کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6892482 1445448 2018 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Two-mode modularity clustering of parts and activities for cell formation problems
ترجمه فارسی عنوان
خوشه بندی مدولار دو حالت از قسمت ها و فعالیت ها برای مشکلات تشکیل سلول
کلمات کلیدی
ترجمه چکیده
تشکیل سلول در تولید سلولی یک گام مهم برای بهبود بهره وری با گروه بندی قطعات و ماشین آلات است. الگوریتم های جستجوی اکتشافی متعدد و چندین شاخص عملکردی در یافتن راه حل مناسب برای ساخت سلول ها استفاده شده است. هنوز هم یک مشکل چالش برانگیز برای پیدا کردن یک سلول خوب سلولی است که چندین معیار عملکرد را ارضا می کند. رویکردهای خوشه بندی به دنبال یافتن خوشه های خوب قطعات و ماشین آلات با توجه به اقدامات مشابه خود هستند. ما یک روش خوشه بندی مدولار دو حالت را با اقدامات مشابهی جدید برای قطعات و ماشین ها با استفاده از یک ماتریس مکمل بخشی پیشنهاد می کنیم. روش پیشنهادی هر دو بروز و انتقال را در میان قطعات و ماشین ها را بررسی می کند و می تواند تعداد مطلوب خوشه ها را پیدا کند. ما اثربخشی روش پیشنهادی با استفاده از مشکلات تشکیل سلول در مقایسه با چندین موجود را نشان می دهد. نتیجه نشان می دهد که روش پیشنهادی راه حل های تشکیل سلول خوب را از نظر چندین شاخص عملکردی تولید می کند. علاوه بر این، ما یک منطقه کاربرد کاربردی از روش پیشنهادی را در معدن فرایند نشان می دهیم، با استفاده از آن برای پیدا کردن خوشه های تفسیری از فرآیندها و فعالیت ها از داده های ورودی رویداد حقیقی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Cell formation in cellular manufacturing is a critical step to improving productivity by grouping parts and machines. Numerous heuristic search algorithms and several performance measures have been used in finding an effective cell formation solution. It is still a challenging task to find a good cell formation that satisfies several performance measures. Clustering approaches aim to find good clusters of parts and machines according to their own similarity measures. We propose a two-mode modularity clustering method with new similarity measures for parts and machines using an ordinal part-machine matrix. The proposed method considers both incidence and transition among parts and machines and can find an optimal number of clusters. We demonstrate the effectiveness of the proposed method using cell formation problems in comparison with a few existing ones. The result shows that the proposed method produces good cell formation solutions in terms of several performance measures. In addition, we show a possible application area of the proposed method in process mining, using it to find interpretable clusters of processes and activities from real-life event log data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Operations Research - Volume 100, December 2018, Pages 77-88
نویسندگان
, , , ,