Clustering as a Model and an Approach in Flexible Manufacturing

• Autorzy: Jan W. Owsiński

Warianty tytułu

Analiza skupień jako model i metoda w elastycznym planowaniu produkcji

• Języki publikacji: EN

Abstrakty

EN

The paper first presents the concept of application of the clustering-based approaches to the cell formation problem of flexible manufacturing. Then, it takes up further developments, involving more complicated models and more sophisticated methods. In view of the multiplicity and diversity of studies devoted to this problem only selected instances are shown, illustrating the path of development. The mainstream path leads through the efforts to solve the more intricate cell formation models by application of different algorithms, with a varying degree of success. Ultimately, the metaheuristies started to be applied, with, however, not much more success altogether than with the classical techniques. Generally, most methods work well for problems in which the data are "well-behaved" (clear-cut cells), while problems appear for data sets yielding solutions far from the "ideal" one(s). So, a case is presented of application of a clustering technique to a cell formation problem, showing the advantages of application of such methods. It is finally argued that, in a more general perspective, the return to such relatively simple clustering approaches may have deeper sense not just for the cell formation problem, but also in other instances. (fragment of text)

Artykuł dotyczy powstałej na początku lat siedemdziesiątych idei zastosowania analizy skupień do grupowania maszyn i operacji w elastycznym planowaniu produkcji. Pokazano dalszy rozwój tej idei, polegający na formułowaniu bardziej skomplikowanych modeli (definicje podobieństwa, funkcje jakości, ograniczenia organizacyjne) i stosowaniu bardziej wyrafinowanych metod. Ponieważ literatura przedmiotu jest bardzo obszerna, powołano się tylko na wybrane pozycje. Zasadniczy rozwój polegał na opracowywaniu nowych, zwykle coraz bardziej skomplikowanych modeli i odpowiadających im metod, których efektywność była w ogólności trudna do ocenienia. W końcu zaczęto odwoływać się do metaheurystyk, jakkolwiek również bez gwarancji sukcesu. Można tylko stwierdzić, że większość metod jest efektywna dla "porządnych" danych, implikujących separowalne grupy maszyn i/lub operacji, natomiast w większej lub mniejszej mierze zawodzi dla danych "trudnych". Pokazano również konkretny przykład zadania i zastosowania metody analizy skupień, podkreślając zalety takiego podejścia: (i) prostotę, (ii) szybkość, (iii) łatwość i naturalność interpretacji, (iv) możliwość kontrolowania przebiegu procedury, (v) możliwość otrzymywania rozwiązań alternatywnych. W zakończeniu postuluje się (ponowne) rozważenie szerszych korzyści z zastosowania prostych paradygmatów typu analizy skupień nie tylko w problemach elastycznego planowania produkcji, ale w innych istotnych dziedzinach nauki, takich jak statystyka czy sztuczna inteligencja. (abstrakt oryginalny)

Słowa kluczowe

EN

Production planning; Cluster analysis

PL

Planowanie produkcji; Analiza skupień

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2001
• Tom: 8
• Numer: nr 906 Klasyfikacja i analiza danych : teoria i zastosowania
• Strony: 168--179

Twórcy

autor

Jan W. Owsiński

Bibliografia

• Aghezzaf E.H., Artiba A., Moursli O., Tahon C. (1992): Hybrid Flowshop Problems, a Decomposition-Based Heuristic Approach. Typescript, FUCAM, Mons.
• Akturk M.S., Balkose H.O. (1996): Part-Machine Grouping Using a Multi- Objective Cluster Analysis. Int. J. Prod. Res., 34,8,2299-2315.
• Arizono I., Kato M., Yamamoto A., Ohta H. (1995): A New Stochastic Neural Network Model and its Application to Grouping Parts and Tools in Flexible Manufacturing Systems. Int. J. Prod. Res., 33, 6, 1535-1548.
• Askin R.G., Cresswell S.H., Goldberg J.B., Vakharia A.J. (1991): A Hamiltonian Path Approach to Reordering the Part Machine Matrix for Cellular Manufacturing. Int. J. Prod. Res., 29, 6,1081-1100.
• Bock H.H. (1994): Classification and Clustering: Problems for the Future. In: New Approaches in Classification and Data Analysis, E. Diday et al., eds. Springer, Berlin-Heidelberg, 3-24.
• Boctor F.F. (1991): A Linear Formulation of The Machine-Part Cell Formation Problem. Int. J. Prod. Res., 29,343-356.
• Boctor F.F. (1996): The Minimum-Cost Machine-Part Cell Formation Problem. Int. J. Prod. Res., 34,1045-1063.
• Burbridge J.L. (1971): Production Flow Analysis. Production Engineering, 4,139-152.
• Carrie A.S. (1973): Numerical Taxonomy Applied to Group Technology and Plant Layout. Int. J. Prod. Res., 11, 399-416.
• Cheng Ch.H., Kumar A., Motwani J. (1995): A Comparative Examination of Selected Cellular Manufacturing Clustering Algorithms. Int. J. of Operations & Prod. Mgmt., 15,12, 86-97.
• Crama Y., Oosten M. (1996): Models for Machine-Part Grouping in Cellular Manufacturing. Int. J. Prod. Res., 34, 6,1693-1713.
• Gindy N.N.Z., Ratchev T.M., Case K. (1995): Component Grouping for Group Technology Applications - a Fuzzy Clustering Approach with Validity Measure. Int. J. Prod. Res., 33, 9, 2493-2509.
• Gupta T., Seifoddmi H. (1990): Production Data Based Similarity Coefficient for Machine-Component Grouping Decisions in the Design of Cellular Manufacturing Systems. Int. J. Prod. Res., 28, 1247-1269.
• Kaparth S., Suresh N.C. (1992): Machine-Component Cell Formation in Group Technology: MACE. Int. J. Prod. Res., 30, 6, 1353-1367.
• Kulkarni U.R., Kiang M.Y. (1995): Dynamic Grouping of Parts in Flexible Manufacturing Systems - a Self-Organizing Neural Networks Approach. EJOR, 84,192-212.
• Kumar K.R., Kusiak A., Vannelli A. (1986): Grouping Parts and Components in Flexible Manufacturing Systems. EJOR, 24, 387-397.
• Kusiak A., Vannelli A., Kumar K.R. (1986): Clustering Analysis: Models and Algorithms. Control and Cybernetics, 15, 2,139-154.
• Kusiak A., Chung Y.K. (1991): GT/ART: Using Neural Network to Form Machine Cells. Manufacturing Review, 4,4,293-301.
• Laporte G., Lopes L., Soumis F. (1998): Optimal Sequencing Rules for Some Large-Scale Flexible Manufacturing Problems under the Manhattan and Chebychev Metrics. Int. J. Flex. Manuf. Syst., 10,27-42.
• Lee H., Garcia-Diaz A. (1993): A Network Flow Approach to Solve Clustering Problems in Group Technology. Int. J. Prod. Res., 31, 3, 603-612.
• McAuley J. (1972): Machine Grouping for Efficient Production. The Production Engineer, 51, 53-57.
• Mohamed Z.M., Kumar A., Motwani J. (1999): An Improved Part Grouping Model for Minimizing Makespan in FMS. EJOR, 116,171-182.
• Nair G.J.K., Narendran T.T. (1996): Grouping Index: a New Quantitative Criterion for Goodness of Block-Diagonal Forms in Group Technology. Int. J. Prod. Res., 34, 10, 2767-2782.
• Owsiński J.W. (1991): On a New Naturally Indexed Quick Clustering Method with Global Objective Function. Appl. Stoch. Models & Data Analysis, 6, 157-171.
• Saiful Islam K.M., Sarker B.R. (2000): A Similarity Coefficient Measure and Machine-Parts Grouping in Cellular Manufacturing Systems. Int. J. Prod. Res., 38, 3, 699-720.
• Sarker B.R., Khan M. (2000): A Comparison of Existing Grouping Efficiency Measures and a New Weighted Grouping Efficiency Measure. IIE Trans., 32 (in print at the time of this writing).
• Sarker B.R., Mondal S. (1999): Grouping Efficiency Measures in Cellular Manufacturing: a Survey and Critical Review. Int. J. Prod. Res., 37,2, 285-314.
• Shafer S.M., Meredith J.R., Marsh R.F. (1995): A Taxonomy for Alternative Equipment Groupings in Batch Environments. Omega, Int. J. Mgmt. Sci., 23,4, 361-376.
• Shafer S.M., Rogers D.F. (1993a): Similarity and Distance Measures for Cellular Manufacturing. Part I: A Survey. Int. J. Prod. Res., 31,5,1133-1142.
• Shafer S.M., Rogers D.F. (1993b): Similarity and Distance Measures for Cellular Manufacturing. Part II: An Extension and Comparison. Int. J. Prod. Res., 31, 6, 1315-1326.
• Stawowy A., Mazur Z., Obrzud J. (1996): Application of a Genetic Algorithm for Product Grouping (in Polish). In: A. Straszak, J. Joszczuk-Januszcwska. Z. Nahorski, eds., Optymalizacja w zagadnieniach kombinatoryjnych (BOS'95) Volume 1. PTBOiS, Gdynia, 185-193.
• Vanelli A., Ravi Kumar K. (1986): A Method for Finding Minimal Bottleneck Cells for Grouping Part-Machine Families, Int. J. Prod. Res., 2-1, 387-400.
• Veeramani D., Mani K. (1996): A Polynomial-Time Algorithm for Optimal Clustering in a Special Class Of {0-1} Matrices. Int. J. Prod. Res., 34, 9, 2587-2611.
• Viswanathan S. (1996): A New Approach for Solving the P-Median Problem in Group Technology. Int. J. Prod. Res., 34, 10, 2691-2700.