之前，新的车辆离开生产线，他们进行了一系列的结束线检查，包括静态和动态测试。在静态测试，两者的技术人员和自动测试程序运行电子诊断;在动态测试，技术人员，测试软件，测功机，等试验站共同工作，检查发动机和调节悬挂或其他部件。
安排和协调工人、机器和车辆参与线尾测试是一项复杂的任务。许多公司没有一个正式的方法来优化流程，而是依赖于高级工程师的主观建议;其他制造工厂可能有不同要求的最佳实践;甚至是反复试验。
为了最大限度地提高生产能力和生产能力，同时最大限度地减少人力和浪费，我开发了一个使用Simulink运行仿真的平台金宝app®和SimEvents®。模拟被用于辅助操作的决策，预测的提出的制造过程中的变化的结果，和提高的戴姆勒生产线（图1）的效率。
图1.梅赛德斯 - 奔驰S级车辆离开装配线。
最终的行测试优化的挑战
有几个因素复杂结束线测试的优化。首先，它难以在任何给定的测试台来估算处理时间。差异的悬浮液，例如，意味着一些车辆需要在悬挂调校站比别人更多的时间。二，引进新设备，能够更快也可以破坏既定程序完成测试。同样，引进新技术到需要新的测试程序的新的选装车辆的结果。
三，工艺改进可供选择使得它几乎是不可能的，甚至专家预测的变化将如何影响整体工艺性能的极其复杂性。增加工人，完成了平行试验，处理整顿的汽车，每个测试站前插入缓冲区（队列），允许车辆测试站之间跨越，推进循环时间，专家将需要了解这些选项的每个可能组合的效果找到最佳配置。
收集和管理数据
我知道我的模拟需要考虑大量的数据。在模拟研究中，数据常常在不同的软件包之间交换，这可能会导致数据的精度和完整性的损失。用MATLAB®和Sim金宝appulink，我用同样的环境，为收集，分析和准备数据，基于该数据的优化和模拟。另外，我可以通过并行计算工具箱™多个计算内核上运行的分析加速处理。
每个测试站产生用于每个车辆的日志文件。如果车辆1000在三个测试台测试，然后3000的数据集被记录。对于一个站上的单一车辆，日志文件包含多达20万行的信息。每个日志文件仅包含必要的信息，其中包括车辆的详细信息，每个测试的结果，以及多久每个测试走上完整的一小部分。要提取这些数据快速创建一个基于DOS的批处理文件，命名为每个日志文件，并在每个可用内核分配这些作业。
分析现有流程
在我开发的仿真，我需要了解当前的测试过程。我收集了所有的测试站的日志文件，并在MATLAB数字和图形分析的数据。我绘制直方图和测试时间和车辆的变化柱状图，并进行统计分析以这些变量（图2）相关联。我加快了日志文件的解析和处理由近四倍利用并行计算工具箱在四核处理器上执行这些任务。
图2。柱状图显示各种车型的测试时间。
在交互地探索和分析数据后，我在MATLAB中创建了一个界面来简化常见的分析任务(图3)。我将我在MATLAB中开发的界面和分析功能打包成一个独立的Microsoft®窗户®应用程序，解析(用于站点重叠探索的过程分析例程)。PARSE是用MATLAB Compiler™创建的，它使我在戴姆勒的同事可以在不安装MATLAB的情况下探索行尾测试数据。PARSE还为下面的建模和模拟提供了数据库。
图3. PARSE应用，在MATLAB开发的，用于处理，分析和探索试验台数据。
建模最终的在线检测流程
大多数工程师通过连接预定义库中的队列、服务器、实体和其他块来为离散事件模拟创建模型。大多数仿真环境中的预定义元素使理解它们的基本功能及其对仿真系统的影响变得困难。我决定采用一种不同的方法:我开发了一个MATLAB脚本以编程方式构造SimEvents模型。用SimEvents基线元素构建模型的优势是，被建模系统的所有功能、逻辑和策略行为从一开始就已知。编程方法使运行既可以调整模型参数又可以生成新模型的优化算法成为可能。它还允许通过我在MATLAB中构建的第二个接口来定义模型。
该接口使工程师通过指定的数量和测试台的结构中，工人的数量，依此类推，以限定测试流程。工程师的选择是在数据模型中捕捉的MATLAB脚本用来生成与站和工人子系统（图4）SimEvents模型。
图4上图：结束线的测试过程中SimEvents建模。中东：从模型中的基站子系统。下图：一名工人子系统。
在所生成的模型，其包含约1500块，工人和车辆的实体是在与实体组合器每个站汇集。该站由多个单服务器表示所述站内的各个过程来表示。在每个站所用的时间由使用基于用于该站的处理的日志数据中的任意离散分布基于事件的随机数块计算。
逻辑行为在站，以及该实体的战略控制，使用并入模型作为S-功能块MATLAB脚本建模。该模型从每个站保存统计信息，包括许多车辆被如何处理，多久每个车辆在车站花费，并且它花费多少时间站之间的等待，以及从外周过程如运载工具，工人流动，并暂停时间。我用MATLAB来后处理和可视化该数据（图5）。
图5.仿真结果的可视化。
我的一个使用界面和模型生成器创建的第一个模型的简单复制现有厂区设置有内置于真实世界的原始数据的数据库。我跑这个模型的模拟和比较它与从工厂车间实际结果的结果来验证模型和模型生成脚本。
运行模拟以优化流程
有一次，我有办法处理和分析日志数据和程序生成模型，我就可以开始运行的系统仿真，优化终端的在线测试性能。在模拟中，优化算法作出结构上的改变，以反映不同的工厂布局以及个别的测试站的参数变化。我提供边界和初始值，然后在施加全局优化工具箱模式搜索算法来优化因素，例如吞吐量，需要生产设备，人力和浪费。这将需要上千次实验，以评估所有可能的模型变量。我可以实现与使用模式搜索算法，这个数字的一小部分相同的结果。
该SimEvents模型使我能够调整的边界值假设情景运行。我跑了模拟，例如，看车的变化如何影响特定的测试所需的时间，使我能够找出最能影响工艺性能的变化。
传统上，汽车制造商们花费在缩短测试时间，与结束线的布局如何影响整个过程有点意识相当大的努力。在戴姆勒，我的模拟研究改变了这一点。我SimEvents进行仿真和优化提供深入了解植物结构的变化的影响。设计一个新的生产工厂之前，戴姆勒公司现在可以评估因素，如设置区域和缓冲区，站的数量，使路口的大小，人员会影响植物的性能测试。
