年相比 用于MAD计算的历史数据,规定保留期为5个月: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2000年 128118123 139 133 保留期的数与去年相比百分比预测为110: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月
2001年 141130135 153 146 保留期的实际销售额历史: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 129131114 119 137 保留期的实际销售数据 129+131+114+119+137 POA=----------------------------------*100%= ---------------------------------*100%=% 保留期的预测销售数据 141+130+135+153+146 2, 用预测方法4即移动平均值, n = 4 用于MAD计算的历史数据,规定保留期为5, n=4 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 125 122137140 所以: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 131132134 129 123计算如下: 2001年8月=(125+122+137+140)/4=131 2001年9月=(122+137+140+129)/4=132 2001年10月=(137+140+129+131)/4=134 2001年11月=(140+129+131+114)/4=129 2001年12月=(129+131+114+119)/4=123 保留意见期的实际销售历史: 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月11月 12月 2001年 129131114 119 137 保留期的实际销售数据 129+131+114+119+137 POA=----------------------------------*100%= ---------------------------------*100%=% 保留期的预测销售数据 131+132+134+129+123 根据这两种选择,将推荐移动平均法( n = 4 ),因为其给定保留期的POA最接近100%. (% > ) 预测为什么会失败 预测为何产生出不成功的结果，原因并不神秘，有以下六种原因： (1),预测不是集体的努力；考虑到过去的内外诸因素,来预测未来.必须有各个职能部门人员的参与。没有“专家”能胜任这项工作。
(2),发生幻想破灭；对准确度不现实的希望引起拒绝使用预测与不会使用预测；奇怪的是，人们坚持这种不切实际的希望的同时而又重复这种恶性循环。 (3),发生“自己动手”的变态心理；显然“他们的预测”是错误的，所以我们必须自己来做。我们昨天做得不太好，但明天的预测会更好的。 (4),人们有不同的需要；销售人员需要满足挑战性的预测，管理者的财务计划必须是保守的而制造必须具有现实主义态度。 (5),无人关心预测；每个人都希望预测是对的，但也知道它将会错，而且忘记了它，因而丧失了去找出它可能出错的原因以及何时需要修订的机会。 (6),不必要的项目被包含在内；企图为描述产品的物料清单中的组件或为由选件组成的产品去作需求预测是浪费时间。 许多产品为其用户提供若干选件:汽车、机床、计算机、无线电、自行车以及家用电器只是少数例子。任何人都懂得企图去预报任一期间中对这些选件的每一种具体组合有多少客户订货是枉费心机的. 基于互联网的结构的需求计划 对需求灵活响应的第一步是理解它,在电子商务虚拟供应链中管理需求,需要一种工具来了解需求的来源,作出预测,管理需求计划进程，并协调所有需要进入需求计划进程的内外资源。需求计划提供了这种工具来帮助您管理各地区、各行业、各用户提出的需求,它建立于多维结构上,不需重组数据便能进行多维分析。它完全以互联网为基础,让使用者的成本降至最低,并通过浏览器界面进行协调。它有极强的统计预测能力来生成需求预报,并对统计预测的准确度进行控制。 当今的企业面临快速变化的商业环境,所有的商业组织都需要一较精确的需求预测.需求计划的准确与及时就可以提高客户的满意和满足全球性的竞争.APS就是要通过供应链计划处理灵活多变的客户需求这一基本的目标.需求计划就是想要及时处理变化的需求信号,以至与能动态提高预测水平,学习客户的采购行为,更好的理解客户的采购方式.汇集销售计划与市场及历史的数据,共享整个供应链的上下游的组织的商业信息,并与供应链的上下游的组织协同与同步, 通过结合各种网络节点与代理汇集以加强需求计划的方法.如多元线性回归法.来处理自动的满足供应链的其他节点. APS的需求计划可以利用数据仓库的OLAPT来处理多维的和深度查询和历史的分析和商业智 能BI的数据.所以APS的计划能提供更清晰的理解需求变化的影响.有能力的”context-powered”的需求计划-新一代的复杂的精确的预测需求计划. 1, 基于实时的需求来驱动下游的供应链. 2, 通过精确的中短期的预测来优化资产的利用率. 3, 通过长期的预测来支持企业的战略计划 协作的需求计划 APS的需求计划利用多维的数据显示使得使用者可以分离各方面数据来执行向下或向上查询,可以用任意时间段,自定义的方法如金额,收入,利润等.预警代理可以报告例外情
况.如销售订单超过预测,潜在的库存脱销,库存超储.可以比较预测与实际需求的差异,用于提将来预测的准确性. 协同预测-在一公共库里,取出企业内部或外部的多层的数据汇集预测.从市场,销售,后勤,及第三方的数据,来有效的协同达到统一的需求计划.并且,需求计划可以实时更新,提供动态的潜在的业务问题如预测的偏差,太低的库存. 生命周期的管理-决定新产品的引进的时机要考虑各种因素如 产品的放弃,产品的替代,产品的互装,及更多的方法来管理产品生命周期. 促销计划-通过促销计划来抵消未预料的需求波动,促销计划就要考虑一些因素如赢利性目标,产品的可用量,和历史的趋势.预告有影响的事件如用历史的趋势来分析将来需求的价格上涨价与下降. 新产品的预测-从相似产品的预测和需求历史,为新产品建立精确的预测,而且用多种的市场因素.结合多个部门的预测达到统一的预测.与POS数据联结,监控产品发布到产品销售实现. 因果分析-定义和预告外加因素的影响,如影响将来需求的人口的变化,环境的变化,社会或政治的因素.用各种技术如多元线性回归,复合非限制的因果分析(价格,温度等)分析实际需求.
第十四章 供应链APS的分销与部署计划 管理分销中心并保证产品可订货、可盈利、能力可用。分销计划帮助企业分析原始信息。然后企业能够确定如何优化分销成本或者根据生产能力和成本提高客户服务水平。 今天成功的企业为了持续的成功已认识到供应链成员之间的互动和协作的重要性.APS供应链计划可以帮助建立在供应与需求之间的详细匹配,可以统一考虑采购,生产制造,分销,运输的约束.使得整个供应链同步,自动产生可执行的计划.动态处理决定库存如何,何时分配与配送.可视化的屏幕,基于先进的算法优化部署计划-动态再平衡和优化分销网络.结合分销网络计划与部署计划可以保证最优的利用制造,分销和运输资源来满足预测和实际需求. 供应链的计划员可以用APS引擎建立图性化的方式,控制供应商,工厂,储存场所和运输线路.可以从各个网络节点合计资源与物料约束.有关的数据如库存,能力,订单等可以从其他系统 或数据仓库自动引出.并动态维护所有相关数据.为简化较为复杂的供应链管理,APS可以选择组合供应链节点. APS提供各种算法(线性规划, 启发式,经典的物料和能力计划等),实时的决策支持,实时的响应以及多工厂计划逻辑. 计划与优化 可以考虑各种各样的约束,如运输,仓库处理能力,主要生产能力,日历,成本.可以模拟计划活动.可以评估各种版本的计划,决定最优的决策计划.可以基于经典的批量,阶梯仓储概念和动态货源策略. 假设分析 可以模拟增加供应商,工厂或分销中心,改变能力,增加新产品.优化产品组合等.均衡交易成本数量评估处罚性成本,复杂供应链的混合资源的有效计划. 动态匹配供应与需求 基于部署策略的规则建立动态供需匹配且使用用产品替代和替代地点,在匹配过程中,考虑各种条件如客户,工厂的优先级,在有效期,产品特点,替代,可选择. 供应商管理的库存 在APS的数据模型中,用高性能的补充计划管理VMI,可以使用客户的库存,与供应商的库存作为供应链计划的一部分. 短期库存和分销优化 对客户订单,库存运输需求和安全库存需求等短期需求进行分布式优化.部署逻辑考虑一广泛的,可变的短期约束,包括运输,仓库处理能力和日历.决定合适的部署战略是基于: 基于实际订单的需求拉动,基于库存策略的供应推动,也可以用需求与供应的时间界限结合使用推动和拉动. 均匀部署 把短期的供应产品分配到分销中心,市场,客户基于预先定义的或均匀的百分比计算 需求优先级 把短期的供应产品分配到分销中心,市场,客户基于客户优先级别. 部署建议 APS可以提供图形显示库存移动建议,计划员可以深入查询显示整个部署网络的内容,
网络图性透明化控制 用图形显示库存,分销节点,深入查询其节点的库存与分销计划. 预警监控 控制各种约束如物料,能力,运输约束以及其他的策略的冲突.计划员可以深入跟踪一系列问题的影响.且显示例外情况.如延迟订单,脱销及部署中的约束. 供应链网络配置计划决策 固定设施在整个物流网络中的配置是一个十分重要的决策问题，它决定了整个物流系统的模式、结构和形状。反之，供应链系统的设计又限定了物流系统动作中可选用的方法及其相关成本。配置决策包括确定所使用设施的数量、位置和规模。这些设施包括网络中的各种节点（如工厂、港口、供应商、仓库、零售店和服务中心）…是物流网络内货物运往最终消费者过程中临时经停的各点。 设施配置方法的研究发展已成为一个关注的研究领域。配置问题分成几种类型。 按驱动力划分 在决定设施定位的因素中，通常某一个因素会比其他因素更重要。在工厂和仓库配置中，最重要的因素一般是经济因素。零售选址时，地点带来的收入往往起决定性作用，地点带来的收入减去场地成本就得到该地点的赢利能力。而在服务设施（医院。自动化银行、慈善捐赠中心或维护设施）的选址中，到达的容易程度则可能是首要的选址要素，在收入和成本难以确定时尤其如此。 按设施的数量划分 单一设施的配置与同时对多个设施选址是截然不同的两个问题。单一设施配置无须考虑竞争力、设施之间需求的分配、集中库存的效果、设施的成本。运输成本是考虑的首要因素。单一设施选址是二类问题中较简单的一类。 按选择的离散程度划分 有些方法考察一个连续空间内所有可能的点，并选择其中最优的一个。这就是我们所说的连续配置法（Continuous Location Methods）。另一种方法是在一系列可能方案中做出选择，这些方案事先已经过了合理分析。这种方法就是离散配置法（Discrete Location Methods）。后者在实践中更为常用，主要针对多设施配置。 按数据的集成程度 配置问题往往涉及对众多网络设计布局的评估。为了控制问题的规模以便求解，在解决实际配置问题时一般有必要使用集成的数据关系（Aggregation Data Relationships）。由于该方法精度有限，所以只能将设施定位在某较大的地理范围内（如整个城市）。另一方面，较少使用数据集成的方法，尤其是场地配置法，就能够对只隔一条城市街道的不同位置加以区别。后者在零售业选址和对工厂、仓库的最终位置做选择时尤其重要。
按时间维度划分 配置方法的性质可以是静态的，也可以是动态的。换句话说，静态方法以某单一时期（如一年）的数据为基础进行配置决策。然而，配置规划也可能一次跨越多年。若设施是固定投资，且从一地迁向另一地的成本很高，则尤其如此。用于多个阶段配置规划的方法被称为动态方法。 配置规划的的历史 许多关于选址问题的早期理论是由土地经济学家和区域地理学家提出的，譬如，杜能、阿尔弗雷德·韦伯、帕兰德、奥古斯特·廖什、爱德加·胡佛、梅尔文·格林哈特、沃尔特·艾萨德。运输成本在配置决策中的重要作用是贯穿所有这些早期研究的共同的主题。尽管大多数研究是在农业和早期工业社会条件下进行的，他们所提出的许多概念一直沿用至今。这里仅简单列举其中几个。 地租出价曲线 （Bid-Rent curves） 杜能认为，任何经济开发活动能够支付给土地的最高地租或利润是产品在市场内的价格与产品运输到市场的成本之差。他将理论形象地表述为平原上孤立的城邦（市场），城邦附近的土地肥沃程度是一致的，各种经济活动将根据其支付地租的能力分布在城邦周围。如今，当我们观察围绕城市中心环形分布的零售、居住、生产制造和农业区时，会发现这一观点仍然适用。那些能够支付最高地租的经济活动将分布在距离城市中心最近的地区，以及主要运输枢纽的周边地带。 韦伯的工业分类 韦伯认识到原材料在生产过程中所起的作用及其对选址的影响。他观察到，有些生产过程是失重的（Weight Losing）（例如，炼钢），即原材料的重量之和大于成品的重量。由于生产过程中存在毫无用处的副产品，所以重量损失了。因此，为了避免将副产品运到市场，这些生产过程趋向于接近原材料产地，以使运输成本最小.另一方面，有此生产过程则可能增重（Weight Gaining）。通常，当普遍存在的要素进入生产过程时会发生过程时会发生这种情况。韦伯认为，普遍存在的要素包括在任何地方都可以获得的原材料，如空气和水。要尽可能缩短普遍要素的运输距离以使运输成本最小，生产过程就应该尽量靠近市场.罐装软饮料行业就以这种方式定位工厂。他们将糖浆运到罐装厂，然后与水混合在一起制成成品。工厂通常座落在产品的市场区域内。最后，还有一些生产过程的原材料与成品重量相同。装配线生产是这一类的典型代表，其成品重量是装配过程中使用的所有零部件重量之和。韦伯认为，这类生产过程既不必趋近原材料产地，也不必趋近市场,即,在原料地和市场之间的任何地点定位，企业内向运输和外向运输成本的总和都是一样的. 胡佛的递减运输费率 胡佛观察到：运输费率随着距离的增加，增幅下降。如果运输成本是配置的主要决定因素，要使内向运输与外向运输的总成本最小，位于原料产地和市场之间的设施必然可以在这两点之中找到运输成本最小的点。
配置规划的单设施配置 （Single Facility Location） 现代的设施配置法,随着应用数学和计算机的普及，这些方法就不再只是理念上的方法，而更多是数学上的方法。我们首先来看单设施配置的一个常用模型，该模型可用来为工厂、车站、仓库或零售/服务设施配置。该模型有不同名称，如精确重心法（Exact Center-of-gravity Approach）、网格法（Grid Method ）和重心法（Centroid Method）。因为选址因素只包括运输费率和该点的货物运输量，所以这个方法很简单。数学上，该模型可被归为静态连续配置模型。 设有一系列点分别代表生产地和需求地，各自有一定量货物需要以一定的运输费率运向位置待定的仓库，或从仓库运出，那么仓库该位于何处呢？我们以该点的运量乘以到该点的运输费率，再乘以到该点的距离，求出上述乘积之和（即总运输成本）最小的点。即 MinTC=Σ VRd 式中 TC－总运输成本： V －I点的运输量： R －到I点的运输费率： d －从位置待定的仓库到I点的距离。 解两个方程，可以得到工厂位置的坐标值(对上述方程的TC分别对X,Y的偏导)。其精确重心的坐标为 ΣVRX/d X= ΣVR/d ΣVRY/d Y= ΣVR/d 式中X, Y-位置待定的仓库的坐标, X,Y-产地和需求地的坐标 距离d可以由此式估计: d= K *√ (X-X )²+ (Y-Y)² K代表一个度量因子,将坐标轴上的一单位指标转换为更通用的距离度量单位,如公里. 用上式求解，得出的是一个近似解。在许多实际应用中，该方法可以计算出一个合理接近最优解的选址，可以得出最小成本解的很好近似，而且当各点的位置、货物运输量及相关成本完全对称时，还可得出最优解。研究表明，当这些条件不能完全满足时，若某一点或几点并不比其他点的货物运量大特别多；问题所研究的需求点或供给点数量较多；运输费率与距离呈线性或近似线性关系，则潜在误差将很小。例如，一个中等规模的问题
包含50个需求点，各点的位置、货物运输量随机分布，且具有线性运输费率，使用该方法得出的解与最优解的平均误差为％。当然，随着需求点数量减少，误差水平会大幅度增加。要找出一个更精确的重心解还需要完成求解过程的其他步骤。我们无法直接找到该解，还须求助于一个反复迭带的过程。一种相当简单而直接的方法就是连续逼近。虽然也有其他方法，但这个方法在实用当中非常有效。该方法可以手工进行计算，但要花费大量时间。如果利用计算机计算，效果会非常好。 配置规划的单设施配置模型的主要运用是精确重心法.它的连续选点特性和其简单性使其不论是作为一个配置模型，还是作为更复杂方法的子模型都很受欢迎，也鼓舞着研究者拓展模型的功效。精确重心模型有许多推广模型，其中主要有：考虑客户服务和收入，解决多设施配置问题，引入非线性运输成本等。 除重心模型外，其他的单设施配置方法包括图表技术（Graphical Techniques）和近 似法（Approximating Methods）。这些方法体现现实情况的程度、计算的速度和难度、得出最优解的能力都各不相同。显然，没有任何模型具有某一配置问题所希求的所有特点，也不可能由模型的解能够直接导出最终决策，或者说管理人员只需把配置问题委托给分析人员就高枕无忧了。因此，我们只能希望这些模型可以提供指导性解决方案。有效利用这些模型不仅需要我们充分认识其优势，还需要了解其缺陷。这些单设施配置模型的优点是显而易见的,他们有助于寻找配置问题的最优解，而且因为这些模型能够充分真实地体现实际问题，因而问题的解对管理阶层是有意义的。模型的缺点则不那么明显，需要加以注意。任何模型在适用于实际问题时都会表现出一定的缺陷，但并不意味着模型没有使用价值。重要的是配置模型的结果对失实问题的敏感程度。如果简化假设条件（比如假定运输费率呈线性），对模型设施配置的建议影响很小或根本没有影响，那么可以证明简单的模型比复杂的模型更有效。 以下列出了单设施配置模型的一些简化的假设条件： （1）模型常常假设需求量集中于某一点，而实际上需求来自分散于广阔区域内的多个消费点。市场的重心通常被当作需求的聚集地，而这会导致某些计算误差，因为计算出的运输成本是到需求聚集地而非到单个的消费点。 （2）单设施配置模型一般根据可变成本来进行选址。模型没有区分在不同地点建设仓库所需的资本成本，以及与在不同地点经营有关的其他成本（如劳动力成本、库存待有成本、公共事业费用）之间的差别。 （3）总运输成本通常假设运价随运距成本比例增加，然而，大多数运价是由不随运距变化的固定的部分和随运距变化的可变部分组成。起码运费（Rate Minimums）和运价分段统一（Rate Blanketing）则更进一步扭曲了运价的线性特征。 （4）模型中仓库与其他网络节点之间的路线通常假定为直线。实际上这样的情况很少，因为运输总是在一定的公路网络、在既有的铁路系统中或在直线环绕的城市街道网络内进行的。我们可以在模型中引入一个比例因子把直线距离转化为近似的公路、铁路或其他运输网络的里程。例如，计算出的直线距离加上21％得到公路直达线路里程，加上24％得到铁路短线里程。如果是城市街道，则使用41％的因子。 （5）对这些配置模型人们还有某些其他顾虑，如不是动态的。即模型无法找到反映未来收入和成本变化的解。
网络规划的多设施配置（Multifacility Location） 对大多数企业而言，其面临的问题往往是必须同时决定两个或多个设施的选址，虽然问题更加复杂，却更加接近实际情况。多设施配置的问题很普遍，因为除了非常小的公司外，几乎所有公司的供应链系统中都有一个以上的仓库。由于不能将这些仓库看成是经济上相互独立的，而且可能的配置布局方案相当多，因而问题十分复杂。因为配置问题是企业遇到的共同问题，所以把仓库的配置问题作为一类普遍问题来加以研究。该问题一般可以归为这样几个基本的规划问题： （1）供应链网络中应该有多少个仓库？这些仓库应该有多大规模，应位于什么地点？ （2）哪些客户指定由仓库负责供应？各个工厂,供应商或港口应该指定由哪些仓库负责？ （3）各个仓库中应该存放哪些产品？哪些新产品应从工厂、供应商或港口直接运送到客户手中？ 实际上,已经研究出了很多方法以回答某些或全部问题。虽然有些方法并非完善.以下展示选址方法的多样性和有效性。数学上的配置方法归纳如下。 精确法（Exact Methods） 精确法是指一些方法，这些方法能够保证得到配置问题的数学最优解，或者至少是精确度已知条件下的解。精确法在许多方面堪称解决配置问题的理想方法。但该方法将导致计算机运行时间很长，要求的内存空间巨大，且在适用于实际问题时会有一些问题的定义似是而非。微积分和数学规划模型即属于该类方法. 多重心法（Multiple Center-of-Gravity Approach） 如果我们在多点布局时使用精确重心法，就可以发现多设施配置问题的特点。我们知道精确重心法是一种以微积分为基础的模型，用来找出起讫点之间使运输成本最小的中介设施的位置。如果要确定的点不止一个，就有必要将起讫点预先分配给位置等定的仓库。这就形成了个数等于配置仓库数量的许多起讫点群落。随后，找出每个起讫点群落的精确重心点。针对仓库起讫点分配的方法很多，尤其是在考虑多个仓库及问题涉及众多起讫点时，方法之一是把相互间距离最近的点组合起来形成群落，找出各群落的重心位置，然后将各点重新分配到这些位置已知的仓库，找出修正后的各群落新的重心位置，继续上述过程直到不再有任何变化。这样完成了特定数量仓库选址的计算。该方法也可以针对不同数量的仓库重复计算过程。随着仓库数量的增加，运输成本通常会下降。与运输成本下降相平衡的是物流系统中总固定成本和库存持有成本的上升。最优解是使所有这些成本和最小的解。如果能够评估所有分配起讫点群落的方式，那么该方法是最优的。尽管如此，就实际问题的规模而言，在计算上却是不现实的。即便预先将大量顾客分配给很少的几个仓库，也是一件极其庞杂的工作。因此还需要使用其他方法。 混合－整数线性规划（Mixed-Integer Linear Programming） 为寻找解决选址问题的有效方法，数学家们已经付出了多年努力。他们希望求解方法对问题的描述足够宽泛，使其在解决供应链网络设计中常见的大型、复杂的选址问题时具有实际意义，同时可以得出数学上的最优解。数学家们尝试使用了先进的管理科学技术，来丰富分析方法，或者是提供寻求最优解的改进方法。这些方法包括目标规划法（Goal
Programming）、树形搜索法（Tree Search Approach）、动态规划法（Dynamic Programming）及其他方法。其中最有前景的当属混合－整数线形规划法的主要优点是（其他方法通常没有），它能够把固定成本以最优的方式考虑进去。线性规划在整个网络需求分配过程中的优势是众所周知的，这也是该方法的核心所在。虽然优化法很吸引人，但其代价也相当可观。除非利用个别问题的特殊属性，否则计算机运行的时间将很长，需要的内存空间也非常大。 仓库配置有多种不同形式。使用整数规划法的研究者们对某仓库配置问题描述如下： 某几家工厂生产数种产品，其中这些工厂的生产能力已知，每个消费区对每种产品的需求量已知。产品经由仓库运往消费者，满足需求，而每个消费区由某一指定仓库独家供货。各个仓库能承受的总的年吞吐量有上限和下限的要求。仓库可能的位置是给定的， 但最终使用哪个地点则需做出选择，以达到总分销成本最低的目标。仓库成本表示为固定成本（实际用地所承担的费用）加上线性可变成本。运输成本被看作是线性的。这样，问题就转化为应决定使用哪个仓库位置；在每个选定位置，仓库的规模有多大；各个仓库该服务哪些消费区；各种产品的运输流模式是怎样的。所有这些都要在工厂生产能力和分销系统仓库布局的约束条件下，实现以最小的分销成本满足需求的目标要求。 用描述性的语言可以将这一问题表述如下： 找出供应链网络中仓库的数量、规模和位置，使得通过该网络运送所有产品的固定成本和线性可变成本在下列条件约束下降至最低： （1）不能超过每个工厂的供货能力； （2）所有产品的需求必须得到满足； （3）各仓库的吞吐量不能超过其吞吐能力； （4）必须达到最低吞吐量仓库才可以开始运营； （5）同一消费者需要的所有产品必须由同一仓库供给。 该问题可以用一般整数线性规划的计算机软件包来求解。从历史上来看，即便使用最先进的计算机，也无法对这类实际问题进行求解。然而，现在研究者运用这样一些方法，比如，将一个多产品问题按产品类别分解成若干子问题，去掉与解无关的部分，然后估计出近似的数据关系，弥补前文解法的缺陷，从而使计算机运行时间和所需的内存空间限制在令人接受的范围。今天，研究者们声称他们已经可以大大扩展可建模的网络层级数量，能将多个时期考虑进模型，并且慎重地处理非线性函数。 另一种利用混合－整数规划的选址方法是P－中值法（P-median Approach）。该方 法不如前一种方法复杂，也不如前一种方法功效强大。本方法通过协调点来确定需求和供给点的位置。 仓库则被限定在这些需求或供给点之中。影响选址的成本是：表示成美元担英里的可变运价和备选仓库的年固定成本。待选址仓库的数量在求解之前就确定下来了。求解过程就要从备选仓库中选出该特定数量的仓库位置。 混合－整数线性规划作为一种方法非常有吸引力，但该方法处理大规模配置问题时可能需要较长的时间求解，尽管有了更快的计算机，这个问题仍然令人头疼。此处，非线
性函数求解也存在许多困难，而非线性函数又很可能存在于库存策略、运输费率、销售－客户服务关系中，所有这些使得其他方法与混合线性规划相比仍然具有某些优势。 模拟法（Simulation Methods） 虽然真正提供数学最优解的配置模型看起来最好，但要记住针对实际配置问题的最优解可能并不比模型对问题实际情况的描述更好。况且，这样的优化模型通常很难理解，需要许多管理人员掌握他们并不具备的技能。因此，一些人认为应该首先要求对问题进行准确描述，这些倡导者常常使用模拟方法进行规划。他们强调对问题的准确描述，宁愿冒险接受改良的次优解，也不要对问题笼统描述的最优解。 模拟设施配置模型指以代数和逻辑语言做出的对物流系统的数学表述，在计算机的帮助下人们可以对模型进行处理。经济或统计关系的现实表述已定，就可以使用模拟型来评估不同配置布局方法的效果。模拟模型与数学配置模型不同，它要求分析员或管理人员必须明确网络中需要的特定设施。根据被挑选出来等待评估的个别仓库及其分配方案判断这是最优的，还是接近最优的配置方式。数学模型寻求的是最佳的仓库数量、最佳的位置、仓库的最佳规模，而模拟模型测试图在给定多个仓库、多个分配方案的条件下反复适用模型找出最优的网络配置的设计方法。分析结果的质量和效率取决于使用者选择分析地点时的技巧和洞察力。 如某公司在应用模拟模型时，输入数据的处理过程分为两部分。首先，预处理程序把通过仓库就能履行的客户订单与那些货量足够大，由工厂履行更经济的订单区分开来。 然后，测试程序（或主要程序）计算出经纬坐标系里从客户到仓库和工厂到仓库的距离。 选择向客户供货的指定仓库时要先检验最近的五家仓库，然后选择从仓库到客户的配送成本，仓库的搬运和储存成本、工厂到仓库的运输成本最低的仓库。接着，在仓库系统产品流向已知，测试程序读入地理信息的条件下，用计算机运行必要的计算来评估特定的仓库布局方案。还要利用线性规划法求解工厂生产能力的限制。 需要评估多少个仓库布局方案，就需要重复进行多少次测试。目前，模拟模型在仓库选址中依然起着重要作用。这些模型多数常常被写成库存模拟器（LREPS和 PIPELINE MANAGER），而另一些则更直接开发成仓库配置器。 这些模型的潜在优势是它们既能够考虑库存的时间方面问题，也能考虑库存的地理分布问题。另一方面，适用该方法面临的问题是需要大量的数据信息和较长的计算机运算时间。虽然如此，对现实情况的精确描述仍然是模型吸引人的首要原因。 配置模拟器的主要问题是，使用者可能无法确定所选择的仓库布局与最优值究竟差多少。当然，我们知道配置问题的总成本曲线一般具有“平坦的底部”。因此，最优区域内的两个十分接近的方案成本变化很小。 只要已经对一定数量慎重选择的仓库布局进行过评估，我们就完全可以相信我们至少找出来了一个令人满意的答案。
开始 读入所有客户订单信息 和位置信息 预处理程序 订单运输量 通过仓库系统履行的 订单 读入运输费率,仓 读入待评估的仓库选址 测试程序 储成本等 配置方案 仓库选址配置布局 的成 本 是否需要进行另一轮测试 停止 图 供应链网络仓库配置模拟程序流程图 . 5 启发法 启发法表示解决问题的经验原则。当经验原则运用在配置问题上时，这类洞悉求解过程的经验可以迅速地从大量备选方案中找出好的解决方案。虽然启发法不能保证一定找到
最优解，但由于使用该方法带来合理的计算机运算时间和内存要求，可以很好地表现实际情况，可以得到质量满意的解，所以仓库配置时人们仍然会考虑使用该方法。库恩（Kuehn）和汉泊格（Hamburger）建立的启发法是一种用于供应链仓库配置问题的经典方法，一直沿用至今，已成为仓库配置中常用的方法.为帮助于理解适用于解决现实问题的启发模型的类型，来看一下实际中常常遇到的配置问题的特点。 配置问题实际就是对与配置有关的成本进行的一种权衡，这些成本主要包括： ·生产采购成本 ·仓储和搬运成本 ·仓库固定成本 ·仓库持有成本 ·库存持有成本 ·仓库订单和客户订单处理成本 ·仓库内向、外向运输成本 每一成本类别都会反映出地理位置的差异、货物数量和运输批量的特征、政策的差异、规模经济的特点。 库存、仓储和固定成本与出入运输成本之间存在直接的相反关系。生产成本和订单处理成本之间也存在相反关系。配置模型的任务就是在给定客户服务水平和其他实际条件的限制下，找出使总的相关成本最低的仓库/工厂布局。 一般说来,运输成本随分销系统内仓库数量的增加而下降,这一般是符合实际的，因为到达仓库的内向运输通常比离开仓库的外向运输批量更大，费率更低。当系统内仓库数量增多时，仓库距顾客更近，因而内向运输成本上升，但外向运输成本下降的比例更大。这样运输成本曲线持续下降，直到系统内仓库数量过多以至于实际上无法保证到达所有仓库的运输都达到整车批量。从该点开始，运输成本曲线会上升。随着系统内仓库数量的增加，库存持有成本和仓库成本曲线上升的速度渐趋缓慢。这主要是由企业的库存政策、政策执行方式和网络固定成本增加所导致的。仓库数量增多，系统中安全库存量就会成倍增加。如果企业以经济订货批量的方法来控制库存，就会导致平均库存和库存持有成本曲线的上升呈递减趋势。其他的库存政策则会导致库存持有成本和仓储成本曲线略有不同，曲线特点从线性上升到递减上升各有不同。如果仓库是企业自有的或租赁的，每个仓库每年都会产生一笔固定费用。这样，系统总固定成本也会随仓库数量的增加而上升。 (1).部分评估（Selected Evaluation） 启发法可以从多重心法推出。该方法要解决的是特定数量仓库的配置问题。 由于该方法只考虑运输成本，因此可能需要增加诸如库存和仓库固定成本等项成本以产生一个更具有代表性的总成本。通过不同仓库数量下反复求解的过程，我们可以找出最佳仓库数量及其相应的仓库位置。 选择性评估法是启发法的一种，原因有几个：第一，多重心法包括一些用于确定仓库初始位置的原则，这可能导致最终结果的次优。第二，在仓库位置确定之后，才把固定成本和库存成本加在运输成本上，这样做不如在确定仓库位置的过程中就将这些成本综合考虑得到的结果更好。无论该方法存在什么样的缺点，如果对配置问题求解时只能得到极少的信息，那么这一方法还是有价值的。我们可以用该方法得出备选地点，再用更有效的方法进行更加全面的评估。
(2). 指导线性规划 （Guided Linear Programming） 在开发用于解决实际配置问题的启发法时，一般都会将线性规划作为求觖方法的一部分。这种方法的诱人之处在于线性规划能在得出最优结果的同时考虑仓库处理能力的限制，而其他方法做不到。然而，要使线性规划法真正有效，还应该能够解决固定成本和非线性库存成本的问题。这就需要用启发法来对线性规划进行指导以达到我们所期望的效果。然而，许多实际配置问题需要在计算过程中考虑多种产品，因此我们要进行微小的调整，即仓库的固定成本应根据各仓库的吞吐量由几种产品分摊，这样就可以利用指导线性规划法进一步解决多产品的问题。 以上这些方法,给管理人员制定决策带来的帮助是巨大的。从包含上百个仓库、20多类产品、15个工厂、200多个消费需求区的大型供应－分销网络到由上百家供应商供应一家主仓库，而后供应客户的供应链网络，都广泛适用该方法。在国防、零售、消费品和工业品等各个行业，许多企业（不论是在国内经营，不是国际环境中经营的）都已经应用了这种规模的模型。这些模型之所以如此受欢迎，其主要原因是它们提供了解决企业管理中重大问题的决策依据；它们强大有效，可以多次重复用于各种形式的供应链网络设计，且能提供规划所需的细节；适用模型的成本不高，因而使用带来的收益远远超出其应用成本；模型要求的数据信息在大多数企业很容易获得。从土地经济学家的早期模型开始，这些模型已经经历了漫长的发展过程，从而更具代表性了。然而，这些模型还没有完全发挥出作用。 第一,库存政策、运输费率结构和生产/采购规模经济中会出现非线性的、不连续的成本关系，如何准确和/或高效处理这些关系仍然是数学上的难题。 第二，设施配置模型应该得到进一步的发展，应该更好地解决库存和运输同步决策的问题，即这些模型应该是真正一体化的供应链网络规划模型，而不应该分别以近似的方法解决各个问题。 第三，供应链网络设计过程中应该更多地关注收入效应，因为一般来讲模型建议的仓库数量多于将客户服务作为约束条件，成本最小化决定的仓库数量。 第四，建立的模型应该便于管理人员和规划者使用，这样模型才能经常被用于策略性规划、预算，而不是仅仅用于偶尔为之的战略规划。这就要求模型与企业的ERP管理信息系统取得更紧密的联系以便迅速得到模型运算所需的数据。 总之，尽管各种模型的适用范围和解法不同，但是任何模型都可以由具备一定技能的分析人员或管理人员用来得出有价值的结果。使现有技术更易于使用，更便于决策者利用，必然成为未来的发展方向。 供应链网络的动态仓库配置 配置模型代表的是一类复杂尖端的研究，这些研究被用帮助物流管理者解决实际仓库选址问题。虽然人们对这些模型做了很多改进，以使其更具有代表性，计算更有效率，但模型本质上仍然是静态的。即它们无法提供随时间而变化的最优配置模式。 需求和成本模式会随时间变化，因此配置模型根据现期数据得出的解在未来的经济环境下使用会被证明是次优的。最优网络布局是指在一个规划期内从一种布局形式转换到另一种布局形式，这样才可以保证在任何时间网络布局都是最优的。这不是简单地寻找规划
期内各年仓库的最优数量、最佳规模的最佳位置。从一种布局形式转换到另一种布局形式需要付出一定的成本。如果该网络使用公共仓库，那么经常改变网络布局或许是可行的，因为关闭一家仓库，把存货转到另一个仓库并开始营业的成本不高。反之，如果从一种布局形式转换到另一种布局形式的成本很高（比如仓库是自有的或租用的），就不应该经常改变网络布局。这梓，一开始实施最优设计会变得非常重要。 通过几种方法可以找到随时间变化的最优布局。 第一，可以使用现期条件和未来某年的预期情况来找出仓库的最佳位置。网络根据现年与未来年份之间的平均条件进行布局。 第二，找出当前最优网络布局，并进行实施。随后，在每一年到来，且该年的数据可得时，找出新的最优布局。如果新旧布局转换带来的成本节约大于搬迁成本，就应考虑改变布局。该方法的好处是总在使用实际数据－而不是那些需要预测的数据。 第三，可以找到一个随时间变化的最优布局变化轨迹，精确地反映什么时候需要转换成新布局，应该转换成什么样的布局。仓库静态配置分析中已经讨论过的那些方法也可以用到动态规划中来以找出最优的布局路径。 零售服务配置（Retail/Service Location） 零售和服务中心常常是实物分销网络中的最后储存点，这里包括百货商店、超级市场、分支银行、紧急救护中心、教堂、废品回收中心、消防队和警察局。对这些点的配置分析通常会对收入、可达性等因素高度敏感，而不像工厂和仓库选址那样更重视成本因素。是否接近竞争对手、人口构成、顾客交通模式、是否靠近互补性商店、是否方便停车、是否接近好的运输线路、社区对服务的接受程度等因素仅仅是影响零售/服务选址众多因素中的一小部分。因此，前面介绍的方法无法直接应用到这些问题上。因为物流管理者不太可能直接负责零售/服务的配置，所以我们只考察几种比较常见的方法。 加权清单 （Weighted Checklist） 通常，大多数对零售/服务配置很重要的因素是难以量化或者量化成本较高。判断仍然是配置决策中不可分割的一部分，但是若分析中没有在一定程度上进行量化（即便是很初级的），也很难对不同配置点进行比较。一种可能的方法是建一个配置因素的加权矩阵，如表所示。然后，对各备配置地点的每个因素打分。各因素的权重乘以各因素得分后加总就得到配置点总得分，即一定指数。配置时将优考虑指数值高的点，再考虑指数值低的点。 表: 零售/服务选址重要因素举例 当地人中统计特征 位置特征 本地区的人口基数 可使用的停车场数量 本地区的收入潜力 停车场的距离 街道上该位置的可视性 交通流量与可达性 店面的大小和形状 交通工具的数量 已有建筑物的条件（如果有） 交通工具的类型 入口和出口的状况 步行人数
步行者的类型 法律和成本因素 公共交通的可及性 地区类型 能否进入公路干线 租赁期限 街道拥挤的程度 地方税 通行街道的状况 运营和维修保养 租约中限制性条款 零售业结构 当地商家的自主性规章 区内竞争者的数量 区内商店的数量和类型 相邻商店的互补性 接近商业区的程度 当地商家的联合促销措施 空间相互作用模型 （Spatial-Interaction Model） 重力模型是用来确定某位置吸引力或总体可取性的最常用模型之一。就是所谓的赖利零售引力法则（Reilly’s Law of retail gravitation）。该法则与牛顿的万有引力定理极其相似。其基本思想是：两座相互竞争的城市从一座介于其间的小镇吸引的贸易量与每座城市的人口成正比例，而与城市和小镇之间距离的平方成反比例。尽管该模型相当简单，但在使用过程中却不断丰富起来，零售网点带来的“公众”或“人口类别”代替了“人口”。公众变量指商店、在库品数、库存保有水平、或其他能吸引顾客的特性的平方根。最初公式里的“距离”变成了顾客驾车到竞争性零售网点和到规划地的距离或时间。距离或驾车时间的影响可以根据经验获得（通常可以通过测量地图或实地驾驶来确定）以更好地反映距离或时间对贸易的排斥作用。赫夫（Huff）对重力的概念进行了修正，并带入到更有实效的实用模型中去。该空间相互作用模型就发展成为一个经验基础，解决消费者如何权衡备选零售点的吸引力与可达性的问题。该模型可表示为 Sj/Tªij Eij =Pij*Ci= * Ci Σ jSj/Tªij 式中 Eij－从人口中心I 被吸引到零售点j 的预期需求； Pij－顾客从人口中心I 出行到零售地点j 的概率； Ci－人口中心I 的客户需求； Sj－零售点j 的规模； Tij－从人口中心I 到零售点j 的出行时间； n－零售点j 的数量； a－经验估计参数。 应注意，规模S可能包括所有吸引顾客到零售点去的变量（商店的吸引力、库存的可得性、价格、停车场等）。零售点可能是单个店面或者是一组店面组成的服务中心，譬如购物中心。出行时间T可能包括所有排斥顾客的变量（距离、交通堵塞、进入限制、绕行等）。模型的目的是估计不同零售和服务中心将获得的整个市场的份额。
赫夫模型是空间相互作用模型的一个基础模型。多年以来，研究者们提高了模型的表述能力，将其重新表示成更复杂的模型，并对变量提出了不同的定义以提高模型的预测能力。 其他方法 其他许多方法对解决零售/服务选址问题也起了一定作用。回归分析（Regression Analysis）对预测特定地点的预期收入具有重要作用。覆盖模型（Covering Models ）对决定诸如警察局、消防站一类紧急服务的选址具有特殊作用。当竞争成为关键因素时，可以引入博奕论（Game Theory）。其他配置－分配模型（Location-Allocation Models），如目标规划（Goal Programming）。和整数规划（Integer Programming）也可以使用。 总之,对大多数企业而言，供应链网络中的设施配置堪称是最重要的供应链物流战略规划问题。它为运输服务和库存水平的恰当选择和良好管理垫定基础。因为常常会在某一时点考虑多个设施，同时还要考虑储存在内的多种产品、为设施提供服务的多个供应商、以及设施所服务的多家客户，所以问题通常十分复杂，辅助决策手段是十分有用的。单设施配置方法以精确重心法为代表。如果运输成本是配置成本的主要组成部分，这种连续配置法会很有效。多设施配置问题对大多数企业更为重要。常用的配置方法有三种：1）优化法；2）模拟法；3）启发法。零售和服务配置问题与仓库配置问题差异很大，主要原因是前者根据收入进行配置，而仓库主要是根据成本进行配置。 网络规划与结构 物流管理人员用以设定供应链的物流设施网络、界定网络内产品流的任何流程都需要有数据、计算工具和能产生良好的供应链网络设计的分析过程。所以我们首先要考虑网络结构问题. 网络结构问题就是确定产品从供货点到需求点流动的结构，包括决定使用什么样的设施（如果需要使用）；设施的数量；设施的位置；分派给各设施产品和客户；设施之间应使用什么样的运输服务；如何进行服务。可以由仓库供给需求，也可以直接由工厂、供应商或港口供给。而基层仓库又由地区仓库供给，或直接由供货点供给。网络结构可以有多种形式，根据流经网络的产品不同，供应链的网络层次可以更多些或更少些，也可能有完全不同的结构。也就是说，一个企业的产品可以有不只一个供应链物流网络设计方案。
基于互联网的供应链供应商批发分销商零售商制造商SupplierCustomersExchangesLogisticsCustomer ExchangesExchanges虚拟制造商合同制造商后勤提供商信息流物流 这种网络设计的问题既包括空间设计问题也包括设计的时间问题。空间或地理设计问题指决定各种设施（如工厂、仓库和零售点）的平面地理位置。确定各种设施的数量、规模和位置时则要在以地理特征表示的客户服务要求和成本之间寻求平衡，这些成本包括：生产采购成本；库存持有成本；设施成本（存储、搬运和固定成本）和运输成本。 网络规划的时间性或时期问题是一个为满足客户服务目标而保持产品可得率的问题。通过缩短生产/采购订单的反应时间或者通过在接近客户的地方保有库存可以保证一定水平的产品可得率。这里首要的考虑因素是客户得到产品的时间。在满足客户服务目标的同时平衡资金成本、订单处理成本和运输成本，将决定产品流经物流网络的方式。以时间为基础的决策也会影响设施的配置。对高层管理者来讲，网络结构问题非常重要。重新规划设计供应链的物流网络往往能使物流总成本每年节省5％～15％。从该数字不难看出为什么网络重组在规划问题中位居前列。当然除降低成本外，网络设计也会有助于改善客户服务，提高企业竞争力。 网络规划需要一个包罗万象的数据库。尽管有些数据专门用于某些特殊的网络结构问题，但数据库的大部分数据都是通用的。这些数据包括： ·产品线中所有产品的清单 ·客户、存储点和供货点的位置 ·处于不同位置的客户对各种产品的需求 ·运输费率或运输成本 ·送货时间、订单传输时间和订货履行率 ·仓储费率或仓储成本 ·采购/生产成本
·不同产品的运输批量 ·不同地点、不同产品的库存水平，控制库存的方法 ·订货的频率、订单规模，季节性特征和订单的内容 ·订单处理成本，以及产生订单处理成本的环节 ·资金成本 ·客户服务目标 ·现有设备和设施以及处理能力限制 ·当前满足销售需求的分销方式 许多公司没有规范化的物流信息系统，不能生成前文所列的物流网络设计所需的数据。这就迫使物流管理人员从企业内部以及企业外部的各种数据来源获取所需数据。这些数据来源主要包括业务运作单据、财务报告、物流研究报告、公开发布的信息，还包括人为的判断。 (1),业务单据 每家企业在管理方方面面的经营活动时都会生成许多单据。这些单据有的和物流活动有关，但更多的则是出于其他目的而准备的。这些文件也许只能提供可直接用于规划的数据而非信息。我们首先从销售订单开始考察这些单据。 销售订单及其附带单据是重要的数据来源，我们可以从中获取大量必不可少的物流信息。客户所在地、各客户点不同时期产品的销售水平、销售条件、服务点、运输批量、库存状态和订单履行率、客户服务水平平等只是其中的一小部分。公司常常将这些数据储存在计算机里，以便于提取数据，并加工整理成网络规划所需的信息。销售、生产、采购、运输、储存和搬运是企业经常要做的基本活动。因为企业需要衡量、控制这些活动，所以常常有相关的情况报告。物流管理人员就利用这些报告得到企业物流活动水平的基本信息。 例如，如果我们想了解某仓库发出的特定批量的货物占货运总量的比例，运费单或包含批次、费用及所用承运人的报告就是合适的数据来源。由这些原始数据就可以得出货运批量的概率分布。虽然审查正常业务运作活动中所有活动的报告和文件是不现实的，但我们可以说，商务文件是产生数据的丰富源泉，物流管理人员可以从中获得许多网络规划时需要的数据。值得注意的是，许多附加数据都来自企业职工为自己使用而做的非正式报告。 (2).财务报告 财务数据也是物流管理人员籍以获得内部信息的重要来源。财务数据侧重于确定各项运作成本，包括物流活动的成本。一般来讲，会计活动很好地报告了大多数的物流成本。但是，大部分会计活动是直接为股东兴趣服务的，而不是管理人员的兴趣。对物流网络规划活动尤其如此，根据公认的会计准则，一些重要的成本是不报告的，如库存持有成本和过期库存的成本。还有的成本虽然包括在报告的内容之中，但是报告的方法甚至会造成混乱，例如仓库财务报告中的清理垃圾时发生的货品项目费用（Line-Item Cost）是应该归为固定成本、仓储成本还是搬运成本？尽管如此，这些财务报告仍然是成本数据的主要来源。 研究提供的信息是运作订单处理系统或财务系统所不能提供的。虽然企业很少进行正式的物流研究，但为确定有助于物流网络规划的基本关系而付出的努力是值得的，这些关系包括，销售与服务的关系和运输费率与距离的关系。这类研究通常都由公司内部或外部
的咨询小组来做。物流研究也可能是间接为企业所做的。诸如物流管理协会和这样的一些行业协会定期组织研究，并将研究结果向会员和非会员发布。这些都是获取同行业其它企业和其它行业物流数据的宝贵源泉。这些数据是对前述数据来源的丰富和补充。 许多二手数据（有时也包括原始数据）都来自企业外部。其中包括，专业杂志、政府组织的研究报告和学术期刊等，从中可以得到有关成本和行业发展趋势、技术进步、经营水平和预测的信息。 公司经理、咨询顾问、销售人员、运作人员和供应商都是企业的数据来源，都应该当被视为物流数据库的一部分。开启这些随时可得的数据来源往往无须任何投资。 利用数据编码技术可加速数据的处理，其中主要包括产品编码和地理编码技术。 (1) 产品编码 计算机技术、激光技术和全息摄影技术带来了数据录入方法的革新，无须人工录入就可以将数据输入计算机内存。条形码技术是现在比较流行的数据录入技术，它通过一系列数字信息的光学扫描可以识别不同的产品、包装箱和不同批次的货物。这项技术便于快速而准确地传输数据，同时有助于对数据进行分类、筛选和重组，将数据转化为网络规划所需的信息。特别要注意的是如何设计编码使其成为可能对网络规划和动作有用的数据。 (2). 地理编码 企业通常按客户（姓名和地址）来收集销售数据。如果按地理位置而不是客户排列销售数据，物流网络规划过程可以大大加快。运输决策、设施配置决策和库存决策的分析工作都会因为有这样的地理数据库而得到改进。对物流网络的设计人员来说，一个顾客就是一个地理位置及与其它位置的距离。理想的物流数据应该是顾客的地理编码。 数据地理编码的方法有几种。一种简单的方法是用将直线网格层叠在地图上，然后以水平方向、垂直方向的方格数作为地理编码。例如将直线网格层叠于地图之上.许多地图都标出了纬度和经度坐标，这也可以作为地理编码。或者，可以利用全球定位系统找出经纬度坐标。然后，将客户和销售数据就放在网格线所划分的不同单元格中。也就是说，将位于某一单元格里的某客户的信息与同一单元格里的其他客户的信息汇总在一起，同时单元格里所有的客户都被视为位于单元格的中心或重心处。即横坐标和纵坐标的组合。所有数据都可以表示成这样的数字。 决定网格大小需要平衡两方面因素，一是数据过分集中，会导致数据准确性的丧失；二是数据过分复杂使得网格单元的相关成本过细，不能像客户那样进行分组，因而无法享受取均值带来的好处。同样，我们也可以找到各种地理政治编码、特殊地区编码和网格位置编码。一项关于国家地理编码系统的调查共认定多种不同的编码系统，其中就有网格编码和坐标编码。除网格和经纬度编码外，物流规划时还经常用到其它几种编码。美国和其它一些国家，常常为了进行邮政服务而编制地理编码。因为邮政编码总是与企业的销售数据联系在一起，所以常常被用做确定两点间距离的依据，并据此决定运输费率。在美国，计算机化的运输报价和路线选择系统常常会用到标准点位置代码（ Standard Point Location Code），城市居民标准统计区（Standard Metropolitan Statistical Area ）经常被用于市场分析中，也许正因为如此，物流分析中也会涉及 到这些编码系统。 由于这些编码的参照数字或者指代某一地区，或者指代某一点，因此对这些编码数字进行数学处理就可以确定两个地或两点之间的距离和运输时间，估计运输费率。这种数据处理方法简便易行特点成为设施选址分析和运输成本近似分析中的一大优势。
一般只需对编码进行最简单的算术计算。根据地理编码对数据分类，然后对每类数据进行汇总和平均，就可以得出表中的序列。这类编码数据经常以书面报告的形式保存下来，如运输费率表、库存成本报告和库存水平记录等。当网络规划需要时，可以再提取这些数据。 把这些数据转化为信息数据,数据收集好后，还要进行编排、提炼、分组、汇总或以其他方式进行处理，来支持网络规划。经过加工后的数据就转化为决策时使用的信息。为进行网络设计，我们要看看信息的核心要素和信息产生的方法。 分析单位 在供应链网络规划之初，要首先决定分析中所使用计量单位。常见的有重量单位（吨或千克），货币单位（人民币, 美元、英镑或日元），物品的个数单位（箱、件或桶）或体积单位（立方米或升）、物流管理人员在多数网络规划问题中都倾向于使用重量单位，因为网络规划中最主要的成本是运输成本，而运输费率通常以货物重量表示。管理人员常用的度量单位通常是起决定性作用的因素，因为公司的数据库和公司运作的绩效都以该单位表示。例如，主要从事零售分销的企业使用货币单位作为业务活动中的计量单位，而制造性企业通常会使用重量单位。分析单位一旦确定，分析中所有的相关成本的计量单位都要与其保持一致。 产品分组 公司的产品系列中可能包括成百上千种不同的产品。不仅产品型号和风格的不同会导致产品的多样性，同一种产品包装规格不同（既有旅游装、常用装、经济装和家庭装的牙膏，也有管装和筒装的牙膏）也会造成同样影响。由于产品种类繁多，要收集所有必要数据并进行分析是不现实的。可行的方法是将这些产品汇总为合理数量的产品组合。但我们在分组时应尽量避免大幅度降低计算结果的准确性。 每个产品系列中可能有许多产品采用同样的分销模式。也就是说，它们可能被存放在同一地点，捆绑在一起装上同一个运载工具运到同一个客户手中。我们希望能将共用同一配送渠道的产品分在一组，而将不能使用同一配送渠道的产品另列一组。通常的产品编组是将那些订货量大、需要直接以大批量运到客户所在地的产品归为一组，而将订货量小、需要经仓库系统转动的产品归为另一组。另一种方式按货物的运输等级分组。当然，公司也可以根据销售编组来对产品进行分类，这么做仅仅是因为管理阶层认同这种分类方法。无论采用何种产品分类方法，汇总产品的工作量都是很大的。网络分析时常常要求产品组别不超过20个。 估计运输费率 物流网络规划中，运输费率是一个重要问题，因为可能有许许多多种不同的运输费率。对于只有2类产品、5种运输批量、200个客户、5座仓库、2个工厂的小型网络而言，代表所有产品流组合的运输费率有（2×5×200×5×2）种＝20000种。以某种方式估计费率可以加快计算过程，避免查找或索取这么多种费率带来的工作量。估计运输费率时应该了解所用运输服务的种类，知道是使用自有运输还是受雇运输。 自有运输 估计自有运输（通常是卡车）的有效费率需要了解运营成本以及车辆是按什么路线到达送货点和/或装货点的。通常公司会保有运营成本的完整记录，这些成本包括司机的工
资福利、车辆维护费、保险费、税金、折旧费和一般管理费用。根据里程表还可以记录车辆运行的里程。因此，很容易得到每公里的运营成本。 估计从起点到终点的有效费率就更困难了，因为车辆并不是在两点间直线行驶。相反，车辆在返回仓库前经停点往往不止一个。 因此，在规划时，我们算出到达客户所在地的直线距离，然后乘以元/公里的有效费率就可以得到前往该客户所在地的运输成本。 受雇运输 估计受雇运输费率的过程与刚才所描述的估计自有运输费率的过程明显不同。卡车、火车运输的等级费率，UPS和其他小件货物运输承运人的费率的特点就是运输费率和距离大致呈线性关系，我们可以利用这一有利特征，根据起点到终点的距离绘制出运输费率估计曲线,运输距离各不相同，但运输费率通常与距离呈高度线性关系. 如果运输费率估计曲线的精度不令人满意，就需要完全使用具体费率或者有选择地将具体费率与运输费率估计曲线结合使用。如果运输报价是针对特定点间个别货物（如运量大的货物）的运输，这种情况就会发生。合同费率、商品费率和特定折扣的等级费率都没有呈现出与距离的一般关系，也就无法绘制出合理的估计曲线。 订单和货运结构 供应链网络规划设计对订单规模及相应运输批量的规模非常敏感。例如，如果所有的客户都要求以整车方式送货，那么除非出于服务的考虑要将存货放在临近客户的地方，否则没什么鼓励仓储的经济原因。与此相反，如果客户订单很小，通常就要求企业大量保有存货。但是，企业往往有许多客户，他们的订货量也是多种多样的。某化工公司将其市场分为大客户和小客户。大客户一般由销售人员直接负责，小客户则通过一个电话市场营销系统用电话联系。 货运结构的价值在于可以对运输费率进行准确的估计。由于货运重量不同，同一运输起讫点之间可能会有多种不同的运输费率。因此，需要针对每个标准重量绘制出运输费率估计曲线。然后，对每条费率曲线进行加权，权数就是与该重量相应的货运量占总运量的百分比。因为货运结构既可以代表不同的运输方式，也可以代表不同的货运量，这样得出的运输费率曲线就能够代表很多不同的货运规模或多种运输模式。 销售汇总 通常，所有企业产品或服务的客户都分散在全国各地，当然这些客户常常集中在特定地区（一般是人口稠密地区）。从网络规划的角度来看，没有必要将每个客户都分开考虑。数以千计的客户构成了企业产品或服务的市场，如果成本估计的准确性没有明显降低，可以按地理位置将市场分为有限的几个群组。 销售群组的划分能够影响到达客户的运输成本估计的准确性。划分客户群之后，所计算的运输成本不是到达每个客户所在地的成本，而是到达该客户群中心位置的成本。由于使用的不是实际距离而是平均距离，会导致一些误差。假如设立的客户群组足够多，而且围绕销售最集中地区（通常是人口稠密地区）建立的群组很小，可能出现的不准确估计就可以减少到最低水平。假定货物是运往客户群的中心，而不是运往每位客户组群的适当数量。根据网络中不同的设施数量和对运输成本计算误差的不同容忍程度.一旦确定了客户群组的适当数量，就可以对客户数据进行汇总。由于销售数据经常按包括邮政编码在内的客户地址给出，因此常常可以用邮政编码划分客户的群组。按相互接近的邮政编码分组将缩小运输成本的误差。利用经纬度这样的地理编码还可以确定每个群组的中心。
估计里程 供应链物流网络规划的地理性特征要求物流管理人员掌握各种距离数据。估计运输起止点间运输成本时需要知道距离，距离也可用来替代时间。例如，我们可能要求所有客户都在距仓库300公里的范围内，这就意味着在这个距离内一,二天就可以完成送货服务。许多商业报表和公路地图（既有公开出版物，也有计算机文件）中都可以找到距离数据。特殊情况下（如计划经过城市街道的卡车运输路径），可以用手动的轮子（该工具可以在许多办公用品商店里买到）滚过地图上卡车将实际驶过的街道，这样就能得到准确的距离数据。利用各点坐标简单计算出距离的方法往往也很有效，但不一定准确。 设施成本 与设施（如仓库）相关的成本可以表示为1）固定成本；2）存储成本；3）搬运成本。固定成本是那些不随设施的经营活动水平而改变的成本。房地产税、租金、监管费和折旧费都不属于固定成本。但是，应认识到在某一活动水平下所有成本都是可变的。在将某一成本划为固定成本时，应认真考虑该成本是否会随该设施经营活动水平在一定范围内的变化而改变。存储成本是那些随设施内存储货物数量变化而改变的成本。也就是说，如果某项成本随设施中保有的库存水平增加或减少，该项成本就可以归为存储成本 。典型的存储成本有某些公用事业费、个人财产税、库存占用的资金费用、库存货物的保险费。搬运成本是随设施吞吐量变化的成本。典型的搬运成本有存取货物的人工成本、某些公用事业费、可变的设备搬运成本。通过企业的财务系统可以跟踪自营仓库或租赁仓库的成本。财务部门会定期发布一系列财务报告，通报各项成本及相关的解释。进行网络规划时，要将这些数据分成年固定成本、存储成本和搬运成本还须借助人为的判断。 如果涉及公共仓库时，则存储和搬运费率数据很容易得到。公共仓库的存储服务和搬运服务都是供租用的，企业一般可以根据需求量的一定比例来购买。在企业与公共仓库签订的合同中也会列出存储费率（元/担/月）和搬运费率（元/担）。因为企业使用的是受雇服务，所以没有固定成本。工厂的各产品产量的可变成本数据常常可以从生产的标准会计成本核算资料中获得。而供应商的成本就是报给买方的价格。 设施的生产能力 工厂、仓库和供应商生产能力的严格限制可能对物流结构造成重大影响。然而在实践中，设施的生产能力并不是绝对，一成不变的。可能存在一个能使设施运营最有效率的产量。但是，在规划中应该注意不要过于僵化地看待设施生产能力这个限制条件。虽然增加设施生产能力会增加成本，但方法很多，加班、增加班次、使用废弃的空间存放产品或者临时获得额外设备或仓储空间只是其中几种。 库存－吞吐量之间的关系 如果网路规划涉及到仓库配置，就必须估计仓库数量、位置和规模的变化对网络中库存水平的影响。因为配置问题就是仓库之间需求调配的问题，所以希望能够根据分派给仓库的需求或吞吐量来估计仓库的库存量。找出库存－吞吐量关系的方法之一是根据企业自己的库存政策得到该此值。也就是说，如果经营目标是每年库存周转率为8，由于年周转率是年销售量与平均库存之比，所以库存－吞吐量之间的关系也就确定了。但这表示只是
管理人员计划达到的目标而不是实际达到的目标。如果没有其他信息，这个关系就代表着我们能够得到的最好的关系。 也许寻找库存－吞吐量关系的更好方法是观察管理人员是如何控制库存的。库存状态报告是大多数公司常见的报告，该报告按月报告网络中每座仓库的库存水平和运输批量。将各仓库的库存水平进行平均并对货运量进行加总，就可以得到图上的某个点的数据。将所有仓库的向地方销售区提供类似仓库服务的工厂的此类数据计算出来并描在图上，就完成了数据图。然后，以我们能够得到的最佳的数学表达式拟合这些数据。根据分派给现有仓库或新仓库的年需求量，我们就能够用上述表达式估计出某特定仓库应该持有的平均库存量。 如果1）现有网络中的仓库太少了不足以绘制合理的数据图；2）各仓库之间库存政策分歧很大，无法准确判断总的关系；或3）库存政策将要改变，那么，就有可能需要根据各种产品的库存政策估计平均库存水平。通过模拟仓库中各种产品的需求情况，然后将结果加总起来就得到所有产品的总库存水平，从而得出平均库存水平。总库存水平可以反映出公司控制各产品库存的方法。用需求除以各种可能的仓库数量就可以得到模拟数据。 估计未来需求 如果规划的结果不能得到迅速实施，那么以过去和当前的需求数据为基础制定网络规划就意义不大。因此，出于设计的目的，我们需要预测未来若干年的需求，这里用到的是中长期的预测方法。此外，许多公司都会为了做一般性规划而预测未来五年的情况，这些信息对物流网络规划也是很有用的。 其它因素和限制条件 搜集到基本经济数据后，还需要了解各种对网络设计有影响的限制条件。班德（Bender）概括出以下几方面约束条件： ·资金限制，如可用于新设施的最高投资额； ·法律和政治限制，如在评估某潜在选址点时，应避开某些区域； ·人员限制，如现有的为新政策配套的人员的数量和质量； ·截止时间； ·必须保证运营的设施； ·现有的和预期的合同条款。 总之, 供应链网络规划中更棘手的一类问题是，没有分析所必需的所有数据。如果分析中涉及当前不归企业经营的设施，往往这类问题就会出现。对于这些设施，人们无法得到有关运营的确切成本数字，必须估计或从外部得到这些数据。一种估计方法是借用与备选设施邻近或者基本特征类似的现有设施的数据，可将同样的运输费率曲线运用于新地址。或者，在这些新起运地的周边地区抽取新的费率样本。从平均库存－吞吐量曲线还可以得到平均库存水平。公司内部无法获得的信息有时候可以从公司外部获得。如一些行业协会,也可以通过因特网得到。还有一些供应商提供用于销售服务的运输费率。公共仓库的管理人员也可以报价。尽管从这些渠道获得的数据没有经过公司的“艰苦谈判”，但它们的确提供了一些补充缺省数据的方法。
通过APS的分析工具 获得了网络规划所需的合适信息之后，就可以用APS分析过程，以找到最优设计。寻找这类问题最优设计的过程是复杂的，经常需要借助APS的数学模型和计算机模型。 虽然可用于分析的模型有许多种，但可以分为很少的几类。也就是1）仿真模型；2）启发式模型；3）最优模型和4）专家系统模型。 仿真模型 网络的仿真通常包括模拟成本结构、约束条件和其它能够合理地代表网络的因素。这类模拟通常利用随机的数学关系来完成。因而，仿真程序：就是对系统的模型进行抽样试验的技术。也就是说，将一定的网络结构表示为仿真模型，然后提供与系统设计经营相关的成本和其它数据，就同样的、不同的设计反复多次进行试验，就可以生成有助于比较不同设计方案的统计数据。由于模型关系非常复杂、所处理的信息量巨大，因此仿真通常是通过计算机进行的。为方便起见，人们会运行仿真模型，而不是处理实际问题。 仿真被用来处理物流管理中的各种规划问题。绝大部分仿真模型要针对所分析的具体问题专门设计。尽管现在已经有一些专门处理物流问题的仿真模型，如LREP，PIPELINEMANAGER，LSD和LOCSTE，但更多的仿真模型还是借助建立在通用仿真语言的基础之上。这些语言包括SIMSSCRIPT，GPSS，SIMULA，DYNAMO，SIMFACTORY和SLAM。现在，这些语言中的大多数都具有图像功能，模拟时产品的流动和库存的水平可以动画的形式展现在屏幕上，以便于对结果进行解释。 如果在某个复杂问题的描述中有大量十分重要的细节；如果问题中存在许多随机因素；如果寻找数学上的最优解并不是问题的关键，就可以选用仿真技术。物流业界将仿真技术看作第二常用的分析技术，仅次于统计方法。 启发式模型 启发式模型是某种形式的混合模型，它将仿真模型能够实现的模型定义的真实性与最优模型所能实现的寻求最优解的过程结合在一起。启发式模型一般可以解决相当广泛的问题，但无法保证获得最优解。模型是围绕启发法的概念建立的，欣克尔（Hinkle）和库恩（Kuehn）对启发法概念的定义如下： 这是一个简化了的推理过程……寻求得到满意答案，而不是最优解。启发法包含一种规则或计算程序，可以限制问题的可行解的个数，它根据与人类的反复试验法类似的过程对无法求得最优解的问题，得出一个可接受的解，缩短了问题的求解时间。 启发式模型对某些物流中最难以解决的问题是一种很实用的方法。如果人们建模的目的是要找到最佳答案，且利用优化法对问题求解要求的条件过多，那么启发模型会非常有用。我们常常在规划时使用启发法，它们可以表现为某些准则或概念。以下是一些启发法的规则： ·最适合建仓库的地点是那些需求最大的地区或临近这些地区的地方； ·应该由供货点直接供货给那些按整车批量购买的客户，不应再经过仓储系统； ·如果某产品出、入库运输成本的差异能够弥补仓储成本，就应该将该产品存放在 仓库里； ·生产线上的最适合采用适时管理而不是统计库存管理方法的物料是那些需求和提 前期波动最小的物料； ·下一个进入分销系统的仓库就是那个节约成本最多的仓库； ·从分销的立场来看，成本最高的客户就是那些以小批量购买且位于运输线末端的
客户； ·从分销网络最远端开始，沿途搭载小批量货物直到装满整车，再回到运输起点的 运输方法是最经济的。 上述规则都可纳入一个模型，一般是计算机软件，这样在求解时就能够遵循这些逻辑规则。 最优模型 最优模型依赖精确的数学过程评价各种可选方案，且能保证得到的是针对该问题的数学最优解（最佳选择）。也即，从数学上可以证明所得的解是最优的。许多确定性的运筹学模型或管理科学的模型都属于此种类型。这些模型包括数学规划（线性规划、非线性规划、动态规划和整数规划），枚举模型，排序模型，各种各样的微积分模型和设备替换模型。许多最优模型已经过概括总结，可以得到相应的软件包。 什么时候使用最优模型呢？鲍尔斯认为“……不论何时何地，应尽可能使用。”他接着提出了最优模型的几个优势： ·在给定一整套假设条件和数据下，可以保证用户能得到最优解； ·可以正确处理许多复杂的模型结构； ·因为得到了所有的方案，并进行了评估，所以分析的效率会更高； ·因为每次都保证得到最优解，所以可以放心地对各次运行的结果进行比较； ·最优模型和启发式模型所获得的解在成本上或利润上差异是很明显的。 尽管最优模型的这些优势使人印象深刻，但它也并不是没有缺点。最优模型最主要的缺点就是随着问题的复杂程度的增加，即使利用最大型计算机的内存，也无法在合理的计算时间内得到最优解。因此常常需要在求解时间和问题描述的现实性之间取得平衡。虽然如此，有限的最优模型也可以应用在启发式模型中，求得部分问题的最优解。 专家系统模型 如果某个规划问题（如网络规划问题）曾经在不同环境下多次求解，规划人员就很可能对该问题的解决方法有了一定的见解。这些见解往往胜过最复杂的数学公式。如果能将这样的知识或经验融入现有模型或专家系统中，就能够比单独使用仿真技术、启发法或最优化方法得出的结果总体质量更高。库克（Cook）将专家系统定义为： 是一种人工智能的计算机程序，能够利用专家的知识和求解的逻辑推理方法以 专家的水平解决问题。 尽管专家系统目前还处于发展的初级阶段，但已经有一些关于该系统应用的报道，如辅助医疗诊断、探测矿物、设计海关计算机系统结构和在托盘上码放箱子等等。在物流管理的库存、运输和客户服务等领域已经开始少量地应用专家系统模型。根据库克的观点专家系统有几个明显超过传统规划系统的优点： ·专家系统既能处理定性的信息，也能处理定量的信息，使得某些关键性的主观因 素（如管理人员的主观判断）可以很容易成为决策过程的组成部分； ·专家系统能够处理不确定的信息，而且利用部分信息也能够对问题求解，这样就 能够解决一些更复杂的、未能很好地组织起来的问题。 ·专家系统解决问题时使用尽量最少信息，因此解决问题的速度更快，成本更低； ·专家系统展示的是专家解决问题的逻辑方法，使得物流管理人员能够很快地提高 决策能力；
·专家系统提供的知识可转移、可复制且具有文档化特征。 开发专家系统模型所要克服的最大障碍就是指定专家、确定知识库（大部分是定性的）和获得专家们的相关知识。然而，专家系统提出了通过掌握规划艺术的技术和知识来弥补当前规划过程所使用的科学方法的不足，这种观点很有吸引力，专家系统无疑会在将来得到更普遍的应用。 决策支持系统 在计算机的帮助下，数据库和分析工具已经结合在一起，形成现在所谓的决策支持系统（Decision Support System, DSS）。决策支持系统通过使用户直接与数据库交 互作用、将数据直接导入决策模型、以方便的形式描述分析来辅助决策过程。安德森（Anderson）、斯威尼（Sweeney）和威廉姆斯（Williams）曾经指出决策支持系 统有四个基本的子系统。 ·交互系统，使用户和系统可以直接交流； ·数据管理系统，该系统能够从内部数据库和外部数据库获取必要的信息； ·建模子系统，该系统允许用户通过输入参数、针对具体决策需要调整条件来实现 与管理科学模型的交互作用； ·输出系统，该系统具有图像功能，这样用户可以提出假定推测问题（“What-if Question ”），并可以得到便于解释的输出形式。 这样的系统可能仅仅提供决策者能够与之交互作用的环境，但为他或她做最终决策留有很大的余地。与之相反，决策支持系统也可以为决策者提供可供执行的方案。如果涉及到战略设计，前一种情况比较典型；如果只是做短期计划，则后一种特征更重要。无论在哪种情况下，以计算机为基础的决策支持系统都为规划过程提供了更为广泛的空间。
第十五章 供应链APS的运输计划 运输计划就是帮助确定将产品送达客户的最好途径。运输计划模型的时标是短期的和战术的。运输计划模块对交付进行成组并充分利用运输能力。 满足客户服务的难度是(1),复杂的道路环境、大量分布在各处的提货点、送货点、以及各不相同收货时间的要求，使传统的人工路线调度方式难以同时满足上述所有要求。(2),定单数量变化、定单产品体积、重量变化使难以估计配送需要的车辆装备能力。 运输成本控制的难度是(1),不透明的运输成本。由于运输操作的复杂，实际的运输成本难以从实际的里程数和工作时间中得到。因此，只能估计。(2),缺乏动态管理手段。无法找到成本最低，最合理的排班计划，因此不能充分利用好资源，如车辆数量、人力数量、车辆运行时间以及合理安排车辆维护时间等。 精确资源配置决策的难度是(1)缺乏运输历史关键指标（KPI），例如产品销售量和车辆数量的关系，门店与车辆数量的关系。(2),缺乏对历史数据结合发展规划的仿真分析能力，无法进行正确的资源配置决策，例如在正确的时间增加、减少或外包车辆数量。 运输建模、优化和管理(Transportation Modeler, Optimizer and Manager)是支持分销计划流程的工具。运输建模帮助企业有效地利用它的运输网络，实际数据被用来做”what-if”分析。运输优化根据交付、设备和人力约束自动建立和发送货物，决定装货和交付时间，此外，它也考虑了成组约束和自动选择接驳(cross-docking)机会。最后，运输管理器执行和管理从订单到顾客服务和财务结算的整个运输流程活动。 运输是物流决策中的关键所在。除采购产品的成本外，一般来讲，运输成本比任何其他物流活动的成本所占的比重都高。尽管运输决策的形式多种多样，但其中首要的不外乎运输方式选择、承运人运输路线的规划、车辆调度和集中运输等项内容。
运输的基本原理: 运输是指人或物借助运力在空间上产生的位置移动.运力是由运输设施,路线,设备,工具和人力组成的,具有从事运输活动能力的系统. 运输管理是指一次运输或配送活动中如何降低成本,提高效益的途径和方法,是指导运输管理和营运的基本原理,主要有: 1,规模原理:随着一次装运量的增大,使每单位重量的运输成本下降.在满足用户要求的前提下,通过选择装载量大的运输工具和对密度低的货物通过包装提高密度,达到降低运输成本的目的. 2,距离原理:是指随着一次运输距离的增加,运输费用的增加会变的越来越缓慢,或者说单位运输距离的费用减少.根据距离原理,长途运输的单位运距成本低,短途运输的单位运距成本高.配送属于短途运输,受多批次,少批量需求的限制,运量不可能大,运输工具的装载率较低,因此,单位运距成本特别高,特别需要优化运输路线. 3,速度原理:是指完成特定的运输所需的时间越短,其效用价值越高.快速运输是提高运输效用价值的有效途径,它包括运输工具的行驶速度,和其它辅助的作业的衔接,如分拣,包装,装卸,搬运以及中途换乘,转装.运输速度快的运输方式成本比较高.因此通过选择高速度的运输方式来实现快速运输时,因权衡速度和成本之间的关系. 运输方式和选择: 现代运输系统的结构是由不同的运输方式形成的运力结构,主要由铁路,公路,水路,航空,管道五种基本的运输方式.它主要的构成要素是(1),运输路线的优化(2),运输工具的优化(3),承运人的选择. 运输服务的选择 运输方式的选择或某运输方式内服务内容的选择取决于运输服务的众多特性，从速度到对解决问题有否帮助等。大量的研究表明，并非所有的服务特性都同样重要，在决策者心目中，只有某些特性是头等重要的。一些关于运输服务特性重要程度的调查显示，运输成本、速度和可靠性最为重要，其它特征在决策者眼里都不十分重要.因此，运输服务的成本、平均运输时间（速度）和运输时间的波动性（可靠性）是选择运输模型的基础。 基本的成本权衡 如果不将运输服务作为竞争手段，那么能够使该运输服务的成本与该运输服务水平导致的相关间接库存成本之间达到平衡的运输服务就是最佳服务方案。也即，运输的速度和可靠性会影响托运人和买方的库存水平（订货库存和安全库存）以及他们之间的在途库存水平。如果选择速度慢、可靠性差的运输服务，物流渠道中就需要有更多的库存。这样，就需要考虑库存持有成本可能升高，而抵消运输服务成本降低的情况。因此现有方案中最合理的方案应该是，既能满足顾客需求，又使总成本最低的服务。 考虑竞争因素
选择合适的运输方式有助于创造有竞争力的服务优势。如果供应渠道中的买方从多个供应商那里购买商品，那么物流服务就会和价格一样影响买方对供应商的选择。相反，如果供应商针对各自的销售渠道选择不同的运输方式，就可以控制物流服务的各项要素，进而影响买方的购买。对买方而言，更好的运输服务（运送时间更短，波动更小）意味着可以保有较小的库存和/或完成动作计划的把握更大。为鼓励供应商选择最理想的运输服务，进而降低成本，买方唯一能采取的行动就是：惠顾。买方的做法就是将采购订单转给能提供更优质运输服务的供应商。业务的扩大将带来利润的增加，将弥补由于选择快速运输服务带来的成本，因而鼓励供应商寻求吸引买方的运输服务形式，而不是单纯降低运输服务的价格。 如果分销渠道中有多个供应点可供选择，运输服务的选择就会成为供应商和买方的联合决策。供应商通过选择运输方式来争取买方的订单，理智的买方则会通过更多地购买来回应供应商的选择。买方增加购买的数量取决于互相竞争的供应商提供运输服务的差异。在动态的竞争环境下，只提供单一运输服务的供应商是很难生存的，因为供应商会通过提供更多的服务来反击竞争对手，且运输服务的选择与买方潜在的购买兴趣之间的关系是很难估量的。 对选择方法的评价 我们已经认识到，在考虑运输服务的直接成本的同时，有必要考虑运输方式对库存成本和运输绩效对物流渠道成员购买选择的影响。然而，除此之外，还有其它一些因素需要考虑，其中有些是决策者不能控制的。 首先，如果供应商和买方对彼此的成本有一定了解将会促进双方的在效合作。但供应商和买方如果是相互独立的法律实体，二者之间若没有某种形式的信息交流，双方就很难获得完全的成本信息。在任何情况下，合作都应该朝着更密切关注对方对运输服务选择的反应或对方购买量的变化的方向发展。 其次，如果分销渠道中有相互竞争的供应商，买方和供应商都应该采取生理的行动来平衡运输成本和运输服务，以获得最佳收益。当然，无法保证各方都会理智行事。 第三，这里没有考虑对价格的影响。假如供应商提供的运输服务优于竞争对手，他或她很可能会提高提高产品的价格来补偿（至少是部分补偿）增加的成本。因此，买方在决定是否购买时应同时考虑产品价格和运输绩效。 第四，运输费率、产品种类、库存成本的变化和竞争对手可能采取的反击措施都增加了问题的动态因素，在此并没有直接涉及。 第五，这里没有考虑运输方式的选择对供应商存货的间接作用。供应商也会和买方一样由于运输方式变化改变运输批量，进而导致库存水平的变化。供应商可以调整价格来反映这一变化，反过来又影响运输服务的选择。 总之,APS可以使计划人员能够在多种承运商中选择,并决定采用的先后顺序.同样,计划人员还能确定在特定的情况下,不采用或顺序的承运商.定义主数据中的承运商资料包括：车辆装载能力(重量、体积、托盘数量等)以及它们的可用性。 EDI和互联网可以用于将运输指令下达给特定的承运商。承运商可以接受或拒绝该运输指令。如果运输指令遭到拒绝，警示器中将出现警报，运输计划人员可以手工或通过预先设置的原则由系统自动地选择另一承运商。在手工排程中或运输计划传递至运输执行系
统的时候，系统都有可能触民发警告(例如当运输资源能力过载时，因为环境、健康或安全的原因无法按计划执行运输)，所有这些警告信息都被显示在APS的警示器中，计划人员可以此作为重新计划和排程的依据。 承运商的选择允许计划人员用所谓的模拟版本和模型进行模拟分析。这种分析将当前激活的系统中保存下来的数据复制至某一存储空间，并以这些数据为基础进行一系列复杂的运算。一旦决定采用某一模拟计划结果，那么生产系统的参数就会得到更新。直到全部排程活动结束，所有的结果将被传送至执行系统进行执行。 运输的合理化 合理化的运输就是在整个物流系统中,充分利用现有时间,财务和环境资源,以最佳的运输方式,路线,最低的成本,最高的质量来实现运输功能,达到物流的最优化. 合理化要解决(1)最短路问题(2),最小费用最大流问题(3),邮递员问题 路线选择 由于在整个物流成本中运输成本占1/3~2/3，因而最大化地利用运输设备和人员，提高动作效率是我们关注的首要问题。 货物运输在途时间的长短可以通过运输工具在一定时间内运送货物的次数和所有货物的总运输成本来反映。其中，最常见的决策问题就是，找到运输工具在公路网、铁路线、水运航道和航空线运行的最佳路线以尽可能地缩短运输时间或运输距离，从而使运输成本降低的同时客户服务也得到改善。 尽管路线选择问题有种类繁多，但我们可以将其归为几个基本类型： (1). 起讫点不同的单一路径规划； (2), 多个起讫点的路径规划； (3),起点和终点相同的路径规划。 以下将分别介绍这三类问题的解决方法。 起讫点不同的单一问题 这类运输路径规划问题可以通过特别设计的方法很好地加以解决。最简单、最直接的方法就是最短路径法（Shortest Route Method）。方法可描述如下：已知一个由链 和节点组成的网络，其中节点代表由链连接的点，链代表节点之间的成本（距离、时间或距离和时间的加权平均）。最初，所有节点都没有经过求解：也就是说，没有通过各个节点的明确的路线。已解的节点是在某一条路线上的，开始时只有起点是已解的节点。 第n次迭代的目的:找出第N个距起点最近的节点。对n＝1，2，…重复此过程，直到所找出的最近节点是终点。 第n次迭代的输入值:在前面的迭代过程中找出（n－1）个距起点最近的节点，及其距起点最短的路径和距离。这些节点和起点统称为已解的节点，其余的称为未解的节点。 第n个最近节点的候选点:每个已解的节点直接和一个或多个未解的节点相连接，就可以得出一个候选点――连接距离最短的未解点。如果有多个距离相等的最短连接，则有多个候选点。 计算出第n个最近的节点:将每个已解节点与其候选点之间的距离累加到该已解节点与起点之间最短路径的距离上。所得出的总距离最短的候选点就是第N个最近的节点，
其最短路径就是得出该距离的路径（若多个候选点都得出相等的最短距离，则都是已解的节点）。 最短路径法非常适合利用计算机进行求解.把网络中的链和节点的资料存入数据库中,选好某个起点和终点后,计算机可以很快就能算出最短路径.绝对的最短距离路径并不能说明穿越网络的最短时间,因为该方法没有考虑各条路线的运行质量.因此,对运行时间和距离都设定权数就可以得出比较具有实际意义的路线. 多起讫点问题 如果有多个货源地可以服务多个目的地，那么我们面临的问题是，要指定各目的地的供货地，同时要找到供货地、目的地之间的最佳路径。该问题经常发生在多个供应商、工厂或仓库服务于多个客户的情况下。如果各供货地能够满足的需求数量有限，则问题会更复杂。解决这类问题常常可以运用一类特殊的线性规划算法，就是所谓的运输方法。 起讫点重合的问题 物流管理人员经常会遇到起讫点相同的路径规划问题。在企业自己拥有运输工具时，该问题是相当普遍的。我们熟悉的例子有，从某仓库送货到零售点然后返回的路线（从中央配送中心送货到食品店或药店）；从零售店到客户本地配送的路线设计（商店送货上门）；校车、送报车、垃圾收集车和送餐车等的路线设计。这类路径问题是起讫点不同的问题的扩展形式，但是由于要求车辆必须返回起点行程才结束，问题的难度提高了。我们的目标是找出途经点的顺序，使其满足必须经过所有点且总出行时间或总距离最短的要求。 起讫点重合的路径问题一般被称为“流动推销员”问题，人们已提出不少方法解决这类问题。如果某个问题中包含很多个点，要找到最优路径是不切实际的，因为许多现实问题的规模太大，即使用最快的计算机进行计算，求最优解的时间也非常长。感知式和启发式求解法是求解这类问题的好办法。 (1),各点空间相连 实际生活中，可以利用人类的模式认知能力很好地解决“流动推销员”问题。我们知道，合理的经停路线中各条线路之间是不交叉的，并且只要有可能路径就会呈凸形，或水滴状。
仓库 图 不合理路线举例-线路交叉 仓库 图 合理路线举例-线路不交叉 另外，也可以使用计算机模型来寻找送货途中经停的顺序。如果各停车点之间的空间关系并不代表实际的运行时间或距离，那么利用计算机模型方法比采用感知法好。当途中有关卡、单行线或交通拥堵时，尤其如此。但是，尽可能明确各点的地理位置（如使用坐标点）能够减少需要采集的数据量，从而简化问题。然而，一个简单的问题可能就需要上千个距离或时间的数据。计算机的任务就是估计这些距离或时间。目前人们已开发出的计算机程序可以迅速解决空间位置描述的问题，并得到接近于最优解的结果。 (2),空间上不相连的点的问题 如果无论是将行程中的各经停点绘制在地图上还是确定其坐标位置，都难以确立各点之间的空间关系，或者，如果各点之间的空间关系由于前文所提到的实际原因而被扭曲，就应该具体说明每对点之间的确切距离或时间。这里，感知法基本上不适用，我们必须借助多年来人们提出的各种数学方法来解决这类问题。虽然我们可以得到我们想要的各点间的准确距离或运行时间，但计算程序一般给出的是近似结果。 总之,路线选择就是用于解决该问题的工具。路线能够与一个或多个运输订单相联系。运输的模式、承运商、成本和计划日程也都可以作为参数被赋予相关的运输路线。进行运输计划时，系统自动地生产运输路线或从一个路线数据库中将已存储的路线取出。一条运输路线上可以有不同种运输形式的选择(例如，从A至B通过卡车运输，从B至C通过货
车运输)并且可以有多个不同的目的地。优化过程中，APS系统首先确定相对应的出发地与目的地。这一问题在对有多家工厂或仓库能够对一特定地点就同一产品供货的情况下尤为重要。在目的地的需求量超过供货地点的生产能力和运输能力的情况下，问题会变得更加复杂。通过APS优化器，系统决定运输车辆在供应网络中连接不同供应链场所的运输路线的移动。APS采用了运输区域的概念以减少运输路线的数量，并能够根据计划的需要动态地生成运输路线。设想某分销中心通过一条运输路线与一个运输区域连接，并且采用特定的承运商，那么，该承运商将服务所有在该运输区域的客户。运输区域可以通过在系统中维护的地址系统自动生成。 车辆调度计划和行车路线和时刻表的制定 行车路线和时刻表的制定问题是运输路径问题的扩展形式。其中更接近实际的限制条件包括：1）在每个站点既要取一定量的货，又要送一定量的货；2）使用多部车辆，每部车的载货重量和容积不同；3）司机的总驾驶时间达到一定上限时，就必须休息至少8小时（运输部门的安全限制）；4）每个站点每天只允许在特定的时间内取货和/或送货〔称为时间窗口（Time Windows）〕；5）途中只有在送货后才能取货；6）允许驾驶员每天在特定的时间休息和用餐。 这些限制条件增加了问题的复杂性，也使我们寻找最优解的努力受挫。但是，运用制定合理路线和时刻表的原则或启发式求解法仍然可以得到该类问题比较好的解。我们要讨论的路线和时刻表问题是针对有多辆卡车从仓库出发，送货到若干个站点，然后在当天返回仓库的这种情况的。 合理路线和时刻表的制定原则 运用以下八条原则,决策者（如车辆调度员）可以制定出合理行车路线和时刻表。这八条原则简述如下： 1）安排车辆负责相互距离最接近的站点的货物运输。卡车的行车路线围绕相互靠近的站点群进行计划，以使站点之间的行车时间最短。 2）安排车辆各日途经的站点时，应注意使站点群更加紧凑。如果一周内各日服务的站点不同，就应该对一周内每天的路线和时刻表问题分别进行站点群划分。各日站点群的划分应避免重叠。这样可以使为所有站点提供服务所需的车辆数降至最低，同时使一周内卡车运行的时间和距离最少。 3）从距仓库最远的站点开始设计路线。要设计出有效的路线，首先要划分出距仓库最远的站点周围的站点群，然后逐步找出仓库附近的站点群。一旦确定了最远的站点，就应该选定距该核心站点最近的一些站点形成站点群，分派载货能力能满足该站点群需要的卡车。然后，从还没有分派车辆的其他站点中找出距仓库最远的站点，分派另一车辆。如此往复，直到所有的站点都分派有车辆。 4）卡车的行车路线应呈水滴状。安排行车路线时各条线路之间应该没有交叉，且呈水滴状.时间窗口和送货之后才能取货的限制条件可能会造成线路交叉。 5）尽可能使用最大的车辆进行运送，这样设计出的路线是最有效的。理想状况下，用一辆足够大的卡车运送所有站点的货物将使总的行车距离或时间最小。因此，在车辆可以实现较高的利用率之时，应该首先安排车队中载重量最大的车辆。
6）取货、送货应该混合安排，不应该在完成全部送货任务之后再取货。应该尽可能在送货过程中安排取货以减少线路交叉的次数（如果在完成所有送货任务之后再取货，就会出现线路交叉的情况）。线路交叉的程度取决于车辆的结构、取货数量和货物堆放对车辆装卸出口的影响程度。 7）对过于遥远而无法归入群落的站点，可以采用其它配送方式。那些孤立于其他站点群的站点（特别是货运量较小的站点），为其提供服务所需的运送时间较长，运送费用较高。考虑到这些站点的偏僻程度和货运量，采用小型卡车进行服务可能更经济。此外，利用外租的运输服务也不啻为一个很好的选择。 8）避免时间窗口过短。各站点的时间窗口过短会使得行车路线偏离理想模式。因为时间窗口的限制常常不是绝对的，所以如果某个站点或某些站点的时间窗口限制导致整个路线偏离期望的模式，就应该重新协议时间窗口的限制，最好放宽该限制。 这些原则操作人员很容易掌握，这样，他们可以在现实生活当中的路线和时刻表制定问题中找到比较合理（尽管不一定是最优的）解决办法。 这些原则只是提供了合理路线设计的准则，但操作人员还是要处理一些在这些原则中没有考虑到，而车辆运作中可能出现的限制或例外情况（紧急订单、绕行等等）。采用这些方法设计的路线和时刻表比采用其它未经仔细推敲的方法制定的计划有实质性改进。 行车路线和时刻表的制定方法 随着限制条件的增加，寻找行车路线和时刻表最优解的工作变得越来越困难。时间窗口、载重量和容积各不相同的车辆、司机途中总驾驶时间的上限要求、不同地区对速度的不同要求、途中的障碍（湖泊、迂回的道路、山脉）、司机的休息时间等都是实际路线设计中需要考虑的因素。有许多方法可以处理这类复杂的问题，我们主要介绍其中两种方法。一种很简单（“扫描”法），另一种则较复杂、准确且处理能力较强（“节约”法）。 扫描法（The Sweep Method） 路线设计中的扫描法很简单，即使问题规模很大，也可以通过 手工计算得出结果。如果利用计算机程序计算，能够很快求出结果，所需的计算机内存也不大。对于各类问题，该方法的平均误差率预计约在10％。如果我们需要很快得出结果，且只要求结果是合理的（而不是最优的），那么该误差水平还是可以接受的。实际上，调度员常常要在接到有关站点和各站点货运量的最新数据后一小时内设计出路线。该方法的缺陷与路线构成的方式有关。求解过程分为两步：第一步是分派车辆服务的站点；第二步是决定行车路线。因为整个过程分成两步，所以对诸如在途总运行时间和时间窗口等时间问题处理得不好。 扫描法可阐述如下： 1）在地图或方格图中确定所有站点（含仓库）的位置。 2）自仓库始沿任一方向向外划一条直线。沿顺时针或逆时针方向旋转该直线直到与某站点相交。考虑：如果在某线路上增加该站点，是否会超过车辆的载货能力？如果没有，继续旋转直线，直到与下一个站点相交。再次计算累计货运量是否超过车辆的运载能力（先使用最大的车辆）。如果超过，就剔除最后的哪个站点，并确定路线。随后，从不包含在上一条路线中的站点开始，继续旋转直线以寻找新路线。继续该过程直到所有的站点都被安排到路线中。
3）排定各路线上每个站点的顺序使行车距离最短。排序时可以使用“水滴”法或求解“流动推销员”问题的任何算法。 节约法（The Savings Method） 多年来，克拉克·怀特（Clarke-Wright）的节约法,一直是一种颇为出色的方法，它能够灵活处理许多现实中的约束条件，对站点数量不太多的问题能较快算出结果，且结果与最优解很接近。对仅有几个约束条件的小型问题，比较研究显示，利用节约法得到的结果平均只比最优解高2％。该方法能够处理有众多约束条件的实际问题，主要因为它可以同时确定路线和经过各站点的顺序。 节约法的目标是使所有车辆行驶的总里程最短，并进而为所有站点提供服务的卡车数量最少。该方法首先假设每一个站点都有一辆虚拟的卡车提供服务，随后返回仓库，如图7－14A所示。这时的路线里程是最长的。下一步，将两个站点合并到同一条行车路线上，减少一辆运输车，相应地缩短路线里程。在决定哪些站点要合并到一条路线时，需要计算合并前后节约的运输距离。由与其它任何点不在一条运输路线上的两点（A和B）合并所节约的距离就是图A中路线的里程减去图B中路线的里程，节约值为 S＝Doa+Dbo-Dab 对每对站点都进行这样的计算，并选择节约距离最多的一对站点合并在一起，修订后的路线见图B。 a 仓库o b 图A 初始路线里程=Do,a+Da,o+Do,b+Db,o a 仓库o b
图B通过两个站点合并到同一线路上的线路里程=Do,a+Da,b+Db,o 继续合并过程。除了将单个站点合并在一起外，还可以将某站点并入已经包含多个站点的路线上。例如，假如将某站点C并入位于同一路线上两点A和B之间，节约的距离为S＝Do,c+Dc,o+Da,b-Da,c-Dc,b如果如图B所示，站点C排在线路最后一站B之后，则节约的距离为S＝Db,o+Do,c –Db,c。相反，如果站点C排在站点A之前，则节约的距离为S＝Dc,o-Dc,a+Da,o.每次合并时都要计算所节约距离，节约距离最多的站点就应该纳入现有路线。假如由于某些约束条件（如路线太长，无法满足时间窗口的要求，或超过车辆的承载能力），节约距离最多的站点不能并入该路线，就要考虑节约距离次多的站点。重复该过程直到所有站点的路线设计都完成。 节约法强大的处理能力使得它能够包含实际应用中许多重要的约束条件。该方法可以在指定各路线途经站点的同时确定站点的先后顺序。因此，在将站点归入某条路线之前，应该预先考查加入新站点后路线的情况。此外，还要考虑一系列有关路线规划的问题，如行车时间是否超过允许的最长驾驶时间，是否满足司机休息时间的要求。是否有足够载运量的车辆装载所有的货物，各站点时间窗口的要求是否满足等等。不满足这些条件可能导致该站点不能并入这条路线或者说明该站点在新路线中的排列顺序不当。接着就要按照最大节约值原则选取下一个站点，重复考虑上述问题。因为扩展问题的难度较大，节约法不能保证将得到最优解，但能够获得合理解。 运输路线的排序 在利用上述行车路线和时刻表的制定方法指定路线时，假设对每条线路都只分派一部车，如果路线较短，那么在剩余的时间里这部车的利用率就很低。但在实际生活中，如果完成一条路线后开始另一条路线，那么就可以分派同一部车负责第二条路线。因此，将所有运输路线首尾相连按顺序排列，使车辆的空闲时间最短，就可以决定所需车辆数。假设某行车路线问题，卡车的载重量都相同，有以下路线： 路线 发车时间 返回时间 1 8：00AM 10：25AM 2 9：30AM 11：45AM 3 2：00PM 4：53PM 4 11：31AM 3：21PM 5 8：12AM 9：52AM 6 3：03PM 5：13PM 7 12：24PM 2：22PM 8 1：33PM 4：43PM 9 8：00AM 10：34AM 10 10：56AM 2：25PM 将这些路线在一天内按时间进行排序，就可以使车辆的空闲时间最短，据此制定的计划见图。按照该种方式对行车路线进行排序就能够尽量减少服务所有线路所需的车辆数。
8 9 10 11 12 13 14 15 16 17 18 1#线路 10#线路 6#线路 1#车 9#线路 4#线路 2#车 5#线路 8#线路 3#车 2#线路 7#线路 4#车 3#线路 5#车 图 对行车路线排序以尽可能减少所需卡车的数量 行车路线和时刻表制定方法的应用 行车路线和时刻表问题的种类繁多，其约束条件的数量和种类也不计其数。网络各站点间的零担货物运输问题（如联邦快递、联合包裹服务公司，或其他零担运输的公共运输人所面临的问题）就与校车或个体应答运输服务（如电话叫车服务Dial-A-Ride）的路径问题大不相同。此外，在日常运作中，总会有一些一般情况的例外也需要进行处理。研究人员在努力应付每个行车路线和时刻表规划问题带来的难题时，似乎针对每个问题都需要有特别的方法来解决。即使这样，这些方法也不能彻底解决这个问题。要想将这些方法应用于实践，实施时一定要小心谨慎。 在运作环境中应用定量分析的可行方法之一是三阶段法（即预览－求解－审核）。假设要求在合理时间内解决问题，且要求解达到一定的质量标准，就可以建立起一个尽量切合实际问题的模型。由于那些最难以处理的内容没有包含在模型之中，因而常常可用最优法求解。解决实际问题的过程分三步，第一步，分析人员预览实际问题，考察有无例外情况（需要特别处理的送货）或明显无须求解的送货/取货（满载运输）；第二步，通常要求助于计算机，就是对简化后的问题求解并将结果呈送分析人员；第三步，分析人员对数学求解的结果进行审核，根据实际情况对结果加以修正。 APS系统能用于提高运输工具的装载率。系统采用内置的优化引擎完成按不同目的地的运输需求的整合和按送货期的分货计划。整个计划过程中考虑的约束有：不同类型产
品的合运条件，特殊运输需求，装载处理能力等。计划过程同时考虑内向物流和外向物流，对改善配送中心的装载配送流程大有帮助。在系统处理过程中，不同类型的装载按不同的订单类型区分。当订单数量低于或高于某一设定值时，订单就会自动转入可直接运输状态；这里的设定值或者是一个很大的数值或者是一个很小的数值，因为很明显，对这两种情况业务流程中将会有不同的处理(例如：对很小数量的订单可能就会采用包裹邮递的方式)。对其他没有落入这一设定值范围的订单，系统将采用优化过程给予处理。这一优化过程涵盖了订单的分组、提货、配送顺序、车辆出发和到达时间，以及是否采用所提供的可选运输方案。 车辆调度计划，作为整个供应链管理的一个紧密集成的部分，主要着重于运输车辆、资源和地点的短期决策。该模块的关注点在于发现提货和配送的问题，例如如何达到最佳的回程接货(避免回程空载)以及一次运输是否能够达到多点提货或多点配送。该模块考虑的一些约束条件包括：配送和车辆的时间段、车辆运输能力、装载处理能力以及车种/地点或车种/产品之间的不容性检查。 车辆调度计划需要由供应链网络计划模块支持，以提供一个路线图的概念。这里的一条路线由在供应链网络中具有一个起点和终点并相互连接的一系列供应链场所间的连接弧构成。当在供应链网络计划中对一条路线确定了一个运输请求时，相应地，在运输运输计划中就构成了一条运输路线。 车辆调度计划模块创建的是短期的运输计划。系统通过优化器试图减少配送延误并在给定的约束条件下降低整体运输成本，但同时又允许为特定的产品、品牌和地点提供程度不同的服务。发货可以手工决定或通过系统自动计划。在运输计划中任何短时间内的计划变动都将引起排程的难度和承运商成本的增加。因此计划是否变动必须在考虑这种变动能否带来一定的益处之后方能决定。系统将根据实际约束情况，一般运用ILOG Dispatcher应用程序优化算法为以下问题提供决策依据解： (1),运输工具的多种运输能力限制(例如：重量、装箱数、托盘数、容器装载 数和体积等)； (2),承运上的技术参数，诸如部分装载能力、完全装载能力、装载设备可用 性等； (3),决定是否采用每站提货、卸货选择； (4),最长驾驶时间、驾驶途中休息时间以及考虑运输安全的各种因素； (5),运输日历(如定义只在一天的固定时段或一周内的固定日子中提货、发货 等)； (6),每次运输的最大经停地点数量； (7),各地点的内向物流，外向物流的装卸能力。 APS系统在操作中以车辆为计划单元，并遵循成本最优的原则行出计划结果。在计划过程中，客户的优先级也可以同时考虑。在另一方面，承运商通常对满载或半载给出不同的报价，更多时候，承运商对事先精确计划并确定不再更改的运输订单会给予更大的折扣，这些因素也会在系统优化时考虑。 船舶航线和船期计划 到此为止，有关运输路线和时刻表问题的大多数讨论都是关于公路运输的。以下，我们将举例说明港口间船舶营运路线和时间安排问题，以便对比。这类问题的特点是在满足
不同港口约定装卸日期的条件下，尽量减少所需的船舶数量。假设始发港和目的港之间的运力充足，各港口间的航行时间已知，可以利用线性规划中的运输问题来处理这类问题。 集运 货物运输中，运输批量越大费率越低，这样促使管理人员大批量运输货物。将小批量货物合并成大批量货物进行运输是降低单位重量运输成本的主要方法。集运一般有四个途径： 第一个途径是库存合并，即形成库存以服务需求。这样做可以对大量货物，甚至整车货物进行运输，并转化为库存。 第二个途径是运输车辆合并。这是在拣取和送出的货物都达不到整车载重量情况下，为提高效率就可以安排同一辆车到多个地点取货/送货。为实现这种形式的规模经济就需要对行车路线和时间表进行计划。 第三个途径是仓库合并。进行仓储的根本原因是可以远距离运送大批量货物，近距离运送小批量货物。例如用于拆装作业的仓库。 第四个途径是时间合并。在这种情况下，企业将在一定时间内积累客房的订单，这样可以一次性发运较大批量的货物，而不是多次小批量送货。通过对大批量货物的运输路径进行规划和单位运输费率的降低，企业可以获得运输中的规模经济效益。当然，由于没能在收到订单和履行订单之后及时发送货物会造成服务水平的下降，因此我们要在运输成本与对服务的影响之间寻求平衡。运输成本的节约是显见的，但服务水平下降的影响却是很难估计的。 总之,APS的运输计划提供给物流管理人员强有力的工具来面临的最重要的决策问题。最常见的运输问题，包括运输方式的选择、承运人的路线制定、行车路线和时刻表的制定以及集运。所幸的是，这些决策问题都可以适当利用APS的算法得到结果.如何合理选择最佳运输路线和运输工具(包括公路运输、铁路运输、船运或空运)来达到缩短运输时间、降低运输成本、提高客户满意度的目的，是供应链管理人员和运输计划人员经常遇到的问题。通常,APS通过建立: (1),运输规划模型:在特定的约束条件下,选择最佳的行动方案.比如运输整数规划,运输目标规划,运输动态规划来综合考虑运输中的各种约束条件.不同的运输作业,车辆的调配,运输路线的选择,运输费用的不同. (2),建立直达运输优化模型:这是一个产销平衡的运输模型,既多个供应点的总供应量等于多个需求点的总需求量,运输问题满足供需平衡.利用表上作业法,寻求运费最少的运输方案,有三个基本步骤:1,依据问题列出运输物资的供需平衡表及运价表;2,确定一个初始的调运方案;3,根据一个判定法则,判定初始方案是否为最优方案.经过几次调整达到最优方案. (3),可中转下的运输优化模型等.产地与销地之间没有直达路线,货物由产地到销地必需通过中转站转运,这些问题属于装运问题. APS通过建立配送模型采用不同的配送策略如: 转运策略:为了满足应急需要,在同一层次的物流中心之间进行货物的调度的运输这种情况常常是由于预测不准确而进行配送以后,各需求点上的商品要能符合实际,进行调整而发生的商品运输.
延迟策略:在现代信息技术ERP/APS的支持下,可使产品的最后制造和配送延期到收到了客户的订单后在进行装配运输或配送.极大降低供应链上的库存. 集运策略:当然,延迟会影响运输的规模效益,集运是在延迟技术下继续维持运输规模效益而采用的一种技术. APS在处理运输和配送计划时,采用优化技术如运筹学,图论,组合优化算法,典型的问题是旅行商问题TSP(Traveling Salesman Problem),解决最优巡回路线.描述是一个旅行者从出发地出发,经过所有要到达的城市后,返回到出发地.要求合理安排其旅行路线,使得总旅行距离,费用,时间最短,最少.在处理现实生活中的具体问题时,可以对TSP增加一些限制条件,如时间的约束等.第二个典型的问题是车辆路线安排问题VRP(Vehicle Routing Problem),对一系列装货点或卸货点,组织适当合理的行车路线,使车辆有序地通过它们,在满足一定的约束条件下(需求量,发送量,发货时间,交货时间,车辆的容量,数目,车辆的行驶里程和时间限制等)下,达到一定的目标(最短路程,最小费用,最短时间,最少车辆等). 实际上VRP问题是组合优化领域著名的NP难题(Nondeterministic Polynomial Problem），是一个非确定型的多项式问题。NP问题的解有多个，随着其输入规模的扩大，问题的求解难度大大增加，求解的时间呈几何级数上升。目前，尚无有效的多项式时间算法来求解NP难题。 在求解VRP车辆优化调度问题时，常常将问题分解或转化为一个或几个已经研究过的基本问题,如旅行商问题，指派问题,运输问题,最短路径问题，最小费用流问题，中国邮递员问题等。再用比较成熟的理论和方法进行求解，以得到原车辆调度问题的最优解或满意解。 常用的方法可以分为精确算法、启发算法和智能算法。精确算法主要有分支界定法，割平面方法，线性规划法，动态规划法等.精确算法的计算量随着车辆优化问题规模的增大呈指数增长，如当停车卸货点的数目超过20个时，采用一般的精确算法求解最短运输路径的时间在几个小时以上。精确算法不适合于求解大规模的车辆优化调度问题。 启发式算法主要有节约算法、两阶段法、不完全优化法等，为了克服精确算法的不足,可以运用一些经验法则来降低优化模型的数学精确度,并通过模仿人的跟踪校正过程来求取运输系统的满意解. 启发式算法能同时满足详细描述和求解的问题需要.更加实用. 现在比较成熟的启发式算法很多,它们的区别主要在于求解过程的收敛速度和收敛程度不同: (1),构造算法:根据一些规则,每一次将不在线路上的点依次增加到线路中去,直到所有的点都被安排到线路为止.该方法最早提出用来解决旅行商问题,求解速度比较快,也很灵活.但不是最优解. (2),两阶段算法:对构造算法进行改进,提出了两阶段算法.第一阶段得到一个可行解,第二阶段则对解进行调整.在保持解是可行的基础上,尽力向最优解接近,每一步都用产生的新可行解取代原来的可行解,使得目标函数值得到改进,一直进行到目标函数值再也得不到改进为止.该方法经常运用交互式优化技术,充分发挥人在求解问题过程中的作用. (3),不完全优化算法 精确算法中的决策原则,在规模很大的问题中,导致计算量的指数增长.在不完全优化算法中,用启发式准则代替,可以有效缩小解的收缩空间.
(4),改进算法:从一个初始解开始,通过对当前的解进行反复的局部扰乱,以求得问题的满意解. (5),智能算法:遗传算法,神经网络方法、和模拟退火算法等。
第十六章 供应链APS的ATP 为了取得成功,您必须对客户的需求作出最快的反应,并让他了解您的能力。快而准的订货保证是能留住现有客户和吸引新客户的关键。APS的全球ATP承诺，能让您在与客户签订定单的时候就能知道，您的企业是否能够按照客户要求的品种规格、交货时间、交货数量交货，从而减少定单由于自己方原因所作出的变更，使客户更加信赖您，提高客户的满意度。 通过APS的 ATP功能，您能在全球范围内集合所有的事物处理系统,得到完整供应链的供应和需求信息,这其中也包括您的虚拟供应链中的主要供应商和其他的商业伙伴。当您无法自己完成客户需求时,您能通过整个供应链查询所需的所有组件和资源，以弥补自己的能力来满足客户的需求。APS 扩展了订货承诺的能力,它使订货承诺更快,更准确,更灵活,其功能,也扩展了可赢利能力承诺,它使销售人员在任何地点接受销售单时,可随时分析可赢利性.包括: 基于互联网的协作性的全球化的订货承诺订货承诺 您能在全球范围内集合所有相关的事物处理系统,得到供应和需求信息,这其中也包括您的虚拟供应链中的主要供应商和其他的商业伙伴。当您无法自己完成客户需求时,您能通过整个供应链查寻、补充所需的所有资源（原料、能力、资金、时间等）来满足客户的需求。 多层供应链的有效性 ATP是APS的核心功能利用基于规则的策略来匹配供应与需求.可以实时,模拟进行多层的子项和能力的核查.可以针对合计的,基于内存的数据核查. 多级的“可供订货量（ATP）： - 成品ATP - 能力ATP - 系列产品ATP - 部件ATP - 渠道ATP 可供货能力承诺（ATP）包括可发货能力承诺（DTP） ATP可以处理产品替代-如果成品或零件不能得到,就能基于规则的选择条件自动的处理替代.ATP可以处理选择替换的地点- 在产品替代时,物料能从可替换的地点供应.这个逻辑还可以和产品替代规则集成在一起.ATP可以处理分配-产品或零件在短缺的情况下,被分配给客户,市场,订单等,这些分配有ATP所计算.ATP进一步优化发运,运输环节上的距离,运费等给客户以精确交货期 (1),交货协议 按时交货对客户是至关重要的，它甚至会影响客户决定是否购买产品或相关服务。因此，ATP在订单输入时能自动地确定交付的进度。交货计划包括所有在货物发出前肯定要发生的活动。交货计划可以确定产品的可用日期和装载的日期。当你输入客户要求的交货日期时，ATP能计算出装运活动的日期。ATP可以确定出什么时候产品必须获得，什么时候进行分拣，装载，以及制定运输的计划，用以满足客户要求的交货日期。
(2), 运输计划 运输计划要考虑到运送的时间和用于装运所需的运输提前期，甚至要涉及国际运输机械的情况。ATP考虑了工作日历。例如在确定运输日期时，要考虑到货运代理商和其他的合伙人。就交货和运输计划而言，ATP将确定运输时间，装货时间，分拣和包装的时间，以及运输的提前期。ATP将交货处理基于若干交货截止日期而确定的，包括物料的有效日期、运输的计划日期、装载日期、发货日期和交货日期。 (3), 相互依赖关系 交货计划和ATP检查是相互依赖的。ATP利用要求的交货日期和客户的地点信息来确定货物在什么时候必须获得。如果货物不能满足所要求的交货日期的话，ATP就用顺排计划来寻找最早可以获得货物的日期，并计算出货物能送到客户手里的实际日期。 (4), 可用性检查 由于在你的组织中，销售、生产和发送状态是在不断地变化，在你输入销售订单时便进行一次可用性检查，以确保满足客户的需求。在发货过程中，可用性是自动重复检查的。 APS的可用性检查可以确定是否产品能够获得，并确保按客户要求的交货日期交货。这项功能还提供有关库存水平，识别交货瓶颈，改善即时的业务处理,以及改善客户服务。有两种形式的可用性检查： (1), 基于ATP数量的检查： 可以根据仓库的库存量、计划供应量和需求量来计算可用性。 (2),基于计划来检查： 基于计划项目来计算可用性，而不是根据订单的数量来计算。 客户按要求的交货日期要求交货货品。ATP就按要求的交货日期应用倒排计划来确定可用日期，该日期将满足要求的交货日期。然而在这种情况下，按照那个可用日期，手边货存是不够的。因此，系统将根据物料的可用日期，并转换到顺排计划用以确定什么时候订单可以被交货。ATP的可用性检查是灵活性的，而且可以包括许多不同的因素。可以规定什么样的检查因素可被用于每项事务中。 这些因素包括：安全库存,质量检查中的库存,运输中的库存,采购订单,计划订单 采购申请,生产订单,预留,相关需求,计划需求,销售需求,交货需求. 基于ATP数量的可用性检查还可考虑补货提前期，这个时间是订单或生产所需产品所要求的时间。 供应链的中多个工厂中的货品可用性,可用性检查容许你确定别的工厂中，可获得一些或全部所需产品。 如果交货计划和可用性检查确定货物不能按要求的日期交货时，ATP将能根据客户接受部分交货的方案作出不同程度的反应： (1),确定货物的数量，如果有，将按客户要求的交货日期交货。 (2),确定整个交货的最早日期。 (3),确定什么货物可以按客户要求的交送日期进行交货和必要的部分交货，直到完成整个订单数量。 由于缺乏货物可用性，订单项目按客户要求的交货日期不能得到确认时，订单项目可以应用延迟订单处理功能来加以更新。ATP可以重复检查可用性并显示目前的状况。如果所有物料现在都能被交货，你就可以处理销售订单了。你还可以使用更新功能，通过手
工调整重新分配短缺产品，以满足你的最紧急的客户订单。 可用生产能力承诺（CTP） 通过生产能力硬约束或软约束规则对所有需求优化能力承诺,优化分配给供应链的工厂,起到对客户的有效反映.自动识别能力约束瓶颈. 可赢利能力承诺(PTP: Profitable to Promise ) 进一步分析对客户的需求所带来的成本赢利分析,以达到给高层以有效的决策. . ATP计划员 用户 多 个供应链计划平台 ERP 系 全球生产供应需生产供应统 ATP计划 网络求计划 网络承诺 规划 计规划 详细详细划 排程 排程 ALE 计划模块 优化模块 OLAP供应网络 ATP 数据集市 数据 数据 APS数据
第十七章 供应链APS的网络分析管理 一般是一个整个企业或供应链的图图示模型，帮助企业从战略功能上对工厂和销售中心进行调整。有可能对贯穿整个供应链的一个或多个产品进行分析，注意和发掘到问题的症结。 通过APS进行供应链网络规划分析: 网络设计位于规划层次的最高级。与其它物流规划问题相比，网络设计进行重新规划的频率和规划过程中所用信息的集合程度都有所不同。要将网络规划设计问题与其它规划问题相对比，可以看一看斯坦格尔（Stenger）是怎样对层级系统每一层次的问题进行划分的。 网络规划设计 每年 总计划和配置 每季/月 数据库 每月/周 当前计划 主生产计划 当前状况 过去绩效 主文件 每日 交易规程 每日 短期计划 图 APS计划的层次 网络设计 设计网络是为了实现公司的战略目标。规划时，要确定分销中心、工厂或货物集中点的数量、位置、产品的分派和库容/生产能力。同时，要设定整个网络库存水平的目标值和所要提供的服务水平。设计时使用汇总后的数据和长期预测值，一年内不会重复该规划过程。 总体规划和分派
该层级的规划会决定运输批量，在汇总的基础上，把需求分派给各分销中心、工厂和原材料供应地，还要具体确定采购、生产、库存或运输的总量。每季度或每月要重复规划。 流程计划和主生产计划 这一层级的规划与前一层次的规划非常类似，只不过分派单位是存货保管单位SKU（Stock-Keeping Unit）。计划的目标是保证满足预测和库存目标。计划期为每月或每周。 交易规程 这是一个短期的分派计划问题。在客户订单随机到达后，就被分派到订单履行地点和订货运输车辆。该计划是日计划。 短期调度 是一个短期计划问题，通过优化资源（如运输）的利用来处理特殊订单，同时满足订单处理最后期限的明确规定。该计划是日计划。 战略规划的一般步骤 所用的程序因规划人员和规划项目的不同而不同。但是，好的规划过程至少可以归纳为几个基本元素。以下是规划程序中的一般步骤。 客户服务水平审计 网络设计的第一步应该是客户服务水平审计，这符合逻辑顺序，但却不是必须的步骤。该步骤包括询问客户他们当前享受到的物流服务水平与期望得到的服务水平。典型的方法是访问客户个人或邮寄问卷，要求回答的问题有： ·客户期望什么水平的服务？ ·竞争对手提供什么水平的服务？ ·竞争对手是怎样实现其服务水平的？ ·公司能在多大程度上保证其战略可以达到成本与对最终用户服务的期望水平？ ·公司在多大程度上从“渠道观点”来决定分销渠道中哪个部门该做什么，什么时 候做，在哪里做，怎么做的问题？ ·企业的物流战略是否支持企业的战略发展规划？ 这类审计有助于建立网络设计的物流客户服务的目标水平；但是，常见的情况是，由管理部门决定物流服务水平或按照目前水平决定服务水平。外部审计之后就是内部审计。其目的是，了解企业实际提供的服务水平，界定服务标杆。斯特林（Sterling）和兰博特（Lambert）认为内部审计应该问答下列问题： ·目前，在企业内部是如何衡量服务水平的？ ·衡量单位是什么？ ·业绩标准或目的是什么？ ·目前达到什么水平－－结果与目标各是什么？ ·这些衡量指标是如何从内部导出的？ ·内部客户服务报告系统是什么？ ·企业各业务部门是如何理解客户服务的？ ·这些部门在交流和控制中是如何相互作用的？ ·订单周转时间的波动有多大，是如何影响客户业务的？
尽管进行这样的内部审计是有益的，但大多数规划人员并不这样做。相反，他们更愿意复制目前的网络设计，并将其视为公司目前所能提供的客户服务水平的最好表示。 最理想的情况是通过这些审计确定客户服务水平和特定网络设计实现的收入之间的可靠关系。但这种理想状况很少能实现，因此企业常常会将客户服务用做网络设计的约束条件。改变约束条件，考察其对总成本的影响就能间接地估计服务的价值。 组织研究 网络设计第一个阶段的活动一般包括定义项目的范围和目标、组织研究小组、判断所需数据的可得性、确定资料收集程序。这样做的目的是判断特殊环境中进行战略规划研究的可行性、研究工作小组中包括的合适人选和该研究得出有用结果的可能性。莫斯曼（Mossman），班克特（Bankit）和赫尔弗里克（Helferich）曾经对初始研究阶段并描述了其中所涉及的任务。 ·考察当前的物流状况，定义成本、客户服务水平和物流运作，为评估物流系统的 不同方案奠定基础（物流审计）； ·访问核心管理人员和项目小组的每个成员，从而确保理解管理目标，并获得界定 具体问题和物流系统可选方案以供评估的背景资料； ·列出一个基本清单，包括关键性问题的假设条件、物流运作和市场政策、对物流 方案的评估和数据收集起关键作用的指导原则； ·确认所需的评估标准，研究以成本和客户服务为变量的产出； ·根据所要评估的备选方案、准备输入数据的难易程度、估计的成本和时间、预计 利用率来选择求解技术（模型）； ·明确具体的数据要求，收集数据的程序； ·概括补充计算机模型分析结果所需的人工分析的主要内容，以便进一步估计对成 本和客户服务的影响； ·召开项目组会议，回顾所获得的发现、得出的结论、模型选择标准和最初的项目 工作计划； ·估计该项研究预期达到的收益，表示为成本的节约（利润增长）和/或客户服务的 改进； ·适当地提出改进成本和/或客户服务的建议； ·明确项目管理程序，估计研究所需的人员、计算机和其它支持条件。 项目小组的构成应该考虑战略规划的实施问题，应注重那些可能受该项研究影响的领域和那些能够根据需要提出宝贵见解和意见的人员。生产和市场部门尤其重要，必须派代表加入项目组。 设定标杆 设定标杆，或证实建模过程或规划中使用的其他分析过程的有效性是战略规划的第二阶段。这里的指导思想是利用公司现有的分销模式和分销政策建立一个参照点。分析方法应该接近标准的账簿和报表的生成过程。除了确定当前分销系统的成本以供对比外，设定标杆的过程还使我们对所采用的方法更有信心，相信这些方法能够准确描述公司的分销成本和客户服务绩效。
建模是网络设计中常用的办法，设定标杆在分析过程中起着重要作用。分析就是直接将现有的网络结构和新改进后的网络结构进行比较。当然，管理人员希望这种对比能够反映网络运营的实际条件。但是因为运行模型比运行实际网络要容易，所以我们将建模作为进行对比的方法之一。比较模型结果可以代替实际的动作。因此，设定标杆就是确认建模过程忠实地反应现有网络成本和服务水平的过程。这就做使我们相信如果模型代表了目前还不存在网络结构，仍然会在合理范围内反映实际的成本和服务水平。 标杆的设定过程一般是这样的：首先设定具有代表性的产品类别。此时，既要考虑保留服务和成本有关的产品特色，又要考虑由于产品汇总减少数据收集量带来和利益，产品的数量就取决于二者的平衡。其次，将销售汇总，按地域分为若干便于管理的需求中心。确定每类产品的客户服务政策。按相关的成本类别收集数据，如运输成本、仓库成本、库存成本和生产/采购成本。描述当前产品流动的路线，包括经过仓库的产品流动过程和直接由工厂/供应商/港口到客户的产品流动过程。同时，还要确定库存政策。 最后，根据收集到的数据决定成本、需求和服务之间的不同关系。将信息按成本－服务类别组织起来，然后与实际费用相比较。项目小组检查这些结果的合理性或解释该结果与实际结果不同的原因。一旦完成该确认过程，就可以开始最佳系统设计的选择过程。 供应链网络结构设计 网络结构设计的现代方法是使用计算机处理分析中涉及的大量数据。处理网络规划选址问题时，对计算机模型的使用尤其普遍。计算机模型被用于解决以下的问题：工厂、仓库和运输场站的数量、规模和位置；安排满足需求的设施；各设施应该储存的产品种类等等。网络结构设计的目标是： ·满足物流客户服务约束条件的同时，使所有相关物流成本最小化； ·在保持总成本的限制水平下，使物流客户服务水平最大化； ·尽量扩大物流服务水平所产生的收入和提供这种服务水平所需要的成本之间的差 异，使物流对利润的贡献最大。 其中，第三个目的与公司的经济目标更为一致。但由于企业产品的销售－服务关系往往难以得到，所以多数模型都围绕第一个目标建立。 帮助规划人员寻求设施最佳结构的模型都在试图平衡生产/采购、仓储和运输过程中各种互相冲突的成本，同时受工厂生产能力、仓库吞吐能力和客户服务等约束条件的限制。随着产品从工厂/供应商经中间存储点运送到客户所在地，这些成本就发生了。 建立成本、服务水平的标杆 网络战略规划的第一步是确立现有物流成本和服务水平的标杆。让人感到意外的是，只有少数公司认真描述了其分销流的模式、客户服务质量或总的分销成本。设立标杆的过程就是建立成本水平、服务水平和网络结构基准，以便进行比较，了解改进的情况，其结果可用于证实建模过程的有效性，使人们更加相信预计的成本节约量是准确的。 改进后的标杆水平 一段时间以后，某些情况的出现（如需求的转变、运输费率的调整、仓库存储和搬运费率的变化）都可能造成原本规划得很好的网络设计在次优的成本－服务水平上运行。因此，网络战略规划的下一个任务就是根据现有设施的数量和位置、设施现有的生产能力、当前的服务水平等条件，重新优化物流管理。是在不投入资金的情况下实现成本节约。
非常重要的是，因为对网络的进一步的变革与改进后的标杆水平相比较更为恰当，而不应与原有标杆水平相比。 机会最大化 在网络的战略规划中，按照可能的最低可变成本来确定网络可以提供一定的信息。在没有工厂或仓库能力约束和客户服务限制的软约束情况下，求出最佳网络设计，再考虑工厂和仓库的多个选址点，可以得到这些信息。 尽管从成本节约的角度来看，该结果非常有吸引力，但要实现该结果往往要降低服务水准，并将需求转移给那些超负荷运转的设施进行处理。很明显，如果成本节约不足以使经营绩效超过改进后标杆水平，那么进一步探索网络设计的其他方案就是徒劳无益的，只会增加成本。 实用设计 有许多可接受的网络战略方案界于改进后的标杆设计与最大成本节约的设计方案之间。通过重复运行代表不同网络结构和有关需求、成本和服务假定条件的模型，可以得到这些设计方案。这些结构能够生成成本和服务水平的组合。也就是说，对于任何服务水平，都可能多种不同的仓库数量和位置（结构）的组合能够实现该服务水平，但相应的成本不同。沿最低成本点画一条平滑线就得出了网络设计曲线，借助该曲线可以确定每种服务水平下成本最低的备选方案。沿着这条曲线，就可以找出改进后的网络结构。如果现有设计不是最优的，就会位于曲线上方，将该设计向左平移就能够在不增加成本的情况下提高客户服务水平；向下平移就可以降低成本，同时保持原有的客户服务水平。将该设计点移动到设计曲线上就会获得收益最大的机会。 假定推测（What-if）分析 在网络规划中，对投入和成本的估计总会存在一些错误。有些诱人的设计可能从建模的角度来讲是次优的，但是却能更好地反映模型以外的实际问题。假定推测分析（What-if Analysis）就是利用选定的网络方案和/或修正后的成本和生产能力的具体数字反复进行分析。这是一种利用分析过程将更多的实际情况带入实用网络设计的手段。通常认为假定推测分析比建模程序针对给定数据组求解，对管理人员更有价值。这是因为结构相似的网络成本差异很小，同时围绕改进后的网络结构重组机构常常比数学上的最优解更有价值。 可比数据 利用实际的企业数据进行设计的想法似乎很吸引人，但这样做可能会产生有偏的设计。假设某公司分销网络中有一个选址不当的仓库，由于该仓库目前的吞吐量很高，可摊薄其固定成本，故单位成本很低。但另一个位置优越的仓库却可能由于利用率较低导致单位成本较高。假如用这些成本数字来调整网络设计，那么位置差的仓库可能被保留下来，而位置好的仓库却被关闭或仍然不能得到充分利用。现有仓库和拥有现代化设备新仓库之间也可能出现类似情况。 对这类数据不可比现象进行补救的一种方法就是规定每个仓库的标准费率，该费率应该不受仓库使用年限和规模的影响，但考虑位置不同造成的成本差异。当然，以这种方式统一费率可能会使分派到某些仓库的需求减少，这些仓库一般是沉没成本（sunk cost）高的管理部门非理性投资的仓库。在此，必须做出抉择。
设计年限分析 理想的情况下，由于新设计不可能立即得到实施，因此网络设计或重新设计应该按照一定的未来时间安排来进行。当然，需要对设计年限内的需求进行预测。其中主要问题为，是否也应该按设计年限预测成本。除了需求预测以外，估计未来成本将导致与标杆脱节，同时丧失可比性。因此，若非标杆的成本发生改变，保持成本稳定不变常常会更好。 渠道设计 网络的构造主要关心的是选址问题。它在总体水平上处理了有关库存和运输问题，除此之外，对于产品流经成型网络的路径也进行了考虑。产品流经一个典型的物流渠道的过程如图所示。下列各类问题中，有些在图中的过程中产生了： ·各类产品在各层级和各存储点内应该存放多少？ ·各层级之间最好采用哪种运输服务？ ·应该采用推动式，还是拉动式库存策略，还是分销需求规划？ ·各级存储点之间使用哪种信息传递方法最好？ ·哪种预测方法最好？ 因此，渠道规划就是关于成型网络的执行规划。 渠道规划的基本方法包括使用计算机模拟物流渠道。这类仿真器精确模仿特定网络内订单和产品的流动。生成订单的模式类似于公司的实际情况。已知渠道的设计情况、执行程序和政策、运输服务、客户服务政策，跟踪产品通过渠道的过程就可以满足模拟的订单模式。通过模拟可以得到有关销售、成本和提前期的统计数字。这样仿真器生成的有代表性的总结信息,通过改变某些因素，如预测销售代理的方法、运输代理方式、库存代理控制政策和订单履行代理方式，就可以估计出渠道设计以有效方式满足客户需求要求的程度。
供应商 补货信息 运输 运输 工厂 补货信息 运输 仓库 运输 补货信息 运输 运输 客户 图 多层级物流渠道 ,运输规划 运输规划是物流战略规划中第三个重要问题。虽然运输方式的规划已经包含在网络构造和渠道规划程序之中，但自有车辆的运输路线和时间安排决策并不包括在内。这类问题有应该安排哪辆车在什么地方取货和送货、停靠各站点的顺序是什么样的。这方面运输计划的制定在第十八章已详细描述过。以前由于没有一种有效的、一体化的模型可以解决物流系统的规划问题，所以常常需要将复杂的问题分解成若干部分。实际上，这就意味着分别解决设施选址问题、库存政策问题和运输规划问题，再利用递推的方法将某一项分析的
结果用做另一项分析的输入信息。这就需要基于多层代理技术的供应链计划系统来处理这样的过程，可以很快地对更综合的问题得出满意的答案。 第四篇 总结 第十八章 APS的软件公司介绍 现在,无论是ERP供应商或者是APS供应商，都采用各自的策略在自己的产品中加入与完善APS功能。如：或自行开发APS模块、或并购1个或多个APS供应商，将他们的产品改造装入ERP套件中；或与一个独立的APS供应商形成联盟关系，将其APS产品装入到ERP套件中来等等。 ERP供应商建立自己的APS模块形成APS与ERP的无缝集成是最好的方案。近2年来，几乎每个外国的ERP软件，无论是买的还是自己开发的，80%有了与之集成的APS引擎。如SAP 有了 SAP APO (Advanced Planning and Optimization), Baan 有BaanSCS (Supply Chain Solutions), Oracle 买了ILOG的产品, PeopleSoft 购买了Red Pepper，而JD Edwards 则买了Numetrix。Fourth shift 集成了APS工厂软件,开发DeamStream支持供应链的优化.Symix等中型ERP供应商也集成APS,以适应市场需求. APS具有的模块 一般APS软件都由5个主要的模块组成：需求计划、生产计划和排序、分销计划、运输计划，和企业或供应链分析等。 需求计划模块：用统计工具、因果要素和层次分析等手段进行更为精确的预测。用包括Internet和协同引擎（collaboration engines）在内的通讯技术帮助生成企业间的最新和实时的协作预测。 生产计划和排序模块：分析企业内部和供应商生产设施的物料和能力的约束，编制满足物料和能力约束的生产进度计划，并且还可以按照给定条件进行优化。各软件供应商根据不同的生产环境应用不同的算法和技术，提供各有特色的软件 。 分销计划模块：帮助管理分销中心并保证产品可订货、可盈利、能力可用。分销计划帮助企业分析原始信息。然后企业能够确定如何优化分销成本或者根据生产能力和成本提高客户服务水平。 运输计划模块：帮助确定将产品送达客户的最好途径。运输计划模型的时标是短期的和战术的。运输计划模块对交付进行成组并充分利用运输能力。 企业或供应链分析：一般是一个整个企业或供应链的图图示模型，帮助企业从战略功能上对工厂和销售中心进行调整。有可能对贯穿整个供应链的一个或多个产品进行分析，注意和发掘到问题的症结。
ILOG公司-高级计划引擎产品介绍 ILOG 是 成立于1987法国,是开发和市场优化和可视化软件.它的产品被几千个开发商和几万个用户使用.包括通讯,制造,运输,国防等其它行业 .如许多著名软件供应商均使用它的套件:SAP,Oracle, I2, Manugistics, Siebel 等公司. ILOG 软件产品: (1), 可视化套件:提供一套工具通过视窗加强用户接口开发.此套件对专业应用程序C++和Java使用业务图形对象(BGO)开发.它易联结所有流行数据库的业务对象.使使用户开发时间减少35%到85%. (2), ILOG 优化套件: 是客户开发的强有力的资源优化,排程,后勤和计划的应用程序.它包括从CPLEX到线性规划.在约束规划里的领先的优化引擎.优化的业务可以实时的,动态的处理业务. (3),ILOG 业务规则: 允许智能代理开发实时监控数据流.它用于网络管理,流程控制,监测非常业务.他是规则引擎可以用业务规则无缝集成Java 应用程序. ILOG 产品套件广泛用于网络管理,客户服务,财务分析,贸易,后勤,维护计划,人事计划,运作和生产计划排程,过程控制和系统设置等. 领先的供应链管理的公司I2 选择了ILOG的Jview 产品.处理它的RHYTHM产品的计划员模块基于Web的用户接口. 第二大软件公司Oracle也选择ILOG的OEK(优化扩展组件)优化套件来处理基于Web的Oracle APS 方案包括高级供应链计划和高级制造计划排程.
第一大ERP软件供应商SAP 用ILOG的产品处理SAP APO产品提供SCM方案. 用ILOG ODF(优化开发框架)产品处理SAP APO优化的行业方案-无缝连接现有的APO,加强APO的客户化你的制造和计划过程. I2 公司及其产品介绍 1988年，德州仪器人工智能实验室的Sanjiv，在达拉斯一个简朴的两居室公寓里创立了I2，软件设计思路源于对美国F-16战斗机全球配件供应商的数据计划和分析，并于1989年开发出”采购计划故障最小化方法”软件产品。当时这一领域属于市场真空状态，没有一种软件能够像I2一样，可以考虑到企业的有限能力而去制订生产排程。I2打破了原有ERP或者MRPII中”生产排程计划”建立在无限大能力之上的弊端。一个不大不小的软件一跃成为炙手可热的市场宠儿。公司所获得第一个客户-美国TimKen钢铁公司，项目完成后不久，即被《华尔街日报》评定为I2为TimKen节约了3000万美元成本，随之震撼了整个市场，Armco钢铁、柯达、福特汽车、麦当劳等一批重量级客户开始关注并使用I2产品。 美国 I2 技术公司是世界领先的提供有关全局供应链管理（GSCM）中智能规划与调度的软件供应商，其 RHYTHM 系列产品能够为跨越企业间的供应链计划与调度提供综合智能支持，并且能够有效地优化和快速集成整个供应链上的各个系统。此外，它还可采用基于 Internet 的通信方法实现企业间的通信。第一个软件产品是Factory Planner，最初在金属工业中取得很大成功，目前i2为汽车、消费品和高科技工业提供各种优化B2B流程的软件模块。最近，i2推出一套新的解决方案TradeMatrix，提供公共和私营电子市场所
必须的软件和服务。i2在2000年与Aspect Development公司合并，并与IBM和Ariba结成了伙伴关系。 (1),Supply Chain Strategist(供应链战略)：支持整个供应链上的"what-if"战略分析，决定生产地点、分销中心和其它设施的最优组合和定位，根据不同方案建立有关成本和约束的物流模型。 (2),Demand Planner(需求计划): 提供各种统计方法，随机因素的包含，以及不同组织单位的多输入管理。提供POS(销售点)数据集成并能以不同方式查看需求信息。此外，OLAP(在线分析处理)工具能有效存取有关数据，PRO(产品关系对象)模块支持相关预测的生成。相关预测是指通过对产品组的预测来导出单个产品的预测。 (3),Supply Chain Planner(供应链计划): 根据物料、能力、运输和顾客服务的约束建模和优化供应链。SDP(策略驱动计划)模块允许计划人员定义问题类型和应用适当的算法(如线性规划、启发式推理和基因算法)进行优化。 (4),Demand Fulfillment(需求满足)：生成约束驱动计划，提供所有分销和生产地点的成品、半成品、原材料和资源能力在整个供应链范围的可视性。 (5),Factory Planner(工厂计划)：根据需要日期向后排产或当考虑物料和能力约束时从当前日期向前排产来生成最优生产计划。在生成无限能力计划之后，有限能力计划由i2的专利产品Constraint Anchored Optimization(约束优化模块)决定，不过计划人员也可以通过分析能力短缺和执行“what-if"分析施加影响。 (6),Optimal Scheduler(最优排产)：建立基于基因算法的加工工序和排产计划。约束定义和优化算法的分开允许处理大量约束，这些约束包括车间能力，工作负荷平衡，物料可用性等等，此外，交互排产编辑器允许手动更改。 (7),Transportation Modeler, Optimizer and Manager(运输建模、优化和管理)：是支持分销计划流程的工具。运输建模帮助企业有效地利用它的运输网络，实际数据被用来做"what-if"分析。运输优化根据交付、设备和人力约束自动建立和发送货物，决定装货和交付时间，此外，它也考虑了成组约束和自动选择接驳(cross-docking)机会。最后，运输管理器执行和管理从订单到顾客服务和财务结算的整个运输流程活动。 为了使供应链伙伴之间能互相协作，i2还推出了TradeMatrix和Global Logistics Manager(全球物流管理)模块。TradeMatrix支持采购服务(如电子商务市场)、协作计划流程、谈判和其他B2B解决方案。全球物流管理模块是一个流程建模和监控系统，它提供多模式多企业物流运作的可视性，这一模块的功能包括：订单和库存的可见和跟踪，性能测量，失效报警和改进顾客服务。 Manugicitics公司与产品介绍 迈极公司是提出企业赢利优化（EPO）的方案,它的供应商关系管理和供应链管理可以减低成本的效果,而定价与收益优化则可以提高收入. 它的EPO解决方案结合了这两种力量，并集成了定价、预测、运作规划与执行等功能，可以帮助企业整体以及整个交易网络提升赢利能力。
全世界现有超过1,100家客户正在采用迈极的解决方案，其中包括财富50强中的一半公司，透过定价与交付来优化从设计到采购的供需网络，从而达到降低运营成本、改善客户服务、提升赢利能力以及加快公司发展的效果。 它的产品是一 套全方位的产品,可以在极短时间内设立和启用,以及带来效益。NetWORKS 产品以相辅相行的方式运作,发挥迈极的企业赢利优化方案、价格及收益优化方案、供应链管理、供应商关系管理等方案的优点。NetWORKS产品是一套完全开放的方案,跟企业 现有的应用程序相容及可以容易地结合,包括企业资源计划(ERP)系 统,交易系统,执行系 统,遗留系统,货仓管理系统及销售点数据等。 主要模块: 一, 网络设计和优 化 你 的 企 业 生 产 各 种 产 品 ,有 各 种 设 施 和 无 数 的 贸 易 伙 伴 。迈 极 网 络 设 计 及 优 化 方 案 帮 助 企业 对 供 应 链 网 络 和 利 用 网 络 的 资 产 ， 作 出 可 贵 的 策 略 决 定 ，以 确 保 整 个 供 应 链 网 络 ， 能 以最 有 利 的 方 式 满 足 顾客 的 要 求 。 制造计划与排程 你的企业的顾客要求更高水准的服务,而公司的财务目标则迫使公司提高制造业资产 的生产力和投资收益。迈极制造计划和排程方案提供端对端,多个地点制造计划和排程-- 从对定单的承诺到工厂进行制造.那些拥有多个生产设施及有委外(outsourced)制造地点的厂商,可以利用此方案制定优化的供应链计划，并且与工厂及外部供应商协同，进行 生产计划和详细的排程。 销 售 及 运 作 规 划 你 的企业 的 供 求 计 划 不 断 改 变。 企 业 的 销 售 和 行 销 、分 销 及 生 产 部 门 ，往 往 要 大 费 周 章 才 能 对最 新 的 供 求 计 划 达 成 协 议 。迈 极 销 售 及 运 作 规 划 方 案 为 企 业 保 持 满 足 顾 客 定 单 和 计 划 需 求 所 需 要 的 整 体 存货 和 制 造 产 量 水 平 ，协 助 公 司 维 持 供 求 平衡 ，同 时实 现 企 业 的目 标 ，如 提 高 盈 利 性 、生 产 力 、以 及 顾 客 服 务 水平 等 。 履 行 管 理 你 的企业 的顾 客 要 求 企业 在 正 确 的时 候 供 应 正 确 的产 品 。不 过，企业 的 财 务目 标 则 要 求 企业 减 少 存 货 水 平 。迈 极 履 行 管 理 方 案 提 供 全 方 位 的 分 配 方 案 ，优 化 存 货 的 状 况 和 流 动 ,协 助 满 足 顾 客 需 求， 以 最 高 的 收 益 优 化 。 协作性厂商管理存货 (Collaboratvie Vendor Manged Inventory (VMI)与CPFR 为了更妥善地平衡企业供应链的供求和优化效率，企业有必要和顾客及供应商进行更密切的协同，这也是企业要在今天充满竞争的商场立足的一个条件。迈极 提供企业所需要的各种策略与方案，包括实践VMI 存货计划，共用供求预测、进 行 联合促销规划、善用 n-Tier的CPFR无限量力 量等。我们的方案为企业提供透明度，以了解顾客的需 求，帮助企业改善对存货流动的管理，以及提供企业所需要的知识和技术，跟供应商、顾客建立协同过程。最重要的是，迈极提供的VMI 和CPFR方案，可以在将来与企业一起成长，让企业提高整个供应链协同的效率和提高盈 利。 智能中心iHub 公共市场不能为企业提供企业管理贸易网络所需要的控制、功能性及安全。 点对点的伙伴结合也证明不具伸缩性，而且不支援企业需要和伙伴建立的协同程
度。迈 极的智能中心(Intelligent Hub, 或iHub)是一项 私人贸易网络方案，旨在把 企业连接它扩大的贸易网络和提供透明度、异常事件监视，以及优化多层供应商和 顾 客的业务过程的功能。此方案减少在供应链各层次中出现的资讯延误及变形，以大大灭少配件短缺、交期、供 应链存货、以及协助改善按时的装运和获取收益。 维修服务与配件管理 迈极方案为企业提供必要的综合功能，有效地管理维修服务及配件业务。它 的各种功能，如统计数字预测、存货优化、多个地点有限生产功能调度等，确保企业以最优方式分配配件、可消耗材料、维修资源等，以应付各种己计划或无计划的 活动。 物流管理 在企业的全球贸易网络里，每天都需要运货。对公司来说，以最低的物流成 本为顾客提供他们所要求的服务水准，往往是一件不易的事。如果企业管理本身 的运输队的话，则要经常面对灭少运输队运作成本和提高资产利用的压力。迈极物流管理方案帮助配货商和运输公司管理多模式的全球物流工作。这个方案的特点包 括以下各项： -全球物流管理：以方案管理跨越边界和机构之间的产品及资讯的流动、分配。此方案可减少物流成本，同时提高收益、提升顾客服务、提供全球运货的透 明度及和符合进出口规定； -运输队管理：此周全的方案的功能是管理流动的资产，它能配合资产和需求，制定整体上货及交货时间表、维持及跟踪资产和配件的应用，以及提供对运 输的实时透明度和通讯功能； -散装物流管理：此方案为散装产品制定最优的补充和物流计划。它可预测个别层次的需求，根据存货制定订单、决定最好的运输程序、以及调度产品的运输时 间。 二, 供应链管理与企业赢利优化 赢利订单管理 一位顾客联络贵公司问道：请问你有我要的东西吗,而且以我需要的时间、适 合的价钱卖给我吗？迈极营利订单管理方案提供报价和获取订 单，同时提供时段 产品供应量资料和最优价格的功能。如果某个 产品或顾客的报价不 属于自企业现有合约中的顾客或产品目录，此方案可衡衡企业从订单中可获取的利润，和争取到 订单的可能性，而决定最优价格。至于包括在标准价格表上的产品，此方案可为多 种渠道和市场区段制定和更新数以千计产品的最优价格，以实现企业的目标和配合 市场的改变。 赢利需求管理 对企业来说，要平衡某种有限产品的供求 ，赚取最高的收益，往往是一种挑战。对全球的企业来说，有两种情况是司空见惯的。第一就是需求超越生产能力, 造成供不应求或生产能力瓶颈。第二种现象是：供过于求，导致成本上涨、宝贵 的生产力闲置。迈极的营利需求管理方案利用价格和产品的可供性，使供求达致最
优平衡。企业固有的目的是从需求中赚取最高的利润，不过企业为了达到不同的目 标，如提高对市场的渗透度或占有率而制定价格。 SAP的公司的APO产品介绍 . SAP作为第一的ERP供应商，提供一个称为SCOPE（supply chain optimization, planning, and execution）的产品，该模块与作为SAP核心的企业应用R/3集成，使得用户能够在整个供应链范围内优化性能和费用。其中ERP主要被用于信息集成，而附加的模块则被用于供应链范围内的决策过程和协调，主要提供供应链监控、预测、先进的计划和调度、ATP（available to promise）四个功能。 下 图示APO的技术架构 APO Collaborative Planning - Architecture C APO Collaboration ClientAPO Collaboration EngineO Internet Enabled Planning Books,Enhanced MAlert MonitorAlert Monitor, SAP OfficeMacros MInfoCubes and TimeSeries U N PlanningIBooks CAdminstration AComponent T Planning Book DesignerI O NL A Y E R APOOthers R/3抯抯 借助APO供应链管理解决方案中，您可以管理动态的、适应性供应链网络核心的复杂信息流，并用其执行协同供应链计划。 APO使您能够实现内部与外部供应链活动的同步，并实时执行计划和订单驱动式的供应链活动。可帮助您以及您的供应链伙伴更灵活地开展业务，并对市场上的变化迅速作出Internet / Intranet
响应。该产品可使您更全面地了解需求、库存和生产能力信息，并帮您优化计划与运作日程安排，使其与更全面的业务目标保持一致。 供应链APO具有以下特点: 1,一种集成化的整体理念，包含多个计划级别、计划模型与生产方式 2,一种端到端的解决方案，采用基于特征的预测、计划、排产和可配置产品的计划 3,针对特定行业的先进优化方法，包括针对离散元件厂商的多级供需匹配功能、针 对加工厂商的活动优化，以及针对汽车行业特性的优化 4,即插即用功能可以轻松集成您定制的优化工具和方法 为了使您更好地运用APO计划功能，供应链APO可与供应链执行系统轻松集成，包括企业系统和生产运输计划应用。这意味着您可以创建一个闭式循环线路，大大提高了网络功效，并且从定期计划转向受事件驱动的计划方式。您可以轻松地将供应链管理与非SAP系统及其它解决方案链接。例如，供应链管理可与客户关系管理集成在一起，从而可以验证所订购产品的可用性，简化推销活动的计划过程，并实现供应链运作与客户需求的同步。产品生命周期管理解决方案的集成，可简化产品的协同计划与设计过程，并使您能够管理从开发和生产到维护和更换过程中所有信息。 您可以设计高效的供应链，并为合作伙伴提供来自供应链的最新信息。您可以适应全球需求的变化，并遵循各地区的规范，从而真正地从全球范围出发对供应链进行管理。此外，您还可以持续地评估供应链基础设施的可能性与选项，以确保您的供应链能够始终保持最优化状态。 APO可以协同需求与供应计划功能有助于您实现供需平衡，并获得收益。供应链管理中的需求计划工具使您能够将项目的历史需求数据、相关因素、营销活动和销售目标考虑在内。您可以采用供应需求工具创建一个将采购、生产、经销与运输要求和限制因素考虑在内的总体供应计划，然后与供应链中所有合作伙伴共用该计划。数据的图形显示和向上向下挖掘能力确保了最大程度对整个供应链进行全面了解。 您可以对供需变化迅速作出响应。其部署能力使您能够轻松地重新平衡与优化经销网络。您可以使用销售与运作计划工具制订单一数字式的战略计划，以实现所有关键业务流程的同步。 您可以将客户服务目标、预测错误和供应量的变化考虑在内，以确定每个客户的最佳存货水平。另外，您也可以模拟各种供应链场景，以确定最佳的设计。 供应链管理APO的供需计划功能使您能够获得必需的预见能力，以实现与业务伙伴真正的协作。供应链中的每个成员无需等待信息传送，而可直接了解下游的存货情况与需求—直至最终客户。整个供应链可共享对单个客户需求所做的准确预测，以减少信息传递时的错误以及鞭长莫及现象，并有助于您降低供应链成本，提高客户服务水平。 凭借SAP APO供应链管理，您可以处理多种计划活动与方法，包括: 1, 供应商管理的存货 (VMI) 制造商可全面了解客户确切需求与存货水平，更好地执行补充计划。SAP APO供应链管理的优化与部署能力可全面支持VMI流程，并帮助制造商制订出如何向多个客户分配货物的明智决策。 2, 协同计划、预测与补充 (CPFR)
供应链管理支持CPFR模型，使制造商、零售商和经销商能对销售和订购量进行协作预测，联合制订计划与决策。该解决方案提供了系统间的连接，降低了人为干预的工作量。可配置的工作流有助于您及您的业务伙伴协同满足客户的预期要求，并降低行政管理的工作量。另外，通过与计划和执行系统的紧密集成，供应链管理APO支持从交易销售预测到生成订单以及监控执行情况的整个过程。 3, 协同供应管理 可以运用供应链管理APO对客户销量预测进行汇总，确定原材料与组件的总体相关需求。通过与业务伙伴共同确定物料需求，制造商可以更明确地制订供应商的生产能力计划，及早确定潜在的供应量不足情况，并对客户需求进行管理，以提高获利能力与客户服务水平。mySAP供应链管理解决方案支持从战略计划到详细的排产、执行和履约协调过程中的供应管理。 4, 运输管理 您可以利用供应链管理APO使承运商能够提前了解预测的运输量，从而更有效地制订运输计划。运输计划与车辆排产功能运用Web技术来支持运输投标，并实现对执行过程的密切监控。供应链APO管理的性能管理功能有助于您持续监控承运商的执行情况，从而持续改进业务运作能力。 5, 直接购置 供应链管理APO利用互联网采购功能监控生产物料的补充，并实现流线性采购流程。其自动化货源确定与补充功能可处理多个供应商。该解决方案还可使制造商在电子商业市场上发布需求信息，以接受多个供应商的竞标。 6,生产计划 生产计划与详细的排产能力支持离散性和流程性制造环境。基于约束的方法与优化技术的结合意味着在制订优化的计划与日程时将资源、物料以及相关性约束考虑在内。重复制订生产计划的组件支持高性能、高容量的订单顺序排产、生产线优化和准确的组件计划。此外，活动优化器可支持推送式生产。 7,性能管理 供应链管理APO提供了在线分析处理功能，可用于处理复杂的预测问题。您可以运用这些功能创建并管理多个预测、促销与预算计划。该解决方案的生命周期管理功能使您能够控制从产品推出到报废过程的计划与预测活动。促销计划能力使您能够估测营销活动的影响。 8,为成功而设计 为了帮您创建并维护一个高效、高响应能力的网络，mySAP供应链管理解决方案为您提供了强大的供应链网络设计能力。该解决方案使您能够确认与选择位置，优化网络，同时将需求与成本结构考虑在内。mySAP供应链管理解决方案可帮您选择供应商，重新设计经销与运输网络，并对现有的供应链进行评估与控制，从而找出并强化薄弱环节。 该解决方案为您提供所需的信息，帮您制订具有战略意义的供应链决策。此外，该解决方案有助于您解决关键问题，例如在何处开设或关闭工厂或经销中心，在何处生产特定的产品，或者如何抓住战略性物料供应机遇。总而言之，该解决方案可帮您回答一个最根本的供应链问题: “我们应在何处生产什么产品，以及如何以最佳的方式销售？” 供应链管理APO提供了用于模拟供应链设计变化的先进工具，使您能够制订与评估多种措施，并迅速了解设施位置或数量的变化对您的成本与收入目标产生什么样的影响。您
可以考虑或者不考虑生产约束而对各种选择方案作出评估，并根据最好或最坏的情况深入了解未来的供应链要求。 9,协同计划，共同获益 供应链管理APO使您能够充分利用将供应商的供应商与客户的客户联系在一起的供应链网络来制定协同计划。这样，您和您的供应链伙伴可以: 通过交易存货信息减少库存、更充分地利用资源，缩短周期时间，从而降低成本 通过更准确、更准时、更完整地执行订单，提高客户服务水平 通过缩短产品上市时间，更准确地平衡供需关系增加销量，从而减少库存中断现象 更全面地了解供需信息，对意外的需求变化迅速作出反应，从而提高响应能力 Oracle公司的APS产品介绍 Oracle APS高级计划与排程解决方案包括以下产品套件： －Oracle需求计划 －Oracle高级供应链计划 －Oracle制造排程 －Oracle全球ATP承诺 －Oracle供应链事件管理 下图是Oracle APS技术架构: Oracle Advanced PlanningE-Business planning solution: zero latency, real-time collaborationCustomersSuppliersInternetPortalPortalCollaborative PlanningCollaborative Collaborative ExceptionsExceptionsDemand PlanSupply PlanProcessSingle PlanMarketing AutomationForecastDemand PlanningAdv. Supply Chain Inventory OptimizationForecastGlobal Order = hoursForecastDemand Planning ProcessSupply Planning Process
1,需求计划 需求计划是一种基于互联网的解决方案,它能建立和管理预测,它的主要功能包括: －基于互联网的结构 －协作的需求计划 －具有统计性的预测 －专家系统 －合并性 －多维分析 对需求灵活响应的第一步是理解它,在电子商务虚拟供应链中管理需求,需要一种工具来了解需求的来源,作出预测,管理需求计划进程，并协调所有需要进入需求计划进程的内外资源。 需求计划提供了这种工具来帮助您管理各地区、各行业、各用户提出的需求,它建立于多维结构上,不需重组数据便能进行多维分析。它完全以互联网为基础,让使用者的成本降至最低,并通过浏览器界面进行协调。它有极强的统计预测能力来生成需求预报,并对统计预测的准确度进行控制。 2,高级供应链计划(ASCP) 管理虚拟供应链需要不同的系统,而不仅仅是只能管理老的,垂直集成的企业的系统。高级供应链计划提供: －编制基于约束的优化的供应链计划 －全球化的可视性供应链计划 －加速计划周期 －提供企业间同步性计划 －加快投资回报 是以基于内存的计划技术和供应链模式为基础的一整套计划方法和工具,它能优化虚拟公司的信息流,物流和现金流。其功能、特点主要包括: －分布式的计划服务器 －集中和分散的计划 －净改变计划 －整体性的最优化,计划和日程安排 －为混合模式的制造业提供高级供应链计划 －集成的绩效管理 －高级的计划模拟性 －良好的图形界面 －基于互联网的协作计划 ASCP是已被证实过的技术,它是Oracle第三代基于内存作出计划的技术,也被行业领先者证明是最优化的供应链计划套件。Oracle ASCP支持混合模式的制造,能同时为所有的制造类型作出计划,其中包括流式制造和项目制造。Oracle ASCP是唯一能为复杂环境作出计划的系统,例如从航空国防业到流程制造业。
3,制造排程 车间层的制造排程计划可以随同Oracle的ASCP高级供应链计划一起产生。Oracle制造排程是一种全面的车间层的排程工具,它能根据约束条件让车间管理者以图表的方式查看和重新安排车间作业计划。它通过一个可视的图表(甘特图)来表示出车间层作业,并能通过交互拖拉图表来重新安排这些作业。您在提高生产率,灵活性和反应能力的同时,便能使生产能力和产量最大化。 制造排程包括以下特点: －基于互联网的结构 －制造排程工作台 －交互式的排程 －优先级优化制造排程程序 4,全球ATP(Available To Promise)承诺 通过Oracle ATP服务器，您能在全球范围内集合所有的事物处理系统,得到完整供应链的供应和需求信息,这其中也包括您的虚拟供应链中的主要供应商和其他的商业伙伴。当您无法自己完成客户需求时,您能通过整个供应链查询所需的所有组件和资源，以弥补自己的能力来满足客户的需求。Oracle APS 扩展了订货承诺的能力,它使订货承诺更快,更准确,更灵活,其功能包括: －基于互联网的协作性的订货承诺 －全球化的订货承诺 － 多层供应链的有效性 － 可供货能力承诺（ATP） － 可用生产能力承诺（CTP） － 可发货能力承诺（DTP） 5,供应链事件管理 处在供应链上的企业，由于各种原因往往不能协调一致地执行供应链计划，也就是说会不断有例外事件产生，在这种情况下，Oracle供应链计划会自动检测到这些信息，快速给出新的解决方案，并在网上向各企业通报这些例外信息。Oracle供应链事件管理主要功能有： － 管理跨企业间的例外信息 － 快速识别和解决例外事件 － 通过工作流快速处理这些事件 － 评测供应链的运行品质 － 依次通报相关事件 － 使供应商快速查询到他所供货库存的库存状况 它的特点是对计划和排程进行全面的优化,能够为虚拟企业在同一时间对所有资源进行计划、排程和最优化管理。 System Molding (SM)系统建模公司的APS (Tempo)
Systems Molding (SM)系统建模公司的成立于1982年,是一个具有丰富经验的有限能力排程(FCS)的专业供应商,主要面对中小型企业的APS软件.它的高级计划排产（APS）利用用于定义产品/加工过程设计的常用主数据，进行产品成本或工作成本估算，计划物料和能力，报告实际活动，并跟踪生产状况来进行排产。一个电子版的计划表是APS的中心，有下拉式列表来获取更详细数据，如定单、资源和运行细节信息。可以用APS为多种制造环境建模和制定时间表，因此你可以把它应用于供应链，优化资源利用，并为承诺和交付定单提供客户服务。 APS考虑到生产工作量，日常数据和来自于工作中心能力、物料可用量的制约，从而生成一个现实可行的时间表来满足你的目的。可以进行多种模拟，然后比较它们实施的特点，如工作的延迟和利用。 基于当前生产工作量和你的时间表目标，为一个用户定单或报价单决定最快的可能出货时间。例如，你可以把所有一切从计划表中删除，然后计划最重要的定单，然后在计划剩下的定单。
APS可以把工作流的次数减到最小并把产出量增到最多，这样就可以减少在用的库存。通过恰当的排序和重叠运行设备，可以最少化调整。使用瓶颈计划能力来确定你的瓶颈工作中心即在计划其他工作中心之前,使瓶颈工作中心已经满负荷。 与ERP相整合 在一个主数据库中保留数据来支持ERP和APS，并去除重复的数据。APS利用用于定义产品/加工过程设计的常用主数据，进行产品成本或工作成本估算，计划物料和能力，报告实际活动，并跟踪生产状况来进行。下载物料清单/资源清单和定单数据到APS来计划目标，然后上传最佳计划到ERP,然后应用于你的供应链来满足需求。例如和四班ERP的实时集成.把 ERP功能延伸到为供应链中的生产活动模拟，从而决定可能完成时间和生成每个级别的工作量的生产时间表。 APS利用Microsoft技术平台来确保正在发展的可兼容性和连续性。使用Crystal Reports可以编制出自定义的报表。可以用Microsoft Access增强APS功能，它能使你从屏幕标签中增加或定义字段。 APS的的灵活性缘于Fourth Shift可以在不同制造商的供应链中建立生产活动的模型。物料和物料清单，资源和资源清单，为建立生产标准产品和客户产品的活动的模型提供了基础。 APS能通过使用生产活动模型和你在制定时间表的目标中给出规则计算出一个有限制的时间表。以下是四个制定时间表的目标和预先定义的规则的例子： 制定时间表的目标 典型规则 预先定义的任务优先级 最高优先级定单 最少工作延迟 最早完成时间，最少闲散时间，关键率 最少任务加工时间 最少工作剩余 最大设备使用率 对于序列的最少调整次数 APS功能提供了向前的有限计划，向后的有限计划和瓶颈的双向制定计划方式，基于算法的方式来计划定单或者基于模拟的方式来计划使用工序。还可以使用混合的方式；例如，向前有限计划就是先制定最重要任务（组）的时间表来最小化它们的延迟时间，然后再给剩余的任务制定时间表来最小化加工时间。APS可以有选择地把物料作为约束来制定时间表。 Thru-Put Technologies公司的APS Thru-Put Technologies 是一家业界领先的为复杂制造商提供高级计划与排程/供应链计划解决方案的供应商。Thru-Put的产品和服务能使生产型组织通过提高准时交货率同时降低库存、周转时间和赶工成本来增加利润率。Thru-Put Manufacturing ，旗舰产品系列，通过为复杂的供应链问题提供简单但一流的解决方案在市场上独树一帜，这意味着较短的执行周期和快速的投资回报。Thru-Put的产品支持因特网应用，容易与最主要的ERP
系统和业务系统集成。Thru-Put的产品建立在约束理论基础上，约束理论（Theory of Constraints, TOC）是由TOC的先驱和“目标（The Goal）”、“干草堆综合症（The Haystack Syndrome）”的作者Eli Goldratt博士创立并发展的。根据约束理论的原则，运作是一条相互依赖的资源链，只有小部分因素—称之为约束—控制整个运作的结果。认识到这种相互依赖关系，可帮助企业面对复杂问题实施由约束理论发明的简单、一流和易于理解的解决方案。Thru-Put Manufacturing 5 可以使公司应用约束理论管理其运作。 从长期的战略到详细的物料、产能和生产车间排程，Thru-Put Manufacturing 5的先进计划能力即使面对最复杂的运作也能给出方案，而且很快。 －优化物料计划和资源安排的信息及分析 －可靠的约束识别、分析和管理 －内部与外部的供应链管理 －易与公司现有系统相结合 －可定制报表 －支持web浏览器 －强劲的企业级软件套装
Thru-Put Technologies的Manufacturing 5能帮助你的公司获得在当今复杂的商业环境中所需要的竞争优势。Thru-Pup Manufacturing 5作为一个功能强大的先进计划与排程解决方案，能帮你对不断变化的商业环境和顾客需求做出快速反应。Thru-Put manufacturing 5 基于普通常识性的方法管理物流，识别、管理和改善生产中的瓶颈或“约束”。因为软件能够适应你们的运作需求，所以对于大多数的以制造为中心的公司来讲是十分理想的。Thru-Put 的解决方案可单独使用，也可以与公司业务解决方案以及单点方案如后勤、分销、定单管理及其它功能产品结合使用。Thru-Put Manufacturing 5 包含的集成的软件模块家族包括： Thru-Put 同步引擎：Thru-Put的旗舰产品，帮助制造商显著改善他们的计划过程以更好地回应市场压力。它同时也通过分析整个制造过程中存在的约束，来产生经过能力测试可被执行并能满足公司的业务目标的计划与进度表。 Thru-Put客户服务工作台：支持“可实现承诺”与“有能力承诺”的功能，帮助你的公司提高按期交货率。当客户通过电话定购，定单管理人员可以决定供应链上是否有原料、是否有能力去满足顾客的需求。同样，客户服务工作台供应链（Customer Service Workbench Supply Chain）功能上也适用于多工厂。 Thru-Put 策略计划器：通过对不同的制造策略的假设分析（what-if）和情节分析使中期或长期计划简单易行，它包括对利润率要素的影响如产品混合、需求、资产的利用和能力的改变等。这个系统还提供给主管由Thru-Put同步引擎所产生的当前计划的财务预期。 Thru-Put DB-UTIL：一个标准的集成工具箱，用来快速具体地整合MRP/ERP系统和Thru-Put Manufacturing 5，Thru-Put DB-UTIL 识别并纠正MRP/ERP数据中的错误，同时加速Thru-Put Manufacturing 5的实施，这样就能缩短实施周期，快速达到目标结果，实现更好的投资回报。使用Thru-Put DB-UTIL, 公司可以通过中间文件从现有的MRP/ERP系统中导入数据，或通过应用编程接口与Thru-Put Manufacturing 5无缝集成。在取得资料后，Thru-Put DB-Util进行数据的完整性、有效性检查，并存储在Thru-put Manufacturing 5 自身的数据库中以确保更为准确的物料计划和资源排程。 Thru-Put 性能分析器：Thru-Put 性能分析器是一个供高级经理使用Thru-Put Manufacturing 5 的支持WEB浏览的性能监控工具，通过给相关工厂经理和物资主管提供针对生产过程有效运作的度量值，将鼓-缓冲-绳子（DBR）由车间提升至管理层，并给客户最大程度的利润。 Thru-Put 报告：为有效沟通与执行提供查询与报告，传递有关最新计划的信息。提供广泛的过滤选项以便用户可以快速获取所需信息。可定制报表以满足特殊需要。 体系结构：Thru-Put Manufacturing 5是一个客户/服务器解决方案，运行的数据库来自Microsoft、Oracle、Sybase、Informix或ODBC支持的其它供应商。数据库存储用来计划、排程和控制的车间级数据，运用行业标准协议连接多个车间级数据库实现内部供应链的功能。Thru-Put报告和客户服务工作台是建立在瘦客户端结构和WEB浏览器技术上，支持高度灵活的分布式计算环境。 国外主要APS软件供应商清单 1. Acacia Technologies 2. Advanced Planning Systems
3. AutoSimulations 4. Berclain, Ltd. 5. Bridgeware ,Inc. 6. C-Way Systems 7. Chesapeake Decision Sciences, Inc. 8. Distinction Software, Inc 9. Enterprise Planning Systems, Inc. 10. Fygir 11. i2 Technologies, Inc. 12. ILOG 13. Logility ,Inc. 14. Manugistics, Inc. 15. Numetrix, Inc. 16. Ortems,. 17. Oracle APS 18. Paragon Management Systems,Inc. 19. PeopleSoft-Red Pepper 20. Pritsker Corp. 21. ProMIRA Software Inc. 22. Preactor International 23. Scheduling Technology Corp. 24. ShivaSoft ,Inc. 25. SynQuest, Inc. 26. Systems Modeling Corp. 27. SAP APO 28. Taylor Manufacturing Systems 29. Thru-Put Technologies 30. Tyecin 以上资料来源于AMR.仅供参考.
第十九章 APS的未来之路 新一代令人兴奋的APS系统产生了，它使得供应链网络优化计划与工厂的优化计划排产集成在一起,产生一个全局优化的可执行的计划,来满足需求和供应的快速变化。它也解决了批处理和多途径问题。客户的订单一到达即可进行处理，利用完美的时序逻辑精确的计算承诺日期，并且可以连续的更新物资计划。这些发展说明由系统批处理指令引起的响应问题和错误优化已成为过去。 高级计划算法 为了适应越来越复杂的供应链系统,许多数学的方法,尤其是非常规的数学工具已经广泛的运用了.其中一些方法已经取得令人激动的进步.Teti(1997)列出了高级算法的清单,分别总结了他们各自的应用领域,包括设计,规划,生产排程与执行活动. 1.专家系统(知识库) Expert System (Knowledge Based System) 2. 图案识别Pattern Recognition 3. 图论Graph Theory 4. 模拟理论Similarity Theory 5. 优化理论Optimization Theory 6. 博弈理论Game Theory 7. 时间系列分析Time Series Analysis 8. 波形分析Wavelet Analysis 9. 计算机展望Computer Vision 10. 自然语言处理Natural Language Processing 11. 知识表示Knowledge Representation 12. 启发式搜寻Heuristic Search 13. 基于约束的搜寻Constraint Based Search 14. 自信理论Confidence Theory 15. 定性推理Qualitative Reasoning 16. 推理技术Reasoning Technologies 17. 机器学习Machine Learning 18. 机器证实Machine Proving 19. 多层代理逻辑Multiple-Valued Logic 20. 模糊逻辑Fuzzy Logic 21. 人工神经网络Artificial Neural Network 22. Petri 网络Petri Networks 23. 免疫网络Immune Networks 24. 基因算法Genetic Algorithms 25. 人工生命Artificial Life 26. 联合记忆Associative Memory 27. 黑板结构Blackboard Architecture 28. 多层代理系统Multi-Agent Systems
29. 非经典控制理论Non-Classical Control Theory 30. 运算研究Operations Research 31. 系统工程System Engineering 32. 模拟的磨练Simulated Annealing 33. 组合数学Combinatorial Mathematics 34. 分数理论Fractal Theory 35.模糊理论 Chaos Theory 在实际应用中,这些算法通常是互相结合起来处理计划,设计,过程控制和系统集成,为复杂的供应链系统提供新的解决方案. 基因算法 采用生物基因技术高级算法,处理日益复杂的现实世界,也是人工智能上,高级约束算法上的挑战. 基因算法是一种搜索技术，它的目标是寻找最好的解决方案。这种搜索技术是一种优化组合，它以模仿生物进化过程为基础。基因算法的基本思想是，进化就是选择了最优种类。基因算法将应用APS上，以获得“最优”的解决方案。 在所有高级算法中,基因算法是当前人们理解最少的一种方法，还需要进行大量的基础研究。在许多方面，基因算法之父是Charles Darwin, 而基因算法的基本思想可以回溯到1859年他所写的《物种起源》一书。在1957年，Box 写了一篇题为“ Evolutionary Operation: A Method of Increasing Industrial Productivity ”的论文，在其中将进化与工业相关联起来。而最有影响力的基础论文可能要算是 Bremermann 在1962年所发表的“Optimization Through Evolution and Recombination “。 基因算法在确定要群集到一起的数据组方面做得非常不错，因为它们是最适合的成员。基因算法实质上是一种两步算法。当数据被预处理成一种编码表示（可以认为是个体的“染色体”）之后，将应用一个适应函数。基因表示或染色体通常是其数据的二进制表示。在第二个步骤中，将应用一个运算符，以改变染色体。 在第一个步骤中，适应函数标识出“最适合”的个体。如果把基因算法用于对数据分类，则适应函数将标识出最适合于分到某一组中的个体。适应函数是可以标识某些元素比其他元素更合适的任何函数。当数据集处理之后，将把适应函数应用到每一个数据点或“个体”，以确定它对给定函数的“适应性”。如果把基因算法用于群集数据，则适应函数将测量集合中数据的匹配程度。集合中最适合的成员将被选择，对它们执行运算，这个运算在生物学术语中表示交配（ mating）以创建下一个循环或“下一代”。 在第二个步骤中，将应用一个运算符，创建下一代的染色体。用于选择下一代染色体的典型运算包括交叉和变异。它们都是对生物世界中事件的模拟。例如，一个群组的特征用二进制格式编码，并且群驵中有二个成员具有（11010001）和（01011011）的特征或“染色体”。通常，将把运算符应用到最适合的成员上，以产生子染色体。使用交叉运算，当建立“子”染色体时，两个“父”染色体中之一的基因将移动到另一个父染色体上。把交叉运算应用程序两个父染色体上，可能会产生二个子染色体（01010001）和（11011011）。通过变异运行，还可能在子染色体中发生一个随机变化或变异。例如，第一个子染色体可能变成（01010101）。运行符产生下一代的子染色体。
接下来将按照适应性次序，对交染色体继续应用运算符，直到创建了新一代。这时将使用一个算法，用新的群组替换老群组，直到满足某个目标。除非满足了停止准则，否则为交配将继续选择最适合的染色体重复这个过程，通过交叉和变异创建下一代。 约束计划(Constraint Programming) 过去的几年,约束计划的开发已经吸引各个领域的专家的高度注意,因为,它是有潜力解决现实中的非常难的问题.不仅基于很强的理论基础,而且,也广泛吸引商业利益.特别是在对变异的建模优化与满意问题.并不奇怪,它一直是被Association for Computing Machinery(ACM) 计算机器的协会说定义为作为计算机研究的战略方向之一.然而,同时约束计划(Constraint Programming) CP仍然是最少了解的技术之一 约束计划反映仍还在圣杯中追寻的计算机科学的最现代的方法之一, 约束规划的求解技术可分为: 1,约束满意问题(Constraint Satisfaction Problems) 2,约束最优化问题(Constraint Optimization Problems) 3,超约束问题(Over-Constrained Problems) 4,约束解题(Constraint Solving) 虽然,在现实中,APS的约束计划已经广泛的运用了.但是,也有没有涉及到的领域和它的局限性. 无论是从理论,还是实际的观点,约束的定义使问题可追踪性是非常重要的,然而,大部分约束计划解决难题的方法的有效仍然是不可预测的.何时,如何使用约束.直觉通常是决策的最重要的部分.由约束系统的使用者来定义大部分的问题是一较稳定的约束模型. 甚至在程序里或在数据里的较小的改变能导致性能上戏剧的变化.不幸的是,为稳定执行多样的数据导入的性能调整是目前还未较好的掌握. 有时,盲目的快速搜寻就象按时间顺序后排是比一些复杂的约束繁殖更有效.在许多约束模型里,较特别的问题是成本优化.有时,它是对改善起初的方案是非常困难的.且一些小的改善就会花去很多时间.有在”任何时”的方案和”最好”的方案之间交替选择. 约束计划可以能动态增加约束,但是,他们不支持在当前变化的环境下所需要的联机约束.大部分时间里,约束系统产生的计划是可执行的.除了机器故障,延迟的计划等,.这是需要快速的重排计划或提高当前的方案来解决未预料的事件.再着,也有在通常较紧的计划,优化的方案和可以吸收较少差异的,稳定的,次优化的方案之间交替选择. 当前,APS的约束满意系统的缺点标志着未来研究发展的方向.建模也许是最重要的方法之一.现在已经开始使用全局约束,编入更有效的软件包.(如所有不同的约束).更加重视建模语言来表示约束问题.目前,大部分约束计划CP软件包里,要么是用程序语言的延伸(CLP),要么是用传统的程序语言库(ILOG Solver). 约束建模语言有点象高等代数被简化为约束描述.可视的建模语言被用来可以从可视图形来产生的约束计划(VisOpt VML) 从较普遍的观点来看,可视化的技术越来越流行,他们帮助定义系统的瓶颈.实际上控制的研究可能是约束计划中最少的发展的部分之一. 各种约束解决方法的交互的研究是最具挑战的问题之一.混合算法结合各种约束技术是研究的结果.另外,还有较吸引的研究领域是解决协同和对应的结合的理论.约束满意技术
和传统的OR(Operation Research)方法如整数规划是另外的挑战.研究平行和并行的约束计划已作为提高效率的重要方法,在这些APS系统里,多层代理技术也许是最有前景的. 许多约束规划所解決的问题都属于NP-hard组合优化难题，因此如何判断出问题是否可以解決是相当关键性。此外，求解之速度也是必须要考虑的。约束模式的稳定性是一般约束规划使用者最共同的问题，亦即当规划程序或数据稍作更动，往往会引起演算效率极大的差异.如何选用适合的约束滿意技术來解決特定问题也是另一个重要的内容.目前尚无法支持在线的约束求解(online constraint solving)功能 如何建立约束规划模式(modeling)仍然扮演相当重要的角色;目前大部份的约束规划套裝软件都是以程序語言编写或是程序庫(libraries)所组织，如ILOG SOLVER.约束模式语言如能以可视化技术(Visualization Techniques)來了解搜寻过程，将可协助找出系统的瓶颈；这种以可视化來掌握搜寻的技术將是未來的一种选择.鸡尾酒演算法(hybrid algorithm)综合各种解決技术,将会是未來研究的内容。结合传统作业研究技术，如整数规划、组合最优化技术，将是另一个研究的挑战。利用多层代理人技术(multi-agent technology)以平行及同步约束求解法将可改善其求解速率。 基于多层代理技术的高级计划 全球化的竞争和客户需求快速的变化迫使制造组织的生产类型和配置发生变化.传统的集中化的和顺序的计划,排程和控制机制已经逐渐缺乏灵活性来响应生产类型的变化和极为动态变化的产品需求.传统的方法限制了企业的扩展性和重配置的能力.传统的集中式的层级组织也许会因为一处的失误导致多个系统的瘫痪以及脆弱的计划和响应过度.代理技术提供了自然的方法克服这些问题,设计和实施分布式的智能供应链环境. 近来,代理技术已经运用在企业集成,供应链管理,制造计划,生产排程和车间控制,物料的处理和整子制造系统. 需要下一代计划系统 21世纪的制造企业面临的市场频繁的变化,新技术的涌现,竞争的全球化使得企业战略也支持全球化竞争.新产品的革新和引进,快速市场响应.下一代的企业计划系统将加强时间导向,但仍然集中在成本和质量.它将满足以下基本要求: • 企业集成: 为了支持全球化竞争和快速市场响应,单一或联合的制造企业必需集成相关的管理系统(采购,订单,设计,生产,计划和排程,控制,运输,资源,人力,物料,质量等和网络的合作伙伴. • 分销组织: 通过对分销组织,分销知识库系统有效的集成,将需要把需求管理直接集成到资源和能力计划与排程. • 非协调环境: 这种系统将需要适应制造和信息环境下的变异的软件和硬件. • 互动性: 非协调信息环境可以在不同的计算机平台使用不同的程序语言,不同的表示语言,不同的模型运作.在这种不协调的环境下的子系统和组件应该是以有效的方式互动.并有能力翻译和其他能力的互动. • 开放和动态结构: 可以动态的集成新的子系统(软件,硬件或生产设备),加入,取消已存在的子系统,不用停止和重新初始化的工作环境.这就需要开放的,动态的系统结构.
• 合作性: 企业将需要完全的和供应商,合作伙伴和客户的物料供应,零件装配最终产品等等.这种合作必须有效的,快速反应的方式. • 集成人事,软件,硬件: 人和计算机需要集成在一起共同的工作.在产品开发和整个产品生命周期的可变的平台上.快速存取需要的知识和信息 . 信息源的不协调必须集成这些需求和加强系统的决策能力.双向通讯环境需要允许有效,快速沟通在人和计算机之间来促进他们的互动. • 敏捷性: 值得重要注意的是减少产品周期,更快速响应客户需求.敏捷制造有能力适应快速的,连续的,未预料的变化.在全球化竞争的制造战略上,它是关键的一点.为达到敏捷性,制造设施必需有能力快速重配置和非协调系统和伙伴的互动. • 可扩性: 可以根据组织需要增加资源.在任何层次的工作节点都可以得到. 资源的扩展可以在不需要中断以前建立的组织的情况下. • 容错性: 系统应在系统层和子系统层上容错.以至于查出和重新查出任何层次的失误.并且最小化它们的影响. 基于代理的智能制造 人工智能的技术AI已经用于智能制造二十多年了. 然而,在新的领域分布式人工智能(DAI)的多层代理的近来发展已经带来新的趋势.于是,在过去的十年,研究者已经把代理技术集成到制造企业和供应链管理,制造计划,排程和执行控制,物料的处理,和库存管理以及开发新的生产类型系统如整子制造系统.(Holonic manufacturing systems). 在分布式智能系统中,代理可用于: • 压缩存在的软件系统来解决遗留问题和通过网络集成制造企业的活动如设计,计划,排程,模拟,执行和产品分销和那些供应商,客户和合作伙伴. • 反映制造资源如员工,生产单元,机器,工具,装置以及产品,零件,操作来产生制造资源计划,排程和执行控制. • 建立特别服务模型如代理命名服务和企业调停,提供注册和管理服务.在其他代理中促进代理和调停代理来帮助沟通,合作,协调;数据库代理和信息代理提供信息管理. • 把排程器或计划器集成到制造计划和排程系统. 代理和自治代理和基于代理系统 Jennings and Wooldridge的定义:”代理是某些环境里的计算机系统.在此环境里,有自治行为的能力以达到设计目标”.一个自治代理应该有能力采取行动.无需人或其它代理的介入,可以控制自己的行为和内部状态.基于代理系统意思是使用这些代理的抽象概念. . 智能制造的基于代理系统 企业集成和供应链管理 企业集成是组织每一个单位将可以存取相关的信息.将理解怎样行动影响组织的其它部分因此,有能力选择可替换的,优化的组织的目标.制造企业的供应链是一个世界网络包括供应商,工厂,仓库,分销中心和零售.通过网络购买原材料,加工,交给客户.提高供应链管理是
增强企业竞争地位和赢利的关键战略.结果是企业正在转向更开放的结构,即在供应链网络里集成供应商,客户和伙伴.基于代理的技术提供这一自然的方法来设计实施这些环境. 制造计划,排程和控制 计划是选择和排序的活动的过程.如他们达到一或多个目标和满足一套约束.排程是在可替换的计划之间选择,分配资源和时间的一组活动.这些分配必需遵守一套规则或约束.来反映现实的关系即在共享资源的在活动和能力限制之间.这分配还影响最佳的排程,用各种条件如成本,延迟或产销量.总之,排程是一优化过程.在平行和顺序活动之间分配有限资源. 制造排程是一困难的问题.特别的在开放的,动态的环境下发生.排程问题已经用很多方法研究:启发算法,约束繁殖技术,约束满意,模拟磨练,禁止搜寻,基因算法,神经网络等.代理技术近来已经被用来解决这类问题. 整子制造系统(Holonic Manufacturing Systems ,HMS) 整子系统的基本构件是整子(Holon).Holon是从希腊语借过来的,人们用Holon表示系统的最小组成个体,整子系统就是由很多不同种类的整子构成.它的最本质特征是: 1,自治性,每个整子可以对其自身的操作行为作出规划,可以对意外事件(如制造资源变化,制造订单的产品需要变化等)作出反应,并且其行为可控. 2,合作性,每个整子可以请求其它整子执行某种操作行为,也可以对其它整子提出的操作申请提供服务. 3,智能性,整子具有推理,判断等智力,这也是它具有自治性和合作性的内在原因.整子的上述特点表明,它与智能代理的概念相似.由于整子的全能性,也有翻译为全能系统. 4,敏捷性,具有自组织能力,可快速,可靠的组建新系统. 5,柔性,对于快速变化的市场,变化的制造要求有很强的适应性工程 . 开发基于代理的制造系统的关键问题 关键问题是表现,实体管理,代理结构,系统结构,通信,系统动态,完整系统控制,冲突解决,遗留问题和外部接口.这些大部分问题已经在代理制造系统可运用了. 企业集成和供应链管理的代理技术 为了支持全球竞争和快速市场响应,独立的制造企业必须和相关的管理系统集成(如采购,订单,设计,生产,计划与排程,控制,运输,资源,人事,物料,质量等), 在不同的软件和硬件环境.通过互联网或本地网集成合作伙伴,供应商和客户, 制造企业的供应链是一个世界网络包括供应商,工厂,仓库,分销中心和零售.通过网络购买原材料,加工,交给客户.这个网络也可以处理不协调的环境.基于代理提供自然的方法来设计和实施制造企业集成和供应链管理, 在1993年就第一个提出供应链组织作为网络合作的智能代理.后来又提出建立多层代理的框架为动态供应链建模. 每一个代理执行一个或多个供应链功能和用其它代理协调它的行为.在供应链里应区分两类要素:结构要素和控制要素.结构要素包括生产要素(零售商,分销中心,工厂,供应商)和运输要素作为代理建立模型.控制要素(库存,需求,供应,物流和信息控制)用一些信息和方法来有效帮助供应链的协调流程.一些研究者已经提出应用移动代理技术集成企业和供应链管理 .
企业集成和供应链管理使用代理技术的优势: • 企业对市场需求的快速反应. • 以客户为中心的整个供应链的优化 • 通过有效资源分配实现供应链优化. • 达到物料和库存管理的动态优化. • 实现整个供应链优化包括所有联合的企业. • 提高信息交换和反馈的有效性. 然而,安全问题出现在开放的基于代理结构的系统,特别,当使用Internet和移动代理技术时,企业和研究者已经知道.这不是基于代理系统的所独有的.通过研究努力可以解决. 代理压缩 有两种不同的方法处理代理压缩:功能代理分解和物理代理分解 在功能代理分解方法上,代理被用来压缩模块分配功能.如订单得到,计划,排程,物料处理,运输管理,和产品分销.在代理和物理实体之间没有明确关系. 在物理分解方法上,代理被用来反映物理世界的实体.如员工,机器,工具,固定装置,产品,零件,特性,工序等.在代理与物理实体之间有明确的关系户 功能代理通过不同的功能用于共享许多状态变量.分开的代理必须共享许多状态变量.于是,导致一致性的问题和无倾向性的互动..物理代理自然明显定义一套状态变量,能被单个代理用有限的互动来管理. 然而,功能方法在集成存在系统是非常有用的,如CAD工具,MRP系统等.即使主要是使用物理代理方法的系统里,功能代理仍然有用.这些代理压缩一些特别的功能,可以在系统水平上提供服务.如促进代理,委托代理. 多层代理组织-系统结构 有三类不同的代理结构:1,层级式代理方法2,联盟式代理方法3,自治式代理方法. 一个典型的现代制造企业有一些物理分布单位,半自治单位和每一个控制本地资源的程度或不同信息需求组成.如实际情况,一些实际的基于代理的行业应用仍然使用层级结构,虽然,它的集中的表象也许会被批评. 对联盟结构提出了三种方法:促进代理,委托代理,调停代理. 在促进代理里,几个相关的代理被结合为一组.代理之间的沟通总是在接口,称促进代理 . 每一个促进代理负责提供当地代理和远程代理之间调节,通常提供两个主要服务: (1) 为合适的目的地安排出发路线信息(2),翻译新收到的信息. 委托人(也称委托代理)有点象促进代理.它增加了一些功能如监视和通知.不同的是促进代理仅负责设计一组代理.在一样的系统里,任何代理可以联系任何委托代理为找到服务代理来完成特别的任务. 调停代理是另外的联盟结构的类型.除了促进代理,委托代理,调停代理假设是系统协调者的角色.在智能代理和代理行为的学习之间提高协调. 联盟多层代理结构通过促进可以协调多层代理活动就象减少间接费,保证稳定性,提供 可扩展性. 联盟的方法可以保证一个开放的,扩展的多层代理系统结构的良好的基础.
自治代理方法是不同的.自治代理应该至少有以下特点:1,它不能被控制或不能被任何软件代理或人类控制.2,它可以直接和其它代理沟通/互动还和外部系统3,它有其它代理的知识和它的环境.4,它有自己的目标和相关的激励. 根据经验,自治代理较好的适合发展的分布智能设计系统.该系统的工程工具被压缩为一代理和连接系统来提供特别的服务.且系统由一些小的代理组成.这个结构类型也是非常有用的对开发自治的机器人系统.在调停代理的结构中,一静态的或动态的层级结构被利用为每一个特别的任务.它可以提供简单的计算机化和可管理性.这种结构类型相当适合开发分布的,复杂的,动态的,由大量资源代理组成的制造系统. 动态系统重新配置 现实世界的制造环境是非常动态的,因为它来源于不断的变化情况.银行汇率一夜之间的变化,政治形式的变化,物料没有按时到达.供电突然中断,生产设备故障,员工缺勤,新订单的插入,存在的订单的修改和取消等.如此多变的情况下,导致已作的计划与排程发生偏差.因此,系统结构必须满足要求以适应如此变化的环境. 在基于代理制造系统的学习 对大部分的应用来说,极为困难或不可能就是在设计时,提前使用正确决定电脑指令行为和系统的先前的具体活动.这就需要提前知道将来要发生的环境需求.代理就是要在发生时起作用.它将怎样互动响应这些需求.这些问题可以在基于代理系统解决,或代理的学习能力至少可以减少这些问题.随着将来提高整个或部分系统的性能,学习是一个在实施基于代理系统的关键技术之一. 设计和可制造评估 从几何和功能规定来说,原材料,能力,制造资源的可用性,它们每一个都对可制造性产生主要影响.一个设计可能是结合生产需求和车间资源是可制造的.一个基于代理的集成制造系统应该在产品设计阶段提供动态的可制造评估.可以用设计调停代理和资源调停代理确保在在设计零件和资源代理之间的协调. 在设计过程中,设计代理(设计子系统)和资源代理通过资源调停代理得到可制造评估.. 分布式动态排程 有两种不同的分布制造排程系统. (1),在排程时是增量搜寻过程,它可以返回搜寻.对排程订单,执行本地的增量搜寻时,代理要考虑多重资源,全局的排程计划是通过合并本地的排程计划得到的.这有点和集中计划相似. (2),代理只反映单一资源(一个工作单元,一台机器,一个工具,一个固定装置,一个员工等) 对这些资源做计划排程.这个代理可以和其它代理协商来执行完整的计划排程. 对第二种方法,排程的机制一般是通过协商其他代理来实现的. 这里,我们用动态代理来指明实时的制造计划排程可以及时更新它的排程来适应改变如新订单的插入,机器故障,任务延迟等. 计划,排程和执行
(1),集成的计划与排程 传统的制造计划和排程没有考虑到约束和同步化,尽管这些是次优化,由于没有统一的框架也流行了.基于代理的方法提供了一种可行的方法来集成计划和排程活动. 在产品设计系统和工厂资源排程系统之间它通过企业级的协作. (2),同步的排程与执行 传统系统是计划与执行是交替进行的.如每天夜间运行计划,第二天来执行.而现实的世界变化频繁,必须根据环境的变化实时的调整.用执行调停代理协调机器的运行,和所需的人工,制造资源可以直接连接制造系统,当生产正在加工时,有关执行的信息(排程的过程)就被执行调停代理所获取,转送到资源调停代理来调整必要排程. 工厂控制结构 实时的分布制造系统的控制结构一般需要满足需求如自治,可靠,容错,交互,重配置和其它实时的功能.相对于传统制造系统用集中控制结构,基于代理的分布式制造系统用分散化结构,它有三层典型的结构: 层级,独裁,异质. 总之,层级的大规模的控制系统是分解为较小的子系统,互相之间较弱互动和较低程度的合作自治.子系统在低层次接受高一层次的指令而限制它的自治. 独裁的方法提供较不僵硬的沟通路径和支持高程度的自治. 异质方法也支持较高程度的自治,提供减少复杂性,减少软件开发成本,高可调整性,高灵活性和提高容错性.但是,它在决策占用较长时间,特别是有大量的代理要处理时 使用的工具和标准 大多数项目或研究都使用传统的程序语言如C++, Java, Lisp, SmallTalk, Prolog, and Objective C 来开发基于代理的制造系统.需要更强有利代理开发工具.近来,一些工具已经出现.也已经商品化了.如ABS(Agent Buikding Shell)它被运用到制造企业和供应链集成的多层代理开发上. ObjectSpace’s Voyager 产品提供为移动代理设计的基于 Java 的 Object Request Broker (ORB) . ADE (Agent Development Environment) 已经运用在基于代理的供应链系统的开发上.也运用到了车间代理的开发项目上. 其它一般代理开发工具包括IBM’s Aglets SDK, General Magic’s Odyssey, ADT (Agent Development Toolkit) 和OAA(Open Agent Architecture)等. 在工业界广泛运用代理技术主要还是依赖于开发工具与平台.现在,有两个团体正致力于标准的形成.一个是成立于1996年的FIPA(The Foundation for Intelligent Physical Agents),作为世界范围的组织,推出整个基于代理应用的基因代理技术和最大化互动性的规定.另一个是NIIIP(The National Industrial Information Infrastructure Protocols).它是由美国许多公司组成的协会,制订开放的工业软件草案,为制造商和它们的供应商有效互动成为可能.
高级计划APS的未来和柔性敏捷供应链 尽管第一代APS系统帮助制造商获得了真正的进步，但是下一代的APS在其竞争地位和成本方面的影响将会戏剧性的增大. 生产计划 供应链网络计划 需求计划 ERP 1 成本 详细排程 实体 实体 需求 ERP 2 计划 ATP 核心数据 实体 CTP 仓库 ERP 3 实体 实体 新一代的完整APS集成系统 高级计划排程APS必须嵌入ERP平台,形成ERP的高级计划.将ERP扩展到高级供应链管理,利用无所不在的电子网络,使的企业的供应链管理-从原料供应,工程设计到零件制造和最后的组装,分销,最终到消费者实现有效的合作,加快整个物流的速度.结果是企业可以进行更精确的预测,更实时的生产计划,更严密的配送日程安排,更少的安全库存量,更顺畅的通信.企业之间真正实现了动态交易.企业实现个性化响应以满足需求的能力大大加强. 从需求的角度来看,由于订单和市场的信息可以不断的从销售点逆流回上游生产商,同时企业供货状况和库存水平数据又可以由生产商向下游流到销售点,这就实现了协同需求规划.这种不断的数据流动循环,大大消除了供应链中数据出现的通讯误差和时差,极大提高企业进行生产计划和日程安排的能力,从而得以更好满足实际市场需求,避免了多余的库存和资产浪费 随着企业之间信息交流同步化水平越高对需求的响应速度也就越快,越准确.开始对供应链的所有信息进行整合.实现对客户关系管理CRM,供应商关系SRM,高级计划APS,仓储管理国际贸易物流管理,产品研发协同CPC,商务智能BI等问题协同作业.将形成企业应用程序整合EAI.
商业协作与技术必须有效的结合,而成功的企业将是那些在供应链网络中,利用高级的技术相互连接,并能够以一种协作的方式来共享彼此资源的企业.一场全球性的革命已经存在了很长时间.而许多人仍然只了解传统的技术,而对当今所发生的一切茫然不觉.我们必须跨越式的发展,向新的商业模式发起冲击.通往未来的方案已经摆在我们面前,而且实际的道路也已经处于建设之中.这些因素已经存在了几年或更长的时间.为这些新的信息化系统实践者往往是那些权利精英和希望利用新的机遇获得更多财富的企业家们.他们抛弃了传统,把希望投向了信息化,利用越来越先进的计算机和网络通信技术以及各种相关的高级应用程序.在投资,技术和各种软件的支持下,这些新的领导者们正在告诉人们应如何发起一场革命性的行业变革.他们在引领着这场信息化的革命.
附录一: 关于APS的FAQ. 问: 什么是APS? 答: 没有正规的定义.有些称高级计划系统(Advanced Planning System),而有些叫高级计划与排程(Advanced Planning and Scheduling).定义不是最重要的.最重要的是对所有资源具有同步的,实时的,具有约束能力的,模拟能力,不论是物料,机器设备,人员,供应,客户需求,运输等影响计划因素.不论是长期的或短期的计划具有优化,对比,可执行性. 问: APS是如何形成的? 答:排程本身就是一直被视为复杂的问题.但是,现在计划与排程的复杂性随着跨地点经营,虚拟制造,业务外包及通过供应链的管理极大的提高计划与排程的复杂性. 问: 我们需要计划和排程或只是排程? 答: APS是用于优化与平衡物料资源,对长期来说,为了满足商业目标.通常,是基于合计的数据和主要约束,计划下几个月.APS是一精确排序所有物料和资源,短期的来说,优化客户需求,策略,约束等等.计划给你的是较粗的想法来满足将来的需求,而排程是准确的,详细的,为每一资源,物料,过程的作业计划. 问:那么,APS能做什么? 答:APS主要跨越三个区域.在车间的工序短期计划上可以处理有限能力计划;在中期计划上可以处理周/月的基于约束计划;在战略上,可以处理长期的计划.APS是实时的,优化的,有效的,精确的计划. 问: 我们需要等到ERP实施以后才上APS吗? 答: 用ERP的基础架构实施APS是较合理的. 问: 我们的ERP有问题吗? 答: 虽然,计划也是ERP重要的一部分,毕竟,它可以处理所有企业的业务管理和基于后排的无限能力的计划模式(MRP),虽然,它可以有效的处理工厂的主要问题-物料的同步化,但是,ERP不能有效的处理能力约束问题,也没有优化的功能. 问: 我们需要一个集成的项目吗? 答: APS需要和ERP系统实时的交换数据,我们需要一个APS接口生成器,可以自动,双向数据交换的接口,一般APS公司都提供此接口应用程序.
问: 我们的生产复杂吗? 答: 如果你的生产模式包括1,可替换的工艺路径,可替换的物料清单,配方;批式,连续生产;平行生产,运输的约束;库存的约束;副产品;联产品,循环使用的物料,储存的有效期,批号的处理,复杂换装.你就可能需要考虑APS的解决方案. 问: APS能为我们做什么? 答:1, 实时的决策反应车间的变化. 2, 实时的决策反应供应链的变化3, 精确的交付地及交付日期.4, 提高客户服务5,减少单个企业与供应链运作成本. 问:如何找到更多的APS系统? 答:通过Internet 或ERP公司与专业杂志. 问: 现在,很多介绍APS软件时,都提到高级算法如基因算法,什么是基因算法?在工厂和商业里如何应用? 答: 基因算法是一种生物进化的算法,实际上是一种多目标的探索法.能够用于计划与排程.它是非常新的技术,目前,还没有在商业中实际运用. 采用生物基因技术高级算法,处理日益复杂的现实世界,也是人工智能上,高级约束算法上的挑战. 基因算法是一种搜索技术，它的目标是寻找最好的解决方案。这种搜索技术是一种优化组合，它以模仿生物进化过程为基础。基因算法的基本思想是，进化就是选择了最优种类。基因算法将应用APS上，以获得“最优”的解决方案。 问: 为什么APS的计算速度非常快?是用基于内存的计算方法吗? 答: 一些APS系统用基于内存的计算方法,但,并不是所有的APS系统. 相比之下,MRP计算就需要较长时间运算.它不仅要计算物料计划,还要计算能力计划.并且是基于无限资源逻辑. 问:那么什么是基于内存的计算? MRP计算似乎也是先调到内存计算,有什么不同? 答: 常驻内存指的是主要内存有足够的内存来储存需要的程序和数据.这个过程消除了或最小化了从磁盘调到内存的来回读取. 常驻内存计算明显需要大的主内存来处理复杂的问题.经济决定技术的可实现性.MRP是部分调到内存计算,需要频繁的从磁盘和内存之间转换数据.所以,需要较长的时间. 问: FCS有限能力计划与APS有什么不同? 答: 实际上,很多APS公司都是从有限能力计划FCS发展来的.因为,他们发现FCS也不完全是一可行的计划.如未考虑材料的约束,加工顺序的约束,资金的约束,以及运输资源等有效的约束.APS就是想解决较复杂的问题.
问: 如果我们集成ERP与APS系统,它可以实时吗?因为它们是两个数据库. 如是两个数据库,可以通过动态数据连接技术,使得数据实时化通讯,因APS的计算非常快,改变了MRP的批处理计算方式. 如使用同一数据库,APS就取代ERP的传统计划功能MRP/CRP.达到真正的实时化. 问: 能否在物料上用MRP/DRP处理长期的计划,用APS处理短期能力,物料计划?因为我们已上了ERP系统和MRP/DRP模块. 答: 当然可以,用APS产生优化的可行的计划,来修正MRP/DRP计划.但是,最好的是用APS直接处理长期计划,与短期计划.因为此计划是可行的,实时的,可模拟优化的. 问: 能否介绍一下最好的APS公司? 答:如不知道其需求特点其行业,回答此问题是不明智的. 问: 如工程变更,工艺变化,如何实时反映ERP的成本系统? 答: 确实,这是一个实际的问题, 把APS优化后的资源及成本数据实时上载到ERP的成本系统处理. 问: 现在很多软件公司都自称自己系统是实时的,实时是如何衡量的? 答: 实时计划就是在接受到信号到下一计划决策或执行的时间为0.实时计划因此依赖响应反馈技术.在大部分的生产计划系统里,数据反馈较慢,导致实时计划无法实现.很多供应商都用实时来描述自己的软件.因此,建议你问供应商,你的软件是怎样证明是实时,为什么是实时的系统. 问:什么叫模拟? 答: 在生产计划系统的模拟就是在计算机里完成反映分析现实世界的模型.在此模型里,需要考虑各种影响因素,如工艺顺序,工序运行时间,物料及各种资源的可用性,轮班, 工模具,人力,维修等所有影响真实世界的因素.任何的变化情况,在计算机模型里都精确的反映与匹配现实世界. 模拟的基本原则是精确的反映现时世界,让我们来看一看ERP/MRP系统的模拟,它事先做了很多无效的,太简单的假设,如无限能力,无限供货,固定的,或简单函数的可变提前期,很明显ERP/MRP不能精确反映真实世界,所以,ERP/MRP系统的模拟是无效的模拟. 问:什么是仿真?什么是基于对象的仿真?什么是基于方程的仿真?
是用计算机在现实系统的模拟模型上实验,在现实世界运转之前来,来分析模拟,有助于复杂的现实系统的设计. 利用仿真技术可以全面地反映供应链的运行特点,由于不存在数学规划求解的复杂性,它可以考虑各种复杂因素,包括结构上和参数的上的随机性.因此,可以基于更现实的假设进行优化 由于供应链的中的事件的发生是不连续的,时间间隔也不相同,而且具有一定的随机性.仿真一般有两种仿真方式:(1)基于对象的仿真.(2),基于方程的仿真.因为基于方程的仿真是利用微分方程来表示系统的动态特性.由于供应链系统是一个十分复杂的大系统,很难用庞大的方程组来表示系统的行为.基于对象的仿真却可以将实际系统中的实体以对象来描述,并将对象作为组成仿真系统的基本单元,它由多个实体组成,根据实际需要,可以将供应链组成任意的结构.它可以反映系统的整体,也可反映每个实体的状态.在仿真过程中,更加方便利用对象的仿真数据调整其自身的参数,适应复杂变化事件的发生.由于构成供应链系统的相关实体具有相对的自主性,互相之间通过指令建立联系,难以用方程表示其中的大多数的活动,因此,宜采用基于对象的仿真方法 问: 那么,在APS系统里是如何模拟的呢? 答:APS可以是模拟的工具,它反映真实的世界,在下达计划或做决策之前,从大量的策略及优化的方法产生和比较其模拟的结果,选取最优的计划,进行实施. 问: 线性规划LP的模型可以产生真正的优化吗? 答: 线性规划被定义为模拟系统,实际上,在工业运用上,它只能使用有限的变量. 流程行业的变量少于离散行业的变量.在离散行业的大量的矩阵变量,使得数据巨大,使得线性规划模拟系统无法有效的运行. 问: 模拟的精确性有何意义?我们是否需要100%的精确? 答: 实际上,100%的精确性的模拟是不存在的,也不经济的.在制造系统里,只要能按Pareto原理,按关键的特点建模,能提供足够的精确性以满足较优的决策. 问: 那么,模拟与优化又有和关系? 答: 模拟不是优化,模拟也不一定保证有效的计划.但是,模拟可以利用计算机模拟多次,并利用高级的算法与规则来产生较优的结果.模拟将在APS里起着重要的作用. 问: TOC是模拟系统吗?TOC只是计划瓶颈资源而不考虑所有资源吗? TOC不是说只平衡物流,而不是能力吗? 答: 实际上,基于TOC的APS计划均可以考虑资源,物料,订单和管理策略的约束.TOC的建模可以有限,也可无限能力.可以通过有限能力建模基于所有约束,同步化物流.任何资源均可以定义为瓶颈资源或关键资源及次瓶颈资源.对瓶颈资源采取双向计划,对非关键资源采用倒排计划.缓冲时间可以设置任何在复杂资源之间.DBR(Drum-Buffer-rope)逻辑是对关键
工序同步化所有资源和物料.如果BN(Bottleneck)/CCR(critical constraining resources) 资源正在控制资源,它们就控制所有物流. 对关键资源建模进行大量的模拟,对非关键资源的额外能力的计划是不重要的.瓶颈和CCR是用鼓来控制所有物流,所有,这些需要物料的资源建模来实现实际的详细计划.可以模拟不同的批量(策略约束)来分析库存或完成日期的影响.非瓶颈,非CCR非资源可以不同的选择如有限资源或无限资源能力.在TOC系统还有许多不同的方法对资源和物料进行模拟. 问:为什么建模非常重要? 答:建模对计算机来说是描述商业业务包括加工过程,约束的规则,策略,可替换性等的一种有效的方法.可以理解为,如果模型不能精确的描述现实,就不能有效的解决现时的问题.为了提供好的方案,就必需有一个精确的模型. 问: 什么是可视化建模语言? 答:描述复杂模型的最容易,最自然的方法是图形.这就是可视化建模语言(VML),一套图形工具可以描述加工过程,替换,生产流程和其它相关的约束.你可以可视化的比较这些方法. 问:什么是供应链的多层智能代理? 答: 它是一个相对独立的信息处理中心,可分为销售代理,采购代理,运输代理,库存代理和财务代理形成多智能体（Multi-Agent）系统. Agent原为代理商，是指在商品经济活动中被授权代表委托人的一方。后来被借用到人工智能和计算机科学等领域，以描述计算机软件的智能行为，称为智能体。1992年曾经有人预言: 基于Agent的计算将可能成为下一代软件开发的重大突破。随着人工智能和计算机技术在制造业中的广泛应用，多智能体系统技术对解决产品设计、生产制造乃至产品的整个生命周期中的多领域间的协调合作提供了一种智能化的方法，也为系统集成、并行设计，并实现智能制造提供了更有效的手段。 问:什么是整子制造系统? 答:整子系统的基本构件是整子(Holon).Holon是从希腊语借过来的,人们用Holon表示系统的最小组成个体,整子系统就是由很多不同种类的整子构成.它的最本质特征是: 1,自治性,每个整子可以对其自身的操作行为作出规划,可以对意外事件(如制造资源变化,制造订单的产品需要变化等)作出反应,并且其行为可控. 2,合作性,每个整子可以请求其它整子执行某种操作行为,也可以对其它整子提出的操作申请提供服务. 3,智能性,整子具有推理,判断等智力,这也是它具有自治性和合作性的内在原因.整子的上述特点表明,它与智能代理的概念相似.由于整子的全能性,也有翻译为全能系统. 4,敏捷性,具有自组织能力,可快速,可靠的组建新系统. 5,柔性,对于快速变化的市场,变化的制造要求有很强的适应性.
问:我是一名XX大学在读博士研究生，研究方向为约束理论及其在APS中的应用。曾拜读过您的论文,在下有几个肤浅的问题: 1、蔡先生对APS本身（除去具体某一产品考虑）的认识或者定义是什么？ 2、APS的理论基础有哪些？ 3、APS在国内推行的最大原动力和最大障碍在哪里？ 由于国内外这方面的资料和报道实在太少，理论上的研究虽然有不少进展，但缺乏应用支持。我个人认为蔡先生在国内APS领域可谓最具权威发言人。真诚盼望得到您的指点和回复！ 答:1, APS我称是供应链优化引擎. 2,基于约束优化理论(当然包含TOC) 3,不同软件采用不同的优化算法. 4,概论是:是用系统的方法,在业务约束基础上,来改善计划或排程. 优化的主要算法有: (1),数学规划(线性和混合整数规划),较适用于战略计划如网络选址,寻源等. (2),启发式算法(约束理论或模拟仿真等),较适用于战术计划或运作计划如生产排程等. (3),基因算法,较适用于有大量的可能方案选择. (4,)穷举法是在所有替代的可能的方案寻找,较适用于教简单的供应链. 5,APS思想应该是嵌入ERP系统. 6,最大障碍是软件能力,计算机技术,普及培训.实际上APS是解决企业基本的计划问题. 附录二: APS企业调查问卷 企业概况和数据
1. 企业简单的描述,工厂设施的布局 2. 生产过程的资源和资源组清单 3. 加工数据 ⇒ 加工过程名称 ⇒ 任何可能附加的数据 ⇒ 任何可能的组合(有些相似的特点) ⇒ 工艺路径-必需参观了解资源/资源组的顺序 4. 加工时间 ⇒ 准备/换装的数据—时间, 静态或动态条件 ⇒ 工序顺序代码(op 10, op 20, etc.) 5. 订单数据: ⇒ 批量 ⇒ 完成日期 ⇒ 优先级 ⇒ 客户 ⇒ 订单号和/或其它任何指令 6. 实际排产 ⇒ 计划跨度 ⇒ 排产的目标 ⇒ 描述什么是好的排产.如何判断你的排产的优劣(如没有延迟订单,高利用率) ⇒ 加工流程图分析 7. 报告 ⇒ 现存的报告和你期望增加的报告. 8. 时局导入/导出 ⇒ 导入文件—订单的数据格式. ⇒ 导出文件—你希望导出什么文件格式. 详细的问题: 1. 系统规模 有多少 ? _____ 主要资源 _____ 次要资源 _____ 产品 _____ 在一定时间的正在作的订单 2. 数据库的设计 你是一个 ? 流水车间 (装配线制造) 离散车间 (通过标准设备的工作中心的加工的生产订单.)
项目车间(所有定制) 柔性制造车间 混合性 (说明) _________________________________________________________________________________________________________________________________________________________________________________________________________ 你的资源是如何描述的? 每一个资源只有一个 在平行加工任务时,定义多重能力资源 没有资源组. 一些或所有资源可以分组组的任何成员可以执行一个任务. 资源可以在不同的组,可以在执行任何任务时分配到那个组. 资源需求 只有一个资源需要执行一个工序 (如一台机器执行一个工序). 多个资源需要(如一台机器,两个操作员和特别的工具执行一个工序). 其它约束也可以表示 (如物料,电力等) _________________________________________________________________________________________________________________________________________________________________________________________________________ 你的产品是如何描述的? 所有定制的任务 所有产品是标准的,有一套标准加工过程 新产品有时/经常的从标准清单里增加或删除. 产品有一标准加工过程和替代过程 其它 _________________________________________________________________ 你的工序是如何描述? 独立的 (如: 任何产品的铸塑, 3 分钟) 产品依赖 (如: 对产品B的铸塑工序需要2 分钟 ) 资源依赖 (工序的持续时间依赖于资源的执行.当相似资源以不同的速度加工时使用) 优先资源(一些工序使用特别的一资源组成员) 没有工艺,所有到要定制. 其它 __________________________________________________________________ 描述你的工艺过程 : 所有顺序 一些平行工序 使用子装配线
是/ 否 你有资源是瓶颈吗? 如果有,有多少? _________________ 瓶颈是什么资源? ____________________________________________ 在产品的加工过程中,你的工序号是什么? ____________________________________________ 你的准备时间是如何描述? 没有 特别的工序—每一个工序单个的准备时间, 独立于产品或资源 产品依赖—对任何工序,资源的一产品的准备时间 资源依赖—每一资源有它自己的准备时间,独立于产品或工序 资源组依赖—每一组资源的一个准备时间,独立于产品或工序 顺序依赖基于: 资源组 资源 产品 工序 其它 __________________________________________________________________ 你使用? 固定批量加工 重叠工序 批量 替换工序约束 拆单/合并 __________________________________________________ 3. 结果 你要在甘特图看到什么? 标准甘特图是基于资源和订单.也可以定义工序号,产品代码,客户名称T,订单号等. ___________________________________________________________________ ___________________________________________________________________ 你要在报告看到什么? 标准报告包括: 每一个资源的工作清单
路径卡 所有任务/工序 延迟任务报告 其它 ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ ___________________________________________________________________ 4. 实际排产 是 / 否 你当前有MRP系统或任何制造计划软件吗? 如果有, 是什么名字? __________________________ 你的计划排程时区是什么? 如, 你是每天工序排程,每周生产计划吗? ______________________________________________________________________ ______________________________________________________________________ 现在,有谁负责排程? ______________________________________________________________________ 如何制作一个排程计划? ______________________________________________________________________ ______________________________________________________________________ ______________________________________________________________________ ______________________________________________________________________ 你目前如何沟通排程计划和车间(电子或手工)? ______________________________________________________________________ 谁将要负责APS的计划排程? ______________________________________________________________________ 你的计划排程的目标是什么? 可执行的计划排程? 知道生产订单什么时候开始和结束? 是基于完成日期的订单优先还是分配给订单的优先级? 其它 ___________________________________________________________________ 是/ 否 对你有能力改变计划排程或基于改变的重排(如设备故障等)是重要吗? 有什么充足理由重排? 如排程违反计划一个小时,那么重排.
______________________________________________________________________ ______________________________________________________________________ 5. 车间实际控制 是 / 否 车间可以被一个合适解决方案中断吗? 是/ 否 你能从车间可以得到反馈吗? 如果是,是以什么形式(报告, 备忘单, 电子条形码, 车间采集数据设备等.)? ______________________________________________________________________ 附录三: APS的部分规则清单
静态类型规则 静态工序选择规则是在模拟后,不需要重新评估的规则,参数使用在工序选择执行时是固定的.如最低优先级优先规则是基于优先值,此特征在排序并不改变. 规则名称 号 选择描述 最低优先级优先 选择最低优先级(最高值)的工序 0 最高优先级优先选择最高优先级(最低值)的工序 1 选择最早完成的工序 最早完成日期2 排程文件的顺序5 在排程文件里的工序最早 最低系列值19 系列表达有最小值的工序 最低系列值20 系列表达有最大值的工序 最高索引字段22 静态索引字段表示有最大值的工序 最低索引字段23 静态索引字段表示有最小值的工序 动态类型规则 动态工序选择规则是在每一次模拟后,需要重新评估的规则.如,考虑到排序 一个有四个步骤工艺的的最少剩余工序规则的任务.在开始,它有四个剩余工序.在两个工序已经完成之后,它有两个剩余工序,于是,工序选择规则是基于在排序时的特征变化情况. 规则名称 号 选择描述 最短加工时间3 最短运行时间的工序 最大加工时间4 最大运行时间的工序 先到先服务6 已经等待最长时间的资源的工序 后到后服务7 已经等待最少时间的资源的工序 最少剩余工序 8 在当前模拟时间时,父项任务有最少剩余工序的工序 最少准备时间9 最少准备时间的工序 最少工作剩余10 在当前模拟时间时,父项任务有最少剩余工作的工序.这是传统规则.剩余工作是对当前父项任务的所有剩余运行的工序和准备时间的汇总 最少闲散时间11 父项任务有最少闲散时间的工序. 这是一个传统
的规则.闲散时间是当前时间加上当前剩余工作减任务的完成日期. 最少实际闲散时间13 和最少闲散时间一样.在向前顺序排程整个任务时,在当前工序开始,得到更精确剩余工作值. 最少平均闲散时间12 整个任务有最少平均闲散时间的工序. 这是传统的规则. 平均闲散时间是当前闲散时间除以剩余工序数.
(继续) 规则名称 号 选择描述 最少平均实际闲散时间工14 和最少平均闲散时间一样.在向前顺序排程整个任务时,在当前工序号开始得到更精确的剩余工作值. 关键率 15 选择最小关键率的工序.这是传统规则. 关键率是剩余计划工作时间/(完成日期-当前时间) 实际关键率 16 和关键率一样. 在向前顺序排程任务时在当前工序号开始得到更精确的剩余工作值. 最少实际工作剩余17 同最少工作剩余一样, 在向前顺序排程整个任务时,在当前工序开始得到更精确的开始和结束时间. 强制系列21 在强制系列里的下一个系列值的工序 动态最高索引字段24 动态索引字段的值最大的工序. 动态最低索引字段25 动态索引字段的值最低的工序. 优先顺序26 最小优先顺序值的工序,APS检查优先顺序值这个规则可以使资源规定为一个优先的工序类型.优先顺序资源选择规则应该使用这个则. 系列升顺序 18 选择同样或下一个较高系列值的工序 系列降顺序 选择同样或下一个较低系列值的工序 27 系列顺序循环 当没有最高值的工序,选择同样或下一个最高(最低)28 系列值的工序. 最小准备系列 29 具有最小准备时间的工序, 选择最小准备时间及最近的系列值的工序. 资源选择规则 资源选择规则是在APS的资源组里选择哪一个最适合的工序执行的资源.注意一些资源选择规则在使用时应该和工序选择规则联系在一起. 此工序选择规则是有效的,否则,.选择的工序能被加载到错误的资源. 规则名称 号 选择描述 最早结束时间 选择将要最先完成工序的资源 0 最早开始时间 选择将要最先开始工序的资源 1
最小准备时间2 将有最小准备时间的资源.这个规则应该和工序选择规则的最小准备工序时间规则联合使用. 优先顺序3 最小优先顺序值的资源. 这个规则应该和工序选择规则的最小优先顺序规则联合使用. 系列升顺序: 选择同样或下一个最高系列值的资源. 这个规4 则应该和工序选择规则的系列升顺序规则联合使用. 系列降顺序: 选择同样或下一个最低系列值的资源. 这个规5 则应该和工序选择规则的系列降顺序规则联合使用. 系列顺序循环 选择同样或下一个最高(最低)系列值的资源. 6 这个规则应该和工序选择规则的系列顺序循环规则联合使用. 最小准备系列 7 和最小准备时间一样,选择最小准备时间及最近的 系列值的资源.
附录四: 诠释制造信息化的一些基本原理 蔡 颖 “丛林中小心翼翼逼近猎物的野兽总是处于警觉状态,也许其它捕食者也正在逼近它.它必须随时监视环境和时刻作出反应.它有明确的目标,在达到目标的策略随时随地变化.在需要的时候,它会极快速度行动.”-这就是信息化企业丛林的生存者形象写照. 象生物一样,企业需要一个神经系统,这就是制造业应加快企业信息化,以达到快速反应和有效的控制.这已经是不争的事实,但是,信息化并未改变经典管理原理,那么,如何使自己的企业更好的利用信息化,就有必要重新审视制造的基本原理. 制造业的管理人员已经转过来认识到一个竞争性商业世界中的一条基本真理：在任何一个想利用市场营销机会、并控制其财务投资和运行其制造设施来得到利润的公司里，其心脏就是一个有效的计划与控制系统,它的肌肉来执行计划。制造是可以控制的，而且其回报是巨大的。成功的公司要使计划与执行平衡发展. 制造信息化在制造业是有层次的: 制造信息化是针对制造业整个业务流程的。制造业信息化将信息技术、自动化技术、现代管理技术与制造技术相结合，带动产品设计方法和工具的创新、企业管理模式的创新、企业间协作关系的创新，实现产品设计制造和企业管理的信息化、生产过程控制的智能化、制造装备的数字化、服务的网络化.业务管理信息系统ERP是制造信息化的一个重要部分. 在整个制造信息化的框架中,业务管理信息系统ERP是起到核心或中枢的作用.对下监控制造过程控制信息系统和数控设备信息系统,对上为决策支持系统提供支撑,横向联接研发信息系统,同时也为企业之间的协作(供应链)架起了桥梁.如今,对制造业务管理信息系统的研究开发与应用已经历了三十多年.从MRP/MRPII/ERP的演变,就能分析出制造业务信息化的进化.现在的业务管理信息系统ERP正在向三个方面进化:一是向制造过程系统延伸,实时捕捉车间变化的数据和加工质量信息.二是向产品设计系统的延伸,快速转换新产品到生产,销售市场的时间.三是实现高级供应链优化计划,既计划系统是快速响应客户需求变化的,优化的,实时的,可以执行的生产计划.使得制造信息系统真正符合管理的基本原理.满足制造业基本需求:质量,时间,成本. 制造信息化应该考虑制造业的生产类型: 生产原理中存在六种类型,从总体上可以分为两大类：离散型（Discrete）和连续型（Process）。 从极端的离散型生产到完全的连续型生产，根据Gartner集团1997年ERP软件供应商指南中的分类，又可以细分为六种生产类型。 下面我们将这六种生产类型作以概括介绍。 1．按定单设计（Engineer To Order，简称ETO）或按项目设计（Engineer To Project）.
在这种生产类型下，一种产品在很大程度上是按照某一特定客户的要求来设计的，所以说支持客户化的设计是该生产流程的重要功能和组成部分。因为绝大多数产品都是为特定客户度身定制，所以这些产品可能只生产一次，以后再也不会重复生产了。在这种生产类型中，产品的生产批量很小，但是设计工作和最终产品往往非常复杂。在生产过程中，每一项工作都要特殊处理，因为每项工作都是不一样的，可能有不一样的操作，不一样的费用，需要不同的人员来完成。当然，一些经常用到，而且批量较大的部分，如原材料，可以除外。 为了使一个大型产品或项目的各个子部分能够在最后阶段精确地匹配在一起，以最终使用由不同的人，不同的地方生产的不同的子部分组合成为一个复杂产品或项目，需要有非常先进的配置系统（Configuration Systems）来完成总体协调和管理控制工作。另外，精确地计算各个子部分的费用也是一件很难完成的要求，因为在整个制造流程中，不同的子部分可能是由各种不同类型的分包商，包括内部的和外部的，来完成的。属于此种生产类型的行业有：飞机制造业、国防产品制造业、出版业、机械设备和发电设备制造业。 2．按定单装配（Assemble To Order，简称ATO）或按定单制造（Make To Order）. 在这种生产类型中，客户对零部件或产品的某些配置给出要求，生产商根据客户的要求提供为客户定制的产品。所以，生产商必须保持一定数量的零部件的库存，以便当客户定单到来时，可以迅速按定单装配出产品并发送给客户。为此，需要运用某些类型的配置系统，以便迅速获取并处理定单数据信息，然后按照客户需求组织产品的生产装配来满足客户需要。生产企业必须备有不同部件并准备好多个柔性的组装车间，以便在最短的时间内组装出种类众多的产品。属于此种生产类型生产的产品有：个人计算机和工作站，电话机，发动机，房屋门窗，办公家具，汽车，某些类型的机械产品，以及越来越多的消费品。 3．按库存生产（Make To Stock，简称MTS） 在按库存生产类型中，客户基本上对最终产品规格的确定没有什么建议或要求，他们的投入很少。生产商生产的产品并不是为任何特定客户定制的。但是，按库存生产时的产品批量又不象典型的重复生产那么大。通常，这类生产系统的物料清单只有一层，而且生产批量是标准化的，因而一个标准化的成本可以计算出来的。实际的成本可以和标准成本相比较，比较结果可以用于生产管理。典型的属于按库存生产类型的产品有：家具，文件柜，小批量的消费品，某些工业设备。 4．重复生产（Repetitive） 重复生产又被称作大批量生产，是那种生产大批量标准化产品的生产类型。生产商可能需要负责整个产品系列的原料，并且在生产线上跟踪和记录原料的使用情况。此外，生产商还要在长时期内关注质量问题，以避免某一类型产品的质量逐步退化。虽然在连续的生产过程中，各种费用，如原料费用、机器费用，会发生重叠而很难明确分清，但为了管理需要，仍然要求划分清楚。 重复生产类型往往用倒冲法（Backflush）来计算原材料的使用。所谓倒冲法是根据已生产的装配件产量，通过展开物料清单，将用于该装配件或子装配件的零部件或原材料数量从库存中冲减掉。它基于通过计算得出的平均值，而不是实际值。重复生产类型需要计划生产的批次，留出适当的间隔，以便对某些设备进行修理。属于重复生产类型的产品有：笔，用于固定物品的装置（如拉链），轮胎，纸制品，绝大数消费品。
5．批量生产（Batch） 在批量生产类型中，处于生命周期的初始阶段的产品可能会有很大变化。在纯粹离散型生产中产品是根据物料清单装配处理的，而在批量生产类型中，产品却是根据一组配方（recipe of ingredients）或是资源清单（bill of resources）来制造的。产品的配方可能由于设备、原材料、初始条件等发生改变会出现联产品（co-products）和副产品（by-products)。此外，原材料的构成和化学特性可能会有很大的不同，所以得有制造一个产品的一组不同的配方。而且，后续产品的制造方法往往依赖于以前的产品是如何造出来的。在经过多次批量生产之后，可能会转入重复生产类型。批量生产的典型产品有：医药，食品饮料，油漆。 6．连续生产（Continuous） 在连续生产类型中，单一产品的生产永不停止，机器设备一直运转。连续生产的产品一般是企业内部其他工厂的原材料。产品基本没有客户化。此类产品主要有：石化产品，钢铁，初始纸制品。 现在,为了在残酷的竞争中生存,制造企业研究出减低成本,快速反应的制造方法精益柔性生产方式,如流水线拉式制造,单元制造,同步生产,这是跨世纪生产力革命. 制造信息化因遵守制造系统的基本原理: 以下是笔者对66条的基本原理的浅析. 原理1:对于一切制造行业，有效的计划与控制所需的系统框架是共同的。 任何制造业的管理的理是通的.整个制造组织架构逻辑是一样的. 制造计划系统要求解决妨碍生产的各种问题，而不是用库存去弥补问题或用缓冲时间去补偿问题。解决这些问题要靠整个制造过程中涉及的所有人员之间的集体协作。 原理2:一家制造工厂是一个单独的实体，需要有一个一体化的系统与集体的协作 去管理它。 企业实际上是一个有机体,需要一种媒介来使传统的烟囱式企业来有效沟通与协作.使得企业的人财物信息全面集成. 制造控制是一种一体化的概念，不是许多技法的松散的汇集。它的注意力集中在为所有管理人员提供及时、客观的决策备选方案. 原理3: 更短的提前期是使计划更加有效的最重要因素。 减小批量,缩短提前期,有效避免提前期综合症,使计划更加灵活,有效. 原理4: 制造控制要求对所有的库存有效地加以管理。 不仅仅是成品,在制品,原材料,辅料,维修物料.还有工模具,供应商寄存料和客供料等.对所有影响制造企业资金周转的存货,都要控制. 现代管理库存的方式有:1,卖方管理存货 (VMI): 供应商可以了解到客户的存货数据并负责维护客户所需的存货数量。VMI是通过流程管理来实现的，其中补货是由卖方通过定期的现场盘点来进行的。2,卖方寄库管理存货: 与VMI的区别之处在于,卖方在货物的寄放地点即客户的仓库仍保留货物的所有权。货款的支付将等到货物发生实际的使用或销售后予以结算。3,联合管理存货(JMI): JMI的管理团队由客户与卖方的员工组成，通常团队成员地处相互临近的地理区域以便经常性召开见面会。JMI要求更强的联合计划及沟通。4,JIT II: 由一名卖方的员工在客户的采购部代替客户的采购人员进行工作。客户允许这名卖方的员工以客户的身份发出订单并允许他能在客户的工厂所在地随时了解工厂及工程项目状况.
原理5: 控制要求有真正算数的数字，而不只是容易计数的数字。 我们往往统计容易的数据,如原材料,半成品,成品的库存数.而我们真正要的是控制管理的数据如A类,B类,C类的库存数. 原理6:把生产调整次数分配给高值物品以降低其库存，可轻而易举地补偿低值物品库存的增长。 对A类或重要的料进行重点管理.从计划/生产/采购/库存/成本/财务均对此物料进行监控. 原理7: 正确的EOQ是好的，但更短的生产调整比它要好得多。 重要的是懂得EOQ的基本概念，而且能够确信所用的模型对所研究的特殊情况是最有效的。EOQ公式中包含许多假设，实际工作者要恰当地来应用公式就必须懂得这些假设的意义 原理8: EOQ计算只是起点；修改它们以获取实际的结果。 计算机系统只是按你假设计算出建议数,分析它,合理使用. 原理9: 预测是可作为工作出发点的一组数字，它不是工作的终点。 预测本身没有错,而管理预测的人员确有水平高低.企业中最聪明的人应该去作预测. 原理10: 给每一使用者一个适用于其需要的预测。 预测不要笼统,应针对不同的人给不同的预测.如资金预测,销售预测,设备预测,生产预测. 原理11: 预测的物料越是大类越准确. 对未来的判断只能是产品大类预测. 原理12: 预测期越短越准确.越长期越不准确. 采用滚动预测方法,来避免预测的波动的影响. 原理13: 预测与实际的差异分析才是最重要的. 评价预测,分析预测,调整预测是预测管理者责任. 原理14:不到尽可能最后时刻，不要把存货物品委置于任一具体的地点。 控制存货的基本方法是准时化. 原理15:正确地回答一物品何时需要的问题比确定要订多少货重要得多。 对库存周转率来说,何时采购,何时生产就是准时化的概念. 原理16: 由于不确定性不能被消除，订货点法要求有储备存货。 零库存是我们追求的目标.但是现实不是完美的. 原理17:只有在统计学技法的假设是有效的场合并且在经过测试之后，才应用统计学技法去设定后备存货。 很多统计学的算法并不适应制造企业动态模糊的变化. 原理18: 用经验法则来设定后备存货不行，因为这些法则忽视了需要它们的理由 后备存货总是要有依据的,理由的. 原理19: 简单实际的技法可能提供更为经济的库存控制。 这也就是简单的算法MRP和OPQ更加在企业流行的原因. 原理20: 分时段的订货点数据大大地增强了此技法的威力。 由于考虑了时段性,使原来的静态的订货点转向动态的订货. 原理21: Orlicky的独立,相关需求准则提供选用订货技法的良好指导。 独立需求MPS由人为控制,相关需求交给计算机MRP. 原理22: MRP逻辑适用于包含多种组件（成份）的一切类型的产品与过程。 MRP逻辑就是物料按产品结构分解,它被计算机专家们神秘化了.
原理23: 理想的零件号是短的、数码的, 唯一的。 零件号只是一个标记.注意集成的系统的零件号不需要过多的意义. 原理24:物料清单构成现代系统的框架,它们必须高度准确并恰当地构成。 物料清单是制造业最最重要的基础数据. 原理25: 物料清单中工程更改的控制对一家公司的成败犹如新设计一样重要 用工作流来控制工程变更是一较好的方法. 原理26: MRP不过是把制造的基本逻辑机械化。 这就说明凡是制造企业都可以运用MRP,而MRP的算法是符合制造的基本规律. 它建议发放订单的恰当时机。指明需要补货的恰当日期并保持这些日期在订单处理期间是有效的。提供信息去帮助能力需求计划与机器和加工中心的加载工作。 原理27: 物料计划只是发起获得物料的过程；执行计划才使该过程得以完成。 MRP只是实时地产生建议计划,往往是执行不利,导致怪罪MRP. 原理28: MRP的逻辑是普遍适用的；它的应用方法要看具体的环境而定。 使用MRP有很多策略,不同的生产类型,采用不同的MRP策略. 原理29: 在计划时界上较远处的数据可以而且应该粗一些。 可以在较短的时间里,固定生产计划.较远的时间里,使计划粗一些,可以灵活变化. 原理30: 孤立、不受约束而且多目的的计划比无用还要坏；它们是危险的。 没有集成考虑的计划,各自为政的计划是对企业有害的. 原理31: MPS驱动计划过程，而非执行过程。 主生产计划给企业一个控制开关,控制整个运作计划.是制造企业运作的核心. 原理32: 最好的MPS具有最小数目的物品，而且符合足够的物料与能力计划的需要。 主生产计划应该是具体的,有可供物料的,有可执行能力的计划. 原理33: 恰当地构成物料清单是做MPS不可缺少的一部份 主生产计划是按物料清单计算所需物料的.物料清单的建立必须符合企业的生产需要. 原理34: MPS必须妥善管理，它必须完整并能够被执行。 主生产计划必需有高水平的人员重点管理. 原理35: 要控制住库存的细节，必先管理好库存的总量. 对库存的管理不能盲人摸象,根据生产类型对存货的整体要有一个管理策略. 原理36: 应当使用EOQ理论来绘制交易曲线供管理决策之用 使用交易趋势分析方法,才能使管理决策更有效. 原理37:使用交易曲线来研究各种替代方案比它为一给定的客户服务水平计算后备存货会产生好得多的决定。 因为存货的变化要考虑多方面的要求.考虑用统计方法来确定后备存货,可以用定量方法来解决库存周转率和客户服务水平,它是库存控制有效性的度量.可以对库存投资作出合理得多的决定。往往可在库存投资与客户服务之间的关系方面作出显著的改进。 原理38: 库存是一种负债；越少越好。 从管理思想上改变库存是资产的观念,它是负债,沉重的负债. 原理39: 管好工作中心的前题是管好能力。 对工作中心的管理主要问题和难点是能力问题. 原理40: 管好订货提前期要求同时管好优先级与能力这二者。 要知道影响提前期的因素是很复杂的.简单的是管理优先级和它的能力.
原理41: 能力计划应使用经过相似制造作业的尽可能广泛的产品组 对新产品的能力计划可能是不准的.因为对老产品的标准工时是相对准的. 原理42: 生产计划，即使是粗略的，却为能力管理提供有效的手段。 能力计划需要需求计划的驱动,只是提供计划人员辅助参考. 原理43: 能力需求计划不可被推迟；粗略方法是很实用的。 实际上,粗略的能力计划是经常用到的.能力计划做到精确不太容易. 原理44: 能力必须足以支持MPS并能处理额外的计划外需求 有经验的计划员作能力计划时都考虑机动能力,预防变化的需求. 原理45: 详细能力需求计划可能看起来高度精确而仍然是很不准确的 现实中,很少有公司的能力和负荷是准确和及时的.这和现场采集数据的技术有关. 原理46: 能力被用来去制造不需要的东西时，它就是被浪费了。 有效的利用能力始终是制造企业的瓶颈. 原理47: 应当在选用订单去发放之前使用订货技法简明地按优先顺序将订单分等排列 通过优先级和一定的规则排序计划订单. 原理48: 生产订单积压在办公室里比把它们下达到车间现场控制得更好一些 不要过早地下达生产订单.到期再下达. 原理49: 投入应当小于或等于-但永不大于-产出。 按需要进行投入.这就是减少再制品的方法. 原理50: 安排日程计划的规则必须为提前期的所有要素留出余地。 详细计划要考虑一定的缓冲. 原理51: 加负荷是一种优先级控制技法，只有当数据符合实际时它才有用. FCS有限产能计划,只有在数据准确的前提下才有效.这是制造业的计划调度的关键和瓶颈. 原理52: 为了及时的交货，对待供应商完全像对待厂内的工作中心一个样。 把供应商纳入自己的供应链,是大势所趋. 原理53: 投入控制得越好，产出就越少需要去控制。 大多数工厂倾向于着重产出的控制而忽视了投入的控制。若想控制好产出,简便的方法是仔细的控制你的投入. 原理54: 产出控制必须包括能力与优先级二者。 如果能力应降低时，则由于该决定被拖延，会使得库存变得越来越高。考虑优先级,以防止失去重要的订单. 原理55: 有效的能力控制是优先级控制的一个前提 确保有足够的能力去支持计划,使投入率与产出率保持平衡,工作排队的控制与提前期的缩短,提供需采取改变能力的校正行动的早期警告信号,把优先级与能力计划与控制活动结合起来,在能力控制之外，有效的优先级控制是必要的。制造工厂必须制出足够的产品并且要把工作做在正确的物品上；这二者都是必要的. 原理56: 加快越少，它就越有效。 加快容易引起恶性循环。这常常出现在没有优先级的短缺情形下。加快只有在例外情况下才有效。只有当少数工作被定义为优先级时，这种加快办法才是有效的. 原理57: 控制工厂现场上工作的最好方法是去防止它过早地到达现场。 使在制品流动起来,改善工厂现场环境是控制物流的基础。
原理58: 返回到原计划比重新计划更加困难-但更加好。 校正行动可以是返回原计划和修订计划的结合。控制的意思就是度量实际绩效，同计划相比较，发现偏差并采取校正行动. 原理59: 健全的计划工作与有效的控制必须包括信息，不是数据。 一个计划控制系统必须能处理处理完整的、一体化的,准确的信息。该系统由合格的计划与控制人员使用和产生及时的信息,而这一信息是由胜任的工厂经营管理人员去有效地管理制造作业。 原理60: 对控制而言，及时性比准确性更重要，虽然二者都是需要的。 控制不可能施加于已经发生了的事情，它只能施加于将要发生的事情。过时的控制信息根本就谈不上是控制信息。实时对于计划控制系统尤其重要. 原理61: 作业控制必须从可以得到的替代办法中挑选出损失最小化的方案. 一名有效的计划控制经理必须能够向管理部门具体地说明真正的决策方案诸如当实施加急订单时哪些订单将受影响。事实上，一名好的经理将能够建议管理部门去考虑到一份新录入的订单会如何危及对其它订单. 原理62:供应商按时交货靠的是足够的能力与短提前期，不是靠客户的权力、关系密切与神通。 同内部作业时一样，采购物品的按时交货要求确保供应商的能力将是足够的和平滑地供应订单. 原理63: 精心地选择绩效度量；人们愿为按这些度量看起来不错而行动。 在任何公司里，绩效度量都是极其重要的。在开始任何改善计划之前，应该建立起绩效度量从表明未来的绩效将如何同目前情况相比。绩效度量本身就是改善绩效的最好方法之一，因此它应成为任何一个生产控制系统的基本要素之一。 原理64: 辩解与控制信息之间的区别仅仅在于时机。控制是在问题出现之前,而辩解,解释是在有问题的时候. 计划与控制的真正职能是去生成为了使工厂避免陷入困境而管理工厂所需的信息而不只是处理为摆脱困境而要进行的日常活动。制造控制系统是一门处理信息的学科. 原理65: 干扰有计划作业的一切问题可以而且必须解决。 如不准确的预测与不可靠的供应，导致成品超过预期的需求。不可靠的供应商和不确定的采购时间，使得过量的原料与外购组件成为必要。经常的调整，不稳定的流，不良的质量，报废与返工，不完善的机床安装与设备还有墨匪菲定律，使得高的在制品。种种变化引起报废的库存。 原理66: 只有通过找出并解决过剩的原因才能显著地削减库存。 在任何制造公司里，“正确的”库存量比现存于许多企业中的要少而比现存于大多数企业中的要少得多,分析出其原因, 管理层不断施加压力去减少库存. 总之,制造企业的信息化没有改变经典管理的基本原理,企业需要核心竞争力,强有力企业文化,企业发展愿景,创新精神,制造企业尤其是要重视工业工程(IE)的实施和精益生产的实现,不断的改进及关注细节的生产管理.而信息化给企业以新的视野,不管企业是否意识到这一点.信息化的企业应是一种适应快速变化而设计的,能够学习,进化,自我快速改变的企业. 此文原登载<<IT时代周刊>>和<<中国计算机用户>>
附录五: ERP时代的物料计划经理 “在遭遇到敌人的时候,没有任何计划能够保持一成不变.” 战略家 赫尔穆斯.冯.毛奇 蔡 颖 对制造业来说,实现ERP的计划与控制已大势所趋.然而,在企业管理人员当中,有一类人不仅压力最大,而且也充满了困惑.在新的变革到来时,尤其是传统的行业,企业的物料管理人员要么是恐惧,要么是不知所措,为了不被信息时代所淘汰,他们孜孜不倦的求索:在信息化时代,我们应如何面对? MRP物料需求计划的技法能产生一个实时的信息系统 虽然物料需求计划MRP的技法能给我们带来一个实时的信息系统,并且产生恰当的信息,从而使物料管理人员对信息采取行动.MRP的技法体现在如下几个方面: 1, 始终保持动态的供需平衡,是库存降低为最低点,而不缺料. 2, 可以自动的计算(现有库存+在订量+在检量-已分配量) 3, 采购计划与生产计划自动算出,减少数据重复录入,减少人为的计算错误. 4, 主计划与生产计划与采购计划有效衔接 5, 计划可重排性 6, 计划可以反查 7, 可以计算能力并能力分析 8, 计划可以模拟 9, 计划更实时,真实 10, 对销售计划快速响应,提高准时发运率. 11, 提高团队精神(MRP牵涉到技术,库存,销售,生产等部门) 那么,我们还需做什么呢? 有效的物料计划经理应该有一套工作程序来使工厂避免陷入困境 一名成功的,有效的物料计划经理应该提前告诉工厂经理即将来临的问题并推荐行动防止它们对客户服务或对工厂高效作业产生严重干扰。计划与控制的真正职能是为了使工厂避免陷入困境,从而管理工厂所需的信息而不只是处理为摆脱困境而要进行的日常活动。MRPII制造控制系统是一门处理信息的系统 ,它要求特定的活动要在特定的时间进行。 物料计划经理像其它职能经理一样最好制订一张日程表把每天要求他们注意的事情列入表中并遵循这张表首先去做最重要的工作。没有一名经理能够去关心所有存在的问题，所以把问题排序并首先处理更重要的问题是极其重要的。 由于物料计划经理的成就将主要地依赖于信息系统的准确性与敏捷性,时常，某些最重要但是例行的活动（复审物料计划或提前期）是因为紧急中断的压力而被拖延的。有时要把后来表明的不良结果同其真正原因相联系是困难的。如列出一个检查清单会对正确地
组织生产控制部门的活动有很大的帮助。物料计划经理应该是定期地（至少每月一次）坐下来对下六个月里已知的与预期的问题作ABC分析，排出最大的问题并确保设计出活动来处理与防止这些问题。一个良好的习惯是每天准备一张今日按优先次序的活动表。 注意这只是成功实施MRPII的企业某物料计划经理自己的工作计划(仅供参考) 1,日程计划准备好 2,公布生产计划 3,修订生产计划 4,复审MRP输出表 5,查询缺货表 6,更新发出原料库存报告 7,完成"ABC"类存货复审 8,审计成品库存 9,活动与问题汇总 10,编制生产延误报告 11,编制外购组件延误报告 12,复审提前期 物料计划经理应主动的介入管理信息系统并成为协调者 计划与控制的主要职能是管理好一个信息系统。但是,必须强调的不是被动地去做。物料计划经理在向管理层提出替代方案和这些方案的成本与结果的分析时应采取主动。在一个季节性销售的公司里,物料计划经理应提出多种替代的生产计划以揭示如果完全用平准化生产,将额外地持有多少库存，如果按销售订单生产则将增加多大能力，人员将会有多少改变等等。物料计划经理应估计这些不同计划的成本,推荐一份计划给管理层并协助作出基本的决策。一旦作出决策之后，物料计划经理的工作就是控制信息使工厂保持在正常的轨道上。由于在过程中有许多计划的偏离，这就需要有不断的校正行动。 具有讽刺意味的是，生产线人员如果没有采取恰当的校正行动时，一个制造控制系统就难以被认为是成功的。实际上,仅仅产生了正确信息,这只是告诉经理们需要做什么而已.并不保证将采取的行动是正确的。往往物料计划经理最容易受责难的原因是用其他人的行动来判断他的绩效.即使该系统指出需要增加能力而且这一增大能力的估计已经及早地通知了工厂作业人员或更高一级经理，但他们拖延不去增加，当结果使客户服务变差时，受埋怨的往往是计划与控制小组或物料计划经理。几乎每个人都知道客户服务不好，但很少有人能识别出其真正原因。在ERP的管理信息运行的同时，物料计划经理们经过有效的培训应该能采取行动。如果他们内行地做他们的处理信息的工作，他们将使所有有关人员知道需要采取什么行动并且谁要负责去采取这些行动。 ERP制造控制系统所生成的信息往往把巨大的压力施加在一名物料计划经理的肩上，甚至加在往往是物料计划经理上司的制造经理肩上。如果物料计划经理对系统没有信心，如果他们不采取主动并且强有力地与勇敢地提出问题，他们会成为代人受过的“好人”，因别人不能采取恰当行动而自己受埋怨。制造控制系统必须能经得起来自物料计划经理们的相当大的压力与挑战，他们总是对该系统产生的信息表示怀疑并要求作彻底的复审或进一步分析导致来推迟采取行动。能被证实的或能被容忍的怀疑态度的重要性应该有一个限度。在这一点上，能干的物料计划经理应该得到其上司的强有利的支持以克服消极的阻力
并采取有效的行动而不再进一步要求该系统证明它自己是可靠的。保持主动和进取心,再配上良好的系统与胜任的操作人员。每天，物料计划经理们及其办事人员必须作出关于未来的成百甚至上千个决定。事后看来不可避免有些决定是错的，批评者很容易指出在计划过程中所犯的错误。所以物料计划经理必须与其他经理们协调其工作目标为整个企业的目标。以避免在强调责任制的组织里会出现部门壁垒和信息孤岛现象. 物料计划经理应承认救火是必要的,但防火才是更重要的. 救火是必要的,但防火才是更重要的。制造控制中最严重的引诱之一就是去当一名救火员:每天早上一上班就准备接电话,然后马上冲出去.这毫无疑问地满足着那些强调行动的人,给人觉得非常有能力和可以把手指按在工厂脉膊上并随时知道什么事情正在进行中的经理的形象。不幸的是，这种救火活动在现实中是经常发生,但也是不可缺少的.导致防火的意识容易被忽视。如找出主要机床的寿命，弄清它们是否及时更新以达到所需能力或分析建议是否添置新产品的设备.何时,何处可能发生瓶颈，如何避免它们.这些工作看来确实是平凡的而不象救火一样轰轰烈烈。 忽视防火的物料计划经理可以肯定明天将带来更大更好的救火机会。物料计划经理必须对麻烦有思想准备。墨菲定律是“可能出错的问题,往往就在最不适宜的时间出现”就是在工厂里发明的。物料计划经理应该是快乐的悲观者，他承认问题是一种生活方式,明天的问题今天毫无疑问正在酝酿着。工厂里的危机很少是一夜之间造成的,它们通常在一个长时期的酝酿而且时常是久久未采取行动的结果。物料计划经理有责任及早指出麻烦可能出现何处，指出有哪些办法并做一切可能做的事去确保作业按计划持续进行或被校正以防止出现危机。 物料计划经理必须在及时采取行动和未来准备改善计划之间取得平衡 有效的控制信息的最主要特征之一就是它的及时性。是事后给出辩解还是及早地提出信息使得有人能采取措施去防止问题。如果物料计划经理的上司询问为什么一种产品缺货了，而经过一些调查，他被告知它是由上周电镀部门一个瓶颈引起的，该物料计划经理只是给出了一种辩解。如果，另一方面，该物料计划经理早就曾指出该瓶颈并提出正面建议去克服它而且预言如果这个瓶颈不解决产品将会缺货,那么他就是发出了一个控制信息。这简单的差别就在于及时性,向工厂作业人员及时提供信息使他们在麻烦发生之前去采取必要的校正行动。 为保持有效的运作，物料计划经理必须用客观的,建设性的方式去使用他们的信息与知识的力量。他们应该是现实主义者,并避免乐观主义的痴心妄想，去指望麻烦可能不会发生或如果你不理它它就会自己跑掉。他们必需经常在提醒人们注意现存的与潜在的问题，可是，他们必须避免责备或说别人不能胜任并且不要忍不住去证明自己永远是正确的。 物料计划经理每天应抽出一些时间去访问工厂里主要的或关键的生产区域。往往快速地在工厂里兜一趟将发现潜在的问题比最最及时更新的信息系统还快得多。物料经理还必须抽出一点时间,这多半需要在工厂正规上班时间以外,去思考与计划对本部门未来绩效至关重要的事。这是他想出防火项目与改善本部门绩效的长期计划的时候。一名优秀的物料计划经理应努力使解决今天问题的行动与防止明天问题的计划之间达到平衡。虽然其办公
室的力量在解决许多日常危机中是需要的，但他们必须避免过多地直接介入于催稽之中。必须有一个为未来作准备的计划去平衡这种工作。 物料计划经理必须接受计划控制的教育与培训 为未来作准备最重要步骤之一就是培训。必须包括新技法、新系统、更现代化的设备的开发与使用的教育，以及通过参与专业机构去扩大眼界与听专门的课程以获得制造控制领域或其他企业管理领域的知识。这个教育还应包括厂内计划。我们大部分的生产管理人员开始从事计划与控制工作时并未在此领域中学习过。他们不仅对生产控制知识知之不多，而且往往并不理解有许多东西要学。这类人往往变成催稽员与救火人员而并无多大能力去有效地控制生产。实际上,现在该领域已成为具有独特知识主体、术语、技法与应用的一门真正的专业。目前,在国内,还没有一个专门的机构来认证合格的专业人员.如在财务领域,我们已有CPA资格考试,等等.而在国外,可以通过APICS参加考试，由此可被证明作为技术上合格的专业人员。 目前,国内ERP培训,和各个软件功能培训比比皆是,而缺少象APICS这种机构,对专门从事生产控制人员的资格培训.我们在大力推广信息化的同时,往往忽视了基础的工作. 实际上,这种教育由于其对象主要是成年人，所以,尽可能切合实际.如果人们能具体地看到每种技法如何应用到他们的公司,或看到曾经在过去引起过的问题，他们会热烈地作出响应。每个人都有希望对自己的工作更加精通。然而，需要接受有关制造控制活动的教育培训的人远远超过计划与控制人员。公司里其它部门经常把计划控制小组当作替罪羊，对所产生的任何信息表示怀疑从而减少他们根据这一信息采取行动的需要。让这些部门主管懂得一个制造控制系统是什么，他们必须如何同它合作并使用它，他们提供的信息与他们所采取的行动会如何对系统的绩效产生影响，这是任何公司的成功所不可缺少的。 最高层管理人员往往对制造控制系统的真正作用也知之不多。他们不知道在库存与生产管理方面有效的替代方案是有限的而且并不总是意识到有必要去平衡日常作业中互相冲突的目标。一项广泛的教育培训计划,最起码可以让一部分人认识到从计划与控制活动可以期望什么与不可以期望什么。 归根到底，一个乐于冒险去设定有雄心的目标的物料计划经理，一个努力工作去改善部门的作业并在实施MRP生产与库存控制的经理、一个想提高客户服务水平,改善工厂整体绩效的经理,将不难说服管理层相信他的工作的重要性与价值。 物料计划经理必须降低库存 库存过多且伴以许多缺货已成为常规而非例外.而且可能还会持续一段时间.导致库存的原因: 1,不准确的预测与不可靠的供应，要求成品超过预期的需求。 2,不可靠的供应商与长而不确定的采购时间，使得过量的原料与外购组件成为必要。 3.经常的调整，不稳定的物流，不良的质量，报废与返工，不完善的机床安装与设备，使得大量的在制品成为必要。 4,种种变化引起报废的库存。
现代的方法拒绝接受这些作为不可避免的条件。干扰计划作业的一切问题可以而且必须解决。管理层不断施加压力去减少库存是对的。事实证明,在任何公司里“正确的”库存量比现存于许多企业中的要少而比现存于大多数企业中的要少得多。正当的步骤如下： 1,设定一个要在规定期间(例如6个月内)减少(譬如25%）的挑战性目标。 2,提出投入(外购物料与生产工时)与产出（发货）速率指标并每月监控它们。迅速而敢作敢为地去校正偏差。 3,使减少库存的目标成为公司范围的计划,各个部门都有角色要担当。只有通过找出并解决过剩的原因才能显著地削减库存。 物料计划经理必须缩短提前期 没有比缩短越提前期更重要的工作了。这种观点同制造作业中许多人所持的观点相反；他们都需要更多时间来确保更好的绩效。他们的经验通常支持这种信念：缺货需更长时间去克服，过多的负荷要用更多时间去处理，而延误是时间不够的证明。 实际上,削减提前期已被证明是可能的,较容易的而且最为有效的.一项有效的措施是： 1,用厂外与厂内课程进行教育培训 2,选择一个具有长而不稳定的提前期并供应着大量产品的供应商 3,选择具有大量订单积压的工作中心 4,选择不稳定负荷与太多的在制品的工序 5,设计更短的调整或换装 6,实施投入/产出控制 7,使物料保持流动,缩小批量 8,顶住非难,坚持信念 生产计划与控制的未来 制造控制原先是一种文书工作职能：维护库存与订单记录，发放车间订单与处理其它必要的记录保管职能。从那里它发展到包括存货催促与一些部门的机器负荷 计划──但大多数技法是粗糙的而功能高度分散，直到许多公司把库存控制从生产 控制分离出来。导致每个小组倾向去考虑它自身的有限目标而不是公司的总体目标。这一朝着分散化的倾向使控制问题复杂化，因为它使得要让财务、制造与销售经理们朝着共同目标一道工作的任务更加困难了。 1960年代里，实际工作者寻找安全存货的正确数量以便在针对需求中的变化与供应中的不确定性去缓冲作业。他们为有统计技法去更新预测与重新评价所需的缓冲库存量而感到高兴。1970年代，人们弄清了即使需求有变化的有效的日程计划也是可能的,而且可以使用及时更新的优先级去改变补货提前期使急需的物品准时。强有力的MRP技法使这成为可能并在实际运用中得以普及. 在1970年代这10年里，所有需要的技法都开发出来并经过了试验。在1980年代初，人们弄清了在最复杂的系统中所有的技法在大多数制造工厂的混乱环境里实际上是无能为力的。人们认识到了对缩短提前期有迫切的需要,并在成功的公司里开始认真地去减少记录误差，提高质量、缩小批量并理顺工厂里的物流。
在2000时代,随着MRP的普及,工厂的混乱环境已得到改善,又随着计算机技术的发展,利用信息化的技术来提高解决企业效率的基本问题-能力约束.用FCS有限能力计划系统和扩展TOC的原理,全面进行多重资源约束的优化计划技法已出现.当然,,仅仅能力约束还是不够的,还要考虑物料的约束,需求的约束,供应商资源约束,运输资源的约束,分销资源的约束,财务资金的约束,这就是APS高级计划排程系统的作用. 还有些技法同时把JIT和TOC的优势结合在一起,形成了DFM需求流制造系统.在这信息高度发达的时代,企业的竞争是供应链的竞争,整合企业上游下游的供应链,使之形成供应链联盟,降低整个供应链的库存,缩短整个供应链的提前期,快速响应客户的需求. 传统的组织形式将继续激烈地改变。去管理一个面临激烈竞争的制造企业所需的基本信息对每个公司来说将变得越来越不可缺少。计划与控制功能不仅在公司的业务中将变得更加重要，而且将成为高层管理人员不可缺少的培训领域。最高层经理必须学会如何去经营制造公司. 对这些事实日益增长的意识，加上强烈的竞争,使人们更加重视计划工作,更加一体化的ERP系统使得计划的执行更加有效。制造业作为真正财富创造者的重要性给物料计划经理们身上加重了一付责任的重担，要求他们用这个知识为公司,为国家而且也为他们自己谋取最大的利益。 参考资料: 1, 2, 3,MRPII/ERP原理与实施( 刘伯莹,周玉清,刘伯均) 4,Solving Business Problems with MRPII (Alan ) 5,Master Scheduling (John F. Proud) 6,Inventory record Accuracy (, Larry ) 此文原登载<<AMT网站>>和<<网站>>
附录六: 企业管理的新境界 --以ERP为中枢,融入约束/精益的哲学 以ERP的信息集成为框架(backbone),结合TOC约束理论的整体观点,实施Lean精益的管理方法,使企业管理达到全新的境界-信息集成支持决策,快速响应, 分析企业发展的约束,最大限度的消灭浪费. 企业现流行的管理思想 1,什么是ERP中枢(backbone)? ERP系统是将企业的各种业务功能（如人力资源、财务、制造、会计、分销等等）链接到一个共同的系统中，使企业业务流程流畅和事务处理规范化。ERP的集成和数据的共享使得ERP更趋向于扮演应用软件集成框架的角色。具体的核心业务作业,如一些自动的,智能的优化功能交给由TOC, Lean, SCM, CRM等软件来完成。其管理思想融入约束理论/精益生产的哲学. 2, 什么是TOC约束理论(Theory of Constraints)? TOC: 任何系统至少存在着一个约束，否则它就可能有无限的产出。因此要提高一个系统 (任何企业或组织均可视为一个系统)的产出，必须要打破系统的约束。任何系统可以想像成由一连串的环所构成，环与环相扣，这个系统的强度就取决于其最弱的一环，而不是其最强的一环。相同的道理，我们也可以将我们的企业或机构视为一条链条，每一个部门是这个链条其中的一环。如果我们想达成预期的目标，我们必须从最弱的一环，也就是从瓶颈(或约束)的一环下手，才可得到显著的改善。换句话说，如果这个约束决定一个企业或组织达成目标的速率，我们必须从克服该约束着手，才可以更快速的步伐在短时间内显著地提高系统的产出。 TOC有一套思考的方法和持续改善的程序，称为五大核心步骤，这五大核心步骤是： (1),找出系统中存在哪些约束。 (2),寻找突破这些约束的办法。 (3),使企业的所有其他活动服从于第二步中提出的各种措施。 (4),具体实施第二步中提出的措施，使第一步中找出的约束环节不再是企业
的约束 (5),回到步骤1，别让惰性成为约束，持续不断地改善。 TOC的九条生产作业计划制定原则: (1),不要平衡生产能力,而要平衡物流 (2),非瓶颈资源的利用水平不是由自身潜力所决定,而是由系统的约束来决定 (3),资源的利用与活力不是一码事 (4),瓶颈损失1小时,相当于整个系统损失1小时 (5),非瓶颈上节约开1小时,无实际意义 (6),瓶颈制约了系统的产销率和库存 (7),转运批量可以不等于1,而且在大多数情况下不应该等于加工批量 (8),加工批量不是固定的,应该是随时间而变化 (9), 优先权只能根据系统的约束来设定,提前期是作业计划的结果(不是预先设定的) 3,什么是LP精益生产(Lean Production)? LP精益生产：包括JIT(Kanban),GT成组技术(Cell manufacturing),TQM全面质量管理.它是在流水生产方式的基础上发展起来的，通过系统结构、人员组织、运行方式和市场供求等方面的变革，使生产系统能很快适应用户需求不断变化，实施以用户为导向、以人为中心、以精简为手段、采用Team Work工作方式和并行设计、实行准时化生产技术（JIT）、提倡否定传统的逆向思维方式、充分利用信息技术等为内容的生产方式，最终达到包括产品开发、生产、日常管理、协作配套、供销等各方面最好的结果. 精益生产方式来源于丰田汽车。精益生产以准时制（JIT，Just In Time）为核心，寻求精益的方式进行产品开发、生产和销售，而精益思想体现在一下五个相互关联的领域： (1),据用户需求，重新定义价值 (2),照价值流重新组织全部生产经营活动 (3), 使价值流动起来 (4), 让用户的需要拉动价值流 (5),不断完善，达到尽善尽美 精益思想是和浪费直接对立的，浪费包括很多，如：残次品，超过需求的超量生产，闲置的商品库存，不必要的工序，人员的不必要调动，商品的不必要运输，各种等待等。所有这些都将导致不精益，因此也必将和精益思想从本质上是对立和不可调和的，因此精益思想反对和致力于消除任何形式的浪费。只有所有的活动和行为在致力于为顾客创造价值时这才是符合精益的原则. 约束理论和精益生产的共同之处 1,价值方面
约束理论和精益都强调以客户的价值为导向,客户的价值是最关键的。精益的价值观点仅仅被最终客户定义.同样,TOC的观点:产销量是被客户所付款的产量。所以客户的需求在增加产品的产量起到决定的作用。 2,价值流方面 LP和TOC都强调价值流.对价值流进行分析,显示出互相依赖的不仅仅是生产的价值链.增值和 非增值活动.LP和TOC都深刻地认识到公司里的每个人的工作是把库存变成产销量。定义系统并 且创造一实际的过程流. 3,物料流动方面 强调简洁是流动的重要性.并且物料希望象水一样流动,达到同步生产.同步的管理原则是平衡物流动而不是平衡产能力.这是TOC 和Lean所倡导的流动。LP已经把流动概念从工厂内扩展到工厂外. 扩展到设计和订单接受的过程。 4,需求拉动 TOC 和LP都提倡拉式原则，并且使用的控制技术是基于市场拉动产品流动.Lean的拉式概念是利用看板技术, 在上游的人直到顾客下游地要求才应该生产.TOC的拉式是鼓-缓冲-绳(Drum-Buffer-Rope)驱动源. DBR 作为市场需求的方法为计划提供约束 ( 鼓 )的基础,它是为发放任何材料的基础 ( 绳 ) 进行的生产过程。 5,追求完美 目标不断的变化,企业不停地为达到目标进行改善.无穷的追求完美.TOC与Lean都是一致的. Lean和 TOC都强调为人员必须努力改善.在公司的改善过程中,员工的参予是非常重要的. 约束理论和精益生产的实践上的区别 1, 在不断改善过程中,TOC 和Lean有完全不同的侧重点： Lean强调减少浪费.而TOC强调增加产销量。 Lean 追求消灭浪费.丰田生产系统提供内在的精益思想。丰田生产是一个有效的方法,因为它是为生产最终的目标—利益的一个有效的工具。为了完成这个目标, 丰田生产系统的主要方法是减小浪费, 或生产率的改善。费用减小和生产率改进是通过各种各样的浪费消除达到的.例如过度的库存和过度的人员.
在这两个世界里, 利润计算的方法是一样的,减少经营费用.然而, TOC 倡导产销量-由增加利润为首要.所有的决策都是基于对产销量的影响来评估库存和经营费用。主要强调是在增加产销量。 在实际案例中,Lean 的持续改进,减少浪费和TOC的增加产销量,这都是公司的不同策略. 2,实施的方法-浪费的观点 显然,产品和服务应被客户定制并且要匹配市场需求, 在大多数 实施TOC 的公司,焦点是改进初始系统的现状。如果是市场的约束,那么它就可以由客户定义.如果约束是内部的,公司应正确做一些事情。其实, 任何公司的长期健康取决于公司满足客户的需求的能力. 然而,在实践中, 许多 TOC 实施者却错过机会消除真正的浪费.在实施 TOC的 公司里的许多经理在能力短缺的情况下, 充分利用了约束资源,首先提高购买能力.高度集中且寻求最容易引起停工的浪费，而且禁止产销量。象物料的准备时间的约束，质量问题的约束，或材料短缺的约束直接影响产销量的约束. Lean认为 15 个浪费的 7 种类型： 1,吸收资源但是不创造价值的人活动。 2,错误要求校正。 3,生产出没有需要的,积压库存。 4,不必要的流程 。 5, 没有目的移动-雇员或商品从一个地方到另外一个地方。 6,闲散的能力-因为在上游活动没准时交付导致下游等待的人和商品 7,不能满足客户需要的产品与服务. 在Lean实现过程中,浪费减小是非常重要的.在成本世界里,这种思维的方法是非常吸引人的.不幸地, 很少成功的公司依靠节省的方法达到繁荣。当消除浪费是一重要的任务时, 不是所有的浪费是生来平等的。公司的优先级应该基于是否影响利润 ( 产销量，库存,经营费用的影响 ). 3,价值流定义 TOC 和Lean是从价值链的观点来看企业,为客户创造价值. 他们的极大地不同是在于如何定义自己的价值流.Lean的企业是围绕特定的产品定义价值流。而这种观点的不利之处是公司的有些资源可以用在许多产品上的. Lean 适用于针对特定的产品重组设备资源,形成一条生产线。导致某些机器和设备的潜在的未完全利用率。不幸地是, 这个未完全利用率,有时是能够把非约束资源改变成约束资源。尽管Lean的倡导者建议减少特殊的大型机器.但是,不总是是现实的。当小型 机器不在时, 系统仍然必须操作使用当前的资源。 TOC的价值流的观点是包括价值流里的共享资源.在TOC 企业经常围绕若干个产品,通过那些产品相互作用的普通资源来安排生产。在 TOC 实现的第一步之一是定义系统是改进。尽管这可以初始系统约束的定义.而没有到全部价值链,.如需要时,将要定义价值链的另
外部分:设计, 订单接受，制造的约束.尽管如此, TOC 建议者将同意考虑并且改善整个价值流. 分析整个价值链时, 经常是令人气馁的,甚至在开始时分析约束因素。价值链包括多重的职能，不同的公司，或不同的部门有不同的优先和措施。,直到它被由于竞争严重地损坏,整个价值链才同意改善。任何系统分析的重点是约束工序 ( 例如由于工程模具的缺少导致换模慢而导致批量.或由于糟糕生产设计导致质量问题).在理想的情况下, 应该是分析整个大的系统。然而, 在整个系统分析时, 不能低估系统相互作用的复杂性.应把焦点缩小到特定的价值流 ( 包括共享的资源 ). 4,库存 在对待库存上, TOC的观点是简单的.库存的唯一的目的是在—段时间内支持产销量。在一些情况下，通过在上游的工序维持一个缓冲区以免于变化的库存。库存利用鼓-缓冲-绳的方法达到同步的流动.Lean对缓冲区库存的缺少实际的看法, 认为所有的库存是浪费。这个看法基于单件流动的概念。 两个哲学都倡导先减少缓冲区库存的可变性.其主要的区别是 TOC 将保留缓冲库存,并且减少可变性。Lean去掉所有的缓冲库存且反对明显的变化.如果系统的约束是内部的-单元工序，没有缓冲区的概念将总是引起约束。这是由于在任何生产系统都是可变的这一现实。令人担心的是Lean建议者只看见库存减小,消灭 WIP 库存,而没有考虑到产销量的影响.在一些案例中，库存是真正浪费.在另外的案例中,它在约束工序的上游流动冲突时提供一个关键的缓冲角色.在清除库存期间，也许,甚至在以后，战略上维持被定义的缓冲库存, 保护公司的产销量可能是必要的. 在面临一个不完美的系统时，缓冲库存管理提供一个工具来处理改善的优先级。缓冲库存管理的基础是记录并且分析在约束受到缺料引起停工的原因。这个分析区域是大多数需要改进努力的。由开始和经常引起穿过缓冲区的那些物料,既要保护产销量,也要在被改进以后，允许缓冲库存减少。 5,能力 就象多余的库存，Lean也把多余的能力看作浪费。由设计流水线开始考虑每一件都运作或因质量问题全停.坦率地说, 这些是所有人都不得不面对的问题.用这种方法很难让处于可变的,互相依赖系统的经理接受. 满负荷运转的系统的要求： (1), 多技能培训工人.因为完美地平衡生产线是不可能的。工人必须移动。 (2), 机器是100%可用且精确(TPM全面预防性维护) (3), 工作团队工作的严格标准化 (4), 错误能及时校正 甚至当上面的各个要素戏剧性地被改进时，我们已发现完全是一个被改进的生产的系统。在一段时间里,可变性是存在的。一个有秩序的, 可预计的系统, 在积极连续的改善进步的过程中, 必须有保护的能力。
6,成本 传统的会计系统强调直接人工的成本核算.然而在Lean 环境下,管理费用成为主要成本,它可能是直接人工成本的20倍.随着员工的多技能,开始维护设备等工作,直接人工与间接人工成本对于成本核算来说已变得很模糊了.Lean 的成本核算的管理费用是基于系统中产品的生产时间,而不是基于直接人工工时和机时. TOC的成本观点是库存成本只包括原材料成本.人工和其他间接费用都是运作费用的一部分,由工厂统一控制,而不分配到某一具体产品.毛利=售价-原材料,净利=毛利-运作费用. 用毛利最大化来进行品种决策分析. 企业应选择约束理论和精益生产的最好的一面 作为 TOC 倡导者，Lean的思想许多部分完全是一致.它可以用TOC的方法评估Lean的实践。 TOC 的前提是 5个 集中的步骤,提供了一个高度有效的范例,为管理企业提供改进的途径。结合许多Lean的实践和原理更加强实例。这种结合使组织能够得到更大的改进和利润. 1,接受产销量的观点。 库存和经营成本是为了创造产销量,其目标是利润。另外, 产销量的观点是集中在组织外如何创造价值, 组织如何能为它的客户创造更大的价值。 2,定义被改善系统，被改善的目标的及措施。 开始时,在试着改变你的客户与供应商之前,你应该先获得内部的控制。当你获得内部的控制,你才能得到可靠的正确的方向来影响你的顾客或供应商。 3,定义系统的约束。使用价值流分析过程定义物流过程的流动。流程图形化来消除完全不必要的步骤。对于约束,不仅仅是减少费用，而是减少相关依赖性的且增加保护的能力。较少的相互依赖的工序意味着较少增加保护的能力.系统少些的混乱, 缓冲库存,时间预定就更少,更短。 4,决定怎样利用系统的约束。 利用约束的过程也是为Lean的完美的应用。系统的约束是约束全部系统的产销量的资源。我们经常听见有些经理说:如”我们需要买另外的机器或雇用另外的工人”；”我们没有足够的能力”。总是, 在约束工序有大量的浪费。浪费与准备时间,浪费与不熟练技能的员工.同时,有技能的员工又处于短缺。约束工序应该是主要突破改善的目标. 对约束工序建立每小时的产销量，经常是有效的. 5,服从系统的约束。 TOC和Lean都包括服从的概念。在一个 DBR 系统,服从的主要是让的部分材料限制进入系统以避免系统超负荷的想法.这就是Lean的看板系统, 它类似在所有的资源之间的一系列短绳(通讯连接)。在 DBR 绳的概念,是连接材料投入到入口工序。一旦他们在工作中心
出现,中间的工序是尽快快速处理。有许多其它部分的活动也是受到约束的服从。维护工作也应该服从约束工序。 简言之，全部组织都要服从约束工序 。这是基于只有在约束上增加了产销量,才能为全部系统增加产销量的思想。 6,评估约束。 前面以提到，当有未发现的约束时,经常采取的第一个步骤.事实上, 在如此的例子，经营成本和库存比需要的高。多次利用并且服从的步骤.增加约束的能力。评估约束的过程是增加全面利用资源能力到高级阶段.在新的,交替的工艺路经中,有效的方法是卸下约束.顺便说一下, 在”成本世界”的公司里,如果一个工艺路径的变化会增加部分的,全部的劳动力或机器, 在产品上也会变化,明显的影响成本价格的计算。这是真实的,影响到公司的利润. 7,避免惯性。 如果约束被打破，定义下一个约束。组织将总是有至少一种物理的约束-原料，内部的资源，或市场的缺乏。当一个约束被打破，约束将转移到到组织的另外的地方。不能自满成功, 坚持,连续的改进. ERP,约束理论,精益生产的有效结合-世界级企业 TOC的集中在且管理约束的不断的改进的概念也许不能象追求完美的Lean的目标那样鼓舞人心。然而, 现代组织的复杂性与无限制的数据的系统要让经理们去改善,巨大的任务量是足以让认真的经理望而生畏.同时, 事实上, 仅仅只有那些几百个有潜在的改进的业务,才能达到组织的目标。TOC的 集中约束的方法是合理的,实际上,明确且强调约束是一种最快增加任何组织的产销量且最低的成本的有效工具.同时, Lean提供一条不同的改进途径.通过消灭浪费来消除组织的脂肪。一个组织是病态的,肥大的 ,从系统消灭浪费的想法是容易的.而且, 很有吸引力。然而, 大多数组织，努力减少浪费是一长时间的工作。你从哪儿开始？消除可变化性,也不是一项小任务. 大多数情况下,也不是能很快的完成。此时,使用Lean这一工具就很有用了.然而, 当他们集中在组织的约束资源上时，他们就更加有用的. 财务管理上,对外报表由ERP财务模块自动生成,间接费按人工分摊.而工厂内部的管理报表用TOC的观点-产销率,库存,运作费用来计算. ERP提供基础数据的系统框架,集成TOC(APS,OPT)软件和LP(Demand pull Kanban)需求拉式系统来达到世界级企业.Fourth Shift 推出融合精益生产和约束理论的管理思想的新产品DemandStream 来帮助企业实现这一新境界. 参考资料: 1, <The Goal> Dr. Eliyahu Goldratt 2, < The Machine That Changed The World> Womack and Jones 3, <Theory of Constraints and Lean Manufacturing: Friends or Foes?> . Richard Moore and Lisa Scheinkopf 4, <Production and Operation Management/Manufacturing and Services> Richard and Nicholas and Jacobs
此文原登载<<AMT网站>>和<<ERP世界网站>> 附录七: 试探ERP成功的标尺 蔡 颖 “对确定性的迷恋阻碍我们对本质意义的探究,事实上,正是不确定性促使人类开发自己的潜能” -埃里克 弗罗姆(Erich Fromm,1900-1980),作家和心理学家 对ERP的期望值的误区直接影响对ERP的成功的评价. 一,对管理的期望: 认为用了ERP软件,管理就可以脱胎换骨,库存减低,效益大增. 从管理的角度来说,管理实际上既是科学又是艺术, 如何去衡量一个管理的工具或管理理论在某个个体企业实施.不同的企业可能会有不同的结果.ERP软件本身就是管理软件,所以不同的企业运用ERP的体会与结果可能就不一样. 成熟的ERP软件一般会给出许多灵活的,先进的管理策略, 如何去使用它,熟悉它,这是可以通过培训达到的. 但是,最重要的是如何采取何种策略,取得竞争优势,这不是靠某个软件就可以达到的.但是,ERP可以提供有利的工具,使之决策合理化. 如在管理上,是采用集团集中式管理,还是分布式管理,分散式管理,这属于战略决策,不同高层的管理者会根据他认为的最合理情况,决定采用何种策略.但是,作为ERP的软件要能有效的支持这些决策. 如在计划策略上,管理上有各种方法,比如一般ERP都支持订单生产MTO,订单装配ATO,库存生产MTS,订单设计ETO,订单配置CTO等方式. 如果管理者,把其中一种管理策略用在不同的情况,如你的判断明明是按订单生产,而你却采用面向库存生产的策略,导致库存在上了ERP之后,反而上升.如你正在大批量的生产,而你的产品正在淘汰,而你的决策没有快速的变化.这就导致相反的结果. 如在成本管理上,你想降低成本,并且控制成本.而你却使用传统的成本核算方法法,如实记帐. 满足最基本的要求成本准确.而没有采用强化管理的标准成本,差异分析管理,以求之改善点. 在库存管理上,仅仅满足于库存准确,呆滞料的发现处理来降低库存,而没有采用公认的物料需求计划MRP来实时优化你的库存. 在财务上仅仅满足于在总帐里记帐计算机化,而无视ERP的财务管理的分帐的控制功能.直接在分帐里控制应付,应收等,对成本费用中心的预算和控制. 如在没有有效的数据集成下,高层领导怎么能作出实时的决策. 二,对计算机的期望: (1),有了ERP系统,问题就会少一些.但是,ERP一上线,问题更多.这是什么原因?
第一, 问题现在是水落石出,多少年的问题全暴露..如物料编码一对多个实物,或一个实物对多个编码.出现过一跨国企业的外方工程部经理脸红的事,做了很多年的产品,竟然连物料清单BOM都不准. 库存就从来没准过, 财务库存帐与实际库存从来就没对上过,以为有了ERP全都准确了. 第二, 对软件不熟悉,没时间学习,一到切换时,或是真正使用时,出问题了. 以为象Excel和 Word 等办公软件那样使用. 第三, 过分依赖顾问,不会自学.实际上,成熟的ERP都有较全的联机手册与在线帮助. (2)对计算机技术发展的期望 第一,对实时的要求,实际上,很多处理还是批处理方式.如计划的计算等.这是因为计算机技术本身的发展的约束.基于大量内存的计算还没普及. 第二,对可视化要求.如有客户对仓库管理的要求是对着可视化的图形库位手指一点,货物就发出,入库也是手指指哪就入库在那里. 第三, 对计算机技术的出错不理解,既然产品已有二,三十年了,怎么还有错误. 实际上,计算机技术在快速的发展,ERP软件技术,平台,数据库等都在变.ERP软件功能也在增加,在不断改进,不断的发展.升级. 第四,复杂的物料的替代关系,动态模糊的计划调度,优化的约束规划,等一些业务的智能化,都是计算机技术未来要解决的问题. ERP软件的功能,适用性,稳定性也影响成功的界定 虽然, ERP软件在财务上遵循国际公认会计准则GAAP,在制造上遵循美国生产管理控制协会APICS.但是它们在以下几个方面有所侧重点: 1, ERP软件的定位 每个ERP软件都有自己的市场定位,有的是针对大型集团企业,有的是针对中小型企业的.它们在管理组织结构设计,计划的策略,财务的设置,数据库,网络技术均有不同,如果企业选择了不适合自己企业大小的ERP软件,肯定就影响了ERP的成功运用. 2,ERP软件背景 有的ERP软件是靠财务软件起家的,有的是从制造软件开始的,有的是从库存物流软件起家,有的是先是做销售分销软件或客户管理的,有的是做数据库,数据仓库,商务智能软件的,它们经过几年或几十年的发展,都形成较完备的ERP软件 3, ERP软件行业 有的ERP软件是从某些行业取得的成功,它们客户大部分都在这些行业里.在软件的设计上就有这些行业的痕迹. 4, ERP软件技术 网络传输的速度,承受的大量的数据库,多少并发用户数, 接口开放性,软件的程序的稳定性,网络的稳定性,数据库的稳定性直接影响ERP的使用. 5, ERP软件生存时间和客户群 一般来说,ERP软件能从上一世纪80年代生存到本世纪21世纪,可以肯定的说,它肯定有不凡的价值.一个庞大的客户群就是此ERP软件的可以成功的迹象.客户之间的交流可能更能说明问题.
6, ERP软件本地的服务 ERP软件的服务非常重要,行业里有一句话:一个优秀的顾问队伍可以把较弱的ERP软件实施成功. 一个非常强大的ERP软件经常在较差的支持队伍手上实施失败.ERP软件公司,咨询公司和客户的关系不是简单的买卖关系,而是长期的合作关系. ERP的成功的尺度体现在以下几个方面 1,客户满意 不管怎么说,ERP软件商,咨询商最终要让客户满意.客户自身的满意,如对软件的功能,稳定性,实施的预算,实施的时间,达到的目标基本满意,才是ERP软件与咨询公司的成功. 但是,客户本身的理解ERP等新的管理知识有限,会得出差异很大的结果. 如ERP软件公司,在接到客户满意的签字后,而进一步有高级顾问形成的业务评估小组BSR对客户进一步评估,来帮助企业达到真正的成功. 2, MRPII的评级. 在国际上，美国生产管理库存协会APICS组织对ERP的运用成功也有公认的评级表.可以先自己内部评估或由第三方评估.评级不是目的, 主要是提高ERP管理软件的运用水平和企业管理水平. 如: A级 MRPII 用户-全面使用MRPII系统各功能,物料需求计划，能力需求计划，车 间作业计划，订货和供货系统，闭环MRP,财务系统集成,中高级 管理人员使用MRPII系统,95%以上人员了解MRPII系统,产生了 巨大经济效益 B级 MRPII 用户-使用计划和控制的部分功能,中级管理人员使用MRPII系统,80% 人员了解MRPII系统 C级 MRPII 用户-将MRP作为库存、订单系统,有限的经济效益(库存减少) D级 MRPII 用户-数据处理部门使用,数据准确性差 3, 在预算内,规定时间里,达到你分阶段的目标. 毕竟实施ERP是为管理业务的需要,企业不可能把所有精力投入到ERP的实施,企业自身的管理,与业务也十分重要.所以,ERP的实施尽量在不影响正常业务的情况下,分时间阶段的,分预算的,达到你的分目标.所以,可以这样说从局部成功到全面成功的过程. 3, 四个基本变化 (1)流程规范 体现在如下几个方面: 工程管理流程的改进: 从工程BOM 提升生产BOM带来方便. 从多方建立BOM变到统一的BOM(含包装,工艺BOM)建立.成立ERP的BOM小组 提供给各部门统一的产品结构信息. ECN变更处理及时有效.
销售管理流程的改进: 为订单评审,货物发运等提供简化,将非正常销售业务的处理纳入规范管理. 通过计划BOM的建立,实施有效的预测.改进客户服务.改进对应收款的控制. 计划管理流程的改进: 对产品计划的生成,审核,调整,监控进行闭环式管理,明确并落实信息来源责任.实现以统一计划的主计划员制的计划体系.使销售计划,生产计划,采购计划有效的衔接.设立主计划员的岗位: 1,平衡销售需求.2,平衡采购物料的供应.3,平衡工厂车间的生产线的产能.提高计划与采购的效率. 采购管理流程的改进: 实现对采购订单信息流,实物流,资金流的全过程跟踪.加强供应商的管理.简化采购订单的编制工作.改进对全部采购入库的控制,改进对应付款的控制. 生产管理流程的改进: 减少手工计划工作量,实现计划,车间与销售,采购之间的信息及时上传下达,形成双向沟通渠道.提供强有力的联机决策能力.可以图形,可视化排产,分析瓶颈负荷及生产能力. 库存管理流程的改进: 减少数据输入时间.库存信息共享,及时,准确.报告及时.自动生成财务业务.利用批号全程跟踪质量记录.支持ISO9000的产品可追溯性. 财务管理流程的改进: 从单纯记帐式财务到管理型财务转变.与业务的信息沟通,从多口径转向一个口径,核算内容从粗放式转为对每一笔明细业务的追溯跟踪式核算,明确岗位责任.应付AP,应收AR,现金Cash,固定资产FA,总帐GL维护并监督业务数据的正确性,对企业管理及决策提供意见. 成本管理流程的改进：实时更新材料成本，根据实际领料自动计算产品成本，所有的凭证自动生成，利用多套成本类型，进行标准成本和实际成本的分析，财务人员从过去大量、繁重、滞后的成本核算中解放出来，真正实现财务管理的职能，为生产管理，产品定价提供准确依据。 应付帐款流程的改进：采购订单信息流、物流及时传到应付账款模块，财务人员对采购单价，入库数量进行检查审核，保证付款发票的正确性，同时根据付款期限自动计算发票到期日，提供到期付款发票报告，合理安排企业资金，保证公司的付款信用。 应收帐款流程的改进：建立客户信用限额和付款条件，自动计算信用余额和发票到期日，根据应收款帐龄报告，掌握客户付款情况，提高应收帐款周转率。 现金管理流程的改进：自动进行汇率计算，随时获取银行余额，通过支票打印程序打印支票，自动核对匹配银行对帐单，减少了重复性的手工工作。 (2)数据集成 形成企业包含所有业务集成的数据中心,改变多个数据库的信息化孤岛现象. 1,做到产-供-销部门物料信息的集成。既不出现短缺,又不积压库存. 2,物料信息同资金信息的集成。 “财务帐”与“实物帐”同步生成。 3, 客户、供应商、制造商信息的集成。优化供应链-协同合作竞争。 (3)信息及时 物流,信息流,资金流同步化,所以信息是及时的. 实时获取需求,快速组织供应, 快速响应市场变化. (4)决策支持
因数据高度集成,且信息及时,是企业进行业务决策的良好工具. 可以解决我的产品都销到哪里?哪种产品销路最好? 什么时刻?什么地点?什么渠道? 我应当如何改进我的营销策略？支持商务智能如从浩如烟海的数据中摘取和筛选决策有价值的信息形成互联网时代的“总裁信息系统”（EIS),以集成的数据中心支持数据仓库、数据挖掘、在线分析处理. 4,有两个基本表象: (1), 成功实施成本模块. (2), 成功实施生产计划模块. 众所周知,ERP主要核心价值就是管理会计和MRP/CRP,它可以给我们带来明显效益的是成本的实时,精确的控制,及财务利用管理会计理论控制.管理整个工厂.使之费用控制,生产成本控制,差异的管理与分析以改善管理水平.实际上,实施了生产成本模块,也就打通了生产与财务的全面集成的关键.也就是达到了物流与资金流的同步.尤其对成本会计提出更高的要求,从原来的成本核算员,提升为成本分析师. 在实施ERP还有一个难点,就是运行MRP/CRP.这牵涉到计划策略的合理,库存数据准确和实时,物料清单的准确和变更及时,工艺定额的数据准确和产能维护的准确和变更及时.及整个生产,采购,销售的系统流程操作规范化.尤其是计划员的水平. 成功的实施ERP的计划模块体现在: 1, 始终保持动态的供需平衡,是库存降低为最低点,而不缺料. 2, 可以自动的计算(现有库存+在订量+在检量-已分配量) 3, 采购计划与生产计划自动算出,减少数据重复录入,减少人为的计算错误. 4, 主计划与生产计划与采购计划有效衔接 5, 计划可重排性 6, 计划可以反查 7, 可以计算能力并能力分析 8, 计划可以模拟 9, 计划更实时,真实 10, 对销售计划快速响应,提高准时发运率. 11, 提高团队精神(MRP牵涉到技术,库存,销售,生产等部门) 比如在ERP公司内部,很多客户自认为用系统用的很好,就想申请每年优秀用户,首先在作评估BSR(Business System Review)之前,首先要确定是否使用了MRP/CRP模块和成本模块. 5, 成功是一个持续改善的过程 实际上,人们对成功的理解随着对管理的不断认知,其认识程度也在提高.人类就是对不断对自身不满而进行不断的探索.我们实施ERP的同时,也是从库存准确,帐物准确到减低库存,加速资金周转,在到监控企业运作,自动算出采购计划,生产计划,进一步到计划的优化排程.市场竞争日益激烈,及变化加快,决策必须及时,对ERP所提供的信息必需是实时的,且可以预警.甚至按规则智能化处理. ERP的成功也不可能一步到位.上线后,只是用上了ERP系统,达到了合理业务流程的计算机化,如何在运行过程中逐步优化系统,改善管理.这是软件提供商和咨询公司,客户都要面临的重要问题. 6, 软件,咨询公司后续支持.帮助企业达到更高的管理目标
ERP既然是管理软件,它的提供商,咨询公司就有责任进行后续支持,帮助企业达到更高的管理目标 比如ERP公司的实施方法论的第六阶段就是运行改善,对已经切换的客户进行BSR业务系统评估,免费提供运行绩效模块的实施,是客户在每月同过计算机监控的工具来评介企业运行成果.通过八大因素的分析:1,库存准确度2,物料清单准确度3,物料的责任的分配4,提前期的分配5,标准成本的分配6,可执行的计划,7,应需要的下达定单计划8,未过期的计划发运.五大指标:1 准时发运率2, 库存周转次数3, 库存周转天数4, 销售成本率5, 经营费用率.进行每月的持续改善. 7, ERP软件,咨询公司和客户一起成功,成长. 对一些客户进行管理提升,把传统的工序,车间制造改变为流水线制造或单元制造来达到更高管理要求;一些客户却采用约束理论的方法来管理企业,这就导致ERP软件商,咨询公司应提供这种适应改变的软件与管理咨询,来帮助客户成长.对一些客户采用一些最新的理论来管理企业,这对ERP软件商,咨询公司是一种很大的挑战与机会.综观ERP的发展历史,实际上是软件,咨询公司和客户一起成长,成功的历史. ERP的实施成功实际上是客户,咨询公司,ERP软件公司共同合作努力的结果. 此文原登载<<电子商务世界>>
附录八: 在ERP的运用中实现JIT生产 蔡 颖 所有制造企业都在朝着世界级制造企业进军, JIT生产是企业梦寐以求的事情,在许多成功的运用ERP的企业中,都在想如何达到JIT的境界,以应付客户多变的需求,全球化的竞争,.批量制造已不适应需求的多变,制造过程更为复杂,制造过程需要优化,导致制造性企业需要需求拉式生产,灵活定义生产线,混流生产,电子看板驱动,自动倒冲,在线的质量检验与自动产生采购定单. ERP同时对标准产品,定制产品提供基于定单的管理,如ETO,ATO,MTO,MTS工程项目,新产品开发或传统的基于生产活动的生产定单.无论你实施JIT处于什么阶段-从计划开始,部分到完全实施JIT,ERP都能有效的帮助企业实施JIT和消除一切浪费.实施JIT就是有计划地清楚废品和不断提高生产率,目标零库存,即只有需要时才有库存,通过TQC消灭不合格产品,并通过IE减少准备时间,排队时间及批量来缩短提前期. 有许多ERP系统对JIT有不同的描述.如流水线制造(Flow Manufacturing), 需求流水线制造(Demand Flow Manufacturing), 连续流水线制造(Continuous Flow Manufacturing), 准时化制造(Just In Time Manufacturing), 柔性制造(Flexible Manufacturing), 工程重组制造(Manufacturing Re-Engineering).其实,它们和JIT的管理哲学是一样的. 在ERP系统里,你只要录入客户定单和记录发货,你就能快速反映客户需求,用电子看板,同时产生相关的采购,生产和发货.ERP系统提供从产品设计,需求管理,采购生产管理和成本管理JIT的环境的支持. 但是,一些基本的理论也要实现转变,如MRP是用计划推式技术,要事先定好提前期以及批量,需要一定的在制品库存来缓冲因事先计划的延迟.而JIT使用的是需求拉式技术,既从依赖预测到依赖客户需求的改变批量的概念到流水线,重复生产到混 合产品制造的改变,批量检验到在线检测的改变补货到看板补货的改变生产定单到日产出率的改变人员的专能到人员的通才的改变 . 如何设置符合JIT环境的物流 要更好的实施JIT,就必须对你的生产线的布局进行优化.既流水线化,流水线的设计考虑为S型或U型, 增加布局的灵活性,尽可能短,减少运输时间.供应链的连续性即从供应尚到经销商,客户.对生产线要考虑混合模式的能力的均衡既节拍与平准化.
需求(客户定单/预测) 客 户 发货 生 产 线 倒冲 工序1 工序2 工序 日计划 成品库 1 2 1 2 1 2 库位 库位 库位 MPS/MRP 看板补货 原材料库 寄存库 检验库 半成品库 供应商计划 采购 供应商 子装配线 如何设置符合JIT的BOM和工艺流程 JIT反映在BOM和工艺流程上是用ERP的虚项逻辑来扁平化BOM,消除损耗率,和减少提前期偏置.减少不必要的中间库存.对制造单元的设计是以产品为中心设置装配线,逐渐改变布局,流程.重点解决换装时间(准备时间). ERP提供强有力的资源清单BOR来处理流水线制造,每一个资源可以反映一制造单元,一条装配线或一组人和设备.生产率,成本结构.用ERP的虚项逻辑来反映新的流程布局,改善流程化和消除准备(换装)时间. ERP来定义产品族系列的BOM或可选特征的定制产品族系列BOM.这些计划BOM能基于百分率和合适的产品组合进行分解.
如何管理符合JIT的需求管理 一些企业是BTO(build to order)的生产环境,ERP提供简单的客户定单录入和发货,你能配置客户独一无二的定制需求,也能支持面对预测的标准产品或预测驱动采购,而客户定单驱动生产定单. 可以用EDI和WEB技术自动处理预测和客户定单. 通过对计划时界,需求时界的设定来处理是按预测拉动需求,还是MPS拉动装配计 划,还是预测拉动提前期长的采购实际定单拉动生产定单.对预测或采用鼓点式,生产线排程(Line Scheduling)的多品种混排的日产出计划,辅之于RCP粗能力 计划分析. 如何管理符合JIT的采购流程 用ERP的一揽子采购定单和看板来补充需要的物料.物料可以直接送到车间仓库或主仓库.针对一揽子采购定单产生一下达的看板和进行无纸付款.与供应商结成战略同盟,作出供应商交货计划(Supplier Scheduling),外加工计划,并对供应商进行评价. 你可能觉得ERP的计划参数与JIT目标有冲突.事实上,增大批量定货天数的参数和计划更多的库存可以提高你的计划调度的可行性. 实际上,计划参数(Lot size day)的目标和JIT目标并不矛盾.它是帮助你达到JIT目标的可行的方法.大部分企业采用简单的改变MRP参数的方法来实施JIT,以提高下达定单的频率.而此改变在生产控制和采购需要巨大的工作量.事实上,对公司几千,几万的物料,或提前期长的物料,如进口采购,都进行看板管理是不现实的. 你可以用下面的方法达到JIT环境. 1,首先集中于A类物料.这是反映最大价值的物料,也是可以能取得大的改善的地方.暂时不考虑B和C类物料. 你能对A类物料用减少批量定货天数来提高物料的周转指数.对C类物料较少的改变,这样你的每年的行动信息就不会大量增加. 2,用一揽子采购或用非传统的采购方法,如供应商承诺计划,来采购C类物料.而不用频繁的下达定单来购价值较低的物料达到JIT生产. 如何管理符合JIT的生产计划流程 无定单生产环境需要生产需求和简化的业务处理流程.ERP自动产生生产计划来满足需求.最终装配计划通常用电子看板来拉动物料.ERP也能产生对分装配线的计划或对实际需求需要事先建立一生产需求. ERP支持简单的生产业务流程.你能简单的记录接受库存的物料或工序间完成的数.此信息可以用于条形码来处理或其他数据采集系统.ERP可以采用装配拉式倒冲材料(backflushing)物料,资源,也可以工序拉式倒冲材料(又称同步倒冲),倒冲可以指定库位,装配线,制造单元.车间库位.也可以倒冲替换物料.ERP还提供销售发货自动触发倒冲. .
看板卡的控制与跟踪: 建立卡 状态: 新 看板信号 状态: 满 最小定单数吗? No 状态: 等待 Yes 接收物料 状态: 空 建立定单文件和转送信号 状态: 在处理 状态: 在途 看板计划是物料补充动态看板计划,可视看板、自动看板和看板回路。复杂的,高级的需求管理,需求按预测、生产速度或用量分类,实际需求在动态看板流程中得出实际需求。多工厂管理,为多工厂环境提供物料补充能力。车间作业看板公告牌,车间作业采用看板公告牌进行管理、执行和传达工作单元排产计划。可以用TOC的原理(能力利用率),显示工作单元能力和负荷信息,并自动识别瓶颈资源进行同步排产.管理物料短缺,突出显示物料短缺情况及其影响,显示对某一工作单元有影响的所有工作单元排产计划。可以根据用户自定义规则为工作单元排列优先次序。 在供应链管理上,看板计划可以生产排产、现有物料和生产能力为基础确定可承诺量。基于因特网的看板公告牌，直接向供应商传达物料补充信息。自动生成采购订单根据动态看板信号生成订单。与供应商联盟,用以增强供应商绩效的多种交流方式 需求拉动始终面临着一个挑战——用于管理库存量的看板数量绝大多数是静态 的。定期更改和优化看板数量，以适应忽高忽低的库存量，是一件棘手的事。在 多品种、低产量环境中，仅SKU 数量这一项就会使许多零件的看板数量优化变得 不可行。动态看板计划，确保在多品种或定制生产环境中维持最佳库存量。也就是说，即使已在人工环境中实施了需求拉动运作，采用动态看板计划后仍可实现库存效率的几何级提高。可以在多品种产品环境中可实施最佳运作，从而可脱离传统的MRP 推式计划。
动态看板计划(Dynamic Kanban Plans):是指看板的数量和每一个看板的大小.以满足需求变化的需要. 它可以达到生产与Takt 时间（客户需求速率）同步,物料的连续流动与平衡的运作,作单元式厂房布局,补充信号或看板,其重点是消除非增值活动. 动态看板计划可以下列几种方式运行： 1,看板大小(Kanban Size): 是每一个看板的物料的数量,如容器的大小.批量. 2,看板卡(Kanban Cards): 是补充信号,每一个看板容器都有一看板卡. 3,可视看板:在可视看板环境下，看板补充基于实际的视觉信号。这种信号可通过 数据收集系统以人工或电子形式发送。例如，在一个双料箱可视系统中，员工若 看到其中一个料箱变空，则把这个空料箱视为补充信号。当补充活动被记录后， DKP动态看板计划 将立即给出正确补充量信号。 4, 自动看板:自动看板环境不采用视觉信号。看板量和补充触发器。当SKU 的数量不稳定或需求变化频率过高导致难以应用可视看板时，自动 看板则为首选。当供应链上任何一个环节发生库存事件，需要作生产或补充响应 时，将根据既定的生产和补充规则采取相应措施。 5, 看板回路:是一种根据某种物料的容器数量来决定生产进度和库存量 的方法。通过管理回路中的容器数量改善运作环境。当需求上升 时，发出增加容器的要求；反之， 则要求减少回路中的容器。 动态看板计划的公式: (使用率x 提前期)+订单周期+(安全库存/安全提前期) 动态的看板数= 看板尺寸(容器容量) 触发数(动态订货点)=使用率x 第一次提前期)+订单周期+(安全库存/安全提前期) 看板数(动态订货点)= 使用率x 第二次提前期)+订单周期+(安全库存/安全提前期) 如何控制符合JIT的环境下的生产成本 用阶段核算标准成本, 月末进行差异分析处理,来跟踪每一个产品的实际成本. 每周对车间库位进行计算及盘点,记录实际发生的差异. 总之,ERP可以为实施JIT的企业简化操作和业务处理流程.其目标是零库存,零准备时间,零搬运时间,零次品,零停机保养时间.保证设备的完好,做好设备的维护保 养计划,监控设备的效率,实施TQC与SPC系统以保证质量.实施PDCA循环及现场5S活动都是实施JIT不可少的.可以这么说,成功的实施ERP,可以更好的,较快的实施JIT.实施了JIT,也就能更容易运用ERP系统. 此文原登载<<现代制造>>
缩略语: ALE 应用链接使能 API 应用编程接口 APICS 美国生产和库存控制协会；资源管理教育协会 APS 高级计划系统或高级计划与排程 APO 高级计划优化器 ARIS 信息系统架构 ASCET 通过技术完善供应链 ASP 应用托管服务 ATP 可用性承诺 AMR 先进制造研究协会 ACM 计算机协会 B2B 企业对企业 B2C 企业对消费者 B2G 企业对政府 BAPI 业务应用程序接口 BASDA 商业应用软件开发者协会 BOM 物料清单 BOR 资源清单 BOD 分销清单 BI 商业智能 BPR 业务流程重组 BN 瓶颈 CAD 计算机辅助设计系统 CALS 计算机辅助后勤支持；计算机辅助采购及后勤支持；持续 性采购及生命周期支持 CAM 计算机辅助制造 CAPS 先进采购研究中心 CAS 计算机辅助销售 CE 同步工程 CIF 核心接口 CIM 计算机集成制造 CLM 后勤管理委员会 CLMS 车辆定位信息系统 CNC 计算机数字化控制 CP 约束规划 CPFR 协同计划，预测与补货 CPU 中央处理器 CRM 客户关系管理
CTI 计算机通讯系统集成设备 CTM 产能匹配计划方式 CTP 能力可用量 CTO 面对订单配置 CPM 关键路径法 CPC 产品商务协同 CCR 次瓶颈资源 DBM 数据库营销 DFM 需求流制造 DC 分销中心 DISRINS 分解和回收信息系统 DP 需求计划 DRP 分销需求计划 DS 详细排程 DBR 鼓-缓冲-绳系统 DMC 动态物料约束 DSM 动态替换物料 DKP 动态看板计划 DTP 交货可承诺 EC 电子商务 ECR 有效消费者反应 EDI 电子数据交换 ERP 企业资源计划 ECQ 经济订货点 EST 最早开始时间 ET 加快时间 FCS 有限能力排程 GA 遗传算法 GPS 全球定位系统 HU 处理单元 HMS 整子制造系统 IAC 互联网应用模块 IDIS 国际废旧汽车拆卸信息系统 IDOCS 中间文件 IGES 初始图形提取标准 InfoCubes 信息块 IPPE 集成化产品及流程工艺模型 IPSERA 国际采购&供应教育及研究会 IRI 信息资源公司 IS 信息系统 ISCM 整合供应链管理
IPPSA 国际生产计划和排程协会 IT 信息技术 JIT 即时制，准时制 KPI 关键绩效指标 LASeR 生命周期装配适用性及回收原形 LES 后勤执行系统 LIS 物流信息系统 LP 线性规划或精益生产 LST 最迟开始时间 LDB 最迟完成时间 MASIF 移动代理系统 MPS 主生产计划 MES 制造执行系统 MIT 麻省理工学院 MRO 维护，维修及运营 MRP 物料需求计划 MRPII 制造资源计划 MAD 平均绝对偏差 NIMIS 网络化的存货管理系统 NP 组合优化难题 OASIS 结构化信息标准提高委员会 OBI 互联网公开采购 OLAP 在线分析处理系统 OMG 对象管理组织 OPT 优化生产技术 OR 运筹规划 OSR 工序选择规则 ODB 依赖订单的物料清单 ODR 依赖订单的工艺路径 PDA 生产数据获得 PDM 生产数据管理 PLM 产品生命周期管理 POI 生产优化接口 POS 销售终端 PRPC 生产回收计划和控制 PWC 普华永道 POA 准确百分比 PTP 赢利可承诺 PERT 计划评审技术 ROP 重订货点 RCCP 粗略能力计划
RSR 资源选择规则 SC 供应链 SCE 供应链执行 SCM 供应链管理 SCOPE 供应链优化,计划和执行 SCOR 供应链运作参考模型 SCP 供应链计划 SCS 供应链解决方案 SE 并行工程 SND 供应网络设计 SNP 供应网络计划 STEP 产品工艺数据交换规范 SMC 静态物料约束 SOP 销售运作计划 TMS 运输管理系统 TOC 约束管理理论 TP 运输计划 TPN 贸易处理网络 TSP 旅行商问题 VMI 供应商管理库存 VPDM 虚拟产品数据管理 VCM 价值链管理 VRP 车辆路线安排问题 WIP 在制品 WC 工作中心 XML 可扩展标识语言 XRP 延伸资源计划,有时也被用作供应链管理软件的代名词
参考文献 1, Manugistics Corp http:\\ 2, I2 technology :\\ 3, SAP http:\\ 4, Oracle http:\\ 5, JDE Corp. Forecast management http: \\ 6, 7, ILOG, France, 8, InSol Ltd., Israel, 9, Fourth Shift http:\\ 10, Systems Modeling Corp. http:\\ 11, Symix Corp. APS http:\\ 12, Http:\\ 13, 14, 15, 16, 17, Solving Business Problems with MRPII (Alan ) 18, Production and Operation Management/Manufacturing and Services(Richard and Nicholas and Jacobs) 19, The Haystack Syndrome ( Dr. Eliyahu Goldratt ) 20, The Goal ( Dr. Eliyahu Goldratt ) 21, It’s not Luck( Dr. Eliyahu Goldratt ) 22, Finite Capacity Scheduling-management, selection,and implementation(Gerhard Plenert, Bill Kirchmier) 23, Constraint Programming: In Pursuit of the Holy Grail (Roman Barták, Charles University, Faculty of Mathematics and Physics, Department of Theoretical Computer Science) 24,Maximizing your ERP System ( Hamilton) 25,Supply chain optimization (by Poirier .) 26,Advanced supply chain management( by Poirier .) 27,APS/ERP Integration:The World is Flat ( By CHERYL GERBER) 28,Agent-Based Systems for Intelligent Manufacturing: A State-of-the-Art Survey (by Weiming Shen and Douglas H. Norrie) 29,Software Buyer’s Guide: Scheduling (By Bonnie Cameron) 30,Agent-Based Intelligent Manufacturing System for the 21 st Century (by Bing Qiao,Jianying Zhu) 31,Modeling the Supply Chain (by Jeremy Shpiro) 32, Advanced Planning and Scheduling with outsourcing in Manufacturing Supply Chain (Young Hae Lee, Chan Seok Jeong,Chiung Moon) 33, The History of APS ( Donald , . 32, 敏捷供需链管理 (柴跃廷,刘义编著) 33, 企业物流管理-供应链的规划,组织和控制(罗纳德 H 巴罗) 34, 面向负荷的生产控制(德国:Hans-Peter Wiendahl)
35, MRPII/ERP原理与实施( 刘伯莹,周玉清,刘伯均) 36, 电子供应链管理(查尔斯 C 波里尔, 迈克尔 J 鲍尔) 37, 企业数据仓库-规划建立与实现(Eric Sperley) 38,供应链管理最佳实践(Dave Nelson,Patricia , Jonathan Stegner) 39,供应链管理与SAP系统实现(格哈特.克诺尔迈尔,彼得.默滕斯,亚历山大,泽埃尔) 39,APS解决企业管理难点(蔡 颖,IT经理世界2001,第8期) 40,由ERP生产提前期的设定引发的思考(蔡 颖,CAD/CAM与制造业信息化) 41,计算机时代的计划控制 (蔡颖,CAD/CAM与制造业信息化) 42,APS供应链优化(蔡颖 AMT) 43,APS-高级计划排产简述(蔡颖 AMT) 44,基于工厂的仿真APS算法分析研究(蔡颖 AMT) 45,几种行业的仿真的APS资源分析(蔡颖 AMT) 46,在ERP世界里实现APS(蔡颖 AMT) 47, 选择正确的先进的计划编制和时间安排系统 ( John Layden) 48, 打破ERP的僵化(陈绍文AMT) 49, SCM、APS和ERP(陈绍文 AMT) 50, 文章:供应链传奇 (那福忠,IT经理人世界(030期) 51,选择正确的先进的计划编制和时间安排系统 (by John Layden) 52,供应链运作参考模型（SCOR）简介(姜铁虎,丁叔 AMT) 53,供應鏈生產指派與規劃系統多重代理人合作競爭式模式與模糊整合評估機制 (陳志榮) 54, 供应链企业之间的合作模式(马士华 AMT)55,重在客户服务需求-物流与供应链选择(卢山,中国计算机报) 56,供应链管理贯穿企业融合(叶宜强,中国计算机报2003-3-11) 57,遗传算法--理论、应用与软件实现(王小平 曹立明) 58,约束规划求解机制（刘俊明）
作者主要实施与参与过的ERP项目: 1. 南方高科(项目经理,ERP实施) 2. 步步高电子(MRP实施) 3. 中国雪柜实业有限公司(华凌冰箱)(MPS/MRP) 4. 健力宝(山水) (MRP培训) 5. 完达山乳业(MRP实施) 6. 新福克思光缆(项目经理,ERP实施) 7. 仪科IKA仪器(项目经理,ERP实施) 8. 日升塑料(MRP实施) 9. 摩托罗拉(杭州)(MRP培训) 10. 万邦鞋业(项目经理,ERP实施) 11. 利实德(广州)(ERP实施) 12. 利实德(重庆)(MRP实施) 13. 科顺绞轮(项目经理,ERP实施) 14. 金霸王电池(MRP实施) 15. 华达电源(MRP实施) 16. 屈臣氏(项目经理MRP实施) 17. 金泰德胜电机(项目经理ERP实施) 18. 业聚医疗器械(项目经理,ERP实施) 19. 纽威(NRH)(ERP实施) 20. PCH国际(ERP实施) 21. 欧文斯康宁(ERP实施) 22. 普惠电子(项目经理,ERP实施) 23. 威奇电工材料(ERP实施) 24. 斯比泰电子(项目经理MRP实施) 25. 惠亚电子(项目经理,ERP实施) 26. 自贡硬质合金(项目经理MRP实施) 27. 巴顿菲尔德(ERP实施) 28. 富斯乐广州有限公司(项目经理,MRP,成本管理实施) 29. 哈里斯通信(深圳)有限的.(项目经理,制造和财务). 30. TCL致福电脑有限责任公司(项目经理 ,制造和财务) 31. 珠海雅迪有限公司(项目经理,制造和财务) 32. 台湾 艾美凯仪表(厦门)有限公司.(BSR,MRP系统审计) 33. Thyssen电梯(中山)(项目经理,生产实施) 34. 现代 (顺得)实业有限公司.(项目经理和生产和财务实施) 35. 广东卡夫食品有限公司(项目经理,MRP实施) 36. 耶鲁-固力保安制品(广东)有限公司(MPS/MRP/SFC) 37. 广西黑五类食品有限公司(MRPII原理培训,制造实施,制造与成本集成) 38. 博世(顺得)燃气用具有限公司(CRP/SFC)
39. 珠海理想科学工业有限公司(财务分销系统方案设计(BPR) 40. 吉粮Cerestar(MRP实施) 41. Tyco(ERP高层培训) 42. 美宝莲(苏州)化妆品有限公司(Y2K测试) 43. 拜尔斯道夫(常州)有限公司(制造实施) 44. (南京)热水器有限公司(项目经理,MRP培训 ,制造实施) 45. 凤凰电器(南京)有限公司(项目经理,制造和财务实施,培训) 46. 博世Bosch(无锡)(项目经理,制造和财务,培训) 47. 博世Bosch(南京)(制造实施) 48. 舒乐Schuller(changzhou)(项目经理,制造和财务,培训) 49. 圣戈班Gobain(liangyngang)(生产培训) 50. 卡特彼勒(徐州)(制造实施和培训) 51. 英格索兰(无锡)(制造实施和培训) 52. 特辉工具(常州)(制造实施和培训) 53. 汉奎Hankui电子(制造和培训) 54. 罗纳普朗克Rhone-Poulenc(青岛,无锡)(制造培训) 55. 巴马格宏源机械有限公司(无锡)(制造,成本实施和培训) 56. 常州光阳摩托车有限公司KYMCO(项目经理,制造实施和培训) 57,托林顿轴承有限公司Torrington(无锡)(制造实施和培训) 57. 布勒机械制造有限公司(无锡)(MPS/MRP/SFC培训) 59,西门子变压器(济南)(制造培训) 58. 考格尔特种汽车有限公司(济南)(制造实施和培训) 59. 创统科技(集团)有限公司(青岛)(制造实施和培训) 62,烟台铁姆肯轴承有限公司(制造实施和培训) 63烟台西蒙西轴承有限公司(制造实施和培训) 64,威海伊顿控制器有限公司(制造培训) 65,青岛西比家电控制器有限公司(制造培训) 66,圣戈班Gobain(马鞍山)(生产和财务培训) 60. 昌河汽车集团(合肥)淮海机械厂(项目经理 ,制造实施和培训) 61.黄山金马集团公司(制造实施和培训) 69,法利奥汽配(温陵)MPS/SFC/Lot Trace实施培训. 70,J&J强生医疗器械(上海)(项目经理,MRP实施) 71,南京富士通通讯设备有限公司(MRP实施)
