APS已经得到了大家的广泛重视和应用。APS的定义有很多。但其实APS就是在计算：在什么时间在什么资源上面做什么事。从广义的角度来说，任何计划的制定其实都可以归入到APS的范畴里面。从狭义的角度来说，我们甚至都是在特指类似机加作业计划一样的安排。

APS典型应用场景

机加或离散加工为主

这是一种最典型的生产应用场景，但其实这也是一种相对来说非常复杂的一种场景，APS就是从这个方面发展起来的，但是APS基本上也是陷入这个方面的“泥潭”。

以装配为主

这个主要就应该向供应链方面进行延伸，因为生产计划和这种供应计划是紧密衔接的。这种企业的APS，其实隐含了两层意思，一个是AP，一个是AS，甚至涉及到需求预测，也是我们通常说的MTO和MTS混合的一种模式。

加工和装配混合形式

这个就要求加工计划和装备计划要进行衔接，尤其是自己的自制要和这个件生产完了之后为谁来使用的计划要进行衔接，这个也是企业里面非常常见的一种形式。

批量性生产方式

对于大批量生产，如果将整个批次看成一体的话，这种APS排产其实是比较简单的，但这种APS排产的一个特点就是要和出产的计划要求相匹配，也会有相应的一些客户交货期，客户交货顺序等等的约束等。这种形式的APS很大程度上其实也含了一种优化分批的决策在里面。

物流调度

对物流调度来说，其实我们可以从本质上的角度来看，也就是物流任务和物流资源的一种配置安排。企业常见的是两种形式，一种是以物流小车甚至物流车的这种调度计划配置。一种是自动化程度较高的托盘或者挂篮那种，简单的话算是一种执行，复杂的话涉及到软硬件一体化的集控，类似有点软件定义制造的味道。

APS复杂问题简单化策略

在与企业计划调度人员讨论得知，他们属于典型的多品种小批量混线生产模式，产品类型接近5000种，每天新投产的订单有10种左右。这种情况下，就对APS提出了复杂的排产调度需求。APS也可以直接面对这种情况进行处理，只是复杂程度很高，对于实施推进以及保证最后的应用效果可能也能能达到，但无疑风险还是很高的。

对于这种问题，单纯的追求技术恐怕未必是必然选择，这个企业计划调度人员在缺少APS工具的情况下，采用了一些管理措施，很好的缓解了手工模式下的计划调度工作，其实也与我们解决问题的思路模式有很大的关联。

源头上简化问题

该企业的计划调度人员还是很善于观察和思考的，面对这种70%订单只有几件的状态，采取了三个个方面的措施：一是，从产品组成及其原材料的角度，从原材料到成品出产中各种中间状态的半成品的角度，进行合理的归聚，为后续提前开展MTS以支持MTO提供支持。二是，从产品工艺的角度，对不同产品的工艺处理项进行合理得到归聚东西，通过低端高代的方式，减少不必要的生产流程分类与区别。三是，针对不同的客户进行需求产品预测，比如根据产品的被订货重复频次，比如在数量上占据很大比例的长期需求的产品，比如重要客户的需求规律等。

根据上面这种分析，采用MTS和MTO混合的生产模式，有效地降低了排产调度的复杂性。这种情况下，每个订单不同的个性化定制需求转变为具有可变动属性的基于中间产品的内部准货架产品来变形提供。

这是一种非常典型的通过管理来降低技术的复杂性，提高技术实施的成功率的思路或案例，其实我们在很多业务场景当中都应该基于对这种处理具有敏感性，尤其是越是复杂的技术，我们越应该这么来考虑。

这方面的案例，其实对于探索APS技术来说是非常有意义的，感觉很多企业或明或暗的都有这方面的需求，也许将来会成为APS的一种标配，其实也为当前正在如火如荼发展的大数据和人工智能提供了一定的用武空间。

执行上简化问题

对于手工作业模式下，企业的计划调度人员在进行开展的时候，其实有时候会采取一种基于瓶颈的整块能力的一种配置安排。

这种方法就是判断出生产线上的哪个机台属于瓶颈，根据他的能力限制来决定新投产订单对于该瓶颈资源能力的占用，并且采用一种简便的处理方法，说按天或者半天作为实践单位，来实现对瓶颈资源的占用。这样的话排产还是相对来说比较简单或者说手工操作模式下还可以应付。

但是这种方法不是万能的，主要还是用于那种产品工艺流程比较相似，也就是说虽然车间有很多机台，但是总体上来说每一个产品都要大致经过每一个机台。但这种方式也不是说是那种流水式的或者单元化生产，因为不同产品订单的工序，同样的机台上，其生产时间是差别很大的。

近期通过对很多企业的了解，发现这是一种普遍现象，企业的计划调度人员还是有很多办法的，他们的知识和经验也是很宝贵的，虽然有可能只适用于手工模式下的这种处理，对于APS这种大规模的多目标优化问题，相当于一种是以一种复杂的技术维度来解决手工也能够或勉强应付的技术问题，虽然从技术角度来说，问题是可以解决的，但是我们要充分在这个过程当中能够看得清楚管理，对于技术复杂性的简化还是非常有作用的。两者之间并不矛盾，如果能够善用管理的方法来简化技术的复杂性，也许现有的技术就可以解决更加复杂的问题，相当于提升了技术的可应用的优化空间。