Académique Documents
Professionnel Documents
Culture Documents
and
Analysis with Arena
This page intentionally left blank
Simulation Modeling
and
Analysis with Arena
Tayfur Altiok
Rutgers University
Piscataway, New Jersey
Benjamin Melamed
Rutgers University
Piscataway, New Jersey
Operator
Incoming material storage
...
Outgoin
g
material
Machinery
storage
Workstation 2 Workstation K
Workstation 1
Figure 11.1 A generic production line.
11.3.1MODULES-DE-PROCÉDÉ-DE
FABRICATION
Chaque processus de la chaîne de production est modélisé dans la figure 11.2 par
un module Process du panneau de modèle Basic Process. Chaque processus a été
déclaré comme ayant une file d'attente devant lui, comme le montrent les
graphiques de la barre en T de la figure 11.2. Rappelons que les paramètres de la
file d'attente peuvent être examinés sous forme de feuille de calcul dans le
module File d'attente du panneau de modèle de processus de base. A titre
d'exemple, considérons le module de processus appelé Processus de remplissage,
dont la boîte de dialogue est affichée à la figure 11.3. Ce module de processus
possède une file d'attente appelée Processus de remplissage. Cette file d'attente se
trouve devant une ressource appelée Remplisseur. Le champ Action de la boîte
de dialogue Processus de remplissage est Saisir le délai, de sorte que les entités
unitaires attendent dans la file d'attente Processus de remplissage.File d'attente
chaque fois que la ressource Remplisseur est occupée. Dès que la ressource
Remplisseur devient disponible, elle est
230
saisi par la première entité unitaire (le cas échéant) dans la file d'attente Filling
Process.Queue, et un délai de traitement de 6,5 secondes est alors mis en œuvre dans
le bloc DELAY associé.
Une fois le traitement terminé, l'entité unitaire passe au module de mise en
attente suivant, appelé Filler Blocked, qui met en œuvre le blocage si nécessaire (ce
point est expliqué en détail à la section 11.3.3). Ce n'est que lorsqu'il y a de la place
dans le processus d'écrêtement qui suit le processus de remplissage que l'unité est
autorisée à passer au module de libération, appelé Libération du remplisseur, dans
lequel la ressource Remplisseur est libérée, ce qui termine le processus de
remplissage. En fait, la séquence des modules de traitement, de mise en attente et de
libération est répétée pour chacun des quatre premiers processus (le cinquième et
dernier processus, le processus d'emballage, n'est pas bloqué).
Pr{NQ(Remplisseur bloqué:File d'attente) > 0¼ Time Filler Blocked:La file d'attente est occupée
= Durée totale de la simulation ,
qui se trouve également être le nombre moyen d'entités unitaires dans Filler
Blocked.Queue. Ce fait sera utilisé ultérieurement pour obtenir des probabilités de
blocage pour n'importe quel processus quelque_processus en définissant
simplement (dans le module Statistique) une statistique persistante dans le temps
pour l'expression NQ(quelque_processus.File d'attente).
232
Figure 11.4 Dialog box of the Hold module associated with the filling process.
La colonne sous l'en-tête Type de la figure 11.6 est utilisée pour spécifier une
discipline de service pour chaque file d'attente via une option d'un menu
déroulant dans chaque entrée sélectionnée. Les options de discipline de service
sont FIFO, LIFO, Valeur d'attribut la plus basse et Valeur d'attribut la plus
haute. Les deux dernières options sont mises en œuvre à l'aide d'un attribut
particulier des entités unitaires de la file d'attente. Un exemple courant est le
service basé sur la priorité qui utilise un attribut Priority dans les entités. Un
autre exemple est la règle SPT, qui admet en service le travail dont le temps de
traitement est le plus court. Pour mettre en œuvre cette règle, le modélisateur
devrait déclarer un attribut, par exemple Processing_Time, et sélectionner les
options Lowest Attribute Value ou Highest Attribute Value dans la colonne
Type. Cette sélection crée automatiquement une colonne supplémentaire dans la
figure 11.6, intitulée Nom de l'attribut, dans laquelle l'utilisateur saisit le nom de
l'attribut approprié (dans notre cas, Temps_de_traitement). La modélisation
d'une capacité finie pour une file d'attente peut être mise en œuvre de manière
analogue au blocage (voir la section 11.3.3). Les entrées de la colonne sous l'en-
tête Shared sont vérifiées si une file d'attente est partagée par plus d'un module
Seize ou bloc SEIZE.
Figure 11.7 Dialog box of the Record module Tally Flow Time.
La ligne 5 recueille une statistique de type Output spécifiée par une expression
qui définit la réciproque de la moyenne temporelle de la variable, appelée
Interdeparture Time, qui calcule les temps d'inter-départ des entités unitaires du
système. Si l'on se souvient que l'expression est calculée après la fin de la
réplication, il s'ensuit que cette statistique de sortie fournit une estimation du
débit du système.
Enfin, les lignes 6 à 10 recueillent les probabilités de blocage des processus de
remplissage, de bouchage, de scellage et d'étiquetage, respectivement (rappelons
que le processus d'emballage ne connaît pas de blocage). Notez que chaque
expression associée recueille une moyenne temporelle de la taille de la file
d'attente de blocage dans le module Hold correspondant. Comme chaque file
d'attente ne peut contenir qu'un seul travail, la moyenne temporelle calculée est
simplement la probabilité de blocage correspondante.
232
Figure 11.8 Dialog spreadsheet of the Statistic module.
Figure 11.11 User Specified report for the packaging line model.
Modeling Production Lines 237
Table 11.1
Effective process utilization from Filling to Packing
Process Filling Capping Labeling Sealing Packin
g
ce qui est proche de la valeur théorique attendue de 30 (notons qu'il s'agit d'un
système fermé avec 30 entités unitaires circulantes). Ainsi, dans ce cas, la
formule de Little devient la relation suivante :
où Ns est le nombre moyen d'unités dans S, o est le débit de S tel que discuté
plus haut
(le débit de S est égal au taux d'arrivée en S en régime permanent), et Fs est le
temps de passage moyen dans S.
temps moyen d'écoulement à travers S. En utilisant le temps moyen
d'écoulement et le débit de la figure 11.11 pour calculer le côté droit de l'Eq.
Modeling Production Lines 239
calculer le côté droit de l'Eq. 11.2, on obtient
Comme les côtés droits des équations 11.1 et 11.3 sont approximativement
les mêmes, ce fait tend à vérifier les estimations de la réplication. à vérifier les
estimations de la réplication. En fait, l'écart entre les équations 11.1 et 11.3
devient progressivement plus faible à mesure que la durée de la réplication
augmente.
Ensuite, nous effectuons une analyse de sensibilité en étudiant l'impact des
capacités des tampons sur le comportement du système. comportement du
système. Cette analyse nous aidera à mieux comprendre le blocage, un
phénomène qui découle de l'inadéquation entre les capacités des tampons et
celles du système. phénomène résultant d'une inadéquation entre les taux de
service et les capacités finies de la mémoire tampon. La figure 11.13 présente
trois mesures de performance en fonction de l'augmentation simultanée des
simultanément dans le processus d'étiquetage et le processus de plafonnement.
De gauche à droite, les
De gauche à droite, les mesures représentées sont le débit de S, le niveau
d'encours au niveau du processus d'étiquetage et le temps de passage moyen à
travers S, à l'exclusion de la capacité de stockage. le temps de passage moyen
dans S, à l'exclusion du tampon de remplissage. (Si les temps de passage
devaient .Si les temps d'écoulement incluaient le temps passé dans le tampon de
remplissage, ils resteraient constants. Pourquoi ?)
Il est intéressant de noter que le débit de S n'est pratiquement pas affecté, tandis
que le niveau moyen de l'encours de production dans le processus d'étiquetage
et le temps de passage moyen dans S augmentent au fur et à mesure que les
capacités des tampons sont augmentées.
augmentent. Pour comprendre ces observations, rappelons que le système étudié
a des temps de traitement fixes.
des temps de traitement fixes. Rappelons également que des tampons sont
placés sur les lignes de production afin de
des temps de traitement fixes. Rappelons également que des tampons sont
placés sur les lignes de production afin d'absorber les fluctuations du flux de
produits dues au caractère aléatoire du système (par exemple, temps de
traitement aléatoires, temps d'arrêt aléatoires, etc). Ces événements introduisent
une variabilité qui tend à ralentir le mouvement des produits. Mais dans les
systèmes sans variabilité (comme le nôtre), l'emplacement des tampons n'aurait
240 Modeling Production Lines
aucun impact sur le flux de produits. l'emplacement des tampons n'aurait aucun
impact sur le débit, comme le montre la figure 11.13(a).
Toutefois, le fait de placer des tampons plus importants en amont des postes
de travail à goulot d'étranglement ne fait que
Cependant, le fait de placer des tampons plus importants en amont des postes de
travail goulots d'étranglement entraîne simplement des niveaux de WIP plus
importants à cet endroit et, par conséquent, des temps de passage plus longs. En
revanche, les tampons aux postes de travail situés en aval du goulot
d'étranglement sont toujours vides, quelle que soit la capacité.
En résumé, notre analyse de sensibilité a révélé des principes de conception
utiles et quelque peu inattendus pour les lignes de production déterministes.
Principes de conception précieux et quelque peu inattendus pour les lignes de
production déterministes, à savoir que des tampons plus grands peuvent en fait
avoir un effet de suppression global. Les tampons plus importants peuvent en
fait avoir un effet délétère sur le système. D'une part, l'augmentation de la taille
des tampons n'augmente pas le débit. D'autre part, de telles augmentations
d'autre part, de telles augmentations se traduiront par des stocks plus importants,
immobilisant ainsi un capital précieux dans les stocks.
Pire encore, les travaux prendraient plus de temps pour traverser le système. Ces
effets peuvent préjudiciables sur le plan économique (pensez à la pénalité que
représente l'allongement des délais de fabrication).
Des tampons de taille raisonnable sont toutefois nécessaires pour absorber les
effets de la variabilité des flux de produits, en présence d'aléas. Dans la section
11.6, nous discuterons de l'effet bénéfique de la mise en place de tampons
lorsque les machines ne sont pas en état de fonctionner.
Figure 11.14: Dialog boxes of Queues Element (left) and Queues (right).
Modeling Production Lines 243
Rappelons que Buffer Caps est un vecteur d'expression contenant les capacités
des tampons, qui ont été préalablement initialisés par le modélisateur. ont été
préalablement initialisées par le modélisateur. Notez bien que les index des files
d'attente bloquantes sont spécifiés par des expressions (champ Queue Type)
dont les valeurs sont données par Proc_Index
+ 5 (champ Expression). Ainsi, ce module Hold est utilisé pour tous les
processus, sauf le
dernier ; il retient une entité unitaire bloquée à la file Proc_index+5 jusqu'à ce
que le poste de travail suivant ait la place de l'accueillir.
Dès que le poste de travail suivant a de la place (c'est-à-dire que le processus
suivant est non bloquant), l'entité de l'unité se déplace vers le cinquième module
de la boucle, c'est-à-dire le module de l'unité de travail à savoir le module
Release, appelé Release Process, pour libérer la ressource actuelle (celle qui est
indexée dans la boucle). L'unité passe ensuite au sixième et dernier module de la
boucle, à savoir le module Assign, appelé Next Process, où l'attribut Proc_Index
de l'entité unitaire est incrémenté. à savoir le module Seize, appelé Seize
Process, pour démarrer la prochaine itération de la boucle.
d'arrivées d'échecs : Heure (pour les arrivées basées sur l'heure) ou Nombre
(pour les arrivées basées sur le nombre). Par exemple, les pannes mécaniques
aléatoires sont normalement basées sur le temps, puisque leurs arrivées
nécessitent une spécification du temps entre les pannes. En revanche, si une
machine nécessite une action de nettoyage chaque fois qu'elle termine le
traitement d'un nombre prescrit d'unités, l'arrêt du nettoyage est alors basé sur le
nombre. Notez que dans la figure 11.25, la défaillance/arrêt nommé Ajustement
est déclaré basé sur le nombre.
Pour les pannes basées sur le temps, la colonne Temps de disponibilité spécifie
l'intervalle de temps jusqu'à la panne suivante (après l'achèvement d'une
réparation), tandis que la colonne Unités de temps de disponibilité spécifie
l'unité de temps correspondante. De même, pour les échecs basés sur le nombre,
la colonne Nombre spécifie le nombre de départs d'entités vers l'échec suivant
(250 pour l'échec d'ajustement). Notez que les entrées de colonne inutilisées
sont ombrées en fonction du type d'échec.
La colonne Temps d'arrêt spécifie la durée des temps d'arrêt, tandis que la
colonne Unités de temps d'arrêt spécifie l'unité de temps correspondante. Enfin,
la colonne Disponibilité dans cet état uniquement est utilisée pour les pannes
temporelles afin de spécifier l'état dans lequel la ressource doit se trouver pour
que la panne se produise. Par exemple, les pannes temporelles de la figure 11.25
ne peuvent se produire que lorsque les ressources sous-jacentes sont à l'état
Occupé.
Arena fournit un mécanisme pour définir les états des ressources et pour les lier
aux pannes/arrêts sous la forme du module de feuille de calcul StateSet du
panneau de modèle de processus avancé. La figure 11.26 illustre l'utilisation du
module StateSet pour le modèle de ligne de conditionnement de la section 11.3.
La feuille de calcul de la boîte de dialogue de gauche de la figure 11.26 spécifie
un nom d'ensemble d'états (sous la colonne Nom) et le nombre d'états associés
(sous la colonne États). Par exemple, la première ligne spécifie un ensemble
d'états, appelé Filling States, pour la ressource Filler avec 4 états (le bouton
intitulé 4 lignes). Cliquer sur ce bouton fait apparaître la boîte de dialogue à
droite, qui affiche des informations détaillées sur l'état. Là, la colonne State
Name affiche les noms définis par l'utilisateur ou d'état automatique, tandis que
la colonne AutoState ou Failure indique l'association de chaque nom d'état avec
le nom d'état automatique ou d'échec défini par l'utilisateur correspondant.
Enfin, la figure 11.27 illustre pour le modèle modifié par échec comment le
module Resource est utilisé pour associer les états des ressources aux échecs et
l'action à entreprendre en cas d'occurrence d'échec. La feuille de calcul de la
boîte de dialogue inférieure de la figure 11.27 spécifie dans la première ligne
Modeling Production Lines 253
que la ressource Filler (nom de la colonne) a 2 types d'échecs (le bouton intitulé
2 lignes dans la colonne Échecs). En cliquant sur ce bouton, la feuille de calcul
de dialogue apparaît en haut de la figure 11.27, qui montre que la ressource
Filler a deux échecs, appelés Random Failures_F et Ajustement (colonne Nom
de l'échec). La colonne Règle de défaillance spécifie l'action requise à
entreprendre sur l'entité (ou les entités) d'unité en cours de traitement lorsqu'une
défaillance basée sur le temps se produit (elle ne s'applique pas aux défaillances
basées sur le nombre). Les actions sont spécifiées via des options, dont les plus
courantes sont les suivantes :
En effet, une comparaison de la Figure 11.28 à la Figure 11.12 révèle que les
ressources en aval de la ressource Filler dans le modèle modifié par défaillance
révèlent une inactivité nettement accrue. L’explication de ce résultat est simple.
Étant donné que la ressource Filler dans le modèle modifié en cas de panne est
arrêtée par des pannes aléatoires, elle ne peut pas produire autant que dans le
modèle d'origine. Par conséquent, les processus en aval sont plus souvent sous-
alimentés, ce qui entraîne une inactivité globale accumulée du système. Dans le
même ordre d'idées, la figure 11.29 affiche le rapport spécifié par l'utilisateur
résultant pour le modèle modifié en cas de défaillance.
Une comparaison de la figure 11.29 avec la figure 11.11 révèle des preuves
supplémentaires que le modèle modifié en cas de défaillance fonctionne à un
niveau inférieur à celui d'origine. Étant donné que le processus de remplissage a
augmenté l'inactivité dans le modèle modifié par défaillance, son interdépart
moyen.
Modeling Production Lines 255
La figure 11.30 affiche un fragment Arena pour estimer ces probabilités de temps
de retard. Ici, une entité unitaire arrivant traverse le fragment de gauche à droite
Modeling Production Lines 257
sur la figure 11.30. A son arrivée au poste de conditionnement, le premier
module (Assign) horodate l'heure actuelle (Tnow) dans l'attribut Delay Start
Time de l'entité unitaire. L'entité unitaire entre alors dans le deuxième module
(Seize) et réussit finalement à s'y emparer de la ressource de packaging Packer,
éventuellement après avoir attendu dans sa file d'attente. À ce stade, il entre
dans le troisième module (Assign), où son temps de retard dans le tampon de
compression est calculé par l'expression :
Delay in Pack_Q =Tnow-Delay Start Time
Et stocké dans l'attribut Delay in Pack_Q de l'unité. Les temps de retard calculés
sont comptabilisés en additionnant les résultats des conditions entre parenthèses,
qui sont évaluées à 1 ou 0 (si elles sont vraies ou fausses, respectivement). Par
exemple, la variable N1 compte le nombre d'observations de retard strictement
inférieur à 1, N3 compte celles qui tombent dans l'intervalle [1, 3), N5 compte
celles qui tombent dans l'intervalle [3, 5), et NM compte celles qui sont
supérieurs ouégal à 5. A noter que chaque entité unitaire entrante incrémente
une et une seule des variables N1, N3, N5 et NM. Enfin, la variable Nombre
d'observations suit le nombre total d'observations de retard. Lorsque la
réplication se termine, les probabilités de délai requises sont calculées via des
statistiques de type Sortie, définies dans le module Statistic. La figure 11.31
affiche la feuille de calcul de dialogue pour estimer les quatre probabilités de
temps de retard requises à l'aide d'expressions de rapport appropriées. Dans le
même ordre d'idées, on peut également estimer d'autres probabilités de temps de
séjour, comme la répartition du délai de fabrication (le temps écoulé entre le
début de la première opération et la fin de la dernière). La mise en œuvre d'une
telle estimation du temps de séjour est laissée en exercice au lecteur.
Equal to 5. Note that every incoming unit entity increments one and only one of
the variables N1, N3, N5, and NM. Finally, the variable No of Observations
tracks the total number of delay observations.
Lorsque la réplication se termine, les probabilités de délai requises sont calculées
via des statistiques de type Sortie, définies dans le module Statistic. La figure
11.31 affiche la feuille de calcul de dialogue permettant d'estimer les quatre
probabilités de temps de retard requises à l'aide d'expressions de ratio
appropriées.
Suite à l'opération d'étiquetage, chaque lot entre dans le module Séparé appelé
Split, dont la boîte de dialogue est affichée dans la Figure 11.34. L'option
Fractionner le lot existant dans le champ Type stipule que les lots doivent être
divisés en leurs membres constitutifs individuels. L'autre option du champ
Type, Dupliquer l'original, est utilisée pour créer des doublons de l'entité qui
entre dans ce module. L'option Conserver les valeurs d'entité d'origine
sélectionnée dans le champ Attributs des membres garantit que les attributs
d'origine de tous les membres du lot seront récupérés lors du fractionnement.
260 Modeling Production Lines
Une fois l'opération de scellage terminée, les unités sont emballées lors du
processus d'emballage dans des boîtes en carton par lots de 10. Les entités
d'emballage entrent ensuite dans des modules supplémentaires, où elles sont
comptés et leur temps d'écoulement dans le système est compté avant d'être
éliminés au module Terminé. Le rapport de ressources de simulation pour une
réplication du modèle modifié par lots est affiché dans la figure 11.35. Enfin, le
rapport spécifié par l'utilisateur correspondant est affiché dans la figure 11.36.
Arena fournit un module appelé Match, qui peut être utilisé pour assembler des
pièces correspondantes. Plus généralement, le module Match est utilisé pour
synchroniser le mouvement de différentes entités unitaires dans un modèle. Par
exemple, les entités correspondantes qui arrivent peuvent s'attendre les unes les
autres dans des tampons jusqu'à ce qu'un lot soit terminé, moment auquel
chaque entité recommence à suivre son chemin logique dans le modèle.
Le module Match et sa boîte de dialogue sont illustrés dans la figure 11.38.
Notez que l'icône du module contient autant de tampons correspondants (barres
T) que la valeur du champ Nombre à correspondre dans la boîte de dialogue. De
plus, il y a autant de points d'entrée et de sorties de connexion dans le module
Match.
Le module Match fonctionne comme suit. Dès que chaque tampon contient au
moins une entité, précisément une entité est sélectionnée dans chaque tampon
correspondant, et celles-ci sont envoyées aux destinations de connexion
associées. Ainsi, ce module peut être utilisé pour synchroniser les mouvements
d'entités. En particulier, le module Match peut être utilisé pour modéliser les
Modeling Production Lines 263
opérations d'assemblage en connectant exactement un point de sortie au poste
d'assemblage désigné (l'entité correspondante représente le produit unitaire
assemblé), et tous les autres à un module Dispose. Le point de synchronisation
est spécifié par le champ Type : l'option Any Entities synchronise toutes les
entités dans les tampons correspondants, tandis que l'option Based on Attribute
sélectionne les entités synchronisées comme celles qui ont la même valeur dans
l'attribut spécifié. Par exemple, si les entités ont un attribut de couleur, seules les
entités de même couleur seront mises en correspondance. Ainsi, un lot peut être
déclaré si chaque tampon correspondant contient au moins une entité rouge.
Cependant, une seule entité rouge est alors sélectionnée dans chaque tampon
correspondant. Si différents nombres d'unités sont assemblées à partir de
tampons correspondants, alors un Le module Batch peut être utilisé en premier,
puis les unités par lots peuvent être assemblées à l'aide d'un module Match.
264 Modeling Production Lines
Batch module can be used first, and then the batched units can be assembled
using a
Match module.
11.11MODEL-VERIFICATION-FOR-
PRODUCTION LINES :
B2 M2 B3 BK MK
1 2 K
N2 N3 NK
where the first term on the right side is the average total buffer contents of the
line (excluding the first machine that has no buffer and further excluding server
positions), the second term is the average total number of units in service
positions while the servers are busy, and the last term is the average total number of
units in server positions while the servers are blocked. For verification purposes,
the modeler should check the agreement of computations for Eqs. 11.7 and
11.8.
EXERCISES
1. Three-stage production line. Consider the filling and inspection system
consisting of three stages in series shown in the next illustration. Bottles
arrive with iid exponentially distributed interarrival times with a mean of 2
minutes. They enter a filling operation with an infinite buffer in front of it to
accommodate arriving bottles. The filler fills a batch of five bottles at a
time. Filling times are iid uniformly distributed between 3 and 5 minutes.
The entire batch of 50 bottles then attempts to join the sealer queue (of 10-
bottle capacity) as individual bottles. However, if the sealer queue cannot
accommodate the entire batch, the filler becomes blocked until space
becomes available in the sealer queue. The filler is subject to failures with
iid exponential times to failure with a mean of 50 minutes, and with iid
triangularly distributed downtimes with parameters (2, 5, 10) min- utes.
Failures may occur at any point in time. The sealing operation is performed
on a batch of three bottles at a time. It takes precisely 3 minutes to seal all
three bottles. The inspection queue has a finite capacity of 10 bottles.
Inspection takes precisely 1.45 minutes per bottle. Experience shows that
80% of bottles pass inspection and depart from the system, while the rest
are routed to a rework station to modify the fill volume. The rework station
has an infinite-capacity queue and a single server. Rework times are iid
uniform between 1 and 4 minutes. After rework, bottles are routed back to
the inspection queue for another inspec- tion. However, rework bottles
have a higher priority than nonrework bottles. Note that a bottle may go
through rework more than once.
266 Modeling Production Lines
0.2
Rework
a.Develop an Arena model for the production line, and simulate it for 1
year, assuming 365 days of work per year and 8 hours of work per day.
b. Estimate the following statistics:
Average WIP contents in each buffer
●
system
Probability that the filling, sealing, and rework workstations are
●
a.Develop an Arena model for the production system, and simulate it for 1
year of operation.
b. Estimate the following statistics:
Utilization of each process
●
Demand arrivals
M1 M2
WIP buffer Warehouse
Customers arrive at the warehouse with product demands and their orders
are filled (possibly backordered) from warehouse inventory. When the
reorder point at the warehouse is reached, machine M2 starts producing
using material from the buffer, which is fed by machine M1.
Stage 1 consists of machine M1 and an output WIP buffer capacity of 40
units. Machine M1 always has material to process (never starves) and takes
1 hour to process a unit. Stage 2 consists of machine M2 and a finished
product warehouse. Machine M2 takes 0.75 hours to process a unit.
Customers arrive at the finished product warehouse according to a Poisson
process at the rate of 1 per 9 hours. The demand size distribution is
Disc({(0.3, 3), (0.3, 6), (0.4, 12)}), and excess customer demand is
backordered.
Machine M1 is blocked whenever a finished unit cannot enter the WIP
buffer due to lack of space, and remains blocked until room becomes
available in the WIP buffer. Machine M2 strives to maintain a level of 60
units in the warehouse: Production is in progress at M2 as long as the
inventory level at the warehouse is below 60, and gets blocked when that
inventory level reaches 60. (Note: ware- housing will be covered in the
next chapter in more detail in the context of supply chains.)
a. Develop an Arena model for the manufacturing system, and simulate
it for 10 years.
b. Estimate the following statistics:
●
Actual machine utilizations (excluding any idleness)
●
Blocking probabilities for each machine
●
Average inventory levels in the WIP buffer and the warehouse
●
Average backorder level in the finished product warehouse
●
Probability of backordering upon customer arrival
Modeling Production Lines 269