基于供应链管理视角的生产计划排产的功能分析和探究

陈晨 王源涛 王儒鹏 刘鑫

摘要：目前，许多企业开始在其信息系统上引入计划和排程功能，甚至引入高级计划和排程（APS）系统，特别是疫情期间，供应链的不完善，让企业意识到计划和排程功能的价值。计划和排程软件解决方案可以根据当前和可预测性的一定范围内供应链的情况有效地制定实际的生产计划，以保证交期。本文的目的是从供应链管理（SCM）的角度分析高级计划和排程（APS）系统的功能及其系统架构，并提出APS系统软件分类框架，以方便各种解决方案之间的比较。

关键词：疫情；供应链管理；计划和排程；APS

1 引言

全球经济形势的剧烈变动以及疫情等特殊时期引发的经济内循环的常态化，都对企业的供应链体系产生了巨大的变革。因此，大多数企业都在努力将其现有供应链体系更改为敏捷的、以产品和客户为导向的结构，以在竞争激烈的全球业务环境中生存[1]。

在当今瞬息万变的制造环境中，生产计划和排产在及时按时交货并优化分配资源方面起着至关重要的作用。在典型的制造组织中，生产计划和排产是一系列基于企业自身包括供应链和生产制造等的复杂的决策，取决于许多因素，例如产品数量、产品复杂性、生产地点数量以及每個生产地点的工作中心数量[2]。

生产和计划处理整个供应链生产过程中的短期决策，其本质是在客户订单和有限资源之间寻求平衡。生产计划通常通过确定要执行的订单并确定数量和时间上这些订单所需的能力和物料来履行其功能。

另一方面，生产计划的功能是在一定情况下根据生产计划的条件提供订单的下达和执行，即，生产调度是在计划中选择特定时间段的制造资源并将其分配给计划中的制造过程的过程[3]，供应链将提供计划和排产功能中的物料资源。

疫情期间，供应链的不完善，使很多企业迟迟不能开工，承受了巨大的经济损失，也使很多企业认识到基于供应链管理的角度去看待生产计划和排产功能的重要性。因此，很多企业在原有的信息系统的基础上引入了APS系统来生成贴合实际生产的可执行的生产计划，并根据供应链的变动，实时调整，满足市场需求。

本文从供应链管理（SCM）的角度分析APS的功能及其系统架构，并提供APS解决方案分类框架，以方便各种解决方案之间的比较。

2 基于供应链视角的现有APS软件架构分析

全球竞争加剧和疫情等突发情况，导致经济发展的不确定性增大。当经济不确定性占主导地位时，生产成本上升且消费者的偏好发生变化，因此制造商必须不断提高企业绩效，发现并抓住机遇。为了在瞬息万变的环境中生存，组织需要改进和创新其业务流程。业务流程是一组有序的相关，结构化的活动，这些活动表示一段时间内组织内工作的完成方式[4-5]。最近，对于成功的业务流程创新而言，供应链管理（SCM）的概念已变得越来越重要。供应链（SC）是一个组织网络，通过不同过程和活动中的上游和下游联系参与，以最终消费者手中的产品和服务形式产生价值[6]。

供应链管理的任务是将供应链中的组织单位整合在一起，并协调物料，信息和财务流，以满足客户的需求，以提高SC的整体竞争力。如图1所示，定义了SCM的基本架构。SCM架构顶层描绘了SCM的最终目的，即提高SC整体的竞争力。供应链管理机构的屋顶基于两个支柱：“组织单位的整合和流程的协调”。左支柱（集成）包括合作伙伴的选择，网络组织/组织间的协作和领导力。正确的支柱（协调）包括信息/通信技术的使用，流程导向和高级计划。

从图1不难看出，APS（高级计划和计划）是SCM架构的主要组成部分。APS是一种制造管理过程，通过该过程可以最佳地分配原材料和生产能力以满足需求。APS特别适合于较简单的计划方法，无法充分解决相互竞争的优先级之间复杂多变的环境进行计划。

实际上，自20世纪70年代APS系统就代表了制造业领域规划方法的自然演变。第一种系统方法是物料需求计划（MRP），后来演变为制造资源计划（MRP II）、分销资源计划（DRP），然后在20世纪90年代发展为企业资源计划（ERP）系统。

APS系统的出现填补了ERP系统的空白，ERP系统基本上是事务系统，而不是计划系统。ERP的规划能力虽然是规划过程的基础，但如果不被APS系统利用，则会受到限制。

很多知名的软件自动化公司，如SAP、西门子、Oracle、GE和Asprove等都开发了适应于不同行业不同业务场景的APS系统，但是他们都有一些通用的软件模块组成，每个软件模块涵盖一定范围的计划任务。

APS系统已由不同的软件公司在不同的时间点独立启动。然而，可以识别出大多数APS系统的通用结构。APS系统通常由几个软件模块组成，每个软件模块涵盖一定范围的计划任务。

供应链体系的计划管理，它是一个二维矩阵，具有计划层次结构的轴（长期、中期和短期）和主要的SCM流程（采购、生产、分配和销售），因此通用APS系统架构是通过使用独立于厂商的名称来建立这些名称，这些名称试图表征各个软件模块的基础计划任务，如图2所示。APS系统架构由9个模块组成，其中最为核心的两个模块分别为生产计划（Planning）和生产排产（Scheduling）。

如图3所示，展示了SAP的基于APO的APS系统架构[9]，如图4所示，显示了基于Oracle的SCM解决方案的高级计划和排产（APS）系统架构[10-11]。对比发现，SAP在其APS系统体系结构中未提供战略性网络规划功能。其计划和排产功能称为“生产计划和详细计划”。而Oracle SCM解决方案不提供采购和物料需求计划功能。它的计划和排产功能在其体系结构中称为“生产计划”。

通过研究Oracle和SAP的APS架构，提出更为广泛應用的基于SCM的APS系统架构。

3 APS系统功能及其架构

基于供应链的APS系统处理SCM生产过程中的短期决策。APS的本质是在客户订单和有限的资源之间寻求平衡。

高级计划和排产系统（APS）的解决方案，其核心依靠计划调度算法，一般计划调度算法分为两类，如图5所示：①精确解法，包括数学规划、分支界定方法，LP（线性编程）和混合整数编程等，但因为实际企业的生产制造过程都是极其复杂的，很难在有限的时间内求解出精确解，所以很少采用精确解法；②近似解法，这是APS系统求解的最为常见的方法，包括构造方法、人工智能方法、系统仿真法和计算智能算法（元启发式）等。

其中，APS算法最为广泛使用是元启发式算法（计算智能算法）如[13]：遗传算法、蚁群算法、蜜蜂算法、电磁样算法、模拟退火、禁忌搜索和神经网络。例如，文献[14]采用了基于禁忌搜索改进的人工蜂群算法解决了PCB生产的调度优化问题，即最大化生产量并最小化总装配时间和磁头移动距离。在这项研究中，使用改进的人工蜂群算法研究了三个问题，自动换嘴器分配问题、喷嘴分配问题和组件取放顺序问题，以提高贴片机的生产效率。 Zhang和Wong开发了一种改进的蚁群优化（E-ACO）算法，以解决作业车间环境中的集成过程计划和调度问题，结果表明，通过对ACO算法进行特定的修改，它能够实现产生令人鼓舞的性能，胜过许多其他元启发式方法。

另一种分类框架将APS解决方案方法分为两种类型：优化和模拟。在给定的时间段内，优化方法找到了一种最佳解决方案，该解决方案是资源和产品的组合。它称为静态组合优化方法，通常应用LP算法或混合整数编程算法，如西门子的APS系统Preactor。另一方面，仿真方法定义了称为“句柄”的决策变量，例如步骤目标、设备布置和调度规则。它根据处理状态连续寻找最优解来改变决策变量，被称为动态最优反馈控制方法[16]。

在APS系统中，必须适当且及时地做出两种主要的决策类型：①何时将大量产品投入生产（计划决策）；②下一台设备应该做什么工作的决策（调度）决定。

为了给这些决策提供良好（或最佳）的解决方案，APS系统所需的功能总结为3个主要功能：①通过生成订单的输入/输出顺序来确定资源上的最佳任务顺序；②最佳分配有限资源来完成一组订单；③消除工厂瓶颈和产能调整。

此外，作为软件系统，PP&S系统的软件体系结构由 5个模块组成，如图6所示：①对诸如机器、工艺路线、零件和布局等基础数据的数据管理；②计划生成器；③计划调度进度编辑器；④计划调度性能评价器；⑤用户界面。

4 APS系统解决方案分类框架

全球APS系统的供应商不少。为了评估和相互比较他们的功能，便于企业选择适合的APS系统，需要建立APS系统解决方案分类框架。对此，本文基于以下3个标准对APS系统框架进行分类，如图7所示。

（1）根据SC计划矩阵的计划范围分为3种类型

1）企业及企业集群级：支持整个企业的SCM体系的长期、中期和短期计划决策。

2）工厂级：在工厂范围内支持中、短期计划决策。

3）车间级：支持车间级的短期计划决策。

（2）解决方法分为两种

1）基于优化。

2）基于仿真。

（3）软件类型分为2种类型

1）应用软件：特定领域的类型。

2）基础设施软件：一种通用类型，可为广泛使用的算法提供解决方案，例如ILOGCPLEX优化包[20]。

在本文中，选择了全球10种主流的APS系统解决方案，并根据表1中所述的分类框架对其进行了评估。10款APS系统解决方案对比见下表。

全球竞争化的加剧以及新冠肺炎疫情等突发情况对企业供应链体系带来了巨大的冲击。此外，能源、材料、劳动力和资本成本的不断上涨，客户需求逐渐趋向于个性化，变更频繁。这些都要求企业拥有更为敏捷更为智能的供应链体系和计划排产方法。而数字化和智能化技术的成熟和完善恰好补足这一需求。企业的发展不得不去拥抱数字化和信息化的技术，以满足市场需求。

在这些情况下，APS解决方案在满足到期日以留住客户方面发挥着关键作用，而这项任务之所以如此困难，是因为在仔细考虑许多相互作用的约束条件后，它应该有效地利用资源容量。因此，许多企业正在寻找适合APS的软件解决方案。

5 结束语

本文从供应链管理的角度对APS的功能及其系统架构进行了回顾和阐明。同时，基于这些结果，提出了一种APS解决方案分类框架，以比较分析各种APS系统解决方案的优劣，遴选出适合企业自身的APS系统解决方案。在该框架内，根据特性对几种APS解决方案进行分类和定位。通过使用此框架，考虑在制造公司中引入计算机化APS解决方案的人员可以准备评估和基准表，以轻松便捷地选择最合适的解决方案。

參考文献

[1] 陆远，尹建定.智能制造车间设备动态能力分析技术研究[J].机床与液压，2018，1 （5）：78-79.

[2] 李海峰，闫光荣.面向工艺规划与车间调度的集成方法研究[J].机床与液压，2015，3（7）：28-29.

[3] T Vitzthum，F Herrmann.Evidence of theRelevance of Master Production Scheduling for Hierarchical Production Planning[C].BudapestHungary：Proceedingsof the 31st European Conference on Modelingand Simulation，2017.

[4] X Zhang，HS Yan.Integrated optimization of productionplanning and scheduling for a kind of jobshop[J].InternationalJournal of Advanced Manufacturing Technology，2005，26（7）：876-886.

[5] SNYDER LV，ATAN Z，PENG P，et al.OR/MS models forsupply chain disruptions： a review[J].IIE Transactions，2016，48（2）：89-109.

[6] MANAFI D，NATEGH M，Parvaz H.Extracting the manufacturing information of machining features forcomputeraided process planning systems[J].ProcIMechE，Part B： J Engineering Manufacture， 2016，231（1）：2072-2083.

[7] GUERRA-ZUBIAGA DA，Young RI. A manufacturingmodel to enable knowledge maintenance in decision support systems[J].J ManufSyst，2006，25（2）：122-136.

[8] W Shen， I Wang， Q Hao. Agent-Based Distributed Manufacturing Process Planningand Scheduling：A State-of-the-Art Survey [J].IEEE Transactions on Systems，Man andCybernetics-Part C：Applications andReviewers，2006，36（4）：563-577.

[9] El KADIRI S，KIRITSIS D.Ontologies in the context ofproduct lifecycle management： state of the art literaturereview[J].Int J Prod Res，2015，53（18）：5657-5668.

[10] LEHMHUS D，WUEST T，Wellsandt S，et al. Cloud-basedautomated design and additive manufacturing： a usageData-Enabled Paradigm Shift[J].Sensors，2015，15（12）：32079-32122.

[11] VELASQUEZ M，HESTER PT. An analysis of multi-criteria decision making methods [J].International Journal of Operations Research，2013，10（2）：56-66.

[12] C J Lin，M L Huang.Modified artificialbee colony algorithm for scheduling optimizationfor printed circuit board production [J].Journal ofManufacturing Systems，2017，44（1）：1-11.

[13] S Z hang，T N Wong.Integratedprocess planning and scheduling：an enhancedant colony optimization heuristic with parametertuning[J].Journal of Intelligent Manufacturing，2018，29（3）：586-601.

[14] Y H Chung，S C Park，B H Kim，et al.Due Date Control in Order-Driven Fabwith High priority Orders[C].SavannahGeorgia：Proceedings of the2014 Winter Simulation Conference，2014.