ERP软件对例外发生的预防性措施(2)
(2)推—拉结合的生产模式。“计划跟不上变化”是常见的现象。ERP系统一般都有净变运算，作为个别需求改变时的补充措施，也可以作为处理例外的一种方法。但是在多数复杂产品的离散制造企业，计划周期较长。俗语说:“夜长梦多”，在计划执行期间的变化和例外将是难以预料的。靠净变或重排MRP难以补救。有人认为能够通过MES的排产或APS快速响应，但是常常因为ERP和MES之间的信息沟通不畅而难以实现。我们推荐采用拉式生产，直接由客户的需求驱动，生产指令的信息路径、从指令到执行之间的时间差以及生产周期本身都要比MRP的推式计划要短得多。这本身就避免了相当多例外产生的可能。

　　(3)可交付承诺ATP。延误交付是销售例外最常见的形式。而交付延误大部分原因并不是因为生产能力不足，而往往是由于销售与生产两个部门的沟通造成的脱节。可交付承诺是传统ERP就具备的重要功能之一。通过ATP的计算预测可向客户交付产品的数量。因为涉及生产能力的计算，传统ATP仅仅帮助MTS模式的企业的销售管理。

　　(4)现场排产。好的ERP/MES的排产计划功能是具有强大的图形排产能力，灵活和用户友好的界面，它不仅提供快速响应生产瓶颈的时机，而且能看到它们在什么地方第一次出现并防止发生。排产模块能够快速确定能力冲突以及潜在的能力瓶颈。除了提供整个制造作业的可视化界面，操作者可以使用拖放工具重新排产或重新分配设备。

　4. 用预置业务规则管理例外

　　在实施ERP的过程中，总结企业日常管理中发生过的例外、产生的后果，解决办法等经验，经过积累以后，会得到某些规律性的例外处理方法。在确认这些经验的有效性以后，我们将其转变成标准过程，写入软件中去，这些标准过程会涉及企业的各个生产和信息部门。在企业日常业务活动中，包括如何发布每一个作业指令都必须结合这些规则。

　　例如:

　　(1)客户服务。在输入订单时除了要抓住关键数据，如每一张订单的最早交付和承诺，还必须增加某些规则条款，如客户是否能够接受分批交付或者用替代产品交付。当例外出现时，无论是自动处理还是通过人工的干预，都可按照与客户预先达成的共识处理。还可以预先确定分批先后交付、给客户确定交付的“优先级”等。当例外出现时，可以给优先的客户订单分配原材料投产。从而，软件系统对订单的追踪能力要足够的强大，要求不仅仅能追踪到工作订单，还必须追踪到销售的客户订单，实现按客户订单制造。

　　(2)采购。采购通常是对企业其它部门的活动作出的响应，但又会反过来影响这些部门的活动。对采购周期较长和难以买到的原材料和器件提前处理能够解决大部分因采购件延误造成的例外。制订采购件的替代方案也是最常用的处理例外的方法。在到货、检查、筛选、入库和付款的全过程中，设立超越处理规则，可以缩短向车间供料的时间。

　　(3)车间。车间是管理例外的控制中心，车间的例外处理过程会触发企业大多数部门的活动。这些过程包括:紧急备料、安排设备维修、工装的返修、在制品返修和图纸及工艺的更改等。车间自身则需要不断的重新排产。作业计划的可“浮动”性——它指制造任务可以偏离计划区间但不会延误整个交付周期，需要区别工序作业的提前期和整个零件的提前期的构成和算法。许多情况下出现工序超越问题，一个任务会由于时间和资源的约束，临时移到其他设备上做。软件则需要具有处理替代工艺路线或工艺超越的例外能力。

　　(4)质量保证。质量例外也是延误生产过程的最常见的原因。对难加工零件或质量不稳定的采购件有规则的增加投入，或者建立生产过程的分批规则，可以减轻因为处理不合格品的漫长过程对生产秩序的干扰。

　　(5)例外严重度管理。为了使例外处理过程有效的协同工作，可以给例外确定级别，以对例外作出适当的和有序的响应。定义严重度还包括建立客户和生产的优先级，当企业存在“项目竖井”时，这样做是解决排产困难的重要措施。

　　5. 提升ERP的例外处理能力

　　提升ERP软件例外处理的能力是系统化设计和对软件长期应用和实践的积累过程。复杂制造企业用户对例外处理的要求很多，但我们认为对例外的处理不是一个独立的刻意追求的功能，而是软件综合设计的结果。许多客户关心系统能否自动重新排产、希望将某些决策自动化，不要人工评审或计划员的干预。但这并不是最佳选择。又如，客户希望系统能自动分配原材料、代料或重排工作订单。但我们发现，自动应对例外的规则所能够覆盖的状况总是有限的。我们认为最好的做法是系统提供报警，然后由人来做决策——因为有很多主观因素需要客户和企业更多的深层次知识和经验来处理。所以我们强烈建议，提升ERP的例外处理能力要有人的参与而不是单纯的自动进行。

　　三、分析和结束语

　　上面我们讨论了处理例外以及防止例外的产生。我们认为，尽管当库存短缺、出现质量问题、设备出故障和客户需求改变时能够用快速响应来处理例外，但这毕竟是头痛医头脚痛医脚的权宜之计，或许会掩盖某些更严重的问题。对我们来说更为重要的是对例外事件的跟踪和积累，使用已经获得的数据和报告进行分析，不断寻找产生例外的根源和防止这些例外发生的方法。采用基于数据仓库和联机分析处理的人工智能方法汇总和评估这些数据，给出在企业的什么地方需要配置更多的资源、再造企业流程等等，这样才会给企业更多的改进运作的机会。