上一篇談到MRP做物料計劃的種種弊端

而APS的出現，才真正開始，

有了物料齊套的概念，

在物料計劃上有多種算法規則，

大略分為兩類

第一類是常規優先級規則

—自前向后

—自后向前

—基于瓶頸計算

計算如下

（1）對客戶需求進行優先級排序

這部分考量因素較多，大略分重要和緊急兩類，

重要指客戶要么是vip大客戶，要么是背景深關系通老板，惹不起，

緊急是指忍耐度低，出貨時間要求短。當然，實際情況下重要內部也有分級，緊急內部也有分級。

重要和緊急兩者經常博弈，是個挺復雜的過程。但最終要排出統一的優先級順序，以體現優先程度。

詳細排序方式是基于業務場景，按最晚交貨期，下訂單日期，依據不同加工周期倒推最晚投產日期，等等……

排序完成后，后續物料的滿足便按優先級順序進行。

像通常包子店賣包子，采取的排序規則是………………排隊，誰在前面誰先有包子

前面說到三類就是排序規則，按照下單日期/需求日期/承諾日期…等等

日期從前往后排，從后往前排，或者兩者結合都排一遍，確定每個需求可容納的日期區間，又或者從瓶頸開始排序。

（2）按需求進行物料清單展開并占料計算

    如果是原材料占用，則根據Bom物料清單展開計算所需原材料品類規格數量，每個訂單貨預測，需要原材料ABCD分別數量多少，然后按照優先級逐條占用（或者說分配）原材料，產品與原材料之間有非常明確的一一對應關系。每顆料的每個數量都能對應到需求上。

   如果是成品庫存占用，則直接按順序依次扣減凍結庫存可用量即可。

   如圖所示，按順序從上向下依次對需求分配庫存，最后一張訂單/預測無法獲得庫存，處于缺料狀態。

   這樣的好處顯而易見………任何一顆料庫存數量的異動，都會如實反映到對應的訂單預測需求上，重新計算其是否缺料

  是的，就是上一篇談的MRP的那些弊端，在APS物料分配邏輯中統統不存在

（3）物料供應計劃對未來進行占料

     然而物料供應不止是庫存，還有未來的供應狀況。例如預期未來入庫的原材料及半成品或成品。

   D+1，D+2等明后天的物料供應狀況，基于倉庫原材料收貨計劃，或是半成品產成品的排程中預計入庫時間，可以得到時間序列的物料供應計劃。

   在此供應計劃上，可以對需求紅色缺料部分進行滿足，按時間依次占用，可得D+3日可滿足最后一張訂單/預測的物料需求。

以上都是所談第一種自前向后，從收到需求那一刻開始依次按D0庫存，D1供應，D2供應依次向后占用物料

其他還有自后向前，基于最晚物料需要齊套的日期（基于交貨期，生產，發貨，采購等leadtime提前期倒推）

從后往前占用邏輯，與從前往后可以同時使用，從而識別瓶頸，然后通過瓶頸處理來進行物料分配。

此外，還有相互讓料優化，不同訂單交換所占用的供應，從而確保交貨期都能達標。

這類是從績效優化角度出發

第二類是基于目標優化的智能算法

核心是以優化齊套的結果為目標，來對需求與物料進行規劃類，啟發式，元啟發式，機器學習等各類算法進行計算

這類當前應用較少

優化目標通常是需求在滿足交期狀況下的齊套數量最大化

也就是說，如果是訂單，則所有訂單都能在最晚齊套日期前分配到物料從而保證及時出貨。如果是預測，則是在該預測周期內能分配到滿足預測量的物料庫存。

當然，如果不同訂單重要性不一，例如大客戶訂單和小客戶訂單，在財務上收益不同，在公司戰略合作程度上不同，導致滿足哪個是有取舍。這類狀況較為普遍，如果能通過收益或者利潤量化當然最好，如果不能則是分配虛擬的權重值，例如一張大訂單等于3張小訂單，小訂單延交為1，大訂單延交為3，類似這樣的懲罰值比例。

那么，最終優化目標是懲罰值最小化的齊套結果。如果全部滿足交期，則懲罰值為0。

具體計算過程較為復雜，存在窮舉特征，不一一展開,有機會的話未來再寫一篇介紹aps智能算法的原理。

如上，便大致介紹了BT君我所理解的APS在物料齊套計算/物料計劃/供應計劃（隨便叫啥）的常見邏輯

下一篇我們開始談核心問題，

多階段的物料齊套管理