学术文章

本文的主要目的是为医疗保健行业提供一个基于仿真的决策支持工具。这个工具将帮助医院管理层决定未来几个月的资源利用，特别是床位分配。有了它，医院可以预测入院情况，并了解新实施的政策如何影响病人的流量。

在大流行期间，由于医院人满为患和缺乏医护人员，专科医生在一线工作。这使他们成为这一流行病的高风险目标。在这些专业中，麻醉师是最脆弱的群体之一，因为他们与患者的气道密切接触。

使用AnyLogic软件开发了一个基于代理的模拟模型，以测试南卡罗莱纳州北部最大的医疗保健提供商麻醉科的各种人员配备政策。

桥式起重机调度问题一直是许多研究者感兴趣的问题。虽然大多数方法都是基于优化或使用模拟和优化的结合，但本研究建议将动态模拟和基于强化学习的AI相结合作为解决方案。

这个钢铁厂模拟项目的目标是通过创建一个更好的起重机时间表来最大限度地减少起重机在LD转换器的等待时间。

本案例研究的重点是模拟一个即将在沃尔玛加拿大仓库内实现的自动化系统。这个新系统的目标是更有效的仓库操作。许多库存单位(sku)不能以整箱的数量发送到零售商店。他们行动缓慢，会要求个体商店持有过多的库存。

拆箱是将箱子拆成单独的每个(件)，并将它们组合成混合的SKU纸箱的过程。自动化分解包提供了大量的劳动力和质量节省，这对于确保高效的仓库操作非常重要，但也具有高度的复杂性。

该论文首次证明了远程数字孪生解决方案的概念，将物理系统的实时数据馈送连接到可用于实时同步模式运输的虚拟地理信息系统环境。

在世界上许多发达经济体中，长途拖车业务是供应链的关键组成部分。在英国，据估计，长途物流约占公路货运温室气体排放的45%。

减少这一领域温室气体排放的一种方法是在拖车上安装电池。然而，长途运输是非常耗能的，电动汽车需要相当大的尺寸和重量的电池。本文应用基于agent的建模和仿真，分析电气化(如电动车队、电动道路系统等)是否有助于减少温室气体排放。

不同能源解决方案的操作和维护(O&M)费用差异很大。虽然太阳能发电厂或地热系统可能只需要很少的持续维护，但风力涡轮机需要熟练的工作人员来保持它们有效运行。

在这项研究中，作者使用了一个缩小规模的风电场案例研究，以证明强化学习(RL)在确定最佳运维策略方面的潜力，并展示了AnyLogic仿真软件和Pathmind强化学习工具的易用性。

由于恶劣天气条件、船舶时间表频繁变化、设备故障等诸多不确定性，港口管理者正致力于为其设施，特别是多式联运码头(无水港)提供适应性和灵活的战略规划。

研究表明，将基于agent的建模方法与其他仿真方法相结合，简化了仿真模型的设计过程，提高了仿真模型的可见性。开发的模型集允许研究人员计算参数的平衡值。因此，它有助于实现港口-多式联运码头系统的有效运行。以中国最繁忙港口之一为例，验证了所建立的仿真模型的充分性和有效性。

森林设备的规划和供应除取决于市场需求外，还取决于森林管理和采伐制度。该项目旨在通过估计未来对不同森林管理选择的森林设备的需求来支持设备规划进程。所需机器的数量取决于有多少原料可用。它还取决于系统中以前的机器处理了多少生物量。机器需要处理的产品数量根据供应链结构而有所不同。

切口疝(IH)是腹壁手术创伤(剖腹手术)后发生的腹侧疝。IH修复是一种常见的手术，可产生慢性疼痛，降低生活质量，并因再入院而导致巨大的医疗费用。本研究的目标是利用医学管理数据库和预测模型分析IH患者的临床路径。医疗保健中的预测建模除其他外，用于了解并发症的发生时间和相关费用。它能够模拟假设场景，为暴露最多的患者提出改进的护理途径。