当码农有10多年了，由建筑行业软件，各种MIS，通用物流定制平台，CCTV客户端(是闭路电视，不是央视喔)啥都做过。最后小试一下创业，不过那都是闹着玩的，不到一年就回到码农的队列，重拾搬砖的行当。近些年一直在制造业，做过ERP，当过小组负责人。有人问为什么不转纯管理？是能力不足，气质不佳还是人品低下？我觉得都有些且不全吧。反正无论是当管理还是做技术，我还是觉得手里拿点实在的东西心里才踏实。并不是说管理不是一个好技能，而是本人遇机问题，机会不多，所以大多数时间都是在做搬砖，砖搬多了，当然想试一下，看能不能搞个自动化机械出来，总不能搬到退休那天吧，码农到底多少岁退休呀？看来如果再不练就点拿得出手来的东西，到时候我就只能退，无法休了。那些奋斗于500强，30岁而立之年已赚足退休资本的农场主们不在此列。

　　好了，唠叨了半于，回来说说粘点边的。上面说了，老农啥都搞，那也就是说没啥精的了。跟同行们说我是在制造业里做IT的，可人家习惯性地府视俺：工厂里的IT？说是ERP，不就是进销存嘛，能有啥技术含量？。嗯，觉得也是，不过要知道，当你深入到一个行业里去，无论是做什么，你都会觉得，你进的是天坑，你遇到的都是世界难题。毕竟那些说这个简单那个没技术的人，通常都只是在隔山观火走马观花（这两成语是这么用吗？体育老师还要兼顾数学，所以本农的语文水平有限呀。）在企业里我做过营业模块，也做过生产模块，其实当你深入其中，去跟各种业务逻辑细节搏斗时，你就会感觉到：妈的，今年的诺贝尔软件奖舍我其谁？其实世界上没有好做的软件，觉得好做，只是你的系统简单而已，而不是哪个行业简单。好了，既然ERP这么简单，老农我也觉得这不是我的菜呀（其实是能力不足，没办法深入到ERP的业务里罢了）.好在现在整个中国都在闹智能制造,我觉得也可以在制造业做点大家觉得有小许牛B的事了(原谅我做了点小梦)。先不说这一轮的人工智能热潮会不会如2000年的互联网热一样，火一下就没了。但有些进步是大家都能看得到的，起码谷哥他家的狗在围棋上把人类给秒了。

　　关于智能制造，在其中一个环节，就是让计算机把一些以前还是需要有经验，IQ还可以的人才能做的东西，帮忙给做了；而不仅仅是通过网络控制机器手来代替人手。能被机器手代替的，更多的是重复劳动，另外就是机器手的高精度操作远超人类。但是，例如做生产计划这类需要很高“智能”才能做的事情，在人工智能的背景下，应该也会慢慢有成果出现了。说到生产计划，可能大家遇到最多的都是MPS（主生产计划），它只是一个很高层次的计划，只能计划到车间（顶多是产线），时间上最多只能精确到天；更多的算是企业层面的计划，不太具有实操性。要满足智能制造中，实现对机台进行分钟级（甚至秒级）的生产指令下达。光靠MPS肯定不可行的，事实上MPS下达到车间后，会有相应的调度部门来对MPS进分解，形成调试指令。把工单再分配给操作班/组，而这个生产指令在很多情况下，还不是精确的完全可执行的信息，很多还只是“主体信息”，到了机台的操作班/组，还需要班/组长根据机台的实际情况进行一些额外的处理，才能形成真正的操作指令。所以，一些很复杂的细节逻辑，其实是下压给了调度部门和机台班组。但要实现智能制造，要提高生产自动化程度，这一系列的复杂转换，就不可能由人逐层地下发。因为：1.在速度上来说，人对复杂问题的处理速度远跟不上计算机，特别是涉及大量计算、判断的信息处理时；2. 能做出一套好的MPS就已经是不错的生产计划员了，已经需要对业务非常熟悉，对各种情况的预判准确率要达到一定的程度；这是需要丰富的经验和试错经历的。3. 当完成了MPS要分解成调试指令甚至是操作指令时，这个过程就不可能只靠人类来实现，因为里面涉及的计算和逻辑判断太多，太复杂，远超过人类可以处理的范围。4.就算花大量的人力物办做出一套可行的调试指令，但要在可行的基础上实现相对最优，那就不是人可以做到的了，这就涉及一个数学上的NPC问题，我在下一篇文章里会说明。

　　因此，要实现上面说的那些复杂、不可能靠人力实现的工作，就需要依赖计算机了。但计算机也只是按人的指令要求进行计算和判断而已呀，所以归根到底还是需要人的智慧。而在这个场景下，实际上是需要依赖人类对数学的运用来实现这么一些复杂的系统。Google那只会下围棋的狗（现在人家已经站在这个星球的围棋顶端开卷孤独求败了），其实不就是人类给它实现了一大堆的数学逻辑嘛。可我并没有这个水平，我们怎么办呢？怎么样能完成上面看起来很牛的工作呢？其实现在业界已经在研究并且有些比较成功的应用了，那就是APS，APS的核心就是在有限的资源条件下，实现相对最优的资源配置。为什么我老是讲相对最优，而不说最优呢？还是得下篇来说。APS这个核心是怎么实现的呢？那就需要一个很牛的引擎。也许会有同学问，业务规则我都知道呀，条件限制我都得到了，那我自己按业务规则写出来，然后就用这个来跑，把结果跑出来，形成一系列的调试指令不就行了吧？扯什么引擎，什么相对最优呢？没错，如果是这样的话，估计这部分同学也是觉得别人的系统很简单，没啥技术含量了。事实上业务规则分两种，很多个层次。层次先不说，我们先说种类。一种是硬规则(相对应的制约，后面的篇章里会叫做硬约束)，和种是软件规则(相对应的制约，后面的篇章里会叫做软约束)。硬规则就是一些不能违反的规则，例如一个产品所使用的原料必然是指定范围内的，需要使用指定的机台进行生产，否则就不可能生产出来，或出来的必然是报废品。而有一些是软规则，就是一些规则老板们希望都不要违反，违反了会让他掉钱的，但客观事实出现了一些情况，没办法完全保证所有规则都 遵循，部分规则也只能放弃坚守了，也就是相害相遇取其轻。例如：同样的产品，可以用两种机台生产，有一个机台的成本非常高，是用来生产专用产品的，普通产品在正常情况下是不会用那个机台生产的，如果普通产品放上去，必然亏本。但如果现在正是旺季，而一个很重要的客户给订单过来，要一个生产普通产品，如果不用这个天价机台生产，那铁定是无法按期交货了，会影响后以后的合作，这时候老板也只能亏一次，起用这个天价机台了。但是生产得越多亏得越多，老板就要求调度员们绞尽脑汁，力求尽量少用这个天价机台。每天都有天量的生产要求要处理，你当计划员、调度员们是神呀？所以篇到一个认为差不多可以了的生产方案就往上报呗，老板也如愿以偿地保住了客户亏了不少钱。可是过两天老板会发现，其实有更好的方案可以更少地使用天价机台，甚至还有一个无需使用天价机台的方案，他会去把计划员、调度员们捉来杀掉拜旗吗？（只有码农才有这个待遇吗？）.问题是：1、在短时间内，人类能找到这个方案吗？不一定，其实是很难，非常难。2. 计划员、调度员们找到的方案有人去挑战吗？不一定（基本上没人有这个能力），因为你也不知道他们出的方案是不是最优？甚至他们自己也不知道。除非他们把所有可能的情况都列举一次，在现实情况下，不要说他就这一个方案做到退休能不能穷举，就算全公司的人一起来列举计算，算到地球毁灭那一天，也不一定能找到。这个时候排程引擎就派上用场了。而其中的核心就是一些数学算法。就如上面所说的，这么多的情况，计算机也只是一个一个去试，一个一个去计算呀，那如果可能的情况足够多，你把全世界都用来挖矿（比特B）的电脑都拿来跑也不一定能跑完呀。这就对了，引擎的作用就是当可能情况无限大的时候，并不会无序地一个一个试，而是集成一些算法，有策略地找，虽然也不一定能找到，但在相同的时间内找到相对最优方案的机会，相对人来说，还是超N个数量级的。其中就集成了一些例如Tabu search算法，遗传算法，退火算法和爬山算法等。我们的主角Optaplanner就是这么一个集成了这么多数据工具的一套开源软件。一下篇我们就开始对Optaplanner进行学习。惊不惊喜？意不意外？:) 

　　首次发文，文笔不通，有砖尽管砸,老农受得了！

一个IT老农，先尽力好当儿子、丈夫和父亲的责任，然后做点有趣的事。