基于Teamcenter Process Simulate数字化智能生产线仿真设计

通常企业必须先获取实体产品,才能对产品的质量和建造过程进行检查,而这意味着成本和风险的增加,本文利用数字孪生模型来解决这个问题。运用自动化设备的数字化建模和开发技术,实现产品开发过程的可预测性,节约大量调试时间和物料成本。本文通过Tecnomatix产线仿真系统,将工业机器人与自动化生产设备进行工艺规划,实现以虚拟方式开发、仿真和调试机器人和其他自动化制造系统,减少了大量编程时间,还减少大量的实际调试次数和时间,提高了整个工艺开发过程的效率。本仿真系统实现整个货物工业产线的步骤可控性、可视性,同时利用好中转台从而真实模拟产线进行连续不断的进行生产,将大大提高了实际生产中的效率。

基于虚拟产线仿真的生产过程优化研究

传统的产线仿真分析方法往往没有考虑现场复杂情况下进行优化排产,难以解决小批量、多品种、混流的产线仿真问题。本文采用基于自研的虚拟产线仿真平台,对产线生产、物流、资源、设备全要素虚拟模型搭建及仿真,使得仿真更贴近真实生产车间实际情况,仿真结果更加真实可靠。通过对产量、存储面积、产能、生产周期、设备利用率、等关键指标进行分析,准确发现了工厂生产过程中的不足和瓶颈因素。使得该产线的产品生产周期和产线平衡率最大数值提高了9.06%和35.29%,有效提高了该生产线的生产效率,提升了工厂布局规划的效率和效果。

基于数字孪生的总装产线模型构建及仿真技术研究

机载武器是提升国家军事力量的重要武器装备,其生产过程中必须考虑其制造精度和生产效率。针对未来产品型号多样化、批量小、周期短等发展趋势,总装产线需快速调整以满足订单交付的需求。本研究开展了基于数字孪生的总装产线模型构建和仿真研究,突破了生产线建模,数字孪生模型仿真规则、虚实产线数据互联和双向交互规则等技术。最终,解决了总装产线设计定型周期长,产线布局合理性论证困难,订单变化引起的生产计划改变,资源利用率不足等问题,为目前的总装产线建设起到正面、积极的推动作用。

基于Tecnomatix的半挂车产品混线生产仿真研究

产线仿真是一种将实际的生产线模型化和数字化的技术,可快速诊断混线生产下的产能瓶颈问题。针对某半挂车企业生产效率较低问题,利用产线仿真技术,分析产能浪费关键因素,识别影响效率的瓶颈台位,并在仿真模型中优化产线布局和物流设备的调度策略。计算结果表明,优化策略可行有效。介绍的产线仿真建模方法、结果的分析方法可为产能预测和产线优化提供借鉴。

针对自动化生产线生产效率提升的探讨

在自动化生产线实际生产运行中,基于精益生产的原则和分析方法,通过横向生产效率损失的分析改善和纵向5M1E的原因追踪改进,以软件模拟仿真作为过程辅助验证,系统地研究了自动化生产线在生产运行爬坡至稳定过程中的效率低下及如何提升问题,探讨了如何优化产线的布局概念,以及在实际生产过程中如何从多方面进行产线点阵的可持续优化与改善,最终实现自动化新产线爬坡阶段效率的最大化。

数字孪生在智慧工厂中的应用探讨及案例分析

中国制造2025战略的提出让中国的制造业获得了前进的动力,伴随着工业互联网、云计算、5G以及大数据的不断发展,新兴信息技术与制造技术的融合催生了智慧工厂、智能制造的概念,数字孪生正是这样一种面向未来的新兴技术。通过对数字孪生技术的概述以及对其实现技术的研究,提出了一种适用于智慧工厂的技术架构模型,并将其运用于实际案例,验证了数字孪生技术对工厂生产效益的拉动效果,具有一定的指导效应和示范效应。

Multi-objectives and Simulation Models for Develop Production Line in Automobiles Manufacturing System

Automotive manufacturing is complex and includes the coordination of design in the manufacturing system. The manufacturing approaches over the past few years, disassembly have been a key issue, and it seems that simulation models are usually tailored to address a narrow set of industrial issues. This paper describes the development of the production line in the automobile manufacturing system through design, operation, and maintenance, based on multi-objectives of Algorithm and Simulation Model called MOA-SM. The both models are being developed at three different levels： the production line in the body and assembly shop, supply chain, and the production plan. The optimization tries to involve more objectives to solve the issues in manufacturing system. A solution that may optimize one performance measure may deteriorate since other performance solutions are difficult. The resulting algorithms are comparable to the simulation and multi-object in terms of success rate, assembly times, peak forces, moments, and have assembly times superior to those of a benchmark blind search algorithm.