1 Simulation mit Tecnomatix Plant Simulation Dr. Peter-Michael Schmidt Siemens Industry Software...
-
Upload
eduard-wuensche -
Category
Documents
-
view
454 -
download
34
Transcript of 1 Simulation mit Tecnomatix Plant Simulation Dr. Peter-Michael Schmidt Siemens Industry Software...
1
Simulation mit Tecnomatix Plant Simulation
Dr. Peter-Michael SchmidtSiemens Industry Software
15.03.2014
2
1. Die Vision der Digitalen Fabrik
2. Simulation von Produktionsprozessen
3. Einführung in die Simulation
4. Das Programm Plant Simulation
5. Einführung in die Programmiersprache SimTalk
6. Beispiel eines Simulationsprojektes
7. Stochastische Simulationsstudien
8. Geometrische Modellierung
9. Steuerung des Materialflusses
10. Fahrzeugsteuerungen
11. Personaleinsatzsteuerungen
12. Steuerung von Montageprozessen
Inhalt
13. Statistische Verteilungen
14. Verfügbarkeit von Maschinen
15. Pseudozufallszahlen
16. Warteschlangentheorie
17. Schwerpunkte
Themenvorschläge für Hausarbeiten
Präsentation von Modellen
Literatur zur Simulation und Statistik
3
1. Analyse eines Puffers mit dem Diagramm (Diagramm.spp)
2. Zusammenhang von Störungen und Durchsatz (Experimentverwalter.spp)
3. Materialflusssteuerung (MatFlussSteurg.spp)
4. Qualitätskontrolle
5. Pulkstrecken (Pulkbildung.spp)
6. Fahrzeugsteuerung (Fahrzeugsteuerung.spp)
7. Liftsteuerung (Liftsteuerung.spp)
8. Fahrzeugsteuerungen Probleme der Türme von Hanoi (TowerOfHanoi.spp)
9. Werker (Personal.spp)
10. Bindung der Werker an ein Teil (Personaleinsatzsteuerungen.spp)
11. Fertigungsabläufe mit Montageprozessen (Montage.spp)
12. Verteilung der Anzahl der Kunden (Poisson.spp)
13. Verfügbarkeit einer Maschine (EmpVerteilung.spp)
14. Zuverlässigkeit von Produktionsressourcen (Weibull_Verteilung.spp)
15. Fahrzeugeinsatz (Fahrzeugeinsatz.spp)
Aufgaben und Modelle für Plant Simulation
4
Die Entstehungsgeschichte
1986 Das Fraunhofer Institut Stuttgart (IPA) entwickelt eine
objektorientierte, hierarchische Simulationssoftware für den Apple Macintosh
SIMPLE Mac für Apple Macintosh
1990 Gründung der Firma AIS (Angewandte Informations Systeme)
SIMPLE++ (Simulation in Produktion Logistik und Engineering)
1991 Umbenennung der damaligen AIS in AESOP
(Angewandte EDV-Systeme zur optimierten Planung)
SIMPLE++ für UNIX Workstation
1997 Übernahme von AESOP durch die Tecnomatix Ltd.
2000 Umbenennung von SIMPLE++ in eM-Plant für MS Windows
2004 Übernahme der Tecnomatix Ltd. durch die Firma UGS
2005 Umbenennung in Plant Simulation
2007 Übernahme der Firma UGS durch die Siemens AG
Das Programm Tecnomatix Plant Simulation
5
1. Die Vision der Digitalen Fabrik
Product-Lifecycle-Management (PLM)Produktlebenszyklusmanagement bezeichnet ein strategisches Konzept zum Management eines Produktes über den gesamten Lebenszyklus.
Produktdatenmanagement (PDM)CAD, CAM (Computer Aided Manufactoring), CAE (Computer Aided Engineering)
6
1. Die Vision der Digitalen Fabrik
PRODUKTDESIGN PRODUKTIONSENGINEERING PRODUKTION
PLM (Product Lifecycle Management)
Gra
d d
er A
uto
mat
isie
run
g
CADCAE
Digitale FabrikFabrik-
Automation
Die Automatisierungslücke
Produktionsengineering: Technische und organisatorische Gestaltung von effizienten Produktionssystemen
7
1. Die Vision der Digitalen Fabrik
Ziel: Prozessorientierte Modellierung von Produktions- und Logistikprozessen
8
1. Die Vision der Digitalen Fabrik
Definition des Begriffs der Digitalen Fabrik durch den VDI (Verein Deutscher Ingenieure):
Die Digitale Fabrik ist der Oberbegriff für ein umfassendes Netzwerk von digitalen Modellen und Werkzeugen, u. a. der Simulation und 3D Visualisierung, die durch ein durchgängiges Datenmanagement integriert werden. Ihr Ziel ist die ganzheitliche Planung, Evaluation und laufende Verbesserung aller wesentlichen Strukturen, Prozesse und Ressourcen der realen Fabrik in Verbindung mit dem Produkt.
VDI-Richtlinie 4499
Der Begriff der Digitalen Fabrik
ProzesseRessourcenProdukte
VDI-Richtlinien vereinheitlichen die Anforderungen an materielle und immaterielle Güter.
Sie fördern innovative Entwicklungen neuer Technologien und
bilden die Grundlage zur Vertretung deutscher Normungsinteressen im Rahmen der internationalen Normung.
9
1. Die Vision der Digitalen Fabrik
Vorteile der Methoden der Digitalen Fabrik
1.Layout Planung von Produktionsanlagen für vorhandene Fabrikräume
2.Werkstücke können in der Konstruktionsphase auf ihre Fertigbarkeit geprüft werden (Innenausbau von Schiffen).
3.Maschinen- und Anlagenbauer können eine virtuelle Inbetriebnahme durchführen, Test der Steuerungssoftware, speicherprogrammierbare Steuerungen (SPS)
4.Training von Personal.
5.Visualisierung für das Marketing und den Verkauf (ohne technische Zeichnungen)
6.Modelle der Digitale Fabrik können als Referenz dienen (Was wurde wo produziert?).
10
Digitale Modelle
Struktur- u. prozess-orientierte Modelle
Dynamische Modelle
Statische Modelle
Stücklisten
SimulationsmodelleGeometrieorientierte
Modelle
Arbeitspläne
Ressourcen
Prozesspläne
2D Modelle
3D Modelle
Diskrete Event Modelle
Kinematische Modelle
FEM Modelle
1. Die Vision der Digitalen Fabrik
Klassifikation der ModelleEin Modell ist das Ergebnis einer Abstraktion (Weglassen des Unwesentlichen)
11
Der VDI definiert Simulation folgendermaßen:
Simulation ist die Nachbildung eines Systems mit seinen dynamischen Prozessen in einem experimentierfähigen Modell, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind.
VDI-Richtlinie 3633, Blatt 1, 1993
Der Nutzen der Simulation wird laut VDI-Richtlinie 3633 so eingeschätzt:
20% aller Investitionen durch Simulation beeinflussbar
Bei einem Aufwand von 0,5% - 1% der Investitionssumme für die Simulation
können 2% - 4% der Investitionssumme eingespart werden.
Definition der Simulation
Nutzen der Simulation
2. Simulation von Produktionsprozessen
12
Nutzen der Simulation
Je früher ein Planungsfehler erkannt und eliminiert wird, desto weniger Folgekosten entstehen.
Untersuchungen an real noch nicht existierenden Systemen.
Risikolose Optimierung existierender Systeme ohne den Betrieb zu stören oder zu gefährden. SimPlan AG http://www.simPlan.de
Vergleich und Analyse mehrerer alternativer Varianten.
Simulation des Systemverhaltens über längere Zeiträume im Zeitraffer.
Test von Anlaufvorgängen und Übergängen zwischen unterschiedlichen Betriebszuständen.
2. Simulation von Produktionsprozessen
13
Strategische Ebene Investitionsentscheidungen, Kapazitätsplanung Planungshorizont mehr 3 Jahre
Taktische Planungsebene Produktionssteuerung, Terminierung Zeiträume 1- 3 Jahre
SteuerungsebeneSteuerung oder Regelung von Anlagen (SPS: Speicherprogram-mierbare Steuerung)
Nach H.-P. Wiendahl und H. Winkler, Hannover
Modellebenen für SimulationsstudienModelle sind das Ergebnis einer Abstraktion. Der Detaillierungsgrad richtet sich nach den Zielstellungen der Studie.
2. Simulation von Produktionsprozessen
14
Auslastung maximieren Durchlaufzeiten durch weniger Rüstvorgänge senken
Bestand minimierenKosten für Zwischenlagerung und Kapitalbindung steigen
Auslastung maximierenWertschöpfende Zeiten steigern
Termintreue maximierenTerminverzug kann durch zusätzliche Zeiten entstehen
Wirtschaftlichkeit maximieren heißt Zielkonflikte lösen
2. Simulation von Produktionsprozessen
Lagerbestände minimieren
Lagerhaltungskosten undKapitalbindung reduzieren
Beschaffungskosten minimierenTransport- und Bestellkosten senken
BestandBestandAuslastungAuslastung
TermintreueTermintreue
Wirtschaftlichkeit maximieren heißt Zielkonflikte lösen
2. Simulation von Produktionsprozessen
Dreieck von Roger Penrose, viele Ideen von Maurits Cornelis Escher
16
Ziele der Simulation:
Qualitative Betrachtung (VDI-Richtlinie 3633-1)
Sicherheitsgewinn
Kostengünstigere Lösung
Besseres Systemverständnis
Günstigere Prozessführung
Bestätigung der Planung Minimiertes Risiko Funktionalität System / Steuerung
Einsparen, Vereinfachen von System / Steuerelementen
Puffergröße / Lagerbestände Abläufe
Parameter Sensitivität Schulung Animation
Prozessführung Produktivitätssteigerung
Beachten Sie für Ihre Projekte diese betriebswirtschaftlichen Aspekte.
2. Simulation von Produktionsprozessen
17
Reales System Simulationsmodell
Schlussfolgerung Simulationsergebnisse
abstrahieren und modellieren
auswerten und interpretieren
experimentierenrealisieren und validieren
Lebenszyklus einer Simulationsstudie:Kreislauf so lange wiederholen, bis zufrieden stellendes Ergebnis erreicht wurde.
Bestandteile und Aktivitäten einer Simulationsstudie
2. Simulation von Produktionsprozessen
18
- Vorbereitung
- Durchführung
- Auswertung
• Entscheidung: Simulationswürdig?
• Aufgabe und Ziel formulieren
• Aufwand abschätzen
• Daten: ermitteln, aufbereiten, abstimmen
• Analytische Grobabschätzung
• Simulationsmodell erstellen und verifizieren
VDI Richtlinie 3633 und ASIM Leitfaden für Simulationsbenutzerin der Produktion und Logistik, 1997
Phasen einer Simulationsstudie
2. Simulation von Produktionsprozessen
19
- Vorbereitung
- Durchführung
- Auswertung
• Simulationsexperimente planen
• Simulationsexperimente durchführen
• Simulationsexperimente validieren
Phasen einer Simulationsstudie
2. Simulation von Produktionsprozessen
20
- Vorbereitung
- Durchführung
- Auswertung
• Ergebnisaufbereitung
• Ergebnisinterpretation
• Dokumentation
Phasen einer Simulationsstudie
2. Simulation von Produktionsprozessen
21
Für ein System werden bestimmte relevante Zustände betrachtet. In der diskreten ereignisorientierten Simulation treten die Zustandsänderungen nur zu vereinzelten Zeitpunkten und nicht kontinuierlich auf. Das Eintreten von solchen Ereignissen löst Aktionen aus. Diese Ereignisse steuern damit den Ablauf der Simulation. In der Zeit zwischen den Ereignissen wird angenommen, dass sich das System in einem unveränderten Zustand befindet.
Plant Simulation ist ein System zur diskreten ereignisorientierten Simulation.
AbhängigeVariable
Zeit
Diskrete ereignisorientierte Simulation
AbhängigeVariable
ZeitKontinuierliche Simulation
3. Einführung in die Simulation
22
Erwärmung der 4 Schaltkreise (ICs)
Anströmung von links
Abkühlung über die Oberfläche
Ziele der Simulation
Wie stark erwärmen sich die Komponenten?
Wann ist der stationäre Zustand erreicht?
Abkühlung einer 3D-Leiterplatte
COMSOL Multiphysics GmbH
Göttingen
Anwendung von MATLAB
Kontinuierliche Simulation (1/3)
3. Einführung in die Simulation
23
Diskretisierung (Gitter) von
Raum und Zeit und
Anwendung der
Partiellen Differentialgleichung
zur Beschreibung der
Temperaturverteilung
durch Wärmeleitung.
Kontinuierliche Simulation (2/3)
3. Einführung in die Simulation
24
Zeitliche Änderungder IC-Temperatur
Nennen Sie Beispiel für kontinuierliche Prozesse, die durch diskrete Ereignisse gesteuert werden!
ModellaufbauKontinuierliche Simulation (3/3)
3. Einführung in die Simulation
25
3. Einführung in die Simulation
Diskrete ereignisorientierte Simulation von ProduktionssystemenSteuerungen durch Ereignisse und Systemzustände
EOM: Electro Overhead Monorail (EHB: Elektrohängebahn)AGV: Automated Guided Vehicle (Fahrerloses Transportfahrzeug)Cross Sliding Car (Querverschiebewagen)HBW: High Bay Warehouse (HRL: Hochregallager)
Quelle: Systems Engineering, HS Ulm; Dätwyler Gruppe
26
Plant Simulation ist objektorientiert.
Systemkomponenten, die wesentliche gemeinsame Eigenschaften besitzen, können durch eine Klasse modelliert werden. Klassen werden durch• Attribute: Eigenschaften (z.B. Material, Länge) und • Methoden: Funktionen (z.B. für Datenzugriffe, Manipulationen von Objekten) beschrieben.
4. Das Programm Plant Simulation
27
Klassen
InstanzenKlassen
4. Das Programm Plant Simulation
Klassen sind typische, häufig wiederkehrende Systemkomponenten.Instanzen sind die konkrete Realisierung in einem Modell.
28
Direkthilfe zu einem Dialogelement (What‘s This Help).Microsoft verwendet häufig die F1 Taste zum Öffnen der Hilfe.
4. Das Programm Plant Simulation
Durch die Vererbung können Eigenschaften von Objekten komfortabel in das Modell übertragen werden.
Überprüfen Sie, wie die Änderung von Attributen der Klassen an die Instanzen weitergegeben werden.
Vererbung von Attributen und Methoden
29
Die Verwaltung der Klassenbibliothek ermöglicht den Zugriff auf alle in Plant Simulation verfügbaren Objekte.
Rot markierte Objekte können durch eine neuere Version aktualisiert werden.
Nicht in Version 8.2
4. Das Programm Plant Simulation
Struktur der Klassenbibliothek ändern
30
Anhand des Kontextmenüs erstellen wir in der Klassenbibliothek auf der gewählten Hierarchiestufe neue Elemente:
- Ordner: für die Strukturierung des Modells
- Netzwerk: für die Modellierung
- Toolbar: für neue Registerkarten in der Bausteinpalette
4. Das Programm Plant Simulation
Struktur der Klassenbibliothek ändern
31
Struktur der Klassenbibliothek ändern
Ein Modell ist ein Netzwerk, das ein System in der Realität beschreibt. Untersuchungen an einem System führen zu verschiedenen Netzwerken.
4. Das Programm Plant Simulation
1. Ordner und Objekte in der Klassenbibliothek verschieben wir durch Markieren und Ziehen mit der Maustaste an eine andere Stelle innerhalb der selben Hierarchiestufe (Drag & Drop).
2. Um Objekte und Ordner in eine andere Hierarchiestufe zu verschieben, halten wir beim Ziehen mit der Maus die Shift-Taste gedrückt!
32
4. Das Programm Plant Simulation
Objekte können über das Kontextmenü kopiert (dupliziert) oder abgeleitet werden(rechts klicken).
Beim Duplizieren oder Kopieren entsteht eine Klasse, die keine Verbindung zu der ursprünglichen Klasse hat.
Abgeleitete Klassen haben eine Vererbungsbeziehung für Attribute und Methoden (Taste F8).
Struktur der Klassenbibliothek ändern
33
Verschiedene Klassen können mit der Alt-Taste durch Drag & Drop in der Klassenbibliothek zusammengeführt werden.• Instanzen der unteren Klasse werden durch Instanzen der oberen Klasse ersetzt.• Individuelle Parametrisierungen der Instanzen bleiben erhalten.
4. Das Programm Plant Simulation
Struktur der Klassenbibliothek ändern
34
4. Das Programm Plant Simulation
Modellierung ändernInstanzen können mit der Alt-Taste durch Drag & Drop im Modell ersetzt werden.• Im Beispiel wird die Instanz Bohrmaschine durch Bohrschleifmaschine ersetzt.• Die neue Instanz hat nicht die Eigenschaften (z.B. Attribute) der Bohrmaschine, sondern der Bohrschleifmaschine.• Individuelle Parametrisierungen der ursprünglichen Instanz bleiben erhalten.
35
Das Fördergut repräsentiert ein bewegliches Element (kurz: BE), das produziert, bearbeitet und transportiert werden kann. Es kann selbst keine Teile aufnehmen.
Was kann ein Fördergut in einer prozessorientierten Modellierung abbilden?
• Automobilbranche
• Verwaltung und Bankwesen
• Prozessindustrie (Chemische Industrie)
Das Fördergut
4. Das Programm Plant Simulation
36
Die Einzelstation ist ein Materialflussbaustein, der eine Maschine mit der Kapazität 1 abbildet.
Sie nimmt ein BE auf und gibt dieses nach Ablauf der Rüst- und Bearbeitungszeit an die nachfolgende Station weiter.
Jede Maschine gehört hat eine Ressourcentyp, der auf der Registerkarte Statistik eingestellt wird.
Die Einzelstation
4. Das Programm Plant Simulation
37
4. Das Programm Plant Simulation
Die Bearbeitung eines Teils kann sich durch unvorhersehbare Ereignisse verlängern, aber auch verkürzen.
Weiß man nur, dass die Prozesszeiten zwischen zwei Schranken schwankt, wird die Gleichverteilung verwendet.
Die Verwendung des Mittelwerts als Konstante ist ein häufiger Fehler.
Dichtefunktion der Gleichverteilung
Die Bearbeitungszeit T liegt zwischen 1 und 2 min.
38
4. Das Programm Plant Simulation
Die Bearbeitungszeit ist eine Zufallsvariable, die durch verschiedene statistischen Verteilungen beschrieben werden können.
Häufig auftretende Verteilungstypen sind die Exponentialverteilung (Negexp steht für den negativen Exponenten in der Formel der Dichtefunktion) und die Erlang-Verteilung.
Bei der Modellierung von Produktionsprozessen wird die Normalverteilung nur selten verwendet.
Dichtefunktionen
Diskrete und stetige Wahrscheinlichkeitsverteilungdiskrete Zufallsvariable kontinuierliche ZufallsvariableRealisierungen aus {0,1,2, … } Realisierungen aus (0, )
39
4. Das Programm Plant Simulation
Dichtefunktion f(t)
0 1 2 3 4 5zufällige Anzahlen n
Häufigkeiten
0.2
0.1
0 1 2 3 4
zufällige Zeiten t in min
f(t)
p(n)
40
Die Quelle Erzeugungszeitpunkt
• nach eingestelltem Abstand
• einer fest vorgegebenen Anzahl
• Erzeugung durch eine Lieferliste
BE-Auswahl
• Konstant: immer gleiche BE-Klasse
• Reihenfolge zyklisch: Objektauswahl entsprechend der Einträge in einer Tabelle. Die Tabelle wird wiederholt abgearbeitet.
• Reihenfolge: Die Tabelle wird einmal abgearbeitet.
• Zufällig: Objektauswahl entsprechend einer Wahrscheinlichkeitsverteilung.
Für die Erzeugung der BE´s legen wir fest, wann was erzeugt wird.
4. Das Programm Plant Simulation
4. Das Programm Plant Simulation
Poisson Prozess mit einer Ankunftsrate λ
Wir untersuchen die Anzahl der Ankunftsereignisse während einer Zeit T.
1. Diese Anzahlen sind stochastisch unabhängig und sind nur von T abhängig.
2. P( „Genau ein Ereignis in [0,T]“ ) ~ λ T (verhält sich nahe 0 wie F(T) = λ T)
3. Für die Abweichung r(T) bei ~ gilt
4. P( „Mehr als ein Ereignis in [0,T]“ ) ~ 0.
Daraus kann man ableiten:
p(n) = P( „n Ereignisse in [0, T]“ ) = für n = 0,1,2, ... (n! = 1 2 … n)
Beispiel: Simulationsdauer T = 2 h. Dann ist λ T = 12 Kunden/h * 2 h = 24 Kunden.
4. Das Programm Plant Simulation
Poisson Prozess mit einer Ankunftsrate λ
Ankunftszeiten:
0 < t1 < t2 < …
Zwischenankunftszeiten:
d1 = t1, d2 = t2 - t1, … , dk = tk – tk-1 für k = 1, 2, …
Man kann zeigen, daß die Zwischenankunftszeiten exponentiell mit
dem Parameter verteilt sind.
Beispiel Pro Stunde werden durchschnittlich 12 Aufträge eingelastet.
Ankunftsrate λ = 12 Kunden/h
Zwischenankunftszeit ß = 5 min = 1/12 h
43
Ankunftsrate λ = 12 Kunden/h
Zwischenankunftszeit ß = 5 min = 1/12 h
Dichtefunktionder Exponentialverteilung
4. Das Programm Plant Simulation
Auf der Registerkarte Statistik kann eine Erzeugungstabelle angelegt werden.
44
Vernichtet die BE's einzeln nach Ablauf der Rüst- und Bearbeitungszeit.
Zu den vernichteten BEs erzeugt Plant Simulation typische Statistiken, wie z.B. Durchlaufzeiten.
Siehe Produktstatistik in der Hilfe
Die Senke
4. Das Programm Plant Simulation
45
Die Senke
4. Das Programm Plant Simulation
Ergebnisbericht aller Senken eines Modells.Wertsteigerungen erfahren BEs (Produkte) auf Produktionsressourcen.Der Anteil der Arbeitszeit beträgt bei beiden statistischen Auswertungen meist nur 10 %.
Aktuelle Forschung zur Wertstromanalyse (Value Stream Mapping)
46
Der Ereignisverwalter berechnet und verwaltet alle Ereignisse während der Simulation. Beginn und Ende der Simulation werden hier eingestellt.
Für statistische Untersuchungen kann eine Einschwing-phase am Anfang der Simulation ausgeblendet werden.
Wir können die Darstellungsgeschwindigkeit der Animation verringern.
Der EreignisverwalterSteuerung der diskreten ereignisorientierte Simulation Discrete event simulation (DES)
4. Das Programm Plant Simulation
47
Steuerung der Simulation
Reset setzt den Simulationszeitpunkt auf 0. Der internen Zustand der Bausteine wird zurückgesetzt.
Start / Stopp beginnt, stoppt oder setzt eine angehaltene Simulation fort. Ohne Animation:
Der Ereignisverwalter
Bei Stopp hält die Simulation nach dem aktuellen Ereignisses an. Nach Modelländerungen kann die Simulation fortgesetzt werden.Das Modell muss nach einer Änderung nicht kompiliert werden (Interpreter). Das kann bei der Modellierung sehr hilfreich sein.
Bei wird die Simulation schrittweise durchlaufen. Nach jedem Simulationsereignis kann das Modell analysiert werden.
Der erste Simulationsschritt ist die Initialisierung. Beispielsweise werden Kapazitäten von Produktionsressourcen gesetzt.
4. Das Programm Plant Simulation
48
rot: Das Objekt ist gestört (durch Verfügbarkeit < 100 %).
rosa: Das Objekt ist angehalten, da es in einem Schutzkreis enthalten ist.
blau: Das Objekt ist pausiert (durch Schichten).
grün: Das Objekt arbeitet.
gelb: Das Objekt ist blockiert.
braun: Das Objekt rüstet.
hellblau: Das Objekt befindet sich in Erholzeit (z.B. bei Robotern).
Ohne LED: der Baustein ist wartend und ist bereit (operational).
Für die Materialflussbausteine existiert ein LED am oberen Symbolrand, um den Zustand des Bausteines symbolisch anhand von farbigen Punkten anzuzeigen.
Die Farben der Punkte repräsentieren folgende Zustände:
Die LED-Zustandanzeige
4. Das Programm Plant Simulation
49
Wir ziehen Einzelstationen auf ein noch nicht konfiguriertes eingesetztes Diagramm.
Eine Produktionsressource hat zu jedem Zeitpunkt genau einen der Zustände:
Statistische Auswertung: Ressourcenstatistik
4. Das Programm Plant Simulation
50
gestört
verfügbar
wartend arbeitend blockiertrüstet
nicht pausiert pausiert
geplant ungeplant
Statistikerfassungszeit
Statistische Auswertung: Ressourcenstatistik
4. Das Programm Plant Simulation
nicht gestört
nicht angehalten angehalten
Die meisten Ressourcen haben mehrere Plätze zur Bearbeitung. Eine verfügbare Ressource ist wartend, wenn auf allen belegten Plätzen nicht gearbeitet und nicht gerüstet wird und freie Plätze vorhanden sind. Eine Ressource ist auch wartend, wenn Arbeiter oder Abbauteile für eine Montage fehlen.
Geben Sie Beispiele für nicht verfügbare und blockierte Maschinen an.
51
Einsatz von MaschinenZu ungeplanten Zeiten oder in Pausen stehen Arbeiter, Maschinen und andere Ressourcen nicht zur Verfügung.
Setzen Sie einen Schichtkalender aus dem Ordner Ressourcen ein. Maschinen können durch Drag & Drop auf einen Schichtkalender registriert werden.
4. Das Programm Plant Simulation
52
Verfügbarkeit von MaschinenDer Abstand (MTBF Mean Time Between Failures) zwischen Störungen und die Dauer (MTTR: Mean Time To Repair) von Störungen sind Zufallsvariablen, die einen bestimmten Verteilungsgesetz gehorchen.
Die Verfügbarkeit AV (Availability) wird in % angegeben:
40 min 10 min 40 min 10 min
MTBF MTTR MTBF MTTR MTBF
Achtung: Gelegentlich (nicht in Plant Simulation) wird der Wert MTTF (Mean Time To Failure):
MTTF = MTBF + MTTR
Die Verfügbarkeit wird auch SAA (Stand Alone Availability) genannt.
4. Das Programm Plant Simulation
4. Das Programm Plant Simulation
Verfügbarkeit von MaschinenEine Störung einer Maschine kann mehrere Ursachen haben, die durch Störungsprofile beschrieben werden.
Eine von 2 Störungsprofilen verursacht eine Störung der Einzelstation. 53
54
4. Das Programm Plant Simulation
Verfügbarkeit von ProduktionsressourcenBestimmte Ursachen für eine Störung können nur während der Verwendung der Maschine entstehen.
Die Zeit MTBF kann sich beziehen auf die:
1.Simulationszeit (MTBF liegt in der gesamten simulierten Zeit)
2.Einsatzzeit (MTBF liegt innerhalb der Schichten, außerhalb der Pausen)
3.Arbeitszeit (MTBF unterbricht die Arbeitszeit)
Geben zu den Beispielen die Bezüge an:
Bohrer bricht, elektrische Sicherung einer Maschine, Schaden durch Blitzschlag, Ausfall des Bedienungspersonals einer Anlage, Reifenpanne eines Fahrzeugs, Rostschaden
55
Verfügbarkeit und TaktzeitMCBF (Mean Cycles Between Failures) Mittlere Anzahl der Takte zwischen den Störungen.
TZ = Mittlere Taktzeit einer Station.
MTBF + MTTR = TZ * MCBF
Beispiel: MTTR = 10 min, TZ = 2 min, MCBF = 100
Welche Verfügbarkeit AV hat die Station?
MTBF + MTTR = 200 min
MTBF = 190 min
AV = 95 %
4. Das Programm Plant Simulation
56
Angehaltene MaschinenGruppierte Produktionsressourcen werden zu Schutzkreisen zusammengefasst. Geht eine der Maschinen in eine Störung, so werden die anderen Maschinen angehalten.
Setzen Sie einen Schutzkreis aus dem Ordner Ressourcen ein. Maschinen können durch Drag & Drop auf einen Schutzkreis registriert werden.
4. Das Programm Plant Simulation
57
Bauen Sie ein Modell auf, das alle Zustände einer Ressource zeigt.
1. Schichten und Pausenwerden durch den Kalenderbaustein modelliert.
2. Störungen werden auf der Registerkarte Störungen der Maschinen eingestellt.
3. Maschinen werden durch Schutzkreise angehalten.
4. Blockierungen entstehen durch unterschiedliche Bearbeitungszeiten.
4. Das Programm Plant Simulation
58
Analysieren Sie mit dem Ereignisdebugger den zeitlichen Ablauf der Simulation.
Öffnen:
Arbeitet ein das kommende Ereignis ab:
4. Das Programm Plant Simulation
Haltepunkte S werdenmit Doppelklick eingefügt.
59
4. Das Programm Plant Simulation
Entstehung und Abarbeitung einer Austrittsereignisses Aus
Das BE ist mit der Bearbeitung fertig: Aus Ereignis wird von Ereignisverwalter berechnet.
Der Zeitpunkt dieses Ereignisses ist beispielsweise bestimmt durch:
1. Bearbeitungszeit der Einzelstation M1
2. Pausen während der Bearbeitungszeit
3. Störungen von M1
4. Störungen von Maschinen eines Störkreises, zu dem M1 gehört
5. Zustände der folgenden Maschine M2
Bei der Abarbeitung des Ereignisses können beispielsweise diese Aktionen ausgelöst werden:
1. Umlagern des BEs auf M2 und Erzeugung eines neuen Aus Ereignisses.
2. Registrierung des erfolglosen Umlagerungswunsch in M2
In der Produktstatistik wird erfasst, welcher Aufwand zur Herstellung eines Teils (BEs) erforderlich war. Die Aufwände werden klassifiziert nach dem Ressourcentyp:
• Produktion
• Transport
• Lagerung
Zur Analyse der Materialflusses einesTeils wird erfasst, welchen Zeitanteil ein Teil auf einer Ressource in einem bestimmten Zustand verbracht hat.
Untersuchen Sie die Statistik der Senke auf der RegisterkarteTypabhängige Statistik
Index der Hilfe: Produktstatistik, Beschreibung 60
Statistische Auswertung: Produktstatistik
4. Das Programm Plant Simulation
61
AusblickUntersuchungen zur Energieeffizienz mit Plant Simulation 11.0, die als
Studentenlizenz erhältlich ist.
4. Das Programm Plant Simulation
62
Das Diagramm Die Darstellung statistischer Daten erfolgt in 3 unterschiedlichen Kategorien.
Diagramm stellt beispielsweise die statistischen Verteilungen der Zustände Arbeitend, Wartend, Blockiert, Gestört, Pausiert, Ungeplant dar.
Histogramm zeigt die Häufigkeitsverteilung eines Ergebniswertes im Verhältnis zur Simulationszeit an. Man kann beispielsweise einen Puffer auf ein noch nicht konfiguriertes eingesetztes Diagramm ziehen.
Plotter zeigt den zeitlichen Verlauf eines Ergebniswerts an.
Darstellung der Belegung eines Puffers
4. Das Programm Plant Simulation
63
4. Das Programm Plant Simulation
Diagramm, Histogramm und Plotter
Plotter
1.Histogramm kopieren
2.Kategorie der Darstellung auf Plotter setzen
Treppenkurve auswählen
3.Achsen konfigurieren
64
Aufgabe 1: Analyse eines Puffers mit dem Diagramm
Bauen Sie dieses Modell auf. Die Quelle erzeugt 5 Teile. Die Einzelstation hat eine konstante Bearbeitungszeit von 1 Minute. Die Bearbeitungszeiten der Senke und des Puffers sind 0. Der Puffer hat eine Kapazität von 4. Diese Voreinstellungen für den Puffer sind für die häufigsten Anwendungen geeignet sind.
4. Das Programm Plant Simulation
65
Der Materialfluss in Produktionslinien ist ablaufbedingt stark gekoppelt, d.h. nicht vorhersehbare (zufällige) Ereignisse haben einen großen Einfluss auf den Materialfluss, z.B. den Durchsatz.
Die Analyse des Materialflusses ist durch Warte- und Blockierzeiten möglich.
Durch Zwischenschalten eines Puffers (Kapazität = -1, Bearbeitungszeit = 0) kann der Materialfluss entkoppelt werden.
1.Vergleichen Sie die Durchlaufzeit von 1000 Aufträgen, die auf einer Liniemit 2 gleichen Maschinen mit konstanten und zufälligen Bearbeitungszeiten. Verringern Sie die Durchlaufzeit bei zufälligen Bearbeitungszeiten.Optimieren Sie die Pufferkapazität.
2.Untersuchen Sie den Einfluss derPufferkapazität auf den Durchsatzeines Tages, falls beide Maschinen durch Pausen und Störungen ausfallen können.
Gekoppelter Materialfluss
4. Das Programm Plant Simulation
66
Mit dem Objekt Methodekönnen Algorithmen für Berechnungenund Steuerungen des Materialflussesausgeführt werden.
Diese Algorithmen (Handlungsanweisungen) werden in der Programmiersprache SimTalk formuliert. Es entsteht ein Programm, dass von einem Rechner in Maschinencode übersetzt wird. Diese Form eines Algorithmus kann von einem Rechner wiederholt ausgeführt werden.
Die Anweisungen eines Algorithmus verändern die Attribute der Objekte.Die veränderlichen Werte sind in Variablen gespeichert.
Vereinbarungen von Variablen
Anweisungen
5. Einführung in die Programmiersprache SimTalk
67
Einer Variable entspricht ein Teil der Arbeitsspeichers des Rechners.Eine Variable kann als Wert eine ganze Zahl (Datentyp integer), gebrochene Zahl (Datentyp real), einen Zeitwerte (Datentyp time), oder einen Text (Datentyp string) enthalten.
Der Wertebereich einer Variablen (Datentyp) muss vereinbart werden:
n:integer; Vereinbarungenr:real; Variable : Datentyp;s:string;
Nach der Vereinbarung kann der Variablen ein Wert zugewiesen werden:
n := - 42; Anweisungenr := 1.2 + 2.34; Variable := Wert;s := "Guten Tag";
Mit print wird der Wert in derKonsole ausgegeben.
5. Einführung in die Programmiersprache SimTalk
Übersetzen (Erzeugen des Maschinencodes)
Starten (Ausführen des Maschinencodes)
68
5. Einführung in die Programmiersprache SimTalk
Datentypen (Wertebereiche): integer, real, time, string, object, boolean
BeispieleBezeichner für Namen von Objekten und Variablen sollen nur Buchstaben (keine Leerzeichen) enthalten.
is TeilAngekommen : boolean; Teil : object;do TeilAngekommen := Einzelstation.belegt;
if TeilAngekommen then
- - Kommentar: Diese Anweisung wird ausgeführt, wenn TeilAngekommen = TRUE ist. Teil := Einzelstation.inhalt; end;
print Teil;
end;
69
5. Einführung in die Programmiersprache SimTalk
Programme (Steuerungen des Materialflusses) werden während der Simulation durch Ereignisse gestartet.
Reset, Init und endSim
Die Änderung des Icons der Methode deutet oft auf das auslösende Ereignis hin.
Reset-Methoden setzen internen Zustand der Objekte zurück.Beispielsweise werden BEs des vorherigen Simulationslauf gelöscht.
Durch Init-Methoden wird das Modell initialisiert. Beispielsweise werden Kapazitäten von Produktionsressourcen gesetzt.
Die endSim-Methoden führen nach der Simulation spezielle Auswertungen durch.
70
Globale Variablen sind nicht nur während der Abarbeitung der Methode gültig, sondern in allen Methoden eines Netzwerks.
Geben Sie den Durchsatz in einer globalen Variable aus.
5. Einführung in die Programmiersprache SimTalk
71
Auf Objekte und deren Attribute und Methoden zugreifen
Bestimmung des Anteils der wertschöpfenden Zeit von der Durchlaufzeit.
Zielkonflikt: wertschöpfende Zeiten erhöhen Bestände reduzieren
Nutzen der Kodevervollständigung: Schreiben und Tastenkombination <Strg> + <Leer>
print .Modelle.Netzwerk.Senke.statProdArbeitsAnteil;
Objekte Methode
5. Einführung in die Programmiersprache SimTalk
72
Debugger
Nutzen Sie die Vorlagen:
Der Debugger findet Fehler beim Übersetzen und Ausführen von Programmen.
Mit dem sogenannten Notfallgriff <Shift>+<Strg>+<Alt> hält die aktuelle Methodenausführung an und es öffnet sich der Debugger.
5. Einführung in die Programmiersprache SimTalk
73
Starten von Methoden durch Ereignisse
Das Ende der Bearbeitungszeit eines BEs wird durch ein Ereignis AUS im Ereignisdebugger angezeigt.
Das auslösende BE ist durch den anonyme Bezeichner @ angegeben.Es ist eine Variable mit dem Datentyp object.
Teil := @; -- Der lokalen Variable Teil wird @ zugeweisen.
@.Name := "Gut"; -- Das Attribut Name eines Objekts (hier @) wird geändert.
Teil.umlagern(Senke); -- Die Methode umlagern des Objektes Teil wird ausgeführt.
5. Einführung in die Programmiersprache SimTalk
74
6. Beispiel eines Simulationsprojekts
Simulation von Flughafenprozessen
Die Schwachstellen in den Flughafenprozessen summieren sich durch starke Interaktionen der Prozesse.
Schlangen vor den Check-In-Schaltern, stockende Gepäckausgaben oder ein ungenügendes Zusammenspiel bei der Versorgung der Flugzeuge am Boden sorgen schnell für Chaos.
Ziele der Steuerung der Prozesse
1.Nivellierung der Auslastung der Systeme2.Kostenreduktion für Planung, Investitionen und Ressourcen (Energie)
75
6. Beispiel eines Simulationsprojekts
Terminal 2 des Flughafen München25 Million Passagiere pro Jahr
15.000 Gepäckstücke pro Stunde
40 km Gepäckfördersystem
114 Check-In-Schalter
Fördergeschwindigkeit bis zu 7 m pro Sekunde
17.000 einzelne Elemente (Förderanlagen, Scanner, Weichen, Gepäckausgabe, Sicherheitskontrollpunkte)
Feinplanung des Transportsystems: Zentraler Transportcomputer ermittelt die kürzesten Wege zu den Zielen der Gepäckstücke
Diese Untersuchungen können mit Berechnungen in mathematischen Modellen nur mit großen Aufwand erfolgen.Die Ergebnisse solcher Berechnungen sind schwer überzeugend vermittelbar.
76
Flughafen MünchenFördertechnik:Siemens Dematic
Fördertechnik auf zwei Ebenen
6. Beispiel eines Simulationsprojekts
77
Deterministische und stochastische Simulation
7. Stochastische Simulationsstudien
Simulationsstudien, in denen jede Komponente ein vorhersehbaren Verhalten hat, nennen wir deterministisch.
Römischer Gelehrter PLINIUS der Ältere, der ein Kompendium desgesamten damaligen wissenschaftlichen Wissens geschaffen hat: „Die einzige Sicherheit ist, dass nichts sicher ist.“ (23-79 gestorben durch den Vesuv-Ausbruch)
Sowjetischer Mathematiker Andrej KOLMOGOROFF (1903-1987)Grundlagen der Wahrscheinlichkeitsrechnung Moskau 1933
Eine Simulationsstudie, die Komponenten mit nicht vorhersehbaren also zufälligen Verhalten besitzen, heißen stochastisch.
Eine statistische Analyse der Ergebnisse ist erforderlich.
78
7. Stochastische Simulationsstudien
Die statistische Analyse ist für die Akzeptanz der Ergebnisse einer stochastischen Simulationsstudie notwendig.
Pierre Simon Laplace (1749-1827) definierte in seiner Arbeit Versucheiner Philosophie der Wahrscheinlichkeitsrechnung den klassischen Wahrscheinlichkeitsbegriff. Die Wahrscheinlichkeit für die Geburteines Jungen ist 0.511. Bei einer hohen Anzahl von Geburten kann diese Wahrscheinlichkeit bei allen Völkern beobachtet werden. Laplace untersuchte das Geburtenregister von Paris zwischen1745 und 1784. Er beobachtete einen etwas kleineren Anteil von 0.510. Er suchte nach einem Grund für die Vergrößerung des Anteils an Mädchen. In dem Register waren auch Kinder aus einem Waisenhaus für Findelkinder enthalten. Dieses Waisenhaus war das einzige dieser Art in Frankreich. Da auf dem Land Söhne als zukünftige Arbeitskräfte mehr als Töchter geschätzt wurden, war die Anzahl der ausgesetzten Mädchen größer. Laplace entferne die Findelkinder, die häufig nicht in Paris geboren waren, aus der Zählung. Dadurch konnte er den erwarteten Anteil bestätigen.
Durch die statistische Analyse kann erkannt werden, ob Unterschiede in den beobachteten Werten nur durch Zufall erklärbar sind oder wesentliche Ursachen haben.Stochastik Leistungskurs. Bayerischer Schulbuchverlag 1976
79
Nicht vorhersehbarezufällige Eingabegrößenz.B. Verfügbarkeiten von Ressourcen
Schwankungen der Ergebniswerte z.B. Durchsatz in der bestimmten Zeit
Statistische Analyse: Zuverlässigkeit der Ergebnisse
7. Stochastische Simulationsstudien
80
Bei einer stochastischen Simulationsstudie werden zu jedem Parametersatz mehrere Simulationsläufe durchgeführt.
Diese Läufe führen zu Beobachtungen der Ergebniswerte, die durch Konfidenzintervalle einer statistischen Analyse unterzogen werden.
„Ein Experiment ist die gezielte empirische Untersuchung des Verhaltens eines Modells durch wiederholte Simulationsläufe mit systematischer Parametervariation.“
(VDI-Richtlinie 3633, Blatt 1, 1993)
7. Stochastische Simulationsstudien
8181
7. Stochastische Simulationsstudien
Zur Veranschaulichung der Beobachtungen wird oft ein Boxplot verwendet.
Maximum
Oberes Quartil
Unteres Quartil
Minimum
Median
50 %
p = 0,5 p = 0,5
Es genügt nicht, alle Beobachtungen nur durch einen Mittelwert zusammenzufassen.
Dichtefunktion der Zufallsvariable
Boxplot der Stichprobe
50 %
82
Bestimmung der Güte der Simulationsergebnisse
Die Ergebnisse können nur dann sinnvoll interpretiert werden, wenn zu dem Mittelwert auch das Streuungsverhalten der Beobachtungen eingeschätzt wird.
Die Simulationsergebnisse sind Zufallsvariablen, von denen man nur wenige Realisierungen beobachtet hat (Stichprobe).
Konfidenzintervalle (Vertrauensintervalle) ermöglichen die Genauigkeit der Simulationsergebnisse zu schätzen.
Ein Konfidenzintervall gibt an, in welchem Bereich sich der wahre Mittelwert der Zufallsvariable mit einer gegebenen Wahrscheinlichkeit (Vertrauenswahrscheinlichkeit) befindet.
Sprechweise: Mit einer Wahrscheinlichkeit von 90 % liegt der Mittelwert der untersuchten Größe zwischen a und b.
7. Stochastische Simulationsstudien
83
Bestimmung der Güte der SimulationsergebnisseDie Mathematik zum Thema Konfidenzintervalle Gegeben ist eine Stichprobe einer (normalverteilten) Zufallsvariable X.Mittelwert und Standardabweichung von der Zufallszahl X sind unbekannt.
n = Umfang der Stichprobe (z.B. Anzahl der Simulationsläufe)
= Irrtumswahrscheinlichkeit des Konfidenzintervalls
1 - = Vertrauenswahrscheinlichkeit des Konfidenzintervalls (90% bei = 0,1) m, S = Mittelwert bzw. Standardabweichung der Stichprobe
Das Konfidenzintervall [m-h, m+h] ist bestimmt durch
ist das Quantil der Student t-Verteilung mit n-1 Freiheitsgraden
7. Stochastische Simulationsstudien
84
7. Stochastische Simulationsstudien
Berechnung von Konfidenzintervallen mit Microsoft Office Excel 2003Zur Anwendung der Excel-Funktion TINV muss manwissen.
=TINV(F2;D11-1)
mit F2 = und D11 = n
85
Fragen zur Bestimmung der Güte der Simulationsergebnisse Eine Vergrößerung des Stichprobenumfangs n führtbei gleicher Vertrauenswahrscheinlichkeitzu einer
1. Vergrößerung oder 2. Verkleinerung
des Konfidenzintervalls.
Eine Vergrößerung der Vertrauenswahrscheinlichkeit führtbei gleichen Stichprobenumfang n zu einer
1. Vergrößerung oder 2. Verkleinerung
des Konfidenzintervalls.
7. Stochastische Simulationsstudien
86
Der Experimentverwalter
Ergebniswert (Ausgabewert):Senke.statAnzahlAusZiehen Sie die Einzelstation auf den Experimentverwalter.
Modellparameter (Eingabewerte):Einzelstation.Verfügbarkeit und Einzelstation.MTTRZiehen Sie mit gedrückter Shift-Taste die Einzelstation auf den Experimentverwalter.
Beachten Sie, dass die Simulationterminieren muss(Endzeit des Ereignisverwalters).
7. Stochastische Simulationsstudien
87
7. Stochastische Simulationsstudien
Die Verwendung des Experimentverwalters mit einer Studentenversion
Bei einer Studentenversion ist die Anzahl der verwendeten Objekte auf 80 beschränkt. (Methode numOfLimitedObjects)
1.Löschen Sie den Ordner VerteilteSimulation.
2.Löschen Sie die Klassen, die Sie nicht verwenden.
3.Löschen Sie die Tools, die Sie nicht verwenden (EngpassAnalyse, SankeyDiagramm,…)
88
Aufgabe 2: Zusammenhang von Störungen und DurchsatzWelche Auswirkungen haben Störungen auf den Durchsatz [Teile pro Stunde]?Während der Untersuchungszeit von einen Tag ist die Maschine niemals wartend.Die Bearbeitungszeit einer Maschine ist exponentiell mit ß = 60 s verteilt.Ändern Sie die Verfügbarkeit der Maschine von 50 bis 90 % und die MTTR zwischen 1 und 5 Minuten.
Verwenden Sie den Experimentverwalter.Geben Sie eine kurze quantitative Deutung der Ergebnisse der Simulationsstudie!
7. Stochastische Simulationsstudien
Modell Experimentverwalter.spp
89
Experimentdesign und Faktorenanalyse
Durch ein zweistufiges Experimentdesign findet man heraus, welcher Parameter einen bestimmten Ergebniswert wesentlich beeinflusst.
Der Haupteffekte ist die mittlere Änderung auf Grund der Änderung eines Parameter (Faktor) von der unteren zu der oberen Stufe.
Wechselwirkungseffekte sind die mittlere Änderung auf Grund der gleichzeitigen Änderung zweier Faktoren.
Nach einem zweistufiges Experimentdesign kann manmit einem mehrstufigen Experimentdesign den Einflusswesentlicher Parameter genauer untersuchen.
7. Stochastische Simulationsstudien
90
Zusammenhang von Bearbeitungszeiten und DurchsatzWelche Auswirkungen haben Bearbeitungszeiten einzelner Maschinen auf den Durchsatz [Teile pro Stunde]? Während der Untersuchungszeit von einen Tag ist die Maschine niemals wartend. Die Bearbeitungszeit einer Maschine ist exponentiell mit ß = 1 min oder ß = 2 min
verteilt.
Engpassanalyse:Welche Maschine muss durch eine schnellere ersetzt werden, wenn der Durchsatz erhöht werden soll.
7. Stochastische Simulationsstudien
91
Wie viele Pixel zwischen
zwei Rasterpunkten sind,
kann in den
Modelleinstellungen
gesetzt werden.
8. Geometrische Modellierung
Prinzipien der Geometrische Modellierung
In einem Netzwerk kann maßstabsgetreu modelliert werden.
92
Prinzipien der Geometrische Modellierung
Der Abstand zwischen Rasterpunkten ist durch den Skalierungsfaktor des Netzwerks
definiert.
Der Skalierungsfaktor ist die Größe eines Pixels und wird in m/Pixel gemessen.
Abstand von 5 Rasterpunkten entspricht 10 m.
8. Geometrische Modellierung
93
8. Geometrische Modellierung
Staufähige Förderstrecke
(z.B. Rollenförderer)
Nicht Staufähige Förderstrecke
(z.B. Bandförderer)
Für die Verwendung von Objekten sind Kenntnisse
der zugrunde liegenden Annahmen der Modellierung notwendig.
94
Förderstrecken, Wege für Fahrzeuge und Fußwege für Werker können mit Geraden und Kreisbögen (Polycurves) modelliert werden.
BeispielRadius = 2m.
8. Geometrische Modellierung
Prinzipien der Geometrische Modellierung
95
8. Geometrische Modellierung
CAD Zeichnung können als Hintergrund des Netzwerks verwendet werden.
CAD-Dateien *.dwg können durch Drag & Drop als Hintergrundbild eines Netzwerks verwendet werden.
CAD
96
Für den Import von CAD-Dateien dwg müssen
1. die Längeneinheit der Zeichnung,
2. die Längeneinheit in Plant Simulation
3. und der Skalierungsfaktor des Netzwerks
abgestimmt werden.
Verwenden Sie TableAssembly.DWG
8. Geometrische Modellierung
CAD
97
Schalten Sie die Debug-Meldungen in der Konsole ein:
Rechte Maus
Ziehen Sie TableAssembly.DWG in das Netzwerk.
In der Konsole erhalten Sie nun Informationen:
Drawing origin: 389730, 282034
Drawing dimension: 38973 x 28203.4 [CAD units] 779459 x 564067 [Pixels]
Dimension exceeds maximum of 5000 x 5000 pixels.
Für den Import setzen wir den Skalierungsfaktor von 0.05 auf 100,
so dass die Breite der Zeichnung auf 390 Pixel reduziert wird.
Ist die CAD Einheit mm, dann ist die Breite der Zeichnung etwa 39 m.
Soll diese Breite auf 390 Pixel im Netzwerk gezeichnet werden,
so muss der Skalierungsfaktor 39 m/390 Pixel = 0,1 m/Pixel sein.
Überprüfen Sie durch Einsetzen einer Förderstrecke die Größe der Zeichnung.
8. Geometrische Modellierung
CAD
98
Zu einem Modell kann einfach in ein 3D-Modell erzeugt werden.
8. Geometrische Modellierung
Modellieren in 3D
99
Alle Objekte in 2D haben ein zugehöriges 3D Objekt.
8. Geometrische Modellierung
Modellieren in 3D
100
Graphik austauschen
8. Geometrische Modellierung
Modellieren in 3D
101
Beispiele auf der Startseite
8. Geometrische Modellierung
Modellieren in 3D
102
9. Steuerung des Materialflusses
Simulation einer Bearbeitungsstation mit Nacharbeit
Nach der Bearbeitung von Teilen kann eine Wiederholung der Bearbeitung auf der gleichen Maschine erforderlich sein. Die Notwendigkeit einer Nacharbeit ergibt sich für ein Teil erst nach der Bearbeitung und steht nicht von vornherein für ein bestimmtes Teil fest. Nacharbeit ist für 20% der Teile erforderlich.
Solche speziellen Materialflusssteuerungen müssen mit SimTalk programmiert werden.
103
Grundverhalten der Simulation des Materialflusses
Ist ein Teil fertig, so wird es zur nächsten Maschine geschoben. Die nächste Maschine ist durch Materialflusskanten bestimmt.
9. Steuerung des Materialflusses
Hat eine Maschine mehrere Nachfolger, so werden die BEs zyklisch umgelagert, wobei das erste BE zum ersten Nachfolger umlagert.
Zur Anzeige der Nachfolger aktivieren SieNachfolger anzeigenim Menü Ansicht > Optionendes Netzwerks.
104
9. Steuerung des Materialflusses
Simulation verschiedener Ausgangsverhalten
Typische und häufig auftretende Strategien zum Umlagern sind bereit vorbereitet.
105
Behandlungen von BlockierungenKann ein Teil (auf der schnellen Maschine) wegen einen belegten Nachfolger (langsame Maschine) nicht umlagern, so wird bei diesem Nachfolger das Teil registriert, das hierher umlagern wollte.
Wird der Nachfolger (langsameMaschine) später frei, so fordert Plant Simulation dieses Teilerneut auf umzulagern.
Auf Umlagerung wartende Teilesind in den Blockierlisten derNachfolger enthalten.
Gegenseitige Blockieren von mehreren Teilen (Deadlocks) können trotzdem nicht verhindert werden.Deadlocks sind schwer zu erkennen.
9. Steuerung des Materialflusses
106
Laden Sie das Objekt SchiebenUndBlockieren.obj in Ihre Bausteinbibliothek und erklären Sie die Meldung Klassen ersetzen oder umbenennen.
Analysieren Sie den Materialfluss.
9. Steuerung des Materialflusses
107
Rechnen Sie den angezeigten Zeitanteil der Bearbeitung der vorderen Einzelstation durch Beobachtung der Animation der BEs nach.
Bearbeitungszeit des 1. BEs = B
Statistikerfassungszeit T
Anteile der Bearbeitungszeit (Einzelstation.statArbeitsAnteil) = 100 B / T
Statistische Auswertung: Ressourcenstatistik
9. Steuerung des Materialflusses
108
Materialflusssteuerung mit SimTalk
Wir benötigen eine Ablage für die Nachbearbeitungsteile. Damit der Materialfluss der Teile ohne Nachbearbeitung ungehindert durchlaufen kann, schalten wir den Puffer parallel zur Einzelstation.
Wir steuern den Materialfluss durch Ausgangssteuerungen an der Einzelstation.
Damit wird das Grundverhalten außer Kraft gesetzt.
9. Steuerung des Materialflusses
109
Graphische Darstellung des Algorithmus durch einen Programmablaufplan
Flussdiagramm
9. Steuerung des Materialflusses
Anfang
Ende
Ist das Teil Nacharbeit?
Teil weiterleiten Bestimme eine gleichverteilteZufallszahl zwischen 0 und 100
Zufallszahl < 20 ?
Teil ist NacharbeitTeil auf Puffer
Teil ist GutTeil weiterleiten
Ende
Ende
NEINJA
JA NEIN
Warnung vor willkürlichen Sprüngen, der zu Spagetti Code führt.
110110
Graphische Darstellung des Algorithmus durch ein Nassi-Shneidermann-Diagramm
Struktogramm
Ist das TeilNacharbeit ?
JA NEIN
Teil weiterleiten Bestimme eine gleichverteilte Zufallszahlzwischen 0 und 100
Zufallszahl < 20 ?JA NEIN
Teil ist Gut
Teil weiterleiten
Teil ist Nacharbeit
Teil auf Puffer
9. Steuerung des Materialflusses
Struktogramme können einfach in jede Programmiersprache übertragen werden.Für Programmablaufpläne kann das wesentlich schwieriger sein (Wikipedia).
111
9. Steuerung des Materialflusses
Erzeugung einer gleichverteilten Zufallszahl
Lesen Sie in der Dokumentation über die Methode z_gleich nach.
Nach einem Reset der Simulation wiederholen sich die Zufallszahlen.
112
Ausgangssteuerung der Einzelstation
SimTalk Befehle komfortabel als Template eingeben:
Auf das BE, das eine Steuerung auslöst, kann mit @ zugegriffen werden. Lesen Sie über Anonyme Bezeichner nach.
Umlagern auf nicht eindeutigen Nachfolger des Materialflussbausteins.
9. Steuerung des Materialflusses
113
Was wäre wenn
1. das Umlagern auf den Puffer oder auf die Senke nicht klappt?
2. die Nacharbeit beim Auftragseinlasten der Einzelstation höhere Priorität hat?
Lösungsideen:
Puffer mit unendlicher Kapazität
Senke mit Bearbeitungszeit 0 (Standard)
Ausgangssteuerung des Puffers:
Wie funktioniert waituntil ?
9. Steuerung des Materialflusses
114
Materialflusssteuerungen
durch Suspendierungen der MethodenausführungEine Methode, die mit der SimTalk Anweisung waituntil ... prio … ;
auf einen bestimmten Zustand des System wartet, ist zeitweise suspendiert.
Die Methodenausführung wird sofort fortgesetzt,
wenn die zugehörige Bedingung erfüllt ist.
Hinter waituntil muss ein überwachbarer Wert (Attribut oder Methode) stehen.
9. Steuerung des Materialflusses
115
Anzeige (Finden) von suspendierten Methoden
Bei einem Reset des Ereignisverwalters werden alle suspendierten Methoden beendet.
Suspendierte Methoden werden im Modell gespeichert.
9. Steuerung des Materialflusses
116
In der Senke wird die Statistik
nach Namen der BEs erfasst.
Prüfen Sie mit dem Experiment-verwalter nach, ob der Anteil der nachgearbeiteten Teile statistisch signifikant bei 20 % liegt.
Verwenden Sie den Ausgabewert root.Puffer.statAnzahlEin.
Beispielmodell ist Nacharbeit.spp
9. Steuerung des Materialflusses
117
Man entwickle die Ausgangssteuerung der Einzelstation Verteiler,
so dass zuerst die Einzelstation A 2 BEs, dann B 3 und C 1 BE bekommt.
Dann soll sich die Verteilung wiederholen:
2A, 3B, 1C, 2A, 3B, 1C, 2A, 3B, 1C, 2A, …
Hinweise:
Lesen Sie in der Dokumentation
zu folgenden Begriffen nach:
StatAnzahlEin, inspect, modulo.
Aufgabe 3: Materialflusssteuerung
9. Steuerung des Materialflusses
118
Wert A SONST
Variable
Anweisungen
Wert B Wert C
AnweisungenAnweisungenAnweisungen
Nassi-Shneidermann-Diagramm für eine Selektion
Verwenden Sie bei der Lösung ein Nassi-Shneidermann-Diagramm.
Binden Sie das Diagramm in ein Word-Dokument ein.
9. Steuerung des Materialflusses
119
Die Word-Datei wird in das Modell eingebettet.
Erläuterungen zum Modell sind dadurch direkt in der spp-Datei enthalten.
Ziehen Sie die Word-Datei einfach in das Netzwerk:
9. Steuerung des Materialflusses
120
Fehleranalyse: Sie finden leicht die Lösung durch den Index der Hilfe:
1. Schleifen
2. Lokale Variablen
Rest beim Dividieren: Modulooperator
Wenn die ganzen Zahlen a und b bei der Division durch m der gleichen Rest lassen,
so schreiben wir a b mod m und in Plant Simulation a\\m = b\\m
9. Steuerung des Materialflusses
121
Welcher Rest entsteht bei der Division von 22008 durch 7?
20 1 mod 7
21 2 mod 7
22 4 mod 7
23 1 mod 7
23 * 669 1 mod 7
22007 1 mod 7, denn 3 * 669 = 2007
22008 2 mod 7
Der Rest bei der Division 22008 durch 7 ist 2.
9. Steuerung des Materialflusses
Rest beim Dividieren: Modulooperator
122
1,2SONST
Verteiler.statAnzahlEin \\ 6
3,4,5
Auf Cumlagern
Auf Bumlagern
Auf Aumlagern
Lösungen zur Aufgabe 3
9. Steuerung des Materialflusses
123
Realisierung eines Lösungsvorschlags zur Aufgabe 3 in SimTalk
9. Steuerung des Materialflusses
Modell MatFlussSteurg.spp
124
Man entwickle die Ausgangssteuerung der Einzelstation Maschine, so dass nur jedes fünfte Teil einer Qualitätskontrolle unterzogen wird und die Fehlerwahrscheinlichkeit 1 % beträgt.
Aufgabe 4: Qualitätskontrolle
9. Steuerung des Materialflusses
Man entwickle das zugehörige Nassi-Shneidermann-Diagramm.
125
9. Steuerung des Materialflusses
Durch eine Ausgangssteuerung einer Einzelstation sollen zufällig 10 % aller Teile auf den Nachfolger 1 und der Rest auf den Nachfolger 2 umgelagert werden.
Man teste die Steuerung in einem Minimodell.
Testen von Materialflusssteuerung
Die statistische Auswertung desExperimentverwalters zeigt die fehlerhafte Steuerung:100 Teile simulieren und1000 Beobachtungen durchführen.
126
Aufgabe 5: PulkstreckenDie Materialströme von 2 Förderstrecken werden zusammengeführt.
Die Materialströme bestehen aus Teiletypen A und B
mit den Ankunftsraten 12 bzw. 6 Teile pro Stunde.
Es sollen Pulks (Gruppen gleichartiger Teile) zu 4 Stück gebildet werden.
Ein Pulk darf erst
gestartet werden,
wenn die 4 Teile
eines Typs zur
Verfügung stehen.
Andererseits sollte
ein Pulk gestartet
werden, so bald
es möglich ist.
9. Steuerung des Materialflusses
127
Aktionen ausführen
1. Ein Pulk wird gestartet.
2. Ein Pulk wird beendet.
Zustände registrieren
1. Das Förderband Conv_A hat weniger
als 4 Teile und sammelt.
2. Das Förderband Conv_A hat 4 oder
mehr Teil und wartet auf das Entleeren.
3. Das Förderband Conv_B wird entleert.
Ereignisse erkennen
1. Das Förderband Conv_A hat das 4. Teile
bekommen.
2. Ein Pulk von 4 Teilen ist auf die
Förderstrecke aufgefahren.
9. Steuerung des Materialflusses
128
Lösung zu Aufgabe 5 Pulkstrecken (Modell Pulkbildung.spp)
Zum Synchronisieren der beiden Materialströme müssen wir den Zustand der
Förderbänder Conv_A und Conv_B beachten:
Die zugehörigen Förderstrecken können in den Zuständen
sammelt, wartet oder leert sein, die in den Variablen A und B gespeichert werden.
In der Eingangssteuerung
der Förderbänder
Conv_A und Conv_B
wird auf das Eintrittsereignis
eines Teils reagiert.
Wenn das Förderband
wartet oder leert ,
dann passiert nichts.
9. Steuerung des Materialflusses
129
Lösung zur Aufgabe 5 Pulkstrecken
Der Vorgang des Entleerens
wird durch die Eingangssteuerung
der gemeinsamen Förderstrecke
gesteuert.
Am Ende des Entleerens muss auf
die Fortsetzung des Materialflusses
geachtet werden.
Ändern Sie den Erzeugungsabstand
der Quellen.
Werten Sie die Statistik der
Variablen und der Senken aus.
9. Steuerung des Materialflusses
130
Eine Taktlinie besteht aus mehreren
Maschinen, deren Bearbeitung zu
unterschiedlichen Zeiten beendet werden
Kann (Modell Taktbaustein.spp).
Legen Sie eine neue Klasse M
für die Maschinen an.
Ein Takt erfolgt, wenn alle Maschinen
fertig und bereit sind.
Beispielsweise kann das Ende einer
Störung einen Takt auslösen.
Sagen Sie mit Hilfe des
Ereignisdebuggers einen Takt voraus.
Getaktete Linien
9. Steuerung des Materialflusses
131
Aufgabe 6: FahrzeugsteuerungEin Taxi wartet an einer S-Bahnhaltstelle auf Kunden.
Die Kunden möchten 3 verschiedene Ziele mit dem Taxi erreichen:
Akademie, Badezentrum und Circus.
Die Kunden kommen zufällig mit einer mittleren Zwischenankunftszeit
von 5 min zwischen 7 Uhr und 9 Uhr.
Die Häufigkeiten der verschiedenen Ziele verhalten sich wie 1:2:3.
Der Abstand der 3 Ziele von der S-Bahnhaltstelle betragen 3, 4 und 5 km.
Das Fahrzeug fährt mit einer mittleren Geschwindigkeit von 30 km h-1.
Notieren Sie sich mögliche Fragestellungen für eine Simulationsstudie.
10. Fahrzeugsteuerungen
132
Modellierung des KundestromesDer Quellenbaustein S (S-Bahnhaltstelle) erzeugt den Inputprozess eines
Wartesystems: Die Zwischenankunftszeiten sind exponentiell verteilt.
Testen Sie den Ankunftsprozess über die Erzeugungstabelle der Quelle.
Ankunftsrate λ = 12 Kunden/h
Zwischenankunftszeit ß = 5 min = 1/12 h
10. Fahrzeugsteuerungen
133
Modellierung des KundestromesTesten Sie den Ankunftsprozess.
Beschreiben Sie die Modellierung durch Verwendung von Kommentarobjekten.
10. Fahrzeugsteuerungen
134
Modifizierung der Icons der BEs:
Duplizieren Sie das
Objekt
.BEs.Fördergut
und laden Sie
die Dateien A.gif,…
10. Fahrzeugsteuerungen
Laden Sie ein Objekt mit den 3 BEs (BEs_ABC.obj)
über das Kontextmenü der Basis in der Klassenbibliothek
10. Fahrzeugsteuerungen
Laden Sie ein Objekt mit den 3 BEs (BEs_ABC.obj)
über das Kontextmenü der Basis in der Klassenbibliothek
10. Fahrzeugsteuerungen
137
Layout des WegenetzesStraßennetz mit Skalierungsfaktor 12.5 abbilden.
1 km
10. Fahrzeugsteuerungen
138
Ereignisse des Fahrzeugs erkennenSensorsteuerungen dienen zum Setzen der Ziele und
zum Be- und Entladen von Fahrzeugen.
10. Fahrzeugsteuerungen
139
SensorsteuerungFahrzeugmethoden:
statAuftragBelegtZeit
Fahrzeugattribute:
In der Fahrzeugklasse
muss die Automatische
Zielfindung eingeschaltet
sein. Die Fahrzeugsteuerung
erfolgt mit
1. Zielort (object)
2. Angehalten (boolean)
Modell Fahrzeugsteuerung.spp
10. Fahrzeugsteuerungen
140
Verfeinerte Analyse der ereignisorientierten Steuerung
Beispiel: Beladen eines Fahrzeugs ohne Waituntil-AnweisungEs können 2 Ereignisse auftreten:
1. Ein Kunde kommt an. Ausgangsteuerung der Warteschlange
2. Ein Fahrzeug kommt an. Sensorsteuerung des Weges
Diese Ereignisse treten zu bestimmten Zuständen ein:
1.1. Es ist kein Fahrzeug an der Haltestelle. Registriertes Fahrzeug
1.2. Es ist ein Fahrzeug an der Haltestelle. Variable lesen
2.1. Kein Kunde wartet. Registrierter Kunde
2.2. Ein Kunde wartet. Variable lesen
Die Ereignisse führen zu Aktionen:
1.2. und 2.2. Einsteigen und Fahren Variable zurücksetzen
1.1. Wartendes Fahrzeug registrieren Variable setzen
2.1. Wartenden Kunden registrieren Variable setzen
10. Fahrzeugsteuerungen
141
Duplizieren Sie das Netzwerk (Modell Fahrzeugsteuerung.spp).
Fügen Sie zur Registrierung von wartenden
Objekten die Variablen Fahrzeug und Kunde
ein. Legen Sie eine neue Ausgangsteuerung
an der Warteschlange an.
10. Fahrzeugsteuerungen
142
Statistikmethoden des
Fahrzeugs, die durch die
Attribute hatAuftrag und
Heimfahrt gesteuert werden:
1. statAuftragBelegtZeit
2. statAuftragLeerZeit
3. statHeimfahrzeit.
10. Fahrzeugsteuerungen
10. Fahrzeugsteuerungen
Modellierung von Be- und Entladeoperationen mit der UmladeStation
Beladen eines Fahrzeugs:
143
Definieren Sie ein Fahrzeug mit der Kapazität 2und passender Animationsstruktur.
10. Fahrzeugsteuerungen
UmladeStation für einfache Transfers
144
145
Man lege 4 Sensoren an einen
geraden Weg und entwickle die
Sensorsteuerungen aufladen
und abladen.
Das Fahrzeugs übernimmt Teile
aus einem Puffer Warteschlange
und transportiert diese Teile
entsprechend ihren Namen an die
Zielorte A, B und C.
Die Ankunftsrate der Teile ist
12 Teile pro Stunde.
Die Häufigkeiten der Teile A, B
und C verhalten sich wie 1:2:2.
Aufgabe 7: Liftsteuerung
Der Haltepunkt für die wartenden Kunden
befindet sich zwischen den Haltepunkten der Zielorte B und C.
10. Fahrzeugsteuerungen
146
Lösung zur Aufgabe 7 Liftsteuerung(Modell Liftsteuerung.spp)
10. Fahrzeugsteuerungen
147
10. Fahrzeugsteuerungen
Lösung zur Aufgabe 7 Liftsteuerung(Modell Liftsteuerung.spp)
Man entwickle eine Liftsteuerung,
die kein waiuntil verwendet.
Ereignisse durch Steuerungen
erkennen:
if Puffer.belegt then ….. end;
Zustände in Variablen speichern:
Aktionen in Steuerungen
ausführen: @.umlagern;
148
Aufgabe 8: Fahrzeugsteuerungenzur Lösung des Problemsder Türme von HanoiErstellen Sie eine Fahrzeugsteuerung,die die Bewegungen bei der Lösungdes bekannten Problems derTürme von Hanoi durchführt.
Ein Transportauftrag besteht aus einem
Fördergut und einem Bestimmungsort.
Zur Durchführung eines Transports muss
ein Fahrzeug von der aktuellen Position
1. zum Standort des Fördergut fahren
und aufladen,
2. zum Bestimmungsort fahren und abladen.
10. Fahrzeugsteuerungen
149
A B C
Entwickeln Sie eine Strategie für 3 Blöcke!
Wie sieht die Strategie für mehrere Blöcke aus?
10. Fahrzeugsteuerungen
150
Die Türme von HanoiErstellen Sie Wegelemente mit Sensoren und Steuerungen für die Sackgassen und kopieren diese.
Erstellen Sie ein Fördergut mit demNamen Block, das 5 Iconsmit verschiedenen Größen hat.Welche Bedeutung hat der Referenzpunkt? (nur mündlich beantworten)Zum Setzen des BE-Icons lesen Sie in der Dokumentation über Bildname und BildNr nach!
Konfigurieren Sie eine Förderstrecke,die 5 BEs vom Typ Block aufnehmen kann.Kopieren sie das Objekt.
10. Fahrzeugsteuerungen
151
Fahrzeugsteuerung: Die Türme von HanoiWie muss ein Fahrzeug mit der Kapazität 1 gesteuert werden, so dass der
Stapel der Blöcke von A nach B transportiert werden.
Dabei darf niemals ein größerer Block (Fördergut) auf einen kleineren liegen.
10. Fahrzeugsteuerungen
152
Sensorsteuerungen
zur Änderung der Fahrtrichtungen
vor den Sackgassen
Sensorsteuerungen
zum Be- und Entladen
am Ende der Sackgassen Zugriff auf das oberste BEs:
print A.BE(A.AnzahlBES);
10. Fahrzeugsteuerungen
153
Sensorsteuerungen zum Be- und Entladen
Bestimmungsort ist
ein benutzerdefiniertes Attribut
des Förderguts Block.
Implementieren Sie eine Steuerung neuerAuftrag
zur Auftragsdisposition des Fahrzeugs!
10. Fahrzeugsteuerungen
154
Aufruf von Methoden mit Parametern Modell: Prozeduren.spp
Rekursive Funktionen
Beispiel Fakultät fac(n) = 1 * 2 * 3 *…* n
Rekursive Definition
fac(1) = 1
fac(n) = n * fac(n - 1)
Merke: Jede rekursive Prozedur ist
eine bedingte Anweisung.
10. Fahrzeugsteuerungen
155
Die Türme von HanoiZur Erzeugung der Fahraufträge können Sie eine Tabelle
verwenden, die einfach rekursiv erzeugt werden kann,
oder folgenden Idee verwenden:
Bewegen Sie abwechselnd den kleinsten Block
in zyklischer Weise:
A > B > C > A oder C > B > A > C
und den anderen Block,
dessen Bewegung dann eindeutig bestimmt ist.
kleinster Block anderer Block kleinster Block
10. Fahrzeugsteuerungen
156
Lösung: Die Türme von Hanoi(Modell: TowerOfHanoi.spp)
In der Init-Methode erzeugt man den Fahrplan durch den erstmaligen Aufruf
der rekursiven Methode MoveStacks.
Fahrplan.loeschen;
Fahrplan.einfuegeListe(1,1, MoveStacks("A","B","C", ProblemGroesse));
Fahrplan für
3 Scheiben
{{
10. Fahrzeugsteuerungen
157
11. Personaleinsatzsteuerungen
In einem nicht vollständig automatisierten Produktionssystem beeinflussen personelle Ressourcen maßgeblich das Erreichen der wirtschaftlichen Ziele.
Zur Simulation müssen personelle und maschinelle Ressourcen getrennt und nacheinander modelliert werden.
1.Bei einer personalintegrierten Simulation wird von der Modellierung der maschinellen Ressourcen ausgegangen und das dort tätige Personal im Nachhinein abgebildet. Die Mitarbeiter reagieren auf die Anforderungen des Produktionssystems und haben keine individuellen Entscheidungsmöglichkeiten.
2.Bei einer personalorientierten Simulation wird die Modellierung verfeinert, so dass typische menschliche Eigenschaften wie Lernen und Verlernen abgebildet werden.
VDI-Richtlinie 3633 Simulation von Logistik-, Materialfluss- und Produktionssystemen, Blatt 6: Abbildung des Personals in Simulationsmodellen
Vorlesung Produktionsmanagement Prof. Dieter Kluck (HS Esslingen)
158
11. Personaleinsatzsteuerungen
Planung des Personalbedarfs und des Personaleinsatz
Arbeitsinhalt
Welche Komponenten der Personaleinsatzsteuerung sind Gegenstand der personalintegrierten bzw. der personalorientierten Simulation (*)?
Da das menschliche Verhalten nur in einem gewissen Maße vorhersagen lässt, sind die Simulationsergebnisse immer mit einer Unzuverlässigkeit behaftet.
Arbeitsort Arbeitszeit
ArbeitsstrukturenJobrotation (*)
HeimarbeitGruppenarbeitSpringer (*)
SchichtenGleitende Arbeitszeit (*)
159
ImporterAnforderung eines Dienstes
Exporter oder WerkerPoolBereitstellen von Diensten
BrokerVermittlung
der Dienste
11. Personaleinsatzsteuerungen
Bei einer personalorientierten Simulation kann das Personal die Möglichkeit bekommen, den Personaleinsatz in den Verantwortungsbereichen selbst zu steuern.
Eine personalintegrierte Simulation erfordert umfangreiche, zusätzliche Informationen zum Personaleinsatz.
Gesetzliche Vorgaben zum Personalrecht sind zu beachten: Arbeitszeitgesetz (ArbZG): Arbeitszeiten, Pausen, Ruhezeiten, Feiertage
160
In ein Modell sollen Werker hinzugefügt werden, die für die Bearbeitung und Reparatur einer Maschine notwendig ist.
Während der Bearbeitung und der Reparatur ist der Werker auf einem bestimmten Arbeitsplatz, welcher durch den Grundbaustein Arbeitsplatz modelliert wird.
Der Arbeitsplatz ist der Maschine zugeordnet. Die Werker werden im Grundbaustein
WorkerPool definiert. Wenn ein Werker an einer Maschine benötigt
wird, geht er auf einem Fußweg zu der zugeordneten Maschine.
Ein Broker ist für die Verwaltung aller Werker verantwortlich.
Modellierung von Werkern
11. Personaleinsatzsteuerungen
161
Schalten Sie die Vererbung der Erzeugungstabelle des WorkerPools aus und öffnen Sie diese Tabelle.
Werker und Dienste
Arbeitsplätzeund MaschinenZiehen Sie die Einzelstation auf den Arbeitsplatz.
11. Personaleinsatzsteuerungen
162
Werker und DiensteEine Werkerklasse bildet eine Gruppen von gleich qualifizierten Arbeitskräften ab.
11. Personaleinsatzsteuerungen
163
Maschinen und DiensteAktivieren Sie das Kontrollkästchen Aktivieren auf der Registerkarte Importer im Dialog der Einzelstation .
Tragen Sie die Dienste ein (Vererbung vorher ausschalten).
11. Personaleinsatzsteuerungen
164
Simulieren Sie Störungen der Einzelstation.
Zur Beseitigung der Störungen ist ein Werker mit der Qualifikation Reparieren notwendig.
Modellierung von Werkern
11. Personaleinsatzsteuerungen
165
Werker und Schichten
Mit dem Objekt Schichtkalender können für einen Werkerpool ein festes Arbeitszeitmodell festgelegt werden.
Ziehen Sie den Werkerpool auf den Schichtkalender.
11. Personaleinsatzsteuerungen
166
Bindung der Werker an eine Linie:
In der dargestellten Produktion arbeiten
4 Werker in 2 Schichten.
Zwei Werker bedienen nur die
obere Linie und zwei nur die untere Linie.
Aufgabe 9: Werker
Eine der Maschinen jeder Linie
hat eine reduzierte Verfügbarkeit von
80 %. Verwenden Sie jeweils einen
Werker pro Schicht zur Reparatur bei
Störungen.
Laden Sie den Baustein Worker Chart und analysieren Sie die Werkerauslastung.
11. Personaleinsatzsteuerungen
167
Bindung der Werker an eine Linie:
Durch die Qualifikation (Dienste) wird
ein Werker an eine Maschinengruppe
gebunden.
Auf diese Weise kann auch der
Werker für die Reparatur diese
Maschinen zugeordnet werden.
Durch eine Einstellung
am Arbeitsplatz geht
es auch.
Lösung zur Aufgabe 9: Werker
11. Personaleinsatzsteuerungen
Modell: Personal.spp
168
In einer Linienproduktion soll jeder
Werker die Bearbeitung eines Teils
von der Maschine M1 über M2 bis
zu M3 begleiten.
Erst wenn die Bearbeitung eines
Teils auf allen 3 Maschinen
abgeschlossen ist, kann er mit der
Bearbeitung des nächsten Teils
weitermachen.
Toyota-Produktionssystem: Einzel-Stück-Fluss (One-Piece-Flow)
Aufgabe 10: Bindung der Werker an ein Teil
11. Personaleinsatzsteuerungen
169
Idee: Wir verwenden die Steuerung
Importeranfrage des Brokers (enthält Aufruf von der Methode belegeMit) und die
Erhalt-Steuerung des Importers (enthält Aufruf von der Methode starteArbeit).
Mit Steuerungen übernimmt der Anwender die Verantwortung
für den Ablauf des Materialflusses.
Bei einer Produktion auf der Basis des Einzel-Stück-Fluss werden einzelne Werkstücke gefertigt, die ohne Zwischenlagerung oder Puffer durch das gesamte Produktionssystem fließen. Ein Teil wird im Produktionsfluss kontinuierlich solange weiterbearbeitet, bis es fertig ist. Dabei wandert das Werkstück ohne Unterbrechung von einer Arbeitsstation zur nächsten bzw. ein Arbeitsgang nach dem anderen wird am stationären Werkstück ausgeführt.
Einzel-Stück-Fluss macht die Losfertigung überflüssig,
11. Personaleinsatzsteuerungen
170
Arbeit mit TabellenDie Zuordnung der Werker und Teile muss protokolliert werden.
Ein Werker, der ein Werkstück begonnen hat zu bearbeiten, darf nicht die
Bearbeitung eines anderen Teils beginnen. Nur freie Werker dürfen ein neues Teil
beginnen.
Diese Zuordnung erfolgt in einer Tabelle,
die wir für unseren Zweck formatieren müssen.
11. Personaleinsatzsteuerungen
171
Formatieren Sie die Tabelle der Zuordnungen Werker – Werkstück.
Löschen Sie diese Tabelle durch eine Reset-Methode,
die ein Attribut dieser Tabelle ist (Objekte sind gekapselt).
In einer Initialisierungsmethode tragen wir die Werker ein.
Der Zugriff auf alle BEs erfolgt mit der Methode BE(Nr).
11. Personaleinsatzsteuerungen
172
Arbeitsaufträge an Werker zuweisen
Die Steuerung muss dem
Importer einen Werker
zuordnen.
Das erfolgt mit der
Methode belegeMit.
Lesen Sie die Hilfe
zur Importeranfrage-Steuerung.
11. Personaleinsatzsteuerungen
173
Ereignis: Neues Werkstück trifft an einer Maschine ein.
Der Broker wird aufgefordert, einen Werker für die Arbeit zu finden.
Aktion: Aktivierung der Importeranfrage-Steuerung durch den Broker.
Ist das Werkstück schoneinen Werker zugeordnet?
JA NEIN
Belege den Werkermit dieser Arbeit
Gibt es einenfreien Werker ?
JA NEIN
1. Belege den freien Werker mit dieser Arbeit;2. Registriere die Zuordnung
Der Broker merkt sichdie offene Anfrage.
Welche Ereignisse müssen bei der Personaleinsatzsteuerung auch beachtet werden?
11. Personaleinsatzsteuerungen
174
Der Broker kennt alle
unbefriedigten Importer.
Wird ein Werker frei, so wird die Importeranfrage-Steuerung auch aufgerufen,
um unbefriedigte Importer (auf Werker wartende Maschinen) zu bedienen.
Verwaltung von Importern (Maschinen)
11. Personaleinsatzsteuerungen
175
Werkstück schon zugeordnet?
Wenn nicht, suche nicht zugeordneten, also freien Werker und registriere die neue Zuordnung.
Werker dem Werkstück zuordnen.
11. Personaleinsatzsteuerungen
176
Die Zuordnung
Werker – Werkstück
muss am Ende gelöst werden,
so dass der Werker wieder
vermittelt werden kann.
Lösung zu Aufgabe 10 Modell Personaleinsatzsteuerungen.spp enthalten.
Auftragsvermittlung überprüfen
11. Personaleinsatzsteuerungen
177
Transport durch Werker Chaku-Chaku-Prinzip (japanisch = laden, laden)
Häufig ist der Werker nicht für die Bearbeitung der Werkstücke, sondern nur für den Transport von einer Maschine zu der nächsten erforderlich.
Eine über einen längeren Zeitraum feste Zuordnung Werker – Werkstück ist dann nicht zweckmäßig.
Transport Teil n Transport Teil n-3
11. Personaleinsatzsteuerungen
178
11. Personaleinsatzsteuerungen
Transport durch Werker
179
Aufgabe 11: Fertigungsabläufe mit MontageprozessenDie Fertigung von Motorrädern erfolgt entsprechend der eingehenden
Kundenbestellungen, die im Abstand von 6 bis 12 Stunden eingehen.
NOCKENWELLE und BLOCK werden jeweils einzeln mit einer mittleren
Maschinenzeit von 120 Minuten gefertigt und in 30 Minuten zum MOTOR montiert.
MOTOR und RAHMEN werden zum MOTORRAD mit einer Maschinenzeit von
210 Minuten montiert. RAHMEN befinden sich in ausreichender Anzahl im Lager.
Welche Produktionszeit wird man zur Herstellung von 100 Motorrädern benötigen?
Welche Verzögerungszeit entsteht dabei durch das Warten auf Anbauteile?
Lösung Montage.spp
12. Steuerung von Montageprozessen
180
Zur Konfiguration der Montagestation
muss man die Vorgänger im Netzwerk einblenden. Anbauteil Nockenwelle
Menü Ansicht > Optionen kommt vom Vorgänger 3
12. Steuerung von Montageprozessen
181
Statistikreport
Mehrere Bausteine
Selektieren
und Taste F6 drücken:
Im Tooltip werden die
Statistikmethoden gezeigt.
12. Steuerung von Montageprozessen
182
Parametrisierung statistischer VerteilungenDie Modellierung von beobachteten Daten durch statistische Verteilungen ist
ein wichtiger Bestandteil der Systemanalyse (Datenbeschaffung).
Erfassung der Durchlaufzeit durch eine Teilanlage.
Man erzeuge ein benutzerdefiniertes Attribut des BEs vom Datentyp time
zur Speicherung des Eintrittszeitpunkts.
Zwei Methoden erfassen den
Ein- und Austritt eines BEs.
1. Entwickeln Sie eine
Animation für die Teilanlage.
2. Man finde eine statische Verteilung, die das zufällige Verhalten der Durchlaufzeit möglichst gut beschreibt.
3. Welche Kapazität hat die Anlage?
13. Statistische Verteilungen
Modell Distribution_Fitting.spp
183
Modell Distribution_Fitting.spp
13. Statistische Verteilungen
184
Datenaufbereitung Parameterschätzung
Mit den Baustein DataFit findet man eine stochastische Verteilung, die die Eigenschaften der beobachteten Stichprobe am besten wiederspiegelt.
Die Maximum-Likelihood-Methode schätzt die Verteilungsparameter. Es werden die Parameter verwendet, die bei der beobachteten Stichprobe am wahrscheinlichsten sind.
Diese Verteilung mit diesen Parametern können Sie in Plant Simulation verwenden.
13. Statistische Verteilungen
185
Datenaufbereitung Anpassungstest
Danach wird ein Anpassungstest zu der eingestellten Irrtumswahrscheinlichkeit durchgeführt. Es wird die Hypothese geprüft, ob die Stichprobe von der parametrisierten Verteilung stammen kann.
Beim Chi-Quadrat-Anpassungstest zerlegt man den Bereich der Stichprobe auf der x-Achse in Intervalle (Klassen) und berechnet zu allen Klassen die gewünschte Wahrscheinlichkeit, dass eine Zufallszahl X in dieser Klasse liegt.
P( „a < X b“ )
Dichtefunktion derparametrisierten Wahrscheinlichkeitsverteilung
13. Statistische Verteilungen
186
Datenaufbereitung Anpassungstest
Um die gewünschten Häufigkeiten mit den in der Stichprobe beobachteten Häufigkeiten zu vergleichen, berechnet man eine statistische Testgröße.
Diese Verteilung passt
gut zu der Stichprobe.
13. Statistische Verteilungen
187
Datenaufbereitung Anpassungstest
Diese Testgröße ist klein, wenn sich die Häufigkeiten nur wenig unterscheiden.
Die Testgröße ist selbst eine Zufallsvariable, die mit einer gewissen Wahrscheinlichkeit für die parametrisierte Verteilung durch eine Stichprobe beobachtet werden kann.
Für die Gamma-Verteilung werden wir die Hypothese annehmen.
Für die
Gleich-
verteilung
wird die
Hypothese
verworfen.
Diese Verteilung passt
schlecht zu der Stichprobe.
13. Statistische Verteilungen
188
Datenaufbereitung
Die Anlage soll durch einen geeigneten Grundbaustein modelliert werden.
Die Anzahl der BEs in der Anlage kann durch die Statistik der Variable untersucht werden:
13. Statistische Verteilungen
189
Validierung der Modellierung
Wie gut stimmt das Modell mit der Realität (in unserem Fall ist das das Modell, indem die Anlage als Netzwerk modeliiert ist) überein?
Vorschlag: Vergleich der Durchlaufzeit für 200 Teile.
13. Statistische Verteilungen
190
Symbolische EbeneBild des Netzwerk der Anlagemit Animationspunkten
Referenzpunkt des BEs
Logische EbeneNetzwerk der Anlage
AnimationsstrukturenDie Animationspunkte sind Visualisierungspunkte, an denen während der Simulation die Bilder von BEs dargestellt werden.
13. Statistische Verteilungen
191
AnimationsstrukturenZur Definition der Animationspunkte und deren Verbindung verwendet man den Symboleditor im Animationsmodus.
13. Statistische Verteilungen
192
Aufgabe 12: Verteilung der Anzahl der KundenBestimmen Sie die Wahrscheinlichkeitsverteilungen der Anzahl der Kunden,die während eines Zeitintervalls von 1 Stunde in einem Postamt ankommen,wenn die Zwischenankunftszeit der Kunden exponentiell mit dem Parameter 1. ß = 2 min2. ß = 3 minverteilt ist.
Hinweise: Zur Erfassung der Anzahl der Kunden zwischen den Zeitpunkten n Stundenund n+1 Stunden verwenden Sie ref(DurchsatzErfassung).Methaufr(3600);Erstellen Sie die Methode DurchsatzErfassung, die die globale Variable letzterWert verwendet.
13. Statistische Verteilungen
193
Lösung zu Aufgabe 12: Verteilung der Anzahl der KundenDie Methode DurchsatzErfassung verwendet die globale Variable letzterWert.Modell Poisson.spp
13. Statistische Verteilungen
194
Lösung zu Aufgabe 12: Verteilung der Anzahl der KundenIst die Zwischenankunftszeit der Kunden exponentiell mit dem Parameter 1. ß = 2 min = 1/30 h
2. ß = 3 min = 1/20 hverteilt, so ist die Anzahl der in einer Stunde ankommenden Kundenpoissonverteilt mit dem Parameter λ = 1/ß1. λ = 30 Kunden/h
2. λ = 20 Kunden/h
Die Wahrscheinlichkeit, dassin einer Stunde genau 25 Kundenankommen, ist1. 0,0512. 0,045
P(„Anzahl = k“) =
13. Statistische Verteilungen
195
Datenaufbereitung mit empirischen Verteilungen
Wenn DataFit keine statistischen Verteilung gefunden hat,
die auf eine Stichprobe passt, so kann eine Klasseneinteilung der Stichprobe direkt zur Simulation des zufälligen Prozesses verwendet werden.
Beispiel: Bimodale Verteilung:
Die Dichte einer bimodalen Verteilung hat 2 Maximalwerte (Modalwerte).
13. Statistische Verteilungen
196
Stetige empirischen Verteilung (cEmp)
0 60 120 180 240 300 T/s
Häufigkeit P(„4 min < T < 5 min“) = 0,6
0.01
Diskrete empirischen Verteilung (dEmp)
0 60 120 T/s
Häufigkeit
0.7
0.3
0.60.4
13. Statistische Verteilungen
197
Mittelwert = 0,4 * 90 s + 0,6 * 270 s = 198 s = 3:18
Berechnung der Mittelwerte
Mittelwert = 0,3 * 60 s + 0,7 * 120 s = 102 s =1:42
Modell Empirische_Verteilungen.spp
13. Statistische Verteilungen
198
Erzeugen einer
bimodalen Verteilung
Simulieren einer
stetigen empirischen Verteilung
Datenaufbereitung mit empirischen Verteilungen
Modell: Bimodale_Verteilung.spp
13. Statistische Verteilungen
199
Datenaufbereitung mit empirischen Verteilungen
Erzeugte
bimodale
Verteilung
Simulierte
bimodale
Verteilung
13. Statistische Verteilungen
200
Aufgabe 13: Verfügbarkeit einer MaschineDie Störungen einer Maschine mit einer Verfügbarkeit von 96 % sind in 80 %aller Fälle in einer Zeit zwischen 1 und 2 Minuten behoben.15 % Störungen haben eine Dauer von 1 bis 3 Stunden.Die restlichen Störungen sind erst nach 3 bis 8 Stunden behoben.
Bestimmen Sie durch eine Berechnungmit SimTalk MTTR und MTBF im Zeitformat.Modellieren Sie den Störabstanddurch eine Exponentialverteilung(MTBF = ß) und die Stördauer durch einestetige empirische Verteilung.
Führen Sie eine Simulation durchund bestimmen Sie die simulierteVerfügbarkeit und die MTTR.
14. Verfügbarkeit von Maschinen
201
Verfügbarkeit einer Maschine
Simulierter Wert der MTTR: Einzelstation.statStoerungsMu
Simulierter Wert der Verfügbarkeit: round(100 * (1-Einzelstation.statStoerungsAnteil),3)
Modell EmpVerteilung.spp
14. Verfügbarkeit von Maschinen
202
Zuverlässigkeit von ProduktionsressourcenEs ist T eine zufällige Zeit, zu der eine Maschine ausfällt.T ist als MTBF interpretierbar.
Zuverlässigkeit (reliability): Wahrscheinlichkeit, dass eine Maschine zur Zeit tnoch funktionstüchtig ist:
Ausfallwahrscheinlichkeit: Verteilungsfunktion von T
Ausfallrate r(t): Anteil der Maschinen, die pro Zeiteinheit ausfallen
Anteil der Maschine, die im Zeitintervall ausfallen, ist
14. Verfügbarkeit von Maschinen
203
Zuverlässigkeit von Produktionsressourcen
In der letzten Formel ersetzen wir und erhalten
14. Verfügbarkeit von Maschinen
204
Zuverlässigkeit von ProduktionsressourcenWir erhalten den wichtigen Zusammenhang vonAusfallwahrscheinlichkeit und Ausfallrate
Ist die Ausfallrate r(s) konstant = λ
so erhalten wir die Exponentialverteilung mit
14. Verfügbarkeit von Maschinen
205
Zuverlässigkeit von ProduktionsressourcenMaschinen, deren zufällige Ausfallzeiten T exponentiell verteilt sind, haben dieEigenschaft der Gedächtnislosigkeit:
Eine Maschine, deren Ausfallzeit T exponentiell verteilt ist,und schon die Zeit t gearbeitet hat,hat die gleiche Ausfallwahrscheinlichkeit wie eine neue Maschine.
Man rechne
für nach.
14. Verfügbarkeit von Maschinen
206
Zuverlässigkeit von Produktionsressourcen Die Weibull-Verteilung hat die Verteilungsfunktion. Sie eine typische Lebensdauerverteilung.
Für α = 1 erhalten wir die Exponentialverteilung: r(t) ist konstant.In Arbeitsphase treten keine altersbedingten Ausfälle auf.
Für α < 1 ist r(t) fallend.Frühausfälle (burn-in) treten seltener auf.
Für α > 1 ist r(t) wachsend.Verschleißausfälle (wearout) tretenimmer öfters auf.
Die Phasen der Einsatzzeit einerProduktionsressource werdendurch eine badewannenförmige Ausfallratebeschrieben.
14. Verfügbarkeit von Maschinen
207
Aufgabe 14: Zuverlässigkeit von ProduktionsressourcenStellen Sie die Ausfallrate r(s) einer Maschine graphisch dar,wenn die Ausfallzeit Weibull-verteilt ist. Modell Weibull_Verteilung.spp
1. Berechnungen derAusfallhäufigkeiten zur Zeit t
Alpha = 1.5 Beta = 10
t := z_Weibull(1, 1.5, 10); n := ceil(t); (aufrunden)Häufigkeiten[2,n] := Häufigkeiten[2,n] + 1;Häufigkeiten[1,n] := n-1;
Diagrammeinstellungenzur Darstellungder Tabelle Häufigkeiten
14. Verfügbarkeit von Maschinen
208
Zuverlässigkeit von Produktionsressourcen
2. Berechnungen der Ausfallrate zur Zeit t
s := 0;for j := 1 to Häufigkeiten.yDim loop n := Häufigkeiten[2,j]; Rate[1,j] := j; Rate[2,j] := n/(Stichprobenumfang - s); s := s + n;next;
14. Verfügbarkeit von Maschinen
209
Als Pseudozufallszahlen bezeichnet man Zahlenfolgen, die durch einen deterministischen Algorithmus (Pseudozufallszahlen-generator) berechnet werden (und somit nicht zufällig sind), aber (für hinreichend kurze Sequenzen) zufällig aussehen. Bei jedem Start der Zufallszahlenberechnung mit gleichem Startwert (Seedwerte) wird die gleiche Zahlenfolge erzeugt.
Zufall simulieren? Pseudozufallszahlen
Eine Folge von Zufallszahlen wird auch Zufallszahlenstrom genannt.
Zu jedem zufälligen Prozess muss genau ein Zufallszahlenstrom zugeordnet werden.
15. Pseudozufallszahlen
210
Ein Zufallszahlenstrom ist in Plant Simulation 10.1 durch 2 Seedwerte (Startwerte) bestimmt. Siehe das Menü Extras > Seedwerte…
15. Pseudozufallszahlen
211
Anforderungen auf dem Intervall (0,1) gleichverteilte Zufallszahlen U
Die Wahrscheinlichkeit, dass eine Realisierung u in einem Teilintervall von (0,1) liegt, ist nur von der Länge des Teilintervalls abhängig.
Salopp gesagt: Jede Zahl u in (0,1) ist gleichwahrscheinlich.
Die Anordnung der Zufallszahlen hat keine typischen Merkmale, z.B. die Vorzeichen der Differenzen von aufeinanderfolgenden Zufallszahlen lassen keine Muster erkennen.
Da es nur endliche viele Zustände eines Rechners gibt, muss ein solcher Algorithmus periodisch werden.Wir fordern deshalb, dass die Periodenlänge möglichst groß ist.
Ausgehend von gegebenen Seedwerten muss eine große Anzahl von stochastisch unabhängigen Zufallszahlen U zur Verfügung stehen.
Um bestimmte statistischen Methoden (wie z.B. die Varianzreduktion) anwenden zu können, müssen die zufälligen Prozesse einer Simulation reproduzierbar sein.
Probieren Sie nach Reset den Zufallszahlenstrom (0,1) aus: print z_gleich(1,0,1);
15. Pseudozufallszahlen
212
Der Zufallszahlengenerator in Plant Simulation
Eine Folge von Realisierungen von U wird eine ganzzahlige Folge erzeugt.
Die ganzzahligen Zufallszahlengeneratoren basieren auf Erkenntnissen aus der Zahlentheorie, insbesondere der Theorie der Primzahlen.
Die Zufallszahlengeneratoren multiplizieren die aktuelle Zahl im Zufallszahlenstrom mit einem Multiplikator a: 0 < a < p.
Der zugehörige Algorithmus muss sicherstellen, dass bei allenZwischenergebnissen niemals der Bereich der exakt darstellbaren ganzen Zahlen verlassen wird.
Um eine maximale Zyklenlänge der Zufallszahlengeneratoren zu erhalten, müssen die Potenzen von a bei der Division durch p alle möglichen Reste 1,..., p -1 erzeugen. Die Zahl a ist dann eine primitive Wurzel der Primzahl p.
15. Pseudozufallszahlen
213
2
4
1
a = 2
·a 3
2
6
45
1a = 3
·a
Mathematische Grundlagen der Erzeugung von PseudozufallsazahlenMultiplicative Linear Congruential Generator (MLCG)
Um eine maximale Periodenlänge des Zufallszahlengenerator zu erreichen,muss der Multiplikator a eine primitive Wurzeln für die Primzahl m = p sein,d.h. die Potenzen a bilden alle von 0 verschiedene Reste modulo p.
Beispiel: p = 7a = 2 ist keine primitive Wurzel. Periodenlänge ist nur 3a = 3 ist primitive Wurzel. Periodenlänge ist maximal für p = 7.
20 1 mod 7
21 2 mod 7
22 4 mod 7
23 1 mod 7
Modell MLCG.spp
15. Pseudozufallszahlen
214
Der MLCG in Plant Simulation 10.1 verwendet die Primzahlen 231 – 249 = 2147483563 und 231 – 85 = 2147483399.Die in Plant Simulation verwendeten Parameter für die MLCG wurden in zahlreiche statistische Test ermittelt.Der MLCG in Plant Simulation 11 wurde für 64bit Computer entwickeltund verwendet Primzahlen, die wenig unter 263 liegen.
Spektraltest: Stellt man Paare aufeinanderfolgende Zahlen als Punktein der Ebene dar, so entstehen regelmäßige Muster.Die Punkte sollen möglichst weit auseinander liegen. Modell MLCG.spp
15. Pseudozufallszahlen
215
Um diese regelmäßigen Muster zu vermeiden, werden zwei MLCG kombiniert.
p1 = 7 hat primitive Wurzel a1 = 3
p2 = 11 hat primitive Wurzel a2 = 7
Periodenlänge(p1 - 1) ·(p2 - 1) / 2 = 30Modell MLCG.spp
15. Pseudozufallszahlen
216
x
Dichtefunktionf(x) = 1/ß exp(- x/ß)Mittelwert = ß
f(x)
0
P( „a < X b“ )
a b
x
F(x)
VerteilungsfunktionF(x) = 1 - exp(-x/ß)
F(x) = P( „X b“ )
1
0
F(x)´= f(x)
Erzeugung von exponentiell verteilten Zufallszahlen
u
x
Exponentiell verteilte Zufallszahlen können einfach erzeugt werden. Viele zufälligen Prozesse in der Materialflusssimulation haben dieses Verteilungsgesetz: Zwischenankunftszeiten, Bedienzeiten, Ausfallzeiten usw.
15. Pseudozufallszahlen
217
Erzeugung von Zufallszahlen mit der Inversionsmethode(Transformation mittels Umkehrung der Verteilungsfunktion)F ist eine stetige und streng wachsende Funktion F mit Werten aus dem Intervall [0,1]. U ist eine auf dem Intervall [0,1] gleichverteilte Zufallszahl.Sind u Realisierungen von U, dann haben die Zufallszahlen F-1(u) die Verteilungsfunktion F. Beweis: Klar ist P( „u < x“ ) = x. Also auch P( „F-1(u) < x“ ) = P( „u < F(x)“ ) = F(x).
x
F(x)
1
0 F-1
(u)
u
15. Pseudozufallszahlen
218
Erzeugen von Zufallszahlen Wenden Sie die Inversionsmethode auf die Exponentialverteilungmit ß = 10, λ = 0,1 an:
F(x) = 1 - exp(- x/10)
Dazu setzen Sie u = F(x), und lösen nach x auf. Eine gleichverteilte Zahl u wird mit der SimTalk-Methode z_gleich erzeugt.Erstellen Sie eine Methode, die eine Stichprobe von 200 Beobachtungen einer Zufallsvariable erzeugt, die mit der Inversionsmethode erzeugt wurden.Führen Sie eine Datenaufbereitung mit DataFit durch.Hinweis: log ist der natürliche Logarithmus in SimTalk.
Ergebnis der Datenaufbereitung:Weibull- und Gamma-Verteilung mit α = 1 sind Exponentialverteilungen mit gleichen Parameter ß.
15. Pseudozufallszahlen
219
16. Warteschlangentheorie
Aufgabe 15: FahrzeugeinsatzBei der Planung eines Fahrerlosen Transportsystems (FTS) stehen zwei Konfigurationsmöglichkeiten zur Auswahl, die durch die mittlere Wartezeit der Werkstücken auf ihren Transport bewertet werden. Es soll entschieden werden, ob es besser ist, 2 Fahrzeuge mit einer Geschwindigkeit von 2 m/s verwendet werden sollen, oder ein Fahrzeug mit der dreifachen Geschwindigkeit.
Verwenden Sie das Modell Fahrzeugeinsatz.spp, welches Sie in einer ähnlichen Form bereit kennen. Beachten sie, dass die Geschwindigkeit der Fahrzeuge in m/s beschrieben wird.
Wie kann in Plant Simulation die mittlere Wartezeiten bestimmt werden?
220
Aufgabe 15: Fahrzeugeinsatz ModellierungDie mittlere Wartezeit bestimmen wir in einer EndSim-Methode. Als Ausgabewert einer Simulationsstudie wird dieser Wert eingetragen.
16. Warteschlangentheorie
221
Aufgabe 15: Fahrzeugeinsatz AuswertungIn der statische Analyse vergleichen wir die Konfidenzintervalle mit einer Vertrauenswahrscheinlichkeit von 90 % für die mittlere Wartezeit:
Die Konfidenzintervalle überdecken sich nicht.Die Wartezeit bei 2 Fahrzeugen ist signifikantgeringer als die Wartezeitbei einem schnelleren Fahrzeug.
16. Warteschlangentheorie
222
Warteschlangentheorie Die Problematik der Ressourcenbelegung mit und ohne Unterbrechungen soll
an einen einfachen Beispiel einer Einzelstation (Kapazität C = 1) erklärt werden.In dem Beobachtungszeitraum ist 12 Zeiteinheiten tritt eine Unterbrechung von 7 Zeiteinheiten auf. Die Verweilzeiten von zwei Teilen sind t1 und t2.
1. Einzelstion.statRelativeBelegungUB = 100 (2 + 4) / 12 = 50 % 2. Einzelstion.statRelativeBelegung = 100 (1 + 1) / (12 - 7) = 40 %
Unterbrechung
t1
t0 T
t2
16. Warteschlangentheorie
223
Warteschlangentheorie Die Problematik der kapazitätsbezogenen Auswertung der
Ressourcenbelegung soll an einem Beispiel eines Puffers mit der Kapazität C = 2 erklärt werden.Im Beobachtungszeitraum von 12 Zeiteinheiten treten jetzt keine Unterbrechungen auf. Die Werte für statRelativeBelegungUB und statRelativeBelegung sind also gleich.
Die Ressource ist zu 100 % belegt, wenn sich während der gesamten Zeit T immer C Teile auf ihr befinden. Das ist sehr selten.
Die Verweilzeiten von zwei Teilen sind t1 und t2 überlappen sich:
Puffer.statRelativeBelegung = 100 (t1 + t2) / (T C) = 100 (8 + 4) / 24 % = 50 %
t1
t0 T
t2
16. Warteschlangentheorie
224
Warteschlangentheorie Nun betrachten wir eine kapazitätsbezogenen Auswertung der
Ressourcenbelegung mit Unterbrechungen des untersuchten Puffers mit der Kapazität C = 2 in T Zeiteinheiten.
Die Zeiten tb1 und tb2 sind die Anteile von t1 bzw. t2,
die nicht in eine Unterbrechung des Puffers fielen. Analog ist Tb der Zeitanteil von T, in der der Puffer keine Unterbrechung hatte.
Puffer.statRelativeBelegung = 100 (tb1 + tb2) / (Tb C) = 100 (6 + 3) / 20 % = 45 %
t1
t0 T
t2
Unterbrechung
16. Warteschlangentheorie
225
Warteschlangentheorie Auf einem Puffer waren n Teile mit den Verweilzeiten t1,…,tn
Die mittlere Wartezeit ist
Die mittleren Länge der Warteschlange ist wobei T die gesamte verstrichene Zeit und L(t) die Länge der Schlange zur Zeit t ist. C bezeichnet die Kapazität des Puffers.
Die relative Belegung (Auslastung, utilization)wird in Plant Simulation erfasst und ist
L(t)
t1
t2
t1
2
16. Warteschlangentheorie
226
Es folgt
Für die mittlere Wartezeit erhalten wir
Die mittleren Länge der Warteschlange ist
Warteschlangentheorie
16. Warteschlangentheorie
227
Es liegt eine Wartesystem M|M|1 vor. λ: Ankunftsrate (mittleren Zwischenankunftszeit ) µ: Servicerate (mittleren Bedienzeit ) ρ: Ausnutzungsgrad
Bei einem stabilen Zustand muss gelten: (Zwischenankunftszeit < Bedienzeit)
Gesetz von Little W = ß L (1961)
In einen stabilen Zustand ist das plausibel: Ein neu ankommender Kunde muss L mal die Zwischenankunftszeit ß warten, bis er bedient wird.
Warteschlangentheorie
16. Warteschlangentheorie
228
WarteschlangentheorieAus µ und λ mit µ > λ können die mittlere Wartezeit eines Kunden
und die mittlere Länge der Warteschlange
berechnet werden.
Bestätigen Sie das Gesetz W = ß L von Little mit diesen Formeln und
16. Warteschlangentheorie
229
Warteschlangentheorie Warteschlangen können wir im täglichen Leben oft beobachten. Bei der
Belegungen von Produktionskapazitäten und bei der Steuerung von Computerprozessoren werden Warteschlangen wissenschaftlich untersucht. Die mathematische Beschreibung dieser Abläufe erfolgt durch ähnliche statistische Kennzahlen. Es ist immer wichtig zu wissen, welcher Anteil der Kapazität C einer Ressource während eines gegebenen Beobachtungszeitraumes T belegt wurde.
Bei Belegungen von Produktionsressourcen muss zusätzlich beachtet werden, ob die Verfügbarkeit von Maschinen durch Schichten, Pausen oder auch durch nicht vorhersehbare Störungen eingeschränkt ist. Bei der prozentualen Beschreibung der Belegung einer Maschine wird unterschieden, ob die Unterbrechungen beachtet werden oder nicht. Der Grundwert, der 100 % entspricht, ist einerseits
1. die gesamte Beobachtungszeit T (Statistikmethode statRelativeBelegungUB: relative Belegung mit Unterbrechungen) und andererseits
2. die Beobachtungszeit, in der die Ressource verfügbar, also nicht unterbrochen, war (Statistikmethode statRelativeBelegung).
16. Warteschlangentheorie
230
Varianzanalyse (ANOVA) Vor einer Maschine entstehen durch Störungen lange Warteschlagen. Es
besteht die Möglichkeit, eine neue zuverlässigere Maschine mit einer höheren Verfügbarkeit einzusetzen.
Wir wollen untersuchen, ob sich durch die neue Maschine die mittlere Wartezeit statistisch signifikant verkürzt. Es soll also die Hypothese getestet werden, ob die mittleren Wartezeiten gleich sind.
16. Warteschlangentheorie
231
Für 10 Beobachtungen für jede Systemkonfiguration werden wir die Hypothese annehmen, dass die Mittelwerte gleich sind.
Für mehr Beobachtungen wird die Hypothese erwartungsgemäß abgelehnt.Mit einer Wahrscheinlichkeit von 90 % sind die Mittelwerte verschieden.
Modell: Varianzanalyse.spp
16. Warteschlangentheorie
232
Varianzreduktion nach der Methode der gemeinsamen Zufallszahlen(CRN: Common Random Numbers)
Um die Ergebnisdaten verschiedener Simulationsläufe vergleichen zu können, sollten zufällige Prozesse in den Simulationsläufen gleich ablaufen. Dadurch werden unnötige Schwankungen der Ergebnisdaten vermieden.
Die n-te Beobachtungen in 2 verschiedenen Experimenten verwenden die gleichen Zufallszahlenströme. Dadurch laufen die zufälligen Prozesse in den Simulationsläufen zu der n-te Beobachtung eines Ergebniswertes gleich ab. Tritt ein Ausreißer (z.B. eine extrem lange Reparaturzeit) in einem Simulationslauf auf, so tritt dieser Ausreißer in den zugehörigen Simulationsläufen der anderen Experimente ebenfalls auf.
Deshalb sollte jeder zufällige Prozess durch einen Zufallszahlenstrom modelliert werden.
16. Warteschlangentheorie
233
Welche Effekte können auftreten, wenn wir dieses Prinzip nicht beachten?
Beispiel: Maschinen beeinflussen sich gegenseitig, obwohl keine Bindung besteht.
16. Warteschlangentheorie
234
17. Schwerpunkte
Product-Lifecycle-ManagementDigitalen Fabrik und die Vorteile der AnwendungProduktionsengineeringProzessorientierte Modellierung und digitale Modelle
Definition und Nutzen der SimulationModellebenen und DetaillierungsgradBetriebswirtschaftliche Zielkonflikte
Bestandteile und Aktivitäten einer SimulationsstudieDiskreten ereignisorientierten SimulationKlassen und Instanzen in einem objektorientierten SystemAttribute und Methoden von Objekten
Das Objekt Fördergut und deren AnwendungProduktionsressourcen und zugeordnete Objekte in Plant SimulationPlatzorientierte und längenorientierte Objekte der MaterialflusssimulationWertstromanalyseRessourcentypen und Wertschöpfungsprozesse
235
Kategorien des Objekts Diagramm (z.B. Histogramm und Plotter)Charakteristika des gekoppelter MaterialflussesDiskrete und stetige WahrscheinlichkeitsverteilungModellierung von einem Poisson Prozess mit einer ServicestationZusammenhang von Ankunftsrate und Zwischenankunftszeit
Wesentliche Kenngrößen der Produkt- und RessourcenstatistikZustände von ProduktionsressourcenVerfügbarkeit von Produktionsressourcen (MTBF und MTTR)Schichtkalender Schutzkreis
Anwendungszweck der Ereignisdebuggers in Plant SimulationGlobale und lokale Variablen in der Programmiersprache SimTalkDatentypen in der Programmiersprache SimTalkReset-, Init- und EndSim-Methoden
17. Schwerpunkte
236
Deterministische und stochastische SimulationStatistische AnalyseBeobachtungen und BoxplotGüte der Simulationsergebnisse und Konfidenzintervalle
Prinzipien der geometrische Modellierung2D- und 3D-Modellierung
Grundverhalten der Simulation des MaterialflussesAusgangsverhalten von Objekten des MaterialflussesAusgangs- und Sensorsteuerungen und typische SimTalk-Befehle des MaterialflussesSuspendierte Methoden in der ereignisorientierten Simulation
Getaktete LinienPersonalintegrierten und personalorientierten Simulation Prinzipien und Objekte der Simulation von PersonaleinsatzsteuerungenSimulation von Montageprozessen
17. Schwerpunkte
Lizenz für Studenten und Plant Simulation Forum
Studentenlizenzen können unter der Adresse bestellt werden:
http://www.plm.automation.siemens.com/en_us/about_us/goplm/arc/tx-academic/plant-simulation-student-download.cfm
Sie bekommen eine Mail mit einem Downloadlink für die Installationsdatei *.msi und eine Lizenzdatei, die über das Menü Tools > Preferences (Deutsch Extras > Voreinstellungen)auf der Registerkarte License eingetragen wird.
237
Lizenz für Studenten und Plant Simulation Forum
In dem Plant Simulation Forum werden Fragen von Spezialisten beantwortet:
http://community.plm.automation.siemens.com/t5/Plant-Simulation-Forum/bd-p/Plant-Simulation-Tecnomatix
238
239
Themenvorschläge für Hausarbeiten
Anforderungen In einer einführenden Erklärung wird die reale Problemstellung
beschrieben. Die Modellierung wesentlicher Systemkomponenten wird beschrieben. Die Modellebene der Simulationsstudie und Zielkonflikte werden verdeutlicht. Erkenntnisse über das dynamische Verhalten und Potentiale zur kontinuierlichen Verbesserung der Performance (KVP) des Systems müssen verständlich werden.
Eigene Themenvorschläge sind willkommen, müssen aber vorher bestätigt werden.
Die Hausarbeit besteht aus einem Simulationsmodell und einer Dokumentation von maximal zwei A4 Seiten (Zeichengröße 10).
Die Dokumentation enthält die Gruppennummer, die Namen der Autoren mit Matrikelnummer und den Kurs.
Die Modelldatei (Dateierweiterung spp) und die Dokumentation werden per eMail an [email protected] eingereicht. Bitte die Gruppennummer im Betreff angeben.
240
1. Lagerbestände und Fördergeschwindigkeit In einer Produktionshalle befinden sich 2 Maschinen MA und MB, die in einem
Takt von 120 Sekunden und 45 Sekunden Teile A bzw. B herstellen. Die Teile werden in zwei Produktionszwischenlagern für die beiden Teiletypen gelagert. Die Lagerkapazitäten betragen je 100 Stück. Wenn mindestens 5 Teile von der gleichen Art vorhanden sind, kommt ein Förderfahrzeug zu diesem Lager und holt 5 Teile ab und transportiert die Teile in zwei Versandabteilungen für die Teile A und B. Das Fahrzeug bewegt sich auf einem 1,2 km langen Rundweg, an dem die Ziele sich im gleichen Abstand befinden.
Wie groß sind die maximalen Lagerbestände in Abhängigkeit von der Geschwindigkeit des Fahrzeugs?
Zusatzaufgabe: Bei mehreren Fahrzeugen müssen die bereits geplanten und laufende Transporte beachten werden. Ab welcher Geschwindigkeit sind weitere Flurförderfahrzeuge sinnvoll?
Idee: Leonie Abele, Dominik Wildt, Janine Kull (WIB 4, WS 2013-14)
Themen für Projekte und Hausaufgaben
241
2. Tankstelle An einer Tankstelle mit 2 Tanksäulen treffen zu den Öffnungszeiten von 8
bis 16 Uhr stündlich 30 Fahrzeuge ein. Vor jeder Tanksäule bildet sich eine Warteschlange. Ankommende Fahrzeuge ordnen sich in der kürzeren Warteschlange ein. Ein Tankvorgang dauert zwischen 3 und 4 Minuten. Zwischen 10 und 11 Uhr blockiert ein Tankfahrzeug eine der beiden Tanksäulen. Die Anlieferung dauert 1 Stunde. Wenn sich mehr als 8 Fahrzeuge in der Tankstelle befinden, fahren ankommende Fahrzeuge ohne zu tanken weiter.
Wie kann man die Anzahl der bedienten Kunden in der Tankstelle verbessern?
Themen für Projekte und Hausaufgaben
242
3. Selbstbedienungscafé In einem Café kommen im Mittel alle 90 Sekunden ein Gast an. Alle Gäste
nehmen Kaffee, der aus einem Automaten durch den Gast bereitet wird. Die Kaffeezubereitung benötigt 10 bis 20 Sekunden. Kuchen wird nur von 60 % aller Gäste bestellt. Der Kuchen wird durch eine Küchenangestellte entsprechend dem Kundenwunsch auf einem Teller serviert. Eine Kuchenbestellung benötigt 30 bis 60 Sekunden. Die für die Bezahlung benötigte Zeit liegt zwischen 40 Sekunden und 60 Sekunden. Für das Kuchenbuffet und die Kasse stehen 1 oder 2 Mitarbeiter zur Verfügung. Die Kasse hat eine Verfügbarkeit von 95 %. Eine Unterbrechung der Arbeit der Kasse dauert etwa 2 Minuten.
Wie viele Gäste werden pro Stunde bedient? Beginnen Sie mit einer statischen Berechnung. Wie kann man die Anzahl der bedienten Kunden erhöhen?
Themen für Projekte und Hausaufgaben
243
4. Linienlayout In einer Fertigung von drei aufeinander folgenden Prozessschritten mit
exponentiell verteilten Prozesszeiten von 1, 2 und 3 Minuten wird ein Zwischenlager zwischen der ersten und zweiten Maschine oder zwischen der zweiten und dritten Maschine vorgesehen. Das Zwischenlager hat eine Kapazität von 10 Teilen.
Zur Bewertung beider Produktionslayouts ziehe man den Durchsatz und die Belegung des Zwischenlagers heran.
Wie unterscheiden sich die Maschinenauslastungen?
Themen für Projekte und Hausaufgaben
244
5. Werkstattfertigung Eine Produktionseinheit besteht aus einer Maschine mit einer Verfügbarkeit
von 95 % und einem davor liegenden Produktionszwischenlager mit unbeschränkter Kapazität. In der Werkstatt werden 2 verschiedene Teile A und B gefertigt. Die Werkstatt bekommt in einer Stunde etwa 100 Aufträge. Teil A wird auf der Produktionseinheit M1 und danach auf M2 gefertigt. Teil B wird zuerst auf M2 und dann auf M1 gefertigt. Die Bearbeitungszeiten sind auf M1 und M2 exponentiell mit dem Mittelwert von 1 Minute verteilt. Zwischen den Produktionseinheiten müssen Puffer vorgesehen werden. Nach der Produktion erfolgt eine Qualitätskontrolle, die für alle Teiletypen 60 bis 80 Sekunden benötigt. Bei 30 % der A Teile und 40 % der B Teile ist eine Nacharbeit von 1 bis 2 Minuten erforderlich.
Welche Auswirkungen hat eine Halbierung der Nacharbeit auf den Durchsatz?
Themen für Projekte und Hausaufgaben
245
6. Werkslogistik Ein Produktionszwischenlager versorgt eine Montagemaschine mit
Anbauteilen. Die mittlere Bearbeitungszeit der Maschine liegt bei 5 Minuten und kann um 1 Minute schwanken. Für ein bearbeitetes Teil werden 2 Anbauteile benötigt. Die Maschine hat eine Verfügbarkeit von 80 %. Eine Reparatur dauert etwa 5 Minuten. In dem Produktionszwischenlager treffen 10 Teile in einem Los ein. Zur Optimierung des Produktionssystems variieren Sie den Abstand zwischen den Anlieferungen des Produktionszwischenlagers.
Man analysiere den Zielkonflikt zwischen der Minimierung der Wartezeit der Montage auf Anbauteile und der Minimierung des Bestandes des Zwischenlagers.
Beginnen Sie mit einer statischen Rechnung.
Themen für Projekte und Hausaufgaben
246
7. Callcenter Ein Servicemitarbeiter nimmt zwischen 8 und 17 Uhr Anrufe entgegen.
Die Arbeitszeit enthält eine Pause von 15 Minuten und eine von 45 Minuten. Es rufen durchschnittlich 35 Kunden pro Stunde an. Die Dauer eines Anrufs ist durchschnittlich 5 Minuten und 20 Sekunden. Sind mehr als 10 Anrufer in der Warteschlage, so wird der Anruf abgewiesen.
Wie kann die durchschnittliche Anzahl der abgewiesenen Anrufe verkleinert werden?
Themen für Projekte und Hausaufgaben
247
8. Planung von Kraftwerken
Ein Wärmekraftwerk mit einer Leistung von 8 MW versorgt in einer Region industrielle Stromabnehmer mit einem Gesamtverbrauch von 5 MW, der nur zwischen 6 und 17 Uhr benötigt wird. Die Grundlast der Region ist 2 MW. Ein Photovoltaikkraftwerk mit einer Leistung zwischen 0.5 und 5 MW wird in das Stromnetz hinzugeschaltet. Die momentane Leistung schwankt wetterbedingt an einem Tag um 20 %.
Ein BE bildet die Energiemenge von 1 kWh ab. Die benötigte Leistung eines Verbrauchers ist P in kW. Die Energiemenge eines BEs reicht dann t = 1 kWh/P. Diese Zeit wird als Bearbeitungszeit einer Senke abgebildet. Für einen Verbraucher mit x kW ist die Bearbeitungszeit t = 3600/x s. Zu dieser Zeit ist der Verbraucher versorgt. Ein Kraftwerk wird durch eine Quelle modelliert. Für ein Kraftwerk mit einer konstanten Leistung von x kW ist die Zwischenankunftszeit der BEs der Quelle 3600/x s.
Man vergleiche die produzierte Energiemenge des Wärmekraftwerks mit und ohne den Photovoltaikkraftwerk.
Themen für Projekte und Hausaufgaben
9. Coffee Shop
In dem Shop, der zwischen 7 und 9 Uhr geöffnet hat, werden 3 verschiedene Sorten A, B und C von Kaffee angeboten. Die Zubereitungszeiten für die Kaffeesorten sind 1 Minute, 30 bzw.10 Sekunden. Die Häufigkeiten der Bestellung verhalten sich wie 1:2:7. Abhängig vom Wochentag kommen 1 bis 5 Kunden pro Minute in den Shop. Die Zubereitung des Kaffees kann an einem oder an zwei Schaltern erfolgen.
Untersuchen Sie Kenngrößen für die Kundenzufriedenheit und die Auslastung der Schalter. Man beschreibe den Zielkonflikt und entwickle einen Lösungsvorschlag.
Idee und Verbindung zum Fach Finanzierung: Gita Ghosh, Steffi Krauß, Amelie Leyh (IMM 2012)
Themen für Projekte und Hausaufgaben
Themen für Projekte und Hausaufgaben
10. Qualitätskontrollen vor und nach einem Produktionsprozess
Eine Produktion besteht aus zwei Produktionseinheiten M1 und M2 und einer Qualitätskontrolle. Alle drei Produktionsressourcen können immer nur ein Teil aufnehmen. Vor den Fertigungsschritten auf M1 und M2 ist eine Qualitätskontrolle der Ausgangsmaterialien von 50 Sekunden nötig. Nach den Fertigungsschritten ist eine Endkontrolle von 60 Sekunden erforderlich.
Bei beiden Qualitätskontrollen beträgt die Ausschussrate 5 %. Die Bearbeitungszeiten sind auf M1 und M2 exponentiell mit dem Mittelwert von 1 Minute verteilt.
Es ist ein Produktionszwischenlager so in den Materialfluss einzufügen, dass keine Verklemmungen durch gegenseitige Blockierungen (Deadlocks) entstehen. Verschiedene wirtschaftlichen Kennziffern sind zum Vergleich der Produktionslayouts heranzuziehen.
Idee: Ruben Winter (IMM 2013)
250
Literatur zur Simulation und Statistik
St. Bangsow: Fertigungssimulationen mit Plant Simulation und SimTalk. Hanser Verlag 2008. Erstellen von einfachen Modellen mit detaillierter Anleitung.
P. Bratley; B.L. Fox; L.E. Schrage: A Guide to Simulation. Springer 1987. Kapitel 6 gibt einem umfassenden theoretischen Überblick zur Erzeugung von Zufallszahlen.
H. Corsten: Produktionswirtschaft. München, Wien 1994. Grundlagen zur Steuerung und Planung.
Pierre L'Ecuyer: Efficient and Portable Combined Random Number Generators. Comm. of the ACM Vol 31, Number 6, 1988, p.742-750. Mathematische und algorithmische Beschreibung der MLCG (Multiplicative Linear Congruential Generator) in Plant Simulation und Begründungen für die Wahl der Multiplikatoren und der verwendeten Primzahlen.
D. Kluck: Materialwirtschaft und Logistik. Schäfer-Poeschel Verlag Stuttgart 2008.Grundlagen zum Produktionsmanagement, wie Lagerpolitik und KANBAN.
A.M. Law; W.D. Kelton: Simulation Modeling & Analysis. McGraw-Hill, 1991.Umfassende Grundlagen zur Simulation von Produktionssystemen.
251
Literatur zur Simulation und Statistik
F. Liebl: Simulation: Problemorientierte Einführung. Oldenbourg Verlag 1995. Allgemeinverständliche Einführung in die diskrete Simulation mit zahlreichen Anweisungen und Hinweisen zur Durchführung von Simulationsprojekten.
B. Page: Diskrete Simulation: Eine Einführung mit Modula-2. Springer 1991. Statistische Verfahren werden ohne breite mathematische Abhandlungen allgemeinverständlich beschrieben. Hinweise zur Durchführung von Simulationsprojekten.
K. Neumann; M. Morlock: Operations Research. Hanser Verlag 1993. Mathematische Grundlagen in knapper Form mit zahlreichen algorithmischen Problemlösungen, Bezüge zur Produktion und Logistik.
Artikel der Wintersimulation Konferenz http://www.wintersim.orgPast Conference Programs and Full PapersAktuelle Forschungsergebnisse zur Simulation in Produktion und Logistik,Beschreibung erfolgreicher Simulationsprojekte.