Abstract Recent studies on modular and distributed manufacturing have introduced a new angle to the traditional economies of scale that claim that large plants exhibit better efficiencies and lower costs. A modular design has several advantages, including higher flexibility of decisions, lower investment costs, shorter time-to-market, and adaptability to market conditions. While design flexibility is a widely studied concept in the process design, modular design provides an interesting new opportunity to the design optimization problem under demand variability. In this work, a framework for modular design under demand variability is proposed. The framework consists of two steps. First, the feasible region for each module is represented analytically with the help of the historical data or the data from a simulation using a classification technique. In the second step, the optimal design choice is obtained by integrating the classifier models built in the first step as constraints in the design optimization problem. The design optimization problem is first solved considering a single objective, i.e., minimizing the total cost or maximizing the flexibility. These two objectives are then addressed simultaneously using a multiobjective optimization framework that considers the tradeoff between maximizing the flexibility of design and minimizing the cost. Computational studies conducted using a case study of an air separation plant, demonstrate the efficacy of the proposed framework. Several advantages of using a modular design, as well as data-driven methods in the decision-making process in the design step, are discussed.

中文翻译：

---

使用基于机器学习的灵活性分析的模块化设计优化

摘要 最近关于模块化和分布式制造的研究为传统的规模经济引入了一个新的视角，这些经济声称大型工厂表现出更高的效率和更低的成本。模块化设计具有多项优势，包括更高的决策灵活性、更低的投资成本、更短的上市时间以及对市场条件的适应性。虽然设计灵活性是工艺设计中广泛研究的概念，但模块化设计为需求可变性下的设计优化问题提供了一个有趣的新机会。在这项工作中，提出了需求可变性下的模块化设计框架。该框架由两个步骤组成。首先，在历史数据或使用分类技术的模拟数据的帮助下，分析地表示每个模块的可行区域。第二步，通过整合第一步建立的分类器模型作为设计优化问题中的约束，得到最优设计选择。设计优化问题首先考虑单一目标来解决，即最小化总成本或最大化灵活性。然后使用多目标优化框架同时解决这两个目标，该框架考虑了最大化设计灵活性和最小化成本之间的权衡。使用空分设备案​​例研究进行的计算研究证明了拟议框架的有效性。讨论了在设计步骤的决策过程中使用模块化设计以及数据驱动方法的几个优点。通过将第一步中建立的分类器模型作为设计优化问题中的约束进行整合，从而获得最佳设计选择。设计优化问题首先考虑单一目标来解决，即最小化总成本或最大化灵活性。然后使用多目标优化框架同时解决这两个目标，该框架考虑了最大化设计灵活性和最小化成本之间的权衡。使用空分设备案​​例研究进行的计算研究证明了拟议框架的有效性。讨论了在设计步骤的决策过程中使用模块化设计以及数据驱动方法的几个优点。通过将第一步中建立的分类器模型作为设计优化问题中的约束进行整合，从而获得最佳设计选择。设计优化问题首先考虑单一目标来解决，即最小化总成本或最大化灵活性。然后使用多目标优化框架同时解决这两个目标，该框架考虑了最大化设计灵活性和最小化成本之间的权衡。使用空分设备案​​例研究进行的计算研究证明了拟议框架的有效性。讨论了在设计步骤的决策过程中使用模块化设计以及数据驱动方法的几个优点。