JP7457242B2 - 最適化支援装置、最適化支援方法、プログラムおよび最適化システム - Google Patents
最適化支援装置、最適化支援方法、プログラムおよび最適化システム Download PDFInfo
- Publication number
- JP7457242B2 JP7457242B2 JP2020076408A JP2020076408A JP7457242B2 JP 7457242 B2 JP7457242 B2 JP 7457242B2 JP 2020076408 A JP2020076408 A JP 2020076408A JP 2020076408 A JP2020076408 A JP 2020076408A JP 7457242 B2 JP7457242 B2 JP 7457242B2
- Authority
- JP
- Japan
- Prior art keywords
- nodes
- optimization
- optimization problem
- constraint
- objective function
- 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
- 238000005457 optimization Methods 0.000 title claims description 114
- 238000000034 method Methods 0.000 title claims description 103
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000008569 process Effects 0.000 claims description 85
- 238000012545 processing Methods 0.000 claims description 73
- 238000005516 engineering process Methods 0.000 claims description 34
- 230000005283 ground state Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000007596 consolidation process Methods 0.000 claims description 4
- 238000012805 post-processing Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 82
- 239000002096 quantum dot Substances 0.000 description 29
- 230000005366 Ising model Effects 0.000 description 25
- 238000004519 manufacturing process Methods 0.000 description 13
- 238000000137 annealing Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000004215 lattice model Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect 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
- 238000005098 hot rolling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052758 niobium Inorganic materials 0.000 description 1
- 239000010955 niobium Substances 0.000 description 1
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005359 quantum Heisenberg model Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing 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]
Landscapes
- General Factory Administration (AREA)
Description
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重み要素とを含む目的関数を設定する、目的関数設定部と、
前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、結果取得部と、
を備える、
最適化支援装置。
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重みの要素とを含む目的関数を設定する、ステップ、
(4)前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、および
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、ステップ。
コンピュータに、
下記の(1)~(5)のステップを備える最適化支援方法を実行させる、プログラム。
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重みの要素とを含む目的関数を設定する、ステップ、
(4)前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、および
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、ステップ。
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重みの要素とを含む目的関数を設定する、目的関数設定部と、
前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、結果取得部と、
を備える、
最適化システム。
最初に、本実施形態に係る最適化システムの概略構成について図1を用いて説明する。図1は、本実施形態に係る最適化システムの概略構成を示すブロック図である。
まず、汎用計算機10について説明する。汎用計算機10は、最適化支援装置として機能し、図1に示すように、少なくとも、入力情報取得部11と、決定変数設定部12と、目的関数設定部13と、入力部14と、結果取得部15とを備える。
入力情報取得部11は、最適化問題の構築に必要な入力情報を取得する。入力情報の例としては、任意製品の任意工程での処理順について最適化するための最適化問題を求解する場合には、工程数、製品数、ロット番号、納期などである。入力情報取得部11は、汎用計算機10に対するオペレータによる操作、外部装置からネットワーク等を介して送信された情報の受信、または可搬型記憶媒体に記憶された情報の読み出しを行うことにより入力情報を取得する。
決定変数設定部12は、求解対象の最適化問題の決定変数を設定する。例えば、決定変数設定部12は、任意製品の任意工程での処理順について最適化するための最適化問題を求解する場合には、その処理順を決定変数として設定する。なお、複数の決定変数を設定してもよい。ここで、決定変数の設定とは、汎用計算機10に対する入力情報に基づき、何を決定変数とすべきかを定める処理を指す。決定変数には、ロット情報および納期情報などが含まれる。
目的関数設定部13は、求解対象の最適化問題の目的関数を生成し、設定する。求解対象の最適化問題に制約条件が含まれており目的関数設定部13は、その制約条件の違反に対してペナルティを課すような要素を含む目的関数を設定する。具体的には、目的関数設定部13は、本来の評価すべき事項を数式で表した評価指標の要素(後述するH4~H6)と、制約条件の違反に対してペナルティを課すような数式で表した制約式の要素(後述するH1~H3)とを含む目的関数を設定する。また、評価指標の要素および制約式の要素には、それぞれの要素の重みを表す重み要素(後述するq1,q2,q3,qBig)が含まれている。なお、評価指標の要素には、例えば、ロットまとめおよび納期遵守の評価などが含まれる。また、制約式の要素には、任意の製品はいずれかの処理順に割り当てなければならないという制約、任意の製品において前工程の処理が終わらないと、次工程の処理が始まらないという制約、後工程に処理の中断が起こらないよう、所定の間隔をおいて後工程の処理を実施するという制約などが含まれる。
入力部14は、決定変数設定部12により設定された決定変数を、量子計算機20内において格子状に配列したノード(すなわち、後述するイジング変数)に対応させ、目的関数設定部13により設定された目的関数の係数を、各ノード(イジング変数)間の関係性を示す係数(結合の重み)として、上記生成した格子モデルの特性関数、すなわちハミルトニアンに対応させて、量子計算機20に入力する。なお、用いる量子計算機によっては、ある一つのノードから結合するノードの数に限りがあるために、そのままでは全ての結合の重み係数を表現できない場合がある。このような際には例えば、ある一つのイジング変数に複数のノードを割り当てることで、結合するノードの数を実効的に増やす対策を施しても構わない。また、本発明の実施形態の説明においてはノードの配列を格子状として説明するが、ノードの配列としては格子状に限らず任意の形状が可能である。
結果取得部15は、入力部14により入力された目的関数の係数に基づいて計算された量子計算機20の計算結果(最適化問題の解)を取得する。具体的には、ノード(イジング変数)の基底状態での測定値を、それらのノード(イジング変数)に対応する決定変数の値として取得する。結果取得部15により取得された量子計算機20の計算結果は、表示部(図示省略)により表示される。
次に、量子計算機20について説明する。図2は、本実施形態に係る量子計算機20のハードウェア構成を示す図である。また、図3は、量子計算機の原理を説明するための図である。ここでは、量子計算機は、イジングモデルのノードに決定変数、ノード間の関係性を示す係数に目的関数の係数を対応させて、ハミルトニアンを生成する例について説明する。しかしながら、これらは上記に限定されるものではなく、ハイゼンベルクモデル等の任意の次元の格子モデルであっても構わない。
以下、下記の最適化モデルを例にとって、汎用計算機10の決定変数設定部12および目的関数設定部13における具体的な設定方法を説明する。
決定変数として、例えば、複数の工程(以下、「多段工程」ともいう)における、各製品iの各工程jにおける処理順kを表す、割当変数x[i][k][j](i∈N,k∈K(j),j∈J)がある。この割当変数x[i][k][j]の組は、イジングモデルの各ノードにマッピングされる。
製品の製造プロセスが複数工程にまたがる処理工程において、各工程における最適な処理順を求める問題を考える。この問題において、それぞれの工程における処理順は、連続する処理順の中で同一ロットをできるだけ大ロットにまとめること、即ち、ロット変更に伴う段取り替えをできる限り少なくすることを評価する。また、工程間の制約として、任意の製品について、前工程の処理が終了していることが次工程での当該製品の処理開始の条件とする。目的関数は、ロット変更回数および納期遅れと早作りをそれぞれ異なるペナルティを課して評価するものとする。
・対象製品集合をN(=1,2,…i,…,n)とする。
・各製品iの(最終工程における)納期をdiとし、工程jでの所属ロットをlijとする。この値は、所与とする。
・工程集合をJ(=1,2,…j,…,p)とする。
・任意の製品iの任意の工程jでの処理時間は,一律同じであることとし、その処理時間を単位時間とする。
・上流工程での処理が完了していない製品は、それより下流工程で処理はできないこととする。すなわち第j工程での処理順(処理時刻)kで処理された製品は第j+1工程では処理順(処理時刻)k以降であれば処理可能であるとする。工程jで考慮すべき時刻範囲K(j)は1≦K(j)≦j(n-1)+1とする。
・各製品iは、最終工程(J=p)での納期diが付与されており、最終工程での処理時刻がこれより大きい場合は納期遅れとし、これより小さい場合は早く作りすぎたものとし、それぞれ異なるペナルティを課すものとする。
以下、定式化した多段工程処理順モデルを量子アニーリング計算に利用するイジングモデルに変換する方法を詳細に示す。
各製品iの各工程jにおける処理順kを表す割当変数x[i][k][j](i∈N,k∈K(j),j∈J)をイジング変数とする。ここで、上記の仮定に従い、同一製品の処理タイミング(時刻)は、第二工程以降(j≧2)では前工程での製造順以降となる。例えば、第二工程では可能性のある処理時刻範囲が(1≦k≦2n-1)となる。この範囲は工程が進むに従い拡張されるので、『k∈K(j)』とする。これに対応し、対象製品集合については、i∈N∪E(j)とする。E(j)は、処理が行われない時刻に仮想的に処理されるダミー製品を表すものとする。
量子計算機において、イジングモデルのハミルトニアンは、下記数式2のH(σ)で表される。ハミルトニアンH(σ)は、±1という二つの値をとるイジング変数σi(i=1,…,Q)に重みパラメータhiをかけたσi・hiと、二つのイジング変数σiとσjの積に重みパラメータJijをかけた、二つのイジング変数間の相互作用エネルギーを表すJij・σiσjとを合わせた値であり、全エネルギーを意味する。なお、イジング変数はσi∈{-1,1}であるが、通常の数理計画問題における数理モデルでは、変数siをsi∈{0,1}としてモデル化される。その場合には、σi=si-1または、si=(σi+1)/2の変数変換を行う。
次に、本実施形態における最適化支援装置10の動作について図4を用いて説明する。図4は、本実施形態における最適化支援装置の動作を示すフロー図である。以下の説明においては、適宜図1を参酌する。また、本実施形態では、最適化支援装置10を動作させることによって、最適化支援方法が実施される。よって、本実施形態における最適化支援方法の説明は、以下の最適化支援装置10の動作説明に代える。
本実施形態におけるプログラムは、コンピュータに、図4に示すステップS1~S5を実行させるプログラムであればよい。このプログラムをコンピュータにインストールし、実行することによって、本実施形態における最適化支援装置と最適化支援方法とを実現することができる。この場合、情報処理装置となるコンピュータのCPU(Central Processing Unit)は、入力情報取得部11、決定変数設定部12、目的関数設定部13、入力部14および結果取得部15として機能し処理を行なう。
ここで、本実施形態におけるプログラムを実行することによって、情報処理装置を実現するコンピュータについて図を用いて説明する。図5は、本実施形態における情報処理装置を実現するコンピュータの一例を示すブロック図である。
11 入力情報取得部
12 決定変数設定部
13 目的関数設定部
14 入力部
15 結果取得部
20 量子計算機(最適化装置)
21 量子ビットノード
22 量子ビット制御部
23 結合器
24 結合器制御部
25 読出部
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (9)
- 複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置に、不等式制約が含まれる最適化問題を求解させる最適化支援装置であって、
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重み要素とを含む目的関数を設定する、目的関数設定部と、
前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、結果取得部と、
を備える、
最適化支援装置。 - 前記最適化問題が、任意製品の任意工程の処理順を決定する最適化問題であり、
前記決定変数が、ロット情報および納期情報を含み、
前記目的関数が、ロットまとめおよび納期遵守の評価に関する評価指標の要素を含む、
請求項1に記載の最適化支援装置。 - 前記重み要素が、納期遵守の評価に対応して設定される、
請求項2に記載の最適化支援装置。 - 前記重み要素が、ロットまとめの評価に対応して設定される、
請求項2または3に記載の最適化支援装置。 - 前記重み要素が、任意の製品において前工程の処理が終わらないと、次工程の処理が始まらないという制約に対応して設定される、
請求項2~4のいずれかに記載の最適化支援装置。 - 前記重み要素が、所定の間隔で後工程の処理を実施するという制約に対応して設定される、
請求項2~5のいずれかに記載の最適化支援装置。 - 複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置に、不等式制約が含まれる最適化問題を求解させるに際して、コンピュータが下記の(1)~(5)のステップを実行する最適化支援方法。
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重みの要素とを含む目的関数を設定する、ステップ、
(4)前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、および
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、ステップ。 - 複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置に、不等式制約が含まれる最適化問題を求解させるに際して、
コンピュータに、
下記の(1)~(5)のステップを備える最適化支援方法を実行させる、プログラム。
(1)前記最適化問題に関する入力情報を取得する、ステップ、
(2)前記最適化問題の決定変数を設定する、ステップ、
(3)前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重みの要素とを含む目的関数を設定する、ステップ、
(4)前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、ステップ、および
(5)前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、ステップ。 - 不等式制約が含まれる最適化問題を最適化するシステムであって、
複数のノードと、前記ノード間の結合の重みの値を入力パラメータとして構成される特性関数とを備えるネットワークモデルにおいて、前記特性関数の値が最小値となる、前記ネットワークモデルの基底状態を求める量子計算技術を用いた装置と、
前記最適化問題に関する入力情報を取得する、入力情報取得部と、
前記最適化問題の決定変数を設定する、決定変数設定部と、
前記不等式制約を表す不等式の各辺の生起有無が前記決定変数の積の形式に変換された制約式の要素と、前記不等式制約を満たさない場合に大きくなるように設定された重みの要素とを含む目的関数を設定する、目的関数設定部と、
前記決定変数を前記ノードに対応する変数とし、前記目的関数の係数を前記ノード間の結合の重みの値として前記量子計算技術を用いた装置に入力する、入力部と、
前記量子計算技術を用いた装置において前記ネットワークモデルが基底状態となったときの前記ノードの値を前記最適化問題の解として取得する、結果取得部と、
を備える、
最適化システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019082264 | 2019-04-23 | ||
JP2019082264 | 2019-04-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020181575A JP2020181575A (ja) | 2020-11-05 |
JP7457242B2 true JP7457242B2 (ja) | 2024-03-28 |
Family
ID=73024176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020076408A Active JP7457242B2 (ja) | 2019-04-23 | 2020-04-23 | 最適化支援装置、最適化支援方法、プログラムおよび最適化システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7457242B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7276308B2 (ja) * | 2020-12-25 | 2023-05-18 | Jfeスチール株式会社 | 搬送容器引当計画作成方法、搬送容器引当計画作成装置、および製鉄所の操業方法 |
WO2023095594A1 (ja) * | 2021-11-24 | 2023-06-01 | 日本電気株式会社 | パラメータ生成装置、方法およびプログラム |
CN114202117B (zh) * | 2021-12-07 | 2022-06-28 | 北京量子信息科学研究院 | 数据处理方法、装置、计算机设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009277095A (ja) | 2008-05-15 | 2009-11-26 | Nippon Steel Corp | 生産計画立案装置、生産計画立案方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
WO2017145086A1 (en) | 2016-02-23 | 2017-08-31 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a binary polynomially constrained polynomial programming problem using a binary optimizer |
-
2020
- 2020-04-23 JP JP2020076408A patent/JP7457242B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009277095A (ja) | 2008-05-15 | 2009-11-26 | Nippon Steel Corp | 生産計画立案装置、生産計画立案方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
WO2017145086A1 (en) | 2016-02-23 | 2017-08-31 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a binary polynomially constrained polynomial programming problem using a binary optimizer |
Also Published As
Publication number | Publication date |
---|---|
JP2020181575A (ja) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7457242B2 (ja) | 最適化支援装置、最適化支援方法、プログラムおよび最適化システム | |
Chung et al. | Analytic network process (ANP) approach for product mix planning in semiconductor fabricator | |
Cavalieri et al. | Parametric vs. neural network models for the estimation of production costs: A case study in the automotive industry | |
Lin et al. | The study of applying ANP model to assess dispatching rules for wafer fabrication | |
CN107464025A (zh) | 基于大数据的供应链需求预测与智能决策方法 | |
Yang et al. | Designing fuzzy supply chain network problem by mean-risk optimization method | |
Nepal et al. | A multi-objective supply chain configuration model for new products | |
Jenab et al. | A graph-based model for manufacturing complexity | |
Feng et al. | An improved production planning method for process industries | |
Zheng et al. | A data-driven robust optimization method for the assembly job-shop scheduling problem under uncertainty | |
CN108898300A (zh) | 供应链网络风险级联模型的构建方法 | |
Amiri et al. | Multi-objective economic-statistical design of MEWMA control chart | |
Wang | Application of BPN with feature-based models on cost estimation of plastic injection products | |
JP2006004414A (ja) | 生産計画作成方法及び生産計画作成装置、並びにプログラム | |
Finardi et al. | Stochastic hydro-thermal unit commitment via multi-level scenario trees and bundle regularization | |
Sabbaghnia et al. | Reducing the Bullwhip effect in a supply chain network by application of optimal control theory | |
Fernandes et al. | Application of the smooth evolutionary structural optimization method combined with a multi-criteria decision procedure | |
Chen et al. | A fuzzy back propagation network ensemble with example classification for lot output time prediction in a wafer fab | |
JP7457243B2 (ja) | 最適化支援装置、最適化支援方法、プログラムおよび最適化システム | |
Disney | Supply chain aperiodicity, bullwhip and stability analysis with Jury's inners | |
Wan et al. | A polymorphic uncertain equilibrium model and its deterministic equivalent formulation for decentralized supply chain management | |
Vaghefinezhad et al. | A genetic algorithm approach for solving a flexible job shop scheduling problem | |
Chua et al. | A surrogate model to predict production performance in digital twin-based smart manufacturing | |
JP7288189B2 (ja) | ジョブ電力予測プログラム、ジョブ電力予測方法、およびジョブ電力予測装置 | |
Lopes et al. | Algorithm based on particle swarm applied to electrical load scheduling in an industrial setting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221205 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231226 |
|
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: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240226 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7457242 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |