JP2021071771A - 計画作成装置および計画作成方法 - Google Patents

Abstract

【課題】修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とする。【解決手段】計画作成部１１２は、記憶装置１２０から読み出された計画条件データ１２１及び修正ノウハウデータ１２６〜１２９を用いて、新規計画が制約条件及び目的関数を満たし、修正ノウハウデータに含まれるグループのいずれかに適合するよう新規計画の決定変数を決定する。ここで、修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターン１２７と複数の修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターン１２８と、複数の修正前計画の計画関連情報及び決定変数の統計量である修正確率１２６とが求められたグループを複数含む。【選択図】図１

Description

本発明は、計画作成装置および計画作成方法に関する。特に、計画作成者による修正から抽出した修正ノウハウを反映させた計画作成を可能とする。

製品の製造や大規模システムの運営、管理など、事前計画が重要となる事象は数多い。そうした計画の作成に際しては、時間や空間および設備、人等のリソースなどの制約条件を順守しつつ、生産量の最大化、設備稼働率の最大化、作業員人数の最小化といった計画の目的関数を満たす計画を作成する必要がある。こうした計画作成を人手で行うと時間が掛かり過ぎることから、計算機を用いるケースも多い。

一方、実環境ではしばしば複数の制約条件や複数の目的関数が複雑化しているため、全ての制約条件や目的関数を正確に定義し、計算機に入力することが困難なケースがある。そうした場合、制約条件や目的関数を可能な範囲で定義し、経験則によるロジックと組み合わせることにより、計画の精度を上げることができる。しかし、完全に実環境を模擬する制約条件や目的関数を計算機上で定義することは極めて困難であり、また経験則によるロジックは汎用性や拡張性を欠くため、計算機が出力する計画そのままで計画作成者の満足いくものにはなり難い。

このため、計算機が出力した計画を計画作成者が修正した実績を元に、複数の制約条件や目的関数のあいまいな優先順位を計測し、それらの優先順位を次の計画作成に反映する手法が提案されている。

例えば、特許文献１に開示される複数の機器の順位を決定する順位決定装置は、順位を決定するときに条件の重み係数を使って決定し、決定された順位に満足できないときは、計画作成者が満足する順位に修正し、その修正された順位をもとに条件を評価してつけた重み係数を教師信号とし、入力データとの関係を学習させる。

また、特許文献２には、自動配車計画作成装置が作成した自動配車計画および計画作成者が修正した手動配車計画並びに自動配車計画の評価値および評価目標値を入力するとともに、入力した手動配車計画および自動配車計画の評価項目値を教師データの入力データとし、評価値および評価目標値を教師データの出力値として学習する評価パラメータ学習装置が開示されている。

特開平６−３３３０６４号公報 特開２０１３−１４３８７号公報

特許文献１や特許文献２においては、計画作成者の好みに応じて複数の制約条件や目的関数のあいまいな優先順位を再現することができるようになっている。しかしながら、上述したように、計算機に定義されている制約条件や目的関数はもともと実環境を完全に反映されているものではない。計算機にもともと定義されていない制約条件があったり、あるいは複雑で定義することが困難な制約条件や目的関数が潜在的に存在したりする場合には対応できない。

本発明では、修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とする。

本発明の一実施の態様である計画作成装置は、計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、新規計画の制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す新規計画関連情報データが入力される入力装置と、入力装置から入力された新規計画関連情報データ、記憶装置から読み出された計画条件データ及び修正ノウハウデータを用いて、制約条件及び目的関数の決定変数を決定する計画作成部とを有し、修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の修正前計画の計画関連情報及び決定変数の統計量である修正確率とが求められたグループを複数含み、計画作成部は、新規計画が制約条件及び目的関数を満たし、修正ノウハウデータに含まれるグループのいずれかに適合するよう新規計画の決定変数を決定する。

また、本発明の他の一実施の態様である計画作成方法は、計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、計画の制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す計画関連情報データが入力される入力装置と、制約条件及び目的関数の決定変数を決定する計画作成部とを有する計画作成装置を用いた計画作成方法であって、修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の修正前計画の計画関連情報及び決定変数の統計量である修正確率とが求められたグループを複数含み、入力装置は、新規計画の制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す新規計画関連情報データを受け付け、 計画作成部は、入力装置から入力された新規計画関連情報データ、記憶装置から読み出された計画条件データ及び修正ノウハウデータを用いて、新規計画が制約条件及び目的関数を満たし、修正ノウハウデータに含まれるグループのいずれかに適合するよう新規計画の決定変数を決定する。

修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とする。

その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

計画作成装置の構成例である。 計画の一例を示す図である。 計画情報のデータ構造例である。 製品情報のデータ構造例である。 修正前計画結果のデータ構造例である。 修正後計画結果のデータ構造例である。 修正ログのデータ構造例である。 修正確率Ｗｈａｔのデータ構造例である。 修正確率Ｗｈｅｎのデータ構造例である。 修正確率Ｗｈｅｒｅデータ構造例である。 修正確率Ｗｈｉｃｈのデータ構造例である。 作業パターンの定義例を示す図である。 アンチパターンのデータ構造例である。 レファレンスパターンのデータ構造例である。 修正ノウハウのデータ構造例である。 修正ノウハウ学習部の処理を示すフロー図である。 計画作成部の処理を示すフロー図である。 修正ノウハウを活用した計画作成処理を示すフロー図である。 計画を評価する処理を示すフロー図である。

以下、本発明の実施形態について図面を用いて説明する。本実施形態に係る計画作成装置は、修正前計画と修正後計画とから修正ノウハウを学習し、学習した修正ノウハウを活用して精度良好な計画を作成する。計画作成装置が対象とする計画は限定されず、工場の生産、社会インフラストラクチャーのメンテナンス、あるいは各種施設における人員割り当てなど多種多様な計画への適用が考えられるが、ここではあらかじめ決められた工程で作業して製品を製造する、いわゆる生産計画の計画作成を行う計画作成装置を例に説明する。

図１に、計画作成装置１０の構成例を示す。計画作成装置１０は、所定のアルゴリズムで作成された生産計画に対して、計画作成者が人手で修正した修正内容を蓄積して修正ノウハウを導出しておき、新たな計画の作成にあたっては、所定のアルゴリズムで得られた生産計画に対して、導出された修正ノウハウを反映させて計画を作成する。さらに、計画作成の度に修正ノウハウを学習させることで、修正ノウハウは継続的に更新される。計画作成装置１０を実現する具体的な構成としては、メインフレームやパーソナルコンピュータ等を想定して説明するが、クラウド上に実現することも可能である。

計画作成装置１０は、以下のハードウェア構成を備える。すなわち、ＳＳＤ（Solid State Drive）などの不揮発性記憶素子やハードディスクドライブなど磁気媒体で構成される記憶装置１２０、ＲＡＭなど揮発性記憶素子で構成されるメモリ１５０、記憶装置１２０に保持されるプログラム１１５をメモリ１５０に読み出すなどして実行し、装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なう中央処理装置（演算装置）１１０、ユーザからのキー入力や音声入力を受け付ける入力装置１３０、処理データの表示を行うディスプレイ等の出力装置１４０、を備え、これらのハードウェアはバスにより互いに通信可能に接続されている。

中央処理装置１１０は、記憶装置１２０に格納されたプログラム１１５をメモリ１５０に読み出して実行することで、修正ノウハウを学習する修正ノウハウ学習部１１１、および修正ノウハウを反映させた計画作成を行う計画作成部１１２のそれぞれの機能を実装する。また、記憶装置１２０には、これらの機能を実行するために必要なデータ、具体的には、制約条件・目的関数（計画条件）１２１、計画関連情報１２２、修正前計画結果１２３、修正後計画結果１２４、修正ログ１２５、修正確率テーブル１２６、アンチパターン１２７、レファレンスパターン１２８、および修正ノウハウ１２９が記憶されている。各データの詳細については後述する。なお、プログラム１１５は記憶装置１２０に格納されている形態の他、実行時など必要な時に計画作成装置１０が所定媒体を介して他装置から記憶装置１２０に導入するようにしてもよい。媒体とは、例えば計画作成装置１０の所定のインターフェイスに着脱可能な記憶媒体、あるいは通信媒体を指す。

図２に、計画作成装置１０が作成する計画の例を示す。ここでは、Ｎの工程Ｌｊ（ｊ＝１〜Ｎ）を実行してＭの製品Ｐｉ（ｉ＝１〜Ｍ）を生産する生産計画を作成するものとし、例えばガントチャート２０に示すような生産計画を得ることを目的とする。なお、ガントチャート２０は、Ｎ＝４、Ｍ＝３としたときの例であり、あわせて工程Ｌ４についての時間軸を示している。

図２には計画作成装置１０がガントチャート２０で示されるような計画を作成するための計画条件を合わせて示している。また、生産計画を作成するにあたり、製品の集合Ｐｉと当該製品を生産するために必要な工程の集合Ｌｉが定義され、各製品に対する各工程の処理時間Ｔ_ijが与えられる（説明変数）。

図２の例では、制約条件として２つの条件を設けている。第１は順序制約であり、各工程において、現在の製品に対する工程が終わらないと他の製品に対する工程は開始できないという条件である。第２は設備制約であり、各工程において、一つの工程では複数の製品に対する作業を実行できないという条件である。また、計画の目標として、全製品に対する全工程が終了する時間（全体処理時間）を最小化する目的関数ｆが設定されている。したがって、この場合、生産計画を作成するとは、上述した２つの制約条件を満たし、目的関数ｆを最小化する各製品に対する各工程の開始時刻ｔ_ij（決定関数）を求めることを意味する。なお、以上は例示であって、製品の種類の組合せ条件、納期条件等の他の制約条件、あるいは生産コストの最小化等の目的関数が設定されていてもよい。また複数の目的関数が設定されていてもよい。

以上の制約条件、目的関数、決定変数、説明変数のデータが、記憶装置１２０の制約条件・目的関数（計画条件）１２１として記憶されている。続いて、計画作成装置１０が計画を作成するために使用するデータのデータ構造について説明する。

計画関連情報１２２は、過去の計画について収集された、計画に関連するデータの集合である。計画関連情報１２２の内容は計画の良否に影響を与える情報としてユーザが任意に選択できる。例えば、計画作成者が計画の修正を行うとき、どのような情報を基に修正要否を判断するかといった知見に基づき、計画関連情報１２２としてどのようなデータを蓄積するか決めることが望ましい。計画関連情報１２２の具体例として、ここでは計画情報１２２ａ、製品情報１２２ｂを例示する。

図３に例示する計画情報１２２ａの各レコードには、計画番号２２１１、計画実行月２２１２、計画実行日２２１３、作業数２２１４などの各値が格納されている。計画番号２２１１は、計画を一意に特定する識別情報であって、同一の計画番号であるレコードは該当計画番号の計画を説明する情報を表している。計画実行月２２１２は計画の実行月、計画実行日２２１３は計画を実行日、作業数２２１４は計画における作業の総数（工程数Ｎ×製品数Ｍ）である。これは、計画が実行される月、あるいは日付、計画の全体的な負荷が計画の良否に影響すると考えられる場合に、これらのデータを、計画を説明する情報１２２ａとして収集する。他にも、計画作成者を一意に特定する識別情報、生産設備の稼働状態、天候等のデータを含むとしてもよい。また、ユーザが計画を説明する情報としてみなさない限り、図３に例示したデータであっても計画情報１２２ａに含ませる必要はない。これは、以下に説明する他のデータについても同様である。

図４に例示する製品情報１２２ｂの各レコードには、計画番号２２２１、製品２２２２、色２２２３、発注者２２２４などの各値が格納されている。計画番号２２２１は、計画情報を一意に特定する識別情報であって、計画番号２２１１と同一である。製品２２２２は、計画が対象とする製品を一意に特定する識別情報、色２２２３は製品の色、発注者２２２４は製品を発注した注文者を識別するコードである。製品情報１２２ｂとして収集するデータは、計画の良否に影響を与える製品の情報として選択される。例えば、この例で色情報が含まれているのは、計画に塗装工程が含まれるとして、製品の色が塗装順序に影響を与えるといったケースを想定している。この他に、製品の種別、納期等のデータを含むとしてもよい。

続いて、修正前計画結果１２３及び修正後計画結果１２４について説明する。計画作成者は必要に応じて、計画作成装置１０が決定した開始時刻を、自分の知識、ノウハウに基づいて手直しし、修正した計画を実行することがある。このような場合に、手直し前後の計画をそれぞれ修正前計画結果１２３及び修正後計画結果１２４として記憶する。したがって、修正前計画結果１２３に記憶された計画（修正前）には、対応する修正後計画結果１２４に記憶された計画（修正後）が存在している。

図５に例示する修正前計画結果１２３の各レコードは、計画番号２３０１、製品２３０２、工程２３０３、処理時間２３０４、開始時刻２３０５などの各値が格納されている。計画番号２３０１は、計画を一意に特定する識別情報であって、計画番号２２１１と同一である。製品２３０２は、計画が対象とする製品を一意に特定する識別情報、工程２３０３は、計画が対象とする工程を一意に特定する識別情報、処理時間２３０４は、該当製品に対する該当工程の処理時間Ｔ_ij、開始時刻２３０５は、該当製品に対する該当工程の開始時刻ｔ_ijである。計画番号を同一とするレコードの情報から、図２に示したガントチャートが作成できることが理解できよう。製品２３０２、工程２３０３、処理時間２３０４のフィールド値は計画を作成するために与えられた値であり、開始時刻２３０５のフィールド値は、計画作成装置１０により決定された値である。

図６で例示する修正後計画結果１２４の各レコードは、計画番号２４０１、作業２４０２、工程２４０３、処理時間２４０４、開始時刻２４０５などの各値が格納されている。各レコードの項目の意味は、図５で示した修正前計画結果１２３の項目と同じである。両者を比較することにより、例えば計画番号が０６０１−０８００では、製品Ｐ２、工程Ｌ１の開始時刻ｔ₂₁が０８：１０から０８：２０に修正されていることが分かる。

修正ログ１２５は、計画作成者が修正したアクションをステップごとに記録した修正ログである。図７に例示する修正ログ１２５の各レコードは、計画番号２５０１、ステップ２５０２、製品２５０３、工程２５０４、修正前開始時刻２５０５、修正後開始時刻２５０６などの各値が格納されている。計画番号２５０１は、計画を一意に特定する識別情報であって、計画番号２２１１と同一である。ステップ２５０２は、該当計画番号の計画における計画作成者が手直ししたアクションの順番であり、計画番号ごとに１番から開始する。製品２３０２は、修正対象となった製品を一意に特定する識別情報、工程２３０３は、修正対称となった工程を一意に特定する識別情報、修正前開始時刻２５０５は、計画作成者が修正する前の開始時刻ｔ_ij、すなわち計画作成装置１０が計画作成時に決定した開始時刻であり、修正後開始時刻２５０６は、計画作成者が修正した開始時刻ｔ_ijである。修正ログ１２５は、計画作成者が、重要な修正、例えば他の決定変数に与える影響の大きい修正から先に行うと考えられることから、修正内容の個々の重要性を示す情報として記憶するものである。

以上が、計画作成装置１０が計画作成者の修正ノウハウを学習するための基礎データとなる１次データである。これらの１次データから、計画作成者による修正がなされやすい、または修正なされにくい条件を識別するため、修正確率テーブル１２６を作成する。後述するように、修正ノウハウは同じ修正傾向をもつグループに分類されており、グループは同じ修正傾向を見出される修正前計画結果１２３及び修正後計画結果１２４の母集団の違いとして分類される。修正確率テーブル１２６は、グループごとの１次データ及び修正前計画の決定変数の統計量を示すものであり、計画作成装置１０が保持する修正確率テーブル１２６の種類や数は、保有する１次データの内容や、修正ノウハウの分析観点の豊富さに依存する。ここでは、４種類の修正確率についての修正確率テーブルを有する例を説明する。

図８は、修正確率What１２６ａのデータ構造を示す図である。修正確率What１２６ａは、計画情報１２２ａに含まれる各項目について、計画が修正されやすい、または修正されにくい条件を表すデータである。

図８に例示する修正確率What１２６ａは複数のレコードＲａｋ（ｋ＝１〜Ｏ）２６１０を有している。レコードＲａｋの違いは、修正確率Whatを算出するときの修正前計画結果１２３及び修正後計画結果１２４の母集団（グループ）の違いであり、各レコードＲａｋのデータ構造はいずれも同じである。図ではレコードＲａ１のデータ構造を代表として示している。レコードＲａｋには、計画情報１２２ａの各項目についてのサブテーブルがリンクされている。計画実行月サブテーブル２６１１の各フィールドは、所定範囲の計画実行月ごとの修正確率である。修正確率とは計画作成装置１０が作成した計画の数に対して、計画作成者が修正した計画の数の割合のことである。ただし、修正確率を算出する計画の母数は、レコードＲａｋの母集団に含まれる計画の数である。この例では計画実行月を３ヶ月ごとに区切って算出しており、例えば、計画実行月が４月から６月である計画の修正確率は４８％であったことが分かる。計画実行日サブテーブル２６１２の各フィールドは、所定範囲の計画実行日ごとの修正確率である。この例では計画実行日を１週間ごとに区切って算出しており、例えば第２週目の計画の修正確率は４７％であったことが分かる。作業数サブテーブル２６１３の各フィールドは、所定範囲の作業数ごとの修正確率である。この例では作業数を２０ごとに区切って算出しており、例えば作業数が４０から５９までのとき修正確率は８７％と、最も修正される確率が高いことが分かる。

図９は、修正確率When１２６ｂのデータ構造を示す図である。修正確率When１２６ｂは、修正前計画結果１２３に含まれる開始時刻ｔ_ijについて、計画が修正されやすい、または修正されにくい条件を表すデータである。

図９に例示する修正確率When１２６ｂの各レコードは、Ｗｈｅｎ２６２０、時間帯ごとの修正確率２６２１の各値が格納されている。Ｗｈｅｎ２６２０は、修正確率Whenを算出した母集団を一意に特定する識別情報であって、図８に例示した修正確率What１２６ａの複数のレコードＲａｋ（ｋ＝１〜Ｏ）２６１０に対応している。すなわち、図８におけるレコードＲａｋと図９におけるレコードＲｂｋとは、同じ母集団から算出された修正確率であることを示している。時間帯ごとの修正確率２６２１の値は、当該時間帯に開始時刻が含まれる作業の修正確率である。この例では開始時刻を２時間ごとに区切っており、１０：００から１２：００までに開始される作業の修正確率は５５％であることを表している。

図１０は、修正確率Where１２６ｃのデータ構造を示す図である。修正確率Where１２６ｃは、修正前計画結果１２３に含まれる工程について、計画が修正されやすい、または修正されにくい条件を表すデータである。

図１０に例示する修正確率Where１２６ｃの各レコードは、Ｗｈｅｒｅ２６３０、工程ごとの修正確率２６３１の各値が格納されている。Ｗｈｅｒｅ２６３０は、修正確率Whereを算出した母集団を一意に特定する識別情報であって、図８に例示した修正確率What１２６ａの複数のレコードＲａｋ（ｋ＝１〜Ｏ）２６１０に対応している。すなわち、図８におけるレコードＲａｋと図１０におけるレコードＲｃｋとは、同じ母集団から算出された修正確率であることを示している。工程ごとの修正確率２６３１の値は、当該工程が含まれる計画の修正確率である。この例では、工程Ｌ１の修正確率は８４％であり最も修正されやすく、工程Ｌ４の修正確率は１１％であり最も修正されにくいことが分かる。

図１１は、修正確率Which１２６ｄのデータ構造を示す図である。修正確率Which１２６ｄは、製品情報１２２ｂに含まれる各項目について、計画が修正されやすい、または修正されにくい条件を表すデータである。

図１１に例示する修正確率Which１２６ｄは複数のレコードＲｄｋ（ｋ＝１〜Ｏ）２６４０を有している。Ｗｈｉｃｈ２６４０は、修正確率Whichを算出した母集団を一意に特定する識別情報であって、図８に例示した修正確率What１２６ａの複数のレコードＲａｋ（ｋ＝１〜Ｏ）２６１０に対応している。すなわち、図８におけるレコードＲａｋと図１１におけるレコードＲｄｋとは、同じ母集団から算出された修正確率であることを示している。レコードＲｄｋには、製品情報１２２ｂの各項目についてのサブテーブルがリンクされている。色サブテーブル２６４１の各フィールドは、色ごとの修正確率である。例えば、黄色の作業の修正確率は４％であり最も修正されにくいことが分かる。発注者サブテーブル２６４２の各フィールドは、発注者ごとの修正確率である。例えば、発注者BBBの製品の計画の修正確率は５２％であることを表している。

続いて、計画作成装置１０では計画の修正内容を、図２のようなガントチャートのパターンの変化として把握するものとする。このため、計画作成装置１０では各工程に現れる典型的な作業パターンを単位作業パターンとしてあらかじめ定義しておく。図１２に各工程における単位作業パターンの定義例を説明する。各パターンの横軸は時間であり、Ｊは各工程において当該時間帯に実施される作業を示している。

パターンＸＡ１、パターンＸＡ２、パターンＸＡ３は、ある工程Ｌｉの作業Ｊの開始時刻の間隔に関する単位作業パターンである。パターンＸＡ１は左詰めのパターンであり、パターンＸＡ２は等間隔のパターンであり、パターンＸＡ３はランダムパターンである。パターンＸＢ１、パターンＸＢ２、パターンＸＢ３は、ある工程Ｌｉの作業Ｊの順番に関する単位作業パターンである。パターンＸＢ１は作業時間の短い順のパターンであり、パターンＸＢ２は作業時間についてランダム順のパターンであり、パターンＸＢ３は作業時間の長い順の単位作業パターンである。パターンＸＣ１、パターンＸＣ２、パターンＸＣ３は、ある工程Ｌｉから工程Ｌｉｉに遷移するときの作業Ｊの順番に関する単位作業パターンである。パターンＸＣ１は同じ順のパターンであり、パターンＸＣ２は順序が入れ替わるパターンであり、パターンＸＣ３は作業を実施しない単位作業パターンである。パターンＸＤ１、パターンＸＤ２は、同時に実行できる工程Ｌｉ１および工程Ｌｉ２に関する単位作業パターンである。パターンＸＤ１は同時並行のパターンであり、パターンＸＤ２は一方の工程に詰めた単位作業パターンである。以上は、例示であって、様々な単位作業パターンを定義できる。

ガントチャートに現れるパターンを定義することにより、計画作成者の修正を、修正前パターンから修正後パターンへの変換としてとらえることができる。このとき、修正前パターンとなることの多い単位作業パターンは計画作成上避けるべきパターンであり、修正後パターンとなることの多い単位作業パターンは計画作成上望ましいパターンであると考えられる。アンチパターン１２７は、計画作成上避けるべきと考えられる作業パターンの傾向を示し、レファレンスパターン１２８は計画作成上望ましいと考えられるパターンの傾向を示す。

図１３は、アンチパターン１２７のデータ構造を示す図である。アンチパターン１２７の各レコードは、Ｂｅｆｏｒｅ２７００、パターンの発生確率２７０１の各値が格納されている。Ｂｅｆｏｒｅ２７００は、発生確率Beforeを算出した母集団（グループ）を一意に特定する識別情報であって、図８に例示した修正確率WHAT１２６ａの複数のレコードＲａｋ（ｋ＝１〜Ｏ）２６１０に対応している。すなわち、図１３におけるレコードＰａｋは、図８におけるレコードＲａｋと同じ母集団から算出された発生確率Beforeであることを示している。パターンの発生確率２７０１は当該パターンの発生確率Beforeであり、発生確率Beforeとは計画作成装置１０が作成した計画の数に対して、当該パターンが修正の対象とされた計画の数の割合のことである。ただし、発生確率Beforeを算出する計画の母数は、レコードＰａｋの母集団に含まれる計画の数である。この例では、レコードＰａ１において、パターンＸＡ１の発生確率Beforeが９３％であり、パターンＸＡ１は計画作成上避けるべき単位作業パターンであると考えられる。

図１４は、レファレンスパターン１２８のデータ構造を示す図である。レファレンスパターン１２８の各レコードは、Ａｆｔｅｒ２８００、パターンの発生確率２８０１の各値が格納されている。Ａｆｔｅｒ２７００は、発生確率Afterを算出した母集団（グループ）を一意に特定する識別情報であって、図８に例示した修正確率WHAT１２６ａの複数のレコードＲａｋ（ｋ＝１〜Ｏ）２６１０に対応している。すなわち、図１４におけるレコードＰｒｋは、図８におけるレコードＲａｋと同じ母集団から算出された発生確率Afterであることを示している。パターンの発生確率２７０１は当該パターンの発生確率Afterであり、発生確率Afterとは計画作成装置１０が作成した計画の数に対して、修正の結果、当該パターンに変更された計画の数の割合のことである。ただし、発生確率Afterを算出する計画の母数は、レコードＰｒｋの母集団に含まれる計画の数である。この例では、レコードＰｒ１において、パターンＸＡ２の発生確率Afterが９５％であり、計画作成上望ましい単位作業パターンであると考えられる。

修正ノウハウ１２９は、修正確率テーブル１２６、アンチパターン１２７及びレファレンスパターン１２８の対応付けを示すものである。この例では、各データのレコードは、それぞれのデータを導出した母集団の同一性によって対応付けられている。図１５は、修正ノウハウ１２９のデータ構造を示す図である。修正ノウハウ１２９の各レコードは、グループ２９００、Ｗｈａｔ２６１０、Ｗｈｅｎ２６２０、Ｗｈｅｒｅ２６３０、Ｗｈｉｃｈ２６４０、Ｂｅｆｏｒｅ２７００、Ａｆｔｅｒ２８００の各値が格納されている。グループ２９００の値が、同じ母集団によって算出されたレコードの集合を一意に特定する識別情報である。

続いて、これらのデータを用いて計画作成装置１０が実現する機能を説明する。上述したように、計画作成装置１０の機能はプログラム１１５を実行することで実装される。

第１の機能は、修正ノウハウ学習部１１１の実行する修正ノウハウを学習する機能である。修正ノウハウ学習部１１１は、計画関連情報１２２、計画作成装置１０が作成した修正前計画結果１２３及び計画作成者によって修正された修正後計画結果１２４、そのときの修正ログ１２５を分析し、修正確率テーブル１２６、アンチパターン１２７、レファレンスパターン１２８、修正ノウハウ１２９の各データを作成する。

第２の機能は、計画作成部１１２の実行する、新規の計画のための新規の計画関連情報を入力装置１３０で受け付け、修正ノウハウ学習部１１１が学習した修正ノウハウを反映させた新規の計画を作成して、出力装置１４０から出力する機能である。

以下、それぞれの機能を実現するための処理動作について説明する。処理動作はプログラム１１５によって実現され、プログラム１１５は、以下に説明される各種の動作を行うためのコードから構成されている。

まず、第１の機能を実現する処理について説明する。図１６は、修正ノウハウ学習部１１１が修正ノウハウデータ１２９を作成、更新するフローを示す図である。修正ノウハウ学習部１１１は、記憶装置１２０に蓄積された計画関連情報１２２、修正前計画結果１２３、修正後計画結果１２４から計画作成者の修正ノウハウを形式知化して記憶装置１２０に格納している。図１６のフローでは、計画作成装置１０が、入力装置１３０において、修正ノウハウの更新に必要な計画関連情報、修正前計画及び修正後計画を含む候補教師データを受け付けたことをトリガーに、修正ノウハウ学習部１１１が起動され、修正ノウハウを更新する処理を示している。

前提として、計画作成者を満足させる計画であったと考えられる、計画作成者により修正された計画または計画作成者による修正を受けなかった計画に類似し、計画作成者を満足させられない計画であったと考えられる、計画作成者により修正される前の計画に類似しない計画を出力することが、計画作成装置１０の目標である。したがって、最初に受け付けられた候補教師データが既存の修正ノウハウの母集団に適合するかどうかを判定し、適合する場合に教師データとして適合すると判定された母集団に加えて学習を更新する。なお、教師データが存在しない初期状態では、修正確率テーブル、アンチパターン、レファレンスパターンの各値はすべて情報量が無いことを表す0.5が格納されている。

まず、修正ノウハウ学習部１１１は新たな候補教師データを受け付ける（Ｓ１０１０）。候補教師データは修正前計画、修正後計画、対応する計画関連情報及び修正ログを含むデータセットである。候補教師データが計画番号「1113-1600」であったとすれば、計画関連情報として、計画情報１２２ａ（図３参照）の計画番号「1113-1600」のレコードの値、製品情報１２２ｂ（図４参照）の計画番号「1113-1600」のレコードの値、修正前計画として修正前計画結果１２３（図５参照）の計画番号「1113-1600」のレコードの値、修正後計画として修正後計画結果１２４（図６参照）の計画番号「1113-1600」のレコードの値、修正ログとして修正ログ１２５（図７参照）の計画番号「1113-1600」のレコードの値を受け付けたことに相当する。

続いて、修正確率テーブル１２６を参照して、候補教師データについての修正確率の値を取得する（Ｓ１０２０）。候補教師データが計画番号「1113-1600」の計画であったとした場合、修正確率What１２６ａのレコードＲａ１（図８参照）を参照し、計画実行月（１１月）の修正確率５１％、計画実行日（１３日＝第２週）の修正確率４７％、作業数（３７）の修正確率４１％を取得する。同様に、修正確率When１２６ｂのレコードＲｂ１（図９参照）を参照し、開始時刻（８：３０）の修正確率４６％を、修正確率Where１２６ｃのレコードＲｃ１（図１０参照）を参照し、修正された工程（Ｌ１）の修正確率８４％を、修正確率Which１２６ｄのレコードＲｄ１（図１１参照）を参照し、製品の色（赤）の修正確率５６％、製品の発注者（ＣＣＣ）の修正確率４４％を取得する。なお、修正ノウハウ１２９に定義されたグループ１（以下、「修正ノウハウ１」と呼ぶものとする）に対応する修正テーブルのレコードについて修正確率を取得した例を示したが、修正ノウハウ１２９に複数のグループが定義されている場合には、全てのグループに対応するレコードについて修正確率を取得する。

続いて、受け付けた候補教師データが既に修正ノウハウとして登録されているグループのいずれかに適合するデータであるか否かを判定する。まず、ステップＳ１０２０で取得した修正確率の値について、所定の閾値を超える修正確率が１つ以上あればステップＳ１０４０へ、１つもなければステップＳ１９１０へ進む（Ｓ１０３０）。修正確率が１００％に近い、あるいは０％に近い場合、当該条件が成立するときに有意に計画が修正される、あるいは有意に計画が修正されないことを意味し、修正確率が５０％に近い場合、当該条件の成立からは修正の有無は予測できないことを意味するので、閾値としては０％に近い値及び１００％に近い値をそれぞれ適宜定めておく。例えば、所定の閾値が８０％と設定されていたとすると、計画番号「1113-1600」は、修正確率Where１２６ｃのレコードＲｃ１について、修正された工程の修正確率８４％と所定のしきい値を上回る。したがって、計画番号「1113-1600」の計画は「修正ノウハウ１」に適合する教師データである可能性があるので、ステップＳ１０４０へ進む。

ステップＳ１０４０では、修正ノウハウ１２９を参照して、ステップＳ１０３０で候補教師データが該当する可能性がある修正ノウハウグループ（以下、「候補修正ノウハウグループ」と呼ぶ）のアンチパターンとレファレンスパターンを抽出する。例えば、修正ノウハウ１２９（図１５参照）によれば、「修正ノウハウ１」のアンチパターンはアンチパターン１２７（図１３参照）のレコードＰａ１であり、「修正ノウハウ１」のレファレンスパターンはレファレンスパターン１２８（図１４参照）のレコードＰｒ１である。

続いて、候補教師データである修正前計画及び修正後計画と、ステップＳ１０４０で取得したアンチパターン及びレファレンスパターンとを比較する。ステップＳ１０５０では、候補教師データが候補修正ノウハウグループと逆傾向のパターンを有さないことを判定する。すなわち、修正前計画が、候補修正ノウハウグループの計画において計画作成上望ましいと考えられるパターンを多く含み、修正後計画が、候補修正ノウハウグループの計画において計画作成上避けるべきと考えられるパターンを多く含んでいるとすれば、未知の要因で修正がなされている可能性があり、当該候補修正ノウハウグループの計画の特徴を希薄化してしまう可能性があるため、当該候補修正ノウハウグループに加えるべきではない。逆傾向のパターンを有さない場合には、ステップＳ１０６０へ進み、逆傾向のパターンを有する場合にはステップＳ１９１０へ進む。ただし、計画関連情報１２２として十分な情報が収集されていれば、特殊なケースを除いて逆傾向のパターンになることはないものと考えられる。

ステップＳ１０６０では、候補教師データである修正前計画及び修正後計画をそれぞれ、候補修正ノウハウグループのアンチパターン及びレファレンスパターンと比較し、修正前計画がアンチパターンと類似している、または、修正後計画がレファレンスパターンと類似しているならばステップＳ１０７０へ、どちらも類似していない場合はステップＳ１９１０へ進む。なお、ステップＳ１０５０，Ｓ１０６０における類似／非類似の判断は、後述するアンチパターン類似度Ｒａ、レファレンスパターン類似度Ｒｒ（図１９を参照）を用いて、修正前計画、修正後計画それぞれのアンチパターン類似度Ｒａ及びレファレンスパターン類似度Ｒｒを算出し、類似度が所定閾値以上である場合を類似と判定することができる。

ステップＳ１０７０では、候補教師データの修正前計画、修正後計画、対応する計画関連情報及び修正ログを、記憶装置１２０の修正前計画結果１２３、修正後計画結果１２４、計画関連情報１２２及び修正ログ１２５に追加蓄積する。以降のステップＳ１０８０〜Ｓ１１００の教師データは、ステップＳ１０７０以前の候補教師データのことである。

ステップＳ１０８０では、教師データが適合すると判定された修正ノウハウグループについて、母集団に教師データを含めて、アンチパターン１２７（図１３参照）の該当するレコード、レファレンスパターン１２８（図１４参照）の該当するレコードの各値を更新する。

ステップＳ１０９０では、教師データが適合すると判定された修正ノウハウグループについて、母集団に教師データを含めて、修正確率テーブル１２６（図８〜図１１参照）の該当するレコードの各値を更新する。ここで、図７に示すような修正ログ１２５が格納されている場合、修正ログ１２５のステップ２５０２の値が所定の値より小さいレコードについては修正確率テーブルの各値を大きめに補正してもよい。これは、計画作成者が早い段階で行った修正ほど重要であると考えられるため、初期の修正に該当する修正確率テーブルの値を相対的に大きくすることにより、その修正を計画作成により大きく反映する効果がある。

これに対して、候補教師データがステップＳ１９１０に至った場合、候補教師データは、修正ノウハウ１２９に登録されている既存のどの修正ノウハウグループにも適合しないと判断できる。そこで、ステップＳ１９１０では当該候補教師データが適合する新規の修正ノウハウグループの可能性を検討する。例えば、候補教師データである修正前計画と記憶装置１２０の修正前計画結果１２３とを比較して類似する修正前計画を、候補教師データである修正後計画と記憶装置１２０の修正後計画結果１２４とを比較して類似する修正後計画を抽出する。抽出された修正前計画及び抽出された修正後計画の双方に抽出された計画番号の計画を暫定修正ノウハウグループの母集団として、修正確率テーブルを計算する。得られた修正確率テーブルに含まれる項目に有意な値を有するものがあれば、暫定修正ノウハウグループを新たな修正ノウハウグループとして設定し（Ｓ１９７０）、有意な値を有さない場合は、ステップＳ１９９０に進む。

なお、計画同士の類似性は、例えば、比較対象とする計画をそれぞれ図２に示すようなガントチャートとし、ガントチャート同士の画像の類似性に基づき計画の類似性を判定することができる。また、得られた修正確率テーブルの値が有意な値であるか否かは、ステップＳ１０３０において有意性を判定するときの閾値に基づいて判断することができる。

ステップＳ１９７０では、候補教師データの修正前計画、修正後計画、対応する計画関連情報及び修正ログを、記憶装置１２０の修正前計画結果１２３、修正後計画結果１２４、計画関連情報１２２及び修正ログ１２５に追加蓄積するとともに、ステップＳ１９１０で算出した修正確率テーブルを新たに追加登録し、修正ノウハウ１２９にも新たなグループを登録する。

以上が、修正ノウハウ学習部１１１が、候補教師データを新たな教師データとして蓄積して修正ノウハウを更新する処理手順である。一方、ステップＳ１９１０において候補教師データに適合する修正ノウハウグループの設定ができなかった場合には、修正ノウハウ学習部１１１は、候補教師データを教師データとして蓄積しない。この場合、候補教師データとともにステップＳ１９１０で抽出した暫定修正ノウハウグループについて算出した修正確率テーブルを出力する（Ｓ１９９０）ことが望ましい。これにより、計画作成者は個別に候補教師データの分析が可能になる。

次に、修正ノウハウを利用して、新たな計画関連情報にしたがって新規の計画を作成する処理手順を説明する。図１７は、計画作成部１１２が修正ノウハウ学習部１１１より獲得した修正ノウハウにより、計画作成者が修正した計画情報に類似した新たな計画情報を作成するフローを示す図である。図１７のフローでは、計画作成装置１０が、入力装置１３０において、新たな計画作成のための計画関連情報を受け付けたことをトリガーに、計画作成部１１２が起動され、計画を作成する処理を示している。

まず、計画作成部１１２は、新たな計画関連情報を受け付け、あらかじめ格納されている制約条件・目的関数１２１（図２を参照）から、最適化問題を解くための一般的な手法、例えば局所探索法や遺伝的アルゴリズムなど、既存ロジックを用いて計画を作成する（Ｓ２０１０）。入力される計画関連情報は、新たに計画作成する計画が計画番号「1113-1600」であったとすれば、計画情報１２２ａ（図３参照）の計画番号「1113-1600」のレコードの値、製品情報１２２ｂ（図４参照）の計画番号「1113-1600」のレコードの値が入力されることになる。ステップＳ２０１０で作成した計画は、暫定計画として保持される（Ｓ２０２０）。

次に、暫定計画を初期解として、修正ノウハウを活用した計画作成を行う（Ｓ２０３０）。この詳細については後述する。続いて、作成した計画を評価する（Ｓ２０４０）。この詳細についても後述する。

ステップＳ２０５０では、ステップＳ２０４０で算出した評価値と暫定計画の評価値とを比較し、ステップＳ２０４０で算出した評価値が暫定計画の評価値以上であればステップＳ２０３０で作成した計画を暫定計画として更新し、ステップＳ２０４０で算出した評価値が暫定計画の評価値より低ければ暫定計画をそのまま維持する。

ステップＳ２０６０では、暫定計画が終了条件を満たすか確認し、終了条件を満たしていなければステップＳ２０３０以降の処理を繰り返す。終了条件を満たしていれば出力装置１４０を介し、暫定計画を最適計画として出力し、計画作成部１１２の処理を終了する。ここで終了条件とは、暫定計画の評価値の目標値であってもよいし、ステップＳ２０３０からステップＳ２０５０までの処理の繰り返し回数であっても良いし、計画作成部１１２の処理を開始してからの経過時間であってもよいし、これらの条件の組合せであってもよい。

図１８は、図１７に示したステップＳ２０３０の処理を示すフロー図である。

計画作成部１１２は、決定変数ごとに所定数の候補値を列挙する（ステップＳ２３１０）。具体的には、暫定計画で決定された決定変数の１つを選択し、所定のアルゴリズムにしたがって所定数の候補値を算出する。アルゴリズムは局所探索法などを用いることができ、特に限定はされない。このとき、各候補値について重みｗを設定するが、この段階では各候補値の重みは均等とする。例えば、１０の候補値があれば、各候補値の重みｗは０．１である。

次に、候補値ごとに修正確率の値を取得する（Ｓ２３２０）。すなわち、ステップＳ２３１０の対象でない決定変数の値については暫定計画のまま、ステップＳ２３１０の対象である決定変数の値は候補値として（以下、「暫定決定変数」と呼ぶ）、修正確率を取得する。したがって、１０の候補値があれば、１０セットの修正確率が取得される。

続いて、ステップＳ２３３０では修正確率の１セットを選択し、ステップＳ２３２０で取得した修正確率と各修正ノウハウグループ（図１５を参照）の修正確率とを比較し、類似するか否かを判定する。類比判断は、ステップＳ２３２０で取得した修正確率の値と各修正確率テーブル（図８〜１１を参照）の該当する修正ノウハウグループのレコードの値との乖離が所定値以上であれば類似しないと判断し、所定値よりも小さければ類似すると判断できる。なお、所定値より小さい修正ノウハウグループが複数存在した場合には、乖離が最も小さい修正ノウハウグループを選択して、以下の処理を実行する。

修正ノウハウ１２９（図１５を参照）を参照し、ステップＳ２３３０で類似判定された修正ノウハウグループのアンチパターンとレファレンスパターンとを読み出す（ステップＳ２３４０）。続いて、暫定決定変数による計画と読み出されたアンチパターンとレファレンスパターンとを比較する。暫定決定変数による計画とアンチパターンとが類似する場合、当該候補値の重みｗを下げ（Ｓ２３５０）、暫定決定変数による計画とレファレンスパターンとが類似する場合、当該候補値の重みｗを上げる（Ｓ２３５０）。

一方、ステップＳ２３３０において、修正確率が類似する修正ノウハウグループが存在しなかった場合には、重みｗはそのままとする。以上を全ての候補値について繰り返す（ステップＳ２３７０）。

全ての候補値について重みｗの調整が終了すれば、確率的選択（ルーレット選択）により候補値を選択する（ステップＳ２３８０）。このとき、当該候補値を選択した場合にアンチパターンを多く含む計画となる場合には重みｗが下げられ、レファレンスパターンを多く含む計画となる場合には重みｗが上げられていることにより、ステップＳ２３８０ではレファレンスパターンを多く含む計画となる候補値が選択される可能性が高まる。

以上の処理を全決定変数に対して行って（ステップＳ２３９０）、全ての決定変数について値が決定されることにより、修正ノウハウを活用した計画作成（ステップＳ２０３０）が終了する。

図１９は、図１７に示したステップＳ２０４０の処理を示すフロー図である。この例では、
評価値Ｅ＝目的関数ｆ＋α×１／アンチパターン類似度Ｒａ＋β×レファレンスパターン類似度Ｒｒ・・・（式１）
として評価値を算出する例を示す。α、βは正の定数とする。

計画作成部１１２は、最初に計画に適合する修正ノウハウグループを特定する（ステップＳ２４１０）。この特定は、図１８のステップＳ２３３０と同様に修正確率が類似する修正ノウハウグループを抽出し、複数ある場合には最も類似する修正ノウハウグループを特定することで行う。なお、類似する修正ノウハウグループが存在しない場合には、１／アンチパターン類似度Ｒａ＝レファレンスパターン類似度Ｒｒ＝０とする。

次に、目的関数ｆを算出する（ステップＳ２４２０）。目的関数ｆはあらかじめ与えられている（図２を参照）。

次に、特定された修正ノウハウグループのアンチパターン類似度Ｒａを算出する（ステップＳ２４３０）。アンチパターン類似度Ｒａは、評価対象の計画のガントチャートの画像と図１２に示す各パターンのガントチャートの画像との類似度と、アンチパターン１２７の修正ノウハウグループに該当するレコードの値とを掛け合わせて総和をとったものとして定義できる。

次に、特定された修正ノウハウグループのレファレンスパターン類似度Ｒｒを算出する（ステップＳ２４４０）。レファレンスパターン類似度Ｒｒは、評価対象の計画のガントチャートの画像と図１２に示す各パターンのガントチャートの画像との類似度と、レファレンスパターン１２８の修正ノウハウグループに該当するレコードの値とを掛け合わせて総和をとったものとして定義できる。

ステップＳ２３５０では、ステップＳ２３２０〜Ｓ２３４０で算出した目的関数ｆの値、アンチパターン類似度Ｒａの値、レファレンスパターン類似度Ｒｒの値を用いて、（式１）により評価値Ｅを算出する。評価値Ｅは、目的関数ｆ、レファレンスパターン類似度Ｒｒが大きく、アンチパターン類似度Ｒａが小さい程、大きくなることにより、目的関数ｆが大きく、計画作成上望ましいパターンが多く、計画作成上避けるべきパターンが少ない計画程、より高い評価が得られる。

以上説明した実施の形態によれば、修正前計画結果と修正後計画結果とから計画作成者の修正ノウハウを形式知化し、計画作成に反映させて、計画作成者の満足度の高い計画を出力することができる。

以上、本発明を実施するための形態について具体的に説明したが、本発明はこれに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。例えば、計画作成装置１０は修正ノウハウ学習部１１１と計画作成部１１２の双方を備えているが、修正ノウハウ学習部１１１と計画作成部１１２とを別の計算機に備え、計画作成部１１２を備えた計算機は修正ノウハウ学習部１１１を備えた計算機の修正ノウハウを用いて計画作成を行うようにしてもよい。

１０：計画作成装置、２０：ガントチャート、１１０：中央処理装置、１１１：修正ノウハウ学習部、１１２：計画作成部、１１５：プログラム、１２０：記憶装置、１２１：制約条件・目的関数、１２２：計画関連情報、１２２ａ：計画情報、１２２ｂ：製品情報、１２３：修正前計画結果、１２４：修正後計画結果、１２５：修正ログ、１２６：修正確率テーブル、１２６ａ：修正確率Ｗｈａｔ、１２６ｂ：修正確率Ｗｈｅｎ、１２６ｃ：修正確率Ｗｈｅｒｅ、１２６ｄ：修正確率Ｗｈｉｃｈ、１２７：アンチパターン、１２８：レファレンスパターン、１２９：修正ノウハウ、１３０：入力装置、１４０：出力装置、１５０：メモリ。

Claims (11)

1. 計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、
   新規計画の前記制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す新規計画関連情報データが入力される入力装置と、
   前記入力装置から入力された前記新規計画関連情報データ、前記記憶装置から読み出された前記計画条件データ及び前記修正ノウハウデータを用いて、前記制約条件及び目的関数の決定変数を決定する計画作成部とを有し、
   前記修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の前記修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の前記修正前計画の前記計画関連情報及び前記決定変数の統計量である修正確率とが求められたグループを複数含み、
   前記計画作成部は、前記新規計画が前記制約条件及び目的関数を満たし、前記修正ノウハウデータに含まれるグループのいずれかに適合するよう前記新規計画の前記決定変数を決定する計画作成装置。
2. 請求項１において、
   前記計画作成部は、前記新規計画の暫定計画として決定した前記決定変数に対して複数の候補値を設定し、前記新規計画関連情報データに示される前記計画関連情報及び前記決定変数を前記候補値としたときの前記決定変数の統計量である修正確率が、前記修正ノウハウデータに含まれるグループのいずれかの修正確率と類似する場合には、修正確率が類似するグループの前記アンチパターン及び前記レファレンスパターンと前記決定変数を前記候補値とした前記暫定計画の作業パターンとの類似性に応じて前記候補値の重みを調整し、前記重みを調整した複数の前記候補値のいずれかを前記決定変数の値として選択する計画作成装置。
3. 請求項２において、
   前記計画作成部は、前記暫定計画と、前記暫定計画の前記決定変数を複数の前記候補値のいずれかに選択して得られる第２の暫定計画とを評価値により比較して、前記暫定計画及び前記第２の暫定計画のうち、前記評価値の高い方を新たな暫定計画として更新し、
   前記評価値は、評価対象計画の前記目的関数の値、及び前記評価対象計画の作業パターンと前記評価対象計画の前記計画関連情報及び前記決定変数の統計量である修正確率が類似する修正確率を有する前記修正ノウハウデータに含まれるグループの前記アンチパターン及び前記レファレンスパターンとの類似度に基づいて定められる計画作成装置。
4. 請求項１において、
   計画の作業パターンに現れる複数の典型的な作業パターンがあらかじめ複数の単位作業パターンとして定められており、
   前記アンチパターンは、前記修正ノウハウデータに含まれるグループごとに複数の前記修正前計画の作業パターンにおける前記複数の単位作業パターンの出現頻度として定義され、前記レファレンスパターンは、前記修正ノウハウデータに含まれるグループごとに複数の前記修正後計画の作業パターンにおける前記複数の単位作業パターンの出現頻度として定義される計画作成装置。
5. 請求項１において、
   前記修正ノウハウデータを更新する修正ノウハウ学習部を有し、
   前記入力装置は、候補教師データを受け付け、
   前記候補教師データは、学習用修正前計画と、前記学習用修正前計画に対して計画作成者による修正がなされた学習用修正後計画と、前記学習用修正前計画の前記計画関連情報とを含み、
   前記修正ノウハウ学習部は、前記候補教師データが前記修正ノウハウデータに含まれるグループのいずれかに適合する、あるいは前記候補教師データが適合するグループを設定可能であると判定する場合に、前記候補教師データを用いて前記修正ノウハウデータを更新する計画作成装置。
6. 請求項５において、
   前記修正ノウハウ学習部は、前記学習用修正前計画の前記計画関連情報及び前記決定変数が、前記修正ノウハウデータに含まれるグループのいずれかの修正確率と共通の特徴を有する場合に、前記候補教師データを当該グループに加えて、当該グループの修正確率、前記アンチパターン及び前記レファレンスパターンを更新する計画作成装置。
7. 請求項６において、
   前記修正ノウハウデータに含まれるグループは第１グループを含み、
   前記修正ノウハウ学習部は、前記学習用修正前計画の前記計画関連情報及び前記決定変数のいずれかについての前記第１グループの修正確率の統計量が所定の閾値を超えるとき、前記候補教師データが前記第１グループに適合すると判定する計画作成装置。
8. 請求項６において、
   前記候補教師データは、前記学習用修正後計画において計画作成者による修正がなされた順序を示す修正ログを含み、
   前記修正ノウハウ学習部は、前記候補教師データを前記修正ノウハウデータに含まれるグループのいずれかに加えて、当該グループの修正確率、前記アンチパターン及び前記レファレンスパターンを更新するとき、前記修正ログを参照し、所定の早い段階においてなされた修正に関する修正確率の値がより大きくなるよう補正する計画作成装置。
9. 請求項５において、
   演算装置と、
   メモリを有し、
   前記記憶装置はプログラムを記憶し、
   前記演算装置は、前記プログラムを前記記憶装置から前記メモリに読み出して実行することにより、前記計画作成部または前記修正ノウハウ学習部の機能を実装する計画作成装置。
10. 計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、計画の前記制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す計画関連情報データが入力される入力装置と、前記制約条件及び目的関数の決定変数を決定する計画作成部とを有する計画作成装置を用いた計画作成方法であって、
    前記修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の前記修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の前記修正前計画の前記計画関連情報及び前記決定変数の統計量である修正確率とが求められたグループを複数含み、
    前記入力装置は、新規計画の前記計画関連情報を示す新規計画関連情報データを受け付け、
    前記計画作成部は、前記入力装置から入力された前記新規計画関連情報データ、前記記憶装置から読み出された前記計画条件データ及び前記修正ノウハウデータを用いて、前記新規計画が前記制約条件及び目的関数を満たし、前記修正ノウハウデータに含まれるグループのいずれかに適合するよう前記新規計画の前記決定変数を決定する計画作成方法。
11. 請求項１０において、
    前記計画作成装置は、前記修正ノウハウデータを更新する修正ノウハウ学習部を有し、
    前記入力装置は、学習用修正前計画と、前記学習用修正前計画に対して計画作成者による修正がなされた学習用修正後計画と、前記学習用修正前計画の前記計画関連情報とを含む候補教師データを受け付け、
    前記修正ノウハウ学習部は、前記候補教師データが前記修正ノウハウデータに含まれるグループのいずれかに適合する、あるいは前記候補教師データが適合するグループを設定可能であると判定する場合に、前記候補教師データを用いて前記修正ノウハウデータを更新する計画作成方法。

Images