WO2022137513A1 - 情報処理装置、特定方法、および特定プログラム - Google Patents

情報処理装置、特定方法、および特定プログラム Download PDF

Info

Publication number
WO2022137513A1
WO2022137513A1 PCT/JP2020/048768 JP2020048768W WO2022137513A1 WO 2022137513 A1 WO2022137513 A1 WO 2022137513A1 JP 2020048768 W JP2020048768 W JP 2020048768W WO 2022137513 A1 WO2022137513 A1 WO 2022137513A1
Authority
WO
WIPO (PCT)
Prior art keywords
objects
processing
work
devices
information
Prior art date
Application number
PCT/JP2020/048768
Other languages
English (en)
French (fr)
Inventor
猪谷宜彦
長門毅
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to CN202080107188.3A priority Critical patent/CN116490831A/zh
Priority to JP2022570955A priority patent/JP7368785B2/ja
Priority to EP20966999.3A priority patent/EP4270125A4/en
Priority to PCT/JP2020/048768 priority patent/WO2022137513A1/ja
Publication of WO2022137513A1 publication Critical patent/WO2022137513A1/ja
Priority to US18/307,844 priority patent/US20240095428A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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], 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], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • G05B2219/32256—Due dates, pieces must be ready, priority of dates, deadline
    • 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
    • G05B2219/32263—Afo products, their components to be manufactured, lot selective
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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

Definitions

  • This case relates to information processing equipment, specific methods, and specific programs.
  • Patent Documents 1 to 3 A technique for automatically providing information on a work plan for a work line such as a production line is disclosed (see, for example, Patent Documents 1 to 3).
  • the KPI Key Performance Indicator
  • the KPI may not satisfy the desired condition. In that case, it is required to improve the KPI by increasing or decreasing the number of working devices.
  • the specific program obtains first information on a computer indicating a processing order for processing a plurality of objects including a plurality of types, and each of the plurality of working devices among the plurality of types is used.
  • the process of obtaining the simulation result regarding the processing of the plurality of working devices and the processing of each of the plurality of objects can be performed by the working device capable of processing the object.
  • (A) to (c) are diagrams for explaining the outline of the production line.
  • (A) to (c) are diagrams for explaining the outline of the production line. It is a figure which illustrates the production line model.
  • (A) is a functional block diagram showing an overall configuration of an information processing apparatus, and
  • (b) is a block diagram illustrating a hardware configuration of each part of the information processing apparatus. It is a figure which illustrates the relationship between the product which can carry out the manufacturing process by each manufacturing apparatus, and the process time of the manufacturing process for each product.
  • (A) to (d) are diagrams illustrating the count of the number of products N1 and the number of products N2.
  • (A) and (b) are diagrams illustrating the result of step S3.
  • (A)-(e) are diagrams illustrating another aspect of step S9.
  • FIG. 1A to 1 (c) are diagrams for explaining an outline of a production line.
  • FIG. 1A is a diagram illustrating a cell production type production line.
  • FIG. 1B is a diagram illustrating a production line of a line production type.
  • the unfinished product raw material
  • FIG. 1A or FIG. 1B a machining step, a drilling step, and a planing step are carried out as an example.
  • the manufacturing process to be carried out differs depending on the product number (product type).
  • product number product type
  • the product # 1 is completed by first performing a machining step and second performing a planing step.
  • the drilling process is performed first, and the planing process is performed second.
  • the content of drilling may differ depending on the type of product.
  • the manufacturing process is complicated in high-mix low-volume production. Therefore, it is conceivable to improve the efficiency of the manufacturing line by arranging a plurality of manufacturing devices capable of carrying out each manufacturing process.
  • each product For example, as illustrated in FIG. 2A, the input order of each product is defined. In the example of FIG. 2A, the charging order is determined from top to bottom. As illustrated in FIG. 2B, each product that has flowed to the beginning of the standby area is distributed to each manufacturing apparatus. The distribution destination of each product is a manufacturing device capable of carrying out the necessary manufacturing process for the leading product. As illustrated in FIG. 2 (c), a product capable of carrying out a manufacturing process required by each manufacturing apparatus and a process time required for the manufacturing process of the product are determined. The products that can be manufactured differ depending on the manufacturing equipment.
  • the manufacturing apparatus a can carry out the manufacturing process of the product # 1 and the product # 3, but cannot carry out the manufacturing of the product # 2 and the product # 4.
  • the manufacturing apparatus b can carry out the manufacturing process of the product # 2, but cannot carry out the manufacturing of the products # 1, # 3, # 4.
  • the manufacturing apparatus c can carry out any manufacturing process of products # 1 to # 4.
  • the product will stand by at the head of the standby area. ..
  • the sorting destination is selected according to a predetermined rule. For example, a manufacturing apparatus having a short process time, a manufacturing apparatus having a low manufacturing cost, or the like is selected.
  • the first product is sequentially distributed to each manufacturing apparatus, so if the first product is on standby, other products are also on standby.
  • a general-purpose device with a large number of product types capable of carrying out the manufacturing process is used, the operating efficiency of each manufacturing device is improved and the waiting time for each product is shortened.
  • general-purpose equipment tends to be expensive and the manufacturing process time tends to be long.
  • the reason why the manufacturing process becomes long is that, for example, setting change work (step change work) according to the product type is required.
  • a dedicated device having a small number of product types capable of carrying out a manufacturing process tends to be inexpensive and the manufacturing process time tends to be short, but the manufacturing process cannot be carried out for other product types.
  • the general-purpose device and the dedicated device have advantages and disadvantages, the general-purpose device and the dedicated device tend to coexist on the production line.
  • the manufacturing cost varies depending on the installation cost of each manufacturing device, the operating time of each manufacturing device, and the like. Therefore, it is required that a plurality of KPIs satisfy a predetermined condition.
  • the plurality of KPIs include the number of stages of each manufacturing device, the delivery delay time of each product, the number of delays of each product, and the like.
  • FIG. 3 is a diagram illustrating a production line model.
  • the product put into the production line model moves to the next cell after staying for a specified process time in the cell corresponding to each production apparatus.
  • a predetermined number of cells are set. As a result, the predetermined number of products can stand by in the standby area.
  • the line simulator performs a simulation from the start of loading of each product to the start cell at predetermined time intervals according to the loading order until all the products reach the goal.
  • the line simulator By using the line simulator, it is possible to optimize the input order so that the objective function determined by the input order satisfies a predetermined condition with KPIs such as manufacturing lead time and manufacturing cost as objective functions.
  • the objective function may be one or more. If there is one objective function, unidirectional optimization is performed. If there are two or more objective functions, multi-objective optimization is performed. From the obtained results, an input plan that meets the desired conditions will be adopted. However, if there is no result that meets the desired conditions of KPI, it is required to adjust the type and number of manufacturing equipment, for example. At this time, it is required to increase or decrease the number of manufacturing appliances.
  • FIG. 4A is a functional block diagram showing the overall configuration of the information processing apparatus 100 according to the first embodiment.
  • the information processing device 100 is a server or the like for optimization processing.
  • the information processing apparatus 100 includes a manufacturing line model storage unit 10, a manufacturing master storage unit 20, an input order storage unit 30, a calculation result storage unit 40, an acquisition unit 50, and an optimization execution unit. It includes 60, a counting unit 70, a specific unit 80, a result output unit 90, and the like.
  • FIG. 4B is a block diagram illustrating a hardware configuration of each part of the information processing apparatus 100.
  • the information processing device 100 includes a CPU 101, a RAM 102, a storage device 103, an input device 104, a display device 105, and the like.
  • the CPU (Central Processing Unit) 101 is a central processing unit.
  • the CPU 101 includes one or more cores.
  • the RAM (Random Access Memory) 102 is a volatile memory that temporarily stores a program executed by the CPU 101, data processed by the CPU 101, and the like.
  • the storage device 103 is a non-volatile storage device. As the storage device 103, for example, a ROM (Read Only Memory), a solid state drive (SSD) such as a flash memory, a hard disk driven by a hard disk drive, or the like can be used.
  • the storage device 103 stores the specific program according to this embodiment.
  • the input device 104 is an input device such as a mouse and a keyboard.
  • the display device 105 is a display device such as a liquid crystal display. The display device 105 displays the result output by the result output unit 90.
  • each part of FIG. 4A is realized.
  • hardware such as a dedicated circuit may be used as each part of FIG. 4A.
  • the production line model storage unit 10 stores the production line model as illustrated in FIG.
  • the manufacturing master storage unit 20 stores a manufacturing master in which each product type and a manufacturing apparatus capable of carrying out a manufacturing process for each product type are associated with each other.
  • FIG. 5 is a diagram illustrating a manufacturing master.
  • the manufacturing apparatus a can carry out the necessary manufacturing process for the product # 1, the product # 3, and the product # 4, but is necessary for the product # 2 and the product # 5. The manufacturing process cannot be carried out.
  • the input order storage unit 30 stores the initial input order as illustrated in FIG. 2 (a).
  • the initial input order is, for example, an order in which the order is arranged as ordered from the customer, and the user may input in advance using the input device 104.
  • the initial input order may be generated by a random number. Since the initial input order is generated without considering the objective function, it is often not a good value for any objective function.
  • the acquisition unit 50 acquires information necessary for the optimization calculation (step S1).
  • the information required for the optimization calculation includes the production line model stored in the production line model storage unit 10. Further, the information required for the optimization calculation includes the manufacturing master illustrated in FIG. Further, the information required for the optimization calculation includes the initial input order stored in the input order storage unit 30.
  • the optimization execution unit 60 performs an optimization calculation using the information acquired by the acquisition unit 50 in step S1 (step S2).
  • a line simulation is performed according to the input order, and the manufacturing lead time and the manufacturing cost are acquired as objective functions for the simulation results from the start of product introduction to the start until all the products reach the goal.
  • An evolutionary algorithm for example, Genetic Algorithm (GA) optimizes the input order so that the specified objective function becomes good.
  • the counting unit 70 is not in the process of performing the manufacturing process, but is capable of performing the manufacturing process on the product.
  • the number of products N1 transferred to the manufacturing apparatus is counted.
  • the counting unit 70 carries out a manufacturing process for another product even though the manufacturing process can be carried out for the product.
  • the number of products N2 that have been put on standby because they are inside are counted (step S3).
  • the standby here means to stop at the beginning of the standby area for a specified time (0 ⁇ 0) or more.
  • FIG. 7A it is assumed that product # 3, product # 2, and product # 1 are waiting in this order from the beginning to the end in the standby area.
  • FIG. 7B it is assumed that the manufacturing apparatus b is in the process of manufacturing the product # 5, and the manufacturing apparatus c is in the process of manufacturing the product # 4. ..
  • the product # 3 can be distributed to the manufacturing apparatus a or the manufacturing apparatus d.
  • the process time in the manufacturing apparatus d is longer than the process time in the manufacturing apparatus a, it is assumed that the product # 3 has been moved to the manufacturing apparatus a as illustrated in FIG. 7B.
  • the manufacturing apparatus d when the product arrives at the head of the standby area, the manufacturing apparatus d is not in the process of performing the manufacturing process, and the manufacturing process can be performed on the product, but the product is manufactured in another manner. It will be in the state of being moved to the device. Therefore, as illustrated in FIG. 7 (c), the number of products N1 of the manufacturing apparatus d is accumulated by one.
  • the product # 2 moves to the top of the standby area as illustrated in FIG. 7 (a). In this state, since the manufacturing apparatus b and the manufacturing apparatus c are carrying out the manufacturing process for other products, the product # 2 stands by in the standby area from the manufacturing master of FIG.
  • the manufacturing devices b and c are carrying out the manufacturing process for the other product even though the manufacturing process can be carried out for the product. That's why I made it stand by. Therefore, as illustrated in FIG. 7D, the number of products N2 of the manufacturing devices b and c is accumulated by one.
  • FIG. 8 (a) and 8 (b) are diagrams illustrating the results of step S3.
  • the number of products N1 is counted for each manufacturing apparatus.
  • the number of products N2 is counted for each manufacturing apparatus.
  • the number of products N1 and the number of products N2 are cumulative values for all the input orders simulated in the process of optimization in step S2. For example, when the charging order is changed 99 times from the initial loading order, the count values of the number of products N1 and the number of products N2 are the cumulative values of the number of products N1 and the number of products N2 for the simulation result for 100 times.
  • the count values of the number of products N1 and the number of products N2 are stored in the calculation result storage unit 40.
  • step S4 determines whether or not the KPI satisfies a predetermined condition with respect to the result of the line simulation in the optimum input order obtained by the execution of step S2 (step S4). If it is determined as "Yes” in step S4, it is not necessary to add or delete the manufacturing apparatus because the desired KPI is obtained. Therefore, when it is determined as "Yes” in step S4, the result output unit 90 causes the display device 105 to display the result of step S2, the result of step S3, and the like (step S5). After that, the execution of the flowchart ends.
  • step S4 When it is determined as "No” in step S4, the specific unit 80 sets a threshold value for each of the number of products N1 and the number of products N2 (step S6). Next, the specifying unit 80 determines whether or not the number of products N1 is equal to or greater than the threshold value set in step S6 for each manufacturing apparatus (step S7). If there is a manufacturing apparatus determined to be "Yes” in step S7, the specific unit 80 deletes the manufacturing apparatus from the production line model as illustrated in FIG. 8A (step S8). The production line model storage unit 10 stores the updated production line model. In step S8, the result output unit 90 may display the manufacturing device to be deleted on the display device 105 so that the user can delete the manufacturing device from the manufacturing line model.
  • the specifying unit 80 determines whether or not the number of products N2 is equal to or greater than the threshold value set in step S6 for each manufacturing apparatus (step S9). If there is a manufacturing apparatus determined to be "Yes” in step S9, the specific unit 80 adds another manufacturing apparatus to the production line model as illustrated in FIG. 8B (b). Step S10).
  • the production line model storage unit 10 stores the updated production line model. After that, it is executed again from step S1.
  • the result output unit 90 may display the manufacturing device to be added on the display device 105 so that the user can add the manufacturing device to the manufacturing line model.
  • step S9 is executed without executing step S8. If “No” is determined in step S9, step S10 is not executed and is executed again from step S1.
  • the manufacturing equipment by counting the number of products N1 and the number of products N2, it is possible to specify the manufacturing equipment to be increased or decreased. For example, by counting the number of products N1, the number of times the products are not distributed can be counted, so that the number of products N1 can be used as an index for the necessity of each manufacturing apparatus. Further, by counting the number of products N2, the number of times the product is kept on standby can be counted, so that the number of products N2 can be used as an index for the necessity of each manufacturing apparatus. By comparing the number of products N1 with the threshold value, it is possible to specify the manufacturing equipment to be deleted. Further, by comparing the number of products N2 with the threshold value, it is possible to specify the manufacturing equipment to be added.
  • step S9 in FIG. 6 will be described with reference to FIGS. 9 (a) to 9 (e).
  • the manufacturing master storage unit 20 stores the manufacturing master as illustrated in FIG. 9A.
  • the manufacturing apparatus a is a dedicated apparatus capable of performing a manufacturing process necessary only for the product # 4.
  • the manufacturing apparatus b is a dedicated apparatus capable of carrying out a manufacturing process necessary only for the product # 3.
  • the manufacturing apparatus c is a general-purpose apparatus capable of carrying out a manufacturing process necessary for the product # 2, the product # 4, and the product # 5.
  • the manufacturing devices d and e are also general-purpose devices like the manufacturing device c.
  • step S3 it is assumed that the number of products N2 is obtained as shown in FIG. 9B. Further, as a result of step S3, it is assumed that the number of free waiting times waited at the beginning of the waiting area is obtained for each product type as shown in FIG. 9 (c).
  • the results of FIGS. 9 (b) and 9 (c) are cumulative values for all input sequences simulated in the process of optimization in step S2.
  • a manufacturing equipment having a product number N2 larger than a threshold value is a candidate.
  • a threshold value for example, an average value
  • the manufacturing devices b, c, and e are candidates. From these, a manufacturing apparatus capable of carrying out the manufacturing process for all the products in which the number of waiting times in FIG. 9 (c) is larger than the threshold value (for example, the average value) is selected. The selected manufacturing apparatus is deleted in step S8.
  • FIG. 9D is a diagram illustrating the fixed cost required when adding a manufacturing apparatus. It is preferable to determine the number of manufacturing equipment to be added within the range that satisfies the desired cost. In order to keep the allowable cost (for example, 5000) as illustrated in FIG. 9 (e), the manufacturing process is performed for all the products (# 3, # 4, # 5) having a higher than average number of waiting times. If it is not possible to select a feasible manufacturing device, a manufacturing device capable of performing a manufacturing process is preferentially selected for a product having a large number of waiting times (# 4, # 3, # 5 in descending order).
  • the type and number of manufacturing equipment for which the formula (n1 x x1 + n2 x x2 + n3 x x3 + n4 x x4 + n5 x x5) with the number of waiting times for each product as a coefficient is the largest is added to the additional manufacturing to shorten the manufacturing lead time. Select as a device. In this way, by multiplying the number of waiting times for each product as a coefficient, it becomes possible to add a manufacturing apparatus that can be preferentially manufactured to a product having a large number of waiting times.
  • products # 1 to product # 5 are examples of a plurality of objects including a plurality of types.
  • the order in which products are put into a production line is an example of a processing order in which a plurality of objects including a plurality of types are processed.
  • a manufacturing device is an example of a working device.
  • the acquisition unit 50 acquires first information indicating a processing order for processing a plurality of objects including a plurality of types, and among the plurality of types, a second indicating a type that can be processed by each of the plurality of working devices.
  • This is an example of an acquisition unit that acquires information. Simulation of processing of the plurality of working devices based on the result of the counting unit 70 distributing each of the plurality of objects to any of the plurality of working devices based on the first information and the second information. The result of the simulation is obtained on the condition that each of the plurality of objects waits if the working device capable of processing the object is performing the processing on the other object.
  • processing can be performed on the object to be sorted next, but the number N1 of the objects moved to the other working device is counted, and the object to be sorted next is counted.
  • This is an example of a counting unit that counts the number of objects N2 that have been made to stand by because the processing can be performed but the processing is being performed for another object.
  • the specific unit 80 is an example of a specific unit that specifies a work device to be increased / decreased with respect to the plurality of work devices according to at least one of the number of objects N1 and the number of objects N2.

Abstract

コンピュータに、複数の種類を含む複数の対象物を処理する処理順序を示す第１情報と、複数の種類のうち複数の作業装置の各々が処理可能な種類を示す第２情報とに基づいて複数の対象物のそれぞれを複数の作業装置のいずれかに振り分けた結果に基づいて、シミュレーションの結果を得る処理と、複数の対象物の各々は該対象物の処理を実施可能な作業装置が他の対象物に対する処理を実施中であれば待機するという条件で、複数の作業装置のそれぞれについて、次に振り分けられる対象物に対して処理を実施可能であるが他の作業装置に移動した対象物数Ｎ１をカウントし、次に振り分けられる対象物に対して処理を実施可能であるが他の対象物に対して処理中であるあるために待機させた対象物数Ｎ２をカウントする処理と、Ｎ１およびＮ２の少なくともいずれかに応じて、複数の作業装置に対して増減させる作業装置を特定する処理とを実行させる。

Description

情報処理装置、特定方法、および特定プログラム
　本件は、情報処理装置、特定方法、および特定プログラムに関する。
　製造ラインなどの作業ラインについての作業計画に係る情報を自動で提供する技術が開示されている（例えば、特許文献１～３参照）。
特開２０２０－０４７３０１号公報 特開２００５－３０１６５３号公報 特開２０１５－０８７８０３号公報
　例えば、作業ラインにおける対象物の処理順序を入れ替えながらシミュレーションすることで、作業完了時間や作業コストなどのＫＰＩ（Ｋｅｙ　Ｐｅｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ）が希望条件を満たすように処理順序を探索することが考えられる。しかしながら、処理順序の探索の結果、ＫＰＩが希望条件を満たさないことがある。その場合、作業装置を増減させることによって、ＫＰＩを改善することが求められる。
　１つの側面では、本発明は、作業装置の増減に係る情報を提供することができる情報処理装置、特定方法、および特定プログラムを提供することを目的とする。
　１つの態様では、特定プログラムは、コンピュータに、複数の種類を含む複数の対象物を処理する処理順序を示す第１情報を得る処理と、前記複数の種類のうち、複数の作業装置の各々が処理可能な種類を示す第２情報を得る処理と、前記第１情報及び前記第２情報に基づいて、前記複数の対象物のそれぞれを複数の作業装置のいずれかに振り分ける処理と、前記複数の対象物のそれぞれを振り分けた結果に基づいて、前記複数の作業装置の処理に関するシミュレーションの結果を得る処理と、前記複数の対象物の各々は、該対象物の処理を実施可能な前記作業装置が他の対象物に対する処理を実施中であれば待機する、という条件で、前記シミュレーションの結果から、前記複数の作業装置のそれぞれについて、次に振り分けられる対象物に対して処理を実施可能であるが他の作業装置に移動した対象物数Ｎ１をカウントし、次に振り分けられる対象物に対して処理を実施可能であるが他の対象物に対して処理中であるあるために待機させた対象物数Ｎ２をカウントする処理と、前記対象物数Ｎ１および前記対象物数Ｎ２の少なくともいずれかに応じて、前記複数の作業装置に対して増減させる作業装置を特定する処理とを実行させる。
　作業装置の増減に係る情報を提供することができる。
（ａ）～（ｃ）は製造ラインの概要を説明するための図である。 （ａ）～（ｃ）は製造ラインの概要を説明するための図である。 製造ラインモデルを例示する図である。 （ａ）は情報処理装置の全体構成を表す機能ブロック図であり、（ｂ）は情報処理装置の各部のハードウェア構成を例示するブロック図である。 各製造装置が製造工程を実施可能な製品と、各製品に対する当該製造工程の工程時間との関係を例示する図である。 最適化処理を例示するフローチャートである。 （ａ）～（ｄ）は製品数Ｎ１および製品数Ｎ２のカウントを例示する図である。 （ａ）および（ｂ）はステップＳ３の結果を例示する図である。 （ａ）～（ｅ）はステップＳ９の他の態様について例示する図である。
　まず、作業ラインの一例として、製造ラインの概要について説明する。図１（ａ）～図１（ｃ）は、製造ラインの概要を説明するための図である。図１（ａ）は、セル生産タイプの製造ラインを例示する図である。図１（ｂ）は、ライン生産タイプの製造ラインを例示する図である。図１（ａ）または図１（ｂ）で例示するように、投入口に完成前の製品（原材料）が投入される。各製品は、製造ラインの途中で各製造工程を経て、完成品となる。図１（ａ）または図１（ｂ）では、一例として、施削工程、穴あけ工程、および平削工程が実施される。
　近年では、多品種少量生産が行われている。したがって、製品番号（製品の種類）ごとに、実施される製造工程が異なっている。例えば、図１（ｃ）で例示するように、製品＃１については、１番目に施削工程が実施され、２番目に平削工程が実施されて完成する。製品＃２については、１番目に穴あけ工程が実施され、２番目に平削工程が実施される。また、穴あけ工程であっても、製品の種類に応じて穴あけの内容が異なっていることもある。このように、多品種少量生産では、製造工程が複雑化している。そこで、各製造工程を実施可能な製造装置を複数台配置することで、製造ラインを効率化することが考えられる。
　例えば、図２（ａ）で例示するように、各製品の投入順序が定められている。図２（ａ）の例では、上から下に向かって投入順序が定められている。図２（ｂ）で例示するように、待機領域の先頭まで流れてきた各製品は、各製造装置に振り分けられる。各製品の振分先は、先頭の製品について必要な製造工程を実施可能な製造装置である。図２（ｃ）で例示するように、各製造装置が必要な製造工程を実施可能な製品と、当該製品の製造工程に要する工程時間が定まっている。製造装置ごとに、製造可能な製品が異なっている。
　例えば、製造装置ａは、製品＃１および製品＃３の製造工程を実施可能であるが、製品＃２および製品＃４の製造を実施できない。製造装置ｂは、製品＃２の製造工程を実施可能であるが、製品＃１，＃３，＃４の製造を実施できない。製造装置ｃは、製品＃１～＃４のいずれの製造工程も実施可能である。
　待機領域の先頭まで流れてきた製品について必要な製造工程を実施可能な製造装置のいずれにおいても他の製品の製造工程を実施中であれば、当該製品は待機領域の先頭で待機することになる。当該製造装置から当該他の製品が移動した場合に、先頭で待機している製品が当該製造装置に移動する。なお、待機領域から振り分け可能な製造装置が複数ある場合には、所定のルールに従って振り分け先が選択される。例えば、工程時間の短い製造装置、製造コストの低い製造装置、などが選択される。なお、待機領域では、先頭の製品から各製造装置に順次振り分けられるため、先頭の製品が待機していれは、他の製品も待機することになる。
　なお、製造工程を実施可能な製品種類数が多い汎用装置を用いれば、各製造装置の稼動効率が上がり、各製品についての待機時間が短くなる。しかしながら、汎用装置は、高価であるとともに製造工程時間が長くなる傾向にある。製造工程が長くなるのは、例えば、製品種類に応じた設定変更作業（段替え作業）などが生じるためである。一方、製造工程を実施可能な製品種類数が少ない専用装置は、安価であって製造工程時間が短くなる傾向にあるが、他の製品種類に対しては製造工程を実施できない。このように、汎用装置および専用装置には、それぞれメリットおよびデメリットがあるため、製造ラインでは、汎用装置と専用装置とが混在する傾向にある。
　各製品について待機時間が長くなってしまうと、全ての製品の製造を完了させるために要する時間（製造リードタイム）が長くなってしまう。または、各製造装置の設置コストや、各製造装置の稼動時間などに応じて、製造コストが変動する。したがって、複数のＫＰＩが所定条件を満たすことが求められる。複数のＫＰＩには、製造リードタイム、製造コスト以外にも、各製造装置の段替え回数、各製品の納期遅延時間、各製品の遅延回数などが挙げられる。
　そこで、ラインシミュレータなどを用い、製造ラインモデルへの製品の投入順序を入れ替えつつシミュレーションを行なうことで、ＫＰＩが所定条件を満たすように投入順序を最適化することが考えられる。ラインシミュレータは、製造ラインモデルを細かいセルに分割し、一つ先のセルが空いた場合に当該セルに製品が流れる、といった単純なモデル計算を実行する。図３は、製造ラインモデルを例示する図である。製造ラインモデルに投入された製品は、各製造装置に対応するセルにおいて、指定された工程時間だけ滞在した後に、次のセルに移動する。待機領域では、例えば所定数のセルが設定される。それにより、待機領域において、当該所定数の製品が待機することができる。ただし、待機領域では、待機領域に到着した製品から順に、先頭から待機する。ラインシミュレータは、スタートのセルに投入順序に従って所定の時間間隔で各製品の投入がスタートしてから、全ての製品がゴールに到達するまでのシミュレーションを行なう。
　ラインシミュレータを用いることで、製造リードタイム、製造コストなどのＫＰＩを目的関数として、投入順序によって定まる目的関数が所定条件を満たすように、投入順序を最適化することができる。目的関数は、１つであってもよく、２つ以上であってもよい。目的関数が１つの場合には、単目的最適化が実施される。目的関数が２つ以上の場合には、多目的最適化が実施される。得られた結果の中から、希望の条件に合う投入計画を採用することになる。しかしながら、ＫＰＩの希望条件に合う結果が無かった場合、例えば、製造装置の種類と数を調整することが求められる。このとき、製造装置を増減することが求められる。
　以下、所望のＫＰＩを得るために製造装置を増減するための情報を提供することができる情報処理装置、特定方法、および特定プログラムについて説明する。
　図４（ａ）は、実施例１に係る情報処理装置１００の全体構成を表す機能ブロック図である。情報処理装置１００は、最適化処理用のサーバなどである。図４（ａ）で例示するように、情報処理装置１００は、製造ラインモデル格納部１０、製造マスタ格納部２０、投入順序格納部３０、演算結果格納部４０、取得部５０、最適化実行部６０、カウント部７０、特定部８０、結果出力部９０などを備える。
　図４（ｂ）は、情報処理装置１００の各部のハードウェア構成を例示するブロック図である。図４（ｂ）で例示するように、情報処理装置１００は、ＣＰＵ１０１、ＲＡＭ１０２、記憶装置１０３、入力装置１０４、表示装置１０５等を備える。
　ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１０１は、中央演算処理装置である。ＣＰＵ１０１は、１以上のコアを含む。ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１０２は、ＣＰＵ１０１が実行するプログラム、ＣＰＵ１０１が処理するデータなどを一時的に記憶する揮発性メモリである。記憶装置１０３は、不揮発性記憶装置である。記憶装置１０３として、例えば、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリなどのソリッド・ステート・ドライブ（ＳＳＤ）、ハードディスクドライブに駆動されるハードディスクなどを用いることができる。記憶装置１０３は、本実施例に係る特定プログラムを記憶している。入力装置１０４は、マウス、キーボードなどの入力装置である。表示装置１０５は、液晶ディスプレイなどの表示装置である。表示装置１０５は、結果出力部９０が出力する結果を表示する。ＣＰＵ１０１が特定プログラムを実行することで、図４（ａ）の各部が実現される。なお、図４（ａ）の各部として、専用の回路などのハードウェアを用いてもよい。
　製造ラインモデル格納部１０は、図３で例示したような製造ラインモデルを格納している。
　製造マスタ格納部２０は、各製品の種類と、各製品種類について製造工程を実施可能な製造装置とが関連付けられた製造マスタを格納している。図５は、製造マスタを例示する図である。図５の例では、例えば、製造装置ａは、製品＃１、製品＃３、および製品＃４について、必要な製造工程を実施可能であるが、製品＃２および製品＃５については、必要な製造工程を実施できない。
　投入順序格納部３０は、図２（ａ）で例示したような初期投入順序を格納している。初期投入順序とは、例えば顧客から発注を受けた通りに並べた順序であって、ユーザが入力装置１０４を用いて事前に入力しておいてもよい。または、初期投入順序は、乱数によって生成しておいてもよい。初期投入順序は、目的関数について考慮せずに生成されるため、いずれの目的関数についても良好な値とはならないことが多い。
　以下、図６のフローチャートに沿って、最適化処理について説明する。まず、取得部５０は、最適化計算に必要な情報を取得する（ステップＳ１）。最適化計算に必要な情報には、製造ラインモデル格納部１０に格納されている製造ラインモデルが含まれる。また、最適化計算に必要な情報には、図５で例示した製造マスタが含まれる。さらに、最適化計算に必要な情報には、投入順序格納部３０に格納されている初期投入順序が含まれる。
　次に、最適化実行部６０は、取得部５０がステップＳ１で取得した情報を用いて、最適化計算を行なう（ステップＳ２）。ここでの最適化計算は、投入順序に従ってラインシミュレーションを行ない、スタートへの製品投入開始から全ての製品がゴールに到達するまでのシミュレーション結果について、製造リードタイムおよび製造コストを目的関数として取得する。進化的アルゴリズム(例えば遺伝的アルゴリズム(Genetic Algorithm: GA))によって、指定された目的関数が良好になるように、投入順序を最適化していく。
　次に、カウント部７０は、各製造装置について、待機領域の先頭に製品が到着した場合に、製造工程を実施中ではなく当該製品に対して製造工程を実施可能であるにもかかわらず他の製造装置に移動した製品数Ｎ１をカウントする。また、カウント部７０は、各製造装置について、待機領域の先頭に製品が到着した場合に、当該製品に対して製造工程を実施可能であるにもかかわらず他の製品に対して製造工程を実施中であるために待機させた製品数Ｎ２をカウントする（ステップＳ３）。なお、ここでの待機とは、待機領域の先頭で規定時間（０≧０）以上停止することを意味する。
　例えば、図７（ａ）で例示するように、待機領域において、先頭から最後尾に向かって、製品＃３、製品＃２、製品＃１の順番に待機しているものとする。この状態において、図７（ｂ）で例示するように、製造装置ｂでは製品＃５の製造工程を実施中であって、製造装置ｃでは製品＃４の製造工程を実施中であるものとする。この場合、図５の製造マスタからすると、製品＃３は、製造装置ａまたは製造装置ｄに振り分け可能である。しかしながら、製造装置ｄでの工程時間が製造装置ａでの工程時間よりも長いため、図７（ｂ）で例示するように、製品＃３は製造装置ａに移動したものとする。
　この場合において、製造装置ｄは、待機領域の先頭に製品が到着した場合に、製造工程を実施中ではなく当該製品に対して製造工程を実施可能であるにもかかわらず当該製品が他の製造装置に移動した状態となる。したがって、図７（ｃ）で例示するように、製造装置ｄの製品数Ｎ１が１つ累積される。
　製品＃３が製造装置ａに移動したことで、図７（ａ）で例示するように、製品＃２が待機領域の先頭に移動する。この状態においては、製造装置ｂおよび製造装置ｃが他の製品に対して製造工程を実施中であるため、図５の製造マスタからすると、製品＃２は待機領域で待機することになる。
　この場合において、製造装置ｂ，ｃは、待機領域の先頭に製品が到着した場合に、当該製品に対して製造工程を実施可能であるにもかかわらず他の製品に対して製造工程を実施中であるために待機させたことになる。したがって、図７（ｄ）で例示するように、製造装置ｂ，ｃの製品数Ｎ２が１つ累積される。
　図８（ａ）および図８（ｂ）は、ステップＳ３の結果を例示する図である。図８（ａ）では、各製造装置について、製品数Ｎ１がカウントされている。図８（ｂ）では、各製造装置について、製品数Ｎ２がカウントされている。なお、製品数Ｎ１および製品数Ｎ２は、ステップＳ２の最適化の過程でシミュレーションされた全ての投入順序についての累積値である。例えば、初期投入順序から投入順序を９９回変更した場合には、製品数Ｎ１および製品数Ｎ２のカウント値は、１００回分のシミュレーション結果についての製品数Ｎ１および製品数Ｎ２の累積値である。製品数Ｎ１および製品数Ｎ２のカウント値は、演算結果格納部４０に格納される。
　次に、特定部８０は、ステップＳ２の実行によって得られた最適な投入順序でのラインシミュレーションの結果について、ＫＰＩが所定条件を満たしているか否かを判定する（ステップＳ４）。ステップＳ４で「Ｙｅｓ」と判定された場合、所望のＫＰＩが得られているため、製造装置の追加または削除を行なう必要がない。したがって、ステップＳ４で「Ｙｅｓ」と判定された場合には、結果出力部９０は、ステップＳ２の結果、ステップＳ３の結果などを表示装置１０５に表示させる（ステップＳ５）。その後、フローチャートの実行が終了する。
　ステップＳ４で「Ｎｏ」と判定された場合、特定部８０は、製品数Ｎ１および製品数Ｎ２のそれぞれについて、閾値を設定する（ステップＳ６）。次に、特定部８０は、各製造装置について、製品数Ｎ１が、ステップＳ６で設定された閾値以上であるか否かを判定する（ステップＳ７）。ステップＳ７で「Ｙｅｓ」と判定される製造装置がある場合には、特定部８０は、図８（ａ）で例示するように、製造ラインモデルから当該製造装置を削除する（ステップＳ８）。製造ラインモデル格納部１０は、更新された製造ラインモデルを格納する。ステップＳ８においては、結果出力部９０が削除対象の製造装置を表示装置１０５に表示させることで、ユーザに製造ラインモデルから当該製造装置を削除させてもよい。
　次に、特定部８０は、各製造装置について、製品数Ｎ２がステップＳ６で設定された閾値以上であるか否かを判定する（ステップＳ９）。ステップＳ９で「Ｙｅｓ」と判定される製造装置がある場合には、特定部８０は、図８（ｂ）で例示するように、製造ラインモデルに対して当該製造装置をもう一台追加する（ステップＳ１０）。製造ラインモデル格納部１０は、更新された製造ラインモデルを格納する。その後、ステップＳ１から再度実行される。ステップＳ１０においては、結果出力部９０が追加対象の製造装置を表示装置１０５に表示させることで、ユーザに製造ラインモデルに当該製造装置を追加させてもよい。
　なお、ステップＳ７で「Ｎｏ」と判定された場合、ステップＳ８が実行されずにステップＳ９が実行される。ステップＳ９で「Ｎｏ」と判定された場合、ステップＳ１０が実行されずにステップＳ１から再度実行される。
　本実施例によれば、製品数Ｎ１および製品数Ｎ２をカウントすることにより、増減させるべき製造装置を特定することができる。例えば、製品数Ｎ１をカウントすることにより、製品が振り分けられなかった回数をカウントすることができるため、製品数Ｎ１を各製造装置の必要性についての指標とすることができる。また、製品数Ｎ２をカウントすることにより、製品を待機させた回数をカウントすることができるため、製品数Ｎ２を各製造装置の必要性についての指標とすることができる。製品数Ｎ１を閾値と比較することで、削除するべき製造装置を特定することができる。また、製品数Ｎ２を閾値と比較することで、追加するべき製造装置を特定することができる。
　図９（ａ）～図９（ｅ）を用いて、図６のステップＳ９の他の態様について説明する。製造マスタ格納部２０に、図９（ａ）で例示するような製造マスタが格納されているものとする。図９（ａ）の例では、製造装置ａは、製品＃４に対してのみ必要な製造工程を実施可能な専用装置である。また、製造装置ｂは、製品＃３に対してのみ必要な製造工程を実施可能な専用装置である。一方、製造装置ｃは、製品＃２、製品＃４および製品＃５に対して必要な製造工程を実施可能な汎用装置である。製造装置ｄ，ｅも、製造装置ｃと同様に、汎用装置である。
　ステップＳ３の結果として、製品数Ｎ２が図９（ｂ）のように得られたものとする。また、ステップＳ３の結果として、各製品の種類ごとに、待機領域の先頭で待機した空き待ち回数が図９（ｃ）のように得られたものとする。図９（ｂ）および図９（ｃ）の結果は、ステップＳ２の最適化の過程でシミュレーションされた全ての投入順序についての累積値である。
　追加する製造装置の種類は、製品数Ｎ２が閾値（例えば、平均値）よりも多い製造装置を候補とする。図９（ｂ）の例では、製造装置ｂ，ｃ，ｅが候補となる。これらの中から、図９（ｃ）の空き待ち回数が閾値（例えば、平均値）よりも多い製品の全てに対して製造工程を実施可能な製造装置を選択する。選択された製造装置が、ステップＳ８で削除される。
　ただし、製造装置を追加することで増加するコストを考慮することが好ましい。図９（ｄ）は、製造装置を追加する場合に必要となる固定コストを例示する図である。コストの希望条件を満たす範囲で、追加する製造装置の数を決定することが好ましい。図９（ｅ）で例示するような許容コスト（例えば、５０００）の範囲に収めるために、空き待ち回数が平均より多い製品（＃３、＃４、＃５）の全てに対して製造工程を実施可能な製造装置を選択できない場合は、空き待ち回数が多い製品（多い順に＃４、＃３、＃５）に対して製造工程を実施可能な製造装置を優先的に選択する。数式で表す場合は、まず、許容コストに収まる範囲で、各製造装置の追加台数の候補を複数挙げる。例えば、（製造装置ｂ，製造装置ｃ，製造装置ｄ）＝（１，１，０）、（０，１，１）、…を挙げる。この各候補において、製品毎の、製造工程実施可能な製造装置追加台数（＃１，＃２，＃３，＃４，＃５）＝（０，１，１，１，１）、（１，２，１，１，１）、…＝（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５）を求める。この追加台数に、製品毎の空き待ち回数を係数とした式（ｎ１×ｘ１＋ｎ２×ｘ２＋ｎ３×ｘ３＋ｎ４×ｘ４＋ｎ５×ｘ５）が最も大きくなる製造装置の種類と台数を、製造リードタイム短縮のための追加製造装置として選択する。このように、製品毎の空き待ち回数を係数として掛けることで、空き待ち回数が多い製品に対して、優先的に製造可能な製造装置を追加することができるようになる。
　上記例において、製品＃１～製品＃５が、複数の種類を含む複数の対象物の一例である。製造ラインへの製品の投入順序が、複数の種類を含む複数の対象物を処理する処理順序の一例である。製造装置が、作業装置の一例である。
　取得部５０が、複数の種類を含む複数の対象物を処理する処理順序を示す第１情報を取得し、前記複数の種類のうち、複数の作業装置の各々が処理可能な種類を示す第２情報を取得する取得部の一例である。カウント部７０が、前記第１情報及び前記第２情報に基づいて、前記複数の対象物のそれぞれを複数の作業装置のいずれかに振り分けた結果に基づいて、前記複数の作業装置の処理に関するシミュレーションの結果を得て、前記複数の対象物の各々は該対象物の処理を実施可能な前記作業装置が他の対象物に対する処理を実施中であれば待機する、という条件で、前記シミュレーションの結果から、前記複数の作業装置のそれぞれについて、次に振り分けられる対象物に対して処理を実施可能であるが他の作業装置に移動した対象物数Ｎ１をカウントし、次に振り分けられる対象物に対して処理を実施可能であるが他の対象物に対して処理中であるあるために待機させた対象物数Ｎ２をカウントするカウント部の一例である。特定部８０が、前記対象物数Ｎ１および前記対象物数Ｎ２の少なくともいずれかに応じて、前記複数の作業装置に対して増減させる作業装置を特定する特定部の一例である。
　以上、本発明の実施例について詳述したが、本発明は係る特定の実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
　１０　製造ラインモデル格納部
　２０　製造マスタ格納部
　３０　投入順序格納部
　４０　演算結果格納部
　５０　取得部
　６０　最適化実行部
　７０　カウント部
　８０　特定部
　９０　結果出力部
　１００　情報処理装置
　１０１　ＣＰＵ
　１０２　ＲＡＭ
　１０３　記憶装置
　１０４　入力装置
　１０５　表示装置

Claims (24)

  1. 　コンピュータに、
    　複数の種類を含む複数の対象物を処理する処理順序を示す第１情報を得る処理と、
    　前記複数の種類のうち、複数の作業装置の各々が処理可能な種類を示す第２情報を得る処理と、
    　前記第１情報及び前記第２情報に基づいて、前記複数の対象物のそれぞれを複数の作業装置のいずれかに振り分ける処理と、
    　前記複数の対象物のそれぞれを振り分けた結果に基づいて、前記複数の作業装置の処理に関するシミュレーションの結果を得る処理と、
    　前記複数の対象物の各々は、該対象物の処理を実施可能な前記作業装置が他の対象物に対する処理を実施中であれば待機する、という条件で、前記シミュレーションの結果から、前記複数の作業装置のそれぞれについて、次に振り分けられる対象物に対して処理を実施可能であるが他の作業装置に移動した対象物数Ｎ１をカウントし、次に振り分けられる対象物に対して処理を実施可能であるが他の対象物に対して処理中であるあるために待機させた対象物数Ｎ２をカウントする処理と、
    　前記対象物数Ｎ１および前記対象物数Ｎ２の少なくともいずれかに応じて、前記複数の作業装置に対して増減させる作業装置を特定する処理とを実行させることを特徴とする特定プログラム。
  2. 　前記コンピュータに、
    　前記対象物数Ｎ１に応じて、前記複数の作業装置から削除される作業装置を特定する処理を実行させることを特徴とする請求項１に記載の特定プログラム。
  3. 　前記コンピュータに、
    　前記対象物数Ｎ２に応じて、前記複数の作業装置に追加する作業装置を特定する処理を実行させることを特徴とする請求項１または請求項２に記載の特定プログラム。
  4. 　前記複数の作業装置に追加する作業装置を特定する場合に、前記対象物数Ｎ２に加えて、前記複数の種類の各々の待機した回数を考慮することを特徴とする請求項３に記載の特定プログラム。
  5. 　前記複数の作業装置に追加する作業装置を特定する場合に、前記対象物数Ｎ２に加えて、追加対象の作業装置の追加コストを考慮することを特徴とする請求項３または請求項４に記載の特定プログラム。
  6. 　前記複数種類の処理順序は、処理順序に応じて定まる目的関数が良好となるように順次探索された順序であることを特徴とする請求項１から請求項５のいずれか一項に記載の特定プログラム。
  7. 　前記複数種類の処理順序を探索する際に、前記目的関数を最適化する進化的アルゴリズムを用いることを特徴とする請求項１から請求項６のいずれか一項に記載の特定プログラム。
  8. 　次に振り分けられる対象物について処理を実施可能な作業装置が複数あり、当該複数の作業装置が他の対象物に対して作業を行なっていない場合には、所定のルールに従って振分先が選択されることを特徴とする請求項１～請求項７のいずれか一項に記載の特定プログラム。
  9. 　複数の種類を含む複数の対象物を処理する処理順序を示す第１情報を得る処理と、
    　前記複数の種類のうち、複数の作業装置の各々が処理可能な種類を示す第２情報を得る処理と、
    　前記第１情報及び前記第２情報に基づいて、前記複数の対象物のそれぞれを複数の作業装置のいずれかに振り分ける処理と、
    　前記複数の対象物のそれぞれを振り分けた結果に基づいて、前記複数の作業装置の処理に関するシミュレーションの結果を得る処理と、
    　前記複数の対象物の各々は、該対象物の処理を実施可能な前記作業装置が他の対象物に対する処理を実施中であれば待機する、という条件で、前記シミュレーションの結果から、前記複数の作業装置のそれぞれについて、次に振り分けられる対象物に対して処理を実施可能であるが他の作業装置に移動した対象物数Ｎ１をカウントし、次に振り分けられる対象物に対して処理を実施可能であるが他の対象物に対して処理中であるあるために待機させた対象物数Ｎ２をカウントする処理と、
    　前記対象物数Ｎ１および前記対象物数Ｎ２の少なくともいずれかに応じて、前記複数の作業装置に対して増減させる作業装置を特定する処理とをコンピュータが実行することを特徴とする特定方法。
  10. 　前記対象物数Ｎ１に応じて、前記複数の作業装置から削除される作業装置を特定する処理を前記コンピュータが実行することを特徴とする請求項９に記載の特定方法。
  11. 　前記対象物数Ｎ２に応じて、前記複数の作業装置に追加する作業装置を特定する処理を前記コンピュータが実行することを特徴とする請求項９または請求項１０に記載の特定方法。
  12. 　前記複数の作業装置に追加する作業装置を特定する場合に、前記対象物数Ｎ２に加えて、前記複数の種類の各々の待機した回数を考慮することを特徴とする請求項１１に記載の特定方法。
  13. 　前記複数の作業装置に追加する作業装置を特定する場合に、前記対象物数Ｎ２に加えて、追加対象の作業装置の追加コストを考慮することを特徴とする請求項１１または請求項１２に記載の特定方法。
  14. 　前記複数種類の処理順序は、処理順序に応じて定まる目的関数が良好となるように順次探索された順序であることを特徴とする請求項９から請求項１３のいずれか一項に記載の特定方法。
  15. 　前記複数種類の処理順序を探索する際に、前記目的関数を最適化する進化的アルゴリズムを用いることを特徴とする請求項９から請求項１４のいずれか一項に記載の特定方法。
  16. 　次に振り分けられる対象物について処理を実施可能な作業装置が複数あり、当該複数の作業装置が他の対象物に対して作業を行なっていない場合には、所定のルールに従って振分先が選択されることを特徴とする請求項９～請求項１５のいずれか一項に記載の特定方法。
  17. 　複数の種類を含む複数の対象物を処理する処理順序を示す第１情報を取得し、前記複数の種類のうち、複数の作業装置の各々が処理可能な種類を示す第２情報を取得する取得部と、
    　前記第１情報及び前記第２情報に基づいて、前記複数の対象物のそれぞれを複数の作業装置のいずれかに振り分けた結果に基づいて、前記複数の作業装置の処理に関するシミュレーションの結果を得て、前記複数の対象物の各々は該対象物の処理を実施可能な前記作業装置が他の対象物に対する処理を実施中であれば待機する、という条件で、前記シミュレーションの結果から、前記複数の作業装置のそれぞれについて、次に振り分けられる対象物に対して処理を実施可能であるが他の作業装置に移動した対象物数Ｎ１をカウントし、次に振り分けられる対象物に対して処理を実施可能であるが他の対象物に対して処理中であるあるために待機させた対象物数Ｎ２をカウントするカウント部と、
    　前記対象物数Ｎ１および前記対象物数Ｎ２の少なくともいずれかに応じて、前記複数の作業装置に対して増減させる作業装置を特定する特定部と、を備えることを特徴とする情報処理装置。
  18. 　前記特定部は、前記対象物数Ｎ１に応じて、前記複数の作業装置から削除される作業装置を特定することを特徴とする請求項１７に記載の情報処理装置。
  19. 　前記特定部は、前記対象物数Ｎ２に応じて、前記複数の作業装置に追加する作業装置を特定することを特徴とする請求項１７または請求項１８に記載の情報処理装置。
  20. 　前記特定部は、前記複数の作業装置に追加する作業装置を特定する場合に、前記対象物数Ｎ２に加えて、前記複数の種類の各々の待機した回数を考慮することを特徴とする請求項１９に記載の情報処理装置。
  21. 　前記特定部は、前記複数の作業装置に追加する作業装置を特定する場合に、前記対象物数Ｎ２に加えて、追加対象の作業装置の追加コストを考慮することを特徴とする請求項１９または請求項２０に記載の情報処理装置。
  22. 　前記複数種類の処理順序は、処理順序に応じて定まる目的関数が良好となるように順次探索された順序であることを特徴とする請求項１７から請求項２１のいずれか一項に記載の情報処理装置。
  23. 　前記特定部は、前記複数種類の処理順序を探索する際に、前記目的関数を最適化する進化的アルゴリズムを用いることを特徴とする請求項１７から請求項２２のいずれか一項に記載の情報処理装置。
  24. 　次に振り分けられる対象物について処理を実施可能な作業装置が複数あり、当該複数の作業装置が他の対象物に対して作業を行なっていない場合には、所定のルールに従って振分先が選択されることを特徴とする請求項１７～請求項２３のいずれか一項に記載の情報処理装置。
PCT/JP2020/048768 2020-12-25 2020-12-25 情報処理装置、特定方法、および特定プログラム WO2022137513A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202080107188.3A CN116490831A (zh) 2020-12-25 2020-12-25 信息处理装置、确定方法、以及确定程序
JP2022570955A JP7368785B2 (ja) 2020-12-25 2020-12-25 情報処理装置、特定方法、および特定プログラム
EP20966999.3A EP4270125A4 (en) 2020-12-25 2020-12-25 INFORMATION PROCESSING DEVICE, DESIGNATION METHOD AND DESIGNATION PROGRAM
PCT/JP2020/048768 WO2022137513A1 (ja) 2020-12-25 2020-12-25 情報処理装置、特定方法、および特定プログラム
US18/307,844 US20240095428A1 (en) 2020-12-25 2023-04-27 Information processing device, specifying method, and non-transitory computer-readable recording medium storing specifying program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/048768 WO2022137513A1 (ja) 2020-12-25 2020-12-25 情報処理装置、特定方法、および特定プログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/307,844 Continuation US20240095428A1 (en) 2020-12-25 2023-04-27 Information processing device, specifying method, and non-transitory computer-readable recording medium storing specifying program

Publications (1)

Publication Number Publication Date
WO2022137513A1 true WO2022137513A1 (ja) 2022-06-30

Family

ID=82157440

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/048768 WO2022137513A1 (ja) 2020-12-25 2020-12-25 情報処理装置、特定方法、および特定プログラム

Country Status (5)

Country Link
US (1) US20240095428A1 (ja)
EP (1) EP4270125A4 (ja)
JP (1) JP7368785B2 (ja)
CN (1) CN116490831A (ja)
WO (1) WO2022137513A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11282923A (ja) * 1998-03-31 1999-10-15 Mitsubishi Electric Corp 循環型製造プロセス日程計画方法
JP2002182732A (ja) * 2000-12-19 2002-06-26 Toyota Motor Corp 製造原価見積りシステム
JP2005055956A (ja) * 2003-08-05 2005-03-03 Toyota Central Res & Dev Lab Inc 原因・経路推定方法
JP2005301653A (ja) 2004-04-12 2005-10-27 Oki Electric Ind Co Ltd 製造工程管理方法
JP2006512628A (ja) * 2002-06-07 2006-04-13 日本電産サンキョー株式会社 自動誘導式パレットを用いた生産ラインおよび生産ライン設計支援システム本出願は米国特許法（３５Ｕ．Ｓ．Ｃ．）第１１９条に基づく２００２年６月７日出願の米国仮出願Ｎｏ．６０／３８７，３４７の優先権を主張するものであり、当該仮出願の全開示もまた参照により本出願に包含される。
JP2015087803A (ja) 2013-10-28 2015-05-07 株式会社日立製作所 部品設備割付装置、部品設備割付方法、及びプログラム
JP2016024799A (ja) * 2014-07-25 2016-02-08 Ｊｆｅスチール株式会社 鉄鋼製品の生産計画方法およびプログラム
JP2020047301A (ja) 2016-11-30 2020-03-26 パナソニックＩｐマネジメント株式会社 設備構成作成支援システムおよび設備構成作成支援方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017187517A1 (ja) * 2016-04-26 2017-11-02 富士通株式会社 製品投入計画策定装置、製品投入計画策定方法及び製品投入計画策定プログラム
CN108460463B (zh) * 2018-03-20 2020-09-01 合肥工业大学 基于改进遗传算法的高端装备流水线生产调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11282923A (ja) * 1998-03-31 1999-10-15 Mitsubishi Electric Corp 循環型製造プロセス日程計画方法
JP2002182732A (ja) * 2000-12-19 2002-06-26 Toyota Motor Corp 製造原価見積りシステム
JP2006512628A (ja) * 2002-06-07 2006-04-13 日本電産サンキョー株式会社 自動誘導式パレットを用いた生産ラインおよび生産ライン設計支援システム本出願は米国特許法（３５Ｕ．Ｓ．Ｃ．）第１１９条に基づく２００２年６月７日出願の米国仮出願Ｎｏ．６０／３８７，３４７の優先権を主張するものであり、当該仮出願の全開示もまた参照により本出願に包含される。
JP2005055956A (ja) * 2003-08-05 2005-03-03 Toyota Central Res & Dev Lab Inc 原因・経路推定方法
JP2005301653A (ja) 2004-04-12 2005-10-27 Oki Electric Ind Co Ltd 製造工程管理方法
JP2015087803A (ja) 2013-10-28 2015-05-07 株式会社日立製作所 部品設備割付装置、部品設備割付方法、及びプログラム
JP2016024799A (ja) * 2014-07-25 2016-02-08 Ｊｆｅスチール株式会社 鉄鋼製品の生産計画方法およびプログラム
JP2020047301A (ja) 2016-11-30 2020-03-26 パナソニックＩｐマネジメント株式会社 設備構成作成支援システムおよび設備構成作成支援方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4270125A4

Also Published As

Publication number Publication date
JP7368785B2 (ja) 2023-10-25
CN116490831A (zh) 2023-07-25
JPWO2022137513A1 (ja) 2022-06-30
EP4270125A1 (en) 2023-11-01
EP4270125A4 (en) 2024-02-21
US20240095428A1 (en) 2024-03-21

Similar Documents

Publication Publication Date Title
Kulak et al. Joint order batching and picker routing in single and multiple-cross-aisle warehouses using cluster-based tabu search algorithms
JP6460095B2 (ja) 学習モデル選択システム、学習モデル選択方法及びプログラム
JP6962539B2 (ja) 業務計画最適化方法
US10642257B2 (en) Tree search-based scheduling method and electronic apparatus using the same
US8983881B2 (en) Benchmarking progressive systems for solving combinatorial problems
Li et al. A heuristic-search genetic algorithm for multi-stage hybrid flow shop scheduling with single processing machines and batch processing machines
US11321722B2 (en) Assortment optimization using incremental swapping with demand transference
JP5134601B2 (ja) 生産スケジュール作成装置
JP2018026070A (ja) 作業編成装置、作業編成方法および作業編成プログラム
CN110147596B (zh) 一种航空产品生产能力评估方法
JPWO2018185899A1 (ja) ライブラリ検索装置、ライブラリ検索システム、及びライブラリ検索方法
WO2022137513A1 (ja) 情報処理装置、特定方法、および特定プログラム
Ebrahim et al. Understanding responsiveness in manufacturing operations
JP6214835B2 (ja) 作業指導割当システム及び作業指導割当方法
Venkatadri et al. A multi-commodity network flow-based formulation for the multi-period cell formation problem
JP6995694B2 (ja) 加工設備特定支援装置、加工設備特定支援方法、および、加工設備特定支援システム
Xie et al. Efficient order picking methods in robotic mobile fulfillment systems
van der Gaast et al. Dynamic batching for order picking in warehouses
JP2003280714A (ja) 生産スケジューリング方法及び生産スケジューリング装置
JP6688616B2 (ja) シミュレーション装置
WO2021234903A1 (ja) 情報処理装置、作業計画特定方法、および作業計画特定プログラム
WO2022013921A1 (ja) 作業計画特定プログラム、作業計画特定方法、および情報処理装置
WO2023276108A1 (ja) シミュレーションプログラム、シミュレーション方法、および情報処理装置
CN116663827A (zh) 一种柔性作业车间机器选择方法、系统、终端及介质
JP4930152B2 (ja) 条鋼製品の生産計画方法、その製造方法及びプログラム

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: 20966999

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022570955

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202080107188.3

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020966999

Country of ref document: EP

Effective date: 20230725