生产系统仿真实验报告

生产系统仿真实验报告0生产系统仿真实验报告1实验一机器设备的故障率对流水线产出的影响1.实验目的生产物流系统中串行生产线属于最简单的离散事件动态系统，且广泛地存在于现实的工业生产中，例如汽车装配线等。模拟对象专业化组织方式下，从仿真的角度来探讨工站的故障率对生产线产出率的影响。2.实验步骤2.1开始一个新项目主要包括初始准备工作、建立基本生产线模型、设置模型的全局变量、Method编程等内容。2.1.1新建一个模型启动PlantSimulation，新建一个模型，初始状态如图1.1所示。图1.12.1.2初始准备工作1）选择“文件—加入对象~遗传算法”，可以发现Explorer下方的对象库（ClassLibrary）中弹出了一个GA文件夹，Toolbox工具栏增加一项GeneticAlgorithms(遗传算法)。生产系统仿真实验报告22）右击Basis，在弹出菜单中选择“保存/载入~增加对象~遗传算法”，在弹出的对话框中找到PlantSimulation的安装目录的Tools，首先加载GAWizard.obj遗传算法向导对象，3)重复上一步加载GanttWizard.obj甘特图对象2.1.3建立基本生产线模型在命名为SingleLine的模型层中插入如图2所示的对象(所有对象的参数均先不设置)，将各对象如图1.2所示用Connector对象连接起来。要显示各对象标签名称，选择模型层SingleLine的主菜单“View—Option—ShowObjectlabels。1）EventController按图1.2所示设置，仿真时间为连续的100h，即4d4h。2）方法Reset是系统初始化对象，属于系统方法，一般做法是插入一个Method后改名Reset然后图标就变为系统图标了。3）方法Set-Vars属于用户自定义的方法，一般采用蓝色图标的Method表示不直接运行的方法，而显示为绿色的Method则表示可以直接运行。右击Set-Vars，在弹出菜单中选择ShowAttributesandMethods。在对象的属性对话框中找到CurrIcon项，单击该栏任意位置打开在弹出的对话框中将Standard改为User，关闭属性对话框，返回模型层，如图1.2所示，Set-Vars变为绿色的图标了。图1.2建立两条FlowShop生产线2.1.4设置模型的全局变量在PlantSimulation中，一般使用InformationFlow中的Variable对象来定义变量，这些变量放置在模型层内。当全局变量比较多时，可能导致模型层内的布局显示比较混乱，或者不太美观。将全局变量分为需要显示信息的和可以不用显示信息的两类。一般情况下，将不用显示信息的全局变量采用下面的方生产系统仿真实验报告3式来定义。1）单击模型层主菜单工具，在下拉菜单中选择用户定义属性。2）定义5个全局变量(或称为属性)。2.1.5Method编程总体思路:共两条流水线，用Output_Line1来统计上面一条Line1的产出；用Output_Line来统计下面一条Line2的产出，用Output_Line2和Output_Line1的比值作为产出比，用OutRate_Line2表示。假设Line1为理想状态生产线，所以可认为OutRate_Line2就是Line2的产出率。1)双击CalOutPut，输入SimTalk语句：图1.32)双击Drain1，在Entrance后面的文本框中输入CalOutput后单击OK退出，Drain2同理。3)双击Set_Vars,输入如下Simtalk语句：图1.44)双击Reset打开，在do和end之间插入“Set_Vars;”。5)双击Set_Vars即可运行。生产系统仿真实验报告42.2机器设备的故障率对产出的影响实验原理：实际的流水线中的加工设备均会在生产过程中出现故障，两次故障间的时间间隔MTBF服从指数分布，故障平均修复时间MTTR服从爱尔朗分布.MTBF用设备可利用率Availability表示。两条生产线的五个工站的加工时间均为1min,生产线Line1的工站不发生故障，连续仿真100h后产出应该是5995件。而生产线Line2的每台设备的可利用率初始值为95%，单次仿真运行的产出为4557件，产出率为76%左右。2.2.1修改模型以最后一个工站M25为例，讨论M25故障率变化如何影响产出率。1)单击Tools,选择CustomAttribue,增加Availability5和MTTR5两变量，均为实数类型，初始值分别为95和600，同时将Availability的值改为100.2)修改Rest,按如下SimTalk语句来调整图1.53)此时运行模型，可以发现M21-M24没有设置故障，M25的可利用率为95%，仿真结果是生产线Line2的产出率为93.8%左右，在模型层中插入一个ExperimentManager，命名为DOE1，标签名为重复试验，如图。图1.62.2.2试验实施过程1)输入重复试验次数为10置信水平为95%，然后单击Apply按钮。2)单击OutputValues，在弹出对话框OutputValues栏下输入试验指标OutRate_Liue2,然后单击Apply按钮.生产系统仿真实验报告53)选择Defineinputvalues，单击Inputvalues，在弹出的inputValues栏下第输入Availability5。4)选择主菜单Tools项，选择单因素多水平试验Multi-leve1ExperimentalDesign}输入低水平为80，高水平为100，变化级差为1，因此共有21次全试验图1.75)单击DOE1的Run标签页。6）系统自动生产试验报告，以重复次数为10，变化级差为1的试验结果分析为例。图1.8图1.9生产系统仿真实验报告6输出值root.OutRate_Line2平均值标准差最小值最大值间隔左边界间隔右边界Exp0182.627936916639812.806987935867361.087866108786610073.459153250703691.7967205825761Exp0281.28850266593811.416266518489261.087866108786696.23430962343173.115364805196389.4616405266797Exp0382.468399592572710.62833808888261.087866108786697.48953974895474.859355752336690.0774434328087Exp0483.48706970770711.149619223551361.087866108786697.48953974895475.504830079604991.4693093358092Exp0585.59270164559619.0454886512670671.698113207547210079.116851975754792.0685513154375图1.102.2.3瓶颈分析并不是每台机器的故障率对产出率都影响明显，对模型参数作一些改动，观察谁的故障率对产出率影响最大。1)将Reset里的语句全部注释，以下全部采用人工修改。2)将M25的Avalability5改为100，再运行模型仿真，此时运行模型可以得到Line2和Line1是一样的产出。3)M15/M25的加工时间改为120s,即2min。此时，将M25的设备利用率95%,M15/M25即为瓶颈工序。此时运行模型可以得到Line2产出率为95.2%左右，如图1.11生产系统仿真实验报告74)将M25的设备利用率改为100%，M24非瓶颈工序的设备利用率改为95%，行模型可以得到Line2产出率为98.1%左右。如图：1.12图1.12三总结经过将近六周的生产系统仿真的课程学习，对生产系统仿真有了一定的了解，生产系统研究的基本对象是生产系统的效率、质量、交期和成本，生产系统仿真则是对生产系统的各个组成环节建立仿真模型，通过仿真技术使系统性能优化、效率提升和浪费减少。系统仿真技术已经广泛地应用到生产系统各个领域。第一次的实验上机操作，我对西门子软件有了一定了解，并且在实验过程中也遇到一些实际的操作性问题。对一些操作不太熟练，操作过程效率不是太高，但是随着实验的进行，对操作系统的进一步熟练，实验进行的还算顺利。通过这次实验，我对生产系统仿真有了进一步的了解，同时也对西门子这个软件的操作更熟悉了。在正式生产中，生产系统规划比较复杂，以致很难实现，但是我们可以根据时间的数据和设定的方案建立系统的仿真模型，并在模型上进行仿真实验，从而达到对现实生产系统规划进行优化的目的。用仿真软件对生产过程仿真，具有方便，经济，快捷等优良特性。可以用这个软件模拟出实际流水线的产出率，为公司或企业提高了利润，降低成本，优化决策。实验结束，让我体会到无论是做实验还是平时做事一定要认真仔细，多思考，多操作，这样才能做到最好。着急反而使自己不能更好地完成任务。下次试验要继续改进。生产系统仿真实验报告8实验二加工时间波动和故障率联合作用实验1．实验目的生产物流系统中串行生产线属于最简单的离散事件动态系统，且广泛地存在于现实的工业生产中，例如汽车装配线等。模拟对象专业化组织方式下，从仿真的角度来探讨工站的加工时间波动、故障率和暂存区容量变化同时对产出率的影响。2．实验步骤2.1开始一个新项目1)右击SingleLine，在弹出菜单中选择“复制”选项，系统复制一个SingleLine模型层，并自动命名为SingleLine1。2)关闭SingleLine，打开SingleLinel。2.2加工时间的影响1)将Avalability5改为100。运行一次Set_Vars，这样就可以将M21-M25设为无故障，其次进行相关的参数修改。2)将Reset方法修改如下：图2.13）Set_Vars方法修改如下:图2.2生产系统仿真实验报告94)将SigMa改为5，加工时间的标准差为加工时间的5%。如果加工时间u=60s，标准差为3s.5)运行一次Set_Vars，然后再打开EventController运行模型仿真。此时生产线Line2的产出率为95.2%左右，说明加工时间的波动对产出率也是有比较大的影响的，如图所示。图2.35)先将Set_Vars中的包含Obj.proctime.setParam的这一行注释掉，再运行模型6)7)8)9)10)11)12)13)型可以得到Line2产出率为98%左右，说明多机加工时间波动比单机要大，但是多机加工时间的波动具有匀化作用。如图图2.47)双击DOE1打开窗口，选择Defineinputvalues，单击InputValues,在弹出的InputValues栏下将第一行内的Availability5改为SigMa。生产系统仿真实验报告10图2.58)选择DOE1的主菜单Tools项，选择单因素多水平试验输入低水平为1,高水平为10，变化级差为1，重复试验次数设为10。图2.610)单击DOE1的Run标签页，选择“Rest_Start”，开始进行仿真试验。仿真后实验结果如下图2.7所示：2.3加工时间、故障率对产出率的联合作用生产系统仿真实验报告112.3.1新建第二个模型层。1)右击SingleLine在弹出菜单中选择“复制”选项，系统复制一个SingleLine模层，并自动命名为SingleLine2.2)关闭SingleLine，打开SingleLine2，几个全局变量恢复的默认值；3)修改Reset方法如下图：图2.84)修改Set_Var对象如下:图2.9然后可以运行仿真模型了，此时生产线Line2的产出率下降了。很明显，当设备既有故障的发生，又有加工时间的波动时，系统的产出率下降了很多。注：操作实验3时，由于实验2中的OutRate-Line2为93.3，存在误差，实验3中OutRate-Lin