1. 供应链仿真概述
1.1 供应链仿真的定义
供应链仿真（Supply Chain Simulation）是一种通过构建数字化模型来模拟真实供应链系统运行行为的技术方法。它利用离散事件仿真（DES）、系统动力学（SD）或基于智能体的建模（ABM）等核心引擎，在虚拟环境中重现采购、生产、库存、运输、配送等环节的动态交互过程。
与传统的数学优化或静态电子表格不同，仿真模型能够捕捉供应链中的随机性（如需求波动、运输延误、设备故障）、非线性关系（如牛鞭效应、产能瓶颈传播）以及时间依赖的反馈回路。仿真引擎按时间步进或事件驱动推进，记录每个实体（订单、物料、车辆、人员）的状态变化，从而输出关键绩效指标（KPI）的分布与统计特征。
核心定义要点：
- 数字化映射：将物理供应链（设施、流程、资源、规则）转化为可执行的计算机模型。
- 动态推演：在压缩的时间尺度上运行“假设分析”（What-If），观察系统行为随时间的演化。
- 随机性处理：通过概率分布（正态、泊松、三角分布等）描述不确定性，输出置信区间而非单点预测。
1.2 仿真在计划系统中的价值
在供应链计划系统中，仿真不是替代优化引擎，而是作为优化结果的“验证层”和“补充层”。其核心价值体现在以下四个维度：
| 价值维度 | 具体说明 | 典型应用场景 |
|---|---|---|
| 方案验证 | 对优化算法输出的计划方案（如主生产计划、补货计划）进行动态模拟，检验其在随机扰动下的可行性。 | 验证 APS 排产结果在设备故障率 5% 时的交付延迟概率 |
| 风险量化 | 通过蒙特卡洛运行，输出 KPI 的概率分布（如服务水平 95% 置信区间），辅助管理层做风险决策。 | 评估安全库存策略在不同需求波动下的缺货风险 |
| 瓶颈发现 | 仿真运行中自动统计资源利用率、队列长度、等待时间，定位系统瓶颈。 | 识别配送中心月台在促销期间的拥堵时段 |
| 规则测试 | 在不影响实际业务的前提下，测试新的计划规则、参数或策略。 | 对比“先到先服务”与“紧急订单优先”两种调度规则的效果 |
工程经验：在大型供应链计划项目中，仿真通常作为“第二道防线”——优化引擎给出“理论上最优”的方案，仿真引擎则回答“在实际随机环境中，这个方案到底行不行”。两者结合，才能形成从“最优”到“稳健”的闭环。
1.3 与传统静态计划的区别
传统静态计划（如基于 Excel 的 MRP 展开、线性规划求解）假设所有输入参数是确定且不变的，输出一个“单点”计划。仿真则承认不确定性并模拟时间动态。下表从六个关键维度进行对比：
| 对比维度 | 传统静态计划 | 供应链仿真 |
|---|---|---|
| 时间处理 | 快照式（单一时间断面或固定周期桶） | 连续时间推进或事件驱动，记录状态变化 |
| 不确定性 | 忽略或仅用安全库存粗略对冲 | 显式建模随机分布（需求、提前期、良率等） |
| 输出形式 | 单一数值（如总成本 1,000 万元） | 统计分布（如总成本均值 980 万，90% 区间 920~1,050 万） |
| 反馈机制 | 无反馈，输入输出单向计算 | 包含反馈回路（如库存水平影响补货触发频率） |
| 瓶颈识别 | 依赖人工经验或静态产能报表 | 自动统计资源利用率、等待队列、阻塞事件 |
| 计算方式 | 一次性求解（秒级到分钟级） | 多次重复运行（分钟级到小时级，取决于模型复杂度） |
常见误区：不要将仿真视为“更高级的优化”。优化回答“应该做什么”，仿真回答“如果这样做，结果会怎样”。两者是互补关系，而非替代关系。在工程落地时，建议先优化后仿真，用仿真验证优化方案的稳健性。
1.4 仿真的适用边界
并非所有计划问题都适合仿真。以下清单帮助判断何时引入仿真：
- 适合仿真：系统存在随机性（需求波动、运输延误）、动态反馈（库存-补货循环）、资源竞争（共享产能、有限劳动力）、需要评估风险概率的场景。
- 不适合仿真：纯线性确定性问题（如不考虑随机性的运输路线最短路径）、需要精确最优解而非统计分布的场景、模型构建成本远大于决策收益的简单场景。
工程落地判断标准：当计划方案的“可行性”和“稳健性”比“理论最优性”更重要时，仿真就是必选项。例如：安全库存设置、产能规划、配送网络设计、促销计划评估。