供应链高级计划系统（APS）（姜铁虎）

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。

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。

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对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。

在图3 的层次计划系统中，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实例：i2 RHYTHM

位于德州达拉斯的i2 Techonolgy公司通过它的RHYTHM软件包提供各种APS软件模块。i2成立于1988年，它的第一个软件产品是Factory Planner，最初在金属工业中取得很大成功，目前i2为汽车、消费品和高科技工业提供各种优化B2B流程的软件模块。最近，i2推出一套新的解决方案TradeMatrix，提供公共和私营电子市场所必须的软件和服务。i2在2000年与Aspect Development公司合并，并与IBM和Ariba结成了伙伴关系。图4 根据供应链计划矩阵给出了i2 RHYTHM的部分APS模块，不同模块之间通过RhythmLink协调和集成，物料需求计划的任务则由其它ERP系统完成。

• Supply Chain Strategist(供应链战略)：支持整个供应链上的"what-if"战略分析，决定生产地点、分销中心和其它设施的最优组合和定位，根据不同方案建立有关成本和约束的物流模型。
• Demand Planner(需求计划): 提供各种统计方法，随机因素的包含，以及不同组织单位的多输入管理。提供POS(销售点)数据集成并能以不同方式查看需求信息。此外，OLAP(在线分析处理)工具能有效存取有关数据，PRO(产品关系对象)模块支持相关预测的生成。相关预测是指通过对产品组的预测来导出单个产品的预测。
• Supply Chain Planner(供应链计划): 根据物料、能力、运输和顾客服务的约束建模和优化供应链。SDP(策略驱动计划)模块允许计划人员定义问题类型和应用适当的算法(如线性规划、启发式推理和基因算法)进行优化。
• Demand Fulfillment(需求满足)：生成约束驱动计划，提供所有分销和生产地点的成品、半成品、原材料和资源能力在整个供应链范围的可视性。
• Factory Planner(工厂计划)：根据需要日期向后排产或当考虑物料和能力约束时从当前日期向前排产来生成最优生产计划。在生成无限能力计划之后，有限能力计划由i2的专利产品Constraint Anchored Optimization(约束优化模块)决定，不过计划人员也可以通过分析能力短缺和执行“what-if"分析施加影响。
• Optimal Scheduler(最优排产)：建立基于基因算法的加工工序和排产计划。约束定义和优化算法的分开允许处理大量约束，这些约束包括车间能力，工作负荷平衡，物料可用性等等，此外，交互排产编辑器允许手动更改。
• Transportation Modeler, Optimizer and Manager(运输建模、优化和管理)：是支持分销计划流程的工具。运输建模帮助企业有效地利用它的运输网络，实际数据被用来做"what-if"分析。运输优化根据交付、设备和人力约束自动建立和发送货物，决定装货和交付时间，此外，它也考虑了成组约束和自动选择接驳(cross-docking)机会。最后，运输管理器执行和管理从订单到顾客服务和财务结算的整个运输流程活动。

为了使供应链伙伴之间能互相协作，i2还推出了TradeMatrix和Global Logistics Manager(全球物流管理)模块。TradeMatrix支持采购服务(如电子商务市场)、协作计划流程、谈判和其他B2B解决方案。全球物流管理模块是一个流程建模和监控系统，它提供多模式多企业物流运作的可视性，这一模块的功能包括：订单和库存的可见和跟踪，性能测量，失效报警和改进顾客服务。

参考文献

1. Hartmut Stadtler and Christoph Kilger, (2000), "Supply Chain Management and Advanced Planning - Concepts, Models, Software and Case Studies", Springer-Verlag Berlin, Heidelberg, Germany.

2. Hax, A.C. and Meal, H.C., (1975), "Hierarchical intergration of production planning and scheduling", in M.A. Geisler (ed.), TIMS Studies In Management Science, Vol. 1, Logistics, Amsterdam, North-Holland.

3. Tan Miller, (2000), "Hierarchical Operations and Supply Chain Management", Springer-Verlag London, Great Britain.

4. i2 Technology (2001) Homepage, URL: http://www.i2.com, State: August 1, 2001.

注：本文由作者向AMT提供