你负责管理一座仓库的现场，约 24 台自主移动机器人（AMR）把周转箱从存储通道运到四个协作机器人打包单元。每个订单是一趟 240 m 的行程——200 m 穿过机器人专用通道，40 m 穿过有人工作的共享区——外加在单元处的一次拣选。模型根据公开标准和教科书公式，逐分钟计算排队、拥堵、死锁、停止距离、电池能量和充电功率，以及软件版本对停止的影响。这是一个运营原理模型：它不运行机器人软件，数字是通用的，并非任何产品的数据。仅为教学模拟——实际现场应遵循其自身的风险评估。
备用机器人从停放区唤醒；停放的机器人不耗电。每台在役机器人每小时耗费一个机器人小时。
A 区禁止人员进入，因此机器人可以快速行驶。如果有人进入，速度必须重新满足人员检测区的要求。
这里始终有人在工作。该速度下的停止距离必须落在 1.3 m 的人员检测区内。
自由：机器人只在局部互相避让——速度快，但两台或更多机器人可能永久互相堵死。区域预约：只有当前方的区域都已为它预约后，机器人才进入路口——不会死锁，每次通过路口只需短暂等待。
立即释放所有陷入死锁的机器人。每释放一台机器人耗费 2 操作员分钟；这不能阻止新的死锁形成。
完成任务时电量等于或低于此值的机器人会加入充电排队。设得越低，电池用得越多，但等待太久的机器人可能会耗尽电量。
充电器在约 70 % 以下以满功率充电；超过后电流逐渐减小。停得低一些，充电器就能更早空出来。
没有任务的机器人会去任意空闲充电器，而不是闲置等待；一旦有订单等待且电量比去充电阈值高出 20 %，就立即返回工作。
单元内无人时的工具速度。一箱 10 件物品在 1 m/s 下需要 25 s。
功率和力限制：被压在周转箱上的手所受的力不得超过 140 N（准静态限值，保守采用），因此这里最多允许 0.67 m/s。
移动滑块会把最新发布的版本推送到车队中这一比例的机器人（按顺序排在最前面的机器人）；其余机器人运行 v1。之后发布的版本只有在你再次移动滑块时才会安装。每台更换版本的机器人停用 4 分钟。
| 等待中的订单 | 0 |
|---|---|
| 协作机器人速度裕度（功率和力限制） | 0.17 m/s |
| 平均电池电量 | 67 % |
| 最低电池电量 | 42 % |
| 等待充电器的机器人 | 0 |
| 充电中的机器人 | 0 |
| 电量耗尽的机器人（被拖走） | 0 |
| 陷入死锁的机器人 | 0 |
| 已形成的死锁 | 0 |
| 导航停止（通信或定位） | 0 |
| 每机器人小时停止次数，最新版本 | 0.0 /h |
| 每机器人小时停止次数，其余车队 | 0.0 /h |
| 运行最新版本的车队比例 | 0 % |
| 运行 v2.0 的车队 | 0 % |
| 正在更新的机器人 | 0 |
| A 区速度设定 | 1.5 m/s |
| 花在机器人上的操作员时间 | 0 min |
| 已用机器人小时 | 0 h |
| 在役机器人 | 24 |
| 行驶中的机器人 | 0 |
| A 区实际速度 | 1.50 m/s |
| 每次通过路口的等待 | 0.0 s |
| 车队用电功率 | 0.00 kW |
| 充电器输出功率 | 0.00 kW |
| 协作单元占用 | 0 % |
早班，24 台机器人在役，每分钟约 3.7 个订单。经过繁忙的一夜，车队开班时平均电量为 60 %。第 15 分钟，一次电气故障使六台充电器中的四台在本班剩余时间内停用。第 90 分钟订单高峰开始（两小时内 +25 %）。保持订单流动，让车队带着充足电量进入高峰，不要让任何机器人电量耗尽，并控制在本班的机器人预算之内。
每分钟约 4.2 个订单，24 台机器人，交通管控设为自由行驶。第 10 分钟，一条通道因货架重新布置而关闭：路口更少，迎面相遇更多，且无路可绕。第 60 分钟，一支维修人员进入机器人专用的 A 区，停留 40 分钟。用尽量少的操作员时间保持订单流动，在有人的地方让每个停止距离都保持在安全检测区内，并在 A 区清空后恢复全速。
昨晚通道货架重新布置，运行当前软件（v1）的机器人在那里更常丢失位置；每次丢失都需要一名操作员处理。v2.0 版本修复了这个问题，并已作为金丝雀在 10 % 的车队上运行。给金丝雀足够的时间来判断，将其与车队其余部分比较，决定扩大还是回滚，并把车队迁移到一个好的版本——分阶段进行，不要一次让太多机器人停用。
模拟器使用的每一个关系式及其来源。标注为假设的常数是示意性校准值。
lead time W = L / X, L = orders waiting + orders on a robot, X = totes packed per minute (smoothed, τ = 10 min)[5]v_eff = v · max(0.1, 1 − n_moving / N_jam), N_jam = 120 robots (80 with an aisle closed)[7][9]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。free traffic: P(new deadlock in a minute) = 1 − e^(−κ·n_moving²/n_I), κ = 0.00001 (× 300 with an aisle closed, n_I = 6 → 4); a robot behind joins with p = 0.5 (≤ 8); the fleet manager re-plans with p = 0.2/min (0.03/min with no detour)[8][10]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。zone reservation: a robot enters only when the zones ahead are granted to it → no circular wait; each crossing W = ρτ / (2(1 − ρ)), ρ = λ_I·τ, τ = 2 s, 6 crossings per task[8][6][9]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。d_stop = v·t_r + v²/(2a) + C ≤ F (t_r = 0.3 s, a = 0.8 m/s², C = 0.1 m, F = 1.3 m ⇒ v ≤ 1.17 m/s where people can be)[1][2]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。v ≤ F / √(μ·k), μ = (1/m_H + 1/m_R)⁻¹, m_R = M/2 + m_L; hand: F = 140 N (quasi-static limit, used conservatively), k = 75 N/mm, m_H = 0.6 kg; M = 24 kg, m_L = 3 kg ⇒ v ≤ 0.67 m/s[3][4]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。tote time = 10 items × (1.5 s + 2 × 0.5 m / v_cobot); v_cobot = collaborative speed while a person is in the cell; 4 cells, served in order of arrival within the minute[3]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。P = 60 W + C_rr·m·g·v/η + 0.03/m · v · ½mv²·(1 − r)/η (C_rr = 0.012, m = 500 kg, η = 0.75, r = 0.5)[12]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。P_charge = 0.8 kW up to 70 % SoC, then × (1 − 0.9·(SoC − 70)/30); battery 0.8 kWh; stranded at 1 %[11][10]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。P(link silent > W in a robot-minute) = 0.224·e^(−W/0.1 s); watchdog W: v1 0.5 s, v2.0 0.15 s, v2.1 0.5 s; stop 2 min[13]示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。stops per robot-hour, canary vs control: 60·stops / robots (smoothed τ = 10 min); update or rollback = 4 min out of service[13]task 200 m in zone A + 40 m in the shared area · 6 intersections · 4 cobot cells, a person inside 25 % of minutes · 6 chargers · shift-start charge stratified over mean ± 27.5 % · v1 mislocalises 0.6 % per driving minute in re-racked aisles (others 0.04 %), 6-min stop + 3 operator-min · clearing a deadlock 2 operator-min per robot · tow 15 operator-min示意性数值，并非任何真实场地或产品的数值。真实场地根据自身的风险评估和制造商数据设定检测区、速度和限值。随机性：带种子的 mulberry32 生成器；所用分布包括均匀分布、指数分布（逆 CDF）、正态分布（Box–Muller）和泊松分布（Knuth）。种子会显示出来，并且可以分享。
教育模型，不可用于实际运营决策。真实站点会根据自己的设备和数据校准每一个常数。