缝制行业APS落地指南：从人工排产到智能排程的核心逻辑

周一早上八点，计划员小周像往常一样打开电脑里那个排产表，但这次他已经不太想打开它了——十几个密集填满的Excel页签，七款同时在某条吊挂线上生产的衣服，三种不同颜色面料到货时间都不一样，还有两个熟手缝纫工昨天同时递了请假条。他需要在下班前给出明天各产线的生产安排，而手机里已经弹出了三条催单消息。

这大概是每一家缝制工厂计划员每天都在经历的日常。订单越来越多、款式越来越碎、交期越压越短，而排产这件事，却依然极度依赖一两个人的记忆、经验和加班时长。APS（Advanced Planning and Scheduling，高级计划排程）这几年在缝制行业喊得越来越响，但真要说清楚它是什么、能解决什么问题、上线之后又能带来什么，市面上能讲透的文章并不多。我接触过不少做服装、箱包、家纺、鞋帽的工厂，也跟进过多个从人工排产切换到APS系统的项目，这篇文章就把缝制行业APS这件事从原理到落地完整拆开，讲点实际的东西。

先给出我的结论：缝制行业的APS不是简单的“电脑自动排产”软件，它本质上是一套把排产经验结构化、把车间约束显性化、把决策过程数据化的管理体系。它的核心价值，是让车间在越来越复杂的生产环境下，不再靠“老师傅拍脑袋”来维持运转。

1. 缝制排产的痛点远不止"排一排序"那么简单

1.1 一条缝纫产线的真实复杂度

很多人对缝制工厂排产的想象，还停留在“几十台缝纫机，把活分下去就行”的层面。但真正走进一个现代化的缝制车间，你会发现事情完全不是这样。

拿一条典型的吊挂线来说，三四十个工位是不固定的，今天做A款，明天可能换B款。而A款可能有二十多道工序，B款可能有三十几道工序，不同款式的工序顺序不同、难度不同、标准工时也不同。更麻烦的是，工位上的人不是万能的——同一个平缝工序，张三每小时能做60件，李四可能只能做35件；有些老师傅能上花式机，有些新员工只能做最简单的合缝。排产排的其实不是一个“产线”，而是几十个能力不同的人、上百道工序、好几款订单之间的排列组合。

再加上面料到货时间、印绣花委外周期、裁剪产能、后道包装速度、订单交期优先级，这些东西交织在一起，人工排产基本到了极限。很多工厂的计划员能排出来，靠的是对车间情况“门儿清”——哪个员工快、哪个款哪个工序容易出问题、哪批面料其实早就滞留在裁床了。但这种依赖个人的能力，恰恰是最脆弱、最难被管理认可的。

1.2 缝制行业区别于机械加工的核心难点：人比机器难约束

我之前和一些做通用APS的朋友聊，他们经常觉得缝制排产简单：工序少、设备单一、产能好算。这种理解恰恰是最大的误区。机械加工行业排产，主体是机床，机床不会累、不会请假、技能不会波动；但缝制行业的产能主体是人，人的效率不是恒定的，技能矩阵是多维的，熟练度随款式变化而变化。

同样是平缝工序，厚面料用粗针粗线，薄面料用细针细线，处理手法不一样，熟练工也得适应；一道新款的复杂开袋工序，不是所有人都会做。缝制行业的产能弹性大，但随之而来的不确定性也大，APS要处理的不是一个静态的产能模型，而是一个随时在变的、带有人因变量的动态系统。这也是为什么像智兆APS这类专门扎根缝制行业的方案，会比直接用一套通用APS改一改要靠谱得多——它们的底层数据模型、约束逻辑、界面交互方式，都是按服装工厂的实际情况设计的。

1.3 人工排产的三大瓶颈

我把人工排产的问题归纳成三个瓶颈，也和很多工厂的生产经理、计划主管确认过，基本都能对上号。

第一，排产速度跟不上变化。人工排一次产往往要半天甚至一整天，排出来还不敢轻易动，因为一动就要连带调整所有下单线。但实际生产里，插单、缺料、请假随时发生，计划永远在调整，人工响应必然滞后。第二，排产质量依赖个人经验。一个干了多年的老师傅，心里有张隐形的“地图”，新换的计划员根本接不住，一旦这个人离职或休假，排产水准直接掉档。第三，排产结果无法追溯和评估。人工排产没有留下决策记录，为什么这个款排在这条线？为什么优先做了B单而不是A单？事后复盘全靠当事人回忆，管理改进无从谈起。

APS解决的不是“把表做得更快”，而是把这套决策过程变成可被追问、可被计算、可持续优化的系统流程。下面进入正题。

2. 为什么MRP跑出的工单不能直接交给车间

2.1 MRP的逻辑边界：只算需求，不算产能

很多工厂已经上了ERP，也有MRP模块，有的还上了MES，但会发现计划仍然一塌糊涂。原因很简单：MRP解决的是“我们需要什么、需要多少、什么时候要”的问题，它做的是无限产能条件下的物料需求展开。它不会回答“你的缝纫车间这周到底能产出多少件”这类资源约束问题。

举一个实际的例子：某家服装厂接了一个6000件的订单，交期是30天后。MRP按交期倒推出第10天要开裁，第15天要上线缝纫。但实际上，第15天主线产线已经排满了另一家的加急款，根本挪不出工位。面料裁好了，裁片就堆在车间三天等线位。等到上线，缝纫又拖了两天，后道包装和交期全部被压缩，最后只能连夜赶工。

这个例子里，MRP的运算逻辑没有错，错的是它没有把“产线当天有没有足够的缝纫工时”当成一个必须解决的约束。MRP是给采购和仓库用的，不是给车间排产用的，两者定位完全不同。看懂这个区别，是理解APS意义的入口。

2.2 从"需求计划"到"作业计划"的三层断层

从MRP的需求工单到车间真正能执行的作业计划，中间隔着至少三层断层。

第一层是物料齐套断层。MRP按理论到料日排出开工日期，但面料、辅料、印绣花片是否真的齐套，系统往往不会逐单核对。缝制行业一个款涉及的物料可能多达几十种，少一颗纽扣、一卷织唛，产线都可能停摆。APS在排产前必须做齐套检查，把不齐套的订单挡在排产池外。

第二层是产能平衡断层。MRP不关心车间今天谁在、谁请了假、哪条线在换款，它只会给出“某日需要产出多少件”。APS则必须把产能落到“具体哪天、哪条线、哪几个工位”的粒度上。

第三层是工序级排程断层。MRP最多到“工单级”，但缝制车间真正执行的是工序级任务。一条线上几十个工位，每个工位做什么工序、顺序怎么安排、瓶颈在哪，这些MRP完全管不了，需要APS在有限产能下做工序级计划。

注意：我见过有些工厂觉得有了MES就能解决排产，其实也不对。MES主要解决“生产过程中数据采集与执行反馈”的问题，它是支离破碎的过程管理，而APS解决的是“事前计划”的问题。两者是互补关系，不是替代关系。

2.3 插单与改款：动态重排是无法回避的刚需

缝制行业的订单结构这几年变化很明显：大单少、急单多、翻单快。品牌方和电商渠道动不动就是小批量多款式的订单，还经常要求中途插单。在这种环境下，计划必须是“动态滚动”的，不能说这周排完就完事，而是要随时根据新订单、缺料、设备故障、人员变动去重排。

人工重排一次要花大半天，所以很多工厂的现状是“不敢重排”，宁愿将错就错地把问题往后推。APS的价值之一，就是把重排的成本降下来——它不是把今天的计划推倒重来，而是基于当前状态做增量优化，快速给出一版“哪些单动、哪些单不动”的调整方案。这一点在缝制行业尤其重要，因为产线一旦停摆换款，损失的是几十个工人的工时。

3. 缝制APS的数据地基：没有这些基础数据，一切算法都是空中楼台

3.1 七个必需的基础数据集

APS能不能跑起来、跑出来的结果能不能用，七成取决于基础数据的质量。数据不准，再好的算法也是白搭。缝制行业APS上线前，这七个数据集必须梳理清楚：

这里面最容易被忽略、但也最要命的是工序字典。很多工厂每个款的工序名称是IE部门随手写的，同一个工序在不同款式里可能叫三个名字：“平缝”、“平车”、“合缝”，看着差不多，系统会当成不同工序处理，工时统计和技能匹配全部乱掉。所以工序字典必须在项目一开始就统一规范，这是所有后续工作能成立的前提。

3.2 技能矩阵：把"老师傅心里的地图"变成系统数据

技能矩阵是缝制APS最有行业特色的数据模型。通用APS排产只关心设备可用性，而缝制APS必须把“人能不能做这道工序”和“做得多快”显性化。

建立技能矩阵最常见的方式是：让管理层和班组长一起，对每位员工逐项打分，分1到5级。1级是“没做过或基本不会”，3级是“能独立完成，速度正常”，5级是“熟练工，可做瓶颈工序并带新人”。下面是我在项目中常用的一张表格式样：

这些数据不是排产前一次性建的，而是要在运行过程中持续更新。员工技能提升、新员工入职、老员工调岗，都要及时反映到矩阵里。技能矩阵更新得越快，APS的排产结果就越贴合车间实际。

3.3 标准工时到底怎么定：GST还是现场测时

缝制行业标准工时（SAM，Standard Allowed Minutes）是排产的又一个核心参数。很多工厂一开始对标准工时不够重视，用“大概是每天能做多少件”这种粗估方式去建数，结果APS排出来的计划看起来合理，实际跑起来全是偏差。

标准工时的来源，行业里普遍认可的是GST（General Sewing Time）分析，也就是把一件衣服的缝制过程拆解成标准动作，给每个动作赋予标准时间。GST的优势是可复现、客观性强，适合排产和成本核算；缺点是前期投入大，需要一个合格的IE团队做分析拆解。没有GST条件的工厂，也可以用现场测时法，找熟练工做首件，掐表记录每道工序的实际时间，再乘以一个综合效率系数。无论用哪种方式，关键是要避免“一个款一个总工时”的做法——缝制排产必须细化到“每道工序的标准工时”，否则工序级排程根本无法展开。

补充一点：标准工时在缝制和机加工行业有个很大的不同，就是款式复杂度、面料厚度、尺码大小都会造成显著波动。夏天做T恤和冬天做羽绒服的工时完全不是一个概念。所以标准工时表里最好带上款式类型、面料参数的标签，方便系统在不同款式排产时选取合适的定额。

3.4 数据冷启动：没有准确数据能不能上APS

很多工厂犹豫上APS，最大的顾虑是“我们数据基础差，是不是要先把数据做好再上系统”。这个想法能理解，但不全对。正确的做法是“以建带学、以用促整”——边上线边理顺数据，而不是等数据百分百准确再动。

智兆APS在缝制行业项目里的打法是：第一批先锁定两个爆款或主产款，把工序、工时、技能矩阵精做细做，作为算法验证的基准；其他款式数据分批次完善。这样做的好处是，系统上线初期跑的数据量小，出错的概率低，团队也能在试跑中积累对系统的信任。等第一批款排顺了，再逐步扩充数据覆盖范围，比一头扎进全量数据整理的泥潭要靠谱得多。

4. 排产引擎的核心逻辑：约束、目标与滚动计划

4.1 什么叫"约束"，缝制APS里哪些是硬约束

APS的核心算法原理说起来也不算神秘：把生产约束条件输入到计算模型里，让算法在满足约束的前提下找出一版最优或近似最优的计划方案。但“约束”这个词对不少管理者来说还是太抽象，我用大白话解释一下。

缝制行业的排产，大致会有这么几类约束条件：

• 硬约束：必须满足，不满足计划就是不可行的。比如“同一订单的某些工序必须按先后顺序做”、“一台设备同一时刻不能同时做两件事”、“某道需要特种机的工序必须安排在持有该特种机操作证的员工身上”。这些约束一旦违反，计划落地就是一句空话。
• 软约束：尽量满足，但在特殊情况下可以适当放宽。比如“优先完成交期最急的订单”、“尽量少换款以减少换线时间”、“尽量让同一款集中在一段时间内连续生产”。
• 时间约束：工作班次（白班/夜班）、休息时间、加班时段、设备保养时段。缝制行业许多工厂还分主线和机动线，排产时必须区分。

不同的APS软件处理约束的方式不一样，有的是规则引擎（if-then），有的是运筹优化模型，有的用遗传算法、模拟退火，也有的干脆是多轮启发式搜索。行业软件的底层算法细节通常是保密的，但对使用者来说，更重要的不是纠结算法本身，而是搞清楚“你的约束条件有没有被正确建模”。

4.2 优化目标：不只是"按时交货"那一件事

有了约束，接下来就是目标函数。很多第一次接触APS的工厂，以为目标就是“交货期最短”，这个理解太片面了。缝制行业的APS目标往往是多目标的加权平衡：交期达成率当然排第一，但同时要考虑产线负荷平衡、换款次数控制、在制品积压水平。

举一个我见过很多次的例子：某个工厂有一款急单，系统如果把所有产能都扑上去，交期确实保住了，但会牺牲掉另外三个正常订单的节奏，导致三条线同时换款，整个车间在接下来两天处于混乱状态。APS在多目标之间做权衡后，可能会给出“急单占主线60%产能，另外40%继续做当前款”的方案，虽然急单交期被压到极限，但整体车间损失最小。这种“全局最优”的思维方式，正是人工排产最难做到的。

4.3 滚动排产、冻结窗口与手动锁定

APS上线之后，最让计划员不适应的就是“计划不是排一次就完事了”。实际生产中，订单、物料、人员每天都在变，APS排出的计划也必须有“保质期”。

主流的做法是“滚动排产+冻结窗口”：未来三天（或一个交期敏感周期）内的计划是冻结的，不允许随便动，保证车间执行稳定；三天到两周的计划可以小幅调整；两周以上的计划可以大幅优化。同时，经验丰富的计划员可以对某条线、某个订单或某位员工做手动锁定，把人为决策的边界留给系统，系统只排没有锁定的部分。这套机制在智兆APS这类行业软件里都是默认支持的，兼顾了系统的自动化能力和人的经验判断。

4.4 排产结果的呈现：计划员看到的是什么

APS排完的结果，不是一张冷冰冰的Excel表，主流呈现方式是甘特图和负荷表。甘特图的行是产线/工位，列是时间，不同订单用不同颜色块显示。计划员可以直观地看到“哪条线在什么时候做什么款、做到什么时候、下一单什么时候上线”。

负荷表则更重要：它能显示每条产线未来两周的产能利用率，哪些线已经超负荷、哪些还有余力。真正的价值在于——它让排产从“事后补救”变成了“事前预警”。还在接单阶段，生产部就可以拿负荷表去和业务部门谈：“这周主线已经排满，如果新订单必须插进来，某几个订单要延期，你们自己选。”这种跨部门决策，在手工排产时代几乎不可能发生。

5. 落地实施的关键步骤与常见阻力：从试跑介入到全面替代人工排产

5.1 实施路线图：不要指望一步到位

缝制行业APS项目的实施路径，我建议分成四步走，稳扎稳打，而不是一口气全面切换。

第一步是现状调研和数据治理，一般2到3周。这个阶段要跑通七个基础数据集，尤其是工序字典和技能矩阵，同时把几条示范产线的工艺路线梳理完整。第二步是单线试跑，4到6周。挑一条最成熟的产线，用APS替代人工先跑起来，对照人工排产结果反复调参。第三步是扩展到多线并行，1到2个月。把试跑经验复制到其他产线，逐步扩大覆盖范围。最后再全面切换，让APS成为唯一的排产系统，人工只做例外处理。

每个阶段的退出标准要提前定好。比如单线试跑阶段，如果连续两周APS排产结果的落地执行率超过85%（“按计划执行的订单数/总订单数”），才允许进入下一阶段。这样可以避免“系统上了但没人用”的尴尬局面。

5.2 关键角色：一个老师傅，一个老板，缺一不可

APS落地最难的不是软件，是人。项目里必须有一个能镇得住的“计划老师傅”深度参与——不一定是要他认可系统，而是需要他把脑子里那些排产逻辑讲出来，变成系统的规则。很多APS项目失败，就是败在老师的经验没有被完整抽取，系统只复刻了表面规则，一遇到特殊情况就失灵。

另一个关键角色是老板（或厂长级管理者）。APS改变的不仅是排产方式，更是管理节奏：以前计划是计划员一个人的事，有了APS之后，销售、采购、车间都要在同一个数据平台上协同。没有老板在周会上用APS的负荷表去挑战业务部门的插单要求，系统很快就沦为摆设。所以老板的支持不是口头说“要上系统”，而是真正用系统的数据做管理决策。

5.3 过渡期怎么"双轨运行"：对账、定标、迭代

实施过渡期的“双轨运行”阶段，往往是项目里最煎熬但最有价值的时期。系统排一版，人工排一版，两版对不上，团队士气最容易泄气。

我的建议是：不要追求两版完全一致，而是每周设一个对账会，把两版结果的差异点逐条摆出来分析。差异一般会集中在几个方面：系统是否考虑了某条“隐性约束”、人工排产中有没有某个“可复用的经验规则”还没教给系统、还是系统的算法逻辑本身有缺陷。每次对账会，本质上是把隐性的经验条文化、把系统的规则调优化。通常经过4到6次迭代，系统的计划质量就能稳定超过人工。

5.4 我见到的最常见的三种阻力，以及对应办法

阻力一是“老师傅说：我自己排得比系统好”。这很常见，也确实经常成立——在单款、单线的简单场景下，老师傅几十年的经验确实能碾压刚上线的系统。但管理者要清楚，APS的价值本来就不在简单场景，而是在几十个订单、多条线、频繁插单的复杂场景。让系统先啃最难的区域，不要拿短处比长处。

阻力二是“计划员怕系统出错背锅”。很多人不敢用APS，是怕万一排出来的计划执行不了，责任全在自己。办法是让系统输出保留“人工确认”步骤，计划员可以在执行前手工调整并记录原因，这样系统就变成了一个建议工具，而不是替代品，心理负担会小很多。

阻力三是“数据和执行对不上，越用越没信心”。比如系统按标准工时排产，实际做起来却总超时。这通常不是APS的问题，而是标准工时不准确或现场工艺和工艺路线不一致造成的。遇到这种情况，不要急着怪系统，先回头核查数据，把工时和工序修正过来。

6. 智兆APS方案的特征与选型参考

6.1 行业化方案和通用APS的差别在哪

缝制行业上APS，选型时最核心的问题不是“买哪家软件”，而是“选一个懂缝制行业还是只能上通用平台的方案”。通用APS本身没有错，它的思路是把设备抽象成通用资源，适配机械加工、电子装配等离散制造场景。但缝制行业有自己的特殊性：人是最主要的产能资源，工序高度依赖技能，产线形态既有吊挂线又有捆包流水，工时数据受面料和款式影响极大。通用APS往往需要做相当多的二次开发，才能把缝制行业的玩法“硬塞”进去。

行业化方案则不同，比如智兆APS这类扎根缝制领域的方案，它的数据模型里第一公民就是“人-技能-工序”，而不是“设备-工艺-工装”。交互界面也是按计划员的习惯设计的，甘特图、工序负荷、人员排班都是开箱即用的。更重要的是，厂商在项目实施过程中积累了大量缝制行业的样板数据和调参经验，可以直接借鉴，避免走弯路。

6.2 智兆APS的做法：与MES联动是价值放大器

业内经常把APS和MES放在一起谈，但两件事的分工要理清：APS排计划，MES管执行。智兆APS的典型做法，是把这两个系统打通：APS排好的计划通过接口下发到MES，MES实时采集每个工位的完成数、工时、质量状态，再反馈给APS作为下一轮排产的数据基础。

这个联动对缝制行业尤其重要。以前排产用的是“理论工时”，有了MES反馈，排产可以逐步过渡到“实际工时”——系统知道某个熟练工做某道工序的真实速度，下一轮排产就能用真实数据修正计划。没有这个反馈闭环，APS永远只能靠静态的标准工时算，准确性自然受限。所以我常建议要做APS的工厂，最好把MES也纳入整体规划，即使分期建设，也要提前把接口想清楚。

6.3 与宝信APS等方案的理性对比

选型时难免会碰到宝信APS等知名厂商。这类厂商的技术实力毋庸置疑，产品体系成熟，尤其擅长钢铁、有色、化工等流程性行业以及大型离散制造场景的APS规划。它们的强项在于流程行业的大规模连续生产排程，或者复杂离散行业的整体供应链计划优化。

但我必须说一句大实话：流程行业的APS和缝制行业的APS，不是一个物种。钢铁行业排产的约束是高炉、转炉、连铸机这类连续设备，产能模型相对稳定；而缝制行业的核心约束是几十上百个技能各异的人，模型复杂度完全不同。宝信APS如果应用到缝制行业不是不行，但往往需要投入大量定制开发，把它的通用引擎往缝制场景上“掰”，实施周期长、费用也不低。反过来，像智兆这样专注缝制的厂商，虽然体量没那么大，但对“上袖工序需要几个人”“充绒工序和车缝工序怎么平衡”这类问题门儿清，实施交付的贴合度会更高。

6.4 选型前的四个灵魂拷问

不管选哪家方案，我建议工厂在选型时问自己四个问题，回答不上来，先不要签合同。

第一，系统能不能排到工序级/工位级，而不只是线级？只排到“哪条线做哪个款”的APS，对缝制工厂来说价值有限，因为困难和瓶颈都出在工序安排上。第二，技能矩阵是不是一等公民？人员技能无法建模的APS，排出来的计划会让你哭笑不得。第三，异动处理方不方便？插单、请假、改款之后，重排的交互体验很关键，别选一套改起来比人工排还麻烦的系统。第四，实施团队里有没有懂缝制工艺的人？没做过服装厂交付的顾问，和他说“这套用的是成型捆包流水”是对牛弹琴。这四条基本能筛掉一大半不合格方案。

7. 常见坑点与实战经验：排产结果"能用"和"不能用"之间的隐形鸿沟

7.1 坑一：工序拆分粒度太粗，排产结果没有节奏感

我见过一个项目，APS上线后第一周，排产结果在系统里看着完全合理，但车间老师傅看一眼就摇头，说“没法做”。为什么？因为排产只排到了“线级”——某条线今天做A款，但A款内部的具体工序流转完全没排。产线上没有明确的工序节拍衔接，工人到了工位却不知道今天先做什么。

正确的粒度必须到工序级：每条线至少要把瓶颈工序、关键工序的具体时段排出来，其他非瓶颈工序可以粗放一点，但整体要有一个清晰的工序流顺序和生产节拍。很多APS在缝制行业跑不起来，不是算法不行，而是工序拆分粒度没有贴合产线的实际管理需求。

7.2 坑二：技能矩阵和实际人员错位，计划很好看但做不动

另一个高频坑是技能矩阵“看着很全，实际上错了”。比如某个员工的技能等级还是三个月前的，实际上他已经调岗去做双针机了；或者技能矩阵里标了“能开袋”，实际他只能做简单的后袋，复杂的两片式开袋从来没做过。排产模型以为这个工位上站着老师傅，结果实际来的是个新手，计划自然崩。

应对办法是建立技能矩阵的定期校准机制：月初由班组长逐线确认一次，涉及调岗、离职、新员工入职时随时更新。这个动作看起来简单，很多工厂就是执行不到位，最后APS成了“纸上软件”。

7.3 坑三：物料齐套数据不准，系统说开工车间等料

APS排产时一定会做物料齐套检查，但如果ERP/MES里的库存数据、在途数据不准，齐套检查就是形同虚设。缝制厂里最常见的场景是：系统按面料数量排了开工日，但仓库里那批面料是上一单的尾料，被设计部借去做样品了，账上明明在库，实际取不出来。

所以上线APS之前，仓库要好好盘点一次，建立库存数据每天对账的习惯。数据不干净的工厂，建议先上一套轻量级的仓储数据管理系统，把基础打牢，再上APS，顺序不能颠倒。

7.4 坑四：只排缝纫不排裁剪，缝纫排好了裁片供不上

缝制行业的产能瓶颈经常不在缝纫本身，而在裁剪——大裁床排床、拉布、裁剪、分包、编号，环环相扣。很多APS项目第一版只做了缝纫产线的排程，上线后缝纫计划执行得很漂亮，结果前工序裁片供不上，产线照样停。

正确做法是把裁剪车间纳入APS的统一排程范围，至少要做到“缝纫计划生成后，自动校验裁剪产能并反推裁剪开工时间”。如果APS本身不覆盖裁剪，也要在缝纫计划旁边加一张裁剪负荷表，由计划员协同调整。跨工序的产能协同，是缝制工厂排产真正的深水区。

7.5 坑五：冻结窗口设得太短，车间天天被改计划

冻结窗口一开始设得太短（比如只有一天），会导致车间每天凌晨收到第二天的新计划，工人一早到车间发现款全换了，自然满腹牢骚。结合缝制行业的换款成本，我个人建议冻结窗口至少设3到5个工作日：3天内原则上不动，3到10天可以微调，10天以上自由优化。窗口也不是一成不变的，旺季插单多可以适当缩短，淡季可以拉长。

要注意的是，冻结窗口越长，系统的插单响应能力就越受限，所以这个参数需要由计划员和管理层一起权衡，每季度复盘一次。

7.6 最终经验：APS不是用来替代人，是让人做更聪明的决策

做完整套APS落地之后，我自己最大的体会是：APS真正改变的不是系统，而是整个工厂的决策水位。以前排产依赖老师傅脑子里一张模糊的地图，现在这张地图被建模、被量化、被沉淀在系统里。老师傅的经验没有贬值，反而可以腾出精力去处理更复杂的例外情况；而新来的计划员，也不用再靠两三年的“苦熬”才能上岗。

也有一开始最抵触APS的计划员，后来成了系统用得最熟的人。原因很简单：系统把那些繁琐的约束检查、产能核算、物料比对工作接走了，他终于可以花时间去看瓶颈、看节奏、看那些系统算不到的人情冷暖。这才是APS在缝制行业真正的价值——它把排产从体力活变成了脑力活。

如果你正在为缝制工厂的排产问题头疼，我的建议是：别急着买软件，先把上面第一部分讲的七个数据集凑齐，找一条产线试跑。数据够不够、能不能跑通，一测便知。等你的Excel表格再也撑不住新款插单和跨线协同的那一刻，你就知道，该上APS了。