JP7316191B2 - 計画作成装置および計画作成方法 - Google Patents

計画作成装置および計画作成方法 Download PDF

Info

Publication number
JP7316191B2
JP7316191B2 JP2019196325A JP2019196325A JP7316191B2 JP 7316191 B2 JP7316191 B2 JP 7316191B2 JP 2019196325 A JP2019196325 A JP 2019196325A JP 2019196325 A JP2019196325 A JP 2019196325A JP 7316191 B2 JP7316191 B2 JP 7316191B2
Authority
JP
Japan
Prior art keywords
plan
correction
data
know
pattern
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
Application number
JP2019196325A
Other languages
English (en)
Other versions
JP2021071771A (ja
Inventor
雄一 小林
康晴 難波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2019196325A priority Critical patent/JP7316191B2/ja
Priority to US17/071,044 priority patent/US20210125130A1/en
Publication of JP2021071771A publication Critical patent/JP2021071771A/ja
Application granted granted Critical
Publication of JP7316191B2 publication Critical patent/JP7316191B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0633Workflow analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2178Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316Sequencing of tasks or work
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04Manufacturing
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Description

本発明は、計画作成装置および計画作成方法に関する。特に、計画作成者による修正から抽出した修正ノウハウを反映させた計画作成を可能とする。
製品の製造や大規模システムの運営、管理など、事前計画が重要となる事象は数多い。そうした計画の作成に際しては、時間や空間および設備、人等のリソースなどの制約条件を順守しつつ、生産量の最大化、設備稼働率の最大化、作業員人数の最小化といった計画の目的関数を満たす計画を作成する必要がある。こうした計画作成を人手で行うと時間が掛かり過ぎることから、計算機を用いるケースも多い。
一方、実環境ではしばしば複数の制約条件や複数の目的関数が複雑化しているため、全ての制約条件や目的関数を正確に定義し、計算機に入力することが困難なケースがある。そうした場合、制約条件や目的関数を可能な範囲で定義し、経験則によるロジックと組み合わせることにより、計画の精度を上げることができる。しかし、完全に実環境を模擬する制約条件や目的関数を計算機上で定義することは極めて困難であり、また経験則によるロジックは汎用性や拡張性を欠くため、計算機が出力する計画そのままで計画作成者の満足いくものにはなり難い。
このため、計算機が出力した計画を計画作成者が修正した実績を元に、複数の制約条件や目的関数のあいまいな優先順位を計測し、それらの優先順位を次の計画作成に反映する手法が提案されている。
例えば、特許文献1に開示される複数の機器の順位を決定する順位決定装置は、順位を決定するときに条件の重み係数を使って決定し、決定された順位に満足できないときは、計画作成者が満足する順位に修正し、その修正された順位をもとに条件を評価してつけた重み係数を教師信号とし、入力データとの関係を学習させる。
また、特許文献2には、自動配車計画作成装置が作成した自動配車計画および計画作成者が修正した手動配車計画並びに自動配車計画の評価値および評価目標値を入力するとともに、入力した手動配車計画および自動配車計画の評価項目値を教師データの入力データとし、評価値および評価目標値を教師データの出力値として学習する評価パラメータ学習装置が開示されている。
特開平6-333064号公報 特開2013-14387号公報
特許文献1や特許文献2においては、計画作成者の好みに応じて複数の制約条件や目的関数のあいまいな優先順位を再現することができるようになっている。しかしながら、上述したように、計算機に定義されている制約条件や目的関数はもともと実環境を完全に反映されているものではない。計算機にもともと定義されていない制約条件があったり、あるいは複雑で定義することが困難な制約条件や目的関数が潜在的に存在したりする場合には対応できない。
本発明では、修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とする。
本発明の一実施の態様である計画作成装置は、計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、新規計画の制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す新規計画関連情報データが入力される入力装置と、入力装置から入力された新規計画関連情報データ、記憶装置から読み出された計画条件データ及び修正ノウハウデータを用いて、制約条件及び目的関数の決定変数を決定する計画作成部とを有し、修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の修正前計画の計画関連情報及び決定変数の統計量である修正確率とが求められたグループを複数含み、計画作成部は、新規計画が制約条件及び目的関数を満たし、修正ノウハウデータに含まれるグループのいずれかに適合するよう新規計画の決定変数を決定する。
また、本発明の他の一実施の態様である計画作成方法は、計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、計画の制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す計画関連情報データが入力される入力装置と、制約条件及び目的関数の決定変数を決定する計画作成部とを有する計画作成装置を用いた計画作成方法であって、修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の修正前計画の計画関連情報及び決定変数の統計量である修正確率とが求められたグループを複数含み、入力装置は、新規計画の制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す新規計画関連情報データを受け付け、 計画作成部は、入力装置から入力された新規計画関連情報データ、記憶装置から読み出された計画条件データ及び修正ノウハウデータを用いて、新規計画が制約条件及び目的関数を満たし、修正ノウハウデータに含まれるグループのいずれかに適合するよう新規計画の決定変数を決定する。
修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とする。
その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。
計画作成装置の構成例である。 計画の一例を示す図である。 計画情報のデータ構造例である。 製品情報のデータ構造例である。 修正前計画結果のデータ構造例である。 修正後計画結果のデータ構造例である。 修正ログのデータ構造例である。 修正確率Whatのデータ構造例である。 修正確率Whenのデータ構造例である。 修正確率Whereデータ構造例である。 修正確率Whichのデータ構造例である。 作業パターンの定義例を示す図である。 アンチパターンのデータ構造例である。 レファレンスパターンのデータ構造例である。 修正ノウハウのデータ構造例である。 修正ノウハウ学習部の処理を示すフロー図である。 計画作成部の処理を示すフロー図である。 修正ノウハウを活用した計画作成処理を示すフロー図である。 計画を評価する処理を示すフロー図である。
以下、本発明の実施形態について図面を用いて説明する。本実施形態に係る計画作成装置は、修正前計画と修正後計画とから修正ノウハウを学習し、学習した修正ノウハウを活用して精度良好な計画を作成する。計画作成装置が対象とする計画は限定されず、工場の生産、社会インフラストラクチャーのメンテナンス、あるいは各種施設における人員割り当てなど多種多様な計画への適用が考えられるが、ここではあらかじめ決められた工程で作業して製品を製造する、いわゆる生産計画の計画作成を行う計画作成装置を例に説明する。
図1に、計画作成装置10の構成例を示す。計画作成装置10は、所定のアルゴリズムで作成された生産計画に対して、計画作成者が人手で修正した修正内容を蓄積して修正ノウハウを導出しておき、新たな計画の作成にあたっては、所定のアルゴリズムで得られた生産計画に対して、導出された修正ノウハウを反映させて計画を作成する。さらに、計画作成の度に修正ノウハウを学習させることで、修正ノウハウは継続的に更新される。計画作成装置10を実現する具体的な構成としては、メインフレームやパーソナルコンピュータ等を想定して説明するが、クラウド上に実現することも可能である。
計画作成装置10は、以下のハードウェア構成を備える。すなわち、SSD(Solid State Drive)などの不揮発性記憶素子やハードディスクドライブなど磁気媒体で構成される記憶装置120、RAMなど揮発性記憶素子で構成されるメモリ150、記憶装置120に保持されるプログラム115をメモリ150に読み出すなどして実行し、装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なう中央処理装置(演算装置)110、ユーザからのキー入力や音声入力を受け付ける入力装置130、処理データの表示を行うディスプレイ等の出力装置140、を備え、これらのハードウェアはバスにより互いに通信可能に接続されている。
中央処理装置110は、記憶装置120に格納されたプログラム115をメモリ150に読み出して実行することで、修正ノウハウを学習する修正ノウハウ学習部111、および修正ノウハウを反映させた計画作成を行う計画作成部112のそれぞれの機能を実装する。また、記憶装置120には、これらの機能を実行するために必要なデータ、具体的には、制約条件・目的関数(計画条件)121、計画関連情報122、修正前計画結果123、修正後計画結果124、修正ログ125、修正確率テーブル126、アンチパターン127、レファレンスパターン128、および修正ノウハウ129が記憶されている。各データの詳細については後述する。なお、プログラム115は記憶装置120に格納されている形態の他、実行時など必要な時に計画作成装置10が所定媒体を介して他装置から記憶装置120に導入するようにしてもよい。媒体とは、例えば計画作成装置10の所定のインターフェイスに着脱可能な記憶媒体、あるいは通信媒体を指す。
図2に、計画作成装置10が作成する計画の例を示す。ここでは、Nの工程Lj(j=1~N)を実行してMの製品Pi(i=1~M)を生産する生産計画を作成するものとし、例えばガントチャート20に示すような生産計画を得ることを目的とする。なお、ガントチャート20は、N=4、M=3としたときの例であり、あわせて工程L4についての時間軸を示している。
図2には計画作成装置10がガントチャート20で示されるような計画を作成するための計画条件を合わせて示している。また、生産計画を作成するにあたり、製品の集合Piと当該製品を生産するために必要な工程の集合Liが定義され、各製品に対する各工程の処理時間Tijが与えられる(説明変数)。
図2の例では、制約条件として2つの条件を設けている。第1は順序制約であり、各工程において、現在の製品に対する工程が終わらないと他の製品に対する工程は開始できないという条件である。第2は設備制約であり、各工程において、一つの工程では複数の製品に対する作業を実行できないという条件である。また、計画の目標として、全製品に対する全工程が終了する時間(全体処理時間)を最小化する目的関数fが設定されている。したがって、この場合、生産計画を作成するとは、上述した2つの制約条件を満たし、目的関数fを最小化する各製品に対する各工程の開始時刻tij(決定関数)を求めることを意味する。なお、以上は例示であって、製品の種類の組合せ条件、納期条件等の他の制約条件、あるいは生産コストの最小化等の目的関数が設定されていてもよい。また複数の目的関数が設定されていてもよい。
以上の制約条件、目的関数、決定変数、説明変数のデータが、記憶装置120の制約条件・目的関数(計画条件)121として記憶されている。続いて、計画作成装置10が計画を作成するために使用するデータのデータ構造について説明する。
計画関連情報122は、過去の計画について収集された、計画に関連するデータの集合である。計画関連情報122の内容は計画の良否に影響を与える情報としてユーザが任意に選択できる。例えば、計画作成者が計画の修正を行うとき、どのような情報を基に修正要否を判断するかといった知見に基づき、計画関連情報122としてどのようなデータを蓄積するか決めることが望ましい。計画関連情報122の具体例として、ここでは計画情報122a、製品情報122bを例示する。
図3に例示する計画情報122aの各レコードには、計画番号2211、計画実行月2212、計画実行日2213、作業数2214などの各値が格納されている。計画番号2211は、計画を一意に特定する識別情報であって、同一の計画番号であるレコードは該当計画番号の計画を説明する情報を表している。計画実行月2212は計画の実行月、計画実行日2213は計画を実行日、作業数2214は計画における作業の総数(工程数N×製品数M)である。これは、計画が実行される月、あるいは日付、計画の全体的な負荷が計画の良否に影響すると考えられる場合に、これらのデータを、計画を説明する情報122aとして収集する。他にも、計画作成者を一意に特定する識別情報、生産設備の稼働状態、天候等のデータを含むとしてもよい。また、ユーザが計画を説明する情報としてみなさない限り、図3に例示したデータであっても計画情報122aに含ませる必要はない。これは、以下に説明する他のデータについても同様である。
図4に例示する製品情報122bの各レコードには、計画番号2221、製品2222、色2223、発注者2224などの各値が格納されている。計画番号2221は、計画情報を一意に特定する識別情報であって、計画番号2211と同一である。製品2222は、計画が対象とする製品を一意に特定する識別情報、色2223は製品の色、発注者2224は製品を発注した注文者を識別するコードである。製品情報122bとして収集するデータは、計画の良否に影響を与える製品の情報として選択される。例えば、この例で色情報が含まれているのは、計画に塗装工程が含まれるとして、製品の色が塗装順序に影響を与えるといったケースを想定している。この他に、製品の種別、納期等のデータを含むとしてもよい。
続いて、修正前計画結果123及び修正後計画結果124について説明する。計画作成者は必要に応じて、計画作成装置10が決定した開始時刻を、自分の知識、ノウハウに基づいて手直しし、修正した計画を実行することがある。このような場合に、手直し前後の計画をそれぞれ修正前計画結果123及び修正後計画結果124として記憶する。したがって、修正前計画結果123に記憶された計画(修正前)には、対応する修正後計画結果124に記憶された計画(修正後)が存在している。
図5に例示する修正前計画結果123の各レコードは、計画番号2301、製品2302、工程2303、処理時間2304、開始時刻2305などの各値が格納されている。計画番号2301は、計画を一意に特定する識別情報であって、計画番号2211と同一である。製品2302は、計画が対象とする製品を一意に特定する識別情報、工程2303は、計画が対象とする工程を一意に特定する識別情報、処理時間2304は、該当製品に対する該当工程の処理時間Tij、開始時刻2305は、該当製品に対する該当工程の開始時刻tijである。計画番号を同一とするレコードの情報から、図2に示したガントチャートが作成できることが理解できよう。製品2302、工程2303、処理時間2304のフィールド値は計画を作成するために与えられた値であり、開始時刻2305のフィールド値は、計画作成装置10により決定された値である。
図6で例示する修正後計画結果124の各レコードは、計画番号2401、作業2402、工程2403、処理時間2404、開始時刻2405などの各値が格納されている。各レコードの項目の意味は、図5で示した修正前計画結果123の項目と同じである。両者を比較することにより、例えば計画番号が0601-0800では、製品P2、工程L1の開始時刻t21が08:10から08:20に修正されていることが分かる。
修正ログ125は、計画作成者が修正したアクションをステップごとに記録した修正ログである。図7に例示する修正ログ125の各レコードは、計画番号2501、ステップ2502、製品2503、工程2504、修正前開始時刻2505、修正後開始時刻2506などの各値が格納されている。計画番号2501は、計画を一意に特定する識別情報であって、計画番号2211と同一である。ステップ2502は、該当計画番号の計画における計画作成者が手直ししたアクションの順番であり、計画番号ごとに1番から開始する。製品2302は、修正対象となった製品を一意に特定する識別情報、工程2303は、修正対称となった工程を一意に特定する識別情報、修正前開始時刻2505は、計画作成者が修正する前の開始時刻tij、すなわち計画作成装置10が計画作成時に決定した開始時刻であり、修正後開始時刻2506は、計画作成者が修正した開始時刻tijである。修正ログ125は、計画作成者が、重要な修正、例えば他の決定変数に与える影響の大きい修正から先に行うと考えられることから、修正内容の個々の重要性を示す情報として記憶するものである。
以上が、計画作成装置10が計画作成者の修正ノウハウを学習するための基礎データとなる1次データである。これらの1次データから、計画作成者による修正がなされやすい、または修正なされにくい条件を識別するため、修正確率テーブル126を作成する。後述するように、修正ノウハウは同じ修正傾向をもつグループに分類されており、グループは同じ修正傾向を見出される修正前計画結果123及び修正後計画結果124の母集団の違いとして分類される。修正確率テーブル126は、グループごとの1次データ及び修正前計画の決定変数の統計量を示すものであり、計画作成装置10が保持する修正確率テーブル126の種類や数は、保有する1次データの内容や、修正ノウハウの分析観点の豊富さに依存する。ここでは、4種類の修正確率についての修正確率テーブルを有する例を説明する。
図8は、修正確率What126aのデータ構造を示す図である。修正確率What126aは、計画情報122aに含まれる各項目について、計画が修正されやすい、または修正されにくい条件を表すデータである。
図8に例示する修正確率What126aは複数のレコードRak(k=1~O)2610を有している。レコードRakの違いは、修正確率Whatを算出するときの修正前計画結果123及び修正後計画結果124の母集団(グループ)の違いであり、各レコードRakのデータ構造はいずれも同じである。図ではレコードRa1のデータ構造を代表として示している。レコードRakには、計画情報122aの各項目についてのサブテーブルがリンクされている。計画実行月サブテーブル2611の各フィールドは、所定範囲の計画実行月ごとの修正確率である。修正確率とは計画作成装置10が作成した計画の数に対して、計画作成者が修正した計画の数の割合のことである。ただし、修正確率を算出する計画の母数は、レコードRakの母集団に含まれる計画の数である。この例では計画実行月を3ヶ月ごとに区切って算出しており、例えば、計画実行月が4月から6月である計画の修正確率は48%であったことが分かる。計画実行日サブテーブル2612の各フィールドは、所定範囲の計画実行日ごとの修正確率である。この例では計画実行日を1週間ごとに区切って算出しており、例えば第2週目の計画の修正確率は47%であったことが分かる。作業数サブテーブル2613の各フィールドは、所定範囲の作業数ごとの修正確率である。この例では作業数を20ごとに区切って算出しており、例えば作業数が40から59までのとき修正確率は87%と、最も修正される確率が高いことが分かる。
図9は、修正確率When126bのデータ構造を示す図である。修正確率When126bは、修正前計画結果123に含まれる開始時刻tijについて、計画が修正されやすい、または修正されにくい条件を表すデータである。
図9に例示する修正確率When126bの各レコードは、When2620、時間帯ごとの修正確率2621の各値が格納されている。When2620は、修正確率Whenを算出した母集団を一意に特定する識別情報であって、図8に例示した修正確率What126aの複数のレコードRak(k=1~O)2610に対応している。すなわち、図8におけるレコードRakと図9におけるレコードRbkとは、同じ母集団から算出された修正確率であることを示している。時間帯ごとの修正確率2621の値は、当該時間帯に開始時刻が含まれる作業の修正確率である。この例では開始時刻を2時間ごとに区切っており、10:00から12:00までに開始される作業の修正確率は55%であることを表している。
図10は、修正確率Where126cのデータ構造を示す図である。修正確率Where126cは、修正前計画結果123に含まれる工程について、計画が修正されやすい、または修正されにくい条件を表すデータである。
図10に例示する修正確率Where126cの各レコードは、Where2630、工程ごとの修正確率2631の各値が格納されている。Where2630は、修正確率Whereを算出した母集団を一意に特定する識別情報であって、図8に例示した修正確率What126aの複数のレコードRak(k=1~O)2610に対応している。すなわち、図8におけるレコードRakと図10におけるレコードRckとは、同じ母集団から算出された修正確率であることを示している。工程ごとの修正確率2631の値は、当該工程が含まれる計画の修正確率である。この例では、工程L1の修正確率は84%であり最も修正されやすく、工程L4の修正確率は11%であり最も修正されにくいことが分かる。
図11は、修正確率Which126dのデータ構造を示す図である。修正確率Which126dは、製品情報122bに含まれる各項目について、計画が修正されやすい、または修正されにくい条件を表すデータである。
図11に例示する修正確率Which126dは複数のレコードRdk(k=1~O)2640を有している。Which2640は、修正確率Whichを算出した母集団を一意に特定する識別情報であって、図8に例示した修正確率What126aの複数のレコードRak(k=1~O)2610に対応している。すなわち、図8におけるレコードRakと図11におけるレコードRdkとは、同じ母集団から算出された修正確率であることを示している。レコードRdkには、製品情報122bの各項目についてのサブテーブルがリンクされている。色サブテーブル2641の各フィールドは、色ごとの修正確率である。例えば、黄色の作業の修正確率は4%であり最も修正されにくいことが分かる。発注者サブテーブル2642の各フィールドは、発注者ごとの修正確率である。例えば、発注者BBBの製品の計画の修正確率は52%であることを表している。
続いて、計画作成装置10では計画の修正内容を、図2のようなガントチャートのパターンの変化として把握するものとする。このため、計画作成装置10では各工程に現れる典型的な作業パターンを単位作業パターンとしてあらかじめ定義しておく。図12に各工程における単位作業パターンの定義例を説明する。各パターンの横軸は時間であり、Jは各工程において当該時間帯に実施される作業を示している。
パターンXA1、パターンXA2、パターンXA3は、ある工程Liの作業Jの開始時刻の間隔に関する単位作業パターンである。パターンXA1は左詰めのパターンであり、パターンXA2は等間隔のパターンであり、パターンXA3はランダムパターンである。パターンXB1、パターンXB2、パターンXB3は、ある工程Liの作業Jの順番に関する単位作業パターンである。パターンXB1は作業時間の短い順のパターンであり、パターンXB2は作業時間についてランダム順のパターンであり、パターンXB3は作業時間の長い順の単位作業パターンである。パターンXC1、パターンXC2、パターンXC3は、ある工程Liから工程Liiに遷移するときの作業Jの順番に関する単位作業パターンである。パターンXC1は同じ順のパターンであり、パターンXC2は順序が入れ替わるパターンであり、パターンXC3は作業を実施しない単位作業パターンである。パターンXD1、パターンXD2は、同時に実行できる工程Li1および工程Li2に関する単位作業パターンである。パターンXD1は同時並行のパターンであり、パターンXD2は一方の工程に詰めた単位作業パターンである。以上は、例示であって、様々な単位作業パターンを定義できる。
ガントチャートに現れるパターンを定義することにより、計画作成者の修正を、修正前パターンから修正後パターンへの変換としてとらえることができる。このとき、修正前パターンとなることの多い単位作業パターンは計画作成上避けるべきパターンであり、修正後パターンとなることの多い単位作業パターンは計画作成上望ましいパターンであると考えられる。アンチパターン127は、計画作成上避けるべきと考えられる作業パターンの傾向を示し、レファレンスパターン128は計画作成上望ましいと考えられるパターンの傾向を示す。
図13は、アンチパターン127のデータ構造を示す図である。アンチパターン127の各レコードは、Before2700、パターンの発生確率2701の各値が格納されている。Before2700は、発生確率Beforeを算出した母集団(グループ)を一意に特定する識別情報であって、図8に例示した修正確率WHAT126aの複数のレコードRak(k=1~O)2610に対応している。すなわち、図13におけるレコードPakは、図8におけるレコードRakと同じ母集団から算出された発生確率Beforeであることを示している。パターンの発生確率2701は当該パターンの発生確率Beforeであり、発生確率Beforeとは計画作成装置10が作成した計画の数に対して、当該パターンが修正の対象とされた計画の数の割合のことである。ただし、発生確率Beforeを算出する計画の母数は、レコードPakの母集団に含まれる計画の数である。この例では、レコードPa1において、パターンXA1の発生確率Beforeが93%であり、パターンXA1は計画作成上避けるべき単位作業パターンであると考えられる。
図14は、レファレンスパターン128のデータ構造を示す図である。レファレンスパターン128の各レコードは、After2800、パターンの発生確率2801の各値が格納されている。After2700は、発生確率Afterを算出した母集団(グループ)を一意に特定する識別情報であって、図8に例示した修正確率WHAT126aの複数のレコードRak(k=1~O)2610に対応している。すなわち、図14におけるレコードPrkは、図8におけるレコードRakと同じ母集団から算出された発生確率Afterであることを示している。パターンの発生確率2701は当該パターンの発生確率Afterであり、発生確率Afterとは計画作成装置10が作成した計画の数に対して、修正の結果、当該パターンに変更された計画の数の割合のことである。ただし、発生確率Afterを算出する計画の母数は、レコードPrkの母集団に含まれる計画の数である。この例では、レコードPr1において、パターンXA2の発生確率Afterが95%であり、計画作成上望ましい単位作業パターンであると考えられる。
修正ノウハウ129は、修正確率テーブル126、アンチパターン127及びレファレンスパターン128の対応付けを示すものである。この例では、各データのレコードは、それぞれのデータを導出した母集団の同一性によって対応付けられている。図15は、修正ノウハウ129のデータ構造を示す図である。修正ノウハウ129の各レコードは、グループ2900、What2610、When2620、Where2630、Which2640、Before2700、After2800の各値が格納されている。グループ2900の値が、同じ母集団によって算出されたレコードの集合を一意に特定する識別情報である。
続いて、これらのデータを用いて計画作成装置10が実現する機能を説明する。上述したように、計画作成装置10の機能はプログラム115を実行することで実装される。
第1の機能は、修正ノウハウ学習部111の実行する修正ノウハウを学習する機能である。修正ノウハウ学習部111は、計画関連情報122、計画作成装置10が作成した修正前計画結果123及び計画作成者によって修正された修正後計画結果124、そのときの修正ログ125を分析し、修正確率テーブル126、アンチパターン127、レファレンスパターン128、修正ノウハウ129の各データを作成する。
第2の機能は、計画作成部112の実行する、新規の計画のための新規の計画関連情報を入力装置130で受け付け、修正ノウハウ学習部111が学習した修正ノウハウを反映させた新規の計画を作成して、出力装置140から出力する機能である。
以下、それぞれの機能を実現するための処理動作について説明する。処理動作はプログラム115によって実現され、プログラム115は、以下に説明される各種の動作を行うためのコードから構成されている。
まず、第1の機能を実現する処理について説明する。図16は、修正ノウハウ学習部111が修正ノウハウデータ129を作成、更新するフローを示す図である。修正ノウハウ学習部111は、記憶装置120に蓄積された計画関連情報122、修正前計画結果123、修正後計画結果124から計画作成者の修正ノウハウを形式知化して記憶装置120に格納している。図16のフローでは、計画作成装置10が、入力装置130において、修正ノウハウの更新に必要な計画関連情報、修正前計画及び修正後計画を含む候補教師データを受け付けたことをトリガーに、修正ノウハウ学習部111が起動され、修正ノウハウを更新する処理を示している。
前提として、計画作成者を満足させる計画であったと考えられる、計画作成者により修正された計画または計画作成者による修正を受けなかった計画に類似し、計画作成者を満足させられない計画であったと考えられる、計画作成者により修正される前の計画に類似しない計画を出力することが、計画作成装置10の目標である。したがって、最初に受け付けられた候補教師データが既存の修正ノウハウの母集団に適合するかどうかを判定し、適合する場合に教師データとして適合すると判定された母集団に加えて学習を更新する。なお、教師データが存在しない初期状態では、修正確率テーブル、アンチパターン、レファレンスパターンの各値はすべて情報量が無いことを表す0.5が格納されている。
まず、修正ノウハウ学習部111は新たな候補教師データを受け付ける(S1010)。候補教師データは修正前計画、修正後計画、対応する計画関連情報及び修正ログを含むデータセットである。候補教師データが計画番号「1113-1600」であったとすれば、計画関連情報として、計画情報122a(図3参照)の計画番号「1113-1600」のレコードの値、製品情報122b(図4参照)の計画番号「1113-1600」のレコードの値、修正前計画として修正前計画結果123(図5参照)の計画番号「1113-1600」のレコードの値、修正後計画として修正後計画結果124(図6参照)の計画番号「1113-1600」のレコードの値、修正ログとして修正ログ125(図7参照)の計画番号「1113-1600」のレコードの値を受け付けたことに相当する。
続いて、修正確率テーブル126を参照して、候補教師データについての修正確率の値を取得する(S1020)。候補教師データが計画番号「1113-1600」の計画であったとした場合、修正確率What126aのレコードRa1(図8参照)を参照し、計画実行月(11月)の修正確率51%、計画実行日(13日=第2週)の修正確率47%、作業数(37)の修正確率41%を取得する。同様に、修正確率When126bのレコードRb1(図9参照)を参照し、開始時刻(8:30)の修正確率46%を、修正確率Where126cのレコードRc1(図10参照)を参照し、修正された工程(L1)の修正確率84%を、修正確率Which126dのレコードRd1(図11参照)を参照し、製品の色(赤)の修正確率56%、製品の発注者(CCC)の修正確率44%を取得する。なお、修正ノウハウ129に定義されたグループ1(以下、「修正ノウハウ1」と呼ぶものとする)に対応する修正テーブルのレコードについて修正確率を取得した例を示したが、修正ノウハウ129に複数のグループが定義されている場合には、全てのグループに対応するレコードについて修正確率を取得する。
続いて、受け付けた候補教師データが既に修正ノウハウとして登録されているグループのいずれかに適合するデータであるか否かを判定する。まず、ステップS1020で取得した修正確率の値について、所定の閾値を超える修正確率が1つ以上あればステップS1040へ、1つもなければステップS1910へ進む(S1030)。修正確率が100%に近い、あるいは0%に近い場合、当該条件が成立するときに有意に計画が修正される、あるいは有意に計画が修正されないことを意味し、修正確率が50%に近い場合、当該条件の成立からは修正の有無は予測できないことを意味するので、閾値としては0%に近い値及び100%に近い値をそれぞれ適宜定めておく。例えば、所定の閾値が80%と設定されていたとすると、計画番号「1113-1600」は、修正確率Where126cのレコードRc1について、修正された工程の修正確率84%と所定のしきい値を上回る。したがって、計画番号「1113-1600」の計画は「修正ノウハウ1」に適合する教師データである可能性があるので、ステップS1040へ進む。
ステップS1040では、修正ノウハウ129を参照して、ステップS1030で候補教師データが該当する可能性がある修正ノウハウグループ(以下、「候補修正ノウハウグループ」と呼ぶ)のアンチパターンとレファレンスパターンを抽出する。例えば、修正ノウハウ129(図15参照)によれば、「修正ノウハウ1」のアンチパターンはアンチパターン127(図13参照)のレコードPa1であり、「修正ノウハウ1」のレファレンスパターンはレファレンスパターン128(図14参照)のレコードPr1である。
続いて、候補教師データである修正前計画及び修正後計画と、ステップS1040で取得したアンチパターン及びレファレンスパターンとを比較する。ステップS1050では、候補教師データが候補修正ノウハウグループと逆傾向のパターンを有さないことを判定する。すなわち、修正前計画が、候補修正ノウハウグループの計画において計画作成上望ましいと考えられるパターンを多く含み、修正後計画が、候補修正ノウハウグループの計画において計画作成上避けるべきと考えられるパターンを多く含んでいるとすれば、未知の要因で修正がなされている可能性があり、当該候補修正ノウハウグループの計画の特徴を希薄化してしまう可能性があるため、当該候補修正ノウハウグループに加えるべきではない。逆傾向のパターンを有さない場合には、ステップS1060へ進み、逆傾向のパターンを有する場合にはステップS1910へ進む。ただし、計画関連情報122として十分な情報が収集されていれば、特殊なケースを除いて逆傾向のパターンになることはないものと考えられる。
ステップS1060では、候補教師データである修正前計画及び修正後計画をそれぞれ、候補修正ノウハウグループのアンチパターン及びレファレンスパターンと比較し、修正前計画がアンチパターンと類似している、または、修正後計画がレファレンスパターンと類似しているならばステップS1070へ、どちらも類似していない場合はステップS1910へ進む。なお、ステップS1050,S1060における類似/非類似の判断は、後述するアンチパターン類似度Ra、レファレンスパターン類似度Rr(図19を参照)を用いて、修正前計画、修正後計画それぞれのアンチパターン類似度Ra及びレファレンスパターン類似度Rrを算出し、類似度が所定閾値以上である場合を類似と判定することができる。
ステップS1070では、候補教師データの修正前計画、修正後計画、対応する計画関連情報及び修正ログを、記憶装置120の修正前計画結果123、修正後計画結果124、計画関連情報122及び修正ログ125に追加蓄積する。以降のステップS1080~S1100の教師データは、ステップS1070以前の候補教師データのことである。
ステップS1080では、教師データが適合すると判定された修正ノウハウグループについて、母集団に教師データを含めて、アンチパターン127(図13参照)の該当するレコード、レファレンスパターン128(図14参照)の該当するレコードの各値を更新する。
ステップS1090では、教師データが適合すると判定された修正ノウハウグループについて、母集団に教師データを含めて、修正確率テーブル126(図8~図11参照)の該当するレコードの各値を更新する。ここで、図7に示すような修正ログ125が格納されている場合、修正ログ125のステップ2502の値が所定の値より小さいレコードについては修正確率テーブルの各値を大きめに補正してもよい。これは、計画作成者が早い段階で行った修正ほど重要であると考えられるため、初期の修正に該当する修正確率テーブルの値を相対的に大きくすることにより、その修正を計画作成により大きく反映する効果がある。
これに対して、候補教師データがステップS1910に至った場合、候補教師データは、修正ノウハウ129に登録されている既存のどの修正ノウハウグループにも適合しないと判断できる。そこで、ステップS1910では当該候補教師データが適合する新規の修正ノウハウグループの可能性を検討する。例えば、候補教師データである修正前計画と記憶装置120の修正前計画結果123とを比較して類似する修正前計画を、候補教師データである修正後計画と記憶装置120の修正後計画結果124とを比較して類似する修正後計画を抽出する。抽出された修正前計画及び抽出された修正後計画の双方に抽出された計画番号の計画を暫定修正ノウハウグループの母集団として、修正確率テーブルを計算する。得られた修正確率テーブルに含まれる項目に有意な値を有するものがあれば、暫定修正ノウハウグループを新たな修正ノウハウグループとして設定し(S1970)、有意な値を有さない場合は、ステップS1990に進む。
なお、計画同士の類似性は、例えば、比較対象とする計画をそれぞれ図2に示すようなガントチャートとし、ガントチャート同士の画像の類似性に基づき計画の類似性を判定することができる。また、得られた修正確率テーブルの値が有意な値であるか否かは、ステップS1030において有意性を判定するときの閾値に基づいて判断することができる。
ステップS1970では、候補教師データの修正前計画、修正後計画、対応する計画関連情報及び修正ログを、記憶装置120の修正前計画結果123、修正後計画結果124、計画関連情報122及び修正ログ125に追加蓄積するとともに、ステップS1910で算出した修正確率テーブルを新たに追加登録し、修正ノウハウ129にも新たなグループを登録する。
以上が、修正ノウハウ学習部111が、候補教師データを新たな教師データとして蓄積して修正ノウハウを更新する処理手順である。一方、ステップS1910において候補教師データに適合する修正ノウハウグループの設定ができなかった場合には、修正ノウハウ学習部111は、候補教師データを教師データとして蓄積しない。この場合、候補教師データとともにステップS1910で抽出した暫定修正ノウハウグループについて算出した修正確率テーブルを出力する(S1990)ことが望ましい。これにより、計画作成者は個別に候補教師データの分析が可能になる。
次に、修正ノウハウを利用して、新たな計画関連情報にしたがって新規の計画を作成する処理手順を説明する。図17は、計画作成部112が修正ノウハウ学習部111より獲得した修正ノウハウにより、計画作成者が修正した計画情報に類似した新たな計画情報を作成するフローを示す図である。図17のフローでは、計画作成装置10が、入力装置130において、新たな計画作成のための計画関連情報を受け付けたことをトリガーに、計画作成部112が起動され、計画を作成する処理を示している。
まず、計画作成部112は、新たな計画関連情報を受け付け、あらかじめ格納されている制約条件・目的関数121(図2を参照)から、最適化問題を解くための一般的な手法、例えば局所探索法や遺伝的アルゴリズムなど、既存ロジックを用いて計画を作成する(S2010)。入力される計画関連情報は、新たに計画作成する計画が計画番号「1113-1600」であったとすれば、計画情報122a(図3参照)の計画番号「1113-1600」のレコードの値、製品情報122b(図4参照)の計画番号「1113-1600」のレコードの値が入力されることになる。ステップS2010で作成した計画は、暫定計画として保持される(S2020)。
次に、暫定計画を初期解として、修正ノウハウを活用した計画作成を行う(S2030)。この詳細については後述する。続いて、作成した計画を評価する(S2040)。この詳細についても後述する。
ステップS2050では、ステップS2040で算出した評価値と暫定計画の評価値とを比較し、ステップS2040で算出した評価値が暫定計画の評価値以上であればステップS2030で作成した計画を暫定計画として更新し、ステップS2040で算出した評価値が暫定計画の評価値より低ければ暫定計画をそのまま維持する。
ステップS2060では、暫定計画が終了条件を満たすか確認し、終了条件を満たしていなければステップS2030以降の処理を繰り返す。終了条件を満たしていれば出力装置140を介し、暫定計画を最適計画として出力し、計画作成部112の処理を終了する。ここで終了条件とは、暫定計画の評価値の目標値であってもよいし、ステップS2030からステップS2050までの処理の繰り返し回数であっても良いし、計画作成部112の処理を開始してからの経過時間であってもよいし、これらの条件の組合せであってもよい。
図18は、図17に示したステップS2030の処理を示すフロー図である。
計画作成部112は、決定変数ごとに所定数の候補値を列挙する(ステップS2310)。具体的には、暫定計画で決定された決定変数の1つを選択し、所定のアルゴリズムにしたがって所定数の候補値を算出する。アルゴリズムは局所探索法などを用いることができ、特に限定はされない。このとき、各候補値について重みwを設定するが、この段階では各候補値の重みは均等とする。例えば、10の候補値があれば、各候補値の重みwは0.1である。
次に、候補値ごとに修正確率の値を取得する(S2320)。すなわち、ステップS2310の対象でない決定変数の値については暫定計画のまま、ステップS2310の対象である決定変数の値は候補値として(以下、「暫定決定変数」と呼ぶ)、修正確率を取得する。したがって、10の候補値があれば、10セットの修正確率が取得される。
続いて、ステップS2330では修正確率の1セットを選択し、ステップS2320で取得した修正確率と各修正ノウハウグループ(図15を参照)の修正確率とを比較し、類似するか否かを判定する。類比判断は、ステップS2320で取得した修正確率の値と各修正確率テーブル(図8~11を参照)の該当する修正ノウハウグループのレコードの値との乖離が所定値以上であれば類似しないと判断し、所定値よりも小さければ類似すると判断できる。なお、所定値より小さい修正ノウハウグループが複数存在した場合には、乖離が最も小さい修正ノウハウグループを選択して、以下の処理を実行する。
修正ノウハウ129(図15を参照)を参照し、ステップS2330で類似判定された修正ノウハウグループのアンチパターンとレファレンスパターンとを読み出す(ステップS2340)。続いて、暫定決定変数による計画と読み出されたアンチパターンとレファレンスパターンとを比較する。暫定決定変数による計画とアンチパターンとが類似する場合、当該候補値の重みwを下げ(S2350)、暫定決定変数による計画とレファレンスパターンとが類似する場合、当該候補値の重みwを上げる(S2350)。
一方、ステップS2330において、修正確率が類似する修正ノウハウグループが存在しなかった場合には、重みwはそのままとする。以上を全ての候補値について繰り返す(ステップS2370)。
全ての候補値について重みwの調整が終了すれば、確率的選択(ルーレット選択)により候補値を選択する(ステップS2380)。このとき、当該候補値を選択した場合にアンチパターンを多く含む計画となる場合には重みwが下げられ、レファレンスパターンを多く含む計画となる場合には重みwが上げられていることにより、ステップS2380ではレファレンスパターンを多く含む計画となる候補値が選択される可能性が高まる。
以上の処理を全決定変数に対して行って(ステップS2390)、全ての決定変数について値が決定されることにより、修正ノウハウを活用した計画作成(ステップS2030)が終了する。
図19は、図17に示したステップS2040の処理を示すフロー図である。この例では、
評価値E=目的関数f+α×1/アンチパターン類似度Ra+β×レファレンスパターン類似度Rr・・・(式1)
として評価値を算出する例を示す。α、βは正の定数とする。
計画作成部112は、最初に計画に適合する修正ノウハウグループを特定する(ステップS2410)。この特定は、図18のステップS2330と同様に修正確率が類似する修正ノウハウグループを抽出し、複数ある場合には最も類似する修正ノウハウグループを特定することで行う。なお、類似する修正ノウハウグループが存在しない場合には、1/アンチパターン類似度Ra=レファレンスパターン類似度Rr=0とする。
次に、目的関数fを算出する(ステップS2420)。目的関数fはあらかじめ与えられている(図2を参照)。
次に、特定された修正ノウハウグループのアンチパターン類似度Raを算出する(ステップS2430)。アンチパターン類似度Raは、評価対象の計画のガントチャートの画像と図12に示す各パターンのガントチャートの画像との類似度と、アンチパターン127の修正ノウハウグループに該当するレコードの値とを掛け合わせて総和をとったものとして定義できる。
次に、特定された修正ノウハウグループのレファレンスパターン類似度Rrを算出する(ステップS2440)。レファレンスパターン類似度Rrは、評価対象の計画のガントチャートの画像と図12に示す各パターンのガントチャートの画像との類似度と、レファレンスパターン128の修正ノウハウグループに該当するレコードの値とを掛け合わせて総和をとったものとして定義できる。
ステップS2350では、ステップS2320~S2340で算出した目的関数fの値、アンチパターン類似度Raの値、レファレンスパターン類似度Rrの値を用いて、(式1)により評価値Eを算出する。評価値Eは、目的関数f、レファレンスパターン類似度Rrが大きく、アンチパターン類似度Raが小さい程、大きくなることにより、目的関数fが大きく、計画作成上望ましいパターンが多く、計画作成上避けるべきパターンが少ない計画程、より高い評価が得られる。
以上説明した実施の形態によれば、修正前計画結果と修正後計画結果とから計画作成者の修正ノウハウを形式知化し、計画作成に反映させて、計画作成者の満足度の高い計画を出力することができる。
以上、本発明を実施するための形態について具体的に説明したが、本発明はこれに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。例えば、計画作成装置10は修正ノウハウ学習部111と計画作成部112の双方を備えているが、修正ノウハウ学習部111と計画作成部112とを別の計算機に備え、計画作成部112を備えた計算機は修正ノウハウ学習部111を備えた計算機の修正ノウハウを用いて計画作成を行うようにしてもよい。
10:計画作成装置、20:ガントチャート、110:中央処理装置、111:修正ノウハウ学習部、112:計画作成部、115:プログラム、120:記憶装置、121:制約条件・目的関数、122:計画関連情報、122a:計画情報、122b:製品情報、123:修正前計画結果、124:修正後計画結果、125:修正ログ、126:修正確率テーブル、126a:修正確率What、126b:修正確率When、126c:修正確率Where、126d:修正確率Which、127:アンチパターン、128:レファレンスパターン、129:修正ノウハウ、130:入力装置、140:出力装置、150:メモリ。

Claims (11)

  1. 計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、
    新規計画の前記制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す新規計画関連情報データが入力される入力装置と、
    前記入力装置から入力された前記新規計画関連情報データ、前記記憶装置から読み出された前記計画条件データ及び前記修正ノウハウデータを用いて、前記制約条件及び目的関数の決定変数を決定する計画作成部とを有し、
    前記修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の前記修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の前記修正前計画の前記計画関連情報及び前記決定変数の統計量である修正確率とが求められたグループを複数含み、
    前記計画作成部は、前記新規計画が前記制約条件及び目的関数を満たし、前記修正ノウハウデータに含まれるグループのいずれかに適合するよう前記新規計画の前記決定変数を決定する計画作成装置。
  2. 請求項1において、
    前記計画作成部は、前記新規計画の暫定計画として決定した前記決定変数に対して複数の候補値を設定し、前記新規計画関連情報データに示される前記計画関連情報及び前記決定変数を前記候補値としたときの前記決定変数の統計量である修正確率が、前記修正ノウハウデータに含まれるグループのいずれかの修正確率と類似する場合には、修正確率が類似するグループの前記アンチパターン及び前記レファレンスパターンと前記決定変数を前記候補値とした前記暫定計画の作業パターンとの類似性に応じて前記候補値の重みを調整し、前記重みを調整した複数の前記候補値のいずれかを前記決定変数の値として選択する計画作成装置。
  3. 請求項2において、
    前記計画作成部は、前記暫定計画と、前記暫定計画の前記決定変数を複数の前記候補値のいずれかに選択して得られる第2の暫定計画とを評価値により比較して、前記暫定計画及び前記第2の暫定計画のうち、前記評価値の高い方を新たな暫定計画として更新し、
    前記評価値は、評価対象計画の前記目的関数の値、及び前記評価対象計画の作業パターンと前記評価対象計画の前記計画関連情報及び前記決定変数の統計量である修正確率が類似する修正確率を有する前記修正ノウハウデータに含まれるグループの前記アンチパターン及び前記レファレンスパターンとの類似度に基づいて定められる計画作成装置。
  4. 請求項1において、
    計画の作業パターンに現れる複数の典型的な作業パターンがあらかじめ複数の単位作業パターンとして定められており、
    前記アンチパターンは、前記修正ノウハウデータに含まれるグループごとに複数の前記修正前計画の作業パターンにおける前記複数の単位作業パターンの出現頻度として定義され、前記レファレンスパターンは、前記修正ノウハウデータに含まれるグループごとに複数の前記修正後計画の作業パターンにおける前記複数の単位作業パターンの出現頻度として定義される計画作成装置。
  5. 請求項1において、
    前記修正ノウハウデータを更新する修正ノウハウ学習部を有し、
    前記入力装置は、候補教師データを受け付け、
    前記候補教師データは、学習用修正前計画と、前記学習用修正前計画に対して計画作成者による修正がなされた学習用修正後計画と、前記学習用修正前計画の前記計画関連情報とを含み、
    前記修正ノウハウ学習部は、前記候補教師データが前記修正ノウハウデータに含まれるグループのいずれかに適合する、あるいは前記候補教師データが適合するグループを設定可能であると判定する場合に、前記候補教師データを用いて前記修正ノウハウデータを更新する計画作成装置。
  6. 請求項5において、
    前記修正ノウハウ学習部は、前記学習用修正前計画の前記計画関連情報及び前記決定変数が、前記修正ノウハウデータに含まれるグループのいずれかの修正確率と共通の特徴を有する場合に、前記候補教師データを当該グループに加えて、当該グループの修正確率、前記アンチパターン及び前記レファレンスパターンを更新する計画作成装置。
  7. 請求項6において、
    前記修正ノウハウデータに含まれるグループは第1グループを含み、
    前記修正ノウハウ学習部は、前記学習用修正前計画の前記計画関連情報及び前記決定変数のいずれかについての前記第1グループの修正確率の統計量が所定の閾値を超えるとき、前記候補教師データが前記第1グループに適合すると判定する計画作成装置。
  8. 請求項6において、
    前記候補教師データは、前記学習用修正後計画において計画作成者による修正がなされた順序を示す修正ログを含み、
    前記修正ノウハウ学習部は、前記候補教師データを前記修正ノウハウデータに含まれるグループのいずれかに加えて、当該グループの修正確率、前記アンチパターン及び前記レファレンスパターンを更新するとき、前記修正ログを参照し、所定の早い段階においてなされた修正に関する修正確率の値がより大きくなるよう補正する計画作成装置。
  9. 請求項5において、
    演算装置と、
    メモリを有し、
    前記記憶装置はプログラムを記憶し、
    前記演算装置は、前記プログラムを前記記憶装置から前記メモリに読み出して実行することにより、前記計画作成部または前記修正ノウハウ学習部の機能を実装する計画作成装置。
  10. 計画を作成するための制約条件及び目的関数を示す計画条件データと、計画の修正ノウハウを示す修正ノウハウデータとを記憶する記憶装置と、計画の前記制約条件及び目的関数の説明変数を含む所定の計画関連情報を示す計画関連情報データが入力される入力装置と、前記制約条件及び目的関数の決定変数を決定する計画作成部とを有する計画作成装置を用いた計画作成方法であって、
    前記修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターンと複数の前記修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターンと、複数の前記修正前計画の前記計画関連情報及び前記決定変数の統計量である修正確率とが求められたグループを複数含み、
    前記入力装置は、新規計画の前記計画関連情報を示す新規計画関連情報データを受け付け、
    前記計画作成部は、前記入力装置から入力された前記新規計画関連情報データ、前記記憶装置から読み出された前記計画条件データ及び前記修正ノウハウデータを用いて、前記新規計画が前記制約条件及び目的関数を満たし、前記修正ノウハウデータに含まれるグループのいずれかに適合するよう前記新規計画の前記決定変数を決定する計画作成方法。
  11. 請求項10において、
    前記計画作成装置は、前記修正ノウハウデータを更新する修正ノウハウ学習部を有し、
    前記入力装置は、学習用修正前計画と、前記学習用修正前計画に対して計画作成者による修正がなされた学習用修正後計画と、前記学習用修正前計画の前記計画関連情報とを含む候補教師データを受け付け、
    前記修正ノウハウ学習部は、前記候補教師データが前記修正ノウハウデータに含まれるグループのいずれかに適合する、あるいは前記候補教師データが適合するグループを設定可能であると判定する場合に、前記候補教師データを用いて前記修正ノウハウデータを更新する計画作成方法。
JP2019196325A 2019-10-29 2019-10-29 計画作成装置および計画作成方法 Active JP7316191B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019196325A JP7316191B2 (ja) 2019-10-29 2019-10-29 計画作成装置および計画作成方法
US17/071,044 US20210125130A1 (en) 2019-10-29 2020-10-15 Plan generating device and plan generation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019196325A JP7316191B2 (ja) 2019-10-29 2019-10-29 計画作成装置および計画作成方法

Publications (2)

Publication Number Publication Date
JP2021071771A JP2021071771A (ja) 2021-05-06
JP7316191B2 true JP7316191B2 (ja) 2023-07-27

Family

ID=75585112

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019196325A Active JP7316191B2 (ja) 2019-10-29 2019-10-29 計画作成装置および計画作成方法

Country Status (2)

Country Link
US (1) US20210125130A1 (ja)
JP (1) JP7316191B2 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012194712A (ja) 2011-03-16 2012-10-11 Panasonic Corp 生産計画作成方法
JP2016189079A (ja) 2015-03-30 2016-11-04 株式会社日立製作所 計画作成支援装置および計画作成支援方法
JP2018020897A (ja) 2016-08-05 2018-02-08 株式会社 日立産業制御ソリューションズ 配車計画立案支援装置、配車計画立案支援システムおよび配車計画立案支援方法
WO2018220885A1 (ja) 2017-05-31 2018-12-06 株式会社日立製作所 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012194712A (ja) 2011-03-16 2012-10-11 Panasonic Corp 生産計画作成方法
JP2016189079A (ja) 2015-03-30 2016-11-04 株式会社日立製作所 計画作成支援装置および計画作成支援方法
JP2018020897A (ja) 2016-08-05 2018-02-08 株式会社 日立産業制御ソリューションズ 配車計画立案支援装置、配車計画立案支援システムおよび配車計画立案支援方法
WO2018220885A1 (ja) 2017-05-31 2018-12-06 株式会社日立製作所 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム

Also Published As

Publication number Publication date
JP2021071771A (ja) 2021-05-06
US20210125130A1 (en) 2021-04-29

Similar Documents

Publication Publication Date Title
JP6467264B2 (ja) 計画作成支援装置および計画作成支援方法
CN104345974B (zh) 对输入数据记录集执行基于集成模型的预测的方法和系统
US10642257B2 (en) Tree search-based scheduling method and electronic apparatus using the same
CN110956272A (zh) 实现数据处理的方法和系统
JPH10143490A (ja) 需要予測方法、需要予測システム及び記録媒体
US12079825B2 (en) Automated learning of models for domain theories
US10699225B2 (en) Production management support apparatus, production management support method, and production management support program
US20180253455A1 (en) Data processing system and data processing method
US8489618B2 (en) Statistical record linkage calibration for geographic proximity matching
JP2019191781A (ja) 学習用データ生成方法、学習用データ生成プログラム
JP2019125206A (ja) 情報処理装置、情報処理方法及びプログラム
JP7272873B2 (ja) 計画作成支援装置および計画作成支援方法
JP5063444B2 (ja) ライン生産管理支援方法および装置
CN110263136B (zh) 基于强化学习模型向用户推送对象的方法和装置
JP4072102B2 (ja) プロジェクト事前評価方法、プロジェクト事前評価装置及びプログラム
JP7316191B2 (ja) 計画作成装置および計画作成方法
TWI833098B (zh) 智慧品質管理方法、電子裝置及電腦可讀儲存媒體
JP4987275B2 (ja) 生産スケジューリング装置及び生産スケジューリング方法、並びにプログラム
WO2020053991A1 (ja) 製造システム設計支援装置
CN112951420A (zh) 利用原型来操纵深度序列模型
KR102621790B1 (ko) 가맹점의 식자재 발주수량에 기초한 품질관리 방법
JP7214672B2 (ja) 情報処理装置、情報処理方法及びコンピュータプログラム
US20230334360A1 (en) Model-independent feature selection
CN108388972A (zh) 一种综合技能评估方法及装置
US20060184463A1 (en) Visual representation tool for course of action planning

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220509

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230519

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: 20230704

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230714

R150 Certificate of patent or registration of utility model

Ref document number: 7316191

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150