摘要：近些年一直在制造業，做過，當過小組負責人。要滿足智能制造中，實現對機臺進行分鐘級甚至秒級的生產指令下達。這個核心是怎么實現的呢那就需要一個很牛的引擎。事實上業務規則分兩種，很多個層次。這個時候排程引擎就派上用場了。

　　當碼農有10多年了，由建筑行業軟件，各種MIS，通用物流定制平臺，CCTV客戶端(是閉路電視，不是央視喔)啥都做過。最后小試一下創業，不過那都是鬧著玩的，不到一年就回到碼農的隊列，重拾搬磚的行當。近些年一直在制造業，做過ERP，當過小組負責人。有人問為什么不轉純管理？是能力不足，氣質不佳還是人品低下？我覺得都有些且不全吧。反正無論是當管理還是做技術，我還是覺得手里拿點實在的東西心里才踏實。并不是說管理不是一個好技能，而是本人遇機問題，機會不多，所以大多數時間都是在做搬磚，磚搬多了，當然想試一下，看能不能搞個自動化機械出來，總不能搬到退休那天吧，碼農到底多少歲退休呀？看來如果再不練就點拿得出手來的東西，到時候我就只能退，無法休了。那些奮斗于500強，30歲而立之年已賺足退休資本的農場主們不在此列。

　　好了，嘮叨了半于，回來說說粘點邊的。上面說了，老農啥都搞，那也就是說沒啥精的了。跟同行們說我是在制造業里做IT的，可人家習慣性地府視俺：工廠里的IT？說是ERP，不就是進銷存嘛，能有啥技術含量？。嗯，覺得也是，不過要知道，當你深入到一個行業里去，無論是做什么，你都會覺得，你進的是天坑，你遇到的都是世界難題。畢竟那些說這個簡單那個沒技術的人，通常都只是在隔山觀火走馬觀花（這兩成語是這么用嗎？體育老師還要兼顧數學，所以本農的語文水平有限呀。）在企業里我做過營業模塊，也做過生產模塊，其實當你深入其中，去跟各種業務邏輯細節搏斗時，你就會感覺到：媽的，今年的諾貝爾軟件獎舍我其誰？其實世界上沒有好做的軟件，覺得好做，只是你的系統簡單而已，而不是哪個行業簡單。好了，既然ERP這么簡單，老農我也覺得這不是我的菜呀（其實是能力不足，沒辦法深入到ERP的業務里罷了）.好在現在整個中國都在鬧智能制造,我覺得也可以在制造業做點大家覺得有小許牛B的事了(原諒我做了點小夢)。先不說這一輪的人工智能熱潮會不會如2000年的互聯網熱一樣，火一下就沒了。但有些進步是大家都能看得到的，起碼谷哥他家的狗在圍棋上把人類給秒了。

　　關于智能制造，在其中一個環節，就是讓計算機把一些以前還是需要有經驗，IQ還可以的人才能做的東西，幫忙給做了；而不僅僅是通過網絡控制機器手來代替人手。能被機器手代替的，更多的是重復勞動，另外就是機器手的高精度操作遠超人類。但是，例如做生產計劃這類需要很高“智能”才能做的事情，在人工智能的背景下，應該也會慢慢有成果出現了。說到生產計劃，可能大家遇到最多的都是MPS（主生產計劃），它只是一個很高層次的計劃，只能計劃到車間（頂多是產線），時間上最多只能精確到天；更多的算是企業層面的計劃，不太具有實操性。要滿足智能制造中，實現對機臺進行分鐘級（甚至秒級）的生產指令下達。光靠MPS肯定不可行的，事實上MPS下達到車間后，會有相應的調度部門來對MPS進分解，形成調試指令。把工單再分配給操作班/組，而這個生產指令在很多情況下，還不是精確的完全可執行的信息，很多還只是“主體信息”，到了機臺的操作班/組，還需要班/組長根據機臺的實際情況進行一些額外的處理，才能形成真正的操作指令。所以，一些很復雜的細節邏輯，其實是下壓給了調度部門和機臺班組。但要實現智能制造，要提高生產自動化程度，這一系列的復雜轉換，就不可能由人逐層地下發。因為：1.在速度上來說，人對復雜問題的處理速度遠跟不上計算機，特別是涉及大量計算、判斷的信息處理時；2. 能做出一套好的MPS就已經是不錯的生產計劃員了，已經需要對業務非常熟悉，對各種情況的預判準確率要達到一定的程度；這是需要豐富的經驗和試錯經歷的。3. 當完成了MPS要分解成調試指令甚至是操作指令時，這個過程就不可能只靠人類來實現，因為里面涉及的計算和邏輯判斷太多，太復雜，遠超過人類可以處理的范圍。4.就算花大量的人力物辦做出一套可行的調試指令，但要在可行的基礎上實現相對最優，那就不是人可以做到的了，這就涉及一個數學上的NPC問題，我在下一篇文章里會說明。

　　因此，要實現上面說的那些復雜、不可能靠人力實現的工作，就需要依賴計算機了。但計算機也只是按人的指令要求進行計算和判斷而已呀，所以歸根到底還是需要人的智慧。而在這個場景下，實際上是需要依賴人類對數學的運用來實現這么一些復雜的系統。Google那只會下圍棋的狗（現在人家已經站在這個星球的圍棋頂端開卷孤獨求敗了），其實不就是人類給它實現了一大堆的數學邏輯嘛?？晌也]有這個水平，我們怎么辦呢？怎么樣能完成上面看起來很牛的工作呢？其實現在業界已經在研究并且有些比較成功的應用了，那就是APS，APS的核心就是在有限的資源條件下，實現相對最優的資源配置。為什么我老是講相對最優，而不說最優呢？還是得下篇來說。APS這個核心是怎么實現的呢？那就需要一個很牛的引擎。也許會有同學問，業務規則我都知道呀，條件限制我都得到了，那我自己按業務規則寫出來，然后就用這個來跑，把結果跑出來，形成一系列的調試指令不就行了吧？扯什么引擎，什么相對最優呢？沒錯，如果是這樣的話，估計這部分同學也是覺得別人的系統很簡單，沒啥技術含量了。事實上業務規則分兩種，很多個層次。層次先不說，我們先說種類。一種是硬規則(相對應的制約，后面的篇章里會叫做硬約束)，和種是軟件規則(相對應的制約，后面的篇章里會叫做軟約束)。硬規則就是一些不能違反的規則，例如一個產品所使用的原料必然是指定范圍內的，需要使用指定的機臺進行生產，否則就不可能生產出來，或出來的必然是報廢品。而有一些是軟規則，就是一些規則老板們希望都不要違反，違反了會讓他掉錢的，但客觀事實出現了一些情況，沒辦法完全保證所有規則都 遵循，部分規則也只能放棄堅守了，也就是相害相遇取其輕。例如：同樣的產品，可以用兩種機臺生產，有一個機臺的成本非常高，是用來生產專用產品的，普通產品在正常情況下是不會用那個機臺生產的，如果普通產品放上去，必然虧本。但如果現在正是旺季，而一個很重要的客戶給訂單過來，要一個生產普通產品，如果不用這個天價機臺生產，那鐵定是無法按期交貨了，會影響后以后的合作，這時候老板也只能虧一次，起用這個天價機臺了。但是生產得越多虧得越多，老板就要求調度員們絞盡腦汁，力求盡量少用這個天價機臺。每天都有天量的生產要求要處理，你當計劃員、調度員們是神呀？所以篇到一個認為差不多可以了的生產方案就往上報唄，老板也如愿以償地保住了客戶虧了不少錢?？墒沁^兩天老板會發現，其實有更好的方案可以更少地使用天價機臺，甚至還有一個無需使用天價機臺的方案，他會去把計劃員、調度員們捉來殺掉拜旗嗎？（只有碼農才有這個待遇嗎？）.問題是：1、在短時間內，人類能找到這個方案嗎？不一定，其實是很難，非常難。2. 計劃員、調度員們找到的方案有人去挑戰嗎？不一定（基本上沒人有這個能力），因為你也不知道他們出的方案是不是最優？甚至他們自己也不知道。除非他們把所有可能的情況都列舉一次，在現實情況下，不要說他就這一個方案做到退休能不能窮舉，就算全公司的人一起來列舉計算，算到地球毀滅那一天，也不一定能找到。這個時候排程引擎就派上用場了。而其中的核心就是一些數學算法。就如上面所說的，這么多的情況，計算機也只是一個一個去試，一個一個去計算呀，那如果可能的情況足夠多，你把全世界都用來挖礦（比特B）的電腦都拿來跑也不一定能跑完呀。這就對了，引擎的作用就是當可能情況無限大的時候，并不會無序地一個一個試，而是集成一些算法，有策略地找，雖然也不一定能找到，但在相同的時間內找到相對最優方案的機會，相對人來說，還是超N個數量級的。其中就集成了一些例如Tabu search算法，遺傳算法，退火算法和爬山算法等。我們的主角Optaplanner就是這么一個集成了這么多數據工具的一套開源軟件。一下篇我們就開始對Optaplanner進行學習。驚不驚喜？意不意外？:)

另外，若對此文(或本系列任何內容)感興趣，歡迎轉載，但請尊重艱辛勞動，注明出處。為謝！

如需了解更多關于Optaplanner的應用，請發電郵致：kentbill@gmail.com
或到討論組發表你的意見：https://groups.google.com/for...
若有需要可添加本人微信（13631823503）或QQ(12977379)實時溝通，但因本人日常工作繁忙，通過微信,QQ等工具可能無法深入溝通，較復雜的問題，建議以郵件或討論組方式提出。(討論組屬于google郵件列表，國內網絡可能較難訪問，需自行解決)