2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1...

51
Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1 Produktionssimulation 2 ARENA für P&L 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen und Ressourcen 2.2 Bestimmte und unbestimmte Verzögerungen 2.3 Entitätenbewegung, Animation und Plots Otto-von-Guericke-Universität Magdeburg Thomas Schulze 2 Produktionssimulation 2.1.1 Einfaches Beispiel 2.1.1 Einfaches Beispiel Was soll ermittelt werden? Der zu erwartende Ausstoß Wartezeiten der Teile vor der Maschine Warteschlangenlänge vor der Maschine Auslastung der Maschine Arriving Blank Parts Departing Finished Parts Machine (Server) Queue (FIFO) Part in Service 5 6 7 Arriving Blank Parts Departing Finished Parts Machine (Server) Queue (FIFO) Part in Service 4 5 6 7

Transcript of 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1...

Page 1: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

1

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1Produktionssimulation

2 ARENA für P&L2 ARENA für P&L

2.1 Entitäten, Ressourcen und Warteschlangen2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente2.1.3 Entitäten2.1.4 Warteschlangen und Ressourcen

2.2 Bestimmte und unbestimmte Verzögerungen 2.3 Entitätenbewegung, Animation und Plots

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 2Produktionssimulation

2.1.1 Einfaches Beispiel2.1.1 Einfaches Beispiel

Was soll ermittelt werden?– Der zu erwartende Ausstoß– Wartezeiten der Teile vor der Maschine– Warteschlangenlänge vor der Maschine– Auslastung der Maschine

ArrivingBlank Parts

DepartingFinished Parts

Machine(Server)

Queue (FIFO) Part in Service

4567ArrivingBlank Parts

DepartingFinished Parts

Machine(Server)

Queue (FIFO) Part in Service

4567

Page 2: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

2

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 3Produktionssimulation

2.1.1 Einfaches Beispiel2.1.1 Einfaches Beispiel

Festlegungen – Einheit für die Simulationszeit: Minuten– Zustand beim Start: idle & empty– Wie lange soll simuliert werden?

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 4Produktionssimulation

MessgrößenMessgrößen

Anzahl der gefertigten Teile P – Einfache Summenbildung – Ziel : großer Wert

Mittlere Wartezeit in der Warteschlange– WQi - Wartezeit des i-ten Teiles in der Warteschlage– N – Anzahl der Teile, die die Warteschlange verlassen haben– Mittelwert („discrete-time“ oder „discrete-parameter“ Statistik )

N

WQN

ii∑

=1Ziel: kleiner Wert

Page 3: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

3

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 5Produktionssimulation

MessgrößenMessgrößen

Maximale Wartezeit in der Warteschlange– Ziel: kleiner Wert

iNiWQmax

,...,1=

Mittlere Warteschlangenlänge– Mit der Zeit gewichteter Mittelwert– Q(t) sei die Anzahl von Teilen in der Warteschlange zum Zeitpunkt t

T

dttQT

∫0 )( Statistik ist time-persistent

Aussagen über den Bedarf an Pufferplätzen?

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 6Produktionssimulation

MessgrößenMessgrößen

Maximale Anzahl von Teilen in der Warteschlange– Abschätzung der Puffergröße

)(max0

tQTt≤≤

Durchlaufzeit– Durchlaufzeit TS (Time in System) ist die Zeitdifferenz zwischen der

Austrittszeit und der Eintrittszeit in das System. – TSi bezeichnet die Durchlaufzeit des i-ten Teils.– P bezeichnet die Anzahl der produzierten Teile

P

TSP

ii∑

=1i

PiTSmax

,...,1=

Ziel : kleiner Wert

Mittelwert: Maximalwert

Page 4: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

4

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 7Produktionssimulation

MessgrößenMessgrößen

Auslastung der Maschine– Anteil der Zeit für den Zustand arbeitend an der Gesamtzeit der

SimulationB(t) ist die sog. Busy-Funktion

=tt

tB time at idle is machine the if time at busy is machine the if

01

)(

T

dttBT

∫0 )(Mittelwert als time-persistante Statistik

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 8Produktionssimulation

MessgrößenMessgrößen

Identifikator Maschinenauslastung:– Je höher die Auslastung der Maschine, je höher ist die mittlere

Warteschlangenlänge– Die Wahrscheinlichkeit, dass ein ankommendes Teil warten muss

ist höher

0

5

10

15

20

25

30

0,8 0,82 0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98

Auslastung

Mitt

lere

WS

L

Page 5: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

5

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 9Produktionssimulation

MeßgrößenMeßgrößen

System

Clock 20.00

B(t) 1

Q(t) 1

Arrival times of custs. in queue

(19.39)

Event calendar [6, 23.05, Dep] [8, 34.91, Arr]

Number of completed waiting times in queue 6

Total of waiting times in queue 15.17

Area under Q(t) 15.78

Area under B(t) 18.34

Q(t) graph B(t) graph

Time (Minutes) Interarrival times 1.73, 1.35, 0.71, 0.62, 14.28, 0.70, 15.52, 3.15, 1.76, 1.00, ... Service times 2.90, 1.76, 3.39, 4.52, 4.46, 4.36, 2.07, 3.36, 2.37, 5.38, ...

01

23

4

0 5 10 15 20

012

0 5 10 15 20

67

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 10Produktionssimulation

2.1.2 Allgemeine Modellelemente2.1.2 Allgemeine Modellelemente

2.1.2.1 Entität2.1.2.2 Globale Variable2.1.2.3 Ressourcen und Server2.1.2.4 Queues oder Warteschlangen2.1.2.5 Sammler für Statistiken2.1.2.6 Ereignisse

Page 6: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

6

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 11Produktionssimulation

EntitätenEntitäten

Entität : – Wesen, Dasein, Ding , Dateneinheit, ...

Dynamische Objekte– Dynamisch : Entitäten werden erzeugt und auch wieder vernichtet– Gegensatz Statisch : Statische Objekte existieren während der gesamten

Simulation.Allgemein:– Entitäten werden erzeugt , verweilen im System und werden wieder

vernichtetEntitäten sind aktive Objekte– Verändern andere Entitäten und andere Objekte – Nur die Entitäten ändern den Systemzustand

Abbildung von Werkstücken, Aufträgen und Werkern

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 12Produktionssimulation

EntitätenEntitäten

Entitätstyp : eine „Klasse“ von Entitäten – Zu jeder Klasse existieren dann unterschiedliche Objekte– In einem Modell können unterschiedliche Entitätstypen gleichzeitig

existieren

Beispiel Lager:Entitätstypen Einlagerungsauftrag und Auslagerungsauftrag.

Die Entitätstypen unterscheiden sich über ihre AttributeObjekte einer Klasse unterscheiden sich über unterschiedliche Attributwerte

Page 7: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

7

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 13Produktionssimulation

EntitätenEntitäten

2002010.02.20034712

103011.02.20034711

1004510.02.20034711AnzahlGewichtAnlieferungsdatumGutnummer

Entitätstyp Einlagerungsauftrag

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 14Produktionssimulation

EntitätenEntitäten

200123410.02.20034712

1000712.02.20034711

10045-8910.03.20030815AnzahlKundennummerBestelldatumGutnummer

Entitätstyp Auslagerungsauftrag

Page 8: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

8

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 15Produktionssimulation

Globale VariableGlobale Variable

Sind nicht an Entitäten gebundenGelten im gesamten Modell und reflektieren häufig Systemzustände– Anzahl der Teile im System, die Transportzeiten von A nach B

Können nur durch Entitäten verändert werdenStandardisierte globalen Variablen– aktuelle Simulationszeit, die Nummer der aktuellen Replikation, die

Anzahl der wartenden Entitäten in einer Wartschlange, usw.Nutzerdefinierte Variablen

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 16Produktionssimulation

2.1.2.3 Ressourcen und Server2.1.2.3 Ressourcen und Server

Engl.: Resource Deutsch: Ressource

Ressourcen stellen eine bestimmte Menge von Einheiten (Units) zur Benutzung bereitAnwendungen:– Pool von Werkern (mehrere Einheiten)– eine Maschine (eine oder mehrere Einheiten)– Speicherplätze in einem Hochregallager.

Entitäten versuchen die Einheiten einer Ressource zu belegen (seize) Verlassen einer Ressource (release) Beispiel: Ressource, mit nur einer Einheit

Page 9: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

9

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 17Produktionssimulation

Ressourcen und ServerRessourcen und Server

Server: Ressource mit einer Einheit (kein Standard) Eine Ressource kann dann auch als eine Gruppe von einzelnen Servern betrachtet werdenBeispiel für diese Gruppe: zwei identische Montagearbeitsplätze in einem FertigungsbereichTypisch für Ressourcen:die Anzahl der verfügbaren Einheiten ändert sich über der Zeit– Frühschicht: 2 Werker – Spätschicht: 3 Werker

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 18Produktionssimulation

Ressourcen und ServerRessourcen und Server

nUB : Anzahl der belegten Einheiten zum Zeitpunkt t nUA : Anzahl der verfügbaren Einheiten zum Zeitpunkt tdann wird die Busy-Funktion B(t) wie folgt definiert

)()()(tnUAtnUBtB =

Page 10: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

10

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 19Produktionssimulation

2.1.2.4 Queues oder Warteschlangen2.1.2.4 Queues oder Warteschlangen

Queues sind Aufnahmeplätze für wartende EntitätenEntität kann eine Ressource nicht belegen, dann wird diese Entität in eine Warteschlange eingeordnetVereinfachung: Entitäten können die Warteschlange nicht vorzeitig verlassenKapazität einer Warteschlange– Allgemein: unbegrenzt– Bei begrenzter Kapazität muss ein alternativer Weg für die Entität

aufgezeigt seinWartschlangendisziplin:– FIFO (First in First Out) , LIFO(Last In Last Out) , Prioritäten oder

Sortierungen nach bestimmten Merkmalen

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 20Produktionssimulation

Queues oder WarteschlangenQueues oder Warteschlangen

1 Warteschlange : 1 Ressource– Eine Warteschlange ist einer Ressource zugeordnet

1 Warteschlange : n Ressourcen– Eine Warteschlange ist mehreren Ressourcen zugeordnet– Arbeitsgang für ein Teil kann von mehreren Maschinen ausgeführt

werdenn Warteschlangen : 1 Ressource– Entitäten warten in unterschiedlichen Warteschlangen um eine

Ressource belegen zu können– Aufträge werden in unterschiedliche Kategorien eingeteilt und jeder

Kategorie wird eine eigenen Warteschlange zugeteiltn Warteschlangen : m Ressourcen– Aufträge warten in unterschiedlichen Warteschlangen und können

auf unterschiedlichen Maschinen bearbeitet werden

Page 11: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

11

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 21Produktionssimulation

2.1.2.5 Sammler für Statistiken2.1.2.5 Sammler für Statistiken

Statistik-Sammler beobachten Ergebnisgrößen und werten diese statistisch aus.„Standard-Sammler“ laufen automatisch mit – Beobachtung von Warteschlangen

Nutzerdefinierte Sammler müssen extra angestoßen werdenStandard für eine Warteschlange:– Anzahl der Eintritte– Anzahl der Eintritte, deren Wartezeit > 0– Mittlere und maximale Wartezeit– Mittlere und maximale Warteschlangenlänge– Aktuelle Länge

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 22Produktionssimulation

2.1.2.6 Ereignisse2.1.2.6 Ereignisse

Ereignis (Engl. Event) – Aktionen, die Zustandsänderungen am Modell hervorrufen– Diese Zustandsänderungen erfolgen zeitlos– Aktionen wird der Zeitpunkt der Ausführung (Ereigniszeitpunkt)

zugewiesenNach der Ausführung eines Ereignisses– Es wird vernichtet und – es können neue Ereignisse generiert werden

Ereignis-Kalender zur Verwaltung Der Simulator arbeitet die Ereignisse aus dem Kalender ab und stellt damit die Simulationsuhr

Page 12: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

12

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 23Produktionssimulation

2.1.3 Entitäten in ARENA2.1.3 Entitäten in ARENA

Erzeugen: Flowchart-Modul CreateVernichten Flowchart-Modul DisposeStandardattributeCreateTime– Erzeugungszeitpunkt

StartTime– Zeitpunkt, an dem die Entität eine Aktivität gestartet hat

VATime– Summe aller Zeiten, bei „Value Added“-Aufenthalten

NVATime– Summe aller Zeiten, bei „Non-Value Added“-Aufenthalten

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 24Produktionssimulation

Attribute von EntitätenAttribute von Entitäten

WaitTime– Summe aller Verzögerungs(Warte)zeiten und Zeiten bei „Wait“-

AufenthaltenTranTime– Summe aller Transportzeiten und Zeiten bei „Transfer“-

AufenthaltenOtherTimes– Summe aller Zeiten bei den „Other“-Aufenthalten

Picture– Nummer oder Name des entsprechenden Animationsbildes

Jobstep, Sequence, Station– Für Jobsequenzen

Page 13: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

13

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 25Produktionssimulation

Attribute von EntitätenAttribute von Entitäten

Attribut Entity TypeVerweis auf eine entity type VariableEine Variable dieses Typs repräsentiert eine Gruppe (Klasse) von EntitätenDiese Variable (Klasse) hat wiederum einzelne AttributeAttributwerte der Entitäten könne unterschiedlich sein Attributwerte einer entity type Variablen sind identisch für alle Entitäten dieser GruppeAttribute von entity type Variablen:– EntitiesIn : Anzahl der in das Modell eingetretenen Entitäten– EntitiesOut : Anzahl der aus dem Modell ausgetretenen Entitäten – EnittiesWIP : Anzahl der aktuell im Modell existierenden Entitäten

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 26Produktionssimulation

CreateCreate und und DisposeDispose

ARENA Basic Process Panel

Page 14: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

14

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 27Produktionssimulation

CreateCreate

Erzeugen mit Create

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 28Produktionssimulation

DisposeDispose

Vernichten mit Dispose

Page 15: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

15

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 29Produktionssimulation

AssignAssign

General-Purpose-Attribute– Attribute gelten für alle Entitäten– Der Datentyp ist grundsätzlich real

Definition dieser Attribute nicht explizit Definition beim erstmaligen Gebrauch Mit Assign werden neue Werte zugewiesen

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 30Produktionssimulation

AssignAssign

Page 16: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

16

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 31Produktionssimulation

Einfaches ModellEinfaches Modell

Modell1:– Quelle mit exponentiell-verteilten Zwischenankunftszeiten

(Mittelwert = 1 min) für Entitäten der Entitätsgruppe Entity 1 – Senke vernichtet die Entitäten sofort– Die Simulation wird nach 10 Minuten beendet.

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 32Produktionssimulation

Standardausgabe für die EntitätenStandardausgabe für die Entitäten

Page 17: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

17

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 33Produktionssimulation

1.2.4 Wartschlangen und Ressourcen1.2.4 Wartschlangen und Ressourcen

Resource– eine oder mehrere identische „resource units“ werden definiert, die

dann den Entitäten zugeordnet werden können– Anzahl der „resource units“ wird als Kapazität „capacity“ bezeichnet

Belegen mittels „SEIZE“Freigeben über „RELEASE“Definition mit dem Resource Data Module

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 34Produktionssimulation

Definition einer Definition einer ResourceResource

Type– Fixed Capacity: Kapazität ist konstant– Based on Schedule : Kapazität wird verändert über der

Simulationszeit definiertBusy/Hour– Kosten pro Stunde, wenn die Ressource genutzt wird (Zustand

busy)Idle/Hour– Kosten pro Stunde, wenn die Ressource frei ist (Zustand idle)

Per Use– Kosten, die bei jeder Nutzung durch eine Entität zusätzlich

entstehen (Setup-Kosten)

Page 18: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

18

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 35Produktionssimulation

Definition einer Definition einer ResourceResource

StateSetName– Standardmäßig werden einer Ressource die folgen Zustände

(States) zugeordnet .» IDLE : Keine Ressourceneinheit ist belegt (frei)» BUSY : Ressourceneinheit ist belegt» INACTIVE : Die Kapazität ist 0. » FAILED : Die Ressource ist gestört

Failures– Beaschreibung des Ausfalls

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 36Produktionssimulation

Standardausgabe für RessourcenStandardausgabe für Ressourcen

NumberBusy– Statistik über die Anzahl der „Busy“ Kapazitätseinheiten (NR)

NumberScheduled– Statistik über die Anzahl der definierten (vorhandenen)

Kapazitätseinheiten (MR)Utilization– Auslastung der Ressource. Verhältnis NR/MR

TimeUsed– Anzahl der Belegungen für die einzelnen Kapazitätseinheiten

ScheduledUtilization– Verhältnis Mittelwert (NumberBusy) zu

Mittelwert (NumberScheduled)

Page 19: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

19

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 37Produktionssimulation

Definition von QueuesDefinition von Queues

Nachbilden des Wartens von Entitäten mittels Warteschlangen (Queues)Reihefolgenregeln (Sortierkriterium und die Reihenfolge)– Sortierkriterium Eintrittszeitpunkt; Reihenfolge steigend : FIFO

(First In First Out)– Sortierkriterium Eintrittszeitpunkt; Reihenfolge fallend : LIFO (Last

In First Out)– Sortierkriterium ein Attribut; Reihenfolge steigend :Lowest Attribute

Value, (Sortierung nach Verfallsdatum)– Sortierkriterium ein Attribut; Reihenfolge fallend :Highest Attribute

Value, (Sortierung nach Gewicht)

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 38Produktionssimulation

Definition von QueuesDefinition von Queues

Definition im QUEUE-Data-Modul:Type– Sortierregeln (siehe obige Tabelle)

Shared– Warteschlange kann mehreren Ressourcen zugeordnet sein

Page 20: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

20

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 39Produktionssimulation

Standardausgabe für QueuesStandardausgabe für Queues

WaitingTime– Statistik über die Wartezeit einer Entität in der Queue

Waiting Cost– Statistik über die Wartekosten

Number Waiting– Statistik über die Anzahl der wartenden Entitäten

Typischer Prozess zum Bearbeiten eines Teiles– Belegen einer Ressource (SEIZE)– Verarbeitung auf der Ressource (DELAY)– Verlassen der Ressource (RELEASE)

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 40Produktionssimulation

Belegen mit Belegen mit SeizeSeize

Page 21: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

21

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 41Produktionssimulation

Parameter für Parameter für SeizeSeize

Allocation– Festlegung der Kosten-Kategorie

Priority– Priorität für die wartenden Entitäten an diesem SEIZE-Modul, wenn die

Ressource auch über einen anderen SEIZE-Modul belegt werden kann.Type– Seize erlaubt das Belegen einer einzelnen Resource oder einer Gruppe

von RessourcenResource Name– Name der definierten Ressource

Quantity– Anzahl der zu belegenden Kapazitätseinheiten

Resource State– Status der Ressource, nach der Belegung

Queue Type– Spezifikation des Ortes, wo die Entitäten warten sollen

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 42Produktionssimulation

DelayDelay

Page 22: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

22

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 43Produktionssimulation

Parameter für Parameter für DelayDelay

Allocation– Festlegung der Kosten-Kategorie

Delay Time– Bestimmung der Zeitspanne

Units– Zeiteinheit für die Zeitspanne

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 44Produktionssimulation

ReleaseRelease

Page 23: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

23

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 45Produktionssimulation

Parameter für ReleaseParameter für Release

TypeMit Release kann eine einzelne Ressource oder eine einzelne Ressource aus einer Gruppe von Ressourcen frei gegeben werden Resource Name– Name der entsprechenden Ressource

Quantity– Anzahl der zu belegenden Kapazitätseinheiten

Damit sind alle Module zur Modellierung eines Single-Servers vorhanden. Die einzelnen Module werden miteinander verbunden. Die Simulation wird nach 1000 Minuten beendet. (Modell1)

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 46Produktionssimulation

Ergebnisse für Ergebnisse für EntitiesEntities

Page 24: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

24

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 47Produktionssimulation

Ergebnisse für QueuesErgebnisse für Queues

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 48Produktionssimulation

Ergebnisse für die RessourceErgebnisse für die Ressource

Page 25: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

25

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 49Produktionssimulation

Ergebnisse für die Ressource (Kapazität = 2)Ergebnisse für die Ressource (Kapazität = 2)

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 50Produktionssimulation

2.2 Bestimmte, bedingungsabhängige und 2.2 Bestimmte, bedingungsabhängige und unbestimmte Verzögerungenunbestimmte Verzögerungen

Bestimmte Verzögerung– Die Verweilzeit ist definiert, d.h. der Endzeitpunkt der Bearbeitung

ist bekannt Bedingungsabhängige Verzögerung– Die Dauer der Verzögerung ist beim Beginn des Wartens nicht

bekannt. Das Ende des Wartens ist durch eine Bedingung gekennzeichnet

Unbestimmte Verzögerung (Totale Blockierung)– Keine Bedingung, die das Ende des Aufenthaltes beschreibt– Entität schläft bis diese von einer anderen Entität geweckt wird

Page 26: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

26

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 51Produktionssimulation

2.2.1 Bestimmte und ressourcenabhängige 2.2.1 Bestimmte und ressourcenabhängige VerzögerungVerzögerung

Modul Process:– Nachbildung von bestimmten und ressourcenabhängigen

VerzögerungenDelay– Einfaches Verzögern ohne die Berücksichtigung von Ressourcen

Seize Delay– Eine Ressource wird belegt, die Belegungszeit wird angeben

Seize Delay Release– Eine Ressource wird belegt, nach der entsprechenden

Bearbeitungszeit wird die Ressource wieder frei gegebenDelay Release– Ein schon belegte Ressource wird nach der entsprechenden

Bearbeitungszeit wieder frei gegeben

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 52Produktionssimulation

Modell 3Modell 3

Teile treffen mit exponentiell-verteilten Zwischenankunftszeiten (Mittelwert = 1 min) an der Maschine 1 ein. Können diese nicht sofort bearbeitet werden, so warten sie in einem unbegrenzten Eingangspuffer. Die Bearbeitungszeit auf der Maschine ist ebenfalls exponential-verteilt (Mittelwert = 0.9 min). Anschließend werden die Teile in einer Senke vernichtet. Die Simulation wird nach 1000 Minuten beendet.

Quelle Senke

Maschine 1

Queue (FIFO)

4567

Page 27: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

27

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 53Produktionssimulation

Modell 3Modell 3

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 54Produktionssimulation

Ergebnisse Model 3Ergebnisse Model 3

Page 28: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

28

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 55Produktionssimulation

Modell 4Modell 4

Teile treffen mit exponentiell-verteilten Zwischenankunftszeiten (Mittelwert = 1 min) an der Maschine 1 ein. Können diese nicht sofort bearbeitet werden, so warten sie in einem unbegrenzten Eingangspuffer. Die Bearbeitungszeit auf der Maschine ist ebenfalls exponential-verteilt (Mittelwert = 0.9 min). Anschließend werden die Teile an eine Maschine 2 weitergeleitet. Die Bearbeitungszeit auf der Maschine 2 ist konstant mit 0.5 min . Zwischen beiden Maschinen ist kein Puffer, so dass ein Teil die Maschine 1 erst verlassen kann, wenn die Maschine 2 frei ist. Anschließende werden die Teile in einer Senke vernichtet. Die Simulation wird nach 1000 Minuten beendet

Quelle Senke

Maschine 1

Queue (FIFO)

4567 3

Maschine 2

Quelle Senke

Maschine 1

Queue (FIFO)

444567 556677 333

Maschine 2

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 56Produktionssimulation

Modell 4Modell 4

Der gesamte Prozess wird in die folgenden Teile zergliedert– Belege Maschine1; Verbleibe die notwendige Bearbeitungszeit– Belege Maschine 2 erst, wenn diese bereit ist– Freigabe der Maschine 1– Verbleibe auf der Maschine 2 die notwendige Bearbeitungszeit mit

anschließender Freigabe der Maschine 2

Page 29: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

29

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 57Produktionssimulation

Modell 4 Modell 4 –– Bearbeitung auf Maschine 1Bearbeitung auf Maschine 1

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 58Produktionssimulation

Modell 4 Modell 4 –– Belege Maschine 2Belege Maschine 2

Page 30: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

30

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 59Produktionssimulation

Modell 4 Modell 4 –– Freigabe Maschine 1Freigabe Maschine 1

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 60Produktionssimulation

Modell 4 Modell 4 –– Bearbeitung auf Maschine 2Bearbeitung auf Maschine 2

Page 31: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

31

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 61Produktionssimulation

Ergebnisse Modell 4Ergebnisse Modell 4

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 62Produktionssimulation

2.2.2 Bedingungsabhängige Verzögerung2.2.2 Bedingungsabhängige Verzögerung

Entitäten, die auf eine bestimmte Bedingung warten, werden in speziellen Warteschlangen aufgehalten. Arena unterscheidet zwei Formen der bedingungsabhängigen Verzögerung:a) Warten auf das Erfüllen einer beliebigen Bedingungb) Warten auf das Empfangen eines bestimmten SignalsBeide Formen werden mit dem Hold-Modul aus dem AdvancedProcess Panel modelliert. Dieser Modul „hält“ eine Entität in der Bewegung auf, – bis eine bestimmte Bedingung erfüllt ist oder – ein definiertes Signal eingetroffen ist.

Page 32: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

32

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 63Produktionssimulation

Modell 5Modell 5

Aus einem Lager werden in unregelmäßigen zufälligen Zeitabständen unterschiedliche Mengen entnommen. Die Zeitabstände unterliegen einer Exponential-Verteilung mit einem Mittelwert von 0,9 Stunden. Die Entnahmemenge unterliegt einer Poisson-Verteilung mit einem Mittelwert von 20 Stück. Ein Sensor überwacht den Lagerbestand. Sobald der Lagerbestand die Marke von 50 unterschritten hat, wird das Lager mit der Menge von 50 Teilen gefüllt.Die Simulation wird nach 1000 Stunden beendet. Zu ermitteln sind der mittlere Lagerbestand und der mittlere Zeitabstand zwischen zweiEinlagerungen.

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 64Produktionssimulation

Modell 5 Modell 5 –– Sensor TeilprozessSensor Teilprozess

Page 33: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

33

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 65Produktionssimulation

Modell 5 Modell 5 -- Sensor Teilprozess Sensor Teilprozess

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 66Produktionssimulation

Modell 5 Modell 5 –– Sensor TeilprozessSensor Teilprozess

Erhöhung des Lagerbestandes

Page 34: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

34

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 67Produktionssimulation

Modell 5 Modell 5 –– Entnahme TeilprozessEntnahme Teilprozess

Eintreffen der Kunden

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 68Produktionssimulation

Modell 5 Modell 5 -- EntnahmemengeEntnahmemenge

Bestimmung der Entnahmemenge , Variable Menge

Page 35: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

35

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 69Produktionssimulation

Modell 5 Modell 5 –– Resultate Resultate -- LagerbestandLagerbestand

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 70Produktionssimulation

Modell 5 Modell 5 –– Resultate Resultate –– Zeit zwischen zwei Zeit zwischen zwei EinlagerungenEinlagerungen

Page 36: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

36

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 71Produktionssimulation

Modell 6Modell 6

Vier Lieferanten beliefern ein Lager, in dem vier verschiedene Güter gelagert werden. Die Zeit zwischen zwei Anlieferungen eines Guttyps ist exponential-verteilt mit einem Mittelwert von 4 Stunden. Bei jeder Lieferung wird nur 1 Palette eingelagert. Der entsprechende Guttyp ist gleichverteilt über alle Güter. Aus dem Lager werden in zufälligen Zeitabständen alle Paletten eines Guttyps entnommen. Die Zeit zwischen den Entnahmen ist ebenfallsexponential-verteilt mit einem Mittelwert von 8 Stunden. Der entsprechende Guttyp ist wieder gleichverteilt über alle Guttypen.Die Simulation soll über einen Zeitraum von 1000 Tagen erfolgen. Zu berechnen sind der Lagerbestand und die Verweildauer je Guttyp.

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 72Produktionssimulation

Modell 6 Modell 6 –– EinlagerungsprozessEinlagerungsprozess

Für jeden Gutstrom wird eine eigene Quelle verwendetJedem Gutstrom wird ein eigener Entitätstyp zugeordnet– Diese Lösung ist nur für wenige Güterströme geeignet– Nicht flexibel hinsichtlich der Anzahl der Güterströme

Der Wert des Guttyps wird im Attribut Guttyp eingetragenEntitäten werden in einem HOLD-Modul mit der Option Signal verzögertVerlassen des Lagers

Page 37: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

37

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 73Produktionssimulation

Modell 6 Modell 6 –– EinlagerungsprozessEinlagerungsprozess

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 74Produktionssimulation

Modell 6 Modell 6 –– EinlagerungsprozessEinlagerungsprozess

Warten im Lager auf das Signal zum VerlassenSignal ist spezifisch für den entsprechenden Guttyp

Page 38: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

38

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 75Produktionssimulation

Modell 6 Modell 6 -- EntnahmeprozessEntnahmeprozess

Entsprechend der vorgegebenen Verteilung wird eine Entnahmeprozess gestartetDer Guttyp wird aus einer entsprechenden Gleichverteilung entnommen

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 76Produktionssimulation

Modell 6 Modell 6 -- EntnahmeprozessEntnahmeprozess

Auslösen des Guttyp-spezifischen Signals für die Entitäten im Lager

Page 39: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

39

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 77Produktionssimulation

Modell 6 Modell 6 -- ErgebnisseErgebnisse

Verweilzeiten im Lager je Guttyp

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 78Produktionssimulation

Modell 6 Modell 6 -- ErgebnisseErgebnisse

Lagerbestand je Guttyp

Page 40: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

40

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 79Produktionssimulation

2.2.3 Unbestimmte Verzögerung2.2.3 Unbestimmte Verzögerung

Bei der unbestimmten Verzögerung werden die Entitäten in einen passiven Zustand versetzt („schlafen“)Nur eine andere Entität kann eine schlafende Entität aus dieser Wartschlange heraus lösen.Die unbestimmte Verzögerung ist eine sehr laufzeiteffektive VarianteSie wird häufig zur Synchronisation von Prozessen eingesetztHold-Modul mit Option „Infinite Hold“ ordnet die Entität in eine entsprechende Warteschlange ein.Eine andere Entität löst mittels des Remove-Moduls die schlafende Entität wieder herausKonsequenz: Die aufzuweckende Entität muss identifiziert werden!

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 80Produktionssimulation

Modell 7Modell 7

In einem Lager werden Güter mit einem Verfallsdatum eingelagert. Die Zeit zwischen zwei Einlagerungen ist exponential-verteilt mit einem Mittelwert von 0.3 Stunden. Das Verfallsdatum berechnet sich aus der aktuellen Zeit plus einer Verfallszeit (Exponential-Verteilung mit einem Mittelwert von 3 h)Eine automatische Verfallskontrolle veranlasst ein Entfern alle Güter, die das Verfallsdatum erreicht haben. Die Auslagerung erfolgt in ein Sonderlager.Eine automatische Anzeige informiert einen Lagerarbeiter, wenn sich Güter in dem Sonderlager befinden. Der Lagerarbeiter entsorgt diese Güter einzeln, wobei die Zeit zur Entsorgung einer Exponential-Verteilung mit einem Erwartungswert von 0,1 Stunden entspricht.Geben Sie Angaben über die Lagerbestände in dem Hauptlager und in dem Sonderlager sowie über die Durchlaufzeiten der Güter.

Page 41: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

41

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 81Produktionssimulation

Modell 7 Modell 7 –– Teilprozess EinlagernTeilprozess Einlagern

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 82Produktionssimulation

Modell 7 Modell 7 –– Teilprozess EinlagernTeilprozess Einlagern

Einlagern mit einem Hold-Modul Automatische Übergang in das Sonderlager mittels Option „Scan forCondition“

Page 42: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

42

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 83Produktionssimulation

Modell 7 Modell 7 –– Teilprozess EinlagernTeilprozess Einlagern

Aus dem Sonderlager werden die Entitäten durch einen anderen Prozess herausgeholt. Aus diesem Grund werden die Entitäten passiv. (Hold-Modul mit der Option „Infinite Hold“)

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 84Produktionssimulation

Modell 7 Modell 7 –– Teilprozess LagerarbeiterTeilprozess Lagerarbeiter

Eine Entität vom Entitätstyp „Lagerarbeiter“Wartet in einem Hold-Modul mit der Option „Scan for Condition“ auf das Eintreten der Bedingung ( NQ(Sonderlager.Queue)>1 )

Page 43: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

43

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 85Produktionssimulation

Modell 7 Modell 7 –– Teilprozess LagerarbeiterTeilprozess Lagerarbeiter

Wenn diese Bedingung eingetreten ist, dann entnimmt er die ersteEntität mit dem Remove-Modul aus dem Sonderlager

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 86Produktionssimulation

Modell 7 Modell 7 –– Teilprozess LagerarbeiterTeilprozess Lagerarbeiter

In einem Hold-Modul wird die Lagerarbeiter-Entität verzögert

Page 44: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

44

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 87Produktionssimulation

Modell 7 Modell 7 –– ErgebnisseErgebnisse

Lagerbestände

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 88Produktionssimulation

Modell 7 Modell 7 –– ErgebnisseErgebnisse

Durchlaufzeiten und WIP

Page 45: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

45

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 89Produktionssimulation

2.3 2.3 EntitätenbewegungEntitätenbewegung

Zeitlose Bewegung mittels ConnectZeitbehaftete Bewegung, aber ohne Randbedingungen, mittels RouteBewegung unter Verwendung von Ressourcen bzw. Transporteinrichtungen (erfolgt in einem späteren Kapitel)

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 90Produktionssimulation

2.3.1 Zeitloses Bewegen mit 2.3.1 Zeitloses Bewegen mit ConnectConnect

Bisherige Modellierung:– Bewegung der Entitäten von einem Modul zum nächsten Modul

erfolgt zeitlos erfolgt– Die Module waren mittels der „Connection“ Option graphisch direkt

verbunden– Auf diesen Verbindungen „bewegen“ sich die Entitäten zeitlos

während der Animation. – Dieser Verbindungstyp wird gewählt, wenn die Entitäten keine

realen räumlichen Entfernungen zu überbrücken haben. – Typische Anwendung ist die Verbindung von Modulen zur

Beschreibung von Steuerungen, die zeitlos arbeiten.

Page 46: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

46

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 91Produktionssimulation

ConnectConnect

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 92Produktionssimulation

Zeitbehaftete Zeitbehaftete EntitätenbewegungEntitätenbewegung

Zur Modellierung von Transportvorgängen in offeriert ARENA das sog. Station bzw. Station Transfer Konzept.Station– Platz, an dem Prozesse ablaufen– Lagerplatz für ankommende Teile (Wo dann ein

Bearbeitungsprozess startet)– eine Rampe für ankommende LKW’s.

Station Transfer– Senden einer Entität von einer Station zu einer anderen (Route)– Die physische Verbindung zur Animation der Bewegung zwischen

zwei Stationen wird als Path bezeichnet.

Page 47: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

47

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 93Produktionssimulation

RouteRoute

Route– positive Zeit für die Bewegung der Entitäten – Zeit ist unabhängig von möglichen anderen Randbedingungen

Beim Verlassen eines Moduls mittels Route einen Modul– Entität wird ein neuer Ereigniszeitpunkt zugewiesen– Entität wird aus der Liste der aktiven Entitäten entfernt (Delay)– Wird dieser neue Ereigniszeitpunkt aktuell wird, dann wird die

Entität wieder in die Liste der aktuellen Entitäten übernommenIm Gegensatz dazu wird bei dem Connect-Konzept, die Entität nicht aus der Liste der aktiven Entitäten entfernt.

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 94Produktionssimulation

Modell 8Modell 8

In einem Tagebau übernehmen spezielle LKW’s den Transport der Erze von der Beladestation zur Entladestation. Sowohl an der Be- und Entladestation kann jeweils nur ein LKW bedient werden. Nach dem Entladen müssen die LKW’s von den Fahrern gereinigt werden. Dieses Reinigen findet auf einem speziellen Waschplatz statt, der keine Kapazitätsbeschränkungen hat. Nach dem Reinigen fahren die LKW wieder zur Beladestation. Transportzeiten– Vom Beladen zum Abladen: Gleichverteilung , 8 bis 12 Minuten– Vom Abladen zum Reinigen: Exponentialverteilung , 3 Minuten– Vom Reinigen zum Beladen: Normalverteilung, 8 und 2 Minuten

Prozesszeiten pro LKW– Beladen: Normalverteilung, 10 und 2 Minuten– Abladen: Normalverteilung, 10 und 2 Minuten– Reinigen: Dreiecksverteilung, 1, 3 und 5 Minuten

Nach einer Simulation mit 5 LKW’s über 100 Tage sollen Aussagen zur Auslastung der Be- und Entladestationen und zu den Wartezeiten für die LKW’s erfolgen.

Page 48: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

48

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 95Produktionssimulation

Modell 8 Modell 8 -- LKWLKW

Die LKW’s werden durch Entitäten nachgebildet, die sich durch das Modell bewegen.

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 96Produktionssimulation

Modell 8 Modell 8 -- BeladestationBeladestation

Der Beladestation wird eine Station zugeordnet.Stationen werden aus dem Advanced Tranport Panel angeordnet.

Page 49: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

49

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 97Produktionssimulation

Modell 8 Modell 8 -- RouteRoute

Das Fahren zur Abladestation wird mit dem Route-Modul, ebenfalls aus dem Advanced Tranport Panel modelliert.

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 98Produktionssimulation

Modell 8 Modell 8 -- GesamtmodellGesamtmodell

Page 50: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

50

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 99Produktionssimulation

Modell 8 Modell 8 -- ResultateResultate

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 100Produktionssimulation

Modell 8 Modell 8 -- ResultateResultate

Page 51: 2 ARENA für P&L -  · 2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen

51

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 101Produktionssimulation

Modell 8 Modell 8 -- AnimationAnimation

Aus der AnimateTransfer Toolbar Stationen zur Animation ableiten

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 102Produktionssimulation

Modell 8 Modell 8 -- AnimationAnimation