仿真项目的成败，往往在建模开始之前就已经决定了一半。做过几个项目之后会发现一个规律：项目延期和返工，绝大多数不是模型技术问题，而是数据没准备好。模型可以反复调，数据缺失却只能停工等。
一、建模数据的七类清单
下面这份清单可以直接当作项目启动前的自查表使用。每一类都注明「为什么需要」与「常见缺失情况」。
1. 产品与订单数据
- 产品族与型号清单，各型号的产量占比（做 ABC 分类用）
- 订单或工单的历史明细：数量分布、批次大小、到达时间规律
- 淡旺季曲线与峰值倍率
常见问题：只提供总量，没有到达时间的分布特征。仿真最怕「平均值」，因为平均值里没有波动，而波动恰恰是暴露瓶颈的关键。
2. 工艺路线与流程数据
- 每类产品的完整工艺路线（工序顺序、可选替代路径）
- 各工序的设备类型、数量与可用性
- 工序间的流转规则：批量流转还是单件流转、是否允许跳序
3. 设备与工时数据
- 各设备的加工时间（有条件的话给分布，不只是均值）
- 换型时间与换型规则（按什么顺序、有无优化空间）
- 设备故障率与平均修复时间（MTBF / MTTR）
- 设备综合效率（OEE）的实际水平
常见问题：给的是「设备铭牌产能」而不是「实际产能」。铭牌产能与实际值之间通常有 15%～30% 的差距，直接用铭牌数据建模会让模型结果过于乐观。
4. 人员与班次数据
- 班次制度、每班时长、休息与交接安排
- 各岗位人员配置与技能矩阵（能否互替）
- 人员在多台设备间的看护规则
5. 布局与物流数据
- 车间或仓库平面图（CAD 图纸最佳，PDF 需标注比例）
- 设备与工位的位置坐标
- 搬运方式、搬运批量、搬运速度与路径网络
- 缓冲区位置与容量上限
6. 质量与损耗数据
- 各工序的合格率与主要不良模式
- 返修流程及其对工时与排产的占用
- 物料损耗率
7. 现有系统的运行表现
- 过去一段时间的实际产出、在制品、利用率、等待时间
- 已知的痛点与瓶颈及其发生时段
这一类数据的作用常被低估——它是模型验证的基准。模型建好后要用这些实际数据去核对，确认模型「像」真实系统，之后才有资格用它去预测未来。
二、数据准备的三个实操建议
- 先粗后细，不要一开始追求完美。先用手上能拿到的数据把骨架搭起来，跑通全流程，再针对影响结果最大的参数做精细采集。敏感度分析会告诉你哪些参数值得花时间。
- 数据要有出处。每个参数都标注来源（MES 导出、现场实测、设备手册、专家估计），并区分置信程度。建模过程中一定会遇到「这个数到底该用多少」的争论，有出处的数据能让讨论收敛。
- 让车间的人参与进来。很多关键细节——换型时实际操作顺序、异常时班组怎么处理、哪台设备其实经常停——都存在于班组长和设备工程师的经验里，不在任何系统里。访谈半天，可能比翻一个月报表更有价值。
三、一句话总结
仿真不是「喂进数据就出结论」的黑箱，它是把分散在企业各处的经验与数据组织起来，做一次系统性的推演。数据清单看起来繁琐，但把这张表填满的过程，本身往往就能让团队发现自己对现场的了解还有多少空白。