JP2011134283A - 製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 - Google Patents
製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP2011134283A JP2011134283A JP2009295661A JP2009295661A JP2011134283A JP 2011134283 A JP2011134283 A JP 2011134283A JP 2009295661 A JP2009295661 A JP 2009295661A JP 2009295661 A JP2009295661 A JP 2009295661A JP 2011134283 A JP2011134283 A JP 2011134283A
- Authority
- JP
- Japan
- Prior art keywords
- product
- manufacturing
- production
- type
- load prediction
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 568
- 238000000034 method Methods 0.000 title claims abstract description 147
- 238000003860 storage Methods 0.000 title claims description 14
- 238000004590 computer program Methods 0.000 title claims description 7
- 230000008569 process Effects 0.000 claims abstract description 119
- 238000013439 planning Methods 0.000 claims abstract description 54
- 238000003066 decision tree Methods 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 32
- 239000000047 product Substances 0.000 description 312
- 238000007689 inspection Methods 0.000 description 26
- 238000012937 correction Methods 0.000 description 25
- 238000005520 cutting process Methods 0.000 description 20
- 229910000831 Steel Inorganic materials 0.000 description 17
- 239000010959 steel Substances 0.000 description 17
- 238000013461 design Methods 0.000 description 15
- 238000012423 maintenance Methods 0.000 description 15
- 238000007670 refining Methods 0.000 description 7
- 238000012384 transportation and delivery Methods 0.000 description 7
- 238000005096 rolling process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009749 continuous casting Methods 0.000 description 4
- 238000009628 steelmaking Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004513 sizing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000009417 prefabrication Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】製造実績注文情報400と製造実績情報500とに基づいて、製品属性が同一又は予め定めた範囲内である製品同士を同一の品種として仕分けるための工程別品種区分ロジック(決定木600、700、800、900)を製造工程毎に作成する。また、製造実績注文情報400と製造実績情報500とに基づいて、工程別品種区分ロジックを用いて、製造負荷予測モデル1200、1300、1400、1500を算出する。そして、工程別品種区分ロジックと、製造負荷予測モデル1200、1300、1400、1500とを用いて、新規の製品の注文に関する生産計画1900について、各製造工程の製造負荷を予測する。
【選択図】図1
Description
このように受注段階で大まかな納期交渉を行っているものの、先に述べたような製造工程の複雑さと、多品種かつ小ロットの注文を大量に取り扱う生産管理の規模の大きさと複雑さとが相まって、営業部門において受注段階で各製造設備でのロットのまとまり具合や製造負荷までを考慮した納期交渉を適切に行うことは難しいのが現状である。
また、特許文献1では、多品種少量生産の組み立て加工ラインにおいて、製品の部品構成または製造ラインに対する要求量が類似する品種群を同一の品種のグループとして取り扱い、製造ラインの負荷を適切に平準化する生産指示量平準化装置が提案されている。
また、特許文献2では、多品種小ロット製品を大量生産する製造プロセスにおいて、製造実績データに基づき、処理工程が類似している製品同士をグループ化するロジックを決定木により作成し、グループ化された品種毎の製造負荷の平均値を製造負荷予測に用いるという方法が提案されている。
また、特許文献1に開示された生産指示量平準化装置では、製品の部品構成または製造ラインに対する要求量が類似する複数の品種を一つの品種群として取り扱っているという点で品種のグループの作成の条件が明確である。しかしながら、確率的に発生する作業工程、たとえば検査設備で見つかった疵等の品質欠陥の手入れ等の製造負荷を予測することは困難であり、また、製品属性から品種のグループを作成する際の条件が明確に記載されていない、という課題がある。
また、本発明の製造負荷予測方法は、製品属性が異なる複数の製品を複数の製造工程での処理により製造する製造工場の各製造工程における製造負荷を、過去に製造された製品についての製造実績データに基づいて予測する製造負荷予測方法であって、前記過去に製造された製品についてのサイズ及び重量を少なくとも製品属性として含む製品注文実績情報と、当該製品の前記各製造工程での処理の有無の実績を少なくとも含む製造実績情報とを前記製造実績データとして入力する入力ステップと、前記製造実績データに基づいて、製品属性が同一又は予め定めた範囲内である製品同士をまとめるための複数の品種を前記製造工程毎に作成し、当該製造工程毎に当該製品を当該複数の品種の何れかに仕分ける決定木を、工程別品種区分ロジックとして作成する工程別品種区分ロジック作成ステップと、前記製造実績データに基づいて、前記工程別品種区分ロジックを用いて、前記製造工程毎、前記品種毎に、当該品種に属する製品の総数に対する、当該品種に属する製品の当該製造工程の通過数の割合の期待値を示す発生率を算出するモデルを、製造負荷予測モデルとして作成する製造負荷予測モデル作成ステップと、前記工程別品種区分ロジックと、前記製造負荷予測モデルとを用いて、新規の製品の注文に関する生産計画について、前記各製造工程の製造負荷を予測する製造負荷予測ステップと、を備えることを特徴とする。
さらに、本発明のコンピュータプログラムは、製品属性が異なる複数の製品を複数の製造工程での処理により製造する製造工場の各製造工程における製造負荷を、過去に製造された製品についての製造実績データに基づいて予測する製造負荷予測装置としてコンピュータを機能させるためのコンピュータプログラムであって、前記過去に製造された製品についてのサイズ及び重量を少なくとも製品属性として含む製品注文実績情報と、当該製品の前記各製造工程での処理の有無の実績を少なくとも含む製造実績情報とを前記製造実績データとして入力する入力部と、前記製造実績データに基づいて、製品属性が同一又は予め定めた範囲内である製品同士をまとめるための複数の品種を前記製造工程毎に作成し、当該製造工程毎に当該製品を当該複数の品種の何れかに仕分ける決定木を、工程別品種区分ロジックとして作成する工程別品種区分ロジック作成部と、前記製造実績データに基づいて、前記工程別品種区分ロジックを用いて、前記製造工程毎、前記品種毎に、当該品種に属する製品の総数に対する、当該品種に属する製品の当該製造工程の通過数の割合の期待値を示す発生率を算出するモデルを、製造負荷予測モデルとして作成する製造負荷予測モデル作成部と、前記工程別品種区分ロジックと、前記製造負荷予測モデルとを用いて、新規の製品の注文に関する生産計画について、前記各製造工程の製造負荷を予測する製造負荷予測部と、
を備える製造負荷予測装置としてコンピュータを機能させることを特徴とする。
また、当該コンピュータプログラムを記憶した記憶媒体も提供される。
まず、図1を参照して、本発明の適用先の一例であり、鉄鋼業における代表的な製品である厚鋼板(厚板)の製造工場の概略構成の一例を説明する。なお、本発明の適用先は、厚鋼板の製造工場に限定されないことは勿論である。図1において、矢印は製品の流れを示す。
転炉工程1001では、高温溶融状態の鉄鋼中間製品(溶鋼)の化学的成分である出鋼成分を例えば約300[ton]単位で調整し、溶鋼鍋に出鋼する。この転炉1001での出鋼単位をチャージと呼ぶ。
連続鋳造工程1002では、転炉1001で製造された溶鋼を複数チャージ分連続して鋳造し、その後規定の長さに切断することで、例えば約20[ton]単位のスラブと呼ばれる板状の中間製品を製造する。この連続鋳造工程1002での一連の製造単位をキャストと呼ぶ。製造仕様にもよるが概ね8〜12チャージを1キャストとして製造する。
そこで、以下に説明する第1、第2の実施形態では、製造実態を適切に反映した適切な製造負荷を注文毎に設定し、立案した生産計画の製造負荷を製造着手前に予測することで、生産計画の良否を事前に評価できるようにする。
図2に、製品一品単位で製造負荷を予測する製造負荷予測装置100の概略構成の一例を示す。また、図3に、当該製造負荷予測装置100を用いて実施する製造負荷予測方法の各ステップの一例を示す。製造負荷予測装置100のハードウェアは、例えば、CPU、ROM、RAM、HDD、通信インターフェース、及びユーザインタフェース等を備えたコンピュータシステム(例えばパーソナルコンピュータ)を用いることにより実現できる。
入力部1は、製品のサイズ及び重量を少なくとも製品属性として含む製品注文実績情報と、製品の製造工程での処理有無の実績とを少なくとも含む製造実績情報を入力とする。図4に、製品注文実績情報400の一例を示す。図4において、製品1は、規格が「a」、平坦度が「B」、切断仕様が「有り」、矯正仕様が「有り」、検査仕様が「無し」、製造仕様1が「無し」、製造仕様2が「有り」、需要家が「B3」、製品重量が4[ton]、製品厚が12[mm]、製品巾が1000[mm]、製品長7000[mm]であることを表す。また、図5に、製造実績情報500の一例を示す。図5において、製品1は、精整工程では切断と矯正のみ処理された(切断工程1004と矯正工程1005のみ通過した)ことを表す。
入力部1は、例えば、情報入力手段(キーボード、電子ファイル用ドライブ、及びネットワークI/Oなど)が、ユーザによる入力操作や、外部装置との通信などを行って、製品注文実績情報400と製造実績情報500とを取得し、CPUが、プログラムに従って、製品注文実績情報400と製造実績情報500を、HDD等に記憶することにより実現される。
説明変数設定部2は、製品注文実績情報400に含まれる(所定の)一つ又は複数の製品属性を説明変数として設定する。「説明変数」、「目的変数」については後述する。
説明変数設定部2は、例えば、CPUが、プログラムに従って、HDD等に記憶された製品注文実績情報400を読み出し、そこから所定の製品属性の情報を抽出することにより実現される。
目的変数設定部3は、製造実績情報500に基づいて、各製造工程の処理実績の有無を目的変数として設定する。具体的に本実施形態では、精整工程である切断工程1004、手入工程1006、矯正工程1005、及び検査工程の各処理工程の処理有無の実績値を、処理した場合に「1」、処理しなかった場合に「0」と表現したものを各製造工程の目的変数とする。なお、検査工程は、倉庫1007に入庫する直前の工程として実行される。ただし、検査工程は、倉庫1007に入庫した後の所定のタイミングで実行されるようにしてもよい。図5に示す例では、製品1の切断工程1004の目的変数は「1」、手入工程1006の目的変数は「0」、矯正工程1005の目的変数は「1」、検査工程の目的変数は「0」となる。
目的変数設定部3は、例えば、CPUが、プログラムに従って、HDD等に記憶された製造実績情報500を読み出し、その内容から目的変数を導出することにより実現される。
設計パラメータ設定部4は、工程別品種区分ロジックを作成する際に必要な設計パラメータを設定する。なお、設計パラメータについては後述する。
設計パラメータ設定部4は、例えば、製造負荷予測装置100が備える情報入力手段が、ユーザによる入力操作や、外部装置との通信などを行って設計パラメータを取得し、CPUが、プログラムに従って、設計パラメータを、HDD等に記憶することにより実現される。
決定木とはデータの分析手法の一つであり、データを様々な条件に従って木の枝葉のように分類していく分析手法である。決定木は、製造不良の要因の特定や市場情報の分類などに使われている(例えば非特許文献1を参照)。決定木は、データの固まりである複数のノードから構成されており、データ全体を表すルートノード(根ノード)から始まり、末端のノード(リーフノード、葉ノード)に特定の属性を持つデータの割合が多くなるように、つまり偏りのあるデータが含まれるように、ノードを次々と分岐させながら作成される。得られたリーフノードへの分岐条件やリーフノードに属する過去のデータ(学習用データ)を用いることで決定木を各種の予測に使うことができる。ここで、予測したい属性を「目的変数」、データの分岐条件を記述する属性を「説明変数」と呼ぶ。決定木の作成にあたっては、目的変数や説明変数をどのように定義するか、決定木の大きさ(ノードの数や深さ)をどのように決定するかなどの設計パラメータの設定が、得られた決定木の予測精度や取扱いの容易さなどに深く関係するために極めて重要である。
工程別品種区分ロジック作成部5は、製造実績情報500、前記説明変数、前記目的変数及び前記設計パラメータに基づいて、決定木構築手法に従って決定木を作成する。作成された決定木が工程別品種区分ロジックとなる。
工程別品種区分ロジック作成部5は、例えば、CPUが、プログラムに従って、HDD等に記憶された、前記説明変数、前記目的変数及び前記設計パラメータを読み出し、それらの情報を用いて決定木構築手法に従った処理を行い、決定木を作成することにより実現される。
(工程別品種区分ロジック格納部6、工程別品種区分ロジック格納ステップS6)
工程別品種区分ロジック格納部6は、工程別品種区分ロジック作成部5で作成された工程別品種区分ロジックを、データベース、ファイル等の形式で格納する。
工程別品種区分ロジック格納部6は、例えば、CPUが、プログラムに従って、工程別品種区分ロジック作成部5で作成された工程別品種区分ロジックをHDD等に記憶することにより実現される。
例えば、図8において、矯正仕様が「無し」、製品長が4500[mm]超、製品巾が800[mm]以下、製品重量が4[ton]超、製品厚が8[mm]以下の製品は、リーフID5に分類され、目的変数が「0」、すなわち矯正処理が発生しにくい製品であることを示す。なお、リーフIDとは、リーフノード毎に割り当てられるユニークな番号を意味し、品種と定義する。
工程別品種分類部7は、工程別品種区分ロジック(決定木600、700、800、900)に従って、製品注文実績情報400に通過有無変数(目的変数)と品種(リーフID)とを付与する。図10に、製品毎に通過有無変数を付与した結果(工程別通過有無変数(目的変数))の一例を示す。また、図11に、品種(リーフID)を付与した結果(製造実績から求まる工程別品種)の一例を示す。例えば、図4に示した製品実績情報400に含まれる製品1は、規格が「a」、平坦度が「B」、切断仕様が「有り」、矯正仕様が「有り」、検査仕様が「無し」、製造仕様1が「無し」、製造仕様2が「有り」、需要家が「B3」、製品重量が4[ton]、製品厚が12[mm]、製品巾が1,000[mm]、製品長が7,000[mm]であるため、図6〜図10に示した決定木600、700、800、900に従い、切断工程1004の通過有無変数は「1」、品種は「1」、手入工程1006の通過有無変数は「0」、品種は「2」、矯正工程1005の通過有無変数は「1」、品種は「1」、検査工程の通過有無変数は「0」、品種は「4」となる。
工程別品種分類部7は、例えば、CPUが、プログラムに従って、製品注文実績情報400と、決定木600、700、800、900とをHDD等から読み出し、各製品の製品属性を決定木600、700、800、900に適用して、各製品の各製造工程における通過有無変数及び品種を決定することにより実現される。
製造負荷予測モデル作成部8は、品種毎に、当該品種に属する製品1枚当たりの「当該品種に対応する製造工程の処理枚数」の期待値である発生率を算出する。具体的に製造負荷予測モデル作成部8は、品種毎に、当該品種に対応する製造工程の処理枚数と合計枚数とを集計し、以下の(1)式から品種毎の発生率load_rate[i][j]を算出する。ただし、iは製造工程に関するインデックスでありi=0は切断、i=1は手入、i=2は矯正、i=3は検査を意味し、j(j=0,1,2,・・・)は品種を意味する。
図12〜図15に、処理枚数sum_load[i][j]、合計枚数sum_plate[i][j]、発生率load_rate [i][j]を品種毎に集計又は算出した結果を、製造工程毎に示す。
例えば、図13において、手入工程1006の品種(リーフID)「3」は、通過有無変数が「1」であり、品種(リーフID)「3」に属する製品の合計枚数が「500枚」であり、そのうち手入工程1006で処理された枚数が「450枚」であり、発生率が「0.90」(=450/500)であることを意味する。ここで、図12〜図15に一例として示すように、品種から発生率が求まるモデルを製造負荷予測モデル1200、1300、1400、1500という。例えば、図13に示す手入工程の製造負荷予測モデル1300おいて、或る製品の品種が「3」の場合、品種「3」を入力として得られる出力(発生率)0.90が当該製品の発生率となる。
製造負荷予測モデル作成部8は、例えば、CPUが、プログラムに従って、工程別品種(図11を参照)及び製造実績情報500をHDD等から読み出して、(1)式の演算を行うことにより実現される。
製造負荷予測モデル格納部9は、製造負荷予測モデル作成部8で作成された製造負荷予測モデル1200、1300、1400、1500を、データベース、ファイル等の形式で製造負荷予測モデルを格納する。
製造負荷予測モデル格納部9は、例えば、CPUが、プログラムに従って、製造負荷予測モデル作成部8で作成された製造負荷予測モデル1200、1300、1400、1500をHDD等に記憶することにより実現される。
製造負荷予測部10は、新規の製品の注文に対して、その新規の製品の注文情報(新規製品注文情報)に含まれる注文属性と、工程別品種区分ロジック(決定木600、700、800、900)とから求まる品種を当該新規の製品毎に付与する。そして、製品負荷予測部10は、当該品種と、製造負荷予測モデル1200、1300、1400、1500とから求まる製造工程毎の発生率を新規の製品毎に付与する。
図16は、新規製品注文情報1600の一例を示した図である。また、図17は、品種を新規の製品毎に付与した結果(新規の注文に対する工程別品種)の一例を示した図である。
図16において、例えば、製品101は、規格が「d」、平坦度が「B」、切断仕様が「無し」、矯正仕様が「無し」、検査仕様が「有り」、製造仕様1が「無し」、製造仕様2が「無し」、需要家が「A2」、製品重量が5[ton]、製品厚が20[mm]、製品巾が900[mm]、製品長が3,000[mm]である。したがって、図6〜図9に示した決定木600、700、800、900に従い、切断工程1004の品種は「2」、手入工程1006の品種は「5」、矯正工程1005の品種は「2」、検査工程の品種は「1」となる。
図18において、例えば、製品101における、切断工程1004の品種は「2」、手入工程1006の品種は「5」、矯正工程1005の品種は「2」、検査工程の品種は「1」である。したがって、図12〜図15に示した製造負荷予測モデル1200、1300、1400、1500に従い、切断工程1004の通過有無変数(目的変数)は「0」、発生率は「0.02」となり、手入工程1006の通過有無変数(目的変数)は「1」、発生率は「0.90」となり、矯正工程1005の通過有無変数(目的変数)は「1」、発生率は「0.90」となり、検査工程の通過有無変数(目的変数)は「1」、発生率は「1.00」となる。
図19は、製造日別、手入工程1006の品種(手入リーフID)別に新規の製品を集約した生産計画1900の一例を示した図である。図19において、例えば、製造日1には、品種「1」の製品が200枚含まれていることを示している。図20に、図13に示した製造負荷予測モデル1300を用いて、製造日別、手入リーフID別の手入工程1006の製造負荷予測値2000を計算した結果を示す。例えば、図19に示した生産計画1900において、品種「3」、製造日1の製品枚数は800枚であり、図13に示した製造負荷予測モデル1300において、品種「3」の発生率は0.9であるので、図20に示すように、品種「3」、製造日1の製造負荷予測値は800×0.9=720枚となる。他の品種についても同様に製造負荷予測値を算出し、製造日毎に集計することで製造日毎の製造負荷予測値を算出することができる。
次に、本発明の第2の実施形態を説明する。本実施形態では、前述した第1の実施形態に対し、製造負荷予測部(製造負荷予測ステップ)の内容が異なる。すなわち、本実施形態は、入力ステップS1〜製造負荷予測モデル格納ステップS9までは、第1の実施形態と同一である。したがって、本実施形態の説明において、前述した第1の実施形態と同一の部分については、図1〜図22に付した符号と同一の符号を付す等して詳細な説明を省略する。
(計画立案用品種作成部101:計画立案用品種作成ステップS101)
計画立案用品種作成部101は、工程別品種区分ロジック(決定木600、700、800、900)に従って、新規製品注文情報1600に対して、新規の製品毎に製造工程毎の通過有無変数(目的変数)を付与し、製造工程毎に付与された通過有無変数の全工程に関する組合せパターンを計画立案用品種として作成し、新規製品注文情報1600に対して製品毎に計画立案用品種を付与する。
図25において、製品101の各製造工程の通過有無変数は、切断工程1004が「0」、手入工程1006が「1」、矯正工程1005が「1」、検査工程が「1」である(図18を参照)。したがって、計画立案用品種は「0111」となる。
計画立案用品種作成部101は、例えば、工程別品種区分ロジック(決定木600、700、800、900)及び新規製品注文情報1600を、HDD等から読み出して、各新規の製品に対して、当該製品の製造工程毎に付与された通過有無変数の組合せである計画立案用品種を生成することにより実現される。
計画立案用品種別製造負荷予測モデル作成部102は、計画立案用品種別、製造工程別に、当該計画立案用品種に含まれる複数の品種に属する製品の、当該製造工程における発生率の平均値を算出し、算出した平均値を、当該計画立案用品種、当該製造工程の発生率とする。この発生率は、製造工程毎、計画立案用品種毎に、当該計画立案用品種に属する新規の製品の総数に対する、当該計画立案用品種に属する新規の製品の当該製造工程の通過数の割合を示す発生率の期待値の一例であり、以降では、この発生率を計画立案用品種別発生率と呼ぶ。すなわち、計画立案用品種k(k=0,1,2,・・・)、製造工程i(i=0,1,2,3)の計画立案用品種別発生率plan_load_rate[i][k]は、以下の(2)式のように求まる。
計画立案用品種別製造負荷予測モデル作成部102は、例えば、ハードウェアによる以下の処理により実現される。即ち、まず、製造負荷予測装置100が備える情報入力手段が、ユーザによる入力操作や、外部装置との通信などを行って新規製品注文情報1600を取得すると共に、CPUが、プログラムに従って、工程別品種区分ロジック(決定木600、700、800、900)と、製造負荷予測モデル1200、1300、1400、1500とを読み出す。そして、CPUが、プログラムに従って、新規の製品についての品種を求めると共に(2)式の計算を行う。
計画立案用品種別製造負荷予測部103は、新規製品注文情報1600に含まれる一部或いは全ての製品の製造日を決定した生産計画1900に対して、製造日毎の製造負荷の予測を行う。
図27は、或る生産計画に対して、計画立案用品種別、製造日別に製品枚数を集約した結果(生産計画量2700)の一例を示す図である。図27において、例えば、製造日1(第1日目)は、計画立案用品種「0000」を450枚製造することを表す。
製造工程i(i=0,1,2,3)、計画立案用品種k(k=0,1,2,・・・)の計画立案用品種別発生率plan_load_rate[i][k]と、計画立案用品種k(k=0,1,2,・・・)、製造日t(t=1,2,・・・)の生産計画量plan_amount[k][t]とを用いて、製造日t(t=1,2,・・・)、製造工程i(i=0,1,2,3)の製造負荷予測量load[i][t]は、以下の(3)式のようにして求まる。
次に、各製造工程の一日当たりの処理能力が800枚であると仮定した場合について考察する。図28から分かるように、製造日2(第2日目)の矯正工程1005、製造日3(第3日目)の手入工程1006はともに処理能力が800枚を超過していることが分かる。図27に示す生産計画量2700より、第2日目は、矯正工程1005の計画立案用品種別発生率の高い計画立案用品種「0010」が多く含まれ、第3日目は手入工程1006の計画立案用品種別発生率の高い計画立案用品種「0100」が多く含まれていることが分かる。そこで、例えば、第3日目の計画立案用品種「0100」を600枚ほど第2日目に移動し、第2日目の計画立案用品種「0010」を600[枚]ほど第3日目に移動した場合の生産計画量2900のを図29に、その際の製造負荷予測値3000を図30にそれぞれ示す。図30に示す製造負荷予測値3000から分かるように、製造日2(第2日目)の矯正工程1005、製造日3(第3日目)の手入工程1006が処理能力以下になっていることが分かる。このように製品を計画立案用品種に纏めて、生産計画立案用品種単位に生産計画の作成や修正を行うことで、製造負荷のコントロールを容易に行うことが可能となる。
計画立案用品種別製造負荷予測部103は、例えば、HDD等から生産計画を読み出して計画立案用品種別、製造日別の生産計画量2700を作成すると共に、計画立案用品種別製造負荷予測モデル作成部102で作成された計画立案用品種別製造負荷予測モデル2600を読み出して(3)式の計算を行うことにより実現される。
また、以上説明した本発明の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。
2 説明変数設定部
3 目的変数設定部
4 設計パラメータ入力部
5 工程別品種区分ロジック作成部
6 工程別品種区分ロジック格納部
7 工程別品種分類部
8 製造負荷予測モデル作成部
9 製造負荷予測モデル格納部
10 製造負荷予測部
101 計画立案用品種作成部
102 計画立案用品種別製造負荷予測モデル作成部
103 製造負荷予測部
Claims (8)
- 製品属性が異なる複数の製品を複数の製造工程での処理により製造する製造工場の各製造工程における製造負荷を、過去に製造された製品についての製造実績データに基づいて予測する製造負荷予測装置であって、
前記過去に製造された製品についてのサイズ及び重量を少なくとも製品属性として含む製品注文実績情報と、当該製品の前記各製造工程での処理の有無の実績を少なくとも含む製造実績情報とを前記製造実績データとして入力する入力手段と、
前記製造実績データに基づいて、製品属性が同一又は予め定めた範囲内である製品同士をまとめるための複数の品種を前記製造工程毎に作成し、当該製造工程毎に当該製品を当該複数の品種の何れかに仕分ける決定木を、工程別品種区分ロジックとして作成する工程別品種区分ロジック作成手段と、
前記製造実績データに基づいて、前記工程別品種区分ロジックを用いて、前記製造工程毎、前記品種毎に、当該品種に属する製品の総数に対する、当該品種に属する製品の当該製造工程の通過数の割合の期待値を示す発生率を算出するモデルを、製造負荷予測モデルとして作成する製造負荷予測モデル作成手段と、
前記工程別品種区分ロジックと、前記製造負荷予測モデルとを用いて、新規の製品の注文に関する生産計画について、前記各製造工程の製造負荷を予測する製造負荷予測手段と、
を備えることを特徴とする製造負荷予測装置。 - 前記製造負荷予測手段は、前記新規の製品の製品属性を前記工程別品種区分ロジックに適用して、前記製造工程毎、前記品種毎の生産計画量を求め、当該生産計画量に、前記製造負荷予測モデルから算出される、当該生産計画量と前記製造工程及び前記品種が一致する発生率を乗算して、前記各製造工程の製造負荷を予測することを特徴とする請求項1に記載の製造負荷予測装置。
- 前記製造負荷予測手段は、前記新規の製品の製品属性を、前記各製造工程についての前記工程別品種区分ロジックのそれぞれに適用して、当該新規の製品の品種を前記各製造工程のそれぞれについて求め、求めた品種に対応して決定される、当該新規の製品の当該製造工程の通過し易さを示す変数である通過有無変数の組合せパターンである計画立案用品種を、前記新規の製品のそれぞれについて作成する計画立案用品種作成手段と、
前記製造負荷予測モデルに含まれる、前記製造工程毎、前記品種毎の発生率を用いて、前記製造工程毎、前記計画立案用品種毎に、当該計画立案用品種に属する新規の製品の総数に対する、当該計画立案用品種に属する新規の製品の当該製造工程の通過数の割合を示す発生率の期待値である計画立案用品種別発生率を算出するモデルを、計画立案用品種別製造負荷予測モデルとして作成する計画立案用品種別製造負荷予測モデル作成手段と、
前記新規の製品の製品属性を前記工程別品種区分ロジックに適用した結果を用いて、前記製造工程毎、前記計画立案用品種毎の生産計画量を求め、当該生産計画量に、前記計画立案用品種別製造負荷予測モデルから算出される、当該生産計画量と前記製造工程及び前記計画立案用品種が一致する計画立案用品種別発生率を乗算して、前記各製造工程の製造負荷を予測する計画立案用品種別製造負荷予測手段と、
を更に含むことを特徴とする請求項1に記載の製造負荷予測装置。 - 製品属性が異なる複数の製品を複数の製造工程での処理により製造する製造工場の各製造工程における製造負荷を、過去に製造された製品についての製造実績データに基づいて予測する製造負荷予測方法であって、
前記過去に製造された製品についてのサイズ及び重量を少なくとも製品属性として含む製品注文実績情報と、当該製品の前記各製造工程での処理の有無の実績を少なくとも含む製造実績情報とを前記製造実績データとして入力する入力ステップと、
前記製造実績データに基づいて、製品属性が同一又は予め定めた範囲内である製品同士をまとめるための複数の品種を前記製造工程毎に作成し、当該製造工程毎に当該製品を当該複数の品種の何れかに仕分ける決定木を、工程別品種区分ロジックとして作成する工程別品種区分ロジック作成ステップと、
前記製造実績データに基づいて、前記工程別品種区分ロジックを用いて、前記製造工程毎、前記品種毎に、当該品種に属する製品の総数に対する、当該品種に属する製品の当該製造工程の通過数の割合の期待値を示す発生率を算出するモデルを、製造負荷予測モデルとして作成する製造負荷予測モデル作成ステップと、
前記工程別品種区分ロジックと、前記製造負荷予測モデルとを用いて、新規の製品の注文に関する生産計画について、前記各製造工程の製造負荷を予測する製造負荷予測ステップと、
を備えることを特徴とする製造負荷予測方法。 - 前記製造負荷予測ステップは、前記新規の製品の製品属性を前記工程別品種区分ロジックに適用して、前記製造工程毎、前記品種毎の生産計画量を求め、当該生産計画量に、前記製造負荷予測モデルから算出される、当該生産計画量と前記製造工程及び前記品種が一致する発生率を乗算して、前記各製造工程の製造負荷を予測することを特徴とする請求項4に記載の製造負荷予測方法。
- 前記製造負荷予測ステップは、前記新規の製品の製品属性を、前記各製造工程についての前記工程別品種区分ロジックのそれぞれに適用して、当該新規の製品の品種を前記各製造工程のそれぞれについて求め、求めた品種に対応して決定される、当該新規の製品の当該製造工程の通過し易さを示す変数である通過有無変数の組合せパターンである計画立案用品種を、前記新規の製品のそれぞれについて作成する計画立案用品種作成ステップと、
前記製造負荷予測モデルに含まれる、前記製造工程毎、前記品種毎の発生率を用いて、前記製造工程毎、前記計画立案用品種毎に、当該計画立案用品種に属する新規の製品の総数に対する、当該計画立案用品種に属する新規の製品の当該製造工程の通過数の割合を示す発生率の期待値である計画立案用品種別発生率を算出するモデルを、計画立案用品種別製造負荷予測モデルとして作成する計画立案用品種別製造負荷予測モデル作成ステップと、
前記新規の製品の製品属性を前記工程別品種区分ロジックに適用した結果を用いて、前記製造工程毎、前記計画立案用品種毎の生産計画量を求め、当該生産計画量に、前記計画立案用品種別製造負荷予測モデルから算出される、当該生産計画量と前記製造工程及び前記計画立案用品種が一致する計画立案用品種別発生率を乗算して、前記各製造工程の製造負荷を予測する計画立案用品種別製造負荷予測ステップと、
を更に含むことを特徴とする請求項4に記載の製造負荷予測方法。 - 製品属性が異なる複数の製品を複数の製造工程での処理により製造する製造工場の各製造工程における製造負荷を、過去に製造された製品についての製造実績データに基づいて予測する製造負荷予測装置としてコンピュータを機能させるためのコンピュータプログラムであって、
前記過去に製造された製品についてのサイズ及び重量を少なくとも製品属性として含む製品注文実績情報と、当該製品の前記各製造工程での処理の有無の実績を少なくとも含む製造実績情報とを前記製造実績データとして入力する入力部と、
前記製造実績データに基づいて、製品属性が同一又は予め定めた範囲内である製品同士をまとめるための複数の品種を前記製造工程毎に作成し、当該製造工程毎に当該製品を当該複数の品種の何れかに仕分ける決定木を、工程別品種区分ロジックとして作成する工程別品種区分ロジック作成部と、
前記製造実績データに基づいて、前記工程別品種区分ロジックを用いて、前記製造工程毎、前記品種毎に、当該品種に属する製品の総数に対する、当該品種に属する製品の当該製造工程の通過数の割合の期待値を示す発生率を算出するモデルを、製造負荷予測モデルとして作成する製造負荷予測モデル作成部と、
前記工程別品種区分ロジックと、前記製造負荷予測モデルとを用いて、新規の製品の注文に関する生産計画について、前記各製造工程の製造負荷を予測する製造負荷予測部と、
を備える製造負荷予測装置としてコンピュータを機能させることを特徴とするコンピュータプログラム。 - 請求項7に記載のコンピュータプログラムを記録したことを特徴とするコンピュータ読み取り可能な記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009295661A JP5402621B2 (ja) | 2009-12-25 | 2009-12-25 | 製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009295661A JP5402621B2 (ja) | 2009-12-25 | 2009-12-25 | 製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011134283A true JP2011134283A (ja) | 2011-07-07 |
JP5402621B2 JP5402621B2 (ja) | 2014-01-29 |
Family
ID=44346901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009295661A Active JP5402621B2 (ja) | 2009-12-25 | 2009-12-25 | 製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5402621B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013145521A (ja) * | 2012-01-16 | 2013-07-25 | Nippon Steel & Sumitomo Metal | 製造プロセスの能率予測方法、装置及びプログラム |
JP2015069527A (ja) * | 2013-09-30 | 2015-04-13 | 新日鐵住金株式会社 | 製造負荷・タイミング予測装置、製造負荷・タイミング予測方法、及びコンピュータプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002073146A (ja) * | 2000-08-29 | 2002-03-12 | Kobe Steel Ltd | 設備負荷シミュレーション装置 |
JP2005228128A (ja) * | 2004-02-13 | 2005-08-25 | Jfe Steel Kk | 生産スケジューリング方法、装置、及び、コンピュータプログラム |
JP2006351003A (ja) * | 2005-05-19 | 2006-12-28 | Jfe Steel Kk | 生産シミュレーション装置及び方法 |
JP2008027150A (ja) * | 2006-07-20 | 2008-02-07 | Nippon Steel Corp | 製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP2008165723A (ja) * | 2006-04-13 | 2008-07-17 | Nippon Steel Corp | 納期調整支援装置、納期交渉支援装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP2009265699A (ja) * | 2008-04-21 | 2009-11-12 | Nippon Steel Corp | 処理時間予測装置、方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
-
2009
- 2009-12-25 JP JP2009295661A patent/JP5402621B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002073146A (ja) * | 2000-08-29 | 2002-03-12 | Kobe Steel Ltd | 設備負荷シミュレーション装置 |
JP2005228128A (ja) * | 2004-02-13 | 2005-08-25 | Jfe Steel Kk | 生産スケジューリング方法、装置、及び、コンピュータプログラム |
JP2006351003A (ja) * | 2005-05-19 | 2006-12-28 | Jfe Steel Kk | 生産シミュレーション装置及び方法 |
JP2008165723A (ja) * | 2006-04-13 | 2008-07-17 | Nippon Steel Corp | 納期調整支援装置、納期交渉支援装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP2008027150A (ja) * | 2006-07-20 | 2008-02-07 | Nippon Steel Corp | 製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP2009265699A (ja) * | 2008-04-21 | 2009-11-12 | Nippon Steel Corp | 処理時間予測装置、方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013145521A (ja) * | 2012-01-16 | 2013-07-25 | Nippon Steel & Sumitomo Metal | 製造プロセスの能率予測方法、装置及びプログラム |
JP2015069527A (ja) * | 2013-09-30 | 2015-04-13 | 新日鐵住金株式会社 | 製造負荷・タイミング予測装置、製造負荷・タイミング予測方法、及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5402621B2 (ja) | 2014-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5114673B2 (ja) | 処理時間予測装置、方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 | |
JP4757729B2 (ja) | 製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
CN107464025B (zh) | 基于大数据的供应链需求预测与智能决策方法 | |
JP5012660B2 (ja) | 製品品質予測および制御方法 | |
WO2010061716A1 (ja) | 標準作業時間計算装置、標準作業時間管理システム、標準作業時間計算方法、及び、そのプログラム | |
JP2011257803A (ja) | 生産管理システムおよび生産管理方法 | |
JP5212047B2 (ja) | 製造工期モデル作成装置、納期達成率予測装置、製造着手目標時期算出装置、製造工期モデル作成方法、納期達成率予測方法、製造着手目標時期算出方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 | |
JP2010097506A (ja) | スケジュール作成システム、スケジュール作成方法およびスケジュール作成プログラム | |
JP2009140022A (ja) | 設備メンテナンス計画作成支援装置、方法、プログラム、及びコンピュータ読み取り可能な記録媒体 | |
TW202347062A (zh) | 用於半導體廠房中之等待時間預測之方法 | |
JP5831363B2 (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 | |
JP5402621B2 (ja) | 製造負荷予測装置、方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 | |
CN104123611A (zh) | 一种砂型铸造企业用生产管理系统 | |
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 | |
JP2020166548A (ja) | 生産管理システム及び生産管理方法 | |
JP5803693B2 (ja) | 生産物流スケジュール作成システム及び生産物流スケジュール作成方法 | |
JP5007630B2 (ja) | 製品品質の制御方法及び制御装置 | |
Castillo-Villar et al. | A metaheuristic-based approach for the capacitated supply chain network design problem including imperfect quality and rework | |
Heutmann et al. | Predictive control of a synchronized individual production | |
JP6729330B2 (ja) | 製造工期予測装置、製造工期予測方法、およびコンピュータプログラム | |
Shakhsi-Niaei et al. | Multi-project and procurement scheduling for manufacturing-to-order environments under price inflation | |
JP6167816B2 (ja) | 製造負荷・タイミング予測装置、製造負荷・タイミング予測方法、及びコンピュータプログラム | |
WO2006077930A1 (ja) | 生産スケジューリングシステム | |
JP7503973B2 (ja) | 生産管理システム及び生産管理方法 | |
JP2005228128A (ja) | 生産スケジューリング方法、装置、及び、コンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120209 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130314 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130319 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131001 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131014 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5402621 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |