高級排產為高級計劃與排產的簡稱，英文名稱為Advanced Planning and Scheduling，簡稱APS。國際上還沒有做出明確定義，它是一種基于供應鏈管理和約束理論的計劃與排產工具，包含了大量的數學模型、優化及模擬技術，其功能優勢在于實時基于約束的重計劃與報警功能。根據當前的基本約束進行排產基本都可以得到一個合理的排產結果，單純的基于約束理論的排產只是解決了如何避開約束進行排產的問題，但是如何能在排產過程中考慮更多最優因素得到一個相對最優解？比如如何盡可能減少成本？提高質量？減少加班？盡量發揮員工的特長？等等 。

  為了讓計劃排產更加的智能，國工智能智能制造平臺在排產和任務調度中加入了人工智能求解器算法，可以在有限的時間內根據業務的自定義規則來進行分數評估，自動選擇最優解。最優解即在給定資源條件下所滿足目標要求的最優解決方案；相對最優解說的是針對同樣的資源條件和目標需求所給出的不同解決方案進行比較，更能滿足目標要求的解決方案。

       最近公司在與客戶交流探討業務的時候，了解到這樣的一個業務場景和需求：生產車間接到生產訂單做計劃生產產品，所要生產的不同產品有不同的生產工藝流程，每個生產流程下有對應的生產工序，每個生產工序需要對應的生產設備。如何分配設備資源，滿足盡可能多的生產計劃，創造更多的收益或者生產訂單確定的情況下，如何分配設備資源，實現更低的成本消耗，利益最大化。這是車間生產常見的排產問題。
       在排產過程中，必然存在某些制約因素，滿足某些需求才能進行，或是交期保證，或是產能限制，或是關鍵工序制約，也就是說任何排產至少存在一個制約因素/瓶頸，否則他就可能無限的產出，沒有排產的必要。
       現實環境中的排產除了滿足各約束的原則之外，有一種相對來說比較固定的，或者比較約定成俗的原則盡早開始(As soon as possible)，和即時生產(Justin time)。
盡早生產，其實說白了，就是有一個產品的一系列生產任務，一旦準備就緒了，就可以將它排入計劃中，且排在時間軸上越靠前越好，不同工序對應的生產任務，在遵循固定的工序先后時間關系的基礎上，越早開始越好，應對未來的生產任務和產能具有不可預見性，比如未來會不會突然因為客戶加單、機器故障等客觀且不可控因素導致產能吃緊等情況。
       即時生產，一個產品的一系列生產任務，先確定最后一個工序（例如包裝）的生產任務要求什么時間要完成的，然后基于這個完成時刻，往前推算（例如，在要求完成時間，減去加工任務的時長，再減去一些準備時間等），就可以推算出前一個工序的生產任務的要求結束時間.....如此類推，就可以推算到整個產品的首個工序的生產任務的開始時間，從而得到所有生產任務的具體生產時間（包括開始時間與結束時間）。

  公司最近在研究人工智能約束求解器相關技術。人工智能約束求解器，可以利用運籌學模型與機器學習將實際問題轉化為數學模型求解。它可以優化規劃和調度問題，將復雜的AI優化算法（如禁忌搜索，模擬退火，延遲接受和其他元啟發式算法）與一些非常有效的約束評分計算技術，還有其他最先進的約束求解技術相結合起來，量化規劃問題的硬性約束條件和軟性約束條件，對每個規劃方案進行硬性條件和軟性條件評分，根據評分反饋優化方案的規劃，不斷的比對獲取更佳方案，在有限的時間內，方案不可窮舉的情況下，推薦出滿足硬性條件，軟性條件極大的滿足，人力所不能觸及的優質方案。

  根據所了解到的業務場景，結合公司最近研究的人工智能約束型求解器，該排產問題完全可以使用約束型求解器，將生產任務以及設備資源轉換為數學模型，將業務場景需求轉化為相應的約束條件，遵循約束性求解器的軟硬分約束規則，完生產任務的排產。

  結合人工智能排產引擎的使用，規劃工廠生產數據關系如下： 

   創建產品名稱為LB32自制加工的化工產品生產訂單，其中訂單日期為2021-01-09，交貨日期為2021-01-20。如下圖所示：

   產品LB32自制加工的生產工序要求如下所示，需要4個工序，每個工序24小時，也就是1天。每個工序對應該工序的所需操作功用，按照工序順序依次分別為吊帶離心、不銹鋼結晶、搪玻璃反應、柱子過濾。

可用的排產資源如下圖，設備提供的資源功用分別對應如下：搪玻璃反應釜---搪玻璃反應、柱子過濾器---柱子過濾、吊帶離心機--吊帶離心、不銹鋼結晶釜---不銹鋼結晶、鈦棒過濾器---鈦棒過濾、燭式過濾器---燭式過濾。

   排產資源對應的資源功用，是對該排產資源對外所提供功能的功能定義和描述，是由該排產資源的固有性質所決定的。根據資源的固有性質可維護單條或多條資源功用。

   針對這些設備資源，維護資源可用情況如下：

   生產訂單任務以及設備資源創建維護好之后，根據業務模型以及約束型求解器的約束規范編寫約束算法。使用盡早生產排產方案，根據所生產的產品LB32自制加工對應的生產工序要求，按照工序順序以及每個工序對應的所需的資源功用去匹配設備的可用時間資源，配合約束型求解器對應的 硬分，軟分的約束機制，獲取該產品生產訂單的生產計劃如下：

  點擊排產按鈕，系統自動根據評分規則在有限時間內進行最優解排產，自動生成該生產訂單對應的生產計劃設備分配甘特圖對應展示如下：人工智能約束求解器使用的軟硬分反饋排產計劃的優劣，此處硬分反饋的是工序的約束，分數為0；軟分反饋的是兩個工序之間的時間間隔，分數為0點擊分數可以查看當前排產方案的分數評價情況，進行排產方案對比，從而可以對訂單進行調整。

  根據經驗，使用約束型求解器進行排產與傳統排產也是有著明顯的優勢：

  1）排產操作簡單化。建立業務模型后，人工智能排產引擎使用約束型求解模式對規劃問題求解，將注意力集中在資源的約束描述上，使得排產過程變得簡單化，使得原本難以入手解決的問題迎刃而解。

  2）節省了時間成本。人工智能排產引擎使用復雜的AI優化算法（如禁忌搜索，模擬退火，延遲接受和其他元啟發式算法）在較短的時間內獲取更優質的排產方案，大量節省了獲取優質排產的時間。3）節省資源成本，提高收益。使用人工智能排產引擎獲取資源使用少，產能輸出高的排產方案，直接或間接的節約了生產成本，提高了價值創造，為客戶帶來更高的收益。