EXCEL版APS自动排程

duwei9981

EXCEL版APS自动排程

yiyiyicz

下载，
粗看，不像APS，倒像漏斗模型的算法。还没有仔细看。收藏
不过，请注意，APS在离散型生产管理中应用，有许多问题。最大的问题是，APS采用的确定性思维，和MRP的逻辑一样，只是在追求精确的道路上走的更远。
实际生产的进度，是不确定性的，只有用不确定性的逻辑，才有出路

duwei9981

原帖由 yiyiyicz 于 2011-1-25 09:15 发表
下载，
粗看，不像APS，倒像漏斗模型的算法。还没有仔细看。收藏
不过，请注意，APS在离散型生产管理中应用，有许多问题。最大的问题是，APS采用的确定性思维，和MRP的逻辑一样，只是在追求精确的道路上走的更远。 ...

详细生产排程（APS-DS）是APS的瓶颈，生产现场如战场瞬息万变不确定因素太多
APS有加入限制条件，同步规划的优点
公司说要上，一直没上。欢迎大家讨论分享

chunposoft

这个是Excel文件吗?

红山玉龙

学习了，谢谢楼主

iso20000

学习了，谢谢楼主

yiyiyicz

本人并不认为APS，是高级先进的做生产计划的工具。因为它和ERP一样存在致命的缺陷
但是，作为一种做计划、排产的工具，包含了许多精巧的思路
一下是网上的文章。在pkerp的网站（时间是2009），可能也是转载，时间可能更早了

APS原理及现状描解析APS——先进生产排程，并不是一个独立的管理软件，而是与ERP系统集成在一起的一个专门负责生产计划和生产排程、生产排程的软件。由于ERP生产功能的核心MRP在功能上有很多不足，APS的出现其实是弥补这种不足的必然。APS的最大特点就是其中的‘先进’二字，这种先进是基于其核心技术的高深和困难，因为它所涉及到的基本都是相关学科中的最前沿领域。一般需要集中物流、管理学方面的专家以及基础数学和计算机算法方面专家，至少几年时间的努力才能有所成就。而这对讲究投资收益和市场变化极为迅速的ERP企业是不太可能的选择。以至于极少ERP厂商自己开发APS，大都是直接购买专业公司的现成软件加以集成，即使SAP、ORACAL也不例外。
APS的目标就是追求生产计划的优化和能力的平衡，这本身是有难度的工作，但是最难的还在于‘约束’，优化和平衡的追求都是在多种约束条件之下的追求。约束与优化成为一对最大的矛盾，甚至在特别复杂的约束下到底有没有最优，能优化到什么程度，理论上都成为疑问。
APS的研究主要集中在车间的生产计划排程与生产调度程方面，许多学者作了大量研究，出了不少的研究成果。制造系统的生产排程和生产调度是针对一项可分解的工作（如产品制造），探讨在在尽可能满足约束条件（如交货期、工艺路线、资源情况）的前提下，通过下达生产指令，安排其组成部分（操作）使用哪些资源、其加工时间及加工的先后顺序，以获得产品制造时间或成本的最优化。在理论研究中，生产排程和生产调度问题常被称为排序问题或资源分配问题。方法可以简单分成静态和动态两种。
    静态排程是指所有待安排加工的工作均处于待加工状态，因而进行—次排程后、各作业的加工被确定、在以后的加工过程中就不再改变；动态排程是指作业依次进入待加工状态、各种作业不断进入系统接受加工、同时完成加工的作业又不断离开，还要考虑作业环境中不断出现的动态扰动、如作业的加工超时、设备的损坏等。因此动态排程要根据系统中作业、设备等的状况，不断地进行排程。实际排程的类型往往是 job shop型，且是动态的。
    一般的排程问题都是对于具体生产环境中复杂的、动态的、多目标的排程问题的一种抽象和简化，因而，一个排程算法可以通过其如何表述这些复杂性来进行分类。由于实际生产环境是千差万别的，那末，一个排程算法就应该根据其是否能适合对应的生产环境的重要特征来进行评估。Frederick等人为了帮助区别不同的生产排程策略，给出了典型生产排程环境的五个特征，这将有助于我们了解各种不同的排程算法的应用环境。
    边界条件：生产排程常常是一个重排程问题，即修改已有的生产排程去适应新的作业。为提供重排程，排程算法应能处理生产系统中有关的初始状态。类似的生产排程通常是在一个有限的时间区域里进行的，系统的最优解（或次优解）亦是在限定的边界范围内来获取。  
    分批大小和调整费用：为有效地解决实际生产中的排程问题，往往将任务分成多批进行，并考虑改变已有排程结果所付出的代价（调整费用）。
    加工路径：在实际生产中，作业的加工路径可能需要动态改变，工艺顺序可能是半有序的(semiorder)。
    随机事件和扰动：比如，出现关键作业、设备损坏、加工操作失败、原料短缺、加工时间/到达时间/交货期的改变等。
    性能指标和多目标：追求不同的性能指标往往会得到不同的优化解，同时，系统目标也以多目标为主。  
　  实际的排程问题有以下特点：

yiyiyicz

    (1) 复杂性
    由于装卸作业、装卸设备、库场、搬运系统之间相互影响、相互作用、每个作业又要考虑它的到达时间、装卸时间、准备时间、操作顺序、交货期等，因而相当复杂。由于排程问题是在等式或不等式约束下求性能指标的优化，在计算量上往往是NP完全问题，即随着问题规模的增大，对于求解最优化的计算量呈指数增长，使得一些常规的最优化方法往往无能为力，对于这一点 Garey等 [16]（见文后所附文献目录）给出了明确的证明。即便对单机排程问题，如果考虑 n个作业而每个作业只考虑加工时间及与序列有关的准备时间时，就等价于n个城市的 TSP问题。对于一般的装卸系统，问题就变得更为复杂。
    (2) 动态随机性
    在实际的生产排程系统中存在很多随机的和不确定的因素，比如作业到达时间的不确定性、作业的加工时间也有一定的随机性，而且生产系统中常出现一些实发偶然事件，如设备的损坏／修复、作业交货期的改变等。
    (3) 多目标。
    实际的计划排程往往是多目标的，并且这些目标间可能发生冲突。Oraves曾将排程目标分为基于排程费用和排程性能的指标两大类：Alia. S等人将排程目标分三类：基于作业交货期的目标、基于作业完成时间的目标、基于生产成本的目标。这种多目标性导致排程的复杂性和计算量急剧增加。

yiyiyicz

    排程问题的研究方法如下：
    —般的排程问题都是对于具体生产环境中复杂的、动态的、多目标的排程问题的一种抽象和简化，因而一个排程算法可以通过其如何表述这些复杂性进行分类。由于实际中生产环境是千差万别的，那么一个排程算法就应该根据其是否能适合对应的生产环境的重要特征进行评估。在对排程问题进行研究的方法上，最初是集中在整数规划、仿真和简单的规则上，这些方法不是排程结果不理想就是难以解决复杂的问题。随着各种新的相关学科与优化技术的建立与发展，在排程领域也出现了许多新的优化方法，比如神经网络、模拟退火法、遗传算法、禁忌搜索法等，使得排程问题的研究方法向多元化方向发展。下面我们分别对这些方法进行总结：
    (1) 运筹学方法
运筹学方法是将生产排程问题简化为数学规划模型，采用基于枚举思想的分枝定界法或动态规划算法进行解决排程最优化或近优化问题，属于精确方法。文[24][25][26][27][28]等提出了不同的分枝定界法，其不同点主要在于分析规则、定界机制和上界的产生这三方面存在差异。这类方法虽然从理论上能求得最优解，但由于其计算复杂性的原因、因而不能获得真正的实用。目前，Lenstra在文[15]中声明，对一个标准的10作业——10设备问题进行求最优解，需要在Prime 2655计算机上运行 1小时，并产生22000个结点。对于复杂的问题，这种纯数学方法有模型抽取困难、运算量大、算法难以实现的弱点，对于生产环境中的动态排程实现复杂，解决不了动态及快速响应市场的问题。
    (2) 基于规则的方法
    对生产加工任务进行排程的最传统的方法是使用排程规则（Dispatching rules），已经有许多排程规则被应用，因其排程规则简单、易于实现、计算复杂度低等原因，能够用于动态实时排程系统中，许多年来一直受到学者们的广泛研究，并不断涌现出新的排程规则。许多学者在这方面已进行了探索及大量工作，如研究与制定较优的单元零件加工排程算法，在减少等待时间、提高生产率等诸多约束条件下达到了一种较为科学有效的排程效果。
PanwaIkar和 IskaDder在文[30]中总结了 l13条规则，并将它们按形式分为了三类：简单规则、复合规则、启发式规则；M．MontazeIi等例举了常见的20条规则，并针对一个实际的FMS，分析了这些规则对系统性能（如作业的平均等待时间、设备的平均利用率、作业总加工时间等）的影响；文[47]将多种规则组合起来实现排程；文[48]讨论了决策规则解决FMS车间排程问题的方法与规则库的具体实现，分析了各种规则与性能指标的关系，对如何合理地选用规则提出了建议；为了提高规则排程的质量，文[50]通过分析拖期时间与两个作业排程决策间的关系，提出了一种比较复杂的规则，并在以拖期时间最小的目标下，与 LST、LPT、LDD、LWR、LSWR、LSOR等规则作了实验比较。随着计算机运算速度的飞速提高，人们希望寻找新的近似排程方法，它以合理的额外计算时间为代价，换得比单纯启发式规则所得到的排程更好的排程。在这方面比较有代表性的有移动瓶颈方法（Bottle neck Procedure），用来解决以最小化 Makespan为目标的 Job Shop排程问题，它通过不断地对移动的瓶颈设备进行单机排程，来获取更好的次优解。
    总的说来，启发式规则直观、简单、易于实现。但是近十年的研究表明并不存在一个全局最优的排程规则，它们的有效性依赖于对特殊性能需求的标准及生产条件。它是局部优化方法，难以得到全局优化结果，并且不能对得到的结果进行次优性的定量评估。顾客需求的个性化及要求企业响应市场的敏捷性，往往在生产加工过程中加入了更多的不确定性及复杂性约束，寻找排程最优算法本身是一个NP完全问题，这些使得基于规则的排程思想已不能适合敏捷化制造的要求。

yiyiyicz

    (3) 系统仿真的方法
    基于仿真的方法不单纯追求系统的数学模型，侧重对系统中运行的逻辑关系的描述，能够对生产排程方案进行比较评价，分析系统的动态性能，并选择系统的动态结构参数。由于制造系统的复杂性，很难用一个精确的解析模型来进行描述和分析。而通过运行仿真模型来收集数据，则能对实际系统进行性能、状态等方面的分析，从而，能对系统采用合适的控制排程方法。仿真方法最早被用来作为测试排程启发式规则及分派规则的工具。后来，人们发现，通过将简单的优先权规则进行组合，或用一个简单的优先权规则将一些启发式规则进行组合，这样的排程优于单独的优先权规则。于是，仿真方法逐渐发展为一种人机交互的柔性仿真工具，并用来进行车间排程。这样，就能通过仿真而动态地展现Job Shop车间的状态，分析在不同的排程方法下的系统性能，并运用知识和经验去选择合适的排程方法(规则)，从而改善排程性能。
    Kiran等回顾和总结了在动态环境下基于纯仿真模型的 Job Shop排程问题的研究状况；Baker等人研究表明：机器数目对生产的相对效率影响不大；Nanot说明了优先规则的相对效率并不因机器的构成而改变；文[19]中提出了基于纯仿真模型的排程方法，即在一个较短的时间段内用仿真来评价一个分派规则集，选取最小代价的规则进行排程，以适应系统状态的变化；文[49]运用纯仿真模型，同时解决FMS中作业排程和搬运小车及刀具的资源分配问题；文[51]中提出了一种混合的仿真／解析模型，用于分析和设计具有缓存的不可靠生产线问题。
    基于纯仿真法虽然可以包含解析模型无法描述的因素，并且可以提供给使用者一个排程性能测试的机会，但其不可避免地存在以下问题：1）鉴于其实验性，因此，很难对生产排程的理论作出贡献。2）应用仿真进行生产排程的费用很高，不仅在于产生排程的计算时间上，而且在于设计、建立、运行仿真模型上的高费用。3）仿真的准确性受编程人员的判断和技巧的限制，甚至很高精度的仿真模型也无法保证通过实验总能找到最优或次优的排程。
    (4) 基于 DEDS的解析模型方法
    由于制造系统是一类典型的离散事件系统，因此，可以用研究离散事件系统的解析模型和方法去探讨车间排程问题，诸如排队论、极大/极小代数模型、Petri网等。排程中的排队论方法是一种随机优化方法，它将每个设备看成一个服务台，将每个作业作为一个客户。作业的各种复杂的可变特性及复杂的路径，可通过将其加工时间及到达时间假设为一个随机分布来进行描述。文[33]针对 FMS中一类特殊的 DEDS，利用了极大代数方法对其进行建模，并进行了系统的稳定性分析。
    总的说来，排队网络模型由于从随机统计的角度来描述FMS，难以表述系统中存在的某些特性（如有限的缓存空间等），同时，产生的输出是基于系统稳态操作的平均量，因此，很难得到比较具体的细节。Petri网作为一种图形建模工具可以形象地表示和分析FMS中加工过程的并发和分布特征以及多项作业共享资源时的冲突现象，具有很强的建模能力，对于描述系统的不确定性和随机性也具有一定的优越性。在制造自动化领域，利用 Petri网及其扩展形式的模型进行死锁分析、排程决策和性能评价等已有大量理论研究文献。赋时Petri网是在以往Petri网的基础上又引入了时间元素，使其能够用于FMS中加工的组合优化、生产进程的实时排程和性能估计等。Tien—Hsiang Sun等人用赋时 Petri网为FMS建摸，它包括两个主要的子模型：静态的传送模型和变化的加工流模型。通过嵌人一个基于A*搜索算法，最后得到一个满意的作业加工排程。在此基础上还进行了一个实例研究。部分学者用赋时Petri网为FMS建模，通过优化变迁的发生序列来产生的搜索可标识集，从而得到较优的排程结果；甚或用赋时扩展着色 Petri网模拟FMS的动态运行。