提高效率和效益的利器APS
APS 就是高级计划排程。APS应该说本来是MES的一个模块，也许是因为优化排产太重要了，技术门槛太高了，才拿出来单独作为一个功能软件使用。APS要满足资源约束，均衡生产过程中各种生产资源；要在不同的生产瓶颈阶段给出最优的生产排程计划；要实现快速排程并对需求变化做出快速反应。
企业的难题：
* 订单——企业是否满足随机的订单需求？怎样排产才能完成订单？
* 产能——企业设计产能很高，就是产量上不去，机器、人员忙闲不均，生产成本居高不下。
* 调度——在排满计划的车间，调度指令牵一发而动全身，一个插单、一个工序，后面一连串的计划都要调整。谁能预见未来的状况？谁能做出快速准确判断？谁能平衡计划、生产、物流部门的矛盾？
* 库存——怎样在最小库存的时候保证生产的需要和按时交货？
企业调度天天都在均衡这些问题，但总是按下葫芦浮起瓢。解决问题必须依赖计算机优化排程。那么优化的计划排程和手工排程有多大的区别呢？
调查数据给出：
* 需求完成率（Dem_and Fulfil Rate)，提高20%
* 客户满意（Customer Satisfaction）提高
* 整个车间半成品库存（WIP），减少30%
* 劳动力成本（Labor cost），减少10%
* 平均生产周期（Average Cycle Time），减少30%
* 机器利用率（Machine Utilization），增加20%
当前人民币对外升值对内贬值、人工成本上升、企业利润锐减。一些制造业企业已经到了生死存亡的紧要关头！从上面数据可以看出，企业为提高生产效率求助于APS已经非常现实。
优化排程难吗？
不能小看仅仅是一个车间一个工厂的计划排程问题，从学术上讲，这是一个大系统、复杂系统的优化问题。
排程就是排序，就是先做什么，后做什么的问题。但是你可以这样想象，从现在起，几百大小设备、几百人同时要做各种任务，怎样才能在各种约束（设备能力、人员、时间、场地、物料等）条件下以及随时可能发生变化（动态）的，实现多个目标（交货期、设备有效使用率、最低成本等）？
举一个简单排序例子：假设计算机每秒可处理1,000,000序列，我们希望构建一个最优调度系统，9个jobs可以不到一秒钟就完成，11个则要一分钟，如果给定20个 jobs，找出最优的排程则需要77147年！实际计划调度问题会涉及上百台设备，上千个订单（jobs），可见大系统优化排程问题非常复杂。当然，人们不会以穷举的方法傻算的。
统筹学家、计算机专家们多年来一直在为解决大系统的优化寻找一种快速方法。统筹法、启发式、规则法、仿真法、遗传基因法等等，这些算法对一些特定的需求都有各自的特点，有些“算得快”，但结果不是优秀的解决方案，有些收敛极慢不实用。甚至学术理论界都曾怀疑有没有优秀的解决方案。直到前几年，美国的一位应用数学家发明了分割嵌套（NP）算法，证明生成马克夫链，实现全局收敛，并可以给出离优秀的解决方案的置信区间。这成为解决大系统复杂系统优化问题的一条捷径。
当前APS行业现状
APS在流程企业有许多成功应用，特别是与MES模块集成应用。流程业如钢铁，化工等计划调度问题相对简单，因此，优化排程容易实施。
APS 在离散制造业，由于排程问题的复杂性，几乎目前所有的APS系统都采用规则或启发式算法。规则法或启发式算法最大优点就是能快速得到一个可行的排程结果，但是无法保证优秀的解决方案，也无法量化排程结果。对于简单的流程，较少的订单，不论什么算法得到的结果相差无几。复杂的排程问题，是否具有优化功能其结果将有很大差异。
先进计划排程（APS）的核心就是“先进”二字。否则只剩下计划排程了。大量研究数据表明：由规则法或启发式法得到的排程结果距离最优排程可相差30％－150％。以最少延迟订单为目标，优化与否的APS在处理100个订单时，可能总有30个在延迟交货，日积月累，对企业是很大的损失。由于优化算法技术门槛的限制，目前中国市场上绝大多数“APS”产品由于“算不出来”，不得不加入很多人工干预（例如：人为制定了很多规则，而这些规则本身可能就是不优的）或者忽略一些问题。
从价格上来说，APS的价格从一两万元到一两百万。简单算法的低端产品对于一些流程简单的小型企业，从手工排产过渡到APS排产，应该说是一个进步，也起到了辅助的决策作用。很多企业的实际生产极其复杂。APS是企业管理软件中技术含量最高的产品， APS的应用可以提高企业生产效率百分之几到百分之几十。从经济学的角度，真正具有优化排程的APS的价格定位应该至少在几十万以上。这说明，中国的 APS的市场和技术都不成熟。
