包含产能评估、需求计划、生产计划、物料计划、车间执行计划等,实现计划的自动编排、优化和集中管理。驱动产销协同、产供协同和生产作业协同的产供销一体化能力提升。
智能制造体系的核心决策大脑
四个平台,一套计划体系
具备进行实时、高效的数据交互,动态感知生产要素变化的能力,快速进行滚动重排。应对特殊应用场景,支持便捷的人机结合半自动排产模式,对不断变化的生产环境做出快速响应。
依据业务需求进行生产模型构建,优化求解并关联影响最终形成一套约束网络,实现自底向上的综合模型与算法资源集成,十万级任务量计算耗时秒级。
构建智能驾驶舱,通过大数据分析,处理海量数据与关键信息,为企业不同业务部门提供有力的决策支撑,同时提供各类预警和风险提示,帮助及时调整计划和目标策略。
- 目标
- 策略
- 硬约束
- 软约束
排程引擎
- 需求变更
- 资源异常
- 执行反馈
- 客户
- 订单
- 品目
- 库存/采购
- BOM
- 生产工艺
- 生产资源
- 能力矩阵
- 日历/出勤
- 执行反馈
- 保养/宕机
Industry Atlas · 行业版图
深耕行业,提供务实落地的解决方案
-
01 / 13
烟草行业
Tobacco
了解更多 →
-
02 / 13
包装印刷
Print & Packaging
了解更多 →
-
03 / 13
汽车制造
Automotive
了解更多 →
-
04 / 13
航天航空
Aerospace
了解更多 →
-
05 / 13
3C电子
3C Electronics
了解更多 →
-
06 / 13
装备制造
Equipment Manufacturing
了解更多 →
-
07 / 13
金属制品
Metal Products
了解更多 →
-
08 / 13
化工行业
Chemicals
了解更多 →
-
09 / 13
生物制药
Biopharma
了解更多 →
-
10 / 13
食品饮料
Food & Beverage
了解更多 →
-
11 / 13
轨道交通
Rail Transit
了解更多 →
-
12 / 13
电力行业
Power
了解更多 →
-
13 / 13
3D打印
Additive Manufacturing
了解更多 →
AI × APS · 智能增强
AI 不替代求解器,而是补齐 APS 的四大痛点。
建模重、数据脏、解释难、响应慢——这四件事困扰了 APS 二十年。大模型不是来抢算法的活,而是把算法之外的脏活累活接管掉,让求解器专注做它最擅长的事。
四大痛点 · Four Pain Points
建模重Heavy Modeling
把车间译成约束模型,人工建模周期长、门槛高。
AI 辅助建模——业务描述直接生成约束与接口代码。
数据脏Dirty Data
BOM、工艺、工时常有缺失与冲突,排出来不可信。
异常检测 + 智能补全——上线前自动清洗校验。
解释难Hard to Explain
最优解像黑盒,计划员不敢信、不会调。
可解释排程 XAI——用自然语言说清为什么这么排。
响应慢Slow Response
插单、故障、缺料一来,重排靠人、滞后一天。
异常触发动态重排——秒级增量优化。
三种角色 · Three Roles
效率工具Efficiency · 替代重复人工
- 解决什么
- 把建模、清洗、问答、报表里的重复性人工交给机器。
- 典型形态
- AI 辅助建模 · 数据清洗 · 知识库问答 · 自动报表
决策副驾Co-pilot · 让人做更好的判断
- 解决什么
- 在关键节点给出归因、推荐、解释,让计划员判断有据可依。
- 典型形态
- 根因分析 · 方案推荐 · 可解释排程 · What-if 推演
自适应大脑Adaptive Brain · 让系统自我演进
- 解决什么
- 让系统在运行中自我学习、自我校准,越用越准。
- 典型形态
- 需求预测 · 动态重排 · 参数自学习 · 强化学习调度
落地节奏从效率切入 → 走向决策 → 沉淀为大脑
Capability Map · 按 APS 全生命周期
01 / 05建模与二次开发
AI 辅助建模与代码生成
业务描述 → 约束 / 目标语义 → 接口代码,自然语言直达模型。
算法自动选型
按问题特征推荐 CP / MILP / 元启发式 / RL 组合及参数初值。
测试用例自动生成
基于历史项目沉淀边界场景与压测数据,覆盖更全。
02 / 05数据准备
主数据异常检测
BOM、工艺、工时、资源异常的可解释标注,含原因与置信度。
缺失字段智能补全
相似产品族 + 历史实绩推断,补齐排产前的空缺。
跨系统一致性校验
ERP / MES / PLM 版本与逻辑冲突自动定位。
03 / 05实施交付
混合知识库问答(RAG + Text-to-SQL)
顾问的"随身大脑":一次提问同时检索非结构化方案文档与结构化主数据。
约束 / 权重智能初始化
基于行业模板与历史项目,大幅减少调参试错。
不可行排程根因分析
自动判别产能 / 物料 / 约束冲突,定位到具体瓶颈。
多方案 KPI 自动比选
交付率、OEE、库存、加班的多维归纳与排序。
What-if 仿真沙盘
数字孪生快速评估假设场景,先推演再下手。
04 / 05计划与排程
需求预测增强
促销、季节、宏观多因子融合,预测更贴近真实波动。
ATP / CTP 智能交期承诺
毫秒级评估可承诺量,并给出置信区间。
瓶颈识别与预警
实时负荷分析,提前给出缓解建议。
异常触发动态重排
插单、故障、缺料场景下的增量优化,不推倒重来。
多目标 Pareto 寻优
自动生成可选方案集,在冲突目标间给出取舍。
强化学习动态调度进阶
高扰动场景下持续学习的调度策略,越跑越稳。
05 / 05运营与持续优化
自然语言数据查询 (NL2Query)
直接问"上周延期订单 Top10",系统自动转 SQL / API 并生成图表。
计划员对话式 Copilot
在查询之上叠加动作:"把 B 客户提到最高优先级会怎样?"
可解释排程 (XAI)
用自然语言说清"为什么这张工单排在此时此机"。
KPI 异常自动归因
偏差自动下钻至产线 / 班次 / 主数据。
计划 vs 实绩闭环
工时、良率、换型参数自学习校准,模型越用越准。
运营洞察自动生成
瓶颈迁移、客户健康度、主数据质量分,自动成报。
Value Map · 价值映射
| 能力 | 主要受益方 | 直接收益 |
|---|---|---|
| AI 辅助建模 | 研发 / 顾问 | 二次开发成本 ↓ |
| 数据清洗与补全 | 实施顾问 | 上线周期 ↓ |
| 混合知识库问答(结构化 + 非结构化) | 顾问 / 运维 | 交付答疑效率 ↑、知识沉淀 ↑ |
| NL 自然语言数据查询 | 计划员 / 管理者 | 取数门槛 ↓、决策响应 ↑ |
| 根因分析 + XAI | 顾问 / 计划员 | 调优时间 ↓、信任度 ↑ |
| 需求预测 + ATP | 计划员 / 销售 | 交付达成率 ↑、库存 ↓ |
| 动态重排 | 计划员 | 异常恢复时间 ↓ |
| 计划员 Copilot | 计划员 | 操作效率 ↑、新人上手快 |
| KPI 归因 + 洞察 | 管理者 | 决策响应速度 ↑ |
| 参数自学习 | 系统本身 | 模型精度长期 ↑ |
Product Suite · 产品序列
四档产品,一套算法内核
XPlanner 以 Core 求解器为基座,向上长出 Pro、APS 两条产品线,并以 Solut 在线沙箱让你零部署即刻上手;同一支团队打造的 OntoCore 供应链本体平台,把整条供应链连成一张活地图。
面向集团客户与中小型企业的供应链全栈解决方案:销售预测、S&OP、APS 排产、物料计划、供应商协同——一个语境贯穿到底,告别系统拼贴。C/S 架构产品,操作便捷,标准化程度高。
- Scope
- Forecast → S&OP → APS
- Roles
- 计划 · 物控 · 采购
- Integrate
- ERP · MES · WMS
- Style
- 方法论 + IT
B/S 架构产品,基于行业需求,迭代了不同的行业版本。把烟草、军工、汽车等行业的项目落地经验固化成开箱可用的算法参数、界面与交互流程,扩展性更强,部署周期最短可至 6 周。
- Editions
- 烟草 · 军工 · …
- Deploy
- 6 – 12 weeks
- UI
- 行业定制
- Simulation
- 仿真推演模块
对制造系统建模要素的剥离,进行泛化建模,实现了制造系统底层量化描述,支持深度定制,可实现面向多维复杂约束的仿真优化过程。把工艺路线、产能、换型、并行、互斥、优先级,全部编码成一组可被算法读懂的约束。
- Solver
- Hybrid CP/MIP
- Scale
- 10⁶ tasks / s
- Model
- Full-Constraint
- API
- REST · gRPC
无需部署的云端演示环境。打开浏览器就能用样例工厂跑一遍真实排产——从下单到甘特图,亲手感受约束求解器在你眼前把车间解开。
- Access
- 浏览器直达
- Onboard
- 零部署
- Data
- 样例工厂
- Mode
- 在线沙箱
把订单、物料、产能、供应商、工艺沉淀成一份共享的供应链本体——计划、执行、协同、决策都在它之上对齐;需求一变,全链当天响应。
- Model
- 对象 · 关系 · 动作
- Rules
- 业务规则 · 工作流
- Explore
- 制品地图 · 图分析
- Govern
- 本体治理 · 权限
Solver Engine · 算法引擎
从一份订单,到一张可执行的排产表。
在 XPlanner 里,每一条订单都被映射成约束图上的一个节点,算法在毫秒级搜索可行解、寻找最优解、并对扰动给出滚动重排。
- i.~ 0 ms
建模 · 把车间译成约束
工艺路线 / 资源能力 / 换型矩阵 / 优先级 / 维保窗口,全部以参数化方式落入约束模型。
- ii.~ 1.8 s
求解 · 混合 CP/MIP 引擎
启发式搜索 + 精确求解协同。10⁶ 任务规模下,端到端可控制在秒级。
- iii.what-if
仿真 · 推演假设情景
新订单插入 / 设备故障 / 物料缺料:在排产前先推演结果,再决定下手。
- iv.closed-loop
下发 · 与 MES / ERP 闭环
计划即指令,工序级直达终端;扰动回流,算法自动滚动重排。
Demo Reel · 实机演示
90 秒,看 XPlanner Solut 把一座车间解开。
深耕行业,丰富实施部署经验
XPL-REF2008 – 2026Sheet 05- 0120+助力20+不同行业实现智能化和信息化转型
- 02100+助力100+不同客户实现降本增效
- 0330W+30W+数据压力测试,响应速度10’s
- 0410+跨平台,支持多种格式,对接各种接口
- 055+不同服务地点,本地化服务响应支持
数字来自落地客户的真实运行记录,覆盖烟草、汽车、3C 等行业主要项目。
Recent Releases · 版本更新
每一版的颗粒,都来自一次项目落地。
XPlanner Core 3.5.1 发布
此次升级大幅度提升了灵活性,整合多行业场景,完善了算法模型颗粒度,将部分约束模型升级为全约束模型,提高了灵活快速定制升级以适应客户业务的能力,进一步提升了场景覆盖全面性和稳定性。
XPlanner Pro 烟草行业正式版发布
基于烟草项目中的落地实践解决方案,不断优化算法参数、界面设计、交互流程、以及烟草行业算法求解模型,完善整体功能模块化,界面设计更加符合烟草行业友好使用要求,行业扩展性更强。
XPlanner Pro 军工正式版发布
此次版本发布基于军工企业特殊性,新增了仿真推演算法模块,适配不同层级计划体系不同场景的建模及仿真推演需求,进一步提升多场景多目标的辅助决策能力,百万级任务计算速度提升到秒级。
About · 走进华夏易联
依托华中科技大学产学研成果,自主研发高级计划排程软件
华夏易联科技股份有限公司成立于 2008 年,总部位于武汉,长期专注制造业高级计划排程与供应链数字化。软件产品已在电子电器、PCB、精密制造、能源、汽车零部件、飞机、工程机械、包装印刷、家电等多个行业龙头企业投入使用。
FAQ
关于 APS 排产,常被问到的。
什么是 APS 高级计划排程?
APS(Advanced Planning & Scheduling,高级计划排程)是以约束求解算法为核心的生产排程系统,在订单、产能、物料、工艺、人员等约束下一次性编排出可执行的工序级计划。相比 ERP 的粗排,APS 解决有限产能下“怎么排最优”的问题。
APS 与 ERP、MES 有什么区别?
ERP 管资源计划与算账,MES 管车间执行与数据采集,APS 解决中间的“怎么排最优”——在有限产能下满足交期、产能、物料齐套求最优方案,通常与 ERP/MES 集成:接收订单与产能、下发工序级派工。
XPlanner 支持哪些制造行业?
覆盖烟草、汽车、航空航天、3C 电子、轨道交通、电力、化工、生物制药、食品等十余个离散与流程制造行业,每个行业内置专属约束模型。
排产计算需要多久?能应对插单和异常吗?
以约束求解算法为核心,百万级任务可达秒级求解;插单、缺料、设备故障等扰动下支持秒级动态重排,把从开会拍板到滚动重排压缩到一分钟内。
如何与现有 ERP/MES 对接?支持私有化部署吗?
通过标准数据接口与 ERP/MES/PLM 集成,读取订单、BOM、工艺路线、产能、日历等数据,排产结果以工序级派工单回写;支持私有化部署与分层隔离——从多工厂共用一套到关键工厂独立隔离,按需分层。
XPlanner 是哪家公司的产品?
XPlanner(中文品牌「易普优」)是华夏易联科技股份有限公司的 APS 高级计划排程产品。华夏易联成立于 2008 年,总部位于武汉,长期专注制造业高级计划排程与供应链数字化。
XPlanner 的核心技术是什么?
以约束求解算法(CP/MIP 混合)为核心的求解引擎,在有限产能下对订单、产能、物料、工艺、人员等约束统一建模求解;姊妹产品 OntoCore 提供共享供应链本体作为数字底座。
如何试用或获取 XPlanner?
可通过官网预约演示,或拨打客服热线 4008-598-809、邮件 ganquan@opt-xplanner.com 联系华夏易联获取方案与报价。











