類神經網路應用於群組技術之機器分群及工件分族

A Neural Network Clustering Method for the Part-Machine

陳信嘉(Shin-Jia Chen)

指導教授 ： 鄭春生

元智大學/工程學院/工業工程與管理學系/碩士(1992年)

摘要

群組技術是藉由將製造程序相類似之機器加以劃分成機器群；並且將
各工件指派到各機器群以形成工件族，因此，可以簡化物料搬運成本，減
少設置的時間，以提昇製造系統的整體生產率。本文使用數種類神經網路
模式以解決群化問題，這些網路包括三種不同型態的自適應共振理論網
路 (CGNN, ART-1 及 ART-2) 及自組織映射網路。在使用類神經網路分群
時最大的問題在資料輸入的順序，因此，提出數種修正演算法，包括反轉
、重排及後處理，並以列外工件數及有效率為評估分群效益的指標。發現
以 CGNN 網路模式並配合此三種修正演算法能夠達到最佳的分群結果。最
後，與文獻所提之不同聚類分析方法進行比較，均能得到極佳的結果，並
以隨機抽取不同的排列順序之矩陣，証明本文所提之分群方法具有高度的
穩定性，不受輸入順序的影響。

關鍵字

類神經網路 ； 群組技術 ； 聚類分析

並列摘要

This research investigates the application of artificial neural
network techniques to the part-machine grouping problem in GT.
The neural network models considered in this research include
three variations of Adaptive Resonance Theory (Carpenter-
Grossberg''s Network, ART-1 and ART-2) and Self-Organizing MAP
(SOM). Several enhancements to the neural network are proposed.
Two performance measures, the number of exceptional parts and
grouping efficiency, which are frequently used in the
literature are used to compare the quality of solutions. An
extensive comparison shows that the proposed algorithm
outprforms existing techniques in terms of efficiency and
effectiveness.

並列關鍵字

Neural Networks ； Group Technology ； Clustering