Optimizing Automotive Manufacturing Processes with Discrete-Event Simulation

由Marius Gemeinhardt,戴姆勒AG

在新车离开生产线之前,他们经历一系列线路检查,包括静态和动态测试。在静态测试中,技术人员和自动化测试程序都运行电子诊断;在动态测试,技术人员,测试软件,测功机和其他测试站中共同运作,检查发动机并调节悬架或其他组件。

Orchestrating and coordinating the workers, machines, and vehicles involved in end-of-line testing is a complex task. Many companies do not have a formal method for optimizing the process, instead relying on the subjective recommendations of senior engineers; on best practices from other manufacturing plants, which may have different requirements; or even on trial and error.

To maximize production throughput and capacity while minimizing manpower and waste, I developed a platform for running simulations with Simulink®and SimEvents®。模拟用于帮助运行决策,预测提出的制造过程变化的结果,提高了戴姆勒生产线的效率(图1)。

图1.梅赛德斯 - 奔驰S级车辆离开装配线。

线尾试验优化挑战

几个因素使优化线路测试的优化使。首先,难以在任何给定的测试站估计处理时间。例如,悬架中的差异是指一些车辆在悬架调整站需要更多的时间比其他车辆需要更多的时间。其次,介绍了可以更快地完成测试的新设备也可以扰乱建立的流程。同样,将新技术引入车辆中导致新的可选附加额外的额外额外的预乘信息。

第三,过程改进选项的纯粹复杂性即使是专家甚至几乎不可能预测如何影响整体流程性能。添加工作人员,并行完成测试,处理重新加工的汽车,在每个测试站插入缓冲器(队列),允许车辆在测试站之间交叉,推进循环时间 - 专家需要了解这些选项的所有可能组合的效果找到最佳配置。

Gathering and Managing Data

I knew that my simulations would need to take into account an immense amount of data. Often in simulation studies, data is exchanged between disparate software packages, risking loss of precision and completeness. With MATLAB®和Sim金宝appulink,我使用相同的环境进行收集,分析和编写数据,从而基于该数据的优化和仿真。此外,我可以通过使用并行计算工具箱™运行多个计算核心的分析来加速处理。

每个测试站为每个车辆生成日志文件。如果在三个测试站测试1000辆车,则记录3000个数据集。对于一个站的单个车辆,日志文件包含最多20万行信息。每个日志文件只包含一小部分必要信息,包括车辆细节,每个测试的结果,以及每个测试完成的时间都需要多长时间。要快速提取此数据,我创建一个基于DOS的批处理文件,请为每个日志文件调用它,并在每个可用核心上分发这些作业。

分析现有过程

在我开发模拟之前,我需要了解当前的测试过程。我从每个测试站收集日志文件,并在Matlab中以数字和图形分析数据。我绘制了测试时间和车辆变化的直方图和条形图,并进行了统计分析,以关联这些变量(图2)。我通过使用并行计算工具箱在四核处理器上执行这些任务来加速对日志文件的分析和处理几乎四个。

Figure 2. Histogram showing testing duration for various vehicle types.

After interactively exploring and analyzing the data, I created an interface in MATLAB to simplify common analysis tasks (Figure 3). I packaged the interface and the analysis functions I developed in MATLAB as a standalone Microsoft®Windows®application, PARSE (Process Analysis Routine for Site-overlapping Exploration). Created with MATLAB Compiler™, PARSE enables my colleagues at Daimler to explore end-of-line testing data without installing MATLAB. PARSE also provides the database for the following modeling and simulation.

图3.在MATLAB中开发的解析应用,用于处理,分析和探索测试站数据。

建模线路测试过程

大多数工程师为离散事件如果创建模型mulations by linking together queue, server, entity, and other blocks from predefined libraries. The predefined elements in most simulation environments make it difficult to understand their fundamental functionality and their impact on the simulated system. I decided to take a different approach: I developed a MATLAB script to construct the SimEvents model programmatically. Building a model with SimEvents base-line elements has the advantage that all functional, logical, and strategical behaviors of the modeled system are known from the beginning. A programmatic approach makes it possible to run optimization algorithms that can both adjust model parameters and generate new models. It also enables models to be defined via a second interface that I built in MATLAB.

该接口使工程师能够通过指定测试站的数量和配置,工人数等来定义测试过程。工程师的选择是在MATLAB脚本用于生成带站和工作子系统的SIMEvents模型的数据模型中的选择(图4)。

图4. TOP:在Simevents中建模的线端测试过程。中间:来自模型的站子系统。底部:工人子系统。

在所生成的模型中,其中包含大约1500个块,工人和车辆实体在每个站一起使用实体组合器汇集在一起​​。该站由多个服务器代表,该服务器代表站内的单个进程。每个站所花费的时间由基于事件的随机数块计算,该块基于该站的处理后的日志数据使用任意离散分布。

站点的逻辑行为以及实体的战略控制,使用包含在模型中作为S函数块的MATLAB脚本进行建模。该模型可节省每个站的统计数据,包括处理了多少辆车,每个车辆在车站所花费的时间以及在站之间等待的时间,以及从外围过程中等待的时间,如车辆,工人流程等的外围过程暂停时间。我使用MATLAB到后处理并可视化此数据(图5)。

图5.模拟结果的可视化。

我使用接口和模型生成器创建的第一个模型之一简单地将现有的出厂设置与基于现实世界原始数据库构建的数据库复制。我运行了这种模型的模拟,并将其结果与工厂地板的现实世界结果进行了验证,以验证模型和模型生成脚本。

Running Simulations to Optimize the Process

一旦我有一种处理和分析日志数据和以编程方式生成模型的方法,我就可以开始运行系统的模拟以优化线路的测试性能。在模拟中,优化算法使结构变化反映不同的工厂布局以及各个测试站的参数变化。我提供了界限和初始值,然后在全局优化工具箱中应用了模式搜索算法,以优化吞吐量,所需的生产设备,人力和浪费等因素。它需要数千个实验来评估所有可能的模型变体。使用模式搜索算法,我可以通过该数字的一小部分达到相同的结果。

SimEvents模型使我能够调整边界值以运行What-If方案。例如,我跑了模拟,看看车辆变异如何影响特定测试所需的时间,使我能够识别大多数影响过程性能的变化。

传统上,汽车制造商在缩短测试持续时间方面支出了相当大的努力,几乎没有意识到线路尾随布局如何影响整体过程。在戴姆勒,我的模拟研究改变了这一点。我使用SimEvents进行的模拟和优化提供了植物结构变化影响的见解。在设计新的制造工厂之前,Daimler现在可以评估各种因素,例如提供的区别区域和缓冲区的大小,站点,有利的交叉点和人员将影响植物测试性能。

发布2017年 - 93085V00