3. 产线建模要素拆解

离散事件仿真的本质，是把一条真实产线翻译成一组“可被仿真引擎推进的对象”。翻译质量决定了仿真结论是否可信。本节不讨论某个软件的操作按钮，而是聚焦一个更基础的问题：产线上看得见的工件、设备、人员、班次，以及看不见的故障、换型、等待，究竟应该被表达成什么数据结构，才能让仿真时钟一步步推进时，系统状态变化与真实产线一致。

先建立一个统一视角：仿真模型由实体（Entity）、资源（Resource）、流程（Process）和状态变量（State Variable）四类元素构成。工件是典型的流动实体，设备、人员、缓冲区容量是资源，工序是实体占用与释放资源的流程节点，而故障、换型、班次则是对资源可用性和流程节拍的状态扰动。下面按对象逐一拆解其数据化表达。

工件：带属性的流动实体

工件不是“一个零件”这么简单。它至少需要携带：工件类型（决定工艺路线）、到达时间、当前工序序号、已加工时间、优先级、批次号。若产线存在混流，工件类型字段直接决定它走哪条路径。例如某装配线同时生产A、B两种型号，A型需经过工序1→2→4，B型需经过1→3→4，此时工件类型就是路径选择的分支条件。

工件到达方式也需数据化。常见两种：按固定间隔到达（确定性）和按指数分布到达（随机性）。若已知某工位平均每90秒来一个工件，可用指数分布均值90秒表达；若节拍严格由上游输送带决定，则用固定间隔90秒。这个选择会显著影响排队长度和产能波动。

工序：实体与资源的交互契约

工序是仿真推进的核心节点，它描述“工件在某个设备上发生了什么”。一个工序至少包含：工序编号、前置工序、可用设备组、加工时间分布、所需人员技能、良率。加工时间不能只写一个平均值，工程上常用三角分布或正态分布表达波动。例如某焊接工序，标准工时120秒，实际在105～140秒之间波动，可用三角分布(105,120,140)表达。

良率字段常被忽略，但它直接影响有效产出。若某工序良率98%，意味着每100个工件中有2个在仿真中应被标记为废品并退出主流程，而不是继续占用下游设备。这一步若缺失，产能会被系统性高估。

设备与缓冲区：资源容量与阻塞逻辑

设备的数据化表达包括：设备编号、所属设备组、可用状态、当前加工工件、累计加工数、故障历史。设备组的概念用于表达“多台同类设备可替代”，例如3台CNC组成一个设备组，工件到达时选择空闲设备，若全忙则排队。

缓冲区是仿真中最容易被简化却最影响结果的对象。它需要表达：容量上限、当前库存、入队规则（FIFO/优先级）、阻塞行为。当缓冲区满时，上游设备是继续加工导致阻塞，还是停止取件？这两种逻辑对产能影响截然不同。例如某缓冲区容量为5，若设为“满则阻塞上游”，则上游设备在缓冲区满时无法释放工件，进而停止加工；若设为“满则丢弃”，则会产生额外废品。仿真前必须明确这一规则。

运输：被低估的时间消耗

运输在仿真中常被简化为“零时间”或“固定延迟”，但实际产线中，AGV、叉车、输送带的运输时间可能占整个周期的15%～30%。运输对象需要表达：运输方式、速度、装载量、路径长度、调度规则。例如某AGV从仓库到线边库距离80米，速度1.2米/秒，则单程约67秒；若AGV数量为2台，还需表达“等待AGV”的排队逻辑。若忽略这一层，仿真会低估在制品等待时间。

班次与人员：时间可用性的边界

班次不是简单的“每天8小时”。它需要表达：班次起止时间、休息时段、交接班时间、加班规则。例如两班制，早班8:00-16:00，晚班16:00-24:00，每班中间休息30分钟。仿真时钟推进到休息时段时，设备应暂停加工或由替班人员接管。若班次数据缺失，仿真会默认24小时连续运行，产能被高估约30%以上。

人员作为资源，需表达技能矩阵和数量。例如某工位需要“焊接技能L2”人员1名，若当前班次只有1名L2人员且已被占用，则工件必须等待。人员与设备的区别在于：设备通常固定位置，人员可在工位间移动，因此还需表达移动时间。

故障与换型：随机扰动与确定性切换

故障是随机扰动，常用MTBF（平均故障间隔）和MTTR（平均修复时间）表达。例如某设备MTBF=480分钟，MTTR=30分钟，则仿真中每运行480分钟（指数分布）触发一次故障，修复30分钟（可设为对数正态分布）。故障期间设备不可用，上游缓冲区可能被填满，下游设备可能饥饿，这些连锁反应正是仿真要捕捉的。

换型是确定性切换，需表达：换型触发条件（如工件类型变化）、换型时间、换型期间设备状态。例如从A型切换到B型需25分钟，期间设备不加工任何工件。若换型频繁，换型损失会显著拉低有效产能。仿真中应记录换型次数和累计换型时间，作为改善依据。

数据化表达的落地检查

完成上述对象定义后，建议用一张参数表做一致性检查。以下为某装配线示例参数（数值为教学假设，非实测）：

最后强调一个原则：仿真模型不是越细越好，而是“刚好能回答当前问题”。若目标是评估产能瓶颈，故障和换型必须表达；若目标是评估AGV数量，运输调度必须表达；若目标是评估班次安排，班次和人员必须表达。对象的数据化深度，应由仿真目标反向决定，而不是一次性把所有细节都塞进模型。