1635
在建模和模拟之前，首先要明确模拟的目标，即为什么要进行模拟以及应该分析哪些指标。物理生产系统的存在、实际操作条件、改进需求或愿景等因素都会影响模拟的目的。例如，如果物理车间尚未建成，那么模拟的目的是科学地预测未来车间的性能。如果车间已经存在，但物流性能较差，则模拟的目的是分析物流效率，找出瓶颈的原因，然后提出改进计划并进行验证。根据性质的不同可将仿真分析的目的分为4类：
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;
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;
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;
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，有精确的几何位置数据;
(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。
关注微信
