当我们提到APS系统时，大部分兄台更多地会想到生产计划的排程排产，好像APS系统=生产计划排产，其实这是个误区，国外的前辈大师们给的标准定义中压根就没有提到”生产“这两个字，只是过往数十年来，无数从事生产运营管理的前辈们，在寻找更高效、更精益的管理方法和工具的工程中，逐渐将其与”生产“紧密的关联在一起。

APS系统在企业管理中能解决哪些问题？

1、提供基于数据支撑的“承诺”，提升承诺的可信度

承诺通常是基于过往的历史经验以及对未来的预期而对第三方做出的具有诚信属性的结果。不仅包括企业对客户的承诺，也包括企业内部人与人、部门之间对于业务的承诺，例如：对客户承诺订单的交付时间、交付数量、产品质量等；研发部门承诺的研发周期；采购部门承诺的物料采购到货时间；生产部门的产能承诺；设备部门的设备维保承诺；仓储物流部门的发货承诺等

人为管理的情况下，不可避免地出现失信情况，在复杂的生产运营管理的环境下，靠人的思维和计算能力是很难做到面面俱到

APS系统的模拟排产、模拟排程功能，从全局角度出发，综合考虑各个环节的约束，可以给出相对稳妥的承诺，其可信度大幅度提升，从而提升企业的信誉

2、高效制定可执行度较高的计划并进行快速的排产排程

在没有APS系统得情况下在大部门制造企业各部门计划执行大致分为两种状态

1）一种为“躺平”状态，“复制粘贴”“改改标题”就下发，基本不考虑计划任务的合理性和可执行度，所有的压力全部转嫁到了执行端，从而导致执行端一片混乱，骂声不绝于耳

2）一种为“多、急、乱、杂”的状态，极尽人力之所能，尽可能保证计划的合理性和可执行性，做计划状态基本就是“一天两会，电话不绝，双腿跑断，不断修改，极可能去满足各个环节的要求”，需要提前数天去做相应的工作，才有可能给出一份可用的计划，一旦某个环节发生变化，又需要重新调整计划，工作量可见一斑，即便如此，也很难改变现状，久而久之就变成了第一种状态

而APS系统，仅从制定计划的效率来说，提升了数个量级，在确保基础数据的准确性、完整性的基础上，搭建可持续优化的排产排程模型，通常在几分钟内完成计划的制定，同时，计划通过审批下达后，执行人员只需执行即可，无需考虑是否合理、是否能做、是否能完成等问题，因为系统已经考虑过了，即使执行中出现什么问题，系统也可以根据实际情况进行快速调整。

当然，这个过程不是一蹴而就的，系统也需要不断地优化、调整、完善，才能达到我们想要的状态

3、帮助企业实时地发现并有效地分析存在的管理问题

哪些工序成为产能瓶颈，制约了整体产量？

哪种类型的订单经常出现延期交付的情况？

什么情况下会导致物料采购延期到货？

人员安排是否合理？班次安排是否合理？是否需要加班？

设备是否真的达到满负荷？是否需要采购新设备？......

当这些问题摆在我们面前的时候，不同的人可以给出不同的解决方案，是否能解决问题无从知晓，或许可以解决或许能解决一部分或许一点用没有，但在这个过程中会消耗大量的人力物力，往往结果大都不令人满意

我们以新设备采购问题来举例，说明下APS系统是如何实时发现并高效解决这一问题的

场景：某化工新材料工厂 设计产能200吨/24小时

产品种类：300种，型号数千种；其中50种产品为备货式生产，其余为按单生产

生产模式：间歇式批次生产，非连续性生产，按单生产，40%订单需要定制

主要设备：N套配料设备（设计产能略大于200吨/24小时）、N套反应釜（设计产能200吨/24小时）、N套自动包装设备（设计产能略大于200吨/24小时）

随着订单量周期性下降，所有人似乎忘记了，产能不足需要采购新设备的事情

似乎所有问题都解决了，又似乎什么问题也没有解决

那通过APS系统又该如何解决这个问题呢

首先，APS系统对于此类问题是“事前发现、事前解决，防患于未然”，而不是事后亡羊补牢

该场景下，实际产能不足，无法满足订单发货，但实际产能尚未达到实际产能，正常情况下，实际产能应该是大于设计产能的，那为什么会出现这种情况呢？

我们看一下APS系统是如何解决的

产能是影响APS系统排产结果的核心数据之一，但与人理解的产能不同，APS系统中的产能是：瓶颈工序产能、瓶颈设备产能抑或是瓶颈资源的供给能力

在上述案例中，核心工序为：配料工序、反应釜工序、包装工序

在生产计划执行过程中，系统可自动识别上传的工序生产节拍及设备运行时间

当然实际的生产场景，要比文中案例复杂得多，例如：物料缺料、原料质量异常、投错料、检验效率低、延迟抽样、成品质量不达标需要返工、员工操作不规范、设备使用不均衡等等，都会导致产能的利用率无法达到理想状态

这些因素都会导致APS系统排产结果的准确性，因此在实施APS系统时，为确保影响排产因素的数据能够及时、准确地传递给系统，在项目实施过程中不可避免地会涉及其他制造业信息化系统的功能，例如MES系统、SCADA、仓库管理、采购管理、订单管理等（二十九笔画谈智能制造）