物料齐套计算（二）APS系统的物料计划逻辑

上一篇谈到MRP做物料计划的种种弊端

而APS的出现，才真正开始，

有了物料齐套的概念，

在物料计划上有多种算法规则，

大略分为两类

第一类是常规优先级规则

—自前向后

—自后向前

—基于瓶颈计算

计算如下

（1）对客户需求进行优先级排序

这部分考量因素较多，大略分重要和紧急两类，

重要指客户要么是vip大客户，要么是背景深关系通老板，惹不起，

紧急是指忍耐度低，出货时间要求短。当然，实际情况下重要内部也有分级，紧急内部也有分级。

重要和紧急两者经常博弈，是个挺复杂的过程。但最终要排出统一的优先级顺序，以体现优先程度。

详细排序方式是基于业务场景，按最晚交货期，下订单日期，依据不同加工周期倒推最晚投产日期，等等……

排序完成后，后续物料的满足便按优先级顺序进行。

像通常包子店卖包子，采取的排序规则是………………排队，谁在前面谁先有包子

前面说到三类就是排序规则，按照下单日期/需求日期/承诺日期…等等

日期从前往后排，从后往前排，或者两者结合都排一遍，确定每个需求可容纳的日期区间，又或者从瓶颈开始排序。

（2）按需求进行物料清单展开并占料计算

    如果是原材料占用，则根据Bom物料清单展开计算所需原材料品类规格数量，每个订单货预测，需要原材料ABCD分别数量多少，然后按照优先级逐条占用（或者说分配）原材料，产品与原材料之间有非常明确的一一对应关系。每颗料的每个数量都能对应到需求上。

   如果是成品库存占用，则直接按顺序依次扣减冻结库存可用量即可。

   如图所示，按顺序从上向下依次对需求分配库存，最后一张订单/预测无法获得库存，处于缺料状态。

   这样的好处显而易见………任何一颗料库存数量的异动，都会如实反映到对应的订单预测需求上，重新计算其是否缺料

  是的，就是上一篇谈的MRP的那些弊端，在APS物料分配逻辑中统统不存在

（3）物料供应计划对未来进行占料

     然而物料供应不止是库存，还有未来的供应状况。例如预期未来入库的原材料及半成品或成品。

   D+1，D+2等明后天的物料供应状况，基于仓库原材料收货计划，或是半成品产成品的排程中预计入库时间，可以得到时间序列的物料供应计划。

   在此供应计划上，可以对需求红色缺料部分进行满足，按时间依次占用，可得D+3日可满足最后一张订单/预测的物料需求。

以上都是所谈第一种自前向后，从收到需求那一刻开始依次按D0库存，D1供应，D2供应依次向后占用物料

其他还有自后向前，基于最晚物料需要齐套的日期（基于交货期，生产，发货，采购等leadtime提前期倒推）

从后往前占用逻辑，与从前往后可以同时使用，从而识别瓶颈，然后通过瓶颈处理来进行物料分配。

此外，还有相互让料优化，不同订单交换所占用的供应，从而确保交货期都能达标。

这类是从绩效优化角度出发

第二类是基于目标优化的智能算法

核心是以优化齐套的结果为目标，来对需求与物料进行规划类，启发式，元启发式，机器学习等各类算法进行计算

这类当前应用较少

优化目标通常是需求在满足交期状况下的齐套数量最大化

也就是说，如果是订单，则所有订单都能在最晚齐套日期前分配到物料从而保证及时出货。如果是预测，则是在该预测周期内能分配到满足预测量的物料库存。

当然，如果不同订单重要性不一，例如大客户订单和小客户订单，在财务上收益不同，在公司战略合作程度上不同，导致满足哪个是有取舍。这类状况较为普遍，如果能通过收益或者利润量化当然最好，如果不能则是分配虚拟的权重值，例如一张大订单等于3张小订单，小订单延交为1，大订单延交为3，类似这样的惩罚值比例。

那么，最终优化目标是惩罚值最小化的齐套结果。如果全部满足交期，则惩罚值为0。

具体计算过程较为复杂，存在穷举特征，不一一展开,有机会的话未来再写一篇介绍aps智能算法的原理。

如上，便大致介绍了BT君我所理解的APS在物料齐套计算/物料计划/供应计划（随便叫啥）的常见逻辑

下一篇我们开始谈核心问题，

多阶段的物料齐套管理