Kurs PlantSim

Simulation mit Tecnomatix Plant Simulation
Dr. Peter-Michael Schmidt

Siemens Industry Software
petermichael.schmidt@siemens.com
Vorlesung an der Hochschule Esslingen
27.09.2014
Inhalt
1.
Die Vision der Digitalen Fabrik
2.
Einfhrung in die Simulation
3.
Simulationsstudien
4.
Modellierung
5.
Objektorientierte Simulation
6.
Einfhrung in die
Programmiersprache SimTalk
Themenvorschlge fr Hausarbeiten
7.
Stochastische Simulationsstudien
Prsentation von Modellen
8.
Geometrische Modellierung
Literatur zur Simulation und Statistik
9.
Steuerung des Materialflusses
10.
Fahrzeugsteuerungen
11.
Personaleinsatzsteuerungen
12.
Steuerung von Montageprozessen
13.
Statistische Verteilungen
14.
Verfgbarkeit von Maschinen
15.
Pseudozufallszahlen
16.
Warteschlangentheorie
Das Programm Tecnomatix Plant Simulation

Die Entstehungsgeschichte
1986 Das Fraunhofer Institut Stuttgart (IPA) entwickelt eine
objektorientierte, hierarchische Simulationssoftware fr den Apple Macintosh
SIMPLE Mac fr Apple Macintosh
1990 Grndung der Firma AIS (Angewandte Informations Systeme)
SIMPLE++ (Simulation in Produktion Logistik und Engineering)
1991 Umbenennung der damaligen AIS in AESOP
(Angewandte EDV-Systeme zur optimierten Planung)
SIMPLE++ fr UNIX Workstation
1997 bernahme von AESOP durch die Tecnomatix Ltd.
2000 Umbenennung von SIMPLE++ in eM-Plant fr MS Windows
2004 bernahme der Tecnomatix Ltd. durch die Firma UGS
2005 Umbenennung in Plant Simulation
2007 bernahme der Firma UGS durch die Siemens AG
Siemens PLM (USA, 10 000 Mitarbeiter)
1. Die Vision der Digitalen Fabrik

Product-Lifecycle-Management (PLM)
Produktlebenszyklusmanagement bezeichnet ein strategisches Konzept zum
Management eines Produktes ber den gesamten Lebenszyklus.
Die Unternehmensstrategie PLM basiert auf dem gemeinsamen Zugriff auf eine Datenquelle,
in der smtliches Wissen und alle Daten und Prozesse der Produkte zusammengefasst sind.
Beherrschung einer verteilten Organisation
Beschleunigung der Entwicklung und Markteinfhrung der Produkte
4
Grad der Automatisierung
Die Automatisierungslcke
CAD
CAE
Digitale Fabrik
PRODUKTDESIGN
PRODUKTIONSENGINEERING
FabrikAutomation
PRODUKTION
PLM (Product Lifecycle Management)

Produktionsengineering: Technische und organisatorische Gestaltung von effizienten Produktionssystemen
5
Komponenten der prozessorientierte

Modellierung von Produktions- und
Logistikprozessen
Der Begriff der Digitalen Fabrik

Definition des Begriffs der Digitalen Fabrik durch den VDI (Verein Deutscher Ingenieure):
VDI-Richtlinie 4499
Die Digitale Fabrik ist der Oberbegriff fr ein umfassendes Netzwerk von digitalen
Modellen und Werkzeugen, u. a. der Simulation und 3D Visualisierung, die durch ein
durchgngiges Datenmanagement integriert werden. Ihr Ziel ist die ganzheitliche
Planung, Evaluation und laufende Verbesserung aller wesentlichen Strukturen, Prozesse
und Ressourcen der realen Fabrik in Verbindung mit dem Produkt.
VDI-Richtlinien vereinheitlichen die Anforderungen an materielle und immaterielle Gter.

Sie frdern innovative Entwicklungen neuer Technologien und bilden die Grundlage zur
Vertretung deutscher Normungsinteressen im Rahmen der internationalen Normung.

Vorteile der Methoden der Digitalen Fabrik
1.Layout
Planung von Produktionsanlagen fr vorhandene Fabrikrume
2.Werkstcke
knnen in der Konstruktionsphase auf ihre Fertigbarkeit geprft werden

(Innenausbau von Schiffen).
3.Maschinen-
und Anlagenbauer knnen eine virtuelle Inbetriebnahme durchfhren,

Test der Steuerungssoftware, speicherprogrammierbare Steuerungen (SPS)
4.Training
von Personal.
5.Visualisierung
6.Modelle
fr das Marketing und den Verkauf (ohne technische Zeichnungen)
der Digitale Fabrik knnen als Referenz dienen (Was wurde wo produziert?).
2. Einfhrung in die Simulation

Definition der Simulation
Der VDI definiert Simulation folgendermaen:
Simulation ist die Nachbildung eines Systems mit seinen dynamischen Prozessen
in einem experimentierfhigen Modell, um zu Erkenntnissen zu gelangen, die auf
die Wirklichkeit bertragbar sind.
VDI-Richtlinie 3633, Blatt 1, 1993
Nutzen der Simulation

Der Nutzen der Simulation wird laut VDI-Richtlinie 3633 so eingeschtzt:
20% aller Investitionen durch Simulation beeinflussbar

Bei einem Aufwand von 0,5% - 1% der Investitionssumme fr die Simulation
knnen 2% - 4% der Investitionssumme eingespart werden.
9
Nutzen der Simulation

Je frher ein Planungsfehler erkannt und
eliminiert wird, desto weniger Folgekosten
entstehen.
Untersuchungen an real noch
nicht existierenden Systemen.
Risikolose Optimierung existierender Systeme
ohne den Betrieb zu stren oder zu gefhrden.
SimPlan AG http://www.simPlan.de
Vergleich und Analyse mehrerer alternativer Varianten.

Simulation des Systemverhaltens ber lngere Zeitrume im Zeitraffer.
Test von Anlaufvorgngen und bergngen zwischen unterschiedlichen
Betriebszustnden.
10

Ziele der Simulation
Beispiel: Terminal 2 des Flughafen Mnchen
Die Schwachstellen in den Flughafenprozessen
summieren sich durch starke Interaktionen der Prozesse.
Schlangen vor den Check-In-Schaltern,
stockende Gepckausgaben oder ein ungengendes
Zusammenspiel bei der Versorgung der Flugzeuge
am Boden sorgen schnell fr Chaos.
Allgemeine Ziele der Simulation von Prozessen
1.Sicherheitsgewinn (Risikoanalyse)
2.Systemverstndnis (Sensitivittsanalyse)
3.Nivellierung der Auslastung der Systeme
4.Kostenreduktion fr Planung, Investitionen
und Ressourcen (Energie)
11

Beispiel: Terminal 2 des Flughafen Mnchen
25 Million Passagiere pro Jahr
15.000
40
Gepckstcke pro Stunde
km Gepckfrdersystem
114
Check-In-Schalter
Frdergeschwindigkeit
bis zu 7 m pro Sekunde
17.000
einzelne Komponenten
(Scanner, Weichen, Gepckausgabe,
Sicherheitskontrollen)
Diese Untersuchungen knnen mit Berechnungen in mathematischen Modellen

nur mit groen Aufwand erfolgen.
Die Ergebnisse solcher Berechnungen sind schwer berzeugend vermittelbar.
12

Wesentliche Modellebenen fr Simulationsstudien
Der Detaillierungsgrad richtet sich nach den Zielstellungen der Studie.
Strategische Ebene
Investitionsentscheidungen, Kapazittsplanung
Planungshorizont mehr 3 Jahre
Taktische Planungsebene
Produktionssteuerung, Terminierung
Zeitrume 1- 3 Jahre
Steuerungsebene
Steuerung oder
Regelung von Anlagen
(SPS: Speicherprogrammierbare Steuerung)
Nach H.-P. Wiendahl und H. Winkler, Hannover
13
Leistungszieldreieck
Ergebnis
Qualitt
Kundennutzen
Aufwand
Zeit
Kosten
Preis
Durchlaufzeit
Verfgbarkeit
Vahs, Schfer-Kunz: Einfhrung in die Betriebswirtschaftslehre

Dreieck von Roger Penrose, viele Ideen von Maurits Cornelis Escher
14

Wirtschaftlichkeit maximieren
heit Zielkonflikte lsen
Durchlaufzeiten senken
durch Vermeiden von
Warte- und Stillstandszeiten
Wertschpfende Zeiten steigern

durch weniger Rstvorgnge
Auslastung erhhen
durch hohe Verfgbarkeit
von maschinellen und
personellen Ressourcen
Bestnde reduzieren
Kosten fr Lagerung
und Vorfinanzierung (Kapitalbindung)
Beschaffungskosten minimieren
Transport- und Bestellkosten senken
Lohnkosten senken
Personaleinsparungen fr Spezialisten
(Reparaturen)
15
3. Simulationsstudien
Bestandteile und Aktivitten einer Simulationsstudie
Reales System
realisieren
Schlussfolgerung
abstrahieren, modellieren, validieren
Simulationsmodell
experimentieren
auswerten, interpretieren
Simulationsergebnisse
Lebenszyklus einer Simulationsstudie:

Kreislauf so lange wiederholen, bis zufrieden stellendes Ergebnis erreicht wurde.
In einem kleinen Projekt soll jeder Student die folgenden Phasen einer Simulationsstudie
durchfhren.
16
Phasen einer Simulationsstudie
-
Vorbereiten
Modellieren
Experimentieren
Realisieren
Entscheidung: Simulationswrdig?
Aufgabe und Ziel formulieren
Aufwand abschtzen
Daten: ermitteln, aufbereiten, abstimmen
Analytische Grobabschtzung
ASIM Leitfaden fr Simulationsbenutzer in der Produktion und Logistik 1997.

Wolfgang Khn: Digitale Fabrik Fabriksimulation fr Produktionspalner. Hanser 2006.
17
-
Vorbereiten
Modellieren
Experimentieren
Realisieren
Modell entwerfen
Modell erstellen
Modellverifikation (fehlerfreie Lauffhigkeit

aller Komponenten und des Gesamtsystems)
Modellvalidierung (bereinstimmung mit

der Realitt)
18
-
Vorbereiten
Modellieren
Experimentieren
Realisieren
Experimentdesign
Experimentstudie
Statistische Analyse
Ergebnisinterpretation und Dokumentation
Optimierung (Variation)
19
-
Vorbereiten
Modellieren
Experimentieren
Realisieren
Praktische Umsetzung der Ergebnisse
20
4. Modellierung
Klassifikation der Modelle
Ein Modell ist das Ergebnis einer Abstraktion (Weglassen des Unwesentlichen).
Albert Einstein: Mache die Dinge so einfach wie mglich - aber nicht einfacher.
Digitale Modelle
Statische Modelle
Struktur- u. prozessorientierte Modelle
Dynamische Modelle
Geometrieorientierte
Modelle
Simulationsmodelle
Stcklisten
2D Modelle
Diskrete Event Modelle
Arbeitsplne
3D Modelle
Kinematische Modelle
Ressourcen
Prozessplne
Finite-Elemente-Modelle
21
4. Modellierung
Plant Simulation ist ein System

zur diskreten ereignisorientierten Simulation.
Fr ein reales System werden wenige relevante Systemzustnde
betrachtet.
Bestimmte Ereignisse, die nur zu vereinzelten Zeitpunkten auftreten,
fhren zu Zustandsnderungen.
Das Eintreten von diesen Ereignissen lst Aktionen aus.
Abhngige
Variable
(Temperatur)
Abhngige
Variable
(Lagerbestand)
Diskrete Simulation
Zeit
Zeit
Kontinuierliche Simulation
22
4. Modellierung
Kontinuierliche Simulation (1/4)
COMSOL Multiphysics GmbH
Abkhlung einer 3D-Leiterplatte

Erwrmung der 4 Schaltkreise
Anstrmung von links
Abkhlung ber die Oberflche

Wie stark erwrmen sich die Komponenten?
Wann ist der stationre Zustand erreicht?
23
4. Modellierung
Finite-Elemente-Methode (FEM) und Finite-Elemente-Analyse (FEA)
Diskretisierung (Triangulierung)
von Raum x und Zeit t
FE-Modell
Anwendung der
partiellen Differentialgleichung
zur Beschreibung der Temperaturverteilung T(x, t) durch Wrmeleitung.
24
4. Modellierung
FE-Analyse
Temperatur
Zeit
25
4. Modellierung
Konstruktionsbegleitende Simulation
mit
NX von Siemens PLM
FEMAP:
Finite Element Modeling
And Postprocessing
26
4. Modellierung
Diskrete ereignisorientierte Simulation von Produktionssystemen
Steuerungen von typischen Produktionsressourcen
Nennen Sie Beispiele fr Ereignisse, Systemzustnde und Aktionen!
EOM: Electro Overhead Monorail, EHB: Elektrohngebahn
AGV: Automated Guided Vehicle, FTF: Fahrerloses Transportfahrzeug
Cross Sliding Car, Querverschiebewagen
HBW: High Bay Warehouse, HRL: Hochregallager
Quelle: Systems Engineering, HS Ulm; Dtwyler Gruppe
27
4. Modellierung
Diskrete ereignisorientierte Simulation von Produktionssystemen
Steuerungen durch Ereignisse und Systemzustnde
In der Zeit zwischen den Ereignissen wird angenommen, dass sich das System
in einem unvernderten Zustand befindet.
1
Rstzeit
Bearbeitungszeit
1. Eintritt eines Werkstcks in eine Maschine
Zeit
2. Vorbereitung der Maschine (einmaliges Rsten fr diesen Teiletyp)

3. Ende des Rstens
4. Beginn der Bearbeitung (Anforderungen von Ressourcen)
5. Ende der Bearbeitung
6. Austritt des Werkstcks aus der Maschine
28
5. Objektorientierte Simulation
Plant Simulation ist objektorientiert.

Systemkomponenten, die wesentliche gemeinsame Eigenschaften besitzen,
knnen durch eine Klasse modelliert werden.
Eine Klasse ist das Ergebnis einer Abstraktion.
Klassen sind typische, hufig wiederkehrende Systemkomponenten.
Instanzen sind die konkrete Realisierung in einem Modell.
Klassen werden durch
Attribute: Eigenschaften (z.B. Material, Lnge)
und
Methoden: Funktionen (z.B. fr Datenzugriffe, Manipulationen von Objekten)
beschrieben.
29
Benutzeroberflche: SiMPLE++ 3.1 fr Windows 3.1 (1995)
Grafische Benutzeroberflchen
(Graphical User Interface, kurz
GUI) gestalten die Interaktionen
zwischen Mensch und Maschine.
Sie wiederspiegeln den aktuellen
Stand der Technik (Beispiel:
Touchscreen).
Mensch-Maschine-Schnittstelle
(Human Machine Interface, kurz
HMI) verbindet Bedienung und
Anzeige.
Verbesserung der Qualitt der
Animation von Ablufen
30
Benutzeroberflche : SiMPLE++ 5.0 fr MS WINDOWS (1998)
31
Benutzeroberflche : Plant Simulation 11.2 fr W 7 (2014)
Mens und Symbolleisten
Klassen
Klassen
Instanzen
32
Menbandleiste (Ribbons)
Klassen
Klassen
Instanzen
33
Die Verwaltung der Klassenbibliothek

ermglicht den Zugriff auf alle in
Plant Simulation verfgbaren Objekte.
Rot markierte Objekte knnen durch eine
neuere Version aktualisiert werden.
34
Vererbung von Attributen und Methoden
Durch die Vererbung knnen
Eigenschaften von Objekten
komfortabel in das Modell bertragen
werden.
berprfen Sie, wie die nderung
von Attributen der Klassen an die
Instanzen weitergegeben werden.
Direkthilfe zu einem Dialogelement (Whats This Help).

Microsoft verwendet hufig die F1 Taste zum ffnen der Hilfe.
35
Struktur der Klassenbibliothek ndern
Anhand des Kontextmens
erstellen wir in der Klassenbibliothek
auf der gewhlten Hierarchiestufe
neue Elemente:
-
Ordner: fr die Strukturierung des

Modells
Netzwerk: fr die Modellierung
Toolbar: fr neue Registerkarten in

der Bausteinpalette
36
Ein Modell ist ein Netzwerk,
das ein System in der
Realitt beschreibt.
Untersuchungen an einem
System fhren zu
verschiedenen Netzwerken.
1.
Ordner und Objekte in der Klassenbibliothek

verschieben wir durch Markieren und Ziehen mit der
Maustaste an eine andere Stelle innerhalb der
selben Hierarchiestufe (Drag & Drop).
2.
Um Objekte und Ordner in eine andere

Hierarchiestufe zu verschieben, halten wir beim
Ziehen mit der Maus die Shift-Taste gedrckt!
37
Objekte knnen ber das Kontextmen kopiert
(dupliziert) oder abgeleitet werden
(rechts klicken).
Beim Duplizieren oder Kopieren entsteht eine Klasse,
die keine Verbindung zu der ursprnglichen Klasse hat.
Abgeleitete Klassen haben eine Vererbungsbeziehung
fr Attribute und Methoden (Taste F8).
38
Das Frdergut
Das Frdergut reprsentiert ein

bewegliches Element (kurz: BE), das
produziert, bearbeitet und transportiert
werden kann.
Es kann selbst keine Teile aufnehmen.
Klasse
Instanz mit ID 3713
Alle Eigenschaften werden geerbt.
39
Vektorgrafik von BEs
Vorteil der Vektorgraphik:
1. Korrekte Gre und
2. Abstnde der Bes in der Animation
Was kann ein Frdergut in einer

prozessorientierten Modellierung abbilden?
Automobilbranche
Verwaltung und Bankwesen
Lebensmittelindustrie
40
Frderrichtungen von BEs
41
Die Einzelstation
Die Einzelstation ist ein

Materialflussbaustein, der eine
Maschine mit der Kapazitt 1 abbildet.
Sie nimmt ein BE auf und gibt dieses
nach Ablauf der Rst- und
Bearbeitungszeit an die nachfolgende
Station weiter.
Jede Maschine gehrt hat eine
Ressourcentyp, der auf der
Registerkarte Statistik eingestellt wird.
42
Die Bearbeitung eines Teils kann sich durch unvorhersehbare Ereignisse verlngern,
aber auch verkrzen.
Wei man nur, dass die Prozesszeiten zwischen zwei Schranken schwankt,
wird die Gleichverteilung verwendet.
Die Verwendung des Mittelwerts als Konstante ist ein hufiger Fehler.
Dichtefunktion der Gleichverteilung
Die Bearbeitungszeit T liegt zwischen 1 und 2 min.
43
Die Bearbeitungszeit ist
eine Zufallsvariable, die
durch verschiedene
statistischen Verteilungen
beschrieben werden
knnen.
Dichtefunktionen
Hufig auftretende
Verteilungstypen sind die
Exponentialverteilung
(Negexp steht fr den
negativen Exponenten in
der Formel der
Dichtefunktion) und die
Erlang-Verteilung.
Bei der Modellierung von
Produktionsprozessen wird
die Normalverteilung nur
selten verwendet.
44
Diskrete und stetige Wahrscheinlichkeitsverteilung
diskrete Zufallsvariable
kontinuierliche Zufallsvariable
Realisierungen aus {0,1,2, }
Realisierungen aus (0,
f(t)
Hufigkeiten
Dichtefunktion f(t)
p(n)
0.2
0.1
zufllige Anzahlen n
zufllige Zeiten t in min

45
Die Quelle
Fr die Erzeugung der BEs legen
wir fest, wann was erzeugt wird.
Erzeugungszeitpunkt
nach eingestelltem Abstand
einer fest vorgegebenen Anzahl
Erzeugung durch eine Lieferliste
BE-Auswahl
Konstant: immer gleiche BE-Klasse
Reihenfolge zyklisch: Objektauswahl

entsprechend der Eintrge in einer Tabelle.
Die Tabelle wird wiederholt abgearbeitet.
Reihenfolge: Die Tabelle wird einmal

abgearbeitet.
Zufllig: Objektauswahl entsprechend einer

Wahrscheinlichkeitsverteilung.
46
Poisson Prozess mit einer Ankunftsrate
Wir untersuchen die Anzahl der Ankunftsereignisse whrend einer Zeit T.
1. Diese Anzahlen sind stochastisch unabhngig und sind nur von T abhngig.
2. P( Genau ein Ereignis in [0,T] ) ~ T
(verhlt sich nahe 0 wie F(T) = T)
3. Fr die Abweichung r(T) bei ~ gilt

4. P( Mehr als ein Ereignis in [0,T] ) ~ 0.
Daraus kann man ableiten:
p(n) = P( n Ereignisse in [0, T] ) =
fr n = 0,1,2, ... (n! = 1 2 n)
Beispiel: Simulationsdauer T = 2 h. Dann ist T = 12 Kunden/h * 2 h = 24 Kunden.
47
Poisson Prozess mit einer Ankunftsrate
Ankunftszeiten:
0 < t1 < t2 <
Zwischenankunftszeiten:
d1 = t1, d2 = t2 - t1, , dk = tk tk-1 fr k = 1, 2,
Man kann zeigen, da die Zwischenankunftszeiten exponentiell mit
dem Parameter
verteilt sind.
Beispiel Pro Stunde werden durchschnittlich 12 Auftrge eingelastet.

Ankunftsrate = 12 Kunden/h
Zwischenankunftszeit = 5 min = 1/12 h
48
Dichtefunktion
der Exponentialverteilung
Auf der Registerkarte Statistik kann eine Erzeugungstabelle angelegt werden.
49
Lieferliste der Quelle
Feststehende (nicht stochastische)
Erzeugungszeitpunkte knnen
mit der Lieferliste modelliert werden.
Bei einer Bearbeitungszeit der Einzelstation von 3 h und

nicht blockierenden Betriebsart wird das Teil B whrend der Blockierung der Quelle
nicht zeugt: Erzeugungstabelle der Quelle auf der Registerkarte Statistik
50
Die Senke
Vernichtet die BE's einzeln nach

Ablauf der Rst- und
Bearbeitungszeit.
Zu den vernichteten BEs erzeugt
Plant Simulation typische
Statistiken, wie z.B.
Durchlaufzeiten.
Siehe Produktstatistik in der Hilfe
51
Ergebnisbericht aller Senken eines Modells

Wertsteigerungen erfahren BEs (Produkte) auf Produktionsressourcen.
Der Anteil der Arbeitszeit betrgt bei beiden statistischen Auswertungen
meist nur 10 %.
Aktuelle Forschung zur Wertstromanalyse (Value Stream Mapping)
52
Der Ereignisverwalter
Steuerung der diskreten ereignisorientierte Simulation
Discrete Event Simulation (DES)
Der Ereignisverwalter berechnet und verwaltet

alle Ereignisse whrend der Simulation.
Beginn und Ende der Simulation werden hier eingestellt.
Fr statistische Untersuchungen kann eine Einschwingphase am Anfang der Simulation ausgeblendet werden.
Wir knnen die Darstellungsgeschwindigkeit der Animation verringern.
53
Der Ereignisverwalter
Steuerung der Simulation
Reset
setzt den Simulationszeitpunkt auf 0.
Der internen Zustand der Bausteine wird zurckgesetzt.
Start / Stopp
beginnt, stoppt oder setzt eine
angehaltene Simulation fort. Ohne Animation:
Bei Stopp hlt die Simulation nach dem aktuellen Ereignisses an.
Nach Modellnderungen kann die Simulation fortgesetzt werden.
Das Modell muss nach einer nderung nicht kompiliert werden (Interpreter).
Das kann bei der Modellierung sehr hilfreich sein.
Bei
wird die Simulation schrittweise durchlaufen.
Nach jedem Simulationsereignis kann das Modell analysiert werden.
Der erste Simulationsschritt ist die Initialisierung.
Beispielsweise werden Kapazitten von Produktionsressourcen gesetzt.
54
Steuerung der Simulation und Anzeige der Simulationszeit
55
Die LED-Zustandanzeige
Hier im bertragenen Sinne, ursprnglich Licht-Emittierende Diode
Fr die Materialflussbausteine existiert ein LED am oberen Symbolrand, um den

Zustand des Bausteines symbolisch anhand von farbigen Punkten anzuzeigen.
Die Farben der Punkte reprsentieren folgende Zustnde:
rot:
Das Objekt ist gestrt (durch Verfgbarkeit < 100 %).
rosa:
Das Objekt ist angehalten, da es in einem Schutzkreis enthalten ist.
blau:
Das Objekt ist pausiert (durch Schichten oder Pausen).
lila:
HochRunterfahrend beim Wechsel des Energiezustands.
grn:
Das Objekt arbeitet.
gelb:
Das Objekt ist blockiert.
braun:
Das Objekt rstet.
hellblau:
Das Objekt befindet sich in Erholzeit (z.B. bei Robotern).
Ohne LED: der Baustein ist wartend und ist bereit (operational).
56
Die meisten Ressourcen haben mehrere Pltze zur Bearbeitung. Eine verfgbare
Ressource ist wartend, wenn auf allen belegten Pltzen nicht gearbeitet und nicht
gerstet wird und freie Pltze vorhanden sind. Eine Ressource ist auch wartend,
wenn Arbeiter oder Abbauteile fr eine Montage fehlen.
Parallelstation
Frderstrecke
57
Statistische Auswertung: Ressourcenstatistik
Wir ziehen Einzelstationen auf ein noch nicht

konfiguriertes eingesetztes Diagramm.
Eine Produktionsressource hat zu jedem
Zeitpunkt genau einen der Zustnde:
58
Statistikerfassungszeit
geplant
ungeplant
nicht pausiert
pausiert
nicht gestrt
nicht angehalten
gestrt
angehalten
verfgbar
Wartend
HochRunterfahrend
Rstend
Arbeitend
Blockiert
59
Einsatz von Maschinen
Zu ungeplanten Zeiten oder in Pausen stehen Arbeiter, Maschinen und andere
Ressourcen nicht zur Verfgung.
Setzen Sie einen Schichtkalender aus dem Ordner Ressourcen ein.
Maschinen knnen durch Drag & Drop auf einen Schichtkalender registriert werden.
60
Der Abstand (MTBF Mean Time Between Failures) zwischen Strungen und die
Dauer (MTTR: Mean Time To Repair) von Strungen sind Zufallsvariablen,
die einen bestimmten Verteilungsgesetz gehorchen.
Die Verfgbarkeit AV (Availability) wird in % angegeben:
40 min
10 min
40 min
10 min
MTBF
MTTR
MTBF
MTTR
MTBF
MTTR
61
Zur Festlegung der MTBF kann die Kenngre
MCBF (Mean Cycles Between Failures) verwendet werden.
Verfgbarkeit und Taktzeit

MCBF: Mittlere Anzahl der Takte zwischen den Strungen.
TZ: Taktzeit einer Station.
MTBF = TZ * MCBF
Aufgabe: MTTR = 10 min, TZ = 9 s, MCBF = 600
Welche Verfgbarkeit AV hat die Station?
Lsung: MTBF = 600 * 9 s = 5400 s = 90 min
AV = MTBF /(MTBF + MTTR) = 90/100 = 90 %
Hinweis: Hinterfragen Sie genau bei einem Hersteller einer Produktionsressource
die Definition der Verfgbarkeit.
62
Eine Strung einer Maschine kann
mehrere Ursachen haben, die durch
Strungsprofile beschrieben werden.
Eine von 2 Strungsprofilen verursacht eine Strung der Einzelstation.
63
Verfgbarkeit von Produktionsressourcen
Bestimmte Ursachen fr eine Strung knnen nur whrend der Verwendung
der Maschine entstehen.
Die Zeit MTBF kann sich beziehen auf die:

1.Simulationszeit (MTBF liegt in der gesamten simulierten Zeit)
2.Einsatzzeit (MTBF liegt innerhalb der Schichten, auerhalb der Pausen)
3.Arbeitszeit (MTBF unterbricht die Arbeitszeit)
Geben zu den Beispielen die Bezge an:
Bohrer bricht, elektrische Sicherung einer Maschine, Schaden durch
Blitzschlag, Ausfall des Bedienungspersonals einer Anlage, Reifenpanne
eines Fahrzeugs, Rostschaden
64
Angehaltene Maschinen
Gruppierte Produktionsressourcen werden zu Schutzkreisen
zusammengefasst. Geht eine der Maschinen in eine Strung, so
werden die anderen Maschinen angehalten.
Setzen Sie einen Schutzkreis aus dem Ordner Ressourcen ein.
Maschinen knnen durch Drag & Drop auf einen Schutzkreis
registriert werden.
65
Simulation des Energieverbrauchs (1/5)
Untersuchungen zur Energieeffizienz und Energiesparmanahmen analysieren
Betriebswirtschaftliche Zielkonflikte
Energie sparen
durch hufigen bergang in den
Standby-Zustand der Maschinen
Wachsende Warte- und Lagerzeiten

der Auftrge
durch Hoch- und Runterfahren
66
Methoden und Attribute zur Energiesimulation stehen nur zur Verfgung, wenn das
Kontrollkstchen Aktiv selektiert ist. Energiezustnde von Produktionsressourcen
sind durch ihre Leistungsaufnahmen [kW] bestimmt. Der Energieverbrauch [kWh]
ist durch die entsprechende Zustnde der Produktionsressourcen bestimmt:
1.Arbeitend
2.Rstend
3.Gestrt
In der verbleibenden Zeit befindet sich

eine Produktionsressource in den Zustnden:
1.Ungeplant
2.Pausiert
3.Betriebsbereit
(Einsatzzeit)
Aus
Standby
Betriebsbereit
Hufig sind diesen Ressourcenzustnden die Energiezustnde

Aus, Standby und Betriebsbereit zugeordnet.
67
Die bergnge der Energiezustnde Aus, Standby und Betriebsbereit werden durch
Steuerungen und Schichtmodelle ausgelst.
Die bergnge zwischen den Energiezustnden bentigen gewisse einstellbare
bergangszeiten, in der die Ressource im Zustand HochRunterfahrend ist.
Durch frhzeitiges Hochfahren kann der Zustand HochRunterfahrend

in die Ungeplant- oder Pausenzeit gelegt werden. Dadurch erscheint die Zeit zum
Hoch- und Runterfahren nicht in der Ressourcenstatistik.
68
Lngenorientierte Objekte (Frderstrecke, Drehtisch) haben nicht die
Energiezustnde Rstend und Standby.
Wird kein Teil auf einem Frderer bewegt, so luft oft der Antrieb weiter.
Der Energiezustand bleibt dann Arbeitend.
Energiesparmanahme Automatisch anhalten:
Momentangeschwindigkeit = 0 und Energiezustand Betriebsbereit
69
Energiesparmanahme Automatisch anhalten analysieren
1. Tool EnergieAnalyse (Toolbox)
2. Anzeigetafel (Kontextmen Anzeigetafel bearbeiten)
Anzeige des Werts der Methode statEnergieGesamtverbrauch
70
Bauen Sie ein Modell auf, das alle Zustnde einer Ressource zeigt.
1.
Schichten und Pausen werden

durch den Schichtkalender
modelliert.
2.
Strungen werden auf der

Registerkarte Strungen der
Maschinen eingestellt.
3.
Maschinen werden durch einen

Schutzkreis angehalten.
Analysen des Materialflusses
4.
Energieverbruche mit
bergangszeiten
Sankey-Diagramm (farbige Balken):

Visualisiert die Strke des Materialflusses
5.
Blockierungen entstehen durch

unterschiedliche
Bearbeitungszeiten.
Engpass-Analyse (Sulendiagramme):
Engpsse zeigen sich durch hohe
Arbeitsanteile (schlechte Nivellierung des
Auslastungen der Produktionsressourcen)
Sankey irische Ingenieur (1853-1925), Engpass-Analyse, englisch:Bottleneck-Analyzer
71
Analysieren Sie mit dem Ereignisdebugger den
zeitlichen Ablauf der Simulation.
ffnen:
Haltepunkte
werden
mit Doppelklick eingefgt.
Arbeitet ein das kommende Ereignis ab:
72
Entstehung und Abarbeitung einer Austrittsereignisses Aus
Das BE ist mit der Bearbeitung fertig: Aus Ereignis wird von Ereignisverwalter
berechnet.
Der Zeitpunkt dieses Ereignisses ist
beispielsweise bestimmt durch:
1.
Bearbeitungszeit der Einzelstation M1
2.
Pausen whrend der Bearbeitungszeit
3.
Strungen von M1
4.
Zustnde der folgenden Maschine M2
Bei der Abarbeitung des Ereignisses knnen beispielsweise diese Aktionen

ausgelst werden:
1.
Umlagern des BEs auf M2 und Erzeugung eines neuen Aus Ereignisses.
2.
Registrierung des erfolglosen Umlagerungswunsch in M2

73
Statistische Auswertung: Produktstatistik
In der Produktstatistik wird erfasst, welcher Aufwand zur Herstellung eines Teils
(BEs) erforderlich war.
Die Aufwnde werden klassifiziert
nach dem Ressourcentyp:
Produktion
Transport
Lagerung
Zur Analyse der Materialflusses eines

Teils wird erfasst,
welchen Zeitanteil ein Teil auf einer
Ressource in einem bestimmten
Zustand verbracht hat.
Untersuchen Sie die Statistik der Senke
auf der RegisterkarteTypabhngige Statistik
Index der Hilfe: Produktstatistik
74
Die Darstellung statistischer Daten erfolgt in 3 unterschiedlichen
Kategorien:
1. Diagramm stellt beispielsweise die Hufigkeiten der Zustnde wie Arbeitend,
Rstend oder Gestrt dar.
Der Statistiktyp ist Ressourcenstatistik oder Energiestatistik.
2. Histogramm zeigt die Hufigkeitsverteilung eines Ergebniswertes
im Verhltnis zur Simulationszeit an.
Fr einen Puffer zeigt das Histogramm den
Statistiktyp Belegungsstatistik an.
3. Plotter zeigt den zeitlichen Verlauf eines Ergebniswerts an.
Ziehen Sie einen Puffer oder
eine Einzelstation auf ein
nicht konfiguriertes Diagramm:
75
Diagramm, Histogramm und Plotter
Plotter
1.Histogramm kopieren
2.Kategorie der Darstellung auf Plotter
setzen
Treppenkurve auswhlen
3.Achsen konfigurieren
76
Aufgabe 1: Analyse eines Puffers mit dem Diagramm
Bauen Sie dieses Modell auf. Die Quelle erzeugt 5 Teile. Die Einzelstation hat eine
konstante Bearbeitungszeit von 1 Minute. Die Bearbeitungszeiten der Senke und
des Puffers sind 0.
Der Puffer hat eine
Kapazitt von 4.
77
Gekoppelter Materialfluss
Der Materialfluss in Produktionslinien ist ablaufbedingt stark gekoppelt, d.h. nicht
vorhersehbare (zufllige) Ereignisse haben einen groen Einfluss auf den
Materialfluss, z.B. den Durchsatz.
Die Analyse des Materialflusses ist durch
Warte- und Blockierzeiten mglich.
Durch Zwischenschalten eines Puffers (Kapazitt = -1, Bearbeitungszeit = 0) kann
der Materialfluss vollstndig entkoppelt werden.
1.Vergleichen Sie die Durchlaufzeit von 1000 Auftrgen, die auf einer Linie
mit 2 gleichen Maschinen mit konstanten und zuflligen Bearbeitungszeiten.
Verringern Sie die Durchlaufzeit bei zuflligen Bearbeitungszeiten.
Optimieren Sie die Pufferkapazitt.
2.Untersuchen Sie den Einfluss der
Pufferkapazitt auf den Durchsatz
eines Tages, falls beide Maschinen ein stochastisches Verhalten haben.
78
Struktur der Vererbung ndern (informativ)
Verschiedene Klassen knnen mit der Alt-Taste durch Drag & Drop in der
Klassenbibliothek zusammengefhrt werden.
Instanzen der unteren Klasse werden durch Instanzen der oberen Klasse ersetzt.
Individuelle Parametrisierungen der Instanzen bleiben erhalten.
Die neue Instanz hat nicht die

Eigenschaften (z.B. Attribute)
der Bohrmaschine, sondern
der Bohrschleifmaschine.
Individuelle Parametrisierungen der ursprnglichen Instanz bleiben erhalten.
79
6. Einfhrung in die
Mit dem Objekt Methode
knnen Algorithmen fr
Berechnungen und Steuerungen des
Materialflusses ausgefhrt werden.
Diese Algorithmen (Handlungsanweisungen) werden in der Programmiersprache
SimTalk formuliert. Es entsteht ein Programm, dass von einem Rechner in
Maschinencode bersetzt wird. Diese Form eines Algorithmus kann von einem
Rechner wiederholt ausgefhrt werden.
Die Anweisungen eines Algorithmus verndern die Attribute der Objekte.
Die vernderlichen Werte sind in Variablen gespeichert.
Vereinbarungen von Variablen

Anweisungen
80
6. Einfhrung in die
Einer Variable entspricht ein Teil der Arbeitsspeichers des Rechners.
Eine Variable kann als Wert eine ganze Zahl (Datentyp integer), gebrochene Zahl
(Datentyp real), einen Zeitwerte (Datentyp time), oder einen Text (Datentyp string)
enthalten.
Der Wertebereich einer Variablen (Datentyp) muss vereinbart werden:
n:integer;
r:real;
s:string;
Vereinbarungen
Variable : Datentyp;
bersetzen: Erzeugen des

Maschinencodes
Bestimmen Sie, was die Konsole anzeigen soll:

Klicken Sie rechts in die Konsole
81
6. Einfhrung in die
Nach der Vereinbarung kann der Variablen

ein Wert zugewiesen werden:
n := - 42;
r := 1.2 + 2.34;
s := "Guten Tag";
Anweisungen
Variable := Wert;
print gibt Informationen in der Konsole aus.
bersetzen (Erzeugen des Maschinencodes)
Ausfhren und Debuggen (Starten des Maschinencodes)

82
6. Einfhrung in die
Datentypen (Wertebereiche): integer, real, time, string, object, boolean
Beispiele
Bezeichner fr Namen von Objekten und Variablen sollen nur Buchstaben
(keine Leerzeichen) enthalten.
is
TeilAngekommen : boolean;
Teil : object;
do
TeilAngekommen := Einzelstation.belegt;
if TeilAngekommen then
- - Kommentar: Diese Anweisung wird ausgefhrt, wenn TeilAngekommen = TRUE ist.
Teil := Einzelstation.inhalt;
end;
print Teil;
end;
83
6. Einfhrung in die
Programme (Berechnungen oder Steuerungen des Materialflusses) werden
whrend der Simulation durch Ereignisse gestartet.
Reset, Init und endSim

Die nderung des Icons der Methode deutet oft
auf das auslsende Ereignis hin.
Reset-Methoden setzen internen Zustand der Objekte zurck.

Beispielsweise werden BEs des vorherigen Simulationslauf gelscht.
Durch Init-Methoden wird das Modell initialisiert.
Beispielsweise werden Kapazitten von Produktionsressourcen gesetzt.
Die endSim-Methoden fhren nach der Simulation spezielle Auswertungen durch.
84
6. Einfhrung in die
Globale Variablen sind nicht nur whrend der Abarbeitung der Methode
gltig, sondern in allen Methoden eines Netzwerks.
Geben Sie den Durchsatz
in einer globalen Variable aus.
85
6. Einfhrung in die
Auf Objekte und deren Attribute und Methoden zugreifen
Bestimmung des Anteils der wertschpfenden Zeit von der Durchlaufzeit.
Zielkonflikt: wertschpfende Zeiten erhhen
Bestnde reduzieren
Nutzen der Kodevervollstndigung: Schreiben und Tastenkombination <Strg> + <Leer>
print .Modelle.Netzwerk.Senke.statProdArbeitsAnteil;
Objekte
Methode
Absoluter Pfad
is
mittDurchlaufzeit : time;
do
print .Modelle.Netzwerk.Senke.statProdArbeitsAnteil;
mittDurchlaufzeit := .Modelle.Netzwerk.Senke.statMittDurchlaufzeit;
print "Wertschpfende Zeit: ", mittDurchlaufzeit *
Senke.statProdArbeitsAnteil;
Relativer Pfad
86
6. Einfhrung in die
Debugger
Nutzen Sie die Vorlagen:
Der Debugger findet Fehler beim bersetzen und Ausfhren von Programmen.
Mit dem sogenannten Notfallgriff <Shift>+<Strg>+<Alt> hlt die aktuelle
Methodenausfhrung an und es ffnet sich der Debugger.
87
6. Einfhrung in die
Starten von Methoden durch Ereignisse
Das Ende der Bearbeitungszeit eines BEs wird durch ein Ereignis AUS
im Ereignisdebugger angezeigt.
Das auslsende BE ist durch den anonyme Bezeichner @ angegeben.
Es ist eine Variable mit dem Datentyp object.
Teil := @; -- Der lokalen Variable Teil wird @ zugewiesen.
@.Name := "Gut"; -- Das Attribut Name eines Objekts (hier @) wird gendert.
Teil.umlagern(Senke); -- Die Methode umlagern des Objektes Teil wird ausgefhrt.
88
7. Stochastische Simulationsstudien
Deterministische und stochastische Simulation
Simulationsstudien, in denen jede Komponente ein
vorhersehbaren Verhalten hat, nennen wir deterministisch.
Rmischer Gelehrter PLINIUS der ltere, der ein Kompendium des
gesamten damaligen wissenschaftlichen Wissens geschaffen hat:
Die einzige Sicherheit ist, dass nichts sicher ist.
(23-79 gestorben durch den Vesuv-Ausbruch)
Sowjetischer Mathematiker Andrej KOLMOGOROFF (1903-1987)

Grundlagen der Wahrscheinlichkeitsrechnung Moskau 1933
Eine Simulationsstudie, die Komponenten mit nicht vorhersehbaren
also zuflligen Verhalten besitzen, heien stochastisch.
Eine statistische Analyse der Ergebnisse ist erforderlich.
89
Die statistische Analyse ist fr die Akzeptanz der Ergebnisse einer
stochastischen Simulationsstudie notwendig.
Pierre Simon Laplace (1749-1827) definierte in seiner Arbeit Versuch
einer Philosophie der Wahrscheinlichkeitsrechnung den klassischen
Wahrscheinlichkeitsbegriff. Die Wahrscheinlichkeit fr die Geburt
eines Jungen ist 0.511. Bei einer hohen Anzahl von Geburten kann
diese Wahrscheinlichkeit bei allen Vlkern beobachtet werden. Laplace untersuchte
das Geburtenregister von Paris zwischen1745 und 1784. Er beobachtete einen
etwas kleineren Anteil von 0.510. Er suchte nach einem Grund fr die Vergrerung
des Anteils an Mdchen. In dem Register waren auch Kinder aus einem
Waisenhaus fr Findelkinder enthalten. Dieses Waisenhaus war das einzige dieser
Art in Frankreich. Da auf dem Land Shne als zuknftige Arbeitskrfte mehr als
Tchter geschtzt wurden, war die Anzahl der ausgesetzten Mdchen grer.
Laplace entferne die Findelkinder, die hufig nicht in Paris geboren waren, aus der
Zhlung. Dadurch konnte er den erwarteten Anteil besttigen.
Durch die statistische Analyse kann erkannt werden, ob Unterschiede in den
beobachteten Werten nur durch Zufall erklrbar sind oder wesentliche
Ursachen haben.
Stochastik Leistungskurs. Bayerischer Schulbuchverlag 1976
90
Statistische Analyse: Zuverlssigkeit der Ergebnisse
Nicht vorhersehbare
zufllige Eingabegren
z.B. Verfgbarkeiten
von Ressourcen
Schwankungen der Ergebniswerte

z.B. Durchsatz in der bestimmten Zeit
91
Ein Experiment ist die gezielte empirische Untersuchung des
Verhaltens eines Modells durch wiederholte Simulationslufe mit
systematischer Parametervariation.
(VDI-Richtlinie 3633, Blatt 1, 1993)
Bei einer stochastischen Simulationsstudie werden zu jedem Parametersatz

mehrere Simulationslufe durchgefhrt.
Diese Lufe fhren zu Beobachtungen der Ergebniswerte (Stichprobe),
die durch Konfidenzintervalle einer statistischen Analyse unterzogen werden.
92
Zur Veranschaulichung der Beobachtungen wird oft ein Boxplot verwendet.
Maximum
Dichtefunktion
einer schiefen
Verteilung
50 %
Oberes Quartil
Median
50 %
Unteres Quartil
p = 0,5
p = 0,5
Minimum
Es gengt nicht, alle Beobachtungen nur
durch einen Mittelwert
zusammenzufassen.
Boxplot der
Stichprobe
93
Kennzahlen der deskriptive Statistik
Der Mittelwert ist das arithmetische Mittel der Beobachtungen einer Stichprobe.
Der Median ist der Wert der sortierten Stichprobe, der in der Mitte liegt.
Bei 10 Beobachtungen ist es der Wert zwischen der 5. und 6. Beobachtung.
50 % der Beobachtungen einer Stichprobe liegen unterhalb des Medianes.
Der Median wird von Ausreiern der Stichprobe nur wenig beeinflusst.
Minimum und Maximum der Stichprobe vermitteln eine einfache Vorstellung der
Verteilung der Beobachtungen. Die Differenz wird Spannweite genannt.
25 % der Beobachtungen einer Stichprobe liegen unterhalb des unteren Quartils.
75 % der Beobachtungen einer Stichprobe liegen unterhalb des oberen Quartils.
94
Bestimmung der Gte der Simulationsergebnisse
Die Ergebnisse knnen nur dann sinnvoll interpretiert werden, wenn zu dem
Mittelwert auch das Streuungsverhalten der Beobachtungen eingeschtzt wird.
Die Simulationsergebnisse sind Zufallsvariablen, von denen man nur wenige
Realisierungen beobachtet hat (Stichprobe).
Konfidenzintervalle (Vertrauensintervalle) ermglichen die Genauigkeit der
Simulationsergebnisse zu schtzen.
Ein Konfidenzintervall gibt an, in welchem Bereich sich der wahre Mittelwert der
Zufallsvariable mit einer gegebenen Wahrscheinlichkeit
(Vertrauenswahrscheinlichkeit) befindet.
Sprechweise: Mit einer Wahrscheinlichkeit von 90 % liegt der Mittelwert der
untersuchten Gre zwischen a und b.
95
Bestimmung der Gte der Simulationsergebnisse

Die Mathematik zum Thema Konfidenzintervalle
Gegeben ist eine Stichprobe einer (normalverteilten) Zufallsvariable X.
Mittelwert und Standardabweichung von der Zufallszahl X sind unbekannt.
n
= Umfang der Stichprobe (z.B. Anzahl der Simulationslufe)
= Irrtumswahrscheinlichkeit des Konfidenzintervalls

1 - = Vertrauenswahrscheinlichkeit des Konfidenzintervalls (90% bei = 0,1)
m, S = Mittelwert bzw. Standardabweichung der Stichprobe
Das Konfidenzintervall [m-h, m+h] ist bestimmt durch
ist das Quantil der Student t-Verteilung mit n-1 Freiheitsgraden
96
Berechnung von Konfidenzintervallen mit Microsoft Office Excel 2003
Zur Anwendung der Excel-Funktion TINV muss man
wissen.
=TINV(F2;D11-1)
mit F2 = und D11 = n
97
Fragen zur Bestimmung der Gte der Simulationsergebnisse
Eine Vergrerung des Stichprobenumfangs n fhrt
bei gleicher Vertrauenswahrscheinlichkeit
zu einer
1. Vergrerung oder
2. Verkleinerung
des Konfidenzintervalls.
Eine Vergrerung der Vertrauenswahrscheinlichkeit fhrt
bei gleichen Stichprobenumfang n
zu einer
1. Vergrerung oder
2. Verkleinerung
des Konfidenzintervalls.
98
Der Experimentverwalter
Ergebniswert (Ausgabewert):
Senke.statAnzahlAus
Ziehen Sie die Einzelstation auf den Experimentverwalter.
Modellparameter (Eingabewerte):
Einzelstation.Verfgbarkeit und Einzelstation.MTTR
Ziehen Sie mit gedrckter Shift-Taste die Einzelstation auf
den Experimentverwalter.
Beachten Sie, dass die Simulation

terminieren muss
(Endzeit des Ereignisverwalters).
99
Die Verwendung des Experimentverwalters
mit einer Studentenversion
Bei einer Studentenversion ist die Anzahl der verwendeten
Materialflussobjekte auf 80 beschrnkt.
berprfung mit der Methode numOfLimitedObjects
1.Lschen
Sie den Ordner VerteilteSimulation.
2.Lschen
Sie die Klassen, die Sie nicht verwenden.
3.Lschen
Sie die Tools, die Sie nicht verwenden

(EngpassAnalyse, SankeyDiagramm,)
100
Aufgabe 2: Zusammenhang von Strungen und Durchsatz
Welche Auswirkungen haben Strungen auf den Durchsatz [Teile pro Stunde]?
Whrend der Untersuchungszeit von einen Tag ist die Maschine niemals wartend.
Die Bearbeitungszeit einer Maschine ist exponentiell mit = 60 s verteilt.
ndern Sie die Verfgbarkeit der Maschine von 50 bis 90 % und die MTTR
zwischen 1 und 5 Minuten.
Verwenden Sie den Experimentverwalter.
Geben Sie eine kurze quantitative Deutung
der Ergebnisse der Simulationsstudie!
101
Experimentdesign und Faktorenanalyse
Durch ein zweistufiges Experimentdesign findet man heraus, welcher Parameter
einen bestimmten Ergebniswert wesentlich beeinflusst.
Der Haupteffekte ist die mittlere nderung auf Grund der nderung eines
Parameter (Faktor) von der unteren zu der oberen Stufe.
Wechselwirkungseffekte sind die mittlere nderung auf Grund der
gleichzeitigen nderung zweier Faktoren.
Nach einem zweistufiges Experimentdesign kann man
mit einem mehrstufigen Experimentdesign den Einfluss
der Parameter genauer untersuchen.
102
Pilotstudie Faktorenanalyse
Ausgabewert: Betriebswirtschaftliche Kennzahlen
Eingabewerte: Wichtige Modellparameter sind Verfgbarkeit, MTTR, Prozesszeit.
103
Auswertung fr die Kennzahl Durchsatz (Schwankungen um 40.25)
Bei den Experimenten 2,4,6,8 ist die Prozesszeit 2 min.

Hier ist das Hauptpotential zur Durchsatzerhhung.
104
Auswertung fr die Kennzahl Durchsatz in Plant Simulation 8.2
(Schwankungen um 38)
105
8. Geometrische Modellierung
Prinzipien der Geometrische Modellierung
In einem Netzwerk kann mastabsgetreu modelliert werden.
Wie viele Pixel zwischen

zwei Rasterpunkten sind,
kann in den
Modelleinstellungen
gesetzt werden.
106
Prinzipien der Geometrische Modellierung
Der Abstand zwischen Rasterpunkten ist durch den
Skalierungsfaktor des Netzwerks definiert.
Der Skalierungsfaktor ist die Gre eines Pixels
und wird in m/Pixel gemessen.
Skalierungsfaktor = 0.1 m/Pixel:
Abstand von 3 Rasterpunkten entspricht 6 m.
6m
Frderstrecken, Wege fr
Fahrzeuge und Fuwege fr
Werker knnen mit Geraden
und Kreisbgen (Polycurves)
modelliert werden.
107
Prinzipien der geometrische Modellierung
Erzeugen einer Frderstrecke: Kreisbogen bei gedrckter Strg-Taste modellieren.
1.Klick: Tangentialwinkel des ersten Sttzpunkts festlegen
Tangentialwinkel = 0: glatter bergang
2.Klick: Radius festlegen
3.Klick: Endpunkt festlegen
4.Eventuell mit Rechtsklick
Kurvenzug abschlieen
108
Frderstrecke
Staufhige Frderstrecke
(z.B. Rollenfrderer)
Nicht Staufhige Frderstrecke

(z.B. Bandfrderer)
Fr die Verwendung von Objekten sind Kenntnisse

der zugrunde liegenden Annahmen der Modellierung notwendig.
109
Umsetzer
Der Umsetzer befrdert ein Teil entweder geradeaus
oder hebt es an einem Umsetzpunkt
auf eine quer verlaufende Frderebene
und bewegt es dann seitwrts weiter.
Icon und Ein- und Ausgnge
Umsetzzeit bei Richtungswechsel
110
Umsetzer
Untersuchung der Ablufe einer Umsetzers mit einer Umsetzzeit von 3 s..
1. Anzeigetafel zeigt das Attribut IstAngehoben an.
2. Die Quellen erzeugen durch Lieferlisten 3 BEs im Abstand von 2 s.
111
CAD Zeichnung knnen als Hintergrund des Netzwerks verwendet werden.
CAD-Dateien (Beispiel Demo.dwg) knnen durch Drag & Drop als Hintergrundbild eines
Netzwerks verwendet werden. Der Skalierungsfaktor muss geeignet gewhlt werden.
Die CAD Einheiten mssen auf 1 m skaliert werden, so dass die maximale Bildgre von
5000 Pixel eingehalten wird.
Skalierung 0.1 bedeutet, dass 10 CAD Einheiten 1 m entsprechen.
Konsole zeigt die Umrechnung an:

Drawing dimension: 308.759 x 154.436 [CAD units] 618 x 309 [Pixels]
112
Zu einem Modell kann einfach in ein 3D-Modell erzeugt werden.
Modellieren in 3D
Alle Objekte in 2D haben ein

zugehriges 3D-Objekt.
113
Pick-and-Place-Roboter
Der VDI definiert den Begriff Roboter folgendermaen:
Industrieroboter sind universell einsetzbare Bewegungsautomaten mit mehreren Achsen,
deren Bewegungen hinsichtlich Bewegungsfolge und Wegen bzw. Winkeln
frei (...) programmierbar und gegebenenfalls sensorgefhrt sind.
Sie sind mit Greifern, Werkzeugen oder anderen Fertigungsmitteln ausrstbar
und knnen Handhabungs- und/oder Fertigungsaufgaben ausfhren.
VDI-Richtlinie 2860
114
Aufbau des Beispielmodells 1/4: Pick-and-Place-Roboter
Lieferliste mit mastabsgerechten BEs
115
Simulation verschiedener Ausgangsverhalten
Typische und hufig auftretende Strategien zum Umlagern sind bereit vorbereitet.
Der Roboter berechnet
die Winkel und Zeiten
entsprechend den
verbundenen Objekten:
Kontextmen:
116
3D-Eigenschaften
Importieren der Grafik:

Robot Kuka.jt
117
Drei-Achs-Roboter
Achsen (rot): z, y1, y2

Austauschen der Grafik:
PickAndPlaceComau.s3d, PickAndPlaceKUKA.s3d
(enthalten in der Installation)
s3d-Datei: Grafik mit simulationsrelevanten Informationen
118
Modellieren in 3D
Beispiele auf der Startseite
119
9. Steuerung des Materialflusses

Simulation einer Bearbeitungsstation mit Nacharbeit
Nach der Bearbeitung von Teilen kann eine Wiederholung der Bearbeitung auf der
gleichen Maschine erforderlich sein. Die Notwendigkeit einer Nacharbeit ergibt sich
fr ein Teil erst nach der Bearbeitung und steht nicht von vornherein fr ein
bestimmtes Teil fest. Nacharbeit ist fr 20% der Teile erforderlich.
Solche speziellen Materialflusssteuerungen mssen mit SimTalk
programmiert werden.
120

Grundverhalten der Simulation des Materialflusses
Ist ein Teil fertig, so wird es zur nchsten Maschine geschoben.
Die nchste Maschine ist durch Materialflusskanten bestimmt.
Hat eine Maschine mehrere
Nachfolger, so werden die
BEs zyklisch umgelagert,
wobei das erste BE zum
ersten Nachfolger umlagert.
Zur Anzeige der Nachfolger aktivieren Sie

Nachfolger anzeigen
im Men Ansicht > Optionen
des Netzwerks.
121

Behandlungen von Blockierungen
Kann ein Teil (auf der schnellen Maschine) wegen einen belegten Nachfolger
(langsame Maschine) nicht umlagern, so wird bei diesem Nachfolger
das Teil registriert, das hierher
umlagern wollte.
Wird der Nachfolger (langsame
Maschine) spter frei, so fordert
Plant Simulation dieses Teil
erneut auf umzulagern.
Auf Umlagerung wartende Teile
sind in den Blockierlisten der
Nachfolger enthalten.
Gegenseitige Blockieren von
mehreren Teilen (Deadlocks)
knnen trotzdem nicht verhindert werden.
Deadlocks sind schwer zu erkennen.
122

Laden Sie das Objekt SchiebenUndBlockieren.obj in Ihre Bausteinbibliothek und
erklren Sie die Meldung Klassen ersetzen oder umbenennen.
Analysieren Sie den Materialfluss.
123

Rechnen Sie den angezeigten Zeitanteil der Bearbeitung der vorderen
Einzelstation durch Beobachtung der Animation der BEs nach.
Bearbeitungszeit des 1. BEs = B
Statistikerfassungszeit T
Anteile der Bearbeitungszeit (Einzelstation.statArbeitsAnteil) = 100 B / T
124

Materialflusssteuerung mit SimTalk
Wir bentigen eine Ablage fr die
Nachbearbeitungsteile. Damit der
Materialfluss der Teile ohne
Nachbearbeitung ungehindert durchlaufen
kann, schalten wir den Puffer parallel zur
Einzelstation.
Wir steuern den Materialfluss durch
Ausgangssteuerungen an der
Einzelstation.
Damit wird das Grundverhalten auer
Kraft gesetzt.
125

Graphische Darstellung des Algorithmus durch einen Programmablaufplan
Flussdiagramm
Anfang
JA
Ist das Teil Nacharbeit?
NEIN
Bestimme eine gleichverteilte
Zufallszahl zwischen 0 und 100
Teil weiterleiten
Ende
JA
Zufallszahl < 20 ?
NEIN
Teil ist Gut

Teil weiterleiten
Teil ist Nacharbeit

Teil auf Puffer
Ende
Warnung vor willkrlichen Sprngen,

der zu Spagetti Code fhrt.
Ende
126

Graphische Darstellung des Algorithmus durch ein Nassi-Shneidermann-Diagramm
Struktogramm
Ist das Teil
Nacharbeit ?
JA
NEIN
Bestimme eine gleichverteilte Zufallszahl

zwischen 0 und 100
Teil weiterleiten
Zufallszahl < 20 ?
JA
NEIN
Teil ist Nacharbeit
Teil ist Gut
Teil auf Puffer
Teil weiterleiten
Struktogramme knnen einfach in jede Programmiersprache bertragen werden.

Fr Programmablaufplne kann das wesentlich schwieriger sein (Wikipedia).
127

Erzeugung einer gleichverteilten Zufallszahl
Lesen Sie in der Dokumentation ber die Methode z_gleich nach.
Nach einem Reset der Simulation wiederholen sich die Zufallszahlen.
128

Ausgangssteuerung der Einzelstation
SimTalk Befehle komfortabel als Vorlage eingeben:
Auf das BE, das eine Steuerung auslst, kann mit @ zugegriffen
werden. Variable, wie @, ? werden Anonyme Bezeichner genannt.
129

Was wre wenn
1.
das Umlagern auf den Puffer oder auf die Senke nicht klappt?
2.
die Nacharbeit beim Auftragseinlasten der

Einzelstation hhere Prioritt hat?
Lsungsideen:
Puffer mit unendlicher Kapazitt
Senke mit Bearbeitungszeit 0 (Standard)
Ausgangssteuerung des Puffers:
Wie funktioniert waituntil ?

130

Materialflusssteuerungen
durch Suspendierungen der Methodenausfhrung
Eine Methode, die mit der SimTalk Anweisung waituntil ... prio ;
auf einen bestimmten Zustand des System wartet, ist zeitweise suspendiert.
Die Methodenausfhrung wird sofort fortgesetzt,
wenn die zugehrige Bedingung erfllt ist.
Hinter waituntil muss ein
berwachbarer Wert
(Attribut oder Methode) stehen.
131

Finden von suspendierten Methoden
Bei einem Reset des Ereignisverwalters werden

alle suspendierten Methoden beendet.
Suspendierte Methoden werden im Modell gespeichert.
132

In der Senke wird die Statistik
nach Namen der BEs erfasst.
Prfen Sie mit dem Experimentverwalter nach, ob der Anteil der
nachgearbeiteten Teile statistisch
signifikant bei 20 % liegt.
Verwenden Sie den Ausgabewert
root.Puffer.statAnzahlEin.
Beispielmodell ist Nacharbeit.spp

133

Aufgabe 3: Materialflusssteuerung
Man entwickle die Ausgangssteuerung der Einzelstation Verteiler,
so dass zuerst die Einzelstation A 2 BEs, dann B 3 und C 1 BE bekommt.
Dann soll sich die Verteilung wiederholen:
2A, 3B, 1C, 2A, 3B, 1C, 2A, 3B, 1C, 2A,
Hinweise:
Lesen Sie in der Dokumentation
zu folgenden Begriffen nach:
StatAnzahlEin, inspect, modulo.
134

Nassi-Shneidermann-Diagramm fr eine Selektion
Verwenden Sie bei der Lsung ein Nassi-Shneidermann-Diagramm.
Binden Sie das Diagramm in ein Word-Dokument ein.
Variable
Wert A
Anweisungen
Wert B
Anweisungen
Wert C
Anweisungen
SONST
Anweisungen
135

Dokumentation des Modells
durch Einbetten von Dateien anderer Anwendungen in die spp-Datei
Beispiel Dateien von Microsoft Office Word-Datei
Ziehen Sie die Word-Datei einfach in das Netzwerk.
136

Rest beim Dividieren: Modulooperator
Wenn die ganzen Zahlen a und b bei der Division durch m der gleichen Rest lassen,
so schreiben wir a
b mod m und in Plant Simulation a\\m = b\\m
137

Rest beim Dividieren: Modulooperator
Welcher Rest entsteht bei der Division von 22015 durch 7?

Ein gewhnlicher Computer liefert 3,76 E 606
Plant Simulation liefert bei pow(2,2015) unendlich (1.#INF)
20
21
22
23
23 * 671
22013
22015
1 mod 7
2 mod 7
4 mod 7
1 mod 7
1 mod 7
1 mod 7, denn 3 * 671 = 2013
4 mod 7
Der Rest bei der Division
22015 durch 7 ist 4.
138

Aufgabe 4: Qualittskontrolle
Man entwickle die Ausgangssteuerung der Einzelstation Maschine, so
dass nur jedes fnfte Teil einer Qualittskontrolle unterzogen wird und die
Fehlerwahrscheinlichkeit 1 % betrgt.
Man entwickle das zugehrige Nassi-Shneidermann-Diagramm.
139

Testen von Materialflusssteuerung
Durch eine Ausgangssteuerung einer Einzelstation sollen zufllig 10 % aller Teile
auf den Nachfolger 1 und der Rest auf den Nachfolger 2 umgelagert werden.
Man teste die Steuerung in einem Minimodell.
Die statistische Analyse des
Experimentverwalters zeigt die
fehlerhafte Steuerung:
100 Teile (Quelle)
1000 Beobachtungen
140

Aufgabe 5: Pulkstrecken
Die Materialstrme von 2 Frderstrecken werden zusammengefhrt.
Die Materialstrme bestehen aus Teiletypen A und B
mit den Ankunftsraten 12 bzw. 6 Teile pro Stunde.
Es sollen Pulks (Gruppen gleichartiger Teile) zu 4 Stck gebildet werden.
Ein Pulk darf erst
gestartet werden,
wenn die 4 Teile
eines Typs zur
Verfgung stehen.
Andererseits sollte
ein Pulk gestartet
werden, so bald
es mglich ist.
141

Ereignisse
erkennen
Das Frderband Conv_A hat das 4. Teile

bekommen.
2. Ein Pulk von 4 Teilen ist auf die
Frderstrecke aufgefahren.
1.
Zustnde
registrieren
Das Frderband Conv_A hat weniger

als 4 Teile und sammelt.
2. Das Frderband Conv_A hat 4 oder
mehr Teil und wartet auf das Entleeren.
3. Das Frderband Conv_B wird entleert.
1.
Aktionen
ausfhren
1. Ein Pulk wird gestartet.
2. Ein Pulk wird beendet.
142

Lsung zu Aufgabe 5 Pulkstrecken (Modell Pulkbildung.spp)
Zum Synchronisieren der beiden Materialstrme mssen wir den Zustand der
Frderbnder Conv_A und Conv_B beachten:
Die zugehrigen Frderstrecken knnen in den Zustnden
sammelt, wartet oder leert sein, die in den Variablen A und B gespeichert werden.
In der Eingangssteuerung
der Frderbnder
Conv_A und Conv_B
wird auf das Eintrittsereignis
eines Teils reagiert.
Wenn das Frderband
wartet oder leert ,
dann passiert nichts.
143

Lsung zur Aufgabe 5 Pulkstrecken
Der Vorgang des Entleerens
wird durch die Eingangssteuerung
der gemeinsamen Frderstrecke
gesteuert.
Am Ende des Entleerens muss auf
die Fortsetzung des Materialflusses
geachtet werden.
ndern Sie den Erzeugungsabstand
der Quellen.
Werten Sie die Statistik der
Variablen und der Senken aus.
144

Getaktete Linien
Modell Taktbaustein.spp
Eine Taktlinie besteht aus mehreren

Maschinen, deren Bearbeitung zu
unterschiedlichen Zeiten beendet
werden kann.
Legen Sie eine neue Klasse M
fr die Maschinen an.
Ein Takt erfolgt, wenn alle
Maschinen fertig und bereit sind.
Beispielsweise kann das Ende einer
Strung einen Takt auslsen.
Sagen Sie mit Hilfe des
Ereignisdebuggers einen Takt voraus.
145

Untersuchung von Energiesparmanahmen
Abhngig von der Belegung eines Produktionszwischenlagers soll die
nachfolgende Maschine in den Energiezustand Standby gefahren werden.
Modellparameter
Zwischenankunftszeit 3 min, Bearbeitungszeit 1 min exponentiell verteilt,
Kapazitt des Produktionszwischenlagers 20,
Energieverbruche entsprechend der Voreinstellungen:
Arbeitend 1 kWh, Betriebsbereit 0.5 kWh, Standby 0,1 kWh
146

Steuerung des Materialflusses durch das Produktionszwischenlager.
Untersuchen Sie die

Wirkungsweise von
Puffer.AusgangGesperrt
147

Auswertung der Energieverbruche durch das Werkzeug Energieanalyse
Zur Kennzeichnung des Energieverbrauchs werden die Verbrauchswerte
der untersuchten Ressourcen in vier Kategorien eingeteilt.
Zur Einstufung der Ressourcen wird der maximale Verbrauch Max
betrachtet.
Es entsprechen die Kategorien mit den Verbrauchsintervallen
[0, 0,4 Max]
[0,4 Max, 0,7 Max]
[0,7 Max, 0,9 Max]
[0,9 Max, Max]
Interessant sind die Energieverbruche

in den betriebsbereiten Zeiten,
da dann keine wertschpfende Zeiten stattfinden.
148

Implementierung der Beobachtermethode
Das Objekt Kontrollkstchen:
if Energiesparmanahme.Wert then
if Puffer.AnzahlBEs >= 15 then
Puffer.AusgangGesperrt := false;
elseif Puffer.AnzahlBEs = 0 then
Puffer.AusgangGesperrt := true;
waituntil Einzelstation.leer prio 10;
Einzelstation.EnergieZielzustand := "Standby";
end;
end;
149

Betriebswirtschaftliche Kenngren
Einzelstation.statEnergieGesamtVerbrauch
Puffer.statRelativeBelegung
150
10. Fahrzeugsteuerungen
Aufgabe 6: Fahrzeugsteuerung
Ein Taxi wartet an einer S-Bahnhaltstelle auf Kunden.
Die Kunden mchten 3 verschiedene Ziele mit dem Taxi erreichen:
Akademie, Badezentrum und Circus.

Die Kunden kommen zufllig mit einer mittleren Zwischenankunftszeit
von 5 min zwischen 7 Uhr und 9 Uhr.
Die Hufigkeiten der verschiedenen Ziele verhalten sich wie 1:2:3.
Der Abstand der 3 Ziele von der S-Bahnhaltstelle betragen 3, 4 und 5 km.
Das Fahrzeug fhrt mit einer mittleren Geschwindigkeit von 30 km h-1.
Notieren Sie sich mgliche Fragestellungen fr eine Simulationsstudie.
151
Modellierung des Kundestromes
Der Quellenbaustein S (S-Bahnhaltstelle) erzeugt den Inputprozess eines
Wartesystems: Die Zwischenankunftszeiten sind exponentiell verteilt.
Testen Sie den Ankunftsprozess ber die Erzeugungstabelle der Quelle.
152
Modellierung des Kundestromes
Testen Sie den Ankunftsprozess.
Beschreiben Sie die Modellierung durch Verwendung des Kommentarobjekts.
153
Modifizierung der Icons der BEs
Duplizieren Sie
das Objekt
.BEs.Frdergut
Laden Sie
die Dateien A.gif,
Symbole bearbeiten
Bildeditor
Kontextmen
des BEs
154
Laden Sie ein Objekt mit den 3 BEs (BEs_ABC.obj)
ber das Kontextmen der Basis in der Klassenbibliothek
155
Sensorsteuerung:
Sie mchten das Ereignis einfangen, wenn ein BE
an einer bestimmten Stelle auf einem Weg oder einer Frderstrecke ist.
156
Layout des Wegenetzes
Straennetz mit Skalierungsfaktor 12.5 abbilden.
1 km
157
Ereignisse des Fahrzeugs erkennen
Sensorsteuerungen dienen zum Setzen der Ziele und
zum Be- und Entladen von Fahrzeugen.
158
Sensorsteuerung
Fahrzeugmethoden:
statAuftragBelegtZeit
Fahrzeugattribute:
In der Fahrzeugklasse
muss die Automatische
Zielfindung eingeschaltet
sein. Die Fahrzeugsteuerung
erfolgt mit
1. Zielort (object)
2. Angehalten (boolean)
Modell Fahrzeugsteuerung.spp
159
Verfeinerte Analyse der ereignisorientierten Steuerung
Beispiel: Beladen eines Fahrzeugs ohne Waituntil-Anweisung
Es knnen 2 Ereignisse auftreten:
1.
Ein Kunde kommt an.
2.
Ein Fahrzeug kommt an.
Ausgangsteuerung der Warteschlange

Sensorsteuerung des Weges
Diese Ereignisse treten zu bestimmten Zustnden ein:

1.1. Es ist kein Fahrzeug an der Haltestelle.
Registriertes Fahrzeug
1.2. Es ist ein Fahrzeug an der Haltestelle.
Variable lesen
2.1. Kein Kunde wartet.
Registrierter Kunde
2.2. Ein Kunde wartet.
Variable lesen
Die Ereignisse fhren zu Aktionen:
1.2. und 2.2. Einsteigen und Fahren
1.1. Wartendes Fahrzeug registrieren
2.1. Wartenden Kunden registrieren
Variable zurcksetzen
Variable setzen
Variable setzen
160
Duplizieren Sie das Netzwerk (Modell Fahrzeugsteuerung.spp).
Fgen Sie zur Registrierung von wartenden
Objekten die Variablen Fahrzeug und Kunde
ein. Legen Sie eine neue Ausgangsteuerung
an der Warteschlange an.
161
Statistikmethoden des
Fahrzeugs, die durch die
Attribute hatAuftrag und
Heimfahrt gesteuert werden:
1.
statAuftragBelegtZeit
2.
statAuftragLeerZeit
3.
statHeimfahrzeit.
162
Modellierung von Be- und Entladeoperationen
mit der UmladeStation
Beladen eines Fahrzeugs:
163
UmladeStation fr einfache Transfers
Definieren Sie ein Fahrzeug mit der Kapazitt 2
und passender Animationsstruktur.
164
Aufgabe 7: Liftsteuerung
Man lege 4 Sensoren an einen

geraden Weg und entwickle die
Sensorsteuerungen aufladen
und abladen.
Das Fahrzeugs bernimmt Teile
aus einem Puffer Warteschlange
und transportiert diese Teile
entsprechend ihren Namen an die
Zielorte A, B und C.
Die Ankunftsrate der Teile ist
12 Teile pro Stunde.
Die Hufigkeiten der Teile A, B
und C verhalten sich wie 1:2:2.
Der Haltepunkt fr die wartenden Kunden

befindet sich zwischen den Haltepunkten der Zielorte B und C.
165
Lsung zur Aufgabe 7
Liftsteuerung
(Modell Liftsteuerung.spp)
166
Aufgabe 8: Fahrzeugsteuerungen
zur Lsung des Problems
der Trme von Hanoi
Erstellen Sie eine Fahrzeugsteuerung,
die die Bewegungen bei der Lsung
des bekannten Problems der
Trme von Hanoi durchfhrt.
Ein Transportauftrag besteht aus einem
Frdergut und einem Bestimmungsort.
Zur Durchfhrung eines Transports muss
ein Fahrzeug von der aktuellen Position
1. zum Standort des Frdergut fahren
und aufladen,
2. zum Bestimmungsort fahren und abladen.
167
?
A
Entwickeln Sie eine Strategie fr 3 Blcke!

Wie sieht die Strategie fr mehrere Blcke aus?
Erstellen Sie Wegelemente mit Sensoren
und Steuerungen fr die Sackgassen
168
Fahrzeugsteuerung: Die Trme von Hanoi
Wie muss ein Fahrzeug mit der Kapazitt 1 gesteuert werden, so dass der
Stapel der Blcke von A nach B transportiert werden.
Dabei darf niemals ein grerer Block (Frdergut) auf einen kleineren liegen.
169
Sensorsteuerungen
zur nderung der Fahrtrichtungen
vor den Sackgassen
Sensorsteuerungen
zum Be- und Entladen
am Ende der Sackgassen
Zugriff auf das oberste BEs:

print A.BE(A.AnzahlBES);
170
Sensorsteuerungen zum Be- und Entladen
Implementieren Sie eine Steuerung neuerAuftrag
zur Auftragsdisposition des Fahrzeugs!
Bestimmungsort ist
ein benutzerdefiniertes Attribut
des Frderguts Block.
171
Aufruf von Methoden mit Parametern Modell: Prozeduren.spp
Rekursive Funktionen
Beispiel Fakultt fac(n) = 1 * 2 * 3 ** n
Rekursive Definition
fac(1) = 1
fac(n) = n * fac(n - 1)
Merke: Jede rekursive Prozedur ist eine bedingte Anweisung.

172
Die Trme von Hanoi
Zur Erzeugung der Fahrauftrge knnen Sie eine Tabelle
verwenden, die einfach rekursiv erzeugt werden kann,
oder folgende Idee benutzen:
Bewegen Sie abwechselnd den kleinsten Block
in zyklischer Weise:
A > B > C > A oder C > B > A > C
und den anderen Block,
dessen Bewegung dann eindeutig bestimmt ist.
kleinster Block
anderer Block
kleinster Block
173
Lsung: Die Trme von Hanoi
(Modell: TowerOfHanoi.spp)
In der Init-Methode erzeugt man den Fahrplan durch den erstmaligen Aufruf
der rekursiven Methode MoveStacks.
Fahrplan.lschen;
Fahrplan.einfgeListe(1,1, MoveStacks("A","B","C", ProblemGre));
Fahrplan fr
3 Scheiben
{
{
174
11. Personaleinsatzsteuerungen
In einem nicht vollstndig automatisierten Produktionssystem beeinflussen
personelle Ressourcen mageblich das Erreichen der wirtschaftlichen Ziele.
Zur Simulation mssen personelle und maschinelle Ressourcen getrennt und

nacheinander modelliert werden.
1.Bei
einer personalintegrierten Simulation wird von der Modellierung der

maschinellen Ressourcen ausgegangen und das dort ttige Personal im
Nachhinein abgebildet. Die Mitarbeiter reagieren auf die Anforderungen des
Produktionssystems und haben keine individuellen Entscheidungsmglichkeiten.
2.Bei
einer personalorientierten Simulation wird die Modellierung verfeinert, so

dass typische menschliche Eigenschaften wie Lernen und Verlernen abgebildet
werden.
VDI-Richtlinie 3633 Simulation von Logistik-, Materialfluss- und Produktionssystemen, Blatt 6: Abbildung
des Personals in Simulationsmodellen
Vorlesung Produktionsmanagement Prof. Dieter Kluck (HS Esslingen)
175
Planung des Personalbedarfs
und des Personaleinsatz
Arbeitsinhalt
Arbeitsstrukturen
Jobrotation (*)
Arbeitsort
Heimarbeit
Gruppenarbeit
Springer (*)
Arbeitszeit
Schichten
Gleitende Arbeitszeit (*)
Welche Komponenten der Personaleinsatzsteuerung sind Gegenstand

der personalintegrierten bzw. der personalorientierten Simulation (*)?
Da das menschliche Verhalten nur in einem gewissen Mae vorhersagen lsst,
sind die Simulationsergebnisse immer mit einer Unzuverlssigkeit behaftet.
176
Bei einer personalorientierten Simulation kann das Personal die Mglichkeit
bekommen, den Personaleinsatz in den Verantwortungsbereichen selbst zu steuern.
Eine personalintegrierte Simulation erfordert umfangreiche, zustzliche Informationen
zum Personaleinsatz.
Gesetzliche Vorgaben zum Personalrecht sind zu beachten:
Arbeitszeitgesetz (ArbZG): Arbeitszeiten, Pausen, Ruhezeiten, Feiertage
Broker
Vermittlung
der Dienste
Importer
Exporter oder WerkerPool
Anforderung eines Dienstes
Bereitstellen von Diensten
177
Modellierung von Werkern
In ein Modell sollen Werker hinzugefgt

werden, die fr die Bearbeitung und Reparatur
einer Maschine notwendig ist.
Whrend der Bearbeitung und der Reparatur

ist der Werker auf einem bestimmten
Arbeitsplatz, welcher durch den Grundbaustein
Arbeitsplatz modelliert wird.
Der Arbeitsplatz ist der Maschine zugeordnet.
Die Werker werden im Grundbaustein

WorkerPool definiert.
Wenn ein Werker an einer Maschine bentigt

wird, geht er auf einem Fuweg zu der
zugeordneten Maschine.
Ein Broker ist fr die Verwaltung aller Werker

verantwortlich.
178
Werker und Dienste
Schalten Sie die
Vererbung der
Erzeugungstabelle des
WorkerPools aus und
ffnen Sie diese Tabelle.
Arbeitspltze
und Maschinen
Ziehen Sie die Einzelstation auf den Arbeitsplatz.
179
Werker und Dienste
Eine Werkerklasse bildet eine Gruppen von gleich qualifizierten
Arbeitskrften ab.
180
Maschinen und Dienste
Aktivieren Sie das Kontrollkstchen Aktivieren auf der Registerkarte Importer
im Dialog der Einzelstation .
Tragen Sie die Dienste ein (Vererbung vorher ausschalten).
181
Modellierung von Werkern
Simulieren Sie Strungen der
Einzelstation.
Zur Beseitigung der Strungen ist ein
Werker mit der Qualifikation
Reparieren notwendig.
182
Werker und Schichten
Mit dem Objekt Schichtkalender

knnen fr einen Werkerpool ein
festes Arbeitszeitmodell festgelegt
werden.
Ziehen Sie den Werkerpool auf den
Schichtkalender.
183
Aufgabe 9: Werker
Bindung der Werker an eine Linie:

In der dargestellten Produktion arbeiten
4 Werker in 2 Schichten.
Zwei Werker bedienen nur die
obere Linie und zwei nur die untere Linie.
Eine der Maschinen jeder Linie
hat eine reduzierte Verfgbarkeit von
80 %. Verwenden Sie jeweils einen
Werker pro Schicht zur Reparatur bei
Strungen.
Laden Sie den Baustein Worker Chart und analysieren Sie die Werkerauslastung.
184
Lsung zur Aufgabe 9: Werker
Bindung der Werker an eine Linie:
Durch die Qualifikation (Dienste) wird
ein Werker an eine Maschinengruppe
gebunden.
Auf diese Weise kann auch der
Werker fr die Reparatur diese
Maschinen zugeordnet werden.
Modell:
Personal.spp
185
Tragender Werker
Realisierung des Materialflusses durch den Werker
Ausgangsstrategie Teil wegtragen
186
Tragender Werker
Das Sankey Diagramm zeigt Materialfluss der Teile lngs der Fuwege an.
Die Klasse der Teile wird durch Drag und Drop im Sankey Diagramm registriert.
187
Tragender Werker mit mehreren Transportauftrgen
Realisierung mehrerer Transportauftrge mit unterschiedlichen Zielen
Anlegen einer neuen Klasse des Werkers mit der Kapazitt 2.
Die zu transportierende Teile haben das Attribut Zielort,
das den zugehrigen Arbeitsplatz beschreibt.
188
Der Werker bernimmt die Teile, die nach seiner Ankunft innerhalb der
maximalen Verweilzeit auf der zugeordneten Station (hier Maschine) fertig
werden.
189
Aufgabe: Transporte mit Werkern
Ein Werker ist fr den Abtransport der Teile von den Maschinen A, B, C zustndig.
Diese Maschinen knnen 4 Teile gleichzeitig bearbeiten.
Die Arbeitszeit ist exponentiell mit dem Mittelwert von 2 Minuten verteilt.
Die Hufigkeiten der ankommenden Teile verhalten sich wie 1:2:7.
Es kommen etwa 5 Teile pro Minute an.
Der Werker kann ein oder zwei Teile transportieren.
Die Zeiten fr den Hin- und Rckweg sind jeweils 30 Sekunden.
Die zugehrigen Ziele fr die Weiterbearbeitung sind ZA, ZB, ZC.
Die Bearbeitungszeiten auf ZA, ZB, ZC liegen zwischen 1 und 2 Minuten.
Geben Sie eine Empfehlung fr die
maximalen Verweilzeit des Werkers
an den Maschinen A, B, C, wenn
mit einem mittleren Durchsatz
pro Stunde von 40 gerechnet wird.
190
Aufgabe 10: Bindung der Werker an ein Teil
In einer Linienproduktion soll jeder
Werker die Bearbeitung eines Teils
von der Maschine M1 ber M2 bis
zu M3 begleiten.
Erst wenn die Bearbeitung eines
Teils auf allen 3 Maschinen
abgeschlossen ist, kann er mit der
Bearbeitung des nchsten Teils
weitermachen.
191
Bei dieser Form der Produktion werden einzelne Werkstcke gefertigt, die ohne
Zwischenlagerung durch das gesamte Produktionssystem flieen.
Idee: Wir verwenden die Steuerung
Importeranfrage des Brokers (enthlt Aufruf von der Methode belegeMit) und die
Erhalt-Steuerung des Importers (enthlt Aufruf von der Methode starteArbeit).
Mit Steuerungen bernimmt der Anwender die Verantwortung
fr den Ablauf des Materialflusses.
192
Arbeit mit Tabellen
Die Zuordnung der Werker und Teile muss protokolliert werden.
Ein Werker, der ein Werkstck begonnen hat zu bearbeiten, darf nicht die
Bearbeitung eines anderen Teils beginnen. Nur freie Werker drfen ein neues Teil
beginnen.
Diese Zuordnung erfolgt in einer Tabelle,
die wir fr unseren Zweck formatieren mssen.
193
Formatieren Sie die Tabelle der Zuordnungen Werker Werkstck.
Lschen Sie diese Tabelle durch eine Reset-Methode,
die ein Attribut dieser Tabelle ist (Objekte sind gekapselt).
In einer Initialisierungsmethode tragen wir die Werker ein.
Der Zugriff auf alle BEs erfolgt mit der Methode BE(Nr).
194
Arbeitsauftrge an Werker zuweisen
Lesen Sie die Hilfe

zur Importeranfrage-Steuerung.
Die Steuerung muss dem

Importer einen Werker
zuordnen.
Das erfolgt mit der
Methode belegeMit.
195
Ereignis: Neues Werkstck trifft an einer Maschine ein.
Der Broker wird aufgefordert, einen Werker fr die Arbeit zu finden.
Aktion: Aktivierung der Importeranfrage-Steuerung durch den Broker.
Ist das Werkstck schon
einen Werker zugeordnet?
JA
NEIN
Gibt es einen
freien Werker ?
Belege den Werker

mit dieser Arbeit
JA
NEIN
1. Belege den freien Werker Der Broker merkt sich

mit dieser Arbeit;
die offene Anfrage.
2. Registriere die Zuordnung
Welche Ereignisse mssen bei der Personaleinsatzsteuerung auch beachtet werden?
196
Verwaltung von Importern (Maschinen)
Der Broker kennt alle

unbefriedigten Importer.
Wird ein Werker frei, so wird die Importeranfrage-Steuerung auch aufgerufen,
um unbefriedigte Importer (auf Werker wartende Maschinen) zu bedienen.
197
Werkstck schon
zugeordnet?
Wenn nicht,
suche nicht
zugeordneten,
also freien Werker
und registriere die
neue Zuordnung.
Werker dem
Werkstck
zuordnen.
198
Auftragsvermittlung berprfen
Die Zuordnung
Werker Werkstck
muss am Ende gelst werden,
so dass der Werker wieder
vermittelt werden kann.
Lsung zu Aufgabe 10 Modell Personaleinsatzsteuerungen.spp enthalten.
199
Transport durch Werker
Chaku-Chaku-Prinzip (japanisch = laden, laden)

Hufig ist der Werker nicht fr die Bearbeitung der
Werkstcke, sondern nur fr den Transport von
einer Maschine zu der nchsten erforderlich.
Eine ber einen lngeren Zeitraum feste
Zuordnung Werker Werkstck ist dann nicht
zweckmig.
Transport Teil n
Transport Teil n-3

200
Transport durch Werker
201
12. Steuerung von Montageprozessen

Aufgabe 11: Fertigungsablufe mit Montageprozessen
Die Fertigung von Motorrdern erfolgt entsprechend der eingehenden
Kundenbestellungen, die im Abstand von 6 bis 12 Stunden eingehen.
NOCKENWELLE und BLOCK werden jeweils einzeln mit einer mittleren
Maschinenzeit von 120 Minuten gefertigt und in 30 Minuten zum MOTOR montiert.
MOTOR und RAHMEN werden zum MOTORRAD mit einer Maschinenzeit von
210 Minuten montiert. RAHMEN befinden sich in ausreichender Anzahl im Lager.
Welche Produktionszeit wird man zur Herstellung von 100 Motorrdern bentigen?
Welche Verzgerungszeit entsteht dabei durch das Warten auf Anbauteile?
Lsung Montage.spp
202
Zur Konfiguration der Montagestation

muss man die Vorgnger im Netzwerk einblenden.
Men Ansicht > Optionen
Anbauteil Nockenwelle
kommt vom Vorgnger 3
203

Statistikreport
Mehrere Bausteine
Selektieren
und Taste F6 drcken:
Im Tooltip werden die
Statistikmethoden gezeigt.
204
13. Statistische Verteilungen

Parametrisierung statistischer Verteilungen
Die Modellierung von beobachteten Daten durch statistische Verteilungen ist
ein wichtiger Bestandteil der Systemanalyse (Datenbeschaffung).
Erfassung der Durchlaufzeit durch eine Teilanlage.
Man erzeuge ein benutzerdefiniertes Attribut des BEs vom Datentyp time
zur Speicherung des Eintrittszeitpunkts.
Zwei Methoden erfassen den
Ein- und Austritt eines BEs.
1. Entwickeln Sie eine
Animation fr die Teilanlage.
2.
Man finde eine statische
Verteilung, die das
zufllige Verhalten der
Durchlaufzeit mglichst
gut beschreibt.
3.
Welche Kapazitt hat die Anlage?
Modell Distribution_Fitting.spp
205

Modell Distribution_Fitting.spp
206

Datenaufbereitung Parameterschtzung
Mit den Baustein DataFit findet man eine
stochastische Verteilung, die die Eigenschaften der
beobachteten Stichprobe am besten wiederspiegelt.
Die Maximum-Likelihood-Methode schtzt die
Verteilungsparameter. Es werden die Parameter
verwendet, die bei der beobachteten Stichprobe am
wahrscheinlichsten sind.
Diese Verteilung mit diesen Parametern knnen Sie in Plant Simulation verwenden.
207

Datenaufbereitung Anpassungstest
Danach wird ein Anpassungstest zu der eingestellten Irrtumswahrscheinlichkeit
durchgefhrt. Es wird die Hypothese geprft, ob die Stichprobe von der
parametrisierten Verteilung stammen kann.
Beim Chi-Quadrat-Anpassungstest zerlegt man den Bereich der Stichprobe
auf der x-Achse in Intervalle (Klassen) und berechnet zu allen Klassen die
gewnschte Wahrscheinlichkeit, dass eine Zufallszahl X in dieser Klasse liegt.
Dichtefunktion der
parametrisierten
Wahrscheinlichkeitsverteilung
P( a < X b )
208

Um die gewnschten Hufigkeiten mit den in der Stichprobe beobachteten
Hufigkeiten zu vergleichen, berechnet man eine statistische Testgre.
Diese Verteilung passt

gut zu der Stichprobe.
209

Diese Testgre ist klein, wenn sich die Hufigkeiten nur wenig unterscheiden.
Die Testgre ist selbst eine Zufallsvariable, die mit einer gewissen
Wahrscheinlichkeit fr die parametrisierte Verteilung durch eine Stichprobe
beobachtet werden kann.
Fr die Gamma-Verteilung werden wir die Hypothese annehmen.
Diese Verteilung passt

schlecht zu der Stichprobe.
Fr die
Gleichverteilung
wird die
Hypothese
verworfen.
210

Datenaufbereitung
Die Anlage soll durch einen geeigneten Grundbaustein modelliert
werden.
Die Anzahl der BEs in der Anlage kann durch die Statistik der Variable
untersucht werden:
211

Validierung der Modellierung
Wie gut stimmt das Modell mit der Realitt (in unserem Fall ist das das
Modell, indem die Anlage als Netzwerk modeliiert ist) berein?
Vorschlag: Vergleich der Durchlaufzeit fr 200 Teile.

212

Animationsstrukturen
Die Animationspunkte sind Visualisierungspunkte, an denen
whrend der Simulation die Bilder von BEs dargestellt
werden.
Symbolische Ebene
Bild des Netzwerk der Anlage
mit Animationspunkten
Referenzpunkt des BEs
Logische Ebene
Netzwerk der Anlage
213

Animationsstrukturen
Zur Definition der Animationspunkte und deren Verbindung verwendet man den
Symboleditor im Animationsmodus.
214

Aufgabe 12: Verteilung der Anzahl der Kunden
Bestimmen Sie die Wahrscheinlichkeitsverteilungen der Anzahl der Kunden,
die whrend eines Zeitintervalls von 1 Stunde in einem Postamt ankommen,
wenn die Zwischenankunftszeit der Kunden exponentiell mit dem Parameter
1.
= 2 min
2.
= 3 min
verteilt ist.
Hinweise: Zur Erfassung der Anzahl der Kunden zwischen den Zeitpunkten n Stunden
und n+1 Stunden verwenden Sie ref(DurchsatzErfassung).Methaufr(3600);
Erstellen Sie die Methode DurchsatzErfassung, die die globale Variable letzterWert verwendet.
215

Lsung zu Aufgabe 12: Verteilung der Anzahl der Kunden
Die Methode DurchsatzErfassung verwendet die globale Variable letzterWert.
Modell Poisson.spp
216

Lsung zu Aufgabe 12: Verteilung der Anzahl der Kunden
Ist die Zwischenankunftszeit der Kunden exponentiell mit dem Parameter
1. = 2 min = 1/30 h
2. = 3 min = 1/20 h
verteilt, so ist die Anzahl der in einer Stunde ankommenden Kunden
poissonverteilt mit dem Parameter = 1/
1. = 30 Kunden/h
2. = 20 Kunden/h
Die Wahrscheinlichkeit, dass
in einer Stunde genau 25 Kunden
ankommen, ist
1. 0,051
2. 0,045
P(Anzahl = k) =
217

Datenaufbereitung mit empirischen Verteilungen
Wenn DataFit keine statistischen Verteilung gefunden hat,
die auf eine Stichprobe passt, so kann eine Klasseneinteilung der
Stichprobe direkt zur Simulation des zuflligen Prozesses verwendet
werden.
Beispiel: Bimodale Verteilung:
Die Dichte einer bimodalen Verteilung hat 2 Maximalwerte (Modalwerte).

218

Stetige empirischen Verteilung (cEmp)
Hufigkeit
P(4 min < T < 5 min) = 0,6
0.01
0.6
0.4
60
120 180 240
300
T/s
Diskrete empirischen Verteilung (dEmp)

Hufigkeit
0.7
0.3
60
120
T/s
219

Berechnung der Mittelwerte
Mittelwert = 0,4 * 90 s + 0,6 * 270 s = 198 s = 3:18
Mittelwert = 0,3 * 60 s + 0,7 * 120 s = 102 s =1:42
Modell Empirische_Verteilungen.spp
220

Modell: Bimodale_Verteilung.spp
Erzeugen einer
bimodalen Verteilung
Simulieren einer
stetigen empirischen Verteilung
221

Erzeugte
bimodale
Verteilung
Simulierte
bimodale
Verteilung
222
14. Verfgbarkeit von Maschinen

Aufgabe 13: Verfgbarkeit einer Maschine
Die Strungen einer Maschine mit einer Verfgbarkeit von 96 % sind in 80 %
aller Flle in einer Zeit zwischen 1 und 2 Minuten behoben.
15 % Strungen haben eine Dauer von 1 bis 3 Stunden.
Die restlichen Strungen sind erst nach 3 bis 8 Stunden behoben.
Bestimmen Sie durch eine Berechnung
mit SimTalk MTTR und MTBF
im Zeitformat.
Modellieren Sie den Strabstand
durch eine Exponentialverteilung
(MTBF = )
und die Strdauer durch eine
stetige empirische Verteilung.
Fhren Sie eine Simulation durch
und bestimmen Sie die simulierte
Verfgbarkeit und die MTTR.
223

Verfgbarkeit
einer Maschine
Simulierter Wert der MTTR:

Einzelstation.statStoerungsMu
Simulierter Wert der Verfgbarkeit:
round(100 * (1-Einzelstation.statStoerungsAnteil),3)
Modell EmpVerteilung.spp
224

Zuverlssigkeit von Produktionsressourcen
Es ist T eine zufllige Zeit, zu der eine Maschine ausfllt.
T ist als MTBF interpretierbar.
Zuverlssigkeit (reliability): Wahrscheinlichkeit, dass eine Maschine zur Zeit t
noch funktionstchtig ist:
Ausfallwahrscheinlichkeit: Verteilungsfunktion von T
Ausfallrate r(t): Anteil der Maschinen, die pro Zeiteinheit ausfallen

Anteil der Maschine, die im Zeitintervall
ausfallen, ist
225

In der letzten Formel ersetzen wir
und erhalten
226

Wir erhalten den wichtigen Zusammenhang von
Ausfallwahrscheinlichkeit und Ausfallrate
Ist die Ausfallrate r(s) konstant =
so erhalten wir die Exponentialverteilung
mit
227

Maschinen, deren zufllige Ausfallzeiten T exponentiell verteilt sind, haben die
Eigenschaft der Gedchtnislosigkeit:
Eine Maschine, deren Ausfallzeit T exponentiell verteilt ist,

und schon die Zeit t gearbeitet hat,
hat die gleiche Ausfallwahrscheinlichkeit wie eine neue Maschine.
Man rechne
fr
nach.
228

Die Weibull-Verteilung hat die Verteilungsfunktion.
Sie eine typische Lebensdauerverteilung.
Fr = 1 erhalten wir die Exponentialverteilung: r(t) ist konstant.
In Arbeitsphase treten keine altersbedingten Ausflle auf.
Fr < 1 ist r(t) fallend.
Frhausflle (burn-in) treten seltener auf.
Fr > 1 ist r(t) wachsend.

Verschleiausflle (wearout) treten
immer fters auf.
Die Phasen der Einsatzzeit einer
Produktionsressource werden
durch eine badewannenfrmige Ausfallrate
beschrieben.
229

Aufgabe 14: Zuverlssigkeit von Produktionsressourcen
Stellen Sie die Ausfallrate r(s) einer Maschine graphisch dar,
wenn die Ausfallzeit Weibull-verteilt ist. Modell Weibull_Verteilung.spp
1.
Berechnungen der
Ausfallhufigkeiten zur Zeit t
Alpha = 1.5
Beta = 10
t := z_Weibull(1, 1.5, 10);

n := ceil(t); (aufrunden)
Hufigkeiten[2,n] := Hufigkeiten[2,n] + 1;
Hufigkeiten[1,n] := n-1;
Diagrammeinstellungen
zur Darstellung
der Tabelle Hufigkeiten
230

2. Berechnungen der Ausfallrate zur Zeit t
s := 0;
for j := 1 to Hufigkeiten.yDim loop
n := Hufigkeiten[2,j];
Rate[1,j] := j;
Rate[2,j] := n/(Stichprobenumfang - s);
s := s + n;
next;
231
15. Pseudozufallszahlen
Zufall simulieren? Pseudozufallszahlen
Als Pseudozufallszahlen bezeichnet man Zahlenfolgen, die durch einen
deterministischen Algorithmus (Pseudozufallszahlen-generator) berechnet
werden (und somit nicht zufllig sind),
aber (fr hinreichend kurze Sequenzen) zufllig aussehen.
Eine Folge von Zufallszahlen wird auch Zufallszahlenstrom genannt.
Die Startwerte dieser Folgen werden Seedwerte genannt.
232
Modellkomponenten mit stochastischen Verhalten

1.
Rst- und Bearbeitungszeiten von Produktionsressourcen (Einzelstation)
2.
Strungsprofile von Produktionsressourcen
3.
Strungsprofile von beweglichen Elementen (Transporter, Werker)
4.
Variablen Objekte des Datentyps randtime
5.
Benutzerdefinierte Attribute des Datentyps randtime

von Produktionsressourcen und beweglichen Elementen
6.
SimTalk Verteilungsfunktionen (z_gleich)
233
Anforderungen auf dem Intervall (0,1) gleichverteilte Zufallszahlen U
Die Wahrscheinlichkeit, dass eine Realisierung u in einem Teilintervall von (0,1) liegt,
ist nur von der Lnge des Teilintervalls abhngig.
Salopp gesagt: Jede Zahl u in (0,1) ist gleichwahrscheinlich.
Die Anordnung der Zufallszahlen hat keine typischen Merkmale,

z.B. die Vorzeichen der Differenzen von aufeinanderfolgenden Zufallszahlen
lassen keine Muster erkennen.
Da es nur endliche viele Zustnde eines Rechners gibt,

muss ein solcher Algorithmus periodisch werden.
Wir fordern deshalb, dass die Periodenlnge mglichst gro ist.
Ausgehend von gegebenen Seedwerten muss eine groe Anzahl von stochastisch
unabhngigen Zufallszahlen U zur Verfgung stehen.
Um bestimmte statistischen Methoden (wie z.B. die Varianzreduktion) anwenden zu

knnen, mssen die zuflligen Prozesse einer Simulation reproduzierbar sein.
Probieren Sie nach Reset den Zufallszahlenstrom (0,1) aus: print z_gleich(1,0,1);
234
Mathematische Grundlagen der Erzeugung von Pseudozufallszahlen
Eine Folge von Realisierungen von U wird aus einer ganzzahligen Folge erzeugt.
Die ganzzahligen Zufallszahlengeneratoren basieren
auf Erkenntnissen der Zahlentheorie und der Hheren Algebra.
Arithmetik der Restklasse modulo einer groen Primzahl
Beispiel: Primzahl p = 7: In dieser Arithmetik ist 2 * 5 = 3, da 2 * 5
3 mod 7
p soll nur wenig unter der maximalen ganzen Zahl liegen,

die auf dem verwendeten Computer exakt dargestellt werden kann.
32-bit Algorithmus in Plant Simulation 10.1: m = 2147483399 = 231 85
64-bit Algorithmus in Plant Simulation 11: m = 263 - 6645 = 9223372036854769163
235
Multiplicative Linear Congruential Generator (MLCG)
Starte mit einem Seedwert x1 (nicht 0) und setze die Folge durch die Rekursion
xn+1 = (a xn ) mod m
fr n > 0
fort. Es ist 0 < a < p.

Multiple Recursive Generator (MRG)
Starte mit Seedwerten x1, x2, x3 (nicht alle 0) und setze die Folge durch
xn+3 = ( a2 xn+2 + a1 xn+1 + a0 xn ) mod m
fr n > 0.
fort. Es sind a0, a1, a2 < p.

Der zugehrige Algorithmus muss sicherstellen, dass bei allen Zwischenergebnissen
niemals der Bereich der exakt darstellbaren ganzen Zahlen verlassen wird.
236
Maximale Periodenlnge
Um eine maximale Periodenlnge p 1 des MLCG zu erreichen,
muss der Multiplikator a eine primitive Wurzel modulo p sein,
d.h. die Potenzen a bilden alle von 0 verschiedene Reste modulo p.
a = 2 ist keine primitive Wurzel modulo 7. Periodenlnge ist nur 3
a = 3 ist primitive Wurzel. Periodenlnge ist maximal fr p = 7.
2
21
22
23
1 mod 7
2 mod 7
4 mod 7
1 mod 7
a=2
a=3
1
5
4
237
Die maximale Periodenlnge p3 1 des MRG kann erreicht werden,
wenn f(x) = x3 a2 x2 - a1 x - a0 ein primitives Polynom in der
Restklassenarithmetik modulo p ist.
Evariste Galois (1811-32)
Er starb im Alter von 20 Jahren in einem Duell.
Britischer Mathematiker Ian Stewart:
Galois theory is a showpiece of mathematical unification
and technology transfer.
238
Die endgltige Zufallszahl wird durch Kombination zweier MLCG bzw. MRG
erzeugt. Daraus resultiert die enorme Periodenlnge. Alle verwendeten
Parameter, wie die beiden Primzahlen und die Multiplikatoren wurden durch
viele statistischen Tests durch das Team des kanadischen Professor Pierre
L'Ecuyer geprft.
Periodenlnge des MRG
((263 6645)3 1) ((263 21129)3 1) ~ 2377~ 3 10113
Periodenlnge des MLCG

((231 85) 1) ((231 249) 1) ~ 261~ 2.3 1018
239
Verwaltung der Seedwerte in Plant Simulation 11
The MRG erzeugt eine sehr groe endliche zyklische Folge, in der jede
zufllige Komponente einen relativ kleinen Abschnitt verwendet.
Seedwerte fr die Rst- und
Bearbeitungszeit einer
bestimmten Maschine.
Zyklische Folge
des zweiten MRG
Zyklische Folge
des ersten MRG
240
Verwaltung der Seedwerte in Plant Simulation 11
Jede Zufallskomponente hat seinen eigenen Strom.
Dadurch beeinflussen sich Zufallskomponente nicht untereinander.
Alle Zufallskomponenten haben eigene Seedwerte.
Dadurch haben sie unterschiedliches zuflliges Verhalten.
241
Faktoren, die die Seedwerte bestimmen
Materialflussobjekte
und Variablen Objekte
MU Instanzen
User-defined
Attributes des
Datentyps Randtime
SimTalk
Verteilungsfunktionen
Attribut
ZufallszahlenStartwert
der Klasse
Eigener
Tabelle der
Seedwerte
Instanz ID
Nummer des Strungsprofils
Attribut ZufallszahlenVariante des Ereignisverwalters
Da alle Seedwerte durch das Attribut ZufallszahlenVariante gleichzeitig gendert
werden, knnen einfach mehrere Simulationen mit unterschiedlichen zuflligen
Verhalten durchgefhrt werden.
242
Der MLCG in Plant Simulation 10.1 verwendet
die Primzahlen 231 249 = 2147483563 und 231 85 = 2147483399.
Die in Plant Simulation verwendeten Parameter fr die MLCG
wurden in zahlreiche statistische Test ermittelt.
Der MLCG in Plant Simulation 11 wurde fr 64bit Computer entwickelt
und verwendet Primzahlen, die wenig unter 263 liegen.
Spektraltest: Stellt man Paare aufeinanderfolgende Zahlen als Punkte
in der Ebene dar, so entstehen regelmige Muster.
Die Punkte sollen mglichst weit auseinander liegen.
243
Um diese regelmigen Muster zu vermeiden, werden zwei MLCG kombiniert.
p1 = 7 hat primitive Wurzel a1 = 3

p2 = 11 hat primitive Wurzel a2 = 7
244
Erzeugung von exponentiell verteilten Zufallszahlen
F(x)
f(x)
Dichtefunktion
f(x) = 1/ exp(- x/)
Mittelwert =
1
Verteilungsfunktion
F(x) = 1 - exp(-x/)
F(x) = P( X b )
P( a < X b )
F(x) = f(x)
0
x
a
Exponentiell verteilte Zufallszahlen knnen einfach erzeugt werden.

Viele zuflligen Prozesse in der Materialflusssimulation haben dieses
Verteilungsgesetz: Zwischenankunftszeiten, Bedienzeiten, Ausfallzeiten usw.
245
Erzeugung von Zufallszahlen mit der Inversionsmethode
(Transformation mittels Umkehrung der Verteilungsfunktion)
F ist eine stetige und streng wachsende Funktion F mit Werten aus dem Intervall [0,1].
U ist eine auf dem Intervall [0,1] gleichverteilte Zufallszahl.
Sind u Realisierungen von U, dann haben die Zufallszahlen F-1(u) die
Verteilungsfunktion F.
Beweis: Klar ist P( u < x ) = x. Also auch P( F-1(u) < x ) = P( u < F(x) ) = F(x).
F(x)
1
-1
F (u)
x
246
Erzeugen von Zufallszahlen
Wenden Sie die Inversionsmethode auf die Exponentialverteilung
mit = 10, = 0,1 an:
F(x) = 1 - exp(- x/10)
Dazu setzen Sie u = F(x), und lsen nach x auf.
Eine gleichverteilte Zahl u wird mit der SimTalk-Methode z_gleich erzeugt.
Erstellen Sie eine Methode, die eine Stichprobe von 200 Beobachtungen einer
Zufallsvariable erzeugt, die mit der Inversionsmethode erzeugt wurden.
Fhren Sie eine Datenaufbereitung mit DataFit durch.
Hinweis: log ist der natrliche Logarithmus in SimTalk.
Ergebnis der Datenaufbereitung:
Weibull- und Gamma-Verteilung mit = 1 sind Exponentialverteilungen mit
gleichen Parameter .
247
16. Warteschlangentheorie
Aufgabe 15: Fahrzeugeinsatz
Bei der Planung eines Fahrerlosen Transportsystems (FTS) stehen zwei
Konfigurationsmglichkeiten zur Auswahl, die durch die mittlere Wartezeit der
Werkstcken auf ihren Transport bewertet werden. Es soll entschieden werden, ob es
besser ist, 2 Fahrzeuge mit einer Geschwindigkeit von 2 m/s verwendet werden sollen,
oder ein Fahrzeug mit der dreifachen Geschwindigkeit.
Verwenden Sie das Modell

Fahrzeugeinsatz.spp, welches
Sie in einer hnlichen Form
bereit kennen. Beachten sie,
dass die Geschwindigkeit der
Fahrzeuge in m/s beschrieben
wird.
Wie kann in Plant Simulation

die mittlere Wartezeiten
bestimmt werden?
248
Aufgabe 15: Fahrzeugeinsatz Modellierung
Die mittlere Wartezeit bestimmen wir in einer EndSim-Methode. Als Ausgabewert
einer Simulationsstudie wird dieser Wert eingetragen.
249
Aufgabe 15: Fahrzeugeinsatz Auswertung
In der statische Analyse vergleichen wir die Konfidenzintervalle mit einer
Vertrauenswahrscheinlichkeit von 90 % fr die mittlere Wartezeit:
Die Konfidenzintervalle berdecken sich nicht.

Die Wartezeit bei 2 Fahrzeugen ist signifikant
geringer als die Wartezeit bei einem schnelleren Fahrzeug.
250
Die Problematik der Ressourcenbelegung mit und ohne Unterbrechungen soll

an einen einfachen Beispiel einer Einzelstation (Kapazitt C = 1) erklrt
werden.
In dem Beobachtungszeitraum ist 12 Zeiteinheiten tritt eine Unterbrechung von
7 Zeiteinheiten auf. Die Verweilzeiten von zwei Teilen sind t1 und t2.
1. Einzelstion.statRelativeBelegungUB = 100 (2 + 4) / 12
2. Einzelstion.statRelativeBelegung
t1
= 50 %
= 100 (1 + 1) / (12 - 7) = 40 %
t2
Unterbrechung
251
Die Problematik der kapazittsbezogenen Auswertung der Ressourcenbelegung

soll an einem Beispiel eines Puffers mit der Kapazitt
C = 2 erklrt werden.
Im Beobachtungszeitraum von 12 Zeiteinheiten treten jetzt keine
Unterbrechungen auf. Die Werte fr statRelativeBelegungUB und
statRelativeBelegung sind also gleich.
Die Ressource ist zu 100 % belegt, wenn sich whrend der gesamten Zeit T
immer C Teile auf ihr befinden. Das ist sehr selten.
Die Verweilzeiten von zwei Teilen sind t1 und t2 berlappen sich:

Puffer.statRelativeBelegung = 100 (t1 + t2) / (T C) = 100 (8 + 4) / 24 % = 50 %
t1
t2
252
Nun betrachten wir eine kapazittsbezogenen Auswertung der

Ressourcenbelegung mit Unterbrechungen des untersuchten Puffers mit der
Kapazitt C = 2 in T Zeiteinheiten.
Die Zeiten tb1 und tb2 sind die Anteile von t1 bzw. t2,
die nicht in eine Unterbrechung des Puffers fielen.
Analog ist Tb der Zeitanteil von T, in der der Puffer keine Unterbrechung hatte.
Puffer.statRelativeBelegung = 100 (tb1 + tb2) / (Tb C) = 100 (6 + 3) / 20 % = 45 %

t1
Unterbrechung
t2
253
Auf einem Puffer waren n Teile mit den Verweilzeiten t1,,tn
Die mittlere Wartezeit ist
Die mittleren Lnge der Warteschlange ist
wobei T die gesamte verstrichene Zeit und
L(t) die Lnge der Schlange zur Zeit t ist.
C bezeichnet die Kapazitt des Puffers.
L(t)
2
1
Die relative Belegung (Auslastung, utilization)

wird in Plant Simulation erfasst und ist
t
t1
t2
254
Es folgt
Fr die mittlere Wartezeit erhalten wir
Die mittleren Lnge der Warteschlange ist
255
Es liegt eine Wartesystem M|M|1 vor.
: Ankunftsrate (mittleren Zwischenankunftszeit
: Servicerate (mittlere Bedienzeit
: Ausnutzungsgrad
Bei einem stabilen Zustand muss gelten:
(Zwischenankunftszeit < Bedienzeit)
Gesetz von Little W = L
In einen stabilen Zustand ist das plausibel: Ein neu ankommender Kunde
muss L mal die Zwischenankunftszeit warten, bis er bedient wird.
(1961)
256
Aus und mit > knnen die
mittlere Wartezeit eines Kunden
und die mittlere Lnge der Warteschlange
berechnet werden.
Besttigen Sie das Gesetz W
= L von Little mit diesen Formeln und

257
Warteschlangen knnen wir im tglichen Leben oft beobachten. Bei der

Belegungen von Produktionskapazitten und bei der Steuerung von
Computerprozessoren werden Warteschlangen wissenschaftlich untersucht. Die
mathematische Beschreibung dieser Ablufe erfolgt durch hnliche statistische
Kennzahlen. Es ist immer wichtig zu wissen, welcher Anteil der Kapazitt C einer
Ressource whrend eines gegebenen Beobachtungszeitraumes T belegt wurde.
Bei Belegungen von Produktionsressourcen muss zustzlich beachtet werden,

ob die Verfgbarkeit von Maschinen durch Schichten, Pausen oder auch durch
nicht vorhersehbare Strungen eingeschrnkt ist. Bei der prozentualen
Beschreibung der Belegung einer Maschine wird unterschieden, ob die
Unterbrechungen beachtet werden oder nicht. Der Grundwert, der 100 % entspricht,
ist einerseits
1. die gesamte Beobachtungszeit T (Statistikmethode statRelativeBelegungUB:

relative Belegung mit Unterbrechungen) und andererseits
2. die Beobachtungszeit, in der die Ressource verfgbar, also nicht unterbrochen,

war (Statistikmethode statRelativeBelegung).
258
Varianzanalyse (ANOVA)
Vor einer Maschine entstehen durch Strungen lange Warteschlagen. Es

besteht die Mglichkeit, eine neue zuverlssigere Maschine mit einer
hheren Verfgbarkeit einzusetzen.
Wir wollen untersuchen, ob sich durch die neue Maschine die mittlere
Wartezeit statistisch signifikant verkrzt. Es soll also die Hypothese
getestet werden, ob die mittleren Wartezeiten gleich sind.
259
Fr 10 Beobachtungen fr jede Systemkonfiguration werden wir die

Hypothese annehmen, dass die Mittelwerte gleich sind.
Fr mehr Beobachtungen wird die Hypothese erwartungsgem abgelehnt.

Mit einer Wahrscheinlichkeit von 90 % sind die Mittelwerte verschieden.
Modell: Varianzanalyse.spp
260
Varianzreduktion nach der Methode der gemeinsamen
Zufallszahlen
(CRN: Common Random Numbers)
Um die Ergebnisdaten verschiedener Simulationslufe vergleichen zu knnen, sollten
zufllige Prozesse in den Simulationslufen gleich ablaufen. Dadurch werden
unntige Schwankungen der Ergebnisdaten vermieden.
Die n-te Beobachtungen in 2 verschiedenen Experimenten verwenden die gleichen
Zufallszahlenstrme. Dadurch laufen die zuflligen Prozesse in den Simulationslufen
zu der n-te Beobachtung eines Ergebniswertes gleich ab. Tritt ein Ausreier (z.B. eine
extrem lange Reparaturzeit) in einem Simulationslauf auf, so tritt dieser Ausreier in
den zugehrigen Simulationslufen der anderen Experimente ebenfalls auf.
Deshalb sollte jeder zufllige Prozess
durch einen Zufallszahlenstrom
modelliert werden.
261
Welche Effekte knnen auftreten, wenn wir dieses Prinzip nicht
beachten?
Beispiel: Maschinen beeinflussen sich gegenseitig,
obwohl keine Bindung besteht.
262
17. Bestimmung von Losgren

Lieferkettenmanagement (Supply-Chain-Management)
Bereiche Beschaffung Produktion Verkauf
Bestellmengen (Losgren) Zeiten zwischen Bestellungen
Annahmen: Lagerhaltungskosten pro Teil und Zeit
Beschaffungskosten pro Bestellung
Stelle Sie den
Zielkonflikt dar.
263

1.
Formel fr den Abstand zwischen Bestellungen:

60 * Bestellmenge (Quelle In)
2.
Formel fr die Lsgre (Tabelle Sequence)
3.
Bearbeitungszeiten zwischen 1:00 und 2:00
264
Die Problematik der kapazittsbezogenen Auswertung der Ressourcenbelegung

soll an einem Beispiel eines Puffers mit der Kapazitt
C = 2 erklrt werden.
Im Beobachtungszeitraum von 12 Zeiteinheiten treten jetzt keine
Unterbrechungen auf. Die Werte fr statRelativeBelegungUB und
statRelativeBelegung sind also gleich.
Die Ressource ist zu 100 % belegt, wenn sich whrend der gesamten Zeit T
immer C Teile auf ihr befinden. Das ist sehr selten.
Die Verweilzeiten von zwei Teilen sind t1 und t2 berlappen sich:

Puffer.statRelativeBelegung = 100 (t1 + t2) / (T C) = 100 (8 + 4) / 24 % = 50 %
t1
t2
Die relative Belegung (Auslastung, Utilization) ist
265

Kostenberechnung in der endSim-Methode
is
T:time; C,Out:integer; U, SummeLagerzeiten:real;
do
T := Ereignisverwalter.Zeit;
U := Lager.statRelativeBelegung;
C := Lager.Kapazitt;
SummeLagerzeiten := T * U * C;
Out := floor(In.statNumIn/Bestellmenge); -- Anzahl der Bestellungen
Lagerhaltungskosten := 5 * SummeLagerzeiten/3600; -- 5 EUR pro h und Teil
Beschaffungskosten := 10 * Out; -- 8 EUR pro Auftrag
Gesamtkosten := Lagerhaltungskosten + Beschaffungskosten;
end;
266
267
Lizenz fr Studenten und Plant Simulation Forum

Studentenlizenzen knnen unter der Adresse bestellt werden:
http://www.plm.automation.siemens.com/en_us/about_us/goplm/arc/tx-academic/plant-simulation-student-download.cfm
Sie bekommen eine Mail mit einem Downloadlink fr die Installationsdatei *.msi und eine
Lizenzdatei, die ber das Men Tools > Preferences (Deutsch Extras > Voreinstellungen)
auf der Registerkarte License eingetragen wird.
268
Plant Simulation Community

In der Plant Simulation Community werden Fragen von Spezialisten beantwortet:
http://community.plm.automation.siemens.com/t5/Plant-Simulation-Forum/bd-p/Plant-Simulation-Tecnomatix
269
270
Themenvorschlge fr Hausarbeiten
Anforderungen
In einer einfhrenden Erklrung wird die Problemstellung beschrieben.

Die wesentlichen Systemkomponenten werden genannt. Die Modellebene
der Simulationsstudie und Zielkonflikte werden verdeutlicht. Erkenntnisse
ber das dynamische Verhalten und Potentiale zur kontinuierlichen
Verbesserung der Performance (KVP) des Systems mssen verstndlich
werden.
Eigene Themenvorschlge sind willkommen, mssen aber vorher besttigt

werden.
Die Hausarbeit besteht aus einem Simulationsmodell und einer

Dokumentation von maximal zwei A4 Seiten (Zeichengre 10).
Die Dokumentation enthlt die Gruppennummer, die Namen der Autoren

mit Matrikelnummer und den Kurs.
Die Modelldatei (Dateierweiterung spp) und die Dokumentation werden

per eMail an Peter-Michael.Schmidt@hs-esslingen.de eingereicht.
Bitte die Gruppennummer im Betreff angeben.
272
Themen fr Projekte und Hausaufgaben
1. Lagerbestnde und Frdergeschwindigkeit
In einer Produktionshalle befinden sich 2 Maschinen MA und MB, die in einem

Takt von 120 Sekunden und 45 Sekunden Teile A bzw. B herstellen. Die Teile
werden in zwei Produktionszwischenlagern fr die beiden Teiletypen gelagert.
Die Lagerkapazitten betragen je 100 Stck. Wenn mindestens 5 Teile von der
gleichen Art vorhanden sind, kommt ein Frderfahrzeug zu diesem Lager und
holt 5 Teile ab und transportiert die Teile in zwei Versandabteilungen fr die
Teile A und B. Das Fahrzeug bewegt sich auf einem 1,2 km langen Rundweg,
an dem die Ziele sich im gleichen Abstand befinden.
Wie gro sind die maximalen Lagerbestnde in Abhngigkeit von der

Geschwindigkeit des Fahrzeugs?
Zusatzaufgabe: Bei mehreren Fahrzeugen mssen die bereits geplanten und

laufende Transporte beachten werden.
Ab welcher Geschwindigkeit sind weitere Flurfrderfahrzeuge sinnvoll?
Idee: Leonie Abele, Dominik Wildt, Janine Kull (WIB 4, WS 2013-14)
273
2. Tankstelle
An einer Tankstelle mit 2 Tanksulen treffen zu den ffnungszeiten von 8

bis 16 Uhr stndlich 30 Fahrzeuge ein. Vor jeder Tanksule bildet sich eine
Warteschlange. Ankommende Fahrzeuge ordnen sich in der krzeren
Warteschlange ein. Ein Tankvorgang dauert zwischen 3 und 4 Minuten.
Zwischen 10 und 11 Uhr blockiert ein Tankfahrzeug eine der beiden
Tanksulen. Die Anlieferung dauert 1 Stunde. Wenn sich mehr als 8
Fahrzeuge in der Tankstelle befinden, fahren ankommende Fahrzeuge
ohne zu tanken weiter.
Wie kann man die Anzahl der bedienten Kunden in der Tankstelle
verbessern?
274
3. Selbstbedienungscaf
In einem Caf kommen im Mittel alle 90 Sekunden ein Gast an. Alle Gste
nehmen Kaffee, der aus einem Automaten durch den Gast bereitet wird.
Die Kaffeezubereitung bentigt 10 bis 20 Sekunden. Kuchen wird nur von
60 % aller Gste bestellt. Der Kuchen wird durch eine Kchenangestellte
entsprechend dem Kundenwunsch auf einem Teller serviert. Eine
Kuchenbestellung bentigt 30 bis 60 Sekunden. Die fr die Bezahlung
bentigte Zeit liegt zwischen 40 Sekunden und 60 Sekunden. Fr das
Kuchenbuffet und die Kasse stehen 1 oder 2 Mitarbeiter zur Verfgung. Die
Kasse hat eine Verfgbarkeit von 95 %. Eine Unterbrechung der Arbeit der
Kasse dauert etwa 2 Minuten.
Wie viele Gste werden pro Stunde bedient?
Beginnen Sie mit einer statischen Berechnung.
Wie kann man die Anzahl der bedienten Kunden erhhen?
275
4. Linienlayout
In einer Fertigungslinie von drei aufeinander folgenden Prozessschritten mit

exponentiell verteilten Prozesszeiten von 1, 2 und 3 Minuten wird ein
Zwischenlager zwischen der ersten und zweiten Maschine oder zwischen
der zweiten und dritten Maschine vorgesehen. Das Zwischenlager hat eine
Kapazitt von 10 Teilen.
Zur Bewertung beider Produktionslayouts ziehe man den Durchsatz und die
Belegung des Zwischenlagers heran.
Wie unterscheiden sich die Maschinenauslastungen?
Zusatz fr 60-stndige Vorlesung:
Untersuchen Sie eine Linie mit mehr als drei Maschinen.
276
5. Werkstattfertigung
Eine Produktionseinheit besteht aus einer Maschine mit einer Verfgbarkeit

von 95 % und einem davor liegenden Produktionszwischenlager mit
unbeschrnkter Kapazitt. In der Werkstatt werden 2 verschiedene Teile A
und B gefertigt. Die Werkstatt bekommt in einer Stunde etwa 100 Auftrge.
Teil A wird auf der Produktionseinheit M1 und danach auf M2 gefertigt. Teil
B wird zuerst auf M2 und dann auf M1 gefertigt. Die Bearbeitungszeiten
sind auf M1 und M2 exponentiell mit dem Mittelwert von 1 Minute verteilt.
Zwischen den Produktionseinheiten mssen Puffer vorgesehen werden.
Nach der Produktion erfolgt eine Qualittskontrolle, die fr alle Teiletypen
60 bis 80 Sekunden bentigt. Bei 30 % der A Teile und 40 % der B Teile ist
eine Nacharbeit von 1 bis 2 Minuten erforderlich.
Welche Auswirkungen hat eine Halbierung der Nacharbeit auf den

Durchsatz?
277
6. Werkslogistik
Ein Produktionszwischenlager versorgt eine Montagemaschine mit

Anbauteilen. Die mittlere Bearbeitungszeit der Maschine liegt bei 5 Minuten
und kann um 1 Minute schwanken. Fr ein bearbeitetes Teil werden 2
Anbauteile bentigt.
Die Maschine hat eine Verfgbarkeit von 80 %. Eine Reparatur dauert etwa
5 Minuten.
In dem Produktionszwischenlager treffen 10 Teile in einem Los ein.
Zur Optimierung des Produktionssystems variieren Sie den Abstand
zwischen den Anlieferungen des Produktionszwischenlagers.
Man analysiere den Zielkonflikt zwischen der Minimierung der Wartezeit der
Montage auf Anbauteile und der Minimierung des Bestandes des
Zwischenlagers.
Beginnen Sie mit einer statischen Rechnung.
278
7. Callcenter
Ein Servicemitarbeiter nimmt zwischen 8 und 17 Uhr Anrufe entgegen.

Die Arbeitszeit enthlt eine Pause von 15 Minuten und eine von 45
Minuten. Es rufen durchschnittlich 35 Kunden pro Stunde an. Die Dauer
eines Anrufs ist durchschnittlich 5 Minuten und 20 Sekunden. Sind mehr als
10 Anrufer in der Warteschlage, so wird der Anruf abgewiesen.
Wie kann die durchschnittliche Anzahl der abgewiesenen Anrufe verkleinert

werden?
279

8. Planung von Kraftwerken
Ein Wrmekraftwerk mit einer Leistung von 8 MW versorgt in einer Region
industrielle Stromabnehmer mit einem Gesamtverbrauch von 5 MW, der
nur zwischen 6 und 17 Uhr bentigt wird. Die Grundlast der Region ist 2
MW. Ein Photovoltaikkraftwerk mit einer Leistung zwischen 0.5 und 5 MW
wird in das Stromnetz hinzugeschaltet. Die momentane Leistung schwankt
wetterbedingt an einem Tag um 20 %.
Ein BE bildet die Energiemenge von 1 kWh ab. Die bentigte Leistung eines
Verbrauchers ist P in kW. Die Energiemenge eines BEs reicht dann t = 1
kWh/P. Diese Zeit wird als Bearbeitungszeit einer Senke abgebildet. Fr
einen Verbraucher mit x kW ist die Bearbeitungszeit t = 3600/x s. Zu dieser
Zeit ist der Verbraucher versorgt. Ein Kraftwerk wird durch eine Quelle
modelliert. Fr ein Kraftwerk mit einer konstanten Leistung von x kW ist die
Zwischenankunftszeit der BEs der Quelle 3600/x s.
Man vergleiche die produzierte Energiemenge des Wrmekraftwerks mit und
ohne den Photovoltaikkraftwerk.
280

9. Coffee Shop
In dem Shop, der zwischen 7 und 9 Uhr geffnet hat, werden 3 verschiedene
Sorten A, B und C von Kaffee angeboten. Die Zubereitungszeiten fr die
Kaffeesorten sind 1 Minute, 30 bzw.10 Sekunden. Die Hufigkeiten der
Bestellung verhalten sich wie 1:2:7. Abhngig vom Wochentag kommen 1
bis 5 Kunden pro Minute in den Shop. Die Zubereitung des Kaffees kann an
einem oder an zwei Schaltern erfolgen.
Untersuchen Sie Kenngren fr die Kundenzufriedenheit und die Auslastung
der Schalter. Man beschreibe den Zielkonflikt und entwickle einen
Lsungsvorschlag.
Idee und Verbindung zum Fach Finanzierung: Gita Ghosh, Steffi Krau, Amelie Leyh (IMM 2012)

10. Qualittskontrollen vor und nach einem Produktionsprozess
Eine Produktion besteht aus zwei Produktionseinheiten M1 und M2 und einer
Qualittskontrolle. Alle drei Produktionsressourcen knnen immer nur ein
Teil aufnehmen. Vor den Fertigungsschritten auf M1 und M2 ist eine
Qualittskontrolle der Ausgangsmaterialien von 50 Sekunden ntig. Nach
den Fertigungsschritten ist eine Endkontrolle von 60 Sekunden erforderlich.
Bei beiden Qualittskontrollen betrgt die Ausschussrate 5 %.
Die Bearbeitungszeiten sind auf M1 und M2 exponentiell mit dem Mittelwert
von 1 Minute verteilt.
Es ist ein Produktionszwischenlager so in den Materialfluss einzufgen, dass
keine Verklemmungen durch gegenseitige Blockierungen (Deadlocks)
entstehen. Verschiedene wirtschaftliche Kennziffern sind zum Vergleich der
Produktionslayouts heranzuziehen.
Idee: Ruben Winter (IMM 2013)

11. Schnellrestaurant All You Can Eat
Das Restaurant hat ein laufendes Flieband mit Rcklauf, auf dem
zubereitete kleine Speisen angeboten werden. Eine Speise ist in einer Zeit
zwischen 2 und 3 Minuten zubereitet. Ist eine Speise zweimal an den
Kunden vorbeifahren, so wird diese Speise kein weiteres Mal angeboten.
An dem Flieband mit einer Geschwindigkeit von 25 cm/s sind 5 Sthle im
Abstand von 3 Metern angeordnet. Mit einer Wahrscheinlichkeit von 20 %
nimmt sich ein Kunde eine vorbeikommende Speise. Er hlt sich in dem
Restaurant zwischen 10 und 20 Minuten auf. Etwa 20 Kunden betreten pro
Stunde das Restaurant und nehmen Platz, wenn ein freier Stuhl
vorhanden ist.
Von welchen Systemkomponenten, die der Betreiber des Restaurants
beeinflussen kann, hngen die Anzahlen der bedienten Kunden und
verkauften Speisen wesentlich ab?
Idee: Espen Schabel, Marcel Schweizer (WIB 4, SS 2014)

St. Bangsow: Fertigungssimulationen mit Plant Simulation und SimTalk. Hanser
Verlag 2008. Erstellen von einfachen Modellen mit detaillierter Anleitung.
P. Bratley; B.L. Fox; L.E. Schrage: A Guide to Simulation. Springer 1987.
Kapitel 6 gibt einem umfassenden theoretischen berblick zur Erzeugung von
Zufallszahlen.
D. Kluck: Materialwirtschaft und Logistik. Schfer-Poeschel Verlag Stuttgart 2008.
Grundlagen zum Produktionsmanagement, wie Lagerpolitik und KANBAN.
A.M. Law; W.D. Kelton: Simulation Modeling & Analysis. McGraw-Hill, 1991.
Umfassende Grundlagen zur Simulation von Produktionssystemen.
284

F. Liebl: Simulation: Problemorientierte Einfhrung. Oldenbourg Verlag 1995.
Allgemeinverstndliche Einfhrung in die diskrete Simulation mit zahlreichen
Anweisungen und Hinweisen zur Durchfhrung von Simulationsprojekten.
B. Page: Diskrete Simulation: Eine Einfhrung mit Modula-2. Springer 1991.
Statistische Verfahren werden ohne breite mathematische Abhandlungen
allgemeinverstndlich beschrieben.
Hinweise zur Durchfhrung von Simulationsprojekten.
K. Neumann; M. Morlock: Operations Research. Hanser Verlag 1993.
Mathematische Grundlagen in knapper Form mit zahlreichen algorithmischen
Problemlsungen, Bezge zur Produktion und Logistik.
Artikel der Wintersimulation Konferenz http://www.wintersim.org
Past Conference Programs and Full Papers
Aktuelle Forschungsergebnisse zur Simulation in Produktion und Logistik,
Beschreibung erfolgreicher Simulationsprojekte.
285
Glossar
Ankunftsrate: 47
Energiesparmanahmen:
Anzeigetafel: 70
66-70, 145-149
BE: 39
Energieverbrauch: 66-70
Bottleneck-Analyzer: siehe
Engpass-Analyse
Engpass-Analyse: 71
Boxplot: 93
Definition der Simulation: 9
Deterministische Simulation: 89
Diskrete Simulation: 22, 28
Digitalen Fabrik: 7
Ereignisdebugger: 72-73
Ereignisverwalter: 53-54
Frderrichtung: 41
Frderstrecken (Typen): 109
Gleichverteilung: 43
Industrieroboter: 114
Digitale Modelle: 21
286
Glossar
Instanz: 29
PLM: 4
Klasse: 29
Poisson Prozess: 47
Konfidenzintervall: 95
Produktionsengineering: 5
LED: siehe Zustandsanzeige
Produktstatistik: 74
Leistungszieldreieck: 14, 114
Prozessorientierte Modellierung 6
Lieferliste: 50, 115
Quelle: 46
Median: 93
Quartil: 93
Modellebenen: 13
Ressourcentyp: 74
MTBF, MTTR, MCBF : 61, 62
Ressourcenstatistik: 58-59
Personalintegrierte Simulation: 175
Roboter siehe Industrieroboter
Pick-and-Place-Roboter: 114
Sankey-Diagramm: 71
287
Glossar
Schichtkalender: 60
Validierung: 18
Schutzkreis: 65
Verifikation: 18
Senke: 51-52
Verfgbarkeit: 61
SimTalk: 80-88
Wahrscheinlichkeitsverteilung: 41
Simulation: 9
Zielkonflikt: 14, 66
Statistische Analyse: 89-92
Zustandsanzeige: 56
Stochastische Simulation: 89
Zwischenankunftszeit: 48
UmladeStation: 162-163
Umsetzer: 110-111
Vektorgraphik: 40
288

Sprache

Kurs PlantSim

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Kurs PlantSim

Hochgeladen von

Copyright:

Verfügbare Formate

Simulation mit Tecnomatix Plant Simulation

Dr. Peter-Michael Schmidt

Die Vision der Digitalen Fabrik

Einfhrung in die Simulation

Prsentation von Modellen

Literatur zur Simulation und Statistik

Steuerung des Materialflusses

Steuerung von Montageprozessen

Verfgbarkeit von Maschinen

Das Programm Tecnomatix Plant Simulation

1. Die Vision der Digitalen Fabrik

1. Die Vision der Digitalen Fabrik

Grad der Automatisierung

PLM (Product Lifecycle Management)

1. Die Vision der Digitalen Fabrik

Komponenten der prozessorientierte

1. Die Vision der Digitalen Fabrik

Der Begriff der Digitalen Fabrik

VDI-Richtlinien vereinheitlichen die Anforderungen an materielle und immaterielle Gter.

1. Die Vision der Digitalen Fabrik

Planung von Produktionsanlagen fr vorhandene Fabrikrume

knnen in der Konstruktionsphase auf ihre Fertigbarkeit geprft werden

und Anlagenbauer knnen eine virtuelle Inbetriebnahme durchfhren,

fr das Marketing und den Verkauf (ohne technische Zeichnungen)

2. Einfhrung in die Simulation

Nutzen der Simulation

20% aller Investitionen durch Simulation beeinflussbar

2. Einfhrung in die Simulation

Nutzen der Simulation

Vergleich und Analyse mehrerer alternativer Varianten.

2. Einfhrung in die Simulation

2. Einfhrung in die Simulation

Gepckstcke pro Stunde

bis zu 7 m pro Sekunde

Diese Untersuchungen knnen mit Berechnungen in mathematischen Modellen

2. Einfhrung in die Simulation

2. Einfhrung in die Simulation

Vahs, Schfer-Kunz: Einfhrung in die Betriebswirtschaftslehre

2. Einfhrung in die Simulation

Wertschpfende Zeiten steigern

abstrahieren, modellieren, validieren

Lebenszyklus einer Simulationsstudie:

Aufgabe und Ziel formulieren

Daten: ermitteln, aufbereiten, abstimmen

ASIM Leitfaden fr Simulationsbenutzer in der Produktion und Logistik 1997.

Modellverifikation (fehlerfreie Lauffhigkeit

Modellvalidierung (bereinstimmung mit

Ergebnisinterpretation und Dokumentation

Praktische Umsetzung der Ergebnisse

Struktur- u. prozessorientierte Modelle

Diskrete Event Modelle

Plant Simulation ist ein System

COMSOL Multiphysics GmbH

Abkhlung einer 3D-Leiterplatte

Anstrmung von links

Abkhlung ber die Oberflche

Ziele der Simulation

zur Beschreibung der Temperaturverteilung T(x, t) durch Wrmeleitung.

Quelle: Systems Engineering, HS Ulm; Dtwyler Gruppe

2. Vorbereitung der Maschine (einmaliges Rsten fr diesen Teiletyp)

Plant Simulation ist objektorientiert.

Attribute: Eigenschaften (z.B. Material, Lnge)