流程工业中APS的算法

（1）数学规划算法

广泛使用混合整数线性规划（MILP）或混合整数非线性规划（MINLP）。对化工企业建立数学规划模型，求解总成本最低条件下的生产任务的分配问题以及产品的分配问题。也可以建立了一个通用的MINLP模型，目标是最小化最大完工时间（make span），确定投产批量。采用贪婪启发算法，并与其他启发式算法进行比较。

需要考虑计划期长度、原料可用性、有限负荷（finite loading），清洁操作（cleaning operation）,通过Cplex计算的混合整数规划。但是数学模型几乎不可重用，即使微小的变化也可能使得所选算法效果变得极差。数学规划中对实际问题求解的计算量太大，如分枝定界法（B&B）。为了提高效率采用各种改进形式的B&B算法或者简化计算技术. 采用启发式算法为了考虑更简单的模型。

（2） 约束规划

能够成功的用来解决制造业生产计划问题的约束传播代表是ILOG Optimization Suite。当必须在计划中考虑大量约束时，约束规划非常适用。一种适合于流程行业需求的方法。这种方法采用约束定向搜索（constraint directed search CDS）解决问题的组合部分，并且确定剩余的（N）LP问题是否解决。组合部分的解中包括了，通过对变量赋值和规定变量值和顺序的启发规则进行的用户干预。

（3）仿真方法

一般仿真方法是和数学模型、规则调度等相结合来解决问题。与数学规划采用全局的、简化的观点相比，仿真提供了一个局部的所有任务、排序和时间决策结果的可视化观察，并能够以较低的计算成本对一个特定的计划问题进行详细的、快速的分析。仿真一般是对可供选择的方案进行对比分析，可以用来评估用户所提出的候选计划。

（4）人工智能

近年来，人工智能技术被引入生产计划领域，是解决计划问题的有效途径。结合数学规划方法和人工智能技术、专家系统是一个较好的方法。人工智能在大量科学领域复杂问题求解中得到显著成功。

安达发APS是一种基于供应链管理和约束理论的先进计划与排产软件系统。它通过同步考虑多种有限能力资源的约束，依据各种预设规则，通过非常复杂的智能化数学算法，反复模拟、试探、优化、计算，最终给出相对最优的详细计划。安达发APS能很好的弥补了ERP在精细化生产计划与排程方面的空缺和不足。