Modelowanie i optymalizacja systemów wytwarzania w ... fileIn this paper the problem of building...
Transcript of Modelowanie i optymalizacja systemów wytwarzania w ... fileIn this paper the problem of building...
* Drinż.WaldemarMałopolski,InstytutTechnologiiMaszyniAutomatyzacjiProdukcji,WydziałMe-chaniczny,PolitechnikaKrakowska.
WALDEMARMAŁOPOLSKI*
MODELOWANIEIOPTYMALIZACJASYSTEMÓWWYTWARZANIAWPROGRAMIEARENA
MODELINGANDOPTIMIZATIONOFMANUFACTURINGSYSTEMSUSINGARENASOFTWARE
S t r e s z c z e n i e
Wartykuleprzedstawionoproblematykębudowaniamodelisymulacyjnychdyskretnychsys-temówwytwarzaniawprogramieArena.Opisanometodęanalizyfunkcjonalnejsystemuwy-twarzaniawspomagającąpoprawnąbudowęmodelisymulacyjnych.Zaprezentowanoprzebiegprocesuoptymalizacjisystemuwytwarzanianapodstawiesymulacjikomputerowej.
Słowa kluczowe: systemy wytwarzania, modelowanie, symulacja, optymalizacja
A b s t r a c t
InthispapertheproblemofbuildingsimulationmodelsofdiscretemanufacturingsystemsintheArenaispresented.Amethodoffunctionalanalysisofmanufacturingsystemsupportingthecorrectbuildingofsimulationmodelsisdescribed.Theoptimizationprocessofmanufacturingsystembasedoncomputersimulationsispresented.
Keywords: manufacturing systems, modeling, simulation, optimization
92
1. Wstęp
Dynamicznyrozwójgospodarczywostatnich latach,aszczególniebardzoszybkopo-stępującaglobalizacjadoprowadziładowzrostukonkurencjiwśródwytwórcówdóbrkon-sumpcyjnych.Bezpośrednimefektemtychzmianjestdążeniedoobniżeniakosztówproduk-cjiiusług.Wwarunkachogólnoświatowejglobalizacjigospodarkioptymalizacjakosztówwytwarzania jest częstowarunkiemprzetrwaniana rynku.Z tegowzględucorazwiększąwagęprzykładasiędowszelkichnaukowychmetodinarzędzi,któremogąbyćwykorzy-stanedopoprawywydajnościprodukcji,polepszeniajakościwyrobówiobniżeniakosztówwytwarzania.Wogólnymprzypadkunadrzędnymcelemjestznalezienielepszegorozwią-zania,awzasadzienajlepszegozmożliwych,czylioptymalnego.Kryteriumoptymalizacjimożebyćróżneimożezależećodlokalnychuwarunkowańipotrzeb.Bardzoczęstotakimkryteriummożebyćnajkrótszyczas,najniższacenaitp.
Metodynaukowepozwalającenaposzukiwanieoptymalnychrozwiązańsąrozwijaneodwielulat.Sąonem.in.przedmiotemtzw.badańoperacyjnych,wramachktórychpowstałowielemetodanalitycznychpozwalającychnasprawneposzukiwanieoptymalnychrozwią-zań.Sątojednakmetodymającewieleograniczeńirozwiązującetylkookreśloneproblemyzróżnychdziedzin. Ichzaletą jestmożliwośćznalezieniaoptymalnegorozwiązania,czylinajlepszego,wmiaręprostysposób.Jednakzewzględunaróżnorodnośćproblemówisto-pieńskomplikowaniabardzoczęstoniemożnaznaleźćgotowychmetodanalitycznych,któ-remożnawykorzystać do poszukiwania optymalnego rozwiązania.W tych przypadkach,wktórychrozwiązanianiemożemyznaleźćzapomocąmetodanalitycznych,mogąbyćwy-korzystanechociażbymetodyheurystyczne[5],awprzypadkuoptymalizacji,np.algorytmyewolucyjne[4].Wwieluprzypadkachjedynymwyjściemjest jednakzastosowaniemetodsymulacyjnych.
Charakterystyczną cechąmetod symulacyjnych, wychodząc od znaczenia łacińskiegosłowasimulatio,jestudawanierzeczywistegozachowaniasiębadanegoobiektulubsystemu.Jakoobiektrozumianyjestwyodrębnionyelementzotaczającejnasrzeczywistościocharak-terzematerialnymlubabstrakcyjnym.Możemymówićoróżnychrodzajachobiektów,np.:fizycznych,technicznych,matematycznychitp.
Jakosystemrozumianyjestwyodrębnionyzotoczeniazbiórobiektówpowiązanychzesobą odpowiednimi relacjami opisującymi wzajemne oddziaływanie obiektów na siebie.Wyróżniamy systemy występujące w naturalny sposób w otaczającej nas rzeczywistościorazsystemyzbudowaneprzezczłowieka.Podstawąumożliwiającąprzeprowadzeniesymu-lacjijestzbudowaniemodelubadanegoobiektulubsystemu.Samazaśsymulacjapoleganauproszczonymodtwarzaniuzachowaniasięobiektulubsystemupoprzezjegomodel.Naj-ważniejszymwymaganiemstawianymmodelomsymulacyjnymjestkoniecznośćpoprawne-gonaśladowaniazachowaniasięichoryginalnychpierwowzorów.Wpraktycespotykasięzasadniczodwa rodzajemodeli symulacyjnych,czylimodelefizyczne lubmatematyczne.Modelefizyczne są często pomniejszonewodpowiedniej skaliw stosunkudooryginału.Modelematematyczne bardzo często są zapisywanew postaci odpowiedniego programukomputerowego.Wprogramietymsązamodelowanenajistotniejszecechysystemui jegooddziaływaniezotoczeniem.Badaniezachowaniasięmodelu(modelowanegosystemu)po-leganazmianieodziaływaniaotoczenianamodelwpostacisygnałówwejściowychizmia-niezachowaniasięsamegosystemuwwynikuzmianyjegoparametrów[10].
93
Wzależnościodcechmodelisymulacyjnych,któreczęstowynikająbezpośredniozcechmodelowanychsystemów,modelemożemypodzielićna: – dynamiczne–wktórychstansystemuulegazmianiewzupływemczasu,
– interaktywne–reagującenasygnałyzewnętrzne, – nieinteraktywne–odizolowaneodotoczenia,
– statyczne–wktórychczasniemawpływunazmianystanusystemu, – deterministyczne–wktórychniewystępujązmienneocharakterzelosowym, – stochastyczne–wktórychwystępujązmienneocharakterzelosowym, – zczasemdyskretnym–wktórychupływczasujestdyskretyzowanyzestałymkrokiem, – zdarzeńdyskretnych–wktórychczaspodlegazmianomskokowymwzależnościodza-istnieniazdarzeńdyskretnych.Typbudowanegomodelusymulacyjnegoorazpoziomszczegółów,zjakimodzwiercie-
dlaonsystemrzeczywistyzależywdużymstopniuodrodzajusymulowanegosystemuorazceluprzeprowadzaniasymulacji.Wogólnymprzypadkumożnadokonaćpodziałucelówsy-mulacjinadwiegrupy.Pierwszagrupaobejmujezastosowaniesymulacjikomputerowejdobadaniazachowania się systemównieistniejących,które sąw fazieprojektowania.Drugagrupaobejmuje symulacje zachowania się systemów istniejących,którychprzeprowadze-nienasystemierzeczywistymjestniemożliwelubbardzokosztowne.Koszteksperymentusymulacyjnego,madecydującywpływnawybórstosowanejmetodysymulacyjnej,aczęstowogóledecydujeorozpoczęciupracwtymzakresie.Budowaniekomputerowychmode-li symulacyjnychwymagaodpowiedniegoprzygotowaniamerytorycznego,doświadczeniawdanymzakresietematycznymiodpowiednichnarzędzi.Samozbudowaniemodelumożebyćbardzokosztownezewzględunakoniecznośćzebraniawieluinformacjiidanychorazprzeprowadzeniadokładnejanalizy,wjakimstopniuinformacjetesąistotnedlabudowane-gomodelu.
Kolejnymetapemjestweryfikacjapoprawnościmodelusymulacyjnego.Natymetapienależy sprawdzić, czy zachowanie modelu symulacyjnego jest zgodne z zachowaniemsystemurzeczywistego.Bardzoczęstotakiebezpośrednieporównaniejestniemożliwe,cobardzoutrudniabudowaniemodelisymulacyjnych.
Kolejnyetap,czyliprzeprowadzenieeksperymentusymulacyjnegomożebyćdługotrwa-łeikosztowne,szczególniewprzypadkusymulacjisystemówbardzozłożonych,gdycelemjest optymalizacja, która wymaga przeprowadzenia wielu symulacji. Ponadto możliwośćposzukiwaniaoptymalnych rozwiązańwoparciuometodysymulacyjne jestograniczona.Wybórnajlepszegorozwiązaniamożebyćdokonanytylkonapodstawieprzeprowadzonycheksperymentówsymulacyjnych,którychliczbajestograniczona.Niemażadnychgwarancji,żekolejnasymulacjazinnymiparametraminiedałabylepszegorozwiązania.
Mimoopisanychpowyżejtrudnościzwiązanychzprzygotowaniemiprzeprowadzeniemeksperymentu symulacyjnego,metoda ta znajduje bardzo szerokie zastosowaniewwieludziedzinachżycia.
2. Narzędzia do modelowania i symulacji komputerowej
Znaczącywzrostwostatnichlatachmożliwościobliczeniowychkomputerów,aszcze-gólniekomputerówosobistychorazrozwójmetodinarzędziprogramistycznychprzyczyniłsiędodużegorozwojuprogramówsymulacyjnych.Wznaczącysposóbwrosłymożliwości
94
funkcjonalnetychnarzędziorazichwydajność.Wśródwieluprogramówprzeznaczonychdosymulacjikomputerowejznaczącągrupęstanowiąprogramyprzeznaczonedomodelowaniaisymulacjiprocesówdyskretnych.Modeletychprocesówmająprzeważniecharakterdyna-micznyzelementamistochastycznymi,aczaspodlegazmianomskokowymwzależnościodzaistnieniazdarzeńdyskretnych.Zagadnieniomzwiązanymzsymulacjąkomputerowąjestpoświęconychwielepracikonferencji.
Przy dużej liczbie dostępnych programów, powstaje pytanie, który program wybrać,który jest lepszy?Na to pytanie niema jednoznacznej odpowiedzi.Ważnymczynnikiemmającymwpływnawybórodpowiedniegoprogramu jest jego funkcjonalnośćwzakresiemetody budowaniamodelu. Obecnie wiele programów posiada odpowiednie środowiskagraficzne,wktórychbudowaniemodelujeststosunkowołatwe.Innymczynnikiemdecydu-jącymowyborzeprogramumogąbyćjegomożliwościwzakresiewymianydanychzinnymiaplikacjami.Innymważnymkryteriummożebyćsposóbprzeprowadzaniaeksperymentusy-mulacyjnegooraznarzędziadoanalizywynikówsymulacji.Większośćnajpopularniejszychprogramówsymulacyjnychmamożliwośćrozbudowaniamodelisymulacyjnychoelementywizualizacjiianimacji.Bardzoczęstosątoanimacje3D.
Mimowieluudogodnieńiwzrostufunkcjonalnościprogramówsymulacyjnychtworze-niemodeliiprzeprowadzaniesymulacjiwymagadużejwiedzy.Jednakkorzyści,jakiewy-nikajązestosowanietychmetod,sąbardzodużeiciąglewzrastaliczbazastosowańmetodsymulacyjnychwróżnychgałęziachżyciagospodarczego.
3. Podstawowe obszary zastosowań narzędzi do modelowania i symulacji procesów dyskretnych
Narzędziadosymulacjikomputerowejznajdująbardzoszerokiezastosowanie.Trudnojed-noznacznieokreślićgranice,czyteżwskazać,gdzietemetodyniemogąlubniesąstosowane.Łatwiejjestwskazaćnajbardziejpopularnezastosowania.Jednymztakichobszarówgospo-darkijestszerokorozumianyprzemysłwytwórczy[3,11].Wróżnychfirmachprodukcyjnych,jakteżusługowych,wykorzystujesięmetodysymulacjikomputerowejdooptymalizacjiróż-negorodzajuprocesów.PrzykłademmożebyćwykorzystanieprogramuArenadooptymaliza-cjiprocesumontażulaptopówwobrębiekomórkiprodukcyjnej[2].Innymbardzociekawymprzykłademjestwykorzystaniesymulacjikomputerowejnp.doplanowaniaprzydziałuzadańdlapracownikówprzygotowującychtowarydozaładunkunaciężarówki.Należyzauważyć,żemetodysymulacyjnesąszczególnieprzydatnedorozwiązywaniaproblemówzzakresuza-rządzania łańcuchemdostaw [6] orazproblemówzwiązanych z systemami transportowymiimagazynowymi[1].Wykorzystaniemetodsymulacjikomputerowejdoposzukiwaniaopty-malnychrozwiązańwzakresiereorganizacjiprocesówbiznesowychczyteżodpowiedniejor-ganizacjipracy,np.wtelefonicznychcentrachinformacyjnych,możeprzynieśćbardzodużefinansoweoszczędności,częstoliczonewmilionachdolarów,wskaliroku.
Symulacja komputerowa jest również wykorzystywana do zastosowań militarnych.Zoczywistychwzględówinformacjenatentemat,aszczególnieinformacjeoefektachtychzastosowańniesąszerokopublikowane.Nauwagęzasługujefaktwykorzystywaniametodsymulacjikomputerowejdoposzukiwanianajlepszychrozwiązańorganizacyjnychwsłużbiezdrowia[9,8].Narysunku1przedstawionoprzykładanimacjimodelusymulacyjnegoizbyprzyjęćpogotowiaratunkowegowprogramieArena.
95
4. Modelowanie systemów wytwarzania
Budowaniekażdegomodelusymulacyjnegowymagaodpowiedniejwiedzyomodelowa-nymobiekcieorazdobrejznajomościnarzędzi,którebędąwtymprocesiewykorzystywane.Zjednejstronynależydążyćdomaksymalnegouproszczeniamodeluazdrugiejmodelpo-winienzodpowiedniądokładnościąopisywaćdziałaniemodelowanegoobiektu.
Rys.1.Animacjamodelusymulacyjnegoizbyprzyjęćpogotowiaratunkowego(napodstawieprzykładudołączonegodoprogramuArena)
Fig.1.Animationofsimulationmodelofemergencyroom(basedontheexampleattachedtotheArena)
Zbytdużeuproszczeniamogądoprowadzićdobłędnychwynikówsymulacji,odbiega-jącychodzachowaniasięrzeczywistegoobiektuwokreślonychwarunkach.Zbytdużado-kładnośćmodeluprowadzido jego rozbudowania imożewznaczącysposóbwpłynąćnaczastrwaniasymulacji.Zatembudującmodelobiektu,należydokładnieprzeanalizowaćjegodziałanieiuwzględnićwszystkieistotnecechy,któredecydująojegozachowaniu.Wceluprzedstawieniapoprawnejmetodybudowaniamodeluwykorzystanyzostanieprzykładpro-stegosystemuwytwarzania.
4.1.Opisprzykładowegosystemuwytwarzania
Zaprezentowany na rysunku 2, w postaci schematu blokowego, system wytwarzaniaskładasięzczterechobiektów.JestwnimrealizowanydyskretnyprocesobróbkijednegotypuprzedmiotówonazwiePrzedmiot1 (P1).Zmagazynuwejściowego(M1)przedmiotysątransportowanenapierwszestanowiskoobróbki(O1).Zewzględunaograniczonąobjętośćartykułuuproszczonowmodelupodsystemtransportuiuwzględnionojedynieczastranspor-tumiędzystanowiskowego.
96
Rys.2.Schematblokowysystemuwytwarzania
Fig.2.Blockdiagramofthemanufacturingsystem
Poobróbcenastanowiskupierwszymprzedmiotysątransportowanenastanowiskodru-gie(O2),zktóregopozakończeniuobróbkisątransportowanedomagazynuwyjściowego(M2).Każdestanowiskoobróbkijestobsługiwaneprzezjednegooperatora(Ci),któryzaj-mujesięzaładunkiemirozładunkiemobrabiarekorazuruchamianiemodpowiedniegopro-gramuobróbki.
4.2.Wstępnymodelsystemuwytwarzania
Napozórmożesięwydawać,żezbudowaniemodelusymulacyjnegotakprostegosyste-muwytwarzaniajestbardzołatwe.Abytopokazać,wykorzystującprogramArena,zbudo-wanozużyciemblokówfunkcjonalnychprostymodel(rys.3).BlokCreate 1jestodpowie-dzialnyzagenerowanieprzedmiotów(jednostek)iwrazzmodułemAssign 1,definiującymczasobróbkiprzedmiotów,tworzymodelmagazynuwejściowego.Pierwszestanowiskoob-róbkizostałozamodelowanezapomocąblokuProcess 1.Drugiewpodobnysposób.Maga-zynwyjściowyjestzamodelowanyblokiemDispose 1.Bloktenjedynieusuwaprzedmiotyzmodelusymulacyjnego.
Narysunku4przedstawionoszczegółoweparametrywybranychblokówfunkcjonalnych.WblokuProcess zdefiniowanozajęciezasobuObrabiarka 1,opóźnienieprzejściaprzed-miotuoczasobróbkiczas 1izwolnienieObrabiarki 1pozakończeniuprocesu.PominiętochwilowoczynnościwykonywaneprzezOperatora.
Czastrwaniasymulacjiustalonona8godziniuruchomionosymulację.Narys.3przed-stawiono wybrany moment symulacji. Widoczne czarne kółka reprezentują przedmiotyoczekujące na obróbkę na poszczególnych stanowiskach. Symulacja dobiegła końca, aleopracowanymodelniejestpoprawnyiwynikisymulacjisąbłędne.Wmodelunieuwzględ-nionojednejbardzoważnejcechyrzeczywistychsystemówwytwarzania,tzn.ograniczono-ścimiejscawprzestrzeni.Narzeczywistejobrabiarcewjednejchwiliniemożeznaleźćsięwięcejprzedmiotówniżtozostałokonstrukcyjnieprzewidziane.Jeżeliwdanymmomencienaobrabiarcemożeznajdowaćsięnp.tylkojedenprzedmiot,towewszystkichblokachmo-delującychtakąobrabiarkę,wkażdejchwilisymulacji,teżmożebyćtylkojedenprzedmiot.Inaczejmodelniebędziepoprawnieodzwierciedlałzachowaniasięobiektu.
Innymisłowy,niemożebyćtak,żezmagazynujesttransportowanyprzedmiotnaStano-wisko obróbki 1,mimo,żejestonozajęte.Takiedziałaniedoprowadziłobywrzeczywistościdokolizjiizniszczeniaobrabiarki.Abypoprawićdziałaniemodeludokonanojegoprzebu-dowy(rys.5).BlokifunkcjonalneProcesszastąpionotrzemablokamipodstawowymi:Seize,Delay i Release.
97
Rys.3.Wstępnymodelsystemuwytwarzania
Fig.3.Theinitialmodelofmanufacturingsystem
Rys.4.Parametryblokówfunkcjonalnych
Fig.4.Functionalblockparameters
PrzedmiotywblokuSeize 1,umieszczonymwobszarzemagazynu,oczekująnazajęcieobrabiarki1.Dopieropojejzajęciusąnaniątransportowane.BlokDelay 1opóźniaprzej-ścieprzedmiotuoczasobróbki.WblokuSeize 2jestzajmowanaobrabiarka2idopieropojejzajęciuprzedmiotwblokuRelease 1zwalniaobrabiarkę1iprzechodzinastanowiskoobróbki2.Wpodobnysposóbzmodyfikowanomodelwobszarzestanowiskaobróbki2.Po
98
uruchomieniusymulacjikolejkaprzedmiotówgromadziłasięjedyniewobszarzemagazynuwejściowego (rys. 5).Niestety, ale tak zmodyfikowanymodel nie jest poprawny.Zajęciezasobuprzedrozpoczęciemprzemieszczeniasięnaniegoprowadzidobłędnychwyników.W takim rozwiązaniu czas transportubędziewliczanydo czasupracydanegozasobu, cozafałszujewynikisymulacji.
Jakwidaćprosterozwiązanianiezawszesąpoprawne.Dlategowkolejnympodpunk-ciezaproponowanometodęanalizyfunkcjonalnejsystemówwytwarzania,któraułatwiapo-prawnebudowaniemodelisymulacyjnych.
Rys.5.Rozbudowanymodelsystemwytwarzania
Fig.5.Extendedmodelofmanufacturingsystem
4.3.Analizafunkcjonalnasystemuwytwarzania
Dla lepszegozilustrowaniametodyprzyjęto,żewobrębiekażdegostanowiskaobrób-kiwystępująbuforywejściowe(Bi1)iwyjściowe(Bi2).Wprowadzeniebuforówpozwalanalepszewykorzystanieobrabiarekzewzględunatransportmiędzystanowiskowy.Ponadtoczynnościzaładunkuirozładunkusąrealizowaneprzezdwóchoperatorów(C1,C2).Zwięk-szatoliczbęzasobówwsystemiewytwarzania.
Wproponowanejmetodziewszystkiezasobysystemuwytwarzania tworzązbiórzaso-bówZ.Dlarozpatrywanegosystemuwytwarzaniazrysunku2elementyzbioruzasobówsąnastępująceZ = {M1, B11, C1, O1, C1, B12, B21, C2, O2, C2, B22, M2}.Wszystkieobra-bianewsystemieprzedmiotytworzązbiórprzedmiotówP.WrozpatrywanymprzykładziezbiórprzedmiotówjestjednoelementowyP = {P1}.
Dlakażdegoelementuze zbioruP należyutworzyć tabelęprzepływuprzedmiotówT (tabela1).WymiartabelinxnjestrównyliczbieelementówzbioruZ.NazwykolumninazwywierszyodpowiadająnazwomobiektówzbioruZ.Wtabeli tejwypełniamy tepola,któreleżąnaprzecięciukolumnyiwierszaonazwachodpowiadającychzasobom,pomiędzyktó-rymiwystępujetransportdanegoprzedmiotu.Wrozpatrywanymprzypadkujesttoprzedmiot
99
P1.Wpisywanawartośćpowinnaodpowiadaćmaksymalnejliczbieprzedmiotów,jakamożeznajdowaćsięwzasobiedocelowym.Wopisywanymprzykładzie,wpierwszymwierszuM1 tabeliT,wpisanowartość„1”naprzecięciuzkolumnąB11.Oznaczato,żepodczastrans-portowaniaprzedmiotuP1zmagazynuM1dobuforaB11możetrafićtylkojedenprzedmiot.InnymisłowywbuforzeB11jesttylkojednomiejscenajedenprzedmiot.
Podobnazależnośćwystępujedlapozostałychzasobów.Posiadająonemiejscetylkonajedenprzedmiot.Dla buforaB22wpisanowkolumnieM2 znak „X”, ponieważprzyjętozałożenie,żemagazynM2,jakowyjściedlaobrobionychprzedmiotów,niemaograniczonejliczbymiejsc.Dla systemów bardziej złożonych układwartościw tabeli będzie bardziejzróżnicowany.
T a b e l a 1
Tabela przepływu dla przedmiotu
P1 doM1 B11 C1 O1 B12 B21 C2 O2 B22 M2
zM1 1B11 1C1 1 1O1 1B12 1B21 1C2 1 1O2 1B22 XM2
Wprzypadkuogólnymwartościwpolachpowinnyodpowiadaćliczbiemiejscnazaso-bachsystemurzeczywistego.TabeleprzepływunależyutworzyćdlawszystkichelementówzbioruP.Przygotowanietychtabeljestkonieczneprzedrozpoczęciembudowaniamodelusystemuwytwarzania.Bloki funkcjonalne, zktórych jestbudowanymodelwśrodowiskuArena powinny być pogrupowane i odpowiadać elementom ze zbioruZ. Zewzględu naspecyfikę i różnorodność obiektów, jakiewchodząw skład systemówwytwarzania, licz-bablokówfunkcjonalnychwykorzystanadomodelowaniatychobiektówmożebyćróżna.Wzwiązkuztym,wbudowanymmodelusystemunależyzaimplementowaćwarunki,którebędą sprawdzać przed rozpoczęciem czynności transportowej, czymiejsce docelowe jestwolne.Wpraktycesprowadzasiętodozliczeniawszystkichprzedmiotów(jednostek),którewystępująwblokachmodelującychdanyzasóbsystemu.Abyczynnośćtransportowamogłabyćrozpoczęta, liczbatychjednostekmusibyćmniejszaodwartościwtabeliT.Opisanapowyżejmetoda analizy funkcjonalnej zostaławykorzystana do zbudowania poprawnegomodelusystemuwytwarzania.
100
4.4.Poprawnymodelsymulacyjnysystemuwytwarzania
Na rysunku 6 przedstawiono rozbudowany model systemu wytwarzania. Stanowiskaobróbkowezostałyrozbudowaneobuforywejścioweiwyjściowe.Załadunekirozładunekobrabiarek jest realizowany przez operatorów. Aby zamodelowany system wytwarzaniamógłzostaćpoddanyoptymalizacji,wprowadzonodomodeluinformacjeokosztach,jakiegenerująwszystkiezasobypodczaspracyipodczaspostoju.Zkażdegowyprodukowanegoprzedmiotuzliczany jest zyskbrutto.Nazakończeniekażdej symulacji,wgrupieblokówKalkulacja kosztów,obliczanyjestzysknettobędącyróżnicązyskubruttoikosztówgenero-wanychprzezwszystkiezasoby.
Domodeluwprowadzonozmienne,którezawierają informacjeo liczbieprzedmiotówznajdujących się na poszczególnych zasobach systemu.Wgrupie blokówParametry po-czątkowewartościtychzmiennychsąustawianenapoczątkusymulacjiwoparciuoliczbęzasobówkażdegotypuzdefiniowanychwmodelu.
4.5.Weryfikacjapoprawnościmodelu
Rozbudowanymodel symulacyjny systemuwytwarzania został poddany sprawdzeniupoprawnościdziałania.Wtymceluprzeprowadzonowielesymulacjizróżnymustawieniemwartościparametrów.Napodstawieanalizyprzebiegusymulacjiiraportówgenerowanychpozakończeniukażdejsymulacjistwierdzonopoprawnedziałaniemodelu.Narys.7poka-zanoliczbęzaharmonogramowanychzasobówwprzykładowejsymulacji.Narys.8poka-zanowspółczynnikiwykorzystaniaposzczególnychzasobówsystemupo8godzinachpracy.Wtrakcietejsymulacjizmagazynuwejściowegozostałowydanychdoobróbki481przed-miotów.Obrobionychwciągu8godzinpracysystemuzostałotylko130.Wynikaztego,żekoniecznajestreorganizacjasystemuwcelupoprawieniajegowydajności.Zatemcelemjestpoprawieniewydajnościorazmaksymalizacjazyskunetto.Możnatoosiągnąćprzezodpo-wiedniedobranieliczbyposzczególnychzasobów.
5. Optymalizacja systemu wytwarzania
Po zbudowaniumodelu systemuwytwarzania i po zweryfikowaniu poprawności jegodziałaniapoprzezeksperymentysymulacyjnemożnaprzystąpićdojegooptymalizacji.Dotego celu wykorzystano program OptQuest.Aby przeprowadzić optymalizację, koniecz-nejestzdefiniowanieiustaleniewartościwieluparametrówmającychwpływnaprzebiegprocesuoptymalizacji,aprzedewszystkimfunkcjicelu.Wopisywanymprzykładziecelemoptymalizacjibędziemaksymalizacjazyskunettogenerowanegoprzezsystemwytwarzaniapodczasrealizacjizadanegoprocesuwytwórczego.
Wpierwszej kolejności należy zdefiniować zmiennedecyzyjne, któremająwpływnawartośćfunkcjicelu.Wartościtychzmiennychbędąustalaneprzedkolejnymisymulacjami,copozwolinasprawdzenieichwpływunafunkcjęcelu,atymsamymumożliwiznalezienienajlepszego rozwiązania. ProgramOptQuest dopuszcza dwa rodzaje zmiennych decyzyj-nych:zasobyizmienne.Wrozpatrywanymprzykładziezmiennymidecyzyjnymisązasobyzdefiniowanewmodelusymulacyjnym,czylibufory,obrabiarki i operatorzy(rys.9).
101
Rys.6.Poprawnymodelsymulacyjnysystemuwytwarzania
Fig.6.Correctsimulationmodelofmanufacturingsystem
102
Rys.7.Liczbazaharmonogramowanychzasobów
Fig.7.Numberofscheduledresources
Rys.8.Wykorzystaniezasobów
Fig.8.Resourcesutilization
5.1.Definiowaniezmiennychsterujących
Opróczwybraniaodpowiednichzasobów,należyokreślićzakres,wjakimmożezmieniaćsięichliczbapodczaskolejnychsymulacji.Wtymceludefiniowanajestdolnaigórnagrani-cazakresuorazsugerowanawartośćpoczątkowa.
103
Wrezultacieoptymalizacjizostanąokreślonewartościkażdejzmiennejdecyzyjnej,przyktórychzostanieosiągniętenajlepszerozwiązaniezewzględunaprzyjętąfunkcjęcelu.
5.2.Definiowaniezmiennychwyjściowych
Kolejnymkrokiemprzygotowaniamodeludooptymalizacji jestokreśleniezmiennychwyjściowych,którebędąwykorzystanewfunkcjicelu(rys.10).WomawianymprzykładziejesttozmiennawyjściowaZyskNetto.
Rys.9.Definiowaniezmiennychdecyzyjnychprocesuoptymalizacji
Fig.9.Definingthedecisionvariablesintheoptimizationprocess
Rys.10.Definiowaniezmiennychwyjściowych
Fig.10.Definingoutputvariables
5.3.Definiowanieograniczeń
Pozdefiniowaniuzmiennychdecyzyjnychizmiennychwyjściowychmożna,awzasadzienależy,zdefiniowaćograniczenianakładanenaprocesoptymalizacji.Ponieważprzedmiotemoptymalizacjijestsystemwytwarzania,tojednymztakichograniczeńmożebyćmiejscedlaniegoprzeznaczonewhaliprodukcyjnej.Konsekwencjątegoograniczeniamożebyćokreślonamaksymalnaliczbawszystkichobrabiarek,zktórychtakisystemmożesięskładać.Woma-wianymprzykładzieliczbaobrabiarekkażdegotypumożezawieraćsięwzakresieod1do5.Ponieważwystępujądwatypy,todajenamwsumiemaksymalnąliczbęobrabiarekrówną10.Wrozpatrywanymprzykładziezałożonowystępowanieograniczeniapowierzchni iprzyjętodopuszczalnąliczbęwszystkichobrabiareknapoziomie8sztuk,rys.11.
104
5.4.Definiowaniefunkcjiceluiparametrówoptymalizacji
Zdefiniowaneuprzedniozmiennewyjściowe,wnaszymprzykładzietylkojedna–Zysk-Netto,sąwykorzystywanedozbudowaniafunkcjicelu.Jakjużwspomniano,celemoptyma-lizacjijesttakiedobranieliczbyposzczególnychzasobów,abyzmaksymalizowaćzysknetto.Narys.12pokazanofunkcjęcelu,któraodpowiadatemuzałożeniu.
Rys.11.Definiowanieograniczeń
Fig.11.Definingconstraints
Rys.12.Definiowaniefunkcjicelu
Fig.12.Definingtheobjectivefunction
Ostatnim etapemprzygotowaniamodelu do optymalizacji jest ustawienie parametrówdecydującychoprzebieguprocesuoptymalizacji(rys.13).Pierwszymparametremjestwa-runekzatrzymaniaposzukiwaniakolejnychrozwiązań.Możnawybraćjednąztrzechopcji:ustawieniekonkretnejliczbysymulacji,zatrzymanieręcznelubautomatyczne.Kolejnypa-rametrokreślawartośćtolerancji,zjakąwynikikolejnychsymulacjisąuznawanezatakiesame.Ostatnimważnymparametremjestokreślenieliczbypowtórzeńdlakażdejsymulacji.Jesttoistotnewtedy,gdywmodeluwystępujązmienneocharakterzestochastycznym.Poustawieniupowyższychparametrówmożnarozpocząćprocesoptymalizacji.
PodczasoptymalizacjiprogramOptQuestdobierawgwbudowanegoalgorytmuwartościzmiennychdecyzyjnych iwykonuje kolejne symulacje.Po zakończeniukażdej symulacjirejestrowanajestwartośćfunkcjiceluidobieranesąponowniewartościzmiennychdecy-zyjnychdlakolejnej symulacji.Procesoptymalizacji jest kontynuowanyażdo spełnieniajednegozwarunkówjegozakończenia(rys.14).
5.5.Optymalizacjasystemuwytwarzaniaianalizawyników
Wefekcieprzeprowadzonegoprocesuoptymalizacjiprzykładowegosytemuwytwarza-niazostałyustalonewartościzmiennychsterujących,przyktórychzmiennawyjściowaZy-skNettoprzyjmujewartośćmaksymalną.Zgodniezwynikamiwsystemiepowinnybyćtrzyobrabiarkitypu1iczterytypu2.Pozostałezasobypowinnywystępowaćpojednejsztuce.
105
Rys.13.Definiowanieparametrówsymulacji
Fig.13.Definingtheparametersofthesimulation
Należyjednakpamiętać,żerozwiązanietomożebyćnajlepszym,czylioptymalnym,aleniemapewności,żetakimjest.Zostałoonoznalezionepoprzezprzeanalizowaniewynikówskończonejliczbysymulacji.Wtensposóbzostałysprawdzoneróżnekonfiguracjewartościzmiennychdecyzyjnych,alenaogółniewszystkie.Problemnarastawrazzewzrostemliczbyzmiennychdecyzyjnychiwzrostemichzakresuzmienności.Dlategonależyzawszezdużąostrożnościąpodchodzićdoocenywynikówoptymalizacji.Mimoto,możemyzcałąpew-nościąpowiedzieć,żemamyznalezionenajlepszerozwiązanieze187różnychmożliwych.Możemyzatemprzyjąćzpewnymprzybliżeniem,żeprzyzadanejliczbieprzedmiotówwy-syłanychzmagazynudoobróbkitakakonfiguracjasystemuwytwarzaniadamamnajwięk-szyzysknetto.
Dladokładniejszegoprzeanalizowaniazaproponowanegorozwiązaniadokonanoponow-nejsymulacjimodelusystemuwytwarzania,pouprzednimwprowadzeniuliczebnościzaso-bówzgodniezwynikamioptymalizacji.Wwynikusymulacjipo8godzinachpracysystemuobrobiono474przedmiotyna481przygotowanychdoobróbki.Kilkaprzedmiotówpozosta-łowsystemie(produkcjawtoku).Narys.15przedstawionowartościwspółczynnikawyko-rzystaniaposzczególnychzasobów.Wykorzystanieobrabiarek,najdroższychweksploatacjizasobów,jestnapoziomie82%i91%.Znaczniegorzejjestzoperatorami.Wykorzystanienapoziomie16%jestniezadowalające.Byćmożenależyrozważyćobsługęwszystkichob-rabiarekprzezjednegooperatora.Podobniejestzbuforami.Buforywejściowewydająsiębyćniepotrzebne.
106
Rys.14.Poszukiwanieoptymalnegorozwiązania
Fig.14.Thesearchfortheoptimalsolution
Największestratysąponoszonezewzględunaniedociążonychoperatów.Analizawyni-kówsymulacjimoże,anawetpowinna,byćpomocnaprzymodyfikowaniustrukturysystemuwytwarzaniatak,abyopracowaćmożliwienajlepszerozwiązanie.
107
Rys.15.Wykorzystaniezasobów
Fig.15.Theresourceutilization
Zaprojektowanieodpowiedniegosystemuwytwarzaniamożesięskładaćzszereguopty-malizacjiróżnychwariantówkonfiguracyjnych.Wprzypadkubardzorozbudowanychmode-limożebyćtoprocesdługotrwały.
6. Wnioski
Zastosowaniemetod symulacji komputerowejw różnych obszarach gospodarkimożeprzynieśćbardzodużekorzyścimaterialne.Jesttojednakuwarunkowanepoprawnymzbudo-waniemmodeliiwłaściwymprzeprowadzeniemeksperymentówsymulacyjnych.Koniecznajestbardzodobraznajomośćnarzędziorazdokładnaitrafnaanalizadziałaniamodelowanegoobiektulubsystemu.
Zaproponowanaw artykulemetoda analizy funkcjonalnej systemówwytwarzania po-zwalanaodpowiednieusystematyzowanieinformacjiosystemieiułatwiabudowaniemo-delu.Dziękijejzastosowaniu,wdośćłatwysposóbmożnauniknąćwielubłędówwmode-lowaniu,któreprowadządozafałszowaniawyników.Mimotowymaganejestbardzodużedoświadczenieprojektantamodelu.Jesttoszczególnieważnenaetapieweryfikacjipopraw-nościdziałaniamodelusymulacyjnego.
Przeprowadzenieoptymalizacjijestrównieżprocesemzłożonym.Należypamiętaćoogra-niczonejliczbiewariantów,któresąpoddawanesymulacji.Uzyskanewtensposóbrozwiązaniemożebyćzbliżonedonajlepszego,alenigdyniemamypewności,żejestoptymalne.
108
Mimowielutrudnościiniedoskonałości,poszukiwanieoptymalnychrozwiązańnadro-dze symulacji komputerowej bardzo często jest jedynąmetodą, którąmożna zastosować.Ztegowzględudajesięostatniozauważyćintensywnyrozwójmożliwościfunkcjonalnychnarzędzidomodelowania,symulacjiioptymalizacjiprocesówdyskretnych.
L i t e r a t u r a
[1] E k r e n B.Y., H e r a g u S.S., Simulation based regression analysis for rack configuration of autonomous vehicle storage and retrieval system,Proceedingsofthe2009WinterSimulationConference,2405-2413.
[2] I c h i k a w a H.,Simulating an applied model to optimize cell production and parts supply (mizusumashi) for laptop assembly,Proceedingsofthe2009WinterSimulationConference,2272-2280.
[3] L i u Y.,Ta k a k u w a S., Simulation-based personnel planning for materials han-dling at a cross-docking center under retail distribution environment,Proceedingsofthe2009WinterSimulationConference,2414-2425.
[4] K r e n i c h S.,Optymalna alokacja obiektów z wykorzystaniem algorytmów ewolucyj-nych,Logistyka,3,Radom2011,1365-1375.
[5] K r e n i c h S.,Pewne metody hybrydowe w jednokryterialnej optymalizacji konstruk-cji,CzasopismoTechniczne,4-M/2011/B,z.7,2011,255-262.
[6] M a ł o p o l s k i W., Prototyp elastycznego modelu symulacyjnego systemu wytwarzania w języku SIMAN, CEEPUSResearchReports, SOP’2008CA SystemsAndTechnologies,Cracow,Poland,2008,257-264.
[7] S c h m i t t A.J.,S i n g h M.,Quantifying supply chain disruption risk using monte carlo and discrete-event simulation, Proceedings of the 2009 Winter SimulationConference,1247-1248.
[8] Ta k a k u w a S., W i j e w i c k r a m a A., Optimizing staffing schedule in light of patient satisfaction for the whole outpatient hospital ward,Proceedingsof the2008WinterSimulationConference,1500-1508.
[9] Wy n t e r S.A.,I v y J.E.,Simulating public health emergency response: a case study of the 2004 north carolina state fair e.coli outbreak,Proceedingsofthe2009WinterSimulationConference,1957-1968.
[10] Z d a n o w i c z R.,Ś w i d e r J.,Modelowanie i symulacja systemów produkcyjnych w programie Enterprise Dynamics.WydawnictwoPolitechnikiŚląskiej,Gliwice2005.
[11] http://www.arenasimulation.com/Solutions_Manufacturing.aspx.