CN102137802B - 配船计划制作装置及方法 - Google Patents

Abstract

一种配船计划制作装置，用于制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划，其特征在于，具备：数据取入单元；船舶财源制作单元；数学模型设定单元，设定至少表现上述船舶财源所包括的上述船舶的航行限制、以及在上述卸货地的上述原材料的供需平衡限制的数学模型；最优化计算单元，利用设定的上述数学模型，根据至少关于上述输送费用构筑的目标函数，进行最优化计算；模拟器，根据上述最优化计算的结果动作，包括对上述库存情况的推移进行模拟的库存推移模拟器、以及对上述船舶航行情况的推移进行模拟的船舶航行情况推移模拟器；以及输出单元。

Description

配船计划制作装置及方法

技术领域

本发明涉及适于制作将多个品种的原材料从多个装货地输送至多个卸货地的配船计划的配船计划制作装置、方法及程序。本申请基于2008年10月6日在日本申请的专利申请2008-260170号主张优先权，在此引用其内容。 

背景技术

在以钢铁为首的多个产业中，要求对原材料的输送计划进行最佳的制定。如果是钢铁，则将多个品种的原材料（矿石、煤炭等）从分布在全世界的矿山通过船舶（船财源）输送至多个炼钢厂。此时，需要制作配船计划，以便保证签订的交易目标量，并且输送的各原材料每天在炼钢厂中被使用时不发生库存耗尽。而且，在制作配船计划时，成本（费用）被判断为重要的指标，要求输送费用（雇船的费用即运费、以及船在港口停泊合同期间以上的情况下支付的滞期费）、购入费用的最小化（minimum）。 

作为这种技术，在专利文献1中，公开了一种原料输送配船计划用推理装置，在将原材料使用计划及原料运输船的年间工作计划作为已知数据读入之后，反复对有可能发生库存耗尽的品种优先分配船，由此制作配船计划。 

另外，在专利文献2中，公开了一种物流计划制作装置，由模拟部根据限制条件对各输送单元的运行进行模拟，由原料库存量推移计算部根据上述模拟结果计算每个原料品种的库存量的推移，由评价值计算部对该结果进行评价。 

先行技术文献 

专利文献 

专利文献1：日本特开平8-272402号公报 

专利文献2：日本特开平11-310313号公报 

发明概要

发明要解决的问题 

在专利文献1中，在配船计划装置中，选择处理对象的品种，并选择适于输送被选择的品种的船舶，决定输送日程。而且，公开了例如在选择处理对象的品种时，先选择需要一定量以上的库存的必须品种等的基准。但是，并未公开各选择的具体方法。处理对象的品种、船舶、输送日程的组合多种多样，在得到可以满意的结果之前，必须一边改变这些各要素一边进行计算，为了制作配船计划要耗费大量的时间。 

另外，由于进行先选择必须品种的配船，因此在规定的期间内审视所有品种的情况下，存在无法将库存耗尽的次数或库存耗尽的量抑制到最小的问题。即，存在为了优先预防短期的品种的库存耗尽、而未考虑长期的供需平衡的问题。因此，虽然从短期来看保持了库存，但存在无法避免在库存耗尽的时刻没有要输送的船舶等情况等的问题。 

另外，在专利文献2中，模拟部和原料库存推移计算部的规模容易变大。另外，限制条件变得越多，则为了得到适当的评价而必须反复重新计算，得到可以满意的结果为止要耗费大量的时间。 

另外，在现实中输送时，根据不同种类的合同来使用船舶，船舶按照这些合同种类例如被称为连续航海船、不定期船、现期船。然而，在专利文献1、2中，没有考虑将这些船舶的种类也包含在内的输送费用的最小化。 

在船舶的合同中，连续航海船及不定期船必然需要进行配船。另一方面，现期船需要按照交易目标量、库存情况来适当决定雇佣的船的大小、船数。然而，在专利文献1、2中，没有考虑将这些船的雇佣方式、船队构成也包含在内的输送费用的最小化。即，在实际的业务中，需要进行例如对通过一艘连续航海船和最大装载量为75000t的两艘现期船来进行配船更好、还是通过一艘连续航海船和最大装载量为50000t的三艘现期船来进行配船更好进行考虑的配船。像这样，根据雇佣的船的最大装载量、航路，船的输送费用大为变化。在专利文献1、2中，没有进行考虑到这些情况的配船。 

而且，在实际操作中，在预定使用品种的库存情况严峻的情况下，通过将特性相近的品种(共同具备一定的化学性质的品种：能够相互置换使用的品种)作为替代来使用，从而抑制库存耗尽。另外，通过积极进行该 替代使用，能够替代仅能通过运费高的船输送的品种，而输送特性相近且能够通过运费较低的船配送的品种，从而减少输送费用。然而，在专利文献1、2中，没有进行考虑到这些特性相近的品种的配船。 

发明内容

本发明鉴于如上情况做成，其目的在于，能够迅速且高精度地制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划，而且能够将决定船舶的种类、船队的构成的雇佣或不雇佣船舶的判断也包含在内来实现输送费用的最小化。 

进而，其目的在于，通过考虑特性相近的品种，与按照每个品种单独考虑的情况相比，能够进一步抑制库存耗尽并使输送费用最小化。 

用于解决问题的手段 

(1)本发明的第一方式涉及的配船计划制作装置，用于制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划，具备：数据取入单元，取入包括上述原材料的使用预定量、上述原材料的交易目标量、上述原材料的库存情况、上述原材料的购入费用、对根据多种雇船合同来运用的多个船舶进行列表而成的船舶列表、各上述船舶的船舶航行情况、以及利用各上述船舶时的输送费用的数据；船舶财源制作单元，根据上述船舶航行情况，从上述船舶列表中选择需要的上述船舶，制作船舶财源；数学模型设定单元，设定数学模型，该数学模型至少表现上述船舶财源所包括的上述船舶的航行限制、以及在上述卸货地的上述原材料的供需平衡限制；最优化计算单元，利用所设定的上述数学模型，根据至少关于上述输送费用构筑的目标函数，进行最优化计算；模拟器，根据上述最优化计算的结果进行动作，包括对上述库存情况的推移进行模拟的库存推移模拟器、以及对上述船舶航行情况的推移进行模拟的船舶航行情况推移模拟器；以及输出单元，输出作为上述模拟器的模拟结果的配船计划。 

(2)在上述(1)的配船计划制作装置中，也可以在处理上述原材料时，对化学特性包含在规定的范围内的多个上述原材料的品种进行分组。 

(3)在上述(1)的配船计划制作装置中，也可以是，上述数学模型设定单元还设定表现上述原材料的交易目标量限制的数学模型。 

(4)在上述(1)的配船计划制作装置中，也可以是，上述船舶列表所包含的上述船舶的上述雇船合同的种类包括连续航海船、不定期船、现期船。 

(5)在上述(4)的配船计划制作装置中，也可以是，上述船舶财源制作单元根据上述船舶列表及上述船舶航行情况，提取在计划制作期间存在航行未定部分的上述连续航海船，并对于提取的各上述连续航海船，制作在上述计划制作期间的上述装货地与上述卸货地的组合的模式之中符合规定条件的所有模式。 

(6)在上述(5)的配船计划制作装置中，也可以是，上述船舶财源制作单元根据上述船舶列表及上述船舶航行情况，提取在上述计划制作期间中能够利用、且存在航行未定部分的上述不定期船，并对于提取的上述不定期船，制作在上述计划制作期间的上述装货地与上述卸货地的组合的模式之中符合规定的条件的所有模式。 

(7)在上述(6)的配船计划制作装置中，也可以是，上述船舶财源制作单元根据上述计划制作期间的上述交易目标量的总合计、以及提取的上述连续航海船和上述不定期船的最大装载量的合计，计算应由上述现期船运输的上述原材料的量，根据上述船舶列表，提取上述现期船的候选。 

(8)上述(1)～(7)的配船计划制作装置也可以还具备：宏观最优化部，具备在预先设定的最优化期间内以规定的宏观时间精度设定上述数学模型、进行上述最优化计算、并输出上述最优化期间中的一部分计划确定期间的运算结果的上述数学模型设定单元及上述最优化计算单元；以及微观最优化部，具备利用由上述宏观最优化部求出的上述计划确定期间中的上述运算结果，在上述计划确定期间以比上述宏观时间精度更精细的微观时间精度设定上述数学模型、进行上述最优化计算、并将上述最优化计算的结果传送给上述模拟器的数学模型设定单元及最优化计算单元。 

(9)在上述(1)～(7)的配船计划制作装置中，也可以是，上述模拟器在上述连续航海船的一个航海的航行时刻发生变更的情况下，使上述变更波及性地得到反映，修正上述连续航海船的之后的航海的航行时刻，根据上述修正进行上述数学模型设定单元及上述最优化计算单元的处理。 

(10)在上述(1)～(7)的配船计划制作装置中，也可以是，上述 最优化计算单元按照每个上述装货地，以旬单位或月单位对所有上述品种的交易量进行合计而累积，由此计算交易量累积；按照每个上述装货地，以旬单位或月单位对所有上述品种的上述交易目标量进行合计而累积，由此计算交易目标量累积；根据以上述交易量累积与上述交易目标量累积之差的最小化为进一步的目的的目标函数，进行上述最优化计算。 

(11)在上述(1)～(7)的配船计划制作装置中，也可以是，上述最佳化计算单元按照每个上述卸货地，以旬单位或月单位对所有上述品种的卸货量进行合计而累积，由此计算卸货量累积；按照每个上述卸货地，以旬单位或月单位对标准卸货能力量进行合计而累积，由此计算卸货地标准卸货能力量累积；根据以上述卸货量累积与上述卸货地标准卸货能力量累积之差的最小化为目的的目标函数，进行上述最优化计算。 

(12)上述(1)～(7)的配船计划制作装置也可以还具有输入部，该输入部能够按照用户的意图个别固定船型、船数、装货地、卸货地、装货品种、卸货品种、装货量及卸货量。 

(13)上述(1)～(7)的配船计划制作装置也可以还具有输入部，该输入部能够根据用户的意图统一固定上述装货地、装货品种、装货量。 

(14)在上述(1)～(7)的配船计划制作装置中，也可以在上述输送费用中包括运费及滞期费。 

(15)本发明的第二方式涉及的配船计划制作方法，用于制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划，包括：数据取入步骤，通过数据取入单元取入包括上述原材料的使用预定量、上述原材料的交易目标量、上述原材料的库存情况、上述原材料的购入费用、对根据多种雇船合同来运用的多个船舶进行列表而成的船舶列表、各上述船舶的船舶航行情况、以及利用各上述船舶时的输送费用的数据；船舶财源制作步骤，通过船舶财源制作单元，根据上述船舶航行情况，从上述船舶列表中选择需要的上述船舶，制作船舶财源；数学模型设定步骤，通过数学模型设定单元设定数学模型，该数学模型至少表现上述船舶财源中包括的上述船舶的航行限制、以及在上述卸货地的上述原材料的供需平衡限制；最优化计算步骤，通过最优化计算单元，利用所设定的上述数学模型，根据至少关于上述输送费用构筑的目标函数，进行最优化计算；模拟步骤， 通过模拟器，根据上述最优化计算的结果，对上述库存情况及上述船舶航行情况进行模拟；以及输出步骤，通过输出单元输出作为上述模拟器的模拟结果的配船计划。 

(16)本发明的第三方式涉及的程序，用于使计算机执行用于制作配船计划的处理，其是用于使上述计算机作为上述(1)所记载的配船计划制作装置工作的程序。 

发明效果 

根据本发明，能够迅速且高精度地制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划。而且，能够将船舶合同的种类(连续航海船、不定期船、现期船)、伴随雇佣/不雇佣各船舶的判断的船队的构成(船财源)也包括在内来实现用于使输送费用最小化的最优化。 

进而，通过考虑特性相近的品种，与按照每个品种单独考虑的情况相比，能够进一步实现用于抑制库存耗尽并使输送费用最小化的最优化。 

附图说明

图1是表示包括本实施方式涉及的配船计划制作装置的整体系统的概略结构的图。 

图2是用于说明本实施方式涉及的配船计划制作装置的配船计划制作处理的流程图。 

图3是用于说明取入的数据之中的船舶列表的图。 

图4是用于说明取入的数据之中的船舶航行状况的图。 

图5是用于说明取入的数据之中的船舶列表的图。 

图6是用于说明取入的数据之中的滞期费的列表的图。 

图7是用于说明船舶的选择处理的流程图。 

图8是表示对于提取的连续航海船制作计划制作期间的装货地与卸货地的组合的模式的情形的图。 

图9是用于说明应由现期船弥补的运输量的图。 

图10是用于说明现期船的航路列表的图。 

图11是表示时刻与库存量之间的关系的图。 

图12A是用于说明交易量与交易目标量相差不大的限制的图。 

图12B是用于说明交易量与交易目标量相差不大的限制的图。 

图13是示意地表示宏观最优化与微观最优化之间的关系的图。 

图14是用于说明以装货地的负荷的均衡为目的的目标函数的图。 

图15是用于说明以卸货地的负荷的均衡为目的的目标函数的图。 

图16A是熟练的本领域人员按照以往的方法计划的配船制定结果。 

图16B是利用本实施方式涉及的配船计划制作装置及方法计划的配船制定结果。 

具体实施方式

以下，参照附图说明本发明的优选实施方式。在本实施方式中，说明向多个炼钢厂从分布在全世界的矿山输送矿石和煤炭等原材料的例子。 

(第一实施方式) 

图1是表示包括本实施方式涉及的配船计划制作装置的整体系统的概略结构的图。在图1中，100是配船计划制作装置，制作将多个品种的原材料(矿石和煤炭等)从多个装货地(分布在全世界的矿山)输送到多个卸货地(炼钢厂)的配船计划。在本实施方式中，目的不在于每个炼钢厂的输送费用均衡，而在于制作使所有炼钢厂合计的输送费用最小化的配船计划。进而，目的在于，制作使除了输送费用之外还包括购入费用的成本最小化的配船计划。 

200是配合计划制作装置，制作按照每个炼钢厂配合原材料的配合计划。由此，计划每天使用多少输送到各炼钢厂的原材料的使用预定量。作为配合计划制作装置200的配合计划制作方法，无论使用何种方法都可以。 

300是数据库，存放由各装置100、200使用的数据或由各装置100、200计算出的数据。 

400是被称为过程控制计算机等的上一级计算机，参照存放在数据库300中的数据，或在数据库300中存放、更新数据。 

配船计划制作装置100从数据库300取入原材料的使用预定量、交易目标量、对合同的种类不同的船舶进行列表的船舶列表、船舶列表中列出的船舶的航行情况、原材料的库存情况、原材料的购入费用、利用船舶列表中列出的船舶时的输送费用等数据，制作例如3个月(9旬)的配船计划。 在此，1旬是将1个月分割为三份的期间。作为配船计划，具体而言，决定针对连续航海船、不定期船、现期船的装卸地(装卸港)、装卸品种、装卸量、经停港顺序、靠岸泊位、出入港定时、以及应雇佣的现期船的船数和船型(基于船的最大装载量定义的船舶的大小)等。 

在配船计划制作装置100中，101是对船舶的航行、装货地、卸货地的设备、堆放场等进行模拟的模拟器。模拟器101接受由后述的宏观最优化部102、微观最优化部103决定的针对连续航海船、不定期船、现期船的装卸地(装卸港)、装卸品种、装卸量、经停港顺序、靠岸泊位、出入港定时、以及应雇佣的现期船的船数和船型(基于船的最大装载量定义的船舶的大小)的信息，并根据该信息执行详细的模拟。该模拟器由库存推移模拟器及船舶航行情况推移模拟器构成。 

库存推移模拟器计算各炼钢厂的原材料的库存推移。通过该库存推移模拟器，考虑各炼钢厂的原材料的使用预定量、船舶的原材料的每个品种的卸货时刻，详细计算原材料的每个品种的库存推移。例如，考虑如下判断等，来正确模拟与卸货时刻对应的库存的推移，该判断为：在船舶中装载了多个品种，将一个品种进行卸货之后再将第二个品种进行卸货的时刻，堆放场能力溢出的情况下，是否需要直到在堆放场上的原材料的库存量减少而堆放场能力有余量为止隔开时间来进行卸货。 

船舶航行情况推移模拟器计算包括装卸港的到港日期时间(ETA：Estimated Time Of Arrival)、装卸港靠岸的日期时间(ETB：Estimated Time OfBerthing)、装卸港出港的日期时间(ETD：Estimated Time Of Departure)的船舶的航行情况的推移。通过该船舶航行情况推移模拟器，除了考虑装货能力、卸货能力之外，还考虑在对岸侧是否存在船舶(如果存在则无法靠岸)等与其他船舶的干扰等，详细模拟船舶的航行情况。例如，对于在船舶的卸货中使用的卸载机的台数，除了考虑装载要卸货的品种的船舱的位置之外，还考虑是否有在同一卸货港的其他泊位装卸货的船舶等。在该卸货中使用的卸载机的台数对卸货能力带来影响。作为一个例子，在利用一台卸载机进行卸货的情况下，作为1500t/h以100％的能力进行卸货。另外，在两台卸载机的情况下，作为1500t/h×2台以70％的能力进行卸货。上述船舶航行情况推移模拟器将这些卸载机台数等条件所引起的卸货能力的变 化引入到模拟之中，正确地进行模拟。由此，能够制定考虑到实际操作所要求的精细限制的、具体的生产·物流计划。 

102是宏观最优化部，以不影响炼钢厂的配合计划(原材料的使用预定量)、以及保证可装出量为前提，以使输送费用之中的运费的合计金额最低廉为一个目的，进行最优化，以决定针对连续航海船、不定期船、现期船的装卸地(装卸港)、装卸品种、装卸量、经停港顺序、以及应雇佣的现期船的船数和船型(基于船的最大装载量而定义的船舶的大小)。宏观最优化部102具备作为本发明所述的船舶财源制作单元发挥作用的船舶财源制作部102a、作为本发明所述的数学模型设定单元发挥作用的数学模型设定部102b、作为本发明所述的最优化计算单元发挥作用的最优化计算部102c，例如以旬精度对9旬量进行运算。 

103是微观最优化部，进行最优化，以决定使在由宏观最优化部102进行了最优化的计划中滞期费的合计金额最低廉的靠岸泊位、出入港定时，并计算对模拟器101的指示。微观最优化部103具备作为本发明所述的数学模型设定单元发挥作用的数学模型设定部103a、作为本发明所述的最优化计算单元发挥作用的最优化计算部103b，例如以分精度对1旬量进行运算。 

104是作为本发明所述的数据取入单元发挥作用的数据取入部，从数据库300取入原材料的使用预定量、交易目标量、对合同的种类不同的船舶进行列表的船舶列表、船舶列表中列出的船舶的航行情况、原材料的库存情况、原材料的购入费用、利用船舶列表中列出的船舶时的输送费用、装货地的船舶停泊情况、装货能力情况、设备修理·停用预定、卸货地的船舶停泊情况、卸货能力情况、设备修理·停用预定等数据。 

105是作为本发明所述的输出单元发挥作用的输出部，对作为模拟器101的模拟结果制作的配船计划、具体而言对针对连续航海船、不定期船、现期船的装卸地(装卸港)、装卸品种、装卸量、经停港顺序、靠岸泊位、出入港定时、以及应雇佣的现期船的船数和船型(基于船的最大装载量而定义的船舶的大小)进行画面显示，或数据发送至外部设备。 

以下，说明本实施方式涉及的配船计划制作装置100所进行的配船计划制作处理的详细情况。图2是用于说明使用了配船计划制作装置100的 配船计划制作方法中的各处理的步骤的流程图。在本实施方式中，以从用户所设定的制定开始日起3个月(9旬)作为计划制作期间来制作配船计划。 

(1)数据的取入(步骤S101) 

配船计划制作装置100的数据取入部104从数据库300取入原材料的使用预定量、交易目标量、对合同的种类不同的船舶进行列表的船舶列表、船舶列表中列出的船舶的航行情况、原材料的库存情况、原材料的购入费用、利用船舶列表中列出的船舶时的输送费用、装货地的船舶停泊情况、装货能力情况、设备修理及停用预定、卸货地的船舶停泊情况、卸货能力情况、设备修理及停用预定等数据。 

在此，原材料的使用预定量是表示根据由配合计划制作装置200制作的配合计划计算的、计划制作期间中的各炼钢厂(卸货地)、原材料的各种类的使用预定量的信息。原材料按照其每个种类，品质及特性等不同，因此分别按照每个种类来决定、配合使用预定量。 

交易目标量是表示各矿山(装货地)、各品种的交易目标量(交易预定量)的信息。与各矿山关于每个品种例如一年交易多少数量签订了合同，将其除以旬数则能够得到每旬的交易目标量。要求以接近该交易目标量的方式进行配船。然而，在与配船计划之间的关系中，与交易目标量的数万吨左右的上下偏差通过与矿山的交涉而成为允许范围之内。另外，根据合同，也可以考虑到对规定的品种在规定的期间不交易等的合同。也可以将关于这种合同的具体信息取入并包括在数据中。 

船舶列表如图3所示，是对合同的种类不同的船舶进行列表的信息，这里具体而言是对连续航海船、不定期船、现期船进行列表的信息。连续航海船是签订了在合同期间中连续航海的合同的船舶。因此，要求最优先进行配船。不定期船是签订了在合同期间仅以签约的次数航海、或仅在签约的航海期间航海的合同的船舶。因此，要求尽可能以签约的航海数或在签约的航海期间内进行配船。现期船在模拟的阶段通常为未签约。在对连续航海船及不定期船进行了配船也无法满足需要的交易量或无法补足卸货地的库存的情况下，能够以现期的合同方式来委托船舶的航海。关于连续航海船，记载雇船代码(对每艘船进行确定的代码)、合同分类、合同期间(开始日及结束日)、最大装载量、船名。关于不定期船，记载雇船代码、 合同分类、合同期间(开始日及结束日)、合同的内容(签约的航海数或签约的航海期间)、最大装载量、船名。这些连续航海船及不定期船对船舶分别进行列表，但对于现期船，按照船舶能够航行的地域名、船型(基于船的最大装载量而定义的船舶的大小)来进行列表，记载雇船代码(记述地域名和大小)、合同分类、最大装载量。 

另外，表示现期船的船型的Pmax指的是能够通过巴拿马运河的船舶(一般该船型被称为巴拿马型)，Cape指的是能够通过好望角的船舶(一般该船型被称为好望角型(capesize))，VL(Very Large)指的是比Pmax、Cape更大的大型船。在此，通常巴拿马型指的是长度900英尺以内、宽度106英尺以内，且最大可装载量为6万～8万吨级的船。另外，通常好望角型指的是最大承载能力为15万～17万吨级的船。关于现期船，在制订配船计划的阶段，基于其能够航行的地域和船舶的大小，决定需要的船数、船型(基于船的最大装载量而定义的船舶的大小)。在配船计划以某种程度确定的阶段，与实际的船公司进行交涉，办理签订符合上述船型的船的手续。因此，在制订配船计划的阶段，要求首先在未签约的状态(与船公司交涉之前的阶段)下决定需要的船数、船型(基于最大装载量而定义的船舶的大小)。 

船舶航行情况如图4所示，是表示在船舶列表中列出的各船舶的航行情况的实际情况以及已确定的预定的信息。像装-卸、装-装-卸、装-卸-卸这样，装货港及卸货港有时为一个港口，有时为多个港口。将这样的一连串的船舶的航行作为一个航海来处理，赋予航海No。关于在船舶列表中列出的各船舶，记载航海No、装卸码头分类、装卸连续编号、装卸港代码、泊位代码、装卸港到港日期时间(ETA)、装卸港靠岸的日期时间(ETB)、装卸港出港的日期时间(ETD)、航海时间。 

例如连续航海船A的航海No.3是如下航海：在2008年3月7日20时到达装货港(X1港)港口，在2008年3月12日20时在装货港(X1港)的由代码“1”表示的泊位靠岸，在2008年3月14日20时从装货港(X1港)出港之后，航海46920分，在2008年4月16日10时到达卸货港(B港)港口，在2008年4月16日13时在卸货港(B港)的由代码“11”表示的泊位靠岸，在2008年4月18日14时从卸货港(B港)出港。另外，该船的合同分类为连续航海，因此连续航海船A以装-卸-装-卸……的方式 连续地进行航海。即，连续航海船A在2008年2月22日9时从航海No.2的最后的卸货港(D港)出港之后，向航海No.3的最初的装货港(X1港)航海20820小时，在2008年3月7日20时到达X1港的港口。 

在制定开始日(制定配船计划的对象期间的开始之日)相对于执行制定日而言是未来的情况下，原材料的库存情况是表示根据由配合计划制作装置200制作的配合计划计算的、制定开始日的分炼钢厂(装货地)、分品种的库存情况的信息。另外，在制定开始日相对于执行制定日而言是过去的情况下，原材料的库存情况是表示各炼钢厂在数据库中输入的原材料的各种类的实际库存情况的信息。 

购入费用是表示分矿山(装货地)、分品种的原材料的购入费用的信息。 

输送费用是表示利用船舶列表中列出的船舶时的运费、以及利用船舶列表中列出的船舶时的分装卸港的滞期费的信息。 

在图5中表示运费的列表的例子。如该图所示，关于船舶列表中列出的各船舶，记载了雇船代码、装货港、1卸货港、2卸货港、3卸货港、运费(美元/ton)。例如连续航海船A从装货港X1航行到卸货港A时的运费为16.00，从装货港X1航行到卸货港A-卸货港B时的运费为16.24。另外，从运费的列表也可以得知，一般而言，利用连续航海船与利用不定期船或现期船相比运费更便宜。 

在图6中表示滞期费的列表的例子。如该图所示，关于船舶列表中列出的各船舶，记载了雇船代码、卸货率(t/Day)、速遣滞期率(美元/天)。卸货率(Discharging Rate)指的是作为合同上的基准的卸货能力，表示一天能够卸货的量。与假设以该卸货能力卸货的情况相比，实际的卸货时间提早的情况下，能够从船公司接受以速遣滞期率设定的金额。反之，如果延后，则向船公司支付以速遣滞期率设定的金额。例如，在连续航海船A进行了10000t的卸货时，考虑从ETA开始11小时后完成了ETD的情况。卸货率为20000(t/Day)，因此如果按照该卸货率进行卸货，则预想到卸货需要12小时。与此相对，实际上用11小时完成了卸货，因此从船公司接受以速遣滞期率16250(美元/天)规定的金额的1小时量＝16250/24美元。反之，在从ETA开始13小时后完成了ETD的情况下，向船公司支付以速遣滞期率16250(美元/天)规定的金额的1小时量＝16250/24美元。 

(2)船舶财源的制作(步骤S102) 

宏观最优化部102的船舶财源制作部102a根据在步骤S101中取入的船舶列表(参照图3)来选择船舶，制作需要的船舶财源。 

图7是用于说明船舶的选择处理的流程图。船舶财源制作部102a首先根据船舶列表(参照图3)以及船舶航行情况(参照图4)，提取在计划制作期间中存在航行预定未定部分的连续航海船(步骤S201)。例如如果假设以2008年3月1日为制定开始日来制作3个月的配船计划，则如图4所示，连续航海船A在2008年4月18日以后为未定，因此连续航海船A被提取。 

然后，对于提取出的连续航海船A，制作计划制作期间中的装货地与卸货地的组合的所有模式(步骤S202)。此时，也可以根据装货地与卸货地的距离等来设定指定的条件，制作满足该条件的所有的模式。此时，例如能够预先排除具有明显不适合的运行距离的模式等，能够提高模拟的效率。图8是表示在已经确定的航海No.3(图中“A-3”)之后制作装货港X2-卸货港A(航海No.4)、装货港X1-卸货港B(航海No.5)的模式的情形的图。在制作模式时，各时刻使用标准的航海时间(港间距离及该船舶A的标准海里)、标准的装卸时间来求出。例如，航海No.4的卸货港A的到港时刻能够通过(航海No.4的装货港X2的到港时刻)+(标准装货时间)+(港X2与港A之间的距离)/(船舶A的标准海里)来求出。对于连续航海船A，计划制作期间中的装货地与卸货地的组合存在多个，因此制作这些组合的所有(或符合上述指定条件的所有模式)的模式。对于其他连续航海船也进行同样的操作。 

接下来，根据船舶列表(参照图3)及船舶航行情况(参照图4)，提取计划制作期间中能够利用且存在未定部分的不定期船(步骤S203)。例如，如图3所示，不定期船5的配船预定年月在计划制作期间之外，因此不定期船5不被提取。然后，与连续航海船的情况同样，对于提取出的各不定期船，制作计划制作期间中的装货地与卸货地的组合的所有的模式(或符合指定条件的所有的模式)(步骤S204)。 

接下来，根据船舶列表(参照图3)及船舶航行情况(参照图4)，提取现期船的候选(步骤S205)。具体而言，首先计算计划制作期间中的总交易目标量。另外，计算在步骤S201、S202中提取出的连续航海船及不定期 船的最大装载量的合计。由此，通过从总交易目标量中减去计划制作期间中包括的连续航海船及不定期船的最大装载量的合计，能够计算出应由现期船补充的运输量(参照图9)。根据该应由现期船补充的运输量，参照各现期船的最大装载量，计算需要几艘现期船，求出各现期船的最少船数。例如在应由现期船补充的运输量为250000ton的情况下，如果是澳洲-PmaxSpot，则需要250000÷75000＝3.33即4艘，将4艘澳洲-PmaxSpot设为现期船的候选。同样，如2艘澳洲-CapeSpot、1艘澳洲-VLSpot、4艘加拿大-PmaxSpot、2艘加拿大-CapeSpot、1艘加拿大-VLSpot、1艘澳洲-PmaxSpot及1艘澳洲-CapeSpot等，求出现期船的最少船数。在此，求出的现期船的最少船数成为仅由该雇船代码的现期船来补充交易的情况下的最少船数。如后所述，有时需要比该最少船数更多的现期船。 

接下来，根据船舶列表(参照图3)及船舶航行情况(参照图4)，提取现期船的候选。在此，在船舶航行情况中存在确定的预定的情况下，提取该船舶作为现期船的候选，进一步对船舶列表的合同分类为未签订的雇船代码，分别按照预先设定的每天，制作计划制作期间量的现期船的候选。在图10中表示将制作与各雇船代码对应的现期船的候选的间隔设为10天的现期船的航路列表的例子。 

在此，对上述以等间隔制作的船数与上述计算的最少船数进行比较，在上述以等间隔制作的船数较少的情况下，有时即使雇佣所有的现期船的候选，也难以实现满足交易目标量的交易量。因此，使制作现期船的候选的间隔变小来制作现期船的候选，以使船数比上述计算的最少船数多。然后，与连续航海船的情况相同，对于制作的各现期船的候选，制作计划制作期间中的装货地与卸货地的组合的所有模式(或符合指定条件的所有模式)(步骤S206)。在此，在后述的宏观最优化中，对于上述现期船的各候选，判断是否雇佣，并决定需要的船型、船数量的现期船。例如，在将澳洲-Pmax Spot-航海No.3作为候选制作之后，也有时在宏观最优化中计划为不雇佣。 

(3)宏观数学模型的设定(步骤S103) 

宏观最优化部102的数学模型设定部102b设定数学模型，该数学模型构筑为表现步骤S102中制作的船舶的航行限制、卸货地的原材料的供需平 衡限制、交易目标量限制。接受设定的数学模型例如构筑(建模)为遵循LP(线性计划法)、MIP(混合整数计划法)、QP(二次计划法)等数理计划法的模型。在此，作为例子表示基于MIP的建模的数学模型。 

在此，数学模型的设定指的是：对于以抽象的形式构筑为能够对应于船舶数和港数等的变化的基础数学模型，按照实际的计划具体确定各排列的下标的最大数(例如表现船舶数)或式中的系数的值等。 

首先，定义表示该船是否选择该装货港的变量。即，根据通过后述的最优化得到的该变量的值，判断是否选择该装货港。该变量设为取表示选择的情况的1、表示不选择的情况的0中的某一个值的整数变量。 

[数学式1] 

loadδ_{i，装货港，ETA}

{i|作为候选的船}，{装货港|能够经停的装货港}，ETA是船i经停装货港时的ETA 

例如，举出图8所示的连续航海船A为作为候选的船，在该船的航海No.4(图中“A-4”)中，在该船舶能够经停的装货港有X1、X2这两个的情况下，定义以下的两个整数变量以对应于各装货港。在此，这些整数变量的第三下标即ETA是在步骤S102中计算出的到港时刻。 

[数学式2] 

loadδ_{连续航海船A-航海No.4，X1，200803072000}

loadδ_{连续航海船A-航海No. 4，X2，200803100600}

如果选择了在X1经停作为最优化的结果的情况下，变量取以下的值。 

[数学式3] 

loadδ_{连续航海船A-航海No.4，X1，200803072000}＝1 

loadδ_{连续航海船A-航海No.4，X2，200803100600}＝0 

另外，定义表示该船选择该装货港、该卸货港、该经停顺序(表示以 卸货港中的第几个经停的数字，例如在停靠装货港X1-卸货港A-卸货港B的情况下，卸货港B设为经停顺序2)即在该装货港停靠之后以该经停顺序停靠在该卸货港，或者不选择即在停靠在该装货港之后不以该经停顺序停靠在该卸货港的变量。该变量设为取表示经停的情况的1、表示不经停的情况的0中的某一个值的整数变量。在此涉及的例子中，提示了最多能够经停两个卸货港的例子，但能够经停的卸货港、能够经停的装货港也可以取两个以上的值。 

[数学式4] 

unloadδ_{i，装货港，卸货港，经停顺序，ETA}

{i|作为候选的船}，{装货港|能够经停的装货港}，{卸货港|能够经停的卸货港}，{经停顺序|1，2}，ETA是船i经停卸货港时的ETA 

另外，定义表示该船在该装货港对该品种进行装货的量的变量。 

[数学式5] 

loadAmount_{i，装货港，ETA，品种}

{i|作为候选的船}，{装货港|能够经停的装货港}，ETA是船i经停装货港时的ETA，{品种|在该装货港能够装载的品种} 

另外，定义表示该船按照该装货港、该卸货港、该经停顺序对该品种进行卸货的量的变量。 

[数学式6] 

unloadAmount_{i，装货港，卸货港，经停顺序，ETA，品种}

{i|作为候选的船}，{装货港|能够经停的装货港}，{卸货港|能够经停的卸货港}，{经停顺序|1，2}，ETA是船i经停卸货港时的ETA，{品种|在该装货港能够装货的品种} 

进而，定义表示该日、该品种在该卸货港的库存量的变量。 

[数学式7] 

stockAmount_{j，卸货港，品种}

{j|制定对象期间的各天}，{卸货港|能够经停的卸货港}，{品种|在该卸货港进行库存管理的品种} 

表示“各船舶的装载量不超过最大装载量”、“装载量全部被卸货”等条件的限制式预先构筑为作为基础的数学模型。如后所述，包括最优化(步骤S103～S106)及模拟(S107)在内的一系列的工序可以反复执行多个循环。在首个循环的最优化中，根据在步骤S101中取入的数据，将船舶的航行限制设定为数学模型。在第二次循环以后的最优化中，反映由模拟器101在上个循环中进行的模拟的结果来设定数学模型。 

各船舶的装载量不超过最大装载量的限制如下述的限制式(式1)所示。 

[数学式8] 

最大装载量_i：船舶i的最大装载量(常数) 

装载量全部被卸货的限制如下述的限制式(式2)所示。 

[数学式9] 

另外，作为卸货地的原材料的供需平衡限制，将“各品种的库存量总是确保为安全库存量以上”的限制条件构筑为数学模型。在首次循环中根据在步骤S101中取入的数据，进而第二次循环(步骤S103～S107)以后反映模拟器101中的模拟结果，如图11所示，设定构筑的数学模型。 

首先，表现各品种的库存量的推移的限制式如下述的(式3)所示。即，从当天的库存量中减去了前一天的库存量和当天卸货的量所得到的值为当天的使用预定量。 

[数学式10] 

各品种的库存量总是确保为安全库存以上的限制如下述的限制式(式4)所示。 

[数学式11] 

stockAmount_{j，卸货港，品种}≥安全库存量_{卸货港，品种}           ……(式4) 

安全库存量_{卸货港品种}为常数 

另外，在卸货港卸货的原材料被堆积在堆放场上，而该卸货的原材料的库存量如果不是堆放场能力的上限以下，则无法靠岸。但是，如果经过时日，即让船舶等待，则在堆放场上堆积的原材料便能够卸货。但是，卸货如果过度超出堆放场能力，则滞期时间变大。因此，例如设为允许超过堆放场能力的1％左右以内的卸货。该限制如下述的限制式(式5)所示。 

[数学式12] 

堆放场上限能力_卸货港：该卸货港的堆放场上限能力(常数) 

另外，交易目标量限制根据在步骤S101中取入的数据，进而在下一个循环(步骤S103～S107)以后反映模拟器101中的模拟结果来设定。将最优化的交易量(装卸量)不远离交易目标量、能否交易(如上所述，也可 能有规定的品种在规定的期间不交易的情况)等构筑为数学模型。在此，在考虑交易量不远离交易目标量的限制的情况下，例如图12A所示，可以考虑设为仅按每旬(或每月)对交易目标量设定上下限值、而装货量不超出该上下限值的限制。但是，此时，例如在装货量虽然满足下限值但低于交易目标量的状况持续发生的情况下，如果积累一年，则有时发生交易破裂的情况。因此，如图12B所示，优选按每旬(或每月)考虑迄今为止的交易目标量累积及交易量累积，设定使交易目标量累积与交易量累积之差减小(设为最小，设为不超出上下限值等)的限制。为了对上述限制式建模，定义相对于每旬的交易目标量累积的溢出量、不足量的变量。 

[数学式13] 

overAmount_品种，旬：溢出量 

{品种|作为管理对象的品种}，{旬|将制定开始到制定结束以旬划分而成的各期间} 

coverAmount_品种，旬：不足量 

{品种|作为管理对象的品种}，{旬|将制定开始到制定结束以旬划分而成的各期间} 

另外，定义各旬的交易量累积的变量。 

[数学式14] 

receiveAmount_品种，旬

{品种|作为管理对象的品种}，{旬|将制定开始到制定结束以旬划分而成的各期间} 

首先，表现各品种的交易量累积的限制式如下述的(式6)所示。即，交易量累积为从制定开始日到该旬为止的期间中有ETA的船舶(航海)的卸货量的合计。 

[数学式15] 

表现各品种的交易目标累积与溢出量、不足量之间的关系的限制式如下述的(式7)所示。即，如果在相对于交易累积量发生溢出的情况下减去溢出量，在发生不足的情况下加上不足量，则与交易目标累积量一致。在此，可以认为交易累积量与交易目标累积量取越相近的量，越是好的计划。即，该溢出量及不足量越少越好。由于上述理由，如后所述，将该溢出量及不足量追加为目标函数的项目来进行最小化。 

[数学式16] 

receiveAmount_品种，旬-overAmount_品种，旬+coverAmount_品种，旬＝交易目标累积量_品种，旬

交易目标累积量_品种，旬是常数 

……(式7) 

在此，为了作为目标函数而对运费的合计金额的最小化进行建模，引入表示经停顺序的整数变量。该经停顺序变量为：在指定的船选择作为装货港的指定的装货港、作为第一卸货港的该卸货港1、作为第二卸货港的指定的卸货港2的组合的情况下为1，没有选择该组合的情况下为0。 

[数学式17] 

δ_{i，装货港，卸货港1，卸货港2}

{i|作为候选的船}，{装货港|能够经停的装货港}，{卸货港1|能够经停的卸货港}，{卸货港2|能够经停的卸货港} 

引入的δ变量与unloadδ_{i，装货港，卸货港1，1，ETA}、unloadδ_{i，装货港，卸货港2，2，ETA}间存在逻辑关系。即，在该船以经停顺序1选择该装货港、卸货港1，该船以经停顺序2选择该装货港、卸货港2时，而且仅限于此时，选择δ_{i，装货港，卸货港1，卸货港2}。 

该关系可以如下记述。 

且unloadδ_{i，装货港，卸货港2，2，ETA}＝1 

将该逻辑关系记述为混合整数计划法的定式的方法众所周知，可以如下建模。 

[数学式18] 

-unloadδ_{i，装货港，卸货港1，1，ETA}+δ_{i，装货港，卸货港1，卸货港2}≤0    ……(式8) 

-unloadδ_{i，装货港，卸货港2，2，ETA}+δ_{i，装货港，卸货港1，卸货港2}≤0    ……(式9) 

unloadδ_{i，装货港，卸货港1，1，ETA}+unloadδ_{i，装货港，卸货港2，2，ETA}-δ_{i，装货港，卸货港1，卸货港2}≤1 

                                                                    ……(式10) 

根据(式8)、(式9)，如果δ_{i，装货港，卸货港1，卸货港2}＝1，则需要unloadδ_{i，装货港，卸货港1，1，ETA}＝1且unloadδ_{i，装货港，卸货港2，2，ETA}＝1。另外，根据(式10)，如果unloadδ_{i，装货港，卸货港1，1，ETA}＝1且unloadδ_{i，装货港，卸货港2，2，ETA}＝1，  则需要δ_{i，装货港，卸货港1，卸货港2}＝1。因此，上述3个式对 

且unloadδ_{i，装货港，卸货港2，2，ETA}＝1的逻辑关系进行了建模。 

(4)根据宏观数序模型及目标函数进行最优化(步骤S104) 

宏观最优化部102的最优化计算部102c利用在步骤S103中设定的数学模型，根据关于输送费用设定的目标函数(评价函数)，进行最优化计算。在最优化计算时，例如通过LP(线性计划法)、MIP(混合整数计划法)、QP(二次计划法)等数理计划法作为最优化问题来解决问题。 

此处的最优化计算中，使用以输送费用之中的运费的合计金额的最小化为目的的目标函数，决定下述的变量。由此，选择使运费的合计金额最低廉的船型、船数、装卸地(装卸港)、装卸品种、装卸量。 

[数学式19] 

表示船舶是/否经停装货港的loadδ_{i，装货港，，ETA}

表示是/否经停卸货港的unloadδ_{i，装货港，卸货港，经停顺序，ETA}

表示装货量的loadAmount_{i，装货港，ETA，品种}

表示卸货量的unloadAmount_{i，装货港，卸货港，经停顺序，ETA，品种}

在此，船舶所产生的运费为：从装货港到经停第一港口的卸货港为止 的基准运费与上述还经停其他港口时产生的多港卸货追加运费的合计、在此为与第一卸货港之后多经停第二卸货港时产生的多港卸货追加运费的合计同承载的量的乘积。 

例如，根据图5，连续航海船A-航海No.1从X1港向第一卸货港A运输75000t的货物时，基准运费为16.00，雇船费用为16.00×75000＝1,200,000。另外，如果经停A之后经停B作为第二卸货港，则多港卸货追加运费为(16.2416.00)＝0.24，此时的雇船费用为(16.00+0.24)×75000＝1,218,000。 

由此，如果用算式表示宏观最优化中使用的目标函数(以下称为宏观目标函数)，则则得到下述的式(式11)。 

[数学式20] 

在此，在宏观最优化中，考虑交易目标量累积及交易量累积，还以减小交易目标量累积与交易量累积之差为目的。因此，将使每旬的相对于交易目标累积量的溢出量、不足量的合计量最小化的项目追加到目标函数中。因此，表示目标函数的(式11)变更为下述的式(式12)。 

在宏观最优化中，作为整体对有关雇船的问题进行最优化。 

[数学式21] 

W_运费：对于运费的惩罚(penalty)的大小 

W_溢出：对于溢出量的惩罚的大小 

W_不足：对于不足量的惩罚的大小 

另外，说明了关于运费构筑目标函数的情况，但也可以设为以运费的合计金额及原材料的购入费用的合计金额的最小化为目的的目标函数。如上所述，原材料的交易目标量通过合同而定，原材料的购入费用并不大幅变动，但其中仍可以实现原材料的购入费用的合计金额的最小化。 

如上述项目(3)、(4)所说明的那样，将应最小化的算式作为目标函数、并将应满足的各式作为限制式来进行建模。该限制式由线性等式或不等式来表现。目标函数由一次式来表现。作为在变量之中存在应为整数的变量的模型，构筑数学模型、目标函数。像这样建模的问题作为混合整数计划问题而众所周知，该问题能够(以解析方式)进行最优化。 

在进行宏观最优化时，将时间精度作为旬精度来运算。最优化期间设为：最初的循环(步骤S103～S107)中是9旬，下一个循环(步骤S103～S107)中是8旬，……，最后的循环(步骤S103～S107)中是1旬。然后，将最优化期间(9旬～1旬)之中的最初的1旬作为计划确定期间，将该计划确定期间中的运算结果输出给微观最优化部103。 

(5)微观数学模型的设定(步骤S105) 

微观最优化部103的数学模型设定部103a设定如下数学模型，该数学模型表示按照由宏观最优化部102求出的计划确定期间的配船计划来使船舶航行时的限制之中的、滞期限制及卸货地的原材料的供需平衡限制。所使用的数学模型例如利用LP(线性计划法)、MIP(混合整数计划法)、QP(二次计划法)等数理计划法来构筑。在此，作为例子表示基于MIP的建模的数学模型。 

通过宏观最优化，决定了经停的卸货港。在此，由于在卸货港存在用于船靠岸的多个泊位(岸壁)，因此定义选择在该卸货港的哪一个泊位靠岸的变量。该变量设为在选择该泊位的情况下取1、在不选择的情况下取0的值的整数变量。 

[数学式22] 

δ_i，泊位

{i|作为候选的船}，{泊位|位于宏观决定的卸货港中的泊位} 

另外，定义该船为了在该泊位靠岸而开始等待靠岸的时刻(ETA)的变量。时刻无法作为用于通过MIP建模的变量而直接定义，因此定义为从制定开始日起的经过分钟。即，在制定开始日为1月1日0时0分的情况下，且ETA为1月1日1时10分的情况下，设为取值70来定义。另外，该变量不是作为整数变量，而是作为取连续值的变量来定义。 

[数学式23] 

ETA_i，泊位

{i|作为候选的船}，{泊位|位于宏观决定的卸货港中的泊位} 

同样定义ETB的变量。 

[数学式24] 

ETB_i，泊位

{i|作为候选的船}，{泊位|位于宏观决定的卸货港中的泊位} 

同样定义ETD的变量。 

[数学式25] 

ETD_i，泊位

{i|作为候选的船}，{泊位|位于宏观决定的卸货港中的泊位} 

进而，定义该分钟、该品种的在该卸货港的库存量的变量。 

[数学式26] 

sAmount_{t，卸货港，品种}

{t|制定对象期间的各分钟}，{卸货港|能够经停的卸货港}，{品种|在该卸货港进行库存管理的品种} 

船舶的滞期限制在首次循环中根据在步骤S101中取入的数据，进而在下一次循环(步骤S103～S107)以后反映模拟器101中的模拟结果来设定。将卸货港的船舶运行条件(ETB＞ETA，ETD＞ETB+卸货时间等)、泊位的条件(允许的LOA(总长)、DRAFT(总深)、BEAM(总宽)、装卸能力、堆放场能力等)等构筑为数学模型。 

由宏观最优化决定了卸货港的船舶需要在该卸货港的某一个泊位靠岸。该限制如下述的限制式(式13)所示。即，对于该船，在能够靠岸的泊位之中，必然需要选择一个泊位(变量的值为1)。 

[数学式27] 

ETB需要为ETA之后。该限制如下述的限制式(式14)所示。 

[数学式28] 

ETB_i，泊位-ETA_i，泊位≥0            ……(式14) 

ETD需要为ETB+卸货时间之后。在此，由于通过宏观最优化决定了该泊位的卸货量，因此如果利用该泊位上的标准的卸货能力，则该泊位上的卸货时间为卸货时间＝卸货量/卸货能力。由此，上述限制如下述的限制式(式15)所示。 

[数学式29] 

另外，卸货地的原材料的供需平衡限制是根据在步骤S101中取入的数据、进而在下一个循环(步骤S103～S107)以后反映模拟器101中的模拟结果来设定。如图11所示，各品种的库存量总是确保为安全库存量以上的情况构筑为数学模型。即，从该时刻的库存量中减去一分钟前的库存量和 该时刻卸货的量而得到的值成为该时刻一分钟期间的使用预定量。 

[数学式30] 

另外，在卸货港卸货的原材料堆积在堆放场上，但如果该被卸货的原材料的库存量不是堆放场能力的上限以下，则无法靠岸。即，ETB时刻的库存量需要为堆放场能力上限以下。该限制如下述的限制式(式17)所示。 

[数学式31] 

(6)根据微观数学模型及目标函数进行最优化(步骤S106) 

微观最优化部103的最优化计算部103b利用在步骤S105中设定的数学模型，根据关于输送费用构筑的目标函数(评价函数)来进行最优化计算。在最优化计算时，例如通过LP(线性计划法)、MIP(混合整数计划法)、QP(二次计划法)等数理计划法，作为最优化问题来解决问题。 

此处的最优化计算中，使用以滞期费的合计金额的最小化为目的的目标函数，决定表示船舶是/否靠岸的δ(船舶、泊位)、表示ETA时刻的ETA(船舶、泊位)、表示ETB时刻的ETB(船舶、泊位)、表示ETD时刻的ETD(船舶、泊位)等变量。由此，选择使输送费用最低廉的泊位、出入港定时。 

在此，作为船舶所产生的滞期费，对ETD-ETA与合同中的基准停泊时间进行比较，在停泊比基准停泊时间长、即ETD-ETA＞基准停泊时间的情况下，支付作为速遣滞期率签订的费用，在相反的情况下，收取作为速遣滞期率签订的费用。基准停泊时间利用合同中设定的卸货能力即卸货率，通过卸货量/卸货率来计算。例如，在连续航海船A-航海No.1在卸货港进行10000t的卸货、且从ETA到ETD花费11小时的情况下，由于比基准停泊时间＝10000/20000＝0.5天、比12小时早1小时，因此，从船公司收取由速遣滞期率设定的16250/24的金额。由此，如果用算式来表示微观最优化中使用的目标函数(以下称为微观目标函数)，则得到下述的式(式18)。 

[数学式32] 

上述算式中包含常数部分，但在最小化中常数部分不造成影响，因此下述的式(式19)成为目标函数。 

[数学式33] 

卸货量、卸货率为常数 

如上述项目(5)、(6)所述，将应最小化的算式作为目标函数、并将应满足的各式作为限制式来进行建模。该限制式由线性等式或不等式来表现。目标函数由一次式来表现。作为在变量之中存在应为整数的变量的模型而构筑数学模型、目标函数。像这样建模的问题作为混合整数计划问题而众所周知，该问题能够(以解析方式)进行最优化。 

在进行微观最优化时，将最优化期间设为10天(1旬)并将时间精度 设为分钟精度来运算。 

(7)模拟(步骤S107) 

模拟器101根据针对由微观最优化部103求出的数学模型的解来执行模拟，确定计划确定期间(1旬)的配船计划。模拟的时间精度设为分钟精度。在该模拟中，通过将无法纳入宏观数学模型、微观数学模型中的限制等也纳入其中，能够制作将实际要求的精细的限制也考虑在内的配船计划。 

例如，作为通过宏观·微观最优化难以处理的限制的一个例子，有在一艘船舶的卸货中使用的卸货机的台数。该台数根据卸货的品种被装载的船舱的位置、是否有在同一卸货港的其他泊位进行装卸货的船舶等而改变。根据在该卸货中使用的卸货机的台数，卸货能力改变。例如，可以例示出“在用一台进行卸货的情况下，按照1500t/h以100％能力卸货”“在两台的情况下，按照1500t/h×2台以70％能力卸货”等情况。在宏观·微观最优化中没有考虑到这些卸货机台数，因此对于通过最优化计算出的时间，由模拟器考虑到卸货机台数，并将最优化的时间的偏差等引入模拟之中，正确地进行模拟，由此能够实现考虑到实际操作所要求的精细的限制的生产及物流计划的制定。 

在模拟器101中，在微观最优化部103中存在由于船舶的出入港定时的替换等引起的时间调整的情况下，使其波及性地得到反映来进行时刻修正。尤其是对于连续航海船，在某港有时间调整的情况下，还波及性地影响其后的航海，因此设为由模拟器101进行时刻修正，并反映到其后的宏观最优化部102的处理中。 

(8)制定开始日的更新(步骤S109) 

在步骤S108中判断计划制作期间(3个月(9旬))量的计划是否已确定。在尚未确定的情况下，将计划已确定的旬的下一旬的首日、例如若N旬的计划已确定，则将N+1旬的首日更新为制定更新日(步骤S109)，返回步骤S103。在从步骤S103开始的下一循环中，对计划已确定的旬(N旬)的库存推移或船舶的航行情况进行更新，确定下一旬(N+1旬)的计划。通过反复进行该过程，能够确定计划制作期间(3个月)量的计划(参照图13)。 

(9)配船计划的输出(步骤S110) 

如上制作的配船计划通过输出部105，被在未图示的监视器上进行画面显示，或向外部设备进行数据发送。 

如上所述，在宏观最优化部102及微观最优化部103中，首先根据初始条件设定数学模型，进行最优化计算，计算针对模拟器101的指示。模拟器101如果对计划确定期间(1旬)结束模拟，则将计划确定期间的最终状态下的原材料的库存推移、船舶的航行情况的推移的信息提供给宏观最优化部102及微观最优化部103。宏观最优化部102及微观最优化部103根据该被提供的信息设定数学模型，进行最优化计算，计算针对模拟器的指示。通过像这样使模拟器101与最优化部102、103联动，能够制作计划制作期间(3个月(9旬))的配船计划。 

根据本实施方式涉及的配船计划制作装置(方法)，将基于由宏观最优化部102及微观最优化部103进行的最优化计算的结果的计算指示输出给模拟器101(库存推移模拟器、船舶航行情况推移模拟器)。像这样，根据最优化计算的结果进行模拟，因此能够可靠地得到理论上的最优解。由此，无需像以往那样对模拟结果进行评价并数次反复地执行模拟，而能够迅速且高精度地制作模拟结果。 

另外，即使在模拟器101的规模非常大的情况或限制条件非常多且复杂的情况下，通过仅将在模拟器101中记载的限制之中的、对制作配船计划影响较大的重要部分取入数学模型之中，来使数学模型设定部102b、103a的规模处于适当的范围中，从而能够在实用的时间内进行最优化计算。在模拟器101中能够记载应考虑的所有限制，因此能够保证执行一次模拟而制作的配船计划在现实中能够执行。 

另外，在制作配船计划的情况下，有时从巴西等远方运输的品种在两个月或三个月才进货一次，因此需要考虑长期来制订配船计划。另一方面，在中国等频繁运输的品种中也有几天就进行输送的品种。而且，泊位的管理有时产生滞期费，并以分钟为单位进行，因此要求分钟精度的计划。针对这些要求，进行运算的分担，以通过宏观最优化部102选择船型、船数、装卸地(装卸港)、装卸品种、装卸量、经停顺序，另一方面通过微观最优化部103选择使用泊位、出入港定时。因此，能够抑制运算负荷，并且以高精度求解。即，通过使宏观最优化和微观最优化联动并反复执行，能够 以长期考虑需要以长期(三个月)确定的能够使用的船、装卸地、品种、数量，并且以精细的时间精度来对需要精细的时间精度的使用泊位、出入港定时进行最优化。 

在以上说明的实施方式中，将各品种分别进行处理，但也可以将特性相近的多个品种(共同具备一定的化学性质的品种：相互置换也能够使用的品种)进行分组来处理。在实际操作中，在特性与当初预定使用的品种相近的品种被输送来的情况下，不使用当初要使用的品种，而是作为替代而使用输送来的品种，因此能够进行上述处理。通过像这样对品种进行分组并作为一个品种来处理，能够减少变量并减少计算量。另外，通过分组，能够替代仅能通过运费高的船输送的品种，而输送作为同一组品种而能够通过运费较便宜的船来运输的品种，能够抑制输送费用。 

此时，在宏观最优化中由(式4)表示的各品种的库存量总是确保在安全库存量以上的限制变更为下述的限制式(式20)。 

[数学式34] 

另外，在微观最优化中，安全库存的限制式变更为同一组品种(组品种)的合计的库存满足安全库存。此时，各组品种的库存量总是确保在安全库存量以上的限制如下述的限制式(式21)所示。 

[数学式35] 

另外，在制作配船计划时，也可以设为由用户个别固定船型、船数、装卸地(装卸港)、装卸品种、装卸量。此时，例如能够对应于使用规定的船舶、利用规定的装货港等预先决定了的情况。尤其是，在根据设定为交 易目标量的量来制定配船计划之后，进行与矿山的交涉并确定交易量，但此时，交易量、装货地(装货港)、装货品种、装货量由于合同的原因而不允许变更。但是，关于卸货地，很多情况下留有判断库存情况并变更卸货地、卸货品种、卸货量的余地。因此，如果可以进行能够统一固定装货地(装货港)、装货品种、装货量的操作，则对用户而言便利性提高。 

(第二实施方式) 

在上述实施方式中，说明了由宏观最优化部102的最优化计算部102c根据关于输送费用等构筑的目标函数(评价函数)来进行最优化计算的例子，但也可以添加其他目标函数。 

例如为了使装货地的负荷均衡，要求避免在同一装货地出入港的船舶集中在同时期中、或反之船舶不出入港的期间持续的情况，即在同一装货地在计划制作期间中尽可能均匀配船。 

因此，如图14所示，按每个装货地以旬单位(或月单位)对所有品种的交易量进行合计，考虑此前的累积(交易量累积)。另外，按每个装货地以旬单位(或月单位)对所有品种的交易目标量进行合计，将此前的累积设定为目标值(交易目标量累积)。然后，构筑以交易量累积与交易目标量累积之差的最小化为目的的目标函数。 

由此，能够在各旬(或各月)中使装货地的交易量接近均匀，换言之，能够进行均匀配船。 

同样，为了使卸货地的负荷均衡，要求避免在同一卸货地出入港的船舶集中在同时期中、或反之船舶不出入港的期间持续的情况，即在同一卸货地在计划制作期间中尽可能均匀配船。 

因此，如图15所示，按每个卸货地以旬单位(或月单位)对所有品种的卸货量进行合计，考虑此前的累积(卸货量累积)。另外，按每个卸货地以旬单位(或月单位)对标准卸货能力量进行合计，将此前的累积设定为目标值(卸货地标准卸货能力量累积)。然后，将它们的差定义为剩余卸货量，构筑以该剩余卸货量的最小化为目的的目标函数。 

由此，能够在各旬(或各月)中使卸货地的卸货量接近均匀，换言之，能够进行均匀配船。即，在宏观最优化中，也能够抑制滞期。 

图16A是熟练的本领域技术人员按照以往的方法计划的配船制定结 果。在该图中，重船等待滞期是在第一船在指定的时刻预定在指定的卸货港的指定的泊位靠岸时，在该时刻，第二船已经停泊在该泊位的情况下发生的。如果发生重船等待滞期，则直到上述第二船出港为止，即在上述第二船的ETD为止的期间，第一船需要在该装货港口滞期。 

另外，堆放场等待滞期是在第一船在指定的时刻预定在指定的卸货港的指定的泊位靠岸时，在该时刻，堆放场上的原材料的库存量超过堆放场能力而无法装卸的情况下发生的。如果发生堆放场等待滞期，则上述第一船需要到堆放场能力产生空余为止在该装货港口滞期。 

在配船制定中，指定的船在ETA到达该装货港口，到在ETD从该装货港出港为止，可能发生如下情况。 

(1)到达、无滞期、装卸、出港 

(2)到达、重船等待滞期、装卸、出港 

(3)到达、堆放场等待滞期、装卸、出港 

(4)到达、重船等待滞期及堆放场等待滞期、装卸、出港 

根据图16A，作为按照以往的方法计划的配船制定结果，以一定的比例发生重船等待滞期、堆放场等待滞期。为了消除这种滞期，需要由具有熟练技术的计划者反复进行计划修正操作。另外，对于在原理上能够消除滞期到何种程度，熟练的计划者也极难作出正确的估计。 

另一方面，图16B是使用本实施方式涉及的配船计划制作装置及方法来计划的配船制定结果。在图16B中，与图16A相比，重船等待滞期及堆放场等待滞期中的大部分被消除。作为其结果，除了能够得到有关滞期的超额费用的削减效果，还能够不直接依赖于计划制作者的技能，而实现稳定的配船计划。 

本发明的配船计划制作装置具体可以由具备CPU、ROM、RAM等的计算机系统构成，通过由CPU执行程序来实现。另外，本发明的配船计划制作装置既可以由一个装置构成，也可以由多个设备构成。 

另外，通过向系统或装置供给记录了实现上述实施方式的功能的软件的程序代码的记录介质，也能够达到本发明的目的。此时，该系统或装置的计算机(或CPU、MPU)读出并执行在记录介质中保存的程序代码。此时，从记录介质读出的程序代码自身实现上述实施方式的功能，程序代码 自身及存储了该程序代码的记录介质构成本发明。作为用于供给程序代码的记录介质，例如可以使用软盘、硬盘、光盘、光磁盘、CD-ROM、CD-R、磁带、非易失性存储卡、ROM等。 

工业实用性 

根据本发明，能够迅速且高精度地制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划。而且，能够将与船舶合同的种类(连续航海船、不定期船、现期船)、雇佣/不雇佣各船舶的判断相伴的船队的构成(船财源)也包括在内，进行用于使输送费用最小化的最优化。 

进而，通过考虑特性相近的品种，与独立考虑每个品种相比，能够实现进一步抑制库存耗尽和使输送费用最小化的最优化。 

符号说明 

100：配船计划制作装置 

101：模拟器 

102：宏观最优化部 

102a：船舶财源制作部 

102b：数学模型设定部 

102c：最优化计算部 

103：微观最优化部 

103a：数学模型设定部 

103b：最优化计算部 

104：数据取入部 

105：输出部 

200：配合计划制作装置 

300：数据库 

400：上一级计算机 

Claims (14)

1.一种配船计划制作装置，用于制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划，其特征在于，具备：

数据取入单元，取入包括上述原材料的使用预定量、上述原材料的交易目标量、上述原材料的库存情况、上述原材料的购入费用、对根据多种雇船合同来运用的多个船舶进行列表而成的船舶列表、各个上述船舶的船舶航行情况、以及利用各个上述船舶时的输送费用在内的数据；

船舶财源制作单元，根据上述船舶航行情况，从上述船舶列表中选择需要的上述船舶，并制作船舶财源；

宏观最优化部的数学模型设定单元，设定下述数学模型，该数学模型至少表现上述船舶财源所包括的上述船舶的航行限制、以及在上述卸货地的上述原材料的供需平衡限制；

宏观最优化部的最优化计算单元，利用由上述宏观最优化部的数学模型设定单元设定的上述数学模型，在预先设定的最优化期间内以规定的宏观时间精度根据至少关于上述输送费用构筑的目标函数来进行最优化计算，并输出上述最优化期间中的一部分计划确定期间中的运算结果；

微观最优化部的数学模型设定单元，利用从上述宏观最优化部的最优化计算单元得到的上述计划确定期间中的上述运算结果，设定下述数学模型，该数学模型至少表现上述船舶的滞期限制及上述卸货地的上述原材料的供需平衡限制；

微观最优化部的最优化计算单元，利用由上述微观最优化部的数学模型设定单元设定的上述数学模型，在上述计划确定期间以比上述宏观时间精度更精细的微观时间精度根据至少关于上述输送费用构筑的目标函数来进行最优化计算，并输出其最优化计算的结果；

模拟器，根据从上述微观最优化部的最优化计算单元输出的上述最优化计算的结果进行动作，包括对上述计划确定期间的上述库存情况的推移进行模拟的库存推移模拟器、以及对上述计划确定期间的上述船舶航行情况的推移进行模拟的船舶航行情况推移模拟器；以及

输出单元，输出作为上述模拟器的模拟结果的配船计划；

上述模拟器直到计划制作期间量的配船计划被确定为止将上述计划确定期间的模拟结果提供给上述宏观最优化部的数学模型设定单元以及上述微观最优化部的数学模型设定单元；

上述宏观最优化部的数学模型设定单元以及上述微观最优化部的数学模型设定单元在从上述模拟器提供到了上述计划确定期间的模拟结果的情况下，反映该模拟结果来设定上述数学模型。

2.如权利要求1记载的配船计划制作装置，其特征在于，

在处理上述原材料时，对化学特性包含在规定的范围内的多个上述原材料的品种进行分组。

3.如权利要求1记载的配船计划制作装置，其特征在于，

上述宏观最优化部的数学模型设定单元还设定表现上述原材料的交易目标量限制的数学模型。

4.如权利要求1记载的配船计划制作装置，其特征在于，

上述船舶列表所包括的上述船舶的上述雇船合同的种类包括连续航海船、不定期船、现期船。

5.如权利要求4记载的配船计划制作装置，其特征在于，

上述船舶财源制作单元根据上述船舶列表及上述船舶航行情况，提取在计划制作期间存在航行未定部分的上述连续航海船，并对于提取的各个上述连续航海船，制作在上述计划制作期间的上述装货地与上述卸货地的组合的模式之中符合规定条件的所有模式。

6.如权利要求5记载的配船计划制作装置，其特征在于，

上述船舶财源制作单元根据上述船舶列表及上述船舶航行情况，提取在上述计划制作期间能够利用、且存在航行未定部分的上述不定期船，并对于提取的上述不定期船，制作在上述计划制作期间的上述装货地与上述卸货地的组合的模式之中符合规定条件的所有模式。

7.如权利要求6记载的配船计划制作装置，其特征在于，

上述船舶财源制作单元根据上述计划制作期间的上述交易目标量的总合计、以及提取的上述连续航海船和上述不定期船的最大装载量的合计，计算应由上述现期船运输的上述原材料的量，并根据上述船舶列表，提取上述现期船的候选。

8.如权利要求1至7中任一项记载的配船计划制作装置，其特征在于，

上述模拟器在上述连续航海船的一个航海的航行时刻发生变更的情况下，使上述变更波及性地得到反映，修正上述连续航海船的之后的航海的航行时刻，并根据上述修正进行上述宏观最优化部的数学模型设定单元及上述最优化计算单元的处理。

9.如权利要求1至7中任一项记载的配船计划制作装置，其特征在于，

上述宏观最优化部的最优化计算单元进行如下处理：

按照每个上述装货地，以旬单位或月单位对所有上述品种的交易量进行合计而累积，由此计算交易量累积；

按照每个上述装货地，以旬单位或月单位对所有上述品种的上述交易目标量进行合计而累积，由此计算交易目标量累积；

根据以上述交易量累积与上述交易目标量累积之差的最小化为进一步的目的的目标函数，进行上述最优化计算。

10.如权利要求1至7中任一项记载的配船计划制作装置，其特征在于，

上述宏观最优化部的最优化计算单元进行如下处理：

按照每个上述卸货地，以旬单位或月单位对所有上述品种的卸货量进行合计而累积，由此计算卸货量累积；

按照每个上述卸货地，以旬单位或月单位对标准卸货能力量进行合计而累积，由此计算卸货地标准卸货能力量累积；

根据以上述卸货量累积与上述卸货地标准卸货能力量累积之差的最小化为目的的目标函数，进行上述最优化计算。

11.如权利要求1至7中任一项记载的配船计划制作装置，其特征在于，

还具有输入部，该输入部能够按照用户的意图单独固定船型、船数、装货地、卸货地、装货品种、卸货品种、装货量及卸货量。

12.如权利要求1至7中任一项记载的配船计划制作装置，其特征在于，

还具有输入部，该输入部能够根据用户的意图统一固定上述装货地、装货品种、装货量。

13.如权利要求1至7中任一项记载的配船计划制作装置，其特征在于，

在上述输送费用中包括运费及滞期费。

14.一种配船计划制作方法，用于制作将多个品种的原材料从多个装货地输送到多个卸货地的配船计划，其特征在于，包括如下步骤：

数据取入步骤，通过数据取入单元取入包括上述原材料的使用预定量、上述原材料的交易目标量、上述原材料的库存情况、上述原材料的购入费用、对根据多种雇船合同来运用的多个船舶进行列表而成的船舶列表、各上述船舶的船舶航行情况、以及利用各上述船舶时的输送费用在内的数据；

船舶财源制作步骤，通过船舶财源制作单元，根据上述船舶航行情况，从上述船舶列表中选择需要的上述船舶，并制作船舶财源；

宏观最优化部的数学模型设定步骤，通过宏观最优化部的数学模型设定单元设定数学模型，该数学模型至少表现上述船舶财源所包括的上述船舶的航行限制、以及在上述卸货地的上述原材料的供需平衡限制；

宏观最优化部的最优化计算步骤，通过宏观最优化部的最优化计算单元，利用由宏观最优化部的数学模型设定单元设定的上述数学模型，在预先设定的最优化期间内以规定的宏观时间精度根据至少关于上述输送费用构筑的目标函数，进行最优化计算，并输出上述最优化期间中的一部分计划确定期间中的运算结果；

微观最优化部的数学模型设定步骤，通过微观最优化部的数学模型设定单元，利用从上述宏观最优化部的最优化计算单元得到的上述计划确定期间中的上述运算结果，设定下述数学模型，该数学模型至少表现上述船舶的滞期限制及上述卸货地的上述原材料的供需平衡限制；

微观最优化部的最优化计算步骤，通过微观最优化部的最优化计算单元，利用由上述微观最优化部的数学模型设定单元设定的上述数学模型，在上述计划确定期间以比上述宏观时间精度更精细的微观时间精度根据至少关于上述输送费用构筑的目标函数来进行最优化计算，并输出其最优化计算的结果；

模拟步骤，通过模拟器，根据从上述微观最优化部的最优化计算单元输出的上述最优化计算的结果，对上述计划确定期间中的上述库存情况及上述船舶航行情况进行模拟；以及

输出步骤，通过输出单元输出作为上述模拟器的模拟结果的配船计划；

通过上述模拟器直到计划制作期间量的配船计划被确定为止将上述计划确定期间的模拟结果提供给上述宏观最优化部的数学模型设定单元以及上述微观最优化部的数学模型设定单元；

通过上述宏观最优化部的数学模型设定单元以及上述微观最优化部的数学模型设定单元在从上述模拟器提供到了上述计划确定期间的模拟结果的情况下，反映该模拟结果来设定上述数学模型。

Images