APS排程（Advanced Scheduling）科普

发布日期：2022/1/28 6:56:35      浏览量：

       APS的原理都是一样的。流程行业与离散行业的APS会有差异，但核心理念是一样的。总体说来流程行业以稳定、均衡、高负荷、安全、低能耗和少污染为目标，调节手段主要是保证工艺过程参数保持在最优状态。离散制造业往往以缩短交货期、提高设备利用率为主要目标，调节手段主要是优化排序和优化分配负荷等。

　　一、流程工业生产计划和控制活动的特性
　　流程行业（process industries）是指通过混合、分离、成型或化学反应使材料增值的企业。生产过程可以是连续的、成批的，通常需要严格的刚性过程控制和大量的资本投入。批量型生产是将材料积累起来，每次同时加工一批材料的一种制造技术；连续型生产是产品流是连续、不间断、不可分的。
（1）流程行业生产属于大批量连续生产，因而强调生产过程的整体性，工艺流程相对稳定。生产柔性和灵活性差。
（2）流程行业的生产过程包括了信息流、物质流、能量流,而且伴随着复杂的物理化学反应,以及突变性和不确定性等因素,如不确定的投入产出及联产品和副产品等，是一个十分复杂的大系统。
（3）流程行业的BOM是一个公式、配方或成分表，每一批产品的质量都有可能不同。对于辅料，可以利用典型的基于BOM的管理方法。但主料的管理就有所不同，通常需要交叉职能委员会或是运作经理分配主料，确定配方。
（4）流程行业的生产准备时间长，设备轻易不能停工，设备、操作之间的耦合度极高，往往某个参数的调整就会影响到其他参数及以后各个工序的产品质量，因此流程行业控制的精确程度一般要高于离散制造业。
（5）流程行业生产计划和控制要求面向整体优化。各个设备的优化不等于全厂处于最优,因而在求取全局最优的过程中有时会得到相互冲突的结论。
（6）流程行业更关注设备的有效利用。生产计划对设备能力极其重视。其生产装置间的连接有管道约束,物流连续,或者只有复杂而有限的中间存贮策略（如存储池的能力、温度、存储时间等要求）。
（7）流程行业中，离散决策变量与连续决策变量共存,系统内既包括连续过程变量,如生产过程;也包括离散过程变量,如生产方案的切换、调度指令的下达、随机事件的引入、生产装置的切换等,所以连续过程的生产计划/调度系统是混杂系统。这种混杂既包括同层混杂,也包括递阶层次之间的混杂。
（8）流程行业常常处于十分恶劣的生产环境,因而生产的安全性和环保要求被放在最重要的位置。
（9）流程行业的原材料和产品通常是易腐的（如食品），因此，在生产计划和库存管理中，要考虑到这个约束条件。

（10）由于生产批量大、生产过程一般较为稳定，流程行业的生产计划（planning）和作业计划（scheduling）通常是紧密联系，一般很难区分。在长期或中期生产计划中通常同时要考虑到详细的工艺问题，如投产批量（lot sizing）和作业安排（job assignment）同时在生产设计中出现。而在小批量多品种生产的离散制造业中，排程问题通常是在作业计划层考虑。

　　二、流程工业中APS的算法
（1）数学规划算法
　　广泛使用混合整数线性规划（MILP）或混合整数非线性规划（MINLP）。对化工企业建立数学规划模型，求解总成本最低条件下的生产任务的分配问题以及产品的分配问题。也可以建立了一个通用的MINLP模型，目标是最小化最大完工时间（make span），确定投产批量。采用贪婪启发算法，并与其他启发式算法进行比较。
　　需要考虑计划期长度、原料可用性、有限负荷（finite loading），清洁操作（cleaning operation）,通过Cplex计算的混合整数规划。 但是数学模型几乎不可重用，即使微小的变化也可能使得所选算法效果变得极差。数学规划中对实际问题求解的计算量太大，如分枝定界法（B&B）。为了提高效率采用各种改进形式的B&B算法或者简化计算技术. 采用启发式算法为了考虑更简单的模型。
（2） 约束规划
　　能够成功的用来解决制造业生产计划问题的约束传播代表是ILOG Optimization Suite。当必须在计划中考虑大量约束时，约束规划非常适用。一种适合于流程行业需求的方法。这种方法采用约束定向搜索（constraint directed search CDS）解决问题的组合部分，并且确定剩余的（N）LP问题是否解决。组合部分的解中包括了，通过对变量赋值和规定变量值和顺序的启发规则进行的用户干预。
（3）仿真方法
　　一般仿真方法是和数学模型、规则调度等相结合来解决问题。与数学规划采用全局的、简化的观点相比，仿真提供了一个局部的所有任务、排序和时间决策结果的可视化观察，并能够以较低的计算成本对一个特定的计划问题进行详细的、快速的分析。仿真一般是对可供选择的方案进行对比分析，可以用来评估用户所提出的候选计划。
（4）人工智能
　　近年来，人工智能技术被引入生产计划领域，是解决计划问题的有效途径。结合数学规划方法和人工智能技术、专家系统是一个较好的方法。人工智能在大量科学领域复杂问题求解中得到显著成功。

　　如模拟退火算法在求解生产调度问题的混合优化方法优于启发式方法。基于神经网络提出了面向批量流程行业生产计划控制工具对最大完工时间（make span）的模型。模型的预测效果很好。但是，神经网络模型不能直观反应作业性质和作业交互。遗传算法是一种模仿生物自然进化的随机搜索技术。自从Goldberg和Davis发表遗传算法以来，它就被用来解决调度问题。

　　三、流程工业的生产计划模式的发展APS
　　MRP系统并不适应流程行业，针对化工行业的特性：原料需求的特殊性；生产管理的特殊性；计划与排程的特殊性，出现了专门针对流程工业的APS系统。
　　利用APS可以达到灵活可变的生产计划，可视化的生产排序，自动的生产作业指示，动态的供应链计划调整，最大限度地利用设备的生产能力。
　　流程工业计划排程建模所需考虑的因素：
（1）配方管理： 流程工业的BOM是一个公式、配方或成分表，每一批产品的质量都有可能不同。对于辅料，可以利用典型的基于BOM的管理方法。但主料的管理就有所不同，通常需要运作经理分配主料，确定配方。配方中需要处理联产品和副产品（co-Product和by-Product）
（2）生产线产能：生产线产能：每种产品在各生产线上的单位时间的产能、投料批量、产出批量等资料。
（3）生产线日历：生产车间各生产线的工作日历，可以根据需要定义、调整到具体的每一分秒
（4）批次管理：可以自定义产品批号规则，并对批号进行加密。
（5）清扫时间：清扫资料：通常一个产品生产完毕后，不能直接生产下一产品，而是需要清扫残留在生产线上的残留物质，才能开始生产下一个产品。每个产品到下一产品的清扫时间有可能是不相同的。
（6）多计量单位：在物料的储运和加工过程中，计量单位会多种转换，效能关系，多包装单位。

（7）生产线和物料对应关系的优化生产模式：理想生产模式：在一定的周期范围内，生产多个产品时，会遵循一定的优先次序来安排生产。通常在生产排产过程中，在同一生产线，不同性质的产品的生产优先级、默认生产线和物料的关系就构成了理想生产模式。

　　四、高级计划
　　根据APS的需求计划预测来制定中长期销售计划；根据销售订单和销售预测来制定和修正滚动销售计划；根据滚动销售计划并参考动态库存约束、产能约束制定和修正滚动生产计划。

　　基于需求预测和分销计划，制定企业中长期计划的处理和汇总，并可以自动按照日历周期均化；可以根据基于周/月的销售状况动态调整、优化的滚动销售计划；滚动生产计划的制定和修正可以实时参考库存上下限的设定、出库、在库的动态情况和有限产能来模拟计算；满足动态变化的计划管理的需求，不论是长期的或短期的计划都具有优化，对比，可执行性；生产与采购的统一协调、统一的计划管理平台；

　　五、高级动态排序
　　通过生产排程系统自动根据生产线各产品的标准产能、优先级、机台清洁时间等，精确安排每天的顺序计划。可以根据订单紧迫度、生产变更及物料准备情况等因素影响实时进行插单、减单生产。

　　生产排序可对开工时间、产量进行修正，可以重新调整生产线，系统自动根据修正值重排生产计划。支持超工厂日历时间范围排产，允许动态加班。可以人机交互可视化排产，支持多生产线同一界面排产。生产排产数据可反查需求来源。考虑.交付、生产、需求方面的不确定性因素。APS模型是在确定性模型中分别考虑交付中延期的随机性、产出的随机性和需求的随机性。

　　六、面向产品恢复的流程工业
　　对逆向物流中的定量模型是可以分为三个领域：分销计划、库存控制、生产计划。
　　生产计划主要是材料的再利用。再生与可再用的材料的价值之间的权衡。APS模型主要需要对所有可能的再生和回用的成本和加工时间进行计算。

　　考虑逆向物流在随机需求、回收、产出的情况下，利用仿真确保给定的服务水平所需的安全库存水平。

　　七、流程工业的精益生产

　　由于生产过程资本敏感性或资源约束，流程工业的能力是固定的。尽管流程工业生产活动缺乏柔性，但是可以采用精益哲学，关注于非生产活动，如原材料移动和存储，而很少是柔性生产活动，一般重点放在原材料和分销管理上。由于机器不能停，就想办法在其他方面应用精益原则。比如限制问题点的数量，避免变异。找出瓶颈，根据库存情况随时调动劳动力避免僵化等等。改善物流活动，消除浪费，如超额库存、提前期过长、等待时间、额外运输等活动。

　　八、流程工业的数字化工厂
　　在石化、钢铁、冶金、建材、纺织、造纸、医药、食品等流程制造领域，企业发展智能制造的内在动力在于产品品质可控，侧重从生产数字化建设起步，基于品控需求从产品末端控制向全流程控制转变。
　　生产过程数字化，在生产制造、过程管理等单个环节信息化系统建设的基础上，构建覆盖全流程的动态透明可追溯体系，基于统一的可视化平台实现产品生产全过程跨部门协同控制。
　　生产管理一体化，搭建企业数字化一体系统，深化生产制造与运营管理、采购销售等核心业务系统集成，促进企业内部资源和信息的整合和共享。

　　供应链协同化，基于原材料采购和配送需求，将数字化工厂拓展至供应商和物流企业，横向集成供应商和物料配送协同资源和网络，实现外部原材料供应和内部生产配送的系统化、流程化，提高工厂内外供应链运行效率。

　　九、智造制造时代的流程工业的转型升级
　　流程工业企业的特点是管道式物料输送，生产连续性强，流程比较规范，工艺柔性比较小，产品比较单一，原料比较稳定。对于流程工业而言，由于原材料在整个物质转化过程中进行的是物理化学过程，难以实现数字化，而工序的连续性使得上一个工序对下一个工序的影响具有传导作用，即如果第一道工序的原料不可用，就会影响第二道工序。
　　因此，流程工业智能工厂建设的重点在于实现生产工艺的智能优化和生产全流程的智能优化，即智能感知生产条件变化，自主决策系统控制指令，自动控制设备，在出现异常工况时，即时预测和进行自愈控制，排除异常、实现安全优化运行；在此基础上，实现APS高级优化决策系统，再逐渐进化到CPS高级智能系统，智能感知物流、能源流和信息流的状况，自主学习和主动响应，实现自动决策。