JP4757729B2 - 製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体 - Google Patents

Description

本発明は、例えば鉄鋼製造業などの多種かつ小ロット製品を大量に生産するプロセスを持つ製造業の製造工程における生産管理技術に関し、特に製品属性の似ている製品同士をグループ化して複数の品種グループにまとめて定義するとともに、品種グループ毎の製造負荷を予測して、生産性の向上を図るのに用いて好適な製造負荷予測装置、製造負荷予測方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体に関する。

例えば、鉄鋼製造業における鉄鋼製品は、その材質を規定した規格や客先での用途に応じたサイズなどの製品属性が極めて多岐に渡るため、その製造仕様、例えば化学的な組成や成形方法、熱処理方法などが極めて多岐に渡るという特徴がある。さらに、顧客での製品使用予定に合わせた納期遵守と納期短縮の要求が強くなっている。

一方、製造工程においては大量生産による生産性向上の観点から、同一製造仕様の注文を複数まとめてロット単位で生産することが求められている。鉄鋼製品の製造工程は、製鋼、圧延、精整、出荷など複数の製造設備からなり、それぞれの製造設備の最適なロット条件は異なる。従って、ある製造設備でのロットに関する生産性向上の追求が他の製造設備の生産性を低下させたり、上流工程でのロットまとめが下流工程での製造負荷集中につながり仕掛増や製造工期増を引き起こしたりすることがある。そのために、製造設備間でのトレードオフを考慮したロットを作成することが求められる。また適正規模のロットを作るための先作りは余分な製品在庫や、それに応じた工期増を引き起こすこととなる。なお、本願明細書では製造負荷とは各製造設備での処理量（製造量）を指すものとする。

これに対し鉄鋼業では以下のような生産管理を行っていることが多い。営業部門が顧客から注文の引合を受け、注文の製造仕様や要望納期などに基づいて、受注可否や必要に応じた納期交渉を行った上で、製鉄所へ注文情報の製造指示を行う。製鉄所では、営業部門から指示のあった注文情報に基づきさらに詳細な製造仕様を検討する。製造仕様に基づき、納期や製造工期、製造工程での生産性などを考慮しつつ各製造設備の製造ロットとその製造タイミングを計画し、各製造設備へ生産指示を出す。

このように受注段階で大まかな納期交渉を行っているものの、先に述べたような製造工程の複雑さと多品種かつ小ロット注文を大量に取り扱う規模の大きさと複雑さとが相まって、営業部門において受注段階で各製造設備でのロットのまとまり具合や製造負荷まで考慮した納期交渉を適切に行うことは難しいのが現状である。

また、注文情報が営業部門から製鉄所に指示された後、つまり納期の目標が確定した後においては、製造着手タイミングの決定が重要な計画要素となる。例えば、製鋼設備では生産性や歩留の観点からできるだけ同一成分の注文をまとめて製造することが望まれるが、一方で製鋼以降の工程での製造負荷を平準化する必要がある。そのため、製鋼設備での大ロット化と下流工程での製造負荷平準化を両立するような、製造プロセス全体を一貫工程として最適な計画を立案することが必要である。しかしながら実際には、多品種であるがゆえに製造フローが多岐に渡るため、さらには検査設備で見つかった疵等の品質欠陥の手入れなどの精整設備（製造設備の一つ）の製造負荷は製品検査後でないと確定しないために、計画段階で製造負荷を精度良く予測して対策を打つことが難しい。そのために結果として製造後の製造負荷が増大し、仕掛増による工期増となることがあった。

このような状況において、現状の生産現場では製造工程の管理者が、製造プロセスの特性に基づいて製品を大まかな品種グループに分類し、品種グループ毎の製造負荷の実績平均値を製造負荷予測に用いるという方法がよく用いられる。

また、特許文献１では、多品種少量生産の組み立て加工ラインにおいて、製品の部品構成又は製造ラインに対する要求量が類似する品種群を同一品種のグループとして取り扱い、製造ラインの負荷を適切に平準化する生産指示量平準化装置が提案されている。

特開平１０−１３８１０２号公報 「よくわかる多変量解析の基本と仕組み」、山口和範他、秀和システム、(２００４)

しかしながら、上記の従来の方法では、製造プロセスに関する知見から大まかな品種のグループに分類しているため、同一の品種のグループであっても製品によって製造負荷が異なるなど、製造負荷を予測する精度はかならずしも十分ではなかった。

また、特許文献１に開示された生産指示量平準化装置では、製品の部品構成又は製造ラインに対する要求量が類似する複数の品種を一つの品種群（品種グループ）として取り扱っているという点で品種グループ作成の条件が明確であるが、多品種かつ小ロット注文を大量に取り扱うとともに複雑な製造フローを持つ製造プロセスでは、多数の製品属性を有する製品について、製造工程全体として適切な規模の種類数の品種グループを作成する際の条件を明確にすることが困難であるという問題があった。

また、製造負荷の予測精度を向上させるための方法として、品種グループの定義を見直すことも考えられるが、多様な属性の組合せを大量に試行錯誤的に検討する必要があり、現実的ではないという問題があった。

また、製造負荷の予測精度を向上させるための別の方法として、品種グループ数を多くすることも考えられるが、これも前記述べた理由と同様、多様な属性の組合せを大量に試行錯誤的に検討する必要があり、現実的ではないという問題があった。

上記の問題に鑑みて、本発明は、多種多様な製品を複数の製造設備で複雑な製造フローの加工を経て大量に製造する製造工程において、各製造設備の能力制約等の製造上の要件を満たした生産計画を作成する際に必須となる品種グループ毎の製造負荷を、迅速かつ高精度に予測する製造負荷予測装置等を提供することを目的とする。

本発明の製造負荷予測装置は、複数の種類からなる複数の製品を小ロットで生産するための、複数の製造設備で構成された一連又は分岐構造を有する製造工程について、過去の製造実績データに基づいて、各製造設備での製品の製造負荷を予測する製造負荷予測装置であって、前記製造実績データに基づき、複数の種類の製品について製品属性が同一又は予め定めた範囲内である製品同士を同一品種グループとする複数の品種グループを作成し、製品を該品種グループに仕分ける、決定木による品種区分ロジックを作成する品種区分ロジック作成手段と、前記製造実績データに基づいて、前記品種区分ロジックを用いて前記品種グループ毎の製造負荷を予測する製造負荷予測モデルを構築する製造負荷予測モデル作成手段と、前記製造負荷予測モデルを用いて、新たな生産計画について各製造設備の製造負荷を導出する製造負荷予測手段と、を備え、前記品種区分ロジック作成手段は、前記製造実績データに基づいて、前記決定木の説明変数として製品の注文情報及び製造仕様情報に含まれる１つ又は複数の製品属性を用い、目的変数として各製造設備の通過工程パターンの実績値を用いて品種区分ロジックを作成することを特徴とする。
本発明の製造負荷予測方法は、複数の種類からなる複数の製品を小ロットで生産するための、複数の製造設備で構成された一連又は分岐構造を有する製造工程について、過去の製造実績データに基づいて、各製造設備での製品の製造負荷を予測する製造負荷予測方法であって、前記製造実績データに基づき、複数の種類の製品について製品属性が同一又は予め定めた範囲内である製品同士を同一品種グループとする複数の品種グループを作成し、製品を該品種グループに仕分ける、決定木による品種区分ロジックを作成する品種区分ロジック作成工程と、前記製造実績データに基づいて、前記品種区分ロジックを用いて前記品種グループ毎の製造負荷を予測する製造負荷予測モデルを構築する製造負荷予測モデル作成工程と、前記製造負荷予測モデルを用いて、新たな生産計画について各製造設備の製造負荷を導出する製造負荷予測工程と、を有し、前記品種区分ロジック作成工程は、前記製造実績データに基づいて、前記決定木の説明変数として製品の注文情報及び製造仕様情報に含まれる１つ又は複数の製品属性を用い、目的変数として各製造設備の通過工程パターンの実績値を用いて品種区分ロジックを作成することを特徴とする。
また、本発明のコンピュータプログラムは、上記に記載の製造負荷予測方法の各工程をコンピュータに実行させることを特徴とする。
また、本発明のコンピュータ読み取り可能な記憶媒体は、上記に記載のコンピュータプログラムを格納したことを特徴とする。

本発明では、個々の製品の製造仕様が同一もしくは一定の範囲内である複数の製品を複数の品種グループとして定義する際に、決定木作成ロジックを適用し、さらに決定木作成の際の目的変数として過去の実績データである通過工程の実績を用いることで、品種区分ロジック決定の際の試行錯誤を低減するとともに、精度の高い製造負荷予測モデルを構築する。そして、得られた製造負荷予測モデルを用いて製造能力にマッチした生産計画を立案することで、生産性向上、仕掛削減、工期短縮などの効果を得ることができる。

以下、本発明の実施形態について図面を参照しながら詳細に説明する。本実施の形態では、複数の製造設備で構成された一連又は分岐構造を有する製造工程からなる製造プロセスとして、鉄鋼業における代表的な製品である厚板の製造プロセスを例にして説明する。厚板製造プロセスの製造設備の概略構成の一例を図１１に示す。

図１１において、転炉Ｐ１では、高温溶融状態の溶鋼を、鉄鋼中間製品の化学的成分である出鋼成分を例えば約３００[ｔｏｎ]単位で調整して、取鍋に出鋼する。この転炉Ｐ１での製造単位（ロット単位）をチャージと呼ぶ。

連続鋳造設備Ｐ２では、転炉Ｐ１で製造されたチャージ単位の中間製品を複数チャージ連続して鋳造し、その後規定の長さで切断することで、例えば約２０[ｔｏｎ]単位のスラブと呼ばれる板状の中間製品を製造する。この連続鋳造機での一連の製造単位をキャストと呼ぶ。製造仕様にもよるが概ね８〜１２チャージを１キャストとして製造する。

圧延設備Ｐ３では、スラブを加熱後、所定の厚みや幅まで圧延加工して成形し、複数のプレートに剪断した後に、表面品質やサイズなどの検査を行う。

精整設備Ｐ４では、圧延設備で注文仕様のサイズまで剪断できなかったスラブの切断を行う。精整設備Ｐ５、Ｐ６では、品質確保のための矯正を行う。精整設備Ｐ７では、品質確保のための手入れを行う。そして、すべての処理を終えた製品は倉庫Ｐ８に配置される。

本実施形態の製造負荷予測装置の概略構成を図１に示す。また、本発明の製造負荷予測方法の実施形態も合わせて説明するために、当該製造負荷予測装置における製造負荷予測モデルの作成フローを図２に示す。

図１において、１は品種区分ロジック作成装置、２は設計パラメータ設定装置、３は製造負荷予測モデル作成装置、４は製造負荷予測装置、５は製造負荷表示装置、６は製造実績データ採取装置、７は製造工程をそれぞれ示す。

以上のように構成された製造負荷予測装置において、厚板を製造する処理で経た製造過程（各製造設備）や製造日時などの製品の製造実績情報は、製造工程７内の各製造設備から製造工程内のＬＡＮ等のネットワークを経由してＩ／Ｏボード（通信ポート）で構成するか、又はＤＶＤ等のマスストレージ＝デバイスで構成した製造実績データ採取装置６を通じて集められる。（図２、ステップＳ１）。

製造実績情報は、製品の組成、サイズ、及び製造工程などの製造仕様、並びに納期や製品量などの注文情報など様々な情報を含んでいる。そのため、製造実績データ採取装置６は、製造負荷予測に関係する情報のみを抽出するとともに異常値を除外するなどの実績データ前処理を行って、製造実績データを作成して、製造実績データベースＤ１に格納される（図２、ステップＳ２）。

次に、キーボードやマウス等の入出力装置を用いて構成された設計パラメータ設定装置２によって、複数の製品を区分する品種グループの数など、品種区分ロジックで用いる決定木を作成するのに必要な設計パラメータを設定する（図２、ステップＳ３）。

ここで、品種区分ロジックを作成するのに用いる決定木について説明する。決定木とはデータの分析手法の一つであって、図７に示したようにデータを様々な条件に従って木の枝葉のように分類していく分析手法であり、製造不良要因の特定や市場情報の分類などに使われている（例えば、非特許文献１の１４３−１６８頁参照のこと）。決定木は、データの固まりである複数のノードから構成されており、データ全体を表すルートノード（根ノード）から始まり、末端のノード（リーフノード、葉ノード）に特定の属性を持つデータの割合が多くなるように、つまり偏りのあるデータが含まれるようにノードを次々と分岐させながら作成される。得られたリーフノードへの分岐条件やリーフノードに属する過去のデータ（学習用データ）を用いることで決定木を各種の予測に使うことができる。予測したい属性を「目的変数」、データの分岐条件を記述する属性を「説明変数」と呼ぶ。決定木作成にあたっては、目的変数や説明変数をどのように定義するか、決定木の大きさ（ノードの数や深さ）をどのように決定するかなどの設計パラメータの設定が、得られた決定木の予測精度や取扱いの容易さなどに深く関係するため極めて重要である。決定木作成にあたり前記したような必要な設計パラ−メータを設定する。

そして製造実績データベースＤ１から読み出した実績データ前処理済みの製造実績データと前記設計パラメータに基づいて、品種区分ロジック作成装置１を用いて、決定木で構成する品種区分ロジックを作成し、品種区分ロジックデータベースＤ２に格納する（図２、ステップＳ４）。

製造負荷予測モデル作成装置３は、製造実績データベースＤ１から抽出した、製品毎の過去予め定めた期間分の製造実績データに含まれている製品属性と、品種区分ロジックデータベースＤ２に格納されている品種区分ロジックとに基づいて、製造実績データの各製品がどの品種グループに属するかを決定し、製品属性として品種グループ名を製造実績データの各製品情報に付与する（図２、ステップＳ５）。そして、以下のような処理を行う。

（ア）品種グループ名を付与した製品毎の過去の製造実績データを品種グループ名に着目して分類し、
（イ）過去一定期間（例えば１年間など）の品種グループ毎の各製造設備での処理発生量を、当該期間における品種グループ毎の全処理量で除することで品種グループ毎・製造設備毎の発生率を算出したものを製造負荷予測モデルとし、
（ウ）当該品種グループの当該製造設備での製造負荷を表すものとして製造負荷予測モデルデータベースＤ３に格納する（図２、ステップＳ６）。

次に、生産計画立案業務における各製造設備の製造負荷を予測するのに前記の製造負荷予測モデルを適用する方法の概略を図３を用いて説明する。図１に示した製造負荷予測装置４は、製造負荷予測モデルデータベースＤ３より製造負荷予測モデルを読み出す（図３、ステップＳ７）とともに、品種グループ毎、期間毎の生産予定量などが記された生産計画情報を生産計画データベースＤ４より読み出す（図３、ステップＳ８）。なお、生産計画情報は、注文の受注状況、設備の稼動状況、生産コスト、生産性などを考慮して生産計画立案者によって作成され、生産計画データベースＤ４に格納されている。なお、生産計画情報はネットワーク等のＩ／Ｏ装置を経由して外部装置から入力しても良い。そして、得られた生産計画情報（品種グループ毎・期間毎の生産予定量）に製造負荷予測モデルが持つ各製造設備の製造負荷を掛け合わせることにより、立案された生産計画が各製造設備にいつ、どの程度の製造負荷を与えるかを予測し（図３、ステップＳ９）、その結果をコンピュータ＝ディスプレーで構成される製造負荷表示装置５へ送り、表示するとともに、生産計画情報を追加もしくは修正する（図３、ステップＳ１０）。生産計画立案者はその結果を確認し（図３、ステップＳ１１）、必要であれば生産計画の修正等のアクションをとる（図３、ステップＳ１２）。

また、前記生産計画に基づいて生産が行われた後の製造実績データをその予測値とともに製造負荷表示装置５に表示することにより、予測と実績の対比を行うことができる。この対比により予測が外れた原因を解析し、各種操業改善に繋げると共に、製造負荷予測モデルの精度を確認し、必要に応じて品種区分ロジックの再構築もしくは製造負荷予測モデルの再構築を行い、予測精度を維持することも可能である。

なお、本発明の目的は前述した実施の形態の機能を実現するソフトウェアのコンピュータプログラムのコードを記録した記憶媒体を、システム或いは装置に供給し、そのシステム或いは装置のコンピュータ（ＣＰＵ若しくはＭＰＵ）が記憶媒体に格納されたプログラムコードを読出し実行することによっても、達成されることは言うまでもない。

この場合、記憶媒体から読出されたプログラムコード自体が前述した実施の形態の機能を実現することになり、当該コンピュータプログラム、及びそのプログラムコードを記憶した記憶媒体は本発明を構成することになる。

プログラムコードを供給するための記憶媒体としては、例えばフレキシブルディスク，ハードディスク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭなどを用いることができる。

また、コンピュータが読出したプログラムコードを実行することにより、前述した実施の形態の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現される場合も含まれることは言うまでもない。

更に、記憶媒体から読出されたプログラムコードが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現される場合も含まれることは言うまでもない。

以下、本発明の、鉄鋼業における厚板の製造プロセスにおける実施例について説明する。品種区分ロジック作成装置１は、製造実績データベースＤ１に格納されている製造実績データのうち、製造負荷予測に関係する製品属性情報を製品単位で抽出する（図２、ステップＳ１）。抽出した情報の一部を図４に示す。製品毎に付与された製品「Ｎｏ．」をキーとして、各製品の厚さや幅などのサイズ、材質の規格、特定製造仕様の有無、及び各製造設備での処理実績の有無などの製造実績情報を持つ。例えば製品１は規格がＡ１、製造仕様１はあり、製品のサイズは厚み１２[ｍｍ]、幅１，０００[ｍｍ]、長さ２０，０００[ｍｍ]である。製品属性には図４に挙げた項目以外にも大量に存在するが製造負荷予測に関係する製品属性はすべて読み出すものとする。読み出す期間は例えば直前の半年間あるいは一年間など、予め定めた期間分過去の製造実績データを抽出する。

次に、読み出したデータに対する実績データ前処理を行う（図２、ステップＳ２）。前記読み込んだデータにはなんらかの不具合により特定の項目の情報が欠落することがあるため、その有無をチェックし、有意なデータのみを抽出する。具体的には、属性情報が空欄であるデータや、製造未着手状態のデータ及び製造着手はしているものの製造完了していないデータなどを除去する。

製品の品種グループ単位の製造負荷を予測するためには、製造実績データに基づいて各製造設備における処理の発生確率（以下、発生率）を精度良く捉えることができるような品種グループを定義する必要がある。ここで発生率とは、当該品種グループに属する製品の単位量あたりの処理発生確率である。例えば「ある品種グループの精整設備（矯正１）Ｐ５の発生率が０．１である」とは、当該品種グループに属する製品を１００[ｔｏｎ]製造した場合に精整設備Ｐ５で処理される量が１０[ｔｏｎ]であることを表す。製造負荷の予測精度を高めるためには、当該品種グループに属する製品であればどのような製品であってもほぼ一定の発生率となるような品種グループを定義することが極めて重要である。

本実施例では、製造実績データベースＤ１から読み込んだ製造実績データにおいて付与されている製品属性を決定木の説明変数の候補とする。目的変数は、「各製造設備の発生率」とすることが自然であるが、各製造設備の発生率は品種グループを定義した上で過去の製造実績データを用いることで初めて算出できる量であるため、単純に目的変数を「各製造設備の発生率」として決定木作成ロジックを適用することはできない。

そこで、本実施例では、「各製造設備の通過工程パターン」を目的変数とした。具体的には精整設備である切断、矯正１、矯正２、及び手入の各製造設備の通過有無の実績値を、通過した場合に１、通過しなかった場合に０とする。全工程について各設備の通過の有、無を１、０の組み合わせの通過工程パターンで表す。その一例を図５に示す。このように各製造設備の通過有無を通過工程パターンとして記号化することにより、品種グループを予め定義することなく、製造実績データのみに基づいて目的変数を設定することができる。通過工程パターンは、本来求めたい各製造設備の発生率と相関が高いため、精度を落とすことなく、目的変数の代用が可能である。

さらに、通過工程パターンを製造設備の通過有無だけではなく、通過回数とすることでさらに精度を高めることもできる。通過有無だけ、又は通過回数も考慮するかのどちらを選択するかは予測対象の製造工程の特性に合わせて選択すればよい。例えば、同一設備を複数回通ることが多い場合は通過回数をパターンに組み入れ、そうでない場合は通過の有無だけを考慮すればよい。

ただし、実際に生じた通過工程パターンの全種類を目的変数とすると、まれにしか発生しない通過工程パターンの場合は実績データ数が少なくなるため、発生率のデータの信頼性が乏しくなる場合がある。そのような場合には実際の通過工程パターン毎の発生量が多い、つまり主要な通過工程パターンのみを目的変数とし、その他の発生量の少ない通過工程パターンは「その他の工程」として集約した結果を目的変数とすることが好ましい。このようにすることで製造設備に負荷を与える主要な通過工程パターンについては精度よくモデル化し、その他の通過工程パターンについては、製造設備への影響が小さいことを利用し、モデルの精度を落としつつ、品種グループ数を少なくし、品種グループの管理を容易にすることができる。具体例を図６に示す。本実施例では、通過工程パターンの発生量を調査した結果、全工程での発生がない００００の通過工程パターンおよび、いずれか１工程のみを通過したパターン（１０００、０１００、００１０、０００１）が全通過工程パターンの大半を占めていたため、それらを目的変数として設定するとともに、その他の通過工程パターンは「その他（Others）」という通過工程パターンとして集約している。このようにすることでモデルの精度に与える影響を最小限にしつつ、目的変数の種類を全１６パターンから６パターンまで削減することができる。

その他の設計パラメータとしては、作成する決定木のリーフノードの数や木構造の深さなど決定木の構造に関するパラメータを設定する。本実施例では、一つのリーフノードが保有するデータ数の上限値を与えるものとする。上限値を小さくするとリーフノードの数が増える、つまり決定木が大きく、深くなることとなる。本実施例ではデータ数上限値を２００とした。

次に、これまで述べた設計パラメータに基づいて、決定木を作成する（図２、ステップＳ４）。決定木作成にあたっては市販の決定木作成ソフトウェアを活用してもよい。得られた決定木の一例を図７に示す。最初は鋼材厚板の板厚を説明変数として、板厚が３２[ｍｍ]より厚いか薄いかによって分岐し、薄い場合は板幅が８００[ｍｍ]より狭いかどうかによって分岐する。このように徐々に分岐を繰り返すことにより末端のリーフノードに辿り着く。末端のリーフノードには代表的な目的変数が付与されている。

次に、作成した決定木にしたがって製品別の製造実績データにある個々の製品に品種グループ名を付与する（図２、ステップＳ５）。例えば、図４の製品１のサイズや規格属性を元に図７の決定木の分岐条件を辿ると品種グループ「１０００」となり、製品１の属性として品種グループ名「１０００」が付与される。以下同様に決定木を用いて全製品に品種グループ名を付与する。

次に、製造実績データを品種グループ毎に分類し、品種グループ毎の各製造設備の通過回数の平均値を算出することで品種グループ別の製造負荷予測モデルを作成する（ステップＳ６）。製造負荷予測モデルの一例を図８に示す。品種グループ毎に各製造設備の発生率[％]を持つ製造負荷予測モデルとしている。作成した品種グループ別の製造負荷予測モデルは製造負荷予測モデルデータベースＤ３に格納する。

次に、上記のようにして導出した製造負荷予測モデルを生産計画立案業務に用いる場合について説明する。ここでは、製鋼工程における連続鋳造設備Ｐ２での製造に関する生産計画立案業務を例にあげて説明する。

連続鋳造設備Ｐ２は、転炉Ｐ１で成分調整された溶鋼を８〜１２個連続して鋳造する設備である。転炉Ｐ１での成分調整は約３００[ton]単位で行われるため、需要家からの注文を納期を考慮しつつ３００[ｔｏｎ]単位のロット（チャージ）に集約するとともに、連続鋳造設備Ｐ２での処理単位であるキャスト（８〜１２チャージ）に集約することで日々の鋳造スケジュールを策定する。立案された鋳造スケジュール例を図９に示す。出鋼成分毎日毎の生産量を計画する。

鋳造スケジュール立案にあたっては、連続鋳造設備Ｐ２における生産性や納期などを考慮するが、合わせて連続鋳造設備Ｐ２以降の下工程での製造負荷を考慮することが重要である。そこで、一旦立案された鋳造スケジュールに含まれる製品の品種グループ及び製造負荷予測モデルに基づいて各製造設備の製造負荷を予測し、各製造設備の能力や稼動スケジュールと対比することにより鋳造スケジュールの妥当性を評価し、問題があれば製品の鋳造タイミングを変更するなどのアクションを製造前に取ることができる。

なお、上述したように生産計画の妥当性を評価するために製造負荷予測モデルを用いる場合には、その精度が重要となる。本実施例で用いた製造負荷予測モデルを用いて予測した手入設備Ｐ７の製造負荷と実績値との比較を図１０に示す。横軸は５日単位を１旬としたときの期間を表し、縦軸は手入設備Ｐ７での処理発生製品数の実績と予測値を表す。精度良く予測できていることが分かる。

このように、製造負荷を精度よく予測できる製造負荷予測モデルを管理可能な品種グループ数で構築することにより、多種多様な製品を生産する鉄鋼製造業における生産管理業務や操業管理業務の品質を向上させることができる。

以上のように、本発明によれば、鉄鋼業のように多種多様な製品を複数の製造設備での加工を経て大量に製造する製造工程において、高精度の製造負荷予測モデルを容易に得られるため、生産計画立案精度の向上や操業状態の変化の検出による操業監視・予測に利用可能である。したがって、本発明は、鉄鋼業のような製造業である産業において大いに有用である。

本発明の実施の形態に係る製造負荷予測装置の概略構成を表す図である。 本発明の実施の形態に係る製造負荷予測モデルの作成方法を示したフローチャートである。 本発明の実施の形態に係る製造負荷予測モデルを生産計画立案業務に適用する方法を示したフローチャートである。 本発明の実施例における製造実績データの一例を表す図である。 本発明の実施例における通過工程パターンの記号化の一例を表す図である。 本発明の実施例における目的変数の設定の一例を表す図である。 本発明の実施例における品種区分のための決定木の一例を表す図である。 本発明の実施例における製造負荷予測モデルの一例を表す図である。 本発明の実施例における鋳造設備の鋳造スケジュールの一例を表す図である。 本発明の実施例における手入設備の発生予測精度を表す図である。 鉄鋼業における厚板製造工程の一例の概略図である。

符号の説明

１ 品種区分ロジック作成装置
２ 設計パラメータ設定装置
３ 製造負荷予測モデル作成装置
４ 製造負荷予測装置
５ 製造負荷表示装置
６ 製造実績データ採取装置
７ 製造工程
Ｄ１ 製造実績データベース
Ｄ２ 品種区分ロジックデータベース
Ｄ３ 製造負荷予測モデルデータベース
Ｄ４ 生産計画データベース
Ｐ１ 転炉
Ｐ２ 連続鋳造設備
Ｐ３ 圧延設備
Ｐ４ 切断設備
Ｐ５ 矯正設備１
Ｐ６ 矯正設備２
Ｐ７ 手入設備
Ｐ８ 倉庫

Claims (6)

1. 複数の種類からなる複数の製品を小ロットで生産するための、複数の製造設備で構成された一連又は分岐構造を有する製造工程について、過去の製造実績データに基づいて、各製造設備での製品の製造負荷を予測する製造負荷予測装置であって、
   前記製造実績データに基づき、複数の種類の製品について製品属性が同一又は予め定めた範囲内である製品同士を同一品種グループとする複数の品種グループを作成し、製品を該品種グループに仕分ける、決定木による品種区分ロジックを作成する品種区分ロジック作成手段と、
   前記製造実績データに基づいて、前記品種区分ロジックを用いて前記品種グループ毎の製造負荷を予測する製造負荷予測モデルを構築する製造負荷予測モデル作成手段と、
   前記製造負荷予測モデルを用いて、新たな生産計画について各製造設備の製造負荷を導出する製造負荷予測手段と、を備え、
   前記品種区分ロジック作成手段は、前記製造実績データに基づいて、前記決定木の説明変数として製品の注文情報及び製造仕様情報に含まれる１つ又は複数の製品属性を用い、目的変数として各製造設備の通過工程パターンの実績値を用いて品種区分ロジックを作成することを特徴とする製造負荷予測装置。
2. 前記品種区分ロジック作成手段は、前記製造実績データに於いて、発生頻度の少ない複数の通過工程パターンを１つに集約した結果を目的変数とすることを特徴とする、請求項１に記載の製造負荷予測装置。
3. 複数の種類からなる複数の製品を小ロットで生産するための、複数の製造設備で構成された一連又は分岐構造を有する製造工程について、過去の製造実績データに基づいて、各製造設備での製品の製造負荷を予測する製造負荷予測方法であって、
   前記製造実績データに基づき、複数の種類の製品について製品属性が同一又は予め定めた範囲内である製品同士を同一品種グループとする複数の品種グループを作成し、製品を該品種グループに仕分ける、決定木による品種区分ロジックを作成する品種区分ロジック作成工程と、
   前記製造実績データに基づいて、前記品種区分ロジックを用いて前記品種グループ毎の製造負荷を予測する製造負荷予測モデルを構築する製造負荷予測モデル作成工程と、
   前記製造負荷予測モデルを用いて、新たな生産計画について各製造設備の製造負荷を導出する製造負荷予測工程と、を有し、
   前記品種区分ロジック作成工程は、前記製造実績データに基づいて、前記決定木の説明変数として製品の注文情報及び製造仕様情報に含まれる１つ又は複数の製品属性を用い、目的変数として各製造設備の通過工程パターンの実績値を用いて品種区分ロジックを作成することを特徴とする製造負荷予測方法。
4. 前記品種区分ロジック作成工程は、前記製造実績データに於いて、発生頻度の少ない複数の通過工程パターンを１つに集約した結果を目的変数とすることを特徴とする、請求項３に記載の製造負荷予測方法。
5. 請求項３又は４に記載の製造負荷予測方法の各工程をコンピュータに実行させることを特徴とするコンピュータプログラム。
6. 請求項５に記載のコンピュータプログラムを格納したことを特徴とするコンピュータ読み取り可能な記憶媒体。

Images