我們研究的對象是真實的工廠。針對這個真實的工廠原型去研究它的運營規(guī)律、管理機制、制造過程的管理控制。在研究中我們對工廠直接實施改造控制，其風險和代價很大。這樣我們需要根據(jù)原型建立一個模型進行研究。原型和模型的關(guān)系就是“digital twin”。模型的有效性非常重要。如果建立的模型不能反映系統(tǒng)原型的基本特征，研究的結(jié)果就無效，更不可能付諸實施。

 

    用表格建數(shù)學模型是科學研究非常通用的方法。大多數(shù)APS是依靠Excel建立工廠生產(chǎn)計劃調(diào)度系統(tǒng)的數(shù)學模型。現(xiàn)在的問題是，制造業(yè)企業(yè)的生產(chǎn)運營管理和制造過程的管控是一個非常復雜的系統(tǒng)，即使我們能夠設計出反映企業(yè)基本運行規(guī)律的表格，那么這個表格必然會非常復雜，制造企業(yè)不可能正確填寫表格，那么這個模型也就失去實際作用。

 

    在實際的APS，為了能夠在企業(yè)實施項目，為了讓制造企業(yè)能夠填表，APS的表格不會太復雜。然而，這就帶來了模型太粗燥的弊端。為了彌補模型的缺陷，APS在軟件界面就設計了很多的配置項。俗話說，麻袋繡花底子不行。基礎模型沒有建好，不能反映原型的特征，制造企業(yè)就難以接受，難以應用。遺憾的是，恰恰是由于APS模型缺陷引出來的很多的用戶配置界面，反而成為APS的一個功能強大的銷售賣點。

 

    在這里對制造企業(yè)建模主要目的是研究企業(yè)運營的效率、質(zhì)量、成本。建模是極具挑戰(zhàn)性的創(chuàng)造。對一個工廠來說，期望所建模型既有效，又可操作，又簡單，就需要對工業(yè)制造的本質(zhì)有深刻的理解。如果不能在車間生產(chǎn)現(xiàn)場沉下去，如果不研究大量的工廠樣本，如果不經(jīng)過理論和實踐多次迭代和一次又一次的失敗，很難達到預期。

 

    我們必須說APS模型有缺陷，但是它絕不是不可用。當我們把系統(tǒng)的范圍縮小，研究一些局部運營管理問題；當我們消除一些局部系統(tǒng)外部的不確定性；當我們把排程的“顆粒度”與研究對象實際更貼近一點；當我們可以把系統(tǒng)的某些非線性近似為線性的時候；APS還是一個有效的工具。這也是很多中小企業(yè)能夠?qū)嵤〢PS的原因。

    模型和算法肯定是綁在一起的。模型的有效性是算法尋優(yōu)的基礎。

 

    大多數(shù)APS都是基于規(guī)則的算法。現(xiàn)在尚不存在一種全局最優(yōu)的規(guī)則。所以，如果APS是基于規(guī)則算法，它僅存在局部優(yōu)化的可能。制造車間排程尋求最優(yōu)是極其困難的。APS排程優(yōu)化運算結(jié)果應該是在千千萬萬可行解中的一個。

 

    鑒別APS是否有優(yōu)化算法的一個方法就是，以最短生產(chǎn)周期為目標，給APS輸入足夠多訂單并且不設定優(yōu)先級，然后讓Solver分別運算一秒鐘、一分鐘、一個小時，再觀察結(jié)果的變化。

 

    實際上，對于管理水平很差的企業(yè)，APS的優(yōu)化能力不重要。重要的是排出來一個企業(yè)能夠執(zhí)行的結(jié)果。真正的排程優(yōu)化只有管理水平很高且數(shù)字化/自動化環(huán)境很好的場景才能體現(xiàn)。

 

    理論上的可行解與實際上的可執(zhí)行指令是不同的。計算機模型算法可以忽略很多約束和干擾，而實際上這些問題不可忽略。因此，APS常常出現(xiàn)輸出的指令可執(zhí)行率不高的現(xiàn)象。

 

    規(guī)則算法就是按照人為制定的排序規(guī)則，由計算機依據(jù)既定的約束條件把任務的順序排出來，大部分都是簡單地“碼”出來而已。即使這樣，對于復雜的生產(chǎn)現(xiàn)場管理來說，能夠按照規(guī)則把生產(chǎn)任務排序做好也遠遠超過人手操作的能力。所以，規(guī)則算法在很多情況下是非常有效的，尤其是對中小企業(yè)。

 

    APS的輸出指令都是交給人來執(zhí)行的，因此它有緩沖和協(xié)調(diào)的條件。事實上，對于管理水平還不是很好的中小企業(yè)，不適應精準調(diào)度，也沒有必要。中小企業(yè)如果上線實施APS，不要對APS太苛求，能夠比手工作業(yè)更好就達到目的了。而APS的實施，客觀地提升了企業(yè)的數(shù)據(jù)質(zhì)量，為下一步的改善提供了數(shù)據(jù)環(huán)境。