JP5831363B2 - 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム - Google Patents
製造工期予測装置、製造工期予測方法、及びコンピュータプログラム Download PDFInfo
- Publication number
- JP5831363B2 JP5831363B2 JP2012127460A JP2012127460A JP5831363B2 JP 5831363 B2 JP5831363 B2 JP 5831363B2 JP 2012127460 A JP2012127460 A JP 2012127460A JP 2012127460 A JP2012127460 A JP 2012127460A JP 5831363 B2 JP5831363 B2 JP 5831363B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- manufacturing
- period
- product
- deriving
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 794
- 238000004519 manufacturing process Methods 0.000 title claims description 531
- 238000004590 computer program Methods 0.000 title claims description 4
- 238000009826 distribution Methods 0.000 claims description 584
- 239000000047 product Substances 0.000 claims description 418
- 238000010276 construction Methods 0.000 claims description 183
- 238000011156 evaluation Methods 0.000 claims description 79
- 238000009795 derivation Methods 0.000 claims description 37
- 239000006227 byproduct Substances 0.000 claims description 22
- 230000007423 decrease Effects 0.000 claims description 8
- 238000013277 forecasting method Methods 0.000 claims 1
- 238000003066 decision tree Methods 0.000 description 56
- 238000004364 calculation method Methods 0.000 description 55
- 230000006870 function Effects 0.000 description 55
- 238000003860 storage Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 34
- 230000014509 gene expression Effects 0.000 description 28
- 238000005457 optimization Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 24
- 230000000052 comparative effect Effects 0.000 description 19
- 238000007476 Maximum Likelihood Methods 0.000 description 17
- 229910000831 Steel Inorganic materials 0.000 description 10
- 239000010959 steel Substances 0.000 description 10
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 7
- 239000006185 dispersion Substances 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007619 statistical method 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
しかしながら、複雑な製造工場においては、製品検査後に工程が追加されることがあり、製造前に設備使用回数がわからないことも多い。したがって、特許文献1に記載の技術では、このような場合に、製造工期を精度良く予測することが困難である。また、製品の種類が多岐に渡る製品製造プロセスでは、製品によってネックとなる製造設備が異なる。したがって、特許文献1に記載の技術では、このような場合、製造設備毎の工期分布が、注文の構成によってばらつくという課題がある。
そして、製造実績データに含まれている製品の各製造工程の通過の有無の予測値を前記所定の順番で並べることにより得られる品種を当該製品のそれぞれについて決定して品種別の通過工程パターンの発生確率を導出し、前記通過工程パターン別工期分布と、前記品種別の通過工程パターンの発生確率とを用いて、品種別の工期分布を導出する。そして、注文データに含まれる注文の品種を当該注文のそれぞれについて決定し、決定した品種と、前記品種別の工期分布とを用いて、注文別の製造工期を導出する。
したがって、各通過工程パターンに属する製品の数に大きく依存することなく通過工程パターン別の工期分布を算出することができる。よって、製造実績データから、各通過工程パターンに属する製品が少数しか得られなくても、製造工期の予測を精度よく行うことができる。
<<第1の実施形態>>
図1は、製造工期予測装置100の機能的な構成の一例を示す図である。製造工期予測装置100のハードウェアは、例えば、CPU、ROM、RAM、HDD、及び各種インターフェースを備えた公知の情報処理装置を用いることにより実現することができるので、ここでは、その詳細な説明を省略する。
尚、本実施形態では、鉄鋼業における製造工場(例えば厚板製造工場)で製造される鉄鋼製品の製造工期を予測する場合を例に挙げて説明する。
製造実績データ取得部111は、製造実績データを外部から取得して記憶する。例えば、製造実績データ取得部111は、ユーザによるユーザインターフェースの入力操作に従って製造実績データを取得したり、リムーバル記憶媒体に記憶された製造実績データを読み出したり、外部装置から通信回線を介して製造実績データを受信したりすることによって、製造実績データを取得することができる。
図2において、製造実績データ200は、製品番号(製品No.)と、製造仕様と、通過実績有無と、実績工期とを含む。
製品番号は、製品を識別する番号である。
製造仕様は、製品の属性を示すものである。例えば、製品番号が「0001」の製品の製品仕様は、製品(鋼板)の板厚が30mmであり、製品の板幅が600mmであり、製品の重量が3.5tonであり、製品の製造方法がAであり、製品を製造する際の切断方法がaとなる。ここでは、板厚、板幅、重量、製法、及び切断方法が製造仕様である場合を例に挙げて示しているが、製造仕様の内容は、製品によって異なるものである。
ここで、製造工程を通過する製品は、製品そのものに限られず、当該製品の原料、及び当該製品が完成する前の途中段階にある半製品も含むものである。また、製造工程を通過するとは、当該製造工程で行うべき処理(例えば、熱処理、加工、保管)がなされることを指す。
尚、製造工程の数が「10」である場合を例に挙げて示しているが、製造工程の数は「10」に限定されるものではない。また、以下の説明では、「製造工程」を必要に応じて「工程」と略称する。
製造実績データ取得部111は、例えば、CPU、ROM、RAM、HDD、及び各種インターフェースを用いることにより実現することができる。
工程通過判定ロジック作成部112は、製品を製造するに際し、製品が通過する工程と通過しない工程とを工程毎に予測する工程通過判定ロジックを、製造実績データ200に含まれる製造仕様に基づいて作成する。本実施形態では、工程通過判定ロジックとして、決定木を採用する場合を例に挙げて説明する。
図3は、ある工程(例えば工程1)の工程通過判定ロジックの一例を示す図である。図3に示すように、本実施形態では、工程通過判定ロジック作成部112は、製造実績データ200に含まれる製造仕様を説明変数とし、各製品の各工程の通過の有無の予測値を示す通過有無変数を目的変数とする決定木を作成する。ここでは、ある工程の通過有無変数が「1」である製品は当該工程を通過することが予測される(当該製品は当該工程を通り易い)ことを意味し、「0」である製品は当該工程を通過しないことが予測される(当該製品は当該工程を通り難い)ことを意味するものとする。
工程通過判定ロジック作成部112は、このようにして得られる設計パラメータ、製造実績データ200に含まれる製造仕様、説明変数、及び目的変数に基づいて、図3に示すような決定木300を、決定木作成アルゴリズムにより工程毎に作成する。本実施形態では、工程の数が「10」であるので、図3に示すような決定木300が10個作成されることになる。
工程通過判定ロジック作成部112は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
工程通過ロジック格納部113は、工程通過判定ロジック作成部112で作成された決定木300を格納する。
工程通過ロジック格納部113は、例えば、HDDを用いることにより実現することができる。
第1の品種作成部114は、製造実績データ200に含まれる製造仕様を、工程通過ロジック格納部113に格納されている決定木300に適用して、製造実績データ200に含まれる各製品のそれぞれについて、各工程の通過の有無の予測値(通過有無変数(=「1」又は「0」))を求め、当該通過有無変数を結合した情報を、当該製品の品種の情報として作成する。
図4において、製造実績データ200に含まれる製造仕様を、図3に示すような決定木300に適用することによって、各工程の通過有無変数401が製品毎に得られる。番号の小さい工程の通過有無変数401であるほど上位のビットとなるように、各工程の通過有無変数401の値を並べることを製品毎に行うことにより、製品毎に品種402が作成される。図4に示す結果と、図2に示す結果とを比較すると、例えば、製造番号が「0001」の製品の工程1の通過実績は「1」であるのに対し(図2を参照)、同じ製造番号が「0001」の製品の工程1の通過予測は「0」となっている(図4を参照)。このように、統計的手法には予測誤差が生じることもある。
第1の品種作成部114は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
品種別通過工程パターン発生率作成部115は、製造実績データ200に基づいて、品種毎の通過工程パターン発生率を算出する。
通過工程パターン発生率とは、製造実績データ200の通過実績有無を番号の小さい工程のものから順に並べた通過工程パターン(の実績値)に属する製品の数を、当該通過工程パターンと同値の品種に属する製品の数で割った値である。例えば、通過工程パターン(の実績値)が「0101010000」である製品が9500枚であり、品種が「0101010000」であると判定された製品が10000枚あるとする。この場合、品種が「0101010000」の製品の通過工程パターン「0101010000」の発生率は0.95(=9500/10000)となる。
図5は、品種毎の通過工程パターン発生率500の一例を示す図である。図5において、ある一つの品種についての通過工程パターン発生率の和(図5の各行における通過工程パターン発生率の和)は「1」となる。
品種別通過工程パターン発生率作成部115は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
工程別工期分布作成部116は、製造実績データ200(通過実績有無及び実績工期)を用いて、工期別工期分布を算出する。工期分布は、ヒストグラムで表されたり、近似関数(分布関数)で表されたりする。本実施形態では、工期分布が正規分布で表される場合を例に挙げて説明する。以下に、工程別工期分布の作成方法の一例を説明する。
(a)製品iの実績工期をtiとし、工程jの通過工程有無をpijとする。
(b)製品iの通過工程パターン(の実績値)をpi=(pi1,pi2,・・・,piM)と記載する。ここで、Mは工程の数であり、図2に示す例では、Mは10となる。
(c)全製品の実績工期をt=(t1,t2,・・・,tN)Tとする。ここで、Nは製品の総数であり、Tは転置行列であることを示す。
(d)全製品の通過工程パターン(の実績値)をP={pij}とする。
(e)工程jの工期分布は、平均μj、分散vj(=σj 2)の正規分布であるとする。ここで、平均μj、分散vjが工程別工期分布の決定変数となる。
(f)実績工期tiは、通過工程パターン(の実績値)毎の正規分布に従うものとする。
(g)全工程の工期分布の平均値をμ=(μ1,μ2,・・・,μM)とし、分散をv=(v1,v2,・・・,vM)とする。
また、ここでは、
(h)各工程の工期分布は、他の工程の工期分布から独立するものとする(すなわち、共分散を考慮しないものとする)。
ここで、平均μi〜は、製品iが通過した工程jの工期分布の平均μjの和を表す。また、分散vi〜は、製品iが通過した工程jの工期分布の分散vjの和を表す。
(3)式から、対数尤度は、以下の(4)式で表される。
ここで、以下の記号を定義する。
(i)通過工程パターンの種類の数をKとする。
(j)通過工程パターンk(k=1,2,・・・,K)をqk=(qk1,qk2,・・・,qkM)とする。
(k)通過工程パターンkに属する製品の数をNk^とする。
(l)通過工程パターンkの工期分布の平均μk^と分散vk^が、以下の(6)式で表されるものとする。
以上の(i)〜(l)により、(5)式の評価関数Jは、以下の(7)式で表される評価関数Jに書き直すことができる。
工程別工期分布作成部116は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
通過工程パターン別工期分布作成部117は、工程別工期分布作成部116で作成された工程別工期分布600を用いて、通過工程パターン別工期分布を算出する。
まず、(6)式の関係から、工程別工期分布600を基にして、通過工程パターン別工期分布の平均μk^と標準偏差σk^を算出する(図7の変換前の値701の欄を参照)。
例えば、通過工程パターン(の実績値)が「0100010001」の製品は、工程2、工程6、及び工程10を通過しているので、この通過工程パターンの工期分布の平均μk^と標準偏差σk^は、以下の(8)式、(9)式で表される。
σk^=sqrt(14.72+8.02+1.42)=16.8 ・・・(9)
次に、通過工程パターン別工期分布作成部117は、工期分布を対数正規分布と仮定し、平均がμk^であり、且つ、分散がvk^(=σk^2)である対数正規分布を導出する。ここで、平均がμk^、分散がvk^となるような対数正規分布のパラメータμk^´とvk^´は、以下の(10)式、(11)式を用いて計算される。
そして、本実施形態では、通過工程パターン別工期分布を、以下の(12)式で表すものとする。
品種別製造工期モデル作成部118は、品種別通過工程パターン発生率作成部115で作成された品種毎の通過工程パターン発生率500(図5を参照)と、通過工程パターン別工期分布作成部117で作成された通過工程パターン別工期分布PΔ(tΔ|k)とを用いて、品種別製造工期モデルを作成する。本実施形態では、以下の(14)式により、品種がlである製品の工期がtΔである確率PΔ(tΔ|l)を品種別製造工期モデルとして計算するようにしている。
(14)式は、品種がlである製品の通過工程パターンがkである確率PΔ(tΔ|k)に、製造実績データ200から算出された、品種lの通過工程パターンkの発生率(通過工程パターン発生率500)を掛け合わせたものを、全ての通過工程パターンkについて積算したものが、品種別製造工期モデルであることを表している。
図8は、以上のようにして得られた品種別製造工期モデル800の一例を示す図である。図8の各欄に示されている値が、(14)式の左辺(PΔ(tΔ|l))の値となる。
品種別製造工期モデル作成部118は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
品種別製造工期モデル格納部119は、品種別製造工期モデル作成部118で作成された品種別製造工期モデル800を格納する。
品種別製造工期モデル格納部119は、例えば、HDDを用いることにより実現することができる。
注文データ取得部120は、注文データを外部から取得して記憶する。例えば、注文データ取得部120は、ユーザによるユーザインターフェースの入力操作に従って注文データを取得したり、リムーバブル記憶媒体に記憶された注文データを読み出したり、外部装置から通信回線を介して注文データを受信したりすることによって、注文データを取得することができる。
図9において、注文データ900は、注文番号(注文No.)と、製造仕様とを含む。
注文番号は、注文を識別する番号である。
製造仕様は、製品の属性を示すものであり、図2に示した製造実績データ200における製造仕様と同じ属性(項目)を有している。図9に示す各製造仕様の内容は前述した通りであるので、ここでは、その詳細な説明を省略する。
注文データ取得部120は、例えば、CPU、ROM、RAM、HDD、及び各種インターフェースを用いることにより実現することができる。
工程通過判定部121は、注文データ900に含まれている製造仕様を、工程通過ロジック格納部113に格納されている決定木300(図3を参照)に適用して、各工程の通過のし易さ(通過有無変数(=「1」又は「0」))を注文毎に判定する。
工程通過判定部121は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
第2の品種作成部122は、工程通過判定部121により得られた通過有無変数の値を、番号の小さい工程の通過有無変数であるほど上位のビットとなるように並べることを注文毎に行うことにより、注文別の品種を作成する。
図10は、注文データ900から得られる、注文別の通過有無変数1001と品種1002の一例を示す図である。尚、品種の作成方法の説明は、第1の品種作成部114の説明で既に行っているので、ここでは、その詳細な説明を省略する。
第2の品種作成部122は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
目標荷揃達成率設定部123は、目標荷揃達成率を設定する。目標荷揃達成率とは、注文量に対する、納期までに荷揃う(出荷できる)製品の量の割合である。本実施形態では、製品を鉄鋼製品としているので、例えば、注文の重量に対する、納期までに荷揃う製品の重量の割合で目標荷揃達成率を定めることができる。目標荷揃達成率の値は、ユーザの希望に応じて定められるものである。本実施形態では、目標荷揃達成率設定部123は、ユーザによるユーザインターフェースの操作に基づいて、目標荷揃達成率の値を識別し、当該目標荷揃達成率の値を記憶することにより、目標荷揃達成率を設定する。
目標荷揃達成率設定部123は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
品種入力注文別製造工期算出部124は、品種別製造工期モデル格納部119に格納されている品種別製造工期モデル800(図8を参照)と、第2の品種作成部122により作成された注文別の品種1002(図10を参照)と、目標荷揃達成率設定部123により設定された目標荷揃達成率1100(図11を参照)とを用いて、注文毎に工期tを算出する。
本実施形態では、品種入力注文別製造工期算出部124は、以下の(15)式を満足する工期tを、注文毎(注文に対応する品種毎)に算出する。
このように本実施形態では、品種別製造工期モデル800と、注文別の品種と、目標荷揃達成率1100とを用いて注文毎の工期tを算出するようにする場合を例に挙げて説明した。しかしながら、品種別製造工期モデル800と、注文別の品種とを用いて注文毎の工期tを算出するようにしていれば、必ずしもこのようにする必要はない。例えば、PΔ(tΔ|l)が正規分布であると仮定し、このPΔ(tΔ|l)の平均μ・標準偏差σと、ユーザにより設定される定数xとを用いて、以下の(16)式のようにして工期tを、注文毎(注文に対応する品種毎)に算出するようにしてもよい。
PΔ(tΔ|l)=μ+x×σ ・・・(16)
図12は、注文毎の工期である注文別製造工期1200の一例を示す図である。
品種入力注文別製造工期算出部124は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。図12の各欄に記載されている値が、注文毎の工期tである。
品種入力注文別製造工期格納部125は、品種入力注文別製造工期算出部124で算出された注文別製造工期1200を格納する(図12を参照)。
品種入力注文別製造工期格納部125は、例えば、HDDを用いることにより実現することができる。
[品種入力注文別製造工期出力部126]
品種入力注文別製造工期出力部126は、品種入力注文別製造工期格納部125に格納された注文別製造工期1200の情報を出力する。具体的に説明すると、例えば、品種入力注文別製造工期出力部126は、注文別製造工期1200の情報について、表示装置への表示、外部装置への送信、及びリムーバブル記憶媒体への記憶の少なくとも何れか1つを行う。注文別製造工期1200の情報の出力は、ユーザによるユーザインターフェースの操作に基づいて行うようにてもよいし、予め設定されたタイミングで自動的に行うようにしてもよい。
品種入力注文別製造工期出力部126は、例えば、例えば、CPU、ROM、RAM、HDD、及び各種インターフェースを用いることにより実現することができる。
次に、図13、図14のフローチャートを参照しながら、製造工期予測装置100の処理の一例を説明する。
まず、ステップS1301において、製造実績データ取得部111は、製造実績データ200を取得するまで待機する。そして、製造実績データ200を取得すると、ステップS1302に進む。ステップS1302に進むと、工程通過判定ロジック作成部112は、図3に示すような決定木300を、決定木作成アルゴリズムにより工程毎に作成する。
次に、ステップS1304において、第1の品種作成部114は、製造実績データ200に含まれる製造仕様を、決定木300に適用して、製造実績データ200に含まれる各製品のそれぞれについて、各工程の通過の有無の予測値(通過有無変数401)を求め、当該通過有無変数を結合した情報を、当該製品の品種402の情報として作成する。
次に、ステップS1306において、工程別工期分布作成部116は、製造実績データ200(通過実績有無及び実績工期)を、(6)式、(7)式に与えて最適化計算を行うことにより、工程別工期分布600(平均μj、分散vj)を求める。
を用いて(図7の変換後の値702の欄を参照)、(12)式、(13)式の計算を行って、通過工程パターン別工期分布PΔ(tΔ|k)を算出する(図7の通過工程パターン別工期分布703の欄を参照)。
次に、ステップS1309において、品種別製造工期モデル格納部119は、ステップS1308で作成された品種別製造工期モデル800を格納する。
次に、ステップS1404において、目標荷揃達成率設定部123は、目標荷揃達成率1100を設定する。
次に、ステップS1405において、品種入力注文別製造工期算出部124は、品種別製造工期モデル800と、注文別の品種と、目標荷揃達成率1100とを用いて、(15)式を満足する工期tを、注文毎(注文に対応する品種毎)に算出する。この算出結果が、注文別製造工期1200となる。
最後に、ステップS1407において、品種入力注文別製造工期出力部126は、注文別製造工期1200の情報を出力する。尚、前述したように、ステップS1407の処理は、ユーザからの指示があった場合に行うようにしてもよい。
次に、本発明の第2の実施形態について説明する。本実施形態と第1の実施形態とは、品種判定ロジックと、注文データから品種判定ロジックを使って注文毎の品種を判定する処理とが主として異なる。したがって、本実施形態の説明において、前述した第1の実施形態と同一の部分については、図1〜図14に付した符号と同一の符号を付す等して詳細な説明を省略する。
[品種判定ロジック作成部1512]
品種判定ロジック作成部1512は、製造実績データ200に含まれる製造仕様から通過工程パターン(品種)を予測する品種判定ロジックを作成するものである。品種判定ロジック作成部1512は、工程通過判定ロジック作成部112に対応するものである。
本実施形態では、品種判定ロジックとして、決定木を採用する。
品種判定ロジック作成部1512は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
品種判定ロジック格納部1513は、品種判定ロジック作成部1512で作成された決定木1600を格納する。
品種判定ロジック格納部1513は、例えば、HDDを用いることにより実現することができる。
図17は、製造実績データ200から得られる、製造番号別の品種の一例を示す図である。
図4に示す品種402と、図17に示す品種1700は、同じ製造実績データ200から求めたものであるが、異なる値となる。これらの品種402、1700を得るためのロジックが異なるためである。
品種判定部1521は、注文データ900に含まれている製造仕様を、品種判定ロジック格納部1513に格納されている決定木1600(図16を参照)に適用して、注文別の品種を作成する。
図18は、注文データ900から得られる、注文別の品種の一例を示す図である。本実施形態では、決定木1600の目的変数を通過工程パターンとしているので、品種判定部1521は、注文データ900に含まれている製造仕様を、決定木1600に適用することにより、品種を直接的に求める。
品種判定部1521は、図1に示した工程通過判定部121及び第2の品種作成部122に対応するものである。
品種判定部1521は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
次に、第1の比較例について説明する。
図19は、本比較例の製造工期予測装置1900の機能的な構成を示す図である。尚、図19において、図1及び図15に示したものと同一の処理部については、図1及び図15に付した符号と同一の符号を付して詳細な説明を省略する。
通過工程パターン別工期分布作成部1916は、製造実績データ200から、通過工程パターン別実績工期別製品枚数を算出する。
図20は、通過工程パターン別実績工期別製品枚数2000を示す図である。
図20において、例えば、通過工程パターンが「0000000001」の製品のうち、実績工期が「0」である製品の枚数は「422」枚となる。
次に、通過工程パターン別工期分布作成部1916は、通過工程パターン別実績工期別製品枚数2000を通過工程パターン別の製品の実績製造枚数で割ることにより、通過工程パターン別工期分布PΔ(tΔ|k)を算出する。
図21において、例えば、通過工程パターンが「0000000001」の製品の実績製造枚数が460枚であった場合、図20に示すように、実績工期が「0」である製品の枚数は422であるので、422を460で割ることにより、通過工程パターンが「0000000001」の製品の工期が「0」である確率は0.917(=422/460)となる。
前述したように、通過工程パターン別工期分布作成部1916は、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117に対応するものである。
通過工程パターン別工期分布作成部1916は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
次に、第2の比較例について説明する。
図22は、本比較例の製造工期予測装置2200の機能的な構成を示す図である。本比較例の製造工期予測装置2200は、図19に示した第1の比較例の製造工期予測装置1900に対し、品種判定ロジック作成部1512及び品種判定ロジック格納部1513の代わりに、第1の実施形態で説明した「工程通過判定ロジック作成部112、工程通過ロジック格納部113、及び第1の品種作成部114」を用いると共に、品種判定部1521の代わりに、第1の実施形態で説明した工程通過判定部121及び第2の品種作成部122を用いるようにしたものである。
図23は、実施形態及び比較例による結果を表形式で対比して示す図である。
図23において、A1、A2、B1、B2は、図1、図15、図19、図22に破線で示しているA1、A2、B1、B2の処理部を使用していることを示す。すなわち、図22において、A1、B1で特定される欄に記載されている結果が、第1の実施形態の手法による結果を示し、A2、B1で特定される欄に記載されている結果が、第2の実施形態の手法による結果を示す。A2、B2で特定される欄に記載されている結果が、第1の比較例の手法による結果を示し、A1、B2で特定される欄に記載されている結果が、第2の比較例の手法による結果を示す。
まず、在庫量について説明する。
図24は、評価データの製造工期から実際の工期を減算した値(製造工期−実績工期)と、製品の重量との関係の一例を示す図である。
図24に示すグラフ2401は、全ての注文データのそれぞれについて、評価データの製造工期から実際の工期を減算し、この減算値が同じ値となる注文の重量の総和を求めることにより得られる。図24において、グラフ2401のうち、横軸(製造工期−実績工期)が0より大きい領域(図24の斜線の領域)における「横軸の値」×「縦軸の値」の(日毎の値の)合計を評価データの期間(日数)で割った値が1日当りの在庫量となる。図23の「在庫量」は、このように計算された1日当りの在庫量を示す。
次に、平均工期は、評価データの製造工期の平均値である。
次に、ロバスト性は、学習データを用いて算出した標準工期と、評価データを用いて算出した標準工期との相関を表す係数である。ここで、これらの標準工期を求める際には、学習データを用いて作成した同じ決定木を使用する。また、標準工期とは、目標荷揃達成率を品種毎に設定することにより算出された品種別製造工期モデルを用いて得られた製造工期である。
第1、第2の実施形態では、各製品iの実績工期tiの尤度p(ti|pi,μ,v)が、実際に通過した工程の工期分布(正規分布)の平均μj、分散vjを積算することにより得られる平均μi〜、分散vi〜を有する正規分布N(μi〜,vi〜)に従うものとする。そして、このような各製品iの実績工期tiの尤度p(ti|pi,μ,v)の積が最大となるときの工程別工期分布600を求める。そして、通過工程パターンにおいて通過していることが示されている工程の工期分布(平均μj、分散vj)の値を足し合わせることで通過工程パターン別工期分布の平均μk^と標準偏差σk^を求め、これらを用いて、通過工程パターン別工期分布PΔ(tΔ|k)を求める(図7を参照)。
一方、第1、第2の実施形態では、工程別工期分布600の値を足し合わせることで、通過工程パターン別工期分布のパラメータの一例である平均μk^と標準偏差σk^を求めるようにしているので、各通過工程パターンに属する製品の枚数に(大きく)依存することなく通過工程パターン別の工期分布を算出することができる(すなわち、ロバスト性を高めることができる)。よって、製造工期を安定して算出することができる。すなわち、製造実績データ200から、各通過工程パターンに属する製品が少数しか得られなくても、製造工期の予測を精度よく行うことができる。
製造仕様を説明変数とし、通過工程パターンを目的変数とする決定木1600では、通過工程パターンをダイレクトに求めるため、各通過工程パターンを分類する際に、各通過工程パターンの各ビットの距離を考慮することができない。よって、分類された通過工程パターンには、正解となる通過工程パターンから大きく外れているものも含まれることになる。これに対し、第1、第2の実施形態では、各通過工程パターンの各ビット(工程)を求めるため、正解となる通過工程パターンから大きく外れる通過工程パターンが得られづらくなる。したがって、製造工期を精度よく予測することができる。
また、図16に示す決定木1600では、目的変数の数が最大で2の(工程数)乗となるため、サイズの大きな決定木となる。これに対し、図3に示す決定木300では、目的変数が「0」、「1」の2種類であるため、サイズの小さな決定木となる。
以上のことから、第1の実施形態のようにして決定木300を作成した方が、第2の実施形態のようにして決定木1600を作成するよりも望ましいことが分かる。
次に、本発明の第3の実施形態について説明する。第1、第2の実施形態では、各注文の通過工程パターンを求めるようにした。これに対し、本実施形態では、注文データに含まれる各注文の通過工程パターンが予め分かっている場合に注文別製造工期を算出して出力する場合について説明する。
図25は、本変形例における製造工期予測装置2500の機能的な構成の一例を示す図である。
以下に、本実施形態の製造工期予測装置2500のうち、第1及び第2の実施形態の製造工期予測装置100、1500と異なる構成の一例を説明する。
通過工程パターン別工期分布格納部2519は、通過工程パターン別工期分布作成部117で作成された通過工程パターン別工期分布PΔ(tΔ|k)を格納する。
通過工程パターン別工期分布格納部2519は、例えば、HDDを用いることにより実現することができる。
注文データ取得部2520は、注文データを外部から取得して記憶する。第1、第2の実施形態の注文データ取得部120で取得される注文データには、通過工程パターンが含まれていないが、本実施形態の注文データ取得部2520で取得される注文データには、各注文における通過工程パターンが含まれる。注文データの取得方法は、例えば、第1及び第2の実施形態の注文データ取得部120と同じである。尚、ここでは、各注文における通過工程パターンを注文データに含めることにより、各注文における通過工程パターンを取得するようにしたが、注文データとは別に、各注文における通過工程パターンを取得するようにしてもよい。
注文データ取得部2520は、例えば、CPU、ROM、RAM、HDD、及び各種インターフェースを用いることにより実現することができる。
通過工程入力注文別製造工期算出部2524は、通過工程パターン別工期分布格納部2519に格納されている通過工程パターン別工期分布PΔ(tΔ|k)と、注文データに含まれている「各注文における通過工程パターン」と、目標荷揃達成率設定部123により設定された目標荷揃達成率1100(図11を参照)とを用いて、注文毎に工期tを算出する。
ここでは、通過工程入力注文別製造工期算出部2524は、以下の(17)式を満足する工期tを、注文毎(注文に対応する品種毎)に算出する。
PΔ(tΔ|k)=μ+x×σ ・・・(18)
通過工程入力注文別製造工期算出部2524は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
通過工程入力注文別製造工期格納部2525は、通過工程入力注文別製造工期算出部2524で算出された注文毎の工期(注文別製造工期)を格納する。
通過工程入力注文別製造工期格納部2525は、例えば、例えば、HDDを用いることにより実現することができる。
[通過工程入力注文別製造工期出力部2526]
通過工程入力注文別製造工期出力部2526は、通過工程入力注文別製造工期格納部2525に格納された注文別製造工期の情報を出力する。この出力の形態は、例えば、第1及び第2の実施形態の品種入力注文別製造工期出力部126と同じである。
以上のように、各注文の通過工程パターンが予め分かっている場合には、品種を用いずに注文別の工期(注文別製造工期)を算出(予測)することができる。
次に、本発明の第4の実施形態について説明する。前述した第1〜第3の実施形態では、最尤推定時における工程別工期分布が正規分布であり(段落[0033]の(e)を参照)、最尤推定時の通過工程パターン工期分布が正規分布であり(段落[0033]の(f)を参照)、通過工程パターン別工期分布算出時の通過工程パターン工期分布が対数正規分布である((12)式を参照)と仮定した場合を例に挙げて説明した。これに対し、本実施形態では、最尤推定時における工程別工期分布が正規分布であり、最尤推定時の通過工程パターン工期分布が対数正規分布であり、通過工程パターン別工期分布算出時の通過工程パターン工期分布が対数正規分布であると仮定した場合について説明する。このように、本実施形態と第1〜第3の実施形態は、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117の処理の一部が主として異なる。よって、本実施形態では、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117の処理についてのみ説明し、その他の部分の説明を省略する。
工程別工期分布作成部116は、製造実績データ200(通過実績有無及び実績工期)を用いて、工期別工期分布を算出する。工期分布は、ヒストグラムで表されたり、近似関数(分布関数)で表されたりする。
(a)製品iの実績工期をtiとし、工程jの通過工程有無をpijとする。
(b)製品iの通過工程パターン(の実績値)をpi=(pi1,pi2,・・・,piM)と記載する。ここで、Mは工程の数である。
(c)全製品の実績工期をt=(t1,t2,・・・,tN)Tとする。ここで、Nは製品の総数であり、Tは転置行列であることを示す。
(d)全製品の通過工程パターン(の実績値)をP={pij}とする。
(e)工程jの工期分布は、平均μj、分散vj(=σj 2)の正規分布であるとする。ここで、平均μj、分散vjが工程別工期分布の決定変数となる。
(f)実績工期tiは、通過工程パターン(の実績値)毎の対数正規分布に従うものとする。
(g)全工程の工期分布の平均値をμ=(μ1,μ2,・・・,μM)とし、分散をv=(v1,v2,・・・,vM)とする。
また、ここでは、
(h)各工程の工期分布は、他の工程の工期分布から独立するものとする(すなわち、共分散を考慮しないものとする)。
ここで、対数正規分布の平均μi―は、製品iが通過した工程jの工期分布の平均μjの和を表す。また、対数正規分布の分散vi -は、製品iが通過した工程jの工期分布の分散vjの和を表す。
さらに、対数正規分布のパラメータμi〜及びvi〜は、(21)式より対数正規分布の平均μi―と分散vi -を用いて計算できる。
(22)式から、対数尤度は、以下の(23)式で表される。
ここで、以下の記号を定義する。
(i)通過工程パターンの種類の数をKとする。
(j)通過工程パターンk(k=1,2,・・・,K)をqk=(qk1,qk2,・・・,qkM)とする。
(k)通過工程パターンkに属する製品の数をNk^とする。
(l)通過工程パターンkの工期分布の平均μk^と分散vk^が、以下の(25)式で表されるものとする。
以上の(i)〜(l)により、(24)式の評価関数Jは、以下の(26)式で表される評価関数Jに書き直すことができる。
工程別工期分布作成部116は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
通過工程パターン別工期分布作成部117は、工程別工期分布作成部116で作成された工程別工期分布を用いて、通過工程パターン別工期分布を算出する。
まず、(25)式の関係から、工程別工期分布(平均μj、分散vj)を基にして、通過工程パターン別工期分布の平均μk^と分散vk^を算出する。
次に、通過工程パターン別工期分布作成部117は、平均がμk^であり、且つ、分散がvk^である対数正規分布を導出する。そのために、通過工程パターン別工期分布作成部117は、対数正規分布のパラメータμk^´、vk^´を、(26)式のただし書で示した式を用いて計算する。
通過工程パターン別工期分布作成部117は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
次に、本発明の第5の実施形態について説明する。本実施形態では、最尤推定時における工程別工期分布と、最尤推定時の通過工程パターン工期分布と、通過工程パターン別工期分布算出時の通過工程パターン工期分布が、全てポアソン分布であると仮定した場合について説明する。このように、本実施形態と第1〜第4の実施形態は、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117の処理の一部が主として異なる。よって、本実施形態では、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117の処理についてのみ説明し、その他の部分の説明を省略する。
工程別工期分布作成部116は、製造実績データ200(通過実績有無及び実績工期)を用いて、工期別工期分布を算出する。工期分布は、ヒストグラムで表されたり、近似関数(分布関数)で表されたりする。以下に、工程別工期分布の作成方法の一例を説明する。
(a)製品iの実績工期をtiとし、工程jの通過工程有無をpijとする。
(b)製品iの通過工程パターン(の実績値)をpi=(pi1,pi2,・・・,piM)と記載する。
(c)全製品の実績工期をt=(t1,t2,・・・,tN)Tとする。ここで、Nは製品の総数であり、Tは転置行列であることを示す。
(d)全製品の通過工程パターン(の実績値)をP={pij}とする。
(e)工程jの工期分布は、平均λjのポアソン分布であるとする。ここで、平均λjが工程別工期分布の決定変数となる。
(f)実績工期tiは、通過工程パターン(の実績値)毎のポアソン分布に従うものとする。
(g)全工程の工期分布の平均値をλ=(λ1,λ2,・・・,λM)とする。
また、ここでは、
(h)各工程の工期分布は、他の工程の工期分布から独立するものとする(すなわち、共分散を考慮しないものとする)。
ここで、平均λi〜は、製品iが通過した工程jの工期分布の平均λjの和を表す。
(30)式から、対数尤度は、以下の(31)式で表される。
ここで、以下の記号を定義する。
(i)通過工程パターンの種類の数をKとする。
(j)通過工程パターンk(k=1,2,・・・,K)をqk=(qk1,qk2,・・・,qkM)とする。
(k)通過工程パターンkに属する製品の数をNk^とする。
(l)通過工程パターンkの工期分布の平均λk^が、以下の(33)式で表されるものとする。
以上の(i)〜(l)により、(32)式の評価関数Jは、以下の(34)式で表される評価関数Jに書き直すことができる。
工程別工期分布作成部116は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
通過工程パターン別工期分布作成部117は、工程別工期分布作成部116で作成された工程別工期分布を用いて、通過工程パターン別工期分布を算出する。
まず、(33)式の関係から、工程別工期分布(平均λj)を基にして、通過工程パターン別工期分布の平均λk^を算出する。
そして、本実施形態では、通過工程パターン別工期分布を、以下の(35)式で表すものとする。
通過工程パターン別工期分布作成部117は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
次に、本発明の第6の実施形態について説明する。本実施形態では、最尤推定時における工程別工期分布と、最尤推定時の通過工程パターン工期分布と、通過工程パターン別工期分布算出時の通過工程パターン工期分布が、全てガンマ分布であると仮定した場合について説明する。このように、本実施形態と第1〜第5の実施形態は、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117の処理の一部が主として異なる。よって、本実施形態では、工程別工期分布作成部116及び通過工程パターン別工期分布作成部117の処理についてのみ説明し、その他の部分の説明を省略する。
工程別工期分布作成部116は、製造実績データ200(通過実績有無及び実績工期)を用いて、工期別工期分布を算出する。工期分布は、ヒストグラムで表されたり、近似関数(分布関数)で表されたりする。以下に、工程別工期分布の作成方法の一例を説明する。
(a)製品iの実績工期をtiとし、工程jの通過工程有無をpijとする。
(b)製品iの通過工程パターン(の実績値)をpi=(pi1,pi2,・・・,piM)と記載する。
(c)全製品の実績工期をt=(t1,t2,・・・,tN)Tとする。ここで、Nは製品の総数であり、Tは転置行列であることを示す。
(d)全製品の通過工程パターン(の実績値)をP={pij}とする。
(e)工程jの工期分布は、形状母数bj、尺度母数θのガンマ分布であるとする。ここで、形状母数bj、尺度母数θが工程別工期分布の決定変数となる。ここで、本実施形態では、尺度母数θは、工程毎のパラメータではない。このようにしないと、工期分布の再生性が得られないからである。
(f)実績工期tiは、通過工程パターン(の実績値)毎のガンマ分布に従うものとする。
(g)全工程の工期分布の形状母数をb=(b1,b2,・・・,bM)とする。
また、ここでは、
(h)各工程の工期分布は、他の工程の工期分布から独立するものとする(すなわち、共分散を考慮しないものとする)。
ここで、形状母数bi〜は、製品iが通過した工程jの工期分布の形状母数bjの和を表す。
(38)式から、対数尤度は、以下の(39)式で表される。(39)式に含まれるガンマ関数Γとは、実部が正となる複素数zについて、以下の(40)式の積分で定義される関数である。
ここで、以下の記号を定義する。
(i)通過工程パターンの種類の数をKとする。
(j)通過工程パターンk(k=1,2,・・・,K)をqk=(qk1,qk2,・・・,qkM)とする。
(k)通過工程パターンkに属する製品の数をNk^とする。
(l)通過工程パターンkの工期分布の形状母数bk^が、以下の(42)式で表されるものとする。
以上の(i)〜(l)により、(41)式の評価関数Jは、以下の(43)式で表される評価関数Jに書き直すことができる。
工程別工期分布作成部116は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
通過工程パターン別工期分布作成部117は、工程別工期分布作成部116で作成された工程別工期分布を用いて、通過工程パターン別工期分布を算出する。
まず、(42)式の関係から、工程別工期分布(形状母数bj)を基にして、通過工程パターン別工期分布の形状母数bk^を算出する。
そして、本実施形態では、通過工程パターン別工期分布を、以下の(44)式で表すものとする。
通過工程パターン別工期分布作成部117は、例えば、CPU、ROM、及びRAMを用いることにより実現することができる。
前述したように、本明細書では、工期分布として仮定する関数が以下の(A)〜(D)場合を例に挙げて説明した。尚、第4〜6の実施形態は、第1に実施形態の構成に対応するものである。
(A);詳細は第1の実施形態を参照
最尤推定時における工程別工期分布;正規分布
最尤推定時の通過工程パターン工期分布;正規分布
通過工程パターン別工期分布算出時の通過工程パターン工期分布;対数正規分布
(B);詳細は第4の実施形態を参照
最尤推定時における工程別工期分布;正規分布
最尤推定時の通過工程パターン工期分布;対数正規分布
通過工程パターン別工期分布算出時の通過工程パターン工期分布;対数正規分布
(C);詳細は第5の実施形態を参照
最尤推定時における工程別工期分布;ポアソン分布
最尤推定時の通過工程パターン工期分布;ポアソン分布
通過工程パターン別工期分布算出時の通過工程パターン工期分布;ポアソン分布
(D);詳細は第6の実施形態を参照
最尤推定時における工程別工期分布;ガウス分布
最尤推定時の通過工程パターン工期分布;ガウス分布
通過工程パターン別工期分布算出時の通過工程パターン工期分布;ガウス分布
図26は、(A)の場合の工程別工期分布の一例を示し、図27は、(B)の場合の工程別工期分布の一例を示し、図28は、(C)の場合の工程別工期分布の一例を示し、図29は、(D)の場合の工程別工期分布の一例を示す。
図30は、単回帰式の決定係数を示す図であり、図31は、単回帰式の係数を示す図である。決定係数とは、学習データから得られた工期が評価データから得られた工期をどれくらい説明できるかを表す一般的な指標であり、1に近いほど良い。また、単回帰式の係数も1に近いほどよく、1より大きい場合は学習データから得られた工期よりも評価データから得られた工期の方が長い傾向にあることを意味し、逆に1より小さい場合は学習データから得られた工期よりも評価データから得られた工期の方が短い傾向にあることを意味する。
図30及び図31に示すように、前述した(C)のようにすると(工期分布がポアソン分布であると仮定すると)、決定係数の値は大きくなるが、単回帰式の係数が「1」を大きく超える。すなわち、今回の工期予測の対象の鉄鋼製造プロセスにおいては、工期分布がポアソン分布であると仮定すると、予測工期を短く算出する傾向がある。一方、前述した(B)のようにすると(工程別工期分布が正規分布、通過工程パターン工期分布が対数正規分布であると仮定すると)、決定係数も単回帰式の係数も「1」に近くなる。すなわち、今回の工期予測の対象の鉄鋼製造プロセスにおいては、工程別工期分布が正規分布、通過工程パターン工期分布が対数正規分布であると仮定すると、工期のトータルでの予測精度が高くなるといえる。このように、今回のように、常に各工程に仕掛がたまっているような製造プロセスを工期予測の対象とした場合、工程毎に平均と分散とが大きく異なってしまうため、工程毎のパラメータに平均値と分散との両方が含まれている分布を用いると(前述した(A)や(B)のようにして工期分布を仮定すると)精度良く工期を予測することができる。
前述した第1の実施形態では、工程通過判定ロジックが決定木300である場合を例に挙げ、第2の実施形態では、品種判定ロジックが決定木1600である場合を例に挙げて説明した。しかしながら、これらは決定木に限定されるものではない。すなわち、工程通過判定ロジックは、製造実績データ200に含まれる製造仕様から、製品が通過する工程と通過しない工程とを工程毎に予測するものであれば、例えば、統計モデルを使用したり、テーブル方式のモデルを使用したりすることができる。同様に、品種判定ロジックも、製造実績データ200に含まれる製造仕様から品種を予測するものであれば、統計モデルを使用したり、テーブル方式のモデルを使用したりすることができる。
(請求項1、15)
製造実績データ取得手段(工程)は、例えば、製造実績データ取得部111(で行う処理)により実現される。ここで、製造実績データは、例えば、製造実績データ200により実現される。
工程別工期分布導出手段(工程)は、例えば、工程別工期分布作成部116(で行う処理)により実現される。ここで、製造工程別の工期の分布を規定するパラメータは、例えば、図6に示す平均μj、分散vjにより実現される。
通過工程パターン別工期分布導出手段(工程)は、例えば、通過工程パターン別工期分布作成部117(で行う処理)により実現される。ここで、通過工程パターン別の工期分布は、例えば、図7に示す通過工程パターン別工期分布703の情報により実現される。また、通過工程パターンで通過したことが示されている製造工程の工期の分布を規定するパラメータを足し合わせることは、例えば、(8)式、(9)式の計算を行うことにより実現される。
第1の品種決定手段(工程)は、例えば、図1に示すA1の処理部(で行う処理)又は図15に示すA2の処理部(で行う処理)により実現される。ここで、品種は、例えば、図4の品種402、図17の品種1700により実現される。
品種別通過工程パターン発生率導出手段(工程)は、例えば、品種別通過工程パターン発生率作成部115(で行う処理)により実現される。ここで、品種別の通過工程パターンの発生確率は、例えば、図5の通過工程パターン発生率500の情報により実現される。
品種別製造工期モデル導出手段(工程)は、例えば、品種別製造工期モデル作成部118(で行う処理)により実現される。ここで、通過工程パターン別工期分布と、品種別の通過工程パターンの発生確率とを用いて、品種別の工期分布を導出することは、例えば、(14)式の計算を行うことにより実現される。そして、品種別の工期分布は、例えば、図8の品種別製造工期モデル800により実現される。
第2の品種決定手段(工程)は、例えば、第2の品種作成部122(で行う処理)又は図15に示す品種判定部1521(で行う処理)により実現される。
品種入力注文別製造工期導出手段(工程)は、例えば、品種入力注文別製造工期算出部124(で行う処理)により実現される。ここで、品種と、品種別の工期分布とを用いて、注文別の製造工期を導出することは、例えば、(16)式の計算を行うことにより実現される。
(請求項2、16)
工程通過判定ロジック作成手段(工程)は、例えば、工程通過判定ロジック作成部112(で行う処理)により実現される。ここで、工程通過判定ロジックは、例えば、図3の決定木300により実現される。
第1の品種作成手段(工程)は、例えば、第1の品種作成部114(で行う処理)により実現される。
第2の品種作成手段(工程)は、例えば、第2の品種作成部122(で行う処理)により実現される。
(請求項3、17)
品種判定ロジック作成手段(工程)は、例えば、品種判定ロジック作成部1512(で行う処理)により実現される。
品種判定手段(工程)は、例えば、品種判定部1521(で行う処理)により実現される。
(請求項4、18)
目標荷揃達成率設定手段は(工程)は、例えば、目標荷揃達成率設定部123(で行う処理)により実現される。ここで、目標荷揃達成率は、例えば、図11の目標荷揃達成率1100により実現される。また、品種と、品種別の工期分布と、目標荷揃達成率とを用いて、注文別の製造工期を導出することは、例えば、(15)式の計算を行うことにより実現される。
(請求項5、19)
製造実績データ取得手段(工程)は、例えば、製造実績データ取得部111(で行う処理)により実現される。ここで、製造実績データは、例えば、製造実績データ200により実現される。
工程別工期分布導出手段(工程)は、例えば、工程別工期分布作成部116(で行う処理)により実現される。ここで、製造工程別の工期の分布を規定するパラメータは、例えば、図6に示す工程別工期分布600の情報により実現される。
通過工程パターン別工期分布導出手段(工程)は、例えば、通過工程パターン別工期分布作成部117(で行う処理)により実現される。ここで、通過工程パターン別の工期分布は、例えば、図7に示す通過工程パターン別工期分布703の情報により実現される。また、通過工程パターンで通過したことが示されている製造工程の工期の分布を規定するパラメータを足し合わせることは、例えば、(8)式、(9)式の計算を行うことにより実現される。
通過工程入力注文別製造工期導出手段(工程)は、例えば、通過工程入力注文別製造工期算出部2524(で行う処理)により実現される。ここで、通過工程パターンと、通過工程パターン別の工期分布とを用いて、注文別の製造工期を導出することは、例えば、(18)式の計算を行うことにより実現される。
(請求項6、20)
目標荷揃達成率設定手段は(工程)は、例えば、目標荷揃達成率設定部123(で行う処理)により実現される。ここで、目標荷揃達成率は、例えば、図11の目標荷揃達成率1100により実現される。また、通過工程パターンと、通過工程パターン別の工期分布と、目標荷揃達成率とを用いて、注文別の製造工期を導出することは、例えば、(17)式の計算を行うことにより実現される。
(請求項7、21)
各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、製造工程の工期の分布として表現される正規分布の平均と分散とを導出することは、例えば、(3)式に基づいて得られる(7)式の計算を行うことにより実現される。
各製品の実績工期が得られる尤度のそれぞれが、通過工程パターンで通過したことが示されている製造工程の工期分布の平均及び分散のそれぞれの積算値を平均及び分散とする正規分布で表現されることは、例えば、(1)式、(2)式により得られる。
(請求項8、22)
通過工程パターン別工期分布パラメータ導出手段(工程)、対数正規分布導出手段(工程)、及び製造工期発生確率導出手段(工程)は、例えば、通過工程パターン別工期分布作成部117(で行う処理)により実現される。ここで、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散をそれぞれ足し合わせることにより、通過工程パターン別の工期分布の平均及び分散を導出することは、例えば、(8)式、(9)式の計算を行うことにより実現される。また、通過工程パターン別の工期分布の平均及び分散を有する対数正規分布は、例えば、(12)式により実現される。また、通過工程パターンを有する製品の各工期の発生確率は、例えば、PΔ(tΔ|k)により実現される。
(請求項9、請求項23)
各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、製造工程の工期の分布として表現される正規分布の平均と標準偏差とを導出することは、例えば、(22)式に基づいて得られる(26)式の計算を行うことにより実現される。
各製品の実績工期が得られる尤度のそれぞれが、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散のそれぞれの積算値を平均及び分散とする対数正規分布で表現されることは、例えば、(19)式〜(21)式により得られる。
(請求項10、請求項24)
通過工程パターン別工期分布パラメータ導出手段(工程)、対数正規分布導出手段(工程)、及び製造工期発生確率導出手段(工程)は、例えば、通過工程パターン別工期分布作成部117(で行う処理)により実現される。ここで、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散をそれぞれ足し合わせることにより、通過工程パターン別の工期分布の平均及び分散を導出することは、例えば、(25)式の計算を行うことにより実現される。また、通過工程パターン別の工期分布の平均及び分散を有する対数正規分布は、例えば、(27)式により実現される。また、通過工程パターンを有する製品の各工期の発生確率は、例えば、PΔ(tΔ|k)により実現される。
(請求項11、請求項25)
各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、製造工程の工期の分布として表現されるポアソン分布の平均を導出することは、例えば、(30)式に基づいて得られる(34)式の計算を行うことにより実現される。
各製品の実績工期が得られる尤度のそれぞれが、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均のそれぞれの積算値を平均とするポアソン分布で表現されることは、例えば、(28)式、(29)式により得られる。
(請求項12、請求項26)
通過工程パターン別工期分布パラメータ導出手段(工程)、ポアソン分布導出手段(工程)、及び製造工期発生確率導出手段(工程)は、例えば、通過工程パターン別工期分布作成部117(で行う処理)により実現される。ここで、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均をそれぞれ足し合わせることにより、通過工程パターン別の工期分布の平均を導出することは、例えば、(33)式の計算を行うことにより実現される。また、通過工程パターン別の工期分布の平均と同じ平均を有するポアソン分布は、例えば、(35)式により実現される。また、通過工程パターンを有する製品の各工期の発生確率は、例えば、PΔ(tΔ|k)により実現される。
(請求項13、請求項27)
各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、製造工程の工期の分布として表現されるガンマ分布の形状母数と尺度母数とを導出することは、例えば、(38)式に基づいて得られる(43)式の計算を行うことにより実現される。
各製品の実績工期が得られる尤度のそれぞれが、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の形状母数のそれぞれの積算値を形状母数とし、製造工程によらない一定値を尺度母数とするガンマ分布で表現されることは、例えば、(36)式、(37)式により得られる。
(請求項14、請求項28)
通過工程パターン別工期分布パラメータ導出手段(工程)、ガンマ分布導出手段(工程)、及び製造工期発生確率導出手段(工程)は、例えば、通過工程パターン別工期分布作成部117(で行う処理)により実現される。ここで、通過工程パターンにおいて通過したことが示されている製造工程の工期分布の形状母数をそれぞれ足し合わせることにより、通過工程パターン別の工期分布の形状母数を導出することは、例えば、(42)式の計算を行うことにより実現される。また、通過工程パターン別の工期分布の形状母数と同じ形状母数を有するガウス分布は、例えば、(44)式により実現される。また、通過工程パターンを有する製品の各工期の発生確率は、例えば、PΔ(tΔ|k)により実現される。
また、以上説明した本発明の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。
200 製造実績データ
300、1600 決定木
402、1700 製造番号別の品種
500 通過工程パターン発生率
600 工程別工期分布
703 通過工程パターン別工期分布
800 品種別製造工期モデル
900 注文データ
1002 注文別の品種
1100 目標荷揃達成率
1200 注文別製造工期
Claims (21)
- 注文別の製造仕様を含む注文データから、当該注文の工期を予測する製造工期予測装置であって、
複数の製造工程を通過して製造される各製品の製造実績を示すデータであって、製品の製造仕様と、各製造工程の通過の有無の実績値を示す情報である通過実績有無と、製品を製造するのに要した工期の実績を示す情報である実績工期とを含む製造実績データを取得する製造実績データ取得手段と、
前記各製品に対する通過実績有無及び実績工期を用いて、製造工程別の工期の分布を規定するパラメータを導出する工程別工期分布導出手段と、
前記工程別工期分布導出手段により導出された製造工程別の工期の分布を規定するパラメータと、前記各製品に対する通過実績有無とを用いて、前記通過実績有無の値を所定の順番で並べることにより得られる通過工程パターン別の工期分布を導出する通過工程パターン別工期分布導出手段と、
前記製造実績データに含まれる製品の製造仕様を用いて、当該製品の各製造工程の通過の有無の予測値を前記所定の順番で並べることにより得られる品種を、前記製造実績データに含まれる製品のそれぞれについて決定する第1の品種決定手段と、
前記通過工程パターン別の製品の数と、前記品種別の製品の数とを用いて、前記品種別の前記通過工程パターンの発生確率を導出する品種別通過工程パターン発生率導出手段と、
前記通過工程パターン別工期分布と、前記品種別の前記通過工程パターンの発生確率とを用いて、品種別の工期分布を導出する品種別製造工期モデル導出手段と、
前記注文データに含まれる製造仕様を用いて、当該注文データに含まれる注文の各製造工程の通過の有無の予測値を求め、当該注文の各製造工程の通過の有無の予測値を前記所定の順番で並べることにより得られる品種を、前記注文データに含まれる注文のそれぞれについて決定する第2の品種決定手段と、
前記第2の品種決定手段により決定された品種と、前記品種別製造工期モデル導出手段により導出された品種別の工期分布とを用いて、注文別の製造工期を導出する品種入力注文別製造工期導出手段と、を有し、
前記通過工程パターン別工期分布導出手段は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期の分布を規定するパラメータをそれぞれ足し合わせることにより得られたパラメータに基づいて定まる確率密度関数として、前記通過工程パターン別の工期分布を導出し、
前記第1の品種決定手段は、前記製品の製造仕様を入力とし、当該製品の前記各製造工程の通過の有無の予測値を出力とする工程通過判定ロジックを、当該製造工程のそれぞれについて作成する工程通過判定ロジック作成手段と、
前記製品の製造仕様を、前記工程通過判定ロジックに適用して、当該製品の各製造工程の通過の有無の予測値を取得し、取得した予測値を前記所定の順番で並べることにより、当該製品の品種を作成する第1の品種作成手段と、を更に有し、
前記第2の品種決定手段は、前記注文データに含まれる製造仕様を、前記工程通過判定ロジックに適用して、当該注文の通過の有無の予測値を取得し、取得した予測値を前記所定の順番で並べることにより、当該注文の品種を作成する第2の品種作成手段を更に有することを特徴とする製造工期予測装置。 - 前記注文の量に対する、納期までに荷揃う製品の量の割合の目標値である目標荷揃達成率を設定する目標荷揃達成率設定手段を更に有し、
前記品種入力注文別製造工期導出手段は、前記第2の品種決定手段により決定された品種と、前記品種別製造工期モデル導出手段により導出された品種別の工期分布と、前記目標荷揃達成率設定手段により設定された目標荷揃達成率とを用いて、注文別の製造工期を導出することを特徴とする請求項1に記載の製造工期予測装置。 - 前記工程別工期分布導出手段は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現される正規分布の平均と分散とを導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散のそれぞれの積算値を平均及び分散とする正規分布で表現されることを特徴とする請求項1又は2に記載の製造工期予測装置。 - 前記通過工程パターン別工期分布導出手段は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の平均及び分散を導出する通過工程パターン別工期分布パラメータ導出手段と、
前記通過工程パターン別工期分布パラメータ導出手段により導出された平均及び分散を有する対数正規分布を導出する対数正規分布導出手段と、
前記対数正規分布導出手段により得られる対数正規分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出手段と、を更に有することを特徴とする請求項3に記載の製造工期予測装置。 - 前記工程別工期分布導出手段は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現される正規分布の平均と標準偏差とを導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散のそれぞれの積算値を平均及び分散とする対数正規分布で表現されることを特徴とする請求項1又は2に記載の製造工期予測装置。 - 前記通過工程パターン別工期分布導出手段は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の平均及び分散を導出する通過工程パターン別工期分布パラメータ導出手段と、
前記通過工程パターン別工期分布パラメータ導出手段により導出された平均及び分散を有する対数正規分布を導出する対数正規分布導出手段と、
前記対数正規分布導出手段により得られる対数正規分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出手段と、を更に有することを特徴とする請求項5に記載の製造工期予測装置。 - 前記工程別工期分布導出手段は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現されるポアソン分布の平均を導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均のそれぞれの積算値を平均とするポアソン分布で表現されることを特徴とする請求項1又は2に記載の製造工期予測装置。 - 前記通過工程パターン別工期分布導出手段は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の平均を導出する通過工程パターン別工期分布パラメータ導出手段と、
前記通過工程パターン別工期分布パラメータ導出手段により導出された平均と同じ平均を有するポアソン分布を導出するポアソン分布導出手段と、
前記ポアソン分布導出手段により得られるポアソン分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出手段と、を更に有することを特徴とする請求項7に記載の製造工期予測装置。 - 前記工程別工期分布導出手段は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現されるガンマ分布の形状母数と尺度母数とを導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の形状母数のそれぞれの積算値を形状母数とし、製造工程によらない一定値を尺度母数とするガンマ分布で表現されることを特徴とする請求項1又は2に記載の製造工期予測装置。 - 前記通過工程パターン別工期分布導出手段は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の形状母数をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の形状母数を導出する通過工程パターン別工期分布パラメータ導出手段と、
前記通過工程パターン別工期分布パラメータ導出手段により導出された形状母数と同じ形状母数を有するガンマ分布を導出するガンマ分布導出手段と、
前記ガンマ分布導出手段により得られるガンマ分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出手段と、を更に有することを特徴とする請求項9に記載の製造工期予測装置。 - 注文別の製造仕様を含む注文データから、当該注文の工期を予測する製造工期予測方法であって、
複数の製造工程を通過して製造される各製品の製造実績を示すデータであって、製品の製造仕様と、各製造工程の通過の有無の実績値を示す情報である通過実績有無と、製品を製造するのに要した工期の実績を示す情報である実績工期とを含む製造実績データを取得する製造実績データ取得工程と、
前記各製品に対する通過実績有無及び実績工期を用いて、製造工程別の工期の分布を規定するパラメータを導出する工程別工期分布導出工程と、
前記工程別工期分布導出工程により導出された製造工程別の工期の分布を規定するパラメータと、前記各製品に対する通過実績有無とを用いて、前記通過実績有無の値を所定の順番で並べることにより得られる通過工程パターン別の工期分布を導出する通過工程パターン別工期分布導出工程と、
前記製造実績データに含まれる製品の製造仕様を用いて、当該製品の各製造工程の通過の有無の予測値を前記所定の順番で並べることにより得られる品種を、前記製造実績データに含まれる製品のそれぞれについて決定する第1の品種決定工程と、
前記通過工程パターン別の製品の数と、前記品種別の製品の数とを用いて、前記品種別の前記通過工程パターンの発生確率を導出する品種別通過工程パターン発生率導出工程と、
前記通過工程パターン別工期分布と、前記品種別の前記通過工程パターンの発生確率とを用いて、品種別の工期分布を導出する品種別製造工期モデル導出工程と、
前記注文データに含まれる製造仕様を用いて、当該注文データに含まれる注文の各製造工程の通過の有無の予測値を求め、当該注文の各製造工程の通過の有無の予測値を前記所定の順番で並べることにより得られる品種を、前記注文データに含まれる注文のそれぞれについて決定する第2の品種決定工程と、
前記第2の品種決定工程により決定された品種と、前記品種別製造工期モデル導出工程により導出された品種別の工期分布とを用いて、注文別の製造工期を導出する品種入力注文別製造工期導出工程と、を有し、
前記通過工程パターン別工期分布導出工程は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期の分布を規定するパラメータをそれぞれ足し合わせることにより得られたパラメータに基づいて定まる確率密度関数として、前記通過工程パターン別の工期分布を導出し、
前記第1の品種決定工程は、前記製品の製造仕様を入力とし、当該製品の前記各製造工程の通過の有無の予測値を出力とする工程通過判定ロジックを、当該製造工程のそれぞれについて作成する工程通過判定ロジック作成工程と、
前記製品の製造仕様を、前記工程通過判定ロジックに適用して、当該製品の各製造工程の通過の有無の予測値を取得し、取得した予測値を前記所定の順番で並べることにより、当該製品の品種を作成する第1の品種作成工程と、を更に有し、
前記第2の品種決定工程は、前記注文データに含まれる製造仕様を、前記工程通過判定ロジックに適用して、当該注文の通過の有無の予測値を取得し、取得した予測値を前記所定の順番で並べることにより、当該注文の品種を作成する第2の品種作成工程を更に有することを特徴とする製造工期予測方法。 - 前記注文の量に対する、納期までに荷揃う製品の量の割合の目標値である目標荷揃達成率を設定する目標荷揃達成率設定工程を有し、
前記品種入力注文別製造工期導出工程は、前記第2の品種決定工程により決定された品種と、前記品種別製造工期モデル導出工程により導出された品種別の工期分布と、前記目標荷揃達成率設定工程により設定された目標荷揃達成率とを用いて、注文別の製造工期を導出することを特徴とする請求項11に記載の製造工期予測方法。 - 前記工程別工期分布導出工程は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現される正規分布の平均と分散とを導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散のそれぞれの積算値を平均及び分散とする正規分布で表現されることを特徴とする請求項11又は12に記載の製造工期予測方法。 - 前記通過工程パターン別工期分布導出工程は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の平均及び分散を導出する通過工程パターン別工期分布パラメータ導出工程と、
前記通過工程パターン別工期分布パラメータ導出工程により導出された平均及び分散を有する対数正規分布を導出する対数正規分布導出工程と、
前記対数正規分布導出工程により得られる対数正規分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出工程と、を更に有することを特徴とする請求項13に記載の製造工期予測方法。 - 前記工程別工期分布導出工程は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現される正規分布の平均と標準偏差とを導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散のそれぞれの積算値を平均及び分散とする対数正規分布で表現されることを特徴とする請求項11又は12に記載の製造工期予測方法。 - 前記通過工程パターン別工期分布導出工程は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均及び分散をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の平均及び分散を導出する通過工程パターン別工期分布パラメータ導出工程と、
前記通過工程パターン別工期分布パラメータ導出工程により導出された平均及び分散を有する対数正規分布を導出する対数正規分布導出工程と、
前記対数正規分布導出工程により得られる対数正規分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出工程と、を更に有することを特徴とする請求項15に記載の製造工期予測方法。 - 前記工程別工期分布導出工程は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現されるポアソン分布の平均を導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均のそれぞれの積算値を平均とするポアソン分布で表現されることを特徴とする請求項11又は12に記載の製造工期予測方法。 - 前記通過工程パターン別工期分布導出工程は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の平均をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の平均を導出する通過工程パターン別工期分布パラメータ導出工程と、
前記通過工程パターン別工期分布パラメータ導出工程により導出された平均と同じ平均を有するポアソン分布を導出するポアソン分布導出工程と、
前記ポアソン分布導出工程により得られるポアソン分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出工程と、を更に有することを特徴とする請求項17に記載の製造工期予測方法。 - 前記工程別工期分布導出工程は、前記各製品の実績工期が得られる尤度の積が大きくなるほど値が小さくなる評価関数の値が最小となるように、前記製造工程の工期の分布として表現されるガンマ分布の形状母数と尺度母数とを導出し、
前記各製品の実績工期が得られる尤度のそれぞれは、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の形状母数のそれぞれの積算値を形状母数とし、製造工程によらない一定値を尺度母数とするガンマ分布で表現されることを特徴とする請求項11又は12に記載の製造工期予測方法。 - 前記通過工程パターン別工期分布導出工程は、前記通過工程パターンにおいて通過したことが示されている製造工程の工期分布の形状母数をそれぞれ足し合わせることにより、前記通過工程パターン別の工期分布の形状母数を導出する通過工程パターン別工期分布パラメータ導出工程と、
前記通過工程パターン別工期分布パラメータ導出工程により導出された形状母数と同じ形状母数を有するガンマ分布を導出するガンマ分布導出工程と、
前記ガンマ分布導出工程により得られるガンマ分布を確率密度関数として、前記通過工程パターンを有する製品の各工期の発生確率を、前記通過工程パターンのそれぞれについて導出することにより前記通過工程パターン別の工期分布を導出する製造工期発生確率導出工程と、を更に有することを特徴とする請求項19に記載の製造工期予測方法。 - 請求項11〜20の何れか1項に記載の製造工期予測方法の各工程をコンピュータに実行させることを特徴とするコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012127460A JP5831363B2 (ja) | 2011-06-27 | 2012-06-04 | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011141731 | 2011-06-27 | ||
JP2011141731 | 2011-06-27 | ||
JP2012127460A JP5831363B2 (ja) | 2011-06-27 | 2012-06-04 | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013033450A JP2013033450A (ja) | 2013-02-14 |
JP5831363B2 true JP5831363B2 (ja) | 2015-12-09 |
Family
ID=47789271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012127460A Active JP5831363B2 (ja) | 2011-06-27 | 2012-06-04 | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5831363B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6318623B2 (ja) * | 2014-01-06 | 2018-05-09 | 新日鐵住金株式会社 | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム |
JP6483373B2 (ja) | 2014-08-07 | 2019-03-13 | 株式会社東芝 | 生産支援システムおよび生産支援方法 |
JP6729330B2 (ja) * | 2016-11-29 | 2020-07-22 | 日本製鉄株式会社 | 製造工期予測装置、製造工期予測方法、およびコンピュータプログラム |
KR102549093B1 (ko) * | 2018-08-30 | 2023-06-28 | 삼성중공업 주식회사 | 배관재의 제작 공정 시뮬레이션 방법 및 시스템 |
JP7026922B1 (ja) * | 2021-09-22 | 2022-03-01 | 株式会社エイシング | 情報処理装置、方法、プログラム及びシステム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5212047B2 (ja) * | 2008-11-26 | 2013-06-19 | 新日鐵住金株式会社 | 製造工期モデル作成装置、納期達成率予測装置、製造着手目標時期算出装置、製造工期モデル作成方法、納期達成率予測方法、製造着手目標時期算出方法、プログラム、及びコンピュータ読み取り可能な記憶媒体 |
JP5549117B2 (ja) * | 2009-05-21 | 2014-07-16 | 新日鐵住金株式会社 | 製造プロセスのスケジュール管理方法、装置及びプログラム |
-
2012
- 2012-06-04 JP JP2012127460A patent/JP5831363B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013033450A (ja) | 2013-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784806B (zh) | 供应链控制方法、***以及存储介质 | |
US10592811B1 (en) | Analytics scripting systems and methods | |
Soylu et al. | Multi-criteria inventory classification with reference items | |
KR20210116435A (ko) | 재고 관리 및 최적화를 위한 시스템 및 방법 | |
JP5831363B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
CN116629577A (zh) | 一种基于大数据的智能化供应链管理*** | |
TWI666598B (zh) | 存貨管理系統與存貨管理方法 | |
JP6920345B2 (ja) | ロバストな原料の選択システムであって、市場および操業の不確実性下での化学プロセス産業用の原料選択システム | |
US20080195431A1 (en) | System and method for correlating business transformation metrics with sustained business performance | |
JP7304698B2 (ja) | 水需要予測方法およびシステム | |
US7720553B2 (en) | Service metric portfolio management | |
CN117875724B (zh) | 一种基于云计算的采购风险管控方法及*** | |
TWI391839B (zh) | 半導體產業之資源分派系統及方法 | |
CN113554301B (zh) | 一种生产计划排程方法及*** | |
Badakhshan et al. | Deploying hybrid modelling to support the development of a digital twin for supply chain master planning under disruptions | |
JP6318623B2 (ja) | 製造工期予測装置、製造工期予測方法、及びコンピュータプログラム | |
CN110874640B (zh) | 使用机器学习(ml)的间歇数据的分布选择和模拟 | |
KR20140146437A (ko) | 특허정보를 이용한 기업성과 예측 장치 및 방법 | |
JP6729330B2 (ja) | 製造工期予測装置、製造工期予測方法、およびコンピュータプログラム | |
CN112514352A (zh) | 更新调度规则的方法、设备、***、存储介质和终端 | |
CN114091770A (zh) | 物料需求计划的预测分析方法、装置、设备及存储介质 | |
Alves et al. | Learning algorithms to deal with failures in production planning | |
Vaitkus et al. | Electrical spare parts demand forecasting | |
Oh et al. | An optimal quantity of scheduling model for mass customization-based additive manufacturing | |
Durand et al. | Determination of storage tanks location for optimal short-term scheduling in multipurpose/multiproduct batch-continuous plants under uncertainties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140811 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150519 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150521 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150717 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150929 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151012 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5831363 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |