W bieżącym numerze kwartalnika KAIZEN ukazał się mój artykuł pt „System nie dla każdego – Czym są systemy APS (Advanced Planing and Scheduling System) i do czego służą?”

Pierwsze rozwiązania typu APS powstały ponad 30 lat temu jako odpowiedź na zapotrzebowanie biznesu na narzędzie dzięki któremu można by optymalizować plany produkcyjne, wykonywać symulacje, podejmować właściwe tzn. optymalne decyzje dotyczące obciążenia zasobów, a tym samym kosztów produkcji. Systemy APS jako systemy planistyczne dają możliwość wytworzenia planów przez cały proces począwszy od zlecenia od klienta poprzez poszczególne fazy produkcji aż do zleceń zakupu surowców. Wykorzystuje się w nich metody harmonogramowania działalności z obliczaniem obciążeń zasobów produkcyjnych, uwzględnieniem ograniczeń zdolności produkcyjnych oraz ograniczeń dostępności zasobów. Po dokonaniu wstępnego planowania do modelu wprowadzane są informacje o ograniczeniach wynikających ze zdolności produkcyjnych i dostępności innych zasobów, czy też ograniczeniach występujących w dystrybucji. System pokazuje zlecenia produkcyjne, zlecenia transportowe i dostawy, uwzględnia priorytety realizacji zleceń, opóźnienia i zaległe zlecenia. Do optymalizacji generowanych planów wykorzystuje się programowanie matematyczne, algorytmy ewolucyjne, programowanie z ograniczeniami oraz symulację. Powstanie systemów APS było istotnym przełomem w zarządzaniu produkcją. W końcu można było stosunkowo prosto „zobaczyć” jak w przyszłości powinna wyglądać produkcja aby z jednej strony wykonać zamówienia klientów, a z drugiej optymalnie zaplanować zasoby. W większości przedsiębiorstw na świecie, które wdrożyły systemy APS znacząco ograniczono koszty produkcji. Rzeczywiście w wielu przedsiębiorstwach systemy typu APS skutecznie wspierają zarządzanie produkcją. Jednak nie w każdym – wydawałoby się, że ponad 30 lat doświadczeń i rozwoju powinno przełożyć się na wzrost skuteczności i funkcjonalności tych rozwiązań. Ale tak nie jest.

Bardzo ciekawą lekturą na temat wdrożeń systemów APS są badania przeprowadzone w 2003 roku i opublikowane w styczniu 2004 przez Ann Grackin z ChainLink Research oraz Dana Gilmore z SupplyChainDigest. Otóż po przebadaniu i przeprowadzeniu wywiadów w prawie 3 tys. firm które wdrażały systemy APS (w różnym zakresie) okazało się że opinie na ten temat efektów wdrożeń są co najmniej nie jednoznaczne:

51% respondentów „kupiło by” jeszcze raz ten produkt

30% uważa, że jest zadowolonych

11% wymagało działań naprawczych

8% było niezadowolonych

Symptomatyczne, że tylko w 51% przypadków wdrożeń decydenci podjęliby jeszcze raz decyzję o wdrożeniu. Główne przyczyny niepowodzeń respondenci upatrywali w:

1. Niedostatecznie rozwiniętym oprogramowaniu,
2. Lukach w oprogramowaniu,
3. Wdrożeniu ryzykownych biznesowo zmian w procesach
4. Zmian w zespołach projektowych
5. Tworzeniu dodatkowych komplikacji
6. Opóźnieniu w dostarczaniu oprogramowania

W literaturze można znaleźć opisy przykładów wdrożeń APS, które nie przyniosły spodziewanych efektów. Aby zobrazować problem przytaczam kilka z nich:

Firma produkująca żywność

Firma produkuje sery, produkty mleczne i sosy sałatkowe. Zatrudnia 600 osób i składa się z 5 odrębnych zakładów produkcyjnych. W zakładzie w Szwecji produkuje się 14 produktów według określonych zapotrzebowań. Produkty te nie mogą być przechowywane w magazynie przez czas dłuższy ze względu na ich krótki czas przydatności do spożycia.

Zarządzanie produkcją to proces tygodniowy, który zakłada przedstawienie planu produkcyjnego podającego liczbę ton żywności do wyprodukowania, codziennie na każdej linii w celu zminimalizowania kosztów ogólnych. Od kiedy prognozy zmieniają się w ciągu tygodnia plan produkcji jest generowany około 3 razy na tydzień. Planista weryfikuje plan przed przesłaniem go do systemu ERP, który używa go do szczegółowego planowania produkcji oraz planu zakupów.

Wdrożenie systemu APS: wdrożenie modułu SCP (supply chain planning) rozpoczęło się we wrześniu 2008 i w marcu 2009 był on używany do planowania tygodniowego. Powodem wdrożenia było to, ze firma potrzebowała większej przejrzystości procesu planowania. Firma wdrożeniowa już wcześniej pracująca dla zamawiającego, przeprowadziła działania podczas fazy wstępnej. Nie przeprowadzono symulacji biznesowej ani nie zdefiniowano wskaźników kluczowych. Do projektu wybrano szefa produkcji oraz dwóch pracowników działu zakupów. W fazie projektowej firma konsultingowa była odpowiedzialna za zbudowanie modelu systemu, jego integrację oraz edukację zespołu projektowego. Firma spożywcza była odpowiedzialna za wybór modułów wspierających proces, zebranie danych, ocenę/testowanie oraz przeszkolenie użytkowników końcowych. Faza projektowa trwała dłużej niż planowano, a szef produkcji zgłaszał, że trudno jest zebrać dane i ocenić model systemu. Według konsultanta poziom wiedzy o ustrukturyzowaniu danych i możliwościach optymalizacji w ERP był niski co skutkowało zakłóceniami w zbieraniu danych i ocenie. W trakcie fazy testów wiele czasu poświęcono naprawianiu błędów i dodatkowym szkoleniom dla użytkowników – było to kontynuowane także później. W fazie działania wprowadzono kilka usprawnień technicznych, a firma konsultingowa pozostawała w kontakcie aby rozwiązywać problem i odpowiadać na pytania.

Problemy:    Użytkownicy SCP zidentyfikowali pewną liczbę problemów w czasie tygodniowego procesu działania modułu SCP. Problemy te były pochodnymi sposobu wprowadzania systemu w poprzednich fazach. Od samego początku firma wprowadzająca wzięła odpowiedzialność za działania i wiedza nie została w sposób odpowiedni przekazana do członków projektu co spowodowało, że pozostali oni zależni od konsultantów także w fazie powdrożeniowej. Także przepływ wiedzy w drugą stronę był nieskuteczny co spowodowało trudności w projektowaniu modelu. Pomijając inne kwestie model nie był zaprojektowany tak aby brać pod uwagę sekwencje kolejnych czynności produkcyjnych. Oznaczało to, że system wydawał nierealistyczne dyspozycje. Innym powodem dla którego plany nie były realne był fakt, że dane nie były aktualne. Podczas fazy projektowej pojawiło się wiele problemów ze zbieraniem danych i nie poświęcono temu wystarczająco wiele uwagi. Użytkownicy końcowi nie zawsze uaktualniali dane i występował wyraźny opór przeciwko tej czynności z powodu braku motywacji i zrozumienia oraz niejasnego łańcucha decyzyjnego (zmienne odpowiedzialności) w dziale produkcji

Firma chemiczna

Firma chemiczna sprzedaje i dystrybuuje materiały chemiczne. Zatrudnia 1,100 ludzi i jest podzielona na trzy regionalne organizacje – każda z nich produkuje rocznie 110,000 ton. Wiele z produktów jest wytwarzanych w więcej niż jednym procesie, często angażując różne części firmy co oznacza ciągły, duży przepływ pomiędzy trzema stronami produkcyjnymi. Oddział europejski realizuje także kontrakty dla pięćdziesięciu innych zakładów kontraktowych. Planowanie odbywa się w cyklu miesięcznym co pozwala generować ostateczny plan produkcyjny i utrzymywać poziom zapasów w magazynie pozwalający na wypełnienie planu dla każdego zakładu na najwyższej zakładanej marży. Wstępny plan produkcji jest generowany comiesięcznie z modułu SCP i omawiany na spotkaniu produkcyjnym. Następnie moduł SCP jest uaktualniany o bieżące stany magazynowe i finalny plan produkcyjny jest wysyłany do systemu ERP. Na jego podstawie układa się szczegółowy plan produkcji dla zakładów, zakładów kontraktowych i dostawców surowców.

Wdrożenie APS składało się z dwóch wdrożeń przeprowadzonych przez dwóch różnych dostawców – pierwsze w 2001, drugie w 2007. Motywem pierwszego wdrożenia była wizja nowego dyrektora zarządzającego łańcuchem dostaw, w której możliwości produkcyjne byłyby dzielone pomiędzy zakładami. Firma wdrożeniowa została zatrudniona, aby wesprzeć zamawiającego w analizie stanu bieżącego (rozważano ofertę kilku firm APS). Zespół projektowy składał się z dwóch osób z firmy, jednego konsultanta i dwóch ludzi od dostawcy APS.

Budowanie modelu, personalizacja i optymalizacja algorytmów leżały głównie po stronie konsultanta i dostawcy systemu APS. Zamawiający brał czynny udział w projektowaniu modelu. Firma konsultingowa i dostawca APS byli głównymi odpowiedzialnymi za integrację systemów, wewnętrzną strukturę danych, bazy danych i oceny. Konsultanci szkolili członków zespołu, a oni z kolei szkolili użytkowników końcowych. Podczas tego wdrożenia pojawiło się wiele problemów i moduł SCP nie był użytkowany w takim zakresie jak tego oczekiwano. Po kilku latach należało podjąć decyzję o dużym rozszerzeniu systemu lub zastąpieniu go innym modułem SCP. Firma wybrał zastąpienie modułu i po ocenie propozycji wybrano innego dostawcę. Według głównego logistyka drugie wdrożenie było łatwiejsze i obecnie dział centralnego planowania w organizacji pracuje nad kolejnym ogniwem łańcucha – synchronizacją planu produkcyjnego z planowaniem szczegółowym.

Problemy powdrożeniowe: Jednym z głównych powodów, dla których moduł SCP nie był używany w zakresie całej funkcjonalności za pierwszym razem był wewnętrzny brak uzgodnienia problemów, które SCP miał rozwiązywać. Kolejnym było “planowanie ręczne”, przy którym potencjał systemu nie był wykorzystywany. Ponadto pierwszy moduł SCP nie był przyjazny dla użytkownika, a integracja pomiędzy SCP, a innymi systemami zarządzającymi nie była przeprowadzona właściwie. Grupa projektowa nie miała wystarczającej wiedzy o planowaniu procesu, co doprowadziło do stworzenia złożonego modelu trudnego w użytkowaniu. Role w grupie projektowej nie były właściwie zidentyfikowane I wielokrotnie decyzje podejmowano w oparciu o szacunki, a nie fakty. W czasie pierwszego wdrożenia nie było żadnego systemu ERP I trudno było stworzyć potrzebne dane. Pomimo faktu, że użytkownik ocenił drugie wdrożenie, jako pozytywne nadal był przekonany, że nie wykorzystuje jego potencjału w całości. Jednym z powodów był brak danych planistycznych: np. zakłady kontraktowe nie chciały dzielić się swoimi danymi. Choć tym razem model jest bardziej dostosowany do potrzeb nadal istnieje problem, z jakością danych, ponieważ użytkownicy nie ich nie aktualizują tak jak, powinni powoduje to nierealistyczne sugestie ze strony systemu. Organizacji brakuje także wiedzy o tym jak wykorzystać potencjał modułu SCP.

Browar

Browar produkuje i sprzedaje piwo oraz lekkie napoje alkoholowe, zatrudnia 1,100 osób. Są cztery gorzelnie rozproszone geograficznie każda dostarcza na swój własny rynek. W oddziale szwedzkim produkuje się 400 produktów składowanych w magazynie z terminem przydatności do spożycia pomiędzy 16 a 52 tygodni. Planowanie produkcji odbywa się w cyklu tygodniowym i zakłada wygenerowanie:, 1) planu produkcyjnego bez limitów sugerującego liczbę towarów, które mogą być wyprodukowane codziennie na każdej linii oraz 2) określony plan wydajności. Nielimitowany plan produkcyjny jest używany przez planistów do ręcznego planowania i ustalenia dat końcowych dla zleceń produkcyjnych podczas gdy limitowany plan wydajności jest używany do generowania zleceń zakupów i do identyfikowania braków w wydajności.

Wdrożenie APS: rozpoczęło się w roku 2003 a moduł SCP module był w użyciu w roku 2005 Powodem wdrożenia była możliwość zastąpienia poprzedniego systemu do planowania produkcji razem z trwającym wdrożeniem systemu ERP. Niestety nie było właściwej prezentacji korzyści z wdrożenia i projekt SCP stał się bardzo techniczną czynnością. Firma konsultingowa wykonała analizę stanu bieżącego wprowadzenia systemu ERP, którego moduł SCP stał się częścią. Jego instalacja trwała dłużej niż zakładano, a powodem tego było połowiczne ustalenie celów dla wszystkich modułów ERP. W czasie fazy projektowej zadania przekazywano do szefa produkcji, który był jedyną osobą z firmy włączoną do grupy projektowej. Był on także jedynym użytkownikiem tego modułu. Od czasu instalacji wykonano szereg uaktualnień

Problemy powdrożeniowe: Szef produkcji uważa, że nie używa całej funkcjonalności systemu i z tą opinią zgada się także konsultant. Według szefa produkcji powinno być możliwe używanie większej ilości funkcji służących do optymalizacji, konsultant jest zdania, że wdrożenie tego na tym etapie spowoduje brak podłączenia do planu działań. Jednym z powodów tego stanu jest fakt, ze wdrożenie SCP nie było projektem priorytetowym i nie przeprowadzono analiz w celu stwierdzenia, z jakimi funkcjonalnościami moduł SCP będzie współpracował i jak uzyskać jego pełną wydajność. Ponadto, ponieważ wprowadzenie SCP nie było priorytetem wciąż pracuje stary system produkcyjny, który miał być zastąpiony. Szef produkcji wskazuje również, że praca w SCP jest czasochłonna, nie jest on połączony z ERP a zamiast tego z wieloma innymi bazami danych, co prowadzi do wykonywania szeregu czynności ręcznie. Szef produkcji jest niezadowolony z funkcjonalności dotyczących raportowania i zamiast tego woli wykonywać raporty ręcznie w Excelu.

Z moich osobistych doświadczeń i obserwacji wynika, że systemy APS sprawdzają się w przedsiębiorstwach w których procesy produkcyjne są stosunkowo proste (np. mieszaj i pakuj), powtarzalne i wielkoseryjne z małą ilością zmiennych. Ale też, jak widać z powyższych przykładów, nie we wszystkich. W przedsiębiorstwach, w których występuje produkcja małoseryjna, wręcz jednostkowa lub na zasadzie projektuj i buduj, systemy APS się nie sprawdzają.

Dlaczego nie wszystkie wdrożenia APS są sukcesem? Dlaczego system APS nie nadaje się do wszystkich przedsiębiorstw produkcyjnych? Przecież to takie doskonałe narzędzie. Składa się na to kilka aspektów związanych z konstrukcją, projektowaniem i wdrażaniem systemów APS.

Z moich doświadczeń jedną z przyczyn problemów z wdrożeniami systemów APS jest słaba jakość pracy i niskie kompetencje konsultantów-wdrożeniowców. Wdrożenie APS jest przedsięwzięciem trudnym i skomplikowanym. Wymagającym zrozumienia potrzeb danego przedsiębiorstwa. Rzeczywistość jest taka, że bardzo trudno znaleźć wdrażającego konsultanta, który widziałby różne rodzaje produkcji, a co więcej pracowałby w takim środowisku zmagając się z trudną naturą zarządzania produkcją. Efektem jest brak zrozumienia dla procesów, a co więcej brak zrozumienia dla skutków przyjętego do wdrożenia modelu. Natomiast pierwszy i główny problem tkwi w „grzechu pierworodnym” systemu APS, a więc w algorytmach i metodach optymalizacyjnych, które są w nich stosowane oraz momentu w historii kiedy zostały zaprojektowane. Przypomnijmy sobie jakie były tendencje i wymagania dotyczące optymalizowania produkcji w latach 80 i 90 ubiegłego wieku – wydłużanie partii produkcyjnych, tworzenie stabilnych warunków produkcji, zmniejszanie liczny zakłóceń, standaryzacja procesu, zamrażanie planu produkcyjnego itd. Oczywiście to podejście dzisiaj również ma rację bytu ale spójrzmy na rzeczywistą gospodarkę i wymagania dzisiejszych klientów. Co raz krótsze, serie, wręcz jednostkowe wykonania, pod potrzeby pojedynczych klientów, coraz krótsze terminy, przy jednoczesnej presji na cenę i jakość wykonania. Na pierwszy rzut oka te wymagania są nie do pogodzenia. Oczekiwania produkcji rozmijają się z oczekiwaniami rynku.

Wymagana stabilność środowiska i procesu

Systemy APS, które powstały historycznie w takich, a nie innych warunkach biznesowych są przydatne przy wysokiej stabilności procesu i stosunkowo niskiej liczbie zmiennych. Wymagają wręcz takiego środowiska, w którym proces jest stabilny, powtarzalny i wielko seryjny. Wadą algorytmów ewolucyjnych jest bowiem konieczność precyzyjnego zgrania poszczególnych parametrów algorytmu do rozwiązywania rzeczywistego problemu, o ile oczywiście chcemy otrzymać rozwiązanie bliskie optymalnemu. Jeżeli zgranie parametrów będzie niewłaściwe plan, który otrzymamy będzie daleki od ideału, a więc kosztowny.

Czas harmonogramowania

W przypadku zaś metod programowania matematycznego czy też programowania z ograniczeniami osiąga się bardzo dobre wyniki w krótkim czasie ciągu kilku minut, ale tylko dla problemów o małych rozmiarach. Natomiast dla bardziej złożonych modeli i większych rozmiarów czas obliczeń dochodzi nawet do kilku godzin. Produkcja należy do tych bardziej złożonych modeli. Im większa zmienność produkcji tym dłuższy czas obliczeń. Problemy optymalizujące w APS są skomplikowane obliczeniowo, dlatego też dla ułatwienia dzieli się je na poszczególne etapy. Najpierw generowany jest plan, a dopiero potem system tworzy szczegółowy harmonogram dla tego planu. Co jednak też zabiera sporo czasu. Jakie mogą być konsekwencje dla zarządzających produkcją? Podczas harmonogramowania można nie uwzględnić istotnych zdarzeń zachodzących na produkcji. Wytworzony plan nie będzie optymalny i zawsze „spóźniony”.

Czas przekazania planu do realizacji.

Następnym elementem związanym z czasem w systemach APS jest kwestia czasu, w którym przekazywane są polecenia produkcyjne. Zawsze występuje opóźnienie pomiędzy w momentem wytworzenia planu, a przekazania go poszczególnym pracownikom. Ten czas może być różny w zależności od organizacji procesu od kilku minut do kilkudziesięciu godzin. Ta inercja może spowodować kolejne opóźnienia w realizacji pilnych zleceń oraz osłabiać skuteczność planu.

Zaplanowanie czasów między operacyjnych.

Harmonogramowanie w systemach APS wymaga określenie i zaplanowania czasów między operacyjnych. Wynika to z idei stworzenia „idealnego” optymalnego planu. W tym planie niezbędne jest ujęcie czasów oczekiwania na materiał, na wykonanie poprzedniego etapu procesu, oczekiwania na pracownika z odpowiednimi umiejętnościami, który wcześniej jest zajęty przy innym zleceniu. A co w przypadku kiedy z pewne zlecenia zostały zrealizowane wcześniej niż zakłada to plan a inne później? Wymagałoby to przeplanowania lub reorganizacji prac. Dlatego też wszyscy starają się zrealizować ten optymalny plan. Czasem na siłę i niepotrzebnie

Potrzeba aktualizacji danych

Niezależnie od właściwego wyprodukowania optymalnego planu i przekazania go na produkcję aby system APS działał właściwie musi być na bieżąco aktualizowany i uzupełniany o kolejne dane. Jeżeli ma tego dokonywać człowiek to jak widać z przykładów powyżej bywa z tym problem.

Wymagane decyzje człowieka

Systemy APS są systemami wspomagania decyzji, które potrzebują człowieka aby ją podjąć. Potrzeba specjalisty, który skorzysta z informacji płynących z systemu APS. Jeśli go nie ma to system APS jest na nic. Cytując jedną z opinii na forach internetowych „ APS to nie magiczna kula, która zrobi wszystko sama”.

Inteligentna Fabryka – autonomiczny system decyzyjny

Czy zatem nadal jesteśmy skazani na korzystanie z rozwiązań, które mogą nie zadziałać? Czy nadal musimy być skazani na błędne decyzje człowieka? Oczywiście nie. Rozwiązaniem są systemy typu Inteligentnej Fabryki. To autonomiczne systemy decyzyjne. Taki system nie stara się wytworzyć i wykonać optymalnego planu lecz na bieżąco optymalizuje produkcję tak aby w każdym momencie na halach produkcyjnych stale obowiązywał najbardziej optymalny plan produkcji dla wszystkich zasobów produkcyjnych (zarówno pracowników, jak i maszyn). System sam przydziela pracę pracownikom. Jeżeli pracownik nie przyjdzie do pracy, zadania zostaną rozdzielone między pozostałych pracowników z takim umiejętnościami tak, aby dotrzymać terminu zlecenia. A jeśli zaistnieje taka potrzeba, system przydzieli odpowiednim pracownikom pracę w nadgodzinach. W przypadku wystąpienia awarii tak pokieruje pracą na pozostałych maszynach i stanowiskach, aby miała ona jak najmniejszy negatywny wpływ na terminy realizacji i koszty produkcji. A w przypadku braku materiału wykorzysta surowce wydane produkcji na inne zlecenia, aby zminimalizować opóźnienia. Dzięki temu wielkość produkcji w toku jest mała i ciągle optymalizowana, a System we właściwym czasie przekazuje niezbędne informacje o realizacji kolejnych operacji technologicznych każdemu pracownikowi/brygadzie w hali produkcyjnej, a także pozwala na szybką i optymalną reakcję w odpowiedzi na każde odstępstwo od norm czasowych dla poszczególnych operacji technologicznych, awarię maszyn, nowe pilne zlecenie, błędy lub braki produkcyjne. Dostarcza nam pełną wiedzę na temat kosztów w każdym momencie realizacji zlecenia, a co więcej – umożliwia symulację różnych zdarzeń mających wpływ na koszty i terminy produkcji. Dzięki temu duża zmienność produkcji nie przekłada się na spadek produktywności ani wzrost kosztów. Pozwala to na produkcję pojedynczych wyrobów dostosowanych do indywidualnych potrzeb klienta.

To nie science fiction. Jednym z takich systemów jest IPOsystem. Obecnie już w kilku Polskich fabrykach codziennie samodzielnie i bezpośrednio steruje produkcją. Bez udziału planistów i osób dozoru bezpośredniego na halach produkcyjnych podejmuje optymalne decyzje dotyczące kolejności realizacji i doboru zasobów dla poszczególnych czynności technologicznych. Na bieżąco samodzielnie zarządza pracą pracowników i maszyn, uwzględniając w czasie rzeczywistym wszystkie zmiany dotyczące stanu zasobów i aktualnej sytuacji na hali produkcyjnej. W przypadku jakichkolwiek odstępstw od założeń normowych bezzwłocznie, w ciągu kilku sekund, wprowadza korekty i dokonuje dodatkowych optymalizacji. IPOsystem zapewnia automatyczną rejestrację wszystkich realizowanych operacji na halach produkcyjnych (powstaje rzeczywisty obraz funkcjonowania obszaru produkcji) i umożliwia przygotowanie szeregu analiz niezbędnych w procesach Lean Management i Kaizen. Na bieżąco kontroluje czas toczących się prac i w czasie rzeczywistym informuje nadzorujących produkcję o każdym przekroczeniu założonego na daną operację czasu pracy lub realizacji pracy z niższą niż założono wydajnością. Na bieżąco oblicza też aktualne terminy realizacji wszystkich zleceń (z dokładnością do 1 minuty). W ten sposób system zwalnia zarządzających produkcją z konieczności realizacji skomplikowanych procesów planistycznych, logistycznych i bezpośredniego przydzielania zadań na halach produkcyjnych uwalniając czas niezbędny na analizę i poprawę efektywności procesów.

 

Bibliografia:

1. Kjellsdotter, L. ; Jonsson, P. (2011) „Problems in the onward and upward phase of APS system implementation: Why do they occur?”. International Journal of Physical Distribution and Logistics Management, vol. 41(4), pp. 343-363.
2. Grackin, A; Gilmor D. (January, 2004) „Advanced Planning System Implementations a Four-Year Analysis of Results and Benefits” , ChainLink Research & SupplyChainDigest
3. Lupeikiene A, Dzemyda G, Kiss F, Caplinskas A . (2014) „Advanced Planning and Scheduling Systems: Modeling and Implementation Challenges” INFORMATICA, Vol. 25, No. 4, 581–616 Vilnius University