APS的實現形式，其實一直有兩種方式：一是大家目前看到的一個獨立的APS系統，其中內嵌了運籌學與智能優化算法乃至大數據人工智能等方面的算法，雖然不是那種傳統的解析解，但基本上是比較精準的排產形式。第二種，就是利用仿真的手段來進行排產，其實是希望通過仿制內部的自適應自洽機制運行一遍，得到的結果就是排產結果。

　　這兩種形式初始時基本上是并發并行的在發展，但在目前面向新的生產場景需求，其實也已經在走向近乎徹底的決裂，或者一種融合。而這種決裂或者融合的基礎，可以參照2019年美國對中國發出的技術禁運，其中有一項就是物流系統建模與仿真。美國禁運的目的肯定不是因為物流建模與仿真常用的三維展示相關的技術，而是其背后的仿真眼鏡，而這種仿真引擎的本質其實就是一種APS。

　　筆者關于APS的研究，其實是起始于仿真的。筆者所在的北京理工大學數字化制造研究所從2003年開始就進行生產線建模與仿真的研究，應該是國內第2家引入TECHNOMATIX eMPlant(西門子目前的PlantSimulation的前身)的高校，當時做的核心的工作就是二次開發，而二次開發就是在開發各種各樣的運行規則或者說排產調度規則。但很快就放棄了仿真平臺，而在2008年左右就形成了第一個獨立的APS系統。

　　放棄仿真平臺而獨立形成一個系統，有三個原因。

　　一是，不想在別人的平臺上面，尤其是國外的平臺上面做嫁衣裳，也有加強自主可控的因素。

　　二是，傳統上運用仿真是因為整個的生產系統或者是制造系統非常的復雜，建立解析解或者說類似馬爾科夫模型的隨機過程，其實都是不合適的，所以希望通過模擬運行的方式來求的結果。但隨著APS研究的深入，將模擬運行的邏輯抽象提煉，是完全可以建立一個算法過程的，因此就沒有必要在基于仿真平臺來做這個事情，或者反過來說，制造系統和生產系統還沒有復雜到一定要用仿真的方式來進行運行求解。

　　三是，最根本的是仿真引擎具有很大的局限性，尤其其基本上是基于啟發式規則的，其實對于排產結果的優化是存在嚴重不足的，否則也不會發展一系列的智能優化算法。這是仿真建立在模擬運行機制基礎之上的內在本質桎梏，是很難打破的。尤其是。不同行業或者企業的定制化求解約束也要求APS內在的算法模型具有良好的擴充性，而仿真平臺其實增加了很多不利于發展的限制。

　　四是，仿真的可視化運行效果，現在基本上已經通過車間或者產線的數字孿生來實現了，進一步壓縮了傳統仿真的運用。

　　但是隨著APS的深入發展，筆者感覺再次印證了技術和事物的發展是一種螺旋式上升或者否定之否定的方式，是非常符合哲學發展規律的。

　　一是，仿真的內部運行機制，其實就有天然的智能性的。如果對第4代APS有了解的話，基本上就是一種仿真的運行方式，但不是傳統的仿真的那種做法，是需要進行改進的，但本質上是一樣的。

　　二是，的一些特殊的應用場景中，比如在AGV路徑規劃以及精細化控制執行等應用中，仿真的機制還是非常不錯的，雖然表面上并不是用傳統的仿真平臺。

　　APS與仿真雖然表面看起來在走向決裂，但其實在內在的底層上面是走向融合，外在的形式已經不重要了。融合是制造系統運行的抽象邏輯在走向一致，但是在靈活性方面來說，APS是比仿真要更加容易控制的，并且在改造傳統的仿真系統。筆者目前已經著手組織和策劃開發一種融合APS和仿真的軟件系統，今年應該能夠出一個原型。