说实话，做了这么多年机械设计，第一次接触生产仿真时，我是有点懵的。满屏流动的小方块，像蚂蚁一样爬来爬去，感觉就是个花哨的动画。直到有一次，我们一条新产线试产，实际产能只有仿真预测的七成，老板脸都绿了，我才开始认真琢磨这玩意。
那次翻车，让我学会了敬畏数据
那是一套发动机缸盖的加工线，前工序是立式加工中心，后工序是清洗和试漏。我们用软件建了模型，设备节拍都是按机床厂家样本给的，传送带速度也是理论值。仿真跑出来，节拍68秒，我们还挺高兴，觉得达到设计指标了。结果试产当天就卡壳，实际节拍得95秒。
哪里出了问题？后来逐步排查才发现，毛坯上料工位有个视觉识别镜头，每件都要拍三张照片，废品率倒是低，但识别要6秒，我们根本没把这时间算进去。还有刀具磨钝检测，时不时要停一下。这些旁路时间在模型里都忽略了。
所以说，仿真的初始参数，绝不能拍脑袋。每一个动作，哪怕是小到抓取、翻转、定位，都得从PLC程序或者现场秒表里刮出来。否则就是“垃圾进，垃圾出”。别指望仿真软件能猜透你的车间。
后来我们学乖了，把关键工位的动作时间录下来，用统计分布代替固定值。你猜怎么着？模型预测的区间跟实际产能对上了，误差在3%以内。
模型复杂度和计算时间的博弈
这个问题，我估计每个搞仿真的人都纠结过。模型建得越细，越接近真实，可计算时间也爆炸式增长。有一次我们想把AGV小车的充电策略加进模型，结果跑一次要六小时，还天天死在半路。
后来老师傅点了一句，你研究的是产线节拍，不是AGV调度，干嘛把路径规划搞得那么详细？对啊，我们关注的是瓶颈工位的设备利用率，AGV只要保证不阻塞就行。于是把AGV简化成一段带时延的传送带，计算时间压到了四十分钟。
所以想清楚你的目标，然后大胆简化。但简化也要留个心眼：你得知道自己简化了什么。比如把设备的故障分布用指数分布，那看到可用率却忽略了长尾停机，这种坑我踩过。德国工程师协会的VDI 3633标准里就强调了模型简化的记录规则，可没几个人真的去写。
说到随机性，这大概是跟传统理论计算最大的区别。手工算节拍常常用平均值，可仿真可以跑几百次，逼着你看分布。曾经有台设备平均故障间隔300分钟，修复30分钟，按平均算可用率91%，但仿真跑出来，一条线的产量波动能到±15%。因为故障一扎堆，上游的缓存全堵死了。这个，光是理论解是解不出来的。
到底要不要自定义建模？
市面上的仿真工具分两派：一类给现成模块，你拖拖拽拽；另一类是编程平台，自由度极高。刚入行的时候，我痴迷于写代码，想建一个超牛逼的模型。结果模型是炫酷，可验证起来，数据对不上，还得返工。
其实大部分机械厂的生产仿真，用现成的模块就够了。真正的功夫在数据采集和参数校准上。数据准了，简单的模型就能给出极其有用的答案。我就见过有人用Excel加VBA模拟一条几百道工序的产线，结果照样靠谱。
所以，别为了技术而技术。先把问题定义清楚，再选工具。仿真不是目的，是帮你决策的手段。
验证与确认，这一步能救命
模型建完，直接跑出去汇报？那是找骂。我记得有个同事，仿真结果说新产线能到产能120%，大家兴奋了半天。结果一细看，他把设备稼动率设成了99%，而现场同一型号设备的稼动率历史数据只有75%，这不是搞笑么？
验证模型，我一般这么干：拿一条老旧产线，把历史数据输进去，让它跑两周，看每天的产量、在制品库存、排队时长，跟实际记录的报表比。对不上，就回头找参数原因。这个环节最枯燥，但最值钱。按照VDI 3633，仿真报告的验证步骤是强制要求的，可惜现实里能省则省。
还有，仿真结果要给出置信区间，不是单一数字。我们给老板汇报的时候，会说“产能大概在840到910件之间，中位数860”，而不是拍着胸脯说“850”。老板也是懂行的，看到区间反而更信任。这里的置信区间可以用蒙特卡洛方法跑出来，也可以基于灵敏度分析，总之比单点值靠谱得多。
尾声：工具终究是工具
生产仿真这行，门槛不高，可要做好，确实要一点点工程师的死磕劲。它不会替你做决定，只是把决策背后的风险摊开给你看。多试几次，多踩几个坑，慢慢就找到那个“模型够用、速度够快、结论够准”的平衡点了。
对了，最后提醒一句：仿真报告里，别忘了写清模型的假设条件和适用范围。不然半年后你自己看着那堆数字，都想不出当时怎么算的。
就聊到这儿，欢迎在评论区喷我。毕竟，经验这玩意儿，得交流才有价值。
