系統(tǒng)建模與仿真 第八章

1、1,示例研究,下面以一個(gè)具體的示例分幾個(gè)階段建模來說明如何用WITNESS物流仿真軟件建立一個(gè)流水生產(chǎn)線仿真模型，并用這個(gè)模型來分析問題及進(jìn)行相應(yīng)的改進(jìn)。,2,研究步驟,建立模型 運(yùn)行模型，直觀觀察生產(chǎn)情況或查看統(tǒng)計(jì)結(jié)果，找出可能存在的瓶頸工序 針對(duì)瓶頸工序，運(yùn)用相關(guān)知識(shí)進(jìn)行改進(jìn) 對(duì)模型進(jìn)行敏感性分析，找出敏感性因素的控制范圍,3,1.建立最初模型,第一階段,4,3.第三階段,為了使上述模型更有現(xiàn)實(shí)意義需要對(duì)其賦予更多的特性和功能。在本階段中，將假設(shè)Produce 機(jī)器每加工完五個(gè)零部件就需要進(jìn)行一次刀具的調(diào)整，調(diào)整時(shí)需要人員來參與，調(diào)整時(shí)間為12 分鐘。構(gòu)建本階段模型需要在stage2 的基

2、礎(chǔ)上，向模型中添加Labor 元素，設(shè)置Produce機(jī)器的調(diào)整屬性。,5,4.第四階段,在本階段中，考慮將隨機(jī)分布函數(shù)應(yīng)用到機(jī)器的故障發(fā)生時(shí)間間隔和勞動(dòng)者維修機(jī)器的故障所需要的維修時(shí)間中。假設(shè)Produce 機(jī)器在工作一定的時(shí)間后，可能會(huì)發(fā)生意外的拋錨，通過以往機(jī)器兩次拋錨時(shí)間間隔的統(tǒng)計(jì)發(fā)現(xiàn)，其時(shí)間間隔服從均值為60 分鐘的負(fù)指數(shù)分布；每當(dāng)機(jī)器拋錨時(shí)，都需要人員對(duì)它進(jìn)行維修，維修過程所持續(xù)的時(shí)間受到故障診斷時(shí)間、故障排除的難易程序、維修人員的生理和心理狀態(tài)的影響，呈現(xiàn)隨機(jī)波動(dòng)性，統(tǒng)計(jì)數(shù)據(jù)表明維修時(shí)間服從均值為10 分鐘、標(biāo)準(zhǔn)差為2 分鐘的對(duì)數(shù)正態(tài)分布。構(gòu)建本階段模型需要在stage3 的基礎(chǔ)

3、上，設(shè)置Produce 機(jī)器的故障breakdown 屬性。,6,5.第五階段,通過比較分析可以看出機(jī)器produce 是生產(chǎn)線的“瓶頸”，嚴(yán)重制約了系統(tǒng)的產(chǎn)出率，大大增加了widget 的系統(tǒng)通過時(shí)間，為了改進(jìn)這種狀態(tài)，考慮添加一臺(tái)produce機(jī)器和一條C2 輸送帶，這樣生產(chǎn)線上將有兩臺(tái)Produce 機(jī)器和兩條C2 輸送鏈同時(shí)工作，應(yīng)該能夠提高系統(tǒng)的產(chǎn)量。,7,6.第六階段,通過stage5，添加瓶頸設(shè)備，可以有效地提高系統(tǒng)的產(chǎn)量，但是widget 的在制品庫存與平均通過時(shí)間仍然比stage2 要高很多，我們?cè)噲D在stage6 中加以改善。同時(shí)在建模過程中得到準(zhǔn)確的調(diào)整時(shí)間和其他的關(guān)鍵信

4、息是很困難的，這樣了解所建立的模型對(duì)特定的輸入數(shù)據(jù)的敏感性將是很有意義的。下面嘗試增加produce 機(jī)器拋錨的維修時(shí)間Repair time，觀察模型維修時(shí)間值的改變對(duì)產(chǎn)量的的敏感性。,8,8.1 系統(tǒng)描述與仿真目的,在排隊(duì)系統(tǒng)中，主要活動(dòng)：顧客到達(dá)、顧客接受服務(wù)。這兩種類型的 活動(dòng)時(shí)間總是確定，隨機(jī)的。 下面我們以一理發(fā)店為例。 仿真目的： 1. 了解排隊(duì)系統(tǒng)的設(shè)計(jì)； 2. 熟悉系統(tǒng)元素part、machine、buffer、variable、timeseries的 用法； 3. 深入研究系統(tǒng)元素part的用法； 4. 研究不同的顧客服務(wù)時(shí)間和顧客的到達(dá)特性對(duì)仿真結(jié)果的影響。,第八章 單服

5、務(wù)臺(tái)排隊(duì)系統(tǒng)仿真,9,8.2 單服務(wù)臺(tái)排隊(duì)系統(tǒng)工作流程 8.2.1 顧客達(dá)到特性 在該系統(tǒng)中，顧客的到達(dá)規(guī)模是單個(gè)到達(dá)，顧客達(dá)到率Ai 服從均值 為A=5min的指數(shù)分布，即 f(A)= （A0） 8.2.2 顧客服務(wù)的時(shí)間 在該系統(tǒng)中，顧客達(dá)到率Si服從均值為S=4min的指數(shù)分布，即 f(A)= （S0）,10,f(A)= （A0） 對(duì)于上式，我們無法將它直接用到仿真系統(tǒng)中，所以必須將之轉(zhuǎn)換， 下面用反變換法： 1. 指數(shù)分布的關(guān)于A的分布函數(shù)為： F（A）= A0 其它 2. 先用隨機(jī)數(shù)產(chǎn)生器產(chǎn)生uU(0,1)， 并令 u= F（A） = 3. 從而得到 A = =- ln(1-u) 因

6、為 uU(0,1)，所以1- uU(0,1)，因此： A = -A ln(u),11,8.3 仿真模型的設(shè)計(jì) 8.3.1 元素定義,12,8.3.2 元素可視化設(shè)置 1. part元素可視化的設(shè)置 gukedisplaytext、icon 2. buffer元素可視化設(shè)置 paiduidisplaytext、icon、rectangle 3. machine元素可視化設(shè)置 fuwuyuandisplaytext、icon、part queue 4. variable元素可視化設(shè)置 jifen0displaytext、value 5. timeseries元素可視化設(shè)置 duichangdisp

7、laytext、timeseries,13,8.3.3 元素細(xì)節(jié)設(shè)計(jì) 1. guke type: active input to model .inter arrival: -5*ln(random(1) lot size : 1 input to model .to : push to paidui actions on create ： icon = 58 2. jifen type: active input to model .inter arrival: 1.0 lot size : 1 input to model .to : push to ship actions on create ： jifen0=jifen0 + nparts(paidui),14,3. Paidui capacity : 100 4. fuwuyuan type: single input.from: pull from paidui duration.cycle time : -4*ln(random(2) output to : push to ship 5. D