JP2006221564A - 板取計画最適化方法及び装置 - Google Patents
板取計画最適化方法及び装置 Download PDFInfo
- Publication number
- JP2006221564A JP2006221564A JP2005036795A JP2005036795A JP2006221564A JP 2006221564 A JP2006221564 A JP 2006221564A JP 2005036795 A JP2005036795 A JP 2005036795A JP 2005036795 A JP2005036795 A JP 2005036795A JP 2006221564 A JP2006221564 A JP 2006221564A
- Authority
- JP
- Japan
- Prior art keywords
- plan
- planing
- order
- parameter
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Control Of Metal Rolling (AREA)
- General Factory Administration (AREA)
Abstract
【課題】板取計画の最適解が短時間で求められるようにする。
【解決手段】過去のオーダ構成とそれに対する板取計画結果とそのときのパラメータをセットで蓄積しておき、これから板取計画を行おうとするオーダの構成と類似度の高い結果から、評価関数を最大化するパラメータを選択することにより、最適な板取計画を決定する。
【選択図】図２
【解決手段】過去のオーダ構成とそれに対する板取計画結果とそのときのパラメータをセットで蓄積しておき、これから板取計画を行おうとするオーダの構成と類似度の高い結果から、評価関数を最大化するパラメータを選択することにより、最適な板取計画を決定する。
【選択図】図２
Description
本発明は、板取計画最適化方法及び装置に係り、特に、製鉄所において、複数の鋼片に１以上の注文を引き当てる際に用いるのに好適な板取計画最適化方法及び装置に関する。
一般に、複数の鋼片に１以上の注文を引き当てる板取計画においては、発明者が特許文献１で提案したように、先ず第一段階で、設備制約を満たし、且つ、冗長な組合せを排除した組合せを分枝限定法により列挙し、次に第二段階で、評価関数値の高い組合せのみを０−１計画法にて選択することによって、最適な板取計画を決定する方法がある。
先に挙げた方法は、冗長な組合せを排除するために追加した制約条件のパラメータや、評価関数が歩留まりと圧延能率といった互いにトレードオフの関係にある評価指標の重みを調整するパラメータが用いられることが多いが、これらのパラメータは主に試行錯誤によって決定されるものであり、オーダ構成が変化した場合には、それらの調整如何によって最適解が求められなかったり、計算に時間がかかり過ぎるという問題があった。
本発明は、前記従来の問題点を解決するべくなされたもので、板取計画の最適解を短時間で求めることができるようにすることを課題とする。
本発明は、複数の鋼片に１以上の注文を充当して板取計画を作成する際に、過去のオーダ構成とそれに対する板取計画結果とそのときのパラメータをセットで蓄積しておき、これから板取計画を行おうとするオーダの構成と類似度の高い結果から、評価関数を最大化するパラメータを選択することにより、最適な板取計画を決定するようにして、前記課題を解決したものである。
更に、前記評価関数を最大化するパラメータに摂動を加え、ある範囲で変更したパラメータ群に対しても板取計画を行うようにして、過去のデータに最適なパラメータが存在しない場合でも、最適な板取計画が行なえるようにしたものである。
本発明は、又、複数の鋼片に１以上の注文を充当して板取計画を作成するための板取計画最適化装置において、過去のオーダ構成とそれに対する板取計画結果とそのときのパラメータをセットで蓄積する手段と、これから板取計画を行おうとするオーダの構成と類似度の高い結果から、所定回数分の板取計画結果を抽出する手段と、抽出された中から、評価関数を最大化するパラメータを選択することにより、最適な板取計画を決定する手段とを備えることにより、同じく前記課題を解決したものである。
本発明によれば、板取計画の最適解を短時間で求めることが可能になる。
以下、図面を参照して、本発明の実施形態を詳細に説明する。
本実施形態では、例えば図１に示すような構成の、データを入力するための入力装置１０と、必要な演算処理を行なうためのコンピュータ２０と、データを蓄積するための記憶装置３０とを含む板取計画最適化装置を用いて、図２に示す如く、先ず一定期間における板取計画のオーダ構成とそれに対する板取計画結果とそのときのパラメータを、過去のデータ４０としてセットで、例えばＮ１セット、入力装置１０からコンピュータ２０を介して記憶装置３０に蓄積しておく。
次に、これから板取計画を行おうとするオーダの構成０と類似度の高いものからＮ２回分の板取計画結果を抽出する（ステップ１００）。即ち、これから行おうとするオーダ構成を表わす配列α０＝［ｘ10，ｘ20・・・］と蓄積しておいたデータのオーダ構成を表わす配列α１＝［ｘ11，ｘ21・・・］との相関係数をそれぞれ求め、相関係数の高いものから、板取計画のオーダ構成とそれに対する板取計画結果とそのときのパラメータを、類似度の高いデータ５０として、コンピュータ２０でＮ２セット分抽出する。当然Ｎ２＜Ｎ１となる。
このときオーダ構成の類似度は、例えば図３に示す特徴量の項目の相関係数により求められる。図３は、板幅の例であるが、板厚、板長に関しても同様である。
次に、抽出したＮ２セット分の板取計画結果と、これから行おうとする板取計画の評価指数パラメータを用いて、（抽出したパラメータをこれから行おうとするオーダに適用した板取計画を行った結果得られる）板取評価指標の予測値を計算する。即ち、評価指標を歩留まりと圧延能率とした場合、
Ｊi1＝β1×歩留まり＋β2×圧延能率
を、抽出したＮ２セット分の板取計画結果に対してそれぞれ求め、評価指標の最も高い１セットを、コンピュータ２０で抽出する（ステップ１１０）。
Ｊi1＝β1×歩留まり＋β2×圧延能率
を、抽出したＮ２セット分の板取計画結果に対してそれぞれ求め、評価指標の最も高い１セットを、コンピュータ２０で抽出する（ステップ１１０）。
ここで、抽出した板取計画のパラメータを、これから行おうとするオーダに適用して板取計画を行えば、目的とする板取計画結果が得られるが、過去に蓄積されたデータの中に、これから板取計画を行おうとするオーダの板取計画を最適化するパラメータが存在しなかった場合、最適な結果が得られない可能性がある。そこで、抽出したパラメータに摂動を加え、ある範囲で変更したＮ３−１個のパラメータ群に対しても板取計画を行ない（ステップ１２０）、その結果得られたＮ３個の評価指標の高いデータ６０の中から、評価指標の最も高くなる板取計画結果を採用し（ステップ１３０）、そのときのオーダ構成と板取計画結果とパラメータを新しいデータとして蓄積する（ステップ１４０）。
ここでＮ３を多くすれば、最適解が得られる可能性は高くなるが、それに応じて計算時間も増大してしまうため、板取計画の計算許容時間内で、できるだけ大きくなるように決定する。
以上を繰り返すことにより、これまでオーダ構成が変化する度に、試行錯誤で求めていた板取計画のパラメータを自動的に決定することができる。
注文数４２枚のオーダ構成に対し板取計画を行なった。それまで蓄積されていたオーダ構成と板取計画結果と板取パラメータのセット３２８２０個（Ｎ１）の中から、当該オーダ構成と類似度の高い１０個（Ｎ２）のセットを取り出した。
取り出した１０個のセットの板取計画結果に対し、歩留まりと圧延能率に当該オーダに対する重みを掛けた評価指標を計算すると次のようになった。
［８７ ９９ ９２ ９２ ８５ ８８ ９３ ８４ ７８ ９８］
［８７ ９９ ９２ ９２ ８５ ８８ ９３ ８４ ７８ ９８］
この中から最も評価指標の高くなる２番目のパラメータセットを当該オーダに適用し、例えば特許文献１に記載された方法で板取計画最適化を行なった。又、同じパラメータに摂動を加えたＮ３−１個のパラメータを用いて、同様に当該オーダに対する板取計画最適化を行ない、得られた合計Ｎ３個の結果の中で最も評価指標の高くなる板取計画結果を、当該オーダに対する最適な板取計画結果とした。更に、当該オーダ構成と最適な結果が得られたパラメータと最適な板取計画結果とを新たにデータセットとして蓄積した。
これにより得られた板取計画の評価指標は９８であった。
本発明の適用対象は製鉄所に限定されず、板取計画一般に適用可能である。
１０…入力装置
２０…コンピュータ
３０…記憶装置
４０…過去のデータ（Ｎ１個）
５０…類似度の高いデータ（Ｎ２個）
６０…評価指標の高いデータ（Ｎ３個）
２０…コンピュータ
３０…記憶装置
４０…過去のデータ（Ｎ１個）
５０…類似度の高いデータ（Ｎ２個）
６０…評価指標の高いデータ（Ｎ３個）
Claims (3)
- 複数の鋼片に１以上の注文を充当して板取計画を作成する際に、
過去のオーダ構成とそれに対する板取計画結果とそのときのパラメータをセットで蓄積しておき、
これから板取計画を行おうとするオーダの構成と類似度の高い結果から、評価関数を最大化するパラメータを選択することにより、最適な板取計画を決定することを特徴とする板取計画最適化方法。 - 前記評価関数を最大化するパラメータに摂動を加え、ある範囲で変更したパラメータ群に対しても板取計画を行うことを特徴とする請求項１に記載の板取計画最適化方法。
- 複数の鋼片に１以上の注文を充当して板取計画を作成するための板取計画最適化装置において、
過去のオーダ構成とそれに対する板取計画結果とそのときのパラメータをセットで蓄積する手段と、
これから板取計画を行おうとするオーダの構成と類似度の高い結果から、所定回数分の板取計画結果を抽出する手段と、
抽出された中から、評価関数を最大化するパラメータを選択することにより、最適な板取計画を決定する手段と、
を備えたことを特徴とする板取計画最適化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005036795A JP2006221564A (ja) | 2005-02-14 | 2005-02-14 | 板取計画最適化方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005036795A JP2006221564A (ja) | 2005-02-14 | 2005-02-14 | 板取計画最適化方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2006221564A true JP2006221564A (ja) | 2006-08-24 |
Family
ID=36983847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005036795A Pending JP2006221564A (ja) | 2005-02-14 | 2005-02-14 | 板取計画最適化方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2006221564A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009066629A (ja) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | スラブ設計方法および装置 |
| CN101862948A (zh) * | 2010-05-27 | 2010-10-20 | 重庆大学 | 一种三阶段条材优化下料方法 |
| JP2016101590A (ja) * | 2014-11-27 | 2016-06-02 | Ｊｆｅスチール株式会社 | 板取方法 |
| US9530109B2 (en) | 2010-09-28 | 2016-12-27 | International Business Machines Corporation | Iterative pattern generation algorithm for plate design problems |
-
2005
- 2005-02-14 JP JP2005036795A patent/JP2006221564A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009066629A (ja) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | スラブ設計方法および装置 |
| CN101862948A (zh) * | 2010-05-27 | 2010-10-20 | 重庆大学 | 一种三阶段条材优化下料方法 |
| CN101862948B (zh) * | 2010-05-27 | 2011-12-14 | 重庆大学 | 一种三阶段条材优化下料方法 |
| US9530109B2 (en) | 2010-09-28 | 2016-12-27 | International Business Machines Corporation | Iterative pattern generation algorithm for plate design problems |
| US10108913B2 (en) | 2010-09-28 | 2018-10-23 | International Business Machines Corporation | Iterative pattern generation algorithm for plate design problems |
| JP2016101590A (ja) * | 2014-11-27 | 2016-06-02 | Ｊｆｅスチール株式会社 | 板取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nugent et al. | Is the European Commission really in decline? | |
| CN107122327B (zh) | 一种利用训练数据训练模型的方法和训练系统 | |
| Mondal et al. | Study of effectiveness of time series modeling (ARIMA) in forecasting stock prices | |
| WO2007027239A8 (en) | Trusted decision support system and method | |
| WO2005086068A3 (en) | Methods and systems for predicting occurrence of an event | |
| Wang et al. | Allocation of assembly tolerances to minimize costs | |
| JP2006221564A (ja) | 板取計画最適化方法及び装置 | |
| Klocke et al. | Technology chain optimization: a systematic approach considering the manufacturing history | |
| Bui et al. | Improved knowledge-based neural network (KBNN) model for predicting spring-back angles in metal sheet bending | |
| Singh et al. | Six Sigma methodology and implementation in Indian context: a review-based study | |
| JP2008015824A (ja) | フィルタ列生成装置、フィルタ列生成方法、コンピュータをフィルタ列生成装置として機能させるためのプログラム、および記録媒体 | |
| Czarnigowska et al. | Estimating construction duration for public roads during the preplanning phase | |
| Methling et al. | Thematic portfolio optimization: challenging the core satellite approach | |
| CN104632188A (zh) | 一种单油井产量的预测方法及装置 | |
| Guo et al. | Predicting nugget size of resistance spot welds using infrared thermal videos with image segmentation and convolutional neural network | |
| KR20210070438A (ko) | 학습 기반의 공구 마모도 예측방법 | |
| Windt et al. | Exploring due date reliability in production systems using data mining methods adapted from gene expression analysis | |
| Ditzen et al. | Introducing the Replication Studies section | |
| JP6318623B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
| CN104899797A (zh) | 一种削减多个风电场出力场景的方法 | |
| Zhao | Predicting US business cycle turning points using real-time diffusion indexes based on a large data set | |
| Olivotti et al. | Maintenance planning using condition monitoring data | |
| Idzik et al. | Decision Support for the Optimization of Continuous Processesusing Digital Shadows | |
| CN109299260B (zh) | 数据分类方法、装置以及计算机可读存储介质 | |
| CN104794547A (zh) | 一种基于温度的电力负荷数据长期预测方法 |