JP2005011154A

JP2005011154A - System and method for planning plan, and its program

Info

Publication number: JP2005011154A
Application number: JP2003176005A
Authority: JP
Inventors: Hiroyasu Toba; 弘康鳥羽
Original assignee: NEC Informatec Systems Ltd
Current assignee: NEC Informatec Systems Ltd
Priority date: 2003-06-20
Filing date: 2003-06-20
Publication date: 2005-01-13

Abstract

<P>PROBLEM TO BE SOLVED: To obtain a means for automatically predicting a number of simulation times necessary for accurately acquire a probability distribution of a desired parameter. <P>SOLUTION: This system for planning a plan comprises a plan planning device for planning a production plan by a simulation using a production line model and obtaining a prediction result of a desired production parameter among production parameters in the production plan; and an external device for providing information necessary for execution of the simulation and information including prediction accuracy ε and obtaining a simulation result of the desired production parameter obtained as the prediction result. <P>COPYRIGHT: (C)2005,JPO&NCIPI

Description

【０００１】
【発明の属する技術分野】
本発明は、生産システムにて発生する特定の事象を確率的な要素として計算モデルの中で扱い、生産ラインシミュレーションを複数回実行して、所望の生産パラメータの予測結果を得たり計画立案結果を得ることを目的とする計画立案システム、計画立案方法及びそのプログラムに関する。
【０００２】
【従来の技術】
モンテカルロ法では、計算対象となる要素の計算モデルに確率的な要素を導入し、その計算対象の統計的な性質を見出すことが目的となっている。そのため、定められた期間に実施しうるシミュレーション試行を繰り返し、得られた結果を利用するのが一般的である。
【０００３】
例えば、特許文献１では、所望の精度に対して、必要最小限の回路シミュレーションを実行し、効率的に回路特性の分布を解析する方法について述べている。回路シミュレーションでは回路特性のワースト値が出るケースが多いが、通常のモンテカルロ法での変動要因パラメータ値は最小値、最大値に決定される可能性が低いため回路の特性のばらつきを過小評価してしまう点に着目している。
【０００４】
特許文献１では、変動要因パラメータ値に対して最大値、最小値を設定し通常のモンテカルロ法と同様に各変動要因パラメータに設計者が定義した分布に従った乱数を生成し、その値を設定する。ここまでに設定された変動要因パラメータ値に対し、変動要因パラメータの平均値（ｍ）、標準偏差（ｓｔｄ）を求め、これらの値と基準分布の平均値（ｍｎ）、標準偏差（ｓｔｄｎ）との誤差率（ｄｍ、ｄｓ）をｄｍ＝（ｍ−ｍｎ）／ｍｎ＊１００、と、ｄｓ＝（ｓｔｄ−ｓｔｄｎ）／ｓｔｄｎ＊１００とで求める。ここで求めた誤差率（ｄｍ、ｄｓ）が、すべての変動要因について設計者が入力した解析許容誤差率（α％）以内になるか否かを判断し、ｄｍまたはｄｓがαより大きい時には再び変動要因パラメータの設定処理以降の処理を繰り返す。ｄｍまたはｄｓがαの値以内になった場合に、変動要因パラメータ値を決定し、この時の変動要因パラメータのサンプル数をモンテカルロ解析における回路シミュレーション回数（Ｎ）としている。
【０００５】
また、別の従来技術として、非特許文献１において組み合わせ問題を物理系に見立て、仮想温度パラメータによる制御の下でモンテカルロシミュレーションによる熱平衡状態探索を実行するという立場もある。
【０００６】
特許文献２では、半導体装置のレイアウト設計での最適解の近似解導出方法について述べているが、該技術で使用しているＳＡ法において、最適な解を得るには、仮想温度を緩やかに降下させる際に熱平衡状態探索を行う仮想温度点を多くとる必要があったが、解の質を落さずに熱平衡状態探索を行う仮想温度点の数を削減する方法、すなわち、探索を行う温度を限定して処理を高速化する技術について述べている。具体的には、レイアウトのコスト関数を仮想温度の関数で表現し、該関数を最小にする点を求めるため、同関数の微分をＮ回順次繰り返して得られるｎ次導関数（ｎ＝１、２、・・・、Ｎ）の極大点、極小点を与える仮想温度を探索する方法について述べている。
【０００７】
特許文献３の従来技術でも、モンテカルロシミュレーションにおける熱平衡状態の扱いについて言及している。具体的には、コスト値の初期配置された素子に対して、仮想温度Ｔにおけるモンテカルロシミュレーションを行ない、素子配置を改善する。このモンテカルロシミュレーションにおいては、判定式、ｅｘｐ（−ΔＥ／Ｔ）＜Ｒａｎｄ（１．０）を用いる。ここで、配置交換前と配置交換後とにおける評価関数値（コスト値）の差をΔＥとし、０から１の間の乱数をＲａｎｄ（１．０）とする。判定式が成立する場合にはその交換を受け入れ、成立しない場合には素子配置を元に戻す処理を実行する。そして、それぞれの場合において、処理後の配置を新たな配置として決定する。その後、仮想温度Ｔにおいて配置が平衡状態に達するまで、つまり、コスト値の増減がほぼ一定になるまで、モンテカルロシミュレーションを繰り返し行う方法について述べている。
【０００８】
特許文献４では、モンテカルロシミュレーションを実行して高効率、高精度に熱平衡状態を生成し、その結果を利用して、ＳＡ法の処理時間を短縮しかつ解の最適性を向上させる方法について述べている。具体的には、収束判定にコスト関数値の累積値を用いることにより、コスト関数値の分散の揺れが大きいため熱平衡判定の難しい統計量であっても、安定した熱平衡判定できる方法について述べている。
【０００９】
また、従来技術として、１）計算範囲を選択する、２）所与の物理条件をもとに計算範囲を一部に限定し、処理の高速化を行う技術が存在する。
【００１０】
例えば、特許文献５では、衝突原子を選択することにより計算時間を短縮する方法について述べている。
【００１１】
特許文献６では、イオンの存在範囲と、イオンの進行方向の範囲から、衝突判定対象となる原子核の数を限定して計算時間を短縮している。
【００１２】
特許文献７では、粒子の分割処理に関して、特定の状況においてのみ粒子の分割を行うことで、計算量を増加させずに高精度なシミュレ−ションを実現している。
【００１３】
特許文献８では、多層構造上の不純物分布の飛程と、多層構造上の点欠陥分布の飛程の差が、結晶材質に定義されている不純物分布の飛程と、結晶材質に定義されている点欠陥分布の飛程との差に等しくなるように、点欠陥分布を発生させる。不純物分布と点欠陥分布を発生させた後、点欠陥を考慮した拡散シミュレーションをすることで計算時間を短縮する方法について述べている。
【００１４】
また、従来技術として、代替計算によって処理を簡略化し高速化する技術が存在する。例えば、特許文献９では、一部のシミュレーション処理を、精度を維持しながら、より計算量の少ない代替計算手段を用いることで、計算時間を短縮する方法について述べている。
【００１５】
特許文献１０では、モンテカルロ法を用いた電子損失の計算に用いられる電子濃度を、注入イオンが所定の電子濃度を通過する確率を予め計算しておき、その確率に基づき一様乱数を用いて決定することで、計算時間の増加を抑える方法について述べている。
【００１６】
特許文献１１では、複雑な関数演算を含む散乱確率の計算において、計算コストの低い散乱確率テーブルと高い逐次計算を併用し、テーブル参照が可能かどうか判断し、可能なものは散乱確率テーブルを使用してテーブル参照計算を行ない、不可能なものについてのみ関数演算を行ない高速化する方法について述べている。
【００１７】
特許文献１２では、粒子が他の粒子に衝突する際の散乱モンテカルロシミュレーションに先立って、運動量空間内のすべてのメッシュのテーブルを作成し、厳密解を求める散乱モンテカルロ・シミュレーション処理時に、該テ−ブルを参照することにより、処理時間の短縮と精度を向上する方法について述べている。
【００１８】
特許文献１３では、簡略化した散乱確率を用いて、粒子間散乱が起きるか否かの判定と、散乱相手の判定を行い、散乱相手を特定した段階で本来の散乱確率を用いて粒子間散乱が起こるか否かを最終判定し、処理を高速化する方法について述べている。
【００１９】
特許文献１４では、モンテカルロ法により任意の確率分布に従う粒子群をシミュレートする場合に、状態ｘに対する任意の確率密度関数ｆ（ｘ）に従うように状態ｘに対応する粒子数を決定する処理を近似解法にて求めることにより計算精度を落さずに、高速に計算する方法について述べている。
【００２０】
特許文献１５では、モンテカルロ法により、結晶構造を考慮した不純物分布を求め、該不純物分布のモーメント量を算出し、該モーメント量と解析式を用いて不純物分布を繰り返し計算することで、高精度かつ短時間に不純物分布を計算する方法について述べている。
【００２１】
モンテカルロ法では少ない実行回数で効果的な結果を得るための統計性向上処理、統計性誤差の削減を目的とする従来技術がある。
【００２２】
例えば、特許文献１６では、モンテカルロ法の統計性誤差を小さくする方法において、空間を複数の領域に分割し、分割した各領域に存在するモンテカルロ粒子数が適正値になるように領域毎に粒子の理想重みを定める。モンテカルロ粒子の重みを理想重みと比較して、予め定めた範囲を越えたモンテカルロ粒子を不適合粒子とし、不適合粒子を分割するか、又は、予め定めた選択割合にて無作為にモンテカルロ粒子を選択して選択粒子とし選択粒子の重みを選択割合の逆数倍すると共に選択されなかったモンテカルロ粒子を除去粒子として除去し、統計性誤差を小さくする方法について述べている。
【００２３】
特許文献１７では、モンテカルロ計算に用いる試行粒子の重みをイオン注入量に応じて段階的に変化させ、粒子の重みを徐々に大きくすることで、最終的に必要な試行粒子数を減らし、計算時間を短縮する方法について述べている。
【００２４】
特許文献１８では、分布のすそのばらつきを改善するため、長い飛行距離を持つイオンのサンプリング数のみを増大させる統計性向上操作を行ない計算時間の短縮と、精度を向上する方法について述べている。
【００２５】
特許文献１９では、同モンテカルロ法において、ピアソン分布関数又はガウス分布関数を状況に応じて使い分けることにより、点欠陥濃度分布の最大値が、Ｓｉの原子数密度Ｃｓｉを下回る場合においても、精度良く分布を近似する方法について述べている。
【００２６】
特許文献２０では、モンテカルロ粒子の統計性向上処理の前後において各解析格子点に割り当てられるキャリア数Ｌｊが変化しないように、解析格子点毎にキャリア数Ｌｊを補正することでキャリア数の誤差を発生させず、高速かつ高精度なモンテカルロシミュレーションの統計性向上方式を実現する方法について述べている。
【００２７】
また、モンテカルロシミュレーションを実行して得た結果の利用方法について、多くの文献にその利用形態が述べられている。
【００２８】
例えば、特許文献２１では、入力するパラメータを変更することなく、シミュレーション型多期間確率計画モデルを用いたポートフォリオの最適化を短時間で行う方法について述べている。
【００２９】
特許文献２２では、部品在庫管理において、モンテカルロシミュレーションを適用して、需要が月１個以下などになった低頻度部品群の将来の需要個数を精度良く予測する方法について述べている。
【００３０】
特許文献２３では、モンテカルロ・イオン注入シミュレータで計算した格子間シリコンや空孔等の点欠陥の分布を、補正関数の逆関数で変換した後ピアソン分布関数で近似しパラメータ抽出する方法について述べている。
【００３１】
特許文献２４では、不純物揺らぎに起因した半導体デバイスの特性ばらつきをモンテカルロ法を用いてシミュレーションする方法について述べている。
【００３２】
特許文献２５では、モンテカルロ法を用いて半導体の各結晶面方位に関する輸送モデルのパラメータを取得し、半導体素子を微小領域に分割した直交格子の各辺上で定義された移動度に、各辺に垂直なベクトルが対応する結晶面方位の移動度パラメータを用いて電流ベクトルを計算することによって、半導体素子の電流電圧特性を求める方法について述べている。
【００３３】
特許文献２６では、モンテカルロ法で計算した３次元の粒子軌道を２次元に投影した角度でソーティングし、シャドウ判定点の水平軸方向となす角度から明らかにシャドウが起こる粒子以外を選択して形状計算する。そして、選択した粒子軌道についてのみ擬似３次元シャドウ判定する方法について述べている。
【００３４】
特許文献２７では、繰り返しシミュレ−ションにおいて、前回の時間刻みで計算した熱解析結果で得られた衝突位置での周囲気体の温度分布の計算結果を用いて、衝突座標について周囲の気体粒子のエネルギー変化を計算し、エネルギー変化の計算結果を用いて、熱解析により衝突位置での周囲気体の温度分布を求めた後、時間刻みを更新することで特にスパッタ速度が速い場合など、温度上昇や温度分布の効果を扱う方法について述べている。
【００３５】
特許文献２８では、自動制御が要求されるエレベ−タの運用管理において、２つ以上の動作中から選択を行なわなければならないとき、モンテカルロ法によってエレベータのシミュレート結果を判断材料としてエレベータ群を制御する方法について述べている。
【００３６】
特許文献２９では、多数の運転状態をとることのできる試験システムの運転試験をモンテカルロ・シミュレーション結果を利用して実施する方法について述べている。
【００３７】
尚、非特許文献２では、半導体拡散工程の日々の予測にシミュレーションを活用している例が示されている。
【００３８】
【特許文献１】（特開２００３−００６２６３、ばらつき解析装置およびばらつき解析方法、ページ４−８、図１）
【特許文献２】（特開２００１−１４２９３４、素子配置方法ページ４−５、図１）
【特許文献３】（特開平１１−３２８２４６、素子配置の最適化方法、ページ４−６、図１）
【特許文献４】（特開２００２−１９０５２５、素子配置の最適化方法、ページ３−６、図１）
【特許文献５】（特開２００２−０９３７３７、モンテカルロイオン注入シミュレーション方法、モンテカルロイオン注入シミュレータ、モンテカルロイオン注入シミュレーションプログラムを格納した記録媒体、及び半導体装置の製造方法、ページ８−１５，図１）
【特許文献６】（特開平１１−０５４４４９、イオン注入シミュレーション方法、ページ４−６，図１）
【特許文献７】（特開平１０−０９２７６２、イオン注入シミュレーション方法、ページ２−４、図１）
【特許文献８】（特開平０９−０４５６３０、欠陥分布シミュレーション方法、ページ７−８，図１）
【特許文献９】（特開２００２−０９２３１１、リスク量定量化システム、ページ４−９、図１）
【特許文献１０】（特開平１１−１１１６３３、イオン注入シミュレーション方法及びイオン注入シミュレーションプログラムを格納した記録媒体、ページ４−７，図１）
【特許文献１１】（特開平０７−０４４５２７、量子効果シミュレーション方法、ページ２−４、図１）
【特許文献１２】（特開平１０−１１２５３７、モンテカルロ・シミュレーション方法、ページ３−６、図１）
【特許文献１３】（特開平０８−０１７８８５、半導体素子のモンテカルロシミュレーション方法、ページ３−４、図１）
【特許文献１４】（特開平１０−０４９５１３、粒子分布のシミュレーション方法、ページ３−７、図１）
【特許文献１５】（特開平０８−１３９０４９、イオン注入不純物分布のシミュレーション方法、ページ５−７、図１）
【特許文献１６】（特開平０８−２３５１５６、モンテカルロシミュレーションの統計性向上方式、ページ４、図１）
【特許文献１７】（特開平０８−３３０３７６、イオン注入プロセスのシミュレーション方法、ページ３−４、図１）
【特許文献１８】（特開平０９−２７０３９１、イオン注入プロセスのシミュレーション方法、ページ３−５、図１）
【特許文献１９】（特開平１１−２８３９３２、イオン注入シミュレーション方法、ページ４、図１）
【特許文献２０】（特開平１０−０１１４１６、モンテカルロシミュレーションの統計性向上方式、ページ３−５、図１）
【特許文献２１】（特開２００２−３３４２０７、ポートフォリオ最適化システム、ページ５−２０、図１）
【特許文献２２】（特開２００２−０７３７４６、部品在庫管理における需要予測方法、ページ４−９、図１）
【特許文献２３】（特開２００１−１４８３５３、イオン注入シミュレーションのパラメータ抽出方法、記録媒体、ページ３−４、図１）
【特許文献２４】（特開２００２−０５７３３２、半導体デバイスに対するシミュレーション方法とコンピュータ読み取り可能な記録媒体、ページ３−４，図１）
【特許文献２５】（特開２０００−１６４８５０、デバイスシミュレーション法及び半導体装置の製造方法、ページ４−７、図１）
【特許文献２６】（特開平１１−２７９７５９、スパッタ形状シミュレーション方法、ページ３−５，図１）
【特許文献２７】（特開平１１−１５８６２３、スパッタ装置シミュレーション方法、ページ３，図１）
【特許文献２８】（特開平０６−０１６３４６、エレベータ群の制御方法、ページ３−６、図４）
【特許文献２９】（特表２００１−５０６０７６、被試験システムの運転試験を行う運転試験装置と方法、ページ２５−６５、図１ａ）
【非特許文献１】（Ｓ．Ｋｉｒｋｐａｔｒｉｋｅｔａｌ．，”ＯｐｔｉｍｉｚａｔｉｏｎｂｙＳｉｍｕｌａｔｅｄＡｎｎｅａｌｉｎｇ”，Ｓｃｉｅｎｃｅ，Ｖｏｌ．２２０，Ｎｏ．４５９８，ｐｐ．６７１−６８０，１９８３）
【非特許文献２】（デイビッド、ミラー著、半導体製造ラインのシミュレーション、ＣｏｍｍｕｎｉｃａｔｉｏｎｓｏｆｔｈｅＡＣＭ、第３３巻、１０月号、１９９０年刊、シミュレーション特集号、９８頁乃至１０８頁）
【００３９】
【発明が解決しようとする課題】
生産ラインでは、製品の生産を開始して最終的な製品を完成させるまでに複数の工程での作業を経る。例えば、シリコンウェハー上に回路パターンを形成することを目的とする半導体拡散工程の製造過程においては、生産マネジメント上、各工程での作業時間などを、その工程での作業時間の特性に基づいた分布に従うものと捉えて管理したり、あるいは製造設備の故障や不良品の発生等を、確率でとらえ管理することが日常的に行われている。
【００４０】
また、上述した特許文献２２などでは、見込み生産での需要の発生をも、確率過程ととらえ、モンテカルロ法を適用するなどして、在庫管理するなどの手法が述べられている。
【００４１】
かように、確率的な要素によって支配される生産ラインにおいては、適切な生産管理業務を行なう上で、計画立案、ライン予測を行う際に用いる計算モデルに確率を考慮する確率モデルを導入することはごく自然な流れである。
【００４２】
生産管理業務の中の計画立案業務には、例えば、投入計画、保守計画、ライン予測等があり、これらの中では、確率的な要素を考慮に入れた管理が必要になる。確率要素を考慮した予測手段として生産ラインシミュレーションがある。いくつかの生産ラインでは、生産ラインの将来の状態を予測する目的で、日常的に確率要素を考慮したシミュレーションを実施している。
【００４３】
例えば、上述した非特許文献２では、半導体拡散工程の日々の予測にシミュレーションを活用している例が示されていて、妥当な将来の予測結果を得るために、同一条件の元で、確率要素を組み込んだシミュレーションについて、同一条件のシミュレーションを最低でも五回実行して、予測結果として使用すると述べている。
【００４４】
実際の半導体拡散工程のラインでの各オーダー（ロット）の作業進捗に着目すると、確率的要素が各工程の作業進捗に多分に影響を及ぼしている。例えば、実験作業が多くの工程で実施されるようなロットの場合、該ロットが入庫（完成）する日時を予測すると、数日から数週間の期間にわたって分布するケースも発生する。
【００４５】
このようなケースでは、入庫日時の妥当な予測を行う上では、どれだけの確率で、いつ入庫するかを示す確率分布で得る必要があり、確率分布の正確な形状を得るのに必要な回数だけ、シミュレーションを実施する必要がある。
【００４６】
このような確率分布の形状は、焦点となる値（入庫日時）にどれだけの数の確率要素が関連しているか、そして、該要素に関連している確率要素の発生頻度がどれくらいか、そして、要素がおよぼす変動幅がどれくらいか、によって支配される。
【００４７】
具体的には、確率的な要素が１つも関わらないケースでは１回の試行で充分であろうし、該要素が多数関わっており、且つ、その変動幅が大きい場合は、分布の形状も複雑なものになることが予想され、複雑さに応じたシミュレーション回数が必要となる。
【００４８】
しかし、所望の情報を正確に得る上で必要になるシミュレーション回数は理論的に求められるものではなかった。そのため、従来、特にシミュレーションの実行回数を定めることなく、所与の期間に実行可能なシミュレーションを単純に反復実行して、別途指定する所望のパラメータに関して安定した値が得られたかを判定する条件式を評価して、該条件式が満たされた時に、シミュレーションを停止する方法が一般的であった。
【００４９】
ところで、反復の実験の過程で、所望のパラメータが偶然、安定した値で出てくるような場合、その時点で反復停止条件が満たされて、本来実行すべきシミュレーション回数を実行しないままシミュレーションを終了してしまうケースや、あるいは、必要以上の回数のシミュレーションを実施してしまうことがあり、適正な予測ができないという問題があり、適切なシミュレーション回数を自動的に求め、それに従って反復シミュレーション実行することが、所望のパラメータの確率分布の形状を精度よく求める上で課題となっていた。
【００５０】
例えば、図１６は、Ｘ軸にシミュレーションの試行回数、Ｙ軸に所望のパラメータの値の平均値をとってプロットした結果である。ここで、所望のパラメータの平均値が予め設定した誤差の範囲になった場合に、「安定した」と判定するものとする。試行を１回から１００回までの試行を増やしていく過程で、Ｙ軸の値が安定していく様子がわかる。実際、試行回数１００回以内で、一旦、設定誤差の範囲に収まっているが、１００回を超えると再び、誤差の範囲を越えてしまう。このような場合には、安定した値が出ないままシミュレーション実行を終了してしまうことになる。
【００５１】
また、従来の技術では、シミュレーションを反復実行して、得られた結果をもとに、反復停止条件が満たされた時にシミュレーションを停止していた。つまり、必要となるシミュレーション回数を直接求めることができないために、複数のシミュレーションを並行して処理できるような並列計算機環境での、各プロセッサへの計画立案処理のわりつけができず、効率的な並列計算機の運用の実現が課題となっていた。
【００５２】
例えば、計画立案のためのシミュレーション処理を同時に実行できる利用可能なノードがＭ存在し、実際に実行する必要があるシミュレーションの回数がＮｎになるとして、それ迄に実行を開始したシミュレ−ションの回数をｎとし、Ｍ−（Ｎｎ−ｎ）が大きな値になった場合に、結果的にこの値だけ余分にシミュレ−ションを実行してしまうという問題があった。
【００５３】
このような課題に対して、前述した特許文献１、２、３、４は、本願発明の課題と関連の深い技術である。
【００５４】
特許文献１は、変動要因パラメータに関して、平均値と標準偏差を求め、これらの値と基準分布の平均値、標準偏差との誤差率を計算し、これらの値が、あらかじめ許容誤差として指定したαの値以内になる回数までシミュレーションを繰り返し実行している。しかしながら、従来技術の課題として挙げたように、繰り返し実行するシミュレーションの中で、所望のパラメータに関して求めた該誤差率が、偶然、αの値以内になることが実際にある。このような場合、所望のパラメータの確率分布を完全に近似できる状態になる以前に、繰り返しシミュレーションを中断されてしまうことがあった。この点において、本願発明の課題である「所望のパラメータの確率分布の形状を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００５５】
特許文献２に関しては、最適解を求める仮想温度点を限定することでシミュレーション回数を削減するという点において、本願発明の課題である「所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００５６】
特許文献３は、評価関数値（コスト値）の増減がほぼ一定になるまで、モンテカルロシミュレーションを行うという点において、本願発明の課題である「所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００５７】
特許文献４の従来技術に関しては、熱平衡判定にコスト関数値の累積値を用いて熱平衡判定を行うという点において、本願発明の課題である「所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００５８】
一方で、特許文献５、６、７、８の技術はモンテカルロ法でのシミュレーション計算において、計算範囲を限定することにより高速化を実現する技術である。そのため、本発明の課題である、「所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００５９】
また、特許文献９、１０、１１、１２、１３、１４、１５の従来技術は、モンテカルロ法でのシミュレーション実行において、処理時間を要する処理の代わりに、高速な代替計算に置き換えることによって全体処理の高速化を実現する技術である。そのため、本発明の課題である、「所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００６０】
また、特許文献１６、１７、１８、１９、２０の従来技術は、モンテカルロ法でのシミュレーション計算において、より少ない実行回数でより効果的な結果を得るための統計性向上処理、統計性誤差の削減に関する技術である。該従来技術は実行回数の削減に寄与できるものの、本発明の課題である、「所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００６１】
これらの理由から、以上述べた従来技術は、本質的に、本願発明の課題である「所望のパラメータの確率分布の形状を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供する」ものではない。
【００６２】
また、特許文献２１、２３、２４、２５、２６、２７、２８、２９に示した技術は、それぞれ、モンテカルロシミュレーションの実行結果の利用方法に関する技術である。本質的に本願発明の目的である「生産計画立案」とは本質的に異なる領域の技術であるとともに、その技術の本願発明の目的を達成する上で期待できるものではない。
【００６３】
一方で、特許文献２２に示した技術は、本願発明の目的に関連する技術であるが、該文献の従来技術に関しては、「需要が所定頻度以下となった低頻度部品群の将来の需要を予測する」という点において、本願発明の課題である所望のパラメータの確率分布を精度よく求める上で、必要なシミュレーション回数を自動的に推定する手段を提供するものではなく、本願発明の目的を達成することは不可能であった。
【００６４】
以上、述べたように、従来技術では、本願発明の目的を達成できなかった。
【００６５】
よって本願発明の目的を達成するため、計画立案システム、計画立案方法及びそのプログラムを提示するものである。
【００６６】
【課題を解決するための手段】
このような課題を解決するために、本発明は、生産システムにて発生する特定の事象を確率的な要素として計算モデルの中で扱い、生産ラインシミュレーションを複数回実行して、所望の生産パラメータの予測結果を得たり計画立案結果を得ることを目的とする、モンテカルロシミュレーションを活用して、生産ラインの生産管理業務における、各オーダーの投入計画の立案や、各設備の停止日時の立案や、入庫日の予測、仕掛数の予測、評価等を行う計画立案装置に関し、以下のような構成を備えている。
【００６７】
本願発明の第１の計画立案システムは、生産計画を生産ラインモデルを使用したシミュレーションによって行い、生産計画における生産パラメータのうちの所望の生産パラメータの予測結果を求める計画立案装置と、前記計画立案装置にシミュレーションの実行に必要な情報と推定精度εを含む情報を与え、その結果として予測された前記所望の生産パラメータのシミュレーション結果を得る外部装置と、を備える計画立案システムであって、
前記計画立案装置は、
各種情報を記録、管理する記憶部と、
シミュレーションの実行に必要な情報を前記外部装置から受けるとそれを前記記憶部に記憶するとともに、前記記憶部に記憶された前記所望の生産パラメータに関するシミュレーション結果を前記外部装置に伝える入出力部と、
シミュレーションに必要な情報を前記記憶部からとりだし指定された条件でシミュレーションを繰り返し実行して前記所望の生産パラメータの予測値を求め、前記予測値を含む実行結果を前記記憶部に記憶するシミュレーション実行部と、
シミュレーションの実行を制御する実行制御部と、を備え、
前記実行制御部は、
前記シミュレーション実行部による各回数のシミュレーションの終了の都度、前記所望の生産パラメータの確率分布に確率的な要素が及ぼす影響を評価するために、前記シミュレーション実行部による第ｎ回目のシミュレーションでの前記所望の生産パラメータの安定性を表現する指標としての安定性指標Ａ_ｎを、第１回目から第ｎ回目までのシミュレーションで得たそれぞれの前記予測値から計算して求めそれを前記記憶部に記憶する安定性指標計算手段と、
前記安定性指標計算手段によるＡ_１からＡ_ｎの安定性指標数列と前記推定精度εとから生産ラインモデルに含まれる確率要素の影響を評価するのに必要なシミュレーション推定回数Ｎｎを次式に従って計算する回数推定手段と、
ｎ＞＝２において、
【００６８】
【数４】

【００６９】
前記シミュレーション実行部によってそれまでに実行されたシミュレーションの回数ｎを前記推定回数Ｎｎと比較し、回数ｎが前記回数Ｎｎに等しいかより大きい場合はシミュレーションの実行を停止し、そうでない場合は次の回数のシミュレーションの実行を前記シミュレーション実行部に指示するシミュレーション停止手段と、
を備える。
【００７０】
また、本願発明の第２の計画立案システムは、第１の発明において、前記計画立案装置は、オーダの希望納期、仕掛かり情報から前記所望の生産パラメータとしての部品、部材の投入予測日からなる投入計画を立案する投入計画立案部をさらに備え、
前記投入計画立案部は、
記外部装置からオーダの希望納期、仕掛かり情報を入力すると、
入力された情報を元に前記実行制御部と前記シミュレーション実行部によってシミュレーションを行いシミュレーションの終了の都度シミュレーションの結果としての投入予測日とシミュレーション回数とシミュレーション実行時刻と前記シミュレーション推定回数Ｎｎとを取り出し投入日時予測データとして前記記憶部に記憶するとともに、要求に従い前記外部装置に前記投入日時予測データを出力する投入計画立案手段と、
前記出力された投入日時予測データに対する変更情報を前記外部装置から受けると、前記変更情報によって前記投入日時予測データを修正して変更された投入計画を決定し、前記記憶部に記憶する投入計画決定手段と、
前記投入計画決定手段によって決定された投入計画に従って、実際の投入日時が近づくと投入日時を前記外部装置に出力する投入指示手段と、
希望納期、仕掛かり情報を含むオーダの変更情報を前記外部装置から受けると、変更の指示を受けた時刻の更新時刻とともにそれを記憶し、前記変更情報によるシミュレーションの再実行を指示する計画変更管理手段と、
予め設定された一定周期または実行されたシミュレーション回数毎に、前記投入日時予測データから該当するデータを取り出し、確率分布からなる投入日時集計データとして集計し記憶部に保存管理する定期集計手段と、
を備え、
前記投入計画立案手段は、前記オーダについて実行されたシミュレーション回数が前記シミュレーション推定回数Ｎｎに達したことを前記外部装置に出力することを備える。
【００７１】
また、本願発明の第３の計画立案システムは、第１の発明において、前記計画立案装置は進捗／入庫日予測部を備え、さらに前記進捗／入庫日予測部は、
設定された期間における各オーダについての作業の進捗状態や入庫する予測日である進捗／入庫予測日を各オーダーの希望投入日、仕掛かり情報をもとに前記実行制御部と前記シミュレーション実行部によってシミュレーションし、その結果を進捗／入庫日予測データとして前記記憶部に保存管理する進捗／入庫日予測手段と、
変更対象のオーダーの情報を得て、オーダーの納期やオーダーのサイズ、変更内容、および、オーダ情報更新時刻を記憶部に記録する予測条件変更管理手段と、
進捗／入庫日予測データや集計された進捗／入庫集計データを、前記外部装置に提示する進捗／入庫日予測提示手段と、
予め決められた時間間隔や予め決められた回数のシミュレーションが終了する都度、各オーダの最新の情報に基づく進捗／入庫日予測データから該当する結果を進捗／入庫集計データとして集計し記憶部に保存する定期集計手段と、
を備え、
前記定期集計手段は、前記オーダについて実行されたシミュレーション回数が前記シミュレーション推定回数Ｎｎに達すると達したことを前記外部装置に出力することを備える。
【００７２】
また、本願発明の第４の計画立案システムは、第１の発明において、前記計画立案装置は、計画立案のためのシミュレーション実行部によるシミュレーション処理を同時に実行できる利用可能なノードを複数台備え、それがＭ台存在する場合に、
推定シミュレーション回数Ｎｎ、それまでに実行を開始したシミュレ−ション回数ｎを参照して、
（Ｎｎ−ｎ）／Ｍ＞１のときにＭ回の計画立案シミュレ−ションを実行し、
それ以外の場合に（Ｎｎ−ｎ）ｍｏｄＭ回の計画立案シミュレ−ションを実行する並列実行制御手段を備える。
【００７３】
また、本願発明の第５の計画立案システムは、第１の発明において、シミュレーションの実行を停止すると、指定した推定精度εの元で実行したシミュレーション結果から前記所望の生産パラメータへの確率要素の影響を確率分布として得たり、前記確率分布から分布の特徴をあらわす統計指標を求める集計手段を、
さらに備える。
【００７４】
また、本願発明の第６の計画立案システムは、第１の発明において、前記安定性指標計算手段は、第ｉ（ｉ＞１）回目のシミュレーションにおける安定性指標Ａｉを、前記シミュレーション実行部による第１回目から第ｉ回目までの前記所望の生産パラメータのシミュレーション結果の平均値、分散、標準偏差を含む計算結果として計算することを備える。
【００７５】
また、本願発明の第７の計画立案システムは、第１の発明において、前記回数推定手段は、前記推定精度εを、安定性指標Ａｉの系列に関し、前回のシミュレーション結果のＡ_ｉ−１との差が前記推定精度ε以内になると信頼するに十分な回数シミュレーションを実行したと判定するための許容誤差の閾値として計算に使用することを備える。
【００７６】
また、本願発明の第８の計画立案システムは、第１の発明において、前記シミュレーション実行部は、前記所望の生産パラメータとして予測入庫日時、適正投入日時、設備停止日時・停止期間、仕掛数、を含む生産パラメータのうちの１または複数の予測を行うことを備える。
【００７７】
本願発明の第１の計画立案方法は、生産計画を生産ラインモデルを使用したシミュレーションによって行い、生産計画における生産パラメータのうちの所望の生産パラメータの予測結果を求める計画立案装置と、前記計画立案装置にシミュレーションの実行に必要な情報と推定精度εを含む情報を与え、その結果として予測された前記所望の生産パラメータのシミュレーション結果を得る外部装置と、を備える計画立案システムにおける計画立案方法であって、
前記計画立案装置は、１から始まる複数回のシミュレーションを実行し、前記所望の生産パラメータの予測結果を各回数のシミュレーションの終了の都度記憶部に記録する第１のステップと、
前記第１のステップでのシミュレーションが終了すると、前記所望の生産パラメータの確率分布に確率的な要素が及ぼす影響を評価するために、第１回目のシミュレーションから直前に終了した第ｎ回目までの前記所望の生産パラメータの予測結果を前記記憶部から得て生産パラメータの安定性を表現する安定性指標Ａ_ｎを計算してそれを前記記憶部に記憶する第２のステップと、
第ｎ回目までの安定性指標数列Ａ_１からＡ_ｎと推定精度εから、生産ラインモデルに含まれる確率事象の影響を評価するのに必要なシミュレーション推定回数Ｎｎを次式に従って計算し、前記記憶部に記憶する第３のステップと、
ｎ＞＝２において、
【００７８】
【数５】

【００７９】
前記記憶部からシミュレーション推定回数Ｎｎを得て、それ迄に実行したシミュレーションの回数ｎが、シミュレーション推定回数Ｎｎに等しいかより大きいかを判定し、等しいかより大きい場合、ｎ回のシミュレーションに達した段階でシミュレーションの実行を停止し、それまでに実行したシミュレーション回数ｎがＮｎより小さい場合は第１のステップに戻り次回のシミュレーションを実行を指示する第４のステップと、
前記第４のステップの判定でシミュレーションの実行を停止した場合、前記所望の生産パラメータを確率分布として集計したり、前記確率分布から分布の特徴をあらわす統計指標を集計し前記外部記憶装置に送信する第５のステップと、
を備える。
【００８０】
本願発明の第１のプログラムは、生産計画を生産ラインモデルを使用したシミュレーションによって行い、生産計画における生産パラメータのうちの所望の生産パラメータの予測結果を求める計画立案装置と、前記計画立案装置にシミュレーションの実行に必要な情報と推定精度εを含む情報を与え、その結果として予測された前記所望の生産パラメータのシミュレーション結果を得る外部装置と、を備える計画立案システムに実行させるプログラムであって、
コンピュータに、
前記計画立案装置は、１から始まる複数回のシミュレーションを実行し、前記所望の生産パラメータの予測結果を各回数のシミュレーションの終了の都度記憶部に記録する第１のステップと、
前記第１のステップでのシミュレーションが終了すると、前記所望の生産パラメータの確率分布に確率的な要素が及ぼす影響を評価するために、第１回目のシミュレーションから直前に終了した第ｎ回目までの前記所望の生産パラメータの予測結果を前記記憶部から得て生産パラメータの安定性を表現する安定性指標Ａ_ｎを計算してそれを前記記憶部に記憶する第２のステップと、
第ｎ回目までの安定性指標数列Ａ_１からＡ_ｎと推定精度εから、生産ラインモデルに含まれる確率事象の影響を評価するのに必要なシミュレーション推定回数Ｎｎを次式に従って計算し、前記記憶部に記憶する第３のステップと、
ｎ＞＝２において、
【００８１】
【数６】

【００８２】
前記記憶部からシミュレーション推定回数Ｎｎを得て、それ迄に実行したシミュレーションの回数ｎが、シミュレーション推定回数Ｎｎに等しいかより大きいかを判定し、等しいかより大きい場合、ｎ回のシミュレーションに達した段階でシミュレーションの実行を停止し、それまでに実行したシミュレーション回数ｎがＮｎより小さい場合は第１のステップに戻り次回のシミュレーションを実行を指示する第４のステップと、
前記第４のステップの判定でシミュレーションの実行を停止した場合、前記所望の生産パラメータを確率分布として集計したり、前記確率分布から分布の特徴をあらわす統計指標を集計し前記外部記憶装置に送信する第５のステップと、
を実行させる。
【００８３】
【発明の実施の形態】
次に本発明の実施の形態について図面を参照して詳細に説明する。
【００８４】
製品の製造の分野における計画立案の一手段に生産ラインシミュレーションがある。
【００８５】
生産ラインシミュレーション（以後シミュレーション）とは、過去、現在、あるいは未来の状況を初期条件とし、指定した生産期間における生産システムの挙動を模擬実行するもので、生産ラインを流れる作業対象物の所在位置の時間推移や、設備の状態の時間推移等をシミュレーションの対象としている。
【００８６】
具体的には、作業物の流れを決定する作業手順や、各作業に使用する製造設備や、治具、作業員、またそれらに課される作業制約等を把握した生産ラインのモデルを用意する。次に生産期間として開始日時、終了日時を定めた後に、その生産ラインのモデルを用いてコンピュータの中で実際のラインの生産制御を模擬実行する。
【００８７】
ところで、例えば、ある工程の作業時間は、作業員などが関わるわけであるから個々の作業員の能力差等の影響によって変動が生じる。その作業時間は確率事象として確率分布でモデル化することができる。また、ある工程では、製品の品質を保持するための作業のやりなおし（リワーク）の発生を確率事象としてモデル化することができる。また、ある工程での作業条件が成熟していない場合など、作業の直前に実験作業を行ったりする場合があり、これも確率事象としてモデル化することができる。生産ラインモデルは、複数の異なる確率事象からなる確率要素を含んでいる。
【００８８】
このようにいくつかの生産活動は、確率的に発生する各種確率要素の影響の元に行われると捉えることができ、それをシミュレーションでは統計的な集計を施した上で、生産ラインのモデル化が行われるのが一般的である。
【００８９】
このとき、生産ラインシミュレーションでは、生産ラインモデルに含まれる確率要素の影響のもとに、予測入庫日時、適正投入日時、設備停止日時・停止期間、仕掛数等々の生産システムで使用する生産パラメータのうち、１又は複数の予測の対象とする所望の生産パラメータと、値を予め固定する生産パラメータとを定めて、シミュレーションを繰り返し実行する。
【００９０】
本発明は、生産ラインモデルをもとに所望の生産パラメータの予測結果を得たり計画立案結果を得ることを目的とする計画立案装置であって、生産ラインモデルに含まれる確率要素の影響を評価して必要なシミュレーション回数を精度よく推定する内容等を持つものである。尚、以降使用するシミュレーションの用語はモンテカルロシミュレーションを意味するものとする。
【００９１】
本発明の第１の実施の形態の構成を図１を参照して説明する。
【００９２】
同図を参照すると、本発明の第１の実施の形態は、
生産計画の立案を生産ラインシミュレーションモデルによって行う１または複数のプロセッサ（ノード）を有するコンピュータ装置からなる計画立案装置１と、
計画立案装置１にシミュレーションの実施に必要な生産パラメータや推定精度ε等に関する情報を与え、計画立案装置１からシミュレーションの結果を得るパーソナルコンピュータ等の端末装置からなる外部装置２と、
計画立案装置１にあってシミュレーション結果を外部装置２に伝え、外部装置２との間で必要な情報を授受する入出力部３と、
各種情報を記録、管理する主記憶装置や磁気ディスク装置等を含む記憶装置からなる記憶部４と、
指定されたシミュレーションパラメータを記憶部４からとりだし、指定された条件でシミュレーションを実行し、実行結果を記憶部４に保存するシミュレーション実行部５と、
モンテカルロシミュレーションの実行を制御する実行制御部６と、から構成されている。尚、計画立案装置１でのシミュレーションの実行は、ソフトウェアプログラムによって行われ、そのプログラムは、予め記憶部４に格納されている。
【００９３】
次に、実行制御部６を構成するシミュレーションの各実行手段について説明する。実行制御部６は、
第ｎ回目のシミュレーションでの生産パラメータの安定性を表現する安定性指標Ａ_ｎを計算する安定性指標計算手段６１と、
シミュレーションをｎ回実行した結果から、確率要素の影響を評価するのに必要なシミュレーション回数Ｎｎを推定する回数推定手段６２と、
シミュレーションの回数が適正シミュレーション回数Ｎｎに達した段階でシミュレーションの実行を停止するシミュレーション停止手段６３と、
実行制御部６に外部装置２から与えられた推定精度εの元で実行したシミュレーション結果から各種生産計画への確率要素の影響を、例えば確率分布として得たり、当該確率分布から適正な生産パラメータを求める集計手段６４と、から構成される。
【００９４】
尚、第ｉ回目のシミュレーション結果生成される安定性指標Ａｉとしては、所望の生産パラメータに関する第ｉ回目までのシミュレーション結果の平均値、分散、標準偏差等を使用することができる。
【００９５】
さらに、推定精度εは、安定性指標Ａｉの系列に関し、前回のシミュレーション結果のＡ_ｉ−１との差が推定精度ε以内になると信頼するに十分な回数シミュレーションを実行したと判定するための許容誤差の閾値であり、外部装置２から指定される。
【００９６】
このように構成された実施の形態の動作について図１と、図２のフローチャートを用いて説明する。
【００９７】
計画立案装置１において、計画立案のためのシミュレーションが開始されると、計画立案装置１は入出力部３を介して、シミュレーションモデル要求信号Ｓ１０１を外部装置２に発生し、外部装置２からシミュレーション実施に必要な情報として、生産ラインの生産パラメータ等のシミュレーションモデルデータを得る（Ｆ１０１）。
【００９８】
計画立案装置１の入出力部３は、シミュレーションモデル記憶要求信号Ｓ１０２を発生し、得られたシミュレーションモデルデータを記憶部４に記録した後に（Ｆ１０２）、実行制御部６は、シミュレーション実行の制御を開始する。
【００９９】
次に、実行制御部６での動作について説明する。
【０１００】
計画立案装置１が実行制御部６でのモンテカルロシミュレーションの制御に入ると、実行制御部６は、シミュレーション実行要求信号Ｓ１０を発行して、シミュレーション実行部５により、ｎの初期値を１とする所望の生産パラメータの予測を行う第ｎ回目のシミュレーションを実行する（Ｆ１０３）。シミュレーション実行部５は、予測結果を記憶部４に記憶する。
【０１０１】
各回数のシミュレーションの実行が完了すると、シミュレーション実行部５はシミュレーション完了通知信号Ｓ１１を、実行制御部６に通知する。
【０１０２】
実行制御部６がシミュレーション完了通知信号Ｓ１１を受けると、得られた所望の生産パラメータの確率分布に対して確率的な要素が及ぼす影響を評価するために安定性指標参照信号Ｓ１０３を発生して、記憶部４から第ｎ回目のシミュレーションでの所望の生産パラメータの結果を得る（Ｆ１０４）。
【０１０３】
次に、実行制御部６は、生産パラメータの確率分布に確率的な要素が及ぼす影響を評価するために、信号安定性指標計算要求信号Ｓ１０４を発生して、安定性指標計算手段６１を用いて、第ｎ回目のシミュレーションでの所望の生産パラメータの安定性を表現する指標として安定性指標Ａ_ｎを計算する（Ｆ１０５）。尚ｎ＝１の最初のシミュレーションの場合は、１回目のシミュレーション実行部５の予測した所望の生産パラメータの値をＡ_１とする。
【０１０４】
次に、実行制御部６は、シミュレーション結果参照信号Ｓ１０５を発生して記憶部４から、第ｎ回目までのシミュレーションの安定性指標数列Ａ_１からＡ_ｎを得る（Ｆ１０６）。
【０１０５】
次に、実行制御部６はシミュレーション回数推定要求信号Ｓ１０６を発生し、回数推定手段６２によって、第ｎ回目までのシミュレーション結果とあらかじめ指定した推定精度εの相対関係から、生産ラインモデルに含まれる確率事象の影響を評価するのに必要となるシミュレーション回数Ｎｎを求めるために、シミュレーション回数Ｎｎの推定式を次の数式に従って、計算する（Ｆ１０７）。但しｎが１の時は、この計算を行わず、ｎ＝２のシミュレーションを実行するため（Ｆ１０３）に戻る。
【０１０６】
ｎ＞＝２において、
【０１０７】
【数７】

【０１０８】
次に、推定シミュレーション回数記録要求信号Ｓ１０７を発生して、Ｎｎの推定値を記憶部４に記録する（Ｆ１０８）。
【０１０９】
次に、実行制御部６はシミュレーション停止手段６３を用いて、推定シミュレーション回数参照信号Ｓ１０８を発行して、記憶部４からシミュレーション回数Ｎｎを得て、それ迄に実行したシミュレーションの回数ｎが、Ｎｎに等しいかより大きいかを判定し（Ｆ１０９）、真でなければ（Ｆ１０３）に戻り、次のｎ＋１回目のシミュレーションを実行する。
【０１１０】
それが真であれば、ｎ回のシミュレーションに達した段階でシミュレーションの実行を停止する（Ｆ１１０）。実行制御部６は、シミュレーション結果参照信号Ｓ１０５を発生して、記憶部４から、指定した推定精度εの元で実行したシミュレーション結果を得た後に（Ｆ１１１）、集計要求信号Ｓ１０９を発生して、集計手段６４を用いて、各種生産計画への確率事象の影響を示す指標として、例えば所望の生産パラメータを確率分布として集計したり（Ｆ１１２）、集計済みの生産パラメータの確率分布から分布の特徴をあらわす統計指標を集計した後に（Ｆ１１３）、集計結果を集計結果記録要求信号Ｓ１１０を発生して記憶部４に記録する（Ｆ１１４）。
【０１１１】
計画立案装置１は実行制御部６にて、外部装置２より集計結果提示要求信号Ｓ１１１を受けると、集計結果要求信号Ｓ１１２を発生して、記憶部４からシミュレーションの集計結果の中から、所望の生産パラメータの集計結果を得た上で、入出力部３から外部装置２に対して集計結果を送信する（Ｆ１１５）。
【０１１２】
次に、図３は本発明に係る計画立案装置の第２の実施の形態の構成を示すブロック図である。
【０１１３】
同図を参照すると、本発明の第２の実施形態の計画立案装置１１は、本発明の第１の実施の形態に示した計画立案装置１の構成に、さらに投入計画立案部７を備える。
【０１１４】
投入計画立案部７は、オーダの希望納期の期日情報や生産の途中の工程にある仕掛かり状態における期日等を設定し、その期日から遡って製品、半製品を作るための部品等についてシミュレーションされた投入予測日、シミュレーション回数、シミュレーション実行時刻、シミュレーション推定回数Ｎｎを含む情報を収集しその結果を投入日時予測データＤ３として記憶部４に保存するとともに外部装置２にそれを出力する投入計画立案手段７１と、
必要なオーダーの投入日の変更を指示する投入計画Ｄ４を外部装置２から受け付けると、それを投入日時予測データＤ３に反映し変更された投入計画Ｄ５を決定する投入計画決定手段７２と、
実際の投入日が近づくと、外部装置２に部品の投入を指示する投入指示手段７３と、
希望納期、仕掛かり情報を含むオーダの変更情報を前記外部装置から受けると、変更の指示を受けた時刻の更新時刻とともに記憶し、前記変更情報によるシミュレーションの再実行を指示する計画変更管理手段７４と、
予め決められた時間間隔や予め決められた回数のシミュレーションが終了する都度、各オーダの最新の情報に基づく投入日時予測データから該当する結果を投入日時集計データＤ６として集計し記憶部４に保存する定期集計手段７５と、を備える。
【０１１５】
このように構成された第２の実施の形態の動作について、図３と、図４のフローチャートを用いて説明する。
【０１１６】
なお、本実施の形態における計画立案装置１１の動作は、投入計画立案部７の投入計画立案手段７１と、投入計画決定手段７２と、投入指示手段７３と、計画変更管理手段７４と、定期集計手段７５とに関わる動作以外はすべて第１の実施の形態の計画立案装置１の動作と同じため、第１の実施の形態で説明した内容については、説明を省略する。
【０１１７】
計画立案装置１１は、図４のフローチャートにおいて、図中にＰ１、Ｐ２、Ｐ３として示した処理を並行して行う。
【０１１８】
以下、Ｐ１、Ｐ２、Ｐ３の処理を説明する。
【０１１９】
計画立案装置１１は、外部装置２より投入計画立案要求信号Ｓ２０１を受けると、投入計画入力要求信号Ｓ２０２を発行して、投入計画立案部７の投入計画立案手段７１を用いて、外部装置２からの各オーダーの希望納期Ｄ１、仕掛かり情報Ｄ２を入出力部２から入力する（Ｆ２０１）。
【０１２０】
これを記憶部４に記録した後に（Ｆ２０２）、信号Ｓ１０を発生して、外部装置２からの各種要求信号待ちに入る（Ｐ１）。
【０１２１】
同時に、実行制御部６でのシミュレーション実行の制御を開始し（Ｐ２）、外部装置２からの信号Ｓ２０６待ちに入る（Ｐ３）。
【０１２２】
次に、計画立案装置１１の実行制御部６におけるＰ２の動作について説明する。
【０１２３】
実行制御部６は、第一の実施の形態に示した処理とは、シミュレーション実行部５にて用いるシミュレーションの内容が投入計画を立案するシミュレーション手段を用いている点で異なる。
【０１２４】
ここで、投入計画シミュレーションには、将来におけるオーダーの納期を設定してから逆に製品を構成する部品や材料の投入日時を逆算して求める計画立案手段であって、確率要素を扱うことが可能であれば、何を使用しても構わない。
【０１２５】
実行制御部６はシミュレーション実行の制御を開始すると、先にＰ１の処理で外部装置２から受け付け記憶されている希望納期Ｄ１や仕掛かり情報Ｄ２を記憶部４から取り出し、シミュレーション実行要求信号Ｓ１０を発生する。
【０１２６】
Ｓ１０の信号によって、シミュレーション実行部５は、投入日時の予測を行うため、ｎの初期値を１とする第ｎ回目のシミュレーションを実行する（Ｆ２０３）。
【０１２７】
各回数のシミュレーションの実行が完了すると、シミュレーション実行部５は、シミュレーション完了通知信号Ｓ１１を実行制御部６に通知する。実行制御部６はシミュレーション実行部５からシミュレーション完了通知信号Ｓ１１を受けると、投入計画抽出要求信号Ｓ２０３を発生する。
【０１２８】
Ｓ２０３によって投入計画立案手段７１は、シミュレーション結果から立案された投入予測日とそのシミュレーション回数とその回数におけるシミュレーション実行時刻とを投入日時予測データＤ３として抽出し（Ｆ２０４）、次に、投入計画立案結果記録要求信号Ｓ２０４を発生し、そのｎ回目におけるシミュレーション結果の投入日時予測データＤ３を記憶部４に記録する（Ｆ２０５）。
【０１２９】
次に、実行制御部６は、各オーダーの投入日時の確率分布に対して、確率的な要素が及ぼす影響を評価するために、信号安定性指標計算要求信号Ｓ１０４を発生すると、安定性指標計算手段６１は、第ｎ回目のシミュレーションでの各オーダーの投入日時の安定性指標Ａ_ｎとして、ｎ回までのシミュレーションによる投入日時の平均値を計算しこれを記憶部４に記憶する（Ｆ２０６）。尚、ｎが１の場合は、第１回目に予測された投入日時をＡ_１とし、第２回目のシミュレーションの実行のため（Ｆ２０３）に戻る。
【０１３０】
次に、実行制御部６は、シミュレーション結果参照信号Ｓ１０５を発生して記憶部４から、第ｎ回目までの安定性指標数列Ａ_１からＡ_ｎを得る（Ｆ２０７）。
【０１３１】
次に、実行制御部６はシミュレーション回数推定要求信号Ｓ１０６を発生する。回数推定手段６２は、それによって、第ｎ回目までのシミュレーション結果Ａ_１からＡ_ｎとあらかじめ指定された推定精度εの相対関係から、必要なシミュレーション回数を計算するために、シミュレーション回数Ｎｎの推定を次式に従って計算する（Ｆ２０８）。
【０１３２】
ｎ＞＝２において、
【０１３３】
【数８】

【０１３４】
次に、実行制御部６は、推定シミュレーション回数記録要求信号Ｓ１０７を発生して、Ｎｎの推定値を記憶部４に記録する（Ｆ２０９）。
【０１３５】
このとき、投入計画立案手段７１は、Ｐ２の最後の動作として、ここで計算されたＮｎを先に取り出した投入日時予測データＤ３に追加するとともに、投入日時予測データＤ３として記録された各オーダーの最後に指定された更新時刻から現時点迄のシミュレーション結果を、その時点で有効な計画として記憶部４に記録した上で（Ｆ２１０）、再度、上記（Ｆ２０３）の処理から始まるＰ２の処理を継続する。尚、更新時刻とは、オーダについて最初に外部装置２から設定した希望納期Ｄ１や仕掛かり情報Ｄ２を修正変更して再度シミュレーションを最初から実行し直すように計画立案装置１１に指示をした時刻をいう。但し、Ｄ３には、複数の更新時刻にまたがった各オーダについてのすべてのシミュレーション回数についての情報が格納されている。
【０１３６】
次に、計画立案装置１１の投入計画立案部７におけるＰ３の動作について説明する。
【０１３７】
計画立案装置１１が外部装置２より投入計画参照要求信号Ｓ２０６を受けると、投入計画立案部７は、投入日時予測データ参照要求信号Ｓ２０５を発生するので、投入計画立案手段７１は、記憶部４から投入日時予測データＤ３を得て、入出力部３を介して外部装置２に出力する。
【０１３８】
出力する内容は、複数の更新時刻にわたって立案された全ての計画か（Ｆ２１１）、各オーダーの更新時刻から現時点迄に立案した計画か（Ｆ２１２）、例えば２時間前から現時刻まで等の指定した期間の計画か（Ｆ２１３）のいずれかが外部装置２から指定されるのでそれに従って出力が行われる。
【０１３９】
この時、各オーダの投入日時の予測結果について、必要回数のシミュレーションが完了しているか否かも提示する。これはＤ３で記憶された個々のオーダについての最新のシミュレーション結果に関し、実行したシミュレーション回数とその回数に対応するＮｎとを比較することで提示することができる。そして、計画立案装置１１は、再度、上記（Ｆ２１１）の処理から始まるＰ３の処理を外部装置２からの指示に従って継続する。
【０１４０】
次に、計画立案装置１１のＰ１による投入計画立案部７の動作について説明する。
【０１４１】
計画立案装置１１が外部装置２より、投入計画入力要求信号Ｓ２０２を受けると、投入計画立案部７は投入計画立案手段７１を用いて各オーダーの希望納期Ｄ１、仕掛かり情報Ｄ２を入出力部２から入力し（Ｆ２０１）、記憶部４に記録し（Ｆ２０２）、次の信号処理に移る。
【０１４２】
計画立案装置１１は、各オーダごとに予め設定してある期間もしくは、予め指定されたシミュレーション回数、例えば１０回目、２０回目、・・・、１００回目、・・・等々の回数のシミュレーションが終了する都度、定期集計要求信号Ｓ１２を発行する。
【０１４３】
この信号によって、定期集計手段７５は、投入日時予測データＤ３に対しての集計処理を期間や回数を元に実施する。このとき、投入計画立案部７は投入日時予測データ参照要求信号Ｓ２０５を発行する。この信号Ｓ２０５を受けて、定期集計手段７５は、投入日時予測データＤ３を記憶部４から参照する（Ｆ２１４）。
【０１４４】
定期集計手段７５は、投入日時予測データＤ３の持つ時刻情報やシミュレーション回数ｍを参照し、定期集計する対象となる情報を選択する。各オーダーの更新時刻から集計時点迄に立案した計画を、オーダーに関してその時点で有効な立案計画の集合（ＡＰ）として抽出する（Ｆ２１５）。
【０１４５】
次に、定期集計手段７５は、ｍが適正シミュレーション回数Ｎｎに達しているかいないかを投入日時予測データＤ３から判定して達していた場合に、オーダーの投入日時の立案に関して必要なシミュレーションが完了していることを記憶部４の投入日時予測データＤ３に記録する（Ｆ２１６）。
【０１４６】
次に、定期集計手段７５は、集計手段６４を用いて、有効な立案計画の集合（ＡＰ）に関して、各オーダーの投入日時の確率分布として集計し（Ｆ２１７）、集計済みの投入日時の確率分布から、分布の特徴をあらわす統計指標を集計し（Ｆ２１８）、記憶部４に記録した後に（Ｆ２１９）、次の信号処理に移る。
【０１４７】
次に、計画立案装置１１が外部装置２より投入日時を修正する投入日時補正信号Ｓ２０７を受けると、入力部３を介して外部装置２より投入日時補正データＤ４を得て（Ｆ２２０）、記憶部４に記録する（Ｆ２２１）。
【０１４８】
次に、投入計画決定手段７２は、記憶部４より投入日時予測データＤ３を得て、投入計画Ｄ５としてそれを組み込む（Ｆ２２２）。
【０１４９】
次に、投入日時補正データＤ４の中の投入日時補正の指定のあるオーダーについてのみ、投入計画Ｄ５の投入日時を補正し（Ｆ２２３）、これを投入計画Ｄ５とする（Ｆ２２４）。
【０１５０】
次に投入計画補正信号Ｓ２０８を発生して、投入計画Ｄ５を記憶部４に記録（Ｆ２２５）とともに、入出力部３を介して投入計画Ｄ５を外部装置２に出力し（Ｆ２２６）、次の信号処理に移る。
【０１５１】
計画立案装置１１が外部装置２より入出力部３を介して計画変更要求信号Ｓ２０９を受けると、計画変更管理手段７４は入出力部３より変更対象のオーダーの情報を得て（Ｆ２２７）、オーダーの納期やオーダーのサイズ、変更内容をもとに記憶部４を更新するとともに、オーダーの情報としてオーダー情報更新時刻を記録し（Ｆ２２８）、変更され再設定の行われた情報に基づき、本オーダについてのｎ＝１とする新たなシミュレーションの実行を要求して次の信号処理に移る。
【０１５２】
計画立案装置１１が外部装置２より投入指示要求Ｓ２１０を受けると、投入指示手段７３は投入計画参照要求信号Ｓ２１１を発生して記憶部４から決定された投入計画Ｄ５を得て（Ｆ２２９）、入出力部３を介して全オーダーの投入計画Ｄ５を外部装置２に提示することにより（Ｆ２３０）、実際の投入を指示する。その後、Ｐ１の信号処理を継続する。
【０１５３】
次に、図５は本発明に係る計画立案装置の第３の実施の形態の構成を示すブロック図である。
【０１５４】
同図を参照すると、本発明の第３の実施の形態の計画立案装置１２は、本発明の第１の実施の形態に示した計画立案装置１の構成に、あらかじめ指定したシミュレーション期間中に各オーダが到達した工程やその時刻、入庫した日時等を進捗／入庫日としたときに、各オーダの進捗／入庫日を予測する進捗／入庫日予測部８を備えている。
【０１５５】
進捗／入庫日予測部８は、設定された期間における各オーダについての作業の進捗状態や入庫する予測日である進捗／入庫予測日を立案し、その結果を進捗／入庫日予測データＤ９として記憶部４に保存管理する進捗／入庫日予測手段８１と、
変更対象のオーダーの情報を得て、オーダーの納期やオーダーのサイズ、変更内容、および、オーダ情報更新時刻を記憶部４に記録する予測条件変更管理手段８３と、
各オーダーの投入日時補正信号Ｓ３０６を受けると、予測条件の変更が行われる前までに求めた進捗／入庫日予測データＤ９を同一条件でのシミュレーションの予測結果としてまとめ確率分布等として集計し、各オーダの進捗／入庫集計データＤ１０として記憶部４に保存管理する予測条件変更管理手段８３と、
進捗／入庫日予測データＤ９や集計された進捗／入庫集計データＤ１０を、実際の進捗／入庫日予測情報として外部装置２に提示する進捗／入庫日予測提示手段８４と、
予め決められた時間間隔や予め決められた回数のシミュレーションが終了する都度、各オーダの最新の情報に基づく進捗／入庫日予測データＤ９から該当する結果を進捗／入庫集計データＤ１０として集計し記憶部４に保存する定期集計手段８５を備えた点で異なっている。
【０１５６】
このように構成された第３の実施の形態の動作について図５と、図６のフローチャートを用いて説明する。なお、計画立案装置１２の動作は、進捗／入庫日予測部８の進捗／入庫日予測手段８１と、予測条件変更管理手段８３と、進捗／入庫日予測提示手段８４と、定期集計手段８５に関わる動作以外はすべて第１の実施の形態の計画立案装置１の動作と同じため、ここではその動作説明を省略する。
【０１５７】
計画立案装置１１は、図中にＰ１１、Ｐ１２、Ｐ１３として示した処理を並行して行う。
【０１５８】
以下、Ｐ１１、Ｐ１２、Ｐ１３の処理を説明する。
【０１５９】
計画立案装置１２は、外部装置２より進捗／入庫日予測要求信号Ｓ３０１を受けると、投入オーダー入力要求信号Ｓ３０２を発行して、進捗／入庫日予測部８の進捗／入庫日予測手段８１を用いて、予め外部装置２から入力された各オーダーの希望投入日Ｄ７、仕掛かり情報Ｄ８を記憶部４より得た後に（Ｆ３０１）、信号Ｓ１０を発生して、外部装置２からの各種要求信号待ちに入る（Ｐ１１）。
【０１６０】
同時に、実行制御部６でのシミュレーション実行の制御を開始する（Ｐ１２）。とともに、外部装置２からの各種要求信号待ちに入る（Ｐ１３）。
【０１６１】
次に、計画立案装置１２のＰ１２の動作について説明する。
【０１６２】
実行制御部６は、第一の実施の形態に示した処理とは、シミュレーション実行部５にて用いるシミュレーションの内容が、製品の入庫日等を予測する作業進捗／入庫日予測シミュレーション手段を用いている点で異なる。
【０１６３】
ここで、進捗／入庫シミュレーションには、決められた期間におけるオーダーの投入日時から作業の進捗工程や、入庫日時を求める計画立案手段であって、確率要素を扱うことが可能であれば、何を使用しても構わない。
【０１６４】
実行制御部６はシミュレーション実行の制御を開始すると、シミュレーション要求信号Ｓ１０を発生し、ｎの初期値を１とする第ｎ回目のシミュレーションを実行する（Ｆ３０２）。
【０１６５】
各シミュレーションの実行が完了すると、シミュレーション実行部５はシミュレーション完了通知信号Ｓ１１を実行制御部６に通知する。実行制御部６はシミュレーション実行部５からシミュレーション完了通知信号Ｓ１１を受けると、進捗／予測結果抽出要求信号Ｓ３０３を発生して、シミュレーション結果から各工程の進捗工程や入庫日時の投入予測日時の予測結果を、進捗／入庫日予測データＤ９として抽出し（Ｆ３０３）、得られた進捗／入庫日予測データＤ９を記憶部４に記録する（Ｆ３０４）。
【０１６６】
次に、実行制御部６は、各オーダーの入庫日時の確率分布に確率的な要素が及ぼす影響を評価するために、信号安定性指標計算要求信号Ｓ１０４を発生して、安定性指標計算手段６１を用いて、第ｎ回目のシミュレーションでの各オーダーの入庫日時の安定性指標Ａ_ｎとして、各オーダーの入庫日時の平均値を計算し結果を記憶部４に記憶する（Ｆ３０５）。但し、シミュレーション回数ｎ＝１の場合は、第１回目のシミュレーション結果の入庫日時をＡ_１とし、平均値の計算を実行せずに（Ｆ３０２）に戻る。
【０１６７】
次に、実行制御部６は、シミュレーション結果参照信号Ｓ１０５を発生して記憶部４から、第ｎ回目までのシミュレーションの結果を得る（Ｆ３０６）。
【０１６８】
次に、実行制御部６はシミュレーション回数推定要求信号Ｓ１０６を発生し、回数推定手段６２によって、第ｎ回目までのシミュレーション結果とあらかじめ指定した推定精度εの相対関係から、必要なシミュレーション回数を計算するために、前記、シミュレーション回数Ｎｎの推定を行う次式に従って、Ｎｎの推定値を計算する（Ｆ３０７）。
【０１６９】
ｎ＞＝２において、
【０１７０】
【数９】

【０１７１】
次に、推定シミュレーション回数記録要求信号Ｓ１０７を発生して、Ｎｎの推定値を記憶部４に記録する（Ｆ３０８）。このとき、進捗／入庫日予測部８は、進捗／入庫日予測データＤ９として記録された各オーダーの更新時刻から、現時点迄の予測結果を、その時点で有効な予測結果として記憶部４に記録した上で（Ｆ３０９）、再度、上記Ｆ３０２の処理から始まるＰ１２の処理を継続する。
【０１７２】
次に、計画立案装置１２のＰ１３の動作について説明する。
【０１７３】
計画立案装置１２が外部装置２より進捗／入庫日予測参照要求信号Ｓ３０５を受けると、進捗／入庫日予測部８は、記憶部４から、入庫する予定の全オーダーに関して、進捗／入庫日予測データＤ９を得て、入出力部３を介して外部装置２に出力する。
【０１７４】
なお、出力する内容は、全ての予測結果か（Ｆ３１０）、各オーダーの更新時刻から現時点迄に予測した結果か（Ｆ３１１）、指定した期間の予測結果か（Ｆ３１２）のいずれかを予め指定して出力できる。
【０１７５】
この時、各オーダの進捗工程、入庫日時の予測について、必要回数のシミュレーションが完了しているか否かも提示する。そして、計画立案装置１２は、再度、上記Ｆ３１０の処理から始まるＰ１３の処理を継続する。
【０１７６】
次に、計画立案装置１２のＰ１１による進捗／入庫日予測部８の動作について説明する。
【０１７７】
計画立案装置１２が外部装置２より進捗／入庫日予測要求信号Ｓ３０１を受けると、進捗／入庫日予測部８の進捗／入庫日予測手段８１は、投入オーダー入力要求信号Ｓ３０２を発生する。
【０１７８】
Ｓ３０２が発生されると、予め外部装置２から入力された各オーダーの希望投入日Ｄ７、仕掛かりＤ８を記憶部４より得て（Ｆ３０１）、次の信号処理に移る。
【０１７９】
計画立案装置１２は、あらかじめ設定してある期間もしくは、１または複数の予め設定された回数毎のシミュレーションが実施された際に、定期的に定期集計要求信号Ｓ１２を発行する。Ｓ１２の信号によって進捗／入庫日予測部８は、定期集計手段８５を用いて、進捗／入庫日予測データＤ９に対する集計処理を実施する。
【０１８０】
この時、進捗／入庫日予測部８は進捗／入庫日予測データ参照要求信号Ｓ３０４を発行する。Ｓ３０４が発行されると、定期集計手段８５は、進捗／入庫日予測データＤ９を記憶部４から参照する（Ｆ３１３）。
【０１８１】
定期集計手段８５は、進捗／入庫日予測データＤ９の各オーダーのシミュレーションの開始を指示した日時の更新時刻から、集計時点迄に予測された結果を、オーダーに関してその時点で有効な予測結果の集合（ＰＲ）として抽出し、そのシミュレーション回数ｍを求める（Ｆ３１４）。
【０１８２】
次に、定期集計手段７５は、ｍが適正シミュレーション回数Ｎｎに達しているかいないかを判定して達していた場合に、オーダーの投入日時の立案に関して必要なシミュレーションが完了していることを記憶部４の進捗／入庫日予測データＤ９に記録する（Ｆ３１５）。
【０１８３】
次に、定期集計手段８５は、集計手段６４を用いて、有効な予測結果の集合（ＰＲ）に関して、各オーダーの入庫日時の確率分布として集計し（Ｆ３１６）、集計済みの入庫日時の確率分布から、分布の特徴をあらわす統計指標を集計し（Ｆ３１７）、記憶部４に記録した後に（Ｆ３１８）、次の信号処理に移る。
【０１８４】
次に、計画立案装置１２が、外部装置２より入出力部３を介して各オーダーの投入日時の修正を行う各オーダの投入日時補正信号Ｓ３０６を受けると、予測条件変更管理手段８３は入出力部３より変更対象のオーダーの情報を得て（Ｆ３１９）、オーダーの納期やオーダーのサイズ、変更内容、および、オーダ情報更新時刻を記憶部４に記録する（Ｆ３２０）。
【０１８５】
更に、計画立案装置１２が外部装置２より進捗入庫日予測提示要求Ｓ３０７を受けると、予測条件の変更が行われる前までに求めた進捗／入庫日予測データＤ９を同一条件の予測結果として参照し（Ｆ３２１）、各オーダーの進捗／入庫日予測結果として集計し（Ｆ３２２）、進捗／入庫集計データＤ１０として記憶部４に記録し（Ｆ３２３）、次の信号処理に移る。
【０１８６】
次に、進捗／入庫日予測提示手段８４は進捗入庫日予測参照要求信号Ｓ３０８を受けると、記憶部４から進捗／入庫集計データＤ１０を得て（Ｆ３２４）、入出力部３を介して全オーダーの進捗／入庫集計データＤ１０を外部装置２に提示することにより（Ｆ３２５）、実際の進捗／入庫日予測情報を提供し、その後、Ｐ１１の信号処理を継続する。
【０１８７】
次に、図７は本発明に係る計画立案装置の第４の実施の形態の構成を示すブロック図である。
【０１８８】
同図を参照すると、本発明の第４の実施の形態の計画立案装置１３は、本発明の第１、第２、第３の実施の形態に示した計画立案装置の構成において、実行制御部６に計画立案のためのシミュレーション処理を同時に実行できる利用可能な計算機ノードがＭ台存在する場合に、ｎ回目のシミュレーション結果に基づく推定シミュレーション回数Ｎｎと、それまでに実行をしたシミュレ−ション回数ｎを参照して、（Ｎｎ−ｎ）／Ｍ＞１の時にＭ回の計画立案シミュレ−ションを実行し、それ以外の場合に（Ｎｎ−ｎ）ｍｏｄＭ回の計画立案シミュレ−ションを実行する並列実行制御手段６５とを加えた点で異なっている。
【０１８９】
このように構成された第４の実施の形態の装置の動作について図７と、図８のフローチャートを用いて説明する。なお、計画立案装置１３の実行制御部６の動作は、並列実行制御手段６５に関わる動作以外、すべて第１の実施の形態の動作と同じため、ここではその動作説明を省略する。
【０１９０】
計画立案装置１３の実行制御部６はシミュレーション実行要求信号Ｓ１０を受けると、並行実行制御手段６５は推定シミュレーション回数Ｎｎを求めるために、予め設定した２回以上の任意回数だけシミュレ−ションを実施した後に（Ｆ４０１）、並列実行制御手段６５により、利用可能なノードの数Ｍと、任意回数実行した最後のｎ回目のシミュレーションにおける推定シミュレーション回数Ｎｎと、それ迄に実行を開始したシミュレ−ション回数ｎを参照する（Ｆ４０２）。
【０１９１】
（Ｎｎ−ｎ）／Ｍ＞１の場合、Ｍのノ−ドにてシミュレ−ションを実行する準備を行い（Ｆ４０３）、（Ｎｎ−ｎ）／Ｍ＞１以外の場合に（Ｎｎ−ｎ）ｍｏｄＭのノ−ドにてシミュレ−ションを実行する準備を行い（Ｆ４０４）、並列実行要求信号Ｓ４０１を発行して、シミュレ−ション実行部５にてシミュレ−ション実行することにより、余分なシミュレ−ションを実行することなく目的の計画立案を行う。ここで、シミュレーションは、計画立案手段であって、確率要素を扱うことが可能であれば、何を使用しても構わない。
【０１９２】
尚、各ノードからの所望のパラメータについてのシミュレーション結果は、並列実行制御手段６５に集約される。並列実行制御手段６５は、各ノードからのシミュレーション結果を受付順に整列し、整列された先頭のシミュレーション回数をｉとすると、すでに並列処理を行う前までに終えていたシミュレーション結果とｉ番目のシミュレーション結果とから安定性指標Ａｉやシミュレーション推定回数Ｎｉを計算し以降同様にして逐次計算を行うものとする。尚、前述した実施の形態の１，２，３に対応するフローチャートの図２，図４，図６には図８の（Ｆ４０１）のステップを呼び出すブロックが、（Ｆ４０１へのフック）として示されている。
【０１９３】
【実施例】
本発明の計画立案装置の第一の実施例を図面を用いて説明する。
【０１９４】
例えば、生産ラインでの各種確率要素がある期間内での製品の総入庫数に与える影響を求めることを目的とする生産シミュレーションを考える。
【０１９５】
なお、総入庫数を求めるのに際して使用するシミュレーション手段としていかなる手段を用いても構わないし使用する確率モデルもいかなる要素を考慮したモデルを用いても構わない。
【０１９６】
逐次実行中のシミュレーションについて、その時点までに実行した第ｎ回目までのシミュレーション結果から、安定性指標として例えば、平均総入庫数Ａ_ｎを計算し、例えば、総入庫数の確率分布を精度良く出すことが可能となる適正なシミュレーション回数としてＮｎを計算する。
【０１９７】
例えば、第２回目のシミュレーションによってＡ２が６１３ロットと、第３回目のＡ３が６１６ロットのときに、εとして１０ロットを設定して、シミュレーションを実施したところε判定では３回目の試行で打ち切られてしまった。
【０１９８】
ところが、３回目の試行による推定式では、６０．４１回の試行が必要と出て、１６回目の試行で、３１回の試行回数が推定された。
【０１９９】
また、εを１ロットに設定し、シミュレーションを実行したところ、ε判定では３回目の試行で打ち切られてしまったが、３回目の試行での推定式によると６１３．５回の試行が必要という結果が出て、３回で打ち切ることは避けることができる。
【０２００】
結局、１５５回目の試行では、推定値３０８回の試行回数が推定された。本実施例の第１０００回迄のシミュレーション結果から入庫数への確率要素の影響を試行回数の累積分布として得た例を図９に示す。
【０２０１】
繰り返しシミュレーションの試行結果から得られた累積頻度分布として、６０試行の結果の拡大図を図１０に、３０８試行の結果の拡大図を図１１に、６１３試行の結果の拡大図を図１２に、１０００試行の結果の拡大図を図１３にそれぞれを示す。
【０２０２】
図中の４つのグラフの２つの丸印に囲んだ部分の入庫数の最小値と最大値を表した部分の数値の類似度を比較すると、６０試行では不十分であり、３０８試行で１０００回試行の結果をほぼ近似できる結果が出ていることがわかる。
【０２０３】
また、図９には、１０００試行結果の入庫数の分布から、分布の特徴を表す統計指標を計算した例として、平均値（６１５．３１４）、標準偏差（４．１７４５４５５８４）、最頻値（６１６）、中央値（６１５）を示している。
【０２０４】
上記のように与えられたシミュレーション結果と、その集計結果から確率要素が設備の総入庫数に与える影響を事前に評価することが可能になる。
【０２０５】
次に、本発明の計画立案装置の第二の実施例を図面を用いて説明する。
【０２０６】
第一の実施例とは、生産ラインでの個々のオーダーの投入日時を立案するシミュレーション手段を用いている点で異なり、生産ラインでの各種確率要素が個々のオーダーの投入日時に与える影響を評価することを目的としている。なお、個々のオーダーの投入計画立案に使用するシミュレーション手段として、如何なる手段を用いても構わないし、使用する確率モデルも如何なる要素を考慮したモデルを用いても構わない。
【０２０７】
投入計画立案のために実行するシミュレーション結果の集計を定期的に行うために、例えば、定期集計の周期として３０分程度の集計期間、もしくは、予め設定された回数毎に集計処理を行う。
【０２０８】
以下、投入予定のオーダーＳＣ２７Ｖ１９０２の投入日時の立案例を示す。なお、ここでは、例として１つのオーダー（ｊと表記）の投入日時の立案例を示しているが、同時に並行して複数のオーダーについて、処理を行うのが一般的である。
【０２０９】
計画立案装置は、まず、オーダーの希望納期情報を外部装置から得る。なお、複数回の投入計画立案シミュレーションを繰り返し実行する中で、各オーダーの情報の最終の更新時刻から現時点迄に立案した計画をその時点で有効な計画とする。その時点迄に立案した第ｎ回目の投入計画立案シミュレーションでの投入計画立案結果から、投入日時の予測の安定性を示す安定性指標として、例えば各オーダーｊの投入日時の平均値Ａ_ｎ，ｊを計算し、さらに、例えば各オーダーｊの投入日時の確率分布を精度良く出すことが可能となる適正なシミュレーション回数としてＮｎ，ｊを計算する。
【０２１０】
オーダーＳＣ２７Ｖ１９０２に関わる情報の更新時刻から投入計画立案結果の集計時点迄に、例えば、３回計画立案を実施した時点の例を示す。オーダーの有効な計画を抽出した結果、２回目までの投入日の平均値Ａ_１，ｊとして７月１３日を得て、３回目までの投入日の平均値Ａ_２，ｊとして７月１０日を得て、εに６時間を設定した場合、３回目の試行における推定式（Ａ）によると１９９回の適正試行回数が求められる。なお、このとき、式（Ａ）のＮｎはＮｎ，ｊに、Ａ_ｎはＡ_ｎ，ｊに、読みかえて使用する。この時点で、適正シミュレーション回数１９９回に達していないので、オーダーの投入日時の立案に関して、必要なシミュレーション回数を完了していない旨、記録される。
【０２１１】
以後、引続いて立案を継続されるが、立案回数が各時点の適正試行回数に達したことが判明した段階で、適正シミュレーション回数に達しているので、オーダーに関して必要な回数の計画立案を完了していることが記録される。
【０２１２】
同時に、有効な立案計画の集合に関して、各オーダーの投入日時の確率分布を集計する。図１４は、オーダーＳＣ２７Ｖ１９０２の投入日時集計結果の一例である。投入日時の確率分布の統計指標を計算し、平均値（７月１０日）、標準偏差（２．１９４３日）、最頻値（７月９日）、中央値（７月１０日）を得ると、これら指標をオーダの投入日時予測データとして登録される。
【０２１３】
なお、予測立案された投入日時はそのまま実際の投入日時として使用される訳ではなく、実際の投入を実施する前に、計画立案業務に携わる要員によって、補正が加えられる。
【０２１４】
オーダーＳＣ２７Ｖ１９０２に関して、図１４に示した投入日時分布を参照した上で、例えば、予測した結果よりも納期達成面での安全を、３日程考慮に入れて、７月７日に投入を行う旨、システムに反映するような投入日時補正データが、外部装置の端末などから指示される。
【０２１５】
計画立案装置は、指示にしたがって、オーダの予測投入日時の補正を行い、補正した計画を、オーダーの実際の投入日時として登録するか、すでに登録がされていれば、補正した計画によって更新する。
【０２１６】
計画立案装置は、オーダーに関して、外部装置から投入日時の問合せがあれば、登録されている投入日時として７月７日を返答する他、上記、投入日時の分布情報、分布の統計指標、更には、入庫日時の予測に必要な回数の予測処理を完了しているか等の情報を、専用端末などに返答する。
【０２１７】
なお、投入日時の補正が行われておらず、投入計画として登録されていないオーダに関しては、投入日時予測データを参照して、存在すれば、投入日時予測データを、それが予測データであることを明示して、専用端末などに返答する。
【０２１８】
また、計画立案装置は、実際の日付が、例えば７月６日など、実際の投入を指示するのに適切な日時に達した段階で、オーダの投入日時７月７日が近付いたと判定し、オーダの投入を行うよう、専用端末などに指示する。
【０２１９】
上記のように各オーダの投入日時について、それぞれの希望納期を与えることにより投入日時の立案に確率要素が及ぼす影響を事前に予測評価して、実際の計画立案業務担当者に示すとともに、その予測結果を参照した計画立案業務担当者が、実際の投入日時の登録、及び更新を行うことが可能である。さらに、登録された各オーダーの投入日時に基づいて外部装置にそれを出力することで実際の投入指示を行うことが可能となる。
【０２２０】
次に、本発明の計画立案装置の第三の実施例を図面を用いて説明する。
【０２２１】
本発明の第二の実施例とは、生産ラインでの個々のオーダーの進捗／入庫を予測するシミュレーション手段を用いている点で異なり、生産ラインでの各種確率要素が個々のオーダーの進捗数／入庫日時に与える影響を事前に評価することを目的としている。なお、個々のオーダーの進捗／入庫日予測に使用するシミュレーション手段として、如何なる手段を用いても構わないし、使用する確率モデルも如何なる要素を考慮したモデルを用いても構わない。
【０２２２】
オーダーの投入日時から作業の進捗工程や、入庫日時を求めるために実行するシミュレーション結果の集計を定期的に行うために、例えば、定期集計の周期として３０分程度の集計期間、もしくは１０回程度のシミュレーション回数を上限に予め設定する。
【０２２３】
以下、投入予定のオーダーＳＣ２７Ｖ１９５９の進捗工程もしくは、入庫日時の予測例を示す。
【０２２４】
なお、以下では、例として１つのオーダー（ｊと表記）の場合の予測例を示すが、同時に並行して複数のオーダーについて、同様に処理を行っても構わない。
【０２２５】
計画立案装置は、外部装置からまず、オーダーの希望投入日時、仕掛かり工程、設備等の情報を得る。なお、複数回の進捗／入庫シミュレーションを繰り返し実行する中で、各オーダー情報の更新時刻から現時点迄に予測した結果を、その時点で有効な予測結果の集合とする。その時点迄に予測した第ｎ回目の進捗／入庫シミュレーションでの進捗工程もしくは入庫日時の予測結果から、例えば、入庫日時の予測の安定性を示す安定性指標として、各オーダーｊの入庫日時の平均値Ａ_ｎ，ｊを計算し、さらに、例えば各オーダーｊの入庫日時の確率分布を精度良く出すことが可能となる適正なシミュレーション回数としてＮｎ，ｊを計算する。
【０２２６】
オーダーＳＣ２７Ｖ１９５９に関わる情報の更新時刻から入庫日予測結果の集計時点迄に、例えば、３回実施した段階での実施例を示す。オーダーの有効な計画の集合を抽出した結果、２回目までの入庫日時の平均値Ａ_１，ｊとして８月１４日を得て、３回目までの入庫日時の平均値Ａ_２，ｊとして８月１２日を得て、εに６時間を設定した場合、３回目の試行での推定式（Ａ）によると１１９回の適正試行回数が求められる。なお、このとき、式（Ａ）のＮｎはＮｎ，ｊに、Ａ_ｎはＡ_ｎ，ｊに、読みかえて使用する。
【０２２７】
この時点では、適正シミュレーション回数１１９回に達していないので、オーダーの入庫日時の予測に関して、必要なシミュレーション回数を完了していない旨、記録される。以後、引続いて予測を継続するが、予測回数が各時点の適正試行回数に達したことが判明した段階で、適正シミュレーション回数に達しているので、オーダーに関して必要な回数の入庫日時予測を完了していることが記録される。同時に、有効な予測結果の集合に関して、各オーダーに関して予測した入庫日時の確率分布を集計する。
【０２２８】
図１５は、オーダーＳＣ２７Ｖ１９５９の予測入庫日時の集計結果の一例である。入庫日時の確率分布の統計指標を計算し、平均値（８月１４日）、標準偏差（４．３３４９日）、最頻値（８月１４日）、中央値（８月１４日）を得ると、これら指標をオーダーの入庫日時予測データとして登録される。なお、進捗工程の予測に関しては、入庫日時の時刻を、生産管理上、あらかじめ工程毎に付与されている通しの工程番号におきかえて、統計処理を行う点で異なる。計画立案装置は、オーダーに関して、予測入庫日時の問合せがあれば、登録されている上記、予測入庫日時の分布情報や、分布の統計指標、更には、入庫日時の予測に必要な回数の予測処理を完了しているか等の情報を専用端末などに返答する。上記のように各オーダの入庫日時について、それぞれの希望投入日時を与えることにより入庫日時への確率要素が及ぼす影響を事前に予測評価して、オーダーの管理責任担当者に示すことが可能となるため、その予測結果を参照した担当者が、オーダーの予測結果に基づいて、妥当な投入日時への補正、及び更新を行うことが可能となる。また各オーダーの入庫日時予測結果に基づいて各オーダの作業進捗管理を行うことが可能となる。
【０２２９】
次に、本発明の計画立案装置の第四の実施例を図面を用いて説明する。
【０２３０】
本発明の第一の実施例とは、一度に並列実行させるシミュレーション並行実行数を求めて、必要なだけ並行実行する点で異なる。尚、計画立案装置は複数の計算機ノードを有し、時点ごとに利用できるノードの数が変化するものとする。
【０２３１】
第一の実施例を再度参照して説明すると、εとして１ロットを指定し、２回のシミュレ−ションを実施した後に、推定シミュレーション回数Ｎｎとして６１３回の試行数が推定される。
【０２３２】
尚、以降で説明する実行可能なプロセッサからなるノード数は、可変とする。
【０２３３】
ここで計画立案装置の持つ利用可能なノードの数を１００とし、推定シミュレーション回数６１３．５回として、試行を進めると、それ迄に実行を開始したシミュレ−ション回数が２回であるため、並列実行回数を求める判定として（６１３−２）／１００＞１を得て、１００ノ−ドで同時にシミュレ−ションを実行する準備を行う。
【０２３４】
以後処理を進めて、それ迄に実行したシミュレーションを実行した回数が１０２回となり、利用可能なノード数が２２８となった状況を想定する。
【０２３５】
このときの推定シミュレーション回数はＡ_１０１の値６１５．６０４と、Ａ_１０２の値６１５．５９８から、４８６回と推定される。このとき、並列実行回数を求める判定は（４８６−１０２）／２２８＞１となるので、２２８のノ−ドにてシミュレ−ションを実行する準備を行い、シミュレ−ション実行する。
【０２３６】
以後、処理を進めて、それ迄に実行したシミュレーションを実行した回数が３３０回で、利用可能なノード数が５０である状況を想定する。このときの推定シミュレーション回数は、Ａ_３３９の値６１５．４４２と、Ａ_３４０の値６１５．４３５から、３０８回と推定される。この時点でシミュレーション実行回数が推定回数を越えたため、シミュレーション試行を終了する。
【０２３７】
これにより、余分なシミュレ−ションを実行することなく目的を達成できる。上記のように処理することにより、確率的な要素を計画立案シミュレーションモデルに含む場合にも、効率的なシミュレーション実行と、計画立案が可能となる。
【０２３８】
【発明の効果】
以上説明したように本発明によれば、生産システムにて発生する特定の事象を確率的な要素として計算モデルの中で扱い、生産ラインシミュレーションを複数回実行して、所望の生産パラメータの予測結果を得たり計画立案結果を計画立案装置によって得ようとする際に、適正投入日時等の各種予測、計画パラメータを定めるとともに、パラメータに確率的な要素が及ぼす影響を評価するために指標の安定性を示す安定性指標を定め、安定性指標に関してあらかじめ指定した精度を満たすためのシミュレーション実行回数を推定式に基づいて計算し、実行回数に基づいて繰り返しシミュレーション実行の打ち切りを行うことによって、繰り返しシミュレーション中に所望のパラメータの誤差率が偶然一般的な打ちきり条件を満たしたために、本来の確率分布形状を得ていない状態で繰り返しシミュレーションを中断することなく、所望のパラメータに関して本来の確率分布に近い形状を得る手段を提供することができる。
【０２３９】
また、本発明による計画立案装置では、所望の生産パラメータに関して本来の確率分布に近い形状を得るのに必要なシミュレーション回数Ｎｎを推定し、推定した回数の範囲内で、モンテカルロ・シミュレーションを実施するため、実際には不要なシミュレーションを実行することを回避し、高速に所望のパラメータを得ることが可能になる。
【０２４０】
また、本発明による計画立案装置では、数回のシミュレーション実行結果から、必要となるモンテカルロシミュレーション回数を求めることができるために、複数の計画立案を並行して処理できるような並列計算機環境において、各プロセッサへの計画立案処理のわりつけができ、結果として、効率的な並列計算機の運用が可能になる。
【０２４１】
本発明の第２の実施例の計画立案装置では、投入計画立案をする際に、各オーダーの希望納期をもとに投入から入庫に至る各工程の作業の過程で、発生する欠陥や、設備故障、作業の遅延などの確率的要素の影響を考慮したモンテカルロ・投入計画立案シミュレーションを実施するため、各オーダーの投入日時の確率分布や統計パラメータを得て、パラメータを各オーダーの投入日時の決定材料に使用できる。
【０２４２】
また、本発明による計画立案装置では、本来の投入日時の確率分布に近い形状を得るのに必要なシミュレーション回数Ｎｎを推定し、必要なシミュレーション実行を完了しているか否かを判定した結果を利用者に提示することで、予測結果の信頼性を判断する情報を投入日時立案担当者に提示することが可能となる。
【０２４３】
また、本発明による計画立案装置では、各オーダーのロットが実際に投入されるまでの間に、希望納期が変更された場合でも、各オーダーの希望納期が変更されてから、その時点までに立案された投入計画を対象として集計することにより、各オーダーの投入日時を精度良く求めることが可能になる。
【０２４４】
本発明の第３の実施例の計画立案装置では、投入計画立案をする際に、各オーダーの希望投入日時をもとに投入から入庫に至る各工程の作業の過程で、発生する欠陥や、設備故障、作業の遅延などの確率的要素の影響を考慮したモンテカルロ・投入計画立案シミュレーションを実施するため、各オーダーの作業進捗や入庫日時の確率分布や統計パラメータを得て、各オーダーの作業進捗・入庫日時の予測結果を得て、各オーダーの作業進捗管理や、入庫管理に使用できる。
【０２４５】
また、本発明による計画立案装置では、本来の作業進捗や入庫日時の確率分布に近い形状を得るのに必要なシミュレーション回数Ｎｎを推定し、必要なシミュレーション実行を完了しているか否かを判定した結果を利用者に提示することで、予測結果の信頼性を判断する情報を作業進捗管理担当者に提示することが可能となる。
【０２４６】
また、本発明による計画立案装置では、各オーダーのロットが実際に投入されるまでの間に、投入日時が変更された場合でも、各オーダーの投入日時が変更されてから、その時点までに立案された投入計画を対象として集計することにより、各オーダーの作業進捗や入庫日時の確率分布や統計パラメータを精度良く得ることが可能になる。
【０２４７】
また、本発明による計画立案装置では、所望のパラメータを求めるのに必要となる、シミュレーション回数をあらかじめ求めることにより複数の計画立案を並行して処理できるような並列計算機環境での、各プロセッサへの計画立案処理のわりつけを行うことにより、余分なシミュレ−ションを実行することなく、効率的な並列計算機の運用を行うことが可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態の構成を示すブロック図である。
【図２】本発明の第１の実施の形態の動作の流れを示すフローチャートである。
【図３】本発明の第２の実施の形態の構成を示すブロック図である。
【図４】本発明の第２の実施の形態の動作の流れを示すフローチャートである。
【図５】本発明の第３の実施の形態の構成を示すブロック図である。
【図６】本発明の第３の実施の形態の動作の流れを示すフローチャートである。
【図７】本発明の第４の実施の形態の構成を示すブロック図である。
【図８】本発明の第４の実施の形態の動作の流れを示すフローチャートである。
【図９】本発明のシミュレーション処理を、それぞれ、６０回、３０８回、６１３回、１０００回実行した際の入庫数の累積分布グラフと、１０００回実行時の統計指標を示す図である。
【図１０】本発明のシミュレーション処理を、６０回実行した際の入庫数の累積分布グラフの図９の拡大図である。
【図１１】本発明のシミュレーション処理を、３０８回実行した際の入庫数の累積分布グラフの図９の拡大図である。
【図１２】本発明のシミュレーション処理を、６１３回実行した際の入庫数の累積分布グラフの図９の拡大図である。
【図１３】本発明のシミュレーション処理を、１０００回実行した際の入庫数の累積分布グラフの図９の拡大図である。
【図１４】オーダーＳＣ２７Ｖ１９０２に関して立案した投入日時の分布を示す図である。
【図１５】オーダーＳＣ２７Ｖ１９５９に関して予測した入庫日時の分布を示す図である。
【図１６】平均投入日誤差に関するε打ちきり判定でのシミュレーション回数と推定回数算定式による回数の違いを示すグラフである。
【符号の説明】
１計画立案装置
２外部装置
３入出力部
４記憶部
５シミュレーション実行部
６実行制御部
７投入計画立案部
８進捗／入庫日予測部
６１安定性指標計算手段
６２回数推定手段
６３シミュレーション停止手段
６４集計手段
６５並列実行制御手段
７１投入計画立案手段
７２投入計画決定手段
７３投入指示手段
７４計画変更管理手段
７５定期集計手段
８１進捗／入庫日予測手段
８３予測条件変更管理手段
８４進捗／入庫日予測提示手段
８５定期集計手段
Ｄ１希望納期
Ｄ２仕掛かり情報
Ｄ３投入日時予測データ
Ｄ４投入計画
Ｄ５変更された投入計画
Ｄ６投入日時集計データ
Ｄ７希望投入日
Ｄ８仕掛かり情報
Ｄ９進捗／入庫日予測データ
Ｄ１０進捗／入庫集計データ
Ｓ１０シミュレーション実行要求信号
Ｓ１１シミュレーション完了通知信号
Ｓ１２定期集計要求信号
Ｓ１０１シミュレーションモデル要求信号
Ｓ１０２シミュレーションモデル記憶要求信号
Ｓ１０３安定性指標参照信号
Ｓ１０４信号安定性指標計算要求信号
Ｓ１０５シミュレーション結果参照信号
Ｓ１０６シミュレーション回数推定要求信号
Ｓ１０７推定シミュレーション回数記録要求信号
Ｓ１０８推定シミュレーション回数参照信号
Ｓ１０９集計要求信号
Ｓ１１０集計結果記録要求信号
Ｓ１１１集計結果提示要求信号
Ｓ１１２集計結果要求信号
Ｓ２０１投入計画立案要求信号
Ｓ２０２投入計画入力要求信号
Ｓ２０３投入計画抽出要求信号
Ｓ２０４投入計画立案結果記録要求信号
Ｓ２０５投入日時予測データ参照要求信号
Ｓ２０６投入計画参照要求信号
Ｓ２０７投入日時補正信号
Ｓ２０８投入計画補正信号
Ｓ２０９計画変更要求信号
Ｓ２１０投入指示要求
Ｓ２１１投入計画参照要求信号
Ｓ３０１進捗／入庫日予測要求信号
Ｓ３０２投入オーダー入力要求信号
Ｓ３０３進捗／予測結果抽出要求信号
Ｓ３０４進捗／入庫日予測データ参照要求信号
Ｓ３０５進捗／入庫日予測参照要求信号
Ｓ３０６各オーダーの投入日時補正信号
Ｓ３０７進捗入庫日予測提示要求
Ｓ３０８進捗入庫日予測参照要求信号
Ｓ４０１並列実行要求信号[0001]
BACKGROUND OF THE INVENTION
The present invention treats a specific event occurring in a production system as a stochastic element in a calculation model, and executes a production line simulation multiple times to obtain a prediction result of a desired production parameter or obtain a planning result. The present invention relates to a planning system, a planning method, and a program for the purpose.
[0002]
[Prior art]
The purpose of the Monte Carlo method is to introduce a stochastic element into a calculation model of an element to be calculated, and to find a statistical property of the calculation object. For this reason, it is common to repeat simulation trials that can be performed in a predetermined period and use the obtained results.
[0003]
For example, Patent Document 1 describes a method for efficiently analyzing a distribution of circuit characteristics by executing a minimum necessary circuit simulation for a desired accuracy. In circuit simulation, there are many cases where the worst value of the circuit characteristic appears. However, the fluctuation parameter value in the normal Monte Carlo method is unlikely to be determined to be the minimum value or the maximum value. We pay attention to the point.
[0004]
In Patent Document 1, a maximum value and a minimum value are set for a variable factor parameter value, and random numbers are generated in accordance with a distribution defined by the designer for each variable factor parameter in the same way as in a normal Monte Carlo method, and the value is set. To do. The average value (m) and standard deviation (std) of the variable factor parameters are obtained for the variable factor parameter values set so far, and these values and the average value (mn) and standard deviation (stdn) of the standard distribution are obtained. The error rate (dm, ds) is calculated by dm = (m−mn) / mn * 100 and ds = (std−stdn) / stdn * 100. It is determined whether or not the error rate (dm, ds) obtained here is within the analysis allowable error rate (α%) input by the designer for all the variation factors. When dm or ds is larger than α, the error rate is again determined. Repeat the process after the variable factor parameter setting process. When dm or ds falls within the value of α, the variation factor parameter value is determined, and the number of variation factor parameter samples at this time is defined as the number of circuit simulations (N) in the Monte Carlo analysis.
[0005]
As another prior art, there is a position in Non-Patent Document 1 that considers a combination problem as a physical system and executes a thermal equilibrium state search by Monte Carlo simulation under control by a virtual temperature parameter.
[0006]
Patent Document 2 describes a method for deriving an approximate solution of an optimum solution in the layout design of a semiconductor device. However, in order to obtain an optimum solution in the SA method used in this technique, the virtual temperature is gradually decreased. It is necessary to take many virtual temperature points for performing the thermal equilibrium state search, but the method for reducing the number of virtual temperature points for performing the thermal equilibrium state search without reducing the quality of the solution, that is, the temperature for performing the search. A limited technology for speeding up processing is described. Specifically, the cost function of the layout is expressed by a function of the virtual temperature, and in order to find a point that minimizes the function, an nth derivative (n = 1, 2,..., N) describes a method of searching for a virtual temperature that gives the maximum and minimum points.
[0007]
The prior art of Patent Document 3 also refers to the handling of the thermal equilibrium state in the Monte Carlo simulation. Specifically, a Monte Carlo simulation at a virtual temperature T is performed on the elements initially arranged at the cost value to improve the element arrangement. In this Monte Carlo simulation, a judgment formula, exp (−ΔE / T) <Rand (1.0) is used. Here, a difference between evaluation function values (cost values) before and after the arrangement exchange is ΔE, and a random number between 0 and 1 is Rand (1.0). When the determination formula is satisfied, the exchange is accepted, and when it is not satisfied, a process for returning the element arrangement is executed. In each case, the arrangement after processing is determined as a new arrangement. Thereafter, a method is described in which the Monte Carlo simulation is repeated until the arrangement reaches an equilibrium state at the virtual temperature T, that is, until the increase or decrease in the cost value becomes substantially constant.
[0008]
Patent Document 4 describes a method of executing a Monte Carlo simulation to generate a thermal equilibrium state with high efficiency and high accuracy, and using the result to shorten the processing time of the SA method and improve the optimality of the solution. Yes. Specifically, by using the cumulative value of the cost function value for the convergence determination, it describes a method that can determine the stable thermal equilibrium even if it is a statistic that is difficult to determine the thermal equilibrium due to large fluctuations in the variance of the cost function value. .
[0009]
Further, as a conventional technique, there is a technique in which 1) a calculation range is selected, and 2) a calculation range is limited to a part based on a given physical condition to speed up processing.
[0010]
For example, Patent Document 5 describes a method for shortening the calculation time by selecting collision atoms.
[0011]
In Patent Document 6, the calculation time is shortened by limiting the number of nuclei to be subjected to collision determination from the ion existence range and the ion traveling direction range.
[0012]
In Patent Document 7, high-precision simulation is realized without increasing the amount of calculation by performing particle division only in a specific situation regarding particle division processing.
[0013]
In Patent Document 8, the difference between the range of the impurity distribution on the multilayer structure and the range of the point defect distribution on the multilayer structure is defined in the impurity distribution range defined for the crystal material and the crystal material. The point defect distribution is generated so as to be equal to the difference from the range of the existing point defect distribution. This paper describes a method for shortening the calculation time by generating a diffusion simulation in consideration of point defects after generating an impurity distribution and a point defect distribution.
[0014]
Further, as a conventional technique, there is a technique for simplifying and speeding up the processing by alternative calculation. For example, Patent Document 9 describes a method for shortening the calculation time by using an alternative calculation means with a smaller calculation amount while maintaining accuracy in a part of simulation processing.
[0015]
In Patent Document 10, the electron concentration used for calculating the electron loss using the Monte Carlo method is calculated in advance by using a uniform random number based on the probability that an implanted ion passes a predetermined electron concentration. In this way, a method for suppressing an increase in calculation time is described.
[0016]
In Patent Document 11, in the calculation of the scattering probability including a complex function calculation, a scattering probability table with a low calculation cost and a high sequential calculation are used together to determine whether the table can be referred to. Then, a table reference calculation is performed, and a method of performing a function operation only for those that cannot be performed to increase the speed is described.
[0017]
In Patent Document 12, prior to the scattering Monte Carlo simulation when a particle collides with another particle, a table of all meshes in the momentum space is created, and at the time of the scattering Monte Carlo simulation processing for obtaining an exact solution, the table is used. The method for shortening the processing time and improving the accuracy is described by referring to FIG.
[0018]
In Patent Document 13, it is determined whether or not inter-particle scattering occurs using the simplified scattering probability, and the scattering partner is determined. When the scattering partner is specified, the inter-particle scattering is performed using the original scattering probability. Describes a method for speeding up the processing by finally determining whether or not the above occurs.
[0019]
Patent Document 14 approximates a process for determining the number of particles corresponding to a state x so as to follow an arbitrary probability density function f (x) for the state x when a particle group following an arbitrary probability distribution is simulated by the Monte Carlo method. Describes a high-speed calculation method without degrading calculation accuracy by finding the solution.
[0020]
In Patent Document 15, an impurity distribution considering the crystal structure is obtained by the Monte Carlo method, a moment amount of the impurity distribution is calculated, and the impurity distribution is repeatedly calculated using the moment amount and an analytical expression. A method for calculating the impurity distribution in a short time is described.
[0021]
In the Monte Carlo method, there are conventional techniques aiming at statistical improvement processing for obtaining effective results with a small number of executions and reduction of statistical errors.
[0022]
For example, in Patent Document 16, in a method of reducing the statistical error of the Monte Carlo method, the space is divided into a plurality of regions, and the number of Monte Carlo particles existing in each divided region is an appropriate value so that the number of particles in each region is appropriate. Determine the ideal weight. Comparing the weight of the Monte Carlo particle with the ideal weight, the Monte Carlo particle exceeding the predetermined range is regarded as an incompatible particle, and the incompatible particle is divided, or the Monte Carlo particle is randomly selected at a predetermined selection ratio. A method for reducing the statistical error by selecting selected particles and multiplying the weight of the selected particles by the reciprocal of the selection ratio and removing unselected Monte Carlo particles as removed particles is described.
[0023]
In Patent Document 17, the weight of trial particles used for Monte Carlo calculation is changed stepwise in accordance with the amount of ion implantation, and the weight of the particles is gradually increased, so that the number of trial particles finally required is reduced and the calculation time is increased. Describes how to shorten.
[0024]
Patent Document 18 describes a method for reducing the calculation time and improving the accuracy by performing a statistical improvement operation for increasing only the sampling number of ions having a long flight distance in order to improve the dispersion of the distribution.
[0025]
In Patent Document 19, by using the Pearson distribution function or the Gaussian distribution function depending on the situation in the Monte Carlo method, even when the maximum value of the point defect concentration distribution is lower than the atomic number density Csi of Si, the distribution is accurate. Is described.
[0026]
In Patent Document 20, an error in the number of carriers is generated by correcting the number of carriers Lj for each analysis lattice point so that the number of carriers Lj assigned to each analysis lattice point does not change before and after the statistical improvement process of Monte Carlo particles. In this paper, a method for realizing a high-speed and high-accuracy Monte Carlo simulation statistical improvement method is described.
[0027]
Moreover, about the utilization method of the result obtained by performing a Monte Carlo simulation, the utilization form is described in many literatures.
[0028]
For example, Patent Document 21 describes a method for optimizing a portfolio using a simulation type multi-period probability planning model in a short time without changing input parameters.
[0029]
Patent Document 22 describes a method for accurately predicting the future demand quantity of a low-frequency parts group in which demand is one or less per month by applying Monte Carlo simulation in parts inventory management.
[0030]
Patent Document 23 describes a method of extracting a parameter by approximating a distribution of point defects such as interstitial silicon and vacancies calculated by a Monte Carlo ion implantation simulator with an inverse function of a correction function and then using a Pearson distribution function. .
[0031]
Patent Document 24 describes a method of simulating variation in characteristics of a semiconductor device caused by impurity fluctuations using a Monte Carlo method.
[0032]
In Patent Document 25, parameters of a transport model relating to each crystal plane orientation of a semiconductor are obtained using the Monte Carlo method, and the mobility defined on each side of an orthogonal lattice obtained by dividing a semiconductor element into minute regions is obtained for each side. A method is described in which the current-voltage characteristic of a semiconductor element is obtained by calculating the current vector using the mobility parameter of the crystal plane orientation to which the vertical vector corresponds.
[0033]
In Patent Document 26, the three-dimensional particle trajectory calculated by the Monte Carlo method is sorted at an angle projected in two dimensions, and the shape is calculated by selecting particles other than those that clearly cause shadows from the angle formed with the horizontal axis direction of the shadow judgment point. To do. A method for determining a pseudo three-dimensional shadow only for the selected particle trajectory is described.
[0034]
In Patent Document 27, the energy of surrounding gas particles is calculated with respect to the collision coordinates using the calculation result of the temperature distribution of the surrounding gas at the collision position obtained from the thermal analysis result calculated in the previous time step in the repetitive simulation. After calculating the change and calculating the temperature distribution of the surrounding gas at the collision position by thermal analysis using the calculation result of the energy change, the temperature rise and temperature are especially high when the sputtering rate is fast by updating the time step. Describes how to handle the effects of distribution.
[0035]
In Patent Document 28, when the operation management of an elevator requiring automatic control has to be selected from two or more operations, the elevator group is controlled by the simulation result of the elevator by the Monte Carlo method. Describes how to do.
[0036]
Patent Document 29 describes a method of performing an operation test of a test system capable of taking a large number of operation states by using a Monte Carlo simulation result.
[0037]
Note that Non-Patent Document 2 shows an example in which simulation is used for daily prediction of a semiconductor diffusion process.
[0038]
[Patent Document 1] (Japanese Patent Laid-Open No. 2003-006263, variation analysis apparatus and variation analysis method, page 4-8, FIG. 1)
[Patent Document 2] (Japanese Patent Laid-Open No. 2001-142934, Element Arrangement Method Page 4-5, FIG. 1)
[Patent Document 3] (Japanese Patent Laid-Open No. 11-328246, Method for Optimizing Device Placement, Page 4-6, FIG. 1)
[Patent Document 4] (Japanese Patent Laid-Open No. 2002-190525, optimization method of element arrangement, page 3-6, FIG. 1)
[Patent Document 5] (Japanese Patent Laid-Open No. 2002-093737, Monte Carlo ion implantation simulation method, Monte Carlo ion implantation simulator, recording medium storing Monte Carlo ion implantation simulation program, and semiconductor device manufacturing method, pages 8-15, FIG. 1)
[Patent Document 6] (Japanese Patent Laid-Open No. 11-054449, ion implantation simulation method, page 4-6, FIG. 1)
[Patent Document 7] (Japanese Patent Laid-Open No. 10-092762, ion implantation simulation method, page 2-4, FIG. 1)
[Patent Document 8] (Japanese Patent Laid-Open No. 09-045630, Defect distribution simulation method, page 7-8, FIG. 1)
[Patent Document 9] (Japanese Patent Laid-Open No. 2002-092311, Risk amount quantification system, page 4-9, FIG. 1)
[Patent Document 10] (Japanese Patent Laid-Open No. 11-111633, ion implantation simulation method and recording medium storing ion implantation simulation program, page 4-7, FIG. 1)
Patent Document 11 (Japanese Patent Laid-Open No. 07-044527, Quantum Effect Simulation Method, Page 2-4, FIG. 1)
[Patent Document 12] (Japanese Patent Laid-Open No. 10-112537, Monte Carlo simulation method, page 3-6, FIG. 1)
[Patent Document 13] (Japanese Patent Laid-Open No. 08-017885, Monte Carlo simulation method of semiconductor device, page 3-4, FIG. 1)
[Patent Document 14] (Japanese Patent Laid-Open No. 10-049513, Simulation method of particle distribution, page 3-7, FIG. 1)
[Patent Document 15] (Japanese Patent Laid-Open No. 08-139049, Simulation method of ion implantation impurity distribution, page 5-7, FIG. 1)
[Patent Document 16] (Japanese Patent Application Laid-Open No. 08-235156, Statistical Improvement Method of Monte Carlo Simulation, Page 4, FIG. 1)
[Patent Document 17] (Japanese Patent Laid-Open No. 08-330376, Simulation Method of Ion Implantation Process, Page 3-4, FIG. 1)
[Patent Document 18] (JP 09-270391, simulation method of ion implantation process, page 3-5, FIG. 1)
[Patent Document 19] (Japanese Patent Laid-Open No. 11-283932, Ion implantation simulation method, page 4, FIG. 1)
[Patent Document 20] (JP-A-10-011416, Monte Carlo simulation statistical improvement method, page 3-5, FIG. 1)
Patent Document 21 (Japanese Patent Laid-Open No. 2002-334207, Portfolio Optimization System, page 5-20, FIG. 1)
[Patent Document 22] (Japanese Patent Application Laid-Open No. 2002-073746, Demand Forecasting Method in Parts Inventory Management, Page 4-9, FIG. 1)
Patent Document 23 (Japanese Patent Laid-Open No. 2001-148353, parameter extraction method for ion implantation simulation, recording medium, page 3-4, FIG. 1)
[Patent Document 24] (Japanese Patent Laid-Open No. 2002-057332, simulation method for semiconductor device and computer-readable recording medium, page 3-4, FIG. 1)
Patent Document 25 (Japanese Patent Laid-Open No. 2000-164850, device simulation method and semiconductor device manufacturing method, page 4-7, FIG. 1)
[Patent Document 26] (Japanese Patent Laid-Open No. 11-279759, Sputter Shape Simulation Method, page 3-5, FIG. 1)
[Patent Document 27] (JP-A-11-158623, sputtering apparatus simulation method, page 3, FIG. 1)
[Patent Document 28] (Japanese Patent Laid-Open No. 06-016346, Elevator Group Control Method, Page 3-6, FIG. 4)
[Patent Document 29] (Special Table 2001-506076, Operation Test Apparatus and Method for Performing Operation Test of System Under Test, Pages 25-65, FIG. 1a)
[Non-Patent Document 1] (S. Kirkpatrickal., “Optimization by Simulated Annealing”, Science, Vol. 220, No. 4598, pp. 671-680, 1983)
[Non-Patent Document 2] (David, Miller, Semiconductor production line simulation, Communicationsoft ACM, Vol. 33, October, 1990, Special issue on simulation, pages 98 to 108)
[0039]
[Problems to be solved by the invention]
In the production line, a plurality of processes are performed from the start of product production to completion of the final product. For example, in the manufacturing process of a semiconductor diffusion process for the purpose of forming a circuit pattern on a silicon wafer, the working time in each process is distributed based on the characteristics of the working time in that process for production management. It is routinely performed to manage the system as if it complies with the above, or to detect and manage production equipment failures and defective products with probability.
[0040]
Further, in the above-described Patent Document 22 and the like, a technique is described in which the occurrence of demand in the prospective production is also regarded as a stochastic process and inventory management is performed by applying the Monte Carlo method.
[0041]
Thus, in production lines that are dominated by probabilistic factors, a probability model that takes probabilities into consideration is introduced into the calculation model used for planning and line prediction when performing appropriate production management work. Is a very natural flow.
[0042]
The planning work in the production management work includes, for example, an input plan, a maintenance plan, a line prediction, etc., and among these, management taking into account probabilistic factors is necessary. There is a production line simulation as a prediction means considering the probability factor. In some production lines, simulations are performed on a daily basis in consideration of probability factors in order to predict the future state of the production line.
[0043]
For example, Non-Patent Document 2 described above shows an example in which simulation is used for daily prediction of a semiconductor diffusion process, and in order to obtain a reasonable future prediction result, a probability element under the same conditions As for the simulation that incorporates, the simulation of the same condition is executed at least five times and used as a prediction result.
[0044]
When attention is paid to the work progress of each order (lot) in the actual semiconductor diffusion process line, the stochastic factor probably has an influence on the work progress of each process. For example, in the case of a lot in which experimental work is performed in many processes, when the date and time when the lot is received (completed) is predicted, there may be cases where the lot is distributed over a period of several days to several weeks.
[0045]
In such a case, in order to make a reasonable prediction of the date and time of warehousing, it is necessary to obtain a probability distribution that indicates when and when the warehousing is received, and the number of times necessary to obtain an accurate shape of the probability distribution Only need to carry out the simulation.
[0046]
The shape of such a probability distribution is how many probability elements are related to the focus value (date and time of receipt), how often the probability elements are related to the elements, and It is governed by how much the element is affected.
[0047]
Specifically, in the case where no probabilistic element is involved, one trial may be sufficient, and when there are many such elements and the fluctuation range is large, the shape of the distribution is also complicated. It is expected that the number of simulations depends on the complexity.
[0048]
However, the number of simulations required to accurately obtain the desired information has not been theoretically required. For this reason, conventionally, a conditional expression that determines whether a stable value is obtained for a desired parameter to be specified separately by simply repeatedly executing a simulation that can be executed in a given period without setting the number of times of simulation execution. In general, the simulation is stopped when the conditional expression is satisfied.
[0049]
By the way, when a desired parameter appears by chance in a repetitive experiment, the repetitive stop condition is satisfied at that time, and the simulation is terminated without executing the number of simulations that should be originally executed. In some cases, the simulation may be performed more times than necessary, and there is a problem that proper prediction cannot be performed. The appropriate number of simulations is automatically obtained, and iterative simulation is executed accordingly. However, there has been a problem in accurately obtaining the shape of the probability distribution of a desired parameter.
[0050]
For example, FIG. 16 shows the results of plotting the number of simulation trials on the X axis and the average value of the desired parameter values on the Y axis. Here, when the average value of a desired parameter falls within a preset error range, it is determined that “stable”. It can be seen that the value of the Y-axis is stabilized in the process of increasing the number of trials from 1 to 100. Actually, it is once within the range of setting error within 100 trials, but once it exceeds 100, it again exceeds the error range. In such a case, the simulation execution ends without producing a stable value.
[0051]
In the conventional technique, the simulation is repeatedly executed, and based on the obtained result, the simulation is stopped when the repeated stop condition is satisfied. In other words, since the required number of simulations cannot be obtained directly, it is not possible to substitute the planning process to each processor in a parallel computer environment where multiple simulations can be processed in parallel. The realization of computer operation has been an issue.
[0052]
For example, assuming that there are M available nodes that can simultaneously execute a simulation process for planning, and the number of simulations that need to be actually executed is Nn, the number of simulations that have been started so far When n is n and M− (Nn−n) becomes a large value, there is a problem that simulation is executed extra by this value as a result.
[0053]
With respect to such a problem,

Patent Documents

1, 2, 3, and 4 described above are techniques closely related to the problem of the present invention.
[0054]
Patent Document 1 calculates an average value and a standard deviation with respect to a variable factor parameter, calculates an error rate between these values and an average value and a standard deviation of a reference distribution, and these values are α that are designated as an allowable error in advance. The simulation is repeatedly executed up to the number of times within the value of. However, as mentioned in the prior art, the error rate obtained for a desired parameter in a simulation that is repeatedly executed may actually fall within the value of α. In such a case, the simulation may be repeatedly interrupted before the probability distribution of the desired parameter can be completely approximated. In this respect, it is not the subject of the present invention “providing means for automatically estimating the number of simulations necessary for accurately obtaining the shape of the probability distribution of a desired parameter”.
[0055]
With respect to Patent Document 2, in order to reduce the number of simulations by limiting the virtual temperature point for obtaining the optimum solution, “necessary simulation for accurately obtaining a probability distribution of a desired parameter is an object of the present invention. It does not provide a means for automatically estimating the number of times.
[0056]
In Patent Document 3, “Monte Carlo simulation is performed until the increase / decrease in the evaluation function value (cost value) becomes substantially constant,” which is the subject of the present invention, “necessary for accurately obtaining the probability distribution of a desired parameter. It does not provide a means for automatically estimating the number of simulations.
[0057]
With respect to the prior art of Patent Document 4, “necessary for accurately obtaining a probability distribution of a desired parameter, which is the subject of the present invention, in that thermal equilibrium determination is performed using a cumulative value of cost function values for thermal equilibrium determination. It does not provide a means for automatically estimating the number of simulations.
[0058]
On the other hand, the techniques of Patent Documents 5, 6, 7, and 8 are techniques for realizing high speed by limiting the calculation range in the simulation calculation by the Monte Carlo method. Therefore, it is not the subject of the present invention “providing means for automatically estimating the number of simulations necessary for accurately obtaining a probability distribution of a desired parameter”.
[0059]
Further, in the conventional techniques of

Patent Documents

9, 10, 11, 12, 13, 14, and 15, in the simulation execution by the Monte Carlo method, instead of a process that requires a processing time, a high-speed alternative calculation is used to replace the entire process. It is a technology that realizes high speed. Therefore, it is not the subject of the present invention “providing means for automatically estimating the number of simulations necessary for accurately obtaining a probability distribution of a desired parameter”.
[0060]
Further, in the conventional techniques of Patent Documents 16, 17, 18, 19, and 20, in the simulation calculation by the Monte Carlo method, statistical improvement processing for obtaining a more effective result with a smaller number of executions, and reduction of statistical error. Technology. Although the prior art can contribute to the reduction of the number of executions, the subject of the present invention is "providing means for automatically estimating the number of simulations necessary for accurately obtaining the probability distribution of a desired parameter" is not.
[0061]
For these reasons, the above-described prior art is essentially the subject of the present invention “a means for automatically estimating the number of simulations necessary for accurately obtaining the shape of the probability distribution of a desired parameter. It's not something to offer.
[0062]
Further, the techniques shown in

Patent Documents

21, 23, 24, 25, 26, 27, 28, and 29 are techniques related to methods of using the execution results of the Monte Carlo simulation. It is a technology in an area that is essentially different from “production planning”, which is essentially the object of the present invention, and cannot be expected to achieve the object of the present invention of that technology.
[0063]
On the other hand, the technique shown in Patent Document 22 is a technique related to the object of the present invention. However, regarding the prior art of the document, “the future demand of a low-frequency component group whose demand is less than a predetermined frequency” is described. In terms of “predicting”, it does not provide means for automatically estimating the required number of simulations for accurately obtaining the probability distribution of a desired parameter, which is the subject of the present invention, and achieves the object of the present invention. It was impossible to do.
[0064]
As described above, the object of the present invention could not be achieved by the prior art.
[0065]
Therefore, in order to achieve the object of the present invention, a planning system, a planning method, and a program thereof are presented.
[0066]
[Means for Solving the Problems]
In order to solve such a problem, the present invention treats a specific event occurring in a production system as a stochastic element in a calculation model, executes a production line simulation a plurality of times, and obtains desired production parameters. Utilizing Monte Carlo simulation for the purpose of obtaining the forecast results and planning results, planning the input of each order in the production management work of the production line, planning the shutdown date of each facility, A planning apparatus for predicting warehousing date, predicting the number of work in progress, and evaluating the system has the following configuration.
[0067]
A first planning system according to the present invention includes a planning device that performs a production plan by simulation using a production line model and obtains a prediction result of a desired production parameter among production parameters in the production plan, and the planning device. An information processing apparatus including information necessary for execution of simulation and information including estimation accuracy ε, and an external apparatus that obtains a simulation result of the desired production parameter predicted as a result,
The planning device is
A storage unit for recording and managing various information;
When receiving information necessary for execution of simulation from the external device and storing it in the storage unit, an input / output unit for transmitting a simulation result related to the desired production parameter stored in the storage unit to the external device;
Information necessary for the simulation is extracted from the storage unit, and the simulation is repeatedly executed under specified conditions to obtain the predicted value of the desired production parameter, and the execution unit including the predicted value is stored in the storage unit. When,
An execution control unit that controls execution of the simulation,
The execution control unit
In order to evaluate the influence of a stochastic element on the probability distribution of the desired production parameter after each simulation by the simulation execution unit, the desired value in the nth simulation by the simulation execution unit Index A as an index to express the stability of production parameters _n Is calculated from each predicted value obtained in the first to n-th simulations, and is stored in the storage unit;
A by the stability index calculation means ₁ To A _n A frequency estimation means for calculating the simulation estimation frequency Nn required for evaluating the influence of the probability element included in the production line model from the stability index sequence of
When n> = 2,
[0068]
[Expression 4]

[0069]
The number n of simulations executed so far by the simulation execution unit is compared with the estimated number Nn. When the number n is equal to or larger than the number Nn, the simulation is stopped. Simulation stop means for instructing the simulation execution unit to execute the simulation of the number of times;
Is provided.
[0070]
Also, in the second planning system of the present invention, in the first invention, the planning device includes a predicted delivery date of parts and members as the desired production parameters from the desired delivery date of the order and in-process information. It is further equipped with an input plan planning department that prepares input plans,
The input planning department
When you enter the desired delivery date and work in progress information from the external device,
Based on the input information, a simulation is performed by the execution control unit and the simulation execution unit, and the estimated input date, the number of simulations, the simulation execution time, and the estimated number of simulations Nn are extracted and input each time the simulation ends. Storing in the storage unit as date and time prediction data, and, according to a request, outputting the input date and time prediction data to the external device;
When the change information for the output insertion date / time prediction data is received from the external device, the input plan determination is determined by correcting the input date / time prediction data according to the change information and determining the changed input plan, and storing it in the storage unit. Means,
According to the input plan determined by the input plan determination means, input instruction means for outputting the input date and time to the external device when the actual input date and time approaches,
When order change information including a desired delivery date and in-process information is received from the external device, it is stored together with the update time of the time when the change instruction is received, and the plan change management is instructed to re-execute the simulation based on the change information Means,
Periodic counting means for taking out corresponding data from the input date / time prediction data for each predetermined period or the number of simulations executed, totaling as input date / time total data consisting of a probability distribution, and storing and managing in a storage unit,
With
The input plan planning unit includes outputting to the external device that the number of simulations executed for the order has reached the simulation estimation number Nn.
[0071]
Further, according to a third planning system of the present invention, in the first invention, the planning apparatus includes a progress / receipt date prediction unit, and the progress / receipt date prediction unit further includes:
The execution control unit and the simulation execution unit based on the desired input date of each order and the in-process information on the progress / receipt predicted date, which is the predicted status of receipt of work for each order in the set period A progress / receipt date prediction means for simulating and storing the result as progress / receipt date prediction data in the storage unit;
Predictive condition change management means that obtains information on the order to be changed and records the order delivery date, order size, change contents, and order information update time in the storage unit;
Progress / receipt date prediction presentation means for presenting progress / receipt date prediction data and aggregated progress / receipt aggregation data to the external device;
Each time a predetermined time interval or a predetermined number of simulations are completed, the corresponding results from the progress / receipt date prediction data based on the latest information of each order are aggregated as progress / receipt total data and stored in the storage unit Periodic counting means to
With
The periodic counting means includes outputting to the external device that the number of simulations executed for the order has reached the simulation estimation number Nn.
[0072]
According to a fourth planning system of the present invention, in the first invention, the planning apparatus includes a plurality of available nodes that can simultaneously execute simulation processing by a simulation execution unit for planning, When there are M units,
With reference to the estimated number of simulations Nn and the number of simulations n that have been executed so far,
When (Nn-n) / M> 1, execute M planning simulations,
In other cases, a parallel execution control means for executing (Nn-n) modM planning simulations is provided.
[0073]
In addition, in the fifth planning system of the present invention, in the first invention, when the execution of the simulation is stopped, the influence of the probability factor on the desired production parameter from the simulation result executed under the specified estimation accuracy ε. As a probability distribution, or a counting means for obtaining a statistical index representing the characteristics of the distribution from the probability distribution,
Further prepare.
[0074]
According to a sixth planning system of the present invention, in the first invention, the stability index calculation means determines the stability index Ai in the i-th (i> 1) -th simulation by the simulation execution unit. Calculating as a calculation result including an average value, a variance, and a standard deviation of simulation results of the desired production parameter from the first time to the i-th time.
[0075]
Further, according to a seventh planning system of the present invention, in the first invention, the frequency estimation means relates the estimation accuracy ε to the stability index Ai sequence A _i-1 And when the difference is within the estimated accuracy ε, it is used for calculation as a threshold value of an allowable error for determining that the simulation has been executed a sufficient number of times.
[0076]
Further, in an eighth planning system of the present invention, in the first invention, the simulation execution unit includes a predicted warehousing date and time, an appropriate loading date and time, an equipment stop date and time, a stop period, and the number of work in progress as the desired production parameters. Making a prediction of one or more of the production parameters it includes.
[0077]
According to a first planning method of the present invention, a production planning is performed by simulation using a production line model, and a planning apparatus for obtaining a prediction result of a desired production parameter among production parameters in the production planning, and the planning apparatus. An information processing apparatus including information necessary for execution of simulation and information including estimation accuracy ε, and an external apparatus for obtaining a simulation result of the desired production parameter predicted as a result, and a planning method in a planning system comprising: ,
The planning apparatus executes a plurality of simulations starting from 1, and records a prediction result of the desired production parameter in a storage unit at the end of each simulation,
When the simulation in the first step is finished, in order to evaluate the influence of the stochastic element on the probability distribution of the desired production parameter, the simulation from the first simulation to the nth time just finished is performed. A stability index A that obtains a prediction result of a desired production parameter from the storage unit and expresses the stability of the production parameter _n A second step of calculating and storing it in the storage unit;
Stability index sequence A up to the nth ₁ To A _n And from the estimated accuracy ε, a third step of calculating the simulation estimation number Nn necessary for evaluating the influence of the stochastic event included in the production line model according to the following equation and storing it in the storage unit:
When n> = 2,
[0078]
[Equation 5]

[0079]
The estimated number of simulations Nn is obtained from the storage unit, and it is determined whether the number of simulations n performed so far is equal to or greater than the simulation estimation number Nn. The fourth step of stopping the execution of the simulation at the stage and instructing the execution of the next simulation by returning to the first step when the number n of simulations executed so far is smaller than Nn;
When the execution of the simulation is stopped in the determination of the fourth step, the desired production parameter is totaled as a probability distribution, or a statistical index representing a distribution feature is totaled from the probability distribution and transmitted to the external storage device A fifth step;
Is provided.
[0080]
A first program of the present invention performs a production plan by a simulation using a production line model, and obtains a prediction result of a desired production parameter among production parameters in the production plan, and a simulation is performed on the planning device. A program for causing a planning system to include an external device that provides information necessary for execution of the information and information including the estimation accuracy ε and obtains a simulation result of the desired production parameter predicted as a result,
On the computer,
The planning apparatus executes a plurality of simulations starting from 1, and records a prediction result of the desired production parameter in a storage unit at the end of each simulation,
When the simulation in the first step is finished, in order to evaluate the influence of the stochastic element on the probability distribution of the desired production parameter, the simulation from the first simulation to the nth time just finished is performed. A stability index A that obtains a prediction result of a desired production parameter from the storage unit and expresses the stability of the production parameter _n A second step of calculating and storing it in the storage unit;
Stability index sequence A up to the nth ₁ To A _n And from the estimated accuracy ε, a third step of calculating the simulation estimation number Nn necessary for evaluating the influence of the stochastic event included in the production line model according to the following equation and storing it in the storage unit:
When n> = 2,
[0081]
[Formula 6]

[0082]
The estimated number of simulations Nn is obtained from the storage unit, and it is determined whether the number of simulations n performed so far is equal to or greater than the simulation estimation number Nn. The fourth step of stopping the execution of the simulation at the stage and instructing the execution of the next simulation by returning to the first step when the number n of simulations executed so far is smaller than Nn;
When the execution of the simulation is stopped in the determination of the fourth step, the desired production parameter is totaled as a probability distribution, or a statistical index representing a distribution feature is totaled from the probability distribution and transmitted to the external storage device A fifth step;
Is executed.
[0083]
DETAILED DESCRIPTION OF THE INVENTION
Next, embodiments of the present invention will be described in detail with reference to the drawings.
[0084]
One of the planning methods in the field of product manufacturing is production line simulation.
[0085]
Production line simulation (hereinafter referred to as simulation) is a simulation of the behavior of a production system during a specified production period, with the past, present, or future conditions as initial conditions. The location of the work object flowing through the production line is simulated. The time transition and the time transition of the state of the equipment are the targets of the simulation.
[0086]
Specifically, prepare a production line model that understands the work procedures that determine the flow of work, the manufacturing equipment used for each work, jigs, workers, and work restrictions imposed on them. . Next, after setting the start date and time and the end date and time as the production period, the production control of the actual line is simulated in the computer using the model of the production line.
[0087]
By the way, for example, the working time of a certain process varies due to the influence of the ability difference among individual workers because the workers are involved. The working time can be modeled as a probability event with a probability distribution. Further, in a certain process, the occurrence of rework (rework) for maintaining product quality can be modeled as a stochastic event. In some cases, such as when the work conditions in a certain process are not mature, an experimental work may be performed immediately before the work, which can also be modeled as a stochastic event. The production line model includes a probability element composed of a plurality of different probability events.
[0088]
In this way, it can be understood that some production activities are performed under the influence of various stochastic elements that occur probabilistically, and this is modeled after production is statistically aggregated in the simulation. Is generally performed.
[0089]
At this time, in the production line simulation, the production parameters used in the production system such as the predicted warehousing date / time, proper loading date / time, equipment stop date / time period, number of work in progress, etc. Among them, a desired production parameter to be subject to one or a plurality of predictions and a production parameter whose value is fixed in advance are determined, and the simulation is repeatedly executed.
[0090]
The present invention is a planning apparatus for obtaining a prediction result of a desired production parameter or obtaining a planning result based on a production line model, and evaluates the influence of a probability element included in the production line model. Thus, it has contents for accurately estimating the required number of simulations. It should be noted that the term “simulation” used hereinafter means “Monte Carlo simulation”.
[0091]
The configuration of the first embodiment of the present invention will be described with reference to FIG.
[0092]
Referring to the figure, the first embodiment of the present invention is
A planning device 1 comprising a computer device having one or a plurality of processors (nodes) for producing a production plan by a production line simulation model;
An external device 2 including a terminal device such as a personal computer which gives the planning device 1 information on production parameters and estimation accuracy ε necessary for carrying out the simulation, and obtains simulation results from the planning device 1;
An input / output unit 3 for transmitting a simulation result to the external device 2 in the planning device 1 and transmitting / receiving necessary information to / from the external device 2;
A storage unit 4 comprising a storage device including a main storage device and a magnetic disk device for recording and managing various information;
A simulation execution unit 5 that takes out the designated simulation parameters from the storage unit 4, executes the simulation under the designated conditions, and stores the execution result in the storage unit 4;
And an execution control unit 6 that controls the execution of the Monte Carlo simulation. The simulation in the planning apparatus 1 is executed by a software program, and the program is stored in the storage unit 4 in advance.
[0093]
Next, each simulation execution means constituting the execution control unit 6 will be described. The execution control unit 6
Stability index A expressing the stability of production parameters in the nth simulation _n A stability index calculation means 61 for calculating
Number of times estimation means 62 for estimating the number of times of simulation Nn necessary for evaluating the influence of the probability element from the result of executing the simulation n times;
Simulation stopping means 63 for stopping the execution of simulation when the number of simulations reaches the appropriate number of simulations Nn;
The execution control unit 6 obtains, as a probability distribution, the influence of probability elements on various production plans from the simulation results executed under the estimated accuracy ε given from the external device 2, or obtains appropriate production parameters from the probability distribution. And a totaling means 64 to be obtained.
[0094]
As the stability index Ai generated as a result of the i-th simulation, the average value, variance, standard deviation, etc. of the simulation results up to the i-th for a desired production parameter can be used.
[0095]
Further, the estimation accuracy ε is related to the sequence A of the previous simulation result with respect to the sequence of the stability index Ai. _i-1 Is a threshold value of an allowable error for determining that the simulation has been executed a sufficient number of times when the difference is within the estimation accuracy ε, and is specified by the external device 2.
[0096]
The operation of the embodiment configured as described above will be described with reference to FIGS. 1 and 2.
[0097]
When the simulation for planning is started in the planning device 1, the planning device 1 generates a simulation model request signal S 101 to the external device 2 via the input / output unit 3, and executes the simulation from the external device 2. Simulation model data such as production parameters of the production line is obtained as necessary information (F101).
[0098]
The input / output unit 3 of the planning apparatus 1 generates a simulation model storage request signal S102 and records the obtained simulation model data in the storage unit 4 (F102). Then, the execution control unit 6 controls the simulation execution. Start.
[0099]
Next, the operation in the execution control unit 6 will be described.
[0100]
When the planning apparatus 1 enters the control of the Monte Carlo simulation in the execution control unit 6, the execution control unit 6 issues a simulation execution request signal S10, and the simulation execution unit 5 sets the initial value of n to 1. The nth simulation for predicting the production parameter is executed (F103). The simulation execution unit 5 stores the prediction result in the storage unit 4.
[0101]
When the execution of each number of simulations is completed, the simulation execution unit 5 notifies the execution control unit 6 of a simulation completion notification signal S11.
[0102]
When the execution control unit 6 receives the simulation completion notification signal S11, it generates a stability index reference signal S103 in order to evaluate the influence of the stochastic element on the obtained probability distribution of the desired production parameter, The result of the desired production parameter in the nth simulation is obtained from the storage unit 4 (F104).
[0103]
Next, the execution control unit 6 generates a signal stability index calculation request signal S104 and uses the stability index calculation means 61 in order to evaluate the influence of the stochastic element on the probability distribution of the production parameters. , A stability index A as an index expressing the stability of a desired production parameter in the nth simulation _n Is calculated (F105). In the case of the first simulation with n = 1, the value of the desired production parameter predicted by the first simulation execution unit 5 is A. ₁ And
[0104]
Next, the execution control unit 6 generates a simulation result reference signal S105, and from the storage unit 4 to the nth simulation stability index sequence A. ₁ To A _n Is obtained (F106).
[0105]
Next, the execution control unit 6 generates a simulation number estimation request signal S106, and the number estimation unit 62 calculates the probability included in the production line model from the relative relationship between the simulation result up to the nth time and the estimation accuracy ε specified in advance. In order to obtain the number of simulations Nn necessary for evaluating the influence of the event, an estimation formula for the number of simulations Nn is calculated according to the following formula (F107). However, when n is 1, this calculation is not performed, and the process returns to (F103) to execute a simulation of n = 2.
[0106]
When n> = 2,
[0107]
[Expression 7]

[0108]
Next, an estimated simulation number recording request signal S107 is generated, and the estimated value of Nn is recorded in the storage unit 4 (F108).
[0109]
Next, the execution control unit 6 uses the simulation stopping unit 63 to issue an estimated simulation number reference signal S108, obtains the simulation number Nn from the storage unit 4, and the number n of simulations executed so far is Nn. (F109), if not true, return to (F103) and execute the next n + 1-th simulation.
[0110]
If it is true, the execution of the simulation is stopped when the simulation reaches n times (F110). The execution control unit 6 generates the simulation result reference signal S105, obtains the simulation result executed under the designated estimation accuracy ε from the storage unit 4 (F111), and then generates the aggregation request signal S109. Using the counting means 64, as an index indicating the influence of the stochastic event on various production plans, for example, a desired production parameter is tabulated as a probability distribution (F112), or the distribution characteristics are calculated from the tabulated probability distribution of production parameters. After counting the statistical indexes that are represented (F113), the counting result is recorded in the storage unit 4 by generating a counting result recording request signal S110 (F114).
[0111]
When the planning device 1 receives the total result presentation request signal S111 from the external device 2 in the execution control unit 6, it generates a total result request signal S112, and the desired result is obtained from the simulation total result from the storage unit 4. After obtaining the production parameter tabulation results, the tabulation results are transmitted from the input / output unit 3 to the external device 2 (F115).
[0112]
FIG. 3 is a block diagram showing the configuration of the second embodiment of the planning apparatus according to the present invention.
[0113]
Referring to the figure, a planning apparatus 11 according to the second embodiment of the present invention further includes an input planning section 7 in addition to the configuration of the planning apparatus 1 shown in the first embodiment of the present invention.
[0114]
The input plan planning unit 7 sets the due date information of the desired delivery date of the order and the due date in the in-process state in the process in the middle of production. Information including the estimated input date, the number of simulations, the simulation execution time, and the simulation estimated number Nn, and the result is stored in the storage unit 4 as the input date / time prediction data D3 and is output to the external device 2 71,
When the input plan D4 for instructing the change of the input date of the required order is received from the external device 2, the input plan determination means 72 for reflecting the input plan D4 in the input date / time prediction data D3 and determining the changed input plan D5;
When the actual loading date approaches, loading instruction means 73 for instructing the external device 2 to insert parts,
When order change information including the desired delivery date and in-process information is received from the external device, the change information is stored together with the update time of the time when the change instruction is received, and the plan change management means 74 instructs re-execution of the simulation based on the change information. When,
Each time a predetermined time interval or a predetermined number of simulations is completed, the corresponding result is calculated as input date / time prediction data D6 based on the latest information on each order and stored in the storage unit 4. Regular counting means 75.
[0115]
The operation of the second embodiment configured as described above will be described with reference to FIGS. 3 and 4.
[0116]
The operation of the planning apparatus 11 in the present embodiment is made up of the input plan planning means 71, the input plan determining means 72, the input instruction means 73, the plan change management means 74, and the periodic tabulation of the input plan planning unit 7. Except for the operation related to the means 75, all operations are the same as the operation of the planning apparatus 1 of the first embodiment, and therefore, the description of the contents described in the first embodiment is omitted.
[0117]
The planning apparatus 11 performs the processes indicated as P1, P2, and P3 in the flowchart in FIG. 4 in parallel.
[0118]
Hereinafter, the processing of P1, P2, and P3 will be described.
[0119]
Upon receiving the input plan planning request signal S201 from the external device 2, the plan planning apparatus 11 issues the input plan input request signal S202, and uses the input plan planning means 71 of the input plan planning unit 7 from the external device 2. The desired delivery date D1 and in-process information D2 of each order are input from the input / output unit 2 (F201).
[0120]
After this is recorded in the storage unit 4 (F202), a signal S10 is generated to wait for various request signals from the external device 2 (P1).
[0121]
At the same time, simulation execution control by the execution control unit 6 is started (P2), and a signal S206 from the external device 2 is awaited (P3).
[0122]
Next, the operation of P2 in the execution control unit 6 of the planning apparatus 11 will be described.
[0123]
The execution control unit 6 is different from the processing shown in the first embodiment in that the simulation content used in the simulation execution unit 5 uses a simulation unit that makes a charging plan.
[0124]
Here, the input plan simulation is a planning means that calculates the date and time of the parts and materials that make up the product after setting the delivery date of the order in the future, and can handle probability elements Anything can be used.
[0125]
When the execution control unit 6 starts control of simulation execution, the desired delivery date D1 and work in progress information D2 previously received and stored from the external device 2 in the process of P1 are extracted from the storage unit 4 and a simulation execution request signal S10 is generated. To do.
[0126]
Based on the signal of S10, the simulation execution unit 5 executes the n-th simulation in which the initial value of n is 1 in order to predict the input date and time (F203).
[0127]
When the execution of each number of simulations is completed, the simulation execution unit 5 notifies the execution control unit 6 of a simulation completion notification signal S11. When the execution control unit 6 receives the simulation completion notification signal S11 from the simulation execution unit 5, the execution control unit 6 generates an input plan extraction request signal S203.
[0128]
In S203, the input plan planning unit 71 extracts the input prediction date, the number of simulations, and the simulation execution time at the number of times as input date / time prediction data D3 from the simulation result (F204), and then the input plan planning result A recording request signal S204 is generated, and the input date / time prediction data D3 of the simulation result at the nth time is recorded in the storage unit 4 (F205).
[0129]
Next, when the execution control unit 6 generates the signal stability index calculation request signal S104 in order to evaluate the influence of the probabilistic element on the probability distribution of the input date and time of each order, the stability index calculation is performed. Means 61 is a stability index A of the input date and time of each order in the n-th simulation. _n Then, the average value of the input date and time by the simulation up to n times is calculated and stored in the storage unit 4 (F206). In addition, when n is 1, the input date and time predicted for the first time is A ₁ And return to (F203) to execute the second simulation.
[0130]
Next, the execution control unit 6 generates a simulation result reference signal S105, and from the storage unit 4 to the nth stability index sequence A. ₁ To A _n Is obtained (F207).
[0131]
Next, the execution control unit 6 generates a simulation number estimation request signal S106. Accordingly, the number of times estimation means 62 can perform simulation results A up to the nth time. ₁ To A _n Then, in order to calculate the necessary number of simulations from the relative relationship of the estimation accuracy ε designated in advance, the estimation of the number of simulations Nn is calculated according to the following equation (F208).
[0132]
When n> = 2,
[0133]
[Equation 8]

[0134]
Next, the execution control unit 6 generates an estimated simulation number recording request signal S107 and records the estimated value of Nn in the storage unit 4 (F209).
[0135]
At this time, the input plan planning means 71 adds Nn calculated here to the input date / time prediction data D3 previously taken out as the last operation of P2, and for each order recorded as the input date / time prediction data D3. The simulation result from the last designated update time to the present time is recorded in the storage unit 4 as a plan effective at that time (F210), and the process of P2 starting from the process of (F203) is continued again. . The update time is the time at which the planning apparatus 11 is instructed to correct and change the desired delivery date D1 and work-in-process information D2 initially set from the external device 2 for the order and start the simulation again from the beginning. Say. However, D3 stores information on all the simulation times for each order that spans multiple update times.
[0136]
Next, the operation of P3 in the input planning unit 7 of the planning apparatus 11 will be described.
[0137]
When the plan planning device 11 receives the input plan reference request signal S206 from the external device 2, the input plan planning unit 7 generates the input date and time prediction data reference request signal S205, so that the input plan planning means 71 is stored in the storage unit 4. The input date / time prediction data D <b> 3 is obtained and output to the external device 2 via the input / output unit 3.
[0138]
Contents to be output are all plans planned over a plurality of update times (F211), plans planned from the update time of each order to the present time (F212), for example, designated from 2 hours before to the current time, etc. Since either the plan of the period or (F213) is designated from the external device 2, the output is performed accordingly.
[0139]
At this time, the prediction result of the insertion date and time of each order is also shown whether or not the necessary number of simulations have been completed. This can be presented by comparing the latest simulation result for each order stored in D3 with the number of simulations executed and Nn corresponding to that number. Then, the planning apparatus 11 again continues the process of P3 starting from the process of (F211) according to the instruction from the external apparatus 2.
[0140]
Next, the operation of the input planning unit 7 by P1 of the planning device 11 will be described.
[0141]
When the plan making device 11 receives the input plan input request signal S202 from the external device 2, the input plan making unit 7 uses the input plan making means 71 to input the desired delivery date D1 and in-process information D2 of each order to the input / output unit 2. (F201), recorded in the storage unit 4 (F202), and proceeds to the next signal processing.
[0142]
The planning apparatus 11 finishes the simulation for the period set in advance for each order or the number of simulations designated in advance, for example, the 10th, 20th,..., 100th,. Each time a periodic aggregation request signal S12 is issued.
[0143]
Based on this signal, the regular tabulation means 75 performs tabulation processing on the input date / time prediction data D3 based on the period and the number of times. At this time, the input plan planning unit 7 issues an input date / time prediction data reference request signal S205. Receiving this signal S205, the periodic counting means 75 refers to the input date / time prediction data D3 from the storage unit 4 (F214).
[0144]
The periodic counting means 75 refers to time information and simulation count m held in the input date / time prediction data D3, and selects information to be periodically tabulated. The plans planned from the update time of each order to the time of aggregation are extracted as a set (AP) of planning plans effective at that time for the orders (F215).
[0145]
Next, the periodic counting means 75 completes the simulation necessary for the planning of the input date / time of the order when it has been determined from the input date / time prediction data D3 whether m has reached the appropriate number of simulations Nn. Is recorded in the input date / time prediction data D3 of the storage unit 4 (F216).
[0146]
Next, the periodic counting means 75 uses the counting means 64 to count as a probability distribution of the input date and time of each order with respect to a set of effective planning plans (AP) (F217), and the probability distribution of the input date and time already counted Then, statistical indexes representing distribution characteristics are totaled (F218), recorded in the storage unit 4 (F219), and then the next signal processing is performed.
[0147]
Next, when the planning device 11 receives the input date correction signal S207 for correcting the input date from the external device 2, the input date correction data D4 is obtained from the external device 2 via the input unit 3 (F220), and the storage unit 4 is recorded (F221).
[0148]
Next, the input plan determining means 72 obtains the input date / time prediction data D3 from the storage unit 4, and incorporates it as the input plan D5 (F222).
[0149]
Next, only the order for which the insertion date / time correction is designated in the insertion date / time correction data D4, the input date / time of the input plan D5 is corrected (F223), and this is set as the input plan D5 (F224).
[0150]
Next, the input plan correction signal S208 is generated, and the input plan D5 is recorded in the storage unit 4 (F225), and the input plan D5 is output to the external device 2 via the input / output unit 3 (F226). Move on to processing.
[0151]
When the planning device 11 receives the plan change request signal S209 from the external device 2 via the input / output unit 3, the plan change management means 74 obtains information on the order to be changed from the input / output unit 3 (F227). The storage unit 4 is updated based on the delivery date, order size, and change contents, and the order information update time is recorded as order information (F228). Based on the changed and reset information, this order is recorded. Requesting the execution of a new simulation with n = 1, the process proceeds to the next signal processing.
[0152]
When the planning device 11 receives the input instruction request S210 from the external device 2, the input instruction means 73 generates an input plan reference request signal S211 to obtain the input plan D5 determined from the storage unit 4 (F229). By presenting the input plan D5 of all orders to the external device 2 via the output unit 3 (F230), the actual input is instructed. Thereafter, the signal processing of P1 is continued.
[0153]
FIG. 5 is a block diagram showing the configuration of the third embodiment of the planning apparatus according to the present invention.
[0154]
Referring to the figure, the planning apparatus 12 according to the third embodiment of the present invention has a configuration of the planning apparatus 1 shown in the first embodiment of the present invention in each simulation period designated in advance. A progress / receipt date predicting unit 8 is provided for predicting the progress / receipt date of each order when the process arrived at the order, its time, the date and time of receipt, etc. are defined as the progress / receipt date.
[0155]
The progress / receipt date predicting unit 8 formulates a progress / receipt predicted date that is a predicted status of work and a progress date of receipt for each order in a set period, and stores the result as progress / receipt date predicted data D9. A progress / receipt date predicting means 81 stored and managed in the section 4;
Prediction condition change management means 83 that obtains information on the order to be changed and records the order delivery date, order size, change contents, and order information update time in the storage unit 4;
Upon receipt of the input date and time correction signal S306 of each order, the progress / reception date prediction data D9 obtained before the change of the prediction condition is summarized as a simulation prediction result under the same condition and aggregated as a probability distribution, etc. Prediction condition change management means 83 stored and managed in the storage unit 4 as order progress / receipt total data D10;
Progress / receipt date prediction presentation means 84 for presenting the progress / receipt date prediction data D9 and the aggregated progress / receipt total data D10 to the external device 2 as actual progress / receipt date prediction information;
Each time a predetermined time interval or a predetermined number of simulations are completed, the corresponding results are calculated as progress / receipt total data D10 from the progress / receipt date prediction data D9 based on the latest information of each order and stored. 4 is different from the first embodiment in that a periodic totaling means 85 is provided.
[0156]
The operation of the third embodiment configured as described above will be described with reference to FIGS. 5 and 6. The operation of the planning device 12 is performed by the progress / receipt date prediction unit 81 of the progress / receipt date prediction unit 8, the prediction condition change management unit 83, the progress / receipt date prediction presentation unit 84, and the periodic tabulation unit 85. Since all the operations other than the related operations are the same as the operations of the planning apparatus 1 of the first embodiment, the description of the operations is omitted here.
[0157]
The planning apparatus 11 performs the processes indicated as P11, P12, and P13 in the drawing in parallel.
[0158]
Hereinafter, the processes of P11, P12, and P13 will be described.
[0159]
Upon receiving the progress / receipt date prediction request signal S301 from the external device 2, the planning device 12 issues the input order input request signal S302 and uses the progress / receipt date prediction means 81 of the progress / receipt date predicting unit 8. After obtaining the desired input date D7 and in-process information D8 of each order previously input from the external device 2 (F301), a signal S10 is generated to wait for various request signals from the external device 2. (P11).
[0160]
At the same time, simulation execution control in the execution control unit 6 is started (P12). At the same time, it waits for various request signals from the external device 2 (P13).
[0161]
Next, the operation of P12 of the planning apparatus 12 will be described.
[0162]
The execution control unit 6 uses the work progress / receipt date prediction simulation means in which the content of the simulation used in the simulation execution unit 5 predicts the warehousing date and the like of the process shown in the first embodiment. Is different.
[0163]
Here, the progress / receipt simulation is a planning means for obtaining the work progress process and the receipt date / time from the order entry date / time in a predetermined period, and what is possible if it can handle the probability element? You can use it.
[0164]
When starting execution control of the simulation, the execution control unit 6 generates a simulation request signal S10 and executes the nth simulation with the initial value of n set to 1 (F302).
[0165]
When the execution of each simulation is completed, the simulation execution unit 5 notifies the execution control unit 6 of a simulation completion notification signal S11. When the execution control unit 6 receives the simulation completion notification signal S11 from the simulation execution unit 5, the execution control unit 6 generates a progress / prediction result extraction request signal S303. Is extracted as progress / reception date prediction data D9 (F303), and the obtained progress / reception date prediction data D9 is recorded in the storage unit 4 (F304).
[0166]
Next, the execution control unit 6 generates a signal stability index calculation request signal S104 and evaluates the stability index calculation means 61 in order to evaluate the influence of the stochastic element on the probability distribution of the receipt date and time of each order. , Stability index A of the date and time of receipt of each order in the nth simulation _n Then, the average value of the storage date and time of each order is calculated and the result is stored in the storage unit 4 (F305). However, if the number of simulations is n = 1, the warehousing date and time of the first simulation result is A ₁ And return to (F302) without executing the calculation of the average value.
[0167]
Next, the execution control unit 6 generates a simulation result reference signal S105 and obtains the result of the simulation up to the n-th time from the storage unit 4 (F306).
[0168]
Next, the execution control unit 6 generates a simulation number estimation request signal S106, and the number estimation unit 62 calculates the necessary number of simulations from the relative relationship between the simulation result up to the nth time and the estimation accuracy ε specified in advance. Therefore, an estimated value of Nn is calculated according to the following equation for estimating the number of times of simulation Nn (F307).
[0169]
When n> = 2,
[0170]
[Equation 9]

[0171]
Next, an estimated simulation number recording request signal S107 is generated, and the estimated value of Nn is recorded in the storage unit 4 (F308). At this time, the progress / receipt date prediction unit 8 records the prediction results from the update time of each order recorded as the progress / receipt date prediction data D9 to the present time in the storage unit 4 as the prediction results effective at that time. Then (F309), the process of P12 starting from the process of F302 is continued again.
[0172]
Next, the operation of P13 of the planning apparatus 12 will be described.
[0173]
When the planning device 12 receives the progress / receipt date prediction reference request signal S305 from the external device 2, the progress / receipt date predicting unit 8 receives from the storage unit 4 the progress / receipt date prediction data for all orders scheduled to be stocked. D9 is obtained and output to the external device 2 via the input / output unit 3.
[0174]
It should be noted that the contents to be output are all the prediction results (F310), the results predicted from the update time of each order to the current time (F311), or the prediction results for the specified period (F312). Can be output.
[0175]
At this time, it is also shown whether or not the necessary number of simulations have been completed for the prediction of the progress process and warehousing date and time of each order. Then, the planning device 12 continues the process of P13 starting from the process of F310 again.
[0176]
Next, the operation of the progress / receipt date prediction unit 8 by P11 of the planning apparatus 12 will be described.
[0177]
When the planning device 12 receives the progress / receipt date prediction request signal S301 from the external device 2, the progress / receipt date prediction means 81 of the progress / receipt date predicting unit 8 generates the input order input request signal S302.
[0178]
When S302 is generated, the desired input date D7 and in-process D8 of each order input in advance from the external device 2 are obtained from the storage unit 4 (F301), and the process proceeds to the next signal processing.
[0179]
The planning device 12 periodically issues a periodic aggregation request signal S12 when a simulation is performed for a preset period or one or a plurality of preset times. Based on the signal of S12, the progress / receipt date prediction unit 8 uses the regular tabulation means 85 to perform a tabulation process on the progress / receipt date prediction data D9.
[0180]
At this time, the progress / reception date prediction unit 8 issues a progress / reception date prediction data reference request signal S304. When S304 is issued, the periodic tabulation unit 85 refers to the progress / entry date prediction data D9 from the storage unit 4 (F313).
[0181]
The periodic totaling means 85 is a set of prediction results that are valid for the order from the update time of the date / time when the start of simulation of each order in the progress / receipt date prediction data D9 is instructed to the totaling time. (PR) is extracted and the number of simulations m is obtained (F314).
[0182]
Next, the periodic counting means 75 determines that m has reached the appropriate number of simulations Nn, and if it has been reached, the storage unit indicates that the necessary simulation has been completed regarding the planning of the order entry date and time. 4 is recorded in the progress / receipt date prediction data D9 (F315).
[0183]
Next, the periodic tabulation means 85 uses the tabulation means 64 to tabulate as a probability distribution of the warehousing date / time of each order with respect to the set of valid prediction results (PR) (F316), and the probability distribution of the warehousing date / time already tabulated. Then, statistical indexes representing distribution characteristics are totaled (F317), recorded in the storage unit 4 (F318), and then the next signal processing is performed.
[0184]
Next, when the planning device 12 receives the input date / time correction signal S306 of each order for correcting the input date / time of each order from the external device 2 via the input / output unit 3, the prediction condition change management means 83 inputs / outputs. Information on the order to be changed is obtained from the section 3 (F319), and the delivery date of the order, the size of the order, the contents of the change, and the order information update time are recorded in the storage section 4 (F320).
[0185]
Further, when the planning device 12 receives the progress receipt date prediction presentation request S307 from the external device 2, it refers to the progress / receipt date prediction data D9 obtained before the prediction condition is changed as a prediction result of the same condition. (F321), the progress / receipt date prediction results of each order are aggregated (F322), recorded as progress / receipt aggregated data D10 in the storage unit 4 (F323), and the next signal processing is performed.
[0186]
Next, when the progress / receipt date prediction presenting means 84 receives the progress receipt date prediction reference request signal S308, it obtains the progress / receipt total data D10 from the storage unit 4 (F324), and receives all orders via the input / output unit 3. The actual progress / entry data D10 is presented to the external device 2 (F325), so that actual progress / entry date prediction information is provided, and then the signal processing of P11 is continued.
[0187]
FIG. 7 is a block diagram showing the configuration of the fourth embodiment of the planning apparatus according to the present invention.
[0188]
Referring to the figure, the planning apparatus 13 according to the fourth embodiment of the present invention includes an execution control unit in the configuration of the planning apparatus according to the first, second, and third embodiments of the present invention. 6, when there are M available computer nodes that can simultaneously execute simulation processing for planning, the estimated number of simulations Nn based on the nth simulation result and the number of simulations n performed so far , M parallel planning simulations are executed when (Nn-n) / M> 1, and (Nn-n) modM simulations are executed otherwise. The difference is that the execution control means 65 is added.
[0189]
The operation of the apparatus according to the fourth embodiment configured as described above will be described with reference to FIGS. 7 and 8. Since the operation of the execution control unit 6 of the planning apparatus 13 is the same as that of the first embodiment except for the operation related to the parallel execution control means 65, the description of the operation is omitted here.
[0190]
When the execution control unit 6 of the planning apparatus 13 receives the simulation execution request signal S10, the parallel execution control means 65 performs simulation for an arbitrary number of times equal to or more than two preset times in order to obtain the estimated number of simulations Nn. Later (F401), the parallel execution control means 65 uses the number M of available nodes, the estimated number of simulations Nn in the last nth simulation executed an arbitrary number of times, and the number of simulations n that have been executed so far. (F402).
[0191]
If (Nn-n) / M> 1, prepare to execute a simulation at the node of M (F403), and if (Nn-n) / M> 1 other than (Nn-n) Preparation for executing the simulation at the node of modM is performed (F404), the parallel execution request signal S401 is issued, and the simulation execution unit 5 executes the simulation, thereby performing an extra simulation. Plan the purpose without executing Here, the simulation is a planning means, and any method may be used as long as it can handle a probability element.
[0192]
Note that simulation results on desired parameters from each node are collected in the parallel execution control means 65. The parallel execution control means 65 arranges the simulation results from each node in the order of acceptance, and if the number of the first simulations arranged is i, the simulation results that have already been completed before the parallel processing and the i-th simulation result are performed. The stability index Ai and the simulation estimation number Ni are calculated from the above, and the subsequent calculation is performed in the same manner. 2, 4, and 6 of the flowcharts corresponding to 1, 2, and 3 of the above-described embodiment, the block that calls the step (F401) in FIG. 8 is shown as (hook to F401). ing.
[0193]
【Example】
A first embodiment of the planning apparatus of the present invention will be described with reference to the drawings.
[0194]
For example, consider a production simulation that aims to determine the effect of various probability factors on a production line on the total number of products received within a certain period.
[0195]
It should be noted that any means may be used as the simulation means used for obtaining the total number of warehouses, and the probability model to be used may be a model considering any element.
[0196]
For the simulation being executed sequentially, from the simulation results up to the nth time executed up to that point, for example, the average total warehousing number A as a stability index _n For example, Nn is calculated as an appropriate number of simulations that makes it possible to accurately obtain the probability distribution of the total number of warehousing.
[0197]
For example, when A2 is 613 lots and A3 is 616 lots in the second simulation, 10 lots are set as ε, and the simulation is executed. I have.
[0198]
However, in the estimation formula based on the third trial, 60.41 trials are required, and the number of trials is estimated 31 times in the 16th trial.
[0199]
Moreover, when ε was set to 1 lot and the simulation was executed, the ε determination was aborted at the third trial, but according to the estimation formula at the third trial, 613.5 trials are necessary. It is possible to avoid censoring after 3 times.
[0200]
After all, in the 155th trial, the estimated number of trials of 308 was estimated. FIG. 9 shows an example in which the influence of the probability factor on the number of warehousing is obtained as a cumulative distribution of the number of trials from the simulation result up to the 1000th time in this embodiment.
[0201]
As the cumulative frequency distribution obtained from the trial results of the repeated simulation, an enlarged view of the results of 60 trials is shown in FIG. 10, an enlarged view of the results of 308 trials is shown in FIG. 11, and an enlarged view of the results of 613 trials is shown in FIG. An enlarged view of the results of 1000 trials is shown in FIG.
[0202]
When comparing the similarity of the numerical value of the number of warehousing in the part surrounded by two circles in the four graphs in the figure and the numerical value of the part representing the maximum value, 60 trials are insufficient, and 308 trials are 1000 times. It turns out that the result which can approximate the result of a trial has come out.
[0203]
FIG. 9 shows an example in which a statistical index representing the distribution characteristics is calculated from the distribution of the number of warehousing results of 1000 trials, as an average value (615.314), a standard deviation (4.1745455584), a mode value ( 616) and the median value (615).
[0204]
It becomes possible to evaluate in advance the influence of the probability element on the total number of goods received from the facility from the simulation results given as described above and the aggregation results.
[0205]
Next, a second embodiment of the planning apparatus of the present invention will be described with reference to the drawings.
[0206]
It differs from the first embodiment in that it uses a simulation means to plan the input date and time of individual orders on the production line, and evaluates the effect of various probability factors on the production line on the input date and time of individual orders. The purpose is to do. It should be noted that any means may be used as a simulation means used for making an input plan for each order, and a probability model to be used may be a model considering any element.
[0207]
In order to periodically aggregate the simulation results executed for making the input plan, for example, the aggregation process is performed for a period of about 30 minutes as a period of the periodic aggregation, or for a preset number of times.
[0208]
Hereinafter, an example of planning the input date and time of the order SC27V1902 scheduled to be input will be shown. Note that, here, as an example, a planning example of the input date and time of one order (denoted as j) is shown, but it is general to process a plurality of orders simultaneously in parallel.
[0209]
The planning device first obtains desired delivery date information of the order from an external device. In addition, while repeatedly executing the input plan planning simulation a plurality of times, the plan that has been planned from the last update time of the information of each order to the present time is regarded as an effective plan at that time. As a stability index indicating the stability of the prediction of the input date and time from the input plan planning result in the n-th input plan planning simulation planned up to that point, for example, the average value A of the input date and time of each order j _n , J, and, for example, Nn, j is calculated as an appropriate number of simulations that can accurately obtain the probability distribution of the input date and time of each order j.
[0210]
An example of the time when the plan planning is executed three times from the update time of the information related to the order SC27V1902 to the time when the input plan planning result is totaled is shown. As a result of extracting the effective plan of the order, the average value A of the input date up to the second time A ₁ , J as July 13th, average A ₂ , J is obtained as July 10, and ε is set to 6 hours. According to the estimation formula (A) in the third trial, 199 appropriate trials are obtained. At this time, Nn in the formula (A) is changed to Nn, j, A _n Is A _n , J for use. At this time, since the appropriate number of simulations has not reached 199, it is recorded that the necessary number of simulations has not been completed regarding the planning of the order entry date and time.
[0211]
After that, planning continues, but when it is determined that the number of planning has reached the appropriate number of trials at each time point, the appropriate number of simulations has been reached. Is recorded.
[0212]
At the same time, the probability distribution of the input date and time of each order is aggregated for a set of effective planning plans. FIG. 14 is an example of the input date / time totaling result of the order SC27V1902. Calculate statistical index of probability distribution of input date and time, and obtain mean value (July 10), standard deviation (2.1943 days), mode value (July 9), median value (July 10) These indices are registered as order insertion date / time prediction data.
[0213]
It should be noted that the estimated date of input is not used as the actual input date as it is, but is corrected by the personnel involved in the planning work before actual input.
[0214]
Regarding the order SC27V1902, after referring to the input date and time distribution shown in FIG. 14, for example, the safety in terms of achieving the delivery date is taken into consideration about 3 days from the predicted result, and the input will be performed on July 7. Input date / time correction data to be reflected in the system is instructed from the terminal of the external device.
[0215]
In accordance with the instruction, the plan making apparatus corrects the predicted insertion date and time of the order, and registers the corrected plan as the actual insertion date and time of the order, or updates it with the corrected plan if it has already been registered.
[0216]
If there is an input date / time inquiry from an external device regarding the order, the planning device returns July 7 as the registered input date / time, as well as the distribution date / time distribution information, distribution statistical index, Then, information such as whether or not the prediction process necessary for predicting the warehousing date / time has been completed is returned to the dedicated terminal or the like.
[0217]
For orders that have not been corrected for the input date and are not registered as input plans, refer to the input date prediction data, and if present, the input date prediction data should be predicted data. Reply to the dedicated terminal.
[0218]
Further, the planning apparatus determines that the order insertion date and time July 7 has approached when the actual date has reached an appropriate date and time for instructing the actual input, such as July 6th, for example. Instructs a dedicated terminal or the like to place an order.
[0219]
As mentioned above, by giving the desired delivery date for each order entry date and time, the impact of the probability factor on the input date and time planning is predicted and evaluated in advance and shown to the person in charge of actual planning work. The person in charge of the planning business who refers to the result can register and update the actual input date and time. Further, it is possible to issue an actual input instruction by outputting it to an external device based on the input date and time of each registered order.
[0220]
Next, a third embodiment of the planning apparatus of the present invention will be described with reference to the drawings.
[0221]
The second embodiment of the present invention is different from the second embodiment in that a simulation means for predicting the progress / receipt of individual orders on the production line is used. The purpose is to evaluate in advance the impact on warehousing date and time. It should be noted that any means may be used as the simulation means used for the progress / receipt date prediction of each order, and the probability model to be used may be a model considering any element.
[0222]
In order to periodically calculate the progress of work from the order entry date and time and the simulation results to be executed to obtain the warehousing date and time, for example, a period of about 30 minutes as a period of periodic aggregation, or about 10 times The number of simulations is preset to the upper limit.
[0223]
In the following, a progress example of the order SC27V1959 scheduled to be input or an example of prediction of the warehousing date and time will be shown.
[0224]
In the following, a prediction example in the case of one order (denoted as j) is shown as an example. However, a plurality of orders may be processed in parallel in the same manner.
[0225]
The planning device first obtains information such as the desired order entry date, in-process, equipment, etc. from the external device. It should be noted that the results predicted from the update time of each order information to the present time while repeatedly executing the progress / warehousing simulation a plurality of times are set as a set of prediction results effective at that time. The average of the warehousing date and time of each order j as a stability index indicating the stability of the prediction of the warehousing date and time, for example, from the prediction result of the progress process or warehousing date and time in the nth progress / warehousing simulation predicted up to that point Value A _n , J, and, for example, Nn, j is calculated as an appropriate number of simulations that can accurately obtain the probability distribution of the warehousing date and time of each order j.
[0226]
An example at a stage where it has been implemented three times, for example, from the update time of the information related to the order SC27V1959 to the time of aggregation of the warehousing date prediction result is shown. As a result of extracting a set of valid plans for an order, the average value A of the date and time of receipt up to the second time ₁ , J as August 14th, the average A ₂ , J is obtained as August 12, and ε is set to 6 hours, and according to the estimation formula (A) in the third trial, 119 appropriate trials are obtained. At this time, Nn in the formula (A) is changed to Nn, j, A _n Is A _n , J for use.
[0227]
At this time, since the appropriate number of simulations has not reached 119, it is recorded that the necessary number of simulations has not been completed for the prediction of the date and time when the order is received. After that, the prediction is continued, but when it is determined that the number of predictions has reached the appropriate number of trials at each time point, the appropriate number of simulations has been reached. Is recorded. At the same time, the probability distribution of the warehousing date and time predicted for each order is aggregated for a set of valid prediction results.
[0228]
FIG. 15 is an example of a totaling result of the predicted receipt date and time of order SC27V1959. Calculate statistical index of probability distribution of warehousing date and time, and obtain mean value (August 14), standard deviation (4.3349 days), mode value (August 14), median value (August 14) And these indices are registered as order receipt date and time prediction data. The progress process prediction is different in that statistical processing is performed by replacing the time of warehousing date and time with a serial process number previously assigned to each process in production management. If there is an inquiry about the predicted warehousing date and time regarding the order, the planning device will register the distribution information of the predicted warehousing date and time, the statistical index of the distribution, and the number of times necessary for predicting the warehousing date and time. Information such as whether or not is completed is returned to a dedicated terminal or the like. As mentioned above, it is possible to predict and evaluate in advance the impact of the probability factor on the receipt date and time and give it to the person in charge of order management by giving the desired entry date and time for the receipt date and time of each order. Therefore, the person in charge who refers to the prediction result can correct and update the input date and time appropriately based on the order prediction result. In addition, it is possible to manage the work progress of each order based on the predicted date of receipt of each order.
[0229]
Next, a fourth embodiment of the planning apparatus of the present invention will be described with reference to the drawings.
[0230]
The first embodiment of the present invention is different from the first embodiment in that the number of simulation parallel executions to be executed in parallel at one time is obtained and executed in parallel as necessary. The planning apparatus has a plurality of computer nodes, and the number of nodes that can be used changes at each time point.
[0231]
The first embodiment will be described with reference again. After one simulation is designated as ε and two simulations are performed, 613 trials are estimated as the estimated number of simulations Nn.
[0232]
Note that the number of nodes including executable processors described below is variable.
[0233]
Here, assuming that the number of available nodes of the planning apparatus is 100 and the estimated number of simulations is 613.5, if the trial is advanced, since the number of simulations that have been started so far is 2, As a determination for obtaining the number of executions, (613-2) / 100> 1 is obtained, and preparation for simultaneously executing simulation at 100 nodes is performed.
[0234]
Thereafter, it is assumed that the processing is advanced and the number of simulations executed so far is 102, and the number of available nodes is 228.
[0235]
The estimated number of simulations at this time is A ₁₀₁ Value of 615.604 and A ₁₀₂ From the value of 615.598, it is estimated that 486 times. At this time, since the determination for obtaining the number of parallel executions is (486-102) / 228> 1, preparation for executing the simulation is performed at the node 228, and the simulation is executed.
[0236]
Thereafter, it is assumed that the processing is advanced and the number of times the simulation executed so far is executed 330 times and the number of available nodes is 50. The estimated number of simulations at this time is A ₃₃₉ Value of 615.442 and A ₃₄₀ The value of 615.435 is estimated to be 308 times. At this point, the number of simulation executions exceeds the estimated number, so the simulation trial is terminated.
[0237]
Thus, the object can be achieved without executing extra simulation. By performing the processing as described above, efficient simulation execution and planning can be performed even when a probabilistic element is included in the planning simulation model.
[0238]
【The invention's effect】
As described above, according to the present invention, a specific event occurring in a production system is treated as a stochastic element in a calculation model, a production line simulation is executed a plurality of times, and a prediction result of a desired production parameter is obtained. Stability of indicators to determine the effects of probabilistic elements on parameters, as well as various predictions such as the appropriate input date and time, and plan parameters when obtaining plan results and planning results During the repeated simulation, the number of simulation executions to satisfy the accuracy specified in advance with respect to the stability index is calculated based on the estimation formula, and the simulation execution is aborted based on the number of executions. Because the error rate of the desired parameter accidentally met the general threshold condition, Without repeatedly interrupting the simulation in a state not getting probability distribution shape of years, it is possible to provide a means for obtaining a shape close to the original probability distribution for the desired parameters.
[0239]
In the planning apparatus according to the present invention, the number of simulations Nn necessary to obtain a shape close to the original probability distribution with respect to a desired production parameter is estimated, and the Monte Carlo simulation is performed within the estimated number of times. In practice, it is possible to avoid executing an unnecessary simulation and obtain desired parameters at high speed.
[0240]
In the planning apparatus according to the present invention, since the required number of Monte Carlo simulations can be obtained from the results of several simulation executions, in a parallel computer environment where a plurality of planning can be processed in parallel, As a result, it becomes possible to efficiently operate a parallel computer.
[0241]
In the planning apparatus according to the second embodiment of the present invention, when planning the input, defects and equipment generated in the process of each process from input to warehousing based on the desired delivery date of each order In order to implement Monte Carlo / input planning simulation considering the effects of probabilistic factors such as failures and work delays, obtain the probability distribution and statistical parameters of the input date and time of each order, and determine the input date and time of each order. Can be used for material.
[0242]
In the planning apparatus according to the present invention, the number of simulations Nn necessary to obtain a shape close to the original probability distribution of the input date and time is estimated, and the result of determining whether or not the necessary simulation execution is completed is used. By presenting it to the person, it becomes possible to present information for judging the reliability of the prediction result to the person in charge of making the input date and time.
[0243]
Further, in the planning apparatus according to the present invention, even if the desired delivery date is changed before the lot of each order is actually put in, the plan is made up to that point after the desired delivery date of each order is changed. By summing up the input plans, the input date and time of each order can be obtained with high accuracy.
[0244]
In the planning apparatus of the third embodiment of the present invention, when planning the input, defects that occur in the process of each process from input to warehousing based on the desired input date and time of each order, In order to implement Monte Carlo / input planning simulation that takes into account the effects of stochastic factors such as equipment failure and work delay, work progress of each order is obtained by obtaining the probability distribution and statistical parameters of the work progress of each order and the date of receipt. -Obtaining the prediction result of warehousing date and time can be used for work progress management and warehousing management of each order
[0245]
Further, the planning apparatus according to the present invention estimates the number of simulation times Nn necessary to obtain a shape close to the probability distribution of the original work progress and warehousing date and time, and determines whether or not the necessary simulation execution has been completed. By presenting the result to the user, it is possible to present information for judging the reliability of the prediction result to the person in charge of work progress management.
[0246]
Further, in the planning apparatus according to the present invention, even if the input date / time is changed before the lot of each order is actually input, the planning is performed after the input date / time of each order is changed. By summing up the inputted input plans, it is possible to accurately obtain the work progress of each order, the probability distribution of the warehousing date and time, and the statistical parameters.
[0247]
In the planning apparatus according to the present invention, each processor in a parallel computer environment in which a plurality of plans can be processed in parallel by obtaining the number of simulations required in advance to obtain a desired parameter. By allocating the planning process, it is possible to operate the parallel computer efficiently without executing extra simulation.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of a first exemplary embodiment of the present invention.
FIG. 2 is a flowchart showing an operation flow of the first embodiment of the present invention.
FIG. 3 is a block diagram showing a configuration of a second exemplary embodiment of the present invention.
FIG. 4 is a flowchart showing a flow of operation of the second exemplary embodiment of the present invention.
FIG. 5 is a block diagram showing a configuration of a third exemplary embodiment of the present invention.
FIG. 6 is a flowchart showing an operation flow of the third embodiment of the present invention.
FIG. 7 is a block diagram showing a configuration of a fourth exemplary embodiment of the present invention.
FIG. 8 is a flowchart showing a flow of operations according to the fourth embodiment of the present invention.
FIG. 9 is a diagram showing a cumulative distribution graph of the number of warehousing when the simulation processing of the present invention is executed 60 times, 308 times, 613 times, and 1000 times, and a statistical index when 1000 times are executed.
FIG. 10 is an enlarged view of FIG. 9 of a cumulative distribution graph of the number of warehousing when the simulation process of the present invention is executed 60 times.
FIG. 11 is an enlarged view of FIG. 9 of a cumulative distribution graph of the number of warehousing when the simulation process of the present invention is executed 308 times.
12 is an enlarged view of FIG. 9 of a cumulative distribution graph of the number of warehousing when the simulation processing of the present invention is executed 613 times.
13 is an enlarged view of FIG. 9 of a cumulative distribution graph of the number of warehousing when the simulation processing of the present invention is executed 1000 times.
FIG. 14 is a diagram showing a distribution of input dates / times planned for the order SC27V1902.
FIG. 15 is a diagram showing a distribution of warehousing date and time predicted for order SC27V1959.
FIG. 16 is a graph showing the difference between the number of simulations and the number of times calculated by the estimated number calculation formula in the ε stroke determination for the average input date error.
[Explanation of symbols]
1 planning device
2 External device
3 Input / output section
4 storage
5 Simulation execution part
6 Execution control unit
7 Input Planning Department
8 progress / receipt date prediction part
61 Stability index calculation means
62 Number estimation means
63 Simulation stop means
64 Aggregation means
65 Parallel execution control means
71 Input planning means
72 Input plan decision means
73 Input instruction means
74 Plan change management means
75 Periodic counting means
81 Progress / receipt date prediction means
83 Prediction condition change management means
84 Progress / receipt date prediction presentation means
85 Periodic counting means
D1 desired delivery date
D2 In-process information
D3 Input date prediction data
D4 input plan
D5 Changed input plan
D6 Input date and time summary data
D7 Desired launch date
D8 In-process information
D9 Progress / receipt date forecast data
D10 Progress / receipt total data
S10 Simulation execution request signal
S11 Simulation completion notification signal
S12 Periodic aggregation request signal
S101 Simulation model request signal
S102 Simulation model storage request signal
S103 Stability index reference signal
S104 Signal stability index calculation request signal
S105 Simulation result reference signal
S106 Simulation frequency estimation request signal
S107 Estimated simulation times recording request signal
S108 Estimated simulation times reference signal
S109 Total request signal
S110 Count result recording request signal
S111 Total result presentation request signal
S112 Count result request signal
S201 Input plan request signal
S202 Input plan input request signal
S203 Input plan extraction request signal
S204 Input plan planning result record request signal
S205 Input date / time prediction data reference request signal
S206 Input plan reference request signal
S207 Input date / time correction signal
S208 Input plan correction signal
S209 Plan change request signal
S210 Input instruction request
S211 Input plan reference request signal
S301 Progress / receipt date prediction request signal
S302 Input order input request signal
S303 Progress / forecast result extraction request signal
S304 Progress / receipt date forecast data reference request signal
S305 Progress / receipt date prediction reference request signal
S306 Input date and time correction signal for each order
S307 Progress receipt date prediction presentation request
S308 Progress receipt date prediction reference request signal
S401 Parallel execution request signal

Claims

A production planning is performed by simulation using a production line model, and a planning device for obtaining a prediction result of a desired production parameter among the production parameters in the production planning, information necessary for execution of simulation in the planning device and estimation accuracy an external apparatus that provides information including ε and obtains a simulation result of the desired production parameter predicted as a result, and a planning system comprising:
The planning device is
A storage unit for recording and managing various information;
When receiving information necessary for execution of simulation from the external device and storing it in the storage unit, an input / output unit for transmitting a simulation result related to the desired production parameter stored in the storage unit to the external device;
Information necessary for the simulation is extracted from the storage unit, and the simulation is repeatedly executed under specified conditions to obtain the predicted value of the desired production parameter, and the execution unit including the predicted value is stored in the storage unit. When,
An execution control unit that controls execution of the simulation,
The execution control unit
In order to evaluate the influence of a stochastic element on the probability distribution of the desired production parameter after each simulation by the simulation execution unit, the desired value in the nth simulation by the simulation execution unit storing of the stability index a _n as an index representing the stability of the production parameters, it determined by calculation from each of the predicted value obtained in the simulation of the first round to the n-th in the storage unit A stability index calculation means;
Get simulation estimated number Nn necessary to evaluate the impact of random element included in the production line model from the A ₁ and stability index sequence of A _n the estimated accuracy ε by the stability index calculating means according to the following formula Means for estimating the number of times,
When n> = 2,

The number n of simulations executed so far by the simulation execution unit is compared with the estimated number Nn. When the number n is equal to or larger than the number Nn, the simulation is stopped. Simulation stop means for instructing the simulation execution unit to execute the simulation of the number of times;
A planning system characterized by comprising:

In claim 1, the planning apparatus further comprises an input plan planning unit that formulates an input plan consisting of an estimated date of input of parts and members as the desired production parameters from the desired delivery date of the order and in-process information,
The input planning department
When you enter the desired delivery date and work in progress information from the external device,
Based on the input information, a simulation is performed by the execution control unit and the simulation execution unit, and the estimated input date, the number of simulations, the simulation execution time, and the estimated number of simulations Nn are extracted and input each time the simulation ends. Storing in the storage unit as date and time prediction data, and, according to a request, outputting the input date and time prediction data to the external device;
When the change information for the output insertion date / time prediction data is received from the external device, the input plan determination is determined by correcting the input date / time prediction data according to the change information and determining the changed input plan, and storing it in the storage unit. Means,
According to the input plan determined by the input plan determination means, input instruction means for outputting the input date and time to the external device when the actual input date and time approaches,
When order change information including a desired delivery date and in-process information is received from the external device, it is stored together with the update time of the time when the change instruction is received, and the plan change management is instructed to re-execute the simulation based on the change information Means,
Periodic counting means for taking out corresponding data from the input date / time prediction data for each predetermined period or the number of simulations executed, totaling as input date / time total data consisting of a probability distribution, and storing and managing in a storage unit,
With
The input plan planning means, which outputs to the external device that the number of simulations executed for the order has reached the simulation estimated number Nn.

In Claim 1, the said planning apparatus is provided with a progress / receipt date prediction part, and also the progress / receipt date prediction part,
The execution control unit and the simulation execution unit based on the desired input date of each order and the in-process information on the progress / receipt predicted date, which is the predicted status of receipt of work for each order in the set period A progress / receipt date prediction means for simulating and storing the result as progress / receipt date prediction data in the storage unit;
Predictive condition change management means that obtains information on the order to be changed and records the order delivery date, order size, change contents, and order information update time in the storage unit;
Progress / receipt date prediction presentation means for presenting progress / receipt date prediction data and aggregated progress / receipt aggregation data to the external device;
Each time a predetermined time interval or a predetermined number of simulations are completed, the corresponding results from the progress / receipt date prediction data based on the latest information of each order are aggregated as progress / receipt total data and stored in the storage unit Periodic counting means to
With
The periodical counting means outputs to the external device that the number of simulations executed for the order has reached the simulation estimated number of times Nn.

In claim 1, the planning apparatus comprises a plurality of available nodes that can simultaneously execute simulation processing by a simulation execution unit for planning, and when there are M nodes,
With reference to the estimated number of simulations Nn and the number of simulations n that have been executed so far,
When (Nn-n) / M> 1, execute M planning simulations,
A planning system comprising parallel execution control means for executing (Nn-n) modM planning simulations in other cases.

In claim 1, when the execution of the simulation is stopped, the influence of the probability element on the desired production parameter is obtained as a probability distribution from the simulation result executed under the specified estimation accuracy ε, or the distribution feature is obtained from the probability distribution. The aggregation means for obtaining the statistical index that represents
A planning system characterized by further comprising:

2. The stability index calculation means according to claim 1, wherein the stability index Ai in the i-th (i> 1) -th simulation is a value of the desired production parameter from the first time to the i-th time by the simulation execution unit. A planning system characterized by calculating as a calculation result including an average value, variance, and standard deviation of simulation results.

In claim 1, the number estimation means is sufficient to trust the estimation accuracy ε when the difference from the previous simulation result A _i-1 is within the estimation accuracy ε for the sequence of the stability index Ai. A planning system that is used for calculation as a threshold value of an allowable error for determining that the number of times simulation has been executed.

2. The simulation execution unit according to claim 1, wherein the simulation execution unit performs one or more predictions among production parameters including a predicted receipt date and time, an appropriate entry date and time, an equipment stop date and time, a stop period, and the number of devices in progress as the desired production parameters. A planning system characterized by

A production planning is performed by simulation using a production line model, and a planning device for obtaining a prediction result of a desired production parameter among production parameters in the production planning, information necessary for execution of simulation in the planning device and estimation accuracy an external device that provides information including ε and obtains a simulation result of the desired production parameter predicted as a result, and a planning method in a planning system comprising:
The planning apparatus executes a plurality of simulations starting from 1, and records a prediction result of the desired production parameter in a storage unit at the end of each simulation,
When the simulation in the first step is finished, in order to evaluate the influence of the stochastic element on the probability distribution of the desired production parameter, the simulation from the first simulation to the nth time just finished is performed. a second step of storing the desired calculated and it the stability index a _n of the prediction result to express the stability of the production parameters obtained from the storage unit of the production parameters in the storage unit,
From the stability index sequence A ₁ to _An and the estimation accuracy ε up to the n-th time, the simulation estimation number Nn necessary for evaluating the influence of the stochastic event included in the production line model is calculated according to the following equation, and the memory A third step of storing in the section;
When n> = 2,

The estimated number of simulations Nn is obtained from the storage unit, and it is determined whether the number of simulations n performed so far is equal to or greater than the simulation estimation number Nn. The fourth step of stopping the execution of the simulation at the stage and instructing the execution of the next simulation by returning to the first step when the number n of simulations executed so far is smaller than Nn;
When the execution of the simulation is stopped in the determination of the fourth step, the desired production parameter is totaled as a probability distribution, or a statistical index representing a distribution feature is totaled from the probability distribution and transmitted to the external storage device A fifth step;
A planning method characterized by comprising:

A production planning is performed by simulation using a production line model, and a planning device for obtaining a prediction result of a desired production parameter among the production parameters in the production planning, information necessary for execution of simulation in the planning device and estimation accuracy an external device that provides information including ε and obtains a simulation result of the desired production parameter predicted as a result, and a program to be executed by a planning system comprising:
On the computer,
The planning apparatus executes a plurality of simulations starting from 1, and records a prediction result of the desired production parameter in a storage unit at the end of each simulation,
When the simulation in the first step is finished, in order to evaluate the influence of the stochastic element on the probability distribution of the desired production parameter, the simulation from the first simulation to the nth time just finished is performed. a second step of storing the desired calculated and it the stability index a _n of the prediction result to express the stability of the production parameters obtained from the storage unit of the production parameters in the storage unit,
From the stability index sequence A ₁ to _An and the estimation accuracy ε up to the n-th time, the simulation estimation number Nn necessary for evaluating the influence of the stochastic event included in the production line model is calculated according to the following equation, and the memory A third step of storing in the section;
When n> = 2,

The estimated number of simulations Nn is obtained from the storage unit, and it is determined whether the number of simulations n performed so far is equal to or greater than the simulation estimation number Nn. The fourth step of stopping the execution of the simulation at the stage and instructing the execution of the next simulation by returning to the first step when the number n of simulations executed so far is smaller than Nn;
When the execution of the simulation is stopped in the determination of the fourth step, the desired production parameter is totaled as a probability distribution, or a statistical index representing a distribution feature is totaled from the probability distribution and transmitted to the external storage device A fifth step;
A program that executes