物流模型的方法分類
物流仿真使用的建模方法有排隊理論，Petri網，線性規劃等。


一些專業的物流仿真軟件平臺，提供基本的功能元素，使仿真的編程工作大大簡化，常見的有Witness,em-Plant,Flexsim,Simio等等。


由于物流系統的專業化和規模化，物流仿真已經逐步成為物流行業規劃與建設的*環節
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。
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。
物流模型基本內容：
在企業生產系統中，物料流轉貫串于加工制造過程的始終。生產過程物流的目標是提供暢通無阻的物料流轉，以**生產過程順利地高效率地進行，減少物料搬運的數量、頻率和距離，減少物流費用，降低成本，防止物料損壞丟失。生產物流合理化的中心課題是工序之間的以產定供。如果物流過程組織的水平低，達不到基本要求，即使生產條件、設備、工藝再好，也不可能順利完成生產過程，更談不上取得較好的經濟效益。因此，企業沒有生產就沒有生產物流，生產物流不暢就會導致生產停頓。


物流模型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。最后將一部分預訂新產品直銷到分銷商或批發商或用戶手中，另一部分暫存入成品庫。這個過程除了建立在物流信息管理系統的基礎上外，還包括其它一些技術，如：看板卡、定時取貨卡、料架標簽以及倉庫庫存物料標識等，是倉庫、物流部門及生產線之間重要的信息傳遞工具。
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。
物流仿真軟件的仿真過程：
即是建立物流系統模型并通過模型在計算機上的運行來對模型進行檢測和休整，使模型上斷趨于完善的過程。物流仿真軟件主要應用于企業內部生產物流仿真，企業倉儲、運輸和配送流程仿真，物流咨詢仿真以及高校物流專業仿真研究學習等。 隨著物流的發展，物流系統已經變得越來越夊雜，內部的關聯性也隨之變得越來越強。仿真就成了企業檢測其物流系統及決策是否有效或高效的一個重要途徑;此外， 企業設計一個新的物流系統，或對已有的系統添加新技術、新裝備，進行原有系統改造，都需要物流仿真技術和仿真軟件的應用。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上多。

建立物流模型的基本步驟：
1、 資料的收集和實驗設計。包括建模所必須的同步交通、鐵路、水運、空運等資料和所涉及的反應動力學常數，否則要現場監測和實驗獲取。


2、 確定模型的結構。包括建立或選擇模型的結構并進行平衡性、穩定性和靈敏性考察。


3、 確定模型的參數（常數）并使其代入模型后能較好地重現一組觀測數據，稱為率定模型。


4、 模型的檢驗。檢查率定好的模型的計算值同另一組觀測值的擬合度，衡量模型的預測能力。


5、 應用。衡量模型能否滿足建模目的。以上各步若不能滿足需求，均需從頭做起。

-/gjjafj/-