年距我入职不过一年时间，当时项目已经进入上线后的运维阶段，因此我有了一些时间可以去学习新的东西。因为一直做车间的内容，再加上经常目睹计划顾问们的白板推演和激烈争论，让我对计划产生了浓厚的兴趣，一心想搞清楚“计划”这两个字的背后到底是什么。于是在那段时间我便开始了啃代码和问问题。当时彭宁坐在我旁边，一旦遇到看不懂的sql或者逻辑就会问他。好奇心驱动着我将一行行代码翻译成业务语言。虽然仍然不理解业务背景，但是起码我理解了系统的逻辑，知道了“计划”这两个字是干什么的。
正是有了这个基础，再加上好奇心加持，后续在做汽配行业项目时虽然我仍然做的是车间模块，但是我会主动了解计划模块的业务背景和方案。甚至当时我们还会去设想整车厂的计划体系会是什么样的。接下来的项目我第一次实际负责计划模块，庆幸的是有牟旷凝在身边，很多之前理解模糊的概念都在和他交流的过程中逐渐得到了明确，例如对于“计划滚动”的理解。转眼来到了16年，第一次做整车项目，终于有机会印证之前关于整车计划的猜想。虽然经历的计划项目不多，但是每做一个计划项目，都会打破我的既有认知，丰富我对“计划”的理解。
正是这样不知者无畏的一路走来所得的收获让我不解：为什么今天会听到“计划项目难以交付”、“计划不太会干”？是什么让我们失去了曾经的好奇和无畏？抱着这个疑问，我决定梳理计划项目难以交付的原因以及顾问在其中应有的角色。其间看到了一份网上关于计划的资料。再一次，“我们经过项目磨砺所获的感悟都已经得到前人的提炼和总结“。但是换个角度，正是因为我们拥有宝贵的项目经验，才让我们得以理解别人提炼和抽象后的结论，印证自己的认知。其中的共识之一就是计划项目难以交付。接下来我们就来分析困难的原因。
决策场景难以挖掘
为什么要计划？整个供应链中每分钟都有成百上千个决策需要制定和协调，这些决策的重要性不尽相同。既有相当简单的问题如“下一步各机床计划完成哪项工作”，也有非常重要的决策如“是否新开或关闭一家工厂”。一个决策越重要，就越需要更好地准备，这种准备工作就是计划。计划通过识别将来的各种可行活动，选择其中好的甚至最好的来支持决策。计划系统和制造或者物流系统具有本质的不同，前者是决策系统，而后者是执行系统。执行系统的作用是控制执行者的行为：接收输入的指令信息，按照作业标准控制执行者的行为和动作，保证作业结果合规受控，一旦监测到结果发生偏差，则提醒执行者纠正或者提醒指令发出者重新调整指令输入，最终实现作业的闭环控制。通过观察执行者的作业环境和行为过程，设计者即可获得设计一套执行系统所需的信息。执行系统落地的主要挑战是执行者适应标准化作业过程中的抵触。决策系统的作用是辅助决策者做出好的决策：计划人员首先需要获得决策所需的环境信息，除了客户的需求，也包括企业的能力、资源、材料、人员等最新情况，然后通过推演和判断作出合理的生产安排，以便生产各个环节可以实现有效协作，最大限度在满足客户需求的基础上保证效益。设计一套计划系统需要掌握决策者在应对各种场景时的思考逻辑以及所依据的信息。由于现实环境影响决策的因素太多，任何环境要素发生变化或者出现异常，都可能需要再次决策。因此决策者需要面对各种不同的决策场景。观察计划人员使用计算机操纵数字无法为设计者提供太多有效信息。设计者只能依赖沟通来理解他们的决策过程。在此基础上还需要设计者用自己的想象力去还原计划人员所描述的场景，因为这类场景并非是一个具体的行为而是在时空约束下的多方联动。只有拥有丰富的业务经验和完整的知识框架，设计者才能最终理解计划人员在应对各种场景时的决策动机、依据和逻辑。甚至在某些集体决策的业务环节，例如产销协同会，最终的决策结果可能是多方利益平衡的产物。此时设计者甚至找不到一个掌控决策全局的访谈对象。即使掌握了多方的诉求，一个用来平衡利益的系统也必将难以交付。
人脑只能处理线性逻辑，难以同时考虑多要素之间的互相影响，因此计划人员难以在决策时考虑全部要素，更不可能随时随地响应环境要素的变化。因此计划不是根据动态信息来做实时响应，而是根据反映现实环境和约束的静态模型来模拟未来的生产和供应安排，选择其中合理的发布给执行单位。如果执行过程无偏差或者局部可消化，那么模拟的情况就会变成现实。如果偏差超过一定程度，就需要再次根据最新的环境信息模拟新的可能安排。因此如何抓大放小，构建有效的模型就成为了方案设计中的重点和难点。
计划模型难以抽象
一般的排程问题都是对于具体生产环境中复杂的、动态的、多目标的排程问题的一种抽象和简化。供应链非常复杂，现实中要处理的每个细节并非都能（或应当）在计划中考虑。因此，有必要根据现实建立一个模型，以此作为制定计划的基础。建模的艺术就是要尽可能简单，既需要详细地表现真实，也要简单又不忽略现实中的重要约束。模型是对现实世界的理解和抽象。高德拉特的约束理论和丰田的精益思想就是源自对于现实世界两种不同的理解。约束理论认为生产过程的波动不可避免，由此刻意的平衡产能反倒会因为随机波动和上下游依存关系造成有效产出下降和存货上升。因此它认为应该采用非平衡的产能配置，包括瓶颈资源和非瓶颈资源。为了保证瓶颈资源的最大产出，应该主动地配置缓冲库存，在瓶颈工序前配备瓶颈工序所需的材料以避免瓶颈工序由于缺料而停产。在瓶颈工序产出零件所在装配工序前配备非瓶颈工序链产出的配套零件来避免瓶颈工序产出零件的等待浪费。与此相反，精益的目标是消除一切不增值的浪费尤其是库存。不仅要消除为了应对需求波动的安全库存，而且要消除由于批量而产生的缓冲库存。因此创造了持续改善的文化以及一系列减少波动和批量的技术。防呆技术是为了减少质量波动；多能工是为了减少人员波动；TPM是为了减少设备波动；供应商协同是为了减少供应波动和批量；快速换模是为了减小生产批量；看板是为了减小生产和转运批量。约束理论认为一定由于某种隐藏的原因造成了目标无法实现，只要能够对现象进行深入分析，抓住核心矛盾，就能提出激发方案解决冲突。它将人看作科学家。而精益思想将人看作工程师，通过营造打破等级藩篱、尊重基层员工的企业文化，鼓励每个人在自己的岗位和领域发现导致浪费的原因并予以解决。不存在最佳模型，好的模型必须适应企业的运营环境和结构。简单的套用既有模型和经验必然会走进死胡同。
计划模型决定了企业承接客户需求的流程和方法。设计者在构建模型时首先需要理解企业实际的运营环境。市场环境决定了企业的备货模式，如果市场允许企业拥有较长的提前期做交付，那么企业可以从容地组织生产。如果是在一个无差异竞争的市场环境中，企业为了赢单就必须压缩提前期，即使增加成本也要被迫备库。对于材料供应也类似，国外供应商的材料由于供货周期无法满足交付周期要求，因此只能提前备库且大批量采购。需求波动也会进一步压缩提前期，即使较早接到客户订单，由于担心变化，企业并不会过早生产。一家企业只有几天内的装配计划才被锁定。但是对于首道冲压工序，它的备货提前期超过了计划锁定周期，因此无法按照装配计划组织生产，只能采用备货生产模式。如果忽略了类似的外部刚性约束，那么计划模型就无法实现逻辑自洽。另一家企业的装配工厂和部件工厂分属两地，部件成品的库存同时存储在上游工厂的成品仓和下游工厂的材料仓。看似是相同的库存，但是备库的动机完全不同，上游工厂成品仓中除了等待发运的缓冲库存，还有一部分库存是因为担心需求变化而造成交付风险而备的安全库存，而下游工厂材料仓存放的都是即将上线使用的缓冲库存。认识到其中的差异对于计划模型的设计至关重要。如果忽略担心需求变化这一备库动机，那么模型将难以被计划人员所接纳。
外部市场环境留给企业的交付提前期作为刚性约束很大程度决定了企业的生产和材料供应组织模式。除此之外，计划还会因为生产和供应环节自身的各类约束和协作失调导致交付风险和效率损失。这一块通常是设计者最熟悉的，包括能力约束、资源约束、材料约束以及人员约束等。正是因为熟悉，所以会被套路所禁锢而忽略现实。曾经的一个教训让我对此心怀敬畏。在一家设备检测企业，套用标准的能力模型，我们让客户提供实验项目的可选工位以及在每个工位的操作周期。结果客户提出了一个又一个的特殊场景，例如某个实验工位在做实验时另一些工位就不能同时做实验；一个班次如果安排某类实验就不能安排另一类实验，等等。我们习惯的做法是把这些场景都当作特殊约束纳入模型，但是这一次特例太多了，模型的复杂度被无限放大。但是现实真的如此吗，为什么有这么多个性化约束？经过进一步沟通，我们才了解造成这些约束的原因：因为实验工位背后需要发电机组供电，一旦发电机组被某个实验工位使用，就无法再为其它工位同时供电。而且一个班次只会安排一个发电机组供电，因此只能安排特定的实验项目。至此我们才真正理解了现实：实验不仅受限于工位，同时也受限于资源，只有当工位和资源同时可用时才能安排特定的实验项目。摆脱套路、因地制宜应该是每个计划顾问基本的素质。
企业对于计划顾问的期望不仅是基于现实构建模型，还要能帮助企业带来交付能力的改善。但是我们却更习惯处理影响模拟真实性的局部约束，忽略影响交付流程的全局约束。同样发生在这家设备检测企业，客户一直讲他们的生产特点是大兵团作战，然而对于这一概念我到接近上线时才有所理解：不同类型的实验项目需要布置特定的电路，为了减少电路切换频次，需要积攒一定批量的实验集中处理。因为首次接触这类行业，不清楚业务运作原理，缺少理解概念的场景支撑，让我忽略了这个重要线索。为了积攒实验，必然会破坏精益所提倡的流动性，造成等待的浪费，而且这个实验环节的复杂度和波动性在整个实验流程都是最高的。作为整个实验流程的瓶颈，在构建模型时理应重点考虑它的排产策略以及它和其它实验环节的联动机制。它的安排将会构成其它实验环节的外部约束。但是我们却深陷五花八门的局部约束的泥潭，然而提高局部计划的模拟效果并不能带来企业交付能力的改善。
大家普遍以为模型越精确，模拟效果越好。因此希望将全部业务环节，所有约束要素都纳入模型。但是事无巨细会让设计者忽略交付流程中主要矛盾。何况越精确的模型留给现场发生异常和波动的机会就越小。现场并不完美，精确性会导致执行和模拟冲突频发，让计划流于形式。计划