自动化集装箱码头设计与仿真仿真需求与输出数据

仿真是为了更为方便获取信息或培训人员而使用相似的模型、环境和设备模仿某个环境或系统的行为技术。系统、模型和仿真三者有着紧密关系。系统是研究对象，模型是系统的抽象，仿真是通过对模型的实验已达到研究系统的目的。系统仿真按照所采用的模型形式不同（数学模型、实物模型、混合模型）可以分为数学仿真、实物仿真和半实物仿真。基于纯数学模型的系统仿真被称为数学仿真，以实物试件或仿真装置（物理效应器）为基础的系统仿真称之为实物仿真；既有数学模型又有仿真装置的系统仿真叫作半实物仿真。由于数学仿真所使用的工具主要是计算机系统，也说数学仿真是完全在计算机系统上实现的，所以数学仿真通常又称为计算机仿真［38］。

系统仿真一般步骤如图5-1所示［37］。在仿真建模展开之前需要进行充分准备工作。首先，任何研究都需要针对一个明确的问题，该问题可以是真实系统管理人员、决策人员提出，也可以是研究人员提出。对于提出的问题，需要研判是否有必要应用系统仿真进行研究以及系统仿真研究方法是否适合于求解该类问题。对于提出的问题可以通过其他更直接有效的手段进行进一步简化，尽可能将该问题简化。再确认了研究问题以后，需要管理人员、决策人员与研究人员共同确认系统仿真研究的目的以及整个项目计划，包括研究系统的边界以及系统仿真的详细程度、研究人员、成本、时间等。

在确定了系统的边界及仿真详细程度等研究项目计划后，研究人员便可以展开系统模型的设计、构建，这一部分在图5-1中的模型概念化阶段。在该阶段中主要是需要确定系统内部结构，包括子系统、子系统的内部逻辑以及各组成子系统之间相互逻辑关系等。系统仿真模型的构建需要抽象出系统的本质特征，选择并修正刻画系统的假设，然后丰富和详细说明模型，直至获得一个有用的近似结果。需要特别指出的是，在确定系统的边界、详细程度及构建系统模型过程中，需要根据研究的目的确定系统构建需要承受的复杂性，为完成目的构建的模型复杂性不必超出完成目的所需要的复杂性，违背这一原则只会增加建模和计算的成本。建立模型和真实系统之间没有必要实现一一映射，真实系统的本质部分才是系统仿真模型所需要的。

数据收集是系统仿真建模中的关键环节，有效可靠的数据是决定系统仿真可靠性的一个重要方面。系统仿真建模过程、校核及确认过程都需要收集数据。因此数据收集过程尽可能在建模与仿真早期阶段进行以降低对建模仿真过程的影响。数据收集需要根据系统仿真的目的及模型的概念化展开。在数据收集之前尽可能做好数据收集计划，确定各阶段需要什么数据，在数据收集过程中根据计划展开，并对收集到的数据进行一定的加工处理。例如，在对学校食堂排队系统进行仿真时，需要对食堂各窗口服务人员服务效率进行统计，因此在仿真建模之前，即可以安排对食堂各窗口服务人员服务过程进行观察、测量和记录，并对收集到的数据进行加工处理以形成有效的系统输入数据。

图5-1　系统仿真一般步骤(www.xing528.com)

模型实现是需要通过计算机编程等手段将模型的设计与收集到的输入数据转化成可使用的系统仿真模型。当前这一过程可以通过基础编译语言进行仿真模型直接开发，也可以使用通用的仿真工具进行模型开发。当前主要的通用仿真软件有Arena、AutoMod、 Extend、 Flexsim、 MicroSaint、 ProModel、 Quest、 SIMUL8、 WITNESS以及Plant Smilation等。

模型的校核与检验主要是确定模型的准确性，即确定所构建的仿真模型是真实系统的准确表达。事实上该过程伴随建模与仿真整个生命周期，涉及早期目标确定和整体项目计划以及模型概念化阶段。图5-1中没有具体标识，主要是因为校核检验主要工作在模型实现过程中完成。在模型实现中的校核和检验是确定计算机系统中实现的模型是模型概念化阶段所确定的概念模型。在模型概念化阶段的校核和检验是需要确定所提出的概念化模型是真实系统的准确有效抽象。而准确有效的抽象，与系统仿真的目的及确定的系统边界和仿真详细程度密切相关。

模型的验证是将仿真模型与实际系统进行对比分析，通过两者的差异获得的见解来改进模型。模型的验证需要反复进行，通过反复改进，使得所构建仿真模型与实际系统相似性逐渐趋于可被认可为止。

仿真试验过程，首先需要进行实验设计。在实验设计中，需要根据研究的目的，确定仿真实验的案例以及仿真实验需要输出的数据。同时，还需要通过预仿真实验确定仿真预热期、仿真周期以及仿真实验需要重复次数等。最后通过仿真实验，收集最终仿真输出数据，并对仿真输出数据进行加工、分析，形成结论，撰写仿真分析报告。为得到可靠的分析报告，可能需要多种不同的仿真实验方案，同时同一仿真实验方案需要进行多次仿真运行，因此，仿真实验过程也是需要反复进行，而不是一次运行就能完成。