Імітаційне моделювання технологічного процесу виготовлення виробів у середовищі FlexSim
Анотація
Наведено алгоритм аналізу технологічного процесу на виробництві з використанням середовища імітаційного моделювання FlexSim. Проаналізовано задачу, яка розв'язує процес сортування та упакування виробів. Побудовано модель поведінки системи, яка дає змогу виявити проблемні ділянки, нештатні ситуації на виробництві, враховувати вхідні параметри. Для цього попередньо проаналізовано низку методів і засобів для моделювання процесу. Показано ефективність вибору показникового закону розподілу виробів зі складу на станції. З'ясовано, що закон розподілу має значення для побудови імітаційної моделі. Він дає змогу забезпечити рівномірне навантаження на станції, куди відсортовуються вироби, щоб запобігти простою чи нерівномірному навантаженню на кожну зі станцій. Виробничу задачу розв'язано в середовищі FlexSim, де побудовано імітаційну модель процесу. Розглянуто частину технологічного процесу для виготовлення обладнання на виробництві: етапи розвантаження, розкомплектування палет, відбраковування виробів та комплектації замовлення. Моделювання процесу в середовищі FlexSim здійснено із врахуванням поданих параметрів і зв'язків між ними. Побудована імітаційна модель дала змогу проаналізувати етапи розподілу виробів та обрати раціональніший. Проаналізовано результативність застосування показникового закону розподілу виробів зі складу на станції. У процесі розроблення імітаційної моделі проаналізовано вплив різних даних як на кожен об'єкт зокрема, так і на систему загалом. Подано схему взаємозв'язків між параметрами моделі та відображення даних, які впливають на кожен об'єкт зокрема. Встановлено, що взаємозв'язки між різними об'єктами моделі дають змогу проаналізувати як можна змінити логіку процесу, щоб оптимізувати технологічний процес. Запропоновано алгоритм послідовного введення даних та визначення логіки руху об'єктів на кожному етапі моделювання досліджуваного процесу.
Завантаження
Посилання
Hao Peng, & Qiushi Zhu (2017). Approximate evaluation of average downtime under an integrated approach of opportunistic maintenance for multi-component systems. Computers & Industrial Engineering, 109, 335–346. https://doi.org/10.1016/j.cie.2017.04.043.11
Ljaskovska, S., Martyn, Y., Malets, I., & Prydatko, O. (2018). Information Technology of Process Modeling in the Multiparameter Systems. IEEE Second International Conference on Data Stream Mining & Processing (DSMP), 177–182. https://doi.org/10.1109/DSMP.2018.8478498
Ljaskovska, S., Martyn, Y., Malets, I., & Velyka, O. (2020). Optimization of Parameters of Technological Processes Means of the FlexSim Simulation Simulation Program, IEEE Third International Conference on Data Stream Mining & Processing (DSMP), 391–397. https://doi.org/10.1109/DSMP47368.2020.9204029
Manavalan, E., & Jayakrishna, K. (2019). A review of Internet of Things (IoT) embedded sustainable supply chain for industry 4.0 requirements 3(127), 925–953. https://doi.org/10.1016/j.cie.2018.11.030
Mustafa Fatih Yegul, Fatih Safa Erenay, Soeren Striepea, & Mustafa Yavuza (2017). Improving configuration of complex production lines via simulation-based optimization. Computers & Industrial Engineering 4(109), 295–312. https://doi.org/10.1016/j.cie.2017.04.019
Riko I Made, Chee Lip Gan, Liling Yan, Katherine Hwee Boon Kor, Hong Ling Chia, Kin Leong Pey, & Carl V. Thompson. (2012). Experimental characterization and modeling of the mechanical properties of Cu – Cu thermocompression bonds for three-dimensional integrated circuits. Acta Materialia, 60(2), 578–587. https://doi.org/10.1016/j.actamat.2011.09.038
Sena Daş, G. (2017). New Multi objective models for the gate assignment problem. Computers & Industrial Engineering, 109, 347–356. https://doi.org/10.1016/j.cie.2017.04.042
Smotr, O., Ljaskovska, S., Malets, I., & Karabyn, O. (2020). Increasing the Animation Study Management Services Functioning Efficiency. IEEE Third International Conference on Data Stream Mining & Processing (DSMP), 404–408. https://doi.org/10.1109/DSMP47368.2020.9204152
Sornettea, D., Maillart, T., & Kröger, W. (2013). Exploring the limits of safety analysis in complex technological systems. International Journal of Disaster Risk Reduction, 6, 59–66. https://doi.org/10.1016/j.ijdrr.2013.04.002
Yang, T., Hou, Z., Liang, J., Gu, Y., & Chao, X. (2020). Depth Sequential Information Entropy Maps and Multi-Label Subspace Learning for Human Action Recognition. IEEE Access, 8, 135118–135130. https://doi.org/10.1109/access.2020.3006067
Авторське право (c) 2018 http://creativecommons.org/licenses/by/4.0
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
