JP2011159230A - スケジュール作成支援システム、スケジュール作成支援方法、及びスケジュール作成支援プログラム - Google Patents

Abstract

【課題】膨大な計算量や多くの時間を要することなく、容易、且つ、迅速に全工程に亘る作業スケジュールを作成又は修正可能にすること。
【解決手段】スケジュール作成支援システム１００は、入力装置１０３によって入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って次工程を行った際の実績を予測する予測シミュレーション装置１０６と、予測シミュレーション装置１０６によって予測された次工程の作業スケジュールと実績とを出力する出力装置１０７と、を備える
【選択図】図１

Description

本発明は、複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援システム、スケジュール作成支援方法、及びスケジュール作成支援プログラムに関するものである。

一般に、製造業では、最終製品又は半製品（以下、最終製品及び半製品をまとめて単に製品という）は複数の工程を経て製造される。なお、最終製品とは、完成品を意味し、半製品とは、工程単位での処理は完了しているものの最終製品には至っていない製造過程にある製品を意味する。例えば、鉄鋼製品は、製鋼工程、熱延工程、冷延工程、及び鍍金工程等の複数の工程を製品仕様に応じて予め決められた順番に従って実行することによって製造される。以下、順序付けされた複数の工程を多段工程という。但し、ある製品の製造プロセスにどの工程が採用されるかは製品の仕様等によって異なる。このため、全ての製品が同一の多段工程を経て製造されるとは限らない。

多段工程を含む生産物流プロセスでは、例えば操業条件及び製造作業や仕分作業等の簡略化及び効率化のために、ロットが工程毎に作成され、製品は各工程においてロット単位で生産される。ここで、ロットとは、同一条件の操業（製造作業や仕分作業）で処理可能な製品をまとめた生産単位を意味し、各工程で生産される複数の製品を１つのグループにまとめたものである。例えば、熱延工程において製造される１０個のコイルを１つにグルーピングしたものが１ロットとなる。従って、各工程では、１つのロットにまとめられた複数の製品が連続して生産される。以下、１つのロットにまとめられた複数の製品を連続して生産する処理をロット処理という。また、複数の製品を１つのロットにグルーピングする作業をロットまとめ処理という。

各工程の作業スケジュールには、ロットまとめ処理によって作成されたロット単位で複数のジョブが登録される。また、各工程では、自身について作成された作業スケジュールに従って順次ロット処理が実行される。ここで、先行するあるロットについてのロット処理が完了すると、後続する次のロットについてのロット処理が実行されるが、この際、先行するロット処理と後続のロット処理との間に段取替え作業が必要になる。段取替え作業とは、各工程を遂行する設備の部品交換やメンテナンス等を意味する。段取換え作業として、熱延工程における圧延ロールの交換や連続鋳造工程におけるダンディッシュの交換等を例示することができる。この段取替え作業には、通常多くの時間を要する。このため、各工程の作業スケジュールは、段取替え作業ができる限り少なくて済むように作成される。

しかしながら、複数の製品をロットにまとめる場合、製品仕様に基づいた制約条件（以下、製品要件という）を満たす必要があるため、いかなる製品でも同じロットにまとめられるとは限らない。また、仮に同じロットにまとめられたとしても、ロットをむやみに大きくしてしまうと、納期までに時間的な余裕が十分にある注文についての製品を先に製造してしまい、その結果、本来先に製造すべき製品が後回しになってしまう場合がある。このため、後回しとなった製品の生産が納期に間に合わないという問題を引き起こすおそれがある。

このような問題は、生産プロセスに限らず、物流プロセスでも起こりうる問題である。例えば、同じ客先向けの製品を何隻かに分けて荷積みする作業スケジュールを作成した場合、納期までに時間的な余裕がある製品を先に出航する船に荷積みし、納期が迫った製品を後に出航する船に荷積みする作業スケジュールが作成されてしまう問題を引き起こすことがある。また、一般に、ロットをまとめる際の製品要件は工程毎に異なる。このため、いくつかの種類の製品を複数の工程を用いて生産する際、後の工程のロット処理の順序が先の工程のロット処理の順序を踏襲するとは限らない。すなわち、先行の工程の作業スケジュールにおいて始期に登録されたロット処理で生産された製品が、後続の工程の作業スケジュールにおいて始期に登録されたロット処理で処理されるとは限らない。

以上のことから、複数の工程を含む生産物流プロセスの作業スケジュールを作成する際には、生産効率を向上させるために、全工程に亘る作業スケジュールを作成することが望ましい。しかしながら、全工程に亘る作業スケジュールを作成しようとすると、以下のような問題が生じる。第１の問題は、解くべきスケジュール問題が大規模化し、解を求めるのに膨大な計算量や多くの時間等を要することである。第２の問題は、作成した作業スケジュールの進捗がプロセスの遅延や作業停止等の外的要因による影響を受けやすくなるにも関わらず、スケジュール問題が大規模であるがために容易、且つ、迅速に作業スケジュールを修正できないことである。

このため、従来までは、以下の非特許文献１や特許文献２記載の方法を利用して、全工程に亘る作業スケジュールを作成するようにしている。具体的には、非特許文献１記載の方法は、ラグランジュ分解・調整法を利用して工程間の制約を緩和することによって解くべきスケジュール問題を複数のスケジュール問題に分割し、分割されたスケジュール問題毎に最適化処理を実行することにより、全工程に亘る作業スケジュールを作成する。一方、特許文献１記載の方法は、解くべきスケジュール問題を複数のエージェントによってモデル化し、各エージェントによって生成された作業スケジュールを調整することによって、全工程に亘る作業スケジュールを作成する。

今泉淳，"ラグランジュ分解・調整法による生産スケジュール：近年の研究の流れと将来の展望に関する考察"，経営論集，第５４号，

特開２００３−６７５６０号公報

しかしながら、ラグランジュ分解・調整法は、解くべきスケジュール問題が大規模である場合にはやはり多くの計算時間を要する。従って、非特許文献１記載の方法は、生産物流プロセスが単純な場合には有効であるが、複数のロット処理を多段工程で実現する生産物流プロセスへの適用は困難である。これは、複数のロット処理を多段工程で実現している場合、解くべきスケジュール問題がより複雑で大規模なものとなるためである。また、多くの計算時間を要するために、作業スケジュールの修正が必要になった際、迅速に作業スケジュールを修正することができない。

一方、特許文献１記載の方法では、スケジュール問題を精度高くモデル化するために、コンピュータシステムがスケジュール問題を解くために必要な全ての情報を電子データとして収集する必要がある。しかしながら、一般に、解くべきスケジュール問題が大規模である場合、スケジュール問題を解くために必要な全ての情報を電子データとして収集することは困難である。従って、特許文献１記載の方法では、オペレータが、収集されなかった情報を確認し、収集されなかった情報に基づいて作業スケジュールを修正する必要がある。このため、特許文献１記載の方法によれば、解くべきスケジュール問題が大規模化した場合、作業スケジュールを作成するために膨大な時間を要する。

以上のような理由から、上述の非特許文献１及び特許文献１記載の方法であっても、解くべきスケジュール問題が大規模化して解を求めるのに膨大な計算量や多くの時間等を要するという問題や、外的要因によって作業スケジュールを修正する必要が生じた場合に容易かつ迅速に作業スケジュールを修正できないという問題等を解決することが困難であった。

本発明は、上記課題に鑑みてなされたものであって、その目的は、膨大な計算量や多くの時間を要することなく、容易、且つ、迅速に全工程に亘る作業スケジュールの作成又は修正が可能なスケジュール作成支援システム、スケジュール作成支援方法、及びスケジュール作成支援プログラムを提供することにある。

上記課題を解決し、目的を達成するために、本発明に係るスケジュール作成支援システムは、複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援装置であって、各工程について過去に作成された作業スケジュールと作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する過去情報記憶装置と、過去情報記憶装置に記憶されている作業スケジュールが作成された際の各工程における製品に関する情報を記憶するスケジュール作成条件記憶装置と、評価対象工程について作成された作業スケジュールと評価対象工程において処理される製品に関する情報とを入力する入力装置と、過去情報記憶装置とスケジュール作成条件記憶装置とに記憶されている情報に基づいて、入力装置によって入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って次工程を行った際の実績を予測する予測シミュレーション装置と、予測シミュレーション装置によって予測された次工程の作業スケジュールと実績とを出力する出力装置と、を備える。

上記課題を解決し、目的を達成するために、本発明に係るスケジュール作成支援方法は、複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援方法であって、各工程について過去に作成された作業スケジュールと作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する第１記憶ステップと、第１記憶ステップにおいて記憶された作業スケジュールが作成された際の各工程における製品に関する情報を記憶する第２記憶ステップと、評価対象工程について作成された作業スケジュールと評価対象工程において処理される製品に関する情報とを入力する入力ステップと、第１記憶ステップと第２ステップとにおいて記憶された情報に基づいて、入力ステップにおいて入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って次工程を行った際の実績を予測する予測ステップと、予測ステップにおいて予測された次工程の作業スケジュールと実績とを出力する出力ステップと、を含む。

上記課題を解決し、目的を達成するために、本発明に係るスケジュール作成支援プログラムは、複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援プログラムであって、各工程について過去に作成された作業スケジュールと作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する第１記憶処理と、第１記憶処理において記憶された作業スケジュールが作成された際の各工程における製品に関する情報を記憶する第２記憶処理と、評価対象工程について作成された作業スケジュールと評価対象工程において処理される製品に関する情報とを入力する入力処理と、第１記憶処理と第２処理とにおいて記憶された情報に基づいて、入力ステップにおいて入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って次工程を行った際の実績を予測する予測処理と、予測処理において予測された次工程の作業スケジュールと実績とを出力する出力処理と、をコンピュータに実行させる。

本発明に係るスケジュール作成支援システム、スケジュール作成支援方法、及びスケジュール作成支援プログラムによれば、オペレータは、評価対象工程について作成した作業スケジュールによって評価対象工程の次工程がどのような状況になるのかを確認し、確認結果に基づいて評価対象工程の作業スケジュールを修正できるので、膨大な計算量や多くの時間を要することなく、容易、且つ、迅速に全工程に亘る作業スケジュールを作成又は修正できる。

図１は、作業スケジュールを作成する対象となる生産物流プロセスの一例を示す図である。 図２は、図１に示す工場内搬送工程の一例を示す図である。 図３は、本発明の一実施形態であるスケジュール作成支援システムの構成を示すブロック図である。 図４は、計画対象オーダー情報の一例を示す図である。 図５は、品種毎の製造時間情報の一例を示す図である。 図６は、品種間毎の段取時間情報の一例を示す図である。 図７は、運搬車エージェントの構成を示す機能ブロック図である。 図８は、本発明の一実施形態であるスケジュール作成支援処理の流れを示すフローチャートである。 図９は、評価対象工程について作成された作業スケジュールの一例を示す図である。 図１０は、運搬車エージェントによる運搬車の作業スケジュールを作成する処理の流れを説明するためのブロック図である。 図１１は、製品置場における品種毎の在庫量を算出する方法を説明するための概念図である。 図１２は、工場内搬送工程について作成された作業スケジュールの一例を示す図である。 図１３は、図１２に示す作業スケジュールに基づいて作成されたガントチャートを示す図である。 図１４は、評価対象工程について作成された作業スケジュールの一例を示す図である。 図１５は、工場内搬送工程について作成された作業スケジュールの一例を示す図である。 図１６は、図１５に示す作業スケジュールに基づいて作成されたガントチャートを示す図である。 図１７は、本発明の一実施形態であるルール学習処理の流れを示すフローチャートである。 図１８は、ニューラルネットワークによって記述された行動ルールの一例を示す図である。

以下、図面を参照して、本発明の一実施形態であるスケジュール作成支援システムの構成及び動作について説明する。なお、本実施形態では、図１に示すように、作業スケジュールを作成する対象となる生産物流プロセスとして、製造工程１と、工場内搬送工程２と、工場外搬送工程３とを含む生産物流プロセスを例示する。製造工程１は、品種Ａ，Ｂ，Ｃの製品を生産し、生産された製品を運搬ロット単位で品種毎の製品置場Ａ，Ｂ，Ｃに搬送する工程である。なお、運搬ロットとは、納品する客先エリアが同じである製品を運搬車１台に積載可能な量だけまとめた単位を意味し、図１中の○、△、□に対応する。

工場内搬送工程２は、製品置場Ａ，Ｂ，ＣからエリアＰ，Ｑ，Ｒ用の保管庫へと品種Ａ，Ｂ，Ｃの運搬ロットを搬送する工程である。なお、本実施形態では、図２に示すように、２台の運搬車Ｖ１，Ｖ２が品種Ａ，Ｂ，Ｃの製品置場からエリアＰ，Ｑ，Ｒ用の保管庫ＷＨ１，ＷＨ２，ＷＨ３へと品種Ａ，Ｂ，Ｃの運搬ロットを搬送する。また、保管庫ＷＨ１，ＷＨ２，ＷＨ３及び品種Ａ，Ｂ，Ｃの製品置場の搬入出口には１台の運搬車しか入れないものとする。工場外搬送工程３は、エリアＰ，Ｑ，Ｒ用の保管庫からエリアＰ，Ｑ，Ｒ用の船舶に品種Ａ，Ｂ，Ｃの運搬ロットを搬送する工程である。但し、作業スケジュールを作成する対象となる生産物流プロセスはこれに限定されることはなく、複数の工程を含む生産及び／又は物流プロセスに適用できる。

〔スケジュール作成支援システムの構成〕
始めに、図３乃至図７を参照して、本発明の一実施形態であるスケジュール作成支援システムの構成について説明する。

図３は、本発明の一実施形態であるスケジュール作成支援システムの構成を示すブロック図である。図３に示すように、本発明の一実施形態であるスケジュール作成支援システム１００は、オーダー情報データベース（ＤＢ）１０１と、スケジュール作成装置１０２と、入力装置１０３と、過去情報記憶装置１０４と、スケジュール作成条件記憶装置１０５と、予測シミュレーション装置１０６と、出力装置１０７とを備える。

オーダー情報ＤＢ１０１は、客先から発注された製品オーダー毎の仕様情報（製品の品種，寸法，重量，納期，処理方法等）と客先情報とをオーダー情報として格納する。スケジュール作成装置１０２は、オペレータによる操作に従って、図１に示す生産物流プロセスを構成する各工程の作業スケジュールを作成する。オペレータは、スケジュール作成装置１０２を利用して、オーダー情報ＤＢ１０１内に格納されている製品オーダーを処理する設備、各設備における製品オーダーの処理順序及び処理時刻、製品オーダーの処理作業間で実施される設備の段取及びメンテナンス作業の時刻等の情報を作業スケジュールとして工程毎に作成する。

入力装置１０３には、オーダー情報ＤＢ１０１とスケジュール作成装置１０２とが接続されている。入力装置１０３は、オペレータによって指示された評価対象工程に関するオーダー情報と作業スケジュールの情報とをオーダー情報ＤＢ１０１とスケジュール作成装置１０２とから読み出し、読み出された情報を予測シミュレーション装置１０６に入力する。ここで、入力装置１０３が入力するオーダー情報としては、図４に示すような運搬ロット毎の品種，客先エリア，荷役時間，及び作業状況を示す計画対象オーダー情報、図５に示すような品種毎の運搬ロット単位での製造時間情報、及び図６に示すような品種間毎の運搬ロット単位での段取時間情報等が含まれる。なお、図４に示す計画対象オーダー情報は、現在時刻０：００においては、運搬ロット番号００１，００２の運搬ロットが製品置場に置かれ、運搬ロット番号００３の運搬ロットが製造中であり、運搬ロット番号００４，００５，００６の運搬ロットの製造が未着手の状態であることを示している。

過去情報記憶装置１０４は、生産物流プロセスの各工程について過去に作成された作業スケジュールと、その作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する。スケジュール作成条件記憶装置１０５は、過去情報記憶装置１０４に記憶されている作業スケジュールを作成する際に利用したオーダー情報をスケジュール作成条件として記憶する。具体的には、スケジュール作成条件記憶装置１０５は、スケジュール作成条件として、製品の仕様毎の処理項目，処理時間，前後の製品仕様条件，及び設備の休止情報等の情報を記憶する。

予測シミュレーション装置１０６は、ワークステーション等の情報処理装置によって実現される。予測シミュレーション装置１０６は、ルール学習装置１０８と、ルール保存装置１０９と、予測演算装置１１０とを備える。ルール学習装置１０８は、ＣＰＵ等の演算処理装置によって実現される。ルール学習装置１０８は、過去情報記憶装置１０４及びスケジュール作成条件記憶装置１０５に格納されている情報に基づいて、オペレータが作業スケジュールを作成する際のルールをスケジュール作成ルールとして工程毎に学習する。具体的には、ルール学習装置１０８は、スケジュール作成条件記憶装置１０５内に格納されている製品の仕様毎の処理項目や処理時間の情報に基づいて、処理項目や処理時間が入力されていない仕掛かり在庫の種類をスケジュール作成ルールに追加する。また、ルール学習装置１０８は、スケジュール作成条件記憶装置１０５内に格納されている製品の仕様毎の前後の製品仕様条件の情報に基づいて、前後の製品仕様の制約ルール（例えば直前に行った処理がＡ処理である場合には直後に行う処理はＢ処理とする等）をスケジュール作成ルールに追加する。また、ルール学習装置１０８は、スケジュール作成条件記憶装置１０５内に格納されている製品の仕様毎の設備の休止情報に基づいて、休止時間を仕掛かり在庫として休止設備に割り当てるルールをスケジュール作成ルールに追加する。ルール保存装置１０９は、不揮発性の記憶装置によって実現される。ルール保存装置１０９は、ルール学習装置１０８が学習したスケジュール作成ルールを格納する。

予測演算装置１１０は、ＣＰＵ等の演算処理装置によって実現される。予測演算装置１１０は、ルール保存装置１０９内に格納されているスケジュール作成ルールに従って、マルチエージェント技術を利用して入力装置１０３を介して作業スケジュールとオーダー情報とが入力された評価対象工程の次工程の作業スケジュール及びその作業スケジュールに従って次工程を実行した際の実績を予測する。ルール学習装置１０８によるスケジュール作成ルールの学習方法及び予測演算装置１１０による作業スケジュール及び実績の予測方法については後述する。

出力装置１０７は、表示装置，印刷装置，情報通信装置等によって実現される。出力装置１０７は、予測演算装置１１０によって予測された後工程の作業スケジュール及びその作業スケジュールに従って後工程を実行した際の実績を出力する。オペレータは、出力装置１０７が出力する情報に基づいて、入力装置１０３を介して入力した評価対象工程の作業スケジュールの妥当性を確認し、必要に応じて評価対象工程の作業スケジュールを変更する。

〔運搬車エージェントの構成〕
予測演算装置１１０は、マルチエージェント技術を利用して評価対象工程の次工程の作業スケジュールを予測する。マルチエージェント技術とは、それぞれ異なる判定アルゴリズムを有する複数のエージェントを利用して予測対象の事象をモデル化し、複数のエージェントの相互作用をシミュレーションすることによって、予測対象の事象を予測する技術である。エージェントは、演算処理装置がエージェントを規定するアルゴリズムを実行することによって実現される。

本実施形態では、予測演算装置１０９は、製造工程１の次工程である工場内搬送工程２の作業スケジュールを予測するために、運搬ロットを搬送する運搬車Ｖ１及び運搬車Ｖ２にそれぞれ対応する運搬車エージェントＶＡ１及び運搬車エージェントＶＡ２を備え、この運搬車エージェントＶＡ１と運搬車エージェントＶＡ２とによって工場内搬送工程２をモデル化する。以下、図７を参照して、運搬車エージェントＶＡ１，ＶＡ２の内部構成について説明する。

図７は、運搬車エージェントＶＡ１，ＶＡ２の構成を示す機能ブロック図である。図７に示すように、運搬車エージェントＶＡ１，ＶＡ２は、データ格納部１１１と、行動決定エンジン１１２とを備える。データ格納部１１１は、行動ルール記憶部１１３と、行動履歴記憶部１１４とを備える。行動ルール記憶部１１３は、運搬車の行動を規定する行動ルールを記憶する。行動履歴記憶部１１４は、行動決定エンジン１１２によって決定された運搬車の作業スケジュールを記憶する。行動決定エンジン１１２は、データ格納部１１１に記憶されているデータに基づいて、運搬車の作業スケジュールを作成する。

なお、行動ルールとは、上述のスケジュール作成ルールの１つであり、運搬車の作業スケジュールを作成する際のオペレータの考え方を模倣するルールである。行動決定エンジン１１２は、この行動ルールに従って運搬車の作業スケジュールを作成することによって、オペレータが作成する確率が高い運搬車の作業スケジュールを予測することができる。具体的には、工場内搬送工程２の生産計画を作成する際、オペレータは、製造工程１の生産計画やオーダー情報及び操業状況（例えば、今後処理量が増減するかの見通し，季節的なオーダー受注量変動の予測，工場や市場在庫の状況等）をスケジュール作成条件として考慮しながら作業スケジュールを作成する。例えば、図２に示す工場内搬送工程２では、オペレータは、搬入出口における運搬車Ｖ１，Ｖ２の干渉，在庫量，製品納期，及び工場内搬送工程２の後工程である工場外搬送工程３の操業条件（例えば、運搬船舶の船積開始計画時刻）をスケジュール作成条件として考慮しながら運搬ロットの運送順序及び搬送に利用する運搬車を決定することにより、作業スケジュールを作成する。

従って、行動ルールは、あるスケジュール作成条件が与えられた場合における運搬ロットの運送順序及び搬送に利用する運搬車を規定するものであり、if then文やニューラルネットワークによって記述される。if then文とは、「もし〜だったら」という条件を示すプログラミング言語である。行動ルールをif then文によって記述する場合には、例えば、各在庫置場における搬送ロットの客先エリア別の在庫量と各客先エリアの運搬船舶の船積開始計画時刻とを条件として、対応する運搬ロットの運送順序及び搬送に利用する運搬車を記述する。これにより、ある条件が与えられた場合に、その条件に対応する運搬ロットの搬送順序及び搬送に利用する運搬車が出力される。

一方、ニューラルネットワークとは、脳神経系をモデルにした情報処理システムを意味し、シナプスと呼ばれる結合強度が可変である素子によってニューロンと呼ばれる入出力素子を複数結合することにより構築される。各ニューロンは、入力が閾値より大きければ１、小さければ０となるシグモイト関数やtanh関数等の伝達関数によって表現される。ニューラルネットワークの入力情報としては、例えば、各在庫置場における搬送ロットの客先エリア別の在庫量と各客先エリアの運搬船舶の船積開始計画時刻とが用いられる。ニューラルネットワークは、入力情報に基づいて運搬ロットの搬送順序及び搬送に利用する運搬車を出力する。

〔スケジュール作成支援処理〕
このような構成を有するスケジュール作成支援システム１は、以下に示すスケジュール作成支援処理を実行することによって、膨大な計算量や多くの時間を要することなく、容易、且つ、迅速に全工程に亘る作業スケジュールの作成又は修正を可能にする。以下、図８に示すフローチャートを参照して、スケジュール作成支援システム１によるスケジュール作成支援処理の流れについて説明する。

図８は、スケジュール作成支援システム１によるスケジュール作成支援処理の流れを示すフローチャートである。図８に示すフローチャートは、オペレータが、スケジュール作成支援処理の実行を指示したタイミングで開始となり、スケジュール作成支援処理はステップＳ１の処理に進む。なお、以下に示す予測演算装置１１０及び運搬車エージェントＶＡ１，ＶＡ２の動作は、予測演算装置１１０内部の演算処理装置がこの動作を規定したコンピュータプログラムを実行することによって実現される。

ステップＳ１の処理では、入力装置１０３が、オペレータによって指示された評価対象工程に関するオーダー情報と作業スケジュールの情報とをオーダー情報ＤＢ１０１とスケジュール作成装置１０２とから読み出し、読み出された情報を予測シミュレーション装置１０６に入力する。これにより、ステップＳ１の処理は完了し、スケジュール作成支援処理はステップＳ２の処理に進む。

ステップＳ２の処理では、予測演算装置１１０が、評価対象工程の次工程をモデル化した複数のエージェントを利用して、評価対象工程の次工程の作業スケジュールを作成する。具体的には、入力装置１０３が図９に示すような製造工程１の作業スケジュールを評価対象工程の作業スケジュールとして入力した場合、予測演算装置１１０は、製造工程１の次工程である工場内搬送工程２をモデル化した運搬車エージェントＶＡ１，ＶＡ２を利用して、工場内搬送工程２の作業スケジュールを作成する。以下、図１０，図１１を参照して、運搬車エージェントＶＡ１，ＶＡ２を利用して工場内搬送工程２の作業スケジュールを作成する処理について説明する。図１０は、運搬車エージェントＶＡ１による運搬車Ｖ１の作業スケジュールを作成する処理の流れを説明するためのブロック図である。図１１は、製品置場における品種毎の在庫量を算出する方法を説明するための概念図である。

図１０に示すように、運搬車エージェントＶＡ１は、各製品置場の在庫量、時刻Ｔ＝ｎにおける運搬車エージェントＶＡ２の行動情報、工場外搬送工程３における運搬船舶の船積計画情報を入力データとして、入力データに行動ルールを適用して時刻Ｔ＝ｎ＋１における運搬車Ｖ１が行う作業（搬送元，搬送先、運搬製品の客先エリア）を決定する。運搬車エージェントＶＡ１は、ｎの値を１から順に１ステップずつ増数し、この計算をＮ回繰り返すことによって時刻Ｔ＝Ｎにおける運搬車Ｖ１の行動を決定する。運搬車Ｖ２の行動も運搬車エージェントＶＡ２を用いて同様に計算される。なお、本実施形態では、単一の時間ステップの間に各運搬車が１回の搬送動作を行うとして作業スケジュールを立てているものとする。

そして、時刻Ｔ＝Ｎにおける運搬車Ｖ１及び運搬車Ｖ２の行動が決定されると、予測演算装置１１０は、図１１に示すように、時刻Ｔ＝Ｎにおける製品の生産数を製品置場の在庫量を表す在庫モデルＭに加算し、在庫モデルＭから時刻Ｔ＝Ｎにおける運搬車Ｖ１，Ｖ２による製品の搬送数を減算することによって、時刻Ｔ＝Ｎにおける製品置場の在庫量（仕掛かり量）を算出する。このような処理によって、例えば図１２に示すような、工場内搬送工程２の作業スケジュールが作成される。

図１２に示す作業スケジュールでは、運搬車Ｖ１は、運搬ロット番号００１の運搬ロット，運搬ロット番号００３の運搬ロット，及び運搬ロット番号００５の運搬ロットの順に運搬ロットを運搬する。また、運搬車Ｖ２は、運搬ロット番号００２の運搬ロット，運搬ロット番号００４の運搬ロット，及び運搬ロット番号００６の運搬ロットの順に運搬ロットを運搬する。図１２中、「積」は、運搬車への運搬ロットの積み込み作業を意味し、「下」は、運搬車からの運搬ロットの下ろし作業を意味する。

なお、図１２に示す作業スケジュールは、ＦＩＦＯ（First In First Out：先入れ先出し）を搬送車の行動ルールとして、図４に示す計画対象オーダー情報、図５に示す品種毎の製造時間情報、及び図６に示す品種間毎の段取時間情報に基づいて作成されたものである。これにより、ステップＳ２の処理は完了し、スケジュール作成支援処理はステップＳ３の処理に進む。

ステップＳ３の処理では、予測演算装置１１０が、ステップＳ１の処理によって予測された作業スケジュールに従って次工程を実行した場合における実績を予測する。具体的には、製造工程１の次工程である工場内搬送工程２の作業スケジュールを作成した場合には、予測演算装置１１０は、ステップＳ１の処理によって作成された作業スケジュールに従って図１３に示すような工場内搬送工程２のガントチャートを作成する。これにより、ステップＳ３の処理は完了し、スケジュール作成支援処理はステップＳ４の処理に進む。

ステップＳ４の処理では、予測演算装置１１０が、ステップＳ１及びステップＳ２の処理によって予測された作業スケジュールとこの作業スケジュールに従って評価対象工程の次工程を実行した場合における実績とを出力装置１０７に出力する。これにより、ステップＳ４の処理は完了し、スケジュール作成支援処理はステップＳ５の処理に進む。

ステップＳ５の処理では、オペレータが、出力装置１０７に出力された情報を利用して評価対象工程の作業スケジュールの変更が必要であるか否かを判断する。具体的には、図１３に示す工場内搬送工程２のガントチャートが出力された場合、運搬車Ｖ２が運搬ロット番号００４の運搬ロットの積み込み作業を行う前や運搬ロット番号００６の下ろし作業を行う前に待ち時間が発生する。従って、オペレータは評価対象工程の作業スケジュールを変更する必要があると判断する。判断の結果、作業スケジュールの変更が必要ないと判断した場合、一連のスケジュール作成支援処理は終了する。

一方、作業スケジュールの変更が必要であると判断した場合には、オペレータは、評価対象工程の作業スケジュールを修正した後、再びステップＳ１の処理を実行する。具体的には、オペレータは、図９に示す製造工程１の作業スケジュールを図１４に示す作業スケジュールに変更し、再びステップＳ１の処理を実行する。このような処理によれば、図１４に示す作業スケジュールに基づいて、図１５及び図１６に示すような工場内搬送工程２の作業スケジュール及びガントチャートが出力される。

図１６に示すガントチャートによれば、図１３に示すガントチャートとの比較から明らかなように、運搬車の待ち時間が存在しない。これにより、修正後の製造工程１の作業スケジュールによれば、製造工程１と工場内搬送工程２との間で最適な作業スケジュールを作成することができる。以後、オペレータは、生産物流工程の各工程を評価対象の工程として順次同様の作業を行うことによって、全工程に亘る作業スケジュールを作成する。

〔スケジュール作成ルールの学習方法〕
最後に、図１７を参照して、ルール学習装置１０８によるスケジュール作成ルールの学習方法について説明する。

本実施形態では、ルール学習装置１０８は、遺伝的アルゴリズムを利用してスケジュール作成ルールを学習する。具体的には、ルール学習装置１０８は、運搬車エージェントＶＡ１，ＶＡ２が有する行動ルールを初期解として、遺伝的アルゴリズムを利用して複数の行動ルール候補を作成する。そして、ルール学習装置１０８は、各行動ルール候補に基づいて作成した作業スケジュールが以前に作成された作業スケジュールと近くなる行動ルール候補を優先して選択することによって、シミュレーション精度が高い行動ルールを抽出する。

なお、遺伝的アルゴリズムは、本願発明の出願時点で既に公知であるので、詳細な説明は省略する。遺伝的アルゴリズムの詳細については、例えば参考文献１（D. E. Goldberg, “Genetic Algorithms in Search, Optimization and Machine Learning”, Addison-Wesley Professional）を参照のこと。以下、図１７に示すフローチャートを参照して、ルール学習装置１０８による行動ルールの学習処理の流れについて説明する。

図１７は、ルール学習装置１０８による行動ルール学習処理の流れを示すフローチャートである。図１７に示すフローチャートは、過去情報記憶装置１０４に新たな作業スケジュールが格納されたタイミング等の所定のタイミングで開始となり、ルール学習処理はステップＳ１１の処理に進む。

ステップＳ１１の処理では、ルール学習装置１０８が、遺伝的アルゴリズム法の選択処理，交叉処理，突然変異処理，世代交代処理といった演算処理によって行動ルール記憶部１１３内に格納されている行動ルールの配列順を入れ替えることにより、配列順が異なる行動ルールを行動ルール候補として複数生成する。具体的には、行動ルールが“if （時刻Ｔ＝ｔ−１における品種Ａの仕掛かり在庫＞α） and （時刻Ｔ＝ｔ−１における品種Ｂの仕掛かり在庫＞β） and （時刻Ｔ＝ｔ−１における品種Ｃの仕掛かり在庫＞γ） then （時刻Ｔ＝ｔにおける運搬車ＶＡ１の運搬作業は製品置場Ａ→保管庫ＷＨ１）”と記述されている場合、ルール学習装置１０８は、行動ルールを構成するパラメータα，β，γに様々な値を与えた行動ルール候補を設定数分だけ生成する。例えば、ｐ個の行動ルール候補を生成する場合、ルール学習装置１０８は、行動ルール候補（α１，β１，γ１），（α２，β２，γ２），…，（αｐ，βｐ，γｐ）を生成する。なお、行動ルールが例えば図１８に示すようなニューラルネットワークによって記述されている場合には、ルール学習装置１７は、ニューラルネットワークを構成する伝達関数の閾値θ及びシナプスの重みω，νに様々な値を与えた行動ルール候補を設定数分だけ生成する。例えば、ｐ個の行動ルール候補を生成する場合、ルール学習装置１０８は、行動ルール候補（θ１，ω１，ν１），（θ２，ω２，ν２），…，（θｐ，ωｐ，νｐ）を生成する。これにより、ステップＳ１１の処理は完了し、ルール学習処理はステップＳ１２の処理に進む。

ステップＳ１２の処理では、ルール学習装置１０８が、ステップＳ１１の処理によって生成された複数の行動ルール候補の中から行動ルール候補を１つ選択する。なお、このステップＳ２の処理が２回目以後の処理である場合、ルール学習装置１０８は、以下のステップＳ１３，Ｓ１４の処理を実行していない行動ルール候補の中から行動ルール候補を１つ選択する。これにより、ステップＳ１２の処理は完了し、ルール学習処理はステップＳ１３の処理に進む。

ステップＳ１３の処理では、ルール学習装置１０８が、ステップＳ１２の処理によって選択された行動ルール候補に従って運搬車エージェントの行動を決定する。これにより、ステップＳ１３の処理は完了し、ルール学習処理はステップＳ１４の処理に進む。

ステップＳ１４の処理では、ルール学習装置１０８が、ステップＳ１３の処理によって決定された運搬車エージェントの行動と過去に作成された作業スケジュールとを比較する。そして、ルール学習装置１０８は、比較結果に基づいて、運搬車エージェントの行動と過去に作成された作業スケジュールとの類似度を算出し、類似度に基づいて行動ルール候補に得点を付与する。なお、本実施形態では、類似度が大きくなるのに応じて付与する得点が大きくなるものとする。これにより、ステップＳ１４の処理は完了し、ルール学習処理はステップＳ１５の処理に進む。

ステップＳ１５の処理では、ルール学習装置１０８が、ステップＳ１１の処理によって生成された全ての行動ルール候補についてステップＳ１３，Ｓ１４の処理を実行したか否かを判別する。判別の結果、全ての行動ルール候補について処理を実行していない場合、ルール学習装置１０８はルール学習処理をステップＳ１２の処理に戻す。一方、全ての配列候補について処理を実行した場合には、ルール学習装置１０８は、ルール学習処理をステップＳ１６の処理に進める。

ステップＳ１６の処理では、ルール学習装置１０８が、ステップＳ１４の処理によって各行動ルール候補に付与された得点及び発生させた乱数に基づいて、ステップＳ１１の処理によって生成された複数の行動ルール候補の中から設定個数の行動ルール候補を選択する。これにより、ステップＳ１６の処理は完了し、ルール学習処理はステップＳ１７の処理に進む。

ステップＳ１７の処理では、ルール学習装置１０８が、ステップＳ１６の処理によって選択された行動ルール候補の中にステップＳ１４の処理によって付与された得点が設定値以上である行動ルール候補が設定個数以上あるか否かを判別する。判別の結果、得点が設定値以上である行動ルール候補の数が設定個数未満である場合、ルール学習装置１０８はルール学習処理をステップＳ１２の処理に戻す。一方、得点が設定値以上である行動ルール候補の数が設定個数以上である場合には、ルール学習装置１０８は、ルール学習処理をステップＳ１８の処理に進める。

ステップＳ１８の処理では、ルール学習装置１０８が、得点が設定以上である行動ルール候補を行動ルール記憶部１１３に記憶する。これにより、ステップＳ１８の処理は完了し、一連のルール学習処理は終了する。

以上、本発明者によってなされた発明を適用した実施の形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施の形態、実施例及び運用技術等は全て本発明の範疇に含まれる。

１００ スケジュール作成支援システム
１０１ オーダー情報データベース（ＤＢ）
１０２ スケジュール作成装置
１０３ 入力装置
１０４ 過去情報記憶装置
１０５ スケジュール作成条件記憶装置
１０６ 予測シミュレーション装置
１０７ 入力装置
１０７ ルール学習装置
１０８ ルール保存装置
１０９ 予測演算装置
ＶＡ１，ＶＡ２ 運搬車エージェント

Claims (6)

1. 複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援システムであって、
   各工程について過去に作成された作業スケジュールと該作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する過去情報記憶装置と、
   前記過去情報記憶装置に記憶されている作業スケジュールが作成された際の各工程における製品に関する情報を記憶するスケジュール作成条件記憶装置と、
   評価対象工程について作成された作業スケジュールと該評価対象工程において処理される製品に関する情報とを入力する入力装置と、
   前記過去情報記憶装置と前記スケジュール作成条件記憶装置とに記憶されている情報に基づいて、前記入力装置によって入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って該次工程を行った際の実績を予測する予測シミュレーション装置と、
   前記予測シミュレーション装置によって予測された前記次工程の作業スケジュールと実績とを出力する出力装置と、
   を備えることを特徴とするスケジュール作成支援システム。
2. 前記予測シミュレーション装置は、各工程の作業スケジュールを作成するためのルール群又はニューラルネットワーク情報を保存するルール保存装置を備え、該ルール保存装置に記憶されているルール群又はニューラルネットワーク情報に従って前記作業スケジュールを予測することを特徴とする請求項１に記載のスケジュール作成支援システム。
3. 前記予測シミュレーション装置は、前記過去情報記憶装置と前記スケジュール作成条件記憶装置とに記憶されている情報に基づいて、前記ルール保存装置に保存されているルール群又はニューラルネットワーク情報を更新するルール学習装置を備えることを特徴とする請求項２に記載のスケジュール作成支援システム。
4. 前記ルール学習装置は、各工程において行われる処理を複数のエージェントによってモデル化し、該複数のエージェントを用いて算出される作業スケジュールと過去情報記憶装置に記憶されている作業スケジュールとの類似度に基づいて、前記ルール群又はニューラルネットワーク情報を更新することを特徴とする請求項３に記載のスケジュール作成支援システム。
5. 複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援方法であって、
   各工程について過去に作成された作業スケジュールと該作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する第１記憶ステップと、
   前記第１記憶ステップにおいて記憶された作業スケジュールが作成された際の各工程における製品に関する情報を記憶する第２記憶ステップと、
   評価対象工程について作成された作業スケジュールと該評価対象工程において処理される製品に関する情報とを入力する入力ステップと、
   前記第１記憶ステップと前記第２ステップとにおいて記憶された情報に基づいて、前記入力ステップにおいて入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って該次工程を行った際の実績を予測する予測ステップと、
   前記予測ステップにおいて予測された前記次工程の作業スケジュールと実績とを出力する出力ステップと、
   を含むことを特徴とするスケジュール作成支援方法。
6. 複数の工程を含む生産物流プロセスの作業スケジュールを作成する作業を支援するスケジュール作成支援プログラムであって、
   各工程について過去に作成された作業スケジュールと該作業スケジュールに従って各工程を行った際の実績に関する情報とを記憶する第１記憶処理と、
   前記第１記憶処理において記憶された作業スケジュールが作成された際の各工程における製品に関する情報を記憶する第２記憶処理と、
   評価対象工程について作成された作業スケジュールと該評価対象工程において処理される製品に関する情報とを入力する入力処理と、
   前記第１記憶処理と前記第２処理とにおいて記憶された情報に基づいて、前記入力ステップにおいて入力された評価対象工程の次工程について作成される作業スケジュールを予測し、予測された作業スケジュールに従って該次工程を行った際の実績を予測する予測処理と、
   前記予測処理において予測された前記次工程の作業スケジュールと実績とを出力する出力処理と、
   をコンピュータに実行させることを特徴とするスケジュール作成支援プログラム。

Images