具体实施方式
下面,根据附图说明可以应用本发明的实施方式。
<第1实施方式>
图1是表示包含与本实施方式相关的配合计划生成装置的系统的结构实例的图。如图1所示,配合计划生成装置100在生成配合计划时,由操作员设定、或者从生产过程计算机(工艺电脑)105或业务计算机(业务电脑)106调入为了拟定配合计划所必需的计划生成期间、包含配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性(性质(包含品质)、状态等)、费用信息(配合原材料的购买费用信息等)在内的制约条件、前提条件的数据。例如,也可以事先指定配合计划的一部分。
配合计划生成装置100是通过执行模拟而生成将多种(多个品牌)的配合原材料混合起来的混合计划的装置,其以满足配合原材料的供求平衡制约、混合后的特性制约的方式生成配合计划。在配合计划生成装置100中,使用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法,构建用于表达配合原材料的供求平衡制约的数学模型(也称为“供求平衡模型”)及用于表达混合后的特性制约的数学模型(也称为“特性模型”),以图实现配合计划的最佳化;其详情将在后面进行叙述。
显示部103显示出由配合计划生成装置100求得的各品牌的使用量(配合比例)、进货量、库存变化图表、各种帐票。
操作员通过操作员评价部104对所求得的配合计划从各个方面(例如库存变化、特性等)进行评价,如果不是令人满意的结果,就根据需要对配合比例等进行修正。此时,根据需要改变目的函数的权重或评价指标,或者改变构建数学模型的对象期间、计划确定期间。另外,采用了可以反映操作员的意愿的方式,例如将全部处理的使用量固定下来,或仅将所指定的处理的使用量固定下来。继而,由配合计划生成装置100再次重新生成配合计划。
图2是表示与本实施方式相关的配合计划生成装置100的基本结构的框图。如图2所示,配合计划生成装置100包含模拟器(库存变化模拟器201、特性模拟器202)、模型构建部(供求平衡模型构建部203、特性模型构建部204)、发挥最佳化计算单元功能的计划部205而构成,并且还具有输入输出部。
库存变化模拟器201是用于计算各配合原材料的供求状态(库存变化) 的模拟器。特性模拟器202是用于计算配合原材料混合之后的特性的模拟器。库存变化模拟器201、特性模拟器202彼此联动,计算出配合原材料的库存变化、混合后的特性。
在本实施方式中,基于为了拟定配合计划所必需的计划生成期间、配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性、费用信息等输入数据206,以从配合计划的筹划开始日期时间起的预先设定的最佳化期间量为对象,基于预先设定的时间精度,使用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法等,由供求平衡模型构建部203构建用于供求平衡制约(库存制约)的数学模型,由特性模型构建部204构建用于表达特性制约的数学模型。
使用由供求平衡模型构建部203、特性模型构建部204构建的数学模型,由计划部205进行最佳化计算,计算出针对库存变化模拟器201、特性模拟器202的计算指示,以便生成既不会用尽库存、又满足特性、并且使费用达到最小化的配合计划。接收到该计算指示后,库存变化模拟器201对库存变化进行模拟,特性模拟器202对特性进行模拟。
根据与本实施方式相关的配合计划生成装置,不是像过去那样基于预先决定的规则发出计算指示,而是将基于计划部205进行最佳化计算的结果得到的计算指示输出到库存变化模拟器201、特性模拟器202,因此,能够可靠地发出与当时的情况相对应的最佳化计算指示。
另外,例如如图7所示,在利用库存变化模拟器201、特性模拟器202对预先设定的计划确定时段进行模拟结束后,基于计划确定时段的最终状态下的库存变化、特性信息,由供求平衡模型构建部203构建出表达库存制约的数学模型,由特性模型构建部204构建出表达特性制约的数学模型,提供给计划部205。一旦获得了该库存变化、特性信息,计划部205就执行最佳化计算。
如上所述,通过模拟器(库存变化模拟器201、特性模拟器202)和模型构建部(供求平衡模型构建部203、特性模型构建部204)及计划部205联动执行详细模拟,能够生成最佳化配合计划。即,在本实施方式中执行的模拟不是像过去那样基于预定规则进行模拟,而是基于最佳化计算的结果进行模拟,因此,只要执行1次模拟,就能够可靠地获得理论上的最优 解。由此,无需像过去那样多次重复执行模拟和模拟结果的评价,能够快速并高精度地生成模拟结果207。因此,即使需要生成配合计划的对象规模很大,也能够在可实用的时间内完成。
另外,一旦计划生成期间延长,考虑期间就会延长,现有方法中存在着因问题规模增大而导致不可求解的问题;而利用本发明的方法,将计划生成期间划分为最佳化期间,由此能够缩小问题规模,因此,即使计划生成期间延长,也可以解决问题。将按照上述方式得到的模拟结果207作为配合计划输出。
另外,即使在由供求平衡模型构建部203、特性模型构建部204构建的模型的规模非常大的情况下、或者制约条件非常多的复杂情况下,采用从库存变化模拟器201、特性模拟器202所记载的供求平衡制约、特性制约之中仅提取对生成配合计划影响大的重要部分输入到供求平衡模型构建部203、特性模型构建部204的方式,就能够使供求平衡模型构建部203、特性模型构建部204的数学模型的规模限制在适当的范围内,在可实用的时间内完成最佳化计算。库存变化模拟器201、特性模拟器202能够记载所有的应加以考虑的供求平衡制约、特性制约,因此,通过执行1次模拟而生成的配合计划可以保证是现实可行的。
如上所述,在本实施方式中采用了使模拟器(库存变化模拟器201、特性模拟器202)和模型构建部(供求平衡模型构建部203、特性模型构建部204)及计划部205联动生成配合计划的方式,因此,(1)无需重复执行模拟就能够生成配合计划;(2)通过采用仅将对配合计划的生成影响较大的重要部分调入计划部205的方式,能够缩短计算时间;同时,(3)可以解决大规模问题。
下面,参照图3~图7更详细地说明与本实施方式相关的配合计划生成装置100的结构及使用该装置100执行的配合计划生成方法的各步骤。图3是针对使用图2所说明的配合计划生成装置100的基本结构,表示出配合计划生成装置100的详细结构的图。另外,图4是表示使用该装置100执行的配合计划生成方法的各步骤的流程图。
图5中示出了与本实施方式相关的配合计划生成装置的一个实施对象即原材料配合的概要图。使用图5说明用于生成对配合原材料进行混合、 使混合后的原材料满足所要求的特性的配合计划的情形。不过,这仅是一个实施例,与本实施方式相关的配合计划生成装置在生成将多种配合原材料进行混合后满足所要求的特性并且费用最小化的配合计划时都可以使用,而且特别有效。
与本实施方式相关的配合计划生成装置必须满足供求平衡制约。这意味着,各品牌的配合原材料的日常使用量的合计必须小于进货量和初始库存量之和。另外,在混合后的原材料中,各种特性必须处于预先设定的阈值范围内。进而,在配合计划中,首先第一位的是以配合原材料的购买费用达到最小化为目的。
(1)输入数据的调入(图3的输入数据调入部301、图4的步骤S401)
在线读入本处理必需的信息(配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性、费用信息等),由操作员根据需要加以修正。
以上说明的输入数据调入部301及步骤S401是本发明中所谓的数据调入单元及其所执行的处理的实例。
(2)配合计划生成期间的设定(图3的计划生成期间设定部302、图4的步骤S402)
设定需要生成配合计划的期间。假设该生成期间可以根据计划制定者的需要而设定为任意期间。这里,作为一个实例,生成10天量的计划。
(3)配合计划生成时间精度的设定(图3的时间精度设定部303、图4的步骤S403)
设定生成配合计划的时间精度以及模拟精度。假设该时间精度以及模拟精度可以根据计划制定者的需要而分别单独设定为任意精度。例如,在需要细微的计划精度的计划生成期间的前半部分,使精度细化,而在粗略计划即可满足需要的计划生成期间的后半部分,采用粗略精度,由此可以在短时间内高效地生成具有足够精度的计划。
(4)最佳化期间的设定(图3的最佳化期间设定部304、图4的步骤S404)
设定生成配合计划的最佳化期间。假设该最佳化期间可以根据计划制定者的需要而分别单独设定为任意的对象期间。这里,作为一个实例,假 设在计划生成期间内,最佳化期间为3天。
(5)计划确定期间的设定(图3的计划确定期间设定部305、图4的步骤S405)
设定用于确定配合计划的计划确定期间。假设该计划确定期间可以根据计划制定者的需要而分别单独设定为任意的期间。例如,在需要细微的计划精度的计划生成期间的前半部分,缩短计划确定期间,而在粗略计划即可满足需要的计划生成期间的后半部分,则延长计划确定期间,由此可以在短时间内高效地生成具有足够精度的计划。这里,作为一个实例,将计划确定期间设定为1天。在这种情况下,针对基于数学模型的解进行模拟的结果得到的配合计划,在计划生成期间内确定最初的1天的量。
(6)将配合计划的供求平衡制约定型为数学模型(图3的供求平衡模型构建部306(相当于图2的供求平衡模型构建部203)、图4的步骤S406)
基于由输入数据调入部301调入的全部或一部分数据,以设定为所设定的最佳化期间量的时间精度,将供求平衡制约定型为数学模型。按照下述(式1)所示的方式定义表达各品牌的使用量的变量。按照下述(式2)所示的方式定义表达品牌的库存量的变量。
[算式1]
【算式1】
xi,d:品牌i、d日的使用量……(式1)
[算式2]
【算式2】
Si,d:品牌i、d日的库存量……(式2)
基于供求信息构建的数学模型、即供求平衡制约模型如下所示。各品牌的库存量要求大于等于被称为安全库存量的数值(参照图6)。这种情况下的制约表达为下述(式3)。
[算式3]
【算式3】
Si,d≥SafeStocki,d:SafeStocki,d是品牌i、d日的安全库存量(常数)……(式3)
另外,各品牌的库存量由前一天的库存量、前一天的进货量、前一天 的使用量决定。表达这种情况下的关系的制约式表达为下述(式4)。
[算式4]
【算式4】
Si,d=Si,d-1+yi,d-1-xi,d-1:yi,d是品牌i、d日的进货量(常数)……(式4)
另外,各品牌的使用量在某一天的合计必须与预定的使用量一致。表达这种情况下的关系的制约式表达为下述(式5)。
[算式5]
【算式5】
Ud是d日的使用量(常数)……(式5)
另外,要求操作员考虑与各种原材料的购买相关的因素等设定目标配合比例,生成配合比例与下列给定的目标配合比例接近的配合计划。即,一旦配合比例大幅度偏离了操作员设想的配合比例,就有可能导致购买量不足、购买量超出,或者导致操作设备不合理的开工;因此,必须输出与给定的目标配合比例接近的配合比例。以下示出了用于实现上述功能的制约。
[算式6]
【算式6】
xi,d-xTargeti,d≤OverUi,d……(式6)
xTargeti,d是品牌i、d日的目标使用量(常数)
OverUi,d是品牌i、d日超出目标使用量的溢出量
[算式7]
【算式7】
xTargeti,d-xi,d≤CoverUi,d……(式7)
xTargeti,d是品牌i、d日的目标使用量(常数)
CoverUi,d是品牌i、d日低于目标使用量的不足量
进而,一旦前一天的配合比例和次日的配合比例大幅度偏离,就会给开工带来困难。即,会因为安排使用其他原材料而导致时间增加或设备故障。因此,必须生成前一天的配合比例和次日的配合比例没有大幅度偏离的配合计划。以下示出了用于实现上述功能的制约。
[算式8]
【算式8】
xi,d-xi,d-1≤Diffi,d
xi,d-1-xi,d≤Diffi,d……(式8)
Diffi,d是品牌i、d日的使用量与品牌i、d-1日的使用量之差
此外,如果前一天配合后仍有库存、但次日不进行配合,有少量剩余库存的品牌就会增多,会给开工带来困难。因此,在前一天配合后次日仍有库存的情况下,就要求生成次日也进行配合的配合计划。以下示出了用于实现上述功能的制约。
[算式9]
【算式9】
xδi,d+(2-xδi,d-1-sδi,d)≥1……(式9)
xδi,d是当品牌i、d日的使用量为0的情况下是0、除此以外则是1的变量
sδi,d是当品牌i、d日的库存量为0的情况下是0、除此以外则是1的变量
此外,上述供求平衡制约只是一个实例,也可以代之以其他制约,或者增加其他制约。
(7)将配合计划的特性制约定型为数学模型(图3的特性模型构建部307(相当于图2的特性模型构建部204)、图4的步骤S407)
基于由输入数据调入部301调入的全部或一部分数据,以设定为所设定的最佳化期间量的时间精度,将特性制约定型为数学模型。
以下示出了基于特性信息构建而成的特性制约模型。这里,考虑u成分的特性fu(xi,d)可以通过下述(式10)计算出来的情形。
[算式10]
【算式10】
……(式10)
Wu,i是品牌i中所含的u成分的特性
Vu,i是与品牌i的配合比例的二次项成正比地影响u特性的系数
在上述(式10)中,特性是由配合比例和配合比例的二次项形成的。不过,通常情况下这里的二次项对特性施加的影响非常微小,因此在最佳化过程中的定型化中,利用省略掉二次项的下述(式11)来考察特性。
[算式11]
【算式11】
混合后的原材料的特性必须满足所要求的特性制约。这种情况下的制约式表达为下述(式12)。
[算式12]
【算式12】
……(式12)
LwWu,d是d日的u成分的特性下限值(常数)
UpWu,d是d日的u成分的特性上限值(常数)
此外,上述特性制约只是一个实例,也可以代之以其他制约,或者增加其他制约。
以上说明的供求平衡模型构建部306(供求平衡模型构建部203)和步骤S406、以及特性模型构建部307(特性模型构建部204)和步骤S407是本发明中所谓的模型构建单元及其所执行的处理的实例。
(8)基于目的函数对配合计划数学模型进行最佳化(图3的配合计划求解部309(相当于图2的计划部205)、图4的步骤S409)
将上述构建的由线性和整数制约式构成的供求平衡模型、特性模型合并作为配合计划数学模型,基于预先设定的目的函数,利用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法,将问题作为最佳化问题求解,由此计算出最佳化的使用量、进货量。
这里,以使用线性式的情形为例说明目的函数。在本实施方式中,将以费用最小化为目的的目的函数J的一个实例表示为(式13)。
[算式13]
【算式13】
目的函数 ……(式13)
Vi是品牌i的购买费用(常数)
另外,在必须生成配合比例接近给定的目标配合比例的配合计划、进而必须生成前一天的配合比例和次日的配合比例没有大幅度偏离的配合计划的情况下,目的函数成为下述的(式14)。
[算式14]
【算式14】
目的函数
……(式14)
利用混合整数规划法对上述定型化的式(数学模型)求解,由此能够得到将供求平衡模型、特性模型合并而成的配合计划数学模型的最优解。
以上说明的配合计划求解部309(计划部205)和步骤S409是本发明中所谓的最佳化计算单元及其所执行的处理的实例。
(9)基于求得的解模拟库存变化(图3的库存变化模拟器311(相当于图2的库存变化模拟器201)、图4的步骤S412)
基于对上述配合计划数学模型的求解及由输入数据调入部301调入的全部或一部分数据,按照所设定的计划确定期间量,以所设定的计划生成精度对作为对象的全部或一部分配合进行模拟。在该模拟中,将无法编入配合计划数学模型中的制约条件、开工规则等也编入其中进行模拟,从而将作为配合计划数学模型的求解结果而输出的解变更为可以毫无问题地使用到实际生产中的配合计划。由此可以生成满足实际生产所要求的时间精度以及实际生产所要求的细微制约的配合计划方案。
另外,将在配合比例发生了变化的情况下设备的安排所花费的安排时间等作为数学模型难以处理的制约的一个实例调入到模拟中,通过准确的模拟,就可以生成满足实际生产所要求的细微制约的配合计划方案。
(10)基于求得的解模拟特性(图3的特性模拟器312(相当于图2的特性模拟器202)、图4的步骤S413)
基于对上述配合计划数学模型的求解及由库存变化模拟器311模拟出来的库存变化和由输入数据调入部301调入的全部或一部分数据,按照所 设定的计划确定期间量,以所设定的计划生成精度对作为对象的全部或一部分配合进行特性模拟,得到配合原材料在混合后的特性结果。
在该模拟中,将无法编入配合计划数学模型中的制约条件、开工规则等也编入其中进行模拟,从而将作为配合计划数学模型的求解结果而输出的解变更为可以毫无问题地使用到实际生产中的配合计划。例如,在最佳化过程中的计算中,假定配合比例的二次项对品质、特性的影响微小而将其忽略了,但在模拟过程中,将二次项也加以考虑,利用上述(式10)计算品质、特性。由此可以生成满足实际生产所要求的时间精度以及实际生产所要求的细微制约的配合计划方案。
以上说明的库存变化模拟器311(库存变化模拟器201)和步骤S412以及特性模拟器312(特性模拟器202)和步骤S413是本发明中所谓的模拟器及其执行的处理的实例。
(11)配合计划的确定(图3的确定部313、图4的步骤S414)
在利用上述库存变化模拟、特性模拟得出的配合计划之中确定所设定的计划确定期间量。如图7所示,在本实施方式中将计划确定期间设定为1天,因此,确定所生成的配合计划的最初的1天的计划。对于所生成的配合计划之中未进入上述计划确定期间内的部分,其计划不作确定而废弃。
(12)判断计划生成期间或计划确定期间内的计划是否已被确定(图3的判定部314、图4的步骤S415)
判断到该时刻为止已经确定的计划确定期间是否以及确定了预先设定的计划生成期间量。在本实施方式中,计划生成期间是10天,因此,在经过第10次循环确定了计划的时刻,计划确定期间量的计划即告确定。因此,在经过第10次循环计划确定结束后的时刻,生成第10天的配合计划,结束处理。
(13)筹划开始日期时间的更新(图3的更新部315、图4的步骤S416)
在已经确定的计划确定期间尚未确定预先设定的计划生成期间量的情况下,将上述配合计划之中紧接在已经确定的配合计划期间之后的日期时间设定为新的筹划开始日期时间。在本实施方式中,如图7所示,将在第1次循环中是当初的第1天0点的筹划开始日期时间更新为第2天0点,将在第2次循环中是当初的第2天0点的筹划开始日期时间更新为第3天0 点。
(14)配合计划的输出(图3的输出部316、图4的步骤S417)
按照上述方式生成的配合计划被输出部316显示到显示部103的画面上,或者作为数据发送到未图示的外部设备。
以上说明的输出部316和步骤S417是本发明中所谓的输出单元及其所执行的处理的实例。
如上所述,相应于当前的库存变化状况,考虑供求平衡制约、特性制约,首先针对规定的最佳化期间,按照计划生成时间精度构建数学模型,基于目的函数对所构建的配合计划数学模型进行求解,然后基于求得的解对库存变化、混合后的特性进行模拟,根据模拟结果求得配合计划,然后在所求得的配合计划之中确定所设定的计划确定时段,将紧接在计划确定期间之后的日期时间设定为新的筹划开始日期时间,由此确定新的计划对象期间量的配合计划;按顺序对这一系列处理重复执行预定次数,就能够生成所期望的计划生成期间内的配合计划。由此,能够高速而且详细地实现需要任意时间精度的配合计划的最佳化,而且能够直接应用于实际生产中。
<第2实施方式>
然而,用于表达混合后的特性制约的数学模型有时候包含非线性算式。在这种情况下,使用线性规划法或混合整数规划法无法求解,无法生成配合计划。在第2实施方式中说明即使在用于表达混合后的特性制约的数学模型包含非线性算式的情况下仍然能够生成配合计划的实例。
包含与本实施方式相关的配合计划生成装置的系统的结构实例和配合计划生成装置100的基本结构与图1、图2所示的结构相同,这里也参照图1、图2进行说明。
如图1所示,配合计划生成装置100在生成配合计划时,由操作员设定、或者从工艺电脑105或业务电脑106调入为了拟定配合计划所必需的计划生成期间、包含配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性(性质(包含品质)、状态等)、费用信息(配合原材料的购买费用信息等)在内的制约条件、前提条件的数据。
配合计划生成装置100是通过执行模拟而生成将多种的配合原材料混 合起来的混合计划的装置,其以满足配合原材料的供求平衡制约、混合后的特性制约的方式求得各品牌的使用量(配合比例)作为配合计划。在配合计划生成装置100中,使用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法,构建用于表达配合原材料的供求平衡制约的数学模型(也称为“供求平衡模型”)及用于表达混合后的特性制约的数学模型(也称为“特性模型”),以图实现配合计划的最佳化;其详情将在后面进行叙述。
显示部103中显示出由配合计划生成部102求得的各品牌的使用量(比例)、库存变化图表、各种帐票。
通过操作员评价部104,操作员对所求得的配合计划从各个方面(例如库存变化、特性等)进行评价,如果不是令人满意的结果,就根据需要对配合比例等进行修正。此时,根据需要改变目的函数的权重或评价指标,或者改变构建数学模型的对象期间、计划确定期间。另外,采用了可以反映操作员的意愿的方式,例如将全部处理的使用量固定下来,或仅将所指定的处理的使用量固定下来。继而,由配合计划生成装置100再次重新生成配合计划。
如图2所示,配合计划生成装置100包含模拟器(库存变化模拟器201、特性模拟器202)、模型构建部(供求平衡模型构建部203、特性模型构建部204)、发挥最佳化计算单元功能的计划部205而构成,并进一步带有输入输出部。
库存变化模拟器201是用于计算各配合原材料的供求状态(库存变化)的模拟器。特性模拟器202是用于计算配合原材料混合之后的特性的模拟器。库存变化模拟器201、特性模拟器202彼此联动,计算出配合原材料的库存变化、混合后的特性。
在本实施方式中,基于为了拟定配合计划所必需的计划生成期间、配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性(性质(包含品质)、状态等)、费用信息等输入数据206,以自配合计划的筹划开始日期时间起的预先设定的最佳化期间为对象,基于预先设定的时间精度,使用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法等,利用供求平衡模型构建部203构建用于供求平衡制约 (库存制约)的数学模型,利用特性模型构建部204构建用于表达特性制约的数学模型。
使用由供求平衡模型构建部203、特性模型构建部204构建的数学模型,由计划部205进行最佳化计算,计算出针对库存变化模拟器201、特性模拟器202的计算指示,以便生成既不会用尽库存、又满足特性、并且使费用达到最小化的配合计划。接收到该计算指示后,库存变化模拟器201对库存变化进行模拟,特性模拟器202对特性进行模拟。
根据与本实施方式相关的配合计划生成装置,不是像过去那样基于预先决定的规则发出计算指示,而是将基于计划部205进行最佳化计算的结果得到的计算指示输出到库存变化模拟器201、特性模拟器202,因此,能够相应于当时的事态可靠地发出最佳化计算指示。
另外,例如如图7所示,在利用库存变化模拟器201、特性模拟器202对预先设定的计划确定时段进行模拟结束后,基于计划确定时段的最终状态下的库存变化、特性信息,由供求平衡模型构建部203构建出表达库存制约的数学模型,由特性模型构建部204构建出表达特性制约的数学模型,提供给计划部205。一旦获得了该库存变化、特性信息,计划部205就执行最佳化计算。
如上所述,通过模拟器(库存变化模拟器201、特性模拟器202)和模型构建部(供求平衡模型构建部203、特性模型构建部204)及计划部205联动执行详细模拟,能够生成最佳化配合计划。即,在本实施方式中执行的模拟不是像过去那样基于预定规则进行模拟,而是基于最佳化计算的结果进行模拟,因此,只要执行1次模拟,就能够可靠地获得理论上的最优解。由此,无需像过去那样多次重复执行模拟和模拟结果的评价,能够快速并高精度地生成模拟结果207。因此,即使需要生成配合计划的对象规模很大,也能够在可实用的时间内完成。
另外,一旦计划生成期间延长,考虑期间就会延长,现有方法中存在着因问题规模增大而导致不可求解的问题;而利用本发明的方法,将计划生成期间划分为最佳化期间,由此能够缩小问题规模,因此,即使计划生成期间延长,也可以解决问题。将按照上述方式得到的模拟结果207作为配合计划输出。
另外,即使在由供求平衡模型构建部203、特性模型构建部204构建的模型的规模非常大的情况下、或者制约条件非常多的复杂情况下,采用从库存变化模拟器201、特性模拟器202所记载的供求平衡制约、特性制约之中仅提取对生成配合计划影响大的重要部分输入到供求平衡模型构建部203、特性模型构建部204的方式,就能够使供求平衡模型构建部203、特性模型构建部204的数学模型的规模限制在适当的范围内,在可实用的时间内完成最佳化计算。库存变化模拟器201、特性模拟器202能够记载所有的应加以考虑的供求平衡制约、特性制约,因此,通过执行1次模拟而生成的配合计划可以保证是现实可行的。
如上所述,在本实施方式中采用了使模拟器(库存变化模拟器201、特性模拟器202)和模型构建部(供求平衡模型构建部203、特性模型构建部204)及计划部205联动生成配合计划的方式,因此,(1)无需重复执行模拟就能够生成配合计划;(2)通过采用仅将对配合计划的生成影响较大的重要部分调入计划部205的方式,能够缩短计算时间;同时(3)可以解决大规模问题。
下面,参照图8~图13更详细地说明与本实施方式相关的配合计划生成装置100的结构及使用该装置100执行的配合计划生成方法的各步骤。图8是针对使用图2所说明的配合计划生成装置100的基本结构,表示出配合计划生成装置100的详细结构的图。另外,图9是表示使用该装置100执行的配合计划生成方法的各步骤的流程图。
就配合计划生成的概要而言,例如如图10所示,既要在多个钢铁厂a~b实现配合原材料(品牌)的供求平衡(各品牌A~N不出现库存枯竭等),同时又满足所要求的特性、并且使费用达到最小化,按照这种方式决定各个钢铁厂a~c的各品牌A~N的使用量(调配比例(比率))作为配合计划。
(1)输入数据的调入和初始值、条件设定(图8的输入数据调入部801、图9的步骤S901)
在线读入本处理必需的信息(配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性、费用信息等),由操作员根据需要加以修正。
以上说明的输入数据调入部801及步骤S901是本发明中所谓的数据调入单元及其所执行的处理的实例。
(2)配合计划生成期间的设定(图8的计划生成期间设定部802、图9的步骤S902)
设定需要生成配合计划的期间。假设该生成期间可以根据方案制定者的需要而设定为任意期间。这里,作为一个实例,生成10天内的计划。
(3)配合计划生成时间精度的设定(图8的时间精度设定部803、图9的步骤S903)
设定生成配合计划的时间精度以及模拟精度。假设该时间精度以及模拟精度可以根据计划制定者的需要而分别单独设定为任意精度。例如,在需要细微的计划精度的计划生成期间的前半部分,使精度细化,而在粗略计划即可满足需要的计划生成期间的后半部分,采用粗略精度,由此可以在短时间内高效地生成具有足够精度的计划。
(4)最佳化期间的设定(图8的最佳化期间设定部804、图9的步骤S904)
设定生成配合计划的最佳化期间。假设该最佳化期间可以根据计划制定者的需要而分别单独设定为任意的对象期间。这里,作为一个实例,假设在计划生成期间内,最佳化期间为3天。
(5)计划确定期间的设定(图8的计划确定期间设定部805、图9的步骤S905)
设定用于确定配合计划的计划确定期间。假设该计划确定期间可以根据计划制定者的需要而分别单独设定为任意的期间。例如,在需要细微的计划精度的计划生成期间的前半部分,缩短计划确定期间,而在粗略计划即可满足需要的计划生成期间的后半部分,则延长计划确定期间,由此可以在短时间内高效地生成具有足够精度的计划。这里,作为一个实例,将计划确定期间设定为1天。在这种情况下,针对基于数学模型的解进行模拟的结果得到的配合计划,在计划生成期间内确定最初的1天的量。
(6)将配合计划的供求平衡制约定型为数学模型(图8的供求平衡模型构建部806(相当于图2的供求平衡模型构建部203)、图9的步骤S906)
基于由输入数据调入部801调入的全部或一部分数据,以设定为所设 定的最佳化期间量的时间精度,将供求平衡制约定型为数学模型。在下述的(式15)~(式17)中表示供求平衡模型的一个实例。此外,各式中附加的“厂”字表示钢铁厂、“品牌”表示品牌,例如,使用量厂、品牌指的是以钢铁厂、品牌为单位的使用量。
∑使用量(厂、品牌)=使用量合计(厂)……(式15)
供给Min(品牌)≤∑进货量(厂、品牌)≤供给Max(品牌)……(式16)
∑使用量(厂、品牌)=∑进货量(厂、品牌)……(式17)
此外,上述(式15)~(式17)只是一个实例,也可以代之以其他供求平衡模型,或者增加其他供求平衡模型。例如,有时候要求操作员考虑与各种配合原材料的购买相关的因素等设定目标配合比例,生成配合比例与下列给定的目标配合比例接近的配合计划。即,一旦配合比例大幅度偏离了操作员设想的配合比例,就有可能导致购买量不足、购买量超出,或者导致操作设备不合理的开工。因此,也可以设定能够输出与给定的目标配合比例接近的配合比例的供求平衡模型。
另外,一旦前一天的配合比例和次日的配合比例发生大幅度偏离,有时候会给开工带来困难。即,会因为安排使用其他的配合原材料而导致时间增加或设备故障。因此,也可以设定前一天的配合比例和次日的配合比例没有大幅度偏离的供求平衡模型。
(7)将配合计划的特性制约定型为数学模型(包含图8的线性化部807a的特性模型构建部807(相当于图2的特性模型构建部204)、图9的步骤S907)
基于由输入数据调入部801调入的全部或一部分数据,以设定为所设定的最佳化期间量的时间精度,将特性制约定型为数学模型。例如,在生成煤的配合计划的情况下,特性包括CSR(焦炭热反应后强度)、DI(焦炭强度)、VM(挥发成分)、膨胀压等,必须满足要求具有这些特性的特性制约。下述式(18)表示混合后的特性模型的一个实例。此外,(式18)中示出的是具有下限值S的实例;其在具有上限值的情况下、以及具有上限值和下限值两者的情况下也成立。
f(xA、xB、xC、…、xN)≥S……(式18)
xA~xN:配合原材料(品牌)A~N的配合比例
S:下限值(常数)
这里,对于很多特性来说,特性模型中包含的算式f(xA、xB、xC、…、xN)大多如下述(式19)所示那样相对于配合比例呈线性关系。
f(xA、xB、xC、…、xN)
=WA×A的配合比例+WB×B的配合比例+…+WN×N的配合比例…(式19)
WA~WN:以品牌为单位的品牌i中包含的该成分的特性
不过,因特性的不同,表达该特性的算式f(xA、xB、xC、…、xN)有时候是非线性的。在这种情况下,如下所述,利用线性化部807a导入线性算式f′(xA、xB、xC、…、xN)取代非线性算式f(xA、xB、xC、…、xN),将数学模型定型化。
下面对线性化部807a的处理进行说明。在表达某种特性的算式f(xA、xB、xC、…、xN)是非线性的情况下,代之以导入线性算式f′(xA、xB、xC、…、xN)。该线性算式f′(xA、xB、xC、…、xN)当做是非线性算式f(xA、xB、xC、…、xN)的下限,即下述(式20)的关系成立。此外,(式20)没有必要总是成立,只要在必要的范围内成立即可。
f(xA、xB、xC、…、xN)≥f′(xA、xB、xC、…、xN)……(式20)
例如,作为线性算式f′(xA、xB、xC、…、xN),考虑下述(式21)所示的加权平均。加权平均是根据非线性算式f(xA、xB、xC、…、xN)求取在100%使用单一品牌的情况下的特性,乘以配合比例后,将所使用的全部品牌的结果加起来得到的数值。
加权平均(厂)=∑[配合比例(=使用量(厂、品牌)/使用量合计(厂))×单一品牌100%时的特性]……(式21)
为了简化说明,考虑品牌A的配合比例为90%、品牌C的配合比例为10%的例子。在这种情况下,线性算式为f′(90、0、10、…、0)的加权平均由下式表达。
f′(90、0、10、…、0)
=0.9×f(100、0、…、0)+0.1×f(0、0、100、…0)
根据过去的实际情况,如果该加权平均满足(式20),就可以用作线 性算式f′(xA、xB、xC、…、xN)。即,只要限制加权平均≥S,就可以获得定型化为使(式18)成立的可能性。
在线性化部807a中,按照下述(式18)′所示方式,将线性算式f′(xA、xB、xC、…、xN)的下限值设定为比非线性算式f(xA、xB、xC、…、xN)的下限值S小的临时下限值S′=S-s(s:偏移值),定型化为数学模型。
f′(xA、xB、xC、…、xN)≥S′……(式18)′
(8)基于目的函数对配合计划数学模型进行最佳化(图8的配合计划求解部809(相当于图2的计划部205)、图9的步骤S909)
将上述构建的由线性和整数制约式构成的供求平衡模型、特性模型合并作为配合计划数学模型,基于预先设定的目的函数,利用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法,将问题作为最佳化问题求解,由此计算出最佳化的使用量。
这里,以使用线性式的情形为例说明目的函数。在本实施方式中,在(式22)中示出以费用最小化为目的的目的函数J的一个实例。
J=∑((每单位量的)成本(厂、品牌)×使用量(厂、品牌))→最小化……(式22)
此外,上述(式22)只是一个实例,也可以代之以其他目的函数,或者增加其他目的函数。例如,在必须生成配合比例接近给定的目标配合比例的配合计划、必须生成前一天的配合比例和次日的配合比例没有大幅度偏离的配合计划的情况下,也可以设定那样的目的函数。
利用混合整数规划法对上述定型化的式(数学模型)求解,由此能够得到将供求平衡模型、特性模型合并而成的配合计划数学模型的最优解。
以上说明的配合计划求解部809(计划部205)和步骤S909是本发明中所谓的最佳化计算单元及其所执行的处理的实例。
(9)判断利用最佳化计算得到的求解结果(图8的求解结果判定部810、图9的步骤S910、S911)
判断使用(式18)′进行最佳化计算得到的求解结果是否满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S。如果其结果满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S,就将该求解结果作 为对后文叙述的特性模拟器812的计算指示,使其执行模拟。如果其结果不满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S,就对包含线性算式的数学模型f′(xA、xB、xC、…、xN)≥S′进行调整(图9的步骤S911)。具体地,稍微增大临时下限值S′。
图11是步骤S907~S911的处理、即导入线性算式f′(xA、xB、xC、…、xN)取代了非线性算式f(xA、xB、xC、…、xN)之后的处理的流程图。在步骤S1101中,基于供求平衡模型、特性模型(导入线性算式f′(xA、xB、xC、…、xN)取代了非线性算式f(xA、xB、xC、…、xN)定型化后的模型)、目的函数J执行最佳化计算。
在这种情况下,如(式18)′所示,将线性算式f′(xA、xB、xC、…、xN)的下限值设定为比非线性算式f(xA、xB、xC、…、xN)的下限值S小的临时下限值S′=S-s(s:偏移值),定型化为数学模型。
接着,在步骤S1102中,判断使用包含线性算式的数学模型f′(xA、xB、xC、…、xN)≥S′进行最佳化计算得到的求解结果是否满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S。即,将通过步骤S1101的最佳化计算得到的求解结果(各品牌A~N的使用量(配合比例))代入(式18),判断(式18)是否成立。
如果步骤S1102的结果是(式18)成立,则结束本处理(转移到图9的步骤S912)。反之,如果(式18)不成立,就前进到步骤S1103,按照预先设定的增减幅度稍微增大临时下限值S′,然后再次执行步骤S1101的处理。即,执行这样一种收敛计算:稍微增大临时下限值S′,然后通过最佳化计算求解,如此重复,直到(式18)成立。
此外,在本实施方式中是以混合后的特性制约具有下限值的情形为例进行说明的,在具有上限值的情况下也同样如此。在这种情况下,线性算式f′(xA、xB、xC、…、xN)当做非线性算式f(xA、xB、xC、…、xN)的上限值。另外,在步骤S1101中,将线性算式f′(xA、xB、xC、…、xN)的上限值设定为比非线性算式f(xA、xB、xC、…、xN)的上限值大的临时上限值。
(10)基于求得的解模拟库存变化(图8的库存变化模拟器811(相当于图2的库存变化模拟器201)、图9的步骤S912)
基于对上述配合计划数学模型的求解及由输入数据调入部801调入的全部或一部分数据,按照所设定的计划确定期间量,以所设定的计划生成精度对作为对象的全部或一部分配合进行模拟。在该模拟中,将无法编入配合计划数学模型中的制约条件、开工规则等也编入其中进行模拟,从而将作为配合计划数学模型的求解结果而输出的解变更为可以毫无问题地使用到实际生产中的配合计划。由此可以生成满足实际生产所要求的时间精度以及实际生产所要求的细微制约的配合计划方案。
另外,将在配合比例发生了变化的情况下设备的安排所花费的安排时间等作为数学模型难以处理的制约的一个实例调入到模拟中,通过准确的模拟,就可以生成满足实际生产所要求的细微制约的配合计划方案。
(11)基于求得的解模拟特性(图8的特性模拟器912(相当于图2的特性模拟器202)、图9的步骤S913)
基于对上述配合计划数学模型的求解及由库存变化模拟器811模拟出来的库存变化和由输入数据调入部801调入的全部或一部分数据,按照所设定的计划确定期间量,以所设定的计划生成精度对作为对象的全部或一部分配合进行特性模拟,得到配合原材料在混合后的特性结果。
在该模拟中,将无法编入配合计划数学模型中的制约条件、开工规则等也编入其中进行模拟,从而将作为配合计划数学模型的求解结果而输出的解变更为可以毫无问题地使用到实际生产中的配合计划。由此可以生成满足实际生产所要求的时间精度以及实际生产所要求的细微制约的配合计划方案。
以上说明的库存变化模拟器811(库存变化模拟器201)和步骤S912以及特性模拟器812(特性模拟器202)和步骤S913是本发明中所谓的模拟器及其执行的处理的实例。
(12)配合计划的确定(图8的确定部813、图9的步骤S914)
在利用上述库存变化模拟、特性模拟得出的配合计划之中确定所设定的计划确定期间量。如图7所示,在本实施方式中将配合确定期间设定为1天,因此,确定所生成的配合计划的最初的1天的计划。对于所生成的配合计划之中未进入上述计划确定期间内的部分,其计划不作确定而废弃。
(13)判断计划生成期间或计划确定期间内的计划是否已被确定(图8 的判定部814、图9的步骤S915)
判断到该时刻为止已经确定的计划确定期间是否以及确定了预先设定的计划生成期间量。在本实施方式中,计划生成期间是10天,因此,在经过第10次循环确定了计划的时刻,计划确定期间量的计划即告确定。因此,在经过第10次循环计划确定结束后的时刻,生成第10天的配合计划,结束处理。
(14)筹划开始日期时间的更新(图8的更新部815、图9的步骤S916)
在已经确定的计划确定期间尚未确定预先设定的计划生成期间量的情况下,将上述配合计划之中紧接在已经确定的配合计划期间之后的日期时间设定为新的筹划开始日期时间。在本实施方式中,如图7所示,将在第1次循环中是当初的第1天0点的筹划开始日期时间更新为第2天0点,将在第2次循环中是当初的第2天0点的筹划开始日期时间更新为第3天0点。
(15)配合计划的输出(图8的输出部816、图9的步骤S917)
按照上述方式生成的配合计划被输出部816显示到显示部103的画面上,或者作为数据发送到未图示的外部设备。
以上说明的输出部816和步骤S917是本发明中所谓的输出单元及其所执行的处理的实例。
如上所述,相应于当前的库存变化状况,考虑供求平衡制约、特性制约,首先针对规定的最佳化期间,按照计划生成时间精度构建数学模型,基于目的函数对所构建的配合计划数学模型进行求解,然后基于求得的解对库存变化、混合后的特性进行模拟,根据模拟结果求得配合计划,然后在所求得的配合计划之中确定所设定的计划确定时段,将紧接在计划确定期间之后的日期时间设定为新的筹划开始日期时间,由此确定新的计划对象期间量的配合计划;按顺序对这一系列处理重复执行预定次数,就能够生成所期望的计划生成期间内的配合计划。由此,能够高速而且详细地实现需要任意时间精度的配合计划的最佳化,而且能够直接应用于实际生产中。
而且,在使用数理规划方法生成配合计划时,当表达混合后的特性制约的数学模型包含非线性算式的情况下,也能够生成配合计划。由此能够 生成既不会用尽库存、又满足特性、并且使费用达到最小化的配合计划。
(第2实施方式的变形例)
如图12所示,以一定的期间(例如旬)为单位,生成配合计划。另外,对于多种特性α、β来说,特性模型有时候是非线性的。此外,在图12中,○表示满足特性制约((式18)成立),×表示不满足特性制约。即,在图12的实例中,对于特性α来说,在多个旬(4月上旬和下旬)期间发生了特性偏差,同样地,对于特性β来说,在多个旬(4月上旬和下旬)期间发生了特性偏差。
在这种情况下,针对各旬及各特性,分别单独地执行图11中所说明的收敛计算,具体地,在4月上旬针对特性α执行收敛计算,接着针对特性β执行收敛计算,另外,在4月下旬针对特性α执行收敛计算,接着针对特性β执行收敛计算,这样一来,计算处理会花费大量时间。
因此,采用针对对象旬和特性统一执行图11中所说明的收敛计算的方式。例如,在4月上旬和下旬针对特性α、β统一执行收敛计算(在图11的步骤S1103中同时稍微增大特性α、β的临时下限值(或稍微减小临时上限值)),由此能够实现高速化处理。
(第2实施方式的变形例)
在上述第2实施方式中说明的是在图11的步骤S1103中稍微增大临时下限值S′(或稍微减小临时上限值)之后再次执行步骤S1101的处理的做法。在这种情况下,保持在收敛计算过程中不发生变化的数学模型,具体地,就是(式15)~(式17)的供求平衡模型或原来的线性特性模型。此外,在稍微增大临时下限值(或稍微减小临时上限值)后再次执行步骤S1101的处理的情况下,仅改变在收敛计算过程中会发生变化的数学模型,具体地,就是稍微增大了临时下限值(或者稍微减小了临时上限值)的数学模型,通过采用这种机制,能够实现高速化处理。
(实施例)
图13中表示应用本发明之前的实际成绩(上半部)和利用应用了本发明的配合计划生成方法生成的配合计划(下半部)。根据图13的下半部可知,利用应用了本发明的配合计划生成方法,能够生成满足各品牌A~N的供给量Min、供给Max的配合计划。另外,在各钢铁厂a~e,可以得到 能够削减使用品牌量、有助于降低成本等的结果。
<第3实施方式>
在生成配合计划时,费用被作为一个重要指标而加以判断,要求购买费用、制造费用以及运输原材料的运输费用等达到最小化。这里,由于很多钢铁原材料是从外国的矿山购买的,因此使用船舶运输原材料。因此,利用船舶运输原材料时产生的费用、即运费是主要的运输费用。进而,关于所运输的原材料,在原材料卸货的卸货港即钢铁厂(或者简称为“厂”),为了防止配合原材料的库存枯竭,要求一边改变配合比例,一边生成涵盖数日的配合计划。
为了实现满足上述要求的配合计划,必须掌握所购买的多种配合原材料的各种特性、多种配合原材料的库存信息、购买费用、运输费用等庞大的信息量。因此,在手工生成配合计划时,必须在掌握所有的这些庞大的信息量的基础上决定配合,这需要大量的时间。另外,对信息变化的响应性低,随之在现实中产生了混合后的特性会偏离要求范围等问题。
这里,原材料的购买计划、运输原材料的船舶调度计划通常是基于配合计划生成的。但是,当生成配合计划时未考虑运输费用的情况下,存在着生成所使用的原材料运输费用非常高的配合计划的危险性,在这种情况下,无论怎样考量运输方式,都难以降低运输费用。例如,在原材料X、Y品质基本相同、卸货港(钢铁厂)A、B可以使用原材料X、Y的任意一种的情况下,如果向卸货港A运输原材料X的费用为每吨20美元、运输原材料Y的费用为每吨40美元、向卸货港B运输原材料X的费用为每吨40美元、运输原材料Y的费用为每吨20美元,本来在卸货港A使用原材料X、在卸货港B使用原材料Y的方案从运输费用的角度来看是好的方案,但在未考虑运输费用的情况下,存在着生成在卸货港A使用原材料Y、在卸货港B使用原材料X的方案的危险性。
因此,在考虑费用的情况下,配合原材料的购买费用自不必说,其运输费用也应该考虑进去。第3实施方式的目的在于,在生成将多种配合原材料进货后混合起来的配合计划时,能够生成涵盖数日的配合计划,以便满足配合原材料的供求平衡制约和混合后的特性制约、并且降低包括运输费用在内的费用。
包含与本实施方式相关的配合计划生成装置的系统的结构实例和配合计划生成装置100的基本结构与图1、图2所示的结构相同,这里也参照图1、图2进行说明。
如图1所示,配合计划生成装置100在生成配合计划时,由操作员设定、或者从工艺电脑105或业务电脑106调入为了拟定配合计划所必需的计划生成期间、包含船舶调度计划所确定的进货量在内的配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性(性质(包含品质)、状态等)、费用信息(表示配合原材料的单价的购买费用信息、利用船舶时的运输费用信息)在内的制约条件、前提条件的数据。
配合计划生成装置100是通过执行模拟而生成将多种(多个品牌)的配合原材料进货后混合起来的混合计划的装置,其以满足配合原材料的供求平衡制约、混合后的特性制约的方式求得各品牌的使用量(配合比例)、进货量作为配合计划。在配合计划生成装置100中,使用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法,构建用于表达配合原材料的供求平衡制约的数学模型(也称为“供求平衡模型”)及用于表达混合后的特性制约的数学模型(也称为“特性模型”),以图实现配合计划的最佳化;其详情将在后面进行叙述。
显示部103中显示出由配合计划生成装置100求得的各品牌的使用量(配合比例)、进货量、库存变化图表、各种帐票。
通过操作员评价部104,操作员对所求得的配合计划从各个方面(例如库存变化、特性等)进行评价,如果不是令人满意的结果,就根据需要对配合比例等进行修正。此时,根据需要改变目的函数的权重或评价指标,或者改变构建数学模型的对象期间、计划确定期间。另外,采用了可以反映操作员的意愿的方式,例如将全部处理的使用量固定下来,或仅将所指定的处理的使用量固定下来。继而,由配合计划生成装置100再次重新生成配合计划。
如图2所示,配合计划生成装置100包含模拟器(库存变化模拟器201、特性模拟器202)、模型构建部(供求平衡模型构建部203、特性模型构建部204)、发挥最佳化计算单元功能的计划部205而构成,并进一步带有输
库存变化模拟器201是用于计算各配合原材料的供求状态(库存变化)的模拟器。特性模拟器202是用于计算配合原材料混合之后的特性的模拟器。库存变化模拟器201、特性模拟器202彼此联动,计算出配合原材料的库存变化、混合后的特性。
在本实施方式中,基于为了拟定配合计划所必需的计划生成期间、包含船舶调度计划所确定的进货量在内的配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性、表示配合原材料的单价的购买费用信息、利用船舶时的运输费用信息等输入数据206,以自配合计划的筹划开始日期时间起的预先设定的最佳化期间为对象,基于预先设定的时间精度,使用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法等,利用供求平衡模型构建部203构建用于供求平衡制约(库存制约)的数学模型,利用特性模型构建部204构建用于表达特性制约的数学模型。
使用由供求平衡模型构建部203、特性模型构建部204构建的数学模型,由计划部205进行最佳化计算,计算出针对库存变化模拟器201、特性模拟器202的计算指示,以便生成既不会用尽库存、又满足特性、并且使费用(配合原材料的购买费用及运输费用)达到最小化的配合计划。接收到该计算指示后,库存变化模拟器201对库存变化进行模拟,特性模拟器202对特性进行模拟。
根据与本实施方式相关的配合计划生成装置,不是像过去那样基于预先决定的规则发出计算指示,而是将基于计划部205进行最佳化计算的结果得到的计算指示输出到库存变化模拟器201、特性模拟器202,因此,能够相应于当时的事态可靠地发出最佳化计算指示。
另外,例如如图7所示,在利用库存变化模拟器201、特性模拟器202对预先设定的计划确定时段进行模拟结束后,基于计划确定时段的最终状态下的库存变化、特性信息,由供求平衡模型构建部203构建出表达库存制约的数学模型,由特性模型构建部204构建出表达特性制约的数学模型,提供给计划部205。一旦获得了该库存变化、特性信息,计划部205就执行最佳化计算。
如上所述,通过模拟器(库存变化模拟器201、特性模拟器202)和模 型构建部(供求平衡模型构建部203、特性模型构建部204)及计划部205联动执行详细模拟,能够生成最佳化配合计划。即,在本实施方式中执行的模拟不是像过去那样基于预定规则进行模拟,而是基于最佳化计算的结果进行模拟,因此,只要执行1次模拟,就能够可靠地获得理论上的最优解。由此,无需像过去那样多次重复执行模拟和模拟结果的评价,能够快速并高精度地生成模拟结果207。因此,即使需要生成配合计划的对象规模很大,也能够在可实用的时间内完成。
另外,一旦计划生成期间延长,考虑期间就会延长,现有方法中存在着因问题规模增大而导致不可求解的问题;而利用本发明的方法,将计划生成期间划分为最佳化期间,由此能够缩小问题规模,因此,即使计划生成期间延长,也可以解决问题。将按照上述方式得到的模拟结果207作为配合计划输出。
另外,即使在由供求平衡模型构建部203、特性模型构建部204构建的模型的规模非常大的情况下、或者制约条件非常多的复杂情况下,采用从库存变化模拟器201、特性模拟器202所记载的供求平衡制约、特性制约之中仅提取对生成配合计划影响大的重要部分输入到供求平衡模型构建部203、特性模型构建部204的方式,就能够使供求平衡模型构建部203、特性模型构建部204的数学模型的规模限制在适当的范围内,在可实用的时间内完成最佳化计算。库存变化模拟器201、特性模拟器202能够记载所有的应加以考虑的供求平衡制约、特性制约,因此,通过执行1次模拟而生成的配合计划可以保证是现实可行的。
如上所述,在本实施方式中采用了使模拟器(库存变化模拟器201、特性模拟器202)和模型构建部(供求平衡模型构建部203、特性模型构建部204)及计划部205联动生成配合计划的方式,因此,(1)无需重复执行模拟就能够生成配合计划;(2)通过采用仅将对配合计划的生成影响较大的重要部分调入计划部205的方式,能够缩短计算时间;同时(3)可以解决大规模问题。
下面,参照图14~图20更详细地说明与本实施方式相关的配合计划生成装置100的结构及使用该装置100执行的配合计划生成方法的各步骤。图14是针对使用图2所说明的配合计划生成装置100的基本结构,表示出 配合计划生成装置100的详细结构的图。另外,图15是表示使用该装置100执行的配合计划生成方法的各步骤的流程图。
就配合计划生成的概要而言,例如如图10所示,既要在多个场所(卸货港)a~c实现配合原材料(品牌)的供求平衡(各品牌A~N不出现库存枯竭等),同时又满足所要求的特性、并且使费用(配合原材料的购买费用及运输费用)达到最小化,按照这种方式决定各个场所a~c的各品牌A~N的使用量(配合比例)、进货量,作为配合计划。这里,提供以场所为单位的使用量合计即预定使用量作为输入数据,那么,配合比例(%)=使用量/预定使用量×100。因此,只要确定了使用量、配合比例的一方,另一方即被确定。
(1)输入数据的调入(图14的输入数据调入部1401、图15的步骤S1501)
在线读入本处理必需的信息(包含船舶调度计划所确定的进货量在内的配合原材料的进货计划、配合原材料的库存状况、配合原材料的特性、费用信息等),由操作员根据需要加以修正。
这里,由输入数据调入部1401调入的配合原材料的进货计划中包含:由基于贸易目标量的贸易计划所确定的进货计划量;以及在已经生成了船舶调度计划(包含每只船舶的装货港、到达装货港的日期时间、装货品牌、装货量、卸货港、到达卸货港的日期时间、卸货品牌、卸货量等项目的计划)的情况下表示由其确定的进货量的信息。这里,贸易目标量是表示不同矿山所在地(装货地)、不同品牌的贸易目标量(贸易预定量)的信息。与各矿山所在地签订了每个品牌的例如1年期贸易量合同,将该贸易量除以月份数,即得到每个月的贸易目标量。要求以接近该贸易目标量的方式进货,而通过与矿山所在地的协商,1年内几万吨左右的变动也在容许范围内。另外,根据合同的不同,合同中可以规定在预定的期间内不交易预定的品牌,也可以包含此类信息。例如,如果原材料A在某个月的贸易目标量为5万吨、1年内围绕贸易目标量上下变动幅度为6万吨(每个月5千吨)、在这个月运输该原材料的船舶尚未确定,那么,这个月的进货计划就是:上限(进货计划量上限)5万吨+5千吨;下限(进货计划量下限)5万吨-5千吨。当要生成配合计划的对象期间正逐渐迫近的情况下,运输该原材料 的船舶通常已被确定,例如,如果这个月已经决定由船舶X进货3万吨、船舶Y进货2.2万吨原材料,那么,进货计划就是:3万吨+2.2万吨=5.2万吨。
例如,在图16所示的船舶调度计划中编入了例如图17所示的船舶一览表中所列的各船舶的航行预定。运输配合原材料时所使用的船舶包括:连续航海船(连航船)、不定期船、临时船(Spot)。连航船是在合同期限内连续航海的船舶。不定期船是在合同期限内仅执行合同规定的航海次数、或者仅在合同规定的期限内执行航海的船舶。临时船是通常未签订合同、但可以临时请求其执行航海的船舶。针对连航船记载着:雇船代码、合同分类、合同期限(开始日期和结束日期)、最大装载量、船名。针对不定期船记载着:雇船代码、合同分类、合同期限(开始日期和结束日期)、全年合同数(合同规定的全年应调度船舶的航海数)、或船舶调度预定年月(合同规定的应调度船舶的航海年月)、最大装载量、船名。将这些连航船和不定期船分别单独列表,而对于临时船,则按照船舶可以航行的地域名和船舶大小列表,并记载:雇船代码(记载着地域名和大小)、合同分类、最大装载量。此外,用于表示临时船的船型的Pmax是指可以通过巴拿马运河的船舶(通常将这种船型称为巴拿马极限型)、Cape是指可以通过好望角的船舶(通常将这种船型称为好望角型)、VL(Very Large)是指大型船。这里,通常所说的巴拿马极限型指的是长度在900英尺以内、宽度在106英尺以内、最大可装载量为6万~8万吨级的船。另外,通常所说的好望角型指的是最大可装载量为15万~17万吨级的船。在船舶调度计划中,针对船舶一览表中列出的船舶,生成了包含装货港、到达装货港的日期时间、装货品牌、装货量、卸货港、到达卸货港的日期时间、卸货品牌、卸货量等项目的计划。
例如,在图16所示的船舶调度计划中,连航船A的航海No.1是如下所示的航海:于2007年11月29日21点到达装货港(X1港)洋面;于2007年12月13日21点在装货港(X1港)的代码为“1”的泊位靠岸;于2007年12月14日21点开出装货港(X1港)。此时,装载品牌A的原材料40000t、品牌B的原材料35000t。其后,航行16980分钟,于2007年12月26日16点到达卸货港(A港)洋面;于2007年12月27日1点在卸货港(A港) 的代码为“4”的泊位靠岸;于2007年12月28日16点开出卸货港(A港)。此时,卸载品牌A的原材料25000t、品牌B的原材料15000t。其后,航行3060分钟,于2007年12月30日19点到达卸货港(B港)洋面;于2007年12月30日19点在卸货港(B港)的代码为“13”的泊位靠岸;于2008年1月1日23点开出卸货港(B港)。此时,卸载品牌A的原材料15000t、品牌B的原材料20000t。
配合原材料的库存状况是表示在计划生成期间的第一天不同厂、不同品牌的库存量(吨数)的信息。配合原材料的特性是表示每种配合原材料的成分等特性的信息。例如,铁矿石这种配合原材料的特性包含Fe2O3、Fe3O4、SiO2、Al2O3等的特性信息。
配合原材料的购买费用信息是表示不同矿山所在地(装货地)、不同品牌的配合原材料的单价(美元/吨)的信息。
利用船舶时,运输费用信息中包含表示在使用船舶一览表中列出的船舶的情况下的运费的信息。图18中示出了不同船舶(雇船)、不同装货港(装货地)、不同卸货港(卸货地)的运费表的实例。如该图中所示,针对船舶一览表中列出的船舶,记载着雇船代码、装载港、卸货港1、卸货港2、卸货港3、运费(美元/吨)。例如,连航船A在从装货港X1航行到卸货港A的情况下运费是16.00,在从装货港X1航行到卸货港A、B的情况下运费是16.24。此外,从运费列表中也可以看出,一般来说,使用连航船比使用不定期船或临时船的运费便宜。
另外,利用船舶时,运输费用信息中也包含表示不同品牌、不同卸货港(卸货地)的假定运费的信息。运输费用本来是由上述不同船舶、不同装货港、不同卸货港运费唯一性决定的。但是,就进货而言,在决定用于装载原材料的船舶时,如果是从澳大利亚进口原材料,通常在进货前数周至1个月左右生成船舶调度计划,即使是从巴西进口原材料,也只是提前2到3个月生成船舶调度计划,在生成1年期的配合计划这样的长期计划的情况下,在想要生成配合计划的时刻,对于3个月之后的船舶来说,用于装载原材料的船舶通常处于未定状态。对于这些装载船舶未定的原材料,为了估价原材料的运输费用,就需要不同品牌、不同卸货港的运费。这里,由于运费因所选择的用于装载原材料的船舶的不同而各异,因此,无法唯 一性决定不同品牌、不同卸货港的运费。因此,获取概算的不同品牌、不同卸货港的假定运费的信息,用以替代不同品牌、不同卸货港运费。作为不同品牌、不同卸货港假定运费,例如根据经验设定的不同品牌、不同卸货港运费,或者根据过去实际情况利用统计方法收集例如不同品牌、不同卸货港过去的实际运费,将其平均值作为不同品牌、不同卸货港运费,预先列出不同品牌、不同卸货港假定运费。
以上说明的输入数据调入部1401及步骤S1501是本发明中所谓的数据调入单元及其所执行的处理的实例。
(2)配合计划生成期间的设定(图14的计划生成期间设定部1402、图15的步骤S1502)
设定需要生成配合计划的期间。假设该生成期间可以根据方案制定者的需要而设定为任意期间。这里,作为一个实例,生成10天内的计划。
(3)配合计划生成时间精度的设定(图14的时间精度设定部1403、图15的步骤S1503)
设定生成配合计划的时间精度以及模拟精度。假设该时间精度以及模拟精度可以根据计划制定者的需要而分别单独设定为任意精度。例如,在需要细微的计划精度的计划生成期间的前半部分,使精度细化,而在粗略计划即可满足需要的计划生成期间的后半部分,采用粗略精度,由此可以在短时间内高效地生成具有足够精度的计划。
(4)最佳化期间的设定(图14的最佳化期间设定部1404、图15的步骤S1504)
设定生成配合计划的最佳化期间。假设该最佳化期间可以根据计划制定者的需要而分别单独设定为任意的对象期间。这里,作为一个实例,假设在计划生成期间内,最佳化期间为3天。
(5)计划确定期间的设定(图14的计划确定期间设定部1405、图15的步骤S1505)
设定用于确定配合计划的计划确定期间。假设该计划确定期间可以根据计划制定者的需要而分别单独设定为任意的期间。例如,在需要细微的计划精度的计划生成期间的前半部分,缩短计划确定期间,而在粗略计划即可满足需要的计划生成期间的后半部分,则延长计划确定期间,由此可 以在短时间内高效地生成具有足够精度的计划。这里,作为一个实例,将计划确定期间设定为1天。在这种情况下,针对基于数学模型的解进行模拟的结果得到的配合计划,在计划生成期间内确定最初的1天的量。
(6)将配合计划的供求平衡制约定型为数学模型(图14的供求平衡模型构建部1406(相当于图2的供求平衡模型构建部203)、图15的步骤S1506)
基于由输入数据调入部1401调入的全部或一部分数据,以设定为所设定的最佳化期间量的时间精度,将供求平衡制约定型为数学模型。
按照下述(式23)所示的方式定义表达各品牌的使用量的变量。另外,按照下述(式24)所示的方式定义表达品牌的库存量的变量。另外,按照下述(式25)所示的方式定义表达各品牌的库存量的变量。
[算式15]
【算式15】
xp,i,d:钢铁厂p、品牌i、d日的使用量……(式23)
[算式16]
【算式16】
Sp,i,d:钢铁厂p、品牌i、d日的库存量……(式24)
[算式17]
【算式17】
yp,i,d:钢铁厂p、品牌i、d日的进货量……(式25)
基于供求信息构建的数学模型、即供求平衡制约模型如下所示。各品牌的库存量要求大于等于被称为安全库存量的固定数值。这种情况下的制约表达为下述(式26)。
[算式18]
【算式18】
Sp,i,d≥SafeStockp,i,d:SafeStockp,i,d是钢铁厂p、品牌i、d日的安全库存量(常数)……(式26)
另外,各品牌的库存量由前一天的库存量、前一天的进货量、前一天的使用量决定。表达这种情况下的关系的制约式表达为下述(式27)。即,当天的库存量等于前一天的库存量加上当天进货(卸货)的量然后减去当 天的使用量。
[算式19]
【算式19】
Sp,i,d=Sp,i,d-1+yp,i,d-1-xp,i,d-1……(式27)
另外,各品牌的使用量在某一天的合计必须与当天全部品牌合计预定的使用量一致。表达这种情况下的关系的制约式表达为下述(式28)。
[算式20]
【算式20】
Up,d是钢铁厂p、d日的使用量(常数)……(式28)
另外,要求操作员考虑与各种原材料的购买相关的因素等设定目标配合比例,生成配合比例与下列给定的目标配合比例接近的配合计划。即,一旦配合比例大幅度偏离了操作员设想的配合比例,就有可能导致购买量不足、购买量超出,或者导致操作设备不合理的开工;因此,必须输出与给定的目标配合比例接近的配合比例。以下示出了用于实现上述功能的制约。即,将从品牌使用量中减去目标使用量(作为目标的配合比例)(常数)之后得到值定义为超出目标使用量的溢出量变量。这里,使用量与目标使用量的值越接近、计划越好,因此,该溢出量越小越好。因此,如后文叙述,将该溢出量追加为目的函数的项,使其最小化。同样地,将从品牌的目标使用量中减去使用量之后得到的值定义为低于目标使用量的不足量变量。这里,使用量与目标使用量的值越接近、计划越好,因此,该不足量越小越好。因此,如后文叙述,将该不足量追加为目的函数的项,使其最小化。在这种情况下,表达各品牌的使用量、目标使用量、溢出量、不足量之间的关系的制约式表示为下述(式29)。即,从使用量中减去溢出量、或者将使用量加上不足量,就与目标使用量达到一致。
[算式21]
【算式21】
xp,i,d-OverUp,i,d+CoverUp,i,d=xTargetp,i,d
……(式29)
:xTargetp,i,d是钢铁厂p、品牌i、d日的目标使用量(常数)
OverUp,i,d是钢铁厂p、品牌i、d日超出目标使用量的溢出量
CoverUp,i,d是钢铁厂p、品牌i、d日低于目标使用量的不足量
进而,一旦前一天的配合比例和次日的配合比例大幅度偏离,就会给开工带来困难。即,会因为安排使用其他原材料而导致时间增加或设备故障。因此,必须生成前一天的配合比例和次日的配合比例没有大幅度偏离的配合计划。为了实现上述功能,按照下述(式30)所示定义一个变量,用于表示某品牌当天的使用量与前一天的使用量之差的上限值。
[算式22]
【算式22】
Diffp,i,d是钢铁厂p、品牌i、d日的使用量与品牌i、d-1日的使用量之差……(式30)
使用该变量、用于实现上述目标的制约表示如下。即,从品牌的当天使用量中减去其前一天的使用量,将其结果得到的值作为当天使用量与其前一天的使用量之差。这里,当天的使用量与其前一天的使用量的值越接近、计划越好,因此,该使用量之差越小越好。因此,如后文叙述,将该差追加为目的函数的项,使其最小化。同样地,关于从品牌的前一天使用量中减去当天的使用量所得到的值,也定型化为制约式。
[算式23]
【算式23】
Xp,i,d-xp,i,d-1≤Diffp,i,d
Xp,i,d-1-xp,i,d≤Diffp,i,d……(式31)
:Diffp,i,d是钢铁厂p、品牌i、d日的使用量与品牌i、d-1日的使用量之差
另外,各品牌的进货量要求处于给定的进货计划量范围内。表达这种情况下的关系的制约式表达为下述(式32)、(式33)。即,在当月进货的进货量合计必须小于等于当月的进货计划量上限、大于等于进货计划量下限。
[算式24]
【算式24】
:yLoweri,m是品牌i在m月的进货计划量下限(常数),{d|m月中包含 的日期}
……(式32)
:yUpperi,m是品牌i在m月的进货计划量上限(常数),{d|m月中包含的日期}
……(式33)
此外,上述供求平衡制约只是一个实例,也可以代之以其他制约,或者增加其他制约。
(7)将配合计划的特性制约定型为数学模型(包含图14的线性化部1,407a的特性模型构建部1407(相当于图2的特性模型构建部204)、图15的步骤S1507、S1507a)
基于由输入数据调入部1401调入的全部或一部分数据,以设定为所设定的最佳化期间量的时间精度,将特性制约定型为数学模型。例如,在生成铁矿石的配合计划的情况下,特性包括铁质、SiO2、Al2O3等;在生成煤的配合计划的情况下,特性包括CSR(焦炭热反应后强度)、DI(焦炭强度)、VM(挥发成分)、膨胀压等,必须满足要求具有这些特性的特性制约。上述式(18)表示混合后的特性模型的一个实例。
这里,对于很多特性来说,特性模型中包含的算式f(xA、xB、xC、…、xN)如上述(式19)所示那样相对于配合比例呈线性关系。例如,关于SiO2,如果品牌A的配合比例为40%、SiO2成分为1%、品牌B的配合比例为60%、SiO2成分为2%,那么,混合后的SiO2成分特性就是1×0.4+2×0.6=1.6%。
不过,因特性的不同,表达该特性的算式f(xA、xB、xC、…、xN)有时候是非线性的。在这种情况下,如下所述,利用线性化部1407a导入线性算式f′(xA、xB、xC、…、xN)取代非线性算式f(xA、xB、xC、…、xN),将数学模型定型化。
下面对线性化部1,407a的处理进行说明。在表达某种特性的算式f(xA、xB、xC、…、xN)是非线性的情况下,代之以导入线性算式f′(xA、xB、xC、…、xN)。该线性算式f′(xA、xB、xC、…、xN)当做是非线性算式f(xA、xB、xC、…、xN)的下限,即(式20)的关系成立。
例如,作为线性算式f′(xA、xB、xC、…、xN),考虑(式21)所示 的加权平均。加权平均是根据非线性算式f(xA、xB、xC、…、xN)求取在100%使用单一品牌的情况下的特性,乘以配合比例后,将所使用的全部品牌的结果加起来得到的数值。
为了简化说明,考虑品牌A的配合比例为90%、品牌C的配合比例为10%的例子。在这种情况下,线性算式为f′(90、0、10、…、0)的加权平均由下式表达。
f′(90、0、10、…、0)
=0.9×f(100、0、…、0)+0.1×f(0、0、100、…0)
根据过去的实际情况,如果该加权平均满足(式20),就可以用作线性算式f′(xA、xB、xC、…、xN)。即,只要限制加权平均≥S,就可以获得定型化为使(式18)成立的可能性。
在线性化部1407a中,如(式18)′所示,将线性算式f′(xA、xB、xC、…、xN)的下限值设定为比非线性算式f(xA、xB、xC、…、xN)的下限值S小的临时下限值S′=S-s(s:偏移值),定型化为数学模型。
以上以混合后的特性制约具有下限值的情形为例进行了说明。此外,上述特性制约只是一个实例,也可以代之以其他制约,或者增加其他制约(包含混合后的特性制约具有上限值的情形)。
以上说明的供求平衡模型构建部1406(供求平衡模型构建部203)和步骤S1506、以及特性模型构建部1407(特性模型构建部204)和步骤S1507、S1507a是本发明中所谓的模型构建单元及其所执行的处理的实例。
(8)固定化提取处理(图14的固定化提取处理部1408、图15的步骤S1508)
如图19所示,从船舶调度计划的项目装货港、装货品牌、装货量、卸货港、卸货品牌、卸货量之中提取已经固定化的项目,即不可变更的项目。如果“装货港、装货品牌、装货量、卸货港”、“装货港、装货品牌、装货量、卸货港、卸货品牌”、“装货港、装货品牌、装货量、卸货港、卸货品牌、卸货量”已经固定化,则使用不同船舶、不同装货港、不同卸货港运费(参照图18)。即,船舶运输费用在卸货港已被确定(固定化)的时刻决定运费,因此,就上述3种模式而言,通过使用不同船舶、不同装货港、不同卸货港运费,在用于装载原材料的船舶已被确定的情况下,就 可以计算出准确的运输费用。
另外,如果都没有固定下来、或者只有“装货港”、“装货港、装货品牌”、“装货港、装货品牌、装货量”已经固定,则使用不同品牌、不同卸货港假定运费。即,在尚未决定卸货港的情况下,可以通过改变该船舶的卸货港而变更为运输费用更便宜的卸货港。在这种情况下,利用在后文叙述的最佳化处理生成计划,通过使用不同品牌、不同卸货港假定运费,将该船舶的卸货港变更为比该卸货港运输费用更便宜的卸货港。由此,可以生成运输费用更便宜的计划。此外,关于同一艘雇船,将固定化程度最低的记录的状态当做该雇船的固定化状况。该固定化提取处理不一定要遵循图15所示的时序执行,例如也可以在开始生成配合计划时执行。
利用上述功能,可以考虑船舶的航行状况即装货港、装货品牌、装货量、卸货港、卸货品牌、卸货量之中对于该船舶而言哪些是可以改变的项目、哪些是不可改变的项目(在通常的原材料进货为时尚早的情况下,可以改变用于装载原材料的船舶,而当日期迫近时则变为不可改变),实现高精度的配合计划的生成。
(9)基于目的函数对配合计划数学模型进行最佳化(图14的配合计划求解部1409(相当于图2的计划部205)、图15的步骤S1509)
将上述构建的由线性和整数制约式构成的供求平衡模型、特性模型合并作为配合计划数学模型,基于预先设定的目的函数,利用LP(线性规划法)、MIP(混合整数规划法)、QP(二次规划法)等数理规划方法,将问题作为最佳化问题求解,由此计算出最佳化的使用量、进货量。
这里,以使用线性式的情形为例说明目的函数。在本实施方式中,将以费用(配合原材料的购买费用及运输费用)最小化为目的的目的函数J的一个实例表示为(式34)。在使用目的函数求解时,使用购买费用信息和在步骤S1508中设定的运输费用信息。
[算式25]
【算式25】
目的函数
…(式34)
:Vi是品牌i的购买单价(常数)
Fs,i,p是船舶s、品牌i、钢铁厂(卸货港)p的运费(常数)
ys,p,i,d是yp,i,d之中使用船舶s的钢铁厂p、品牌i、d日的进货量(变量)
Fi,p是品牌i、钢铁厂(卸货港)p的假定运费(常数)
此外,(式34)只是目的函数的一个实例,也可以代之以其他目的函数,或者增加其他目的函数。
例如,在必须生成配合比例接近给定的目标配合比例的配合计划、必须生成前一天的配合比例和次日的配合比例没有大幅度偏离的配合计划的情况下,如(式35)所示,在目的函数中追加使超出目标使用量的溢出量、低于目标使用量的不足量、及当天的使用量与其前一天的使用量之差最小化的项。
[算式26]
【算式26】
目的函数
……(式35)
Wover:对溢出量的罚点大小(常数)
Wcover:对不足量的罚点大小(常数)
Wdiff:对使用量之差的罚点大小(常数)
利用混合整数规划法对上述定型化的式(数学模型)求解,由此能够得到将供求平衡模型、特性模型合并而成的配合计划数学模型的最优解。即,如在上述项目(6)~(9)中所说明的那样,将应该最小化的式定型化为目的函数、将应该满足的各式定型化为制约式,利用线性恒等式或不等式表达该制约式,以由1次式表现的目的函数的模型,构建出数学模型、目的函数。按照这种方式定型化的问题作为线性规划问题是众所周知的,本问题可以实现最佳化。
以上说明的配合计划求解部1409(计划部205)和步骤S1509是本发 明中所谓的最佳化计算单元及其所执行的处理的实例。
(10)判断利用最佳化计算得到的求解结果(图14的求解结果判定部1410、图15的步骤S1510、S1511)
判断使用(式18)′进行最佳化计算得到的求解结果是否满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S。如果其结果满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S,就将该求解结果作为对后文叙述的特性模拟器1412的计算指示,使其执行模拟。如果其结果不满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S,就对包含线性算式的数学模型f′(xA、xB、xC、…、xN)≥S′进行调整(图15的步骤S1511)。具体地,稍微增大临时下限值S′。
图20是步骤S1507~S1510的处理、即导入线性算式f′(xA、xB、xC、…、xN)取代了非线性算式f(xA、xB、xC、…、xN)之后的处理的流程图。在步骤S2001中,基于供求平衡模型、特性模型(导入线性算式f′(xA、xB、xC、…、xN)取代了非线性算式f(xA、xB、xC、…、xN)定型化后的模型)、目的函数J执行最佳化计算。
在这种情况下,如(式18)′所示,将线性算式f′(xA、xB、xC、…、xN)的下限值设定为比非线性算式f(xA、xB、xC、…、xN)的下限值S小的临时下限值S′=S-s(s:偏移值),定型化为数学模型。
接着,在步骤S2002中,判断使用包含线性算式的数学模型f′(xA、xB、xC、…、xN)≥S′进行最佳化计算得到的求解结果是否满足包含非线性算式的数学模型f(xA、xB、xC、…、xN)≥S。即,将通过步骤S2001的最佳化计算得到的求解结果(各品牌A~N的使用量(配合比例))代入(式18),判断(式18)是否成立。
如果步骤S2002的结果是(式18)成立,则结束本处理(转移到图15的步骤S1512)。反之,如果(式18)不成立,就前进到步骤S2003,按照预先设定的增减幅度稍微增大临时下限值S′,然后再次执行步骤S2001的处理。即,执行这样一种收敛计算:稍微增大临时下限值S′,然后通过最佳化计算求解,如此重复,直到(式18)成立。
此外,在本实施方式中是以混合后的特性制约具有下限值的情形为例进行说明的,在具有上限值的情况下也同样如此。在这种情况下,线性算 式f′(xA、xB、xC、…、xN)当做非线性算式f(xA、xB、xC、…、xN)的上限值。另外,在步骤S2001中,将线性算式f′(xA、xB、xC、…、xN)的上限值设定为比非线性算式f(xA、xB、xC、…、xN)的上限值大的临时上限值。
(11)基于求得的解模拟库存变化(图14的库存变化模拟器1411(相当于图2的库存变化模拟器201)、图15的步骤S1512)
基于对上述配合计划数学模型的求解及由输入数据调入部1401调入的全部或一部分数据,按照所设定的计划确定期间量,以所设定的计划生成精度对作为对象的全部或一部分配合进行模拟。在该模拟中,将无法编入配合计划数学模型中的制约条件、开工规则等也编入其中进行模拟,从而将作为配合计划数学模型的求解结果而输出的解变更为可以毫无问题地使用到实际生产中的配合计划。由此可以生成满足实际生产所要求的时间精度以及实际生产所要求的细微制约的配合计划方案。
另外,将在配合比例发生了变化的情况下设备的安排所花费的安排时间等作为数学模型难以处理的制约的一个实例调入到模拟中,通过准确的模拟,就可以生成满足实际生产所要求的细微制约的配合计划方案。
(12)基于求得的解模拟特性(图14的特性模拟器1412(相当于图2的特性模拟器202)、图15的步骤S1513)
基于对上述配合计划数学模型的求解及由库存变化模拟器1411模拟出来的库存变化和由输入数据调入部1401调入的全部或一部分数据,按照所设定的计划确定期间量,以所设定的计划生成精度对作为对象的全部或一部分配合进行特性模拟,得到配合原材料在混合后的特性结果。在该模拟中,将无法编入配合计划数学模型中的制约条件、开工规则等也编入其中进行模拟,从而将作为配合计划数学模型的求解结果而输出的解变更为可以毫无问题地使用到实际生产中的配合计划。由此可以生成满足实际生产所要求的时间精度以及实际生产所要求的细微制约的配合计划方案。
以上说明的库存变化模拟器1411(库存变化模拟器201)和步骤S1512以及特性模拟器1412(特性模拟器202)和步骤S1513是本发明中所谓的模拟器及其执行的处理的实例。
(13)配合计划的确定(图14的确定部1413、图15的步骤S1514)
在利用上述库存变化模拟、特性模拟得出的配合计划之中确定所设定的计划确定期间量。如图7所示,在本实施方式中将计划确定期间设定为1天,因此,确定所生成的配合计划的最初的1天的计划。对于所生成的配合计划之中未进入上述计划确定期间内的部分,其计划不作确定而废弃。
(14)判断计划生成期间或计划确定期间内的计划是否已被确定(图14的判定部1414、图15的步骤S1515)
判断到该时刻为止已经确定的计划确定期间是否以及确定了预先设定的计划生成期间量。在本实施方式中,计划生成期间是10天,因此,在经过第10次循环确定了计划的时刻,计划确定期间量的计划即告确定。因此,在经过第10次循环计划确定结束后的时刻,生成第10天的配合计划,结束处理。
(15)筹划开始日期时间的更新(图14的更新部1415、图15的步骤S1516)
在已经确定的计划确定期间尚未确定预先设定的计划生成期间量的情况下,将上述配合计划之中紧接在已经确定的配合计划期间之后的日期时间设定为新的筹划开始日期时间。在本实施方式中,如图7所示,将在第1次循环中是当初的第1天0点的筹划开始日期时间更新为第2天0点,将在第2次循环中是当初的第2天0点的筹划开始日期时间更新为第3天0点。
(16)配合计划的输出(图14的输出部1416、图15的步骤S1517)
按照上述方式生成的配合计划被输出部1416显示到显示部103的画面上,或者作为数据发送到未图示的外部设备。
以上说明的输出部1416和步骤S1517是本发明中所谓的输出单元及其所执行的处理的实例。
如上所述,相应于当前的库存变化状况,考虑供求平衡制约、特性制约,首先针对规定的最佳化期间,按照计划生成时间精度构建数学模型,基于目的函数对所构建的配合计划数学模型进行求解,然后基于求得的解对库存变化、混合后的特性进行模拟,根据模拟结果求得配合计划,然后在所求得的配合计划之中确定所设定的计划确定时段,将紧接在计划确定期间之后的日期时间设定为新的筹划开始日期时间,由此确定新的计划对 象期间量的配合计划;按顺序对这一系列处理重复执行预定次数,就能够生成所期望的计划生成期间内的配合计划。由此,能够高速而且详细地实现需要任意时间精度的配合计划的最佳化,而且能够直接应用于实际生产中。
(第3实施方式的变形例)
作为配合计划(例如使用量(配合比例)),大多生成年度计划、季度计划、月度计划之类的长期计划。预先生成这种长期配合计划、将该配合计划作为基准配合计划,利用本发明提出的配合计划生成方法生成的短期配合计划不能大幅度偏离基准配合计划,这一点也很重要。
因此,除了针对(式34)所示的费用(配合原材料的购买费用及运输费用)而构建的目的函数J之外,也可以使用针对以不至于大幅度偏离预先生成的基准配合计划为目的而构建的目的函数J′。(式36)表示目的函数J′的一个实例。
J′=∑(|基准配合比例(品牌)-配合比例(品牌、日)|)→最小化……(式36)
基准配合比例:作为基准的配合计划中的配合比例
上述实例中示出了以季度计划作为基准配合计划,生成月度计划中每一天的配合计划的情况下的一个实例。在这种情况下,要使配合比例(品牌、日)与基准配合比例之差按品牌、按天的合计值达到最小化。作为另一个实例,在筹划季度计划的情况下,也可以以年度计划作为基准配合计划来生成计划。在这种情况下,在假设以月度计划决定配合比例(品牌、月)的情况下,要使配合比例(品牌、月)与基准配合比例之差按品牌、按月的合计值达到最小化。
此外,也可以根据例如过去的实际情况生成基准配合计划,其生成方法可任意选择。当然,也可以利用本发明提出的配合计划生成方法预先生成长期计划,以此作为基准配合计划。
图21表示可以发挥本发明的配合计划生成装置的功能的计算机装置1200的硬件结构实例。其由用于对整个装置进行控制的中央处理单元-即CPU1201、用于显示各种输入条件和结果等的显示部1202、用于保存结果等的硬盘等存储部1203、用于存储控制程序、各种应用程序、数据等的ROM (只读存储器)1204、CPU1201执行处理时所使用的工作区域即RAM(随机存取存储器)1205、和键盘、鼠标等输入部1206等构成。
另外,将用于实现上述实施方式的功能的软件的程序代码提供给与用于实现上述实施方式的功能的各种设备相连接并驱动这些设备工作的装置或系统内的计算机,按照该系统或装置内的计算机(CPU或MPU)中保存的程序驱动上述各种设备工作,由此实现的结果也包含在本发明的范畴内。在这种情况下,上述软件的程序代码本身就能实现上述实施方式的功能,该程序代码本身及用于将该程序代码供给到计算机中的媒介、例如保存着相关程序代码的记录介质构成了本发明。作为用来存储程序代码的存储介质,可以使用例如软盘、硬盘、光盘、光磁盘、CDROM、磁带、非挥发性存储卡、ROM等。
工业实用性
根据本发明的结构,在生成将多种配合原材料混合起来的配合计划时,使用数理规划方法等,构建出用于表达配合原材料的供求平衡制约的数学模型及用于表达混合后的特性制约的数学模型,并使模拟器与最佳化计算部联动,由此能够生成既不会用尽库存、又满足特性、并且使费用达到最小化的涵盖数日的配合计划。