APS的实现形式，其实一直有两种方式：一是大家目前看到的一个独立的APS系统，其中内嵌了运筹学与智能优化算法乃至大数据人工智能等方面的算法，虽然不是那种传统的解析解，但基本上是比较精准的排产形式。第二种，就是利用仿真的手段来进行排产，其实是希望通过仿制内部的自适应自洽机制运行一遍，得到的结果就是排产结果。

这两种形式初始时基本上是并发并行的在发展，但在目前面向新的生产场景需求，其实也已经在走向近乎彻底的决裂，或者一种融合。而这种决裂或者融合的基础，可以参照2019年美国对中国发出的技术禁运，其中有一项就是物流系统建模与仿真。美国禁运的目的肯定不是因为物流建模与仿真常用的三维展示相关的技术，而是其背后的仿真眼镜，而这种仿真引擎的本质其实就是一种APS。

笔者关于APS的研究，其实是起始于仿真的。笔者所在的北京理工大学数字化制造研究所从2003年开始就进行生产线建模与仿真的研究，应该是国内第2家引入TECHNOMATIX eMPlant（西门子目前的PlantSimulation的前身）的高校，当时做的核心的工作就是二次开发，而二次开发就是在开发各种各样的运行规则或者说排产调度规则。但很快就放弃了仿真平台，而在2008年左右就形成了第一个独立的APS系统。

放弃仿真平台而独立形成一个系统，有三个原因。

一是，不想在别人的平台上面，尤其是国外的平台上面做嫁衣裳，也有加强自主可控的因素。

二是，传统上运用仿真是因为整个的生产系统或者是制造系统非常的复杂，建立解析解或者说类似马尔科夫模型的随机过程，其实都是不合适的，所以希望通过模拟运行的方式来求的结果。但随着APS研究的深入，将模拟运行的逻辑抽象提炼，是完全可以建立一个算法过程的，因此就没有必要在基于仿真平台来做这个事情，或者反过来说，制造系统和生产系统还没有复杂到一定要用仿真的方式来进行运行求解。

三是，最根本的是仿真引擎具有很大的局限性，尤其其基本上是基于启发式规则的，其实对于排产结果的优化是存在严重不足的，否则也不会发展一系列的智能优化算法。这是仿真建立在模拟运行机制基础之上的内在本质桎梏，是很难打破的。尤其是。不同行业或者企业的定制化求解约束也要求APS内在的算法模型具有良好的扩充性，而仿真平台其实增加了很多不利于发展的限制。

四是，仿真的可视化运行效果，现在基本上已经通过车间或者产线的数字孪生来实现了，进一步压缩了传统仿真的运用。

但是随着APS的深入发展，笔者感觉再次印证了技术和事物的发展是一种螺旋式上升或者否定之否定的方式，是非常符合哲学发展规律的。

一是，仿真的内部运行机制，其实就有天然的智能性的。如果对第4代APS有了解的话，基本上就是一种仿真的运行方式，但不是传统的仿真的那种做法，是需要进行改进的，但本质上是一样的。

二是，的一些特殊的应用场景中，比如在AGV路径规划以及精细化控制执行等应用中，仿真的机制还是非常不错的，虽然表面上并不是用传统的仿真平台。

APS与仿真虽然表面看起来在走向决裂，但其实在内在的底层上面是走向融合，外在的形式已经不重要了。融合是制造系统运行的抽象逻辑在走向一致，但是在灵活性方面来说，APS是比仿真要更加容易控制的，并且在改造传统的仿真系统。笔者目前已经着手组织和策划开发一种融合APS和仿真的软件系统，今年应该能够出一个原型。

作者信息：王爱民，工作于北京理工大学数字化制造研究所，长期从事APS、智能加工等技术研究、系统开发与实施应用。

笔者公众号：智能制造随笔，欢迎关注。

       原文标题 : 王爱民： APS与仿真系统的关系分析