APS在某離散型生產線的應用

王加鋒，蔣慶磊，何宇昊

（中國電子科技集團公司第十四研究所，江蘇 南京 210039）

1 引言

隨著信息化技術與傳統工業的不斷融合，市場對產品交付提出了更高要求。這需要企業對訂單、物料、資源進行更高效的優化調度，以適應受多種因素影響的交付計劃變更[1]。傳統的以人工經驗為基礎的手動計劃排程方案，無法在頻繁的隨機擾動下提供最優排程結果，已成為制約生產的瓶頸[2]。

作為新興的軟件技術，APS（Advanced Planning and Scheduling, 高級生產計劃與調度系統）能夠串聯計劃與執行鏈路，對多種生產要素進行整合，通過快速響應，適應頻繁的計劃變更與插單，輸出優化的排程結果，為企業綜合決策提供支持。

APS技術于20世紀全球化浪潮中得到了較快發展，基礎理論層出不窮，多個跨國公司進行了應用實踐并取得了一定成果。目前，國內APS研究仍處于起步階段，研究內容主要集中在生產系統建模分析與引擎算法研究，大規模應用研究仍屬空白[3]。實際生產過程中，生產線大多為復雜的離散系統，因此，在不確定環境中使用確定性模型的具體實施方法與實際使用效果仍有待驗證[4]。

本文以某國家戰略裝備智能制造生產線為平臺進行APS大規模應用驗證，該生產線年生產訂單量約為20萬項，涉及圖號量約為5萬項，產能巨大。目前，該生產線基于多品種、變批量、高質高效的微波組件柔性生產需求，正在打造具備數據實時感知、大數據分析、人工智能決策以及精準控制執行的制造閉環體系，進行產品全壽期管理與制造體系的集成。因此，APS在該生產線的應用具有技術引領性，對數字化工廠實現智能制造具有指導意義。

2 APS基本原理

APS涉及學科面較廣，如運籌學、算法學、物流學、圖論、軟件架構、建模理論及人工智能等，每個方向都可以作為獨立課題進行深入研究。以最受關注的算法引擎為例，經過近30年發展，已衍生出數學規劃、神經網絡、遺傳算法、深度學習等多種算法分支，相關研究仍在蓬勃發展中。

與此同時，算法在實際生產中的應用卻有所滯后，因此，在學術、工程領域均存在一些常見誤區，如“算法越復雜越優異”“升級算法比經典算法優異”等。事實上，各類算法在不同場景的優越性與局限性仍有待進一步應用驗證[5]。

本文應用的APS系統使用的是動態規劃算法引擎，在確定生產線與其他職能部門的工作邏輯后，將APS與現有信息系統如ERP、MOM、MES等系統進行集成，確保關鍵數據在各系統間的共享與交互。

對于生產線，在完成典型生產模型建模的基礎上，明確瓶頸資源，確定組件、組件套裝件及獨立需求訂單的排程邏輯，優化資源標準化描述方案，逐步完善生產相關基礎數據，迭代排程結果，不斷提升計劃排程的精確度。

3 應用場景分析建模

3.1 系統集成建模

本次APS應用所在A部門承擔某戰略裝備核心微波組件生產，上級B部門負責裝備總計劃，對A部門及其他部門進行整體計劃協同。原生產模式中，B部門在每年度會下發顆粒度較大的全年計劃，A部門根據此文件進行年度產能、資源評估。后續根據訂單動態變化情況，B部門每季度、月度均會與A部門進行多輪溝通以不斷修正年度計劃并下發，此模式耗時耗力，需數十名專職計劃員進行實時的跟蹤反饋，且準確度較低。

為充分發揮APS在計劃排程方面的優勢，在原生產計劃上下層級交互的基礎上，將APS與ERP、MOM等其他信息系統進行集成，形成執行邏輯如圖1所示。圖中，系統集成采用“二下一上”原則，B部門按原生產模式通過ERP下發粗計劃，A部門通過APS進行長線預排，以整體評估資源與產能，并將訂單宏觀調整、物料齊套需求、生產資料總負荷等信息反饋給上級部門，B部門根據反饋再次調整后作為最終計劃基線進行正式下發。A部門以此基線為依據，通過APS系統進行短線正式排程，形成可執行的計劃報表并發布至MOM系統中，以供班組生產執行，MOM、ERP中的實績反饋則可以持續迭代基礎數據，從而不斷優化排程結果。

3.2 生產線建模

為提升APS的生產適用性與結果準確性，除系統集成外，需對實際生產線進行調研建模。A部門下轄兩科室，定義為C室、D室。現將A部門主要交付產品命名為“微波組件”，C室主要生產微波組件，包含套裝件訂單，與微波組件及其套裝件不相關的其他訂單定義為“C室獨立訂單”。D室產品按特征可分為兩類，一類作為微波組件套裝件供給C室裝配，定義為“D室套裝件”，另一類與C室訂單無關，定義為“D室獨立訂單”。

雖然兩科室在訂單方面存在一定關聯，但由于技術領域差異較大，兩科室生產資源相對獨立，因此，在保留兩科室聯排需求的基礎上，新增各科室獨立排程需求。考慮兩科室訂單量巨大，多個計劃員終端改動、插單場景較頻繁，將兩科室排程需求進一步細分為預排程與正式排程，計劃員可在預排程后對相關參數進行修改重排，但不涉及計劃下發，正式排程后統一下發計劃，從而提升了APS系統的整體訂單調整能力，系統集成與執行邏輯如圖1所示。

圖1 系統集成與執行邏輯

4 幾個關鍵問題

4.1 排程邏輯

訂單生產周期取決于瓶頸資源，非瓶頸資源的效能提升對訂單整體的優化意義較小，因此，下文優先對約束資源進行整合[6]。

兩科室獨立需求中預排程與正式排程的邏輯基本相同，詳見表1。表中以C室微波組件為父級訂單進行正排，根據以往生產經驗，確定瓶頸資源并將其固定后，將套裝件訂單、獨立訂單、不制約資源涉及工序進行倒排，將資源向C室重點產品微波組件傾斜，保證其優先交付的情況下，整體資源分配、生產周期最合理。

表1 獨立排程/級聯排程邏輯

D室圖號量較少，單圖號交付數量較高，因此采取先倒排后正排的策略，使資源利用率保持在較高水平，以滿足大批量的流水交付。

級聯排程時，必須先進行C室排程，D室獲取微波組件正排關鍵參數后，方可進行D室套裝件倒排及獨立訂單排程。

4.2 資源標準化描述

生產線的資源品類較多，需要將其轉換為APS系統可識別的數據格式，數據組織的優劣決定著使用過程中的可靠性與高效性[7]。因此，需要對海量資源進行標準化的描述，以保證當資源發生大規模變動時，對基礎數據的改動工作量最小，同時能夠大幅提升生產線的綜合管理水準。

本文將生產資源分為設備資源與人力資源兩類，設備資源產能相對固定，描述較容易，常見描述格式見表2。當設備資源發生變更，保持代碼不變，僅需增刪相應內容，改動量較小，且不影響APS正常使用。

表2 設備資源標準化描述

人力資源描述相對復雜，本文進一步將人力資源分類為流水工種與專業工種，流水工種描述方式與設備資源類似。此工種對人員技能要求單一，產能與人數基本成正比，資源量即為人數，計劃員、班組長可對各小組成員進行多次調整實現產能模擬，以找到相對最優的人員布置方案。

專業工種對人員技能要求較高，能夠獨立完成某專業領域工作，描述方式詳見表3。表中直接定義至個人，資源名稱即為個人姓名，且均為制約資源。同一資源組可設置多名技術人才，UBOM資源設置時直接引用資源組。針對擁有專業工種的班組，在技術層面規范班組的專業發展方向，使班組長能夠在人員職級發生升降變動時做出快速調整。

表3 專業工種標準化描述

4.3 基礎數據準備

明確資源標準化描述方案后，需要大批量準備基礎數據并存儲在專用服務器中，準確、透明的基礎數據能夠提升工作同一性，有利于跨部門協同，對離散制生產線成功實施APS具有決定性的作用[7]。本文中覆蓋全圖號的基礎數據字符總量約為1GB，由于數據量較大，基礎數據的準備并非一蹴而就，而是在小規模數據的基礎上，通過實績反饋不斷迭代、優化、擴容。

以資源數據準備為例，“圖號-資源”查詢表的建立則能有效提升基礎數據準備的效率。設計師、工藝師需要對海量圖號進行技術分類，針對產品調試特點進行品類劃分，進而為產品分配涉及場地、儀表、工裝等要素的調試資源，以上資源均以編碼形式命名。另外，針對產品結構、工藝特性進行分類，并為其分派相應的專業工種。“圖號-資源”查詢表明確了所有產品的資源分配邏輯，是后續基礎數據智能維護的基礎。

5 應用結果分析

APS排程后結果符合預期。APS除了完成計劃、排程等基本功能外，它與數字化也是相輔相成的，APS提升了傳統生產模式的數字化程度，而邏輯、過程、資源的數字化同樣是APS實施的基礎。生產各階段的真實數據是企業的核心價值，因此，APS對于工時管理、生產管理、人力資源管理/考核等方面均有所裨益。

6 結束語

本文對APS系統集成進行了分析建模，討論了應用生產線實際模型，對排程邏輯、資源標準化描述、基礎數據準備等關鍵問題進行了深入探討，并在某離散型國家重點智能制造示范平臺進行了APS大規模應用，結果表明，APS能夠實現精確、高效的智能計劃排程，推進數字化工廠實現智能制造。