Aktuální vydání

celé číslo

12

2021

Automatizace v chemickém a petrochemickém průmyslu

Průtokoměry a regulační ventily

celé číslo

Plant Simulation – zadávání většího počtu parametrů a optimalizace modelu

Plant Simulation – zadávání většího počtu parametrů a optimalizace modelu

Plant Simulation je softwarový nástroj pro modelování, simulaci a optimalizaci logistických systémů. Byl představen v květnovém vydání časopisu Automa v článku [1]. Zde byl popsán model transportního systému linky pro sekvenční výrobu a montáž a také bylo vysvětleno zadávání parametrů objektů a analýza chování systému. S modelem byly provedeny tři experimenty, při kterých se měnil počet palet (parametr Quantity) a sledovalo se, jaký má tento postup vliv na počet vyrobených kusů (parametr Total). Tentokrát bude na stejném modelu ukázáno, jak zadávat parametry více objektů pomocí jediného objektu AttributExplorer, jak optimalizovat model s využitím objektu ExperimentManager a jak odstranit úzké místo.

Obr. 1.

Zadání parametrů pomocí AttributExplorer

Objekt AttributExplorer umožňuje zadávat požadované parametry objektů ručních a automatických pracovišť, tedy ManuParameters (MS) a AutoParameters (AS), s využitím jediné tabulky. Protože není třeba otevírat a vyplňovat příslušné tabulky pro jednotlivé objekty, šetří se čas a eliminují se chyby.

Objekt ExperimentManager

Objekt ExperimentManager je velmi užitečný pro efektivní zkoumání chování modelu, zejména má-li model více parametrů a pro každý z nich je třeba na základě zkušeností definovat interval a krok změny hodnot. ExperimentManager automaticky spočítá všechny kombinace. V případě modelu na obr. 1 je třeba stanovit optimální počet palet, který povede k maximálnímu počtu kusů výrobků. V příspěvku [1] byl stanoven pravděpodobný minimální (25) a maximální počet palet (40). Pro zvolený krok 1 je tedy zapotřebí provést šestnáct experimentů. Ve skutečném systému však mají dva parametry náhodné chování, tj. nabývají svých hodnot s určitou pravděpodobností:

  • ProcessingTime (čas zpracování) pro ruční pracoviště s běžným rozdělením a pro automatická pracoviště s rovnoměrným (uniform) rozdělením,

  • Availability – dostupnost vyjádřená v procentech, např. 90 % znamená, že poruchovost je 10 %, přičemž další parametr, MeanTimeToRepair, určuje střední dobu pro odstranění poruchy.

Obr. 2.

Obr. 1. Model výrobní linky na obrazovce systému Plant Simulation
Obr. 2. Obrazovka systému Plant Simulation ukazující vyhodnocení systému

Vzhledem k tomu, že tyto parametry jsou definovány po každý simulační běh s jinými náhodnými čísly, vycházejí při experimentování při každém průběhu simulace vždy jiné výsledky i v případě, že se nemění vstupní údaje. Pro lepší přiblížení k realitě je třeba používat více běhů (pozorování) simulací pro každý experiment. Počet běhů je definován parametrem Observation per experiment, který je v tomto případě stanoven na tři běhy. Celkem se tedy musí provést 48 simulačních běhů (16 × 3). Každý běh pokrývá 24 hodin práce skutečného systému. Parametr Confidence level (%) udává interval spolehlivosti, definuje tedy oblast, ve které se výstupní parametr Total s určitou pravděpodobností (90 %) nachází při výpočtu optimalizace.

Obr. 3.

Obr. 3. Graf využití pracovišť při experimentu s optimálním počtem palet

Poté, co byly definovány vstupy a výstupy, byla spuštěna simulace, která trvala jen 5 min a 16 s. Ve skutečnosti by proces trval 48 × 24 = 1 152 h.

Vyhodnocení

Na obr. 2 je ukázáno, že největšího počtu výrobků, celkem 722 za 24 hodin, bylo dosaženo při experimentu 6, kdy bylo použito 320 palet. Z diagramu využití pracovišť (obr. 3) pro optimální počet palet, je zřejmé, že ruční pracoviště (MS3 a MS4), která předcházejí pracovišti AS3, jsou blokována (žluté sloupce). To znamená, že právě pracoviště AS3 je úzkým místem, které lze odstranit vložením zásobníku mezi pracoviště MS4 a AS3. Tím se zvýšil počet výrobků ze 722 na 738 při použití 30 palet. Vložením zásobníku se změnilo chování systému, proto byla provedena další optimalizace pomocí Experiment-Manageru, ale s jiným parametrem Quantity <35,55> s krokem 1. Počet výrobků vzrostl ze 738 na 742 při 42 paletách. V tab. 1 jsou uvedeny odpovědi na otázku „co nastane, když...“, které byly prostřednictvím modelu řešeny.

Tab. 1. Přehled změn v modelu

Stav modelu

Počet palet

Počet výrobků za 24 hodin

Bez zásobníku optimalizovaný

30

722

Se zásobníkem

30

738

Se zásobníkem optimalizovaný

42

742

Dále je možné ekonomicky posoudit, zda zvýšení počtu palet o dvanáct je vyváženo nárůstem o čtyři výrobky za 24 hodin apod.

Je zřejmé, že chování systému lze s využitím modelu analyzovat relativně levně a snadno. Není třeba nic stěhovat, bourat, stavět ani kupovat; tím se ušetří značné náklady a čas. Uvedeným rozborem lze získat relevantní podklady pro strategické rozhodování manažerů.

Na jiném modelu pro sekvenční výrobu bude v příštím vydání časopisu předvedena optimalizace s využitím genetického algoritmu.

Martin Skoupil,
divize UGS PLM software společnosti Siemens

UGS PLM Solutions s. r. o.
Na Maninách 7
170 00 Praha 7
tel.: 266 790 411
fax: 266 790 422
mailto: infocz@ugs.com
http://www.ugs.cz