系統(tǒng)建模與仿真 第八章課件

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)。1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瓶頸工序，運(yùn)用相關(guān)知識進(jìn)行改進(jìn)對模型進(jìn)行敏感性分析，找出敏感性因素的控制范圍21.建立最初模型第一階段33.第三階段

為了使上述模型更有現(xiàn)實(shí)意義需要對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。44.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分鐘的對數(shù)正態(tài)分布。構(gòu)建本階段模型需要在stage3的基礎(chǔ)上，設(shè)置Produce機(jī)器的故障breakdown屬性。55.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produce機(jī)器和一條C2輸送帶，這樣生產(chǎn)線上將有兩臺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。66.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，我們試圖在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)鍵信息是很困難的，這樣了解所建立的模型對特定的輸入數(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Repairtime，觀察模型維修時(shí)間值的改變對產(chǎn)量的的敏感性。78.1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)特性對仿真結(jié)果的影響。

第八章單服務(wù)臺排隊(duì)系統(tǒng)仿真8

8.2單服務(wù)臺排隊(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βA=5min的指數(shù)分布，即f(A)=（A≥0）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βS=4min的指數(shù)分布，即

f(A)=（S≥0）9f(A)=（A≥0）對于上式，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）=A≥0

其它

2.先用隨機(jī)數(shù)產(chǎn)生器產(chǎn)生u～U(0,1)，并令

u=F（A）=3.從而得到

A==-ln(1-u)因?yàn)閡～U(0,1)，所以1-u～U(0,1)，因此：A=-βAln(u)10

8.3仿真模型的設(shè)計(jì)8.3.1元素定義元素名稱類型數(shù)量說明GukePart1顧客JifenPart1對對長積分PaiduiBuffer1排隊(duì)隊(duì)列FuwuyuanMachine1服務(wù)員Jifen0Variable(real)1積分結(jié)果顯示DuichangTimeseries1隊(duì)列長度顯示118.3.2元素可視化設(shè)置

1.part元素可視化的設(shè)置

guke——display——text、icon2.buffer元素可視化設(shè)置

paidui——display——text、icon、rectangle3.machine元素可視化設(shè)置

fuwuyuan——display——text、icon、partqueue4.variable元素可視化設(shè)置

jifen0——display——text、value5.timeseries元素可視化設(shè)置

duichang——display——text、timeseries128.3.3元素細(xì)節(jié)設(shè)計(jì)

1.guketype:activeinputtomodel.interarrival:-5*ln(random(1))lotsize:1inputtomodel.to……:pushtopaiduiactionsoncreate：icon=582.jifen

type:activeinputtomodel.interarrival:1.0lotsize:1inputtomodel.to……:pushtoshipactionsoncreate：jifen0=jifen0+nparts(paidui)133.Paiduicapacity:1004.fuwuyuantype:singleinput.from:pullfrompaidui

duration.cycletime:-4*ln(random(2))outputto……:pushtoship5.Duichangrecording: