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

摘要

本发明提出了一种新的基于聚类思想及多属性决策理论的作业车间瓶颈簇识别方法。第一，将调度优化方案作为瓶颈识别的输入，确定识别瓶颈的机器特征属性，根据调度优化结果计算机器的特征属性值。第二，采用层次聚类法，基于机器的特征属性挖掘机器的相似性，获得不同距离下机器的聚类簇及其父子关系树状结构图。第三，确定最终聚类簇两个子簇的簇中心，基于TOPSIS法比较簇中心的属性值，确定出包含少数机器成员的瓶颈簇。第四，对瓶颈簇的子簇依次进行比较，逐步获得不同阶次的主瓶颈簇。实施例表明，本发明能解决现有方法不能解决的多瓶颈识别问题。

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＝{{B11,…,Bv1,…,Be1;C11,…,Cv1,…,Ce1;Z11,…,Zv1,…,Ze1},…,{B1i,…,Bvi,…,Bei;Cli,…,Cvi,…,Cei;Zli,…,Zvi,…,Zei},…,{B1m,…,Bvm,…,Bem;Clm,…,Cvm,…,Cem;Zlm,…,Zvm,…,Zem}}其中，Bvi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，Cvi表示第v个工件在第i台机器上的加工完成时间，Zvi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＝{X1,X2,...,Xj,...,Xn}，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＝(xij)m×n，xij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′ij)m×n；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Ck＝{Ak}，Ck表示第k个机器簇，Ak表示第k台机器，k＝1,…,m；建立机器簇集合C＝{C1,C2,…,Cm}和聚类结果集合C′＝{C1,C2,…,Cm}；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Dsl(Cp,Cq)，Cp，Cq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：Dsl(Cp,Cq)＝min{d(Aα,Aβ)|Aα∈Cp,Aβ∈Cq}其中，d(Aα,Aβ)表示机器Aα与机器Aβ之间的欧式距离： d ( A α , A β ) = Σ j = 1 n ( x αj ′ - x βj ′ ) 2 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Ch和Cl，在机器簇集合C中删除Ch和Cl，同时添加Cm+t，Cm+t＝Ch∪Cl，并在聚类 结果集合C′中添加Cm+t，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′＝{C1,C2,…,Cm,Cm+1,…,Cm+t}，进行瓶颈簇识别：步骤3.1：采用TOPSIS法确定Cm+t的下一级子簇Cm+t‑1和Cm+t‑2的簇中心cm+t‑1和cm+t‑2，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cm+t‑1和cm+t‑2，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Cm+t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PBC0；建立主瓶颈簇集合PBC＝{PBC0}；步骤4.2：采用TOPSIS法确定第r阶主瓶颈簇PBCr的下一级子簇Cα，Cβ的簇中心cα和cβ；步骤4.3：采用TOPSIS法比较cα和cβ，得到第r阶主瓶颈簇PBCr的特征属性较优子簇；第r阶主瓶颈簇PBCr的特征属性较优子簇为第r+1阶主瓶颈簇PBCr+1；将得到的第r+1阶主瓶颈簇PBCr+1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。