شبیه‌سازی تولید را با شواهد عملیاتی مرتبط با تصمیم مورد نظر اعتبارسنجی کنید. اول بررسی کنید پیادهسازی از قواعد تعریف‌شده پیروی میکند، سپس خروجی را با دوره‌های مستقل و شرایط همسان مقایسه کنید. نرخ خروجی، صف، زمان عبور و رفتار منابع را بسنجید، نه فقط یک میانگین را. معیار پذیرش را پیش از تنظیم تعیین کنید، عدم قطعیت مهم را اندازه بگیرید و محدودیت کاربرد مدل را بنویسید. مدلی که با یک دوره تاریخی جور شده، الزاماً برای خط تغییریافته قابل اتکا نیست.
درست‌بودن پیادهسازی را از اعتبار رفتار در دنیای واقعی جدا کنید.
تطابق کلی گمراه‌کننده را در یک مثال پیدا کنید.
شرایط اعتماد به یک سناریو را مشخص کنید.
از تصمیم و پیامد آن شروع کنید
مدلی برای مقایسه اندازه بافر، شواهد متفاوتی از مدلی برای تعهد تاریخ تحویل می‌خواهد. تصمیم پیشنهادی، گزینه‌های اجراشدنی و هزینه انتخاب اشتباه را مشخص کنید.
در کار NIST درباره اعتبار دوقلوی دیجیتال تولید، بررسی پیادهسازی، اعتبارسنجی و عدم قطعیت فعالیت‌های مداوم‌اند. این اصل برای شبیه‌سازی رویدادگسسته تولید هم کاربرد دارد، حتی اگر به تجهیز زنده وصل نباشد.
مقایسه دوقلوی دیجیتال، شبیه‌سازی و فرایندکاوی به انتخاب روش کمک میکند. این مقاله بررسی میکند مدل انتخاب‌شده برای یک تصمیم مشخص قابل اتکا هست یا نه.
پیش از مقایسه میانگین‌ها، پیادهسازی را بررسی کنید
یک قطعه را در اجرای ساده دنبال کنید. مسیر، گرفتن و آزادکردن منابع، منطق تعویض، تقویم و بازیابی خرابی را بررسی کنید. قطعه نباید ناپدید یا چند برابر شود؛ دو کار هم نباید هم‌زمان یک منبع انحصاری را اشغال کنند.
در مرز ساده سیستم، موجودی در جریان اولیه به اضافه ورودی‌ها باید برابر خروجی‌ها به اضافه موجودی در جریان نهایی باشد؛ اسقاط و سایر خروج‌ها را هم حساب کنید. دوره تعطیل، تقاضای صفر، انسداد پایین‌دست و توقف گلوگاه را آزمایش کنید.
پویانمایی می‌تواند قانع‌کننده باشد، در حالی که تقویم اشتباه دارد یا هم‌پوشانی ناممکن منابع را اجازه میدهد. رد رویداد و آزمون صریح را نگه دارید، نه فقط تصویر صفحه را.
تطابق کل ممکن است روزهای اشتباه را پنهان کند
مثال فرضی یک دوره همسان پنج‌روزه: خروجی سالم واقعی ۱۰۰، ۱۱۰، ۹۵، ۱۰۵ و ۹۰ واحد است. مدل ۱۰۴، ۱۰۸، ۹۹، ۱۰۱ و ۹۴ واحد میدهد. جمع واقعی ۵۰۰ و جمع مدل ۵۰۶ است؛ فقط ۱٫۲ درصد بیشتر.
خطاهای مطلق روزانه ۴، ۲، ۴، ۴ و ۴ واحدند. میانگین خطای مطلق برابر 18 / 5 = 3.6 واحد در روز است. نزدیکی جمع هفتگی ثابت نمی‌کند مدل، الگوی عملیات روزانه، صف یا ریسک تحویل را درست بازسازی میکند.
این پنج نتیجه فقط محاسبه را نشان می‌دهند؛ تعداد کافی تکرار تصادفی یا پوشش اعتبارسنجی نیستند. ارزیابی واقعی، در صورت اهمیت ورودی تصادفی، اجرای تکراری و شرایط عملیاتی مستقل می‌خواهد.
| روز | واحد واقعی | واحد مدل | خطای مطلق |
|---|---|---|---|
| 1 | 100 | 104 | 4 |
| 2 | 110 | 108 | 2 |
| 3 | 95 | 99 | 4 |
| 4 | 105 | 101 | 4 |
| 5 | 90 | 94 | 4 |
| جمع | 500 | 506 | جمع خطاهای مطلق: 18 |
داده تنظیم را از داده اعتبارسنجی جدا نگه دارید
از یک دوره برای تخمین ورودی‌ها و تنظیم مدل استفاده کنید و دوره‌های دیگر را برای مقایسه کنار بگذارید. ترکیب محصول، نیروی انسانی، زمان برنامه‌ریزی‌شده، موجودی اولیه و دسترسی مواد را همسان کنید. مقایسه مدل یک شیفت با بار کاری شیفت دیگر منصفانه نیست.
نحوه برخورد با دوره گرم‌شدن مدل و وضعیت شروع را ثبت کنید. خط شبیه‌سازی خالی ممکن است با کارخانه‌ای که با بافر پر شروع میکند متفاوت رفتار کند. برای مدل تصادفی، بذرهای تصادفی، تعداد تکرار و برآورد بازه را نگه دارید.
پروژه SimPROCESD از NIST نمونه باز شبیه‌سازی رویدادگسسته با ویژگی‌های مشخص سیستم تولید ارائه میکند. در دسترس بودن نرم‌افزار ثابت نمی‌کند مدل خاص شما اعتبارسنجی شده است.
- پیش از تنظیم، بر پذیرش توافق کنید
با مسئول تصمیم، خروجی مرتبط، سنجه خطا، بازه و شرایط عملیاتی را انتخاب کنید.
- قواعد را با آزمون کوچک بررسی کنید
تعارض منابع، بقای قطعات، تقویم، اختلال و منطق مسیر را با رد رویداد قابل بررسی آزمایش کنید.
- با عملیات مستقل مقایسه کنید
شرایط همسان را اجرا کنید و خروجی، توزیع صف، زمان عبور و رفتار منابع را مقایسه کنید.
- عدم قطعیت و محدودیت را بسنجید
ورودی‌های نامطمئن مهم را تغییر دهید، اجرای تصادفی را تکرار کنید و بنویسید کجا پیشنهاد عوض می‌شود.
سازوکار پشت پیشنهاد را اعتبارسنجی کنید
اگر مدل ماشین اضافه پیشنهاد میکند، گلوگاه پیش‌بینی‌شده، کمبود ورودی و انسداد را با مشاهده مقایسه کنید. تطابق خروجی کل همراه رفتار صف غیرواقعی، می‌تواند سرمایه‌گذاری اشتباه را توجیه کند.
از تحلیل گلوگاه برای یافتن شواهد فیزیکی استفاده کنید. از اپراتور و برنامه‌ریز بخواهید قواعد را بررسی کنند؛ به‌خصوص وقفه و راه‌حل غیررسمی که در گزارش سیستم نیست.
سناریو شرایطی را وارد میکند که مستقیماً مشاهده نشده‌اند. اجزای مرتبط را اعتبارسنجی و حساسیت را بررسی کنید. صرف تطابق وضع پایه، سناریوی جدید را اثبات نمی‌کند.
شواهد اعتبار را نسخه‌گذاری کنید
داده ورودی، فرض‌ها، نسخه مدل، تنظیم اجرا، آزمون‌ها، محدودیت‌ها و تصمیم پذیرش را کنار هم نگه دارید. با تغییر مسیر، تعویض یا نیروی انسانی، شواهد مرتبط را دوباره بررسی کنید.
پیشنهاد را مشروط به مرز اعتبارسنجی‌شده و عدم قطعیت گزارش کنید. دوقلوی دیجیتال که داده را مداوم تازه میکند هم با تغییر فرایند یا مدل نیاز به بازبینی دارد.
چک‌لیست عملی
- تصمیم و پیامد خطا را مشخص کنید.
- پیش از تنظیم، معیار پذیرش را توافق کنید.
- مسیر، منابع و بقای قطعات را بررسی کنید.
- تقویم، ترکیب محصول و وضعیت شروع را همسان کنید.
- دوره‌های مستقل را برای اعتبارسنجی نگه دارید.
- صف و زمان عبور را کنار نرخ خروجی مقایسه کنید.
- تکرارهای تصادفی و عدم قطعیت ورودی را ثبت کنید.
- شواهد را نسخه‌گذاری و محدودیت کاربرد مدل را بیان کنید.
پرسش‌های متداول
پرسش‌های متداول
منابع و مطالعهٔ بیشتر
منابع معتبر استفاده‌شده برای پژوهش و بررسی این راهنما.