JPWO2018220885A1 - 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム - Google Patents

生産計画作成装置、生産計画作成方法及び生産計画作成プログラム Download PDF

Info

Publication number
JPWO2018220885A1
JPWO2018220885A1 JP2019521945A JP2019521945A JPWO2018220885A1 JP WO2018220885 A1 JPWO2018220885 A1 JP WO2018220885A1 JP 2019521945 A JP2019521945 A JP 2019521945A JP 2019521945 A JP2019521945 A JP 2019521945A JP WO2018220885 A1 JPWO2018220885 A1 JP WO2018220885A1
Authority
JP
Japan
Prior art keywords
plan
production
production plan
product
candidates
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
Application number
JP2019521945A
Other languages
English (en)
Other versions
JP6764025B2 (ja
Inventor
祥貴 青山
雄一 小林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of JPWO2018220885A1 publication Critical patent/JPWO2018220885A1/ja
Application granted granted Critical
Publication of JP6764025B2 publication Critical patent/JP6764025B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06314—Calendaring for a resource
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32247—Real time scheduler
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

計画立案部は、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出し、この算出した計画パターンに従って各製品の生産順序を並べ替えて各製品の生産計画に関する複数の計画候補を作成する。計画評価部は、各制約条件に対する評価指標に基づいて複数の計画候補を評価し、複数の計画候補のうちから最良の生産計画を選出する。

Description

本発明は、生産計画作成装置、生産計画作成方法及び生産計画作成プログラムに関し、特に、製品の生産計画を作成する生産計画作成装置に適用して好適なものである。
工場における製品の製造や大規模システムの開発など、事前に製造順序や作業順序を計画しておくような事象は数多い。こうした計画の立案に関して、設備や人員のリソースまたは時間若しくは気温などの制約を考慮しつつ、状況に応じて最適な計画を立案する必要がある。このような計画立案は、人手による立案には限界があるため、計算機を利用し数理計画法などのアルゴリズムを適用することで計画を立案する場合が増えている。
一方で、計画立案で考慮する制約条件は、実際には大規模で複雑であったり、計画を作成する立案者の経験則または勘のような暗黙的に定められる場合、現場の実情に合った制約条件を策定することが難しい。従来技術では、上記のような課題に着目し、制約条件の効率的な策定を支援する技術が公知されている。第１の従来技術では、予め与えられた自明な制約条件を考慮しつつ過去に立案された計画履歴を学習することで制約条件を緩和している（特許文献１参照）。第２の従来技術では、順序を決定する計画立案に際して複数の制約条件に予め優先度を付与しておき、制約が厳しいことによって計画立案できない場合に、制約条件の優先度を変化させることで制約条件を緩和している（特許文献１参照）。
つまり、これら従来技術では、制約条件を現場の実態に合わせてチューニングすることで、現場の実情に合った計画を立案しようとしている。
特開２０１６−１８９０７９号公報 特開平５−３２４６６５号公報
上述した従来技術では、制約条件の違反を解消するように制約条件を緩和していくことのみに主眼を置いている。第１の従来技術では、一度でも発生した制約条件の違反を順次緩和する手法であり、過去の違反頻度を超えるほど過剰に制約条件を緩和することで、過去の実態に則さない計画を立案してしまう可能性がある。一方、第２の従来技術では、立案者が実際にボトルネックとなっている制約条件の優先度を低く見積もってしまうなど、優先度の設定によって計画の質が左右されてしまう可能性がある。
本発明は以上の点を考慮してなされたもので、過去に立案された生産計画に現れている特徴または傾向を反映した新規な生産計画を立案し提供することができる生産計画作成装置、生産計画作成方法及び生産計画作成プログラムを提案しようとするものである。
かかる課題を解決するため、本発明においては、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出し、前記計画パターンに従って前記各製品の生産順序を並べ替えて前記各製品の生産計画に関する複数の計画候補を作成する計画立案部と、前記各制約条件に応じた評価指標に基づいて前記複数の計画候補を評価し、前記複数の計画候補のうちから最良の生産計画を選出する計画評価部と、を備えることを特徴とする。
また、本発明においては、各製品の生産計画を作成する生産計画作成装置における生産計画作成方法において、前記生産計画作成装置が、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出し、前記計画パターンに従って前記各製品の生産順序を並べ替えて前記各製品の生産計画に関する複数の計画候補を作成する計画立案ステップと、前記生産計画作成装置が、前記各制約条件に応じた評価指標に基づいて前記複数の計画候補を評価し、前記複数の計画候補のうちから最良の生産計画を選出する計画評価ステップと、を有することを特徴とする。
また、本発明においては、コンピュータに、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出させ、前記計画パターンに従って前記各製品の生産順序を並べ替えて前記各製品の生産計画に関する複数の計画候補を作成させる計画立案ステップと、前記コンピュータに、前記各制約条件に応じた評価指標に基づいて前記複数の計画候補を評価させ、前記複数の計画候補のうちから最良の生産計画を選出させる計画評価ステップと、を実行させることを特徴とする。
本発明によれば、過去に立案された生産計画の特徴または傾向を反映した新規な生産計画を作成することができる。
第１の実施の形態による生産計画作成装置の概略構成の一例を示すブロック図である。 図１に示す生産計画作成装置のソフトウェア構成の一例を示すブロック図である。 生産計画作成装置における生産計画作成方法の一例を示すフローチャートである。 図３に示す機械学習処理の一例を示すフローチャートである。 計画履歴を蓄積する一例を示す図である。 機械学習部によって計画パターンを作成する一例を示す図である。 教師データ変換処理の一例を示すフローチャートである。 計画履歴を教師データに変換する一例を示す図である。 評価指標パラメータを算出する一例を示す図である。 機械学習結果格納データベースへ蓄積される一例を示す図である。 図３に示す計画立案処理の一例を示すフローチャートである。 複数の計画候補を作成する一例を示す図である。 図３に示す計画評価処理の一例を示すフローチャートである。 最適な生産計画を選出する一例を示す図である。 入出力画面の一例を示す図である。 以前作成した生産計画をその後引き継いで新たな生産計画を作成する一例を示す図である。 第２の実施の形態による生産計画作成装置の構成例を示す図である。 図１７に示す構成により外部センサまたは外部システムと連携して最適な生産計画が決定される一例を示す図である。
以下、図面について、本発明の一実施の形態について詳述する。
（１）第１の実施の形態
（１−１）ハードウェア構成
図１は、第１の実施の形態による生産計画作成装置１００の概略構成の一例を示す。この生産計画作成装置１００は、例えばコンピュータであり、入出力装置１、ＣＰＵ２、メモリ３及び記憶装置４を備える。
記憶装置４には、プログラム４Ａ、データベース４Ｂ及びチューニングパラメータ４Ｃが格納されている。データベース４Ｂは、後述するようにテーブルを有し、プログラム４Ａによってテーブルが参照されたり更新される。
（１−２）ソフトウェア構成
図２は、図１に示す生産計画作成装置１００のソフトウェア構成の一例を示す。生産計画作成装置１００は、計画履歴格納データベース（以下「計画履歴格納ＤＢ」と省略する）１１の他、プログラム２０として、例えば、機械学習部１２、機械学習結果格納データベース（以下「機械学習結果格納ＤＢ」と省略する）１４、計画立案部１５、計画評価部１６及び計画出力部１７を有する。なお、プログラム２０は、ソフトウェアを構成する概念上、計画履歴格納ＤＢ１１及び機械学習結果格納ＤＢ１４を含んでいても良い。ここでいうプログラム２０などは、コンピュータによって実行されるプログラム４Ａなどに相当する。
計画履歴格納ＤＢ１１には、過去に立案された計画が、計画履歴１１Ａ，１１Ｂ，１１Ｃとして、例えば、計画者、計画時期などの情報とともに格納されている（後述する図５参照）。計画履歴格納ＤＢ１１の詳細については後述する。
機械学習部１２は、計画履歴格納ＤＢ１４から、所定の単位、すなわち、例えば計画者別、計画時期別で計画履歴１１Ａ，１１Ｂ，１１Ｃを読み込み、機械学習によって計画パターンを出力する機能を有する。
機械学習部１２は、前処理として、計画履歴１１Ａ，１１Ｂ，１１Ｃを機械学習可能なデータ形式に変換し、教師データを作成する機能を有する。教師データへの変換手法については後述する。
この機械学習部１２は、上述した処理と並行して、読み込んだ計画履歴１１Ａ，１１Ｂ，１１Ｃに基づいて評価指標のパラメータ（以下「評価指標パラメータ」という）を決定する機能を有する。なお、本実施の形態では、評価指標のことを「ＫＰＩ」とも呼ぶ。
具体的には、機械学習部１２は、まず、制約条件１３を読み込み、制約条件１３に違反する頻度（以下「違反頻度」という）と、その制約条件１３を違反しているかを表す違反量の最大値とを求める。なお、ここでいう違反頻度とは、その制約条件１３の違反数／全ての制約条件の違反数で表される頻度をいう。さらに機械学習部１２は、これらに基づいて評価指標パラメータを決定する。機械学習部１２は、このパラメータを、そのように過去の計画履歴を学習して得られた計画パターンと紐づけて機械学習結果格納ＤＢ１４に格納する。機械学習部１２の詳細については後述する。
計画立案部１５は、入力された被計画データ、すなわち、新規に計画を立てるデータに計画パターンを適用することで、詳細は後述するが、各製品の次に並びうる他の製品の遷移確率を求め、この遷移確率を重みとした乱数選択によって、複数の計画候補を作成する機能を有する。
計画評価部１６は、計画立案部１５において作成された複数の計画候補のうちから、機械学習部１２によって作成された評価指標（ＫＰＩ）によって最適な解として、例えば１つの計画候補を選出する機能を有する。
計画出力部１７は、計画評価部１６によって評価されるとともに最適な解として選出された計画候補を計画候補１７Ａとして外部に出力する機能を有する。
（１−３）生産計画作成装置の動作例
生産計画作成装置１００は以上のような構成であり、次に、この生産計画作成装置１００によって実行される生産計画作成方法の一例について具体的に説明する。
図３は、生産計画作成装置１００における生産計画作成方法の一例を示す。図４は、図３に示す機械学習処理の一例を示し、図１１は、図３に示す計画立案処理の一例を示し、図１３は、図３に示す計画評価処理の一例を示す。
まず、生産計画作成装置１００は、計画履歴１１Ａ，１１Ｂ，１１Ｃを読み込むとともに（図３のステップＳ１）、計画履歴格納ＤＢ１１に保存する（図３のステップＳ２）。
計画履歴格納データベース１１には、図５に示すように、過去に立案された計画履歴１１Ａ，１１Ｂ，１１Ｃが、生産順の他、製品の寸法を含む製品情報、生産計画を作成しようとしている立案者を表す立案者ＩＤ、及び生産予定時刻などの情報を含む計画履歴１１Ｚとして格納されている。
次に、所定のチューニングパラメータが読み込まれる（図３のステップＳ３）。続いて、以下のような機械学習処理が実行される（図３のステップＳ４）。この機械学習処理では、機械学習部１２が、計画履歴格納ＤＢ１１から、学習対象の計画履歴１１Ｚを、例えば、立案者別、生産予定時刻別に抽出して読み込む（図４のステップＳ１０）。次に、計画パターン作成処理Ｓ２０及び評価指標パラメータ決定処理Ｓ３０が、例えば並列に同時に（又は一方の処理ずつ）実行される。
（１−３−１）計画パターン作成処理
計画パターン作成処理Ｓ２０では、機械学習部１２が、まず前処理として、図６に示すように、計画履歴格納ＤＢ１１の計画履歴１１Ｚを機械学習可能なデータ形式に変換し、教師データを成形する（図４のステップＳ２１）。以下この処理を「教師データ変換処理」という。この際、機械学習部１２は、機械学習のパラメータを読み込む（図４のステップＳ２２）。
教師データ変換処理では、機械学習部１２が、まず、基準製品及び比較製品でなる各製品ペアを総当たりで決定し（図７のステップＳ４１）、各製品ペアの幅、奥行及び高さの差に基づいて特徴量ベクトルを計算する（図７のステップＳ４２）。
具体的には、機械学習部１２は、図８に示すように、例えば、計画履歴に関する全ての製品のペアに対して計算式（１）を用いて特徴量ベクトルを算出する。
次に機械学習部１２は、全ての製品ペアに関して（図７のステップＳ４３，Ｓ４７）、次のように目的変数としてラベル値を付与する。すなわち、機械学習部１２は、製品ペアの基準となる製品（以下「基準製品」という）の直後に比較製品が並んでいるか否かを判定し（図７のステップＳ４４）、この基準製品の直後に比較製品が並んでいる場合は、目的変数として「ラベル１」を付与する一方（図７のステップＳ４５）、その他のペアの場合には、目的変数として「ラベル０」を付与する。
機械学習部１２は、上記ラベル値を目的変数とするとともに、上記特徴量ベクトルに基づく特徴量を説明変数として、既述の教師データを勾配ブースト木などの学習アルゴリズムに適用する（図４のステップＳ２３）。
その教師データは、上述のように勾配ブースト決定木などの機械学習手法に適用されることにより、計画パターンとしてモデル化される。このようにモデル化された計画パターンは、図１０に示すように所定のファイル名が与えられ、例えば立案者を表すテキスト情報を含むラベルとともに機械学習結果格納ＤＢ１４に格納される（図３のステップＳ５）。
（１−３−２）評価指標パラメータ決定処理
一方、機械学習部１２は、上述した計画パターン作成処理と並行して、次のような評価指標パラメータ決定処理を実行する（図４のステップＳ３０）。
この評価指標パラメータ決定処理の概要としては、機械学習部１２が、図９に示すように、計画履歴格納ＤＢ１１から読み込んだ計画履歴及び制約条件に基づいて評価指標パラメータを決定する。本実施の形態では、例えば、ある計画候補ｎにおいて、各制約条件の違反量に基づいて式（３）を用いて算出される違反点を評価指標（図示の「ＫＰＩ」に相当）とした場合を例示している。図９は、その場合における算出式及び算出手法を例示している。
まず、機械学習部１２は、図９中段に示すように、計画履歴格納ＤＢ１１から計画履歴を読み込むとともに各制約条件を読み込む（図４のステップＳ３１）。次に機械学習部１２は、制約条件の数分に亘って次のような処理（ステップＳ３３〜Ｓ３６）を実行する（図４のステップＳ３２，Ｓ３７）。
機械学習部１２は、図９上部に示す、計画評価部１６が違反点を算出する式（２）における、最大違反量（どの程度制約条件に違反しているかを示す乖離値）の値を決定するために、図９左下に示すように左から製品の生産順序（図示の「並び順」に相当）となるようヒストグラムを作成する。このヒストグラムは、計画履歴格納ＤＢ１１から読み込んだ計画履歴における、例えば、横軸を製品の並び順とした場合における、制約条件＃２の違反数（縦軸）と違反量の一例を示している。図示の例では、最大違反量は８−５＝３であり、制約条件＃２の違反数は４である。
機械学習部１２は、各制約条件に違反する頻度（既述の「違反頻度」に相当）を計算する（図４のステップＳ３３）。この違反頻度は、例えば、各制約条件の違反数／全ての制約条件の（合計）違反数、という式を用いて算出される。
次に、機械学習部１２は、上述のように求められた違反数が０であるか否かを判定する（図４のステップＳ３４）。
その結果、違反数が０である場合、機械学習部１２は、必ず守られなければならない特定の制約条件を違反する時にＫＰＩ値を無限にするよう、評価指標パラメータを決定する（図４のステップＳ３６）。
一方、違反数が０でない場合、機械学習部１２は、該当する制約条件に対する最大違反量を算出する（図４のステップＳ３５）。
具体的には、機械学習部１２は、図９右下に示す一例の場合、制約条件＃２の違反数が４であり、上記計画履歴における全ての制約条件（＃１〜＃ｎ）の違反数が３２であるとすると、違反頻度を４／３２＝０．１２５と算出する。すなわち、この違反頻度は、全ての制約条件の違反数に対する制約条件＃２の違反数の割合を表している。
以上のようにして機械学習部１２は、計画履歴ごとに、制約条件＃（制約条件番号）それぞれに対する最大違反量及び違反頻度を含む「評価指標パラメータ」を決定する。
機械学習部１２は、図１０に示すように機械学習結果格納ＤＢ１４に、上記計画パターンと紐づけて当該決定した評価指標パラメータとして、例えば、上記計画パターンを表すラベル、各制約条件を識別するための制約条件＃、第１のパラメータとして最大違反量、及び、第２のパラメータとして違反頻度に関する情報を格納する（図３のステップＳ５）。
機械学習部１２は、新規に計画を立てようとするデータとして被計画データを読み込み（図３のステップＳ６）、機械学習結果格納ＤＢ１４から、似せたい計画とする計画パターンを選択し、読み込む（図３のステップＳ７）。
次に、以下のような計画立案処理（図３のステップＳ９）及び計画評価処理（図３のステップＳ１０）が、繰り返し計算アルゴリズムによって解を収束させるまで、実行される（図３のステップＳ８，Ｓ１１）。
計画立案部１５は、機械学習結果格納ＤＢ１４から計画パターンを読み出し、この計画パターンに従って、重み付け乱数選択により、被計画データを並び替え、次のように計画候補を作成する（図１１のステップＳ９１）。
具体的には、計画立案部１５は、被計画データに対して上記計画パターンを適用して、例えば、図１２右上に示すように、各製品（製品Ａを例示する）の次に並びうる他の製品Ｆの遷移確率を０．６、他の製品Ｋの遷移確率を０．３、他の製品Ｃの遷移確率を０．１と求め、これらの遷移確率を重み付けとした乱数選択によって、図１２右下に示すように複数の計画候補１〜４などを作成する。
計画立案部１５は、予め設定された所定数の計画候補を作成したか否かを判定し（図１１のステップＳ９２）、まだ作成していなければステップＳ９２を再度実行する一方、作成済であれば当該作成した所定数の計画候補１〜４などを計画評価部１６に引き渡し（図１１のステップＳ９３）、処理を終了する。
次に、上記計画評価処理（図３のステップＳ１０）では、計画評価部１６が、計画立案部１５において作成された上記所定数の計画候補１〜４などのうちから、機械学習部１２によって作成された評価指標（ＫＰＩ）に基づいて解として最適な計画候補を選択する。
具体的には、図１３のステップＳ１０１に示すように計画評価部１６は、既述のように（図１０参照）各制約条件に紐付いたＫＰＩ値などを含む各評価指標パラメータが格納済である機械学習結果格納ＤＢ１４から全ての制約条件に対応する評価指標パラメータを読み出す。
計画評価部１６は、例えば制約条件＃ｉ（ｉは自然数）に対する評価指標パラメータを読み込む（図１３のステップＳ１０２）。なお、＃ｉは番号を表し、「制約条件＃２」と表した場合には「制約番号２番」であることを示す。
計画評価部１６は、図１４中段に例示した式（４）により演算された、例えば制約条件＃２に対する評価指標パラメータに基づいて、この制約条件＃２に対する違反点（図示の例では「１２」という値）を算出する（図１３のステップＳ１０３）。計画評価部１６は、図１４左上に示した計画候補１に関して、図１４下段に例示した式（５）を用いて全ての制約条件分ＫＰＩ値を算出するまで、上述したステップＳ１０２及びステップＳ１０３を繰り返す（図１３のステップＳ１０４）。
計画評価部１６は、上述した全ての制約条件の違反点の合計を、その計画候補２のＫＰＩ値とする（図１３のステップ１０５）。
次に、計画評価部１６は、図１４下部に示す式（６）を用いて全ての計画候補１〜ｎのうちからＫＰＩ値が最も小さな特定の計画候補を最適な計画候補として決定する（図１３のステップＳ１０５）。
計画評価部１６は、全ての計画候補の数分に亘ってＫＰＩ値を算出するまでステップ１０１〜ステップＳ１０５を繰り返す（図１３のステップ１０６）。
計画評価部１６は、全ての計画候補のうちから、ＫＰＩ値が最も小さな特定の計画候補を最適な計画候補として選択し、計画出力部１７に指示する（図１３のステップＳ１０７）。
計画出力部１７は、最適な計画候補を、図１５下部に示すような出力画面で生産計画１７Ａとして外部に出力する（図１３のステップＳ１０７）。なお、図１５に示す出力画面では、図１５上部に示すような専用の入力画面も併せて表示し、例えば、注文データを手入力可能としたり、計画を作成するデータとしての被計画データを入力可能としたり、そのファイルをアップロード可能としたり、計画作成の途中経過ログなどを計画立案装置ログとして計画立案者に表示するようにしても良い。
（１−４）本実施の形態の効果等
以上のようにすると、上記実施の形態における生産計画作成装置１００によれば、過去に立案された生産計画に現れている特徴や傾向を反映した新規な生産計画を立案し提供することができる。
（１−５）応用例
（１−５−１）第１の変型例
第１の実施の形態における第１の変型例では、以前作成済の計画候補を、その後の計画候補を作成する際に引き継ぐようにしている。計画評価部１６によって求められた最適な計画候補は、計画立案部１５による計画立案処理に再適用され、例えばアントコロニー最適化または遺伝的アルゴリズムのような再帰計算ロジックが適用される。これにより、最終的に求められる解としての最適な計画候補の精度を高めることができる。
（１−５−２）第２の変型例
図１６は、第１の実施の形態における第２の変型例を示す。計画評価部１６は、図１２に示す計画立案処理において既述のように最適な計画候補を選出するが、上記計画立案処理において用いる各製品間の遷移確率を次のように補正するようにしても良い。
すなわち、計画評価部１６は、例えば、上記計画立案処理において求めた最適な計画候補のＫＰＩ値の逆数（１／ＫＰＩ値）を用いて、図示の例では１／ＫＰＩ値＝１／１０．０＝０．１に遷移確率を補正する。このようにすると、図１２に示す計画立案処理において繰り返し計算して最終的に選定される最適な計画候補の精度を高めていくことができる。
（２）第２の実施の形態
（２−１）第２の実施の形態による生産計画作成装置の構成
図１７は、第２の実施の形態による生産計画作成装置１００Ａの構成例を示し、図１８は、図１７に示す構成により外部センサや外部システムと連携して最適な生産計画が決定される一例を示す。
第２の実施の形態による生産計画作成装置１００Ａは、第１の実施の形態による生産計画作成装置１００とほぼ同様な構成及び動作であるため、これら同様な構成及び動作については説明を省略し、以下では主として両者の異なる点を中心として説明する。
第２の実施の形態においては、第１の実施の形態とは異なり、外部センサなどの情報収集装置１０２の他、外部システムの一例として、入力インターフェースを介してデータやパラメータなどのやり取りを行う生産ライン制御装置１０３が設けられている。
第２の実施の形態では、生産計画作成装置１００Ａが、上述した情報収集装置１０２や生産ライン制御装置１０３から取得したデータまたはパラメータを取り込み、ＫＰＩ値を外部の環境に応じて動的にチューニングして生産計画を作成している。
生産計画作成装置１００Ａでは、当該作成した生産計画を実際の製造ラインに適用した際に計測した温度データ１０２Ａが予め計画履歴格納ＤＢ１１に格納されている。
生産計画作成装置１００Ａでは、計画立案部１５が、生産計画を立案する際に、図１８に示すように情報収集装置１０２から自動的に取得する温度データ１０２Ａに基づいて、計画履歴格納ＤＢ１１から特定温度または特定温度範囲（図示の例では１２度以下）という条件を満たす計画履歴１２Ａを抽出してＫＰＩ値を決定し、上記温度データ１０２Ａに基づく現在の温度条件において最適な生産計画を作成し立案する。
（２−２）本実施の形態の効果等
以上のようにすると、温度などの製造条件に影響を受け易い製品についてもより最適な生産計画に基づいて精度良く製品を製造することができる。
（３）その他の実施形態
上記実施形態は、本発明を説明するための例示であり、本発明をこれらの実施形態にのみ限定する趣旨ではない。本発明は、その趣旨を逸脱しない限り、様々な形態で実施することができる。例えば、上記実施形態では、各種プログラムの処理をシーケンシャルに説明したが、特にこれにこだわるものではない。従って、処理結果に矛盾が生じない限り、処理の順序を入れ替え又は並行動作するように構成しても良い。
本発明は、製品の生産計画を作成し提案する生産計画作成装置及び生産計画作成方法に広く適用することができる。
１１……計画履歴格納ＤＢ，１２……機械学習部、１４……機械学習結果格納ＤＢ、１５……計画立案部、１６……計画評価部、１７……計画出力部、１００，１００Ａ……生産計画作成装置。

Claims (15)

  1. 過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出し、前記計画パターンに従って前記各製品の生産順序を並べ替えて前記各製品の生産計画に関する複数の計画候補を作成する計画立案部と、
    前記各制約条件に応じた評価指標に基づいて前記複数の計画候補を評価し、前記複数の計画候補のうちから最良の生産計画を選出する計画評価部と、
    を備えることを特徴とする生産計画作成装置。
  2. 前記計画立案部は、
    新規に生産計画がなされる各製品の特徴を表した被計画データに前記計画パターンを適用することにより得られた確率であって前記各製品の次に生産すべき製品の遷移確率に応じた重み付けに基づいて前記複数の計画候補を作成する
    ことを特徴とする請求項１に記載の生産計画作成装置。
  3. 前記計画立案部は、
    前記制約条件のうち必ず満たさなければならない特定の制約条件が存在する場合、前記特定の制約条件を満たすように前記複数の計画候補を作成する
    ことを特徴とする請求項２に記載の生産計画作成装置。
  4. 前記計画立案部は、
    前記履歴情報を用いてチューニングされる前記評価指標に基づいて、前記複数の計画候補に対応する複数の評価指標値を算出し、
    前記計画評価部は、
    前記複数の計画候補の評価指標値のうち最も良い評価指標値に対応する生産計画を前記最良の生産計画として選出する
    ことを特徴とする請求項３に記載の生産計画作成装置。
  5. 前記計画評価部は、
    前記複数の計画候補に関して算出された前記各制約条件の評価指標値のうち、前記評価指標値の総和が最も少ない特定の計画候補を最良の生産計画として選出する
    ことを特徴とする請求項４に記載の生産計画作成装置。
  6. 前記計画評価部は、
    外部システムから収集されたデータに基づいて前記評価指標を動的にチューニングし、前記チューニング後の新たな評価指標に基づいて前記複数の計画候補を評価し、前記複数の計画候補のうちから前記最良の生産計画を選出する
    ことを特徴とする請求項１に記載の生産計画作成装置。
  7. 前記計画評価部は、
    前記最良の生産計画を選出するまでの過程に再帰的なアルゴリズムを適用することにより前記評価指標に基づく前記評価を繰り返し実行する
    ことを特徴とする請求項１に記載の生産計画作成装置。
  8. 各製品の生産計画を作成する生産計画作成装置における生産計画作成方法において、
    前記生産計画作成装置が、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出し、前記計画パターンに従って前記各製品の生産順序を並べ替えて前記各製品の生産計画に関する複数の計画候補を作成する計画立案ステップと、
    前記生産計画作成装置が、前記各制約条件に応じた評価指標に基づいて前記複数の計画候補を評価し、前記複数の計画候補のうちから最良の生産計画を選出する計画評価ステップと、
    を有することを特徴とする生産計画作成方法。
  9. 前記計画立案ステップでは、
    前記生産計画作成装置が、新規に生産計画がなされる各製品の特徴を表した被計画データに前記計画パターンを適用することにより得られた確率であって前記各製品の次に生産すべき製品の遷移確率に応じた重み付けに基づいて前記複数の計画候補を作成する
    ことを特徴とする請求項８に記載の生産計画作成方法。
  10. 前記計画立案ステップでは、
    前記生産計画作成装置が、前記制約条件のうち必ず満たさなければならない特定の制約条件が存在する場合、前記特定の制約条件を満たすように前記複数の計画候補を作成する
    ことを特徴とする請求項９に記載の生産計画作成方法。
  11. 前記計画立案ステップでは、
    前記生産計画作成装置が、前記履歴情報を用いてチューニングされる前記評価指標に基づいて、前記複数の計画候補に対応する複数の評価指標値を算出し、
    前記計画評価ステップでは、
    前記生産計画作成装置が、前記複数の計画候補の評価指標値のうち最も良い評価指標値に対応する生産計画を前記最良の生産計画として選出する
    ことを特徴とする請求項１０に記載の生産計画作成方法。
  12. 前記計画評価ステップでは、
    前記生産計画作成装置が、前記複数の計画候補に関して算出された前記各制約条件の評価指標値のうち、前記評価指標値の総和が最も少ない特定の計画候補を最良の生産計画として選出する
    ことを特徴とする請求項１１に記載の生産計画作成方法。
  13. 前記計画評価ステップでは、
    前記生産計画作成装置が、外部システムから収集されたデータに基づいて前記評価指標を動的にチューニングし、前記チューニング後の新たな評価指標に基づいて前記複数の計画候補を評価し、前記複数の計画候補のうちから前記最良の生産計画を選出する
    ことを特徴とする請求項８に記載の生産計画作成方法。
  14. 前記計画評価ステップでは、
    前記生産計画作成装置が、前記最良の生産計画を選出するまでの過程に再帰的なアルゴリズムを適用することにより前記評価指標に基づく前記評価を繰り返し実行する
    ことを特徴とする請求項８に記載の生産計画作成方法。
  15. コンピュータに、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出させ、前記計画パターンに従って前記各製品の生産順序を並べ替えて前記各製品の生産計画に関する複数の計画候補を作成させる計画立案ステップと、
    前記コンピュータに、前記各制約条件に応じた評価指標に基づいて前記複数の計画候補を評価させ、前記複数の計画候補のうちから最良の生産計画を選出させる計画評価ステップと、
    を実行させることを特徴とする生産計画作成プログラム。
JP2019521945A 2017-05-31 2017-11-28 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム Active JP6764025B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPPCT/JP2017/020257 2017-05-31
PCT/JP2017/020257 WO2018220744A1 (ja) 2017-05-31 2017-05-31 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム
PCT/JP2017/042632 WO2018220885A1 (ja) 2017-05-31 2017-11-28 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム

Publications (2)

Publication Number Publication Date
JPWO2018220885A1 true JPWO2018220885A1 (ja) 2019-11-07
JP6764025B2 JP6764025B2 (ja) 2020-09-30

Family

ID=64454544

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019521945A Active JP6764025B2 (ja) 2017-05-31 2017-11-28 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム

Country Status (3)

Country Link
US (1) US20190228360A1 (ja)
JP (1) JP6764025B2 (ja)
WO (2) WO2018220744A1 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11385774B2 (en) * 2014-01-06 2022-07-12 Red Hat, Inc. Intuitive workspace management
JP7126060B2 (ja) * 2018-03-30 2022-08-26 パナソニックＩｐマネジメント株式会社 生産計画作成方法および生産計画作成装置
JP7029597B2 (ja) * 2018-03-30 2022-03-04 パナソニックＩｐマネジメント株式会社 生産計画作成方法および生産計画作成装置
SG11202104066UA (en) * 2018-10-26 2021-05-28 Dow Global Technologies Llc Deep reinforcement learning for production scheduling
JP7272873B2 (ja) * 2019-06-11 2023-05-12 株式会社日立製作所 計画作成支援装置および計画作成支援方法
JP7311373B2 (ja) 2019-09-20 2023-07-19 株式会社日立製作所 計算機システム、計画の生成方法、及びプログラム
JP7316191B2 (ja) * 2019-10-29 2023-07-27 株式会社日立製作所 計画作成装置および計画作成方法
JP7408417B2 (ja) * 2020-01-29 2024-01-05 株式会社日立製作所 多主体連携計画システムおよび多主体連携計画方法
CN111340383B (zh) * 2020-03-09 2023-09-15 中国船舶工业综合技术经济研究院 一种随机扰动下组立构件日程计划动态调整方法及系统
JP7177801B2 (ja) * 2020-04-16 2022-11-24 株式会社豊田中央研究所 工程編成の装置、その方法およびそのプログラム
JP2023004628A (ja) * 2021-06-28 2023-01-17 株式会社日立製作所 生産計画変更支援装置、生産計画変更支援方法、そのプログラム、および生産管理システム
JP2023013367A (ja) * 2021-07-16 2023-01-26 富士通株式会社 情報処理装置、作業計画立案方法、および作業計画立案プログラム
JP2023104030A (ja) * 2022-01-17 2023-07-28 富士通株式会社 立案プログラム、立案方法、および情報処理装置
CN117217501B (zh) * 2023-11-09 2024-02-20 山东多科科技有限公司 一种数字化生产计划与调度方法
CN117852842A (zh) * 2024-03-07 2024-04-09 山东豪泉软件技术有限公司 一种订单排产方法、装置、电子设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006155011A (ja) * 2004-11-26 2006-06-15 Jfe Steel Kk 生産計画立案装置及び生産計画立案方法
JP2012194712A (ja) * 2011-03-16 2012-10-11 Panasonic Corp 生産計画作成方法
JP2012212224A (ja) * 2011-03-30 2012-11-01 Nippon Steel Corp 計画修正支援装置、方法及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0721263A (ja) * 1993-06-22 1995-01-24 Toshiba Corp 生産指示装置
JPH11102398A (ja) * 1997-09-26 1999-04-13 Nippon Steel Corp スケジューリング方法および記録媒体
JP2000071119A (ja) * 1998-08-28 2000-03-07 Nippon Steel Corp 形鋼の鋸断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006155011A (ja) * 2004-11-26 2006-06-15 Jfe Steel Kk 生産計画立案装置及び生産計画立案方法
JP2012194712A (ja) * 2011-03-16 2012-10-11 Panasonic Corp 生産計画作成方法
JP2012212224A (ja) * 2011-03-30 2012-11-01 Nippon Steel Corp 計画修正支援装置、方法及びプログラム

Also Published As

Publication number Publication date
US20190228360A1 (en) 2019-07-25
JP6764025B2 (ja) 2020-09-30
WO2018220885A1 (ja) 2018-12-06
WO2018220744A1 (ja) 2018-12-06

Similar Documents

Publication Publication Date Title
WO2018220885A1 (ja) 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム
CN109870903B (zh) 参数优化方法、装置以及非瞬时计算机可读取介质
CN107464025B (zh) 基于大数据的供应链需求预测与智能决策方法
JP6962539B2 (ja) 業務計画最適化方法
CN107636704A (zh) 从产品生命周期到设计和制造的数据反馈环路
Hasegan et al. Predicting performance–a dynamic capability view
JP6467264B2 (ja) 計画作成支援装置および計画作成支援方法
Azimi et al. Applying basic control theory principles to project control: Case study of off-site construction shops
WO2013061166A2 (en) Method and system for solution of models
Machani et al. A variable neighbourhood search for integrated production and preventive maintenance planning in multi-state systems
Chan et al. Comparative performance analysis of a flexible manufacturing system (FMS): a review-period-based control
JP2020201781A (ja) 計画作成支援装置および計画作成支援方法
Rahimifard et al. The enhanced use of enterprise and simulation modellingtechniques to support factory changeability
JP2022549407A (ja) レジーム・シフトの識別及び分析のための方法及びシステム
KR20210042709A (ko) 기업 관계 데이터를 이용한 주가 예측 방법 및 서버
CN109978299A (zh) 用于海上风电业务的数据分析方法、装置和存储介质
Fujita Deep Reinforcement Learning Approach for Maintenance Planning in a Flow-Shop Scheduling Problem
Friederich et al. A Framework for Validating Data-Driven Discrete-Event Simulation Models of Cyber-Physical Production Systems
Zhen et al. A structured modelling approach to simulating dynamic behaviours in complex organisations
Olsson et al. Case-based reasoning applied to geometric measurements for decision support in manufacturing
Bi et al. Application of fuzzy ANP in production line selection evaluation indices system in ERP
JP2020181576A (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
Ilahi et al. BPFlextemplate: a software tool to derive flexible process model templates
JP7244128B2 (ja) 業務計画最適化装置及び業務計画最適化方法
Billiet et al. A review on simulation metamodeling for decision support systems using artificial neural networks

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200414

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200522

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: 20200901

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200910

R150 Certificate of patent or registration of utility model

Ref document number: 6764025

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150