1、 西门子数字化工业软件 SIEMENS DIGITAL INDUSTRIES SOFTWARE 工厂规划与验证应用白皮书 基于工厂数字孪生的仿真规划，促进精益、创新和绿色 制造工程(MFE)团队 2024 年 3 月 西门子数字化工业软件 引 言 新质生产力在 2024 年两会隆重提出，其核心标志是全要素生产率大幅提升，特点是创新，关键在质优，本质是先进生产力。当您阅读完本白皮书，就能深深体会到基于西门子 Plant Simulation 开展工厂规划与验证，就是新质生产力一种落地方式：其核心标志是让工厂内全部要素在生产任务驱动下按照工艺要求来平衡协作，大幅提升整体生产效率，特点是利用数字孪生

2、空间，让制造工程师低成本尝试与验证各种创新性的生产组织与管理方案，关键在遵从精益制造，验证与分析工厂关注的各项指标，找到保障质量最优的最合适方案，本质是赋能制造工程师一种先进的数字手段和生产力。本书是各行各业典型客户应用工厂规划与验证的经验总结，可应用的各种业务场景全面呈现。您不仅能够了解开展数字化工厂规划与验证项目的推荐做法与流程，同时还能让您从工厂整体层面，找到基于工厂数字孪生的仿真规划，促进精益、创新和绿色目标的实现的手段和路径。让数字精益手段推进精益在您工厂的深度推进。对于了解西门子 Plant Simulation 产品的领域专家，您可更深入与全面了解其关键技术与各种能力：基础能力、

3、高级能力、系统优化能力、集成能力、客制化与拓展能力、衍生产品等。为您进一步释放其效能提供无限助力与可能。最后，希望您记住：西门子 Plant Simulation，是业界的标配新质生产力；通过离散事件仿真和各种优化算法，实现高效的精益验证；利用工厂数字孪生技术，给您无限的规划创新的数字空间；通过清晰的能耗排放量化，让碳足迹在您的工厂得到精准核算与透明可视。西门子数字化工业软件 1 目录 一、推进“新型工业化”，催生精益绿色智能工厂.1 1.新型工业化向智能、循环目标迈进.1 1)市场的需求要求制造业更具灵活性和定制化.1 2)企业对循环经济、可持续发展的持续追求.1 3)数字化和智能化技术在制

4、造领域的应用.1 4)人机协同与自动化.1 5)全球化和供应链的数字管理.1 6)数据驱动决策.1 2.灯塔工厂是践行精益绿色智能典范.1 3.数字精益让精益贯穿工厂生命周期.2 1)传统改善方式手段的限制.2 2)传统方式对人员经验的依赖度高.3 3)传统方法难以处理大量数据.3 4)传统改进措施缺乏验证手段.3 二、基于工厂数字孪生的仿真规划，促进精益、创新和绿色.4 1.离散事件仿真，高效的精益验证.4 2.工厂数字孪生，低成本创新空间.4 3.能耗排放量化，碳足迹可精准核算.5 4.Plant Simulation，业界标配工具.5 5.工厂仿真可应用的精益改善领域.6 三、开展数字化

5、工厂规划与验证的流程与应用阶段.7 1.开展仿真项目的流程.7 西门子数字化工业软件 2 1)确定具体的仿真概念和目标.7 2)数据搜集.7 3)仿真建模.7 4)仿真计算及优化求解.7 5)结果评估.7 2.仿真规划的应用阶段.8 1)价值流分析及仿真帮助制定工厂顶层规划.8 2)生产过程仿真明确工厂设施需求.9 3)物流、仓储及生产管控策略也是重要影响因素.10 4)工厂的三维可视化更易于与建设过程协同.10 5)数字化工厂在日常生产过程中持续产生价值.11 四、西门子数字化工厂规划与仿真解决方案的关键技术.12 1.Plant Simulation 技术特点及能力概述.12 1)图形化、

6、模块化建模.12 2)对象库管理和扩展.12 3)仿真数据及分析工具.13 4)开放性及系统集成.13 5)内置多种功能强劲的优化工具.13 2.生产过程及物流仿真建模能力.14 3.继承 NX LineDesigner、FactoryCAD、NX BIM 中定义的产线模型.15 4.驱动物料在数字工厂间的流动.15 5.仿真不确定性.16 6.仿真数据的抽取及专业评价工具.17 西门子数字化工业软件 3 1)瓶颈分析（BottleneckAnalyzer）.18 2)物流密度与方向（SankeyDiagram）.18 3)能耗分析（EnergyAnalyzer）.18 4)成本分析（Cost

7、Analyzer）.19 7.系统优化能力.20 1)实验管理.20 2)遗传算法（GA）.20 3)神经网络.21 4)与外部优化引擎 Heeds 的集成优化能力.21 5)用户自定义算法的集成能力.22 6)分布式优化计算.22 8.集成能力.22 1)数据库类的接口.23 2)虚拟调试与实时通讯的接口.23 3)物联网类的数据接口.25 4)与 MES/APS/WMS 等应用程序间的集成接口.25 9.客户化定制的能力.26 1)设备特性数据层面的自定义.27 2)内部控制逻辑的自定义.27 3)外观可视化的自定义.27 4)用户交互界面的自定义.28 10.扩展功能.28 1)点云可视

8、化.28 西门子数字化工业软件 4 2)虚拟现实技术（VR：Virtual Reality-).29 3)甘特图.29 11.西门子基于 Plant Simulation 的衍生产品.29 1)Optimize My Plant 令模型价值延伸至产线运营.30 2)Xcelerator Share 促进规划的协同.30 3)Plant Simulation 与工业元宇宙系统的集成.31 五、应用案例详解.32 1.生产过程仿真案例.32 2.价值流分析案例.33 3.物流中心的案例.35 4.流程行业的案例.36 六、附录.37 西门子数字化工业软件 1 一、推进“新型工业化”，催生精益绿色智

9、能工厂1.新型工业化向智能、循环目标迈进 新型工业化是推进中国式现代化的重要引擎，是加快构建新发展格局、着力推动高质量发展的内在要求，是全面建成社会主义现代化强国的战略选择。作为国家战略，在 2035 年要基本实现的新型工业化目标中，也明确了“智能化+循环经济”两大方向。如何基于自身基础条件和远景目标，朝着智能化、循环经济的未来方向前行，是每个企业需要认真考虑的问题。在最近的 10 年间，大量中国企业经历了对工业 4.0、智能制造领域的理论学习、项目实践、试点建设和逐步推广的过程，积累了许多有益的经验，也涌现了一大批的类似灯塔工厂等的先行企业。在新型工业化时代的市场发展趋势和技术发展背景下，越

10、来越多的变化出现在传统的制造领域，适应这些变化，也是我们企业向智能+循环转变所必须考虑的要素条件。1)市场的需求要求制造业更具灵活性和定制化 柔性生产系统：采用灵活的生产线和智能化的制造设备，使生产更具适应性，能够灵活应对市场需求的变化。定制化生产：新工业化时代强调个性化和定制化的需求，使得企业能够更好地满足客户多样化的需求。2)企业对循环经济、可持续发展的持续追求 绿色制造：注重环境可持续性，采用可再生能源、环保材料，减少废物排放，推动绿色和可持续的制造实践。循环经济：强调资源的循环利用，减少浪费，通过再生材料和再制造降低对新原材料的依赖。3)数字化和智能化技术在制造领域的应用 传感器技术：

11、大规模使用传感器技术，实时监测和收集生产过程中的数据，为智能决策提供支持。物联网：设备、机器和系统之间的连接性增强，形成更为智能和协同的生产环境。人工智能：在生产中引入机器学习和深度学习，使系统能够自动学习和适应，提高生产效率和质量。4)人机协同与自动化 机器人和自动化：引入更多的机器人和自动化系统，减轻体力劳动，提高生产效率。协作机器人：人机协同工作变得更加普遍，机器人与人类员工共同完成任务，提高工作效率和质量。5)全球化和供应链的数字管理 全球供应链：通过数字技术和物联网，实现全球供应链的实时监控、协同和优化。数字化采购：采用电子商务、在线采购和供应链管理系统，提高采购效率和透明度。6)数

12、据驱动决策 大数据分析：利用大数据技术对海量数据进行分析，提取有用信息，支持企业决策和优化生产流程。实时数据：实时监测和反馈生产数据，使企业能够更快速地做出决策，迅速适应市场变化。2.灯塔工厂是践行精益绿色智能典范 伴随着越来越多的企业投身到智能制造转型的实践，不免也给企业带来许多困惑：我们企业的转型方向在哪里？我们现有的生产运营模式有哪些问题？浪费在哪里？企业应该采用何种技术的组合来建设自己的新的车间？我们应该实施哪些生产制造的管理系统？类似这样的问题，企业是迫切需要得到解答的，往往在得到清晰的答案前，企业改变的决心难以下达，制造转型的步伐也会变得停滞，论证的时间变得很长。西门子数字化工业软

13、件 2 所以，企业非常需要在制造转型的过程中得到方向上的指引，从类似智能制造的试点单位，灯塔工厂的评选中看到别的企业在哪些方面做出了改变，取得了哪些成果，有哪些可以借鉴的经验。“灯塔工厂”是近几年由世界经济论坛推出的新概念。“灯塔工厂”起到的是类似于灯塔的作用，被视为第四次工业革命的领路者，是数字化和工业4.0的表率，为其他制造型企业揭示了在第四次工业革命中的发展方向。“灯塔工厂”由达沃斯世界经济论坛和麦肯锡咨询公司共同遴选，主要评判标准是工厂在运用第四次工业革命技术来提升经济和运营效益方面取得的成就。截至 2023 年底，世界经济论坛公布的“灯塔工厂”名单，合计全球有 153 家“灯塔工厂”

14、，在中国的工厂有 62 座。“灯塔工厂”在一定程度上可以看作拥有世界一流的制造能力。合格的“灯塔工厂”需要满足四大标准：实现重大影响、成功整合多个用例、拥有可扩展的技术平台和在关键推动因素中表现优异。“灯塔工厂”的经验可成为制造企业的指路明灯，展示如何从数字化中挖掘新的价值，包括大幅提升资源生产率、提高敏捷度和响应能力、加快新品上市速度、提升客制化水平等。世界经济论坛官网发表的文章称，目前大多数制造业企业面临衰退危机，但仍有部分企业脱颖而出，实现了规模化发展。在全球衰退危机、能源价格不断攀升，供应链运转中断的背景下，这些“灯塔工厂”为制造业如何保持竞争力，同时继续创造就业机会树立了榜样。援引世

15、界经济论坛官方的评述，青岛海尔冰箱互联工厂的入选灯塔工厂，其评语中写道：“面对日益增长的定制化设计、快速交付和高品质的需求，海尔冰箱工厂借助大数据、数字孪生和先进视觉检测技术，加快研发、升级制造流程和物流调度模式。订单响应周期缩短了 35%，生产效率提高了 35%，质量性能提高了 36%”。在打造低碳工厂方面，海尔冰箱通过实施绿色技改项目，单位产品综合能耗每年下降 10%左右；三一重工开展大规模数字化转型项目，实施了专业化治理。为应对重工行业市场的周期性波动、多品种小批量及重型部件生产挑战，工厂充分利用柔性自动化生产、人工智能和规模化的工业物联网（IIoT），建立数字化柔性的重型设备制造系统，

16、最终实现产能扩大 123%，生产率提高 98%，单位制造成本降低 29%；宁德时代入选的宜宾工厂则进一步深入应用人工智能、物联网和柔性自动化技术，将生产线速度提高 17%，产量损失减少 14%以及实现了零碳排放。从入选“灯塔工厂”的工厂的具体实施项目范围和成果来看，企业建设灯塔工厂都是以“绿色、可持续发展”作为企业的责任，围绕着如何在有限的生产资源的情况下，在“精益化”生产的基础底座上，借助“数字化”的手段，以“智能化”作为其发展目标，通过对产线的柔性化改造，能够实现多品种，不同批量产品的灵活制造，实现产能提升，效率提高和生产制造成本的减低，能耗减少等目的。3.数字精益让精益贯穿工厂生命周期

17、传统上，诸多企业对于自身的运营改善，也付出了积极的努力。精益方法论在这个过程中起到了重要的作用。例如：通过企业价值流 VSM 的调研和改进，通过学习及实施丰田精益生产 TPS 方法，积极推行看板和拉式生产，现场 5S 改进手段等，通过各种精益化的手段，发现企业在运营过程中的问题和浪费，再付诸于改进措施，实现不断提升精益制造水平的目的。不过，在实施精益改善项目的过程中，也体现出这些方法的局限性：1)传统改善方式手段的限制 传统的精益改善，主要采用现场走、看、问、讨 西门子数字化工业软件 3 论的方法发现问题，对于一些上下游关联、或由于生产组织复杂的场景，由于缺乏适当的数据支撑，可能面临着问题发现

18、不准确、不充分的情况。2)传统方式对人员经验的依赖度高 问题分析和改进措施的建议，主要依靠精益专家的经验，判断可能的改进方向和应用点，对精益专家在本行业、本工厂的运行经验要求较高，往往精益专家在某个领域的专业知识无法有效迁移到另一个专业。3)传统方法难以处理大量数据 涉及到问题分析过程关于产品、工艺、生产调度等过程，其实有大量的输入数据。精益改善方法主要依靠手工处理这些数据，按照能力平衡的大原则进行一些数据分析和计算，而遇到多产品混线、不同批次批量的复杂生产场景，基本上会做典型化场景处理并进行数据简化，所以，类似产线平衡、设施数量等的手工测算结果，并不能完全说明问题，存在较大的误差。4)传统改

19、进措施缺乏验证手段 精益专家的改进方案需要具体落实整改措施后，在生产线上付诸实施，需要经过一段时间的运行后才会有所反馈，进而判断改进的效果。这带来的问题是周期很长，产生的成本巨大；而且一旦效果不尽如人意，需要再次进行第二个方案的实施和评估，这是许多企业所不能承受的。结果往往是工厂带着缺陷运行，无法发挥其最大效能。因此，企业需要解决传统精益改善方法的不足，必须要在精益改善的各个阶段，积极采用数字化技术，将工厂现有的情况和未来改进方案进行量化评估，来提升精益改善的效果。利用数字化技术，在精益改善对应方向的指导下，建立现状工厂的数字化模型，对工厂运行的输入输出条件进行数据量化，对工厂运行逻辑进行重现

20、，反映出工厂真正的约束边界条件。数字化技术，基于仿真模型，利用历史的生产数据或虚拟的场景数据，对整个生产过程进行复现，从中采集大量的特征数据，利用数据对比、可视化图表等，找出工厂产能极限、仓储需求、物流需求等关键指标，使我们更易于感知改进方向。对于未来的改进方案和效果评估，也可在真正实施前，在仿真环境中进行试算，降低改善可能需要的成本。对预期效果更有信心。数字精益，能够加快持续改善的迭代，低成本实现一次性的高水平精益，实现新型工业化时代的“智能化+循环经济”的目标。新型工业化时代要求企业从多个角度进行全面的改革。从制造工程角度来说，紧密关注精益、绿色、智能制造的新趋势，对标灯塔工厂，坚持持续改

21、善，采用数字化规划，让企业更好地适应并引领这个充满机遇和挑战的新型工业化时代。西门子数字化工业软件 4 二、基于工厂数字孪生的仿真规划，促进精益、创新和绿色 无论是对工厂现状进行诊断、还是对工厂未来改进效果进行评估，都可借助数字化手段，为物理工厂建立一个数字模型，再利用仿真技术，对历史的生产过程和未来的预期进行虚拟的生产运行，从而获取特定的量化指标，帮助我们发现问题和寻找更优的方案。1.离散事件仿真，高效的精益验证 那么如何才能建立符合物理工厂实际情况的工厂仿真模型呢？一直以来，现实世界中的许多事件或系统的复杂度过高而难以模型化或直接求解，如生产系统、群体行为、多线程并发等。最终得益于计算机技

22、术的发展，离散事件系统仿真（DES，Discrete event system simulation）方法被用来研究这类复杂的事件系统（包括物理工厂制造运行系统），取得了非常好的效果。这种仿真实验的步骤包括：画出系统的工作流程图，确定事件到达模型、服务模型和排队模型（它们构成离散事件系统的仿真模型），编制描述系统活动的运行程序并在计算机上执行这个程序。最后在程序执行过程当中，获得每时每刻，每个设备或物料的状态变化信息，经过数值分析和处理形成特定的评价指标。工厂仿真规划就是 DES 在工厂生产制造方面的具体应用：通过工厂运行的离散事情仿真，模拟(复现/验证/预测)整个工厂(前期/短期/长期)的运

23、行情况，研究工厂运行的风险，效率和有效性。也可主动设置系统的变更，即更换另一种方案配置，进行仿真验证。这使工厂规划师、精益改善师们可以清楚地了解各种流程设计策略的优缺点，选择最优最精益的方案，极大提高精益改善的验证效率。2.工厂数字孪生，低成本创新空间 基于 DES 离散事件仿真技术，可以建立一个用于呈现工厂生产制造过程的工厂数字孪生，在这个数字空间里，可以将原材料的生成过程，物料的生产和流转顺序、消耗的工时等按照实际的约束条件模拟出来。其中对于设备资源的占用，按照 DES 离散事件仿真中的排队系统方式进行处理，如果资源空闲，即可安排该工序的执行，如果资源被占用，申请资源的物料就进入排队系统，

24、等待系统按照实际的控制原则进行调度。作为数字空间的仿真引擎，则负责这个过程中各个物料和资源的状态改变和相关信息的记录，对物料在每工序的处理的开始、结束时间进行计算。重复这个过程，即可将未来一段时间内，各产品的生产过程预测出来，同时得到各个设施和工厂整体的指标表现。通过对不同工厂资源配置的数字孪生模型的构建，赋以不同的产品组合、产品订单的执行，可以在多个可行方案中进行仿真试算，以每一个计算指标的比较，可明确不同资源配置下工厂的运行性能，从中获得指标表现优异的方案组合。这个方式在进行工厂精益化规划的过程中，能够不消耗实际资源的情况下，快速对方案进行评估。这允许制造工程师进行工厂规划方案的尝试创新，

25、并及时验证的创新的效果。西门子数字化工业软件 5 3.能耗排放量化，碳足迹可精准核算 对于可循环经济这一目标的达成，工厂数字孪生也可起到相同的作用。如前述的 DES 离散事件仿真所采用的建模、虚拟生产、数据记录和分析的方法，可将能耗相关指标也纳入仿真的范畴。能在规划和运行两个方面进行能耗排放方面的量化计算。例如领导想清楚：工厂需要多少台设备、怎样的设备组合、消耗多少能源、才可完成每日订单？这可将每个设备的额定功率、待机功率、状态切换功率和时长等相关参数纳入仿真范畴，用于分析不同方案组合下的能耗情况，选择经济并兼顾绿色的方案。基于工厂数字孪生的仿真技术，能够模拟某个订单组合和工艺顺序条件下的设备

26、状态切换，在每一个时刻，将系统消耗的总功率数据抽取出来，这样的能耗变化数据，相比于简单的额定功率叠加，更能够体现工厂实际的能耗水平。另外基于生产过程的能量消耗趋势，也可以尝试将某些高能耗环节，安排在电价相对便宜的时间点生产。所有的这些可变化措施，均可在数字工厂数字孪生环境中进行仿真和测算，得到准确的量化指标。4.Plant Simulation，业界标配工具 从零开始编制一个 DES 离散事件仿真的系统无疑是相当复杂的。西门子工业软件提供了成熟的商业化工具软件（Plant Simulation）。可以避免从底层去构建这个工厂的仿真模型，人员更加专注于生产制造业务本身、仿真模型的建立和开发，将更

27、多精力注重于工厂逻辑的开发、生产数据的搜集和整理以及生产调度策略的梳理。Plant Simulation，利用离散事件仿真技术进行工厂级仿真的专业分析系统，是对生产、物流进行可视化、计划编制、优化的仿真工具，具备超过 30 年的仿真系统应用和开发方面经验。Plant Simulation，起源于德国，最初命名为 SIMPLE+（用 C+编写的“生产物流和工程仿真），至今其研发中心仍在德国本土研发，后来被总部位于以色列的 Tecnomatix 公司收购，改名为 eM-Plant，为 eM-Power 系列解决方案中的一员。其后产品重新命名为“工厂仿真”（Plant Simulation）在其母公

28、司被西门子公司整体收购之后，Tecnomatix 作为品牌名称被保留了下来，而 Plant Simulation成为西门子工业软件Tecnomatix面向数字化制造系列软件中的重要成员，是集成制造工程环境的关键组成部分。西门子数字化工业软件 6 目前，Plant Simulation 在工业界得到了广泛的应用，它所提供的仿真能力，能够仿真传统的制造业的产品制造过程，得到了业界客户的认可，是各大制造业公司在进行新工厂规划或旧工厂改造过程中不可或缺的有力工具。另外，其离散事件仿真能力也扩展到交通、运输和服务等行业，去完成商业配送、服务策略评估等领域的建模分析。5.工厂仿真可应用的精益改善领域 物理

29、工厂中涉及的变量因素众多，不仅包含不同品种产品组成的差异，各种原材料、半成品的生产制造流程和工时差异，也受到设施能力、生产物流及生产调度策略的影响。我们所建立的数字化工厂仿真模型，将重现这些物理工厂中的约束条件和运行模式，其主要的应用领域包括但不限于以下内容：1)可视化三维表达：在数字化模型中，通过建立三维的仿真模型库，含设施库及厂房模型等，形成工厂的三维布局，并可基于此三维布局进行产线的干涉检查、通过性检查、互动浏览、漫游等可视化需求。另外，产线的三维布局模型可以在后续仿真过程中实现重用。2)生产制造过程仿真模拟：利用统计数据驱动数字化工厂仿真运行，获取量化的产线效率评价指标，并以此数字化仿

30、真模型为基础，不断优化产线配置参数和各种策略，从而提升产线应对大规模柔性制造的应对能力。3)生产物流进行仿真：为多品牌、多模块生产工艺过程提供验证平台：模拟物料加工过程，模拟加工过程中物流库、储柜、在线物料等运动，物料批次等考究验证。4)生产线平衡仿真：模拟多条生产线并发生产过程，发现生产不稳定因素，均衡产线效率，确定针对产品的生产加工模式。5)生产计划及调度策略仿真：验证生产计划与产品 BOM、加工路线、工艺设计布局的匹配性，消除生产瓶颈，提升生产效率；为生产组织过程提供电子沙盘预演。6)实时订单执行过程仿真：与高级排产工具数据集成，可获得高级排产系统依据班制安排、工艺路线、物料贮存、批次转

31、换时间和产能优先等排产规则与约束条件，按照全局优化与局部优化结合、静态优化与动态优化结合、预测与反馈结合的原则，创建出来排产计划，并基于数字化生产模型，在仿真系统中验证排产计划的可执行程度，进一步实现生产计划排程的智能化。西门子数字化工业软件 7 三、开展数字化工厂规划与验证的流程与应用阶段 1.开展仿真项目的流程 在数字化工厂规划的过程中，一般的做法是基于某个要研究的目标，利用数字化工具建立一个可仿真预测的模型，通过在模型上的实验，从中得到一些帮助我们评判数字化工厂表现的结果指标，在经过修改和改进，获得一个更好的系统表现。此过程是重复渐进迭代的过程：这个过程中的主要工作内容包含：基于工厂改进

32、需求，明确仿真任务的目标，将任务目标分解，得到需要具体实现的量化指标；从工厂运行的历史数据中搜集与目标相关的各类数据，建立起仿真分析模型，并加载数据进行仿真分析，仿真结果按需要形成各类评价指标与目标进行比对，如果未达预期，则进一步修改模型、修改输入等，进入下一轮优化求解循环，直至目标达成。1)确定具体的仿真概念和目标 明确仿真的具体目标对象，研究的指标等，即定义工作边界与分析研究方向。2)数据搜集 根据仿真目标，明确与搜集整理需要进行仿真分析对象相关的各种数据。例如通过对现有项目和工厂产线等的数据收集，完成对工厂生产线总体布置、设备布置、人员分配及工艺布局方案建模仿真，设定合理的生产单元布局框

33、架，保证仿真模型与真实产线相吻合。3)仿真建模 依据确定的仿真概念和目标进行仿真建模，通过运行仿真模型得出的仿真输出结果，在不同的规划方案下，以生产率最高为目标，进行产能、瓶颈、设备利用率等的对比分析，进而对产线布局进行优化。4)仿真计算及优化求解 实现模型控制策略的触发条件和执行的操作，从而控制仿真过程，通过内嵌的遗传算法等优化算法对系统的关键参数进行优化运算，找到对应设定的仿真目标的解决方案的最优化值。5)结果评估 使用专门的图形分析工具，用户可以快速进行图形、图表化的仿真模型的数值跟踪和显示，输出可供用户归档记录的仿真分析报告。西门子数字化工业软件 8 2.仿真规划的应用阶段 从业务层面

34、，我们在工厂应用的各个领域和规划的各个阶段，均可利用上述研究方法和工具进行工厂的建模、仿真、改进的工作。每个领域的研究同样会经过多轮迭代，以确保在每个应用领域都得到更优的结果。我们可以参考西门子南京数控（SNC）新工厂的规划和建设过程，这是一个完整地按照早期数字规划到建成运维的全数字化实施流程，西门子将这个过程定义为“原生的数字化工厂”地规划建设过程，其设计，规划和建造的流程大致如下图。从西门子南京数控（SNC）的实现过程，我们可以总结出工厂数字孪生实现过程的几个关键阶段和步骤。1)价值流分析及仿真帮助制定工厂顶层规划 价值流图 VSM（Value Stream Mapping）是一种标准的方

35、法，该方法用于设计和分析诸如生产设备等的物料流系统，并且，还可以评估一个给定或计划的过程的性能。VSM 价值流分析方法广泛应用于工 业 和 商 业 中 实 施 的 精 益 制 造 概 念。Plant Simulation 中的 VSM 仿真库支持图形化 VSM 建模方法，提供基于对话框的输入参数定义。因此，即便是没有仿真经验的用户，也可以通过对 VSM 库来创建和使用仿真模型。在 SNC 新工厂的规划建设过程中，我们在生产单元开始设计前就在 Plant Simulation 的中输入计划的预期数据假设(产量，参数，灵活性等)，精益原则以及产品参数等，进行价值流分析和仿真，从而帮助制定了工厂的顶

36、层规划：SNC 老工厂的价值流 SNC 新工厂经仿真分析优化后的价值流 西门子数字化工业软件 9 2)生产过程仿真明确工厂设施需求 新工厂规划和项目的早期阶段，使用 Plant Simulation 进行生产过程仿真，可以帮助用户指导工厂的规划和实施，在早期就明确工厂配套的水电气设施需求，从而避免在后期因为规划错误产生更改从而引起的大量时间和投资成本。通常来说，工厂尤其是新工厂的规划是对设备、工位、物料、工装、半成品、水、电、气等配套设施的综合配置，我们使用 Plant Simulation 对虚拟工厂的生产过程进行仿真建模，在仿真环境下布局工位和资源并进行优化、干涉分析等，从而建立完整的数字

37、化产线。有了这样的一条数字化虚拟产线，就可以研究各个工序之间、各个车间之间以及工厂整体配置的合理性，以达到整个生产系统的人流与物流畅通化、搬运最优化、流程最优化、效率最大化的目标。根据仿真结果中各个工位和设备不同的工艺以及用途，结合一些专用设备（非标设备）等的特殊要求,我们可以有针对性的设计配套的水电气公用动力设施，如：确定电气负荷和用电容量，设计电气线路布置，包括照明、动力插座、设备电源等 确定给水和排水系统的参数和容量，水源和排水的位置和布局，配置相应的污水处理设备以满足相应的环保要求等；设计相应的空气处理系统，包括新风系统、排风系统和空调系统等，确定空气处理设备的容量和性能要求以及安装的

38、具体位置要求等。设计合适的照明系统，确定照明的位置、数量和亮度要求，以确保操作人员能够清晰地看到工作区域等。西门子数字化工业软件 10 3)物流、仓储及生产管控策略也是重要影响因素 与生产制造密不可分的物流，仓储以及生产管控策略也是在数字化工厂的规划应用中很重要的影响因素。通常情况下，为保证生产过程中，我们需要生产设施的物料能够连续提供，不断料、不缺料，所以对存储和物流设施的能力会提出很高的要求；另外，在某些极端情况下，例如立体仓库的某个堆垛机出现故障，而后续生产单元已经开始生产且不能停机，就需要立体仓库能够从其他存储通道中取出相同的物料进行补充。以上描述的情形，要求物流存储系统具备极高的柔性

39、，可配置不同的存储和供给策略，通过使用Plant Simulation，建立仿真模型，定义仓库的具体配置形式：仓库的堆垛机数量、仓库的货位数量，存放策略，物料释放策略，堆垛机运行的速度等，结合对应生产任务，可以在项目的早期分析仓储系统的生产供给能力和对生产过程的影响。例如，上图显示的是仓库初始化设置过程，可以根据需要创建多个不同的仓库，每个仓库都有自己具体的配置参数。综上，通过使用 Plant Simulation 进行物流仿真，可以在早期就进行规划并选择合理的运输方式，优化物料运输路线，提升物流运输效率来降低物流运输成本。通过进行仓储以及生产管控策略仿真分析，用户可以提前准确预测需求并合理调

40、配库存，从而降低库存成本。通过合理安排仓库布局和优化物流流程，可以减少物料从仓储区到生产线的时间，提高生产线的效率和满意度。4)工厂的三维可视化更易于与建设过程协同 数字化工厂建设是一个综合性、系统性的工程，这其中，生产线，生产车间以及厂房的建设施工实施往往需要耗费大量的时间和资源，并且，一旦建成后通常情况下很难进行调整和优化。因此，传统的基于二维平面图的建设规划方案已经无法满足这样的需求。借助 Plant Simulation 的三维可视化数字孪生工厂仿真技术，通过全三维的、高逼真度的模型，以及包含运动机构和可以展现逼真动作序列的生产设备模型，在虚拟的数字世界里展现逼真的生产线和工厂运营场景

41、，利用模型进行三维空间的漫游、查看，同时，从设备空间的占用、相对距离、物流通道、人员通道的面积等空间因素，进行产线的检查，用户可以在实际建设之前通过虚拟模型对生产线进行仿真和优化。通过对不同参数、设备布局、工艺流程等因素进行模拟和分析，在实际建设之前就对生产线进行优化调整，提高整体的生产效率和运营效能，确定最佳的工厂生产线规划布局方案，物流配送方案和配套的仓储方案等，这样，就可以将工厂仿真和厂房建设仿真配合协同进行，在早期就发现潜在的设备和建筑设施干涉等的问题，从而避免这些问题影响正常生产而不得不花费巨大的时间和资源成本去修改。下图是西门子 SNC 新工厂使用 Plant Simulation

42、 配合建设过程协同从而在第一时间发现干涉问题的例子：西门子数字化工业软件 11 5)数字化工厂在日常生产过程中持续产生价值 除了在新工厂的规划和项目的早期阶段之外，Plant Simulation数字化工厂仿真在日常的生产过程中也在持续不断的产生价值。随着市场需求的不断变化，传统的大批量生产模式已经不能满足市场的需求。而小批量、多品种、定制化生产模式正成为市场的主流趋势。这样的生产模式对企业的生产灵活性、管理效率和质量控制能力等各个方面都提出了更高的要求。借助 Plant Simulation 数字化工厂仿真，用户企业可以实现生产流程的优化，提高生产效率，降低生产成本。例如，通过使用 Plan

43、t Simulation 工厂仿真模型并结合生产调度系统，企业可以实现生产计划的快速调整，实现生产线的快速切换，从而实现小批量、多品种、定制化生产的要求。利用 Plant Simulation 进行仓储和物流仿真分析，可以帮助用户在新建配送中心，确定物流配送方式和规划最优物流路线时，根据仿真的结果对各种不同的方法进行多维度全方位的比较，从而选出最优最适合的方案。当企业需要引入新产品或者需要根据市场需求调整和切换不同产品的节拍和产能时，可以提前在Plant Simulation数字化工厂仿真模型中进行虚拟验证，在不影响和损失现有产能的情况下，根据仿真结果有针对性的制定新产品混线生产方案等。下图是

44、用户使用 Plant Simulation 进行产线仿真，发现了产线中的不平衡从而提前进行了整改，提升了工厂整体的产能输出：西门子数字化工业软件 12 四、西门子数字化工厂规划与仿真解决方案的关键技术 1.Plant Simulation 技术特点及能力概述 Plant Simulation 广泛应用于生产，物流，工程等行业。它不仅可以优化物流系统以及制造业务过程中的布局、产能、能耗、材料的补给时间或者频率、工位和工位之间的控制策略，还能够帮助企业优化投资决策，避免时间和成本上的浪费，节约成本，加快新产品上市时间，提高企业整体生产竞争力。Plant Simulation 是关于生产、物流和工程

45、的仿真软件，是面向对象的、图形化的、集成的建模与仿真工具，完全符合面向对象的系统架构。本节对其通用化的建模和仿真能力进行概述，本章后续每节回详细介绍一些重要的能力：1)图形化、模块化建模 Plant Simulation 提供了友好的图形用户界面、集成的环境和非流程式操作，使用户不需要预先进行过程的定义；可以利用对象库通过拖放的方式在图形界面中交互地建立工厂及产线模型。在 Plant Simulation 的集成的和图形化的用户环境下，关于模型的所有功能和信息在任何时候都是图形化的表示，用户能够在需要的时候直接暂停仿真并进入模型进行修改。同时，在仿真过程中，模型的所有接口都是激活的，用户可以随

46、时修改模型参数和属性。Plant Simulation提供层次结构的产线建模方式，自顶向下逐步建立仿真模型；在建模过程中能够随时添加其他层次结构。每一个模型都是一个模板，模板可以导入导出，进行不同的组合。因此，在一个大的系统中，不同的用户能够并行地工作。模型层次的个数没有限制，因此在系统的设计中，用户通过附加层次，可以将设计细化到所需要的任何程度。同时，在仿真过程中，不同层次上的模型能够同时仿真，所以，用户可以观察系统在不同层次上的活动。产生的层次可以被删除，在模型的规划中，也能够将复杂的模型简化。这种层次化的表示方法，使 Plant Simulation 具有渐进式建模能力，用户能够根据实际

47、需求动态建立系统的模型层次结构或详细程度。2)对象库管理和扩展 Plant Simulation 可利用的对象库（Object Library）包含基本对象（Basic Object）和各种应用对象（Application Object）。基本对象分为物流对象和信息流对象，应用对象是通过基本对象派生产生 西门子数字化工业软件 13 的，一个应用对象可能是一个基本对象的框架，或者一个完整的模型，或者一个模型的一部分，或者是几个基本模型的组合。它可以放到对象库中，作为用户化地对象在将来的产线布局中使用。Plant Simulation对象库和应用库提供了多种灵活的进出料控制策略，让物料在设施间流动

48、的时候可以遵循不同的调度规则，这些规则可以组合起来，形成比较复杂的生产现场控制逻辑，适应多品种、不同工艺条件下的生产情况。这些规则在对象库和应用库中，以选项方式存在，可供交互式选择和设置。另 外，Plant Simulation 内 置 了 建 模 语 言SimTALK。该语言与仿真模型有机集成，用于编写用户化控制策略。作为程序解释器，SimTALK 可以对仿真系统本身的事件作出响应，利用程序编写的逻辑，控制模型的行为。Plant Simulation 提供的编程环境，并为 SimTALK 的执行提供跟踪、调试功能。3)仿真数据及分析工具 在仿真完成后，Plant Simulation 还提供

49、各种统计结果。集成的分析工具可以轻松的解释仿真结果。统计分析、图、表可以显示缓存区、设备、劳动力的利用率。用户可以创建广泛的统计数据和图表来支持对生产线工作负荷、设备故障、空闲与维修时间、专用的关键性能等参数的动态分析。4)开放性及系统集成 Plant Simulation 在运行的时候，具有实时的数据交换能力。Plant Simulation 提供了与 SQL、ODBC的接口，能够读入 Oracle 的前端数据进行仿真；通过 C 程序接口，用户能够在 Plant Simulation 模型中调用外部的 C 程序；使用 Socket 和 OPC 接口，能够与外部实时数据采集系统进行数据通讯，获

50、取外部系统实时采集的信息，如当前设备的故障状态，作为仿真数据的输入，驱动仿真，评估这些外部系统的状态对生产过程的影响。5)内置多种功能强劲的优化工具 Plant simulation 提供了功能强大的系统优化算法工具，包括：试验管理 Experiment Design、遗传算法 Genetic Algorithm、特征值 Factor Analysis、神经网络 Neural Network 等。利用优化算法，可以将生产线的可变因素抽象为变量的变化，给予其变量的变化范围或取值规律，利用优化算法的引擎，产生数量巨大的实际算例，而每一次计算都会采集关心的参数作为目标函数，根据目标函数的变化规律，决

51、定下一次计算算例的输入条件如何改变。不断循环这个解算的过程，直至获得使目标函数更优的输入参数组合，即系统优化配置。除了系统本身提供的优化算法以外，可将用户化的优化算法集成在系统之内。Plant Simulation 可利用事件响应机制，在一次仿真结束的时候，调用Sim TALK，对目标函数进行评价，看其是否达到优化的预期或最大仿真次数，如果并未达到，Sim TALK将根据目标函数的变化趋势，按照算法重新设定输入条件进行下一次计算，如此循环，直至目标函数达到优化的预期（优化成功）或最大仿真次数（优化失败）。西门子数字化工业软件 14 2.生产过程及物流仿真建模能力 工厂布局及工厂物流仿真确定了对

52、生产系统和业务过程进行面向对象、图形和集成化建模、仿真和动画制作的标准，可以用一种逼真的方法准确地对多元化、非常复杂的生产系统和业务过程进行建模。包括对厂房、生产线、仓储中心、缓存区、废品处理站等基础设施仿真建模能力。其最突出的特点是，建模效率高，能够简单、快速地改动和维护模型。Plant Simulation 提供通用物流、信息流、用户界面库和工具等通用的对象库，这些对象库是对现实中设备的总结和抽象，结合了同类设备的通用特性和参数。在建立工厂模型的时，只需通过拖放，将对应的设施对象放置到建模空间，即可完成对工厂模型的建模工作。下图展示了系统所提供的基本设施对象及其在建模空间中的关联关系：另外

53、，针对不同种类企业的专业应用库需求，可通过客制化定义和组合的方法，帮助企业用户更快地建立专门的仿真系统。例如：工厂仿真 HBW 库(High Bay Warehouse)，是利用标准的货架、小车、输送带以及其控制逻辑算法，组合而成的一个专业应用库，HBW 对象本身由两个机架和机架服务单元组成,机架在两个机架之间有轨道。可以简单快速的对立体仓库进行建模和仿真。可以将其多次插入到模型中,为整个仓库建模，也可以单独对每个货架进行参数化定制。工厂仿真自动导引车辆系统 AGVS 库，是利用小车和轨道标准对象组合而成的运输专业库，按照用户要求，可设置 AGV 配送节拍、配送速率等参数，可建立轨道的分支及合

54、并，可设定车辆的自动路由等功能。实现运输车辆在该路线上运输部件的功能。西门子数字化工业软件 15 在模型的构建过程中，采用层次化建模、面向对象建模、模块化建模方法，具有渐进式建模能力，能够将复杂系统的建模工作分解、简化，项目团队能够并行地工作，提高模型的可维护性，方便大型模型的更改，更利于大型项目的组织和协同工作。3.继承 NX LineDesigner、FactoryCAD、NX BIM 中定义的产线模型 除了在 Plant Simulation 中使用交互式拖放方式建立产线模型的方法外，工厂设施布局的模型，也有可能来自于外部其他西门子或第三方的工厂布局软件或三维建模软件。例如，西门子有 N

55、X Line Designer、FactoryCAD、NX BIM 等专门的工厂布局软件来协助建立的工厂三维模型。西门子这些三维布局系统，提供了用“智能模块”来进行工厂快速设计方式，以工厂专有的设施库直接拖放建模的方法，抛弃了传统的通过点、线、弧的底层设计方式设计方式。“智能模块”包括了常用的场地、传动带、隔板、天车、操作工等模型库。工厂设计时只需要选取所需要的“智能模块”，设定相应参数，把模块对接在一起。极大地提高了设计效率。在西门子 NX Line Designer、FactoryCAD、NX BIM 软件中完成了布局设计之后，得到的是一个静态的工厂模型，我们可以通过汇总输出的方式，得到设

56、施列表，包含每个设施的类型、三维模型的几何描述文件（轻量化三维几何模型）、在三维布局中的坐标及旋转方向等信息。Plant Simulation 可以利用与这些系统之间的标准接口，进行数据交换，在仿真环境中自动创建设施并进行位置的偏移，复现相同的三维布局。4.驱动物料在数字工厂间的流动 工厂的设施布局，体现了一个工厂的静态特性。除此之外，我们需要让物料可以在设施之间流动起来，以复现产品的生产制造过程。所以，对每一个位于建模空间的设施对象，需要定义物流仿真参数、约束条件和规则方法，从而建立工厂的动态生产和物流仿真的逻辑模型。模型构建内容主要包括：资源能力方面参数定义：各种制造资源的操作时间、操作能

57、力，资源可用数量，资源可用性、故障率等。生产管理方面参数定义：对象到达率、类型比例，加工合格率，生产准备时间、转换时间、轮班时间等。约束条件定义：物流过程中的对象尺寸、重量，操作可达范围，碰撞、占线避免，操作的先后顺序等。控制方法定义：西门子数字化工业软件 16 实现仿真过程中的一些动态控制策略，比如根据实际对象调整仿真参数，定义物流运送策略，完成相关生产周期、生产数量等数据统计等。下图所示的简单物流流动逻辑图，以连线的方式规定了物料产生、处理和流转的过程，在仿真运行的时候，系统将按照这个流动逻辑图去驱动物料在工厂中的流动方向和顺序。对更复杂的物料流动过程，还提供了大量的信息流处理工具，可以在

58、仿真时抽取物料和设施的属性，经过对属性的对比、计算，判断其优先级，并按一定的规则实现物料的流动。这种灵活的处理处理方式非常适合处理多产品小批量混线生产的场景。对于最复杂的用户化控制策略，还可以以定制化脚本语言来控制物料的处理和流转过程，以实现在统一的建模环境下，对多种生产控制过程的模拟。5.仿真不确定性 在现实的工厂中，即使是确定的生产场景，也会出现异常状况，如设备的突然故障导致的停机，不同作业人员对同一生产过程处理的速度不同等，作为一个生产系统，个体的不确定性将会对整个系统产生不同的影响。作为仿真分析，也需要体现此类因素在系统中的表现。由于仿真在很大程度上是对未来或假想的生产场景进行分析，我

59、们不能以确定的输入来代替不确定性的影响。此时可以通过概率的模拟，来替换确定的参数。例如：在模拟设备停机的不确定性过程中，通过对设备历史上发生故障的相关数据采集，如发生频率、持续时长等，可以得到一组单次故障特性数据，经过数据分析，可以发现这些故障的发生频率和持续时间符合某种概率分布，例如正态分布，在仿真模型的设置中，就可以用概率分布的相关参数进行设备的故障率的设置，中值和西格玛。在仿真时就能以符合这个参数设置的概率分布，产生响应的随机故障。西门子数字化工业软件 17 这样做的意义在于，仿真不再是一个确定的输入和输出的映射关系，我们将了解到这些不确定性对生产上下游的影响。从系统角度，也可了解整个工

60、厂在确定的资源配置情况下，能够达到的最大及最小生产能力。6.仿真数据的抽取及专业评价工具 如前述，在仿真过程中，系统会记录设施状态变化，物料进出各设备的时间等基础信息，这些海量数据可以通过数据可视化工具抽取出来，形成相关的分析指标，以直观的方式展示数字化工厂的关键指标。数据变量作为显示对象进行数据的动态变化展示，常用于累加计数、对象记录、状态记录等。特定数据也可以可视化面板的方式与图形化的工厂布局结合起来，实时展现某个关键指标数据的变化。数据表作为处理复杂多维数据的对象，通常用于较为复杂的数据存储与交互手段。可以将批量数据记录下来，用于进一步的详细分析。图表作为数据显示对象通过图形方式显示在仿

61、真运行期间记录的特定数据集，在仿真过程中通常用于展示设备利用率，人员利用率、生产能力变化、能量消耗、数据分布等。数量统计图表主要用来分析仓库中的库存占用情况，适用于仓库、缓冲区设施对象。为了便于对仿真的动态过程及数据、仿真结果数据进行分析和处理，Plant Simulation 提供专业、开盒即用的分析工具，通过简单的设置即可实现快速数据处理与分析，并以可视化的方式进行分析结果展示。下面是几项专业工具：西门子数字化工业软件 18 1)瓶颈分析（BottleneckAnalyzer）瓶颈分析是一个静态分析工具，其收集当前模型中的物流对象（生产设备、转运设备、存储设备）的统计数据并将其汇总在一个数

62、据表当中，并以可视化的方式叠加到仿真模型中进行显示，直观显示所关注的每台设备的工作时间（绿色），堵塞时间（黄色），空闲时间（灰色）以及故障时间（红色），也可通过数据表看到设备各种状态的百分比以及按利用率的排序情况。对于瓶颈的判断要依据物料的流向进行分析，如果当前设备或工位利用率较高（工作状态占比高），但其前序工位或设备阻塞时间较长（物料不能及时转运），而其后续工位或设备等待时间长（等待加工物料），则可判断当前为瓶颈工位或设备，而后进行针对性的调整和迭代优化。2)物流密度与方向（SankeyDiagram）物流密度与方向是特定类型的流程图，其分支的宽度对应数据流量的大小，通常用于能源、材料成分、

63、金融等数据的可视化分析，在 Plant Simulation 软件中用于显示零件和工人的 Sankey 流，其中人员可以在区域内自由行走或沿路径移动。3)能耗分析（EnergyAnalyzer）用于分析工厂中所选机器设备的能耗，根据设备不同运行状态设置其功率，通过仿真中的不同状态累积计算工厂和设备的能源消耗，主要包括以下几种状态：Working：设备上有零件且正在加工；Operational：设备主机在运行，但没有加工；Standby：电子设备就绪，但主机处于关闭状态；西门子数字化工业软件 19 Failed：设备处于故障状态，等待排故；OFF：设备处于关机，最低能耗状态；Transition

64、 Time：设备状态转换时间。能耗分析首先可用于工厂规划阶段的能耗预测，依据工厂或产线初步规划结果创建工厂仿真模型，以工厂未来生产的典型产品（数量大、价值高等）为对象，按照工艺路线和工时实现虚拟试生产，从而获取接近于现实的工厂能耗需求和设备能耗需求，作为未来建厂的能源建设依据。依据上述建模结果，也可在规划阶段进行工厂运行参数的调整和优化，降低运营能耗，实现绿色生产。其次是通过设备运行控制方案的优化，实现生产阶段的能耗优化。方法是创建工厂仿真模型，以优化生产能力、缓解瓶颈并最大限度地减少循环库存，常规分析的基础上激活设备能耗分析，设置基本参数和策略，评估工厂生产运营能耗。可通过设置加工设备状态变

65、化、物流输送设备的控制及控制策略对生产运营和能耗波动进行分析，最终获取实施方案进行能耗优化和节能减排。4)成本分析（CostAnalyzer）成本分析是一个强大的计算工具，对生产成本进行详细动态分析 DDCA(Detailed,Dynamic Cost Analysis)，帮助企业实现基于仿真模拟的动态产品成本控制和管理，实现降低成本、提升利润的目的。其计算基本机制是在仿真模拟产品生产过程中，CostAnalyzer 计提加工设备（物料流对象）进行成本计算，并汇总出总投资成本，成本包含以下几方面的内容：与设备有关的成本，包含设备运营成本（年）、设备折旧（折旧 X 年，总投资）、设备单位长度投资

66、成本、设备单位长度运营成本 与产品有关的成本，包括原材料成本（件）、分发成本（针对于托盘等对象）西门子数字化工业软件 20 7.系统优化能力 创建的仿真模型，可以将其中的关键参数抽象出来，利用计算机自动进行批量计算。在优化算法的加持下，朝特定方向修改输入参数的取值，每更改一次输入参数，即可进行一次分析计算，抽取其关键性能指标。并根据性能指标的变化趋势，决定下一次计算时输入参数的变化方向。不断循环此过程，直至性能指标收敛至较小的变化范围或设定的优化过程结束。对于优化过程中得到的较优秀的结果，系统可以保留下来用于最终的查看，其参数组合可以认为是为达到系统优化目标而需要的参数组合。在 Plant S

67、imulation 内置了优化算法：实验管理、遗传算法、神经网络。1)实验管理 使用仿真模型运行实验，目的是观察研究作为输入值的多个参量如何变化从而得出统计上安全满意的结果。实验管理是一种枚举类型的优化，需要对定义的输入变量在变化范围内的每一种组合进行计算和结果抽取，所以，它可以在全部的解空间中查找到对系统指标最优的参数组合。鉴于实验管理可能会涉及多个参数，每个参数又可能有多个参数变化的可能，那么总的解空间的数量是呈指数数量增长的，所以，在应用实验管理前可以用使用两级实验设计和因素分析来确定对系统影响最敏感的参数组合，再使用多级实验完成变量不同取值的组合计算。图示的实验管理分析结果显示了在变量

68、（横轴）变化的过程中，指标的变化趋势，其中曲线节点上的竖线，显示了该变量组合及不确定性因素扰动下下系统关键指标的上下限。曲线变平坦的变量取值附近即是最适合的系统参数取值组合。对于组合数量巨大的研究场景，实验管理器可将各仿真运行分布到本地网络中多台不同的计算机上，以加速寻优过程。2)遗传算法（GA）遗传算法是一种非常有用的随机搜索优化工具，在工程领域中得到广泛使用。GA 遗传算法模拟生物进化的过程，在每一代的生物个体中，选择适应度高的个体，并以此为基础生成下一代个体群，分别计算其适应度，再选择适应度高的个体，以此类推，直至适应度收敛或到达代数限制。在每次仿真计算过程中，Plant Simulat

69、ion 本身的约束模型将计算所提方案的适应度。遗传算法是一种启发式算法，它不会求解解空间的所有参数组合，而是根据适应度的变化趋势来 西门子数字化工业软件 21 确定下一次求解的参数组合变化。所以，它非常适用于解决具有以下特征的优化任务：大解空间。解空间的未知特征。解空间中的不连续性不允许对任务进行数学数值优化。解决方案的许多软限制。它是不一定要保留的限制，但可能会导致更糟糕的结果。Plant Simulation 提供了五个基本的遗传算法对 象：GAOptimization 优 化 算 法 核 心 、GA RangeAllocation 取值范围优化、GA Sequence 序列优化、GA S

70、etAllocation 和 GA Selection 选择任务，并为简化设置，提供了一个综合遗传算法工具GAWizard。利用这些对象和工具可以帮忙我们实现一些复杂问题的优化。遗传算法通常被应用在N-P复杂度的优化问题，一个典型例子是旅行商问题，对于这个问题，必须优化一个销售员在一个确定的城市中的旅行路线。目标是尽可能短的路线。在生产和制造环境中，主要任务是通过寻找待处理订单的优化加载顺序来获得较高的利用率。3)神经网络 在 Plant Simulation 中仿真研究实验可以对一组输出值和一组输入值进行研究，输入值与输出值之间的相互关系可以通过回归进行描述和建模，也可以通过神经网络（也称为

71、人工神经网络，ANN）进行描述和建模。使用人工神经网络模型可以从观察结果中推断出关系函数，这在因数据或任务过于复杂而使手动构建出这类函数是不切实际的应用中，此功能特别有用。大多数神经网络都是可培训的系统，能够通过从一组样本学习解决复杂的问题。神经网络的学习过程称为训练。经过训练的神经网络可以大致确定给定输入值集的相应输出值集，而无需运行仿真。如果存在足够数量的输入值和输出值数据集，则神经网络只能确定输入值和输出值之间的相互关系。用于训练的数据集数为实验数。结合实验管理器的应用，其多级实验设计可确保输入值在要评估的范围内均匀分布。随后，用于训练的数据集数为仿真研究的实验数。完成仿真研究后，可以通

72、过将实验管理器拖放至神经网络，将仿真结果导入为训练数据。经过神经网络训练后的神经网络的权值矩阵，即可用于对未知输入参数组合进行结果预测。4)与外部优化引擎 Heeds 的集成优化能力 HEEDS 是西门子工业软件旗下的一款专业可靠的多学科分析和优化（MDO）软件，集成主流 CAD与 CAE 软件进行多学科协同仿真优化，快速解决动力学问题、热力学问题、参数设计问题等。使用HEEDS，无论参数和约束的复杂性或数量如何，都可以利用现有模型进行设计空间探索，其智能搜索功能会自动调整搜索策略，快捷找到更优设计方案。HEEDS从2020.2版 本 开 始 有 了Plant Simulation 接 口，提

73、 供 HEEDS MDO 和 Plant Simulation 之间的自定义输入和输出接口功能。在Plant Simulation中添加到实验管理器的所有输入都可以通过 HEEDS 轻松修改，并且实验管理器中的所 西门子数字化工业软件 22 有 响 应 都 可 以 通 过 HEEDS 轻 松 提 取。Plant Simulation 与 HEEDS 集成的工作流程如下图所示。二者的结合，充分利用了 Plant Simulation 具备的强大的建模仿真能力，可以构建工厂数字孪生模型真实反映生产物流系统运行特征；而 HEEDS 具备的优异的空间搜索功能，快速高效对生产物流系统进行深入关联分析和仿

74、真优化，从而达到加速优化进程的目的。5)用户自定义算法的集成能力 尽管 Plant Simulation 提供了诸多丰富的功能和应用库，但用户还是会有一些特殊的需求需要开发算法或已有自己的算法应用到仿真研究中，为此Plant Simulation提供了接口定义可以将用户自定义算法集成到 Plant Simulation 仿真模型中。在实施优化进程的时候，可在仿真开始和仿真结束的时候，利用接口生成参数组合，并基于计算结果确定下一次计算时的参数变化。直到获得更优的系统指标。6)分布式优化计算 分布式仿真用于仿真运行耗时长且试验次数比较多的仿真研究，可大幅提高计算机 CPU 利用率，大幅缩短仿真试验

75、运行时间，快速得到仿真试验结果或优化结果。分布式仿真功能由内置的仿真试验管理器(ExperimentManager)与 GA 优化算法实现，ExperimentManager 可以将仿真运行分发到局域网（LAN）内的多台计算机或同一台计算机的多核CPU上，进行分布式仿真运算，以缩短仿真试验运行时间，提高仿真研究效率。8.集成能力 Plant Simulation 是一个专业的仿真分析工具，其数据来源可能来自于不同的信息系统。例如，我们需要获得来源于 PLM 产品生命周期管理系统中存储的产品及其组成数据，BOM，存储在 APS 系统中的订单数据，现场设备的实时状态信息等。基于这些数据，能够动态调

76、整仿真模型的参数输入，并以此为基础进行对未来生产过程进行仿真，获取未来订单的可完成情况、紧急插单对现有生产计划的影响等分析。西门子数字化工业软件 23 1)数据库类的接口 在 Plant Simulation 仿真建模的时候，需要用到大量的输入数据，例如产品的工艺路线、工时、产品BOM 组成等，企业中这类的数据是保存在研发或工艺系统中的。如果采用手工维护的方式进行这些数据的录入、修改和维护，无疑是个巨大的工作量。好在此类数据虽然数据量大，但其的变化频率并不是很高，可以使用数据库的接口方式一次性读入，然后在 Plant Simulation 中进行数据的批量处理。从技术实现上，可在外部的系统中，

77、开发一个的接口，按照双方协商好的数据种类和数据格式的要求，在数据库中生成一个用于中间过渡的数据表，Plant Simulation 利用其数据库接口组件，执行从中间数据表中获取数据的 SQL 语句，将查询到的结果写入 Plant Simulation 模型中自建的表格类型的数据对象中。Plant Simulation 的系统接口包，提供了 ODBC、Oracle 和 SQLite 的数据库访问接口，可以建立与这些类型数据库的专有连接，进行数据库的查询、写入和增删操作。从数据库获得的信息，可以用于仿真模型的设置。2)虚拟调试与实时通讯的接口 另一类数据，是变化频繁的实时状态数据，最典型的应用是利

78、用实时变化的数据进行系统的虚拟调试。虚拟调试是指，在规划阶段，利用数字化模型，建立起生产和运行的真实约束环境，但是其中的控制部分，如 PLC 程序的编写，依靠自动化和控制软件的能力，按照实际情况进行编制。在进行程序的编写和调试过程中，将虚拟设备作为控制对象，进行程序的逻辑检查，排除错误。完成虚拟调试后，将会得到正确的控制程序，可直接下载到实物工厂的控制器中。西门子数字化工业软件 24 虚拟调试的应用，要求对数据的变化能够及时响应。此类数据用于反映设备当前的状态和需要执行的指令，单次通讯数据量较小，但数据变化非常频繁。仿真时模型的实时性响应要求更高，可使用 Socket、WebService 或

79、 OPC UA/DA 协议，直接与系统的硬件进行通讯。下图是使用 Socket 进行实时数据通讯，从设备管理系统中获取当前设备过站信息的示例：Plant Simulation 的系统接口包，提供了 OPC Classic、OPC UA、SIMIT 以及 Socket 的实时数据通讯接口，能够与数据提供方进行实时双向通讯，Plant Simulation 模型中可以主动向外部数据提供方发送实时数据，也可监听外部数据发生的变化，当外部数据发生变化时，也有对应的事件响应机制，根据数据变化调整模型参数或运行模型中的特定功能。利用虚拟调试和实时数据通讯，我们可以实现基于 Plant Simulation

80、 仿真系统的控制验证，下图示意了一个 Plant Simulation 创建了一个工厂的物流系统，内部创建了多个虚拟的传感器，用于感知物料的流动状态，外部直接连接到由 PLC/Simit 构建的控制系统，仿真过程中的实时通讯，可以发现控制系统中存在的逻辑问题，减少现场进行控制系统调整的工作量。西门子数字化工业软件 25 3)物联网类的数据接口 物联网的发展，出现了很多适应于物联网的数据传输和通讯协议，例如 MQTT（消息队列遥测传输），是一种用于物联网(IoT)的 OASIS 标准消息传递协议。MQTT 被设计为极其轻量级的发布/订阅消息传输协议，其代码占用小，可最大程度节省网络带宽，是连接远

81、程设备的理想选择。MQTT 协议的实现需要通过客户端和服务器端的通讯完成，考虑到物联网设备可能处于网络不通畅的区域，或出于成本考虑，物联网设备只能提供极低的网络带宽（如 3G 信号），往往数据传输有较大的延迟。所以在 MQTT 协议中提供了三种角色：发布者（Publish）、协调器（Broker）、订阅者（Subscribe）。其中，消息的发布者和订阅者都是客户端，消息协调器是服务器，消息发布者可以同时是订阅者。Plant Simulation MQTT 接 口 提 供 Plant Simulation 与 MQTT 消息协调器（Broker）之间的连接。Plant Simulation 可以

82、发送和接收 MQTT 消息。其服务质量可确保向订阅者发送消息的可靠性。由于物联网数据的连接，通常会跨越不同的网络，甚至于会通过公网进行数据传输，为保证安全，Plant Simulation MQTT 接口还支持安全连接，支持“用户名/密码”安全连接 MQTT 协调器；支持加密协议 TLS（传输层安全）使用 CA 证书文件及私钥在Internet 上安全传输数据。4)与 MES/APS/WMS 等应用程序间的集成接口 在规划阶段完成的 Plant Simulation 仿真模型，由于其包含了物理工厂的真实约束条件，所以在运营阶段，也能够很好地预测日常生产订单的可执行情况。西门子数字化工业软件 2

83、6 上图的架构展示了在日常生产运行的环境下，如果有新订单的加入，或现场的生产状态发生了变化，将导致生产计划的重新调整。Plant Simulation即可在此调整过程中扮演非常重要的验证的角色。为动态的措施调整给出方向性的意见。其基本原理是，基于全约束的模型，将 MES 中获得的当前在制品信息、APS 中获得的未完成订单信息，以及设备管理系统中获得的设备状态和维护计划信息，全部作为仿真开始的初始条件，也就是说，如果设备有在制品正在处理，新的生产任务需要等待在制品任务的完成才可获得这个生产资源。这样仿真的结果，对未来生产的预测就非常准确了。对于从 MES 和 APS 系统间获取的数据，用于描述当

84、前的产品、订单及工作状态信息，数据量会比较大，并且数据的实时性要求也较高。另一个受制约的因素是，这些是实时的生产系统，其数据安全性要求较高，所以一般不会提供直接访问其后台数据库的能力。所以，最合适的集成方案，就是在不改变这些系统的运行情况下，开发程序的服务接口，一般用WebService 方式，对外提供数据。Plant Simulation在生产或物流仿真时，通过 WebService 获取在制品和订单情况用于初始化。另一个应用的场景是，外部程序承担了一定的策略计算的功能，由于其算法比较复杂，在 Plant Simulation 中进行复现有难度和较大工作量。例如：我们使用 Plant Sim

85、ulation 进行立体仓库的仿真，但是我们想使用外部的 WMS 仓库管理系统来进行物料的管理和调配工作，此时，WMS 中的管理逻辑，我们可以不用在 Plant Simulation 中重新建立，而是采用软件间集成的方式完成两个软件系统的协同仿真。可以将 WMS 设置为服务端，WMS 开发WebService 接口，Plant Simulation 在生产或物流的某个事件（如物料到达）发生的时候，通过WebService 调用 WMS 的管理模块，获得这个物料应该存储的位置，然后驱动模型中的堆垛机完成物料的转运和存储过程。反之，程序间的集成的数据流通方向可以是双向的，我们也可以将 Plant

86、Simulation 设置为服务端，以 COM 方式对外提供服务。9.客户化定制的能力 前面提到，我们在建立工厂仿真模型的时候，需要调用系统所提供的设施库，拖放到建模空间中，通过组合的方式逐步建立起完成的工厂模型。虽然 Plant Simulation 提供了大量的标准设施库，但作为用户方使用来讲，还是不够用的，企业一定有大量具有自己特点的设施需要定义。并且，随着使用深度的提升，企业也会积累一大批自己的设施库，并期待在不同的项目中重用。我们可以通过用户化定制，建立用户自定义的对象库模型。西门子数字化工业软件 27 用户自定义模型，根据模型的复杂程度和需要增加的参数和逻辑的种类和数量，可以采取基

87、于单个模型对象派生、定义个性化参数和外观的形式，对较为复杂的用户自定义模型，可以通过多个对象组合成子框架的方式，用多种不同基本对象各自的特性，组合成一个较为复杂的小系统。用户自定义模型，通常需要这几个步骤:设备特性数据层面的自定义 内部控制逻辑的自定义 外观可视化的自定义 用户交互界面的自定义1)设备特性数据层面的自定义 Plant Simulation中的对象支持用户化特性参数的添加，可以有各种数据类型和方法的定义，将需要的指标以量化参数的方式内置在设备模型中，一旦添加，这些参数的使用即和系统原生参数一致，可以在仿真的其他地方得到引用。2)内部控制逻辑的自定义 设备内在逻辑控制，用 SimT

88、ALK 语言写一段小程序，控制设施的行为特点，例如容器的容量控制逻辑，可以一旦进入柜子的容量超过最大库容量的80%，便将储存柜的入口关闭，一旦容量低于储存柜最大容量的 20%，便将储存柜的入口打开，重新开始进料。利用 SimTALK 定制逻辑的方法，不需要编写大量的代码，以获取原生对象特定参数、经过简单判断和改写的方式，可以高效地定义设备自身的行为习惯。3)外观可视化的自定义 可视化设备外形及结构，通过外部 CAD 导入的方法，将来自于设备厂商、外部合作服务商或用户自己建立的设备三维模型导入到对象的三维可视化表 西门子数字化工业软件 28 达中。从而定制了设备对象在模型中的可视化呈现。三维设施

89、模型，如果具备运动特性，可以设置其运动部件的构成，部件间的约束关系，即运动副的类型，参考轴系、运动范围以及相对运动的速度和加速度等关键特性，所以在仿真的时候，设施能实现关键工艺过程的动画展示，能更好地展示和理解具体的生产制造流程。下图所示为一个产线机器人的两个不同的工作姿态。如果用户化设施的运行和调度逻辑非常复杂，用单个模型去模拟存在一定难度，可以用多个模型元素进行组合，成为一个独立的子框架，子框架和外部设备之间的沟通，用输入输出接口定义和连接，以此方式可以组合成非常复杂的个性化设备。4)用户交互界面的自定义 最后 Plant Simulation 可以为个性化设备添加一个用户化的输入输出界面

90、。另外，处于知识产权保护和模型安全的考虑，也不希望非专业授权的人员对模型进行操作，不小心修改了模型导致错误的计算结果。利用 Plant Simulation 提供的用户对话框组件，可以通过建立用户化对话框的方式，将系统的逻辑和执行封装起来，最终用户仅能够看到定制好的系统界面。这样的操作方式，能够让数字化产线的建模人员和仿真模型的使用人员区分开来，降低对最终操作员工的技能要求。10.扩展功能 1)点云可视化 点云(point cloud)是一种用来表示三维空间中物体形态的数据结构，它是由一系列的点构成，每个点都有对应的坐标值，表示该点在三维空间中的具体位置。点云通常用来表示三维扫描仪或激光雷达扫

91、描得到的物体表面数据。使用点云扫描可以用来表示由多个照片组合而成的三维模型，或者用来表示三维建模软件中的物体模型。使用点云模型，可以精确表示物体的形态，方便对物体进行测量和分析。Plant simulation支持直接打开.pod格式点云数据功能可以带给用户极大的便利：当我们需要对一些改造或者扩建项目中的产线和设备进行仿真时，由于这些产线设备等或由于年代较老或由于数据缺失，往往没有三维数字模型，这个时候我们就可以直接使用点云扫描数据而不需要再花费更多的精力来对这些设备和产线进行反向的三维数模建模。西门子数字化工业软件 29 2)虚拟现实技术（VR：Virtual Reality-)虚拟现实技术

92、(VR：Virtual Reality),是在 20 世纪发展起来并在近些年兴起的一项全新的实用技术。其基本实现方式是以计算机技术为主，利用并综合三维图形技术、多媒体技术、仿真技术、显示技术、伺服技术等多种高科技的最新发展成果，借助计算机等设备产生一个逼真的三维视觉、触觉、等多感官体验的虚拟世界，从而使处于虚拟世界中的人产生一种身临其境的感觉。在 plant simulation professional 许可证的授权方式下，用户可以直接连接 HTC vive VR 硬件设备，使用虚拟现实技术，以沉浸式的第一视角模拟实际工厂的生产线、设备、物流等各个环节，为用户企业提供更加高效、精准的生产和管

93、理方式。在 plant simulation 数字化工厂环境中，使用 VR 技术，除了可以进行生产线效率和物流线路优化方面的仿真应用之外，还可以通过 VR 虚拟现实技术，在实际生产之前对设备进行虚拟调试和维护，从而提高设备的使用效率和寿命，以及员工培训，模拟实际生产环境对员工进行培训，从而提高员工的工作技能和素质。3)甘特图 Plant simulation 中自带了多种的表述和统计分析工具，其中甘特图的应用尤为广泛，甘特图是以时间为基准显示每个工作站的负载情况，从而使用户可以很容易识别每个工作站的停机时间，生产物料的停留时间等，也可提示哪些时间是有效的工艺时间，哪些时间是无效的等待和阻塞时间

94、。通过甘特图的可交互特性，可了解某个时间点上更多的生产信息，如产品开始加工的时间，加工完成时间等。11.西门子基于 Plant Simulation 的衍生产品 西门子数字化工业软件 30 1)Optimize My Plant 令模型价值延伸至产线运营 Plant Simulation是用于产线规划和运营仿真的工具，在规划阶段，我们通过工厂和产线的建模，建立了能够真实预测产线性能的仿真模型，我们希望此模型的作用不仅仅是体现在产线的规划阶段，而是在产线实际运营的时候也能发挥起价值。由于运营阶段的人员通常是计划员、生产执行者，可能不具备产线规划的技能，所以直接利用Plant Simulation

95、的模型进行日常运营的管理可能会有难度，而且可能不小心修改错了已经完备的仿真模型，所以对于运营阶段的使用人员，需要简化其输入，降低使用难度。Optimize My Plant 是西门子采用低代码开发平台开发的，以 Plant Simulation 为服务核心的云架构服务，其前端利用低代码开发平台组合需要用于仿真的输入条件，如订单，设施故障、产品组合等，前端的输入组合成完整的运营阶段需要仿真的某个场景，再提交给云平台的后端，通过启动 Plant Simulation 进行运算，抽取关键指标并反馈到前端。得益于 Optimize My Plant 的云架构，Plant Simulation 中的工厂

96、模型，能够以服务的方式提供给众多的运营使用者，只需在页面上进行简单的点选，即可准备好仿真的输入数据，运营使用者也无需具备模型建立和修改的技能就能够完成对日常运营的验真和优化工作。2)Xcelerator Share 促进规划的协同 在 Plant Simulation 中完成产线的规划，随着工厂规模的增加以及多专业之间的协同需求增强，需要在多站点，多用户之间进行协同规划以及评审。西门子 Xcelerator Share 是一个基于云架构的多方协作平台，可以在一个安全的网络框架中进行远程多方的协同。Plant Simulation 目前已经内置与Xcelerator Share 的集成接口，可以

97、将产线规划成果共享到云平台，不同位置的用户，在其权限范围内，可以对工厂模型进行查看、运行和结果数据图标的阅读。无需专业的产线建模背景，在网页端即可进行产线规划的评审工作 西门子数字化工业软件 31 3)Plant Simulation 与工业元宇宙系统的集成 工业元宇宙，是最新的工业应用热点，它具备更逼真的三维可视化效果，让使用者能够在更接近工厂的虚拟环境中，以互动的方式，更直观地了解工厂的生产状态。一般来说，工业元宇宙的场景搭建，需要创作者首先创建场景中各类设施的三维模型，这个过程可能会用到各类造型、建模的工具创建以三维几何为代表的各种元素，再借助美工师的材质、贴图、场景光照反射等方面的美化

98、，才得以呈现出高逼真度的画质。可以发现在这个过程中，建模是一项工作量非常庞大的工作。如果我们在工厂规划阶段已经建立了工厂的三维布局，而其中的设备模型又是按照 1：1 的方式建立起三维模型，可大大缩减建模的准备周期。另一个方面，Plant Simulation 仿真分析的过程数据和指标结果，也可以作为工业元宇宙场景的数据来源，在用户漫游至改场景中时，也可借助分析工具的仿真能力，看到对未来场景的表现预期。从而赋予了工业元宇宙更多的内涵。西门子工业软件在工业元宇宙领域也持续投入，也与这个领域的合作伙伴进行了持久的合作。西门子工业软件与英伟达 Omniverse 的合作，也有令人振 奋 的 成 果 展

99、 现。下 图 呈 现 出 场 景 是 Plant Simulation 仿真分析模型与 Omniverse 之间的互动。除 Omniverse 以外，西门子及其合作伙伴也开发了基于 Plant Simulation 与 Unity 3D、UE 等可视化方案集成的工业元宇宙互动产品。西门子数字化工业软件 32 五、应用案例详解 得益于在生产过程和物流仿真方面的卓越性能，Plant Simulation 在工业界得到了广泛的应用，最典型的莫过于西门子工业自动化产品（成都）有限公司，SEWC，在建设运营的十年期间，SEWC 经历了参考安倍格工厂成熟经验，自主研究和创新的过程，在此过程中，Plant

100、Simulation 也起到了非常重要的作用。在 SEWC几十个与工厂运营改善的精益项目中，Plant Simulation 参与其中，用仿真、用数据提供决策支持。图片来源于西门子 1847 视频号相关介绍 同时，数字化仿真项目的应用，也促进了 SEWC 人才的成长，从原来只有几个人的专门的仿真分析团队，到现在几十人的仿真系统应用规模，就连生产线现场的技术员，也非常乐意使用 Plant Simulation 建立生产线模型，分析产线改进的可能性与改进的措施，真正地实现了从高绩效员工到数字化人才地角色转变。以下，我们从大量用户的实际应用案例中，选择了几个具有行业或应用领域具有代表性的案例，通过案

101、例的分享，呈现出 Plant Simulation 能够对业务带来的价值：1.生产过程仿真案例 Plant Simulation 最典型的应用场景，是在工厂规划阶段，利用其仿真结果，确定生产线所需的资源数量，如何布局以及确定相关的物流路径和控制策略。本案例是利用仿真对现有的汽车后桥装配线进行改造以提高产能，在仿真中采用了 3 种方案验证其对产能的影响。改变装配线的布局。在手工操作工位改变物流的控制策略。在质量检测设备前改变缓冲区的大小。下图为初始的生产线布局的二维和三维模型：对原始方案的仿真，发现问题出现于手工操作工位，在手工操作区的左侧工位发生阻塞，通过检查设备利用率发现，最左侧的两个手工操

102、作工位的利用率非常低，原因是所有安装好的车桥都要经过最左侧手工操作工位前的旋转台，导致无法将缓冲区的车桥通过旋转台移动到工位上进行装配。尤其在位于前方的手工操作工位，出现了明显的阻塞 手工操作区 检测设备 缓冲区 1 2 西门子数字化工业软件 33 改造方案 1，是对产线的布局做出调整，将手工操作工位调整至输送线前方，试图解决输送线拥堵造成的手工工位物料补充问题。如下图，然而仿真结果表明，这两种布局方案实际的效果并没有太大的差别，无论如何调整布局，输送线的交叉路口都会产生拥堵，并且会对手工操作工位的上下料产生影响。所以改造方案 2，就在原来方案的基础上，增加了输送线交叉路口的交通管制措施，物料

103、在前方输送线没有足够空位，不能进入交叉路口，尽量保持交叉路口的通畅。在此策略的影响下，原来方案中的手工工位的阻塞被消除了，生产单元和物流单元之间的相互干涉问题得以解决。最后一个改善点，是利用瓶颈分析工具，从设施利用率，上下游设施相互影响的特性图表中，发现了新的阻塞产生于检测设备前的缓冲区，产生组赛的原因是检测设备的故障，影响到了主动装配设备，通过增加缓冲区容量，即输送带的长度，可有效隔离故障对其他设备的影响，从而整体上提升产能。综合来看，我们需要对产线生产能力进行提升，由于产线是众多因素融合的系统工程，设施布局、控制策略以及缓冲区的大小等都会影响到系统的整体表现，所以，即使不增加设施能力的投入

104、，也可以提升产线的生产能力。2.价值流分析案例 产品制造过程中，随着制造和工艺过程的进行，产品价值得以增长。而企业优化运营过程的目标就 手工操作区 检测设备 缓冲区 1 2 西门子数字化工业软件 34 是最大化地追求利润空间，减少在制品和库存。Grove Crane 公司采用 Plant Simulation 仿真技术，对生产制造过程中产品的价值增长过程进行研究，有效降低物流过程产生的费用，降低投资。Grove Crane 公司是 Manitowoc Crane Group成员之一，其典型产品是移动式液压起重机；全地形，粗糙地形，车载，工业用起重机。其主要的工艺特点为使用材料切割焊接成型装配。

105、Grove Crane 公司利用 Plant Simulation 建立了起重机生产制造过程的价值增长模型，采用了概念化的模块模拟生产制造过程，对生产计划、物料投入计划等过程进行仿真，专门抽取其中关于产品价值增长过程的数据进行分析。使用 Plant Simulation 的价值流分析，计算了当前产品的价值流增长曲线，利用系统优化工具，将价值流曲线（即物料投入成本和制造成本）成功地向生产后期移动，有效减少了产品生产初期对材料成本的投入，也缩短了物料周转的周期。通过优化，有效降低了产品生产过程中物料和生产成本的先期投入，在保证交货期的情况下，降低了生产过程中的呆滞成本水平。同时，由于可以更晚地投入

106、原材料和制造过程，成功地将原来产品的系统周转时间由 31 天降低到 18 天，周转时间降低 43%。西门子数字化工业软件 35 3.物流中心的案例 在日常运营阶段，如果已经建立了 Plant Simulation 生产过程仿真模型，该模型可以精确预测生产制造过程，可将日常的生产订单需求计划等交给 Plant Simulation 进行仿真分析，预测该订单的可执行性，为订单的执行过程给予给多的数据支持。Wimm-Bill-Dann是一家生产和销售饮料的大型企业，该公司不仅生产饮料产品，还负责将产品配送到城市中的每一个销售网络。Wimm-Bill-Dann 为此建立了以配送中心为核心的物流运输网络

107、。每一个门店因为其每日销售情况不同，所以每日的配送需求都有差异，城市中上百个门店的需求汇总后，如何分配配送订单，如何规划配送路线，是非常具有挑战的任务。根据每日门店需求订单的汇总，Wimm-Bill-Dann 利用 Plant Simulation 建立了以仿真及优化工具为核心的规划平台，该平台将每日配送的网络图、车辆能力约束、行驶公里成本等要素条件全部实现在了一个仿真分析模型中。遗传算法由于其在序列优化方面的卓越能力，在其中承担了给予订单信息优化装车和物流配送路径优化的工作，经过对订单序列的优化，运输路线更短、车辆需求更少的订单序列组合起来，获得了更有效的配送方案。而这个方案即是需要的每日装

108、车计划和车辆配送路由路线。对比原来手工进行任务分配和路线规划，可以节省 10.6%的车辆运输成本。同时，规划人员的工作强度得以大幅降低，全部过程可以自动化进行计算，自动产生卡车司机和物流中心装载人员的工作任务单。西门子数字化工业软件 36 4.流程行业的案例 Plant simulation 在食品饮料，大众消费品(CPG)等流程行业也有很多很广泛的应用。这个行业的主要特点是：每个工艺步骤可能涉及到的资源（容器，填料线等）较多，通常有 3-10 种，这些资源之间互相连接；在单位工作时间内，往往会生产品种繁多的不同产品；另外，还会涉及到不同国家和地区对于不同的包装和标签要求等。这就使得该行业对提

109、高生产能力和生产效率，提高供应链的管理，降低生产包装和配送的成本等方面的需求十分强烈，而使用plant simulation 可以从容应对这些挑战。在欧洲，Plant Simulation 为 Paulaner 新建啤酒厂提供了重要的规划工具。在设计啤酒厂时，有许多因素必须考虑进去，包括季节性需求、产品周转率、生产新产品的灵活性和多种包装，质量和新鲜度。它需要高度自动化、复杂的技术和昂贵的设备来有效地管理这些因素，因此确保流程能够满足当前和未来的需求尤为重要。每年有超过 200 万升啤酒被运往 70 多个国家，由于目前的生产基地已经无法满足现在需求，所以 Paulaner 总部决定在其所在地的

110、郊区再新建一个工厂。为了帮助 Paulaner 建立一个最先进的啤酒厂，客户和西门子实施团队使用 plant simulation 工厂仿真解决方案。该解决方案包括啤酒特定的对象，如酿造室，发酵罐，过滤器，明亮的啤酒罐(BBT)，灌装线和存储。使用这些对象可以方便地调查生产过程并评估不同的规划策略和场景。仿真模型的输入数据在电子表格程序中定义。在不同的寄存器中，有客户需求的输入和工艺步骤的支持(啤酒厂，分选，筛选，BBT，灌装，仓库)。使用附加的寄存器，可以为几个过程步骤定义罐的容量(数量、大小)、灌装线的可用性和排班计划。Paulaner 可以使用这个应用程序，而不需要详细的知识如何创建仿真

111、模型;只需要在电子表格中定义输入数据。将模型导入工厂仿真后，根据输入的数据自动生成和配置模型的组件。这使得解决方案易于使用，并为在短时间内有效地调查许多不同的场景提供了机会。该解决方案提供了许多不同的关键绩效指标来评估啤酒厂的绩效。使用这个解决方案，Paulaner 能够评估随机过程行为(消费者需求、故障等)的影响，并确认他们在容器和设备上的投资是正确的。通过对工厂的仿真，Paulaner 能够抓住一些关键问题。这包括确定现有的瓶颈;制定最佳策略，如清洗、更换、批量生产、生产计划和控制，以满足客户需求;了解新计划的啤酒厂对未来产品和需求的预期限制;建立协调客户需求、进货、批量和包装生产线的最佳

112、方法;并了解不同排序策略的性能作为产品组合和数量的函数。在具有很大相互依赖性的复杂系统中，例如在啤酒生产工厂中，几乎不可能手工估计系统 的性能。利用 工厂仿真技术，实现了这种相互依赖关系的有效管理。在证明了它的价值后，Paulaner 认为工厂仿真是一个为其目前和未来的成功重要的规划工具。西门子数字化工业软件 六、附录 访问西门子工业软件官方网站，可获取 Plant Simulation 的更多信息：https:/ https:/ 关注西门子工业软件公众号，获取最新的数字化制造资讯 西门子数字化工业软件 关于 Siemens Digital Industries Software Siemens Digital Industries Software 不断推动数字化企业转型，让工程、制造业和电子设计遇见未来。Xcelerator 是 Siemens Digital Industries Software 推出的软件和服务全面集成式产品组合，可助力各种规模的企业打造数字孪生，带来新的洞察、新的改进机遇和新的自动化水平，让技术创新如虎添翼。 2024 Siemens.可在此处查看相关西门子商标列表。其他商标属于其各自持有方。