WO2025192189A1 - 支援システム及び支援方法 - Google Patents

支援システム及び支援方法

Info

Publication number
WO2025192189A1
WO2025192189A1 PCT/JP2025/005352 JP2025005352W WO2025192189A1 WO 2025192189 A1 WO2025192189 A1 WO 2025192189A1 JP 2025005352 W JP2025005352 W JP 2025005352W WO 2025192189 A1 WO2025192189 A1 WO 2025192189A1
Authority
WO
WIPO (PCT)
Prior art keywords
financial
measure
production
production equipment
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/JP2025/005352
Other languages
English (en)
French (fr)
Inventor
基夫 山本
健太 山川
純 佐々木
直樹 岡田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Omron Tateisi Electronics Co
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 Omron Corp, Omron Tateisi Electronics Co filed Critical Omron Corp
Publication of WO2025192189A1 publication Critical patent/WO2025192189A1/ja
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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

  • the present invention relates to technology that supports goal achievement in production sites.
  • Patent Document 1 proposes a method of using computer simulations with 3D models of production lines to identify potential bottlenecks and improve production capacity in advance.
  • the present invention was made in light of the above situation, and its purpose is to provide technology that supports the achievement of financial and non-financial goals at production sites.
  • the present disclosure relates to a support system for assisting in goal achievement at a production site, the support system including: a financial target acquisition unit that acquires financial targets, which are targets for financial indicators to be achieved at the production site; a non-financial target acquisition unit that acquires non-financial targets, which are targets for non-financial indicators to be achieved at the production site; a first measure generation unit that generates a first measure for bringing the values of financial indicators at the production site closer to the financial targets based on information representing the operating status of production equipment operating at the production site and the financial targets; and a second measure generation unit that generates a second measure for bringing the values of non-financial indicators at the production site closer to the non-financial targets based on information representing the operating status of the production equipment when the first measure generated by the first measure generation unit is applied and the non-financial targets.
  • the system may further include a financial indicator evaluation unit that acquires changes in financial indicators when the first measure is applied to the production site and evaluates whether the financial target has been achieved based on the changes in the financial indicators, and if the financial indicator evaluation unit evaluates that the financial target has not been achieved, the first measure generation unit may modify the first measure.
  • a financial indicator evaluation unit that acquires changes in financial indicators when the first measure is applied to the production site and evaluates whether the financial target has been achieved based on the changes in the financial indicators, and if the financial indicator evaluation unit evaluates that the financial target has not been achieved, the first measure generation unit may modify the first measure.
  • the system may further include a non-financial indicator evaluation unit that acquires changes in non-financial indicators when the second measure is applied to the production site and evaluates whether the non-financial target has been achieved based on the changes in the non-financial indicators, and if the non-financial indicator evaluation unit evaluates that the non-financial target has not been achieved, the second measure generation unit may modify the second measure.
  • the system may further include a non-financial indicator evaluation unit that acquires changes in non-financial indicators when the second measure is applied to the production site and evaluates whether the non-financial target has been achieved based on the changes in the non-financial indicators, and a third measure generation unit that generates a third measure different from the second measure as a measure to bring the values of the non-financial indicators at the production site closer to the non-financial target when the non-financial indicator evaluation unit evaluates that the non-financial target has not been achieved.
  • a non-financial indicator evaluation unit that acquires changes in non-financial indicators when the second measure is applied to the production site and evaluates whether the non-financial target has been achieved based on the changes in the non-financial indicators
  • a third measure generation unit that generates a third measure different from the second measure as a measure to bring the values of the non-financial indicators at the production site closer to the non
  • the third measure generation unit may generate multiple candidate measures as the third measure and present the multiple candidate measures to the user.
  • the system may further include a learning unit that performs machine learning on information about a measure selected by a user from the plurality of candidate measures and the change in the non-financial indicators when the selected measure is applied to the production site.
  • a learning unit that performs machine learning on information about a measure selected by a user from the plurality of candidate measures and the change in the non-financial indicators when the selected measure is applied to the production site.
  • the first measure may include control parameters for changing the control of the production equipment.
  • the first measure generation unit may be configured as a trained model that has been machine-learned to output measures for bringing the values of financial indicators at the production site closer to the financial targets based on information representing the operating status of the production equipment and the financial targets.
  • the second measure generation unit may be configured as a trained model that has been machine-learned to output measures for bringing the values of non-financial indicators at the production site closer to the non-financial targets based on information representing the operating status of the production equipment and the non-financial targets.
  • the system may further include a simulator that performs an operation simulation using virtual production equipment that reproduces the production equipment in a virtual space, and the simulator may apply the first measure generated by the first measure generation unit to the virtual production equipment and perform an operation simulation to estimate the operating status of the production equipment when the first measure is applied, and the second measure generation unit may generate the second measure using the estimation result by the simulator as information representing the operating status of the production equipment when the first measure is applied.
  • a simulator that performs an operation simulation using virtual production equipment that reproduces the production equipment in a virtual space
  • the simulator may apply the first measure generated by the first measure generation unit to the virtual production equipment and perform an operation simulation to estimate the operating status of the production equipment when the first measure is applied
  • the second measure generation unit may generate the second measure using the estimation result by the simulator as information representing the operating status of the production equipment when the first measure is applied.
  • the system may further include a simulator that performs an operation simulation using virtual production equipment that reproduces the production equipment in a virtual space, and the simulator estimates the operating status of the production equipment when the first measure is applied by applying the first measure generated by the first measure generation unit to the virtual production equipment and performing an operation simulation, and the financial indicator evaluation unit may estimate, based on the estimation results by the simulator, changes in financial indicators when the first measure is applied to the production equipment.
  • a simulator that performs an operation simulation using virtual production equipment that reproduces the production equipment in a virtual space
  • the simulator estimates the operating status of the production equipment when the first measure is applied by applying the first measure generated by the first measure generation unit to the virtual production equipment and performing an operation simulation
  • the financial indicator evaluation unit may estimate, based on the estimation results by the simulator, changes in financial indicators when the first measure is applied to the production equipment.
  • the system may further include a simulator that performs an operation simulation using virtual production equipment that reproduces the production equipment in a virtual space, and the simulator may apply the second measure generated by the second measure generation unit to the virtual production equipment and perform an operation simulation to estimate the operating status of the production equipment when the second measure is applied, and the non-financial indicator evaluation unit may estimate changes in non-financial indicators when the second measure is applied to the production equipment based on the estimation results by the simulator.
  • a simulator that performs an operation simulation using virtual production equipment that reproduces the production equipment in a virtual space
  • the simulator may apply the second measure generated by the second measure generation unit to the virtual production equipment and perform an operation simulation to estimate the operating status of the production equipment when the second measure is applied
  • the non-financial indicator evaluation unit may estimate changes in non-financial indicators when the second measure is applied to the production equipment based on the estimation results by the simulator.
  • the present disclosure relates to a support method for using a computer to support goal achievement at a production site, the support method including the steps of: a computer acquiring financial targets, which are targets for financial indicators to be achieved at the production site; a computer acquiring non-financial targets, which are targets for non-financial indicators to be achieved at the production site; a computer generating a first measure for bringing the values of financial indicators at the production site closer to the financial targets based on information representing the operating status of production equipment operating at the production site and the financial targets; and a computer generating a second measure for bringing the values of non-financial indicators at the production site closer to the non-financial targets based on information representing the operating status of the production equipment when the first measure is applied and the non-financial targets.
  • the present disclosure includes a program for causing a computer to execute each step of the above support method.
  • the present invention may be understood as a support system, goal achievement support system, measure provision system, measure planning system, optimization system, improvement system, autonomous management system, etc., that has at least some of the above means.
  • the present invention can also be understood as a support method, a support system control method, a goal achievement support method, measure provision method, measure planning method, optimization method, improvement method, autonomous management method, or a program for realizing such a method or a recording medium on which such a program is recorded, that includes at least some of the above processing, or a program for realizing such a method or a recording medium on which such a program is recorded.
  • the above means and processing can be combined with each other to the greatest extent possible to constitute the present invention.
  • This invention makes it possible to support the achievement of financial and non-financial goals at production sites.
  • FIG. 1 is a diagram showing a conceptual model of a support system to which the present invention is applied.
  • FIG. 2 is a block diagram showing the functional configuration of the support system according to the first embodiment.
  • FIG. 3A is a diagram illustrating an example of a configuration when a trained model is used.
  • FIG. 3B is a diagram illustrating an example of a configuration when a trained model is used.
  • FIG. 3C is a diagram illustrating an example of a configuration when a trained model is used.
  • FIG. 4 is a flowchart of the assistance process executed by the assistance system according to the first embodiment.
  • FIG. 5 shows an example of optimization by the support system.
  • FIG. 6 shows an example of optimization by the support system.
  • FIG. 7 is a block diagram showing the functional configuration of the support system according to the second embodiment.
  • FIG. 8 is a flowchart of the assistance process executed by the assistance system according to the second embodiment.
  • FIG. 9 is a flowchart of the assistance process executed by the assistance system according to the third embodiment.
  • FIG. 10 is a block diagram showing the functional configuration of the support system according to the fourth embodiment.
  • ⁇ Application example> 1 shows a conceptual model of a support system to which the present invention is applied. With reference to FIG. 1, an overview of the support system 1 will be described.
  • Support system 1 connects data with the company's management system MS and various systems in the production site PL, and generates and provides solutions (measures for resolving problems) to improve the production site PL so as to achieve the financial and non-financial targets set by the management system MS.
  • Financial targets are target values for financial indicators, set primarily by management and administrative staff.
  • “financial indicators” refer to indicators related to production and manufacturing capacity and output, such as productivity, production volume, production value (sales), operating hours, operating rate, yield, non-defective product rate, first-run rate, and delivery date.
  • Financial target data is obtained, for example, from a production management system MS, such as an MES (Manufacturing Execution System).
  • Non-financial targets are target values for non-financial indicators, mainly set by management.
  • non-financial indicators are indicators other than financial indicators, such as indicators related to social value such as consideration for the global environment, achievement of the SDGs, and improvements to working styles.
  • non-financial indicators include energy consumption, CO2 emissions, job satisfaction, work engagement, and health and safety.
  • Non-financial targets are obtained, for example, from core management systems (MS) such as ERP (Enterprise Resource Planning).
  • MS core management systems
  • ERP Enterprise Resource Planning
  • Support System 1 adopts a sequential approach in which financial indicators are first improved and then non-financial indicators are improved. Specifically, in the first step, Support System 1 generates and provides a solution (first measure) focused on achieving financial targets. This first measure is applied to the production site P&L to first improve financial indicators. Then, in the second step, a solution (second measure) focused on achieving non-financial targets is generated and applied to the production site P&L to improve non-financial indicators. This procedure is based on the hypothesis that improving financial indicators creates surplus (room for maneuvering) in the operation of production equipment, and that making good use of this surplus will lead to improvements in non-financial indicators.
  • the measures provided by the support system 1 may be, for example, information that specifies the behavior of resources (people, equipment, procedures, materials, etc.) related to manufacturing at the production site PL.
  • a so-called "recipe" is one example of a measure.
  • the first measure provided in the first step is a control parameter for changing the control of the production equipment operating at the production site PL.
  • the second measure provided in the second step may also be a control parameter for changing the control of the production equipment operating at the production site PL.
  • the measure (control parameter) provided by the support system 1 can be immediately applied to the production equipment, allowing improvement actions in accordance with the measure to be implemented immediately and automatically.
  • the first and second measures may also include measures other than control parameters, such as instructions other than those for controlling production equipment, such as personnel allocation and work instructions (measures that require human response).
  • the support system 1 may apply the measures to virtual production equipment, which is a virtual reproduction of the production equipment, to perform an operation simulation and estimate the operating status of the production equipment when the measures are applied.
  • virtual production equipment which is a virtual reproduction of the production equipment
  • the support system 1 may apply the measures to virtual production equipment, which is a virtual reproduction of the production equipment, to perform an operation simulation and estimate the operating status of the production equipment when the measures are applied.
  • a simulator it is possible to generate measures and confirm their effectiveness solely within the support system 1, allowing steps 1 and 2 to be executed without affecting the operation of the actual machines.
  • simulations make it easy to try and error measures, making it possible to compare and refine (optimize) measures.
  • a so-called digital twin which recreates the production equipment (or the entire production site PL) using a 3D model.
  • digital twins recreates the production equipment (or the entire production site PL) using a 3D model.
  • advanced simulations using digital twins is expected to enable accurate prediction of changes in not only financial indicators but also non-financial indicators.
  • Alternative solutions may include measures that are not suitable for automatic application to the production site P&L, such as measures that require human implementation, decisions (approval) from management or executives, or measures that require time and cost for implementation. Therefore, in the third step, multiple candidate measures may be generated as alternative solutions (third measures), and these may be presented to the user (e.g., management or executives) to select the measure to adopt.
  • FIG. 2 is a block diagram showing the functional configuration of a support system according to the first embodiment.
  • the support system 1 of the first embodiment has, as its main functions, a database (DB) 10, a first measure generation unit 11, a second measure generation unit 12, a third measure generation unit 13, a financial target acquisition unit 14, a non-financial target acquisition unit 15, a measure output unit 16, an operation status acquisition unit 17, a non-financial indicator acquisition unit 18, and a non-financial indicator evaluation unit 19.
  • the support system 1 is connected to a management system MS (ERP, MES, etc.) and a production site PL (production equipment, management devices, etc.) via a network, and data is shared between them.
  • the production equipment includes, for example, manufacturing equipment, conveying equipment, inspection equipment, PLCs, robots, sensors, etc.
  • the financial target acquisition unit 14 is a function that acquires financial targets to be achieved at the production site PL.
  • the non-financial target acquisition unit 15 is a function that acquires non-financial targets to be achieved at the production site PL. Note that while Figure 2 shows an example in which financial targets and non-financial targets are provided from the management system MS, each target may be provided from a separate system, or may be entered directly by a person into the support system 1.
  • the operation status acquisition unit 17 is a function that acquires information (operation status data) indicating the operation status from production equipment operating at the production site PL. Because operation status data is used to generate measures and understand changes in financial indicators, the type of operation status data that should be acquired varies depending on the types of financial and non-financial targets that have been set. In other words, any type of information may be collected as operation status data, as long as it can be used to support the achievement of financial and non-financial targets. For example, log data from various devices, programs executed by various devices and their parameters, and sensor detection results are examples of operation status data. The operation status data acquired by the operation status acquisition unit 17 is stored in DB 10 along with information on the time of acquisition.
  • the first measure generation unit 11 is a function that executes the first step shown in Figure 1 and generates a first measure based on current operation status data (i.e., before the first measure is applied) and financial targets.
  • the first measure is a solution focused on achieving the financial target, i.e., a measure for bringing the values of financial indicators at the production site PL closer to the financial targets.
  • the measure generation algorithm used by the first measure generation unit 11 may be designed in any way. For example, it may use tables and functions created on a rule basis, or it may use a trained model created by machine learning.
  • Figures 3A and 3B schematically show an example configuration when a trained model is used.
  • the trained model 30 in Figure 3A has been machine-trained so that when operation status data and financial targets are given as input, it outputs a measure for bringing the values of financial indicators closer to the financial targets. In this configuration, the current values of the financial indicators are inferred from the operation status data in the trained model 30.
  • the trained model 30 in Figure 3B is configured so that the current values of the financial indicators are explicitly given as input.
  • the second measure generation unit 12 is a function that executes the second step shown in Figure 1, and generates a second measure based on the operation status data collected after applying the first measure to the production site PL and the non-financial targets.
  • the second measure is a solution focused on achieving the non-financial targets, i.e., a measure for bringing the values of non-financial indicators in the production site PL closer to the non-financial targets.
  • the measure generation algorithm used by the second measure generation unit 12 may be designed in any way. For example, it may use tables and functions created on a rule basis, or it may use a trained model created by machine learning. For example, it may use a configuration similar to that shown in Figures 3A and 3B (but with "financial" replaced with "non-financial”)
  • the third measure generation unit 13 is a function that executes the third step shown in Figure 1, and generates a third measure different from the second measure if the non-financial target is not achieved even when the second measure is applied to the production site PL.
  • the third measure is also a solution focused on achieving the non-financial target, i.e., a measure for bringing the values of non-financial indicators in the production site PL closer to the non-financial target.
  • the third measure generation unit 13 may present multiple candidate measures to the user as the third measure and allow the user to select the measure to adopt.
  • the measure generation algorithm by the third measure generation unit 13 may be designed in any way.
  • a rule-based table or function may be used, or a trained model 31 created by machine learning as shown in Figure 3C may be used.
  • the trained model 31 is designed to output multiple candidate measures.
  • the support system 1 may also have a learning unit 32 that performs machine learning based on information about the selected measure and the effect of applying the measure (changes in non-financial indicators) after the user selects a measure from multiple candidate measures and applies it to the production site PL.
  • the learning results of the learning unit 32 for online learning and fine tuning of the trained model 31, it is expected that the accuracy (validity, reliability) of the candidate policy proposed as the third policy can be improved.
  • a similar learning unit may also be used for online learning and fine tuning of the trained model 30 for the first policy and the second policy.
  • the measure output unit 16 has the function of outputting the measures generated by each generation unit 11-13 to the production site PL.
  • the measure output unit 16 may change the output mode (output method) as appropriate depending on the type of measure. For example, if the measure is a control parameter for changing the control of production equipment, the measure output unit 16 may update the control parameters of the production equipment at the production site PL. If the measure requires human response, the measure output unit 16 may display the contents of the measure on a manager terminal at the production site PL, for example.
  • the non-financial indicator acquisition unit 18 is a function that acquires non-financial indicator information from the production site PL.
  • the acquired information is used to understand changes in non-financial indicators, and therefore the type of non-financial indicators that should be acquired will differ depending on the type of non-financial goals that have been set. In other words, any type of information may be collected as long as it can be used to support the achievement of non-financial goals. For example, log data from various devices, sensor detection results, energy consumption records, results of worker surveys, and worker biometric monitoring results fall under non-financial indicator information.
  • the non-financial indicator information acquired by the non-financial indicator acquisition unit 18 is stored in DB 10 along with information on the time of acquisition.
  • the non-financial indicator evaluation unit 19 is a function that evaluates whether or not non-financial targets have been achieved based on the change in non-financial indicators before and after applying the second measure to the production site PL.
  • the evaluation results of the non-financial indicator evaluation unit 19 are used by the third measure generation unit 13, etc.
  • Support system 1 may be configured using a general-purpose computer equipped with at least a CPU (processor), memory, storage, and communications equipment.
  • functions 10 to 19 shown in FIG. 2 are realized by expanding a computer program stored in storage into memory and executing the program using the CPU.
  • all or part of the functions shown in FIG. 2 may be replaced by circuits such as an ASIC (Application Specific Integrated Circuit) or FPGA (Field Programmable Gate Array).
  • ASIC Application Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • all or part of the functions shown in FIG. 2 may be executed by another computer (or in collaboration with another computer).
  • the logical configuration of support system 1 shown in FIG. 2 may be realized by a combination of hardware and software, or by hardware alone.
  • it may be configured by a single piece of hardware (computer), or a combination of multiple pieces of hardware (computers).
  • Figure 4 is a flowchart of the support process executed by the support system according to the first embodiment.
  • the financial target acquisition unit 14 acquires financial targets from the management system MS (step S100), and the non-financial target acquisition unit 15 acquires non-financial targets from the management system MS (step S101).
  • the acquired financial targets and non-financial targets are stored in storage (memory device).
  • the operation status acquisition unit 17 acquires current operation status data from the production equipment at the production site PL and stores it in DB10 (step S102). Note that processing in step S102 continues until the data necessary to generate the first measure, which will be executed in a later stage, has been accumulated.
  • the first measure generation unit 11 generates a first measure for bringing the value of the financial indicator closer to the financial target based on the financial target acquired in step S100 and the operating status data acquired in step S102 (step S103). Then, the measure output unit 16 changes the control parameters of the production equipment at the production site PL based on the first measure generated in step S103 (step S104).
  • the operating status acquisition unit 17 acquires operating status data after the changes (step S105). The processing of step S105 continues until the data necessary to generate the second measure, which will be executed in a subsequent stage, is accumulated.
  • the second measure generation unit 12 generates a second measure for bringing the value of the non-financial indicator closer to the non-financial target based on the non-financial target acquired in step S101 and the operation status data acquired in step S105 (step S106). Then, the measure output unit 16 changes the control parameters of the production equipment at the production site PL based on the second measure generated in step S106 (step S107). The change in the control of the production equipment by applying the second measure acts in the direction of improving the non-financial indicator.
  • the non-financial indicator acquisition unit 18 acquires information on non-financial indicators from the production site PL and stores it in DB10 (step S108).
  • the time interval between applying the second measure (step S107) and acquiring the non-financial indicators (S108) may be designed according to the type of second measure and the type of non-financial indicator. For example, if the non-financial indicator is energy consumption and the second measure is optimizing the shutdown control of production equipment, it is likely that changes in energy consumption can be measured several hours after applying the second measure, so the time interval may be set to several hours to several days.
  • the time interval may be set to several weeks to several months.
  • the non-financial indicator evaluation unit 19 calculates the change in the non-financial indicators before and after applying the second measure, and determines whether the non-financial targets obtained in step S101 have been achieved (step S109). If the non-financial targets have been achieved (YES in step S109), the support process ends. Note that in this embodiment, the financial targets are considered to have been achieved by applying the first measure, and no confirmation is made as to whether the financial targets have been achieved or not.
  • the third measure generation unit 13 If the non-financial target is not achieved despite the application of the second measure (NO in step S109), the third measure generation unit 13 generates a third measure that is different from the second measure (step S110). At this time, the third measure generation unit 13 generates multiple candidate measures (step S110), presents these candidate measures to the user, and allows the user to select the measure to adopt (step S111).
  • first and second measures are generated to achieve given financial and non-financial targets, and these measures are then applied to the production equipment of the production site PL. Therefore, the production site PL can be optimized automatically and autonomously, with virtually no effort or judgment required from the user.
  • Example 1 shows Example 1 of optimization by the support system 1.
  • a financial goal of "20% improvement in productivity” and a non-financial goal of "50% reduction in energy consumption” are given.
  • the first measure "increase line speed by 20%” is decided as a measure to improve productivity by 20%, and the control parameters of the production equipment are changed accordingly.
  • productivity improves by 20%, and as a result, 40% excess production equipment is created.
  • line speed it can be seen that 40% of the production equipment's non-operating time has been created compared to before the application of the first measure.
  • the surplus created in the first step is used to determine a second measure to reduce energy consumption, a non-financial goal.
  • the control parameters are changed so that the production equipment is switched to an idle state (a state with low energy consumption) during surplus periods (i.e., when the production equipment is not in operation), resulting in a 40% reduction in energy consumption.
  • step 3 a third measure to reduce energy consumption by 10% is created and presented to the user (management and management). In this example, three candidate measures are recommended to the user: “increasing line speed by 10%, “purchasing renewable energy”, and "reducing production volume”.
  • Example 2 shows Example 2 of optimization by the support system 1.
  • a financial goal of "20% improvement in productivity” and a non-financial goal of "20% improvement in job satisfaction” are given.
  • the first measure "improving the efficiency of the assembly process” is decided upon as a measure to improve productivity by 20%, and the control parameters of the production equipment (for example, increasing the speed of workpiece transport and robot operation speed) are changed accordingly.
  • the control parameters of the production equipment for example, increasing the speed of workpiece transport and robot operation speed
  • the results of an analysis of worker behavior using operational status data after the first measure has been applied are used to determine a second measure to improve job satisfaction, a non-financial goal.
  • work support using DX for example, visual work support using AR (augmented reality) technology, fleet management that optimizes the routes and placement of autonomous transport robots, etc.
  • DX for example, visual work support using AR (augmented reality) technology, fleet management that optimizes the routes and placement of autonomous transport robots, etc.
  • Job satisfaction can be evaluated through motivation analysis that utilizes worker surveys and behavioral analysis, etc.
  • step 3 a third measure to increase job satisfaction by another 10% is created and presented to the user (management and management).
  • three candidate measures are recommended to the user: "introduce robots,” “increase wages,” and “reduce production volume.”
  • Second Embodiment A second embodiment of the present invention will be described with reference to Figures 7 and 8.
  • the application of the first measure is considered to have achieved the financial target, and no confirmation is made as to whether the financial target was achieved or not.
  • financial indicators are evaluated after the application of the first measure, and if the financial target is not achieved, the first measure is modified. The following description will focus on the differences from the first embodiment.
  • FIG. 7 is a block diagram showing the functional configuration of the support system according to the second embodiment.
  • the support system 1 of this embodiment includes a financial indicator evaluation unit 20.
  • the financial indicator evaluation unit 20 has the function of acquiring, based on operation status data, changes in financial indicators before and after applying the first measure to the production site PL, and evaluating whether the financial target has been achieved based on the changes in the financial indicators.
  • Figure 8 shows a flowchart of the support process in the second embodiment.
  • Figure 8 shows the processing in the first step, which replaces the processing in steps S103 to S105 in the flowchart of the first embodiment ( Figure 4).
  • the first measure generation unit 11 After the processing up to step S102 is performed in the same way as in the first embodiment, the first measure generation unit 11 generates a first measure for bringing the value of the financial indicator closer to the financial target based on the financial target acquired in step S100 and the operating status data acquired in step S102 (step S103). Then, the measure output unit 16 changes the control parameters of the production equipment at the production site PL based on the first measure generated in step S103 (step S104).
  • the operating status acquisition unit 17 acquires operating status data after the changes (step S105). The processing of step S105 continues until the data necessary to generate the second measure, which will be executed in a subsequent stage, is accumulated.
  • the financial indicator evaluation unit 20 calculates the value of the financial indicator after applying the first measure based on the operational status data accumulated in DB10 (step S200). The financial indicator evaluation unit 20 then determines whether the financial target has been achieved based on the change in the financial indicator after applying the first measure (step S201). If the financial indicator evaluation unit 20 determines that the financial target has not been achieved (NO in step S201), the first measure generation unit 11 modifies the first measure (step S202). In the above-mentioned Case 1, an example was described in which "increasing the line speed by 20%" was applied as the first measure.
  • step S201 If the financial target is achieved as a result of repeated modification and application of the first measure, or if a predetermined termination condition is met (for example, the number of repetitions reaches an upper limit, or the change in the financial indicator due to the modification of the first measure is less than or equal to a threshold value) (YES in step S201), the process exits the loop and proceeds to step S106. Subsequent processing may be the same as in the first embodiment. According to the second embodiment described above, it is possible to drive production site control toward achieving the financial target.
  • Figure 9 shows a flowchart of the support process in the third embodiment.
  • Figure 9 shows the processing in the second step, which replaces the processing in steps S106 to S108 in the flowchart of the first embodiment ( Figure 4).
  • the second measure generation unit 12 After the first measure is applied in the same manner as in the first or second embodiment, the second measure generation unit 12 generates a second measure for bringing the value of the non-financial indicator closer to the non-financial target based on the non-financial target acquired in step S101 and the operation status data acquired in step S105 (step S106). Then, the measure output unit 16 changes the control parameters of the production equipment at the production site PL based on the second measure generated in step S106 (step S107). The change in control of the production equipment due to the application of the second measure acts in the direction of improving the non-financial indicator. Thereafter, the non-financial indicator acquisition unit 18 acquires information on the non-financial indicator from the production site PL (step S108).
  • the non-financial indicator evaluation unit 19 determines whether the non-financial target has been achieved based on the change in the non-financial indicator after the second measure has been applied (step S300). If the non-financial indicator evaluation unit 19 determines that the non-financial target has not been achieved (NO in step S300), the second measure generation unit 12 modifies the second measure (step S301). In the above-mentioned case 1, an example was described in which idling control was applied as the second measure, but if applying this measure does not achieve a 50% reduction in energy consumption, one possible modification would be to optimize operating time and idle time, for example. Using the modified second measure, the processing of steps S107, S108, and S300 is re-executed.
  • step S300 If the non-financial target is achieved as a result of repeated modification and application of the second measure, or if a predetermined termination condition is met (for example, the number of repetitions reaches an upper limit, or the change in the non-financial indicator due to the modification of the second measure is less than a threshold value) (YES in step S300), the process exits the loop and proceeds to step S109.
  • the subsequent processing may be the same as in the first embodiment. According to the third embodiment described above, it is possible to drive production site control toward achieving non-financial targets.
  • the support system 1 may apply the measures to virtual production equipment, which is a virtual reproduction of the production equipment, and perform an operation simulation to estimate the operating status of the production equipment when the measures are applied.
  • the support system 1 can generate measures and verify their effectiveness within itself, allowing steps 1 and 2 to be performed without affecting the operation of the actual machines.
  • simulations facilitate trial and error of measures, allowing for comparison and refinement (optimization) of measures.
  • it may take time to verify its effectiveness after applying it to the actual machine.
  • simulations can shorten the time required to verify its effectiveness.
  • a so-called digital twin which reproduces the production equipment (or the entire production site PL) using a 3D model, is preferably used as the simulator.
  • Advanced simulations using digital twins are expected to enable accurate prediction of changes in not only financial indicators but also non-financial indicators.
  • FIG. 10 is a block diagram showing the functional configuration of a support system according to the fourth embodiment.
  • the support system 1 of this embodiment includes a simulator 40 that performs an operation simulation using virtual production equipment that recreates the production equipment of the production site PL in a virtual space.
  • simulator 40 may apply the first measure to the virtual production equipment and execute an operation simulation to estimate the operating status of the production equipment when the first measure is applied, and store the estimated results in DB10, use them as operating status data after the first measure is applied in steps S105 and S106, or use them to estimate changes in financial indicators after the first measure is applied in step S200 of FIG. 8.
  • simulator 40 may apply the second measure to the virtual production equipment and execute an operation simulation to estimate the operating status of the production equipment when the second measure is applied, and store the estimated results in DB10, or use them to estimate changes in non-financial indicators after the second measure is applied in step S108.
  • the above-described embodiments merely exemplify exemplary configurations of the present invention.
  • the present invention is not limited to the specific embodiments described above, and various modifications are possible within the scope of the technical concept.
  • the configurations of the first to fourth embodiments may be combined with each other as long as no technical contradiction occurs.
  • the simulator 40 of the fourth embodiment may be combined with the first to third embodiments.
  • the simulator 40 may also function as the financial indicator evaluation unit 20, or as the non-financial indicator acquisition unit 18 and the non-financial indicator evaluation unit 19.
  • This disclosure includes the following configurations, methods, and programs.
  • a support system (1) having:
  • the system further includes a financial indicator evaluation unit (20) that acquires a change in a financial indicator when the first measure is applied to the production site (PL) and evaluates whether or not the financial target has been achieved based on the change in the financial indicator; When the financial indicator evaluation unit (20) evaluates that the financial target has not been achieved, the first measure generation unit (11) corrects the first measure.
  • the assistance system (1) according to appendix 1.
  • the method further includes a non-financial indicator evaluation unit (19) that acquires a change in a non-financial indicator when the second measure is applied to the production site (PL) and evaluates whether or not the non-financial target has been achieved based on the change in the non-financial indicator;
  • the second measure generation unit (12) corrects the second measure. Assistance system (1) according to appendix 1 or 2.
  • the assistance system (1) according to any one of appendices 1 to 3, further comprising:
  • the third measure generation unit (13) generates a plurality of measure candidates as the third measure and presents the generated plurality of measure candidates to a user.
  • the assistance system (1) according to appendix 4.
  • the method further includes a learning unit (32) that performs machine learning on information about a measure selected by a user from the plurality of measure candidates and a change value of the non-financial indicator when the selected measure is applied to the production site.
  • the assistance system (1) according to appendix 5.
  • the first measure includes a control parameter for changing control of the production equipment; An assistance system (1) according to any one of appendices 1 to 6.
  • Appendix 8 The support system (1) described in any one of Appendices 1 to 7, wherein the first measure generation unit (11) is configured by a trained model (30) that has been machine-learned to output measures for bringing the value of a financial indicator at the production site (PL) closer to the financial target based on information representing the operating status of the production equipment and the financial target.
  • the first measure generation unit (11) is configured by a trained model (30) that has been machine-learned to output measures for bringing the value of a financial indicator at the production site (PL) closer to the financial target based on information representing the operating status of the production equipment and the financial target.
  • the second measure generation unit (12) is configured by a trained model (30) that has been machine-learned to output measures for bringing the values of non-financial indicators at the production site (PL) closer to the non-financial targets based on information representing the operating status of the production equipment and the non-financial targets.
  • An assistance system (1) according to any one of appendices 1 to 8.
  • the production system further includes a simulator (40) for performing an operation simulation using a virtual production facility that reproduces the production facility in a virtual space, the simulator (40) applies the first measure generated by the first measure generation unit (11) to the virtual production equipment and executes an operation simulation, thereby estimating an operation status of the production equipment when the first measure is applied; the second measure generation unit (12) generates the second measure by using the estimation result by the simulator (40) as information representing the operating status of the production equipment when the first measure is applied; An assistance system (1) according to any one of appendices 1 to 9.
  • the production system further includes a simulator (40) for performing an operation simulation using a virtual production facility that reproduces the production facility in a virtual space, the simulator (40) applies the first measure generated by the first measure generation unit (11) to the virtual production equipment and executes an operation simulation, thereby estimating an operation status of the production equipment when the first measure is applied;
  • the financial index evaluation unit (20) estimates a change in a financial index when the first measure is applied to the production equipment based on the estimation result by the simulator (40).
  • the assistance system (1) according to appendix 2.
  • the production system further includes a simulator (40) for performing an operation simulation using a virtual production facility that reproduces the production facility in a virtual space, the simulator (40) applies the second measure generated by the second measure generation unit (12) to the virtual production equipment and executes an operation simulation, thereby estimating an operation status of the production equipment when the second measure is applied;
  • the non-financial indicator evaluation unit (19) estimates a change in a non-financial indicator when the second measure is applied to the production equipment based on the estimation result by the simulator (40). 5.
  • the assistance system (1) according to claim 3 or 4.
  • a support method for supporting goal achievement at a production line (PL) by a computer comprising: A step in which a computer acquires financial targets, which are targets for financial indicators to be achieved at the production site (PL); A step in which a computer acquires non-financial targets, which are targets for non-financial indicators to be achieved at the production site (PL); A step in which a computer generates a first measure for bringing the value of a financial indicator at the production site (PL) closer to the financial target based on information representing the operating status of production equipment operating at the production site (PL) and the financial target; A step in which a computer generates a second measure for bringing the value of a non-financial indicator at the production site (PL) closer to the non-financial target based on information representing the operating status of the production equipment when the first measure is applied and the non-financial target; Support methods including:
  • Appendix 14 A program for causing a computer to execute each step of the method described in Appendix 13.

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

支援システムが、財務目標及び非財務目標を取得し、生産設備の稼働状況を表す情報、及び、財務目標に基づいて、生産現場における財務指標の値を財務目標に近づけるための第１方策を生成し、生成された第１方策を適用した場合の生産設備の稼働状況を表す情報、及び、非財務目標に基づいて、生産現場における非財務指標の値を非財務目標に近づけるための第２方策を生成する。

Description

支援システム及び支援方法
　本発明は、生産現場における目標達成を支援するための技術に関する。
　モノづくりの現場においては、生産性の向上や品質の改善などの取り組みが日々行われている。最近では、ＩＣＴやＤＸを活用して、生産現場から収集されるデータを分析し課題解決を支援する試みもなされている。例えば特許文献１では、生産ラインの３Ｄモデルを用いたコンピュータシミュレーションを利用して、ボトルネックになり得る箇所の発見や、生産能力の改善を事前に行う手法が提案されている。
特表２０２０－５２１２５１号公報
　従来の製造業では、例えば、生産性や生産量といった生産の能力やアウトプットに関する目標（「財務目標」とよぶ）の達成が主な命題であったが、昨今は、このような財務目標だけでなく、地球環境への配慮や働き方の改善といった社会価値に関する目標（「非財務目標」とよぶ）との両立をめざす企業が増えてきている。しかしながら、財務目標と非財務目標の両方を同時満足するようなソリューション（方策）を具体的に立案することは容易ではなく、その手法も確立されているとは言い難い。将来の理想的な姿として、与えられた財務目標と非財務目標を達成するように生産現場のシステムが自動的・自律的に変化（改善）していくような仕組みの実現が望まれている。
　本発明は上記実情に鑑みてなされたものであって、その目的とするところは、生産現場における財務目標と非財務目標の達成を支援するための技術を提供することにある。
　本開示は、生産現場における目標達成を支援するための支援システムであって、前記生産現場において達成すべき財務指標の目標である財務目標を取得する財務目標取得部と、前記生産現場において達成すべき非財務指標の目標である非財務目標を取得する非財務目標取得部と、前記生産現場で稼働している生産設備の稼働状況を表す情報、及び、前記財務目標に基づいて、前記生産現場における財務指標の値を前記財務目標に近づけるための第１方策を生成する第１方策生成部と、前記第１方策生成部によって生成された前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報、及び、前記非財務目標に基づいて、前記生産現場における非財務指標の値を前記非財務目標に近づけるための第２方策を生成する第２方策生成部と、を有する支援システムを含む。
　前記第１方策を前記生産現場に適用した場合の財務指標の変化値を取得し、前記財務指標の変化値に基づいて前記財務目標が達成されたか否かを評価する財務指標評価部をさらに有し、前記財務指標評価部によって前記財務目標が未達であると評価された場合に、前記第１方策生成部は、前記第１方策の修正を行ってもよい。
　前記第２方策を前記生産現場に適用した場合の非財務指標の変化値を取得し、前記非財務指標の変化値に基づいて前記非財務目標が達成されたか否かを評価する非財務指標評価部をさらに有し、前記非財務指標評価部によって前記非財務目標が未達であると評価された場合に、前記第２方策生成部は、前記第２方策の修正を行ってもよい。
　前記第２方策を前記生産現場に適用した場合の非財務指標の変化値を取得し、前記非財務指標の変化値に基づいて前記非財務目標が達成されたか否かを評価する非財務指標評価部と、前記非財務指標評価部によって前記非財務目標が未達であると評価された場合に、前記生産現場における非財務指標の値を前記非財務目標に近づけるための方策として、前記第２方策とは異なる第３方策を生成する第３方策生成部と、をさらに有してもよい。
　前記第３方策生成部は、前記第３方策として複数の方策候補を生成し、生成した前記複数の方策候補をユーザーに提示してもよい。
　前記複数の方策候補の中からユーザーによって選択された方策の情報と、前記選択された方策を前記生産現場に適用した場合の前記非財務指標の変化値とを機械学習する学習部をさらに有してもよい。
　前記第１方策は、前記生産設備の制御を変更するための制御パラメータを含んでもよい。
　前記第１方策生成部は、前記生産設備の稼働状況を表す情報と前記財務目標に基づいて前記生産現場における財務指標の値を前記財務目標に近づけるための方策を出力するように機械学習された、学習済みモデルによって構成されてもよい。
　前記第２方策生成部は、前記生産設備の稼働状況を表す情報と前記非財務目標に基づいて前記生産現場における非財務指標の値を前記非財務目標に近づけるための方策を出力するように機械学習された、学習済みモデルによって構成されてもよい。
　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータをさらに有し、前記シミュレータが、前記第１方策生成部によって生成された前記第１方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第１方策を適用した場合の前記生産設備の稼働状況を推定し、前記第２方策生成部は、前記シミュレータによる推定結果を、前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報として用いて、前記第２方策を生成してもよい。
　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータをさらに有し、前記シミュレータが、前記第１方策生成部によって生成された前記第１方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第１方策を適用した場合の前記生産設備の稼働状況を推定し、前記財務指標評価部は、前記シミュレータによる推定結果に基づいて、前記第１方策を前記生産設備に適用した場合の財務指標の変化値を推定してもよい。
　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータをさらに有し、前記シミュレータが、前記第２方策生成部によって生成された前記第２方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第２方策を適用した場合の前記生産設備の稼働状況を推定し、前記非財務指標評価部は、前記シミュレータによる推定結果に基づいて、前記第２方策を前記生産設備に適用した場合の非財務指標の変化値を推定してもよい。
　本開示は、コンピュータにより、生産現場における目標達成を支援する支援方法であって、コンピュータが、前記生産現場において達成すべき財務指標の目標である財務目標を取得するステップと、コンピュータが、前記生産現場において達成すべき非財務指標の目標である非財務目標を取得するステップと、コンピュータが、前記生産現場で稼働している生産設備の稼働状況を表す情報、及び、前記財務目標に基づいて、前記生産現場における財務指標の値を前記財務目標に近づけるための第１方策を生成するステップと、コンピュータが、前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報、及び、前記非財務目標に基づいて、前記生産現場における非財務指標の値を前記非財務目標に近づけるための第２方策を生成するステップと、を含む支援方法を含む。
　本開示は、上記支援方法の各ステップをコンピュータに実行させるためのプログラムを含む。
　本発明は、上記手段の少なくとも一部を有する支援システム、目標達成支援システム、方策提供システム、方策立案システム、最適化システム、改善システム、自律マネジメントシステムなどとして捉えてもよい。また、本発明は、上記処理の少なくとも一部を含む支援方法、支援システムの制御方法、目標達成支援方法、方策提供方法、方策立案方法、最適化方法、改善方法、自律マネジメント方法、または、かかる方法を実現するためのプログラムやそのプログラムを記録した記録媒体として捉えることもできる。なお、上記手段および処理の各々は可能な限り互いに組み合わせて本発明を構成することができる。
　本発明によれば、生産現場における財務目標と非財務目標の達成を支援することが可能である。
図１は本発明を適用した支援システムの概念モデルを示す図である。 図２は第１実施形態に係る支援システムの機能構成を示すブロック図である。 図３Ａは学習済みモデルを利用した場合の構成例を示す図である。 図３Ｂは学習済みモデルを利用した場合の構成例を示す図である。 図３Ｃは学習済みモデルを利用した場合の構成例を示す図である。 図４は第１実施形態に係る支援システムによって実行される支援処理のフローチャートである。 図５は支援システムによる最適化の事例を示す図である。 図６は支援システムによる最適化の事例を示す図である。 図７は第２実施形態に係る支援システムの機能構成を示すブロック図である。 図８は第２実施形態に係る支援システムによって実行される支援処理のフローチャートである。 図９は第３実施形態に係る支援システムによって実行される支援処理のフローチャートである。 図１０は第４実施形態に係る支援システムの機能構成を示すブロック図である。
　＜適用例＞
　図１は本発明を適用した支援システムの概念モデルを示している。図１を参照しながら、支援システム１の概要について説明する。
　支援システム１は、企業の経営システムＭＳ及び生産現場ＰＬの各種システムとデータ連携し、経営システムＭＳから与えられる財務目標及び非財務目標を達成するように、生産現場ＰＬの改善を図るためのソリューション（課題解決のための方策）を生成し提供する。
　「財務目標」は、主に経営層や管理層によって設定される、財務指標の目標値である。ここで「財務指標」とは、生産・製造の能力やアウトプットに関する指標であり、例えば、生産性、生産量、生産額（売上高）、稼働時間、稼働率、歩留まり、良品率、直行率、納期などが該当する。財務目標のデータは、例えば、ＭＥＳ（Manufacturing Execution System）などの生産管理系の経営システムＭＳから取得される。
　「非財務目標」は、主に経営層によって設定される、非財務指標の目標値である。ここで「非財務指標」とは、財務指標以外の指標、例えば、地球環境への配慮、ＳＤＧｓの達成、働き方の改善といった社会価値に関する指標である。具体的には、消費エネルギー、ＣＯ２排出量、働きがい、ワーク・エンゲージメント、安全衛生などが非財務指標に該当する。非財務目標は、例えば、ＥＲＰ（Enterprise Resource Planning）などの経営基幹系の経営システムＭＳから取得される。
　財務目標と非財務目標が与えられたときに、その両者を同時に達成するための最適なソリューション（方策）を立案することは容易ではない。財務目標と非財務目標とではその方向性も内容も全く異なっているために、解決すべき命題の複雑性や曖昧性が増すからである。
　そこで、支援システム１では、両目標を同時に達成するというアプローチではなく、最初に財務指標の改善を図り、その後で非財務指標の改善を図る、というシーケンシャルなアプローチを採用する。具体的には、支援システム１は、まず第１ステップとして、財務目標の達成にフォーカスしたソリューション（第１方策）を生成し提供する。この第１方策を生産現場ＰＬに適用することで、まずは財務指標の改善を図る。次に第２ステップとして、非財務目標の達成にフォーカスしたソリューション（第２方策）を生成し生産現場ＰＬに適用することで、非財務指標の改善を図る。この手順は、財務指標の改善を図ることによって生産設備の稼働に余剰（余裕）が創出され、この余剰分をうまく利用することで非財務指標の改善を図ることができるであろうという仮説に基づいている。わかりやすい例を挙げると、生産性を向上して生産設備の稼働時間を短縮することできれば（財務指標の改善）、生産設備にアイドルタイムが生まれ（余剰の創出）、このアイドルタイムに生産設備を停止すれば消費エネルギーやＣＯ２排出量の削減といった非財務指標の改善が可能となる。このように、与えられた大命題（財務目標及び非財務目標の達成）を、「財務指標の改善」と「（財務指標の改善によって創出された余剰を利用した）非財務指標の改善」という２つの小命題に分解することによって、問題が単純化・簡単化されるので、支援システム１によるソリューションの自動生成が実現できる。
　支援システム１によって提供する方策は、例えば、生産現場ＰＬにおけるモノづくりに関わるリソース（人、設備、手順、材料など）のふるまいを規定する情報であるとよい。いわゆる「レシピ」は方策の一例である。好ましくは、第１ステップで提供する第１方策は、生産現場ＰＬで稼働している生産設備の制御を変更するための制御パラメータであるとよい。また、第２ステップで提供する第２方策も、生産現場ＰＬで稼働している生産設備の制御を変更するための制御パラメータであってもよい。このような方策の場合は、支援システム１から提供される方策（制御パラメータ）をただちに生産設備に適用することができるので、方策に従った改善行動を即座に且つ自動的に実施することができる。また、生産設備から取得される現場データをモニタすることで、方策に従った改善行動に対する効果確認も可能である。これらを利用することで、与えられた財務目標と非財務目標を達成するように生産設備が自律的・自動的に変化（改善）していくような仕組み、いわば自律マネジメントの実現が期待できる。なお、第１方策や第２方策は、制御パラメータ以外の方策、例えば、人員の配置や作業指示のような生産設備の制御以外の指示（人による対応が必要な方策）を含んでいてもよい。
　支援システム１は、生成した第１方策や第２方策を生産現場ＰＬで稼働している実際の生産設備（実機）に適用する前に（又は代わりに）、生産設備を仮想空間上に再現した仮想生産設備に方策を適用して稼働シミュレーションを実行し、方策を適用した場合の生産設備の稼働状況を推定してもよい。このようなシミュレータを利用すれば、支援システム１の内部だけで方策の生成及び効果確認を行うことが可能となるため、実機の稼働に影響を与えずに第１ステップ～第２ステップを実行することができる。また、実機とは異なり、シミュレーションであれば方策のトライ＆エラーも容易であるため、方策の比較や追い込み（好適化）を実施することも可能となる。また、方策の内容によっては、実機に適用してからその効果を確認できるまでに時間を要する場合もあるが、シミュレーションであればそのような効果確認までの時間を短縮することも可能である。シミュレータとしては、例えば、３Ｄモデルを用いて生産設備（あるいは生産現場ＰＬ全体）を再現した、いわゆるデジタルツインを用いることが好ましい。デジタルツインによる高度なシミュレーションを利用することにより、財務指標の変化値のみならず非財務指標の変化値も精度よく予測可能になるものと期待できる。
　なお、第１ステップと第２ステップを経ても目標を達成できないケースもある。上述した例において、これ以上稼働時間を短縮する余地がなく財務指標の改善が頭打ちになった場合や、創出された余剰分だけでは非財務目標の達成を図ることができない場合などが該当する。そのような場合は、生産設備の制御の工夫のような方策だけでは目標達成は困難であり、例えば、ラインの組み換えや増強、新規設備（ハードウェア、ソフトウェア）の導入、作業員の追加／削減、原料やエネルギーの見直しといった、生産設備の制御とは異なる側面ないしリソースへの対策が必要となり得る。したがって、第１及び第２ステップを経ても目標未達の場合には、支援システム１は、第３ステップとして第２方策とは異なる代替ソリューション（第３方策）を生成し提供する。代替ソリューションには、人による実施が必要な方策、経営層や管理層の意思決定（承認）が必要な方策、実施のために時間やコストが必要な方策など、生産現場ＰＬに自動的に適用するのに適さない方策も含まれ得る。それゆえ、第３ステップでは、代替ソリューション（第３方策）として複数の方策候補を生成し、それらをユーザー（例えば経営層、管理層）に提示し、採用する方策を選択させてもよい。
　＜第１実施形態＞
　図２を参照して本発明の第１実施形態を説明する。図２は、第１実施形態に係る支援システムの機能構成を示すブロック図である。
　第１実施形態の支援システム１は、主な機能として、データベース（ＤＢ）１０、第１方策生成部１１、第２方策生成部１２、第３方策生成部１３、財務目標取得部１４、非財務目標取得部１５、方策出力部１６、稼働状況取得部１７、非財務指標取得部１８、非財務指標評価部１９を有する。支援システム１は、経営システムＭＳ（ＥＲＰ、ＭＥＳなど）及び生産現場ＰＬ（生産設備、管理装置など）とネットワークを介して接続されており、互いにデータ連携している。生産設備には、例えば、製造装置、搬送装置、検査装置、ＰＬＣ、ロボット、センサなどが含まれる。
　財務目標取得部１４は、生産現場ＰＬにおいて達成すべき財務目標を取得する機能である。非財務目標取得部１５は、生産現場ＰＬにおいて達成すべき非財務目標を取得する機能である。なお、図２では、財務目標と非財務目標が経営システムＭＳから提供される例を示したが、各目標が別個のシステムから提供されてもよいし、人が支援システム１に直接入力してもよい。
　稼働状況取得部１７は、生産現場ＰＬで稼働している生産設備から稼働状況を表す情報（稼働状況データ）を取得する機能である。稼働状況データは、方策の生成や財務指標の変化を把握するために利用されるため、どのような種類の財務目標・非財務目標が設定されたかに応じて取得すべき稼働状況データの種類も異なる。言い換えれば、財務目標・非財務目標の達成支援に活用できる限りにおいて、稼働状況データとしてどのような種類の情報を収集してもよい。例えば、各種装置のログデータ、各種装置で実行されるプログラムやそのパラメータ、センサの検知結果などが稼働状況データに該当する。稼働状況取得部１７によって取得された稼働状況データは、取得時刻の情報とともにＤＢ１０に蓄積される。
　第１方策生成部１１は、図１に示した第１ステップを実行する機能であり、現時点の（つまり、第１方策を適用する前の）稼働状況データと財務目標とに基づいて第１方策を生成する。第１方策は、財務目標の達成にフォーカスしたソリューション、すなわち、生産現場ＰＬにおける財務指標の値を財務目標に近づけるための方策である。第１方策生成部１１による方策生成アルゴリズムはどのように設計されてもよい。例えば、ルールベースで作成したテーブルや関数を利用してもよいし、機械学習により作成された学習済みモデルを利用してもよい。図３Ａ、図３Ｂに学習済みモデルを利用した場合の構成例を模式的に示す。図３Ａの学習済みモデル３０は、稼働状況データと財務目標を入力として与えると、財務指標の値を財務目標に近づけるための方策を出力されるように機械学習されている。この構成の場合、学習済みモデル３０の中で稼働状況データから財務指標の現在値が推論される。図３Ｂの学習済みモデル３０は、財務指標の現在値を入力として明示的に与える構成である。
　第２方策生成部１２は、図１に示した第２ステップを実行する機能であり、第１方策を生産現場ＰＬに適用した後で収集された稼働状況データと非財務目標とに基づいて第２方策を生成する。第２方策は、非財務目標の達成にフォーカスしたソリューション、すなわち、生産現場ＰＬにおける非財務指標の値を非財務目標に近づけるための方策である。第２方策生成部１２による方策生成アルゴリズムはどのように設計されてもよい。例えば、ルールベースで作成したテーブルや関数を利用してもよいし、機械学習により作成された学習済みモデルを利用してもよい。例えば、図３Ａ、図３Ｂと同じような構成（ただし、「財務」は「非財務」に置き換える）を利用してもよい。
　第３方策生成部１３は、図１に示した第３ステップを実行する機能であり、第２方策を生産現場ＰＬに適用しても非財務目標が未達である場合に、第２方策とは異なる第３方策を生成する。第３方策も、非財務目標の達成にフォーカスしたソリューション、すなわち、生産現場ＰＬにおける非財務指標の値を非財務目標に近づけるための方策である。第３方策生成部１３は、第３方策として複数の方策候補をユーザーに提示し、採用する方策をユーザーに選択させるとよい。なお、第３方策生成部１３による方策生成アルゴリズムはどのように設計されてもよい。例えば、ルールベースで作成したテーブルや関数を利用してもよいし、図３Ｃに示すような機械学習により作成された学習済みモデル３１を利用してもよい。学習済みモデル３１は複数の方策候補を出力するように設計されている。また、支援システム１は、複数の方策候補の中からユーザーによって方策が選択されて生産現場ＰＬに適用された後に、選択された方策の情報とその方策の適用による効果（非財務指標の変化値）とを基に機械学習する学習部３２を有してもよい。学習部３２の学習結果を、学習済みモデル３１のオンライン学習やファインチューニングに活用することによって、第３方策として提案する方策候補の精度（妥当性、信頼性）を向上することが期待できる。なお、同じような学習部を第１方策や第２方策の学習済みモデル３０のオンライン学習やファインチューニングに利用してもよい。
　方策出力部１６は、各生成部１１～１３で生成された方策を生産現場ＰＬに出力する機能である。方策出力部１６は、方策の種類に応じて出力態様（出力方法）を適宜変えてもよい。例えば、方策が生産設備の制御を変更するための制御パラメータである場合には、方策出力部１６は生産現場ＰＬの生産設備の制御パラメータを更新してもよい。人による対応が必要な方策である場合には、方策出力部１６は生産現場ＰＬの管理者端末などに方策の内容を表示してもよい。
　非財務指標取得部１８は、生産現場ＰＬから非財務指標の情報を取得する機能である。取得された情報は非財務指標の変化を把握するために利用されるため、どのような種類の非財務目標が設定されたかに応じて取得すべき非財務指標の種類も異なる。言い換えれば、非財務目標の達成支援に活用できる限りにおいて、どのような種類の情報を収集してもよい。例えば、各種装置のログデータ、センサの検知結果、エネルギー消費量の記録、作業者に実施したサーベイの結果、作業者の生体情報モニタ結果などが非財務指標の情報に該当する。非財務指標取得部１８によって取得された非財務指標の情報は、取得時刻の情報とともにＤＢ１０に蓄積される。
　非財務指標評価部１９は、第２方策を生産現場ＰＬに適用する前と後での非財務指標の変化値に基づいて非財務目標が達成されたか否かを評価する機能である。非財務指標評価部１９の評価結果は、第３方策生成部１３などで利用される。
　支援システム１は、ＣＰＵ（プロセッサ）、メモリ、ストレージ、通信装置を少なくとも具備する汎用のコンピュータにより構成してもよく、その場合は、ストレージに格納されたコンピュータプログラムをメモリに展開し、ＣＰＵによってプログラムを実行することにより、図２に示す機能１０～１９が実現される。ただし、図２に示す機能の全部又は一部を、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの回路で代替してもよい。また、クラウドコンピューティングや分散コンピューティングを利用することにより、図２に示す機能の全部又は一部を他のコンピュータで（あるいは他のコンピュータとの協働により）実行してもよい。言い換えれば、図２に示される支援システム１の論理構成は、ハードウェアとソフトウェアの組み合わせにより実現されてもよいし、ハードウェアのみで実現されてもよい。また、１つのハードウェア（コンピュータ）で構成されてもよいし、複数のハードウェア（コンピュータ）の組み合わせで構成されてもよい。
　図４を参照して支援システム１による支援方法の例を説明する。図４は、第１実施形態に係る支援システムによって実行される支援処理のフローチャートである。
　まず、財務目標取得部１４が経営システムＭＳから財務目標を取得し（ステップＳ１００）、非財務目標取得部１５が経営システムＭＳから非財務目標を取得する（ステップＳ１０１）。取得された財務目標及び非財務目標はストレージ（記憶装置）に格納される。
　稼働状況取得部１７が、生産現場ＰＬの生産設備から現時点の稼働状況データを取得し、ＤＢ１０に格納する（ステップＳ１０２）。なお、後段で実行される第１方策の生成に必要なデータが蓄積されるまで、ステップＳ１０２の処理が継続される。
　第１方策生成部１１は、ステップＳ１００で取得した財務目標とステップＳ１０２で取得した稼働状況データに基づいて、財務指標の値を財務目標に近づけるための第１方策を生成する（ステップＳ１０３）。そして、方策出力部１６が、ステップＳ１０３で生成された第１方策に基づいて生産現場ＰＬの生産設備の制御パラメータを変更する（ステップＳ１０４）。
　第１方策の適用によって生産設備の稼働状況（例えば、稼働時間、スループット、生産量など）に変化が現れるので、稼働状況取得部１７が、変化後の稼働状況データを取得する（ステップＳ１０５）。後段で実行される第２方策の生成に必要なデータが蓄積されるまで、ステップＳ１０５の処理が継続される。
　第２方策生成部１２は、ステップＳ１０１で取得した非財務目標とステップＳ１０５で取得した稼働状況データに基づいて、非財務指標の値を非財務目標に近づけるための第２方策を生成する（ステップＳ１０６）。そして、方策出力部１６が、ステップＳ１０６で生成された第２方策に基づいて生産現場ＰＬの生産設備の制御パラメータを変更する（ステップＳ１０７）。第２方策の適用による生産設備の制御の変更は、非財務指標が改善する方向に作用する。
　その後、非財務指標取得部１８が、生産現場ＰＬから非財務指標の情報を取得し、ＤＢ１０に格納する（ステップＳ１０８）。なお、第２方策の適用（ステップＳ１０７）と非財務指標の取得（Ｓ１０８）のタイムインターバルは、第２方策の種類や非財務指標の種類に応じて設計されるとよい。例えば、非財務指標がエネルギー消費量であり、第２方策が生産設備の停止制御の最適化であれば、第２方策を適用して数時間後にはエネルギー消費量の変化が測定可能であると考えられるため、例えばタイムインターバルは数時間～数日程度に設定してよい。これに対し、非財務指標が働きがいやワーク・エンゲージメントのようなものであれば、第２方策の適用の効果が非財務指標に表れるのに数日～数週間かかるし、非財務指標の取得も作業者へのサーベイのような手段になるため時間を要する。したがって、このような場合は上記のタイムインターバルは数週間から数か月程度に設定してよい。
　非財務指標が取得されたら、非財務指標評価部１９が、第２方策を適用する前と後での非財務指標の変化値を計算し、ステップＳ１０１で取得した非財務目標が達成されたか否かを判定する（ステップＳ１０９）。非財務目標が達成されていた場合は（ステップＳ１０９のＹＥＳ）、これにて支援処理は終了する。なお、本実施形態では、第１方策の適用により財務目標は達成できたものとみなし、財務目標が達成できたか未達であるかの確認は行っていない。
　第２方策を適用したにもかかわらず非財務目標が未達であった場合は（ステップＳ１０９のＮＯ）、第３方策生成部１３が、第２方策とは異なる第３方策を生成する（ステップＳ１１０）。このとき、第３方策生成部１３は、複数の方策候補を生成し（ステップＳ１１０）、それら複数の方策候補をユーザーに提示し、採用する方策をユーザーに選択させる（ステップＳ１１１）。
　以上述べた支援処理によれば、与えられた財務目標及び非財務目標を達成するように、第１方策及び第２方策が生成され、且つ、それらの方策が生産現場ＰＬの生産設備に適用される。したがって、ユーザーの労力や判断を実質的に要することなく、自動的かつ自律的に生産現場ＰＬの最適化を図ることができる。
　（事例１）
　図５に、支援システム１による最適化の事例１を示す。事例１では、財務目標として「生産性２０％向上」、非財務目標として「エネルギー消費量５０％減」が与えられたとする。
　第１ステップでは、生産性を２０％向上するための方策として、「ライン速度の２０％高速化」という第１方策が決定され、これに従って生産設備の制御パラメータが変更される。この第１方策の適用により、生産性が２０％向上し、その結果として生産設備の余剰が４０％創出されたとする。すなわち、ライン速度が高速化したことで、第１方策の適用前に比べて、４０％分の生産設備の非稼働時間が創出されたことが判る。
　第２ステップでは、第１ステップで創出された余剰を活用して、非財務目標であるエネルギー消費量を削減するための第２方策が決定される。この事例では、余剰期間（つまり生産設備の非稼働時）に生産設備をアイドリング状態（エネルギー消費量が低い状態）に切り替えるように制御パラメータの変更が行われ、その結果、エネルギー消費量の４０％削減という効果が得られたとする。
　第１ステップ及び第２ステップの実施により、財務目標である「生産性２０％向上」は達成できたものの、非財務目標である「エネルギー消費量５０％減」は未達である（あと１０％の削減が必要）。そこで、支援システム１では、追加的に第３ステップを実施する。第３ステップでは、エネルギー消費量を１０％削減するための第３方策を作成し、ユーザー（経営層や管理層）に提示する。この事例では、「ライン速度の＋１０％高速化」、「再生エネルギーの購入」、「生産量の減産」という３つの方策候補がユーザーにレコメンドされている。
　（事例２）
　図６に、支援システム１による最適化の事例２を示す。事例２では、財務目標として「生産性２０％向上」、非財務目標として「働きがい２０％向上」が与えられたとする。
　第１ステップでは、生産性を２０％向上するための方策として、「組立プロセスの効率化」という第１方策が決定され、これに従って生産設備の制御パラメータ（例えば、ワーク搬送の高速化、ロボットの動作速度の高速化など）が変更される。第１方策適用後の稼働状況データを分析することにより、生産性の２０％向上が確認できた一方で、組立プロセスの効率化が作業者の行動（作業手順、動線、待ち時間など）に与えている影響が把握できる。
　第２ステップでは、第１方策適用後の稼働状況データを用いた作業者の行動分析結果を活用して、非財務目標である働きがいを向上するための第２方策が決定される。この事例では、ＤＸによる作業支援（例えば、ＡＲ（拡張現実）技術を利用した視覚的作業支援、自律搬送ロボットの経路や配置を最適化するＦｌｅｅｔマネジメントなど）が実施され、その結果、働きがいの１０％向上という効果が得られたとする。なお、働きがいの評価は、作業者へのサーベイや作業者の行動分析などを活用したモチベーション分析により行えばよい。
　第１ステップ及び第２ステップの実施により、財務目標である「生産性２０％向上」は達成できたものの、非財務目標である「働きがい２０％向上」は未達である（あと１０％の向上が必要）。そこで、支援システム１では、追加的に第３ステップを実施する。第３ステップでは、働きがいをさらに１０％向上するための第３方策を作成し、ユーザー（経営層や管理層）に提示する。この事例では、「ロボットの導入」、「賃金アップ」、「生産量の減産」という３つの方策候補がユーザーにレコメンドされている。
　＜第２実施形態＞
　図７及び図８を参照して本発明の第２実施形態を説明する。第１実施形態では、第１方策の適用により財務目標は達成できたものとみなし、財務目標が達成できたか未達であるかの確認は行っていないが、第２実施形態では、第１方策の適用後に財務指標の評価を行い、財務目標に未達である場合は第１方策を修正する。以下では第１実施形態と異なる点を中心に説明する。
　図７は、第２実施形態に係る支援システムの機能構成を示すブロック図である。本実施形態の支援システム１は、財務指標評価部２０を備える。財務指標評価部２０は、稼働状況データに基づいて、第１方策を生産現場ＰＬに適用する前と後の財務指標の変化値を取得し、その財務指標の変化値に基づいて財務目標が達成されたか否かを評価する機能である。
　図８は、第２実施形態における支援処理のフローチャートを示している。図８は、第１ステップにおける処理を示しており、第１実施形態のフローチャート（図４）のステップＳ１０３～Ｓ１０５の処理に置き換わるものである。
　第１実施形態と同じようにステップＳ１０２までの処理が行われた後、第１方策生成部１１は、ステップＳ１００で取得した財務目標とステップＳ１０２で取得した稼働状況データに基づいて、財務指標の値を財務目標に近づけるための第１方策を生成する（ステップＳ１０３）。そして、方策出力部１６が、ステップＳ１０３で生成された第１方策に基づいて生産現場ＰＬの生産設備の制御パラメータを変更する（ステップＳ１０４）。
　第１方策の適用によって生産設備の稼働状況（例えば、稼働時間、スループット、生産量など）に変化が現れるので、稼働状況取得部１７が、変化後の稼働状況データを取得する（ステップＳ１０５）。後段で実行される第２方策の生成に必要なデータが蓄積されるまで、ステップＳ１０５の処理が継続される。
　その後、財務指標評価部２０がＤＢ１０に蓄積された稼働状況データに基づいて、第１方策適用後の財務指標の値を計算する（ステップＳ２００）。そして、財務指標評価部２０は、第１方策適用後の財務指標の変化値に基づいて財務目標が達成されたか否かを判定する（ステップＳ２０１）。財務指標評価部２０によって財務目標が未達であると評価された場合（ステップＳ２０１のＮＯ）は、第１方策生成部１１は第１方策の修正を行う（ステップＳ２０２）。前述の事例１では、第１方策として「ライン速度の２０％高速化」を適用した例を説明したが、もしこの方策を適用しても生産性２０％向上を達成できなかった場合、例えば、第１方策を「ライン速度の３０％高速化」と修正するというものが分かりやすい例である。修正された第１方策を用いて、ステップＳ１０４、Ｓ１０５、Ｓ２００、Ｓ２０１の処理が最実行される。
　第１方策の修正・適用を繰り返した結果、財務目標が達成できた場合、あるいは、所定の終了条件（例えば、繰り返し数が上限値に達した、第１方策の修正による財務指標の変化値が閾値以下と小さかったなど）に該当した場合は（ステップＳ２０１のＹＥＳ）、ループ処理を抜けてステップＳ１０６に進む。以降の処理は第１実施形態と同じでよい。以上述べた第2実施形態によれば、財務目標の達成に向けて生産現場の制御を追い込むことができる。
　＜第３実施形態＞
　図９を参照して本発明の第３実施形態を説明する。第１及び第２実施形態では、第２方策の生成・適用を１回実行するだけであるが、第３実施形態では、第２方策の適用後に非財務指標の評価を行い、非財務目標に未達である場合は第２方策を修正する。以下では第１及び第２実施形態と異なる点を中心に説明する。
　図９は、第３実施形態における支援処理のフローチャートを示している。図９は、第２ステップにおける処理を示しており、第１実施形態のフローチャート（図４）のステップＳ１０６～Ｓ１０８の処理に置き換わるものである。
　第１又は第２実施形態と同じように第１方策が適用された後、第２方策生成部１２は、ステップＳ１０１で取得した非財務目標とステップＳ１０５で取得した稼働状況データに基づいて、非財務指標の値を非財務目標に近づけるための第２方策を生成する（ステップＳ１０６）。そして、方策出力部１６が、ステップＳ１０６で生成された第２方策に基づいて生産現場ＰＬの生産設備の制御パラメータを変更する（ステップＳ１０７）。第２方策の適用による生産設備の制御の変更は、非財務指標が改善する方向に作用する。その後、非財務指標取得部１８が、生産現場ＰＬから非財務指標の情報を取得する（ステップＳ１０８）。
　そして、非財務指標評価部１９は、第２方策適用後の非財務指標の変化値に基づいて非財務目標が達成されたか否かを判定する（ステップＳ３００）。非財務指標評価部１９によって非財務目標が未達であると評価された場合（ステップＳ３００のＮＯ）は、第２方策生成部１２は第２方策の修正を行う（ステップＳ３０１）。前述の事例１では、第２方策としてアイドリング制御を適用した例を説明したが、もしこの方策を適用してもエネルギー消費量５０％削減を達成できなかった場合、例えば、稼働時間とアイドル時間の最適化を図るなどの修正が考えられる。修正された第２方策を用いて、ステップＳ１０７、Ｓ１０８、Ｓ３００の処理が最実行される。
　第２方策の修正・適用を繰り返した結果、非財務目標が達成できた場合、あるいは、所定の終了条件（例えば、繰り返し数が上限値に達した、第２方策の修正による非財務指標の変化値が閾値以下と小さかったなど）に該当した場合は（ステップＳ３００のＹＥＳ）、ループ処理を抜けてステップＳ１０９に進む。以降の処理は第１実施形態と同じでよい。以上述べた第３実施形態によれば、非財務目標の達成に向けて生産現場の制御を追い込むことができる。
　＜第４実施形態＞
　支援システム１は、生成した第１方策や第２方策を生産現場ＰＬで稼働している実際の生産設備（実機）に適用する前に（又は代わりに）、生産設備を仮想空間上に再現した仮想生産設備に方策を適用して稼働シミュレーションを実行し、方策を適用した場合の生産設備の稼働状況を推定してもよい。このようなシミュレータを利用すれば、支援システム１の内部だけで方策の生成及び効果確認を行うことが可能となるため、実機の稼働に影響を与えずに第１ステップ～第２ステップを実行することができる。また、実機とは異なり、シミュレーションであれば方策のトライ＆エラーも容易であるため、方策の比較や追い込み（好適化）を実施することも可能となる。また、方策の内容によっては、実機に適用してからその効果を確認できるまでに時間を要する場合もあるが、シミュレーションであればそのような効果確認までの時間を短縮することも可能である。シミュレータとしては、例えば、３Ｄモデルを用いて生産設備（あるいは生産現場ＰＬ全体）を再現した、いわゆるデジタルツインを用いることが好ましい。デジタルツインによる高度なシミュレーションを利用することにより、財務指標の変化値のみならず非財務指標の変化値も精度よく予測可能になるものと期待できる。
　図１０は第４実施形態に係る支援システムの機能構成を示すブロック図である。本実施形態の支援システム１は、生産現場ＰＬの生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータ４０を備える。
　シミュレータ４０は、例えば、図４のステップＳ１０４において第１方策を仮想生産設備に適用して稼働シミュレーションを実行することにより、第１方策を適用した場合の生産設備の稼働状況を推定し、その推定結果をＤＢ１０に蓄積したり、ステップＳ１０５及びＳ１０６において第１方策適用後の稼働状況データとして利用したり、図８のステップＳ２００において第１方策適用後の財務指標の変化値を推定するのに利用してもよい。同様に、シミュレータ４０は、例えば、図４のステップＳ１０７において第２方策を仮想生産設備に適用して稼働シミュレーションを実行することにより、第２方策を適用した場合の生産設備の稼働状況を推定し、その推定結果をＤＢ１０に蓄積したり、ステップＳ１０８において第２方策適用後の非財務指標の変化値を推定するのに利用してもよい。
　＜その他＞
　上記実施形態は、本発明の構成例を例示的に説明するものに過ぎない。本発明は上記の具体的な形態には限定されることはなく、その技術的思想の範囲内で種々の変形が可能である。上記第１～第４実施形態の構成は技術的な矛盾のない限り互いに組み合わせてもよい。例えば、第４実施形態のシミュレータ４０を第１～第３実施形態に組み合わせてもよい。またその場合に、シミュレータ４０が財務指標評価部２０の機能を兼ねたり、非財務指標取得部１８や非財務指標評価部１９の機能を兼ねたりしてもよい。
　本開示は以下の構成、方法、プログラムを含む。
［付記１］
　生産現場（ＰＬ）における目標達成を支援するための支援システム（１）であって、
　前記生産現場（ＰＬ）において達成すべき財務指標の目標である財務目標を取得する財務目標取得部（１４）と、
　前記生産現場（ＰＬ）において達成すべき非財務指標の目標である非財務目標を取得する非財務目標取得部（１５）と、
　前記生産現場（ＰＬ）で稼働している生産設備の稼働状況を表す情報、及び、前記財務目標に基づいて、前記生産現場（ＰＬ）における財務指標の値を前記財務目標に近づけるための第１方策を生成する第１方策生成部（１１）と、
　前記第１方策生成部（１１）によって生成された前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報、及び、前記非財務目標に基づいて、前記生産現場（ＰＬ）における非財務指標の値を前記非財務目標に近づけるための第２方策を生成する第２方策生成部（１２）と、
を有する支援システム（１）。
［付記２］
　前記第１方策を前記生産現場（ＰＬ）に適用した場合の財務指標の変化値を取得し、前記財務指標の変化値に基づいて前記財務目標が達成されたか否かを評価する財務指標評価部（２０）をさらに有し、
　前記財務指標評価部（２０）によって前記財務目標が未達であると評価された場合に、前記第１方策生成部（１１）は、前記第１方策の修正を行う、
付記１に記載の支援システム（１）。
［付記３］
　前記第２方策を前記生産現場（ＰＬ）に適用した場合の非財務指標の変化値を取得し、前記非財務指標の変化値に基づいて前記非財務目標が達成されたか否かを評価する非財務指標評価部（１９）をさらに有し、
　前記非財務指標評価部（１９）によって前記非財務目標が未達であると評価された場合に、前記第２方策生成部（１２）は、前記第２方策の修正を行う、
付記１又は２に記載の支援システム（１）。
［付記４］
　前記第２方策を前記生産現場（ＰＬ）に適用した場合の非財務指標の変化値を取得し、前記非財務指標の変化値に基づいて前記非財務目標が達成されたか否かを評価する非財務指標評価部（１９）と、
　前記非財務指標評価部（１９）によって前記非財務目標が未達であると評価された場合に、前記生産現場（ＰＬ）における非財務指標の値を前記非財務目標に近づけるための方策として、前記第２方策とは異なる第３方策を生成する第３方策生成部（１３）と、
をさらに有する付記１～３のいずれかに記載の支援システム（１）。
［付記５］
　前記第３方策生成部（１３）は、前記第３方策として複数の方策候補を生成し、生成した前記複数の方策候補をユーザーに提示する、
付記４に記載の支援システム（１）。
［付記６］
　前記複数の方策候補の中からユーザーによって選択された方策の情報と、前記選択された方策を前記生産現場に適用した場合の前記非財務指標の変化値とを機械学習する学習部（３２）をさらに有する、
付記５に記載の支援システム（１）。
［付記７］
　前記第１方策は、前記生産設備の制御を変更するための制御パラメータを含む、
付記１～６のいずれかに記載の支援システム（１）。
［付記８］
　前記第１方策生成部（１１）は、前記生産設備の稼働状況を表す情報と前記財務目標に基づいて前記生産現場（ＰＬ）における財務指標の値を前記財務目標に近づけるための方策を出力するように機械学習された、学習済みモデル（３０）によって構成されている、付記１～７のいずれかに記載の支援システム（１）。
［付記９］
　前記第２方策生成部（１２）は、前記生産設備の稼働状況を表す情報と前記非財務目標に基づいて前記生産現場（ＰＬ）における非財務指標の値を前記非財務目標に近づけるための方策を出力するように機械学習された、学習済みモデル（３０）によって構成されている、
付記１～８のいずれかに記載の支援システム（１）。
［付記１０］
　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータ（４０）をさらに有し、
　前記シミュレータ（４０）が、前記第１方策生成部（１１）によって生成された前記第１方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第１方策を適用した場合の前記生産設備の稼働状況を推定し、
　前記第２方策生成部（１２）は、前記シミュレータ（４０）による推定結果を、前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報として用いて、前記第２方策を生成する、
付記１～９のいずれかに記載の支援システム（１）。
［付記１１］
　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータ（４０）をさらに有し、
　前記シミュレータ（４０）が、前記第１方策生成部（１１）によって生成された前記第１方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第１方策を適用した場合の前記生産設備の稼働状況を推定し、
　前記財務指標評価部（２０）は、前記シミュレータ（４０）による推定結果に基づいて、前記第１方策を前記生産設備に適用した場合の財務指標の変化値を推定する、
付記２に記載の支援システム（１）。
［付記１２］
　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータ（４０）をさらに有し、
　前記シミュレータ（４０）が、前記第２方策生成部（１２）によって生成された前記第２方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第２方策を適用した場合の前記生産設備の稼働状況を推定し、
　前記非財務指標評価部（１９）は、前記シミュレータ（４０）による推定結果に基づいて、前記第２方策を前記生産設備に適用した場合の非財務指標の変化値を推定する、
付記３又は４に記載の支援システム（１）。
［付記１３］
　コンピュータにより、生産現場（ＰＬ）における目標達成を支援する支援方法であって、
　コンピュータが、前記生産現場（ＰＬ）において達成すべき財務指標の目標である財務目標を取得するステップと、
　コンピュータが、前記生産現場（ＰＬ）において達成すべき非財務指標の目標である非財務目標を取得するステップと、
　コンピュータが、前記生産現場（ＰＬ）で稼働している生産設備の稼働状況を表す情報、及び、前記財務目標に基づいて、前記生産現場（ＰＬ）における財務指標の値を前記財務目標に近づけるための第１方策を生成するステップと、
　コンピュータが、前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報、及び、前記非財務目標に基づいて、前記生産現場（ＰＬ）における非財務指標の値を前記非財務目標に近づけるための第２方策を生成するステップと、
を含む支援方法。
［付記１４］
　付記１３に記載の方法の各ステップをコンピュータに実行させるためのプログラム。
１：支援システム
ＭＳ：経営システム
ＰＬ：生産現場

Claims (14)

  1. 　生産現場における目標達成を支援するための支援システムであって、
    　前記生産現場において達成すべき財務指標の目標である財務目標を取得する財務目標取得部と、
    　前記生産現場において達成すべき非財務指標の目標である非財務目標を取得する非財務目標取得部と、
    　前記生産現場で稼働している生産設備の稼働状況を表す情報、及び、前記財務目標に基づいて、前記生産現場における財務指標の値を前記財務目標に近づけるための第１方策を生成する第１方策生成部と、
    　前記第１方策生成部によって生成された前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報、及び、前記非財務目標に基づいて、前記生産現場における非財務指標の値を前記非財務目標に近づけるための第２方策を生成する第２方策生成部と、
    を有する支援システム。
  2. 　前記第１方策を前記生産現場に適用した場合の財務指標の変化値を取得し、前記財務指標の変化値に基づいて前記財務目標が達成されたか否かを評価する財務指標評価部をさらに有し、
    　前記財務指標評価部によって前記財務目標が未達であると評価された場合に、前記第１方策生成部は、前記第１方策の修正を行う、
    請求項１に記載の支援システム。
  3. 　前記第２方策を前記生産現場に適用した場合の非財務指標の変化値を取得し、前記非財務指標の変化値に基づいて前記非財務目標が達成されたか否かを評価する非財務指標評価部をさらに有し、
    　前記非財務指標評価部によって前記非財務目標が未達であると評価された場合に、前記第２方策生成部は、前記第２方策の修正を行う、
    請求項１又は２に記載の支援システム。
  4. 　前記第２方策を前記生産現場に適用した場合の非財務指標の変化値を取得し、前記非財務指標の変化値に基づいて前記非財務目標が達成されたか否かを評価する非財務指標評価部と、
    　前記非財務指標評価部によって前記非財務目標が未達であると評価された場合に、前記生産現場における非財務指標の値を前記非財務目標に近づけるための方策として、前記第２方策とは異なる第３方策を生成する第３方策生成部と、
    をさらに有する請求項１～３のいずれかに記載の支援システム。
  5. 　前記第３方策生成部は、前記第３方策として複数の方策候補を生成し、生成した前記複数の方策候補をユーザーに提示する、
    請求項４に記載の支援システム。
  6. 　前記複数の方策候補の中からユーザーによって選択された方策の情報と、前記選択された方策を前記生産現場に適用した場合の前記非財務指標の変化値とを機械学習する学習部をさらに有する、
    請求項５に記載の支援システム。
  7. 　前記第１方策は、前記生産設備の制御を変更するための制御パラメータを含む、
    請求項１～６のいずれかに記載の支援システム。
  8. 　前記第１方策生成部は、前記生産設備の稼働状況を表す情報と前記財務目標に基づいて前記生産現場における財務指標の値を前記財務目標に近づけるための方策を出力するように機械学習された、学習済みモデルによって構成されている、
    請求項１～７のいずれかに記載の支援システム。
  9. 　前記第２方策生成部は、前記生産設備の稼働状況を表す情報と前記非財務目標に基づいて前記生産現場における非財務指標の値を前記非財務目標に近づけるための方策を出力するように機械学習された、学習済みモデルによって構成されている、
    請求項１～８のいずれかに記載の支援システム。
  10. 　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータをさらに有し、
    　前記シミュレータが、前記第１方策生成部によって生成された前記第１方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第１方策を適用した場合の前記生産設備の稼働状況を推定し、
    　前記第２方策生成部は、前記シミュレータによる推定結果を、前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報として用いて、前記第２方策を生成する、
    請求項１～９のいずれかに記載の支援システム。
  11. 　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータをさらに有し、
    　前記シミュレータが、前記第１方策生成部によって生成された前記第１方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第１方策を適用した場合の前記生産設備の稼働状況を推定し、
    　前記財務指標評価部は、前記シミュレータによる推定結果に基づいて、前記第１方策を前記生産設備に適用した場合の財務指標の変化値を推定する、
    請求項２に記載の支援システム。
  12. 　前記生産設備を仮想空間上に再現した仮想生産設備を用いて稼働シミュレーションを行うシミュレータをさらに有し、
    　前記シミュレータが、前記第２方策生成部によって生成された前記第２方策を前記仮想生産設備に適用して稼働シミュレーションを実行することにより、前記第２方策を適用した場合の前記生産設備の稼働状況を推定し、
    　前記非財務指標評価部は、前記シミュレータによる推定結果に基づいて、前記第２方策を前記生産設備に適用した場合の非財務指標の変化値を推定する、
    請求項３又は４に記載の支援システム。
  13. 　コンピュータにより、生産現場における目標達成を支援する支援方法であって、
    　コンピュータが、前記生産現場において達成すべき財務指標の目標である財務目標を取得するステップと、
    　コンピュータが、前記生産現場において達成すべき非財務指標の目標である非財務目標を取得するステップと、
    　コンピュータが、前記生産現場で稼働している生産設備の稼働状況を表す情報、及び、前記財務目標に基づいて、前記生産現場における財務指標の値を前記財務目標に近づけるための第１方策を生成するステップと、
    　コンピュータが、前記第１方策を適用した場合の前記生産設備の稼働状況を表す情報、及び、前記非財務目標に基づいて、前記生産現場における非財務指標の値を前記非財務目標に近づけるための第２方策を生成するステップと、
    を含む支援方法。
  14. 　請求項１３に記載の方法の各ステップをコンピュータに実行させるためのプログラム。
PCT/JP2025/005352 2024-03-14 2025-02-18 支援システム及び支援方法 Pending WO2025192189A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024039858A JP2025140448A (ja) 2024-03-14 2024-03-14 支援システム及び支援方法
JP2024-039858 2024-03-14

Publications (1)

Publication Number Publication Date
WO2025192189A1 true WO2025192189A1 (ja) 2025-09-18

Family

ID=97063688

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/005352 Pending WO2025192189A1 (ja) 2024-03-14 2025-02-18 支援システム及び支援方法

Country Status (3)

Country Link
JP (1) JP2025140448A (ja)
TW (1) TWI919787B (ja)
WO (1) WO2025192189A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005182451A (ja) * 2003-12-19 2005-07-07 National Institute Of Advanced Industrial & Technology 環境対策を含む企業マネージメントの評価方法およびその評価システム
JP2011175463A (ja) * 2010-02-24 2011-09-08 Hitachi Ltd 生産計画決定支援方法および装置
JP2013206148A (ja) * 2012-03-28 2013-10-07 Hitachi Solutions Ltd 情報処理装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11907885B1 (en) 2022-03-29 2024-02-20 Slate Technologies Inc. System and method for computational simulation and augmented/virtual reality in a construction environment

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005182451A (ja) * 2003-12-19 2005-07-07 National Institute Of Advanced Industrial & Technology 環境対策を含む企業マネージメントの評価方法およびその評価システム
JP2011175463A (ja) * 2010-02-24 2011-09-08 Hitachi Ltd 生産計画決定支援方法および装置
JP2013206148A (ja) * 2012-03-28 2013-10-07 Hitachi Solutions Ltd 情報処理装置

Also Published As

Publication number Publication date
TW202536704A (zh) 2025-09-16
TWI919787B (zh) 2026-03-21
JP2025140448A (ja) 2025-09-29

Similar Documents

Publication Publication Date Title
Bevilacqua et al. Implementing lean information management: the case study of an automotive company
Suri et al. Comparative analysis of software effort estimation techniques
Chatters et al. Modelling a software evolution process: a long‐term case study
Kádár et al. Discrete event simulation for supporting production planning and scheduling decisions in digital factories
US20240232758A1 (en) Apparatus and method for establishing production plan
CN119472529B (zh) 一种基于深度强化学习的运输约束下作业车间调度方法
CN120633923A (zh) 基于强化学习的制造业erp动态资源优化配置系统
JP7843598B2 (ja) 成果物ステータスに基づいてプロジェクトステータスをリアルタイムで更新するためのシステム及び方法
Islam et al. Development of a software maintenance cost estimation model: 4th GL perspective
Hien et al. Integrating six Sigma into an industry 4.0 system for enhanced productivity: A case study in CNC processes
US20120089435A1 (en) Method and system for optimizing process models
Menghi et al. A methodology for energy efficiency redesign of smart production systems
Haghsheno AI-driven project management in software engineering
Emroozi et al. A system dynamics–optimization framework for human-error-aware preventive maintenance planning
JP2025140448A (ja) 支援システム及び支援方法
Karthikeyan et al. Evaluating performance indicators of lean-industry 4.0 integration in heavy fabrication sector: a structural equation modelling approach
CN118396599A (zh) 故障工单处置方法、系统和存储介质
Paila SAP IBP vs Custom AI Planning Engines: A Comparative Performance Study
Fauadi et al. Agent-Based Discrete Event Simulation–System Dynamics Approach To Optimize Manufacturing System With Maintenance Activities
Gembarski et al. An extended key competence framework to mass customize after-sales services
US20110208491A1 (en) Apparatus and method for iterative simulation of an operation of a device
Salim et al. Production Cost Modeling and Simulation in the Glove Manufacturing Industry
Sarkar et al. Introduction to AI in Manufacturing
CN118113333B (zh) 基于指标体系的产业链分析方法及装置
Gutermuth et al. A novel approach to measure engineering efficiency of automation projects

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: 25770037

Country of ref document: EP

Kind code of ref document: A1