WO2011065328A1 - 生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム - Google Patents

生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム Download PDF

Info

Publication number
WO2011065328A1
WO2011065328A1 PCT/JP2010/070811 JP2010070811W WO2011065328A1 WO 2011065328 A1 WO2011065328 A1 WO 2011065328A1 JP 2010070811 W JP2010070811 W JP 2010070811W WO 2011065328 A1 WO2011065328 A1 WO 2011065328A1
Authority
WO
WIPO (PCT)
Prior art keywords
factors
scenario
production plan
narrowing
planning
Prior art date
Application number
PCT/JP2010/070811
Other languages
English (en)
French (fr)
Inventor
聡史 福島
順子 細田
淳 立石
輝男 仲田
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2011065328A1 publication Critical patent/WO2011065328A1/ja

Links

Images

Classifications

    • 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
    • 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
    • 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
    • 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]

Definitions

  • the present invention relates to a method for creating a production plan for minimizing management risk associated with a shortage and excess inventory caused by an error in the prediction of product requirements at the time of ordering materials in a manufacturing industry that produces products, and its
  • the present invention relates to an apparatus and a computer program thereof.
  • production plans are made using information such as product demand, process yield, and parts delivery LT (Lead Time).
  • Information used for the production planning is referred to as a factor here. Since the value of the factor fluctuates, the predicted value and actual value at the time of production planning are not always the same. In view of this, it is assumed that the most probable predicted value is assumed at the time of production planning, and that a production plan having the best management index value is made.
  • Patent Document 1 describes a method of calculating a management index for all scenarios when a product demand fluctuates, and creating a production plan with the best expected value.
  • Patent Document 1 a production plan that makes the expected value of the management index the best from all scenarios is drawn up.
  • the number of scenarios has increased to a huge number as in the recent business environment, calculation is performed accordingly. Time has increased and it has become difficult to calculate in real time. Therefore, to calculate in real time, it is necessary to reduce the number of scenarios.
  • a method for narrowing down the number of scenarios a method is conceivable in which the occurrence probability for each scenario is calculated, and only scenarios having an occurrence probability equal to or higher than a certain reference value are extracted.
  • the present invention has been made in view of the above problems, and an object of the present invention is to provide a production plan drafting apparatus that can plan a production plan with high accuracy of expected values of management indices in real time by narrowing down scenarios. .
  • the present invention shows a scenario in which a device for planning a production plan is combined with predicted values of a plurality of factors, which are information used for planning a product production plan, and the product process and bill of materials.
  • a production plan drafting means for drafting a plan.
  • a plurality of factors which are information used for planning a product production plan, are stored in a storage unit of the computer device, and a plurality of factors stored in the storage unit are stored.
  • a scenario is created by combining these factors, the number of scenarios is narrowed down by narrowing down multiple factors with the first computing means of the computer device, and the multiple factors narrowed down with the first computing means and the narrowed down scenario are displayed on the screen. Based on the scenario displayed above and confirmed on the displayed screen, the production plan is made by the second computing means of the computer apparatus.
  • a computer program for creating a production plan using a computer has a step of inputting a plurality of factors, which are information used for planning a product production plan, and a scenario combining a plurality of inputted factors. Steps to create, Steps to narrow down the number of scenarios by narrowing down multiple factors, Steps to display multiple narrowed down factors and narrowed down scenarios on the screen, Scenarios displayed on the screen in the step of displaying And making the computer execute a step of making a production plan based on the above.
  • a scenario is narrowed down based on a fluctuation range that is a difference between management indexes of two scenarios, thereby producing a production plan with high accuracy of management index expectation values. be able to.
  • the predicted value of the product A demand amount and the occurrence probability after considering the scenario of 300 product A demands calculated, the scenario of 100 product A demands, and the scenario of 160 product A demands It is a figure which shows the example of data. It is a figure which shows the example of data of the predicted value and occurrence probability of the product A demand amount calculated
  • FIG. 1 is a block diagram showing a functional configuration of the device of the present invention.
  • the production plan planning apparatus 100 includes an input unit 110, a narrowing calculation unit 120, a production plan planning unit 130, an output unit 140, and a storage unit 150.
  • the storage means 150 includes a demand amount distribution information storage unit 151, a yield distribution information storage unit 152, a delivery LT distribution information storage unit 153, a cost information storage unit 154, a process information storage unit 155, a management index information storage unit 156, and factor information.
  • a storage unit 157, a scenario information storage unit 158, and a production plan information storage unit 159 are included.
  • the input unit 110 includes a demand distribution for each product, a yield distribution for each process, a delivery LT distribution for each part, a unit sales price for each product, a unit price for each part, a unit price for each product, and a unit price for each product per unit period. Processing to accept the unit price of inventory, the component configuration and the number and process of each product, the management index, and the allowable range of the management index is performed.
  • the demand amount distribution for each product, the yield distribution for each process, and the delivery LT distribution for each part are input as discrete values.
  • each distribution can be input as a continuous distribution. In that case, parameters of continuous distribution such as average value and variance are accepted as input. Then, the distribution is divided and converted into a discrete distribution.
  • the input unit 110 stores the received demand amount distribution for each product in the demand amount distribution information storage unit 151 of the storage unit 150, and stores the received yield distribution for each process in the yield distribution information storage unit 152.
  • the delivery LT distribution for each part is stored in the delivery LT distribution information storage unit 153, and the received unit sales price for each product, the purchase unit price for each part, the production unit price for each product, the inventory cost for each product per unit period, Stored in the cost information storage unit 154, the received component configuration, number and process of each product are stored in the process information storage unit 155, and the accepted management index and the allowable range of the management index are stored in the management index information storage unit 156. Store.
  • the narrowing down calculation unit 120 narrows down the number of scenarios based on the fluctuation width that is the difference between the management indices of two scenarios.
  • the refinement calculation unit 120 includes the demand amount distribution information for each product stored in the demand amount distribution information storage unit 151 of the storage unit 150 and the yield distribution for each process stored in the yield distribution information storage unit 152.
  • the difference between the management indices of the two scenarios when a certain factor is changed with respect to the scenario generated based on the information and the delivery LT distribution information for each part stored in the delivery LT distribution information storage unit 153 The number of scenarios is narrowed down by gathering those whose fluctuations are within the allowable range of the management indicators stored in the management indicator information storage unit 156, and the gathered factors are reduced to the factor information storage unit 160157 as scenarios.
  • the information is stored in the information storage unit 158. *
  • the production plan planning unit 130 formulates a production plan that optimizes the management index stored in the management index information recording unit 156 from the scenario stored in the scenario information storage unit 158 of the storage unit 150, and stores the production plan information storage Stored in the unit 159.
  • the output unit 140 stores the demand amount distribution information storage unit 151, the yield distribution information storage unit 152, the delivery LT distribution information storage unit 153, the factor information storage unit 157, the scenario information storage unit 158, and the production plan information storage unit 159 of the storage unit 150.
  • An interface that displays stored factors, scenarios, and production plans.
  • the factor information storage unit 157 stores the factors collected by the narrowing down calculation unit 120.
  • the scenario information storage unit 158 stores the scenario generated by the refinement calculation unit 120.
  • the production plan information storage unit 159 stores the production plan created by the production plan planning unit 130.
  • the production planning apparatus 100 having the various functions described above is realized by a computer as shown in FIG. 3, for example.
  • FIG. 2 is a block diagram illustrating an example of a hardware configuration of the production planning apparatus 100.
  • the production planning apparatus 100 includes a CPU 201, a RAM 210, a ROM 220, an auxiliary storage device 230, a display device 240, an input device 250, and a media reading device 260.
  • the production planning device 100 is, for example, a general PC.
  • the CPU 201 is a unit that executes various calculations.
  • the CPU 201 executes various processes by executing a predetermined production planning program (not shown) loaded from the auxiliary storage device 230 to the RAM 210.
  • the production planning program is, for example, an application program that can be executed on an OS (Operating System) program.
  • OS Operating System
  • the production planning program may be installed in the auxiliary storage device 230 from a portable storage medium via the media reader 260, for example.
  • the RAM 210 is a memory that stores a program executed by the CPU 201, data necessary for executing the program, and the like.
  • the ROM 220 is a memory that stores a program and the like necessary for starting up the production planning apparatus 100.
  • the auxiliary storage device 230 is a device such as an HDD (Hard Disk Drive). An SSD (Solid State Drive) using a flash memory or the like may be used.
  • the display device 240 is a device such as a CRT display, LCD (Liquid Crystal Display), or organic EL (Electro-Luminescence) display.
  • the input device 250 is a device such as a keyboard, a mouse, and a microphone, for example.
  • the media reader 260 is a device that reads information from a portable storage medium having portability such as a CD-ROM.
  • the above-described narrowing-down calculation unit 120 and production plan drafting unit 130 are realized, for example, by the CPU 201 executing a production plan drafting program loaded into the RAM 210.
  • the data of the cost information storage unit 153, the process information storage unit 154, the management index information storage unit 155, the factor information storage unit 160, the scenario information storage unit 161, and the production plan information storage unit 162 are stored in, for example, the RAM 210 or the auxiliary storage device 230. Stored.
  • the input unit 110 is realized, for example, when the CPU 201 executes a predetermined program and controls the input device 250 and the auxiliary storage device 230.
  • the output unit 140 is realized, for example, when the CPU 201 executes a predetermined program and controls the display device 240.
  • FIG. 3 shows a process flow of production planning according to the present invention.
  • the demand distribution for each product from the input device 250, the yield distribution for each process, the delivery LT distribution for each part, the unit sales price for each product, the unit price for purchase for each part, the unit price for each product, and for each product per unit period The data such as the inventory unit price, the component configuration and the number of each product, the process, the management index, and the allowable range of the management index are input (S301), and the input unit 110 performs a process of receiving the input data.
  • the input data is displayed on the screen 400 (see FIG. 4) of the display device 240 (S302).
  • the management index and its allowable range are set and input on the screen 400 of the display device 240 (S303).
  • FIG. 4 shows an example of the screen 400 of the display device 240 displaying the input data.
  • the screen 400 includes an input / instruction unit 410 and a factor / scenario display unit 420.
  • the factor / scenario display unit 420 includes a factor list display unit 421 before narrowing down, a factor list display unit 422 after narrowing down, and a scenario.
  • a display unit 423 and a production planning execution instruction unit 424 are provided.
  • step S303 the information stored in each of the information storage units 151 to 155 of the storage unit 150 corresponding to each factor in the list display unit 421 of the factors before narrowing down, the selected management index 411, its allowable range 412 and its Unit 413 is displayed.
  • FIG. 5 shows an example in which data 431 before narrowing down, data 432 after narrowing down, and scenario 433 are displayed on the screen 400.
  • the narrowing result is checked on the screen 400 on which the narrowing result is displayed (S306). If the result of the check is satisfactory, the production plan planning unit 130 of the CPU 201 executes the production plan planning by clicking the production plan planning execution display unit 424 on the screen 400 (S307), and the result is displayed on the screen 400. (S308).
  • the process returns to the step of S303 and the management index 411, the allowable range 412 and the unit 413 are reset on the screen 400, and the steps S303 to S306 are performed. Run the step again.
  • the demand amount distribution for each product the yield distribution for each process, the delivery LT distribution for each part, the unit sales price for each product, the unit price for each part, and the production for each product.
  • Demand distribution information storage unit that inputs data such as unit price, unit unit price for each product period, parts configuration and number and process for each product, process index, management index, and allowable range of management index, etc. 151, yield distribution information storage unit 152, delivery LT distribution information storage unit 153, cost information storage unit 154, process information storage unit 155, and management index information storage unit 156.
  • the demand predicted value of product A stored in the demand amount distribution information storage unit 151 of the storage unit 150 and the occurrence probability are 3% of the predicted value with respect to 100 predicted values. 5 occurrence probability for 120 values, 7% occurrence probability for 140 prediction values, 10% occurrence probability for 160 prediction values, 15% occurrence probability for 180 prediction values, 200 prediction values 30% occurrence probability for 220 pieces, 10% occurrence probability for 220 prediction values, 8% occurrence probability for 240 prediction values, 5% occurrence probability for 260 prediction values, and 280 prediction values On the other hand, the occurrence probability is 4%, and the occurrence probability is 3% for 300 predicted values.
  • the process considering the variation in yield from the yield distribution information stored in the yield distribution information storage unit 152 is one type of process 1.
  • the predicted value and occurrence probability in step 1 are 10% for a predicted value of 60%, 20% for a predicted value of 70%, 40% for a predicted value of 80%, and 90% for a predicted value.
  • the probability of occurrence is 20%, and the probability of occurrence is 10% for the predicted value of 100%.
  • the predicted value and occurrence probability of the parts a delivery LT are 5% for the predicted value 1 day, 10% for the predicted value 2 days, 20% for the predicted value 3 days, and the predicted value.
  • the occurrence probability is 15% for 4 days, the occurrence probability is 40% for the predicted value 5 days, and the occurrence probability is 10% for the predicted value 6 days.
  • the sales unit price of the product A is 7,500 yen, and as shown in FIG.
  • the unit price of product A is 1,000 yen per product, and the unit price of product A is 100 yen per day per product.
  • process 1 As process information stored in the process information storage unit 155, as shown in FIG. 10A, in process 1, a product A is manufactured from a part a. Furthermore, as shown in FIG. 10B, the number of parts a required to manufacture one product A is one.
  • the best management index is profit as shown in FIG. 11A, and its allowable range is 500,000 yen as shown in FIG. 11B. is there.
  • profit sales ⁇ cost ⁇ inventory cost is defined.
  • cost parts purchase cost + product manufacturing cost
  • sales sales unit price x quantity
  • parts purchase cost part unit price x quantity
  • product manufacturing cost production unit price x quantity
  • inventory cost inventory unit price x quantity x days calculate.
  • the narrowing calculation unit 120 sets a combination of the demand amount and the occurrence probability with the maximum occurrence probability from the demand amount distribution information stored in the demand amount distribution information storage unit 151 of the storage unit 150.
  • the delivery LT information stored in the delivery LT distribution information storage unit 153 is extracted from the yield information stored in the yield distribution information storage unit 152. From the above, a set of demand and occurrence probability with the highest occurrence probability is extracted.
  • the combination of the extracted demand amount, yield, and delivery LT is a scenario that maximizes the occurrence probability (S1201).
  • the occurrence probability of the scenario is obtained by multiplying the occurrence probability of each factor. As shown in FIG.
  • the production planning device 100 performs MRP development using each factor of the scenario generated above as a fixed value, and drafts a production plan that maximizes the selected management index (S1202).
  • the user selects profit as a management index.
  • the bucket in the present embodiment is assumed to be a weekly unit, and when the production quantity exceeds the sales quantity, the inventory cost is recorded as the amount of inventory held for 7 days.
  • 250 parts a are ordered on August 7, 2009, and 250 parts are put into process 1 on August 12, 2009.
  • a management index is calculated in the scenario with the maximum probability of occurrence when the planned production plan is executed (S1203).
  • the sales in the scenario with the maximum occurrence probability are 200 pieces and the sales are 1,500,000 yen
  • the cost at that time is as shown in FIG. 14B.
  • the purchase cost for parts is 250,000 yen for 250 parts
  • the production cost is 250,000 yen for 250 parts
  • the total cost is 500,000 yen
  • the inventory cost is 0 yen
  • the profit is 1,000,000, as shown in FIG. 000 yen.
  • a factor for narrowing down is selected (S1204), and the selected factor narrowing step is executed (S1205).
  • the probability distribution is reconstructed from the fluctuation widths of the management indices of the two scenarios when the factor selected in the factor selection step (S1204) is changed.
  • a detailed processing flow of the factor narrowing step (S1205) when the demand amount of the product A is selected will be described with reference to FIG.
  • the refinement calculation unit 120 of the production planning apparatus 100 predicts the demand for the product A stored in the demand amount distribution information storage unit 151 of the storage unit 150 shown in FIG. It is extracted from the demand amount distribution information related to the value and its occurrence probability (S1501). Here, there are 200 predicted values with the maximum occurrence probability of the product A demand amount, and the occurrence probability is 30%.
  • the demand amount of the product A becomes the maximum because the demand amount of the product A is 300, the probability of occurrence is 3%, and the probability of occurrence of the yield of the process 1 is as shown in FIG.
  • the maximum is 80% from FIG. 7, the probability of occurrence is 40%, the probability of occurrence of the delivery LT of the part a is the maximum from FIG. 8 to 5 days, and the probability of occurrence is 40%.
  • the generated occurrence probability is 0.48% by multiplying the respective occurrence probabilities (3% ⁇ 40% ⁇ 40%), and the result is as shown in FIG. 16A.
  • the demand amount of product A is the minimum because the demand amount of product A is 100, the probability of occurrence is 3%, and the probability of occurrence of the yield of process 1 is the maximum. Is 80% from Fig. 7, and the occurrence probability of delivery LT of part a is the maximum from Fig. 8 to 5 days, the occurrence probability is 40%, and the total occurrence probability is multiplied by each occurrence probability (3% ⁇ 40% ⁇ 40%) is 0.48%, and the result is shown in FIG. 17A.
  • a section to narrow down the factors is generated (S1502). In the case of narrowing down the demand amount of the product A, the narrowed section is the predicted value of the demand amount when the occurrence probability is 40% in FIG.
  • the target section for narrowing down the factors is determined (S1503).
  • the demand amount distribution information of FIG. 6 regarding the demand amount of the product A, 200 sections with the maximum occurrence probability and 300 sections with the maximum product A demand amount are targeted.
  • a management index is calculated for each end point of the target section (S1504). That is, for the scenario with the highest probability of occurrence, the profit is 1,000,000 yen as already calculated in FIG. 14C, and in the scenario where the demand for product A is the maximum, the sales volume is 200 pieces as shown in FIG. 16B. The sales will be 1,500,000 yen, as shown in Fig. 16C, the parts purchase cost is 250 pieces for 250,000 yen, the production cost is 250 pieces for 250,000 yen, and the cost is 500,000 yen which is the sum of them. The inventory cost is 0 yen, and the profit is 1,000,000 yen as shown in FIG. 16D. Therefore, the difference between the profit of the scenario where the occurrence probability is the maximum and the profit of the scenario where the demand for the product A is the maximum is 0 yen.
  • the difference 0 yen obtained above is compared with the allowable range 500,000 yen shown in FIG. 11B (S1505), and since the result is smaller than the allowable range, the corresponding sections are combined into one (S1507).
  • the scenarios are collected with the scenario with the highest occurrence probability, and if not, they are collected with the previously generated scenario.
  • all the demand values of the product A that are predicted values between 200 and 300 are regarded as those for which the demand amount of the product A is predicted to be 200, and the occurrence probability is the sum of the corresponding sections.
  • a management index is calculated for each end point of the target section (S1504). That is, for the scenario with the highest occurrence probability, the profit is 1,000,000 yen as already calculated in FIG. 14C, and in the scenario where the demand for product A is the minimum, the sales volume is 100 units as shown in FIG. 17B. 1750,000 yen, as shown in FIG. 17C, the parts purchase cost is 250 pieces for 250,000 yen, the production cost is 250 pieces for 250,000 yen, the cost is 500,000 yen, and the inventory cost is 7 pieces. Since it has a day, it is 70,000 yen, and the profit is 180,000 yen as shown in FIG. 17D. Further, the difference between the profit of the scenario where the occurrence probability is the maximum and the profit of the scenario where the demand for the product A is the minimum is 820,000 yen.
  • the difference 820,000 yen obtained above is compared with the allowable range 500,000 yen shown in FIG. 11B (S1505).
  • a scenario and a section are generated by taking an intermediate point of the corresponding section (S1506).
  • an intermediate point (150 predicted values) between the minimum demand amount of the product A (100 predicted values) and the maximum occurrence probability (200 predicted values) does not exist in the input of the demand amount of the product A in FIG.
  • a predicted value (160 pieces) closest to the middle point is taken in a direction approaching the maximum occurrence probability value, and a scenario is generated as shown in FIG. 19A.
  • the generated sections are sections with the maximum occurrence probability (200 predicted values) and 160 predicted values, and the product A demand amount is minimum (100 predicted values) and 160 predicted values.
  • the process returns to S1503, and the target section for narrowing down the factors is determined.
  • the maximum occurrence probability of 200 pieces and 160 pieces are set as target sections.
  • a management index is calculated for each end point of the target section (S1504). That is, for the scenario with the highest probability of occurrence, the profit is 1,000,000 yen as already calculated in FIG. 14C, and in the scenario where the demand for product A is 160, the sales volume is 160 as shown in FIG. 19B.
  • the sales amount is 1,200,000 yen, and as shown in FIG. 19C, the parts purchase cost is 250 for 250,000 yen, the manufacturing cost is 250 for 250,000 yen, the cost is 500,000 yen, and the inventory cost is 40 Since it has 7 days, it is 28,000 yen, and as shown in FIG. 19D, the profit is 672,000 yen.
  • the difference between the profit of the scenario where the probability of occurrence is the maximum and the profit of the scenario where the demand amount of the product A is 160 is 328,000 yen.
  • the profit difference of 328,000 yen determined above is compared with the allowable range of 500,000 yen shown in FIG. 11B (S1505).
  • the process returns to S1503 to select the minimum 100 and 160 sections for the demand amount of the product A.
  • a management index is calculated for each end point of the target section (S1504). That is, the profit is 180,000 yen as calculated in FIG. 17D for the scenario where the demand amount of product A is 100 (minimum), and the scenario where the demand amount of product A is 160 is already calculated in FIG. 19D. The profit is 672,000 yen. Further, the difference between the profit of the scenario where the demand amount of the product A is 100 pieces (minimum) and the profit of the scenario where the demand amount of the product A is 160 pieces is 492,000 yen as shown in FIG. 19D.
  • the difference in profit of 492,000 yen obtained above is compared with the allowable range of 500,000 yen shown in FIG. 11B (S1505).
  • the factor information 1520 shown in FIG. 15 is stored in the factor information storage unit 157 (S1510).
  • the process returns to the factor selection step (S1204) to select the process 1 yield, and the process 1 yield in the factor narrowing step (S1205) is also shown in FIG.
  • the processing flow from S1501 to S1510 is executed, and the sections of the factor of the process 1 yield are collected.
  • the factor information 1520 is stored in the factor information storage unit 157 as shown in FIG. 22 in which the predicted value of the process 1 yield is 80% and the occurrence probability is 100% (S1510).
  • the process returns to the factor selection step (S1204) to select the component a delivery LT, and the component a delivery LT in the factor narrowing step (S1205) is also described above.
  • the processing flow from S1501 to S1510 shown in FIG. 15 is executed, and the section of the factor of the component a delivery LT is collected (S1206).
  • the factor information 1520 has a predicted value of the part a delivery LT of 5 days, an occurrence probability of 90%, an estimated value of 6 days, and an occurrence probability of 10%. It is stored in 157 (S1510).
  • the all factor check step (S1206) in FIG. 12 again, it is checked whether or not all factors have been narrowed down. After confirming that all factors have been narrowed down, all the factors have been collected, To generate all combinations. That is, as shown in FIG. 24, the demand for the product A is 100 pieces, the process 1 yield is 80%, the part a delivery LT is 5 days, the occurrence probability is 13.50%, the product A demand is 100 pieces, the process 1 yield is 80%.
  • scenario information 1220 is stored in the scenario information storage unit 158.
  • the factor information 1520 and scenario information 1220 obtained by using the above method are displayed by the output unit 140 as shown in FIG. Furthermore, when the user clicks the production plan planning execution button 424, the production plan planning unit 130 starts the production plan planning execution flow shown in FIG.
  • input data is mapped to optimization calculation model information 2503 registered in advance in the auxiliary storage device 230 to create a model (S2501), and optimization calculation input data 2501 is created.
  • the scenario information 1220 stored in the scenario information storage unit 158 and the management index information storage unit 156 are stored in the predetermined coefficients of the registered linear equations.
  • the input data 2501 for optimization calculation is generated by substituting the factors summarized by the narrowing calculation unit 120 stored in the management index value and factor information storage unit 157. The same applies when an optimization algorithm other than linear programming is applied.
  • the CPU 201 After generating the input data 2501 for optimization calculation, the CPU 201 reads the input data 2501 for optimization calculation, and calculates the production volume that maximizes the target achievement rate based on the value of the management index by the optimization algorithm.
  • An example of the optimization algorithm is shown below.
  • one production plan is created as an initial solution (S2502). The difference between the production amount and the required amount of the created production plan is calculated, and the stock amount is calculated when the production amount exceeds the required amount, and the shortage amount is calculated when the production amount is lower than the required amount.
  • the production plan calculation loop is terminated, and a production plan that optimizes the management index is obtained.
  • the requested amount is compared with the production amount calculated by the optimization calculation for each scenario, and data calculation is performed with the shortage of production amount as the shortage amount and the surplus as the stock amount (S2506).
  • FIG. 26 shows an example displayed in tabular form as an example of the production plan information 2502 calculated in S2506.
  • the optimum input for the product request date is displayed.
  • the results calculated in accordance with the production planning flow shown in FIG. 25 are shown in FIGS. 26A to 26C.
  • a production plan designed to maximize the expected value of profit is as follows. As shown in FIG. 26A, 250 parts a were ordered on August 6, 2009, and 250 parts were put into process 1 on August 12, 2009. Yes, this information is stored in the production plan information storage unit 159.
  • the expected value of profit in this production plan is 777,484 yen as shown in FIG. 26B, and the profit for each scenario is 160,000 yen for scenario 1 and 180 for scenario 2 as shown in FIG. 26C.
  • the production planning apparatus 100 generates a production plan 271, an expected profit value 272 corresponding to the production plan 271, and a profit 273 for each scenario, which are planned so as to maximize the expected value of profit according to the production plan planning flow shown in FIG. Is displayed on the display device 240 on a screen 270 as shown in FIG.
  • Example 2 the best management index is profit as shown in FIG. 28A, and the goal is to have about 20 scenarios as shown in FIG. 28B.
  • Other input values are the same as those in the first embodiment.
  • a screen 290 of the display device 240 shown in FIG. 29 is an example of a start screen displayed when the user starts the production planning process program by a predetermined operation.
  • the user selects a management index using the input device, specifies the number of scenarios, and clicks a narrowing execution button 291, the production plan planning apparatus 100 starts a narrowing execution flow shown in FIG.
  • a scenario with the maximum occurrence probability is generated in the same manner as in the first embodiment, as described with reference to FIG. 12 (S3001), and the production with the maximum profit for the scenario is generated.
  • a plan is created (S3002), and a management index for the drafted production plan, that is, the profit of the scenario with the maximum occurrence probability is calculated (S3003).
  • the range of the number of scenarios is set (S3004). As shown in FIG. 31, the range of the number of scenarios is set to round to the input value (20), with the lower end being 16 and the upper end being 24.
  • an allowable range is provisionally determined (S3005). Based on the production plan prepared from the scenario with the maximum occurrence probability, the profit of the scenario with the maximum occurrence probability shown in FIG. 14C is set as a provisional allowable range.
  • the factor intervals for all the factors are narrowed down as in the first embodiment (S3006 to S3008). Further, a scenario is generated based on the narrowed section (S3009), and the scenario information 3001 is stored in the scenario information storage unit 161.
  • the number of generated scenarios is within the scenario range of FIG. 31 (S3010).
  • the allowable range is 1,000,000 yen
  • the number of scenarios is 2 and does not fall within the allowable range.
  • the allowable range is set to 1.5 times 1,500,000 yen (S3012).
  • the production planning apparatus 100 narrows down the factors from the input values using this allowable range (S3007), and generates a scenario (S3009). This process is repeated until the number of scenarios falls within the scenario number range shown in FIG.
  • the allowable range is 250,000 yen
  • the number of scenarios is 16, and the scenario number range shown in FIG. Since the subsequent processing is the same as that of the first embodiment, it is omitted.
  • the present invention includes a case where a part of the configuration (step) described in the above embodiment is replaced by a step or means having a function equivalent to that, or a case where a part of a function that is not substantial is omitted. .
  • the present invention is used as a method for planning a production plan for minimizing management risk associated with a shortage caused by a product requirement forecast at the time of ordering materials and an excess inventory in a manufacturing industry that produces products. Is possible.
  • DESCRIPTION OF SYMBOLS 100 ... Production-planning apparatus 110 ... Input part 120 ... Refinement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

　経営指標の期待値の精度がよい生産計画を、実時間内に立案できるように、シナリオを絞り込むための方法及びその装置であって、発生確率最大のシナリオに対して経営指標が最良となる生産計画を立案し、ある一つの要因の予測値を変化させたときの二つのシナリオの経営指標、および経営指標の差分である振れ幅を算出する。振れ幅が一定範囲内になるように、要因の予測値を纏めることで、シナリオを絞り込む。上記手法により予測値を絞り込んだ要因から生成したシナリオから、経営指標の期待値の精度が最も高くなる生産計画を立案するようにした。

Description

生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム
　本発明は、製品を生産する製造業において、資材発注時点の製品要求量の予測誤差により発生する欠品及び過剰在庫に伴う経営上のリスクを最小化するための生産計画を立案する方法及びその装置並びにそのコンピュータプログラムに関する。
　製造業では製品需要や工程歩留り、部品納入ＬＴ（Lead Time）等の情報を用いて生産計画を立案する。これら生産計画の立案に用いる情報をここでは要因と呼ぶ。要因の値は変動するため，生産計画立案時の予測値と実績値が常に一致するとは限らない。そこで，生産計画立案時に最も起こり得る予測値を仮定し、経営指標の値が最良となる生産計画を立案することが行われている。
　ここで、複数ある要因の予測値の組み合わせをシナリオとして定義すると、上記の方法は最も発生確率の高いシナリオを対象として生産計画を立案しているものと考えられる。しかし、予測値の発生確率が最も高いシナリオを対象として、経営指標が最良となる生産計画を立案すると、発生確率が低く経営指標に大きな影響を与えるようなシナリオが実現した場合、計画時に想定した経営指標の値よりも実際の経営指標が悪化する可能性がある。そのため、起こりうる全てのシナリオに対して経営指標を算出し、その期待値が最良となる生産計画を立案する方式が求められている。特許文献１では製品需要が変動した際に、全シナリオに対して経営指標を算出し、その期待値が最良となる生産計画を立案する方法が記載されている。
　しかし、近年、多品種を生産する企業やグローバルに生産拠点を構える企業が増加している。需要は製品毎に変動するため、製品種が増大すると変動を考える要因数も増大する。また、納入ＬＴは部品毎に変動するため、部品種が増大すると変動を考える要因数も増大する。生産拠点が増加すると、歩留りが変動する工程数が増加する。このように，近年のビジネス環境の変化により，変動要因は増加している。さらに，変動要因の増加に伴い，シナリオ数も増大している。これは、各変動要因がとることができる予測値の数を区間数とすると、シナリオ数は、各要因の区間数の積で表わされるためである。
特開２００５－３１６９３２号公報
　特許文献１では全シナリオから経営指標の期待値が最良となる生産計画を立案するが、近年のビジネス環境のもとのようにシナリオ数が膨大な数に増加した場合には、それに伴って計算時間も増大してしまい実時間で計算することがむずかしくなってきている。そこで、実時間で計算するためには、シナリオ数を絞る必要がある。シナリオ数を絞る方法として、シナリオ毎の発生確率を算出し、発生確率がある一定の基準値以上のシナリオのみを抽出する手法が考えられる。しかし、発生確率が低くても、実現すると経営指標が悪化するシナリオを想定しておらず、立案した生産計画は、全シナリオに対して立案した生産計画と大きく異なる（期待値の精度が悪化する）可能性があり、そのために、実際の経営指標が悪化するというリスクを抱えることになる。
　本発明は上記問題を鑑みてなされたもので、シナリオを絞り込むことにより経営指標の期待値の精度がよい生産計画を実時間内に立案できるような生産計画立案装置を提供することを目的とする。
　上記目的を達成するために、本発明では生産計画を立案する装置を、製品の生産計画の立案に用いる情報である複数の要因の予測値を組み合わせたシナリオと製品の工程や部品表を示した工程情報と経営指標情報と立案した生産計画情報とを記憶する記憶手段と、記憶手段に記憶したシナリオを絞り込む絞り込み手段と、絞り込み手段で絞り込んだシナリオと記憶手段に記憶した情報とを用いて生産計画を立案する生産計画立案手段とを備えて構成した。
　また、本発明では、計算機装置を用いて生産計画を立案する方法において、製品の生産計画の立案に用いる情報である複数の要因を計算機装置の記憶手段に記憶させ、記憶手段に記憶させた複数の要因を組合せてシナリオを作成し、計算機装置の第一の演算手段で複数の要因を絞り込むことによりシナリオの数を絞り込み、第一の演算手段で絞り込んだ複数の要因と絞り込んだシナリオとを画面上に表示し、表示した画面上で確認されたシナリオに基づいて計算機装置の第二の演算手段で生産計画を立案するようにした。
　更に、本発明では、コンピュータを用いて生産計画を立案するコンピュータプログラムを、製品の生産計画の立案に用いる情報である複数の要因を入力するステップと、入力させた複数の要因を組合せてシナリオを作成するステップと、複数の要因を絞り込むことによりシナリオの数を絞り込むステップと、絞り込んだ複数の要因と絞り込んだシナリオとを画面上に表示するステップと、表示するステップで画面上に表示されたシナリオに基づいて生産計画を立案するステップとをコンピュータに実行させるように構成した。
　本発明によれば、複数要因の変動を考慮し、ある二つのシナリオの経営指標の差分である振れ幅に基づいてシナリオを絞り込むことで、経営指標の期待値の精度がよい生産計画を立案することができる。
本発明の一実施形態に関わる生産計画立案装置１００の機能構成を示すブロック図である。 本発明の一実施形態に関わる生産計画立案装置１００のハードウェア構成例を示す図である。 本発明の第一の実施例に係る処理の流れを示すフロー図である。 本発明の第一の実施例に係る絞り込み前のＧＵＩの画面の表示例である。 本発明の一実施形態に関わる入出力を示す画面の表示例である。 需要量分布情報のデータ例を示す図である。 歩留り分布情報のデータ例を示す図である。 納入ＬＴ分布情報のデータ例を示す図である。 コスト情報のうち売価情報のデータ例を示す図である。 コスト情報のうち原価情報のデータ例を示す図である。 製品の工程図に関する工程情報のデータ例を示す図である。 製品の部品表に関する工程情報のデータ例を示す図である。 経営指標に関する経営指標情報のデータ例を示す図である。 経営指標の許容範囲に関する経営指標情報のデータ例を示す図である。 図３のＳ３０４の絞込み実行のステップの詳細な流れを示すフロー図である。 算出された発生確率最大シナリオのデータ例を示す図である。 発生確率最大のシナリオに対して利益が最大になる生産計画のデータ例を示す図である。 計算された発生確率最大のシナリオに対する売上のデータ例を示す図である。 計算された発生確率最大のシナリオに対する原価のデータ例を示す図である。 計算された発生確率最大のシナリオに対する利益のデータ例を示す図である。 要因絞り込みステップＳ１２０５の詳細な処理の流れを示すフロー図である。 計算して求めた製品Ａ需要量が３００個のシナリオのデータ例を示す図である。 計算して求めた製品Ａ需要量が３００個のシナリオに対する売上のデータ例を示す図である。 計算して求めた製品Ａ需要量が３００個のシナリオに対する原価のデータ例を示す図である。 計算して求めた製品Ａ需要量が３００個のシナリオに対する利益のデータ例を示す図である。 計算して求めた製品Ａ需要量が１００個のシナリオのデータ例を示す図である。 計算して求めた製品Ａ需要量が１００個のシナリオに対する売上のデータ例を示す図である。 計算して求めた製品Ａ需要量が１００個のシナリオに対する原価のデータ例を示す図である。 計算して求めた製品Ａ需要量が１００個のシナリオに対する利益のデータ例を示す図である。 計算して求めた製品Ａ需要量が３００個のシナリオを処理した後の製品Ａ需要量の予測値と発生確率のデータ例を示す図である。 計算して求めた製品Ａ需要量が１６０個のシナリオのデータ例を示す図である。 計算して求めた製品Ａ需要量が１６０個のシナリオに対する売上のデータ例を示す図である。 計算して求めた製品Ａ需要量が１６０個のシナリオに対する原価のデータ例を示す図である。 計算して求めた製品Ａ需要量が１６０個のシナリオに対する利益のデータ例を示す図である。 計算して求めた製品Ａ需要量が３００個のシナリオ、製品Ａ需要量が１００個のシナリオ、製品Ａ需要量が１６０個のシナリオを考慮した後の製品Ａ需要量の予測値と発生確率のデータ例を示す図である。 計算して求めた製品Ａ需要量の予測値と発生確率のデータ例を示す図である。 計算して求めた工程１歩留りの予測値と発生確率のデータ例を示す図である。 計算して求めた部品ａ納入ＬＴの予測値と発生確率のデータ例を示す図である。 図２０、図２１、図２２に示す要因から生成したシナリオのデータ例を示す図である。 生産計画立案実行ステップＳ３０７の詳細な処理の流れを示すフロー図である。 図２４のシナリオから立案した生産計画のデータ例を示す図である。 図２４のシナリオから立案した利益の期待値のデータ例を示す図である。 図２４のシナリオから立案したシナリオ毎の利益のデータ例を示す図である。 生産計画立案装置１００の出力部１４０に表示する入出力を示す画面例である。 経営指標のデータ例を示す図である。 経営指標の許容範囲のデータ例を示す図である。 第二の実施例に係る入力画面の例を示す図である。 第二の実施例における絞り込みの処理の流れを示すフロー図である。 第二の実施例におけるシナリオ範囲の入力値とそれに対する範囲のデータ例を示す図である。 第二の実施例で算出した許容範囲毎のシナリオ数のデータ例を示す図である。
　本発明の一実施形態について、図面を参照して説明する。
　図１は本発明装置の機能構成を示すブロック図である。本図に示すように、生産計画立案装置１００は、入力部１１０、絞り込み演算部１２０、生産計画立案部１３０、出力部１４０、記憶手段１５０を備えて構成される。記憶手段１５０には、需要量分布情報記憶部１５１、歩留り分布情報記憶部１５２、納入ＬＴ分布情報記憶部１５３、コスト情報記憶部１５４、工程情報記憶部１５５、経営指標情報記憶部１５６、要因情報記憶部１５７、シナリオ情報記憶部１５８、生産計画情報記憶部１５９を有する。
　入力部１１０は、製品毎の需要量分布、工程毎の歩留り分布、部品毎の納入ＬＴ分布、製品毎の売上単価、部品毎の購入単価、製品毎の製造単価、単位期間あたりの製品毎の在庫単価、製品毎の部品構成と員数および工程、経営指標、および経営指標の許容範囲、を受け付ける処理を行う。ここで、本実施例では製品毎の需要量分布、工程毎の歩留り分布、および部品毎の納入ＬＴ分布は離散値で入力される。製品毎の需要量分布情報として、製品毎の需要量の予測値と予測値が実績値と一致する確率である発生確率、工程毎の歩留り分布として、工程毎の歩留りの予測値とその発生確率、納入ＬＴ分布として、部品毎のＬＴの予測値とその発生確率を受け付ける。生産計画立案装置１００では、各分布を連続分布として入力することもできる。その場合は、平均値と分散などの連続分布のパラメータを入力として受け付ける。その後，分布を分割し，離散分布に変換する。
　入力部１１０は受け付けた製品毎の需要量分布を、記憶手段１５０の需要量分布情報記憶部１５１に格納し、受け付けた工程毎の歩留り分布を、歩留り分布情報記憶部１５２に格納し、受け付けた部品毎の納入ＬＴ分布を、納入ＬＴ分布情報記憶部１５３に格納し、受け付けた製品毎の売上単価、部品毎の購入単価、製品毎の製造単価、単位期間あたりの製品毎の在庫費用を、コスト情報記憶部１５４に格納し、受け付けた製品毎の部品構成と員数および工程を、工程情報記憶部１５５に格納し、受け付けた経営指標と経営指標の許容範囲を、経営指標情報記憶部１５６に格納する。
　絞り込み演算部１２０は、ある二つのシナリオの経営指標の差分である振れ幅を元にシナリオの数を絞り込む。
　具体的には、絞り込み演算部１２０は、記憶手段１５０の需要量分布情報記憶部１５１に格納された製品毎の需要量分布情報と、歩留り分布情報記憶部１５２に格納された工程毎の歩留り分布情報と、納入ＬＴ分布情報記憶部１５３に格納された部品毎の納入ＬＴ分布情報などを元に生成されるシナリオに対して、ある要因を変化させたときの二つのシナリオの経営指標の差分である振れ幅が、経営指標情報記憶部１５６に格納されている経営指標の許容範囲内にあるものを纏めることでシナリオ数を絞り込み、纏めた要因を要因情報記憶部１６０１５７に、絞り込んだシナリオをシナリオ情報記憶部１５８に格納する。　
　生産計画立案部１３０は、記憶手段１５０のシナリオ情報記憶部１５８に格納されているシナリオから経営指標情報記録部１５６に保存されている経営指標を最良にする生産計画を立案し、生産計画情報記憶部１５９に格納する。
　出力部１４０は記憶手段１５０の需要量分布情報記憶部１５１、歩留り分布情報記憶部１５２、納入ＬＴ分布情報記憶部１５３、要因情報記憶部１５７、シナリオ情報記憶部１５８、生産計画情報記憶部１５９に格納されている要因、シナリオ、生産計画を表示するインターフェイスである。
要因情報記憶部１５７には、絞り込み演算部１２０により纏められた要因が格納される。シナリオ情報記憶部１５８には、絞り込み演算部１２０により生成したシナリオが格納される。生産計画情報記憶部１５９には、生産計画立案部１３０により立案した生産計画が格納される。
　上記の各種機能を有する生産計画立案装置１００は、例えば、図３に示すようなコンピュータにより実現される。
　図２は、生産計画立案装置１００のハードウェア構成例を示すブロック図である。本図に示すように、生産計画立案装置１００は、ＣＰＵ２０１、ＲＡＭ２１０、ＲＯＭ２２０、補助記憶装置２３０、表示装置２４０、入力装置２５０、メディア読取装置２６０を有する。生産計画立案装置１００は、例えば、一般的なＰＣである。
　ＣＰＵ２０１は、各種演算を実行するユニットである。ＣＰＵ２０１は、補助記憶装置２３０からＲＡＭ２１０にロードした所定の生産計画立案プログラム（図示せず）を実行することにより、各種処理を実行する。
　生産計画立案プログラムは、例えば、ＯＳ（Operating System）プログラム上で実行可能なアプリケーションプログラムである。
　なお、生産計画立案プログラムは、例えば、メディア読取装置２６０を介して可搬型記憶媒体から、補助記憶装置２３０にインストールされてもよい。
　ＲＡＭ２１０は、ＣＰＵ２０１により実行されるプログラムや、プログラムの実行に必要なデータなどを格納するメモリである。ＲＯＭ２２０は、生産計画立案装置１００の起動に必要なプログラムなどを格納するメモリである。
　補助記憶装置２３０は、例えば、ＨＤＤ（Hard Disk Drive）などの装置である。フラッシュメモリなどを用いたＳＳＤ（Solid State Drive）であってもよい。
表示装置２４０は、例えば、ＣＲＴディスプレイ、ＬＣＤ（Liquid Crystal Display）、有機ＥＬ（Electro-Luminescence）ディスプレイなどの装置である。入力装置２５０は、例えば、キーボード、マウス、マイクなどの装置である。
メディア読取装置２６０は、ＣＤ－ＲＯＭ等の可搬性を有する可搬型記憶媒体の情報を読み出す装置である。
　上述した絞り込み演算部１２０、生産計画立案部１３０は、例えば、ＣＰＵ２０１がＲＡＭ２１０にロードした生産計画立案プログラムを実行することにより実現される。需要量分布情報記憶部１５０、歩留り分布情報記憶部１５１、納入ＬＴ分布情報記憶部１５２、
コスト情報記憶部１５３、工程情報記憶部１５４、経営指標情報記憶部１５５、要因情報記憶部１６０、シナリオ情報記憶部１６１、生産計画情報記憶部１６２のデータは、例えば、ＲＡＭ２１０または補助記憶装置２３０に格納される。
　また、入力部１１０は、例えば、ＣＰＵ２０１が所定のプログラムを実行して、入力装置２５０や補助記憶装置２３０を制御することにより実現される。出力部１４０は、例えば、ＣＰＵ２０１が所定のプログラムを実行して、表示装置２４０を制御することにより実現される。
　図３に、本発明による生産計画立案の処理フローを示す。
先ず、入力装置２５０から製品毎の需要量分布、工程毎の歩留り分布、部品毎の納入ＬＴ分布、製品毎の売上単価、部品毎の購入単価、製品毎の製造単価、単位期間あたりの製品毎の在庫単価、製品毎の部品構成と員数および工程、経営指標、および経営指標の許容範囲等のデータを入力し（Ｓ３０１）、入力部１１０でこの入力されたデータを受け付ける処理を行う。次に、この入力したデータを表示装置２４０の画面４００(図４参照)に表示させる（Ｓ３０２）。次に、経営指標及びその許容範囲を表示装置２４０の画面４００上で設定して入力する（Ｓ３０３）。
　図４に入力したデータを表示した表示装置２４０の画面４００の例を示す。画面４００は、入力・指示部４１０と要因・シナリオ表示部４２０とで構成され、要因・シナリオ表示部４２０には絞り込み前の要因のリスト表示部４２１、絞込み後の要因のリスト表示部４２２、シナリオ表示部４２３及び生産計画立案実行指示部４２４を備えて構成されている。Ｓ３０３の段階では、絞り込み前の要因のリスト表示部４２１に各要因に対応する記憶手段１５０の各情報記憶部１５１～１５５に記憶されている情報および選択した経営指標４１１とその許容範囲４１２とその単位４１３が表示される。
　次に、画面４００上で絞り込み実行４１４を指示するとＣＰＵ２０１の絞込み演算部１２０で絞込みを実行し（Ｓ３０４）、絞り込み処理の結果と生成したシナリオの情報を画面４００上に表示する（Ｓ３０５）。図５に、絞り込み前のデータ４３１、絞込み後のデータ４３２、及びシナリオ４３３とを画面４００上に表示した例を示す。
　次に、絞り込み処理の結果が表示された画面４００上で絞込みの結果をチェックする（Ｓ３０６）。チェックの結果良好であれば画面４００上で生産計画立案実行表示部４２４をクリックすることによりＣＰＵ２０１の生産計画立案部１３０で生産計画の立案が実行され（Ｓ３０７），その結果が画面４００に表示される（Ｓ３０８）。
　一方、Ｓ３０６で絞込みの結果をチェックした結果が不良であれば、Ｓ３０３のステップに戻って画面４００上で経営指標４１１や許容範囲４１２とその単位４１３とを再設定し、Ｓ３０３～Ｓ３０６目でのステップを再度実行する。
　次に、上記の各ステップにおいて生産計画立案装置１００により実現される生産計画立案処理について説明する。
　以下では、説明をわかり易くするため、生産計画立案の対象のモデルを例に挙げて説明を行う。まず、図６乃至図１１Ｂを参照して、対象のモデルについて説明する。
　先ず、データ入力ステップ（Ｓ３０１）において、入力装置２５０から製品毎の需要量分布、工程毎の歩留り分布、部品毎の納入ＬＴ分布、製品毎の売上単価、部品毎の購入単価、製品毎の製造単価、単位期間あたりの製品毎の在庫単価、製品毎の部品構成と員数および工程、経営指標、および経営指標の許容範囲等のデータを入力し、それぞれの情報を対応する需要量分布情報記憶部１５１、歩留り分布情報記憶部１５２、納入ＬＴ分布情報記憶部１５３、コスト情報記憶部１５４、工程情報記憶部１５５及び経営指標情報記憶部１５６に記憶する。
　本モデルでは，２００９年８月１２日に販売する製品Ａの需要変動を考える。
まず、図６に示すように、記憶手段１５０の需要量分布情報記憶部１５１に記憶されている製品Ａの需要予測値とその発生確率は、予測値１００個に対して発生確率３％、予測値１２０個に対して発生確率５％、予測値１４０個に対して発生確率７％、予測値１６０個に対して発生確率１０％、予測値１８０個に対して発生確率１５％、予測値２００個に対して発生確率３０％、予測値２２０個に対して発生確率１０％、予測値２４０個に対して発生確率８％、予測値２６０個に対して発生確率５％、予測値２８０個に対して発生確率４％、予測値３００個に対して発生確率３％である。
　また、歩留り分布情報記憶部１５２に記憶されている歩留まり分布情報から、図７に示すように、歩留りの変動を考慮する工程は工程１の１種類である。工程１の予測値と発生確率は、予測値６０％に対して発生確率１０％、予測値７０％に対して発生確率２０％、予測値８０％に対して発生確率４０％、予測値９０％に対して発生確率２０％、予測値１００％に対して発生確率１０％である。
　更に、納入ＬＴ分布情報記憶部１５３に記憶されている納入ＬＴ分布情報から、図８に示すように、納入ＬＴの変動を考慮する部品は部品ａの１種類である。部品ａ納入ＬＴの予測値と発生確率は、予測値１日に対して発生確率５％、予測値２日に対して発生確率１０％、予測値３日に対して発生確率２０％、予測値４日に対して発生確率１５％、予測値５日に対して発生確率４０％、予測値６日に対して発生確率１０％である。
　コスト情報記憶部１５４に記憶されているコスト情報としては、図９Ａに示すように、製品Ａの売上単価は７，５００円であり、図９Ｂに示すように、部品ａの部品単価は１，０００円、製品Ａの製造単価は１個あたり１，０００円、製品Ａの在庫単価は１個あたり１日につき１００円である。
　また、工程情報記憶部１５５に記憶されている工程情報として、図１０Ａに示すように、工程１では、部品ａから製品Ａを製造する。更に、図１０Ｂに示すように、製品Ａを１個製造するために必要な部品ａは１個である。
　更に、経営指標情報記憶部１５６に記憶されている経営指標情報としては、図１１Ａに示すように最良とする経営指標は利益であり、図１１Ｂに示すようにその許容範囲は５００，０００円である。ここで、利益＝売上－原価－在庫費と定義する。ただし、原価＝部品購入費＋製品製造費であるとし、売上＝売上単価×数量、部品購入費＝部品単価×数量、製品製造費＝製造単価×数量、在庫費＝在庫単価×数量×日数として算出する。
　次に、入力データ画面表示ステップ（Ｓ３０２）において、図４に示すような製品Ａに関する絞込み前のデータ４２１が画面４００上に表示される。
　次に、処理条件入力ステップ（Ｓ３０３）において経営指標４１１として「利益」を選択し、許容範囲４１２として「０．５」を指定し、その単位入力欄４１３に「Ｍ￥」を選択した上で、絞込み実行ステップＳ３０４で画面４００に表示されている絞り込み実行ボタン４１４をクリックすると、生産計画立案装置１００のＣＰＵ２０１内にある絞り込み演算部１２０は図１２に示すような絞り込み実行フローを開始する。
　以下に、図１２に沿って絞り込みフローの詳細を説明する。
先ず、絞り込み実行フローが開始されると、絞り込み演算部１２０は、記憶手段１５０の需要量分布情報記憶部１５１に格納された需要量分布情報から発生確率が最大となる需要量、発生確率の組を抽出し、歩留り分布情報記憶部１５２に格納された、歩留り情報から発生確率が最大となる需要量、発生確率の組を抽出し、納入ＬＴ分布情報記憶部１５３に格納された、納入ＬＴ情報から発生確率が最大となる需要量、発生確率の組を抽出する。抽出した需要量、歩留り、納入ＬＴの組合せは、発生確率が最大となるシナリオとなる(Ｓ１２０１)。シナリオの発生確率は、各要因の発生確率を掛け合わせて求める。図１３Ａに示すように発生確率最大となるシナリオは、製品Ａの需要量が２００個、工程１の歩留りが８０％、部品ａの納入ＬＴが５日であり、その発生確率は３０％×４０％×４０％＝４．８０％である。
　次に、生産計画立案装置１００は、上記で生成したシナリオの各要因を確定値としてＭＲＰ展開し，選択した経営指標が最大となる生産計画を立案する(Ｓ１２０２)。本実施例では、ユーザは経営指標として利益を選択している。ここで、本実施例におけるバケットは週単位であるとし、製造数量が売上数量を上回った場合、在庫費は７日間在庫を保持した分を計上するものとする。図１３Ｂに示すように、立案した生産計画は２００９年８月７日に部品ａを２５０個発注し、２００９年８月１２日に工程１に２５０個投入する。
　さらに、この立案した生産計画を実行した際に発生確率最大のシナリオでの経営指標を算出する（Ｓ１２０３）。本実施例の場合、発生確率最大シナリオでの売上は、図１４Ａに示すように、販売量は２００個で売上は１，５００，０００円となり、そのときの原価は図１４Ｂに示すように、部品購入費用は２５０個で２５０，０００円、製造費用は２５０個で２５０，０００円で原価は合計５００，０００円、在庫費用は０円であり、利益は図１４Ｃに示すとおり１，０００，０００円である。
　次に、生産計画立案装置１００において、絞り込みを行う要因を選択し（Ｓ１２０４）、この選択した因絞り込みステップを実行する（Ｓ１２０５）。
　要因絞り込みステップ’（Ｓ１２０５）では、要因選択ステップ（Ｓ１２０４）で選択した要因を変化させたときの二つのシナリオの経営指標の振れ幅から確率分布を再構成する。ここでは、まず、製品Ａの需要量を選択した場合の要因絞込みステップ（Ｓ１２０５）の詳細な処理フローを図１５を用いて説明する。
　生産計画立案装置１００の絞り込み演算部１２０は、製品Ａの発生確率が最大となる予測値を図６に示した記憶手段１５０の需要量分布情報記憶部１５１に記憶されている製品Ａの需要予測値とその発生確率に関する需要量分布情報の中から抽出する（Ｓ１５０１）。　　　
　ここで、製品Ａ需要量の発生確率が最大となる予測値は２００個であり、その発生確率は３０％である。
　次に、選択した要因のみ値を変更し、要因の値が上端および下端となるシナリオを生成する。要因として製品Ａの需要量を選択した場合、製品Ａの需要量が最大となるのは、図６から製品Ａの需要量が３００でその発生確率は３％、工程１の歩留りの発生確率が最大となるのは図７から８０％でその発生確率は４０％、部品ａの納入ＬＴの発生確率が最大となるのは図８から５日でその発生確率は４０％であり、それらを総合した発生確率はそれぞれの発生確率を掛け合わせて（３％×４０％×４０％）０．４８％であり、その結果は図１６Ａに示すようになる。
　一方、図１７Ａに示すように、製品Ａ需要量が最小となるのは、図６から製品Ａの需要量が１００でその発生確率は３％、工程１の歩留りの発生確率が最大となるのは図７から８０％、部品ａの納入ＬＴの発生確率が最大となるのは図８から５日でその発生確率は４０％であり、それらを総合した発生確率はそれぞれの発生確率を掛け合わせて（３％×４０％×４０％）０．４８％であり、その結果は図１７Ａに示すようになる。　
　次に、要因を絞り込む対象の区間を生成する(Ｓ１５０２)。製品Ａの需要量を絞り込む場合、絞り込む区間は図６における発生確率が最大の４０％となるときの需要量の予測値（２００個）と製品Ａの需要量の予測値が最大（３００個）となる区間と、発生確率が最大の４０％となるときの需要量の予測値（２００個）と製品Ａの需要量が最小（１００個）の区間の２区間である。このとき、絞り込む対象以外の要因については発生確率最大となるものを抽出する。
　次に、要因を絞り込む対象の区間を決定する（Ｓ１５０３）。ここでは、図６の需要量分布情報から、製品Ａの需要量について発生確率最大の２００個と製品Ａ需要量が最大の３００個の区間を対象とする。
　さらに、上記対象区間のそれぞれの端点について経営指標を算出する（Ｓ１５０４）。すなわち発生確率最大のシナリオについては既に図１４Ｃで算出したように利益は１，０００，０００円であり、製品Ａ需要量が最大点となるシナリオでは図１６Ｂに示すように販売量は２００個で売上は１，５００，０００円となり、図１６Ｃに示すように部品購入費用は２５０個で２５０，０００円、製造費用は２５０個で２５０，０００円で原価はそれらを足し合わせた５００,０００円、在庫費用は０円であり、図１６Ｄに示すとおり利益は１，０００，０００円である。従って、発生確率が最大となるシナリオの利益と製品Ａ需要量が最大となるシナリオの利益の差分は０円となる。
　上記で求めた差分０円を図１１Ｂに示した許容範囲５００，０００円と比較して(Ｓ１５０５)、その結果が許容範囲よりも小さいため、該当区間を一つに纏める(Ｓ１５０７)。このとき、区間の端点のいずれかが発生確率最大のシナリオであれば発生確率最大のシナリオに纏め、そうでない場合は先に生成したシナリオに纏める。すなわち、製品Ａの需要量が２００個と３００個の間の予測値としたものは全て製品Ａの需要量が２００個と予測したものとみなし、発生確率は該当区間の和とする。その結果、図１８に示すように、製品Ａの需要量の予測値が２００個の場合の発生確率は３０％＋１０％＋８％＋５％＋４％＋３％＝６０％となる。　
　次に、全区間を完了したかチェックし（Ｓ１５０８）、この場合は全区間を完了していないのでＳ１５０３のステップに戻って発生確率最大のシナリオと製品Ａ需要量が最小となるシナリオの区間を纏める。
　次に、上記対象区間のそれぞれの端点について経営指標を算出する（Ｓ１５０４）。すなわち発生確率最大のシナリオについては既に図１４Ｃで算出したように利益は１，０００，０００円であり、製品Ａ需要量が最小となるシナリオでは図１７Ｂに示すように販売量は１００個で売上は７５０，０００円となり、図１７Ｃに示すように部品購入費用は２５０個で２５０，０００円、製造費用は２５０個で２５０，０００円で原価は５００，０００円、在庫費用は１００個を７日間持つため７０，０００円であり、図１７Ｄに示すとおり利益は１８０，０００円である。また、発生確率が最大となるシナリオの利益と製品Ａ需要量が最小となるシナリオの利益の差分は８２０，０００円となる。
　上記で求めた差分８２０，０００円を図１１Ｂに示した許容範囲５００，０００円と比較する(Ｓ１５０５)。この場合は差分が許容範囲よりも大きいため、該当区間の中間点を取りシナリオ、および区間を生成する（Ｓ１５０６）。ここで製品Ａの需要量が最小（予測値１００個）と発生確率最大（予測値２００個）の中間点（予測値１５０個）は図６の製品Ａの需要量の入力に存在しない。その場合は、発生確率最大の値に近づく方向で、最も中間点に近い予測値（１６０個）を取り、図１９Ａのようにシナリオを生成する。すなわち、生成した区間は発生確率最大（予測値２００個）と予測値１６０個の区間と製品Ａ需要量が最小（予測値１００個）と予測値１６０個の区間である。
　ここでＳ１５０３に戻り、要因を絞り込む対象の区間を決定する。まずは、製品Ａの需要量について発生確率最大の２００個と１６０個を対象の区間とする。
　次に、上記対象区間のそれぞれの端点について、経営指標を算出する（Ｓ１５０４）。すなわち発生確率最大のシナリオについては既に図１４Ｃで算出したように利益は１，０００，０００円であり、製品Ａ需要量が１６０個となるシナリオでは図１９Ｂに示すように販売量は１６０個で売上は１，２００，０００円となり、図１９Ｃに示すように部品購入費用は２５０個で２５０，０００円、製造費用は２５０個で２５０，０００円で原価は５００，０００円、在庫費用は４０個を７日間持つため２８，０００円であり、図１９Ｄに示すとおり利益は６７２，０００円である。また、発生確率が最大となるシナリオの利益と製品Ａ需要量が１６０個となるシナリオの利益の差分は３２８，０００円となる。
　上記で求めた利益の差分３２８，０００円を図１１Ｂに示した許容範囲５００，０００円と比較する(Ｓ１５０５)。この場合、利益の差分が許容範囲よりも小さいため、該当区間を一つに纏める（Ｓ１５０７）。すなわち、製品Ａの需要量が２００個と１６０個の間の予測値としたものは全て製品Ａの需要量が２００個に纏め、発生確率は該当区間の和とする。図２０に示すとおり、製品Ａの需要量の予測値が２００個の発生確率は６０％＋１５％＋１０％＝８５％となる。
　次に、全区間の統合が終わったかをチェックし(Ｓ１５０８)終わっていない場合にはＳ１５０３に戻って製品Ａの需要量について最小の１００個と１６０個の区間を選択する。  次に、上記対象区間のそれぞれの端点について経営指標を算出する(Ｓ１５０４)。すなわち製品Ａの需要量が１００個（最小）のシナリオについては既に図１７Ｄで算出したように利益は１８０，０００円であり、製品Ａ需要量が１６０個となるシナリオでは既に図１９Ｄで算出したように利益は６７２，０００円である。また、製品Ａ需要量が１００個（最小）となるシナリオの利益と製品Ａ需要量が１６０個となるシナリオの利益の差分は図１９Ｄに示すように４９２，０００円となる。
　上記で求めた利益の差分４９２，０００円を図１１Ｂに示した許容範囲５００，０００円と比較する（Ｓ１５０５）。この場合、利益の差分は許容値よりも小さいため、該当区間を一つに纏める（Ｓ１５０７）。すなわち、製品Ａ需要量が１００個と１６０個の間の予測値としたものは全て製品Ａ需要量が１００個に纏め、発生確率は該当区間の和とする。図２１に示すとおり、製品Ａ需要量の予測値が１００個の発生確率は３％＋５％＋７％＝１５％となる。
　全区間について要因の区間を纏めたので(Ｓ１５０８)、図１５に示す要因情報１５２０を要因情報記憶部１５７に格納する（Ｓ１５１０）。
　次に、図１２の全要因チェック工程(Ｓ１２０６)で全要因の絞込みが完了したかをチェックする。この場合はまだ工程１歩留まりについて絞込みが終わっていないので要因選択ステップ(Ｓ１２０４)に戻って工程１歩留まりを選択し、要因絞込みステップ(Ｓ１２０５)において工程１歩留りについても上記の説明した図１５に示したＳ１５０１からＳ１５１０までの処理フローを実行し、工程１歩留まりの要因の区間を纏める。要因を纏めた結果、要因情報１５２０は図２２に示すように工程１歩留りの予測値が８０％で発生確率は１００％となり、要因情報記憶部１５７に格納する（Ｓ１５１０）。
　更に、図１２の全要因チェック工程(Ｓ１２０６)で全要因の絞込みが完了したかをチェックする。この場合はまだ部品ａ納入ＬＴについて絞込みが終わっていないので要因選択ステップ(Ｓ１２０４)に戻って部品ａ納入ＬＴを選択し、要因絞込みステップ(Ｓ１２０５)において部品ａ納入ＬＴについても上記の説明した図１５に示したＳ１５０１からＳ１５１０までの処理フローを実行し、部品ａ納入ＬＴの要因の区間を纏める（Ｓ１２０６）。要因を纏めた結果、要因情報１５２０は図２３に示すように部品ａ納入ＬＴの予測値が５日で発生確率は９０％、予測値が６日で発生確率は１０％となり、要因情報記憶部１５７に格納する（Ｓ１５１０）。
　再度図１２の全要因チェック工程(Ｓ１２０６)で全要因の絞込みが完了したかをチェックし、全ての要因の絞込みを完了したことを確認して全ての要因を纏めた後、纏めた要因の区間を用いて、全ての組み合わせを生成する。すなわち、図２４に示すように、製品Ａ需要量１００個、工程１歩留り８０％、部品ａ納入ＬＴ５日、発生確率１３．５０％となるシナリオ１、製品Ａ需要量１００個、工程１歩留り８０％、部品ａ納入ＬＴ６日、発生確率１．５０％となるシナリオ２、製品Ａ需要量２００個、工程１歩留り８０％、部品ａ納入ＬＴ５日、発生確率７６．５０％となるシナリオ３、製品Ａ需要量２００個、工程１歩留り８０％、部品ａ納入ＬＴ６日、発生確率８．５０％となるシナリオ４を生成し（Ｓ１２０７）、シナリオ情報１２２０をシナリオ情報記憶部１５８に格納する。
　上記手法を用いて得られた要因情報１５２０とシナリオ情報１２２０は出力部１４０によって図５のように表示される。さらに、ユーザが生産計画立案実行ボタン４２４をクリックすると、生産計画立案部１３０は図２５に示した生産計画立案実行フローを開始する。
　以下に、図２５に示した生産計画立案実行フローの詳細を説明する。
まず、補助記憶装置２３０に予め登録された最適化計算用のモデル情報２５０３に入力データをマッピングしてモデルを作成し（Ｓ２５０１）、最適化計算用の入力データ２５０１を作成する。一例として、本発明に線形計画法を適用した場合には、登録されている線形方程式の所定の係数にシナリオ情報記憶部１５８に記憶されているシナリオ情報１２２０、経営指標情報記憶部１５６に記憶されている経営指標値、要因情報記憶部１５７に記憶してある絞り込み演算部１２０により纏められた要因を代入することで、最適化計算用の入力データ２５０１を生成する。線形計画法以外の最適化アルゴリズムを適用する場合においても、同様である。
　最適化計算用の入力データ２５０１を生成した後、ＣＰＵ２０１では、最適化計算用の入力データ２５０１を読み込み、経営指標の値による目標達成率を最大化する生産量を、最適化アルゴリズムにより算出する。最適化アルゴリズムの一例を以下に示す。まず、初期解として生産計画案を１つ作成する(Ｓ２５０２)。作成した生産計画案の生産量と要求量の差分をとり、生産量が要求量を超える場合は在庫量、生産量が要求量を下回る場合は欠品量として算出する。在庫量および欠品量に発生確率を乗じた値を製品・市場・要求日ごとに足し合わせて、在庫量および欠品量の期待値を算出し、これらを用いて経営指標の値を算出する（Ｓ２５０３）。次に、現在の生産計画案（つまり、計算して求められた生産量）を少々変えてさらに経営指標の値を改良する生産計画があるかを、シミュレーション計算によって探索する(Ｓ２５０４)。経営指標の値を改良する生産計画を発見した場合には(Ｓ２５０５でｎｏの場合)、この生産計画案について在庫量および欠品量を算出するステップ(Ｓ２５０２)から繰り返す。最終的に経営指標の値を改良する生産計画が見つからなくなった場合(Ｓ２５０５でyesの場合)には生産計画算出ループを終了し、経営指標を最良にする生産計画がもとめられたことになる。次に、各シナリオに対して要求量と最適化計算で算出した生産量を比較し、生産量の不足を欠品量、余剰を在庫量とするデータ算出を行う（Ｓ２５０６）。
　図２６に、Ｓ２５０６で算出した生産計画情報２５０２の一例として表形式で表示した例を示す。製品の要求日に対する最適な投入量が表示される。
  図２５に示した生産計画立案フローに従って算出した結果を図２６Ａ～図２６Ｃに示す。
 利益の期待値が最大となるように立案した生産計画は、図２６Ａに示すように２００９年
８月６日に部品ａを２５０個発注、２００９年８月１２日に工程１に２５０個投入であり、この情報は生産計画情報記憶部１５９に格納される。
　また、この生産計画での利益の期待値は図２６Ｂに示すとおり、７７７，４８４円であり、シナリオ毎の利益は図２６Ｃに示すとおり、それぞれ、シナリオ１は１６０，０００円、シナリオ２は１８０，０００円、シナリオ３は、９８０，０００円、シナリオ４は１，０００，０００円である。
　生産計画立案装置１００は、図２５に示した生産計画立案フローに従って利益の期待値が最大となるように立案した生産計画２７１とそれに対する利益の期待値２７２、およびシナリオ毎の利益２７３を図２７に示すような画面２７０で表示装置２４０に表示する。
　実施例２では入力部１１０に入力された経営指標の許容範囲の代わりに、シナリオ数が入力された場合について説明する。
　実施例２では図２８Ａに示すように最良とする経営指標は利益であり、図２８Ｂに示すようにシナリオ数が２０程度になることを目標とする。その他の入力値については実施例１と同様とする。
　図２９に示す表示装置２４０の画面２９０は、ユーザが所定の操作により生産計画立案処理プログラムを起動した際に表示される起動画面例である。ユーザが入力装置を用いて、経営指標を選択し、シナリオ数を指定したうえで、絞り込み実行ボタン２９１をクリックすると、生産計画立案装置１００は、図３０に示す絞り込み実行フローを開始する。
　絞り込み実行フローが開始すると、実施例１と同様に、図１２を用いて説明したのと同様に、発生確率最大のシナリオを生成し（Ｓ３００１）、そのシナリオに対して、利益が最大になる生産計画を立案し（Ｓ３００２）、立案した生産計画に対する経営指標、即ち発生確率最大のシナリオの利益を計算する（Ｓ３００３）。
　次に、シナリオ数の範囲を設定する(Ｓ３００４)。シナリオ数の範囲は図３１に示すように、四捨五入して入力値（２０）になるように設定され、下端が１６、上端が２４となる。
　次に、暫定的に許容範囲を決定する(Ｓ３００５)。上記の発生確率最大のシナリオから立案した生産計画に基づいて、図１４Ｃに示す発生確率最大のシナリオの利益を暫定の許容範囲とする。
　次に、Ｓ３００５で設定した暫定の許容範囲を用いて実施例１と同じく全要因について要因の区間を絞り込む（Ｓ３００６～Ｓ３００８）。さらに絞り込んだ区間を元にシナリオを生成し（Ｓ３００９）、シナリオ情報３００１をシナリオ情報記憶部１６１に格納する。
　次に、生成したシナリオ数が図３１のシナリオ範囲内にあるかどうかを比較する（Ｓ３０１０）。図３２に示すように許容範囲が１，０００，０００円の場合は、シナリオ数は２となり許容範囲内に入らない。この場合、シナリオ数が許容範囲の最小値より少ないのか最大値よりも大きいのかを判定し（Ｓ３０１１）、最小値よりも小さい場合には許容範囲を半分にして５００，０００円とする（Ｓ３０１３）。一方、シナリオ数が許容最大値よりも大きかった場合には、許容範囲を１．５倍の１，５００，０００円とする（Ｓ３０１２）。
　さらに、生産計画立案装置１００は、この許容範囲を用いて入力値から要因を絞り込み（Ｓ３００７）、シナリオを生成する（Ｓ３００９）。シナリオ数が図３１に示したシナリオ数範囲内になるまでこの処理を繰り返す。
　図３２に示すように、許容範囲を２５０，０００円とするとシナリオ数は１６となり、図３１に示したシナリオ数範囲になる。
この後の処理は、実施例１と同様であるため割愛する。
　上記に説明した実施例は本発明の一実施の形態を説明するものであって、本発明はこれに限定されるものではない。すなわち、上記実施例で説明した構成（ステップ）の一部をそれと等価な機能を有するステップ又は手段で置き換えたものも、または、実質的でない機能の一部を省略したものも本発明に含まれる。
　本発明は、製品を生産する製造業において、資材発注時点の製品要求量の予測誤差により発生する欠品及び過剰在庫に伴う経営上のリスクを最小化するための生産計画を立案する方法として利用可能である。
１００・・・生産計画立案装置　　１１０・・・入力部　　１２０・・・絞り込み演算部１３０・・・生産計画立案部　　１４０・・・出力部　　１５０・・・需要量分布情報記憶部　　１５１・・・歩留り分布情報記憶部　　１５２・・・納入ＬＴ分布情報記憶部　　１５３・・・コスト情報記憶部　　１５４・・・工程情報記憶部　　１５５・・・経営指標情報記憶部　　１６０・・・要因情報記憶部　　１６１・・・シナリオ情報記憶部　　１６２・・・生産計画情報記憶部　　２００・・・表示装置　　２０１・・・プルダウン経営指標選択部　　２０２・・・テキストボックス許容範囲入力部　　２０３・・・プルダウン単位選択部　　２０４・・・絞り込み実行ボタン　　２０５・・・生産計画実行ボタン　　３０１・・・ＣＰＵ　　３１０・・・ＲＡＭ　　３２０・・・ＲＯＭ　　３３０・・・補助記憶装置　　３４０・・・表示装置　　３５０・・・入力装置　　３６０・・・メディア読取装置　　１０００・・・表示装置　　２６００・・・表示装置　　２８００・・・表示装置。

Claims (12)

  1. 　生産計画を立案する装置であって、製品の生産計画の立案に用いる情報である複数の要因の予測値を組み合わせたシナリオと前記製品の工程や部品表を示した工程情報と経営指標情報と立案した生産計画情報とを記憶する記憶手段と、該記憶手段に記憶したシナリオを絞り込む絞り込み手段と、該絞り込み手段で絞り込んだシナリオと前記記憶手段に記憶した情報とを用いて生産計画を立案する生産計画立案手段とを備えたことを特徴とする生産計画立案装置。
  2. 　利益や在庫量などの経営指標と該経営指標の許容範囲とを入力する入力手段を更に備え、前記絞り込み手段は、前記入力手段から入力された経営指標の許容範囲を制約条件として前記複数の要因を絞り込み、該絞り込んだ要因の予測値を組み合わせることによりシナリオを絞り込んで生成することを特徴とする請求項１記載の生産計画立案装置。
  3. 　表示手段を更に備え、該表示手段は前記絞り込み手段で複数の要因を絞り込んだ結果と前記絞り込み手段で絞り込む前の要因を並べて表示することを特徴とする請求項１記載の生産計画立案装置。
  4. 　前記表示手段は、前記絞り込み手段で絞り込んだ複数の要因と該絞り込んだ複数の要因の予測値を組み合わせ生成したシナリオを並べて表示することを特徴とする請求項１記載の生産計画立案装置。
  5. 　計算機装置を用いて生産計画を立案する方法であって、製品の生産計画の立案に用いる情報である複数の要因を前記計算機装置の記憶手段に記憶させ、該記憶手段に記憶させた複数の要因を組合せてシナリオを作成し、前記計算機装置の第一の演算手段で前記複数の要因を絞り込むことにより前記シナリオの数を絞り込み、該第一の演算手段で絞り込んだ複数の要因と該絞り込んだシナリオとを画面上に表示し、該表示した画面上で確認されたシナリオに基づいて前記計算機装置の第二の演算手段で生産計画を立案することを特徴とする生産計画立案方法。
  6. 　利益や在庫量などの経営指標と該経営指標の許容範囲とを前記計算機装置に入力し、前記第一の演算手段でシナリオの数を絞り込むことを、前記入力された経営指標の許容範囲を制約条件として前記複数の要因を絞り込み、該絞り込んだ要因の予測値を組み合わせることによりシナリオを絞り込んで生成することを特徴とする請求項５記載の生産計画立案方法。
  7. 　前記画面上に、前記第一の演算手段で複数の要因を絞り込んだ結果と前記絞り込む前の要因を並べて表示することを特徴とする請求項５記載の生産計画立案方法。
  8. 　前記画面上に、前記第一の演算手段で絞り込んだ複数の要因と該絞り込んだ複数の要因の予測値を組み合わせ生成したシナリオを並べて表示することを特徴とする請求項５記載の生産計画立案方法。
  9. 　コンピュータを用いて生産計画を立案するコンピュータプログラムであって、製品の生産計画の立案に用いる情報である複数の要因を入力するステップと、該入力させた複数の要因を組合せてシナリオを作成するステップと、前記複数の要因を絞り込むことにより前記シナリオの数を絞り込むステップと、前記絞り込んだ複数の要因と絞り込んだシナリオとを画面上に表示するステップと、該表示するステップで画面上に表示されたシナリオに基づいて生産計画を立案するステップとを前記コンピュータに実行させることを特徴とする生産計画立案のためのコンピュータプログラム。
  10. 　利益や在庫量などの経営指標と該経営指標の許容範囲とを入力するステップを更に前記コンピュータに実行させ、前記シナリオの数を絞り込むステップにおいて、前記入力された経営指標と該経営指標の許容範囲とを制約条件として前記複数の要因を絞り込み、該絞り込んだ要因の予測値を組み合わせることによりシナリオを絞り込んで生成することを前記コンピュータに実行させることを特徴とする請求項９記載の生産計画立案のためのコンピュータプログラム。　
  11. 　前記画面上に表示するステップにおいて、前記絞り込むステップで複数の要因を絞り込んだ結果と前記絞り込む前の要因を並べて表示することを前記コンピュータに実行させることを特徴とする請求項９記載の生産計画立案のためのコンピュータプログラム。
  12. 　前記画面上に表示するステップにおいて、前記絞り込むステップで絞り込んだ複数の要因と該絞り込んだ複数の要因の予測値を組み合わせ生成したシナリオを並べて表示することを前記コンピュータに実行させることを特徴とする請求項９記載の生産計画立案のためのコンピュータプログラム。
PCT/JP2010/070811 2009-11-27 2010-11-22 生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム WO2011065328A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009-270287 2009-11-27
JP2009270287A JP2011113373A (ja) 2009-11-27 2009-11-27 生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム

Publications (1)

Publication Number Publication Date
WO2011065328A1 true WO2011065328A1 (ja) 2011-06-03

Family

ID=44066433

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/070811 WO2011065328A1 (ja) 2009-11-27 2010-11-22 生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム

Country Status (2)

Country Link
JP (1) JP2011113373A (ja)
WO (1) WO2011065328A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022081318A (ja) * 2020-11-19 2022-05-31 株式会社日立ソリューションズ 販売計画策定支援装置、及び販売計画策定支援方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6907107B2 (ja) * 2017-12-18 2021-07-21 株式会社日立製作所 品種絞込み支援システム、及び方法
JP2020166514A (ja) * 2019-03-29 2020-10-08 株式会社オービック 計算装置、計算方法及び計算処理プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000225545A (ja) * 1999-02-09 2000-08-15 Nippon Steel Corp 生産計画編成装置
JP2003271797A (ja) * 2002-03-14 2003-09-26 Hitachi Ltd 生産計画支援方法、生産計画支援システム、および、生産計画支援プログラム
JP2005316932A (ja) * 2004-03-31 2005-11-10 Hitachi Ltd 需要変動入力型生産計画生成方法および需要変動リスク最小生産計画生成方法
JP2007122127A (ja) * 2005-10-25 2007-05-17 Jfe Steel Kk 鉄鋼製品の生産計画装置及び方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000225545A (ja) * 1999-02-09 2000-08-15 Nippon Steel Corp 生産計画編成装置
JP2003271797A (ja) * 2002-03-14 2003-09-26 Hitachi Ltd 生産計画支援方法、生産計画支援システム、および、生産計画支援プログラム
JP2005316932A (ja) * 2004-03-31 2005-11-10 Hitachi Ltd 需要変動入力型生産計画生成方法および需要変動リスク最小生産計画生成方法
JP2007122127A (ja) * 2005-10-25 2007-05-17 Jfe Steel Kk 鉄鋼製品の生産計画装置及び方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022081318A (ja) * 2020-11-19 2022-05-31 株式会社日立ソリューションズ 販売計画策定支援装置、及び販売計画策定支援方法
JP7386780B2 (ja) 2020-11-19 2023-11-27 株式会社日立ソリューションズ 販売計画策定支援装置、及び販売計画策定支援方法

Also Published As

Publication number Publication date
JP2011113373A (ja) 2011-06-09

Similar Documents

Publication Publication Date Title
Rezapour et al. Resilient supply chain network design under competition: a case study
JP2021525412A (ja) リソース配分の予測およびモデリングならびにリソース入手オファーの生成、調整、および承認のための装置および方法
WO2010039407A1 (en) System and methods for pricing markdown with model refresh and reoptimization
JP7059960B2 (ja) 電力需給計画作成装置および電力需給計画作成方法
CN102890799A (zh) 业务成效权衡仿真器
Christopher Logistics and Supply Chain Management ePub eBook
EP2724302A2 (en) Event-driven financial trading method and system
JP6284472B2 (ja) 意思決定機会の評価方法及びシステム
JP2005174313A (ja) 特許又は技術の経済価値算出方法及び装置
WO2011065328A1 (ja) 生産計画立案方法及びその装置並びに生産計画立案のためのコンピュータプログラム
Pinçe et al. The role of contract expirations in service parts management
JP4754894B2 (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
JP2019175435A (ja) 取引支援システム、取引支援方法および取引支援プログラム
JP7154244B2 (ja) 電力需給計画作成装置及び電力需給計画作成方法
Sharma A cross-disciplinary approach to product development and design through quality function deployment, target costing and value engineering
Sawant et al. An identification of criteria for third party logistics suppliers (3PL) in supply chain management (SCM) in Indian manufacturing industries
US20160292625A1 (en) Product data analysis
JP6096648B2 (ja) 生産計画作成方法及び生産計画作成プログラム、並びに生産計画作成装置
JP4812269B2 (ja) 需要変動リスク最小生産計画生成方法
JP2011096108A (ja) 生産計画変更意思決定支援装置及びプログラム
JP4491684B2 (ja) 設備保守リスク評価システムおよび設備保守リスク評価方法
JP3982761B2 (ja) 電力取引決定方法、その装置およびそのプログラム
JP7495209B2 (ja) 経営指標評価装置、経営指標評価方法、およびプログラム
Ashayeri et al. Supply chain network downsizing with product line pruning using a new demand substitution
JP2005242816A (ja) コンピュータによる受注交渉支援方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10833174

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10833174

Country of ref document: EP

Kind code of ref document: A1