2025年全球锂电池出货量突破1520GWh，中国产量占全球七成以上。产能狂飙的另一面，是一个被长期低估的瓶颈：排产。很多电池企业已经上了aps系统，但计划员依然在用Excel做“二次加工”，系统跑出来的结果和车间实际对不上，最终又退回到人工经验。问题不在aps系统本身，而在于电池行业的排产逻辑，和通用aps系统所假设的世界，根本不是同一个世界。
电池排产的特殊性，首先在于“混合”二字
电池制造不是纯粹的流程制造，也不是纯粹的离散制造。前段制浆、涂布、辊压带有连续生产特征，后段分切、卷绕、组装又回到离散节拍；再往后，模组和PACK又叠加了序列供给的约束。更棘手的是“化成、老化、分容”这几道工序——它们本质上是筛选、激活与定级的过程，产品会按容量分档，合格数量持续衰减，从原料到成品的投入产出关系本身就存在波动。一套按固定BOM和固定良率倒推的排产逻辑，在这里会直接失效。aps系统如果不能在排产中嵌入品相分化与良率衰减的动态模型，排出来的计划只能是“纸面计划”。
第二个错位，是约束的“不可见性”
涂布之后必须静置一定时间才能进入下一工序，注液必须在受控干燥环境中完成，不同浆料配方之间存在互斥关系，切换时管道清洗时间因前序配方而异。这些约束在工艺文件里写得清清楚楚，但在传统排产系统中往往以“提前期”或“缓冲时间”的粗放方式被一笔带过。aps系统的价值，恰恰在于把这些隐性约束显性化、算法化。做不到这一点，系统算得再快，算出来的也是一张“可行但不可用”的排程。
“三角矛盾”不是靠算力能解的，需要算法层的重构
交付响应、生产成本、产能利用，在电池行业构成一个经典的三角困局：保交付则产能紧绷，控成本则交期松动，拉满产能则换型损耗吞掉利润。传统aps系统的固定规则引擎只能处理少量预设约束，面对多品种、多层BOM、频繁插单的场景，算力很快触顶。真正有效的路径，是把排产从“规则匹配”升级为“多目标全局寻优”。海博思创酒泉工厂的实践提供了一个参照：智能排产系统纳入500余项生产要素，用遗传算法做多目标优化，10分钟内生成方案，紧急插单响应速度提升80%，换型时间压到行业平均水平的30%以内。这不是靠“更快的计算机”做到的，而是靠算法架构从静态规则转向了动态搜索与迭代。
亿纬锂能的案例则从另一个角度印证了aps系统的边界与可能。其灯塔工厂的APS智能排产系统在销售端做到秒级解析全球订单，交期应答时间缩短50%。但值得注意的不只是这个数字，而是它背后的系统位置：aps系统不是孤立运行的，它与AIoT设备健康预测、数字孪生、MES执行数据形成了一条从“感知”到“决策”再到“反馈”的闭环。排产的质量，取决于喂给aps系统的数据质量，也取决于排程结果能否被MES忠实执行并回传修正。脱离了数据底座的aps系统，只是一个算得更快的孤岛。
实施层面有一个被反复验证的教训：aps系统最危险的陷阱不在算法，在数据
行业实践中，aps系统实施成功率始终不高，大量项目卡在“系统上线了，计划跑不起来”的阶段。电池企业的物料数据、工艺路线数据、设备状态数据往往分散在ERP、MES、Excel甚至纸质工单里，版本不一致、颗粒度不匹配。aps系统需要的是“分钟级、工序级、设备级”的约束输入，而ERP能提供的通常是“天级、工单级”的汇总数据。如果不在实施前完成数据治理和主数据对齐，再先进的求解器也只能在脏数据上做无效运算。双鹿电池年产能超过55亿只，排产面临模具多、设备多、订单急的复合压力，其APS项目一期把重点放在了打通aps系统与MRP、把产能/模具/人员约束纳入系统计算上，而不是追求一步到位的“全自动排产”。这种“先把账算准，再把资源排顺”的节奏，比仓促追求算法炫技更接近落地的真实路径。
回到那个根本问题：电池行业需要的aps系统，到底是什么？它不应该是一个装在计划部门电脑里的“更高级的Excel”，而应该成为连接订单、物料、设备、工艺和人的决策中枢。它要在品相分化的不确定性中守住交付底线，在配方互斥和清洗时间的缝隙里找到换型最优解，在多工厂、多层级BOM的决策矩阵中把库存缓冲压到最低而不牺牲响应速度。做到这些的前提，是承认电池排产的特殊性不是“配置一下就能适配”的边缘情况，而是需要从数据模型、约束建模到求解策略都被认真对待的核心命题。aps系统在电池行业的真正跃迁，不发生在算法参数调优的那一刻，而发生在其排产逻辑终于开始“理解”电池怎么被造出来的那一刻。
