一般意义上来说，相比于其他的数字化工业软件系统，aps是更加具有逻辑运算的严谨性的，所以大家会感觉到aps非常的刚。

这个刚主要体现在几个方面，也都是大家能够想象到的，其实也是ps推行的难点所在。

(1)基础数据要求很精确。我们经常说一句话，输入的是垃圾，输出的也是垃圾，对于aps来说，尤其是其中的工时数据，如果不准的话，那排的这个结果相当于没有依据了，肯定是不准的。

(2)内部的算法逻辑是非常严密的。算法可以说是对逻辑和规范的固化，是一步一步推理传递所得到的结果。aps是需要考虑众多的约束与目标的，其得到的结果就像钉是钉卯是卯一样的严丝合缝。

(3) aps的结果是是非分明的。我在其他的公众号文章里面也提过，像mac系统其实是可以实现从0~100分来打分的，但对于aps来说，很有可能只有两档零分或100分。这是因为aps需要考虑的一些约束是不容挑肥拣瘦的，选择对部分约束或者目标进行响应所得到的结果，必然会是片面的，或者说有失偏颇的，更别说根据这个结果来执行了。

为了破解这个局面，我们必须想出一些别的方法或者说机制，比如增加aps的柔这一方面的特点。

(1)从管理角度来说，aps的实施应用要和企业的管理水平相匹配。 Aps的运行其实是非常精细的，涉及到了精准的计划牵引的协同，有的企业可能根本就达不到这种水平。步子不能太大，需要结合与针对现实的。哪里有那种借助于单纯的数字化系统就实现一步到位的管理提升的，这种想法有时候其实是很不现实的。但同样应该认识的，看起来名字一样的系统，即使面向当前相对落后的管理局面，系统后台机制和算法，甚至比理想的那种局面还要复杂，aps尤其如此。

(2)从应用角度来说，aps可以是一种工具也可以是一种大脑。这两种区别的核心其实是在于决策，尤其这种决策是自动作出还是依靠人工经验来完成。笔者认为这两种方式都是可以的。初期应用的话，应该以将aps作为工具，而人依靠经验来完成决策，相当于aps为人提供了一个求解器。当应用逐步成熟的时候，就应该赋予aps来自动作出决策方案的时候。

虽然各种各样的数字化工业软件系统失败的案例也很多。Aps有可能是因为实施应用还不够普遍所以看起来相对还好似的，但基本上来说，所有的失败案例应该都是从上面5点衍生出来的。笔者近期要接手的两个aps项目：一个已经努力想要推动上线两年了，但最终决定放弃，重新做(这个方案我看了，基本上来说是技术能力不够导致的)。另外一个花了大价钱购买的，最终以失败告终，重新做。 aps其实已经完成了第1轮小规模的应用实施了，后面会逐步的进入到深水区，一方面是用户的认识再逐步的深化，另一方面是 aps技术及团队也必将会沙里淘金涌现出来的。