切换主题
策略仿真
策略仿真用于在实际调整前验证方案影响。页面采用“选择策略 → 验证影响 → 推荐方案”三步流程。
从风险预警的高风险案例进入时，页面会携带案例、风险类型和关键因素，用于预填分析上下文和推荐策略。
第 1 步：选择策略
选择运行上下文
场景可绑定：
- 单个数据集；
- 已完成 Case 映射的流程。
运行上下文在场景级固定，创建后运行时不能临时更换。旧场景缺少上下文时，页面会提示“补绑定运行上下文”。
策略类型
| 策略 | 主要参数 |
|---|---|
| 并行审批 | 并行度 |
| 增加资源 | 资源类型、资源增幅 |
| 风险控制 | 风险类型、风险降幅 |
| 流程简化 | 简化比例 |
| 消除瓶颈 | 瓶颈活动 |
| 自定义策略 | 高级参数 |
配置完成后把策略加入“策略链”。策略按顺序叠加，后一个策略基于前一个策略的输出继续生效。高级选项还可设置循环概率和资源池容量。
第 2 步：验证影响
- 选择要运行的场景。
- 设置迭代次数。
- 可选填写随机种子；相同配置和种子便于复现结果。
- 运行仿真并等待完成。
结果区域展示：
- 平均周期；
- 吞吐量；
- P95 周期；
- 资源利用率；
- 活动等待时间；
- 分布图和历史运行趋势。
只有至少一个场景运行成功后，才能进入推荐方案步骤。
第 3 步：推荐方案
选择基线场景和需要比较的已完成场景，再选择排序偏好：
- 平衡推荐；
- 周期优先；
- 吞吐优先。
对比结果包括：
- 总 KPI 差异；
- 资源利用率和活动等待时间变化；
- 推荐策略、置信度、得分拆解和风险提示；
- 帕累托前沿与支配关系；
- 置信区间；
- 历史成功率和异常状态。
可导出 JSON 或 CSV 结果。
敏感性分析
敏感性分析用于测试关键参数在一个范围内变化时对周期和吞吐的影响。
- 先选择场景。
- 选择参数，例如并行度、资源增幅或风险降幅。
- 设置范围和 2–20 个步长。
- 提交任务并在结果中查看推荐区间和敏感性排名。
建议先用 3–5 个步长的小范围实验，避免一次扩大过多变量而难以解释。
结果解读
WARNING
仿真结果依赖输入数据、模型假设和策略参数，不是对真实结果的保证。推荐方案应与业务负责人、资源约束和风险证据共同评审。
优先选择同时满足以下条件的方案：
- 关键 KPI 相对基线改善；
- 置信区间可接受；
- 不在异常状态；
- 资源投入和落地风险可控；
- 敏感性分析显示参数区间较稳定。