檢視 APS智能排程系统提升美的交付能力的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://p3.itc.cn/images01/20230413/b5cddbb335dd4bcbb8c8f4ca18220e80.png width="300"></center>
<small>[https://www.sohu.com/a/666406550_121265529 来自 搜狐网 的图片]</small>
|}

'''APS智能排程系统提升美的交付能力'''美的[[数字化]]平台从重构与优化IT供应链体系入手，建立数字化计划APS，实现一体化集成强化供应链内部跨职能协作能力，缩短从计划到交付供应链周期；实施智能化<ref>[https://www.sohu.com/a/533837469_121346374 什么是智能化？一张图看懂信息化、数字化智能化的区别] ，搜狐，2022-03-30</ref>排程，实现需求驱动设计与[[生产]]，完成外部需求链的动态汇聚与敏捷执行。

==一、案例简介==

美的高级计划排产系统（APS）是一个覆盖预测、产销平衡、订单承诺、生产物料[[计划]]、车间排程等多功能的一体化平台，融合 T+3 管理、价值流管理思想，衔接产销，充分打通了供应链上下游。

通过信息高度集成，利用订单拉动生产[[制造]]、供应链协同，实现生产过程透明化、可视化。该系统充分考虑了全价值链中的约束因素，实现供应链需求、计划、执行全流程协同的智能化、数字。真正从资源配置的角度，帮助提升订单交付水平和制造效率。

==二、案例背景介绍==

===（一）业务痛点===

经过五十多年的发展，美的已经积累了足够的生产制造的经验，形成了具有美的特色的生产计划体系。而在业务量增大、信息化加速、生产资源变更等背景下，美的的生产[[计划]]与排程也存在一系列亟需改进的问题：

（1）影响生产计划与排程的约束因素过多，生产计划的组合方案多，复杂度高，人工排产耗时 过长，且人工无法获得最优的排产方案；（2）生产计划与排程结果依赖生产计划员的经验，但生产计划员的经验无法通过系统沉淀、传承，新任计划员难以快速接手生产[[计划]]工作；（3）无法量化计划与排程结果，无法评价其质量，车间生产与执行盲目被动；（4）实际生产与系统计划[[信息]]传递不及时，生产计划无法根据车间实际生产情况实时、智能化 调整，生产价值链上下游无法有效协同一致；（5）基础数据量大，人工维护、更新不及时；（6）生产计划员只能在PC端进行生产计划与排程，无法移动化办公，存在计划信息传递延时情况。为解决以上业务痛点，美的创建了智能排程项目，希望通过智能化的算法、系统实现智能化自动排程，提高生产计划与排程的质量，为生产计划员减负，达到降本提效的效果。

===（二）项目目标===

美的创建智能排程项目，旨在建立智能化、移动化生产计划与排程系统，拉通生产价值链上下游信息，实现计算机自动优化基础数据设置，量化排程方案的质量，智能计算获得最优的生产计划[[方案]]，促进车间生产与系统计划协同一致。项目达成目标介绍如下：

（1）基础数据优化，建立系统自我记忆和[[学习]]功能实现工艺路线、UPH 等基础数据的智能维护 和自我修正，提升制造数据维护效率和准确度；

（2）建立仿真排程和结果评价体系，应用智能算法实现多版本计划模拟，将排程结果数据化及 可视化，满足不同场景的排产需求，在不同订单组合和制造资源下实现最优排程，提升排程效率和[[质量]]；

（3）实现排程计划的自我修正，排程结果与 MES [[大数据]]<ref>[https://it.sohu.com/a/669707371_120797758 大数据有什么作用？] ，搜狐，2023-04-24</ref>互联，系统排程与实际生产进度的实时更新，指导供应商精准恰时送货；

（4）实现排程计划执行的可视及生产异常的在线化协同及闭环（缺料、尾数、不良），提升计划执行及异常解决效率；

通过开发实现以上四个功能点，最终提升订单交付[[效率]]，缩短订单处理时间，提升车间齐套交付水平，减少效率损失（转线换型、缺料、异常）。

==三、案例应用详情==

结合实际业务情况，根据美的项目管理办法，智能排程项目周期为6个月，包括项目启动、需求调研、业务方案确定、IT方案设计、系统开发、系统测试、项目上线、上线运维等阶段。经过以上多个阶段的推进，美的智能排程系统于2019年6月正式投入[[使用]]，并逐渐推广到其他工厂。

===（一）算法选择===

排程问题是工单的组合优化问题，属于[[数学]]学科中的NP问题。对于这种问题，在当今的计算机性能条件下，利用传统的方法（枚举法）求解往往需要耗费巨大的时间和储存空间，有时甚至无法求解。因此，求解车间排程这种组合优化问题，最重要的是设计科学合理的智能算法。当前，常用于求解这类组合优化问题的智能算法有禁忌搜索算法、模拟退火法、粒子群算法、遗传算法等。

经过广泛调研及充分验证，由于[[遗传]]算法具有强容错性、并行性、可与其他算法（模拟退火法 等）结合等优点，且具有广泛的理论研究基础和实践基础，具有较为成熟的应用于车间排程的应用实例，所以遗传算法被确定为智能排程项目的核心算法。

===（二）系统主要功能===

结合业务需求，智能排程[[项目]]中设计的系统功能包括智能算法、数据驱动、移动排产三大模块。

（1）智能算法将业务经验、偏好及规则形成启发式算法规则，建立评价指标模型，设定优化目标 通过自主研发智能算法，按遗传、交叉及变异等规则进行多代进化优选。

（2）数据驱动实绩排产驱动生产相关数据实时传导，推动[[物流]]最后一公里落地。实现排产核心数据工艺路线生成、校验、优化的数字闭环管理。通过产品族规则建立和应用，实现排产快速、精准选线。

（3）移动排程，随时随地通过手机实现订单引入、来单即排、移动调产、进度查询一站式应用。订单历史数据查询，支持快速决策。

==四、创新性与优势==

美的通过建立数字化多层计划体系 APS，发挥了计划端到端牵引带动作用，拉通研发、采购、生产、物流、[[销售]]，实现智能化生产、网络化协同，快速响应供应链的需求波动与供应变化，实现端到端价值链的拉通。

==五、案例应用效益分析==

通过项目实施，在计划效率、产销衔接效率、全价值链整体库存资金和费用等多方面的改善，带来了诸多业务价值提升。

通过快速的计划协同，排产及备料时间从24h下降到2-4h，[[原材料]]在制品库存降低90%。

通过智能排程，在保障客户订单按时交付下，减少了后端的转线换型，同时提升了订单齐套交付。排程的结果是通过算法得出的最优计划，计划准确性和生产资源配置合理性显著提升，在在生产执行上，异常减少，[[制造]]交期大幅下降。在指标方面，达成排产准确率90%，T+3订单齐套率达到95%，排产时间减少1-2h，排产效率提升70%。

通过实绩排产，实现了美的和供方[[计划]]的无缝对接，提升了供方的送货效率，减少了送货等待。JIT 物料实现异常下降 40%，N点上线准确率提升50%。

==参考文献==
[[Category:500 社會科學類]]