Проведено сравнительное исследование методов образования клеток: Экспериментальные результаты по данным зависимости и качества решения

РЕЗЮМЕ

Большое количество методов для решения проблемы образования клеток возникла в последние годы. Однако мало усилий было потрачено на определении относительной эффективности процедур. Эта статья определяет четыре проблемных областей, для которых важным решения должны быть приняты в связи с сравнительное исследование: асимметрия между процедуры в отношении исходных данных, чувствительность к входным данным, способность методов образования клеток для создания различных решений, а также критерии для обеспечения приемлемой производительности ячейки . Опираясь на новые таксономии, что относит формировании клеточных технологий, основанных на необходимости ввода данных, а также новый подход к описанию и манипулирования магазин данным, этот документ показывает, как выбор в 4 областях выше, могут быть решены в рамках сравнительного исследования. Экспериментах выявить основные отношения между методы образования клеток, типы входных данных они используют, характеристики данных моделей дисков, а также в результате работы.

Предметные области: Сотовые промышленных технологий и процессов проектирования.

ВВЕДЕНИЕ

В контексте разработки сотовой системы производства, образования клеток (CF) ссылается на начальной деятельности, связанной с выявлением часть семей и машина группы [35]. После плодотворной работы в Бербидж [4] и Маколи [22], а также ускоренное использование клеток в промышленности, проблемы CF повелел широкую популярность среди исследователей. В результате, множество формировании клеточных технологий (CFTs) были предложены в литературе. Несмотря на обилие процедур, однако, усилия, направленные на оценку их относительной эффективности были минимальными. Одна из причин относительного дефицита сравнительного исследования могут быть комплексный характер проектирования экспериментов для проведения таких исследований [36]. Мы сосредоточены здесь, на четыре аспекта, для которых аналитик сталкивается с нетривиальных задач: (1) асимметрия модель данных, (2) чувствительности для проверки данных, (3) поколения нескольких решений, а также (4) определение приемлемых решений. Характер проблем, стоящих перед рамках каждой области объясняется ниже. Асимметрия модели входных данных. Для того, чтобы два метода для сравнения, тот же показатель эффективности должны быть применимы к обоим методам. Тем не менее, CFTs могут различаться по типу входных данных, используемых для диска типовые решения.

Чувствительность к тестовых данных. Сотовый формирования чувствительных к данным, которые используются для создания решений. Как следствие, обобщенным выводам относительно CFTs не могут быть сформулированы, если поведение в самых разнообразных наборов данных была исследована. Выбор данных для сравнительного исследования и финансированием терроризма, а также влияние исходных данных на модели поведения, те проблемы, которые они не получают достаточного внимания на сегодняшний день.

Генерация множество решений. Многие CFTs можно создать несколько решений, варьируя значения параметров остановки. Заявления в отношении качества решений в результате осуществления таких процедур, следовательно, не могут быть сделаны в отношении себя, но и процедуры должны сопровождаться ссылками на конкретные значения параметров. Проблема выбора остановки параметров является неотъемлемой частью исследовательского проекта в сравнительных исследований.

Приемлемых решений. Четвертый вопрос в разработке сравнительных экспериментов является то, что решения клеточной системы, как правило, содержат клетки, которые являются неприемлемыми. Например, ячейка, средний использования только S процентов не может считаться жизнеспособным. Таким образом, критерии того, что является приемлемым клетки должны быть уточнены до решения качества CFT определяется. В отличие от большинства сравнительных исследований, полагаться исключительно на агрегированных показателей системы клетки, это требует применения показателей работы отдельных клеток.

Целью данной работы является проведение сравнительного исследования CFTs, чтобы проиллюстрировать проблемы, и решения, принятые в каждой из четырех проблемных областей, перечисленных выше. В частности, исследование с участием CFTs сравнению с несимметричной ввода данных потребностей, использования случайно сгенерированных данных с использованием контролируемых функций, выбор остановки значений параметров CFTs и оперативного определения и проверки жизнеспособности клеток. Важные для понимания в отношениях между входными данными характеристиками, критерии образования клеток, клеточных структур системы и модели результате действия этих экспериментов.

В работе приступает новая схема классификации методов образования клеток на основе данных зависимостей. Эта таксономия используется для анализа предыдущих исследований, а также классифицировать методов, отобранных для настоящего исследования. Экспериментальных факторов, фактор уровнях, а также показатели, используемые в данном исследовании, то описанной, а затем на основе анализа численных результатов. В заключительном разделе кратко исследования.

КЛАССИФИКАЦИЯ МЕТОДОВ образования клеток

Предыдущие Таксономии

Перед сравнительное исследование проводится, необходимо понять, как кандидаты для исследования структурно отличаются друг от друга. Таксономии является средством для классификации существующих методов. Классификация схем CFTs были предложены, в частности, король и Nakornchai [20], и Waghodekar Sahu [32], Чу [11], а Wemmerlov и Хайер [35]. Эти таксономии сосредоточили все свои усилия на "решение методологии" или "решение подхода" в качестве основы для классификации. Тем не менее, методология, используемая для получения решения, не представляющих первостепенный интерес при сопоставлении CFTs на основании решения качества. Скорее, важные вопросы качества сами решения и в какой степени методы могут помочь в процессе формирования клеток. Таким образом, решение переменных методы включают в свои структуры модели и способы пользователь может управлять решения важнейших аспектов.

Такой подход приводит к рассмотрению целей и ограничений, используемых в моделях. Это, в свою очередь, напрямую связаны с типом входных данных CFTs могут воспользоваться так целей и ограничений можно рассматривать только тогда, когда соответствующий набор входных данных доступна. Поэтому мы предлагаем CFTs быть классифицированы в зависимости от типа данных, они должны вырабатывать решения, а не на решение методологий.

Новые таксономии, основанных на исходных данных Категории

Модель ввода данных, которые поддерживают учетом потребностей ячейки конструкция из пяти основных типов:

1. Часть машин требования типа данных (PMR), 2. Последовательность данных (SEQ), 3. Том данных (VOL), 4. Время обработки данных (PRT), и 5. Создание данных (ПСД).

ПМР данные представляют собой набор типов машин, необходимых для завершения каждой части, в то время посещения машины типа последовательность часть представлена данных SEQ. VOL данные свидетельствуют ожидаемые объемы производства (в части или партий за единицу времени). Наконец, PRT данные указывают на требуемой пропускной способности, например, запустить / время установки требования в части или партии, а CAP данные показывают, что продуктивное время в машине, а число доступных машин каждого типа.

Новый таксономии CFTs на основе пяти основных исходных данных перечисленных выше категорий был разработан с целью выделения функциональных возможностей между CFTs (хотя и не показал здесь, полный таксономии также включает в себя операции машина типа данных и данных о затратах, см. [34] для подробнее). Упрощенный вариант таксономии, состоящий из 5 основных классов, к которым могут принадлежать CFTs по ввода данных об использовании и возможность наложения ограничений на решения (чем выше класс, тем больше типов исходных данных считаются), показана на Таблица 1. Эта таксономия будет использоваться для классификации методов для настоящего исследования.

Систематическое Вид Предыдущая сравнительных исследований

В-класса сравнения. Король и Nakornchai [20], Чен и Милнер [8], а Miltenburg и Zhang [23] сравнить класса авторов я методы с другими методиками, из того же класса. Чу и Цай [13] тест три матрицы сортировки методами, также относящиеся к классу I. В этих сравнений, методы участие отсутствие возможности введения каких-либо ограничений на решение. Эффективность применяемых мер включают числе исключительных элементов, количество деталей (машин) в ячейку, число клетками, плотность диагональных блоков, энергия связи, или расстояние между элементами.

Ряд исследований сравнить решения, полученные из класса я алгоритмов, которые могут контролировать свои решения посредством ограничения. Чу и Ли [12] изучить 3 0-1 целочисленного программирования моделей для образования клеток. Эффективность мер, применяемых включать число клеток, подготовленную, количество / процент исключительных элементов, а максимальный размер ячейки. Маколи [22] приведено сравнение альтернативных решений, порожденных процедуры автора с использованием материалов, требования при обращении в качестве меры производительности. Tarsuslugil и Блур [29], Мосьер [24], а Vakharia и Wemmerlov [31] исследовать различные комбинации методов иерархической кластеризации в паре с коэффициентов сходства (в зависимости от индекса, методы относятся к первому сорту, или III). Оценки проводились на основе дублируется типов машин, сотовые плотности кластера характеристики, соответствующие меры, коэффициенты корреляции, и между ячейками транспорта. Наконец, в класс V, Selvam и Balasubramanian [28] оценить несколько решений порожденной собственной процедуры авторов с использованием суммы обработки материалов и простоев машин затрат времени.

Между класса сравнения. Некоторые исследования, расширить сферу сопоставления путем смешивания CFTs, принадлежащих к разным классам. Например, Ballakur и Steudel [3] сравнить методы от класса I и IV. Чтобы решить проблему несбалансированного ввода данных, авторы, по сути игнорируют ГВП / CAP / VOL данные для их метод IV класса при решении поколения. В том же духе, CFTs, основанные на кластеризации методы могут быть сделаны, чтобы принадлежать к разным классам, просто изменив меры подобия. Например, показатели по Мосьер [24] можно рассматривать как ПМР и ПМР / VOL / ГВП данных. Кроме того, метод, с помощью Vakharia и Wemmerlov [30] использует индексы либо опираясь на данные ПМР или SEQ данных (что ставит технику класса IV и V, соответственно).

Исследование Kandiller [19] является уникальным в том, что она простирается ниже методов класса в создании основы для сравнения. При сравнении CFTs 6, 5 от первого и один из класса IV, сорт методы дополняются, чтобы воспользоваться данным рабочей нагрузки. Сравнение, то на основе мер, которые могут быть реализованы оба ПМР и VOL / ГВП / CAP данных, таких, как меж-клеточного движения, внутренний плотность ячеек, нагрузки баланса и недостаточного использования.

Выводы из обзора литературы

Выше рассмотрение показывает, что большинство исследований связаны сорт техники. Второй вывод заключается в том, что методы, с точки зрения вводимых данных, как правило, связаны с тем же таксономического класса. Такое сравнение в рамках класса являются наименее хлопотный, поскольку нет данных асимметрии между CFTs и, следовательно, нет проблем, касающихся оценки эффективности. Тем не менее, между класса сравнения может быть более процентов. Высший класс методов, опираясь на несколько типов входных данных и с учетом более целей / препятствий, решать более сложные проблемы образования клеток и появляется больше шансов для создания решений, которые могут достичь целей, определенных пользователем. Иными словами, методы классов IV и V имеют высшее лицо или модели, чем методы действия в классах я или II [16]. Можно было бы предположить, что пользователь будет всегда предпочитают технику самого высокого класса. Такой выбор будет основан на предположении, что CFT с высшим лицом действия также создает решения более высокого качества. Это, однако, не является само собой разумеющимся и не был под следствием или обоснованными на сегодняшний день в литературе.

Чтобы уточнить, если проблема выбора среди доступных CFTs будет решен, утверждая, что высшей техники класса всегда предпочтительнее более низкий класс методов, все ниже методов класса будут устаревшими. Тем не менее, могут существовать ситуации, когда пользователь предпочитает более низкого класса техники (из-за доступности, простоты решения поколения и т.д.) для получения неполного решения (то есть, не все решения переменных, представляющих интерес для пользователя, включенных в модель структуры) , а затем использовать эвристические подходы (внешние по отношению к CFT), чтобы завершить решение (то, что более высокий класс техники сделает автоматически) [7] [20].

Сравнение методов различных классов, с потенциалом, включая все виды процедур, в ходе анализа, таким образом, представляет значительный интерес. Тем не менее, методам проведения расследований, относящихся к различным классам таксономических не является тривиальной. Настоящее исследование представляет собой один пример того, как такое сравнение может быть проведено. Помимо решения проблемы асимметрии данных, это исследование также свидетельствует выбор в трех других областях, необходимых для завершения опытно-конструкторских: наборов данных, несколько решений, а также оценки жизнеспособных клеток.

Опытно-конструкторское

Решение проблемы образования клеток, как известно, чувствительных к характеристикам ввода данных, используемых для их решения [31]. Таким образом, убедительных заявлений о выполнении CFTs должно основываться на наборы данных экспонирования различных характеристик. В этом исследовании, формировании клеточных технологий и магазин структур (на основе данных ПМР) представляют собой основные экспериментальных факторов. Оба эти фактора и связанных с ними факторов уровнях обсуждаются ниже, а затем описание показателей эффективности.

Методы образования клеток, включенных в исследование

Поскольку основной целью данного исследования является изучение методов с различными потребностями данных, а не провести всеобъемлющую оценку многочисленных CFTs предложил в литературе, только выборочный набор процедур, принадлежащих к разных таксономических классов сравниваются. Следующие доступны (хорошо документированы и программируемые) и довольно быстро (однозначного решения генерируются при низких вычислительных усилий) процедур включены (в отличие точить, методы были выбраны из верхних и нижних классов только).

Ядерный синтез (NS): Этот метод, с помощью Бербидж [5], представитель класса I, опирается на данные ПМР. Процедура решения систематических и хорошо документированы. Хотя часть машины "модулей" могут быть объединены для достижения заранее определенное количество типов машин на клетку, этот параметр не используется здесь. Так Н. С. строит клетки без рассмотрения любых метрик, ожидания в отношении своей деятельности не может быть реально сформулировать.

Кластерного анализа на основе Средняя Связь Method (ОВОС): алгоритмы кластеризации весьма доступным, поскольку их методологические основы хорошо известны. Иерархической кластеризации основе CFT может принимать различные формы в зависимости от индекса сходства и кластеризации используемого метода [31]. В этом исследовании, метод средней связи в сочетании с индексом Жаккара [1] [7]. Этот сорт метод использует данные ПМР и ограничения, наложенные на решения на основе пороговых значений. С HA зависит от маршрута сходство с частью семьи, ожидается, для создания клеток с высокой внутренней сплоченности.

Ballakur и Steudel (BS): Этот метод является представителем класса IV, а в дополнение к ПМР данных, использует PRT, CAP и VOL данных. Решение эвристических легко понять, доступных (см. схему алгоритмические в работе [3]), и вычислительно эффективным. BS активно опирается на данные об объеме работы и, таким образом, предполагается создать клеток с высокой способы использования компьютера. Vakharia и Wemmerlov (VW): Эта процедура класса V, который использует преимущества ПМР, VOL, PRT, CAP, и SEQ данных, использует машины sequencebased индекс сходства и кластерным методом, предназначенные для образования клеток. Эта процедура хорошо документированы и систематического схему подходит для программирования имеется [30]. С VW кластеров частей на основе последовательности сходство, это позволит выявить клетки с доминирующей модели течения. Вопросы, связанные с Сопоставляя эти четыре методы рассматриваются в разделе "Обеспечение сопоставимости," после показатели эффективности были введены.

Фактор Уровни методы образования клеток

Три из четырех CFTs рассчитывать на прекращение параметров для управления процессом образования клеток. HA и VW использовать сходство пороговых значений (ТВ), а BS использует "ячейки прием фактора" (CAF). В иерархической кластеризации, 2 объекты будут объединены, только если их сходство равняется или превышает пороговое значение [1]. Фактор ячейки прием гарантирует, что машина находиться в ячейке, только если его доля нагрузки, вытекающих из ячейки части равна или превышает CAF * полная машина нагрузки [3]. Поскольку различные решения будут созданы в зависимости от выбранного уровня соответствующего параметра остановки, параметр уровнях будет факторы в экспериментах. Каждая комбинация денег и финансированием терроризма, и значение параметра следует затем рассматривать как один единственное представление и финансированием терроризма.

Есть много возможных путей, в котором остановки параметры могут быть выбраны. В идеале, поиск следует осуществлять поиск, для каждого набора экспериментальных условиях, сочетание денег и финансированием терроризма и параметрах уровня, что оптимизирует производительность. Этот подход, однако, очень много времени в отношении проведения экспериментов и последующего анализа данных, особенно, когда несколько показатели деятельности участвуют. Другая возможность заключается в создании основы для сравнения опирается на "равные условия". Например, можно заранее определить число клеток, и только сравнить решения с заданной конфигурацией. Другие ограничения, которые могут быть наложены на сотовые решений для создания сопоставимости относятся, например, размером ячейки, ячейки сплоченность и допустимой дублирования машины. Каждый вариант является разумным, хотя никто не может утверждать, чтобы она однозначно правильно. В данном исследовании мы проиллюстрируем другой подход.

Решение структуры (например, числа и размеров клеток в растворах) очень похожи между CFTs если уровень соответствующего параметра остановка вне некоторой критической области. Если уровень находится ниже нижней точки (т. е. слияния критерий потерять), большинство деталей группируются в форме большой клетке. С другой стороны, если параметр уровень выше верхней точки (например, слияние жесткий критерий), большинство частей останется unclustered. В течение двух крайних точек (которые являются уникальными для каждого CFT), более дифференцированные решения создаются. На основе экспериментального исследования, HA, BS, и VW, три остановки на равном расстоянии значения параметров были выбраны в критическом диапазоне каждого метода, чтобы служить в качестве фактора уровнях. Таблица 2 показывает, как указанный параметр влияет на уровни распределения размера ячейки. Параметров были выбраны для создания различных решений, а не для обеспечения сравнения в одинаковых условиях. Таким образом, решения порожденных HA с N = 0,1 это не просто сопоставимы с Б. С. с CAF = 0,45, или на VW с ТВ = 0,25, но и решения, порожденная всеми другими комбинациями (а также для тех, Н. С.) . Магазин структур, включенных в исследование

Для того, чтобы назначить характеристики гипотетической магазин, экспериментальных факторов, которые влияют на магазин конфигурации должны быть определены. В ячейке исследований образования, основные данные, магазин часто изображали в двоичном части машины (ПМ) матричной форме, где каждая запись приобретает значение, равное нулю или единице. Miltenburg и Zhang [23] показали, что число частей и типов машин, а также г. матрицы плотности влияют качеству решения. Плотности отражает общую связь между частями и типов машин. Тем не менее, внутренняя форма матрицы могут различаться для любого уровня плотности и размера магазина. Таким образом, еще одним фактором является необходимой для полного описания части машины отношений.

де Беер, ван Gerwen и де Витте [15] классификации машин в зависимости от их наличия. Кроме того, Бербидж [6] использует классификацию типа машины схема, основанная на как наличие машины и количество частей, каждая машина типа может обработать. В этом исследовании, количество доступных машин каждого типа, не является ни заранее определенного и не ограничены. Таким образом, эти схемы классификации, не применимы. Однако они предполагают, что магазин конфигурация определяется количество деталей, которые требуют определенного типа машины, а также по числу типов машин, необходимых каждой стороны. На основе этой идеи, детали и машины типа классифицируются в данном исследовании в категории НИЦ следующим образом.

НИЦ Категории по частям

Простые (S) частей: деталей, требующих до 10 процентов имеющихся типов машин.

Intermediate (I) частей: деталей, требующих от 10 до 20 процентов типов машин для их обработки. Комплекс (C) частей: деталей, требующих от 20 до 30 процентов от стоимости всех типов машин. НИЦ категории для типов машин

Специальный (S) машины: Машина типа, необходимое для обработки не более чем на 10 процентов частей.

Промежуточные (1) машины: Машина типа требуется от 10 до 20 процентов части населения. Common (C) машины: Машина типа требуется от 20 до 30 процентов части населения.

Для иллюстрации: если размер машины населения составляет 100, частью которого маршрутизации содержит 12 типов машин называют "промежуточной части". Фракций деталей и типов машин связанных с каждой категорией НИЦ называются НИЦ пропорции (например, если размер части и машины типа население 100 и Есть 30 деталей, требующих между 1 и 10 типов машин для их обработки, НИЦ Доля в категории НИЦ "простых частей" на 30 процентов; или же, если из 15 типов машин каждой процессы где-то между 20 и 30 части, доля "общей машин" составляет 15 проц.)

Генератор магазин структуру, которая производит гипотетических наборов данных был использован для исследования [26]. Генератор создает части маршрутов (PMR данных) в пределах установленных параметров структуры магазин сформулированного выше. Кроме того, генератор производит VOL, PRT, CAP, и SEQ данных, например, спрос на запчасти, часть времени обработки, продуктивное время в машине типа и эксплуатации последовательностей (рабочая нагрузка и последовательность данных также может служить в качестве определяющих факторов магазин конфигурации, однако, они не были включены в качестве факторов, в данном эксперименте). Фактор Уровни Магазин Структура

Размер матрицы, матрица плотности, а пропорции НИЦ совместно определить распределение бинарной записи в г. матрицы. В настоящем исследовании, размер матрицы устанавливается на 100 частей и 50 типов машин. Это в соответствии с численностью населения, используемые в других недавних сравнительных исследований [19] [23]. В магазине размер фиксированных, плотность г. матрицы и НИЦ пропорции ключевых факторов, описывающих экспериментальные магазин структуры.

Обзор отрасли данных, представленных в литературе (см. [26]) показывает, что плотность матриц г. имеет тенденцию в диапазоне от 0,1 до 0,2. Таким образом, плотность 3 уровня, 0,1, 0,15 и 0,2, используемые в данном исследовании (те же уровни были использованы в работе [19] [23]). Когда магазин размер фиксирован, возможные области пропорций НИЦ зависит от плотности г. матрицы [26]. В допустимой области, однако, многочисленные альтернативные размеры НИЦ возможны. В этом исследовании часть 2 уровнях на "промежуточные" SIC категории рассматриваются как части и типов машин на каждом уровне плотности (доля S и C категорий определяются автоматически после того, доля я категория определяется, см. [ 26]). Сопряжение "высокий" и "низкого" уровня доля результатов в следующих четырех комбинаций магазин типа: Низкий / Низкий пропорции обеих частей и типов машин, принадлежащих к промежуточной (I) категории являются низкими. Таким образом, магазин содержит несколько промежуточных частей и типов машин.

Низкий / Высокий доля частей, принадлежащих к промежуточной категории низка, а доля типов машин в промежуточной категории высока. Таким образом, магазин содержит несколько промежуточных частей, но много промежуточных типов машин.

Высокое / низкое соотношение частей падения в промежуточной категории является высоким, а доля типов машин в промежуточной категории низком уровне. Таким образом, магазин содержит множество промежуточных частей, но несколько промежуточных типов машин.

Высокий / Высокие пропорции обеих частей и машины типа классифицируются как промежуточные высоки. Таким образом, магазин содержит множество промежуточных частей и типов машин.

Таблица 3 показывает уровни экспериментальный состав магазин фактор. Заметим, что матрица с низкой плотностью характеризуется обилием из простых частей и специальных машин, а высокая плотность матрицы показывает преобладание сложных деталей и общей техники. Таким образом, изменения в матрице плотности для данного магазина размера, вызванные изменениями в пропорциях частей и типов машин (от больших значений S в сторону больших значений C). Как следствие, разница в плотности, отражены в маршрутизации длины и степени, в которой машины обработки нескольких частей. Для магазина размера, используемые в исследовании и плотности уровне 0,1, среднее количество машин требует часть 5, а среднее число частей, обработанных за машина 10. Увеличение плотности до 0,2 сил и средняя длина маршрута, а среднее число частей обрабатывается машины в два раза.

4 магазина типов (LL, LH, HL и HH) создаются для каждого уровня плотности, варьируя НИЦ пропорции. Важно отметить, по причинам, указанным выше, эти показатели не могут оставаться прежними на различных уровнях плотности. Например, часть НИЦ пропорции для магазина МР типа с плотностью 0,1 являются (77.5:5:17.5), а при плотности уровне 0,2 они сменяются (25:10:65). Вместе с тем, как будет показано ниже, это относительные сдвиги в пропорциях, SIC (например, из более менее распространенных типов машин) в рамках каждого уровня плотности, а не их абсолютные значения, которые вызывают четыре вида магазина, имеют аналогичные влияние на производительность по плотности.

Показатели эффективности

Сотовый формирования начальной стадии процесса проектирования, конечной целью которого является создание наиболее эффективной оперативной клеток данного доступная сумма инвестиций, [35]. Поскольку такие меры, как время выполнения или перечень не применяются на данном этапе, прокси-сервер или суррогатные меры они опираются на оценку качеству решения. Существует, однако, нет консенсуса в литературе образования клеток в отношении производительности измерений. Это исследование использует метрики и подходов к оценке, имеющих отношение к производству операций, основанных на четырех важных аспектах дизайна: клеточная сплоченность, поток доминирования, использование и жизнеспособность клеток. Две категории мер используются. Индивидуальные меры ячейки сосредоточить внимание на характеристики, связанные с каждой ячейке в растворе. Совокупный меры системы оценки свойств общей сотовой системы.

Индивидуальные меры Сотовый

Средняя машина требования сходство (MRSIM): Эта мера оценивает степень использования машин общность между частями клетки. Для каждой пары р выделены ячейки, индекс сходства (Sr) определяется следующим образом. Пусть = число типов машин, предусмотренную в части, б = число типов машин, предусмотренную в части B, AB = число типов машин требуется как и B. Тогда

Первый термин указывает на сходство между этими двумя группами машина с точки зрения роль, тогда как второй член представляет сходство с точки зрения части B [30]. MRSIM для ячейки тогда определяется как среднее из всех попарных сходство значений индекса между частями в этой ячейке. Чем больше деталей в ячейке одни и те же типы машин (например, как мобильные сплоченность о чем свидетельствует увеличение MRSIM), улучшение структуры потока материалов возможны. Кроме того, машина типа распространены на меньшее число клеток, что может привести к сокращению дублирования машины и, соответственно, инвестиций в оборудование.

Средняя сходство машины последовательности (SEQSIM): Эта мера оценивает степень сходства между машиной последовательности следуют части в каждой ячейке. Формула для парных мера, как и для Sr [30]:

SEQSIM Тогда оказывается, как среднее значение всех попарных индексов Ss в каждой ячейке. Чем выше доля деталей в камере с аналогичной последовательности, тем больше вероятность того, машины могут быть изложены в форме блок-ориентированных клеток (с простым планирования и контроля). Таким образом, SEQSIM это суррогатные меры для упрощения потока материалов (в более прямой путь, чем MRSIM).

Средняя использования машин (AUTIL): Эта мера оценивает машина использования клеток. Использования является первым вычисляется для каждой машины и AUTIL затем найти как среднее из всех машин способы использования в камере. Машина использования влияет на решение о предварительном клетка имеет достаточную нагрузку, чтобы оправдать эксплуатацию, или же оно должно быть объединено с другими клетками.

Совокупная система Мера

Тип машины дублирования соотношение (MDR): МЛУ общее число машин, которые должны быть возложены на клетки для достижения полной независимости клетки, по сравнению с числом машин типа в машине населения (так, МЛУ есть нижняя граница 1,0). Для иллюстрации:

Часть населения = (A, B, C, D) и населения машина типа = (1,2,3,4,5,6,7) Маршруты: Часть A = (1,3,5), часть B = (1 , 3,4,7), часть C = (2,4,6,7), часть D = (1,5,6,7) конфигурации Часть семьи: Сотовый 1 = (A, B), Сотовые 2 = ( C, D) Тогда, за полную независимость ячейки, строки и 1 требует типов машин (1,3,4,5,7) и Cell 2 требуется машина типа (1,2,4,5,6,7). Таким образом,

МЛУ = (общее количество машин, необходимых для всех клеток) / (число типов машин в популяции) = (5 6) / 7 = 1,57.

Процент деталей в жизнеспособных клеток (PV): П. В. это процент часть прикрепленному населению жизнеспособных клеток. Ячейки определяется как "устойчивые", если она удовлетворяет заранее критерий приемлемости решения. Хотя П. представляет собой совокупность мер, которые представляет собой оценку всего решение системы клетки, он опирается на отдельные показатели деятельности (использование и подобия), введенные в предыдущем разделе. Для иллюстрации:

Часть населения = (A, B, C, D, E, F, G, H, I, J) конфигурации Часть семьи: Сотовый 1 = (A, B, C), Сотовые 2 = (D, E, F, G ), ячейка 3 = (H, I, J)

Средняя использования машин: Сотовый 1 = 0,5, Сотовые 2 = 0,45, Сотовые 3 = 0,37 критерием жизнеспособности клеток = Средняя использования машины (AUTIL) для ячейки должна быть равна или превышает 0,4.

Тогда, только в камерах 1 и 2 являются жизнеспособными. С 7 частей, выделяемых на эти две клетки и Есть 10 частей среди населения в целом, процент части в жизнеспособных клеток:

П. ^ югу autil = [(3 +4) / 10] 100 = 70.

Чем выше значение П., тем более успешным CFT был в преобразовании магазин сотовых конфигурации во время встречи минимальным ожиданиям дизайна, как это отражается критерием жизнеспособности клеток. Обеспечение сопоставимости

CFTs в настоящем исследовании, принадлежат к разным таксономических классов, что может ограничить степень сопоставимости. В частности, методы из класса I (т. е. С., HA), в отличие от классов IV и V (например, BS и VW), не используйте VOL / ГВП / CAP данных и не могут определить количество машин необходимо в каждой клетке для обработки установленного объема работы. В результате, эта мера AUTIL не доступен для целей оценки. В целях расширения сферы применимые меры по включению использования машин, Н. С. HA изменение методов для данного исследования. Неограниченный подход распределения машина будет принята, в которых машины относятся к семьям определены частично на основе неограниченного достижимые нагрузки машины и полной независимости клетки (этот подход был использован, поскольку оно уже включено в BS и VW). Эта модификация Н.С., HA процедур позволяет применить меру использования машин, оставив основные решения (часть состава семей и групп типа машины) без изменений.

Следует отметить в этой связи, что эта мера требует SEQSIM SEQ данных, тип данных используется только VW (табл. 1). Тем не менее, SEQSIM могут быть применены к решению всех четырех методов с единственным требованием является то, что часть семей были созданы (с или без использования данных о последовательностях). Таким образом, хотя SEQ данные используются для формы решения для VW, они, в случае Н.С., HA, Б. С. техники, рассматривается только извне, и после ячейки решения были найдены.

Анализ результатов

Общее число комбинаций факторов уровня в этом исследовании 3 (уровни плотности) х 4 (магазин уровнях типа) х 10 (клеточном уровнях, методика формирования), или 120. Пять повторений случайно сгенерированных данных магазина выполнена для каждого экспериментального сочетания, и все результаты представляют собой средние значения этих репликаций. Результаты 10 представлений CFTs (табл. 2), работающих на 12 магазин структур (табл. 3), проводилась следующим образом. Генеральный ячейки свойств решения, которые обеспечивают понимание поведения CFTs и основные факторы, определяющие качество решений, рассматриваются в первую очередь. Далее, качество решений оценивается опираясь на один меры одновременно. Такой анализ проводится с целью изучения взаимосвязи между производительностью и каждый тип входных данных. Наконец, сравнение распространяется на решение исследовать качество, когда несколько показатели деятельности одновременно применяются.

Совокупный (т. е. МЛУ и PV), а также отдельные меры клетки (т. е. MRSIM, SEQSIM и AUTIL) используются для анализа результатов. Первичного измерения эффективности, в какой степени CFTs выход жизнеспособных клеток. В дополнение к П. испытания, свойства одинаковых по размеру клеток, также оценены. Обоснование для такого рода сравнения основывается на сильной корреляции между размером клеток и производительности обнаружили в этом исследовании. Общие свойства клеточной системы

Размер ячейки. В этом исследовании, размер ячейки определяется как число частей, выделяемых на камеру. Количество клеток порожденных ФТ, а также размеры этих клеток, зависит от самой процедуры, плотность г. матрицы, а НИЦ пропорции. В общем, меньше ячеек производится при увеличении плотности. Это потому, что часть, как правило, больше маршрутов (нужно больше типов машин), и каждый тип машины процессы более частей, в качестве матрицы становится более плотной (см. выше описание в разделе "Фактор Уровни Магазин Структура"). В результате, матрица становится все труднее разлагаются в клетки. Кроме того, магазин типа МР и HL, независимо от уровня плотности, как правило, приводят к несколько меньше ячеек, чем LH и HH. Сравнение случаев МР против LH и HL против HH, соответственно, в рамках каждого уровня плотности показывает, что доля общего снижения машин для каждого такого сдвига, см. таблицу 3). В части пропорции остаются постоянными, эти сдвиги в пропорциях машина типа облегчения распутывания части кластеров и привести к более клеток. Сравнение магазин типа МР против HL или LH против HH, труднее сделать так как в этом участие, и машина пропорции меняются одновременно.

Меры, которые характеризуют отдельных клеток, таких, как MRSIM, AUTIL, SEQSIM, и количество выделенных типов машин, все напрямую зависит от размера ячейки. Как показано на рисунке 1, более крупные клетки состоят из нескольких типов машин и отображения выше способы использования машин, чем меньше клеток, а также выставка нижнего внутреннего сходства. С одной стороны, uncellularized магазин (размер ячейки 100 на рис 1) можно рассматривать как "ячейки магазин работу". Работа магазинов, характеризуются большим разнообразием типов машин, низкая маршрутизации сходство, и высокий коэффициент использования машины. Таким образом, в увеличении их размеров, клетки, как правило, чтобы показать характерные особенности работы магазинов. С другой стороны, когда клетки содержат только одну часть, как и MRSIM SEQSIM, по определению, 1,0. Single-часть клеток, однако, страдают от низкого использования машины. Таким образом, существует фундаментальный компромисс между меры в связи с размером ячейки (хотя 1 приведены сводные результаты, изменения в связи с CFTs, останавливаясь параметра уровнях, а также магазин структур не отрицают этого общий вывод).

Машина типа Тиражирование Ratio (MDR). Необходимости дублировать машины пропорциональна как (1) инвестиций, необходимых для достижения независимой клетки, и (2) степень связности между клетками (до машины дублирования). Если новые инвестиции оборудование считается неприемлемым, МЛУ таким образом, отражает степень, в которой клетки связаны между собой. Результаты в отношении МЛУ, усредненная плотность уровней и типов магазин, соответственно, приведены в таблице 4. В общем, МЛУ высокого значения (от 3,5 до 9,3). Иными словами, большое количество машин должен быть повторен, если все машины группы должны рассматриваться как самостоятельные единицы. Это свидетельствует о том, что она может быть желательно удалить нежизнеспособных клеток и объединить их в остальные ячейки. Это может значительно уменьшить степень дублирования машины (см. описание позднее в разделе "Multi-мерных (Multiple Мера) Анализ").

Независимо от того, ячейки порядок формирования, уровень плотности, или магазин типа, МЛУ увеличивается остановки уровнях параметра вопросы. Таким образом, в качестве критерия для объединения частей становится крепче, число клеток увеличивается, и, следовательно, более типов машин должны быть дублированы для достижения ячейки независимости. Таблица 4 показывает, что дальнейшее степени дублирования обостряется, как плотность г. матрицы увеличивается. Как отмечалось ранее, увеличение плотности уровней, связанных с больших размерах, так и сложных деталей машин общего, и, как результат, с меньшим количеством клеток по сравнению с ситуацией с низким уровнем плотности. Однако, несмотря на меньшее количество клеток образуются, среднее число типов машин, необходимых каждому часть семьи, и, таким образом MDR, возрастает, когда плотность идет вверх (см. "Фактор Уровни Магазин Структура"). В магазине типа также влияют дублирования станка. Для каждой остановки уровне параметров, Л.Л., HL случаи свидетельствуют о том нижней МЛУ отношения, чем LH и HH случаев (табл. 4). Парные сравнения этих случаях (например, переход от МР LH и от HL на HH, соответственно) указывают на сокращение степени общие машины в то время как часть пропорции остаются неизменными (табл. 3). Как уже упоминалось выше, это приводит к незначительному увеличению количества клеток.

В то же время, доля промежуточных машин резко обостряется, в результате чего связь между частями семей. Совокупный результат все большая необходимость для оборудования в несколько ячеек ..

Эти выводы весьма последовательной и не зависит от денег и финансированием терроризма или остановки уровне параметров участие. Вместе с тем было отмечено в "Фактор Уровни Магазин Структура", что масштабы плотности и НИЦ зависят, в том, что доля ПКИ возможные значения ограничены выбором плотности. Таким образом, совокупные результаты приведены в таблице 4, может скрыть эффекты взаимодействия между этими факторами. Чтобы проверить соответствует модели возникают в связи с магазина типов, независимо от уровня плотности, результаты были разбиты. Таблица 5, показывая некоторые частные результаты, указывает, что МЛУ является функцией плотность и магазин типа. Тем не менее, LH и HH случаях проявлять высокий уровень дублирования, чем Л.Л., HL случаях, независимо от плотности. Это подтверждает выводы, содержащиеся в таблице 4, рассмотренных выше.

Одномерные (Single Мера) Анализ

Анализа в этом разделе рассматриваются вклад входных данных активно используется CFTs на результат, показанный на каждой отдельной оценки результатов работы. Машина требование подобия (MRSIM). Результаты испытания на жизнеспособность MRSIM приведены в таблице 6. Четыре различных пороговых уровней (определение жизнеспособности клеток) применяются и в каждой клетке со значением MRSIM ниже пороговых уровней отклонения (снижение требований к сходство очевидно, приводит к увеличению доли населения часть возложенных на жизнеспособных клеток ). CFTs создания крупнейшей ячейки viabilities, когда их высокие уровни остановки параметра применяются (за счет высокой скорости дублируется машин, см. таблицу 4). Это потому, что клетки получают меньше, слияние критерием становится крепче, и, как показано на рисунке 1, мелкие клетки имеют более высокую внутреннюю сплоченность. Таким образом, только на уровне остановки параметр, который приводит к высоким жизнеспособности оценка для каждого метода включен в таблице 6 (например, N = 0,2 для HA, CAF = 0,55 для BS, и N = 0,35 для VW).

При увеличении плотности, меньше ячеек, содержащих более частей в среднем создаются. Можно было бы ожидать, П. В. значения уменьшение плотности, когда поднимается с больших клеток, как правило, имеют более низкие внутренние сходства, чем более мелкие ячейки (рис. 1). Таблица 6 подтверждает эту гипотезу для большинства случаев. Тем не менее, в таблице также указывается, что плотность, пороговых уровней, и CFTs взаимодействовать и что фотоэлектрические может, в самом деле, как увеличиваться, так и падение, когда плотность увеличивается. Распределение размеров ячейки, созданные каждой CFT вероятно, играет роль. Например, хотя в среднем увеличение размера ячейки при плотности растет, денег и финансированием терроризма может создать в узком диапазоне в основном средних клеток на более высоких уровнях плотности, но много мелких и несколько крупных клеток при более низких плотностей. В последнем случае, П. В. значения на низком уровне обрезания будет сравнительно выше на более высокие уровни концентрации по сравнению с более низкой плотности (например, см. в таблице 6: Н. обрезания на уровне = 0,25).

Внутри каждого уровня плотности, МР и типов HL магазин последовательно показывала более высокой П. значения, чем LH и HH магазинов. Опять же, поскольку бывшие магазины приведет к уменьшению количества клеток, чем вторая, более частей на ячейки в среднем, этот вывод может показаться, что идти против ожиданий (и агрегированные результаты, показанные на рис 1). Тем не менее, выводы, основанные на общее число клеток, созданных не всегда актуален, поскольку распределение размеров ячейки, и даже внутренние сходство клеток одинакового размера, отличается от типа магазина в магазин типа. Хотя Л. и типов HL магазин производить меньшее количество клеток, эти клетки более внутренне сплоченной, чем те, созданных в соответствии с LH / HH структур о чем свидетельствует низкий отношения MDR (табл. 4). Соответственно, их соответствующие значения П.В. будет больше.

С. явно доминируют другие методы и производит гораздо более низких показателей жизнеспособности. Из остальных методов, HA/0.2 превосходит другие в каждом предельный уровень, независимо от плотности и типа магазин. Различия в значениях П. весьма заметны, особенно при малой плотности и пороговых уровней являются высокими. Анализ может быть продлен путем противопоставления MRSIM значениями, полученными для клеток одного и того же размера. В результате, на основе сходства агрегированные по всем репликаций, магазин структур и, остановившись значения параметров, поддерживает предыдущие наблюдения (см. Таблицу 7). Таким образом, HA превосходит Н.С., BS, а также VW, когда эффект от размера ячейки удаляется, и, несомненно, является предпочтительным, если машина требования сходство является основным показателем производительности.

Средняя использования машин (AUTIL). Жизнеспособности результатов в отношении использования машин приведены в таблице 8. Как и прежде, остановки параметр уровня, которые привели к высокой П. значения были выбраны для каждого и финансированием терроризма. Следует отметить, что эти уровни по сравнению с обратной лучших параметров уровней MRSIM (например, низкие уровни остановки параметр сейчас выбрали: 0,1 для HA, 0,45 для BS, и 0,25 для VW). Это можно объяснить следующим образом. Как слияние критерием становится слабее CFTs генерировать меньше ячеек, каждая из которых большее число частей и типов машин (в частности, одна клетка имеет тенденцию к росту за счет других, см. таблицу 2). Большие клетки, как правило, проявляют высокую степень машины обмена (т. е. каждый прибор обслуживает многие части) и, следовательно, высокий коэффициент использования. Этот вывод подтверждает фундаментальный компромисс между требованиями машине сходство и использования показано на рисунке 1. Тем не менее, большое сходство требует относительно больших инвестиций в оборудование в то время как высокий коэффициент использования связано с относительно низкими уровнями машина дублирования (табл. 4).

Жизнеспособность клеток усиливается, как плотность возрастает, независимо от терроризма. Это потому, что общего объема введенных в отношении машин увеличивается на более высоких уровнях плотности (содержание труда в части пропорционально длине маршрута, а при увеличении плотности, каждая из которых требует более типов машин, который предоставляет их на более высокие нагрузки). Кроме того, магазины классифицируются как Л.Л., HL дисплей относительно высокие значения П., чем LH и HH магазинов. Это объясняется главным образом тем, что больше машин, дублируются в последнем случае (табл. 4), что приводит к разбавленным уровнем использования ресурсов.

BS/0.45, как правило, лучший исполнитель (BS это единственный метод, который рассматривает данные о рабочей нагрузке в процессе клеточного образования). Однако относительное преимущество по сравнению с другими методами не велика и для некоторых пороговый уровень комбинаций магазин типа другие методы лучше. Одной из причин может быть, что машина использование не непосредственно управляемой переменной в процедуре решения, но лишь косвенно преследовали за счет использования остановки параметра (CAF). Вторая причина заключается в том, что BS порождает множество клеток одной части (табл. 2). Так как эти, как правило, имеют низкий использование машины (рис. 1), общая производительность жизнеспособности ячейки негативное воздействие.

Таблица 9 наглядно показывает, что использование увеличивается с размером ячейки (опять же, каждая запись в среднем по всем репликаций, останавливаясь значений параметров, а также магазин структур). BS последовательно создает крупнейший среднем способы использования клеток и превосходит другие методы по всем размерам ячеек. С. создает низкий использовании ресурсов в то время как HA и VW создать клетки с промежуточными уровнями использования.

Машина последовательности сходство (SEQSIM). Жизнеспособность клеток статистика, основанная на последовательности сходство представлены в таблице 10. Как и прежде, остановки уровень параметра отображаются для каждого CFT является тот, который максимизирует эффективность. Доля деталей в жизнеспособных клеток, снижение матрицы увеличивает плотность (NS является исключением). Это свидетельствует о том, что она становится все труднее получить клетки, где части имеют аналогичные структуры потока маршрутов стало больше, и машина последовательности сложнее. Результате в отношении магазина типа не так недвусмысленное как и в предыдущих испытаний П. и, очевидно, пострадавших в результате предельный уровень. Однако, если исключить метод Н. С., которая ведет себя очень по-разному, чем другие процедуры, высокая П. значения, как правило, можно найти на МР и типы LH магазин. В этих случаях Есть, для каждого уровня плотности, относительно большее количество частей с коротким маршрутам. Последовательностей из простых частей, вероятно, содержащиеся в этих более длинных части, создавая таким образом часть семей с высоким сходством потока. Магазин типа HL приводит к низкой viabilities. Этот случай также низкой степени из простых частей, а также высокую степень общих типов машин для каждого уровня плотности (табл. 3). Это приводит к сравнительно меньшее количество ячеек, состоящий из частей с относительно больше маршрутов, по сравнению с другими типами магазин.

VW является единственной процедурой, которая активно использует машины последовательности (SEQ) данных. Тем не менее, ожидается преобладание этого метода по отношению к жизнеспособности происходит только на двух самых высоких уровнях плотности. Когда плотность 0,1, HA/0.2 опережает VW и другие методы, по вполне края. Это можно объяснить следующим образом. При малой плотности, часть населения содержит множество деталей краткое маршрутизации (табл. 3). Часть кластеров на основе таких маршрутов, как правило, имеют меньшие различия между SEQSIM и MRSIM, чем для кластеров, в том числе больше маршрутов. Таким образом, методика, как HA, что в этих условиях может генерировать клетки с высокой сходство машины требованиям, будут также производить клетки с высокой сходства последовательности. Тем не менее, доминирует VW/0.35 HA/0.2 с точки зрения SEQSIM, как получить больше маршрутов и машины последовательности становятся более влиятельными (т. е. при более высокой плотности). Высокой оценки жизнеспособности порожденных BS/0.55, когда предельный уровень находится на самом высоком уровне за счет генерации многих клеток одной части (табл. 2). Эти "клетки", по определению, есть SEQSIM в 1,0 и, таким образом, всегда принимаются. П. В. значения BS, однако, не существенно увеличить как пороговый уровень снижается.

Анализ дополнен путем размер ячейки стрелке сравнение отдыха на всех экспериментальных данных. Чтобы выделить влияние плотности, две отдельные таблицы, Таблица 11 (за низкой плотности) и Таблица 12 (за высокой плотности), представлены. Таблицы поддержки предыдущих выводов. При малой плотности, HA является лучшим исполнителем. При высоком уровне концентрации, однако, VW превосходит другие методы. Многомерные (Multiple Мера) Анализ

Сопоставления, связанные сингулярных мер показал, что методы вели себя по-разному в зависимости от выбранной мерой измерения производительности. Жизнеспособности ячейки в настоящее время определяется указанием приемлемых уровней производительности, когда меры MRSIM, AUTIL и SEQSIM совместно применяются. Два пороговых уровней, высокий (H) и низкого (L), связанные с каждой из этих мер, в результате чего 23 комбинаций. Выбрали пороговых уровней приведены в таблице 13. SEQSIM, по определению, не может принимать значения больше, чем MRSIM. Пороговых уровней для SEQSIM, следовательно, как правило, устанавливаются ниже, чем на MRSIM.

В общем, большие клетки, которые являются жизнеспособными с точки зрения AUTIL может быть нежизнеспособными в отношении MRSIM и SEQSIM (и наоборот, см. рисунок 1). В этом опыте, самый высокий viabilities ячейки были получены при высоком уровне остановки параметров для каждого CFT был применен (например, когда более мелкие ячейки доминируют). Лучшие П. значения приведены в таблице 14 (для экономии места, только результаты в пяти из восьми отключения комбинаций уровня показано на рисунке). В большинстве случаев причиной этого является сложная картина, где высокая жизнеспособность, для каждого CFT / пороговый уровень комбинации, определяется как плотность и магазин типа. Освобождение Н. С., которая постоянно доминировал, результаты CFTs находятся в пределах нескольких процентных пунктов, когда либо высокие (ННН) или низкая (LLL) пороговых уровней совместно применяются. Для других сценариев дизайн, относительные преимущества каждого метода, показано в предыдущем разделе, становится все более очевидным: (1) HA/0.2 показывает высокий П. ценностей в случае ЯВУ, то есть при высокой MRSIM желательно; (2 ) BS/0.55 показывает высокий П. ценностей в случае LHL, то есть, когда высокие AUTIL служит сдерживающим фактором, и (3) VW/0.35 экспонатов высокой П. ценностей в случае LLH, то есть при высокой SEQSIM является требуется ..

Поразительно, что все методы создания малых П.В., если все целесообразности ограничения являются наиболее расслабленной уровнях (например, случай LLL). Это означает, что степень, в которой часть населения может быть cellularized зависит от герметичности одновременно введенных ограничений. Как уже отмечалось, высокий П. значения были получены при остановке параметры были на самом высоком уровне. Таким образом, один способ увеличить степень cellularization, казалось бы продолжать деятельность по повышению значения параметров. Тем не менее, это приведет к меньшим и, наконец, одной части клетки. Рано или поздно покажет клеток неприемлемые способы использования, что приведет к общей величины П. идти вниз. Кроме того, более типов машин должны быть дублированы, как прекращение уровнях параметра поднял (табл. 4). Следовательно, оно не может быть экономически целесообразным увеличить остановки параметр превышает определенный уровень. Тем не менее, клетки, которые не выдержали испытания фотоэлектрических и были признаны нежизнеспособными могут быть объединены для формирования остальных клеток. Поскольку часть семей из нескольких клеток сгруппированы в настоящее время, это может существенно снизить требуемый уровень дублирования машины. Например, когда остальные клетки создаются для LLL случае в таблице 14, средняя доля дублируется типы машин сокращается на 42 процентов, когда плотность 0,1 и 56 процентов, когда плотность 0,2 ..

ВЫВОДЫ

Важные выводы из исследования можно резюмировать следующим образом.

Экспериментальный дизайн. Данное исследование включало четыре различных методов образования клеток, представляющих различные таксономические классы. Три из методов создания решений с использованием нескольких параметров остановки. Таким образом, три равномерно расположенных значения параметров были выбраны для каждой из этих процедур создания конкретных представлений с различными характеристиками решения.

Проблема асимметрии данных была решена путем расширения решений более низкого класса техники (опираясь на потенциал и объем данных, чтобы выделить машины для клеток), так что дополнительные меры, использования машин, могут быть применены. Кроме того, категории входных данных активно используется только один из методов, то есть последовательность данных, были использованы для поддержки внешней оценки эффективности, применимые ко всем методик. Данные наборы были созданы магазин генератор, который зависит от плотности, категории части и машины, и соотношение части и машины населения, принадлежащих к каждой категории для управления вводом данных характеристик. Оба агрегата и клеточной меры были применены. В частности, степень, в которой отдельные ячейки отображаются приемлемые характеристики измеряли с помощью концепции "жизнеспособных клеток" и решения клеточной системы оценивали по мере "процент деталей в жизнеспособных клеток."

Общие результаты, касающиеся ячейки образований. Рассматривая методы образования клеток, как группы, некоторые идеи в ячейку образования может быть указано. Во-первых, фундаментальные компромиссы существуют и в отношении производительности. В частности, машина типа дублирования (MDR), машина требования сходство (MRSIM), а также последовательности сходство (SEQSIM) представляют собой группу мер, результаты которых все отрицательную корреляцию с машиной использования (AUTIL). То есть, ни один метод лучше всего в отношении всех мер. Кроме того, в каждом из отдельных мер ячейки коррелирует с размером ячейки (измеряется как размер части семьи). Например, маленькие клетки, связанные с высоким сходством, но низким коэффициентом использования, и наоборот. Поскольку методы образования клеток производству высокообогащенного различных размеров клеток распределения (табл. 2), это объясняет, почему их производительность может отличаться также. Тем не менее, является прямым результатом выполнения компромисс в том, что проект преобразования ячейки, где ожидаемых результатов ограничивается снизу одновременно на нескольких введенных мер (например, сходство части и использование) может привести к низкой степени cellularization (т. е. только несколько приемлемых клетки могут быть получены из части / машина населения) ..

Второй основной вывод касается ввода данных характеристик. Было показано, что "матрица плотности" и "магазин типа" как повлиять на результаты и могут быть использованы дескрипторы магазин структуры (см. ниже). Часть / машина населения имеют характеристики, которые делают их более удобными для распадаются на хорошо функционирующих клеточных системах, чем другие. В частности, население с высокой плотностью, как правило, требуют более высокого уровня машина дублирования, приведет к более клеток с более активным использованием, но меньшее количество ячеек с приемлемой внутреннего сходства. Кроме того, население выставке относительно низкой степенью общности машины по маршрутам (например, магазин типа Низкий / Низкий и High / Low) последовательно дали самые благоприятные спектакли для одного мероприятия. Однако, когда несколько критериев жизнеспособности ячейки были введены эти четкой тенденции не сохраняются.

Результаты о сравнении методов образования клеток. В общей сложности 10 процедур были сопоставлены (9 из которых представлений прекращения parameterbased процедур). Подробные результаты отражают общий вывод говорилось выше, а именно процедуры оценки, что также по утилизации и дублирования при одном значении параметра остановки следует использовать другое значение параметра для повышения своей эффективности в отношении мер сходства (потому что каждый параметр уровня приводит к конкретным состав клеток). Кроме того, было установлено, что плотность и НИЦ пропорции могут влиять на относительную производительность и повлиять на рейтинг среди методов. Это свидетельствует о том, что образования клеток является весьма чувствительной проблемой данных, что затрудняет сравнительных исследований.

Результаты измерений по-мера исследования показали, что иерархической кластеризации (HA) лучше всего по отношению к машине сходство требований, Vakharia и Wemmerlov (VW) в отношении последовательности сходство и Ballakur и Steudel (BS) в отношении использования ( Ядерный синтез, Н. С., был значительно превосходят эти три методы, а не будет предметом дальнейшего обсуждения). В двух последних случаях процедуры активно и однозначно использовать тип входных данных, на которых показатели деятельности основывается. Судя по всему, то, что такие методы лучше приспособлены к форме клетки с заданными свойствами, чем те, которые игнорируют соответствующие данные. Связанных установлено, что более высокий класс техники, опираясь на несколько типов входных данных, чем ниже класс техники, может быть выше в отношении мер, основанных на данных типах он активно используя, но не обязательно лучше в отношении мер, основанных на другие виды обрабатываемых данных. Этот момент иллюстрируется многомерного жизнеспособности тестов, которые показали, что ни один из исследованных методов образования клеток доминирует других во всех средах. В самом деле, когда в равной степени жесткой и свободной ограничения были введены дизайн, все методы ведут себя более или менее то же ..

В заключение, главная цель данного исследования заключалась в изучении методов образования клеток с различными требованиями данных и для иллюстрации некоторых из проблем, связанных с обеспечением сопоставимости. Кроме того, общие закономерности между входными данными характеристик и результатов мер, представляют особый интерес. Новых методов таксономии образования клеток служили в качестве основы для экспериментов. Это был ограниченный сравнительное исследование с участием небольшой набор методов образования клеток. Дальнейшее продление срока не требуется, чтобы обогатить сферу данного исследования и закрепить общности своих выводов в отношении данных, зависимость, классовой принадлежности, модель действия, а также качеству решения. [В редакцию: 18 октября 1993. Принято: 21 июля 1995.]

Ссылки

[1] Андерберг, MR Кластерный анализ для приложений. Нью-Йорк: Academic Press, 1973.

[2] Аскин Р.,

[3] Ballakur А.,

[4] Бербидж, J. Производство анализ потока. Технолог, 1971, 50 (4 / 5), 139-152.

[5] Бербидж, J. ручной способ производства анализа потока. Технолог, 1977, 56 (10), 34-38.

[6] Бербидж, J. Производство анализ движения за планирование группы технологий. Oxford: Clarendon Press, 1989.

[7) Керри, А. Численное таксономии применительно к технологиям, а также схема установки. Международный журнал по производству исследований, 1973, 11 (4), 399-416.

[8] Чен, H.M.,

[9] Chandrasekharan, M.P,

[10] Choobineh, Ф. основы для разработки систем сотовой производства.

Международный журнал по производству исследований, 1988, 26 (7), 1161-1172.

[11] Чу, К. Кластерный анализ в производстве сотовых образования. OMEGA, 1989, 17 (3), 289-295.

[12] Чу, C.,

[13) Чу, C.,

[14] Co, H.,

[15] де Беер, C., ван Gerwen Р.,

[16] Гасс, С. И. Принятие пособничество модели: проверка, оценка и смежных вопросов для анализа политики. Исследование операций, 1983, 31 (4), 603-631.

[17] Gunasingh, K.R.,

[18] Harhalakis Г. Наги, Р.,

[19] Kandiller, Л. сравнительное исследование формирования клеточной в клеточных системах производства. Международный журнал по производству исследований, 1994, 32 (10), 2395-2429.

[20] Король, J.,

[21] Kusiak, А. обобщенное понятие Technology Group. Международный журнал по производству исследований, 1987, 25 (4), 561-569.

[22] Маколи, J. Машина группа для эффективного производства. Технолог, 1972, 51 (2), 53-57.

[23] Miltenburg, J.,

[24] Мосьер, К. эксперимента исследования применения кластеризации процедур и коэффициентов сходства в камеру GT проблемы образования машине. Международный журнал по производству исследований, 1989, 27 (10), 1811-1835.

[25] Мосьер, C.,

[26] Парк Ю.,

[27] Раджагопалан Р.,

[28] Selvam, ответ оплачен,

[29] Tarsuslugil, М.,

[30] Vakharia А.,

[31] Vakharia А.,

[32] Waghodekar П.,

[33] Вэй, J.,

[34] Wemmerlov, У. таксономии методов образования клеток на основе исходных данных требований. Working Paper, Высшая школа бизнеса, Университет Висконсин-Мэдисон, 1995.

[35] Wemmerlov, U.,

[36] Wemmerlov, U.,

[37] У, палата лордов, Венугопал Р.,

Ен Парк является главой индустриально-инновационного отдела научных исследований в области науки и технической политики института (СТЕПИ) / Корейский институт науки и технологии (KIST), Сеул, Корея. Кроме того, он является членом наблюдательного комитета национальной R

Он имеет закладная в промышленном строительстве в Сеульском национальном университете, а также MS и доктора наук В операции по управлению в Университете WisconsinMadison. В настоящее время его исследования направлены на стратегию распространения передовых технологий производства и международных сопоставлений технологических систем управления в частных компаниях.

Городские Wemmerlov является Кресс Висконсин семьи, почетный профессор производительности и качества в Школе Бизнеса Университета WisconsinMadison. Он является директором Центра Эдман для производства и управления технологиями и копий комплексного степень мастера в этом же районе. Кроме того, он занимает должность помощника директора по инженерно Программа Производство систем (Инженерного колледжа). Он имеет закладная в сфере бизнеса, магистр естественных наук в машиностроении, доктора в области управления производством (все из Университета Лунда, Швеция), а также MS в исследовании операций (Университет CaliforniaBerkeley). Он является ассоциированным редактором журнала операционного менеджмента и области редактора для производства и оперативного управления. В настоящее время его научно-исследовательских проектов включают исследование реализации сотовых производство и сосредоточены заводы.