在离散性的制造业企业，尤其是以人作为主要资源的生产现场，APS排程的主要目的是排程自动化，而不是优化。
APS（高级计划排程）的产能模型
APS排长期计划和短期计划的产能模型是一样的，按照精确的工艺数据（如果有）排出来的精确计划和精确调度是一样的。比如：APS排出来一个精确到每个资源的三个月的“大调度”计划，然后再切出来月计划、周计划、日计划。事实上，制定工厂的长期生产计划的依据是工厂产能，制定车间的短期生产计划的依据是车间产能。大批量生产，工厂产能、车间产能和资源产能的差距不大，但是在离散性较大的制造企业，长期计划、中期计划、短期计划的制定模型是不同的。
所以，当前在离散性较大的工厂实际应用中很少用APS做计划的。多数实例中APS就是一个做局部调度的插件。多年以来，工厂都是从大批量生产走到小批量生产的。他们大多还是延用了大批量生产做计划的思维模式。订单比较充足的企业，做季度计划、月度计划、周计划都是按照产能100%来设计的。实际上生产现场会受到很多干扰， 插单撤单、设备人员例外都会影响产能。所以，中长期生产计划可执行率降低，使得部分订单延期，停工待料，加班多等等。
计划不能很好执行的原因
在大批量生产模式下生产计划容易做，效果也会良好。它做计划的原理就是，把将准备生产的产品任务导入系统，包括routing以及每个设备资源的能力都进入系统，在有限资源能力模型下运行，相当于虚拟生产一遍。这样得到了详细的每日每时的计划。然后切出来日计划可以做派工单，切出来周计划、月计划用于生产准备或者物料采购。APS是一个做计划调度的工具，它制定计划和计算调度的产能模型是没有区别的。输入是订单、生产工艺流程，输出是生产指令。如果排月计划，它可以精确到一个月后某台设备某个分秒干什么活。只要是计划，都存在不确定性，有误差是正常的。日计划的误差能够做到以小时计就非常好了。指令中的分秒就没有意义。周计划的误差能够做到半天误差就非常好了，指令中排到机台的信息就没有意义了。如果是月计划，误差是三两天很正常的。由于大多数指令是发给人的，人可以修正指令的误差，所以可以容忍这些误差。如果是指挥机器人，那么就不能有误差。
大批量生产的订单可以通过市场预测获得，产品相对是成熟的，输入的基础数据基本都有现成的，甚至半年后将要生产的产品数据都很齐全。用ERP的MRP就可以做出物料需求计划，经过人工调整后可以得到工厂的采购计划、生产计划、财务计划等等。但是在小批量、多品种的定制化情况下是按单生产，订单的信息在编制计划的时候是不完整不准确的。距离下达生产时间越近，信息越完善。很多订单是在投产前才能把详细工艺文件编制好。作为工厂不可能不做生产计划。可是没有详细的工艺数据和资源数据，APS也无法做计划。如果等完整的时候早就过了该做计划的时间。在这样的场景，APS的计划功能远不如MRP更接近实用。
作为一个排程工具，挑战是要让排程指令接近车间调度、班组长、工人的习惯。如果你的排程结果不符合他们的习惯，自然就有质疑有抵触，人工也觉得不好用。调度指令既然是车间的决策，就涉及到一些员工的权力、责任和义务。APS需要顾及到这些问题，如果类似这样的利益冲突问题多了，APS就很难在车间实施应用。实际上，车间员工的习惯也是一种经验，包含了工业知识。APS也应该学习借鉴。比如一个加工中心有若干机床。车间接到一批工单后会根据习惯，通常给出这批活儿分配给哪个机床或者哪几个机床。如果让APS自己配置，则一定是按照某种规则分配。如果规则和这个工作中心工人的习惯不同，这个排程就无法执行。因为工人的习惯包含了经验和知识，会觉得你的排程不可理解不合常规。
APS是一个排程自动化工具
在做短期的车间调度计划的时候，APS还是很有效的工具。这里最主要的原因是快速反应能力可以让工人的灵活处置生产现场的各类例外。车间的生产计划调度管理人员，通常都非常有经验，而且他们的经验计算机学起来还不大容易。但是，计算机算的快算得准，人无法相比。一些人追求APS排程精确，其实这是不必要的。在离散性的制造业企业，尤其是以人作为主要资源的生产现场，APS排程的主要目的是排程自动化，而不是优化。实现排程自动化就可以快速反应，插个工单，撤个工单分分钟可以得到新的排序，远比人工要简捷。排程的资源也不要太多，排一个或两个资源就够了。在离散性很大的生产现场，通常管理水平控制能力达不到精细化，即使排好也不一定能够执行。排程的目标主要就是两个，或者是产能最大化，或者是生产周期最短。其实这也就是正排和倒排。
静态数据和动态数据
静态数据和动态数据是相对的。在大批量生产模式下，数据的动态特征很弱，所有数据可以视同是静态的。随着小批量、多品种、混线生产程度的加大，一些数据逐渐呈现出明显的动态特征。我们做了一些归纳。部门信息、设备工具信息、产品相关的数据（工艺、BOM等）、工作日历、组织架构、班组人员，这些数据属于静态数据；物料库存、采购、外协、订单，以及排程的目标、排程的约束条件、排程的规则都属于动态数据。
在定制化生产中，订单任务的工艺工序数据可能初次进入生产阶段，这些数据可能在实际加工生产过程多次修改。尤其是设计部门给出的工时数据肯定是有误差的，甚至工序的标准“工时”是不存在的。如果我们按照传统的管理模式方法，是无法驾驭这些动态数据的，也对生产计划和调度的制定造成很大困扰。在过去大批量生产中，很多企业采用每个月或每个季度“盘库”解决库存数据的准确问题。但是在当前小批量、多品种的生产环境，他们会发现库存数据永远不清楚。学会在用动态数据管理方法管理动态数据是我们当前必须面对的一个课题。在小批量、多品种生产模式下企业决策的目标也是多目标、动态的，有些时候目标之间相互矛盾。有紧急任务即使浪费产能也要完成；有些订单赔钱也要做，等等。某个时期以产能最大化为目标，某个时候以最短生产周期为目标。动态数据的捕获也是一个新课题。例如：库存、订单变化、外协产能，以及物料、工艺的不同版本和生产现场发生的各种变化数据等等。
生产计划的质量问题关乎企业的竞争力
生产计划调度是企业的决策问题。一些管理软件是制定生产计划调度的辅助工具。但是，并不是所有企业都关心这个问题，想方设法改善提升企业的生产计划调度的质量。在当前很多行业产能过剩的状态，至少一半企业不需要关心这个问题。只要产能丰富，制定生产计划调度依靠人工制表就足够了。对于离散性的制造业企业（例如零部件生产企业），当产能利用率达到一定程度（大约60%-70%），如果不研究生产计划调度问题，就会产生低效和浪费，会影响订单交期，但是依靠人工经验还是可以应付的。当产能利用率达到75%以上，人工经验已经略显不足了，需要计算机和软件来帮忙了。有意实施生产计划调度自动化/优化技术的企业，应该都是具有一定市场竞争力的企业。他们能够关注细节，说明他们的管理水平已经提升了。反过来说，管理水平还比较差的企业实施APS是很困难的。
