工厂仿真是把生产系统中的设备、物料、人员和运行规则建立成模型,再在模型中试验不同安排,观察产出、等待、在制品和资源占用怎样变化。它可以用于新工厂规划,也可以用于现有工厂的改造分析。本文重点讨论流程、物流和产能的离散事件仿真,也就是让模型随到料、加工完成、运输到达等事件更新状态。
例如,两个工位之间的搬运路线缩短,是否就能多出产品?答案取决于车多久能送来下一件、后工位是否有空、缓冲区是否会满,以及在什么时间范围内统计。把设备画进三维场景,只完成了表达的一部分;这些约束进入模型后,才有依据比较方案。

工厂仿真模拟什么,能回答哪些问题
流程仿真关注的是产品怎样经过系统,以及有限资源怎样影响它的经历。它既能追踪“这一件在哪里”,也能统计一段时间内完成多少件、在哪些位置排队、设备为什么等待。西门子的制造仿真说明把生产能力、物料流、物流与布局列为应用方向。这些问题需要的模型细节各不相同,不能用一套漂亮场景替代所有分析。
| 要判断的问题 | 模型必须表达什么 | 主要观察什么 |
|---|---|---|
| 布局是否改善物流 | 路线、行程时间、装卸、会车和运输规则 | 等待、在途数量、配送及时性 |
| 增加资源是否有用 | 设备及人员能力、共享关系、前后工序约束 | 完工量、资源状态、积压转移 |
| 计划在波动下能否完成 | 产品组合、班次、换型、故障及来料变化 | 按期完成情况、在制品和结果波动 |
相同的“等待”还要区分原因。设备可能因没有料而空闲,也可能加工完了却因下游满而不能卸件。只报一个设备利用率,会把这些不同机制隐藏起来。实际工位、输送和检测怎样组成系统,可先看自动化生产线的组成与协同;仿真是在此基础上,建立可计算的资源和行为关系。
工厂仿真也不自动等于数字孪生。一次离线布局比较,可以只使用经过整理的输入数据;数字孪生工厂还涉及模型与对应对象、运行数据之间的持续关系。虚拟调试则更侧重把控制程序接到设备行为模型上,检查信号与动作逻辑。三者可以共用部分模型,但各自要回答的问题不同。
把工位和物流变成事件、资源与规则
先限定模型的系统边界
设有一个只生产同一种零件的教学单元:工序A输出零件,一台小车运到工序B,B完成后计为本单元完工。我们想比较两种布置,在从空线启动后的20分钟内,哪一种能让更多零件完成B。以下均为自定义假设,不是某家工厂的运行记录。
- A的输出:每2分钟完成1件,第一件在t=2分钟完成,之后为4、6、8分钟,依次类推。
- 搬运资源:只有一台车,一次装1件。初始位于A,有件即可按先到先运的顺序取走。到B卸下后立即空车返回A,不等B加工结束。
- 两个方案:基线单程2分钟,短路线单程1.5分钟;各自去程和空返时间相同,其余条件不变。
- B的能力:只有一个加工位,每件加工3分钟,有料且空闲时立即开始。装卸时间在本例中忽略。
- 队列和终点:A后、B前都允许无限容量排队,按先到先处理。初始队列为空,没有班次、故障、报废或缓冲满造成的阻塞。处理所有t≤20分钟的事件,只把已经完成B的零件计入完工数。

这些条件分别落到模型对象上:零件是被追踪的实体,小车和B是容量有限的资源,候运区是队列,完成加工和运输到达是事件。NIST的Simantha离散制造仿真说明也采用来源、机器、缓冲区和出口等对象组织模型。对象名称本身不决定行为,真正起作用的是资源容量、取件顺序和事件之间的关系。
实际建模时,数据也要与这些关系一一对应。车间图纸给出路线,但路线长度还要结合速度、转弯、停靠和装卸,才能得到行程时间。设备记录中的“周期”要明确是否含上下料、换型或停机,否则这些时间可能重复加入,也可能被遗漏。缓冲区只能放几件、谁有优先权、两工位是否共用一个操作员,都可能改变结果。
一件产品怎样推动事件发生
看基线的第一件。t=2时,A完成零件,小车立即装走;t=4时到B,零件开始加工,小车同时空返。t=6时车回到A,第二件已经在等候,于是取走第二件。t=7时,第一件才完成B。

模型处理t=4的到达事件时,需要同时更新车的位置、零件的位置和B的占用状态,并安排后续的“车返回”和“B完成”事件。接下来推进到最近的事件时刻,再更新受影响的状态。这就是离散事件方法的核心:计算发生了什么、占用了什么以及何时释放,不必把每一秒都画成一个动画帧。
同样20分钟,两条路线为何分别完成4件和5件
只改变单程时间,逐件计算到达与完工
基线小车往返一次用4分钟。从第二件起,取货要等车回到A,不能简单按A每2分钟出一件就安排发车。前五件在4、8、12、16、20分钟到达B;每次到达时B都有空位,加工3分钟后,完工时刻分别为7、11、15、19、23分钟。第五件虽然已在t=20进入B,仍不算20分钟内完工。
短路线的往返时间变为3分钟。前六件在3.5、6.5、9.5、12.5、15.5、18.5分钟到B,恰好与B每件3分钟的加工衔接,完工时刻如下。表内时间都从相同的空线起点算起。
| 零件 | 基线B完工/min | 短路线B完工/min |
|---|---|---|
| 第1件 | 7 | 6.5 |
| 第2件 | 11 | 9.5 |
| 第3件 | 15 | 12.5 |
| 第4件 | 19 | 15.5 |
| 第5件 | 23 | 18.5 |
| 第6件 | 27 | 21.5 |

逐件复算只需掌握两个等待关系:取货时刻取“A完成”和“车返回”中较晚者;B开工时刻取“零件到达”和“上一件B完成”中较晚者。然后分别加上运输时间和加工时间。比如基线第二件A在t=4已完成,但车t=6才返回,所以t=8到B、t=11完工。短路线第二件在t=5取走;t=6.5到B时第一件恰好完工,第二件立即开始加工,t=9.5完工。
用终点快照核对所有零件去向
t=20时,A在2、4、6……20分钟共输出10件。这个时刻发生的到达、返回和取货事件也要处理后再盘点。基线第五件刚到B并开始加工;短路线小车刚回到A并装走第七件,因此该件属于在途,不再属于A后的候运队列。
| t=20的状态 | 基线/件 | 短路线/件 |
|---|---|---|
| B已完工 | 4 | 5 |
| B正在加工 | 1 | 1 |
| 车上在途 | 0 | 1 |
| A后候运 | 5 | 3 |
| B前等待 | 0 | 0 |
| 合计 | 10 | 10 |

这次比较说明,在规定的空线启动窗口内,短路线减少了B等待来料的间隔,因此多完成1件。它没有证明实际工厂也会得到相同结果,更不能直接把短窗差异推广成长期产能收益。
从机制看,基线单车4分钟才能送来下一件,比B的3分钟加工慢;短路线把送件间隔降到3分钟,刚好与B衔接。若继续缩短运输时间,B仍然要用3分钟完成一件,单靠路线改善便不能持续增加下游处理速度。A却仍每2分钟输出一件,在本例无限缓冲、持续供料的假设下,两方案的A后队列都会长期增加。候运从5件减到3件,不等于积压的根本条件已经消失。
实际布局还要确认短路线是否真的可行。若新位置造成通道交叉、停靠等待或其他设备供料受阻,就要把这些约束加入模型,重新比较。这里的“无限缓冲”也应换成现场容量,才能看到满料后如何阻塞上游。流程模型中的时间变化,不能代替对空间、维护通道和现场保护要求的核查。
模型算得对,是否就能代表真实工厂
这要分两类证据。Sargent在仿真模型验证与确认论文中区分了模型的计算机实现是否正确,以及输出行为在预定用途下是否具有足够准确性。前者常称verification,后者称validation。一个程序可以完全按假设运行,却因为假设不适合现场而给出不适用的结论。
校验实现:规则有没有被正确执行
本例可以用事件记录检查具体错误。第二件不能在车还没回到A时离开;同一台车不能同时运两件;B前一件未完成,后一件不能占用同一个加工位。运输与加工允许并行,但同一资源的互斥关系必须保持。
再检查数量和边界。到t=20的10件必须在各状态中合计为10,不能因卸货事件少一件,也不能把已出队的车载件再算一次。本例的事件计算已经与逐件递推核对,得到相同的到达、完工和终点状态。还可以暂时取消来料,检查系统是否只处理已有零件;让B变得很慢,检查B前队列是否按规则增加。这类检查能暴露实现错误,但不能证明现场加工时间就是3分钟。
确认有效性:数据和行为是否符合研究对象
用于真实项目时,先要把模型输入对应到实际记录。小车周期究竟是单程还是往返,设备时间记录是纯加工还是含等待,同一“完成”信号是否真的代表产品退出工序,都要核清。否则模型可能用错时间,却碰巧算出接近的总产量。
随后用同一班次、产品组合、初始在制状态和统计口径,对照现场的完工数、等待位置及资源状态。例如总产量接近,但现场主要堵在B前,模型却主要缺料等待,便说明内部机制还没有对应好。不能只调一个加工时间,把最终完工数调到相等就结束。
校准是依据记录修正输入或规则;检验修正后的模型是否仍适用,需要额外的对照。可保留另一时段的数据,或选一个未参与调参的产品组合来检查。如果只有新建工厂而没有运行数据,就要明确哪些判断来自类似设备、试验或供应商资料,对缺乏把握的时间、故障与调度规则给出不同情景,而不是把估计值当成已确认事实。

怎样安排试验,让方案比较有依据
先固定比较条件,再改变准备研究的因素。本例只改变运输单程时间,因此可以沿事件链解释结果差异。如果同时增加车辆、缩短B加工时间,又改变来料,就无法仅凭完工数判断哪项变化起了作用。多因素方案可以比较,但要记录各项变化,并安排必要的单项试验理解其影响。
确定性模型与随机模型的运行方式不同。本例所有时间固定,在相同初态下重复运行会得到相同答案。实际设备故障、加工时长或订单到达若带随机波动,一次运行可能刚好遇到顺利或不顺利的序列。NIST的Simantha说明指出,高随机性系统在比较策略的预期表现时,需要多次仿真重复。此时应采用受控的随机种子安排,让每个方案经历足够的独立重复,并同时报告结果的平均水平和不确定性;具体重复次数由所需精度和结果波动决定。
观察期也要与问题一致。本例问的就是“空线启动后20分钟”,启动等待必须保留。如果要研究已经正常运转的长期表现,应改用合适的初始在制状态,或检查启动过渡后再统计的方式。不能把有料开机的方案与空线方案直接比较,也不能为了得到好看的结果随意删除开头或结尾数据。
除了完工数,还要看等待时间、队列积压、资源缺料和阻塞状态。若缩短路线只把积压从A后移到B前,它与真正改善整个流程是两回事。对缺少可靠数据的输入,可分别尝试较短和较长的搬运时间、不同故障水平或缓冲容量,观察方案排序是否改变。结论对小幅输入变化就反转,说明还需要补数据或保留备选方案。
最终应交付一份能追溯的比较结论:采用了哪版输入,系统边界和初态是什么,方案改变了什么,统计窗口内得到什么结果,以及结果依赖哪些尚待确认的条件。本例能支持“在既定假设下,短路线使20分钟完工从4件变为5件”,也能指出B与搬运的后续约束;它不能直接批准真实工厂搬设备、增加订单承诺或取消缓冲。
方案通过必要核查后,还要把可用资源、物料日期和执行反馈纳入生产计划与排产安排。仿真的价值是在实施前把关键假设算清、把等待和约束找出来,让现场需要确认的事项更加具体。
参考资料
- Siemens:Manufacturing simulation,制造能力、物流、布局等应用范围。
- NIST:Simantha — Simulation for Manufacturing,离散制造模型对象及随机系统的重复试验。
- Robert G. Sargent:An Introduction to Verification and Validation of Simulation Models,2013 Winter Simulation Conference,第321–327页,尤其第3–4节的模型实现、有效性与验证过程。
评论留言
暂时没有留言!