JP7024237B2

JP7024237B2 - 運転計画作成支援装置及び方法

Info

Publication number: JP7024237B2
Application number: JP2017141248A
Authority: JP
Inventors: 祐司小熊
Original assignee: IHI Corp
Current assignee: IHI Corp
Priority date: 2017-07-20
Filing date: 2017-07-20
Publication date: 2022-02-24
Anticipated expiration: 2037-07-20
Also published as: JP2019021211A

Description

本発明は、運転計画作成支援装置及び方法に関する。

下記特許文献１には、エネルギー需要最適化システム及び生産計画作成支援システムが開示されている。このシステムは、需要エネルギー量の時系列データを作成し、需要エネルギー量の上限値を含む制約情報を考慮して時系列データに現れるエネルギー需要ピークが抑制されるよう製品の生産計画を修正することにより、新たな設備機器を導入することなく、既存の設備の需要エネルギー量の低コスト化を図るものである。

特開２００４－１５１８３０号公報

ところで、上記背景技術は、エネルギー需要の計算に際し、製品1つを生産するのに必要なエネルギー（エネルギー原単位）と所定時間（時間原単位）を固定値として予め求めておき、これらエネルギー原単位及び時間原単位に基づいて製品の製造スケジュールを最適化することによってエネルギー需要のピークシフトを実現するものである。すなわち、上記背景技術は、製品の製造中における製造設備の消費電力の変化を考慮するものではない。したがって、上記背景技術は、運転中に消費エネルギーが変化する複数の設備を備える施設のエネルギー需要のピークシフトに適用することはできない。

本発明は、上述した事情に鑑みてなされたものであり、運転中に消費エネルギーが変化する複数の設備を備える施設のエネルギー需要のピークシフトを実現することを目的とするものである。

上記目的を達成するために、本発明では、運転計画作成支援装置に係る第１の解決手段として、複数の設備の消費エネルギー変動データに基づいて、前記設備が備えられた施設のエネルギー消費量のピークを最小化する前記設備の運転スケジュールを求める最適化部を備える、という手段を採用する。

本発明では、運転計画作成支援装置に係る第２の解決手段として、上記第１の解決手段において、前記最適化部は、複数の制約条件の全てを満たす実行可能解に基づいて当該実行可能解に所定の制限空間を設定して前記エネルギー消費量のピークを最小化する最終解を求める、という手段を採用する。

本発明では、運転計画作成支援装置に係る第３の解決手段として、上記第２の解決手段において、前記最適化部は、前記実行可能解をメタヒューリスティクスを用いて探索する、という手段を採用する。

本発明では、運転計画作成支援装置に係る第４の解決手段として、上記第２または第３の解決手段において、前記最適化部は、前記最終解をメタヒューリスティクスあるいは分岐限定法を用いて求める、という手段を採用する。

本発明では、運転計画作成支援装置に係る第５の解決手段として、上記第１～第４のいずれかの解決手段において、前記消費エネルギー変動データを生成する予測部をさらに備える、という手段を採用する。

本発明では、運転計画作成支援装置に係る第６の解決手段として、上記第５の解決手段において、前記予測部は、前記設備の運転履歴あるいは物理モデルに基づいて前記消費エネルギー変動データを生成する、という手段を採用する。

本発明では、運転計画作成支援方法に係る解決手段として、複数の設備の消費エネルギー変動データに基づいて定式化された最適化問題をコンピュータを用いて解くことにより、前記設備が備えられた施設のエネルギー消費量のピークを最小化する前記設備の運転スケジュールを求める、という手段を採用する。

本発明によれば、稼働中に消費エネルギーが変化する複数の設備を備える施設のエネルギー需要のピークシフトを実現することができる。

本発明の一実施形態における支援対象の概要を示す模式図である。本発明の一実施形態における支援対象施設の電力需要変化（エネルギー需要変化）を示すグラフである。本発明の一実施形態に係る運転計画作成支援装置の機能構成を示すブロック図である。本発明の一実施形態に係る運転計画作成支援装置の全体動作を示すフローチャートである。本発明の一実施形態における探索処理の詳細を示すフローチャートである。本発明の一実施形態における探索処理及び制限空間の概念図である。本発明の一実施形態に係る運転計画作成支援装置の効果を示す特性図である。

以下、図面を参照して、本発明の一実施形態について説明する。
本実施形態に係る運転計画作成支援装置及び運転計画作成支援方法は、複数の設備を備える施設を支援対象としており、当該支援対象のエネルギー消費量のピーク（最大値）を最小化する設備の運転スケジュールを最適運転スケジュールとして求める。また、本実施形態に係る運転計画作成支援装置は、所定の支援プログラム（ソフトウエア）が搭載された一種のコンピュータである。

本実施形態における施設は、図１に示すように、例えば複数の熱処理炉Ｒを設備として運転する熱処理工場である。このような熱処理工場は、複数の熱処理炉Ｒの他に、複数の上流側ラインＵ、部品ストレージＳ及び複数の下流側ラインＬを備えており、各熱処理炉Ｒを用いて複数の部品Ｘに同時並行的に熱処理を施す。各上流側ラインＵは、熱処理前の部品Ｘに所定の前処理（洗浄処理等）を施す生産ラインであり、部品ストレージＳは、各上流側ラインＵで前処理された部品Ｘを一時的に保持する部品保持設備である。

また、各熱処理炉Ｒは、部品ストレージＳから所定数の部品Ｘを順次受け入れて所定の処理条件における熱処理（ジョブ）を行う加熱冷却炉である。これら熱処理炉Ｒは、例えば図２の一点鎖線で示すように、炉内温度が所定時間（温度上昇時間）をかけて常温から目標温度まで上昇し、その後に目標温度を所定時間（均熱時間）に亘って維持し、さらに所定時間（冷却時間）をかけて常温まで低下する。温度上昇時間、均熱時間、冷却時間及び目標温度は、熱処理（ジョブ）の処理条件であり、部品Ｘ毎に設定される。

このような熱処理炉Ｒの消費電力は、図２の実線で示すような変化をする。すなわち、各熱処理炉Ｒの消費電力は、上記温度上昇時間においてゼロから最大値に達し、その後下降して一定値を維持し、さらに冷却時間の途中でゼロに低下する。各熱処理炉Ｒは、このように炉内温度及び消費電力が変化する熱処理を部品ストレージＳから順次受け入れた所定数の部品Ｘに対して繰り返す。各下流側ラインＬは、各熱処理炉Ｒから受け入れた熱処理済みの部品Ｘに所定の後処理（選別処理等）を施す生産ラインである。

このような熱処理工場における各設備のうち、各熱処理炉Ｒは、他の上流側ラインＵ、部品ストレージＳ及び下流側ラインＬよりも消費電力が極めて高い設備である。すなわち、複数の熱処理炉Ｒは、熱処理工場における電力消費量を支配する設備である。

このような熱処理工場を支援する運転計画作成支援装置は、図３に示すように、記憶部１、操作部２、通信部３、演算部４及び表示部５を機能構成要素として備えている。記憶部１は、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等の内部記憶装置並びにハードディスクあるいは／及びメモリーカード等の外部記憶装置からなり、熱処理炉データベース１ａ及びプログラム記憶部１ｂを少なくとも備えている。

熱処理炉データベース１ａは、各熱処理炉Ｒの運転履歴が複数登録されたデータテーブルである。この運転履歴には、各熱処理炉Ｒで行った過去の熱処理における消費電力データが少なくとも含まれている。この消費電力データは、図２に示したように、熱処理における消費電力の時間変化を示すものである。

プログラム記憶部１ｂは、上記支援プログラムつまり演算部４が実行するプログラムが記憶された記憶領域である。このプログラム記憶部１ｂには、上記支援プログラムとして消費電力予測プログラム、第１数理計画プログラム及び第２数理計画プログラムを少なくとも記憶されている。

上記消費電力予測プログラムは、熱処理炉データベース１ａに基づいて熱処理炉Ｒで次に実行する熱処理の消費電力の変化を示す予測消費電力データを生成するための支援プログラムである。なお、この予測消費電力データは、本実施形態における消費エネルギー変動データである。

第１数理計画プログラムは、メタヒューリスティクスに基づいて所定の電力最適化問題の実行可能解を上述した最適運転スケジュールの候補として探索する支援プログラムである。また、第２数理計画プログラムは、メタヒューリスティクスや分岐限定法に基づいて、上記実行可能解から上述した最適運転スケジュールを最終解として求める支援プログラムである。なお、上記メタヒューリスティクス及び分岐限定法は、最適化問題を解くためのアルゴリズムとして周知のものである。

操作部２は、運転計画作成支援装置を運用する作業者の操作指示を受け付ける入力装置であり、より具体的にはキーボードやマウス等のポインティングデバイスである。この操作部２は、作業者の操作指示に対応した操作信号を演算部４に出力する。通信部３は、所定の通信回線を介して外部機器とデータの送受信を行う通信装置であり、例えばＬＡＮ（Local Area Network）やインターネットに準拠した通信プロトコルを用いて外部機器との通信を行う。

演算部４は、上述した専用プログラム、熱処理炉データベース１ａ及び操作信号等に基づいて上記消費電力予測データ、実行可能解（最適運転スケジュールの候補）及び最終解（最適運転スケジュール）を求める演算装置であり、インターフェース回路及びＣＰＵ（Central Processing Unit）等のハードウエアからなる。上記インターフェース回路は、記憶部１、操作部２、通信部３及び表示部５と各種信号の授受を行う電子回路であり、ＣＰＵは、上述した支援プログラムを実行する中央処理装置である。

また、演算部４は、機能的な構成要素として予測部４ａ及び最適化部４ｂを少なくとも備えている。予測部４ａは、熱処理炉データベース１ａ及び消費電力予測プログラムに基づいて、各熱処理炉Ｒにおける個々の熱処理（ジョブ）の予測消費電力データを生成する。最適化部４ｂは、上記予測消費電力データ、第１数理計画プログラム及び第２数理計画プログラムに基づいて上述した実行可能解及び最終解（最適運転スケジュール）を求める。

表示部５は、上記演算部４における各種の演算結果、つまり上記消費電力予測データ、電力最適化問題の実行可能解及び最終解を画像表示する表示装置であり、例えば液晶ディスプレイである。この表示部５は、演算部４から入力される映像信号に基づいて、上記消費電力予測データ、電力最適化問題の実行可能解及び最終解（最適運転スケジュール）を画面表示する。

次に、本実施形態に係る運転計画作成支援装置の動作（運転計画作成支援方法）について、図４～図７をも参照して詳しく説明する。

最初に、この運転計画作成支援装置を用いて所定の計画期間（例えば一週間分）における熱処理工場（施設）の最適運転スケジュール（最終解）を求める場合、上記計画期間に各熱処理炉Ｒが行う複数の部品Ｘに関する熱処理の内容をジョブ（熱処理の実行単位）として運転計画作成支援装置に入力する必要がある。すなわち、運転計画作成支援装置には、計画期間に熱処理工場（施設）で熱処理される予定の複数の部品Ｘに関するジョブが必要情報として入力される。

また、この運転計画作成支援装置を用いて最適運転スケジュール（最終解）を求めるためには、上述した複数のジョブに加えて、当該各ジョブの実行に関する必要条件を電力最適化問題を解くための制約条件として運転計画作成支援装置に入力する必要がある。上記制約条件は、例えば各ジョブの最早実行可能時刻（条件ａ）、熱処理後の部品Ｘの客先への納期（条件ｂ）、各ジョブの実行優先順位（条件ｃ）、作業者の勤務予定（条件ｄ）、熱処理炉Ｒのメンテナンス・スケジュール（条件ｅ）、単位時間当たりに稼働開始可能な炉数（条件ｆ）である。

作業者は、操作部２を操作することにより、上述した複数のジョブ及び制約条件を操作部２から入力する（ステップＳ１）。演算部４は、操作部２から上記各ジョブ及び制約条件に関する操作信号が入力されると、各ジョブ及び制約条件を記憶部１に記憶させ、この上で消費電力予測プログラムを実行することにより、各ジョブに関する予測消費電力データを生成する（ステップＳ２）。

すなわち、演算部４は、各ジョブに類似する消費電力データを熱処理炉データベース１ａから検索することにより、ジョブ毎に予測消費電力データを生成する。なお、演算部４は、あるジョブに類似する消費電力データが複数抽出された場合、これら消費電力データに所定の統計処理を施すことにより予測消費電力データを生成する。

そして、演算部４は、上記制約条件及び予測消費電力データを含む電力最適化問題を解くことにより、熱処理工場（施設）における各熱処理炉Ｒ（設備）の最適運転スケジュール、つまり熱処理工場（施設）における電力消費量のピークを最小化する各熱処理炉Ｒ（設備）の運転スケジュールを探索する（ステップＳ３）。そして、演算部４は、このようにして得られた最適運転スケジュールを表示部５に出力して画像表示させる（ステップＳ４）。

ここで、上記ステップＳ３の探索処理の詳細について図５を参照して説明する。
この探索処理（ステップＳ３）は、図５に示すようにステップＳ３ａ～Ｓ３ｄからなる。演算部４は、ステップＳ３ａにおいて、第１数理計画プログラムを実行することにより電力最適化問題の実行可能解、つまり複数の制約条件の全てを満たす運転スケジュールを探索する。

すなわち、演算部４は、上記制約条件及び予測消費電力データに基づいて、例えば下式（１）～（８）によって定式化された第１電力最適化問題Ｐ１をメタヒューリスティクスに基づいて解く。この第１電力最適化問題Ｐ１は、式（１）で示される目的関数及び式（２）～（８）で示される制約関数によって構成されている。

上記目的関数は、決定変数ｙの最小値を求めることが目的であることを示し、制約関数は、上述した制約条件（条件ａ～ｆ）のうち条件ａ，ｂに対応するものである。また、これら式（１）～（８）における各記号は、以下の表１～表４に示すように定義される。なお、このような第１電力最適化問題Ｐ１では、条件ｃ～ｆに対応する制約関数については便宜的に割愛しているが、定式化は十分に可能である。

なお、上記表４における各従属変数は、下式（９）～（１４）によって定義される。

このステップＳ３ａでは実行可能解が複数得られるが、各実行可能解は、熱処理工場（施設）における電力消費量のピークを最小化し得る各熱処理炉Ｒ（設備）の運転スケジュールであり、最適運転スケジュールの候補と言えるものである。図６は、ステップＳ３ａで求められた実行可能解、つまり制約条件の下で各熱処理炉Ｒが行うジョブ（熱処理）の運転スケジュールを示す概念図である。この図６の例では、一例として１０台の熱処理炉Ｒの運転スケジュールを示しているが、時刻ｔｘにおいて熱処理工場（施設）における電力消費量のピークが発生している。

そして、演算部４は、第２数理計画プログラムを実行することによりステップＳ３ｂ～Ｓ３ｄの処理を行う。最初に、演算部４は、ステップＳ３ｂにおいて各実行可能解に所定の制限空間を設定する。すなわち、演算部４は、図６に示すように、各熱処理炉Ｒ（設備）が行うジョブ（熱処理）の処理時間の可変範囲を計画期間よりも狭い制限空間に限定する。

続いて、演算部４は、ステップＳ３ｃにおいて、例えば下式（１５）～（２２）によって定式化された第２電力最適化問題Ｐ２を分岐限定法に基づいて解く。すなわち、演算部４は、上述した制限空間の制約下において、各熱処理炉Ｒにおける各ジョブ（熱処理）の処理時間を所定の時間幅（３０分あるいは１時間）で前後に調節することにより、実行可能解の補正処理を行う。なお、この第２電力最適化問題Ｐ２では、式（１５）が目的関数であり、また式（１６）～（２２）が制約関数である。第２電力最適化問題Ｐ２では、ピーク消費電力目標値yは最適化問題の決定変数ではなく、最適化問題を解く際に外的に決定されるパラメータである。ステップＳ３ｃでは、第２電力最適化問題Ｐ２を解くことで得られる解のピーク消費電力が小さくなるよう、ｙを二分法などを用いて反復的に定めていく。すなわち、ステップＳ３ｃでは、第２電力最適化問題Ｐ２を繰り返し解く必要がある。

そして、演算部４は、ステップＳ３ｄの判定処理を行うことにより、補正後の実行可能解の中から最大（ピーク）需要電力が最も低いものを最終解（最適運転スケジュール）として取得する。すなわち、演算部４は、ステップＳ３ａで得られた実行可能解の各々にステップＳ３ｂ～Ｓ３ｄの処理を行うことにより、最終解（最適運転スケジュール）を取得する。

なお、上記ステップＳ３ｃでは、分岐限定法に基づく式（１５）～（２２）の第２電力最適化問題Ｐ２を解いたが、メタヒューリスティクスに基づく式（２３）～（２９）の第３電力最適化問題Ｐ３を解いてもよい。なお、この第３電力最適化問題Ｐ３では、式（２４）～（２９）を満足する解xをひとつ探索する。第３電力最適化問題Ｐ３においても、ピーク消費電力目標値yは最適化問題の決定変数ではなく、最適化問題を解く際に外的に決定されるパラメータであり、ステップＳ３ｃでは、第３電力最適化問題Ｐ３の実行可能解が得られる範囲でのなるべく小さいｙの値を二分法などを用いて反復的に探索する。すなわち、第２電力最適化問題Ｐ２の代わりに第３電力最適化問題Ｐ３を解く場合でも、ステップＳ３ｃでは、第３電力最適化問題Ｐ３を繰り返し解く必要がある。

このような本実施形態によれば、熱処理炉データベース１ａに基づいて予測消費電力データを生成し、当該予測消費電力データに基づいて最適運転スケジュールを求めるので、稼働中に電力消費量が変化する複数の熱処理炉Ｒを備える熱処理工場の電力需要のピークシフトを実現することができる。図７（ａ）は、実行可能解の予測電力変化を示し、図７（ｂ）は、最終解の予測電力変化を示している。この図７（ａ）と図７（ｂ）との比較によって明らかなように、最終解における最大（ピーク）予測電力は、実行可能解の最大（ピーク）予測電力よりも大幅に低減されている。

また、本実施形態によれば、第１電力最適化問題Ｐ１で複数の能解を探索し、当該可能解に探索空間を限定することにより最終解（最適運転スケジュール）を求めるので、確実かつ比較的短時間で最適運転スケジュールを取得することができる。

なお、本発明は上記実施形態に限定されるものではなく、例えば以下のような変形例が考えられる。
（１）上記実施形態では、消費エネルギーとして電力を取り上げたが、本発明はこれに限定されない。瞬間的に供給可能な量に上限のあるエネルギーであれば、本発明は電力以外のエネルギーに適用可能である。本発明は、例えば所定の熱媒によって供給される熱、燃料ガス等の各種ガス、エア（空気）あるいは水等の各種液体に適用可能である。

（２）上記実施形態では、設備の一例として熱処理炉Ｒの最適運転スケジュールを求めたが、本発明はこれに限定されない。すなわち、本発明は、熱処理炉Ｒ以外の設備についても適用可能である。例えば、部品に機械加工を施すマシニングセンタへの適用が考えられる。このマシニングセンタは稼働中における電力消費量が大きく変動する製造設備である。このようなマシニングセンタ（設備）を複数備える製造工場（施設）では、熱処理工場と同様に最大消費電力の抑制による効果が大きい。

（３）上記実施形態では、熱処理炉データベース１ａに基づいて予測消費電力データを生成したが、本発明はこれに限定されない。例えば、過去の熱処理から計画期間に行う熱処理の消費電力が明らかな場合、例えば過去に行った熱処理と同様な熱処理を計画期間に行う場合には、予測消費電力データの生成処理は不要となる。

（４）上記実施形態では、作業者が操作部２を操作することにより各ジョブ及び制約条件を運転計画作成支援装置に入力するが、本発明はこれに限定されない。上述した製造実行システムや生産管理システムと連携することにより、各ジョブ及び制約条件を運転計画作成支援装置に自動的に取り込み、最適運転スケジュールを定期的（１日あるいは半日単位）あるいは所定のタイミングで自動的に求めてもよい。

（５）上記実施形態では、熱処理炉データベース１ａ及び各支援プログラムが運転計画作成支援装置内に保存されているが、本発明はこれに限定されない。例えば、熱処理炉データベース１ａ及び各支援プログラムを外部のサーバに保存し、通信部３を用いてサーバから取得してもよい。特に熱処理炉データベース１ａをサーバに保存することにより、熱処理炉データベース１ａの更新が容易となり、よってより新しい消費電力データを用いて予測消費電力データを生成することが可能になる。

（６）上記実施形態では、熱処理炉データベース１ａに基づいて予測消費電力データを生成したが、本発明はこれに限定されない。例えば、熱処理炉Ｒの物理モデルを記憶部１に記憶させ、当該物理モデルを用いて予測消費電力データを生成してもよい。また、物理モデルと熱処理炉データベース１ａとを併用して予測消費電力データを生成してもよい。

（７）上記実施形態では、ジョブの熱処理炉Ｒへの割付やジョブの処理順序を制約条件としていない、本発明はこれに限定されない。すなわち、電力最適化問題について、ジョブの熱処理炉Ｒへの割付やジョブの処理順序を制約条件とする定式化を行ってもよい。また、この場合に、特定のジョブのみを固定（作業者が与えた初期解のまま変更しない）として定式化してもよい。

（８）上記実施形態では、式（１）で示される目的関数は最大消費電力を最小化するものであるが、本発明はこれに限定されない。例えば処理量維持の観点から、納期遅れの最小化、あるいは全ジョブ実行完了時間の最小化を示す目的関数を追加した定式化を行ってもよい。

（９）上記実施形態では、最大消費電力を制限する制約条件を設定しなかったが、本発明はこれに限定されない。最大消費電力を所定値以下に制限する制約条件を設定してもよい。例えば、熱処理工場が電力供給業者と契約している契約電力の値を最大消費電力の上限とする制約条件を設定することにより、最大消費電力が契約電力を超えない最適運転スケジュールを取得することが可能となる。

（１０）上記実施形態における運転計画作成支援装置は、スタンドアローン（stand-alone）のコンピュータとして構成されているが、本発明はこれに限定されない。例えば、運転計画作成支援装置を外部ネットワークを介して製造実行システム（ＭＥＳ：Manufacturing Execution System）や生産管理システム（ＥＲＰ：Enterprise Resource Planning）と通信可能に接続することにより運転計画作成支援装置を製造実行システムや生産管理システムと連携させてもよい。例えば、生産管理システムから生産計画をダウンロードし、最適運転スケジュールを製造実行システムに登録する等の方法により、最適運転スケジュールを可視化・管理することが可能である。

Ｒ熱処理炉
Ｕ上流側ライン
Ｓ部品ストレージ
Ｌ下流側ライン
１記憶部
１ａ熱処理炉データベース
１ｂプログラム記憶部
２操作部
３通信部
４演算部
４ａ予測部
４ｂ最適化部
５表示部

Claims

複数の設備の消費エネルギー変動データに基づいて、前記設備が備えられた施設のエネルギー消費量のピークを最小化する前記設備の所定の計画期間における運転スケジュールを求める最適化部を備え、
前記最適化部は、複数の制約条件の全てを満たす実行可能解を最適化問題を解くことによって求め、前記実行可能解に所定の制限空間を設定して前記エネルギー消費量のピークを最小化する最終解を別の最適化問題を解くことによって求め、
前記制限空間は、対象ジョブの処理時間の可変範囲を前記計画期間よりも狭い空間に限定する運転計画作成支援装置。
前記最適化部は、前記実行可能解をメタヒューリスティクスを用いて探索することを特徴とする請求項１に記載の運転計画作成支援装置。
前記最適化部は、前記最終解をメタヒューリスティクスあるいは分岐限定法を用いて求めることを特徴とする請求項１または２に記載の運転計画作成支援装置。
前記消費エネルギー変動データを生成する予測部をさらに備えることを特徴とする１～３のいずれか一項に記載の運転計画作成支援装置。
前記予測部は、前記設備の運転履歴あるいは物理モデルに基づいて前記消費エネルギー変動データを生成することを特徴とする請求項４に記載の運転計画作成支援装置。
複数の設備の消費エネルギー変動データに基づいて定式化された最適化問題をコンピュータを用いて解くことにより、前記設備が備えられた施設のエネルギー消費量のピークを最小化する前記設備の所定の計画期間における運転スケジュールを求め、
前記運転スケジュールを求めるに際し、複数の制約条件の全てを満たす実行可能解を最適化問題を解くことによって求め、前記実行可能解に所定の制限空間を設定して前記エネルギー消費量のピークを最小化する最終解を別の最適化問題を解くことによって求め、
前記制限空間は、対象ジョブの処理時間の可変範囲を前記計画期間よりも狭い空間に限定する運転計画作成支援方法。