基于Flexsim的供应链建模与仿真课程设计(上)

简介: 基于Flexsim的供应链建模与仿真课程设计

模型下载:flexsim模型下载


一、课程设计目的与要求


1.1课程设计目的


FlexSim是一个基于Windows的,面向对象的仿真环境,用于建立离散事件流程过程。FlexSim仿真系统是工程师、管理者和决策人对提出的"关于操作、流程、动态系统的方案"进行试验、评估、视觉化的工具。

我们通过学习了解flexsim 软件,培养我们善于应用课堂所学理论知识发现问题和解决问题的能力。使用flexsim 软件对实际的生产物流建立模型进行仿真运行,从而对其物流过程,加工工序流程进行分析和改进,得出合理的运营管理生产。本课程设计主要对××便利贴在其部件入库和组装出库过程中通过仿真模拟发现存在的问题,减少工作中的浪费,提高运行效率。


1.2课程设计业务描述及要求


1.2.1 课程设计业务描述


卡纸收货区收到A、B、C、D、E五种材料,发生器里发出托盘将五种材料装在托盘里成为一批一批的货物发往合成器,再进行拆包工作,货物由一个工人将材料搬运至暂存区,剩下的托盘被放到托盘储存区进行储存。通过任务分配器,把任务分配给四个工人,工人把货物搬至处理器,五个处理机分别对五种材料染色,都染成不同的颜色,分别染成红、蓝、绿、黄、粉。通过传输带运送至两个组装处理器,把五种材料组装起来,由一个托盘发生器产生托盘把这五种产品组合放在一个托盘内,存置暂存区,再让叉车把一托盘货物搬至质量检测处理器进行检测放入货架。经过检测处理器来检测产品合格不合格,按照90%的合格率和10%的不合格率分类,把不合格产品放入不合格区域。由一个工人把合格产品搬运至合格产品暂存区,再由叉车把半成品便利贴放入货架,进行下一步工序。便利贴半成品接下来要完成7道工序,每道工序必须在指定的机器上按事先规定好的工艺顺序进行。首先,进行切割,把产品切割成一样的大小放入暂存区,进行称量计量环节,货物达到规定的重量后进行塑封,又再经过一次称量计量,没有问题后进入暂存区,接着进行质量检测环节,货物进行贴标签的步骤,最后把货物打包装箱起来堆放在暂存区,产品包装为固定时间10秒。再由一个工人把货物搬运到传送带上,堆垛机从传送带上把货物放到货架上。通过设置一个全局表,按照客户订单来发货,剩下的货物放在仓库中,客户需要货物时就发送给客户。不同的包装使用不同的托盘,共记5种,由托盘发生器分别在不同的时间段放出,假设一个标有类型值的空托盘表示来自于一个顾客的订单。当再有订单来时,即可发货。产品是放在托盘上输送出去的。


1.2.2 课程设计业务要求


1、熟练掌握系统仿真的基本原理;

2、熟练掌握交通运输系统仿真模型的构建;

3、热练地掌握交通运输系统仿真软件的选择与使用;

4、能对数据进行输入分析,能利用仿真得到的数据进行系统优化与改进。


二、课程设计实现过程


1.建立概念模型


2.建立Flexsim6的模型:

(1)确立概念模型中各元素的模型实体;

(2)在新建模型中加入模型实体;

(3)根据各个模型实体之间的关系建立连接;

(4)根据题目要求的系统数据为不同的模型实体设置相应的参数,已达到对各工序实施控制的目的;

① 卡纸发生器:到达时间间隔设置为0。在创建触发设置类型,为duniform(1,5)

② 托盘发生器:创建触发设置类型,为duniform(1,5)

③ 合成器:加工时间为0

④ 处理器:五个处理器染成五种不同颜色,在触发器里的进入触发中设置颜色。预置时间设置为6,加工时间为16

⑤ 传送带:速度设置为2

⑥ 发生器:到达方式为到达时间间隔,设置为exponential(0, 100, 0),临时实体种类为Pallet

⑦ 合成器:组装产品,加工时间为10,组成清单都设置为3

⑧ 处理器:切割,刚开始加工产品,加工时间为7;而经过6道工序后的产品,加工时间则为10

⑨ 处理器:塑封,加工时间为5,加工批量为5

⑩ 处理器:贴标签,加工时间为20分钟,加工批量为10件

11 合成器:设置一个全局表,按照客户订单来发货


3.模型建立之后,模型的运行与分析;

4.运行完成后输出报表,查看每个模型实体的简单统计数据;

5.根据输出数据对生产工艺流程进行分析,找出瓶颈工序,并合理规划工序流程,合理的进行运营管理。

仿真周期设为1小时,使用复演法做多次独立的仿真试验,然后通过观察、统计、分析实时状态图和导出的仿真实验数据,得到最终的仿真结果。


相关文章
|
关系型数据库 MySQL Linux
Python安装mysqlclient报错避坑
MySQL是常用的开源数据库,Python环境下django框架连接MySQL数据库用的是mysqlclient库,今天在用pip安装mysqlclient库时报错,特记录一下,避免后续继续踩坑。
1394 1
|
2月前
|
数据采集 数据管理 数据挖掘
企业数据治理怎么落地?从主数据、标准化到组织协同,一文讲透!
数据治理并非IT专属,而是确保企业数据统一、可信、可用的关键。本文解析数据混乱根源,拆解治理三大核心:标准化、主数据管理与组织协同,并提供落地路径,助力企业真正用好数据,驱动业务决策。
企业数据治理怎么落地?从主数据、标准化到组织协同,一文讲透!
|
自然语言处理 语音技术
|
8月前
|
数据可视化 数据挖掘 atlas
地图不只是导航:DataV Atlas 揭示地理数据的深层价值
随着互联网场景的快速衍生,打车、外卖、智能驾驶等领域的空间数据爆发式增长,海量数据分析成为日常需求。然而,传统地图服务面临性能、安全和成本挑战。为此,我们推出「DataV Atlas 地理数据服务」,提供高效、安全、易用的地理数据解决方案。通过简单的 SQL 查询即可生成专业地理服务,支持多源数据整合、实时更新与分析,确保数据安全,并深度集成 DataV Board 数据看板,实现一键上屏和交互式分析。适用于大屏展示、城市规划等多种场景,助力企业轻松挖掘空间数据价值。
451 6
地图不只是导航:DataV Atlas 揭示地理数据的深层价值
|
传感器 存储 供应链
plant simulation物流系统仿真案例
plant simulation物流系统仿真案例
545 0
|
分布式计算 算法 安全
点对点(P2P)模式
点对点(P2P)模式
|
供应链 数据挖掘
基于Flexsim的供应链建模与仿真课程设计(下)
基于Flexsim的供应链建模与仿真课程设计
636 0
|
机器学习/深度学习 算法 自动驾驶
【强化学习】常用算法之一 “SAC”
强化学习(Reinforcement Learning,RL)是一种机器学习的分支,其目标是让智能体(agent)通过与环境的交互学习到最优的行为策略。SAC(Soft Actor-Critic)算法是近年来在强化学习领域取得重要突破的算法之一,它是一种基于策略优化和价值函数学习的算法。相对于传统的强化学习算法,SAC算法在优化过程中引入了熵正则化和软化策略更新的概念,使得智能体能够更好地探索未知的状态,提高学习效率。
3971 0
【强化学习】常用算法之一 “SAC”
|
关系型数据库 MySQL 数据库连接
一次性导入千万级数据到Mysql(附源码)
一次性导入千万级数据到Mysql(附源码)
1050 0
|
数据采集 运维 NoSQL
数据地图?地图数据?傻傻分不清楚!
数据地图?地图数据?傻傻分不清楚!