APS是高级计划排产，其核心是进行资源的优化配置。企业在进行APS咨询和应用的时候，一般都会关心APS与产能之间的关联关系。

企业经营者和运行者对与产能有关的相关问题的朴素提法。

（1） APS能释放多少产能？

（2）企业的订单交货期很紧张，但其实并没有感觉车间的产线在满负荷运转。

（3）我还能接多少单子？

（4）我需要通过APS产生生产或产能平衡表。

（5）预留产能。

………………

首先，企业所提出的这些需求或者问题，其实对于APS来说就是要实现的目标和输出，这也是符合以终为始的思路的。

其次，手工模式下的产能规划，其实相对还是比较粗糙的，APS的排产机制是从最精细的角度来提供的。说实话，两者其实在表面上并不在一个层次上。手工模式是直接操作结果，包括关键工序的产能分配，而APS强调的是从过程来推出结果。不能简单的说手工模式没有考虑产能的冲突，APS是考虑了资源冲突以及工序衔接之后的产能规划，问我是其实也是考虑了的。因此，为了避免”鸡同鸭讲”，APS想要解决问题，必须从精细化的局面当中跳出来，关联出或者衍生出产能的划分与分配理念，大家才能够在同一个语境下对话和交流。这个问题本质的核心是在于APS排产粒度的一种抉择。

第三，对管理水平上不够精细的企业。 APS的应用可能更加需要参考参照手工模式下整齐划分的产能分配理念，形成与其说是搭积木，还不如说是俄罗斯方块儿的那种资源产能配置效果。这不仅仅是在形式上照顾手工模式下操作与呈现习惯，而是在APS的粒度和约束处理以及推进方法论方面施加了一些新的机制。

第四，不管内部采用什么样的机制，总体上来说，APS.更多的是在推出一种执行前的计划。但对于企业的关注来说，很多情况下都是一种逆向的考虑，比如，现有的产能平衡之下还可以提供多少产能？如何有效的预留产能？这些其实都对APS提出来了逆向应用的一些要求。如何留出产能的坑？这些产能坑可以被谁来占用？这些其实是真正的在考验计划与排产的综合平衡，类似MTS和MTO的混合，需求预测及其相关的大数据人工智能等分析方法必定要纳入到APS的技术范畴里面来。

第五，企业一般为了充分的利用产能，在生产过程组织当中，一般采取的是见缝插针的动态任务分配机制。虽然这种方式具有一定的随意性，但这种方式其实体现了两点思想意识：贪婪式的饱满化产能占用规则和反应式的动态调度调整机制。 APS虽然非常强调统一的计划性，但也应该从手工模式这两种规则和机制中汲取闪光点，比如，资源产能块的凑整（班次化）、基于工序链条同期化的产能时间维度的规整化等，实现产能语境以及产能操作习惯的统一。

第六，企业所说的产能，在很普遍的意义下，一般是面向产线或者班组的，其实是一个整体的概念，而这种概念与APS其实是完全的冲突和矛盾的。这种矛盾是不可避免的，必然推动着APS必须发生一些改变。这种改变主要体现在如下几个方面：一是，需要摒弃非细粒度就是整体的那种非此即彼的两极化思维认知习惯，需要建立一种层次化的资源及其能力的组织体系，形成内部的和谐统一；二是，善用资源池子的概念，并且是一种集合及其集合运算概念下的资源池配置机制。

最后，产能是资源外在的对标订单和产品的能力表示，其实与APS的计划排产并没有本质上的冲突，但是这两者之间的鸿沟需要建立一个模型化的机制，才能够有效的映射沟通和有机衔接起来，APS必须在认知和实现思路方面发生深刻的变化。

来源：微信号  智能制造随笔

作者：王爱民

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。