
物流模型的結構
主要由生產前、生產中和生產后物流管理信息系統(在這三大系統里面各自包括子系統),以及生產物流回收系統、物流信息反饋系統、生產物流決策系統和人工智能系統等幾大系統組成。
物流模型所需的技術條件
條形碼、數據庫、網絡通訊技術、人工智能(專家系統與決策支持系統等)、自動化技術和計算機仿真技術等。
離散性仿真方法
離散系統是指系統狀態在某些隨機時間點上發生離散變化的系統。這種引起狀態變化的行為稱為"事件",因而這類系統是由事件驅動的。事件發生是隨機的,因而離散系統一般都具有隨機特征。系統的狀態變量往往是離散變化的。離散模型仿真方法主要分為事件為基礎、以活動基礎和以過程為基礎的仿真方法。以事件為基礎的仿真方法模型是通過定義系統在事件發生時間的變化來實現的;以活動為基礎是仿真模型是通過描述系統的實體所進行的活動,以及預先設置導致活動開始或結束的條件,這種仿真模型適用于活動延續時間不定,并且由滿足一定條件的系統狀態而決定的情況。以過程為基礎的仿真模型綜合了以事件為基礎的仿真和以活動為基礎的仿真兩者的特點,描述了作為仿真對象的實體地仿真時間內經歷的過程。
物流仿真模型:
物流仿真是指評估對象系統(配送中心、倉庫存儲系統、揀貨系統、運輸系統等)的整體能力的一種評價方法。
物流仿真是針對物流系統進行系統建模,并在電子計算機上編制相應應用程序,模擬實際物流系統運行狀況,并統計和分析模擬結果,用以指導實際物流系統的規劃設計與運作管理。物流仿真使用的建模方法有排隊理論,Petri網,線性規劃等。在中國,物流仿真技術還是個比較新的概念,大多數企業對物流仿真技術應用狀況及其意義了解并不多。
物流系統仿真的方法
物流系統大多是離散的、復雜的大系統,包含多約束、多因素的影響,難以達到較優狀態,傳統的運籌學方法無法對建立的模型進行有效求解,而仿真技術在解決這些問題時有其*到的優勢和特點,因此許多專家學者對物流系統仿真領域進行了大量的研究,以求使物流系統的價值潛力得到較大的發揮,提高企業的效率和利潤。
功能要素
指的是物流系統所具有的基本能力,這些基本能力有效地組合、聯結在一起,便成了物流的總功能,便能合理、有效地實現物流系統的總目的。物流系統的功能要素一般認為運輸、儲存保管、包裝;裝卸搬運、流通加工、配送、物流信息等。
折疊編輯本段支撐要素
以系統的建立需要有許多支撐手段,尤其是處于復雜的社會經濟系統中,要確定物流系統的地位,要協調與其它系統關系,這些要素必不可少。主要包括:體制、制度;法律、規章;行政、命令和標準化系統。
折疊編輯本段基礎要素
物流系統的建立和運行,需要有大量技術裝備手段,這些手段的有機聯系對物流系統的運行有決定意義。這些要素對實現物流和某一方面的功能也是必不可少的。要素主要有:①物流設施;②物流裝備;③物流工具;④信息技術及網絡;⑤組織及管理。
技術解讀
是借助計算機技術、網絡技術和數學手段,采用虛擬現實方法,對物流系統進行實際模仿的一項應用技術,它需要借助計算機仿真技術對現實物流系統進行系統建模與求解算法分析,通過仿真實驗得到各種動態活動及其過程的瞬間仿效記錄,進而研究物流系統的性能和輸出效果。物流仿真技術較大的優點就是上需要實際設備的安裝,上需要實際實施相應的方案,即可驗證如下目標:
①增加新設備后給公司或企業帶來的效應;
進口運輸報關物流仿真設施
進口運輸報關物流仿真設施
②設計新的生產線的好壞;
③比較各種設計方案的優劣等等。
物流仿真對降低整個物流投資成本,是上可或缺的。本文著重就物流仿真軟件在我國的應用現狀與發展趨勢展開分析描述。
物流模型基本概念:
即為預想的生產物流系統設計方案,如:生產物流系統從總體上分為進貨系統、搬運系統和出貨系統。通過JIT和ERP采購技術,將原材料直接送到生產車間加工,再將半成品直接送到裝配車間進行裝配,從而避免因搬運入庫所帶來的支出費用和儲存的管理費用,降低了生產成本。
事件調度法
事件調度法是面向事件的方法,是通過定義事件,并按時間順序處理所發生的一系列事件。記錄每一事件發生時引起的系統狀態的變化來完成系統的整個動態過程的仿真。由于事件都是預定的,狀態變化發生在明確的預定的時刻,所以這種方法適合于活動持續時間比較確定的系統。
事件調度法中仿真鐘是按下一時間步長法來推進的。通過建立事件表,將預定的事件按時間發生的先后順序放入事件表中。仿真鐘始終推進到較早發生的時間時刻。然后處理該事件發生時的系統狀態的變化,進行用戶所需要的統計計算。這樣,仿真鐘不斷從一個事件發生時間推進到下一個較早發生的事件時間,指導仿真結束。
隨機數和隨機變量的產生
物流系統中工件的到達、運輸車輛的到達和運輸時間等一般都是隨機的。對于有隨機因素影響的系統進行仿真時,首先要建立隨機變量模型。即確定系統的隨機變量并確定這些隨機變量的分布類型和參數。對于分布類型是已知的或者是可以根據經驗確定的隨機變量,只要確定它們的參數就可以了。
建立了隨機變量模型后還必需能夠在計算機中產生一系列不同分布的隨機變量的抽樣值來模擬系統中的各種隨機現象。隨機變量的抽樣值產生的實際做法通常是,首先產生一個[0,1]區間的、連續的、均勻分布的隨機數,然后通過某種變換和運算產生其所需要的隨機變量。
得到[0,1]區間均勻分布的、有良好的獨立性、周期長的隨機數后,下面的問題是如何產生與實際系統相應的隨機變量。產生隨機變量的前提是根據實際系統隨機變量的觀測值確定隨機變量的分布及其參數。
反變換法是較常用的方法,反變換法以概率積分反變換法則為基礎,設隨機變量X的分布函數為F(X);UI是[0,1]區間均勻分布的隨機數,利用反分布函數X=F-1(μ)就可以得到所需要的隨機變量X。