物料流元模型驅動的離散車間生產仿真研究

關鍵詞：離散制造車間；物料流元模型；建模與仿真；七要素建模理論；進程交互法DOI：10.15938/j. jhust.2025.02.001中圖分類號：TP391.9 文獻標志碼：A 文章編號：1007-2683（2025）02-0001-10

Abstract：Withtheincreasingcomplexityanddiversityof the productionprocessinmodern manufacturing，thecompositioof the manufacturingsystemforthedemandofmulti-speciessmallotproductionismorecomplexandthematerialfowisirgular，which makesitdificult toensuretheflexibilityofthematerialflowmodelingandtheaccuracyofthesimulationprocess.Forthisason，a methodbasedonMaterialFlowMetaModel（MFMM）isproposed tosimulatetheproductionprocessofthediscretemanufacturing plant.Basedontheseven-element（SE）modeling theory，theMFMMmodelisfurtherdefinedtodescribethematerialflowandcontrol mechanism；aprocess interactionsimulationalgorithmbasedontheMFMMisdesignedtosimulatethematerialflowprocess；a corresponding prototypesystemisdeveloped tosupporttheproposedmethod.Anintellgentmanufacturing workshopisusedasan exampletovalidatetheproposed method.TheexperimentalresultsshowthatcomparedwithFlexsim，theproposedmethodachieves 99. 8% simulationaccuracyonaverage，andhascertain advantages in theflexibilityof material flow modeling，which proves its effectiveness and practicability in complex manufacturing environments.

Keywords：discrete manufacturing plant；material flow meta model；modelingand simulation；seven-element modeling theory process interaction approach

0引言

在全球制造業競爭加劇且技術快速發展的背景下，生產過程的復雜性不斷增加，尤其是在多品種、小批量的離散制造車間中，這些復雜性導致車間物料流動頻繁且動態的變化，為生產系統的效率和靈活性帶來了巨大挑戰[1]。物料流的建模與仿真技術是應對這些挑戰的有效工具，它可以深人分析生產過程中各個環節的相互作用，優化生產流程，從而提高整體效率，減少浪費并降低操作風險[2]。尤其對于離散制造系統中的物料流而言，其動態性更加顯著，受到生產批次、設備狀態和工序調度等多種因素的影響，因此，需要一種靈活且準確的建模仿真方法，以實現物料流在復雜離散制造場景中的有效描述和模擬[3]

國內外已有很多學者開展了深入研究。例如，Jiang等4提出一種可統一描述制造系統的七要素（SE）建模理論，確定7個基本要素并引入物流路徑網絡和服務單元的概念;劉懷蘭等[5基于DEVS原子模型和五維模型擴展出分層模型和行為模型的VDEVS建模方法；尹超等建立了一種以工位和車間存儲單元為節點，物流流動為邊的雙權重有向生產物流網絡模型;Zhang等[7采用層級式建模方法，梳理模型數據類型并在此基礎上設計時空數據模型，用于訓練和驗證;Xie等8對SE細化建模過程，提出MNOSE模型以及模型的運行機制;劉賽等[9]提出了一種基于數字孿生模型的仿真參數修正方法，詳細闡述仿真屬性的更新流程并開發數字孿生平臺；李柳臻等[\"]提出基于EFSM組件化理論建立的生產物流EFSM組件化模型，并將該模型與DEVS的原子模型進行映射；劉名遠等[1通過將DMS 車間的關鍵屬性和行為抽象為邏輯模型，提出一種基于有限狀態機的車間生產過程的邏輯建模與仿真方法；付卓睿等[12依據層次分析方法對DMS車間進行邏輯建模，并在此基礎上建立一個DT-DES平臺數據交互機制;Glatt等[13]應用物理引擎來模擬生產過程中工件與物料搬運系統之間的交互，提出一個物理車間的物料處理系統及其基于物理仿真的數字孿生系統;Funke等[14]采用隨機塊分析對復雜網絡提取內在結構，在此基礎上進行制造系統中物料流的建模和預測。

在離散制造車間生產模擬過程中，離散事件仿真（DiscreteEventSimulation，DES）技術已被廣泛應用。自前常用方法有事件調度法、進程交互法和活動掃描法[15]，如鐘守義等[16]采用圖形化的進程交互法的方式來描述離散系統中各進程之間的關系；黃建新等[17]對采用計算機線程技術的進程交互算法進行實現和探討;Zhang等[18]提出一種基于多線程技術的實時事件調度策略，詳細描述實時同步行為的實現方法和步驟；郭勇陳等9采用基于多主體系統的五步掃描法探究多主體系統仿真過程控制算法；Jiang等[4采用分段式的進程交互算法形成一個多層仿真架構，從而降低仿真調度算法的實現難度。

上述研究在車間物料流的建模與仿真分析方面取得了一定成果，但仍存在以下不足。現有物料流模型偏重于宏觀結構和變化的描述，而缺乏對物料流動和控制過程的深入表達，這種局限性在一定程度上限制了仿真模型的靈活性，從而影響仿真結果的準確性。

為此，本文提出一種物料流元模型（materialflowmetamodel，MFMM），以及基于MFMM的生產過程仿真算法，以實現車間生產過程中物料流的有效建模和仿真。首先提出MFMM以描述物料的流動和控制過程，其次，設計一個基于MFMM的進程交互仿真算法以實現準確的生產過程仿真，最后，開發物料流建模與仿真系統以實施所提方法。通過真實車間案例驗證了本文方法在物料流建模方面的有效性以及仿真方面的準確性。

1基于MFMM的物料流建模

1. 1 MFMM定義

離散制造車間的基本組成要素包括人、機、料、法、環，其關系可以描述為生產組織關系和物流組織關系。前者可從層次結構方面對生產要素進行組織，后者可描述生產組織元素的交互關系，并形成一個物料流網絡結構，物料流網絡結構的基本要素是設備的料位點和工件的物流形式。因此，基于SE^[4] ，本文針對生產組織元素的交互邏輯，將生產車間內物料流關系定義為物料流元模型（materialflowmetamodel，MFMM），由輸入、輸出物料流服務節點（materialservicnode，MSN）、物料流有向邊（material directed edge，DE）和流動實體（flow entity，

F）四元組組成，如圖1所示，定義如下：

MFMM=in，MSN_out，DE，Fgt;

其中： MSN_in 為物料流的輸人服務節點； MSN_out 為物料流的輸出服務節點； DE 為連接兩個MSN的物料流有向邊； F 為在節點和邊之間的流動實體，即物料。

在物料流網絡中將設備的料位點定義為MSN，包括物流設備的?？奎c位、加工設備的上下料點位以及加工設備的服務點位，定義公式形式為

MSN=in，δ_out，α_run，P，Qgt;（2） 式中：State為節點的狀態（等待、服務和阻塞）； DEs 為物料流有向邊集合，一個MSN可與多個MSN關聯； F 為當前節點中的流動實體； T 為 MSN的任務執行時間； δ_in 為物流輸入決策； δ_out 為物流輸出決策；α_run 為生產行為； P 為MSN所屬生產設備； Q 為料位點的排隊隊列，用于存放阻塞中的物料。

物料的物流過程定義為DE，包括搬運形式（如機械臂上下料）、輸送形式（如傳送帶輸送）和運輸形式（如AGV運輸），設備類型不同導致控制邏輯不同，因此使用 α_run 代表不同的生產行為，定義公式為：

DE=in，MSN_out，Dirction，E，State，Rule，T， α_rungt; （3）

式中： MSN_in 為輸人服務節點； MSN_out 為輸出服務節點；Dirction為邊的方向（如正向、反向和雙向）； E 為執行設備如機械臂、AGV等；State為有向邊的狀態（等待、服務和阻塞）；Rule為物流規則（如先進先出、后進先出等）； T 為在邊上執行的時間； α_run 為生產行為控制。

1. 2 MFMM決策與控制邏輯

在離散制造車間物料流的流動和轉換過程中，面臨著物料流物流決策和生產行為控制之間的關系描述問題，為此，本文提出一種針對MFMM的生產行為控制和物流決策的運行邏輯，如圖2所示。

物流輸入決策函數 δ_in 決定物料是否從當前物料流元模型轉移到下一個物料流元模型，物料流元模型的初始化如圖2（a）所示， δ_in 由物流條件判斷和條件改變組成。其中，物流條件判斷又可細分為基礎判斷和自定義判斷，基礎判斷主要依據MSN/DE狀態、排隊規則以及執行沖突判斷，執行沖突用于分析是否會發生物流設備執行沖突和生產設備執行沖突，自定義判斷則允許根據特定的生產需求和場景，靈活設定一些判斷條件，以更好地適應復雜多變的生產環境。根據是否滿足物流條件可分為滿足條件改變和不滿足條件改變，其中MSN阻塞為生產設備執行沖突，DE阻塞為物流設備執行沖突。物流輸出決策函數δou決定物料是否從DE 流轉至 MSNout，其物流條件判斷和條件改變相較于輸人決策簡單，如圖2（b）所示。

生產行為控制函數 α_run 是將設備的生產行為描述為一個時間函數，旨在為MSN和DE中設備的行為提供執行邏輯。 α_run 包含MSN/DE所屬設備的生產執行中和執行后的邏輯，如圖2（c），在MSN中α_run 是指生產設備的加工、組裝和拆卸活動，實質上是一個生產時間概率函數。在DE中， α_run 是執行設備的運動過程，如輸送設備的運輸過程、運輸設備軌跡規劃的運輸過程和搬運設備運動控制的上下料過程，實質上是執行設備的運動時間函數。生產時間概率函數是在加工設備生產任務執行時間的基礎上添加某種概率分布（如泊松分布、指數分布、正態分布、三角分布等），形成一個概率時間函數。

在概率時間函數的作用下，生產行為控制輸出的是一個MSN/DE運行的時間值。在生產執行完成后，會根據所執行的生產元素來調用不同的生產執行后邏輯，從而實現MFMM的循環推進

物料流元模型的物流決策和生產行為控制最終會改變MSN/DE的狀態，通過有限狀態機對MSN/DE的內部行為和外部輸入事件的狀態轉移進行建模，描述模型在其生命周期內狀態轉移條件。MSN/DE的狀態包含等待、服務和阻塞，狀態機模型如圖3所示，其中 a_i 為 MSN的轉換事件， b_i 為 DE的轉換事件。MSN/DE有限狀態模型的狀態轉換事件如表1所示。

2基于MFMM的物料流生產仿真方法

在生產制造車間中，為實現生產制造執行前的準備工作，將生產計劃系統（advancedplanningandscheduling，APS）所生成的生產排程計劃送到虛擬車間中進行仿真驗證，發現在各種工況條件下生產排程計劃的不足，進一步促進生產排程計劃的優化[20]。為此，本文設計一種基于MFMM的物料流生產仿真方法，其包含生產仿真模型構建和仿真運行計算。并基于MFMM定義了一種物料流連通圖（materialflowgraph，MFG）的仿真模型，作為仿真輸入。隨后，基于MFMM設計一種改進的進程交互算法以實現仿真運行調度，其包含時鐘推進機制和基于MFMM的進程推進機制，降低仿真調度算法的實現難度，并提高仿真計算過程的細粒度。

2.1 仿真模型生成

為了將各種復雜的仿真輸入參數描述為一個統一的仿真模型，本文定義了一個基于MFMM的MFG，定義如下：

MFG==?1，MFS_?2，…，MFS_?ngt;

MFS=Φ1，MFMM₂，…，MFMM_ngt;

仿真輸人的參數有生產車間的靜態資源信息Sr 和動態排程任務信息Task，如圖4所示。本文基于SE模型將設備的生產時間、物流時間、布局信息、物流路徑和傳遞方式描述為車間靜態資源，生產排程計劃是針對特定的生產工序或環節，規劃和安排具體生產活動的具體任務，包括工序、工件編號、加工數量、任務設備、起始時間和終止時間。通過生產排程計劃和車間靜態資源的匹配，形成基于MFMM的工序物料流連接子圖（materialflowsub-graph，MFS），見式（5）。而物料的生產過程是由多個生產工序構成，即多個工序物料流連接子圖組合，最終形成該物料全生命周期的生產仿真模型MFG。

2.2 基于MFMM的仿真調度策略

為了實現離散制造車間生產過程方法，本文設計一種基于MFMM的進程交互算法，實現DES中仿真時鐘推進機制以及基于MFMM的進程交互機制，如圖4所示。

算法以流動實體（物料）的仿真生命周期為進程。每個流動實體內部有一個關于該物料全生產過程的MFG，以MFMM模型為一個仿真執行的基本單元。仿真時鐘以未來事件表（futureeventlist，FEL）中物料的最小無條件延遲復活時間 Ta 為一個仿真步長。在該仿真步長內更新整個FEL中所有物料的MFMM模型以及計算更新下一個 Ta ，不斷循環仿真，直到所有物料完成生產任務，形成一個分段式仿真算法。通過執行MFMM推演過程，提高仿真過程的細粒度并降低仿真過程的復雜度。

仿真時鐘推進機制如圖5（a）所示。為實現對復雜仿真系統的時間推進，FEL的管理至關重要，在Bahouth等[21的研究中，當FEL的數據結構為優先隊列時，在時間復雜度和空間復雜度上表現優越，特別是對于進程交互方法中，優先隊列在獲取 Ta 上的時間復雜度為 O（1） 。在FEL中以物料的MFMM生產事件的 Ta 大小排序，若 Ta 相同，則根據事件發生的先后順序、優先級排序。

為了細化每一個物料的時鐘管理，將仿真時鐘分為仿真總時鐘SimClock和實體仿真子時鐘Sub-Clock。SimClock是整個仿真系統的主時鐘，負責管理全局仿真時間的推進，控制整個仿真過程，確定仿真的開始時間、仿真步長step、結束時間以及與真實世界的時間倍率，所有物料的SubClock都與它同步。在執行完進程推進后，SubClock計算每次仿真步長更新的物料 Ta 。

對于基于MFMM的進程推進機制，更新物料進程的 Ta 是其主要目的，通過MFMM的運行機制可實現 Ta 的更新，如圖5（b）所示。當仿真時鐘推進步長step時，遍歷所有物料進程執行MFMM模型，通過判斷當前物料所處料位位置，確定執行 MSN_out 推進策略或DE推進策略，最后計算、更新 Ta 和 FEL 。

MSN_out 推進流程如圖6（a）所示。為實現模擬物料的生產加工，即物料的轉換過程，通過判斷當前流動實體中MFMM的延遲狀態來執行 α_run 或更新延遲狀態。在MFMM模型中延遲狀態和MSN和DE的狀態相關，空閑和服務狀態代表無條件延遲，即Ta 為有限時間值，阻塞代表條件延遲，即 Ta 為無窮大值，在MFMM模型中通過 δ_in 和 δ_out 改變延遲狀態，推進流程如下：

1）若為條件延遲，執行 MSN_out 的 δ_out ，并重新配置延遲狀態；2）若為無條件延遲，執行 MSN_out 的 α_run ，通過內部的加工時間概率函數或者更深層次的工藝仿真算法計算出生產活動剩余時間，并更新流動實體的無條件延遲時間；3）判斷當前任務（如機械加工、焊接、裝配等生產活動）是否完成，若當前任務完成，則設置下一任務為DE推進任務。

DE推進流程如圖6（b）所示，實現物料下料、上料和物料運輸，即物料的流轉過程，推進流程如下：1）判斷當前MFMM的延遲狀態;2）若為條件延遲，執行 MSN_in 的 δ_in ，重新配置延遲狀態；3）若為無條件延遲，執行有向邊 DE 的 α_run ，通過 α_run 內部的AGV循跡運動算法、機械臂的運動控制算法等計算出運動剩余時間，并更新流動實體的 Ta ：4）判斷當前任務（如搬運、運輸和傳輸任務）是否完成，若當前任務完成則設置下一任務為 MSN_out 推進任務。

3 系統開發與實例驗證

本文搭建了一個基于B/S架構的物料流建模與仿真系統以實現所提方法的封裝，如圖7（a）所示。以某智能制造車間為實例進行建模與仿真實驗，最后通過與商業軟件Flexsim所得仿真結果進行對比分析，驗證本文的物料流建模與仿真的有效性。

根據真實的制造車間的生產情況，使用該系統對車間的設備布局、物流路徑以及生產區域進行圖形化配置，如圖7（a）所示。為了便于MFMM展示，構建了MFMM的圖形化建模過程，圖7（b）為MSN和DE的構建過程，通過在設備上創建MSN，通過有向連接線連接不同設備的MSN創建DE，并通過圖7（c）所示的物流設備綁定，最終形成一個MFMM。

3.1 仿真輸入配置

該車間內包含多種生產設備，其中包括加工機床 P₂～P₇ AGV 運輸設備 E₄、E₆ ，AGV復合搬運機器人 E₈ ，搬運機械臂 E₃、E₅ ，立庫堆垛機 E₁，E₈ ，傳送帶 E₂，E₇ ，打標機 ΔP₁ ，視覺檢測臺 ΔP₄ 及立庫倉儲B₁、B₂ ，根據其車間的實際生產情況，利用開發的系統對生產區域、資源布局以及物流路徑進行圖形化配置，基于車間生產資源構建MFMM模型，如圖7所示。

該智能制造車間在加工1區、倉儲區、激光激光打標區、視覺檢測區共有4道工藝2個批次分別加工100個工件以及在加工2區有另一種100個工件的加工工序，通過生產計劃系統（advancedplanningandscheduling，APS）生成的生產排程計劃如表2所示，并配置設備的上下料、物流時間及加工時間，如表3所示，并設置物料按60s的間隔出庫，MSN隊列的規則都設置為先進先出，以工件類型M1的第一批次的生產排程計劃為例，將各仿真參數輸入系統生成物流的MFG，如圖8所示。

3.2 仿真結果分析

根據上述的仿真輸入，分別利用物料流仿真引擎和Flexsim進行20次仿真，得到相關設備的平均利用率。其中物料流仿真與Flexsim得到的生產時間分別是150730s與151332s，所有設備的平均利用率如表4所示，平均阻塞率如表5所示。

圖9為生產時間、平均利用率和平均阻塞率的相對誤差。與Flexsim軟件所得結果相比較可得，盡管設備平均利用率、阻塞率和生產時間等關鍵指標存在誤差，但這些誤差都在可接受的范圍內，并且關鍵參數的誤差也符合工業軟件精度要求。Flexsim建模具有靈活性，但MFMM模型在結構設計、決策控制邏輯以及仿真模型的生成和運行方面展現出更多的優勢，能夠更有效地適用各種復雜且變動的生產環境。

4結語

本文提出了一種基于物料流元模型的離散制造車間生產過程仿真方法，目的是解決由于物料流模型缺乏流動和控制過程描述產生的建模靈活性低和仿真準確性差的問題。首先基于七要素統一建模的理論，構建了一個物料流元模型（MFMM），來描述物流決策和行為控制，從而更好地捕捉物料流轉的特性。隨后基于MFMM構建了一個MFG仿真模型，并設計了一種基于MFMM的進程交互仿真方法，該方法模擬了虛擬車間中物料的流轉，實現了仿真的有效性和準確性。最后，依據該方法開發了一個仿真系統，并通過實際案例驗證了該方法的仿真準確性和靈活性。

本研究所提出方法實現了車間物料流的靈活建模與準確仿真，為離散制造行業的生產分析和優化提供了有力的技術支持。未來研究工作將圍繞仿真結果分析和優化展開，以實現物料流的智能化仿真分析。

參考文獻：

ZHANG Lin， ZHOU Longfei. Modeling amp; SimulationTechnology in Manufacturing[J]. Journal of System Sim-ulation，2018，30（6）：1997.

[2]ZHU Y，CHENG J，LIU Z，et al. Production LogisticsDigital Twins：Research Profiling，Application， Challen-ges and Opportunities[J]． Robotics and Computer-Inte-grated Manufacturing， 2023，84：102592.

[3]REINHARDT H，WEBER M，PUTZ M. A Survey onAutomatic Model Generation for Material Flow Simulationin Discrete Manufacturing[J]. Procedia CIRP，2019，81： 121.

[4]JIANG H， QIN S，FUJ，et al. How to Model and Imple-ment Connections Between Physical and Virtual Modelsfor Digital Twin Application[J]. Journal of Manufactur-ing Systems，2021， 58：36.

[5］劉懷蘭，岳鵬，閤辰皓，等.基于VDEVS 的離散制造車間虛擬實體行為模型描述方法［J]．計算機集成制造系統，2021，27（10）：2950.LIU Huailan，YUE Peng，GE Chenhao，et al．DiscreteManufacturing Workshop Virtual Entity Behavioral ModelDescription Method Based on VDEVS[J]. Computer In-tegrated Manufacturing Systems，2021，27（10）： 2950.

[6]尹超，高玲，李孝斌.基于復雜網絡理論的離散制造車間生產物流網絡建模與分析[J]．計算機集成制造系統，2020，26（8）： 2157.YIN Chao ，GAO Ling ，LI Xiaobin. Modeling and Analy-sis of Production Logistics Network in Discrete Manufacturing Workshop Based on Complex Network Theory[J].Computer Integrated Manufacturing Systems， 2020，26（8）：2157.

[7]ZHANG L， GUO Y，QIAN W，et al. Modelling and On-line Training Method for Digital Twin Workshop[J].In-ternational Journal of Production Research，2O23，61（12） ： 3943.

[8]XIE J， JIANG H， QIN S， et al. A New Description Mod-el for Enabling More General Manufacturing Systems Rep-resentation in Digital Twin[J]. Journal of ManufacturingSystems，2024，72：475.

[9]劉賽，郭宇，張立童，等.離散制造車間的數字孿生仿真參數修正方法[J]．組合機床與自動化加工技術，2023 （8）： 1.LIU Sai，GUO Yu， ZHANG Litong，et al. ParameterCorrection Method of Digital Twinning Simulation in Dis-crete Manufacturing Workshop[J]. Modular MachineToolamp; AutomaticManufacturing Technique， 2023（8）：1.

[10］李柳臻，金超，林廷宇，等.基于EFSM的智能車間制造系統生產物流建模與仿真[J]．系統仿真學報，2023，35（12） ： 2655.LI Liuzhen， JIN Chao，LIN Tingyu，et al. Modeling andSimulation on Production Logistics of Intelligent WorkshopManufacturing System Based on EFSM[J]. Journal ofSystem Simulation，2023，35（12） ： 2655.

[11］劉名遠，謝家翔，吳豪，等.基于有限狀態機的車間邏輯建模與仿真研究［J]．系統仿真學報，2023，35（4） ： 853.LIU Mingyuan，XIE Jiaxiang，WU Hao，et al. Researchon Workshop Logic Modeling and Simulation Based on Fi-nite State Machine[J]． Journal of System Simulation，2023，35（4） ： 853.

[12]付卓睿，趙寧，竹益.面向數字孿生的柔性離散事件系統建模與仿真平臺設計[J]．計算機集成制造系統，2024，30（9） ： 2981.FU Zhuorui， ZHAO Ning， ZHU Yi. Flexible Discrete-e-vent System Modelling and Simulation Platform Design O-riented to Digital Twin[J]. Computer Integrated Manu-facturing Systems，2024，30（9） ： 2981.

[13]GLATT M， SINNWELL C，YI L，et al. Modeling andImplementation of a Digital Twin of Material Flows Basedon Physics Simulation[J]. Journal of Manufacturing Sys-tems，2021，58：231.

[14]FUNKE T，BECKER T. Complex Networks of MaterialFlow in Manufacturing and Logistics： Modeling，Analy-sis，and Prediction Using Stochastic Block Models[J].Journal of Manufacturing Systems，202O，56：296.

[15］劉勇，王德才，馮正超.離散事件系統仿真建模與仿真策略［J]．西南師范大學學報（自然科學版），2005（6）：1019.LIU Yong，WANG Decai，FENG Zhengchao. SimulationModeling and Simulation Diplomacy of Discrete EventSystem[J」. Journal of Southwest China Normal University（Natural Science），2005（6）：1019.

[16］鐘守義.進程交互仿真的圖形表示方法［J].系統仿真學報，1992（1）：31.ZHONG Shouyi. Graphic Representation MethodinProcess Interactive Simulation[J]. Journal of SystemSimulation，1992（1）：31.

[17］黃建新，李群，余文廣等.基于線程的進程交互仿真框架研究［J].系統仿真學報，2011，23（4）：652.HUANG Jianxin，LI Qun， YU Wenguang，et al. Researchon Thread-based Process Interaction Simulation Frame-work［J]. Journal ofSystem Simulation，2O11，23（4） ： 652.

[18] ZHANG X，LI G，WANG P，et al. Design and Imple-mentation of Real-Time DEVS Event Scheduling Algo-rithm[C]//2O18 3rd International Conference on Me-chanical，Control and Computer Engineering（ICM-CCE），IEEE，2018：163.

[19］郭勇陳，沈洋.基于離散事件仿真原理的多主體仿真控制方法[J].計算機仿真，2015，32（6）：349.GUO Yongchen ，SHEN Yang. Control Method of MultiAgent Simulation Based on Principle of Discrete EventSimulation［J].ComputerSimulation，2015，32（6） ： 349.

[20]LIU M， ZHANG J，QIN S， et al. A Multi-target Regres-sion-based Method for Multiple Orders Remaining Com-pletion Time Prediction in Discrete Manufacturing Work-shops[J]. Measurement，2024，242：116231.

[21]BAHOUTHA，CRITESS，MATLOFFN，et al. Revisi-ting the Issue of Performance Enhancement of Discrete E-vent Simulation Software[C]//4Oth Annual SimulationSymposium（ANSS07）. IEEE，2007： 114.（編輯：溫澤宇）