实验报告
13工业工程2班 李伟航 13工业工程2班
实验10
一、实验目的: 1.学习库存系统查库与订货处理的结构建模方法
2.学习用Equation模块、Equation（I）模块读写数据库的方法 3.学习用Equation模块、Equation（I）模块进行编程计算的方法
二、实验问题
1.打开上次实验你保存的文件（这个文件要保存好，下次实验还要使用），然后根据以上视频，进行操作实验。
2.简述用Equation模块计算订货量的程序逻辑。
3.简述用Equation（I）模块计算并累加总订货成本到数据库中的程序逻辑。 4.Equation模块与Equation（I）模块有何不同？
5.在本案例的假设前提下，在一笔订货的在途货物运输期间（即提前期期间），会不会再次发出订货指令？或者换句话说，每次查库时，会不会有已订但未到的货？为什么？
三.实验过程
1.生成查库员（查库信号）
用Create模块每天生成一个库存检查员实体（实际代表一个查库信号）Create模块具体设置如下图：
2.判断是否需要订货
利用Select Item Out模块、Equation模块和Simulation Variable模块检查库存，并判断是否需要订货。若需要，就将库存检查员实体发送到Select Item Out模块的上端口输出进行后续处理；若不需要订货，就将库存检查员实体发送到下端口输出，简单地离开系统。 其中，Equation模块的设置如下图。
3.无需订货的处理
由上一步Equation中设置可知，当s=1时，即无需订货的情况下，直接将库存检查员实体从Select Item Out模块下端口输出，通过Exit模块离开系统。Select Item Out模块设置如下，当s=0时从上端口输出，否则从下端输出。
4.订货处理-建立模型
当s=0时，即需要订货的情况下，库存检查员实体有Select Item Out模块上端口输出，后续订货处理模型如下图：
5.计算订货量
用一个Equation模块获取数据库中的当前库存（kc）和最大库存(ds)，计算订货量dh。Equation模块设置如下：
6.设置订货量属性
将第5步Equation模块计算得到的订货量（dh）输出给Set模块，将订货量赋值给检查实体dh属性。Set属性设置如下图。
7.用Equation（I）模块计算并累加总订货成本到数据库中
因此用Equation（I）模块获取数据库中固定费（gdf）和可变订货费（kbf），再根据订货量算出本次订货成本，把它累加到总订货费用（toc）并写入数据库中。具体Equation（I）模块设置如下图。
8.设置提前期
从下订单到所订货物入库的这段时间为订货提前期，这里用Activity模块表示，设置该提前期服从0.5-1天的均匀分布。订货提前期的设置如下。
9.到货后更新数据库中的库存数据
库存检查实体离开Activity，表示提前期结束，货物到达，到货后用Get模块获取订货量，用Write模块将订货量累加到数据库中的sc表的当前库存（kc）中，根据订货动态增加当前库存。Write模块设置如下。
10.观察运行结果 运行模型，观察数据库sc表中的库存（kc）由变为13，累计订货费用达到了11125。
四.实验问题的分析解答
1.上述过程即为实验步骤。本实验实验模型如下：
2.答：用Equation模块计算订货量的程序逻辑：是当检测到库存小于订货点xs时，用最大库存ds减去目前库存，即为订货量，即dh=ds-kc；过程如实验步骤5所示。
3.答：用Equation（I）模块计算并累加总订货成本到数据库中的程序逻辑是：因为每订货一次的成本=固定费（gdf）+可变订货费（kbf）*订货量（dh），将每次的订货成本累加到总订货成本当中去，即toc=toc+gdf+kbf*dh，即更新了总订货成本。具体步骤如步骤7所示。
4.答：Equation模块是由value库中添加的值模块，是用来读取传递系统产生的值（如产生的随机数）并进行相应的逻辑运算，而对于实体传来的属性则不可以读取；而相反的，Equation（I）模块是由Item库中添加的实物模块，用来读取和传递实体属性并进行相应的逻辑运算。两者都可以读取数据可中的数据。
5.答：一笔订货的在途货物运输期间，不会再次发出订货指令。因为在Create模块中设置了检查实体到来的间隔为1天，而订货提前期服从0.5-1的均匀分布，所以不会出现每次查库有已订但未到的货的情况。
实验11
一、实验目的
1.通过实验理解各种库存性能指标的含义 2.学习用Read模块读取数据库数据的方法
3.学习用Max&Min模块、Mean模块、Equation模块以及各种计算模块计算和采集库存系统性能指标的方法
二.实验问题
1.打开上次实验你保存的文件（这个文件要保存好，下次实验还要使用），然后根据以上视频，进行操作实验。
2.本实验中，用read模块读数据库数据时，在其option页要做何设置？ 3.用Mean Variance模块计算平均每天总成本的均值和置信区间时，模块对话框要做何设置？
4.利用本次实验建立的模型，实验比较以下各组（s，S）下的平均每天总成本： (20, 40) (20, 60) (20, 80) (20, 100) (40, 60) (40, 80) (40, 100) (60,80) (60,100) (80,100) 对每种情况重复运行20次，写出各项配置下的平均每天总成本的均值和置信区间。并写出以上最优的（使得平均每天总成本最低）的（s，S）。
5.添加必要的模块，分别计算平均每天缺货成本、平均每天储存成本、平均每天订货成本的均值和置信区间。 6.用Plotter，Discrete Event模块绘制当前库存水平的波动曲线，并同时绘制一条高度为20（即订购点）的水平直线，和一条高度为0的水平直线（连接constant模块到plotter DE模块），观察并库存曲线的波动情况以及和两条直线的关系，根据你的观察，缺货情况经常发生吗？
三.实验过程
1.在库存发生变化时读取数据库中当前库存水平
每当库存数据发生变化时，用Read模块读取库存（kc）的值，Read设置如下：
2.计算平均每天储存成本 当库存大于0时，通过max模块与0比较得到当前库存值，并通过Mean&Varience模块（运行10次）计算平均每天的库存，再用Equation模块计算平均每天储存成本。计算平均每天储存成本的模型与设置如下所示：
3.计算平均每天缺货成本 当库存小于0时，通过max模块与0比较得到当前缺货数，并通过Mean&Varience模块（运行10次）计算平均每天的缺货数，用Equation模块（缺货数取反）计算平均每天缺货成本。计算平均每天缺货成本的模型与设置如下所示：
4.计算平均每天订货成本
利用Read模块读取运行完后数据库中的总订货成本，再用Math模块除以系统运行当前时间，得到平均每天订货成本。平均每天订货成本模型和设置如下：
5.计算平均每天总成本
利用Math模块将第
2、
3、4步所计算出的平均每天储存成本，平均每天缺货成本和平均每天订货成本相加即得到平均每天总成本。
6.计算平均每天总成本的均值和置信区间
在Math模块后用Mean&Varience模块计算运行10次之后的平均每天总成本的均值和置信区间。
四.实验问题的分析解答
1.上述过程即为实验步骤。本实验实验模型如下：
2.答：由于本实验要求在库存发生变化时读取数据库的库存水平，因此在Read模块中的Option选项中，选择Discrete event-read data during when 以及勾中data sources change，意思即为数据发生变化时读取数据库。设置如下：
3.答：用Mean&Varience模块计算平均每天总成本的均值和置信区间时，要勾中Calculate for multiplte simulations，意思是计算出运行多次情况（这里为10）次时平均每天总成本的均值和置信区间。
4.答： 10种情况的运行结果如下，其中最优的（s，S）为（20,60）。
（20，40） （20，60） （20，80）
均值：125.8870元 均值：120.3812元 均值：121.4371元
置信区间（125.8870±2.2602） 置信区间（120.3812±1.8750） 置信区间（121.4371±1.0904）
（20，100） （40,60） （40，80）
均值：128.1696元 均值：127.3233元 均值：127.5943元
置信区间（128.1696±1.1935） 置信区间（127.3233±1.2890） 置信区间（127.5943±0.8358）
（40,100） （60,80） （60，100）
均值：134.0826元 均值：146.2447元 均值：147.6999元
置信区间（134.0826±1.2611） 置信区间（146.2447±1.3544） 置信区间（147.6999±1.1276）
（80,100）
均值：167.5711元 置信区间（167.5711±1.2291）
5.答：用3个Mean&Varience模块计算平均每天存储成本、缺货成本和订货成本的均值和置信区间，Mean&Varience模块勾中Calculate for multiplte simulations。添加模块后的模型以及运行结果如下：
平均每天存储成本：平均每天缺货成本
均值约为9.5140元 均值约为16.2608元 置信区间为（9.5140±0.2234） 置信区间为（16.2608±0.9608）
平均每天订货成本：
均值约为98.7903元
置信区间为（98.7903±1.3140）
6.答： Plotter Discrete Event模块设置和运行后的库存水平波动曲线如下图所示，由曲线图可以看出库存水平在0和20之间以及上下变动。由图可以看出，位于0以下的曲线分布比较多，这意味着缺货的情况发生的比较频繁；曲线在0和20之间的分布也较多，这意味着需要订货的情况也发生的比较多。
实验12 一.实验目的: 1.学习库存仿真优化方法
2.学习如何设置模块表格的内容为决策变量
二.实验问题
1.打开上次实验你保存的文件，然后根据以上视频，建立优化模型。
2.在优化模块（Optimizer）中，整数型决策变量和连续型（实数型）的输入方法有何不同？
3.请在你的模型上，使用Extendsim软件提供的优化器来寻找（s，S）的最佳设置（总成本最小）。令s在1和99之间取值（步长为1，即为整数），S在2和100之间取值（步长为1，即为整数）。要注意s和S必须是整数而且满足s
b.再将优化器参数由选择Better Defaults，写出优化结果（s，S）和平均每天总成本。
4.在上题（第2题）的基础上，通过将库存检查间隔（Evaluation Interval，目前为1天）作为变量加入到优化变量集中，来研究在每天开始工作时查看并补充（当需要时）库存是否是最佳方案，让该值在半天到5天之间连续取值， s和S的取值情况与上题相同。应用优化器求取最优设置。
a.先优化器参数选择Quicker Defaults，写出优化结果（s，S）、Evaluation Interval和平均每天总成本。
b.再将优化器参数选择Better Defaults，写出优化结果（s，S）、和平均每天总成本。
三.实验过程
1.用Data Init模块初始化最小最大库存(s，S)
2.设置Optimizer模块目标函数和决策变量 从value库中将Optimizer模块放进模型中，在查库与订货处理模型中将决策变量订货点(xs，1~99)和最大库存(ds，2~100)和输出变量平均每天总成本（toc）克隆拖放到Optimizer模块上，然后建立目标函数方程和约束条件。Optimizer模块设置如下：
3.设置Optimizer模块约束方程
在Optimizer模块中的Constraints中添加约束方程，约束条件为s和S必须是整数而且满足s
4.设置Optimizer模块运行参数
在Optimizer模块下的Run Parameters中，由于模型为随机模型，所以单机Random mode下的Quicker Defaults按钮快速设置所有优化参数（速度快精度低），然后点击New Run。运行结束后选择Better Default按钮设置规模更大的优化参数（耗时长精度高），并比较两次的结果。
5.运行优化,查看结果
通过Optimizer模块下的Results可以看MinCost数值的变化，运行结束时最顶行会给出最优解。分别用Quicker Defaults参数和Better Defaults参数运行两次比较结果。结果见实验结论3。
四.实验问题的分析解答
1.实验过程如上述实验步骤所示。
2.答：整数型决策变量的输入方法为输入范围的时候不要输入小数点，如1；而实数型的输入方法为输入范围时输入带有小数点的数字，如1.0。
3.答：选择Quicker Defaults参数，（s，S）优化结果为（27,43），平均每天总成本约为122.37627元。
Quicker Defaults
选择Better Defaults参数，（s，S）优化结果为（20,58），平均每天总成本约为130.8615元。
Better Defaults
4.答：将库存检查间隔ei克隆拖入Optimizer模块上，在订货模型create模块后加队列防止其堵塞，ei的范围设置如下。分别运行Quicker Defaults参数Better Defaults进行优化。
Quicker Defaults做法
第一步：选择Quicker Defaults参数,并开始运行
第二步：分析结果。
（s，S）优化结果为（9,74），Evaluation Interval（ei）为1.0186，平均每天总成本约为123.0515元。
Quicker Defaults
Better Defaults做法
第一步：选择Better Defaults参数
第二步：分析结果。（s，S）优化结果为（38,54），Evaluation Interval（ei）为1.0714，平均每天总成本约为,120.19126元。
Better Defaults
![仿真与建模实验报告[优秀]](/templates/pc/static/images/icon_word.2.png){kind=icon}
