JP2005339587A

JP2005339587A - Production system, method and program

Info

Publication number: JP2005339587A
Application number: JP2005238838A
Authority: JP
Inventors: Kazuo Miyashita; 和雄宮下
Original assignee: National Institute of Advanced Industrial Science and Technology AIST
Current assignee: National Institute of Advanced Industrial Science and Technology AIST
Priority date: 2002-07-09
Filing date: 2005-08-19
Publication date: 2005-12-08

Abstract

<P>PROBLEM TO BE SOLVED: To perform control so as to stabilize intermediate stock quantity of a production facility. <P>SOLUTION: Values of parameters so that the intermediate stock quantity becomes within a tolerance are sequentially determined by a simulator. When the intermediate stock quantity measured by a measuring instrument becomes equal to a measured value, production is stopped and the production is restarted in the next cycle. <P>COPYRIGHT: (C)2006,JPO&NCIPI

Description

本発明は、工場などでの生産計画を自動的に立案する計算機システムに係り、高品質な計画立案の際に必要とされる適切な生産規則を人手ではなく計算機により自動的に高速生成する機能を有する生産システム及び方法並びにプログラムに関する。 The present invention relates to a computer system for automatically creating a production plan in a factory, etc., and a function for automatically generating high-speed appropriate production rules necessary for high-quality planning by a computer rather than manually. The present invention relates to a production system, method, and program.

工場等における生産計画の作成を支援もしくは自動化する生産計画システムは過去に多数の提案があり、既に国内外で多くの製品が商用化されており、また多くの製造会社が独自のシステムを開発して自社で使用している。 There have been many proposals in the past for production planning systems that support or automate the creation of production plans in factories, etc., and many products have already been commercialized in Japan and overseas, and many manufacturing companies have developed their own systems. Used in-house.

従来、それらの多くの生産計画システムは設備能力を無限大と仮定するなど生産工程における制約を単純化してモデルを作成し、単純化されたモデルに対して線形計画法などの数理的最適化手法を適用して概略解を求めるアプローチを採っている。 Conventionally, many of these production planning systems create models by simplifying constraints in the production process, such as assuming that the facility capacity is infinite, and mathematical optimization methods such as linear programming for the simplified models Is used to find an approximate solution.

半導体、液晶などに代表されるハイテク部品の製造工程は、非常に多くの繰り返し工程で構成されており、自動車などの製品の製造工程に比べると格段に大規模かつ複雑なものであり、通常、その工程数は数百、製造リードタイムは数ヵ月にも及ぶ（たとえば、非特許文献１参照）。さらに、それらハイテク部品産業では製品競争力を高めるために新たな製造プロセス技術が次々と開発され、それら最新鋭の製造プロセスが時を移さず実際の製品生産に適用されるため、製造現場において製造プロセスが安定して稼働することは稀であり、ハイテク部品の生産計画立案に当っては製造機械の故障や製品の品質不良など、製造における変動要因を常に考慮する必要がある。 The manufacturing process of high-tech parts represented by semiconductors, liquid crystals, etc. is composed of a large number of repetitive processes, which are much larger and more complicated than the manufacturing process of products such as automobiles. The number of processes is several hundreds, and the production lead time is several months (for example, see Non-Patent Document 1). Furthermore, in these high-tech parts industries, new manufacturing process technologies are developed one after another in order to enhance product competitiveness, and these state-of-the-art manufacturing processes are applied to actual product production in a timely manner. It is rare for processes to operate stably, and when planning production of high-tech parts, it is necessary to always take into account manufacturing fluctuation factors such as production machine failures and product quality defects.

したがって、ハイテク部品などのように多くの変動要因を製造工程に抱える製品の生産においては、成熟した製造工程を持つ自動車産業などで有効とされるカンバン型生産方式に見られるように中間在庫(WIP)をゼロにすることを目指すのではなく、機械故障に伴う製造能力の変化や品質不良に伴う廃棄やリワークなどの影響をできるだけ受けないで、安定的な製品産出を実現しうる最小限の適正在庫量を設定し、それを維持するように生産計画を立案し、製造を行うことが重要である。ただし、無駄な在庫を抑えるためには、その前提条件として精度の高い需要予測が必要である。現在、高精度な需要予測はハイテク産業のSCMにおける重要な課題とされ、米国の半導体業界では1年間程度の需要予測を22%以下の誤差で行うことが当面の希望的目標とされている（たとえば、非特許文献６参照）。 Therefore, in the production of products that have many fluctuation factors in the manufacturing process, such as high-tech parts, intermediate inventory (WIP) as seen in the Kanban type production system that is effective in the automobile industry with mature manufacturing processes, etc. ) Is not intended to be zero, but is minimally affected by changes in manufacturing capacity due to machine failures and disposal and rework due to quality defects, and can achieve stable product production. It is important to set a stock quantity, make a production plan so as to maintain it, and carry out manufacturing. However, in order to suppress wasteful inventory, a highly accurate demand forecast is necessary as a prerequisite. At present, high-precision demand forecasting is an important issue in high-tech industry SCM, and the US semiconductor industry has made a one-year demand forecast with an error of less than 22% as a desired goal ( For example, refer nonpatent literature 6).

ハイテク部品の生産計画の立案に際しては、その製造工程が大規模複雑であるため数理的手法による最適化は計算時間の点で適用が困難であり、例えば半導体ウェーハ製造に関しては、従来からシミュレーション手法に基づくスケジューリングにおいて、様々なジョブ投入ルールやディスパッチングルールの有効性の検証が数多く行われてきた（たとえば、非特許文献５，７参照）。 When planning a production plan for high-tech parts, the mathematical process is difficult to apply because of the large-scale complexity of the manufacturing process. In the scheduling based on this, many verifications of the effectiveness of various job input rules and dispatching rules have been performed (for example, see Non-Patent Documents 5 and 7).

しかしながら近年では、計算速度の向上や計算機価格の低下に伴って、現実の生産工程の精密なモデルに対して工程内の在庫の推移を忠実に事象ベースでシミュレート（各部品の状態変化、たとえば処理終了、ごとに工程の状況変化を計算する）することが可能になり、数多くの単純な生産規則に基づくシミュレーションを試行錯誤的に繰り返すことにより、その中で最も高品質な生産計画を選択するアプローチが、特に半導体製造などの非常に複雑な生産工程において、主流となっている。しかしながら、大規模で複雑な生産工程のシミュレーションには依然として多大な時間が必要とされるため、高品質な生産計画を立案する適切な生産規則を試行錯誤的に発見するのは困難である。従来の生産計画システムでは、この最も重要で困難な生産規則の発見に対する支援機能は備えられておらず、高品質な生産計画を立案するには専ら生産計画立案作業者の熟練と勘とに頼らざるを得なかった。 However, in recent years, as the calculation speed has increased and the computer price has decreased, the transition of inventory in the process has been faithfully simulated on an event basis (the state change of each part, for example, a precise model of the actual production process) It is possible to calculate the process status change at the end of each process) and repeat the simulation based on many simple production rules on a trial and error basis to select the highest quality production plan among them. Approaches have become mainstream, especially in very complex production processes such as semiconductor manufacturing. However, since a large amount of time is still required for simulation of a large-scale and complicated production process, it is difficult to find an appropriate production rule for creating a high-quality production plan by trial and error. The conventional production planning system does not have a support function for finding the most important and difficult production rules, and in order to make a high-quality production plan, it depends solely on the skill and intuition of the production planner. I had to.

更に最近では、人工知能（AI)技術の進展により、計算機により自動的に適切な規則を生成する試みが行われ、生産計画問題に適用された研究事例（例えば、"Learning scheduling control knowledge through reinforcements" Miyashita, K., International transactions in operational research,Vol.7, No.2, pp.125-138, 2000. 、"Job-Shop Scheduling with Genetic Programming" Miyashita, K., Proc. of the Genetic and Evolutionary Computation Conference, pp.505-512, 2000.、「階層型ニューラルネットワークを用いた動的ジョブショップスケジューリング-ロバストスケジューリングのための二段階学習法-」、江口他、スケジューリングシンポジウム、pp.89-94、2001 ）もある。しかしながら、それらの手法を現実の大規模な生産工程を対象にした生産計画問題に適用するのは、規則の学習に要する計算時間の点から実現困難であり、適切な生産規則の自動生成機能を備えた実用的な生産計画システムは未だ存在しない。 More recently, with the advancement of artificial intelligence (AI) technology, attempts have been made to automatically generate appropriate rules by computers, and research examples applied to production planning problems (for example, "Learning scheduling control knowledge through reinforcements" Miyashita, K., International transactions in operational research, Vol.7, No.2, pp.125-138, 2000., "Job-Shop Scheduling with Genetic Programming" Miyashita, K., Proc. Of the Genetic and Evolutionary Computation Conference, pp.505-512, 2000. “Dynamic job shop scheduling using hierarchical neural networks: two-step learning method for robust scheduling”, Eguchi et al., Scheduling Symposium, pp.89-94, 2001 There is also. However, it is difficult to apply these methods to production planning problems for large-scale actual production processes because of the computation time required to learn the rules. There is no practical production planning system provided.

さらに、従来のシミュレーション方式に基づくスケジューリングには以下のような問題点がある（非特許文献８参照）。
・適切なプロダクトミックスや投入レートを決定する際に、実際の製造工程における変動を考慮して十分な試行錯誤による検討を行うためには、依然として計算時間がかかり過ぎる。
・シミュレーションによって決定された作業内容が、製造実施現場における種々の変動要因により現実の製造状況から乖離しやすく、またそうした事態に対応するための有効な作業指示もスムーズに行えない。
それらの問題に対処するため、ハイテク部品の生産計画立案には、より高速で、ロバストな生産指示が可能なシミュレーション手法が必要である。 Further, the scheduling based on the conventional simulation method has the following problems (see Non-Patent Document 8).
-When determining an appropriate product mix and input rate, it still takes too much calculation time to perform a sufficient trial and error study in consideration of fluctuations in the actual manufacturing process.
The work content determined by the simulation is likely to deviate from the actual manufacturing situation due to various fluctuation factors at the manufacturing site, and effective work instructions for responding to such a situation cannot be performed smoothly.
In order to deal with these problems, high-tech parts production planning requires a simulation method capable of giving a faster and more robust production instruction.

Linda F Atherton and Robert W. Atherton. Wafer fabrication: Factory performance and Analysis. Kluwer Academic Publishers, 1995Linda F Atherton and Robert W. Atherton. Wafer fabrication: Factory performance and Analysis.Kluwer Academic Publishers, 1995

L. Gong and H. Matsuo. Control Policy for manufacturing system with random yield and rework. Journal of Optimization Theory and Applications, 95(1):149-175, 1997.L. Gong and H. Matsuo.Control Policy for manufacturing system with random yield and rework.Journal of Optimization Theory and Applications, 95 (1): 149-175, 1997.

Wallace J. Hopp and Mark L.Spearman. FACTORY PHYSICS. McGraw-Hill, second edition, 2000.Wallace J. Hopp and Mark L. Spearman. FACTORY PHYSICS. McGraw-Hill, second edition, 2000.

J. D. C. Little. Proof of the queueing formula L=λW. Operations Research, 9:383387, 1961.J. D. C. Little.Proof of the queuing formula L = λW.Operations Research, 9: 383387, 1961.

Oliver Rose. The shortest processing time first (SPTF) dispatching rule and some variants in semiconductor manufacturing. In Proceeding of the 2001 Winter Simulation Conference, pages 1220-1224. INFORMS, 2001.Oliver Rose.The shortest processing time first (SPTF) dispatching rule and some variants in semiconductor manufacturing.In Proceeding of the 2001 Winter Simulation Conference, pages 1220-1224.INFORMS, 2001.

Robin Roundy. Report on practicesrelated to demand forecasting for semiconductor products. Technical report, School of Operations Research and Industrial Engineering, Cornell University,2001.Robin Roundy. Report on practicesrelated to demand forecasting for semiconductor products.Technical report, School of Operations Research and Industrial Engineering, Cornell University, 2001.

Lawrence M. Wein. Scheduling semiconductor wafer fabrication. IEEE transaction on Semiconductor Manufacturing, 1(3):115-130.1988.Lawrence M. Wein. Scheduling semiconductor wafer fabrication.IEEE transaction on Semiconductor Manufacturing, 1 (3): 115-130.1988.

荒川雅弘，冬木正彦，井上一郎．ＡＰＳにおける最適化志向シミュレーションベーススケジューリング法の検討．スケジューリングシンポジウム２００１講演論文集，pp.４７−５２，スケジューリング学会，２００１Masahiro Arakawa, Masahiko Fuyuki and Ichiro Inoue. A study on optimization-oriented simulation-based scheduling in APS. Scheduling Symposium 2001 Proceedings, pp. 47-52, Scheduling Society, 2001

柏瀬博幸．半導体の生産スケジューリングの方法と高速シミュレーションモデル. 修士論文, 筑波大学，２００２．Hirose Hirose. Semiconductor production scheduling method and high-speed simulation model. Master thesis, University of Tsukuba, 2002.

従来の生産計画手法では、高品質な生産計画を作成するための適切な生産規則は予め人間が与えなければならないが、大規模で複雑な生産工程における適切な生産計画規則を人手によって作成するのは困難である。 In conventional production planning methods, appropriate production rules for creating a high-quality production plan must be given in advance by humans. However, manual production of appropriate production planning rules for large-scale and complex production processes is not possible. It is difficult.

また、従来の人工知能技術における学習手法を単純に適用するだけでは、半導体などの大規模複雑な生産工程に対して規則生成を自動化するためには時間がかかりすぎて、実用的ではない。 Further, simply applying the learning method in the conventional artificial intelligence technology takes too much time to automate rule generation for a large-scale complex production process such as a semiconductor, and is not practical.

本発明は、主に、大規模複雑な生産工程を有する半導体などの製品の中間在庫量を一定にすることを目的としている。 An object of the present invention is mainly to make the intermediate inventory quantity of a product such as a semiconductor having a large-scale complicated production process constant.

このような目的を達成するために、本発明は、製造工程の中間在庫量を繰り返し計算するシミュレータと、
前記シミュレータの計算結果が許容範囲以下になるように前記シミュレータの計算に使用するパラメータの値を決定し、該パラメータの値に基づき前記製造工程の生産制御を行う制御システムと
を有し、前記制御システムは、製造工程内の実際の中間在庫量を計測する計測装置を有し、該計測装置により一定の周期内で計測された製造工程内の実際の中間在庫量が前記シミュレータの計算結果と等しくなると、前記制御システムは、製造工程の生産を停止させ、次の周期で生産を再開することを特徴とする。 In order to achieve such an object, the present invention includes a simulator for repeatedly calculating an intermediate inventory amount of a manufacturing process,
A control system that determines a value of a parameter to be used for calculation of the simulator so that a calculation result of the simulator is within an allowable range, and performs production control of the manufacturing process based on the value of the parameter. The system has a measuring device that measures an actual intermediate inventory amount in the manufacturing process, and the actual intermediate inventory amount in the manufacturing process measured by the measuring device within a certain period is equal to the calculation result of the simulator. In this case, the control system stops production in the manufacturing process and resumes production in the next cycle.

本発明は、さらに、前記シミュレータは、規則生成器を有し、前記シミュレータは該生成器により生成された生産規則を使用して製造工程の中間在庫を繰り返し計算することを特徴とする。 The present invention is further characterized in that the simulator has a rule generator, and the simulator repeatedly calculates an intermediate inventory of a manufacturing process using a production rule generated by the generator.

本発明は、さらに、前記一定の周期は可変設定可能であることを特徴とする。 The present invention is further characterized in that the fixed period can be variably set.

以下に説明するように、本発明によれば、高速な時間間隔ベースのシミュレーションを行なうことにより、生産計画の対象とする生産工程、プロダクトミックス、生産量に対して、適切な生産規則（部品投入規則等）を自動的に生成することができ、大規模な半導体などの生産工程に対しても高品質な生産計画を立案することが可能になる。さらに、中間在庫量の計測結果とシミュレーションの結果とが等しくなった場合には製造工程を停止するので、中間在庫量を一定に保つように生産を行なうことができる。 As described below, according to the present invention, by performing a high-speed time interval-based simulation, an appropriate production rule (parts input) for a production process, a product mix, and a production amount targeted for production planning. Rules, etc.) can be automatically generated, and a high-quality production plan can be made even for a production process of a large-scale semiconductor or the like. Further, when the intermediate inventory quantity measurement result and the simulation result become equal, the manufacturing process is stopped, so that production can be performed so as to keep the intermediate inventory quantity constant.

また、本発明によれば、中間在庫量が許容範囲内に向かうように製造工程が生産制御されるので、生産過程において無駄な中間在庫（部材の在庫）が発生しない。また、これにより生産効率が大幅に向上する。 In addition, according to the present invention, the production process is controlled so that the intermediate stock amount is within the allowable range, and therefore no wasteful intermediate stock (material stock) is generated in the production process. This also greatly improves production efficiency.

（第１の実施形態）
以下本発明の好適な実施の形態について、図面に基づいて説明する。図1は、本発明に係る生産計画システムの一実施の形態を示したブロック構成図である。生産工程モデル２は、製品を生産している工場において製造に関連する情報を計算機内のモデルとして表現したものである。ここでモデル化されるのは、製造装置に関する情報（装置の種類、台数、能力、故障率など）、製造作業者に関する情報（シフト、能力、人数など）、製品の製造方法に関する情報（使用する機械、作業者、加工時間、搬送時間、良品率、再加工率など）、製品に関する情報（生産量、投入時間、納期など）などの情報である。これらの情報に基づいて、計算機内に現実の工場に関する詳細なモデルを作成し、そのモデルを用いて工場内の製品の動きを計算機によりシミュレートし、生産計画立案者はシミュレーション結果から、いつ投入した製品がいつ完成するか、各機械にはどの程度在庫が溜まるかなどの情報を得て、望ましい生産計画５の立案を行う。 (First embodiment)
Preferred embodiments of the present invention will be described below with reference to the drawings. FIG. 1 is a block configuration diagram showing an embodiment of a production planning system according to the present invention. The production process model 2 represents information related to manufacturing as a model in a computer in a factory that produces products. Information modeled here is information about manufacturing equipment (type, number, capacity, failure rate, etc.), information about manufacturing workers (shift, capacity, number of people, etc.), information about product manufacturing methods (used) Machine, worker, processing time, conveyance time, non-defective product rate, rework rate, etc.) and information on products (production volume, input time, delivery date, etc.). Based on this information, a detailed model of the actual factory is created in the computer, and the movement of the product in the factory is simulated by the computer using that model. The desired production plan 5 is created by obtaining information such as when the finished product is completed and how much stock is accumulated in each machine.

図１中のブロック１は生産計画システム全体を表わしている。生産工程モデル２は工場に存在する機械の性能、台数や、工場で生産される製品の工程や数量などを表現した工場の静的なモデルであり、その情報だけでは実際に工場内を物が流れて材料から製品へと動的に変化していく様子をシミュレートすることはできない。工場の動的な側面をモデル化するのは生産規則３である。生産計画システム１で必要とされる主たる生産規則３には大きく分けて2種類の規則がある。 Block 1 in FIG. 1 represents the entire production planning system. Production process model 2 is a static model of the factory that expresses the performance and number of machines in the factory and the process and quantity of the products produced at the factory. It is not possible to simulate the dynamic flow from material to product. It is production rule 3 that models the dynamic aspects of the factory. The main production rules 3 required in the production planning system 1 are roughly divided into two types.

その一つは、製品の材料を投入するタイミングを決定する部品投入規則である。この規則としては、例えば一定間隔ごとに一定量の材料を投入する規則や、製品として出荷された分だけを新たに材料として投入する規則などがある。もう一つの重要な生産規則３は差立規則（もしくは、ディスパッチング規則）と呼ばれるものである。差立規則は、工場の生産機械前のバッファに複数の部品が加工待ちをしている際に、機械が加工可能な状態になった際に、どの部品を引き当てるのかを決定する規則である。差立規則としては、例えば先にバッファに入った部品を優先する（First In First Out)規則、納期が最も近い製品の部品を優先する（Earliest Due Date) 規則など、数多くの規則がこれまでに提案されている(R. W. Conway 他、"Theory of Scheduling", Addison-Wesley(1986))。これらの生産規則３は工場の動的な側面を全てコントロールするため、どのような生産規則３を用いるかで工場での生産の様子は大きく変化することになる。したがって、対象となる工場の生産工程モデル２に対して、どのような生産規則３を適用すると効率的な生産が実現するかを判断することが工場の生産管理者にとって最も重要な責務である。従来の生産計画システム１では、生産規則３は生産計画立案者が自ら入力することが前提とされており、それに対してユーザを支援する機能は、予め多数の一般的な規則を選択可能な形で準備しておく以上のことは実現されていない。 One of them is a part input rule that determines the timing of input of product materials. As this rule, for example, there is a rule that a certain amount of material is introduced at regular intervals, and a rule that a material that is shipped as a product is newly introduced as a material. Another important production rule 3 is what is called a dispatch rule (or dispatching rule). The dispatch rule is a rule for determining which part is to be allocated when a machine is ready for machining when a plurality of parts are waiting for machining in a buffer in front of a production machine in a factory. There are a number of rules to date, such as the rule that gives priority to the parts that have already entered the buffer (First In First Out) and the rule that gives priority to the parts with the closest delivery date (Earliest Due Date). Proposed (RW Conway et al., "Theory of Scheduling", Addison-Wesley (1986)). Since these production rules 3 control all the dynamic aspects of the factory, the state of production in the factory will vary greatly depending on what production rule 3 is used. Therefore, it is the most important responsibility for the production manager of the factory to determine what production rule 3 is applied to the production process model 2 of the target factory to realize efficient production. In the conventional production planning system 1, it is assumed that the production rule 3 is input by the production planner himself, and the function for supporting the user can select a number of general rules in advance. More than just preparing for it has not been realized.

生産工程モデル２および生産規則３が定義されると、それらの情報を用いて実際に工場における生産工程のシミュレーションを行うことができる。このシミュレーションを実行するのが事象ベースシミュレータ４である。事象ベースシミュレータ４では逐次的に内部クロックを進めていき、そのタイミングにおいて発生した変化（事象、イベントとも言う）に応じて、生産規則３を適用して生産工程における動的な変化をシミュレートする。例えば、ある時刻において、生産工程モデル２中の一つの機械における加工が終了する（即ち、事象ベースシミュレータ４内で、当該機械における現在加工中の部品について、加工開始時間に加工時間を加えた値が現時刻に一致する）際には、その機械のバッファで加工を待っている部品の中から生産規則３中の差立規則を用いて次に加工する部品を引き当て、作業者や材料などの必要な条件が整っていれば加工を開始する。事象ベースシミュレータ４は、シミュレーション開始時間から終了時間まで上のような操作を行いながら内部クロックを進めていくことにより、その時間内で生じる工場内の変化を全て再現し、その結果を生産計画５として出力する。生産計画５には、時間軸に沿って工場中のそれぞれの機械がいつ、何の部品をどれだけの数量加工するのかという情報が記録される。更に、その情報に基づいて設備稼働率、生産リードタイム、納期遅れなど、生産実施に関係する様々な値が算出され、立案された生産計画５の品質として評価される。 When the production process model 2 and the production rule 3 are defined, it is possible to actually simulate the production process in the factory using the information. The event-based simulator 4 executes this simulation. In the event-based simulator 4, the internal clock is sequentially advanced, and a dynamic change in the production process is simulated by applying the production rule 3 according to a change (also referred to as an event or an event) that occurs at that timing. . For example, at a certain time, machining in one machine in the production process model 2 is completed (that is, a value obtained by adding machining time to machining start time for a part currently being machined in the machine in the event-based simulator 4). Is matched with the current time), the part to be processed next is assigned from the parts waiting for processing in the buffer of the machine using the delivery rule in the production rule 3, and the worker, material, etc. Start processing if necessary conditions are in place. The event-based simulator 4 reproduces all the changes in the factory that occur within that time by advancing the internal clock while performing the above operations from the simulation start time to the end time, and the result is the production plan 5 Output as. In the production plan 5, information on when and how many parts are processed by each machine in the factory along the time axis is recorded. Further, based on the information, various values related to production execution, such as equipment operation rate, production lead time, and delivery delay, are calculated and evaluated as the quality of the planned production plan 5.

これまで述べてきた、生産工程モデル２、生産規則３、事象ベースシミュレータ４、生産計画５は従来技術と何ら変わらないものである。本発明の特徴は生産計画システム１中に生産規則３を高速に自動生成するために、時間間隔ベースシミュレータ６と規則生成器７を備えることである。先に説明したように生産規則３は工場の動的な性質を決定する重要なものであり、その良し悪しが立案される生産計画５の品質の差となる。したがって、適切な生産規則３を高速に自動生成することは、工場における生産効率を著しく改善する効果がある。 The production process model 2, production rules 3, event-based simulator 4, and production plan 5 that have been described so far are not different from the prior art. A feature of the present invention is that a time interval base simulator 6 and a rule generator 7 are provided in order to automatically generate the production rule 3 at high speed in the production planning system 1. As described above, the production rule 3 is an important factor for determining the dynamic characteristics of the factory, and the quality of the production plan 5 in which the quality is determined is determined. Therefore, automatically generating the appropriate production rule 3 at high speed has the effect of significantly improving production efficiency in the factory.

人工知能(AI)技術を用いて、適切な生産規則３を生成するための基本原理は逐次的最適化である(T. Mitchell, "Machine Learning", McGraw-Hill (1997))。即ち、ある生産規則３を用いて生産計画５を立て、立案された計画の品質を改善するように生産規則３の改良を行う、という処理を逐次的に繰り返すことによって、より適切な生産規則３を生成するというものである。しかしながら、このようなやり方には大きな問題が存在する。生産計画立案対象となる現実の工場は大規模複雑であるため、繰り返し生産計画５を立てるには膨大な計算時間が必要とされる。一方、一般に工場で生産される製品や使用される設備は不変ではなく、現代の高競争、多品種少量生産の生産環境ではむしろ短いサイクルで変更されるのが通常である。したがって、膨大な計算時間を費やして生産規則３を自動生成できたとしても、その規則を使用する際には既に工場の生産工程モデル２が変化していて、生成された生産規則３が有効でなくなる可能性が高く、そうした手法によって生成された生産規則３の現実的な実用性は低い。 The basic principle for generating appropriate production rules 3 using artificial intelligence (AI) technology is sequential optimization (T. Mitchell, "Machine Learning", McGraw-Hill (1997)). That is, a more appropriate production rule 3 is obtained by sequentially repeating the process of making a production plan 5 using a certain production rule 3 and improving the production rule 3 so as to improve the quality of the planned plan. Is generated. However, there are major problems with this approach. Since an actual factory to be a production plan is complicated on a large scale, enormous calculation time is required to make a production plan 5 repeatedly. On the other hand, in general, products produced in factories and equipment used are not unchanged, and are usually changed in a short cycle in a production environment of modern high competition and high-mix low-volume production. Therefore, even if a large amount of calculation time is spent and the production rule 3 can be automatically generated, the factory production process model 2 has already changed when the rule is used, and the generated production rule 3 is effective. The production rule 3 generated by such a method is unlikely to be practically practical.

したがって、現実の生産現場に有効な生産計画システム１を実現するためには、現実の生産環境の変化と遊離しない適切なタイミングで有効な生産規則3を適宜生成しなければならない。逐次的最適化手法に基づく機械学習を応用した規則生成器７を用いて、生産規則3を効率的に自動生成するためには生産計画を幾度も繰り返し高速に立案できるシミュレータが必要である。それが図1中の時間間隔ベースシミュレータ６である。 Therefore, in order to realize a production planning system 1 that is effective at an actual production site, it is necessary to appropriately generate an effective production rule 3 at an appropriate timing that does not separate from the actual production environment change. In order to efficiently and automatically generate the production rule 3 using the rule generator 7 to which machine learning based on the sequential optimization method is applied, a simulator capable of making a production plan repeatedly and quickly is necessary. This is the time interval base simulator 6 in FIG.

図２は時間間隔シミュレータ６の処理概要を示したフローチャートである。時間間隔シミュレータ６では、生産工程モデル２に含まれるデータを用いて生産計画５を立案するが、まず処理の開始にあたり必要なデータの設定及び初期化８を行う。図3に生産工程モデル２と生産計画５に含まれる製品１２、工程１３、機械１４に関する具体的情報の内容を示す。データ初期化８においては、図3中の投入量、総生産量、生産量、需要量、仕掛量、稼働率など、最終的に立案された生産計画５に含まれるべきデータの初期化を行う。そして、図3中の所与条件で示された、受注レート、工程フロー、使用機械、処理時間、台数など、生産工程モデル２に記述された生産計画立案条件をデータファイルから読み込み、シミュレーションを実行するための時間間隔及び終了時間を設定する。 FIG. 2 is a flowchart showing an outline of processing of the time interval simulator 6. In the time interval simulator 6, a production plan 5 is prepared using data included in the production process model 2. First, data setting and initialization 8 necessary for starting the processing are performed. FIG. 3 shows the contents of specific information regarding the product 12, the process 13, and the machine 14 included in the production process model 2 and the production plan 5. Data initialization 8 initializes data that should be included in the final production plan 5 such as input amount, total production amount, production amount, demand amount, work in progress, and operation rate in FIG. . Then, read the production plan drafting conditions described in the production process model 2 such as order rate, process flow, machine used, processing time, number of units, etc. shown in the given conditions in Fig. 3 from the data file and execute the simulation. Set the time interval and end time to do.

図4は時間間隔ベースシミュレータ６の実行の様子を時間軸上に表したものである。時間間隔ベースシミュレータ６の実行に際しては、データ設定処理８で設定された時間間隔に従ってシミュレーション終了時間に至るまで生産状況更新１０が繰り返し行われる（ステップ９）。ここで時間間隔とはシミュレーション実行の時間的詳細度を規定するもので、ここで定められた時間間隔内（例えば1時間）では工程間の在庫の移動は生じないと仮定する。そして、シミュレーションの実行は、この時間間隔ごとにシミュレータの内部時間を進めて、時間間隔ごと（ここでは時区１５と呼ぶ）における生産の進捗の様子を計算することである。この時間間隔を適切に設定することにより、事象（またはイベントと呼ばれる）として生産工程内に在庫の移動が生じるごとに頻繁に生産の進捗状況の更新を行う従来の事象ベースシミュレータ４に比べて大幅な計算量の削減が可能になり、シミュレーション結果の精度を保ちながら効率的にシミュレーションを実行することが可能になる。 FIG. 4 shows how the time interval base simulator 6 is executed on the time axis. When the time interval based simulator 6 is executed, the production status update 10 is repeatedly performed until the simulation end time is reached according to the time interval set in the data setting process 8 (step 9). Here, the time interval defines the time detail of simulation execution, and it is assumed that no inventory movement occurs between processes within the time interval determined here (for example, 1 hour). The execution of the simulation is to advance the internal time of the simulator at each time interval and calculate the state of production progress at each time interval (referred to herein as time zone 15). By appropriately setting this time interval, it is much more significant than the conventional event-based simulator 4 that frequently updates the progress of production every time inventory movement occurs in the production process as an event (or event). Therefore, it is possible to reduce the amount of calculation, and to execute the simulation efficiently while maintaining the accuracy of the simulation result.

図５は生産状況更新１０の処理概要を示すフローチャートである。時間間隔ベースシミュレータ６の生産状況更新１０の処理に際しては、生産工程に含まれる全ての機械に対して、設定された時間間隔毎に生産される部品の量が計算される（ステップ１６）。その際、まず直前の時区までに機械に投入された部品の内、現在までに加工が完了している部品の量を計算し、その部品に割り付けられていた機械能力を解放することにより、当該機械の稼働率の値を更新する（ステップ１７）。その後、その機械で加工される全ての工程に対して、設定された時間間隔内で生産される部品の量が計算される（ステップ１８）。その際には、まず現時区内における工程の生産需要量を算出する（ステップ１９）。当該工程が、製品の先頭工程であれば、その需要量は先に説明した生産規則３中の部品投入規則によって計算される。当該工程が先頭工程でない場合は、その需要量は前工程の前時区での完成量と、前時区で当該工程に残された在庫量の和に等しく設定される。即ち、前時区で発生した前工程からの加工品は全て当該工程に移送され現時区で処理されるものとする。次に、そうして算出された需要量に対し、実際に実現可能な生産量の計算を行う（ステップ２０）。その際には、上で求められた生産需要量の内、現時区で利用可能な機械能力内で生産される量（即ち、機械台数×稼働率×時間間隔/処理時間）、および機械能力を超える需要量がある場合には次時区以降で処理される在庫量が計算される（ステップ２１）。そして最後に、算出された生産量を生産するために割り付けるべき機械能力（即ち、時間間隔/（機械台数×処理時間））を求めて機械稼働率を更新し（ステップ２２）、順次、当該機械で加工する全工程の生産量の計算処理を行う（ステップ１８）。ここで同一機械への割付を行う工程の順序は、生産規則３中の差立規則を用いて決定される。 FIG. 5 is a flowchart showing an outline of the process of the production status update 10. In the processing of the production status update 10 of the time interval based simulator 6, the amount of parts produced for every set time interval is calculated for all machines included in the production process (step 16). At that time, first, by calculating the amount of parts that have been processed to date among the parts that were put into the machine by the previous time zone, by releasing the mechanical capacity assigned to that part, The value of the operating rate of the machine is updated (step 17). Thereafter, the amount of parts produced within a set time interval is calculated for all processes processed by the machine (step 18). In that case, first, the production demand of the process in the current ward is calculated (step 19). If the process is the head process of the product, the demand amount is calculated according to the part input rule in the production rule 3 described above. When the process is not the first process, the demand amount is set equal to the sum of the completed quantity in the previous time zone of the previous process and the inventory amount remaining in the process in the previous time zone. That is, it is assumed that all processed products from the previous process generated in the previous time zone are transferred to the process and processed in the current time zone. Next, a production amount that can be actually realized is calculated for the demand amount thus calculated (step 20). In this case, the amount of production produced within the machine capacity that can be used in the current district (ie, the number of machines x availability x time interval / processing time) and the machine capacity of the production demand determined above. If there is an excess demand amount, the inventory amount to be processed after the next time zone is calculated (step 21). Finally, the machine capacity to be allocated to produce the calculated production volume (that is, time interval / (number of machines × processing time)) is obtained to update the machine operation rate (step 22). The process of calculating the production amount of all the processes to be processed is performed (step 18). Here, the order of the processes for assigning to the same machine is determined using the delivery rule in the production rule 3.

以上のように時間間隔ベースシミュレータ６を用いることにより高速な生産計画立案が可能になるが、時間間隔ベースシミュレータ６を用いる場合にも上で示したように生産規則３の部品投入規則や差立規則が必要である。そこで、規則生成器７を用いて規則を生成し、立案された生産計画５の品質を評価して逐次的に生産規則の改良を行うことにより、生産工程モデル２に対して適切な生産計画５を立案できる生産規則３の自動生成を実現する。規則生成器７の実現方法としてはニューラルネットワーク(C. M. Bishop, "Neural Networks for Pattern Recognition", Oxford University Press (1995))、分類子システム(P. L. Lanzi et al., "Learning Classifier System", Springer (2000))、判別木学習(J. R. Quinlan, "C4.5:Programs for Machine Learning", Morgan Kaufmann (1993))など、人工知能分野では逐次的最適化に基づく機械学習手法として数多くの手法が提案されており、その何れを用いても基本的には実現可能である。ここでは発明の一実施形態として、規則生成器７にニューラルネットワークを用いた例を説明するが、本発明の概念はニューラルネットワークを用いた実施例に限らず、規則生成器として逐次的最適化に基づいた全ての機械学習手法を包含するものである。 As described above, by using the time interval base simulator 6, high-speed production planning can be made. However, when the time interval base simulator 6 is used, as shown above, the parts input rule and the delivery rule of the production rule 3 Rules are necessary. Therefore, a rule is generated using the rule generator 7, the quality of the planned production plan 5 is evaluated, and the production rule is sequentially improved, so that the production plan 5 suitable for the production process model 2 is improved. The production rule 3 can be automatically generated. The rule generator 7 can be implemented using neural networks (CM Bishop, "Neural Networks for Pattern Recognition", Oxford University Press (1995)), classifier systems (PL Lanzi et al., "Learning Classifier System", Springer (2000). )), Discriminant tree learning (JR Quinlan, "C4.5: Programs for Machine Learning", Morgan Kaufmann (1993)), etc., many methods have been proposed as machine learning methods based on sequential optimization in the field of artificial intelligence. Any of them can be basically realized. Here, as an embodiment of the invention, an example in which a neural network is used for the rule generator 7 will be described. Includes all machine learning techniques based on it.

図６は一実施例として、ニューラルネットワークを用いた部品投入規則の学習モデルの例を示している。このニューラルネットワークは機械ごともしくは生産計画システム１ごとに設置される。ニューラルネットワークの入力情報としては、生産工程の状況やオーダーの状況を定量的に示すものとして適当な、在庫量、機械稼働率、納期からの遅滞量（バックオーダー）、機械で処理すべき工程の残加工時間の和、などの情報が用いられ、ニューラルネットワークの出力はそうした状況にある際に選択すべき部品投入規則(00から11の4種類の規則のいずれか）である。ニューラルネットワークの学習に際しては、当初ランダムな値が割り当てられたノード間の重み値を、シミュレーティッドアニーリングなどの逐次的最適化手法を用いて改良することにより、高品質な生産計画５を出力できる部品投入規則を学習する。この際、あるノードの重み集合を用いて計画された生産計画５の品質を評価し、重みの値に些少の変化を与えた影響により生産計画５の品質を改善するように重みの値を逐次的に変更していくため、数千から数万回という膨大な回数の生産計画立案処理を行う必要がある。そのため、従来の事象ベースシミュレータ４では現実的な規模の工場などの生産計画立案に適用することは困難であり、本発明における時間間隔ベースシミュレータ６が必要不可欠となる。 FIG. 6 shows an example of a learning model of a part input rule using a neural network as an embodiment. This neural network is installed for each machine or for each production planning system 1. Neural network input information is suitable for quantitatively indicating the status of the production process and the status of orders, including inventory, machine availability, delay from delivery (backorder), and process to be processed by the machine. Information such as the sum of remaining machining time is used, and the output of the neural network is a part input rule (one of four types of rules from 00 to 11) to be selected in such a situation. When learning a neural network, a component that can output a high-quality production plan 5 by improving a weight value between nodes to which random values are initially assigned by using a sequential optimization method such as simulated annealing. Learn throwing rules. At this time, the quality of the planned production plan 5 is evaluated using a weight set of a certain node, and the weight value is sequentially applied so as to improve the quality of the production plan 5 due to the influence of a slight change in the weight value. Therefore, it is necessary to perform the production planning process of thousands to tens of thousands of times. For this reason, the conventional event-based simulator 4 is difficult to apply to production planning for a factory of a realistic scale, and the time interval-based simulator 6 in the present invention is indispensable.

（第２の実施形態）
本実施形態では、まず製造における種々の変動に対して安定した生産を実現するために、一定時間周期でのみ工程間の中間在庫の移動を行う生産方式を提案する。そして、提案した生産方式に対するシミュレーション手法として、前述の時間間隔ベースシミュレーション６を適用する。更に、現実的な半導体ウェーハ製造工程（前工程）のデータを用いて、提案された生産方式に基づく時間間隔ベースシミュレーション６が従来のシミュレーション手法に比べて、数十倍も高速に同等な計算結果を算出することを示す。 (Second Embodiment)
In the present embodiment, in order to realize stable production against various fluctuations in manufacturing, a production method is proposed in which intermediate inventory is moved between processes only at regular time intervals. The time interval based simulation 6 described above is applied as a simulation method for the proposed production method. Furthermore, using real semiconductor wafer manufacturing process (pre-process) data, the time interval based simulation 6 based on the proposed production method is equivalent to a calculation result equivalent to several tens of times faster than the conventional simulation method. Is calculated.

・CONSTIN''生産方式
本願発明者はハイテク部品などのように、大規模複雑で変動要素が大きな製造プロセスに対して、ロバストな生産が実施可能な生産方式として、”CONSTIN''(CONStant Time INterval)生産方式を提言する。CONSTINでは、製造プロセスの全ての工程は同期して実施されており、中間在庫は一定周期でのみ工程間を移動する（図７参照）。しかも、1周期での中間在庫の移動量は最大1工程まで、即ち次工程を越えて移動することはないものとする。・ CONSTIN '' production method The inventor of the present application is the “CONSTIN” ( CONS tant T) as a production method that can perform robust production for large-scale complex manufacturing processes with large variables such as high-tech parts. ime IN terval) The production method is recommended: In CONSTIN, all processes of the manufacturing process are performed synchronously, and the intermediate inventory moves between processes only at a fixed period (see Fig. 7). It is assumed that the movement amount of the intermediate stock at 1 is a maximum of one process, that is, it does not move beyond the next process.

CONSTINでは、ある工程に機械故障や品質不良などの変動が起きた場合でも、それらが周期内で解決されるか、前後の工程に十分な量の中間在庫が計画されていれば、当該工程を越えて変動の影響が波及することを防ぐことが可能である。したがって、CONSTIN方式はロバストな製造実施を行うことができる生産方式であると言うことができる。 In CONSTIN, even if changes such as machine failures and quality defects occur in a certain process, if these are resolved within the cycle or if a sufficient amount of intermediate inventory is planned for the preceding and following processes, It is possible to prevent the influence of fluctuations from spreading. Therefore, it can be said that the CONSTIN method is a production method capable of performing robust manufacturing.

しかしながら、CONSTINは中間在庫の自由な移動を制限することによってロバスト性を改善しており、適切な運用を行わなければ貴重な生産能力（資源）を有効に活用することはできない。本実施形態では、シミュレーションにより、周期の値や各工程における在庫量を適切に設定することで、そうした問題が解決されることを示す。 However, CONSTIN improves robustness by restricting the free movement of intermediate inventory, and valuable production capacity (resources) cannot be used effectively without proper operation. In the present embodiment, it is shown that such a problem can be solved by appropriately setting a cycle value and an inventory amount in each process by simulation.

・モデル
本実施形態で扱うCONSTIN生産方式における生産工程のモデルを以下に概説する。なお、本モデルの近似的な数学的解析に関してはGongら（非特許文献２参照）によるものがある。 -Model An outline of the production process model in the CONSTIN production system handled in this embodiment is outlined below. Note that there is an approximate mathematical analysis of this model by Gong et al. (See Non-Patent Document 2).

本実施形態では次の記号を用いて定式化を行う。
m =ワークステーション台数；
g = 製品数；
n_p=製品pの工程数（ただし、n₀ = 0）；
n =全製品の工程数の和；
c =(c₁, c₂, ... , c_m)^T, １周期におけるワークステーションの生産能力；
s_i =工程iにおける処理時間；
S =m×n処理時間行列；工程iがワークステーションkで処理されるとき(k,i)要素の値はs_i、他の場合は0；
r_p(t) =製品pの周期tにおける投入量； In the present embodiment, formulation is performed using the following symbols.
m = number of workstations;
g = number of products;
n _p = number of steps of product p (where n ₀ = 0);
n = sum of the number of processes for all products;
c = (c ₁ , c ₂ , ..., c _m ) ^T , workstation production capacity in one cycle;
s _i = processing time in step i;
S = m × n processing time matrix; when process i is processed at workstation k, the value of (k, i) element is s _i , otherwise 0;
r _p (t) = input amount of product p in period t;

CONSTIN方式における周期毎の中間在庫の推移は、以下のように表される。
・工程iが先頭工程の場合 The transition of the intermediate inventory for each period in the CONSTIN method is expressed as follows.
・ When process i is the first process

上記以外の場合 In cases other than the above

周期毎の生産開始量、生産量はその時点での中間在庫量を上回れないため、以下の関係が成り立つ。ただし、工程におけるリードタイムが設定された周期より長い場合などの場合は、生産開始量が生産量よりも常に大きいとは限らない。 Since the production start quantity and production quantity for each cycle cannot exceed the intermediate inventory quantity at that time, the following relationship holds. However, when the lead time in the process is longer than the set cycle, the production start amount is not always larger than the production amount.

また、ワークステーションの生産能力は有限であり、それを越えて生産を開始することは不可能であるため以下の制約が成り立つ。 Moreover, since the production capacity of a workstation is limited and it is impossible to start production beyond that, the following restrictions hold.

・シミュレーション手法
CONSTIN生産方式では、従来の事象駆動型シミュレーションのように生産プロセスで起きる全ての事象による状態変化を逐一計算するのではなく、周期毎に各工程における中間在庫量の推移を計算するだけで生産工程のシミュレーションが行える。したがって、従来のシミュレーション手法に比して著しい計算速度の向上が期待され、大規模複雑なハイテク部品の生産工程のシミュレーション手法として有効であると考えられる。・ Simulation method
In the CONSTIN production method, instead of calculating the state changes due to all events that occur in the production process as in the conventional event-driven simulation, the production process is calculated simply by calculating the transition of the intermediate inventory amount in each process for each cycle. Can be simulated. Therefore, it is expected that the calculation speed is remarkably improved as compared with the conventional simulation method, and it is considered to be effective as a simulation method for the production process of large-scale complex high-tech parts.

・シミュレーション方法の概要
CONSTIN方式のシミュレーションは、数６に記すループを実行することによって実施される。・ Summary of simulation method
The CONSTIN simulation is executed by executing the loop shown in Equation 6.

その際に設定すべきパラメータは、CONSTINの周期を決定するPeriod定数とシミュレーション時間を決めるEndOfSimulation定数である。前者を決定するための目安については後で述べる。後者のシミュレーション時間の決定に当っては、シミュレーション結果が定常状態に安定するために必要なだけの時間を設定する必要がある。したがってPeriodの値が大きいほど、EndOfSimulationも大きな値を設定する必要がある。 The parameters to be set at that time are the Period constant that determines the CONSTIN cycle and the EndOfSimulation constant that determines the simulation time. A guide for determining the former will be described later. In determining the latter simulation time, it is necessary to set a time necessary for the simulation result to stabilize in a steady state. Therefore, the larger the Period value, the larger the EndOfSimulation value must be set.

シミュレーションの中核部であるrunForPeriod関数では、数７に記すように各ワークステーションにおける中間在庫の推移に関する計算が行われる。 In the runForPeriod function, which is the core of the simulation, calculation related to the transition of intermediate inventory at each workstation is performed as shown in Equation 7.

先頭工程におけるシミュレーション時間tにおける中間在庫量は、事前の中間在庫量に新たな投入量を加えたものになる。この投入規則数７中の releaseRule関数）を変更することにより、CONSTINはMRP的なプッシュ型の生産やCONWIP（非特許文献３参照）的なプル型の生産を実現することができる（非特許文献９）。 The intermediate inventory amount at the simulation time t in the first process is obtained by adding a new input amount to the preliminary intermediate inventory amount. By changing the releaseRule function in the number of input rules 7), CONSTIN can realize MRP push-type production and CONWIP (see Non-Patent Document 3) pull-type production (Non-Patent Document). 9).

各工程における中間在庫の内、現周期でどれだけの量をワークステーションで処理するかを決定する規則が数７中のwipTansferRule関数である。ここでは、当該工程の前後の工程における中間在庫の量や、現時点までの製品の完成量、前後の工程におけるワークステーションの稼働状況などを考慮して、できるだけ平準的な生産が行われるように、各工程における中間在庫の推移量を決定する必要がある。 The wipTansferRule function in Equation 7 is a rule that determines how much of the intermediate inventory in each process is processed by the workstation in the current period. Here, considering the amount of intermediate inventory in the process before and after the process, the completed amount of the product up to the present time, the operation status of the workstation in the process before and after, etc. It is necessary to determine the transition amount of the intermediate inventory in each process.

各工程における中間在庫の内、現周期で処理すべき量が決定された後、数７中のsortingRule関数で、ワークステーションにおける各工程の優先順位に基づき、各工程の処理順序が決定される。この順序の後方の工程は、ワークステーションの処理能力の限界により現周期では処理されないことがあり得る。各工程の優先順位の決定は、従来のディスパッチング規則を適用することも可能である。ワークステーションで処理されるべき各工程の中間在庫量とその処理順序が決定した後は、数７のcalProduction関数で、工程のタイプ（ロット生産、バッチ生産など）に応じて、それらの処理に必要なワークステーションの能力や時間が計算され、ワークステーションの稼働状況、各工程における中間在庫量などの値が更新される。 After the amount to be processed in the current period is determined from the intermediate stock in each process, the processing order of each process is determined based on the priority of each process in the workstation by the sortingRule function in Equation (7). The steps behind this sequence may not be processed in the current cycle due to the workstation's processing capacity limitations. Conventional dispatching rules can be applied to determine the priority of each process. After determining the intermediate inventory amount of each process to be processed at the workstation and its processing order, it is necessary to process them according to the type of the process (lot production, batch production, etc.) using the calProduction function of Equation 7. The capacity and time of the correct workstation are calculated, and the values such as the operating status of the workstation and the intermediate stock amount in each process are updated.

・周期パラメータの設定
CONSTIN方式でシミュレーションを実行するに当って、予め決定する必要がある重要なパラメータはPeriod定数である。Periodの値を大きく取って、定常状態に至るまでシミュレーションを行えば、変動要因に対するロバスト性は高いものの、工程内に多くの中間在庫を抱える結果となり、逆にPeriodの値を小さくするとロバスト性は低くなり、シミュレーションの計算速度も低下する。したがって、適切なPeriodの値はシミュレーションの目的に応じて設定する必要がある。ただし、用途に応じて値を決定する際の基準となるPeriodの値は以下のように求めることができる。・ Periodic parameter setting
An important parameter that needs to be determined in advance when executing the simulation in the CONSTIN method is the Period constant. If a large period value is taken and a simulation is performed until the steady state is reached, the robustness against fluctuation factors is high, but the result is that there is a lot of intermediate inventory in the process. Conversely, if the period value is reduced, the robustness is The simulation speed is reduced. Therefore, it is necessary to set an appropriate Period value according to the purpose of the simulation. However, the Period value that serves as a reference when determining the value according to the application can be obtained as follows.

rを投入レート、l_iをワークステーション当りの工程数、dをPeriodの値とすると、定常状態におけるワークステーションでの1周期における生産量z_iは、z_i=rl_idとなる。CONSTINでは生産量は中間在庫量よりも常に小さい If r is the input rate, l _i is the number of processes per workstation, and d is the value of Period, the production amount z _i in one cycle at the workstation in the steady state is z _i = rl _i d. In CONSTIN, production is always smaller than intermediate inventory

一方、サイクルタイムの値をyとすると、定常状態ではスループットの値はrに等しいので、待ち行列に関するLittleの公式（非特許文献４）より、w= ryが成り立ち、上の不等式から On the other hand, if the cycle time value is y, the throughput value is equal to r in the steady state. Therefore, w = ry is established from Little's formula for queuing (Non-Patent Document 4).

lの値は生産工程のモデルから明らかであるが、サイクルタイムには行程での理時間に加えて待ち時間が含まれるため、一般にその値yは不明である。しかし、サイクルタイムは工程における生産リードタイムよりも常に大きいので、 The value of l is clear from the production process model, but since the cycle time includes waiting time in addition to the rational time in the process, the value y is generally unknown. However, the cycle time is always greater than the production lead time in the process,

以上のことから、実際の生産工程におけるリードタイムとサイクルタイムの過去の相関などの情報が無い場合には

From the above, if there is no information such as past correlation between lead time and cycle time in the actual production process

・半導体ウェーハ処理工程への適用
CONSTIN生産方式とそれに基づくシミュレーション手法の有効性を検証するため半導体ウェーハ処理工程のデータを用いて数値実験を行った。使用したのはアリゾナ州立大学のMASMラボで公開されているSEMATECHのベンチマーク問題で、MASMラボのホームページ（http://www.was.asu.edu/\%7Emasmlab/home.htm）から入手できる。・ Application to semiconductor wafer processing
In order to verify the effectiveness of the CONSTIN production method and the simulation method based on it, a numerical experiment was performed using data of the semiconductor wafer processing process. I used the SEMATECH benchmark problem published at the MASM lab at Arizona State University and can be obtained from the MASM lab homepage (http://www.was.asu.edu/\%7Emasmlab/home.htm).

本実施形態で取り上げた問題の概要を表１に示す。ただし、比較のために用いた事象駆動型シミュレータにおけるモデリング上の制限から、問題データの一部にベンチマーク問題から最小限の変更を加えた。 Table 1 summarizes the problems taken up in this embodiment. However, due to modeling limitations in the event-driven simulator used for comparison, some of the problem data was modified from the benchmark problem.

・シミュレーション条件
本実施形態ではCONSTIN生産方式及び、そのシミュレーションの基本的な性能検証を行うため、以下の仮定の上で実験を行った：(1)工程における処理時間は一定、(2)段取り時間は考慮しない、(3)作業員は考慮しない、(4)機械故障、廃棄、再加工などは生じない。したがって、本実施形態におけるシミュレーションには確率的な要素は含まれない。 -Simulation conditions In this embodiment, in order to perform basic performance verification of the CONSTIN production method and the simulation, experiments were performed under the following assumptions: (1) Processing time in the process is constant, (2) Setup time (3) Workers are not considered, (4) Machine failure, disposal, rework, etc. do not occur. Therefore, the simulation in this embodiment does not include a stochastic element.

今回の実験では、シミュレーションを実施する際のreleaseRuleとしては、需要量に基づいたコンスタントな投入規則を、wipTransferRuleとしては、全ての未処理の中間在庫を処理する規則を、sortingRuleとしては投入レートと処理時間で正規化した上で、処理すべき中間在庫の多い工程を優先する規則を用いた。 In this experiment, the releaseRule for the simulation is a constant input rule based on demand, the wipTransferRule is a rule for processing all unprocessed intermediate inventory, and the sortingRule is the input rate and processing. A rule that prioritizes a process with a lot of intermediate inventory to be processed after normalizing with time.

Periodパラメータに関しては、本実験ではウェーハ1枚当りの総処理時間の平均値は約8862分、平均工程数は221.7となるので、 Regarding the Period parameter, in this experiment, the average value of the total processing time per wafer is about 8862 minutes, and the average number of processes is 221.7.

Periodの値を80分と設定した。EndOfSimulationパラメータの値としては、シミュレーション結果が十分に定常状態に達するよう6ヶ月とし、その最後の1ヶ月間における結果の分析、検討を行った。 The Period value was set to 80 minutes. The value of the EndOfSimulation parameter was set to 6 months so that the simulation results reached a steady state, and the results were analyzed and examined during the last month.

・シミュレーション結果と考察
本実施形態で提案したシミュレーション手法の有効性を検証するために、市販の事象駆動型シミュレータであるBrooks Automation社のAutoSched APを用いて、シミュレーション結果の比較を行った。その比較結果を表２に示す。これらの結果より、シミュレーション結果に関しては、中間在庫以外は両者の結果はほぼ同等であると言える。 Simulation Results and Discussion In order to verify the effectiveness of the simulation method proposed in this embodiment, simulation results were compared using a commercially available event-driven simulator, Brooks Automation AutoSched AP. The comparison results are shown in Table 2. From these results, it can be said that the simulation results are almost the same except for the intermediate inventory.

中間在庫量に関しては、CONSTIN方式は一定周期の期間中、在庫の移動が禁じられるため中間在庫量が大きくなるのは当然であり、そうした中間在庫の存在がCONSTINにおけるロバスト性向上の要因である。したがって、Periodの値を設定する際には、中間在庫の大きさと生産のロバスト性のトレードオフを考慮する必要がある。 Concerning intermediate inventory, the CONSTIN method prohibits movement of inventory during a certain period, so it is natural that the intermediate inventory increases, and the existence of such intermediate inventory is a factor in improving robustness in CONSTIN. Therefore, when setting the Period value, it is necessary to consider the trade-off between the size of intermediate inventory and the robustness of production.

図８にシミュレーション結果によるPeriodの値の変化による中間在庫量の変化の様子を示す。この図から明らかなように、中間在庫の量はPeriodの値に応じてほぼ線形に増加する。 FIG. 8 shows a change in the intermediate inventory amount due to a change in the Period value according to the simulation result. As is clear from this figure, the amount of intermediate inventory increases almost linearly according to the value of Period.

製品pの中間在庫量をWpとすると、 If the intermediate stock quantity of product p is Wp,

が成り立つ。今、tが十分大きな値を取ると、シミュレーションは定常状態に達するため、投入量と生産量は等しくなり、在庫量は一定になる。したがって、 Holds. Now, if t takes a sufficiently large value, the simulation reaches a steady state, so the input amount and the production amount become equal, and the inventory amount becomes constant. Therefore,

したがって、Periodの値が大きい場合は、 Therefore, if the value of Period is large,

が成り立ち、この値は図８に示すようにシミュレーション結果と良く一致する。 As shown in FIG. 8, this value agrees well with the simulation result.

処理速度の点では、Pentium（登録商標）3(1.2GHz)搭載のPCを用いて6ヶ月間のシミュレーションを行う際に必要とされた計算時間は、CONSTIN方式ではわずか5秒足らずで、市販の事象駆動型シミュレータのAutoSchedに比べて20倍以上も高速である。CONSTINではPeriodの値を大きくすると計算速度はほぼ線形に増加するためfootnote実験ではPeriod値を480とすると、計算時間は約1秒となった。Period の値を適切に設定することにより、リアルタイム性が要求される用途にもシミュレーションの適用が可能である。 In terms of processing speed, the calculation time required for a 6-month simulation using a PC equipped with Pentium (registered trademark) 3 (1.2 GHz) is less than 5 seconds in the CONSTIN method. It is 20 times faster than AutoSched, an event-driven simulator. In CONSTIN, increasing the Period value increases the calculation speed almost linearly. In the footnote experiment, assuming the Period value is 480, the calculation time is about 1 second. By appropriately setting the Period value, simulation can be applied to applications that require real-time performance.

・まとめ
多くの変動要因を持つ半導体などの製造工程では、在庫を削減しすぎるとスムーズな生産は不可能となる。しかしながら、在庫コントロールを適切に行わないと、リードタイムの悪化や死蔵在庫の増加という結果となる。本実施形態で述べたCONSTINは、製造工程内の変動の大きさを中間在庫の移動周期に置き換えて考えることにより、各工程における適切な中間在庫量を算出することができる。そして、その中間在庫量を維持するように、各工程の生産制御を行うことにより製造工程全体のロバスト性を保つことができる。・ Summary In manufacturing processes such as semiconductors with many variables, smooth production is impossible if inventory is reduced too much. However, if inventory control is not performed properly, the result will be a deterioration of lead time and an increase in stocks. CONSTIN described in the present embodiment can calculate an appropriate intermediate stock quantity in each process by replacing the magnitude of the fluctuation in the manufacturing process with the movement cycle of the intermediate stock. And the robustness of the whole manufacturing process can be maintained by performing production control of each process so that the intermediate stock quantity may be maintained.

更に、CONSTIN手法に基づく高速なシミュレーションにより、きめ細かな解析が可能となり、適切な投入レートやプロダクトミックスの設定、Period期間内では解決できない機械故障が起きたときの対策の検討などが、シミュレーションにより高精度に実施できる。 In addition, high-speed simulation based on the CONSTIN method enables detailed analysis, and setting of an appropriate input rate and product mix, and examination of countermeasures for machine failures that cannot be resolved within the period period, etc. Can be implemented with accuracy.

上述の生産方法を実現するための生産システムの構成を図９に示す。図９において、１００は製品の製造を製造工程に沿って行う生産設備である。１１０は生産設備の製造工程を制御する制御システムであり、少なくとも１つのコンピュータシステムを有する。この制御システム１１０の中に本発明にかかわる制御用プログラムが記憶されている。制御用プログラムは記録媒体に記録しておき、記録媒体から制御システム１１０にインストールすればよい。 FIG. 9 shows a configuration of a production system for realizing the production method described above. In FIG. 9, reference numeral 100 denotes a production facility for manufacturing products along the manufacturing process. Reference numeral 110 denotes a control system that controls the manufacturing process of the production facility, and has at least one computer system. The control system 110 stores a control program according to the present invention. The control program may be recorded on a recording medium and installed in the control system 110 from the recording medium.

制御システム１１０が上記制御プログラムにより実行する処理内容について図１０を参照して説明する。 The processing contents executed by the control system 110 using the control program will be described with reference to FIG.

制御システム１１０は一定周期で図１０の処理手順（数６の関数で定義された処理）を繰り返し実行する。制御システム１１０は、生産設備の製造工程の生産状態を示す種々のパラメータ、たとえば、材料の投入量等を初期設定して、数７に示す関数により製造工程内における各工程の中間在庫量を計算する（ステップＳ１０→Ｓ２０）。なお、初期設定値は人手によりキーボード等から予め入力しておけばよいし、生産設備の生産に関する種々のパラメータを測定して、その測定結果を制御システム１１０に自動入力してもよい。 The control system 110 repeatedly executes the processing procedure of FIG. 10 (processing defined by the function of Equation 6) at a constant cycle. The control system 110 initializes various parameters indicating the production state of the production process of the production facility, for example, the input amount of the material, etc., and calculates the intermediate stock quantity of each process in the production process by the function shown in Equation 7. (Step S10 → S20). Note that the initial setting value may be manually input in advance from a keyboard or the like, or various parameters relating to production of the production facility may be measured, and the measurement results may be automatically input to the control system 110.

次に制御システム１１０は中間在庫量の計算結果と予め定めた許容値を比較する（ステップＳ３０）。中間在庫量の計算結果が許容値の範囲以下に収まる場合には、実際の製造工程内の中間在庫量がそこで設定された中間在庫量に等しくなるように、生産設備１１０を制御する（ステップＳ５０）。 Next, the control system 110 compares the calculation result of the intermediate inventory quantity with a predetermined allowable value (step S30). When the calculation result of the intermediate inventory amount falls within the allowable range, the production facility 110 is controlled so that the intermediate inventory amount in the actual manufacturing process becomes equal to the intermediate inventory amount set there (step S50). ).

一方、中間在庫推移量が許容範囲以下に収まらない場合には、上記計算結果が許容範囲内に収まる方向に計算に使用するパラメータを予め定めた所定の値だけインクリメント（増加）またはデクリメント（減少）する（ステップＳ４０）。 On the other hand, if the intermediate inventory transition amount does not fall below the allowable range, the parameter used for calculation is incremented (decreased) or decremented (decreased) by a predetermined value so that the calculation result falls within the allowable range. (Step S40).

具体的には、中間在庫量が許容範囲よりも小さい場合には、製品の生産を増大させるように材料等の投入量を増やすようにパラメータを変更する。 Specifically, when the intermediate stock amount is smaller than the allowable range, the parameter is changed so as to increase the input amount of materials and the like so as to increase the production of the product.

このパラメータの値に基づき生産設備１００の製造工程を制御する（ステップＳ５０）。以下、制御システム１１０は周期ごとに、生産制御（ステップ５０）の処理を実行すると、製品の生産量が増大し、中間在庫推移量が減少する。これにより、ＰＯＰ(Point of Production)システムなどの生産実施状況をリアルタイムで計測する計測装置（図１の制御装置１１０内に設置）を用いてカウントされた各工程内に存在する中間在庫量が、ステップ２０で設定された中間在庫量の計算結果と等しくなった場合、生産設備１００の製造工程の生産が停止する。そして、次の周期になると、再びステップ５０の生産制御が実行され、生産設備の製造工程の生産が再開される。このような制御処理を行うことにより、制御システム１１０は中間在庫量を常に一定に保つように生産をおこなう。以下、このような制御を一定周期で繰り返し実行する。なお、上述の中間在庫量を計算するためのシミュレーション（このためのプログラムがシミュレターの機能を果たす）において、第１の実施形態に記載の時間間隔ベースシミュレータおよび規則生成器の機能を制御システム１１０に持たせ、制御システム１１０は規則生成器により生成された生産規則を使用して製造工程の中間在庫量を繰り返し計算するとよい。 Based on the value of this parameter, the manufacturing process of the production facility 100 is controlled (step S50). Hereinafter, when the control system 110 executes the process of production control (step 50) for each cycle, the production amount of the product increases and the intermediate inventory transition amount decreases. As a result, the intermediate inventory amount that is present in each process using a measuring device (installed in the control device 110 in FIG. 1) that measures the production implementation status such as a POP (Point of Production) system in real time, When it becomes equal to the calculation result of the intermediate inventory amount set in Step 20, the production of the production process of the production facility 100 is stopped. Then, at the next cycle, the production control in step 50 is executed again, and production in the production process of the production facility is resumed. By performing such control processing, the control system 110 performs production so that the intermediate stock quantity is always kept constant. Hereinafter, such control is repeatedly executed at a constant cycle. In the above-described simulation for calculating the intermediate inventory quantity (the program for this serves as a simulator), the functions of the time interval base simulator and the rule generator described in the first embodiment are controlled by the control system 110. The control system 110 may repeatedly calculate the intermediate stock quantity of the manufacturing process using the production rule generated by the rule generator.

（用語の定義および意味）
ａ．中間在庫
生産工程内に存在する材料及び仕掛品のこと。これには、完成品の在庫は含
まれない。 (Definition and meaning of terms)
a. Intermediate stock Material and work in process that exist in the production process. This does not include inventory of finished products.

ｂ．中間在庫の移動量（推移量）
生産は中間在庫が各工程を「移動」することにより進捗する。したがって、中間在庫の移動量は、1周期当りに工程において処理される中間在庫の量を意味する。 b. Movement amount of intermediate stock (change amount)
Production progresses as the intermediate inventory “moves” through each process. Therefore, the movement amount of the intermediate stock means the amount of the intermediate stock processed in the process per cycle.

ｃ．ワークステーション
生産機械（例えば、ステッパ−、ドライエッチング装置など）のこと。 c. Workstation Production machine (for example, stepper, dry etching equipment, etc.).

ｄ．製品の投入量
（需要予測に基づいた）計画に基づいて製品を生産するために、工程に投入される材料の量。投入レートは単位時間当りの投入量で、計画ではこれが需要レート（単位時間当りの需要量）と一致するように計画されるのが一般的である。 d. Product input The amount of material input to a process to produce a product based on a plan (based on demand forecast). The input rate is an input amount per unit time, and is generally planned so as to coincide with the demand rate (demand amount per unit time) in the plan.

ｅ．製造工程内の変動
本願では、主に故障などによる機械の稼働率、および歩留まり（全生産量における良品の割合）の変動。 e. Fluctuations within the manufacturing process In the present application, fluctuations in machine operation rate and yield (ratio of non-defective products in total production) mainly due to failures.

ｆ．移動周期
中間在庫が移動を行う周期。 f. Movement cycle The cycle at which the intermediate stock is moved.

ｇ．ロバスト
日本語では「頑健性」と訳すことが多い。先に説明した変動が生じても、当初の計画通りに生産を実行していくことができる能力を意味する。 g. Robust In Japanese, it is often translated as “robustness”. This means the ability to carry out production according to the original plan even if the above-described fluctuation occurs.

ｈ．トレードオフ
複数の要件がある時に、妥協を得るために探る折り合いのこと。 h. Trade-off The trade-off to find a compromise when there are multiple requirements.

ｉ．プロダクトミックス
一つの生産工程で、複数の製品を生産する際に、その生産比率のこと。 i. Product mix The production ratio when multiple products are produced in one production process.

上述の実施形態は特許請求の範囲に記載された発明を理解するために例示されたものである。したがって、上記発明を実施するにあたっては、上述の実施形態以外にも種々の変形が存在するが、その変形が特許請求の範囲に記載された発明の技術思想に基づくものである限り、その変形は本発明の技術的範囲内となる。 The above-described embodiments are illustrated for understanding the invention described in the claims. Therefore, in carrying out the invention, there are various modifications in addition to the above-described embodiments. However, as long as the modifications are based on the technical idea of the invention described in the claims, It is within the technical scope of the present invention.

本発明に係る生産計画システムの一実施の形態を示したブロック構成図である。It is the block block diagram which showed one Embodiment of the production planning system which concerns on this invention. 時間間隔シミュレータの処理概要を示したフローチャートである。It is the flowchart which showed the process outline | summary of the time interval simulator. 生産工程モデルと生産計画に含まれる製品、工程、機械に関する具体的情報の内容を示す図である。It is a figure which shows the content of the specific information regarding the product, process, and machine contained in a production process model and a production plan. 時間間隔ベースシミュレータの実行の様子を時間軸上に表した図である。It is the figure which represented the mode of execution of a time interval base simulator on the time axis. 生産状況更新の処理概要を示すフローチャートである。It is a flowchart which shows the process outline of a production status update. ニューラルネットワークを用いた部品投入規則の学習モデルの一例を示す図である。It is a figure which shows an example of the learning model of the components injection | throwing-in rule using a neural network. 工程におけるＷＩＰの周期的推移を示す図である。It is a figure which shows the periodic transition of WIP in a process. ＰｅｒｉｏｄによるＷＩＰの推移を示す図である。It is a figure which shows transition of WIP by Period. 第２実施形態のシステム構成を示すブロック図である。It is a block diagram which shows the system configuration | structure of 2nd Embodiment. 生産システムの処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of a production system.

符号の説明Explanation of symbols

１生産計画システム
２生産工程モデル
３生産規則
４事象ベースシミュレータ
５生産計画
６時間間隔ベースシミュレータ
７規則生成器

DESCRIPTION OF SYMBOLS 1 Production planning system 2 Production process model 3 Production rule 4 Event base simulator 5 Production plan 6 Time interval base simulator 7 Rule generator

Claims

製造工程の中間在庫量を繰り返し計算するシミュレータと、
前記シミュレータの計算結果が許容範囲以下になるように前記シミュレータの計算に使用するパラメータの値を決定し、該パラメータの値に基づき前記製造工程の生産制御を行う制御システムと
を有し、前記制御システムは、製造工程内の実際の中間在庫量を計測する計測装置を有し、該計測装置により一定の周期内で計測された製造工程内の実際の中間在庫量が前記シミュレータの計算結果と等しくなると、前記制御システムは、製造工程の生産を停止させ、次の周期で生産を再開することを特徴とする生産システム。 A simulator that repeatedly calculates intermediate inventory for the manufacturing process;
A control system that determines a value of a parameter to be used for calculation of the simulator so that a calculation result of the simulator is within an allowable range, and performs production control of the manufacturing process based on the value of the parameter. The system has a measuring device that measures an actual intermediate inventory amount in the manufacturing process, and the actual intermediate inventory amount in the manufacturing process measured by the measuring device within a certain period is equal to the calculation result of the simulator. In this case, the control system stops production in the manufacturing process and resumes production in the next cycle.

請求項１に記載の生産システムにおいて、前記シミュレータは規則生成器を有し、前記シミュレータは該生成器により生成された生産規則を使用して製造工程の中間在庫を繰り返し計算することを特徴とする生産システム。 The production system according to claim 1, wherein the simulator includes a rule generator, and the simulator repeatedly calculates an intermediate inventory of a manufacturing process using the production rule generated by the generator. Production system.

請求項１または２に記載の生産システムにおいて、前記一定の周期は可変設定可能であることを特徴とする生産システム。 3. The production system according to claim 1, wherein the fixed period can be variably set.

シミュレータにより製造工程の中間在庫量を繰り返し計算し、
前記シミュレータの計算結果が許容範囲以下になるように前記シミュレータの計算に使用するパラメータの値を該シミュレータにおいて決定し、
前記パラメータの値に基づき、制御システムにより前記製造工程の生産制御を行い、
前記制御システムは、製造工程内の実際の中間在庫量を計測する計測装置を有し、該計測装置により一定の周期内で計測された製造工程内の実際の中間在庫量が前記シミュレータの計算結果と等しくなると、前記制御システムは、製造工程の生産を停止させ、次の周期で生産を再開することを特徴とする生産方法。 Repeatedly calculate the intermediate inventory amount of the manufacturing process using the simulator,
Determine the value of the parameter used in the calculation of the simulator in the simulator so that the calculation result of the simulator is less than the allowable range;
Based on the parameter value, the control system performs production control of the manufacturing process,
The control system includes a measuring device that measures an actual intermediate inventory amount in a manufacturing process, and the actual intermediate inventory amount in the manufacturing process measured by the measuring device within a certain period is a calculation result of the simulator. The control system stops production in the manufacturing process and resumes production in the next cycle.

請求項４に記載の生産方法において、前記シミュレータは規則生成器を有し、前記シミュレータは該生成器により生成された生産規則を使用して製造工程の中間在庫量を繰り返し計算することを特徴とする生産方法。 5. The production method according to claim 4, wherein the simulator includes a rule generator, and the simulator repeatedly calculates an intermediate inventory quantity of a manufacturing process using a production rule generated by the generator. Production method to do.

請求項４または５に記載の生産方法において、前記一定の周期は可変設定可能であることを特徴とする生産方法。 6. The production method according to claim 4, wherein the fixed period can be variably set.

シミュレータおよび制御システムを有する生産システムにより実行するプログラムであって、
前記シミュレータにより製造工程の中間在庫量を繰り返し計算するステップと、
前記シミュレータにより該ステップの計算の結果が許容範囲以下になるように前記計算に使用するパラメータの値を決定するステップと、
前記制御システムにより前記パラメータの値に基づき、前記製造工程の生産制御を行うステップと
前記制御システムは、製造工程内の実際の中間在庫量を計測する計測装置を有し、該計測装置により一定の周期内で計測された製造工程内の実際の中間在庫量が前記シミュレータの計算結果と等しくなると、前記制御システムにより、製造工程の生産を停止させ、次の周期で生産を再開するステップ
を備えたことを特徴とするプログラム。 A program executed by a production system having a simulator and a control system,
Repeatedly calculating the intermediate inventory amount of the manufacturing process by the simulator;
Determining a parameter value to be used for the calculation so that the result of the calculation of the step falls below an allowable range by the simulator;
A step of performing production control of the manufacturing process based on the value of the parameter by the control system, and the control system includes a measuring device for measuring an actual intermediate inventory quantity in the manufacturing process, When the actual intermediate inventory amount in the manufacturing process measured within a cycle is equal to the calculation result of the simulator, the control system includes a step of stopping production in the manufacturing process and restarting production in the next cycle. A program characterized by that.

請求項７に記載のプログラムにおいて、前記シミュレータは規則生成器を有し、該生成器により生成された生産規則を使用して製造工程の中間在庫量を繰り返し計算するステップを前記シミュレータにより実行することを特徴とするプログラム。 8. The program according to claim 7, wherein the simulator includes a rule generator, and the simulator executes a step of repeatedly calculating an intermediate inventory quantity of a manufacturing process using a production rule generated by the generator. A program characterized by

請求項７または８に記載のプログラムにおいて前記一定の周期は可変設定可能であることを特徴とするプログラム。
9. The program according to claim 7, wherein the fixed period can be variably set.