内容简介
本书以智能制造系统为研究对象，深入阐述了AnyLogic系统仿真与制造业深度融合的理论框架、关键技术及实践应用。全书共分为三部分：第一部分剖析智能制造系统的技术架构与发展脉络，涵盖工业互联网、数字孪生等核心技术的创新实践；第二部分聚焦仿真案例操作，基于AnyLogic软件平台实现作业车间、太阳能电池板生产线、铅酸电池无人生产线、物料库、智能分拣中心以及供应链等工业场景的系统建模与仿真；第三部分探索前沿技术的深度融合，包括Python扩展、强化学习算法集成及GPT自然语言交互，提供智能制造系统建模与仿真的应用与发展新范式。
本书以新工科建设为导向，强调多方法融合，坚持案例驱动，凸显技术前瞻性，可作为高校“智能制造系统建模与仿真”“复杂系统建模与仿真”“系统工程”等课程的教学用书，亦可作为制造业从业者、系统仿真工程师及科研人员的实践指南。通过理论解析、软件操作与案例实践的结合，读者可掌握复杂系统建模的全流程技术，具备应用系统建模与仿真技术创新解决智能制造领域复杂系统问题的能力。
目录
第一部分 基础理论篇
第1章 智能制造系统概述 2
1.1 智能制造系统的发展 2
1.1.1 制造业发展历程 2
1.1.2 国内外智能制造发展战略 3
1.1.3 智能制造的发展目标 4
1.2 智能制造系统体系架构 5
1.2.1 智能制造系统的总体架构 5
1.2.2 智能制造系统的特征 6
1.2.3 智能制造系统的优势 6
1.3 智能制造系统相关技术 7
1.3.1 工业互联网技术 7
1.3.2 大数据技术 7
1.3.3 数字孪生技术 8
1.3.4 系统建模仿真技术 8
思考与练习 8
第2章 复杂系统建模与仿真 9
2.1 系统建模与仿真技术 9
2.1.1 基础知识 9
2.1.2 主流软件 11
2.1.3 主要方法 12
2.2 AnyLogic建模与仿真 14
2.2.1 离散事件仿真 14
2.2.2 系统动力学仿真 15
2.2.3 智能体仿真 16
2.2.4 多方法集成 16
思考与练习 17
第3章 AnyLogic基本操作 18
3.1 AnyLogic模型 18
3.1.1 创建新模型 18
3.1.2 打开模型 19
3.1.3 保存模型 19
3.1.4 关闭模型 20
3.2 AnyLogic的窗口界面 20
3.3 AnyLogic的菜单栏 22
3.3.1 文件菜单 22
3.3.2 编辑菜单 22
3.3.3 视图菜单 23
3.3.4 绘图菜单 23
3.3.5 模型菜单 23
3.3.6 工具菜单 24
3.3.7 帮助菜单 24
3.4 AnyLogic图形设计 24
3.4.1 AnyLogic的演示面板 24
3.4.2 图形设计 25
3.4.3 图形分组 26
3.5 AnyLogic数据交换机制 26
3.5.1 文本文件 26
3.5.2 Excel电子表格 27
3.5.3 数据库 27
3.5.4 使用剪贴板 27
3.6 AnyLogic中的编程语言 28
3.6.1 AnyLogic中Java代码 28
3.6.2 在AnyLogic中使用Python 30
思考与练习 30
第二部分 工业应用篇
第4章 JOBSHOP生产线建模与仿真 34
4.1 案例描述 34
4.2 建立基础模型 35
4.3 三维动态仿真 45
4.4 数据可视化与系统分析 46
4.5 实验与系统优化 47
思考与练习 48
第5章 太阳能电池板生产线建模与仿真 50
5.1 案例描述 50
5.2 建立基础模型 50
5.2.1 太阳能电池板生产线物理模型建模步骤 50
5.2.2 太阳能电池板生产线逻辑模型建模步骤 58
5.3 三维动态仿真 62
5.4 数据可视化与系统分析 63
5.5 实验与系统优化 64
思考与练习 65
第6章 铅酸电池无人生产线建模与仿真 66
6.1 案例描述 66
6.2 建立基础模型 67
6.2.1 粘贴电极并按批收集 67
6.2.2 通过在自由空间中移动的叉车将批集合转移到干燥室 72
6.2.3 包裹电极并组装电极组 75
6.2.4 电池组装 78
6.2.5 电池处理和质检 81
6.2.6 将电池运送至充电位置 83
6.2.7 分离阴极和阳极制备过程 85
6.2.8 模拟电极的生产 89
6.3 三维动态仿真 92
6.4 数据可视化与系统分析 94
6.5 实验与系统优化 95
思考与练习 96
第7章 物料库建模与仿真 97
7.1 案例描述 97
7.2 建立基础模型 97
7.2.1 物料库物理模型建模步骤 97
7.2.2 物料库逻辑模型建模步骤 102
7.3 三维动态仿真 109
7.4 数据可视化与系统分析 110
7.5 实验与系统优化 112
思考与练习 113
第8章 包装系统建模与仿真 114
8.1 案例描述 114
8.2 建立基础模型 114
8.2.1 物料库物理模型建模步骤 114
8.2.2 物料库逻辑模型建模步骤 119
8.3 三维动态仿真 128
8.4 数据可视化与系统分析 129
8.5 实验与系统优化 130
思考与练习 131
第9章 智能分拣中心建模与仿真 132
9.1 案例描述 132
9.2 建立基础模型 133
9.2.1 物料库物理模型建模步骤 133
9.2.2 物料库逻辑模型建模步骤 140
9.3 三维动态仿真 150
9.4 数据可视化与系统分析 152
9.5 实验与系统优化 153
思考与练习 154
第10章 基于竞争的供应链建模与仿真 155
10.1 案例描述 155
10.2 建立基础模型 155
10.3 动态仿真 164
10.4 数据可视化与系统分析 165
10.5 实验与系统优化 165
思考与练习 166
第11章 基于GIS的供应链建模与仿真 167
11.1 案例描述 167
11.2 建立基础模型 167
11.3 动态仿真 176
11.4 数据可视化与系统分析 176
11.5 实验与系统优化 177
思考与练习 178
第三部分 技术融合篇
第12章 AnyLogic与Python联动：Pypeline库 180
12.1 Python语言 180
12.2 Pypeline库简介 181
12.3 Pypeline库下载与集成 181
12.4 PyCommunicator基本用法 184
思考与练习 187
第13章 基于Socket通信实现AnyLogic与强化学习算法的集成 188
13.1 Socket通信技术 188
13.2 强化学习算法 190
13.3 AnyLogic对接强化学习案例描述 191
13.4 AnyLogic关键步骤介绍 191
13.5 强化学习代码介绍 205
13.6 统计分析 210
13.7 运行结果分析 213
思考与练习 214
第14章 AnyLogic融合GPT的可行性研究 215
14.1 GPT简介 215
14.2 AnyLogic对接GPT技术路线 216
14.3 AnyLogic对接GPT关键步骤 217
14.4 AnyLogic对接GPT基本效果 221
思考与练习 221
参考文献 222
前言/序言
在全球新一轮科技革命与产业变革的浪潮中，制造业正经历从“规模驱动”向“智能驱动”的深度转型。人工智能、物联网、大数据等技术的突破重构了生产系统的运行逻辑，催生了柔性制造、数字孪生等新型范式。然而，当前学术界与产业界仍面临两大挑战：一是如何系统化构建智能制造的认知框架，二是如何通过仿真技术实现复杂系统的动态优化。在这一背景下，智能制造的实践亟需一套能够贯通理论、方法与技术的指导体系。本书的编写正是基于这一目标，旨在弥合理论与实践的鸿沟，通过AnyLogic这一多方法建模平台，将智能制造的核心技术、复杂系统分析方法与前沿人工智能工具深度融合，为读者提供从理论认知到工程落地的完整路径。
全书共14章，内容层层递进，分为三大部分：
第一部分，基础理论篇（第1～3章）：从宏观视角切入，系统梳理智能制造的演进逻辑与五层技术架构；聚焦复杂系统建模的方法论，结合工业场景特征，深入剖析离散事件仿真、系统动力学仿真与智能体仿真的核心原理；详解AnyLogic软件的操作体系，从界面功能到多源数据交互，为后续实践奠定理论基础。
第二部分，工业应用篇（第4～11章）：面向典型生产场景，通过作业车间调度、太阳能电池板生产线优化、铅酸电池无人生产线建模、物料库建模、包装系统建模、智能分拣中心建模、基于竞争和GIS的供应链建模等案例，展现离散事件仿真、系统动力学与多智能体协同建模的实战操作。
第三部分，技术融合篇（第12～14章）：突破传统建模与仿真的边界，探索AnyLogic与新技术的融合。通过Python扩展接口实现优化算法与仿真的深度耦合，借助Socket通信整合强化学习框架以增强系统自主决策能力，并首次引入GPT技术构建自然语言交互界面，推动仿真建模的智能化转型。
本书的内容特点与使用价值体现在以下三方面：
其一，强调多方法融合，突破离散事件、系统动力学与智能体建模等单一方法的局限性，解决工业场景中的复杂系统建模问题；
其二，坚持案例驱动，结合制造业、新能源、物流与供应链等领域智能化特征，设计并选取典型案例场景；
其三，凸显技术前瞻性，系统整合Python、强化学习与GPT等前沿工具，为仿真技术与智能决策的发展开辟新路径。
本书的完成得益于团队的协作。编写工作由尹静、王衍学、李欣、王金海完成，结合工业生产、物流供应链等智能制造场景的实际需求，撰写案例建模、算法集成以及交互设计的核心内容。在此特别感谢AnyLogic官方团队在软件功能验证中的技术指导，以及参与实践案例编写和内容文字整理工作的孙浩凱、陈浩、杨旺、牟宗博、肖文博、梦根等研究生。同时，谨向参与案例验证的企业工程师、提供学术建议的高校同仁致以诚挚谢意。
本书配套课件和模型源码，读者可扫描书中二维码获取。
限于作者水平，书中难免存在疏漏，恳请读者批评指正。
编著者
2025年5月
