JP4563614B2 - Parts selection device in super e-marketplace - Google Patents
Parts selection device in super e-marketplace Download PDFInfo
- Publication number
- JP4563614B2 JP4563614B2 JP2001155576A JP2001155576A JP4563614B2 JP 4563614 B2 JP4563614 B2 JP 4563614B2 JP 2001155576 A JP2001155576 A JP 2001155576A JP 2001155576 A JP2001155576 A JP 2001155576A JP 4563614 B2 JP4563614 B2 JP 4563614B2
- Authority
- JP
- Japan
- Prior art keywords
- solution
- database
- user
- component
- components
- 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.)
- Expired - Fee Related
Links
- 230000002068 genetic effect Effects 0.000 claims description 56
- 238000005457 optimization Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 description 57
- 239000000047 product Substances 0.000 description 56
- 210000000349 chromosome Anatomy 0.000 description 43
- 210000004027 cell Anatomy 0.000 description 30
- 230000035772 mutation Effects 0.000 description 30
- 210000000987 immune system Anatomy 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 108090000623 proteins and genes Proteins 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002759 chromosomal effect Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 206010069754 Acquired gene mutation Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013377 clone selection method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000006058 immune tolerance Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 230000037439 somatic mutation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【0001】
【発明の属する技術分野】
本発明は、インターネット上において製品のいくつかの部品を調達する場合に、各部品毎にどのサプライヤの部品を使用するかを決める最適な部品を選択するようにした超eーマーケットプレースにおける部品選択装置に関する。
【0002】
【従来の技術】
インターネットを利用した製造業者eービジネスモデルは、製造業者と顧客との間で、生産受注または部品調達における仲介業者を排除することにより中間マージンを抑え、お互いの利益の増加を目的とした技術である。
【0003】
図15に示す如く、製造業者100は顧客101からインターネットを通して直接注文を受ける。製造業者は顧客101の財務状況を、例えば銀行等の金融業者102に確認し、問題がなければ顧客101に見積りの提示を行ない、出荷日時を通知する。
【0004】
製造業者100は生産または組み立てに必要な部品をインターネットを通じて部品のサプライヤ103の在庫状況を確認する。もし在庫があればサプライヤの部品を購入する。なければサプライヤ103に部品の生産を依頼する。製造業者100は、各サプライヤ103から部品が納入されたら、これを組み立てて製品を完成させ顧客101に発送する。なお組み立てに必要な部品を製造業者100が作る必要がある場合には、材料供給業者104から材料を供給してもらうことが必要となる。
【0005】
【発明が解決しようとする課題】
ところで、このようなeーマーケットプレースによる取り引き企業と企業との取り引き、つまり「B(Business)toB(Business)」の増加によってメーカが資材や、部品などをインターネットを通じて購入する機会が増加した。したがってこの機会を利用して最適な部品構成を提示する技術が必要とされる。
【0006】
このため、多数のベンダーの提供する部品のうちより製品の仕様に合った最適な部品構成を求めるという問題の解法を、次の条件により得ることを求められている。
【0007】
a.製品を構成するのに必要なコンポーネントが定義されている。例えば仕様、機能等が定義されている。
【0008】
b.製品のコンポーネントとしてベンダーが提供する部品とその価格が判明している。
【0009】
c.各ベンダーが提供する部品が製品に組み込めるかどうかが判明している。
【0010】
d.組み込み可能か、在庫量が適切かなど制約条件を考慮して最適な部品構成を、遺伝的アルゴリズムにより求める。
【0011】
このような解法の問題点として、すなわち製品の最適な部品構成を求める問題の解法の課題として次のようなことが挙げられる。
【0012】
a′.インターネットから製品を組み立てるのに必要な部品についての情報を容易には獲得できない。すなわちeーマーケットプレース毎に情報がバラバラであり、最適なものを得ることが容易ではない。
【0013】
b′.部品のコストが、部品自体の価格、部品の輸送費、部品の在庫量、他の部品との組み合わせの可能性など多岐にわたり簡単ではない。ベンダー毎にアクセスが必要となる。
【0014】
c′.インターネットを使用しても部品を異なる業種からまとめて調達することが難しい。パーソナルコンピュータ用の部品の場合でも、電子部品業界だけではなく、ネジやハンダ等異種業界をアクセスすることが必要となる。
【0015】
d′.最適な部品構成を遺伝的アルゴリズムによって求める場合、遺伝的アルゴリズムによる最適解の発見は一般には計算時間が長くなる。
【0016】
e′.大規模問題の場合には、高速に制約条件を満足する最適解を見つけるのが難しい。
【0017】
したがって本発明の目的はこれらの課題を改善したeーマーケットプレースにおける部品選択装置を提供することである。
【0018】
【課題を解決するための手段】
本発明の原理を図1に示す。図1において、1−0、1−1・・・1−m、1−nはeーマーケットプレース、2は超eーマーケットプレース・データベース、3は顧客情報管理・最適化装置、4は情報補充部、5−0〜5−2、6−0〜6−2、7−0〜7−2、8−0〜8−2、9はそれぞれユーザーである。
【0019】
顧客情報管理・最適化装置3は、ユーザーからのアクセス要求があったとき、eーマーケットプレース1−0〜1−nのデータをまとめた超eーマーケットプレースを構成するインターネット上のデータベースである超eーマーケットプレース・データベース2をアクセスする。
【0020】
このとき、顧客情報管理・最適化装置3は、後述するように、ユーザーからのアクセスを解読して免疫型システム、動的計画法、遺伝的アルゴズムのうち最適の手法で超eーマーケットプレース・データベース2をアクセスし、必要とする解、つまり製品を構成する部品名を得ることができる。
【0021】
なお上記遺伝的アルゴリズムを以下に簡単に説明する。
【0022】
遺伝的アルゴリズムとは、生物の遺伝の機構を模倣してそれを工学的に応用した技術である。生物の進化の過程では、既存の個体(親)から新たなる個体(子)が生まれる際に、個体の持つ染色体同士の交叉、染色体上の遺伝子の突然変異などが起こる。そして環境に適応しない個体は淘汰され、環境により適応した個体が生き延びて新たなる親となり、さらに新たなる子孫を作っていく。
【0023】
このようにして環境に適応した個体の集団が生き延びていく。各個体がどの程度環境に適応するかは染色体(遺伝子の一次元ストリング)によって決定される。遺伝的アルゴリズムでは、最適化問題の解候補を遺伝子の一次元ストリングである染色体として表現し、解候補の集団に対して選択/自己複製・交叉・突然変異等の操作を繰り返し施すことにより最適解の探索を行うものである。
【0024】
すなわち、図3に示す如く、染色体a、b、c・・・dの集団Aにおいて、染色体aとb、cとdでそれぞれ交叉を行うことにより、Bに示す如く、染色体a−b、b−a、c−d、d−cを得ることができる。またCに示す如く、遺伝子a0 、b0 、c0 、d0 で突然変異が生ずることにより染色体a′、b′、c′、d′を得ることができる。図3には図示省略したが、一部の染色体例えば染色体aを図3(A)において自己複製することにより、染色体a、a、b、c・・・の集団を得ることができる。
【0025】
最適化問題の目的関数が環境に相当し、目的関数を最適にするものほど大きい値を取るような適応度関数が染色体に対して定義される。選択/自己複製とは、集団の中で適応度の高い染色体を持つ個体をより高い確率で選択して次世代の親とする操作である。例えば図4に示す如く、適応度(Fitnss)の高い染色体(Chromosome)を選択して次世代の親とする操作である。
【0026】
交叉とは、図5に示す如く、親となる2つの染色体P1 、P2 の一部を互いに入れ換えて、子となる新たな個体の染色体C1 、C2 を作り出す操作である。また突然変異とは、図6に示す如く、一つの染色体Mの一部の遺伝子をランダムな遺伝子mに置き換える操作である。
【0027】
これらの操作を繰り返すことにより、適応度の高い染色体すなわち目的関数をより最適化する解が得られる。
【0028】
本発明の前記目的は、下記(1)〜(5)により達成することができる。
【0029】
(1)複数のコンポーネントを組み合わせて製品を作るユーザーに、その製品を作成するために最適なコンポーネントの組み合わせを提供する最適部品選択装置において、
複数のコンポーネント提供者から提供される最新のコンポーネントを組み合わせた、インターネット上の超eーマーケットプレース用のデータベースと、
この超eーマーケットプレース用のデータベースをアクセスしてユーザーが最適解を見つける最適化手段と、
ユーザーが最適解を見つけ、コンポーネントの発注を行った場合に課金徴収処理を行う課金徴収手段と
を具備したことを特徴とする超eーマーケットプレースにおける部品選択装置。
【0030】
(2)前記インターネット上の超eーマーケットプレース用のデータベースにおけるコンポーネントのデータとして、コンポーネントの価格、ユーザーの組み立て工場までの輸送費、在庫状況、他のコンポーネントとの組み合わせの可/不可情報を含むことを特徴とする前記(1)記載の超eーマーケットプレースにおける部品選択装置。
【0031】
(3)前記最適化手段として、インターネット上のデータベースからコンポーネントのコストとして価格および輸送費の重みづけられた量を元にすることを特徴とする前記(1)記載の超eーマーケットプレースにおける部品選択装置。
【0032】
(4)前記最適化手段として、コンポーネントの組み合わせの最適化を実行するために、免疫型手段を用いることを特徴とする前記(1)記載の超eーマーケットプレースにおける部品選択装置。
【0033】
(5)前記免疫型手段として、記憶細胞型手段を用いるときに解が提示されない場合に、新たに解を動的計画法で求めるか、または時間が経過して提示されない解を元にして遺伝的アルゴリズムで解を求めるかをユーザーが指定することを特徴とする前記(1)記載の超eーマーケットプレースにおける部品選択装置。
【0034】
これにより下記の作用効果を奏する。
【0035】
(1)複数のコンポーネント提供者から提供される最新のコンポーネントを組み合わせた、インターネット上の超eーマーケットプレース用のデータベースを用い、これをアクセスしてユーザーが最適解を見つける最適化手段をつかうことにより、リアルタイムでインターネットを使用して、複数の提供者からの必要なコンポーネント情報を容易に入手することができる。
【0036】
(2)インターネットにおけるデータベースのコンポーネント・データとして価格、輸送費、在庫状況、他のコンポーネントの組み合わせの可/不可情報等までコンポーネントのデータとして含まれているので、これらの事項まで加味した情報を正確に得ることができる。
【0037】
(3)コンポーネントの価格や輸送費等ユーザーが重要視している項目に重みづけしたデータを正確に入手することができる。
【0038】
(4)インターネット用の超eーマーケットプレース用のデータベースをアクセスする最適化手段として免疫型手段を用いるので所望とするデータがすでに他のユーザーによりアクセスされているような場合、直ちに解を提供することができる。
【0039】
(5)免疫型手段として記憶細胞型手段を用いる場合に解が提示されない場合、新たに解を動的計画法で求めるのか、それとも時間が経過したために提示されなかった解を元にして遺伝的アルゴリズムで解を求めるのかをユーザーが指定可能にしたので、ユーザーの好みに合わせて解を求めることができる。例えば古いデータでもユーザーの好みにあえば、古い解を元にして遺伝的アルゴリズムで解を求めることができる。
【0040】
【発明の実施の形態】
本発明の一実施の形態を図2、図7〜図14にもとづき他図を参照して説明する。
【0041】
図2は本発明の一実施の形態、図7はレイヤードネットワークを構成する製品モデル説明図、図8は遺伝的アルゴリズムの染色体のコード法の説明図、図9は遺伝的アルゴリズムの交叉で子供が1つしか作れない場合の説明図、図10は遺伝的アルゴリズムの交叉で子供が2つ作れる場合の説明図、図11は遺伝的アルゴリズムの突然変異の説明図、図12は局所最適化突然変異の説明図、図13は本発明の動作説明フローチャート、図14は本発明の実施例説明図である。
【0042】
図中他図と同記号部は同一部を示し、2は超eーマーケットプレース・データベース、3は顧客情報管理・最適化部、4は情報補充部、9はユーザーである。
【0043】
超eーマーケットプレース・データベース2は、図1に示すeーマーケットプレース1−0、1−1・・・1−m、1−nを束ねて構成される超eーマーケットプレース2−0と、この超eーマーケットプレース2−0にもとづき、インターネット上に設けられたデータベース2−1等で構成される。超e−マーケットプレース・データベースは、例えばユーザーから課金を徴収する、顧客情報管理・最適化部3を運用しているシステム・インテグレータがAPS(アプリケーション・サポートサービス・プロバイダ)、iDC(インターネット・データ・センター)等を利用して作成する。
【0044】
顧客情報管理・最適化部3は、ユーザーのアクセス情報を受信し、これに応じて最適なアクセス手段を選択し、ユーザーが必要とする解を得た場合これに対する課金徴集処理を行うものであって、免疫型システムを構成し、先に得られた解を記憶する記憶細胞3−0、データベース2−1を記憶細胞3−0をアクセスしたり動的計画法でアクセスしたり、遺伝的アルゴリズムの手法でアクセスする最適化ツール3−1、インタフェース3−2、3−3、発注処理システム3−4、課金徴集手段3−5等を具備している。
【0045】
情報補充部4は、データベース2−1を構築するときに存在しなかったが、その発生した情報例えば台風等の気象情報、輸送路のトラブル発生情報、火災情報等、コンポーネントの入手に重要な情報を入力するものである。
【0046】
ユーザー9はインターネット上のデータベース2−1より製品の製作に必要なコンポーネットを入手希望するものであり、また免疫型システムを利用して記憶細胞3−0より解を求めたものの解が提示されなかった場合に、新たに解を動的計画法で求めるか、または時間が経過して提示されない解を元にして遺伝的アルゴリズムで解を求めるのかを指定するものである。後者の遺伝的アルゴリズムで求めるときは、ユーザーの以前得た解に近いものが得られ、ユーザーの好みに合わせて解を求めることができる。
【0047】
本発明の具体的構成にあわせて説明するに先立ち本発明の基本的な考え方、超eーマーケットプレース、免疫型システム、動的計画法、遺伝的アルゴリズム等について説明する。
【0048】
A.基本的な考え方
各業界のインターネット上でのeーマーケットプレースは存在しているが、その仕様や見積りのフォーマット等は各業界でばらばらであり統一されていないので、現段階ではユーザーが製品を組み立てるのに必要なコンポーネントは、コンポーネント毎の業界のeーマーケットプレースにそれぞれ独自のフォーマットで発注しなければならない。
【0049】
したがって、インターネット上で特定の業界を横断してコンポーネントを調達するためには、図1に示したeーマーケットプレース1−0、1−1・・・1−nを束ねた超eーマーケットプレースを構成し、仕様や見積り等のフォーマットを統一すればよい。
【0050】
コンポーネントを調達したい製造業者は、この超eーマーケットプレースに顧客として一定の会費を払って登録する。顧客は超eーマーケットプレースに用意されたインターネット上のデータベースと、免疫型システムと組み合わせられた遺伝的アルゴリズムとその他の高速なアルゴリズムを利用して、製品の最適な部品構成を求めることができる。
【0051】
顧客(ユーザー)は求められた最適な部品構成に基づいて超eーマーケットプレースを通して各ベンダーに必要な部品を発注する。超eーマーケットプレースは顧客が最適な部品構成を見つけ、各ベンダーに必要なコンポーネントを発注した段階で、顧客情報管理・最適化部は、手数料を徴収する。
【0052】
B.超eーマーケットプレース
超eーマーケットプレースは、eーマーケットプレースを統合・拡大したものである。業務毎で構成されているeーマーケットプレース毎に異なっていた顧客の認証方法、決済方法を共通化している。顧客は超eーマーケットプレース内のeーマーケットプレースを自由に利用できる。
【0053】
顧客はさらに超eーマーケットプレースのインターネット上のデータベースと免疫型システム、遺伝的アルゴリズム、その他の高速アルゴリズムを利用できる。
【0054】
このインターネット上のデータベースは超eーマーケットプレースに参加しているベンダーの提供する部品の情報から構成されたインターネット上のデータベースである。また免疫型システムは顧客が最適な部品構成を求めることができる、生物の免疫系にヒントを得た最適化ツールである。遺伝的アルゴリズムについては前記の説明の通りである。また免疫型システムや遺伝的アルゴリズムと組み合わせる高速なその他のアルゴリズムとしては動的計画法を用いる。
【0055】
(対象とする製品)本発明で扱う製品は、主にパソコンを含めたインターネット関連の製品である。しかしこれに限定されるものではない。パソコンを含めたインターネット関連の製品の特徴として、種々のベンダーから提供されるコンポーネント(例えばパソコンのハードディスクのようなある程度まとまった部品)を集めて最終的な製品を作ることである。前記企業対企業取引「B to B」によりこのような製品のコンポーネントを調達する場合には、必要とする部品の種類は非常に多くなり、目算で最適解を発見するのは困難となる。
【0056】
(製品のモデル)通常パソコンの如き製品はいくつかのコンポーネントを組み合わせて作られている。各コンポーネントの種類をMC1 、MC2 、MC3 ・・・MCN とする。ここで、例えばパソコンの場合ならばMC1 はCPUで、MC2 はメモリである。
【0057】
さらに各コンポーネントの種類に対応した具体的なコンポーネントをVC1(i)(i=1、2・・・Nvc1 )、VC2(i)(i=1、2・・・Nvc2 )、VC3(i)(i=1、2・・・Nvc3 )・・・VCN (i) (i=1、2・・・NvcN )と表現する。図7に示すMC1 、MC2 ・・・MCN 、VC1(1)、VC1(2)・・・等はこれを示し、MC1 、MC2 ・・・はコンポーネントの種類を示し、VC1(1)、VC1(2)・・・VCN (6) 等は具体的なコンポーネントを示す。
【0058】
具体的はMC1 がCPUの場合、VC1(1)はA社のCPU、VC1(2)はB社のCPU・・・であり、MC2 がメモリの場合、VC2(1)がC社のメモリであり、VC2(2)がD社のメモリである。
【0059】
また各コンポーネントの種類には下記(1)式のような順序関係が定義されている。
【0060】
【数1】
【0061】
この(1)式は、コンポーネントの種類MC1 が具体的に決定されると次のコンポーネントの種類MC2 が決定されることを意味する。以下同様である。
【0062】
さらに各コンポーネントの種類MCi に対応した具体的なコンポーネントには次のコンポーネントの種類MCi+1 の具体的なコンポーネントのなかで組み合わせることができる具体的なコンポーネントが定まっている。この場合、「組み合わせることができる」とは、実際に調達することができて動作することを確認してあることを意味しており、例えば図7における各コンポーネントの種類間における具体的なコンポーネントVCi とVCi+1 との間のリンクが、前記「組み合わせることができる」ことを示している。なお在庫の状況が極端にアンバランスな場合には「組み合わせることができない」と判断することが妥当である。
【0063】
(インターネット上のデータベース)ある製品を作るのに必要な全てのコンポーネントの種類に対応した、具体的なコンポーネントの必要な情報を蓄積したデータベース2−1を設ける。このデータベース2−1には、具体的なコンポーネントの価格、組み立て工場までの輸送費、在庫状況、他のコンポーネントの種類の具体的なコンポーネントと組み合わせることの可否等必要な情報が含まれている。このようなデータベース2−1をインターネット上に構築することにより、顧客は部品の価格、在庫状況をリアルタイムで知ることができる。
【0064】
(具体的なコンポーネントの情報)インターネット上のデータベースに格納されている具体的なコンポーネントの情報には、価格(ベンダーからリアルタイムで更新される)、在庫状況(ベンダーからリアルタイムで更新される)、輸送費及び時間(顧客の組み立て工場までの輸送費及び時間情報であり、例えばベンダーの所在場所を示すことによりこれらの情報が判断できる)、仕様(組み合わせ可能な他のコンポーネントの具体的種類等)、その他の関係した情報やデータとして例えば交通情報、事故情報、気象情報等が得られる。
【0065】
初期においては輸送費の算出はベンダーの所在地を元にして仮に設定しておく。ユーザーが発注処理をした段階で注文を受けたベンダーが部品を発送する段階で輸送費のデータを超eーマーケットプレース・データベースに書き込む。これを基にして輸送費を算出する。最適解を求めるさいに必要とするデータの輸送費が初期に設定した仮のデータと実際に算定した輸送費が混在している場合には、これをユーザーに通知し輸送費を全て初期設定の所在地を元にして算出したものにするか、それとも輸送費はコストから除外する(輸送費の重みをゼロにする)かをユーザーに選択させる。時間が経過していくにつれて輸送費は徐々に実際のデータに近づいていく。
【0066】
(その他の関係した情報またはデータ)インターネット上のデータベースの具体的なコンポーネントの情報には、その他の関係した情報またはデータも格納できる。このデータベースがインターネット上に構築されていることを利用してベンダー以外から提供された情報を格納できる。例えば気象情報を利用してベンダーから顧客の組み立て工場までの輸送が予定どおり行える状況にあるかどうかを顧客に知らせることができる。同様にして輸送のための船便、航空便、トラックの手配の可否も、業界横断的な超eーマーケットプレースにより、リアルタイムで顧客に提示できる。同様にして顧客が発注した具体的なコンポーネントの輸送状況も顧客に提示することができる。
【0067】
C.免疫型システムによる推薦システム
生物学に発想を得た最適化手法としては遺伝的アルゴリズムが知られているが、免疫系に発想を得た最適化手法も、コンピュータウィルス対策で使用されている。免疫系の特徴である「免疫寛容の獲得」、「クローン選択説」、「記憶細胞」から発想を得た免疫的システムを使用して最適解の解候補を高速に生成するが、ここでは記憶細胞のアナロジーを使用する。
【0068】
免疫型システムに提示されるのは製品のモデルである。問題はこの製品のモデルの各コンポーネントに対応する最適な具体的なコンポーネントの組み合わせを求めることである。本発明では、生物の免疫系のアナロジーとして記憶細胞を利用する。このため以前に提示された問題の解をこの記憶細胞で保存しておき、同じ問題が免疫型システムに提示された場合にはただちに以前の解を回答する。問題として具体的な製品のモデルが免疫型システムによる推薦システムに提示されると次の手順で解を探索する。
【0069】
▲1▼製品のモデルすなわち顧客の仕様が以前提示されたものと同じかどうかを確認する。
【0070】
▲2▼以前提示されたものと同じ場合には、記憶細胞に保存されている解を回答する。ただし、以前の解があらかじめ定められた一定期間以上前の古いデータを基にした解の場合には、以前の解を回答しない。
【0071】
▲3▼以前には提示されていない製品のモデルの場合には、後述する動的計画法か遺伝的アルゴリズムで解を求める。
【0072】
▲4▼得られた解を記憶細胞で、仕様をデータベースに保存する。
【0073】
なお、インターネット上のデータベースのデータはリアルタイムで更新されているために以前求めた解は時間の経過とともに最適解でなくなる可能性がある。
このためにある一定時間以上経過した保存されている解は回答しない。
【0074】
D.動的計画法
図7に示す如きインターネット上のデータベースから製品を組み立てるための具体的なコンポーネントの組み合わせを求める方法について説明する。ここで示した製品のモデルを使用して全ての具体的なコンポーネントをノードとする有向グラフを構成することができる。全ての具体的なコンポーネントのノードの集合にスタートsとゴールgというノードを付け加える。これは後の定式化を容易にするためのものである。
【0075】
ここで考える有向グラフはスタートsから始まる。ノードsからコンポーネントの種類MC1 に属する全ての具体的なコンポーネントVC1 (i) へのリンクがある。次にコンポーネントの種類MC1 の各具体的なコンポーネントVC1 (i) と組み合わすことのできる次のコンポーネントの種類MC2 に属する具体的なコンポーネントVC2 (j) がある場合にはVC1 (i) からVC2 (j) へリンクを張る。以下同様である。
【0076】
ただし最後にMCN の全ての具体的なコンポーネントVCN (k) からゴール(g)へリンクを張る。このようにして図7に示す如く、具体的なコンポーネントと{s、g}をノードとする有向グラフが得られる。
【0077】
具体的な製品を構成するコンポーネントはこの有向グラフを使用すれば求めることができる。すなわちスタートsから出発し、sとリンクされている次のノードVC1 (i1)を選択する。次にこの選択されたノードVC1 (i1)とリンクされているコンポーネントの種類MC2 に属するノードVC2 (i2)を選択する。以下同様の操作を繰り返す。最後にはノードgに行きついて操作が終了する。このように具体的な製品の構成にはこの有向グラフの一つのスタートsからゴールgに至る経路が対応している。
【0078】
インターネット上のデータベースからは、各ノードに対応した具体的なコンポーネントの価格、輸送費、在庫状況などを正確に知ることができる。これらに必要ならば重みを付けて具体的なコンポーネントにコストを割り当てることができる。
【0079】
この具体的なコンポーネントのコストを使うと上記のような製品の構成に対応した経路に目的関数を定義できる。これは経路上にある具体的なコンポーネントのコストの重み付けられた総和である。問題は次のように、「有向グラフのノードsからノードgに至る経路で目的関数が最小となる経路を見つけること」と、定式化できる。
【0080】
これは良く知られた最短経路問題であり、これは動的計画法で解を求めることができる。解が厳密に最適解でなくとも良いならば、遺伝的アルゴリズムなどによって解を求めることも有効であり、また動的計画法と遺伝的アルゴリズムのハイブリッド化により遺伝的アルゴリズムを高速化できる。
【0081】
E.遺伝的アルゴリズム
遺伝的アルゴリズムによって、提示された製品のモデルのコンポーネントの最適な具体的なコンポーネントの組み合わせを求めることができる。これは生物の免疫系における体細胞変異に対応している。具体的には保存してある解から突然変異などの方法で初期集団を作成し、この以前の解をもとにして、インターネット上のデータベースから求めた最新のデータに基づいて遺伝的アルゴリズムによって解を求める。
【0082】
(染色体のコード法)前記記号を使用すると、染色体は下記(2)式のごとく表現される。
【0083】
【数2】
【0084】
図8は、この記号により示した染色体を示す。
【0085】
すなわち、前記図7で説明した、スタートsから出発して、sとリンクしているノードを順に結び、最後にゴールgに至る有向グラフの経路が染色体として示される。
【0086】
(交叉)上記の染色体に作用する交叉としては繋ぎ替え交叉法が考えられる。
これは下記(3)式、(4)式で示される2つの親の染色体を考える。
【0087】
【数3】
【0088】
上記の(3)式で示される染色体は下記(5)式の経路を表現しており、また上記の(4)式で示される染色体は下記(6)式の経路を表現している。
【0089】
【数4】
【0090】
この2つの親の染色体の表現する経路を繋ぎ替えることを考える。経路上で次の(7)式または(8)式のように2つの経路を繋ぎ替えることができる2つの隣接するノードの組を求める。
【0091】
【数5】
【0092】
または
【0093】
【数6】
【0094】
である。この場合図9、図10に示す如く、少なくとも1つの子供ができる。
【0095】
図9に示す例は、染色体G1 とG2 を一点鎖線において切断し、これらを繋ぎ替えるとき、A+B′は、その具体的なコンポーネントR1が具体的なコンポーネントR2′とリンクしており、一点鎖線部分におけるパターンが一致しているのでその繋ぎ替えは可能であり、子供の染色体G3 を得ることができる。しかしA′+Bでは、具体的なコンポーネントR1′がR2とリンクしないのでパターンが一致しないものとなりこのような繋ぎ替えはできない。なお、これらコンポーネントR1、R2、R1′、R2′は、着目した個体の染色体における遺伝子を示す。
【0096】
また図10に示す例は、染色体G10とG11とを一点鎖線において切断し、これらを繋ぎ替えるとき、A+B′はその具体的なコンポーネントR1とR2′がリンクしており、またA′+Bもこれまたその具体的なコンポーネントR1′とR2がリンクしているので、これらの繋ぎ替えはいずれも可能であり、2つの子供の染色体G12、G13を得ることができる。
【0097】
このような2つの隣接するノードの組を発見して、これをリストに記載しておく、そしてこのリストから下記の手法で繋ぎ替え交叉を実施する2つの隣接するノードの組を発見する。
【0098】
▲1▼リストからランダムに選択する。
【0099】
▲2▼ただ1つの子供が作れる隣接するノードの組から選択する(図9)。
【0100】
▲3▼2つの子供が作れる隣接ノードの組から選択する。(図10)。
【0101】
このような交叉を実施するカットポイントを1つだけにするか複数個許容するかにより、一点繋ぎ替え交叉、多点繋ぎ替え交叉等が考えられる。
【0102】
遺伝的アルゴリズムによって解を求める際の交叉を行うとき、2つの親の染色体の表わす経路を繋ぎ替えることのできる2つの隣接するノード(交叉点)のリストを作り、このリストからランダムに交叉点を選択することができる。
【0103】
また、経路の繋ぎ替えを元にした交叉のなかで、1つの交叉点のみで交叉を実行するか、複数の交叉点で交叉を実行するのか選択することができる。
【0104】
(突然変異)前記の染色体に作用する突然変異としては以下の(9)式のような染色体の遺伝子でVCk (ik ) を考える。ここでコンポーネントの種類MCk に属する具体的なコンポーネントVCk (p) が存在して具体的なコンポーネントVCk-1 (ik-1)とVCk (p) かつVCk (p) とVCk+1 (ik+1)の間に有向グラフのノードとしてリンクが存在する場合を考える。
【0105】
【数7】
【0106】
このとき(9)式の遺伝子VCk (ik ) に突然変異を適用することができる。
そして突然変異の後で遺伝子VCk (ik ) はVCk (p) に変化し、染色体は下記の(10)式のように変化する。
【0107】
【数8】
【0108】
もしも上記したVCk (p) が複数存在する場合には次のような突然変異が考えられる。すなわち、図11に示すランダム突然変異と、図12に示す局所最適化突然変異である。
【0109】
ランダム突然変異は、図11(A)の点線内に示すVCk (ik ) が変化する複数の候補のうちからランダムに一つ選択する突然変異の方法である。しかしこの場合、図11(A)に示す如く、具体的なコンポーネントRとR1がリンクされている場合、同(B)に示す如く、RとR1がリンクした状態で突然変異することはできるが、同(C)に示す如く、RとR1がリンクしない状態で突然変異することはできない。
【0110】
局所最適化突然変異は、図12(A)に示す如く、点線内の具体的なコンポーネントR1の突然変異先の候補が、bとcの複数あるとき、最も適応度が上昇する候補を選択する突然変異の方法である。図12の場合は、同(B)に示す如く、bよりもcが選択された例を示す。
【0111】
なお、適応度は、次の(11)式のように定義されたフィトネス関数が使用できる。
【0112】
【数9】
【0113】
(11)式において、Costk は染色体の第k番目の遺伝子である具体的なコンポーネントVCk (ik ) の複数のコストの重みづけられた和である。これらのコストは、インターネット上のデータベースから得ることができる。このようにフィトネスを定義することにより、最適な具体的なコンポーネントの組み合わせを知ることができる。
【0114】
図2に示す本発明の一実施の形態の動作を、図13に示すフローチャートにもとづき説明する。
【0115】
S1.ユーザー9は、自分が希望する製品のモデルつまり仕様を入力する。
【0116】
S2.記憶細胞3−0は、インタフェース3−2を経由してこれを受け、同じ製品のモデルの解があるか否かをチェックする。
【0117】
S3.解が存在したとき、この解があらかじめ定められた一定期間以内に求めた解か否かをチェックする。
【0118】
S4.存在した解が一定期間以内に得られたものであれば、記憶細胞3−0はこれを最適化ツール3−1、インタフェース3−2を経由してユーザー9にこの解を提示する。
【0119】
S5.これをみてユーザー9がこの解を使って部品を発注すれば、発注処理手段3−4がこれを認識して発注処理を行う。発注しなければ終了する。
【0120】
S6.発注処理を行えば、これにもとづき課金徴集手段3−5がユーザー9に対し課金を徴集処理する。
【0121】
S7.ところで前記S3において、求められた解があらかじめ定められた一定期間を経過していた場合、顧客情報管理・最適化部3のフロントエンドがユーザー9に対し、同じ製品のモデルの解があるものの一定期間経過したものであり、新規に解を求めるか否かを問い合わせる。
【0122】
S8.ユーザー9が新規に解を求めることを選択した場合、最適化ツール3−1はインターネット上のデータベース2−1から、動的計画法により解を求め、前記S4と同様にユーザーに解を提示し、前記S5以下の処理が行われる。
【0123】
S9.ユーザー9が新規に解を求めることを選択しなかった場合、最適化ツール3−1は、前記一定期間を経過した、古い解を元にして遺伝的アルゴリズムにより解を求め、前記S4と同様にユーザーに提示し、前記S5以下の処理が行われる。
【0124】
本発明の具体的な実施例を図14により説明する。図14においては、製品のモデルとして3つのコンポーネントの種類MC1 、MC2 、MC3 で構成されている場合を考える。各コンポーネントの種類は各々3つの具体的なコンポーネントVC1 (i) (i=1,2,3)、VC2 (i)(i =1,2,3)、VC3 (i) (i=1,2,3)を持つものとする。例えば製品のモデルがパソコンの場合ならば、MC1 はCPUであり、MC2 はメモリ、MC3 はハードディスクとみなせる。そして各具体的なコンポーネントには、図14(B)に示す如く、コストが割り振られている。「インターネット上のデータベース」から必要な情報は全て引き出せると仮定したので、これらの具体的なコンポーネントはたいていの場合、殆どの組み合わせは可能であると期待できる。
【0125】
各コンポーネントの種類には順序関係を仮定した。この順序関係を使って、MC1 のなかの1つの具体的なコンポーネントVC1 (i) と組み合わすことのできるMC2 のなかの具体的なコンポーネントVC2 (j) が決まる。以下同様である。
【0126】
ところが何らかの理由により、例えば在庫量のアンバランス、技術的問題、品質の未保証等によって組み合わせることができない場合、つまりリンクができない場合が若干生じる。このような場合には、最適化手法を用いて最適な組み合わせを構成する必要がでてくる。
【0127】
ここでは図14(A)のような有向グラフで製品のモデルが与えられているとする。図14では各具体的なコンポーネントの表示を簡単なためにVC1(1)は0、VC1(2)は1、VC1(3)は2、VC2(1)は3、VC2(2)は4、VC2(3)は5、VC3(1)は6、VC3(2)は7、VC3(3)は8と略記した。そして各具体的なコンポーネントのコストは図14(b)に示す通りであると仮定した。この製品のモデルの最小コストを動的計画法で求めると16となり、対応する製品のモデルを構成する具体的なコンポーネントの組み合わせは、「1、4、6」と求めることができる。
【0128】
本発明で提示したビジネスモデルは、「超eーマーケットプレース」における部品の調達を「インターネット上のデータベース」と免疫型システムと動的計画法、遺伝的アルゴリズムを組み合わせたことにより部品調達を効率的に、また部品の調達の状態の実際の変化への適応能力を増加させて実施できるようになった。
【0129】
また遺伝的アルゴリズムに適した高速アルゴリズム、交叉、突然変異を用いることにより解を効果的に発生させ、最適解を効率的に探索できるようになった。
【0130】
本発明の実施の形態を下記に付記する。
【0131】
(付記1)複数のコンポーネントを組み合わせて製品を作るユーザーに、その製品を作成するために最適なコンポーネントの組み合わせを提供する最適部品選択装置において、
複数のコンポーネント提供者から提供される最新のコンポーネントを組み合わせた、インターネット上の超eーマーケットプレース用のデータベースと、
この超eーマーケットプレース用のデータベースをアクセスしてユーザーが最適解を見つける最適化手段と、
ユーザーが最適解を見つけ、コンポーネントの発注を行った場合に課金徴収処理を行う課金徴収手段と
を具備したことを特徴とする超eーマーケットプレースにおける部品選択装置。
【0132】
(付記2)前記インターネット上の超eーマーケットプレース用のデータベースにおけるコンポーネントのデータとして、コンポーネントの価格、ユーザーの組み立て工場までの輸送費、在庫状況、他のコンポーネントとの組み合わせの可/不可情報を含むことを特徴とする(付記1)記載の超eーマーケットプレースにおける部品選択装置。
【0133】
(付記3)(付記1)の製品として順序関係の定義された複数のコンポーネントの種類を用いて定義する製品のモデルを用いることを特徴とする方法。
【0134】
(付記4)(付記1)の「インターネット上のデータベース」の部品のデータとして(付記2)の部品のデータに付加的なデータを用いてユーザーの便宜に供することを特徴とする部品のデータ。
【0135】
(付記5)(付記1)の最適化手段として、(付記3)の製品のモデルを用い、(付記1)のインターネット上のデータベースからコンポーネントの種類の具体的なコンポーネントを定めこれに基づいてレイヤードネットワークを構成し、動的計画法で最適な具体的なコンポーネントの組み合わせを求めることを特徴とする最適化装置。
【0136】
(付記6)前記最適化手段として、インターネット上のデータベースからコンポーネントのコストとして価格および輸送費の重みづけられた量を元にすることを特徴とする(付記1)記載の超eーマーケットプレースにおける部品選択装置。
【0137】
(付記7)(付記5)の具体的なコンポーネントをノードとするレイヤードネットワークを構成する際にインターネット上のデータベースの仕様に基づいて組み合わすことのできない具体的なコンポーネントを表すノード間にはリンクを作らない方法をもちいるレイヤードネットワークの構成法。
【0138】
(付記8)前記最適化手段として、コンポーネントの組み合わせの最適化を実行するために、免疫型手段を用いることを特徴とする(付記1)記載の超eーマーケットプレースにおける部品選択装置。
【0139】
(付記9)(付記8)の免疫型システムにおいて提示された製品モデルの解を記憶する「記憶細胞」に類似した手法を用いることを特徴とする免疫型システム。
【0140】
(付記10)(付記(8)の免疫型システムにおいて、「記憶細胞」に類似した手法を用いる際に、製品のモデルの解で一定期間以上経過した解はユーザーに提示しないことを特徴とする「記憶細胞」類似の手法。
【0141】
(付記11)前記免疫型手段として、記憶細胞型手段を用いるときに解が提示されない場合に、新たに解を動的計画法で求めるか、または時間が経過して提示されない解を元にして遺伝的アルゴリズムで解を求めるかをユーザーが指定することを特徴とする(付記1)記載の超eーマーケットプレースにおける部品選択装置。
【0142】
(付記12)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際に、「記憶細胞」類似の手法によって保存してある過去の解に突然変異を適用して初期集団を作る方法を用いる遺伝的アルゴリズム。
【0143】
(付記13)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の染色体のコード法に製品のモデルのレイヤードネットワークのスタートからゴールに至る経路をもとにしたコード法を用いる遺伝的アルゴリズム。
【0144】
(付記14)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の交叉の方法に二つの染色体の表す経路で繋ぎ替えることのできる二つの隣接するノードの一つの組を求め経路の繋ぎ替えによって子供を作る交叉の方法。
【0145】
(付記15)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の交叉を行う際に二つの親の染色体の表す経路を繋ぎ替えることのできる二つの隣接するノード(交叉点)のリストを作り、このリストからランダムに交叉点を選択する交叉の方法。
【0146】
(付記16)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の交叉を行う際に二つの親の染色体の表す経路を繋ぎ替えることのできる二つの隣接するノード(交叉点)のリストを作り、このリストからただ一つの子供が作れる交叉点の集合から交叉点を選択する交叉の方法。
【0147】
(付記17)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の交叉を行う際に二つの親の染色体の表す経路を繋ぎ替えることのできる二つの隣接するノード(交叉点)のリストを作り、このリストから二つの子供が作れる交叉点の集合から交叉点を選択する交叉の方法。
【0148】
(付記18)(付記15)又は(付記16)または(付記17)の方法において経路の繋ぎ替えを元にした交叉のなかで、一つの交叉点のみで交叉を実行するか、複数の交叉点で交叉を実行することを特徴とする方法。
【0149】
(付記19)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の突然変異として、個体の染色体表現の経路のノードで、ノードが表す具体的なコンポーネントが属するコンポーネントの種類の他の具体的なコンポーネントと交換できる場合にランダムに交換相手を選択することを特徴とする突然変異。
【0150】
(付記20)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際の突然変異として、個体の染色体表現の経路のノードで、ノードが表す具体的なコンポーネントが属するコンポーネントの種類の他の具体的なコンポーネントと交換できる場合に適応度が最も上昇する交換相手を選択し、どの交換相手を選択しても適応度が上昇しない場合には交換しないことを特徴とする突然変異。
【0151】
(付記21)(付記11)の「記憶細胞」に類似した手法を用いる方法のなかで、遺伝的アルゴリズムによって解を求める際に個体の染色体の遺伝子である具体的なコンポーネントの価格、輸送費などのコストに重みをつけたコストを全遺伝子についての総和を定数値から引いた量を適応度とする方法。
【0152】
これらの付記により下記の効果を奏する。
【0153】
(1)複数のコンポーネント提供者から提供される最新のコンポーネントを組み合わせた、インターネット上の超eーマーケットプレース用のデータベースを用い、これをアクセスしてユーザーが最適解を見つける最適化手段をつかうことにより、リアルタイムでインターネットを使用して、複数の提供者からの必要なコンポーネント情報を容易に入手することができる。
【0154】
(2)インターネットにおけるデータベースのコンポーネント・データとして価格、輸送費、在庫状況、他のコンポーネントの組み合わせの可/不可情報等までコンポーネントのデータとして含まれているので、これらの事項まで加味した情報を正確に得ることができる。
【0155】
(3)仕様書の定義により動的計画法を使用することができかつ最小経費問題として高速で解を求めることができる。
【0156】
(4)インターネット上のデータベースに、交通情報、事故情報、天気予報情報等を付加し、ユーザーの便宜に供することができる。
【0157】
(5)製品のモデルを用い、インターネット上のデータベースからコンポーネントの種類の具体的なコンポーネントを定め、これに基づいてレイヤードネットワークを構成し、動的計画法で最適な具体的なコンポーネントの組み合わせを求めるので、高速に解を求めることができる。
【0158】
(6)コンポーネントの価格や輸送費等ユーザーが重要視している項目に重みづけしたデータを正確に入手することができる。
【0159】
(7)インターネット上のデータベースの仕様に基づいて組み合わせることができない具体的なコンポーネントを表すノード間にはリンクを作らないので、動的計画法の経路が減少し、高速に解を求めることができる。
【0160】
(8)インターネット用の超eーマーケットプレース用のデータベースをアクセスする最適化手段として免疫型手段を用いるので所望とするデータがすでに他のユーザーによりアクセスされているような場合、直ちに解を提供することができる。
【0161】
(9)製品モデルの解を記憶しておくので、同じ製品モデルがユーザーから入力されたとき、この記憶していた解を提示するので、高速に、必要とする解を提供できる。
【0162】
(10)記憶していた製品モデルの解でも、一定期間以上経過した解はユーザーに提示しないようにしたので、ユーザーには新しいデータでの解を提供することができる。
【0163】
(11)免疫型手段として記憶細胞型手段を用いる場合に解が提示されない場合、新たに解を動的計画法で求めるのか、それとも時間が経過したために提示されなかった解を元にして遺伝的アルゴリズムで解を求めるのかをユーザーが指定可能にしたので、ユーザーの好みに合わせて解を求めることができる。例えば古いデータでもユーザーの好みにあえば、古い解を元にして遺伝的アルゴリズムで解を求めることができる。
【0164】
(12)記憶細胞に記憶されている過去の解に突然変異を適用して初期集団を作り、遺伝的アルゴリズムにより解を求めるので、過去にユーザーが解としたものと合う性格の解を早く求めることができる。
【0165】
(13)染色体のコード法に製品のモデルのレイヤードネットワークのスタートからゴールに至る経路をもとにしたコード法を用いるので、インターネット上のデータベースから染色体を得ることができ、早く解を求めることができる。
【0166】
(14)交叉により親とは別の良い解を探索することができる。
【0167】
(15)色々な子供をつくることができるので、解の範囲を広げることができる。
【0168】
(16)交叉を行うリストを作るとき、子供を1組に限定できるので、集団全体の大きさを限定することができるので、良い解が得られそうになったとき、集団の大きさを限定し、良い解を早く得ることができる。
【0169】
(17)交叉の初期には2組の子供を得ることができるので、バリエーションを増すことができる。
【0170】
(18)交叉点を多く選べば親とは異なる性質のものを作成することができる。また世代数が経過して、あまり変化がなくなれば1つの交叉点で交叉を実行することを選択し、良好の解を得ることができる。このように世代毎にどちらかを選択することができる。
【0171】
(19)ローカルミニマムに落ちないようにランダムに変えることができる。
【0172】
(20)複数の具体的なコンポーネントと交換可能なとき、適応度が最も上昇する交換相手を選択できるので、最適な具体的なコンポーネントの組み合わせを得ることができる。
【0173】
(21)具体的なコンポーネントのコストに重みづけたものを全遺伝子についての総和を定数値から引いた量を適応度としたので、最適なコンポーネントの組み合わせを容易に求めることができる。
【0174】
【発明の効果】
本発明によれば下記の効果を奏することができる。
【0175】
(1)複数のコンポーネント提供者から提供される最新のコンポーネントを組み合わせた、インターネット上の超eーマーケットプレース用のデータベースを用い、これをアクセスしてユーザーが最適解を見つける最適化手段をつかうことにより、リアルタイムでインターネットを使用して、複数の提供者からの必要なコンポーネント情報を容易に入手することができる。
【0176】
(2)インターネットにおけるデータベースのコンポーネント・データとして価格、輸送費、在庫状況、他のコンポーネントの組み合わせの可/不可情報等までコンポーネントのデータとして含まれているので、これらの事項まで加味した情報を正確に得ることができる。
【0177】
(3)コンポーネントの価格や輸送費等ユーザーが重要視している項目に重みづけしたデータを正確に入手することができる。
【0178】
(4)インターネット用の超eーマーケットプレース用のデータベースをアクセスする最適化手段として免疫型手段を用いるので所望とするデータがすでに他のユーザーによりアクセスされているような場合、直ちに解を提供することができる。
【0179】
(5)免疫型手段として記憶細胞型手段を用いる場合に解が提示されない場合、新たに解を動的計画法で求めるのか、それとも時間が経過したために提示されなかった解を元にして遺伝的アルゴリズムで解を求めるのかをユーザーが指定可能にしたので、ユーザーの好みに合わせて解を求めることができる。例えば古いデータでもユーザーの好みにあえば、古い解を元にして遺伝的アルゴリズムで解を求めることができる。
【図面の簡単な説明】
【図1】本発明の概略図である。
【図2】本発明の一実施の形態である。
【図3】遺伝的アルゴリズム説明図である。
【図4】遺伝的アルゴリズムにおける選択説明図である。
【図5】遺伝的アルゴリズムにおける交叉説明図である。
【図6】遺伝的アルゴリズムにおける突然変異説明図である。
【図7】製品モデル説明図である。
【図8】遺伝的アルゴリズムの染色体コード法説明図である。
【図9】遺伝的アルゴリズムの交叉で子供が1つしか作れない場合の説明図である。
【図10】遺伝的アルゴリズムの交叉で子供が2つ作れる場合の説明図である。
【図11】遺伝的アルゴリズムの突然変異説明図である。
【図12】局所最適化突然変異説明図である。
【図13】本発明の動作説明フローチャートである。
【図14】本発明の一実施例説明図である。
【図15】従来の製造業者モデル説明図である。
【符号の説明】
1−0〜1−n eーマーケットプレース
2 超eーマーケットプレース・データベース
3 顧客情報管理・最適化部
4 情報補充部
5−0〜5−2 ユーザー
6−0〜6−2 ユーザー
7−0〜7−2 ユーザー
8−0〜8−2 ユーザー
9 ユーザー[0001]
BACKGROUND OF THE INVENTION
In the present invention, when several parts of a product are procured on the Internet, a part selection in a super e-market place is selected so as to select an optimum part for determining which supplier part to use for each part. Relates to the device.
[0002]
[Prior art]
The e-business model for manufacturers using the Internet is a technology aimed at increasing mutual profits by suppressing intermediate margins between manufacturers and customers by eliminating intermediaries in production orders or parts procurement. is there.
[0003]
As shown in FIG. 15, the
[0004]
The
[0005]
[Problems to be solved by the invention]
By the way, with the increase in “B (Businesses) to B (Businesses)”, the opportunity for manufacturers to purchase materials, parts, etc. via the Internet has increased due to such transactions between companies and companies using e-marketplaces. Therefore, there is a need for a technology that uses this opportunity to present an optimal component configuration.
[0006]
For this reason, it is required to obtain a solution to the problem of obtaining an optimal part configuration that matches the product specifications among the parts provided by a large number of vendors under the following conditions.
[0007]
a. The components required to configure the product are defined. For example, specifications, functions, etc. are defined.
[0008]
b. Parts provided by vendors as product components and their prices are known.
[0009]
c. It is known whether the parts provided by each vendor can be incorporated into the product.
[0010]
d. An optimal component configuration is obtained by a genetic algorithm in consideration of constraints such as whether it can be incorporated or whether the inventory quantity is appropriate.
[0011]
As problems of such a solution, that is, problems of solving a problem for obtaining an optimum part configuration of a product, the following can be cited.
[0012]
a ′. It is not easy to obtain information about the parts required to assemble products from the Internet. That is, the information is different for each e-market place, and it is not easy to obtain an optimal one.
[0013]
b '. The cost of a part is not as simple as the price of the part itself, the transportation cost of the part, the inventory of the part, and the possibility of combination with other parts. Access is required for each vendor.
[0014]
c '. Even using the Internet, it is difficult to procure parts from different industries. Even in the case of parts for personal computers, it is necessary to access not only the electronic parts industry but also different industries such as screws and solder.
[0015]
d '. When an optimal component configuration is obtained by a genetic algorithm, finding the optimal solution by the genetic algorithm generally requires a long calculation time.
[0016]
e '. In the case of a large-scale problem, it is difficult to find an optimal solution that satisfies the constraints at high speed.
[0017]
Accordingly, an object of the present invention is to provide a component selection apparatus in an e-market place which has improved these problems.
[0018]
[Means for Solving the Problems]
The principle of the present invention is shown in FIG. In FIG. 1, 1-0, 1-1... 1-m, 1-n is an e-market place, 2 is a super e-market place database, 3 is a customer information management / optimization device, 4 is information Replenishment units, 5-0 to 5-2, 6-0 to 6-2, 7-0 to 7-2, 8-0 to 8-2, and 9 are users.
[0019]
The customer information management /
[0020]
At this time, as will be described later, the customer information management /
[0021]
The genetic algorithm will be briefly described below.
[0022]
A genetic algorithm is a technology that imitates the genetic mechanism of an organism and applies it to engineering. In the process of biological evolution, when a new individual (child) is born from an existing individual (parent), crossing of chromosomes of the individual, mutation of genes on the chromosome, etc. occur. Individuals that do not adapt to the environment are deceived, and individuals that adapt to the environment survive to become new parents and create new offspring.
[0023]
In this way, a group of individuals adapted to the environment survives. The degree to which each individual adapts to the environment is determined by the chromosome (a one-dimensional string of genes). In genetic algorithms, candidate solutions for optimization problems are expressed as chromosomes, which are one-dimensional strings of genes, and optimal solutions are obtained by repeatedly performing selection / self-replication / crossover / mutation operations on the solution candidate population. The search is performed.
[0024]
That is, as shown in FIG. 3, in the group A of chromosomes a, b, c... D, by performing crossover at chromosomes a and b and c and d, respectively, -A, cd, dc can be obtained. As shown in C, gene a 0 , B 0 , C 0 , D 0 Chromosomes a ′, b ′, c ′, d ′ can be obtained by mutation. Although not shown in FIG. 3, a group of chromosomes a, a, b, c... Can be obtained by self-replicating a part of chromosomes such as chromosome a in FIG.
[0025]
The fitness function is defined for the chromosome so that the objective function of the optimization problem corresponds to the environment, and the value that increases as the objective function is optimized. The selection / self-replication is an operation of selecting an individual having a highly-adapted chromosome in a group with a higher probability to be a next generation parent. For example, as shown in FIG. 4, this is an operation of selecting a chromosome having a high fitness (Fitnss) to be a next generation parent.
[0026]
Crossover means that two chromosomes P that are parents as shown in FIG. 1 , P 2 Are replaced with each other, and chromosome C of a new individual that becomes a child 1 , C 2 Is an operation to create Mutation is an operation of replacing a part of a gene of one chromosome M with a random gene m as shown in FIG.
[0027]
By repeating these operations, it is possible to obtain a solution that further optimizes a highly adaptive chromosome, that is, an objective function.
[0028]
The object of the present invention can be achieved by the following (1) to (5).
[0029]
(1) In an optimum part selection device that provides a user who creates a product by combining a plurality of components, with an optimum combination of components for creating the product,
A database for the super-e-marketplace on the Internet, combining the latest components provided by multiple component providers,
An optimization tool for accessing the database for this super-e-marketplace to find the optimal solution,
Billing collection means that performs billing collection processing when the user finds the optimal solution and orders components
A device for selecting parts in a super e-market place.
[0030]
(2) The component data in the database for the super e-marketplace on the Internet includes the component price, the transportation cost to the user assembly plant, the inventory status, and the combination information with other components. The part selection apparatus in the super e-market place as described in the above item (1).
[0031]
(3) The parts in the super e-market place according to (1), wherein the optimization means is based on weighted amounts of price and transportation cost as component costs from a database on the Internet. Selection device.
[0032]
(4) The component selection apparatus in the super e-marketplace as described in (1) above, wherein an immune type means is used as the optimization means in order to optimize the combination of components.
[0033]
(5) When a memory cell type means is not used as the immune type means, a new solution is obtained by dynamic programming or inherited based on a solution that is not presented over time. The part selection apparatus in the super e-marketplace as described in (1) above, wherein a user specifies whether to obtain a solution using a genetic algorithm.
[0034]
As a result, the following effects can be obtained.
[0035]
(1) Use an ultra-e-marketplace database on the Internet that combines the latest components provided by multiple component providers, and use this to access the optimization means for users to find the optimal solution. Thus, necessary component information from a plurality of providers can be easily obtained using the Internet in real time.
[0036]
(2) The component data of the database on the Internet includes the price, transportation cost, inventory status, and other component combination availability information, etc., so the information that takes these matters into account is accurate. Can get to.
[0037]
(3) It is possible to accurately obtain data weighted on items that are regarded as important by the user, such as component prices and transportation costs.
[0038]
(4) Since an immune type means is used as an optimization means for accessing a database for a super e-marketplace for the Internet, a solution is immediately provided when desired data is already accessed by another user. be able to.
[0039]
(5) When a memory cell type means is used as an immune type means, when a solution is not presented, a new solution is obtained by dynamic programming, or genetics based on a solution that has not been presented because time has passed Since the user can specify whether the solution is calculated using an algorithm, the solution can be calculated according to the user's preference. For example, if old data suits the user's preference, a solution can be obtained by a genetic algorithm based on the old solution.
[0040]
DETAILED DESCRIPTION OF THE INVENTION
An embodiment of the present invention will be described with reference to other drawings based on FIGS. 2 and 7 to 14.
[0041]
FIG. 2 is an embodiment of the present invention, FIG. 7 is an explanatory diagram of a product model constituting a layered network, FIG. 8 is an explanatory diagram of a chromosome coding method of a genetic algorithm, and FIG. 9 is a crossover of the genetic algorithm. FIG. 10 is an explanatory diagram when two children can be created by crossing genetic algorithms, FIG. 11 is an explanatory diagram of mutations in the genetic algorithm, and FIG. 12 is a locally optimized mutation. FIG. 13 is a flowchart for explaining the operation of the present invention, and FIG. 14 is a diagram for explaining an embodiment of the present invention.
[0042]
In the figure, the same symbol part as in the other figures indicates the same part, 2 is a super e-marketplace database, 3 is a customer information management / optimization part, 4 is an information supplement part, and 9 is a user.
[0043]
The super
[0044]
The customer information management /
[0045]
The
[0046]
The user 9 wishes to obtain a component necessary for the production of the product from the database 2-1 on the Internet, and the solution obtained from the memory cell 3-0 using the immune system is presented. If not, a new solution is obtained by dynamic programming, or it is designated whether a solution is obtained by a genetic algorithm based on a solution that is not presented over time. When the latter genetic algorithm is used, a solution close to the user's previous solution is obtained, and the solution can be obtained according to the user's preference.
[0047]
Prior to description according to the specific configuration of the present invention, a basic concept of the present invention, a super e-market place, an immune system, dynamic programming, a genetic algorithm, and the like will be described.
[0048]
A. basic way of thinking
There are e-marketplaces on the Internet in each industry, but the specifications and estimation formats are not uniform and uniform in each industry, so it is necessary for users to assemble products at this stage. Each component must be ordered in a unique format from the industry e-marketplace for each component.
[0049]
Therefore, in order to procure a component across a specific industry on the Internet, a super e-market place in which the e-market places 1-0, 1-1... 1-n shown in FIG. And unify the format of specifications and estimates.
[0050]
A manufacturer who wants to procure components registers with this super e-market place as a customer with a certain membership fee. Customers can use the database on the Internet prepared in the super e-market place, genetic algorithms combined with immune systems and other high-speed algorithms to find the optimal component configuration of the product.
[0051]
The customer (user) orders necessary parts from each vendor through the super-e-market place based on the optimum part configuration required. In the super e-market place, the customer information management / optimization unit collects a fee at the stage where the customer finds the optimal part configuration and orders the necessary components from each vendor.
[0052]
B. Super e-market place
The super e-market place is an integrated and expanded e-market place. The customer authentication method and the settlement method that are different for each e-market place configured for each business are shared. Customers can freely use the e-market place in the super e-market place.
[0053]
Customers can also use the super e-marketplace Internet database and immune systems, genetic algorithms, and other high-speed algorithms.
[0054]
This database on the Internet is a database on the Internet composed of information on parts provided by vendors participating in the super e-marketplace. The immune system is an optimization tool inspired by the immune system of living organisms, allowing customers to find the optimal component configuration. The genetic algorithm is as described above. Dynamic programming is used for other high-speed algorithms combined with immune-type systems and genetic algorithms.
[0055]
(Target product) The products handled in the present invention are mainly Internet-related products including personal computers. However, the present invention is not limited to this. As a feature of Internet-related products including personal computers, the final product is created by collecting components provided by various vendors (for example, a set of components such as a hard disk of a personal computer). When the components of such a product are procured by the business-to-business transaction “B to B”, the number of necessary parts becomes very large, and it is difficult to find an optimal solution by calculation.
[0056]
(Product Model) Usually, a product such as a personal computer is made by combining several components. MC for each component type 1 , MC 2 , MC Three ... MC N And Here, for example, in the case of a personal computer, MC 1 Is the CPU, MC 2 Is memory.
[0057]
In addition, specific components corresponding to each component type 1 (i) (i = 1, 2,... Nvc 1 ), VC 2 (i) (i = 1, 2,... Nvc 2 ), VC Three (i) (i = 1, 2,... Nvc Three ) ... VC N (i) (i = 1, 2,... Nvc N ). MC shown in FIG. 1 , MC 2 ... MC N , VC 1 (1), VC 1 (2) ... etc. indicate this, MC 1 , MC 2 ... indicates the type of component, VC 1 (1), VC 1 (2) ... VC N (6) etc. indicate specific components.
[0058]
Specifically, MC 1 If the CPU is a VC 1 (1) Company A's CPU, VC 1 (2) is the CPU of Company B, MC 2 VC is memory 2 (1) is the memory of company C, VC 2 (2) is the memory of company D.
[0059]
In addition, an order relationship such as the following equation (1) is defined for each component type.
[0060]
[Expression 1]
[0061]
This equation (1) is the component type MC 1 Is determined specifically, the next component type MC 2 Is determined. The same applies hereinafter.
[0062]
In addition, each component type MC i The specific components corresponding to the following component types MC i + 1 There are specific components that can be combined among the specific components. In this case, “can be combined” means that it has been confirmed that it can actually be procured and operates. For example, a specific component VC between the types of components in FIG. i And VC i + 1 A link between and indicates that “can be combined”. It is appropriate to judge that “cannot be combined” when the stock situation is extremely unbalanced.
[0063]
(Database on the Internet) A database 2-1 that stores necessary information of specific components corresponding to all types of components necessary for producing a certain product is provided. This database 2-1 includes necessary information such as the price of a specific component, the transportation cost to the assembly plant, the inventory status, and whether or not it can be combined with a specific component of another component type. By constructing such a database 2-1 on the Internet, the customer can know the price and inventory status of parts in real time.
[0064]
(Specific component information) The specific component information stored in the database on the Internet includes price (updated from the vendor in real time), inventory status (updated from the vendor in real time), and transportation. Cost and time (transportation cost and time information to the customer's assembly plant, such information can be determined by showing the location of the vendor, for example), specifications (specific types of other components that can be combined, etc.), For example, traffic information, accident information, weather information, and the like can be obtained as other related information and data.
[0065]
Initially, transportation costs are calculated based on the vendor's location. When the user places an order processing, the vendor who receives the order writes the transportation cost data in the super-e-marketplace database at the stage of shipping the parts. Based on this, the transportation cost is calculated. If the transportation cost of the data required for obtaining the optimal solution is mixed with the temporary data that was initially set and the transportation cost that was actually calculated, this is notified to the user and all the transportation costs are The user selects whether to calculate based on the location or to exclude the transportation cost from the cost (the weight of the transportation cost is zero). As time goes by, transportation costs gradually approach actual data.
[0066]
(Other related information or data) Other related information or data may be stored in the information of the specific component of the database on the Internet. Information provided by a vendor other than the vendor can be stored by utilizing the fact that this database is constructed on the Internet. For example, weather information can be used to inform a customer whether or not transportation from the vendor to the customer's assembly plant can be performed as scheduled. Similarly, whether or not to arrange shipping, airmail, and trucks for transportation can be presented to customers in real time through a cross-industry super e-marketplace. Similarly, the transportation status of the specific components ordered by the customer can be presented to the customer.
[0067]
C. Recommendation system by immune system
Genetic algorithms are known as optimization techniques inspired by biology, but optimization techniques inspired by the immune system are also used in computer virus countermeasures. Using the immune system inspired by the characteristics of the immune system such as “acquisition of immune tolerance”, “clone selection theory”, and “memory cells”, solution candidates for the optimal solution are generated at high speed. Use cell analogy.
[0068]
It is the product model that is presented to the immune system. The problem is to find the optimal specific component combination that corresponds to each component of the model of this product. In the present invention, a memory cell is used as an analogy of an organism's immune system. For this reason, the solution of the previously presented problem is stored in this memory cell, and when the same problem is presented to the immune system, the previous solution is immediately answered. When a specific product model is presented to the recommendation system by the immune system as a problem, the solution is searched by the following procedure.
[0069]
(1) Check whether the product model, that is, the customer's specification is the same as previously presented.
[0070]
(2) If the same as previously presented, answer the solution stored in the memory cell. However, if the previous solution is based on old data that is more than a predetermined period, the previous solution is not answered.
[0071]
(3) In the case of a model of a product that has not been presented before, a solution is obtained by dynamic programming described later or a genetic algorithm.
[0072]
(4) Store the obtained solution in memory cells and the specifications in a database.
[0073]
Since the database data on the Internet is updated in real time, the previously obtained solution may not be the optimal solution over time.
For this reason, stored solutions that have passed for a certain period of time are not answered.
[0074]
D. Dynamic programming
A method for obtaining a specific combination of components for assembling a product from a database on the Internet as shown in FIG. 7 will be described. A directed graph having all the specific components as nodes can be constructed using the product model shown here. Add start s and goal g nodes to the set of nodes for all specific components. This is to facilitate later formulation.
[0075]
The directed graph considered here starts from start s. Component type MC from node s 1 All specific components VC belonging to 1 There is a link to (i). Next, component type MC 1 Each specific component VC 1 (i) The following component types MC that can be combined with 2 Specific component VC belonging to 2 VC if (j) is present 1 (i) to VC 2 Link to (j). The same applies hereinafter.
[0076]
However, MC at the end N All specific components of VC N Link from (k) to goal (g). In this way, as shown in FIG. 7, a directed graph having specific components and {s, g} as nodes is obtained.
[0077]
Components that constitute a specific product can be obtained by using the directed graph. That is, the next node VC starting from start s and linked to s 1 (i 1 ) Is selected. Then this selected node VC 1 (i 1 Type of component MC linked to) 2 Node VC belonging to 2 (i 2 ) Is selected. The same operation is repeated thereafter. Finally, the node g is reached and the operation ends. As described above, a specific product configuration corresponds to a path from one start s to the goal g in the directed graph.
[0078]
From the database on the Internet, it is possible to accurately know the price, transportation cost, inventory status, etc. of specific components corresponding to each node. These can be weighted if necessary to assign costs to specific components.
[0079]
Using this specific component cost, an objective function can be defined in the path corresponding to the product configuration as described above. This is a weighted sum of the costs of specific components on the path. The problem can be formulated as follows: “Find a path with the minimum objective function in the path from node s to node g in the directed graph”.
[0080]
This is a well-known shortest path problem, which can be solved by dynamic programming. If the solution does not have to be exactly the optimal solution, it is also effective to obtain the solution by a genetic algorithm or the like, and the genetic algorithm can be accelerated by hybridizing dynamic programming and the genetic algorithm.
[0081]
E. Genetic algorithm
The genetic algorithm can determine the optimal specific component combination of the components of the model of the presented product. This corresponds to a somatic mutation in the organism's immune system. Specifically, an initial population is created from a stored solution by a method such as mutation, and based on this previous solution, a solution is created by a genetic algorithm based on the latest data obtained from a database on the Internet. Ask for.
[0082]
(Chromosome coding method) When the symbol is used, the chromosome is expressed as the following equation (2).
[0083]
[Expression 2]
[0084]
FIG. 8 shows the chromosome indicated by this symbol.
[0085]
That is, the route of the directed graph starting from the start s described above with reference to FIG. 7, connecting nodes linked to s in order, and finally reaching the goal g is shown as a chromosome.
[0086]
(Crossover) The crossover method may be considered as a crossover that acts on the chromosome.
This considers two parental chromosomes represented by the following formulas (3) and (4).
[0087]
[Equation 3]
[0088]
The chromosome represented by the above formula (3) represents the pathway of the following formula (5), and the chromosome represented by the above formula (4) represents the pathway of the following formula (6).
[0089]
[Expression 4]
[0090]
Consider switching the routes expressed by the chromosomes of these two parents. A set of two adjacent nodes capable of switching two paths as shown in the following expression (7) or (8) on the path is obtained.
[0091]
[Equation 5]
[0092]
Or
[0093]
[Formula 6]
[0094]
It is. In this case, as shown in FIGS. 9 and 10, at least one child is formed.
[0095]
The example shown in FIG. 1 And G 2 Are cut at the alternate long and short dash line, and when these are reconnected, the specific component R1 is linked to the specific component R2 ', and the pattern in the alternate long and short dash line part matches, Is possible and the child's chromosome G Three Can be obtained. However, in A ′ + B, since the specific component R1 ′ is not linked to R2, the patterns do not match and such reconnection is not possible. Note that these components R1, R2, R1 ′, and R2 ′ indicate genes in the chromosome of the focused individual.
[0096]
The example shown in FIG. Ten And G 11 And A + B ′ are linked to their specific components R1 and R2 ′, and A ′ + B is also linked to their specific components R1 ′ and R2. Therefore, it is possible to change both of these. 12 , G 13 Can be obtained.
[0097]
Such a pair of two adjacent nodes is found and described in the list, and a pair of two adjacent nodes that perform the switching crossover by the following method is found from this list.
[0098]
(1) Select at random from the list.
[0099]
(2) Select from a set of adjacent nodes where only one child can be created (FIG. 9)
[0100]
(3) Select from a set of adjacent nodes that two children can make. (FIG. 10).
[0101]
Depending on whether only one cut point or a plurality of cut points are allowed for such crossover, one-point crossover crossover, multipoint crossover crossover, or the like can be considered.
[0102]
When crossover is performed when finding a solution using a genetic algorithm, a list of two adjacent nodes (crossover points) that can reroute the paths represented by the two parent chromosomes is created, and the crossover points are randomly selected from this list. You can choose.
[0103]
Further, it is possible to select whether to perform crossover at only one crossover point or crossover at a plurality of crossover points among crossovers based on path switching.
[0104]
(Mutation) As a mutation acting on the above chromosome, a chromosome gene as shown in the following formula (9) is VC. k (i k ) think of. Where component type MC k Specific component VC belonging to k (p) is a specific component VC k-1 (i k-1 ) And VC k (p) and VC k (p) and VC k + 1 (i k + 1 ) Is considered to be a link as a directed graph node.
[0105]
[Expression 7]
[0106]
At this time, the gene VC of the formula (9) k (i k ) Mutations can be applied.
And after the mutation, the gene VC k (i k ) Is VC k (p), and the chromosome changes as shown in the following equation (10).
[0107]
[Equation 8]
[0108]
If the above VC k When there are multiple (p), the following mutations are considered. That is, the random mutation shown in FIG. 11 and the local optimization mutation shown in FIG.
[0109]
Random mutation is a VC shown in the dotted line in FIG. k (i k ) Is a mutation method that randomly selects one of a plurality of candidates that change. However, in this case, as shown in FIG. 11A, when specific components R and R1 are linked, as shown in FIG. 11B, mutation can be performed with R and R1 linked. As shown in (C), it cannot be mutated when R and R1 are not linked.
[0110]
As shown in FIG. 12A, the local optimization mutation selects the candidate having the highest fitness when there are a plurality of candidate mutation destinations b and c within the dotted line. Mutation method. The case of FIG. 12 shows an example in which c is selected over b as shown in FIG.
[0111]
For fitness, a fitness function defined as the following equation (11) can be used.
[0112]
[Equation 9]
[0113]
In equation (11), Cost k Is a specific component VC which is the kth gene of the chromosome k (i k ) Is a weighted sum of multiple costs. These costs can be obtained from a database on the Internet. By defining the fitness in this way, it is possible to know an optimal specific combination of components.
[0114]
The operation of the embodiment of the present invention shown in FIG. 2 will be described based on the flowchart shown in FIG.
[0115]
S1. The user 9 inputs the model or specification of the product he / she desires.
[0116]
S2. The memory cell 3-0 receives this via the interface 3-2 and checks whether there is a solution of the same product model.
[0117]
S3. When a solution exists, it is checked whether or not the solution is obtained within a predetermined period.
[0118]
S4. If the existing solution is obtained within a certain period, the memory cell 3-0 presents this solution to the user 9 via the optimization tool 3-1 and the interface 3-2.
[0119]
S5. In view of this, when the user 9 orders a part using this solution, the order processing means 3-4 recognizes this and performs the order processing. If no order is placed, the process ends.
[0120]
S6. If the ordering process is performed, the charging collection means 3-5 collects the charges for the user 9 based on the ordering process.
[0121]
S7. By the way, in S3, when the determined solution has passed a predetermined period, the front end of the customer information management /
[0122]
S8. When the user 9 selects to find a new solution, the optimization tool 3-1 obtains the solution from the database 2-1 on the Internet by dynamic programming, and presents the solution to the user as in S4. The processes from S5 onward are performed.
[0123]
S9. When the user 9 does not choose to obtain a new solution, the optimization tool 3-1 obtains a solution using a genetic algorithm based on the old solution that has passed the certain period of time, and performs the same as in S4. Presented to the user, the processing from S5 onward is performed.
[0124]
A specific embodiment of the present invention will be described with reference to FIG. In FIG. 14, three component types MC as product models 1 , MC 2 , MC Three Consider the case where Each component type has three specific components VC 1 (i) (i = 1,2,3), VC 2 (i) (i = 1, 2, 3), VC Three (i) It shall have (i = 1,2,3). For example, if the product model is a personal computer, MC 1 Is a CPU, MC 2 Is memory, MC Three Can be considered a hard disk. Each specific component is assigned a cost as shown in FIG. Since it is assumed that all necessary information can be extracted from the “database on the Internet”, it is expected that most of these specific components are possible in most cases.
[0125]
An order relationship was assumed for each component type. Using this order relation, MC 1 One specific component VC in 1 MC that can be combined with (i) 2 Specific component VC in 2 (j) is determined. The same applies hereinafter.
[0126]
However, for some reason, for example, there are some cases where the combination cannot be performed due to unbalanced inventory, technical problems, quality unguaranteed, or the like, that is, the link cannot be made. In such a case, it is necessary to configure an optimal combination using an optimization method.
[0127]
Here, it is assumed that a product model is given by a directed graph as shown in FIG. In FIG. 14, the VC is shown in order to simplify the display of each specific component. 1 (1) is 0, VC 1 (2) is 1, VC 1 (3) is 2, VC 2 (1) is 3, VC 2 (2) is 4, VC 2 (3) is 5, VC Three (1) is 6, VC Three (2) is 7, VC Three (3) is abbreviated as 8. It is assumed that the cost of each specific component is as shown in FIG. When the minimum cost of the product model is obtained by dynamic programming, it becomes 16, and the specific combination of components constituting the corresponding product model can be obtained as “1, 4, 6”.
[0128]
In the business model presented in the present invention, the procurement of parts in the “super e-market place” is made efficient by combining the “database on the Internet”, immune system, dynamic programming, and genetic algorithm. In addition, the ability to adapt to actual changes in the procurement status of parts can be increased.
[0129]
In addition, by using a fast algorithm suitable for genetic algorithm, crossover, and mutation, the solution can be generated effectively and the optimum solution can be searched efficiently.
[0130]
Embodiments of the present invention will be described below.
[0131]
(Additional remark 1) In the optimal component selection apparatus which provides the user who produces a product by combining a plurality of components, the optimum combination of components for creating the product,
A database for the super-e-marketplace on the Internet, combining the latest components provided by multiple component providers,
An optimization tool for accessing the database for this super-e-marketplace to find the optimal solution,
Billing collection means that performs billing collection processing when the user finds the optimal solution and orders components
A device for selecting parts in a super e-market place.
[0132]
(Supplementary Note 2) Component data in the database for the super e-marketplace on the Internet includes component price, transportation cost to the user assembly factory, inventory status, and availability information of combination with other components. The part selection apparatus in the super e-market place described in (Appendix 1).
[0133]
(Additional remark 3) The method of using the model of the product defined using the kind of the some component in which the order relationship was defined as a product of (Appendix 1).
[0134]
(Supplementary Note 4) Component data, which is provided for the convenience of the user by using additional data to the component data of (Supplementary Note 2) as the component data of “Database on the Internet” in (Supplementary Note 1).
[0135]
(Supplementary Note 5) As the optimization means of (Supplementary Note 1), the product model of (Supplementary Note 3) is used, and specific components of component types are determined from the database on the Internet of (Supplementary Note 1) and layered based on this. An optimization device characterized in that it constitutes a network and finds an optimal combination of specific components by dynamic programming.
[0136]
(Supplementary Note 6) In the super e-marketplace described in (Appendix 1), the optimization means is based on weighted amounts of price and transportation cost as component costs from a database on the Internet. Parts selection device.
[0137]
(Appendix 7) When configuring a layered network with the specific components in (Appendix 5) as nodes, link between nodes representing specific components that cannot be combined based on the specifications of the database on the Internet. A layered network configuration method that uses a method that does not make it.
[0138]
(Supplementary note 8) The component selection apparatus in the super e-market place according to (Appendix 1), wherein an immune type means is used as the optimization means in order to optimize the combination of components.
[0139]
(Appendix 9) An immune system characterized by using a method similar to “memory cell” for storing a solution of a product model presented in the immune system of (Appendix 8).
[0140]
(Supplementary Note 10) (In the immune type system of Supplementary Note (8), when a method similar to “memory cell” is used, a solution that has passed a certain period of time in a product model solution is not presented to the user. Similar to “memory cells”.
[0141]
(Additional remark 11) When a solution is not presented when using memory cell type means as the immunotype means, a new solution is obtained by dynamic programming, or based on a solution that is not presented over time The part selection apparatus in the super e-marketplace described in (Appendix 1), wherein a user designates whether a solution is obtained by a genetic algorithm.
[0142]
(Appendix 12) Among the methods using the method similar to “memory cell” in (Appendix 11), when obtaining a solution by a genetic algorithm, the past solution stored by the method similar to “memory cell” is used. A genetic algorithm that uses mutations to create an initial population.
[0143]
(Appendix 13) Among the methods using the method similar to “memory cell” in (Appendix 11), the method of chromosomal coding when finding a solution by a genetic algorithm leads to the goal from the start of a layered network of product models. A genetic algorithm using a path-based coding method.
[0144]
(Appendix 14) Among the methods using the method similar to “memory cell” in (Appendix 11), the crossover method for obtaining a solution by a genetic algorithm can be switched by a path represented by two chromosomes. A crossover method in which a child is found by switching routes after finding a set of two adjacent nodes.
[0145]
(Appendix 15) In the method using the method similar to “memory cell” in (Appendix 11), when crossover is performed when obtaining a solution by a genetic algorithm, the paths represented by the two parent chromosomes are switched. A crossover method of creating a list of two adjacent nodes (crossover points) that can be selected and randomly selecting a crossover point from this list.
[0146]
(Appendix 16) In the method using the method similar to “memory cell” in (Appendix 11), when crossover is performed when obtaining a solution by a genetic algorithm, the paths represented by the two parent chromosomes are switched. A crossover method that creates a list of two adjacent nodes (crossover points) that can be used and selects a crossover point from a set of crossover points from which only one child can make.
[0147]
(Supplementary Note 17) In the method using the method similar to “memory cell” in (Supplementary Note 11), when crossover is performed when obtaining a solution by a genetic algorithm, the paths represented by the two parent chromosomes are switched. A crossover method that creates a list of two adjacent nodes (crossover points) that can be used and selects a crossover point from a set of crossover points that can be created by two children from this list.
[0148]
(Supplementary Note 18) Crossover is executed at only one crossing point or a plurality of crossing points among crossovers based on path switching in the method of (Supplementary Note 15) or (Supplementary Note 16) or (Supplementary Note 17). A method characterized in that a crossover is performed.
[0149]
(Supplementary note 19) Among the methods using the method similar to “memory cell” in (Supplementary note 11), a node is represented by a node in the chromosomal expression path of an individual as a mutation when obtaining a solution by a genetic algorithm. A mutation characterized in that a replacement partner is randomly selected when the specific component can be replaced with another specific component of the component type to which the specific component belongs.
[0150]
(Supplementary note 20) Among the methods using the method similar to “memory cell” in (Supplementary note 11), a node is represented by a node in a path of a chromosome expression of an individual as a mutation when obtaining a solution by a genetic algorithm. If the specific component type to which the specific component belongs can be replaced with another specific component, select the replacement partner that has the highest fitness, and if any replacement partner does not increase the fitness, replace it Mutation characterized by not.
[0151]
(Appendix 21) Among the methods using a method similar to “memory cell” in (Appendix 11), the price of a specific component that is a gene of an individual chromosome, the transportation cost, etc. when obtaining a solution by a genetic algorithm A method in which the weight obtained by adding the weight to the cost is the fitness obtained by subtracting the sum of all genes from the constant value.
[0152]
The following effects are produced by these supplementary notes.
[0153]
(1) Use an ultra-e-marketplace database on the Internet that combines the latest components provided by multiple component providers, and use this to access the optimization means for users to find the optimal solution. Thus, necessary component information from a plurality of providers can be easily obtained using the Internet in real time.
[0154]
(2) The component data of the database on the Internet includes the price, transportation cost, inventory status, and other component combination availability information, etc., so the information that takes these matters into account is accurate. Can get to.
[0155]
(3) The dynamic programming can be used by defining the specification, and a solution can be obtained at a high speed as a minimum cost problem.
[0156]
(4) Traffic information, accident information, weather forecast information, etc. can be added to a database on the Internet for user convenience.
[0157]
(5) Using a product model, determine specific components of component types from a database on the Internet, configure a layered network based on this, and find the optimal combination of specific components using dynamic programming. Therefore, a solution can be obtained at high speed.
[0158]
(6) It is possible to accurately obtain data weighted on items that are regarded as important by the user, such as component prices and transportation costs.
[0159]
(7) Since no link is created between nodes representing specific components that cannot be combined based on the specifications of the database on the Internet, the path of dynamic programming is reduced and a solution can be obtained at high speed. .
[0160]
(8) Since an immune type means is used as an optimization means for accessing a database for a super e-marketplace for the Internet, when a desired data is already accessed by another user, a solution is immediately provided. be able to.
[0161]
(9) Since the solution of the product model is stored, when the same product model is input from the user, the stored solution is presented, so that the necessary solution can be provided at high speed.
[0162]
(10) Since the solution of the stored product model is not presented to the user after a predetermined period of time, a solution with new data can be provided to the user.
[0163]
(11) When a memory cell type means is used as an immune type means, when a solution is not presented, whether a new solution is obtained by dynamic programming, or based on a solution that has not been presented because time has passed Since the user can specify whether the solution is calculated using an algorithm, the solution can be calculated according to the user's preference. For example, if old data suits the user's preference, a solution can be obtained by a genetic algorithm based on the old solution.
[0164]
(12) Since an initial population is created by applying mutations to past solutions stored in memory cells and a solution is obtained by a genetic algorithm, a solution with a personality that matches the user's solution in the past is quickly obtained. be able to.
[0165]
(13) Since the coding method based on the route from the start of the layered network of product models to the goal is used for the chromosome coding method, chromosomes can be obtained from a database on the Internet, and a solution can be obtained quickly. it can.
[0166]
(14) A good solution different from the parent can be searched by crossover.
[0167]
(15) Since various children can be created, the range of solutions can be expanded.
[0168]
(16) When creating a crossover list, the number of children can be limited to one set, so the size of the entire group can be limited, so when a good solution is likely to be obtained, limit the size of the group And a good solution can be obtained quickly.
[0169]
(17) Since two sets of children can be obtained at the initial stage of crossover, variations can be increased.
[0170]
(18) If a large number of crossover points are selected, a property different from the parent can be created. Also, if the number of generations has passed and there is not much change, it is possible to select to perform crossover at one crossover point and obtain a good solution. In this way, either one can be selected for each generation.
[0171]
(19) It can be changed randomly so as not to fall into the local minimum.
[0172]
(20) When a plurality of specific components can be exchanged, an exchange partner with the highest fitness can be selected, so that an optimum combination of specific components can be obtained.
[0173]
(21) Since the weight obtained by weighting the specific component cost is the fitness obtained by subtracting the sum of all genes from the constant value, the optimal combination of components can be easily obtained.
[0174]
【The invention's effect】
According to the present invention, the following effects can be obtained.
[0175]
(1) Use an ultra-e-marketplace database on the Internet that combines the latest components provided by multiple component providers, and use this to access the optimization means for users to find the optimal solution. Thus, necessary component information from a plurality of providers can be easily obtained using the Internet in real time.
[0176]
(2) The component data of the database on the Internet includes the price, transportation cost, inventory status, and other component combination availability information, etc., so the information that takes these matters into account is accurate. Can get to.
[0177]
(3) It is possible to accurately obtain data weighted on items that are regarded as important by the user, such as component prices and transportation costs.
[0178]
(4) Since an immune type means is used as an optimization means for accessing a database for a super e-marketplace for the Internet, a solution is immediately provided when desired data is already accessed by another user. be able to.
[0179]
(5) When a memory cell type means is used as an immune type means, when a solution is not presented, a new solution is obtained by dynamic programming, or genetics based on a solution that has not been presented because time has passed Since the user can specify whether the solution is calculated using an algorithm, the solution can be calculated according to the user's preference. For example, if old data suits the user's preference, a solution can be obtained by a genetic algorithm based on the old solution.
[Brief description of the drawings]
FIG. 1 is a schematic view of the present invention.
FIG. 2 is an embodiment of the present invention.
FIG. 3 is an explanatory diagram of a genetic algorithm.
FIG. 4 is an explanatory diagram of selection in a genetic algorithm.
FIG. 5 is a cross-sectional explanatory diagram of a genetic algorithm.
FIG. 6 is an explanatory diagram of mutations in a genetic algorithm.
FIG. 7 is an explanatory diagram of a product model.
FIG. 8 is an explanatory diagram of a chromosome coding method of a genetic algorithm.
FIG. 9 is an explanatory diagram when only one child can be created by crossover of the genetic algorithm.
FIG. 10 is an explanatory diagram when two children can be created by crossing the genetic algorithm.
FIG. 11 is an explanatory diagram of mutations in a genetic algorithm.
FIG. 12 is an explanatory diagram of a locally optimized mutation.
FIG. 13 is a flowchart illustrating the operation of the present invention.
FIG. 14 is an explanatory diagram of an embodiment of the present invention.
FIG. 15 is an explanatory diagram of a conventional manufacturer model.
[Explanation of symbols]
1-0 to 1-n e-market place
2 Super e-marketplace database
3 Customer Information Management / Optimization Department
4 Information supplement part
5-0 to 5-2 users
6-0 to 6-2 users
7-0 to 7-2 users
8-0 to 8-2 users
9 users
Claims (1)
複数のコンポーネント提供者から提供される複数のコンポーネントの情報を格納するデータベースと、
このデータベースをアクセスしてユーザーが最適解を見つける最適化手段と、
ユーザーが最適解を見つけ、コンポーネントの発注を行った場合に課金徴収処理を行う課金徴収手段とを具備し、
初回に、前記最適化手段は、コンポーネントの組み合わせの最適化を実行するために、データベースを参照して動的計画法を用いて解を求めて、この解をユーザーに提示し、
前記ユーザーで前記解が選択された場合に、前記解を前記データベースに保存し、
次回から、前記最適化手段は、コンポーネントの組み合わせの最適化を実行するために、前記データベースに一定期間以内の解が保存されている場合には、この解をユーザーに提示し、
前記データベースに解が保存されているが一定期間以内の解ではない場合に、新規に解を求めるか否かを前記ユーザーに問合せ、
前記ユーザーにより新規に解を求めることが選択された場合、前記動的計画法を用いて解を求め、
前記ユーザーにより新規に解を求めることが選択されなかった場合、前記データベースに保存されている一定期間以内の解ではない解を基に前記データベースを参照して遺伝的アルゴリズムを用いて解を求めることを特徴とする超eーマーケットプレースにおける部品選択装置。In the optimum part selection device that provides the user who creates a product by combining multiple components with the optimal combination of components to create the product,
A database that stores information on multiple components provided by multiple component providers;
And optimization means that the user find the optimal solution to access the this database,
Charging collection means for performing charging collection processing when a user finds an optimal solution and orders a component ;
For the first time, the optimization means obtains a solution using dynamic programming with reference to a database to perform optimization of the combination of components, and presents this solution to the user.
If the solution is selected by the user, store the solution in the database;
From the next time, the optimization means presents the solution to the user when a solution within a certain period is stored in the database in order to optimize the combination of components.
If the solution is stored in the database but is not within a certain period of time, the user is inquired whether to seek a new solution,
If the user chooses to find a new solution, find the solution using the dynamic programming,
If a new solution is not selected by the user, a solution is obtained using a genetic algorithm with reference to the database based on a solution stored in the database that is not within a certain period of time. The part selection apparatus in the super e-market place characterized by this.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001155576A JP4563614B2 (en) | 2001-05-24 | 2001-05-24 | Parts selection device in super e-marketplace |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001155576A JP4563614B2 (en) | 2001-05-24 | 2001-05-24 | Parts selection device in super e-marketplace |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002352123A JP2002352123A (en) | 2002-12-06 |
JP4563614B2 true JP4563614B2 (en) | 2010-10-13 |
Family
ID=18999738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001155576A Expired - Fee Related JP4563614B2 (en) | 2001-05-24 | 2001-05-24 | Parts selection device in super e-marketplace |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4563614B2 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5124140B2 (en) * | 2003-09-19 | 2013-01-23 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | Storage system design method |
GB0908514D0 (en) * | 2009-05-18 | 2009-06-24 | Romonet Ltd | Data centre simulator |
US20140304104A1 (en) * | 2013-04-08 | 2014-10-09 | Amazon Technologies, Inc. | Identifying part interchanges at electronic marketplaces |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10113851A (en) * | 1996-10-09 | 1998-05-06 | Nec Corp | Production line efficiency promoting method |
JP2000132596A (en) * | 1998-10-21 | 2000-05-12 | Ntt Data Corp | Electronic trade transaction system and center therefor |
JP2001014021A (en) * | 1999-07-02 | 2001-01-19 | Hitachi Ltd | Order reception system, terminal on customer side, order receiving method and storage medium |
JP2001060233A (en) * | 2000-01-01 | 2001-03-06 | Hitachi Ltd | Order receiving production method |
-
2001
- 2001-05-24 JP JP2001155576A patent/JP4563614B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10113851A (en) * | 1996-10-09 | 1998-05-06 | Nec Corp | Production line efficiency promoting method |
JP2000132596A (en) * | 1998-10-21 | 2000-05-12 | Ntt Data Corp | Electronic trade transaction system and center therefor |
JP2001014021A (en) * | 1999-07-02 | 2001-01-19 | Hitachi Ltd | Order reception system, terminal on customer side, order receiving method and storage medium |
JP2001060233A (en) * | 2000-01-01 | 2001-03-06 | Hitachi Ltd | Order receiving production method |
Also Published As
Publication number | Publication date |
---|---|
JP2002352123A (en) | 2002-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180314992A1 (en) | Peer-to-Peer Activity Sequence Structure Method and System | |
Xu et al. | Multi-objective decision making model under fuzzy random environment and its application to inventory problems | |
Muther | Customer relationship management: Electronic customer care in the new economy | |
US20070073553A1 (en) | Adaptive Commerce Systems and Methods | |
US20060085281A1 (en) | Online shopping system and method | |
US20070244769A1 (en) | User interaction for trading system and method | |
US20070073554A1 (en) | Location-Aware Adaptive Systems and Methods | |
Nepal et al. | A multi-objective supply chain configuration model for new products | |
Zhang et al. | Learning to select supplier portfolios for service supply chain | |
Soto et al. | Mathematical modeling and hybridized evolutionary LP local search method for lot-sizing with supplier selection, inventory shortage, and quantity discounts | |
US20060085282A1 (en) | Online shopping system and method | |
Moon et al. | An agent-based recommender system for developing customized families of products | |
Niroomand et al. | A hybrid solution approach for fuzzy multiobjective dual supplier and material selection problem of carton box production systems | |
CN114493430A (en) | Logistics distribution system and method based on big data | |
Bulsara et al. | Supply chain performance measurement–an exploratory study | |
Tsafarakis | Redesigning product lines in a period of economic crisis: a hybrid simulated annealing algorithm with crossover | |
JP4563614B2 (en) | Parts selection device in super e-marketplace | |
Fu et al. | Scheduling stochastic distributed flexible job shops using an multi-objective evolutionary algorithm with simulation evaluation | |
Gautam et al. | An improved-based TOPSIS method in interval-valued intuitionistic fuzzy environment | |
Jana et al. | Multi-objective imperfect production inventory model in fuzzy rough environment via genetic algorithm | |
Li et al. | An integrated methodology for robustness analysis in feature fatigue problem | |
Zheng et al. | Multi-objective demand fulfillment problem for solar cell industry | |
TWI746063B (en) | Labeling method and system for human-machine-mediated action tracking and management | |
Sun et al. | Hybrid evolutionary algorithm for integrated supply chain network design with assembly line balancing | |
de Matta et al. | Product price alignment with seller service rating and consumer satisfaction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100705 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20100705 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100705 |
|
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: 20100727 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100729 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130806 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |