物流系统建模与仿真软件简介

一、物流系统建模与仿真软件简介由于物流系统变得越来越复杂并且内部关联性越来越强。仿真是公司检验其物流系统及决策是否真的高效的唯一可用技术了。在设计一个新的工厂或系统，对已由系统添加新设备或重新优化，仿真都是非常必要的。同时仿真还用来提供直觉的和经验的决策支持。在当今市面上，仿真可用使用专用软件来实现。由于存在着如此多的仿真软件，如何正确的选择软件至关重要。下面列举出典型的系统仿真软件[3]。软件名称简介（1）20-sim20-sim是由Twente大学控制实验室开发的运行于Windows系统下的建模与仿真软件。作为著名软件包TUTSIM的后续产品，它完全支持图形建模，让用户在直观和友善的方式对动态系统进行设计和分析，同MATLAB和Simulink可以方便的进行建模与仿真的交互。使用20-sim，我们可以仿真动态系统（例如电力、机械、水动力系统或它们的组合系统）的各种行为。（2）arena该软件可以用来模拟服务、制造、运输、物流、供应链和其它系统。（3）Automod该软件提供了真实的三维虚拟现实动画，使得仿真模型非常用以理解；提供了高级的特征让用户可以仿真复杂的活动，如机器人、设备工具、生产线等的运动和转动。该软件还为用户提供了一套基于专家系统的物料搬运系统，它是根据工业自动化的真实运行经验开发的。这些包括输送链、自动存储和检索系统，桥式起重机等。（4）AwesimAwesim提供生产系统动态模型的仿真机。动画使用图形界面构建，用户可以对交互式仿真进行特定的控制。（5）Easy5由波音公司开发的用来模拟和仿真包含水力、风力、机械、热、电子和数字等子系统的动态系统软件包。包括了一整套控制系统建模、分析和设计功能。（6）Idef该软件是一种流程图析软件，可以非常容易的适用流程图来绘制和表述流程。它能够提供比传统流程图更多的信息。流程中包含的流程、流程约束、人和其他资源能够被整合到一起。（7）Intrax该软件能够提供许多被建模和仿真实际流程的管理决策。它能够被用来执行战略（同战略视图，同步价值链视图相符合的现实），流程改善（工序改善、生产力改善、节约循环时间），同步价值链（动态视觉，同步约束）和日常运作（可对比的运作替代方案，短期变化影响力的检验）等的模拟和仿真。（8）ManufacturingEngineering该软件提供离散仿真功能来解决制造问题和设计制造方案。它在广阔的应用领域中预测产出率，人工和其他的绩效。（9）Matlab该软件是组合的数字计算、高级图形技术和可视化、高级编程语言的集成计算机算环境。Simulink式用来对动态系统进行建模、仿真和分析的交互式工具。它可以构建图形化的结构图，模拟动态系统，评估系统绩效和精炼设计。（10）Modsim该软件可以用来仿真像港口，铁路网和航空管制等的管理模型。还可以用来仿真制造系统。（11）Promodel该软件可以对制造系统、仓储系统和物流系统的评估、规划或重新设计进行仿真。典型应用包括精益制造的实施，周期事件的降低，设备投资决策，产出率和能力分析，识别和排除瓶颈，资源分配等。（12）Prosolvia该软件将现实带入虚拟制造。它让用户从各个角度和位置观察产品。在产品开发过程早期的概念设计阶段的最终用户的交互和功能检测意味着在历程早期可以做出重要的设计和制造决策。对于制造流程，在生产前，既可以对人员进行装配和维修培训。（13）Quest该软件为用户提供了图形和可视化分析功能。它能够对输送设备，缓存设备，泊位，自动存储和检验系统等进行准确的建模和仿真。（14）SDISupplyChain该软件提供了研究需求，物流决策和生产策略的变化对系统核心绩效指标冲击的工具。它用来对从原始资源到最终用户的整个供应链进行动力学建模，包括全面的规划，资源，制造和配送过程。它允许用户设计、分析和研究诸如供应链能力，瓶颈识别，物品调度，资源调度，系统周转率和可靠性等领域的问题。它还可以对供应商，仓库和运输渠道网络建模。供应链绩效从产品总成本、系统滞留成本、系统滞留时间和可靠性等方面进行测量。（15）Witness(SDX)该软件提供离散事件仿真。该软件具备的多种工具使得对自动化制造系统进行仿真非常容易。周转时间、损坏模式和定时，调整模式和定时，缓冲设备容量和保存时间，机器类型等连同路径信息都为仿真提供了方便性。该软件还包括物料流动优化，虚拟现实功能。有效地物流流动可以最小化设备间物料和产品流动的费用。软件名称简介1、AutomodAutomod是目前市面上比较成熟的三维物流仿真软件。主要包括了三大模块：AutoMod、AutoStat和AutoView。AutoMod模块提供给用户一系列的物流系统模块来仿真现实世界中的物流自动化系统。主要包括输送机模块（辊道、链式），自动化存取系统（立体仓库、堆垛机），基于路径的移动设备（AGV等），起重机模块等。AutoStat模块为仿真项目提供增强的统计分析工具，由用户定义测量和实验的标准，自动在AutoMod的模型上执行统计分析。主要特点是：基于发展策略运算法则的最优化分析，用户为得到更好的模型来定义输出审核，多CPU并行计算等。AutoView可以允许用户通过AutoMod模型定义场景和摄像机的移动，产生高质量的AVI格式的动画。用户可以缩放或者平移视图，或使摄像机跟踪一个物体的移动，如叉车或托盘的运动。AutoView可以提供动态的场景描述和灵活的显示方式。Automod建立搬运机器设备等对象物体，对各个作业流程都要建立过程语言，通过编程序才能做出作业流程。全部配置结束后，编译源程序来执行模型。作为物流仿真器，为多数用户所采用。功能十分强，如果能灵活使用的话，就能够实现相当高难度的仿真。并多数模型之间可以进行通信(Op)。建模操作十分复杂；由于对全部机器设备等对象物都需要程序命令语言，所以操作人员必须要具备编程知识；价格昂贵。2、SIMAnimation3、ShowFlow4、Quest5、Stream6、Witness7、eM-Plant8、Flexsim9、RaLC（乐龙）乐龙软件由日本人工智能服务有限公司开发，上海乐龙人工智能软件有限公司为其在华独资子公司，完全中文化界面，点击按钮即可在三维立体画面上显示出的对象物体，通过对这些对象物体的配置来进行设计，对各个对象物体的形状和规格，即使在仿真执行中也很容易可设置其属性。可以非常直观且简单的建模。使用的时候，不需要复杂的知识。由于仿真结果以动作日志形式排出，所以可以自由进行分析。作为简单的建模操作与三维立体动画模型，是破例的低价格，独一无二的高性价比（CostPerformance）。作为软件包其魅力十足，将系统仿真领域的应用纳入视野，提供解决方案服务。这一点则是其最大的优点。并可对每一个用户的个性化需求提供个性化服务。用户独创性机器设备可以与模型整合。人工作业功能的作业管理器也可以说是杰作，如，对于“分拣、验货、包装、搬运”等一系列作业，用户既可以让多数人来分担，又可以使工人互相协助；或设定作业优先度等。仅仅在选用内设菜单选项即可简单完成这些复杂的作业运行，不需要任何复杂编程，且附带有能自动生成最短行进路径的智能化功能，比如，只要给出存货位置数据和分拣指令，作业员就会走向指令产品的放置位置去拣货。即使货位数据当场发生变化，作业员也能立即去适应，当布局和货位每发生变化时，行走路径的设置上不必花费太多时间就能极其简单地进行多方面的验证。基于此功能，也可以在没有传送带和自动立体仓库等机器设备的平置型仓库的人员模拟操作中灵活使用，其效果极好。二、成功仿真研究的步骤对于每一个成功的仿真研究项目,其应用都包含着特定的步骤。不论该研究的类型和目的，仿真的过程是保持不变的。一般要进行如下9步1．问题定义2．制定目标3．描述系统并对所有假设列表4．罗列出所有可能替代方案5．收集数据和信息6．建立计算机模型7．校验和确认模型8．运行模型9．分析输出下面对这九步作简洁的定义。它不是为了引出详细的讨论，仅仅起到抛砖引玉的作用。注意仿真研究不能简单遵循这九步的排序，有些项目在获得系统的内在细节之后，可能要返回到先前的步骤中去。同时，检验和确认将贯穿于仿真工程的每一个步骤当中。1．问题的定义一个模型不可能呈现被模拟的现实系统的所有方面，有时是因为太昂贵。另外，假如一个表现真实系统所有细节的模型也常常是非常差的模型，因为它将过于复杂和难于理解。因此，明智的做法是：先定义问题，再制定目标，再然后构建一个能够完全解决问题的模型。在问题定义阶段，对于假设要小心谨慎，不要做出错误的假设。例如，假设叉车等待时间较长，比假设没有足够的接收码头要好。作为大纲，制定问题的陈述越普通越好，考虑到值问题的原因，然后尽可能将问题定义的专业化。2．制定目标和定义系统效能测度没有目标的方针研究是毫无用途的。目标是仿真工程所有步骤的导向。系统的定义是基于系统目标的；目标决定了该作出怎样的假设；目标决定了应该收集那些信息和数据；模型的建立和确认专门是考虑是否满足目标的需求。目标需要清楚、明确和切实可行。目标经常被描述成像这样的问题“通过添加机器或延长工时，能够获得更多的利润吗？”在定义目标时，详细说明那些将要被用来决定目标是否实现的性能测度是非常必要的。每小时的产出率、工人利用率、平均排队时间、以及最大队列长度是最常见的系统性能测度。最后，列出仿真结果的先决条件。如，必须通过利用现有设备来实现目标，或最高投资额要在限度内，或产品订货提前期不能延长等。3．描述系统和列出假设简单点说，仿真模型降低完成工作的时间。系统中的时间被划分成处理时间、运输时间和排队时间。不论模型是一个物流系统、制造工厂、或服务机构，清楚明了的定义如下建模要素都是非常必要的：资源、流动项目（产品、顾客或信息）、路精、项目运输、流程控制、加工时间，资源故障时间。下面是对各要素的简要描述：仿真将现实系统资源分成四类：处理器，队列，运输，和共享资源如操作员。流动项目的到达和预载的必要条件必须定义，如：到达时间、到达模式和该项目的类型等属性。在定义流动路径时，合并和转移需要详细的描述。项目的转变包括属性变化、装配操作（项目和并）、拆卸操作（项目分离）。在系统中，常常有必要控制项目的流动。如：一个项目只有在某种条件或某一时刻到来时才能移动，以及一些特定的规则。所有的处理时间都要被定义，并且要清楚表明那些操作是机器自动完成，哪些操作是人工独立完成，哪些操作需要人机协同完成。资源可能有计划故障时间和意外故障时间。计划故障时间通常指午餐时间，中场休息，和预防性维护等。意外故障时间是随机发生的故障所需的时间，包括失效平均间隔时间和维修平均间隔时间。在这些工作完成之后，需要将现实系统作模型描述，它远比模型描述向计算机模型转化困难。现实向模型的转化意味着你已经对现实有了非常彻底的理解，并且能将其完美的描述出来。这一阶段，将此转换过程中所作的所有假设作详细说明非常有必要。事实上，在整个仿真研究过程中，所有假设列表保持在可获得状态是个很好的主意，因为这个假设列表随着仿真的递进还要逐步增长。假如描述系统这一步做得非常棒，建立计算机模型这一阶段将非常简便。注意，获得足够的，能够体现特定仿真目的的系统本质的材料是必要的，但是不需要获得与真实系统一一对应的模型的描述。正如爱因斯坦所说“做到不能再简单为止”。4．列举可能的替代方案在仿真研究中，确定模型早期运行的可置换场景是很重要的。它将影响着模型的建立。在初期阶段考虑替代方案，模型可能被设计成可以非常容易的转换到替换系统。5．收集数据和信息收集数据和信息，除了为模型参数输入数据外，在检验模型阶段，还可以提供实际数据与模型的性能测度数据进行比较。数据可以通过历史纪录、经验、和计算得到。这些粗糙的数据将为模型输入参数提供基础，同时将有助于一些需要较精确输入参数数据的收集。现存数据并不是总是有用的，通过测量收集数据可能要费时、费钱。同立马行动，收集系统输入参数数据相比，除了分析中,模型参数需要极为精确的输入数据外,采用估计方法来产生输入数据更为高效。估计值可以通过少数快速测量或者通过咨询熟悉系统的系统专家来得到。即使是使用较为粗糙的数据，根据最小值、最大值和最可能取值定义一个三角分布，不仅仅采用平均值仿真效果都要好得多。有时候采用估计值也能够很好的满足仿真研究的目的。例如，仿真可能被简单的用来指导人员了解系统中特定的因果关系。在这种情况下，估计值就可以满足要求。当需要可靠数据时，花费较多时间收集和统计大量数据，用以定义出能够准确反映现实的概率分布函数就是非常必要的。需要的数据量的大小取决于变量的变异程度，但是也有通用的规则，大拇指法指出至少需要三十甚至上百的数据。假如要获得随即停机时间的输入参数，必须要在一个较长时间段内捕获足够多的数据。6．构造计算机模型构造计算机模型的过程中，仿真研究目标要记在心中。首先构建小的测试模型来证明复杂部件建模是合适的。一般建模过程是呈现阶段性的，在进行下一阶段建模之前，验证本阶段的模型工作正常。而从不会将整个系统模型构建起来，然后电击“运行”按钮来进行系统的访真。在建模过程中运行和调试每一阶段的模型。我们可能想对同一现实系统构建多个计算机模型，每个模型的抽象程度都不相同。抽象模型有助于定义系统的重要部分，并可以引导为后续模型的详细化而进行的数据收集活动7．校验和确认模型校验是确认模型的功能是否同设想的系统功能相符合。模型是否同我们想构建的模型相吻合？产品的处理时间、流向是否正确？确认范围更广泛。它包括：确认模型是否能够正确反映现实？评估模型仿真结果的可信度有多大？检验现在有很多技术可以用来检验模型。最最重要的、首要的是在仿真低速运行时，观看动画和仿真钟是否同步运行，它可以发现物料流程及其处理时间的总的差异。另一种检验技术是在模型运行过程中，通过交互命令窗口，显示动态图表来询问资源和流动项目的属性和状态。通过“步进”方式运行模型，和动态查看轨迹文件可以帮助人们调试模型。运行仿真时，通过输入多组仿真输入参数值，来检验仿真结果是否合理也是一种很好的方法。在某些情况下，对系统性能的一些简单测量可以通过手工或使用对比而来获得。对模型中特定区域要素的使用率和产出率通常是非常容易计算出来的。在调试模型中是否存在着某种特定问题时，推荐使用同一随机数流，这样可以保证仿真结果的变化是由对模型所做的修改引起的，同时对随机数流不做改动，有时对于模型运行在一些简单化假设下，非常有帮助，这些假设是为了更加简便的计算或预测系统性能。确认模型确认建立模型的可信度。但是，现在还没有哪一种确认技术可以对模型的结果作出100%的确定。我们永远不可能证明模型的行为就是现实的真实行为。如果我们能够做到这一步，可能就不需要进行仿真研究的第一步（问题的定义）了。我们尽力去做的，最多只能是保证模型的行为同现实不会相互抵触罢了。通过确认，我们试着判断模型的有效程度。假如一个模型在得到我们提供的相关正确数据之后，其输出满足我们的目标，那么它就是好的。模型只要在必要范围内有效就可以了，而不需要尽可能的有效。在模型结果的正确性同获得这些结果所需要的费用之间总存在着权衡。下面是判断模型有效性的一些问题：1）模型性能测度是否同真实系统性能测度匹配？2）如果没有现实系统来对比，可以将仿真结果同相近现实系统的仿真模型的相关运行结果作对比。3）利用系统专家的经验和直觉来假设复杂系统特定部分模型的运行状况。4）在每一主要人物确认模型的输入和假设都是正确的，模型的性能测度都是可以测量的之前，对模型作各部分的随意测试。整个团队的智慧都对模型的有效性作出了贡献。5）模型的行为是否同理论相一致？确定结果的理论最大值和最小值，然后检验模型结果是否落入两值之间。6）对于我们了解改变输入值，其输出的变化方向的特定性能测度，可以通过改变其输入参数，来验证一致性。7）模型是否能够准确的预测结果？这项技术用来对正在运行中的模型进行连续的有效性验证。8）是否有其他仿真模拟器模拟了这个模型？要是有的话那就在好不过了，可以将两个模型的运行结果进行对比。8．运行可替代实验当系统具有随机性时，就需要对实验做多次运行。因为，随机输入导致随机输出。如果可能，在第二步中应当计算出已经定义的每一性能测度的置信区间。可替代环境能够单独构建，并可以通过手工使用Flexsim软件中的“实验”模块来进行模拟，或通过使用“优化”模块自动运行模拟。Flexsim软件的“优化”模块使用了OptTek系统公司开发的OptQuest软件。为了执行优化操作，需要定义最大化或最小化的目标变量，比如需要实验的许多决策变量，需要达到的条件变量，需要满足的线性约束等。然后详细说明希望得到的目标变量的置信区间，让OptQuest负责确定能够满足实验变量置信区间的正确的替换数字，来运行模型。最终得出决策变量集的优化解决方案，来最大化或最小化模型的目标变量。OptQuest使用Meta启发法（一套优化方法，包括遗传算法，仿真处理，禁忌搜索，分散搜索和其他的混合法）来得出优化方案。在选择仿真运行长度时，考虑启动时间，资源失效可能间隔时间，处理时间或到达时间的时间或季节性差异，或其他需要系统运行足够长时间才能出现效果的系统特征变量，是非常重要的。9．输出分析报表、图形、表格和置信区间点图将被用于输出结果分析。置信区间指出性能测度依赖的范围。这个使用上、下限来表示。上限和下限之差称为精度。精度的可靠性用百分比来表示。统计技术用来分析不同场景的模拟结果。一旦分析结果并得出结论，我们要能够根据模拟的目标来解释这些结果。通常，使用结果和方案的矩阵非常有帮助。三、仿真必要性问题完成仿真研究的基本步骤将建立研究成功的基础。虽然了解仿真研究的基本步骤至关重要，但是，意识到并不是任何问题都应该使用仿真来解决也是同样重要的。在过去，大型的、复杂的仿真项目是由受过专门训练的程序员和分析员来开发的。现在，由于涌现出大量软件，仿真不时被一些缺乏足够培训和经验的人员不恰当的使用在各种项目中。一旦仿真运用不恰当，其研究也就不能够产生有意义的结果。于是，不能获得希望目标的仿真造成的失败，导致了人们对仿真方法自身的谴责，而事实是：失败原因是仿真的不恰当应用。要认识到，要想仿真能够正确的解决问题，在决定进行仿真研究之前，要对以下四个项目进行正确评估：1）问题类型2）资源的可获得性3）费用4）数据的可获得性问题类型：如果一个问题能够由常识或简单分析来解决，就没有必要使用仿真。另外，使用算术和数学等式比仿真解决问题要快，而且费用较低。假如可以在被评估系统上直接做实验就能够解决的问题，就不如直接做试验，而不要进行仿真。最近学校的运输部门为了研究校园班车的增开问题，使用自己的人力和交通工具在周末进行实验。与此相对比，开发一个研究校园班车系统的仿真将要花费一个学生几周的时间来完成。但是，在系统上直接作实验时，也要考虑到实验对实际系统的影响。如果对系统的干扰过大，就要考虑使用别的途径。真实系统自身对仿真也起到一定的决定作用。如果系统过于复杂，不能够被定义，或不易于理解，仿真将不能够产生有意义的结果。当一个系统包含有人的活动时，通常就不能够进行很好的仿真。资源的可获得性：进行仿真研究的决定性资源是人员和时间。有经验的分析师时非常重要的资源，因为他具有判断模型该达到的详细程度和怎样去检验和确认模型的能力和经验。同时，缺少了训练有素的模型开发人员，将可能导致开发出错误的模型，以及该错误模型产生的不可靠结果。另外，时间的分配不能够太少，以至开发人员被迫在设计时，对模型进行压缩处理。要想获得有意的结果，时间进度表的安排应该有足够的时间允许必要改动的实施以及检验和确认活动。费用：在仿真过程中的每一步到要预算费用，购买仿真软件和计算机硬件等。很明显，如果替换现有系统的费用超过了潜在收益，就不应作仿真。数据的可获得性：必要的数据应当被识别并被定位，假如数据不存在，就需要去手迹。如果数据既不存在，又不能够收集到，后续的仿真研究最终将只能产生不可信和无用的结果。仿真输出就不能够同实际系统性能想对比，而这一点对检验和确认模型至关重要。一旦仿真被识别作解决特定问题的首选方法，对由仿真研究结果所建议的行动程序作出实施决策并不是说研究结束，正如上面流程图所示。根据对真实系统经历的变异的反应，模型需要相应的维护。但是，模型维护的范围和深度主要取决于模型的柔性和模