本文介绍基于SimPy搭建简易多阶段离散制造系统数字化*。系统含2台加工单元（效率不同可并行）和1个检测单元，加工后零件送检，合格入库，不合格返工（合格率80%）。文中分步说明用SimPy构建并行加工、串联检测及返工流程的*过程，展示了各环节运行情况。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
作者：陆平
假设一个简易的多阶段离散流程生产制造系统，包含生产、检测两阶段。系统里部署了2台加工单元和1个检测单元。2个加工单元的工作效率是不一样的，但可以同时并行开工。经过加工单元，加工后的零部件会被传送至检测单元进行质量检测，检测不合格的零部件需要返工，检测合格的零部件进入仓库。
本项目中的模拟环境搭建将主要采用SimPy离散事件*库。它是一个开源框架，SimPy源文件已经在external-libraries文件夹之中。我们使用sys.path.append方法可以把external-libraries添加至路径，方便调用。
我们首先要把现实世界中的连续生产过程进行离散化，变成一个个的离散事件。接着，把事件进行分类，可以分为持续*件、中断事件等。持续*件如“某生产设备持续加工某零部件”、“设备需要等待员工操作”等。中断事件如“某生产设备故障”等。
简小派
简小派是一款AI原生求职工具，通过简历优化、岗位匹配、项目生成、模拟面试与智能投递，全链路提升求职成功率，帮助普通人更快拿到更好的 offer。
123
查看详情
In [2]
!mkdir /home/aistudio/external-libraries
mkdir: cannot create directory ‘/home/aistudio/external-libraries’: File existsIn [2]
import sys
sys.path.append('/home/aistudio/external-libraries') #一定得加载external-libraries至路径，否则会报错“找不到simpy”
接下来，我们构建2台可以并行运转的加工单元。加工单元的输入是in_put，它是一个store，可以理解从传送带或仓库中获取待加工的零部件。加工单元的输出是out_put, 它也是一个store，可以理解为把已经加工完毕后的零部件放入队列，然后供后续生产事件（比如检测）调用。
In [3]#导入simpy模块from simpy.core import Environment #环境，所有的事件都在环境中from simpy.resources.store import Store #存储，用它可以模拟队列、仓库from simpy.resources.resource import Resource #资源，用它可以模拟资源占用In [4]
#零部件类--调用它可以生成零部件实例class Part:
#初始化方法
def __init__(self, env, name):
self.env = env
self.name = name
self.finished = "待加工"
self.action = self.env.process(self.do()) def do(self):
yield self.env.timeout(0) #设置延迟时间为0，相当于产品自己不会发生什么变化。def process_unit1(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入仓库中获取待加工的零部件
yield env.timeout(10) #加工零部件时间流逝，生产设备1的生产效率为每隔10个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备1' % (p.name, env.now))
out_store.put(p) #把已经加工后的零部件放入输出仓库
i = i+1def process_unit2(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入仓库中获取待加工的零部件
yield env.timeout(20) #加工零部件时间流逝，生产设备2的生产效率为每隔20个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备2' % (p.name, env.now))
out_store.put(p) #把已经加工后的零部件放入输出仓库
i = i+1env = Environment() #生成环境实例in_store = Store(env) #生成输入仓库out_store = Store(env) #生成输出仓库#假设输入仓库中有20个待加工的零部件for i in range(20):
p = Part(env, 'part %d' % i) #创建一个待加工零部件实例
in_store.put(p) #把待加工零部件放入输入仓库env.process(process_unit1(env, in_store, out_store))
env.process(process_unit2(env, in_store, out_store))
env.run()part 0 在时刻10加工完毕, 加工设备1 part 1 在时刻20加工完毕, 加工设备2 part 2 在时刻20加工完毕, 加工设备1 part 4 在时刻30加工完毕, 加工设备1 part 3 在时刻40加工完毕, 加工设备2 part 5 在时刻40加工完毕, 加工设备1 part 7 在时刻50加工完毕, 加工设备1 part 6 在时刻60加工完毕, 加工设备2 part 8 在时刻60加工完毕, 加工设备1 part 10 在时刻70加工完毕, 加工设备1 part 9 在时刻80加工完毕, 加工设备2 part 11 在时刻80加工完毕, 加工设备1 part 13 在时刻90加工完毕, 加工设备1 part 12 在时刻100加工完毕, 加工设备2 part 14 在时刻100加工完毕, 加工设备1 part 16 在时刻110加工完毕, 加工设备1 part 15 在时刻120加工完毕, 加工设备2 part 17 在时刻120加工完毕, 加工设备1 part 19 在时刻130加工完毕, 加工设备1 part 18 在时刻140加工完毕, 加工设备2
接下来，我们构建1台可以检测的设备。检测设备的输入是in_put，它是一个store，可以理解从传送带或仓库中获取待检测的零部件。检测设备的输出是out_put, 它也是一个store，可以理解为把已经检测完毕后的零部件放入队列（FIFO仓库），准备出库。
In [6]#零部件类--调用它可以生成零部件实例class Part:
#初始化方法
def __init__(self, env, name):
self.env = env
self.name = name
self.finished = "待加工"
self.check="未检测"
self.action = self.env.process(self.run()) def run(self):
yield self.env.timeout(0) #设置延迟时间为0def process_unit1(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入队列中获取待加工的零部件
yield env.timeout(10) #加工零部件时间流逝，生产设备1的生产效率为每隔10个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备1' % (p.name, env.now))
out_store.put(p) #把已经加工
后的零部件放入输出队列
i = i+1def process_unit2(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入队列中获取待加工的零部件
yield env.timeout(20) #加工零部件时间流逝，生产设备2的生产效率为每隔20个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备2' % (p.name, env.now))
out_store.put(p) #把已经加工后的零部件放入输出队列
i = i+1def test_unit(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入仓库中获取待检测的零部件
yield env.timeout(2) #检测时间流逝，每隔2个单位时间，检测1个零部件
p.check = "检测通过" #设置为检测通过
print('%s 在时刻%d检测完毕, 检测设备1' % (p.name, env.now))
out_store.put(p) #把已经检测后的零部件放入输出仓库
i = i+1env = Environment() #生成环境实例store1 = Store(env) #生成仓库1，待加工零部件储存队列store2 = Store(env) #生成仓库2，加工后的零部件储存队列store3 = Store(env) #生成仓库3，检测后的零部件储存队列#假设输入仓库中有20个待加工的零部件for i in range(20):
p = Part(env, 'part %d' % i) #创建一个待加工零部件实例
store1.put(p) #把待加工零部件放入输入仓库env.process(process_unit1(env, store1, store2))
env.process(process_unit2(env, store1, store2))
env.process(test_unit(env, store2, store3))
env.run()part 0 在时刻10加工完毕, 加工设备1 part 0 在时刻12检测完毕, 检测设备1 part 1 在时刻20加工完毕, 加工设备2 part 2 在时刻20加工完毕, 加工设备1 part 1 在时刻22检测完毕, 检测设备1 part 2 在时刻24检测完毕, 检测设备1 part 4 在时刻30加工完毕, 加工设备1 part 4 在时刻32检测完毕, 检测设备1 part 3 在时刻40加工完毕, 加工设备2 part 5 在时刻40加工完毕, 加工设备1 part 3 在时刻42检测完毕, 检测设备1 part 5 在时刻44检测完毕, 检测设备1 part 7 在时刻50加工完毕, 加工设备1 part 7 在时刻52检测完毕, 检测设备1 part 6 在时刻60加工完毕, 加工设备2 part 8 在时刻60加工完毕, 加工设备1 part 6 在时刻62检测完毕, 检测设备1 part 8 在时刻64检测完毕, 检测设备1 part 10 在时刻70加工完毕, 加工设备1 part 10 在时刻72检测完毕, 检测设备1 part 9 在时刻80加工完毕, 加工设备2 part 11 在时刻80加工完毕, 加工设备1 part 9 在时刻82检测完毕, 检测设备1 part 11 在时刻84检测完毕, 检测设备1 part 13 在时刻90加工完毕, 加工设备1 part 13 在时刻92检测完毕, 检测设备1 part 12 在时刻100加工完毕, 加工设备2 part 14 在时刻100加工完毕, 加工设备1 part 12 在时刻102检测完毕, 检测设备1 part 14 在时刻104检测完毕, 检测设备1 part 16 在时刻110加工完毕, 加工设备1 part 16 在时刻112检测完毕, 检测设备1 part 15 在时刻120加工完毕, 加工设备2 part 17 在时刻120加工完毕, 加工设备1 part 15 在时刻122检测完毕, 检测设备1 part 17 在时刻124检测完毕, 检测设备1 part 19 在时刻130加工完毕, 加工设备1 part 19 在时刻132检测完毕, 检测设备1 part 18 在时刻140加工完毕, 加工设备2 part 18 在时刻142检测完毕, 检测设备1
经过质量检测，如果检测不合格，则需要返回加工单元进行返工，加工后的产品再进行质量检测，直到检测合格入库。为示意，假设零部件质量检测合格的概率为80%。
In [10]
后的零部件放入输出队列
i = i+1def process_unit2(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入队列中获取待加工的零部件
yield env.timeout(20) #加工零部件时间流逝，生产设备2的生产效率为每隔20个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备2' % (p.name, env.now))
out_store.put(p) #把已经加工后的零部件放入输出队列
i = i+1def test_unit(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入仓库中获取待检测的零部件
yield env.timeout(2) #检测时间流逝，每隔2个单位时间，检测1个零部件
p.check = "检测通过" #设置为检测通过
print('%s 在时刻%d检测完毕, 检测设备1' % (p.name, env.now))
out_store.put(p) #把已经检测后的零部件放入输出仓库
i = i+1env = Environment() #生成环境实例store1 = Store(env) #生成仓库1，待加工零部件储存队列store2 = Store(env) #生成仓库2，加工后的零部件储存队列store3 = Store(env) #生成仓库3，检测后的零部件储存队列#假设输入仓库中有20个待加工的零部件for i in range(20):
p = Part(env, 'part %d' % i) #创建一个待加工零部件实例
store1.put(p) #把待加工零部件放入输入仓库env.process(process_unit1(env, store1, store2))
env.process(process_unit2(env, store1, store2))
env.process(test_unit(env, store2, store3))
env.run()import random#零部件类--调用它可以生成零部件实例class Part:
#初始化方法
def __init__(self, env, name):
self.env = env
self.name = name
self.finished = "待加工"
self.check="未检测"
self.action = self.env.process(self.run()) def run(self):
yield self.env.timeout(0) #设置延迟时间为0def process_unit1(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入队列中获取待加工的零部件
yield env.timeout(10) #加工零部件时间流逝，生产设备1的生产效率为每隔10个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备1' % (p.name, env.now))
out_store.put(p) #把已经加工后的零部件放入输出队列
i = i+1def process_unit2(env, in_store, out_store):
i = 0
while True:
p = yield in_store.get() #从输入队列中获取待加工的零部件
yield env.timeout(20) #加工零部件时间流逝，生产设备2的生产效率为每隔20个单位时间，加工1个零部件
p.finished = "已加工" #设置为已加工
print('%s 在时刻%d加工完毕, 加工设备2' % (p.name, env.now))
out_store.put(p) #把已经加工后的零部件放入输出队列
i = i+1def test_unit(env, in_store, out_store1, out_store2):
i = 0
while True:
p = yield in_store.get() #从输入仓库中获取待检测的零部件
yield env.timeout(2) #检测时间流逝，每隔2个单位时间，检测1个零部件
if random.random() < 0.8: #如果生成的随机数小于0.8，则检测通过
p.check = "检测合格" #设置为检测合格
print('%s 在时刻%d检测合格, 检测设备1' % (p.name, env.now))
out_store1.put(p) #把已经检测后的零部件放入输出仓库
else:
p.check = "检测不合格" #设置为检测不合格
print('%s 在时刻%d检测不合格, 检测设备1' % (p.name, env.now))
out_store2.put(p)
i = i+1env = Environment() #生成环境实例store1 = Store(env) #生成仓库1，待加工零部件的储存队列store2 = Store(env) #生成仓库2，加工后的零部件的储存队列store3 = Store(env) #生成仓库3，检测后的零部件的储存队列#假设输入仓库中有20个待加工的零部件for i in range(20):
p = Part(env, 'part %d' % i) #创建一个待加工零部件实例
store1.put(p) #把待加工零部件放入输入仓库env.process(process_unit1(env, store1, store2))
env.process(process_unit2(env, store1, store2))
env.process(test_unit(env, store2, store3, store1))
env.run()part 0 在时刻10加工完毕, 加工设备1 part 0 在时刻12检测不合格, 检测设备1 part 1 在时刻20加工完毕, 加工设备2 part 2 在时刻20加工完毕, 加工设备1 part 1 在时刻22检测合格, 检测设备1 part 2 在时刻24检测合格, 检测设备1 part 4 在时刻30加工完毕, 加工设备1 part 4 在时刻32检测合格, 检测设备1 part 3 在时刻40加工完毕, 加工设备2 part 5 在时刻40加工完毕, 加工设备1 part 3 在时刻42检测合格, 检测设备1 part 5 在时刻44检测不合格, 检测设备1 part 7 在时刻50加工完毕, 加工设备1 part 7 在时刻52检测不合格, 检测设备1 part 6 在时刻60加工完毕, 加工设备2 part 8 在时刻60加工完毕, 加工设备1 part 6 在时刻62检测合格, 检测设备1 part 8 在时刻64检测合格, 检测设备1 part 10 在时刻70加工完毕, 加工设备1 part 10 在时刻72检测合格, 检测设备1 part 9 在时刻80加工完毕, 加工设备2 part 11 在时刻80加工完毕, 加工设备1 part 9 在时刻82检测合格, 检测设备1 part 11 在时刻84检测合格, 检测设备1 part 13 在时刻90加工完毕, 加工设备1 part 13 在时刻92检测不合格, 检测设备1 part 12 在时刻100加工完毕, 加工设备2 part 14 在时刻100加工完毕, 加工设备1 part 12 在时刻102检测不合格, 检测设备1 part 14 在时刻104检测合格, 检测设备1 part 16 在时刻110加工完毕, 加工设备1 part 16 在时刻112检测不合格, 检测设备1 part 15 在时刻120加工完毕, 加工设备2 part 17 在时刻120加工完毕, 加工设备1 part 15 在时刻122检测合格, 检测设备1 part 17 在时刻124检测合格, 检测设备1 part 19 在时刻130加工完毕, 加工设备1 part 19 在时刻132检测合格, 检测设备1 part 18 在时刻140加工完毕, 加工设备2 part 0 在时刻140加工完毕, 加工设备1 part 18 在时刻142检测不合格, 检测设备1 part 0 在时刻144检测不合格, 检测设备1 part 7 在时刻150加工完毕, 加工设备1 part 7 在时刻152检测合格, 检测设备1 part 5 在时刻160加工完毕, 加工设备2 part 13 在时刻160加工完毕, 加工设备1 part 5 在时刻162检测合格, 检测设备1 part 13 在时刻164检测不合格, 检测设备1 part 16 在时刻170加工完毕, 加工设备1 part 16 在时刻172检测合格, 检测设备1 part 12 在时刻180加工完毕, 加工设备2 part 18 在时刻180加工完毕, 加工设备1 part 12 在时刻182检测合格, 检测设备1 part 18 在时刻184检测合格, 检测设备1 part 13 在时刻190加工完毕, 加工设备1 part 13 在时刻192检测合格, 检测设备1 part 0 在时刻200加工完毕, 加工设备2 part 0 在时刻202检测合格, 检测设备1
以上就是多阶段离散制造系统的数字化*（简易版）的详细内容，更多请关注其它相关文章！
# 质量检测
# 沧州网站建设信息公示表
# 澄迈抖音推广营销
# seo儿童素描加盟品牌
# 安顺seo营销排名公司
# 网站推广是指哪些
# 白酒营销推广渠道方案
# 服装网站推广与发布方案
# 网站优化教程公司
# 蛇口外贸网站优化
# 禹州网站建设哪家好
# ai
# 它是
# 中有
# 生产效率
# 每隔
# 生产设备
# 设置为
# 不合格
# 检测设备
# 加工设备
# udio
相关栏目：
【
Google疑问12 】
【
Facebook疑问10 】
【
优化推广96088 】
【
技术知识133117 】
【
IDC资讯59369 】
【
网络运营7196 】
【
IT资讯61894 】
相关推荐：
联想戴炜：以全栈AI加速CT与IT融合，共建高质量算力网络
全国体育人工智能大会举办，专家聚焦体育人工智能领域人才培养
美图秀秀发布7款AI产品：支持用户创作、商业创作
生成式人工智能来了，如何保护未成年人？ | 社会科学报
GPT-4使用混合大模型？研究证明MoE+指令调优确实让大模型性能超群
重磅！ 捷通华声灵云AICC荣获第二届光合组织AI解决方案大赛二等奖
李开复官宣新公司「零一万物」，进军 AI 2.0
马斯克嘲讽人工智能：机器学习本质就是统计学
微软向美国政府提供GPT的大模型，安全性如何保证？
参考封面|人工智能“淘金热”
中国最强AI研究院的大模型为何迟到了
软通动力多项AI创新产品及应用亮相2025世界人工智能大会
华为小艺AI助手将实现强大的大模型能力
2025WRC世界机器人大赛锦标赛（烟台）收官！斯坦星球勇夺VEX赛项冠亚军！
人工智能在商业中的风险和局限性
农业产业升级：AI驱动的“崃·见田”开启农田未来展望
对话无界AI创始人长铗：AI的创业机会在应用层丨创新者Innovator
AI大模型紫东太初已被注册商标 中科院已注册紫东太初大模型商标
小米9号员工李明宣布创业：打造首款安卓桌面机器人
印象笔记开放旗下“印象 AI”，可一键生成思维导图、写文章等
扎克伯格吐槽苹果Vision Pro：社交落后Meta太多，无法建设元宇宙
微软AR/VR专利提出使用时间复用谐振驱动产生双极性电源
创新科学家成功研发FAST激光靶标维护机器人
AYANEO AIR 1S 掌机发布：R7 7840U，预订价 4699 元起
张朝阳与陆川谈AI：ChatGPT是鹦鹉学舌思维，不可能取代人类 | 把脉AI大模型
美版贴吧8000小组自爆停摆！拒绝数据被谷歌OpenAI白嫖，CEO被网友骂翻：背刺第三方应用
北京市元宇宙产业创新中心筹建工作正式启动
携程发布旅游行业垂直大模型 梁建章：AI策略是做可靠的内容 放心的推荐
看似低调，实则稳健：字节在AI路上会遇到什么？
大模型的“黄金搭档”来了！腾讯云正式发布AI原生向量数据库，提供10亿级向量检索能力
特斯拉门店可能启动机器人卖车？也许不是你想的那样
鸿蒙智能座舱的AI大模型革新，引领智能座舱领域的变革吗？
RoboNeo什么时候上线
再度重仓 AI 赛道，SaaS 巨头 Salesforce 扩大 AIGC 风投基金规模
“黑科技”亮相大湾区轨交论坛 智慧交通迈向“强AI”
视觉中国宣布推出AI灵感绘图、画面扩展功能
今年，全球客服中心支出将增长 16.2%，迎接对话式 AI 的浪潮，根据 Gartner 报告
「社交达人」GPT-4！解读表情、揣测心理全都会
两小时就能超过人类！DeepMind最新AI速通26款雅达利游戏
OpenAI 为开发者推出 GPT 聊天机器人 API 大更新，同时降低价格
「电子果蝇」惊动马斯克！背后是13万神经元全脑图谱，可在电脑上运行
英伟达的AI领域垄断地位：一直无法撼动吗？
人工智能驱动艺术，打开达利的超现实想象
国内首款大尺寸仿鸵双足机器人“大圣”亮相，穿戴红色战袍
网易加速行业AI大模型应用，将覆盖100多个应用场景
中科院自研新一代 AI 大模型“紫东太初 2.0”问世
人工智能在项目管理中的作用
《流浪地球2》里机器人公司的创始人：未来10年，机器人的崛起！
AI+游戏首度大范围公布实际应用成果，AI全面来临还有多远？
AI生成新闻网站数量激增，正在疯狂赚取广告收入
2025-07-18
运城市盐湖区信雨科技有限公司是一家深耕海外推广领域十年的专业服务商，作为谷歌推广与Facebook广告全球合作伙伴，聚焦外贸企业出海痛点，以数字化营销为核心，提供一站式海外营销解决方案。公司凭借十年行业沉淀与平台官方资源加持，打破传统外贸获客壁垒，助力企业高效开拓全球市场，成为中小企业出海的可靠合作伙伴。