我和我的同事（都是机械工程师）喜欢学习python并解决新的有趣问题。
我们的问题：我们要分析组件的价值流（> 50.000），并根据它们的价值流的相似性对其进行分组。
举个例子-假设我们有三种材料A，B和C，其数据如下：
A = [610384，521056，112200，194825633，45]
B = [10389，462，1028503]
C = [10389，462，1028503，112200，45，194825633]
每个数组代表一个值流，每个元素代表值流中的一台机器。例如，必须运行5台以上的机器才能生产。 “ 610384”是值流中第一台计算机的编号。如您所见，A和B与C相似，因为B是C的100％子流，但是A包含3台相同的机器，但顺序不同。
约束：
数字根本没有意义->不能根据大小或其他任何东西进行比较
数组也有不同的长度，元素
数组可以包含子数组，也可以以不同顺序排列，等等。一切皆有可能（我们正在处理数据集）。
我们可以在从上到下的4个等级上评分：技术，过程描述，过程描述详细信息，机器编号->含义：机器编号10389和462根本不相等，但是两台机器都习惯于“钻洞。因此，级别2（过程描述）将相等。因此，我们可以使用它来给它们评分不等于100％或0％，但是可以在此机器上给它们30％的相似度（不是整个价值流！）。
4个级别的示例：手动钻孔（1）->钻孔（2）-> 90度钻孔（3）->机器编号462（4）
问题：
我们应该如何评价每个价值流之间的相互关系？考虑到不同的长度等]]
我们如何以有用的方式对给定的评级进行聚类？
我们应该使用合适的算法吗？我们需要自己定义规则吗？如果是这样，您可以推荐阅读吗？
[我们的目标：
将相似的价值流组合在一起，因此我们可以看到价值流的高速路，并查看是否应该移动机器。PS：这是Reddit r / analytics的调整后转贴
我和我的同事（都是机械工程师）喜欢学习python并解决新的有趣问题。我们的问题：我们要分析组件的价值流（> 50.000）并将它们分组...
这可能是我的部分解决方案，