CN111798021A - 作业工时预测系统以及生产计划制定辅助系统 - Google Patents
作业工时预测系统以及生产计划制定辅助系统 Download PDFInfo
- Publication number
- CN111798021A CN111798021A CN202010190964.2A CN202010190964A CN111798021A CN 111798021 A CN111798021 A CN 111798021A CN 202010190964 A CN202010190964 A CN 202010190964A CN 111798021 A CN111798021 A CN 111798021A
- Authority
- CN
- China
- Prior art keywords
- information
- production
- learning
- man
- hour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供作业工时预测系统以及具备作业工时预测系统的生产计划制定辅助系统,能够预测各产品的每个工序的作业工时。预测作业工时的作业工时预测系统(1)具备:分析组生成部(13),其生成包括用于学习作业工时的预定的数据且按与对象产品的制造有关的每个工序创建的构成可变更的分析组(131);作业工时学习部(11),其基于分析组学习作业工时;以及作业工时预测部(22),其通过使用作业工时学习部的学习结果来对预测对象产品的作业工时进行预测。
Description
技术领域
本发明涉及作业工时预测系统以及具备作业工时预测系统的生产计划制定辅助系统。
背景技术
公知有预测作业现场的作业所需要的作业时间的技术(专利文献1)。此外,也公知有在生成生产计划的情况下,对生产对象的产品创建部件构成表(Bill of materials:BOM,物料清单)的技术(专利文献2、3)。
在大量生产同种产品的情况下,几乎能够根据过去的实际业绩(実績)数据准确地估计各工序的作业工时,而在多品种少量生产的情况下,针对各个品种的制造实际业绩数据较少,所以难以准确地估计接受订货的产品的制造所需要的各工序的作业工时。
并且,在现有技术中,在多品种少量生产的情况下,不能准确地预测各工序的作业工时,所以难以高效地创建正确的生产计划。
现有技术文献
专利文献
专利文献1:日本特开2019-16226号公报
专利文献2:日本特开2014-199523号公报
专利文献3:日本特开2003-015722号公报
发明内容
本发明是鉴于上述问题而完成的,其目的在于提供能够预测各产品的每个工序的作业工时的作业工时预测系统以及具备作业工时预测系统的生产计划制定辅助系统。
为了解决上述课题,根据本发明的作业工时预测系统是预测作业工时的作业工时预测系统,具备:分析组生成部,其生成包括用于学习作业工时的预定的数据且按与对象产品的制造有关的每个工序创建的构成可变更的分析组;作业工时学习部,其基于分析组学习作业工时;以及作业工时预测部,其通过使用作业工时学习部的学习结果来对预测对象产品的作业工时进行预测。
发明效果
根据本发明,对象产品的每个工序的分析组构成可变更,所以能够将同种产品或者不同种类产品的数据包括在内来生成分析组。在本发明中,通过使用基于分析组学习作业工时的作业工时学习部的学习结果,能够按每个工序对预测对象产品的作业工时进行预测。
附图说明
图1是本实施方式的作业工时预测系统的概略图。
图2是作业工时预测系统的功能框图。
图3是包括作业工时预测系统的系统整体的硬件构成图。
图4是表示分析组的构成例的说明图。
图5是表示预测作业工时的整体流程的流程图。
图6是表示主设定画面并设定工序的例子。
图7是表示主设定画面并设定属性的例子。
图8是表示主设定画面并设定产品码的例子。
图9是表示学习数据编辑画面并从工序检索学习数据的例子。
图10是表示学习数据编辑画面并从属性检索学习数据的例子。
图11表示属性类别编辑画面。
图12表示设定分析组的画面。
图13是表示分析组创建画面并输入分析组名称以及工序名称的例子。
图14是表示分析组创建画面并选择产品码的例子。
图15是表示分析组创建画面并选择属性类别的例子。
图16是表示分析组创建画面并设定其他条件的例子。
图17是表示分析组创建画面并确认设定的例子。
图18表示显示预测精度的画面。
图19表示预测作业工时的画面。
图20是具备作业工时预测系统的生产计划制定辅助系统的功能框图。
附图标记说明
1:作业工时预测系统,3:生产管理系统,4:作业现场,5:生产计划制定辅助系统,11:作业工时学习部,13:分析组生成部,20:学习结果参照部,22:作业工时预测部
具体实施方式
以下,基于附图对本发明的实施方式进行说明。本实施方式例如适合使用于独一无二的产品、定制产品、样品等多品种少量生产。但是,本实施方式也能够用于多品种少量生产以外的生产方式。
如图1所示,本实施方式的作业工时预测系统1例如包括作业工时学习部11、分析组生成部13、信息存储部15、16、学习结果参照部20以及作业工时预测部22。作业工时预测系统1也可以不需要具备图1所示的全部的功能,而省略至少一部分的功能。
这里,作为作业工时,例如,作业时间符合,但在作业工时预测系统1中,作为作业工时,不仅可以处理作业时间也能够将工作量等包括在内来处理。
分析组生成部13例如基于从生产管理系统3(后面在图3中说明)获取的制造实际业绩数据(有时略记为实际业绩数据)和主数据,生成具有预定的数据的分析组131。主数据由利用作业工时预测系统1的用户进行登记。构成分析组的预定的数据能够追加、删除、或者变更。
关于分析组131的例子,后面在图4中说明。这里,简单地对分析组131进行说明。分析组131是按产品组的每个工序生成的组,包括用于学习作业工时的学习数据(实际业绩数据)。例如,关于分析组,针对包括一定范围的产品的产品组,按照如“控制面板的组装工序”、“控制面板的面板开孔工序”、“车体的焊接工序”、“向车体的发动机安装工序”、“车体的喷涂工序”等那样与该产品组的制造有关的每个工序来创建。
更详细而言,分析组131例如包括作为“第二信息”的产品码132、作为“第三信息”的属性类别133。产品码132是确定分析组131中包含的产品的信息。属性类别133表示部件的属性所属的类别,即,属性类别133是表示由产品码132确定的产品所使用的部件的属性的类别的信息。属性类别也能够说成是将具体的部件分组的部件组。此外,分析组131例如能够包括分析组名称、对象的工序名称、分析组的内容说明这样的管理信息(或者书目的信息)。这些管理信息是“第一信息”的例子。
作业工时学习部11按每个分析组学习作业工时。作业工时学习部11仅基于具有分析组131中包含的各产品码132的序列号的实际业绩数据,学习作业工时。即,不成为分析组131的对象的实际业绩数据不对该分析组的学习结果造成影响。换言之,在本实施方式中,通过将产品规格类似的产品作为同一分析组131登记,来用于作业工时的学习。
属性类别133是将多个属性码(部件的识别码、大小等)集中为一个进行处理的组。在多品种少量生产的情况下,所使用的部件种类繁多,所以若使部件码直接与属性码对应,则存在不能充分地确保作业工时的学习精度的情况。例如,由于多品种少量生产,所以是同一产品或者产品组的实际业绩数据的样本数较少的情况,学习所使用的属性数(规格的数目)膨大的情况。因此,在本实施方式中,能够通过创建属性类别133,来将多个属性码作为同一码处理,能够压缩作业工时的学习所使用的属性数。
作业工时的学习结果按分析组进行管理。能够使学习结果参照部20显示通过作业工时学习部11得到的学习结果。用户能够确认显示于学习结果参照部20的学习结果的同时变更分析组131的构成。
学习结果例如包含有分析组131所包含的各属性类别133对该分析组131的作业工时造成的预定的影响度和预测精度。在本实施例中,作为预定的影响度的例子,使用表示作业工时与属性类别133的相关性的相关度。相关度也可以由数值或者图表的至少任意一方或者两方表现。相关度表示值越接近“1”则相关性越高。
用户例如能够根据相关度从分析组131除去属性类别133,或者将新的属性类别133追加到分析组131。用户能够根据预测精度的结果变更属性类别133,或者变更产品码132。
作业工时预测部22基于通过作业工时学习部11得到的学习结果,对预测对象的案件(制造预定的产品)的作业工时进行预测。通常,一个产品经由多个工序制造。在对预测对象产品的整体的作业工时进行预测的情况下,按每个工序对作业工时进行预测。
通过作业工时预测部22得到的预测结果也能够向作为其他系统的例子的生产管理系统3等发送。预测结果也能够在后面通过图20说明的生产计划制定辅助系统5中利用。
信息存储部15、16存储主数据、制造实际业绩数据以及订购案件的规格数据等。
这样,本实施方式的作业工时预测系统1具备:分析组生成部13,其生成包括用于学习作业工时的预定的数据且按与制造对象产品有关的每个工序创建的构成可变更的分析组131;作业工时学习部11,其基于分析组131学习作业工时;以及作业工时预测部22,其通过使用作业工时学习部11的学习结果来对预测对象产品的作业工时进行预测。
按对象产品的每个工序创建的分析组131构成可变更,所以能够将同种产品或者不同种类产品的数据包含在内来生成分析组。因此,作业工时预测部22能够通过使用基于分析组131学习作业工时的作业工时学习部11的学习结果,来对预测对象产品的作业工时进行预测。
在本实施方式中,能够将多个产品码132与分析组131相关联,所以即使是各个产品的制造实际业绩较少的情况,也能够通过收集类似的产品的实际业绩来准备作业工时的学习所需要的数据。不限于同种产品的产品码132,不同种类产品的产品码132也可以一起与相同的分析组131相关联。通过将同种或者不同种类的产品码132与分析组131相关联,在多品种少量生产的情况下也能够学习作业工时,使用的便利性提高。
在本实施方式中,能够将多个属性码(例如部件、大小、数量等)汇总为属性类别133。因此,在本实施方式中,能够抑制学习所使用的属性的数目来提高作业工时的学习精度。在多品种少量生产的情况下,使用各种类型的部件,所以若将这些部件的所有都考虑为属性,则导致属性的数目过多而实际业绩数据较少这样的状况。该状况下,即使学习作业工时,也难以得到较好的精度。因此,在本实施方式中,通过将类似的属性码汇总为共用的属性类别133,来抑制属性数提高学习精度。
在本实施方式中,用户能够适当地参照通过作业工时学习部11得到的学习结果,所以用户能够在确认学习精度的同时来变更分析组131的构成,使用便利性提高。
在本实施方式中,能够按属性类别133显示属性值与作业工时的相关性。在本实施方式中,按部件信息、产品的大小等产品规格赋予属性码。在本实施方式中,按属性码管理属性名称和属性值。属性值是作为规格的值。即,在本实施方式中,将多个属性码集中为一个属性类别133来管理,另一方面,计算该属性类别133中的属性值与作业工时的相关性向用户提供。由此,用户能够设定用于获得例如“哪个部件被使用何种程度会对作业工时造成影响”这样的知识,同时预估作业工时的分析组131,使用便利性提高。
【实施例1】
使用图2~图19对第一实施例进行说明。图2是作业工时预测系统1的功能框图。
作业工时预测系统1例如能够具备作业工时学习部11、学习指示部12、分析组生成部13、分析组设定存储部14、主信息存储部15、订购信息存储部16、属性类别设定部17、分析组别学习得分存储部18、分析组别属性类别相关度存储部19、学习结果参照部20、分析组别学习参数存储部21、作业工时预测部22、预测指示部23、预测作业工时存储部24、订购属性信息获取部25以及作业工时实际业绩信息获取部26。
在图2中,适当地省略“部”“存储部”“信息”这样的单词的显示。作业工时学习部11学习作业工时。学习指示部12对于作业工时学习部11指示学习的执行。分析组生成部13生成分析组131。分析组设定存储部14存储所生成的分析组。
主信息存储部15例如存储产品码信息132、属性码信息135以及属性类别信息133。产品码信息132(也称为产品码132)是按产品赋予的识别符。一个产品码132包含有至少一个序列号。属性码信息135(也称为属性码135)是识别部件信息以及产品的大小等属性的信息。属性类别信息133(也称为属性类别133)表示将多个不同的属性码135汇总为一个的类别。
订购信息存储部16例如存储订购基本信息161、订购属性信息162以及订购作业工时实际业绩信息163。订购基本信息161例如是序列号(若有则也有分号码)、制作数量、产品码等订购的产品(制造预定的产品)的基本信息。订购属性信息162是与订购的产品有关的属性码的信息。订购作业工时实际业绩信息163是订购的产品的制造完成的情况下获取的作业工时的实际业绩信息。
虽然未图示,但是例如能够在生产现场设置作业指示终端,经由该作业指示终端向作业者指示作业内容,并且在作业结束时由作业者输入作业结束。通过获取来自作业指示终端的信息,能够计测每个工序所需要的作业时间。能够使该作业时间作为作业工时的实际业绩信息存储在作业工时实际业绩信息获取部26。
属性类别设定部17的功能在于设定用于用户对属性码进行分类的属性类别133。
分析组别学习得分存储部18按分析组存储作为学习精度的学习得分。在图中,略记为组别学习得分18。分析组别属性类别相关度存储部19按分析组存储表示属性类别与作业工时的相关度的信息。
学习结果参照部20的功能在于用于用户适当地参照分析组其它的学习得分和相关度。
分析组别学习参数存储部21存储通过作业工时学习部11得到的每个分析组的学习参数。
作业工时预测部22使用通过作业工时学习部11得到的学习结果即学习参数来预测每个分析组的作业工时。预测指示部23的功能在于用户对作业工时预测部22指示作业工时的预测。预测作业工时存储部24存储由作业工时预测部22预测出的作业工时。
订购属性信息获取部25从图外的生产管理系统3获取订购属性信息,并存储到订购信息存储部16。作业工时实际业绩信息获取部26从生产管理系统3获取作业工时的实际业绩值,并存储到订购信息存储部16。
图3是作业工时预测系统1的硬件构成图。作业工时预测系统1例如被构成为计算机系统,经由通信网络CN1与生产管理系统3(1)、3(n)连接。生产管理系统3(1)、3(n)经由其他的通信网络CN2(1)、CN2(n)与生产现场4(1)、4(n)连接。在不特别区别的情况下,将生产管理系统3(1)、3(n)略记为生产管理系统3,将生产现场4(1)、4(n)略记为生产现场4。
作业工时预测系统1例如具备微处理器(CPU)101、内存102、存储装置103、通信接口104以及用户界面部(User Interface Unit)105。
存储装置103存储有预定的计算机程序1031和预定的数据库1032。微处理器101通过将计算机程序1031读出到内存102并执行,实现作为作业工时预测系统1的功能。数据库1032相当于图2中的存储部14、15、16、18、19、21、24。
通信接口104是用于作业工时预测系统1和生产管理系统3双方向通信的装置。
用户界面部105是用于作业工时预测系统1与用户交换信息的装置。用户界面部105具备信息输入装置和信息输出装置。作为信息输入装置,例如有键盘、触摸面板、指示装置、声音输入装置等。作为信息输出装置,例如有显示器、打印机、声音合成装置等。也可以将用户界面部105构成为与作业工时预测系统1独立的计算机终端,通过无线或者有线连接用户界面部105和作业工时预测系统1。图2中描述的功能中,例如,学习指示部12、属性类别设定部17、学习结果参照部20、预测指示部23利用用户界面部105来实现。
生产管理系统3也被构成为计算机系统,具有微处理器、内存等。省略生产管理系统3的细节。
图4表示分析组131的构成例。如上所述,分析组131按各产品组(产品码)的每个工序准备,至少一个产品码132和至少一个属性类别133相关联。产品码132包括至少一个序列号134。属性类别133包括至少一个属性135(属性码135)。将哪个产品码132与分析组131相关联、将哪个属性类别133与分析组131相关联、将哪个序列号134与哪个产品码132相关联、将哪个属性135与哪个属性类别133相关联能够由用户适当地设定。用户能够在该设定时考虑属性类别133与作业工时的相关度。
通过如图4所示那样构成用于按各产品组的每个工序学习作业工时的分析组131,能够在多品种少量生产的情况下,准备与属性数匹配的实际业绩数据,所以能够预测作业工时。
图5表示预测作业工时的处理的整体。在作业工时预测系统1(以下,有略记为系统1的情况)中,最初设定主数据(S11)。在步骤S11中,例如,进行工序的主数据的设定(图6的画面G11)、属性类别133以及属性码135的主数据设定(图7的画面G12、G121)、产品码132的主数据设定(图8的画面G13)。
作业工时预测系统1获取用于学习作业工时的数据(学习数据)(S12)。作业工时预测系统1例如从生产管理系统3获取实际业绩数据作为学习数据的原始数据,通过对获取到的原始数据进行清理(cleansing)处理来获得学习数据。在数据的清理处理中,例如实施符号的波动的消除、异常数据的除去、产品码132或者属性类别133的设定等。在清理处理中,发现新的属性类别的情况下,也能够将该新的属性类别登记到主数据。
作业工时预测系统1基于用户的指示按各产品组的每个工序设定分析组131(S13)。作业工时预测系统1例如选择与分析组131相关联的产品码132和属性类别133,或者选择相关联的属性类别133中成为有效的属性类别(或者选择成为无效的属性类别),或者选择作为学习数据使用的期间。
作业工时预测系统1基于在步骤S13中创建的分析组131学习作业工时(S14)。
作业工时预测系统1确认学习结果(S15)。用户能够基于学习结果变更分析组131的构成。例如,也能够通过交叉验证确认学习的精度。交叉验证是将对象期间的学习数据分成学习用和测试用来验证精度的方法。作业工时预测系统1能够一边确认学习结果一边反复学习(S13~S15)。
作业工时预测系统1获取预测对象的案件的数据(预测对象产品的订购信息)(S16)。即,作业工时预测系统1从生产管理系统3获取订购基本信息161和订购属性信息162。
作业工时预测系统1基于在步骤S13~S15中得到的学习结果和在步骤S16中获取到的信息,按工序对预测对象产品的作业工时进行预测(S17)。作业工时预测系统1也能够运算预测结果的精度并向用户提供(S17)。
作业工时预测系统1也能够将步骤S17中的预测结果提供给其他系统并灵活应用(S18)。作为其他系统,例如有生产管理系统3、生产计划制定辅助系统5等。在这些其他系统中,将通过作业工时预测系统1得到的作业工时的预测结果例如用于制造仿真或者生产计划的制定等。
使用图6~图19对作业工时预测系统1提供给用户的画面的例子进行说明。
图6是设定工序的主数据的画面G11。在图6中,选择用于设定“工序”的标签。为了表示是所选择的标签(菜单),而在图中使用粗黑框。
设定工序的画面G11例如具备输入检索条件的输入部GP111、显示检索结果的显示部GP112、追加按钮GP113、编辑按钮GP114以及删除按钮GP115。
若用户向输入部GP111输入工序名称来检索,则与输入的检索条件一致的工序的一览显示于显示部GP112。这里,为了方便说明,使“组装工序”和“检查工序”双方显示于显示部GP112。
用户从显示于显示部GP112的工序中选择希望操作的工序的复选框栏(图6中的左侧所示的四边形)。用户在希望追加工序的情况下,按下追加按钮GP113。由此,显示用于追加工序的工序追加画面(未图示)。用户能够通过在工序追加画面输入工序名称和工序ID(识别符)来对主数据追加工序。
用户能够通过按下编辑按钮GP114来编辑所选择的工序。用户能够通过按下删除按钮GP115来删除所选择的工序。
图7是设定属性类别133和属性码135的主数据的画面G12。画面G12例如包括输入检索条件的输入部GP121、显示检索结果的显示部GP122、确认使用状况的细节的细节按钮GP123、追加按钮GP124、编辑按钮GP125、以及删除按钮GP126。
若用户按下细节按钮GP123,则详细显示表示属性的使用状况的画面G121。在画面G121对于在显示部GP122选择的属性,例如显示有属性名称、属性ID、属性类别、分析组。
用户能够通过按下追加按钮GP124来将属性追加到主数据。用户能够通过按下编辑按钮GP125来编辑所选择的属性。用户能够通过按下删除按钮GP126来删除所选择的属性。
图8是设定产品码132的主数据的画面G13。画面G13例如包括输入检索条件的输入部GP131、显示检索结果的显示部GP132、细节按钮GP133、追加按钮GP134、编辑按钮GP135以及删除按钮GP136。
用户能够从显示于显示部GP132的检索结果中选择希望操作的产品码。若用户按下细节按钮GP133,则显示未图示的细节画面。该细节画面显示产品码的使用状况的细节。产品码的使用状况的细节例如包含有产品码名称、对应的分析组名称等。
并且,用户能够通过按下追加按钮GP134来追加产品码。用户能够通过按下编辑按钮GP135来编辑选择的产品码。用户能够通过按下删除按钮GP136来删除选择的产品码。
图9表示编辑学习数据的画面G21。在该画面G21中,从工序名称检测学习数据。画面G21例如包括输入检索条件的输入部GP211、显示检索结果的显示部GP212、有效化按钮GP213以及无效化按钮GP214。
在显示部GP212中,例如,通过序列号(以及分号码)、产品码以及工序名称的组合显示学习数据。作为学习数据的实际业绩数据例如具备作为作业工时的作业所需要的时间(作业时间)、表示作业的结束时间的结束时刻、表示是有效和无效的哪个状态的标志。
若用户按下有效化按钮GP213,则选择的学习数据被作为有效的学习数据处理。若用户按下无效化按钮GP214,则选择的学习数据仅对在输入部GP211所指定的工序成为无效。
图10表示编辑学习数据的其他的画面G22。在该画面中,从属性检索学习数据。画面G22例如具备输入检索条件的输入部GP221、显示检索结果的显示部GP222、有效化按钮GP223、以及无效化按钮GP224。
在输入部GP221中,能够基于序列号、属性类别、属性名称的任一个来检索学习数据。此外,被无效化按钮GP244无效化的学习数据在所有工序成为无效。
图11是编辑属性类别的画面G31。画面G31例如包括输入检索条件的输入部GP311、显示检索结果的显示部GP312、以及编辑按钮GP313。
用户能够通过在输入部GP311中指定属性类别名称或者属性名称的任一个,来检索学习数据。其检索结果作为学习数据的属性显示于显示部GP312。在显示部GP312按属性或者属性类别显示学习数据。在检索到属性类别未设定的属性(属性码)的情况下,也能够使表示该主旨的警告显示。
用户能够通过在显示部GP312选择希望编辑的学习数据后,按下编辑按钮GP313,来编辑选择的学习数据。即,能够将选择的属性的学习数据与属性类别相关联。
图12是设定分析组的画面G41。画面G41例如具备将创建完毕的分析组一览显示的显示部GP411、创建按钮GP412、编辑按钮GP413、设定细节按钮GP414、学习执行按钮GP415、学习中止按钮GP416、精度显示按钮GP417以及删除按钮GP418。
在显示部GP411例如针对各分析组显示有复选框栏、工序名称、说明、设定更新日、学习执行日、最终学习日、精度指标等。此外,在图中,将设定更新日略记为更新日,将学习执行日略记为学习,将最终学习日略记为学习日。显示部GP411中的“说明”表示分析组是哪个产品(产品组)的哪个工序的学习数据。
创建按钮GP412是用于创建分析组的按钮。编辑按钮GP413是用于编辑选择的分析组的按钮。设定细节按钮GP414是用于显示选择的分析组的设定的细节的按钮。学习执行按钮GP415是执行选择的分析组的学习的按钮。学习中止按钮GP416是中止选择的分析组的学习的按钮。精度显示按钮GP417是显示选择的分析组的学习结果的精度的按钮。删除按钮GP418是删除选择的分析组的按钮。
图13是创建分析组的画面G42。若用户在图12的画面G41中按下创建按钮GP412,则显示图13所示的画面G42。画面G42例如具有选择分析组名称的输入和工序的菜单、选择产品码的菜单、选择属性类别的菜单、设定其他条件的菜单、以及确认设定的菜单。在画面G42还显示有取消按钮、返回按钮、前进按钮。
图13表示选择分析组名称的输入和工序的菜单被选择的状态。在该状态下,显示输入部GP421。输入部GP421例如包括输入分析组名称的输入部、输入分析组的说明的输入部、以及输入工序名称的输入部。
图14是选择产品码的菜单被选择的情况下的画面G43。在画面G43的右侧显示有产品码的一览GP431。产品码的一览GP431例如包括产品码名称、表示有效还是无效的标志、以及学习数据的件数。
图15是选择属性类别的菜单被选择的情况下的画面G44。在画面G44的右侧显示有属性类别的一览GP441。在画面G44的下侧显示有表示属性类别与作业工时的相关性的图表GP442。
属性类别的一览GP441例如包含有复选框栏、属性类别名称、表示是有效还是无效的状态的标志、学习数据的件数、与作业工时的相关度(图中,略记为CW)、显示图表的按钮、有效化按钮、以及无效化按钮。
对图表GP442而言,纵轴表示作为作业工时的作业时间,横轴表示属于选择出的属性类别的各属性的值。即,若用户从属性类别一览GP441中选择属性类别,按下图表显示按钮,则图表GP442显示工序和产品码一致的属性值与作业时间的关系的散点图。并且,能够使图表GP442显示回归直线。由此,用户能够容易地确认属性类别与作业工时的相关,能够根据其确认结果变更分析组的构成。
图16是选择了用于设定其他条件的菜单时的画面G45。在画面G45的右侧显示了指定其他的条件的输入部GP451。输入部GP451例如包含有学习数据的期间、最大工时、以及交叉验证的次数。
图17是选择了设定确认菜单的情况下的画面G46。在画面G46的右侧显示有设定确认部GP461。在设定确认部GP461显示有图13~图16中设定的内容。即,在设定确认部GP461显示有分析组名称的输入和工序名称的选择的内容、产品码的选择内容、属性类别的选择内容、其他条件的设定内容。
图18是显示分析组的预测精度的画面G47。画面G47例如具备显示交叉验证的指标的指标显示部GP471、显示属性类别的属性类别显示部GP472、以及图表GP473。
在指标显示部GP471显示有用于交叉验证的指标。在属性类别显示部GP472显示有与分析组相关联的属性类别、表示是有效还是无效的标志、以及与作业工时的相关度。属性类别显示部GP472也包含有显示图表的按钮。
若在图12的画面G41中,用户选择分析组,按下精度显示按钮GP417,则显示图18的画面G47。若用户按下属性类别显示部GP472的图表按钮,则针对在属性类别显示部GP472选择的属性类别,显示有表示与作业工时(作业时间)的相关度的图表GP473。各图表的内容如上所述。
图19是对预测对象的案件(预定制造的产品)预测作业工时的画面G51。画面G51例如包括输入检索条件的输入部GP511、显示检索结果的显示部GP512、显示属性细节的按钮GP513、预测作业工时的按钮GP514、以及切换确定标志的按钮GP515。
在输入部GP511中,通过例如指定产品码、序列号、工序名称、分析组,来检索预测对象的数据。
在显示部GP512一览显示有检索出的预测对象数据。在显示部GP512中,预测对象的数据例如由序列号以及分号码、产品码、工序名称确定并显示。若确定了产品码和工序名称,则分析组被唯一决定,所以也能够将分析组显示于显示部GP512。
确定标志是表示是否将预测出的作业工时(预测结果)作为确定的值处理的标志。其他系统3、5将设定了确定标志的预测作业工时作为确定值处理。确定标志的开启关闭能够通过用户操作确定标志切换按钮GP515来变更。
若用户按下属性细节按钮GP513,则显示表示属性的细节的画面(未图示)。在该属性细节画面中,例如,显示有由产品码、序列号、分号码、工序名称确定出的各属性的属性名称和属性值。
若用户按下预测执行按钮GP514,则预测作业工时,并将其预测结果显示于显示部GP512的预测工时的栏。
根据这样构成的本实施例,在如多品种少量生产那样制造的实际业绩数据较少的情况下,也能够通过将多个产品汇总为一个产品码,来确保成为学习数据的实际业绩数据。并且,根据本实施例,能够将各种各样的属性(属性码)汇集为属性类别,所以也能够得到属性类别的数目与学习数据的适当平衡。其结果,根据本实施例,即使是实际业绩数据缺乏的生产现场,也能够预测作业工时,使用便利性提高。
在本实施例中,用户能够适当地参照学习的精度,所以用户能够确认学习精度的同时变更分析组的构成,使用便利性提高。
在本实施例中,能够按属性类别显示属性值与作业工时的相关度,所以用户能够确认对作业工时造成影响的属性类别是哪个,同时变更分析组的构成等,使用便利性进一步提高。
在本实施例中,举出应用于多品种少量生产的情况为例进行了说明,但本实施例也能够应用于多品种少量生产以外的生产方式。
【实施例2】
使用图20对第二实施例进行说明。在本实施例中,对将作业工时预测系统1用于生产计划制定辅助系统5的情况进行说明。
图20表示生产计划制定辅助系统5的整体概要。生产计划制定辅助系统5分别如后述那样,例如能够具备生产计划制定部51、数据库存储部52、顾客要求信息获取部53、生产进展信息获取部54、日程计划信息存储部55、选择部56、信息提供部57、生产计划反映部58、生产计划存储部59以及作业工时预测系统1。
生产计划制定部51如后述那样,基于从顾客要求信息选择的生产基本信息521、图3所示的生产现场4的生产能力信息522以及生产现场4中的生产进展信息,制定生产计划。
生产计划制定部51中生成的生产计划通过接受用户的承认而正式被作为生产计划采用,并存储到生产计划存储部59。在本实施例中,存在将接受用户的承认前的生产计划称为生产计划案,以与接受用户的承认后的生产计划区别的情况。此外,在顾客要求信息产生变更的情况下,生产计划制定部51根据该变更重新制定生产计划。
生产计划制定部51以使针对用户指定的任意的期间,例如共享设计者、生产现场4的作业区域、作业者组、设备,生产线,试验场所、电力等各种资源的产品组的生产对生产现场4整体为最佳的方式来创建生产计划案。“设计者”是管理汇总生产对象产品的案件的设计者的工时的资源。
作为“存储部”的数据库存储部52存储生产计划的制定所使用的多个预定的信息。数据库存储部52(以下,也称为存储部52)例如存储模型区分生产基本信息521、生产能力信息522、以及产品构成信息523。存储部52例如能够使用闪存设备、硬盘设备这样的非易失性的存储装置。
模型区分生产基本信息521是按产品的模型生成的信息,例如包括产品的生产所需要的各工序的信息和各工序所使用的每个资源的资源消耗量。并且,模型区分生产基本信息521能够包括原单位码、产品名称、该产品的基准制作数量等管理信息。
生产能力信息522是表示生产现场4的生产能力的信息。生产能力信息522例如包括各工序能够使用的资源的最大消耗量(上限值)。
产品构成信息523示出表示过去生产的产品的构成的信息和此后要生产的产品的构成的信息。产品构成信息523不要求能够创建部件构成表的程度的正确度。
顾客要求信息获取部53是获取顾客要求信息的功能。顾客要求信息是指产品订购者亦即顾客对于产品要求的信息,例如,包括产品规格、制作数量这样的信息。例如,生产计划制定辅助系统5的用户能够通过使用用户界面部105来向生产计划制定辅助系统5输入顾客要求信息。
生产进展信息获取部54从生产管理系统3获取表示生产现场4的各工序的进展的信息。获取到的生产进展信息经由生产计划存储部59提供给生产计划制定部51。
日程计划信息存储部55存储日程计划信息。日程计划信息是表示中期间或者长期间的生产计划日程的信息,保持何时开始设计何时结束(出厂)这样的日程。并且,日程计划信息能够包括用于对资源消耗量特别指示的计划值。在日程计划信息中设定有计划值的情况下,计划值优先于生产基本信息521中定义的资源消耗量。
选择部56是“生产基本信息选择部”的例子。选择部56通过用户的手动操作、或者自动地从存储于存储部52的生产基本信息521中选择至少一个与顾客要求信息对应的生产基本信息。
信息提供部57的功能在于向用户提示由生产计划制定部51创建的生产计划案。用户针对所提示的生产计划案向生产计划制定辅助系统5给予修正指示,或者给予承认指示。
生产计划反映部58的功能在于若生产计划案被用户承认,则使该生产计划案作为生产计划存储于生产计划存储部59。
生产计划存储部59的功能在于存储每个产品的生产计划。
生产计划制定部51基于由作业工时预测系统1预测的作业工时等,以对各工序的整体成为最佳生产计划的方式创建生产计划。
在这样构成的本实施例中,通过使用由作业工时预测系统1预测的作业工时,能够更正确地创建多品种少量生产的生产计划。
此外,本发明并不局限于上述的实施方式。若是本领域技术人员,则能够在本发明的范围内进行各种追加、变更等。在上述的实施方式中,并不限定于附图中图示的构成例。能够在实现本发明的目的的范围内,适当地变更实施方式的构成、处理方法。
另外,本发明的各构成要素能够任意地取舍选择,具备取舍选择的构成的发明也包含于本发明。并且,记载于本技术方案的构成除了技术方案中明示的组合以外也能够组合。
进一步,本实施方式公开使用计算机辅助生产计划的制定的方法。该生产计划制定辅助方法例如能够表现为“一种使用计算机预测作业工时的作业工时预测方法,该方法具备:分析组生成步骤,生成包括用于学习作业工时的预定的数据且按与制造对象产品有关的每个工序创建的构成可变更的分析组;学习步骤,基于上述分析组学习作业工时;以及预测步骤,通过使用上述学习步骤的学习结果来对预测对象产品的作业工时进行预测,上述预定的数据包括:第一信息,用于确定成为分析组的对象的对象产品组以及对象工序;第二信息,用于确定上述对象产品组中包含的对象产品;以及第三信息,用于确定包含于上述对象产品组的上述对象产品中包含的部件属性的类别,上述第二信息和上述第三信息中的至少任意一个能够变更”。该表现是一个例子,也能够在所公开的实施方式的范围内进行其他的表现。
Claims (7)
1.一种作业工时预测系统,预测作业工时,其特征在于,
该作业工时预测系统具备:
分析组生成部,其生成包括用于学习作业工时的预定的数据且按与对象产品的制造有关的每个工序创建的构成可变更的分析组;
作业工时学习部,其基于上述分析组学习作业工时;以及
作业工时预测部,其通过使用上述作业工时学习部的学习结果,来对预测对象产品的作业工时进行预测。
2.根据权利要求1所述的作业工时预测系统,其特征在于,
上述预定的数据包括:第一信息,用于确定成为分析组的对象的对象产品组以及对象工序;第二信息,用于确定上述对象产品组中包括的对象产品;以及第三信息,其确定上述对象产品组中包括的上述对象产品所包括的部件属性的类别,
上述第二信息和上述第三信息中的至少任意一个能够变更。
3.根据权利要求2所述的作业工时预测系统,其特征在于,
上述第二信息包括上述对象产品的识别码和作为与上述对象产品相关联的学习数据的序列号,
上述分析组生成部能够显示上述第二信息中包括的上述序列号的编号供选择。
4.根据权利要求2或者3所述的作业工时预测系统,其特征在于,
上述第三信息包括上述部件属性的类别的识别码、和作为与上述部件属性的类别相关联的其他学习数据的部件的识别码,
上述分析组生成部能够显示上述第三信息中包括的上述部件的识别码的编号供选择。
5.根据权利要求4所述的作业工时预测系统,其特征在于,
上述分析组生成部计算上述部件属性的类别对上述分析组的作业工时造成的预定的影响度并进行显示。
6.根据权利要求2所述的作业工时预测系统,其特征在于,
上述第二信息以及第三信息分别能够分割或者整合。
7.一种生产计划制定辅助系统,具备权利要求1所述的作业工时预测系统且辅助生产计划的制定,其特征在于,
该生产计划制定辅助系统具备:
存储部,其存储用于产品的生产管理的预定的生产基本信息和管理生产能力的生产能力信息;
生产基本信息选择部,其基于所输入的顾客要求信息,从存储于上述存储部的生产基本信息中选择至少一个生产基本信息;
生产计划制定部,其基于上述选择的生产基本信息、上述生产能力信息以及从生产现场获取的生产进展信息,生成生产计划案;以及
生产计划反映部,其将由上述生产计划制定部生成的生产计划案反映为生产计划存储部存储的生产计划。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019073732A JP7080199B2 (ja) | 2019-04-08 | 2019-04-08 | 作業工数予測システムおよび作業工数予測システムを備える生産計画立案支援システム |
JP2019-073732 | 2019-04-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111798021A true CN111798021A (zh) | 2020-10-20 |
Family
ID=72805894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010190964.2A Pending CN111798021A (zh) | 2019-04-08 | 2020-03-18 | 作业工时预测系统以及生产计划制定辅助系统 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7080199B2 (zh) |
CN (1) | CN111798021A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022137616A (ja) * | 2021-03-09 | 2022-09-22 | 株式会社日立製作所 | 生産計画立案装置、及び生産計画立案方法 |
CN115617702A (zh) * | 2022-12-20 | 2023-01-17 | 中化现代农业有限公司 | 一种测试工时的预测方法和预测装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165842A (ja) * | 1991-12-13 | 1993-07-02 | Toyota Central Res & Dev Lab Inc | 工程時間の見積り装置 |
JPH07164267A (ja) * | 1993-12-14 | 1995-06-27 | Canon Inc | 組立作業時間予測装置 |
JPH11203351A (ja) * | 1998-01-13 | 1999-07-30 | Toshiba Corp | 作業工数見積り装置及びその方法並びにプログラムを記録した記録媒体 |
JP2007133664A (ja) * | 2005-11-10 | 2007-05-31 | Konica Minolta Holdings Inc | 生産工程支援方法 |
JP2009265699A (ja) * | 2008-04-21 | 2009-11-12 | Nippon Steel Corp | 処理時間予測装置、方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP2015001844A (ja) * | 2013-06-17 | 2015-01-05 | 株式会社日立パワーソリューションズ | 作業時間予測装置、方法、及びプログラム |
WO2016079843A1 (ja) * | 2014-11-20 | 2016-05-26 | 株式会社日立製作所 | 生産計画調整支援装置および生産計画調整支援方法 |
US10061300B1 (en) * | 2017-09-29 | 2018-08-28 | Xometry, Inc. | Methods and apparatus for machine learning predictions and multi-objective optimization of manufacturing processes |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310467A (ja) | 2007-06-13 | 2008-12-25 | Panasonic Corp | 搬送制御装置および搬送制御方法 |
JP6591351B2 (ja) | 2016-06-10 | 2019-10-16 | 株式会社日立製作所 | 生産計画作成支援装置および生産計画作成支援方法 |
-
2019
- 2019-04-08 JP JP2019073732A patent/JP7080199B2/ja active Active
-
2020
- 2020-03-18 CN CN202010190964.2A patent/CN111798021A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165842A (ja) * | 1991-12-13 | 1993-07-02 | Toyota Central Res & Dev Lab Inc | 工程時間の見積り装置 |
JPH07164267A (ja) * | 1993-12-14 | 1995-06-27 | Canon Inc | 組立作業時間予測装置 |
JPH11203351A (ja) * | 1998-01-13 | 1999-07-30 | Toshiba Corp | 作業工数見積り装置及びその方法並びにプログラムを記録した記録媒体 |
JP2007133664A (ja) * | 2005-11-10 | 2007-05-31 | Konica Minolta Holdings Inc | 生産工程支援方法 |
JP2009265699A (ja) * | 2008-04-21 | 2009-11-12 | Nippon Steel Corp | 処理時間予測装置、方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP2015001844A (ja) * | 2013-06-17 | 2015-01-05 | 株式会社日立パワーソリューションズ | 作業時間予測装置、方法、及びプログラム |
WO2016079843A1 (ja) * | 2014-11-20 | 2016-05-26 | 株式会社日立製作所 | 生産計画調整支援装置および生産計画調整支援方法 |
US10061300B1 (en) * | 2017-09-29 | 2018-08-28 | Xometry, Inc. | Methods and apparatus for machine learning predictions and multi-objective optimization of manufacturing processes |
Also Published As
Publication number | Publication date |
---|---|
JP7080199B2 (ja) | 2022-06-03 |
JP2020173519A (ja) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9851712B2 (en) | Process control system and configuration system for an industrial plant | |
EP3021181B1 (en) | Process control systems and systems and methods for configuration thereof | |
US6984198B2 (en) | Experiment management system, method and medium | |
US20070203912A1 (en) | Engineering manufacturing analysis system | |
JP5195329B2 (ja) | 記録装置および記録装置の制御方法 | |
US10108183B2 (en) | Process control system and configuration system | |
JP2003099481A (ja) | 新型車両の企画立案支援のためのコンピュータ・プログラム | |
CN111798021A (zh) | 作业工时预测系统以及生产计划制定辅助系统 | |
JP7014643B2 (ja) | 情報収集システム | |
JP5017176B2 (ja) | 製造指示評価支援システム、製造指示評価支援方法、および製造指示評価支援プログラム | |
JP2019153051A5 (zh) | ||
JP2021064265A (ja) | 作業実績分析サーバ、作業実績分析方法、および作業実績分析プログラム | |
US20060195350A1 (en) | Design review, progress check information transmission method and apparatus | |
JP5508872B2 (ja) | 製造手順情報作成システムおよび製造手順情報作成プログラム | |
US6345270B1 (en) | Data management system | |
CN112654943A (zh) | 制造系统设计辅助装置 | |
JP3938221B2 (ja) | 工程情報管理システム | |
JP2003099472A (ja) | 車両情報記憶のためのコンピュータ・プログラム | |
JP5160773B2 (ja) | 情報処理装置およびその方法 | |
JP2017068418A (ja) | 計画支援システム及び計画支援方法 | |
JP3695410B2 (ja) | 生産技術の管理方法及びそのための装置 | |
JP7284301B2 (ja) | 情報収集システム | |
JP2003099585A (ja) | 新型車両の企画立案支援のためのコンピュータ・プログラム | |
EP4357991A1 (en) | Use resource setting method and use resource setting device | |
JP2008287427A (ja) | ジョブ稼動状況評価システム、ジョブ稼動状況評価方法及びジョブ稼動状況評価プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |