听说新工作将是做APS系统，之前没接触过，所以查找了一些资料，整理学习记录于此。
本文打算从以下几个方面来阐述：APS的概念、前提条件、怎么实现（优化算法）、简单示例。
APS（Advanced Planning and Scheduling）高级计划与排程
概念和名称是比较抽象的，谈一下理解：APS的核心概念就是排程，什么是排程呢，其实就是排序，就是决策先做什么，后做什么的问题。实际工厂中可能会有几百台设备，几百个人，各式各样的任务，并且有各种资源的约束（比如设备能力、人员、时间、物料），如何设计调度，才能使得企业成本最低，并能如期交货达到客户要求，这就是排程需要做的事。
排程最终需要生成一个详细的生产计划，指明每一个订单每种部件的加工开始时间和结束时间（即加工工序），通过直观的甘特图显示出来。主要目标就是满足客户的交货期、提高设备的利用率、控制合理的库存。
生产计划排程是一个比较复杂的问题，尤其是对于多品种、小批量的离散型生产。除了逻辑复杂，在实际应用中也存在诸多变数，例如设备故障、原料供应不及时、需求变更等。因此APS不仅要满足资源约束，在不同的生产瓶颈阶段给出最优的生产排程计划，还要实现快速排程，对需求变化做出快速响应。
APS单独使用一般是用不好的，为什么这么说呢，这就得谈谈APS的一些先决条件。要想使用APS系统，必须已经实施成功ERP系统，并且企业的基础数据是完善的。自动排程是有很多约束条件的，这些都得在系统中定义好，比如：工艺对应设备，人员对应设备，物料瓶颈、设备瓶颈的替代方式、客户优先级、采购周期、生产周期等等。同时APS对账的准确性和实时性要求非常高，因为计算机本身也是根据这些数据去计算和优化。
一般APS是与ERP和MES结合使用，组成综合化的智能系统（智能工厂）。ERP(Enterprise Resource Planning)企业资源计划+MES（Manufacturing Execution System）制造企业生产过程执行系统。
APS最核心的代表就是算法，算法结合约束理论、优先级、大数据、人工智能等，主要分为四代（此处只做简单记录）：
| 优化算法 | |
|---|---|
| 第一代 | 基于约束理论的有限产能算法 |
| 第二代 | 基于优先级等规则的算法、线性规划、基于启发式规则的算法、专家系统 |
| 第三代 | 智能算法、遗传算法、模拟退火算法、蚁群/粒子群算法、神经网络 |
| 第四代 | 智能算法融合人工智能动态调整算法、以智能算法进行静态排程，以多Agent代理协商进行动态调整 |
每种算法都各有特点，启发式算法是基于设定的规则进行的算法，规则是基于直观或经验构造。遗传算法在解决非线性问题时有比较好的表现，但计算量很大。由于生产现场的形势不断变化，所以时间因素是非常重要的，一般要求在几分钟之内完成计算。最终需要根据实际情况选择算法，复杂的算法也未必能找到更优的解。
以下通过例子比较四种算法的排程结果来进行一个说明（引用博客地址https://blog.csdn.net/soonforcom/article/details/105709596）：
四种算法分别是1、最短工期；2，最早交货期；3，按照工期和交货期之间的距离；4，CR值。以作业逾期天数作为一个评价指标。
1、按照最短工期的排程
2、按照交货期先后的排程
3、按照工期和交货期直接的距离排程
4、按照CR值排程
CR值（critical ratio）意为重要比率，计算方法为交期减去目前日期之差额,再除以工期，数值越小表示紧急程度越高，排程优先级高。
上述只是一个简单例子，仅对排程过程进行了解释说明。实际应用的排程涉及到的条件约束可能非常多，有待以后进一步学习！
