Simio 19 已经发布，它带来了一套强大的新功能，重新定义了仿真建模的可能性。这一重要版本标志着 Simio 从传统的仿真工具发展成为全面的决策支持平台。此次更新包括几项显著的增强功能--用于更快实验的 Bi-PASS、增强型材料清单（BOM）框架和 Nvidia Omniverse 用户扩展，其中 Python 集成是最具变革性的功能，它改变了仿真专业人员的一切。
该版本消除了几十年来限制仿真应用的传统约束。企业现在可以利用 Simio 久经考验的仿真功能和 Python 广泛的计算生态系统的综合能力，解决以前无法解决的复杂难题。对于建模人员来说，这种集成减少了自定义编码的要求，从而大大简化了开发工作。从业务角度来看，它实现了数据转换、优化和连接的更原生混合，从而使模型更准确，交付时间更短。让我们探讨 Simio 19 如何突破这些障碍，为建模、分析和决策创造新的可能性。
19 版中的 Simio Python 集成通过在 Simio 仿真引擎和 Python 计算框架之间建立本机桥梁，为高级仿真建模创造了宝贵的机会。这一集成是一项重大改进，拓展了仿真为企业带来价值的方式。
在其基础上，Python 集成通过创新的流程步骤发挥作用，允许建模人员在其仿真模型中直接执行 Python 代码。该架构建立了一个动态工作流，Simio 可将当前模型状态、实体属性和表格数据发送到 Python 进行处理。然后，Python 应用其广泛的库生态系统，包括用于数值计算的 NumPy、用于数据处理的 Pandas 和用于机器学习的 scikit-learn，然后返回结果，直接实时影响仿真行为。
运行时的这种双向数据流消除了仿真建模和高级数据处理之间的传统障碍。传统方法要求建模人员导出数据，从外部进行处理，然后重新导入结果--这个过程非常耗时，而且在仿真执行时往往会导致信息过时。新架构实现了仿真逻辑与高级计算流程之间连续、实时的互动，创建了一个统一的环境，让复杂算法和机器学习模型与离散事件仿真同时运行。
技术实施利用增强型 API 框架，可对数字孪生模型进行编程访问，同时支持实时同步功能。该基础设施可实现与企业系统（包括 ERP 和 MES 平台）的无缝连接，从而为数据驱动决策创建一个全面的生态系统。
Python 与 Simio 的集成消除了仿真与高级分析之间的传统障碍，使建模人员能够利用 Python 广泛的生态系统，同时保持 Simio 强大的仿真功能。建模人员现在可以将 Python 脚本作为标准流程步骤来执行，无需离开 Simio 环境即可访问数以千计的专业库。
这一功能为在仿真模型中实现复杂逻辑增加了另一个强大工具。以前具有挑战性的算法，如高级路由优化、预测性维护调度或动态资源分配，现在都可以使用成熟的 Python 库和框架更轻松地实现，尤其是在标准仿真结构中没有现成的系统细节时。该集成支持从使用 Pandas 的基本数据操作到使用 TensorFlow 和 PyTorch 的复杂机器学习实现的所有功能。
Python 集成通过将 Simio 的仿真环境与 Python 的计算能力连接起来，提供了灵活性并简化了实现过程。Python 代码与仿真上下文一起工作，保持对当前模型状态的访问，同时利用现代 Python 实现的广泛库生态系统。这种集成使建模人员能够实施复杂的决策逻辑，补充 Simio 的本地功能。
增强型数据集成框架简化了与企业系统和云存储的连接，为自动化工作流和数据处理创造了新的可能性。Simio 19 引入了与 Amazon S3 和 Azure Blob Storage（以前只能作为用户扩展）的本机直接集成，使企业能够直接从云存储导入和导出 JSON 和 CSV 文件，而无需全面的数据库基础设施。这些连接为数据开辟了更现代化的工作流程，并为存储大量信息的客户降低了运营成本。
这种云集成功能满足了现代仿真工作流程的关键需求。该框架支持自动数据准备工作流，Python 脚本可在数据进入 Simio 模型前对其进行清理、转换和验证。企业可以直接查询数据库表，使用 Python 过滤和转换数据，并准确导入仿真所需的数据--所有这些都无需手动导出/导入流程。
数据集成框架还能通过 Python 包直接连接企业系统。例如，企业可以使用 Python 包直接连接到 SAP 系统，查询相关表格，并在模型执行期间处理数据。这一功能消除了仿真工作流程中的传统瓶颈，同时确保模型始终使用最新的准确信息。
Python 集成的价值之一在于它能够简化与各种数据源的连接。该集成可改进数据访问和处理，使仿真模型能够整合来自不同系统的信息。这种增强的连接性通过提高物理系统与其虚拟对应系统之间的同步性，加强了数字孪生应用。
数字孪生应用得益于 Simio 增强的数据连接功能，使企业能够创建更准确的系统表征。企业系统可通过简化的接口将数据输入仿真模型，而仿真结果则可与连接的系统进行处理和共享。这种方法提高了模型的准确性，并提供了更多可操作的见解。
双向交流创建了强大的反馈回路，使仿真模型能够适应并响应 Python 中执行的计算。例如，制造仿真可将生产数据发送到 Python 脚本，该脚本可应用算法确定最佳调度决策，然后返回这些决策以影响仿真行为。
Python 集成实现了多个行业的复杂应用，而这些应用以前很难通过传统的仿真方法来实现。
在制造环境中，企业可以将仿真模型连接到生产控制系统，创建反映工厂状况的动态模型。Python 算法可以分析生产数据，识别瓶颈，并建议通过仿真框架实施的调度决策。这种方法减少了仿真分析和操作实施之间的差距，使系统能够根据当前条件调整生产参数、重新安排操作和优化资源分配。
医疗机构可利用这些功能优化患者流量、资源分配和设施设计。通过集成，可以连接到病人管理系统，从而建立现实的病人流模型，并根据数据模型实施定制的分流算法。增强的功能使医疗机构能够更有效地应对不断变化的患者数量、紧急情况和资源限制。
在物流和运输方面，Python 集成简化了路线优化、车队管理和供应链协调的实施。企业可以更轻松地实施算法，通过分析性能数据来预测车队配置和路线策略。仿真模型可在各种需求场景下验证这些建议，提供运营效率和成本优化机会的综合分析。
集成简化了仿真中的人工智能应用。企业可以更轻松地在仿真输出上训练机器学习模型，使用人工智能优化仿真参数，并针对复杂的决策场景实施强化学习。通过机器学习算法分析仿真结果以识别模式并优化模型参数，这些功能有助于开发随时间推移而不断改进的自适应仿真。
人工智能集成还支持预测分析应用，机器学习模型通过分析历史数据来预测未来状况，从而实现主动优化和风险缓解策略。先进的自动化功能包括带自动报告的计划仿真运行、与开发管道的集成（用于仿真模型开发）以及跨多个计算资源的分布式仿真执行。
Python 集成使建模工作流程的协作和自动化达到了新的水平。团队可以开发实现通用算法和流程的共享 Python 库，创建可重复使用的组件，加快跨组织的模型开发。集成支持自动验证和检验流程，Python 脚本可测试模型行为、根据已知基准验证结果并生成综合报告。
尽管 Python 集成是 Simio 19 的核心，但其他几项重要增强功能也共同打造了真正的下一代仿真环境。
Simio 19 引入了 Bi-PASS 功能，实现了并行自适应生存者选择（Parallel Adaptive Survivor Selection），旨在加速大规模实验和优化。该功能可动态评估仿真输出的均值和方差，在实验过程的早期识别非竞争方案。
Bi-PASS 功能允许模型跳过不具竞争性的实验运行，从而节省大量时间和计算资源。这对于计算能力有限或项目时间紧迫的企业尤为重要，可使实验更加高效，并将重点放在有希望的方案上。该功能是 Simio 实验工具包的又一重要补充，它与方案生成器、OptQuest、子集选择和选择最佳方案选项一起，帮助用户找到优化模型结果的最佳方法。早期实施表明，在不影响结果质量的前提下，实验总运行时间大幅缩短，从而在实际时间限制内对解决方案空间进行更全面的探索。
Simio 19 中重新设计的物料清单 (BOM) 框架能更好地支持复杂的生产和供应链方案。新系统完全由表格驱动，与物料元素紧密集成，提供的功能反映了 ERP 系统中真实世界的计划逻辑。
主要增强功能包括支持每个产品的多个物料清单、组件级替换、基于时间的物料清单选择的有效窗口以及物料清单选择的优先级规则。该框架还支持物料混合功能，从而能够对具有复杂物料需求的生产环境进行更精确的建模。这些功能使企业能够模拟复杂的生产场景，密切反映实际制造流程，包括动态材料替换、时间敏感的组件选择和复杂的装配要求。
Simio 与 Nvidia Omniverse 的集成可能是最令人印象深刻的视觉增强功能，可实现仿真模型的高保真实时可视化。该扩展创建了双向连接，Simio 可以向 Omniverse 发送实时更新，驱动动画和可视化表现，而 Omniverse 则可以向 Simio 发回输入。
其结果是创造出更身临其境、更直观的数字孪生体验，这对利益相关者的沟通和操作验证尤为重要。这种可视化功能使非技术利益相关者更容易理解复杂的系统行为，有助于弥合技术仿真结果与业务决策之间的差距。Omniverse 集成支持仿真场景的实时渲染，使利益相关者能够在系统行为发生时对其进行观察，并通过影响仿真行为的可视化界面与模型进行交互。
Simio 19 中引入的 Python 集成极大地增强了仿真建模能力。通过减少仿真建模和高级分析之间的障碍，企业可以利用现有的 Python 专业知识，同时获得强大的仿真功能。请注意，Simio 19 引入了 Python 集成的第一部分，导入/导出功能计划在未来版本中推出。
这种集成创建了统一的平台，支持从基本流程建模到高级数据驱动优化系统的所有功能。这使企业能够开发更复杂的仿真，准确反映现实世界的复杂性，同时为决策提供可行的见解。
对于目前正在使用仿真技术的企业来说，Simio 19 的 Python 集成为其提供了利用额外的分析功能和改进的数据集成来增强现有模型的机会。该功能专为具有仿真经验并希望利用 Python 计算能力扩展其模型的用户设计。
首先探索 Simio 19 提供的示例，了解 Python 集成如何增强您的特定仿真场景。在将实施方法应用到自己的模型之前，请先查看文档和培训材料，熟悉实施方法。
Simio 19 的发布标志着仿真技术的重要进步。Python 集成为企业开发更复杂的仿真应用程序提供了宝贵的机会，可直接支持业务目标和卓越运营。
这一进步消除了限制仿真应用的许多制约因素，为创新和价值创造开辟了新的可能性。与传统的仿真方法相比，企业现在可以利用 Simio 久经考验的仿真能力和 Python 广泛的计算生态系统的综合力量，更有效地应对复杂的挑战。
准备好亲自体验这些新功能了吗？ 请免费试用 Simio 30 天，如果您已经是许可证持有者，则可通过 "我的账户"访问最新版本。了解 Python 集成如何改变您的建模和决策方法。
如需更深入的技术见解和实施指导，请观看这些详细的 Simio Sync 演示：
虽然本博客主要关注 Python 集成，但请继续关注即将发布的博客，这些博客将更详细地探讨 Simio 19 的其他强大功能，包括增强型 BOM 框架、Bi-PASS 实验功能和 Nvidia Omniverse 用户扩展。
仿真障碍已被打破。现在的问题是：您将如何利用这些功能来改变企业的建模、分析和决策方法？