由于APS可以實施局部優化，所以，在很多車間層面可以應用。比如流水線連續生產、生產周期很短的裝配生產、電子產品生產、服裝生產等。在局部車間生產管理，APS甚至可以做到精準管控。比如，如果確保供應鏈線邊庫存充足，APS可以指揮冰箱裝配無人自動化生產。

 

    但是，就現在APS的架構很難實施多車間的協同生產，它處理不好局部優化和整體優化的關系。APS排各個車間的工單嚴絲合縫，可能只要一連起來就無法執行。

 

    大型裝備的生產管理也不能用APS，因為大型裝備涉及到的系統環境非常復雜，長的生產周期存在很大不確定性，供應鏈和多車間的協同是主要矛盾。

 

    在一些特殊工藝和設備加工過程，如果物料流動產生很大的非線性，并且排程機制不能近似線性處理，APS也不能用。比如，零部件生產工序是粗加工…熱處理…精加工。如果在熱處理排程導致一兩天時間都誤差，排程沒有指導意義。

 

    制造業生產現場管理是管理科學中最困難的問題之一。制造工廠的生產計劃調度問題已經進入了大系統和復雜系統研究領域。APS應該是探索這一科學技術勇敢的實踐者。也許，由于過去幾十年能夠提供我們的管理科學、運籌學和計算機科學的技術和知識還不能支撐有效研究解決這些問題?，F在云計算技術、非線性規劃等數學工具的發展已經讓這種科學進入實際應用成為可能。更為重要的是需求的牽引。生產現場管理的改善潛藏著巨大的價值，這是制造業企業未來必須收獲的紅利。

 

    APS應該創新發展了。最近幾年，我們的團隊一直在美國的制造企業實施“Q管理”系統。我們看到美國的業界早已認識到它存在的問題，放棄了APS，而我們國內卻開始熱起來。為了引起大家都思考和討論，少走彎路，也是促使我寫本文的原因。

 

    根據經驗，研究對復雜制造企業生產過程管理的建模和大規模優化技術，建立“digital twin”（虛擬工廠/虛擬車間），并且按照多級CPS架構實施管控，可能是一條捷徑。