JP2023036000A - Combination determination support system, combination determination support method, and combination determination support program - Google Patents
Combination determination support system, combination determination support method, and combination determination support program Download PDFInfo
- Publication number
- JP2023036000A JP2023036000A JP2022136404A JP2022136404A JP2023036000A JP 2023036000 A JP2023036000 A JP 2023036000A JP 2022136404 A JP2022136404 A JP 2022136404A JP 2022136404 A JP2022136404 A JP 2022136404A JP 2023036000 A JP2023036000 A JP 2023036000A
- Authority
- JP
- Japan
- Prior art keywords
- information
- combination
- constraint
- variable
- mutation
- 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
Links
- 238000000034 method Methods 0.000 title claims description 62
- 230000035772 mutation Effects 0.000 claims abstract description 47
- 238000003860 storage Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 49
- 230000008569 process Effects 0.000 description 32
- 238000004519 manufacturing process Methods 0.000 description 24
- 238000004891 communication Methods 0.000 description 18
- 239000000047 product Substances 0.000 description 18
- 238000012545 processing Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 15
- 230000010365 information processing Effects 0.000 description 15
- 238000013461 design Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 8
- 238000012356 Product development Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000013439 planning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013531 bayesian neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- -1 parts and parts Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
新規性喪失の例外適用申請有り There is an application for exception to loss of novelty
本発明は、例えば製造業で設計・開発・生産・製造される製品の仕様を構成する複数の選択肢の中から所望の組み合わせの決定を支援する組み合わせ決定支援システム、組み合わせ決定支援方法、組み合わせ決定支援プログラムに関する。 The present invention provides, for example, a combination decision support system, a combination decision support method, and a combination decision support that support the determination of a desired combination from a plurality of options that constitute the specifications of products designed, developed, produced, and manufactured in the manufacturing industry. Regarding the program.
従来から、例えば製造業の分野では、CAD(Computer Aided Design)やCAE(Computer Aided Engineering)等のツール(ソフトウェア)に代表されるように、コンピュータを使用して製品の設計・開発・生産・製造(以下「製造等」ともいう。)を支援するツールが多く用いられている。このようなツールに関する技術として、例えば特許文献1には、製品の製造等の計画を立案するものが開示されている。 Conventionally, in the field of manufacturing, for example, computers are used to design, develop, produce, and manufacture products, as typified by tools (software) such as CAD (Computer Aided Design) and CAE (Computer Aided Engineering). (hereinafter also referred to as “manufacturing, etc.”). As a technology related to such a tool, for example, Japanese Patent Laid-Open No. 2002-200001 discloses a technique for planning manufacturing of a product or the like.
具体的には、計画の仕様を特定する複数の要素に関する仕様情報と複数の要素の各々についての制約条件を規定した制約条件情報とを基に計画の候補となる複数の計画候補を立案し、立案した複数の計画候補の各々の内容を計画データとして生成する計画立案装置と、各計画データを評価し、各計画データに対する評価結果を示す複数の評価データを生成する計画評価装置と、計画立案装置により生成された各計画データをユーザー用端末に送信し、ユーザー用端末から各計画データに対するユーザーの評価結果を示すユーザーデータをそれぞれ受信する評価入力装置と、少なくとも評価入力装置の受信による各ユーザーデータを学習データとして学習し、学習結果から各計画候補に対する評価学習器を構築する評価学習装置と、を備える計画立案システムが開示されている。 Specifically, a plurality of plan candidates are drafted based on specification information on a plurality of elements that specify the specifications of the plan and constraint information that defines constraints for each of the plurality of elements, A planning device that generates plan data from the contents of each of a plurality of proposed plan candidates, a plan evaluation device that evaluates each plan data and generates a plurality of evaluation data indicating evaluation results for each plan data, and planning An evaluation input device that transmits each plan data generated by the device to a user terminal and receives user data indicating the user's evaluation result for each plan data from the user terminal, and at least each user by receiving the evaluation input device and an evaluation learning device that learns data as learning data and constructs an evaluation learner for each plan candidate from the learning result.
しかしながら、特許文献1の技術では、計画の仕様を特定する複数の要素(例えば製品の納期・品種・生産時間・コスト)に関係するユーザー毎の制約条件(例えば納期・数量・同品種の連続製造量)を計画立案に反映し切れていない。そのため、予測値や予測信頼度により高評価されたとしても、ユーザーによっては制約条件が考慮されていない計画であれば、複数の要素の最適な組み合わせとは言い切れない。
However, in the technique of
一般的な製造業で製造等される製品は、企画部門でデザイン・色・機能等を選択して開発すべき製品を決め、設計部門で素材・部品・適用技術等を選択して設計を行い、製造部門において物流・搬送・ライン配置等を選択して製品に仕上げる等、様々な選択肢の組み合わせで構成されることから、製品の仕様を特定する選択肢の組み合わせを最適化するには、各部門(ユーザー毎)にしか知り得ない制約条件を反映すべきである。 For products manufactured in a general manufacturing industry, the planning department selects the design, color, function, etc. to determine the product to be developed, and the design department selects materials, parts, application technology, etc. In order to optimize the combination of options for specifying product specifications, each department needs to Constraints that can only be known (per user) should be reflected.
また、製造業における製品のみならず、世の中には複数の選択肢で構成される組み合わせの制約や最適化の問題が多岐に渡り、そういった問題に遭遇するユーザーにとって、選択肢やユーザーの都合に関する制約や組み合わせの最適化に関する目的関数を正確に反映するのは容易でない。そのため、組み合わせの生成・ユーザー毎の制約条件の加味・目的関数の設定といった作業におけるユーザービリティの向上が求められていることに、発明者は創意工夫の末に辿り着いた。 In addition to products in the manufacturing industry, there are a wide variety of constraints and optimization problems for combinations consisting of multiple options in the world, and for users who encounter such problems, constraints and combinations regarding options and user convenience It is not easy to accurately reflect the objective function for the optimization of . Therefore, the inventor has arrived at the need for improvement of usability in tasks such as generating combinations, adding constraints for each user, and setting objective functions after a lot of ingenuity.
そこで、本発明の目的は、複数の選択肢で構成される組み合わせをユーザー単位で集約し、かつ上記組み合わせに対して所定のユーザーの制約を含む希望を反映して最適な組み合わせを決定できる組み合わせ決定支援システム、組み合わせ決定支援方法、組み合わせ決定支援プログラムを提供することにある。 Therefore, the object of the present invention is to provide combination determination support that aggregates combinations composed of a plurality of options on a user-by-user basis, and can determine the optimum combination by reflecting the user's wishes, including predetermined restrictions, on the above combinations. An object of the present invention is to provide a system, a combination decision support method, and a combination decision support program.
すなわち、本発明は、複数の選択肢で構成される組み合わせの決定を支援するコンピュータシステムであって、上記組み合わせに基づいてモデル化されたユーザー毎の組み合わせ情報を取得する取得部と、取得した上記組み合わせ情報を記憶する記憶部と、記憶した上記組み合わせ情報に基づいて上記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定する設定部と、記憶した上記組み合わせ情報並びに設定した上記制約情報及び上記目的関数に基づいて所望の組み合わせ情報を算出する算出部と、を備え、上記組み合わせ情報は、複数の選択肢に相当する可変情報及び/又は上記可変情報に関連する変異情報を含み、上記可変情報の各々、上記変異情報の各々、及び上記可変情報及び上記変異情報の少なくともいずれかは、互いの関係を示す依存制約情報を伴い、上記可変情報及び/又は上記変異情報は、各々に関連する属性値情報を含むことを特徴とする組み合わせ決定支援システムである。 That is, the present invention is a computer system that supports the determination of a combination composed of a plurality of options, an acquisition unit that acquires combination information for each user modeled based on the combination, and the acquired combination a storage unit for storing information; a setting unit for setting constraint information contributing to constraint satisfaction of the combination and an objective function contributing to optimization based on the stored combination information; the stored combination information and the set a calculation unit that calculates desired combination information based on the constraint information and the objective function, wherein the combination information includes variable information corresponding to a plurality of options and/or mutation information related to the variable information, Each of the variable information, each of the mutation information, and at least one of the variable information and the mutation information are accompanied by dependency constraint information indicating mutual relationships, and the variable information and/or the mutation information are each A combination decision support system characterized by including associated attribute value information.
このような構成によれば、モデル化により複数の選択肢同士の依存制約が加味された組み合わせ情報をユーザー単位で全て集約し、全ての組み合わせのうち所定のユーザーの制約情報及び目的関数をさらに設定することで、上記ユーザーにとって所望の組み合わせ情報を算出できることから、一個人の経験・勘・試行錯誤に頼ることなく、組み合わせの絞り込み・抽出・決定の効率化といった効果を期待できる。すなわち、モデル化された組み合わせ情報はユーザーにより加味された依存制約情報を伴うため、各ユーザー同士や各ユーザーに従属する個人(担当者等)同士で依存制約に関する調整・合意が不要であるばかりでなく、最適な組み合わせ情報の算出精度の向上といった効果を期待できる。したがって、特に製造業のような上流工程(企画や設計等)から下流工程(生産や物流等)に渡って膨大な数の選択肢・組み合わせの制約・ユーザーが存在する製品開発にとって、本発明により上述した効果が得られれば、生産性の向上を図ることができる。 According to such a configuration, all of the combination information in which the dependency constraints between the multiple options are taken into account by modeling are aggregated for each user, and the constraint information and the objective function of the predetermined user among all the combinations are further set. As a result, it is possible to calculate the desired combination information for the user, so that the efficiency of narrowing down, extracting, and determining combinations can be expected without relying on individual experience, intuition, and trial and error. In other words, since the modeled combination information is accompanied by dependency constraint information that is added by the user, it is not necessary to coordinate or agree on dependency constraints between users or individuals (persons in charge, etc.) who are subordinate to each user. Therefore, it is possible to expect the effect of improving the calculation accuracy of the optimum combination information. Therefore, especially for product development such as the manufacturing industry, where there are a huge number of choices, combination restrictions, and users from upstream processes (planning, design, etc.) to downstream processes (production, distribution, etc.), the present invention If the above effect can be obtained, productivity can be improved.
以下、本発明の内容を補足するために、これを表現する言葉の意味や例示のうち、特筆すべきものを列挙する。 In the following, in order to supplement the content of the present invention, the meanings and examples of words expressing this are listed below.
「コンピュータシステム」は、例えばインターネット等のネットワーク回線を介して通信し合うユーザー毎に管理されたパーソナルコンピュータ等の情報処理端末と所定の箇所で管理されたサーバ装置で構成されるが、サーバ装置は物理サーバ或いはクラウドサーバ又はこれらを統合した複合サーバのいずれでもよく、サーバ装置に換えてサーバ装置として機能する情報処理端末同士で構成されてもよく、情報処理端末を介して操作されるサーバ装置(コンピュータ)単体で構成されてもよく、量子コンピュータで構成されてもよい。情報処理端末やサーバ装置は、電子情報の演算処理・保存・送受信のような公知技術を実行するものであればよく、スペックに制限はない。 A "computer system" is composed of an information processing terminal such as a personal computer managed for each user communicating with each other via a network line such as the Internet, and a server device managed at a predetermined location. It may be a physical server, a cloud server, or a compound server that integrates these, and instead of the server device, it may be composed of information processing terminals that function as server devices, and the server device operated via the information processing terminal ( computer) may be composed of a single unit, or may be composed of a quantum computer. The information processing terminal and the server device are not limited in terms of specifications as long as they perform well-known techniques such as arithmetic processing, storage, and transmission/reception of electronic information.
「複数の選択肢」とは、例えば製造業で製造される製品、製品を構成する部品、製品や部品(以下「部品等」ともいう。)の仕様(例えば形状・デザイン・色・構造・寸法・成分・精度・機能・性能・グレード・適用技術・ライン製造方法・物流方法・試験方法)であるが、所定の組み合わせを実現させる要素(例えば衣類・飲食物・住居といった商品に関すること、人種・相性・国籍といった人に関すること、金銭・時間・価値といった概念に関すること)も含み、限定されない。 "Multiple options" means, for example, products manufactured in the manufacturing industry, parts that make up the products, specifications of products and parts (hereinafter also referred to as "parts, etc.") (for example, shape, design, color, structure, dimensions, etc.) ingredients, precision, function, performance, grade, applied technology, line manufacturing method, distribution method, test method), but elements that realize a predetermined combination (for example, items related to clothing, food and drink, housing, race, Things related to people such as compatibility and nationality, and things related to concepts such as money, time, and value) are not limited.
また「複数の選択肢」とは、部品等の管理用に付与される部品等共通識別情報、部品等の管理用に付与される部品等非共通識別情報、部品等が市場に流通するまでの流れの全部又は一部(以下「フロー」ともいう。)、フロー又はフローにおいて採用される品目(例えば部品・ソフトウェアパッケージ・図面・原料・素材・消耗品・治具)の管理用に付与されるフロー共通識別情報、フロー共通識別情報と組み合わさってフロー又はこれらにおいて採用される品目の管理用に付与されるフロー非共通識別情報、部品等非識別情報及び/又はフロー非識別情報に付加してこれらの情報を具体的にする非共通識別付加情報、部品等非識別情報及び/又はフロー非識別情報を所定の順序を示す順序情報(例えば、所定の実行や変更等の指示に関する情報)及び/又は年月日時分秒を示す時系列情報で特定する非共通識別特定情報、仕様や部品等共通識別情報やフロー共通識別情報でカテゴライズした部品等の分類やフローの分類であってもよい。部品等共通識別情報は、部品等の分類に相当してもよく、フロー共通識別情報は、フローの分類に相当してもよい。 In addition, "multiple options" refers to common identification information for parts, etc. given for management of parts, etc., non-common identification information for parts, etc. given for management of parts, etc., flow until parts etc. are distributed to the market All or part of (hereinafter also referred to as "flow"), flow or flow given for management of items adopted in flow (for example, parts, software packages, drawings, raw materials, materials, consumables, jigs) Common identification information, flow non-common identification information that is combined with flow common identification information and given for management of flows or items adopted in these, non-identification information such as parts and / or in addition to flow non-identification information Order information indicating a predetermined order of non-common identification additional information, non-identification information such as parts, and/or non-identification information for flows (for example, information regarding instructions for predetermined execution, change, etc.) and/or Non-common identification identification information identified by time-series information indicating year, month, day, hour, minute, and second, common identification information such as specifications and parts, classification of parts categorized by common identification information of flows, and classification of flows may be used. The parts common identification information may correspond to the classification of the parts and the like, and the flow common identification information may correspond to the flow classification.
部品等は、ハードウェアでもソフトウェアでも所定の文字列で構成された電子データでもよく、ハードウェアの場合、所定の原料から得られる素材、上記素材を形成して得られる部材、上記部材を加工したり組み立てたりして得られる完成品でもよい。 Parts, etc. may be hardware, software, or electronic data composed of predetermined character strings. In the case of hardware, materials obtained from predetermined raw materials, members obtained by forming the above materials, and processing the above members. It may be a finished product obtained by assembling or assembling.
フローとは、所定の品目の状態を別の状態に変更することでもあり、例えば部品等の製造工程{例えば、加工工程・成型工程・塗装工程・組立工程・検査工程といった所定の終了条件(Exit Criteria)を満たす工程(以下「プロセス」ともいう。)、上記製造工程の成立に必要な手順(以下「ステップ」ともいう。)、上記手順の成立に必要な行為(以下「タスク」ともいう。)である。 A flow is also to change the state of a given item to another state. Criteria) (hereinafter also referred to as "process"), procedures necessary for the establishment of the manufacturing process (hereinafter also referred to as "steps"), actions necessary for the establishment of the above procedures (hereinafter also referred to as "tasks". ).
部品等共通識別情報とは、例えば機能番号や機能に付随する規格番号・計測単位・法規であり、部品等の名称や仕様又はこれらを文字列化した番号や記号でもよい。 Common identification information for parts, etc. is, for example, a function number, a standard number, a measurement unit, and a regulation associated with the function, and may be a name or specification of a part, or a number or symbol obtained by converting these into character strings.
部品等非共通識別情報とは、例えば部品番号・図面番号であり、部品等共通識別情報と組み合わさって製品や部品を識別可能にするものであってもよく、部品等の名称や仕様又はこれらを文字列化した番号や記号でもよい。 The non-common identification information for parts, etc. is, for example, part numbers and drawing numbers, and may be combined with the common identification information for parts, etc. to enable identification of products and parts. can also be a number or symbol that is converted to a string.
フロー共通識別情報とは、例えば標準となる工程(以下「標準工程」ともいう。)を識別する標準工程番号や工程に付随する規格番号・計測単位・法規であり、プロセス・ステップ・タスクの名称や仕様又はこれらを文字列化した番号や記号でもよい。 The flow common identification information is, for example, the standard process number that identifies the standard process (hereinafter also referred to as "standard process"), the standard number, measurement unit, and regulation associated with the process, and the names of the processes, steps, and tasks. , specifications, or numbers and symbols obtained by stringifying these.
フロー非共通識別情報とは、例えば標準工程に適用するように調整された工程(以下「適用工程」ともいう。)を識別する適用工程番号であり、フロー非共通識別情報と組み合わさって部品等が市場に流通するまでの流れの全部或いは一部又はこれらにおいて採用される品目を識別可能にするものであってもよく、プロセス・ステップ・タスクの名称や仕様又はこれらを文字列化した番号や記号でもよい。 The flow non-common identification information is, for example, an applied process number that identifies a process adjusted to be applied to the standard process (hereinafter also referred to as "applied process"), and is combined with the flow non-common identification information to It may be possible to identify all or part of the flow until it is distributed to the market, or the items adopted in these, the name and specification of the process, step, task, or the number that converts these into strings It can be a symbol.
換言すると、部品等共通識別情報及びフロー共通識別情報は、所定の条件(識別対象の外部環境、例えば、温度、場所などの設計・製造に関する条件)に関わらず変化しない情報、部品等非共通識別情報及びフロー非共通識別情報は上記条件に応じて変化する情報である。 In other words, the parts common identification information and the flow common identification information are information that does not change regardless of predetermined conditions (external environment to be identified, for example, conditions related to design and manufacturing such as temperature and location). The information and flow non-common identification information is information that changes according to the above conditions.
非共通識別付加情報とは、例えば部品等やフローを対象とするエリア・団体等による経路(以下「ルート」ともいう。)の設定に関する情報(以下「ルート情報」ともいう。)であり、ルートの名称や仕様又はこれらを文字列化した番号や記号でもよく、また、部品等やフローを対象とする選択(以下「チョイス」ともいう。)に関する情報(以下「チョイス情報」ともいう。)であり、チョイスの名称又はこれを文字列化した番号や記号でもよい。 The non-common identification additional information is, for example, information (hereinafter also referred to as "route information") related to the setting of routes (hereinafter also referred to as "routes") by areas, groups, etc. that target parts and flows. It may be the name or specification of or a number or symbol that converts these into character strings, and information (hereinafter also referred to as "choice information") regarding selection (hereinafter referred to as "choice") for parts, etc. and flows It may be the name of the choice or a number or symbol obtained by converting this into a character string.
非共通識別特定情報とは、部品等やフローや上記経路や上記選択に対する実行や変更等の指示(以下「インストラクション」ともいう。)に関する情報(以下「インストラクション情報」ともいう。)を意味し、例えば設変番号・承認番号・指示番号であり、インストラクションの名称又はこれを文字列化した番号や記号でもよい。 Non-common identification specific information means information (hereinafter also referred to as "instruction information") related to instructions such as execution and change for parts, etc., flows, the above paths, and the above selections (hereinafter also referred to as "instructions"), For example, it may be a design change number, an approval number, or an instruction number, or it may be the name of an instruction or a number or symbol obtained by converting this into a character string.
ルート情報・チョイス情報・インストラクション情報は、フローに相当してもよく、フロー情報の分類に相当してもよい。品目は、製造工程・手順・行為・指示・経路・選択のいずれか1つ又は2つ以上において採用されてよい。 The route information/choice information/instruction information may correspond to the flow, or may correspond to the classification of the flow information. An item may be employed in any one or more of a manufacturing process, procedure, action, instruction, route, choice.
製品や部品は、部品等共通識別情報や部品等共通識別情報と部品等非共通識別情報との組み合わせとして選択されてもよい。フローは、フロー共通識別情報やフロー共通識別情報とフロー非共通識別情報との組み合わせとして選択されてもよい A product or a part may be selected as a combination of common identification information for parts or common identification information for parts and non-common identification information for parts. Flows may be selected as flow common identities or combinations of flow common identities and flow non-common identities.
「複数の選択肢」は、上記可変情報及び/上記変異情報に変換されてもよく、また、上記可変情報や上記変異情報に対して互いの構成を示す依存制約情報で所定の関係を有してもよい。すなわち、組み合わせ情報は、上記可変情報と上記変異情報と複数の選択肢に含まれる部品等共通識別情報・部品等非共通識別情報・フロー共通識別情報・フロー非共通識別情報・非共通識別付加情報・非共通識別特定情報のいずれか或いは2つ以上とで構成されてもよく、これによれば、組み合わせ情報に起因する制約と探索範囲のバリエーションを増やせ、非共通識別情報に対して非共通識別特定情報を付与してモデル化できることから、所望の組み合わせ情報をより高い精度(確度)で得られる効果を期待できる。 The "plurality of options" may be converted into the variable information and/or the mutation information, and have a predetermined relationship with the variable information and/or the mutation information by dependency constraint information indicating mutual configurations. good too. That is, the combination information includes the above variable information, the above mutation information, common identification information such as parts included in a plurality of options, non-common identification information such as parts, common flow identification information, non-common flow identification information, non-common additional identification information, It may be composed of one or more of the non-common identification information, according to which, the restrictions caused by the combination information and the variation of the search range can be increased, and the non-common identification information can be combined with the non-common identification information. Since it is possible to add information and perform modeling, an effect of obtaining desired combination information with higher accuracy (accuracy) can be expected.
「組み合わせ」とは、複数の選択肢のうち少なくとも2つ以上であればいずれの関係にあるもの同士でもよいが、例えば製品と製品、部品と部品のような並列関係にあるもの同士、製品と部品、部品と部品の仕様のような従属関係(又は選択関係)にあるもの同士、所定の上位概念と下位概念の関係にあるもの同士、一方が他方又はその他多数を必須とする関係(以下「必須関係」)や要求する関係(以下「要求関係」ともいう。)にあるもの同士、双方で排他する関係(以下「排他関係」ともいう。)にあるもの同士、一方が1つ又は2つ以上の他方を所属させる関係(以下「所属関係」ともいう。)、一方が1つの他方を所有する関係(以下「所有関係」ともいう。)、一方が1つ又は2つ以上の他方を共有する関係(以下「共有関係」ともいう。)、一方が他方に派生した関係(以下「派生関係」ともいう。)である。 "Combination" means any relationship between at least two or more of a plurality of options, for example, products and products, parts and parts, products and parts , between things in a subordinate relationship (or selection relationship) such as parts and specifications of parts, between things in a relationship between a predetermined superordinate concept and a subordinate concept, relationships in which one is essential to the other or many other relationships (hereinafter "essential relationship"), requirements (hereinafter also referred to as "requirements"), mutual exclusion (hereinafter also referred to as "exclusion"), one or two or more (hereinafter also referred to as "affiliation relationship"), one party owns one other (hereinafter also referred to as "ownership relationship"), one party shares one or more of the other relationship (hereinafter also referred to as "shared relationship") and relationship in which one is derived from the other (hereinafter also referred to as "derivative relationship").
「モデル化」とは、複数の選択肢で構成される組み合わせを規定の図形・線・符号等を用いて図化したり、選択視の種類(項目)・名称・属性値等をリスト化したりすることであり、ユーザーの情報処理端末で操作可能な所定のツールで行ってもよい。 “Modeling” refers to creating a diagram of a combination of multiple options using prescribed figures, lines, symbols, etc., and listing the types (items), names, attribute values, etc. of options. and may be performed using a predetermined tool that can be operated by the user's information processing terminal.
「ユーザー」とは、複数の選択肢で構成される1つ又は2つ以上の組み合わせを検討・作成・選択・決定等する法人・個人・その他所定の組織であり、例えば製造業における完成品メーカー・パーツメーカー・OEM(Original Equipment Manufacturing)メーカー・部品や部材やソフトウェアの供給会社(いわゆるサプライヤー、ベンダー)・ソフトハウス・物流業者等・その他関連する会社であり、これらのうち2社以上で構成されるグループでもよく、選択視の要素や組み合わせの構成に応じて追加・変更・削除されてもよい。「ユーザー毎」とは、グループを含む2社以上のユーザーの各々であり、それぞれ発注側と受注側の関係にあってもなくてもよく、資本関係にあってもなくてもよく、秘密保持や共同開発のような契約を交わしていてもいなくてもよい。 “User” means a corporation, individual, or other predetermined organization that considers, creates, selects, or decides on one or more combinations of multiple options, such as a finished product manufacturer in the manufacturing industry, Parts makers, OEM (Original Equipment Manufacturing) makers, suppliers of parts, materials, and software (so-called suppliers, vendors), software houses, distribution companies, etc., and other related companies, consisting of two or more of these companies. It may be a group, and may be added/changed/deleted according to the configuration of selective vision elements and combinations. "Each user" refers to each user of two or more companies, including groups, which may or may not be in a relationship between the ordering side and the receiving side, and may or may not be in a capital relationship. and joint development agreements.
「組み合わせの制約充足」とは、組み合わせの依存制約を前提に、さらにユーザーが所望の組み合わせを得るために抽出する組み合わせを絞ることを意味する。「組み合わせの最適化」とは、組み合わせの制約充足を前提に、さらにユーザーが所望の組み合わせを得るために抽出する組み合わせを絞ることを意味する。制約充足する組み合わせの数や最適な組み合わせの数は、1つでも2つ以上でもよく、ユーザー所望の数でもよい。 “Constraint satisfaction of combinations” means narrowing down the combinations to be extracted in order for the user to obtain a desired combination on the premise of the dependency constraints of the combinations. “Combination optimization” means narrowing down the combinations to be extracted so that the user can obtain a desired combination on the premise that the constraints on the combinations are satisfied. The number of combinations that satisfy the constraint or the number of optimal combinations may be one, two or more, or any number desired by the user.
「依存制約」とは、所定の組み合わせを実現させる選択関係、必須関係、要求関係、排他関係、所属関係、所有関係、共有関係、派生関係のうち少なくとも1つの関係性を示すものである。 A "dependency constraint" indicates at least one of a selection relationship, an essential relationship, a requirement relationship, an exclusion relationship, an belonging relationship, an ownership relationship, a sharing relationship, and a derivation relationship that realizes a predetermined combination.
「属性値」とは、例えば価格・評価・寸法・重量・温度・速度・面積のような各項目に関する数値である。 The "attribute value" is a numerical value related to each item such as price, evaluation, size, weight, temperature, speed, and area.
「組み合わせ情報」、「制約情報」、「目的関数」、「可変情報」、「変異情報」、「依存制約情報」、及び「属性値情報」は、例えば送信・受信・記憶・閲覧・追加・編集・演算といった各種処理を情報処理端末装置やサーバ装置により行われる電子情報であり、電子情報には文字・動画像・静止画像・音が含まれてもよい。 "Combination information", "constraint information", "objective function", "variable information", "mutation information", "dependent constraint information", and "attribute value information" can be sent, received, stored, browsed, added, It is electronic information for which various processes such as editing and calculation are performed by an information processing terminal device or a server device, and the electronic information may include characters, moving images, still images, and sounds.
以下、本発明に含まれると望ましい発明を列挙する。 Preferred inventions included in the present invention are listed below.
本発明において、上記制約情報は、上記属性値情報又は上記属性値情報の計算値を閾値として設定され、上記目的関数は、上記属性値情報の計算値の最大、最小、又は極値として設定されてもよい。 In the present invention, the constraint information is set using the attribute value information or the calculated value of the attribute value information as a threshold, and the objective function is set as the maximum, minimum, or extreme value of the calculated value of the attribute value information. may
このような構成によれば、制約情報及び目的関数の設定数が有限になるため、ユーザーが所望の組み合わせを得るために抽出する組み合わせの精度が高まり、かつ容易に絞れる効果を期待できる。 According to such a configuration, since the number of constraint information and objective functions to be set is finite, it is expected that the accuracy of the combinations extracted by the user to obtain a desired combination is increased and that the combinations can be easily narrowed down.
具体的には、制約情報は、属性値情報(個別値)又は属性値情報の計算値を閾値として所定の数値範囲内あること、所定の数値以上であること、又は以下であることの全6通りのいずれかとして設定され、目的関数は、属性値情報の計算値が最大、最小、又は極値となることの全3通りのいずれかとして設定されてもよい。制約情報及び目的関数は、属性値の各項目に応じて1つ又は2つ以上設定されてもよく、目的関数が2つ以上ある場合は優先順位があってもよい。「計算値」とは、例えば複数の属性値情報の総和やいずれか2つ以上の属性値情報の合計値であるが、四則演算等の計算式により算出される値であればいずれでもよい。 Specifically, the constraint information must be within a predetermined numerical range using the attribute value information (individual value) or the calculated value of the attribute value information as a threshold, must be greater than or equal to a predetermined numerical value, or must be less than or equal to the predetermined numerical value. , and the objective function may be set as any of all three ways that the calculated value of the attribute value information is the maximum, minimum, or extreme value. One or two or more of the constraint information and the objective function may be set according to each attribute value item, and if there are two or more objective functions, there may be an order of priority. A "calculated value" is, for example, the sum of a plurality of pieces of attribute value information or the total value of any two or more pieces of attribute value information.
本発明は、記憶された上記組み合わせ情報に対するユーザーからのアクセスの可否を判定する判定部をさらに備えていてもよい。また、本発明において、上記記憶部は、単一又は規定のユーザーからのアクセスのみを受け付ける第1組み合わせ情報を記憶する第1記憶部と、全てのユーザーからのアクセスを受け付ける第2組み合わせ情報を記憶する第2記憶部とを有し、上記設定部は、上記制約情報及び上記目的関数を暗号化して設定し、上記算出部に算出された所望の組み合わせ情報を復号化してもよい。 The present invention may further include a determination unit that determines whether or not the user can access the stored combination information. Further, in the present invention, the storage unit stores a first combination information that accepts access only from a single or specified user, and a second combination information that accepts access from all users. The setting unit may encrypt and set the constraint information and the objective function, and decrypt the desired combination information calculated by the calculation unit.
このような構成によれば、コンピュータシステムの構成に応じて、ユーザー毎の組み合わせ情報に対する他のユーザーのアクセス権限を、判定部により論理的に設定したり、第1記憶部及び第2記憶部により物理的に設定したりできることから、ユーザー毎に依存制約情報の開示・非開示に応じて組み合わせ情報を生成できるため、ユーザー側で組み合わせ情報を生成した理由や経緯を履歴として管理しやすい効果を期待できる。すなわち、開示できる依存制約情報を伴う組み合わせ情報と、開示できない依存制約情報を伴う組み合わせ情報とを分けて、かつこれらをそれぞれ紐づけて管理できるため、組み合わせ情報の追加・変更・削除を容易に行える効果も期待できる。 According to such a configuration, according to the configuration of the computer system, the access authority of other users to the combination information for each user is logically set by the determination unit, or is set by the first storage unit and the second storage unit. Since it can be set physically, it is possible to generate combination information according to the disclosure or non-disclosure of dependency constraint information for each user, so it is expected that the user can easily manage the reason and process of generating combination information as a history. can. In other words, the combination information with the dependency constraint information that can be disclosed and the combination information with the dependency constraint information that cannot be disclosed can be separated and managed in association with each other, so that the addition, change, and deletion of the combination information can be easily performed. You can expect results.
本発明は、算出された所望の組み合わせ情報を画像として認識する認識部と、上記画像として認識された組み合わせ画像情報を教師データとして機械学習させた学習済み第1モデルを用いて、上記組み合わせ画像情報から特徴量を分析する分析部と、をさらに備え、上記制約情報は、分析された特徴量を加味して設定されてもよい。 The present invention uses a recognition unit that recognizes the calculated desired combination information as an image, and a trained first model that is machine-learned using the combination image information recognized as the image as teacher data, and uses the combined image information. and an analysis unit that analyzes the feature amount from the above, and the constraint information may be set in consideration of the analyzed feature amount.
このような構成によれば、関連性の高い選択肢が個々に存在することにより、算出される所望の組み合わせ情報の数が冗長になることを回避する効果が期待できる。換言すると、関連性の高い選択肢同士を束とする制約情報を加味することにより、算出される所望の組み合わせ情報の数が最小となって最適化を図りやすい。 According to such a configuration, it is possible to expect an effect of avoiding redundancy in the calculated number of pieces of desired combination information due to the existence of individual options with high relevance. In other words, by adding constraint information that bundles options with high relevance, the number of desired combination information to be calculated is minimized, facilitating optimization.
本発明において、上記算出部は、過去に記憶された上記組み合わせ情報並びに設定された上記制約情報及び上記目的関数と、過去に算出された所望の組み合わせ情報とを教師データとして機械学習させた学習済み第2モデルを用いて、新たに記憶された上記組み合わせ情報から推定される新たな所望の組み合わせ情報を算出してもよい。 In the present invention, the calculation unit performs machine learning using the combination information stored in the past, the set constraint information and the objective function, and the desired combination information calculated in the past as teacher data. A second model may be used to calculate new desired combination information estimated from the newly stored combination information.
このような構成によれば、教師データにより学習済み第2モデルを機械学習させればさせるほど、ユーザーにとって所望の組み合わせ情報の算出の高速化かつ高精度化といった効果を期待できる。 According to such a configuration, the more the learned second model is machine-learned using the teacher data, the faster and more accurate the calculation of the combination information desired by the user can be expected.
「教師データ」とは、学習済み第1モデル又は学習済み第2モデルにおける学習データであり、所定の入力データと、所定の出力データとを組み合わせたデータセットを用いた教師あり学習に対応するものでも、上記入力データのみを用いた教師なし学習に対応するものでもよく、文字情報でも画像情報でもよい。 “Teacher data” is learning data in the first trained model or the second trained model, and corresponds to supervised learning using a data set combining predetermined input data and predetermined output data. However, it may be one corresponding to unsupervised learning using only the above input data, and may be character information or image information.
「学習済み第1モデル」及び「学習済み第2モデル」とは、所定の入力データが入力されると、上記入力データに含まれる所定の特徴量から所定の出力データ(上記特徴量のみでもよい。)を推定するプログラムであって、教師データを用いた機械学習が完了したモデルであるが、上記教師データにより継続して常時又は随時学習させてプログラムの精度を向上させてもよい。「学習済み第1モデル」及び/又は「学習済み第2モデル」で採用される分析手法は、公知の非階層クラスタリングや階層クラスタリングでもよい。 The “learned first model” and the “learned second model” are defined as, when predetermined input data is input, predetermined output data (only the feature amount may be used) from predetermined feature amounts included in the input data. ) and is a model for which machine learning using teacher data has been completed, but the accuracy of the program may be improved by learning continuously or as needed using the teacher data. The analysis method employed in the "learned first model" and/or the "learned second model" may be known non-hierarchical clustering or hierarchical clustering.
「学習済み第1モデル」及び「学習済み第2モデル」は、例えばSVM(Support Vector Machine)等の線形モデル・CNN(Convolutional Neural Network:畳み込みニューラルネットワーク)やBNN(Bayesian Neural Network:ベイズニューラルネットワーク)といったニューラルネットワーク・多層ニューラルネットワークを用いた深層学習(ディープラーニング)といった学習方法で生成され、上記学習方法の実行主体である所定の装置又は部位(モデル生成部)は、同コンピュータシステムに含まれていてもいなくてもよい。モデル生成部が同コンピュータシステムに含まれていない場合、学習済み第1モデル及び学習済み第2モデルは所定のネットワーク回線を介して同コンピュータシステムに提供されてもよい。 The “learned first model” and the “learned second model” are linear models such as SVM (Support Vector Machine), CNN (Convolutional Neural Network) and BNN (Bayesian Neural Network). It is generated by a learning method such as deep learning using a neural network or multi-layer neural network, and a predetermined device or part (model generation unit) that is the subject of execution of the above learning method is included in the same computer system. It doesn't matter if it is or not. If the model generator is not included in the computer system, the trained first model and the trained second model may be provided to the computer system via a predetermined network line.
また、以下は、本発明に対してカテゴリーのみ異なる方法及びプログラムに関する発明であることから、発明の作用効果や発明を表現する言葉の意味や例示を省略する。 Moreover, since the following are inventions relating to methods and programs that differ from the present invention only in categories, the meanings and examples of words expressing the effects and inventions of the invention will be omitted.
本発明に相当するコンピュータシステムが実行する組み合わせ決定支援方法は、複数の選択肢で構成される組み合わせに基づいてモデル化されたユーザー毎の組み合わせ情報を取得し、取得された上記組み合わせ情報を記憶し、上記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定し、記憶された上記組み合わせ情報並びに設定された上記制約情報及び上記目的関数に基づいて所望の組み合わせ情報を算出し、上記組み合わせ情報は、複数の選択肢に相当する可変情報及び/又は上記可変情報に関連する変異情報を含み、上記可変情報の各々、上記変異情報の各々、及び上記可変情報及び上記変異情報の少なくともいずれかは、互いの関係を示す依存制約情報を伴い、上記可変情報及び/又は上記変異情報は、各々に関連する属性値情報を含むことを特徴とする。 A combination decision support method executed by a computer system corresponding to the present invention acquires combination information for each user modeled based on a combination composed of a plurality of options, stores the acquired combination information, setting constraint information that contributes to constraint satisfaction of the combination and an objective function that contributes to optimization, and calculating desired combination information based on the stored combination information, the set constraint information, and the objective function; The combination information includes variable information corresponding to a plurality of options and/or mutation information related to the variable information, each of the variable information, each of the mutation information, and at least one of the variable information and the mutation information The variable information and/or the mutation information include attribute value information associated with each of the variable information and/or the mutation information.
本発明に相当するコンピュータシステムとして実行するコンピュータが読み取り可能なプログラムは、複数の選択肢で構成される組み合わせに基づいてモデル化されたユーザー毎の組み合わせ情報を取得させ、取得された上記組み合わせ情報を記憶させ、上記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定させ、記憶された上記組み合わせ情報並びに設定した上記制約情報及び上記目的関数に基づいて所望の組み合わせ情報を算出させ、上記組み合わせ情報は、複数の選択肢に相当する可変情報及び/又は上記可変情報に関連する変異情報を含み、上記可変情報の各々、上記変異情報の各々、及び上記可変情報及び上記変異情報の少なくともいずれかは、互いの関係を示す依存制約情報を伴い、上記可変情報及び/又は上記変異情報は、各々に関連する属性値情報を含むことを特徴とする。 A computer-readable program executed as a computer system corresponding to the present invention obtains combination information for each user modeled based on a combination consisting of a plurality of options, and stores the obtained combination information. set constraint information that contributes to constraint satisfaction of the combination and an objective function that contributes to optimization, and calculate desired combination information based on the stored combination information, the set constraint information, and the objective function. , the combination information includes variable information corresponding to a plurality of options and/or mutation information related to the variable information, each of the variable information, each of the mutation information, and at least the variable information and the mutation information Either one is accompanied by dependency constraint information indicating a mutual relationship, and the variable information and/or the mutation information include attribute value information related to each.
本発明によれば、複数の選択肢で構成される組み合わせをユーザー単位で集約し、かつ上記組み合わせに対して所定のユーザーの制約を含む希望を反映して最適な組み合わせを決定できる効果を期待できる。 According to the present invention, it is possible to expect an effect of being able to aggregate combinations composed of a plurality of options on a user-by-user basis, and to determine the optimum combination by reflecting the user's wishes, including predetermined restrictions, on the above combinations.
以下、図1~図9を参照しつつ、本発明の一実施形態における組み合わせ決定支援システムの一例について説明する。 An example of a combination determination support system according to an embodiment of the present invention will be described below with reference to FIGS. 1 to 9. FIG.
<組み合わせ決定支援システムの概要>
組み合わせ決定支援システムは、製造業における製品開発に必要な複数の選択肢で構成される組み合わせのうち、製品開発に関わるユーザーにとって最適な組み合わせの決定を支援するものである。製品開発における複数の選択肢は、例えば部品や部品の仕様等であり、これらの組み合わせには、例えば製品と部品や部品と部品の仕様のような選択関係にあるもの同士、一方(部品)が他方(仕様のいずれか)を必須とする必須関係や要求する要求関係にあるもの同士、双方(部品と部品の仕様のいずれか)で排他する排他関係にあるもの同士等であり、ユーザーの都合に応じて1つ又は2つ以上の関係を有してもよい。ユーザーは、例えば発注側に相当する完成品メーカー・OEMメーカーと、受注側に相当する部品や部材やソフトウェアの供給会社(いわゆるサプライヤー、ベンダー)・ソフトハウス・物流業者等である。
<Outline of combination decision support system>
The combination decision support system supports users involved in product development in determining the optimum combination among the combinations consisting of multiple options necessary for product development in the manufacturing industry. A plurality of options in product development are, for example, parts and specifications of parts. (any of the specifications) must be required or required, or mutually exclusive (either the part or the specification of the part). It may have one or more relationships depending. The users are, for example, manufacturers of finished products and OEMs who are on the ordering side, and suppliers (so-called suppliers and vendors) of parts, materials, and software, software houses, and distribution companies on the receiving side.
<組み合わせ決定支援システムを構成する基本的なハードウェア・ソフトウェア>
組み合わせ決定支援システムは、コンピュータ又は2つ以上のコンピュータで構成されたコンピュータシステムであって、電子情報{例えばOS(Operating System)・ミドルウェア・ファームウェア・アプリケーションといったソフトウェア・これらを実行するプログラム・その他文字・静止画像・動画像・音}を演算処理したり各ハードウェアに命令処理したりするCPU(Central Processing Unit)を含むマイクロプロセッサ、電子情報を記憶するハードディスクやSSDといったROM(Read Only Memory)、CPUによる制御に伴い一時的に上記電子情報を記憶するRAM(Random Access Memory)、RFチップ・ベースバンドチップ・その他通信モジュールといった通信機器、キーボード・マウス・タッチパネル・マイク・カメラ・ボイスレコーダー・センサ等の入力機器、ディスプレイ・プリンタ・スピーカ・ヘッドホン等の出力機器、バッテリー等の電源機器、モーター等の稼働機器といったハードウェアを適宜組み合わせて形成されてもよく、ハードウェアの各々はバスやUSB等の入出力インタフェースを介して相互に接続されてもよい。
<Basic hardware and software constituting the combination decision support system>
The combination decision support system is a computer system composed of a computer or two or more computers, and electronic information {for example, OS (Operating System), middleware, firmware, software such as applications, programs for executing these, other characters, A microprocessor including a CPU (Central Processing Unit) that performs arithmetic processing of static images, moving images, and sounds and commands to each hardware, a ROM (Read Only Memory) such as a hard disk or SSD that stores electronic information, and a CPU RAM (random access memory) that temporarily stores the above electronic information under the control of , communication devices such as RF chips, baseband chips, and other communication modules, keyboards, mice, touch panels, microphones, cameras, voice recorders, sensors, etc. Hardware such as input devices, output devices such as displays, printers, speakers, and headphones, power devices such as batteries, and operating devices such as motors may be combined as appropriate. They may be interconnected via an output interface.
コンピュータは、例えばサーバ装置や、パーソナルコンピュータ・スマートフォン・タブレットといった情報処理端末である。コンピュータが搭載するハードウェアやソフトウェアの種類・数・サイズは、用途やスペックに応じて適宜決定してもよく、量子コンピュータとして構成されてもよい。2つ以上のコンピュータの各々は、入出力インタフェース又は通信機器から通信ネットワークを介して相互に接続され、これ以外の方式で接続されてもよい。通信ネットワークは、例えば、インターネット・イントラネット・エキストラネット・LAN・CATV通信網・VPN・電話回線・移動体通信網・衛星通信網である。通信ネットワークを構成する伝送媒体は、IEEE1394・電力線搬送・電話線等の有線やIrDA、ブルートゥース(登録商標)・IEEE802.11(wifi等)・携帯電話網・衛星回線・地上波デジタル網等の無線でもよい。コンピュータの各々は、通信機器から通信ネットワークを介して電子情報を相互に送受信してもよい。 The computer is, for example, a server device or an information processing terminal such as a personal computer, a smart phone, or a tablet. The type, number, and size of hardware and software installed in the computer may be appropriately determined according to the application and specifications, and may be configured as a quantum computer. Each of the two or more computers may be connected to each other via a communication network from an input/output interface or communication device, or may be connected in other manners. The communication network is, for example, the Internet, an intranet, an extranet, a LAN, a CATV communication network, a VPN, a telephone line, a mobile communication network, or a satellite communication network. The transmission media that make up the communication network are wired such as IEEE1394, power line carriers, telephone lines, etc., and wireless such as IrDA, Bluetooth (registered trademark), IEEE802.11 (wifi, etc.), mobile phone networks, satellite circuits, and terrestrial digital networks. It's okay. Each of the computers may send and receive electronic information to and from each other via the communication network from the communication device.
<組み合わせ決定支援システムとハードウェアとの関係>
図1に示すように、組み合わせ決定支援システムは、サーバ装置Sと、情報処理端末Cとで構成されており、サーバ装置Sと情報処理端末Cとは通信ネットワークを介して通信し合っている。サーバ装置Sは、マイクロプロセッサに相当する制御部1と、ROMに相当する記憶部2と、電子情報を情報処理端末Cに送信したり情報処理端末Cから受信したりする通信機器に相当する付番しない通信部とを備えているが、出力機器に相当する出力部や入力機器に相当する入力部を備えていてもよい。情報処理端末Cは、図示しないが、マイクロプロセッサに相当する制御部と、ROMに相当する記憶部と、電子情報をサーバ装置Sに送信したりサーバ装置Sから受信したりする通信機器に相当する通信部と、出力機器に相当する出力部と、入力機器に相当する入力部とを備えている。なお、サーバ装置S及び情報処理端末Cは、電子情報を取り扱う公知のコンピュータに備わる部品や機能を全て備えてもよい。
<Relationship between combination decision support system and hardware>
As shown in FIG. 1, the combination determination support system includes a server device S and an information processing terminal C. The server device S and the information processing terminal C communicate with each other via a communication network. The server device S includes a
<組み合わせのモデル化>
組み合わせ決定支援システムは、複数の選択肢で構成される組み合わせを公知のOVM(Orthogonal Variability Model、直交可変性モデル)によって記述するアプリケーション(以下「OVMモデラ―」ともいう。)でモデル化する。「OVM」とは、可変性の情報をモデル化する手法であり、モデルを構成するのは、変異の対象を示す可変点{以下「バリエーションポイント」又は「VP」(Variation Pointの略称)ともいう)}、変異の内容(可変点の具体的なインスタンス)を示す変異体(以下「バリアント」又は「V」(Variantの略称)ともいう。)、及び各々の依存関係である。
<Combination modeling>
The combination decision support system is modeled by an application (hereinafter also referred to as an "OVM modeler") that describes a combination composed of a plurality of options using a known OVM (Orthogonal Variability Model). "OVM" is a method for modeling variability information, and the model is composed of variable points that indicate the target of mutation (hereinafter also referred to as "variation point" or "VP" (abbreviation of variation point). )}, a variant (hereinafter also referred to as “variant” or “V” (abbreviation of Variant)) indicating the content of the variation (a specific instance of the variable point), and their dependencies.
すなわち、組み合わせ決定支援システムは、OVMにより、製品開発に必要な複数の選択肢をバリエーションポイントやバリアントで表し、かつ複数の選択肢同士の選択関係・必須関係・要求関係・排他関係を依存関係として表すことで、複数の選択肢で構成される組み合わせをモデル化する。具体的には、組み合わせ決定支援システムは、サーバ装置SがOVMモデラ―を搭載している場合、情報端末装置CはOVMモデラ―をクラウドソフトウェアとしてユーザーからの操作入力に応じて電子情報をサーバ装置Sに送信する。一方、情報端末装置CがOVMモデラ―を搭載している場合、情報端末装置CはOVMモデラ―をインストールされた状態でユーザーからの操作入力に応じて電子情報をサーバ装置Sに送信する。 That is, the combination decision support system uses OVM to represent multiple options necessary for product development by variation points and variants, and to represent selection relationships, essential relationships, requirement relationships, and exclusive relationships between multiple options as dependency relationships. to model a combination of options. Specifically, in the combination decision support system, when the server device S is equipped with an OVM modeler, the information terminal device C uses the OVM modeler as cloud software and sends electronic information to the server device according to the operation input from the user. Send to S. On the other hand, when the information terminal device C is equipped with the OVM modeler, the information terminal device C with the OVM modeler installed transmits electronic information to the server device S according to the operation input from the user.
OVMモデラ―でモデル化された組み合わせ情報は、複数の選択肢としてバリエーションポイントに相当する可変情報及びバリアントに相当して可変情報に関連する変異情報を含み、2つ以上の可変情報の各々、2つ以上の変異情報の各々、及び可変情報と変異情報とのセットの少なくともいずれかは、依存関係に相当して互いの関係を示す依存制約情報を伴い、可変情報及び/又は変異情報は、各々に関連する属性値情報を含む。 The combination information modeled by the OVM modeler includes variable information corresponding to the variation point and mutation information corresponding to the variant as multiple options, and each of the two or more variable information, two Each of the above mutation information and at least one of the set of the variable information and the mutation information is accompanied by dependency constraint information indicating a mutual relationship corresponding to a dependency relationship, and the variable information and/or the mutation information are each Contains relevant attribute value information.
図2及び図3は、OVMモデラ―画面の一例を示す。図2に示すように、ユーザーのドラッグ操作により、「VP」、「V」、「VP」や「V」の関係を示す線や矢印が描写され、対応する「VP」と「V」、「VP」と「VP」とが上記線や上記矢印でつながれて所定の依存制約情報が付与されることで、複数の選択肢の組み合わせに基づいてユーザーの組み合わせ情報がモデル化される。また、ユーザーのクリック操作により、上記組み合わせ情報をリスト化した「テーブルビュー」が展開されたり、上記組み合わせ情報を「他のユーザーに公開」設定されたり、「保存」されたりする。そして、「テーブルビュー」が展開されると、図3に示すように、ユーザーのキータッチや音声といった入力操作により、「V」の属性値(例えば「価格」、「評価」)が設定されることで、上記組み合わせ情報に所定の属性値情報が付与される。 2 and 3 show an example of the OVM modeler screen. As shown in FIG. 2, by the user's drag operation, lines and arrows indicating the relationship between "VP", "V", "VP" and "V" are drawn, and the corresponding "VP" and "V", " VP' and 'VP' are connected by the above-mentioned line or the above-mentioned arrow, and given the predetermined dependency constraint information, the user's combination information is modeled based on the combination of a plurality of options. Further, by the user's click operation, a "table view" listing the combination information is expanded, the combination information is set to be "disclosed to other users", or "saved". Then, when the "table view" is expanded, as shown in Fig. 3, the attribute values of "V" (for example, "price" and "evaluation") are set by the user's input operations such as key touches and voice. Thus, predetermined attribute value information is added to the combination information.
すなわち、OVMモデラ―により、例えばOEMメーカーの発注を受注するサプライヤーは、部品M(可変情報)の種類として部品M1・M2・M3・M4・M5(変異情報)、部品N(可変情報)の種類として部品N1・N2・N3(変異情報)、及びこれらの依存関係(依存制約情報)と共に、変異情報の各々に関連する価格・評価(属性値情報)を付与して、組み合わせ情報をモデル化する。同様に、OEMメーカーの発注を受注する別のサプライヤーも、可変情報、変異情報、及び依存制約情報と共に、変異情報に関連する属性値情報を付与して、組み合わせ情報をモデル化する。これにより、ユーザー毎の組み合わせ情報が生成される。 That is, the OVM modeler, for example, the supplier who accepts an order from an OEM manufacturer can select the types of parts M (variable information) as parts M1, M2, M3, M4, and M5 (mutation information), and parts N (variable information). Parts N1, N2, N3 (mutation information) and their dependencies (dependency constraint information) as well as the price/evaluation (attribute value information) associated with each of the mutation information are given to model the combination information . Similarly, another supplier who accepts an order from an OEM manufacturer also gives variable information, mutation information, and dependency constraint information, as well as attribute value information related to mutation information, to model combination information. Thereby, the combination information for each user is generated.
上記組み合わせ情報は、リアルタイムにサーバ装置Sの記憶部2に記憶(保存)されるが、ファイル形式として保存されなくてもされてもよい。すなわち、組み合わせ情報は、OVMモデラ―を介して保存され、また保存された組み合わせ情報は、OVMモデラ―を介して呼び出される。なお、組み合わせ情報は、公知のエクスポート機能により所定のファイル形式で出力されてもよい。
The combination information is stored (saved) in the
<サーバ装置Sの詳細>
サーバ装置Sが備える制御部1は、OVMモデラ―でモデル化されたユーザー毎の組み合わせ情報を取得する取得部11と、記憶部2に記憶された上記組み合わせ情報に基づいて組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定する設定部12と、記憶部2に記憶された上記組み合わせ情報並びに設定部12に設定された制約情報及び目的関数に基づいて最適な組み合わせ情報を算出する算出部13と、記憶部2に記憶された上記組み合わせ情報に対するユーザーからのアクセスの可否を判定する判定部14とを備えている。
<Details of server device S>
The
<取得部>
取得部11は、通信部を介して情報端末装置Cから送信されたユーザー毎の組み合わせ情報を取得する処理を行うが、上記組み合わせ情報を記憶部2に提供する処理を行ってもよい。取得部11による各処理のタイミングは、情報端末装置CがOVMモデラ―を介してユーザーからの操作入力を認識しない所定時間経過後(例えば1~3秒)だが、ユーザーからの所定の操作入力を認識した直後であってもよい。
<Acquisition unit>
The
<設定部>
設定部12は、公知のASP(Answer Set Programming、解集合プログラミング)を実行するプログラム(以下「ASPソルバ」ともいう。)のインタフェース(以下「ASPソルバインタフェース」ともいう。)の一機能として、記憶部2に記憶された上記組み合わせ情報に対して制約情報及び目的関数を設定する処理を行うが、上記組み合わせ情報並びに設定された制約情報及び目的関数を符号化したプログラムをASPソルバの一機能として動作する算出部13に投入する処理と、設定された制約情報及び目的関数を記憶部2に提供する処理と、算出された所望の組み合わせ情報を文字情報や画像情報として(又は文字情報や画像情報に変換して)提供する処理とを行ってもよく、また、2つ以上設定された制約情報の各々に対してクラス(分類)又は必須とするか否かを設定する処理を行ってもよい。「ASP」とは、論理プログラミングと制約プログラミングの概念を融合した概念であり、変数を含むプログラムを符号化し、符号化されたプログラムの解集合を計算するものである。
<Setting section>
The setting
図4は、ASPソルバインタフェース画面の一例を示し、制約情報及び目的関数を設定する処理は、この画面からの操作により実行される。図4に示すように、まず、ユーザーの入力操作により、OVMモデラ―を介して設定された属性値情報における属性項目(「価格」、「評価」)が、変数(例えば「W1」、「W2」)として設定される。 FIG. 4 shows an example of an ASP solver interface screen, and the process of setting constraint information and objective functions is executed by operating this screen. As shown in FIG. 4, first, attribute items (“price”, “evaluation”) in the attribute value information set via the OVM modeler are changed to variables (for example, “W1”, “W2 ”).
次に、制約情報の設定として、「タイプ」(例えば「計算値が値1以上」)がプルダウンメニューからの選択により設定され、閾値として「値1」がOVMモデラ―を介して設定された変異情報(部品M1~M5及び部品N1~N3)の属性値情報(価格)に基づく計算値(例えば「300」)の入力により設定され、「値2」が空欄とし設定され、「式」が変数(「W1」)として設定される。さらに、目的関数の設定として、「タイプ」(例えば「最大化」)がプルダウンメニューからの選択により設定され、「式」が変数(例えば「W2」)として設定される。
Next, as setting of constraint information, "type" (for example, "calculated value is
すなわち、設定部12によれば、サプライヤー毎の組み合わせ情報に基づいて、例えばOEMメーカーは、制約情報として「部品M1~M5及び部品N1~N3(変異情報)の価格(属性値情報)の計算値(変数)が300(値1)以下であること」、目的関数として「部品A1~A5及び部品B1~B3(変異情報)の評価(属性値情報)の計算値(変数)が最大であること」を設定する。なお、結果的に目的関数を満たす組み合わせ情報(解)が複数算出された場合、算出された解全てではなく、「バリアントの選択肢を最少化」とする解、又は「バリアントの選択肢を最大化」とする解、のいずれかを抽出する設定をしてもよい。
That is, according to the
ここで、制約情報で設定される「タイプ」は、「式」の「計算値が値1以下」の他に、「計算値が値1以上」、「計算値が値1と値2の間」、「個別値が値1以下」、「個別値が値1以上」、「個別値が値1と値2の間」も含む。さらに、目的関数で設定する「タイプ」は、「式」の計算値が最大となる解(組み合わせ)を求める「最大化」の他に、最小となる解(組み合わせ)を求める「最小化」、極値となる解(組み合わせ)を求める「極値化」も含み、最大化又は最小化と極値化とが結果的に同等であってもよい。すなわち、制約情報が属性値情報(個別値)又は属性値情報の計算値を閾値とする6タイプであり、かつ目的関数が属性値情報の計算値の最大、最小、又は極値とする3タイプであることで、ユーザーは複数の選択肢の組み合わせに対して所望の制約を設定しやすい。
Here, the "type" set in the constraint information includes "calculated value is 1 or less", "calculated value is 1 or more", and "calculated value is between
図5は、図4に示す制約情報の設定部分の別の例を示す。図5における図4との相違点は、設定部12が2つ以上の制約情報の各々に対してクラス(分類)又は必須とするか否かを設定する処理を行う点である。そこで、以下では上記相違点のみについての説明をし、その他についての説明を省略する。
FIG. 5 shows another example of the setting portion of the constraint information shown in FIG. The difference between FIG. 5 and FIG. 4 is that the setting
図5(a)に示すように、例えば「式」が4種類あり、それぞれについて「クラス」が上から「1」、「2」、「2」、「3」と設定されている。実際の制約情報のパターンは、各数字以下のクラスを全て含み、具体的には、クラス1の場合は「W1」のみ、クラス2の場合は「W1」かつ「W2」、クラス3の場合は「W1」かつ「W2」かつ「W3」、全3パターンとなる。同じ数字は、同じクラスを意味し、具体的には、クラス2は「「W2」と「「W3」とのアンド条件となる。なお、相反関係を伴う「式」同士を含むパターンは、制約情報として採用されない。
As shown in FIG. 5A, for example, there are four types of "formula", and "classes" are set to "1", "2", "2", and "3" from the top for each type. The actual constraint information pattern includes all classes below each number, specifically, for
図5(b)に示すように、例えば「式」が3種類あり、「W1」の「必須(チェックボックス)」にチェックが設定されている。実際の制約情報のパターンは、「W1」のみ、「W1」かつ「W2」、「W1」かつ「W3」、「W1」かつ「W2」かつ「W3」、の全4パターンとなる。なお、相反関係を伴う「式」同士を含むパターンは、制約情報として採用されない。 As shown in FIG. 5B, for example, there are three types of "formula", and the "essential (check box)" of "W1" is checked. The patterns of the actual constraint information are four patterns in total: "W1" only, "W1" and "W2", "W1" and "W3", and "W1" and "W2" and "W3". Note that a pattern including "formulas" with conflicting relationships is not adopted as constraint information.
これらの構成によれば、必ず満たされなければならない制約情報とそうではない(優先順位が低い)制約情報とを予め指定し、制約情報のパターンを設定した上で、上記パターン毎に所望の組み合わせ情報を得られる。すなわち、2つ以上の制約情報の設定を二段階式にすることで、所望の組み合わせ情報の獲得精度が向上する。 According to these configurations, constraint information that must always be satisfied and constraint information that is not (lower priority) are specified in advance, patterns of the constraint information are set, and desired combinations are obtained for each of the patterns. Get information. That is, by setting two or more pieces of constraint information in a two-stage manner, the accuracy of obtaining desired combination information is improved.
<算出部>
算出部13は、ASPソルバに含まれる一機能として、設定部12で符号化されたプログラムに基づいて最適な組み合わせ情報を算出する処理を行うが、算出された最適な組み合わせ情報をASPソルバインタフェースに提供する処理と、算出された最適な組み合わせ情報を記憶部2に提供する処理とを行ってもよい。
<Calculation unit>
As one function included in the ASP solver, the
図6は、ASPソルバインタフェース画面の一例を示し、最適な組み合わせ情報は、この画面を介してユーザーに確認される。図6に示すように、可変情報に相当する「VP」、変異情報に相当する「V」、制約情報及び目的関数に相当する「式」、及び組み合わせのパターンに相当する「解N」として「〇」又は「×」がリスト化されている。 FIG. 6 shows an example of an ASP solver interface screen, through which optimal combination information is confirmed by the user. As shown in FIG. 6, "VP" corresponding to variable information, "V" corresponding to mutation information, "expression" corresponding to constraint information and objective function, and "solution N" corresponding to combination pattern " 〇” or “×” is listed.
すなわち、算出部12によれば、例えばOEMメーカーは、設定部12で設定された制約情報の「式」に相当する変数「W1」が「280」及び目的関数の「式」に相当する変数「W2」が「27」を満たす組み合わせパターン「解1」として、「部品M1~M5及び部品N1~N3」のうちの最適な組み合わせ情報として「〇」が記された「部品M3・M5及び部品N1・N3」を得る。
That is, according to the
<判定部>
判定部14は、記憶部2に記憶されたユーザー毎の組み合わせ情報に対するユーザーからのアクセスの可否を判定する処理を行う。図2に示すように、例えばユーザーのクリック操作によりモデル化された組み合わせ情報に対して「他のユーザーに公開」設定された場合、判定部14は、公開用の組み合わせ情報として他のユーザーからのアクセスを許可する。なお、「アクセス」とは、閲覧を意味するが、書き込みを含んでもよい。
<Determination part>
The
図7及び図8は、OVMモデラ―によりモデル化されたユーザー毎の組み合わせ情報の一例を示す。図7に示すように、例えばOEMメーカーの発注内容として、「部品P」として「部品p1」・「部品p2」、「部品Q」として「部品q1」・「部品q2」、「部品R」として「部品r1」・「部品r2」、「部品S」として「部品s1」・「部品s2」という公開用の組み合わせ情報が生成される。これに対するサプライヤー1の受注条件として、「部品p1」・「部品p2」・「部品q1」・「部品q2」かつ「部品p1」と「部品q1」との排他関係を示す公開用の組み合わせ情報、サプライヤー2の受注条件として「部品q1」・「部品q2」・「部品r1」・「部品r2」かつ「部品q2」と「部品r1」との排他関係を示す公開用の組み合わせ情報、サプライヤー3の受注条件として「部品r1」・「部品r2」・「部品s1」・「部品s2」かつ「部品r2」と「部品s2」との排他関係を示す公開用の組み合わせ情報が生成される。
7 and 8 show an example of combination information for each user modeled by the OVM modeler. As shown in FIG. 7, for example, as the contents of an order from an OEM manufacturer, "part p1" and "part p2" as "part P", "part q1" and "part q2" as "part Q", and "part R" as Public combination information of "parts r1" and "parts r2" and "parts s1" and "parts s2" as "parts S" is generated. As an order condition for the
一方、図8に示すように、例えばサプライヤー1の受注条件として、公開用の組み合わせ情報に関連付く非公開用の組み合わせ情報が生成される。非公開用の組み合わせ情報は、サプライヤー1の選択肢である「部品p1」・「部品p2」・「部品q1」・「部品q2」のうち、「部品p1」は「部品X」と関係があり、「部品q1」は「部品Y」と関係があり、「部品X」は「部品x1」・「部品x2」を含む組み合わせ情報を伴い、「部品Y」は「部品y1」・「部品y2」を含む組み合わせ情報を伴い、最終的に「部品X」に関係する「部品xxx」と「部品Y」に関係する「部品yyy」との排他関係を示す。
On the other hand, as shown in FIG. 8, non-disclosure combination information related to public combination information is generated as an order condition for
すなわち、サプライヤー1は、OEMメーカーやサプライヤー2、3に対する公開用の組み合わせ情報だけでなく、公開用の組み合わせ情報に起因する非公開用の組み合わせ情報を生成して記憶部2に記憶しておくことで、部外秘であるノウハウを管理しやすくなる。一方、OEMメーカーは、発注に関する必要な組み合わせ情報のみサプライヤー1から提供されるため、所望の組み合わせ情報を抽出しやすい。
That is, the
以下、上述した内容を参照しつつ、組み合わせ決定支援システムを構成するサーバ装置Sの実行処理の流れについて説明する。 Hereinafter, the flow of execution processing of the server device S constituting the combination determination support system will be described with reference to the above-described contents.
<基本的な実行処理の流れ>
図9に示すように、まず、部品や部品の仕様といった複数の選択肢で構成される組み合わせに基づいてOVMモデラーでモデル化された発注側のOEMメーカーや受注側のサプライヤー数社を含むユーザー毎の組み合わせ情報を取得部11が取得する(Step1)。次に、取得部11に取得された上記組み合わせ情報を記憶部2が記憶する(Step2)。そして、記憶部2に記憶された上記組み合わせ情報に基づいて、例えばOEMメーカーに関する上記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定部13が設定する(Step3)。そして、記憶2にされた上記組み合わせ情報並びに設定12で設定された上記制約情報及び上記目的関数に基づいてOEMメーカー所望の組み合わせ情報を算出部13が算出する(Step4)。
<Flow of basic execution process>
As shown in FIG. 9, first, based on a combination consisting of multiple options such as parts and part specifications, each user including OEM manufacturers on the ordering side and several suppliers on the receiving side modeled with the OVM modeler The
このような流れによれば、モデル化により複数の選択肢同士の依存制約が加味された組み合わせ情報をユーザー単位で全て集約でき、全ての組み合わせのうち所定のユーザー(例えばOEMメーカー)の制約情報及び目的関数をさらに設定することで、上記ユーザーにとって所望の組み合わせ情報を算出できることから、一個人の経験・勘・試行錯誤に頼ることなく、組み合わせの絞り込み・抽出・決定の効率化が実現する。すなわち、モデル化された組み合わせ情報はユーザーにより加味された依存制約情報を伴うため、各ユーザー同士や各ユーザーに従属する個人(担当者等)同士で依存制約に関する調整・合意が不要であるばかりでなく、最適な組み合わせ情報の算出精度の向上が実現する。したがって、特に製造業のような上流工程(企画や設計等)から下流工程(生産や物流等)に渡って膨大な数の選択肢・組み合わせの制約・ユーザーが存在する製品開発にとって、組み合わせ決定支援システムにより全体的な生産性の向上が実現する According to this flow, all combination information that takes into account the dependency constraints between multiple options can be aggregated by user by modeling, and the constraint information and purpose of a predetermined user (for example, an OEM manufacturer) among all combinations By further setting the function, it is possible to calculate the desired combination information for the user. Therefore, the efficiency of narrowing down, extracting, and determining the combination is realized without relying on the experience, intuition, and trial and error of one individual. In other words, since the modeled combination information is accompanied by dependency constraint information that is added by the user, it is not necessary to coordinate or agree on dependency constraints between users or individuals (persons in charge, etc.) who are subordinate to each user. Therefore, it is possible to improve the calculation accuracy of the optimum combination information. Therefore, especially for product development such as the manufacturing industry where there are a huge number of choices, restrictions on combinations, and users from upstream processes (planning, design, etc.) to downstream processes (production, distribution, etc.), combination decision support system resulting in overall productivity gains
<ユーザーからのアクセスに関する実行処理の流れ>
図10に示すように、記憶部2に記憶された上記組み合わせ情報に対し、情報端末装置を介して所定のユーザーからのアクセスを受け付けた場合、例えば上記組み合わせ情報の生成者に相当する単一のユーザー又は上記組み合わせ情報へのアクセスを事前に許可された規定のユーザーかを判定部14が判定する(Step2-1)。そして、判定部14が認めたユーザーには非公開用を含む全ての組み合わせ情報へのアクセスを許可し、認めなかったユーザーには公開用の組み合わせ情報のみへのアクセスを許可する。
<Flow of execution processing related to user access>
As shown in FIG. 10, when the combination information stored in the
このような流れによれば、ユーザー毎の組み合わせ情報に対する他のユーザーのアクセス権限を、判定部14により論理的に設定できることから、ユーザー毎に依存制約情報の開示・非開示に応じて組み合わせ情報を生成できるため、ユーザー側で組み合わせ情報を生成した理由や経緯を履歴として管理しやすくなる。すなわち、開示できる依存制約情報を伴う組み合わせ情報と、開示できない依存制約情報を伴う組み合わせ情報とを分けて、かつこれらをそれぞれ紐づけて管理できるため、組み合わせ情報の追加・変更・削除を比較的容易に行えるようになる。
According to this flow, the access authority of other users to the combination information for each user can be logically set by the
次に、図11~図15を参照しつつ、本発明の一実施形態における別の組み合わせ決定支援システムについて、上述した内容と相違する部分を説明し、同等の部分の説明を省略する。図1~図9で示した部品又は部位と同等なものは、参照を容易にするため、図1~図9において一律100を加えた番号にしている。 Next, with reference to FIGS. 11 to 15, another combination determination support system according to an embodiment of the present invention will be described with respect to portions different from those described above, and description of equivalent portions will be omitted. Parts or portions equivalent to those shown in FIGS. 1 to 9 are numbered uniformly by adding 100 in FIGS. 1 to 9 for ease of reference.
<組み合わせ決定支援システムの分散化>
図11に示すように、サーバ装置100Sは、通信ネットワークを介して、第1サーバ装置100Saと、第2サーバ装置100Sbとに分散されている。第1サーバ装置100Saは、ネットワークを介して情報処理端末100Cから操作されてもよいが、第1サーバ装置100Saが情報処理端末を兼ねてもよい。第1サーバ装置100Saがユーザ毎のローカルな物理サーバ、第2サーバ装置100Sbがクラウドサーバでもよい。
<Decentralization of combination decision support system>
As shown in FIG. 11, the
第1サーバ装置100Saは、制御部101aと、第1記憶部102aと、付番しない通信部とを備えている。制御部101aは、取得部111と、設定部112とを備えている。第2サーバ装置100Sbは、制御部101bと、算出部113と、第2記憶部102bと、付番しない通信部とを備えている。
The first server device 100Sa includes a
第1記憶部102aは、非公開用の組み合わせ情報を含む単一又は規定のユーザーからのアクセスのみを受け付ける第1組み合わせ情報を記憶する。第2記憶部102bは、公開用として全てのユーザーからのアクセスを受け付ける第2組み合わせ情報を記憶する。このような構成により、物理的に非公開用の組み合わせ情報と公開用の組み合わせ情報との管理を分け、ユーザ毎に非公開用の組み合わせ情報を管理しやすくなる。
The
取得部111は、OVMモデラ―を介して取得したユーザー毎の組み合わせ情報のうち、第1組み合わせ情報を第1記憶部102aに提供し、第2組み合わせ情報を第2記憶部102bに提供する処理を行う。
The
設定部112は、第1記憶部102aに記憶された第1組み合わせ情報及び第2記憶部102bに記憶された第2組み合わせ情報に対して制約情報及び目的関数を設定する処理と、上記組み合わせ情報並びに設定された制約情報及び目的関数を符号化したプログラムを暗号化して算出部113に投入する処理と、算出部113に算出された所望の組み合わせ情報を復号化して提供する処理とを行う。上記暗号化及び上記復号化は、公知の暗号方式で行われてもよく、上記復号化では第1記憶部102に問い合わせしてもよい。このような構成により、別のユーザーに非公開用の組み合わせ情報を開示することなく、ユーザー毎に所望の組み合わせ情報を得られやすくなる。
The
<機械学習による組み合わせ情報の分析>
図12に示すように、サーバ装置200Sは、取得部211と、設定部212と、算出部213と、判定部214と、認識部215と、分析部216と、を備えている。認識部215は、算出部213により算出され、設定部212から提供された所望の組み合わせ情報を画像として認識する。分析部216は、認識部215に認識された組み合わせ画像情報を教師データとして機械学習させた学習済み第1モデルを用いて、上記組み合わせ画像情報から特徴量を分析する。
<Analysis of combination information by machine learning>
As shown in FIG. 12, the
図13は、算出部213の算出結果がマトリックス状に出力された所望の組み合わせ情報の一部である。図12及び図13に示すように、認識部215は、上記所望の組み合わせ情報を、画像情報に変換した組み合わせ画像情報として認識してもよい。分析部216は、複数の上記組み合わせ画像情報を教師データとして機械学習させた学習済み第1モデルを用いてクラスタ分析し、マトリックス状に出力された所望の組み合わせ情報の特徴量を分析し、特徴量毎に上記組み合わせ画像情報を分類する。学習済み第1モデルは、分析部216の一機能であってもよいが、別の部位として機能してもよい。
FIG. 13 shows part of the desired combination information in which the calculation results of the
図13では、例えば選択肢としてケーブル(部品)が含まれた所望の組み合わせ情報であり、このように複数の解(所望の組み合わせ情報)を有するマトリックス状の組み合わせ画像情報の複数を教師データとして学習済み第1モデルでクラスタ分析したところ、図上で四角に囲まれた部分を特徴量として分析した。すなわち、この分析結果から、複数の組み合わせ画像情報を用いた機械学習により、ケーブル1・2・7の各々の関連性と、ケーブル5・6・9の各々の関連性が高いことが発覚した。クラスタ分析では、kmeans法といった公知の手法を採用している。
In FIG. 13, for example, the desired combination information includes cables (parts) as options, and a plurality of matrix-like combination image information having a plurality of solutions (desired combination information) have been learned as teacher data. When cluster analysis was performed using the first model, the portions surrounded by squares on the diagram were analyzed as feature amounts. That is, from this analysis result, it was found that the relevance of each of
制約情報は、分析部216で分析された特徴量を加味して、設定部212に設定される。すなわち、設定部212は、ケーブル1・2・7を1セット、ケーブル5・6・9を1セットとして制約情報を設定する。これにより、上記特徴量を加味する前と比較して、複数の選択肢のうち関連性の高い選択肢を束(グルーピング、クラスタ化)することで、算出部213で算出される所望の組み合わせ情報(解)の数が冗長になることを回避し、最適化が実現する。
The constraint information is set in the
<組み合わせ決定支援システムにおける選択肢の拡充>
組み合わせ決定支援システムで処理される複数の選択肢は、例えば部品等、部品等の仕様、部品等共通識別情報、部品等非共通識別情報、フロー共通識別情報、フロー非共通識別情報、ルート情報、チョイス情報、インストラクション情報であり、これらは可変情報や変異情報と同等に扱われてもよい。
<Expansion of options in combination decision support system>
A plurality of options processed by the combination decision support system are, for example, parts, etc., specifications of parts, common identification information for parts, non-common identification information for parts, common flow identification information, non-common flow identification information, route information, choice Information and instruction information, which may be treated in the same way as variable information and mutation information.
<組み合わせ情報モデルの多様化>
組み合わせ決定支援システムは、複数の選択肢で構成される組み合わせをBOM(Bill Of Material)として記述するアプリケーションでモデル化してもよく、OVMモデラ―でBOMも記述してモデル化してもよい。BOMとして記述されるモデルは、「VP」と「V」で構成されてもよいが、例えばフローチャート用のアイコンで構成されてもよく、「VP」と「V」、又は上記アイコン同士の依存関係を伴う。
<Diversification of combinatorial information models>
The combination decision support system may be modeled by an application that describes a combination composed of a plurality of options as a BOM (Bill Of Material), or may be modeled by also describing the BOM with an OVM modeler. A model described as a BOM may be composed of "VP" and "V", but may also be composed of, for example, icons for flowcharts. Accompanied by
すなわち、組み合わせ決定支援システムは、BOMとして記述するOVMモデラ―により、製品開発に必要な複数の選択肢をバリエーションポイントやバリアントや所定のアイコンで表し、かつ複数の選択肢同士の選択関係・必須関係・要求関係・排他関係・所属関係・所有関係・共有関係・派生関係を依存関係として表すことで、複数の選択肢で構成される組み合わせ情報モデルの多様化を期待できる。 In other words, the combination decision support system uses an OVM modeler described as a BOM to represent multiple options necessary for product development with variation points, variants, and predetermined icons, and select relationships, essential relationships, and requirements between multiple options. Representing relationships, exclusion relationships, affiliation relationships, ownership relationships, shared relationships, and derived relationships as dependency relationships can be expected to diversify combinatorial information models composed of multiple options.
<依存関係の一例>
複数の選択肢としてOVMモデラーで記述されるバリエーションポイント(VP)・バリアント(V)・部品等共通識別情報(以下「MasterItem」ともいう。)、部品等非共通識別情報(以下「AffectedItem」ともいう。)、フロー共通識別情報(以下「MasterLink」ともいう。)、フロー非共通識別情報(以下「AffectedLink」ともいう。)、ルート情報(以下「CodeLine」ともいう。)、チョイス情報(以下「Choice」ともいう。)、インストラクション情報(以下「EngineeringChange」や「WorkItem」ともいう。)の依存関係の詳細例を表1に示す。
<Example of dependency>
Variation point (VP), variant (V), parts common identification information (hereinafter also referred to as "MasterItem"), parts etc. non-common identification information (hereinafter also referred to as "AffectedItem") described by the OVM modeler as a plurality of options. ), flow common identification information (hereinafter also referred to as “MasterLink”), flow non-common identification information (hereinafter also referred to as “AffectedLink”), route information (hereinafter also referred to as “CodeLine”), choice information (hereinafter referred to as “Choice” ) and instruction information (hereinafter also referred to as “EngineeringChange” or “WorkItem”).
表1は、縦軸(From)が主体側、横軸(To)が主体と所定の関係を有する側を示し、表内に記載されている関係を有したり、「×」印のように所定の関係を有さなかったりするが、表内に記載されていない他の関係を有したり、「×」印ではなく所定の関係を有したりしてもよく、限定されない。 In Table 1, the vertical axis (From) indicates the side of the subject, and the horizontal axis (To) indicates the side having a predetermined relationship with the subject. It may not have a predetermined relationship, but may have other relationships not listed in the table, or have a predetermined relationship other than the "x" mark, and is not limited.
「VP」に対して別の「VP」は要求関係又は排他関係を有し、「V」は要求関係、排他関係、必須関係、又は選択関係を有する。換言すると、「VP」は別の「VP」を要求又は排他し、「V」を要求、排他、必須、又は選択する。 A 'VP' has a required or exclusive relationship to another 'VP' and a 'V' has a required, exclusive, mandatory, or optional relationship. In other words, a 'VP' claims or excludes another 'VP' and claims, excludes, requires, or selects a 'V'.
「V」に対して「VP」及び別の「V」は要求関係又は排他関係を有する。換言すると、「V」は「VP」及び別の「V」を要求又は排他する。 A 'VP' and another 'V' to a 'V' have a required or exclusive relationship. In other words, a 'V' demands or excludes a 'VP' and another 'V'.
「VP」に対して「MasterItem」や「MasterLink」や「Choice」は具体化の関係を有する。換言すると、「VP」が抽象的な記述であるのに対し、「MasterItem」や「MasterLink」や「Choice」は具体性を伴う記述である。 'MasterItem', 'MasterLink' and 'Choice' have a materialization relationship to 'VP'. In other words, "VP" is an abstract description, while "MasterItem", "MasterLink", and "Choice" are descriptions with concreteness.
「V」に対して「MasterItem」や「MasterLink」や「AffectedLink」や「CodeLine」や「Choice」や「EngineeringChange」は具現化の関係を有する。換言すると、「V」が抽象的な記述であるのに対し、「MasterItem」や「MasterLink」や「AffectedLink」や「CodeLine」や「Choice」や「EngineeringChange」は具体性を伴う記述である。 'MasterItem', 'MasterLink', 'AffectedLink', 'CodeLine', 'Choice', and 'EngineeringChange' are related to 'V'. In other words, "V" is an abstract description, while "MasterItem", "MasterLink", "AffectedLink", "CodeLine", "Choice", and "EngineeringChange" are concrete descriptions.
「MasterItem」に対して別の「MasterItem」や「AffectedLink」や「Choice」は所属関係を有する。換言すると、「MasterItem」は別の「MasterItem」や「AffectedLink」や「Choice」を所属させる。 Another "MasterItem", "AffectedLink" and "Choice" have an belonging relation to "MasterItem". In other words, a "MasterItem" may belong to another "MasterItem", "AffectedLink" or "Choice".
「AffectedItem」に対して「MasterItem」や「MasterLink」は所有関係又は共有関係を有し、別の「AffectedItem」は派生関係にある。換言すると、「AffectedItem」は「MasterItem」や「MasterLink」を所有又は共有し、別の「AffectedItem」を派生する。 A "MasterItem" or a "MasterLink" has an ownership relationship or a sharing relationship with an "AffectedItem", and another "AffectedItem" has a derived relationship. In other words, an "AffectedItem" owns or shares a "MasterItem" or "MasterLink" and derives another "AffectedItem".
「MasterLink」に対して別の「MasterLink」や「AffectedLink」や「CodeLine」は所属関係にある。換言すると、「MasterLink」は別の「MasterLink」や「AffectedLink」や「CodeLine」を所属させる。 Other 'MasterLink', 'AffectedLink' and 'CodeLine' belong to 'MasterLink'. In other words, "MasterLink" has other "MasterLink", "AffectedLink" and "CodeLine" belong to it.
「AffectedLink」に対して「MasterItem」や「MasterLink」は所有関係又は共有関係にあり、別の「AffectedLink」は派生関係にある。換言すると、「AffectedLink」は「MasterItem」や「MasterLink」を所有し、別の「AffectedLink」を派生する。 "MasterItem" and "MasterLink" have an ownership relationship or a shared relationship with respect to "AffectedLink", and another "AffectedLink" has a derived relationship. In other words, "AffectedLink" owns "MasterItem" and "MasterLink" and derives another "AffectedLink".
「CodeLine」に対して「AffectedItem」や「AffectedLink」は所属関係にある。換言すると、「CodeLine」は「AffectedItem」や「AffectedLink」を所属させる。 "AffectedItem" and "AffectedLink" have a relationship of belonging to "CodeLine". In other words, "CodeLine" makes "AffectedItem" and "AffectedLink" belong.
「Choice」に対して「AffectedItem」や「AffectedLink」は共有関係にある。換言すると、「Choice」は「AffectedItem」や「AffectedLink」を共有する。 "AffectedItem" and "AffectedLink" are in a sharing relationship with respect to "Choice". In other words, "Choice" shares "AffectedItem" and "AffectedLink".
「EngineeringChange」対して「AffectedItem」や「AffectedLink」や「CodeLine」や「Choice」は所有関係にあり、別の「EngineeringChange」は共有関係にある。換言すると、「EngineeringChange」は「AffectedItem」や「AffectedLink」や「CodeLine」や「Choice」を所有し、別の「EngineeringChange」を共有する。 "AffectedItem", "AffectedLink", "CodeLine" and "Choice" are in an ownership relationship with "EngineeringChange", and another "EngineeringChange" is in a sharing relationship. In other words, an 'EngineeringChange' owns 'AffectedItem', 'AffectedLink', 'CodeLine' and 'Choice' and shares another 'EngineeringChange'.
次に、図14及び図15を参照しつつ、上述した複数の選択肢及び選択肢同士の依存関係に基づいて作成される組み合わせ情報モデルとその解の一例を説明する。 Next, with reference to FIGS. 14 and 15, an example of a combination information model created based on the above-described multiple options and the inter-option relationships and their solutions will be described.
図14に示すように、「VP」が部品A、「VP」に対して選択関係を有する「V」が部品A-1及び部品A-2とする。これにより、部品Aの種類として部品A-1と部品A-2があることを記述できる。一方、「VP」と「V」のみでは部品A並びに部品A-1及び部品A-2に関する組み合わせ情報をモデル化しきれないことから、他の選択肢との併用によりBOMとしての組み合わせ情報モデルを記述しやすくなる。 As shown in FIG. 14, "VP" is part A, and "V" having a selection relationship with "VP" is parts A-1 and A-2. As a result, it can be described that the types of component A include component A-1 and component A-2. On the other hand, since "VP" and "V" alone cannot model the combination information about part A and parts A-1 and A-2, the combination information model as BOM is described by combining with other options. easier.
まず「VP」である部品Aを「MasterItem」として具体化し、「V」である部品A-1及び部品A-2を「AffectedItem」として具体化する。そして「MasterItem」である部品Aに「CodeLine」である第1工場を介して「AffectedItem」である部品A-1を所属させ、「CodeLine」である第2工場を介して「AffectedItem」である部品A-2を所属させる。これにより、例えば上位概念として定義される部品Aのうち、下位概念として定義される部品A-1を第1工場での製造等を経由して得られ、部品A-2を第2工場での製造等を経由して得られることを記述できる。 First, the "VP" part A is materialized as "MasterItem", and the "V" parts A-1 and A-2 are materialized as "AffectedItem". Then, part A-1, which is 'Affected Item', belongs to part A which is 'Master Item' through the first factory which is 'CodeLine', and part A-1 which is 'Affected Item' through the second factory which is 'CodeLine'. Assign A-2. As a result, for example, part A defined as a higher level concept, part A-1 defined as a lower level concept, can be obtained through manufacturing at the first factory, and part A-2 can be obtained at the second factory. Can describe what is obtained through manufacturing, etc.
次に「EngineeringChange」である製造指示が「Choice」である変更(例えば2022年1月1日より)を所有し、上記変更が「AffectedItem」である部品A-1と部品A-2とを共有する。これにより、製造指示が2022年1月1日より変更して部品A-1又は部品A-2を製造することを記述できる。 Next owns a change (for example, from January 1, 2022) where the manufacturing order is "Choice" which is "EngineeringChange" and shares part A-1 and part A-2 where the above change is "AffectedItem" do. As a result, it can be described that the manufacturing instruction will be changed from January 1, 2022 to manufacture part A-1 or part A-2.
また「AffectedItem」である部品A-1は別の「AffectedItem」である部品A-1aに派生する。これにより、例えば部品A-1と略同等だが仕様の一部のみ異なる部品A-1aを記述できる。 Also, the part A-1 which is "AffectedItem" derives to another part A-1a which is "AffectedItem". As a result, for example, a component A-1a that is substantially the same as the component A-1 but differs only in part in specifications can be described.
また「AffectedItem」である部品A-1は「MasterLink」である部品A-1の組立工程を所有しており、上記部品A-1の組立工程は「AffectedLink」である部品A-1の組立手順1と組立手順2を所属させる。これより、部品A-1における組立工程に組立手順1と組立手順2が含まれることを記述できる。
Also, the part A-1 which is "AffectedItem" owns the assembly process of part A-1 which is "MasterLink", and the assembly process of part A-1 is the assembly procedure of part A-1 which is "AffectedLink". 1 and
また「AffectedLink」である部品A-1の組立手順1と組立手順2は「MasterItem」である部品Bを共有し、上記部品Bは「AffectedItem」である部品B-1と部品B-2を所属させる。これにより、部品A-1の組立手順1と組立手順2には部品B-1及び/又は部品B-2が使われることを記述できる。
また「EngineeringChange」である部品A-1の組立指示は2パターンあり、1パターン目は「EngineeringChange」が部品A-1の組立工程の設計変更(以下「設変」ともいう。)指示1と部品B-1の仕様の設変指示とを共有し、2パターン目は「EngineeringChange」が部品A-1の組立工程の設変指示2と部品B-2の仕様の設変指示とを共有する。これによれば、部品A-1の組立手順1と組立手順2とのいずれかは部品A-1の組立指示に従うことを記述できる。すなわち、部品A-1の組立工程が2つ以上のパターンを含み、かつ各パターンで部品Bに分類される部品B-1や部品B-2が用いられる場合、部品A-1の組立指示として部品A-1の組立工程の設計変更指示1と部品B-1の仕様の設変指示とをし、または部品A-1の組立工程の設計変更指示2と部品B-2の仕様の設変指示とをそれぞれ記述できる。
In addition, there are two patterns of assembly instructions for part A-1, which is "EngineeringChange". In the second pattern, "EngineeringChange" shares the
図15に示すように、図14の組み合わせ情報モデルを構成する各選択肢の組み合わせのパターンを、ASPソルバインタフェースを介して解として算出する。図15には、「VP」が可変点かつ「V」がこの選択肢(変位点)、「MasterItem」と「Choice」と「CodeLine」が可変点かつ「AffectedItem」がこれらの選択肢(変位点)、「MasterLink」が可変点かつ「AffectedLink」がこの選択肢(変位点)、「EngineeringChange」が可変点かつこの内容が選択肢(変位点)であることと、それぞれの可変点及び選択肢の組み合わせを満たす場合に「〇」、満たさない場合に「×」、満たすが関連する他の組み合わせの一部を満たさない場合に「△」として算出された解1~5とがリスト化されている。解1~5の算出に制約情報及び目的関数は設定されていないが、これらが設定されたら解の数が減ることもある。
As shown in FIG. 15, patterns of combinations of options that constitute the combination information model of FIG. 14 are calculated as solutions via the ASP solver interface. In FIG. 15, "VP" is a variable point and "V" is this option (displacement point), "MasterItem", "Choice" and "CodeLine" are variable points and "AffectedItem" is these options (displacement point), If "MasterLink" is a variable point and "AffectedLink" is this option (displacement point), "EngineeringChange" is a variable point and this content is a choice (displacement point), and if the combination of each variable point and choice is satisfied The
なお、本実施形態は、上述した内容に限定されず、同等の効果を得られる限り、あらゆるシステム構成・方法・ソフトウェア・ハードウェア・機能、及びこれらの相互関係を含む。具体的には、ASP以外のプログラムにより組み合わせ問題を解くソルバ(solver)であっても、本実施形態と同等の構成であり、かつ同等の操作により同等の効果を得られることから、例えば公知のSAT(Satisfiability Problem、充足可能性問題)といった所定のプログラムで実行されるソルバや、量子コンピュータで実行されるソルバを採用してもよい。 It should be noted that the present embodiment is not limited to the contents described above, and includes all system configurations, methods, software, hardware, functions, and interrelationships thereof as long as equivalent effects can be obtained. Specifically, even a solver that solves a combinatorial problem by a program other than ASP has the same configuration as the present embodiment, and the same effect can be obtained by the same operation. A solver executed by a predetermined program such as SAT (Satisfiability Problem) or a solver executed by a quantum computer may be employed.
S、100S、200S サーバ装置
C、100C 情報処理端末
1、101、201 制御部
11,111、211 取得部
12、112、212 設定部
13、113、213 算出部
14、 214 判定部
215 認識部
216 分析部
S, 100S, 200S Server device C, 100C
215 recognition unit
216 Analysis Department
Claims (8)
前記組み合わせに基づいてモデル化されたユーザー毎の組み合わせ情報を取得する取得部と、
取得された前記組み合わせ情報を記憶する記憶部と、
記憶された前記組み合わせ情報に基づいて前記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定する設定部と、
記憶された前記組み合わせ情報並びに設定された前記制約情報及び前記目的関数に基づいて所望の組み合わせ情報を算出する算出部と、を備え、
前記組み合わせ情報は、複数の選択肢に相当する可変情報及び/又は前記可変情報に関連する変異情報を含み、
前記可変情報の各々、前記変異情報の各々、及び前記可変情報及び前記変異情報の少なくともいずれかは、互いの関係を示す依存制約情報を伴い、
前記可変情報及び/又は前記変異情報は、各々に関連する属性値情報を含む
ことを特徴とする組み合わせ決定支援システム。 A computer system that supports the determination of a combination consisting of multiple options,
an acquisition unit that acquires combination information for each user modeled based on the combination;
a storage unit that stores the acquired combination information;
a setting unit that sets constraint information that contributes to constraint satisfaction of the combination and an objective function that contributes to optimization based on the stored combination information;
a calculation unit that calculates desired combination information based on the stored combination information, the set constraint information, and the objective function;
The combination information includes variable information corresponding to multiple options and/or mutation information related to the variable information,
each of the variable information, each of the mutation information, and at least one of the variable information and the mutation information is accompanied by dependency constraint information indicating a mutual relationship;
A combination decision support system, wherein the variable information and/or the mutation information includes attribute value information associated with each.
前記目的関数は、前記属性値情報の計算値の最大、最小、又は極値として設定される
ことを特徴とする請求項1に記載の組み合わせ決定支援システム。 The constraint information is set using the attribute value information or a calculated value of the attribute value information as a threshold,
The combination decision support system according to claim 1, wherein the objective function is set as a maximum, minimum, or extreme value of the calculated values of the attribute value information.
ことを特徴とする請求項1又は2に記載の組み合わせ決定支援システム。 3. The combination determination support system according to claim 1, further comprising a determination unit that determines whether or not a user can access the stored combination information.
前記設定部は、前記制約情報及び前記目的関数を暗号化して設定し、前記算出部に算出された所望の組み合わせ情報を復号化する
ことを特徴とする請求項1乃至3のいずれかに記載の組み合わせ決定支援システム。 The storage unit includes a first storage unit that stores first combination information that accepts access only from a single or a specified user, and a second storage unit that stores second combination information that accepts access from all users. has
4. The setting unit according to claim 1, wherein the setting unit encrypts and sets the constraint information and the objective function, and decrypts the desired combination information calculated by the calculation unit. Combination decision support system.
前記画像として認識された組み合わせ画像情報を教師データとして機械学習させた学習済み第1モデルを用いて、前記組み合わせ画像情報から特徴量を分析する分析部と、をさらに備え、
前記制約情報は、分析された上記特徴量を加味して設定される
ことを特徴とする請求項1乃至の4のいずれかに記載の組み合わせ決定支援システム。 a recognition unit that recognizes the calculated desired combination information as an image;
an analysis unit that analyzes a feature amount from the combined image information using a trained first model machine-learned using the combined image information recognized as the image as teacher data;
5. The combination decision support system according to any one of claims 1 to 4, wherein the constraint information is set in consideration of the analyzed feature amount.
ことを特徴とする請求項1乃至の5のいずれかに記載の組み合わせ決定支援システム。 The calculation unit generates a trained second model obtained by machine-learning the previously stored combination information, the set constraint information and the objective function, and the previously calculated desired combination information as teaching data. 6. The combination decision support system according to any one of claims 1 to 5, wherein new desired combination information estimated from the newly stored combination information is calculated using the new combination information.
前記組み合わせに基づいてモデル化されたユーザー毎の組み合わせ情報を取得し、
取得した前記組み合わせ情報を記憶し、
前記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定し、
記憶した前記組み合わせ情報並びに設定した前記制約情報及び前記目的関数に基づいて所望の組み合わせ情報を算出し、
前記組み合わせ情報は、複数の選択肢に相当する可変情報及び/又は前記可変情報に関連する変異情報を含み、
前記可変情報の各々、前記変異情報の各々、及び前記可変情報及び前記変異情報の少なくともいずれかは、互いの関係を示す依存制約情報を伴い、
前記可変情報及び/又は前記変異情報は、各々に関連する属性値情報を含む
ことを特徴とする組み合わせ決定支援方法。 A combination decision support method executed by a computer system that supports the decision of a combination consisting of a plurality of options,
Acquiring combination information for each user modeled based on the combination,
storing the acquired combination information;
Setting constraint information that contributes to constraint satisfaction of the combination and an objective function that contributes to optimization,
calculating desired combination information based on the stored combination information and the set constraint information and objective function;
The combination information includes variable information corresponding to multiple options and/or mutation information related to the variable information,
each of the variable information, each of the mutation information, and at least one of the variable information and the mutation information is accompanied by dependency constraint information indicating a mutual relationship;
A combination decision support method, wherein the variable information and/or the mutation information includes attribute value information associated with each.
前記組み合わせに基づいてモデル化されたユーザー毎の組み合わせ情報を取得させ、
取得された前記組み合わせ情報を記憶させ、
記憶された前記組み合わせの制約充足に寄与する制約情報及び最適化に寄与する目的関数を設定させ、
記憶された前記組み合わせ情報並びに設定された前記制約情報及び前記目的関数に基づいて所望の組み合わせ情報を算出させ、
前記組み合わせ情報は、複数の選択肢に相当する可変情報及び/又は前記可変情報に関連する変異情報を含み、
前記可変情報の各々、前記変異情報の各々、及び前記可変情報及び前記変異情報の少なくともいずれかは、互いの関係を示す依存制約情報を伴い、
前記可変情報及び/又は前記変異情報は、各々に関連する属性値情報を含む
ことを特徴とするコンピュータ読み取り可能な組み合わせ決定支援プログラム。 A computer that supports the decision of a combination consisting of multiple options,
Obtaining combination information for each user modeled based on the combination,
storing the acquired combination information;
setting constraint information that contributes to constraint satisfaction of the stored combination and an objective function that contributes to optimization;
calculating desired combination information based on the stored combination information and the set constraint information and objective function;
The combination information includes variable information corresponding to multiple options and/or mutation information related to the variable information,
each of the variable information, each of the mutation information, and at least one of the variable information and the mutation information is accompanied by dependency constraint information indicating a mutual relationship;
A computer-readable combination decision support program, wherein the variable information and/or the mutation information includes attribute value information associated with each.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021141483 | 2021-08-31 | ||
JP2021141483 | 2021-08-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023036000A true JP2023036000A (en) | 2023-03-13 |
Family
ID=85504030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022136404A Pending JP2023036000A (en) | 2021-08-31 | 2022-08-30 | Combination determination support system, combination determination support method, and combination determination support program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023036000A (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117670630A (en) * | 2024-02-02 | 2024-03-08 | 华侨大学 | Safety analysis method, system, equipment and medium for high-speed railway interlocking system |
-
2022
- 2022-08-30 JP JP2022136404A patent/JP2023036000A/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117670630A (en) * | 2024-02-02 | 2024-03-08 | 华侨大学 | Safety analysis method, system, equipment and medium for high-speed railway interlocking system |
CN117670630B (en) * | 2024-02-02 | 2024-04-30 | 华侨大学 | Safety analysis method, system, equipment and medium for high-speed railway interlocking system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Digital twin-driven rapid individualised designing of automated flow-shop manufacturing system | |
Tao et al. | Digital twin-driven product design framework | |
Lattanzi et al. | Digital twin for smart manufacturing: A review of concepts towards a practical industrial implementation | |
Usman et al. | A critical review of ai-driven strategies for entrepreneurial success | |
US20050278271A1 (en) | System and method for determining a product configuration | |
Zhang et al. | Perspective: a review of lifecycle management research on complex products in smart-connected environments | |
Cui et al. | 3D printing in the context of cloud manufacturing | |
Wang et al. | Configuration-based smart customization service: A multitask learning approach | |
KR102594631B1 (en) | Clothing sales and design method and apparatus using clothing product recommendation | |
WO2019035097A1 (en) | Centralized framework for small batch manufacturing | |
Cupek et al. | Knowledge integration via the fusion of the data models used in automotive production systems | |
JP2023036000A (en) | Combination determination support system, combination determination support method, and combination determination support program | |
Nassehi et al. | Toward interoperable CNC manufacturing | |
Bazaz et al. | Availability of manufacturing data resources in digital twin | |
US12020056B2 (en) | Industrial automation control project conversion | |
US11687493B1 (en) | Process recipe digital twin structuring | |
Belkadi et al. | PSS Pattern concept for knowledge representation in design process of industrial product-service systems | |
Li et al. | The media-oriented cross domain recommendation method | |
US11853311B2 (en) | Manufacturing process data orchestration | |
US20230274215A1 (en) | Pharma innovator and manufacturing process data conversion with batch process performance data feedback | |
Labarthe et al. | A methodological approach for agent based simulation of mass customizing supply chains | |
dos Santos et al. | Digital Twins Architecture | |
Shan | Optimal pricing strategies and decision‐making systems in e‐commerce using integrated fuzzy multi‐criteria method | |
US20230273588A1 (en) | Manufacturing process data conversion and structuring | |
WO2024085184A1 (en) | Information management device, information management method, and information management program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20221011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |