背景

在美国，制造业生产率和建筑业生产率之间存在着显著的差异。从1994年到2011年，制造业的生产率几乎翻了一番，但建筑业的生产率却持平。此外，建筑业是美国碳密集型和能源消耗最多的行业之一。

建筑业，尤其是建筑业面临的挑战是提高建筑过程中的生产率，以提供节能、低碳和价格合理的产品。国家可再生能源实验室（NREL）将在未来5-10年内与美国能源部（DOE）和各种资助机构一起开展这项工作。

问题

美国能源部正在推动一项名为“先进建筑施工”（ABC）的计划，以提供负担得起、吸引人、节能和低碳的新建筑。此外，他们正在研究如何将更高的能源效率融入美国高产建筑行业。美国能源部正在投资新技术，同时与公共和私营部门的利益相关者进行接触。

NREL和美国能源部有两种具体方法来实现设定的目标。第一种是永久性的模块化建筑，即建筑在最终现场运输和组装之前在场外建造。第二种是仿真环境和数字孪生模型，其中模型与实时系统的当前状态相结合。可以使用AnyLogic等现有工具来实现这一点。

在美国的一个场外建筑工厂，有一个人工劳动力和一个大型材料处理系统。最终产品将被运送到所需的目的地，在那里只需极少的工作即可完成组装。以这种方式建造要快40%，然而，目前尚不清楚这一过程是否更节能，是否会引领更节能和低碳的建筑。在这里，数字孪生和仿真环境可以用来理解所涉及的过程，做出更好的决策，并交付这些建筑。

解决方案

NREL为场外工厂（在本例中为物理环境）使用数据收集策略，与该工厂仿真的实时表示进行集成。该数据包括每一个过程和离散活动，以及所有人工或施工劳动力，以及材料处理系统。这引领了数字环境或工厂信息模型。


场外工厂仍然需要大量的人工，因此很难理解劳动生产率、周期时间甚至停机时间的含义。因此需要使用AnyLogic多方法仿真建模。

基于智能体的方法可以仿真自主智能体的行为和交互，在这种情况下，自主智能体是建筑工人。离散事件仿真建模对于简单的装配线和输送机更有效。在系统动力学中，可以添加物料处理系统和物料流的层次。为了真正理解劳动生产率，可以创建一个多方法仿真模型，但重点是基于智能体的方法。

模型中的输入是从真实世界的场外工厂提取的工人运动和活动信息。然后可以将这些输入放在AnyLogic环境中。下面的视频显示了工厂模型。在这里，人力资源是按照每个站点中的施工劳动力模型进行分配的。随着工作的继续，可以分配特定的工人、时间表、移动模式和停机时间，甚至午餐时间。所有这些数据都极大地影响了工厂相关事项的进展。

模型中有不同的工位，每个工位都分配了工人。当模块化单元在这些工位之间移动时，这些工位的资源将被激活，实际情况下工人的确切时间表将作为输入数据添加到工厂模型中。因此，可以创建针对工厂现有条件的基准。

整个工厂可以进行详细的仿真，可以放大模型以充分了解不同的站点。建模者可以通过模型理解物料处理系统的效果。

仔细观察所创建模型的四个不同区域（见下图），可以使用仿真环境确定许多研究问题。并且，这些问题可以映射到AnyLogic中的不同方法。解决这些问题可以提供更好的低碳高效产品。

模型构建者使用what-if 假设情景，研究生产力和新活动之间的权衡，在工厂实施这些策略之前做出明智的决策。

未来计划

该模型还在继续改进中，随着美国各地参与工厂部署的摄像机和传感器不断接收到接近于实时的数据，该模型将不断完善。当前的模型显示了如何呈现现有工厂，但在未来，一旦有了一个确定的基准，就可以创建what-if假设场景并且AnyLogic功能也将能够满足这项需求。未来的工作将涉及权衡分析与生产力的假设场景和新资源与活动的假设场景。