PROJEKTOWANIE PROCESÓW WYKŁADY
DO egzaminu można przystąpić jeżeli się zaliczy projekt.
[Krótki opis problemu i rozrysować model, wyniki symulacji interpretować, które parametry poprawić aby działał poprawnie, wskazać wąskie gardło + teoria – egzamin pisemny]
Symulacja – sztuczne odtworzenie danego zjawiska lub przestrzeni występujących w naturze lecz trudnych do zbadania, obserwowania, powtórzenia. Stosowana do modelowania dynamicznego uwzględniającego zmiany w czasie.
Symulacja komputerowa – utworzenie symulowanego obiektu w postaci matematyczno-logicznego zapisu.
pomiar sygnałów wejściowych i parametrów modelu (generowanie parametrów wyjściowych, które chcemy uzyskać)
Po co symulacje?
zmniejszenie kosztów
skrócenie czasu równoważonych badań
wcześniejsze wejście na rynek
Model symulacyjny
zbiór instrukcji dla komputerów definiujących każdą ze zmiennych i zależności między nimi.
Wyniki obliczeń komputerowych mówią o zachowaniu się badanego systemu w rzeczywistości i warunkach zadanych komputerowi.
Symulacja istniejącego obiektu:
nie można precyzyjnie obliczyć wyników za pomocą wzorów matematycznych
potrzeba równoczesnego obserwowania elementów systemu
Modele symulacji
dynamiczne – czynnik czasu ma kluczowe znaczenie, stan systemu zmienia się dzięki wpływowi czasu symulacyjnego, a właściwości i atrybuty systemu są zależne od wartości czasu symulacyjnego; wynik jest zależny od czasu trwania symulacji
Przykład:
- modele działania systemów obsługi, produkcji, transportu
statyczne – czas nie wpływa na wynik, zegar symulacji nie jest potrzebny, stan systemu nie jest zależny od czasu i atrybuty systemu nie zmieniają się wraz z czasem symulacji.
Przykład:
- model gry w ruletkę, w którym na wynik poszczególnych losować nie wpływa czas.
Stochastyczne – duże znaczenie mają występujące w tym modelu zmienne losowe, które kontrolują zachowanie procesów, czyli występowanie danych zdarzeń
- pewne zdarzenia występują losowo, czyli nie istnieje jakiś schemat ich występowania
- dobór odpowiedniego generatora wartości losowych
Przykład: czas między przebywaniem klientów w systemie obsługi
deterministyczne – cechy obiektów są zdefiniowane wcześniej lub obliczane na bieżąco wg zadanych wcześniej funkcji matematycznych.
Przykład:
- model analizy finansowej w arkuszu kalkulacyjnym
Tworzenie modelu symulacyjnego
odzwierciedlenie związków, relacji, zachowań obiektów i ich cech systemu rzeczywistego do algorytmów sterujących zachowaniem się systemu wtórnego zamodelowania
mechanizm sterujący monitoruje wartości pewnych cech systemu i na tej podstawie kieruje zachowaniami systemu wg zadanych algorytmów, zmieniając inne cechy systemu
model systemu jest budowany w określonym celu i jego struktura musi być podporządkowana jego osiągnięciu, dlatego cechy wyróżnione w systemie wtórnym nie muszą odpowiadać dokładnie cechom systemu rzeczywistego
w celu zwiększenia efektywności obliczeń stosuje się różne metody
podział zadania złożonego na układ zadań prostych, tak aby autonomiczne rozwiązania zadań prostszych, uzyskiwane w określonej kolejności dawały w rezultacie rozwiązanie zadania wejściowego
inna metoda polega na zmniejszeniu dokładności obliczeń w wyniku czego skraca się czas rozwiązywania zadania
Modelowanie symulacyjne:
bezpośredni opis modelowanego obiektu
podobieństwo struktur obiektu i modelu
przy tworzeniu modelu symulacyjnego opisywane są zasady funkcjonowania każdego elementu obiektu oraz relacje między nimi
Eksperyment symulacyjny:
badanie obiektu za pośrednictwem jego modelu symulacyjnego polega na badaniu charakterystyk procesu zachodzącego w trakcie eksperymentu
Struktura i zasady budowy modelu symulacyjnego:
analiza związków i zależności odwzorowań elementów systemu rzeczywistego i elementów systemu symulacyjnego
elementy odwzorowania:
- aktywne: mechanizmy sterujące systemu
- pasywne: elementy materii systemu rzeczywistego
Ocena modelu symulacyjnego:
adekwatność – ocena w jakim stopniu model odpowiada prawdziwemu systemowi
wiarygodność – w jakim stopniu prawdziwe są wyniki symulacji wykonanej w modelu
ocena wykonywana jest na podstawie rezultatów, objawów działania systemu, a nie na postawie kontroli wewnętrznych mechanizmów generujących te wyniki
Symulacja wytwarzania:
wymaga poprawnego zamodelowania systemu produkcyjnego
podczas tworzenia modelu uwzględnia się następujące właściwości systemu:
- wielkość oraz typ produkcji
- stopień automatyzacji
- nakład pracy wykonanej przez człowieka
- czasy operacji zmieniające się w niewielkim stopniu lub nieznane
- nadejście elementów przeznaczonych do obróbki podczas awarii lub ustawienie stanowiska
- ustalenie marszruty przed rozpoczęciem produkcji
- obróbka i transport el. w partiach
- niezawodność sprzętu
- wpływ transportu materiałów na przepływ produktów
- stabilne zachowanie systemu
Użycie symulacji w produkcji przemysłowej:
zarządzanie komórkami – minuty
kolejność wykonywanych prac – godziny
określenie zasobów – dni
planowanie produkcji – tygodnie
studia nad zmianą procesu – miesiące
konfiguracje systemu – 1-2 lat
oszacowanie technologii – 2-5 lat
Symulacje użyte do podejmowania krótkoterminowych decyzji wymagają bardzo szczegółowych modeli z dużym podobieństwem do rzeczywistych operacji.
Symulacje do podejmowania krótkoterminowych decyzji mogą mieć mniejszy stopień podobieństwa do rzeczywistych systemów.
Symulacja umożliwia:
skrócenie czasu przygotowania i realizacji produkcji
obniżenie kosztów wprowadzonych zmian
szybkie i elastyczne reagowanie na potrzeby rynku
wykorzystanie pełnych mocy produkcyjnych
wzrost produktywności przez wytworzenie serii o większej liczebności produktów
zastosowanie nowych koncepcji w sterowaniu produkcją
utrzymanie nowych stanów magazynowych
opracowanie odpowiedniego harmonogramu produkcji
określenie terminów dostaw materiałów oraz gotowych produktów
dobór wielkości i typów magazynów oraz maszyn
określenie liczby pracowników
określenie zdolności produkcyjnej stworzonej konfiguracji
dobór optymalnego układu fabryki
określenie wielkości jednostkowego ładunku wejściowego oraz transportowego
lokalizację wąskich gardeł
określenie wpływu czasu przestoju oraz ustawienie maszyn na produkcję.
WYKŁAD – 20.10.2014
Użycie symulacji w produkcji przemysłowej
Poprawne zamodelowanie systemu wymaga uwzględnienia:
analizy marszrut alternatywnych
planu rozmieszczenia urządzeń technologicznych
oceny ilości materiału wejściowego
sterowania produkcją
zarządzanie zapasami
planowania szeregu dostaw
planowania produkcji
kontroli w czasie rzeczywistym
symulacji
Analiza marszrut
bada alternatywne drogi procesu przetwarzania i zaopatrzenia materiałowego
decyzje odnoszące się do typu i poziomu automatyzacji użytej w fabryce
typy automatyzacji:
- automatyzacja operacji produkcyjnych
- automatyzacja zaopatrzenia materiałowego
- automatyzacja przepływu informacji
Plan rozmieszczenia urządzeń technologicznych
odgrywa bardzo ważną rolę w przypadku płynnego przepływu strumienia materiałów i produktów
symulacja pomaga zidentyfikować niekorzystne układy przestrzenne i stworzyć takie, które ułatwiają przepływ materiałów
podczas planowania systemu wybiera się jeden z układów:
- układ procesu – maszyny są rozmieszczone w zależności od tego, które czynności wykonują
- układ produktu – maszyny są rozmieszczone wg kolejności operacji, które są wykonywane na produkcji- układ grup części – maszyny są rozmieszczone w taki sposób, aby przetwarzać elementy technologicznie podobne.
Ocena wielkości partii wejściowych
partia odnosi się do liczby części grupowanych razem w konkretnym celu
partie:
- produkcji – wielkość produkcji. Składa się ze wszystkich części jednego typu, które zostały wprowadzone do systemu przed rozpoczęciem nowej produkcji. Jest to liczba detali wykonywanych przy jednorazowym nakładzie czasu przygotowawczo-zakończeniowego na każdą występującą w procesie operacji
- transportu – zbiór części, które są grupowane i przenoszone razem z jednego stanowiska do drugiego. Jest to liczba detali wynikająca z podzielenia partii produkcyjnej na mniejsze jednostki, które są przekazywane na kolejne stanowiska do wykonywania kolejnych operacji.
- procesu – jest zazwyczaj częścią partii transportowej. Jest to liczba elementów, które mogą być jednocześnie obrabiane.
Sterowanie produkcją
odpowiada za przepływ strumienia materiałów pomiędzy poszczególnymi stanowiskami. Symulacja pomaga zaplanować najefektywniejszą i najskuteczniejszą metodę sterowania w odniesieniu do kontrolowanego strumienia materiałów
metody sterowania produkcją:
system tłoczący
system ssący
c) z wykorzystaniem teorii ograniczeń
a) tłoczący – to taki, w którym zlecenie centralne steruje produkcją przez pojemność, możliwości obróbcze stanowisk oraz dostępność materiałów. Po zakończeniu operacji produkty są przesyłane na kolejne stanowiska. W przypadku gdy system nie jest ograniczony przez popyt, ilość materiału wejściowego może być nieograniczona.
Mechanizmem wywołującym zatrzymanie produkcji jest obniżenie się zapasów magazynowych.
Przykład – system MRP
Cechy – duża wrażliwość na zakłócenia, które mogą być wynikiem zmian terminów realizacji, zmian popytu, niewykonania procesu produkcji w zaplanowanym terminie.
b) ssący – nie występuje zlecenie centralne sterujące produkcją. Wielkości zleceń w przypadku kolejnych poprzedzających faz produkcji wynikają z aktualnego popytu zgłaszanego przez pozostałe komórki produkcyjne. Pozwala to na wyprodukowanie niewielkiej liczby części potrzebnych dokładnie w określonym czasie.
System ssący często jest łączony z produkcją Just in Time opartą na redukcji do minimum zapasów, odpadów, wielości partii oraz czasu przepływu (odwrotny do tłoczącego).
c) Zakłada się, że w każdym systemie produkcyjnym istnieje jeden krytyczny proces, który może powodować efekt wąskiego gardła. Teoria ta pozwala operacji wąskiego gardła nadać tempo pracy dla całego systemu.
Bufor w tym przypadku jest umieszczony przed stanowiskiem. Powoduje utrzymanie ciągłości produkcji podczas wzrostu jej tempa.
Słabości tego typu sterowania jest niezdolność do przewidywania wydajności w przypadku wyeliminowania wąskich gardeł.
Symulacja może pozwolić na określenie skutków tej eliminacji. Pomaga także w tworzeniu wąskich gardeł zależnych od rodzaju produktów i tempa ich przepływu. Symulacja kontroli teorii ograniczeń może pomóc określić , gdzie występują wąskie gardła i jakiej wielkości buforu należy użyć przed stanowiskiem, aby osiągnąć optymalne skutki.
Wymaga planowania, harmonogramowania i szybkości działania by utrzymać właściwą działalność produkcyjną. Z powodu dużego wpływu kosztów magazynowania rozwija się i utrzymuje odpowiedni system zarządzania zapasami krytycznymi.
Cele łączące zarządzanie zapasami we wszystkich fazach produkcji to:
- natychmiastowa odpowiedź na żądanie klienta
- minimalizacja zleceń i kosztów związanych z dostarczeniem zapasów
- minimalizacja ilości rezerw, jak również kosztów transportu
Decyzje oddziałujące na poziom rezerw i kosztów zawierają informacje
- jak duże powinno być zamówienie materiałów, gdy uzupełniane są zapasy
- kiedy powinny zostać zamówione zwiększone rezerwy
- jaki należy utrzymać optymalny poziom rezerw
Symulacja może ujawnić szczegółowy wzrost i zmniejszenie się poziomu rezerw, jak również przedstawia statystykę (średni poziom zapasów, czas oczekiwania na dostarczenie).
Korzyści wynikające z użycia symulacji do planowania rezerw:
- większa dokładność, ponieważ obserwuje się model, w którym możliwe jest odwzorowanie nieregularnego stanu rezerw
- większa elastyczność, ponieważ model może zostać dopasowany do wymaganych ograniczeń
- łatwiejsze modelowanie, ponieważ złożone formuły, które próbują opisać model są zastąpione przez proste arytmetyczne wyrażenia, opisujące podstawowe relacje pomiędzy przyczynami i skutkami
- łatwiejsze zrozumienie.................
Zarządzanie zaopatrzeniem
Na zaopatrzenie mają wpływ:
- dostawcy
- producenci
- dystrybutorzy
- klienci
Cele związane z zarządzaniem zaopatrzeniem:
- zmniejszenie kosztów zaopatrzenia materiałowego
- ulepszenie działu obsługi klienta
Symulacja analizuje wpływ współzależności i zmian w czasie między produkcją a zaopatrzeniem.
Planowanie produkcji określa początek i koniec czasu wytwarzania
- symulacja oparta na planowaniu – symulacja użyta do planowania produkcji
- planowanie statyczne – określa się termin rozpoczęcia i zakończenia produkcji
- planowanie dynamiczne – ułożenie kolejności prac oczekujących na wykonanie na poszczególnej maszynie
W planowaniu zwykle próbuje się osiągnąć 4 główne cele:
- minimalne opóźnienia pracy
- minimalny czas przepływu lub czas produkcji
- maksymalne wykorzystanie zasobów
- minimalne koszty produkcji
Symulacja oparta na planowaniu charakteryzuje się cechami:
- model ujmuje początkowy stan
- czasy wykonania operacji są z góry zdefiniowane
- zakłócenia zostają pominięte
- symulacja jest przeprowadzana dopóki nie zostaną spełnione określone warunki
Techniki modelowania systemu
- modelowanie przygotowania stanowiska
- modelowanie załadunku i wyładunku przedmiotu pracy na stanowisku
- modelowanie wybraków
- modelowanie transportu maszynowego
Pojęcie systemu
System – zbiór powiązanych ze sobą elementów scharakteryzowanych za pomocą cech (atrybutów), które również mogą być ze sobą powiązane.
Stan obiektu – definiowany jest łącznie przez wszystkie atrybuty obiektu.
Stan systemu – definiowany jest łącznie przez stany obiektów.
Cechy charakteryzujące system:
- ma on linie graniczne – wyodrębniają obiekty systemu spośród obiektów, które stanowią jego otoczenie
istnieje w pewnym otoczeniu – zbiór, w którym osadzony jest pewien modelowania ma podsystemy
Analiza systemu obejmuje badanie zmian jego stanów w czasie.
Działania systemu w danym czasie – ciąg stanów, jakie system przyjmuje w pewnym określonym czasie
Przykład systemu:
System: ruch drogowy
Obiekty: samochody
Atrybuty: prędkość, odległości
Działania: prowadzenie samochodu
System: dom towarowy
Obiekty: klienci
Atrybuty: lista zakupów
Działania: płacenie należności
Rodzaje systemów:
otwarty – może istnieć tylko w jednym szczególnym otoczeniu
zamknięty – może istnieć w kilku alternatywnych otoczeniach
adaptacyjny – potrafi reagować na zmiany w swoim otoczeniu
nieadaptacyjny – jest pozbawiony tej reakcji
Procesy stochastyczne
określa się jako funkcję y(t) zależną od parametru czasowego t, której wartości w każdej chwili są zmiennymi losowymi
jeżeli parametr t przybiera wartości dyskretne, to proces taki redukuje się do ciągu zmiennych losowych – procesy łańcuchowe
procesy o dyskretnych realizacjach – procesy stochastyczne, w których istnieje pewien ustalony skończony lub policzony...
zasadniczym zagadnieniem teorii procesów stochastycznych jest znalezienie rozkładu prawdopodobieństwa zmiennej losowej y(t) w pewnej chwili t na podstawie znajomości realizacji y(s) tej zmiennej losowej w pewnych chwilach s.
WYKŁAD – 3.11.2014
Podstawy modelowania
Podstawy modelowania – teoria prawdopodobieństwa zgodnie z którą absolutne prawdopodobieństwo modelu i układu (obiektu) można osiągnąć tylko wtedy, gdy badany model będzie równocześnie obiektem.
W praktyce modelowania nie dąży się do podobieństwa absolutnego.
Podstawowym problemem modelowania jest umiejętność upraszczania modelu, tzn. wybór niezbędnego i wystarczającego stopnia jego podobieństwa do obiektu modelowanego.
Rozkłady prawdopodobieństwa
Prawdopodobieństwo jest liczbową miarą stopnia pewności wystąpienia zdarzenia.
p = $\frac{m}{n}$
m – liczba przypadków pomyślnych
n – sumaryczna liczba jednakowo podobnych zdarzeń
$\frac{\text{dF}(X)}{\text{dx}}$ = f(x)
F(X) = ∫−∞xf(x)dx
gdzie: (?)
Zależność między funkcją rozkładu prawdopodobieństwa F(X) a funkcją gęstości prawdopodobieństwa f(x) w przypadku rozkładu dyskretnego jest określna zależnością: F(X) = $\sum_{}^{}{f(x)}$
Rozkład dwumianowy – Binomial
- funkcja prawdopodobieństwa zmiennej losowej x wg rozkładu dwumianowego ma postać:
P(X=k) = Ckn * pk * qn-kgdzie n=1,2...n
x = 0,1,2...n
0 < p < 1 p-prawdopodobieństwo sukcesu
q = 1 – p q – prawdopodobieństwo porażki
Przy użyciu zmiennej losowej o tym rozkładzie można opisywać:
- liczbę uszkodzeń parku maszynowego w określonym przedziale czasu, pod warunkiem, że uszkodzenia są wzajemnie niezależne
- liczbę sztuk wybrakowanych w próbie wylosowanych w losowaniu niezależnym (ze zwracaniem) z populacji ogólnej o ustalonej wadliwości
- czas do zakończenia zadania
Zmienna losowa o tym rozkładzie dwumianowym jest liczbą wystąpień określonego zdarzenia w serii doświadczeń.
Główne cechy:
- jest rozkładem sumy n niezależnych zmiennych losowych o rozkładzie zerojedynkowym
- zmienna losowa o rozkładzie dwumianowym jest zmienną skokową o wartościach nieujemnych- jeśli prawdopodobieństwo sukcesu i niepowodzenia są takie same, to rozkład jest symetryczny
Zapis w języku 4DScript w ED
Binomial(e1, e2,{e3})
e1 – liczba prób
e2 - % prawdopodobieństwa sukcesu
e3 – parametr opcjonalny, pozwala zastosować określony generator liczb losowych
Przykład Binomial(4,20) – mamy 4 próby, każda z 20%szansą sukcesu. Funkcja zwraca liczbę sukcesów.
Rozkład dwumianowy - NegBinomial
NegBinomial(e1,e2,{e3})
e1 – liczba sukcesówe2 - % prawdopodobieństwa sukcesu
e3 – opcjonalny, taki sam jw
Funkcja powtarza próby z prawdopodobieństwem sukcesu z określonym parametrem e2 aż do próby określonej parametrem e1. Zwraca liczbę niepowodzeń, używając generatora liczb losowych określonego parametrem e3.
Rozkład Bernoullego
Jest to ten sam rozkład co rozkład dwumianowy, ale w programie ED są one rozróżniane.
Bernoulli(e1, e2, e3, {e4})
e1 – prawdopodobieństwa wystąpienia e2
e2 – jest zwracana z prawdopodobieństwem 100%-e1
Przykład: Bernoulli(95,1,2) – oznacza, że w 95% jest zwracana 1, a w 5% przypadków 2.
Kiedy:
- generowana jest przypadkowa liczba- wartość ta jest porównywana z prawdopodobieństwem podzielonym przez 100
- jeśli wygenerowana wartość jest mniejsza od wartości przyjętej jako true, zwracana jest wartość true(e2)- jeśli wygenerowana wartość jest równa wartości przyjętej jako false lub od niej większa , zwracana jest wartość e3
Parametr e4 jest opcjonalny, pozwala użyć określonego przez siebie generatora liczb losowych.
Rozkład beta
Zmienna losowa x ma rozkład beta, jeśli jej gęstość prawdopodobieństwa wyraża się wzorem: x<0 lub x>1
F(x) = (?)
gdzie:
Ma skończoną dolną i górną granicę.
Rozkładem beta mogą być określane:
- przesunięcia fazowe teorii sygnałów
- proporcje w mieszaninie gazów
- stałość współczynnika odbicia
- zakłócenia i moc sygnału radiowego
- czas zakończenia zadania
- zużycie narzędzi
- statystyczna kontrola jakości produkcji
- statystyczny odbiór towarów
Używany w teorii niezawodności jako rozkład:
- czasu znajdowania się obiektu w stanie pracy lub gotowości do pracy
- czasu naprawy obiektu
- czasu diagnozy obiektu
Zapis w języku 4DScript w ED
Beta(e1,e2,e3,{e4})
e1 –średnia
e2 – parametr kształtu
e3 – parametr skali
e4 – parametr opcjonalny, pozwala na użycie określonego generatora liczb
Rozkład równomierny (Uniform)
Funkcja gęstości prawdopodobieństwa jest dana wzorami: p(x) = $\frac{1}{\max{- \ min}}$
p(x) = 1 (dla najczęściej stosowanego przedziału x(0,1))
Funkcja rozkładu prawdopodobieństwa jest określona wzorem: P(x) = ∫dx 0<=x<=1
Rozkład stosowany jest jako przybliżenie, gdy znany jest tylko prawdopodobny rząd wartości.
Za jego pomocą nie można opisać żadnych zjawisk fizycznych, gdyż na ogół nie cechują się one równomiernością.
Zastosowanie znajduje wtedy, gdy wybór jednej możliwości z wielu jest czysto losowy.
Prawdopodobieństwo zdarzenia, które nie zawiera się w granicach nim i maks, jest równe zeru.
Przykładami zmiennej losowej o rozkładzie równomiernym są:
- średnica wałka wybranego losowo spośród wałków toczonych przy użyciu jednego noża, którego zużycie jest proporcjonalne od liczby wytoczonych wałków
- różnica drgań dwóch źródeł napięcia sinusoidalnego włączanych niezależnie
- błąd zaokrąglenia liczby uzyskanej z pomiaru lub obliczeń.
Zapis w języku 4DScript w ED: uniform(e1,e2,{e3})
e1, dolna granica
e2, górna granica
Przykład: Uniform(10,20) – funkcja zwraca dowolną liczbę według rozkładu równomiernego, z zakresu pomiędzy 10 a 20.
Rozkład dyskretny równomierny (dUniform) – to samo co wyżej, ale tylko z liczbami całkowitymi (dUniform)
Rozkład Erlanga
Szczególny przypadek rozkładu gamma, w przypadku którego α = n, n = 1,2,…
Gęstość rozkładu określona jest następująco: (?)
gdzie: min – minimum x
m – współczynnik kształtu, musi być liczbą całkowitą dodatnią
β – współczynnik skali > 0
Dla m = 1 rozkład Erlanga odpowiada rozkładowi wykładniczemu.
Stosowany przy określaniu niezawodności, w teorii kolejek, w dyskretnych symulacjach zdarzeń.
Erlang(e1,e2,{e3})
e1 – średnica rozkładu prawdopodobieństwae2 – parametr od którego zależy kształt wykresu (musi być liczbą całkowitą)
e3 – opcjonalny i pozwala na użycie określonego generatora liczb losowych
Rozkład Gamma
Gęstość funkcji prawdopodobieństwa rozkładu gamma dana jest wzorem: (?)
gdzie: min – minimum x
α – parametr kształtu > 0
β – parametr skali > 0
Gęstość rozkładu gamma można przedstawić w postaci:
Zastosowanie: statystyczna kontrola jakości produkcji, statystyczny odbiór towarów.
Czas potrzebny do wykonania zadania może być opisany tym rozkładem.
Jest bardzo ważny przy badaniu niezawodności obiektów odnawialnych, gdyż suma zmiennych losowych o rozkładzie gamma przy pewnych warunkach, ma również rozkład gamma.
Oznacza to, że jeśli czas pracy między uszkodzeniami ma rozkład gamma, to również sumaryczny czas pracy ma rozkład gamma.
Rozkład gamma jest używany do aproksymacji rozkładu normalnego w przypadku dużych wartości α.
Może reprezentować:
- czas życia (np. trwałość narzędzia)
- czas obsługi
- czasy między kolejnymi przybyciami określonego produktu w procesie produkcyjnym
Dla α = 1 rozkład gamma sprowadza się do rozkładu wykładniczego.
Jeśli α jest liczbą całkowitą dodatnią, to rozkład gamma sprowadza się do rozkładu Erlanga.
Gamma(e1,e2,{e3})
e1 – średnia rozkładu prawdopodobieństwae2 – współczynnik α rozkładu gamma
e3 – opcjonalny
Rozkład Geometryczny
Funkcja gęstości rozkładu geometrycznego dana jest wzorem:
f(x) = p(1-px), p – prawdopodobieństwo sukcesu x = 1,2…
Interpretacja: zmienna losowa o rozkładzie geometrycznym jest równa liczbie niezależnych powtórzeń doświadczenia koniecznych do tego, aby po raz pierwszy wystąpiło określone zdarzenie, którego prawdopodobieństwo wystąpienia w pojedynczej realizacji jest równe p.
Może być użyty do:
- określenia popytu
- rozwiązywania problemu kontroli biletów
- sporządzania modeli meteorologicznych
Zapis w języku 4DScript w ED
Geometric(e1,{e2}), powtarza próby z 100/(1+e1) % szans sukcesu dopóki nie osiągnie sukcesu. Wtedy zwraca liczbę porażek.
Rozkłąd logarytmiczno-normalny – jest rozkładem normalnym zmiennej lnx
Gęstość prawdopodobieństwa ma postać:
f(x) = 0 dla x <= 0
gdzie: m – średnia, - odchylenie standardowe
Zastosowanie:
- przy badaniu czasu zdatności obiektów, których uszkodzenia są powodowane stopniowo powiększającymi się pęknięciami zmęczeniowymi
- jako model losowy wielkości ziarn wtrąconych widocznych w przełomie próbki metalu
Zapis w języku 4DScript w ED: LogNormal(e1,e2,{e3})
e1 – średnia
e2 – odchylenie standardowe
e3 – opcjonalny
Rozkład logistyczny
Gęstość prawdopodobieństwa ma postać:
gdzie: m – średnia, - odchylenie standardowe
Zastosowanie w ekonomii i naukach biologicznych.
Zapis w języku 4DScrip w ED: Logistic(e1,e2{,e3})
e1 – średnia rozkładu
e2 – odchylenie
Rozkład logarytmiczno-logistyczny
Zapis w języku 4DScrip w ED: LogLogistic(e1,e2,{e3})
e1 – średnia rozkładu
e2- parametr alfa rozkładu
Rozkład wykładniczy
Zmienna losowa x ma rozkład wykładniczy, jeżeli jej gęstość ma postać:
Rozkład używany w procesach, w których interwały pomiędzy zdarzeniami są niezależne.
Zapis w języku 4DScrip w ED: NegExp(e1,{e2})
e1 – średnia rozkładu
Za pomocą rozkładu wykładniczego można opisać:
- czas międzyawaryjny urządzeń
- dostarczanie elementów do bufora międzyoperacyjnego
- badania czasów życia różnych urządzeń
- losowe wstępowanie awarii
- procesy śmierci (awarii struktur)
- szum źródłowy i szum w odbiorniku po detekcji
- awarie skomplikowanych urządzeń
- odstępy czasowe między kolejnymi awariami systemu elektronicznego
- zagadnienia ruchu na liniach telefonicznych
- problemy czasu obsługi i czasu oczekiwania na obsługę przy maszynach
- problemy czasu eksploatacji elementów
- czas odstępu między nadejściem kolejnych samochodów dostawczych do magazynu
WYKŁAD – 17.11.2014
Rozkład normalny,
gdy znana jest wartość średnia i wartości zdarzeń są bliskie średniej
- odbicie czasu między-awaryjnego, gdy liczba uszkodzeń jest rosnąca i maszyna podlega
stopniowemu zużyciu
- błędy pomiarów długości kątowych i liniowych
- błędy pomiarów prędkości kątowych i liniowych
- średnice otworów powstałych w trakcie wiercenia
- wyniki badań testowych
- wzrost lub waga populacji
Rozkład Pearsona typu 5
PearsonT5
e1 – średnia rozkładue2 – parametr α rozkładu
Rozkład Pearsona typu 6
PearsonT6
e1- średnia rozkładue2, e3 – parametry α1 α2 rozkładu
Rozkład Poissona
rozkład dyskretny opisujący występowanie rzadkich zdarzeń w danym przedziale
- liczba zgłoszeń centrali telefonicznej w określonym czasie
- liczba usterek w wyprodukowanym przedmiocie (liczba braków wyprodukowanych przez
automat w ciągu ustalonego czasu)
- liczba cząsteczek emitowanych przez substancje radioaktywną w określonym kierunku w
ustalonym czasie
Rozkład trójkątny
Triangular(e1,e2, e3,{e4})
e1 – średnia
e2 – min
e3 - max
Rozkład trójkątny ze szczytem
TriangularTop
TriangularTop(e1,e2,e3,{e4})
e1 – top (czyli co? Najczęstsza wartość?)e2 – min
e3 – max
Rozkład Weibulla
Weibull(e1,e2,{e3})
e1 – średnia rozkładue2 – parametr alfa rozkładu
- średni czas między awariami
- określenie czasu do zakończenia zadania
- tworzenie modelu zmęczenia materiałów
- reprezentowanie prędkości wiatru
- prognozowanie intensywności opadów
EGZAMIN:
Krótkie odpowiedzi – nie wypracowania
Teoretyczne modele symulacyjne, symulacje, procesy – definicje
Rozkłady prawdopodobieństwa – opis problemu – jakim rozkładem co opisać, kiedy użyć
Opis problemu – narysować schemat blokowy, jakie obiekty w ED do tego wykorzystać
Pytania z nowych obiektów: do czego służy dany obiekt, co można zrobić, do czego się stosuje
Pytania na myślenie - jaki okres symulacji, które parametry nas interesują, na co zwrócić uwagę
NOWE OBIEKTY:
Transportery
Transportery służą do przedstawiania wózków widłowych lub innych pojazdów. Wyróżniamy:
Transporter (zwykły) – ustawiamy w nim prędkość, przyspieszenie i opóźnienie, czas załadunku i wyładunku, gdzie wysłać i jaką strategię wejściową zastosować. Kanały ustawiamy normalnie jak w każdym innym obiekcie w ED.
Transporter zaawansowany (Advanced Transporter) – oprócz wcześniejszych wartości możemy też ustawić dużo innych parametrów typowych dla wózka widłowego, istnieje możliwość użycia baterii i jej cyklicznego ładowania (Battery Charging Station).W zakładce Offset możemy ustawić miejsca zabrania i odłożenia na podstawie tabeli. Inaczej łączymy kanały: jeśli mamy kilka zaawansowanych transporterów, które mają pobrać produkt z tej samej lokalizacji, stosujemy między nimi obiekt Dispatcher (dyspozytor) i ustawiamy w nim sposób rozdzielania produktów między wózki. Natomiast w przypadku, gdy zaawansowany transporter musi dostarczyć produkt do kilku różnych lokalizacji, stosujemy obiekt Destinator (łączymy go z wyjściem z transportera, i z wejściami obiektów docelowych). Wtedy w Zaawansowanym Transporterze ustawiamy parametr Send to (destinator tylko rozdziela kanały).
Przenośniki
Przenośniki akumulujące (Accumulating Conveyor) – są to przenośniki rolkowe; jeśli jakiś produkt zatrzyma się na końcu przenośnika i czeka na obróbkę na maszynie, to kolejny produkt podjeżdża tuż za niego.
Przenośniki nieakumulujące (Non Accumulating Conveyor) – przenośniki taśmowe, jeśli produkt się zatrzyma na końcu to cała taśma staje, kolejny produkt jest w stałej odległości.
W przenośnikach ustawiamy ich prędkość, długość, szerokość, dokąd mają wysłać produkt, ile produktów maksymalnie może się na nich znajdować, czy pomiędzy produktami musi być przerwa czy nie. Jeśli weźmiemy Advanced Accumulating/Non Accumulating Conveyor to mamy jeszcze więcej opcji, np. sensors – czujniki które ustawiamy na określonym miejscu na przenośniku i wpisujemy co ma się dziać w momencie kiedy produkt najeżdża na czujnik i gdy go mija.
Robot
Robot może być np. manipulatorem. Ustawiamy skąd i dokąd mają iść produkty, prędkość obrotu w stopniach na sekundę, czas załadowania i wyładowania.
Assembler
Assembler służy do łączenia kilku produktów w jeden. Może to być np. tworzenie palety, lub dodawanie różnych elementów do głównego produktu. Ważne jest to, że do pierwszego kanału zawsze musi wchodzić tylko 1 element. Ilość elementów z pozostałych kanałów ustawiamy w tabeli Bill Of Materials (B.O.M.)
Unpack
Służy do wypakowywania całej lub części zawartości kontenera. Kontener wychodzi 2 kanałem, a jego zawartość pierwszym.
Splitter
Tworzy kopie produktów rozsyłane do różnych kanałów. Ilość kopii możemy ustawić w tabeli.
Human Resources
Human Resource – czyli człowiek – nie łączymy go kanałami, do tego służą albo formuły albo atomy Call/Free Human Resources.
Human Resource Team – rozdziela zadania poszczególnym pracownikom; Team Reference zaznaczamy i wpisujemy w jaki sposób będziemy się odnosić do tego zespołu pracowników w formułach. Kiedy mamy pracowników o różnych umiejętnościach, np. czy potrafią obsługiwać jakąś maszynę, uzupełniamy tabelę Team Skills Table.
Obiekty Call/Free H. R. – kiedy mamy dłuższe linie przy których pracownik podąża za produktem, ustawiamy obiekt Call, po nim np. 3 maszyny, i obiekt Free. Uzupełniamy w nich tabelkę z parametrami (takie same parametry są w nawiasie w funkcjach HumanResourceTeam_CallResources i HumanResourceTeam_FreeResources).
User Events
Ten obiekt jest wykorzystywany do stworzenia i zarządzania „zdarzeniami użytkownika” w modelu. Są to formuły napisane w języku 4DScript które są uruchamiane w określonym momencie. Przykładowe wykorzystanie to odczyt danych z pliku, bądź zapis danych do pliku.
Arrivallist
Tworzy obiekty na podstawie wcześniej zdefiniowanej listy. Lista może się powtarzać w procesie ciągłym lub po określonym czasie. Każdy rekord w liście zawiera czas przybycia, nazwę, ilość i kanał przez który produkt będzie wysyłany. O określonym czasie określona liczba produktów jest tworzona i nadaje się jej określoną nazwę (np. numer zamówienia).
Multi Service
Zastępuje kilka zwykłych Serverów. Służy do obsługiwania na raz większej ilości produktów. Ustawiamy maksymalną ilość obsługiwanych produktów oraz czas obsługi jednego. Produkty są obsługiwane niezależnie od siebie.
Elevation (winda)