arena tutorial 2 - tom/simsys/downloads/arenatutorial2.pdf · 3 otto-von-guericke-universität...

1

Otto-von-Guericke-Universität Magdeburg Thomas Schulze

ARENA ARENA Tutorial Tutorial --22

Otto-von-Guericke-Universität Magdeburg Thomas Schulze 2

ARENA ARENA TutorialTutorial

1. Historisches2. Basis-Elemente3. Ergebnisanalyse4. Modellierung von Transportvorgängen5. Integration mit anderen Systemen6. Customizing7. Kontinuierliche und kombinierte Modelle

2


FallstudieFallstudie

� In einer Montageabteilung werden Ventilatoren montiert. Alle Teile der zu montierenden Ventilatoren werden in Kisten angeliefert, wobei die Zwischenankunftszeit einer Dreiecksverteilung entspricht (2,5,10).

� Alle Zeitangaben sind in Minuten.� Es sind 4 Werker zur Montage vorgesehen. Die

ankommenden Kisten werden gepuffert und der nächste freie Werker entnimmt eine Kiste



� Die Montagezeiten sind werkerabhängig und unterliegen auch einer Dreiecksverteilung – Werker 1 : (15, 18, 20)– Werker 2 : (16, 19, 22)– Werker 3 : (16, 20, 24)– Werker 4 : (17, 20, 23)

� Nach der Montage werden die Ventilatoren geprüft. Mit einer Wahrscheinlichkeit von 7 % ist ein Ventilator defekt. Ein defekter Ventilator wird zu dem Werker zurück gesendet, der diesen auch montiert hat.

� Defekte Ventilatoren werden bevorzugt montiert. Die Reparaturzeiten sind um 30 % höher als die normalen Montagezeiten

3



� Die Simulation soll 20 000 Minuten betragen� Es soll die Auslastung der Werker und die

Verweilzeit der Ventilatoren im System berechnet werden

� Modell (Model1.doe)


Abbildung der WerkerAbbildung der Werker

� Jeder Werker wird durch eine Ressource abgebildet� Werker werden in einem Set zusammengefasst (Warum?)

4


SEIZESEIZE

Nummer des Werkers Wird im Attribut gemerkt


DELAYDELAY

� Die Montagezeiten werden mittels Expressions abgebildet

� Bezugnahme im DELAY-Modul

Reihenfolge entspricht derNummerierung der Werker

5


ReleaseRelease


KontrolleKontrolle

6


Reparatur defekter GeräteReparatur defekter Geräte

� Defekte Geräte an den betreffenden Werker mit höherer Priorität

Priorität High


Delay Delay für defekte Gerätefür defekte Geräte

30% höhereMontagezeit

7


Release für defekte GeräteRelease für defekte Geräte


Steuerung der SimulationSteuerung der Simulation

Zeiteinheiten

8


Auslastung der WerkerAuslastung der Werker


WarteschlangenWarteschlangen

9


WarteschlangenWarteschlangen


Verweilzeit der VentilatorenVerweilzeit der Ventilatoren

10


Ergebnisanalyse Ergebnisanalyse

� Terminating: Spezielle Bedingungen beim Start und beim Ende der Simulation– Länge des Simulationslaufes ist definiert (über die Zeit

oder durch eine Bedingung)– Typisches Beispiel : Simulation einer Bank

� Steady-state: Langer Lauf (eigentlich unendlich)– Initialisierungsbedingungen müssen ausgeschlossen

werden.– Eigentlich nicht klar, wie lange simuliert werden soll– Typisches Beispiel: Unfallklinik, Produktionsprozess


Unabhängige LäufeUnabhängige Läufe

� Es werden 20 Simulationsläufe ausgeführt (Model2.doe)

11


Auslastung der WerkerAuslastung der Werker


Verweilzeit der VentilatorenVerweilzeit der Ventilatoren

12


Erweiterung der FallstudieErweiterung der Fallstudie

� Zur Montage der Ventilatoren soll ein weiterer Werker eingestellt werden. Dieser zusätzliche Werker kann zu jedem der vier möglichen Plätze gestellt werden.

� Er übernimmt die Parameter des bestehenden Werkers� Es ergeben sich zu der Ausgangssituation vier weiter

Möglichkeiten.� Welche ist die beste hinsichtlich Verweilzeit und WIP?� Antwort:


Evaluierung mehrerer AlternativenEvaluierung mehrerer Alternativen

� Es müssen für jede Variante mehrer Läufe durchgeführt werden und die Werte müssen miteinander verglichen werden.

� Beispiel: 5 Varianten * 10 Läufen� Durchführung und Verwaltung von 50 Simulationsläufen� Unterstützung in ARENA durch den Process Analyzer

(PAN)

13


PANPAN

� Basis von PAN sind Arena-Programmfiles *.p� Scenario: Kombination eines Programmfiles mit

– einem Set von input controls und – Einem Set von output responses

� Project: Sammlung von Scenarios


Controls und ResponsesControls und Responses

� Controls– Variablen aus dem Modell– Kapazität von Ressourcen

� Responses– Variablen– Counter– Dstats– Outputs– Tallies

14


ScenarioScenario--AufbauAufbau

Hinweis: mit rechter Maustaste in der Scenario-Zeile werden Control und Responses hinzugefügt


ErgebnisseErgebnisse

Model1.pan

15


GrafikGrafik


Erweiterung der FallstudieErweiterung der Fallstudie

� Die zusätzlichen 4 Werker sollen nach den folgenden Bedingungen verteilt werden:– An jeder Station mindestens 1 Werker– Die Summe der Werker soll 8 nicht übersteigen– Es ist die Variante mit der kleinsten mittleren Verweilzeit

auszuwählen� Es ergeben sich eine Vielzahl von möglichen

Kombinationen

16


Optimierung mit Optimierung mit OptQuestOptQuest

� In PAN wurden die zu simulierenden Szenarios explizit vorgegeben

� Oft trifft man auf Situationen, wo man die Szenarios nicht explizit vorgeben kann oder will

� Lösung:– Automatische Generierung der Szenarien– Umsetzung innerhalb von OptQuest


OptQuestOptQuest

� OptQuest ist ein selbständiges Optimierungstool, dass ARENA zur Simulation der Szenarien nutzt

� OptQuest übernimmt ein automatisches Handling über ARENA – Varibalen setzen– Start der Simulation– Auswertung der Simulationsergebnisse

� ARENA COM object Model bildet das Interface� OptQuest übernimmt die Kontrolle über das ARENA-

Modell

17


OptQuestOptQuest -- SequenzSequenz

� Modell wird initialisiert� ARENA liefert die controls, constraints und

objective/requirements� OptQuest startet die Simulation mit den gewählten

Ausgangswerten� Die Anzahl der notwendigen Replikationen pro Simulation

wird von OptQuest selbständig (nach Vorgaben) festgelegt. � Nach einer Simulation wird mittels

Optimierungsalgorithmen ein neuer Satz von Parametern bestimmt

� Diese Sequenz wird wiederholt, bis ein Maximum an Rechenzeit (z.B. 10 Minuten) verbraucht oder das „Optimum“ gefunden wurde


Auswahl der ControlsAuswahl der Controls

18


Bestimmung der Bestimmung der ConstraintsConstraints



19





20


Fallstudie Fallstudie –– SteadySteady--StateState

� Part arrivals, four cells, part departures� Cells 1, 2, and 4: single machine each� Cell 3: two machines — newer one 20% faster

– Need: way to model non-identical resource units� Circular layout of cells� Parts enter at left, exit at right


WarmWarm--up und Länge des Simulationslaufesup und Länge des Simulationslaufes

� Die meisten Modelle starten mit Empty und Idle– Empty: Keine Entitäten zum Zeitpunkt 0– Idle: Alle Ressourcen sind frei zum Zeitpunkt 0– In Terminating-Simulationen ist das auch realistisch– In Steady-State-Simulationen kann dadurch das

Ergebnis verfälscht werden (Bias)� Lösung:

– Start der Simulation mit einem „reellen“ Zustand– Simuliere so lange, dass der Anfangszustand keinen

Einfluss mehr auf das Ergebnis hat– Starte mit Empty und Idle, lasse das Modell warmlaufen

(warm-up) und setze dann die Statistiken zurück

21


WarmWarm--up und Länge des Simulationslaufesup und Länge des Simulationslaufes

� Wenn Warm-up, dann wie lange „dauert“ diese Phase– Es gibt keine praktikable Theorie– Empirisches Vorgehen:

» Plotte den Verlauf der Ergebnisgröße über der Zeit» Versuche visuelle die Anlaufphase zu erkennen

– Bei mehreren Ergebnisgrößen:» Nimm das Maximum» Die Anlaufphase muss für das gesamte Model

angegeben werden


Ergebnisgröße WIPErgebnisgröße WIP

� Im Daten-Modul Statistic (Advanced Process) wird eine Statistik definiert

� Jeder Wert dieser Statistik wird in eine Datei geschrieben� Es werden 10 Läufe durchgeführt (Modell6-3)

22


WarmWarm--up für WIPup für WIP

� Mit dem Tool Ouput-Analyzer kann der Verlauf visualisiert werden

� Warm-up ist nach 2000 Minuten beendet


Trunced replicationsTrunced replications

� Die Länge der Anlaufphase ist bekannt� Die Länge des gesamten Simulationslaufes ist bekannt� Simulationsläufe wie eine Terminating-Simulation

arena tutorial 2 - tom/simsys/downloads/arenatutorial2.pdf · 3 otto-von-guericke-universität...

Documents