任何聪明人都可以把事情越搞越大，并且越搞越复杂，然而要想把复杂的事情简单化，只有聪明是不够的，还需要天赋及很多勇气。 ——爱因斯坦
最近一场尚未开始的研讨会(2019年8月7日研讨会 | 一场关于产销协同本质的终极探索)引发了一场关于MPS是否有最优解的争论。因为作者认为80%的企业没有完整的MPS计划体系（比如仅对生产计划做未来3个月以上规划，或者再增加一个库存规划，大部分甚至就规划下一个月的生产计划），就引出了何为MPS。其次作者又认为MPS是有数学上的最优解，并且也是指导业务规划层面的最优解，不是理论意义上仅供围观的最优解。这个观点一石激起千层浪。有争论证明大家都有独立思考的能力，并且有批判性的思维，这不是民国大师们倡导的自由之思想，独立之精神被我辈承接的具体表现吗？真理愈辩愈明，道理愈讲愈清。所以在研讨会之前，我们也再次请教了算法方面和业务方面的各路专家，特做如下说明，以便大家现场拍砖时拍之有理，拍之有据，专业争鸣，风度不失。
01 直接做到日计划（DS）与从月计划(MPS)再到日计划(DS)有何区别？
在传统的ERP系统中，比如SAP ECC系统，所谓的计划都是一竿子到底，也就是你输入月预测或者销售订单，系统马上帮你排到生产订单，也就是排到日甚至小时。如果你要求提供周月计划，ERP就给你汇总到周月。传统ERP在逻辑上它没有周，月计划的概念。但是如果你使用SAP APO SNP这种专业计划系统，则可以先按月或周进行规划，再从月或周分解到日，分两个层次进行排产。这里就出现了一个主计划（月周）和生产排产（日）两个概念。这也是SAP ECC与SAP APO的巨大区别之一。
02 为何用系统跑出来的“MPS”常被挑战而无法执行呢？
专业人士都知道，使用系统能跑“MPS”的企业是少之又少，10个可能有2个就不错，最多可以跑跑MRP，让系统分解到物料计划。为什么？因为结果没有说服力，容易被用户挑战。首先这里跑的是“MPS”？当然不是。只是我们经常习惯性称作这个计划为”MPS“，其实它是一个DS（Detailed Scheduling）日生产排程。日生产排程因为没有最优解所以容易被挑战吗？是的！到了日颗粒度，涉及到了排产的组合问题，AAABBBCC，还是ABCABCABC。这是技术挑战，目前解决这个问题主要使用的是稳定性欠佳的遗传算法。另外，还需要用户提供日颗粒度的产能约束，这些是巨大的业务挑战。双挑战之下日生产排程就难以有明确的说服逻辑，所以生产日排产的系统化是一个事倍功半的事情。但是对于工序很复杂的离散制造模式高级排产工具还是很有帮助的。总结，我们日常说的ERP系统跑”MPS“，其实是一个直接到日颗粒度的短期生产计划（实际已经到了生产订单层级）DS，不是真正的MPS，数学上只有较优解。
03 为何要先做月计划（真正的MPS）？
业务专家们不管SAP是什么算法逻辑，他们会从业务逻辑出发，认为你首先要月颗粒度上做一个计划之后，才能分解到周和日。为何一定先要有月或者周计划呢？比如我们有ABC三个工厂，各工厂生产品项有差异，产能也有差异，有些品项仅集中在一个工厂生产，有些工厂某些品项产能不够，可能需要其他工厂代为生产，另外淡旺季时还需要提前囤货。这样要同步考虑各工厂产能约束，相互的平衡以及淡旺季提前囤货需求。你如何做？你不能因为A工厂根据自己的需求和产能平衡后，8月需要生产1000就按1000生产，假如B工厂某些品项产能不够，需要A代为加工200，同时9月，10月是旺季，产能不够，需要将500产能移到8月，所以A工厂8月共要生产1700，这是一个简单的计算吗？说得很简单，实际整个过程很复杂，这是一个全局一盘棋，一气呵成的一个多约束同步优化过程。输出结果不仅包括对生产计划，调拨计划，库存计划，还包括对原料，库容，缺货，慢动，关键产能的规划和预警，以及各种场景下的What If模拟。人工编制下想如何做就如何做，基本就是一个差不多的生产规划，凭经验八九不离十，每年就这些事情。但是人换了怎么办？产品太多，约束太复杂怎么办？精度如何保证？人会犯错误怎么办？是否可以有一种算法来进行平衡呢？什么样的算法可以支持？需要很高级的系统吗？有最优解吗？
04 MPS算法大揭秘，它有最优解吗？
有专业人士认为MPS是一个NP-hard问题，而NP-hard问题是百年难题，所以MPS也是百年难题，至今没有稳定的算法，所以无法保证找到最优解。这是一个非常有技术含量的观点，这里首先要确认的前提是–MPS是否必须使用NP技术。专业度上得到业界高度认可的SAP APO SNP是何种算法在支持呢？APO SNP（包括JDA等其他专业计划系统）提供的功能支持的就是真正意义的MPS计划逻辑，与传统一些ERP的计划模块是有本质的区别的。APO等能够基于产能和其他重要约束，比如生产批量，优先级，新鲜度，跨期间淡旺季平衡等，在月颗粒度上进行多工厂多期间的需求再平衡，一气呵成同步生成各工厂生产规划，各工厂间调拨规划，库存规划等等。那对于这个月周颗粒度的真正的MPS, APO等使用了何种神秘算法呢？是遗传算法吗？还是有最优解的某种优化算法？MPS是否必须使用无最优解的NP技术？即使是有数学上的最优解？是否又是业务规划上的最优解？我们研讨会上来听中国顶级APO专家来亲自解读。
【可以提前剧透的是在某些行业或者场景下的确有最优解，那是哪些行业和场景呢？你的行业是否包括在内呢？而某些行业的复杂度或者其要求考虑的因素的复杂度可能是超过了这个最优算法的支撑了，那是否就完全束手无策呢？】
05 MPS算法必须借助APO等大型计划类系统才能实现吗？
这是研讨会的重磅核心内容，如何让无法顺利实施APO的企业同样能够具备MPS规划能力，甚至拥有超越APO的能量，支持更多优化需求呢？比如What If场景模拟？如何帮助到心大钱包小的企业实现供应链计划管理的质变成长呢？月周层级的MPS是一个事半功倍的突破点，也是被企业长期忽视的一个计划管理盲点。“你不知道你不知道什么”。
06 实现MPS就是计划管理最高境界？
业界还有MPS大师，MPS是计划管理的最高境界？MPS的确是计划体系中有着核心动力的最重要的优化层级（技术优化为主），一个重要的产销决策模型，但是对MPS计算中所涉及的各种行为要素进行引导和管控才是更高层次的管理优化。这些行为要素是供应链部门能够控制的吗？比如产品有效组合，预测偏差，出货节奏，服务水平，生产采购批量，提前期，新鲜度要求等等。这就需要走到产销协同层面。什么是产销协同？就是供应链部门是否能够通过自身影响力来引导销售，市场，生产，采购等部门行为改善，并有能力整合优化这些行为要素，从而获得企业整体利益最大化。也就是即使你有了一个优化算法（MPS），但是如何优化模型中的要素是另一个艺术问题，或者管理问题了(产销协同)。但是这一切都要建立在–MPS（中长期供应规划）体系之上，缺失MPS的产销协同体系就是无源之水，无本之木！