JP2024010849A - Plan creation device and plan creation method - Google Patents
Plan creation device and plan creation method Download PDFInfo
- Publication number
- JP2024010849A JP2024010849A JP2022112395A JP2022112395A JP2024010849A JP 2024010849 A JP2024010849 A JP 2024010849A JP 2022112395 A JP2022112395 A JP 2022112395A JP 2022112395 A JP2022112395 A JP 2022112395A JP 2024010849 A JP2024010849 A JP 2024010849A
- Authority
- JP
- Japan
- Prior art keywords
- plan
- evaluation
- automatically generated
- processing unit
- difference
- 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 abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 164
- 238000012545 processing Methods 0.000 claims abstract description 125
- 238000003860 storage Methods 0.000 claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000013459 approach Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 18
- 238000013461 design Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 42
- 239000000047 product Substances 0.000 description 42
- 238000012986 modification Methods 0.000 description 40
- 230000004048 modification Effects 0.000 description 40
- 230000006870 function Effects 0.000 description 32
- 238000012360 testing method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000007591 painting process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、自動生成計画を計画作成者が修正して得た手修正計画を最終計画として採用する計画作成装置および計画作成方法に関する。 The present invention relates to a plan creation device and a plan creation method that employs, as a final plan, a manually revised plan obtained by modifying an automatically generated plan by a planner.
製品の製造や大規模システムの運営、管理など、事前計画が重要となる事象は数多い。そうした計画の作成に際しては、時間や空間および設備、人等のリソースなどの制約条件を順守しつつ、生産量の最大化、設備稼働率の最大化、作業員人数の最小化といった計画の目的関数を満たす計画を作成する必要がある。こうした計画作成を人手で行うと時間が掛かり過ぎることから、計算機を用いるケースも多い。 There are many situations where advance planning is important, such as manufacturing products and operating and managing large-scale systems. When creating such a plan, the objective functions of the plan, such as maximizing production volume, maximizing equipment utilization rate, and minimizing the number of workers, must be determined while observing constraints such as time, space, equipment, human resources, etc. It is necessary to create a plan that satisfies the following. Creating such a plan manually would take too much time, so computers are often used.
一方、実環境ではしばしば複数の制約条件や複数の目的関数が複雑化しているため、全ての制約条件や目的関数を正確に定義し、計算機に入力することが困難なケースがある。そうした場合、制約条件や目的関数を可能な範囲で定義し、経験則によるロジックと組み合わせることにより、計画の精度を上げることができる。しかし、完全に実環境を模擬する制約条件や目的関数を計算機上で定義することは極めて困難であり、また経験則によるロジックは汎用性や拡張性を欠くため、計算機が出力する計画そのままで計画作成者の満足いくものにはなり難い。 On the other hand, in real environments, multiple constraints and multiple objective functions are often complex, so there are cases where it is difficult to accurately define all constraints and objective functions and input them into a computer. In such cases, the accuracy of planning can be improved by defining constraints and objective functions to the extent possible and combining them with logic based on empirical rules. However, it is extremely difficult to define constraints and objective functions that perfectly simulate the real environment on a computer, and logic based on empirical rules lacks versatility and scalability, so planning can be done using the plans output by the computer as they are. It is difficult to achieve something that satisfies the creator.
このため、計算機が出力した計画を計画作成者が修正した計画を元に、複数の制約条件や目的関数のあいまいな優先順位を計測し、それらの優先順位を次の計画作成に反映する手法が提案されている。 For this reason, there is a method that measures the ambiguous priorities of multiple constraints and objective functions based on the plan output by the computer and revised by the planner, and then reflects those priorities in the creation of the next plan. Proposed.
例えば特許文献1によれば、修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とすることを目的として、「計画作成部112は、記憶装置120から読み出された計画条件データ121及び修正ノウハウデータ126~129を用いて、新規計画が制約条件及び目的関数を満たし、修正ノウハウデータに含まれるグループのいずれかに適合するよう新規計画の決定変数を決定する。ここで、修正ノウハウデータは、複数の修正前計画の作業パターンの傾向を示すアンチパターン127と複数の修正前計画に対して計画作成者による修正がなされた複数の修正後計画の作業パターンの傾向を示すレファレンスパターン128と、複数の修正前計画の計画関連情報及び決定変数の統計量である修正確率126とが求められたグループを複数含む。」ように構成することを提案している。
For example, according to
特許文献1によれば、修正前計画と計画作成者による修正後計画から抽出した修正ノウハウを反映させて、より精度の高い計画作成を可能とすることができる。
According to
しかしながら、常に人の修正が正しいとは限らないし、例えば別の理由があったかもしれない。また特許文献1では修正前計画と修正後計画との差分から修正ノウハウを抽出しているが、差分からでは、各指標の優先度の変更といった方針転換を抽出することは困難である。
However, people's corrections are not always correct, and there may be other reasons, for example. Further, in
以上のことから本発明においては、むやみに計画作成装置を更新せず、適切なタイミングで自動更新することにより、持続的に安定した生産を実現することを可能とする計画作成装置および計画作成方法を提供することを目的とする。 Based on the above, the present invention provides a planning device and a planning method that make it possible to achieve sustainable and stable production by automatically updating the planning device at an appropriate time without unnecessarily updating the planning device. The purpose is to provide
本発明によれば、「自動生成計画を計画作成者が修正して得た手修正計画を最終計画とする計画作成装置であって、自動計画立案処理部が作成した自動生成計画と、自動生成計画を計画作成者が修正した手修正計画を記憶する記憶装置と、自動生成計画と手修正計画について予め定めた複数の評価指標をそれぞれ評価する評価処理部と、自動生成計画の評価結果と手修正計画の評価結果との差分を求める検知処理部と、差分が所定の閾値よりも大きいことをもって、差分を最小化するための評価指標の重みの調整の更新タイミングであることをリコメンドする提案処理部とを備える中央処理装置と、提案処理部がリコメンドした評価指標の重みの調整を計画作成者に提示する出力装置と、を備えることを特徴とする計画作成装置」としたものである。 According to the present invention, there is provided a plan creation device that uses, as a final plan, a manually revised plan obtained by modifying an automatically generated plan by a planner, wherein an automatically generated plan created by an automatic planning processing unit and an automatically generated a storage device that stores manually revised plans modified by the plan creator; an evaluation processing unit that evaluates a plurality of predetermined evaluation indicators for the automatically generated plans and manually revised plans; and an evaluation processing unit that stores the evaluation results of the automatically generated plans and the manual A detection processing unit that calculates the difference between the evaluation result of the modification plan and a proposal process that recommends that it is time to update the weight of the evaluation index in order to minimize the difference, based on the fact that the difference is larger than a predetermined threshold. and an output device that presents to a planner the adjustment of the weight of the evaluation index recommended by the proposal processing unit.
また本発明によれば、「自動生成計画を計画作成者が修正して得た手修正計画を最終計画とする計画作成方法であって、自動生成計画と、自動生成計画を計画作成者が修正した手修正計画について予め定めた複数の評価指標をそれぞれ評価し、自動生成計画の評価結果と手修正計画の評価結果との差分を求め、差分が所定の閾値よりも大きいことをもって、差分を最小化するための評価指標の重みの調整の更新タイミングであることを計画作成者に提示することを特徴とする計画作成方法」としたものである。 Further, according to the present invention, there is provided a plan creation method in which a manually revised plan obtained by modifying an automatically generated plan by a planner is the final plan, the automatically generated plan and the automatically generated plan being revised by the planner. A plurality of predetermined evaluation indicators are evaluated for each manually revised plan, and the difference between the evaluation result of the automatically generated plan and the evaluation result of the manually revised plan is calculated, and if the difference is larger than a predetermined threshold, the difference is minimized. 1. A plan creation method characterized by presenting to a plan creator that it is time to update the weights of evaluation indicators for the purpose of
本発明によれば、むやみに装置を更新せず、適切なタイミングで自動更新することにより、持続的に安定した生産を実現することを可能とすることができる。 According to the present invention, by automatically updating the equipment at an appropriate timing without unnecessarily updating the equipment, it is possible to achieve sustainable and stable production.
以下、本発明の実施例について、図面を用いて説明する。なお計画作成装置が対象とする計画は限定されず、工場の生産、社会インフラストラクチャーのメンテナンス、あるいは各種施設における人員割りなど多種多様な計画への適用が考えられるが、ここではあらかじめ決められた工程で作業して製品を製造する、いわゆる生産計画の計画作成を行う計画作成支援装置を例に説明する。 Embodiments of the present invention will be described below with reference to the drawings. Note that the plans that can be targeted by the planning device are not limited, and can be applied to a wide variety of plans such as factory production, maintenance of social infrastructure, or personnel assignments in various facilities. An example of a planning support device that creates a so-called production plan for manufacturing a product by working with the system will be explained.
本発明の実施例では、計画作成装置の一部を計画作成者の判断に委ねる計画作成支援装置として構成することについて説明する。 In an embodiment of the present invention, a case will be described in which a part of the planning device is configured as a planning support device that is left to the discretion of the planner.
本発明の実施例に係る計画作成装置について図1を用いて説明する。なお計画作成支援装置10を実現する具体的な構成としては、メインフレームやパーソナルコンピュータ等を想定して説明するが、クラウド上に実現することも可能である。
A planning device according to an embodiment of the present invention will be explained using FIG. 1. Note that although the specific configuration for realizing the
計画作成支援装置10は、以下のハードウェア構成を備える。すなわち、SSD(Solid State Drive)などの不揮発性記憶素子やハードディスクドライブなど磁気媒体で構成される記憶装置120、RAMなど揮発性記憶素子で構成されるメモリ150、記憶装置120に保持されるプログラム130をメモリ150に読み出すなどして実行し、装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なう中央処理装置(演算装置)110、計画作成者Mからのキー入力や音声入力を受け付ける入力装置160、処理データの表示を行うディスプレイ等の出力装置140、を備え、これらのハードウェアはバスにより互いに通信可能に接続されている。
The
中央処理装置110は、記憶装置120に格納されたプログラム130をメモリ150に読み出して実行することで、自動生成計画と手修正計画を評価する評価処理部111、評価結果から対応すべき事態を検知する検知処理部112、評価値の差が大きくなった時に評価指標の重みの調整を計画作成者Mに求める提案処理部113、評価指標の重みの調整を行う調整処理部114、自動生成計画を立案する自動計画立案処理部115のそれぞれの機能を実行する。
The
上記構成により、本発明の実施例に係る計画作成支援装置10は、自動計画立案処理部115が作成する自動生成計画と計画作成者が人手で修正した手修正計画の差を評価して、自動計画立案処理部115の機能を最適化調整可能とすることを支援する。
With the above configuration, the
なお、プログラム130は記憶装置120に格納されている形態の他、実行時など必要な時に計画作成支援装置10が所定媒体を介して他装置から記憶装置120に導入するようにしてもよい。媒体とは、例えば計画作成支援装置10の所定のインターフェイスに着脱可能な記憶媒体、あるいは通信媒体を指す。
The
また、記憶装置120には、これらの機能を実行するために必要なデータ、具体的には、制約条件・目的関数(計画条件)121、計画関連情報122、自動生成計画結果123、手修正計画結果124、評価結果125、各評価の重み126、プログラム130が記憶されている。
The
図1の記憶装置120に格納される上記の各種データは、予め設定された情報と、逐次更新される情報と、本発明により生成される情報とに区分することができ、このうち予め設定された情報が制約条件・目的関数(計画条件)121、計画関連情報122であり、逐次更新される情報が自動生成計画結果123、手修正計画結果124であり、本発明により生成される情報が評価結果125、各評価の重み126である、ということができる。
The above-mentioned various data stored in the
次に各データの詳細について説明するが、その前提として、まず計画作成支援装置10が作成する計画の例を、図2を用いて説明しておく。図2では、Nの工程Lj(j=1~N)を実行してMの製品Pi(i=1~M)を生産する生産計画を作成するものとし、例えばガントチャート20に示すような生産計画を得ることを目的とする。なお、ガントチャート20は、N=4、M=3としたときの例であり、あわせて工程L4についての時間軸を示している。
Next, the details of each data will be explained, but as a premise, an example of a plan created by the plan
図2には計画作成支援装置10がガントチャート20で示されるような計画を作成するための計画条件を合わせて示している。また、生産計画を作成するにあたり、製品の集合Piと当該製品を生産するために必要な工程の集合Liが定義され、各製品に対する各工程の処理時間Tijが説明変数として与えられる。
FIG. 2 also shows planning conditions for the
図2の例では、制約条件として2つの条件を設けている。第1は順序制約であり、各工程において、現在の製品に対する工程が終わらないと他の製品に対する工程は開始できないという条件である。第2は設備制約であり、各工程において、一つの工程では複数の製品に対する作業を実行できないという条件である。また、計画の目標として、全製品に対する全工程が終了する時間(全体処理時間)を最小化する目的関数fが設定されている。したがって、この場合、生産計画を作成するということは、上述した2つの制約条件を満たし、目的関数fを最小化する各製品に対する各工程の開始時刻tij(決定関数)を求めることを意味する。なお、以上は例示であって、製品の種類の組合せ条件、納期条件等の他の制約条件、あるいは生産コストの最小化等の目的関数が設定されていてもよい。また複数の目的関数が設定されていてもよい。 In the example of FIG. 2, two conditions are provided as constraint conditions. The first is an order constraint, which is a condition that in each process, processes for other products cannot be started until the process for the current product is completed. The second is equipment constraints, which is a condition that in each process, work on multiple products cannot be performed in one process. Furthermore, as a goal of the plan, an objective function f is set that minimizes the time to complete all processes for all products (total processing time). Therefore, in this case, creating a production plan means finding the start time t ij (decision function) of each process for each product that satisfies the above two constraints and minimizes the objective function f. . Note that the above is just an example, and other constraint conditions such as combination conditions of product types, delivery date conditions, or objective functions such as minimization of production costs may be set. Further, a plurality of objective functions may be set.
以上の制約条件、目的関数、決定変数、説明変数のデータが、記憶装置120の制約条件・目的関数(計画条件)121として記憶されている。続いて、計画作成支援装置10が計画を作成するために使用するデータのデータ構造について説明する。
The data of the above constraints, objective functions, decision variables, and explanatory variables are stored as constraints/objective functions (planning conditions) 121 in the
計画関連情報122は、過去の計画について収集された、計画に関連するデータの集合である。計画関連情報122の内容は計画の良否に影響を与える情報として計画作成者Mが任意に選択できる。例えば、計画作成者が計画の修正を行うとき、どのような情報を基に修正要否を判断するかといった知見に基づき、計画関連情報122としてどのようなデータを蓄積するか決めることが望ましい。計画関連情報122の具体例として、ここでは計画情報122a、製品情報122bを例示する。
The plan-related
図3に例示する計画情報122aの各レコードには、計画番号2211、計画実行月2212、計画実行日2213、作業数2214などの各値が格納されている。計画番号2211は、計画を一意に特定する識別情報であって、同一の計画番号であるレコードは該当計画番号の計画を説明する情報を表している。計画実行月2212は計画の実行月、計画実行日2213は計画を実行日、作業数2214は計画における作業の総数(工程数N×製品数M)である。これは、計画が実行される月、あるいは日付、計画の全体的な負荷が計画の良否に影響すると考えられる場合に、これらのデータを、計画を説明する情報122aとして収集する。他にも、計画作成者を一意に特定する識別情報、生産設備の稼働状態、天候等のデータを含むとしてもよい。また、計画作成者Mが計画を説明する情報としてみなさない限り、図3に例示したデータであっても計画情報122aに含ませる必要はない。これは、以下に説明する他のデータについても同様である。
Each record of the plan information 122a illustrated in FIG. 3 stores values such as a
図4に例示する製品情報122bの各レコードには、計画番号2221、製品2222、色2223、発注者2224などの各値が格納されている。計画番号2221は、計画情報を一意に特定する識別情報であって、計画番号2211と同一である。製品2222は、計画が対象とする製品を一意に特定する識別情報、色2223は製品の色、発注者2224は製品を発注した注文者を識別するコードである。製品情報122bとして収集するデータは、計画の良否に影響を与える製品の情報として選択される。例えば、この例で色情報が含まれているのは、計画に塗装工程が含まれるとして、製品の色が塗装順序に影響を与えるといったケースを想定している。この他に、製品の種別、納期等のデータを含むとしてもよい。
Each record of the product information 122b illustrated in FIG. 4 stores values such as a
続いて、自動生成計画結果123及び手修正計画結果124について説明する。計画作成者は必要に応じて、計画作成支援装置10が決定した開始時刻を、自分の知識、ノウハウに基づいて手直しし、修正した計画を実行することがある。このような場合に、手直し前後の計画をそれぞれ自動生成計画結果123及び手修正計画結果124として記憶する。したがって、自動生成計画結果123に記憶された計画(修正前)には、対応する手修正計画結果124に記憶された計画(修正後)が存在している。
Next, the automatically generated
なおここで、自動生成計画結果123は自動計画立案処理部115を用いて生成されたものであるが、自動計画立案処理部115における自動生成計画結果123の具体的な作成手法は例えば特許文献1などで知られているのでここでの詳細説明は割愛する。本発明は、自動計画立案処理部115における自動生成計画作成手法を限定するものではない。
Here, the automatically generated
図5に例示する自動生成計画結果123の各レコードは、計画番号2301、製品2302、工程2303、処理時間2304、開始時刻2305などの各値が格納されている。計画番号2301は、計画を一意に特定する識別情報であって、計画番号2211と同一である。製品2302は、計画が対象とする製品を一意に特定する識別情報、工程2303は、計画が対象とする工程を一意に特定する識別情報、処理時間2304は、該当製品に対する該当工程の処理時間Tij、開始時刻2305は、該当製品に対する該当工程の開始時刻tijである。計画番号を同一とするレコードの情報から、図2に示したガントチャートが作成できることが理解できよう。製品2302、工程2303、処理時間2304のフィールド値は計画を作成するために与えられた値であり、開始時刻2305のフィールド値は、計画作成支援装置10により決定された値である。
Each record of the automatically generated
図6で例示する手修正計画結果124の各レコードは、計画番号2401、作業2402、工程2403、処理時間2404、開始時刻2405などの各値が格納されている。各レコードの項目の意味は、図5で示した自動生成計画結果123の項目と同じである。両者を比較することにより、例えば計画番号が0601-0800では、製品P2、工程L1の開始時刻t21が08:10から08:20に修正されていることが分かる。
Each record of the manual modification plan result 124 illustrated in FIG. 6 stores values such as a
なお、記憶装置120内の手修正計画結果124について、さらに修正ログを併せて記憶しておくのがよい。修正ログを記憶し、適宜提示することで計画作成者の判断を支援することが期待できる。修正ログは、計画作成者が修正したアクションをステップごとに記録した修正ログである。図7に例示する修正ログ125の各レコードは、計画番号2501、ステップ2502、製品2503、工程2504、修正前開始時刻2505、修正後開始時刻2506などの各値が格納されている。
Note that it is preferable to further store a modification log for the manual modification plan result 124 in the
計画番号2501は、計画を一意に特定する識別情報であって、計画番号2211と同一である。ステップ2502は、該当計画番号の計画における計画作成者が手直ししたアクションの順番であり、計画番号ごとに1番から開始する。製品2302は、修正対象となった製品を一意に特定する識別情報、工程2303は、修正対称となった工程を一意に特定する識別情報、修正前開始時刻2505は、計画作成者が修正する前の開始時刻tij、すなわち計画作成支援装置10が計画作成時に決定した開始時刻であり、修正後開始時刻2506は、計画作成者が修正した開始時刻tijである。修正ログ125は、計画作成者が、重要な修正、例えば他の決定変数に与える影響の大きい修正から先に行うと考えられることから、修正内容の個々の重要性を示す情報として記憶するものである。
The
以上、記憶装置120の記憶内容について説明してきたが、記憶装置120に記憶される各種データのうち評価結果125と各評価指標の重み126は、本発明により生成される情報であることから、この具体内容については別途説明することにする。
The storage contents of the
図1に戻り、図1の計画作成支援装置10は、中央処理装置110に示す各種機能により、記憶装置120に記憶される各種データを用いた演算を実行し、その結果としての中間生成物、最終成果物を求めている。中央処理装置110に示す各種機能は、図8の流れに示すように時系列的に処理されている。
Returning to FIG. 1, the
図8によれば、中央処理装置110には自動生成計画123と手修正計画124が入力され、またモニタなどの出力装置140に適宜の情報が表示され、計画作成者Mが入力装置160から適宜の指示入力を与えることで、自動計画立案処理部115の機能を最適化することを支援している。
According to FIG. 8, an automatically generated
中央処理装置110の内部処理では、まず評価処理部111が自動生成計画123と、手修正計画124を入力する。ここで自動生成計画123は、自動計画立案処理部115において自動的に作成されたものであり、手修正計画124は計画作成者Mが過去の運転実績などをみて自己のノウハウなどを勘案のうえで自動生成計画123を修正したものであり、最終的には手修正計画124によりプラントなどが運用されたものである。評価処理部111は、過去の一定期間の自動生成計画123と手修正計画124の評価結果を入力する。なお以下の説明では、月単位での自動生成計画123と手修正計画124の評価結果を半年分程度入力したものとする。
In the internal processing of the
評価処理部111は、自動計画立案処理部115が生成した自動生成計画123と、それを計画作成者Mが手修正した手修正計画124との2つの計画をそれぞれ評価する。評価する際は、自動計画立案処理部115に搭載されている制約条件Cの違反チェック機能と評価指標値Eの算出機能を利用する。評価結果は、記憶装置120に125として格納し蓄積する。
The
検知処理部112では、評価結果125を比較可視化130によりモニタなどの出力装置140を通じて計画作成者Mに提示する。提案処理部113では、自動生成計画123と手修正計画124とを比較評価し、評価値の差が大きくなったとき、評価指標の重みの調整を更新リコメンド131としてモニタなどの出力装置140を通じて計画作成者Mに提示する。提示内容に応じて、計画作成者Mは調整が必要と思われる要因やその大きさなどを、適宜入力装置160を介して中央処理装置110に与えることで以降の処理に反映することができる。
The
調整処理部114では、評価値の差が大きくなったとき、評価値の差が小さくなるような評価指標の重みを探索し決定する。この処理は、あくまで重みの値の探索までであり、運用中の自動生成に組み込んでいる重みの値は変更しない。計画作成者Mの承認を得て決定された評価指標の重みは記憶装置120に126として格納し蓄積するとともに、自動計画立案処理部115における次回計画に反映される。なお、決定された評価指標の重みは比較可視化130によりモニタの画面などを通じて適宜計画作成者Mに提示される。
The
図9は、図8に示した各種の機能を具体的に示すフローチャートである。図9のフローは、処理ステップS100から処理ステップS400が評価処理部111と検知処理部112における処理であり、処理ステップS500と処理ステップS510が提案処理部113における処理であり、処理ステップS520から処理ステップS540が調整処理部114における処理であり、処理ステップS600が検知処理部112における処理である。
FIG. 9 is a flowchart specifically showing the various functions shown in FIG. 8. In the flow of FIG. 9, processing steps S100 to S400 are processings in the
最初に評価処理部111と検知処理部112における処理について説明する。図9のフローでは、最初に処理ステップS100において計画作成者Mが立案した手修正計画と、自動計画立案処理部115が生成した自動生成計画のセットを1セット以上用意する。
First, the processing in the
次に処理ステップS200では、評価処理部112の処理として手修正計画と自動生成計画を受け付けて、評価指標の評価値を算出する。以下、手修正計画と自動生成計画の評価指標とその評価値について、事例を挙げて詳細に説明する。
Next, in processing step S200, the
ここでは、評価指標として制約条件Cと評価指標値Eを想定する。制約条件Cは、「してはならない、なるべくすべきではない」といった改善すべき事項(いわば負の評価要因)であり、評価指標値Eは「なるべく長く、或は大きく、持続することが望ましい」といった推奨すべき事項(いわば正の評価要因)である。これら正負の評価指標を数値化して示したのが評価値である。 Here, a constraint condition C and an evaluation index value E are assumed as evaluation indices. Constraint C is a matter that should be improved (so to speak, a negative evaluation factor) such as "must not be done, or should not be done if possible", and evaluation index value E is "desirable to last as long or as large as possible". ” are things that should be recommended (so to speak, positive evaluation factors). The evaluation value is a numerical representation of these positive and negative evaluation indicators.
以下に示す事例では、図10の左側の番号♯と分類の欄に示すように制約条件Cに関して制約条件C01から制約条件C03の3ケースを設定し、評価指標値Eに関して、評価指標値E01から評価指標値E03の3ケースを設定したものとする。 In the example shown below, three cases from constraint C01 to constraint C03 are set for constraint C as shown in the number # and classification column on the left side of FIG. Assume that three cases of evaluation index value E03 are set.
これらは例えば以下のようなものである。制約条件C01は、各工程において現在の製品に対する工程が終わらないと他の製品に対する工程は開始できないという制約であり、制約条件C02は、各工程において一つの工程では複数の製品に対する作業を実行できないという制約であり、制約条件C03は、製品ごとに設定された納期までに生産完了しなければならないという制約である。 For example, these are as follows. Constraint C01 is a constraint that in each process, a process for another product cannot be started unless the process for the current product is completed, and constraint C02 is a constraint that in each process, a single process cannot perform work on multiple products. The constraint C03 is a constraint that production must be completed by the delivery date set for each product.
また評価指標値Eに関して、評価指標値E01は、在庫日数に関して適正在庫日数が小さい計画を高く評価するというものであり、評価指標値E02は、同じ製品生産の連続回数に関して同じ生産を連続生産している回数が多い計画を高く評価するというものであり、評価指標値E03は、単品生産/日の割合に関してなるべく1日の中では型替え時間が短い計画を高く評価するというものである。 Regarding the evaluation index value E, the evaluation index value E01 is to highly evaluate a plan with a small number of appropriate inventory days in terms of the number of inventory days, and the evaluation index value E02 is to evaluate a plan with a small number of appropriate inventory days in terms of inventory days, and an evaluation index value E02 is to evaluate a plan in which the same product is continuously produced with respect to the number of consecutive productions of the same product. The evaluation index value E03 is such that a plan in which the mold change time is as short as possible in one day in terms of the ratio of single item production/day is highly evaluated.
制約条件C01から制約条件C03の3ケースについてみると、どの制約条件も値が小さいほど良い計画であることを表している。また、評価指標E01から評価指標E03の3ケースについてみると、どの評価指標も値が小さいほど良い計画であることを表している。 Looking at the three cases from constraint condition C01 to constraint condition C03, the smaller the value of each constraint condition, the better the plan. Moreover, looking at the three cases of evaluation index E01 to evaluation index E03, the smaller the value of any evaluation index, the better the plan.
図9に戻り処理ステップS200では評価処理部111の処理の結果として、自動計画立案処理部115が生成した自動生成計画123と、それを計画作成者Mが手修正した手修正計画124との2つの計画をそれぞれ評価した結果として、図10に示す計画評価を求めたものとする。
Returning to FIG. 9, in processing step S200, as a result of the processing of the
図10は、月ごとに複数の制約条件Cの違反量と、複数の評価指標値Eの評価結果を時系列的にまとめたものである。記号●が自動生成計画、記号▲が手修正計画である。この図10では、横軸に示す1月から4月までの4カ月間の毎月について複数の制約条件Cの違反量と、複数の評価指標値Eの評価結果を時系列に比較しており、縦軸の違反量は、ゼロのとき違反が無かったことを表している。この評価結果が、記憶装置120の評価結果125に格納し蓄積される。なお以降では、制約条件Cの違反量と、複数の評価指標値Eの評価結果を評価値ということがある。
FIG. 10 shows a chronological summary of the amount of violations of a plurality of constraint conditions C and the evaluation results of a plurality of evaluation index values E for each month. The symbol ● is an automatically generated plan, and the symbol ▲ is a manually modified plan. In FIG. 10, the amount of violation of multiple constraints C and the evaluation results of multiple evaluation index values E are compared in chronological order for each month of the four months from January to April shown on the horizontal axis. The amount of violation on the vertical axis indicates that there was no violation when it is zero. This evaluation result is stored and accumulated in the
なお、図9の検知処理部112が提示する図10の傾向によれば各種事象を表している。例えば、4月には濃い線で示す自動生成計画と薄い線で示す手修正計画との評価値の差が大きくなったことを検知し、図10の様に4月と5月と6月は評価指標の重みを調整して生成したテスト計画の結果も合わせて示す場合もある。
Note that the trends in FIG. 10 presented by the
ここでテストとは、評価値の差が大きくなったとき、調整した評価指標の重みを自動生成計画に適用して計画を生成し、新たに生成した計画を評価し、調整前の自動生成計画に、計画と手修正計画の評価結果と並べて計画作成者Mに表示することである。 Testing here means that when the difference in evaluation values becomes large, a plan is generated by applying the weight of the adjusted evaluation index to the automatically generated plan, the newly generated plan is evaluated, and the automatically generated plan before adjustment is The plan is then displayed to the plan creator M side by side with the evaluation results of the plan and the manually revised plan.
さらに図10に例示する制約条件Cの違反量および評価指標Eの変動の推移から、以下のことがわかる。この例では、自動生成計画は概ね手修正計画より良い計画を生成している。制約条件C01、C02、C03の違反量は、自動生成計画より手修正計画の方が多く、これらの制約条件はある程度の違反が許容されていることがわかる。特に制約条件C03の手修正計画の違反量は増加傾向にあり、この制約条件は重要でないことがうかがえる。評価指標E01、E02、E03は、自動生成計画と手修正計画とが共に類似している。 Furthermore, the following can be seen from the changes in the amount of violations of the constraint C and the fluctuations in the evaluation index E illustrated in FIG. In this example, the automatically generated plan generally produces a better plan than the manually modified plan. The amount of violations of the constraints C01, C02, and C03 is greater in the manually modified plan than in the automatically generated plan, indicating that violations of these constraints are allowed to some extent. In particular, the amount of violations of the manual modification plan for constraint C03 is on the rise, indicating that this constraint is not important. The evaluation indicators E01, E02, and E03 are similar for both the automatically generated plan and the manually corrected plan.
なお、このとき検知処理部112は出力装置140に比較可視化130を行い、記憶装置120に蓄積されたこれまでの自動生成計画123と手修正計画124の評価結果を時系列に並べて例えば図10のような形式で表示するのがよい。
At this time, the
検知処理部112の処理により検知されたこれらの事象の中には、自動計画立案処理部115における自動計画に反映させた方がよい事象も含まれることから、提案処理部113では自動生成計画と手修正計画とを比較評価し、評価値の差が大きくなったとき、評価指標の重みの調整を計画作成者Mに提示する。この処理が、図9のフローにおける処理ステップS300の処理である。
These events detected by the processing of the
処理ステップS300の評価処理では、自動生成計画と手修正計画のそれぞれの評価結果の差を算出し、評価結果125と共に記憶装置120に格納し蓄積する。ここで、評価結果の差について、例えばi番目の計画の評価結果の差diは(1)式を用いて算出する。
In the evaluation process of processing step S300, the difference between the evaluation results of the automatically generated plan and the manually modified plan is calculated and stored and accumulated in the
(1)式においてpjは自動生成計画におけるj番目の評価指標の値であり、pj´は手修正計画におけるj番目の評価指標の値である。計画の良し悪しの比較は、評価指標値の大きさより異なる評価指標間の優先度のバランスの影響が大きいため、ユークリッド距離ではなくコサイン類似度を採用した。 In equation (1), pj is the value of the j-th evaluation index in the automatically generated plan, and pj' is the value of the j-th evaluation index in the manually modified plan. When comparing the quality of a plan, cosine similarity was used instead of Euclidean distance because the balance of priorities between different evaluation indicators has a greater influence than the size of the evaluation index value.
処理ステップS400の評価処理では、検知処理部112において(2)式を用いて自動生成計画と手修正計画のそれぞれの評価結果の差の変動値を算出する。具体的には、準備段階に算出した計画セットの評価値の差と最新の計画の評価結果の差とから変動値αをホテリング理論に則し(2)式から算出する。ここでd0とσ0は準備段階に算出した計画セットの評価値の差の平均値と標準偏差である。また、dnは最新の計画の評価結果の差である。以上が、評価処理部111と検知処理部112における処理である。
In the evaluation process of processing step S400, the
次に提案処理部113における処理では、まず処理ステップS500において変動値αと閾値kとを比較し、閾値以上のときは処理ステップS510に、閾値未満のときは処理ステップS600に進む。変動値αはカイ二乗分布に従うことから90%以上の確率で変化があると認められる閾値k=2.71を設定する。処理ステップS510では、提案書部113は、更新タイミングであることを、出力装置140を介してリコメンドする。
Next, in the process in the
次に調整処理部113における処理では、まず処理ステップS520において修正計画の評価指標に近づくように評価指標の重みを調整する。具体的には次の逆最適化問題を解いて評価指標の重みを調整する。求められた評価指標の重みは、記憶装置120に126として記憶、蓄積され、自動計画作成部115での次回処理に反映される。
Next, in the process in the
自動生成での計画スコアの計算式(目的関数)f(x)は、計画値xとi番目の評価指標の計算式fi(x)と重みwiとから(3)式で表せる。 The calculation formula (objective function) f(x) of the planned score in automatic generation can be expressed by equation (3) from the planning value x, the calculation formula fi(x) of the i-th evaluation index, and the weight wi.
また手修正計画で得られている計画値x*から未知の評価指標の重みwを求める逆問題E(w)であり(4)式で表せる。 Also, there is an inverse problem E(w) for calculating the weight w of an unknown evaluation index from the planned value x * obtained by the manual modification plan, and it can be expressed by equation (4).
なお逆問題E(w)は、初期解を現在設定している評価指標の重みとして局所探索法を用いて求解する。計画値xは評価指標の重みwを設定した自動計画により求める。 Note that the inverse problem E(w) is solved using a local search method with the initial solution as the weight of the currently set evaluation index. The planned value x is determined by automatic planning in which the weight w of the evaluation index is set.
次に処理ステップS530において、自動計画立案処理部115は調整した重みを反映して計画最適化問題を解きテスト計画として出力する。ここでのテスト計画処理は、調整した評価指標の重みを自動計画に適用して計画を生成する。そしてそのテスト計画に対し、自動計画立案処理部115に搭載されている制約条件Cの違反チェック機能と評価指標値Eの算出機能を利用して評価指標値を算出する。
Next, in processing step S530, the automatic
処理ステップS540では、自動計画立案処理部は(1)式を用いて処理ステップS530で生成したテスト計画と処理ステップS200で受け付けた手修正計画との差を算出する。 In processing step S540, the automatic planning processing unit uses equation (1) to calculate the difference between the test plan generated in processing step S530 and the manually revised plan received in processing step S200.
算出されたテスト結果は、検知処理部112において、自動生成計画と手修正計画の各評価指標値を時系列で表示し、また、自動生成計画と手修正計画との差の変動値も時系列で表示する。この表示結果を受けて、計画作成者Mはテスト結果を確認することができる。なお、調整した重みをテスト計画用に使うのではなく自走生成計画用に直接装置に反映しても良い。
As for the calculated test results, the
なお、処理ステップS530において、調整した重みを反映して計画最適化問題を解いて求めた新たな計画(例えばテスト計画)は、当初の自動計画と区別して述べると第二の自動生成計画というべきものであり、第二の自動生成計画の評価結果と手修正計画の評価結果との差分は第二の差分値というべきものである。 In addition, in processing step S530, the new plan (for example, a test plan) obtained by solving the plan optimization problem reflecting the adjusted weights can be referred to as a second automatically generated plan to distinguish it from the original automatic plan. Therefore, the difference between the evaluation result of the second automatically generated plan and the evaluation result of the manually modified plan can be called a second difference value.
図11は、修正後の結果を示す図である。図10の自動生成計画と手修正計画の評価値において1月から当月までの評価値を反映して重み調整した結果が、4月から6月までの評価値にどのように反映されたのかが点線のテスト結果として表記している。 FIG. 11 is a diagram showing the results after correction. The results of weight adjustment reflecting the evaluation values from January to the current month in the evaluation values of the automatically generated plan and manual modification plan in Figure 10 are reflected in the evaluation values from April to June. The test results are shown as dotted lines.
この例では、重み調整前、従って図10の評価値を出した時の自動生成計画と手修正計画の各評価指標(制約条件Cと評価指標値E)の重みを「1.0」として表している。そのうえで、制約条件C01、C03、評価指標値E01、E03の重みを低減し、評価指標値E02の重みを増加するように修正したことを表している。 In this example, the weight of each evaluation index (constraint C and evaluation index value E) of the automatically generated plan and manually modified plan before weight adjustment, and therefore when the evaluation values shown in Figure 10 are obtained, is expressed as "1.0". ing. This represents that the weights of the constraint conditions C01 and C03 and the evaluation index values E01 and E03 are reduced, and the weight of the evaluation index value E02 is increased.
この事例では、4月と5月のテスト結果は自動生成計画より手修正計画に近づいており改善されたことを示している。特に4月の制約条件C03と評価指標値E03のテスト結果が手修正計画に近づいていることを示している。しかし、6月のテスト結果は手修正計画から離れていて悪化していることを示した結果となっている。 In this case, the April and May test results are closer to the manually modified plan than the automatically generated plan, indicating an improvement. In particular, the test results for April's constraint C03 and evaluation index value E03 indicate that the manual correction plan is approaching. However, the test results in June showed that the manual correction plan had moved away and was getting worse.
図12は、自動生成計画とて修正計画との差の変動値をリコメンドする画面例を示している。図10の制約条件Cと評価指標値Eの個別案件についてこれを拡大表示し、前3か月分における調整前の自動生成計画と手修正計画との乖離度が増大してきていることを受けて、4月の時点で乖離度が大きくなったことを計画作成者Mに通知し重み調整をリコメンドし、その結果として後ろ3か月について調整後の自動生成計画と手修正計画との乖離度がテスト結果に示すように改善されたことを示している。 FIG. 12 shows an example of a screen that recommends the variation value of the difference between the automatically generated plan and the revised plan. An enlarged display of the individual project with constraint C and evaluation index value E in Figure 10 shows that the degree of deviation between the automatically generated plan before adjustment and the manually revised plan for the previous three months has been increasing. , notifies plan creator M that the degree of deviation has become large as of April and recommends weight adjustment, and as a result, the degree of deviation between the automatically generated plan after adjustment and the manually revised plan for the last three months is The test results show that improvements have been made.
より具体的に述べると、図12の縦軸は手修正計画に対する自動生成計画との差、またはテスト計画との差を表しており、範囲は0から1までで0のとき差が無く一致していることを意味する。また、(2)式から変動値から手修正計画との差に変換することにより、90%の確率で変化があると見込める差(=0.412、変動値=2.71)と、99%の確率で変化があると見込める差(=0.500、変動値=6.63)の境で色分けをしている。 To be more specific, the vertical axis in Figure 12 represents the difference between the manually modified plan and the automatically generated plan, or the difference between the test plan and the range is from 0 to 1, with 0 indicating no difference and matching. means that In addition, by converting the variation value to the difference from the manual correction plan using equation (2), we can calculate the difference that can be expected to change with a 90% probability (=0.412, variation value = 2.71) and the 99% Colors are used to indicate the difference that can be expected to change with probability (= 0.500, variation value = 6.63).
4月には自動生成計画と手修正計画との評価値の差が0.415(変動値=2.80)と若干ではあるが閾値を超えたため、4月と5月と6月は評価指標の重みを調整して生成したテスト計画の結果も合わせて示している。4月時点の重みを調整して生成したテスト計画と手修正計画との評価値の差は0.163(変動値=1.00)であり、閾値より下回り、大きな向上が認められた。 In April, the difference in evaluation value between the automatically generated plan and the manually modified plan was 0.415 (variation value = 2.80), which exceeded the threshold, although slightly, so April, May, and June were used as evaluation indicators. The results of the test plan generated by adjusting the weights are also shown. The difference in evaluation value between the test plan generated by adjusting the weights and the manually revised plan as of April was 0.163 (variation value = 1.00), which was less than the threshold and a significant improvement.
図10の制約条件Cの違反量および評価指標値Eの変動の推移からでは手修正計画との総合的な差はわかりづらかったが、図12ではより明確となった。特に4月では手修正計画との差が大きくなっていることがわかる。これは制約条件C03と評価指標E03が影響していると考えられる。4月時点の手修正計画に則して評価指標の重みを調整しテスト計画を生成した結果、4月と5月と共に元の自動生成計画より差の小さい計画を立案することができた。 Although it was difficult to understand the overall difference from the manual correction plan from the changes in the amount of violation of constraint C and the fluctuation of evaluation index value E in FIG. 10, it became clearer in FIG. It can be seen that the difference from the manually revised plan is particularly large in April. This is considered to be influenced by the constraint C03 and the evaluation index E03. As a result of generating a test plan by adjusting the weights of the evaluation indicators according to the manually revised plan as of April, we were able to create a plan with smaller differences than the original automatically generated plan in April and May.
以上述べた本発明によれば、自動計画立案処理部115が作成する自動生成計画と計画作成者が人手で修正した手修正計画の差を評価して、自動計画立案処理部115の機能を最適化調整可能とすることを支援することができる。これにより、むやみに装置を更新せず、適切なタイミングで自動更新することにより、持続的に安定した生産を実現することを可能とする。
According to the present invention described above, the function of the automatic
なお上記説明においては、計画作成者に適宜のタイミングで情報を提示し、計画作成者の指示を受けて処理を進行する形式の支援装置として発明を構成する事例について示したが、提示はするが、自動的に処理を進める形式の自動計画作成装置とすることも可能である。 In the above explanation, an example was shown in which the invention is constituted as a support device that presents information to the plan creator at an appropriate timing and proceeds with the process in response to instructions from the plan creator. It is also possible to use an automatic plan creation device that automatically proceeds with the process.
10:計画作成支援装置
110:中央処理装置
111:評価処理部
112:検知処理部
113:提案処理部
114:調整処理部
115:自動計画立案処理部
121:制約条件・目的関数(計画条件)
122:計画関連情報
123:自動生成計画結果
124:手修正計画結果
125:評価結果
126:評価の重み
120:記憶装置
130:プログラム
150:メモリ
140:出力装置
160:入力装置
10: Planning support device 110: Central processing unit 111: Evaluation processing unit 112: Detection processing unit 113: Proposal processing unit 114: Adjustment processing unit 115: Automatic planning processing unit 121: Constraint conditions/objective function (planning conditions)
122: Plan related information 123: Automatically generated plan result 124: Manually modified plan result 125: Evaluation result 126: Evaluation weight 120: Storage device 130: Program 150: Memory 140: Output device 160: Input device
Claims (12)
自動計画立案処理部が作成した自動生成計画と、前記自動生成計画を計画作成者が修正した手修正計画を記憶する記憶装置と、
前記自動生成計画と前記手修正計画について予め定めた複数の評価指標をそれぞれ評価する評価処理部と、前記自動生成計画の評価結果と前記手修正計画の評価結果との差分を求める検知処理部と、前記差分が所定の閾値よりも大きいことをもって、前記差分を最小化するための評価指標の重みの調整の更新タイミングであることをリコメンドする提案処理部とを備える中央処理装置と、
前記提案処理部がリコメンドした評価指標の重みの調整を計画作成者に提示する出力装置と、を備えることを特徴とする計画作成装置。 A plan creation device that uses a manually modified plan obtained by modifying an automatically generated plan by a planner as a final plan,
a storage device that stores an automatically generated plan created by an automatic planning processing unit and a manually modified plan that is modified by a plan creator;
an evaluation processing unit that evaluates a plurality of predetermined evaluation indicators for the automatically generated plan and the manual correction plan; and a detection processing unit that calculates a difference between the evaluation result of the automatically generated plan and the evaluation result of the manual correction plan. , a central processing unit comprising a proposal processing unit that recommends that it is time to update the weight of the evaluation index in order to minimize the difference when the difference is larger than a predetermined threshold;
A plan creation device comprising: an output device that presents to a plan creator adjustment of the weight of the evaluation index recommended by the proposal processing unit.
前記評価処理部は、前記自動生成計画と前記手修正計画とのそれぞれについて、予め定めた評価指標を数値化した評価値を前記評価結果として求めることを特徴とする計画作成装置。 The planning device according to claim 1,
The plan creation device is characterized in that the evaluation processing unit obtains, as the evaluation result, an evaluation value obtained by quantifying a predetermined evaluation index for each of the automatically generated plan and the manually modified plan.
前記評価指標は、改善すべき事項である制約条件と、推奨すべき事項である評価指標とがそれぞれ複数組設定されていることを特徴とする計画作成装置。 The planning device according to claim 2,
A planning device characterized in that the evaluation index includes a plurality of sets of constraint conditions that are items to be improved and evaluation indicators that are items to be recommended.
前記中央処理装置は、前記手修正計画の評価指標に近づくように前記自動生成計画の前記評価指標の重みを調整する調整処理部を備えることを特徴とする計画作成装置。 The planning device according to claim 1,
The plan creation device, wherein the central processing unit includes an adjustment processing unit that adjusts the weight of the evaluation index of the automatically generated plan so that it approaches the evaluation index of the manually modified plan.
前記自動計画立案処理部は、前記調整された重みに基づいて第二の自動生成計画を作成し、前記第二の自動生成計画の評価結果と前記手修正計画の評価結果との差分である第二の差分値を求め、前記出力装置に少なくとも前記第二の差分値を時系列に提示することを特徴とする計画作成装置。 The planning device according to claim 4,
The automatic planning processing unit creates a second automatically generated plan based on the adjusted weights, and generates a second automatically generated plan that is the difference between the evaluation result of the second automatically generated plan and the evaluation result of the manually modified plan. A plan creation device characterized by calculating two difference values and presenting at least the second difference values in time series on the output device.
前記出力装置には、前記自動生成計画の評価結果と前記手修正計画の評価結果とが時系列的に提示されることを特徴とする計画作成装置。 The planning device according to claim 1,
A plan creation device, wherein the output device presents evaluation results of the automatically generated plan and evaluation results of the manually modified plan in chronological order.
さらに、前記出力装置の提示内容に応じた調整に関する指示が入力される入力装置を備え、
前記中央処理装置は、前記入力装置に入力された指示を取得し、当該指示に基づいて処理を進めることを特徴とする計画作成装置。 The planning device according to claim 1,
Furthermore, it includes an input device into which an instruction regarding adjustment according to the content presented by the output device is input,
The plan creation device is characterized in that the central processing unit obtains instructions input to the input device and proceeds with processing based on the instructions.
自動生成計画と、前記自動生成計画を計画作成者が修正した手修正計画について予め定めた複数の評価指標をそれぞれ評価し、前記自動生成計画の評価結果と前記手修正計画の評価結果との差分を求め、前記差分が所定の閾値よりも大きいことをもって、前記差分を最小化するための評価指標の重みの調整の更新タイミングであることを計画作成者に提示することを特徴とする計画作成方法。 A plan creation method in which a manually modified plan obtained by modifying an automatically generated plan by a planner is the final plan,
A plurality of predetermined evaluation indicators are evaluated for the automatically generated plan and the manually revised plan that is modified by the plan creator, and the difference between the evaluation result of the automatically generated plan and the manually revised plan is calculated. is calculated, and when the difference is larger than a predetermined threshold, the plan creator is informed that it is time to update the weights of evaluation indicators to minimize the difference. .
前記自動生成計画と前記手修正計画のそれぞれについて、予め定めた評価指標を数値化した評価値を前記評価結果として求めることを特徴とする計画作成方法。 9. The planning method according to claim 8,
A plan creation method characterized in that, for each of the automatically generated plan and the manually modified plan, an evaluation value obtained by quantifying a predetermined evaluation index is obtained as the evaluation result.
前記評価指標は、改善すべき事項である制約条件と、推奨すべき事項である評価指標がそれぞれ複数組設定されていることを特徴とする計画作成方法。 The plan creation method according to claim 9,
The plan creation method is characterized in that the evaluation index includes a plurality of sets of constraints, which are items to be improved, and evaluation indicators, which are items to be recommended.
前記手修正計画の評価指標に近づくように前記自動生成計画の前記評価指標の重みを調整することを特徴とする計画作成方法。 9. The planning method according to claim 8,
A plan creation method characterized by adjusting the weight of the evaluation index of the automatically generated plan so as to approach the evaluation index of the manually modified plan.
前記調整された重みに基づいて第二の自動生成計画を作成し、前記第二の自動生成計画の評価結果と前記手修正計画の評価結果との差分である第二の差分値を求め、再度提示することを特徴とする計画作成方法。 12. The planning method according to claim 11,
Create a second automatically generated plan based on the adjusted weights, calculate a second difference value that is the difference between the evaluation result of the second automatically generated plan and the manually modified plan, and then A planning method characterized by presenting.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022112395A JP2024010849A (en) | 2022-07-13 | 2022-07-13 | Plan creation device and plan creation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022112395A JP2024010849A (en) | 2022-07-13 | 2022-07-13 | Plan creation device and plan creation method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024010849A true JP2024010849A (en) | 2024-01-25 |
Family
ID=89622226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022112395A Pending JP2024010849A (en) | 2022-07-13 | 2022-07-13 | Plan creation device and plan creation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2024010849A (en) |
-
2022
- 2022-07-13 JP JP2022112395A patent/JP2024010849A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hubbs et al. | A deep reinforcement learning approach for chemical production scheduling | |
US10147053B2 (en) | Multidimensional digital platform for building integration and anaylsis | |
JP6467264B2 (en) | Plan creation support apparatus and plan creation support method | |
US10412024B2 (en) | Resource evaluation for complex task execution | |
US20190228360A1 (en) | Production schedule creating apparatus, production schedule creating method, and production schedule creating program | |
US20060111931A1 (en) | Method for the use of and interaction with business system transfer functions | |
US20070233536A1 (en) | Controlling A Business Using A Business Information And Decisioning Control System | |
US20060106637A1 (en) | Business system decisioning framework | |
US20140108074A1 (en) | Multidimensional digital platform for building integration and analysis | |
US20040138932A1 (en) | Generating business analysis results in advance of a request for the results | |
US10311394B2 (en) | System and method analyzing business intelligence applied to physical assets and environment factors | |
JP2018063598A (en) | Business supporting system and business supporting method | |
JP4757729B2 (en) | Manufacturing load prediction apparatus, manufacturing load prediction method, computer program, and computer-readable storage medium | |
Sprangers et al. | Probabilistic gradient boosting machines for large-scale probabilistic regression | |
US10896388B2 (en) | Systems and methods for business analytics management and modeling | |
US11995667B2 (en) | Systems and methods for business analytics model scoring and selection | |
US10409833B2 (en) | Systems and methods for analyzing energy or environmental factors relative to energy | |
US20200050982A1 (en) | Method and System for Predictive Modeling for Dynamically Scheduling Resource Allocation | |
Shen et al. | Towards a dynamic model of the industrial upgrading with global value chains | |
CN116091130A (en) | Intelligent advertisement delivery method and system for multi-channel sales | |
CN117787569B (en) | Intelligent auxiliary bid evaluation method and system | |
CN112070333A (en) | Planning assistance device and planning assistance method | |
JP2024010849A (en) | Plan creation device and plan creation method | |
JP2006350883A (en) | Demand prediction value automatic determination system using knowledge database, demand prediction value automatic determination program used therefor, and storage medium storing its program | |
CA3160715A1 (en) | Systems and methods for business analytics model scoring and selection |