JP6920345B2 - ロバストな原料の選択システムであって、市場および操業の不確実性下での化学プロセス産業用の原料選択システム - Google Patents
ロバストな原料の選択システムであって、市場および操業の不確実性下での化学プロセス産業用の原料選択システム Download PDFInfo
- Publication number
- JP6920345B2 JP6920345B2 JP2018555112A JP2018555112A JP6920345B2 JP 6920345 B2 JP6920345 B2 JP 6920345B2 JP 2018555112 A JP2018555112 A JP 2018555112A JP 2018555112 A JP2018555112 A JP 2018555112A JP 6920345 B2 JP6920345 B2 JP 6920345B2
- Authority
- JP
- Japan
- Prior art keywords
- raw material
- robust
- spot
- simulation
- case
- 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.)
- Active
Links
- 239000002994 raw material Substances 0.000 title claims description 479
- 238000001311 chemical methods and process Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims description 274
- 238000004088 simulation Methods 0.000 claims description 181
- 230000007774 longterm Effects 0.000 claims description 73
- 238000009826 distribution Methods 0.000 claims description 64
- 238000004458 analytical method Methods 0.000 claims description 63
- 238000013459 approach Methods 0.000 claims description 54
- 238000013439 planning Methods 0.000 claims description 53
- 239000004615 ingredient Substances 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 38
- 239000010454 slate Substances 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 23
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 241000039077 Copula Species 0.000 claims description 9
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004886 process control Methods 0.000 claims description 4
- 239000010779 crude oil Substances 0.000 description 44
- 241000196324 Embryophyta Species 0.000 description 35
- 238000002156 mixing Methods 0.000 description 18
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003556 assay Methods 0.000 description 9
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 6
- 238000003754 machining Methods 0.000 description 6
- 239000003921 oil Substances 0.000 description 6
- 208000011380 COVID-19–associated multisystem inflammatory syndrome in children Diseases 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 241000183024 Populus tremula Species 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 238000003889 chemical engineering Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000002319 photoionisation mass spectrometry Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000007385 chemical modification Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000005292 vacuum distillation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Biodiversity & Conservation Biology (AREA)
- Water Supply & Treatment (AREA)
- Manufacturing & Machinery (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
Description
なお、本発明は、態様として以下の内容を含む。
〔態様1〕
コンピュータに実装される、工業的プロセスの原料選択プランニングのため方法であって、
a)対象の工業プラントの原料選択プランニング過程において、第1の段階および第2の段階を別々の時間間隔で評価するステップと、
b)前記第1の段階の前記評価のステップにおいて、長期契約で調達すべきロバストな原料のセットを決定するステップであって、
長期契約での原料調達を、非線形モデルのシミュレーションケースの第1のセットとしてモデル化する副ステップであって、シミュレーションケースの前記第1のセットが、長期契約で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含む、副ステップ、
異なる原料選択結果をモデル化するように、シミュレーションケースの前記第1のセットの各シミュレーションケースの解をパラレルで求める副ステップであって、モデル化された前記原料選択結果が、所与の前記シミュレーションケースにおける、最適な原料、最適な原料体積および最適な操業条件を含む、副ステップ、ならびに
長期契約で調達すべき前記ロバストな原料のセットを決定するように、シミュレーションケースの前記第1のセットからモデル化された異なる前記原料選択結果の確率分析を実行する副ステップ、
を含む、ステップと、
c)前記対象の工業プラントに対して、決定された前記ロバストな原料のセットを、当該対象の工業プラントの操業のプログラミングを可能にしながら規定するステップと、
を備える、方法。
〔態様2〕
態様1に記載の方法において、前記非線形モデルが、混合整数非線形最適化問題(MINLP)モデルであり、各シミュレーションケースは、前記MINLPモデルの独立したインスタンスを含み、実現値の異なるセットが、不確実な入力パラメータの前記セットに対して規定されている、方法。
〔態様3〕
態様1に記載の方法において、(i)カーネル密度推定(KDE)を用いて多次元分布を不確実な前記入力パラメータのデータにフィッティングするか、あるいは、コピュラベースのアプローチを用いて不確実な前記入力パラメータ間の相関関係を捕捉し、(ii)モンテカルロサンプリングを前記多次元分布又は捕捉された前記相関関係に適用することによって、前記シミュレーションケースが生成される、方法。
〔態様4〕
態様1に記載の方法において、不確実な前記入力パラメータが、不確実な市場条件および不確実な操業条件を含む産業条件の少なくとも1つの条件を表す、方法。
〔態様5〕
態様1に記載の方法において、モデル化された異なる前記原料選択結果の確率分析を実行する前記副ステップが、さらに、
モデル化された異なる前記原料選択結果の前記最適な原料から、原料スレートの確率分布を生成し、さらに、
当該原料スレートの確率分布に対して、この分布上の原料から少なくとも1種のロバストな原料を選択するように閾値確率を適用することにより、
モデル化された異なる前記原料選択結果の前記最適な原料から、ロバストな原料を選択すること、および
所与の前記ロバストな原料について、モデル化された異なる前記原料選択結果から提供された原料体積の確率分布を生成し、さらに、
当該原料体積の当該確率分布から導き出された同時機会制約を、所与の前記ロバストな原料についての最適な原料調達体積を確立するように適用することにより、
選択されたロバストな原料のそれぞれについての最適な原料体積を確立すること、
を含む、方法。
〔態様6〕
態様5に記載の方法において、モデル化された異なる前記原料選択結果の確率分析を実行する前記副ステップが、さらに、
前記非線形モデルのロバストなベースケースであって、前記同時機会制約および容量充足制約を含むように生成されるベースケースを生成すること、ならびに
生成された前記ロバストなベースケースの解を、長期契約で調達すべき前記ロバストな原料のセットに対応する前記最適な調達体積を決定して求めること
を含む、方法。
〔態様7〕
態様1に記載の方法において、長期契約で調達すべき決定された前記ロバストな原料が、前記第1の段階から決定された前記ロバストな原料のセットからの期待利益を決定論的アプローチからの期待利益と比較することによって検証される、方法。
〔態様8〕
態様1に記載の方法において、さらに、
前記第2の段階の前記評価のステップにおいて、スポット市場で調達すべきロバストな原料のセットを決定するステップであって、
スポット市場での原料調達を、前記非線形モデルのシミュレーションケースの第2のセットとしてモデル化する副ステップであって、シミュレーションケースの前記第2のセットが、スポット市場で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含む、副ステップ、
少なくとも1種のスポット原料についての異なる損益分岐価格をモデル化するように、シミュレーションケースの前記第2のセットの各シミュレーションケースの解を求める、副ステップ、および
前記少なくとも1種のスポット原料のそれぞれについての異なる前記損益分岐価格に対して確率分析を実行する副ステップであって、前記少なくとも1種のスポット原料のいずれをスポット市場で調達すべきかを決定する、副ステップ、
を含む、ステップと、
製品のセットを製造するために、前記第1および第2の段階それぞれから決定された前記ロバストな原料を加工するための最適な操業条件を決定するステップと、
を備える、方法。
〔態様9〕
態様8に記載の方法において、シミュレーションケースの前記第2のセットの各シミュレーションケースの解を求める前記副ステップが、
シミュレーションケースの前記第2のセットの各シミュレーションケースごとに、
前記第1の段階から決定された前記ロバストな原料のセットで所与の当該シミュレーションケースの解を求め、当該所与のシミュレーションケースについて目的関数の最適値を決定すること、および
利用可能なスポット原料のセットの各スポット原料ごとに、
一定の調達体積の所与の当該スポット原料を、前記所与のシミュレーションケースに当てはめることによって原料ケースを生成し、
所与の当該原料ケースについて目的関数の最適値を決定するように、当該原料ケースの解を求め、
(i)前記所与のシミュレーションケースについて決定された前記目的関数の最適値と(ii)前記所与の原料ケースについて決定された前記目的関数の最適値とに基づき、所与の前記スポット原料についての損益分岐価格を算出すること、
を含む、方法。
〔態様10〕
態様9に記載の方法において、利用可能なスポット原料のセットのそれぞれについての異なる前記損益分岐価格に対して確率分析を実行する前記副ステップが、さらに、
各スポット原料に対して、算出された損益分岐価格とリスク度との対応関係をそれぞれ表す、損益分岐分析用のECDFを生成すること、
所与の前記スポット原料に対して、市場値と算出された各損益分岐価格との間の増分利益値を定義することによって決まる順位で、前記利用可能なスポット原料のセットの各スポット原料を、損益分岐分析のために順位付けすること、および
前記ECDFと前記順位とに基づき、スポット市場で調達すべき前記ロバストな原料のセットを決定すること、
を含む、方法。
〔態様11〕
工業的プロセスの原料選択プランニングのためのコンピュータシステムであって、
対象の工業プラントの原料選択プランニング過程において、第1の段階および第2の段階を別々の間隔で評価するように構成された少なくとも1つのプロセッサと、
このプロセッサに接続されたメモリと、
を備え、前記少なくとも1つのプロセッサは、前記第1の段階の前記評価において、長期契約で調達すべきロバストな原料のセットを決定し、前記少なくとも1つのプロセッサが、
長期契約での原料調達を、非線形モデルのシミュレーションケースの第1のセットとしてモデル化するように構成されたモデル化エンジンであって、シミュレーションケースの前記第1のセットが、長期契約で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含む、モデル化エンジン、
異なる原料選択結果をモデル化するように、シミュレーションケースの前記第1のセットの各シミュレーションケースの解をパラレルで求めるように構成された解算出エンジンであって、モデル化された当該原料選択結果が、所与の前記シミュレーションケースにおける、最適な原料、最適な原料体積および最適な操業条件を含む、解算出エンジン、ならびに
長期契約で調達すべき前記ロバストな原料のセットを決定するように、シミュレーションケースの前記第1のセットからモデル化された異なる前記原料選択結果の確率分析を実行するように構成された、解分析手段、
を含み、前記解分析手段は、前記対象の工業プラントに対して、決定された前記ロバストな原料のセットを、当該対象の工業プラントの操業のプログラミングを可能にしながら規定する、システム。
〔態様12〕
態様11に記載のシステムにおいて、前記非線形モデルが、混合整数非線形最適化問題(MINLP)モデルであり、各シミュレーションケースは、前記MINLPモデルの独立したインスタンスを含み、実現値の異なるセットが、不確実な入力パラメータの前記セットに対して規定されている、システム。
〔態様13〕
態様11に記載のシステムにおいて、前記モデル化エンジンが、さらに、(i)カーネル密度推定(KDE)を用いて多次元分布を不確実な前記入力パラメータのデータにフィッティングするか、あるいは、コピュラベースのアプローチを用いて前記不確実な入力パラメータ間の相関関係を捕捉し、(ii)モンテカルロサンプリングを前記多次元分布又は捕捉された前記相関関係に適用することにより、前記シミュレーションケースを生成するように構成されている、システム。
〔態様14〕
態様11に記載のシステムにおいて、不確実な前記入力パラメータが、不確実な市場条件および不確実な操業条件を含む産業条件の少なくとも1つの条件を表す、システム。
〔態様15〕
態様11に記載のシステムにおいて、前記解分析手段が、さらに、
モデル化された異なる前記原料選択結果の前記最適な原料から、原料スレートの確率分布を生成し、さらに、
当該原料スレートの確率分布に対して、この分布上の原料から少なくとも1種のロバストな原料を選択するために閾値確率を適用することにより、
モデル化された異なる前記原料選択結果の前記最適な原料から、ロバストな原料を選択するように、かつ、
所与の前記ロバストな原料について、モデル化された異なる前記原料選択結果から提供された原料体積の確率分布を生成し、さらに、
当該原料体積の当該確率分布から導き出された同時機会制約を、所与の前記ロバストな原料についての最適な原料調達体積を確立するために適用することにより、
選択されたロバストな原料のそれぞれについての最適な原料体積を確立するように、
構成されている、システム。
〔態様16〕
態様15に記載のシステムにおいて、前記解分析手段が、さらに、
前記非線形モデルのロバストなベースケースであって、前記同時機会制約および容量充足制約を含むように生成されるベースケースを生成するように、かつ、
生成された前記ロバストなベースケースの解を、長期契約で調達すべき前記ロバストな原料のセットに対応する前記最適な調達体積を決定して求めるように、
構成されている、システム。
〔態様17〕
態様11に記載のシステムにおいて、前記少なくとも1つのプロセッサが、さらに、長期契約で調達すべき決定された前記ロバストな原料を、前記第1の段階から決定された前記ロバストな原料のセットからの期待利益を決定論的アプローチからの期待利益と比較することによって検証するように構成されている、システム。
〔態様18〕
態様11に記載のシステムにおいて、前記少なくとも1つのプロセッサが、さらに、前記第2の段階の前記評価において、スポット市場で調達すべきロバストな原料のセットを決定するように構成されており、
前記モデル化エンジンが、さらに、スポット市場での原料調達を、前記非線形モデルのシミュレーションケースの第2のセットとしてモデル化するように構成されており、シミュレーションケースの前記第2のセットが、スポット市場で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含み、
前記解算出エンジンが、さらに、少なくとも1種のスポット原料についての異なる損益分岐価格をモデル化するように、シミュレーションケースの前記第2のセットの各シミュレーションケースの解を求めるように構成されており、
前記解分析手段が、さらに、前記少なくとも1種のスポット原料のそれぞれについての異なる前記損益分岐価格に対して確率分析を実行して、前記少なくとも1種のスポット原料のいずれをスポット市場で調達すべきかを決定するように構成されており、
前記少なくとも1つのプロセッサが、さらに、製品のセットを製造するために、前記第1および第2の段階それぞれから決定された前記ロバストな原料を加工するための最適な操業条件を決定するように構成されている、システム。
〔態様19〕
態様18に記載のシステムにおいて、前記解算出エンジンが、さらに、
シミュレーションケースの前記第2のセットの各シミュレーションケースごとに、
前記第1の段階から決定された前記ロバストな原料のセットで所与の当該シミュレーションケースの解を、当該所与のシミュレーションケースについて目的関数の最適値を決定して求めるように、かつ、
利用可能なスポット原料のセットの各スポット原料ごとに、
一定の調達体積の所与の当該スポット原料を、前記所与のシミュレーションケースに当てはめることによって原料ケースを生成し、
所与の当該原料ケースについて目的関数の最適値を決定するように、当該原料ケースの解を求め、
(i)前記所与のシミュレーションケースについて決定された前記目的関数の最適値と(ii)前記所与の原料ケースについて決定された前記目的関数の最適値とに基づき、所与の前記スポット原料についての損益分岐価格を算出するように、
構成されている、システム。
〔態様20〕
態様19に記載のシステムにおいて、前記解分析手段が、さらに、
各スポット原料に対して、算出された損益分岐価格とリスク度との対応関係をそれぞれ表す、損益分岐分析用のECDFを生成するように、かつ、
所与の前記スポット原料に対して、市場値と算出された各損益分岐価格との間の増分利益値を定義することによって決まる順位で、前記利用可能なスポット原料のセットの各スポット原料を、損益分岐分析のために順位付けするように、かつ、
前記ECDFと前記順位とに基づき、スポット市場で調達すべき前記ロバストな原料のセットを決定するように、
構成されている、システム。
〔態様21〕
態様1に記載の方法において、操業のプログラミングが、プラントシステムアプリケーション、混合制御システム、およびプロセス制御システムを含む制御システムの任意のものをプログラミングすることを含む、方法。
Claims (19)
- コンピュータに実装される、工業的プロセスの原料選択プランニングのための方法であって、
a)対象の工業プラントの原料選択プランニング過程において、第1の段階および第2の段階を別々の時間間隔で評価するステップと、
b)前記第1の段階の前記評価のステップにおいて、長期契約で調達すべきロバストな原料のセットを決定するステップであって、
長期契約での原料調達を、非線形モデルのシミュレーションケースの第1のセットとしてモデル化する副ステップであって、シミュレーションケースの前記第1のセットが、長期契約で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含む、副ステップ、
異なる原料選択結果をモデル化するように、シミュレーションケースの前記第1のセットの各シミュレーションケースの解をパラレルで求める副ステップであって、モデル化された前記原料選択結果が、所与の前記シミュレーションケースにおける、最適な原料、最適な原料体積および最適な操業条件を含む、副ステップ、ならびに
長期契約で調達すべき前記ロバストな原料のセットを決定するように、シミュレーションケースの前記第1のセットからモデル化された異なる前記原料選択結果の確率分析を実行する副ステップ、
を含む、ステップと、
c)前記第2の段階の前記評価のステップにおいて、スポット市場で調達すべきロバストな原料のセットを決定するステップであって、
スポット市場での原料調達を、前記非線形モデルのシミュレーションケースの第2のセットとしてモデル化する副ステップであって、シミュレーションケースの前記第2のセットが、スポット市場で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含む、副ステップ、
少なくとも1種のスポット原料についての異なる損益分岐価格をモデル化するように、シミュレーションケースの前記第2のセットの各シミュレーションケースの解を求める、副ステップ、および
前記少なくとも1種のスポット原料のそれぞれについての異なる前記損益分岐価格に対して確率分析を実行する副ステップであって、前記少なくとも1種のスポット原料のいずれをスポット市場で調達すべきかを決定する、副ステップ、
を含む、ステップと、
d)製品のセットを製造するために、前記第1および第2の段階それぞれから決定された前記ロバストな原料を加工するための最適な操業条件を決定するステップと、
e)前記対象の工業プラントに対して、決定された前記ロバストな原料のセットを、当該対象の工業プラントの操業のプログラミングを可能にしながら規定するステップと、
を備える、方法。 - 請求項1に記載の方法において、前記非線形モデルが、混合整数非線形最適化問題(MINLP)モデルであり、各シミュレーションケースは、前記MINLPモデルの独立したインスタンスを含み、実現値の異なるセットが、不確実な入力パラメータの前記セットに対して規定されている、方法。
- 請求項1に記載の方法において、(i)カーネル密度推定(KDE)を用いて多次元分布を不確実な前記入力パラメータのデータにフィッティングするか、あるいは、コピュラベースのアプローチを用いて不確実な前記入力パラメータ間の相関関係を捕捉し、(ii)モンテカルロサンプリングを前記多次元分布又は捕捉された前記相関関係に適用することによって、前記シミュレーションケースが生成される、方法。
- 請求項1に記載の方法において、不確実な前記入力パラメータが、不確実な市場条件および不確実な操業条件を含む産業条件の少なくとも1つの条件を表す、方法。
- 請求項1に記載の方法において、モデル化された異なる前記原料選択結果の確率分析を実行する前記副ステップが、さらに、
モデル化された異なる前記原料選択結果の前記最適な原料から、原料スレートの確率分布を生成し、さらに、
当該原料スレートの確率分布に対して、この分布上の原料から少なくとも1種のロバストな原料を選択するように閾値確率を適用することにより、
モデル化された異なる前記原料選択結果の前記最適な原料から、ロバストな原料を選択すること、および
所与の前記ロバストな原料について、モデル化された異なる前記原料選択結果から提供された原料体積の確率分布を生成し、さらに、
当該原料体積の当該確率分布から導き出された同時機会制約を、所与の前記ロバストな原料についての最適な原料調達体積を確立するように適用することにより、
選択されたロバストな原料のそれぞれについての最適な原料体積を確立すること、
を含む、方法。 - 請求項5に記載の方法において、モデル化された異なる前記原料選択結果の確率分析を実行する前記副ステップが、さらに、
前記非線形モデルのロバストなベースケースであって、前記同時機会制約および容量充足制約を含むように生成されるベースケースを生成すること、ならびに
生成された前記ロバストなベースケースの解を、長期契約で調達すべき前記ロバストな原料のセットに対応する前記最適な調達体積を決定して求めること
を含む、方法。 - 請求項1に記載の方法において、長期契約で調達すべき決定された前記ロバストな原料が、前記第1の段階から決定された前記ロバストな原料のセットからの期待利益を決定論的アプローチからの期待利益と比較することによって検証される、方法。
- 請求項1に記載の方法において、シミュレーションケースの前記第2のセットの各シミュレーションケースの解を求める前記副ステップが、
シミュレーションケースの前記第2のセットの各シミュレーションケースごとに、
前記第1の段階から決定された前記ロバストな原料のセットで所与の当該シミュレーションケースの解を求め、当該所与のシミュレーションケースについて目的関数の最適値を決定すること、および
利用可能なスポット原料のセットの各スポット原料ごとに、
一定の調達体積の所与の当該スポット原料を、前記所与のシミュレーションケースに当てはめることによって原料ケースを生成し、
所与の当該原料ケースについて目的関数の最適値を決定するように、当該原料ケースの解を求め、
(i)前記所与のシミュレーションケースについて決定された前記目的関数の最適値と(ii)前記所与の原料ケースについて決定された前記目的関数の最適値とに基づき、所与の前記スポット原料についての損益分岐価格を算出すること、
を含む、方法。 - 請求項8に記載の方法において、利用可能なスポット原料のセットのそれぞれについての異なる前記損益分岐価格に対して確率分析を実行する前記副ステップが、さらに、
各スポット原料に対して、算出された損益分岐価格とリスク度との対応関係をそれぞれ表す、損益分岐分析用のECDFを生成すること、
所与の前記スポット原料に対して、市場値と算出された各損益分岐価格との間の増分利益値を定義することによって決まる順位で、前記利用可能なスポット原料のセットの各スポット原料を、損益分岐分析のために順位付けすること、および
前記ECDFと前記順位とに基づき、スポット市場で調達すべき前記ロバストな原料のセットを決定すること、
を含む、方法。 - 工業的プロセスの原料選択プランニングのためのコンピュータシステムであって、
対象の工業プラントの原料選択プランニング過程において、第1の段階および第2の段階を別々の間隔で評価するように構成された少なくとも1つのプロセッサと、
このプロセッサに接続されたメモリと、
を備え、前記少なくとも1つのプロセッサは、前記第1の段階の前記評価において、長期契約で調達すべきロバストな原料のセットを決定し、前記少なくとも1つのプロセッサが、
長期契約での原料調達を、非線形モデルのシミュレーションケースの第1のセットとしてモデル化するように構成されたモデル化エンジンであって、シミュレーションケースの前記第1のセットが、長期契約で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含む、モデル化エンジン、
異なる原料選択結果をモデル化するように、シミュレーションケースの前記第1のセットの各シミュレーションケースの解をパラレルで求めるように構成された解算出エンジンであって、モデル化された当該原料選択結果が、所与の前記シミュレーションケースにおける、最適な原料、最適な原料体積および最適な操業条件を含む、解算出エンジン、ならびに
長期契約で調達すべき前記ロバストな原料のセットを決定するように、シミュレーションケースの前記第1のセットからモデル化された異なる前記原料選択結果の確率分析を実行するように構成された、解分析手段、
を含み、
前記少なくとも1つのプロセッサが、さらに、前記第2の段階の前記評価において、スポット市場で調達すべきロバストな原料のセットを決定するように構成されており、
前記モデル化エンジンが、さらに、スポット市場での原料調達を、前記非線形モデルのシミュレーションケースの第2のセットとしてモデル化するように構成されており、シミュレーションケースの前記第2のセットが、スポット市場で調達すべき原料の選択に関する不確実性を表す不確実な入力パラメータのセットを含み、
前記解算出エンジンが、さらに、少なくとも1種のスポット原料についての異なる損益分岐価格をモデル化するように、シミュレーションケースの前記第2のセットの各シミュレーションケースの解を求めるように構成されており、
前記解分析手段が、さらに、前記少なくとも1種のスポット原料のそれぞれについての異なる前記損益分岐価格に対して確率分析を実行して、前記少なくとも1種のスポット原料のいずれをスポット市場で調達すべきかを決定するように構成されており、
前記少なくとも1つのプロセッサが、さらに、製品のセットを製造するために、前記第1および第2の段階それぞれから決定された前記ロバストな原料を加工するための最適な操業条件を決定するように構成されており、
前記解分析手段は、前記対象の工業プラントに対して、決定された前記ロバストな原料のセットを、当該対象の工業プラントの操業のプログラミングを可能にしながら規定する、システム。 - 請求項10に記載のシステムにおいて、前記非線形モデルが、混合整数非線形最適化問題(MINLP)モデルであり、各シミュレーションケースは、前記MINLPモデルの独立したインスタンスを含み、実現値の異なるセットが、不確実な入力パラメータの前記セットに対して規定されている、システム。
- 請求項10に記載のシステムにおいて、前記モデル化エンジンが、さらに、(i)カーネル密度推定(KDE)を用いて多次元分布を不確実な前記入力パラメータのデータにフィッティングするか、あるいは、コピュラベースのアプローチを用いて前記不確実な入力パラメータ間の相関関係を捕捉し、(ii)モンテカルロサンプリングを前記多次元分布又は捕捉された前記相関関係に適用することにより、前記シミュレーションケースを生成するように構成されている、システム。
- 請求項10に記載のシステムにおいて、不確実な前記入力パラメータが、不確実な市場条件および不確実な操業条件を含む産業条件の少なくとも1つの条件を表す、システム。
- 請求項10に記載のシステムにおいて、前記解分析手段が、さらに、
モデル化された異なる前記原料選択結果の前記最適な原料から、原料スレートの確率分布を生成し、さらに、
当該原料スレートの確率分布に対して、この分布上の原料から少なくとも1種のロバストな原料を選択するために閾値確率を適用することにより、
モデル化された異なる前記原料選択結果の前記最適な原料から、ロバストな原料を選択するように、かつ、
所与の前記ロバストな原料について、モデル化された異なる前記原料選択結果から提供された原料体積の確率分布を生成し、さらに、
当該原料体積の当該確率分布から導き出された同時機会制約を、所与の前記ロバストな原料についての最適な原料調達体積を確立するために適用することにより、
選択されたロバストな原料のそれぞれについての最適な原料体積を確立するように、
構成されている、システム。 - 請求項14に記載のシステムにおいて、前記解分析手段が、さらに、
前記非線形モデルのロバストなベースケースであって、前記同時機会制約および容量充足制約を含むように生成されるベースケースを生成するように、かつ、
生成された前記ロバストなベースケースの解を、長期契約で調達すべき前記ロバストな原料のセットに対応する前記最適な調達体積を決定して求めるように、
構成されている、システム。 - 請求項10に記載のシステムにおいて、前記少なくとも1つのプロセッサが、さらに、長期契約で調達すべき決定された前記ロバストな原料を、前記第1の段階から決定された前記ロバストな原料のセットからの期待利益を決定論的アプローチからの期待利益と比較することによって検証するように構成されている、システム。
- 請求項10に記載のシステムにおいて、前記解算出エンジンが、さらに、
シミュレーションケースの前記第2のセットの各シミュレーションケースごとに、
前記第1の段階から決定された前記ロバストな原料のセットで所与の当該シミュレーションケースの解を、当該所与のシミュレーションケースについて目的関数の最適値を決定して求めるように、かつ、
利用可能なスポット原料のセットの各スポット原料ごとに、
一定の調達体積の所与の当該スポット原料を、前記所与のシミュレーションケースに当てはめることによって原料ケースを生成し、
所与の当該原料ケースについて目的関数の最適値を決定するように、当該原料ケースの解を求め、
(i)前記所与のシミュレーションケースについて決定された前記目的関数の最適値と(ii)前記所与の原料ケースについて決定された前記目的関数の最適値とに基づき、所与の前記スポット原料についての損益分岐価格を算出するように、
構成されている、システム。 - 請求項17に記載のシステムにおいて、前記解分析手段が、さらに、
各スポット原料に対して、算出された損益分岐価格とリスク度との対応関係をそれぞれ表す、損益分岐分析用のECDFを生成するように、かつ、
所与の前記スポット原料に対して、市場値と算出された各損益分岐価格との間の増分利益値を定義することによって決まる順位で、前記利用可能なスポット原料のセットの各スポット原料を、損益分岐分析のために順位付けするように、かつ、
前記ECDFと前記順位とに基づき、スポット市場で調達すべき前記ロバストな原料のセットを決定するように、
構成されている、システム。 - 請求項1に記載の方法において、操業のプログラミングが、プラントシステムアプリケーション、混合制御システム、およびプロセス制御システムを含む制御システムの任意のものをプログラミングすることを含む、方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/133,701 | 2016-04-20 | ||
US15/133,701 US10755214B2 (en) | 2016-04-20 | 2016-04-20 | Robust feedstock selection system for the chemical process industries under market and operational uncertainty |
PCT/US2017/024463 WO2017184306A1 (en) | 2016-04-20 | 2017-03-28 | Robust feedstock selection system for the chemical process industries under market and operational uncertainty |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019516183A JP2019516183A (ja) | 2019-06-13 |
JP2019516183A5 JP2019516183A5 (ja) | 2020-03-26 |
JP6920345B2 true JP6920345B2 (ja) | 2021-08-18 |
Family
ID=58548891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018555112A Active JP6920345B2 (ja) | 2016-04-20 | 2017-03-28 | ロバストな原料の選択システムであって、市場および操業の不確実性下での化学プロセス産業用の原料選択システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US10755214B2 (ja) |
EP (1) | EP3446264A1 (ja) |
JP (1) | JP6920345B2 (ja) |
WO (1) | WO2017184306A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11663546B2 (en) | 2020-04-22 | 2023-05-30 | Aspentech Corporation | Automated evaluation of refinery and petrochemical feedstocks using a combination of historical market prices, machine learning, and algebraic planning model information |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3847235A4 (en) * | 2018-09-05 | 2022-06-22 | Wentech Solutions Inc. | SYSTEM AND METHOD FOR EVALUATION, OPTIMIZATION AND/OR CONTROL OF AN ANAEROBIC FERMENTATION PROCESS |
WO2020112281A1 (en) * | 2018-11-28 | 2020-06-04 | Exxonmobil Research And Engineering Company | A surrogate model for a chemical production process |
US20200184401A1 (en) * | 2018-12-07 | 2020-06-11 | Exxonmobil Research And Engineering Company | Raw material evaluation process |
WO2020210034A1 (en) * | 2019-04-10 | 2020-10-15 | Exxonmobil Research And Engineering Company | Dynamic quality control in petrochemical, chemical, and pharmaceutical manufacturing processes |
CN110311427B (zh) * | 2019-06-18 | 2020-12-01 | 华北电力大学 | 计及故障概率的两阶段n-k鲁棒故障约束机组组合方法 |
WO2021001980A1 (ja) * | 2019-07-04 | 2021-01-07 | 日本電気株式会社 | 情報処理装置、制御方法及び記憶媒体 |
CN114819319B (zh) * | 2022-04-18 | 2024-08-20 | 广西电网有限责任公司 | 一种含可再生能源的电力系统调度模型求解方法及系统 |
CN117933684B (zh) * | 2024-01-17 | 2024-09-03 | 深圳市链宇技术有限公司 | 考虑原材料齐套约束和多机器并行加工的车间调度方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001077911A2 (en) * | 2000-03-28 | 2001-10-18 | Andrey Feuerverger | Method and device for calculating value at risk |
JP2002024496A (ja) * | 2000-07-06 | 2002-01-25 | Nissho Iwai Corp | 取引調整装置、システム、方法、情報記録媒体およびプログラム製品 |
WO2002021318A2 (en) | 2000-09-07 | 2002-03-14 | Petrovantage, Inc. | Computer method and apparatus for vessel selection and optimization |
JP2004102890A (ja) * | 2002-09-12 | 2004-04-02 | Lion Corp | 複数社からの原材料調達のスケジューリングをする情報処理システム |
US7966331B2 (en) * | 2003-08-18 | 2011-06-21 | General Electric Company | Method and system for assessing and optimizing crude selection |
US20050097027A1 (en) * | 2003-11-05 | 2005-05-05 | Sylvan Kavanaugh | Computer-implemented method and electronic system for trading |
US7257451B2 (en) * | 2005-02-15 | 2007-08-14 | Exxon Mobil Chemical Patents Inc. | Method for creating a linear programming model of an industrial process facility |
CA2763196A1 (en) * | 2009-06-24 | 2010-12-29 | Exxonmobil Research And Engineering Company | Tool for assisting in petroleum product transportation logistics |
US8498954B2 (en) * | 2011-03-28 | 2013-07-30 | Sap Ag | Managing operations of a system using non-linear modeling techniques |
-
2016
- 2016-04-20 US US15/133,701 patent/US10755214B2/en active Active
-
2017
- 2017-03-28 WO PCT/US2017/024463 patent/WO2017184306A1/en active Application Filing
- 2017-03-28 EP EP17717961.1A patent/EP3446264A1/en not_active Ceased
- 2017-03-28 JP JP2018555112A patent/JP6920345B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11663546B2 (en) | 2020-04-22 | 2023-05-30 | Aspentech Corporation | Automated evaluation of refinery and petrochemical feedstocks using a combination of historical market prices, machine learning, and algebraic planning model information |
Also Published As
Publication number | Publication date |
---|---|
WO2017184306A1 (en) | 2017-10-26 |
US20170308831A1 (en) | 2017-10-26 |
EP3446264A1 (en) | 2019-02-27 |
JP2019516183A (ja) | 2019-06-13 |
US10755214B2 (en) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6920345B2 (ja) | ロバストな原料の選択システムであって、市場および操業の不確実性下での化学プロセス産業用の原料選択システム | |
Hajiaghaei-Keshteli et al. | A set of efficient heuristics and metaheuristics to solve a two-stage stochastic bi-level decision-making model for the distribution network problem | |
Kellner et al. | An a posteriori decision support methodology for solving the multi-criteria supplier selection problem | |
Polo et al. | Robust design of a closed-loop supply chain under uncertainty conditions integrating financial criteria | |
Moghaddam | Fuzzy multi-objective model for supplier selection and order allocation in reverse logistics systems under supply and demand uncertainty | |
Eruguz et al. | A comprehensive survey of guaranteed-service models for multi-echelon inventory optimization | |
Ramezani et al. | Closed-loop supply chain network design under a fuzzy environment | |
Sawik | Supplier selection in make-to-order environment with risks | |
US11593722B2 (en) | Method and structure for risk-based resource planning for configurable products | |
Muniz et al. | Spare parts inventory management: a new hybrid approach | |
Yuan et al. | Using least square support vector regression with genetic algorithm to forecast beta systematic risk | |
US11995667B2 (en) | Systems and methods for business analytics model scoring and selection | |
Seydanlou et al. | A customized multi-neighborhood search algorithm using the tabu list for a sustainable closed-loop supply chain network under uncertainty | |
Chen et al. | Estimating a project's profitability: A longitudinal approach | |
Melamed et al. | On the average performance of the adjustable RO and its use as an offline tool for multi-period production planning under uncertainty | |
Shin et al. | Multi-time scale procurement planning considering multiple suppliers and uncertainty in supply and demand | |
Durugbo et al. | Data uncertainty assessment and information flow analysis for product-service systems in a library case study | |
Peralta-Alva et al. | Analysis of numerical errors | |
Rezaei et al. | A stochastic bi-objective project scheduling model under failure of activities | |
Odedairo | Managing Spare Parts Inventory by Incorporating Holding Costs and Storage Constraints. | |
Ruhrmann et al. | A methodological approach to evaluate supplier development based on real options | |
De Amorim et al. | Assessing the interactions amongst index tracking model formulations and genetic algorithm approaches with different rebalancing strategies | |
Maitra | A system-dynamic based simulation and Bayesian optimization for inventory management | |
Gorskii et al. | Some Modifications of Integer Optimization Problems with Uncertainty and Risk | |
Pinto-Varela et al. | Design and scheduling of periodic multipurpose batch plants under uncertainty |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200213 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200213 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200826 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210316 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210610 |
|
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: 20210629 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6920345 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |