JP2019139319A - 物流管理装置、物流管理方法及びプログラム - Google Patents

Abstract

【課題】管理者や作業員の経験や勘といった属人性を排除し、ロボットや各設備および作業などから得られる多様な情報に基づいて意思決定を行うことが可能な物流管理技術を提供する。【解決手段】物流管理装置１００は、現実倉庫に関わる実績データをリアルタイムに収集し、収集した実績データをアラート条件と突合することで、現場状況の変化を監視する（ステップＳ１００〜ステップＳ１３０参照）。物流管理装置１００は、アラート対象とすべき旨の判断をすると、パターンマッチングまたはシミュレーションにより、最適なアクションを決定し、決定したアクションに基づき、現実倉庫の作業員や各種設備等に最適な指示を送る（ステップＳ１４０〜ステップＳ２１０参照）。【選択図】図１０

Description

本発明は、物流業務を管理するための物流管理技術に関する。

生産年齢人口減少が加速する中、物流倉庫等を備えた物流管理システムにおいては、運営環境も厳しさを増しており、省力化・省人化や労働力の確保が急務となっている。事実、主要な物流企業の間でも、省力化・省人化や労働力の確保を目的としてロボティクスの導入、ダイバーシティの推進などが進められている（例えば、特許文献１参照）

特許第６２４９５７９号

上述したような物流管理の現場オペレーションの変革に伴い、運営管理においても、管理者や作業員の経験や勘に頼る従来の方法の見直しが求められている。ロボティクスの導入などに対応して運営管理を適正化するためには、管理者や作業員の経験や勘といった属人性を排除し、ロボットや各設備および作業などから得られる多様な情報を活用することで意思決定を行うといった方法が望まれているが、未だこのような方法は提供されていない。

本発明は、以上説明した事情を鑑みてなされたものであり、管理者や作業員の経験や勘といった属人性を排除し、ロボットや各設備および作業などから得られる多様な情報に基づいて意思決定を行うことが可能な物流管理技術を提供することを目的とする。

本発明の一態様に係る物流管理装置は、作業現場の特定実績データを収集する収集部と、アラート条件を記憶する第１記憶部と、収集した特定実績データが、アラート条件に合致する場合には、現場状況把握に必要な特定実績データを含む複数の実績データを取得する取得部と、取得した前記複数の実績データに基づき、稼働状況をパターン化した実パターンデータを生成する生成部と、モデルパターンと、採るべきアクションとを対応づけて記憶する第２記憶部と、実パターンデータが、いずれかのモデルパターンに合致した場合には、合致したモデルパターンに対応するアクションを抽出する抽出部と、抽出したアクションを出力する出力部とを具備する。

上記構成にあっては、対象作物の実際の生産量が、対象作物の生産依頼予定量を下回った場合の過去の対応策を記録した第１対応履歴記録部と、対象作物の実際の生産量が、対象作物の生産依頼予定量を上回った場合の過去の対応策を記録した第２対応履歴記録部とをさらに備え、第３報知部は、第１対応履歴記録部に過去の対応策が記録されていない場合に、第１緊急対応アラートを報知する一方、第１対応履歴記録部に過去の対応策が記録されている場合には、過去の対応策を報知し、第４報知部は、第２対応履歴記録部に過去の対応策が記録されていない場合に、第２緊急対応アラートを報知する一方、第２対応履歴記録部に過去の対応策が記録されている場合には、過去の対応策を報知するようにしてもよい。

上記構成にあっては、生成部は、作業現場の工程ごとに、抽出した複数の実績データと基準値とを比較し、能力ステータスを決定することで、作業現場の工程ごとの能力ステータスをパターン化した実パターンデータを生成するようにしてもよい。

上記構成にあっては、第４報知部は、第２対応履歴記録部に、過去の対応策が複数記録されている場合には、今回の対象作物の推定生産量に基づいて、過去の対応策の優先順位を決定し、決定した優先順位とともに過去の対応策を報知するようにしてもよい。

上記構成にあっては、実パターンデータが、いずれのモデルパターンにも合致しなかった場合には、対策シミュレーションを実行することにより、採るべきアクションを策定する策定部と、合致しなかった実パターンデータと、策定したアクションとを対応づけて第２記憶部に記憶する更新部とをさらに備え、出力部は、策定部によって策定されたアクションを出力するようにしてもよい。

上記構成にあっては、作業計画に対する作業実績の剥離を検知する検知部と、剥離が始まったときの特定実績データに基づき、今回の稼働状況をパターン化した実パターンデータを生成するとともに、採るべきアクションを策定し、実パターンデータと、策定したアクションとを対応づけて第２記憶部に記憶する設定・更新部とをさら具備してもよい。

本発明によれば、管理者や作業員の経験や勘といった属人性を排除し、ロボットや各設備および作業などから得られる多様な情報に基づいて意思決定を行うことが可能となる。

本実施形態に係る物流管理システムのコンセプトを表した概念図である。 物流管理システムの運用イメージを表す模式図である。 仮想倉庫を実現する物流管理装置の構成を示す図である。 物流管理装置の機能構成を示すブロック図である。 データ収集部によって収集される各種データを例示した図である。 実パターンの生成過程を説明するための図である。 モデルパターン及びアクションが登録されたパターンテーブルを例示した図である。 パターンマッチングの一例を示す図である。 アクションが策定されるまでの流れを示す図である。 運営処理フローを示すフローチャートである。 モデルパターンの設定・更新処理を示すフローチャートである。 計画・実績グラフを例示した図である。

以下、図面を参照して本発明に係る実施形態について説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除するものではない。すなわち、本発明は、その趣旨を逸脱しない範囲で種々変形して実施できる。

Ａ．本実施形態
[物流管理システムの概要]
図１は、本実施形態に係る物流管理システム１０００のコンセプトを表した概念図である。
本実施形態に係る物流管理システム１０００は、管理対象となる現実倉庫ＲＷをデジタル上で仮想倉庫ＰＷとして再現することより、管理者や作業員の経験や勘といった属人性を排除し、ロボットや各設備および作業などから得られる多様な情報に基づいて意思決定を行い、倉庫の運営の適正化を可能とするものである。

図２は、本実施形態に係る物流管理システム１０００の運用イメージを表す模式図である。
管理者は、仮想倉庫ＰＷを活用し、現実倉庫ＲＷから取得される実績データや指示データなどに基づき、作業現場の動きを可視化し、作業現場の状況を監視する（図２に示す（１）参照）。さらに、管理者は、現実倉庫ＲＷから取得される実績データや指示データなどをもとに、パターンマッチングやシミュレーション（いずれも後述）を実施し、作業の将来予測及びこれから採るべきアクションを決定することで、現実倉庫ＲＷの運営の適正化を図る（図２に示す（２）参照）。

図３は、仮想倉庫ＰＷを実現する物流管理装置１００の概略構成を示す図である。
物流管理装置１００は、パーソナルコンピュータ等の情報処理装置によって構成されている。物流管理装置１００は、ＣＰＵ１１によって実行される様々な制御プログラムを記憶するＲＯＭやＲＡＭなどのメモリ１２、キーボードやマウス、操作ボタンなどを備えた入力装置１３、液晶パネルなどを備えた出力装置１４、ハードディスク等の記憶装置１５、各通信インタフェースを備えた通信装置１６などを備えている。

図４は、物流管理装置１００の機能構成を示すブロック図である。
物流管理装置１００は、ＣＰＵ１１がメモリ１２などに記憶されたソフトウェアを読み込み、解釈／実行することにより、図４に示す各部の機能を提供する。

[データ収集部１０１]
図５は、データ収集部（収集部）１０１によって収集される各種データを例示した図である。
データ収集部１０１によって収集されるデータは、基本実績データＤｂと、特定実績データＤｓとに大別できる。

＜基本実績データＤｂ＞
基本実績データＤｂは、稼働マスタデータＤ１、能力マスタデータＤ２、計画データＤ３、稼働実績データＤ４を含んで構成される。
稼働マスタデータＤ１は、日付、工程名、開始時刻、終了予定時刻、休息開始時刻など、倉庫稼働に関する基本データを含む。
能力マスタデータＤ２は、工程名、基準生産性、仕掛容量など、倉庫能力に関する基本データを含む。
計画データＤ３は、日付、工程、処理数など、稼働計画に関するデータを含む。
稼働実績データＤ４は、工程、タイムスタンプ、処理数、仕掛数など、実際の稼働実績に関するデータを含む。

＜特定実績データＤｓ＞
特定実績データＤｓは、基本実績データＤｂを適宜抽出・加工して得られるデータであり、進捗率、稼働率、滞留状況を含んで構成される。これら進捗率、稼働率、滞留状況は、工程、計画処理数、実績処理数、稼働可能時間（ｍｉｎ）、稼働時間（ｍｉｎ）といった基本実績データＤｂに含まれる情報を抽出・加工することによって導出される。

ここで、計画処理数は、その時点までの計画処理数の累計を示し、実績処理数は、その時点までの実績処理数の累計を示し、稼働可能時間は、対象となる（作業）工程の稼働開始時間からその時点までの累積時間を示し、稼働時間は、対象となる工程の稼働開始時間からその時点までの稼働実績時間を示し、仕掛数は、その時点における処理待ち滞留数を示す。参考として、図５の左下に基本実績データＤｂから特定実績データＤｓを得るイメージ図を示す。なお、以下の説明において、基本実績データＤｂと特定実績データＤｓを特に区別する必要がない場合には、「実績データＤｉ」と総称する。

データ収集部１０１は、上記のようにして収集した実績データＤｉをデータベース部１０２に格納する。

[データベース部１０２]
データベース部１０２は、実績データデータベース（ＤＢ）、アラートデータベース（ＤＢ）、パターンテーブルデータベース（ＤＢ）を備えている。
実績ＤＢには、データ収集部１０１によって収集された実績データＤｉ等が格納される。
アラートＤＢ（第１記憶部）には、アラート条件設定部１０３によって設定されるアラート条件等が格納される（詳細は後述）。
パターンテーブルＤＢ（第２記憶部）には、モデルパターン設定部１０６によって設定されるパターンマッチング用のモデルパターンと、採るべきアクションとが対応づけられているパターンテーブル等が格納されている（詳細は後述）。

[アラート条件設定部１０３]
アラート条件設定部１０３は、収集される実績データＤｉを監視するためのアラート条件Ｃａを設定する。アラート条件Ｃａは、後述するように計画と実績の剥離が発生したタイミングで稼働分析を行い、分析結果に基づきアラート条件を設定・更新してもよいが、事前に管理者等がアラート条件（例えば、進捗率が５０％未満など）Ｃａを適宜設定・更新してもよい。いかなる方法を採用するかは、システム設計等に応じて適宜変更可能である。

[アラート対象判定部１０４]
アラート対象判定部１０４は、収集される実績データＤｉとアラート条件Ｃａを突合（比較）し、実績データＤiをアラート対象とすべきか否かを判定する。

[実パターン生成部１０５]
実パターン生成部（生成部）１０５は、アラート対象判定部１０４によってアラート対象とすべき旨の判断がなされた場合に、作業現場の状況把握に必要なすべての実績データ（すなわち、アラート対象となった実績データを含む様々な実績データ）を用いて、倉庫の現場状況をあらわす実パターンを生成する。

図６は、実パターンＰｒの生成過程を説明するための図である。
図６に示す例では、ある倉庫において工程Ａ、工程Ｂ、・・・工程Ｎが実施されており、工程ごとに進捗率、稼働率、滞留状況を含む特定実績データＤｓが与えられている。ここで、進捗率、稼働率、滞留状況には、それぞれ基準値Ｖｓとして進捗率８０％未満、稼働率８０％以上、滞留状況５０％以上が設定されている。
実パターン生成部１０５は、工程ごとに、現況の進捗率、稼働率、滞留状況をプロットし、これらを基準値Ｖｓと比較することで、能力ステータスＳａを決定する。

一例をあげて説明すると、工程Ａについては、進捗率は８０％未満、稼働率は８０％以上、滞留状況は５０％以上であることから、実パターン生成部１０５は、能力ステータスＳａを「不足状態」と判断する。一方、工程Ｂについては、進捗率は８０％未満ではなく、稼働率は８０％以上であり、滞留状況も５０％以上でないことから、実パターン生成部１０５は、能力ステータスＳａを「適正状態」であると判断する。さらに、工程Ｎについては、進捗率は８０％未満ではなく、稼働率は８０％以上でなく、滞留状況も５０％以上でないことから、実パターン生成部１０５は、能力ステータスＳａを「過多状態」であると判断する。

実パターン生成部１０５は、すべての工程について能力ステータスＳａを決定し、決定した能力ステータスＳａを統合することで、倉庫の現場状況をあらわす実パターンＰｒ（すなわち、稼働状況をパターン化した実パターンデータ）を生成する。なお、上述した基準値Ｖｓや能力ステータスＳａの決定基準については、予め設定された固定値としてもよいが、管理者が適宜設定・変更可能としてもよい。

[モデルパターン設定部１０６]
モデルパターン設定部１０６は、パターンマッチング用のモデルパターンＰｍ、及びアクションＡｃを設定する。図７は、モデルパターンＰｍ及びアクションＡｃが登録されたパターンテーブルＴｐを例示した図である。

パターンテーブルＴｐには、パターンマッチング用のモデルパターンＰｍと、アクションＡｃとが対応づけて登録されている。図７では、パターンマッチング用のモデルパターンＰｍとして、複数のモデルパターン（パターン１、パターン２、・・・）が例示されている。各モデルパターンＰｍに対応づけられているアクションＡｃとしては、例えば「工程Ｎから工程Ａへ○×人配置換え」等のアクションＡｃが挙げられるが、いかなるアクションＡｃを設定するかは任意である。モデルパターン設定部１０６は、管理者等からの入力操作に基づき、パターンマッチング用のモデルパターンＰｍ、及びアクションＡｃを設定し、パターンテーブルＴｐに登録する。

[パターンマッチング処理部１０７]
パターンマッチング処理部（抽出部）１０７は、実パターン生成部１０５によって生成された実パターンＰｒと、パターンテーブルＤＢに登録されているパターンテーブルＴｐとを突合（比較）することで、パターンマッチングを行う。

図８は、パターンマッチングの一例を示す図である。
図８に示す例では、倉庫の現場状況（現況）を示す実パターンＰｒが、パターンテーブルＴｐに登録されているモデルパターンＰｍ−２と一致（マッチング）している状態を示している。パターンマッチング処理部１０７は、図８に示すように、実パターンＰｒが、モデルパターンＰｍ−２に一致していると判断すると、モデルパターンＰｍ−２に対応づけられているアクションＡｃ−２（ここでは、「工程Ｎから工程Ａへ○×人配置換え」）をパターンテーブルＴｐから読み出し、出力部１０９に出力する。

一方、パターンマッチング処理部１０７は、実パターンＰｒが、いずれのモデルパターンＰｍとも一致しないと判断すると、シミュレーション実行部１０８に対し、対策シミュレーションを実行すべき指示を送る。

[シミュレーション実行部１０８]
シミュレーション実行部（策定部）１０８は、パターンマッチング処理部１０７からの指示に従い、対策シミュレーションを実行することで、倉庫の現場を最適にコントロールするためのアクションＡｃを策定する。

図９は、シミュレーション実行部１０８によってアクションＡｃが策定されるまでの流れを示す図であり、詳細には人員配置計画案の見直しを行う場合のアクションＡの策定を想定している。
シミュレーション実行部１０８は、まず、人員配置計画案を設定する（図９に示すＡ参照）。シミュレーション実行部１０８は、設定した人員配置で作業シミュレーション（対策シミュレーション）を実行する（図９に示すＢ参照）。シミュレーション実行部１０８は、人員配置計画案毎のシミュレーションを比較し、シミュレーション結果を評価する（図９に示すＣ参照）。シミュレーション実行部１０８は、最良の人員配置計画案が確定するまで、図９のＡからＣに示す処理（以下、「検証サイクル処理」ともいう。）を実行する。シミュレーション実行部１０８は、検証サイクル処理を実行することで、最良の人員配置計画案を決定すると、これをアクションＡｃとして策定し、出力部１０９に出力するとともに、策定したアクションＡｃをパターンマッチング処理部１０７に出力する。

パターンマッチング処理部（更新部）１０７は、シミュレーション実行部１０８から策定したアクションＡｃを受け取ると、受け取ったアクションＡｃとともに、いずれのモデルパターンにも合致しないと判断した実パターンＰｒを新たなモデルパターンＰｍとして、パターンテーブルＴｐに登録する。

[出力部１０９]
出力部１０９は、パターンマッチング処理部１０７またはシミュレーション実行部１０８から供給されるアクションＡｃを出力装置（液晶パネルなど）１４に表示し、現場へのアクションＡｃの適用を管理者に促す。管理者は、液晶パネルに表示されるアクションＡｃを参照し、現実倉庫ＲＷの作業員に最適な指示を送る。

以下、物流管理装置１００による実績データの収集からアクション決定までの流れについて、図１０等を参照しながら説明する。

図１０は、物流管理装置１００によって実行される運営処理フローを示すフローチャートである。

データ収集部１０１は、入力装置１３等を介して入力される指示に従い、現実倉庫ＲＷに関わる実績データＤｉをリアルタイムに収集する（ステップＳ１００）。データ収集部１０１は、収集した実績データＤｉを実績ＤＢに格納していく（ステップＳ１１０）。

一方、アラート対象判定部１０４は、データ収集部１０１によって収集された実績データＤｉをアラート条件Ｃａと突合（比較）し（ステップＳ１２０）、アラート対象とすべき実績データＤｉがあるか否かを判定する（ステップＳ１３０）。

アラート対象判定部１０４は、アラート条件Ｃａに合致する実績データＤｉがないと判断すると（ステップＳ１３０；ＮＯ）、ステップＳ１００に戻り、実績データＤｉの収集を継続する。

一方、アラート対象判定部１０４は、収集された実績データＤｉの中に、アラート条件Ｃａ（例えば、「進捗率が５５％未満」など）に合致する実績データＤｉ（例えば、工程Ａの進捗率は４５％など）があると判断すると（ステップＳ１３０；ＹＥＳ）、実パターン生成部１０５に対し、収集された実績データＤｉに関して実パターンを生成すべき指示を送る。

実パターン生成部１０５は、アラート対象判定部１０４からの指示を受け取ると、作業現場の状況把握に必要なすべての実績データＤｉ（すなわち、アラート対象となった実績データを含む様々な実績データ）を実績ＤＢから抽出し（ステップＳ１４０）、抽出した実績データＤｉを用いて、倉庫の現場状況をあらわす実パターンＰｒを生成する（ステップＳ１５０）。なお、実パターンＰｒの生成方法については、図６等を用いて既に詳細を明らかにしたため、ここでは説明を割愛する。

実パターン生成部１０５は、すべての工程について能力ステータスＳａを決定し、決定した能力ステータスＳａを統合することで、倉庫の現場状況をあらわす実パターンＰｒを生成すると、パターンマッチング処理部１０７に対し、パターンマッチングを行うべき指示を送る。

パターンマッチング処理部１０７は、実パターン生成部１０５からの指示を受け取ると、実パターン生成部１０５によって生成された実パターンＰｒと、パターンテーブルＤＢに登録されているパターンテーブルＴｐとを突合（比較）し（ステップＳ１６０）、実パターンＰｒがいずれかのモデルパターンＰｍと一致するか否か（すなわち、マッチングするか否か）を判定する（ステップＳ１７０）。

パターンマッチング処理部１０７は、例えば、図８に示すように、実パターンＰｒが、いずれかのモデルパターンＰｍと一致していると判断すると（ステップＳ１７０；ＹＥＳ）、一致したモデルパターンＰｍ（図８に示す例では、モデルパターンＰｍ−２）に対応づけられているアクションＡｃ（ここでは、「工程Ｎから工程Ａへ○×人配置換え」）をパターンテーブルＴｐから読み出し（ステップＳ１８０）、出力部１０９に出力する。

出力部１０９は、パターンマッチング処理部１０７から供給されるアクションＡｃを出力装置（液晶パネルなど）１４に表示することで、現場へのアクションＡｃの適用を管理者に促し（ステップＳ１９０）、処理を終了する。管理者は、液晶パネルに表示されるアクションＡｃを参照し、現実倉庫ＲＷの作業員や各種設備等に最適な指示を送る。

一方、パターンマッチング処理部１０７は、実パターンＰｒが、いずれのモデルパターンＰｍとも一致しないと判断すると（ステップＳ１７０；ＮＯ）、シミュレーション実行部１０８に対し、対策シミュレーションを実行すべき指示を送る。

シミュレーション実行部１０８は、パターンマッチング処理部１０７からの指示を受け取ると、対策シミュレーションを実行することで、倉庫の現場を最適にコントロールするためのアクションＡｃを策定する（ステップＳ２００）。なお、対策シミュレーションの実施方法やアクションＡｃを策定する方法については、図９等を用いて既に詳細を明らかにしたため、ここでは説明を割愛する。

シミュレーション実行部１０８は、アクションＡｃを策定すると、策定したアクションＡｃを出力部１０９に出力するとともに、策定したアクションＡｃをパターンマッチング処理部１０７に出力する。

パターンマッチング処理部１０７は、シミュレーション実行部１０８から策定したアクションＡｃを受け取ると、受け取ったアクションＡｃとともに、いずれのモデルパターンとも一致しないと判断した実パターンＰｒを新たなモデルパターンＰｍとして、パターンテーブルＴｐに登録する（ステップＳ２１０）。

一方、出力部１０９は、シミュレーション実行部１０８から供給されるアクションＡｃを出力装置（液晶パネルなど）１４に表示することで、現場へのアクションＡｃの適用を管理者に促し（ステップＳ１９０）、処理を終了する。管理者は、液晶パネルに表示されるアクションＡｃを参照し、現実倉庫ＲＷの作業員や各種設備等に最適な指示を送る。

以上説明したように、本実施形態に係る物流管理システムによれば、現実倉庫に関わる実績データをリアルタイムに収集し、収集した実績データをアラート条件と突合することで、現場状況の変化を監視する。そして、収取した実績データとアラート条件の突合により、アラート対象とすべき旨の判断がなされた場合には、パターンマッチングまたはシミュレーションにより、最適なアクションを決定し、決定したアクションに基づき、現実倉庫の作業員や各種設備等に最適な指示を送る。
このような構成を採用することで、管理者や作業員の経験や勘といった属人性を排除し、ロボットや各設備および作業などから得られる多様な情報に基づいて意思決定を行うことができ、倉庫の運営の適正化が可能となる。

Ｂ．変形例
図１１は、モデルパターンの設定・更新処理を示すフローチャートである。モデルパターンの設定・更新処理は、モデルパターン設定部１０６により、定期または不定期に実行される。
モデルパターン設定部（検知部）１０６は、まず、処理計画と処理実績とを比較することで、処理計画と処理実績に乖離のある日を検知し（図１２参照）、検知した日の実績データＤｉを実績ＤＢから抽出する（ステップＳ１００ａ）。

図１２は、計画・実績グラフＧを例示した図である。
計画・実績グラフＧは、処理計画と処理実績との対応関係を示しており、データベース部１０２等に格納される。図１２の例では、ｔ１のタイミングで処理計画と処理実績との間に乖離が生じている。なお、乖離が生じているか否かは、例えば、処理計画と処理実績との差分ΔＤが閾値Ｖｔｈを超えているか否かに基づいて判断すればよい。

モデルパターン設定部１０６は、計画・実績グラフＧをもとに、処理計画と処理実績との間に乖離が生じたタイミングｔ１を特定すると（ステップＳ１１０ａ）、そのタイミングｔ１における作業現場の状況把握に必要なすべての実績データ（すなわち、アラート対象となった実績データを含む様々な実績データ）を実績ＤＢから抽出する（ステップＳ１２０ａ）。そして、モデルパターン設定部（設定・更新部）１０６は、抽出した実績データを用いて、倉庫の現場状況をあらわす実パターンを生成し、これをモデルパターンＰｍとして設定する（ステップＳ１３０ａ）。さらに、モデルパターン設定部（設定・更新部）１０６は、このような状況下において採るべきアクションＡｃを策定し（ステップＳ１４０ａ）、今回設定したモデルパターンＰｍとアクションＡｃとを対応づけてパターンテーブルＴｐに登録し、処理を終了する。

このように、計画と実績との乖離を検知し、乖離が生じるような状況下で倉庫の現場を最適にコントロールするためのアクションＡｃを策定しておくことで、より適正な倉庫の運営が可能となる。

Ｃ．その他
本明細書において、「部」とは、単に物理的構成を意味するものではなく、その「部」が実行する処理をソフトウェアによって実現する場合も含む。また、１つの「部」や装置が実行する処理を２つ以上の物理的構成や装置により実現されても、２つ以上の「部」や装置が実行する処理を１つの物理的手段や装置により実現されてもよい。また、本実施形態では特に言及しなかったが、物流管理装置１００に係る機能をクラウド環境下で実現するか、オンプレミス環境下で実現するかは、製造業者等の要求に応じて任意に選択可能である。

また、本明細書において上述した各処理におけるステップは、処理内容に矛盾を生じない範囲で任意に順番を変更し、または並列に実行することができる。

本明細書において説明した各処理を実施するプログラムは、記録媒体に記憶させてもよい。この記録媒体を用いれば、物流管理装置１００に、上記プログラムをインストールすることができる。ここで、上記プログラムを記憶した記録媒体は、非一過性の記録媒体であっても良い。非一過性の記録媒体は特に限定されないが、例えば、ＣＤ−ＲＯＭ等の記録媒体であっても良い。

１０００…物流管理システム、１１…ＣＰＵ、１２…メモリ、１３…入力装置、１４…出力装置、１５…記憶装置、１６…通信装置、１００…物流管理装置、１０１…データ収集部、１０２…データベース部、１０３…アラート条件設定部、１０４…アラート対象判定部、１０５…実パターン生成部、１０６…モデルパターン設定部、１０７…パターンマッチング処理部、１０８…シミュレーション実行部、１０９…出力部。

Claims (6)

1. 作業現場の特定実績データを収集する収集部と、
   アラート条件を記憶する第１記憶部と、
   収集した特定実績データが、前記アラート条件に合致する場合には、現場状況把握に必要な前記特定実績データを含む複数の実績データを取得する取得部と、
   取得した前記複数の実績データに基づき、稼働状況をパターン化した実パターンデータを生成する生成部と、
   モデルパターンと、採るべきアクションとを対応づけて記憶する第２記憶部と、
   前記実パターンデータが、いずれかの前記モデルパターンに合致した場合には、合致した前記モデルパターンに対応する前記アクションを抽出する抽出部と、
   抽出したアクションを出力する出力部と
   を具備する、物流管理装置。
2. 前記生成部は、
   前記作業現場の工程ごとに、抽出した前記複数の実績データと基準値とを比較し、能力ステータスを決定することで、前記作業現場の工程ごとの能力ステータスをパターン化した前記実パターンデータを生成する、請求項１に記載の物流管理装置。
3. 前記実パターンデータが、いずれの前記モデルパターンにも合致しなかった場合には、対策シミュレーションを実行することにより、採るべきアクションを策定する策定部と、
   合致しなかった前記実パターンデータと、策定した前記アクションとを対応づけて前記第２記憶部に記憶する更新部とをさらに備え、
   前記出力部は、前記策定部によって策定された前記アクションを出力する、請求項１にまたは２に記載の物流管理装置。
4. 作業計画に対する作業実績の剥離を検知する検知部と、
   前記剥離が始まったときの前記特定実績データに基づき、今回の稼働状況をパターン化した実パターンデータを生成するとともに、採るべきアクションを策定し、前記実パターンデータと、策定した前記アクションとを対応づけて前記第２記憶部に記憶する設定・更新部と、をさらに具備する請求項１から３のいずれか一項に記載の物流管理装置。
5. アラート条件を記憶する第１記憶部と、モデルパターンと、採るべきアクションとを対応づけて記憶する第２記憶部とを備えたコンピュータが実行する方法であって、
   作業現場の特定実績データを収集するステップと、
   収集した特定実績データが、前記アラート条件に合致する場合には、現場状況把握に必要な前記特定実績データを含む複数の実績データを取得するステップと、
   抽出した前記複数の実績データに基づき、稼働状況をパターン化した実パターンデータを生成するステップと、
   前記実パターンデータが、いずれかの前記モデルパターンに合致した場合には、合致した前記モデルパターンに対応する前記アクションを抽出するステップと、
   抽出したアクションを出力するステップと
   を含む物流管理方法。
6. アラート条件を記憶する第１記憶部と、モデルパターンと、採るべきアクションとを対応づけて記憶する第２記憶部とを備えたコンピュータを、
   作業現場の特定実績データを収集する収集部と、
   収集した特定実績データが、前記アラート条件に合致する場合には、現場状況把握に必要な前記特定実績データを含む複数の実績データを取得する取得部と、
   抽出した前記複数の実績データに基づき、稼働状況をパターン化した実パターンデータを生成する生成部と、
   前記実パターンデータが、いずれかの前記モデルパターンに合致した場合には、合致した前記モデルパターンに対応する前記アクションを抽出する抽出部と、
   抽出したアクションを出力する出力部と
   して機能させるための物流管理プログラム。