考虑替代性的SOM神经网络卷烟配方模块分类方法研究

为了提高模块替代决策效率和整个卷烟制造系统柔性与生产效率,提出了一种基于替代度的SOM神经网络模型对卷烟配方模块进行分类,并与历史替代统计结果进行比对。结果表明,替代度能较好地衡量模块间的替代程度,替代度越大,每个类别中的各项质量指标一致性越强,模块质量越相似,越推荐进行相互替代;在以不同替代度标准取值对卷烟配方模块进行分类时,替代度标准值越大,分类越细,选择替代度标准值为3.06作为卷烟配方模块强替代性的标准进行分类时是最合适的,此时每个类别中卷烟配方模块质量具有较高的相似性。基于替代度的SOM神经网络分类结果显示,发生类内替代的比例明显优于一般SOM神经网络算法、两阶段聚类算法和K-means聚类算法,当替代度标准值为3.06时,类内相互替代率可达95.39%,而类间替代率不足5.00%,相同类别模块替代率良好。