Моделирование производственной системы сборки деревянных европаллетов

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

КУРСОВАЯ РАБОТА

Дисциплина: “Моделирование технологических машин и оборудования”

Тема: “Моделирование производственной системы сборки деревянных европаллетов”

Санкт-Петербург

2019 г.

Задание

Описание системы массового обслуживания (СМО):

Назначение;

Состав;

Подробное описание принципов работы.

Анализ СМО с помощью балансовой модели:

Сетевая модель;

Уравнения баланса сети;

Определение производительности: фактической и потенциальной.

Анализ СМО с помощью вероятностной модели.

Анализ СМО с помощью имитационной модели:

Описание имитационной модели;

Анализ и сравнение характеристик с аналитическими оценками.

Оглавление

Введение

1. Описание системы массового обслуживания (СМО)

1.1 Наименование СМО

1.2 Назначение СМО

1.3 Краткий обзор СМО

1.3 Описание принципов работы линии

2. Анализ СМО с помощью балансовой модели

2.1 Сетевая модель

2.2 Уравнения баланса сети

2.3 Определение производительности: фактической и потенциальной

3. Анализ СМО с помощью вероятностной модели

4. Анализ СМО с помощью имитационной модели

4.1 Описание имитационной модели

4.2 Анализ и сравнение характеристик с аналитическими оценками

Заключение

Библиографический список

Введение

Процессы в системах массового обслуживания, и, в частности, в производственных системах, как правило, являются достаточно сложными и не могут быть полностью исследованы только аналитическими методами. В лучшем случае эти методы дают оценки отдельных характеристик, но не позволяют получить подробную информацию о работе системы в целом. В таком случае применяют имитационное моделирование, и необходимые данные определяют на основе «численных» экспериментов.

Моделирование используется при решении задач из различных сфер деятельности, причем имитационное моделирование считается, наряду с математическим программированием, одним из наиболее распространенных и эффективных методов исследования операций и теории управления.

Самое главное, что все это выполняется без вмешательства в работу реальных систем, прежде чем будут потрачены деньги, время и другие ресурсы на приобретение или создание новых объектов. Имитационное моделирование позволяет проверять гипотезы о причинах возникновения тех или иных наблюдаемых феноменов, рассматривать процессы в различных масштабах времени, выделять наиболее важные условия для успешного функционирования моделируемой системы, анализировать имеющиеся связи и выявлять "узкие места" в материальных, информационных и других потоках.

Известны различные виды моделей, в том числе имитационных, и различные средства моделирования. В предлагаемой курсовой работе рассмотрена производственная система сборки деревянных европаллетов, составлены балансовая, вероятностная и имитационная модели системы.

1. Описание системы массового обслуживания (СМО)

1.1 Наименование СМО

Автоматизированная линия по сборке деревянных европаллетов.

1.2 Назначение СМО

Выполнение ряда операций по обработке и сборке, необходимых для производственного цикла по изготовлению деревянных европаллетов.

1.3 Краткий обзор СМО

Для обеспечения достаточной производительности, с учетом специфики изделия, используется машина с последовательным принципом сборки и обработки изделия, в которой для перемещения между операциями сборки и обработки применяется конвейерная линия с необходимой для этого оснасткой. Данная машина имеет следующие позиции обработки:

Установка шайб рабочими в оснастку на конвейере - 15 с/паллет;

Установка поперечных досок при помощи отсекателя из бункера - 5 с/паллет;

Установка рабочими продольных досок - 5 c/паллет;

Работа верхнего гвоздезабивочного узла - 15 с/паллет;

Переворот паллета на 180 градусов - 12 с/паллет;

Установка рабочим продольных досок нижней части паллета - 5 с/паллет;

Работа нижнего гвоздезабивочного узла - 15 с/паллет;

Транспортировка - 5 с/паллет;

Маркировка паллета - 5 с/паллет;

Транспортировка - 3 с/паллет;

Подрезка углов - 5 с/паллет;

Транспортировка - 2 с/паллет;

Переворот паллета на 180 градусов - 8 с/паллет;

Нарезание фасок на верхней грани - 5 с/паллет;

Шлифовка верхней грани - 5 с/паллет;

Поворот паллета вокруг оси на 90 градусов - 3 с/паллет;

Транспортировка до места складирования - 4 с/паллет.

Дневная норма сборки паллетов на данной автоматизированной линии составляет 2100 штук/смена. Габаритные размеры деревянного европаллета 800х1200х144 мм, а его вес составляет 30 кг. Более подробные габаритные размеры и внешний вид европаллета представлены на рисунке 1.

Рисунок 1 - Габаритные размеры европаллета

моделирование сборка деревянный европаллет

Пример, похожей по структуре, автоматической линии представлен на рисунке 2. На данном изображении отсутствуют некоторые вышеперечисленные узлы, а в частности: узел маркировки, узел подрезки углов, узел нарезания фасок и узел шлифовки. Так как в рамках данной работы требуется изучение только самого технологического процесса, то подробное схематическое описание машины можно оставить “за бортом”, за неимением полного объема документации, на каждый из ее модулей.

В ходе рабочего процесса могут возникать различные накладки, в следствии чего возможно появление бракованных паллетов, предположим, что процент брака от общего числа продукции, выпускаемой за день, составляет 5 %.

Рисунок 2 - Внешний вид автоматизированной линии по сборке деревянных европаллетов от компании Form Makina

1.3 Описание принципов работы линии

Технологический процесс представлен на рисунке 3.

Рисунок 3 - Схема технологического процесса

Процесс сборки паллета на автоматизированной линии состоит из некоторого числа этапов, про которые далее и пойдет речь. Рабочий загружает шайбы в оснастку на конвейере в количестве 9 штук (1), после чего происходит движение конвейера, в ходе которого так же происходит выдача поперечной доски при помощи отсекателя из бункера с досками (2), после чего данные 3 ряда, состоящие из 9 шайб и 3 досок поверх них, перемещается на заданное расстояние. Рабочие, ответственные за установку продольных досок поверх 3 сформированных рядов (3), также во время ожидания формирования 3 рядов, ответственны за пополнение запасов досок в бункере на (2) операции и подготовку необходимого числа досок для (3) операции. После создания основного каркаса паллета на оснастке конвейера, происходит его дальнейшее перемещение и выполнение гвоздезабивочной операции (4) при помощи узла с необходимым числом пневмо-гвоздезабивных пистолетов, расположенных по необходимой схеме, для надежного крепления всех досок и шайб между собой. Сразу же после данного узла, происходит захват и переворот паллеты, для обеспечения доступа к ее обратной стороне (5), после чего, рабочий устанавливает продольные доски на 3 ряда шайб (6), а далее следует снова гвоздезабивочная операция (7), после осуществления которой, на выходе получается уже полностью сформированный и собранный паллет, над которым далее будут совершаться различные операции обработки. После (7) операции происходит транспортировка (8) паллета на позицию выполнения маркировки (9), на которой происходит выжигание на боковых гранях шайб логотипа компании и прочих вспомогательных знаков. Далее, конечно же, снова происходит транспортировка (10) паллета на позицию обработки углов изделия (11), где при помощи шлифовальных кругов выполняется подрезка острых углов паллета. По сложившейся традиции, далее конечно же следует операция транспортировки (12) и переворот паллета кверху ногами (13), после чего паллет перемещается на конвейере через узел, в котором происходит нарезание фасок на внутренних сторонах продольных досок (14), после чего конвейер передает паллет на операцию шлифовки верхней поверхности продольных досок (15). Далее следует модуль, который осуществляет захват и поворот вокруг своей оси паллета на 90 градусов (16) для его дальнейшей транспортировки (17) в место складирования паллетов.

На рисунке 4 представлен внешний вид установки на операции (17), с уже изготовленным паллетом, который устремляется в место их складирования.

Рисунок 4 - Внешний вид автоматизированной линии на операции (17)

2. Анализ СМО с помощью балансовой модели

2.1 Сетевая модель

Сетевая модель производственной системы представлена на рисунке 5.

Рисунок 5 - Сетевая модель

2.2 Уравнения баланса сети

Балансовые модели позволяют оценивать средние характеристики системы без детализации описания дискретных процессов изготовления.

Сеть считается определенной, если задана совокупность ее характеристик (M, , P, , , m, л).

Множество М узлов сети составляют:

- узел 1 - позиция установки шайб рабочими в оснастку на конвейере,

- узел 2 - позиция установки поперечных досок,

- узел 3 - позиция установки рабочими продольных досок,

- узел 4 - позиция работы верхнего гвоздезабивочного узла,

- узел 5 - позиция переворота паллета на 180 градусов,

- узел 6 - позиция установки рабочим продольных досок нижней части паллета,

- узел 7 - позиция работы нижнего гвоздезабивочного узла,

- узел 8 - позиция транспортировки,

- узел 9 - позиция маркировки паллета,

- узел 10 - позиция транспортировки,

- узел 11 - позиция подрезки углов,

- узел 12 - позиция транспортировки,

- узел 13 - позиция переворота паллета на 180 градусов,

- узел 14 - позиция нарезания фасок на верхней грани,

- узел 15 - позиция шлифовки верхней грани,

- узел 16 - позиция поворота паллета вокруг оси на 90 градусов,

- узел 17 - позиция транспортировки до места складирования,

- узел 18 - позиция для готовых деталей,

- узел 19 - позиция для брака.

Параметры системы, над которыми далее будут производиться вычисления, представлены в виде параметров производительности системы и ее узлов за смену, которая составляет 12 часов.

Вектор интенсивностей внешних входных потоков:

= (2100; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0)Т.

Заготовки подаются только на первый узел системы, все остальные элементы матрицы - нулевые.

Ненулевые элементы матрицы передач:

p12 = 1, p23 = 1, p34 = 1, p45 = 1, p56 = 1, p67 = 1, p78 = 1, p89 = 1, p910 = 1, p1011 = 1, p1112 = 1, p1213 = 1, p1314 = 1, p1415 = 1, p1516 = 1, p1617 = 1, p1718 = 0,95, p1719 = 0,05.

Между позициями сборки заготовки передаются без отсеивания частей, после позиции транспортировки в место складирования 95% деталей признаются годными, остальные попадают в брак.

Вектор, характеризующий внешний поток из сети:

= (0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 1; 1)Т.

Детали из сети выходят только на 18 и 19 позиции, остальные элементы матрицы - нулевые.

Вектор интенсивностей обслуживания заявок в узлах (рассматривается число заявок за смену):

= (2880; 8640; 8640; 2880; 3600; 8640; 2880; 8640; 8640; 14400; 8640; 21600; 5400; 8640; 8640; 14400; 10800; ; )Т.

Вектор состава сети, количество агрегатов в i-ом узле:

m = (1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1; 1)Т.

Уравнения баланса сети

Интенсивности входных потоков в каждый из узлов, рассчитаны ниже.

Коэффициенты загрузки агрегатов в узлах:

Коэффициенты загрузки меньше единицы, следовательно, система будет функционировать нормально.

2.3 Определение производительности: фактической и потенциальной

При анализе АПС различают фактическую и потенциальную производительность. Фактическая производительность АПС характеризуется интенсивностью выходного потока заявок из сети, функционирующей в установившемся режиме:

где I - множество "выходных" узлов, исключая узлы, из которых удаляется брак;

i - интенсивность входного потока заявок в i-ый узел;

i - доля потока, покидающая сеть после обслуживания в i-ом узле.

Из выше представленной формулы получаем:

Потенциальная производительность Qп определяется интенсивностью выходного потока при полной загрузке АПС, т. е. в случае отсутствия простоев агрегатов АПС, обусловленных организационными причинами (например, несвоевременной доставкой заготовок на обработку). Таким образом, отличие между фактической и потенциальной производительностью состоит в характере учета организационных простоев.

Нормирующий вектор для нашей системы выглядит так:

=(1; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0; 0)Т.

Можно представить интенсивность входных потоков, как и переписать уравнения баланса сети в виде:

Из выше представленной формулы получаем:

Следовательно, =1,4,

Для увеличения производительности АПС может быть использован метод «расшивки узких мест». Согласно этому методу в узел, являющийся «узким» местом системы, добавляют еще один агрегат и определяют «узкое» место при новых условиях. Этот процесс продолжается до тех пор, пока не будет достигнута необходимая производительность. Узлы 1, 4, 5, 7 являются «узкими» местами системы, но заданная производительность достигнута, поэтому добавлять дополнительные агрегаты не требуется.

3. Анализ СМО с помощью вероятностной модели

Общие характеристики вероятностной модели в соответствии с теоремой Джексона могут быть определены по формулам:

вероятности состояния сети в соответствии с теоремой Джексона

(3.1)

маргинальные вероятности (пуассоновский входной шток, экспоненциальное распределение времени обслуживания, mi параллельно работающих агрегатов)

интенсивность входного (выходного) потока i-го узла

(3.3)

среднее количество заявок в очереди в i-ом узле

(3.4)

среднее количество заявок в i-м узле

(3.5)

среднее время пребывания заявки в очереди в i-ом yзле

(3.6)

среднее время пребывания заявки в i-ом узле

(3.7)

среднее количество заявок в системе

(3.8)

среднее количество заявок в очередях

(3.9)

среднее время пребывания заявки системе

(3.10)

где I множество узлов сети, через которые проходит заявка;

среднее время пребывания заявки в очередях

(3.11)

Характеристики сети, согласно формулам (3.4...3.11), имеют следующие значения:

средние количества заявок в очередях:

Видно, что среднее количество заявок в очередях для большинства позиций сборки меньше единицы, но также имеются позиции с очередью в размере 2 деталей, то есть средняя очередь на большую часть позиций практически отсутствует.

средние количества заявок в узлах:

средние времена пребывания заявок в очередях в узлах:

средние времена пребывания заявок в узлах:

среднее количество заявок в сети:

Средний объем незавершенного производства составляет тринадцать деталей, что составляет меньше процента от общего количества проходимых деталей.

среднее количество заявок в очередях:

среднее время пребывания заявки в сети (средняя длительность производственного цикла): = 130 с;

среднее время пребывания заявки в очередях: = 158 с.

Можно заметить, что количество заявок в системе и средние времена пребывания заявок в узлах и системе невелики, что говорит о высокой проходимости заготовок между сборочными позициями. Однако, если разбить долгие позиции на более мелкие по времени, тогда можно будет еще увеличить производительность и снизить очереди и время прохождение. Например, можно увеличить площадь покрытия гвоздезабивального автомата, чтобы производить забивку всех гвоздей за 1 раз, а не за 3, что позволит существенно ускорить процесс сборки паллетов.

4. Анализ СМО с помощью имитационной модели

4.1 Описание имитационной модели

Имитационная модель построена в программе для моделирования СМО Rockwell Software Arena. С помощью системы Arena можно:

промоделировать процессы, происходящие в реальной системе, чтобы найти ее характеристики;

промоделировать работу системы в будущем, чтобы разобраться со сложными взаимосвязями и идентифицировать возможности ее усовершенствования;

визуализировать происходящие процессы с помощью динамической анимационной графики;

проанализировать, как работает система в конфигурации «как есть», а также при несметном числе возможных альтернатив, чтобы выбрать лучший способ управления.

Построение модели начинается с модуля Create. Параметры, занесенные в данный блок представлены на рисунке 6. Среди данных параметров время поступления заявок на обработку в систему по экспоненциальному закону с значением 20,5 с (рисунок 6, п. 1), что примерно соответствует производительности 175 заявок в час в течении 12-часовой смены, что по итогу нам даст 2100 обработанных заявок за смену. Также необходимо задать количество заявок, поступающих за раз и ограничение на количество заявок за смену (рисунок 6, п. 2).



Рисунок 6 - Настройка блока Create

Далее создается модуль Process, который имитирует одну из позиций сборки паллетов. Внешний вид окна с выполненными настройками блока Process представлен на рисунке 7. Для наглядности стоит задать наименование процесса в соответствующем поле (рисунок 7, п. 1). Далее необходимо указать требуемое действие, а именно в поле Action выбрать значение Seize Delay Release (рисунок 7, п. 2), то есть захват заявки, ее обработка и выдача после обработки. Далее требуется задать параметры закона распределения времени обработки заявки (экспоненциального), а именно указать среднее время выполнения обработки для каждой из операций (рисунок 7, п. 4). Также необходимо для каждой операции задать свой ресурс и их количество (автомат, на котором выполняется операция и их количество в каждом из узлов обработки) (рисунок 7, п. 3). Количество блоков Process - 17. Время обработки для каждой из операций представлено в разделе 1.3.



Рисунок 7 - Настройка блоков Process

После последнего блока Process, необходимо добавить блок Decide, который будет выполнять фильтрацию годной продукции от брака. Внешний вид окна с выполненными настройками блока Decide представлен на рисунке 8. В данном блоке необходимо задать процент годной продукции, относительно всего потока изделий, в данной системе, по заданию присутствуют 5% бракованных изделий, поэтому процент годной продукции составляет 95% (рисунок 8, п. 1).

Рисунок 8 - Настройка блока Decide

После блока Decide необходимо добавить 2 блока Process, один из которых будет отвечать за учет годной продукции, а другой за учет бракованной продукции. Настройку этих блоков производить по тем же принципам, как было показано ранее, за исключением того, что время обработки должно быть постоянным и равняться 0 с. Данные блоки необходимы для учета статистики выхода изделий из системы.

Завершающими блоками в схеме являются блоки Dispose, которые отвечают за вывод из системы готовых изделий. В них имеется только настройка их имени. Внешний вид окна с выполненными настройками блока Dispose представлен на рисунке 9.

Рисунок 9 - Настройка блока Dispose

После создания и настройки всех блоков, которые и будут формировать систему, необходимо соединить их между собой. Вход первого модуля Process соединяется с выходом модуля Create. После 17-ого модуля Process должен быть размещен модуль Decidе, для двух его выходов соответствуют блоки Process, к которым в свою очередь подключаются блоки Dispose. Наглядную схему имитационной модели можно наблюдать на рисунке 10.



Рисунок 10 - Внешний вид схемы имитационной модели в среде Arena

4.2 Анализ и сравнение характеристик с аналитическими оценками

При моделировании были также заданы параметры:

число повторений (для увеличения точности симуляции) - 3 (рисунок 11, п.1);

продолжительность симуляции (рабочая смена) - 43200 с/12 ч (рисунок 11, п.2);

базовая величина измерений в системе - секунды (рисунок 11, п.3).

Данные параметры задаются в окне Run Setup, доступном по Run-Setup. Внешний вид окна представлен на рисунке 11.



Рисунок 11 - Внешний вид окна настройки параметров симуляции

После проведения симуляции процесса, программа предлагает ознакомиться с отчетом о результатах симуляции, которые нам необходимы для сравнения их с аналитическими значениями, полученными в разделах 2 и 3.

Для начала проверим, выдает ли наша система на выходе заданное на входе в блоке Create число паллетов, равно 2100 шт. Выдержка из отчета программы Arena представлена на рисунке 12.

Рисунок 12 - Выдержка из отчета программы Arena

Как видно по рисунку 12, количество паллетов на выходе из системы совпадает с заданным числом на входе, а также с аналитическими подсчетами.

Далее рассмотрим среднее время пребывания заявки в сети (средняя длительность производственного цикла) и среднее время пребывания заявки в очередях. Выдержка из отчета программы Arena представлена на рисунке 13.

Рисунок 13 - Выдержка из отчета программы Arena

По выдержке на рисунке 13, отчетливо видно, что среднее время пребывания заявки в сети составляет = 117 с. При аналитическом расчете мы получили = 130 с. Рассчитаем относительное отклонение для данного параметра:

Д = (130 - 117) / 130 = 0,1 = 10%.

Также по выдержке на рисунке 13 видно, что среднее время пребывания заявки в очередях составляет = 163,5 с. При аналитическом расчете мы получили = 158 с. Рассчитаем относительное отклонение для данного параметра:

Д = (163,5 - 158) / 163,5 = 0,034 = 3,4%.

Рассмотрим среднее количество заявок в сети. Выдержка из отчета программы Arena представлена на рисунке 14.

Рисунок 14 - Выдержка из отчета программы Arena

По выдержке на рисунке 14 видно, что среднее количество заявок в сети составляет . При аналитическом расчете мы получили

. Рассчитаем относительное отклонение для данного параметра:

Д = (13,6 - 13,4) / 13,6 = 0,015 = 1,5%.

Рассмотрим среднее количество заявок в очередях. Выдержка из отчета программы Arena представлена на рисунке 15.



Рисунок 15 - Выдержка из отчета программы Arena

По выдержке на рисунке 15 видно, что среднее количество заявок в очередях составляет . При аналитическом расчете мы получили

. Рассчитаем относительное отклонение для данного параметра:

Д = (7,95 - 7,68) / 7,95 = 0,034 = 3,4%.

Для наглядности составим Таблицу 1, в которой будут представлены вышеперечисленные результаты.

Таблица 1

Результаты сравнения аналитических и имитационных параметров

Х	Аналитич.	Имитацион.	Погрешность
среднее количество заявок в сети , дет.	13,4	13,6	1,5%
среднее время пребывания заявки в сети , с.	130	117	10%
среднее количество заявок в очередях , дет.	7,68	7,95	3,4%
среднее время пребывания заявки в очередях , с.	158	163,5	3,4%

С учётом погрешности вычисления и случайности моделирования системы, погрешности данного порядка допустимы.

Далее для глубины исследования результатов, предлагается ознакомиться с Таблицами 2 и 3, которые содержат результаты сравнения среднего времени пребывания заявки в очередях в каждом из узлов, а также среднего количества заявок в очередях.

Таблица 2

Результаты сравнения аналитических и имитационных параметров среднего количества заявок в очередях в узлах

	ан, дет.	им, дет.	Погрешность, %.
1	1,963	1,92	2,2
2	0,078	0,078	0,1
3	0,078	0,074	5,2
4	1,963	2,21	11,2
5	0,817	0,79	3,3
6	0,078	0,082	4,8
7	1,963	2,04	3,8
8	0,078	0,08	2,4
9	0,078	0,0784	0,5
10	0,025	0,0264	5,7
11	0,078	0,0739	5,3
12	0,010	0,0108	3,1
13	0,247	0,254	2,6
14	0,078	0,0747	4,3
15	0,078	0,0774	0,8
16	0,025	0,0239	4,0
17	0,047	0,0448	4,5

Как можно заметить, значения среднего количества заявок в очередях в узлах, полученные аналитическим и имитационным методом очень схожи, а средняя погрешность составляет всего 3,7%, что является показателем того, что система правильно построена в среде Arena, благодаря чему результаты симуляций практически идентичны аналитическим.

Таблица 3

Результаты сравнения аналитических и имитационных параметров среднее время пребывания заявки в очередях в узлах

	?ан, с.	?им, с.	Погрешность, %.
1	40,385	39,478	2,2
2	1,606	1,597	0,5
3	1,606	1,529	4,8
4	40,385	45,43	11,1
5	16,800	16,45	2,1
6	1,606	1,689	4,9
7	40,385	42,013	3,9
8	1,606	1,647	2,5
9	1,606	1,613	0,5
10	0,512	0,543	5,7
11	1,606	1,52	5,3
12	0,215	0,222	3,0
13	5,091	5,233	2,7
14	1,606	1,538	4,2
15	1,606	1,592	0,8
16	0,512	0,492	3,9
17	0,966	0,923	4,4

Как можно заметить, значения среднее время пребывания заявки в очередях в узлах, полученные аналитическим и имитационным методом очень схожи, а средняя погрешность составляет всего 3,7%, что является показателем того, что система правильно построена в среде Arena, благодаря чему результаты симуляций практически идентичны аналитическим.

Заключение

В предлагаемой курсовой работе рассмотрена производственная система по сборке деревянных европаллетов.

Составлены балансовая, вероятностная и имитационная модели системы.

Посчитаны следующие характеристики балансовой модели: вектор интенсивностей внешних входных потоков; вектор, характеризующий внешний поток из сети; вектор интенсивностей обслуживания заявок в узлах; вектор состава сети, количество агрегатов в i-ом узле; коэффициенты загрузки агрегатов в узлах. Определена фактическая и потенциальная производительность.

Определены характеристики вероятностной модели: интенсивность входного (выходного) потока i-го узла; среднее количество заявок в очереди в i-ом узле; среднее количество заявок в i-м узле; среднее время пребывания заявки в очереди в i-ом yзле; среднее время пребывания заявки в i-ом узле; среднее количество заявок в системе; среднее количество заявок в очередях; среднее время пребывания заявки системе и среднее время пребывания заявки в очередях.

Составлена имитационная модель, полученные имитационные характеристики сопоставлены с характеристиками, полученными аналитическим путём. Полученные результаты, с учётом погрешностей, сопоставимы.

Выполнение данной работы позволило изучить такую программу для имитационного моделирования, как Arena. Полученные навыки могут пригодиться для дальнейшей работы с проектированием автоматизированных линий и проверкой их работоспособности.

Библиографический список

1. Моделирование производственных систем. Практикум по имитационному моделированию в системе Arena: Учеб. пособие / М. Н. Полищук, А. Н. Попов -- СПб.: Изд-во Политехн. ун-та, 2018. 12 с.

2. Щербаков, С. М. Имитационное моделирование экономических процессов в системе Arena: Учебное пособие / С. М. Щербаков; Рост. гос. эконом. ун-т (РИНХ). - Ростов н/Д, 2012. - 128 c.

3. ЛИНИЯ ДЛЯ ПРОИЗВОДСТВА ПОДДОНОВ [Электронный ресурс]. -- Режим доступа: http://www.formmaksan.com/ru/Urunler/UrunDetay/34/palet-cift-cakim-hatti.html.

4. Автоматическая линия производства паллет PCM 140 CC [Электронный ресурс]. -- Режим доступа: https://www.youtube.com/watch?v=Tv9wVWm_9G0

Размещено на Allbest.ru