概述
城市中的大型建筑工地通常很嘈杂，使交通更加糟糕。德国波鸿鲁尔大学（RUB）的研究人员旨在使这些施工现场更好地建造隧道。目标是通过使用以流程为中心的仿真模型来分析和管理掘进流程。
问题
在机械化隧道掘进中，总是有两个交替的核心流程：开挖和环形施工。隧道的建设流程需要大量的机器部件和物流要素（隧道掘进机、外部物流等）。一个要素的中断可能导致整个系统的中断。
在这些限制因素中，地上和地下的储存面积有限。此外，随着隧道掘进的进行，隧道内的运输距离稳步增加。
可实现的性能取决于所有与建筑有关的流程的相互作用。因此，掘进时间的传统计算只能在有限的范围内进行。
为了减少停机时间，需要借助流程仿真对高级支持流程进行分析。目的是实现对物流和维护流程的更有力的规划，这些流程也可以考虑不确定性，特别是在输入数据方面。
解决方案
通过使用以流程为中心的仿真对物流面临的挑战进行分析。使用流程仿真的主要原因是减少了施工时间。为此，RUB开发人员分析了不同模型中机械化隧道掘进的各种物流流程。
由于优化应始终使用尽可能少的变量进行，因此在不同的AnyLogic模型中对隧道的不同区域进行了优化。模型开发商需要考虑城市的限制，如噪音管制、交通拥堵和环境兼容性。
目标是减少隧道建筑面积，并尽可能缩短施工时间。此外，RUB 希望了解是否可以在机械化隧道掘进施工项目的早期规划阶段采用流程仿真。
两个关键流程在很大程度上决定了这些区域的位置，即衬砌段的供应和土壤的处置。
该模型分为 4 个主要智能体：2 个隧道、废石系统的土壤处理和内部的局部结构。还有一个智能体来跟踪仿真进度，但这只是为了便于评估。
为了尝试不同的物流变量，创建了一个仿真模型。通过对所有模型变量的分析，开发了一个优化的仿真模型。通过这种方式，可以考虑许多内城边界条件来优化机械化隧道掘进的物流流程。
标记为红色的智能体针对每个模型变量进行了轻微修改。AnyLogic仿真软件使RUB能够对单个智能体的内在行为和不同智能体的交互进行建模。此外，在机械化隧道掘进中，有必要整合流体的流动。
最重要的是，AnyLogic 中的 2D 和 3D 建模效果简化了开发人员对模型的验证和确认。
结果
基于对模型变量的分析，创建了一个适用于城市内约束并能够显示可能施工时间的优化模型。
在这个优化的模型中，废石的处置是用火车而不是卡车实现的。存储器的大小增加到最低限度。下面所示的初始模型和优化模型的两个直方图显示了蒙特卡罗仿真 中实现的隧道施工时间，每个模型重复一千次。
下图中的前两个图表说明了初始模型的结果。左侧图表显示了隧道掘进总时间，其中包括挖掘、环形建造和不可操作性（停机时间）。右侧图表显示了此停机的原因，包括定期维护、设备故障等。底部图表提供针对优化模型的相同信息。
优化模型中的停机时间比初始模型中少得多。初始模型的总施工时间为194天，而优化模型的总施工时间为169天。
综上所述，施工时间减少了25 天（12.9 %)。 这主要是通过将隧道掘进机停机时间减少40.5 %, 使得平均进尺率为17.78米/天(增加了15%)。通过将土壤材料的处理方法改为火车运输（每天30辆火车，而不是103辆卡车），减少了卡车造成的城市交通量。
在机械化隧道掘进流程仿真的帮助下，专家们已经可以在早期规划阶段比较物流的不同变化。AnyLogic使RUB研究人员能够在设计物流流程时考虑流程仿真中的不确定性。
由于可以轻松修改 AnyLogic 模型，因此可以快速检查不同条件的替代操作。因此，在机械化隧道掘进的执行阶段应用流程仿真也是有益的。
该案例研究由波鸿鲁尔大学的朱迪思·伯恩斯在 2022 年 AnyLogic 会议上发表。
幻灯片以 PDF格式提供。
