和商简智能CEO关于APS的聊后感

获取更多资讯，赶快关注上面的公众号吧！

事实证明，呵呵……

2022年3月20日，终于在约谈大半年之后，有幸和商简智能的CEO梁翼先生就APS的现状和未来进行了深入的交流和探讨，我们在很多问题的看法是持相同意见的，所以以此为契机，分享一下自己的感受。

当下，随着全球竞争日趋激烈，工业企业面临着极大的生存挑战，成本居高不下，个性化定制需求强烈，企业数字化转型已不再是选择题而是必答题，我们都在高谈阔论的工业4.0、工业互联网、中国制造2025等等这些新型制造范式和发展战略都是在这种背景下提出的。工业4.0面向生产制造的硬环节，以赛博物理系统CPS为技术核心，强调提供高度灵活的个性化和数字化生产或服务；工业互联网面向生产制造的软环节，强调基于网络化的万物互联，为企业内外提供分析服务；中国制造2025则是将工业4.0和工业互联网进行了融合，以工业化和信息化为主线，把智能制造作为主攻方向。这些概念之间虽然略有不同，但是逻辑上是一致的：

都是以制造为本质（最终服务于制造），自感知、自决策、自执行、自适应、自学习为特征（智能的体现），数据为基础（系统输入），数字化、信息化、网络化、自动化为前提（智能化的必要条件），以CPS为支撑，以人、机（智能制造装备）和资源等深度融合为核心（信息），单元、车间、工厂、供应链和产业集群为载体（智能的发展层级），贯穿于研发、设计、生产、试验、管理、服务等制造活动各个环节（产品全生命周期管理），目标是实现高度的自动化、柔性化和智能化。

随着人工智能、物联网、泛在信息、云计算、大数据、移动互联网、信息物理融合系统（Cyber-Physical Systems, CPS）、数字孪生、元宇宙等为代表的新一轮技术创新浪潮的汹涌迭起，信息技术已成为支撑先进制造的关键技术，因此这是一个机遇与挑战并存的时代，APS就是这个时代下必然的产物。

企业信息化基础已基本具备，数据管哪些、怎么管的问题已解决

企业数字化转型的根本目的就是降本增效，前者我们在过去的二三十年中，一直在通过ERP、MES等信息化手段在解决，人、机、料、法、环、测等生产要素实现了数字化管理，少人化、无纸化、自动化大大降低了人工成本、材料成本、时间成本，但是仅仅这样就够了吗？我之前和中国航空工业某集团的生产处处长聊过这样一个话题，我问上了MES系统之后有没有给企业带来收益上的变化，处长非常坚定地回答道并没有，当时的我确实有点惊愕，企业花了上千万竟然没有增加利润，但是细细一想也不足为奇。

信息化建设本质上只是通过计算机代替了原来的一些手工记录和操作，生产管理和组织方式并没有发生根本性变革，那么隐藏在手工操作背后的真实问题依然存在。近几年来，企业侧也意识到了这个问题，MES、ERP仅仅是信息管理系统，它们把需要做决策的数据管理了起来，而决策过程仍然是拍脑袋，当脑袋不够大时，智能优化的需求就凸显出来。

实际上，真正增效也需要智能优化，因为降本是有限度的，而增效却没有上限，只有做出正确的决策才能不断优化生产流程。而APS在企业内扮演的就是工业大脑的角色，它和MES、ERP的本质区别在于：MES、ERP是事后系统，仅记录和刻画已经发生或者并不准确地计划（粗能力计划）未来的事情，是一种辅助决策系统，而APS是事前系统，是真正意义上的决策优化系统，可以基于现有的数据，通过智能化手段，针对各种复杂的场景做出最优化的预测性决策。

工业软件市场庞大，APS如雨后春笋但较为分散

2020年，全球工业软件市场规模达4358亿美元，同比增长6.1%；中国工业软件市场规模达1974亿元，同比增长14.7%。中国规模以上的工业企业基本上都已经运用了工业软件来辅助生产和决策，即使是中小工业企业也大部分使用了1-2种工业软件。

但是中国工业软件市场规模仅占全球工业软件市场规模的7.4%。另一方面，根据中国工信部数据， 2020年，中国工业增加值在全球的占比达21.9%。对比来看，中国工业软件的使用率和渗透率偏低。

总体来说，中国工业软件市场庞大，市场规模逐年增长，但市场渗透率仍然处于较低水平，未来市场前景辽阔。

在外部压力、市场环境、政策扶持和需求刺激四大因素的刺激下，以APS为代表的决策优化系统如雨后春笋，商简智能、杉数科技、安达发、永凯、美云智数，当然还有一些高校实验室（华科、上交等），都开始在这个领域大展身手。

但是也不难发现，在APS领域并没有形成一家独大的局面，原因有几个方面。

首先，APS通常发展到一定程度就会被ERP厂商收购，因为APS本身就是ERP无限能力计划的改进，通过收购就能填补ERP的致命缺陷；

其次，国内整体的信息化之路，相比于国外，起步比较晚，不具备实施APS的数据基础，同时APS本身入门基础也比较高，一般的企业管理软件厂商不具备开发APS的实力；

最后也是最重要的一点，APS本身就存在计划和排程两个概念，一般的APS软件都会侧重某一个概念，因而就出现了供应链计划APS和生产排程APS。此外，不同的行业对APS的要求是大不相同的，比如，对于自动化程度比较高的半导体生产车间，整个环境不确定性比较低，只要按照计划执行基本能达到预期的效果，因此希望APS的结果最优，哪怕计算时间稍微长一点也能接受；而对于基础数据不准确的新品加工，如军工行业，则更加强调意外事件发生导致执行与计划不一致时，如何快速有效地进行响应，这种情况下更加强调计划的可行性而非最优性。

现阶段，我发现市面上APS的范畴被进一步扩大，除了提供作业排序，配料优化、钢材套切、路径规划等典型问题也被纳入到APS的功能菜单，因此广义上APS可以泛指一切决策优化系统，是不是有点把“阈值”叫成“阀值”的感觉？

APS的未来在于通用性和定制化相结合

对于APS厂商来说，要想快速占领市场，项目制已经是不可取的，超长的实施周期会带来巨大的人财物成本，通用化和标准化的产品才有出路，但是做到放之四海而皆准又几乎是不可能的，所以一定是在通用和标准的基础上，配合个性化定制，进行少量的开发便能适应新的应用场景和调度问题。

具体来说，整个APS平台是架设在华为云、阿里云和腾讯云等云基础设施上的，将单机一体化服务升级为平台服务，可以大大降低部署和实施成本。为保证APS平台的通用性，应从技术、业务、算法三个层面抽象出相对独立的中台，即技术中台、业务中台、智能中台。技术中台提供了搭建平台所需要的基础技术服务，包括多云适配、微服务、通用技术组件服务、DevOps应用管理等，为业务开展和算法计算提供基础技术底座；业务中台用于构建对象模型，准确地描述APS涉及的对象是什么，存在什么数学上的逻辑关系，对象模型的完整性决定了APS所能解决问题的范畴；智能中台用于构建算法计算模型，定义算法模型的输入和输出、模型的参数等，算法模型的先进性决定了APS的算力。业务中台和智能中台均提供了对外开放的API，可进行快速地丰富和扩展。定制化部分则是基于现有的平台架构，针对特殊的需求进行定制化开发和个性化展示。

其实通用性的需求不仅来自于实际企业界项目，学术界对于统一调度平台的呼声也是很高，对此我也是深有感触。我们都知道，在发调度相关的论文时都要进行算法性能的比较，但是研究者只研究过一种或少量几种算法，但是却要和大量的算法进行比较，而一一实现这些算法势必需要花费大量的时间，所以很多粉丝也在咨询有没有一个可以方便进行算法对比的平台，可以方便的嵌入自己的算法，和已经存在的算法针对各种案例进行比较，快速输出调度结果和学习曲线，这其实也是一个可以商业化的方向。

总之，APS的未来一片光明，还需要有志之士开疆破土，也希望志同道合的伙伴可以加入到这个领域，一起搞点事情！