自组织映射视觉聚类特性在机器 - 零件单元形成中的应用
适应与自组织系统
2012-01-27 v1
摘要
单元制造 (CM) 是一种兼具作业车间灵活性和流水线高生产率的方法。尽管 CM 在减少生产周期时间、准备时间和在制品库存方面提供了诸多益处，但 CM 的设计是一个复杂且 NP 完全的问题。基于操作序列（序数数据）的单元形成问题在文献中鲜有报道。本文旨在提出一种利用自组织映射 (SOM) 算法（一种无监督神经网络）进行机器 - 零件单元形成的视觉聚类方法，以实现更好的单元形成成组技术效率度量以及 SOM 质量度量。本研究还确立了基于 SOM 训练期间量化误差、拓扑误差和平均畸变度量的结果来选择最优 SOM 映射尺寸的标准，这些标准生成了最佳的聚类效果和拓扑保持性。为了评估所提算法的性能，我们测试了文献中可用的若干基准问题。结果表明，所提方法不仅生成了与文献中迄今报道的任何结果一样最佳且准确的解，而且在某些情况下，其产生的结果甚至优于先前报道的结果。所提方法的有效性也经过了统计验证。
引用
@article{arxiv.1201.5518,
title = {Application of Visual Clustering Properties of Self Organizing Map in Machine-part Cell Formation},
author = {Manojit Chattopadhyay and Pranab K. Dan and Sitanath Majumdar},
journal= {arXiv preprint arXiv:1201.5518},
year = {2012}
}
备注
33 pages, 7 figures, 7 tables