CN102137803A - 配合及配船计划制作系统、方法及程序 - Google Patents

Abstract

本发明是一种配合及配船计划制作系统，制作将多个品种的配合原材料从多个装货地输送到多个卸货地的配船计划、以及在各上述卸货地对进货的上述配合原材料进行混合的配合计划，具备：第一配合计划制作部，根据对每个上述装货地及每个上述品种预先设定的上述配合原材料的交易目标量，制作第一配合计划；配船计划制作部，根据制作的上述第一配合计划，制作上述配船计划；以及数据库部，存放制作的上述配船计划。

Description

配合及配船计划制作系统、方法及程序

技术领域

本发明涉及适于制作将多个品种的配合原材料(以下也简称原材料)进货并混合的配合计划、以及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合及配船计划制作系统、方法及程序。

本申请基于2008年11月21日在日本提出的专利申请2008-298596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，将按照签约的购入目标量购入的具有各种特性的多种原材料混合，并使用该混合后的原材料来制作钢铁等的制品、半制品。此时，要求制订输送计划(在船的情况下称为配船计划)以及配合计划，以使钢铁等的制品、半制品的特性限于一定范围内并且满足生产量，而且各原材料在制作现场不发生库存耗尽。而且，在制作配船计划及配合计划时，将费用作为重要指标来判断计划的好坏。因此，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)以及原材料的购入费用的最小化(minimum)。

但是，如果对原材料进行卸货(进货)的船舶的配船计划未定，则无法决定在卸货港卸货的原材料的品种和数量。结果，在原材料被卸货的炼钢厂，无法决定将哪个品种能够使用多少数量，即无法制作配合计划。另一方面，为了制作船舶的配船计划，需要确定在作为对原材料进行卸货的卸货港的炼钢厂将哪个品种使用多少数量。像这样，配合计划与配船计划相互深为相关，因此极难对它们中的某一个独立进行计划。

作为关联的技术，专利文献1所公开的原料输送配船计划用推理装置中，在将原材料的使用计划及原料船的年间工作计划作为已知数据读入之后，对有可能发生库存耗尽的品种优先与船联系起来。通过反复进行该工序来制作配船计划。

另外，在专利文献2所公开的物流计划制作装置中，由模拟部根据限制条件模拟各输送单元的运行，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计算的结果进行评价。

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

但是，专利文献1及专利文献2都是将原材料的使用计划及原料船的年间工作计划作为已知数据读入来制作配船计划。即，没有考虑使配合计划和配船计划相互关联来制作。

另外，在现实的输送时，使用根据不同种类的雇船合同来运用的船舶，例如连续航海船、不定期船、现期船，但在专利文献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。

进而，在连续航海船及不定期船这样的合同中，需要必须(最优先)对对象船舶进行配船。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，没有进行对考虑了这些雇船合同种类的船的船队构成加以考虑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75000吨(ton、t)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50000吨的三艘现期船来进行配船更好等选项进行考虑的配船计划的方法。根据雇佣的船的最大装载量、航路，船的输送费用大为变化，但在上述文献中，没有进行考虑到这些情况的配船。

进而，在配合计划中不考虑输送费用而制作计划的情况下，有可能制作出使用输送费用高得超出所需的原材料的配合计划。在这种计划方法的情况下，无论在决定配合计划之后对如何输送下功夫，也难以使输送费用最优化。例如，考虑存在特性几乎相同的原材料X、Y，在卸货港(炼钢厂)A、B能够使用原材料X、Y的任一种的情况。设为对卸货港A输送原材料X的费用为20$/吨，输送原材料Y的费用为40$/吨，对卸货港B输送原材料X的费用为40$/吨，输送原材料Y的费用为20$/吨。此时，从输送费用的观点出发，本来制订在卸货港A使用原材料X并在卸货港B使用原材料Y的计划是更有利的计划。但是，在使用不考虑输送费用的计划方法的情况下，有可能制作在卸货港A使用原材料Y、而在卸货港B使用原材料X的计划。

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(特性包含在规定的范围内的品种；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)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(特性包含在规定的范围内)且能够通过运费较低的船配送的品种，从而减少输送费用。

像这样，在考虑费用的情况下，当然要考虑配合原材料的购入费用，而且还要求考虑其输送费用来制作计划。但是，专利文献1及专利文献2都没有在原材料的使用计划的阶段中考虑到上述情况。

发明内容

本发明鉴于如上情况做成，其一个目的在于，能够使对多个品种的配合原材料进行进货并混合的配合计划、以及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相互联系并统一制作。另外，另一个目的在于，能够将船舶的合同种类也包含在内来考虑输送费用的最小化。

进而，其目的在于，通过考虑特性相近的品种(特性包含在规定的范围内的品种)，与按照每个品种单独考虑相比，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)用于达到上述目的的本发明的一个方式涉及的系统是一种配合及配船计划制造系统，制作将多个品种的配合原材料从多个装货地输送到多个卸货地的配船计划、以及在各个上述卸货地对进货的上述配合原材料进行混合的配合计划，其特征在于，具备：第一配合计划制作部，根据对每个上述装货地及每个上述品种预先设定的上述配合原材料的交易目标量，制作第一配合计划；配船计划制作部，根据制作的上述第一配合计划，制作上述配船计划；以及数据库部，存放制作的上述配船计划。

(2)在上述(1)的配合及配船计划制作系统中，也可以是，在上述配合计划的制作和上述配船计划的制作中，关于上述交易目标量及上述配合原材料的库存情况使用共通的限制条件。

(3)在上述(1)的配合及配船计划制作系统中，也可以是，上述第一配合计划制作部具备：数据取入部，取入包括上述配合原材料的上述交易目标量、上述配合原材料的库存情况、上述配合原材料的特性、上述配合原材料的购入费用及上述配合原材料的输送费用的数据；数学模型设定部，分别设定表现上述配合原材料的供需平衡限制及上述配合原材料的混合后的特性限制的数学模型；最优化计算部，使用设定的上述数学模型，根据关于上述购入费用及上述输送费用预先构筑的目标函数，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，并对上述配合原材料的供需状态的推移及上述配合原材料的混合后的上述特性的推移进行模拟；以及输出部，输出作为上述模拟器的模拟结果的配合计划。

(4)在上述(3)的配合及配船计划制作系统中，也可以是，上述最优化计算部还根据关于上述配合原材料的进货量与上述交易目标量之间的关系预先构筑的目标函数，进行最优化计算。

(5)在上述(3)或(4)的配合及配船计划制作系统中，也可以是，在由上述数据取入部取入的上述输送费用中，包括：分船舶、分装货港、分卸货港的运费的信息；以及分上述品种、分卸货港运费的信息。

(6)在上述(1)的配合及配船计划制作系统中，也可以是，上述第一配合计划制作部还计算按照制作的上述配合计划的上述配合原材料的使用预定量；上述配船计划制作部具备：数据取入部，取入包括上述配合原材料的上述使用预定量、上述配合原材料的上述交易目标量、上述配合原材料的库存情况、上述配合原材料的购入费用、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、各上述船舶的航行情况、以及输送费用的数据；船舶财源列表制作部，根据上述航行情况，从上述船舶列表中选择作为配船对象的候选的上述船舶，并制作船舶财源列表；数学模型设定部，设定数学模型，该数学模型表现上述船舶财源列表中包括的上述船舶的航行限制、在上述卸货地的上述配合原材料的供需平衡限制、以及交易目标量限制；最优化计算部，利用设定的上述数学模型，根据关于上述输送费用预先构筑的目标函数，进行最优化计算；模拟器，包括库存推移模拟器以及船舶航行情况推移模拟器，并根据上述最优化计算的结果进行动作，上述库存推移模拟器对上述库存情况的推移进行模拟，上述船舶航行情况推移模拟器对上述航行情况的推移进行模拟；以及输出部，输出作为上述模拟器的模拟结果的上述配船计划。

(7)在上述(1)的配合及配船计划制作系统中，也可以是，上述第一配合计划制作部还计算按照制作的上述配合计划的上述配合原材料的使用预定量；上述配船计划制作部具备：数据取入部，取入包括上述配合原材料的上述使用预定量、上述配合原材料的上述交易目标量、特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理的分组配合原材料的库存情况、上述配合原材料的购入费用、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、各个上述船舶的航行情况、以及输送费用的数据；船舶财源列表制作部，根据上述航行情况，从上述船舶列表中选择作为配船对象的候选的上述船舶，并制作船舶财源列表；数学模型设定部，设定数学模型，该数学模型表现上述船舶财源列表中包括的上述船舶的航行限制、特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理的上述分组配合原材料的供需平衡限制、以及交易目标量限制；最优化计算部，利用设定的上述数学模型，根据关于上述输送费用预先构筑的目标函数，进行最优化计算；模拟器，包括库存推移模拟器以及船舶航行情况推移模拟器，并根据上述最优化计算的结果进行动作，上述库存推移模拟器对特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理的上述分组配合原材料的上述库存情况的推移进行模拟，上述船舶航行情况推移模拟器对上述航行情况的推移进行模拟；以及输出部，输出作为上述模拟器的模拟结果的上述配船计划。

(8)在上述(1)(3)(7)的任一项的配合及配船计划制作系统中，也可以是，还具备第二配合计划制作部，该第二配合计划制作部根据制作的上述配船计划，制作第二配合计划；上述数据库部还存放上述第二配合计划。

(9)在上述(8)的配合及配船计划制作系统中，也可以是，上述第二配合计划制作部具备：第二数据取入部，取入包括基于制作的上述配船计划的上述配合原材料的进货预定、上述配合原材料的库存情况、上述配合原材料的特性、上述配合原材料的购入费用、以及上述配合原材料的输送费用的数据；第二数学模型设定部，利用上述进货预定，分别设定表示上述配合原材料的供需平衡限制及上述配合原材料的混合后的特性限制的数学模型；第二最优化计算部，利用设定的上述数学模型，根据关于上述购入费用及上述输送费用预先构筑的目标函数，进行最优化计算；第二模拟器，根据上述最优化计算的结果进行动作，对上述配合原材料的供需状态的推移及上述配合原材料的混合后的上述特性的推移进行模拟；以及第二输出部，输出作为上述模拟器的模拟结果的配合计划。

(10)在上述(9)的配合及配船计划制作系统中，也可以是，在上述第一配合计划的上述供需平衡限制与上述第二配合计划的上述供需平衡限制中，关于需求设定相同的限制条件；在上述第一配合计划的上述供需平衡限制中，关于供给，将交易目标量设定为限制条件；在上述第二配合计划的上述供需平衡限制中，关于供给，将船舶对原材料的进货量设定为限制条件。

(11)在上述(9)的配合及配船计划制作系统中，也可以是，在上述第一配合计划的上述目标函数中，使用分品种、分卸货港假定运费；在上述第二配合计划的上述目标函数中，使用分船舶、分装货港、分卸货港运费。

(12)在上述(1)或(3)的配合及配船计划制作系统中，也可以是，在制作的上述配合计划中，特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理。

(13)用于达到上述目的的本发明的另一个方式涉及的方法是一种配合及配船制造方法，制作将多个品种的配合原材料从多个装货地输送到多个卸货地的配船计划以及在各上述卸货地对进货的上述配合原材料进行混合的配合计划，其特征在于，包括：第一配合计划制作工序，根据对每个上述装货地及每个上述品种预先设定的上述配合原材料的交易目标量，制作第一配合计划；配船计划制作工序，根据制作的上述第一配合计划，制作上述配船计划；以及数据库存放工序，在数据库中存放制作的上述配船计划。

(14)用于达到上述目的的本发明的另一个方式涉及的程序是用于使计算机作为上述(1)的配合及配船计划制作系统的各部分工作的程序。

发明的效果

根据本发明的各方式，能够使对多个品种的配合原材料进行进货并混合的配合计划、以及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相互联系并统一制作。尤其是，能够考虑雇船合同的种类不同的船舶，准备关于输送费用构筑的目标函数，根据该目标函数进行最优化计算。由此，能够制定将雇船合同的种类(连续航海船、不定期船、现期船)、雇佣/不雇佣决定船队的构成的船舶(船财源列表的制作)也包括在内的、用于输送费用的最小化的计划。进而，在配合计划阶段中，也能够制作考虑到使输送费用最小化的计划。

进而，通过考虑特性相近的品种(特性包含在规定的范围内的品种)，与按照每个品种单独考虑相比，能够实现为了进一步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是表示本发明的各实施方式涉及的配合及配船计划制作系统的概略结构的图。

图2是表示包括第一或第二配合计划制作装置的系统结构例的图。

图3是表示第一或第二配合计划制作装置的基本结构的模块图。

图4是表示第一或第二配合计划制作装置的结构的模块图。

图5是用于说明第一或第二配合计划制作装置的配合计划制作处理的流程图。

图6是用于说明配合计划制作的概要的图。

图7是表示设定所利用的运费的表的例子的图。

图8A是用于说明进货量不以一定幅度以上偏离交易目标量的限制的图。

图8B是用于说明进货量相对于交易目标量不偏离一定幅度以上的限制的图。

图9是用于说明配合计划制作的步骤的图。

图10是表示替代非线性的数学式f(x_A，x_B，x_C，……，x_N)而引入线性的数学式f’(x_A，x_B，x_C，……，x_N)时的处理的流程图。

图11是表示按每旬制作配合计划的例子的图。

图12是用于说明配船计划制作装置的配船计划制作处理的流程图。

图13是用于说明取入数据之中的船舶列表的图。

图14是用于说明取入数据之中的船舶航行情况的图。

图15是用于说明取入数据之中的运费列表的图。

图16是用于说明取入数据之中的滞期费的列表的图。

图17是用于说明船舶的选择处理的流程图。

图18是表示对于提取出的连续航海船制作计划制作期间中的装货地与卸货地的组合的模式的情形的图。

图19是用于说明应由现期船补充的原材料输送量的图。

图20是用于说明现期船的航路列表的图。

图21是表示时刻与库存量的关系的图。

图22A是用于说明交易量相对于交易目标量不偏离一定幅度以上的限制的图。

图22B是用于说明交易量不以一定幅度以上偏离交易目标量的限制的图。

图23是示意地表示宏观最优化与微观最优化的关系的图。

图24是用于说明以装货地的负荷的均匀化为目的的目标函数的图。

图25是用于说明以卸货地的负荷的均匀化为目的的目标函数的图。

图26是表示配船计划的例子的图。

图27是表示能够作为本发明的配合计划装置、配船计划装置工作的计算机装置的硬件结构例的图。

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(装货地)对矿石和煤炭等配合原材料通过船舶的输送来进货、并对它们进行混合的例子。即，在本例中，多个品种的配合原材料从多个供应源通过船舶输送到多个供应目的地，进货到多个供应目的地。然后，该配合原材料在各供应目的地被配合使用。此时，该多个品种的配合原材料的配合计划以及该多个品种的配合原材料从作为装货地的多个供应源通过船舶输送到作为卸货地的多个供应目的地。以下说明适于制作该船舶进行输送时的配船计划的配合及配船计划制作。

(系统结构)

图1是表示本发明的实施方式1至4涉及的配合及配船计划制作系统的概略结构的图。其中，在图1中表示了例如第二配合计划制作装置300，但在实施方式1中，不使用该第二配合计划制作装置300。以下，对于多个实施方式所大致共通的结构、工序，说明其概要。然后，详细记载各实施方式所包括的要素、工序。

100是第一配合计划制作装置，根据原材料的交易目标量，制作对多个品种的原材料进行进货并混合的配合计划。在此，制作按照每个炼钢厂配合原材料的配合计划。由此，计划表示各炼钢厂中每天使用多少原材料的使用预定量。该第一配合计划制作装置100作为本发明所述的第一配合计划制作部发挥作用。

200是配船计划制作装置，根据由第一配合计划制作装置100制作的配合计划，制作将多个品种的原材料(矿石和煤炭等)从多个装货地(分散在全世界的矿山)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，而在于制作使全部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原材料的购入费用在内的费用最小化的配船计划。该配船计划制作装置200作为本发明所述的配船计划制作部发挥作用。

300是第二配合计划制作装置，根据由配船计划制作装置200制作的配船计划，制作对多个品种的原材料进行进货并混合的配合计划。该第二配合计划制作装置300作为本发明所述的第二配合计划制作部发挥作用。

400是数据库，以计算机500能够参照进而能够修改的方式存放各装置100～300为了制作计划而使用的数据、各装置100～300所制作的计划。由此，能够对各装置100～300为了制作计划而使用的数据、各装置100～300所制作的计划进行统一管理，能够实现最新信息的共享。

500是计算机，参照、更新数据库400中存放的数据，或在数据库400中存放数据。其中，在此仅图示了一个计算机500，但在本实施方式中，多台计算机经由LAN或互联网连接。计算机500例如有称为过程控制计算机等的上一级计算机、设置在各地(炼钢厂、本公司、船公司、矿山等)的能够访问数据库400的计算机终端等。

另外，图1所示的系统结构不过是一个例子，不限定于此。例如，图示为各装置100～300分别构成为一个装置的清醒，但也可以设为装置100～300分别由包括多个设备的计算机系统来构成。另外，例如在第一配合计划制作装置100及第二配合计划制作装置300按照同样的算法制作配合计划的情况下，也可以构成为一个计算机作为第一配合计划制作装置100及第二配合计划制作装置300来工作。进而，本发明所述的第一配合计划制作部、配船计划制作部、数据库部、第二配合计划制作部实现为一个装置的情况也包括在本发明的范围内。

(第一实施方式)

(第一配合计划制作装置100)

在第一配合计划制作装置100中，根据原材料的交易目标量，制作对多个品种的原材料进行进货并混合的配合计划。所谓交易目标量，指的是分矿山(装货地)、分品种的交易目标量(交易预定量)。与各矿山按照每个品种，例如在一年这样的期间中，对于交易多少量进行签约。将该期间中的交易量除以对应的期间所包括的旬数，就能够得到每旬的交易目标量。另外，在本说明书中，旬指的是将月分割为三份的期间的单位。

图2是表示包括第一配合计划制作装置100的系统结构例的图。如图2所示，第一配合计划制作装置100在制作配合计划时，接受操作者进行的数据设定，或从数据库400取入数据。此时，在取入的数据中，例如包括以下数据：包括制定配合计划所需的计划制作期间、交易目标量、原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息、利用船舶时的输送费用信息的限制条件及前提条件。有关原材料的特性的数据例如包括炭化度、各成分含有比率等物理、化学特性。

第一配合计划制作装置100执行模拟并制作对多种(多个品种)的原材料进行进货并混合的混合计划。第一配合计划制作装置100求出各品种的使用量(配合比例)、进货量作为配合计划，以满足原材料的供需平衡限制、混合后的特性限制。第一配合计划制作装置100通过设定按照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的、表现原材料的供需平衡限制的数学模型(也称为“供需平衡模型”)、以及表现混合后的特性限制的数学模型(也称为“特性模型”)，来实现配合计划的最优化，详细情况留待后述。

数学模型的设定指的是也称为数学模型的展开的一系列的工序，包括以下说明的工序，由本实施方式的装置的各部或方法来执行。在本实施方式中，数学模型以抽象的形式被预先构筑、建模，以便能够对应于船舶数、港数等各条件的变化。对于该数学模型，按照计划制定的条件来具体决定各排列的下标的最大数(例如表示船舶数)、式中的系数及常数的值等。

在显示部303中，显示由第一配合计划制作装置100求出的各品种的使用量(配合比例)、进货量、库存推移曲线、各种票据。

在操作者评价部304中，由操作者从各种观点(例如库存推移、特性等)对求出的配合计划进行评价，如果不是满意的结果，则按照需要修改配合比例等。此时，按照需要改变目标函数的权重或评价的指标，或者改变设定数学模型的对象期间、计划确定期间。另外，可以对全部或仅对指定的处理固定使用量等、设定反映操作者的意志的数学模型。然后，由第一配合计划制作装置100再次重新制作配合计划。

图3是表示第一配合计划制作装置的基本结构的模块图。如图3所示，第一配合计划制作装置100构成为包括模拟器(包括库存推移模拟器311、特性模拟器312)、作为本发明所述的数学模型设定部发挥作用的模型设定部(包括供需平衡模型设定部313、特性模型设定部314)、作为本发明所述的最优化计算部发挥作用的计划部315，还兼备输入输出部。

库存推移模拟器311是计算各原材料的供需状态(库存推移)的模拟器。特性模型器312是计算对原材料进行混合之后的特性的模拟器。库存推移模拟器311、特性模拟器312相互联动，由此计算原材料的库存推移、混合后的特性。

在本实施方式中，例如根据包括以下信息的输入数据316来进行数学模型的设定处理：制定配合计划所需的计划制作期间、交易目标量、原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息、以及利用船舶时的输送费用信息等。以从配合计划的制定开始日期时间起预先设定的最优化期间量为对象，根据预先设定的时间精度，按照LP(线性计划法)、MIP(混合整数计划法)、QP(二次计划法)等数理整数计划法等，由供需平衡模型设定部313设定表现供需平衡限制(库存限制)的数学模型，由特性模型设定部314设定表现特性限制的数学模型。

利用由供需平衡模型设定部313、特性模型设定部314设定的数学模型，计划部315进行最优化计算，以不使库存耗尽，并且满足所要求的特性，而且使费用(原材料的购入费用及输送费用)最小化来制作配合计划。根据该最优化计算的结果，制作对库存推移模拟器311、特性模拟器312的计算指示。接受该计算指示，库存推移模拟器311对库存推移进行模拟，特性模拟器312对按照计划制造的制品、半制品的特性进行模拟。例如，在钢铁业中，模拟对煤炭进行混合来烧结而成的焦炭(制品)、使对还原铁矿石得到的生铁进行精炼而成的钢液凝固而得到的平板(slab)(半成品)等的特性。

通过该第一配合计划制作装置100，不是像以往那样根据预先决定的规则来进行计算指示，而是将基于由计划部315进行的最优化计算的结果的计算指示输出给库存推移模拟器311、特性模拟器312。因此，能够可靠地进行与当时的情况相应的最佳的计算指示。

例如，对于如图7所示预先设定的计划确定期间量，由库存推移模拟器311、特性模拟器312进行模拟。如果该模拟结束，则更新制定开始日，根据更新前的计划确定期间的最终状态、即更新后的制定开始日的库存推移、特性的信息，对于新的最优化期间量，由供需平衡模型设定部313设定表现库存限制的数学模型，由特性模型设定部314设定表现特性限制的数学模型。设定后的数学模型被提供给计划部315。像这样，如果对计划部315提供根据库存推移、特性的信息来设定的数学模型，则利用该数学模型来执行最优化计算。

如上所述，通过执行使各模拟器(库存推移模拟器311、特性模拟器312)、各模型设定部(供需平衡模型设定部313、特性模型设定部314)和计划部315联动的详细模拟，能够制作最佳的配合计划。即，在本实施方式中进行的模拟不是以往那样基于规定的规则的模拟，而是根据最优化计算的结果来进行。因此，即使仅执行一次模拟，也能够可靠地得到理论上的最优解。根据该结构，无需像以往的对模拟结果进行评价并多次重复执行模拟，而能够迅速且高精度地制作模拟结果317。因此，即使制作配合计划的对象规模很大，也足以在实用时间内制作。

另外，根据以往方法，如果计划制作期间变长，则作为计算对象的期间变长，由此，问题规模急剧增大，因此存在变得不可能求解的问题。但是，根据本方法，将整个计划制作期间分割为比其短的最优化期间，由此能够缩小问题规模。因此，即使作为整体的计划制作期间变长，也能够解决问题。将如上得到的模拟结果317作为配合计划输出。

另外，在由供需平衡模型设定部313、特性模型设定部314设定的模型的规模非常大的情况下，或限制条件非常多且复杂的情况下，也可以在库存推移模拟器311、特性模拟器312中记载的供需平衡限制、特性限制之中，仅提取出对制作配合计划影响较大、重要的部分，并仅将该提取的部分取入至供需平衡模型设定部313、特性模型设定部314中。由此，能够使供需平衡模型设定部313、特性模型设定部314的数学模型的规模在适当的范围内，在实用的时间内进行最优化计算。库存推移模拟器311、特性模拟器312能够记载应考虑的所有供需平衡限制、特性限制，因此保证了执行一次模拟而制作的配合计划在现实中能够执行。

如上所述，在本实施方式中，使模拟器(库存推移模拟器311、特性模拟器312)、模型设定部(供需平衡模型设定部313、特性模型设定部314)和计划部315联动来制作配合计划。因此，能够得到以下效果：(1)能够不反复执行模拟而制作配合计划；(2)通过仅将对制作配合计划影响大的重要部分的限制取入至计划部315中，能够缩短计算时间；(3)能够解决大规模的问题。

以下，更加详细地说明第一配合计划制作装置100的结构以及利用该装置执行的配合计划制作方法的各步骤。图4是表示与利用图3说明的第一配合计划制作装置100的基本结构相对应的、配合计划制作装置的详细结构的图。另外，图5是表示利用该装置执行的配合计划制作方法的各步骤的流程图。

作为配合计划制作的概要，例如图6所示，包括如下的计算、调整的工序：求取多个炼钢厂(卸货港)a～c的原材料(品种)的供需平衡；满足(不使各品种A～N的库存耗尽等)所要求的特性；而且，使费用(原材料的购入费用及输送费用)最小化；作为满足上述条件的配合计划，决定每个炼钢厂a～c的各品种A～N的使用量(配合比例)、进货量。在此，作为每个炼钢厂的使用量的合计量的预订使用量被提供为输入数据。因此，配合比例(％)＝使用量/预定使用量×100。因此，如果使用量、配合比例中的一方被决定，则另一方也被决定。

(1)输入数据的取入(图4的输入数据取入部351、图5的步骤S301)

在线读入本处理所需的信息(交易目标量、原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息、利用船舶时的输送费用信息等)，根据需要由操作者加以修正。

在此，由输入数据取入部351取入的交易目标量是表示分矿山(装货地)、分品种的交易目标量(交易预定量)的信息。与各矿山对于原材料的每个品种，例如在一年等期间中，关于交易多少数量的原材料(交易量)签订合同。如果将该期间整体的交易量除以月数，则能够得到每个月的交易目标量。要求以接近该交易目标量的方式进货。然而，一年中数万吨左右的交易量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合同。也可以将这些例外的条件包括在计算中。例如，在原材料A的某个月的交易目标量为5万吨的情况下，考虑相对于交易目标量的上下偏差在一年中为6万吨(每月5千吨)的情况。在该情况下，对于该月的进货预定，上限(进货预定量上限)5万吨+5千吨、下限(进货预定量下限)5万吨-5千吨之间的范围成为允许范围。

原材料的库存情况是表示计划制作期间的首日的分炼钢厂、分品种的库存量(吨数)的信息。

原材料的特性是表示每个原材料的成分等的特性的信息。例如，作为原材料的铁矿石的特性，包括关于Fe₂O₃、Fe₃O₄、SiO₂、Al₂O₃等原材料的特性信息。

原材料的购入费用信息是表示分矿山(装货地)、分品种的原材料的单价($/吨(ton、t))的信息。

利用船舶时的输送费用信息如图15、16所示，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。另外，在利用船舶时的输送费用信息中，也包括表示分品种·分卸货港(卸货地)假定运费的信息。

输送费用本来由上述的分船舶、分装货港、分卸货港运费唯一决定。但是，在第一配合计划制作装置100的操作阶段，关于进货，装载原材料的船舶尚未决定。对于这些装载的船舶尚未决定的原材料，为了估计原材料的输送费用，需要分品种·分卸货港的运费。在此，分品种、分卸货港运费本来就因装载原材料的船舶的选择等而不同，因此无法唯一决定。因此，替代分品种、分卸货港运费，分品种、分卸货港取得作为概算的假定运费的信息。作为分品种、分卸货港假定运费，例如预先列出根据经验等设定的分品种、分卸货港运费，或者根据过去实际情况按照统计性方法得到的、例如分品种、分卸货港收集过去实际情况的运费并将其平均值假定为分品种、分卸货港运费的分品种、分卸货港假定运费。

以上说明的输入数据取入部351及步骤S301是本发明所述的第一配合计划制作部的数据取入部及其处理的例子。

(2)配合计划制作期间的设定(图4的计划制作期间设定部352、图5的步骤S302)

设定制作配合计划的期间。作为该制作期间，能够按照制定者的需要设定任意的期间。在此，作为一个例子，制定了10天期间。

(3)配合计划制作时间精度的设定(图4的时间精度设定部353、图5的步骤S303)

设定制作配合计划的时间精度以及模拟精度。作为该时间精度以及模拟精度，能够按照制定者的需要单独设定任意的精度。例如，在需要制定的精细精度的计划制作期间的前半段使精度精细，在粗略的计划即可的计划制作期间的后半段使精度粗略，由此能够以充分的精度和较短的计算时间有效地制作计划。

(4)最优化期间的设定(图4的最优化期间设定部354、图5的步骤S304)

设定制作配合计划的最优化期间。作为该最优化期间，能够根据制定者的需要单独设定任意的对象期间。在此，作为一个例子，在整个计划制作期间中，将最优化期间设为3天。

(5)计划确定期间的设定(图4的计划确定期间设定部355、图5的步骤S305)

设定确定配合计划的计划确定期间。作为该计划确定期间，能够根据制定者的需要单独设定任意的期间。例如，在需要制定的精细精度的计划制作期间的前半段使计划确定期间较短，在粗略的计划即可的计划制作期间的后半段使计划确定期间较长。由此，能够具有充分的精度而且以较短的计算时间来有效地制作计划。在此，作为一个例子，将计划确定期间设定为1天。此时，对于根据针对数学模型的解来模拟的结果所得到的配合计划，在整个计划制作期间中确定最初的一天量。

(6)将配合计划的供需平衡限制设定为数学模型(图3的基本结构图的供需平衡模型设定部313、图4的供需平衡模型设定部356、图5的步骤S306)

根据由输入数据取入部351取入的数据的全部或一部分，对于设定的最优化期间量，以设定的时间精度，对数学模型设定供需平衡限制。

如下述的(式1)所示定义表示各品种的使用量的变量。另外，如下述的(式2)所示定义表示品种的库存量的变量。另外，如下述的(式3)所示定义表示各品种的进货量的变量。其中，式中的“地点”在本实施方式中表示与卸货地对应的炼钢厂。

[数学式1]

x_p，i，d：地点p，品种i，日d的使用量……(式1)

[数学式2]

S_p，i，d：地点p，品种i，日d的库存量……(式2)

[数学式3]

y_p，i，d：地点p，品种i，日d的进货量……(式3)

以下表示根据供需信息设定的数学模型、即供需平衡限制模型。在此，要求各品种的库存量是一定的称为安全库存量的值以上。此时的限制如下述的(式4)所示。

[数学式4]

S_p，i，d≥SafeStock_p，i，d：SafeStock_p，i，d是地点p，品种i，日d的安全库存量(常数)……(式4)

另外，各品种的库存量由前一天的库存量、前一天的进货量、前一天的使用量来决定。表现此时的关系的限制式如下述的(式5)所示。即，当天的库存量为：从将前一天的库存量与当天进货(卸货)的量相加所得到的值中，减去当天的使用量所得到的值。

[数学式5]

S_p，i，d＝S_p，i，d-1+y_p，i，d-1-x_p，i，d-1……(式5)

另外，各品种的使用量的某日的合计需要与该日的针对所有品种合计而预定的使用量一致。表现此时的关系的限制式如下述的(式6)所示。

[数学式6]

$\underset{i}{\mathrm{\Σ}}{x}_{p,i,d}=U_{p,d}:U_{p,d}$ 是地点p的日d的使用量(常数)……(式6)

另外，鉴于对应于各种原材料的购买的原因等，操作者设定作为目标的配合比例，并要求制作实现与该给定的作为目标的配合比例相近的配合比例的配合计划。即，如果配合比例与操作者的设想大为偏离，则可预想到不满足设想的购买量，或超过购买量，或对操作设备带来过度的操作。因此，需要输出与作为目标给定的配合比例相近的配合比例。以下表示用于实现上述功能的限制。即，将从品种的使用量中减去使用目标量(作为目标的配合比例)(常数)而得到的值，定义为相对于使用目标量的溢出量的变量。在此，使用量与使用目标量取越接近的量则计划越好，因此该溢出量越少越好。基于上述理由，如后所述，追加该溢出量作为目标函数的项目，通过最优化来进行最小化。同样，将从品种的使用目标量中减去使用量所得到的值，定义为相对于使用目标量的不足量的变量。在此，使用量与使用目标量取越接近的量则计划越好，因此该不足量越少越好。基于上述理由，如后所述，追加该不足作为目标函数的项目，通过最优化来进行最小化。此时，表现各品种的使用量、使用目标量、溢出量、不足量之间的关系的限制式如下述的(式7)所示。即，如果在发生溢出的情况下从使用量中减去溢出量，在发生不足的情况下加上不足量，则与使用目标量一致。

[数学式7]

x_p，i，d-OverU_p，i，d+CoverU_p，i，d＝xTarget_p，i，d

……(式7)

：xTarget_p，i，d是地点p，品种i，日d的使用目标量(常数)

OverU_p，i，d是地点p，品种i，日d的相对于使用目标量的溢出量

CoverU_p，i，d是地点p，品种i，日d的相对于使用目标量的不足量

进而，如果前一天的配合比例与其后一天的配合比例大为偏离，则对操作带来困难。即，成为用于使用其他原材料的安排时间的增加、或设备故障的原因。因此，要求前一天的配合比例与其后一天的配合比例不大为偏离的配合计划。为了实现上述功能，对于品种的该日的使用量与前一天的使用量之差，如下述的(式8)所示定义表现上限量的变量。

[数学式8]

Diff_p，i，d：地点p，品种i，日d的使用量与品种i，日d-1的使用量之差……(式8)

在下述的(式9)中表示用于利用该变量实现上述要求的限制。即，从品种的该日的使用量中减去该日的前一天的使用而得到的值，设为该日的使用量与该日的前一天的使用量之差以下。在此，该日的使用量与该日的前一天的使用量取越接近的值，则计划越好。基于上述理由，如后所述，追加该溢出量作为目标函数的项目，并通过最优化进行最小化。同样，关于从品种的该日的前一天的使用量中减去该日的使用而得到的值，也作为限制式来建模。

[数学式9]

x_p，i，d-x_p，i，d-1≤Diff_p，i，d

x_p，i，d-1-x_p，i，d≤Diff_p，i，d……(式9)

：Diff_p，i，d是地点p，品种i，日d的使用量与品种i，日d-1的使用量之差

另外，各品种的进货量要求收纳在作为进货预定量提供的量的范围内。表现此时的关系的限制式如下述的(式10)、(式11)所示。即，该月进货的进货量的合计需要为该月的进货预定量上限以下、且进货预定量下限以上。

[数学式10]

$\underset{p}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}{y}_{p,i,d}\≥y{\mathrm{Lower}}_{i,m}$

：yLower_i，m是品种i，月m的进货预定量下限(常数)，{d|月m中包括的日期}

……(式10)

$\underset{p}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}{y}_{p,i,d}\≤y{\mathrm{Upper}}_{i,m}$

：yUpper_i，m是品种i，月m的进货预定量上限(常数)，{d|月m中包括的日期}

……(式11)

另外，在第一配合计划制作装置100中，根据交易目标量，制作配合计划。如后所述，包括最优化(步骤S103～S106)以及模拟(步骤S107)的一系列工序可以反复执行多个循环。在首次循环中，根据步骤S301中取入的数据，进行下述的数学模型的设定，在下次循环以后，反映模拟器的模拟结果，进行数学模型的设定。在关于交易目标量限制的数学模型设定中，例如考虑以下条件：最优化的交易量(进货量)相对于交易目标量不偏离一定幅度以上；以及能否交易(如上所述关于规定的品种有时存在在规定的期间不进行交易的情况)。在此，作为对交易量相对于交易目标量不偏离一定幅度以上的限制进行建模的方法，例如图8A所示，可以考虑将仅对每旬(或每月)的交易目标量设定上下允许范围、进货量包括在该允许范围内设为限制条件的方法或结构。但是，此时，例如在进货量虽然满足允许范围的下限但低于每旬的交易目标量的状况持续发生的情况下，一年的累积进货量也有可能低于一年的交易目标量。因此，如图8B所示，优选按每旬(或每月)计算从制定开始日到相应的旬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11]

overAmount_i，s：品种i，旬s的溢出量

{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_i，S：品种i，旬s的不足量

{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12]

receiveAmount_i，s：品种i，旬s的交易量累积

{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12)所示。即，交易量累积为从制定开始日到该旬为止的期间中进货的量的合计。

[数学式13]

${\mathrm{receiveAmount}}_{i,s}-\underset{i}{\mathrm{\Σ}}\underset{d}{\mathrm{\Σ}}{y}_{p,i,d}=0$

{d|从制定开始日到该旬的期间中的日期}……(式12)

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13)所示。即，如果从交易累积量中减去溢出量，或加上不足量，则与交易目标累积量一致。在此，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，因此该溢出量及不足量越少越好。基于上述理由，如后所述，将该溢出量及不足量追加为目标函数的项目，并通过最优化来进行最小化。

[数学式14]

receiveAmount_i，s-overAmount_i，s+coverAmount_i，s＝交易目标累积量_品种，旬交易目标累积量_品种，旬是常数……(式13)

另外，上述供需平衡限制是一个例子，也可以替代为其他限制，或追加其他限制。

(7)将配合计划的特性限制设定为数学模型(图3的基本结构图的特性模型设定部314、图4的包括线性化部357a的特性模型设定部357、图5的步骤S307、S307a)

根据由输入数据取入部351取入的数据的全部或一部分，利用设定的最优化期间及时间精度，将特性限制设定为数学模型。作为制作铁矿石的配合计划时使用的原材料的特性，例如可以列举出：铁分、SiO₂、Al₂O₃、SiO₂等。作为制作煤炭的配合计划时的特性，例如可以列举出：CSR(热反应后强度)、DI(焦炭强度)、VM(挥发量)、膨胀压等。这些特性需要满足所要求的特性限制。在(式14)中表示混合后的特性模型的一个例子。另外，在(式14)中表示具有下限值S的例子，但也可能存在具有上限值的情况、或具有上限值及下限值双方的情况。

f(x_A，x_B，x_C，…，x_N)≥S……(式14)

x_A～x_N：原材料(品种)A～N的配合比例

S：下限值(常数)

在此，对于多数特性，特性模型所包括的数学式f(x_A，x_B，x_C，…，x_N)如下式(式15)所示，相对于配合比例为线性。

f(x_A，x_B，x_C，…，x_N)

＝W_A×X_A+W_B×X_B+…+W_N×X_N……(式15)

W_A～W_N：每个品种的品种i所包括的该成分的特性

例如，关于SiO₂，在以品种A的配合比例为40％，品种A的SiO₂成分为1％，品种B的配合比例为60％，品种B的SiO₂成分为2％的条件混合的情况下，混合后的SiO₂成分的特性为1×0.4+2×0.6＝1.6％。

然而，根据特性不同，表示该特性的数学式f(x_A，x_B，x_C，…，x_N)有时为非线性。此时，如下所述，在线性化部357a中，替代非线性的数学式f(x_A，x_B，x_C，…，x_N)而导入线性的数学式f’(x_A，x_B，x_C，…，x_N)，来对数学模型进行建模。

说明线性化部357a的处理。在表示某个特性的数学式f(x_A，x_B，x_C，…，x_N)为非线性的情况下，替代该数学式，导入线性的数学式f’(x_A，x_B，x_C，…，x_N)。作为该线性的数学式f’(x_A，x_B，x_C，…，x_N)，考虑成为非线性的数学式f(x_A，x_B，x_C，…，x_N)的下限的情况、即(式16)的关系成立的情况。另外，(式16)不需要总是成立，而在需要的范围内成立即可。

f(x_A，x_B，x_C，…，x_N)≥f’(x_A，x_B，x_C，…，x_N)……(式16)

例如作为线性的数学式f’(x_A，x_B，x_C，…，x_N)，考虑(式17)所示的加权平均。加权平均是根据非线性的数学式f(x_A，x_B，x_C，…，x_N)求出100％使用单一品种时的特性并乘以配合比例、按使用品种相加而得到的值。

加权平均炼钢厂＝∑[配合比例(＝使用量(炼钢厂，品种)/使用量合计(炼钢厂)×单一品种100％时特性品种]……(式17)

为了简化说明，考虑品种A的配合比例为90％、品种C的配合比例为10％的例子。此时，成为线性的数学式f’(90，0，10，…，0)的加权平均由下式表示。

f’(90，0，10，…，0)

＝0.9×f(100，0，…，0)+0.1×f(0，0，100，…，0)

如果根据过去的实际情况等得知该加权平均满足(式16)，则能够将该加权平均用作线性的数学式f’(x_A，x_B，x_C，…，x_N)。即，如果将加权平均≥S设为限制，则看作(式14)成立，由此得到能够建模的可能性。

在线性化部357a中，如(式14)’所示，作为针对线性的数学式f’(x_A，x_B，x_C，…，x_N)的下限值，设定比针对非线性的数学式f(x_A，x_B，x_C，…，x_N)的下限值S小的假定下限值S’＝S-s(s：偏置值)，来设定数学模型。

f’(x_A，x_B，x_C，…，x_N)≥S’……(式14)’

以上以混合后的特性限制具有下限值的情况为例子进行了说明。另外，上述特性限制是一个例子，也可以替代为其他限制(包括混合后的特性限制具有上限值的情况)、或追加其他限制。

以上说明的供需平衡模型设定部356(图3的供需平衡模型设定部313)及步骤S306、以及特性模型设定部357(图3的特性模型设定部314)及步骤S307、S307a，是本发明所述的第一配合计划制作部的数学模型设定部及其处理例。

(8)固定化提取处理(图4的固定化提取处理部358、图5的步骤S308)

如图9所示，提取作为配船计划的项目的装货港、装货品种、装货量、卸货港、卸货品种、卸货量之中已被固定化的对象、即无法变更的对象。根据预先给定的条件，对于各雇船，“装货港”及“装货品种”已被固定化的情况下，使用分船舶、分装货港、分卸货港运费(参照图15)。即，对于这些雇船，由于装载原材料的雇船已经决定，因此通过使用分船舶、分装货港·分卸货港运费，在通过最优化决定了对原材料进行进货的炼钢厂的时刻，能够进行正确的输送费用计算。

另外，在哪一个项目都没有被固定化的情况下、或仅有“装货港”被固定化的情况下，使用分品种、分卸货港假定运费。即，在装货港和装货品种未被决定的情况下，使与该船舶相关的装货港和装货品种自身能够变更，由此能够利用后述的最优化来研究有无与该装货港和装货品种相比输送费用更低廉的装货港和装货品种。此时，通过使用分品种、分卸货港假定运费，关于该船舶，通过后述的最优化，评价并研究将该船舶的装货港和装货品种变更为与该装货港和装货品种相比输送费用更低廉的装货港和装货品种的计划。由此，能够制作输送费用更低廉的计划。另外，关于同一雇船，将最没有被固定化的记录的状态考虑为该雇船的固定化情况。该固定化提取处理无需在图5所示的定时进行，例如也可以设为在开始配合计划制作时进行。

在此，本实施方式以在不存在配船计划的情况、即制定开始日以后的配船计划完全没有制订而从最初开始逐步制作配合、配船计划的情况为例，因此不存在作为上述固定化的对象的船舶信息。但是，本发明也能够适用于对此进行变形的实施方式。例如，也可以一边进行制定从制定开始日起3个月量的配合·配船计划、在计划了1个月之后、2个月量以上次制定作为参考全新制作1个月、由此制定新的3个月量的配合及配船计划等的滚动，一边制定配合及配船计划。在这种运用中，在制订配合计划时，对于与计划制作期间的制定开始日接近的日期的一部分，存在配船计划，或该雇船的一部分被固定化，而对于计划制作期间的与上述一部分相对应的剩余期间，完全不存在配船计划。在该变形的实施方式中，在实施配合计划时，存在作为固定化对象的船舶。在这种实施方式中，通过使用上述固定化提取处理，能够尊重已有的条件，并且实现配船及配合计划的逐步提高。

(9)根据目标函数对配合计划数学模型进行最优化(图3的计划部315、图4的配合计划求解部359、图5的步骤S309)

将如上所述设定的由线性及整数限制式构成的供需平衡模型、特性模型合并来作为配合计划数学模型，根据预先构筑的目标函数，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，由此计算最佳的使用量、进货量。

在此，表示关于目标函数使用线性式的情况的例子。在本实施方式中，以费用(原材料的购入费用及输送费用)的最小化为目的，在(式17)中表示目标函数J的一个例子。在利用目标函数求解时，使用购入费用信息以及步骤S308中设定的输送费用信息。

[数学式15]

……(式17)

：V_i是品种i的购入单价(常数)

F_s，i，p是船舶s，品种i，地点(卸货港)p的运费(常数)

y_{s，p，i，d}是y_p，i，d之中船舶s的地点p，品种i，日d的进货量(变量)

F_i，p是品种i，地点(卸货港)p的假定运费(常数)

在此，本实施方式在第一配合计划中，以在不存在配船计划的情况、即完全没有制订制定开始日以后的配船计划而从最初开始逐步制订配合及配船计划的情况为例，因此不存在作为上述固定化的对象的船舶信息。因此，在(式17)中，不存在与分船舶、分装货港、分卸货港运费有关的项(右边第二项)。

另外，在第一配合计划制作装置100中，其目的在于，原材料的进货量与交易目标量之间的关系、即最优化的原材料的进货量相对于交易目标量不偏离一定幅度以上。

例如，构筑以旬单位的进货量与每旬的交易目标量之差的最小化为目的的目标函数。或者，构筑以交易量累积(进货量累积)与交易目标量累积之差的最小化为目的的目标函数。具体而言，以旬单位(或月单位)对各品种的进货量进行合计，考虑迄今为止的累积(进货量累积)。另外，以旬单位(或月单位)对各品种的交易目标量进行合计，将迄今为止的累积设定为目标值(交易目标量累积)。然后，构筑以进货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。即，目的还在于，考虑交易目标量累积及交易量累积，并减小交易目标量累积与交易量累积之差。在本实施例中，将考虑累积并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至目标函数中。

[数学式16]

……(式18)

W_交易溢出：对于交易目标累积的溢出量的惩罚(penalty)的大小(常数)

W_交易不足：对于交易目标累积的不足量的惩罚的大小(常数)

例外，(式17)、(式18)是目标函数的一个例子，也可以替代为其他目标函数，或追加其他目标函数。

例如，在需要使配合计划接近与作为给定的目标的配合比例相近的配合比例，还需要制作前一天的配合比例与其后一天的配合比例不大为偏离的配合计划的情况下，在目标函数中追加使相对于使用目标量的溢出量、不足量、以及该日的使用量与该日的前一天的使用量之差最小化的项目。

[数学式17]

……(式19)

W_交易溢出：对于交易目标累积的溢出量的惩罚的大小(常数)

W_交易不足：对于交易目标累积的不足量的惩罚的大小(常数)

W_溢出：对于溢出量的惩罚的大小(常数)

W_不足：对于不足量的惩罚的大小(常数)

W_差：对于使用量的差的惩罚的大小(常数)

通过利用混合整数计划法对以上设定的算式(数学模型)求解，能够得到对于合并供需平衡模型、特性模型所得到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359(计划部315)及步骤S309是本发明所述的第一配合计划制作部的最优化计算部及其处理的例子。

(10)最优化计算的求解结果的判断(图4的求解结果判断部360、图5的步骤S310、S311)

判断利用(式14)’的最优化计算的求解结果是否满足包括非线性的数学式的数学模型f(x_A，x_B，x_C，…，x_N)≥S。结果，如果满足包括非线性的数学式的数学模型f(x_A，x_B，x_C，…，x_N)≥S，则将该求解结果作为对后述的特性模拟器362的计算指示来使其执行模拟。如果上述求解结果不满足包括非线性的数学式的数学模型f(x_A，x_B，x_C，…，x_N)≥S，则调整包括线性的数学式的数学模型f’(x_A，x_B，x_C，…，x_N)≥S’(图5的步骤S311)。具体而言，使假定下限值S’略微增加。

图10是表示步骤S307～S310的处理、即替代非线性的数学式f(x_A，x_B，x_C，…，x_N)而导入线性的数学式f’(x_A，x_B，x_C，…，x_N)时的处理的流程图。在步骤S401中，根据供需平衡模型、特性模型(替代非线性的数学式f(x_A，x_B，x_C，…，x_N)而导入线性的数学式f’(x_A，x_B，x_C，…，x_N)来构架的模型)、目标函数J来执行最优化计算。

此时，如(式14)’所示，作为针对线性的数学式f’(x_A，x_B，x_C，…，x_N)的下限值，设定比针对非线性的数学式f(x_A，x_B，x_C，…，x_N)的下限值S小的假定下限值S’＝S-s(s：偏置值)。

接着在步骤S402中，判断使用包括线性的数学式的数学模型f’(x_A，x_B，x_C，…，x_N)≥S’的最优化计算的求解结果是否满足包括非线性的数学式的数学模型f(x_A，x_B，x_C，…，x_N)≥S。即，将步骤S401的最优化计算的求解结果(各品种A～N的使用量(配合比例))代入(式14)，判断(式14)是否成立。

步骤S402的结果如果为(式14)成立，则结束本处理(转移至图10的步骤S412)。与此相对，如果(式14)不成立，则前进至步骤S403，使假定下限值S’以预先设定的增减幅度略微增加，并再次执行步骤S401的处理。即，直到(式14)成立为止，使假定下限值S’略微增加，执行重复进行最优化计算的求解的收敛计算。

另外，在本实施方式中，以混合后的特性限制具有下限值的情况为例进行了说明，但在具有上限值的情况下也同样。此时，作为线性的数学式f’(x_A，x_B，x_C，…，x_N)，考虑成为非线性的数学式f(x_A，x_B，x_C，…，x_N)的上限的情况。另外，在步骤S401中，作为针对线性的数学式f’(x_A，x_B，x_C，…，x_N)的上限值，设定比针对非线性的数学式f(x_A，x_B，x_C，…，x_N)的上限值大的假定上限值。

(11)根据求出的解对库存推移进行模拟(图3的库存推移模拟器311、图4的库存推移模拟器361、图5的步骤S312)

根据针对上述配合计划数学模型的解、以及由输入数据取入部351取入的数据的全部或一部分，以配合的全部或一部分作为对象，对于设定的计划确定期间量，以设定的计划制作精度来执行模拟。在该模拟之中，将无法纳入配合计划数学模型中的限制条件、例如不基于一定规则的条件等难以建模的限制条件、以及操作的规则等也纳入来进行模拟。由此，将作为针对配合计划数学模型的求解结果而求出的解变更为在实际操作中能够没有问题地使用的配合计划。由此，能够实现考虑到实际操作中要求的时间精度和实际操作要求的精细限制的配合计划的制定。

另外，作为数学模型中难以处理的限制的一个例子，将配合比例改变时的设备安排所耗费的安排时间等取入模拟中，并正确地进行模拟，由此能够实现考虑到实际操作所要求的精细限制的配合计划的制定。

(12)根据求出的解来对特性进行模拟(图3的特性模拟器312、图4的特性模拟器362、图5的步骤S313)

根据针对上述配合计划数学模型的解、由库存推移模拟器361模拟的库存推移、以及由输入数据取入部351取入的数据的全部或一部分，以配合的全部或一部分作为对象，对于设定的计划确定期间量，以设定的计划制作精度来进行特性的模拟。作为模拟的结果，得到原材料的混合后的特性结果。在该模拟中，将无法纳入配合计划数学模型中的限制条件、操作的规则等也纳入来进行模拟，由此将作为针对配合计划数学模型的求解结果而求出的解变更为在实际操作中能够没有问题地使用的配合计划。由此，能够实现考虑到实际操作中要求的时间精度和实际操作所要求的精细限制的配合计划的制定。

以上说明的库存推移模拟器361(库存推移模拟器311)及步骤S312、以及特性模拟器362(特性模拟器312)及步骤S313，是本发明所述的第一配合计划制作部的模拟器及其处理的例子。

(13)配合计划的确定(图4的确定部363、图5的步骤S314)

在通过上述库存推移模拟、特性模拟导出的配合计划之中，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，因此确定所制作的配合计划的最初的一天量。对于制作的配合计划之中不属于上述计划确定期间的部分，不确定该计划而废弃。

(14)判断是否确定了计划制作期间量、或计划确定期间量的计划(图4的判断部364、图5的步骤S315)

判断本步骤的执行时刻为止确定的计划确定期间是否包括预先设定的计划制作期间的整体。在本实施方式中，计划制作期间为10天，因此在第10循环中确定了计划的时刻，确定计划确定期间量的计划。因此，在第10循环中结束确定计划的时刻，制作10天量的配合计划并结束处理。

(15)制定开始日的更新(图4的更新部365、图5的步骤S316)

在本步骤的执行时刻确定的计划确定期间没有包括预先设定的计划制作期间的整体的情况下，将上述配合计划之中确定的配合计划期间紧后面的日期时间设定为新的制定开始日。在本实施方式中，如图7所示，在第1循环中将最初的第1天0时的制定开始日更新为第2天0时，在第二循环中将最初的第2天0时的制定开始日更新为第3天0时。

(16)配合计划的输出(图4的输出部366、图5的步骤S317)

如上制作的配合计划通过输出部366，画面显示在显示部303上，或被向包括数据库400的外部设备进行数据发送。

以上说明的输出部366及步骤S317是本发明所述的第一配合计划制作部的输出部及其处理的例子。

如上所述，按照当前的库存推移状态，对于供需平衡限制、特性限制，首先对于规定的最优化期间量，以计划制作时间精度设定数学模型，根据目标函数对设定的配合计划数学模型进行求解，根据求出的解，对库存推移、混合后的特性进行模拟，在根据模拟结果求出的配合计划之中，确定所设定的计划确定期间量，将计划确定期间紧后面的日期时间作为新的制定开始日期时间，由此依次以预定的次数反复执行确定新的计划对象期间量的配合计划的一系列处理。由此，能够制作期望的计划制作期间量的配合计划。由此，能够高速且详细地对需要任意的时间精度的配合计划进行最优化，而且能够将得到的结果原样适用于实际操作。

另外，在上述实施方式中，如图11所示，配合计划按照每一定的期间(例如旬)来制作。另外，对于多个特性α、β，特性模型有时为非线性。

在图11中，A指的是满足特性限制的((式14)成立)的情况，B指的是不满足特性限制的情况。即，在图11的例子中，对于特性α，在多个旬(4月上旬及下旬)中发生特性违反，同样对于特性β，在多个旬(4月上旬及下旬)中发生特性违反。

此时，如果对于各旬及各特性分别进行图10所说明的收敛计算，则产生以下问题。具体而言，由于在4月上旬中对特性α进行收敛计算，接着对特性β进行收敛计算，另外，在4月下旬中对特性α进行收敛计算，接着对特性β进行收敛计算，因此计算处理花费时间。

因此，设为对于对象的旬及特性概括起来进行图10所说明的收敛计算。例如，在4月上旬及下旬中对于特性α、β概括起来进行收敛计算(在图10的步骤S403中同时进行特性α、β的假定下限值的略微增加(或假定上限值的略微减少))，由此能够实现高速化。

另外，在上述实施方式中，说明了在图10的步骤S403中使假定下限值S’略微增加(或使假定上限值略微减少)之后，再次执行步骤S401的处理。此时，即使收敛计算发生变化，在设定中没有变化的数学模型也得以保持，具体而言，上述供需平衡模型和原本为线性的特性模型得以保持。并且，在使假定下限值略微增加(或使假定上限值略微减少)并再次执行步骤S401的处理的情况下，采用如下结构：仅变更随着收敛计算而发生了变化的数学模型、具体而言使假定下限值略微增加(或使假定上限值略微减少)的数学模型，由此能够实现高速化。

另外，作为配合计划(例如使用量(配合比例))，大多制定年度计划、期度计划、月度计划这样的长期计划。像这样预先制作长期的配合计划，将该配合计划作为基准的配合计划，使由第一配合计划制作装置100制作的更短期的配合计划相对于作为基准的配合计划不偏离一定程度以上，这也是很重要的。

因此，除了使用(式17)所示的关于费用(原材料的购入费用及输送费用)构筑的目标函数J之外，还可以使用关于与预先制作的作为基准的配合计划不偏离一定程度以上的条件而构筑的目标函数J’。在(式20)中表示目标函数J’的一个例子。

J’＝∑(|基准配合比例(品种)-配合比例(品种，日)|)→最小化

……(式20)

基准配合比例：作为基准的配合计划中的配合比

在上述例子中，表示了在月度计划中，将期度计划设为作为基准的配合计划，制作每天的配合计划的情况的一个例子。此时，使按照每个品种、每天对配合比例(品种，日)与基准配合比例之差进行合计所得到的值最小化。作为其他例子，在制定期度计划的情况下，也可以将年度计划设为作为基准的配合计划来制作计划。此时，在设为月度计划中决定配合比例(品种，月)的情况下，使按照每个品种、每个月对配合比例(品种，月)与基准配合比例之差进行合计而得到的值最小化。

另外，作为基准的配合计划例如根据过去的实际情况制作，其制作方法无论是何种方法皆可。当然，也可以为通过适用了本发明的配合计划制作方法预先制作长期的计划、并以此为基准的配合计划。

(配船计划制作装置200)

配船计划制作装置200从数据库400例如取入以下数据：原材料的使用预定量(基于由第一配合计划制作装置100制作的配合计划的使用量)、交易目标量、对雇船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、表示原材料的单价的购入费用信息、利用船舶列表中列出的船舶时的输送费用信息。配船计划制作装置200根据取入的数据，制作例如3个月(9旬)的配船计划。在此，旬是将月分割为三份的期间的单位。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。

在此，使用预定量是基于由第一配合计划制作装置100制作的配合计划的使用量。使用预定量为尽可能接近于设定了进货量的交易目标量的量，而且考虑使输送费用低廉的条件来决定。因此，将基于由第一配合计划制作装置100制作的配合计划的使用量用作配船计划制作装置200的输入数据，由此在制订配船计划时，与使用不考虑输送费用而计划的使用量相比，能够制定更加低廉的输送费用的配船计划。

例如，考虑存在特性几乎相同的原材料X、Y，在卸货港(炼钢厂)A、B能够使用原材料X、Y的任一种的情况。考虑对卸货港A输送原材料X的费用为20$/吨，输送原材料Y的费用为40$/吨，对卸货港B输送原材料X的费用为40$/吨，输送原材料Y的费用为20$/吨的例子。此时，如果在制作配合计划时不考虑输送费用，则有可能制作在卸货港A使用原材料Y并在卸货港B使用原材料X的计划。但是，从输送费用的观点出发，更优选在卸货港A使用原材料X并在卸货港B使用原材料Y的计划。在本实施方式中，能够避免上述情况。

如图1所示，在配船计划制作装置200中，201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201接受由后述的宏观最优化部202、微观最优化部203决定的输入信息，并根据该输入信息来执行详细的模拟。该输入信息包括针对连续航海船、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。本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，在船舶中装载了多个品种，对一个品种进行卸货之后再对第二个品种进行卸货的时刻，堆放场能力溢出的情况下，有时需要到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。考虑到这种情况等，与卸货时刻相对应地正确模拟库存的推移。

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，对于船舶的卸货所使用的卸载机的台数，考虑装载有要卸货的品种的船舱的位置、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、具体的生产及物流计划。

202是宏观最优化部，将不影响炼钢厂的配合计划(上述的原材料的使用预定量)、以及保证可装出量作为前提，以使输送费用之中的运费的合计金额最低廉作为一个目的，进行最优化以决定以下各条件：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202具备作为本发明所述的船舶财源制作部发挥作用的船舶财源制作部202a、作为本发明所述的数学模型设定部发挥作用的数学模型设定部202b、作为本发明所述的最优化计算部发挥作用的最优化计算部202c，例如以旬精度对9旬量进行运算。

203是微观最优化部，进行最优化，以决定使在由宏观最优化部202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201的指示。微观最优化部203具备作为本发明所述的数学模型设定部发挥作用的数学模型设定部203a、作为本发明所述的最优化计算部发挥作用的最优化计算部203b，例如以分精度对1旬量进行运算。

204是作为本发明所述的数据取入部发挥作用的数据取入部，从数据库400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。

205是作为本发明所述的输出部发挥作用的输出部，对作为模拟器201的模拟结果制作的配船计划、具体而言将针对连续航海船、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，或数据发送至包括数据库400的外部设备。

以下，说明本实施方式涉及的配船计划制作装置200所进行的配船计划制作处理的详细情况。图12是用于说明使用了配船计划制作装置200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200的数据取入部204从数据库400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第一配合计划制作装置100制作的配合计划计算的、计划制作期间中的分炼钢厂(卸货地)、分原材料种类的使用预定量的信息。原材料按照其种类，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。

交易目标量是表示分矿山(装货地)、分品种的交易目标量(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。要求进行配船以接近该交易目标量。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13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。连续航海船的雇船合同是在合同期间中连续航海的合同。因此，要求必须(最优先)进行配船。不定期船的雇船合同是在合同期间仅以签约的航海数、或仅在签约的航海期间航海的合同。因此，要求在签约的航海数或在签约的航海期间内必须(最优先)进行配船。现期船在本实施方式的使用或执行时刻未签约。在对连续航海船及不定期船进行配船也无法满足作为目标的交易量或无法补足卸货地的库存的情况下，能够向这些现期船委托现期的航海。关于连续航海船，在取入数据中记载雇船代码(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(签订的航海数或签订的航海期间)、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、船舶的船型(基于船的最大装载量而定义的船舶的大小)来进行列表，记载了雇船代码(记述地域名和大小)、合同分类、最大装载量。

另外，所谓船型，表示根据船的最大装载量来定义的船舶的大小。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)，VL(Very Large)指的是比上述Pmax和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装载能力为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)。在配船计划某种程度确定的阶段，与实际的船公司进行交涉，办理签约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14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。将从装货到卸货作为一次航海来处理，赋予航海No。对于各航海，像装-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。关于在船舶列表中列出的各船舶，记载了航海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是以下航海：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……的顺序连续航海、经停。即，连续航海船A在2008年2月22日9时从航海No.2的最后的在卸货港(D港)出港之后，航海20820小时，在2008年3月7日20时到达航海No.3的最初的装货港(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日)相对于执行制定日为未来的情况下，原材料的库存情况是表示根据由第一配合计划制作装置100制作的配合计划计算原材料的库存情况的、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为过去的情况下，原材料的库存情况是表示各炼钢厂在数据库400中输入的原材料的各种类的实际库存情况的信息。

原材料的购入费用信息是表示分矿山(装货地)、分品种的原材料的购单价($/吨(ton、t))的信息。

输送费用信息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15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经过卸货港A航行到卸货港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16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。所谓速遣滞期率(Despatch/Demurrage Rate)，是关于在装卸货港发生速遣(Despatch)、滞期(Demurage)的情况下进行的收费或退还、与合同中的费率合并表示的用语。在本说明书的各式中，也使用滞期率(Demurage Rate)的记载。例如，在连续航海船A进行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)，因此预计卸货需要12小时。此时如果以11小时完成了卸货，则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)船舶财源列表的制作(步骤S102)

宏观最优化部202的船舶财源制作部202a根据步骤S101中取入的船舶列表(参照图13)，选择成为配船计划的以后的处理的对象的、或者存在成为对象的可能性的船舶，制作船舶财源列表。

图17是用于说明船舶的选择处理的流程图。船舶财源制作部202a首先根据船舶列表(参照图13)以及船舶航行情况(参照图14)，提取在计划制作期间中存在航行预定的未定部分的连续航海船(步骤S201)。例如如果以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14所示，连续航海船A在2008年4月18日以后未定，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18是表示在已经确定的航海No.3(图中“A-3”)之后制作从装货港X2到卸货港A(航海No.4)、从装货港X1到卸货港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中的卸货港A的到港时刻能够通过(航海No.4中的装货港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。当然，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，因此制作这些组合所有的(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13)及船舶航行情况(参照图14)，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13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模式)(步骤S204)。

接下来，根据船舶列表(参照图13)，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19)。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250000吨的情况下，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、……那样，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补充交易的情况下的最少的现期船数。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13)及船舶航行情况(参照图14)，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约的雇船代码，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20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(根据船的最大装载量定义的船舶的大小)、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202的数学模型设定部202b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。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。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。

[数学式18]

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14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指标即ETA是在步骤S102中计算出的到港时刻。

[数学式19]

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20]

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，定义表示该船是否选择该装货港、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，例如在按照装货港X1、卸货港A、卸货港B的顺序经停的情况下，卸货港B设为经停顺序2)的整数变量。即，当选择在该装货港停靠之后以该经停顺序经停该卸货港的情况下，该变量取值1。另一方面，不选择这样的装货港、卸货港、经停顺序的组合的情况下，该变量取值0。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21]

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22]

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|在该装货港能够装货的品种}

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23]

unloadAmount_{i，装货港，卸货港，经停顺序，ETA，品种}

{|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24]

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201在上个循环中进行的模拟的结果来设定数学模型。在此，将各船舶的装载量不超过最大装载量、装载量全部被卸货等设定为数学模型。

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21)所示。

[数学式25]

……(式21)

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22)所示。

[数学式26]

……(式22)

另外，作为卸货地的原材料的供需平衡限制，如图21所示的“各品种的库存量总是确保为安全库存量以上”的限制条件被构筑为数学模型。在首次循环的最优化中，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201中的模拟结果，设定该数学模型。

首先，表现各品种的库存量的推移的限制式如下述的式(23)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27]

使用预定量_{j，卸货港，品种}为常数

……(式23)

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24)所示。

[数学式28]

stockAmount_{j，卸货港，品种}≥安全库存量_{卸货港，品种}……(式24)

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(yard)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，卸货量如果超出堆放场能力一定量以上，则滞期时间以无法忽视的程度变大。因此，例如对“对于卸货量，允许超过堆放场能力的1％左右以内”的限制进行建模。该限制如下述的限制式(式25)所示。

[数学式29]

堆放场上限能力_卸货港：该卸货港的堆放场上限能力(常数)……(式25)

另外，关于交易目标量限制，在首次循环中，根据在步骤S101中取入的数据，进而在下一个循环(步骤S103～S107)以后反映模拟器201中的模拟结果来设定。关于交易目标量限制，例如，将最优化的交易量(装卸量)不远离交易目标量一定程度以上、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一定程度以上的限制的情况下，例如图22A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22B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30]

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31]

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26)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32]

{i|从制定开始日到该旬的期间中有ETA的船舶}……(式26)

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27)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。基于上述理由，如后所述，将该溢出量及不足量追加为目标函数的项目，通过最优化来进行最小化。

[数学式33]

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27)

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。该经停顺序变量取表示指定的船选择作为指定的装货港的装货港、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的组合的情况的1、表示没有选择该组合的经停顺序的情况的0中的某一个值。

[数学式34]

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。

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35]

-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28)

-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29)

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30)

根据(式28)、(式29)，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30)，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202的最优化计算部202c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(根据船的最大装载量定义的船舶的大小)、船数、装卸地(装卸港)、装卸品种、装卸量。

[数学式36]

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装载的量的乘积。

例如，根据图15，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，运费(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(16.24-16.00)＝0.24，此时的雇船费用为(16.00+0.24)×75000＝1,218,000。

如上所述，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)，则得到下述的式(式31)。

[数学式37]

……(式31)

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31)变更为下述的式(式32)。

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38]

……(式32)

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作为目的的目标函数。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。上述限制式由线性等式或不等式来表现，上述目标函数由一次式来表现。此外，作为变量之中存在应为整数的变量的模型，来构筑数学模型、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)中为1旬。时间精度作为旬精度来运算。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203。

(5)微观数学模型的设定(步骤S105)

微观最优化部203的数学模型设定部203a设定如下数学模型，该数学模型表示由宏观最优化部202求出的计划确定期间的配船计划中的船舶的航行限制之中的、滞期限制及卸货地的原材料的供需平衡限制的数学模型。在此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舶靠岸的多个泊位(岸壁)，因此定义选择在该卸货港的哪一个泊位靠岸的变量。该变量设为取表示选择该泊位的情况的1、表示不选择的情况的0中的某一个值。

[数学式39]

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，定义表示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40]

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}

同样定义表示ETB的变量。

[数学式41]

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}

同样定义表示ETD的变量。

[数学式42]

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，定义表示该分钟、该品种的在该卸货港的库存量的变量。

[数学式43]

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}

关于船舶的滞期限制，也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201中的模拟结果来设定。关于船舶的滞期限制，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)等条件构筑为数学模型。在此，设定这些数学模型。

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。为此，该限制如下述的限制式(式33)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44]

ETB需要为ETA之后。该限制如下述的限制式(式34)所示。

[数学式45]

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的标准的卸货能力，则该泊位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35)所示。

[数学式46]

另外，与上述宏观最优化类似的、卸货地的原材料的供需平衡限制在微观最优化(步骤S105～S107)中也使用。该供需平衡限制条件也在初次循环的微观最优化中根据步骤S101中取入的数据，进而在下一个循环以后反映模拟器201中的模拟结果来设定。在微观最优化中，也设定如图21所示的、构筑为表现“各品种的库存量总是确保为安全库存量以上”的限制条件的数学模型。其中，在微观最优化中，使用的时间精度与宏观最优化不同。因此，在此使用的限制条件为“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47]

使用预定量_{t，卸货港，品种}：在该卸货港在时刻t-1～t之间使用该品种的量(常数)

卸货量_{i，泊位，品种}：船舶i在该泊位对该品种进行卸货的量(常数)

……(式36)

另外，在卸货港卸货的原材料堆积在堆放场上，但如果该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37)所示。

[数学式48]

堆放场上限能力_卸货港：该卸货港的堆放场上限能力(常数)

……(式37)

(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203的最优化计算部203b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约的费用，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、即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。如上所述，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38)。

[数学式49]

卸货量、卸货率为常数

……(式38)

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39)成为目标函数。

[数学式50]

……(式39)

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。上述限制式由线性等式或不等式来表现，上述目标函数由一次式来表现。此外，作为变量之中存在应为整数的变量的模型而构筑了数学模型、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201根据针对由微观最优化部203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装卸货的船舶等而改变。根据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“在用一台卸货的情况下，按照1500t/h以100％能力卸货”，或者“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。

作为模拟器201中，在微观最优化部203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201进行时刻修正，并反映到其后的宏观最优化部202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23)。

(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205，被在未图示的监视器上进行画面显示，或向包括数据库400的外部设备进行数据发送。

如上所述，宏观最优化部202及微观最优化部203中，首先根据从输入数据或之前循环得到的初始值(初始条件)设定数学模型，进行最优化计算，计算针对模拟器201的指示。模拟器201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202及微观最优化部203。宏观最优化部202及微观最优化部203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201与最优化部202、203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202及微观最优化部203进行的最优化计算的结果的计算指示输出给模拟器201(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201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201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202b、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201中，能够计算应考虑的所有限制，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中才进货一次，因此需要考虑长期来制订配船计划。另一方面，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，以使通过宏观最优化部202选择船型(根据船的最大装载量定义的船舶的大小)、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203选择使用泊位、出入港定时。因此，能够抑制负荷，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(例如三个月)确定的能够使用的船、装卸地、品种、数量，并且以短期的(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。

另外，在制作配船计划时，也可以设为由用户个别固定船型(根据船的最大装载量定义的船舶的大小)、船数、装卸地(装卸港)、装卸品种、装卸量。这是因为例如存在使用规定的船舶、利用规定的装货港等预先决定的情况。尤其是，在根据设定为交易目标量的量来指定配船计划之后，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(装载量)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。

另外，在以上说明的配船计划制作方法中，说明了由宏观最优化部202的最优化计算部202c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24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25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。

由此，能够使对多个品种的原材料进行进货并混合的配合计划、以及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相互联系并统一制作。另外，在这些计划中，能够总览配合计划及配船计划来作为整体使输送费用最小化。

(第二实施方式)

作为第二实施方式，对引入第二配合计划制作装置300的例子进行说明。第二配合计划制作装置300根据由配船计划制作装置200制作的配船计划，制作对多个品种的配合原材料进行进货并混合的配合计划。另外，第二配合计划制作装置300的结构和基本的处理动作与第一配合计划制作装置100相同，在此也参照图2～图11进行说明。

图2是表示包括第二配合计划制作装置300的系统结构例的图。如图2所示，第二配合计划制作装置300在制作配合计划时，对于制定配合计划时所需的如下的限制条件、前提条件的数据，接受操作者的设定，或从数据库400取入：计划制作期间、原材料的进货预定(基于由配船计划制作装置200制作的配船计划的进货量)、原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息、利用船舶时的输送费用信息。

第二配合计划制作装置300执行模拟并制作对多种(多个品种)的原材料进行进货并混合的混合计划。该混合计划包括满足原材料的供需平衡限制、混合后的特性限制的、各品种的使用量(配合比例)。在第二配合计划制作装置300中，如后所述，根据各条件设定按照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的、表现原材料的供需平衡限制的数学模型(也称为“供需平衡模型”)、以及表现混合后的特性限制的数学模型(也称为“特性模型”)，并进行求解，由此实现配合计划的最优化。

在此，在第一配合计划制作装置100中，将配合计划制作为：对于进货量，使进货量的累积量不大幅度偏离交易目标累积量。但是，在第二配合计划制作装置300中，进货量由配船计划制作装置200预先决定为每艘船舶的卸货量，因此成为已知量。因此，在第二配合计划制作装置300中，进货量不是求取的量，而是固定的量。另外，基于上述理由，无需考虑交易目标量。

另外，在第一实施方式中，将由第一配合计划制作装置100制作的使用计划作为配船计划制作装置200的输入数据，来制作配船计划。此时，在第一配合计划制作装置100中，根据交易目标累积量来制作计划。此时，考虑如下计划的情况：例如设定为交易目标累积量对于原材料X为5万吨，使用计划、进货计划都与交易目标累积量相同，将5万吨作为累积量。在将上述使用计划用作配船计划制作装置的输入数据的情况下，在船舶列表中登记的船的最大装载量为4.5万吨的船仅有1艘的情况下，进货量为4.5万吨，如下所述，有可能发生库存耗尽。

库存量＝4.5万吨-5万吨＝-0.5万吨

上述例子虽然是极端的例子，但在第一配合计划制作装置100中，根据交易目标量制作配合计划，并根据制作的使用计划来制作配船计划，因此在交易目标量与船舶的最大装载量不匹配的情况下，有可能发生上述例子那样的现象。

因此，为了制作更好的配合计划，不是将交易目标量作为输入数据，而是将由配船计划制作装置100决定的配船计划作为输入数据，通过第二配合计划制作装置300来修正配合计划。由此，能够防止由于如上所述的微妙的交易目标量与船舶的最大装载量不匹配而可能引起的库存耗尽。

在本实施方式中，虽然考虑船舶的运费，但不考虑在泊位的靠岸时刻等详细的航行情况，而考虑将第一配合计划制作装置根据交易目标量计划的使用量表现在船计划侧的库存推移模拟器及船舶航行情况推移模拟器的模拟结果中的详细的配船情况，能够再次更新配合计划。通过该作用，能够在配合计划的精度提高上得到巨大效果。

在显示部303中，显示由第二配合计划制作装置300求出的各品种的使用量(配合比例)、进货量、库存推移曲线、各种票据。

在操作者评价部304中，由操作者从各种观点(例如库存推移、特性等)对求出的配合计划进行评价，如果不是满意的结果，则按照需要修改配合比例等。此时，按照需要改变目标函数的权重或评价的指标，或者改变设定数学模型的对象期间、计划确定期间。另外，可以对全部或仅对指定的处理进行使用量的固定等、设定反映操作者的意志的数学模型。然后，由第二配合计划制作装置300再次重新制作配合计划。

图3是表示第二配合计划制作装置的基本结构的模块图。如图3所示，第二配合计划制作装置300构成为包括模拟器(包括库存推移模拟器311、特性模拟器312)、作为本发明所述的数学模型设定部发挥作用的模型设定部(包括供需平衡模型设定部313、特性模型设定部314)、作为本发明所述的最优化计算部发挥作用的计划部315，还兼备输入输出部。

库存推移模拟器311是计算各原材料的供需状态(库存推移)的模拟器。特性模型器312是计算对原材料进行混合之后的特性的模拟器。库存推移模拟器311、特性模拟器312相互联动，由此计算原材料的库存推移、混合后的特性。

在本实施方式中，例如根据包括以下信息的输入数据316来进行数学模型的设定处理：计划制作期间、原材料的进货预定、原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息、以及利用船舶时的输送费用信息。将从配合计划的制定开始日期时间起预先设定的最优化期间量作为对象，根据预先设定的时间精度，按照LP(线性计划法)、MIP(混合整数计划法)、QP(二次计划法)等数理整数计划法等，由供需平衡模型设定部313设定表现供需平衡限制(库存限制)的数学模型，由特性模型设定部314设定表现特性限制的数学模型。

利用由供需平衡模型设定部313、特性模型设定部314设定的数学模型，计划部315进行最优化计算，以不使库存耗尽，并且满足要求的特性，而且使费用(原材料的购入费用及输送费用)最小化来制作配合计划。根据该最优化计算的结果，制作对库存推移模拟器311、特性模拟器312的计算指示。接受该计算指示，库存推移模拟器311对库存推移进行模拟，特性模拟器312对按照计划制造的制品、半成品的特性进行模拟。例如，在钢铁业中，模拟对煤炭进行混合并烧结而成的焦炭(制品)、使对还原铁矿石得到的生铁进行精炼而成的钢液凝固而得到的平板(半成品品)等的特性。

通过该第二配合计划制作装置300，不是像以往那样根据预先决定的规则来进行计算指示，而是将基于由计划部315进行的最优化计算的结果的计算指示输出给库存推移模拟器311、特性模拟器312。因此，能够可靠地进行与当时的情况相应的最佳的计算指示。

此外，例如，对于如图7所示预先设定的计划确定期间量，由库存推移模拟器311、特性模拟器312进行模拟。此外，如果该模拟结束，则制定开始日被更新，根据更新前的计划确定期间的最终状态、即更新后的制定开始日的库存推移、特性的信息，对于新的最优化期间量，由供需平衡模型设定部313设定表现库存限制的数学模型，由特性模型设定部314设定表现特性限制的数学模型，并提供给计划部315。如果被提供该库存推移、特性的信息，则计划部315执行最优化计算。

在第二配合计划制作装置300中，也如第一实施方式所述，通过使模拟器(库存推移模拟器311、特性模拟器312)、模型设定部(供需平衡模型设定部313、特性模型设定部314)和计划部315联动来制作配合计划。由此能够得到以下的作用效果。(1)能够不反复执行模拟而制作配合计划。(2)仅将对制作配合计划影响较大的重要部分取入至计划部315，由此能够缩短计算时间；而且(3)能够解决大规模问题。

以下，更加详细地说明第二配合计划制作装置300的结构以及利用该装置执行的配合计划制作方法的各步骤。图4是表示与利用图3说明的第二配合计划制作装置300的基本结构相对应的、配合计划制作装置的详细结构的图。另外，图5是表示利用该装置执行的配合计划制作方法的各步骤的流程图。

作为配合计划制作的概要，例如图6所示，包括如下的计算、调整的工序：求取多个炼钢厂(卸货港)a～c的原材料(品种)的供需平衡；满足(不使各品种A～N的库存耗尽等)所要求的特性；而且，使费用(原材料的购入费用及输送费用)最小化；作为满足上述条件的配合计划，决定每个炼钢厂a～c的各品种A～N的使用量(配合比例)、进货量。在此，作为各炼钢厂的使用量的合计量的预订使用量被提供为输入数据。因此，配合比例(％)＝使用量/预定使用量×100。因此，如果使用量、配合比例中的一方被决定，则另一方也被决定。

(1)输入数据的取入(图4的输入数据取入部351、图5的步骤S301)

在线读入本处理所需的信息(原材料的进货预定、原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息、利用船舶时的输送费用信息等)，根据需要由操作者加以修正。

在此，在由输入数据取入部351取入的原材料的进货预定中，包括配船计划(对于包括每一艘船舶的装货港、到达装货港的日期时间、装货品种、装货量、卸货港、到达卸货港的日期时间、卸货品种、卸货量在内的项目制定计划)这样的表示进货量的信息。例如，在图26所示的配船计划中，组合有图13所示的船舶列表中列出的各船舶的航行预定。在配船计划中，对于船舶列表中列出的船舶，对包括装货港、到达装货港的日期时间、品种、装货量、卸货港、到达卸货港的日期时间、品种、卸货量在内的项目制定计划。

例如，在图26所示的配船计划中，连续航海船A的航海No.1为：在2007年11月19日21时到达装货港(X1港)港口，在2007年12月13日21时在装货港(X1港)的由代码“1”表示的泊位靠岸，在2007年12月14日21时从装货港(X1港)出港。此时，将原材料的品种A装载40000吨，将品种B装载35000吨。此后，航海16980分，在2007年12月26日16时到达卸货港(A港)港口，在2007年12月27日1时在卸货港(A港)的由代码“4”表示的泊位靠岸，在2007年12月28日16时从卸货港(A港)出港。此时，将原材料的品种A卸货25000吨，将品种B卸货15000吨。此后，航海3060分，在2007年12月30日19时到达卸货港(B港)港口，在2007年12月30日19时在卸货港(B港)的由代码“13”表示的泊位靠岸，在2008年1月1日23时从卸货港(B港)出港。此时，将原材料的品种A卸货15000吨，将品种B卸货20000吨。在上述例示的连续航海船A的航海No.1中，成为在卸货港(A港)在2007年12月27日将原材料的品种A进货25000吨，并将品种B进货15000吨，在卸货港(B港)在2007年12月30日将原材料的品种A进货15000吨，并将品种B进货20000吨的配合计划制作装置的输入数据。

关于原材料的库存情况、原材料的特性、表示原材料的单价的购入费用信息，与第一实施方式中说明的第一配合计划制作装置100的情况相同。

另外，关于利用船舶时的输送费用信息，通过配船计划制作装置200，将计划到将来的配船计划作为输入数据发送给第二配合计划制作装置300。因此，无需使用分品种、分卸货港假定运费，而能够使用分船舶、分装货港、分卸货港运费。

以上说明的输入数据取入部351及步骤S301是本发明所述的第二配合计划制作部的数据取入部及其处理的例子。

(2)配合计划制作期间的设定(图4的计划制作期间设定部352、图5的步骤S302)

设定制作配合计划的期间。作为该制作期间，能够按照制定者的需要设定任意的期间。在此，作为一个例子，制定10天期间量。

(3)配合计划制作时间精度的设定(图4的时间精度设定部353、图5的步骤S303)

设定制作配合计划的时间精度以及模拟精度。作为该时间精度以及模拟精度，能够按照制定者的需要分别设定任意的精度。例如，在需要制定的精细精度的计划制作期间的前半段使精度精细，在粗略的计划即可的计划制作期间的后半段使精度粗略，由此能够以充分的精度和较短的计算时间有效地制作计划。

(4)最优化期间的设定(图4的最优化期间设定部354、图5的步骤S304)

设定制作配合计划的最优化期间。作为该最优化期间，能够按照制定者的需要单独设定任意的对象期间。在此，作为一个例子，在整个计划制作期间中，将最优化期间设为3天。

(5)计划确定期间的设定(图4的计划确定期间设定部355、图5的步骤S305)

设定确定配合计划的计划确定期间。作为该计划确定期间，能够按照制定者的需要单独设定任意的期间。例如，在需要制定的精细精度的计划制作期间的前半段使计划确定期间较短，在粗略的计划即可的计划制作期间的后半段使计划确定期间较长。由此，能够具有充分的精度而且以较短的计算时间来有效地制作计划。在此，作为一个例子，将计划确定期间设定为1天。此时，对于根据针对数学模型的解来模拟的结果所得到的配合计划，在整个计划制作期间中确定最初的一天量。

(6)将配合计划的供需平衡限制设定为数学模型(图3的供需平衡模型设定部313、图4的供需平衡模型设定部356、图5的步骤S306)

根据由输入数据取入部351取入的数据的全部或一部分，将设定的最优化期间量以设定的时间精度根据供需平衡限制来设定数学模型。

与第一配合计划制作装置100的情况相同，要求各品种的库存量为一定的称为安全库存量的值以上。此时的限制如上述的(式4)所示。

另外，各品种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。表现此时的关系的限制式如上述的(式5)所示。即，当天的库存量为：从将前一天的库存量与当天进货(卸货)的量相加所得到的值中，减去当天的使用量而得到的值。

另外，各品种的使用量的某日的合计需要与该日针对所有品种合计而预定的使用量一致。表现此时的关系的限制式如上述的(式6)所示。

另外，鉴于对各种原材料的购买的原因等，操作者设定作为目标的配合比例，并要求制作实现与该给定的作为目标的配合比例相近的配合比例的配合计划。即，如果配合比例与操作者的设想大为偏离，则可以预想到不满足设想的购买量，或超过购买量，或对操作设备带来过度的操作。因此，需要输出与作为目标给定的配合比例相近的配合比例。以下表示用于实现上述功能的限制。即，将从品种的使用量中减去使用目标量(作为目标的配合比例)(常数)而得到的值，定义为相对于使用目标量的溢出量的变量。在此，使用量与使用目标量取越接近的量则计划越好，因此该溢出量越少越好。基于上述理由，如后所述，追加该溢出量作为目标函数的项目，并通过最优化来进行最小化。同样，将从品种的使用目标量中减去使用量而得到的值，定义为相对于使用目标量的不足量的变量。在此，使用量与使用目标量取越接近的量则计划越好，因此该不足量越少越好。基于上述理由，如后所述，追加该不足作为目标函数的项目，并通过最优化来进行最小化。此时，表现各品种的使用量、使用目标量、溢出量、不足量之间的关系的限制式如上述的(式7)所示。即，如果在发生溢出的情况下从使用量中减去溢出量，在发生不足的情况下加上不足量，则与使用目标量一致。

进而，如果前一天的配合比例与其后一天的配合比例大为偏离，则对操作带来困难。即，成为用于使用其他原材料的安排时间的增加、或设备故障的原因。因此，要求制作前一天的配合比例与其后一天的配合比例不大为偏离的配合计划。在上述的(式9)中表示用于实现上述要求的限制。

另外，上述供需平衡限制是一个例子，也可以替代为其他限制，或追加其他限制。

(7)利用配合计划的特性限制设定数学模型(图3的特性模型设定部314、图4的包括线性化部357a的特性模型设定部357、图5的步骤S307、S307a)

根据由输入数据取入部351取入的数据的全部或一部分，利用设定的最优化期间及时间精度，利用特性限制设定数学模型。作为在制作铁矿石的配合计划时使用的原材料的特性，例如可以列举出：铁分、SiO₂、Al₂O₃、SiO₂等。作为制作煤炭的配合计划时的特性，例如可以列举出：CSR(热反应后强度)、DI(焦炭强度)、VM(挥发量)、膨胀压等。这些特性需要满足所要求的特性限制。在上述(式14)中表示混合后的特性模型的一个例子。另外，在(式14)中表示了具有下限值S的例子，但也可能存在具有上限值的情况、或具有上限值及下限值双方的情况。

在此，对于多数特性，特性模型所包括的数学式f(xA，xB，xC，…，xN)如上述(式15)所示，相对于配合比例为线性。例如，关于SiO₂，在以品种A的配合比例为40％，品种A的SiO₂成分为1％，品种B的配合比例为60％，品种B的SiO₂成分为2％的条件混合的情况下，混合后的SiO₂成分的特性为1×0.4+2×0.6＝1.6％。

然而，根据特性不同，表示该特性的数学式f(xA，xB，xC，…，xN)有时为非线性。此时，如下所述，在线性化部357a中，替代非线性的数学式f(xA，xB，xC，…，xN)而导入线性的数学式f’(xA，xB，xC，…，xN)，来对数学模型进行建模。

说明线性化部357a的处理。在表示某个特性的数学式f(xA，xB，xC，…，xN)为非线性的情况下，替代该数学式而导入线性的数学式f’(xA，xB，xC，…，xN)。作为该线性的数学式f’(xA，xB，xC，…，xN)，考虑成为非线性的数学式f(xA，xB，xC，…，xN)的下限的情况、即上述(式16)的关系成立的情况。另外，(式16)不需要总是成立，而在需要的范围内成立即可。

例如作为线性的数学式f’(xA，xB，xC，…，xN)，考虑上述(式17)所示的加权平均。加权平均是根据非线性的数学式f(xA，xB，xC，…，xN)求出100％使用单一品种时的特性并乘以配合比例、按使用品种相加而得到的值。

为了简化说明，考虑品种A的配合比例为90％、品种C的配合比例为10％的例子。此时，成为线性的数学式f’(90，0，10，…，0)的加权平均由下式表示。

f’(90，0，10，…，0)

＝0.9×f(100，0，…，0)+0.1×f(0，0，100，…，0)

如果根据过去的实际情况等得知该加权平均满足(式16)，则能够将该加权平均用作线性的数学式f’(xA，xB，xC，…，xN)。即，如果将加权平均≥S设为限制，则看作(式14)成立，由此得到能够建模的可能性。

在线性化部357a中，如上述(式14)’所示，作为针对线性的数学式f’(xA，xB，xC，…，xN)的下限值，设定比针对非线性的数学式f(xA，xB，xC，…，xN)的下限值S小的假定下限值S’＝S-s(s：偏置值)，来设定数学模型。

以上将混合后的特性限制具有下限值的情况为例进行了说明。另外，上述特性限制是一个例子，也可以替代为其他限制(包括混合后的特性限制具有上限值的情况)、或追加其他限制。

以上说明的供需平衡模型设定部356(供需平衡模型设定部313)及步骤S306、以及特性模型设定部357(图3的特性模型设定部314)及步骤S307、S307a，是本发明所述的第二配合计划制作部的数学模型设定部及其处理例。

(8)固定化提取处理(图4的固定化提取处理部358、图5的步骤S308)

如图9所示，提取作为配船计划的项目的装货港、装货品种、装货量、卸货港、卸货品种、卸货量之中的被固定化的对象、即无法变更的对象。根据预先给定的条件，对于各雇船，“装货港”及“装货品种”未被固定化的情况下，使用分船舶、分装货港、分卸货港运费(参照图15)。即，对于这些雇船，由于装载原材料的雇船已经被决定，因此通过使用分船舶、分装货港、分卸货港运费，能够在通过最优化决定了对原材料进行进货的炼钢厂的时刻，进行正确的输送费用计算。

另外，在哪一个项目都没有被固定化的情况下、或仅有“装货港”被固定化了的情况下，使用分品种、分卸货港假定运费。即，在装货港和装货品种没有被决定的情况下，使与该船舶相关的装货港和装货品种自身能够变更，从而能够利用后述的最优化来研究有无与该装货港和装货品种相比输送费用更低廉的装货港和装货品种。此时，通过使用分品种、分卸货港假定运费，关于该船舶，通过后述的最优化，计划将该船舶的装货港和装货品种变更为与该装货港和装货品种相比输送费用更低廉的装货港和装货品种。由此，能够制作输送费用更低廉的计划。另外，关于同一雇船，将最没有被固定化的记录的状态考虑为该雇船的固定化状况。该固定化提取处理无需在图5所示的定时进行，例如也可以设为在开始配合计划制作时进行。

(9)根据目标函数对配合计划数学模型进行最优化(图3的计划部315、图4的配合计划求解部359、图5的步骤S309)

将上述构筑的由线性及整数限制式构成的供需平衡模型、特性模型合并来作为配合计划数学模型，根据预先构筑的目标函数，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，由此计算最佳的使用量、进货量。

在此，表示关于目标函数使用线性式的情况的例子。在本实施方式中，以费用(原材料的购入费用及输送费用)的最小化为目的，在(式40)中表示目标函数J的一个例子。在利用目标函数求解时，使用购入费用信息以及在步骤S308中设定的输送费用信息。

[数学式51]

……(式40)

：V_i是品种i的购入单价(常数)

F_s，i，p是船舶s，品种i，地点(卸货港)p的运费(常数)

y_{s，p，i，d}是y_p，i，d之中船舶s的地点p，品种i，日d的进货量(变量)

另外，(式40)是目标函数的一个例子，也可以替代为其他目标函数，或追加其他目标函数。例如，考虑需要使配合计划接近与给定的作为目标的配合比例相近的配合比例，还需要制作前一天的配合比例与其后一天的配合比例不大为偏离的配合计划的情况。此时，在目标函数中追加使相对于使用目标量的溢出量、不足量、以及该日的使用量与该日的前一天的使用量之差最小化的项目。

[数学式52]

W_溢出：对于溢出量的惩罚的大小(常数)

……(式41)

W_不足：对于不足量的惩罚的大小(常数)

W_差：对于使用量的差的惩罚的大小(常数)

通过展开并设定以上建模的算式(数学模型)，利用混合整数计划法求解，能够得到对于合并供需平衡模型、特性模型而得到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359(计划部315)及步骤S309是本发明所述的第二配合计划制作部的最优化计算部及其处理的例子。

(10)最优化计算的求解结果的判断(图4的求解结果判断部360、图5的步骤S310、S311)

判断利用(式14)’的最优化计算的求解结果是否满足包括非线性的数学式的数学模型f(xA，xB，xC，…，xN)≥S。结果，如果满足包括非线性的数学式的数学模型f(xA，xB，xC，…，xN)≥S，则按照该求解结果，制作对后述的特性模拟器362的计算指示来而其执行模拟。如果不满足包括非线性的数学式的数学模型f(xA，xB，xC，…，xN)≥S，则调整包括线性的数学式的数学模型f’(xA，xB，xC，…，xN)≥S’(图5的步骤S311)。具体而言，使假定下限值S’略微增加。

图10是表示步骤S307～S310的处理、即替代非线性的数学式f(xA，xB，xC，…，xN)而导入线性的数学式f’(xA，xB，xC，…，xN)时的处理的流程图。在步骤S401中，根据供需平衡模型、特性模型(替代非线性的数学式f(xA，xB，xC，…，xN)而导入线性的数学式f’(xA，xB，xC，…，xN)来构架的模型)、目标函数J来执行最优化计算。

此时，如(式14)’所示，作为针对线性的数学式f’(xA，xB，xC，…，xN)的下限值，设定比针对非线性的数学式f(xA，xB，xC，…，xN)的下限值S小的假定下限值S’＝S-s(s：偏置值)。

接着在步骤S402中，判断使用包括线性的数学式的数学模型f’(xA，xB，xC，…，xN)≥S’的最优化计算的求解结果是否满足包括非线性的数学式的数学模型f(xA，xB，xC，…，xN)≥S。即，将步骤S401的最优化计算的求解结果(各品种A～N的使用量(配合比例))代入(式14)，判断(式14)是否成立。

步骤S402的结果如果为(式14)成立，则结束本处理(转移至图10的步骤S412)。与此相对，如果(式14)不成立，则前进至步骤S403，使假定下限值S’以预先设定的增减幅度略微增加，并再次执行步骤S401的处理。即，直到(式14)成立为止，使假定下限值S’略微增加，执行重复进行最优化计算的求解的收敛计算。

另外，在本实施方式中，以混合后的特性限制具有下限值的情况为例进行了说明，但在具有上限值的情况下也同样。此时，考虑线性的数学式f’(xA，xB，xC，…，xN)成为非线性的数学式f(xA，xB，xC，…，xN)的上限的情况。另外，在步骤S401中，作为针对线性的数学式f’(xA，xB，xC，…，xN)的上限值，设定比针对非线性的数学式f(xA，xB，xC，…，xN)的上限值大的假定上限值。

(11)根据求出的解对库存推移进行模拟(图3的库存推移模拟器311、图4的库存推移模拟器361、图5的步骤S312)

根据针对上述配合计划数学模型的解、以及由输入数据取入部351取入的数据的全部或一部分，将配合的全部或一部分作为对象，对于设定的计划确定期间量，以设定的计划制作精度执行模拟。在该模拟之中，将无法纳入配合计划数学模型中的限制条件、例如不基于一定规则的条件等难以建模的限制条件、以及操作的规则等也纳入来进行模拟。由此，将作为针对配合计划数学模型的求解结果而求出的解变更为在实际操作中能够没有问题地使用的配合计划。由此，能够实现考虑到实际操作中要求的时间精度和实际操作所要求的精细限制的配合计划的制定。

另外，作为数学模型中难以处理的限制的一个例子，将配合比例改变时的设备安排所耗费的安排时间等取入模拟中，并正确地进行模拟，由此能够实现考虑到实际操作所要求的精细限制的配合计划的制定。

(12)根据求出的解对特性进行模拟(图3的特性模拟器312、图4的特性模拟器362、图5的步骤S313)

根据针对上述配合计划数学模型的解、由库存推移模拟器361模拟的库存推移、以及由输入数据取入部351取入的数据的全部或一部分，将配合的全部或一部分作为对象，对于设定的计划确定期间量，以设定的计划制作精度进行特性的模拟。作为模拟的结果，得到原材料的混合后的特性结果。在该模拟中，将无法纳入配合计划数学模型中的限制条件、操作的规则等也纳入来进行模拟，由此将作为针对配合计划数学模型的求解结果而求出的解变更为在实际操作中能够没有问题地使用的配合计划。由此，能够实现考虑到实际操作所要求的时间精度和实际操作要求的精细限制的配合计划的制定。

以上说明的库存推移模拟器361(库存推移模拟器311)及步骤S312、以及特性模拟器362(特性模拟器312)及步骤S313，是本发明所述的第二配合计划制作部的模拟器及其处理的例子。

(13)配合计划的确定(图4的确定部363、图5的步骤S314)

在通过上述库存推移模拟、特性模拟导出的配合计划之中，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了1天，因此确定所制作的配合计划的最初的一天量。对于制作的配合计划之中不属于上述计划确定期间的部分，不确定该计划而废弃。

(14)判断是否确定了计划制作期间量、或计划确定期间量的计划(图4的判断部364、图5的步骤S315)

判断到本步骤的执行时刻为止确定的计划确定期间是否包括预先设定的计划制作期间的整体。在本实施方式中，计划制作期间为10天，因此在第10循环中确定了计划的时刻，确定计划确定期间量的计划。因此，在第10循环中结束确定计划的时刻，制作10天量的配合计划并结束处理。

(15)制定开始日的更新(图4的更新部365、图5的步骤S316)

在本步骤的执行时刻确定的计划确定期间没有包括预先设定的计划制作期间的整体的情况下，将上述配合计划之中确定的配合计划期间紧后面的日期时间设定为新的制定开始日。在本实施方式中，如图7所示，在第1循环中将最初的第1天0时的制定开始日更新为第2天0时，在第二循环中将最初的第2天0时的制定开始日更新为第3天0时。

(16)配合计划的输出(图4的输出部366、图5的步骤S317)

如上制作的配合计划通过输出部366，画面显示在显示部303上，或被向包括数据库400的外部设备进行数据发送。

以上说明的输出部366及步骤S317是本发明所述的第二配合计划制作部的输出部及其处理的例子。

如上所述，按照当前的库存推移状态，对于供需平衡限制、特性限制，首先对于规定的最优化期间量，以计划制作时间精度设定数学模型，根据目标函数对设定的配合计划数学模型进行求解，根据求出的解，对库存推移、混合后的特性进行模拟，在根据模拟结果求出的配合计划之中，确定所设定的计划确定期间量，将计划确定期间紧后面的日期时间作为新的制定开始日期时间，由此依次以预定的次数反复执行确定新的计划对象期间量的配合计划的一系列处理。由此，能够制作期望的计划制作期间量的配合计划。由此，能够高速且详细地对需要任意的时间精度的配合计划进行最优化，而且能够将得到的结果原样适用于实际操作中。

另外，在上述实施方式中，如图11所示，配合计划按照一定的期间(例如旬)来制作。另外，对于多个特性α、β，特性模型有时为非线性。在图11中，A指的是满足特性限制的((式14)成立)的情况，B指的是不满足特性限制的情况。即，在图11的例子中，对于特性α，在多个旬(4月上旬及下旬)中发生特性违反，同样对于特性β，在多个旬(4月上旬及下旬)中发生特性违反。

此时，如果对于各旬及各特性分别进行图10所说明的收敛计算，则发生以下问题。具体而言，由于在4月上旬中对特性α进行收敛计算，接着对特性β进行收敛计算，另外，在4月下旬中对特性α进行收敛计算，接着对特性β进行收敛计算，因此计算处理花费时间。

因此，如第一实施方式中也说明的那样，设为对于对象的旬及特性概括起来进行图10中说明的收敛计算。例如，在4月上旬及下旬中对于特性α、β概括起来进行收敛计算(在图10的步骤S403中同时进行特性α、β的假定下限值的略微增加(或假定上限值的略微减少))，由此能够实现高速化。

另外，在上述实施方式中，说明了在图10的步骤S403中使假定下限值S’略微增加(或使假定上限值略微减少)之后，再次执行步骤S401的处理。此时，即使收敛计算发生变化，在设定中没有变化的数学模型也得以保持，具体而言，上述供需平衡模型和原本为线性的特性模型得以保持。并且，设为如下结构：在使假定下限值略微增加(或使假定上限值略微减少)并再次执行步骤S401的处理的情况下，仅变更随着收敛计算而发生了变化的数学模型、具体而言使假定下限值略微增加(或使假定上限值略微减少)的数学模型，由此能够实现高速化。

另外，作为配合计划(例如使用量(配合比例))，大多制定年度计划、期度计划、月度计划这样的长期计划。像这样预先制作长期的配合计划，以该配合计划为基准的配合计划，使由第一配合计划制作装置100制作的更短期的配合计划不偏离作为基准的配合计划一定程度以上，这也是很重要的。

因此，除了使用在(式17)所示的关于费用(原材料的购入费用及输送费用)构筑的目标函数J之外，还可以使用关于与预先制作的作为基准的配合计划不偏离一定程度以上的条件来构筑的目标函数J’。在(式20)中表示目标函数J’的一个例子。

在上述例子中，表示了在月度计划中，将期度计划设为作为基准的配合计划来制作每天的配合计划的情况的一个例子。此时，使按照每个品种、每天对配合比例(品种，日)与基准配合比例之差进行合计所得到的值最小化。作为其他例子，在制定期度计划的情况下，也可以将年度计划设为作为基准的配合计划来制作计划。此时，在设为月度计划中决定配合比例(品种，月)的情况下，使按照每个品种、每个月对配合比例(品种，月)与基准配合比例之差进行合计而得到的值最小化。

另外，作为基准的配合计划例如根据过去的实际情况制作，其制作方法无论是何种方法皆可。当然，也可以为通过适用了本发明的配合计划制作方法来预先制作长期的计划、并以此为基准的配合计划。

由此，能够使对多个品种的原材料进行进货并混合的配合计划、以及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相互联系并统一制作。另外，在这些计划中，能够总览配合计划及配船计划来作为整体使输送费用最小化。进而，与由第一配合计划制作装置100制作使用计划、并将该使用计划作为输入数据制作配船计划的情况相比，能够制作能够更加可靠地防止库存耗尽的配合计划及配船计划。

(第三实施方式)

在上述第二实施方式中，在配船计划制作装置200中，作为关于各品种的库存的限制(式24)，对于单独的每个品种保证(不低于)安全库存量。但是，在实际的操作中，通过将特性相近的品种(共同具备包含在规定范围内的化学性质的多个品种：相互置换也能够使用的品种)相互置换使用，来进行灵活应对。例如，在原材料A、B的库存量分别为5万吨、0吨时，在使用计划中原材料A为0吨、B为2万吨的情况下，仅考虑B品种则发生库存耗尽。但是，在原材料A、B的特性为相互置换也能够使用的关系时，进行替代使用2万吨原材料B而使用2万吨A的运用。由此，能够防止库存耗尽。

例如在煤炭的情况下，利用“煤炭化度70％以下；大于70％且为90％以下；大于90％”等、与原材料的物理或化学特性有关的条件，进行品种的分组。另外，通过像这样对品种进行分组，并作为一个来处理，能够减少变量而减少计算量。

在本实施方式中，目的在于，实现用于实现上述运用的配合计划及配船计划的制作。为此，在配船计划制作装置200中，不是对单独的每个品种保证安全库存量来处理与各品种的库存有关的限制，而是将具有可相互替代的特性的品种分组来处理。即，设为在分组后的品种中，作为分组的品种的库存量不低于作为分组的安全库存量，来制作库存限制。

即，在配船计划制作装置200中，替代(式24)，使用表示被分组的品种的库存量总是确保为作为分组的安全库存以上的限制式。该限制式如下述的式(42)所示。

[数学式53]

安全库存量_{卸货港，品种}为常数，品种∈g，{g|特性相近的品种的集合}

通过像这样对品种进行分组来处理，能够替代仅能由运费较高的船输送的品种，而输送同一品种且能够由运费较低廉的船配送的品种，能够抑制输送费用。例如，考虑存在特性几乎相同的原材料X、Y，在卸货港(炼钢厂)A能够使用原材料X、Y任一方的情况。考虑由第一配合计划制作装置100制作了以下配合计划的情况：对卸货港A输送原材料X的费用为20$/吨，输送原材料Y的费用为40$/吨，对卸货港B输送原材料X的费用为40$/吨，输送原材料Y的费用为20$/吨，初始库存量全部为0，由于与其他炼钢厂的交易的关系等某种理由，在卸货港A，原材料X的使用为0吨，Y的使用为5万吨，在卸货港B，原材料X的使用为5万吨，Y的使用为0吨。此时，在配船计划中分别维持品种的库存的情况下，通过库存限制，导出对卸货港A进货5万吨原材料Y，对卸货港B进货5万吨原材料X的配船。此时，需要40$/吨×5万吨×2的输送费用。但是，在将具有可替代的特性的品种的群作为分组考虑的情况下，在配船计划中制订了对卸货港A进货5万吨原材料X，对卸货港B进货5万吨原材料Y的计划的情况下，卸货港A、B中X与Y的合计的库存量都不低于0，满足库存限制。此时的输送费用为20$/吨×5万吨×2，与不考虑分组的情况相比，费用减半。

如上所述，能够使对多个品种的原材料进行进货并混合的配合计划、以及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相互联系并统一制作。另外，在这些计划中，能够总览配合计划及配船计划来作为整体使输送费用最小化。进而，由第一配合计划制作装置100制作使用计划，作为与该使用计划有关的输入数据，并将具有可替代的特性的品种作为分组来考虑，由此与制作不使库存耗尽的配船计划的情况相比，能够制作输送费用更加低廉的配合计划及配船计划。

(第四实施方式)

在第三实施方式中，说明了由第一配合计划制作装置100制作使用计划，将该使用计划作为输入数据，将具有可替代的特性的品种作为分组考虑，制作不使库存耗尽的配船计划的实施方式。

但是，在进行实际的操作时，作为最终的配合计划及配船计划，大多需要分别确保每个品种的库存。即，在上述第三实施方式中，在进行分组间的替换的情况下，在由第一配合计划制作装置100制作的使用计划和由配船计划制作装置制作的配船计划中，作为可替代的品种分组的库存不发生耗尽。但是作为个别的品种，由于在品种间的使用和进货中发生偏差，因此从个别品种的角度看库存的情况下，看上去像库存已经耗尽，产生操作者难以处理的问题。作为用于解决该问题的实施方式，将由配船计划制作装置200制作的配船计划作为输入数据，通过第二配合计划制作装置300，制作配合计划，由此能够制作依照进货的配合计划。此时，在具有可替代的特性的品种间进行替换，因此在第二配合计划制作装置300中，也能够在不影响特性限制的条件下制作配合计划。进而，在第一配合计划制作装置100中，在没有决定船舶的状态下，根据交易目标量来制作使用计划，因此作为使用计划，精度不佳。但是，在第二配合计划制作装置300中，在由配船计划制作装置决定了船舶的状态、即决定了进货的状态下制作使用计划，因此能够制作精度更高的使用计划。

根据以上结构或方法，能够使对多个品种的原材料进行进货并混合的配合计划、以及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相互联系并统一制作。另外，在这些计划中，能够总览配合计划及配船计划来作为整体使输送费用最小化。进而，与由第一配合计划制作装置100制作使用计划，并将该使用计划作为输入数据制作配船计划的情况相比，能够制作输送费用更低廉的配合计划及配船计划。进而，通过第二配合计划制作装置300制作使用计划，能够制作精度更高的使用计划。

在图27中，表示能够作为本发明的配合计划装置100、300或配船计划制作装置200发挥作用的计算机装置2500的硬件结构例。包括对装置整体进行控制的中央处理装置即CPU2501、显示各种输入条件和结果等的显示部2502、保存结果等的硬盘等存储部2503、存储控制程序、各种应用程序、数据等的ROM(只读存储器)2504、作为CPU2501进行处理时使用的工作区域的RAM(随机访问存储器)2505、以及键盘、鼠标等输入部2506等。

另外，为了实现上述实施方式的功能而通过以下方式使各种设备工作的结构也包括在本发明的范畴之内，上述方式为：对与该各种设备连接的装置或系统内的计算机，提供用于实现上述实施方式的功能的软件的程序代码，按照该系统或装置的计算机(CPU或MPU)中存放的程序使上述各种设备工作。此时，上述软件的程序代码自身实现上述实施方式的功能，该程序代码自身、以及用于将该程序代码提供给计算机的手段、例如存放了该程序代码的记录介质构成本发明。作为存储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、磁带、非易失性的存储卡、ROM等。

本发明还包括以下方式。

(1)一种配合及配船计划制作系统，在将从多个供应源通过船舶输送到多个供应目的地并进货的多个品种的配合原材料在各供应目的地配合使用时，制作该多个品种的配合原材料的配合计划、以及将该多个品种的配合原材料从作为装货地的多个供应源输送到作为卸货地的多个供应目的地的船舶的配船计划，该配合及配船计划制作系统的特征在于，具备：第一配合计划制作单元，根据配合原材料的对每个供应源及每个品种预先设定的交易目标量，制作对多个品种的配合原材料进行进货并混合的配合计划；配船计划制作单元，根据由上述第一配合计划制作单元制作的配合计划，制作将多个品种的配合原材料从多个装货地输送至多个卸货地的配船计划；以及数据库单元，存放由上述配船计划制作单元制作的配船计划。

(2)如上述(1)记载的配合及配船计划制作系统，其特征在于，上述第一配合计划制作单元具备：数据取入单元，取入包括配合原材料的交易目标量、配合原材料的库存情况、配合原材料的特性、配合原材料的购入费用信息、利用船舶时的输送费用信息的数据；模拟器，计算配合原材料的供需状态及混合后的特性；数学模型构筑单元，构筑表现配合原材料的供需平衡限制的数学模型、以及表现混合后的特性限制的数学模型；最优化计算单元，利用由上述数学模型构筑单元构筑的数学模型，根据关于配合原材料的购入费用及输送费用构筑的目标函数，进行最优化计算，并计算针对上述模拟器的指示；以及输出单元，输出作为上述模拟器的模拟结果的配合计划。

(3)如上述(2)记载的配合及配船计划制作系统，其特征在于，上述第一配合计划制作单元的最优化计算单元还根据关于配合原材料的进货量与交易目标量之间的关系构筑的目标函数，进行最优化计算。

(4)如上述(2)或(3)记载的配合及配船计划制作系统，其特征在于，在由上述第一配合计划制作单元的数据取入单元取入的输送费用信息中，包括分船舶、分装货港、分卸货港运费的信息、以及分品种、分卸货港运费的信息。

(5)如上述(1)～(4)中任一项记载的配合及配船计划制作系统，其特征在于，上述第一配合计划制作单元计算基于制作的配合计划的配合原材料的使用预定量；上述配船计划制作单元具备：数据取入单元，取入包括基于由上述第一配合计划制作单元制作的配合计划的配合原材料的使用预定量、交易目标量、对合同种类不同的船舶进行列表而成的船舶列表、各船舶列表中列出的船舶的航行情况、配合原材料的库存情况、配合原材料的购入费用信息、利用上述船舶列表中列出的船舶时的输送费用信息的数据；模拟器，由计算配合原材料的库存推移的库存推移模拟器和计算船舶航行情况的推移的船舶航行情况推移模拟器构成；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船舶，并制作需要的船舶财源；数学模型构筑单元，构筑至少表现由上述船舶财源制作单元制作的船舶的航行限制、在卸货地的配合原材料的供需平衡限制、以及交易目标量限制的数学模型；最优化计算单元，利用由上述数学模型构筑单元构筑的数学模型，根据至少关于输送费用构筑的目标函数，进行最优化计算，计算针对上述模拟器的指示；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。

(6)如上述(1)～(4)中任一项记载的配合及配船计划制作系统，其特征在于，上述配船计划制作单元具备：数据取入单元，取入包括基于由上述第一配合计划制作单元制作的配合计划的配合原材料的使用预定量、交易目标量、对合同种类不同的船舶进行列表而成的船舶列表、各船舶列表中列出的船舶的航行情况、对上述特性相近的品种进行分组处理的配合原材料的库存情况、配合原材料的购入费用信息、利用上述船舶列表中列出的船舶时的输送费用信息的数据；模拟器，由计算对上述特性相近的品种进行分组来处理的配合原材料的库存推移的库存推移模拟器和计算船舶航行情况的推移的船舶航行情况推移模拟器构成；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船舶，并制作需要的船舶财源；数学模型构筑单元，构筑至少表现由上述船舶财源制作单元制作的船舶的航行限制、在卸货地的对上述特性相近的品种进行分组来处理的配合原材料的供需平衡限制、以及交易目标量限制的数学模型；最优化计算单元，利用由上述数学模型构筑单元构筑的数学模型，根据至少关于输送费用构筑的目标函数，进行最优化计算，并计算针对上述模拟器的指示；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。

(7)如上述(1)～(6)中任一项记载的配合及配船计划制作系统，其特征在于，具备：第二配合计划制作单元，根据由上述配船计划制作单元制作的配船计划，制作对多个品种的配合原材料进行进货并混合的配合计划；以及数据库单元，存放由上述第二配合计划制作单元制作的配合计划。

(8)如上述(7)记载的配合及配船计划制作系统，其特征在于，上述第二配合计划制作单元具备：数据取入单元，取入包括基于由上述配船计划制作单元制作的配船计划的配合原材料的进货预定、配合原材料的库存情况、配合原材料的特性、配合原材料的购入费用信息、利用船舶时的输送费用信息的数据；模拟器，计算配合原材料的供需状态及混合后的特性；数学模型构筑单元，构筑表现配合原材料的供需平衡限制的数学模型、以及表现混合后的特性限制的数学模型；最优化计算单元，利用由上述数学模型构筑单元构筑的数学模型，根据关于配合原材料的购入费用及输送费用构筑的目标函数，进行最优化计算，并计算针对上述模拟器的指示；以及输出单元，输出作为上述模拟器的模拟结果的配合计划。

(9)如上述(1)～(8)中任一项记载的配合及配船计划制作系统，其特征在于，对于由上述第一配合计划制作单元制作的配合计划，将特性相近的品种分组来处理。

(10)一种配合及配船计划制作方法，在将从多个供应源通过船舶输送到多个供应目的地并进货的多个品种的配合原材料在各供应目的地配合使用时，制作该多个品种的配合原材料的配合计划、以及将该多个品种的配合原材料从作为装货地的多个供应源输送到作为卸货地的多个供应目的地的船舶的配船计划，该配合及配船计划制造方法的特征在于，包括：配合计划制作步骤，由第一配合计划制作单元根据配合原材料的对每个供应源及每个品种预先设定的交易目标量，制作对多个品种的配合原材料进行进货并混合的配合计划；配船计划制作步骤，由配船计划制作单元根据由上述第一配合计划制作单元制作的配合计划，制作将多个品种的配合原材料从多个装货地输送至多个卸货地的配船计划；以及存放步骤，将由上述配船计划制作单元制作的配船计划存放在数据库中。

(11)一种程序，用于使计算机作为上述(1)～(9)中任一项记载的配合及配船计划制作系统的各单元来发挥作用。

工业实用性

根据本发明，能够使对多个品种的配合原材料进行进货并混合的配合计划、以及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相互联系并统一制作。尤其是，能够考虑雇船合同的种类不同的船舶，准备关于输送费用构筑的目标函数，根据该目标函数进行最优化计算。由此，能够制定将雇船合同的种类(连续航海船、不定期船、现期船)、雇佣/不雇佣决定船队的构成的船舶也包括在内的、用于输送费用的最小化的计划。进而，在配合计划阶段中，也能够制作考虑到使输送费用最小化的计划。

符号说明

100：第一配合计划制作装置

200：配船计划制作装置

201：模拟器

202：宏观最优化部

202a：船舶财源制作部

202b：数学模型设定部

202c：最优化计算部

203：微观最优化部

203a：数学模型设定部

203b：最优化计算部

204：数据取入部

205：输出部

300：第二配合计划制作装置

303：显示部

304：操作者评价部

312：特性模拟器

313：供需平衡模型设定部

314：特性模型设定部

315：计划部

351：输入数据取入部

352：计划制作期间设定部

353：时间精度设定部

354：最优化期间设定部

355：计划确定期间设定部

356：供需平衡模型设定部

357：特性模型设定部

357a：线性化部

358：固定化提取处理部

359：配合计划求解部

360：确认部

361：库存推移模拟器

362：特性模拟器

363：确定部

364：判断部

365：更新部

366：输出部

400：数据库

500：计算机

Claims (14)

1.一种配合及配船计划制作系统，制作将多个品种的配合原材料从多个装货地输送到多个卸货地的配船计划、以及在各个上述卸货地对进货的上述配合原材料进行混合的配合计划，其特征在于，具备：

第一配合计划制作部，根据对每个上述装货地及每个上述品种预先设定的上述配合原材料的交易目标量，制作第一配合计划；

配船计划制作部，根据制作的上述第一配合计划，制作上述配船计划；以及

数据库部，存放制作的上述配船计划。

2.如权利要求1记载的配合及配船计划制作系统，其特征在于，

在上述配合计划的制作和上述配船计划的制作中，关于上述交易目标量及上述配合原材料的库存情况使用共通的限制条件。

3.如权利要求1记载的配合及配船计划制作系统，其特征在于，

上述第一配合计划制作部具备：

数据取入部，取入包括上述配合原材料的上述交易目标量、上述配合原材料的库存情况、上述配合原材料的特性、上述配合原材料的购入费用及上述配合原材料的输送费用的数据；

数学模型设定部，分别设定表现上述配合原材料的供需平衡限制及上述配合原材料的混合后的特性限制的数学模型；

最优化计算部，使用设定的上述数学模型，根据关于上述购入费用及上述输送费用预先构筑的目标函数，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，并对上述配合原材料的供需状态的推移及上述配合原材料的混合后的上述特性的推移进行模拟；以及

输出部，输出作为上述模拟器的模拟结果的配合计划。

4.如权利要求3记载的配合及配船计划制作系统，其特征在于，

上述最优化计算部还根据关于上述配合原材料的进货量与上述交易目标量之间的关系预先构筑的目标函数，进行最优化计算。

5.如权利要求3或4记载的配合及配船计划制作系统，其特征在于，

在由上述数据取入部取入的上述输送费用中，包括：

分船舶、分装货港、分卸货港的运费的信息；以及

分上述品种、分卸货港运费的信息。

6.如权利要求1记载的配合及配船计划制作系统，其特征在于，

上述第一配合计划制作部还计算按照制作的上述配合计划的上述配合原材料的使用预定量；

上述配船计划制作部具备：

数据取入部，取入包括上述配合原材料的上述使用预定量、上述配合原材料的上述交易目标量、上述配合原材料的库存情况、上述配合原材料的购入费用、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、各上述船舶的航行情况、以及输送费用的数据；

船舶财源列表制作部，根据上述航行情况，从上述船舶列表中选择作为配船对象的候选的上述船舶，并制作船舶财源列表；

数学模型设定部，设定数学模型，该数学模型表现上述船舶财源列表中包括的上述船舶的航行限制、在上述卸货地的上述配合原材料的供需平衡限制、以及交易目标量限制；

最优化计算部，利用设定的上述数学模型，根据关于上述输送费用预先构筑的目标函数，进行最优化计算；

模拟器，包括库存推移模拟器以及船舶航行情况推移模拟器，并根据上述最优化计算的结果进行动作，上述库存推移模拟器对上述库存情况的推移进行模拟，上述船舶航行情况推移模拟器对上述航行情况的推移进行模拟；以及

输出部，输出作为上述模拟器的模拟结果的上述配船计划。

7.如权利要求1记载的配合及配船计划制作系统，其特征在于，

上述第一配合计划制作部还计算按照制作的上述配合计划的上述配合原材料的使用预定量；

上述配船计划制作部具备：

数据取入部，取入包括上述配合原材料的上述使用预定量、上述配合原材料的上述交易目标量、特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理的分组配合原材料的库存情况、上述配合原材料的购入费用、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、各个上述船舶的航行情况、以及输送费用的数据；

船舶财源列表制作部，根据上述航行情况，从上述船舶列表中选择作为配船对象的候选的上述船舶，并制作船舶财源列表；

数学模型设定部，设定数学模型，该数学模型表现上述船舶财源列表中包括的上述船舶的航行限制、特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理的上述分组配合原材料的供需平衡限制、以及交易目标量限制；

最优化计算部，利用设定的上述数学模型，根据关于上述输送费用预先构筑的目标函数，进行最优化计算；

模拟器，包括库存推移模拟器以及船舶航行情况推移模拟器，并根据上述最优化计算的结果进行动作，上述库存推移模拟器对特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理的上述分组配合原材料的上述库存情况的推移进行模拟，上述船舶航行情况推移模拟器对上述航行情况的推移进行模拟；以及

输出部，输出作为上述模拟器的模拟结果的上述配船计划。

8.如权利要求1、3、7中任一项记载的配合及配船计划制作系统，其特征在于，

还具备第二配合计划制作部，该第二配合计划制作部根据制作的上述配船计划，制作第二配合计划；

上述数据库部还存放上述第二配合计划。

9.如权利要求8记载的配合及配船计划制作系统，其特征在于，

上述第二配合计划制作部具备：

第二数据取入部，取入包括基于制作的上述配船计划的上述配合原材料的进货预定、上述配合原材料的库存情况、上述配合原材料的特性、上述配合原材料的购入费用、以及上述配合原材料的输送费用的数据；

第二数学模型设定部，利用上述进货预定，分别设定表示上述配合原材料的供需平衡限制及上述配合原材料的混合后的特性限制的数学模型；

第二最优化计算部，利用设定的上述数学模型，根据关于上述购入费用及上述输送费用预先构筑的目标函数，进行最优化计算；

第二模拟器，根据上述最优化计算的结果进行动作，对上述配合原材料的供需状态的推移及上述配合原材料的混合后的上述特性的推移进行模拟；以及

第二输出部，输出作为上述模拟器的模拟结果的配合计划。

10.如权利要求9记载的配合及配船计划制作系统，其特征在于，

在上述第一配合计划的上述供需平衡限制与上述第二配合计划的上述供需平衡限制中，关于需求设定相同的限制条件；

在上述第一配合计划的上述供需平衡限制中，关于供给，将交易目标量设定为限制条件；

在上述第二配合计划的上述供需平衡限制中，关于供给，将船舶的原材料的进货量设定为限制条件。

11.如权利要求9记载的配合及配船计划制作系统，其特征在于，

在上述第一配合计划的上述目标函数中，使用分品种、分卸货港假定运费；

在上述第二配合计划的上述目标函数中，使用分船舶、分装货港、分卸货港运费。

12.如权利要求1或3记载的配合及配船计划制作系统，其特征在于，

在制作的上述配合计划中，特性包含在规定的范围内的多个上述品种的上述配合原材料被分组而处理。

13.一种配合及配船计划制作方法，制作将多个品种的配合原材料从多个装货地输送到多个卸货地的配船计划、以及在各上述卸货地对进货的上述配合原材料进行混合的配合计划，其特征在于，包括：

第一配合计划制作工序，根据对每个上述装货地及每个上述品种预先设定的上述配合原材料的交易目标量，制作第一配合计划；

配船计划制作工序，根据制作的上述第一配合计划，制作上述配船计划；以及

数据库存放工序，在数据库中存放制作的上述配船计划。

14.一种程序，用于使计算机作为权利要求1记载的配合及配船计划制作系统的各部分工作。

Images