面向主计划制定、物料需求计划生成等业务活动，针对 市场波动频繁、交付周期长等问题，构建生产计划系统，打 通采购、生产和仓储物流等管控系统，应用需求预测、多目 标多约束求解、产能动态规划等技术，实现生产计划优化和 动态调整，缩短订单交付周期。
主计划制定，这里应该说的是主生产计划，一般被称为 MPS(Master Production Schedule )，在数字化系统划分中，一般会将这个归为ERP中；物料需求计划，一般称之为 MRP (Material Requirement Planning)，这个一般也是ERP的核心功能。指引提到主要用这两个解决的是 市场波动频繁、交付周期长等问题，应用需求预测、多目 标多约束求解、产能动态规划等技术，实现生产计划优化和 动态调整，缩短订单交付周期。这里可以分别介绍一下MPS和MRP。
确定了每一类最终产品（通常是独立需求的物料）在每个时间周期（如周、日）的生产数量和交货日期。它的计算一般需要几个方面的数据：销售预测、客户订单、工厂库存和工厂产能，在实际生产过程，销售预测因为先阶段市场多变等情况，通常这个参数作为一个缺省参数，一把更主要关注于客户订单、工厂库存和工厂产能三个参数。其实用这三个参数就可以清晰看出来MPS的大致计算逻辑，就是依据工厂产能的约束条件，根据生产周期数据，结合工厂库存的数据，就可以算出来客户订单的具体生产计划和交付日期、时间。 这里额外扩展一下，如果对制造生产流程和数字化熟悉，MPS将生产数量、交货周期信息计算出来之后，会下发到MES系统，而MES系统在依据这个MPS计划进行生产的时候，就涉及到生产排程的问题，而解决这个问题就是APS的生存空间。
根据主生产计划（MPS）、产品物料（BOM）和库存记录，计算出所需物料（原材料、零部件）的需求量和需求时间。这里可以看出来MPS和MRP的区别，MPS是将订单做出计划，而MRP则更进一步，更为细节，会直接计算物料的需求量和需求时间，MRP的核心逻辑其实主要是以下三点：
面向作业排程等业务活动，针对资源利用率低、交付不及时等问题，建设智能排产系统，应用复杂约束优化、多目标规划、强化学习等技术，基于安全库存、生产过程数据等 要素实现多目标排产优化，缩短交付周期，提升资源利用率。
这里的车间只能排产其实就是MPS和MRP的进一步车间描述，一般在作业排程中，APS构建的是资源约束下的排产计划，MRP构建的的是物料约束下的排程计划，要解决这两种计划，大部分实际实现中，都会用到多目标规划和强化学习技术，这也就是指引中这句“应用复杂约束优化、多目标规划、强化学习等技术”的出发点。
面向生产进度可视化、资源消耗统计等业务活动，针对 生产指标计算失真、生产异常发现滞后、资源空置浪费等问 题，建设数据采集与监控系统，应用实时数据分析引擎、机 器学习、物料实时跟踪等技术，实现生产数据实时获取、生 产进度实时监控、生产指标自动计算，提高生产透明度和资源利用率。
生产进度跟踪是MES系统的核心，这部分也是SCADA系统、数据采集系统等系统和MES系统结合点。在目前大部分的MES系统或是数字化转型设计中，经常会提到条码扫描、一码管控等宣传，其实这种的本质就是生产进度管控的一种低成本实现手段，如果充分使用SCADA系统或是数据采集系统，则在生产进度跟踪环境，更多的是指引这里提到的“实现生产数据实时获取、生 产进度实时监控、生产指标自动计算”。所以本条目可以看做是指引对于制造业SCADA系统或是数据采集系统的一个建设指导：
面向紧急插单、设备故障等事件的资源动态调度需求， 针对计划刚性、资源错配浪费等问题，建设动态调度系统， 应用运筹优化、强化学习、遗传算法、专家系统等技术，实现生产扰动及时响应，人力、设备、物料等制造资源的动态 配置，提升生产效率和资源利用率。
这里生产动态调度部分的内容，很明确的就是在写APS的相关内容，我曾在《设备排期与排程讨论》一文中明确的写到，APS系统常见的调度算法和排程策略有：
面向物料和成品出入库、库存管理等业务活动，针对出 入库效率低、库存成本高等问题，建设自动化立体仓库和智 能仓储管理系统，应用自动化盘点、仓储策略优化、多形态混存拣选、库存实时调整等技术，实现物料和成品出入库、 存储、拣选的智能化，提高库存周转率和空间利用率。
智能仓储现在也基本会作为大型数字化转型示范项目去开展，因为这种系统实施出来展示效果惊艳，汇报量化统计容易。智能仓储一般分为WMS系统和WCS系统两部分，其中WMS用于仓储的管理，例如：仓库的规划、出库管理、入库管理、库存管理等，这里所说的管理，就是指的是信息登记等行为，所以如果不上WCS，仓储管理WMS系统很多工厂也可能有。智能仓储和传统仓储的主要区分就是在WCS部分，使用AGV设备，配合立库等，在WMS系统的管理下，WCS调动AGV等设备进行物料、产品无人运输。在指引也中也很明确的写出了这类系统带来的优势：解决“入库效率低、库存成本高”的问题。不过这里再额外提一句，在指引中的“拣选的智能化”在大型的仓储管理中还涉及智能分拣中心、机器人分拣等多个部分。在超大型的智能化工厂中，智能仓储部分的投资和资金在整个数字化中都占用相当的比例，这也是普通人对于智能工厂一个最朴素、最直观的认识。
面向厂内物流配送等业务活动，针对物料配送不及时、 不精准等问题，部署自主移动机器人等智能物流设备和智能运输管理系统，应用室内高精度定位导航、物流路径动态规 划、物流设备集群控制等技术，实现厂内物料配送快速响应 和动态调度，提升物流配送效率和准时率。
物料精准配送这部分就是仓储只能管理部分的延伸，这里已经明确提出了AGV（自主移动机器人）；但是这里提到智能运输管理系统没有理解，一般智能仓储整个分为WMS和WCS两部分，在大型的数字化设计体系中，会有WMS、WCS、WES三种，这三种分别区别如下：
面向高危物料处理、极端环境操作、密闭空间作业等危 险业务活动，针对作业安全风险高、自动化水平低等问题，部署工业机器人、协作机器人等智能作业单元，应用环境感 知与识别、远程实时操控、自主决策等技术，实现危险作业 环节的少人化、无人化，提高生产作业安全水平。
危险作业自动化部分应该是针对于特殊行业提出的数字化建设内容。这种行业多集中在化工、石油、煤炭等行业，这种行业投入高，在数字化上的资金投入也多，所以这种行业很多都可以用较好的设备和技术方案。这里提到工业机器人、协作机器人两类，这也是目前智能工厂中常使用的场景，大众印象中无人产线，一排排机器人在协同工作，看上去又智能又高端的印象。目前工业机器人、协作机器人的了领导品牌主要有几类：
面向安全风险识别、安全应急响应等业务活动，针对安全风险高、实时监控难、处置效率低等问题，搭建生产安全管控和应急处置系统，应用生产运行风险动态监控、危险行为识别等技术，提升安全态势感知能力；基于人工智能等技 术实现安全风险预测预警和处置方案自动生成，降低事故发 生率和损失。
这里提到的主要是两系统：安全管控系统和哈应急处置系统，这两个系统这么多年在各个危险作业环境的中已经广泛存在，近几年来，得益于大模型、人工智能的发展，早年一直宣传的产运行风险动态监控和危险行为识别技术的确已经可以落地并实现真正意义上的商业化。这种目前常用的技术方案是模式识别、行为识别两个方向，最常见的，如建筑工地早年的安全帽检查，生产现场的违规作业感知等，在很多行业都已经成熟。不过这里再额外说一些，纯靠视觉识别、或是模式识别，对于安全管控的方案并不能达到很高的识别精度，所以在某些数字化项目中，安全管控、应急处理等系统都会和我们进行合作，将数据采集部分也纳入到其中，在实际宣传中多会采用“虚实融合”这种宣传，具体方案就是通过他们的本身系统的模式识别+行为识别的方案，同时兼容我们部分现场传感器的数据采集方案，形成一个全面的感知体系，这种无论从架构上还是数据角度，整体的稳定性和可用性都会有很大的提升，不过由于需要做两种方案的兼容和架构兼容，导致这种系统开发难度要明显高于纯粹的视觉识别技术方案。开发难度的增大带来的必然系统解决方案报价高于行业其他方案，因此目前这类更高稳定性的方案多集中在有钱、舍得投入的行业，例如：石油、高端化工等。
面向高能耗设备节能减排、工厂多能源介质综合调度等 业务活动，针对能耗大、成本高等问题，部署能耗采集设备和能源管控系统，开展多工序能耗溯源定位、高能耗设备建模仿真和参数优化，实现生产过程的节能减排；应用负荷预测、能源平衡分析、多能互补等技术，实现工厂能源综合管 控和整体优化，降低单位产值综合能耗。
节能减排、能耗管控是近几年才提出来的内容，以前虽然一直在提，其实这类项目一般很少落地，或是落地也都是领导参观才开一下的“示范工程”，这两年随着“碳达峰”、“碳排放”的要求，同时国家也针对高耗能企业开始集中整顿，因此能源管控系统在这几年出现了一个需求高峰。但是目前就我了解到的来看，要实现工序能耗源定位这种需求，大部分依然是集中在部分新建厂区，而且是省级示范项目中，因为工序能耗源定位这种并非像早前生产能耗测定、生产能耗优化等的方案，这种方案明显已经“下沉”到具体生产业务本身，早年的生产能耗测定、生产能耗优化更多的是着眼于“明显浪费”的能耗优化，例如：设备生产完成后，不停机，依然高功耗运转；产线低产量运行等。指引这里还提到“应用负荷预测”、“能源平衡分析”、“多能互补”三个方面的内容，这三方面在制造业、生产类工厂、企业的落地这几年也逐渐呈现出增多的趋势。负荷预测、能源平衡、多能互补前几年在电网中已经广泛被采用，这几年随着光伏、储能技术的迅速发展，多能互补基本都成为很多新建厂区的必备选项。我也曾在《信息化、数字化思考（三）- 电力行业（一）》一文中详细介绍过这类的方式，有兴趣的读者可以再去看看，我这里不再赘述。
面向碳排放数据采集、碳足迹追踪和碳资产核算等业务 活动，针对碳排放计量难、碳足迹追踪效率低等问题，建立数字化碳管理系统，应用碳排放精细化检测、碳排放指标自动核算、碳捕获利用与封存等技术，实现碳的追踪、分析、核算和交易，挖掘碳资产利用价值，降低单位产值碳排放量。
碳资产生命周期管理算是近几年的热门领域，这个的起源是：“2020年9月22日，国家主席习近平在第七十五届联合国大会上宣布，中国力争 2030年前二氧化碳排放达到峰值，努力争取 2060年前实现碳中和目标”，后续欧盟在2023年05月16日颁布了欧盟碳关税法规（CBAM），这里详细要求了覆盖范围包括水泥、电力、化肥、氢气、钢铁和铝六大类商品，因此将碳周期管理提升到了一个前所未有的高度。目前就我们接触到的相关内容来看，碳全生命周期管理的整体实现集中在碳追踪、碳分析、碳核算和碳交易，而且绝大部分是以间接方式进行核算。因为这部分更多的内容是更靠近与我们擅长的数据采集方案，因此我们曾参与过几个大型企业碳全生命周期管理系统方案的制定，在方案中，碳足迹和碳全景跟踪一般是这类方案需要解决的重点。
面向污染排放监测、污染物收集处理等业务活动，针对污染排放计量难、管理粗放等问题，部署污染排放在线采集设备和管控平台，应用污染监测、污染物质分析与治理优化、 污染源追溯、危害预测预警等技术，实现污染全过程动态监测、精确追溯、风险预警和高效处理，降低污染排放水平。
污染在线管控这类系统集中在高污染企业中，如：化工、石油这种行业，早年这类企业一般采用的是人工测量填报数据的方式进行，因此绝大部分都存在”假报“、”虚报“的问题，近几年逐渐开始推行统一化管理，同时随着物联网、数字化系统的发展，实现污染全过程动态监测、精确追溯、风险预警已经不再是什么难事，因此很多重点关照的企业都已经部署类似系统。这种污染在线监控的系统最热的时候印象是2018年左右，当时要求大部分生活、商业的污染都需要进行实时监控，因此很多地方推行过油烟监测和预警的设备和平台，这些设备在我们对部分商业客户进行现场勘探的时候，还经常能看到。
面向大规模协同制造的需求，打造具备开放协同创新、 资源自适应调度、产供销自组织管控等特征的网络化协同平台，通过研发、生产、供应、金融等资源跨地域配置优化， 实现协同研发创新、订单智能分配、制造能力共享、集采集 销等业务高效协同，形成多方共赢的产业生态，加速产业组 织形态变革。
网络协同制造这种也是近几年推出的概念，其起因主要是如今制造业链路长，而且大规模制造必须要由多个供应商协同进行，因此催生出了很多生产制造协同平台。目前针对于行业的协同平台我尚未注意到有极具知名度的产品，但是在某些专业方面，的确各个数字化厂商已经在推荐相关的协同平台，例如在航空航天行业，试验相关的TDM系统已经开始覆盖研发、生产、供应等，并可以在多个供应商直接进行协同处理；在生物行业，也出现了Science这种平台进行协同生产；只是这些都还处于摸索和发展阶段而已。
下面第五点是“生产作业环节”，算是生产的核心环节，那我们下一期再进行解读，欢迎关注。
