This thesis develops a neural network-based algorithm which leads to a formation of machine cells and part families for group technology. A newly defined similarity coefficient is introduced. Then we formulate machine grouping problem from which machine cell can be found through the application of neural network model. Once machine cells are identified, an algorithm for part grouping is employed to find the associated part families. Computational experiences show that the neural network-based algorithm substantially better in terms of grouping efficiency and grouping efficacy compared to other existing algorithms.
본 연구에서는 집단 생산(group technology)에서 기계군(machine cells)과 부품군(part families)을 형성하기 위한, 신경망(neural network) 모형에 기초한 알고리즘을 개발하였다. 새로운 유사성 계수( similarity coefficient)를 정의한 후 기계군 형성 문제를 수식화하였다. 이 문제로부터 신경망 모형을 이용하여 기계군들을 발견하였다. 기계군들이 형성된 후 각 기계군과 연관되는 부품군들을 찾는 알고리즘이 제시되었다. 여러 예제를 통하여 실험한 결과, 신경망 모형에 기초한 알고리즘은 집단화 효율(grouping efficiency)과 집단화 효능(grouping efficacy) 의 측면에서 기존의 알고리즘들보다 좋은 결과를 나타내었다.
