JP2006085213A - 作業スケジュール管理システム - Google Patents
作業スケジュール管理システム Download PDFInfo
- Publication number
- JP2006085213A JP2006085213A JP2004266228A JP2004266228A JP2006085213A JP 2006085213 A JP2006085213 A JP 2006085213A JP 2004266228 A JP2004266228 A JP 2004266228A JP 2004266228 A JP2004266228 A JP 2004266228A JP 2006085213 A JP2006085213 A JP 2006085213A
- Authority
- JP
- Japan
- Prior art keywords
- data
- production
- work
- bayesian network
- allocation plan
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000004519 manufacturing process Methods 0.000 claims abstract description 267
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000003860 storage Methods 0.000 claims description 57
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 15
- 238000012905 input function Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000000491 multivariate analysis Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 32
- 238000000034 method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000007774 longterm Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 125000002015 acyclic group Chemical group 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】
各種施設に於いて、作業者、機械、車両等の設備の作業割り当てを的確に行う、ベイジアンネットワークを用いた作業スケジュール管理システムを提供することを目的とする。
【解決手段】
確率テーブルと、生産量要求データの入力を受け付ける生産量要求データ入力部と、単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成する割当案作成部と、割当案データの単位時間毎及び/又は作業毎の生産量を、確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとするベイジアンネットワーク演算部と、生産量要求データに於ける生産量を満たす生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する割当案評価部と、を有するベイジアンネットワークを用いた作業スケジュール管理システムである。
【選択図】 図1
各種施設に於いて、作業者、機械、車両等の設備の作業割り当てを的確に行う、ベイジアンネットワークを用いた作業スケジュール管理システムを提供することを目的とする。
【解決手段】
確率テーブルと、生産量要求データの入力を受け付ける生産量要求データ入力部と、単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成する割当案作成部と、割当案データの単位時間毎及び/又は作業毎の生産量を、確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとするベイジアンネットワーク演算部と、生産量要求データに於ける生産量を満たす生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する割当案評価部と、を有するベイジアンネットワークを用いた作業スケジュール管理システムである。
【選択図】 図1
Description
本発明は、工場や店舗等の施設に於いて、作業者、機械、車両等の設備の作業割り当てを的確に行う、ベイジアンネットワークを用いた作業スケジュール管理システムに関する。
工場、店舗、病院等の各種施設(以下、施設)にとって、効率的に作業スケジュールを組むことは、生産量を増大させ、且つその作業にかかるコストも低減させることから、企業経営に直結する非常に重要な要素である。その為、的確な作業スケジュール管理を行うことは、施設の利益を左右している。
このように的確な作業スケジュール管理を行うことは重要であるが、従来は、当該施設の労務担当者や現場責任者による経験や勘により行われていることが多い。しかしこのような個人への依存では、労務担当者や現場責任者が交代した場合に、それを引き継ぐことが出来ないので、下記特許文献1乃至特許文献4に示すように、各種の作業スケジュール管理システムが発明されている。
しかし上述の特許文献1乃至特許文献4を代表とした、従来の作業スケジュール管理システムの場合、施設に於ける作業者や生産設備(本明細書に於いて生産設備とは、工場や店舗で利用されている工作機械、製造機械や車両等を含むものとする)の空き時間を中心とした作業スケジュール管理が行われているに過ぎない。
又、限られた人材で作業者が作業を行う為には、一定の訓練を作業者に行い、様々な作業に対する習熟度を向上させることで、全体的な作業効率を上げることが必要となるが、従来の作業スケジュール管理システムでは、現在の作業者の作業能力に応じて、現在の生産量をこなすことのスケジューリングしか行えない。
そこで本発明者等は、ベイジアンネットワークを作業スケジュール管理システムに用いることによって、予め過去のデータを入力しておき、その経験に基づいた分析を行うことで、的確な作業スケジュール管理を実現する作業スケジュール管理システムを発明した。
又、作業者が作業を行うことによって、その作業に対する習熟度が向上するが、その習熟度の向上も加味し、長期的な視野から施設に於ける作業効率の向上も踏まえた作業スケジュール管理システムを発明した。
尚、ベイジアンネットワークとは、確率変数をノードで表し、因果関係や相関関係のような依存関係を示す変数の間にリンクを張ったグラフ構造による確率モデルであって、このリンクが因果関係の方向に有向性を有し、そのリンクを辿ったパスが循環しない非循環有向グラフで表されるモデルである(ベイジアンネットワークは上記非特許文献1に詳しい)。
請求項1の発明は、ベイジアンネットワークを用いて作業者のスケジュール管理を行う、ベイジアンネットワークを用いた作業スケジュール管理システムであって、作業者の組み合わせによる生産量の変動を作業毎に確率分布により記録している確率テーブルと、前記作業スケジュール管理システム外から単位時間毎及び/又は作業毎に必要とされる生産量のデータである生産量要求データの入力を受け付ける生産量要求データ入力部と、前記単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成する割当案作成部と、前記割当案データの単位時間毎及び/又は作業毎の生産量を、前記確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとするベイジアンネットワーク演算部と、前記生産量要求データに於ける生産量を満たす前記生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する割当案評価部と、を有するベイジアンネットワークを用いた作業スケジュール管理システムである。
本発明のように、確率テーブルを参照し、ベイジアンネットワークに基づいて演算することで、従来よりも的確な作業スケジュール管理システムが可能となる。又、ベイジアンネットワークを用いることによって、確率テーブルの更新のみで常に最新の状態でスケジュール管理の処理を実行することが出来る。
請求項2の発明は、前記評価指標として、最も少ない延べ人数、作業者の熟練度、生産機械の運転時間、運転実績のいずれかを含む、ベイジアンネットワークを用いた作業スケジュール管理システムである。
ベイジアンネットワークの出力結果を評価する評価指標としては、上述のようなものを用いることが出来る。最も少ない延べ人数の場合には、作業コストを下げることに繋がり、作業者の熟練度や生産機械の運転時間、運転実績を用いた場合には、短期的及び長期的の双方の生産量の観点を加味した作業スケジュールの立案が可能となる。
請求項3の発明は、前記作業スケジュール管理システムは、前記割当案評価部で出力した割当案を実行した結果得られた実際の生産量を生産量実績データとして入力を受け付け、前記確率テーブルの生産量を更新するベイジアンネットワーク更新部を、更に有する、ベイジアンネットワークを用いた作業スケジュール管理システムである。
請求項4の発明は、前記ベイジアンネットワーク更新部は、前記確率テーブルの更新の際に、平均、加重平均、又は他の多変量解析により生産量実績データを分析し、その結果で前記確率テーブルの生産量を更新する、ベイジアンネットワークを用いた作業スケジュール管理システムである。
このようにベイジアンネットワーク更新部を設けることによって、確率テーブルに実績値を反映させることが出来、より精度を向上させることに繋がる。
請求項5の発明は、データを記憶する記憶部とプログラムの処理を実行する処理演算部とを有するコンピュータ端末で実行する作業スケジュール管理プログラムであって、前記作業スケジュール管理プログラムは、前記処理演算部に読み込まれる生産量要求データ入力機能と割当案作成機能とベイジアンネットワーク演算機能と割当案評価機能とを有しており、前記記憶部に、作業者の組み合わせによる生産量の変動を作業毎に確率分布により記録している確率テーブルを記憶し、前記生産量要求データ入力機能は、前記作業スケジュール管理プログラム外から単位時間毎及び/又は作業毎に必要とされる生産量のデータである生産量要求データの入力を受け付け、前記割当案作成機能は、前記単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成し、前記ベイジアンネットワーク演算機能は、前記割当案データの単位時間毎及び/又は作業毎の生産量を、前記記憶部に記憶した確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとし、前記割当案評価機能は、前記生産量要求データに於ける生産量を満たす前記生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する、ベイジアンネットワークを用いた作業スケジュール管理プログラムである。
請求項6の発明は、前記作業スケジュール管理プログラムは、更に、前記処理演算部に読み込まれるベイジアンネットワーク更新機能を有しており、前記ベイジアンネットワーク更新機能は、前記出力した割当案を実行した結果得られた実際の生産量を生産量実績データとして入力を受け付け、前記記憶部に記憶した確率テーブルの生産量を更新し、前記記憶部に記憶する、ベイジアンネットワークを用いた作業スケジュール管理プログラムである。
上述の作業スケジュール管理システムは、プログラムとしてネットワークからダウンロードされ、それがコンピュータ端末に読み込まれることによって実現されても良い。
請求項7の発明は、データを記憶する記憶部とプログラムの処理を実行する処理演算部とを有するコンピュータ端末で実行する作業スケジュール管理プログラムを記録した記録媒体であって、前記作業スケジュール管理プログラムは、前記処理演算部に読み込まれる生産量要求データ入力機能と割当案作成機能とベイジアンネットワーク演算機能と割当案評価機能とを有しており、前記記憶部に、作業者の組み合わせによる生産量の変動を作業毎に確率分布により記録している確率テーブルを記憶し、前記生産量要求データ入力機能は、前記作業スケジュール管理プログラム外から単位時間毎及び/又は作業毎に必要とされる生産量のデータである生産量要求データの入力を受け付け、前記割当案作成機能は、前記単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成し、前記ベイジアンネットワーク演算機能は、前記割当案データの単位時間毎及び/又は作業毎の生産量を、前記記憶部に記憶した確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとし、前記割当案評価機能は、前記生産量要求データに於ける生産量を満たす前記生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する、ベイジアンネットワークを用いた作業スケジュール管理プログラムを記録した記録媒体である。
請求項8の発明は、前記作業スケジュール管理プログラムは、更に、前記処理演算部に読み込まれるベイジアンネットワーク更新機能を有しており、前記ベイジアンネットワーク更新機能は、前記出力した割当案を実行した結果得られた実際の生産量を生産量実績データとして入力を受け付け、前記記憶部に記憶した確率テーブルの生産量を更新し、前記記憶部に記憶する、ベイジアンネットワークを用いた作業スケジュール管理プログラムを記録した記録媒体である。
上述の作業スケジュール管理システムは、そのプログラムを記録した記録媒体がコンピュータ端末に読み込まれることによって実現されても良い。
本発明のベイジアンネットワークを用いた作業スケジュール管理システムにより、的確な作業スケジュール管理を実現することが可能となる。
本発明のベイジアンネットワークを用いた作業スケジュール管理システム1(以下、作業スケジュール管理システム1)のシステム構成の一例を図1のシステム構成図を用いて説明する。
作業スケジュール管理システム1は、生産量要求データ入力部2と割当案作成部3とベイジアンネットワーク演算部4と割当案評価部5と作業者情報記憶部6とスケジュール条件記憶部7と確率テーブル8とを有している。
生産量要求データ入力部2は、作業スケジュール管理システム1外から生産量要求データの入力を受け付け、割当案評価部5に送信する手段である。生産量要求データとは、単位時間毎、作業毎の必要とされる生産量のデータであり、作業の需要を示すデータである。従って本発明の作業スケジュール管理システム1では、この生産量要求データを満たすような最適な作業スケジュールを作成する。
割当案作成部3は、後述の作業者情報記憶部6、スケジュール条件記憶部7から、時間毎、作業毎に作業者を割り当てた場合の割当案データを作成し、それをベイジアンネットワーク演算部4に送信する手段である。
ベイジアンネットワーク演算部4は、割当案作成部3で作成した割当案データを受信し、時間毎、作業毎に生産量を確率テーブル8を参照することで生産量を演算し、生産量データとして出力する手段である。ベイジアンネットワークの出力は、確率分布である為、これを予め指定された演算により生産量データに変換する。
割当案評価部5は、作業毎の制約情報、生産量要求データ、割当案データ、生産量データを受信し、割当案データの評価を行う手段である。そして生産量要求データを満たした上で、最も少ない延べ人数で実現可能な割当案を作業スケジュールデータとして出力し、そのときの生産量要求データを生産量供給データとして出力する。即ち生産量供給データは、単位時間毎、作業毎の供給可能な生産量を示すデータであり、入力された生産量要求データと比較することで、ボトルネックが存在するかどうか、作業がどのように前倒しされるかが分かる。
尚、最も少ない延べ人数を評価指標とすること以外にも、他の評価指標を定めても良い。例えば作業経験があまりなく、熟練作業者の指導を必要とする作業者がいた場合、短期的に見ると指導にはコストがかかる。しかし、それによって作業に熟練することで、長期的には生産量に貢献することとなる。そこで短期的な目標である生産量と、長期的な目標である熟練を組み合わせた評価指標を割当案評価部5の評価指標とすることによって、2つの目標を両立させることが出来る。
具体的には、例えば確率テーブル8に「作業者の熟練度」といった入力を更に与え、作業者の組み合わせによる「作業者の熟練速度」を記録しておく。作業者の熟練速度を例えば延べ人数から計算されるコストの減少という評価指標にする。こうすることで、作業に余裕がある時に、指導が必要な作業者と熟練作業者とを割り当てる、といった長期的な成長が実現できる作業者の作業スケジュールを作成することが出来る。
作業者以外にも、例えば生産機械のスケジューリングで、延べ人数を運転コストとした場合にも、同様の応用が可能である。例えばまだ運転実績があまりない生産機械はその能力や信頼性が不明である為、リスクが高いと考えられる。そこでこのような機械を当初は重要な作業工程ではなく、余裕のある作業工程に割り当てることで、リスクを抑えつつ運転実績を作ることが出来る。例えば確率テーブル8に「生産機械の運転時間」や「生産機械の運転実績」といった入力を更に与え、信頼性に関するリスクが生産量に反映されるようにする。更に運転実績の蓄積によってリスクが低減され、将来の生産量に貢献する度合いを確率テーブル8から出力して、例えば運転コストの減少という評価指標にする。こうすることで、生産量を満たしつつ、新しい生産機械の運転実績を蓄積出来る作業スケジュールを作成することが出来る。
尚、上述の例ではベイジアンネットワークから長期的な評価を出力しているが、ベイジアンネットワークを使用せずに、線形計算などを使用して長期的な評価を出力しても良い。逆に、生産量(短期的な評価)を線形計算で行い、長期的な評価をベイジアンネットワークで出力しても良い。従って、短期的或いは長期的な評価のいずれかにベイジアンネットワーク以外の評価手法を用いても良い。
作業者情報記憶部6は、作業者毎に、作業者能力情報と作業者制約情報とを記録する手段である。作業者能力情報は、ある作業をその作業者がこなすことが出来るか否か、或いはある作業から他の作業に切り替える時に必要な時間等を示す情報である。作業の可否の情報は確率テーブル8で記録することも出来るが、作業者情報記憶部6に記録することによって、速度面で有利である。又、作業者制約情報は、一日の最大勤務時間、一日の最低勤務時間、午後のみ勤務可能である、等の作業者の作業に対する制約条件を示す情報である。
スケジュール条件記憶部7は、スケジュールの単位時間、作業毎の制約情報をスケジュール条件データとして記録する手段である。スケジュールの単位時間は、例えば1時間毎のスケジュールを作成するといったことを示す情報である。作業毎の制約情報は、例えば作業Aは商品製造である為、需要に対して最大4時間まで前倒しで作業できるが、作業Bは商品陳列である為作業A以降、且つ作業C以前に作業しなければならない、作業Cは商品販売である為、需要に同期して作業しなければならない、といったように、作業に対する制約条件を示す情報である。又、ある作業の生産量を満たすことが必須でない場合には、それも作業毎の制約情報として指定される。
確率テーブル8は、作業者の組み合わせによる生産量の変動を、作業毎に確率分布により記録しているテーブルである。従ってある作業を作業者Aと作業者Bとで行った場合の生産量よりも、作業者Aと作業者Bと作業者Cとで行った場合の生産量が低くなる、とのような関係を確率分布で記録している。
次に本発明の作業スケジュール管理システム1の処理プロセスの流れの一例を図2のフローチャート図を用いて説明する。本実施例では、スケジュール条件記憶部7に記録するスケジュール条件データとして、スケジュールの単位時間を1時間とし、10時台、11時台、12時台の3時間分の作業計画を行うこととする。
作業としては、図3に示すように、作業x、作業yの2つがあり、各時間帯毎に生産量が要求されている。又、作業毎の制約条件は設けず、全て要求された時間帯の中でスケジュールすることとする。又、要求された生産量は、「安全率=0.8」を充足するものとする。尚、安全率とは、当該作業に於いて必要とされる最低限の生産量を意味するが、これに限定されるものではなく、他の指標であっても良い。
作業者情報記憶部6に記録してある作業者、作業者毎の制約条件を図4に示す。作業者として作業者Aから作業者Dの4人とし、その作業が行えるか否かを「可」「不可」で示す。
上述の条件の場合の確率テーブル8の一例を図5に示す。ここで作業は作業xと作業yの2つがあるので、作業xの確率テーブル8を図5(a)、作業yの確率テーブル8を図5(b)とする。この確率テーブル8は、上述のように、作業者の組み合わせによる生産量の変動を確率分布で示している。尚、確率テーブル8の生産量の変動は、他の方法により示すことも出来る。例えば、基準となる生産量(前年同月の平均生産量等)からの変動を確率分布で示したものであっても良い。又、これらに限定されるものではなく、確率テーブル8は、生産量の変動を確率分布で示したものであれば良い。
生産量要求データ入力部2は、生産量要求データとして、図3に示す生産量データの入力を受け付ける(S100)。図3の生産量データは、作業xの作業内容は「製造」であり、10時台は生産量「1」、11時台は生産量「1」、12時台は生産量「1」が要求され、作業yの作業内容は「販売」であり、10時台は生産量「0」、11時台は生産量「1」、12時台は生産量「2」が要求されているとする。生産量要求データ入力部2は、この生産量要求データを割当案評価部5に送信する。
割当案作成部3は、各時間帯毎、作業毎に作業者を割り当てた場合の割当案データを作成する(S110)。本実施例では、10時台、11時台、12時台の各時間帯毎の作業計画を行うこととなるので、まず、10時台の全ての組み合わせを割当案データとして、作業者情報記憶部6、スケジュール条件記憶部7のスケジュール条件データから生成する。この全ての組み合わせを図6に示す。ここで作業者Aは作業者情報記憶部6の作業者制約条件から、作業を行うことが出来ないので、いずれの組み合わせに於いても作業者Aを含む組み合わせは生成されない。作成した割当案データは、ベイジアンネットワーク演算部4に送信する。
同様に、11時台、12時台の全ての組み合わせを割当案データとして、作業者情報記憶部6、スケジュール条件記憶部7のスケジュール条件データから生成し、ベイジアンネットワーク演算部4に送信する。
ここで作成した時間帯毎の割当案データに対して得られる生産量を、ベイジアンネットワーク演算部4が、確率テーブル8を参照し、時間帯毎に算出する(S120)。即ちベイジアンネットワークの演算を行うこととなる。
例えば図6の割当案データのうち、図7(a)に示した作業割当の場合、即ち、作業者Bに作業y、作業者Cと作業者Dに作業xを割り当てた場合の生産量を確率テーブル8を参照して算出する。ここで作業yを行うのは作業者Bなので、図5(b)の確率テーブル8に於いて、「作業者A=0、作業者B=1、作業者C=0、作業者D=0」の場合の確率分布「生産量0=0、生産量1=0.8、生産量2=0.2、生産量3=0.0」を抽出する。又、作業xを行うのは作業者Cと作業者Dなので、図5(a)の確率テーブル8に於いて、「作業者A=0、作業者B=0、作業者C=1、作業者D=1」の場合の確率分布「生産量0=0、生産量1=0.3、生産量2=0.7、生産量3=0.0」を抽出する。
そうすると、まずコストは図4に示した作業者情報記憶部6の各作業者のコストから、
作業者A+作業者B+作業者C+作業者D=0×1000+1×1000+1×900+1×800=2700となる。
作業者A+作業者B+作業者C+作業者D=0×1000+1×1000+1×900+1×800=2700となる。
そして、生産量要求データでは、図3に示すように、10時台に作業xの生産量1が要求されているが、生産量xが1以上になる確率は「0.3+0.7+0.0=1.0」であるので、安全率=0.8を充足している。この場合の概念図を図7(b)に示す。
又、図6の割当案データのうち、図8(a)に示した作業割当の場合、即ち、作業者Bに作業x、作業者Cと作業者Dに作業yを割り当てた場合の生産量を確率テーブル8を参照して算出する。ここで作業xを行うのは作業者Bなので、図5(a)の確率テーブル8に於いて、「作業者A=0、作業者B=1、作業者C=0、作業者D=0」の場合の確率分布「生産量0=0.1、生産量1=0.8、生産量2=0.1、生産量3=0.0」を抽出する。又、作業yを行うのは作業者Cと作業者Dなので、図5(b)の確率テーブル8に於いて、「作業者A=0、作業者B=0、作業者C=1、作業者D=1」の場合の確率分布「生産量0=0、生産量1=0.1、生産量2=0.8、生産量3=0.1」を抽出する。
そうすると、まずコストは図4に示した作業者情報記憶部6の各作業者のコストから、
作業者A+作業者B+作業者C+作業者D=0×1000+1×1000+1×900+1×800=2700となる。
作業者A+作業者B+作業者C+作業者D=0×1000+1×1000+1×900+1×800=2700となる。
そして、生産量要求データでは、図3に示すように、10時台に作業xの生産量1が要求されているが、生産量xが1以上になる確率は「0.8+0.1+0.0=0.9」であるので、安全率=0.8を充足している。この場合の概念図を図8(b)に示す。
このように時間帯毎の割当案データの各組み合わせに於いて、ベイジアンネットワーク演算部4は、演算を行う。
ベイジアンネットワーク演算部4で算出した結果に基づいて、割当案評価部5は、時間帯毎に割当案データの評価を行う(S130)。
例えば10時台の割当案データの場合、割当案データの各組み合わせ毎に、それぞれの作業について、作業コストと生産量を評価する。この中から生産量を満たすものを抽出したものを図9に示す。即ち、生産量要求データでは10時台の時間帯で作業xを生産量1以上行い、且つ「安全率=0.8」を満たす必要があるので、それを満たす組み合わせを抽出する。
同様に11時台の時間帯の割当案データについて、生産量を満たすものを抽出したものを図10、12時台の時間帯の割当案データについて、生産量を満たすものを抽出したものを図11に示す。
作業毎の制約情報を満たしているものが、上述の各時間帯毎に抽出した結果であるので、更にそのうち合計コストの最も低い組み合わせを各時間帯毎に抽出する。そうすると、10時台では上述の図9から、作業者Bが作業xを行う場合であり、11時台では作業者Aが作業xを行い作業者Dが作業yを行う、又は作業者Bが作業xを行い作業者Dが作業yを行う場合、12時台では作業者Aが作業xを行い作業者C及び作業者Dが作業yを行う場合、と判定できる。この判定した結果を作業スケジュールデータとして出力する(S140)。作業スケジュールデータを図12に示す。図12(a)は10時台であり、図12(b)は11時台であり、図12(c)は12時台である。
尚、11時台では2通りの作業スケジュールデータがあるが、どちらでもコストは同じなので、全てを出力しても良いし、いずれか一方を出力しても良い。
各時間帯毎の作業スケジュールデータに於ける生産量データを生産量供給データとして出力をする。生産量供給データは、単位時間毎、作業毎の供給可能な生産量を示すデータであり、入力された生産量要求データと比較することで、ボトルネックが存在するかどうか、作業がどのように前倒しされるかが分かる。
以上のような処理プロセスを経ることによって、10時台では「作業者Bを作業x」にスケジュールし、そのときの作業xの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.1+生産量3×0.0=1.0
となる。即ち「作業者Bを作業x」にスケジュールし、「作業xの生産量は1.0」となる。
生産量0×0.1+生産量1×0.8+生産量2×0.1+生産量3×0.0=1.0
となる。即ち「作業者Bを作業x」にスケジュールし、「作業xの生産量は1.0」となる。
11時台では「作業者Aを作業x、作業者Dを作業y」にスケジュールした場合では、その時の作業xの生産量は、
生産量0×0.0+生産量1×0.8+生産量2×0.2+生産量3×0.0=1.2
作業yの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.1+生産量3×0.0=1.0
となり、若しくは「作業者Bを作業x、作業者Dを作業y」にスケジュールした場合では、
その時の作業xの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.1+生産量3×0.0=1.0
作業yの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.2+生産量3×0.0=1.0
となる。即ち「作業者Aを作業x、作業者Dを作業y」では「作業xの生産量は1.2、作業yの生産量は1.0」、「作業者Bを作業x、作業者Dを作業y」では「作業xの生産量は1.0,作業yの生産量は1.0」となる。
生産量0×0.0+生産量1×0.8+生産量2×0.2+生産量3×0.0=1.2
作業yの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.1+生産量3×0.0=1.0
となり、若しくは「作業者Bを作業x、作業者Dを作業y」にスケジュールした場合では、
その時の作業xの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.1+生産量3×0.0=1.0
作業yの生産量は、
生産量0×0.1+生産量1×0.8+生産量2×0.2+生産量3×0.0=1.0
となる。即ち「作業者Aを作業x、作業者Dを作業y」では「作業xの生産量は1.2、作業yの生産量は1.0」、「作業者Bを作業x、作業者Dを作業y」では「作業xの生産量は1.0,作業yの生産量は1.0」となる。
12時台では「作業者Aを作業x、作業者C及び作業者Dを作業y」にスケジュールし、その時の作業xの生産量は、
生産量0×0.0+生産量1×0.8+生産量2×0.2+生産量3×0.0=1.2
作業yの生産量は、
生産量0×0.0+生産量1×0.1+生産量2×0.8+生産量3×0.1=2.0
となる。即ち「作業者Aを作業x、作業者C及び作業者Dを作業y」にスケジュールし、「作業xの生産量は1.2、作業yの生産量は2.0」となる。
生産量0×0.0+生産量1×0.8+生産量2×0.2+生産量3×0.0=1.2
作業yの生産量は、
生産量0×0.0+生産量1×0.1+生産量2×0.8+生産量3×0.1=2.0
となる。即ち「作業者Aを作業x、作業者C及び作業者Dを作業y」にスケジュールし、「作業xの生産量は1.2、作業yの生産量は2.0」となる。
割当案評価部5は、これらを出力することとなる。
次に図1の作業スケジュール管理システム1の他のシステム構成として、確率テーブル8を更新できるように、ベイジアンネットワーク更新部9を設けた場合を図13のシステム構成図に示す。
確率テーブル8は、上述の実施例と同様に、作業者の組み合わせによる生産量実績データの変動を、作業毎に確率分布により記録している。生産量実績データは、作業を実施した結果得られた、実際の生産量のデータである。従って最初は作業をどの組み合わせでも実施していないことから、生産量実績データは想定(予想)される生産量であるが、ある作業者の組み合わせによる作業が実施された場合にはその生産量実績データによって、生産量が更新されていく。
本実施例の作業スケジュール管理システム1では、実施例1の生産量の代わりに生産量実績データが利用されることとなる。
ベイジアンネットワーク更新部9は、割当案評価部5で出力した作業スケジュールデータを実際に行った結果、得られた生産量を生産量実績データとして入力を受け付け、確率テーブル8の当該作業者の組み合わせの生産量実績データを更新する手段である。更新の際には、単に上書きすることによって更新しても良いし、過去の生産量実績データの平均、加重平均を取る、或いは公知の分析ツールを利用することによって、他の多変量解析により更新しても良い。公知の分析ツールとしては、株式会社数理システムが販売するベイジアンネットワーク構築支援システム(Bayesian Network Construction System:BayoNet)(http://www.msi.co.jp/BAYONET)や、Hugin Expert社が販売するHUGIN Explorer(http://www.hugin.com/Products/Commercial/Explorer/)を用いることが出来る。
本実施例の場合の処理プロセスの流れの一例を図14のフローチャート図に示す。尚、S200からS240は、実施例1のS100からS140と同様であるので説明を省略する。
S240で出力した作業スケジュールデータに基づいて、作業を行った結果の生産量実績データをベイジアンネットワーク更新部9で入力を受け付ける(S250)。
ベイジアンネットワーク更新部9は、受け付けた生産量実績データに対応する当該作業スケジュールデータの作業者の組み合わせを抽出し、当該作業者の組み合わせの生産量実績データを、S250で入力を受け付けた生産量実績データで更新する(S260)。この更新の際には、単に上書きすることによって更新しても良いし、過去の生産量実績データの平均、加重平均を取る、或いは他の多変量解析により更新しても良い。
例えば実施例1と同様の作業スケジュールデータの場合、10時台では、作業者Bが作業xを行った場合の実際の生産量(生産量実績データ)が得られる。従ってその生産量実績データをベイジアンネットワーク更新部9から入力することとなる。
このようにベイジアンネットワーク更新部9を設けることによって、作業の熟練や環境の変化が、常に確率テーブル8に反映される為、作業の熟練や環境の変化にも対応した作業スケジュールの立案が可能となる。
上述した作業スケジュール管理システム1の処理の内容を記録した作業スケジュール管理プログラムの全部又は一部がCDやDVD等の記録媒体に記録され、それがコンピュータ端末に読み込まれることによって、作業スケジュール管理システム1を実現しても良い。又、当該作業スケジュール管理プログラムが所定のサーバからネットワークを介してコンピュータ端末にダウンロードされることでコンピュータ端末に読み込まれ、作業スケジュール管理システム1を実現しても良い。
この場合、作業スケジュール管理プログラムは、生産量要求データ入力部2をコンピュータ端末で実行する機能(モジュールやプログラム。以下同様)、割当案作成部3をコンピュータ端末で実行する機能、ベイジアンネットワーク演算部4をコンピュータ端末で実行する機能、割当案評価部5をコンピュータ端末で実行する機能とを有している。
この作業スケジュール管理プログラムを記録した記録媒体がコンピュータ端末にセットされ、それがコンピュータ端末に読み込まれることによって、上述の各機能がコンピュータ端末の処理演算部(CPUやレジスタ等の演算装置)や記憶部(メモリやキャッシュ、ハードディスク等の記憶装置)に読み込まれる。
作業者情報記憶部6、スケジュール条件記憶部7、確率テーブル8は、コンピュータ端末の記憶部に記憶されている。
処理演算部に読み込まれた生産量要求データ入力部2は、コンピュータ端末に入力された作業量要求データを受け付け、割当案評価部5に送信する。
処理演算部に読み込まれた割当案作成部3は、記憶部に記憶した作業者情報記憶部6、スケジュール条件記憶部7から、時間毎、作業毎の割当案データを作成し、それをベイジアンネットワーク演算部4に送信する。そして処理演算部に読み込まれたベイジアンネットワーク演算部4は、割当案データを受信し、記憶部に記憶した確率テーブル8を参照し、生産量データを出力する。
処理演算部に読み込まれた割当案評価部5は、上述と同様に、生産量要求データ、作業者情報記憶部6の作業毎の制約情報、割当案データ、生産量データに基づいて、割当案の評価を上述と同様に行い、作業スケジュールデータを出力する。
更に確率テーブル8の生産量を実績データ(生産量実績データ)で更新する場合には、作業スケジュール管理プログラムには、更にベイジアンネットワーク更新部9をコンピュータ端末で実行する機能がある。そして処理演算部に読み込まれたベイジアンネットワーク更新部9は、前記出力した作業スケジュールデータで実際に作業を行った生産量の実績を生産量実績データとして受信し、平均、加重平均、他の多変量解析等により、確率テーブル8の当該作業スケジュールに対応する割当案の生産量を更新し、それを記憶部に記憶する。
作業スケジュール管理プログラムがネットワークからコンピュータ端末にダウンロードされた場合も、作業スケジュール管理プログラムが記録された記録媒体をコンピュータ端末で実行する場合と同様である。
本発明に於ける各手段は、その機能が論理的に区別されているのみであって、物理上あるいは事実上は同一の領域を為していても良い。各記憶部は、データベース、データファイル等の各種のデータ保存形式でデータを記憶することが出来る。
尚、本発明を実施するにあたり本実施態様の機能を実現するソフトウェアのプログラムを記録した記憶媒体をシステムに供給し、そのシステムのコンピュータが記憶媒体に格納されたプログラムを読み出し実行することによって実現されることは当然である。
この場合、記憶媒体から読み出されたプログラム自体が前記した実施態様の機能を実現することとなり、そのプログラムを記憶した記憶媒体は本発明を当然のことながら構成することになる。
プログラムを供給する為の記憶媒体としては、例えば磁気ディスク、ハードディスク、光ディスク、光磁気ディスク、磁気テープ、不揮発性のメモリカード等を使用することができる。
又、コンピュータが読み出したプログラムを実行することにより、上述した実施態様の機能が実現されるだけではなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているオペレーティングシステムなどが実際の処理の一部又は全部を行い、その処理によって前記した実施態様の機能が実現される場合も含まれることは言うまでもない。
更に、記憶媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わる不揮発性あるいは揮発性の記憶手段に書き込まれた後、そのプログラムの指示に基づき、機能拡張ボードあるいは機能拡張ユニットに備わる演算処理装置などが実際の処理の一部あるいは全部を行い、その処理により前記した実施態様の機能が実現される場合も含まれることは当然である。
本発明のベイジアンネットワークを用いた作業スケジュール管理システムにより、的確な作業スケジュール管理を実現することが可能となる。
1:ベイジアンネットワークを用いた作業スケジュール管理システム
2:生産量要求データ入力部
3:割当案作成部
4:ベイジアンネットワーク演算部
5:割当案評価部
6:作業者情報記憶部
7:スケジュール条件記憶部
8:確率テーブル
9:ベイジアンネットワーク更新部
2:生産量要求データ入力部
3:割当案作成部
4:ベイジアンネットワーク演算部
5:割当案評価部
6:作業者情報記憶部
7:スケジュール条件記憶部
8:確率テーブル
9:ベイジアンネットワーク更新部
Claims (8)
- ベイジアンネットワークを用いて作業者のスケジュール管理を行う、ベイジアンネットワークを用いた作業スケジュール管理システムであって、
作業者の組み合わせによる生産量の変動を作業毎に確率分布により記録している確率テーブルと、
前記作業スケジュール管理システム外から単位時間毎及び/又は作業毎に必要とされる生産量のデータである生産量要求データの入力を受け付ける生産量要求データ入力部と、
前記単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成する割当案作成部と、
前記割当案データの単位時間毎及び/又は作業毎の生産量を、前記確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとするベイジアンネットワーク演算部と、
前記生産量要求データに於ける生産量を満たす前記生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する割当案評価部と、
を有することを特徴とするベイジアンネットワークを用いた作業スケジュール管理システム。 - 前記評価指標として、
最も少ない延べ人数、作業者の熟練度、生産機械の運転時間、運転実績のいずれかを含む、
ことを特徴とする請求項1に記載のベイジアンネットワークを用いた作業スケジュール管理システム。 - 前記作業スケジュール管理システムは、
前記割当案評価部で出力した割当案を実行した結果得られた実際の生産量を生産量実績データとして入力を受け付け、前記確率テーブルの生産量を更新するベイジアンネットワーク更新部を、更に有する、
ことを特徴とする請求項1に記載のベイジアンネットワークを用いた作業スケジュール管理システム。 - 前記ベイジアンネットワーク更新部は、
前記確率テーブルの更新の際に、
平均、加重平均、又は他の多変量解析により生産量実績データを分析し、その結果で前記確率テーブルの生産量を更新する、
ことを特徴とする請求項3に記載のベイジアンネットワークを用いた作業スケジュール管理システム。 - データを記憶する記憶部とプログラムの処理を実行する処理演算部とを有するコンピュータ端末で実行する作業スケジュール管理プログラムであって、前記作業スケジュール管理プログラムは、前記処理演算部に読み込まれる生産量要求データ入力機能と割当案作成機能とベイジアンネットワーク演算機能と割当案評価機能とを有しており、
前記記憶部に、作業者の組み合わせによる生産量の変動を作業毎に確率分布により記録している確率テーブルを記憶し、
前記生産量要求データ入力機能は、
前記作業スケジュール管理プログラム外から単位時間毎及び/又は作業毎に必要とされる生産量のデータである生産量要求データの入力を受け付け、
前記割当案作成機能は、
前記単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成し、
前記ベイジアンネットワーク演算機能は、
前記割当案データの単位時間毎及び/又は作業毎の生産量を、前記記憶部に記憶した確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとし、
前記割当案評価機能は、
前記生産量要求データに於ける生産量を満たす前記生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する、
ことを特徴とするベイジアンネットワークを用いた作業スケジュール管理プログラム。 - 前記作業スケジュール管理プログラムは、更に、前記処理演算部に読み込まれるベイジアンネットワーク更新機能を有しており、
前記ベイジアンネットワーク更新機能は、
前記出力した割当案を実行した結果得られた実際の生産量を生産量実績データとして入力を受け付け、前記記憶部に記憶した確率テーブルの生産量を更新し、前記記憶部に記憶する、
ことを特徴とする請求項5に記載のベイジアンネットワークを用いた作業スケジュール管理プログラム。 - データを記憶する記憶部とプログラムの処理を実行する処理演算部とを有するコンピュータ端末で実行する作業スケジュール管理プログラムを記録した記録媒体であって、前記作業スケジュール管理プログラムは、前記処理演算部に読み込まれる生産量要求データ入力機能と割当案作成機能とベイジアンネットワーク演算機能と割当案評価機能とを有しており、
前記記憶部に、作業者の組み合わせによる生産量の変動を作業毎に確率分布により記録している確率テーブルを記憶し、
前記生産量要求データ入力機能は、
前記作業スケジュール管理プログラム外から単位時間毎及び/又は作業毎に必要とされる生産量のデータである生産量要求データの入力を受け付け、
前記割当案作成機能は、
前記単位時間毎及び/又は作業毎に作業者を割り当てる複数の割当案データを作成し、
前記ベイジアンネットワーク演算機能は、
前記割当案データの単位時間毎及び/又は作業毎の生産量を、前記記憶部に記憶した確率テーブルを参照することでベイジアンネットワークにより演算し、それを生産量データとし、
前記割当案評価機能は、
前記生産量要求データに於ける生産量を満たす前記生産量データを抽出し、抽出した生産量データに対応する割当案のうち最適なものを予め定められた評価指標に基づいて出力する、
ことを特徴とするベイジアンネットワークを用いた作業スケジュール管理プログラムを記録した記録媒体。 - 前記作業スケジュール管理プログラムは、更に、前記処理演算部に読み込まれるベイジアンネットワーク更新機能を有しており、
前記ベイジアンネットワーク更新機能は、
前記出力した割当案を実行した結果得られた実際の生産量を生産量実績データとして入力を受け付け、前記記憶部に記憶した確率テーブルの生産量を更新し、前記記憶部に記憶する、
ことを特徴とする請求項7に記載のベイジアンネットワークを用いた作業スケジュール管理プログラムを記録した記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004266228A JP2006085213A (ja) | 2004-09-14 | 2004-09-14 | 作業スケジュール管理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004266228A JP2006085213A (ja) | 2004-09-14 | 2004-09-14 | 作業スケジュール管理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006085213A true JP2006085213A (ja) | 2006-03-30 |
Family
ID=36163706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004266228A Withdrawn JP2006085213A (ja) | 2004-09-14 | 2004-09-14 | 作業スケジュール管理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006085213A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022718A (ja) * | 2009-07-14 | 2011-02-03 | Toshiba Corp | 情報処理システム、情報処理方法 |
WO2014157345A1 (ja) * | 2013-03-29 | 2014-10-02 | 日本電気株式会社 | 人員管理装置、人員管理方法、及びコンピュータ読み取り可能な記録媒体 |
JP2014229205A (ja) * | 2013-05-24 | 2014-12-08 | 株式会社エヌ・ティ・ティ・データ | 進捗管理支援装置、進捗管理支援方法およびプログラム |
WO2016003794A1 (en) * | 2014-06-30 | 2016-01-07 | Xtime Inc. | Opportunity dashboard |
JP2018197995A (ja) * | 2017-05-24 | 2018-12-13 | 富士通株式会社 | プログラム、情報処理装置及び情報処理方法 |
CN112486107A (zh) * | 2019-09-12 | 2021-03-12 | 威保控股股份有限公司 | 多工序流程式产品生产排程方法 |
JP7224405B1 (ja) | 2021-08-18 | 2023-02-17 | 西日本電信電話株式会社 | 意思決定支援装置、意思決定支援プログラム及び意思決定支援方法 |
CN116341281A (zh) * | 2023-05-12 | 2023-06-27 | 中国恩菲工程技术有限公司 | 作业率的确定方法及系统、存储介质、终端 |
CN116957250A (zh) * | 2023-07-13 | 2023-10-27 | 铁科(北京)轨道装备技术有限公司 | 离散制造业的生产计划排产方法、装置及电子设备 |
JP7429149B2 (ja) | 2020-04-03 | 2024-02-07 | 株式会社日立ソリューションズ東日本 | 要員計画支援装置および要員計画支援方法 |
-
2004
- 2004-09-14 JP JP2004266228A patent/JP2006085213A/ja not_active Withdrawn
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022718A (ja) * | 2009-07-14 | 2011-02-03 | Toshiba Corp | 情報処理システム、情報処理方法 |
WO2014157345A1 (ja) * | 2013-03-29 | 2014-10-02 | 日本電気株式会社 | 人員管理装置、人員管理方法、及びコンピュータ読み取り可能な記録媒体 |
JP2014229205A (ja) * | 2013-05-24 | 2014-12-08 | 株式会社エヌ・ティ・ティ・データ | 進捗管理支援装置、進捗管理支援方法およびプログラム |
WO2016003794A1 (en) * | 2014-06-30 | 2016-01-07 | Xtime Inc. | Opportunity dashboard |
JP2018197995A (ja) * | 2017-05-24 | 2018-12-13 | 富士通株式会社 | プログラム、情報処理装置及び情報処理方法 |
CN112486107A (zh) * | 2019-09-12 | 2021-03-12 | 威保控股股份有限公司 | 多工序流程式产品生产排程方法 |
JP7429149B2 (ja) | 2020-04-03 | 2024-02-07 | 株式会社日立ソリューションズ東日本 | 要員計画支援装置および要員計画支援方法 |
JP7224405B1 (ja) | 2021-08-18 | 2023-02-17 | 西日本電信電話株式会社 | 意思決定支援装置、意思決定支援プログラム及び意思決定支援方法 |
JP2023027980A (ja) * | 2021-08-18 | 2023-03-03 | 西日本電信電話株式会社 | 意思決定支援装置、意思決定支援プログラム及び意思決定支援方法 |
CN116341281A (zh) * | 2023-05-12 | 2023-06-27 | 中国恩菲工程技术有限公司 | 作业率的确定方法及系统、存储介质、终端 |
CN116341281B (zh) * | 2023-05-12 | 2023-08-15 | 中国恩菲工程技术有限公司 | 作业率的确定方法及系统、存储介质、终端 |
CN116957250A (zh) * | 2023-07-13 | 2023-10-27 | 铁科(北京)轨道装备技术有限公司 | 离散制造业的生产计划排产方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5369570A (en) | Method and system for continuous integrated resource management | |
Sürie et al. | Supply chain analysis | |
Venkateswaran et al. | Hybrid system dynamic—discrete event simulation-based architecture for hierarchical production planning | |
Nunes et al. | Decentralized multi-robot allocation of tasks with temporal and precedence constraints | |
KR20010079838A (ko) | 컴퓨터로 구현된 제품 개발 설계 방법 | |
O'Neil et al. | Newsvendor problems with demand shocks and unknown demand distributions | |
Wiers et al. | Designing, selecting, implementing and using aps systems | |
JP2006085213A (ja) | 作業スケジュール管理システム | |
Moratori et al. | Match-up approaches to a dynamic rescheduling problem | |
Caputo et al. | Integrating transport systems in supply chain management software tools | |
JP2020201781A (ja) | 計画作成支援装置および計画作成支援方法 | |
US20080154414A1 (en) | Lead time and validity based supply determination | |
US20100082405A1 (en) | Multi-period-ahead Forecasting | |
US7426418B2 (en) | Systems and methods for calculating alerts based on pegging | |
JP4339769B2 (ja) | 予測モデル選択装置及び予測モデル選択方法並びにプログラム | |
US20210365872A1 (en) | A system and method for management of project portfolios | |
JP4980303B2 (ja) | 発電コスト評価方法、発電コスト評価装置、発電コスト評価プログラム、発電計画作成システムおよび発電設備起動/停止制御システム | |
Paschko et al. | Material flow control in Remanufacturing Systems with random failures and variable processing times | |
JP2007034905A (ja) | プロジェクト管理システム | |
Faria | Project Management Under Uncertainty: a mixed approach using flexible resource management to exploit schedule flexibility | |
JP4327648B2 (ja) | コンピュータプログラム及び在庫管理装置並びにその方法 | |
Zheng et al. | Robust dual sourcing inventory routing optimization for disaster relief | |
Macik | Case management task assignment using optaplanner | |
Belsare | A Deep Reinforcement Learning approach for an adaptive Job Shop Scheduling | |
Ranky et al. | eTransition models of collaborating design and manufacturing enterprises |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20071204 |