博客

我们很自豪地推出了一项期待已久的新功能——可逆式输送带。另外，AnyLogic 8.7.12还内置了重新设计的AnyLogic帮助。继续阅读了解更多信息。

世界领先的汽车制造商使用仿真建模来优化生产线流程、改进调度、创建预测和整合新技术。使用仿真模型有助于他们处于创新的最前沿，避免代价高昂的错误。

以下是五个研究案例，重点介绍了汽车制造商在不同领域应用的AnyLogic多方法仿真建模技术。

为了配合物料搬运库的发布，我们准备了一系列训练模型，通过多个传送系统示例来演示新库的主要功能。这些系统在生产设施和仓库中会经常用到——工作站间的零件运送，成品分类，运送到存储区等过程。

涉及到Convey、ConveyorEnter 和 ConveyorExit模块以及空间标记元素，这些都是物料搬运库的组件，可以简化输送带系统的建模

本文是AnyLogic 物料搬运库系列的第五部分，物料搬运库是专门为工厂、仓库以及其他涉及货物移动、加工和分类的设施而设计的，可帮助您更快捷的对此类作业进行建模。

在本篇博客中，我们将演示如何使用网络端口 组件，将单个输送带与其上的工作站连接，创建一个输送带网。

准备就绪？那我们开始吧！

ITC Infotech致力于优化复杂资产密集型行业的库存管理。通过结合仿真、机器学习和优化，展示了针对可循环/可修复备件的有效资产管理和库存优化，从而平衡服务水平和库存成本。

消耗品在其使用寿命结束时被处理或回收，与它们在失效前的运行时间长短有关。这个时间通常被量化为故障前的平均时间- MTBF。对于可修复零件，还需要考虑修复时间，这取决于缺陷类型、工作中心可用性和维修部分可用性。

AnyLogic 8.6更新的关键部分与物料处理库有关。现在，诸如AGV之类的运输工具的移动可以受到区域的限制，并且可以有条件地允许进入：通过运输车数量，计划，吞吐量等等。对于制造和仓库设置，可以以多种方式应用此功能，包括对门进行建模，限制操作机械（例如起重机）时的限制，以及避免在装货区域或交叉路口造成拥挤。

通过此网络研讨会视频回放以及随附的仿真模型，学习如何创建自配置物料搬运数字孪生。此次网络研讨会由本杰明·舒曼（Benjamin Schumann）博士分三部分进行介绍，涵盖了如何自动配置机器和产品、输送机和自动导引车（AGV）。

想象一下您接到了马云的电话——

商业咨询公司NFP的AnyLogic专家致力于解决一家大型国际冶金公司的起重机任务分配问题。

他们采用了机器学习的创新解决方案，并改进了专家选择的策略。继续阅读以了解有关该项目的更多信息。

在Engineering Ingegneria Informatica (EII)， 我们看到了将仿真与机器学习相集成的巨大潜力。这个简短的博客介绍了一个工业问题及其强化学习解决方案，由EII使用AnyLogic开发制作。AnyLogic的灵活性和可定制性使我们可以使用Skymind的外部深度强化学习包RL4J创建混合平台。

继续阅读，找出问题所在，并了解如何使智能体与AnyLogic环境进行交互，从而实现对智能体的训练。您还将学习如何以适合机器学习的方式解决工业问题。

How much will profit increase without this bottleneck? Or how about – If we invest in debottlenecking the whole production line, can we meet our targets? Simple questions and a common approach, but the answers may not be what you expect if you were to ask Dr. Alan Barnard, CEO Goldratt Research Labs.

Read on and find out why...