JP7053771B1 - システム構築を支援する支援システム及び支援方法 - Google Patents
システム構築を支援する支援システム及び支援方法 Download PDFInfo
- Publication number
- JP7053771B1 JP7053771B1 JP2020196690A JP2020196690A JP7053771B1 JP 7053771 B1 JP7053771 B1 JP 7053771B1 JP 2020196690 A JP2020196690 A JP 2020196690A JP 2020196690 A JP2020196690 A JP 2020196690A JP 7053771 B1 JP7053771 B1 JP 7053771B1
- Authority
- JP
- Japan
- Prior art keywords
- time
- pseudo
- series
- data
- macro
- 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
- 238000000034 method Methods 0.000 title claims abstract description 414
- 238000010276 construction Methods 0.000 title claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 404
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 37
- 230000003111 delayed effect Effects 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 7
- 239000000047 product Substances 0.000 description 42
- 238000004519 manufacturing process Methods 0.000 description 38
- 238000007726 management method Methods 0.000 description 27
- 239000000463 material Substances 0.000 description 25
- 238000003860 storage Methods 0.000 description 22
- 238000012800 visualization Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 230000002035 prolonged effect Effects 0.000 description 5
- 230000001788 irregular Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000011265 semifinished product Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 229910007933 Si-M Inorganic materials 0.000 description 1
- 229910008318 Si—M Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
・生産活動の見える化をするシステム。このシステムでは、「対象」の例は、製品でよい。「物」の例は、材料、半製品(中間生産物)、完成品等でよい。「タスク」の例は、工程(例えば、材料の切り出しやプレス、或いは組立)でよい。
・経営の見える化をするシステム。このシステムでは、「対象」の例は、KPI(Key
Performance Indicator)でよい。「物」の例は、情報でよい。「タスク」の例は、情報分析、プロジェクト立案といった作業でよい。
・倉庫の入出庫を行うシステム。このシステムでは、「対象」の例は、倉庫内在庫状況でよい。「物」の例は、商品又は商品からなるコンテナでよい。「タスク」の例は、商品又は商品からなるコンテナの搬送といった工程でよい。
・搬送を行うシステム。このシステムでは、「対象」の例は、搬送の運行でよい。「物」の例は、商品又は商品からなるコンテナでよい。「タスク」の例は、商品又は商品からなるコンテナをピッキングステーションまで運ぶといった工程でよい。
・ITサイドプロセスの開始が遅延することがあり、故に、システム構築の完了までの期間が長期化する。
・システム構築により構築されるシステムの導入先及び導入元の少なくとも一方(典型的には双方)に負担が大きく、故に、システム構築の完了までのコスト(例えば、作業負担)が肥大化する。
・OTサイドプロセスを待たずにITサイドプロセスを開始し、以って、システム構築の完了までの期間の長期化を避けること。
・ITサイドプロセスの途中又は完了後の結果を基にOTサイドプロセスを効率化し、以って、システム構築の完了までのコストを低減すること。
・一つ以上のI/O(Input/Output)インターフェースデバイス。I/O(Input/Output)インターフェースデバイスは、I/Oデバイスと遠隔の表示用計算機とのうちの少なくとも一つに対するインターフェースデバイスである。表示用計算機に対するI/Oインターフェースデバイスは、通信インターフェースデバイスでよい。少なくとも一つのI/Oデバイスは、ユーザインターフェースデバイス、例えば、キーボード及びポインティングデバイスのような入力デバイスと、表示デバイスのような出力デバイスとのうちのいずれでもよい。
・一つ以上の通信インターフェースデバイス。一つ以上の通信インターフェースデバイスは、一つ以上の同種の通信インターフェースデバイス(例えば一つ以上のNIC(Network Interface Card))であってもよいし二つ以上の異種の通信インターフェースデバイス(例えばNICとHBA(Host Bus Adapter))であってもよい。
・「対象」の例が「製品」である。「物」の例が「材料」や「生産物」である。「製品」は、製造システムに投入される前の品物(例えば材料)も、製造システム途中にある品物(いわゆる「半製品」)も、製造システムにおける該当の全ての工程を経て出荷可能な状態となった完成品のいずれでもよい。「生産物」は、半製品でも完成品でもよい。
・「タスク」の例が「段取」及び「工程」である。
・一つ以上のタスクの各々について、当該タスクに関わるリソースは、物それ自体としてのリソース(例えば、Material)と、物に対するリソース(例えば、Machine、huMan)とのうちの少なくとも一つである。
(1)生産性の悪化を認知。
(2)原因を特定。
(3)影響度の把握によって効果の大きい改善活動を優先的に実施。
(4)改善効果を短いスパンで検証。
(5)ボトルネックの解消。
・OTサイドプロセスの進捗に依存せずに、見える化の結果として製造ダッシュボードの構築ができる。これにより、早期の仮説検証(例えば、見える化ポイントとデータソースポイントの選択の正しさの確認)、製造ダッシュボードを早期に導入先顧客に提示することで早期に顧客フィードバックを得ること、及び、効率的な試行錯誤の繰り返しといったことが期待できる。
・ケースによっては、現場プロセスのうちの一部は、リアル化されずに疑似モデルの一部でよい。これにより、相対的に重要性が低い部分(例えば、顧客にとって価値が低い部分)のリアル化を避け、より効率的なシステム構築が期待できる。
・現場へ出向かずに(或いは現場へ出向く回数を大幅に減らして)、生産活動(製造現場)の見える化システムのリモートでのデリバリが可能となる。これにより、現場へ出向くことができない状況(例えば、パンデミック下)でも導入元及び導入先のいずれの業務も継続が可能となる。
・OTサイドプロセスの実際の実行結果(例えば、途中又は過去の実行結果)としてのデータである実際実行データがある場合、図3に実線枠の矢印で示すように、実際実行データの少なくとも一部が、疑似モデル80の実行に使用されてもよいし、DWH50に格納されてもよいし、ETLにより抽出されてDM60に格納されてもよい。
・制御機能81は必ずしも疑似モデル80に含まれていなくてもよい。例えば、制御機能81相当の機能がOT実行部301に含まれていてもよい。しかし、疑似モデル80に制御機能81が含まれていて、OT実行部301が当該制御機能81に規定されている処理を実行する形式の方が、疑似モデル80により適した(疑似モデル80が模している現場プロセスにより適した)処理の疑似的な実行が期待できる。
・シナリオデータ358が疑似モデル80の外部から入力されることに代えて、シナリオデータ358が疑似モデル80に予め含まれていてもよい。疑似モデル80とは別にシナリオデータ358が用意されることで、同一の疑似モデル80の実行について多様性(例えば、複数通りのイレギュラーなイベントの発生)を実現し易い。例えば、シナリオデータ358におけるパラメータを変更するだけで疑似モデル80の実行内容を変えることが期待できる。
・DWH50、ETL及びDM60の少なくとも一つは必ずしも採用されないでよい。例えば、ITサイドプロセスでは、疑似実行データそれ自体からダイヤグラムチャート70が生成され表示されてもよい。
・「MAT.」は、材料を意味する。
・「PRO.」は、生産物を意味する。
・「Ai」(i=1、2、…nといった自然数)は、段取iを意味する。段取iは、工程i(工程番号iの工程)の段取である。
・「Ai-N」(Nは自然数)は、段取iに関わるリソース又はその状況を意味する。例えば、An-1は、材料を表す。An-2は、台車の稼働可否を表す。An-3は、段取作業者の稼働可否を表す。An-2及びAn-3の各々について、太線が、稼働可の状態であることを意味する。
・「Si」(iは自然数であることもある)は、工程iを意味する。
・「Si-M」(Mは自然数)は、工程iに関わるリソース又はその状況を意味する。例えば、Sn-1は、設備の稼働可否を表す。Sn-2は、工程作業者の稼働可否を表す。Sn-1及びSn-2の各々について、太線が、稼働可の状態であることを意味する。
・「CONT_S」は、制御機能81から出力されるコントロール信号を意味する。太線が、CONT_Sのオン状態を意味する。
・「CURR_SN」は、カレントの工程番号を表す信号を意味する。同時刻に存在するカレントの工程番号は一つであっても複数であってもよい。すなわち、マクロ工程内に同時に1つだけの工程があってもよいし、同時に複数のタスクがあってもよい。
・材料(An-1)が到着した時刻(三角マーク)T1に段取nが開始する。CURR_SNは“n”を表す。CONT_SがON状態、台車(An-2)が稼働可の状態、且つ、段取作業者(An-3)が稼働可の状態のときに、4単位時間分を段取標準時間とする段取nが実行され、時刻T2で段取nが終了する。中断及び再開が生じたため、段取nに要した時間(T1からT2までの時間)は、段取標準時間より長い。
・段取nが終了したときに工程nが開始する。工程nの開始時刻は、段取nの完了時刻T2である。CONT_SがON状態、設備(Sn-1)が稼働可の状態、且つ、工程作業者(Sn-2)が稼働可の状態のときに、7単位時間分を工程標準時間とする工程nが実行され、時刻T3で工程nが終了する。中断及び再開が生じたため、工程nに要した時間(T2からT3までの時間)は、工程標準時間より長い。
・制御機能81により制御されるマクロ工程の数。
・制御機能81がコントロール信号のオン状態とオフ状態の切替を行うか否かのフラグ(当該フラグが“1”であれば、コントロール信号のオン状態とオフ状態の切替が行われる)。
・マクロ工程の同期要否のフラグ(当該フラグが“1”であれば、マクロ工程の同期が行われる)。
・マクロ工程のステータスの出力を行うか否かのフラグ(当該フラグが“1”であれば、マクロ工程の実行において実行されている工程番号の出力が行われる)。
・マクロ工程に含まれる工程の数。
・マクロ工程の標準時間、開始時刻及び完了時刻。
・マクロ工程に対し入力される材料の到着時刻。
・材料の到着時刻。
・段取の標準時間、開始時刻及び終了時刻。
・段取の各リソースについて、当該リソースの稼働可否を表す信号を出力するか否かのフラグ(当該フラグが“1”の場合、稼働可否の信号が出力される)。
・工程の標準時間、開始時刻及び終了時刻。
・工程の各リソースについて、当該リソースの稼働可否を表す信号を出力するか否かのフラグ(当該フラグが“1”の場合、稼働可否の信号が出力される)。
・シナリオを自動で構築するか手動で構築するか。
・遅延発生の起因(例えば、人(huMan)、設備(Machine)、材料(Material)といったリソース)。
・遅延発生の起因毎の遅延発生率(例えば、当該起因としてのリソースと遅延発生率)。
・マクロ工程の同期の有無。
(a)現場プロセスの過去の実行を再現するシナリオ(現場プロセスを過去に実際に実行した結果としてのデータと同内容の疑似実行データを取得するためのシナリオ)。
(b)現場プロセスの尤もらしい実行結果としての疑似実行データを取得するためのシナリオ。
(c)疑似モデル80の実行において適宜に製品遅延を生じさせるシナリオ。
(d)疑似モデル80のシナリオを疑似モデル実行部342に依存させるシナリオ(疑似モデル実行部342が実質的にシナリオを決めるシナリオ)。
(e)疑似モデル80の実行において遅延が一切発生しないシナリオ。
・疑似モデル80が表す一つ以上のマクロ工程。
・マクロ工程毎に、それぞれ当該マクロ工程の要素であり具体的には段取又は工程である一つ以上のマクロ工程要素。
・マクロ工程要素毎に、当該マクロ工程要素に関わる一つ以上のリソース。
・リソース毎に、遅延発生回数と、遅延発生時刻のプロパティ。遅延発生時刻プロパティは、遅延発生回数が適用されたプロパティでよい。例えば、遅延発生回数が“X”の場合、遅延発生時刻プロパティは、X個の要素を含んでよい。
・疑似モデル80を基に、シナリオデータ358が表すシナリオにおける矛盾の有無を判定すること。
・当該判定の真であり、且つ、当該矛盾が、ルールテーブル355が表すルール(所定のルールの一例)の範囲で解消可能な場合、当該矛盾を解消すること。
・疑似モデル80及びシナリオデータ358を基に、シナリオが表すリソースそれぞれに当該リソースのインスタンスを割り付けること。
・シナリオが表すリソースのうち、遅延の発生するリソースについて、遅延の発生時刻を割り付けること。
・R_t(k):第k番目の製品に対する当該マクロ工程の開始時刻(前段マクロ工程における最終工程の完了時刻)
・G_t(k):第k番目の製品に対する当該マクロ工程の完了時刻(後段マクロ工程における最先段取の開始時刻)
・疑似モデル実行部342が、各段取i、各工程iの標準時間から、系列の標準時間TST(例えば、Σ(段取iの標準時間+工程iの標準時間))とG_t(k)-R_t(k)の値とを比較する。TST*(1+α)>G_t(k)-R_t(k)が満たされる系列は、どの段取i且つどの工程iでも特段の遅延が発生しなかった標準系列とされる。α(誤差)は、調整されてよい(例えば、α=0でもよい)。なお、製品毎に、「系列」は、当該マクロ工程のR_t(k)(所与の開始時刻の一例)及びG_t(k)(所与の完了時刻の一例)を含む時刻集合である。「系列」は、R_t(k)及びG_t(k)のみ含んでもよいし、R_t(k)とG_t(k)間の推定時刻(マクロ工程要素の開始時刻及び/又は完了時刻)も含んでよい。「推定時刻」は、疑似モデル80から推定される時刻でよい。
・疑似モデル実行部342が、互いに隣接し合う標準系列を、遅延無グループ2801に属する系列とする。また、疑似モデル実行部342が、遅延無グループ2801に属さない互いに隣接し合う系列を遅延有グループ2802に属する系列とする。結果として、標準系列と次の標準系列との間に存在する一つ以上の系列の集合が、遅延有グループ2802である。遅延有グループ2802の隣のグループが、時系列に連続した(例えばR_t(k)が時系列に連続した)一つ以上の標準系列の集合としての遅延無グループ2801である。遅延無グループ2801を構成する一つ以上の標準系列のうちの一つが、基本系列である。
・疑似モデル実行部342が、互いに隣接し合うG_t(k)の差(具体的には、G_t(k+1)-G_t(k)の値)が、上述のTST*(1+α)以下である互いに隣接するもの同士をG_グループとする。
・疑似モデル実行部342が、互いに隣接し合うRed_t(k)の差(具体的には、Red_t(k+1)-Red_t(k)の値)が上述のTST*(1+α)以下である互いに隣接するもの同士をR_グループとする。便宜上、図28~図30が示す例において、遅延有グループ2802におけるG_グループを、右から順に、G_Grp1、G_ Grp2、G_ Grp3、G_Grp4と表記する。同様に、遅延有グループ2802におけるR_グループを、右から順に、R_Grp1、R_Grp2、R_Grp3、R_Grp4と表記する。
・疑似モデル実行部342が、G_グループとR_グループとの関係が閉じた系列の上位グループとしてRG_グループを生成する。RG_グループに属するいずれの系列も別のRG_グループに属さない。便宜上、図28~図30が示す例において、遅延有グループ2802におけるRG_グループを、右から順に、RG_Grp1、RG_ Grp2、RG_ Grp3と表記する。
・疑似モデル実行部342が、Nの基本系列を、右に寄せて最短間隔で並べる。Nは、RG_グループを構成する非標準系列の数以下(但し、最大値は、工程数×2+1)である。Nの基本系列のうちのm番目の基本系列を「基本系列m」と言う(mは自然数)。mが小さい程、開始時刻が後の系列である。すなわち、Nの基本系列のうちの最後の基本系列が1番目の基本系列である。基本系列と非標準系列が1:1で対応する。
・疑似モデル実行部342が、基本系列m全体を、基本系列mにおける完了時刻が、対応する非標準系列の完了時刻に重なるように移動させる。この移動において、基本系列における各線分の傾きは維持される。
・疑似モデル実行部342が、基本系列mにおける上位時刻群全体を、基本系列mにおける開始時刻が、対応する非標準系列の開始時刻に重なるように移動させる。「上位時刻群」は、開始時刻を含むm番目の時刻までの時刻である。1番目の時刻は開始時刻である。この移動では、上位時刻群における各線分の傾きは維持される。言い換えれば、基本系列mにおける線分のうち、m番目の時刻と(m+1)番目の時刻間の線分のみ、傾きが変わる。
(A)OT実行部301が、遅延無グループ及び遅延有グループを特定する。遅延無グループは、時系列に連続した一つ以上の標準系列である。遅延有グループは、時系列に連続した一つ以上の非標準系列である。対象(例えば製品)毎に、系列は、マクロタスク(例えばマクロ工程)の所与の開始時刻及び所与の完了時刻を含む時刻集合である。標準系列は、マクロタスクの標準時間と疑似時間の差が一定値以下である系列である。標準時間は、マクロタスクの開始時刻と完了時刻との差の標準値である。疑似時間は、マクロタスクの所与の開始時刻と所与の完了時刻との差である。
(B)OT実行部301が、一つ以上の標準系列のうちの基本系列を基に、遅延有グループにおける一つ以上の非標準系列の各々について、当該非標準系列の尤もらしい遅延を推定する。基本系列は、マクロタスクの標準時間と疑似時間との差が最も短く、マクロタスクにおけるタスク毎の標準時間を基に当該タスク毎の開始時刻及び完了時刻が推定される系列である。
(C)OT実行部301が、(B)の推定の結果に基づく疑似実行データを生成する。
(b1)OT実行部301が、一つ又は複数の開始時刻グループ(例えばR_グループ)及び一つ又は複数の完了時刻グループ(例えば、G_グループ)を特定する。開始時刻グループは、マクロタスクの時系列に連続した一つ又は複数の所与の開始時刻であり、当該開始時刻グループにおいて、隣接する所与の開始時刻間の差は一定値以下である。完了時刻グループは、マクロタスクの時系列に連続した一つ又は複数の所与の完了時刻であり、当該完了時刻グループにおいて、隣接する所与の完了時刻間の差は一定値以下である。
(b2)OT実行部301が、一つ又は複数の開始完了グループ(例えば、RG_グループ)を特定する。開始完了グループは、一つ以上の開始グループと一つ以上の完了グループとで構成されたグループである。当該開始完了グループにおいて、いずれの所与の開始時刻もいずれの所与の完了時刻も、当該開始完了グループに閉じている。
(b3)開始完了グループ毎に、OT実行部301が、(b3-1)及び(b3-2)を実行する。
(b3-1)OT実行部301が、時系列のNの基本系列を設定する。各開始完了グループについて、Nは、自然数、且つ、当該開始完了グループに属する非標準系列の数以下の数である。
(b3-2)Nの基本系列の各々について、OT実行部301が、(b3-2-1)及び(b3-2-2)を実行する。
(b3-2-1)OT実行部301が、当該基本系列であるm番目の基本系列の全体を、当該m番目の基本系列の完了時刻が、当該m番目の基本系列に対応する非標準系列の完了時刻に重なるように移動させる。
(b3-2-2)OT実行部301が、当該m番目の基本系列における上位時刻群全体を、当該m番目の基本系列の開始時刻が、当該m番目の基本系列に対応する非標準系列の開始時刻に重なるように移動させる。1番目の基本系列は、Nの基本系列のうち開始時刻が最も遅い基本系列である。各基本系列において、上位時刻群は、当該基本系列の開始時刻を含みm番目の時刻までの時刻であり、1番目の時刻は、開始時刻である。
Claims (15)
- OT(Operation Technology)サイドにおけるプロセスであるOTサイドプロセスの結果としてのデータをIT(Information Technology)サイドにおけるプロセスであるITサイドプロセスに必要とするシステム構築を支援する支援システムであって、
OTサイドプロセスの少なくとも一部である現場プロセスを模したモデルである疑似モデルを実行するOT実行部と、
前記現場プロセスは、一つ又は複数の対象の各々についてそれぞれ開始及び終了する一つ又は複数のタスクを含み、
前記疑似モデルの実行により取得されたデータである疑似実行データを基にITサイドプロセスを実行するIT実行部と
を備え、
前記疑似モデルは、複数の対象の各々がマクロタスクを構成する複数のタスクを経由することを含み、
前記OT実行部は、前記疑似モデルの実行において、
(A)遅延無グループ及び遅延有グループを特定し、
前記遅延無グループは、時系列に連続した一つ以上の標準系列であり、
前記遅延有グループは、時系列に連続した一つ以上の非標準系列であり、
対象毎に、系列は、前記マクロタスクの所与の開始時刻及び所与の完了時刻を含む時刻集合であり、
標準系列は、前記マクロタスクの標準時間と疑似時間の差が一定値以下である系列であり、
前記標準時間は、前記マクロタスクの開始時刻と完了時刻との差の標準値であり、
前記疑似時間は、前記マクロタスクの所与の開始時刻と所与の完了時刻との差であり、
(B)前記一つ以上の標準系列のうちの基本系列を基に、前記遅延有グループにおける前記一つ以上の非標準系列の各々について、当該非標準系列の尤もらしい遅延を推定し、
基本系列は、前記マクロタスクの標準時間と疑似時間との差が最も短く、前記マクロタスクにおけるタスク毎の標準時間を基に当該タスク毎の開始時刻及び完了時刻が推定される系列であり、
(C)(B)の推定の結果に基づく前記疑似実行データを生成する、
支援システム。 - 前記OT実行部は、遅延が一切発生しないこと又は一つ以上のタスクに遅延が発生することを含むシナリオを表すシナリオデータを基に前記疑似モデルを実行する、
請求項1に記載の支援システム。 - 前記疑似モデルは、タスクの開始時刻及び完了時刻と、リソース及びタスクの関係とを含み、
前記一つ以上のタスクの各々について、当該タスクに関わるリソースは、物それ自体としてのリソースと、物に対する処理のためのリソースとのうちの少なくとも一つであり、
前記シナリオは、前記一つ以上のタスクの各々について、当該タスクに関わる物が起因の遅延、及び、当該タスクに関わるリソースが起因の遅延、のうちの少なくとも一つの遅延である、
請求項2に記載の支援システム。 - 前記疑似モデルは、複数のマクロタスクの実行順序を含み、
前記複数のマクロタスクの各々は、実行順序が規定された一つ以上のタスクを含み、
前記シナリオは、二つ以上のマクロタスクの同期待ちが起因の遅延を含む、
請求項2に記載の支援システム。 - 前記OT実行部は、前処理を行い、
前記前処理は、下記を含む、
・前記疑似モデルを基に、前記シナリオデータが表すシナリオにおける矛盾の有無を判定すること、
・当該判定の真であり、且つ、当該矛盾が所定のルールの範囲で解消可能な場合、当該矛盾を解消すること、
請求項2に記載の支援システム。 - 前記OT実行部は、インスタンス化処理を行い、
前記インスタンス化処理は、下記を含む、
・前記疑似モデル及び前記シナリオデータを基に、前記シナリオが表すリソースそれぞれに当該リソースのインスタンスを割り付けること、及び、
・前記シナリオが表すリソースのうち、遅延の発生するリソースについて、遅延の発生時刻を割り付けること、
請求項3に記載の支援システム。 - 前記疑似モデルは、複数のマクロタスクの実行順序と、前記複数のマクロタスクの実行を制御する制御機能とを含み、
前記複数のマクロタスクの各々は、実行順序が規定された一つ以上のタスクを含み、
前記シナリオは、下記(x)及び(y)のうちの少なくとも一つの遅延であり、
(x)前記一つ以上のタスクの各々について、当該タスクに関わる物が起因の遅延、及び、当該タスクに割り付けられるリソースが起因の遅延、のうちの少なくとも一つの遅延、
(y)二つ以上のマクロタスクの同期待ちが起因の遅延、
前記制御機能に、前処理及びインスタンス化処理が規定されており、
前記OT実行部は、前記制御機能に規定されている前記前処理及び前記インスタンス化処理を行い、
前記前処理は、下記を含み、
・前記シナリオデータが表すシナリオにおける矛盾の有無を判定すること、
・当該判定の真であり、且つ、当該矛盾が所定のルールの範囲で解消可能な場合、当該矛盾を解消すること、
前記インスタンス化処理は、下記を含む、
・前記疑似モデル及び前記シナリオデータを基に、前記シナリオが表すリソースそれぞれに当該リソースのインスタンスを割り付けること、及び、
・前記シナリオが表すリソースのうち、遅延の発生するリソースについて、遅延の発生時刻を割り付けること、
前記OT実行部は、前記シナリオに違反したデータを生成する場合、当該違反の内容を表す情報であるシナリオ違反情報を生成し、当該シナリオ違反情報を出力する、
請求項3に記載の支援システム。 - 前記疑似実行データは、遅延又は当該遅延の起因が生じたタスク及び時刻を表し、
前記IT実行部が、前記疑似実行データを基に、タスクと時間との関係を表すチャートを表示し、
前記チャートのうち、遅延又は当該遅延の起因が生じたタスク及び時刻に該当する部分が、強調表示されている、
請求項1に記載の支援システム。 - (B)において、前記OT実行部は、
(b1)一つ又は複数の開始時刻グループ及び一つ又は複数の完了時刻グループを特定し、
開始時刻グループは、前記マクロタスクの時系列に連続した一つ又は複数の所与の開始時刻であり、当該開始時刻グループにおいて、隣接する所与の開始時刻間の差は一定値以下であり、
完了時刻グループは、前記マクロタスクの時系列に連続した一つ又は複数の所与の完了時刻であり、当該完了時刻グループにおいて、隣接する所与の完了時刻間の差は一定値以下であり、
(b2)一つ又は複数の開始完了グループを特定し、
開始完了グループは、一つ以上の開始グループと一つ以上の完了グループとで構成されたグループであり、当該開始完了グループにおいて、いずれの所与の開始時刻もいずれの所与の完了時刻も、当該開始完了グループに閉じており、
(b3)開始完了グループ毎に、
(b3-1)時系列のNの基本系列を設定し、
各開始完了グループについて、Nは、自然数、且つ、当該開始完了グループに属する非標準系列の数以下の数であり、
(b3-2)前記Nの基本系列の各々について、
(b3-2-1)当該基本系列であるm番目の基本系列の全体を、当該m番目の基本系列の完了時刻が、当該m番目の基本系列に対応する非標準系列の完了時刻に重なるように移動させ、
(b3-2-2)当該m番目の基本系列における上位時刻群全体を、当該m番目の基本系列の開始時刻が、当該m番目の基本系列に対応する非標準系列の開始時刻に重なるように移動させ、
1番目の基本系列は、Nの基本系列のうち開始時刻が最も遅い基本系列であり、
各基本系列において、上位時刻群は、当該基本系列の開始時刻を含みm番目の時刻までの時刻であり、1番目の時刻は、開始時刻である、
請求項1に記載の支援システム。 - 前記疑似モデルは、複数のマクロタスクの実行順序を含み、
前記複数のマクロタスクの各々は、実行順序が規定された一つ以上のタスクを含み、
前記OT実行部は、マクロタスク毎に、
当該マクロタスクについて生成された疑似実行データが、実行順番が当該マクロタスクの直前又は直後であるマクロタスクについてのデータと整合するか否かを判定し、
当該判定の結果が偽の場合、当該疑似実行データを、前記シナリオに許容した範囲で違反するデータに変更する、
請求項2に記載の支援システム。 - 前記OT実行部は、正常な現場プロセスが実行された結果としてのデータと前記疑似実行データを比較した結果、又は、正常な現場プロセスが実行された結果としてのデータを基に学習された機械学習モデルに前記疑似実行データを入力した結果、異常を特定した場合、異常の通知を出力する、
請求項1に記載の支援システム。 - 前記OT実行部は、
前記現場プロセスの実行に並行して前記疑似モデルを実行することで疑似実行データを取得し、
当該疑似実行データと、前記現場プロセスの実行に伴い取得された実際実行データとを基に、異常として定義された条件が満たされているか否かを判定し、
当該判定結果が真の場合、異常を出力する、
請求項1に記載の支援システム。 - 対象の遅延発生の起因と遅延の発生率とが指定されたデータとOTサイドプロセスのナレッジのデータとのうちの少なくとも一方の入力を受け当該データを基に前記シナリオを表すシナリオデータを構築するシナリオ構築部を更に備え、
前記OT実行部は、前記シナリオ構築部により構築されたシナリオデータを基に前記疑似モデルを実行する、
請求項2に記載の支援システム。 - OT(Operation Technology)サイドにおけるプロセスであるOTサイドプロセスの結果としてのデータをIT(Information Technology)サイドにおけるプロセスであるITサイドプロセスに必要とするシステム構築を支援する支援方法であって、
コンピュータが、OTサイドプロセスの少なくとも一部である現場プロセスを模したモデルである疑似モデルを実行するステップと、
コンピュータが、前記疑似モデルの実行により取得されたデータである疑似実行データを基にITサイドプロセスを実行するステップと
を有し、
前記現場プロセスは、一つ又は複数の対象の各々についてそれぞれ開始及び終了する一つ又は複数のタスクを含み、
前記疑似モデルは、複数の対象の各々がマクロタスクを構成する複数のタスクを経由することを含み、
前記疑似モデルを実行するステップにおいて、
(A)遅延無グループ及び遅延有グループを特定し、
前記遅延無グループは、時系列に連続した一つ以上の標準系列であり、
前記遅延有グループは、時系列に連続した一つ以上の非標準系列であり、
対象毎に、系列は、前記マクロタスクの所与の開始時刻及び所与の完了時刻を含む時刻集合であり、
標準系列は、前記マクロタスクの標準時間と疑似時間の差が一定値以下である系列であり、
前記標準時間は、前記マクロタスクの開始時刻と完了時刻との差の標準値であり、
前記疑似時間は、前記マクロタスクの所与の開始時刻と所与の完了時刻との差であり、
(B)前記一つ以上の標準系列のうちの基本系列を基に、前記遅延有グループにおける前記一つ以上の非標準系列の各々について、当該非標準系列の尤もらしい遅延を推定し、
基本系列は、前記マクロタスクの標準時間と疑似時間との差が最も短く、前記マクロタスクにおけるタスク毎の標準時間を基に当該タスク毎の開始時刻及び完了時刻が推定される系列であり、
(C)(B)の推定の結果に基づく前記疑似実行データを生成する、
支援方法。 - OT(Operation Technology)サイドプロセスの少なくとも一部である現場プロセスを模したモデルである疑似モデルを実行するステップと、
前記疑似モデルの実行により取得されたデータである疑似実行データを基に、IT(Information Technology)サイドにおけるプロセスであるITサイドプロセスを実行するステップと
をコンピュータに実行させ、
前記OTサイドプロセスは、OTサイドにおけるプロセスであり、
前記現場プロセスは、一つ又は複数の対象の各々についてそれぞれ開始及び終了する一つ又は複数のタスクを含み、
前記疑似モデルは、複数の対象の各々がマクロタスクを構成する複数のタスクを経由することを含み、
前記疑似モデルを実行するステップにおいて、
(A)遅延無グループ及び遅延有グループを特定し、
前記遅延無グループは、時系列に連続した一つ以上の標準系列であり、
前記遅延有グループは、時系列に連続した一つ以上の非標準系列であり、
対象毎に、系列は、前記マクロタスクの所与の開始時刻及び所与の完了時刻を含む時刻集合であり、
標準系列は、前記マクロタスクの標準時間と疑似時間の差が一定値以下である系列であり、
前記標準時間は、前記マクロタスクの開始時刻と完了時刻との差の標準値であり、
前記疑似時間は、前記マクロタスクの所与の開始時刻と所与の完了時刻との差であり、
(B)前記一つ以上の標準系列のうちの基本系列を基に、前記遅延有グループにおける前記一つ以上の非標準系列の各々について、当該非標準系列の尤もらしい遅延を推定し、
基本系列は、前記マクロタスクの標準時間と疑似時間との差が最も短く、前記マクロタスクにおけるタスク毎の標準時間を基に当該タスク毎の開始時刻及び完了時刻が推定される系列であり、
(C)(B)の推定の結果に基づく前記疑似実行データを生成する、
コンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020196690A JP7053771B1 (ja) | 2020-11-27 | 2020-11-27 | システム構築を支援する支援システム及び支援方法 |
US17/483,911 US20220171908A1 (en) | 2020-11-27 | 2021-09-24 | Support system and support method supporting system construction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020196690A JP7053771B1 (ja) | 2020-11-27 | 2020-11-27 | システム構築を支援する支援システム及び支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7053771B1 true JP7053771B1 (ja) | 2022-04-12 |
JP2022085160A JP2022085160A (ja) | 2022-06-08 |
Family
ID=81260089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020196690A Active JP7053771B1 (ja) | 2020-11-27 | 2020-11-27 | システム構築を支援する支援システム及び支援方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220171908A1 (ja) |
JP (1) | JP7053771B1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7220695B2 (ja) * | 2020-12-08 | 2023-02-10 | 株式会社Retool | 活動管理システムとその方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041950A (ja) | 2005-08-04 | 2007-02-15 | Sharp Corp | 生産シミュレーション管理装置 |
JP2010282583A (ja) | 2009-06-08 | 2010-12-16 | Nets:Kk | 生産ラインシミュレーション装置および方法 |
JP2018036917A (ja) | 2016-08-31 | 2018-03-08 | 株式会社日立ソリューションズ | データ分析装置及びデータ分析方法 |
JP2020077216A (ja) | 2018-11-08 | 2020-05-21 | 株式会社日立製作所 | 製造の管理を支援するシステム及び方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0648483B2 (ja) * | 1991-10-03 | 1994-06-22 | 工業技術院長 | シミュレーションモデル生成装置 |
JP3624086B2 (ja) * | 1997-12-18 | 2005-02-23 | 富士通株式会社 | 機器操作訓練のためのシミュレーションシステムおよびシミュレーションプログラムを記録した記録媒体 |
-
2020
- 2020-11-27 JP JP2020196690A patent/JP7053771B1/ja active Active
-
2021
- 2021-09-24 US US17/483,911 patent/US20220171908A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041950A (ja) | 2005-08-04 | 2007-02-15 | Sharp Corp | 生産シミュレーション管理装置 |
JP2010282583A (ja) | 2009-06-08 | 2010-12-16 | Nets:Kk | 生産ラインシミュレーション装置および方法 |
JP2018036917A (ja) | 2016-08-31 | 2018-03-08 | 株式会社日立ソリューションズ | データ分析装置及びデータ分析方法 |
JP2020077216A (ja) | 2018-11-08 | 2020-05-21 | 株式会社日立製作所 | 製造の管理を支援するシステム及び方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022085160A (ja) | 2022-06-08 |
US20220171908A1 (en) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Goodall et al. | A data-driven simulation to support remanufacturing operations | |
Yan et al. | Digital twin-enabled dynamic scheduling with preventive maintenance using a double-layer Q-learning algorithm | |
Guo et al. | Allocation of maintenance resources in mixed model assembly systems | |
Colledani et al. | Analytical methods to support continuous improvements at Scania | |
JP5872561B2 (ja) | 予測型逐次計算装置 | |
Wu et al. | An improved water flow-like algorithm for order acceptance and scheduling with identical parallel machines | |
JP7053771B1 (ja) | システム構築を支援する支援システム及び支援方法 | |
Wilson et al. | A simple energy usage toolkit from manufacturing simulation data | |
CN108693822A (zh) | 控制装置、存储介质、控制系统及控制方法 | |
JP7101099B2 (ja) | エリア利用計画システム、エリア利用計画方法、及びエリア利用計画装置 | |
Mason et al. | Improving the design process for factories: Modeling human performance variation | |
Stittgen et al. | Simulation of utilization for LPBF manufacturing systems | |
US11086585B2 (en) | Information processing device, information processing method and storage medium | |
WO2022014048A1 (ja) | スケジューラシステム、スケジューラ管理装置および機械学習装置 | |
Tjahjono et al. | Linking symbiotic simulation to enterprise systems: Framework and applications | |
JP6799313B2 (ja) | 業務施策構築支援システム、業務施策構築支援方法及びプログラム | |
JP2016134180A (ja) | エージェントに基づく需要予測システム及び方法 | |
Borenstein | Intelligent decision support system for flexible manufacturing system design | |
JP6530559B2 (ja) | 最適化システムおよび最適化方法 | |
Angelidis et al. | A simulation tool for complex assembly lines with multi-skilled resources | |
US11367032B2 (en) | System and method for supporting production management | |
Poler et al. | Dynamic modelling of decision systems (DMDS) | |
JP7471091B2 (ja) | ジョブ実行支援システム、及びジョブ実行支援方法 | |
WO2021090476A1 (ja) | 停止原因特定支援装置、停止原因特定支援プログラムおよび方法 | |
JP3195385B2 (ja) | 生産計画システムおよび生産計画方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210702 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210702 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211015 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220114 |
|
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: 20220301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220331 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7053771 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |