作为国内领先的APS生产管理与物料控制软件原厂商, 永凯APS一直坚持自主开发,最大限度地帮助生产制造型企业降低生产成本, 最终提高整个企业的生产及管理效率。在永凯APS多年来丰富实践的基础上, 永凯APS在 五金行业、家电行业、模具行业、化工行业、注塑行业、机械行业、电子行业、钢铁行业、食品行业、汽车行业、医药行业 等生产制造领域形成了一系列APS行业解决方案。 同时,各个制造领域成功应用的行业实践也证明了 永凯APS生产管理与物料控制行业解决方案是成熟高效的,完全可以大大改善企业的生产和管理效率。
永凯APS汽车零部件行业解决方案, 广泛借鉴了国内外汽车零部件企业信息化的成功经验和国际先进汽车零部件行业解决方案的特点, 充分考虑中国汽车零部件企业所面临的现实环境以及诸多个性化需求, 帮助中国汽车零部件企业实现优化生产管理流程,提高对客户需求的快速响应能力, 降低生产营运成本和提高工作效率,提高企业发展的核心竞争力等目标, 为提高中国汽车零部件企业的核心竞争力做出贡献。
机械制造行业由于其工艺复杂的生产特点,工艺及在制品管理困难。 单纯的靠手工排程,难以满足现代企业快速发展的需要。 永凯APS积累了丰富的机械制造行业经验和众多机械行业客户的实践, 基于供应链管理和约束理论,通过平衡有限生产能力和物料需求, 帮助机械制造企业建立精准、详尽的生产与物料计划, 为企业不断提升管理水平,增强企业核心竞争力提供整体解决方案。
永凯APS注塑行业解决方案,通过注塑行业用户的生产管理模式, 基于行业性以及生产和排程功能,在研究和探索形成以注塑行业的关键应用和难点为重点, 突出注塑行业的个性化应用,帮助注塑行业实现以销定产、快速响应市场需求。 运用灵活敏捷的计划体系,将市场需求快速地分解成可以执行的采购、生产和委外加工计划, 缩短了产品交货周期,减少注塑企业的订单交期压力, 从而全面提升企业运营效率,帮助注塑企业提升业绩,并在市场竞争中获得竞争优势,实现企业长期发展的目标。
永凯APS家电行业解决方案在众多客户广泛实践的基础上积累了丰富的行业经验, 提炼出了一套符合家电行业特点的一体化的信息化全面解决方案。 该方案专门针对家电行业的管理重点和难点,深入分析家电行业的应用需求, 充分发挥永凯APS先进生产管控技术平台和强大业务功能的优点,强调生产计划与执行过程优化, 本着“快速配置、快速实施、快速应用、快速见效”的原则, 有效解决家电行业的困惑与难题,是家电企业实施生产信息化的最佳选择。
在充分考虑到电子行业企业生产管理特色及模式之后, 永凯APS电子行业解决方案以先进生产管理理念为核心, 以灵活多变的强大功能为依托,通过库存管理、优化排程、 现场控制帮助电子行业合理控制企业物流。销售计划、 生产计划和采购计划有效集成,有机结合了电子业企业的现状, 对电子电器行业企业有很好的适应性。永凯APS通过精益生产, 缩短了生产周期,提高了生产效率,降低了库存成本,加快了市场响应速度, 减少了电子企业的订单交期压力,从而全面提高了企业服务水平和竞争力, 帮助电子企业提升业绩,并在市场竞争中获得竞争优势,实现企业长期发展的目标。
作为国内领先的APS生产管理与物料控制软件原厂商, 永凯APS一直坚持自主开发,最大限度地帮助生产制造型企业降低生产成本, 最终提高整个企业的生产及管理效率。在永凯APS多年来丰富实践的基础上, 永凯APS在 五金行业、家电行业、模具行业、化工行业、注塑行业、机械行业、电子行业、钢铁行业、食品行业、汽车行业、医药行业 等生产制造领域形成了一系列APS行业解决方案。 同时,各个制造领域成功应用的行业实践也证明了 永凯APS生产管理与物料控制行业解决方案是成熟高效的,完全可以大大改善企业的生产和管理效率。
永凯多年以来坚持不懈,为不同行业提供专业的精益生产管理与物料控制解决方案。 有着丰富的成功导入业绩,截止2016年6月, 永凯APS已被1112 家制造工厂成功导入。 请看下面各行业类型的导入业绩比率表。
永凯软件是行业前沿的供应链计划协同(SCP)和生产计划与排程(APS)管理系统的美资供应商,涵盖需求计划、产销协同和生产计划排程。助力实现生产、供给、销售协同,准时交货、降低库存、提升利润,已在一千多家工厂及众多世界500强企业中成功应用。
生产管理软件调度方法存在的问题(上)
时间:2016年05月05日 来源:永凯软件技术(上海)有限公司
生产管理软件调度方法存在的问题(上)
生产管理软件调度领域中的大部分问题都具有NP问题,虽然对它的研究已有几十年的历史,但至今尚未形成一套系统的方法和理论,理论研究与实际应用之间还存在着很大差距。尤其随着JIT思想的广泛采用,E/T调度问题,即使得工件尽量按交货期完成,变得越来越突出。实际应用中的调度方法能够响应系统的动态变化,但不能保证得到好的调度:一些理论上的最优化方法能提供最优调度,但由于其计算的复杂性,并且忽略了很多实际因素,离实际运用还有较大距离。基于最优化的方法,诸如动态规划算法与分枝定界算法等,由于其大多数是建立在对可能调度的部分枚举上,因此智能解决小规模的调度问题,距离实用还有较大距离。
由于大多调度问题属于一类NP困难组合问题,因此寻找具有多项式复杂性的最优算法几乎是不可能的。但因其解的最优性、至今仍激发着学者们进行不断的探索。各种近似/启发式方法、诸如基于规则的算法等,由于能在合理的时间内产生比较满意的调度,因此广泛应用于实际调度中,但其往往对所得的调度解的次优性不能进行评估。在这方面有必要探索更好的近似最优调度算法,可以考虑增加合理的计算时间代价,提高解的次优性。各种基于统计优化的方法,诸如模拟退火法、遗传算法等,提供了一种解决调度优化问题的新途径,但同别的优化算法类似,其也存在着一定程度的枚举、一般来说收敛到最优解很慢,并且对于判断解的最优性也很困难。在这方面也需要做进一步的研究。
标签:
热门标签更多