MES系统与APS有什么区别
今天给大家介绍一下MES系统与APS有什么区别。文章的内容小编觉得不错,现在给大家分享一下,觉得有需要的朋友可以了解一下,希望对大家有所帮助,下面跟着小编的思路一起来阅读吧。
MES系统是智能工厂的核心,将前端产品设计、工艺定义阶段的产品数据管理与后端制造阶段的生产数据管理融合,实现产品设计、生产过程、维修服务闭环协同全生命周期管理。
APS就是高级计划排程。应该说APS本来是MES系统的一个模块,也许是因为优化排产太重要了,技术门槛太高了,才拿出来单独作为一个功能软件使用。APS要满足资源约束,均衡生产过程中各种生产资源;要在不同的生产瓶颈阶段给出最优的生产排程计划;要实现快速排程并对需求变化做出快速反应。
不能小看仅仅是一个车间一个工厂的计划排程问题,从学术上讲,这是一个大系统、复杂系统的优化问题。
排程就是排序,就是先做什么,后做什么的问题。但是你可以这样想象,几百台大小设备、几百人同时要做各种任务,怎样才能在各种约束(设备能力、人员、时间、场地、物料等)条件下(还是动态变化的),实现目标(交货期、设备有效使用率、最低成本等)最优?
统筹学家、计算机专家们多年来一直在为解决大系统的优化寻找一种快速方法。统筹法、启发式、规则法、仿真法、遗传基因法等等,这些算法对一些特定的需求都有各自的特点,有些“算得快”,但结果不是最优解,有些收敛极慢不实用。甚至学术理论界都曾怀疑有没有最优解。直到前几年,美国的一位应用数学家(EYUAN SHI)发明了分割嵌套(NP)算法,证明生成马克夫链,实现全局收敛,并可以给出离最优解的置信区间。这成为解决大系统复杂系统优化问题的一条捷径。
当前APS行业现状
APS在企业有许多成功应用,特别是与MES系统模块集成应用。流程业如钢铁、制造、化工等计划调度问题相对简单,因此,优化排程容易实施。
APS在离散制造业,由于排程问题的复杂性,几乎目前所有的APS系统都采用规则或启发式算法。规则法或启发式算法最大优点就是能快速得到一个可行的排程结果,但是无法保证最优解,也无法量化排程结果。对于简单的流程,较少的订单,不论什么算法得到的结果相差无几。复杂的排程问题,是否具有优化功能其结果将有很大差异。
先进计划排程(APS)的核心就是“先进”二字。否则只剩下计划排程了。大量研究数据表明:由规则法或启发式法得到的排程结果距离最优排程可相差30%-150%。以最少延迟订单为目标,优化与否的APS在处理100个订单时,可能总有30个在延迟交货,日积月累,对企业是很大的损失。由于优化算法技术门槛的限制,目前市场上大多数“APS”产品由于“算不出来”,不得不加入很多人工干预(例如:人为制定了很多规则,而这些规则本身可能就是不优的)或者忽略一些问题。
需要什么样的APS?
APS是企业管理软件,它具有高度智能的生产计划调度功能,可以在多任务的复杂条件,并存在着诸多约束条件的生产流程中,最充分地利用企业的资源条件,找到最佳的调度排程结果。APS的核心是具有寻找最优结果的优化运算引擎。
在实际生产中,离散型工业企业(小批量,多品种,订单变化大),任务、资源、工序流程复杂,约束条件很多,并且完全是一个动态的过程。企业需要的就是在可以容忍的时间内(例如10分钟)排出一个最优化的调度计划。并且这个排程计划的优化程度是可以判断和量化的,同时还可以预测对今后的影响(比如可以看到三个月后的情况)。
APS必须有很强的适应性。企业的实际经营运作在不同的时间可能会遇到不同的要求,例如,有时会要求最短交货期,有时会要求最佳的设备使用率,有时会要求最少库存,有时会遇到紧急插单,APS必须很方便的根据企业的需求,满足企业不同时期的需求。
APS的人机界面必须要符合企业调度人员的思维模式和排程习惯。让人经过极其复杂的培训,去适应计算机的要求,是企业使用人员不能接受的。
APS主要针对资源利用率不高、交货不及时、生产利不灵活这几大问题进行优化排程,定制最适合企业生产模式的智能化排程系统,帮助企业合理产能分配,提高资源利用率,降低企业成本。同时可以更快速的响应客户订单,按时交付客户订单。并且通过改变传统的人工排程方式,让您轻松面对频繁插单、复杂多变的订单,使您的企业生产更加灵活高效。
MES与APS融为一体
APS和MES系统在排产功能上是重叠的。不过,现在的趋势是APS和MES融为一体,实现四个闭环:1、需求预测和订单承诺闭环。2、计划与排产闭环。3、排产与执行闭环。4、订单承诺与订单履约发货闭环。形成系统自治,自反馈、自决策。
以上就是MES系统与APS有什么区别的全部内容了,更多与MES系统与APS有什么区别相关的内容可以搜索编程网之前的文章或者浏览下面的文章进行学习哈!相信小编会给大家增添更多知识,希望大家能够支持一下编程网!
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341