破解生产排产“三元悖论”AI+APS 赋能企业数字化转型
本文由ENI根据Epicor华东区区域经理吴成在“注入智变动力：‘AI+’汽车电子业落地场景及路径”CIO智行社上的演讲实录进行整理。
Epicor华东区区域经理吴成
目前，众多企业已开始探索AI 应用于内部知识库、客服、设备预防维护、质量管控等环节，而生产计划排产作为企业生产运营的核心环节，成为 AI 落地的重要细分赛道。
在汽车电子及各行业的生产应用中，企业制定计划时都面临典型的三元悖论："质量、交期、成本"三大目标难以实现平衡。客户下单后，成本与质量有时会失控；追求成本优化时，质量也可能受到影响。汽车行业本身就是不断压缩成本的典型行业，而中国新能源汽车之所以能走向世界，核心就在于颠覆了传统造车理念。
在AGI到来前的窗口期，企业应聚焦克服长记忆等AI技术突破，通过APS+AI确保自身不掉队。APS并非新概念，但成功应用的企业很少，仅能在MES上简单排产，突发情况全靠班组长人工协调。为何失败率高？这成为企业数字化转型中亟待破解的核心问题。
Epicor APS生产排产系统的实践路径与核心要素
企业如何做好生产排产，让计划真正落地？仅提供基于标准产品及AI探索的Epicor APS生产排产系统是一种可行方案，从系统建设来看，需求端已搭建了诸多成熟应用，还建立了供应商门户和客户门户并打通供应链；从系统建设层面来看，已实现对外供应链的贯通。在企业内部垂直领域，也完成了大量机联网部署、终端铺设与条码化改造，但核心问题在于，能否结合计划排产将需求与供给有效计划、协调起来。
就企业端而言，当前企业生产排产的核心痛点在于，需求与供给的计划、协调环节存在明显脱节。计划、物料需求排程虽在推进，但实际覆盖范围与创造的企业价值均未达预期，如何打通这一中间环节，成为生产排产数字化落地的关键。此外，APS落地的核心基石是基础数据，无论是AI应用，还是APS功能落地，前端的各类设置本质上都是数据参数，这些基础数据是开展计划排产约束排查、落地各类计划应用必不可少的前提。
APS的参数并非一成不变，需要持续调整优化。然而，企业在交付项目时，APS相关参数的设置往往只是一次性工作，比如告知客户如何设置日历、设备能力、定义资源等，但企业的内外部环境、供应端一旦发生变化，便会导致系统生成的排产计划与实际脱节，使得APS无法真正落地使用。
以结构化日历的参数设置为例，排产日历设置有清晰的层级结构，并非单一标准，公司有统一的工作日、休息日日历，多工厂模式下各工厂有专属日历，向下延伸到资源组，也有其专属日历。排产的核心是按照日历的结构顺序，将需求负荷合理匹配到对应的供应能力上，这一案例也直观体现出APS 参数设置的专业性和关联性。
在产品设计环节，BOM 设计需充分结合排产需求，同级子装配件的明确划分是核心要点。设计 BOM 时若能明确同级子装配件的划分，排产环节便可将这些子装配件的工序同步并发推进，大幅缩短整体生产周期，这是优化生产提前期的关键要点。同时，还需将BOM与工艺紧密结合，清晰梳理出生产中的关键路径，让排产规划更具针对性。
Epicor APS在排程功能方面有个显著特点：排程工作的第一步是梳理物料清单与工艺路线。在功能设计阶段，Epicor就充分考虑到企业搭建的基础数据最终要服务于排产，而实际生产中，产品对应的工艺路线、各道工序所需的资源，才是影响排产的核心要素，这也是其重点关注该环节的原因。还有一个关键要点是，企业生产同一款产品可设定多条不同的工艺路线，提升排产灵活性。
要让排产真正能用起来，不仅需要具备建模能力，还需重点关注排产中IPO的三个核心概念 —— 产能、负载和排程块。而想要实现有限排产、高级计划等功能，就需要对产能、负载、排程块这些关键内容进行深入研究、规划并持续优化，这也是排产系统能实际发挥作用的核心前提。
排产中的多约束策略，核心是区分硬约束与软约束。硬约束是设备自身固定的加工能力，软约束则是可灵活调节的生产安排此外要说明。Epicor 在排产中提供了三种排程策略的组合体系：有限排程、无限排程、粗能力排程，核心围绕计划的时间范围设定，而这类看似基础的时间范围设定，实则融合了大量业务逻辑。
AI 融合落地 APS的核心原则
AI与APS融合的前提是数据，但企业级AI应用面临的核心困境是，主流供应商缺乏企业自身数据训练，导致AI概念好听却难落地。结合先行企业的经验，AI落地需要搭建合理的组织架构——IT团队、AI团队和数据团队三者缺一不可。
AI 与 APS 融合的核心是围绕“工具强大却用不起来”这个核心矛盾展开。AI 的出现解决了企业排产人员能力的矛盾问题，它能接手排产场景中的多版本对比、多因素考量等工作并在系统中综合给出贴合目标的方案。用好AI+APS工具的前提是先明确企业业务目标。为了推动 AI+APS 在企业端的落地实践，Epicor和合作伙伴联合创新推出“制造云+算法云"双云架构，制造云承载系统、算法云部署AI核心算法。
在AI+APS 的实际应用中，企业只需向算法云提出不同的业务目标诉求，就能得到对应的排产建议。而结合AI做排产时，要靠工具、方法和经验去长期辅导企业，因为排产涉及诸多细节场景和参数优化，绝非短期能完成的事。
目前Epicor正和航空零部件、半导体零部件领域的典型客户尝试这类服务化的合作模式，通过和企业长期合作，把前期工作做到位，才能让AI真正落地产生业务成果。