花500万买的APS,被一张Excel打败了.
- 2026-11-09 05:57:27
"
算法从来不是排程失败的主因，真正卡住系统的，是数据和规则。
—— 来自一线的 APS 实施观察
先说个真事。
一家设备制造企业，APS上线三个月就黄了🔥
算法没问题。接口没问题。甘特图漂亮得能直接拿去给老板汇报。
问题出在哪？工时定额十年没更新，产能日历跟车间实际是两张皮。
计划员看了一眼系统排的计划，关掉，打开用了十年的 Excel。
「几百万买的引擎，败给了一张表格。」
这事我见过不止一次。老板的疑问永远是同一个：算法这么强，怎么就排不出好计划？
我的回答也永远是同一个：不是算法不行，是你让它排的那个车间，根本不是真实的车间。
📌 本文看点
01
排程 = 数据 × 规则 × 算法
02
四类求解引擎怎么挑
03
两个月修数据才敢开算法
REALITY
先泼盆冷水：APS 不是洗衣机
很多企业选 APS 的逻辑，跟买洗衣机差不多：投币、按键、等结果。
以为只要算法够先进，垃圾进、好计划出。
醒醒。排程这事是一行乘法：
「排程 = 数据 × 规则 × 算法」
算法只是最后一个因子。前两个有一个是零，结果就是零。
演示环境里是厂商精心喂好的三五个产品、理想化工艺路线，点一下，几万工单十几秒排完，全场鼓掌 👏
你的工厂里呢？上千种物料、天天插单，还有一堆只存在于老师傅脑子里的规矩。
「算法是厨艺，数据是食材，规则是菜谱。食材是烂的，菜谱是错的，米其林大厨也做不出好菜。」
这句话，值得每个准备上 APS 的老板抄在笔记本上。
DIRECTION
算法到底在算什么？先选方向
排产问题在数学上叫带约束的组合优化，NP-Hard。
说人话：变量一多，穷举就别想了，只能找一个够好的解。
第一步是选方向。方向选错，后面再优化，都是在错误的路上踩油门。
正排（顺排）
从今天往后排，设备一空就塞活。设备不闲着，但不管交期，容易把下个月的单子提前干完，库存先堆起来。
倒排
从交期往回推最晚开工时间。交付达成率高，代价是前面几天设备可能空转。
混合排
关键工序正排保瓶颈，非关键工序倒排保交期，两头都要。
你的车间，是设备空转一小时亏得多，还是延迟一天交货亏得多？
答不上来？那别急着选算法，先回去算这笔账⚠️
ENGINE
四类求解引擎，一次讲清
这部分是硬核的，但也是最容易被销售忽悠的地方。看完你就知道该问他什么。
① 启发式规则
按预设优先级排队：最早交期优先、最短工时优先、先来先服务、临界比优先。毫秒级出解，插单全靠它 💨 短板：只拿局部较优，不保证全局最优。
② 数学规划（LP / MILP）
写成方程求理论最优解，质量最高。适合规模适中、约束清晰的流程工业。短板：规模一大就慢，建模门槛高。
③ 约束规划（CP）
靠约束传播找可行解，擅长工序先后、设备互斥、模具共用、物料齐套这类逻辑题。短板：约束一多就变慢 🐢
④ 元启发式（GA / SA / PSO）
遗传、退火、粒子群，模拟自然进化去搜。多目标一起压：交期、换模、利用率。短板：调参靠经验，计划员经常看不懂它为啥这么排。
「买 APS 那天，销售跟你讲过他们用的是哪一类吗？」
讲不上来，说明那天你们聊的根本不是算法，是甘特图的颜色🎨
DISPATCH
活派给谁干？三条分配逻辑
同一道工序摆在三台设备面前，给哪台？这层决定任务怎么落到资源上。
优先级调度
交期、客户等级、利润、紧急度加权排序。保重点订单，但权重拍脑袋定的话，一改全乱😵
负载均衡
最早完工优先、最小闲散时间。设备都不闲也都不崩，但容易忽略瓶颈。
换模优化
同材料、异材料换模矩阵，相似产品连着排，把换型时间压到最低。
换模这块最见功力。同系列产品连排能省掉整段换型时间，但这条规则，在很多厂里只存在于老计划员的脑子里🧠
ARCHITECTURE
成熟系统怎么搭：粗排 + 细排 + 校验
真跑得起来的 APS，没人单押一种算法。
启发式先粗排出一个能看的初始解（秒级）→ 再用 GA、SA 细排做优化 → 最后用 CP 校验，把违反硬约束的地方挑出来。
在求解速度和解的质量之间，找个能活下去的平衡点。
CASE
案例分析：花了两个月修数据，才敢开算法
回到开头那家厂。一期失败后，二期我们干了三件笨事。
第一件：两个月，只做数据
重测了 80% 关键工序的工时，逐台设备录产能日历，清掉 3000 多条 BOM 错误。
第二件：两周，只做规则
拉着老计划员，把他脑子里 40 多条隐性约束 一条条逼出来，包括他坚持了十几年的那句：同系列产品必须连排。
第三件：之后才开算法
而且 第一个月只排一条产线 试点。
80%
关键工序工时重测
3000+
BOM 错误清理
40+
隐性约束显性化
2 小时
插单响应（原为半天）⏱
+5%
交期达成率提升 📈
三个月后，计划员主动关掉了 Excel✌️
「算法从第一天就在，一天都没换过。变的只是数据和规则，终于配得上它了。」
PITFALL
四个坑，踩一个就够呛
坑 1｜拿演示逻辑当验收标准
验收必须看用你的真实数据跑出来的计划，不是厂商喂好的理想数据。
坑 2｜跳过规则梳理直接上算法
规则不全，算法排得越优化，车间执行偏差越大。
坑 3｜数据不闭环
报工不回流、库存不更新，两周之后计划和现实就脱节了。
坑 4｜完全依赖系统
员工临时请假、设备突发故障，APS 处理不了。排产能精确到秒，管控到天就够了。
ACTION
想落地，这四步别倒着走
第 4 条最容易被忽略。
APS 排的是最优解，人来处理例外和人情。系统建议、人做决策，这才是能长期跑下去的分工 🤝
「老计划员不是 APS 的对手，是你这个项目里最容易被低估的需求来源。」
THE END
最后一句
你花几百万买的那个引擎，很可能从来就没坏过。
坏的是喂给它的那张十年没更新的工时表。
「算法负责聪明，数据和规则负责真实。缺了后两个，再聪明的系统也只是个昂贵的摆设。」
你们厂的 APS，现在还开着吗？欢迎在评论区聊聊 👇
我是 老罗，长期泡在车间里做数字化落地的观察者。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。
添加老罗企微，一起探讨 AI 在制造业如何有效落地。
