1．系統仿真及其分類
系統仿真是建立在控制理論、相似理論、信息處理技術和計算機初等理論基礎之上的，以計算機和其他專用物理效應設備為工具，利用系統模型對真實或假設的系統進行試驗，並借助於專家的經驗知識、統計數據和信息資料對實驗結果進行分析研究，進而做出決策的壹門綜合的實驗性學科。從廣義而言，系統仿真的方法適用於任何的領域，無論是工程系統（機械、化工、電力、電子等）或是非工程系統（交通、管理、經濟、政治等）。
系統仿真根據模型不同，可以分為物理仿真、數學仿真和物理—數學仿真（半實物仿真）；根據計算機的類別，可以分為模擬仿真、數字仿真和混合仿真；根據系統的特性；可以分為連續系統仿真、離散時間系統（采樣系統）仿真和離散事件系統仿真；根據仿真時鐘與實際時鐘的關系，可以分為實時仿真、欠實時仿真和超實時仿真等。
2．系統仿真的壹般步驟
對於每壹個成功的仿真研究項目,其應用都包含著特定的步驟，見圖9-2。不論仿真項目的類型和研究目的又何不同，仿真的基本過程是保持不變的，要進行如下9步：
問題定義
制定目標
描述系統並對所有假設列表
羅列出所有可能替代方案
收集數據和信息
建立計算機模型
校驗和確認模型
運行模型
分析輸出
下面對這九步作簡單的定義和說明。它不是為了引出詳細的討論，僅僅起到拋磚引玉的作用。註意仿真研究不能簡單遵循這九步的排序，有些項目在獲得系統的內在細節之後，可能要返回到先前的步驟中去。同時，驗證和確認需要貫穿於仿真工程的每壹個步驟當中。
（1）問題的定義
壹個模型不可能呈現被模擬的現實系統的所有方面，有時是因為太昂貴。另外，假如壹個表現真實系統所有細節的模型也常常是非常差的模型，因為它將過於復雜和難於理解。因此，明智的做法是：先定義問題，再制定目標，再構建壹個能夠完全解決問題的模型。在問題定義階段，對於假設要小心謹慎，不要做出錯誤的假設。例如，假設叉車等待時間較長，比假設沒有足夠的接收碼頭要好。作為仿真綱領，定義問題的陳述越通用越好，詳細考慮引起問題的可能原因。
（2）制定目標和定義系統效能測度
沒有目標的仿真研究是毫無用途的。目標是仿真項目所有步驟的導向。系統的定義也是基於系統目標的。目標決定了應該做出怎樣的假設、應該收集那些信息和數據；模型的建立和確認考慮到能否達到研究的目標。目標需要清楚、明確和切實可行。目標經常被描述成像這樣的問題“通過添加機器或延長工時，能夠獲得更多的利潤嗎？”等。在定義目標時，詳細說明那些將要被用來決定目標是否實現的性能測度是非常必要的。每小時的產出率、工人利用率、平均排隊時間、以及最大隊列長度是最常見的系統性能測度。
最後，列出仿真結果的先決條件。如：必須通過利用現有設備來實現目標，或最高投資額要在限度內，或產品訂貨提前期不能延長等。
（3）描述系統和列出假設
簡單點說，仿真模型降低完成工作的時間。系統中的時間被劃分成處理時間、運輸時間和排隊時間。不論模型是壹個物流系統、制造工廠、或服務機構，清楚明了的定義如下建模要素都是非常必要的：資源、流動項目（產品、顧客或信息）、路徑、項目運輸、流程控制、加工時間，資源故障時間。
仿真將現實系統資源分成四類：處理器，隊列，運輸，和***享資源如操作員。流動項目的到達和預載的必要條件必須定義，如：到達時間、到達模式和該項目的類型等屬性。在定義流動路徑時，合並和轉移需要詳細的描述。項目的轉變包括屬性變化、裝配操作（項目和並）、拆卸操作（項目分離）。在系統中，常常有必要控制項目的流動。如：壹個項目只有在某種條件或某壹時刻到來時才能移動，以及壹些特定的規則。所有的處理時間都要被定義，並且要清楚表明那些操作是機器自動完成，哪些操作是人工獨立完成，哪些操作需要人機協同完成。資源可能有計劃故障時間和意外故障時間。計劃故障時間通常指午餐時間，中場休息，和預防性維護等。意外故障時間是隨機發生的故障所需的時間，包括失效平均間隔時間和維修平均間隔時間。
在這些工作完成之後，需要將現實系統作模型描述，它遠比模型描述向計算機模型轉化困難。現實向模型的轉化意味著妳已經對現實有了非常徹底的理解，並且能將其完美的描述出來。這壹階段，將此轉換過程中所作的所有假設作詳細說明非常有必要。事實上，在整個仿真研究過程中，所有假設列表保持在可獲得狀態是個很好的主意，因為這個假設列表隨著仿真的遞進還要逐步增長。假如描述系統這壹步做得非常好，建立計算機模型這壹階段將非常簡便。
註意，獲得足夠的，能夠體現特定仿真目的的系統本質的材料是必要的，但是不需要獲得與真實系統壹壹對應的模型的描述。正如愛因斯坦所說“做到不能再簡單為止”。
（4）列舉可能的替代方案
在仿真研究中，確定模型早期運行的可置換方案是很重要的。它將影響著模型的建立。在初期階段考慮替代方案，模型可能被設計成可以非常容易的轉換到替換系統。
（5）收集數據和信息
收集數據和信息，除了為模型參數輸入數據外，在驗證模型階段，還可以提供實際數據與模型的性能測度數據進行比較。數據可以通過歷史紀錄、經驗、和計算得到。這些粗糙的數據將為模型輸入參數提供基礎，同時將有助於壹些需要較精確輸入參數數據的收集。
有些數據可能沒有現成的記錄，而通過測量來收集數據可能要費時、費錢。除了在模型分析中,模型參數需要極為精確的輸入數據外,同對系統的每個參數的數據進行調查、測量的收集方式相比，采用估計方法來產生輸入數據更為高效。估計值可以通過少數快速測量或者通過咨詢熟悉系統的系統專家來得到。即使是使用較為粗糙的數據，根據最小值、最大值和最可能取值定義壹個三角分布，要比僅僅采用平均值仿真效果都要好得多。有時候采用估計值也能夠很好的滿足仿真研究的目的。例如，仿真可能被簡單的用來指導人員了解系統中特定的因果關系。在這種情況下，估計值就可以滿足要求。
當需要可靠數據時，花費較多時間收集和統計大量數據，以定義出能夠準確反映現實的概率分布函數就是非常必要的。需要的數據量的大小取決於變量的變異程度，但是也有通用的規則，大拇指法指出至少需要三十甚至上百的數據。假如要獲得隨機停機時間的輸入參數，必須要在壹個較長時間段內捕獲足夠多的數據。
（6）建立計算機模型
構建計算機模型的過程中，首先構建小的測試模型來證明復雜部件的建模是合適的。壹般建模過程是呈階段性的，在進行下壹階段建模之前，驗證本階段的模型工作正常，在建模過程中運行和調試每壹階段的模型。不會直接將整個系統模型構建起來，然後點擊“運行”按鈕來進行系統的仿真。抽象模型有助於定義系統的重要部分，並可以引導為後續模型的詳細化而進行的數據收集活動。我們可能想對同壹現實系統構建多個計算機模型，每個模型的抽象程度都不相同。
（7）驗證和確認模型
驗證是確認模型的功能是否同設想的系統功能相符合。模型是否同我們想構建的模型相吻合，產品的處理時間、流向是否正確等。確認範圍更廣泛。它包括：確認模型是否能夠正確反映現實系統，評估模型仿真結果的可信度有多大等。
（8）驗證
現在有很多技術可以用來驗證模型。最最重要的、首要的是在仿真低速運行時，觀看動畫和仿真鐘是否同步運行，它可以發現物料流程及其處理時間方面的差異。
另壹種驗證技術是在模型運行過程中，通過交互命令窗口，顯示動態圖表來詢問資源和流動項目的屬性和狀態。
通過“步進”方式運行模型和動態查看軌跡文件可以幫助人們調試模型。運行仿真時，通過輸入多組仿真輸入參數值，來驗證仿真結果是否合理也是壹種很好的方法。在某些情況下，對系統性能的壹些簡單測量可以通過手工或使用對比而來獲得。對模型中特定區域要素的使用率和產出率通常是非常容易計算出來的。
在調試模型中是否存在著某種特定問題時，推薦使用同壹隨機數流，這樣可以保證仿真結果的變化是由對模型所做的修改引起的，同時對隨機數流不做改動，有時對於模型運行在壹些簡單化假設下，非常有幫助，這些假設是為了更加簡便的計算或預測系統性能。
（9）確認
模型確認建立模型的可信度。但是，現在還沒有哪壹種確認技術可以對模型的結果作出100%的確定。我們永遠不可能證明模型的行為就是現實的真實行為。如果我們能夠做到這壹步，可能就不需要進行仿真研究的第壹步（問題的定義）了。我們盡力去做的，最多只能是保證模型的行為同現實不會相互抵觸罷了。
通過確認，試著判斷模型的有效程度。假如壹個模型在得到我們提供的相關正確數據之後，其輸出滿足我們的目標，那麽它就是好的。模型只要在必要範圍內有效就可以了，而不需要盡可能的有效。在模型結果的正確性同獲得這些結果所需要的費用之間總存在著權衡。
判斷模型的有效性需要從如下幾方面著手：
①模型性能測度是否同真實系統性能測度匹配？
②如果沒有現實系統來對比，可以將仿真結果同相近現實系統的仿真模型的相關運行結果作對比。
③利用系統專家的經驗和直覺來假設復雜系統特定部分模型的運行狀況。
對每壹主要任務，在確認模型的輸入和假設都是正確的，模型的性能測度都是可以測量的之前，需要對模型各部分進行隨機測試。
④模型的行為是否同理論相壹致？確定結果的理論最大值和最小值，然後驗證模型結果是否落入兩值之間。
為了了解模型在改變輸入值後，其輸出性能測度的變化方向，可以通過逐漸增大或減小其輸入參數，來驗證模型的壹致性。
⑤模型是否能夠準確的預測結果？這項技術用來對正在運行中的模型進行連續的有效性驗證。
⑥是否有其他仿真模擬器模擬了這個模型？要是有的話那就再好不過了，可以將已有模型的模擬結果同現在設計的模型的運行結果進行對比。
（10）運行可替代實驗
當系統具有隨機性時，就需要對實驗做多次運行。因為，隨機輸入導致隨機輸出。如果可能，在第二步中應當計算出已經定義的每壹性能測度的置信區間。可替代環境能夠單獨構建，並可以通過使用WITNESS軟件中的“Optimizer”模塊來設置並自動運行仿真優化。
WITNESS軟件的“Optimizer”模塊為了執行優化操作，通過選擇目標函數的最大化或最小化，定義需要實驗的許多決策變量，需要達到的條件變量，需要滿足的約束等，然後讓優化模塊負責搜索變量的可替換數字，來運行模型。最終得出決策變量集的優化解決方案，和最大化或最小化的模型目標函數。“Optimizer”模塊設置了壹套優化方法，包括遺傳算法、仿真處理、禁忌搜索、分散搜索和其他的混合法來得出模型的優化配置方案。
在選擇仿真運行長度時，考慮啟動時間，資源失效可能間隔時間，處理時間或到達時間的時間或季節性差異，或其他需要系統運行足夠長時間才能出現效果的系統特征變量，是非常重要的。
（11）輸出分析
報表、圖形和表格常常被用於進行輸出結果分析。同時需要於今年用統計技術來分析不同方案的模擬結果。壹旦通過分析結果並得出結論，要能夠根據模擬的目標來解釋這些結果，並提出實施或優化方案。使用結果和方案的矩陣圖進行比較分析也是非常有幫助的。