高级计划系统是一种基于供应链管理和约束理论的，包含了大量数学模型、优化及仿真模型的高级计划技术，它考虑企业内外的资源和能力约束，利用复杂的智能优化运算法则，作常驻内存的计算，通过模拟仿真实现整个供应链战略、战术、操作层面的详尽计划信息，同时为顾客提供精确的交货期。

从20世纪5O年代以来，许多学者一直在寻求用数学方法进行精确计算来安排生产计划和进度。但由于当时受建模困难、运算量大等客观条件的限制，发展比较缓慢。随着MRP方法的诞生，生产计划管理领域就存在着两种编制生产计划的哲理：MRP方法和数学解析方法。8O年代中期，从缩短计划运行时问来改进MRP的工作取得成效，产生了快速MRP模拟技术。1984年AT&T推出的Karmarkar’S算法，成为线性规划(LP)的突破性进展，以后几乎被所有现代LP解决方案所采用。随后MRP进一步发展为MRPII，它将计划与执行结合在一起，不仅考虑了生产方面的资源，还考虑了销售与供应等方面的资源，形成了一个连续的实施和反馈环，因而在MRP的基础上又前进了一步。90年代至今仍方兴未艾的企业资源计划ERP是作为MRPII的扩展而出现的，它将企业的各个过程集成在一起，以便更有效的综合利用企业的各项资源。从此以后，企业广泛采用企业资源计划ERP对企业运作进行管理，并曾创造了ERP实践的辉煌时期。然而ERP主要是针对企业内部资源的管理，它的核心逻辑基于无限能力假设和固定提前期，缺乏优化功能。同时它不具备协调多个企业资源的能力。随着市场竞争加剧，技术创新加快，消费者需求个性化日趋明显，越来越多的企业意识到，单靠企业自身生产过程的优化以及改进企业内部的管理所获得的收效变得越来越有限，于是开始将管理的焦点转移到相关独立企业之间的协同和企业内外物流以及信息流的集成与优化，以实现“共赢”。

因此，为寻求克服ERP的不足，在上个世纪9O年代中期，出现了高级计划与排程系统APS。

著名的OPT发明人Eli Goldratt对APS的发展有显著的功绩。优化生产技术OPT本身就是一种根据能力瓶颈的安排计划的哲理，后来他又继续发展成为约束理论TOC(Theory ofConstraints)，开始在离散制造业优化排序中应用，出现了第一批APS公司和基于常驻内存运行的交互式APS产品。9O年代一些主要的化工企业开始选用APS供应商的产品。其后，新的计划与排程系统开发商，其中许多人是数学或运筹学高级专家，经过多年研究，将线性规划等优化方法通用化，在新一代计算机的支持下，创造出几乎能在瞬间生成优化计划的软件包，使理论的数学解析的计划方法达到了实用程度。这些新的软件包被称为APS引擎。新的计划解决方案APS引擎的出现，使基于数学优化方法的生产计划重新得到关注。

APS与传统的ERP、Jf等系统相比，其特点是：

① 关注整个供应链网络，同时提出长期、中期与短期运作计划；

② 采用基于约束理论(TOC)的能力约束计划，充分考虑物料、生产能力、运输能力等各种约束对计划制订的影响；

③ 实现供应链上多源信息的集成与共享。

(一)供应链网络配置优化

核心企业在构造供应链时，为了更好地协调与匹配众多供应链上下游企业的业务合作关系，需要对大量潜在的供应商、制造商和分销商进行选择、地理位置定位和能力配置等问题进行决策。对于供应商选择问题，Tjendera(2005)等建立了供应链网络结构的随机规划模型和基于Bender分解法的求解算法，并分别对国内供应链和全球供应链实例进行了仿真研究；Ghodsypour(1998)等集成层次分析法AHP和线性规划方法，建立了供应商选择和评价决策支持系统；Luitzen(2001)等回顾和综述了关于供应商选择问题的定量分析方法研究情况，包括线性权重法、层次分析法、数据包络分析法、数学规划法及基于实例推理CBR的人工智能方法、神经网络算法、遗传算法等。成员企业的地理位置确定和能力配置是供应链运作协调中需要决策的另一个问题。

Wang(2004)等将其分为面向库存构建BTS和面向订单构建BTO两种构造模式，建立了一个集成BTS和BTO两种策略的优化定位数学模型，并进行仿真分析，仿真结果证明了该模型通过优化工厂布局和能力分配，可以有效降低成本和提高供应链整体绩效；Erdem(2005)等研究了汽车供应链中的分销中心能力配置和定位问题，并建立一个线性规划模型和设计了基于拉格朗日搜索的求解算法。供应链网络配置优化关键是获得所需信息，然后通过专家系统、仿真模型、启发式模型或其它优化模型进行分析，以找到最优配置。

(二)需求计划

需求计划通过综合考虑未来客户需求以及客户订单等信息制订计划。准确的需求计划可以真实反映客户的未来需求，降低供应链中的多余库存，减少企业的生产波动。在以客户为中心、需求为导向的市场环境下，企业的分销计划、物流计划和生产计划都直接受需求计划的影响和制约。需求计划的理论研究主要侧重于需求预测方法的探索和应用。国内外对需求预测进行了大量研究。目前主要的预测方法有时间序列法、人工智能、神经网络算法、基于多智能体的预测法等。Stadtler(2005)认为对未来需求的预测构成了供应链中所有战略性决策的基础，其它运作协调活动都是以它为基础的；李勇(2005)等建立了基于乘积求和自回归平均滑动的需求预测模型，并结合SAS统计软件对实践应用的预测结果进行了评估；江盛树(2003)等针对流程制造企业供应链的特点，采用BP神经网络建立了客户分销的预测支持系统，并对某造纸流程企业的周销量件数进行了实例预测仿真；蔡颖(2004)总结了预测的12种定量方法。有效的数据模型对于供应链需求计划固然很重要，但关键还在于成员企业的协作与信息的有效共享，减弱“牛鞭效应”，并实现基于Intemet的协同需求计划。

(三)分销计划

分销计划是APS重要功能之一。合理确定分销计划是提高服务质量、降低配送成本和增加收益的重要手段。分销计划的核心问题就是分销路径的优化。由于分销路径优化问题被公认为是一个NP难题，因此相关研究文献中大多采用了基于概率搜索的优化算法。Hwang(2002)研究了基于时间约束的车辆路径优化问题，并通过改进遗传算法交叉算子对该问题进行了求解；祝崇隽(2001)等回顾和综述了车辆路径问题研究情况，认为车辆路径优化问题主要有基于精确算法和人工智能算法的确定性VRP，以及基于随机和模糊模型的不确定性VRP两种类型。

(四)生产计划与排程

生产计划与排程是企业应用最早和最多的APS功能之一。生产计划与排程主要解决车间多工序、多资源的优化调度及顺序优化问题。它基于工序逻辑约束和资源能力约束，计算最早开工时间和最迟完工时间，并进行多种优化方案的比较，优化目标是成本最低、延期订单最少等。但是在处理大规模的约束优化计划问题上，它还存在很多问题和不足，这是因为上述的优化与协调问题大多属于数学上的NP问题。鉴于此，研究人员尝试了多种方法对APS中的优化排产和调度问题进行理论探索和创新。这些方法大致可以分线性规划法、人工智能法、基于仿真的方法和概率搜索法等。由于生产计划与排程大多数是非线性优化问题，所以智能优化算法成为近年来研究的热点(Lee，2002)。

(五)供应链集成计划

供应链集成计划是APS中非常重要的一个组成部分。供应链环境下分布式多工厂的业务运作协调问题是供应链中的典型难点问题之一。供应链集成计划模式摒弃了传统的单个企业单打独斗的思想，把企业内部与上下游节点企业之间的各种业务看作一个整体，将多种业务计划集成到一起考虑，建立面向整个供应链的同步化、集成化的综合计划模型。Lee(2002)等建立了面向多制造商的有限生产能力的批量决策数学规划模型，并利用基于拉格朗日松弛的启发式搜索规则对模型进行求解；周金宏(2001)等研究了实现最小化提前/拖期惩罚费用、生产成本、产品运输费用的总额为目标建立的分布式多工厂、多分销商的供应链生产计划模型。供应链集成计划能够同步协调供应链成员企业，使整个供应链好像在一个计划指导下运作，从而有效保证各成员企业业务的同步性和协调性，达到快速反应客户需求和有效降低整个供应链运作成本的目的。

(六)可承诺量ATP

在当今市场竞争节奏加快，客户需求千变万化的时代，能否对客户订单做出准确和可靠的订单承诺，已成为决定企业成败与否的关键问题之一。在此背景下，关于ATP的研究和实现问题逐渐被大家所重视。在MR．PII、ERP中也包含了简单的ATP功能。但传统ATP的承诺方法是先查询制造商的成品库存信息，然后根据库存数量对订单进行承诺，如果库存不足，则下新的生产订单来完成订单需求。传统ATP承诺可能会产生不可行的承诺结果，主要是因为新生产订单的下达没有考虑企业能力资源的限制问题，从而无法有效保证新生产订单按时按量完成并交付给客户。

Chen(2001)等将ATP和生产调度混合考虑，并提出了面向企业ATP的混合整数规划模型。Xiong(2003)等研究了能满足Web服务的ATP，并都指出，如何将ATP的功能系统化，并和其它计划与控制系统进行有效集成来提升ATP的功能，将是进一步需要研究的问题。Richard(2005)等研究了满足订单数量和交货期的ATP方法体系和模型，指出如果客户的订单不能满足，如何考虑使用替代品或其它企业的成品等来满足ATP将是进一步的研究方向，然而面向供应链的ATP需要进一步考虑供应链上各节点企业的能力与收益约束，以增强订单承诺结果的科学性和可行性。在APS的应用和开发研究上，世界著名管理软件公司i2、Manugistics、ILOG、SAP和Oracle等都进行了大量的工作。目前越来越多的企业开始意识到了APS计划系统在提升企业核心竞争力方面的重要作用，特别是在国外的一些大型企业内部已经同时应用ERP及APS，并将一部分原来的ERP计划功能替换为具有优化能力的APS计划模块，这些都将极大推动APS的深入研究及推广应用。