誤區一，APS等于智能化
和客戶交流,經常遇到這樣的問題:老師,用了APS之后,是不是就實現了計劃排產的智能化了？
人工智能，模仿的是人，人是可以跳過嚴密的邏輯進行決策的。人工智能化是通過系統能夠自我學習, 分析、判斷、決策；系統可以自我優化邏輯,自我優化參數等。而目前APS是通過大量的邏輯和參數的量化計算實現；它必須建模來運行邏輯和參數，它不具備自我學習、自我修正的能力，因此它不是智能化的系統。
在現階段， APS可以幫助計劃員擺脫繁重的重復性工作（大量的計算工作），可以讓規則（邏輯與參數）固化在IT系統中確保計劃工作的質量；計劃專家更專注于優化規則，這樣的人機結合是目前最好的方案。
當然目前APS也逐漸在向AI方向發展,比如Asprova軟件預期在今年推出第一版人工智能APS，可通過AI學習生產報工時間,自動修正工時節拍;學習某產品生產常用的產線,優先分派這些產線;學習某類業務場景所用的邏輯和參數等等。我們希望APS更快更好地走向智能化，更多地替代人的工作。
誤區二：APS算法越復雜軟件就越好
戰士需要的是一把稱手的槍，而不是復雜的系統。同樣，算法復雜與否，不是我們所關注的，我們需要的是系統幫我們快速準確地找到最優解。
用結果來衡量，算法不是越復雜越好,應該是越適用越好;針對特定場景可能某類復雜算法較好,但比較難以適應多變的計劃業務場景。
下圖是神經網絡的學習率。當學習率小的時候,學習得慢,容易過擬合,收斂速度慢,簡而言之就是容易只學會了一招,其他都不會;當學習率大的時候,學習得快,易震蕩,損失值爆炸,簡而言之就是容易無頭蒼蠅亂撞。
(圖片摘自吳恩達的機器學習視頻)
客戶選擇和評判APS軟件時，不會看算法的高級和復雜程度（說實在，這個也太專業，客戶沒辦法理解掌握）,而應該是算法整合應用的程度,對同一個計劃業務，建模并運行，考察不同系統的計算結果的準確度和計算速度的快慢；又快又準就是好的APS系統。
誤區三：實施APS是為了減少計劃人員
首先APS實施是以提高企業核心競爭力為目標,要從整體的效益來看,單純以減少計劃員為目標是不全面的。
APS實施直接目標是提高計劃的質量和快速反應,其實現途徑是基于數字和規則驅動的計劃。計劃指揮得當，整個工廠尤其是一線操作人員的效率和出勤時間大幅度減少，這才是導入APS應有之義。日本經濟學家今崗善次郎研究了ASPROVA在日本的大量應用案例，統計結果表明平均出勤時間大約減少20%。
如果公司本身就是基于數字驅動的計劃,只是缺少工具輔助，因此耗費大量人員精力,通過APS實施是可以很明顯地減少計劃人員。還有部分公司其計劃工作實質是由車間+計劃員共同完成的,通過APS實施后變成由計劃員完成全部的計劃工作,可以讓車間管理人員更專注于生產管理，局部來看,計劃員反而可能增加,但從公司整體上來看,實現了隱形的減員增效。
(圖片來源于百度)
誤區四：有了精益不需要APS，或APS可以替代精益
有精益專家說只要精益做好了就不需要APS了,又有APS從業者刻意強調APS,給人錯覺APS可以替代精益。
其實APS和精益是相輔相成的,APS也是基于TOC理論,JIT思想發展起來的,與精益的思想是一脈相承的。
計劃演變示意圖(來源于FCS作者GerhardPlenert, Bill Kirchmier)
APS排產的指導原則必須是精益的思想，例如通過更小批量更多批次的排產縮短制造周期、需求與后工序拉動的排產、以瓶頸資源為中心前拉后推來排產，繩鼓理論，這些都和精益思想完全一致。
當然兩者也有不同點，APS實施再好，也不能縮短生產節拍、也不能減少單次換模時間。但是APS可以調整生產順序來減少總體換模時間，可以通過靈活的合單分單來提升效率等等。
越精益的工廠，越容易實現APS導入；而APS面對產品類型更多工藝節拍差距更大的混線生產適應性更強。打個比方，如果是卡車和轎車混合生產，APS可能會更適用。.
總體來說，精益生產體系讓工廠身手矯健，APS讓工廠頭腦靈活。兩者相輔相成，會讓工廠達到更高的運作水平。
(圖片來源于百度)
誤區五：APS排產建模考慮的邏輯越多越好
不考慮投入產出比、不考慮可行性，某種意義上來說，確實是這樣的。精細化的模型有助于得到更準確更優的排產結果。
然而，管理是有成本的，投入增長時面臨的是邊際效益遞減。APS實施也要同時考慮經濟性,建模越復雜，需要越多的時間去維護數據和參數。過于龐大的工作量投入，可能不會產生邊際效益，甚至使得業務部門疲于奔命而造成系統無法有效運行。
整體來講,創建適宜復雜度的APS模型，主要依賴真正的內外專家的能力：
1，好的外部顧問可以將復雜的決策過程,轉化為簡單的規則；這是顯然有很大價值；這也是我們主張APS項目顧問應該由計劃業務專家擔任，而不是IT技術專家。
2，內部業務專家和業務領導的深刻認識（包括業務本身和管理灰度），他們能夠準確地把握這個程度，既不能過于簡單達不到效果，也不過于復雜使其適得其反；這是用戶方最重要的能力和項目成功的保障；業務變革需要業務專家來領導，就是這個原因。
(圖片來源于百度)
諶天宇，從事工廠計劃10年，其中APS甲方顧問和關鍵用戶8年，后轉行APS乙方實施顧問4年。多年的工作經驗加上良好的學習習慣，使其對工廠計劃業務及其信息化有著深刻的洞察和理解；在多個項目實施中，深受客戶的信賴并獲得好評。