希望能找出系统的瓶颈，有几种途径可以做到这点：第一种方法是，你可以从视觉上观察每个暂存区的容量。如果一个暂存区始终堆积着大量的产品，这就表明从该暂存区取货的一台或几台加工机床形成了系统的瓶颈。在该模型仿真运行时，由上图可以注意到第二个暂存区堆积很多待加工的产品，而第一个暂存区的待加工产品较少，很显然是由于检查台，也就是processer4的工作能力较低造成的，说明processer4即检查台就是该模型中的瓶颈工序。需要对该工序进行改进，以减少瓶颈带来的损失。
422模拟运行后的输出数据表
FlexsimStateReport
Time4830185
ObjectClass
idle
procebusyblockege
eraemptycollereleas
ssi
g
d
ti
g
cti
gi
g
fQueue1Processor1Processor2Processor3Queue6Processor4Si
k8
QueueProcessor
Processor
Processor
QueueProcessor
Si
k
0001141
1596
2305
000183
000
SourceSource1
000
0008859
8404
7695
0009817
000
000000
000
000
000000
000
000000
000000349000000000
000000000
000000000
000000514000000000
000000000
00010000000
0009651000000
000000
000000
0009486000000
10000
000
000000
423根据输出数据，以各个加工工位的加工和空闲时间进行对比，做出圆饼图进行观察各工序的工作状态：
第一个机台Process1：
第二个机台Process2：
f第三个机台Process3：检查台Process4：
424输出结果分析
f在描述系统中我们提到希望能找出系统的瓶颈，第二种途径：从主要工序的空闲与工作的比例元饼图分析，工作的比重最大且接近于100的即是瓶颈工序。
从以上几个主要工序的空闲与工作的比例元饼图中可以看出，检验台工作的时间占总仿真时间的比例是最大的。通过这些圆饼图，我们可以很容易的发现检验台是瓶颈所在，而非那三台加工机床。
现在已经找出了瓶颈，接下来将考虑瓶颈的改善。这取决于与成本收益相关的多个因素，以及这个车间的长期规划目标。在将来，是否需要以更快的速率加工产品呢？在这个模型中，Source平均每5秒生成一个产品，而检测台也是平均每5秒将一个成品送到Si
k。检验台的5秒平均值是由其4秒的检测时间和8020的路径策略计算得出的。因此随着时间的推移，这个模型的总生产能力下降。如果这个工厂想加工更多的产品，Source必须有更高的产品到达率（也就是说更短的到达间隔时间）。如果不对检验台进行修改，模型中就会不断积累越来越多的待加工品，而暂存区的容量也会不断增加直到无法再加。为了解决这个问题，我们不得不添加一个检验r