JPH11161707A

JPH11161707A - 最適負荷平準化計画立案方法および装置

Info

Publication number: JPH11161707A
Application number: JP32830397A
Authority: JP
Inventors: Hiroyuki Ichikawa; 弘幸市川
Original assignee: Hitachi Engineering Co Ltd
Current assignee: Hitachi Engineering Co Ltd
Priority date: 1997-11-28
Filing date: 1997-11-28
Publication date: 1999-06-18

Abstract

(57)【要約】【課題】組み合わせの数が膨大であり、かつ、必ず最適
な計画案が存在する最適負荷平準化計画問題を、確率的
な探索方法により短時間で解決する、最適負荷平準化計
画の立案方法及び装置を提供する。【解決手段】入力部１、メモリ２、３、５、演算部４、
および出力部６を有して構成され、各種情報を入力し、
与えられた条件に基づいて、最小化を図ろうとする項目
を表す目的関数の値を最小にするもので、演算部４の最
小値探索手段は、各作業毎の納期の早い順に作業の山積
み順を並べた状態変数ｘを初期値とし、この初期値に基
づき、探索における状態変数の初期値を変えて探索を行
い、最小値を求める。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、負荷平準化計画立
案方法に関するもので、特に組合せあるいは順列の数が
膨大で、かつ必ず最適である計画案が存在する問題を、
極めて高速に解決する方法および装置に関する。

【０００２】

【従来の技術】所要時間の異なる複数の作業を、各作業
を処理可能な、複数の能力の異なる単位時間に割当てる
場合、単位時間毎の負荷率の標準偏差を最小にするよう
な作業の山積み順序を決定する問題を最適負荷平準化計
画問題という。

【０００３】かかる単位時間毎の負荷率の標準偏差は、
各作業の山積み順序によって異なる。割当てる作業の数
が増加すると、その山積み順序の総数は、作業の数をｎ
として、ｎ！個になる。

【０００４】ｎ＝２４の場合でも、２４！は、１０²⁰よ
り、はるかに大きな数であるので、１つの作業山積み順
序における単位時間毎の負荷率の標準偏差を計算するの
に、１０^-6秒しか要しない「高速コンピュータ」であっ
ても、１０¹⁴秒、すなわち３．１７×１０⁶年以上の時
間を要することになる。従って、工場の作業計画問題等
の現実的な問題では、ｎが一日１００以上になることを
考えると、許容される有限時間内には、最適負荷平準化
問題を解くのは不可能である。

【０００５】そこで、実際の負荷平準化計画は、専任者
の長期にわたる計画経験の中から見出された各作業の所
要時間と各単位時間の比較的平準化率のよい組合せをも
とに、発見的な手法により行なわれてきた。

【０００６】近年では、負荷平準化計画のエキスパート
が有している、比較的平準化率の良くなる各作業の所要
時間と各単位時間の組合せの知識・経験則等を取りだ
し、知識工学を応用したエキスパートシステムが開発さ
れている。しかし、このような知識工学を用いた手法
は、最適解が求まらない、対象問題の変化に対する柔軟
性に欠ける、計画立案装置の構造が複雑である等の問題
があり、現状では必ずしも満足な手法であるとは言い難
いものであった。

【０００７】このような問題を解決すべく、特開平６−
１６８２２６号公報に記載の計画立案方法及び装置が開
発された。すなわち、最適負荷平準化計画を設定するた
めの目的関数を作成するために、与えられた最適負荷平
準化計画対象の環境を表す環境変数、および、与えられ
た環境の中でとり得る作業山積み順序を表す状態変数を
入力する入力手段と、与えられた環境変数および状態変
数から目的関数を作成する目的関数作成手段と、状態変
数をｘとし、目的関数Ｆ（ｘ）の最小値を求める最小値
探索手段と、最小値探索手段での探索結果を出力する出
力手段を有する最適負荷平準化計画立案装置である。

【０００８】この最適負荷平準化計画立案装置によれ
ば、最適負荷平準化計画立案問題が、以下の第一の処
理、および第二の処理によって処理される。

【０００９】まず、第一の処理は、順序、または、組合
せを少しずつ変更し、その都度計画が目的としている
値、（以下「目的関数」と称する）を演算し、変更前の
計画の目的関数値と比較する処理である。

【００１０】順序、または組合せの変更は、乱数を発生
させ、該乱数に従って、例えば組合せを構成している要
素中の、ある１組の要素間に含まれる全ての要素の並び
を、その逆順にならべ替えて、新しい計画候補を作成す
る。

【００１１】次に、第二の処理は、変更前の現在計画候
補による目的関数値を、変更後の次計画候補による目的
関数値と比較したとき、それが良好でない場合（つま
り、目的関数値の低減が行なわれていない場合）、すな
わち改善されていない場合であっても、最適解に到達す
る探索課程と判断される場合には、変更後の計画を最適
解探索ルートとして採用する処理である。

【００１２】上記の第一、第二の処理を繰り返し、目的
関数値の推移を観察することで、最適解に到達した段階
で計画立案を終了させる。

【００１３】従来のＯＲ（オペレーションズ・リサー
チ）手法、ＡＩ（人工知能）手法等では、上記、第二の
処理で述べたような計画立案過程で、一旦評価が下がる
方向（すなわち、目的関数値が高くなる方向）に向かう
ことがないため、真の最適解へ到達することは不可能で
あったが、この最適負荷平準化計画立案装置によれば最
適解に到達する探索過程であることが的確に（あるい
は、確率的に）判断されるため、従来不可能であった最
適解の検出が行なわれる。また、前記の処理により、高
速度で最適解を探索出来ることになり、最適解に至った
場合には、至ったルートを観察することで得られた解が
最適であると判断できる。

【００１４】ところで、禁則条件に該当しない（制約条
件を満たす）状態の数が、全ての状態の数に比べて著し
く少ないときは、ランダムな初期状態から探索を開始す
ると、制約条件を満たす状態に到達するまでに、相当多
数の探索回数が必要となる。また、初期状態によって
は、制約条件を満たす条件に、なかなか到達出来ない場
合もありうる。

【００１５】この問題を解決するために、上記特開平６
−１６８２２６号公報には、制約条件を満たす解の中の
１つを初期状態として探索することにより、近接する状
態の中に必ず最適解が存在するため、少ない探索回数で
最適解を探索することが出来るということも開示されて
いる。

【００１６】例えば、単位時間毎の最大許容負荷率が、
予め定められている場合は、その作業の所要時間の長い
順に作業を並べ替えたものを、初期作業山積み順序とし
ておけば、その初期状態は、前記単位時間毎の最大許容
負荷率以下となるため、制約条件を満たしており、この
ような処理をすることによって、制約条件の厳しい計画
問題であっても、逆に少ない探索回数で最適解を探索出
来るので、探索速度が向上すると記載されている。

【００１７】

【発明が解決しようとする課題】しかしながら、上記特
開平６−１６８２２６号公報に記載の方法でも、満足の
いく解を得るのに充分とは言えない場合も有る。例え
ば、各作業の所要時間の長い順に作業の山積み順を並べ
替えたものを、初期山積み順としたとしても、少ない探
索回数で最適解を探索することが出来ない場合もありう
る。すなわち、各作業の納期が指定されている場合等で
ある。

【００１８】本発明の目的は、上記問題点を解決し、最
適負荷平準化計画問題の最適解または準最適解を、許容
される現実的な有限時間内に、汎用の計算機を用いて得
られる計画立案方法および装置を提供することにある。

【００１９】

【課題を解決するための手段】本発明の特徴は、最適負
荷平準化計画を設定するための目的関数を作成するため
に、与えられた最適負荷平準化計画対象の環境を表す環
境変数、および、与えられた環境の中でとり得る山積み
順序を表す状態変数を入力する入力手段と、入力された
情報を記憶する記憶手段と、与えられた環境変数および
状態変数から目的関数を作成する目的関数作成手段と、
状態変数をｘとし、目的関数Ｆ（ｘ）の最小値を求める
最小値探索手段と、最小値探索手段での探索結果を出力
する出力手段を備え、前記最小値探索手段で、ギブス行
列を状態推移確率行列とし、マルコフ連鎖をシュミレー
トすることによって、前記マルコフ連鎖の状態確率分布
を最適状態確率分布に近づけ、目的関数の最小値を与え
る状態変数を求める最適負荷平準化計画立案装置におい
て、前記最小値探索手段は、各作業毎の納期の早い順に
前記作業の山積み順を並べた状態変数ｘを初期値とし、
該初期値にもとづき、探索における状態変数の初期値を
変えて探索を行ない、最小値を求める機能を有すること
にある。

【００２０】本発明の他の特徴は、最適負荷平準化計画
を設定するための目的関数を作成するために、最適負荷
平準化計画立案装置の入力手段により与えられた最適負
荷平準化計画対象の環境を表す環境変数、および、与え
られた環境の中でとり得る山積み順序を表す状態変数を
入力し、目的関数作成手段により与えられた環境変数お
よび状態変数から目的関数を作成し、最小値探索手段に
より状態変数をｘとし、目的関数Ｆ（ｘ）の最小値を求
め、出力手段により前記最小値探索手段の探索結果を出
力するときに、前記最小値探索手段で、ギブス行列を状
態推移確率行列とし、マルコフ連鎖をシュミレートする
ことによって、マルコフ連鎖の状態確率分布を最適状態
確率分布に近づけ、目的関数の最小値を与える状態変数
を求める最適負荷平準化計画立案方法において、前記最
小値探索手段により、各作業毎の納期の早い順に前記作
業の山積み順を並べた状態変数ｘを初期値とし、該初期
値にもとづき、探索における状態変数の初期値を変えて
探索を行ない、最小値を求めることにある。

【００２１】本願発明者の研究によれば、前記最小値探
索手段により、各作業毎の納期の早い順に前記作業の山
積み順を並べたものを前記状態変数の初期値とし、該初
期値にもとづき、探索における状態変数の初期値を変え
て探索を行なうことで、最小値を求めるようにすると、
非常に少ない探索回数で最適解を探索出来ることが判明
した。

【００２２】

【発明の実施の形態】以下に、本発明の実施形態につい
て、図を参照して詳細に説明する。

【００２３】図１は、本発明の一実施形態の構成を示す
説明図である。本実施形態の最適負荷平準化計画立案装
置は、作業諸元情報、能力諸元情報、および、作業割当
て諸元情報等の情報の入力、指示等の操作を行なうため
の入力部１と、上記入力される各種情報を記憶するメモ
リ２と、優良解を得る作業の山積み順序を記憶するメモ
リ３と、上記メモリ２および３に格納される情報にもと
づいて、最適山積み順序を求める処理を実行する演算部
４と、上記演算結果を格納するメモリ５と、メモリ５に
格納された内容を出力する出力部６とを有して構成され
る。

【００２４】本実施形態の上記機能は、コンピュータシ
ステムを用いて実現出来る。例えば、入力部１は、スタ
ッフが入力操作を行なうキーボード１ａと入力内容を表
示するＣＲＴ等のディスプレイを有する表示装置１ｂを
含んで構成される。

【００２５】演算部４と、メモリ２、３、および５は、
中央処理ユニット（ＣＰＵ）および主記憶装置（磁気デ
ィスク、半導体ＲＡＭ等によって構成される）により構
成することが出来る。

【００２６】また、出力部６は、ＣＲＴ等のディスプレ
イを有する表示装置６ａとプリンタ６ｂとを有して構成
される。また、プリンタ６ｂの出力結果として帳票が作
成される。なお、入力部にある表示装置１ｂと、出力部
にある表示装置６ａとは、いずれか一方で他方を兼用す
ることが出来る。

【００２７】入力部１より、スタッフが作業諸元情報、
能力諸元情報、および作業割当て諸元情報を入力して、
メモリ２に記憶させる。

【００２８】ここに、「作業諸元情報」とは、例えば、
作業の個数、各作業の所要時間、納期等である。

【００２９】また、「能力諸元情報」とは、単位時間の
数、各単位時間毎の能力等である。さらに、「作業割当
て諸元情報」には、作業割当て制約条件、作業割当て規
則、最適負荷平準化計画において最小化を図りたい評価
項目である目的関数等を含む。

【００３０】作業諸元情報、能力諸元情報を、図２に示
す最適負荷平準化計画問題を例にとり説明する。図２
に、ある単位時間の数と各単位時間の能力、および割当
てるべき作業の数と所要時間と納期を示す。単位時間
は、２０時間の能力のものが２日、および１６時間の能
力のものが２日用意されている。作業は、所要時間３〜
７時間のものを８個割当てる例を示している。

【００３１】次に作業割当て諸元情報の詳細を、図３に
示す作業割当て制約条件、作業割当て規則、目的関数を
例にとり説明する。図３に、作業割当て制約条件、作業
割当て規則、目的関数の例を示す。目的関数は、単位時
間毎の負荷率の標準偏差を最小にすることを意味してい
る。

【００３２】図４は、優良解を得る作業山積み順序の例
を示した説明図である。これは、図２に示した作業を納
期の早い順に並べ替えたものである。

【００３３】次に、演算部４の動作について説明する。
以下の動作は複雑になるので、フローチャートを用いて
詳細に説明する。

【００３４】図５から図６は、演算部４の処理手順をフ
ローチャートを用いて示した説明図である。なお、これ
らのフローチャートに示す動作手順を実行するためのプ
ログラムは、上述したメモリ２、３、および５を構成す
る主記憶装置に格納しておけばよい。

【００３５】まず、図４に示した優良解を得る作業山積
み順序を求めるために、図５のステップ１００で、図２
に示した作業を、納期の早い順に並べ替え、図９に示す
初期作業山積み順序を作成する。次に、図５に示すステ
ップ１０１で、図９に示した初期作業山積み順序より、
図１０に示す作業山積み順序を初期化する。次に、図５
のステップ１０２で、図９に示した初期作業山積み順序
より、図１１に示す最適作業山積み順序を作成する。次
に、図５のステップ１０３で、図１２に示す作業山積み
表を作成する。次に、図３に示した目的関数を、ステッ
プ１０４〜１０５の処理手順に従って具体化する。引数
として、作業山積み順序を与える。

【００３６】目的関数は、図３に示した作業割当て制約
条件、および作業割当て規則に従って、全作業を図１２
に示した作業山積み表に割当てていく。その作業割当て
結果の例を図１３に示す。

【００３７】ここで、目的関数Ｆ（ｘ）の求め方の例を
図７中のＥＮＴＲＹで始まるサブルーチン（図７から図
８）のフローチャートにより説明する。

【００３８】まず、関数ｆ（ｘ）の値を０に（ステップ
３０１）する。次に、作業カウンタｊの値を０にする。
そして、ｊの値を０から「全作業数−１」まで変化させ
るループに入る（ステップ３０２）。このループの中で
ｊは、「作業山積み順序−１」に相当する。目的関数の
引数ｘは、作業山積み順序を示している。ｘｊは、ｊ＋
１番目に山積みする作業番号を表わす。次に最小負荷率
の値を無限大に初期化する（ステップ３０３）。次に単
位時間カウンタｋの値を０にする。そして、ｋの値を０
から「全単位時間数−１」まで変化させるループに入る
（ステップ３０４）。ここで、ｋは「単位時間番号−
１」を表わす。次に、ｘｊにより、作業諸元情報を検索
し、該作業ｘｊの所要時間を求める。また、単位時間カ
ウンタｋにより、作業山積み表を検索し、該単位時間ｋ
の残り能力を求める。ここで山積み表の単位時間ｋに作
業ｘｊを割付る場合の単位時間ｋの負荷率Ｒｋを計算す
る（ステップ３０５）。

【００３９】次にＲｋ≦１００％のとき、かつ、ｋ≦納
期日−１のとき、該作業ｘｊは該単位時間ｋに割当て可
能とし、ステップ３０７に進む。一方、Ｒｋ＞１００％
のとき、または、ｋ＞納期日−１のとき、該作業ｘｊは
該単位時間ｋに割当て不可とし、ステップ３１０に進む
（ステップ３０６）。次にステップ３０７から３０９に
ついて説明する。該単位時間ｋに、該作業ｘｊを割当て
可能なので、求めた該単位時間ｋの負荷率Ｒｋが全単位
時間の中で最小かどうかを判定するために、Ｒｋと現在
までの最小負荷率Ｒｍｉｎとを比較し、求めた負荷率Ｒ
ｋが最小でないときは、ステップ３１０に進む（ステッ
プ３０７）。一方、求めた負荷率Ｒｋが現在までの最小
値Ｒｍｉｎより小さいときは、求めた負荷率Ｒｋを現在
までの最小負荷率としてＲｍｉｎの値を更新する（ステ
ップ３０８）。同時に単位時間カウンタｋを負荷最小単
位時間番号としてｍｋに記憶する（ステップ３０９）。
次に、単位時間カウンタｋの値を１更新する（ステップ
３１０）。次に単位時間カウンタｋを全単位時間数ｍと
比較し、ｋ＜ｍのとき、次の単位時間ｋに該作業ｘｊを
割当てた場合の負荷率Ｒｋを計算するために、ステップ
３０５に進む。一方、ｋ≧ｍのとき、全単位時間に対し
て作業ｘｊを割当てた場合の負荷率Ｒｋを計算したので
あるから、ステップ４０１に進む（ステップ３１１）。
次に最小負荷率Ｒｍｉｎの値を判定し、無限大のとき
は、該作業ｘｊを割当て可能な単位時間が無かったこと
を意味するので、ステップ４０２に進み、エラーメッセ
ージを出力して、すべての処理を終了する（ステップ４
０１から４０２）。

【００４０】一方、該作業ｘｊがいづれかの単位時間に
割当て可能であったとき、ステップ４０３に進み、作業
山積み表の負荷最小単位時間ｍｋに該作業ｘｊを割当て
る（ステップ４０３）。次に、作業カウンタｊを１更新
する（ステップ４０４）。次に、作業カウンタｊを全作
業数ｎと比較し、ｊ＜ｎのとき、未割当ての作業がある
のでステップ３０３に進む。一方、ｊ≧ｎのとき、すべ
ての作業について割当てが終了したので、ステップ４０
６に進む（ステップ４０５）。

【００４１】次に、全単位時間について、作業山積み表
の作業の割当て結果から、各単位時間毎の負荷率を計算
する（ステップ４０６）。次に、求めた各単位時間毎の
負荷率の平均負荷率を計算する（ステップ４０７）。次
に、各単位時間毎の負荷率と、平均負荷率と、単位時間
の数とにより、関数ｆ（ｘ）の値を計算し（ステップ４
０８）、本サブルーチンは終了する。

【００４２】以上が、関数ｆ（ｘ）に関するサブルーチ
ンについての説明である。さて、図１３の作業割当て結
果から目的関数の値を計算すると、１５．２５となる。
この値を変数バッファｆｏｌｄとｆｏｐｔに入力する
（ステップ１０４）。次に最小値探索回数を先ずｉ＝０
とし、ｉ＝Ｎ−１までの演算ループに入る（ステップ１
０５）。ループの中では、先ず温度Ｔを計算する。ここ
で、温度Ｔを決める要因となっている△は、十分大きな
正の数である（ステップ１０６）。

【００４３】次に、図５のステップ１０７で、図１２に
示す作業山積み表を作成する。次に、図１０に示した作
業山積み順序より図１４に示した新作業山積み順序を作
成する（ステップ１０８）。次に、１〜ｎの相異なる整
数の一様乱数を２つ求め、これをｒｓとｒｅとする。ｒ
ｓ＜ｒｅとなるように、ｒｓとｒｅを必要に応じて入れ
替える。今、ｒｓ＝３、ｒｅ＝２が得られたとすると、
ｒｓとｒｅとを入替え、ｒｓ＝２、ｒｅ＝３とする（ス
テップ１０９）。次に、図１４の新作業山積み順序のｒ
ｓ番目からｒｅ番目の内容をその並びの逆順に並べ替え
る（ステップ２０１）。図１５に並べ換え後の新作業山
積み順序を示す。

【００４４】次に、図１５の新作業山積み順序を引数と
して、目的関数を呼び出す。目的関数は、図３に示した
作業割当て制約条件および作業割当て規則に従って、全
作業を新作業山積み順序に従って作業山積み表に割当て
ていく。その作業山積み結果の例を図１６に示す。図１
６の割当て結果から目的関数の値を計算すると、１１．
５７となる。この値を変数バッファｆｎｅｗに記憶する
（ステップ２０２）。次に、０〜１の一様乱数を発生さ
せ、この値を変数バッファａに記憶する。

【００４５】ｅｘｐ（−（ｆｎｅｗ−ｆｏｌｄ）／Ｔ）＝ｅｘｐ（−（１１．５７−１５．２５）／Ｔ）＝ｅｘｐ（３．６８／Ｔ）＞１となる。従ってａ＜ｅｘｐ（３．６８／Ｔ）となり、新
作業山積み順序を受理すべきと判定する（ステップ２０
３）。ここで、もしａ≧ｅｘｐ（−（ｆｎｅｗ−ｆｏｌ
ｄ）／Ｔ）のときは、新作業山積み順序を却下し、前作
業山積み順序を維持し、次回の状態摂動（目的関数の最
適化を図っていく過程を称する）へと移るため、ステッ
プ２０９に進む（ステップ２０３）。さて、新作業山積
み順序は受理されたので、図１５の新作業山積み順序よ
り、図１７の作業山積み順序を作成する（ステップ２０
４）。次に、新作業山積み順序による目的関数値ｆｎｅ
ｗより目的関数値ｆｏｌｄを作成する（ステップ２０
５）。次に、目的関数の最小値と新作業山積み順序によ
る目的関数値とを比較し、新作業山積み順序による目的
関数値の方が小さいときは、目的関数の最小値を更新
し、新作業山積み順序より最適作業山積み順序を作成す
る（ステップ２０６から２０８）。今、目的関数の最小
値＝１５．２５、新作業山積み順序による目的関数値１
１．５７であるから、目的関数の最小値は、１１．５７
に更新され、最適作業山積み順序は、図１８のように更
新される。次に最小値探索回数を更新し（ステップ２０
９）、予め定められた回数Ｎに達したとき、探索を終了
し、終了時点での最適作業山積み順序をメモリ５に記憶
する。最小値探索回数がＮ回に満たないときは、次の状
態摂動による探索を繰り返す（ステップ２１０）。次
に、最小値探索を終了したとき、求めた最適作業山積み
順序を出力して、処理を終了する（ステップ２１１）。

【００４６】このように、本発明の特徴とする最小値探
索手段によれば、図６のステップ２０１及至２０９に示
されたギブス行列を状態推移確率行列とし、図５、図６
のステップ１０６及至２１０により、マルコフ連鎖をシ
ュミレートすることによって、マルコフ連鎖の状態確率
分布を最適状態確率分布に近づけ、目的関数の最小値を
与える状態変数を求めることができる。

【００４７】なお、本発明においては，初期値を適切に
設定するため有限回の探索回数Ｎで最小値を探索出来
る。よって、パソコン、ワークステーション等の小型
で、処理速度が比較的遅い計算機であっても、現実に許
容される時間内に解を導くことが出来る。

【００４８】以上述べたように、山積み順序ｘと、作業
割当て諸元情報とにより、作業山積み表に全作業を割当
て、その割当て結果より目的関数ｆ（ｘ）の値が計算さ
れる。

【００４９】出力結果である最適山積み順序を記憶した
メモリ５内の情報は、出力部６に出力され（ステップ２
１１）、最終的にＣＲＴディスプレイ、プリンタ等に出
力されるため、その出力結果に従って、作業を実行する
ことにより、最も負荷のバラつきが少ない、換言すれ
ば、最も負荷の平準化が図れた作業順序を導くことが出
来る。

【００５０】図１９により、本発明の最適負荷平準化計
画立案装置の作用、効果を説明する。図に示すように、
ランダムな初期状態から探索を開始すると、優良解を得
る状態に到達するまでに、相当多数の探索回数が必要と
なる。また、初期状態によっては、優良解を得る状態
に、なかなか到達出来ない場合もありうる。

【００５１】このようなとき、優良解を得る状態確率分
布ｒから出発してマルコフ連鎖をシュミレートすること
によって、すなわち、各作業毎の納期の早い順に前記作
業の山積み順を並べた状態変数ｘを初期値として、この
初期値にもとづき、探索における状態変数の初期値を変
えて探索を行ない、最小値を求めるように探索を行なう
ことにより、非常に少ない探索回数で最適解を探索する
ことが出来る。

【００５２】このような処理をすることによって、制約
条件のある計画問題であっても、逆に少ない探索回数で
最適解を探索できるので、探索速度が向上することにな
る。また、本発明は、対象とする作業、能力に関する情
報が変化しても、かかる変更に対する適応性に富む。つ
まり、本発明の主たる論理は、経験的な情報、限定され
た情報等にもとづいていないため、例えば、作業の個
数、所要時間、納期、単位時間の数、単位時間毎の能力
等に影響を受けない。

【００５３】さらに、本発明は、複雑な構造を有してお
らず、例えば、本発明にかかる方法の主論理を、ノイマ
ン型コンピュータで実現するためのアルゴリズムは、わ
ずか数十ステップのプログラム処理で行なえる。また、
並列処理型のハードウェアを有した装置構成では、わず
か数個の論理装置で実現出来、一層の高速化、ハードウ
ェアコスト低減も期待出来る。さらに、相互結台型のニ
ューラルコンピューターを用いれば、一層のハードウェ
アの簡素化と処理の高速化が図れる。また、カオスコン
ピュータを使用することによっても、一層の処理の高速
化が図れる。

【００５４】

【発明の効果】最適負荷平準化計画問題に対して、大型
コンピュータを用いず、極めて短時間に最適解を求める
ことが可能となった。

【００５５】また、各種情報の変更にも対応が可能とな
り、知識ベース等も不要になる。さらに、最適解探索を
自動的に終了させられるため、オペレータの経験による
判断が不要になった。

【図面の簡単な説明】

【図１】本発明の一実施形態の構成を示す説明図であ
る。

【図２】最適負荷平準化計画問題の例の説明図である。

【図３】作業割当て諸元情報の例の説明図である。

【図４】優良解を得る作業山積み順序の例の説明図であ
る。

【図５】演算部の処理手順例のフローチャートによる説
明図である。

【図６】演算部の処理手順例のフローチャートによる説
明図である。

【図７】目的関数の処理手順例のフローチャートによる
説明図である。

【図８】目的関数の処理手順例のフローチャートによる
説明図である。

【図９】初期作業山積み順序の例の説明図である。

【図１０】作業山積み順序の例の説明図である。

【図１１】最適作業山積み順序の例の説明図である。

【図１２】作業山積み表の一例の説明図である。

【図１３】作業割当て結果の例の説明図である。

【図１４】新作業山積み順序の例の説明図である。

【図１５】並べ替え後の新作業山積み順序の例の説明図
である。

【図１６】作業割当て結果の例の説明図である。

【図１７】作業山積み順序の例の説明図である。

【図１８】最適作業山積み順序の例の説明図である。

【図１９】優良解を含む状態の集合の一例の説明図であ
る。

【符号の説明】

１・・入力部、１ａ・・キーボード、１ｂ・・表示装置、２・・
メモリ、３・・メモリ、４・・演算部、５・・メモリ、６・・出
力部、６ａ・・表示装置、６ｂ・・プリンタ。

Claims

【特許請求の範囲】

【請求項１】最適負荷平準化計画を設定するための目的
関数を作成するために、与えられた最適負荷平準化計画
対象の環境を表す環境変数、および、与えられた環境の
中でとり得る作業山積み順序を表す状態変数を入力する
入力手段と、入力された情報を記憶する記憶手段と、与
えられた環境変数および状態変数から目的関数を作成す
る目的関数作成手段と、状態変数をｘとし前記目的関数
Ｆ（ｘ）の最小値を求める最小値探索手段と、該最小値
探索手段による探索結果を出力する出力手段を備え、前
記最小値探索手段により、ギブス行列を状態推移確率行
列とし、マルコフ連鎖をシュミレートして、マルコフ連
鎖の状態確率分布を最適状態確率分布に近づけ、前記目
的関数の最小値を与える状態変数を求める最適負荷平準
化計画立案装置において、前記最小値探索手段は、各作業毎の納期の早い順に前記
作業の山積み順を並べた状態変数ｘを初期値とし、該初
期値にもとづき、探索における状態変数の初期値を変え
て探索を行ない、最小値を求める機能を有することを特
徴とする最適負荷平準化計画立案装置。
【請求項２】単位時間毎の作業量の平準化を目的とする
最適平準化計画立案装置において、各作業の所要時間と処理可能な複数の単位時間とを定義
する作業諸元情報と、単位時間毎の最大能力時間を定義
する能力諸元情報と、最適負荷平準化計画において最小
化を図りたい評価項目を表す目的関数を少なくとも含む
作業割当て諸元情報とを入力する入力部と、入力された複数種類の諸元情報を記憶する第一の記憶手
段と、前記第一の記憶手段に記憶された複数種類の諸元情報か
ら前記目的関数を最小にする最適作業山積み順序を計算
する演算部と、優良解の１つである作業山積み順序を記憶する第二の記
憶手段と、前記計算された最適作業山積み順序を記憶する第三の記
憶手段と、前記第三の記憶手段に記憶された最適作業山積み順序を
出力する出力部とを備え、目的とする評価項目の値を最小にするか、またはそれに
準ずる最適作業山積み順序を出力するものであって、前記演算部は、作業山積み順序ｘを状態変数とすると、
最適負荷平準化計画において、最小化を図る評価項目を
表す目的関数Ｆ（ｘ）より定まるギブス行列Ｇｔを状態
推移確率行列とし、優良解を得る状態確率分布ｒから出
発して、マルコフ連鎖をシュミレートすることによっ
て、マルコフ連鎖の状態確率分布を限りなく最適状態確
率分布に近づけ、高い確率で目的関数Ｆ（ｘ）の最小値
または準最小値と、それを与えるｘの値を計算する確率
的最小値探索手段と、前記第二の記憶手段に記憶された優良解の１つである作
業山積み順序と、前記第一の記憶手段に記憶された前記
複数種類の諸元情報とを前記確率的最小値探索手段に入
力して、前記目的関数の最小値とそれを与える最適作業
山積み順序とを有限時間内に計算して、その結果を前記
出力部に出力する手段とをさらに有することを特徴とす
る最適負荷平準化計画立案装置。
【請求項３】請求項２記載の最適負荷平準化計画立案装
置において、前記確率的最小値探索手段は、前記優良解を得る状態確
率分布ｒとして、各作業毎の納期の早い順に前記作業の
山積み順を並べた状態変数の集合を初期値として出発し
て、前記マルコフ連鎖をシュミレートするように構成さ
れていることを特徴とする最適負荷平準化計画立案装
置。
【請求項４】請求項１、２または３のいずれかに記載の
最適負荷平準化計画立案装置において、前記目的関数は、各単位時間の負荷率の標準偏差である
ことを特徴とする最適負荷平準化計画立案装置。
【請求項５】最適負荷平準化計画を設定するための目的
関数を作成するために、最適負荷平準化計画立案装置の
入力手段により与えられた最適負荷平準化計画対象の環
境を表す環境変数、および、与えられた環境の中でとり
得る作業山積み順序を表す状態変数を入力し、目的関数
作成手段により与えられた環境変数および状態変数から
目的関数を作成し、最小値探索手段により状態変数をｘ
とし、目的関数Ｆ（ｘ）の最小値を求め、出力手段によ
り前記最小値探索手段の探索結果を出力するときに、前
記最小値探索手段で、ギブス行列を状態推移確率行列と
し、マルコフ連鎖をシュミレートすることによって、該
マルコフ連鎖の状態確率分布を最適状態確率分布に近づ
け、前記目的関数の最小値を与える状態変数を求める最
適負荷平準化計画立案方法において、前記最小値探索手段により、各作業毎の納期の早い順に
前記作業の山積み順を並べた状態変数ｘを初期値とし、
該初期値にもとづき、探索における状態変数の初期値を
変えて探索を行ない、最小値を求めることを特徴とする
最適負荷平準化計画立案方法。
【請求項６】請求項５に記載の最適負荷平準化計画立案
方法において、前記最小値探索手段による探索において前記状態変数を
変化させる際には、該当する作業毎の納期を考慮して作
業割付を行うことを特徴とする最適負荷平準化計画立案
方法。