APS在某离散型生产线的应用

2023-03-03王加锋蒋庆磊何宇昊

智能制造 2023年1期

王加锋，蒋庆磊，何宇昊

（中国电子科技集团公司第十四研究所，江苏南京 210039）

1 引言

随着信息化技术与传统工业的不断融合，市场对产品交付提出了更高要求。这需要企业对订单、物料、资源进行更高效的优化调度，以适应受多种因素影响的交付计划变更[1]。传统的以人工经验为基础的手动计划排程方案，无法在频繁的随机扰动下提供最优排程结果，已成为制约生产的瓶颈[2]。

作为新兴的软件技术，APS（Advanced Planning and Scheduling, 高级生产计划与调度系统）能够串联计划与执行链路，对多种生产要素进行整合，通过快速响应，适应频繁的计划变更与插单，输出优化的排程结果，为企业综合决策提供支持。

APS技术于20世纪全球化浪潮中得到了较快发展，基础理论层出不穷，多个跨国公司进行了应用实践并取得了一定成果。目前，国内APS研究仍处于起步阶段，研究内容主要集中在生产系统建模分析与引擎算法研究，大规模应用研究仍属空白[3]。实际生产过程中，生产线大多为复杂的离散系统，因此，在不确定环境中使用确定性模型的具体实施方法与实际使用效果仍有待验证[4]。

本文以某国家战略装备智能制造生产线为平台进行APS大规模应用验证，该生产线年生产订单量约为20万项，涉及图号量约为5万项，产能巨大。目前，该生产线基于多品种、变批量、高质高效的微波组件柔性生产需求，正在打造具备数据实时感知、大数据分析、人工智能决策以及精准控制执行的制造闭环体系，进行产品全寿期管理与制造体系的集成。因此，APS在该生产线的应用具有技术引领性，对数字化工厂实现智能制造具有指导意义。

2 APS基本原理

APS涉及学科面较广，如运筹学、算法学、物流学、图论、软件架构、建模理论及人工智能等，每个方向都可以作为独立课题进行深入研究。以最受关注的算法引擎为例，经过近30年发展，已衍生出数学规划、神经网络、遗传算法、深度学习等多种算法分支，相关研究仍在蓬勃发展中。

与此同时，算法在实际生产中的应用却有所滞后，因此，在学术、工程领域均存在一些常见误区，如“算法越复杂越优异”“升级算法比经典算法优异”等。事实上，各类算法在不同场景的优越性与局限性仍有待进一步应用验证[5]。

本文应用的APS系统使用的是动态规划算法引擎，在确定生产线与其他职能部门的工作逻辑后，将APS与现有信息系统如ERP、MOM、MES等系统进行集成，确保关键数据在各系统间的共享与交互。

对于生产线，在完成典型生产模型建模的基础上，明确瓶颈资源，确定组件、组件套装件及独立需求订单的排程逻辑，优化资源标准化描述方案，逐步完善生产相关基础数据，迭代排程结果，不断提升计划排程的精确度。

3 应用场景分析建模

3.1 系统集成建模

本次APS应用所在A部门承担某战略装备核心微波组件生产，上级B部门负责装备总计划，对A部门及其他部门进行整体计划协同。原生产模式中，B部门在每年度会下发颗粒度较大的全年计划，A部门根据此文件进行年度产能、资源评估。后续根据订单动态变化情况，B部门每季度、月度均会与A部门进行多轮沟通以不断修正年度计划并下发，此模式耗时耗力，需数十名专职计划员进行实时的跟踪反馈，且准确度较低。

为充分发挥APS在计划排程方面的优势，在原生产计划上下层级交互的基础上，将APS与ERP、MOM等其他信息系统进行集成，形成执行逻辑如图1所示。图中，系统集成采用“二下一上”原则，B部门按原生产模式通过ERP下发粗计划，A部门通过APS进行长线预排，以整体评估资源与产能，并将订单宏观调整、物料齐套需求、生产资料总负荷等信息反馈给上级部门，B部门根据反馈再次调整后作为最终计划基线进行正式下发。A部门以此基线为依据，通过APS系统进行短线正式排程，形成可执行的计划报表并发布至MOM系统中，以供班组生产执行，MOM、ERP中的实绩反馈则可以持续迭代基础数据，从而不断优化排程结果。

3.2 生产线建模

为提升APS的生产适用性与结果准确性，除系统集成外，需对实际生产线进行调研建模。A部门下辖两科室，定义为C室、D室。现将A部门主要交付产品命名为“微波组件”，C室主要生产微波组件，包含套装件订单，与微波组件及其套装件不相关的其他订单定义为“C室独立订单”。D室产品按特征可分为两类，一类作为微波组件套装件供给C室装配，定义为“D室套装件”，另一类与C室订单无关，定义为“D室独立订单”。

虽然两科室在订单方面存在一定关联，但由于技术领域差异较大，两科室生产资源相对独立，因此，在保留两科室联排需求的基础上，新增各科室独立排程需求。考虑两科室订单量巨大，多个计划员终端改动、插单场景较频繁，将两科室排程需求进一步细分为预排程与正式排程，计划员可在预排程后对相关参数进行修改重排，但不涉及计划下发，正式排程后统一下发计划，从而提升了APS系统的整体订单调整能力，系统集成与执行逻辑如图1所示。

图1 系统集成与执行逻辑

4 几个关键问题

4.1 排程逻辑

订单生产周期取决于瓶颈资源，非瓶颈资源的效能提升对订单整体的优化意义较小，因此，下文优先对约束资源进行整合[6]。

两科室独立需求中预排程与正式排程的逻辑基本相同，详见表1。表中以C室微波组件为父级订单进行正排，根据以往生产经验，确定瓶颈资源并将其固定后，将套装件订单、独立订单、不制约资源涉及工序进行倒排，将资源向C室重点产品微波组件倾斜，保证其优先交付的情况下，整体资源分配、生产周期最合理。

表1 独立排程/级联排程逻辑

D室图号量较少，单图号交付数量较高，因此采取先倒排后正排的策略，使资源利用率保持在较高水平，以满足大批量的流水交付。

级联排程时，必须先进行C室排程，D室获取微波组件正排关键参数后，方可进行D室套装件倒排及独立订单排程。

4.2 资源标准化描述

生产线的资源品类较多，需要将其转换为APS系统可识别的数据格式，数据组织的优劣决定着使用过程中的可靠性与高效性[7]。因此，需要对海量资源进行标准化的描述，以保证当资源发生大规模变动时，对基础数据的改动工作量最小，同时能够大幅提升生产线的综合管理水准。

本文将生产资源分为设备资源与人力资源两类，设备资源产能相对固定，描述较容易，常见描述格式见表2。当设备资源发生变更，保持代码不变，仅需增删相应内容，改动量较小，且不影响APS正常使用。

表2 设备资源标准化描述

人力资源描述相对复杂，本文进一步将人力资源分类为流水工种与专业工种，流水工种描述方式与设备资源类似。此工种对人员技能要求单一，产能与人数基本成正比，资源量即为人数，计划员、班组长可对各小组成员进行多次调整实现产能模拟，以找到相对最优的人员布置方案。

专业工种对人员技能要求较高，能够独立完成某专业领域工作，描述方式详见表3。表中直接定义至个人，资源名称即为个人姓名，且均为制约资源。同一资源组可设置多名技术人才，UBOM资源设置时直接引用资源组。针对拥有专业工种的班组，在技术层面规范班组的专业发展方向，使班组长能够在人员职级发生升降变动时做出快速调整。

表3 专业工种标准化描述

4.3 基础数据准备

明确资源标准化描述方案后，需要大批量准备基础数据并存储在专用服务器中，准确、透明的基础数据能够提升工作同一性，有利于跨部门协同，对离散制生产线成功实施APS具有决定性的作用[7]。本文中覆盖全图号的基础数据字符总量约为1GB，由于数据量较大，基础数据的准备并非一蹴而就，而是在小规模数据的基础上，通过实绩反馈不断迭代、优化、扩容。

以资源数据准备为例，“图号-资源”查询表的建立则能有效提升基础数据准备的效率。设计师、工艺师需要对海量图号进行技术分类，针对产品调试特点进行品类划分，进而为产品分配涉及场地、仪表、工装等要素的调试资源，以上资源均以编码形式命名。另外，针对产品结构、工艺特性进行分类，并为其分派相应的专业工种。“图号-资源”查询表明确了所有产品的资源分配逻辑，是后续基础数据智能维护的基础。