JPH0796311A - 板取り方法 - Google Patents
板取り方法Info
- Publication number
- JPH0796311A JPH0796311A JP6116439A JP11643994A JPH0796311A JP H0796311 A JPH0796311 A JP H0796311A JP 6116439 A JP6116439 A JP 6116439A JP 11643994 A JP11643994 A JP 11643994A JP H0796311 A JPH0796311 A JP H0796311A
- Authority
- JP
- Japan
- Prior art keywords
- order
- planing
- plan
- allocation
- population
- 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.)
- Granted
Links
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
(57)【要約】
【目的】 板取り計画に用いる情報量が多い場合でも，
比較的短い時間で最適な板取り計画を作成し得る板取り
方法。 【構成】 この板取り方法は，複数のスラブＳの各々に
１以上の注文Ｏを充当して板取り計画を作成するに際
し，スラブＳの使用順とスラブＳへの注文Ｏの充当順と
の複数の組み合わせよりなる母集団の各組みの使用順と
充当順とを遺伝的アルゴリズムＧＡにより組み替えて各
々の組み合わせについての板取り計画を作成し，この板
取り計画について所定の条件に基づく評価関数Ｅを適用
して部分的に最適な板取り計画を抽出し，この部分的に
最適な板取り計画に用いたスラブＳの使用順と注文Ｏの
充当順との組みを除いた残りの母集団における使用順と
充当順とを用いて板取り計画の作成と抽出とを順次繰り
返すことにより最適な板取り計画を決定するように構成
されている。上記構成により，板取り計画に用いる情報
量が多い場合でも，比較的短い時間で最適な板取り計画
を作成することができる。
比較的短い時間で最適な板取り計画を作成し得る板取り
方法。 【構成】 この板取り方法は，複数のスラブＳの各々に
１以上の注文Ｏを充当して板取り計画を作成するに際
し，スラブＳの使用順とスラブＳへの注文Ｏの充当順と
の複数の組み合わせよりなる母集団の各組みの使用順と
充当順とを遺伝的アルゴリズムＧＡにより組み替えて各
々の組み合わせについての板取り計画を作成し，この板
取り計画について所定の条件に基づく評価関数Ｅを適用
して部分的に最適な板取り計画を抽出し，この部分的に
最適な板取り計画に用いたスラブＳの使用順と注文Ｏの
充当順との組みを除いた残りの母集団における使用順と
充当順とを用いて板取り計画の作成と抽出とを順次繰り
返すことにより最適な板取り計画を決定するように構成
されている。上記構成により，板取り計画に用いる情報
量が多い場合でも，比較的短い時間で最適な板取り計画
を作成することができる。
Description
【０００１】
【産業上の利用分野】本発明は板取り方法に係り，詳し
くは金属等の複数のスラブから複数の注文を最適に取り
合わせる材料板取り方法に関するものである。
くは金属等の複数のスラブから複数の注文を最適に取り
合わせる材料板取り方法に関するものである。
【０００２】
【従来の技術】従来，複数のスラブに複数の注文を充当
して板取り計画を作成するに際しては，計画作成担当者
が，与えられた複数のスラブと注文の情報から，これら
の組み合わせを試行錯誤的に求め，板取りをしていた。
しかし，このような人手による試行錯誤的な組み合わせ
による板取り計画では，求められる組み合わせ数には限
度があり，最終的な板取りの最適性を評価することが困
難であるなどの問題点があった。そこで，本発明者ら
は，次のような自動的に最適な板取り計画を作成しうる
板取り方法を開発した（特願平４−２９１６７２号）。
図９はこのような自動的な従来の板取り方法の一例にお
ける板取り計画の作成手順を示す説明図，図１０はスラ
ブと注文との各仕様及びこれらの組み合わせ内容を示す
図表，図１１は従来の板取り方法による板取り計画図で
ある。ここで，板取り問題とは，複数のスラブＳに複数
の注文を最適に充当する問題である。この最適とは板取
り計画の作成に際し，スラブＳの廃却部分の面積が最小
になるということに加え，生産性，注文の納期，スラブ
Ｓをなるべく早く使う等の所定の条件を最も満足させる
ことを意味する。又，この板取り問題は，以下の特徴を
持っている。 （１）各注文Ｏに応じるためのスラブＳの形状は同一
（矩形）であるが，長さ×厚み×幅×鋼種の属性があ
り，種類がかなり多い。 （２）１つの注文Ｏに複数の鋼種のスラブＳが充当可能
である。 （３）決まったサイズの材料から注文Ｏを充当するので
はなく，スラブＳを圧延して材料をつくるので材料のサ
イズは可変である。 （４）注文Ｏの同一材料内での並び方には制約がある
（例えば，先頭の注文より幅の大きい注文は取れな
い）。 （５）同じ材料からは同じ厚みの注文Ｏしかとれない。 （６）上記（２）の裏返しで，注文Ｏがとれる材料は鋼
種により制限される。 このような問題は，スラブＳに注文Ｏを充当（スラブＳ
と注文Ｏとの組み合わせを決定）し，スラブＳ内での注
文Ｏの配置を決定する組み合わせ最適問題であり，特に
上記（１）〜（３）の理由で大規模な解空間を持つ問題
であるといえる。このため，大規模組み合わせ最適問題
の解法として有力である遺伝的アルゴリズム（以下ＧＡ
と略する）を用いる。即ち，ＧＡにより遺伝子にみたて
た問題の解候補を進化させて最適解を求める。実際の問
題に適用する場合，解空間を狭めるために，データをあ
る基準でグループ化し，それぞれのグループに対しＧＡ
を適用するものとした。
して板取り計画を作成するに際しては，計画作成担当者
が，与えられた複数のスラブと注文の情報から，これら
の組み合わせを試行錯誤的に求め，板取りをしていた。
しかし，このような人手による試行錯誤的な組み合わせ
による板取り計画では，求められる組み合わせ数には限
度があり，最終的な板取りの最適性を評価することが困
難であるなどの問題点があった。そこで，本発明者ら
は，次のような自動的に最適な板取り計画を作成しうる
板取り方法を開発した（特願平４−２９１６７２号）。
図９はこのような自動的な従来の板取り方法の一例にお
ける板取り計画の作成手順を示す説明図，図１０はスラ
ブと注文との各仕様及びこれらの組み合わせ内容を示す
図表，図１１は従来の板取り方法による板取り計画図で
ある。ここで，板取り問題とは，複数のスラブＳに複数
の注文を最適に充当する問題である。この最適とは板取
り計画の作成に際し，スラブＳの廃却部分の面積が最小
になるということに加え，生産性，注文の納期，スラブ
Ｓをなるべく早く使う等の所定の条件を最も満足させる
ことを意味する。又，この板取り問題は，以下の特徴を
持っている。 （１）各注文Ｏに応じるためのスラブＳの形状は同一
（矩形）であるが，長さ×厚み×幅×鋼種の属性があ
り，種類がかなり多い。 （２）１つの注文Ｏに複数の鋼種のスラブＳが充当可能
である。 （３）決まったサイズの材料から注文Ｏを充当するので
はなく，スラブＳを圧延して材料をつくるので材料のサ
イズは可変である。 （４）注文Ｏの同一材料内での並び方には制約がある
（例えば，先頭の注文より幅の大きい注文は取れな
い）。 （５）同じ材料からは同じ厚みの注文Ｏしかとれない。 （６）上記（２）の裏返しで，注文Ｏがとれる材料は鋼
種により制限される。 このような問題は，スラブＳに注文Ｏを充当（スラブＳ
と注文Ｏとの組み合わせを決定）し，スラブＳ内での注
文Ｏの配置を決定する組み合わせ最適問題であり，特に
上記（１）〜（３）の理由で大規模な解空間を持つ問題
であるといえる。このため，大規模組み合わせ最適問題
の解法として有力である遺伝的アルゴリズム（以下ＧＡ
と略する）を用いる。即ち，ＧＡにより遺伝子にみたて
た問題の解候補を進化させて最適解を求める。実際の問
題に適用する場合，解空間を狭めるために，データをあ
る基準でグループ化し，それぞれのグループに対しＧＡ
を適用するものとした。
【０００３】以下，図９を参照して，従来の板取り方法
についてステップＳ１，Ｓ２，…の順に説明する。図９
に示す如く，従来の板取り方法では，先ずスラブＳと注
文Ｏの各データを入力し（Ｓ１），グループ化する（Ｓ
２）。グループ化の方法としては，例えば注文Ｏを使用
可能鋼種の共通なものでグループ化する方法や，さらに
このグループ化で分類したものを板取りグループ化する
方法などがある。次に，グループ番号ｉ＝１として初期
設定（Ｓ３）後，ＧＡによるグループｉの最適化を行う
（Ｓ４′）。ＧＡでは，例えば図１０（ａ），（ｂ）に
示すようなスラブＳと注文Ｏに対し問題解候補を固定長
の文字列で表したコードで表現する。このコードに対応
するスラブＳと注文Ｏとの組み合わせは図１０（ｃ）の
ようになる。即ち，まず図１０（ａ）のスラブ１〜６の
中からスラブ２を任意に選択し，最初のスラブ使用順と
する。スラブ２の鋼種はＢであるため，鋼種Ｂについて
の注文６を図１０（ｂ）の注文１〜７の中から任意に選
択し，最初の注文充当順とする。注文６の厚みは１５ｍ
ｍであり，他に同鋼種で同一厚みの注文が見当たらない
ため，次のスラブ選択に移る。次に，残りのスラブ１，
３〜６の中からスラブ６を任意に選択し，２番目のスラ
ブ使用順とする。スラブ６の鋼種はＢであるため，鋼種
Ｂについての注文１を残りの注文１〜５の中から任意に
選択し，２番目の注文充当順とする。注文１の厚みは１
０ｍｍであり，これと同鋼種で同一厚みの注文２がある
ため，注文２を選択し，３番目の注文充当順とする。他
に同鋼種で同一厚みの注文が見当たらないため，次のス
ラブ選択に移る。このように順次スラブ使用順と注文充
当順とを選択してスラブＳと注文Ｏとの組み合わせを決
めていく様子を図１０（ｃ）に示しており，コード例は
これに対応するものである。このようなコードを適当数
作り，これらを遺伝子にみたてて母集団である最初の世
代を発生させ，ＧＡによりコード組み替えを行う。それ
ぞれ組み替えられたコードについて図１１に示すような
板取り計画を作成し，各計画について前記所定の条件に
基づく評価関数を適用して評価する。そして，母集団に
含まれる全ての遺伝子について世代交代を行い，世代数
が設定値となるまで繰り返す。このようなＧＡによるグ
ループｉの最適化終了後，グループｉにおける最適な板
取り計画結果を出力する（Ｓ５）。ｉ＝ｉ＋１とする
（Ｓ６）。上記ステップＳ４′〜Ｓ６を全てのグループ
について繰り返す（Ｓ７）。以上のようにして全グルー
プについて遺伝子にみたてたスラブＳの使用順と注文Ｏ
の充当順とを表すコードを進化させることにより自動的
に最適な板取り計画を作成することができた。
についてステップＳ１，Ｓ２，…の順に説明する。図９
に示す如く，従来の板取り方法では，先ずスラブＳと注
文Ｏの各データを入力し（Ｓ１），グループ化する（Ｓ
２）。グループ化の方法としては，例えば注文Ｏを使用
可能鋼種の共通なものでグループ化する方法や，さらに
このグループ化で分類したものを板取りグループ化する
方法などがある。次に，グループ番号ｉ＝１として初期
設定（Ｓ３）後，ＧＡによるグループｉの最適化を行う
（Ｓ４′）。ＧＡでは，例えば図１０（ａ），（ｂ）に
示すようなスラブＳと注文Ｏに対し問題解候補を固定長
の文字列で表したコードで表現する。このコードに対応
するスラブＳと注文Ｏとの組み合わせは図１０（ｃ）の
ようになる。即ち，まず図１０（ａ）のスラブ１〜６の
中からスラブ２を任意に選択し，最初のスラブ使用順と
する。スラブ２の鋼種はＢであるため，鋼種Ｂについて
の注文６を図１０（ｂ）の注文１〜７の中から任意に選
択し，最初の注文充当順とする。注文６の厚みは１５ｍ
ｍであり，他に同鋼種で同一厚みの注文が見当たらない
ため，次のスラブ選択に移る。次に，残りのスラブ１，
３〜６の中からスラブ６を任意に選択し，２番目のスラ
ブ使用順とする。スラブ６の鋼種はＢであるため，鋼種
Ｂについての注文１を残りの注文１〜５の中から任意に
選択し，２番目の注文充当順とする。注文１の厚みは１
０ｍｍであり，これと同鋼種で同一厚みの注文２がある
ため，注文２を選択し，３番目の注文充当順とする。他
に同鋼種で同一厚みの注文が見当たらないため，次のス
ラブ選択に移る。このように順次スラブ使用順と注文充
当順とを選択してスラブＳと注文Ｏとの組み合わせを決
めていく様子を図１０（ｃ）に示しており，コード例は
これに対応するものである。このようなコードを適当数
作り，これらを遺伝子にみたてて母集団である最初の世
代を発生させ，ＧＡによりコード組み替えを行う。それ
ぞれ組み替えられたコードについて図１１に示すような
板取り計画を作成し，各計画について前記所定の条件に
基づく評価関数を適用して評価する。そして，母集団に
含まれる全ての遺伝子について世代交代を行い，世代数
が設定値となるまで繰り返す。このようなＧＡによるグ
ループｉの最適化終了後，グループｉにおける最適な板
取り計画結果を出力する（Ｓ５）。ｉ＝ｉ＋１とする
（Ｓ６）。上記ステップＳ４′〜Ｓ６を全てのグループ
について繰り返す（Ｓ７）。以上のようにして全グルー
プについて遺伝子にみたてたスラブＳの使用順と注文Ｏ
の充当順とを表すコードを進化させることにより自動的
に最適な板取り計画を作成することができた。
【０００４】
【発明が解決しようとする課題】上記したような従来の
板取り方法では，全てのスラブと注文とについてコード
化し，それらの最適な組み合わせをＧＡで求めている。
この場合，計算過程で部分的によい解（部分解：一つの
スラブに着目した時の最適な注文の充当）ができても全
体の評価が低いと淘汰されたり，遺伝子操作の段階で部
分的によい解が壊される可能性がある。このため，板取
り計画に用いる情報量が非常に多い場合には，最適な解
を求めるのに膨大な時間がかかる。また，板取り問題で
は，このような部分的によい解は他の組み合わせと独立
して存在するので，すべてのスラブと注文とをコード化
して解を求めるのは無駄である。しかし，最初から，ど
のスラブとどの注文とが部分的によい解を作成するかは
推定できないので，最初から問題を部分問題に分解でき
ない。また，ＧＡでは初期世代発生の際に作られた組み
合わせがその後の遺伝子操作によって解空間の探索が行
われる際に重要な役割を果たす。従って，最初から評価
の高い組み合わせを保持する事は計算を速く終了させる
ためにも重要であるが，それらについての考え方が従来
方法には導入されていない。本発明は，このような従来
の技術における課題を解決する為に，板取り方法を改良
し，板取り計画に用いる情報量が多い場合でも，比較的
短い時間で最適な板取り計画を作成し得る板取り方法を
提供することを目的とするものである。
板取り方法では，全てのスラブと注文とについてコード
化し，それらの最適な組み合わせをＧＡで求めている。
この場合，計算過程で部分的によい解（部分解：一つの
スラブに着目した時の最適な注文の充当）ができても全
体の評価が低いと淘汰されたり，遺伝子操作の段階で部
分的によい解が壊される可能性がある。このため，板取
り計画に用いる情報量が非常に多い場合には，最適な解
を求めるのに膨大な時間がかかる。また，板取り問題で
は，このような部分的によい解は他の組み合わせと独立
して存在するので，すべてのスラブと注文とをコード化
して解を求めるのは無駄である。しかし，最初から，ど
のスラブとどの注文とが部分的によい解を作成するかは
推定できないので，最初から問題を部分問題に分解でき
ない。また，ＧＡでは初期世代発生の際に作られた組み
合わせがその後の遺伝子操作によって解空間の探索が行
われる際に重要な役割を果たす。従って，最初から評価
の高い組み合わせを保持する事は計算を速く終了させる
ためにも重要であるが，それらについての考え方が従来
方法には導入されていない。本発明は，このような従来
の技術における課題を解決する為に，板取り方法を改良
し，板取り計画に用いる情報量が多い場合でも，比較的
短い時間で最適な板取り計画を作成し得る板取り方法を
提供することを目的とするものである。
【０００５】
【課題を解決するための手段】上記目的を達成するため
に第１の発明は，複数の板材の各々に１以上の注文を充
当して板取り計画を作成するに際し，上記板材の使用順
と該板材への上記注文の充当順との複数の組み合わせよ
りなる母集団の各組みの使用順と充当順とを遺伝的アル
ゴリズムにより組み替えて各々の組み合わせについての
板取り計画を作成し，上記各板取り計画について該板取
りに対する所定の条件に基づく評価関数を適用して部分
的に最適な板取り計画を抽出し，上記部分的に最適な板
取り計画に用いた上記板材の使用順と注文の充当順との
組みを除いた残りの母集団における使用順と充当順とを
用いて上記板取り計画の作成と抽出とを順次繰り返すこ
とにより最適な板取り計画を決定してなる板取り方法と
して構成されている。第２の発明は，複数の板材の各々
に１以上の注文を充当して板取り計画を作成するに際
し，上記板材の使用順と該板材への上記注文の充当順と
を板取りに対する所定の条件に基づいて複数組み合わせ
ることにより母集団を発生させ，上記発生させた母集団
の各組みの使用順と充当順とを遺伝的アルゴリズムによ
り組み替えて各々の組み合わせについての板取り計画を
作成し，上記各板取り計画について上記板取りに対する
所定の条件に基づく評価関数を適用して最適な板取り計
画を抽出することにより最適な板取り計画を決定してな
る板取り方法である。第３の発明は，複数の板材の各々
に１以上の注文を充当して板取り計画を作成するに際
し，上記板材の使用順と該板材への上記注文の充当順と
を板取りに対する所定の条件に基づいて複数組み合わせ
ることにより母集団を発生させ，上記発生させた母集団
の各組みの使用順と充当順とを遺伝的アルゴリズムによ
り組み替えて各々の組み合わせについての板取り計画を
作成し，上記各板取り計画について上記板取りに対する
所定の条件に基づく評価関数を適用して最適な板取り計
画を抽出し，上記部分的に最適な板取り計画に用いた上
記板材の使用順と注文の充当順との組みを除いた残りの
母集団における使用順と充当順とを用いて上記板取り計
画の作成と抽出とを順次繰り返すことにより最適な板取
り計画を決定してなる板取り方法である。
に第１の発明は，複数の板材の各々に１以上の注文を充
当して板取り計画を作成するに際し，上記板材の使用順
と該板材への上記注文の充当順との複数の組み合わせよ
りなる母集団の各組みの使用順と充当順とを遺伝的アル
ゴリズムにより組み替えて各々の組み合わせについての
板取り計画を作成し，上記各板取り計画について該板取
りに対する所定の条件に基づく評価関数を適用して部分
的に最適な板取り計画を抽出し，上記部分的に最適な板
取り計画に用いた上記板材の使用順と注文の充当順との
組みを除いた残りの母集団における使用順と充当順とを
用いて上記板取り計画の作成と抽出とを順次繰り返すこ
とにより最適な板取り計画を決定してなる板取り方法と
して構成されている。第２の発明は，複数の板材の各々
に１以上の注文を充当して板取り計画を作成するに際
し，上記板材の使用順と該板材への上記注文の充当順と
を板取りに対する所定の条件に基づいて複数組み合わせ
ることにより母集団を発生させ，上記発生させた母集団
の各組みの使用順と充当順とを遺伝的アルゴリズムによ
り組み替えて各々の組み合わせについての板取り計画を
作成し，上記各板取り計画について上記板取りに対する
所定の条件に基づく評価関数を適用して最適な板取り計
画を抽出することにより最適な板取り計画を決定してな
る板取り方法である。第３の発明は，複数の板材の各々
に１以上の注文を充当して板取り計画を作成するに際
し，上記板材の使用順と該板材への上記注文の充当順と
を板取りに対する所定の条件に基づいて複数組み合わせ
ることにより母集団を発生させ，上記発生させた母集団
の各組みの使用順と充当順とを遺伝的アルゴリズムによ
り組み替えて各々の組み合わせについての板取り計画を
作成し，上記各板取り計画について上記板取りに対する
所定の条件に基づく評価関数を適用して最適な板取り計
画を抽出し，上記部分的に最適な板取り計画に用いた上
記板材の使用順と注文の充当順との組みを除いた残りの
母集団における使用順と充当順とを用いて上記板取り計
画の作成と抽出とを順次繰り返すことにより最適な板取
り計画を決定してなる板取り方法である。
【０００６】
【作用】第１の発明によれば，複数の板材の各々に１以
上の注文を充当して板取り計画を作成するに際し，上記
板材の使用順と該板材への上記注文の充当順との複数の
組み合わせよりなる母集団の各組みの使用順と充当順と
を遺伝的アルゴリズムにより組み替えて各々の組み合わ
せについての板取り計画が作成される。次に，上記各板
取り計画について該板取りに対する所定の条件に基づく
評価関数を適用して部分的に最適な板取り計画が抽出さ
れる。そして，上記部分的に最適な板取り計画に用いた
上記板材の使用順と充当順との組みを除いた残りの母集
団における使用順と充当順とを用いて上記板取り計画の
作成と抽出とを順次繰り返すことにより最適な板取り計
画が決定される。板取り問題は母集団の組み合わせの問
題であるので，このように，発生させる母集団の大きさ
を徐々に縮小することにより組み合わせの数が著しく減
少し，最適な板取り計画にいたるまでの計算時間を短縮
することができる。第２の発明によれば，複数の板材の
各々に１以上の注文を充当して板取り計画を作成するに
際し，上記板材の使用順と該板材への上記注文の充当順
とを板取りに対する所定の条件に基づいて複数組み合わ
せることにより母集団が発生させられる。上記発生させ
られた母集団の各組みの使用順と充当順とを遺伝的アル
ゴリズムにより組み替えて各々の組み合わせについての
板取り計画が作成される。そして，上記各板取り計画に
ついて上記板取りに対する所定の条件に基づく評価関数
を適用して最適な板取り計画を抽出することにより最適
な板取り計画が決定される。
上の注文を充当して板取り計画を作成するに際し，上記
板材の使用順と該板材への上記注文の充当順との複数の
組み合わせよりなる母集団の各組みの使用順と充当順と
を遺伝的アルゴリズムにより組み替えて各々の組み合わ
せについての板取り計画が作成される。次に，上記各板
取り計画について該板取りに対する所定の条件に基づく
評価関数を適用して部分的に最適な板取り計画が抽出さ
れる。そして，上記部分的に最適な板取り計画に用いた
上記板材の使用順と充当順との組みを除いた残りの母集
団における使用順と充当順とを用いて上記板取り計画の
作成と抽出とを順次繰り返すことにより最適な板取り計
画が決定される。板取り問題は母集団の組み合わせの問
題であるので，このように，発生させる母集団の大きさ
を徐々に縮小することにより組み合わせの数が著しく減
少し，最適な板取り計画にいたるまでの計算時間を短縮
することができる。第２の発明によれば，複数の板材の
各々に１以上の注文を充当して板取り計画を作成するに
際し，上記板材の使用順と該板材への上記注文の充当順
とを板取りに対する所定の条件に基づいて複数組み合わ
せることにより母集団が発生させられる。上記発生させ
られた母集団の各組みの使用順と充当順とを遺伝的アル
ゴリズムにより組み替えて各々の組み合わせについての
板取り計画が作成される。そして，上記各板取り計画に
ついて上記板取りに対する所定の条件に基づく評価関数
を適用して最適な板取り計画を抽出することにより最適
な板取り計画が決定される。
【０００７】このように最初から評価の高くなるような
組み合わせを保持することにより，計算時間を大幅に短
縮することができる。第３の発明によれば，複数の板材
の各々に１以上の注文を充当して板取り計画を作成する
に際し，上記板材の使用順と該板材への上記注文の充当
順とを板取りに対する所定の条件に基づいて複数組み合
わせることにより母集団が発生させられる。上記発生さ
せられた母集団の各組みの使用順と充当順とを遺伝的ア
ルゴリズムにより組み替えて各々の組み合わせについて
の板取り計画が作成される。次に，上記各板取り計画に
ついて上記板取りに対する所定の条件に基づく評価関数
を適用して最適な板取り計画が抽出される。そして，上
記部分的に最適な板取り計画に用いた上記板材の使用順
と充当順との組みを除いた残りの母集団における使用順
と充当順とを用いて上記板取り計画の作成と抽出とを順
次繰り返すことにより最適な板取り計画が決定される。
このように最初から評価の高くなるように発生させた母
集団の大きさを徐々に縮小することにより組み合わせの
数がより著しく減少し，最適な板取り計画にいたるまで
の計算時間を一層短縮することができる。その結果，板
取り計画に用いる情報量が多い場合でも，比較的短い時
間で適切な板取り計画を作成し得る板取り方法を得るこ
とができる。
組み合わせを保持することにより，計算時間を大幅に短
縮することができる。第３の発明によれば，複数の板材
の各々に１以上の注文を充当して板取り計画を作成する
に際し，上記板材の使用順と該板材への上記注文の充当
順とを板取りに対する所定の条件に基づいて複数組み合
わせることにより母集団が発生させられる。上記発生さ
せられた母集団の各組みの使用順と充当順とを遺伝的ア
ルゴリズムにより組み替えて各々の組み合わせについて
の板取り計画が作成される。次に，上記各板取り計画に
ついて上記板取りに対する所定の条件に基づく評価関数
を適用して最適な板取り計画が抽出される。そして，上
記部分的に最適な板取り計画に用いた上記板材の使用順
と充当順との組みを除いた残りの母集団における使用順
と充当順とを用いて上記板取り計画の作成と抽出とを順
次繰り返すことにより最適な板取り計画が決定される。
このように最初から評価の高くなるように発生させた母
集団の大きさを徐々に縮小することにより組み合わせの
数がより著しく減少し，最適な板取り計画にいたるまで
の計算時間を一層短縮することができる。その結果，板
取り計画に用いる情報量が多い場合でも，比較的短い時
間で適切な板取り計画を作成し得る板取り方法を得るこ
とができる。
【０００８】
【実施例】以下，添付図面を参照して本発明を具体化し
た実施例につき説明し，本発明の理解に供する。尚，以
下の実施例は本発明を具体化した一例であって，本発明
の技術的範囲を限定する性格のものではない。ここに，
図１は本発明の第１の実施例に係る板取り方法による板
取り計画の作成手順の概略フローを示す説明図，図２は
上記板取り方法による板取り計画の作成手順の部分詳細
フローを示す説明図，図３は板取り計画の作成状態を
示す説明図，図４は板取り計画の作成状態を示す説明
図，図５は板取り計画の作成状態を示す説明図，図６
は本発明の第２，第３の実施例に係る板取り方法による
板取り計画の作成手順の部分詳細フローを示す説明図，
図７は注文とスラブの情報及び上記情報及び上記情報か
ら生成されるコードを示す図表，図８は評価結果を示す
図である。図１に示す如く，第１の発明の一実施例（第
１の実施例）に係る板取り方法は，複数のスラブＳ（板
材に相当）の各々に一以上の注文Ｏを充当して板取り計
画を作成するに際し，スラブＳと注文Ｏとのデータ入力
を行い（Ｓ１），データのグループ化を行い（Ｓ２），
ｉ＝１とした後（Ｓ３），ＧＡによるグループｉの最適
化を行う（Ｓ４）。そして，グループｉにおける最適な
計画結果を出力し（Ｓ５），ｉ＝ｉ＋１とし（Ｓ６），
ステップＳ４〜Ｓ６を全てのグループについて繰り返す
（Ｓ７）ように構成されている点で従来例と同様であ
る。しかし，本第１の実施例では，ステップＳ４におい
て，スラブＳの使用順とこのスラブへの注文Ｏの充当順
との複数の組み合わせよりなる母集団を発生させ（Ｓ４
ａ），この母集団の各組みの使用順と充当順とをＧＡに
より組み替えて各々の組み合わせについての板取り計画
を作成し（Ｓ４ｂ），各板取り計画についてその板取り
に対する所定の条件に基づく評価関数を適用して部分的
に最適な板取り計画を抽出し（Ｓ４ｃ），この部分的に
最適な板取り計画に用いたスラブＳの使用順と注文Ｏの
充当順との組みを除いた残りの母集団における使用順と
充当順とを用いて板取り計画の作成と抽出とを順次繰り
返す（Ｓ４ｄ）ように構成されている点で従来例と異な
る。以下本第１の実施例では，主として従来例と異なる
部分について説明し，従来例と同様の部分については前
述の通りであるので詳細な説明は省略する。
た実施例につき説明し，本発明の理解に供する。尚，以
下の実施例は本発明を具体化した一例であって，本発明
の技術的範囲を限定する性格のものではない。ここに，
図１は本発明の第１の実施例に係る板取り方法による板
取り計画の作成手順の概略フローを示す説明図，図２は
上記板取り方法による板取り計画の作成手順の部分詳細
フローを示す説明図，図３は板取り計画の作成状態を
示す説明図，図４は板取り計画の作成状態を示す説明
図，図５は板取り計画の作成状態を示す説明図，図６
は本発明の第２，第３の実施例に係る板取り方法による
板取り計画の作成手順の部分詳細フローを示す説明図，
図７は注文とスラブの情報及び上記情報及び上記情報か
ら生成されるコードを示す図表，図８は評価結果を示す
図である。図１に示す如く，第１の発明の一実施例（第
１の実施例）に係る板取り方法は，複数のスラブＳ（板
材に相当）の各々に一以上の注文Ｏを充当して板取り計
画を作成するに際し，スラブＳと注文Ｏとのデータ入力
を行い（Ｓ１），データのグループ化を行い（Ｓ２），
ｉ＝１とした後（Ｓ３），ＧＡによるグループｉの最適
化を行う（Ｓ４）。そして，グループｉにおける最適な
計画結果を出力し（Ｓ５），ｉ＝ｉ＋１とし（Ｓ６），
ステップＳ４〜Ｓ６を全てのグループについて繰り返す
（Ｓ７）ように構成されている点で従来例と同様であ
る。しかし，本第１の実施例では，ステップＳ４におい
て，スラブＳの使用順とこのスラブへの注文Ｏの充当順
との複数の組み合わせよりなる母集団を発生させ（Ｓ４
ａ），この母集団の各組みの使用順と充当順とをＧＡに
より組み替えて各々の組み合わせについての板取り計画
を作成し（Ｓ４ｂ），各板取り計画についてその板取り
に対する所定の条件に基づく評価関数を適用して部分的
に最適な板取り計画を抽出し（Ｓ４ｃ），この部分的に
最適な板取り計画に用いたスラブＳの使用順と注文Ｏの
充当順との組みを除いた残りの母集団における使用順と
充当順とを用いて板取り計画の作成と抽出とを順次繰り
返す（Ｓ４ｄ）ように構成されている点で従来例と異な
る。以下本第１の実施例では，主として従来例と異なる
部分について説明し，従来例と同様の部分については前
述の通りであるので詳細な説明は省略する。
【０００９】図２は上記ステップＳ４の詳細フローを示
すものである。図中，スラブＳと注文Ｏのデータをコー
ド化し（Ｓ１１），これらを遺伝子に見立てて母集団で
ある最初の世代を発生させる（Ｓ１２）。この時，各コ
ードの評価関数Ｅ（適用度）を計算しておく。その計算
方法は後述する。ここでは評価関数Ｅの小さいものが適
用度が大きいものとするが，逆にしてもよい。この適用
度の大きい順に２つの遺伝子を選択し（Ｓ１３），これ
らの遺伝子を複数コピーして増殖させる（Ｓ１４）。次
に遺伝子を掛け合わせて確率的な交叉を行う（Ｓ１
５）。具体的には任意の２つのコード中のスラブＳの使
用順及び／又は注文Ｏの充当順の一部を入れ換える。ま
た，確率的な突然変異を生じさせる（Ｓ１６）。具体的
には任意の１つのコード中のスラブＳの使用順及び／又
は注文順の一部を不規則に入れ換える。上記ステップＳ
１３〜Ｓ１６の遺伝子操作により，適当数の新しい遺伝
子を発生させる。これらの遺伝子が表す板取り計画の最
適性を評価するために評価関数Ｅを求める（Ｓ１７）。 Ｅ＝ωａＡ＋ωｂＢ ただし， Ｅ：評価関数の総和 Ａ：〔（Ｐ／ＴＰ）・１００〕2 Ｂ：〔（１−ＹＲ）・１００〕2 ωａ，ωｂ：重み（０．０〜１．０） Ｐ＝Σｐｉ ＴＰ＝Σｐｊ ｐｉ：充当できなかったｍｕｓｔ注文ｉのｐｒｉｏｒｉ
ｔｙ ｐｊ：ｍｕｓｔ注文ｊのｐｒｉｏｒｉｔｙ ＹＲ＝（Σｙｒｓ）／Ｎ ｙｒｓ：スラブＳの歩留（Ｓ＝１〜Ｎ） Ｎ：スラブ数
すものである。図中，スラブＳと注文Ｏのデータをコー
ド化し（Ｓ１１），これらを遺伝子に見立てて母集団で
ある最初の世代を発生させる（Ｓ１２）。この時，各コ
ードの評価関数Ｅ（適用度）を計算しておく。その計算
方法は後述する。ここでは評価関数Ｅの小さいものが適
用度が大きいものとするが，逆にしてもよい。この適用
度の大きい順に２つの遺伝子を選択し（Ｓ１３），これ
らの遺伝子を複数コピーして増殖させる（Ｓ１４）。次
に遺伝子を掛け合わせて確率的な交叉を行う（Ｓ１
５）。具体的には任意の２つのコード中のスラブＳの使
用順及び／又は注文Ｏの充当順の一部を入れ換える。ま
た，確率的な突然変異を生じさせる（Ｓ１６）。具体的
には任意の１つのコード中のスラブＳの使用順及び／又
は注文順の一部を不規則に入れ換える。上記ステップＳ
１３〜Ｓ１６の遺伝子操作により，適当数の新しい遺伝
子を発生させる。これらの遺伝子が表す板取り計画の最
適性を評価するために評価関数Ｅを求める（Ｓ１７）。 Ｅ＝ωａＡ＋ωｂＢ ただし， Ｅ：評価関数の総和 Ａ：〔（Ｐ／ＴＰ）・１００〕2 Ｂ：〔（１−ＹＲ）・１００〕2 ωａ，ωｂ：重み（０．０〜１．０） Ｐ＝Σｐｉ ＴＰ＝Σｐｊ ｐｉ：充当できなかったｍｕｓｔ注文ｉのｐｒｉｏｒｉ
ｔｙ ｐｊ：ｍｕｓｔ注文ｊのｐｒｉｏｒｉｔｙ ＹＲ＝（Σｙｒｓ）／Ｎ ｙｒｓ：スラブＳの歩留（Ｓ＝１〜Ｎ） Ｎ：スラブ数
【００１０】ここで，ｍｕｓｔ注文というのは，納期が
迫っている注文Ｏであり，各注文Ｏには納期に関する指
数（ｐ，ｐｒｉｏｒｉｔｙ）をもたせる。近い納期を有
する注文Ｏの指数ｐが高くて，遠い納期を有する注文Ｏ
の指数ｐが低くなるように設定する。ｍｕｓｔ注文以外
の注文の指数ｐは０とする。上記ステップＳ１３〜Ｓ１
７を母集団に含まれる全ての遺伝子について行い，世代
交代させる（Ｓ１８）。評価関数Ｅの極小値（又は極大
値）をなす全ての解の充当する各スラブについて，次の
２つの取り除く条件ＲＣを満足するか否かをチェックす
る（Ｓ１９）。 （１）充当した注文Ｏはすべて大きい指数ｐを持ってい
る注文である。この大きい指数ｐというのは，ユーザー
が決めた指数限界Ｐｍｉｎ以上であると定義する。 （２）注文ＯとスラブＳとの組み合わせの歩留りは歩留
り限度ＹＲｍｉｎより大きい。歩留り限度ＹＲｍｉｎは
ユーザーが決めた値である。 もし，上記条件ＲＣを満足する部分解が２つ以上あれ
ば，同じ注文Ｏ又はスラブＳがそれらに含まれているか
否かをチェックする（Ｓ２０）。ある場合には，良い方
の部分解を選ぶ（Ｓ２１）。ない場合は全ての部分解を
採用する。除去された解の注文ＯとスラブＳのデータを
グループｉの注文ＯとスラブＳのデータから除去し（Ｓ
２２），そのデータをデータファイル（不図示）に書き
込む（Ｓ２３）。残っているスラブデータと注文データ
とで次の世代の母集団を発生させる（Ｓ１２）。上記条
件ＲＣを満足する解がなければ世代数が設定値となるま
で世代交代を繰り返す（Ｓ２４）。この場合，次の世代
へ移る（Ｓ２６）前に今の世代の最も良い適用度，最も
悪い適用度，世代の適用度の平均等を計算する所謂Ｓｔ
ａｔｉｓｔｉｃｓを実行する（Ｓ２５）。そして，設定
された世代数まで繰り返すと，全世代での一番良い解を
選び（Ｓ２７），それをファイルに書き込む（Ｓ２
８）。上記ステップＳ１１及びＳ１２が図１におけるス
テップＳ４ａに相当し，同様にステップＳ１３〜Ｓ１
８，Ｓ２４〜Ｓ２８がステップＳ４ｂに，ステップＳ１
９〜Ｓ２１，Ｓ２３がステップＳ４ｃに，ステップＳ２
２がステップＳ４ｄにそれぞれ相当する。
迫っている注文Ｏであり，各注文Ｏには納期に関する指
数（ｐ，ｐｒｉｏｒｉｔｙ）をもたせる。近い納期を有
する注文Ｏの指数ｐが高くて，遠い納期を有する注文Ｏ
の指数ｐが低くなるように設定する。ｍｕｓｔ注文以外
の注文の指数ｐは０とする。上記ステップＳ１３〜Ｓ１
７を母集団に含まれる全ての遺伝子について行い，世代
交代させる（Ｓ１８）。評価関数Ｅの極小値（又は極大
値）をなす全ての解の充当する各スラブについて，次の
２つの取り除く条件ＲＣを満足するか否かをチェックす
る（Ｓ１９）。 （１）充当した注文Ｏはすべて大きい指数ｐを持ってい
る注文である。この大きい指数ｐというのは，ユーザー
が決めた指数限界Ｐｍｉｎ以上であると定義する。 （２）注文ＯとスラブＳとの組み合わせの歩留りは歩留
り限度ＹＲｍｉｎより大きい。歩留り限度ＹＲｍｉｎは
ユーザーが決めた値である。 もし，上記条件ＲＣを満足する部分解が２つ以上あれ
ば，同じ注文Ｏ又はスラブＳがそれらに含まれているか
否かをチェックする（Ｓ２０）。ある場合には，良い方
の部分解を選ぶ（Ｓ２１）。ない場合は全ての部分解を
採用する。除去された解の注文ＯとスラブＳのデータを
グループｉの注文ＯとスラブＳのデータから除去し（Ｓ
２２），そのデータをデータファイル（不図示）に書き
込む（Ｓ２３）。残っているスラブデータと注文データ
とで次の世代の母集団を発生させる（Ｓ１２）。上記条
件ＲＣを満足する解がなければ世代数が設定値となるま
で世代交代を繰り返す（Ｓ２４）。この場合，次の世代
へ移る（Ｓ２６）前に今の世代の最も良い適用度，最も
悪い適用度，世代の適用度の平均等を計算する所謂Ｓｔ
ａｔｉｓｔｉｃｓを実行する（Ｓ２５）。そして，設定
された世代数まで繰り返すと，全世代での一番良い解を
選び（Ｓ２７），それをファイルに書き込む（Ｓ２
８）。上記ステップＳ１１及びＳ１２が図１におけるス
テップＳ４ａに相当し，同様にステップＳ１３〜Ｓ１
８，Ｓ２４〜Ｓ２８がステップＳ４ｂに，ステップＳ１
９〜Ｓ２１，Ｓ２３がステップＳ４ｃに，ステップＳ２
２がステップＳ４ｄにそれぞれ相当する。
【００１１】以下，上記方法を用いて板取りした結果を
図３〜図５を用いて説明する。ここでは，スラブ数が
５，注文数が１０の１つのグループがあるとする。各注
文の指数ｐは図中の（）内の数値で示す。注文の指数ｐ
の平均をＰａｖｇと呼ぶ。ここで取り除く条件ＲＣのパ
ラメータを以下のとおりとする。 指数ｐ＝充当できた注文の指数ｐの平均 指数ｐの限界Ｐｍｉｎ＝Ｐａｖｇ 歩留りの限界ＹＲｍｉｎ＝８９％ 尚，世代数は３０，個体数は１００と設定した。最初に
全スラブと全注文との組み合せの最適化を行う（その状
態を図３に示す）。世代９の後に，２つの取り除く条
件ＲＣを満足する部分解（部分解５０／１，部分解１０
０／１）ができた。次に同じ注文又はスラブが他の部分
解に含まれているか否かをチェックする（図２のステッ
プＳ２０）。この場合には，スラブ１と注文９とが各部
分解に含まれているので良い方を選ぶ（Ｓ２１）。又，
部分解５０／１の方が良いから部分解５０／１を選ぶ。
この部分解をデータから除去し（Ｓ２２），データファ
イルに書き込む（Ｓ２３）。そして，残っているスラブ
と注文との組み合わせの最適化を行う（Ｓ１２からやり
直す）（その状態を図４に示す）。世代１２の後に取
り除く条件ＲＣを満足する解（部分解１／３）ができた
（Ｓ１９における「ＹＥＳ」）。この場合は，部分解は
１つである（Ｓ２０の「ＮＯ」）。この解をデータから
除去し（Ｓ２２），データファイルに書き込む（Ｓ２
３）。そして，残っているスラブと注文との組合わせの
最適化を行う（その状態を図５に示す）。しかし，取
り除く条件ＲＣを満足する解はできなかったので世代数
３０まで繰り返した。そこで全世代への最適解（解５
０）をファイルに書き込む（Ｓ２７，Ｓ２８）。以上の
ように板取り問題は母集団の組み合わせの問題であるの
で，各世代から条件ＲＣを満足する最適解を取り除いて
発生させる母集団の大きさを除々に縮小することによ
り，組み合わせの数が著しく減少し，適切な板取り計画
に至るまでの計算時間を短縮することができた。
図３〜図５を用いて説明する。ここでは，スラブ数が
５，注文数が１０の１つのグループがあるとする。各注
文の指数ｐは図中の（）内の数値で示す。注文の指数ｐ
の平均をＰａｖｇと呼ぶ。ここで取り除く条件ＲＣのパ
ラメータを以下のとおりとする。 指数ｐ＝充当できた注文の指数ｐの平均 指数ｐの限界Ｐｍｉｎ＝Ｐａｖｇ 歩留りの限界ＹＲｍｉｎ＝８９％ 尚，世代数は３０，個体数は１００と設定した。最初に
全スラブと全注文との組み合せの最適化を行う（その状
態を図３に示す）。世代９の後に，２つの取り除く条
件ＲＣを満足する部分解（部分解５０／１，部分解１０
０／１）ができた。次に同じ注文又はスラブが他の部分
解に含まれているか否かをチェックする（図２のステッ
プＳ２０）。この場合には，スラブ１と注文９とが各部
分解に含まれているので良い方を選ぶ（Ｓ２１）。又，
部分解５０／１の方が良いから部分解５０／１を選ぶ。
この部分解をデータから除去し（Ｓ２２），データファ
イルに書き込む（Ｓ２３）。そして，残っているスラブ
と注文との組み合わせの最適化を行う（Ｓ１２からやり
直す）（その状態を図４に示す）。世代１２の後に取
り除く条件ＲＣを満足する解（部分解１／３）ができた
（Ｓ１９における「ＹＥＳ」）。この場合は，部分解は
１つである（Ｓ２０の「ＮＯ」）。この解をデータから
除去し（Ｓ２２），データファイルに書き込む（Ｓ２
３）。そして，残っているスラブと注文との組合わせの
最適化を行う（その状態を図５に示す）。しかし，取
り除く条件ＲＣを満足する解はできなかったので世代数
３０まで繰り返した。そこで全世代への最適解（解５
０）をファイルに書き込む（Ｓ２７，Ｓ２８）。以上の
ように板取り問題は母集団の組み合わせの問題であるの
で，各世代から条件ＲＣを満足する最適解を取り除いて
発生させる母集団の大きさを除々に縮小することによ
り，組み合わせの数が著しく減少し，適切な板取り計画
に至るまでの計算時間を短縮することができた。
【００１２】また，ＧＡでは初期世代発生の際に作られ
た組み合わせがその後の遺伝子操作によって解空間の探
索が行われる際に重要な役割を果たす。従って，最初の
評価の高い組み合わせを保持する事は計算を速く終了さ
せるためにも重要であるが，それらについての考え方を
従来の方法に導入したのが第２の発明であり，また上記
第１の発明の方法に導入したのが第３の発明である。即
ち，第２の発明の一実施例（第２の実施例）に係る板取
り方法では，前記図９のステップＳ４′において，スラ
ブＳの使用順とこのスラブへの注文０の充当順とを板取
りに対する所定の条件に基づいて複数組み合わせること
により母集団を発生させ（Ｓ４ａ′），この母集団の各
組みの使用順と充当順とをＧＡにより組み替えて各々の
組み合わせについての板取り計画を作成し（Ｓ４
ｂ′），各板取り計画について上記板取りに対する所定
の条件に基づく評価関数を適用して最適な板取り計画を
抽出（Ｓ４ｃ′）することにより最適な板取り計画を決
定する。また，第３の発明の一実施例（第３の実施例）
に係る板取り方法では，前記図１のステップＳ４におい
て，スラブＳの使用順とこのスラブへの注文Ｏの充当順
とを板取りに対する所定の条件に基づいて複数組み合わ
せることにより母集団を発生させ（Ｓ４ａ），この母集
団の各組みの使用順と充当順とをＧＡにより組み替えて
各々の組み合わせについての板取り計画を作成し（Ｓ４
ｂ），各板取り計画について上記板取りに対する所定の
条件に基づく評価関数を適用して部分的に最適な板取り
計画を抽出し（Ｓ４ｃ）この部分的に最適な板取り計画
に用いたスラブＳの使用順と注文Ｏの充当順との組みを
除いた残りの母集団における使用順と充当順とを用いて
板取り計画の作成と抽出とを順次繰り返す（Ｓ４ｄ）。
以下本第２，第３の実施例では，主として従来例又は第
１の実施例と異なる部分について説明し，従来例又は第
１の実施例と同様の部分については前述の通りであるの
で詳細な説明は省略する。
た組み合わせがその後の遺伝子操作によって解空間の探
索が行われる際に重要な役割を果たす。従って，最初の
評価の高い組み合わせを保持する事は計算を速く終了さ
せるためにも重要であるが，それらについての考え方を
従来の方法に導入したのが第２の発明であり，また上記
第１の発明の方法に導入したのが第３の発明である。即
ち，第２の発明の一実施例（第２の実施例）に係る板取
り方法では，前記図９のステップＳ４′において，スラ
ブＳの使用順とこのスラブへの注文０の充当順とを板取
りに対する所定の条件に基づいて複数組み合わせること
により母集団を発生させ（Ｓ４ａ′），この母集団の各
組みの使用順と充当順とをＧＡにより組み替えて各々の
組み合わせについての板取り計画を作成し（Ｓ４
ｂ′），各板取り計画について上記板取りに対する所定
の条件に基づく評価関数を適用して最適な板取り計画を
抽出（Ｓ４ｃ′）することにより最適な板取り計画を決
定する。また，第３の発明の一実施例（第３の実施例）
に係る板取り方法では，前記図１のステップＳ４におい
て，スラブＳの使用順とこのスラブへの注文Ｏの充当順
とを板取りに対する所定の条件に基づいて複数組み合わ
せることにより母集団を発生させ（Ｓ４ａ），この母集
団の各組みの使用順と充当順とをＧＡにより組み替えて
各々の組み合わせについての板取り計画を作成し（Ｓ４
ｂ），各板取り計画について上記板取りに対する所定の
条件に基づく評価関数を適用して部分的に最適な板取り
計画を抽出し（Ｓ４ｃ）この部分的に最適な板取り計画
に用いたスラブＳの使用順と注文Ｏの充当順との組みを
除いた残りの母集団における使用順と充当順とを用いて
板取り計画の作成と抽出とを順次繰り返す（Ｓ４ｄ）。
以下本第２，第３の実施例では，主として従来例又は第
１の実施例と異なる部分について説明し，従来例又は第
１の実施例と同様の部分については前述の通りであるの
で詳細な説明は省略する。
【００１３】図６は上記ステップＳ４又はＳ４′におけ
る最初の母集団発生（Ｓ４ａ又はＳ４ａ′）の詳細フロ
ーを示すものである。ここでは上記所定の条件に基づく
評価の高い組み合わせの作成は，注文の組み合わせを納
期の早い順に並べる事とスラブの組み合わせをスラブの
古さ順に並べる事とにより為されているが，他の条件に
よってもよい。但し，評価関数にも同一の条件を用いる
ことが前提となる。ここで具体的な例を示す。例えば図
７（ａ）に示すようなスラブＳと，注文Ｏの情報とを用
いる。これにより作成される組み合わせは図７（ｂ）に
示すようなコードで表現され，ＧＡが適用される。この
方法により板取りを行う際の他の条件は次の通りとし
た。即ち，母集団の７％を評価の高い組み合わせで作成
し，母集団に含ませた。この結果，上記第２，第３の実
施例ともに評価の高い組み合わせを用いないときよりも
比較的短時間で板取り計画を作成する事ができた。図８
に計算の際の評価の値が世代（計算時間）が経つにつれ
て変化する様子を示す。これより上記方法で計算を行う
と従来の方法等よりも計算が速く終了することが分か
る。以上のように板取り問題はＧＡによる母集団の組み
合わせ問題であるので，初期の母集団が保持している情
報により集束の速度が変化する。従って，上記第２，第
３の実施例では初期の母集団に良い組み合わせを含せる
事により，より速く最適な板取計画を計算する事ができ
た。その結果，何れの実施例においても，板取り計画に
用いる情報量が多い場合でも，比較的短い時間で適切な
板取り計画を作成することができた。
る最初の母集団発生（Ｓ４ａ又はＳ４ａ′）の詳細フロ
ーを示すものである。ここでは上記所定の条件に基づく
評価の高い組み合わせの作成は，注文の組み合わせを納
期の早い順に並べる事とスラブの組み合わせをスラブの
古さ順に並べる事とにより為されているが，他の条件に
よってもよい。但し，評価関数にも同一の条件を用いる
ことが前提となる。ここで具体的な例を示す。例えば図
７（ａ）に示すようなスラブＳと，注文Ｏの情報とを用
いる。これにより作成される組み合わせは図７（ｂ）に
示すようなコードで表現され，ＧＡが適用される。この
方法により板取りを行う際の他の条件は次の通りとし
た。即ち，母集団の７％を評価の高い組み合わせで作成
し，母集団に含ませた。この結果，上記第２，第３の実
施例ともに評価の高い組み合わせを用いないときよりも
比較的短時間で板取り計画を作成する事ができた。図８
に計算の際の評価の値が世代（計算時間）が経つにつれ
て変化する様子を示す。これより上記方法で計算を行う
と従来の方法等よりも計算が速く終了することが分か
る。以上のように板取り問題はＧＡによる母集団の組み
合わせ問題であるので，初期の母集団が保持している情
報により集束の速度が変化する。従って，上記第２，第
３の実施例では初期の母集団に良い組み合わせを含せる
事により，より速く最適な板取計画を計算する事ができ
た。その結果，何れの実施例においても，板取り計画に
用いる情報量が多い場合でも，比較的短い時間で適切な
板取り計画を作成することができた。
【００１４】
【発明の効果】第１の発明に係る板取り方法は，上記し
たように構成されており，また板取り問題は母集団の組
み合わせの問題であるので，各世代から条件を満足する
最適解を取り除いて発生させる母集団の大きさを徐々に
縮小することにより，組み合わせの数が著しく減少し，
最適な板取り計画に至るまでの計算時間を短縮すること
ができる。また第２の発明に係る板取り方法では，最初
から評価の高くなるような組合わせを保持することによ
り，計算時間を大幅に短縮することができる。さらに第
３の発明に係る板取り方法では，最初から評価の高くな
るように発生させた母集団の大きさを除々に縮小するこ
とにより，組み合わせの数がより著しく減少し，最適な
板取り計画にいたるまでの計算時間を一層短縮すること
ができる。その結果，何れの実施例においても，板取り
計画に用いる情報量が多い場合でも，比較的短い時間で
適切な板取り計画を作成し板取り方法を得ることができ
る。
たように構成されており，また板取り問題は母集団の組
み合わせの問題であるので，各世代から条件を満足する
最適解を取り除いて発生させる母集団の大きさを徐々に
縮小することにより，組み合わせの数が著しく減少し，
最適な板取り計画に至るまでの計算時間を短縮すること
ができる。また第２の発明に係る板取り方法では，最初
から評価の高くなるような組合わせを保持することによ
り，計算時間を大幅に短縮することができる。さらに第
３の発明に係る板取り方法では，最初から評価の高くな
るように発生させた母集団の大きさを除々に縮小するこ
とにより，組み合わせの数がより著しく減少し，最適な
板取り計画にいたるまでの計算時間を一層短縮すること
ができる。その結果，何れの実施例においても，板取り
計画に用いる情報量が多い場合でも，比較的短い時間で
適切な板取り計画を作成し板取り方法を得ることができ
る。
【図１】 本発明の第１の実施例に係る板取り方法によ
る板取り計画の作成手順の概略フローを示す説明図。
る板取り計画の作成手順の概略フローを示す説明図。
【図２】 上記板取り方法による板取り計画の作成手順
の部分詳細フローを示す説明図。
の部分詳細フローを示す説明図。
【図３】 板取り計画の作成状態を示す説明図。
【図４】 板取り計画の作成状態を示す説明図。
【図５】 板取り計画の作成状態を示す説明図。
【図６】 本発明の第２，第３の実施例に係る板取り方
法による板取り計画の作成手順の部分詳細フローを示す
説明図。
法による板取り計画の作成手順の部分詳細フローを示す
説明図。
【図７】 注文とスラブの情報及び上記情報から生成さ
れるコードを示す図表。
れるコードを示す図表。
【図８】 評価結果を示す図。
【図９】 従来の板取り方法の一例における板取り計画
の作成手順を示す説明図。
の作成手順を示す説明図。
【図１０】 スラブと注文との各仕様及びこれらの取り
合わせ内容を示す図表。
合わせ内容を示す図表。
【図１１】 板取り計画図。
Ｓ…スラブ（板材に相当） Ｏ…注文 Ｅ…評価関数 ＧＡ…遺伝的アルゴリズム
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 7623−5Ｌ Ｇ０６Ｆ 15/60 ３５０ Ａ (72)発明者 能勢 和夫 兵庫県神戸市西区高塚台１丁目５番５号 株式会社神戸製鋼所神戸総合技術研究所内
Claims (3)
- 【請求項１】 複数の板材の各々に１以上の注文を充当
して板取り計画を作成するに際し，上記板材の使用順と
該板材への上記注文の充当順との複数の組み合わせより
なる母集団の各組みの使用順と充当順とを遺伝的アルゴ
リズムにより組み替えて各々の組み合わせについての板
取り計画を作成し，上記各板取り計画について該板取り
に対する所定の条件に基づく評価関数を適用して部分的
に最適な板取り計画を抽出し，上記部分的に最適な板取
り計画に用いた上記板材の使用順と注文の充当順との組
みを除いた残りの母集団における使用順と充当順とを用
いて上記板取り計画の作成と抽出とを順次繰り返すこと
により最適な板取り計画を決定してなる板取り方法。 - 【請求項２】 複数の板材の各々に１以上の注文を充当
して板取り計画を作成するに際し，上記板材の使用順と
該板材への上記注文の充当順とを板取りに対する所定の
条件に基づいて複数組み合わせることにより母集団を発
生させ，上記発生させた母集団の各組みの使用順と充当
順とを遺伝的アルゴリズムにより組み替えて各々の組み
合わせについての板取り計画を作成し，上記各板取り計
画について上記板取りに対する所定の条件に基づく評価
関数を適用して最適な板取り計画を抽出することにより
最適な板取り計画を決定してなる板取り方法。 - 【請求項３】 複数の板材の各々に１以上の注文を充当
して板取り計画を作成するに際し，上記板材の使用順と
該板材への上記注文の充当順とを板取りに対する所定の
条件に基づいて複数組み合わせることにより母集団を発
生させ，上記発生させた母集団の各組みの使用順と充当
順とを遺伝的アルゴリズムにより組み替えて各々の組み
合わせについての板取り計画を作成し，上記各板取り計
画について上記板取りに対する所定の条件に基づく評価
関数を適用して最適な板取り計画を抽出し，上記部分的
に最適な板取り計画に用いた上記板材の使用順と注文の
充当順との組みを除いた残りの母集団における使用順と
充当順とを用いて上記板取り計画の作成と抽出とを順次
繰り返すことにより最適な板取り計画を決定してなる板
取り方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11643994A JP3210177B2 (ja) | 1993-06-08 | 1994-05-30 | 板取り方法 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP13732893 | 1993-06-08 | ||
| JP5-137328 | 1993-06-08 | ||
| JP11643994A JP3210177B2 (ja) | 1993-06-08 | 1994-05-30 | 板取り方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0796311A true JPH0796311A (ja) | 1995-04-11 |
| JP3210177B2 JP3210177B2 (ja) | 2001-09-17 |
Family
ID=26454763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11643994A Expired - Fee Related JP3210177B2 (ja) | 1993-06-08 | 1994-05-30 | 板取り方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3210177B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100660226B1 (ko) * | 2005-12-26 | 2006-12-21 | 주식회사 포스코 | 슬라브 최적 설계를 통한 캐스트 편성방법 |
| JP2009116714A (ja) * | 2007-11-08 | 2009-05-28 | Sumitomo Forestry Co Ltd | 材料取り合わせシステム |
| KR100915301B1 (ko) * | 2007-12-21 | 2009-09-03 | 주식회사 포스코 | 비용 및 납기를 고려한 캐스트 편성방법 |
| CN103286187A (zh) * | 2012-02-22 | 2013-09-11 | 上海微电子装备有限公司 | 一种板材落料和排版的方法及装置 |
| JP2013239161A (ja) * | 2012-04-26 | 2013-11-28 | Disney Enterprises Inc | 逐次的充填最適化 |
| JP6409990B1 (ja) * | 2018-02-01 | 2018-10-24 | オムロン株式会社 | 情報処理装置およびプログラム |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013134651A (ja) * | 2011-12-27 | 2013-07-08 | Jfe Steel Corp | 在庫中間製品に対する製品引当方法及び製品引当装置 |
-
1994
- 1994-05-30 JP JP11643994A patent/JP3210177B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100660226B1 (ko) * | 2005-12-26 | 2006-12-21 | 주식회사 포스코 | 슬라브 최적 설계를 통한 캐스트 편성방법 |
| JP2009116714A (ja) * | 2007-11-08 | 2009-05-28 | Sumitomo Forestry Co Ltd | 材料取り合わせシステム |
| KR100915301B1 (ko) * | 2007-12-21 | 2009-09-03 | 주식회사 포스코 | 비용 및 납기를 고려한 캐스트 편성방법 |
| CN103286187A (zh) * | 2012-02-22 | 2013-09-11 | 上海微电子装备有限公司 | 一种板材落料和排版的方法及装置 |
| JP2013239161A (ja) * | 2012-04-26 | 2013-11-28 | Disney Enterprises Inc | 逐次的充填最適化 |
| US8868230B2 (en) | 2012-04-26 | 2014-10-21 | Disney Enterprises, Inc. | Iterative packing optimization |
| US10108751B2 (en) | 2012-04-26 | 2018-10-23 | Disney Enterprises, Inc. | Iterative packing optimization |
| JP6409990B1 (ja) * | 2018-02-01 | 2018-10-24 | オムロン株式会社 | 情報処理装置およびプログラム |
| WO2019151031A1 (ja) * | 2018-02-01 | 2019-08-08 | オムロン株式会社 | 情報処理装置およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3210177B2 (ja) | 2001-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hamzadayı | An effective benders decomposition algorithm for solving the distributed permutation flowshop scheduling problem | |
| JP3862899B2 (ja) | 最適化装置 | |
| Rahman et al. | Multiple-order permutation flow shop scheduling under process interruptions | |
| JPH0796311A (ja) | 板取り方法 | |
| US5974355A (en) | Automatic time series pattern creating method | |
| He et al. | Scheduling manufacturing systems | |
| Turkcan et al. | Due date and cost-based FMS loading, scheduling and tool management | |
| JP2002132327A (ja) | 生産計画作成方法およびそのシステム | |
| JP3073612B2 (ja) | 板取り方法 | |
| CN116451936A (zh) | 一种基于遗传算法的排程方法、系统和存储介质 | |
| Fang et al. | A genetic algorithm approach to hot strip mill rolling scheduling problems | |
| Sadeh | MICRO-BOSS: A micro-opportunistic factory scheduler | |
| JP7526155B2 (ja) | 最適化問題求解装置及び最適化問題求解方法 | |
| JP3073613B2 (ja) | 板取り方法 | |
| Sherali et al. | Models and algorithms for job selection, routing, and scheduling in a flexible manufacturing system | |
| JP2778915B2 (ja) | 生産スケジュール作成装置 | |
| JPH086630A (ja) | 生産スケジュール作成装置 | |
| Fattahi et al. | Hybrid algorithms for job shop scheduling problem with lot streaming and a parallel assembly stage | |
| JP2005182685A (ja) | 生産計画作成方法及びプログラム | |
| JPH1063304A (ja) | 製造工程の管理方法およびその管理制御装置 | |
| JPS6172333A (ja) | 複数ファイルのマージ方法 | |
| JPH04367974A (ja) | 工程負荷予測装置 | |
| CN118377280B (zh) | 基于陶瓷行业的工序动态控制方法、系统、设备及介质 | |
| JPH07192051A (ja) | 製造計画作成装置 | |
| JP2008073724A (ja) | スラブ設計方法及びスラブ設計装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070713 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080713 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090713 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100713 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100713 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110713 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110713 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120713 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |