★ 和利時集團中央研究院  智艷利

★ 北京和利時優化技術有限公司 李勇

★ 和利時集團中央研究院  胡鵬飛

1   引言：智能制造浪潮下，企業排程管理的痛點與破局需求

在當前智能制造飛速發展的時代，生產計劃作為企業生產運營的核心環節，直接影響著生產效率、成本控制與客戶滿意度。然而，無論是流程行業還是離散行業，企業都面臨著復雜的內外部供應鏈系統優化和工廠計劃調度管理方面諸多棘手問題。

流程行業（如食品、化工）生產流程連續且復雜，物料依賴關系緊密， 一旦某個環節出現排程偏差，很可能引發連鎖反應，導致生產停滯或產品質量問題。同時，流程行業對設備利用率要求極高，如何在保證生產穩定性的前提下，最大化設備產能，成為企業的一大難題。

離散行業（如汽車零部件、電子）則具有多品種、小批量的生產特點，訂單變更頻繁，生產工藝路線靈活多變。傳統的人工排程方式不僅效率低下，而且難以應對動態變化的生產需求，常常出現訂單交付延遲、在制品庫存積壓等情況。

無論是流程行業的“連續生產+批次管控”需求，還是離散行業的“多品種小批量 + 訂單動態變更”特點，企業在排程管理方面都面臨著諸多棘手問題：流程行業因物料銜接斷層導致生產停滯，離散行業因訂單插單頻繁造成交付延遲，跨行業共性痛點則集中在“以冗余庫存應對供應鏈不暢導致成本增加”“動態異動響應滯后”“多約束下難尋最優解”三大方面。

從行業主要APS產品及系統的應用現狀來看，當前市場主要分為國際品牌與本土解決方案兩大陣營，但均存在一定局限性，難以完全匹配企業復雜需求：

國際APS產品： 基于全球最佳實踐的“標準”流程，但本土化與靈活性不足，國內很多企業的管理流程具有中國特色，系統難以適應；數據融合門檻高，國內企業車間數據采集（MES）基礎可能較弱， 而國際APS假設數據基礎很好，導致“巧婦難為無米之炊”。

國內APS產品：在“本地化服務”“操作易用性”“成本控制”方面表現亮眼，例如支持中文界面，且實施周期相對縮短。但多數本土產品存在技術層面的短板，算法能力參差不齊，算法引擎的優化能力和處理復雜約束的能力可能較弱，容易陷入“局部最優”而非“全局最優”， 另外， 多數APS系統為“封閉式系統”， 功能邊界受限， 無法滿足企業數字化轉型中的“個性化拓展”需求。

正是由于國際品牌“水土不服”、本土產品“技術不深”的市場現狀，企業亟需一套兼具“數據融合能力強、行業適配靈活、動態響應迅速、智能決策精準”的APS解決方案。而和利時XMagital智能排程系統（HolliAPS+）的出現，恰好填補了這一缺口，依托XMagital平臺“原生融合、開放生態、全面智能”的核心優勢，結合基于NP（Nested Partitions Theory）嵌套分割理論的先進算法，既能解決國際品牌的數據融合與動態響應痛點，又能彌補本土產品的技術深度與生態開放性不足，為流程與離散行業企業提供“定制化、高效率、低成本”的智能排程解決方案。

2   和利時智能排程系統：系統特點與平臺支撐

2.1   HolliAPS+系統的核心特點

作為連接企業生產計劃與執行的核心樞紐， HolliAPS+系統并非傳統排程工具的升級，而是具備“核心算法理論、動態關鍵路徑、多層級元模型架構”等關鍵技術，支撐“動態適配、精準約束、全局優化”三大核心特性的智能決策系統，可針對性解決流程與離散行業的排程痛點：

（1）基于NP嵌套分割理論的APS技術內核強化：支撐“快速、最優”排程

HolliAPS+的核心技術支撐源于NP（Nested Partitions Theory）嵌套分割理論。該理論并非單純的“優化算法”，而是針對APS“多約束、多目標、動態變化”的需求，提供 “高效搜索+全局最優”的技術支撐。

生產排程是典型的“NP難問題”（約束越多、變量越多，計算復雜度呈指數級增長），傳統算法常因“ 一次性處理所有約束”導致計算緩慢或陷入局部最優。NP嵌套分割理論通過“全局-局部-全局”的分層分解邏輯，將復雜排程問題拆解為“嵌套的子問題”：

· 第一步：全局分割（Global Partition）：將整個排程問題（如“10臺設備、50個訂單、20類約束”）分解為多個“子問題”（如按設備分組，拆分“設備A的10個訂單排程”“設備B的8個訂單排程”等）；

· 第二步：局部優化（Local Optimization）：對每個子問題進行獨立優化，重點處理該子問題的核心約束（如設備A的子問題重點考慮“設備維護時間”約束，設備B的子問題重點考慮“物料供應”約束）；

· 第三步：嵌套迭代（Nested Iteration）：將各子問題的優化結果整合，檢查是否存在全局沖突（如“設備A的排程導致物料短缺，影響設備B的生產”），若有沖突則重新分割子問題并優化，直至得到全局最優解。

相比傳統的排程算法， 基于NP嵌套分割理論的APS具有顯著優勢。 一方面，它大大縮短了排程計算時間，能夠在短時間內快速響應訂單變化與生產異常，及時調整排程方案；另一方面，它提高了排程方案的最優性，能夠在滿足各類約束條件的前提下，最大限度地提高設備利用率、減少生產周期、降低生產成本，為企業創造更高的經濟效益。

（2）動態自適應排程：實時響應生產異動

傳統算法的“搜索空間固定”，當生產場景變化（如新增訂單、設備故障）時，需重新遍歷全部搜索空間，計算耗時久。 NP嵌套分割理論具備“動態搜索空間調整”能力：

· 當出現局部異動（如某設備故障）時，系統僅將“受影響的子問題”（如依賴該設備的訂單排程）納入新的搜索空間，其他子問題的優化結果保持不變；

· 通過“精英區域保留”機制，將歷史優化中的“優質子問題解”（如某設備的最優排程順序）保留，避免重復計算。

這種特性使APS在應對動態變化時，計算時間縮短60%以上，例如某食品生產工廠出現“餅干烤爐故障”，APS僅需重新計算“依賴該烤爐的5個訂單”，而非全部50個訂單，3分鐘內即可生成新方案，遠快于傳統APS的30分鐘。

使HolliAPS+具備“實時感知-快速重算-自動同步”的閉環能力：通過與生產現場實時數據（如MES的設備狀態、物料掃碼信息）聯動，可在分鐘級時間內完成數千個訂單、數十臺設備的排程重算；同時支持“增量排程”，僅對受影響的生產環節進行局部優化，無需全流程重新計算，大幅提升響應效率。

（3）多維度約束精準處理+動態關鍵路徑：覆蓋全生產要素且響應快

APS 的核 心 價 值在 于“ 在復 雜 約 束下 找 到 最優解”， HolliAPS+可實現8大類、50+細項約束的精準建模與動態匹配：

· 設備約束：含設備產能、維護計劃（如設備需每周固定時間停產清潔）、工藝兼容性、能耗上限（流程行業高耗能設備的錯峰生產約束）；

· 物料約束：原材料到貨周期、庫存上下限、物料批次追溯（食品行業的“先進先出”與質量溯源要求）；

· 工藝約束：流程行業的“批次連續性”（如化工行業反應釜的批次銜接不能中斷）、離散行業的“工藝路線柔性”（如同一產品可通過A/B兩條生產線生產，系統自動選擇負載低的路線）；

· 訂單約束：交付期優先級（緊急訂單自動提升權重）、最小批量、定制化要求（如某客戶要求印字，需預留印刷工序時間）。

系統通過約束優先級排序算法，在沖突時自動權衡，給出最優建議。

引入DMCT（動態制造關鍵路徑時間）技術， DMCT是HolliAPS+在傳統的MCT技術上的一種創新應用。DMCT可以在復雜的制造過程中，在MCT隨時可能變動的情況下實時定位影響訂單交期的關鍵路徑，去分析問題、解決問題，將資源集中于核心環節，好鋼用在刀刃上。

（4）多層級元模型架構：覆蓋全業務鏈路

“總-分”式元模型體系：以“元模型”為核心框架，整合企業全業務流程的單一模型，既包含核心業務模型（主計劃、工廠、產線模型），也覆蓋細分業態模型（大包裝、小包裝等專項模型），還能下沉至“產線/班組”層級，實現“集團-工廠-車間-產線”全鏈路適配。

單一模型精準聚焦： 每個子模型均有明確優化目標，如產線模型聚焦設備效率， 主計劃模型聚焦交期達成， 每個獨立的模型均需配置對應的算法， 且受上下游動態約束（如原料質量、維修計劃），通過“動態關鍵路徑傳遞約束”，平衡“客戶交期”與“成本/利潤”目標。

（5）多目標優化決策：平衡企業核心訴求

和利時HolliAPS+支持多目標加權優化，可根據企業戰略動態調整目標權重：

· 效率目標：設備利用率提升、資源利用率提升，生產周期縮短， 如餅干生產線從48小時/批次縮短至40小時/批次；

· 成本目標：能耗降低（流程行業重點）、在制品庫存減少（離散行業重點）、換產成本減少等；

· 服務目標：訂單交付準時率、緊急訂單響應速度等。

系統通過“目標函數建模-多場景模擬-最優方案推薦”流程， 為管理者提供可視化的方案對比（如“方案A交付準時率98%但能耗高3%，方案B交付準時率96%但能耗低5%”），輔助決策。

2.2   XMagital平臺對APS系統的全方位支撐：從“基礎保障”到“能力升級”

XMagital平臺的“原生融合、開放生態、全面智能”三大特點，并非泛化的平臺優勢，而是針對APS系統的核心需求提供高適配性支撐，形成“平臺能力-APS需求”的精準匹配：

（1）原生融合：構建APS的“實時數據底座”，解決“數據斷流”痛點APS的精準排程依賴“全鏈路數據實時、準確”，傳統系統需通過接口對接ERP、MES、設備管理系統，常出現“數據延遲（如MES生產進度滯后數小時傳入APS）”“數據不一致（如ERP訂單數量與實際生產需求不符）”問題，導致排程方案與實際脫節。

XMagital平臺的“原生融合”為APS提供數據保障：

· 架構級深度集成：并非“接口對接”，而是將訂單數據、生產執行數據、設備管理系統（設備狀態/維護數據）、物料庫存數據的核心數據模型與APS數據模型原生打通，實現“數據同源、實時同步”；

· 數據穿透查詢：支持從APS排程方案反向穿透至排程基于的原始生產相關數據，如計劃員查看“某訂單排程在設備A”時，可直接點擊查看該設備的“當前維護計劃”（來自設備管理系統）、“所需物料庫存” （來自WMS），無需切換系統，提升排程決策效率。

（2）開放生態：拓展APS的“場景適配能力”，解決“行業適配難”痛點

不同行業（流程/離散）、同一行業不同企業的排程需求差異極大（如流程行業的“批次管理”vs離散行業的“多品種小批量”），傳統APS常需大量定制開發才能適配，成本高、周期長。

XMagital平臺的“開放生態”通過三大能力支撐APS的場景適配：

· 行業定制化模塊庫：平臺支持“流程行業APS模塊庫”與“離散行業APS模塊庫”沉淀，包括批次追溯、能耗優化、連續生產銜接、換產優化、多生產線協同等，可根據企業按需勾選啟用；

· 第三方算法與硬件適配：平臺支持接入第三方排程算法插件、硬件設備（如智能傳感器采集的實時能耗數據），拓展APS的能力邊界。例如某化工企業（流程行業）通過平臺接入第三方“能耗優化算法”， APS可在排程時同步優化“高耗能設備的運行時段”，實現“生產排程+能耗成本”雙優化；

· 二次開發接口：提供低代碼開發平臺，企業IT團隊可通過可視化拖拽方式，快速定制“個性化排程規則”（如某企業要求“每月最后一周優先生產庫存低的產品”），無需修改APS核心代碼，縮短定制周期。

（3）全面智能：升級APS的“算法與決策能力”，解決“排程不優、決策難”痛點

APS的核心是算法能力，傳統APS依賴固定算法，難以應對“生產場景動態變化”（如訂單結構調整、設備新增），且無法提供“決策建議”。 XMagital平臺的“全面智能”支撐從“算法優化”“預測輔助”“決策支持”三方面升級APS能力：

· AI驅動的算法自優化：平臺內置機器學習引擎，可基于歷史排程數據自主學習“最優排程規則”，如“過去1年的排程方案-實際執行效果”，優化NP嵌套分割算法的參數（如“設備負載權重”“訂單優先級系數”）；

· 生產需求預測輔助：平臺基于AI預測模型，分析歷史訂單數據、市場需求趨勢（如食品行業的“春節前需求增長30%”），為APS提供“預測性排程建議”。例如某食品生產工廠在春節前 1個月，平臺預測“巧克力訂單將增長25%”，可觸發APS調整排程方案，預留設備產能與物料庫存，避免訂單激增導致的交付延遲；

· 智能決策支持：平臺通過“數字孿生”技術，模擬不同排程方案的執行效果（如“方案A：交付準時率98%，成本增加2%；方案B：交付準時率96%，成本降低3%”），并結合企業戰略目標（如“近期以客戶滿意度為核心”）推薦最優方案。同時，針對異常情況（如“設備故障導致排程延誤2小時”），系統自動生成3~5個解決方案，并標注各方案的“延誤時間、成本增加、資源消耗”，輔助管理者快速決策。

3   典型應用案例：助力某食品工廠實現智能排程升級

3.1   某食品工廠排程痛點

該食品工廠作為全球知名的食品生產企業，隨著市場需求的不斷變化，工廠面臨著日益嚴峻的排程挑戰。

一方面，食品行業對生產工藝與質量要求極高，生產過程中涉及多種原材料的精準配比與復雜的加工工序，任何排程失誤都可能影響產品質量；另一方面，工廠產品種類繁多，訂單批量大小不一，且訂單交付周期越來越短，傳統的人工排程方式已難以滿足快速變化的生產需求。更加苛刻的環境是， 工廠產品的生產從原料投入到裝箱入庫是全自動流水線作業， 沒有任何緩沖環節， 因此排程指令沒有任何容錯空間。同時， 工廠設備數量眾多， 不同設備的產能與維護需求存在差異，如何合理安排設備生產任務，提高設備利用率， 也是工廠亟待解決的問題。

3.2   HolliAPS+智能排程系統實施方案

針對該食品工廠的排程痛點 ， 和利時基于HolliAPS+產品為其量身定制了智能排程解決方案， 具體實施方案如下：

（1）系統對接與數據整合：首先，實現智能排程系統與該工廠現有ERP系統、MES系統、設備管理系統的無縫對接， 完成生產訂單數據、物料庫存數據、設備運行數據、生產工藝數據等各類數據的整合與同步， 確保系統能夠實時獲取全面、準確的生產數據。

（2）排程參數配置與規則設定：根據該工廠的生產工藝特點、設備產能狀況、訂單交付要求等實際情況，在XMagital平臺中進行詳細的排程參數配置，如設備生產效率、物料供應周期、訂單優先級權重等。同時， 設定各類排程約束規則，如設備維護時間約束、原材料庫存下限約束、產品生產順序約束等， 確保排程方案的可行性與合理性。

（3） 基于NP理論的智能排程計算與方案生成：系統運用基于NP嵌套分割理論的APS算法， 結合整合后的生產數據與設定的排程參數、約束規則，進行快速的智能排程計算。在計算過程中， 系統不斷優化排程方案， 充分考慮設備利用率最大化、生產周期最短化、訂單交付準時化等多項目標，最終生成最優的生產排程方案， 并以直觀的甘特圖等形式呈現給工廠生產管理人員。

（4）排程方案的動態調整：在生產過程中，若出現訂單變更、設備故障、原材料短缺等異常情況，通過平臺可及時觸發排程方案的動態調整。系統將根據最新的生產狀況， 重新進行排程計算， 快速生成調整后的排程方案，確保生產過程的連續性與穩定性。

3.3   項目實施成效

通過和利時智能排程系統的應用， 該食品工廠在生產運營管理方面取得了顯著成效：

（1）生產效率大幅提升：智能排程系統優化了設備生產任務的分配，減少產品換型次數與設備空閑時間，在人工經驗優化排產的極限狀態讓整體設備效率（OEE）再提高3%。同時， 合理的生產順序安排縮短了產品生產周期，使工廠的整體生產效率提升了5%以上。

（2）訂單交付準時率顯著提高：系統能夠根據訂單交付期限精準制定排程方案，并在面對訂單變更等異常情況時快速調整，確保了訂單能夠按時交付。實施后，工廠訂單交付準時率達到98%以上，有效提升了客戶滿意度。

（3）生產成本有效降低：  一方面，設備利用率的提高與生產周期的縮短降低了設備折舊成本與能源消耗；另一方面，不同產品在不同設備的加工成本不同，通過排產的成本優化策略，降低了庫存成本。據統計，項目實施后，工廠的生產成本同比降低了3%~5%。

4   結語：和利時智能排程系統，賦能企業智能制造升級

在智能制造的大趨勢下，生產排程的智能化、高效化已成為企業提升核心競爭力的關鍵。和利時XMagital智能排程系統憑借其原生融合、開放生態、全面智能的平臺特點，以及基于NP嵌套分割理論的先進技術支撐，為流程行業與離散行業的企業提供了優質的排程解決方案。

從上述食品工廠的成功案例可以看出，和利時智能排程系統不僅能夠有效解決企業在排程管理方面的痛點問題，還能幫助企業實現生產效率提升、成本降低、訂單交付準時率提高等多重目標，為企業的數字化轉型與智能制造升級注入強大動力。

未來，和利時將繼續秉持技術創新的理念，不斷優化XMagital平臺的功能與性能，拓展智能排程系統的應用領域，為更多行業的企業提供更加先進、更加貼合實際需求的智能制造解決方案，與企業攜手共進，共創智能制造的美好未來。

摘自《自動化博覽》2026年4月刊