最近写了几篇文章，谈到了APS算法解耦的问题，APS算法中MRP Netting计算逻辑的讨论 用优先级为APS算法解耦 ，有网友留言，提了不同的观点。我感觉可能是我没有写清楚我的观点，有些网友讨论的问题，和我的观点 关系不大。
不同层级的问题，混合着解决增加了算法的复杂性
其实一直以来，很多APS的从业者表达过APS算法复杂的问题。我也听过一些具体复杂性的 问题。而很多时候APS的算法复杂性的原因在于将不同层级问题 在一个逻辑里解决。
我还是以前面举过的例子来说明 。在文章复杂问题简单化是APS产品研发、实施的基本素质 中，讨论过多工厂计划的例子 。
协同不同工厂的产能应该由主计划完成，主计划完成，每个工厂的主要生产计划是在产能能够支撑的基础上，大体实现供需的动态平衡。 而工厂计划、排产是将问题的焦点聚焦在工厂内部，在工厂计划的过程中，不需要再做跨工厂的 计划与排产。
如果在工厂计划这个级别，还要回过头去，优化不同工厂间的产能，就可能在两个层级间计划迭代的化，既增加了算法的复杂性，还有可能导致不同层级间计划约束的冲突，导致无法 找到最优解。
同样的道理，在解决订单资源冲突时，也是优先解决优先订单的资源瓶颈，订单的优先级的确定，可以让计划员能够专注于解决优先级高的订单问题 。很多人期望用APS解决所有的问题，但在实际生产中，有能力的管理者，永远都是去解决最关键的问题，而不是尝试在短时间内解决所有问题。
我说的解耦，是建议按照顺序解决问题 ：大的资源瓶颈，优先从大颗粒度的资源实现相对平衡，再解决小颗粒度的资源平衡（即先做主计划，在做工厂内的计划排产） ；对于资源瓶颈，优先解决重要的，关键的订单资源再去解决 低优先级的订单。
其实计算机处理中，按照顺序处理是最高效地，所以学过算法的人，都知道 计算机排序算法的重要性。每个人用计算机的文件夹功能时，也会对文件按照某种逻辑排序来降低查找文件的难度。
我最近提到的APS算法解耦的一个最主要的观点，不是说解耦能解决所有问题，而是说通过解耦，能够按照一个逻辑顺序解决排产 问题。就如当你查找文件时，假如按照文件名顺序排序，你的重点可以关注在与文件名相近的 几个文件，而不是关注全部文件。
而在处理资源瓶颈时，计划员也是应该将重点关注在重要性高而有资源冲突的订单 。根据帕累托原理，80%的问题由20%的原因造成，我们重点解决重要的20%的事情就可以解决80%的问题 。
其实回过头来，还想再次建议关注一下《目标》这本书，TOC原理建议优化瓶颈资源才是优化，对于非瓶颈资源的优化意义不大 。
而有读者提出做全局优化，我不想评论，只有一个建议 ：同时说10句话，和 一句话没说的效果是一样的。要想让别人记住你说的话，就要重要的话说三遍。计划排产也是一样，同时解决所有问题，有可能一个问题也解决不了，但将关键的问题解决了，可能能解决企业8 0%的问题。
