尽管本文聚焦于产品与解决方案层面，但白酒作为一个高度依赖工艺、经验与
稳定性的传统行业，本身正是智能工厂实践极具代表性的应用场景之一。

传统白酒制造：高度复杂，却高度依赖经验

白酒属于高酒精度蒸馏酒，
其生产过程涉及固态/半固态发酵、长周期窖藏以及多工序协同。

从原料处理、蒸煮、发酵到蒸馏，
每一个环节都对温度、时间和节奏有着严格要求。

在实际生产中，工序衔接复杂、设备之间存在强约束关系，任何一个环节的波动，
都可能对整体品质和产能造成影响。

同时，随着产线规模扩大，单纯依赖人工经验已难以应对高并发设备运行、
能源负载集中以及跨系统协调等问题。

从自动化到智能化：客户的核心诉求

本次项目中的白酒工厂，已在设备层面实现了高度自动化，
并以智能起重机、RGV、工业机器人为核心，持续推进无人化运行。
在此基础上，客户提出了更进一步的需求：

• 打通生产计划、执行与现场控制之间的壁垒
• 实现从计划制定 → 实时调整 → 计划执行的一体化管理
• 在多系统并行运行的情况下，保持整体产线稳定与高效

项目需要与 MES、立体自动仓库、能源管理系统、数字孪生及控制系统协同，
真正做到"计划能够被执行，执行情况能够反向修正计划"。

面对不确定性，计划必须具备"实时响应能力"

在白酒制造中，温度控制至关重要。
而温度的稳定，又直接依赖于能源供给的连续性。
当多台设备同时运行，
能源负载集中、外部供给波动等问题，
都有可能对生产节奏与品质稳定性造成影响。
这意味着，
生产计划不能只是"事先排好"，
而必须具备根据现场状态、能源情况实时调整的能力。
于是，一个关键问题出现了：

在排程系统与 MES 之间，
是否存在一个支撑"计划真正落地执行"的系统？

FLEXSCHE CarryOut：让计划真正跑起来

针对上述需求，我们提出了 FLEXSCHE CarryOut 的应用方案。
CarryOut 的核心价值在于：
它并非只生成计划，而是聚焦于"计划执行过程"本身。

通过将生产计划与现场运行状态实时联动，
CarryOut 能够在计划执行过程中持续支撑调整与优化，
并将结果直接用于 RGV、机器人等设备的运行控制。

这使得企业在面对不确定性时，
依然能够保持生产的连续性、稳定性与可控性。


（相关介绍、视频及图解内容，可参考对应页面。）

中国首个 CarryOut 授权案例

在本项目中，我们与当地合作伙伴紧密协作，
围绕实际生产场景，共同推进 CarryOut 的落地方案。

经过多轮评估与讨论，该方案最终获得客户正式采用，
本项目也成为 CarryOut 在中国的首个授权导入案例。

这一成果，不仅验证了方案在复杂制造场景中的适用性，
也展现了 FLEXSCHE 在全球智能制造领域的扩展潜力。

智能工厂，不只是效率提升

智能工厂的价值，
并不只体现在自动化和效率本身。
它更意味着：

生产从"经验驱动"走向"数据与逻辑驱动"
在复杂约束下，依然能够做出稳定、可复制的决策
让传统产业，在继承工艺价值的同时，具备面向未来的能力

或许在不久的将来，
当由智能工厂生产的白酒摆在面前时，
它所代表的，也不仅是一种风味，
更是制造业迈向未来的一个缩影。

近年来对多人共同安排相同项目计划以及多部门间共享计划的需求不断增多，
很多企业和合作伙伴越来越关注FLEXSCHE Communicator产品了。

这次请大家随我一起了解一下FLEXSCHE Communicator。

我们都知道在实际运营排产系统时，需要各个部门的相关人员参与。

例如，负责接收工作指示并实际操作的制造负责人，采购所需材料和零件的人员，
负责输入和编辑传递给排产系统的主数据和订单数据的人员，
将实际操作结果输入为绩效结果的统计人员，
以及确认当前日程和未来计划并据此采取措施解决问题的人等等。

通过将排产系统作为核心，让这些不同部门的各种责任人员相互同步和协作，
才能实现高效的生产。

FLEXSCHE Communicator就是一种旨在实现各个部门的相关人员之间的同步和协作的服务器产品。

以FLEXSCHE Communicator为中心，可以整合各种FLEXSCHE产品，
如FLEXSCHE GP、FLEXSCHE Editor、FLEXSCHE Viewer等，以及其他Web应用程序等。

使用FLEXSCHE Communicator例如可以实现下述的几种运用方式。

1 多个用户同时编辑一个项目的数据。每个用户都可以连接到FLEXSCHE Communicator并编辑数据的不同部分。例如，在某人编辑某个成品的工序定义时，其他人无法编辑该工序定义，但可以编辑另一个成品的工序定义。或在某人调整某些工作计划的时间以及设备时，其他人无法编辑这些工作，但可以调整其他的工作。

2 将最新的日程自动发送到连接到FLEXSCHE Communicator的FLEXSCHE Viewer。反之，将FLEXSCHE Viewer中输入的工作绩效结果导入FLEXSCHE Communicator上的项目。

3 开发自己的Web客户端，从中输入临时订单，并在FLEXSCHE Communicator中为该临时订单进行排程，然后根据结果回复该订单的交货期。

具体对产品感兴趣可以参看视频。

这次让我们聚焦如何在FLEXSCHE中如何做绩效反馈也就是如何反映工作实绩。

大家都知道生产的结果可以通过扫码等方式反馈给MES系统或生产管理系统中吧。
在使用FLEXSCHE APS系统的时候也可以直接或通过MES，
再或使用FLEXSCHE CarryOut产品等间接方式反馈。

但此次要讲的重点并不在如何时间系统间的交互或如何实现绩效反馈等方面，
而是对于采集好的绩效数据反馈给FLEXSCHE时的几个具体应用。

1 一个工作分多次反馈实绩的方法

首先让我们来看一个工作分为多天制作的时候，每天反馈该工作的一部分绩效的情况。

我们在反馈绩效的时候可以每天都加入该工作的最新实绩记录，
这样FLEXSCHE系统会根据数据情况自动绑定最新数据。
这样就可以多天对相同工作持续的反馈绩效了。

上图在工作栏中体现了工作的进度，但如果能将当天已完成的部分与原来的工作分开，
那么在甘特图表上则可以更为直观的看到未完成的部分的计划。当然FLEXSCHE可以在
上图的情况下，也就是反馈绩效数据后分开已完成和未完成的工作。

但也可以在反馈绩效的实绩记录中指定父工作，这样就不用事后另外拆分，
而是在反映实绩的结果时自动拆分。

2 将工作拆为多个工作后的实绩反馈方法

刚才我们提到了拆分。那么接下来让我们看看在计划的阶段就已经将工作拆分了的情况吧。
您可能会问，为什么在计划的阶段就拆分呢？我们可以想象一个工作的提前期很长，那么该
工作占用一个资源的时间也就比较长。如果把工作拆成小份，那么可以同时使用多个资源并行生产，
这样可以期待能够大幅度缩短提前期。

您可能会想拆成了很多的小份，那反馈绩效的时候也要分别对每一小份录入实绩记录吧。

当然这也可以，但也可以只对父工作持续的录入实绩记录。FLEXSCHE系统会根据状况，
自动生成各个小份的绩效信息。

3 多工作详细反映实绩中开始结束以及间断的方法

最后我们再来思考一下更为细致的情况。

例如再现代的智能工厂中，基本实现了绩效与计划的实时反馈的情况下，
一个几小时甚至几分钟的工作中，反馈绩效的时候是否能够实时的体现出
该工作的开始，中断，再开，结束这些非常细微的变化呢？

是的，这些更为细致的绩效信息可以导入工作实绩细分数据，
从而在甘特图等生产计划的结果中实时看到工作的进展状况。

感谢各位随我了解APS高级计划与排程系统FLEXSCHE的绩效反馈方面的几个应用，
我们下期再见。

在需要查阅并比对过去的生产计划数据时，有没有一种简便的方法呢？
事实上，通过FLEXSCHE中的"快照"功能，您可以轻松实现这一目标。
这次，我们将聚焦于APS高级计划和排程系统FLEXSCHE的一个强大功能----"快照"。

如果使用了"快照"功能，不必再为被问到"比起当初的计划，现在的进度如何？"的时候烦恼，
即使项目中的计划早已被绩效所替换，也可以轻松查看快照所保存的计划。

什么是"快照"？

这是一项可以轻松保存和还原当前生产计划数据的功能。您可以将数据保存到文件中，
需要时随时调取并查看。特别是在比较过去和现在的数据，例如比较计划和生产实绩时非常有效。

忘记制作快照也没关系

FLEXSCHE中虽然可以随时手动操作制作快照，"可是，我总是会忘记制作啊。"
没问题，计划规则中也可以设置，这样在运行排产时FLEXSCHE就会自动为您创建"快照"。

一目了然的显示

当被问及"给我看看当时的计划状况"时，您可以迅速展示"快照"的结果。
结果中包括资源甘特图表，负荷图表，库存量图表等各类图表。

醒目提示

您还可以通过使用醒目的颜色来强调不同之处，比如，用醒目的颜色显示变更点，一目了然。

方便比对

由于可以根据当前图表设置打开"快照"的图表，这样可以保证以相同格式对比前后结果。

另外还可以在同一图表内比对，这样便可以迅速了解先前的数据和当前的进展情况的区别，
使得生产计划管理变得更加高效。

配合Analyzer选项使用

图形化汇总显示结果并支持多角度分层次比对结果。为生产以及经营判断提供有力的依据。

相信通过使用"快照"功能，能够助您更加高效地管理计划。数据的回溯也会变得更加简单。
欢迎大家垂询。

我们都知道APS系统主要使用传统的甘特图查看和调整计划，
但在一些特殊情况下，使用甘特图调整工作可能显得力不从心。

面对甘特图的挑战

举例来说，在工作时间较短的情况下，
一个工作的制作时间可能只有几分钟甚至几秒钟。

这时如果使用甘特图调整工作排序，就需要将甘特图缩放到分秒级单位，
这样才方便使用鼠标光标拖放并调整工作。

但在分秒级显示甘特图时，
调整工作往往还需要滚动或还原甘特图的缩放以便更方便的操作。

FLEXSCHE产品在甘特图表中手工调整工作时，
有一些功能可以减少上述滚动或缩放的需求，今后有机会再向大家介绍。

但这次我们提到的调整从本质上来说，如果目的仅仅是为了变更工作的排序，
那么使用甘特图就显得有些多余了。毕竟甘特图的特点是
可以边拖动工作边查看与工作相关的各方面信息。

了解派工图表

因此，我向大家介绍一种全新的方法："派工图表"。
这是一种能够以表格形式直观调整每个资源的工作顺序的图表，而无需任何繁琐的操作。

派工图表的独特之处

表格形式的直观调整：

您可以在查看工作顺序的同时，通过直观的拖拽操作轻松调整顺序。

无视作业时间限制：

即使工作时间很短，每项工作都以一条记录的形式显示，可以轻松高效地调整。

轻松更改资源分配：

您可以直观的看到该工作的其他候选设备或人员，并轻松地将工作重新分配给其他设备或人员，并清晰地了解每个设备的工作情况。

灵活的显示设置：

可以根据需要显示或隐藏现有项目，并添加新列。

指定时间分段：

通过指定特定的工作时间段，您可以清晰地了解每几小时或每天这样的各个期间内的工作进展状况。

希望这种方法能为您的工作带来更高效的手动排产微调体验！
欢迎大家垂询。

无论是什么样的工厂、似乎都很难能够做到按计划推进生产。
我们从两方面展开问题。

首先，毕竟每天中变化太多了，例如员工突然请假休息，
或因发现产品缺陷工作中止，机器设备发生故障等等。

另外，为了实现IoT、DX、推进实现智能工厂，制造业收集了各种各样的大量的信息。
例如绩效信息，但由于未能有效利用这些信息，还是不知道做完的东西应该在什么时候
运往何处，也不了解最新的工作指令。

为了能够协助车间制造遂行，

FLEXSCHE推出了最新的解决方案FLEXSCHE CarryOut。

那么"遂行"是什么意思呢？
"遂行" 是FLEXSCHE公司独自的理念。虽说仅仅制定计划本身也有其价值，
再按照计划完成生产则更能创造出价值。我们对此称之为"遂行" 。

您也许会觉得这与"执行"一样，也许会问这是MES系统或绩效采集系统吧？

不是的，FLEXSCHE CarryOut是与这些系统连接的解决方案。

FLEXSCHE CarryOut不仅仅只是实时打通工厂内的所有信息，
还可以通过基于工序间的信息控制"生产车间"
致力于实现智能工厂、并可以灵活对应各种不可预测的状况发生。
这就是FLEXSCHE CarryOut。

另外这次给大家带来了FLEXSCHE CarryOut的视频介绍。

2023年7月26日到28日，FLEXSCHE Corporation
参展在日本东京举办的INDUSTRY-FRONTIER2023展会。

主要展示使灵活性达到极致的新一代生产排程系统FLEXSCHE。
以及支撑智能工厂的实现，基于计划遂行制造的解决方案FLEXSCHE CarryOut。

FLEXSCHE CarryOut的特点以及作用，今后会以视频方式向大家展示。
此次大家可以先通过下面的FLEXSCHE宣传片简单了解一下FLEXSCHE产品。

这次向大家简单综合介绍一下FLEXSCHE产品阵容。

首先是2个主力产品。

FLEXSCHE GP
将灵活性达到极致的APS高级计划和排程系统

其特点是无以伦比灵活的建模和细致详细的排程规则制定、
还有丰富的图表以及反应灵敏的用户界面使其具有极高的易用性。

FLEXSCHE CarryOut
聚焦于实现智能工厂、协助制造遂行的解决方案

实时打通工厂内所有信息，并根据工序间的信息控制生产车间。
其特点是可以灵活应对各种突发和不测状况，协助车间顺畅运转。

还有2款FLEXSCHE独具特色的产品。

FLEXSCHE Communicator
服务器客户端方式实现多人协同计划

对相同项目计划实现多人协同编辑，同时调整。
提供在本地或服务器上排产的使用方式，实现从软件到系统的飞跃。

FLEXSCHE DataTuner
根据积累的工作绩效信息推算工序的能力值

现有主数据信息管理混乱，产能数据与实际情况出入很大的时候，
无论用多精细的排产系统也无法排出高质量的计划结果。

使用DataTuner可以先粗能力运转，通过大量的绩效采集，
以统计学角度从排产结果逆向推算产能。

提供了一种全新的低门槛APS运作方式。

接下来是数据交互产品。

FLEXSCHE EDIF
与外部系统数据库或文件自由自在交换数据

可以灵活设置条件并通过替换或差异方式
简单建立与任何ERP，生产管理系统的数据通道。

2款专门查看结果的产品。

FLEXSCHE Viewer
FLEXSCHE GP的GUI相同方式查看排产结果

对应各种图表并可以灵活自由设置，界面操作与排产系统GP完全相同。

FLEXSCHE WebViewer
基于网络浏览器的简便结果查看器

只要有网络无论何时何地，都可以迅速实时的多角度查看计划的进行状况。

最后还有最优化模块FLEXSCHE Optimizer。
和对排程结果的统计以及展示的BI工具FLEXSCHE Analyzer。
以及针对个别行业的选项产品
FLEXSCHE d-MPS，FLEXSCHE 工作场所计划。

我公司首页有产品线介绍视频，欢迎访问。

例如，条件如下。

资源A 批量10
资源B 批量8
订单100

看到这三行数据，很多人会认为这个问题很简单。
资源A做6批，资源B做4批，10*6+8*5=100，不就正好能完成订单了么。
或者资源A做5批，资源B做7批，整体多做6个完成订单。

当然，上述两种方式尽量利用两个资源并行生产，
相对于只使用资源A进行10批次的生产，相信可以缩短整体的提前期。

然而，这种简单的数字分配方式并没有考虑到各个资源的能力和负荷情况。
那么，通过生产排程系统FLEXSCHE能否更好地解决这个看似简单实际上复杂的问题呢？

许多人可能认为生产排程只是根据资源占用完成订单数量的时间长度，
只是根据固定的工作数量计算所需时间而已。

但实际上，FLEXSCHE不止于此。
FLEXSCHE在这个问题上能够考虑各种约束条件等复杂情况，
在安排计划时根据选定的资源动态拆分工作。

接下来，请大家看看FLEXSCHE是如何解决这个问题的。

资源A和资源B在相同负荷情况下的情况。

资源A和资源B在不同负荷情况下的情况。

此外，可能很多读者会觉得资源的约束设置似乎非常勉强。
如果要约束某个批次，为什么要分别设置相同数量的上限和下限呢？
直接设置一个批次数量，看起来更简洁，设置起来也更方便，不是吗？

实际上，制造业的需求因行业不同或同行业的不同企业而异。
需求本身也会随着企业的发展而不断变化。
面对这些不确定的变化，如果生产排程系统只关注当前需求，
那么在各种不确定的变化因素面前，系统的持久运作将变得困难重重。

FLEXSCHE是一种具有极高灵活性的新一代排产系统。
系统的某个功能有时可以覆盖非常广泛的需求，
这意味着FLEXSCHE不仅仅是为各个需求单独开发单一功能，
而是将各种需求抽象化后开发通用功能。

也许很多人不理解，觉得这样做是绕弯路吗？而且费力不讨好。
从当前的角度来看，也许确实如此。
但如果放眼未来，10年、20年甚至50年，这种积累必将凝聚出强大的灵活性。
这种长远思维方式正是FLEXSCHE系统灵活性的源泉。

日本有许多百年企业，正是由于这种不求捷径的精神支撑着它们。
或许是受到这种思维方式的影响，我常常自问是否被当下的快餐式思维所吞没，
面对无限的未来，如何判断现在应该做什么。

回到我们之前的话题，实际上上限和下限可以用于其他约束功能，
例如根据工作数量属性约束可用资源，或在资源容量限制内堆积工作等。
今后如果有机会，会具体向大家介绍相关内容。

现在我们继续之前的话题，看看当条件发生变化时，FLEXSCHE如何应对。

例如，以下条件发生变化：

资源A：品目X批量10，品目Y批量7
资源B：品目X批量8，品目Y批量7
订单数量：100

新增一个批次7的品目Y。
由于无论使用哪个资源，品目Y的批量大小都是一样的，
可以将其与之前的解决方式分开考虑。

换句话说，可以针对不同品目使用不同的补充方式。
具体来说，品目X按照容量补充，品目Y按照数量单位补充。

在排程规则中，可以根据情况进行分别考虑。
当工作的品目是Y时，不考虑资源约束；否则考虑约束。

最后，如果条件变得更加复杂，应该如何处理呢？

资源A：品目X批量10，品目Y批量8
资源B：品目X批量8，品目Y批量7
订单数量：100

此时，各个资源和品目的批量不同。
大家可以看到，相比容量问题，似乎多了一个维度。
对于一个资源而言，其批量不是固定数量，而是根据不同品目而变化。

这种情况可以通过体积约束找到完美的解决方法。

当然，这种体积约束在其他方面也更加广泛适用，
比如在化工行业中使用储罐容量和液体密度的计算等。
关于这方面的具体介绍，也敬请期待吧。

这次通过一个简单的问题，引出了FLEXSCHE的几种约束条件和功能。
这些并不能说是FLEXSCHE最具代表性的功能，而只是FLEXSCHE众多功能中的几个。
然而，其他功能的思维方式与这些类似，都是通过长远的思维方式实现的。
FLEXSCHE则是一个由无数这样的功能汇聚而成的系统。

希望通过这个问题，读者能够一窥FLEXSCHE灵活性的一面，并对FLEXSCHE产品产生兴趣。
期待有机会向大家更深入地介绍FLEXSCHE。

2023年5月，我们公司将正式成立客户成功部。
您可能会想，作为一家生产排程系统的企业，为什么需要设立客户成功部呢？

实际上，客户成功部在SaaS服务型企业中非常普遍，
因为协助客户充分利用系统并持续使用系统是确保客户续约的关键。
这称为"客户成功1.0"。

我们公司的业务并非以SaaS类型服务为主，那为什么要引入这个概念呢？

其实我们引入的是"客户成功2.0"的概念。
"客户成功2.0"的目标是将客户成功部打造成一个综合性的团队，
对内对外攻守兼备。

客户成功2.0的具体内容如下。
·适用于SaaS企业，同时也可以广泛适用于非SaaS企业
·是企业成长的引擎，可以主动优化客户的整个生命周期
·不仅关注解约风险管理，还注重促进向上销售和交叉销售

在客户成功部，我们将不仅仅关注最终用户的制造业企业，
还包括我们产品的合作伙伴和代理商。因为除了产品本身的能力外，
成功的产品实施和应用还需要经验丰富的顾问来指导。

客户成功部的存在意义在于通过我们的服务和产品，积极主动的创造
合作伙伴和客户期望的成果，确保并促进问题的解决、取得成功。

另外客户成功部将积极反馈客户需求到产品开发团队，并协助销售和推广市场。
我们将注重内外功夫并行，以推动公司的持续成长。

客户成功的概念中强调了"主动"这个词。
例如客户运用产品时或合作伙伴实施产品时有疑问时我们及时回答、
这种服务并不是"主动"，而是"被动"应对。

要做到主动并非易事，期待客户成功部能够逐步壮大，
并成为公司成长的引擎，协助合作伙伴企业和制造业用户取得更多的成果，
创造更多价值回馈社会。

2023年3月中即将发布APS高级排产系统FLEXSCHE新版本22.0。
在正式发布前抢先向本博客的读者透露一些精彩功能。
这些功能都是为了回应广大用户以及合作伙伴的需求，在其诞生前经过了无数次反复的推敲、
讨论、校阅、测试。希望其中能有大家期待已久的或能够立刻派上用场的功能。

主要功能如下。

• 2D Cutting Stock Problem
  Optimizer 优化下料问题/切割余料问题
  
• loop painting line plan
  Optimizer　环形涂装线回转计划
  
• 储罐
  
• FLEXSCHE WebViewer 订单甘特图表行，看板行汇总显示
  
• 导航面板 升级为 小地图面板
  
• GUI颜色主题
  

另外还有工作中止，反复的建模简化，工序编辑器中途插入工序工作等亮点功能，
有兴趣的朋友可以待正式发布后评测。

最后此次特别向大家介绍2个我个人比较喜欢的功能。

1 标记工作方法的计算表达式

相同订单的一系列工序的工作由于工序与工序直接连接在一起，
所以对这些工作计算汇总时间或设置注释等属性非常简单。
但不同订单通过订单关联形式相连接的时候，进行相同的处理则稍微有些麻烦。
需要从最终订单开始取得其上游订单的工作，并反复循环一直到最上游，通过递归方式实现。

标记工作方法是从指定工作出发，向上游或下游遍历并对工作设置标志的功能。

这个功能在版本22扩展后可以添加计算表达式了。这样就可以用这种方式替代之前
使用递归方式的处理了。例如对订单关联的一些列订单设置相同注释的时候以及
汇总订单关联的一系列订单的工作时间的时候就可以如下设置了。

2 拆分的扩展

对于按照现有原材料安排工作这样的需求，当原材料数量小于订单/工作数量时，需要进行拆分。

传统解决方式是在自动分派时，每处理1个工作，如有需要就对其拆分，
并将剩余部分向未来方向推进，通过结构化记述方法循环处理。
版本22则扩展了自动拆分处理。实现了无需复杂的设置即可在处理拆分的时候自动判断自动拆分。

好了，新版本的部分功能就介绍到这里，下期再见。

大家都知道例如在粮油加工、生物化工，医药生产等流程工业
需要连续生产，这些行业经常会用到储罐，反应器等资源。

由于在反应器或储罐内储存溶液，或搅拌混合，或进行化学反应，
之后排放溶液用于后面工序时，在排放全部完成前不可以另外融入其他溶液。

另外还会有相同溶液分别储存在不同储罐等各种建模要求或约束条件。
这些行业比起机加工类型企业的排产难度相对较大。

APS高级计划生产排程系统FLEXSCHE具备高度灵活性，
对这种高难度排产有独到的方式解决，在流程工业中有非常广泛的应用。

接下来就让我从以下3个方面简单介绍一下。
1 最大库存制约
2 资源占有
3 多品混合时储罐最大库存制约

1 最大库存制约

俗话说巧妇难为无米之炊，例如通过消耗原料加工产品时，
如果没有一定量的原料那么就无法开始加工，这被称为
最小库存制约。

反之加工出产品时，由于储存空间有限，如果超过了一定量就无法储存，
那么可以称之为最大库存制约。

此次重点讲解一下最大库存制约。
为了便于读者容易理解，此次使用单工序模型。

A,B两种溶液可以储存于储罐1,2中。
总订单量是110，不考虑负荷的时候排产结果如下。

例如溶液不可混合时通过并行条件设置后排产结果如下。

最后如果需要分别考虑产品的最大库存量时结果如下。

2 资源占有

接下来再看一下从储存到填充的前后工序间资源占用问题。

储存后到填充全部完成前，需要占用储罐资源时FLEXSCHE
可以通过如下设置工序间资源占有的方式建模。

这时如果需要考虑最大库存制约那么结果如下。

3 多品混合时储罐最大库存制约

储罐内由于溶液比重不同，如果可以将不同溶液同时储存在同一储罐，
那么这时需要考虑多种溶液同时储存时的总量，
所以并不是仅仅约束某一溶液的最大库存，而是需要针对储罐约束最大库存量。

有多种方式可以对应，例如可以将储罐看成地点，这样通过区分相同溶液不同的地点建模，
之后再对储罐所对应的品目组约束最大库存，其结果如下。

另外，今年春天即将发布的新版本22.1中将
添加专门为储罐设计的特别功能。

使用此功能可以通过比以往更为简单的设置，解决储罐相关的难题。
敬请期待！

另外对该行业的一个具体应用在之前的博客"连续型制造业化工行业的FLEXSCHE应用解说"中有做过介绍，
对此话题感兴趣的读者可以作为参考。

正如前些日子宣布的那样，我（浦野）于2021年6月30日卸任FLEXSCHE的CEO一职。但我将继续支持FLEXSCHE。 因此，发布这篇博文即是我的第一项援助工作。

之前的博文（如果您还没有读过，请先点击这里）中宣布即将发布新产品FLEXSCHE DataTuner（也被称为'数据调节器'）。此产品于2021年6月24日已经与FLEXSCHE 20版一起发布了，在此向大家详细介绍一下。

就算我在这里全片幅的解释详细的逻辑，相信大多数读者也无疑能跟上节奏:-P，但此次我忍痛割爱不谈逻辑。 我想把内容的严谨性放先到一边，让大家对DataTuner的内容能有个大致的了解。

本文中的记载内容基于发布时最新信息，在未来的版本中可能会发生变化

一旦通过提供工作实绩（绩效）信息确定了一项工作的制造时间和使用资源，就会作为样本数据储存在数据库中。 一旦积累了一个工序的足够的样本数据，对它们进行分析（分类和统计处理），以推定本来所需的能力值（大致上说，"加工一个单位需要多长时间"）。

假设最初给主数据的能力值是 "10 M/P"（指每单位10分钟）。 如果在分析了一些样本数据的制造时间后，推定实际上"8.5 M/P "是更合适的"，DataTuner将连同"推荐度"提示出新推算出的能力值。 如果样本数据数量足够，变动（variance）小，则推算的可靠性就应该比较高，所以推荐度一般也会较高。反之如果样本数据数量少或变异性大，推荐度就会比较低。 推荐度也会根据其他各种因素波动，但由于这部分是诀窍在此不便详细说明。

总之，如果所提出的推荐度足够高，对于该能力值通过命令执行就可以替换主数据参数值（例如能力和技能值）。 这就是FLEXSCHE DataTuner使用方法的简单描述。

接下来请看FLEXSCHE DataTuner实际的画面。

此画面右上方的面板是数据调节器面板(下文称之为DT面板)，左上方的窗口是数据调节器控制台(数据调节器DT控制台)。按任意的"分析"按钮后，会将所有数据的分析结果在DT面板以树状结构分类显示并提示出推荐度和推定值（新能力值）。双击DT面板的项目后会在DT控制台看到其详细内容。

DT面板中显示了2个资源表和1个族（会在后文中讲解）。另外还有仅将高推荐度的参数筛选显示的"按推荐顺序"。

这两个表现了各个工序的能力值。具体请看上段的"X#最终工序"。右下方的数值"200"是样本数据数量（工作数）。中央蓝色的竖线是当前的能力值。浓淡2色的灰色长方形表现了数据的分布（2条短黑线是从分布计算出的推定值），我们可以从图中看出当前能力和推定值之间存在着差异。当样本数据数量充足的时候这个差异越大则推荐度越高。下面的淡蓝色粗线表现推荐度。

以推定值替换当前能力值（＝"应用"）操作后如下图所示当前能力值和推定值基本完全一致。

另外、下段的"X#检查工序"当前的能力值（蓝线）和推定值（2条短黑线）并没有分开太远，样本数据的变动（波动）非常大、计划的精细度较低，可以说状态并不理想。可是如果详细调查一下我们就会发现其实还是可以明显改善的。

对"X#检查工序"执行"细分化"命令后，样本数据的分布会按使用资源分别分开汇总。

浓淡2色的长方形表示3个资源合起来的分布状况，各个资源的小黑灰色则表示该资源的分布。

这个"X#检查工序"可以使用検査機１、検査機２、検査機３的任意一个资源，资源表中设置了相同的能力值。但是如图分别观察分布则会了解到，实际上每个资源的能力是不同的。而且各个资源的能力基本没有波动。

将其分为3个"可用区分"（定义能力值区分），分别应用推定值就能够使变动得到大幅度改善。

最后按提交按钮后"X#检查工序"被一分为三。分别应用推定值后结果如下。

上述是仅以资源表的能力值决定制造时间的情况。可是一般情况并非总是如此。例如之前的博客中提到的"参数化能力"的情况。

如果某工作的制造时间仅由单一的能力值决定，那么很简单，但如果不仅是能力值，而且受各个资源（如工人）的技能值（如工人的熟练度）影响的时候怎么办呢？ 这个例子中，"在X#工序1工人1制造6个 "所需的时间是10/1.5*6=40分钟。

这种情况下，一般来讲"资源表的能力值"和"资源的技能值"都是调整对象。因为是工序"X#工序１""X#工序２"和资源"工人１（熟练工）""工人２（新员工）"的技能值的组合、所以样本数据被分到２维度结构的４个单元格中、分别分析其分布状况、在DT面板和DT控制台中如下显示。

这种相互关联的参数集合（例如，在不改变制造时间的情况下想要将能力值提高一倍，必须将技能值减半）称为族。

此DT控制台红色显示的部分是"X#工序１"（背景的灰色的分布是"X#工序１"全体的分布）。此时的显示状态很难判断应该更新以推定值更新哪个参数，这时候点击"工人１"的技能后、

就切换了注目对象，我们可以看到"工人１"的全体分布在当前值（蓝色竖线）的右侧，也就是偏向时间更长。也就是说我们可以一眼看出"工人１并不是像我们期待的那样技术纯熟"。"工人１"的推荐度（浅蓝色粗线）的长度也说明了同样的问题。"应用"技能的推定值后会如下所示排列得非常整齐。

这个例子很简单也很容易理解，但现实中的数据中很多参数是错位的，必须分别更新。下面这个例子的正确回答是"工人１"和"X#工序２"偏离了正确值，但这通过DT控制台到底能看出来吗？

虽然确实是存在差异、由于这两个参数互相抵消，要分辨出它们中的哪一个有问题并不容易。实际上多次反复"应用""工人１"和"X#工序２"的推定值可以最终得到全体的当前值与推定值完美重叠的正确答案，但"应用"推荐度最大（虽说最大但还是很小）的"工人2"是不正确的，最终是无法完美解决的。

对于在早期版本中，推荐度有时候可能派不上用场我也感到有些惋惜，但未来的版本会有所改进，相信能够一次性提供正确答案吧。 另外，也有可能使其完全或半自动化，无需用户干预。 在那之前，请积累样本数据耐心等待。

没有FLEXSCHE DataTuner的授权也可以累计样本数据

此例介绍了2维的族，但一般来讲也有可能存在3维，4维甚至5维的情况。FLEXSCHE DataTuner如下图所示可以对应4维。不过在现实中，这种用法实在是太少见了，我觉得几乎没有机会发挥作用・・・

为了运用FLEXSCHE DataTuner，导入实绩（绩效）数据（纯工作时间和使用资源信息）是不可或缺的。当然可以使用通过传统方式采集的绩效信息，如果通过FLEXSCHE CarryOut采集绩效数据则自然而然包含着DataTuner所需的各项信息，可以更为容易的构建系统。

不言而喻，绩效数据越准确，主数据就越准确，APS排程系统的运作就越有效。

以上就是简单的概要，不知道您是否对DataTuner有了大概的了解了呢？

FLEXSCHE DataTuner支持提升排程精细度，提供了一种前所未有的机制。反而言之，可以开始时只设置粗略的资源能力，而后逐步精细化，毫无疑问通过DataTuner可以大幅度降低导入生产排程软件以及增添新产品时的障碍。

本产品于2021年6月24日发布，虽然仍然处于起步阶段，但相信未来可期，敬请期待。

我们FLEXSCHE公司20年来一直不断开发APS高级计划排产系统。您一定会觉得都已经做了20年了，肯定没有剩下什么未知领域可以探索了吧・・・可是其实还有很多很多。

其中一个就是如何清除使我们在引进APS系统时畏手畏脚犹豫不前的一个巨大的障碍。

这个"巨大的阻碍"正是"数据整备"。虽说恰当正确建模和排程规则当然是很重要的，但仅有那些是不够的。为了能够拟定高精细的计划，还需要尽可能正确估算各个工序的所需工作时间，尽力给出恰当的"能力值"。

为了加工抛光某产品的某零部件，做1个需要10分钟还是需要30分钟呢・・・生产排程是建立在一系列这样的预估（预测）累积之上的。作为数据给出处理单位数量所需的时间，即"能力值"。 如果工作时间因抛光机器不同或从事工作的人员而异，要求的精度越高，所需的数据就越详细、越庞大。

从前我们不得不将这些能力值作为数据逐个维护进来。这就是刚才提到的"巨大的障碍"。如果主系统中已经有了信息那么我们可以将其导入进来。但例如为了计算成本作为参考数据虽然绰绰有余，可如果要排产其精度却不足以作为计划排程的根据。也许这些数据和生产计划排程的粒度完全不同。

当然以这种粗能力运转也是一个办法，也能取得一些效果。但是、

"希望不会出现违交期"

"希望将浪费的库存降至最低"

"希望尽可能的减少加班"

"希望增大工厂的产出"

"希望杜绝现场计划混乱问题"

等等、为了雄心勃勃地追求只有APS高级排程系统才能解决的挑战，进一步提高计划精度是一个值得挑战的重大课题吧。

许多人都知道，克服这一障碍将带来巨大的回报，但另一方面，这个障碍巨大到让人感到胆怯也是可以理解的。

在这里请大家随我想象一下。 如果一开始只给出粗略的能力值，随着系统的运行，准确性会逐渐提高・・・如果有这样一个系统，您会不会感觉很不错呢？

这就是FLEXSCHE公司成立第20年，(实在不好意思)才迟迟着手的挑战。
将其以"FLEXSCHE DataTuner（福勒克歇・数据调谐器）"的形式商品化。
从FLEXSCHE版本20开始以选项产品的形式推出 。

积累样本数据

能力根据所使用的资源（机械、设备、工人、工具，有时是电力、工作场所等，在进行某项工作时使用）而有所不同。 它还根据要处理的对象（称为品目）而有所不同。 为了能够正确进行计划排程，必须为每个品目设置各个资源的能力值。

为了知道一个资源的能力，也许可以通过实际执行工作和计测来了解。 具有恒定处理速度的自动设备可能只要进行一次计测（或通过阅读设备的说明书）就可以了解，但可惜的是，大多数情况都不是那么简单的。 因为每次工作时通常都会有 "波动"，所以通常不可能只通过一次测量就得到正确的能力值。

请想象一下如果要计测"用吸尘器清扫一个20平米的房间所需的时间"。不需要解释的吧？可能两分钟就完事儿，有时候也可能需要七分钟吧。因人而异，也因吸尘器的类型不同而异吧。还比如扫除时孩子或宠物进来打扰，或者如果垃圾比平时多得多就会花更多时间吧。甚至可能计测出了差错算错了时间也说不定。

导致波动的原因有很多很多。

能力的差异取决于各个资源的类型，或各别差异

即使做同样的工作，使用不同种类的资源，自然能力也会有所不同。 此外也会根据各别状况（例如，本身质量问题或老化）而变化。

这种变动通常在人员（工人）资源更常见。有时候单纯是"老手是新手的１．５倍"这种情况，或"小张虽然擅长这个工作、但不擅长那个工作。小王则完全相反。"等情况也有，很多时候都很难确定妥当的能力值吧。

处理时间的"波动"

所有的物理现象都会有波动。在相同条件下处理一个工作 ，一次可能需要4分58秒，下一次可能需要5分8秒，都是很自然的。但是如果"每次都准确的需要５分１秒"这样的情况反而是很罕见的吧。特别是以人员为中心进行工作的时候工作时间必定伴随着很大的波动。

"波动"不仅在生产排程中是不确定性的主要来源，而且在对未来预测和计划生产的时候也是如此。 由于一种被称为 "蝴蝶效应 "的影响，在某个时间点发生的轻微波动会随着时间的推移产生更大的影响，但这可以通过在各过程之间提供适当的缓冲来在一定程度上避免。 然而很明显，"波动 "使 "测定恰当的能力值"变得十分困难。

异常值混入

对于如何处理因意想不到的问题而延误（虽然也有可能异常早）的工作是一个很难的问题。 收集结果时如果能够明确指出"这次的信息不正常"就好了，但实际上往往很难做出客观的判断。

因此，收集数据并进行自动判断是最理想的，但如果事先不知道"本来的能力"的时候，那么什么样的值应该被视为"异常值（异常值）"呢。 异常值检测有多种理论，但我尝试过的理论（至少出于生产调度排程目的）都不是很令人满意。 因此，我们将使用一种独特的判断方法，它是对现有理论的定制版本。

另外确实还有另外一种说法是，应该考虑到以一定概率可能发生的问题来估计能力，但在这里我们先不谈这个问题。

单纯的输入错误

使用键盘输入实绩的时候理应输入実績"10"的地方有时候可能一不小心错误的输入成"100"了吧。类似这样数值差异非常明显的时候是可以归类为异常值自动去除的，但例如将"212"误输入成"221"这样的情况恐怕就没有办法区别了。

解决这样的问题的唯一方法也许是使用不易受人为错误影响的系统吧。 例如，可以通过使用条形码读取数值或在工作开始和结束时通过按下按钮自动输入日期和时间等系统来避免人为错误。

波动如此之多，似乎无法直接计测应该作为计划依据的"时间"。 因此我们对多次计测的结果进行统计处理，"推定"出一个可以说是合适的单一能力值，并以此为基础制定未来的计划。

为了推定能力，需要一定数量的样本数据。 虽说如此但是我们无法通过事先多次计测后再进行推定，因此我们使用实际工作结果进行估算。 整体的流程就是首先作为初始值在一定程度上粗略估计能力值，之后边循环运作边收集样本数据，在积累的同时逐步进行推定。

分析工序内的详细内容

应该推定的并不仅仅是资源的能力值。

虽然对某工序的多个可用资源暂时设置了单一的能力值，但是有时候实际上是有一些变化的。如图所示、虽然对某工序可用的5台机器设置了制作1个产品需要２５秒这样的粗略的暂定能力值，但基于实绩推定后发现可以将其分为两类，一类是慢的机器制造１个需要30秒以上、另外一类是快的机器只要20秒以下。

另外推定出机器 C 实际上基本没有使用。 如果排产系统每次都指定这些资源、但在车间现场每次都被订正，那么会影响计划的可行性(feasibility)和可靠性，也许将这些机器排除在计划之外比较好。

这里重要的是让我们可以人为介入进行判断干预，而不是自动做出这些判断。 在上面的例子中，如果机器C只是刚好最近闲置了，那么根据至多几十条数据，就将其排除在计划之外是不可取的。 如果基于长期积累的大量数据进行推定那么完全自动化也许是可以接受的，但产品种类繁多、产品生命周期短的制造业可能无暇等待吧。

参数化能力

让我们更进一步聊聊吧。

例如加工复杂程度不同但相似的6种零件的工序（工序１～工序６）、加工这些零件需要技能不同的6个工人（工人１～工人６）。

一种直接的建模方法是定义 6 个单独的流程，并将 6 个工分别设置能力值并作为可用资源。 在这种情况下，总共会有 36 个单独的能力值。

如果事先知道正确的值那么是没有问题的，但如果需要基于实绩进行推定，那么这不是一个好办法。

这么说是因为如果累积的数据存在偏差，那么可能会剩下无法推定的组合。 例如，假设我们已经积累了足够的总数据，但是没有工人1和工序1的组合的样本数据。 那么无论工人1的其他工序的工作结果和其他工人在工序1的工作结果再丰富，但只有工人1和工序1的组合是无法调优的，非常可惜。

这是因为没有活用无论由谁来处理复杂的零件都需要额外的时间，而高技能的工人处理事情的速度比其他人快，等等这样的相关性。 如果获得了除工人1以外的工人对工序1的加工时间的足够数据，如果发现它比其他零件花费的时间长几倍，则可以推定出工人1对工序1的加工时间也应相应地更长吧。

所以接下来优化一下建模。

将"加工的复杂程度"作为各个工序（与资源无关）的能力值。并将"工人的技能等级"作为工人资源的技能值。之后将工序和工人组合得出的能力值除以技能值的结果作为工作时间（用FLEXSCHE可以简单实现）。

之后的逻辑部分稍微复杂所以在此省略不做详细介绍，就算对于某个组合没有直接的数据，只要能推定这12个数值，那么就可以推定出所有的组合的工作时间。由于需要调整的数值也从36个减少到12个，这使得它看起来易懂且便于维护。 在6和6的数值下，目标虽然只减少到了三分之一，但在50和20的数值下，目标就减少到（50+20）/（50×20）=7/100。

换言之这就避免了我们沦落到步入垃圾遍地无法收拾的境地。

当然这种方法作为代价牺牲了自由度。因为是以相关性为前提的建模方式、"工人１可以用相同时间加工几乎所有的零件、工人２有擅长和不擅长的零件"类似这样的状况无法表现，所以这并不是万能的，需要我们灵机应变改变战术吧。

这种建模方式称之为"参数化"，是在生产排程软件种常用的便利的方法。对于减少数据量、以及提高数据的再利用率很有效。

在此聊聊更深入的话题。

在本例中，数据以"二维立方体结构"的形式进行排列和分析，由两个"维度"组成，

即工序的能力值和资源的技能系数。 我们认为在运用中这几乎可以覆盖所有的应用范围，

但 FLEXSCHE DataTuner 最多可以支持四维立方体结构。

发布DataTuner！

我们认识到广大制造业对数据调整功能的需求已经很久了，但直到前年我们才开始具体构思和设计。 渐渐地，实现数据调谐器的机制变得清晰起来，经过反复实验，终于走到了这一步。

DataTuner如下使用。

1. 花足够的时间积累基于大量的工作绩效的样本数据
2. 从存储的数据中去除噪点并对其进行统计处理
3. 构建和分析数据以推定应有的能力值
4. 人为决定是否以推定值更新各个参数

DataTuner的分析过程，甚至估算的呈现都是自动的，但它不会自行更新主数据值。 对于每个推定值，都会提出一个 "建议度"，并由用户决定是否采用每个推定值。在多维度的状况下很难立即判断是否应该应用推定值，这种情况下一定会更看重建议度协助判断吧。

顺便聊聊"打乱了计划"这个说法，当然不是计划自身乱了、而是"现实是变动的"（当然也由原有计划出错等情况）。由于问题和波动，生产现场 "一定 "会有变化，所以无论你的计划多么精确（或优化程度多么高），都只是一个 "计划"，我们是无法 "预见 "变化万千的现实世界的。 计划和计划执行的目的不是 "按计划进行每项工作"，而是在宏观整体上 "保持计划数量（→产量）和时间（→交货期）的情况下不断持续生产"。

因此一切最终都在于如何在以变动为前提的同时，"适应"这种变动并同时牢牢把握住数量和时间。 为此，能够正确估算（概率上合理的）产能是必须条件。 如果估计太高，工厂无论如何努力都无法履行其责任，如果估计太低，产能就会被白白浪费。 基于正确的能力值进行计划是非常重要的，FLEXSCHE DataTuner就是为了这些而诞生的。

承担"适应变动"的产品FLEXSCHE CarryOut。如果这两者在规划和执行的循环中一起配合使用，那么我们就能够做好迎接更多课题的挑战吧。

另外使用FLEXSCHE DataTuner积累的实际工作时间可以通过FLEXSCHE CarryOut进行采集，这真可谓一石二鸟。

下次博客中将向大家具体介绍最新产品FLEXSCHE DataTuner！