一个基于聚类分析发现方法1.pdfVIP

一个基于聚类分析的典型过程路径发现方法 Shunuan Liu Zhenming Zhang Xitian Tian 摘要：典型过程路径实是编制过程路径的一个样本。它是一类编制知识的过程。为了在编制数据库的 过程中从计算机半自动过程编制中（CAPP ）发现典型过程路径,在数据库中知识发现被应用.数据选择 过程,剔除过程和转换过程都被用于数据优化过程.聚类分析被采用于挖掘典型过程路径的运算法则.描 述此过程路径的数学模型通过数据矩阵建立.在过程路径的聚类中有三类相似性:操作间的相似性用基 于操作编码的的曼哈顿距离来度量;过程路径间相似性用欧氏距离来计算并表示成一个相异度矩阵;过 程路径串间的相似性由基于相异度矩阵的平均距离来估计．那么,过程路径串最后通过会凝聚的分等级 的聚类方法被合并.并且过程路径的聚类结果由过程路径的聚类粒度决定.这个方法已经被成功用来发 现某一类轴套的典型过程路径. 关键词:计算机半自动编制过程 典型过程路径 聚类分析 数据库里的知识发现 1． 引言 过程编制是把一个设计规范集转换成一个用来描述如何加工一个零件科技说明书集的任务。因 此，它是产品设计与制造间的基本连接。过程路径编制是编制科技说明的逻辑顺序的一个任务，考虑 诸如几何形状，技术必备，经济要素，生产力和实际生产环境的约束。从而过程路径编制依赖于过程 编制者拥有的知识和经验。过程知识是通过过程编制实践自身理解和经验的积累。它能帮助过程编制 者完成编制任务并避免重复智力劳动。并且，随着产品复杂程度的增加，过程复杂程度也增加。过程 知识的再使用变得越来越重要以确保过程编制的质量和有效性。制造型企业迫切地需要过程知识以使 他们自己适应市场竞争。 1960s,计算机半自动过程编制（CAPP ）开始被研究以减少过程编制者的劳动。已有大量在智能化CAPP 上的预先研究。人工智能技术诸如专家体系，基于推论的规则，神经网络，和黑板方法通常被应用。 不管什么被应用，知识在智能化的CAPP是不可缺少的。它已经成为CAPP 向智能化发展的一个瓶颈。 如何获得大量有效的知识是智能化CAPP和企业的关键。过程知识主要来源于指南和书本，相关 的数据，专家和科技文件。来自专家和科技文件的只是被深深的植入到个体，产品和公司的关系在[4] 中有描述。通常很难发现正确的到处方法。 现在，中国所有当前的CAPP系统有通过计算机逼近科技程序的功能。纸制的科技程序在大的制 造型企业中被电子表格代替。因为CAPP更深的应用，大量的过程数据被累积在企业的数据库中以至 编者者的职能和经验被隐藏了。过程数据库成为过程知识的新来源。此外，过程数据库有普遍数据结 构的有利条件。用这个方式来发现和构造过程知识是非常有利的，它可以被用于只能计算工具。 数据库中的知识发现是在数据库里挖掘知识的智能工具。它已经被应用于制造业，例如在制造业 数据中发现有用的和可理解的模式[5]，在设计和制造业的知识库中发现学问[6]。少数研究者努力把 它应用到过程知识的获得上。Gao Wei [7]讨论了帮助导向的过程知识库的组成和应用的KDD知识获得 方法。概要地引进几个可用的方法以自动获得过程知识。但并没有详细说明如何运用这些方法来获得 具体知识如在过程编制中的决定规则和典型过程编制实例的。数据库中的过程知识发现有很多优势。 它使维持，管理和扩展知识变得容易。而且，它能促进过程编制的标准化。这篇文章提出运用KDD在 过程数据库中获得典型过程路径的方法。基于聚类分析的典型过程路径发现被着重论述。 2 ． 典型过程路径发现理论 典型过程路径发现主要采用聚类分析把过程路径聚集成组。然后，同一组里的各零件的共同特征 通过分析这些部分的过程路径而被了解。最后，包含个部分特征的典型过程路径被存储到知识库中。 过程路径能够被查询和再使用通过匹配包含在典型过程路径中的特征。 2 ．1典型过程路径发现的步骤 典型过程路径发现被划在图1。最优化的过程路径应该根据过程类型，零件类型和过程路径长度 来大致分类。过程类型包括技工加工过程，装配过程和专门的过程等。零件类型包括轴套，轮盘，盒 子，包装等。它是根据零件外形的特征来分类的。过程路径长度是过程路径中操作的数目。它是不确 定的，用K表示，K ∈{正整数}，K可以定义为1≤K≤5，3≤K≤8，5≤K≤12，10≤K≤15等。然后，相 似的过程路径可以用凝聚的层次聚类方法挖掘。结果，过程路径数据被聚集成组。聚类分析包括五个 部分。第一，建立一个包含所有等