《哈尔滨商业大学生产仿真报告》由会员分享，可在线阅读，更多相关《哈尔滨商业大学生产仿真报告（18页珍藏版）》请在金锄头文库上搜索。
1、生产管理仿真与优化实验学 院：轻工学院 专 业：工业工程 指导教师：宫运启 实 验 者：马书成 学 号：200910840291生产管理仿真与优化实验1.实验课程简介本实验采用的是西门子数字化工厂Plant simulation软件工具，该软件是面向对象的、图形化的、集成的建模、仿真工具，系统结构和实施都满足面向对象的要求。Plant simulation可以对各种规模的工厂和生产线，包括大规模的跨国企业建模、仿真和优化生产系统，分析和优化生产布局、资源利用率、产能和效率、物流和供需链等。作为数字化制造领域领先的系统软件，Siemens(西门子)公司的Tecnomatix系列软件在国内的高端制
2、造业应用非常广泛，在高校的教学科研中也得到了普遍的使用。生产系统仿真软件Plant Simulation(原eM-Plant软件)的应用除了在高端制造业外，在离散制造业尤其是中小型企业也得到了越来越广泛的应用。2.学生应达到的实验能力与标准上机实验前，应认真预习实验内容及有关的相应知识。查找有关信息，了解Plant simulation的应用知识。熟悉和使用Plant simulation软件工具。掌握仿真建模流程。了解Plant simulation建模的基本元素、对象及SimTalk语言。了解统计分析、优化工具。3实验报告要求写出实验目的及实验的总体思路；写出主要实验步骤；并附相应实验屏幕
3、截图。要保证实验的完整性。将模型的不同参数运行结果进行对比，分析结果。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（以下可参考教材生产系统仿真-Plant Simulation应用教程）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 启动Plant Simulation (V8.2或者V9.a )，新建一个模型，初始状态如图1.1
4、所示。图1.12.1.2选择“文件一加入对象遗传算法”，可以发现Explorer下方的对象库 （Class Library）中弹出了一个GA文件夹，Toolbox工具栏增加一项Genetic Algorithms(遗传算法)。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Plant Simulation的安装目录的Tools，首先加载GAWizard. obj遗传算法向导对象，如图1.2所示。重复上一步加载GanttWizard. obj甘特图对象（ExperimentManager实验管理器对象是默认载入的)，加载完成后观察Toolbox和Crass L
5、ibrary有什么变化，后续教程中加载其他外部对象的步骤与此一致。图1.22.1.3 建立基本生产线模型在SingleLine模型层中插入如图1.3所示的对象(所有对象的参数均先不设置)，将各对象如图1.3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SingIeLine的主菜单“ViewOptionShow Object lbels。EventController按图1.3所示设置，仿真时间为连续的100h，即4d4h。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后改名为Reset然后图标就变为系统图标了。方法Set-Vars属于用户自
6、定义的方法，一般采用蓝色图标的Method(方法)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Show Attributes and Methods(或者单击Set-Vars图标再按F8键)。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1.3所示，Set-Vars变为绿色的图标了。图1.3 两条生产线模型图2.1.4 设置模型的全局变量在Plant Simulation中，一般使用Informatian Flow(信息流对象)中的，
7、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。如果将全局变量进行分类就会发现可以将其分为两类，需要显示信息的和可以不用显示信息的。一般情况下，推荐将不用显示信息的全局变量采用下面的方式来定义。单击模型层主菜单Tool，在下拉菜单中选择Custom Attribute。在弹出的对话框中单击NeW按钮，弹出如图1.4所示的变量定义对话框，按书上所示的变量及数据类型分别定义这5个全局变量(或称为属性)。如果定义完成后要进行修改、删除等操作，则可分别选择EditDelete”来执行。图1.4 用户自定义属性2.1.5 Me
8、thod 编程双击CalOutPut，输入如下SimTalk语句：图1.5 编程语句双击Drain 1，弹出如图1.6 所示的对话框，在Entrance后面的文本框中输入CalOutput后单击OK按钮退出，Drain2的设置操作相同。图 1.6双击Set-Vars，输入如下语句：图 1.7双击Reset打开，在do和end之间插入”Set-Vars”。双击Set-Vacs运行，就可以对模型中的对象进行参数设置了。2.2 机器设备的故障率对产出的影响 （以下可参考教材生产系统仿真-Plant Simulation应用教程）包括修改模型、试验实施过程、回归分析、获取数据和瓶颈分析等内容。2.2.
9、1 修改模型以最后一个工站M25为例，讨论M25故障率变化如何来影响产出率。单击模型层主菜单Tools，在一下拉菜单中选择Custarn Attribute增加两个变量Availability5和MTTR5均为实数类型，初始值分别为95和600同时将Availability的值由95改为100，表示其他几台机器不发生故障。修改Reset，按如下SimTalk语句来整理:isdoprint”Lets go.;Set_Vars;M25.MTTR := Avalability5;M25.Avalability := Avalability5;end;此时运行模型，可以发现M21-M24没有设置故障，
10、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2.1。图2.12.2.2 实验实施过程现实中很难控制设备的故障率，因此，仿真试验设计的优点在此体现出来了。以设备可利用率Availability5由80%向100%变化为例，希望找出x和Y之间的关系。输入重复试验次数为10置信水平为95%，然后单击Aply按钮。注意输入数据后一定要单击Apply按钮，否则可能会遗失刚才输入的数据。单击Output Values，在弹出对话框的Output Values栏下输入试验指标OutR
11、ate_Liue2,或者直接将OutRate Line2图标拖入Output Values栏下的空白输入区域，然后单击Apply按钮。选择Define input values，单击Input values，在弹出的input Values栏下第一行输入Availability5。选择主菜单Tools项，选择单因素多水平试验Multi-leve1 Experimental Design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，如图2.2所示。图 2.2单击DOE1的Run标签页，因为本次试验是小试验，所以不必单击Test先做测试了，可以选择“Reset- Start
12、”，开始进行仿真试验。几分钟后仿真结束，如果时间比较长，可以适当减少重复次数或者将变化级差调整为2建议每次做试验前，最好先运行一次Set_Vars恢复参数为初始值。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，Avalability5和OutRate_Line2的关系如图2.2、2.3所示。图 2.32.2.3 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。将Reset里的语句全部注释，以下全部采用人工修改。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Lrne
13、 1是一样的产出。M 15/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95.3%左右。如图2.4：图2.4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98.2%左右。如图2.5：图2.5结论与分析：单机故障在工站间暂无存区的情况，基本按1:1的关系影响系统的产出，多机故障对系统产出有“匀化”作用。瓶颈工序的故障率对系统产出率影响最明显。2.2.4 加工时间的影响右击SingleLine，在弹出菜单中选择“复制”选项，系统复制一个Si
14、ngleLine模型层，并自动命名为SingIeLinel。关闭SingleLine，打开SingleLinel。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。将Reset方法修改Set_ Vars方法修改将SigMa改为5，即加工时间的标准差为加工时间的5%。如果加工时间u=60s，则标准差3s.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95.3%左右，说明加工时间的波动对于产出率也是有比较大的影响的，如图2.6所示。图 2.6先将Set _V
15、ars中的包含Obj.proctime.setParam的这一行注释，再运行模型可以得到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 2.7：图 2.7双击DOE1打开窗口，选择Define input values，单击Input Values,在弹出的Input Values栏下将第一行内的Availability5改为SigMa。选择DOE1的主菜单Tools项，选择单因素多水平试验Multi-level ExpeziznentalDesign,输入低水平为1,高水平为10，变化级差为1，即加工时间中标准差的波动在平均时间的1%-10%变化，因此共有10次全试验。重复试验次数设为10，置信水平为95% 。单击DOE1的Run标签页，选择“Rest_Start”，开始进行仿真试验。如图2.8：图2.82.2.5加工时间、故障率对产出率的联合作用首先新建第二个模型层。右击SingleLine在弹出菜单中选择“复制”选项，系统复制一个Singl
