在一个ERP环境中，经常遭遇到一些执行时间非常长的情况。对于EBS产品，可以考虑使用并发请求的方式来让表单将控制权快速返回给用户，有些人也喜欢利用Workflow来应对此类情况(使用Deferred特性)。在和Oracle的对话中，以及Oracle Database 11g产品组件透露的信息上可以看出，APEX(Application Express)越来越成为一个非常重要的角色。从以前独立版本的HTML DB，到现在直接内置到11g中，仿佛就是在向企业用户宣告了另一种企业信息化方案。开发的Web应用程序通常具备非常快速的响应，但是偶尔也会遭遇一些非常情形，比如某个财务报表的运算逻辑非常复杂，通常无法立即返回结果，这时该如何处理呢？ 一种比较简单的方式就把这部分工作还给EBS，Web应用程序等处理完毕后再直接获取运算结果，这种方式不需要对原EBS应用做太大调整，而纯粹作为一个结果呈现的客户端。其实还有另外一种方式来处理该问题，即将PL/SQL代码放到后台去执行。APEX给出一个官方的解决方案，使用APEX_PLSQL_JOB。它的原理就是通过DBMS_JOB的功能来让代码延迟执行： APEX_PLSQL_JOB.SUBMIT_PROCESS ( p_sql IN VARCHAR2, p_when IN DATE DEFAULT SYSDATE, p_status IN VARCHAR2 DEFAULT ‘PENDING’) RETURN NUMBER; 该过程提交后台执行的PL/SQL代码，它会返回新创建的job number，可以根据该标识来跟踪job执行状态。这个包里已封装的过程主要包含： JOBS_ARE_ENABLED 判断是否支持使用APEX_PLSQL_JOB提交后台执行的PL/SQL代码。 PURGE_PROCESS 清理已提交的jobs。 SUBMIT_PROCESS 提交后台执行的PL/SQL TIME_ELAPSED 统计job提交后过了多少时间 UPDATE_JOB_STATUS 更新当前执行中的job状态，通常在提交的PL/SQL代码中调用。 为什么是DBMS_JOB而不是DBMS_SCHEDULER呢？众所周知，APEX的前身是HTML DB，它在10g版本以前的数据库中也可以正常工作，而DBMS_SCHEDULER则是10g时代才被引入的。事实上，在很多内部程序或表结构上，如今的APEX还是遗留有许多HTML DB的影子。 只要明白了原理，我们也可以设计更适合自己工作环境的wrapper package，比如可以考虑充分利用DBMS_SCHEDULER的新特性。
Archives for 2009
Oracle 将终止与 Prometric的合作
Oracle最近发布了一则公告称，他们将终止和Prometric的合作，将认证考试业务转给另一家公司，但是目前尚不知晓是哪一家。 Prometric Testing ID将转换到Oracle Testing ID，同时，原Hand-On Course的表单提交也将于今年9月份终止使用，将会另行启用新的课程提交系统。回想起我当初提交OCP的课程信息时，如果不按照指南，根本就无法顺利提交。新的课程提交系统还是很值得期待的。 在中国，Prometric的考场已经遍地开花了，不知道新的考试服务提供商（我是指中国的），会不会依旧会给广大考生提供如此大的便利。 公告原文见： http://www.oracle.com/global/us/education/certification/exam_vendor.html
库存计划：预测方式
之前已经提到过，对于Non-MRP的库存计划，其核心便是对未来供应和需求的预测。Oracle库存管理模块提供了基于历史数据的预测算法。预测数据可以来源于其他预测，也可以来源于MRP，或者直接基于历史数据根据一定的数学模型创建预测。要创建预测，必须先定义预测规则，包括了时段类型和统计数据来源等，其中需要解释一下预测方式（也称之为预测模型）。 预测方式只有两种：集中（重点）和统计。 集中 集中预测方式通过评估多种预测技术来测试选定物料，并选择一种最佳预测技术来预测需求。该方式主要通过以下5种模型来预测： 预测值 = 上年度同期实际需求 预测值 = 本年度上一期实际需求 预测值 = 本年度前两期实际需求的平均数 预测值 = 上年度同期实际需求 x (本年度上一期实际需求 / 上年度上一期实际需求) 预测值 = 本年度上一期实际需求 x (本年度上一期实际需求 / 本年度上上期实际需求) 集中预测方式仅按照以上模型进行预测。那么，如何评估哪种模型更合适呢？这需要通过绝对百分比误差(APE)来评估预测效果，该值越小，预示着预测精度越高，最终也会选择APE值最小的预测。 APE = (实际需求 – 预测需求) / 实际需求 重点预测方式主要是为了预测某个期间（单期）的需求，实际上，它并不限于需要预测的期间数量，只是针对每一期都采用该方式。 统计 统计预测方式使用指数平滑法、趋势以及季节性算法来预测物料需求，具体包括： 指数平滑模型 趋势模型 季节性模型 趋势和季节性模型 在系统中，针对选择的模型都必须输入介于0和1之间的因子数值。每种模型具体的计算方式，有兴趣的话可以寻找相关资料自行查阅。如果不清楚因子的具体作用，不妨输入1，数值越靠大，表示越偏向于近期的数据。 不管采用何种预测方式，为了保证预测精度，至少要具备一年的历史数据。
MRP技术概览
Oracle是通过基于内存的计划引擎来生成MRP计划的，所谓基于内存，是相对于以前版本中将中间过程存储在数据库中的方式而言，它一次性将所需数据（快照）装入内存，然后在内存中进行各类运算。这些数据包括很多方面，如离散任务、重复性计划、资源需求、采购申请、物料保留、采购订单、安全库存等等。在运算逻辑上，相关资料很多，此处不谈。在技术组件的设计上，大致按以下流程图所示： 可以看到几个关键信息： 快照监控程序通过数据库管道和基于内存的快照进行进程间的通讯。 快照删除工作流程清理过期快照数据，有助于提高本次运算速度。 运算结果数据直接写入操作系统的文件，然后通过SQL*Loader装载数据并进行到下一步骤。 基于内存的计划员执行计划，期间会调用数个工作器来计算特殊逻辑。 基于内存的计划引擎有个最大的缺点便是，在忙时很容易出现ORA-01555 snapshot too old 的错误。 逻辑计算过程，可以通过 MRP –> 查看计划状态 –> 快照任务 功能来查看。 P.S: 流程是用Visio画的，不是很熟练，缺少一些想象中的示意图形。不过，基本上应该算是清楚的了。
库存计划
ERP一个最大的作用就是把理论模型整合成一个简单的功能来使用。在实际应用时，最缺的不是理论，而是缺少简单明了的实现方式。如果一种工具能够通过简单的操作来让使用者实现管理目标的话，那就是最好的工具。在成长性企业中，由于缺少成熟的管理工具和体制，这尤其重要。 安全库存是一种建立于统计学理论基础上的，根据平均消耗速度变化情况建立的保险库存。在量化计算上，有很多影响因素，比如历史需求、提前期、期望服务水平等等。在SAP中，关于安全库存方面有很清晰的功能区分和设置，比如动态安全库存、安全时间等。Oracle电子商务套件中也有专门关于库存优化(Inventory Optimization)的内容，里面有多种优化工具和技术，不过这些都适合专业分析人士使用。其实，Oracle库存管理模块就已经提供了更适合业务部门（初级用户）使用的、更简单的方式来制定库存计划：最小最大计划和再订购点计划，两者使用方式和适用对象有所不同，各有优缺点。 最小最大计划。 要求预先手工设置库存物料的最小值和最大值，这是一份相对静态的数据，系统判断现有量是否到达最小值这一临界点来决定是否需要采购。同时，要提供订货量范围和提前期等信息，以确保订货量符合经济订货原则，又满足供货商的订货要求，这在很多场合下非常重要。对于需求比较固定，日均耗用比较平稳的物料，这种方式是可以考虑。对于项目专用的物料，一般不考虑使用。 再订购点计划。 该方式根据预设的安全库存量自动判断是否需要订购。安全库存量的设置可以是手工的，也可以根据预测自动装入。预测是根据一些可选的模型来自动计算的，它是一门科学，也是一种艺术。这种方式多数情况下无法灵活划分采购数量范围（可以根据安全库存量和预测数量确定），仓库管理员可能会有一种无法把控的感觉。也就是说，需要有稳定的供货来源，而这样的供应商却是比较难找的。 算法为：再订购点 = 安全库存量 + 提前期 x 日均耗量。 从数理统计方面讲，两者都是建立在复杂的运算逻辑之上的，不过简而言之，两种方式都是通过计算库存量是否达到一个临界点，如果到了，就按照规则自动生成供货需求（通常是指采购申请）。所不同的是，再订购点是一种相对动态的安全库存管理算法，它的可靠性更多地依赖于预测的准确性，而预测的准确性则依赖于计划的准确性。对于项目制造型企业，这个很有难度。 在考虑动态安全库存时不得不联系到MRP，必须承认，在实际应用中，MRP很少有成功的案例。在很多时候，MRP是最受人追捧的计划手段，但是它的实际效果往往和预期的有很大出入，原因在于它是一种基于需求的计划。如果一个企业中，项目风险控制能力和计划水平有限，往往导致需求的不确定，此时，基于需求的计划便往往适得其反。很多企业，MRP并没有带来效益，反而成了一种灾难。而上面所述的两种计划手段更多的是基于历史需求，尽管有很多预测模型可供选择，但是它们也只是为了平滑需求曲线，并不会造成太大的偏差。因而基于历史库存消耗量的库存计划，更能让人感觉可靠。 如果生产计划做不好，就慎用MRP，从而也要慎用基于需求的库存策略，在预测中，需要减少需求的因素。而最小最大计划，则更适用于通用库存物料。不过，安全库存量依旧是一个成熟的、有依据的数据（有一整套的理论模型），不妨用于做最小最大计划中订购量数值的参考。
