日期：2017-11-06 00:00:00 浏览次数 3140
制造业对客户需求的响应越来越强烈。
现在生产计划调度系统正开始将基于约束规则基因搜寻和模拟仿真模式结合起来，解决制造同步化问题和工厂的顺序冲突问题。
现在，约束计划已经成功应用到许多不同问题领域。它和分析dna结构一样多样化。对医院的时间表和工业的排程。实践证明它能较好适应解决现实的问题。因为，许多应用领域自然的需要约束。分派问题也许是第一个工业应用约束解决工具。用甘特图来描述计划可能是最成功的应用领域如有限约束排程。
亿澳斯aps利用甘特图实现将工厂信息、产线负载、订单信息、生产进度和事件预警可视化展现给客户。
将计划以最优的方式展现给客户。
在现实中，约束计划可以广泛的运用，但是当前的工具也有可能没有涉及到的领域或局限和缺点。无论是从理论上，还是实际的观点来看，约束的定义促使问题可追踪是非常重要的，约束计划的有效性仍然是不可预测的：何时，如何使用约束。通常直觉是决策的最重要的部分。有时，盲目的快速搜寻如按时间顺序后排比约束进化（基因算法）更有效。在许多约束模型里的特别问题是成本优化。有时，它是对改善起初的方案是非常困难的。且一个小的改善就会花去很多时间。
约束计划也在不断的进化，它们能动态的增加约束。大部分情况下，约束系统产生的计划是可执行的。除了机器故障，延迟的计划，在最坏的情况下，新订单的接受。这是需要快速的重排计划或提高当前的方案来解决未预料的事件。同时，在通常较紧计划优化的方案和可以解决较少差异的，稳定的，次优化的方案之间交替选择。
从较低层次的观点，可视化的技术越来越流行，他们帮助定义系统的瓶颈。各种约束解决方法的交互研究是最具挑战的问题之一。混合算法结合各种约束技术是这个研究的结果。另外感兴趣的研究领域是解决协同和对 应的结合的理论。约束满意技术和传统的or（operation research）方法如整数规划是另外的挑战。研究平行和并行的约束已作为提高效率的方法，在这些系统里，多层代理技术可能是最有前景。
