1. 课程导入与产线认知
在制造现场，管理者最常被问到的问题之一是：“这条线一天到底能做多少件？”直觉答案往往来自节拍最快的那台设备，或者来自某次加班赶工的最好成绩。但真实产线的产出，几乎从不等于单机能力的简单相加。设备会故障、物料会等待、换型会占用时间、人员会疲劳、缓存会满、下游会堵。离散事件仿真（Discrete Event Simulation，DES）正是用来回答这类问题的工具：它把产线看作由若干加工、搬运、缓存、检测资源组成的系统，让时间在“事件”之间跳跃推进，从而在计算机里复现产线的动态行为，并据此评估产能。
一、离散事件仿真与产能评估是什么关系
产能评估的核心指标通常包括：单位时间产出（件/小时或件/班）、达成率、在制品水平（WIP）、设备利用率、平均流动时间、瓶颈漂移情况等。这些指标有一个共同特点——它们不是由某一台设备单独决定的，而是由整条线的资源、逻辑和随机性共同“涌现”出来的。离散事件仿真恰好擅长处理这种“局部规则、整体结果”的问题。
可以把两者的关系理解为：产能评估是目标，离散事件仿真是手段。产能评估提出“要算哪些量、在什么条件下算、算到什么精度”；离散事件仿真提供“如何随时间推进、如何处理随机事件、如何统计这些量”的机制。没有仿真，产能评估往往只能靠静态公式或经验估算；没有明确的产能评估目标，仿真就容易变成“跑了很多次却不知道看什么”的动画演示。
从建模角度看，一条产线在仿真中通常被抽象为四类基本对象：实体（工件、托盘、订单）、资源（机床、机器人、人员、AGV）、缓存（缓冲区、暂存区、输送线积放段）、控制逻辑（派工规则、优先级、换型策略、故障与维修规则）。产能评估就是观察这些对象在时间轴上的交互结果。
二、典型产线场景：从单机到整线
本课程选取的典型场景是一条多工序串并联混合的机加工装配线，它包含以下特征，便于覆盖离散事件仿真的主要知识点：
- 串行主流程：上料 → 加工1 → 加工2 → 检测 → 装配 → 下料，工序间设有缓存。
- 并行设备：加工2 由两台同型号设备并行完成，工件按最短队列规则分配。
- 随机性：加工时间服从三角分布或正态分布；设备故障间隔服从指数分布，修复时间服从对数正态分布。
- 换型：装配工位在两种产品型号之间切换时需要换型时间。
- 人员与搬运：物料由一名操作员用周转车定时补料，补料不及时会造成缺料停机。
这条线看起来不复杂，但它已经足以产生“瓶颈漂移”“缓存溢出”“利用率虚高”等真实问题。例如，当加工1的故障率上升时，瓶颈可能从加工2转移到加工1；当检测工位前缓存过小，检测设备会频繁等待；当换型时间被忽略，装配产能会被高估。仿真要做的，就是把这些相互牵制的关系放进同一个时间轴里观察。
三、课程目标与学习路径
学完本课程，你应当能够独立完成一次“从问题到结论”的产能评估闭环，具体包括：
- 把一条真实或规划的产线，抽象为实体、资源、缓存和控制逻辑四类要素，并画出流程图与资源清单。
- 为加工时间、故障间隔、修复时间、换型时间等参数选择合适的概率分布，并说明参数来源与假设。
- 在仿真工具中搭建模型，设置运行时长、预热期、重复次数和随机种子，保证结果可复现。
- 读取产出、利用率、WIP、流动时间、瓶颈位置等输出，判断结果是否可信，并识别异常。
- 通过参数扫描和情景对比，回答“增加一台设备能提升多少产能”“缓存从5件加到10件是否值得”这类决策问题。
学习路径按“认知 → 建模 → 运行 → 分析 → 决策”推进：先建立产线与仿真的基本概念，再学习随机数与分布、事件调度、资源与队列；随后进入模型搭建与调试，最后做产能评估、瓶颈分析和方案对比。每一章都会围绕这条典型产线展开，逐步增加细节，而不是孤立地讲软件操作。
四、一个最小示例：先看清“产能不是单机节拍的倒数”
假设某工序由两台设备并行，单件加工时间均为 10 分钟，设备可用率 90%，工件到达间隔平均 5 分钟。若只看单机，两台设备理论产能为 2 × 6 = 12 件/小时；考虑可用率后约为 10.8 件/小时。但若工件到达存在波动、缓存容量只有 2 件、且下游检测工位每 8 分钟才能处理一件，那么实际产出会被下游限制在约 7.5 件/小时，同时上游设备会出现阻塞等待，利用率下降。这个例子说明：产能评估必须看整条线的资源约束和随机波动，而不能只做单机折算。离散事件仿真正是用来量化这种“整线实际产出”的工具。
本章不要求你立刻建模，但希望你建立三个基本判断：第一，产能是系统输出，不是单机指标；第二，随机性和资源约束会让实际产出低于理论值；第三，仿真结果必须配合明确的评估目标和判断标准，才有决策价值。接下来的章节将围绕这条典型产线，逐步把这三个判断变成可操作、可复现的建模与评估能力。