供应链高级计划系统APS.docx

供应链高级计划系统APS.docx

《供应链高级计划系统APS.docx》由会员分享，可在线阅读，更多相关《供应链高级计划系统APS.docx（3页珍藏版）》请在冰豆网上搜索。

供应链高级计划系统APS

供应链高级计划系统（APS）

  APS与传统的企业资源计划（ERP）不同，它试图在直接考虑潜在瓶颈的同时，找到跨越整个供应链的可行最优（或近似最优）计划

　　一、前言

　　近年来，许多企业开始把注意力放在自己的核心竞争能力上，对一些非强项业务则尽可能外包给别的公司。

结果，销售给顾客的产品或服务，其特征和质量在很大程度上取决于供应链上的所有相关企业。

这便带来了新的挑战：

如何实现供应链的集成？

如何更有效地协调和控制企业间的物流、信息流和资金流？

对于这些问题，需要有一个全新的管理理念和方法-供应链管理。

SCM方法的研究和实施为企业带来了很大的经济效益，今天，许多企业都选择了供应链和物流管理作为获取新的竞争优势所必须采取的战略步骤。

　　在过去十年中，信息技术（如强大的数据库管理系统），通信手段（如通过INTERNET的电子数据交换），以及复杂数学模型的各种求解方法（如数学规划）的发展为计划和控制供应链流程开阔了新的视野。

顾客订单、需求预测或市场趋势可以被分解成必要的活动，立刻送到供应链各组织当中，并通过高级计划系统（APS）生成准确的生产计划和程序来保证按时完成订单。

APS与传统的企业资源计划（ERP）不同，它试图在直接考虑潜在瓶颈的同时，找到跨越整个供应链的可行最优（或近似最优）计划。

　　本文通过对层次计划（HIERARCHICAL PLANNING）和供应链计划任务的阐述，介绍了高级计划系统（APS）。

　　二、什么是计划？

　　为什么要计划？

整个供应链中每分钟都有成百上千个决策需要制定和协调，这些决策的重要性不尽相同，既有相当简单的问题如“下一步各机床计划完成哪项工作？

”，也有非常重要的决策如是否新开或关闭一家工厂。

一个决策越重要，就越需要更好地准备，这种准备工作就是计划。

计划通过识别将来的各种可行活动，选择其中好的甚至最好的来支持决策。

计划过程可分为几个阶段：

认识和分析决策问题；定义目标；预测未来状况；识别和评估可行活动；最后是选择最优方案。

　　供应链非常复杂，现实中要处理的每个细节并非都能（或应当）在计划中考虑，因此，有必要根据现实建立一个模型，以此作为制定计划的基础。

建模的艺术就是要尽可能简单、尽需要详细地表现真实，也即简单而又不忽略现实中的重要约束。

预测和仿真模型用于预测未来的状况，解释复杂系统输入和输出之间的关系，但它不支持从大量可行活动中根据标准来选择最优方案，这一工作通常由优化模型来完成，它与前者的差别在于增加了一个可用来求最大或最小的目标函数。

　计划不是一成不变的，计划的有效期受到预定计划范围的限制。

当达到计划范围时，需要重新制定一个新的计划来反映当前供应链的状况。

根据计划范围的跨度和所做计划的重要性，计划任务通常可分为三个不同的计划层次：

　　长期计划：

这一层次的决策也称为战略决策，它制定了未来企业/供应链开发所必要的框架，通常涉及供应链的设计和结构，对今后几年有长期影响。

　　中期计划：

在战略决策的范围内，中期计划决定常规运作的框架，特别是决定了供应链中流程和资源的总的数量和时间，其计划范围从6个月到24个月，考虑了需求的季节性变化。

　　短期计划：

最低计划层应当把所有活动明确为可供立刻执行和控制的详细指令，因此，短期计划模型要求高度的详细和准确。

短期计划范围在几天到3个月之间，受到来自上层有关结构和数量范围决策的限制。

对供应链的实际性能（如提前期，顾客服务，和其它策略问题）而言，短期计划是一个很重要的因素。

　　最简单的计划方法是查看所有可选活动，按给定的标准进行比较，然后选择最好的方案。

不幸的是这一简单计划程序至少会遇到三个主要困难：

　　首先，计划活动中常常同时有几个标准，目标之间存在冲突，各方案之间的优先选择也不明确。

例如，顾客服务水平应尽可能高，而与此同时又要保持库存最少，这种情况就没有最优解（也即不能同时使两个目标最优）。

处理这种多目标决策问题的常用方法是设定一个目标在最小或最大的满意水平，然后优化另一个目标。

在上面的例子中，人们可以在保证一个最低顾客服务水平的同时使库存最少。

另一种处理多目标问题的有用方法是对所有目标按财务收入或成本定价，然后使结果的边际利润最大，但不是每个目标都能以财务价值的形式来表达（如顾客服务）。

还有一个更常用的方法是给每个目标定义一个系数值，然后加权求和，这种方法的缺陷是有可能产生伪最优解，因为它在很大程度上取决于任意的权值。

供应链高级计划系统（APS）从原理上支持上面各种多目标寻优方法。