摘要|把 ERP 排出来的生产计划原样丢进车间,大概率活不过一个班次。根源不在求解器强弱,而在计划层与调度层压根没说同一种语言。有限产能排程的数学骨架长什么样,冻结期该怎么定,标准工时和换型矩阵这些参数又该拿什么数据去喂——这些才是真正决定系统能不能跑起来的变量。
先讲个具体的。
某液压件厂,一个阀体零件,工艺路线八道:粗车、精车、钻孔、铣槽、去毛刺、清洗、热处理、精磨。ERP 里维护的提前期是 5 个工作日。听起来挺合理对吧?
可实际上,热处理炉一周只开两次。等炉,平均 2.5 天,最坏 4 天。光这一道,5 天就没了。
这就是 MRP 的原罪。它假设提前期是固定值,假设产能无限大,假设所有资源随叫随到。这三个假设,在任何一个真实的机加工车间里都不成立。MRP 跑完给你一堆建议工单,CRP 再把负荷算出来,告诉你某台设备超了 180%。然后呢?然后就没有然后了。它只负责报警,不负责解决。
所以才有 APS 这一层。有限产能排程,核心就一句话:把资源可用性当成硬约束,把时间当成不可再生资源来分配。

一、把问题写成数学式,心里才有底
教科书上这东西叫作业车间调度问题(Job Shop Scheduling Problem)。别被名字唬住,模型其实很朴素。
设工件集 J,机器集 M。工件 i 的第 j 道工序记作 (i,j),加工时间 pij,完工时刻 Cij,工件交期 di。
约束就两条。第一条,同一工件的工序必须依次进行:
Ci,j − pi,j ≥ Ci,j−1
第二条,同一台机器同一时刻只能干一件事。这条用析取图(disjunctive graph)表达最直观——节点是工序,合取弧连同一工件的相邻工序,析取弧连同一机器上互相竞争的工序。给每条析取弧选定方向,就得到一个可行调度。Balas 在 1969 年提出的这套表示法,到今天还是绝大多数商用求解器的内核心。
目标函数看你要什么。交期导向的话,最常用的是加权拖期惩罚:
min Σ wi · max(0, Ci − di)
要是追求产线平衡,那就换成 min Cmax,也就是最大完工时间。两个目标经常打架,这时候就得拍板——别指望多目标自动加权,那个权重系数迟早得由计划科长用业务语言定下来,工程师别替他做主。
坏消息是,3 台机器以上的 Job Shop 直接就是 NP-hard(Garey、Johnson、Sethi,1976)。工件数上到 50,精确求解基本没戏。所以工程上走的是另一条路:约束规划(CP-SAT)、禁忌搜索、大邻域搜索(LNS)。
说实话,选型的时候别迷信「智能算法」这四个字。我见过太多项目,上来就上遗传算法,参数调半年,最后还不如人家一条靠谱的分派规则加局部搜索。OR-Tools 的 CP-SAT、或者 Gurobi 加个 warm start,对中等规模的算例往往更稳。
二、联动才是命门
算法再漂亮,只是半场。
真正的难点在于——计划层和调度层必须形成一个闭环,而不是单向的瀑布式下发。
按 ISA-95(IEC 62264)的分层,L4 是 ERP,管的是周和月;L3 是 MES,管的是班次和小时。层级不同,决策颗粒度不同,时间尺度差了两个数量级。ERP 说这批订单下周完成,MES 关心的是三号机今天下午两点半该上哪个活。
中间这个转换器,就是联动调度系统要干的事。
这里有几个设计要点,都是拿教训换来的。
第一,冻结期(frozen zone)。一般把最近 1~3 天设为冻结区,期间不接受新插单,只允许调整优先级。为什么?因为物料、刀具、工装都已经备好了。你在冻结期里插一单,后面全线雪崩。冻结期长度怎么定?看订单变更率——变更率 15% 以下的,3 天足够;超过 30% 的,老实设定 1 天,然后接受频繁重排的现实。
第二,滚动时域(rolling horizon)。别指望一次排一个月。正确的做法是每次只把未来 N 天排到工序级,N 天之外维持粗能力平衡,然后每隔一个班次窗口往前滚一格。窗口长度 N 一般取 5~10 个工作日,太短了抖,太长了算不动。
第三,事件驱动重排。插单、设备故障、缺料、质检不合格返工——这些都是触发点。关键是分清楚哪些事件需要全量重排,哪些局部修复就行。设备停机两小时,用局部修复;客户砍单三成,那必须全量。全量重排一次的代价可能是几分钟甚至更久,现场等不起。
第四,也是被忽视最狠的一条:实际数据回传。MES 报工的数据必须反哺标准工时库。理论工时是台架算出来的,带 15% 左右的宽放;实际现场受刀具磨损、材料批次、操作熟练度影响,偏差经常到 20% 以上。算法里那套 Tstd = T基本 × (1 + 宽放率),宽放率得跟着实际数据季度性校准。系统跑半年不校一次,排出来的计划就是自欺欺人。

三、那些不上机根本想不到的约束
下面这些东西,写在方案里显得啰嗦,漏掉了就是事故。
序列相关换型时间。车削不锈钢换成灰铸铁,和换成铝合金,清理时间完全不一样。所以换型时间不是一个常数,而是一个矩阵 S[a][b]:从状态 a 切到状态 b 的耗时。这个矩阵得跟工艺员一起坐下来逐格填,靠系统自己学?数据量不够的时候学出来的是一堆噪声。
工装与模具约束。这个在注塑、压铸、冲压行业尤其致命。一副模具对应一套排产资源,模具不能分身。很多 APS 只建了设备资源池,忘了建模具资源池,结果排出来的计划里两台机器抢一副模。
行车与吊装能力。大型件车间里,天车数量是硬约束。两台机床都空闲,但要等一台天车吊装,等于没空闲。这类辅助资源经常被漏掉,漏掉一次,现场骂一次。
在制品缓存区容量。工序之间的缓冲区就那么大,塞满了就得停机等。约束规划里加个容量上限并不难,难的是你得先知道它到底有多大——很多厂的缓存区面积从来没被正式记录过。
人员技能矩阵。会开五轴的和只会开三轴的,不是同一批人。要不要建资源模型?中小厂建议先别建,把人的因素折进设备的可用率里更省事。大厂另说。
写在最后

回到开头那个问题。
后来我们干了一件很土的事:把热处理炉的排程单独拎出来,做成一个「炉次合并」的前置模块,炉子每天的开炉窗口写死,剩下的工序再往下排。改完第二周,那台炉子的产能利用率从 61% 提到了 84%,计划准点率跟着往上跳了一截。
算法没换,代码没重写。换的是对现场的理解。
排程系统不是买回来的,是养出来的。求解器给的是数学上的最优,车间要的是物理上的可行。中间那段距离,得靠人一毫米一毫米去填。