JP4369189B2

JP4369189B2 - スケジューリングシステムおよびスケジューリングをコンピュータに実行させるためのプログラム

Info

Publication number: JP4369189B2
Application number: JP2003329232A
Authority: JP
Inventors: 一之森; 忠昭坂本; 静一進藤; 聖一北村
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2003-09-22
Filing date: 2003-09-22
Publication date: 2009-11-18
Anticipated expiration: 2023-09-22
Also published as: JP2005092827A

Description

この発明は、例えば複数の設備を用いて複数の加工を行う生産設備や検査設備などに好ましく用いることができるスケジューリングシステムおよびスケジューリングをコンピュータに実行させるためのプログラムに関し、特にエネルギー使用量の低減に関するものである。

従来のスケジューリングシステムとしては、例えばエネルギーコストを削減してエネルギー効率を向上させた生産計画作成方法（例えば特許文献１参照。）や、シート巻き取り加工設備において、収率（歩留まり）と稼働率を向上させることにより原料とエネルギーの生産性を向上させることを目的としてミルロールストレージに大量に保管された原反ロールに関するデータと一定期間の集約した受注データに基づき、帯状シートの損失量が一定量以下になるようコンピュータで生産計画を立てる方法（例えば、特許文献２参照。）などが提案されている。

特開２００１−１８４１１４号公報（第５頁、図１）特開平５−３１８３８８号公報（第５頁、図１）

上記特許文献１に記載された発明では、エネルギーコストは下がるものの、エネルギー使用量が下がるとは限らず、また、納期を満たすとも限らないという問題があった。また、特許文献２の発明では、大量に原反を保管するので余分に在庫費用が発生するという問題があった。

この発明は上記のような従来技術の課題を解消するためになされたもので、納期など生産の諸条件を満たした上でエネルギー使用量を最小にしたスケジュールを作成することができるスケジューリングシステムおよびスケジューリングをコンピュータに実行させるためのプログラムを提供することを目的とするものである。

この発明によるスケジューリングシステムは、品種別の複数の工程について工程間の段取を含む各工程別のエネルギー原単位に対応した情報を求めるエネルギー情報解析手段と、品種別の工程情報を記憶する工程情報記憶手段と、品種に対応した加工および生産スケジュールの条件に応じて、上記エネルギー情報解析手段によって得られた情報、および上記工程情報記憶手段に記憶された情報からエネルギー需要予測情報を含む生産スケジュールを生成する生産スケジューラとを備え、上記生産スケジューラにより生成される生産スケジュールは、納期遅れ最小化およびエネルギー使用量最小化ならびに段取替え損失最小化を含む生産スケジュールの目的を最適化しエネルギー使用量を低減するものであって、上記エネルギー情報解析手段は、計測した設備エネルギー消費量と工程情報から、段取で発生するエネルギー消費量、段取時間、工程安定までの無駄時間、損失量から構成される工程段取情報を求める機能を有し、当該機能から求めた品種・工程・設備別エネルギー原単位と段取エネルギー消費量に基づき、生産スケジューリング条件設定、生産スケジューリング、生産スケジューリング案とエネルギー需要予測情報の保存、生産スケジューリングを終了するかの判定、生産スケジューリング条件変更の過程を繰り返し実行するものである。

この発明によれば、納期など生産の諸条件を満たした上でエネルギー使用量ならびに段取取替損失を最小にした生産スケジュールを作成することができるスケジューリングシステムを提供できる効果がある。また、生産スケジュール時にエネルギー需要予測情報を考慮した場合には、望ましいエネルギー需要の時間帯へ割当が可能となり、操業時の電力契約量の超過を防止できる。

実施の形態１．
図１ないし図５はこの発明の実施の形態１に係るスケジューリングシステムの概要を説明するもので、図１は一般的な工程とスケジューリングシステムとの関係を模式的に示す全体構成図、図２はスケジューリングシステムの流れを概略的に示すフロー図、図３はスケジューラにより得られたエネルギー負荷（需要）パターンの例を示す図、図４はスケジューラのエネルギー生成計画立案機能により得られたエネルギー生成計画の例としての自家発（自家発電）運転計画を示す図、図５はエネルギー売買計画を示す図である。なお、各図を通じて同一符合は同一もしくは相当部分を示している。

図に示すように、生産・加工・検査などを行うライン１は、単数あるいは複数の原材料、半製品などの被加工品Ａを加工済品Ｂに加工し、あるいは測定や検査などを行うための設備１１、１２、１３、・・・、１ｎを備え、これら各設備１１〜１ｎにより、それぞれ工程１〜工程ｎの加工等が行われる。各工程の前後には、被加工品を例えば移動、取り出し、載置、セット、待機、あるいは放熱など何らかの操作を行う段取１、段取２、・・・、段取ｎがそれぞれ介在されている。そして、上記ライン１には各工程を制御するための一般的な工程制御手段２が設けられている。

スケジューリングシステム３は、品種別の複数の工程について工程間の段取を含む各工程別のエネルギー原単位に応じた情報を求めるエネルギー情報解析手段３１と、品種別の工程情報を記憶する工程情報記憶手段３２と、品種に応じた加工およびスケジュールの条件に応じて、上記エネルギー情報解析手段３１によって得られた情報、および上記工程情報記憶手段３２に記憶された情報、例えば、工程原単位、工程段取情報、生産条件（投入計画、コスト情報）、その他制約条件（納期、工場モデルなど）からエネルギー需要予測情報を指標に含む複数の生産スケジュールを生成するスケジューラ３３と、全体の対人インターフェースであるディスプレイなどの情報出力手段３４、工程の条件、納期のインプットなどに用いるキーボードなどの情報入力手段３５、およびエネルギー情報解析手段３１で解析された情報ならびに工程情報記憶手段３２以外の製造とスケジューリングに必要な情報を記憶する情報記憶手段３６を備えている。なお、このスケジューリングシステム３は、例えばパーソナルコンピュータなどを含む通常一般的なコンピュータを用いて構成することができる。

なお、上記エネルギー情報解析手段３１は、今何が流れているか、例えば品種、工程、使用設備、処理時間、気温、設定温度、処理量などの工程情報を検知するとともに、例えば前工程、段取時間、無駄時間、損失量など段取情報を収集する生産進捗情報収集手段３１ａと、設備で消費したエネルギー（電力、熱量）を単位時間毎に計測したデータを収集する設備エネルギー消費量計測手段３１ｂと、生産進捗情報収集手段３１ａと設備エネルギー消費量計測手段３１ｂで計測したデータから品種・工程・設備別エネルギー原単位、段取エネルギー使用量を求める解析手段３１ｃを備え、品種・工程・設備別エネルギー原単位と段取エネルギー使用量などを求めることができる。

なお、上記段取情報は、計測した設備消費エネルギーと工程情報から求められるが、段取情報とは、段取または段取替えで発生するエネルギー消費量、段取時間、無駄時間（工程安定までの時間）、工程が安定するまでに無駄になった材料の損失量などから構成される。また、ここでは段取替えを含めて「段取」と呼ぶことにする。これらの情報は、計測データ（確率を含む）から構成される。

さらに、「エネルギー消費量」と「エネルギー使用量」は基本的に同義のものであるが、本書において説明の便宜上、設備で計測されたエネルギー量を特にエネルギー消費量と呼ぶことがある。なお、エネルギー使用量は計測されたエネルギー消費量と、この計測されたエネルギー消費量をもとに集計されたエネルギー量を含めていう。また、上記エネルギーには、例えば石油、石炭、ガス、水素、太陽光、黒液、風、潮汐、波力などの一次エネルギーの他、圧縮空気、温水・冷熱などの熱、電力など、利用可能なものを全て含む。

また、４１はスケジューラ３３によって求められたエネルギー需要予測情報、４２はこのエネルギー需要予測情報４１と一次エネルギー単価、熱単価、圧縮空気単価、電力単価などの情報に基づいてエネルギー供給計画を生成するエネルギー供給計画手段、４３はこのエネルギー供給計画手段４２によって、ライン１から回収された例えば圧縮空気、熱、電力などの回収エネルギーと、石油、ガスなどの各種一次エネルギーと、商用電力などからなるエネルギーの少なくとも一つをライン１に供給するエネルギー供給手段である。

次に上記のように構成された実施の形態１について、先ずコンピュータプログラムを構成している図２のフロー図を参照して動作の概要を説明する。エネルギー情報解析手段３１の生産進捗情報収集手段３１ａにより生産進捗情報を収集し（ステップＳ１）、設備エネルギー消費量計測手段３１ｂにより設備（工程）、段取毎のエネルギー消費量を計測し（ステップＳ２）、求められたデータに基づいて、解析手段３１ｃによって品種・工程・設備別エネルギー原単位、段取エネルギー消費量を求める（ステップＳ３）。なお、得られた各種情報は工程情報記憶手段３２に記憶され、逐次データベースが更新される。

上記ステップＳ３で求められた品種・工程・設備別エネルギー原単位と段取エネルギー消費量に基づき、スケジューラ３３によりスケジューリング条件設定（ステップＳ３ｂ）、スケジューリング（ステップＳ４）、スケジュール案とエネルギー需要予測情報の保存（ステップＳ５）、スケジューリングを終了するかの判定（ステップＳ６）、スケジューリング条件変更（ステップＳ７）の過程を繰り返し実行することにより、納期遅れ最小、操業時間最小、エネルギー使用（消費）量最小、エネルギーコスト最小、損失量最小、電力超過最小などのスケジューリングの目的を最適化する複数のスケジュールを作成する。

次に、上記のようにして得られた複数のスケジュール（案）はディスプレイなどの情報出力手段３４に表示され、その中からキーボードやマウスなどの情報入力手段３５により、作業者に最良のスケジュール代替案を選択させる。選択されたスケジュール代替案については、スケジューラ３３により例えば図３に示すエネルギー需要予測情報がディスプレイなどの情報出力手段３４に表示される。さらにステップＳ８においてスケジューラ３３は、エネルギー供給計画立案機能により、エネルギー供給計画として例えば図４に示す自家発運転計画を立案し、エネルギー使用量とエネルギーコストが最適となる例えば図５に示すエネルギー売買計画を算出する。なお、図４に示すＡ、Ｂ、Ｃ、およびＤはそれぞれ発電機１、発電機２、発電機３、および発電機４を示す。

次に、ステップＳ９において、スケジューラ３３のスケジュール代替案の多目的評価機能により、例えばエネルギー使用量と納期遅れ時間との関係、操業時間と納期遅れ時間との関係、および操業時間とエネルギー使用量の関係などについて、それぞれ複数の解がディスプレイなどの情報出力手段３４に表示され、作業者によって多目的評価が行なわれる。

上記ステップＳ９の評価を基に、ステップＳ１０において、エネルギー供給計画を含めたスケジューリングを終了するか否かを判断する。この判断で終了と判断しなかった場合は、ステップＳ６によりスケジューリング条件を変更し、ステップＳ４のスケジューリング手段へと処理を戻すが、終了と判断した場合は、この一連の処理を終了する。

なお、上記ステップＳ６における対応としては、例えば、
（１）納期を守れないロットがあった場合、そのロットの投入時刻を早める変更を実施する。
（２）納期を守れ、かつ納期に余裕がある場合に、そのロットの投入時刻を遅らせる変更を実施する。
（３）契約電力量を超える時間帯がある場合、その時間帯に設備の擬似保守作業のスケジュールを新たに挿入する変更を実施する。
（４）評価の高いスケジュール案の条件を組み合わせることにより、スケジュール条件を変更する。
などの条件変更が行われ、それに見合った代替案を適宜作成することができる。

なお、上記説明では発明の理解を容易にするために、工程を図１のように単純化した例で説明したが、これに限定されるものではなく、例えば工程が途中で複数に分岐する場合、分岐した後再び合流する場合、途中で別の材料類を供給する場合、最初から複数の工程で流れていたものが途中で合流する場合、更には同一もしくは異種工程の設備が複数の場合など、あらゆる工程にこの発明のスケジューリングシステムを利用することができる。また、自家発電装置は例えば廃熱利用の温水発生装置などであってもよく、これら余剰エネルギーの利用装置はオプション機能であり、これを備えていないものであっても差し支えない。さらに、例えば空気圧縮装置、空調装置など加工工程を含まない設備類、および事務所棟などをエネルギー消費の対象に加え、あるいは１つもしくは複数の工場全体を対象にすることもできる。

上記のほか、
・生産スケジュールからエネルギー需要予測情報を算出し、そのエネルギー需要予測情報負荷パターンをエネルギー供給計画手段へ入力して最適運転計画を立案する。
・立案結果からエネルギーコストを算出する。
・製品コストを算出する。
・評価指標を対立軸として複数のスケジュールの評価結果を提示する。
などの機能を付加しても良い。この場合には、スケジュールの相対的な評価の度合いを把握させることができる。さらに、一対比較評価により、各評価指標の重要度、代替案の優先順位を決定するようにすることもできる。そしてその結果を次の評価に利用し、評価を自動化してもよい。

上記のように、実施の形態１によれば、
（１）段取のエネルギー使用量が最小となるスケジュールを求めることにより、全体のエネルギー使用量を最小にし、従来よりもエネルギー使用量を削減することができる。
（２）段取時の材料の損失量が最小となるスケジュールを求めることにより、従来よりも材料コストを削減することができる。
（３）どの時間帯にどれだけのエネルギーを必要とするかの予測情報であるエネルギー需要予測情報をスケジューリング時に考慮することにより、望ましいエネルギー需要の時間帯へ割り当てが可能となるので、操業時の電力契約量の超過を防止できる。
（４）エネルギー需要予測情報をエネルギー供給計画手段の入力情報としてエネルギーコスト最小となるエネルギー供給システムの最適運用計画を立案することにより、エネルギーコストを最小化することができる。
（５）さらにエネルギーを外部に売ることを考慮したエネルギー売買計画と連携し、エネルギーだけでなく全体の利益を最大化する工場の操業スケジュール、エネルギー供給システムの供給計画、エネルギー売買計画を得ることができる。
（６）複数のスケジュール案を、エネルギー使用量の最小化だけでなく、納期遅れ最小化、操業時間最小化、段取時間最小化、材料損失量の最小化、契約電力量超過の防止、利益最大化など複数のスケジューリング評価指標を対立軸とした評価ウインドウをディスプレイに提示し、人間が最もスケジューリングの目的に合うスケジュール案を選択できるようにすることにより、複数のスケジューリング目的を考慮したスケジュールを得ることができる。
などの効果が得られる。

実施の形態２．
図６〜図２３は、実施の形態２によるスケジューリングシステムを例えば、半導体テスト装置において半導体のテストを行うテスト工程に用いた場合の説明図であり、図６は工程時間と段取時間との関係を示す説明図、図７は治具制約の影響を示す説明図、図８は段取時間とエネルギー使用量との関係を示す説明図、図９はスケジューリングシステムにおけるスケジューラの具体例を示す構成図、図１０はスケジューリングシステムの流れの概要を示すフロー図、図１１は上記図１０のフロー図におけるステップＧ６、ステップＧ７の詳細を示すフロー図、図１２はスケジューラのスケジュール代替案の多目的評価機能により得られた関係図であり、図１２（ａ）は納期遅れ時間とエネルギー使用量との関係、図１２（ｂ）は操業時間と納期遅れ時間との関係、図１２（ｃ）は操業時間とエネルギー使用量の関係を示す図、図１３から図２６は何れもこの発明のスケジューリングシステムによる動作例を説明する図である。

上記半導体テスト装置のテスト工程においては、例えば複数のテストプログラム工程を各工程に設定された温度（例えば高温、常温、低温）で、製品の機能が正常に動作するかなどのテストが行なわれる。各工程は、何れも図示を省略している装置に対応するテスタへ治具に対応するチェンジキットとテストボードを接続することにより行われる。以下、本発明を適用する場合に考慮すべき要素について簡単に説明する。

ａ．工程時間と段取時間との関係
工程が異なると段取替え時間が発生する場合がある。この時間は、設定温度の違いにより、大きく異なる。例えば、図６中の「（ａ）工程設定温度が低いものから流した場合」にはヒーターで加熱するため、比較的短時間で変更できるが、逆に「（ｂ）工程設定温度が高いものから流した場合」には、自然冷却によるため長時間を必要とする。

ｂ．治具制約の影響
一方、上記のように工程処理は、テスタ（装置）にチェンジキットとテストボード（治具）を設置して行なわれるが、図７の「（ａ）治具の制約がない場合」に対して、例えばテスタが空いていても、工程に対応するチェンジキットとテストボードが他で使用されているなど、治具の制約がある場合は、図７の「（ｂ）治具制約がある場合」に示すように治具待ち時間が発生して工程を処理できない場合もある。

ｃ．エネルギー消費と操業時間との関係
また、エネルギー消費の観点からは温度を高いものへ変更する場合には低いものへ変更するよりも多くのエネルギーを必要とする。したがって、操業時間の最小化とエネルギー使用量の最小化はトレードオフの関係にある。例えば、図８の測定結果に示すように、装置１の加熱パターン（エネルギー使用量６４）を基準にして、装置２において、「（ａ）加熱段取りが多い場合」（治具待ち時間なし）と、「（ｂ）加熱段取りが少ない場合」（治具待ち時間あり）を比較すると、装置２での（ａ）加熱段取りが多い場合、操業時間は治具制約がない分短いが、エネルギー使用量は４９であり、（ｂ）加熱段取りが少ない場合のエネルギー使用量２８の方が逆に少ないことが分かる。

ｄ．段取替えの最小化と納期遵守との関係
さらに、段取替えが発生すると、段取時間と余分なエネルギーが必要となるため、できるだけ段取替えが少なくなることが求められる。しかしながら、段取替えを行わないと納期を守れない製品が生じるため、段取替えの最小化（操業時間の最小化）と納期遵守（納期遅れの最小化）はトレードオフの関係となる場合がある。

この発明のスケジューリングシステムにおけるスケジューラ３３は、評価の高い複数のスケジュールのスケジューリング条件を組み合わせることによって新しいスケジューリングの条件を設定し、この新しいスケジューリングの条件に対応するスケジュールを新たに生成することを繰り返すことによって最適なスケジュールを探索するものである。その一例としてスケジュールをシミュレーションによって生成する方法について説明するが、スケジュールを生成する方法はシミュレーションに限定されるものではない。以降で使用するシミュレーションの条件は、スケジューリングの条件と同じことを意味する。

次に上記スケジューラ３３におけるアルゴリズムの概要を図９、図１０、および図１１を参照してさらに具体的に説明する。
工程情報記憶手段３２と情報記憶手段３６に記憶されているエネルギー使用情報３６１からシミュレータの製造ライン情報設定手段１１０により製造ラインのシミュレーションに必要なシミュレータの製造ライン情報３６２を設定し、シミュレータ３３１に読み込む（ステップＧ０）。次にシミュレーション条件設定手段３３４によりスケジュールの初期候補群の数、評価指標、装置の優先ルール、ランキングルール、ロット投入日時、段取情報などのシミュレーションの条件を設定する（ステップＧ１）。スケジュールの解候補とはシミュレーション結果であるスケジュール案を示す。

次にシミュレータ３３１によりシミュレーション実行（ステップＧ２）処理を行い、ステップＧ２の終了後にスケジュール評価手段３３６によりスケジュール案の評価処理（ステップＧ３）を行い、シミュレーション条件と結果の保存手段３３３によりスケジュール３６４とシミュレーション条件３６５とスケジュール評価値３６６の保存処理（ステップＧ４）を行う。

次にステップＧ１であらかじめ設定したスケジュールの初期解候補群の数とステップＧ４で保存したスケジュールの解候補の数を比較し（ステップＧ５）、保存したスケジュールの解候補の数が少ない場合は、シミュレーション条件変更手段３３５により例えば納期を満たすように投入日時に関するシミュレーション条件を投入日時設定手段３３５ｃにより変更し（ステップＧ６）、シミュレーション実行ステップＧ２へ戻り、保存したスケジュール案の数がスケジュールの初期解候補群の数と等しくなるまでステップＧ６、Ｇ２，Ｇ３、Ｇ４を繰り返し実行する。

次にスケジュールの初期解候補群の解候補を組み合わせることにより新たなスケジュールの解候補を生成する。具体的には、評価指標選択設定手段３３５ａとスケジュールの解候補選択設定手段３３５ｂによりスケジュールの解候補群の中からスケジュールを改善させる可能性の高い複数のスケジュールの解候補を選択し、投入日時設定手段３３５ｃと優先ルール設定手段３３５ｄとランキングルール設定手段３３５ｅによって選択したスケジュールの解候補の条件を組み合わせることによりシミュレーション条件を変更し（ステップＧ７）、そしてシミュレーションを実行し（ステップＧ８）、新しいスケジュールの解候補を生成する。

次にスケジュール評価手段３３６によりスケジュールの解候補を評価し（ステップＧ９）、保存したスケジュールの解候補と全く同じ評価となるスケジュールの解候補が生成された場合は記憶容量を節約するために既存の同じ評価値をもつスケジュールの解候補と入れ替えを行うが、それ以外の場合はシミュレーション結果であるスケジュール案をシミュレーション結果記憶手段４１０に保存し（ステップＧ１０）、スケジュールの解候補の種類を増やす。なお、スケジュールの解候補の種類とは、保存したスケジュールの解候補群に存在する異なるスケジュールの数を意味する。

次に保存したスケジュールの解候補を評価し、スケジューリングの目的を満足するスケジュールの解候補が存在するかを調べることによりスケジューリング最適化を終了するかを判定し（ステップＧ１１）、もし、スケジューリングの目的を満足するスケジュールの解候補が得られたならば処理を終了する。スケジューリングの目的を満足するスケジュールの解候補が得られなかった場合は、スケジューリングの目的を満足するスケジュールの解候補が得られるまで、あるいは人がスケジューリングを終了すると判断するまで、例えばスケジューリング時間が予め設定したスケジューリング終了時間に達するまで、ステップＧ７へ戻ってステップＧ７、Ｇ８、Ｇ９、Ｇ１０、Ｇ１１を繰り返す。

次にシミュレーションの条件を変更するステップＧ６について図１１（ａ）を参照して説明する。
まず、投入日時設定手段３３５ｃによりロットの投入日時を設定する（ステップＧ６−１）。具体的には、直前のシミュレーション結果から式（１）により各ロットｉの納期余裕時間Ｄ_ｉを計算する。
Ｄ_ｉ＝ＤＤ_ｉ−ＣＴ_ｉ・・・・・・・・・・・・・・・・（１）
ここで、ＤＤ_ｉとＣＴ_ｉは、それぞれ、ロットｉの納期と最終工程の完了日時を表わす。

Ｄ_ｉ＞＝０のとき、すなわち納期に余裕がある場合には、ロットｉの投入日時ＴＴ_ｉ（ｔ）を式（２）に基づき更新する（投入日時を余裕の１／γだけ遅らせる）。
ＴＴ_ｉ（ｔ＋１）＝ＴＴ_ｉ（ｔ）＋Ｄ_ｉ／γ・・・・・・・・（２）
ここで、ｔはシミュレーションの世代（ｔ番目のシミュレーション）を表わす。γは１以上の数（例えば２）。

Ｄ_ｉ＜０のとき、すなわち、納期遅れの場合にはロットｉの投入日時ＴＴ_ｉ（ｔ）を式（３）に基づき更新する（投入日時を遅れ分だけ早める）。
ＴＴ_ｉ（ｔ＋１）＝ＴＴ_ｉ（ｔ）＋Ｄ_ｉ・・・・・・・・・・（３）
これらの投入日時の設定を全てのロットに対して行うか、あるいは最も大きいものに対して行うかの決定は、シミュレーションの実行の前に行う。

次に優先ルール設定手段３３５ｄにより優先ルールを予め用意したものの中からランダムに選択し、決定する（ステップＧ６−２）。そしてランキングルール設定手段３３５ｅにより装置に対するランキングルールを予め要したものの中からランダムに選択し、決定する（ステップＧ６−３）。

次に複数のスケジュール解候補の条件を組み合わせることによりシミュレーションの条件を変更するステップＧ７について図１１（ｂ）のフロー図を参照して説明する。
シミュレーション条件の設定項目である装置の優先ルール、ランキングルール、ロット投入日時などから、任意の一つを選択する（ステップＧ７−１）。
なお、装置の優先ルールとしては、先入れ先出し優先ルール、段取換え時間最小優先ルール、同一段取優先ルール、段取エネルギー使用量最小優先ルール、ランキングルールとしては、投入日時が早い順にランキング、現在時刻から納期日時までの時間が短い順にランキング、納期日時が早い順にランキング、残り工程数が少ない順にランキング、残り工程処理時間が少ない順にランキング、後工程の仕掛が少ない順にランキング、優先順位順にランキング、工程処理時間が短い順にランキング、工程処理時間が長い順にランキングなどがあるが、これらに限定するものではない。
評価指標選択設定手段３３５ａにより設定項目毎にランダムに評価指標ｊを一つ選択する（ステップＧ７−２）。

スケジュールの解候補選択設定手段３３５ｂにより保存したスケジュール案の中からランダムにスケジュールの解候補ｉを選択し、スケジュールの解候補ｉの評価指標ｊに関する期待値Ｅ_ｉ，ｊを式（４）に基づき算出する（ステップＧ７−３）。
Ｅ_ｉ，ｊ＝１／（１＋Ｖ_ｊ−Ｖ_ｉ，ｊ）・・・・・・・・・・（４）
ここで、Ｖ_ｉ，ｊはスケジュールの解候補の評価指標ｊに関する評価値、Ｖ_ｊは評価指標ｊの最大値を表わす。

次に選択の基準となる０から１までの値ｒをランダムに選択し（ステップＧ７−４）、Ｅ_ｉ，ｊと比較する（Ｇ７−５）。
Ｅ_ｉ，ｊ＞ｒならば、そのスケジュールの解候補の設定値を新しいスケジュールの解候補の設定値とし、次のステップへ進む。それ以外の場合は、ステップＧ７−２、Ｇ７−３、Ｇ７−４、Ｇ７−５を繰り返す。
全ての設定項目が設定されているかのチェックを行い（Ｇ７−６），全ての設定項目が設定されている場合は、処理を終了する。それ以外はステップＧ７−１へ戻る。

なお、この例の評価指標としては（１）納期遅れ回数、（２）納期遅れ時間、（３）操業期間、（４）エネルギー使用量、（５）契約電力量超過回数、（６）契約電力量超過量、（７）段取替え損失量、（８）製造コストを用いたが、これらのみに限定されるものではない。例えば、評価指標の一部を変更し、他の指標を追加し、もしくは指標を減じるなどしても差し支えない。

＜解候補の評価＞
この発明で扱うスケジューリング問題は、上記評価指標を最小化する多目的最適化問題であり、複数のパレート最適解が存在する（パレート最適解とは、複数の評価指標を同時に改善することが不可能な実行可能解である）。この実施の形態によるスケジューリングシステムの評価では、ユーザーが自由に２つの評価指標を選択し、この２次元座標に解候補をマッピングする。

例えば図１２は、エネルギー使用量（図１２ａ）、納期遅れ時間（図１２ｂ）、操業期間（図１２ｃ）の３つの評価指標から２つの評価軸を選択し、解候補をマッピングした結果である。これらの結果から、エネルギー使用量に関しては解Ａが、納期遅れ時間に関しては解Ｂが、そして操業期間に関しては解Ｃがそれぞれ最適解であり、これらの評価指標を同時に改善する解が存在しないことが分かる。また、これらの図から探索により、初期解が改善されていることが分かる。この例では理解を容易にするために３つの評価指標だけを比較しているが、評価指標の数に制限はない。

次に、これらのどれを実行解として選択するかは、評価者が図１３に示すような実際のスケジュール（この例ではｍ３０４、ｍ３０５、およびｍ２０２の３つのロットが納期遅れとなっている）と合わせて判断しなければならない。

＜スケジューリング例＞
以下、実施の形態２に用いた省エネ生産スケジューリングについて更に具体的に説明する。
生産システムモデル
この実施の形態２で用いた生産システムの規模は次の通りである。
・品種数：３品種。
・投入量：２０ロット。
・工程フロー数：品種ごとに１つの工程フロー。合計３つの工程フロー。
・工程数：２つの品種は２工程。１つの品種は３工程。
・装置数：４台。
・治具数：３台。
・工程処理時間：各工程の処理時間は２時間。
・段取替え時間：０〜１９０分。

なお、工程ｐの消費エネルギーＣＥ_ｐと、段取替えに要するエネルギーＳＥ_ｐは、例えば図１４（ａ）に示すような設備（装置１、２、３）毎の消費エネルギーの計測結果とそのときの工程情報から、図１４（ｂ）に示すような装置・工程別にエネルギー原単位として計測する。

また、この実施の形態２で用いた生産システムのモデルは、図１５〜図１７に示すように、装置モデル（図１５（ａ））、治具モデル（図１５（ｂ））、工程フローモデル（図１５（ｃ））、品種と工程フローとの関係を示す品種モデル（図１５（ｄ））、投入計画モデル（図１６）、および段取マトリクスモデル（図１７）の６つから構成される。

（ｉ）装置モデル
図１５（ａ）に示すように、装置モデルでは、装置群、装置、優先ルール、ランク付けルールの関係を記述する。なお、ランク付けルールとは、ロットが選択されるときの優先順序をどのような指標で順序付けるかを指定するものである。
（ｉｉ）治具モデル
図１５（ｂ）に示すように、治具モデルでは、治具群、治具の関係を記述する。
（ｉｉｉ）工程フローモデル
図１５（ｃ）に示すように、工程フローモデルでは、工程フロー、工程、装置群、処理時間、処理時間単位、処理単位、段取、設定温度、治具群、代替工程、エネルギー消費量、エネルギー消費量単位の関係を記述する。
（ｉｖ）品種モデル
図１５（ｄ）に示すように、品種モデルは、品種と工程フローとの関係を記述するものである。
（ｖ）投入計画モデル
図１６に示すように、投入計画モデルは、注文名、ロット名、品種、投入日時、納期日時、１ロットの処理量、の関係を記述するものである。
（ｖｉ）段取マトリクスモデル
図１７に示すように、段取マトリクスモデルは、現在の段取から新しい次の段取へ段取が変わるときに要する時間、そのエネルギー使用量、エネルギー使用量の単位を記述するものである。

スケジューリング結果
（Ａ）探索結果の解候補分布
評価尺度としてエネルギー使用量（Ｘ軸）と操業時間（Ｙ軸）を選択した場合の解候補の分布を図１８に示す。この評価尺度では、解候補１８、１０１、１４１、１９９は、操業時間とエネルギー使用量を同時に改善する解候補が他にないことがわかる。なお、図中の数字は、解候補の生成順につけられた番号を表わす。図１９に解の評価尺度として納期遅れ個数（Ｘ軸）と契約電力量超過回数（Ｙ軸）を選択した場合の解の分布を示す。この２つの評価尺度では解候補１９９が最適であることがわかる。

この発明に係るスケジューラは、解候補の任意の番号を選択したときに、図２０に示すように、エネルギー使用量、納期遅れ（時間総和）、納期遅れ（個数）、操業時間、契約電力量オーバー回数（回）、契約電力量オーバー総数（ｋＷｈ）を表示すると共に、ディスプレイ画面上に表示されたガントチャート表示機能、エネルギー需要予測情報表示機能、解候補削除機能のボタンを例えばポインティングデバイスでクリックなどにより、具体的なチャート類を表示させることができる。

このように種々の評価尺度から解候補を評価することにより、最適解を選択することが可能な場合がある。ただし、評価者にとって、納期遅れが重要でなく、エネルギー使用量の評価指標が重要視される場合には、最適解として解候補１４１が選択される。

（Ｂ）スケジュール図
各解候補１８、１０１、１４１、１９９について生成されたスケジュール図（ガントチャート）をそれぞれ図２１、図２２、図２３、および図２４に示す。なお、図中のｔｈとＰＨは、それぞれ装置と治具を表わす。
これらの図からも図２４の解候補１９９の操業時間が最も短いことがわかる。
（Ｃ）電力負荷パターン
図２５と図２６に解候補１９９の電力需要予測情報（３０分単位）の１日目（２００２年９月１４日）と２日目（２００２年９月１５日）をそれぞれ示す。なお、これらの図において、横軸は日時、縦軸は電力需要（負荷）（ｋＷｈ）を表わす。
図２４のガントチャートと図２５と図２６の電力需要予測情報から段取時間が短い段取替え（設定温度を上昇させる段取替え）のときに電力需要が上昇していることがわかる。
（Ｄ）エネルギー供給計画
図２５と図２６の電力需要予測情報、あるいは実施の形態１の図３に示す工場のエネルギー需要である必要電力量と必要熱量から、同じく実施の形態１の図４に示すような自家発運転計画を実施の形態１と同様にして立案し、図５に示すようなエネルギー売買計画結果を得る。これにより、最適なエネルギーコストを予測することができる。

前出の図１４は、設備毎に計測した生産量とそのときの電力使用量との関係を計測データに基づいてプロットしたものである。これから、１個あたりの電力使用量（原単位）を計算できる。図１４（ｂ）は、図１４（ａ）の計測結果とそのときにどの製品の処理を行ったかの生産進捗情報から各製品の工程毎の原単位を設備毎に予測したものである。

上記のように、実施の形態２によれば、
（１）シミュレーションによるスケジューリング方式と進化計算によるスケジューリング方式を組み合わせた新しいスケジューリング方式により、従来困難であった複雑な制約をもつ製造ラインの最適なスケジュールを効率よく得ることができる。
（２）段取替えエネルギー使用量を最小とする優先ルールにより、エネルギー使用量を最小とするスケジュールを得ることができる。
（３）スケジューリング後の各ロットの完了日時と納期日時を比較し、その差に基づいて次のスケジューリング時における各ロットの投入日時を変更することにより、納期遅れ（ズレ）を最小とするスケジュールを得ることができる。
（４）スケジューリング過程で生成したスケジューリング案（解候補）を保存し、評価指標がよいスケジュールのスケジューリング条件を組み合わせて新たなスケジュールを生成することにより、複数の目的（評価指標）を最適化するスケジュールを効率的に得ることができる。
などの効果が得られる。

実施の形態３．
図２７〜図３２は実施の形態３に係るスケジューリングシステムを説明するもので、図２７はエネルギー使用量の確率密度関数に基づいたエネルギー需要予測方法を示す説明図、図２８は先験情報の有無と確率密度関数の関係を示す説明図、図２９は先験情報がない場合のエネルギー需要予測情報と実績がそれ以下になる確率を示す説明図、図３０は先験情報がある場合のエネルギー需要予測情報と実績がそれ以下になる確率を示す説明図、図３１は個別のエネルギー需要予測情報から全体のエネルギー需要予測情報を示す説明図、図３２は需要予測方式の他の例を示す説明図である。

この実施の形態３は、エネルギー需要の予測精度を計測結果から求めた確率密度関数に基づいてエネルギー生成計画（エネルギー供給計画）の不確実性（エネルギー供給計画のブレ）を定量化することにより、計画誤差を予め考慮することができるもので、先験情報を用いてスケジューラの予測するエネルギー消費量の誤差を小さくしたものである。なお、先験情報は、品種名、製品名、工程名、設備名、工程の処理条件、同一設備で直前に処理した工程の処理条件、季節、気温、処理開始時刻などの情報を意味する。また、工程の処理条件とは、工程を処理する設備に設定する温度などの条件を意味する。その他、スケジューリングシステムの構成は上記実施の形態１、２と同様である。

なお、図２７は、上記実施の形態１で説明した図１におけるエネルギー情報解析手段３１と工程情報記憶手段３２から図２のステップＳ３で各工程、段取、アイドル、停止などの設備のエネルギー消費量を求め、スケジューリング時にエネルギー需要予測情報（図１の４１）を出力する（図２のステップＳ５）手段の他の例を説明するものに相当している。図２８〜図３１は図２７の補足説明のための図である。

次に先ずエネルギー需要情報を確率密度関数に基づいて予測する場合について図２７〜図３１を用いて説明する。
設備（Ｐ１）において、いつ（何時から何時まで）、何を（どの品種のどの工程を）、どこで（どの設備で）、どのように（どういう条件で）設備を稼働させたかのデータである各設備の稼働実績情報データ（Ｐ２ａ）と、各設備での例えば熱、電力、温度、圧力、圧縮空気などのエネルギー消費量の時系列情報データ（Ｐ２ｂ）をエネルギー消費データベース（Ｐ３）に蓄積する。

これらの稼働実績情報データとエネルギー消費量の時系列情報データから、エネルギーを消費するイベントとそれに対応するエネルギー消費量を分析することにより、例えば図２６に示すような品種・工程・設備毎のエネルギー消費量を確率変数とする確率密度関数、段取毎のエネルギー消費量を確率変数とする確率密度関数、各設備のアイドル時エネルギー消費量を確率変数とする確率密度関数を作成する（Ｐ５）。

例えば、図２７の右のグラフ（Ｐ１０）はＰ５の一例であり、品種Ａ工程１の原単位（単位あたりのエネルギー消費量）を確率変数とする確率密度関数を表わしている。実線は確率密度であり、破線は確率の累積である。例えば図２６において、原単位がａである確率は１０％、ｂである確率は３５％、ｃである確率は４％であることを表わしている。また、原単位がａ以下である確率は１０％（ｒ１）、ｂ以下である確率は７０％（ｒ２）、ｃ以下である確率は９６％（ｒ３）であることを表わしている。

これらの確率密度関数は、図２８に例示するように先験情報の一例である夏、春・秋、冬などのような季節に関する条件を指定し、あるいは何れも図示していない日時に関する条件、温度に関する条件、直前の製造条件などの条件等を指定することにより、指定条件に即した各確率密度関数（条件付確率）を作成することができる。条件が多いほど確率密度関数の分散が小さくなり、エネルギー需要の予測確率が高くなる。

上記の手順により作成した確率密度関数と予定されている製造スケジュール（Ｐ４）から、累積確率を指定することによりエネルギー使用量を計算し、製造スケジュールを実施したときのエネルギー需要の予測値を複数案作成し、各案のエネルギー需要予測情報（需要シナリオ）を求める（Ｐ６）。

例えば、累積確率が何れも「楽観」ｒ１（例えば１０％）の場合の各エネルギー使用量（図ではａ）を用いて、図２８に示すように品種Ａを加工するときのエネルギー使用量（時刻８−１２）を表わすＦ１と、品種Ｂを加工するときのエネルギー使用量（時刻１２−１８）を表わすＦ２と、品種Ｃを加工するときのエネルギー使用量（時刻１８−２３）を表わすＦ３と、各々の段取エネルギーＦ４を時間軸上で加えたものが時刻８−２３のエネルギー需要予測情報Ｆ５となり、これが、最も楽観した場合（エネルギー使用量が少ない場合）の需要予測情報となる（図２９（４））。

なお、図２９に示すｂは「通常」ｒ２（例えば７０％）の場合のエネルギー使用量、ｃは「最悪」ｒ３（例えば９６％）の場合のエネルギー使用量をそれぞれ示しており、図２７の符号と対応している。

また、エネルギー需要予測情報を求めるときに、先験情報を指定することにより（図３０）、先験情報がない場合（図２９）と比較してエネルギー需要予測情報のバラツキ（誤差）を小さくすることができる。例えば、図３０の（１）予測以下になる確率ｒ３＊ｒ３＊ｒ３と、（４）予測以下になる確率ｒ１＊ｒ１＊ｒ１の差と、図２９の同じく（１）と、（４）の差を比較すると、図３０の（１）と（４）の差の方が小さいことがわかる。なお、＊は積（×）を表わす（以下同様）。

一方、これらのエネルギー需要予測情報以内にエネルギー需要が収まる確率は、各累積確率ｒの積により求めることができる。例えば図３０と図２９の（１）の需要予測情報以内にエネルギー需要が収まる確率はｒ３＊ｒ３＊ｒ３となる。

図３１に示すように、各設備の需要予測情報を時間軸上で加えることにより、設備全体の需要予測情報（図３１の「（４）全体のエネルギー需要」）を得ることができる。なお、設備毎のエネルギー消費量を測定できない場合は、設備は製造ラインと置き換えて計算しても良い。また、上記の例ではエネルギー使用量を連続変数として説明したが、エネルギー使用量を区分化した離散変数を用いてもよい。

さらに、上記の例では、エネルギー需要を予測する場合について説明したが、段取時の材料の損失量や安定操業までの時間（操業時間の損失）を確率密度関数により、その予測範囲（誤差）を定量化してもよい。この需要予測情報は、図２７中に示すエネルギー供給計画Ｐ１１（これは、図１のエネルギー供給計画手段４２、図２のステップＳ８に相当している）へ入力され、最適なエネルギー使用量、エネルギーコスト、ＣＯ_２（炭酸ガス）排出量などが出力される。

次に、図３２を参照して需要予測情報を学習モデルに基づいて予測する場合について説明する。まず、設備（Ｊ１）に対して、設備の稼働状態（Ｊ２ａ）、温度、熱量（圧力、温度、流量）、電力量、圧縮空気消費量と将来の設備の稼働状態（Ｊ２ｂ）をエネルギー使用量データベース（Ｊ３）に蓄積し、このデータベースのデータに基づき、設備の稼働状態（Ｊ２ａ）、温度、熱量（圧力、温度、流量）、電力量、圧縮空気消費量と将来の設備の稼働状態から将来の設備の熱量（圧力、温度、流量）、電力量、圧縮空気消費量を予測する設備モデル（Ｊ５）を学習させる（Ｊ４）。例えば、設備の稼働状態とは、例えば品種Ａの工程１を処理中、品種Ａの工程１から品種Ｂの工程１へ段取中、アイドリング中、停止中、設備の温度条件αなどである。

次に学習させた設備モデル（Ｊ５）に、設備の稼働状態（Ｊ２ａ）、温度、熱量（圧力、温度、流量）、電力量、圧縮空気消費量と将来の設備の稼働状態（Ｊ２ｂ）を入力し、将来の設備の熱量（圧力、温度、流量）、電力量、圧縮空気消費量の予測値を出力する（Ｊ６）。Ｊ６において、実線は時刻ｔまでのエネルギー使用の実績値を表わし、破線はｔ以降（ｔ＋１、ｔ＋２）の予測値を表わす。

時刻ｔの蒸気量、電力量、設備の状態をそれぞれｓ（ｔ）、ｐ（ｔ）、ａ（ｔ）、蒸気量と電力量の予測値をそれぞれｓｏ（ｔ）とｐｏ（ｔ）とする。図３２に示すように、ｓ（ｔ）、ｓ（ｔ−１）、ｓ（ｔ−２）、ｓ（ｔ−ｋ）、ｐ（ｔ）、ｐ（ｔ−１）、ｐ（ｔ−２）、ｐ（ｔ−ｋ）、ａ（ｔ＋ｊ）、ａ（ｔ＋２）、ａ（ｔ＋１）、ａ（ｔ）、ａ（ｔ−１）、ａ（ｔ−２）、ａ（ｔ−ｋ）を、時刻ｔに設備学習モデルＪ７（Ｊ５と同一）ヘ入力することにより、時刻ｔ＋１とｔ＋２のエネルギー使用量の予測値ｓｏ（ｔ＋ｊ）、ｓｏ（ｔ＋２）、ｓｏ（ｔ＋１）、ｐｏ（ｔ＋ｊ）、ｐｏ（ｔ＋２）、ｐｏ（ｔ＋１）を出力する。ただし、２＜ｋ＜Ｋ、２＜ｊ＜Ｊ。なお、Ｋは入力する時系列の範囲を示し、Ｊは予測する時系列の範囲を示す。

なお、学習の方式は、既知の技術であるニューラルネットワーク、ＧＭＤＨ（general method of data handling）、免疫ネットワークなどの非線形システムの学習モデルを使用することができる。

また、フィードバック学習のために予測誤差の絶対値、
｜ｓ（ｔ＋１）−ｓｏ（ｔ＋１）｜、
｜ｓ（ｔ＋２）−ｓｏ（ｔ＋２）｜、
｜ｐ（ｔ＋１）−ｐｏ（ｔ＋１）｜、および
｜ｐ（ｔ＋２）−ｐｏ（ｔ＋２）｜
を入力にそれぞれ加えてもよい。

上記のように、設備学習モデルを構成し、製造スケジュール（図２７のＰ４）に基づいてｔをｔ＝ｔ＋１と逐次更新することより、前述の確率密度モデルを陽に表現することなしにエネルギー需要予測情報を得ることもできる。

上記のように実施の形態３によれば、
（１）確率密度モデルを用いた場合、エネルギー需要予測情報のバラツキとそのときの確率を予め把握できる効果がある。したがって、予測がはずれるという危険度とコストメリットを考慮したスケジューリングが実施できる効果がある。
（２）確率密度モデルは蓄積されたデータにより逐次更新されるので、徐々に予測精度が高くなる効果がある。
（３）先験情報を用いて確率密度関数を詳細に分類することにより、予測精度を高めることができる効果がある。
（４）学習モデルを用いることにより、確率密度モデルを陽に表現することなしにエネルギー需要予測情報を得ることもできる。また、この学習モデルをエネルギー供給システムのモデル予測制御に用いることにより、計画（スケジュール）と実際の運用との間に生じたズレを調整できる。
などの効果が得られる。

ところで、上記実施の形態の説明ではエネルギー情報解析手段３１が、品種別、工程（段取）別のエネルギー（原単位）を算出するために、各工程で流れている品種などを検知し、加工時間と、処理量、使用（消費）エネルギー要求量（需要／負荷）／エネルギー要求情報を測定（検知）する機能を有する場合について説明したが、例えば使用設備、気温、設定温度、および発生エネルギーなどを測定する機能を付加しても良い。発生エネルギーがある場合にはそれを回収エネルギーとして利用可能なため、さらにエネルギー節減に役立てることができる。

また、スケジューラ３３は、エネルギー情報解析手段３１で得られたエネルギーに関するデータとして、生産スケジュールや代替案を作成するだけでなく、例えばエネルギー需要予測情報の算出、エネルギーの管理、エネルギーコストの算出、製品コストの算出、評価指標を対立軸として複数のスケジュールの評価結果を提示するなどの機能をオプションとして付加することは望ましい。

また、工場の加工設備、製造ラインや事務所などに供給するエネルギー供給装置（手段）は、電力会社、ガス会社、石油会社などを含む外部からエネルギーを調達する装置、自家発電装置、熱発生装置、駆動力・圧縮空気発生装置、熱変換装置などを含むものである。さらに、加工は機械的な加工に限定されるものではなく、例えば部品の組立、測定・検査、塗装、加熱・冷却、分解・合成・縮合・鍍金・溶解等の化学的反応、印刷、製本などエネルギーを消費するものは含めることができる。

実施の形態１による一般的な工程とスケジューリングシステムとの関係を模式的に示す全体構成図。実施の形態１のスケジューリングシステムの流れを概略的に示すフロー図。実施の形態１のスケジューラにより得られたエネルギー負荷（需要）パターンの例を示す図。実施の形態１のスケジューラのエネルギー生成計画立案機能により得られたエネルギー生成計画の例としての自家発運転計画を示す図。実施の形態１のエネルギー売買計画を示す図。実施の形態２によるスケジューリングシステムにおける工程時間と段取時間との関係を示す説明図。実施の形態２における治具制約の影響を示す説明図。実施の形態２における段取時間とエネルギー消費量との関係を示す説明図。実施の形態２によるスケジューリングシステムにおけるスケジューラの具体例を示す構成図。図９に示すスケジューリングシステムの流れの概要を示すフロー図。図１０のフロー図におけるステップＧ６、ステップＧ７の詳細を示すフロー図。実施の形態２におけるスケジューラのスケジュール代替案の多目的評価機能により得られた、（ａ）納期遅れ時間とエネルギー使用量との関係、（ｂ）操業時間と納期遅れ時間との関係、および（ｃ）操業期間とエネルギー使用量との関係を示す図。実施の形態２における解２のスケジュール図の一部を示す図。実施の形態２における計測結果から得られた原単位予測結果の例を示す図。実施の形態２に用いるモデルとしての、（ａ）装置モデル、（ｂ）冶具モデル、（ｃ）工程フローモデル、（ｄ）品種モデルの例を示す図。実施の形態２に用いるモデルとしての、投入計画モデルの例を示す図。実施の形態２に用いるモデルとしての、段取マトリクスモデルを示す図。実施の形態２における解候補の分布１を例示する図。実施の形態２における解候補の分布２を例示する図。実施の形態２における解の評価画面の例を示す図。実施の形態２における解候補１８について求められたガントチャート図。実施の形態２における解候補１０１について求められたガントチャート図。実施の形態２における解候補１４１について求められたガントチャート図。実施の形態２における解候補１９９について求められたガントチャート図。実施の形態２における解候補１９９について求められたエネルギー需要予測情報（１日目）を示す図。実施の形態２における解候補１９９について求められたエネルギー需要予測情報（２日目）を示す図。実施の形態３によるスケジューリングシステムにおけるエネルギー使用量の確率密度関数に基づいたエネルギー需要予測方法を示す説明図。実施の形態３における先験情報の有無と確率密度関数の関係を示す説明図。実施の形態３における先験情報がない場合のエネルギー需要予測情報と実績がそれ以下になる確率を示す説明図。実施の形態３における先験情報がある場合のエネルギー需要予測情報と実績がそれ以下になる確率を示す説明図。実施の形態３における個別のエネルギー需要予測情報から全体のエネルギー需要予測情報を示す説明図。実施の形態３における需要予測方式の他の例を示す説明図。

符号の説明

１ライン、１１、１２、１３、・・・、１ｎ設備、２工程制御手段、３スケジューリングシステム、３１エネルギー情報解析手段、３１ａ生産進捗情報収集手段、３１ｂ設備エネルギー消費量計測手段、３１ｃ解析手段、３２工程情報記憶手段、３３スケジューラ、３４情報出力手段、３５情報入力手段、３６情報記憶手段、４１エネルギー需要予測情報、４２エネルギー供給計画手段、４３エネルギー供給手段、３３１シミュレータ、３３２シミュレータの製造ライン情報設定手段、３３３シミュレーション条件と結果の保存手段、３３４シミュレーション条件設定手段、３３５シミュレーション条件変更手段、３３５ａ評価指標選択設定手段、３３５ｂスケジュール解候補選択設定手段、３３５ｃ投入日時設定手段、３３５ｄ優先ルール設定手段、３３５ｅランキングルール設定手段、３３６スケジュール評価手段、３６１エネルギー使用情報、３６２シミュレータの製造ライン情報、３６３シミュレーション条件、３６４スケジュール、３６５シミュレーション条件、３６６スケジュール評価値。

Claims

品種別の複数の工程について工程間の段取を含む各工程別のエネルギー原単位に対応した情報を求めるエネルギー情報解析手段と、品種別の工程情報を記憶する工程情報記憶手段と、品種に対応した加工および生産スケジュールの条件に応じて、上記エネルギー情報解析手段によって得られた情報、および上記工程情報記憶手段に記憶された情報からエネルギー需要予測情報を含む生産スケジュールを生成する生産スケジューラとを備え、上記生産スケジューラにより生成される生産スケジュールは、納期遅れ最小化およびエネルギー使用量最小化ならびに段取替え損失最小化を含む生産スケジュールの目的を最適化しエネルギー使用量を低減するものであって、上記エネルギー情報解析手段は、計測した設備エネルギー消費量と工程情報から、段取で発生するエネルギー消費量、段取時間、工程安定までの無駄時間、損失量から構成される工程段取情報を求める機能を有し、当該機能から求めた品種・工程・設備別エネルギー原単位と段取エネルギー消費量に基づき、生産スケジューリング条件設定、生産スケジューリング、生産スケジューリング案とエネルギー需要予測情報の保存、生産スケジューリングを終了するかの判定、生産スケジューリング条件変更の過程を繰り返し実行することを特徴とするスケジューリングシステム。
上記工程は、加熱工程および／または冷却工程を含むことを特徴とする請求項１に記載のスケジューリングシステム。
上記エネルギー情報解析手段は、設備に対する工程の処理実績から求められたエネルギー消費量情報を蓄えるエネルギー消費データベースと、このエネルギー消費データベースの情報に基づいてエネルギー使用モデルを生成する機能を備え、上記生産スケジューラは、上記エネルギー使用モデルと生産スケジュールからエネルギー需要予測情報を出力することを特徴とする請求項１または請求項２に記載のスケジューリングシステム。
上記生産スケジューラは、エネルギー供給計画を生成する機能を含むことを特徴とする請求項１ないし請求項３の何れかに記載のスケジューリングシステム。
上記生産スケジューラは、生産スケジューリングの目的に対し生成した生産スケジュールを評価する機能を含むことを特徴とする請求項１ないし請求項４の何れかに記載のスケジューリングシステム。
上記生産スケジューラは、事前に得られた生産スケジュールの最終工程の完了時刻と納期から得られた納期余裕時間に基づいて投入日時を設定する投入日時設定手段を備え、上記生産スケジューリングの目的に対し生成した生産スケジュールを評価する機能により評価した複数の生産スケジュールに対して、前記投入日時設定手段により設定された投入日時と評価の高い複数の生産スケジュールの生産スケジューリング条件を組み合わせることによって新しい生産スケジューリングの条件を設定し、この新しい生産スケジューリングの条件に対応する生産スケジュールを新たに生成する手順を繰り返すことによって最適生産スケジュールを探索することを特徴とする請求項５に記載のスケジューリングシステム。
上記生産スケジューラは、エネルギー使用量と予測される納期遅れ時間との関係についての複数の生産スケジュール案を求める機能を含むことを特徴とする請求項１ないし請求項６の何れかに記載のスケジューリングシステム。
上記生産スケジューラは、予測された使用電力と所定の契約電力とを比較し、契約電力量を超える時間帯がある場合、その時間帯に設備の擬似補修作業のスケジュールを新たに挿入することにより生産スケジュールを変更し、予測された使用電力と所定の契約電力との比較結果を出力する機能を備えたことを特徴とする請求項１ないし請求項７の何れかに記載の生産スケジューリングシステム。
上記生産スケジューラは、先験情報による計測結果から求めた確率密度に基づいてエネルギー生成計画の不確実性を定量化し、エネルギー需要の予測精度を高める機能を備えたことを特徴とする請求項１ないし請求項８の何れかに記載のスケジューリングシステム。
品種別の複数の工程について工程間の段取を含む各工程別のエネルギー原単位に対応した情報を求めるエネルギー情報解析ステップと、品種別の工程情報を記憶させる工程情報記憶ステップと、品種に対応した加工および生産スケジューリングの条件に応じて、上記エネルギー情報解析ステップによって得られた情報、および上記工程情報記憶ステップによって記憶された情報からエネルギー需要予測情報を含む生産スケジュールを生成するステップとを含み、上記エネルギー需要予測情報を含む生産スケジュールを生成するステップにより生成される生産スケジュールは、納期遅れ最小化およびエネルギー使用量最小化ならびに段取替え損失最小化を含む生産スケジュール目的を最適化しエネルギー使用量を低減するものであって、上記生産スケジューリングの条件に対して生成された生産スケジュールを評価する評価ステップと、この評価ステップにより評価された複数の生産スケジュールに対して、評価の高い複数の生産スケジュールの生産スケジューリング条件を組み合わせることによって新しい生産スケジューリングの条件を設定する条件再設定ステップと、この条件再設定ステップに基づく生産スケジュールを新たに生成するステップを備え、必要に応じてこれらステップを繰り返すことによって最適生産スケジュールを探索することを特徴とするスケジューリングをコンピュータに実行させるためのプログラム。