logo资料库

APS高级计划与排程.pdf

发布时间：2022-06-01 发布人：admin 分类：说明书 资料大小：2.08M 资料格式：pdf 举报 版权申诉
第1页 / 共108页
第2页 / 共108页
第3页 / 共108页
第4页 / 共108页
第5页 / 共108页
第6页 / 共108页
第7页 / 共108页
第8页 / 共108页
资料共108页，剩余部分请下载后查看
    APS 高级计划与排程 APS 高级计划与排程 基础理论知识 整理制作：人间烟火 2005-08-25 1
    第一章 APS 概念、发展及构成 什么是高级计划与排程-APS？ 被誉为供应链优化引擎，有称高级计划系统(Advanced Planning System)，也有叫高级计划 与排程(Advanced Planning and Scheduling)。定义不是最重要的。最重要的是对所有资源 具有同步的，实时的，具有约束能力的，模拟能力，不论是物料，机器设备，人员，供应， 客户需求，运输等影响计划因素。不论是长期的或短期的计划具有优化，对比，可执行性。 其将要采用基于内存的计算结构，这种计算处理可以持续的进行计算。这就彻底改变了批处 理的计算模式。可以并发考虑所有供应链约束。 当每一次改变出现时，APS 就会同时检查 能力约束， 原料约束，需求约束，运输约束，资金约束，这就保证了供应链计划在任何时 候都有效。也将采用基因算法技术，它是一种搜索技术，它的目标是寻找最好的解决方案。 这种搜索技术是一种优化组合，它以模仿生物进化过程为基础。基因算法的基本思想是进化 就是选择了最优种类。基因算法将应用在 APS 上，以获得“最优”的解决方案。现在 APS 系统以将网络结构的 APS 主要是基于多层代理技术与制造内部的 APS 主要是基于模拟仿真结 合起来，使得网络导向结构的 APS 解决制造同步化问题，模拟仿真 APS 的优化顺序器解决工 厂的顺序冲突问题。这样，APS 计划的编制与顺序的安排就可以提供给制造商解决全球的优 先权和工厂本地的优化顺序问题，来满足制造业对客户响应越来越强烈的需求。 APS 应包括哪那些内容？ 1. 基于订单任务(Job-based)订单优先级计划 2. 基于事件(Event-based)资源利用率最大化计划 3. 基于资源(Resource-based，TOC)瓶颈约束计划 4. 基于物料约束的可行的计划 5. 基于历史，现在，未来的需求计划 6. 基于供应资源优化的分销配置计划 7. 基于运输资源优化运输计划 APS 为制造业的四类制造模型提供解决方案: 1，流程式模型,APS 主要是顺序优化问题. 2，离散式模型,APS 主要是解决多工序,多资源的优化调度问题. 3，流程和离散的混合模型. APS 同时解决顺序和调度的优化问题. 4，项目管理模型,APS 主要解决关键链（资源约束）和成本时间最小化问题. APS 考虑不同行业的解决方案。APS 的主要着眼点是工序逻辑约束和资源能力约束,物料 和工序流程紧密联结.各种优化规则.计算最早可能开始时间和最迟可能开始时间.物料可重 分配和可替代,资源可重分配和可替代.计划排程考虑柔性(缓冲),考虑成本约束,考虑非确 定流程和统计概率论.考虑多种优化方案的比较分析. 一般 APS 软件都由 5 个主要的模块组成：需求计划、生产计划和排程、分销计划、运输 计划，企业供应链分析等。 2
    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。 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 3
    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。 其次，供应链计划的可行方案数量巨大。例如，对连续决策变量(如订单大小或工作的开 始时间)，可选方案的数量实际上是无限的。对离散变量也是如此，如几个工作在机床上的 加工顺序，可选的数量是一个组合大数。在这些例子中想通过简单枚举来找到最优方案是不 可能的，甚至要找到一个可行的方案都很困难。在这种情况下，可应用运筹学(operations research)的数学方法来支持计划流程。线性规划或网络流算法能找到精确的最优解，然而， 大多数组合问题只能通过启发式算法(heuristics)来计算近似最优解(局部最优)，这些方法的 成功也取决于问题的建模方法。 第三，最难的恐怕还是处理不确定性。计划通过分析与未来状况相关的数据来安排将来 的活动，这些数据通过预测模型估计得到，或多或少存在预测误差。这种误差降低了产品的 可用性(availability)，因而也降低了企业提供的顾客服务水平。为了改进服务，安全库存被 用来缓冲实际需求与预测之间的误差。当然，安全库存并非处理需求不确定性的唯一方法。 需求的不确定性使计划与现实之间存在偏差，因此必须进行控制，如果偏差过大，计划 就要重新修改。“滑动范围窗”(rolling horizon basis) 的计划方法就是这种计划-控制-修改的 交互实施。计划范围(如 1 年)被分成若干时间段(如 12 个月)，计划在 1 月份开始时制定，涵 盖 12 个月，但只在第一个时段(1 月份，称为冻结时段)计划才真正被付诸实施。新的计划在 第二个时段(2 月份)开始时重新制定，新计划考虑了第一个时段中的实际变化，并更新未来 时段的预测。新计划的范围与原先的计划重叠，但延伸了一个时段(从 2 月份到第二年的 1 月份)，如此类推。在传统计划系统和 APS 中，这种方法是处理运作计划中不确定性的常用 方法。图 1 给出了这种不断滑动计划范围的计划方法。 另一种更有效地更新计划的方法是面向事件的计划(event-oriented planning)。新计 划不是在正常间隔，而是在出现重要事件时制定，例如意外销售，顾客订单变化，机器故障 等等。这种方法要求计划需要的所有数据(如存货，工作进程等)被连续更新，以便在事件发 生的任何时刻都有数据可用。这种方法的一个例子就是 APS，它利用来自 ERP 系统的数据， 根据事件来更新计划。APS 有下面三个主要特点： 它是整个供应链的综合计划，从企业(甚或更广泛的企业网络)的供应商到企业的顾客； 它是真正优化的计划，定义了各种计划问题的选择、目标和约束，使用精确的或启发式 的优化算法； 它是一个层次计划系统，结合了上面两个特点：供应链最优计划既不能靠同时执行所有 计划任务的单一系统形式获得(根本不切实际)，也不可能靠依次执行各种计划任务取得(达 不到最优)。层次计划折衷考虑了实用性和计划任务之间的独立性。 值得注意的是，ERP 系统中的传统物料需求计划(MRP)在概念上没有上面这些特点：MRP 只限于生产和采购领域，不做优化，在大多数情况下甚至不考虑目标函数，它是一个运作层 面的连续计划系统。 层次计划的主要思想是把总的计划任务分解成许多计划模块(即局部计划)，然后分配给不 同的计划层，每一层都涵盖整个供应链，但层与层之间的任务不同。在最顶层只有一个模块， 是企业范围的、长期的、但却是粗略综合的发展规划。层次越低，计划涵盖的供应链局部受 到的限制越多，计划时间范围越短，计划也越详细。在层次计划系统的同一计划层中，供应 链各局部计划之间通过上一层的综合计划来协调。图 2 给出了计划任务的层次结构框图。 4
    在层次计划中向下(向上)分解(综合)数据和结果，可以取得计划详细程度的增加(减 少)。综合主要涉及：产品(组合成批)，资源(组合成产能组)，和时间(把分段时间组合成更 长的时间段)。各计划模块被水平和垂直信息流连接在一起，上层计划模块的结果为下属计 划设定了约束，而下层计划也将有关性能的信息(如成本，提前期，使用率)反馈给更高的层 次。层次计划系统(HPS)的设计需要仔细定义模块结构，模块计划任务的分配，和模块间信 息流的详细说明。HPS 通常采用滑动范围的计划方法，在不同层次上计划间隔和范围的复杂 协调方法可参阅文献[2]。面向事件的计划简化了 HPS 的使用，使它更加灵活，但前提条件 是有一个通信系统能对有关的计划层和任务模块发出“事件”报告，此外，一个计划任务的 结果也应能其它计划任务发出事件报告。 APS 有三个主要优点：信息可视化，减少计划时间，和允许方便地应用优化方法。正因 为如此，许多计划人员或许会担心自己的工作会被计算机所代替。然而，模型只是现实的近 似，人们的知识，经验和技能仍然需要来弥合模型和现实之间的差距。计划系统无论多么高 级也只是支持人们制定决策的决策支持系统。在面向事件的计划中，通常要由计划人员来决 定是否需要修改计划，此外，每一个计划模块也需要由人来负责它的功能、数据和结果。 三、供应链计划任务 整个供应链网络由网络中每个伙伴的内部供应链组成，内部供应链包括四个主要的供应 链流程，其计划任务不尽相同。采购流程包括所有为生产提供必要资源(如物料和人力等)的 子流程，资源的有限能力是生产流程的输入，生产流程也由许多子流程组成。分销流程弥合 了生产地点和顾客(零售商或其它进一步处理产品的企业)之间的距离，销售流程确定顾客需 求和订单数量，驱动其它三个流程。 供应链计划矩阵(SCP-Matrix)根据计划范围长短和供应链流程对计划任务进行分类(如图 3 所示)，图 3 给出了大多数供应链类型中常见的计划任务，任务的内容随各行业不同而不 同。图中长期任务只用一个长方框，体现了战略计划内容广泛综合的特点，其他方框是矩阵 输入，表示不同的流程计划任务。SCP-Matrix 可供 APS 开发商用来定位他们的软件模块， 以便涵盖矩阵中所有的供应链计划任务。 在层次计划系统中，各计划模块之间通过信息流协调和集成，可分为水平信息流和垂直 信息流： 水平信息流：从供应链下游向上传递，包括顾客订单，销售预测，仓库补货订单，各部 门之间的内部生产订单，和给供应商的采购订单，整个供应链受顾客需求驱动。计划模块之 间(不仅限于相邻模块)更多信息的双向交换能够大大改进供应链性能(如“长鞭效应”)，这 些信息主要包括实际库存，可用能力，提前期和销售点数据。 垂直信息流：从上层向下流动，通过高层计划的结果协调下层的从属计划，主要信息包 括分配给生产车间、部门或流程的综合数据，而协调则通过能力分配和设定交付日期来取得。 从下层向上流动，提供上层有关供应链性能更详细的数据，如实际成本，生产率和设备使用 率，提前期等等，这些信息在上层计划中用来预测下层更详细的流程结果。 四、APS 高级计划的历史 基于约束的高级计划和排程技术的是真正供应链优化的重要引擎,她给错综复杂的供应链 丛林中的企业以敏捷的身躯,来快速反应与适应激烈竞争切变化多端的市场.实际上有多种 需求导致 APS 的产生,其原因如下: 5
    (1),业务系统是基于事物处理的,APS 更多的是在业务层以上的分析,这些系统的结构限制 了计划和排程的能力,如 MRP,CRP 等等.直到现在,对许多使用业务系统的人们来说高级计划 APS 还都是新的内容. (2),APS 的内部开发已经完成.技术已走向成熟,出现很多的供应商和产品的现象. (3),许多咨询公司还没有涉足此领域,直到较好的产品和供应商出现. (4),人们对 APS 的定义来源于较广的工业领域,APS 在不同的时间,不同的运用点渗透到不同 的工业领域.当公司有能力管理自己的数据与业务时,实时,优化就显得更加的重要.流程行 业最先使用 APS 技术,离散行业较后才使用. (5),许多用相似的方案的供应商已经很积极的声明自己是 APS 供应商. (6),对 APS 技术的贡献有 APICS,人工智能,计算机科学,决策支持系统,工业工程,物流,管理 科学,运筹学,和生产运作管理,每一个领域都有自己的术语,此外,也导致了混乱.(甚至”计 划”与”排程”都没有标准的意义),这也造就了创造新工具的机会. APS 已经从企业内部持续改善的优化工具到满足公司间协作的供应链新技术的进化.这 个论题是 John Layden,在他的<<排程逻辑的进化>>的文章描述的,让我们继续这个进化,看 看有谁在此领域活跃了近二十多年. 计算机出现之前的 APS 在计算机之前,一些关键的概念已经形成了.一个是甘特图,它让人们看到可视的计划并 可以交互的更新.这个简朴的概念一直延续到今天,我们用有颜色的橡皮带,块,钉子和粉笔 在墙上,纸作标识.用数学建模的方式来解决计划问题的想法出现在至少在 1940 年.美国和 前苏联让人们手工应用这一新的优化技术,它叫线性规划,运用它来解决与战争有关的后勤 问题. 1950-1960 初,计算机已出现 APS 的进化已经和计算机的进步紧密相连了,在 1950 末或 1960 年初,许多大公司开始 租赁计算机计算和购得大型计算机.计算机被用于研究计划问题的一部分,如优化几个关键 的物料和能力的平衡,基于产品的需求与能力约束.或者找出批量产品的最低成本的配方.他 们一般都使用线性规划的算法.其数学模型就象现在的小型的电子表应用程序(40-60 个方 程式和 60-100 个决策变量).在此其间,有两个公司首先提供对计划的优化工具,他们是在 1957 成立的 Bonner and Moore公司和 1962 年成立的 Haverly Systems 公司.优化的处理可 以避免混乱,优化技术的严格实施是一个较好的解决方案或方法,保证找到对问题的”最 好”的答案且智能的知道何时发生,多长时间发生. 今天,我们使用优化技术常常是用于一个较简单的寻找提高的方法或方案且不能保证找 到最好的方案.简单的寻找提高的技术叫启发式算法.它们经常用于时间的限制或容限.(在 10 分钟,找到最好的答案).当这些优化的技术用于交替的变化,容易出现混乱.线性规划较 适合严格的优化约束和识别约束,经常是对一个问题用于经济上如成本和收入的约束来决 定”最好”的方案. 1960 中期-1970 初 计算机应用程序的进步 6
    随着计算机的进步,人们有能力可以考虑更复杂的计划问题.先进的技术的工具可以考 虑整个制造工厂和设置在最小化成本的运作且最大化利润.一些公司结合计算机程序对生产 设备来优化他们的产品配方.人们也开始研究分销问题.如公司 EXXON 开发程序来集成库存, 采购,制造,分销管理. 从 1960 初的几百个决策变量到 1970 的几千个变量,到 1970 年的后期的上万个变量.线 性规划的这种技术也扩展到解决更困难的问题.如生产能力的决定,生产品种和生产线的选 择和对分销中心的选址等.这些应用最早是出现在流程行业的计划层.许多大的化工公司如 Amoco, Chevron, Exxon, Marathon 和 Shell 都积极采购主机系统的计算机,部署到他们的 制造工厂里,这些公司还采取了数据采集与集成数据的方法.由于业务的需求推动,优化技术 较好的满足他们的许多流程和分销网络的特点.许多公司自己在大型机环境下开发自己的工 具.开发线性规划的程序.也可以从几个供应商购买到.如 IBM 的 MPS(后称 MPSX),有些公司却 使用现成的程序开发语言如 Assembler, Cobol, FORTRAN,和 PL/1 是常用的开发语言.这些 程序是以批处理的模式运行.EXXON 甚至出版了关于一本关于他们计划系统的书. 计算机已成为解决排程问题的工具,模拟也被用于制造和分销设施的设计.模拟工具还 开发成计算程序, 按照能力和物料的消耗, 顺序活动, 计算批量可以得到排程的结果.可以 对特别的排程问题进行开发的,且这些程序界面可以为用户交互使用. 基于排程工具的模拟开始出现在 1970 年.Pritsker 是一较早的供应商,另外一早期的 产品是 IBM 的 CPPS.主要是些化工公司,在 1970 年就积极使用了计划工具.其他行业也在积 极使用计划和排程程序. 1980 年初,轮胎制造商 Kelly Springfield ,Philip Morris 已经使用了 APS 计划和排 程程序.造纸公司如 St Regis,和国际造纸也实施和运用了 APS 工具. 1980 年-商业媒体发现了 APS 约束理论的发明者高特拉德(1983 年 9 月 5 日财富杂志人物)领导的创新产出公司 (Creative Output),他们的产品 OPT, 以批处理的模式,应用一系列的消除瓶颈的算法,这是 一个非常积极的销售型组织,它获得了许多离散制造业的客户.创新公司在和 M&M/Mars 公司 的法律争端之后,从市场很快的退出. 而高特拉德扩展了 TOC(约束理论)的哲学,他本人却 以出版和制造导师为职业.当时,和创新公司的同类 I2 公司仍然活跃在 APS 领域.财富杂志的 文章提到 Numetrix 决策科学公司,以后又分拆为 Numetrix 公司和 Chesapeake 决策科学公司, 这两个早期的 APS 供应商具有交互的产品和提供基于内寸分析技术. 在 APS 文章经常出现学术论坛和使用 APS 方案的期间,产品介绍开始出现在”商业周 刊”,”Chicago Tribune”,”New York Times”,”Wall Street journal”, “Washington post”.媒体关注的中心是在 1984 年,由年轻的 AT&T 的研究者名为 Narendra Karmarkar 开 发的算法.这个新技术解决了线性规划的问题,是被 AT&T 作为”真正的突破”和”设计解决 了以前未解决的问题”来推销.AT&T 把这个算法绑定他们的计算机,价格近 9 百万美元. 1980,我们也看到了个人计算机和电子表格的引进.电子表是双刃剑,在积极的方面,他 们引进了人们交互的使用预测,计划和排程.在很多公司使用的大型机时,用户使用简单近似 存在的工具.不幸的是,当大型机系统出问题时,子系统也就不可能选择和验证详细的数据. 许多化工公司积极开发计划排程系统,从 1970 年到 1980 年的后期,重视数据的质量和工具的 精确性. 在 1980 年中期,许多大的化工公司认识到可用改善制造流程来阻止下降的利润.就开始 检查他们供应链的活动.BASF,DOW, Du Pont 和 Rohm 和 Haas 都开始积极使用计划和排程的 工具.他们使用自己开发的产品和工具或自己修改过的 APS 产品.目的是想要管理真正的整 个供应链而不是某一局部的方案如制造或分销. 7
    许多 MRPII 的供应商,为了满足市场需求也进入流程行业.有些公司却延迟开发 APS 工 具或使用 APS 工具,而他们决定用 MRP,CRP 来满足他们计划和排程的需要.但是,在 1990 年初, 许多大的化工公司已经选择了 APS 的供应商.许多大的航空公司也实施了复杂的计划和排程 系统,美国航空集团也为其它航空公司建立这些高级计划排程系统. 1980 年后期,我们也看到了人工智能,专家系统的出现,许多公司把人工智能运用到计 划排版程系统.投资者和客户期望的难题就此解决.Du Pont 和 IBM 积极结合人工智能 AI 和 存在的技术开发程序.IBM 也开发了一个派工系统,Du Pont在他的来自 Chesapeake 决策科学 公司的 MIMI 优化,模拟启发的产品里加入了专家系统.专家系统用它的数据验证,启发式的 协作,方案解释的能力,为计划排程的制定起到有效的作用.实时的专家系统产品如 G2 在此 时也出现了.人工智能 AI 世界同时也对 APS 的技术作出了贡献如基于规划的约束和基因算法. 对人工智能 AI 的期待已经设置了极高的水平上了,用人工智能 AI 完全达到期望的要求,可能 令人失望.不幸的是,有些人仍然认为是失败,许多人工智能 AI 的开发者感到他们的技术仅 仅应用于纯技术时髦.于是, 在 1960 年到 1970 年,用许多时间和努力去重新开发一些功能, 寻找其他的工具. 1980 年后期,也出现了图形用户界面,有些供应商试图结合个人计算机来增加它的图 形运用能力, 图形用户界面成为标准的预测,计划,排程工具的一部分.这个技术的革命巨大 的影响了 APS 的市场化. 1990 年-APS 市场繁荣和产品增值 在 1990 年初,消费品公司(CPG)开始联系 APS 系统.虽然也有一些早期采用者,在此市场 阶段,这个行业作为一个整体应用 APS 技术是很慢的.造纸业也是如此.一些已经有能力实施 相对简单的制造排程的公司发现他们需要更复杂的系统,可以处理包括 SKU 数量,分销网络 的地点的选择.许多公司也发现相似的问题,就是他们的预测能力,尤其是在 SKU 的数量的管 理上, 简单的预测工具却阻碍了预测的准确性,他们需要集成供应链的多地点的详细的需求, 来为了运作决策. 1990 年初,SQL 的引进,允许 APS 工具和关系型数据库更动态的互动.计算机能力的增强 和成本的降低,导致新的方案的出现.同时也发现问题的复杂性,所以,基因算法出现了.它们 立刻形成多重的方案以结合现存方案的最好的特征来创立新的方案.人们开始使用反复模拟, 想要建立更好的方案,但是,随着开发的工具处理百万的决策变量,对计算机和应用程序是一 大挑战. 1990 年,APS 的供应商已经繁殖到更广的工业领域,如 I2,Fastman 已经进入电子装配, 金属品制造等离散制造领域,I2 的市场导向品牌和销售战略,戏剧性的提高 APS 的空间,而这 以前 APS 都是一直技术导向的市场.由于 I2,Manugistics,等的市场的影响,引起了大咨询公 司的注意,他们开始分配资源给这些产品作服务.但是,APS 对大的咨询公司而言有两个挑战, 一个是它需要较深的应用专家,而不是集中在 IT 的应用上.二是固定的,标准项目实施方法 对 APS 项目不太有效,该领域的专家仍然需要决定如何更有效的实施 APS. 1990 年中期,许多供应商转向微软技术的视窗环境下的用户界面,C/S 结构或整个转向 Window NT 环境,除了提供更直观的用户界面,报告能力而且使 APS 应用程序的环境转向低成 本的, 性能戏剧性的提高的计算机.1990 年中期,也看到了 APS 运用到部分的半导体公司,这 些公司在改变产品技术方面有着极大的进取心.使产品具有极短的生命周期,这就对提高基 于知识需求的 APS 来说是一大挑战,特别是在计划和排程层次上.和流程行业同时使用 APS 技术的公司有 Harris 半导体公司,IBM 公司,Intel 公司,Texas 仪器公司,用 APS 技术解决自 8
    分享到：
    赞 收藏

    相关推荐

    资料库

    行业

    共收录7266份资料，累计15个分类，关注成员有19位，主要包括：物流,旅游,餐饮零售,网络游戏,咨询,金融,电子政务,外包,教育,制造,医疗,嵌入式,互联网,交通,电信

    热门标签

    物流 旅游 餐饮零售 网络游戏 咨询 金融 电子政务 外包 教育 制造 医疗 嵌入式 互联网 交通 电信

    最新资料