在計劃方面的難度：

一、面對相互沖突的計劃排產(chǎn)目標

制作生產(chǎn)計劃需要平衡四個矛盾：滿足客戶交貨期與生產(chǎn)成本之間的矛盾、產(chǎn)能最大化與浪費最小化之間的矛盾、庫存成本最小化與客戶需求的矛盾、批量采購與庫存最小化之間的矛盾。

1、客戶交貨期與生產(chǎn)成本之間的矛盾

為了滿足具有竟爭力的交期，可能需要投入很多的產(chǎn)能成本。既要在既定的成本下，最優(yōu)的客戶服務(wù)。

2、產(chǎn)能最大化與浪費最小化之間的矛盾

為了滿足資源利用最大化來提高效率，但是又要考慮過量生產(chǎn)帶來的浪費。

3、庫存成本最小化與客戶需求的矛盾

為了糾正預(yù)測的不確定性，需備有一定安全庫存。做出最優(yōu)的庫存計劃來快速響應(yīng)客戶需求。

4、批量采購與庫存最小化之間的矛盾

大量的采購帶來的低價，但會導(dǎo)致庫存溢出。

二、面對預(yù)測不準確的概率

制作生產(chǎn)計劃需要判斷選擇三個策略的決策：追逐式生產(chǎn)(Match/Chase)、均衡式生產(chǎn)(Level)、混合式生產(chǎn)(Combination/Hybrid)。

1、追逐式生產(chǎn)(Match/Chase)

優(yōu)勢可以穩(wěn)定的庫存水平，可以用變動生產(chǎn)以適應(yīng)需求。劣勢是人力、培訓(xùn)、加班、額外班次的成本，解雇員工的成本，對員工士氣的影響，員工被解雇，需要的工作技能不存在，需要滿足需求的最大能力。

2、均衡式生產(chǎn)(Level)

優(yōu)勢是生產(chǎn)速率穩(wěn)定，避免追逐式生產(chǎn)引起的人力、資金方面的成本。劣勢是庫存水平提高，需要更準確的預(yù)測。

3、混合式生產(chǎn)(Combination/Hybrid)。

可以在某些時段以全負荷或接近全負荷進行。也可能在其它時段以低產(chǎn)量（或不生產(chǎn)）進行。利用可用生產(chǎn)能力，有限的庫存儲備和持庫成本。

生產(chǎn)計劃團隊需要：1、平衡銷售預(yù)測與銷售定單。2、平衡生產(chǎn)能力。3、平衡計劃庫存與實際庫存。4、提前安排季節(jié)性的高峰需求。5、減少產(chǎn)品提前期。6、安排緊急的客戶訂單。7、減少應(yīng)急情況的發(fā)生。8、持續(xù)的和客戶溝通確認交期。9、監(jiān)控現(xiàn)場的進度與變化。10、保持和供應(yīng)商的戰(zhàn)略協(xié)同。

在預(yù)期的生產(chǎn)提前期和庫存目標下,保證生產(chǎn)與采購有充足的供應(yīng)(庫存、生產(chǎn)訂單和采購訂單)以滿足當前的需求(客戶訂單)和未來需求(銷售預(yù)測)，解決生產(chǎn)什么、何時生產(chǎn)？買什么、何時買？

在排產(chǎn)方面的難度：

一、復(fù)雜多約束的生產(chǎn)現(xiàn)場

因為復(fù)雜的工藝路徑對各種設(shè)備的特殊需求各不相同，有限產(chǎn)能的生產(chǎn)設(shè)備，物料、工裝模具及人員的約束。

二、多品種小批量的復(fù)雜生產(chǎn)模式

因為多品種并行、資源共享易出現(xiàn)瓶頸、定單變化和生產(chǎn)周期的不確定性、計劃排程應(yīng)變能力、監(jiān)控訂單進度難、物料變化多變，導(dǎo)致缺料與采購延遲嚴重。

三、動態(tài)變動的生產(chǎn)環(huán)境

臨時訂單改變、緊急插單的情況經(jīng)常出現(xiàn)。實際進度和計劃排產(chǎn)的不吻合。產(chǎn)品流程不斷變化，新產(chǎn)品研制流程的不確定性，機器設(shè)備故障檢修，員工生病請假等。

四、精益生產(chǎn)的多品種混排模式

導(dǎo)致排序需要根據(jù)節(jié)拍優(yōu)化順序，既要考慮客戶的交期，又要考慮上游供應(yīng)的均衡和JIT/JIS準時、順序、同步化。

在工廠車間建模方面的難度：

我們知道確定性的模型可以使用一些的優(yōu)先法則，同時也采用許多算法技術(shù)與啟發(fā)式程序。不確定的隨機模型使我們對優(yōu)先規(guī)則的魯棒性有了更深人的認識。隨機模型的結(jié)果說明了這樣一個結(jié)論：隨著系統(tǒng)的隨機性增大，采用復(fù)雜優(yōu)化技術(shù)是不明智的。也就是說，系統(tǒng)的隨機性越大，排程策略應(yīng)該采用場景化規(guī)則處理，就可以使系統(tǒng)優(yōu)化簡化。

如何應(yīng)用這些知識來排程實際問題呢？答案并不是很明確。這些問題在學(xué)術(shù)界標準化模型的研究中有著相當大的差異。在解決實際問題的時候，這些規(guī)則與方法往往被包含在一些更復(fù)雜的結(jié)構(gòu)中。

現(xiàn)實排程問題往往與理論研究中的數(shù)學(xué)模型有很大三別。因為實際中的排程問題都有白己的特點，所以要找出所有的區(qū)別是一件很困難的事情。不過，有一些區(qū)別是共有的，因此值得關(guān)注。

1、理論模型往往假設(shè)有n項工作需要排程，并且在排程之后，這個有n項工作的問題被解決。但是在現(xiàn)實中，系統(tǒng)中往往會出現(xiàn)在同一時刻有n項工作需要解決，但是新的工作還在不斷增加。調(diào)度當前的n項工作需要在沒有將來情形確切信息的條件下進行。因此，需要對這些未知的情形做出推測。我們需要一個動態(tài)的環(huán)境，例如：在排程中加入寬裕時間，來適應(yīng)緊急工作或是設(shè)備故障。

2、理論模型住往不強調(diào)重排程問題。在現(xiàn)實中，經(jīng)常會出現(xiàn)這樣的情況：在根據(jù)確定的假設(shè)做出了一個排程之后，由于隨機事件的發(fā)生需要對這個排程進行一些調(diào)整。這種重新排程問題也可以被認為是反應(yīng)式調(diào)度，它往往用來滿足某些具體的約束。舉個例子，人們往往希望只對原有的排程做出盡可能小的調(diào)整，即使這樣并不是最優(yōu)的排程。更確切地說在重新排程的時候只需對原有排程做出一些微小的調(diào)整，這就意味著做出一個具有一定“強壯性”的排程是相當有利的。也就說過于靈敏的重排，會導(dǎo)致計劃排產(chǎn)脆弱不可執(zhí)行。

3、現(xiàn)實中的機器環(huán)境往往比理論假設(shè)的機器環(huán)境更為復(fù)雜。加工限制以及約束也更加棘手。在機器、工作或是時間方面，有可能是相互關(guān)聯(lián)而不是獨立的。

4、在數(shù)學(xué)模型中，每一件工作的權(quán)重（優(yōu)先級）是固定的（它們不隨時間的變化而變化）。而在現(xiàn)實中，每一件工作的權(quán)重往往隨著時間的變化而變化，這種變化可能是隨機的。一件低優(yōu)先級的任務(wù)單有可能突然變?yōu)楦邇?yōu)先級的任務(wù)單。

5、數(shù)學(xué)模型往往不考慮“偏好”這個因素。在一個模型中，一件任務(wù)要么能夠，要么不能夠被一臺機器處理。換句話說，一件任務(wù)能否被一臺機器處理可用0和1來表示。在現(xiàn)實中，經(jīng)常會出現(xiàn)這樣一種情況：一件任務(wù)能夠由給定的機器來加工，但是出于一些原因，任務(wù)執(zhí)行者更偏好用另一臺機器加工這項工作。用第一種情況下的機器處理這項任務(wù)往往是在一些緊急并且可能帶來額外費用的情況下。

6、多數(shù)的理論生產(chǎn)模型并沒有考慮機器的可用性約束。一臺機器往往被假定為在任何情況下均可用。在現(xiàn)實中，一臺機器并不一定是連續(xù)可用的。有許多原因會導(dǎo)致機器不在操作狀態(tài)下。一部分原因是基于一些確定性過程，而另一部分原因是基于隨機過程。設(shè)備的輪班模式會造成機器不是一直運行的。預(yù)防性的維護也會造成這種情況。還有就是機器可能受到隨機故障以及維修的影響導(dǎo)致不能連續(xù)運作。

7、在研究中，大多數(shù)懲罰函數(shù)是分段線性的（例如：一項任務(wù)的滯后、單位懲罰等）。在現(xiàn)實中，存在可以商定的發(fā)貨日期或是工期，所以懲罰函數(shù)往往是非分段線性的。

8、大多數(shù)理論關(guān)注單目標模型。在現(xiàn)實中，一個問題往往存在多個目標，也就是多目標加權(quán)優(yōu)化。。不僅僅是多目標，它們各自的權(quán)重還可能隨著時間的變化而變化，甚至還與不同排程者的經(jīng)驗相關(guān)。各個目標對象之間似乎經(jīng)常會存在一種特殊的聯(lián)系，例如最小化總加權(quán)滯后時間和最小化順序相關(guān)的總準備時間(特別對于那些瓶頸機器）。

最小化總加權(quán)滯后時間是很重要的，這是因為保持服務(wù)的質(zhì)量往往是一個有很大權(quán)重的日標。最小化與順序相關(guān)的準備時間總和也是重要的。這是因為對于—個確定的生產(chǎn)環(huán)境，它可以使產(chǎn)量增加。當這種聯(lián)系成為全部目標時，這兩種目標的權(quán)重不能是簡單的常數(shù)。這些權(quán)重可能與時間相關(guān)或者可以說與當前生產(chǎn)環(huán)境的狀態(tài)相關(guān)。如果工作負荷相對偏重，那么最小化順序相關(guān)準備時間將更加重要，如果工作負荷相對較小，最小化總加權(quán)滯后時間將更加重要。

9、現(xiàn)實中的排程過程，往往同分配工人班次和調(diào)度加班時間緊密結(jié)合。當工作負荷將要超過實際能力，工期非常緊迫的時候，排產(chǎn)調(diào)度員將會增加加班時間或是增加班次來按時發(fā)貨。

10、理論研究的隨機模型常常假設(shè)加工時間服從一些非常典型的分布。例如，已經(jīng)深入研究過的指數(shù)分布。在現(xiàn)實中，加工時間往往不是符合指數(shù)分布的。一些觀測結(jié)果顯示，加工時間有著不同的密度函數(shù)。我們可以把這個密度函數(shù)看作一個確定值和一個分布的卷積。這樣的密度函數(shù)會發(fā)生在確定任務(wù)的手工操作中。加工時間有這樣的密度函數(shù)看似是有道理的。如果完成一項任務(wù)所需的最少時間已經(jīng)確定，那么即使是最優(yōu)秀的工人都不能用低于這個標準的時間完成這項工作（包括等于這個標準）。然而，加工時間存在許多變數(shù)，它們?nèi)Q于操作者在任務(wù)中的表現(xiàn)。完成率隨著時間的增加而增加。有可能加工時間有98％的概率是一個固定的值；而另有2％的概率是一個均值很大的指數(shù)分布。這種類型的概率函數(shù)往往出現(xiàn)在自動生產(chǎn)或裝配線上。如果一個機器人來執(zhí)行操作，那么加工時間往往是固定的（通過系統(tǒng)設(shè)定好的），但是當遇到一些突發(fā)事故的時候，加工時間立刻顯著增大。

11、隨機加工時間的另一個重要方面是相關(guān)性。在現(xiàn)實中，同一臺機器上的連續(xù)加工時間是高度正相關(guān)的。在隨機模型研究中，常常將所有加工時間假設(shè)或—個（或多個）相互獨立的分布。

12、加工時間的分布可能因受到學(xué)習(xí)曲線因素以及老化因素的影響而改變。—個人工操作的加工時間分布可能受到學(xué)習(xí)因素的影響。通過人來不斷加工作業(yè)有可能減少完作業(yè)的平均時間。如果一個操作對應(yīng)的分布包含機器的影響，那么機器的使用年限（機器老化）將會導(dǎo)致平均加工時間增長。

盡管我們研究的數(shù)學(xué)模型與現(xiàn)實情形有許多不同，但這些理論研究絕對不是在浪費時間。這些研究讓我們更深人地認識了許多排程問題，同時這些認識對于解決硯實中大部分排程系統(tǒng)的算法模型的發(fā)展是有很大幫助。

在現(xiàn)實中，排程問題常常通過看上去不那么準確的啟發(fā)式算法（場景化規(guī)則）來解決。不采用更加精確數(shù)學(xué)算法的原因在于現(xiàn)實中往往存在大量的隨機事件，這些事件往往導(dǎo)致在執(zhí)行原有排程時被迫做出調(diào)整。

所以，我們必須建立一個高效的計劃排產(chǎn)執(zhí)行的閉環(huán)體系，形成可以不斷自我改善、學(xué)習(xí)、進化的系統(tǒng)，提供堅實的應(yīng)用功能來滿足企業(yè)的智能指揮計劃調(diào)度中心，其目標是:按需生產(chǎn)、精益制造、柔性運作。

我們必須需要引進新的智能計劃系統(tǒng)。傳統(tǒng)的計劃的方法,已佷難適應(yīng)快速多變的市場環(huán)境,很多企業(yè)正在轉(zhuǎn)向按需生產(chǎn)模式C2M（Customer to Manufacturing ）。按需生產(chǎn)的最大的挑戰(zhàn)就是計算CTP（Capable to Promise）承諾的交貨期和準時交貨。不僅需要訂單需求可以直接進入計劃排程的物料和能力系統(tǒng)，還要和供應(yīng)商互動供應(yīng)信息。

當精益運作拓展到敏捷供應(yīng)鏈的智能制造時，按最終客戶的需求所拉動快速客戶反應(yīng)時，將會給企業(yè)帶來巨大利益。但是，實施所需要的投入和精力也是巨大的。