erp系统的生产排程

第1篇：erp系统的生产排程

基于智能优化排程模型的电力物资调配系统

摘 要：本文提出一种基于遗传算法的智能优化排程模型，用以解决电力物资调配过程中高成本和高耗时的问题。本文充分利用智能排程方法、遗传算法的优势，合理分配电力物资资源以及在资源调配过程中的实施方案。实验表明，与传统的物资调配方法相比，本文算法可以大幅度加快电力物资调配的速度，其加速比时间和物资调配地点的增加而增加，在本文实验中最大加速比可达10倍。

关键词：智能优化排程，遗传算法，电力物资调配

1 引言

目前，計算机辅助功能和信息管理技术已深入到了各个领域中，国家电网集团属于我国重要企业，该企业中的电力信息管理系统几乎包含了国家电网集团中所有的业务，例如：配电管理、继电管理、输电管理、办公自动化管理等等，但是这些系统都是对电网集团内部设备进行管理，电力信息系统还收到许多外界因素影响，例如雪灾、水灾、地震等等。尤其最近首都北京由于暴雨天气，导致许多地区的杆塔倒塌、输电线路破坏，电力行业的安全连续生产面临着更加严峻的考验[1]。虽然目前许多学者都在研究新能源，但是电力资源是无法历代，电力中断会给各个企业带来巨大的损失，例如，停电一小时，蒙牛乳业会有31吨的牛奶被废，折合人民币十几万元，美国最大的一次停电事故，造成300亿美元的损失。所有由于外力引起的电网事故，相对集团内部设备的损坏来讲，外力所引起的电网事故对电力基础设施的破坏程度更为严重，对其的修复对物资的需求量和紧急程度也更高。如何在突发性灾难的情况下，合理的调动各类电力抢险应急物资，达到最快、最好恢复电网的目标，是本文所要解决的问题[2]。

本文引入智能优化排程的理念，结合电力系统物资调配的需求，通过数学中的模糊计算公式来预测物资调配中的不确定因素，然后建立模糊物资调配网络模型，并结合国家电网集团目前的实际情况、物资仓库的情况、事故发生地点和事故严重等级的前提下，根据物资调配的实时性、紧迫性，为电力物资调配提供最优的解决方案[3，4]。

智能优化排程模型是建立在预先计划与临时排程的过程中，排程模型主要采用APS(Advanced Planning Systems)技术，APS会合理的将电力企业内部的实际情况、电力企业物资仓库情况、电力企业配送车队情况、事故现场实际情况都作为电力物资调配方案的重要因素，利用数学公式来进行模型计算。APS在提高电力物资调配方面起着重要作用，系统可以通过APS响应多个事故现场或物资调配目的地的需求。快速的做出应对策略，提供较为精确的物资到达时间，使得事故损失降到最低，并考虑整个供应链的各种约束条件，智能地识别潜在瓶颈和关键环节，从而提高资源整体利用率、改善电力企业的管理和经营水平[5-7]。

2 电力物资调配系统的需求分析

国家电网集团中物资调配是一项非常重要的工作，它的正常运行需要方方面面来配合，一个好的调配方案可以大幅度提高配送的速度，为企业节省了大量的成本。可预知的情况电力企业物资调配方案的特点：

(1)及时性

当某地区发生电力事故时，为防止事故的蔓延，导致更大的损失，需要第一时间进行抢救，并针对事故现场的实际情况制定物资调配方案，因此该特性是电力物资调配中首先需要考虑的因素。

(2)气候性

对于电力物资的配送过程，气候的特殊性是非常重要的，雨雪天气会给物资的运送过程带来许多未知的因素，所以在制定物资调配方案中需要考虑气候的因素。

(3)网络性

电力企业的物资调配不是针对单一的地点，由于电力网络的局限性，当一处发生事故，会出现连带的情况，所以在制定物资调配方案时，需要从多层面和多领域的角度考虑。

(4)动态变化性

由于电力网络的特殊性和广泛性，实际的事故中，抢险的事故地点不只一处，在调配方案中还需考虑各个事故地点的设备破坏的等级和所需物资的紧迫性。根据抢修人员的维修进程，对物资的需求程度会降低。

3 智能优化排程模型

3.1 排程模型

理论上，如果将每个待物资配送地点看作一个目的地，并且将每个物资看作是一件物品，那么这就是组合优化问题中一个典型的排程模型，其中每个目的地的有多段距离组成，某段距离的配送时间可以为零，不同的目的地可以有不同的配送路径。下面给出物资调配排程问题的数学模型：设目的地j， ，物品为i， ，上的距离定义为 ，其相应的配送时间为 ，每个目的地j到达时间为 ，权重为 。目标是找到一个物资配送时间表来同时安排到达每个目的地的顺序和到达路径，使得所有目的地的加权时间和最小，即：

(1)

本项目中，采用近似排程算法在较短时间内求得到达每个抢修目的地的顺序，并通过理论推导与仿真结合的方法来评价该算法的性能指标。

3.2 排程通用模型分解

问题描述：

目的地集合为：

(2)

物资集合为：

(3)

配送时间集合为：

(4)

路段距离集合为：

(5)

规定每物资调配的目的地具有方向一致性，将目的地集合转化为偏序集。则物资 的目的地向量为：

(6)

设某一任务包括n个过程，第i个过程的距离为Ni，则得到总任务向量为，

(7)

3.3 排程模型的三维要素

本文研究通过将物资配送目的地任务进行分解、排列、路程，最终得到电力物资的任务安排。排列=三要素是物资，目的地和时间，这三要素也就是到达待配送目的地的三要素，即目的地是指物资p在路程e上用时间t。

图1 物资调配时间的空间表达示意图

图1是排程三要素的空间表达，其中p轴表示物资类型，e轴表示路程类型，t表示n个目的地配送所用的时间。目的地三要素则由一个长方体的二条边来表示，这样的长方体称为目的地体。模型向p-t平面进行投影，可以得到配送物资任务二维图;若将该模型向e-t平而若将该进行投影，可以得到配送物资任务二维图。

3 基于遗传算法的智能优化排程模型

遗传算法属于生物进化理论中的自然规则，是一种随机搜索的算法，将电力物资调配智能优化排程问题的求解过程变成“染色体的生存问题”。并且求出一个最优解，染色体的生存过程包含选择、交叉、变异等。本节将对于电力物资调配问题的应用进行排程优化的设计。

3.1 模型优化策略

排程算法使用的四个类型决定了其在电力物资调配中的处理方法。

(1)任务下达规则：首先下达优先级最高的物资配送任务。

(2)排序规则：根据实际的目的地和事故的等级进行排序，默认为“事故严重优先，距仓库近优先”。

(3)资源组合选择规则：按顺序进行选择。

(4)选择规则：无具体规则。

在实际物资调配中，由于在某一时间段内同一物资只能在一到路线到，并且到达一个目的地，同一路线只能配送一个方向的目的地。在t轴的负方向上加一个重力。配送任务确定后，所有目的地体就确定了，将物资配送顺序排放到具有重力场的空间中，排放原则按照各图层物资集I，和路程集E的对应关系使得总图层的厚度最小。

图1中不同颜色表示相应的配送目的地。由此可知目的地体模型中具有4个参数，即物资p、路程e、起始时间 、配送时间 。

得到配送物资的三维优化排程模型为：

(8)

3.2 优化流程设计

上式(8)给出了空间模型的约束条件和目标函数，为排程系统的实现提供未知目的地的配送方法。按照以上方法将的任务转化为以下p-t图，

图2 电力物资调配排程任务图

以未知目的地的物资调配过程也包括8种不同的阶段，为了能够反应在时间上的趋势，将同种目的地体中心依次连接得到配送任务。

3.3 基于遺传算法的智能优化排程模型

(1)初始化

在进行遗传算法时，需要对数据进行初始化设置，例如对“染色体”进行编码。

该初始化的设计过程主要根据前面的排程模型进行的。一般意义上为了体现配送目的地的顺序，选择一种合适的染色体表现型是应用遗传算法寻优的第一步。

如下面染色体：

数字表示配送目的地的编号，相同数字表示同一个方向的配送目的地，不同的表示配送顺序。该种编码表达了配送目的地的先后顺序，但没有表达物资仓库的实际情况，这样在设计的适应度函数中，有的染色体可能出现矛盾的情况，即超出了可行解空间范围。

为了缩小可行解空间，且表达各目的地在时间的坐标关系和物资仓库利用情况，以下编码是基于目的地体的编码。基于目的地的编码表示为：

根据目的地关系，得到个体。设 表示基因座 在基因的位置。对于两个基因座的来说，有 ，且 。

(2)遗传算子的计算

遗传算法算子操作过程为首先选择算子，然后进行求得交叉算子，最后求得变异算子。

在本文中的选择算子的求法主要采用了精英法，在集合中选择最大适应度的“染色体”。并且设置该“染色体”为i，其适应度为Z。下面为该算子的具体求解过程。

STEP1：首先计算整个“染色体”群中总的适应度和为：

(9)

STEP2：然后计算每个“染色体”的适应度大小：

(10)

每个个体“染色体”遗传下一代的概率总和为“1”。

同样，在交叉算子的计算过程也采用了精英遗传法。首先比较两个个体交叉的下一个基因座，如不同则互换。

但是该方法的不足为，在处理过程容易产生非法染色体针对此问题，制定了四种解决方案，拒绝、修复、改变算子和惩罚策略。

在变异算子的操作过程中，主要采用了基因座分裂变异的方法，其过程是按照电力物资调配中配送时间乘积的数值进行分裂，即实现物资配送的分批分类处理。

STEP1：计算一个方向的目的地体配送总时间。

STEP2：选择分裂基因座。

STEP3：设置分裂因子β，其中

(11)

STEP4按照前一步进行分裂处理。

(2)适应度函数设计

电力物资调配排程模型的目的是为了获得一个具有最短配送周期的排程。

适应度函数主要是对“染色体”的个体进行评价，同样应用到电力物资调配中，主要是对目的地的所需物资情况进行评价，同时还可以对物资配送过程进行优化。

正因为遗传算法的目标函数不受连续性的约束，而且函数可以定义任何集合。其中对于目标函数，需要输入一个能加以比较的非负结果。

参数N的选取决定适应度函数的精细程度。合理选择N会使得个体适应度得到区分的基础上降低配送的成本。

4 实验结果

本系统采用智能优化排程技术对物资调配进行规划，但是排程主要分为两种：一种是已知目的地和物资的排程设置，另一种是未知目的地或物资的排程设置，前一种相对简单，后一种就非常复杂，但是本系统还能得到最优的结果。

对6个目的地进行优化排程，前三个是已知的，后面三个是未知的，然后观察在进行优化排程时所需要的时间。随着时间的推移，配送目的地的增加，以及随时加进来的配送任务，采用智能排程算法的物资调配过程的速度一直都很平均，不受任何影响，而不采用排程算法的电力物资调配系统暂停配送的结果。

5 结论

本文提出基于遗传算法的智能优化排程模型，大幅度加快电力物资调配的速度，其加速比时间和物资调配地点的增加而增加，在本文实验中最大加速比可达10倍。

参考文献

1. Rathi A K， Solanki R S， Church R L. Allocating re-sources to support a multicommodity flow with timewindows[J]， Logistics and Transportation Review， 2013：150-157.

2. L Yu G， Yang J. On the robust shortest path problem[J]， Computers and Operations Research， 2010，6(2)：11-12.

3. 张铭泉， 胥鸣， 秦文韬. 基于改进粒子群算法的电力通信网最佳抢修路径问题的研究[J]， 科学技术与工程. 2012，9：1-12.

4. 邹志云， 宋程， 虢向阳. 基于灰色理论的应急物流最优路径选择[J]. 物流技术. 2008，10(01)：34-40.

5. 叶品勇， 都洪基， 沈曦. Dijkstra算法在最佳抢修路径计算中的应用[J]， 科学技术与工程. 2012，9(12)：15-22.

6. 刘盛松， 蒋传文， 侯志俭. 基于最优潮流的最大传输能力计算[J]， 上海交通大学学报. 2012(08)：13-22.

7. 刘焕志， 李扬， 陈霄. 基于连续潮流的输电网可用输电能力计算[J]. 电力自动化设备. 2003(12)：8-15.

作者简介：

杨长征，河北大唐国际王滩发电有限责任公司 经济师，物资供应部主任。

作者：杨长征

第2篇：ERP光有主生产计划不够 还得详细生产排程

ERP应该以生产为核心，这点是业界公认的。但如何以生产为核心?却极少有详细的论述。根本原因在于“详细生产排程”这个技术瓶颈。

“详细的生产排”也就是生成“生产作业计划”的过程，可谓关系重大。企业制定生产计划的过程一般分成两部分，首先是生成“主生产计划”，其次是根据主生产计划生成“生产作业计划”。要得到“主生产计划”一般企业是从订单，部分企业是从市场预测，产生出一个包含生产品种、数量、时间的简单生产计划。基本是管理者在进行决策，人的因素起绝对作用。在这个过程中可能会有一些特定行业或者企业的特别计算方法，需经过一些四则运算式的统计分析，要求ERP软件做二次开发，但基本不存在技术难题。

但是，光有主生产计划是远远不够的。一个简单的主生产计划中的生产要求，要把它自动分解为复杂、具体的生产作业过程，这就是详细生产排程，这才是ERP系统中最关键的一个环节，是ERP系统真正的核心功能。只有从复杂、具体、详细的作业计划中，才能体现出ERP企业资源计划中的“R——资源”的存在;也只有从这个详细作业计划的“可行性”与“优化性”上，才能体现出“P——计划”的价值。有了“资源”，有了“计划”，才是真正的ERP系统。

一般说，生产作业计划越详细，它给出的信息越丰富、越有价值，相应计算起来也就越困难。生产作业计划越粗略，越接近主生产计划，信息越少、价值就越低。企业总是希望自动得到尽可能详细的作业计划。但是ERP在这方面遇到了真正的技术瓶颈。就我们目前所见，几乎全部的ERP生产管理都是从四则运算的主生产计划入手，重点利用BOM解决MRP物料需求计划，之后再解决生产过程的记录和统计。恰恰在企业最需要的详细作业计划方面最薄弱、最无所作为。

如想证明一下这个现状，去考察一下上了ERP的企业，会发现一个有趣的现象——企业里无论ERP搞得怎么如火如荼，似乎都与生产调度人员无关。车间里或者生产线上的生产作业计划、生产过程的调度和管理仍然是在用最初最原始的那种老方式——多数时候是经验，

有时候是感觉在起作用，加上少量的以EXCELL为工具的报表运算，虽老虽笨但是有效。ERP功能再强管得再宽似乎也管不到这里。结果，表面风风火火的ERP与企业最关键的生产过程发生了断层，从这个断层衍生出来的一大堆问题成为众家ERP软件难解之死结。最突出的一个：企业生产调度是要对企业最底层的生产资源——人员、设备、场地等，按照它们的能力进行合理安排。但是上层的ERP无论干什么事情都不去考虑这些资源和它们的能力，或者假设生产能力无限，或者按照一个人为定义的瓶颈资源进行简单四则计算。这种关键矛盾由于ERP技术瓶颈的存在而无法解决，ERP的前景可谓是不容乐观。

那，为什么主流ERP产品都无法做到详细生产排程呢?

那么，这到底有什么难的?为什么众多的名牌ERP企业都无法提供这种基本功能?ERP技术瓶颈到底在什么地方?回答这个问题，就要从企业中直接干此工作的岗位——生产调度的职责说起。

一个企业的生产调度人员，首先是要对该企业的生产工艺流程烂熟于心，也就是全面了解企业到底是怎么进行生产的，熟悉其中每个细节，这是当一个生产调度最基本的前提条件。同样的，ERP要想干同样的事情也必须达到同样的前提条件：全面了解企业究竟是怎样进行生产的，每个细节都不能差!这对一个人来说可能并不算难，但对于一个ERP系统来说就是一件非常困难的事情!有人称之为企业建模，这远不象建立BOM那么简单，其中涉及到的除了物料，还有工序、资源、时间、逻辑关系、规则、技术参数、成本等等错综复杂的生产信息，要把它们按照一定的规则组织在一起，形成一套全面反应企业生产过程的基础数据，为以后的计算生产排程做好准备。ERP系统给一个企业的生产流程建模已经很复杂，更何况不同行业不同企业的建模方式千差万别，一套通用的软件如何应对?这是详细生产排程遇到的第一个技术难点。

且不说离散生产模式的电子、汽车行业与流程生产模式的化工、制药行业在基本生产方式上的巨大差别，就算同属电子、汽车行业，或者同属制药、化工行业中的不同企业，他们的生产方式在细节上仍然有很大的差别。一套ERP系统能以不变应万变统统接受这种差别吗?技术上很难!只好对每一个行业开发一个专用生产版本。但是行业版本到了企业里就能

高枕无忧了吗?大的行业版本一般仍然无法满足行业内特定类别企业的细节差别，比如制药行业细分为“制剂药”和“原料药”，生产方式差别还是很大，需再开发更细分的小类别版本。可是属于同一小类别的不同企业还有自己的生产特性，针对不同企业的二次开发就类似于把企业的生产特征逐一写到程序中。且不说对生产系统的任何改动都要投入巨大人力，软件企业很难接受频繁和复杂的二次开发要求，更不用说企业生产过程一旦发生变化软件还是很难应对!很多企业的生产流程每隔几天就会变，而软件商不可能每天都重写代码。应变方式只能是降低企业的要求——生产流程建模与实际近似、大概差不多就行了。关键是用户会不会满意?忙了半天还是存在差距用不起来，损失就太大了。所以，除了部分大专院校的理论研究者，目前国内ERP厂商还没有尝试迈过详细生产流程建模的这第一道门坎。

建立生产模型，让软件接受企业的详细生产过程，这的确很麻烦，但并非是无法完成的，真正的难点在于下一步：根据模型和生产请求得到详细的作业计划，也就是详细生产排程。ERP的真正技术瓶颈就发生在这里。

详细生产排程的结果是“生产作业计划”，是针对每个人员每个设备的生产资源的工作计划。作业计划必须满足在生产工艺上不能有半点差错。首先，工序之间必须满足特定的逻辑关系，以及要求某些工序必须连续、同时、或者间隔进行等等，这是对作业计划最基本的要求。其次，作业计划必须满足资源能力限制，一个资源在一个时间内只能干一件事情，生产作业计划中不能有资源冲突;最后，作业计划必须满足物料供应的限制，没有原材料不能开始生产。也就是说：作业计划必须同时满足多种复杂的约束条件。TOC约束理论早已有之，只是需要比较高级的算法和数学理论，在这方面需要进行长期投入才会有所收获。因此国内理论界对此的研究还很少。

有了按照TOC理论计算出来的计划，满足企业生产工艺要求是不是就行了?很遗憾，这还是差的很远。现在我们以一个假想例子来说明。

一个ERP生产调度系统，很顺利接受了某企业的全部生产细节，并计算出了一套生产作业计划，打印成一份给所有生产资源安排工作的作业计划。现在，由一个有经验的老调度师来决断这个ERP计划系统是不是可以用的，他将如何做?

首先，他会逐一检查每个工序的时间安排，看它们之间的次序和逻辑关系是不是符合企业生产工艺的逻辑关系要求;其次，他会观察这个计划中对每个资源的安排是不是合理，有没有一个时间干两个活这种冲突的情况发生;最后他要看在计划时间内物料能不能供应的上。这些都没有问题了，他必须承认：这个计划已经是一个‘可行’的计划了，也就是说，照此计划一定可以完成生产任务。

但是，还有一个关键的事情，老调度师根据自己习惯的做法，也手工制定了一个作业计划，他把这两个计划一对比，发现问题了。手工的计划可以8个小时完成全部工作，而计算机的计划需要9个小时。或者手工计划可以在8：00完成而计算机的计划要在9：00点完成。原因在于：计算机对某几个工序的顺序安排虽然可行但是不合理，而老调度师根据长期经验早已清楚此时安排工序应该哪个先、哪个后、哪些并行比较好，结果可以得到更短时间完成的计划。这是一种优化安排，而计算机没有找到这种安排方法，所以计算机给出的是一个“可行”的，但是“不好”的计划!理想中计算机应自动找出一个比手工计划更优的排产方案结果，指导人如何工作。这样的软件才能体现出‘企业资源计划’的威力。否则，不能满足优化排程的软件在企业生产中还是无法代替手工。

这个例子凸现出了一个世界性的关键技术瓶颈：一个生产过程可能有无穷多种“可行”的安排方式，但是必须从其中找出一个“最优”的计划，即使不能达到最优，起码要比人的手工计划更优，这才是一套可用的生产排程软件，否则企业还是用不起来。

找出“可行”计划的难度已经很大，找出“优化”计划的难度更大。不仅要处理错综复杂的约束条件，还要从几乎无穷多种满足约束的可行方案中找到优化排程方案。怎样才能找到这种优化的计划?这是ERP系统共同面对的真正瓶颈问题，是世界性的技术难题。其中的关键在于算法，算法的基础是数学模型，特别是高级图论、离散数学、模糊数学与线性代数中的矢量矩阵等前沿技术。对此，国外已经作出了很多年的努力，其研究成果已形成了多个“APS先进生产排程”产品，发展出了几十种先进生产排程算法，比较常用的如：启发式图搜索法、禁忌搜索法、神经网络优化、遗传算法等，这些算法各有优劣，可用在不同场合。目前多种不同新算法的APS系统仍正在蓬勃发展中。

APS先进生产排程能否改变现状?

用一句话来形容APS的主要功能：可以自动给出“满足多种约束条件、手工排程难以找到的、优化的”排产方案。其实关键就是“可行”和“优化”这两个概念。这个说起来很简单的功能意义十分重大，它可以给传统ERP带来以下几个关键的变化：

1) 对企业来说，在不增加生产资源的情况下，通过最大限度发挥当前资源能力的方式实现了提高企业生产能力的目标。

2) APS排程的结果给出了精确的物料使用和产出的时间、品种、数量信息，用这些信息可以把很多相关企业或者分厂、车间联合在一起组成一个“SCM供应链”系统，最大限度减少每个企业的库存量。

3) APS可以用来做为生产决策的依据，它的排程计算结果不光可以作为生产计划，还可以通过不断what if的“试算”的方式为企业提供生产决策依据。

4) 根据自动生成的作业计划还可以自动生成质检、成本、库存、采购、设备维护、销售、运输等计划。带动企业各个不同管理模块围绕生产运转，改进这些模块的运转方式，大大提高这些模块的运转效率，提升企业整体管理水平。

但是，APS系统的开发难度很大，需要融合最前沿数学理论和最先进管理理论，专业人才很少，投资见效很慢，在国外APS系统价格非常昂贵。即使是世界性大ERP公司也很少独立投入力量研发，都是通过采购外插件直接引入相应功能。国内对这方面的研究除了个别公司外，基本停留在大学院校的实验室中。

再进一步，如果已经解决了优化排程问题，那么对APS来说又有什么技术瓶颈呢?APS第一个最大的技术瓶颈就是它的运算时间问题。因为企业生产过程中经常会有一些突发事件，相当于临时改变了排产的初始条件，需要APS进行动态处理。APS系统能按照旧的条件制定计划也肯定能按照新的条件制定新计划。但是，它的‘操作-计算’时间是不是能赶上变化的时间，这是一个关键。如果APS录入新条件重排计划的时间是10分钟，它大概只能处理30分钟以上的突发事件，而无法处理30分钟以下的突发事件。动态处理突发事

件对计算时间的严格要求必然引发APS算法和人机操作界面的不断优化，以及发展并行计算技术，这也是国外APS系统的主要技术发展方向。

APS的第二个技术瓶颈就是如何不断提升次优解的优化程度。如果不能得到最优解，那么需要找到一个尽可能接近最优的次优解。不同APS软件的算法不同，次优解的优化程度也不同，直接体现了其核心技术水平的高低。所以拿不同APS软件对相同问题进行处理，对比他们解答的优化程度和计算时间，很容易比出高下。易于进行同场竞技——这是APS系统与功能比较模糊难以一分高下的ERP系统一个很大的不同。这对用户是一个好消息，但是它给APS开发商以极大的压力。因此，不断提高速度，不断接近最优——这是所有APS系统始终不变的追求。

ERP与APS的结合是ERP未来发展的必然方向

与当前BOM-MRP的简单运算和进销存财务功能相比，APS占据了ERP的核心功能，有极深的技术含量，更是未来SCM系统的基础功能。拥有这种核心技术的ERP公司必然在市场竞争中占有极大优势。目前国外企业早已经是磨刀霍霍，未来数年内，美国、德国、日本、台湾软件公司开发的结合了APS核心功能的ERP软件就有可能以低廉价格进入国内市场，那时国内ERP软件公司将难有还手之力。

由于生产排程技术瓶颈的存在，中国ERP软件行业已经远远落后，除了唯一一家专业开发APS系统的北京东方小吉星公司以外，绝大多数企业目前仍然停留在对BOM的低层次的完善和对进销存财务模块低水平重复开发上。由于一直拿不出足够的技术储备向瓶颈发起冲击，因此不重视基础技术储备的工作，甚至对目前状况视而不见;由于不重视基础技术的储备，所以更加无法解决瓶颈问题。目前这个恶性循环还在继续之中。从用友向台湾汉康大价钱买技术的挫折，以及神州数码引入鼎新生产模块的尴尬合作，国内ERP企业对此的无奈状态可见一斑。

第3篇：介绍什么是杭州企业ERP系统,杭州企业ERP系统主生产计划,ERP企业管理系统的含义,最有用的ERP企业管理系统

介绍杭州企业ERP系统主生产计划的编制

来自：杭州集控

ERP(企业资源规划)的实施能提高企业管理的效率和业务的精确度，提高企业的盈利能力，降低交易成本。ERP系统是由计划驱动的，划分ERP系统计划层次的目的是为了体现计划管理由宏观到微观、由战略到战术、由粗到细的深化过程。ERP的计划管理分为5个层次，每一个计划层次都有自己的内容和作用，并且为下一层计划的编制提供依据，不可或缺。结合“ERP原理与实践”课程教学的深刻体会，探讨ERP计划层次中主生产计划的重要性和编制方法。

一、ERP计划层次概述

企业的计划层次包括五层，由上而下分别是：企业经营计划、销售与运作计划、主生产计划、物料需求计划、车间作业和采购计划。其中，企业经营计划是企业的战略规划，确定企业(3～7年)的经营目标和策略，由企业的决策层领导制定：销售和运作规划(生产计划大纲)由企业决策层结合诸如市场、财务、等相关部门提供的数据制定计划期(1～3年)内企业的月产量、资源需求量等;主生产计划仍由企业决策层制定，依据上层计划制定在计划期内(3～18个月)各时间段最终产品数量和交货期的详细计划;物料需求计划是制定作业及采购计划的依据，用来平衡企业资源需求和可用能力，得到产品零部件和原材料需求数量和日期，明确制造和采购订单下放日期：作业及采购计划用于指导车间排产和采购操作，依据上层计划得到工序排产和采购的详细计划。

二、主生产计划的重要性

主生产计划(MPS)是对每一个具体的产品在每—个具体的时间段的生产计划。是企业销售与运作规划的细化，是进行物料需求计划(Ⅶ心)的基础和前提。制订主生产计划是为了得到一份稳定、均衡的生产计划。早期的物料需求计划系统并没有主生产计划这一层，它直接将客户的需求数据(包括预测或订单)根据物料清单(BOM)进行需求展开计算，得到在数量和时间上与预测和客户订单需求相互匹配的生产和采购计划，这种做法弊端很大，而加上主生产计划这一层次后，通过人工干预，均衡安排，使得在一段时问内主生产计划量和预测及客户订单在总量上相匹配，而不追求在每个具体时刻上均与需求相匹配，从而得到一份稳定、均衡的计划。据此所得到的非独立需求项目的物料需求计划也将是稳定和匀称的。因此，主生产计划在整个计划层次中，位置核心，具有非常重要的作用，不可取消。

一方面，主生产计划作为生产部门的工具，指导着生产过程的运行，分析对象是最终产品，在这里它为生产部门指出了“将要生产什么”，即生产最终销售部门进行销售的产品，起着指导作用;另一方面，主生产计划又有着过渡性作用。物料需求计划、能力需求计划、车间和采购作业计划的制定都需要依据主生产计划的数据。

三、主生产计划的编制方法

进行主生产计划的编制首先要确定MPS物料，确定MPS物料就是把销售与运作规划中的产品系列进行具体化的最终项目。按照企业自身不同的生产模式确定对应的MPS物料，例如，常见的现货生产MTS型企业MPS物料为独立需求类型物料;订货生产MTO型企业MPS物料也为独立需求类型物料;而订货组装ATO型企业MPS物料为通用件、特征件及可选件。紧接着进行主生产计划初稿的编制，编制主生产计划是一个比较复杂的过程，里面涉及到多个计算，按照先后顺序依次有6大计算，具体过程如下。

(一)毛需求量：是在任意给定的计划周期内，项目的总需求量

如何把预测量和订单量组合得出毛需求量。这在各个时区的取舍方法是不同的。一般的方法为： 预测时区：毛需求=预测量

计划时区：毛需求=Max(预测量，订单量) 需求时区：毛需求=订单量

因此在进行毛需求量计算时首先要依据已知的时界，对计划展望期划分时区，第一时区、第二时区、第三时区分别为需求时区、计划时区和预测时区。然后再根据公式计算对应时段的毛需求量。

(二)计划接收量：是指正在执行的订单量

在制定MPS计划时，往往把制定计划日期之前已经下达的定单、而在本计划期内完成或到达的数量作为计划接收量处理。在具体的题目中把批量值直接读入到计划接收量中。

(三)净需求：指任意给定的计划周期内，某项目实际需求数量

毛需求指“需要多少?”，而净需求指“还缺多少?”净需求量=本时段毛需求量+安全库存量一(前一时段末的可用库存量+本时段计划接收量) 若计算值≤O，则无净需求;若计算值>0，净需求=计算值。

(四)计划产出量：是为了满足净需求，系统根据设定的批量规则计算得出的供应数量

计划产出量=N×批量

满足条件为：计划产出量≥净需求>(N-1)x批量

说明“什么时问下达计划”。计划投入量的所处时段是在对应的计划产出量的基础上往前推相应的提前期。

一般采用的批量规则是固定批量法和直接批量法。固定批量法(Fixed Quantity)中，如果净需求小于批量，则按批量计算，若挣需求大于批量，则按批量的倍数计算。例如。批量为20，当净需求≤20，计划产出量一律取20：若净需求为35，大于批量，超出部分按批量增量递增，计划产出量取批量的2倍即40：直接批量法(Lot for Lot)则是完全根据实际需求量来确定MPS的计划量，即MPS计划量定义实际需求量。

(五)计划投入量：是系统根据计划产出量、规定的提前期和成品率计算得出的计划投入数量。

说明“什么时间下达计划”。计划投入量的所处时段是在对应的计划产出量的基础上往前推相应的提前期。

(六)预计可用库存量：是从现有库存中，扣除了预留给其他用途的已分配量，可以用于下一时段净需求计算的那部分库存。它同现有量不是同一个概念。

预计可用库存量=(前一时段末的可用库存量+本时段计划接收量+本时段计划产出量)一本时段毛需求量。

在编制主生产计划时，依据计算流程，第一步计算毛需求量，第二步读入计划接收量，第三步计算净需求量，如果净需求为非负数，紧接着计算第四步计划产出量、第五步计划投入量、第六步预计库存量，再开始计算下一时段;如果净需求是负值，则无净需求，直接转到第六步，计算预计库存量，再开始计算下一时段。依次类推，同样的方法计算各时段，直到把最后一个时段算完，关于主生产计划的编制就算结束。

四、结束语

合理的企业计划层次划分是ERP系统稳步实施的关键，在很大程度上会影响ERP实施进程和实施效果。主生产计划作为计划层次的第三层，位置居中，起着承上启下的作用，是上层计划细化的结果，为上层计划的实施打下基础，同时也是下层计划编制的依据，实现了企业计划管理从宏观到微观、从粗到细的过渡，而主生产计划的编制是重中之重，没有编制，说该计划何其重要都是空谈。

公司网站：

联系方式：0571-81023266

第4篇：如何做一个可执行的生产计划排程

一、做出详细生产作业计划需要哪些条件?

在许多生产管理者眼中，生产作业计划是不重要的，如果我们只停留在小加工作坊的规模，大脑就能把一个月的订单、物料、资源记得清清楚楚，那么生产计划排程的必要性确实不太大，但事实上，随着生产规模的扩大，人脑已经不可能完成如此大数据量的存储功能，这时就到了生产管理的Excel时代，许多生产管理人员对Excel使用非常熟悉，并乐在其中，但如果要问他计划的详细信息，计划的优劣以及可执行性问题，这就遇到了困难，道理很简单，Excel只是将数据的存储从大脑移到了电脑，增大了容量，却仍然没有实质性的改进，但Excel的存储作用却是不言而喻的，它是生产计划排程数据准备的重要手段,但Excel相对于文本来说只是多了一个方便操作的表格，并没有严格的二维数据关系，这时就到了生产管理的ERP/MES时代。

这些基础数据主要包括如下几种：

(1)所有产品结构信息。

即生产管理中BOM管理，有了产品结构才能方便的进行订单分解，分解成实际生产的任务。

(2)所有产品的制造工艺信息。

简单来说，就是要能知道任何一个制造任务(如一个零件)可以分解为几步以及每一步之间的逻辑关系，每一步用到哪些物料、需要哪种设备、需要哪些辅助工具，即是生产管理中常说的工艺流程。

(3)所有使用的资源信息。

资源是必备的生产主体，没有资源，生产无从谈起，所以需要对生产所需要的全部资源进行管理，这里所说的资源包含物料、设备、工具等。对资源的管理主要是对资源能力和成本的管理。

资源的能力分为两个方面，一是资源的单位能力，即一个资源能同时加工的工序数，比如说有些设备只能加工一道工序，而有的设备能同时加工两道同样的工序，那么，这两台设备的单位能力是不同的，能力的另一方面是资源的数量，如果一种设备有同样的五台，另一种设备只有一台，如果它们的单位能力都是相同的话，那么显然，五台的设备能力大于一台的能力。这就是生产管理中常说的设备能力，比如有些数控设备是多主轴，可以同时加工多个零件，这就是设备的单位能力，另一方面资源的数量就是指资源库存了。资源拥有生产的能力，使用能力则必定产生成本，成本的定义根据资源的类型决定，非消耗性的资源用时间定义成本，使用的时间越长，消耗的成本越大，消耗性资源则用消耗的数量进行定义，消耗的数量越多，消耗的成本越大。

(4)其它信息，包括订单，日历等信息。

订单是生产计划排程的源头，所以重要性是不言而喻的，订单主要信息包括数量，交货期等;日历是生产制造正常进行的规则，所以也是必须的数据。

上面所列出的数据需要完备性，缺少任意一种均不能进行有限资源能力的排程，同时所有数据也需要准确性，基础数据的准确性决定着计划排程的可执行性。

二、如何做一个可执行的生产计划排程与排程?

在具备了生产计划排程的数据条件之后，如何能制定出一个可执行的计划，成为生产计划排程人员头痛的问题，因为面对纷繁复杂的工序逻辑关系，面对有限能力的资源竞争，再聪明、再有丰富经验的生产计划排程人员也无法准确的计算出每道工序的工作时间。

这时，生产计划排程人员总是靠经验找出负荷最重的瓶颈设备，再结合优先级按照工艺流程的逻辑顺序将瓶颈设备上的工序先进行排程，再安排其它上设备上的工序，这样制定出的生产计划排程代表生产计划排程人员的经验，但是这并不是一个理论可行的计划，在因为其本身存在着一些冲突，实际执行中经常需要调度进行调整，但由于瓶颈资源始终处于高负荷，所以总体上没有太大的冲突，但做这样的计划已经需要耗费生产计划排程人员很大的精力。

三、如何做一个优化的计划排程?

首先，生产计划排程本身具有多样性。

由于订单具体灵活的先后顺序，工艺流程中存在并行流程，资源具有可选、可替换性等因素，生产计划排程往往不是唯一的，正如让两个生产计划排程人员做生产计划排程，他们做出的计划是不同的，但都可以去生产现场执行，这就是计划的多样性。

其次，生产实际的需求多样化。

企业的不同部门分别从自己的利益出发对车间调度决策寄予不同的期望：销售部门希望更好地满足对客户承诺的交货期;制造部门希望提高设备的利用率;经营管理部门希望降低成本;企业高层希望尽可能的提高生产资源的利用率，产出更多的产品。如果单独按各部门的要求做出的计划肯定是不同的，而且忽略任何一个部门的利益对企业整体的发展都是不利的，寻求多方利益的合理折中成为生产调度对策的关键。

在做出一套可行生产计划排程尚且如此困难，如何能反复权衡计划的优劣并做出最终生产现场执行的计划呢?很显然，靠人脑这时已无能为力，而计算机却有这种处理能力。APS软件可提供多目标的优化方案供生产计划排程人员反复权衡比较，可计算一套制造周期最短的生产计划排程、一套资源利用率最高的计划、一套最能满足交货期(延迟订单最少)的计划、一套计划成本最小的计划，并比较每套计划的优劣，然后平衡各方利益做出一套多种目标都能满足的综合计划。

四、实际生产中的计划排程模式是什么?

计划不如变化快!正如现实总与理想的差异，实际生产执行与生产计划排程有出入是正常的也是必然的。生产现场是复杂多变的，可能某道工序延迟了，也可能某台设备坏了，也可能物料供应晚了等等这些不可预知的突发情况会打乱正在执行的生产计划排程，那这时要忙碌的就是现场的调度员了，可是调度员面对复杂多变的生产现场往往无能为力解决所有问题，调换一台可用设备解决了设备故障的问题，可是这台临时调用设备上面的工序安排又被打乱了，调度员又得为这些工序计划的错乱而奔波了，反复调整反复解决眼前的问题，整个生产计划排程被完全打乱，其优化目标早已远远低于最初值，这就是生产计划排程网络连锁反应给生产管理人员带来的烦恼。

实际的生产调度模式是动态生产调度。

生产调度分为动态调度和静态调度两大类，静态调度是在调度环境和任务已知的前提下的事前调度方案。在实际生产过程中，虽然在调度之前进行了尽可能的符合实际的预测，但由于生产过程的诸多因素，如处理单元和物料等资源的变化，难以预先精确估计，往往影响调度计划，使实际生产进度与静态调度的进度表不符，需要进行动态调整。特别是在市场经济供需变化快速，全球供应链竞争激烈的情况下，没有一种预测方法能够完全预测生产过程的动态变化。

事实上，由于市场需求变化会引起产品订单变化，如产品数量的变化、交货期的变化等;另一方面，生产设备故障、能源的短缺和加工周期的变化等，都可能使原来的调度不符合实际要求。

为了适应实际生产过程的不确定性和随机性，一般采用周期性的调度和再调度相结合的策略，定义一些关键事件，如设备故障、订单改变等，当关键事件发生时，立即重新调度，这也称为基于事件的调度方式;否则，周期性调度，即进行所谓的动态调度，或者称为再调度、重调度。动态调度是指在调度环境和任务存在着不可预测的扰动情况下的调度方案，它不仅依赖于事前调度环境和任务，而且与当前状态有关。

动态调度有两种形式：滚动调度和被动调度。滚动调度是指调度优化时间随着时间的推移，在一个接一个的时间段内动态进行生产调度。被动调度是指当生产过程发生变化，原来的调度不再可行时所进行的调度修正。被动调度是在原有的静态调度的基础上进行的，它的调度目标是尽量维持原调度水平，性能指标下降越小越好。滚动调度既可以在原有的静态调度的基础上进行，也可以直接进行，其最终目的都是在当前优化区域内得到最优或次优调度。

动态调度必须符合实时性要求，所以更关心在线计算能力问题。为了能够在有效的时间内得到一个较为合理的调度，一般希望将问题的规模减少，在一个较小时间段的问题空间内，得到一个较好的解。因此，大多数采用启发式方法和基于预测的滚动化方法。

大多数动态调度由加工时间的变化引起，少数由订单的变化和设备故障等引起。对于由加工时间的变化而引起的动态调度，由于批量的加工顺序一般是根据最早的最优(或者可行)调度设定好的，在这种情况下，一般不再需要重新分配批量和加工顺序，只是调整各加工任务的加工起始时间，尽量得到一个较优的调度，或者保持原有调度的性能指标。

支持动态生产调度是APS软件的核心功能之一，也是APS理论走向实践应用的关键技术!APS采用基于内存的快速计算能实时响应各种现场不可预测的扰动，计算由扰动引起的连锁反应，实时生成新的生产计划排程以适应现场变化。

五、生产作业计划的作用是什么?

生产计划排程是生产管理中的核心工作，或许很多人不同意这个观点，只是因为这个观点的前提是生产计划排程在生产管理中真正起到了作用，目前国内制造业的现状还不能体现出生产计划排程的真正作用，所以也没有人认为它是最核心的工作，但为何生产计划排程却引起了生产管理人员的重视?随着生产规模的扩大，设备增多，订单不停变化，成本压力，客户对交货期的要求越来越短，这些种种原因导致了生产管理复杂度不断上升，导致现场往往顾此失彼，最终消耗更多的资源，付出更多的成本，却仍然不能满足客户的需求。这些原因终使生产管理人员认识到生产计划排程的重要性，好的计划可让生产有条不紊的进行，有利于提高资源利用率，降低生产经营成本。

生产计划排程的作用是多个维度的。

(1)工序，生产调度的最小单位，在没有生产计划排程时，因为没有具体的工序开始、结束时间，生产调度是盲目的，同时也导致资源准备和资源配送的盲目性。这对想要实现精细化管理的企业来说无疑是难以接受的。

(2)设备，生产制造的主要载体，有些设备贵重，折旧费高昂，需要日夜工作提高其利用率，有些设备功能特殊，其它设备不可替代，也需要尽最大的能力工作才能确保生产任务。如果没有详细的生产作业计划，无法预估资源的利用率和负荷，无法让瓶颈设备发挥出最大的能力。

物料，成品的来源，物料的采购时间是能否确保交货期的最重要因素，因为设备故障可以更换设备来临时调整，重要的工序可以调整优先级让其它工序让路来保证交货期，但是如果物料无法按时就位，那么一切努力的机会都没有，所以对物料的到货情况进行预测，并准确预测生产现场何种物料将在何时短缺是非常重要的，而详细生产作业计划可以提供对物料的库存预测和管理。

(3)降低库存，库存关乎资金的占用，是企业的负担，如何降低库存，一直是生产管理面对的难题。面对一批订单，需要多少资源，库存现在的情况能否满足?不满足还需要采购多少?何时采购?这些都无从得知，也就是说，对于库存的管理是被动的，所以也就无法实现库存控制。这种情况下，只能靠经验将库存保持一定的库存量，保证库存量就占用了流动资金，这就与追求零库存的生产管理理想背道而弛了。

详细的生产作业计划能够预测资源的使用情况，可以预测哪道工序在何时使用哪些资源，何时再释放哪种资源，这样就预测了资源在每一个时刻的动态库存状态，可以发现资源库存降为零的时刻，并预先做好准备在这些时刻补充资源，按照生产计划排程进行资源的准备，可以将库存保持在接近于零的一个很低的水平。

(4)精细成本管理，许多企业的成本管理只能是月末年末的成本统计，这个月消耗了多少物料，设备折旧了多少这些都是月末统计得知的，所做的工作只是事后收集数据的过程，成本产生于生产过程，产生于资源的消耗，如果没有准确的生产过程记录，成本的计算将无从谈起，而生产作业计划能给出准确的工序开始、结束时间，工序所用到的资源，也就是说在生产执行之前就能准确的预测出每道工序的所消耗的成本，有了这种预测，就可以在生产之前就进行一些成本规划，进而进行成本控制，形成成本计划，这样就可以跟成本统计进行比较，做到真正的精细成本管理。

(5)生产仿真，生产仿真简单的说就是用逻辑模型模仿实际的生产过程。反复进行试排程，就是反复模拟生产过程，从各个方面进行仿真预测，以得到最符合实际需要的生产计划排程。仿真工序的加工时间，何处加工，所用哪些资源，资源使用的分布如何，这些可以从总体上模拟生产执行时的情况，评估当前生产状态，改善生产管理。

另外，动态排程与排程试算，许多人将这两者混为一谈，甚至许多APS软件也用排程试算等于动态排程的思想进行宣传，其实这两者有着本质的区别。

排程试算是反复进行重新排程试计算，是在各种不同条件下的预排程，是提前进行的试计算，是为了在实际生产之前确定一套最好的排程方案;而动态排程是指一次排程方案的局部调整，具体是计划在执行过程中因为生产实际情况发生改变而进行的适应改变的调整计算，这种调整计算是为了响应某些环境扰动，对于已经完成的计划不会改变，而对于没有完成而受环境影响的计划需要进行调整。 动态排程主要是由于生产中出现一些异于计划的情况，这些情况主要有几下三种：

工序自身的调整。

包括工序时间的调整，工序交货期的调整，工序数量调整，工序所使用资源，工序优先级等。工序自身调整的情况一般出现在一定的时间周期内要进行生产实际与计划的比对，如果出现了偏差，则进行调整。

资源的调整。

包括增加、减少资源，改变资源数量，改变资源日历。有生产过程中经常会出现资源异常情况，比如设备故障就是最常见的例子，还有如某些工具推迟到货等等情况均属于资源调整。

插单、删单是生产管理中最常见的异常情况。

当生产正在进行的时候，由于客户的追加订单，经常会有紧急的插单，或是一些生产报废的原因也可能造成重新插单，客户的退单是造成生产删单的主要原因。由于频繁的插单、删单，生产计划排程经常会被打乱成面目全非，这时APS的动态排程、实时调整的功能就显得异常重了。

一个生产计划排程在实际执行过程中，经常会遇到许许多多临时性的调度，即所谓What If中的If，如设备故障，急件插单等，这样迫使生产实际情况偏离了原计划，这时APS能否及时、动态地响应这种临时性的调度就显得特别关键，即需要用APS的动态排程来回答What，设备故障后此设备上原计划安排的任务如何处理?哪些是可以替换它的设备?许多依赖此设备上任务的一些后续任务影响如何?这些都是需要APS的动态排程来回答。

当然，响应这些生产中的扰动有许多不同的策略，有些基于这些事件实时计算调整，有些是基于一定的周期全局进行环境状态更新与计划调整，这种策略在生产管理上也称为“滚动排程”。

面对业务需要及生产环境的不断变化，APS通过常驻内存的高速计算，迅速得出这种改变所带来的复杂连锁反应，实时取得现场的更新数据，并实时动态的调整、更新计划排产，以达到计划与执行的一致性。实际生产不可能完全按照生产计划排程执行，这是正常的，也是现实的，如果APS不具备动态排程的能力，不能实时响应业务变化与实际执行扰动的需求，那么可以想像这样的生产计划排程根本不能指导实际生产，APS做出的生产计划排程还有什么实际意义?所以APS动态排程是APS从理论走向实践的关键技术。

APS动态排程的实质是随需而变、柔性计划，以实现面向业务变化的What If敏捷响应。

第5篇：