使用AnyLogic的智能体模型改进飞机维护流程

问题

我们都时常乘坐飞机，但我们都不知道飞机维护有多复杂。而军用飞机的维护中转过程（飞机着陆、加油、重新安装和检查、被释放的中间时间）就更加复杂，且相当耗时，中间包括多个交互和并行工作流程。此外，还需要技术熟练的工作人员来维持中转过程的技术水平，这将导致相关的成本的增加。

洛克希德·马丁公司（Lockheed Martin）是最大的航空、航天、国防、安全和技术公司之一，该公司的工程师使用AnyLogic仿真建模，试图改进军用飞机在整个中转过程中的决策，并评估过程更改对中转时间的影响。

解决方案

要完成模型，必须考虑中转过程的三个要素：

飞机在航线上接受检查；
信号，意味着所有的检查和加油已经完成；
检查和处理从飞机上下载的维修代码。

了解这些流程要素后，会设计一个实现每个维护阶记录、验证和理解流程的移动应用程序。观察员使用这个程序，收集数据，监测维修工作人员。在整个项目过程中，会不断修改应用程序。

模型会将工作流程中的每个步骤中的参与者、资源、依赖项和其他明确流程的数据表示出。模型所需的数据包括每个任务的开始和停止时间。除了开始和停止时间之外，提供录音功能以捕捉应用程序中未提及的活动，也是非常重要的。它使数据收集应用程序具有高度灵活性和适应性。例如，观察者可能会记录任务花费的时间超过预期的原因，或者记录他们意外按下了错误的按钮的情况等。

通过对飞机中转过程的研究发现，此过程的仿真需要基于智能体的建模方式和仿真环境，还应该包括实验和演示能力。AnyLogic仿真建模工具满足了这些需求。此外，其流程可视化功能有助于向各级开发人员和高级领导层介绍模型。

下一阶段是将流程过程研究中标识的智能体、资源和任务在AnyLogic中实现，并实现多种可视化，建立流程的基线模型。然后，在确定模式下迭代运行，以及在蒙特卡罗模式下进行单次和多次运行，进行模型调试。最后，将研究结果与各地的经验结果进行比较。

在验证和更新之后，基于智能体的随机模型能够捕捉中转过程的动态和交互过程。为了使流程更有效，模型的实验被用来量化流程更改的影响，无论是通过删除流程步骤、减少执行流程步骤所需的时间，还是重新定义流程部分。

该模型的实验有助于：