引言
本文将探讨如何利用仿真方法分析由供应（或输入）波动所带来的生产影响。
某个铁矿石接收港口接收货运并将其储存在一个中转区。与此同时，附近的加工厂会消耗这些矿石。如果中转区已满，新货运将无法卸载；如果中转区为空，加工厂将中断生产。这两种情况都是不理想的。
在运筹学中，这类问题归类为队列论（Queueing Theory）。
为了便于讨论，我们将数量归一化为某种任意单位。每一批货运交付 1 个单位的数量。
假设条件
为简化模型，我们不考虑例如输送系统或加工厂的故障等事件。
- 货运到达的变动可通过泊松过程（Poisson process）描述，λ = 5 批/天（或 0.2 天/批）。
- 中转区（Holding Area）的容量为 20 个单位，初始填充为 20%。
- 加工厂以 5 个单位/天的速度处理矿石，最大处理能力为 6 个单位/天。其设计目的是与货运到达流量相匹配，在本例中假设不会发生故障。
通过 AeROS™ 实现队列分析功能的全面应用
分析目标
- 了解中转区的利用情况；
- 最小化对加工厂的中断（当中转区为空）以及货运操作的中断（当中转区已满）。
分析方法
根据上述需求，使用 AeROS 软件创建了一个系统模型以模拟该情境。
该模型中的Shipment（货运）节点设置为每 0.2 天产生 1 个单位。
Holding Area（中转区）节点为一个具有缓冲/存储功能的专用节点，容量为 20 个单位。它同时从货运节点接收输入，并向 Process（加工）节点输出。
执行 1000 次30 天的仿真，以下是其中一次随机执行的结果：
以下为中转区（Holding Area）节点的仿真结果：:
在 30 天内，平均而言中转区：
- 满载持续时间为 5.6 小时
- 空载持续时间为 26.6 小时
注：当中转区满载时，新的货运无法卸载；当其为空时，加工厂中断生产——两种情况都可能产生额外成本。
在此模型中，加工节点的处理流量为 5 单位/天。我们尚未考虑其最大处理流量 6 单位/天的情况。
通过 Boost 节点调节加工流量
在图 5 中，添加了一个 Boost 节点用于调节生产流量。该 Boost 节点在正常运行期间处于关闭状态（设置为待机），使生产流量保持在 5 单位/天。当中转区的储量超过其容量的 50% 时，系统会激活 Boost 节点，将加工节点的生产流量提高至 6 单位/天；当储量降至 25% 时，Boost 节点会重新进入待机状态。
再执行 1000 次30 天的仿真，以下是最后一次执行的三态图：
以下是中转区节点的仿真结果：
在 30 天内，平均而言中转区：
- 满载持续时间为 0.17 小时（相比之前的 5.6 小时有所改善）
- 空载持续时间为 32.1 小时（相比之前的 26.6 小时有所恶化）
"假设"分析
现在，我们将 Boost 和 Main 节点的流速分别重新设置为 2 和 4 单位/天，使得加工节点在正常运作下以 4 单位/天的流量运行。
在 30 天内，平均而言中转区：
- 满载持续时间为 0.5 小时
- 空载持续时间为 3 小时
通过仿真方法，我们可以设置不同的情境，以找出最优的操作流程。
该方法在产品设计早期阶段也非常适合用于概念验证。
结论
借助 AeROS 软件中的 Storage（存储）节点构造，工程师可以分析由供应（或输入）波动所导致的生产影响。该分析能够揭示供应不确定性、存储容量与操作策略三者之间的相互作用。
尽管本案例研究聚焦于供应波动，但我们也可以在模型中加入具有维护属性的节点，用于进一步分析系统可靠性对生产的影响。
若进一步拓展思维，该分析方法也可延伸用于需求波动的情景建模。
-End-