主权项 |
一种基于聚类分析和多属性决策的作业车间瓶颈识别方法,其特征在于:包括以下步骤:步骤1:预处理:步骤1.1:输入作业车间的调度优化方案Ω:Ω={{B<sub>11</sub>,…,B<sub>v1</sub>,…,B<sub>e1</sub>;C<sub>11</sub>,…,C<sub>v1</sub>,…,C<sub>e1</sub>;Z<sub>11</sub>,…,Z<sub>v1</sub>,…,Z<sub>e1</sub>},…,{B<sub>1i</sub>,…,B<sub>vi</sub>,…,B<sub>ei</sub>;C<sub>li</sub>,…,C<sub>vi</sub>,…,C<sub>ei</sub>;Z<sub>li</sub>,…,Z<sub>vi</sub>,…,Z<sub>ei</sub>},…,{B<sub>1m</sub>,…,B<sub>vm</sub>,…,B<sub>em</sub>;C<sub>lm</sub>,…,C<sub>vm</sub>,…,C<sub>em</sub>;Z<sub>lm</sub>,…,Z<sub>vm</sub>,…,Z<sub>em</sub>}}其中,B<sub>vi</sub>表示第v∈E={1,2,…,e}个工件在第i∈M={1,2,...,m}台机器上的开始加工时间,C<sub>vi</sub>表示第v个工件在第i台机器上的加工完成时间,Z<sub>vi</sub>表示第v个工件在第i台机器上的工装准备时间;步骤1.2:建立机器的特征属性集为X={X<sub>1</sub>,X<sub>2</sub>,...,X<sub>j</sub>,...,X<sub>n</sub>},j为机器的特征属性标号,j∈N={1,2,...,n};步骤1.3:根据步骤1.1的调度优化方案Ω,计算每个机器的特征属性值,并建立机器的特征属性矩阵FAM=(x<sub>ij</sub>)<sub>m×n</sub>,x<sub>ij</sub>是第i个的机器的第j个特征属性值;并将FAM标准化,得到特征属性标准化矩阵FAM′=(x′<sub>ij</sub>)<sub>m×n</sub>;步骤2:基于步骤1得到的特征属性标准化矩阵FAM′,对机器进行层次聚类:步骤2.1:将每台机器均初始化为一个独立的机器簇C<sub>k</sub>={A<sub>k</sub>},C<sub>k</sub>表示第k个机器簇,A<sub>k</sub>表示第k台机器,k=1,…,m;建立机器簇集合C={C<sub>1</sub>,C<sub>2</sub>,…,C<sub>m</sub>}和聚类结果集合C′={C<sub>1</sub>,C<sub>2</sub>,…,C<sub>m</sub>};步骤2.2:采用最近邻方法计算机器簇集合中两两机器簇之间的距离D<sub>sl</sub>(C<sub>p</sub>,C<sub>q</sub>),C<sub>p</sub>,C<sub>q</sub>表示机器簇集合中任意两个机器簇,得到一组两两机器簇间的距离值:D<sub>sl</sub>(C<sub>p</sub>,C<sub>q</sub>)=min{d(A<sub>α</sub>,A<sub>β</sub>)|A<sub>α</sub>∈C<sub>p</sub>,A<sub>β</sub>∈C<sub>q</sub>}其中,d(A<sub>α</sub>,A<sub>β</sub>)表示机器A<sub>α</sub>与机器A<sub>β</sub>之间的欧式距离:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>d</mi><mrow><mo>(</mo><msub><mi>A</mi><mi>α</mi></msub><mo>,</mo><msub><mi>A</mi><mi>β</mi></msub><mo>)</mo></mrow><mo>=</mo><msqrt><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msubsup><mi>x</mi><mi>αj</mi><mo>′</mo></msubsup><mo>-</mo><msubsup><mi>x</mi><mi>βj</mi><mo>′</mo></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt></mrow>]]></math><img file="FDA00001857439300011.GIF" wi="546" he="143" /></maths>步骤2.3:取步骤2.2得到的一组两两机器簇间距离值中最小值对应的两个机器簇C<sub>h</sub>和C<sub>l</sub>,在机器簇集合C中删除C<sub>h</sub>和C<sub>l</sub>,同时添加C<sub>m+t</sub>,C<sub>m+t</sub>=C<sub>h</sub>∪C<sub>l</sub>,并在聚类结果集合C′中添加C<sub>m+t</sub>,t表示步骤2.2~步骤2.3的循环次数;步骤2.4:循环进行步骤2.2~步骤2.3,当机器簇集合C中只有一个元素时,结束循环,进入步骤3;步骤3:基于步骤1得到的特征属性标准化矩阵FAM′,根据步骤2得到的聚类结果集合C′={C<sub>1</sub>,C<sub>2</sub>,…,C<sub>m</sub>,C<sub>m+1</sub>,…,C<sub>m+t</sub>},进行瓶颈簇识别:步骤3.1:采用TOPSIS法确定C<sub>m+t</sub>的下一级子簇C<sub>m+t‑1</sub>和C<sub>m+t‑2</sub>的簇中心c<sub>m+t‑1</sub>和c<sub>m+t‑2</sub>,所述簇中心指通过TOPSIS法求的子簇中评价值最高的成员;步骤3.2:采用TOPSIS法比较c<sub>m+t‑1</sub>和c<sub>m+t‑2</sub>,得到评价值高的子簇中心为较优子簇中心,较优子簇中心对应的子簇为C<sub>m+t</sub>的特征属性较优子簇;特征属性较优子簇为瓶颈簇;步骤4:基于步骤1得到的特征属性标准化矩阵FAM′,根据步骤3得到的瓶颈簇,进行主瓶颈簇识别:步骤4.1:以步骤3得到的瓶颈簇为第0阶主瓶颈簇PBC<sub>0</sub>;建立主瓶颈簇集合PBC={PBC<sub>0</sub>};步骤4.2:采用TOPSIS法确定第r阶主瓶颈簇PBC<sub>r</sub>的下一级子簇C<sub>α</sub>,C<sub>β</sub>的簇中心c<sub>α</sub>和c<sub>β</sub>;步骤4.3:采用TOPSIS法比较c<sub>α</sub>和c<sub>β</sub>,得到第r阶主瓶颈簇PBC<sub>r</sub>的特征属性较优子簇;第r阶主瓶颈簇PBC<sub>r</sub>的特征属性较优子簇为第r+1阶主瓶颈簇PBC<sub>r+1</sub>;将得到的第r+1阶主瓶颈簇PBC<sub>r+1</sub>添加进主瓶颈簇集合PBC;步骤4.4:循环步骤4.2~步骤4.3,当主瓶颈簇中的机器成员个数为1时,结束循环,得到主瓶颈簇集合PBC。 |