改对话框主要由三个文本框组成：
Number of：直方图中的区间数，即直方的个数。
Low Value：直方图的下限值，低于这个值将被系统忽略。 High Value：值方图的上限值，高于这个值将被系统忽略。 ? Color：设置直方图的颜色。
2.2.2 利用Input Analyzer进行仿真输入分析
下面以一个简单的例子介绍Input Analyzer的使用。 1、 数据的输入
Input Analyzer可以输入任何包含数据的ASCII文本文件，在文本文件中，输入数据用空格将它们分开即可。Input Analyzer默认的文件扩展名为.dst，但是.txt文件也可以打开（推荐采用这种数据文件）。
点击
或菜单中的File/New新建一个Input文件，然后点击工具栏上的Use Existing
或菜单中的File/Data File/Use Existing，打开Arena安装目录下的Examples
Data File图标
子目录中的partbprp.dst文件，Input Analyzer按照用户的设置绘出直方图，如图2-4所示：
图 2-4
在直方图的下方，给出了对这组数据的初步统计和直方图的设置。 在初步统计中给出了输入数据的样本数（Number of Data Points）、最小值（Min Data Value）、最大值（Max Data Value）、均值（Sample Mean）和标准差（Sample Std Dev）。
同时，给出了直方图的取值区间（Histogram Range）和间隔数（Number of Intervals）。 2、拟合分布函数
如果用户需要将数据拟合成理论分布，最好的方法是点击工具栏中的
图标或菜单
Fit/Fit All，Input Analyzer将选择最好的分布拟合数据。本例中拟合最好的分布是Gamma分布，如图2-5：
图 2-5
Input Analyzer给出了Gamma分布的概率密度函数的曲线。在此图的下方，给出拟合报告如下：
Distribution Summary
Distribution: Gamma
Expression: 3 + GAMM(0.775, 4.29)
Square Error: 0.003873
Chi Square Test Number of intervals = 7 Degrees of freedom = 4 Test Statistic = 4.68 Corresponding p-value = 0.337
Kolmogorov-Smirnov Test
Test Statistic = 0.0727 Corresponding p-value > 0.15
在报告中，首先给出了分布函数种类，随后给出了分布函数的表达式，下面是方差值Square Error。方差值越小，说明拟合的程度越好。
在后面Input Analyzer给出了两种对分布函数拟合程度的检验：分别是?2检验和K-S检验。
在?2检验（Chi Square Test）中给出了区间数（Number of intervals）、自由度（Degrees of freedom）、Test Statistic值、和Corresponding p-value值，K-S检验类似。如果Corresponding p-value值小于0.05，则认为这种分布函数不能很好的表现这组数据的分布规律。
以上便是利用Input Analyzer进行仿真输入分析的一般过程。
第三章：利用Arena3.0建模（一）
在这一章里，将通过两个生产中实例的仿真建模来讲解利用Arena3.0建模的方法，过程和需要注意的事项；同时，也希望能够培养读者根据实际问题建模的能力，使仿真系统能够准确的反映实际系统的真实情况。
在本章和下一章将要介绍两个仿真模型的建模过程，读者可以通过这两个模型了解Arena3.0的功能；同时，也能从的建模过程中寻找Arena3.0建模的一般方法。
3.1 电子器件封装测试系统模型
在一个生产电子产品的车间里有一个封装系统，它位于整个生产线的末端，主要功能是将前面工序生产的零件A和B分别进行封装，通过检测，将不合格的产品重新加工。车间管理人员希望能够对这个装配系统进行改进，从而提高生产率。为了降低决策的风险，将要对这个系统进行仿真，通过对仿真输出数据的分析为决策提供依据。
在建模前，首先要对封装系统进行了详细的流程分析，获得系统的一些参数： 1、 工件A到达系统的时间间隔服从参数为5的指数分布—EXPO（5）；在进行封
装前，工件A要先进行封装准备（Part A Prep），A到达封装准备工序的时间为2分钟，封装准备的时间服从三角分布—TRIA（1，4，8）；在完成准备工序后，工件2分钟后到达封装工序。 2、 工件B成批到达系统，每批工件有4个B工件，每批B工件到达系统的时间间
隔服从参数为30的指数分布—EXPO（30）；同A相同，B也要进行封装准备工序，B到达准备工序的时间同为2分钟。在封装准备工序（Part B Prep），每批B工件解开批次，逐个加工，准备的时间服从三角分布—TRIA（3，5，10）；在完成准备工序后，经2分钟到达装配封装工序。
3、 在封装（Sealer）工序中，将完成对工件的加工、封装和检验，对于两种工件来
说，它们总的加工时间是不同的，A工件的加工时间服从三角分布—TRIA（1，3，4），B工件的加工时间服从正态分布—N（2.4，0.5）。大约有91%的工件能够顺利通过检验，它们将作为一级品（Shipped Parts）直接出厂，运出系统的时间为2分钟；而其它不合格的产品将被送至下一个工序重新加工，运输时间为2分钟。
4、 在重新加工（Rework）工序中，封装工序不合格的产品将在这里得到修理、重
新装配和清洗，这些工作总的时间服从参数为45的指数分布—EXPO（45）（A和B工件的时间分布相同）。经过重新加工后，80%的工件得到修复，作为二等品（Savaged parts）出厂；而其它的工件作为废品（Scrapped parts）统一进行回收。它们离开系统的时间都是2分钟。
流程如图3-1所示：
通过对封装测试系统的仿真，管理人员希望得到以下数据： 资源：资源利用率、资源平均对长。
实体：分别统计一等品、二等品和废品的系统逗留时间，平均等待时间。
仿真的运行时间定为2000分钟；而且在仿真的过程中能够看到准确反映系统实际情况的动画，并要求能够实时观测到三种产品的产量。
ScrappedPart AEXPO(5)20%Part A PrepTRIA(1,4,8)9%SealerPart A:TRIA(1,3,4)Part B:NORM(2.4,0.5)ReworkEXPO(45)80%Salvaged andShippedPart BBatches of 4EXPO(30)Part B PrepTRIA(3,5,10)91%shipped
图 3-1
3.2 利用Arena3.0建立仿真模型
通过前面的分析，对电子器件封装测试系统的工作流程有了清晰的了解。下面将遵循原系统的逻辑流程建立仿真模型。
3.2.1 根据系统流程建立仿真系统的逻辑框架
根据系统的流程选择模块。在这个模型中仍旧主要用Common模板中的模块构建仿真系统。
? 在这个系统中，由两种实体进入系统，所以，选择两个Arrive模块加入系统，分
别负责生成A和B。
? 实体A和B在封装之前都要进行封装准备的工序，分别在对应的机器旁停留一段
时间，所以，在模型中加入两个Server模块表示对A、B进行加工的两台机器。 ? 实体A和B在封装工序有相同的机器对其进行封装加工，但是，在加工完毕后将
对这两种工件进行监测，合格与不合格的工件被区分开，进行不同的加工。所以，为了完成实体的区分，这里需要用Inspect模块来仿真。
? 在封装加工完成后，合格的产品将离开系统，这里需要添加一个Depart模块；不
合格的产品将被送到Rework工序中心加工，在加工结束后同样需要对工件进行检验，所以Rework工序也要用Inspect来表示资源。 ? 工件离开Rework后，合格与不合格的产品都将离开系统，用两个Depart模块实现。 这样，这个仿真系统的框架已经建立完成，如图3-2所示：
图3-2
3.2.2 模型参数的设置
在完成仿真系统的逻辑框架后，需要根据系统的实际情况设置各个模块的参数，完成仿真系统的逻辑模型。
一、设置产生实体A的Arrive模块
相关推荐：
loading