‘自学习’让PRM更聪明

排产中最核心的‘产能’概念可以用函数的方式简单表达为以下公式：

f(工艺模型，期望时间，优先级，物料供应) = 产能。

简单分析此函数中各变量所表达的意义。函数中的第一个变量‘工艺模型’就是具体的生产方式，也叫生产工艺，它包含工序、时间、设备和人员、投入产出物料等。改变生产工艺来提高产能的方式被各种企业广泛采用。比如某企业会在生产紧急的情况下会去掉某道工序，或者压缩工序时间，或者换一更容易获得的原材料等，目标就是通过改变工艺来提高产能。

‘期望时间’体现了人对生产的要求，最常见的如避开高峰期可以提高产能。比如某个订单一定要求在本月完成，可能只能完成一半，如果推迟到下个月，或者提前开工，都可以全部完成。

用‘优先级’直接影响产能也是企业常用的方法。最常见的是：把这个事情先停一下干更要紧的任务。在PRM中经常要计算出，如果这张订单的优先级从40提高为50，就可以在本月内完成，否则必须下个月完成。但是优先级提高本月内完成必然导致其他订单被推迟，这个代价是否值得，还要人为来认定。

‘物料供应’就是原材料的供应能力。很多企业面临这样的难题，多花钱保障采购供应及时到位，产能就提高；省点钱采购导致供应不及时，产能就降低。 在这些企业中，原料供应能力 = 产能。

‘产能’就是这些复杂变量的最终综合作用的结果。PRM在计算过程中不断对这些变量进行判断分析和计算，最终得到的‘产能’可以体现为一个简单的数值：时间节点，它包含开工，完工，关键中间点等多个节点的时间。

用时间来表达最终的产能对企业的排产人员来说很容易理解。‘这个月完不成’，‘下周四才能开工’，此类话语是生产计划人员下结论时候最常用表达方式。而在多个产能变量的分析中，把其他三个变量固定，再分析其中一个对产能的影响是企业排产人员的日常功课。比如，假定物料供应不变，工艺模型不变，期望时间不变，问题就变成：什么样优先级可以满足本周内完工的要求又不影响其他订单，或者动哪个订单不动哪个订单比较合适，这就是PRM已有的‘优先级评估’的功能。假如工艺模型、优先级、期望时间不变，问题又变成：怎样提供物料才能保证不停工待料？这是PRM‘线性库存表’的主要功能。假如物料供应不变，优先级不变，工艺模型不变，问题变成：什么时候开工才可以本月内完工？这是PRM‘决策支持’的主要工作内容。总之，与产能相关的每个问题都对企业是很重要的。如果其中几个变量都无法固定，全都可以有变化，那么如何排产变成极其复杂的问题，有太多种排产组合方案必须要有一个复杂的人机交互和决策过程。

假如产能问题已经被解决，这个解决过程一定是一个复杂的综合处理过程，可能包括提出设想-计算-分析-调整-再次提出设想和再次计算等等，这个过程并非本文的重点，重点在之后的学习和提高上。

假如一个人在参与解决了所有这些问题以后，他得到的最终结论类似于：这样的一个生产任务，需要以某种特殊的方式生产，优先级不能低于50，在一周后才能开工，本月底才能完工，而且A设备的利用率最高，B物料必须及时供应，还需要一车间的配合才能完成。所有这些结论对一个人来说是一种非常重要的‘知识’或者‘经验’，这对企业排产是非常关键的。当这个人去参加一个生产工作会议，领导要求大家分析下一张类似的生产订单，可以想象，他不必再次经过什么复杂的综合分析或者人机交互的计算过程，就可以当场作出一个简单的结论：‘新的订单不可能在本月内完成，而且A设备和B物料是关键’。此前，没有任何人能做出类似的断言，但是经历了前一个订单的处理后，再做出此类结论就成为可能。并非是人变得聪明了，而是人类特有的逐步学习积累和分析总结能力导致。

现在的关键是：计算机能否像人一样掌握这样的学习能力？不要小看了‘本月内不能完成’、‘A设备和B物料是关键’这样再简单不过的结论，它可以在以后的排产中起到关键作用，大幅提高后一个订单的计算速度，企业排产效率可以大幅提升。

PRM最新版本已经增加了类似的自学习功能，PRM所有的排产计算过程同时也是它学习和提高的过程，之前的排产为之后的排产提供经验和分析，计算机可以像人一样越用越聪明，速度越来越快。该功能已在企业中实际运转和明显提高运行效率。

但是由于不同企业的排产运行特点不同，自我学习和提高效率的方法也不尽相同，对此，PRM还需要积累更多的经验和做更多的理论突破，升级和提高的道路仍然任重而道远。