JP7356685B2 - 計画システム、計画方法およびプログラム - Google Patents
計画システム、計画方法およびプログラム Download PDFInfo
- Publication number
- JP7356685B2 JP7356685B2 JP2020064746A JP2020064746A JP7356685B2 JP 7356685 B2 JP7356685 B2 JP 7356685B2 JP 2020064746 A JP2020064746 A JP 2020064746A JP 2020064746 A JP2020064746 A JP 2020064746A JP 7356685 B2 JP7356685 B2 JP 7356685B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- delivery
- warehouse
- factory
- customer
- 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
- 238000013439 planning Methods 0.000 title claims description 68
- 238000000034 method Methods 0.000 title claims description 25
- 238000012384 transportation and delivery Methods 0.000 claims description 327
- 238000011156 evaluation Methods 0.000 claims description 181
- 238000004519 manufacturing process Methods 0.000 claims description 136
- 238000009826 distribution Methods 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 82
- 238000003860 storage Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 12
- 230000001934 delay Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000002716 delivery method Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- 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
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
以下、各実施形態に係る作業管理システムについて、図1~図9を参照しながら詳しく説明する。
(構成)
図1は、本発明の第一実施形態における計画システムの一例を示すブロック図である。本実施形態において、計画システムは、例えば、1台のPCやサーバ装置などのコンピュータ装置によって構成される。コンピュータの構成例については後述する(図9)。計画システム10は、製品の生産に用いる部品、材料、工具等のサプライヤ、製品を生産する工場、製品を保管する倉庫、製品の納入先である顧客の関係を時空間ネットワークでモデル化し、サプライヤから顧客までのサプライチェーンにおける生産、在庫、配送を最適化する計画を作成する。
計画情報取得部11は、サプライチェーンの計画の作成に必要な情報を取得する。例えば、計画情報取得部11は、顧客に納入する製品、納期、その製品を生産する工場の候補、工場へ部品などを供給するサプライヤ、製品を保管する倉庫の候補、サプライヤと工場の間の配送ルート、工場と倉庫の間の配送ルート、倉庫と顧客の間の配送ルートなどの情報を取得する。
記憶部14は、最適なサプライチェーン計画、サプライチェーン計画の作成に必要な諸々の情報を記憶する。
ロバスト性評価処理制御部15は、サプライチェーン計画を、図2に例示する数理モデル(時空間ネットワーク)に基づいて作成し、評価値を算出する。ロバスト性評価処理制御部15は、次の手順で数理モデルを作成する。まず、時間と拠点の2軸上に点を作り、点と点を結ぶ枝を作る。これを時空間ネットワークと呼ぶ。図2の縦軸は、区間、横軸は、サプライヤ、工場、倉庫、顧客の各拠点を示している。サプライヤ、工場、倉庫、顧客は、複数存在してもよい。時空間上の点は、各区間における各拠点を表したものである。縦軸の区間は時間の経過を示しており、隣接する2つの区間の間(例えば、区間=0~1の間)は、例えば、1週間である。2つの点を結んだ矢印は、部品や製品の時空間上の移動を示している。この矢印を枝と呼ぶ。各枝は、時間遷移による事象、その事象に要する時間を表している。斜めの枝は、製品等が拠点間を移動することを表し、縦の枝は、製品等が同一拠点に留まることを示している。例えば、枝21は、サプライヤから工場への部品の供給を示す。枝22は、製品が区間=1~2の間工場に存在すること(例えば、サプライヤから供給された部品を使用して製品を生産中であること)を示す。枝23は、工場から倉庫への製品の配送を示す。枝24は、倉庫から顧客への製品の配送を示す。また、各枝には、その枝が示す事象に関する部品や製品の在庫量や配送量などを示す変数が設定される。1つのサプライチェーン計画は、例えば、枝21~枝24および各枝に設定された変数によって構成される。
第一実施形態ではシナリオAとシナリオBの2つのシナリオを用いて、需要量の変動に対してロバストな解(サプライチェーン計画)を算出する。まず、サプライチェーン計画の算出に必要なパラメータ、制約条件について説明する。
計画情報取得部11は、例えば、以下の情報を取得する。(1)サプライヤが供給する部品の種類。(2)サプライヤごとの供給能力。例えば、サプライヤは1週間に何個の部品を供給できるかなど。(3)製品の情報。例えば、製品の識別情報、名称、値段など。(4)工場ごとの供給能力。例えば、工場は1週間に何個の製品を生産できるかなど。(5)サプライヤ、工場、倉庫、顧客のそれぞれについて、識別情報、名称、場所。(6)倉庫ごとの在庫コスト。在庫コストは、例えば、製品1個ごとに、その占有面積などに応じて設定される。(7)配送ルートの候補。例えば、サプライヤが1つ、工場が2つの場合、サプライヤからそれぞれの工場への配送ルートが1以上設定され(例えば、配送に1区間を要する配送ルートと2区間を要する配送ルートが存在する。)、それぞれの配送ルートには、出発拠点、到着拠点、配送距離、配送コスト、利用可能な配送手段などが設定されている。配送ルートの候補は、サプライヤと工場の間だけではなく、工場と工場の間、工場と倉庫の間、倉庫と顧客の間についても設定されている。(8)区間の情報。例えば、単位区間の長さ(例えば、1週間など)。(9)各倉庫について商品ごとの初期在庫量。(10)車、船、飛行機などの配送手段の情報。配送手段には例えば、移動速度が設定されている。(11)顧客から注文を受けた製品の識別情報、納期。
第一実施形態では、不確定要素は、製品ごとの需要量である。例えば、製品ごとの需要量の確率分布が、過去の実績などに基づき予め算出され、確率分布が正規分布であるとする。不確定要素変動情報取得部12は、需要量の正規分布の情報と想定するばらつきの情報(例えば、+1σ)を取得する。ロバスト性評価処理制御部15は、期待値と、需要量が増加する方向に想定されたばらつき分(例えば、+1σ)だけばらついたときの値と、をそれぞれシナリオAで用いる需要量、シナリオBで用いる需要量として設定する。
以下に制約条件の一例を示す。(1)顧客別に期間内の需要量の上限値と下限値。(2)納期の遅延の上限値。(3)製品ごとの生産拠点の工場の候補。(4)各製品の生産量に関する構成部品の消費量が決まっている(流量保存則)。(5)期間ごとの各製品の生産量を定める。(6)期間ごとの生産量の上限値と下限値。(7)期間内ごとの配送量の上限値と下限値。(8)配送ルートごとに配送手段が定められている。(9)配送リードタイム(配送時間)の上限値と下限値、(10)配送距離の上限値と下限値、(11)配送コストの上限値と下限値、(12)各拠点で入庫する数と出庫する数が等しい。(13)在庫量の上限値と下限値。(14)安全在庫(下回るとペナルティが与えられる)。(15)在庫コストの上限値。(16)シナリオAとシナリオBの枝の集合(配送ルート、生産ルートなど)が等しくなるように枝を生成する。但し、シナリオBにおいて需要量の増加分を補うために枝を追加することは許される。
ロバスト性評価処理制御部15は、入力パラメータ等に基づいて、例えば図5に示す時空間ネットワークを作成し、需要量、納期を満足し、各種コストの合計が最小となるような枝の組合せを探索する。例えば、納期が区間=5で、シナリオAでは製品αの需要量が5個、シナリオBでは製品αの需要量が8個だとする。ロバスト性評価処理制御部15は、シナリオA、Bを実現するための制約条件を満たす枝の集合を複数パターン作成し、その枝の集合に関して評価値を算出する。
評価値 = Σk(s)(-シナリオsの売り上げの合計
+シナリオsにおけるサプライヤから工場への部品の供給コストの合計
+シナリオsにおけるサプライヤから工場への部品の配送コストの合計
+シナリオsにおける工場での製品αの生産コストの合計
+シナリオsにおける工場から倉庫1または倉庫2への製品αの配送コストの合計
+シナリオsにおける倉庫1と倉庫2で製品αを保管する在庫コストの合計
+シナリオsにおける倉庫1または倉庫2から顧客へ製品αを配送する配送コストの合計
+シナリオsにおける各種ペナルティの合計)・・・・(1)
次にサプライチェーン計画の作成処理について説明する。
図6は、実施形態における処理の一例を示すフローチャートの一例である。
まず、計画情報取得部11が初期設定情報を取得する(ステップS11)。例えば、計画情報取得部11は、入力パラメータの説明で挙げた(1)~(11)の情報、制約条件の説明で挙げた(1)~(16)の情報を取得し、これらの値を記憶部14に記録する。
図7は、実施形態における安全在庫の算出を説明する図である。
本実施形態では、区間tの在庫量を、tよりも前に配送されていて、t以降(tを含む)に対象とする倉庫へ到着する合計量と定義し、シナリオBの需要量を満たす在庫量を、安全在庫とする。図7の例の場合、区間=tにおける倉庫1の在庫量と倉庫2の在庫量の合計に加え、t以前に配送され、枝61、62、63によって倉庫1へ到着する製品は全て区間=tにおける在庫とみなす。また、枝64に示すような同区間内に倉庫1へ到着する製品についても区間=tにおける在庫とみなす。
第一実施形態では、需要量のばらつきを考慮してサプライチェーン計画を作成した。第二実施形態では、需要量に加え、生産リードタイム、配送リードタイムのばらつきを考慮して、安全在庫を求めるサプライチェーン計画を作成する。具体的には、ロバスト性評価処理制御部15は、シナリオA~Dに基づくシナリオ別の評価値を算出して、その合計が最小となるようなサプライチェーン計画を算出する。
制約条件(17)シナリオ間の統一性。シナリオAとシナリオCの配送ルート(始点の拠点と終点の拠点、配送手段)と対応する配送ルートにおける配送量は等しい。同様にシナリオBとシナリオDの配送ルートと対応する配送ルートにおける配送量は等しい。この制約を入れることにより、生産リードタイム、配送リードタイムのばらつきの影響が少ない配送ルートを得ることができる。
図8は、第二実施形態における枝の生成について説明する図である。
図8は、図2で例示した時空間ネットワークに対して、配送リードタイム、生産リードタイムをばらつかせる場合の枝を書き加えた図である。配送リードタイムをばらつかせた場合、ロバスト性評価処理制御部15は、拠点間の移動を表した枝を配送リードタイムの増加分だけ長く生成する。例えば、工場2から倉庫3への製品の配送を示す枝23(1区間で到達)について配送リードタイムが増加する場合、ロバスト性評価処理制御部15は、配送リードタイムを増加させた枝23´(2区間で到達)を生成する。同様に生産リードタイムをばらつかせる場合、ロバスト性評価処理制御部15は、生産を示す枝を生産リードタイムの増加分だけ長く生成する。例えば、工場2での生産を示す枝22(1区間で生産)について生産リードタイムが増加する場合、ロバスト性評価処理制御部15は、生産リードタイムを増加させた枝22´(2区間で生産)を生成する。なお、生産リードタイムの場合も、配送リードタイムの場合も長さの増加量は、生産リードタイム、配送リードタイムの増加量に基づいて決定される。拠点間の移動を示す枝の長さが長くなる(配送リードタイムが長くなる)と、その拠点間の配送に要する配送コストが増大する。生産を示す枝の長さが長くなる(生産リードタイムが長くなる)と、生産コストが増大する。なお、配送ルートについて、サプライヤから工場までの配送ルート、工場から倉庫までの配送ルート、倉庫から顧客までの配送ルートの何れの枝を長く生成するか(何れの配送ルートに対して配送リードタイムのばらつきを適用するか)については、ユーザが設定できるようにしてもよいし、ロバスト性評価処理制御部15が任意に設定するようにしてもよい。
第二実施形態の動作について、図6を参照して説明する。第一実施形態と同様の処理については簡単に説明する。
まず、計画情報取得部11が初期設定情報を取得する(ステップS11)。計画情報取得部11は、入力パラメータの説明で挙げた(1)~(11)の情報、制約条件の説明で挙げた(1)~(17)の情報を取得する。次にロバスト性評価処理制御部15が、制約条件を満たす枝の集合を複数パターン作成する(ステップS12)。次に不確定要素変動情報取得部12が、不確定要素変更情報を取得する(ステップS13)。不確定要素変動情報取得部12は、需要量の正規分布とばらつきの情報、配送リードタイムの正規分布とばらつきの情報、生産リードタイムの正規分布とばらつきの情報を取得する。不確定要素変動情報取得部12は、これらの情報をロバスト性評価処理制御部15へ出力する。
コンピュータ900は、CPU901、主記憶装置902、補助記憶装置903、入出力インタフェース904、通信インタフェース905を備える。
上述の計画システム10は、コンピュータ900に実装される。そして、上述した各機能は、プログラムの形式で補助記憶装置903に記憶されている。CPU901は、プログラムを補助記憶装置903から読み出して主記憶装置902に展開し、当該プログラムに従って上記処理を実行する。また、CPU901は、プログラムに従って、記憶領域を主記憶装置902に確保する。また、CPU901は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置903に確保する。
各実施形態に記載の計画システム10、計画方法およびプログラムは、例えば以下のように把握される。
サプライヤ、工場、倉庫、顧客を含むサプライチェーンにおいて、余剰在庫、欠品、納期遅れが生じず、サプライチェーンにおける不確定要素(需要量、配送リードタイム、生産リードタイム)の変動に対してロバストな供給、生産、在庫、配送に係る計画を作成することができる。また、この計画には、拠点間の最適な配送ルート、倉庫の最適な在庫量の情報が含まれる。
これにより、例えば、シナリオC、シナリオD、又は、シナリオBにおいて複数通りに需要量を変動させた場合であるシナリオB1、B2など、不確定要素を変動させた複数の異なるシナリオを考慮したサプライチェーン計画を算出することができる。
これにより、1組の不確定要素が様々に変動した場合を想定して、この想定においてロバストなサプライチェーン計画を作成することができる。なお、1組の不確定要素とは、例えば、需要量のみ、需要量と生産リードタイム、需要量と配送リードタイム、生産リードタイムと配送リードタイム、需要量と生産リードタイムと配送リードタイム、生産リードタイムのみ、配送リードタイムのみ等である。例えば、1組の不確定要素が需要量であって、“複数の場合”が需要量が1.1倍、1.3倍、1.8倍となる場合であるとすると、計算部(ロバスト性評価処理制御部15)は、需要量が期待値通りの場合(シナリオA)と、需要量が1.1倍に変動した場合(シナリオB1)と、需要量が1.3倍に変動した場合(シナリオB2)と、需要量が1.8倍に変動した場合(シナリオB3)についてロバストなサプライチェーン計画を作成することができる。
第4の態様の計画システム10によれば、需要量の変動に対してロバストなサプライチェーン計画を作成することができる。
第5の態様の計画システム10によれば、配送リードタイムの変動に対してロバストなサプライチェーン計画を作成することができる。
第6の態様の計画システム10によれば、生産リードタイムの変動に対してロバストなサプライチェーン計画を作成することができる。
第7の態様の計画システム10によれば、生産リードタイム、配送リードタイムの変動の影響が少ない配送ルートを含んだサプライチェーン計画を作成することができる。
工場、倉庫、顧客を含むサプライチェーンにおいて、余剰在庫、欠品、納期遅れが生じず、サプライチェーンにおける不確定要素(需要量、配送リードタイム、生産リードタイム)の変動に対してロバストな生産、在庫、配送に係る計画を作成することができる。また、この計画には、拠点間の最適な配送ルート、倉庫の最適な在庫量の情報が含まれる。
11・・・計画情報取得部
12・・・不確定要素変動情報取得部
13・・・出力部
14・・・記憶部
15・・・ロバスト性評価処理制御部
16・・・サプライチェーン計画情報更新部
17・・・評価値算出部
900・・・コンピュータ
901・・・CPU
902・・・主記憶装置
903・・・補助記憶装置
904・・・入出力インタフェース
905・・・通信インタフェース
Claims (11)
- 製品の生産に用いる物を供給するサプライヤと、前記物を用いて前記製品を生産する工場と、生産された前記製品を保管する倉庫と、前記倉庫から製品が納入される顧客と、を含むサプライチェーンにおける前記製品の生産、在庫および配送に関する一つ又は複数の不確定要素の各々について確率分布の情報を取得する取得部と、
前記顧客から注文された数量の前記製品を前記顧客へ納入するときの、前記サプライヤから前記工場への前記物の配送に要するコストを示す第1の配送コストと、前記工場での前記製品の生産に要するコストを示す生産コストと、前記工場から前記倉庫への前記製品の配送に要するコストを示す第2の配送コストと、前記倉庫での前記製品の保管に要する在庫コストと、前記倉庫から前記顧客への配送に要するコストを示す第3の配送コストと、前記製品が前記顧客へ納入された時間の納期からの遅延量に基づくコストと、を合計した評価値について、全ての前記不確定要素の値が、前記確率分布の期待値となる場合の前記評価値と、一つ又は複数の前記不確定要素の値が、前記確率分布に基づく、前記期待値よりも大きい値となる場合の前記評価値と、の合計を、所定の制約条件を満たしつつ最小化することを目的関数とする混合整数計画問題を解くことによって、前記サプライチェーンにおける前記物の供給、前記製品の生産、在庫および配送の計画であって、前記物の供給量と、前記製品の生産量と、前記倉庫における前記製品の在庫量と、前記工場から前記倉庫への前記製品の配送ルートおよび配送量と、前記倉庫から前記顧客への前記製品の配送ルートおよび配送量と、を含む前記計画を算出する計算部と、
を備える計画システム。 - 前記計算部は、全ての前記不確定要素の値が、前記期待値となる場合の前記評価値と、一つ又は複数の前記不確定要素の値が、前記期待値よりも大きい値となる複数の場合それぞれについての前記評価値と、の合計を最小化する前記計画を算出する、
請求項1に記載の計画システム。 - 前記複数の場合には、一組みの前記不確定要素の値が前記期待値よりも大きくなる場合が複数含まれる、
請求項2に記載の計画システム。 - 前記不確定要素は、前記製品の需要量である、
請求項1から請求項3の何れか1項に記載の計画システム。 - 前記不確定要素は、前記工場から前記倉庫への配送リードタイムおよび前記倉庫から前記顧客への配送リードタイムの何れか又は両方である、
請求項1から請求項4の何れか1項に記載の計画システム。 - 前記不確定要素は、前記製品の生産リードタイムである、
請求項1から請求項5の何れか1項に記載の計画システム。 - 第1の前記不確定要素が前記製品の需要であり、第2の前記不確定要素が前記工場から前記倉庫への配送リードタイムおよび前記倉庫から前記顧客への配送リードタイムの何れか又は両方であり、第3の前記不確定要素が前記製品の生産リードタイムである場合に、
全ての前記不確定要素の値が前記期待値となるシナリオAについての前記評価値と、第1の前記不確定要素の値が前記期待値よりも大きい値となる1または複数のシナリオBについての前記評価値と、第2の前記不確定要素の値および第3の前記不確定要素の値の何れか又は両方がそれぞれの前記期待値よりも大きい値となる1または複数のシナリオCについて前記評価値と、第1の前記不確定要素の値が前記期待値よりも大きい値となり、第2の前記不確定要素の値および第3の前記不確定要素の値の何れか又は両方がそれぞれの前記期待値よりも大きい値となる1または複数のシナリオDについての前記評価値と、の合計が最小となるときの前記計画の算出にあたり、
前記計算部は、前記シナリオAの配送ルートと前記シナリオCの配送ルートとが等しくなること、前記シナリオBの配送ルートと前記シナリオDの配送ルートとが等しくなること、の両方を条件として前記計画を作成する、請求項1に記載の計画システム。 - 前記計算部は、前記サプライヤ、前記工場、前記倉庫、前記顧客を配した拠点を示す座標軸と、所定の時刻からの経過時間を示す座標軸と、で形成される座標空間における前記サプライヤ、前記工場、前記倉庫、前記顧客のそれぞれと、各々の前記経過時間とを組にした前記拠点ごと前記経過時間ごとの点情報と、前記サプライヤに係る第1の前記点情報から前記工場に係る前記点情報のうち第1の前記点情報より長い前記経過時間に対応する第2の前記点情報へ向かう第1の枝情報、前記工場に係る第2の前記点情報から前記工場に係る前記点情報のうちの第2の前記点情報より長い前記経過時間に対応する第3の前記点情報へ向かう第2の枝情報、第3の前記点情報から前記倉庫に係る前記点情報のうちの第3の前記点情報以上の前記経過時間に対応する第4の前記点情報へ向かう第3の枝情報、第4の前記点情報から前記顧客に係る前記点情報のうちの第4の前記点情報以上の前記経過時間に対応する第5の前記点情報へ向かう第4の枝情報と、で構成される時空間ネットワークモデルに基づく前記混合整数計画問題を解いて、前記計画を作成する、
請求項1から請求項7の何れか1項に記載の計画システム。 - 製品を生産する工場と、生産された前記製品を保管する倉庫と、前記倉庫から製品が納入される顧客と、を含むサプライチェーンにおける前記製品の生産、在庫および配送に関する一つ又は複数の不確定要素の各々について確率分布の情報を取得する取得部と、
前記顧客から注文された数量の前記製品を前記顧客へ納入するときの、前記工場での前記製品の生産に要するコストを示す生産コストと、前記工場から前記倉庫への前記製品の配送に要するコストを示す第1の配送コストと、前記倉庫での前記製品の保管に要する在庫コストと、前記倉庫から前記顧客への配送に要するコストを示す第2の配送コストと、前記製品が前記顧客へ納入された時間の納期からの遅延量に基づくコストと、を合計した評価値について、全ての前記不確定要素の値が、前記確率分布の期待値となる場合の前記評価値と、一つ又は複数の前記不確定要素の値が、前記確率分布に基づく、前記期待値よりも大きい値となる場合の前記評価値と、の合計を、所定の制約条件を満たしつつ最小化することを目的関数とする混合整数計画問題を解くことによって、前記サプライチェーンにおける前記製品の生産、在庫および配送の計画であって、前記製品の生産量と、前記倉庫における前記製品の在庫量と、前記工場から前記倉庫への前記製品の配送ルートおよび配送量と、前記倉庫から前記顧客への前記製品の配送ルートおよび配送量と、を含む前記計画を算出する計算部と、
を備える計画システム。 - 計画システムが、
製品の生産に用いる物を供給するサプライヤと、前記物を用いて前記製品を生産する工場と、生産された前記製品を保管する倉庫と、前記倉庫から製品が納入される顧客と、を含むサプライチェーンにおける前記製品の生産、在庫および配送に関する一つ又は複数の不確定要素の各々について確率分布の情報を取得し、
前記顧客から注文された数量の前記製品を前記顧客へ納入するときの、前記サプライヤから前記工場への前記物の配送に要するコストを示す第1の配送コストと、前記工場での前記製品の生産に要するコストを示す生産コストと、前記工場から前記倉庫への前記製品の配送に要するコストを示す第2の配送コストと、前記倉庫での前記製品の保管に要する在庫コストと、前記倉庫から前記顧客への配送に要するコストを示す第3の配送コストと、前記製品が前記顧客へ納入された時間の納期からの遅延量に基づくコストと、を合計した評価値について、全ての前記不確定要素の値が、前記確率分布の期待値となる場合の前記評価値と、一つ又は複数の前記不確定要素の値が、前記確率分布に基づく、前記期待値よりも大きい値となる場合の前記評価値と、の合計を、所定の制約条件を満たしつつ最小化することを目的関数とする混合整数計画問題を解くことによって、前記サプライチェーンにおける前記物の供給、前記製品の生産、在庫および配送の計画であって、前記物の供給量と、前記製品の生産量と、前記倉庫における前記製品の在庫量と、前記工場から前記倉庫への前記製品の配送ルートおよび配送量と、前記倉庫から前記顧客への前記製品の配送ルートおよび配送量と、を含む前記計画を算出する、計画方法。 - コンピュータに、
製品の生産に用いる物を供給するサプライヤと、前記物を用いて前記製品を生産する工場と、生産された前記製品を保管する倉庫と、前記倉庫から製品が納入される顧客と、を含むサプライチェーンにおける前記製品の生産、在庫および配送に関する一つ又は複数の不確定要素の各々について確率分布の情報を取得し、
前記顧客から注文された数量の前記製品を前記顧客へ納入するときの、前記サプライヤから前記工場への前記物の配送に要するコストを示す第1の配送コストと、前記工場での前記製品の生産に要するコストを示す生産コストと、前記工場から前記倉庫への前記製品の配送に要するコストを示す第2の配送コストと、前記倉庫での前記製品の保管に要する在庫コストと、前記倉庫から前記顧客への配送に要するコストを示す第3の配送コストと、前記製品が前記顧客へ納入された時間の納期からの遅延量に基づくコストと、を合計した評価値について、全ての前記不確定要素の値が、前記確率分布の期待値となる場合の前記評価値と、一つ又は複数の前記不確定要素の値が、前記確率分布に基づく、前記期待値よりも大きい値となる場合の前記評価値と、の合計を、所定の制約条件を満たしつつ最小化することを目的関数とする混合整数計画問題を解くことによって、前記サプライチェーンにおける前記物の供給、前記製品の生産、在庫および配送の計画であって、前記物の供給量と、前記製品の生産量と、前記倉庫における前記製品の在庫量と、前記工場から前記倉庫への前記製品の配送ルートおよび配送量と、前記倉庫から前記顧客への前記製品の配送ルートおよび配送量と、を含む前記計画を算出する処理、
を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020064746A JP7356685B2 (ja) | 2020-03-31 | 2020-03-31 | 計画システム、計画方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020064746A JP7356685B2 (ja) | 2020-03-31 | 2020-03-31 | 計画システム、計画方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021163244A JP2021163244A (ja) | 2021-10-11 |
JP7356685B2 true JP7356685B2 (ja) | 2023-10-05 |
Family
ID=78004951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020064746A Active JP7356685B2 (ja) | 2020-03-31 | 2020-03-31 | 計画システム、計画方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7356685B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102637167B1 (ko) * | 2023-07-13 | 2024-02-16 | (주)알엠에이 | 생산 공정 및 기업간 생산 계획과 연동된 제품 이송최적화 방법 |
CN116911574B (zh) * | 2023-09-12 | 2024-02-02 | 华侨大学 | 基于鲸鱼算法与随机森林的三级供应链优化方法及装置 |
CN117557200A (zh) * | 2024-01-10 | 2024-02-13 | 宁波安得智联科技有限公司 | 仓库调整计划评估方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001233414A (ja) | 1999-12-16 | 2001-08-28 | Hitachi Ltd | 生産計画方法 |
JP2005316932A (ja) | 2004-03-31 | 2005-11-10 | Hitachi Ltd | 需要変動入力型生産計画生成方法および需要変動リスク最小生産計画生成方法 |
JP2007219965A (ja) | 2006-02-20 | 2007-08-30 | Hitachi Ltd | 出荷計画算出方法 |
JP2018163436A (ja) | 2017-03-24 | 2018-10-18 | 三菱重工業株式会社 | 計画評価システム、計画評価方法、計画更新方法及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009075919A (ja) * | 2007-09-21 | 2009-04-09 | Konica Minolta Holdings Inc | サプライチェーンの効率的管理支援システム |
-
2020
- 2020-03-31 JP JP2020064746A patent/JP7356685B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001233414A (ja) | 1999-12-16 | 2001-08-28 | Hitachi Ltd | 生産計画方法 |
JP2005316932A (ja) | 2004-03-31 | 2005-11-10 | Hitachi Ltd | 需要変動入力型生産計画生成方法および需要変動リスク最小生産計画生成方法 |
JP2007219965A (ja) | 2006-02-20 | 2007-08-30 | Hitachi Ltd | 出荷計画算出方法 |
JP2018163436A (ja) | 2017-03-24 | 2018-10-18 | 三菱重工業株式会社 | 計画評価システム、計画評価方法、計画更新方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021163244A (ja) | 2021-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7356685B2 (ja) | 計画システム、計画方法およびプログラム | |
Silbermayr et al. | A multiple sourcing inventory model under disruption risk | |
US20030033180A1 (en) | System and method for optimizing resource plans | |
US20030208392A1 (en) | Optimizing resource plans | |
Aiassi et al. | Designing a stochastic multi-objective simulation-based optimization model for sales and operations planning in built-to-order environment with uncertain distant outsourcing | |
JP5643502B2 (ja) | 複数工場の生産スケジュール作成方法 | |
Noordhoek et al. | A simulation–optimization approach for a service-constrained multi-echelon distribution network | |
van der Heijden | Multi-echelon inventory control in divergent systems with shipping frequencies | |
Achkar et al. | Extensions to the guaranteed service model for industrial applications of multi-echelon inventory optimization | |
Cavalieri et al. | A multiagent model for coordinated distribution chain planning | |
US20210334829A1 (en) | User interface for visualizing output from supply chain replenishment simulation | |
Dai et al. | Inventory replenishment planning in a distribution system with safety stock policy and minimum and maximum joint replenishment quantity constraints | |
Ching et al. | An assessment of FIFO and LIFO policies for perishable inventory systems using the system dynamics approach | |
Danilczuk et al. | Job scheduling algorithm for a hybrid MTO-MTS production process | |
Al-Rifai et al. | A heuristic optimisation algorithm for two-echelon (R, Q) inventory systems with non-identical retailers | |
Elmasry et al. | A System dynamics simulation model for scalable-capacity manufacturing systems | |
JP2006260462A (ja) | 製造プロセスの生産計画立案方法、装置、及びコンピュータプログラム | |
JP7464486B2 (ja) | 計画システム、計画方法およびプログラム | |
Kalpana et al. | Single-period inventory models with multiple ordering opportunities: a review | |
Kristiawan et al. | The Effect of Redundant Capacity Strategy on Supply Chain Resilience Using Simulation | |
Mohamed et al. | Mitigating the bullwhip effect and enhancing supply chain performance through demand information sharing: An ARENA simulation study | |
Ntio et al. | Base-stock policies for two and three stages serial inventory systems with stochastic demand and replenishments | |
John et al. | Investigation of Order-Up-To-Policy and Allocation-Rationing Mechanism for Divergent Supply Chains with Multiple Objectives | |
Unnikrishnan et al. | Modelling and Analysis of Supply Chain Disruptions through Simulations | |
JP6713963B2 (ja) | サプライチェーン業務シミュレーションの初期在庫情報生成方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20200515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200515 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220914 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230830 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7356685 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |