物流系統(tǒng)規(guī)劃與設計實驗報告

1、重慶交通大學學生實驗報告實驗課程名稱開課實驗室明德樓115、118學 院 2011年級物流管理專業(yè)班3班學 生姓名 黃永恒 學 號 631104090302開課時間2014 至2015 學年第 學期總成績 教師簽名實驗一：利用Excel預測與EIQ分析一、實驗目的利用EXCEL軟件作移動平均預測、指數(shù)平滑預測、線性回歸預測和EIQ分析，讓學生 掌握簡單的預測方法，熟練操作EXCEL軟件二、實驗環(huán)境多媒體計算機WindowsXP操作系統(tǒng)Excel三、實驗內(nèi)容1、已知某運輸企業(yè)某年度1月至11月的貨運量，用二次移動平均預測法預測其12月 的貨運量。2、根據(jù)數(shù)據(jù)，利用一次指數(shù)平滑法和二次指數(shù)平滑法預

2、測2012年的貨運量。3、根據(jù)下表數(shù)據(jù)，利用線性回歸預測預測下表是某城市家庭10個月人均收入與人均消費的有關數(shù)據(jù)統(tǒng)計情況，請用線性回歸預 測法預測當人均月收入為4000美元時的人均消費情況。要求：（1）寫出回歸方程；（2）計算相關系數(shù)R；（3）計算：估計參數(shù)a的標準差、估計參數(shù)b的標準差；（4）寫出估計參數(shù)a、b的t檢驗值及其對應的p-value，說明是a、b否通過置信系數(shù)（1- a ）=95%的 t 檢驗。a 為顯著性水平（level of significance）；（5）計算s2的無偏估計量。（6）計算當人均月收入為4000美元時的預測人均消費值，及其標準差。4、利用季節(jié)比例法預測某廠商

3、根據(jù)銷售情況作購買量據(jù)測，將一年分為4個銷售季節(jié):A、B、C、D。該廠掌 握了三年的銷售數(shù)據(jù)，為保證足夠的采購和生產(chǎn)提前期，需要對2013年的需求情況作預測。 分別用季節(jié)指數(shù)（季節(jié)比重）和季節(jié)指數(shù)（趨勢比率）預測5、某產(chǎn)品20072011年銷量如下表所示，利用Winter s模型對該產(chǎn)品2012年銷量進 行預測。要求：（1）根據(jù)模型，完成表格的計算。（2）作出銷量xt和預測值Ft的趨勢圖（3）改變平滑常數(shù)a、趨勢指數(shù)8和季節(jié)指數(shù)Y的大小，觀察圖形變化。6、利用統(tǒng)計數(shù)據(jù)進行EIQ分析某配送中心為應對每家店面的需求，每天所處理的訂單數(shù)據(jù)非常龐大?，F(xiàn)從該配送中心 一天的訂單處理業(yè)務中選擇了有代表性的

4、12份訂單進行分析、共涉及33個品項。要求根據(jù) 這些數(shù)據(jù)對該配送中心進行EIQ分析，并根據(jù)所作的圖形，簡要說明分析結(jié)果對配送中心 的日常管理和布局規(guī)劃有什么樣的啟示。實驗數(shù)據(jù)見實驗指導書1四、實驗結(jié)果、已知某運輸企業(yè)某年度1月至11月的貨運量，用二次移動平均預測法預測其12月的貨 運量。n=3月份實際貨運B 里MtMta：tt)b (t)：Y122400221如。322&0042140022300. 002310021966. 6762310022366. 6772570022 5 33 ； -3323266. 6722800. 00266. 6782340023966.6722588. 89

5、25644. 441677. 7892380024066. 6722955. 5625177. 781111. 111025.20024300. 0023522, 2225077. 78777. 78112540024133. 8824111. 1124155. 5622. 2212: 24177. 78由數(shù)據(jù)可知：當n=3時預測出的12月的貨運量為24177.78噸。二、利用一次指數(shù)平滑法和二次指數(shù)平滑法預測2012年的貨運量。al=O.9U- t年份時序?qū)嶋H貨 運量恒我珥1)St。）St(2)at二次指數(shù)平涓預測 侑2005：1404040項,02006474045.644.4846.72

6、4-舞4020073蛾:46.353.9252.03255.8087. 552：51. 22008：455.0362.78460.633664.9344S. SO16強3&200 Q；7664.0036S.556866.9721670.141446. 3385673. 536;20107S69.400373.71136723635275.05925. 39136花、4S20111274.4400380342277E.74652S1.&380226. 3SS0JQ2SQ. 45056.2012SS. 32102由數(shù)據(jù)可知：當a1=0.9, a2=0.8時預測出的2012年的貨運量為88.32噸

7、三、利用線性回歸預測預測n=10序號月人均收入Xi （美元）月人均消 費Yi （美 元）Xi+YiXi 2藥-區(qū)平均yiF平均(xix平均（xix平均廠（yi-y平均）”21800594475200640000-1350-973. 413140901822500947507. 56211006387018001210000-1050-929. 49758701102500863784. 36314001122157080019S0000-750-445. 4334050562500198381.1641700115519635002890000-450-412. 418558020250017

8、0073.7652000140828160004000000-150-159. 4239102250025408. 366230015953668500529000015027. 6414022500761.7672600196951194006760000450401. 6180720202500161282. 5682900207860262008410000750510. 6382950562500260712.3693200258582720001024000010501017. 6106848011025001035509.761035002530885500012250000135

9、0962. 612995101822500926598.76求和21500156743946840053650000576930074250004590020. 4平均.21501567. 4b0. 78a-103. 17R0. 988回歸分析1SUMMARY CJUTPUT回歸統(tǒng)計Multiple0. 9S0252R Square0. 976641Adjusted0. 97372S:標準誤差115. 767觀測值10方差分析dfssMSF;nificancfe F回歸分析:14402SO44402SO4.334. 48768.22E-0S殘差810Z：216.1340.2總計9459020C

10、defficien標淮誤差t Statp-ValueLbw er弱呼Upper 9SWF限：95.削上限：95. 0%Inter cep-ioi1729S. 40598-1. 04S430. 32079-33j0.；0&12 7529-器O.：O魂123.- 752S79X Variab：0. 77701Q, 04240518. 2898. 22E-0S0. 67039：874981Q, 6袒而g0, S749S091residual Output觀測值預測Y殘差1510.癡475, 56S42：751. 5394-113 ; 5 3 9-3984. 6424137; 357641217-.

11、745-泣.745551450. S40-42. 84S561683; 952-S8. 951511917)555E 9454502150. 158-72. 15732363.知201. 7394102616. 364-S6. 3636實驗結(jié)果：由上表可知a=-103.17,b=0.78,所以回歸方程為：Y= 103.17+0.78X+相關系數(shù)R=0.988a的標準差為98.41, b的標準差為0.042b的p-value值為0.33；在t檢驗中，b的t檢驗值為18.29大于1.81,所以通過t檢驗。四、利用季節(jié)指數(shù)法預測實驗結(jié)果：季節(jié)比重法：由數(shù)據(jù)可知：2013年A、B、C、D需求情況分別是

12、16.42,11.53,8.55, 21.67b=0.24趨勢比率法：年份銷售季節(jié)時序 (t)銷售額 (x)去除季節(jié)性后的需 求趨勢值季節(jié)指數(shù)預測值2010A112.611.121.1312.6B28.611.360.768.6C36.311.4411.60.546.3D417.511.8411.841.4817.52011A514.112.2012.081.1714.1B610.312.4412.320.8410.3C77.512.6812.560.607.5D818.212.8612.81.4218.22012A915.312.9813.041.1715.3B1010.613.2313.2

13、80.8010.6C118.113.520.608.1D1219.613.761.4219.62013A13141.1616.21B1414.240.8011.35C1514.480.588.40D1614.721.4421.22a=10.88回歸統(tǒng)計Multiple10.984949R Square0.970125Adjusted10.965146標準誤差0.112893觀測值8方差分沂dfSSMSF Significance F回歸分斤12.4832182.483218194.83998.43E-06殘差60.0764690.012745總計72.559688Coefficien力標準誤差

14、t StatP-valueLower 95%Upper 95%下限95.0，上限95.0%Intercep10.875740.12005890.587511.22E-1010.5819711.1695210.5819711.16952X Variabl(0.2431550.0174213.958518.43E-060.200530.285780.200530.28578實驗結(jié)果：如以上圖表五、利用Winters模型進行季節(jié)性數(shù)據(jù)預測年份季節(jié)t銷量（x）STIF200711684.2tIt0.935338t22584.10.79849633765.41.04634344892.3731.501.

15、219822200815885.4783.7501452.250141.0868826677838.877106655.126970.805151371006.6910.524470371.647361.092481481122.1967.043166456.51871.1734452009191163.41034.93977367.896611.115919210993.21134.58856299.648790.8599113111312.51226.25974791.671191.0752084121545.31317.67856291.418811.17289920101131596.

16、21414.26962796.591061.1258372141260.41499.89911885.629490.8446383151735.21592.402392.503181.0864874162029.71695.980175103.57791.19151220111172107.81817.204594121.22441.1524062181650.31942.175697124.97110.8485983192304.42080.218815138.04311.103084202639.42217.510585137.29181.19053120121212713.6892221

17、998.2813232597.5354242803.465實驗結(jié)果：（1）表格計算如圖中紅色區(qū)域（2）銷量和預測值的趨勢圖如下ABCDEFG1實驗一（5）2年份季節(jié)t銷童（瓦）StT，L兀1320071168420.935338422584.10.798496533765.41.046343644892.3731.501.219822720081885.4796.0329024193.598711.0945728826677947.095310865.989810.72318519371006.6997.764755520.0287131.0126038104811224988 4219215

18、-68 085931 1437017112009191163.4963.099314960.2040371.19663491221099321128.323068375.263190.864538413311131221441.35939188.582590.920799214412154531546.301078-62.340121.0137875152010113159621438.944859-197.38841.11802162141260.41306.455847-2.6902050.954726617315173521477.97092519.925631.148717818416

19、2029.71999.156404523.70521.01512921920111172107.82331.59228-50.102780.9254177202181650.32115.609967-547.74140.7975255213192304.41699.326854-153.36661.3353315224202639.41862.191163795.326061.377139223201212124593134242222116.4378253233548.6665264243659.7712JKLWmtek s模型參數(shù)平滑常數(shù)a0. 3趨勢指數(shù)3季節(jié)指數(shù)y0.9個周期的L4同時

20、減小時ABCDEFGH1實驗一（5）2年份季節(jié)t銷量Cxt）玨L耳1320071168420.935338422584.10.798496533765.41.046343644892.3731.501.21982272008188.4753.010967510.7554841.0074805826677772.174200814.9593590.82197089371006.6804.621926923.7035421.107746810481122.1837.481753428.2816841.2558304112009191163.4894.663278442.7316051.095349

21、6122109932964.486944956.2776360.8843106133111312.51037.17187764.4812841.155060914412154531114.53789870.9236521.2950295152010113159621212.64056284.5131581.16163516214126041309.96745390.9200250.907665817315173521411.02457595.9885741.177466184162029.71513.04185899.0029281.30896161920111172107.81632.291

22、45109.126261.200538620218165031749.093957112.964380.91842122131923M.41871.560911117.715671.1936077224202639.41991.989676119.07222131377522320121212534.4112242221938.844253232519.7798264242773.4607JKLMN0FWinter s模型參數(shù)平滑常數(shù)CE0.1趨勢指數(shù)0. 5季節(jié)指數(shù)y0. 3個周期的L4六、利用統(tǒng)計數(shù)據(jù)進行EIQ分析實驗結(jié)果：EN圖IKEN250200EQIK5EQ圖o0 I i i i i

23、 i i i i i i i i i i i i i i i i i i i i i i i i i i i i IQ 圖 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33IQ在一開始做實驗的時候，有很多不懂的地方，也不知道怎么操作；但通過老師的指導，五、EXCEL通過同學們的教誨，還有自己實際的操作；我對相關的預測方法有了很深的了解。所以多上 實驗課對于我們的學習非常有幫助。通過實驗的實際操作，一方面可以加強了自己的動手能力，另一方面鞏固了在課堂的理 論知識的學習。例如：（1）移動平均預測法中n值的一般選擇原則。當n值增大，移動平均 值的修勻能力增加

24、，但同時移動平均值對時間序列變化的敏感性降低。所以要根據(jù)時間序列 的特點來確定n值的大小。（2）指數(shù)平滑預測法中a越大，現(xiàn)實測定值在預測中占的比重就 越大，這就越能體現(xiàn)預測對象當前的變化趨勢而忽視它的歷史趨勢。a越小，歷史數(shù)據(jù)在預 測中占的比重就越大，這就越能反映預測對象的歷史演變趨勢而忽視了當前的變化。（3）在 線性回歸預測預測中，加深了怎么樣求回歸方程的方法；還有知道人均月收入為4000美元 時，預測人均消費值，及其標準差；（4）季節(jié)比例法預測中，季節(jié)變動預測的基本思路是： 首先根據(jù)時間序列的實際值，觀察不同年份的季或月有無明顯的周期波動，以判斷該序列是 否存在季節(jié)變動；然后設法消除季節(jié)因

25、素的影響，以測定趨勢變動；最后求出季節(jié)指數(shù)，結(jié) 合預測模型進行預測。（5）EIQ的基本思想：在訂單出庫資料取樣的基礎上，運用柏拉圖、 次數(shù)分布圖及ABC分析工具等，對其訂單進行訂單量（EQ）、訂貨品項數(shù)（EN）、品項數(shù)量（IQ）、 品項受訂次數(shù)（IK）等的統(tǒng)計分析，以獲取規(guī)劃信息。實驗二：利用Excel進行物流網(wǎng)絡規(guī)劃一、實驗目的熟悉利用Excel進行物流網(wǎng)絡規(guī)劃二、實驗內(nèi)容用 Excel 計算 the Capacitated Plant Location Model（CPLM）模型，進行物流網(wǎng)絡規(guī)劃三、實驗結(jié)果實驗一：需求分配模型(ALLOCATING DEMAND TO PRODUCTIO

26、N FACILITIES)光纖通信設備制造企業(yè)TelecomOne：由數(shù)據(jù)可知：Atlanta主要有 Memphis提供服務；Boston主要有Baltimore提供服務；Chicago 有 Baltimore Memphis 提供服務。光纖通信設備制造企業(yè)HighOptic：由數(shù)據(jù)可知：Denver主要有Cheyenne提供服務；Omaha主要有Cheyenne提供服務；Portland 主要有Salt Lake City提供服務。實驗二：有能力約束的工廠選址模型(THE CAPACITATED PLANT LOCATION MODEL)Inputs - Costs, Capacities,

27、 Demands ( for TelecomOptic)SupplyCityDemand CityProduction and Transportation Cost per 1000 UnitsFixedCost ($)CapacityAtlanta BostonChicagoDenverOmahaPortlandBaltimore1,6754006851,6301,1602,8007,65018Cheyenne1,4601,9409701004951,2003,50024Salt Lake1,9252,4001,4255009508005,00027MemphisWichita3801,3

28、555431,0456652,3214,1002,20022319221,6467005083111,797Demand108146711Decision VariablesDemand City Supplied (1 indicates Cities Supplied) PlantsSupply CityAtlantaBostonChicagoDenverOmahaPortland(1=open)Baltimore0000000Cheyenne0000000Salt Lake0001011Memphis1100001Wichita0010101Resulting Production Al

29、locationDemand City -Production Allocation (1000 Units)SupplyCityAtlantaBostonChicagoDenverOmahaPortlandBaltimore000000Cheyenne000000Salt Lake0006011Memphis1080000Wichita0014070ConstraintsSupply CityExcess CapacityBaltimore0Cheyenne0Salt Lake10Memphis4Wichita10AtlantaBostonChicagoDenverOmaha Portlan

30、dDemand111111Objective FunctionCost =$49,717Optimal Location&Allocation Cost=$47,401Cost penalty for single sourcing =$ 2,316Linear Program FormulationsModel Inputs:n = Number of potential factory locationsm =D =jK =if=c = ijNumber of markets or demand pointsAnnual demand from market jPotential capa

31、city of factory iAnnualized fixed cost of keeping factory i openCost of producing and shipping one unit from factory i to market j (cost includes production, inventory, and transportation)Decision Variables:y, = 1 if factory i is open, 0 otherwise.x, = Quantity shipped from factory i to market jnn m

32、Objective Function :y DjC x*1=1j=i j=i*Subject to the following constra int s :ni=lmZD X痍 K).伽 i = L，n尸ix擴y實驗結(jié)果電子文檔見附件：631104090302黃永恒rar四、總結(jié)通過實驗二，利用 Excel 計算 the Capacitated Plant Location Model (CPLM)模型，進行 物流網(wǎng)絡規(guī)劃。在需求分配模型中，通過對有兩家光纖通信設備制造企業(yè)TelecomOne和 HighOptic。各工廠每月生產(chǎn)能力，每月市場需求量，每一千單位的生產(chǎn)和運輸成本，每個 工廠每

33、月的固定成本等等數(shù)據(jù)進行分析，利用Excel求出這兩個企業(yè)的生產(chǎn)和需求分配情況。 市場由哪個工廠服務，工廠使用哪個供應來源。在有能力約束的工廠選址模型(THECAPACITATED PLANT LOCATION MODEL 中，通過分析 TelecomOne 和 HighOptic 兩家 光纖通信設備制造企業(yè)進行企業(yè)合并，對合并后的5個工廠和6個市場進行資源重新整合， 學會利用CPLM模型對其物流網(wǎng)絡進行規(guī)劃。首先，作決策變量表、約束表、目標函數(shù)， 然后填寫相應表格公式，最后填寫“規(guī)劃求解參數(shù)”。CPLM模型是在滿足所有約束條件下 以達到最低成本為目標。這一次的實驗做起來感覺比較有挑戰(zhàn)力，給我

34、最大的收獲就是，做實驗一定要細心、態(tài) 度要端正，聽了老師初步的指導后，有了具體的思路之后，一定要注意細節(jié)，不能掉以輕心， 馬馬虎虎。細節(jié)決定成敗，態(tài)度決定一切。實驗三：Flexsim的基礎操作一、實驗目的認識和熟悉仿真軟件Flexsim的基礎操作二、實驗內(nèi)容動手操作和熟悉Flexsim仿真軟件。三、實驗結(jié)果熟悉物流仿真系統(tǒng)軟件，實驗結(jié)果略。實驗結(jié)果電子文檔見附件：631104090302黃永恒rar四、總結(jié)通過實驗三，仿真軟件Flexsim的基礎操作，第一次接觸到這個軟件，知道了 Flexsim 是一個基于Windows的，面向?qū)ο蟮姆抡姝h(huán)境，用于建立離散事件流程過程，像是制造業(yè)， 物料處理和

35、辦公室工作流，這些全都配以令人瞠目結(jié)舌的三維虛擬現(xiàn)實環(huán)境。這次的Flexsim仿真軟件的使用，是我第一次真正的使用仿真軟件，感覺很很有意思,所 以自己一直很投入的做實驗，也從這次實驗中得到了許多收獲。首先是通過這次實驗，讓我了 解和熟悉了 Flexsim仿真軟件,并初步的學會了運用該軟件。其次，在這次實驗中使我們的同 學關系更進一步了，同學之間互相幫助，有什么不懂的大家在一起商量,聽聽不同的看法對我 們更好的理解知識,所以在這里非常感謝熱心幫助我的同學。在此要感謝老師對我的指導和 幫助。在實驗過程中，與同學交流經(jīng)驗和自學,并向老師請教等方式，使自己學到了不少知識, 也經(jīng)歷了不少艱辛，但收獲同樣

36、巨大。在整個實驗中我懂得了許多東西，也培養(yǎng)了我獨立工 作的能力，樹立了對自己工作能力的信心，相信會對今后的學習工作生活有重要的影響。而且 大大提高了動手的能力，使我充分體會到了在創(chuàng)造過程中探索的艱難和成功時的喜悅。雖然 這個設計做的也不太好，但是在設計過程中所學到的東西是這次課程設計的最大收獲和財 富，使我終身受益。學了這么長時間，我覺得Flexsim還是很強大的，也有很多東西可以學，我們也只能是 用到什么學什么。另外再次大家提醒細心的重要性，有時遇到問題，一查手冊就會恍然大明 白了，特別是有些專門標出的文字以前也都看漏了，其實是很重要的。實驗四：熟悉Flexsim建模規(guī)則一、實驗目的熟悉仿真

37、軟件Flexsim的操作和建模規(guī)則。二、實驗環(huán)境多媒體計算機 WindowsXP操作系統(tǒng)FLEXSIM 3.0三、實驗內(nèi)容建立以下Flexsim實例模型，熟悉Flexsim的建模規(guī)則。Modell拉式邏輯使用模型學習內(nèi)容與目的學習如何使用拉式邏輯，根據(jù)臨時實體類型來定義臨時實體的流程路徑。問題描述與參數(shù)模型產(chǎn)品在制造完成以后需要檢測。兩種類型的產(chǎn)品以4： 6的比例隨機到達，在一個隊列中排隊等待。產(chǎn)品到達的時間間隔是exponential(0,30,1)。有2臺檢測儀檢測產(chǎn)品1，3臺檢測儀檢測產(chǎn)品2,產(chǎn)品將首先到空閑可用的監(jiān)測儀進行 檢測。(5)兩種產(chǎn)品的檢測時間是介于120150s之間的均勻分

38、布duniform()。Model2標簽使用模型學習內(nèi)容與目的學習如何在臨時實體上設定和使用標簽來進行流程和加工過程的建模。學習如何使用經(jīng)驗分 布(dempirical()來分配臨時實體的類型。問題描述與參數(shù)模型共建按照每30s的指數(shù)分布時間間隔到達一個隊列。有四種類型的工件，工件類型的分布為20%、30%、40%、10%。每種類型的工件都在專用的機器上進行加工，工件第一次加工的加工時間為uniform(100,200)s ；如果返工，返工時間為 uniform(120,130)s.工件被加工后，在一個隊列中等待檢驗，檢測時間為常數(shù)：10s檢驗通過的工件離開模型，檢驗不能通過對工件被送回第一個

39、隊列中等待返工；返工率 為10%返工的工件在隊列中具有優(yōu)先權(quán)。Model3操作員使用模型學習內(nèi)容與目的學習如何使用操作員來同時搬運和加工臨時實體。問題描述與參數(shù)模型工件以每20s指數(shù)分布的時間間隔到達一個隊列，并需要由操作員將其搬運到三個機器 之一。操作員需要用10s來進行工件裝卡(預設置)。然后，工件自己加工20s。工件加工完成后離開系統(tǒng)。所有三個機器由一個人來負責。Model4條件中斷響應使用模型學習內(nèi)容與目的學習如何使用任務執(zhí)行器(taskexcuser)的“條件中斷響應”命令問題描述與參數(shù)模型臨時實體以隨機方式到達三個隊列。這些臨時實體類型按均勻分布duniform()被分配為1， 2

40、， 3三種類型。所有三個隊列均可以接收三種類型的臨時實體。一個運輸機從三個隊列搬運臨時實體到另外三個隊列處，這三個隊列每個只接收一類臨 時實體。然后，臨時實體從這些隊列到處理器，并到吸收器中。一臺運輸機可以同時搬運五個臨時實體。運輸機只能同時搬運多個相同的臨時實體類型。Model5優(yōu)先級與先占使用模型學習內(nèi)容與目的練習使用操作員、優(yōu)先級和先占；時間表的應用。問題描述與參數(shù)模型一個加工車間有五臺機器。工件必須在所有五臺機器上逐一加工。該車間里有一個由三人組成的操作員小組。操作員需要將工件搬運到下一臺機器去，并為機器裝卡(預設置)該工作。裝卡(預設置)時間為5、，加工時間為15s。每25s有新的工

41、件到達系統(tǒng)。Model6全局表使用模型學習內(nèi)容與目的學習如何使用全局表來定義和控制產(chǎn)品的流程，如何使用標簽來跟蹤產(chǎn)品所處的加工步驟。問題描述與參數(shù)模型三種產(chǎn)品以均勻分布的方式進入五個車間的工作站。產(chǎn)品1需要在工作站1，3，2進行加工。產(chǎn)品2需要在工作站1，2，4進行加工。產(chǎn)品3需要在工作站2，4，3，5進行加工。采用一個全局表來確保產(chǎn)品以正確的順序被送到正確的工作站。采用一個隊列，將其輸出端口分別與五個工作站相連，再和一個吸收器相連。這五個工作站都將其輸出端口與這個隊列的輸入端口相連。五、實驗結(jié)果Modell實驗結(jié)果如下:Model2實驗結(jié)果如下:Model3實驗結(jié)果如下:Model4實驗結(jié)果

42、如下:提升速度;叫升降機流節(jié)點收器13暫存區(qū)8儲灌灌T復合處理器傳送帶 匠分揀商送帶Z流節(jié)點/網(wǎng)路節(jié)點:血茂通控制器至削視化工且A記錄器、基本任苗執(zhí)行器,基本畫耘體文件道）編輯 視圖 創(chuàng)建但）執(zhí)行00統(tǒng)計 工具您）調(diào)試旭）Window幫助 日咨導 叵如 口，a， 國Excel包樹 300腳本Object:暫存區(qū)7 Position 2.00, 17.00,0.00 Rotation 0.00, 0.00r 0.00 Scale 2,00, 2.00, 0.20 State: emptyDone Bindina Objects.文件但）編輯d）視圖W）創(chuàng)建但）執(zhí)行催）統(tǒng)計窈 工具（X）調(diào)試皿Window幫助冬） 0B； H 匝A % 口，迫， 國Excel向樹 帶300腳本響重置 A運行.停止 回步進運行時間：云66|停止時間：Ljnone- JQ 運行速度:11.85離散實體發(fā)生器.N暫存區(qū)*處理器吸收器合成器.分解器z復合處理器隹送帶舊分揀傳送帶切?I任務分配器任務執(zhí)行器V操作員叉車 應升降機7,起重機4堆垛機z網(wǎng)路節(jié)點交通控制器即，可視化工且-記錄器、基本任務執(zhí)行器.基本固定實體際重置汗運行停止|w步進運行時間：|。