为什么非得用仿真？
先说个场景。客户要建一条装配线，产品有几十种型号，每种的工艺路线还不一样。靠手算节拍？算一个月都算不明白。
仿真这玩意就是在这种时候派用场的。它能把设备、物料、人员、时间全搅在一起，跑几百万次模拟，告诉你到底能不能按期交货。
说实话，以前没仿真的时候，我们干过不少“拍脑袋”的事。记得有一次，预估某条线年产能10万件，结果投产以后实际只有8万——因为没算换型时间。后来用仿真把换型模型加进去，才发现当初差的不是一星半点。
现在做产线规划，不仿真都不敢签字。
建模第一步：数据采集，比想象中麻烦
很多人以为仿真建模就是画方块、连箭头。图样图森破。模型的灵魂是数据。
你拿到的工艺节拍是理论值吧？真实情况呢？操作工要走几步拿料，启动要按两个键，夹具夹紧还有延时。这些细节都得跑现场去测。我们拿着秒表蹲了半个月，才把一条线的真实节拍分布整出来。
数据一定要用分布，别用定值。比如节拍服从正态分布，均值50秒，标准差3秒。这样仿真才能反映波动。如果你给个固定50秒，那出来的就是理想国，没用。
还有物料到达间隔。你得看上游的实际产出，而不是理论节拍。有一次我们用了理论节拍当输入，下游缓冲区直接爆了，仿真报错。后来改成从现场数据拟合的分布，才正常。
模型搭建：几个容易忽略的细节
现在说软件里的操作。大部分商用软件都有对象库，工位、传送带、AGV。但对象库的默认参数往往不适合你的场景。
比如AGV，默认的加速度和转弯半径是理想化的。你根据买的车来改。我们遇过一次，仿真里AGV跑得飞快，实际却跑不起来——因为厂区通道宽度不够。这属于物理约束，必须建模。
还有一个坑：传送带速度。默认是恒定速度，但实际启动和停止都有加速减速。虽然每次都改，总有忘了的时候。忘了的后果？缓冲区流量计算全错。
对了，还有设备故障模型。别简单设个MTBF就完事。要分故障类型，有的故障是开机自检，有的是加工中随机。维修时间呢？也不一定是正态。我们一般用实测数据拟合，或者改用weibull分布差不多。
运行仿真的正确姿势
模型建好，先别急着跑大批量。
先做验证。怎么验证？把故障时间设成零，跑出来应该等于理想产能。如果不对，说明模型里有bug。
验证通过后，再设定运行时长。我们一般用多个随机数种子跑，然后取平均值。单次结果没意义，因为它是随机过程的一个样本。
还有一个设置叫“预热期”。刚开始系统是空的，得跑一段时间让线里填满物料，数据才稳定。不设预热期，你统计出来的均值会偏低，尤其是首件产出时间。
另外，仿真步长也要注意。事件驱动还是固定步长？对于以秒为单位的设备动作，固定步长选小一点，比如0.1秒。太大可能错失瞬时瓶颈。
结果分析：别看报表，看逻辑
仿真完事，软件输出一大堆图表。很多新人盯着柱状图，以为利用率最高就是瓶颈。
错。瓶颈的定义是约束整个系统产出能力的环节。有时候一个利用率只有60%的工位，因为它的产出波动大，反而卡住下游。你得看动态的队列长度和等待时间。
我们常用瓶颈分析图，看哪个工位前队列无限增长。这才是真瓶颈。
还有，别忽略“异常事件”。比如一台机器随机故障，在仿真里怎么建模？是服从指数分布吗？我见过不少人直接给个MTBF，但没考虑维修时间分布。这会导致可用率差挺多。
敏感性分析也很重要。参数稍微变一下，结论可能就翻盘。我们通常把节拍和故障率做±20%扫描，看看系统是不是脆弱的。
落地时的那些坑
仿真结论要落到实际，还得小心。
仿真里假设了理想的调度规则。实际工人不按规则来。比如仿真里规定先到先服务，但工人会优先处理紧急件。所以我们会在模型里加入多种调度策略，比较结果。
还有，仿真模型要持续更新。产线哪怕改了个工位，模型不同步，下次决策就掉坑里。我们吃过这个亏。
最后，也是最重要的：仿真不是圣旨，是决策辅助。它帮你看到可能性，但拍板还得靠你的工程判断力。
小结
核心就几点：数据要真实，模型要验证，结果要批判。
大概就是这样。感谢阅读，欢迎交流。
