认识仿真（一）：生产系统（离散事件）仿真的运作机制究竟是什么？

Industry 4.0， 数字化转型浪潮席卷全球的今日，仿佛藏匿于学术界多年的仿真技术迅速从幕后飞到了工业界的台前，无论你在之前有没有接触过仿真，你都可能或多或少在工业界、自媒体、新闻等场所见过这个名词。在繁杂与喧嚣之中，人们对仿真的看法充满了各种奇特的看法。一方面，有些人认为仿真特别了不起无所不能，就像一个施加了魔法的秘术，啥事都能干，并且啥都应该进行仿真；而另外一方面，由于仿真通常给人留下深刻的第一印象就是炫酷与逼真的可视化效果，因此某些人认为仿真就是单纯的动画，最佳的用途就是展示与汇报。

那么，本人以生产系统仿真为例，结合个人的实践经历与心得，我个人试着回答以下三个通常最让人疑惑的问题：

（1）仿真是模拟真实系统的一种技术，那么它是如何模拟的，仿真的运作机理究竟是什么？

（2）什么情况下需要仿真？相反的，什么情况下的仿真是没有多大意义的呢？

（3）仿真能够带给我们什么价值，为何它获得了如此高的重视程度？

第一期：要认识仿真的意义，我们首先要知道仿真究竟是什么？

1、仿真定义

仿真，望文生义即是模仿真实；我们可以看看维基百科与百度百科对其的定义：

WIKIPEDIA：A simulation is an approximate imitation of the operation of a processor system; that represents its operation overtime.

百度百科：“仿真（Simulation），即使用项目模型将特定于某一具体层次的不确定性转化为它们对目标的影响，该影响是在项目仿真项目整体的层次上表示的。项目仿真利用计算机模型和某一具体层次的风险估计，一般采用蒙特卡洛法进行仿真。”

从定��中不难发现几个关键词：（1）非精确的，（2）模拟，（3）不确定性或随机性。即仿真在诞生之初研究的就是针对随机性系统进行近似而非精确的模拟来近似代替真实的系统。非精确的指的是不同于确定性算法能够得到唯一确定的精确值，仿真得到的数值往往是一个统计区间。仿真通常基于蒙特卡洛法（Monte Carlo method），而其背后的数学计算支撑即为概率统计理论，蒙特卡洛法用随机数（伪随机数）模拟系统的不确定性或随机性，最终量化某些因素对系统目标的影响程度。要很好地理解仿真，那么久非常有必要了解一下蒙特卡洛思想是什么？

2，仿真技术背后运作机制

诞生于上世纪40年代美国的“曼哈顿计划”，蒙特卡洛是一个地名，位于赌城摩纳哥，象征概率。数学家约翰·冯·诺伊曼（John von Neumann）在研究中子的实验中采用了随机抽样统计的手法，原理是通过大量随机样本，去了解一个系统，进而得到所要计算的值。因为当时随机数的想法来自掷色子及轮盘等赌博用具，所以就形象地用摩洛哥的赌城蒙特卡罗来命名这种计算方法。蒙特卡洛方法最早可以追溯到法国数学家布丰（Georges Louis Leclere de Buffon，1707—1788）提出用投针实验的方法求圆周率π。与布丰的投针测试圆周率的实验类似，仿真即是基于概率统计理论，透过随机理论模拟系统的不确定性，最终近似得到对真实系统某些指标或性能的评估或预测。举个栗子，某车间的部分关键单一设备在出现故障的情况下会极大地影响车间的正常运行，造成后端工序产线等待停机，前段工序在制品堆积甚至堵塞；这个时候如何通过该设备的历史故障数据（随机数据），来确定该关键设备前后应该设置的缓存区容量大小，以达到即使出现设备故障也能在95%的概率下能够保持产线其它部位正常运行不受波及？这种情况下上述的理论就可以在仿真模型中进行完美实现啦！通过模拟，可以得到缓存区设置的区间大小，从而进行决策以满足目标（95%概率不影响）的要求。

对于生产系统而言，除了常见的离散型系统或连续型系统，即我们常说的离散工业和流程行业。系统从不确定性大小来分，还可以细分为确定性系统（产品较单一，高度自动化系统，工艺与节拍稳定）和随机性系统（常见于半自动化或人工为主的加工或装配行业，工艺不稳定，产品柔性高，跟新换代快，混流生产等）。对于不同的系统，仿真能做什么？什么情况下更适合仿真？我们下期再见！

认识仿真第一期就到此结束啦！本文内容纯属个人学习总结与个人观点，供参考，欢迎指正！

欢迎关注“认识仿真-第二期——什么时候需要进行生产系统仿真？”

如果觉得不错，不要忘记给个赞哦！哈哈~

文章来源：知乎作者Charles Zhou