以下文章来源于智造苑 ，作者小智

导读

通过建模仿真手段对生产系统进行分析，由于更容易模拟实际生产过程，并且分析手段全面，越来越受到企业的重视。

文章信息

本文引自：《生产系统建模与仿真》，该书已出版（作者：华中科技大学朱海平教授），由清华大学出版社「智造苑」原创首发，数字化企业经授权发布。

系统（system）是由若干部分相互联系、相互作用，形成的具有某些功能的整体。根据系统状态变化的时间连续性与否，可将系统分为连续系统（continuous system）和离散系统（discrete system）。其中，离散系统是指系统的全部或关键组成部分的变量具有离散信号形式，系统的状态在时间的离散点发生突变的系统。

描述系统的基本要素包括对象（object）、属性（property）、活动（activity）、输入输出（I/O）。“对象”又称为“实体（entity）”，它确定了系统的构成和边界，可区分为临时对象与永久对象，在系统中只存在一段时间的对象叫临时对象，比如顾客、工件、工人等，它们一般是流动的，永久驻留在系统中的对象则叫永久对象，比如服务台、设备等，它们一般是静止的。“属性”描述了每一个对象的基本特征，“活动”定义了对象之间的相互作用，从而确定了系统状态随时间发生变化的过程，“输入输出”描述了系统与外部环境的物质和信息交互。

生产系统建模仿真的目标

在生产系统建模领域，有许多经典的分析与优化问题，比如车间布局规划与重构、生产线平衡分析、车间计划调度、物流路径规划、物流调度、故障分析与维修决策等等，大量学者利用运筹学（operations research,OR）方法对这些问题进行了深入研究，取得了许多重要的理论成果，然而由于实际生产系统的复杂性，这些成果往往难以直接用于解决工程问题。通过建模仿真手段对生产系统进行分析，由于更容易模拟实际生产过程，并且分析手段全面，越来越受到企业的重视。生产系统建模仿真的根本目的在于：

（1）在系统布局设计阶段，通过生产与物流活动的仿真，对系统运行性能进行定量分析，提前发现问题，为系统结构设计、资源分配、方案比选等提供数据决策支持，以保证系统设计的科学性、经济性、鲁棒性；

（2）在系统运行与持续优化阶段，建立物理生产系统的数字孪生，通过基于数字空间的仿真试验与优化，识别生产瓶颈，优化运行参数，评估系统在不同调度策略下的性能，确定高效的作业计划和调度方案，辅助生产决策，提高物理系统的综合运行效率。

生产系统的性能指标

对于现有或预期建设的生产系统，为了评价其性能的优劣，进而找到改善的方向，必须量定量化分析系统的性能指标，常见的性能指标有以下几种。

（1）生产率（productivity）：它是一个相对指标，通常表示为产出和投入之比，根据投入要素的数量，分为单要素生产率、多要素生产率和总生产率，比如，投入要素为工人，则表示为劳动生产率；

（2）生产能力（production capacity）：简称产能，指生产系统在一定时间内，在合理的技术条件下，生产某类产品或零部件的平均数量和最大数量。比如一条加工生产线，如果工件投入充足，运行一段时间后，生产线单位时间产出的工件数量会稳定到一个最高水平值，这就是生产线的最大能力（极限能力），实际情况下，未必能满负荷投入工件，平均产量一般小于最大产量。进一步还可考虑设备故障、工件缺陷、工人离岗等因素，定义有效生产能力；

（3）在制品数量（number of work in process，WIP）：指已投产未完工的工件数量，包括处于工作、等待、运输等状态的工件数量之和。根据著名的Little公式，单位时间投入系统的工件越多，并且工件通过系统的时间越长，则在制品数量越多。在保证生产能力的情况下，在制品数量当然越少越好，因此，工件的投产时机选择和生产调度策略都很重要；

（4）通过时间T：指工件进出系统（设备、产线或车间）的时间差，也称系统逗留时间，它由加工时间、运输时间和等待时间构成。一般统计一类工件的平均通过（逗留）时间；

（5）工件加工/运输/等待时间占比：指工件通过时间中，加工/运输/等待时间的比例，显然，如果加工时间占比偏低，则说明物流效率低或生产调度不合理；

（6）等待队长：指在等待加工或搬运任务的缓冲区中，最大和平均等待的工件个数。等待队列决定了缓冲区的容量设计大小，并且，队列越长，说明缓冲区之后的设备是瓶颈；

（7）订单按期完成率：订单即生产作业计划，在订单下发时一般会给定期望完成时间。由于生产异常因素，或者生产负荷过重、调度不合理，部分订单可能无法按期完成，导致订单按期完成率达不到100%。实际情况中，订单提前太长时间完成可能也不合理，这时可以设定期望完工时间区间，并计算订单准时完成率；

（8）直通率（first pass yield rate）：指产品从第一道工序开始一次性合格到最后一道工序的比例，与每道工序的合格率相关；

（9）设备利用率（utilization ratio）：指设备实际工作时间占总时间或有效时间的比例；

（10）设备（OEE）：指设备综合效率，OEE=可用率⨉表现指数⨉质量指数；

（11）资源利用率：指物流车辆、人、工装、工具的利用率；

（12）能源效率：指单位产品能耗或单位能耗产出；

（13）生产线平衡率（line balance rate）：指各工序作业时间和/（工序数⨉瓶颈工序时间）；

（14）物流运输距离/成本：指单位时间内的物流运输距离/成本或者产品的平均物流运输距离/成本；

（15）平均故障间隔时间（mean time between failure，MTBF）；

（16）平均故障维修时间（mean time to repair，MTTR）；

（17）设备可用率（availability）：MTBF/(MTBF+ MTTR)。

如果生产系统已经存在并运行了一段时间，理论上讲，通过历史数据统计可以计算出上述性能指标，但分析过程一般非常复杂；如果生产系统尚不存在，或者虽存在但亟待重构，新系统性能如何往往难以测算。现实中一般靠经验估计或者简单计算来分析生产系统性能，结果难以令人信服，此时，建立生产系统仿真模型，通过仿真运行来计算上述指标，并给出定量评价，就非常必要了。

建模仿真的意义和过程

从某种程度上讲，生产系统仿真和产品设计仿真（computer aided engineering，CAE）具有类似的含义。产品设计过程中，为了提前验证产品的性能，需要利用CAE软件，建立有限元分析模型，对产品的功能、性能与安全可靠性进行计算，对产品的工作状态和预期行为进行模拟仿真，及早发现设计缺陷，改进和优化设计方案，证实未来产品的可用性与可靠性。同样，在生产系统设计过程中也需要开展仿真分析，基于虚拟工厂模型，通过模拟、验证、优化手段，实现低成本、快速、科学的工厂设计，当产品、工艺或物流发生变化时，基于虚拟工厂先进行重构和优化，持续保障工厂效能。因此，生产系统仿真分析可认为是针对工厂所开展的“CAE”工作。

具体而言，生产系统建模仿真的实际意义在于：

（1）基于虚拟环境，可以较为真实地模拟生产与物流过程，从而快速、全面地获得生产运行数据。在物理生产系统中，能获取的数据往往是不全面的，尽管各种物联网技术、生产管控技术（MES）等逐步在推广应用，但生产过程中有价值的数据仍然欠缺，这个时候，仿真技术就为数据的获取提供了另外一个手段。通过工厂建模，模拟设施、工艺、物流、人、控制与调度逻辑，导入或模拟生产计划，模拟各种随机因素，然后进行仿真运行，可以在较短时间内得到大量的运行过程数据，比如，在1分钟内完成1年生产订单的运行模拟，得到几千万条数据。

（2）基于数据分析，定量评估分析工厂的性能，包括能力分析和效率分析。通过对生产系统性能指标的分析，可以迅速发现系统运行中存在的问题和有待改进之处，并及时进行调整与优化，减少后续生产执行环节对于物理系统的更改与返工次数，从而有效减低成本、缩短工期、提高效率。

（3）通过指导性数据分析（prescriptive analysis），主动寻找优化方案并仿真验证。仿真分析和优化算法可以进行各种形式的融合，比如仿真分析与试验设计的结合，仿真分析与遗传算法的结合等等，算法提供了基本的优化逻辑，而仿真则为算法中的一些关键步骤提供了“黑箱”式计算方式，比如，遗传算法中需要计算个体的适应度，然而对于复杂问题，很难给出适应度计算的解析公式，这时候就可以通过仿真来得到适应度值。

针对现实应用，生产系统建模仿真的基本过程如图1所示，主要包括5个阶段。

图1 生产系统建模仿真的基本过程

仿真目标定义

在建模仿真之前，首先要明确仿真的目标，即为什么要进行仿真，要分析哪些指标等。物理生产系统存在与否、实际运行状况如何、有哪些改善需求或愿景等因素都会影响仿真的目的。比方说，物理车间尚未建设，此时的仿真目的就是科学预知未来车间的性能，如果车间已存在但物流性能不佳，此时的仿真目的就是通过分析物流效率，找出瓶颈原因，然后提出改善方案并进行验证。根据性质的不同可将仿真分析的目的分为4类。

（1）描述性分析（descriptive analysis）：通过仿真，模拟物理系统的运行，分析运行数据，计算统计值，绘制图表，得到各项性能指标的量化值。描述性分析多用于对现有方案的模拟再现和验证，是最基础的分析；

（2）诊断性分析（diagnostic analysis）：基于描述性分析结果，分析生产系统的性能瓶颈并寻找原因，比如资源不足、生产线不平衡等等，尝试改变生产布局和结构参数，多次运行仿真，寻找更优方案。通过诊断性分析，给出诊断报告，达到知其然并且知其所以然的目的；

（3）预测性分析（predictive analysis）：模拟各种随机因素，设计大量仿真试验，结合因果分析、回归分析、相关分析等方法，对不同参数组合下生产系统性能的变化趋势进行分析。通过预测性分析，建立响应变量和输入变量之间的关系，预知输入变量改变以后的结果；

（4）指导性分析（prescriptive analysis）：将仿真与运筹学方法相结合，对生产系统的最优设计方案和最优运作方案给出建议，比如设施布局、物流路径定义、计划投产策略等等。通过指导性分析，提出生产系统的改善方案。

根据业务的不同可将仿真分析的目的分为产能验证、瓶颈识别、利用率分析、物流效率分析、工人效率分析、质量影响分析、故障影响分析、订单排序优化、投产策略优化等等。

基础数据收集

在仿真建模过程中，需要一定的基础数据支持，基础数据的质量（全面性、真实性）对仿真结果的真实可信性有直接的影响，这些数据通常包括：

（1）车间布局图：描述了生产系统中的设施布局和物流路径，一般为CAD模型，有精确的几何数据；

（2）工艺数据：车间中生产的每一类零件或部件的工艺路线，包含工序、工时、所需工具、所需设备、工人、毛坯等信息，如果是装配工序，还需给定物料清单（bill of material, BOM）数据；

（3）订单数据：如果是进行产能分析，则根据经验估计，给出每年（月）预计投入的订单数量、订单的工件构成、订单的投放规律（间隔时间、批量）等，如果是进行生产计划仿真，则需要给出详细的生产计划；

（4）资源数据：工具类资源、工人（操作工、检验工、物流工等）类资源的类型、数量、使用规则等；

（5）物流类数据：包括物流运输路径、物流配送策略、物流设施及工作参数等数据，以及缓冲区和仓库的位置、容量、出入库策略等数据；

（6）故障类数据：设备的故障模式、失效分布、维修特征等数据；

（7）质量类数据：缺陷类型、缺陷发生的概率分布、缺陷处理策略等数据；

（8）其他数据：比如工厂日历、停机计划、特殊生产规则等等。

仿真建模

选择一种生产系统仿真软件，建立生产系统仿真模型。主流仿真软件一般都提供了图形化的建模平台，仿真建模的大致过程如下：

（1）按照CAD布局，创建各类对象并准确摆放其位置；

（2）详细定义对象属性；

（3）导入基础数据，建立对象和数据的关联；

（4）定义物流过程；

（5）定义人员和资源模型及其访问机制；

（6）自定义脚本，实现各种逻辑控制。

仿真分析与优化

基于生产系统仿真模型，在离散事件仿真引擎和动画引擎等的支持下，进行大量模拟运行，输出仿真模型的运算结果统计，根据仿真结果，一方面用来验证模型的有效性，另一方面用来指导生产物流规划以及后期的运作管理，包括布局规划、生产物流分析、参数优化计算和瓶颈分析优化等内容。

图2 仿真分析与优化的过程（以布局分析与优化为例）

图2（横屏看图）以布局分析和优化为例，描述了仿真分析与优化的基本过程。包括初始方案的仿真分析、关键参数试验设计及对比分析、遗传算法+仿真来实现寻优等三个过程。（The End）