Execution of revised BMIM similarity coefficient for part family formation in reconfigurable manufacturing system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The reconfigurable manufacturing system (RMS) is an advanced manufacturing strategy that enables precise adjustment of functionality and capacity to meet fluctuating demands economically. RMS focuses on part families, allowing configurations to be adapted for new part requirements. Optimizing flow line design to produce various parts involves minimizing reconfigurations and associated costs by enhancing operation sequence similarity. This article proposes a novel sequence optimization using the Longest Common Subsequence (LCS) method to reduce bypassing moves and machine idle times. The study introduces a similarity coefficient derived from LCS and employs average linkage hierarchical clustering to categorize parts in a case study. Unlike traditional methods, this approach considers material movements both before the initial machine and after the final processing station, addressing gaps in bypassing move calculations. The impact of different weighting scenarios for Type-II moves (ω) and machine idleness (β) on clustering was examined. For example, with Type-II move weights (ω) of {1.0, 0.6, 0.3, 0.0} and equal weightings for bypassing moves (α) and machine idleness (β) set at 0.5, a threshold value of 0.3 results in eight clusters, such as Cluster 1 {1, 11, 10, 12} and Cluster 3 {3, 5, 6, 4, 15, 9, 13, 14, 7, 8}. Lower threshold values lead to fewer clusters with larger sizes, indicating a more consolidated part family grouping. Various Type-II move weights and material handling scenarios demonstrate how different weighting configurations affect clustering and part family sizes. This approach enhances RMS efficiency by integrating comprehensive material handling considerations and optimizing clustering based on operational similarities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle