Моделирование процесса оптимизации аддитивного производства с использованием имитационного моделирования GPSS и внедрением раннего контроля дефектов
Автор: Фроликова Е.А.
Журнал: Теория и практика современной науки @modern-j
Рубрика: Математика, информатика и инженерия
Статья в выпуске: 1 (127), 2026 года.
Бесплатный доступ
В статье рассматривается применение имитационного моделирования на языке GPSS для оптимизации работы системы 3D-печати. Оценены различные сценарии работы с принтерами, включая управление очередями заказов и внедрение системы раннего обнаружения дефектов. Моделирование позволяет выявить основные проблемы, такие как потери заказов и перегрузка оборудования, и предложить решения для повышения эффективности системы. В частности, акцент сделан на сокращение времени ожидания и улучшение использования принтеров с помощью контроля качества на ранних этапах производства.
Производственные процессы, имитационное моделирование, 3d-печать, оптимизация, управление очередями, раннее обнаружение дефектов
Короткий адрес: https://sciup.org/140315228
IDR: 140315228 | УДК: 004.094
Simulation of the additive manufacturing optimization process using GPSS simulation and implementation of early defect control
The article discusses the use of simulation modeling in GPSS to optimize the operation of a 3D printing system. Various scenarios for working with printers are evaluated, including order queue management and the implementation of an early defect detection system. Simulation allows us to identify key problems, such as order losses and equipment overload, and propose solutions to improve system efficiency. In particular, the focus is on reducing waiting times and improving printer utilization through quality control in the early stages of production.
Текст научной статьи Моделирование процесса оптимизации аддитивного производства с использованием имитационного моделирования GPSS и внедрением раннего контроля дефектов
С развитием аддитивного производства значительно расширились возможности создания сложных конструкций с минимальными отходами. Однако одной из актуальных проблем остается высокий уровень брака который существенно снижает производительность системы и увеличивает затраты времени и ресурсов. [1] Для решения этой проблемы были предложены различные методы контроля качества, в том числе внедрение системы раннего выявления дефектов. В этой статье рассматривается процесс оптимизации аддитивного производства с использованием имитационного моделирования в среде GPSS, а также анализ эффективности внедрения системы раннего контроля дефектов. Общая технология (методика) исследования бизнес-процессов на основе ИМ описана в [2, 3].
Для начала была разработана модель участка FDM-печати, где используются три 3D-принтера. В этой системе заказы поступают с случайными интервалами времени, а каждый заказ проходит через очередь на печать. Печать одной детали занимает случайное время, а в случае дефекта деталь возвращается на перепечатывание. В данной модели не предусматривался контроль качества на ранних этапах, что приводило к потере значительного числа заказов и увеличению нагрузки на систему.
В исходной модели, когда не предусматривалась система раннего контроля дефектов, 60% заказов не успевали быть обработаны. Среднее время ожидания в очереди составляло 122 минуты, а нагрузка на принтеры была на пределе. Ресурсы использовались на максимуме, при этом большое количество заказов терялось из-за переполнения очереди. Из 511
поступивших заказов 307 были потеряны.
Характеристики очереди показывали, что принтеры были заняты в среднем 0,996 времени. Однако существенная проблема заключалась в высоком проценте брака, который только увеличивал время обработки заказов и нагрузку на оборудование.
На рисунке 1 представлен отчёт о симуляции системы без системы обнаружения дефектов.
LABEL LOC BLOCK TYPE ENTRY COUNT CURRENT COUNT RETRY
ARRIVE 1 GENERATE 511 00
2 MARK 511 00
ENTRYQ 3 QUEUE 1338 00
4 TEST 1338 80
5 ENTER 1023 10
6 DEPART 1022 00
7 ADVANCE 1022 20
8 LEAVE 1020 00
9 TRANSFER 1020 00
DEFECT 10 TRANSFER 827 00
GOOD 11 TABULATE 193 00
12 TERMINATE 193 00
LOST 13 DEPART 307 00
14 TABULATE 307 00
15 TERMINATE 307 00
PRINTQ 10 9 1338 312 8.011 122.381 159.5960
STORAGE CAP. REM. MIN. MAX. ENTRIES AVL. AVE.C. UTIL. RETRY DELAY
PRN 3 0 0 3 1023 1 2.988 0.996 08
Рисунок 1 – Отчёт о симуляции
В усовершенствованной модели была внедрена система раннего контроля дефектов, которая позволяла выявлять брак на первых стадиях печати. Процесс был разделен на две стадии: на первой продолжительностью 20±5 минут, 45% дефектов выявлялись сразу, а на второй стадии, продолжительностью 40±10 минут, определялось еще 35% брака. Эта система позволила значительно снизить потери и повысить пропускную способность участка.
Результаты симуляции с системой раннего контроля дефектов показали заметное улучшение показателей. Количество потерянных заказов снизилось с 307 до 217, что увеличило долю обслуженных заказов с 38% до 54%. Время ожидания в очереди уменьшилось с 122 до 86 минут а средняя длина очереди снизилась с 8,0 до 7,6 заявок. Принтеры продолжали работать с высокой загрузкой, но их использование стало более эффективным за счет оптимизации работы с заказами.
Система раннего обнаружения дефектов показала свою высокую эффективность. Из 1440 запусков печати 751 заказ был выявлен как дефектный на ранней стадии, что позволило значительно сократить время обработки и перераспределить ресурсы.
На рисунке 2 представлен отчёт о симуляции системы без системы обнаружения дефектов
|
LABEL |
LOC |
BLOCK TYPE |
ENTRY COUNT CURRENT COUNT RETRY |
||||
|
ARRIVE |
1 |
GENERATE |
470 |
0 0 |
|||
|
2 |
MARK |
470 |
0 0 |
||||
|
3 |
MARK |
470 |
0 0 |
||||
|
ENTRYQ |
4 |
QUEUE |
1664 |
0 0 |
|||
|
5 |
TEST |
1664 |
6 0 |
||||
|
6 |
ENTER |
1441 |
1 0 |
||||
|
7 |
DEPART |
1440 |
0 0 |
||||
|
8 |
ADVANCE |
1440 |
2 0 |
||||
|
9 |
TRANSFER |
1438 |
0 0 |
||||
|
EARLY_DEFECT |
10 |
MARK |
751 |
0 0 |
|||
|
11 |
LEAVE |
751 |
0 0 |
||||
|
12 |
TABULATE |
751 |
0 0 |
||||
|
13 |
TABULATE |
751 |
0 0 |
||||
|
14 |
TRANSFER |
751 |
0 0 |
||||
|
CONT I NUE_PRINT |
15 |
ADVANCE |
687 |
0 0 |
|||
|
16 |
TRANSFER |
687 |
0 0 |
||||
|
LATE—DEFECT |
17 |
MARK |
443 |
0 0 |
|||
|
18 |
LEAVE |
443 |
0 0 |
||||
|
19 |
TABULATE |
443 |
0 0 |
||||
|
20 |
TABULATE |
443 |
0 0 |
||||
|
21 |
TRANSFER |
443 |
0 0 |
||||
|
GOOD |
22 |
MARK |
244 |
0 0 |
|||
|
23 |
LEAVE |
244 |
0 0 |
||||
|
24 |
TABULATE |
244 |
0 0 |
||||
|
25 |
TABULATE |
244 |
0 0 |
||||
|
26 |
TERMINATE |
244 |
0 0 |
||||
|
LOST |
27 |
DEPART |
217 |
0 0 |
|||
|
28 |
TABULATE |
217 |
0 0 |
||||
|
29 |
TERMINATE |
217 |
0 0 |
||||
|
30 |
GENERATE |
39 |
0 0 |
||||
|
31 |
TERMINATE |
39 |
0 0 |
||||
|
QUEUE |
MAX |
CONT, ENTRY ENTRY(0) AVE. |
.CONT |
. AVE.TIME AVE.(-0) |
RETRY |
||
|
PRINTQ |
10 |
7 1664 |
228 7. |
,598 |
85, |
782 99.402 |
0 |
|
STORAGE |
CAP. |
REM, MIN, MAX. |
. ENTRIES |
AVL. |
AVE.C |
. UTIL. RETRY |
DELAY |
|
PRN |
3 |
0 0 3 |
1441 |
1 |
2*982 |
0.994 0 |
6 |
Рисунок 2 – Отчёт о симуляции
Внедрение системы раннего контроля дефектов существенно улучшает ключевые показатели эффективности аддитивного производства. Это позволяет повысить пропускную способность системы, снизить количество потерянных заказов и оптимизировать использование производственных ресурсов. Моделирование в GPSS предоставило возможность оценить влияние различных сценариев на работу системы, а внедрение контроля на ранних этапах производства оказало значительное влияние на временные характеристики и эффективность работы принтеров. Внедрение таких систем может стать важным шагом к улучшению качества и сокращению времени производства в сфере аддитивных технологий.
Моделирование показало, что даже без увеличения количества оборудования, можно значительно улучшить производительность за счет оптимизации процессов и раннего контроля брака.
