尽管市场上有许多高级计划与排程（APS）产品，但Simio公司提供的解决方案具有许多独特而引人注目的优势。 本文概述了Simio计划与排程方法有别于市场上其他解决方案的六个引人注目的卖点。
传统 APS 方法的一个关键问题是，它要求所有数据都是完全已知和确定的。例如，所有加工时间都必须是固定的（没有变化），不能出现意外事件（如机器故障）或意外延误（如采购的材料延迟到达）。 因此，APS 所产生的计划本质上是乐观的（即假设一切都按预期进行的 "幸福 "路径），通常与实际设施中发生的情况大相径庭。无论排程引擎多么强大，从排程中剔除变数通常都会导致预测排程与实际绩效之间产生巨大差异。 随着时间的推移，变数和意外事件会降低绩效，排程初期可行的排程通常会变得不可行。
在传统的 APS 系统中，我们不得不使用过于乐观的计划，在满足关键客户要求方面，这种计划的承诺超出了我们所能提供的。 调度员的经验是，确定性计划很少能实现，因此调度员不得不通过额外的时间、库存或产能组合来缓冲变异造成的性能下降；所有这些都会增加运营的低效率和成本。APS 无法提供完成这项任务所需的关键信息。
Simio 采用了基于风险的计划和排程（RPS），对传统的 APS 进行了扩展，以充分考虑几乎所有生产系统中都存在的变化，并为排程人员提供必要的信息，以便预先降低风险和不确定性。RPS 是一种基于仿真的方法，对底层仿真模型具有双重用途。 RPS 中使用的仿真模型可以建立在任何详细程度上，并可包含实际系统中存在的所有随机变化。RPS 首先通过执行关闭了所有随机性的仿真模型来生成确定性计划。不过，RPS 随后会使用随机性打开的同一仿真模型来多次复制计划生成（在有条件的情况下使用多个处理器），并记录各次复制的计划性能统计。记录的性能指标包括实现目标（如到期日）的可能性、预期里程碑完成日期（通常晚于计划日期，基于系统中的基本变化），以及乐观和悲观的完成时间（百分位估计值，同样基于变化）。要进一步了解变异为何如此重要，请参阅基于风险的计划和排程特别报告：丹尼斯-佩格登（Dennis Pegden）博士撰写的特别报告《为什么变异如此重要》。 下图显示了一个 RPS 甘特图示例，其中的目标显示了实现的可能性，并根据风险程度进行了颜色编码。 工具提示显示了计划、预期、悲观和乐观的装船日期，这些日期是通过复制模拟生成的进度表生成的。
请注意，在增加了可能性估计和彩色编码的风险等级后，调度员可以很快看出工作 3 和工作 4 没问题，而工作 2 面临高风险，工作 1 面临中等风险。这样，调度员就可以通过安排加班、拆分批次、改变优先级等方法来降低风险。关键在于，调度员事先掌握风险措施，以便现在就采取行动，确保及时满足重要的客户订单，并将运营成本降至最低。
尽管在 RPS 中使用仿真技术是一项新技术，但仿真技术在分析和改进系统设计的广泛应用领域中有着悠久的成功历史。 例如，仿真模型通常用于评估生产线中的变化，或评估和比较新的设施设计。 仿真使您能够看到变化的影响。您可以快速对模型进行更改，以测试您的想法，而不会干扰实际系统。通过模拟，您可以在模型中犯错，而不是在业务中犯错。
系统设计的改变不一定会产生预期的结果。复杂系统的行为往往与直觉相反。解决系统某一方面问题的投资（如新设备）可能只会将问题转移到另一个方面，而不会提高系统的整体性能。通过模拟，您可以将成功的想法与失败的想法区分开来，并优化业务绩效。通过模拟，您可以验证建议的设计，并充分利用有限的资金，将资源集中用于对结果影响最大的地方。
模拟可通过动画预览建议的变更，让您的想法栩栩如生。您还可以记录并以图形方式显示系统的关键性能指标。这不仅有助于分析建议的变革，还有助于向系统中的利益相关者传达这些变革的益处。
最后，模拟是一种可以让您充分考虑系统变化及其对整个系统性能影响的方法。通过模拟，您可以避免因采用传统的静态分析方法来理解和预测多变、复杂的动态系统的行为而产生的关键问题。
基于 RPS 的 Simio Enterprise 现在将传统上用于系统设计的仿真功能带到了设备的日常运行中。 Simio 允许单一仿真模型以两种方式实现价值：传统上用于分析和比较系统设计以降低成本和提高系统性能，而新的 RPS 应用则用于改善设备的日常运行。
商业利益：考虑到不确定性的现实时间表，及早洞察风险和潜在的缓解策略，从而以更低的成本利用现有资产增加收入。
从数学的角度来看，一般调度问题被归类为 NP-Hard，这意味着没有已知的高效（多项式约束）解决方案。因此，无论调度产品从其名称（如 Optimizer）或市场宣传中可以推断出什么，都没有一种算法或方法可以为大多数现实生活中的调度问题生成最优解。我们能做的最好的事情就是尝试有效地生成一个良好可行的解决方案，并适当考虑设施中的关键资源限制。
解决调度问题有两种基本的计算机方法。第一种是基于约束的排程优化（CSO），即把排程问题表述为一组必须满足的约束条件和一个目标（如尽量减少延迟作业的数量，或尽量提高吞吐量）。然后使用约束编程（CP）启发式算法（有时称为 CP 求解器）"求解 "数学公式。 CP 求解器使用启发式规则搜索满足约束条件并改善目标的候选解决方案。 这种方法的一个例子是基于 SAP APO-PP/DS 模块的 IBM ILOG CPLEX CP 优化器的调度解决方案。虽然这种方法在某些特定应用中效果很好，但它受到所能处理的问题规模和复杂程度的限制，而且求解器可能需要很长时间才能生成一个好的解决方案--尤其是随着问题规模和复杂程度的增加。通常情况下，为了使 CP 求解器能够控制问题的大小和复杂程度，必须通过假设细节来简化问题。
第二种方法是基于模拟的计划优化 (SSO)，我们使用动态决策规则，模拟工作在设施模型中的移动，以构建可行的计划。在模拟过程中，我们会使用一些启发式优化规则来创建一个良好的计划。启发式优化规则通常侧重于最大化吞吐量或最小化延迟作业数量。一些最大化吞吐量的优化规则以约束理论（TOC）为基础，优先考虑为瓶颈站供料的作业，以尽量减少关键资源的饥饿。其他吞吐量最大化规则包括尽量减少转换的规则，以及按特定有效顺序（如从浅到深或从宽到窄）排列作业的运动规则。最小化延迟作业数量的规则包括最早到期日期、最小剩余松弛时间和临界比率。需要注意的是，模拟生成的计划表模拟了设施内的实际工作流，假定应用了这些相同的 "优化 "启发式规则。这种方法的优点是 SSO 排程系统通常更容易实施，能更灵活地捕捉设施限制，并能更快地生成排程。
Simio Enterprise 提供了将优化规则纳入仿真模型的灵活框架。 Simio 既支持静态规则（如最早到期日期），也支持动态规则（如最短转换时间）。 Simio 还可使用开放式 .NET 框架，在 Visual Basic、C# 等语言中轻松实现自定义规则。
对于任何调度工具来说，生成计划的速度都是一项关键功能。当系统中发生意外情况（机器损坏、材料延迟到达等）时，能够快速生成反映变化的新计划非常重要。 由于执行速度快，SSO 工具在这方面比 CSO 工具具有明显优势。Simio Enterprise 基于高效的 Simio 仿真引擎构建，可在一分钟内生成大型计划。Simio 还提供了一种独特的功能，即采用多个处理器，在模型多次复制的基础上快速生成相应的风险分析。
业务优势：能够创建灵活的规则以实现运营目标，能够针对计划外事件快速重新制定计划。
在 CSO 和 SSO 排程方法中，工具本身往往会限制排程的详细程度。 在 CSO 排程解决方案中，模型表述受限于系统中可表示的约束类型。CSO 排程解决方案还受限于需要保持模型表述足够小、足够简单，以便求解器能在合理的时间内生成解决方案。 SSO 排程解决方案通常在产品中内置数据驱动模型，无法针对特定应用进行更改或定制。虽然可以更改为模型提供数据，但模型的底层结构不能更改。
由于这些限制，传统的 SSO 工具通常无法使用，因为它们无法合理地捕捉到设备中的关键约束条件。 在其他情况下，传统工具仍然可以使用，但关键约束条件被忽略或近似，产生的计划被调度工具认为是可行的，但在实际设备中却是不可行的。
传统排程工具通常会忽略的一个关键约束条件是用于在工作站之间移动物料的 AGV 或叉车等物料搬运设备。 如果要考虑这些约束条件，通常会在排程中将其近似为 "平均 "和恒定的移动时间，而与系统中的拥堵情况无关。 然而，在我们采用转移批量以减少在制品的情况下，物料搬运设备的及时可用性和移动可能是设备的一个关键约束条件。
Simio Enterprise 采用 SSO 方法进行排程，但使用专门建立的 Simio 系统模型取代了罐装数据驱动模型。这样做的主要好处是，您可以利用 Simio 仿真软件的全部建模功能，充分捕捉系统中的制约因素。您可以使用 Simio 标准对象库为系统建模，也可以根据需要创建自己的自定义对象来为复杂系统建模。 您可以将叉车或 AGV 等移动物料设备（以及其移动路径上出现的拥堵情况）以及起重机和传送带等复杂物料处理设备包括在内。Simio 建模工具对模型中包含的约束类型和数量没有限制。
有了 Simio Enterprise，您就不必再假设生产系统中的关键约束条件。您可以使用一个完全反映复杂生产和供应链实际情况的模型，生成确定性计划和相关风险分析。
商业利益：能够准确模拟设施的约束条件，而无需强加排程工具限制，以免产生乐观的排程和隐藏不必要的成本。
传统的甘特图提供了一种方便的静态图形视图。 在典型的日程安排产品中，甘特图仅限于提供日程安排视图。 然而，Simio 提供了许多独特的甘特图功能，可帮助您分析和降低与特定日程安排相关的风险。这些独特而强大的功能旨在为您提供一系列有用的信息，并允许您直接编辑用于生成计划的基础数据。
甘特图显示时间轴上间隔的时间条，时间条的长度代表某些活动的持续时间。 甘特图可用于显示处理特定资源上所有作业的步骤。这种甘特图被称为资源甘特图，因为甘特图中的每一行都是一个特定的资源，而时间柱则是在该资源上处理所有作业的特定步骤。 甘特图还可用于显示处理特定作业或订单时使用的所有资源。这种甘特图被称为实体甘特图，因为甘特图中的每一行都表示一个特定的实体（作业或订单），而时间柱则表示处理该实体所需的资源。前面显示风险分析的甘特图就是实体甘特图。Simio RPS 同时提供资源甘特图和实体甘特图。
Simio 实体甘特图可用于跟踪特定工作/订单的进度和资源使用情况。该甘特图还显示每个作业的风险度量，包括满足特定里程碑（如到期日）的概率。 此外，该甘特图还显示每个作业在设备处理过程中花费的所有非增值时间（如等待工人或材料）。该甘特图还以透视网格的形式提供了相关的约束日志，详细记录了阻碍工作进度的所有约束条件（材料、资源等）。可以对约束日志进行过滤、排序和透视，以深入研究与计划表中一项或多项工作相关的具体问题。
Simio 资源甘特图可用于检查计划表中每个作业对单个资源的利用情况。甘特图显示每个资源随时间变化的状态（繁忙、饥饿、下班等）以及使用该资源执行的每个作业步骤。该甘特图还以图形方式显示该资源在一段时间内等待处理的作业。
每个 Simio 甘特图都链接在一起，允许用户在两个甘特图视图之间快速交替查看单个作业/资源。您可以双击实体甘特图中的资源时间条，立即跳转到资源甘特图中时间线相同点的资源和实体。同样，您也可以双击资源甘特图中的实体时间条，立即跳转到实体甘特图视图中的相应实体。 我们马上就会看到，这些静态甘特图还与进度表的 3D 动态动画相互关联。
甘特图除了为评估与特定工作相关的风险和限制提供有用信息外，还可用于直接编辑资源和工作属性。 例如，您可以点击甘特图中的工作并更改其优先级，或点击机器并更改其工作选择规则。您还可以直接在资源甘特图上输入机器故障和加班时间。正如我们稍后将讨论的，调度程序可进行的更改类型非常灵活，可在 Simio RPS 模型开发过程中进行配置。
商业利益：能够快速评估计划的质量，以及非增值时间的根本原因和缓解策略。
尽管 Simio 中的甘特图功能强大，但仍只能提供静态的进度表视图。Simio 还提供了生成进度表的三维动画视图，该视图可独立运行，但也可与实体和资源甘特图集成。 例如，您可以双击三维动画中的资源，然后直接跳转到甘特图中的该资源。 您还可以在资源甘特图上选择资源和进度时间，然后直接跳转到同一时间点的动画。三维动画模型还可用于直接编辑实体和资源属性，即点击动画中的实体或资源并更改所选属性。下面显示的是一个典型三维动画的快照。
Simio Enterprise 为您提供了真正身临其境的三维体验，让您深入了解进度计划，而这是甘特图等纯静态视图所无法提供的。 通过动画，您可以向前看，了解进度计划的执行情况。 这种进度计划视图是其他 APS 解决方案所不具备的。
商业利益：与静态图表相比，通过提供生成进度表的交互式三维动画，能够获得更多的运营洞察力，从而在避免成本的同时及早降低进度表风险。
利用可定制的数据和用户界面快速实施排程解决方案，尤其是 CSO 解决方案，传统上都是昂贵且耗时的安装程序。 相比之下，Simio 企业版利用标准 Simio 产品系列，为排程提供了经济高效的解决方案。Simio 正迅速成为许多公司的标准仿真产品，同时也在全球 400 多所大学广泛教学和使用。Simio 教科书目前已有英语、西班牙语、意大利语、中文、蒙古语和葡萄牙语版本，更多版本即将推出。
Simio RPS 采用的设施模型可使用任何流行的 Simio 仿真产品开发。您也可以使用为评估设施设计变更而开发的相同模型来推动 Simio RPS 的安装。 因此，一个模型即可用于推动设施设计的改进，也可用于协助日常运营。
Simio 企业版可让您轻松定制调度程序的用户界面。您可以完全配置调度程序可以查看和编辑的数据类型，并根据特定应用领域完全定制实施方案。
Simio 完全支持与各种外部数据源集成，包括 Oracle、SQL Server 和 Access 等关系数据库。您还可以创建与其他数据源的自定义接口，并创建可导入和绑定外部数据库的完全关系型内存 Simio 数据库。
虽然实施 Simio 企业解决方案不需要编程，但 Simio 是建立在具有开放 API 的现代 Microsoft .NET 框架上的，因此可使用任何 .NET 语言（如 Visual Basic、C#、J# 等）轻松扩展。这种开放式框架还支持开发自定义优化规则，例如作业/机器选择。
商业利益：可根据特定应用程序定制的调度界面，因此更易于学习和使用。这样可以更快、更具成本效益地实施计划
下载 PDF 版本