惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

罗磊的独立博客
The GitHub Blog
The GitHub Blog
Hugging Face - Blog
Hugging Face - Blog
博客园 - 聂微东
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
IT之家
IT之家
小众软件
小众软件
博客园_首页
G
Google Developers Blog
Apple Machine Learning Research
Apple Machine Learning Research
MyScale Blog
MyScale Blog
Engineering at Meta
Engineering at Meta
Jina AI
Jina AI
酷 壳 – CoolShell
酷 壳 – CoolShell
人人都是产品经理
人人都是产品经理
B
Blog RSS Feed
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
D
Docker
B
Blog
雷峰网
雷峰网
WordPress大学
WordPress大学
Stack Overflow Blog
Stack Overflow Blog
宝玉的分享
宝玉的分享

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром T-TOPS: Как распутать гордиев узел проекта после выхода в прод (меч не понадобится) Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты
Когда 1С:ERP уже внедрена, а нормального производственног...
2026-04-15 · via Все публикации подряд на Хабре

Уровень сложностиСредний

Время на прочтение6 мин

Охват и читатели8.1K

Обзор

alt

Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет

На производстве это повторяется слишком часто.

  • 1С:ERP уже есть.

  • Заказы в системе есть.

  • Нормативы есть.

  • Остатки, графики, ресурсы — тоже.

Но как только нужно получить детальный и выполнимый производственный план, который учитывает реальные ограничения цеха, команда снова открывает Excel, вручную двигает операции, сверяется с людьми, оборудованием и срочными заказами.

Получается странная, но очень знакомая картина: учётный контур в системе уже живёт, а оперативное планирование — ещё нет.

Именно об этом часто говорят на практике: типового планирования в 1С:ERP нередко оказывается недостаточно для сложного производства, а Excel остаётся рабочим костылём там, где нужно быстро перепланировать реальную ситуацию.

Где проходит граница между ERP и реальным расписанием

Проблема не в том, что ERP не умеет планировать. Вопрос в классе задач.

Если упростить, разницу можно описать так:

  • ERP отвечает на вопрос: что нужно произвести

  • APS отвечает на вопрос: как именно это лучше произвести

Типовой ERP-контур хорошо справляется с задачами уровня:

  • какие есть заказы;

  • какие нужны материалы;

  • какие ресурсы доступны;

  • какие нормативы и маршруты заданы;

  • в каком объёме нужно выполнить план.

Но как только начинаются вопросы уровня цеха, задача резко усложняется:

  • на какой конкретно ресурс поставить операцию;

  • что делать при поломке оборудования;

  • как пересобрать график после срочного заказа;

  • как уменьшить переналадки;

  • как не перегрузить узкий участок;

  • как сбалансировать сроки, ресурсы и загрузку.

Именно здесь проходит граница: ERP хранит и организует данные о производстве, а APS нужен там, где требуется построить детальное расписание с учётом множества ограничений одновременно.

Почему Excel побеждает там, где уже есть ERP

Excel долго держится не потому, что он лучше системы, а потому, что он гибкий.

Он позволяет быстро:

  • руками изменить логику;

  • перестроить последовательность;

  • учесть неформальные ограничения;

  • отразить то, что не укладывается в типовой сценарий.

Пока производство относительно простое, это терпимо.

Но на сложном производстве Excel начинает ломаться сразу в нескольких местах:

  1. План держится на конкретном человеке.

  2. Перепланирование плохо воспроизводится.

  3. Сложно быстро пересчитать несколько сценариев.

  4. Ошибки не локализованы в системе.

  5. ERP и реальная картина в цехе начинают расходиться.

В какой-то момент ручное планирование перестаёт быть просто неудобным. Оно становится источником системных рисков.

Что такое APS — без маркетинга и лишних слов

Если убрать аббревиатуры и презентационные формулировки, APS работает с задачей такого типа:

Есть:

  • множество заказов;

  • множество операций;

  • множество ресурсов;

  • множество ограничений;

  • одна или несколько целей.

Нужно:

  • построить лучший допустимый план;

  • причём не «вообще хороший», а хороший по выбранному критерию.

Например, критерий может быть таким:

  • минимизировать просрочки;

  • сократить переналадки;

  • выровнять загрузку;

  • не сорвать приоритетные заказы;

  • уменьшить конфликты в плане.

То есть APS-подход нужен там, где требуется:

  • учитывать много ограничений одновременно;

  • быстро пересчитывать сценарии;

  • находить лучший вариант из допустимых;

  • снижать потери и конфликты в производственном плане.

Где здесь появляется математическая оптимизация

В какой-то момент задача становится слишком большой для ручного перебора и слишком сложной для простого раскладывания по периодам.

Формально она начинает выглядеть примерно так:

Дано:

  • ресурсы R

  • операции O

  • временные окна T

  • ограничения C

  • целевая функция F

Найти:

schedule(O, R, T)

такой, чтобы:

  • соблюдались ограничения C;

  • оптимизировалась функция F.

Это уже не про абстрактную математику. Это прикладная задача оптимизации:

  • описать переменные;

  • задать ограничения;

  • сформулировать целевую функцию;

  • передать модель в решатель.

Именно в этот момент математическая оптимизация становится не академической темой, а практическим инструментом для задач производственного планирования, распределения ресурсов, балансировки потоков и оптимизации загрузки оборудования.

Почему внешний APS-контур — не всегда лучший вариант

Исторически APS-системы часто жили отдельно от ERP. Схема была примерно такой:

ERP -> выгрузка данных -> APS
APS -> расчёт -> обратная загрузка в ERP

На бумаге это выглядит нормально. На практике быстро появляются знакомые проблемы:

  • интеграционная сложность;

  • расхождение данных;

  • задержки при обмене;

  • дублирование логики;

  • отдельный стек сопровождения;

  • отдельная зона ответственности.

Отсюда возникает логичный архитектурный вопрос:

Можно ли оставить ERP ядром системы, а расчётный слой встроить рядом, не вынося всю задачу в отдельный продукт?

Для многих компаний это принципиальный момент. Чем меньше разрыв между данными, расчётом и прикладной логикой, тем устойчивее работает вся система.

Как это выглядит в случае О2

Сильная сторона О2 — не просто в оптимизации как таковой, а в том, как именно она встроена в контур 1С.

Схема работы выглядит так:

  1. В коде 1С формируется оптимизационная модель.

  2. Модель сериализуется и передаётся во внешний решатель.

  3. Решатель выполняет вычисления.

  4. Результат возвращается обратно в 1С.

  5. Дальше он используется в прикладной логике.

То есть по сути:

  • — это источник данных, место формирования модели и прикладная бизнес-логика;

  • solver — вычислительный сервис.

Это важная граница ответственности. Бизнес-логика не «уезжает» в другой стек: в 1С остаются данные, правила, прикладной контур и логика модели, а внешний сервис решает именно вычислительную задачу.

Упрощённая схема потока данных

[Документы и регистры 1С]
            |
            v
[Сбор исходных данных]
            |
            v
[Построение модели в 1С]
            |
            v
[Serialize -> Solver]
            |
            v
[Оптимизационный расчёт]
            |
            v
[Результат -> обратно в 1С]
            |
            v
[График / рекомендации / план]

Ценность такого подхода в том, что вычислительный сервис остаётся именно вычислительным сервисом, а не превращается во «вторую ERP».

Что в этой схеме важно для архитектора 1С

1. Не возникает вторая полноценная бизнес-система

Здесь важно понимать: речь не о готовом APS-интерфейсе, а об инструменте моделирования и расчёта.

Не так:

1С + ещё одна большая система

А так:

1С + сервис расчёта модели

2. Бизнес-логика остаётся там, где ей и место

Один из сильных аргументов такого подхода — модель строится в 1С, и прикладная логика не выносится во внешний стек. Это снижает риск логического раздвоения системы.

3. Можно использовать текущие данные ERP без тяжёлого ETL

Если заказы, ресурсы, графики и ограничения уже живут в 1С, логично использовать их прямо в модели, а не строить отдельные витрины ради одного расчёта.

4. Порог входа для команды ниже

Если модель можно строить из кода 1С, без переноса разработки в другие языки и отдельные аналитические платформы, внедрение становится заметно проще для команд, которые уже работают внутри экосистемы 1С.

5. Сложные вычисления локализуются в отдельном слое

Для архитектора это выглядит довольно рационально:

  • учёт, документы, проводки, регистры — в 1С;

  • сложный расчёт расписания — в solver;

  • результат — обратно в 1С.

То есть тяжёлая вычислительная задача локализуется в специально отведённом слое, без попытки заставить прикладной код решать то, для чего он не предназначен.

Где такой подход реально полезен

Такой подход особенно актуален там, где уже не хватает линейного планирования:

  • планирование производства;

  • оптимальное распределение ресурсов;

  • назначение исполнителей;

  • маршрутизация;

  • балансировка потоков;

  • оптимизация загрузки оборудования;

  • другие комбинаторные задачи.

И здесь есть важный нюанс: О2 — это не готовый экран APS, а инфраструктура для моделирования и расчёта.

Это даёт большую гибкость, но требует качественной постановки задачи: ограничения и критерии должны быть сформулированы достаточно точно.

Когда потребность в APS-слое уже назрела

Обычно это видно по нескольким сигналам:

  • производственный план постоянно «дотягивают руками»;

  • без Excel оперативное планирование не работает;

  • один сбой ломает весь график;

  • типового механизма хватает только на базовый уровень;

  • перепланирование занимает слишком много времени;

  • система хранит данные, но не помогает выбрать лучший сценарий.

Если хотя бы половина этого списка вам знакома, значит предприятие уже упёрлось не в недостаток данных, а в недостаток расчётного слоя поверх этих данных.

Что посмотреть дальше

Этой теме посвящён бесплатный вебинар: «Умное планирование производства в 1С:ERP на основе математической оптимизации» 16 апреля, 15:00 (МСК)

В программе:

  • типовые механизмы планирования в 1С:ERP;

  • кейс планирования в Excel;

  • ограничения текущего подхода;

  • блок «Почему 1С — это не APS»;

  • подходы к реализации APS-систем;

  • практические примеры.

Для участников заявлены:

  • понимание границы типового планирования;

  • понимание роли APS-подхода;

  • обзор возможностей математической оптимизации для задач планирования, распределения ресурсов и загрузки оборудования;

  • 30 дней полной версии О2;

  • запись и презентации.

Вывод

Если совсем коротко, то вывод звучит так:

ERP без APS-слоя умеет учитывать, но не всегда умеет выбирать лучший производственный план.

Именно в этой точке возникает потребность не в «ещё одной системе», а в механизме, который может:

  • взять данные из 1С;

  • учесть ограничения;

  • просчитать сценарий;

  • вернуть результат обратно в прикладной контур.

Для сложного производства это уже не nice-to-have, а вполне логичный следующий шаг развития архитектуры.