Table of Contents

Üretimde Süreç Simülasyonunu Anlamak

Süreç simülasyonu, fiziksel bir üretim sisteminin sanal gösterimini oluşturan dijital ikiz bir metodolojidir. Bu model aynalar gerçek dünya operasyonları, ekipman davranışları, malzeme akışları ve kontrollü bir hesaplama ortamındaki mantıksal algılamalar ve kontrol mantığıdır. Statik diyagramlar veya yayılmış tablolar aksine, dinamik bir simülasyon, sistemin farklı koşullar altında nasıl davrandığını gözlemlemeye olanak sağlar.

Modern üretim ortamları giderek karmaşıktır, birbirine bağlı makineler, sıkı toleranslar ve hata gerçekleştiğinde, alt zaman maliyeti çok büyük olabilir ve sistem dinamiklerini geri yüklemeye ve daha dayanıklı süreçleri geliştirmeye yardımcı olabilir.

Dijital ikiz teknoloji hızla gelişti, bilgisayar gücündeki gelişmeler tarafından yönlendirildi, gerçek zamanlı veri alımı ve makine öğrenimi. Bugünün simülasyon platformları her zaman operasyonel bir araçla simülasyona olanak sağlar.

Problemshooting ve Yanlış Tespitde Simülasyonun Eleştirel Rolü

Geleneksel olarak üretimde sorun, sezgi ve deneme-ve-teröre bağlıdır. Bu yaklaşımlar değere sahip olsa da, genellikle yavaş, pahalı ve yanlış teşhislere eğilimlidir. Süreç simülasyonu, mühendislerin değişkenleri izole etmesine izin vererek hata tespitine olanak sağlar, test kalibre ilişkileri ve her potansiyel kök nedenlerinin etkisini ölçmek için.Bu tür bir yangınla ilgili bir çatışmadan yapısal, veri odaklı bir disipline dönüşmektedir.

Prodüksiyon Etkisi Önce Erken Hata Tespiti

Simülasyonun en önemli avantajlarından biri, mağaza zemininde ortaya çıkmadan önce hataları tespit etme yeteneğidir. Örneğin, bir simülasyon modeli, anavatandaki aşamalı bir düşüşin iki konveyör segment arasında ince bir zamanlama yanlışlığı nedeniyle ortaya çıktığını ortaya çıkarabilir. Canlı bir sistemde, bu hata daha sonra bir reçel veya kaliteli bir kusura neden olabilir.

Kompleks sistemlerde Kök Neden Analizi

Üretim hatları genellikle düzinelerce bağımlı makine, sensörler ve kontrol döngüleri içerir. Bir hata göründüğünde, gerçek kök nedeninin son derece zor olabileceğini ortaya çıkarabilir. sensör okuması, 7 İstasyonda bir problemin ortaya çıkmasının gerçek nedeni, sadece aşağılayıcının kontrol edilmesine izin veren bir değişken olabilir.

Örneğin, geçici bir kontraseptör deneyimleyen bir paketleme hattı, mühür sıcaklığında varyasyonları basit bir şekilde incelenebilir, film gerginlik ve konveyör hızı aynı anda test edilebilir. Simülasyon, gerçek etkileşimi ele aldığında sadece transkript sıcaklığının 0,0 ve) altında düşmesiyle ortaya çıkabilir.

Risksiz Senaryo Testi

Canlı bir üretim ortamında, hata senaryoları doğal olarak risklidir. Sistem dayanıklılığını görmek için bir hata tanıtılır, ekipman oluşturabilir, güvenlik tehlikeleri yaratır veya büyük miktarda bilgi vermez. Simülasyon bu riskleri tamamen ortadan kaldırır.

Problemshooting için Süreç Simülasyonunu Kullanma Kılavuzu

Problem çözme için süreç simülasyonunu uygulamak sistematik bir yaklaşım gerektirir. Aşağıdaki adımlar farklı üretim bağlamlarına adapte edilebilir bir çerçeve sunar, ayrı ayrı montaj hatlarından sürekli kimyasal süreçlere kadar.

Adım 1: Süreç Parametrelerini ve Kapsamnı Tanımlayın

Herhangi bir model inşa etmeden önce, basitleştirilmiş ve neden olduğunuzu tanımlamak önemlidir. Süreç hakkında ayrıntılı veriler toplanmasıyla başlayın, makine özellikleri (kampiyon süreleri, kapasite, başarısızlık oranları), malzeme akış özellikleri (parçalama süreleri, sabit boyutlar, tamponlar), kontrol mantığı (sensor tetikleyiciler, interlocks, sequencing), ve kalite parametreleri (tolerances, denetim noktaları). açıkça ifade etmek hedef: Belirli bir tekrarlanan bir hatayı araştırıyor musunuz, önerilen bir değişikliği değerlendirmek veya değerlendirmek için?

Kapsam sınırları eşit derecede önemlidir. Üretim hattının hangi kısımlarının modelde dahil edileceğine karar verin ve gerçek dünya gözlemlerine karşı doğrulanabilirler.

2. Adım: Simülasyon Modelini Yapın

Üretim sürecinin sanal bir kopyasını kullanarak. Popüler platformlar, Arena, FlexSim, Simul8, AnyLogic ve Plant Simulator. Sürekli süreçler için, Aspen Plus veya gPROMS gibi araçlar daha uygun olabilir. Model tüm ilgili fiziksel elementler (maksimler, konveyörler, robotlar, depolama) ve mantıksal öğeleri (kontrol kuralları, operatör eylemleri, bakım programları).

Model binası sırasında, stokastik elementlere dikkat edin. Gerçek üretim süreçleri döngü zamanlarında rastgeleliği içerir, hata oranları ve ekipman hataları.Ingre olasılık dağıtımları simülasyonun gerçekçi bir şekilde hareket etmesi için tarihsel verilere dayanmaktadır.Eğer tarihsel veriler sınırlıysa, endüstri standart dağıtımları kullanın (örneğin, başarısızlık zamanlarında Weibull) ve belirsizlik etkisini anlamak için hassas analizler.

Adım 3: Gerçek Dünya Data ile Modelin Geçerliliğini Geçerli

Simülasyon modeli, gerçek sistemi doğru bir şekilde temsil ederse sadece yararlıdır. Geçerlilik, simülasyon çıktılarını bilinen bir dönemden gerçek üretim verileriyle karşılaştırarak karşılaştırabilir. Anahtar metrikler, transput, döngü zamanı, çalışma-in-progress seviyelerini ve kesinti süresi frekansını içerebilir.Eğer simülasyon sonuçları gerçeklikten önemli ölçüde değiştirirse, girdi verilerini ve mantığı tekrarlayabilir. Kalibrasyonu düzeltmeleri içerebilir.

Geçerlilik bir iteratif süreçtir.Temel model normal işlem için doğrulanırsa, bunu tarihsel hata olaylarına karşı test eder. Simülasyon aynı tetikler uygulandığında aynı hataları ve belirtileri yeniden üretir mi?Eğer olmasın, modeli güvenilir bir şekilde yeniden yarata kadar düzeltebilirse, simülasyonun tahmin edici bir şekilde ikna edici hale gelebileceğine dair güven yaratır.

Adım 4: Run Simülasyon Deneyleri

Eldeki doğrulanmış bir modelle, hata senaryolarını araştırmak için bir dizi simülasyon deneyi tasarlayın. Her deney bir hatanın kök nedeni hakkında özel bir hipotez test etmelidir. Örneğin:

  • [FONT=0)Equipment deme:[Dönetici:[Dönetici:0)[Dönlendirme bozulması:[Dönlendirme:[Dönlendirme:0)[Dönlendirme:[Dönlendirme:[Dönlendirme:[Dönlendirme:)) Simulate döngüsünde kademeli olarak artışlar veya kaliteli sürüklenmeye başladığında gözlemlemek için hassas olarak azalır.
  • [[Düzg:0)Maliye varyasyonu:[Dönetici:[Dönetici:0) Katı malzeme özelliklerindeki sapmaları tanıtın (örneğin, nem içeriği, sertlik) hassas süreç puanlarını tanımlamak için.
  • [FONT:0) Kontrol mantığı hataları:[Dönetici: 0,3) Sensör başarısızlıklarının veya zamanlama gecikmelerinin alt operasyonları üzerindeki etkisini test edin.
  • [FONT:0)Operator eylemleri:[Dönetici:[Dönetici:0) Model farklı yanıt süreleri veya insan faktörü katkılarını değerlendirmek için procedural hatalar.
  • [FONT:0]Dönemli kesintiler:[Dönemli güç dalgalanmaları, soğutma suyu kesintileri veya sıkıştırılmış hava tedarik damlaları.

Her senaryo için, rastgelelik için hesap vermek ve istatistiksel olarak önemli sonuçlar toplamak için birden çok çoğaltma kullanın. Kayıt anahtar performans göstergeleri, transput, defekme oranı, downtime süresi ve envanter inşa etmek. Bu sonuçları hatanın etkisini ölçmek ve onu tetikleyen koşulları tanımlamak için temel modele kıyasla.

Adım 5: Analyze Simülasyon Sonuçları ve Kök Sebeplerini Tanımlayın

Veri analizi, simülasyonun tam sorun giderme gücünü ortaya koyduğu yerdir. İstatistiksel teknikler (örneğin, ANOVA, regresyon, deney tasarımı) hangi faktörlerin hata üzerinde en güçlü etkiye sahip olduğunu belirlemek için. Görselleştirme araçları, zaman serisi arsaları, histogramlar ve ısı haritaları, ham sayılardan açık olmayabilir.

Etkili bir yaklaşım, her başarısızlık modunda bir "fault imzası" oluşturmaktır. Bu imza, hatanın meydana geldiğinde sürekli olarak ortaya çıkan ölçülebilir semptomlar kümesidir, örneğin belirli bir artış gibi, sensör yanıtında bir gecikme veya bir hata işareti oluşturulursa, hata imzası kurulabilir.

Adım 6: Doğrulayıcı Eylemleri Geliştirin ve Test Edin

Kök nedenlerini tespit ettikten sonra, potansiyel düzeltici eylemleri değerlendirmek için simülasyon kullanın. Bu, kontrol mantığını değiştirmek, bakım programlarını ayarlamak, bir makine bileşeni eklemek veya operatörü prosedürleri yeniden tasarlamak. Her iki normal ve hata koşulları altında önerilen her bir değişikliği sistemdeki başka yerlerdeki yeni sorunları ortaya çıkarmak için doğrulayın.

Simülasyondaki doğru eylemlerin test edilmesi, onları üretimde uygulamak ve istenmeyen sonuçları keşfetmesinden çok daha ucuzdur. Örneğin, bir şişenck için ortak bir düzeltme, konveyör hızını artırmaktır, ancak simülasyon bu değişikliğin aşırı aşınmaya neden olduğunu ortaya çıkarabilir veya bir sonraki istasyonda rekreasyon olasılığını artırabilir.

Adım 7: Üretimde Uygulama ve İzleme

Doğru bir eylem simülasyonda doğrulandıktan sonra, canlı üretim ortamında uygulamaktadır. Ancak, süreç orada bitmiyor. İlgili ölçümleri izlemeye ve tahminlere kıyasla karşılaştırmaya devam edin. Herhangi bir diskrepanzis, gelecekteki kullanım için doğruluğunu artırmak için simülasyon modeline geri dönmeli. Bu işlem gerçek sistemle birlikte simülasyon gelişti.

Simülasyon-Driven Hata Tespitinin Faydaları

Problem çözme süreci simülasyonunu benimseyen kuruluşlar, alt çizgiyi doğrudan etkileyen bir dizi somut fayda raporlamaktadır.

downtime ve Faster Recovery

Bir hata gerçekleştiğinde, iyi eşdeğer bir simülasyon modeli, uzun süre olayları ve daha yüksek genel ekipman etkinliğine neden olan süreyi dramatik bir şekilde azaltabilir ve çözmeyi seçebilir. tahmin etmek veya eşdeğer testlere güvenmek yerine, mühendisler teşhis senaryolarını dakikalar içinde çalıştırabilir ve kök nedenini daraltabilir.Bu daha hızlı tanı doğrudan altüst zaman etkinliklerine ve daha yüksek genel ekipman etkinliğine çevirebilir (OEE).

Düşük Maliyetler ve Azaltılmış Atık

Sık sık kazı, yeniden iş ve yasal olmayan bakım masraflarını ortaya koyar. Simülasyon yazılımı için yatırımın erken veya ortadan kaldırılmasıyla, üreticiler maddi maliyetler, iş ve yedek parçalar envanteri tasarruf eder. Ek olarak, simülasyon pahalı fiziksel prototipleme ve deneme ihtiyacını azaltır ve bu tür bir simülasyon için geri dönüş genellikle bu tasarruflar aracılığıyla yapılır.

Geliştirilmiş Risk Yönetimi

Üretim sistemleri, ekipman başarısızlıklarından ve tedarik zincirinden siber güvenlik olayları ve doğal afetlere kadar kesintiye maruz kalıyor. Simülasyon, organizasyonların bu tehditlere karşı güvenli bir ortamdaki süreçleri stresle test etmesine izin veriyor.

Geliştirilmiş İşbirliği ve Bilgi Transferi

Bir simülasyon modeli, üretim sürecinin ortak, objektif gösterimi olarak hizmet eder. Disiplinlerarası takımlar ve adash; operatörler, bakım teknisyenleri, süreç mühendisleri ve yönetim ve karar vermeleri dahil; ortak zemindeki sorunları tartışmak.Bir hatanın mekanik aşınma ve bir yazılım kontrol parametresi arasında belirli bir etkileşime geçtiğinde, simülasyon farklı beceri setleri ile iletişim kurabilecek kanıtları sağlar.

İmalatta Etkili Simülasyon için En İyi Uygulamalar

Problemleme ve hata algılaması için süreç simülasyonunun değerini maksimize etmek için, veri kalitesine, model bakımına, takım katılımına ve stratejik planlamaya hitap eden bu en iyi uygulamaları takip edin.

High-Kalite Data Collection'da yatırım

Herhangi bir simülasyonun doğruluğu, giriş verilerinin kalitesine bağlıdır. Makine devletlerini yakalamak, döngü zamanları, sensör okumaları, kalite sonuçları ve operatör eylemleri gerçek zamanlı olarak yapılmalıdır. Tarihsel veritabanılar temizlenmeli ve doğru sürüklenme sensörüne yol açabilir.Veriler kullanılamıyorsa, muhafazakar tahminler kullanın ve belirsizlik belgeleyebilir. Hassasiyet analizi hangi parametrelerin hangi parametrelerin en güçlü etkisini tespit edebilir, gelecekteki rehberlik veri toplama çabalarının.

Simülasyon Modelleri Devam Ediyor

Üretim süreçleri ekipman modifikasyonları nedeniyle zaman içinde değişir, yeni ürünler, süreç iyileştirmeleri ve talep değiştirmek. Hızlı bir şekilde düzeltilmeyen simülasyon modelleri hata algılama için sabitlenir ve yanlış anlama için kullanılamaz. Model güncelleştirmeleri için bir yönetim süreci oluşturun, sürüm kontrolü, değişim logları ve planlanan yorumları dahil. . ne zaman bir fiziksel değişim çizgisine yapılırsa, simülasyon modeli güncellenmelidir ve geri bildirim için kullanılır. Bazı kuruluşlar bunu doğrudan bağlantı yoluyla bu bağlantıya ulaşır.

Foster Cross-Disciplinary Cooperation

Etkili bir sorun, birden fazla perspektiften giriş gerektirir. Operatörler makine davranışı konusunda samimi bilgi sahibi olurlar ve genellikle hata verilerini gözden geçirmek için karşı karşıya gelen ince ipuçları açıklayabilirler. Bakım teknisyenleri başarısızlık kalıpları anlar ve simülasyon çıktılarının önemini ve doğruluğunu dramatik bir şekilde geliştirir. IT ve otomasyon uzmanları gerçek zamanlı veri akışlarıyla simülasyonu bütünleştirebilir.

Örneğin, bazı makinenin bu öncü olayı yakalayabilecek bir simülasyon parametresi tanımlamasına yardımcı olabileceğini fark eden bir operatör, bu alandaki uzmanların bilgilerini modele dahil ettiğinde, günlük çalışmalarında simülasyon çıktılarını kullanmaya yardımcı olabilir.

Bir Hata Senaryoları Kütüphanesi geliştirin

Zamanla, taklit edilen, belgelenmiş ve doğrulanan bir hata senaryosu inşa edin.Her giriş, hatanın tanımı, olası koşullar, gözlemlenen semptomlar, kök neden analizi ve doğrulayıcı eylemler test edilir. Bu kütüphane, gelecekte de benzer hatalar meydana geldiğinde yeniden kullanılabilir.

Gerçek Zaman İzleme ile Bütünleme Simülasyon

Sürecin en gelişmiş uygulamaları, üretim izleme sistemleri ile gerçek zamanlı entegrasyon içerir. Bu kurulumda, simülasyon fiziksel süreçle sürekli paralel olarak çalışır, limit temelli alarmlara göre davranışları karşılaştırır.Bir sapmanın tanımlanmış bir eşiğine geçtiğinde, sistem ortaya çıkan bir hatayı ortaya çıkarabilir.Bu yaklaşım, bazen "online simülasyon" veya "gerçek zamanlı dijital ikiz" olarak adlandırılır.

Gerçek zamanlı simülasyon da tahmin edilebilir analizleri destekleyebilir. Birden fazla simülasyonu duvar saatlerinden daha hızlı çalıştırarak, sistem bir sonraki birkaç dakika veya saat üretim süresini tahmin edebilir ve kritik hale gelmeden önce potansiyel hataları tespit edebilir.Bu yetenek, geç saatler ve maliyet gibi sektörlerdeki satış ve maliyetle daha erişilebilir hale gelir.

Common Pitfalls Kaçmak için

Süreç simülasyonu güçlü bir araçtırken, sorun giderme ve hata algılaması için etkinliğini azaltabilecek birkaç hata vardır.

Overmodeling veya Under-modeling

Doğru detay seviyesini bulmak kalıcı bir meydan okumadır. Aşırı ayrıntılı bir model, basit olmak ve aşırılık sağlamak için zor olabilir. Çok basit bir şekilde basit olan bir model önemli etkileşimleri kaçırabilir ve yanıltıcı sonuçlar üretebilir.Bir kural olarak, yanlış araştırılan bu unsurları içerir. basit ve karmaşıklığa başlamak sadece modelin tekrarlanması başarısız olduğunda.

Model Geçerliliği Neglecting Model Validation

Bir simülasyon inşa etmek ve hemen çalıştırma deneylerini başlatmak için caziptir, ancak titiz bir doğrulama tüm sonraki sonuçları zayıflatır.Her zaman hem normal hem de hata koşulları dahil olmak üzere gerçek üretim verilerine karşı doğrulanır.Involve operator and Technique in the validation process to check that the simulation feel real. Document the validation results and share them with pay to build trust in the model.

İnsan Faktörlerini Tanımlama

Birçok üretim hatasının insan elementine sahip olması, operatör hatasından, yanlış iletişimden veya yorgunluktan. Mükemmel tutarlılık ile operatörlere tedavi eden simülasyon modelleri bu etkileri kaçıracaktır.Ingrereal behavior, including response times, decision önyargıs, and procedural changes.This can be challenging, but even simple imations often Explain important insights about how human factors thank to propagation.

Simülasyonu Bir Zaman Projesi Olarak Tedavi Etmek

Süreç simülasyonu, operasyonel kültürde sürekli bir gelişme aracı olarak gömülü olduğunda en değerlidir. Organizasyonlar bunu belirli bir problem için nadiren kalıcı faydaları görmek için bir tek taraflı proje olarak tedavi eder.Yenilenen model güncelleme, senaryo testlerini ve bilgi yakalamalarını sağlar.Rebekleme uzmanlığını değerli bir beceri olarak tanır ve ekipe devam eden bir eğitim ve kaynaklar sağlar.

Hata Tespiti için Gelişmiş Teknikler Simülasyon

Üretim teknolojisi ilerledikçe, bu yüzden sorun giderme için mevcut olan simülasyon teknikleri yapın. Birkaç yeni yaklaşım, yeteneklerini derinleştirmek için arayanlar için değil.

Gerçek Zamanlı Veri ile Discrete Event Simülasyon

Bir sistemin işleyişini zaman içinde olayların bir dizi olarak devre dışı bırakmak. IoT sensörlerinden gerçek zamanlı verilerle birleştirildiğinde, DES sistem durumuna yakın gerçek zamanlı görünürlük sağlayabilir. Hata tespiti için, bu, simülasyonun gerçek makine durumlarıyla sürekli olarak güncellenebilmesi anlamına gelir.Bu karma yaklaşımları canlı verilerin doğruluğunu ekledikten sonra DES'nin esnekliğini korur.

Karmaşık Etkileşimler için Agent-Based Modeling

Ajan bazlı modelleme (ABM), otomatik olarak yönlendirilen araç sistemlerindeki trafik sıkışıklıkları veya simülasyondaki ajan davranışları gibi ortaya çıkan hataların çözümü için özellikle faydalı olacaktır.ABM, sistemi nasıl etkileyeceğini test edebilir.ABM, özellikle de ortaya çıkan hataların sorun gidermede, trafik sıkışıklığı gibi, insan-makul koordinasyonunda trafik sıkışıklıkları gibi.

Machine Learning ile entegrasyon

Makine öğrenme algoritmaları, insan analistlerine görünmez olan kalıpları tanımlamak için simülasyon çıktılarını analiz edebilir. Örneğin, simülasyon üzerinde eğitilmiş bir sinir ağı, küçük bir gerçek zamanlı sensör okumalarına dayanan en olası hata tipini sınıflandırmayı öğrenebilir.Bu, otomatik hata tanısının kural tabanlı sistemlerden daha hızlı ve daha doğru olduğunu sağlar. Simülasyon modeli, ML modelini eğitmek için sentetik bir veri jeneratörü olarak hizmet eder, sparse tarihi hataların sınırlandırılmasını aşabilir.

Bazı kuruluşlar ayrıca, hata olaylarının en aza indirilmesi için simülasyon ortamlarında güçlendirme öğrenmelerini de kullanıyor. Simülasyon, AI ajanı için agresif veya önemsiz eylemler geliştirmek için güvenli bir oyun sağlar.Bu nedenle üretimde test etmek için çok riskli olacaktır.

Gerçek Dünya Uygulama Örnekleri

Algılama için simülasyonun pratik etkisini göstermek için, gerçek üretim ortamlarından çekilen bu temsilci örnekleri düşünün.

Otomotiv Assembly Line: Intermittent Weld Defects

Bir otomotiv bitkisi pahalı rework neden olan sporadik kusurları deneyimliyordu. Geleneksel sorun giderme, taşıyıcı sistemi ile ilgili hataların önceden tahmin edilemez ve önceden temizlenmeden önce tamir edilememesi nedeniyle, Mühendisler bir milimetrenin bir kısmını değiştirdiler, bu da uygun olmayan bir şekilde doğrulayıcı bir işlemden önce, doğrulayıcı bir şekilde hareket eden bir devrede bulunan ve doğrulayıcı bir şekilde hareket eden bir işlemden önce, doğrulayıcı bir işlemden önce, doğrulayıcı bir şekilde hareketle ilişkilendirdi.

İlaç İmalatı: Batch-to-Batch Variability

Aktif farmasötik malzemeler (APIs) üreten bir farmasötik varyant varyant varyant cihazı (APIs) bazen tarihsel bir toplu verilerle entegre edilmiş bir simülasyonu kullanarak, mühendisler, değişkenlik hacminin bir araya getirdiği işlem, bir dizi sabit telefonda elde edilen yüksek çözünürlükte, sabit bir kontrol işlemi ile birlikte, yüksek bir kontrol işlemine yol açan küçük farklılıklardan kaynaklanmış bir şekilde aktarıldığını tespit etti.

Gıda İşleme: Ambalaj Hattı Jams

Yüksek hızlı paketleme hatları yürüten bir gıda işleme tesisi, birkaç kez değişim başına gelen pahalı reçellerle karşı karşıya kaldı.Köpektiflerin hasarlı paketleme malzemesini düşürdü ve ambalaj hattının DES modelini kullanarak, takım, pinch noktası olarak adlandırılan belirli konveyör segmentini taklit etti.O yerde ray kılavuzları yeniden tasarlayıp, ekspertici bölgeye yayılan haritaları ekledikten sonra tamamen geri dönüşümlü olarak, tren uyarıları kullanarak.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Süreç simülasyonu, gerçek dünya davranışını tekrarlayan doğru sanal modeller yaratarak, üretim sistemlerinin daha hızlı test edilmesi ve daha derin bir anlayış haline getirilmesi için bir mühendislik yeniliklerinden evrim geçirmiştir.

Başarı sadece yazılımdan daha fazlasını gerektirir. Veri kalitesine, sürekli modellemeye, disiplin takım çalışmasına bir taahhüt gerektirir ve bu değerler proaktif problem çözmede proaktif bir yangın algılaması üzerinde proaktif bir problem çözmede daha iyi bir simülasyonu günlük operasyonel uygulamaları, modern üretim ve büyüme talebinin artan karmaşıklığına sahip olmak için daha iyi donanımlı olacaktır.

Daha fazla okuma için, kaynakları aşağıdakiler hakkında bilgi edinmek için bakınız:0)INFORMS Simülasyon Topluluğu), her türlü uygulama ve vaka çalışmaları ayrı olay simülasyonu üzerinde yapılan simülasyon modellerine ilişkin pratik dersler sunar.TheDANDT:2).NIST Smart Manufacturing Program), dijital ikizler ve simülasyon entegrasyonuna kılavuzlar sunar.