EJERCICIOS SIMULACION 2

Elementos claves para el modelo:

Flowitems (Causan eventos): Típicamente representan

objetos que fluyen a través del proceso

Objetos: (definen el comportamiento del sistema)

Típicamente representan locaciones físicas o recursos que
necesitan interactuar con los Flow ítems y/ o otros
objetos(especialmente objetos que ejecutan tareas)

Puertos de conexión (Administran la forma en que el objeto

adquiere y libera) Provee medios para interactuar con el
objeto, comunicación y coordinación
EJERCICIOS SIMULACION 2
EJERCICIOS nivel cero

Una entidad (CAJA) arriba cada 10 seg.

La entidad pasa por una cola donde espera a ser procesada
La entidad pasa por una máquina que procesa una entidad cada 12 seg
Luego las entidades van a un sink
EJERCICIOS nivel cero
Una entidad (CAJA) arriba con una distribución exponencial con una media de 4
seg.
La entidad pasa por un separador donde se divide en 2 cajas, tiempo de
procesamiento 0 seg.
La entidad pasa por una máquina que procesa una entidad de acuerdo con una
distribución normal con una media de 5 seg y desviación estándar de 1 seg
La entidad pasa a una cola donde espera por ser procesada
La entidad luego pasa a una maquina donde es procesada con un tiempo constante
de 8 seg
Luego las entidades van a un sink
EJERCICIOS SIMULACION 2
EJERCICIO ETAPA 1
Objetivos: ganar familiaridad con los principios de los modelos basados en
objetos

Descripción:
Un flowitem se genera cada 120 seg , y representa un paquete que contiene
partes.
Cada paquete esta compuesta de 4 partes
Cada parte es procesada individualmente en 10 seg por parte
Luego pasa a una cola a esperar ser procesada

Un operador es responsable de colocar las partes en el procesador y preparar

las maquina para producción, el tiempo de set up es 3 seg.
El operador no es requerido durante los 10 seg de procesamiento, pero cuando
el proceso se completa, el operador debe llevar el flowitem hacia el sink del
modelo.

Salidas:
Cual es el content history de las partes esperando a ser procesadas.
EJERCICIO ETAPA 2
Objetivos: introducir el uso de distribuciones de probabilidad y la creación de
etiquetas para generar reportes personalizados

Descripción: (basado en el ejercicio anterior modificar lo siguiente)

Un flowitem se genera siguiendo una distribución exponencial con una media
de 120 seg , y representa un paquete que contiene partes.
El numero de partes de cada paquete esta dado por una distribución Duniforme
con una un valor mínimo de 2 y máximo de 6.
El tiempo de setup esta dado por una distribución triangular con parámetros
(1,5 4,5 2,5)
Cada parte es procesada individualmente siguiendo una distribución lognormal
con una media de 10 y una desviación estándar de 3
Ahora hay una posibilidad de que el 20 % de las partes necesiten ser
retrabajadas y sean enviadas de vuelta a la cola.

Salidas:
Cual es el Troughput de el retrabajo
Etiquetas (labels) , consideraciones básicas:

Flexsim no asume ningún atributo de las cosas representadas en el sistema, por ejemplo
peso,densidad, etc
Etiquetas ( Labels): son mecanismos para almacenar información en vivo sobre
cualquier elemento: Objetos, flowitems, tokens.
Es necesario conocer 3 cosas sobre las etiquetas:
1.-) El dueño de la etiqueta es decir donde se encuentra
2.-) El nombre de la etiqueta, el cual es determinado por el modelador y debe describir
lo que la etiqueta hace
3.-) El valor de la etiqueta , es decir la información actual almacenada en la etiqueta.
 Valores en las etiquetas

Este corresponde al propietario

de la etiqueta , que objeto esta
a cargo de generar la
información

Nombres de las
etiquetas: cual es Los valores de la etiqueta:
su trabajo o información que es almacenada
función ?? en la etiqueta, usada para tomar
decisiones, análisis estadisticos
Librería de formatos para el dashboard
Aquí podemos encontrar reporte estadísticos más
avanzados:
Los reportes están organizados por tipo de estadística:
WIP (Contenido)
TROUGHPUT
STAYTIME
OBJECT STATE
También se puede crear reportes “personalizados” pero
por el momento vamos a usar los del dashboard
EJERCICIO ETAPA 3
Objetivos: aprender como usar Global Tables para almacenar datos del modelo, a esto se conoce
como parametrizar el modelo. Aprender como usar triggers y etiquetas para customizar el modelo

Descripción:
Las partes que arriban vía nuestras entregas , pueden tomar 1 de cuatro posibles valores para el
part number , estos valores serán asignados como una etiqueta
La siguiente tabla tiene la probabilidad de arribo de cada part number y un tiempo único de
procesamiento , parámetros que deben ser usado por cada tipo de parte. Estos parámetros van en
vez del tiempo de proceso lognormal mean and standar deviation

Outputs: Cuales son las estadísticas de procesamiento (Min, Max , Average), para los ítems por
numero de parte
Breve explicación sobre los TRIGGERS:

Cuando un evento clave ocurre en un objeto un TRIGGER se dispara.

Cada tipo de objeto tiene un único arreglo de TRIGGERS (Vea Object
properties / Trigger Tab
El modelador puede escoger múltiples opciones , acerca de los que ocurre
cuando un TRIGGER se dispara (TRIGGER LOGIC)
Entendiendo la edición del TRIGGER
Referenciación básica de un objeto

Current: se refiere al propietario del evento

Item: Se refiere al flowitem que dispara el evento
Referenciación de un objeto a través de un
puerto
 Las referencias que conectan los objetos , son almacenados con un arreglo para el objetos
que posee esas conexiones , accesibles con el conector “.”
Tablas globales

 Se usan para referenciar los datos que utilizara el modelo durante el tiempo de ejecución, o
se pueden usar las tablas globales para almacenar datos que se generan durante la
ejecución de un modelo
 Tipos de datos para tablas
 Table cell data types son utilizados para determinar el formato de los datos que serán
almacenados en las celdas.
 Estos valores se configuran seleccionado la fila o columna y dando click con el botón
derecho, entonces se asigna el tipo de dato
 Tipos de datos para tablas
 Table cell data types son utilizados para determinar el formato de los datos que serán
almacenados en las celdas.
 Estos valores se configuran seleccionado la fila o columna y dando click con el botón
derecho, entonces se asigna el tipo de dato
 Acceso a las tablas globales
 Usando el menú dentro del objeto en la parte de process time
 Distribución discreta empírica
 Devuelve una muestra aleatoria de una distribución discreta empírica
 La tabla debe contener una lista de valores y los porcentajes de probabilidad asociados a cada
uno de esos valores
 Los porcentajes de probabilidad deben ser ingresados deben ser ingresados en la columna 1
comenzando con la fila 1 de la tabla y los valores asociados correspondientes son ingresados en
la columna 2 . La tabla puede tener tantas filas como sean necesarias para definir tantos valores
como se desee . Los porcentajes son ingresados como números entre 0 y 100 y en total deben
sumar 100 por ciento.
EJERCICIO ETAPA 4
Objetivos: aprender como usar el objeto Combiner y como usar etiquetas para adicionar
decisiones lógicas

Descripción:
Después del proceso existente, las partes son enviadas a una cola de acuerdo a su número de
parte , por ejemplo todos los ítems partnumber 1 se acumularan en una cola dedicada para esto y
así para los diferentes partnumbers (2-3-4).
Las partes individuales necesitan ser ensambladas en un Combiner de acuerdo a la siguiente tabla

Outputs: Cuanto tiempo toma el ensamble de los componentes (min,max,average)

Esquema del modelo a realizar
Expresiones de acceso a las etiquetas

 Estas expresiones se usan cuando queremos tener acceso a la información de la etiqueta

 Combiner Object
 Usado para las operaciones de pack, join, batch asociadas a los flowitems
 Pack: ubica los flowitems en un contenedor especial (por ejemplo un palet)
 Join: los flowitems recibidos, se convierten en una única unidad ensamblada.
 Batch: colecta los flowitems, luego espera por un tiempo de procesamiento por
ultimo libera cada flowitem de manera individual, (not packed or joined).

 Nota: Los componentes de las filas son adicionados automáticamente para cada
puerto de conexión de entrada , a partir del puerto 2 en adelante.
 El puerto de entrada 1 siempre esta reservado para el contenedor especial(palet).
 La cantidad asuimida para el puerto de entrada 1 siempre es uno
En un taller de pintura arriban vehículos con una distribución exponencial con una media de 8 minutos, los vehículos pasan a una
zona de espera donde se clasifician de acuerdo al color con el que van a ser pintados: 60 % son rojos,25% azules, 15 % blancos

Luego pasan a un área de pintura donde hay dos cabinas en paralelo, cada cabina tiene su operador de pintura, el tiempo de
pintura es normal con media 10 y desviación estándar 1.5
Luego pasan a un horno donde son procesados de acuerdo una distribución triangular (2.5 8.5 3.0)

El 10 por ciento de los vehículos pintados salen con defectos y deben regresar al área de clasificación antes de la pintura.

Simule el proceso por 4800 min

Diga cuantos vehículos fueron procesados, y cuantos defectuosos se generaron en ese tiempo