從2月到3月這兩個月，每周都在出差，跟相關企業進行調研和對接APS，不是走馬觀花的走訪或參觀，而是深度了解后的整理出技術任務要求及其解決方案或思路的。在這個過程當中，感觸頗深。
（1）因為身份的問題，對于工科理科化有了更深理解。
筆者作為一名工科高校教師，一直在APS方向帶學生和承擔大量的科研項目。前不久有人提出工科理科化的一個話題，感覺這是對于工科高校應該撥亂反正的一件事情。相對而言，現有的體制對于與企業直接對接或者說橫向項目的重視程度是遠遠不夠的（各種評價和任務量方面），但大家心里也都清楚相對于縱向的科研項目，橫向項目其實是最難的，最簡單的評價準則就是：能夠用，要好用。其實對于高校教師是否專注或者能夠解決實際問題，也有一個簡單的判斷準則：是否有工程化的專職人員。否則的話很大程度上基本上是無從談起的。最起碼的，筆者認為工科高校應該借鑒醫學院的體制，就是以教師的身份去企業坐堂會診了解和解決實際問題，現在基本上都是散兵游勇式的依賴于老師自己的發展興趣和做事風格。這個話題很大，就不展開說了。總之以筆者的經驗，感覺這個環境在深深的阻礙面向實際需求問題解決的技術進步與技術應用。
（2）為了所謂學術而做的一些研究，距離企業的實際需求遠遠不足夠，APS方面尤其如是。
對于工科高校來說，所有的研究都應該來源于實際，并且立足于真正的應用解決。企業的實際需求和痛點。必須要掌握第1手資料才行。比如在APS領域，我習慣的調研方式就是調研完成之后，在沒有開發系統之前，我就要問自己是否能夠替代計劃調度人員按照他們的思路把計劃排產調度的工作完成。只有有了這個基礎，才能夠依托數字化的優勢進行優化改進等方面的事情。這也是為什么很多企業自己做的系統基本上來說還是非常實用的。在這個過程當中，所有要做的事情不是為了炫技或者尋找學術創新點作為主旨任務要求。比如對于APS來說，鋪天蓋地的組合優化智能優化算法的研究是很多的，但是就以遺傳類的算法為例，其排產效果，基本上與SPT和EDD組合運用并兼顧一部分前瞻處理的結果差別并不大，但運算效率和系統的柔性不可同日而語。簡而總之，APS的實際需求其實是極其復雜的。
（3）理想的情況當然是簡單的但也是不現實的， APS的實施落地需要解決基礎數據和與管理水平相適應。
APS的故事聽了很多，其實很多都是事故。 APS是兼具工具和管理兩種屬性的工業軟件。 APS的實施應用需要著重解決基礎數據和與管理水平相適應的問題。沒有基礎數據的準確化和穩定化治理，APS是必然運行不起來的，比如對于工時數據不準的問題。APS的實施應該附帶從技術和管理兩個角度推動企業采取一系列的措施對這類數據進行治理才能夠有效的解決，這個事情不能等待或假定萬事俱備，理想的情況是不會出現的。我一般也會很中肯的對企業提出是否適合上APS以及應該做哪些基礎性的事情。另外，企業的管理水平現狀，對APS的應用要求，尤其是技術路線的選擇，其實具有致命性的影響，很大一部分事故就是因此而產生的，這個也是需要尤為注意的。
（4）現場有神明，存在的未必都是合理的但必須辯證的分析看待， APS的實際需求問題甚至比解決思路更為重要。
長年累月的聚焦APS并跟大量的企業接觸交流，一個很深的感觸是，必須要向實際業務操作的計劃調度人員深度學習。看起來好像是在了解他們的排產思路，但其實深層次的是APS與行業或者企業工藝性的深度融合，這些都將以約束或者目標的方式體現在APS里面。筆者也經常說的一句話是APS跟MES是不一樣的，經常性的結果是要么0分要么100分，其背后的道理很大程度上就是體現在對于行業或者企業工藝的涵蓋方面。從這個角度來說，現場是有神明的，甚至存在的就是合理的。但APS畢竟是替代或者說提供人機協同方式的偏自動化的形式實現計劃排產與動態調度乃至配置決策，畢竟是以數字化的方式來進行的，這就要求我們必須深度的解析當前手工操作方式下有哪些是因為數字化手段不具備而迫不得已的做法。因此，APS并不是簡單的手工模式的計算機化或者自動化處理而已（現在的MES很大程度上就是以這種方式來做的，其實后患無窮），從這個角度來說，我們也需要對實際的需求問題及其解決思路進行辯證的看待和分析。一種常見的方式是有些APS內部需要控制的東西或采取的機制，可能并不需要作為結果向企業進行展示或輸出。
…………………………
一點感受，一己之見，僅供參考。