Sie sind auf Seite 1von 288

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

1. Die Vision der Digitalen Fabrik

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

1. Die Vision der Digitalen Fabrik

Komponenten der prozessorientierte


Modellierung von Produktions- und
Logistikprozessen

1. Die Vision der Digitalen Fabrik

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.

1. Die Vision der Digitalen Fabrik


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

2. Einfhrung in die Simulation

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

2. Einfhrung in die Simulation


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

2. Einfhrung in die Simulation


Ziele der Simulation
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

2. Einfhrung in die Simulation


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

2. Einfhrung in die Simulation

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

2. Einfhrung in die Simulation


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

3. Simulationsstudien
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

3. Simulationsstudien
Phasen einer Simulationsstudie
-

Vorbereiten

Modellieren

Experimentieren

Realisieren

Modell entwerfen

Modell erstellen

Modellverifikation (fehlerfreie Lauffhigkeit


aller Komponenten und des Gesamtsystems)

Modellvalidierung (bereinstimmung mit


der Realitt)

18

3. Simulationsstudien
Phasen einer Simulationsstudie
-

Vorbereiten

Modellieren

Experimentieren

Realisieren

Experimentdesign

Experimentstudie

Statistische Analyse

Ergebnisinterpretation und Dokumentation

Optimierung (Variation)

19

3. Simulationsstudien
Phasen einer Simulationsstudie
-

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

Ziele der Simulation


Wie stark erwrmen sich die Komponenten?
Wann ist der stationre Zustand erreicht?
23

4. Modellierung
Kontinuierliche Simulation (2/4)
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
Kontinuierliche Simulation (3/4)
FE-Analyse

Temperatur

Zeit
25

4. Modellierung
Kontinuierliche Simulation (4/4)
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Benutzeroberflche : SiMPLE++ 5.0 fr MS WINDOWS (1998)

31

5. Objektorientierte Simulation
Benutzeroberflche : Plant Simulation 11.2 fr W 7 (2014)
Mens und Symbolleisten

Klassen
Klassen

Instanzen

32

5. Objektorientierte Simulation
Benutzeroberflche : Plant Simulation 11.2 fr W 7 (2014)
Menbandleiste (Ribbons)

Klassen

Klassen

Instanzen

33

5. Objektorientierte Simulation
Benutzeroberflche : Plant Simulation 11.2 fr W 7 (2014)

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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Struktur der Klassenbibliothek ndern
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

5. Objektorientierte Simulation
Struktur der Klassenbibliothek ndern
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Frderrichtungen von BEs

41

5. Objektorientierte Simulation

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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Ankunftsrate = 12 Kunden/h
Zwischenankunftszeit = 5 min = 1/12 h
Dichtefunktion
der Exponentialverteilung

Auf der Registerkarte Statistik kann eine Erzeugungstabelle angelegt werden.

49

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation

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

5. Objektorientierte Simulation

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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Steuerung der Simulation und Anzeige der Simulationszeit

55

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Statistische Auswertung: Ressourcenstatistik

Wir ziehen Einzelstationen auf ein noch nicht


konfiguriertes eingesetztes Diagramm.
Eine Produktionsressource hat zu jedem
Zeitpunkt genau einen der Zustnde:

58

5. Objektorientierte Simulation
Statistische Auswertung: Ressourcenstatistik
Statistikerfassungszeit
geplant

ungeplant

nicht pausiert

pausiert

nicht gestrt
nicht angehalten

gestrt
angehalten

verfgbar
Wartend

HochRunterfahrend

Rstend

Arbeitend

Blockiert

59

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Verfgbarkeit von Maschinen
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Verfgbarkeit von Maschinen
Eine Strung einer Maschine kann
mehrere Ursachen haben, die durch
Strungsprofile beschrieben werden.

Eine von 2 Strungsprofilen verursacht eine Strung der Einzelstation.

63

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Simulation des Energieverbrauchs (2/5)
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

5. Objektorientierte Simulation
Simulation des Energieverbrauchs (3/5)
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

5. Objektorientierte Simulation
Simulation des Energieverbrauchs (4/5)
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

5. Objektorientierte Simulation
Simulation des Energieverbrauchs (5/5)
Energiesparmanahme Automatisch anhalten analysieren
1. Tool EnergieAnalyse (Toolbox)
2. Anzeigetafel (Kontextmen Anzeigetafel bearbeiten)
Anzeige des Werts der Methode statEnergieGesamtverbrauch

70

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Analysieren Sie mit dem Ereignisdebugger den
zeitlichen Ablauf der Simulation.
ffnen:

Haltepunkte
werden
mit Doppelklick eingefgt.

Arbeitet ein das kommende Ereignis ab:

72

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
Diagramm, Histogramm und Plotter

Plotter
1.Histogramm kopieren
2.Kategorie der Darstellung auf Plotter
setzen
Treppenkurve auswhlen
3.Achsen konfigurieren

76

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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

5. Objektorientierte Simulation
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
Programmiersprache SimTalk
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
Programmiersprache SimTalk
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
Programmiersprache SimTalk

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
Programmiersprache SimTalk
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
Programmiersprache SimTalk
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
Programmiersprache SimTalk
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
Programmiersprache SimTalk
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
Programmiersprache SimTalk
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
Programmiersprache SimTalk
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien

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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
Pilotstudie Faktorenanalyse
Ausgabewert: Betriebswirtschaftliche Kennzahlen

Eingabewerte: Wichtige Modellparameter sind Verfgbarkeit, MTTR, Prozesszeit.

103

7. Stochastische Simulationsstudien
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

7. Stochastische Simulationsstudien
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

8. Geometrische Modellierung
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

8. Geometrische Modellierung
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

8. Geometrische Modellierung
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

8. Geometrische Modellierung
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

8. Geometrische Modellierung
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

8. Geometrische Modellierung
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

8. Geometrische Modellierung
Zu einem Modell kann einfach in ein 3D-Modell erzeugt werden.
Modellieren in 3D

Alle Objekte in 2D haben ein


zugehriges 3D-Objekt.

113

8. Geometrische Modellierung
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

8. Geometrische Modellierung
Aufbau des Beispielmodells 1/4: Pick-and-Place-Roboter
Lieferliste mit mastabsgerechten BEs

115

8. Geometrische Modellierung
Aufbau des Beispielmodells 2/4: Pick-and-Place-Roboter
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

8. Geometrische Modellierung
Aufbau des Beispielmodells 3/3: Pick-and-Place-Roboter

3D-Eigenschaften

Importieren der Grafik:


Robot Kuka.jt
117

8. Geometrische Modellierung

Aufbau des Beispielmodells 4/4: Pick-and-Place-Roboter

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

8. Geometrische Modellierung
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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

123

9. Steuerung des Materialflusses


Statistische Auswertung: Ressourcenstatistik
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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


Finden von suspendierten Methoden

Bei einem Reset des Ereignisverwalters werden


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


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

9. Steuerung des Materialflusses


Untersuchung von Energiesparmanahmen
Steuerung des Materialflusses durch das Produktionszwischenlager.

Untersuchen Sie die


Wirkungsweise von
Puffer.AusgangGesperrt

147

9. Steuerung des Materialflusses


Untersuchung von Energiesparmanahmen
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

9. Steuerung des Materialflusses


Untersuchung von Energiesparmanahmen
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

9. Steuerung des Materialflusses


Untersuchung von Energiesparmanahmen
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

10. Fahrzeugsteuerungen
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.
Ankunftsrate = 12 Kunden/h
Zwischenankunftszeit = 5 min = 1/12 h

152

10. Fahrzeugsteuerungen
Modellierung des Kundestromes
Testen Sie den Ankunftsprozess.
Beschreiben Sie die Modellierung durch Verwendung des Kommentarobjekts.

153

10. Fahrzeugsteuerungen
Modifizierung der Icons der BEs

Duplizieren Sie
das Objekt
.BEs.Frdergut

Laden Sie
die Dateien A.gif,

Symbole bearbeiten
Bildeditor
Kontextmen
des BEs

154

10. Fahrzeugsteuerungen
Laden Sie ein Objekt mit den 3 BEs (BEs_ABC.obj)
ber das Kontextmen der Basis in der Klassenbibliothek

155

10. Fahrzeugsteuerungen
Sensorsteuerung:
Sie mchten das Ereignis einfangen, wenn ein BE
an einer bestimmten Stelle auf einem Weg oder einer Frderstrecke ist.

156

10. Fahrzeugsteuerungen
Layout des Wegenetzes
Straennetz mit Skalierungsfaktor 12.5 abbilden.
1 km

157

10. Fahrzeugsteuerungen
Ereignisse des Fahrzeugs erkennen
Sensorsteuerungen dienen zum Setzen der Ziele und
zum Be- und Entladen von Fahrzeugen.

158

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen

Statistikmethoden des
Fahrzeugs, die durch die
Attribute hatAuftrag und
Heimfahrt gesteuert werden:
1.
statAuftragBelegtZeit
2.
statAuftragLeerZeit
3.
statHeimfahrzeit.

162

10. Fahrzeugsteuerungen
Modellierung von Be- und Entladeoperationen
mit der UmladeStation

Beladen eines Fahrzeugs:

163

10. Fahrzeugsteuerungen
UmladeStation fr einfache Transfers
Definieren Sie ein Fahrzeug mit der Kapazitt 2
und passender Animationsstruktur.

164

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
Lsung zur Aufgabe 7
Liftsteuerung
(Modell Liftsteuerung.spp)

166

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen

?
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

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
Sensorsteuerungen zum Be- und Entladen
Implementieren Sie eine Steuerung neuerAuftrag
zur Auftragsdisposition des Fahrzeugs!
Bestimmungsort ist
ein benutzerdefiniertes Attribut
des Frderguts Block.

171

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
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

10. Fahrzeugsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
Werker und Dienste
Eine Werkerklasse bildet eine Gruppen von gleich qualifizierten
Arbeitskrften ab.

180

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
Modellierung von Werkern
Simulieren Sie Strungen der
Einzelstation.
Zur Beseitigung der Strungen ist ein
Werker mit der Qualifikation
Reparieren notwendig.

182

11. Personaleinsatzsteuerungen
Werker und Schichten

Mit dem Objekt Schichtkalender


knnen fr einen Werkerpool ein
festes Arbeitszeitmodell festgelegt
werden.
Ziehen Sie den Werkerpool auf den
Schichtkalender.
183

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
Tragender Werker
Realisierung des Materialflusses durch den Werker
Ausgangsstrategie Teil wegtragen

186

11. Personaleinsatzsteuerungen

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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen

Der Werker bernimmt die Teile, die nach seiner Ankunft innerhalb der
maximalen Verweilzeit auf der zugeordneten Station (hier Maschine) fertig
werden.

189

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen

Werkstck schon
zugeordnet?
Wenn nicht,
suche nicht
zugeordneten,
also freien Werker
und registriere die
neue Zuordnung.

Werker dem
Werkstck
zuordnen.

198

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

11. Personaleinsatzsteuerungen
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

12. Steuerung von Montageprozessen

Zur Konfiguration der Montagestation


muss man die Vorgnger im Netzwerk einblenden.
Men Ansicht > Optionen

Anbauteil Nockenwelle
kommt vom Vorgnger 3

203

12. Steuerung von Montageprozessen


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

13. Statistische Verteilungen


Modell Distribution_Fitting.spp

206

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


Datenaufbereitung Anpassungstest
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

13. Statistische Verteilungen


Datenaufbereitung Anpassungstest
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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

214

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

216

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


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

13. Statistische Verteilungen


Datenaufbereitung mit empirischen Verteilungen
Modell: Bimodale_Verteilung.spp

Erzeugen einer
bimodalen Verteilung

Simulieren einer
stetigen empirischen Verteilung

221

13. Statistische Verteilungen


Datenaufbereitung mit empirischen Verteilungen

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

14. Verfgbarkeit von Maschinen


Verfgbarkeit
einer Maschine

Simulierter Wert der MTTR:


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

224

14. Verfgbarkeit von Maschinen


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

14. Verfgbarkeit von Maschinen


Zuverlssigkeit von Produktionsressourcen

In der letzten Formel ersetzen wir

und erhalten

226

14. Verfgbarkeit von Maschinen


Zuverlssigkeit von Produktionsressourcen
Wir erhalten den wichtigen Zusammenhang von
Ausfallwahrscheinlichkeit und Ausfallrate

Ist die Ausfallrate r(s) konstant =

so erhalten wir die Exponentialverteilung

mit

227

14. Verfgbarkeit von Maschinen


Zuverlssigkeit von Produktionsressourcen
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

14. Verfgbarkeit von Maschinen


Zuverlssigkeit von Produktionsressourcen
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

14. Verfgbarkeit von Maschinen


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

14. Verfgbarkeit von Maschinen

Zuverlssigkeit von Produktionsressourcen


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

15. Pseudozufallszahlen

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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
Maximale Periodenlnge
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

15. Pseudozufallszahlen
Maximale Periodenlnge
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
Faktoren, die die Seedwerte bestimmen

Materialflussobjekte
und Variablen Objekte

MU Instanzen

User-defined
Attributes des
Datentyps Randtime

SimTalk
Verteilungsfunktionen

Attribut
ZufallszahlenStartwert

ZufallszahlenStartwert
der Klasse

Eigener
ZufallszahlenStartwert

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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

15. Pseudozufallszahlen
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

16. Warteschlangentheorie
Aufgabe 15: Fahrzeugeinsatz Modellierung
Die mittlere Wartezeit bestimmen wir in einer EndSim-Methode. Als Ausgabewert
einer Simulationsstudie wird dieser Wert eingetragen.

249

16. Warteschlangentheorie
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

16. Warteschlangentheorie
Warteschlangentheorie

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

16. Warteschlangentheorie
Warteschlangentheorie

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

16. Warteschlangentheorie
Warteschlangentheorie

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

16. Warteschlangentheorie
Warteschlangentheorie

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

16. Warteschlangentheorie
Warteschlangentheorie

Es folgt

Fr die mittlere Wartezeit erhalten wir

Die mittleren Lnge der Warteschlange ist

255

16. Warteschlangentheorie
Warteschlangentheorie

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

16. Warteschlangentheorie

Warteschlangentheorie
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

16. Warteschlangentheorie
Warteschlangentheorie

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

16. Warteschlangentheorie
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

16. Warteschlangentheorie

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

16. Warteschlangentheorie
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

16. Warteschlangentheorie
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

17. Bestimmung von Losgren


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

17. Bestimmung von Losgren

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

17. Bestimmung von Losgren


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

17. Bestimmung von Losgren

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

Plant Simulation Community

270

Plant Simulation Community

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

Themen fr Projekte und Hausaufgaben

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

Themen fr Projekte und Hausaufgaben

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

Themen fr Projekte und Hausaufgaben

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

Themen fr Projekte und Hausaufgaben

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

Themen fr Projekte und Hausaufgaben

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

Themen fr Projekte und Hausaufgaben

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

Themen fr Projekte und Hausaufgaben


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

Themen fr Projekte und Hausaufgaben


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)

Themen fr Projekte und Hausaufgaben


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)

Themen fr Projekte und Hausaufgaben


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)

Literatur zur Simulation und Statistik


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

Literatur zur Simulation und Statistik


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