JP7364894B2 - 搬送先決定装置、予測モデル構築装置、方法及びプログラム - Google Patents
搬送先決定装置、予測モデル構築装置、方法及びプログラム Download PDFInfo
- Publication number
- JP7364894B2 JP7364894B2 JP2020002826A JP2020002826A JP7364894B2 JP 7364894 B2 JP7364894 B2 JP 7364894B2 JP 2020002826 A JP2020002826 A JP 2020002826A JP 2020002826 A JP2020002826 A JP 2020002826A JP 7364894 B2 JP7364894 B2 JP 7364894B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- destination
- information
- period
- input
- 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 description 44
- 238000003860 storage Methods 0.000 claims description 145
- 230000029087 digestion Effects 0.000 claims description 57
- 238000010276 construction Methods 0.000 claims description 54
- 238000010801 machine learning Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 7
- 239000000047 product Substances 0.000 description 57
- 239000013067 intermediate product Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 238000005098 hot rolling Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009628 steelmaking Methods 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
Description
また、特許文献2には、倉庫内の在庫レイアウト方法およびその在庫レイアウト装置が開示されている。
また、特許文献2に開示されている手法は、需要予測手法を用いて予測した各品番の出庫数に基づいて入出庫作業負荷を算出し、入出庫作業負荷が高い品番順に品番の割付順序を決めた上で、在庫を配置エリアに割り付けるものであり、消化工期に着目して置き場を決定するものではない。また、小ロット、多品種生産では、同じ品番の出庫数の統計が十分に存在しないため、製品の搬送先を決定することが難しい課題がある。
[1] 複数の置き場のうちいずれかの置き場に製品を搬送して在庫として保管するときの搬送先とする置き場を決定する搬送先決定装置であって、
搬送先を決定する対象製品の情報を入力する入力手段と、
製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する、機械学習により構築された予測モデルを用いて、前記入力手段で入力した前記対象製品の情報に基づいて、前記対象製品の消化工期を予測する消化工期予測手段と、
前記消化工期予測手段で予測した前記対象製品の消化工期に基づいて、前記対象製品の搬送先を決定する搬送先決定手段とを備えたことを特徴とする搬送先決定装置。
[2] 前記搬送先決定手段は、更に、消化工期に応じて製品をどの置き場に搬送すればよいかを判断するための搬送基準に基づいて、前記対象製品の搬送先を決定することを特徴とする[1]に記載の搬送先決定装置。
[3] 前記入力手段は、消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力し、
消化工期実績から置き場毎の製品の消化工期の合計値を求め、各置き場の合計値の割合に基づいて、前記搬送基準を決定する搬送基準決定手段を備えたことを特徴とする[2]に記載の搬送先決定装置。
[4] 前記入力手段は、置き場の情報を入力し、
前記入力手段で入力した前記対象製品の情報、及び前記置き場の情報に基づいて、前記対象製品が置き場に搬送可能であるか否かを判定する搬送可否判定手段を備え、
前記搬送先決定手段は、更に、前記搬送可否判定手段で判定した前記対象製品の搬送可否の結果に基づいて、前記対象製品の搬送先を決定することを特徴とする[1]乃至[3]のいずれか一つに記載の搬送先決定装置。
[5] 消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力する入力手段と、
前記入力手段で入力した前記製品の情報に基づいて、製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する予測モデルを機械学習により構築する予測モデル構築手段とを備えたことを特徴とする予測モデル構築装置。
[6] 複数の置き場のうちいずれかの置き場に製品を搬送して在庫として保管するときの搬送先とする置き場を決定する搬送先決定方法であって、
搬送先を決定する対象製品の情報を入力する入力ステップと、
製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する、機械学習により構築された予測モデルを用いて、前記入力ステップで入力した前記対象製品の情報に基づいて、前記対象製品の消化工期を予測する消化工期予測ステップと、
前記消化工期予測ステップで予測した前記対象製品の消化工期に基づいて、前記対象製品の搬送先を決定する搬送先決定ステップとをコンピュータにより実行させる搬送先決定方法。
[7] 消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力する入力ステップと、
前記入力ステップで入力した前記製品の情報に基づいて、製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する予測モデルを機械学習により構築する予測モデル構築ステップとをコンピュータにより実行させる予測モデル構築方法。
[8] 複数の置き場のうちいずれかの置き場に製品を搬送して在庫として保管するときの搬送先とする置き場を決定するためのプログラムであって、
搬送先を決定する対象製品の情報を入力する入力手段と、
製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する機械学習により構築された予測モデルを用いて、前記入力手段で入力した前記対象製品の情報に基づいて、前記対象製品の消化工期を予測する消化工期予測手段と、
前記消化工期予測手段で予測した前記対象製品の消化工期に基づいて、前記対象製品の搬送先を決定する搬送先決定手段としてコンピュータを機能させるためのプログラム。
[9] 消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力する入力手段と、
前記入力手段で入力した前記製品の情報に基づいて、製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する予測モデルを機械学習により構築する予測モデル構築手段としてコンピュータを機能させるためのプログラム。
本実施形態では、鉄鋼業における製造工程において、上工程である製鋼工程で製造された中間製品であるスラブを下工程である熱延工程に搬送する場合に、注文情報との紐付けが切れて余材となったスラブ(以下、単にスラブと呼ぶ)の搬送先を決定するプロセスに本発明を適用する例を説明する。本実施形態では、図8に示すように、上工程と下工程との間に3つの置き場(置き場A、置き場B、置き場C)がある例を説明する。
スラブの搬送先決定システムは、予測モデル構築装置100と、搬送先決定装置200とを含んで構成される。予測モデル構築装置100は、スラブの消化工期を予測する予測モデル(以下、消化工期予測モデルと呼ぶ)を構築する。搬送先決定装置200は、予測モデル構築装置100で構築された消化工期予測モデルを利用して、複数の置き場のうちいずれかの置き場にスラブを搬送して在庫として保管するときの搬送先とする置き場を決定する。
入力部101は、データベース400から、消化工期予測モデルを構築する上で必要な学習データとして、過去にいずれかの置き場に搬送された実績があるスラブの情報(以下、搬送実績情報と呼ぶ)を入力する。
データ前処理部102は、入力部101で入力した搬送実績情報に対して、消化工期予測モデルを構築するための前処理を行う。
予測モデル構築部103は、データ前処理部102で処理したデータに基づいて、機械学習により消化工期予測モデルを構築する。
出力部104は、予測モデル構築部103で構築した消化工期予測モデルをデータベース400に出力し、データベース400に記憶する。
入力部201は、データベース400から、スラブの搬送先を決定する上で必要となる、搬送先を決定する対象スラブの情報と、置き場の情報と、搬送実績情報とを入力する。また、入力部201は、データベース400から、予測モデル構築装置100で構築された消化工期予測モデルを入力する。
搬送基準決定部202は、入力部201で入力した情報に基づいて、消化工期に応じてスラブをどの置き場に搬送すればよいかを判断するための搬送基準を決定する。
搬送可否判定部203は、入力部201で入力した情報に基づいて、対象スラブが各置き場に搬送可能であるか否かを判定する。
消化工期予測部204は、入力部201で入力した消化工期予測モデルを用いて、対象スラブの消化工期を予測する。
搬送先決定部205は、搬送基準決定部202で決定した搬送基準と、搬送可否判定部203で判定した対象スラブの搬送可否の結果と、消化工期予測部204で予測した対象スラブの消化工期とに基づいて、対象スラブの搬送先を決定する。
出力部206は、搬送先決定部205で決定した対象スラブの搬送先を例えば出力装置301に出力する。
出力装置301は、ディスプレイ等の表示装置により構成され、出力部206から出力された求解結果を表示する。なお、出力装置301は、音声情報を出力するスピーカ等の音声出力装置等や、出力部206から出力された求解結果を不図示の記憶領域に保存、登録する記憶装置等であってもよい。
まず、予測モデル構築装置100が、消化工期予測モデルを構築する処理を説明する。図2は、予測モデル構築装置100が消化工期予測モデルを構築する処理を示すフローチャートである。
ステップS101において、入力部101は、データベース400から、消化工期予測モデルを構築する上で必要な学習データとして、上述した搬送実績情報を入力する。
表1に、搬送実績情報の例を示す。過去にいずれかの置き場に搬送された実績があるスラブを識別するためのスラブID毎に、材質・品質を表わす特性値と、形状を表わす巾、重量、長さと、実際に搬送された置き場を表す搬送先(置き場A~C)と、後続の注文情報に紐付けられるまでに要した実際の消化工期である消化工期実績とが紐付けられている。
表2に、予測モデル構築部103により構築した消化工期予測モデルを用いて予測した予測結果(消化工期予測)と、消化工期実績とを示す。表2に示すように、スラブ毎に消化工期を予測している。また、図3及び図4は、消化工期予測モデルにより予測した予測結果と消化工期実績との関係を示す特性図である。図3は、学習データを消化工期の予測結果の昇順で10分割し、予測結果の平均値と消化工期実績の平均値とを比較したリフトチャートである。図3に示すように、予測結果の平均値と消化工期実績の平均値とが略一致した結果が得られている。また、図4は、予測結果と消化工期実績との散布図である。図4に示すように、予測結果と消化工期実績とに相関がある結果が得られている。
中間製品の消化工期は、中間製品の材質・品質や形状、将来の注文投入状況によって変化するため予測することが難しいが、単なる統計情報ではなく機械学習により消化工期予測モデルを構築することにより消化工期を適切に予測することが可能になる。特に、アンサンブル学習の一種であるランダムフォレストにより消化工期予測モデルを構築することで、学習データが比較的少ない場合であっても高精度に消化工期を予測することができる。
ステップS201において、入力部201は、データベース400から、スラブの搬送先を決定する上で必要となる、対象スラブの情報と、置き場の情報と、搬送実績情報とを入力する。また、入力部201は、データベース400から、予測モデル構築装置100で構築された消化工期予測モデルを入力する。
本発明者は、搬送コストが安い置き場に消化工期が短いスラブを搬送するためには、消化工期予測モデルで予測される消化工期に応じて搬送先を決定すればよいと考えた。これを実現するために、搬送基準として消化工期に閾値を設けて、閾値に応じてスラブの搬送先を割り当てることを考えた。この閾値は、置き場毎のスラブの消化工期の合計値(以下、延べ日数と呼ぶ)が実績値又は所定の目標値となるように決定すればよいと考えた。
表5は、ステップ201で入力した搬送実績情報に含まれる消化工期実績から置き場毎のスラブの消化工期の合計値(延べ日数)を求め、各置き場A~Cの延べ日数の割合を求めた結果である。表5の割合に示すように、置き場Aには全体の15.6%分の日数のスラブが、置き場Bには全体の6.9%分の日数のスラブが、置き場Cには全体の77.5%分の日数のスラブが搬送されていることがわかる。
本実施形態では、消化工期の閾値を、消化工期予測モデルで予測されるスラブの延べ日数が表5の割合に一致するように決定する。例えば、図6に示すように、置き場Aに搬送されたスラブの消化工期の延べ日数は、全体の15.6%分を占めるため、縦軸の延べ日数の割合が0.156となるときの消化工期は、17.9日(X1)となる。これは、消化工期が短いスラブから順番に置き場Aに搬送された場合に、17.9日以下のスラブをすべて置き場Aに搬送すれば、延べ日数の合計値が15.6%となることを表す。
同様に、置き場Bに搬送されたスラブの消化工期の延べ日数は、全体の6.9%分を占め、全体の15.6%+6.9%を合わせて22.5%分となるため、縦軸の延べ日数の割合が0.225となるときの消化工期は、21.7日(X2)となる。これは、実績で消化工期が17.9日から21.7日となったスラブをすべて置き場Bに搬送すれば、延べ日数の合計値が全体の6.9%になることを表している。
本実施形態では、上記X1、X2を消化工期の閾値とし、新たに得られたデータ(対象スラブの情報)を予測モデルに入力することで得られる消化工期が閾値X1を下回るスラブは置き場Aに搬送し、X1以上X2未満のスラブは置き場Bに搬送し、X2以上のスラブは置き場Cに搬送するように割り当てる。このようにスラブの搬送先を決定すれば、各置き場へのスラブの搬送数を実績と一致させながら、消化工期が短いスラブを優先的に搬送コストが安い置き場に搬送可能であると着想した。
なお、置き場の数は3つに限らず、それ以上の置き場の数が存在しても同様に、延べ日数の割合から消化工期の閾値を決定することが可能である。
また、消化工期の閾値のような搬送基準は、消化工期を予測する対象スラブの情報が入力される毎に決定するのではなく、間隔をあけて(例えば定期的に)決定するようなアルゴリズムとしてもよい。
例えば表3に示す対象スラブの情報において、スラブID「PZ2567-32」はスラブ長さが123000[mm]、重量が42.69[ton]である。一方、表4に示す置き場の情報において、置き場Cが受け入れ可能な最大スラブ長は12000[mm]、最大スラブ重量は35[ton]である。このようにスラブID「PZ2567-32」の対象スラブは、最大スラブ長及び最大スラブ重量共に違反しているため、置き場Cに搬送することができない。表6に、各対象スラブに対して置き場A~Cへの搬送可否を判定した結果を示す。
表7に、スラブID毎に消化工期を予測した結果(予測消化工期)を示す。
本実施形態では、次に説明するロジックに従って対象スラブの搬送先を決定する。基本的には、消化工期に応じて対象スラブの搬送先を決定するが、消化工期の閾値に収まる置き場に搬送できない場合は、搬送可能な置き場から予測消化工期に最も近い閾値を持つ置き場を検索し搬送する。
1:If 対象スラブが置き場Aに搬送可能 and 対象スラブの消化工期<X1 then
対象スラブを置き場Aに搬送
2:Else if 対象スラブが置き場Bに搬送可能 and X1≦対象スラブの消化工期<X2 then
対象スラブを置き場Bに搬送
3:Else if 対象スラブが置き場Cに搬送可能 and X2<対象スラブの消化工期 then
対象スラブを置き場Cに搬送
4:Else 搬送可能な置き場から対象スラブの消化工期に最も近い閾値を持つ置き場を検索し搬送
図7A、図7Bに、各置き場の消化工期をヒストグラムで比較した結果を示す。図7A(a)~(c)が、置き場A~Cにおける本手法の結果(シミュレーションの結果)を示す。また、図7B(a)~(c)が、置き場A~Cにおける実績を示す。
また、表9に、各置き場へのスラブの搬送回数を示す。
図7、表9に示すように、本手法では搬送費用が安い置き場Aに搬送されたスラブの回数は3020回となり、実績の2573回に比べて増加させることができた。一方、本手法では搬送費用が高い置き場Cに搬送されたスラブの回数は3040回となり、実績の3404回に比べて低減させることができた。
例えば図1では、予測モデル構築装置100と搬送先決定装置200とを別々の装置として図示したが、一台の装置として構成されるようにしてもよい。
また、本発明は、本発明の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータがプログラムを読み出して実行することによっても実現可能である。
Claims (9)
- 複数の置き場のうちいずれかの置き場に製品を搬送して在庫として保管するときの搬送先とする置き場を決定する搬送先決定装置であって、
搬送先を決定する対象製品の情報を入力する入力手段と、
製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する、機械学習により構築された予測モデルを用いて、前記入力手段で入力した前記対象製品の情報に基づいて、前記対象製品の消化工期を予測する消化工期予測手段と、
前記消化工期予測手段で予測した前記対象製品の消化工期に基づいて、前記対象製品の搬送先を決定する搬送先決定手段とを備えたことを特徴とする搬送先決定装置。 - 前記搬送先決定手段は、更に、消化工期に応じて製品をどの置き場に搬送すればよいかを判断するための搬送基準に基づいて、前記対象製品の搬送先を決定することを特徴とする請求項1に記載の搬送先決定装置。
- 前記入力手段は、消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力し、
消化工期実績から置き場毎の製品の消化工期の合計値を求め、各置き場の合計値の割合に基づいて、前記搬送基準を決定する搬送基準決定手段を備えたことを特徴とする請求項2に記載の搬送先決定装置。 - 前記入力手段は、置き場の情報を入力し、
前記入力手段で入力した前記対象製品の情報、及び前記置き場の情報に基づいて、前記対象製品が置き場に搬送可能であるか否かを判定する搬送可否判定手段を備え、
前記搬送先決定手段は、更に、前記搬送可否判定手段で判定した前記対象製品の搬送可否の結果に基づいて、前記対象製品の搬送先を決定することを特徴とする請求項1乃至3のいずれか1項に記載の搬送先決定装置。 - 消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力する入力手段と、
前記入力手段で入力した前記製品の情報に基づいて、製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する予測モデルを機械学習により構築する予測モデル構築手段とを備えたことを特徴とする予測モデル構築装置。 - 複数の置き場のうちいずれかの置き場に製品を搬送して在庫として保管するときの搬送先とする置き場を決定する搬送先決定方法であって、
搬送先を決定する対象製品の情報を入力する入力ステップと、
製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する、機械学習により構築された予測モデルを用いて、前記入力ステップで入力した前記対象製品の情報に基づいて、前記対象製品の消化工期を予測する消化工期予測ステップと、
前記消化工期予測ステップで予測した前記対象製品の消化工期に基づいて、前記対象製品の搬送先を決定する搬送先決定ステップとをコンピュータにより実行させる搬送先決定方法。 - 消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力する入力ステップと、
前記入力ステップで入力した前記製品の情報に基づいて、製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する予測モデルを機械学習により構築する予測モデル構築ステップとをコンピュータにより実行させる予測モデル構築方法。 - 複数の置き場のうちいずれかの置き場に製品を搬送して在庫として保管するときの搬送先とする置き場を決定するためのプログラムであって、
搬送先を決定する対象製品の情報を入力する入力手段と、
製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する、機械学習により構築された予測モデルを用いて、前記入力手段で入力した前記対象製品の情報に基づいて、前記対象製品の消化工期を予測する消化工期予測手段と、
前記消化工期予測手段で予測した前記対象製品の消化工期に基づいて、前記対象製品の搬送先を決定する搬送先決定手段としてコンピュータを機能させるためのプログラム。 - 消化工期実績を含む、過去にいずれかの置き場に搬送された実績がある製品の情報を入力する入力手段と、
前記入力手段で入力した前記製品の情報に基づいて、製品と注文情報の紐付きが切れてから当該製品に後続の注文情報が紐付けられるまでの期間である消化工期を予測する予測モデルを機械学習により構築する予測モデル構築手段としてコンピュータを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020002826A JP7364894B2 (ja) | 2020-01-10 | 2020-01-10 | 搬送先決定装置、予測モデル構築装置、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020002826A JP7364894B2 (ja) | 2020-01-10 | 2020-01-10 | 搬送先決定装置、予測モデル構築装置、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021111134A JP2021111134A (ja) | 2021-08-02 |
JP7364894B2 true JP7364894B2 (ja) | 2023-10-19 |
Family
ID=77059922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020002826A Active JP7364894B2 (ja) | 2020-01-10 | 2020-01-10 | 搬送先決定装置、予測モデル構築装置、方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7364894B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004086291A (ja) | 2002-08-23 | 2004-03-18 | Jfe Steel Kk | 鋼板の生産計画方法及び鋼板の製造方法 |
JP2011159230A (ja) | 2010-02-03 | 2011-08-18 | Jfe Steel Corp | スケジュール作成支援システム、スケジュール作成支援方法、及びスケジュール作成支援プログラム |
JP2015193479A (ja) | 2014-03-18 | 2015-11-05 | 株式会社神戸製鋼所 | 搬送支援システム |
JP2017068788A (ja) | 2015-10-02 | 2017-04-06 | 新日鐵住金株式会社 | 製鋼圧延計画立案装置、製鋼圧延計画立案方法、およびプログラム |
JP2017120561A (ja) | 2015-12-28 | 2017-07-06 | 新日鐵住金株式会社 | 物流計画立案装置、方法及びプログラム |
JP2019174865A (ja) | 2018-03-26 | 2019-10-10 | Jfeスチール株式会社 | 在庫量推移シミュレーション方法及び在庫量推移シミュレーション装置 |
-
2020
- 2020-01-10 JP JP2020002826A patent/JP7364894B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004086291A (ja) | 2002-08-23 | 2004-03-18 | Jfe Steel Kk | 鋼板の生産計画方法及び鋼板の製造方法 |
JP2011159230A (ja) | 2010-02-03 | 2011-08-18 | Jfe Steel Corp | スケジュール作成支援システム、スケジュール作成支援方法、及びスケジュール作成支援プログラム |
JP2015193479A (ja) | 2014-03-18 | 2015-11-05 | 株式会社神戸製鋼所 | 搬送支援システム |
JP2017068788A (ja) | 2015-10-02 | 2017-04-06 | 新日鐵住金株式会社 | 製鋼圧延計画立案装置、製鋼圧延計画立案方法、およびプログラム |
JP2017120561A (ja) | 2015-12-28 | 2017-07-06 | 新日鐵住金株式会社 | 物流計画立案装置、方法及びプログラム |
JP2019174865A (ja) | 2018-03-26 | 2019-10-10 | Jfeスチール株式会社 | 在庫量推移シミュレーション方法及び在庫量推移シミュレーション装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021111134A (ja) | 2021-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Matusiak et al. | Utilizing individual picker skills to improve order batching in a warehouse | |
Saif-Eddine et al. | An improved genetic algorithm for optimizing total supply chain cost in inventory location routing problem | |
Melacini et al. | Development of a framework for pick-and-pass order picking system design | |
Cakmak et al. | Determining the size and design of flow type and u-type warehouses | |
Altuntas et al. | Facility layout using weighted association rule-based data mining algorithms: Evaluation with simulation | |
Baykasoğlu et al. | New approaches to due date assignment in job shops | |
Derhami et al. | A simulation-based optimization approach to design optimal layouts for block stacking warehouses | |
CN112749829B (zh) | 输送计划生成装置及输送计划生成方法 | |
Hasani Goodarzi et al. | A multi-objective imperialist competitive algorithm for vehicle routing problem in cross-docking networks with time windows | |
Vincent et al. | A robust optimization approach for the vehicle routing problem with cross-docking under demand uncertainty | |
JP7364894B2 (ja) | 搬送先決定装置、予測モデル構築装置、方法及びプログラム | |
JP2012185779A (ja) | 生産または物流管理装置及び生産または物流管理方法 | |
Ghadimi et al. | Integrated and hierarchical systems for coordinating order acceptance and release planning | |
US20190325545A1 (en) | Transportation planning device, transportation planning method, and storage medium storing program | |
Miguel et al. | A memetic algorithm for the integral OBP/OPP problem in a logistics distribution center | |
JP2017117049A (ja) | 物流管理支援装置および物流管理支援方法 | |
Sivasundari et al. | Production, capacity and workforce planning: a mathematical model approach | |
Hosseini et al. | A robust optimization model for a supply chain under uncertainty | |
JP5803318B2 (ja) | 操業ルール作成方法及び生産物流計画作成方法 | |
CN113762697A (zh) | 物料输送方法、设备、系统以及存储介质 | |
JP7192382B2 (ja) | ヤード管理装置、ヤード管理方法、およびプログラム | |
JP2005100092A (ja) | 半導体生産シミュレーション方法および半導体生産シミュレーションプログラム | |
Malčic et al. | Multicriteria inventory classification in the expedition warehouse of the metallurgical company | |
JP6193182B2 (ja) | 工程負荷調整方法及び工程負荷調整プログラム、並びに工程負荷調整装置 | |
Bavar et al. | Green routing of multi-objective transport vehicles with cross docks under the time window constraint |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220905 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230712 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230803 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230918 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7364894 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |