JP6727077B2 - Data analysis device and data analysis method - Google Patents
Data analysis device and data analysis method Download PDFInfo
- Publication number
- JP6727077B2 JP6727077B2 JP2016170248A JP2016170248A JP6727077B2 JP 6727077 B2 JP6727077 B2 JP 6727077B2 JP 2016170248 A JP2016170248 A JP 2016170248A JP 2016170248 A JP2016170248 A JP 2016170248A JP 6727077 B2 JP6727077 B2 JP 6727077B2
- Authority
- JP
- Japan
- Prior art keywords
- delay
- remaining
- data
- order
- along
- 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
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
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、生産等の業務にかかわる各種情報を迅速に収集できた場合の効果を試算するための技術に関する。 The present invention relates to a technique for trial calculation of an effect when various kinds of information related to work such as production can be quickly collected.
製造業において、短納期で製品を納入することの顧客ニーズが高まっている。また、仕掛品の保管場所を削減したり、キャッシュフローを改善したりという目的からも、納期が短いことは好ましい。このため、顧客注文（オーダー）に要する工程およびその順序、各工程に要する設備および作業時間（標準時間）などを元に計画を立て、最適化された生産を行うことが各社で試みられている。このような最適化を実現することを目的として、製造の状況をコンピュータ上で再現し、生産可能量及び納期を見積もるための生産シミュレータ技術が広く用いられている（例えば特許文献１参照）。 In the manufacturing industry, customer needs for delivering products in a short delivery time are increasing. Further, it is preferable that the delivery date is short for the purpose of reducing the storage location of work in process and improving cash flow. For this reason, each company is trying to make a plan based on the processes required for customer orders (orders) and their order, equipment required for each process, working time (standard time), etc., and to perform optimized production. .. For the purpose of realizing such optimization, a production simulator technique is widely used for reproducing a production situation on a computer and estimating a producible amount and a delivery date (for example, refer to Patent Document 1).
製造の現場においては、実際の製造がどのように行われたかを示す製造実績データを蓄積することが一般的に行われている。例えば、Point of Production（ＰＯＰ）と呼ばれるシステムによって、表１に示すような製造実績データが取得されることが考えられる。 At the manufacturing site, it is common to accumulate manufacturing performance data indicating how the actual manufacturing was performed. For example, it is conceivable that the production performance data as shown in Table 1 is acquired by a system called Point of Production (POP).
各工程作業について、それぞれの作業がどのオーダーに対応するかを示すオーダー、そのオーダーにおいて何番目の作業であるかを示す工程番号、その工程作業に標準的に必要と考えられる標準時間、作業を行った設備のＩＤ、実際にその工程作業に着手した日時および完了した日時が記録されている。作業を行った担当者のＩＤが記録される場合もある。表１の例では、４台の設備を使って、２つのオーダーによる生産が行われた。２つのオーダーはいずれも、３つの工程からなる。１つ目のオーダーは、日時９（例えば午前９時）から９．５（例えば午前９時３０分、以下の日時の表記も同様）の間に１つ目の設備を用いて行われた１つ目の工程作業、日時１０から１０．５の間に３つ目の設備を用いて行われた２つ目の工程作業、及び、日時１１から１２の間に４つ目の設備を用いて行われた３つ目の工程作業に対応する。２つ目のオーダーは、日時９から１０の間に２つ目の設備を用いて行われた１つ目の工程作業、日時１１から１２の間に３つ目の設備を用いて行われた２つ目の工程作業、及び、日時１２．５から１４の間に４つ目の設備を用いて行われた３つ目の工程作業に対応する。
For each process operation, specify the order that indicates which order each operation corresponds to, the process number that indicates the number of the operation in that order, the standard time that is normally considered necessary for that process operation, and the operation. The ID of the equipment used, the date and time when the process work actually started and the date and time when the process work was completed are recorded. The ID of the person who performed the work may be recorded. In the example of Table 1, production was performed by two orders using four units. Each of the two orders consists of three steps. The first order was placed between the date and time 9 (for example, 9:00 am) and 9.5 (for example, 9:30 am, and so on for the following dates and times) using the first facility. Using the third process work, the second process work that was performed using the third equipment between dates and
図１４は、製造実績の一例を示す図である。具体的には、図１４は、表１に示した製造実績を図示したものである。この例では、１つ目のオーダーを実線で、２つ目のオーダーを破線で表している。 FIG. 14 is a diagram showing an example of the manufacturing results. Specifically, FIG. 14 illustrates the manufacturing results shown in Table 1. In this example, the first order is shown by a solid line and the second order is shown by a broken line.
しかし工場においては、計画の通りに生産が進むとは限らない。工程作業時間の予定外の増加などの事象によって、当初の計画と実績としての生産の間には乖離が常にある程度の確率で生じている。 However, in the factory, production does not always proceed as planned. Due to events such as unscheduled increases in process work time, there is always a certain degree of discrepancy between the initial plan and actual production.
図１５は、製造実績の別の例を示す図である。具体的には、図１５は、図１４に示すように進行するように計画した工程作業時間が予想外に増加した結果の製造実績の例を示す。 FIG. 15 is a diagram showing another example of the manufacturing record. Specifically, FIG. 15 shows an example of manufacturing results as a result of unexpectedly increased process work time planned to proceed as shown in FIG.
この例では、１つ目のオーダーの２つ目の工程作業時間が０．５から１．５に増加している。単一の設備で複数の工程作業を同時に実行することはできないため、２つ目のオーダーの以降のスケジュールにも影響が波及している。なお、以下の説明において、ある工程で発生した遅延がそれ以降の工程に波及することによって発生する遅延を玉突き遅延と記載し、特に、上記のように、ある設備を使用する工程で発生した遅延がそれ以降に同じ設備を使用する工程に波及することによって発生する遅延を、設備に沿った玉突き遅延と記載する。 In this example, the second process working time of the first order is increased from 0.5 to 1.5. Since it is not possible to carry out multiple process operations at the same time with a single facility, the schedules after the second order are affected. In the following description, the delay caused by the delay occurring in a certain process spilling over to the subsequent processes is described as a beading delay, and in particular, as described above, the delay generated in the process using a certain facility. The delay caused by spillover to the process that uses the same equipment after that is described as a pile-up delay along the equipment.
また、オーダーを構成する工程は順番に行う必要があるため、１つ目のオーダーの２つ目の工程が遅延したことで、１つ目のオーダーの３つ目の工程のスケジュールにもその影響が波及している。このように、あるオーダーのある工程で発生した遅延がそのオーダーの以降の工程に波及することによって発生する遅延を、オーダーに沿った玉突き遅延と記載する。 In addition, since the steps that make up the order must be performed in order, the delay of the second step of the first order affects the schedule of the third step of the first order. Is spreading. In this way, a delay caused by a delay generated in a certain process of a certain order spilling over to subsequent processes of the certain order is described as a bead delay along the order.
さらに、オーダーに沿った玉突き遅延が、それぞれの工程で利用する設備での玉突き遅延を引き起こし、設備に沿った玉突き遅延が、それぞれの工程が含まれるオーダーに沿った玉突き遅延を引き起こす。 Further, the beading delay along the order causes the beading delay at the equipment used in each process, and the beading delay along the equipment causes the bead delay along the order including each process.
このような事象が発生しても、現場の実績収集の仕組みが、紙の帳票への記入などのようにデジタル化されていなかったり、複数のシステムにまたがって管理されていたりする場合、その事象の発生の情報がリアルタイムにスケジューラ等に共有されない場合がある。このため、本来は事象発生直後に再スケジュールを行えば、オーダーに沿った玉突き遅延が設備での玉突き遅延を引き起こすことや、設備に沿った玉突き遅延がオーダーに沿った玉突き遅延を引き起こすことは避けられる場合でも、事象発生情報の共有が遅れたために再スケジュールのタイミングも遅れ、玉突き遅延を止められずにいたずらに遅延を拡大させている可能性がある。 Even if such an event occurs, if the system for collecting actual results at the site is not digitized like filling in a paper form or is managed across multiple systems, the event Occurrence information may not be shared in real time with a scheduler or the like. Therefore, originally, if reschedule is performed immediately after the occurrence of an event, it is possible to avoid a delay in stacking along an order causing a delay in stacking in equipment, and a delay in stacking along an equipment causing delay in stacking along an order. In such cases, the timing of rescheduling is delayed due to the delay in sharing the event occurrence information, and it is possible that the delay cannot be stopped and the delay is unnecessarily increased.
特許文献１のような生産シミュレータ技術を用いて、製造の状況をコンピュータ上で再現し、生産可能量及び納期等を見積もることも可能である。しかしこれらの技術は、ＢＯＭ、標準時間、段取り時間、搬送時間、作業員ごとの実施可能作業内容などのマスタデータが整備されていることを前提とする。品種が多い製品、カスタマイズ要求が多い種類の製品、又は個別設計に近い製品を製造する工場においては、上記のデータをすべて整備しておくことは非常に困難である。特に、標準時間は作業員の熟練に応じて値を設定、更新していくことがシミュレーションの精度の面からは望ましいが、そのための工数が大きくなってしまい現実的でなくなってしまう。
It is also possible to reproduce the manufacturing situation on a computer and estimate the producible quantity and the delivery date by using the production simulator technology as disclosed in
しかし、玉突き遅延が最終的にどのくらいにまで拡大するのか、また、再スケジュールを行うことでどのくらい抑制できるのかを見積もることができないと、リアルタイムな実績収集の仕組みの導入（例えば事象発生を監視する装置の設置等）の投資対効果も判断することができない。 However, if it is not possible to estimate how much the stack delay will eventually increase and how much it can be suppressed by reschedule, introduction of a real-time performance collection mechanism (for example, a device that monitors event occurrence) It is also impossible to judge the return on investment (such as installation of
上記の課題を解決するために、本発明は、処理装置と、前記処理装置に接続される記憶装置と、を有するデータ分析装置であって、前記記憶装置は、複数のオーダーの複数の工程の作業が複数の設備を用いて行われる場合において、前記工程間の作業が行われていない遊び時間の長さの分布を示す遊び時間分布データと、前記各オーダーにおいて前記各工程の後の残工程の数の分布を示す残工程数分布データと、を保持し、前記処理装置は、前記各工程に発生した遅延のうち少なくとも一部が前記遊び時間によって吸収され、残りが後の工程に波及する場合に、前記遊び時間分布データに基づいて、遅延が残存している確率と残存している遅延の期待値との積を、前記設備に沿って波及する遅延による影響量として計算し、前記遊び時間分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値との積を、前記オーダーに沿って波及する遅延が引き起こす前記設備に沿って波及する遅延による影響量として計算し、前記遊び時間分布データ及び前記残工程数分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値と前記残工程の数が前記遅延が経過した遊び時間の数以上である頻度の和との積を、前記オーダーに沿って波及する遅延による影響量として計算し、前記遊び時間分布データ及び前記残工程数分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値と前記残工程の数が前記遅延が経過した遊び時間の数以上である頻度の和との積を、前記設備に沿って波及する遅延が引き起こす前記オーダーに沿って波及する遅延による影響量として計算することによって、初期値として与えられた遅延が波及することによる前記複数のオーダーの複数の工程への影響量を計算し、その計算の結果を出力することを特徴とする。 In order to solve the above-mentioned problems, the present invention is a data analysis device comprising a processing device and a storage device connected to the processing device, wherein the storage device comprises a plurality of steps of a plurality of orders. When work is performed using a plurality of facilities, play time distribution data indicating the distribution of the play time length during which no work is performed between the processes, and the remaining process after each process in each order. And the remaining process number distribution data indicating the distribution of the number of the remaining process, and the processing device absorbs at least a part of the delay generated in each process by the play time, and the rest spreads to the subsequent process. In this case, based on the play time distribution data, the product of the probability of remaining delay and the expected value of the remaining delay is calculated as the amount of influence of the delay that propagates along the equipment, Based on the time distribution data, the delay that propagates along the order causes the product of the probability of remaining delay and the expected value of the remaining delay for each number of the play time in which the delay has elapsed. Calculated as the amount of influence due to the delay that spreads along the facility, based on the play time distribution data and the remaining process number distribution data, the probability that the delay remains for each number of the play time after which the delay has elapsed. And the product of the expected value of the remaining delay and the sum of the frequencies in which the number of remaining steps is equal to or more than the number of idle times in which the delay has elapsed is calculated as the amount of influence of the delay that propagates along the order. Based on the play time distribution data and the remaining process number distribution data, the probability of delay remaining, the expected value of remaining delay and the remaining process Initially by calculating the product of the sum of the frequencies, the number of which is greater than or equal to the number of play times the delay has elapsed, as the amount of influence by the delay spilling along the order caused by the delay spilling along the facility. It is characterized in that the amount of influence on the plurality of steps of the plurality of orders due to the propagation of the delay given as a value is calculated, and the result of the calculation is output.
本発明に一態様によれば、標準時間などのマスタデータが未整備な状態であっても、リアルタイムな実績収集の仕組みの導入（例えば事象発生を監視する装置の設置等）の効果を見積もることができる。上記した以外の課題、構成、及び効果は、以下の実施形態の説明によって明らかにされる。 According to one aspect of the present invention, it is possible to estimate the effect of introducing a mechanism for collecting results in real time (for example, installing a device that monitors event occurrence) even if master data such as standard time is not maintained. You can Problems, configurations, and effects other than those described above will be clarified by the following description of the embodiments.
以下、添付図面を参照しながら、本発明に係るデータ分析装置の形態例を説明する。勿論、後述する形態例やその説明は一例であり、本発明には様々な変形例が考えられる。 Hereinafter, with reference to the accompanying drawings, an example of the form of a data analysis apparatus according to the present invention will be described. Needless to say, the form example and the description thereof which will be described later are examples, and various modifications can be considered to the present invention.
図１〜図１３は、以下で説明する形態例を例示する図であり、これらの図において、同一の符号を付した部分は同一物を表し、基本的な構成及び動作は同様であるものとする。 FIG. 1 to FIG. 13 are diagrams illustrating examples of modes described below. In these figures, parts denoted by the same reference numerals represent the same things, and the basic configuration and operation are the same. To do.
図１は、本発明の実施例に係るデータ分析装置の構成を示すブロック図である。 FIG. 1 is a block diagram showing the configuration of a data analysis device according to an embodiment of the present invention.
データ分析装置は、中央処理装置０１０、データメモリ０２０、プログラムメモリ０３０、製造実績ＤＢ（データベース）０４０、分布モデルＤＢ０５０、表示装置０６０、キーボード０７０、及びポインティングデバイス０８０を有する。中央処理装置０１０は、データメモリ０２０、プログラムメモリ０３０、製造実績ＤＢ０４０、分布モデルＤＢ０５０、表示装置０６０、キーボード０７０、及びポインティングデバイス０８０と相互接続されている。
The data analysis device includes a
中央処理装置０１０は、分布計算処理部０１１、玉突き遅延計算処理部０１２、及び表示処理部０１３を有する。玉突き遅延計算処理部０１２は、設備に沿った玉突き遅延計算処理部０１４、オーダーに沿った玉突き遅延計算処理部０１５、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６、及び、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７を含んでいる。
The
データメモリ０２０は、製造実績データ０２０１、作業時間データ０２０２、遊び時間データ０２０３、残工程数データ０２０４、作業時間分布モデル０２０５、遊び時間分布モデル０２０６、残工程数分布モデル０２０７、残存遅延分布０２０８、控えておく期待値０２０９、控えておく確率０２１０、控えておく期待値２＿０２１１、及び控えておく確率２＿０２１２を含んでいる。
The
なお、分布計算処理部０１１、玉突き遅延計算処理部０１２及び表示処理部０１３の機能は、中央処理装置０１０がプログラムメモリ０３０に格納されたプログラム（図示省略）を実行することによって実現される。したがって、以下の説明において上記の処理部が実行する処理は、実際には、中央処理装置０１０がプログラムに記述された命令に従って実行する。また、プログラムメモリ０３０及びデータメモリ０２０は、同一の記憶装置であってもよい。また、製造実績ＤＢ０４０及び分布モデルＤＢ０５０は、それぞれ、例えばハードディスクドライブ等の記憶装置であってもよいし、同一の記憶装置であってもよい。また、製造実績ＤＢ０４０及び分布モデルＤＢ０５０に含まれるデータの少なくとも一部が必要に応じてデータメモリ０２０にコピーされてもよい。
Note that the functions of the distribution
図２は、本発明の実施例の製造実績データ０２０１のデータ構造を示す図である。
FIG. 2 is a diagram showing a data structure of
製造実績データ０２０１は、ＰＯＰシステムによって現場で収集された着手日時及び作業時間等を、各オーダーにおける工程毎にまとめたテーブルである。
The
製造実績データ０２０１は、データフィールドとして、オーダー２０１、工程順序２０２、標準時間２０３、設備ＩＤ２０４、着手日時２０５及び完了日時２０６を有する。
The
オーダー２０１は、実行された工程作業が、どのオーダー（注文）に対応する作業であるかを示す。工程順序２０２は、その工程作業がそのオーダーにおいて何番目の作業であるかを示す。標準時間２０３は、その工程作業を行うのに標準的に必要な時間を示す。設備ＩＤ２０４は、実際にその工程作業を行った設備を示す。着手日時２０５は、実際にその工程作業に着手した日時を示す。完了日時２０６は、実際にその工程作業を完了した日時を示す。
The
図３Ａ〜図３Ｃは、それぞれ、本発明の実施例の作業時間データ０２０２、遊び時間データ０２０３及び残工程数データ０２０４のデータ構造を示す図である。
3A to 3C are diagrams showing the data structures of the
作業時間データ０２０２タは、データフィールドとして、観測値３０１を有する（図３Ａ）。遊び時間データ０２０３は、データフィールドとして、観測値３０２を有する（図３Ｂ）。残工程数データ０２０４は、データフィールドとして、観測値３０３を有する（図３Ｃ）。
The
なお、作業時間とは、それぞれのオーダーにおけるそれぞれの工程作業に要した時間である。一方、遊び時間とは、それぞれのオーダーにおいて二つの工程作業に挟まれた、工程作業を行っていない時間である。例えば図１４のオーダー１に対応する作業時間は９から９．５まで、１０から１０．５まで、及び、１１から１２までであり、遊び時間は９．５から１０まで及び１０．５から１１までである。ある工程で遅延が発生した場合に、それ以降の遊び時間を短縮することによって遅延が吸収される場合がある。また、ある工程の残工程数とは、その工程が属するオーダーにおいて、その工程の後に実行される工程の数である。
The working time is the time required for each process work in each order. On the other hand, the play time is a time between two process operations in each order, in which no process operation is performed. For example, the working time corresponding to
図４Ａ〜図４Ｄは、それぞれ、本発明の実施例の作業時間分布モデル０２０５、遊び時間分布モデル０２０６、残工程数分布モデル０２０７及び残存遅延分布０２０８のデータ構造を示す図である。
4A to 4D are diagrams showing the data structures of the work
作業時間分布モデル０２０５は、データフィールドとして、値の範囲４０１及び頻度４０２を有する（図４Ａ）。遊び時間分布モデル０２０６は、データフィールドとして、値の範囲４０３及び頻度４０４を有する（図４Ｂ）。残工程数分布モデル０２０７は、データフィールドとして、値の範囲４０５及び頻度４０６を有する（図４Ｃ）。残存遅延分布０２０８は、データフィールドとして、値の範囲４０７及び頻度４０８を有する（図４Ｄ）。
The work
例えば、図４Ａには、値の範囲４０１として「０時間 以上 ５時間 未満」、頻度４０２として「０．９５」が記載されている。これらの例は、作業時間の長さが０時間以上５時間未満である工程作業の出現頻度が０．９５であることを示す。図４Ｂ〜図４Ｄに示すように、遊び時間、残工程数及び残存遅延時間の分布も同様の方法で記述される。これらの値は一例であり、それぞれ別の値が登録されてもよい。また、図４Ａ〜図４Ｄには、それぞれ、値の範囲と頻度を一組のみ例示しているが、実際には、これらの分布モデルは複数の組を含む。例えば、値の範囲「５時間以上６時間未満」とそれに対応する頻度との組を含んでもよい。あるいは、例えば、値の範囲「０時間以上１時間未満」とそれに対応する頻度との組、値の範囲「１時間以上２時間未満」とそれに対応する頻度との組、のように、より分解能の高い記述がされてもよい。また、このような分布の記述方法は一例であり、他の方法で分布が記述されてもよい。例えば、フィッティングに使用した関数の種類、及び、分布の形状を示すパラメータ（例えば平均値及び分散等）を用いて記述されてもよい。
For example, in FIG. 4A, “0 hours or more and less than 5 hours” is described as the
図５Ａ〜図５Ｄは、それぞれ、本発明の実施例の控えておく期待値０２０９、控えておく確率０２１０、控えておく期待値２＿０２１１及び控えておく確率２＿０２１２のデータ構造を示す図である。
5A to 5D are diagrams showing the data structures of the expected
控えておく期待値０２０９は、それぞれに期待値が保持される複数のデータフィールドを有する。図５Ａには、複数のデータフィールドの例として、期待値５０１〜５０３を示す。これらのデータフィールドに、期待値が１次元配列の形で保持される。
The expected
控えておく確率０２１０は、それぞれに確率が保持される複数のデータフィールドを有する。図５Ｂには、複数のデータフィールドの例として、確率５０４〜５０６を示す。これらのデータフィールドに、確率が１次元配列の形で保持される。
The
控えておく期待値２＿０２１１は、それぞれに期待値が保持される複数のデータフィールドを有する。図５Ｃには、複数のデータフィールドの例として、期待値５０７〜５１２および５１３〜５１５を示す。これらのデータフィールドに、期待値が２次元配列の形で保持される。
The expected value 2_0211 to be reserved has a plurality of data fields in which the expected values are held. In FIG. 5C, expected
控えておく確率２＿０２１２は、それぞれに確率が保持される複数のデータフィールドを有する。図５Ｄには、複数のデータフィールドの例として、確率５１６〜５２１および５２２〜５２４を示す。これらのデータフィールドに、確率が２次元配列の形で保持される。
The
＜システム動作について＞
図６は、本発明の実施例のデータ分析装置の処理概要を示すフローチャートである。
<About system operation>
FIG. 6 is a flowchart showing an outline of processing of the data analysis apparatus according to the embodiment of the present invention.
本データ分析装置の処理において、まず、分布計算処理部０１１は、分布モデルを読み込むかどうかについてユーザの指定を受け取る（ステップ６０１）。ステップ６０１の判定がＹＥＳ（すなわち分布モデルを読み込むことが指定された）であれば、分布計算処理部０１１は、分布モデルＤＢ０５０から分布モデルを読み込む（ステップ６０２）。読み込んだ値は、作業時間分布モデル０２０５、遊び時間分布モデル０２０６、残工程数分布モデル０２０７に格納される。
In the processing of the data analysis apparatus, first, the distribution
ステップ６０１の判定がＮＯであった場合は、分布計算処理部０１１は、まず、製造実績ＤＢ０４０からデータを読み込む（ステップ６０３）。読み込んだ値は、製造実績データ０２０１に保持される。その後、分布計算処理部０１１は、分布モデルを計算する（ステップ６０４）。この処理は、図７を参照して詳細に説明する。
If the determination in
ステップ６０２またはステップ６０４の後に、玉突き遅延計算処理部０１２は、遅延の初期値としてユーザが指定した値を読み込む（ステップ６０５）。次に、玉突き遅延計算処理部０１２は、玉突き遅延の計算を行う（ステップ６０６）。この処理は、図８を参照して詳細に説明する。
After
その後、表示処理部０１３は、表示を行う（ステップ６０７）。この処理は、図１３を参照して詳細に説明する。
After that, the
図７は、本発明の実施例のデータ分析装置が図６のステップ６０４において実行する分布モデルを計算する処理の詳細を示すフローチャートである。
FIG. 7 is a flow chart showing details of the processing for calculating the distribution model executed in
まず、分布計算処理部０１１は、作業時間のデータを得る（ステップ７０１）。これは、製造実績データ０２０１の各行（ここでは、一つの工程に関するオーダー２０１から完了日時２０６までの値の一組を一つの行と記載する。以下同様）から、各工程の完了日時２０６と着手日時２０５の差を求めることで得られる。このようにして得た値は、作業時間データ０２０２に保持される。次に、分布計算処理部０１１は、ステップ７０１で保持された値（すなわち、製造実績データ０２０１から得られた、複数のオーダーの複数の工程の作業時間の値）を分布モデル化する（ステップ７０２）。これは、作業時間データ０２０２が保持する値を元に、正規分布、対数正規分布、または指数分布などにフィッティングし、それをヒストグラム化することで得られる。このようにして得た値は、作業時間分布モデル０２０５に保持される。
First, the distribution
次に、分布計算処理部０１１は、遊び時間のデータを得る（ステップ７０３）。これは、製造実績データ０２０１のうち、オーダー２０１が同一で工程順序２０２が１だけ異なる行の組から、着手日時２０５と完了日時２０６との差を求める（例えば、各オーダーの各工程の完了日時２０６と、そのオーダーにおける一つ後の工程の着手日時２０５との差を求める）ことで得られる。このようにして得た値は、遊び時間データ０２０３に保持される。次に、分布計算処理部０１１は、ステップ７０３で保持された値を分布モデル化する（ステップ７０４）。これは、遊び時間データ０２０３が保持する値を元に、正規分布、対数正規分布、または指数分布などにフィッティングし、それをヒストグラム化することで得られる。このようにして得た値は、遊び時間分布モデル０２０６に保持される。
Next, the distribution
その後、分布計算処理部０１１は、残工程数のデータを得る（ステップ７０５）。これは、製造実績データ０２０１の各行において、オーダー２０１が同一で工程順序２０２が大きい行がいくつあるか調べることで得られる。例えば、図１４に示すようにそれぞれのオーダーが３つの工程からなる場合、１つ目の工程の残工程数は２、２つ目の工程の残工程数は１、３つ目の工程の残工程数は０となる。このようにして得た値は、残工程数データ０２０４に保持される。次に、残工程数の分布モデルを計算する（ステップ７０６）。これは、残工程数データ０２０４が保持する値を元に、正規分布、対数正規分布、または指数分布などにフィッティングし、それをヒストグラム化することで得られる。このようにして得た値は、残工程数分布モデル０２０７に保持される。
After that, the distribution
本実施例のデータ分析装置は、上記のように生成された分布モデルを使用して以下に説明する処理を行うことによって、標準時間等のマスタデータが整備されていない工場等においても、遅延の影響量を見積もり、それに基づいて、リアルタイムな実績収集の仕組みの導入の効果を見積もることが可能になる。また、現実の工場等では、例えば複数の工程の作業時間をまとめて記録するといったことが行われることによって、製造実績データそのものの精度が高くない場合がある。そのような場合でも、ある程度の量の実績データから抽出した分布を、例えば正規分布等の適切な分布モデルにフィッティングすることによって、概ね信頼できる分布を求めることが可能であることが分かった。このため、本実施例によれば、上記のように製造実績データの精度が高くない場合でも、リアルタイムな実績収集の仕組みの導入の効果を見積もることが可能になる。 The data analysis apparatus of the present embodiment performs the process described below using the distribution model generated as described above, so that even in a factory where master data such as standard time is not prepared, delay It is possible to estimate the amount of impact and estimate the effect of introducing a real-time performance collection system based on it. Further, in an actual factory or the like, for example, the working time of a plurality of processes is collectively recorded, and thus the accuracy of the manufacturing result data itself may not be high. Even in such a case, it has been found that it is possible to obtain a generally reliable distribution by fitting a distribution extracted from a certain amount of actual data to an appropriate distribution model such as a normal distribution. Therefore, according to the present embodiment, it is possible to estimate the effect of introducing the real-time performance collecting mechanism even when the accuracy of the manufacturing performance data is not high as described above.
なお、上記は本発明を工場等の製造業の現場に適用した例であるが、本発明は製造業以外の事業に適用することも可能であり、その場合は、当該事業の作業の実績データに基づいて、作業時間、遊び時間及び残工程数の分布モデルを作成することもできる。 Although the above is an example in which the present invention is applied to the site of a manufacturing industry such as a factory, the present invention can also be applied to a business other than the manufacturing industry, and in that case, work result data of the business. It is also possible to create a distribution model of working time, play time and the number of remaining steps based on the above.
図８は、本発明の実施例のデータ分析装置が図６のステップ６０６において実行する玉突き遅延を計算する処理の詳細を示すフローチャートである。
FIG. 8 is a flow chart showing details of the process for calculating the beading delay executed by the data analysis device of the embodiment of the present invention in
まず、玉突き遅延計算処理部０１２は、設備に添った玉突き遅延の計算を行う（ステップ８０１）。この処理は、図９を参照して詳細に説明する。次に、玉突き遅延計算処理部０１２は、オーダーに沿った玉突き遅延の計算を行う（ステップ８０２）。この処理は、図１０を参照して詳細に説明する。その後、玉突き遅延計算処理部０１２は、オーダーに沿った玉突き遅延が引き起こす、設備に沿った玉突き遅延の計算を行う（ステップ８０３）。この処理は、図１１を参照して詳細に説明する。その後、玉突き遅延計算処理部０１２は、設備に沿った玉突き遅延が引き起こす、オーダーに沿った玉突き遅延の計算を行う（ステップ８０４）。この処理は、図１２を参照して詳細に説明する。
First, the beading delay
図９は、本発明の実施例のデータ分析装置が図８のステップ８０１において実行する、設備に沿った玉突き遅延を計算する処理の詳細を示すフローチャートである。
FIG. 9 is a flowchart showing the details of the process for calculating the beading delay along the equipment, which is executed by the data analysis device of the embodiment of the present invention in
まず、設備に沿った玉突き遅延計算処理部０１４は、残存遅延分布に初期値を設定する（ステップ９０１）。これは、図６のステップ６０５で読み込んだ値の頻度が１００％、その他の値の頻度が０になるように、残存遅延分布０２０８を設定する処理である。次に、設備に沿った玉突き遅延計算処理部０１４は、残存遅延がある確率を１に初期化する（ステップ９０２）。次に、設備に沿った玉突き遅延計算処理部０１４は、玉突き遅延の量を０に初期化する（ステップ９０３）。
First, the beading delay
次に、設備に沿った玉突き遅延計算処理部０１４は、残存遅延分布と遊び時間分布モデルとの差の分布を求める（ステップ９０４）。これは、残存遅延分布に従う確率変数と遊び時間分布モデルに従う確率変数との差がどのような分布になるかを求めることで得られる。その後、設備に沿った玉突き遅延計算処理部０１４は、ステップ９０４で求めた差の分布について、負の値をとる領域を０に差し替える（ステップ９０５）。これは、遅延時間を十分に遊び時間で吸収した後でも、返って前倒しになることを想定する必要はないことに対応する処理である。
Next, the beading delay
その後、設備に沿った玉突き遅延計算処理部０１４は、残存遅延がある確率を更新する（ステップ９０６）。これは、残存遅延分布において正の値を持つ頻度を求め、残存遅延がある確率にかけあわせて更新する処理である。その後、設備に沿った玉突き遅延計算処理部０１４は、残存遅延の期待値を求める（ステップ９０７）。これは、残存遅延分布の値の範囲４０７から代表値を選び、その代表値に頻度４０８をかけた値の総和を求める処理である。
After that, the beading delay
その後、設備に沿った玉突き遅延計算処理部０１４は、オーダーに沿った玉突き遅延用に値を控える（ステップ９０８）。これは、ステップ９０６で求めた確率およびステップ９０７で求めた期待値は、図１０で説明するオーダーに沿った玉突き遅延の計算でも利用されるため、それらの控え（コピー）をデータメモリ０２０に記憶しておく処理である。具体的には、設備に沿った玉突き遅延計算処理部０１４は、控えておく期待値０２０９および控えておく確率０２１０に、それぞれ、ステップ９０７で求めた期待値およびステップ９０６で求めた確率に対応する新しい要素を追加し保持する。
After that, the beading delay
その後、設備に沿った玉突き遅延計算処理部０１４は、設備に沿った玉突き遅延の量を更新する（ステップ９０９）。これは、ステップ９０７で求めた期待値に、ステップ９０６で求めた確率を掛け合わせた値を、設備に沿った玉突き遅延の量に足しこむことによって、設備に沿った玉突き遅延の量を更新する処理である。その後、設備に沿った玉突き遅延計算処理部０１４は、残存遅延分布の更新を行う（ステップ９１０）。これは、ステップ９０５で計算した差の分布で、残存遅延分布０２０８の値を置き換える処理である。その後、設備に沿った玉突き遅延計算処理部０１４は、玉突き遅延の量が収束したかを調べる（ステップ９１１）。これは、ステップ９０９で足しこんだ値が、玉突き遅延の量と比べて十分小さくなったかを調べる処理である。十分小さくなっていれば、収束しているとみなせる。収束していなければ、ステップ９０４に戻って処理を繰り返す。収束していれば、処理を終える。
After that, the beading delay
図１０は、本発明の実施例のデータ分析装置が図８のステップ８０２において実行する、オーダーに沿った玉突き遅延を計算する処理の詳細を示すフローチャートである。
FIG. 10 is a flowchart showing the details of the process for calculating the beading delay along the order, which is executed by the data analysis device according to the embodiment of this invention in
まず、オーダーに沿った玉突き遅延計算処理部０１５は、変数ｉに１を設定する（ステップ１００１）。次に、オーダーに沿った玉突き遅延計算処理部０１５は、玉突き遅延の量を０に初期化する（ステップ１００２）。その後、オーダーに沿った玉突き遅延計算処理部０１５は、残工程数分布モデル０２０７において値の範囲がｉ以上である頻度の和と、控えておく期待値０２０９のｉ番目の要素と、控えておく確率０２１０のｉ番目の要素との積を求め、玉突き遅延の量に足しこむ（ステップ１００３）。次に、オーダーに沿った玉突き遅延計算処理部０１５は、ｉをインクリメントする（ステップ１００４）。その後、残工程数分布モデル０２０７、控えておく期待値０２０９、控えておく確率０２１０のいずれかにおいて、ｉ以上の要素がないかを調べる（ステップ１００５）。いずれかにおいてｉ以上の要素がないなら、処理を終える。すべてにおいてｉ以上の要素があるなら、ステップ１００３に戻って処理を繰り返す。
First, the beading delay
オーダーに沿った玉突き遅延の量は、基本的に、設備に沿った玉突き遅延の量と同じ方法で計算できるため、上記のように、設備に沿った玉突き遅延の計算の際に記憶された、控えておく期待値０２０９及び控えておく確率０２１０の値を利用して計算される。ただし、オーダーに沿った玉突き遅延は、そのオーダーの残工程数を超えて波及することがない。具体的には、ステップ１００３で計算される、控えておく期待値０２０９のｉ番目の要素と、控えておく確率０２１０のｉ番目の要素との積は、ｉ個の遊び時間を経過した後の工程における残存遅延の期待値と残存遅延がある確率との積であり、ｉ個の遊び時間を経過して波及する玉突き遅延が当該工程に与える影響量の指標である。しかし、ｉ個の遊び時間を経過した時点で残工程数が０であるオーダーにおいてはｉ個の遊び時間を経過した後の工程が存在しない。このため、ステップ１００３では、さらに残工程数分布モデル０２０７において値の範囲がｉ以上である頻度の和を乗じることによって、残工程数の長さの分布を考慮した玉突き遅延の影響が計算される。
The amount of stack delay along the order can be calculated basically in the same way as the amount of stack delay along the facility, so it was stored during the calculation of stack delay along the facility, as described above, It is calculated using the expected
図１１は、本発明の実施例のデータ分析装置が図８のステップ８０３において実行する、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延を計算する処理の詳細を示すフローチャートである。
FIG. 11 is a flowchart showing the details of the process executed by the data analysis apparatus according to the embodiment of the present invention in
まず、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、変数ｉに１を設定する（ステップ１１０１）。次に、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、玉突き遅延の量を０に初期化する（ステップ１１０２）。次に、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残存遅延分布０２０８を、控えておく期待値０２０９のｉ番目の要素の頻度が１００％、その他の頻度が０になるように初期化する（ステップ１１０３）。次に、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残存遅延がある確率を１に初期化する（ステップ１１０４）。
First, the beading delay
ここで、控えておく期待値０２０９のｉ番目の要素とは、あるオーダーのある工程で発生した遅延が、ｉ個の遊び時間を経過して波及する場合の、残存遅延の期待値である。すなわち、以下の処理では、オーダーに沿ってｉ個の遊び時間を経てある設備を使用するある工程まで波及した遅延が、その工程より後にその設備を使用する工程に波及する確率及び波及することによる残存遅延の期待値等が計算される。
Here, the i-th element of the expected
次に、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残存遅延分布と遊び時間分布モデルとの差の分布を求める（ステップ１１０５）。これは、図９のステップ９０４と同様に、残存遅延分布に従う確率変数と遊び時間分布モデルに従う確率変数との差がどのような分布になるかを求めることで得られる。その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、ステップ１１０５で求めた差の分布について、負の値をとる領域を０に差し替える（ステップ１１０６）。これは、図９のステップ９０５と同様に、遅延時間を十分に遊び時間で吸収した後でも、返って前倒しになることを想定する必要はないことに対応する処理である。
Next, the stacking delay
その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残存遅延がある確率を更新する（ステップ１１０７）。これは、図９のステップ９０６と同様に、残存遅延分布において正の値を持つ頻度を求め、残存遅延がある確率にかけあわせて更新する処理である。その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残存遅延の期待値を求める（ステップ１１０８）。これは、図９のステップ９０７と同様に、残存遅延分布の値の範囲４０７から代表値を選び、その代表値に頻度４０８をかけた値の総和を求める処理である。
After that, the beading delay
その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延用に値を控える（ステップ１１０９）。これは、ステップ１１０７で求めた確率およびステップ１１０６で求めた期待値は、図１２で説明する設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延の計算でも利用されるため、それらの控えをデータメモリ０２０に記憶しておく処理である。具体的には、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、控えておく期待値２＿０２１１および控えておく確率２＿０２１０において、２次元目にｉ番目の要素がなければ追加し、それぞれ、ステップ１１０８で求めた期待値およびステップ１１０７で求めた確率を新しい要素として保持する。
After that, the beading delay
その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延の量を更新する（ステップ１１１０）。これは、ステップ１１０８で求めた期待値に、ステップ１１０７で求めた確率と、残工程数分布モデル０２０７において値の範囲がｉ以上である頻度の和と、控えておく確率０２１０のｉ番目の要素とを掛け合わせた値を、玉突き遅延の量に足しこむことによって、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延の量を更新する処理である。
Then, the beading delay
その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残存遅延分布の更新を行う（ステップ１１１１）。これは、ステップ１１０６で計算した差の分布で、残存遅延分布０２０８の値を置き換える処理である。その後、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、玉突き遅延の量が収束したかを調べる（ステップ１１１２）。これは、ステップ１１１０で足しこんだ値が、玉突き遅延の量と比べて十分小さくなったかを調べる処理である。十分小さくなっていれば、収束しているとみなせる。収束していなければ、ステップ１１０５に戻って処理を繰り返す。収束していれば、ｉをインクリメントする（ステップ１１１３）。そして、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部０１６は、残工程数分布モデル０２０７、控えておく期待値０２０９、及び控えておく確率０２１０のいずれかにおいて、ｉ以上の要素がないかを調べる（ステップ１１１４）。いずれかにおいてｉ以上の要素がないなら、処理を終える。すべてにおいてｉ以上の要素があるなら、ステップ１１０３に戻って処理を繰り返す。
After that, the beading delay
図１２は、本発明の実施例のデータ分析装置が図８のステップ８０４において実行する、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延を計算する処理の詳細を示すフローチャートである。
FIG. 12 is a flowchart showing the details of the process of calculating the beading delay along the order caused by the beading delay along the equipment, which is executed by the data analysis device of the embodiment of the present invention in
まず、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、変数ｉに１を設定する（ステップ１２０１）。次に、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、玉突き遅延の量を０に初期化する（ステップ１２０２）。その後、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、変数ｊに１を設定する（ステップ１２０３）。
First, the beading delay
その後、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、残工程数分布モデル０２０７において値の範囲がｊ以上である頻度の和と、控えておく期待値２＿０２１１の１次元目がｉで２次元目がｊの要素と、控えておく確率２＿０２１２の１次元目がｉで２次元目がｊの要素と、控えておく確率０２１０のｉ番目の要素との積を求め、その積を設備に沿った玉突き遅延長引き起こすオーダーに沿った玉突き遅延の量に足しこむ（ステップ１２０４）。
After that, the beading delay
その後、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、ｊをインクリメントし（ステップ１２０５）、残工程数分布モデル０２０７、控えておく期待値２＿０２１１の２次元目、及び控えておく確率２＿０２１２の２次元目のいずれかにおいて、ｊ以上の要素がないかを調べる（ステップ１２０６）。それらのすべてにおいてｊ以上の要素があるなら、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、ステップ１２０４に戻って処理を繰り返す。いずれかにおいてｊ以上の要素がないなら、ｉをインクリメントする（ステップ１２０７）。
After that, the beading delay
その後、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部０１７は、控えておく期待値２＿０２１１の１次元目、控えておく確率２ ０２１２の１次元目、及び控えておく確率０２１０のいずれかにおいて、ｉ以上の要素がないかを調べる（ステップ１２０８）。いずれかにおいてｉ以上の要素がないなら処理を終える。すべてにおいてｉ以上の処理があるなら、ステップ１２０３に戻って処理を繰り返す。
After that, the beading delay
図１３は、本発明の実施例のデータ分析装置が図６のステップ６０７において実行する、表示を行う処理の画面例を示す図である。
FIG. 13 is a diagram showing an example of a screen of the display processing executed by the data analysis apparatus according to the embodiment of this invention in
グラフ１３０１は、作業時間分布モデル０２０５をあらわす。グラフ１３０２は、遊び時間分布モデル０２０６をあらわす。グラフ１３０３は、残工程数分布モデル０２０７をあらわす。遅延の初期値１３０４は、図６のステップ６０５で読み込まれた値である。玉突き遅延の見積もり値１３０５は、図８の各ステップで求めた玉突き遅延の量である。
A
具体的には、玉突き遅延の見積もり値１３０５は、設備に沿った玉突き遅延、オーダーに沿った玉突き遅延、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延、及び設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延のそれぞれについて、遅延量の見積もり値１３０６と、その遅延量を再スケジュールによって回避できる可能性の有無１３０７と、を含む。
Specifically, the estimated
玉突き遅延の種類ごとの遅延量の見積もり値１３０６は、それぞれ、図９のステップ９０９、図１０のステップ１００３、図１１のステップ１１１０及び図１２のステップ１２０４において足し込まれた値であり、それぞれの処理が終了した時点の最終的な値である。すなわち、これらの値は、玉突き遅延の種類ごとに計算された、各オーダーの各工程における玉突き遅延の影響量の総和であり、これらの値が大きいほど、それぞれの種類の玉突き遅延が、本実施例のデータ分析装置による分析対象であるシステムの稼働（例えば工場における生産活動）に与える影響が大きいことを示している。
The estimated
一方、遅延量を再スケジュールによって回避できる可能性の有無１３０７は、次の通りとなる。オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延、及び、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延については、例えば、ある設備において、あるオーダーの工程の着手が遅れている間に、本来はその工程の後でその設備を使用して行われることになっていた別のオーダーの工程を先に行うなどの再スケジュールを行うによって、その設備を使用する後の工程への遅延の波及を回避したり、当該別のオーダーの後の工程への遅延の波及を回避したりすることができる可能性がある。これに対して、単純に一つのオーダー内の工程間を伝搬していく遅延（すなわちオーダーに沿った玉突き遅延）、及び、一つの設備を使用する工程間を伝搬していく遅延（すなわち設備に沿った玉突き遅延）は、再スケジュールを行っても回避できないと考えられる。 On the other hand, whether or not there is a possibility that the delay amount can be avoided by rescheduling is as follows. Regarding the bead delay along the equipment caused by the bead delay along the order and the bead delay along the order caused by the bead delay along the equipment, for example, the start of the process of a certain order is delayed in a certain equipment. In the meantime, by reschedule such as performing a process of another order that was originally supposed to be performed using the equipment after the process, it is possible to move to the subsequent process using the equipment. It may be possible to avoid the spread of delay or to spread the delay to the subsequent process of the other order. On the other hand, the delay that simply propagates between the processes in one order (that is, the beading delay along the order) and the delay that propagates between the processes that use one facility (that is, to the facility) It is thought that the delay along the stack) cannot be avoided even by reschedule.
すなわち、例えば見積もり値１３０６の合計値が同じであっても、オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延、及び、設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延の見積もり値の割合が大きいほど、それぞれの工程で発生した遅延をその発生から短時間のうちに検知して再スケジュールを行う実績収集の仕組みを導入することによって遅延の影響が軽減される可能性が高いと言える。
That is, for example, even if the total value of the estimated
したがって、上記の実施例によれば、標準時間などのマスタデータが未整備な状態であっても、作業時間、遊び時間及び残工程数等に関してある程度信頼できる分布が得られれば、それを利用して、リアルタイムな実績収集の仕組みの導入（例えば遅延の原因となる事象の発生を監視する装置の設置等）の効果を見積もることができる。 Therefore, according to the above-mentioned embodiment, even if the master data such as the standard time is unprepared, if a reliable distribution can be obtained to some extent with respect to the working time, the play time, the number of remaining steps, etc., it is used. Thus, it is possible to estimate the effect of introducing a mechanism for collecting results in real time (for example, installing a device that monitors the occurrence of an event that causes a delay).
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されものではない。 It should be noted that the present invention is not limited to the above-described embodiments, but includes various modifications. For example, the above-described embodiments have been described in detail for better understanding of the present invention, and are not necessarily limited to those including all the configurations of the description.
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。 Further, the above-described respective configurations, functions, processing units, processing means, etc. may be realized by hardware by designing a part or all of them with, for example, an integrated circuit. Further, the above-described respective configurations, functions and the like may be realized by software by a processor interpreting and executing a program for realizing each function. Information such as programs, tables, and files for realizing each function is stored in a nonvolatile semiconductor memory, a hard disk drive, a storage device such as an SSD (Solid State Drive), or a computer-readable non-readable memory such as an IC card, an SD card, or a DVD. It can be stored on a temporary data storage medium.
また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。 Further, the control lines and the information lines are shown as being considered necessary for explanation, and not all the control lines and the information lines in the product are necessarily shown. In practice, it may be considered that almost all configurations are connected to each other.
０１０ 中央処理装置
０１１ 分布計算処理部
０１２ 玉突き遅延計算処理部
０１３ 表示処理部
０１４ 設備に沿った玉突き遅延計算処理部
０１５ オーダーに沿った玉突き遅延計算処理部
０１６ オーダーに沿った玉突き遅延が引き起こす設備に沿った玉突き遅延計算処理部
０１７ 設備に沿った玉突き遅延が引き起こすオーダーに沿った玉突き遅延計算処理部
０２０ データメモリ
０２０１ 製造実績データ
０２０２ 作業時間データ
０２０３ 遊び時間データ
０２０４ 残工程数データ
０２０５ 作業時間分布モデル
０２０６ 遊び時間分布モデル
０２０７ 残工程数分布モデル
０２０８ 残存遅延分布
０２０９ 控えておく期待値
０２１０ 控えておく確率
０２１１ 控えておく期待値２
０２１２ 控えておく確率２
０３０ プログラムメモリ
０４０ 製造実績ＤＢ
０５０ 分布モデルＤＢ
０６０ 表示装置
０７０ キーボード
０８０ ポインティングデバイス
010
0212
030
050 Distribution model DB
060
Claims (6)
前記記憶装置は、
複数のオーダーの複数の工程の作業が複数の設備を用いて行われる場合において、前記工程間の作業が行われていない遊び時間の長さの分布を示す遊び時間分布データと、
前記各オーダーにおいて前記各工程の後の残工程の数の分布を示す残工程数分布データと、を保持し、
前記処理装置は、前記各工程に発生した遅延のうち少なくとも一部が前記遊び時間によって吸収され、残りが後の工程に波及する場合に、前記遊び時間分布データに基づいて、遅延が残存している確率と残存している遅延の期待値との積を、前記設備に沿って波及する遅延による影響量として計算し、前記遊び時間分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値との積を、前記オーダーに沿って波及する遅延が引き起こす前記設備に沿って波及する遅延による影響量として計算し、前記遊び時間分布データ及び前記残工程数分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値と前記残工程の数が前記遅延が経過した遊び時間の数以上である頻度の和との積を、前記オーダーに沿って波及する遅延による影響量として計算し、前記遊び時間分布データ及び前記残工程数分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値と前記残工程の数が前記遅延が経過した遊び時間の数以上である頻度の和との積を、前記設備に沿って波及する遅延が引き起こす前記オーダーに沿って波及する遅延による影響量として計算することによって、初期値として与えられた遅延が波及することによる前記複数のオーダーの複数の工程への影響量を計算し、その計算の結果を出力することを特徴とするデータ分析装置。 A data analysis device comprising a processing device and a storage device connected to the processing device,
The storage device is
When work of a plurality of processes of a plurality of orders is performed using a plurality of equipment, play time distribution data showing a distribution of the length of play time during which work between the processes is not performed,
Retaining the remaining process number distribution data indicating the distribution of the number of remaining processes after each process in each order,
In the processing device, when at least a part of the delay occurring in each of the steps is absorbed by the play time and the rest spreads to a later step , the delay remains based on the play time distribution data. The product of the probability of being present and the expected value of the remaining delay is calculated as the amount of influence of the delay that spreads along the equipment, and based on the play time distribution data, for each number of the play times where the delay has elapsed. , The product of the probability of remaining delay and the expected value of the remaining delay is calculated as the amount of influence by the delay that propagates along the equipment caused by the delay that propagates along the order, and the play On the basis of the time distribution data and the remaining process number distribution data, the probability of remaining delay, the expected value of remaining delay, and the number of remaining processes are calculated for each number of the play time after the delay. The product of the sum of frequencies that is equal to or greater than the number of idle times that the delay has elapsed is calculated as the amount of influence of the delay that propagates along the order, and based on the idle time distribution data and the remaining process number distribution data, The sum of the probability that a delay remains, the expected value of the remaining delay, and the frequency at which the number of remaining steps is equal to or greater than the number of the play time after which the delay has elapsed, for each number of the play time that the delay has elapsed. By calculating the product of and as the amount of influence by the delay that propagates along the order caused by the delay that propagates along the equipment, a plurality of the plurality of orders due to the propagation of the delay given as the initial value A data analysis device , which calculates the amount of influence on the process and outputs the result of the calculation.
前記処理装置は、
前記設備に沿って波及する遅延及び前記オーダーに沿って波及する遅延による前記影響量を、再スケジュールによって回避できない影響量として出力し、
前記オーダーに沿って波及する遅延が引き起こす前記設備に沿って波及する遅延、及び、前記設備に沿って波及する遅延が引き起こす前記オーダーに沿って波及する遅延による、前記影響量を、再スケジュールによって回避できる可能性がある影響量として出力することを特徴とするデータ分析装置。 The data analysis device according to claim 1, wherein
The processing device is
The influence amount due to the delay that spreads along the facility and the delay that spreads along the order is output as an influence amount that cannot be avoided by reschedule,
Rescheduling avoids the amount of influence due to the delay that propagates along the equipment caused by the delay that propagates along the order and the delay that propagates along the order that the delay that propagates along the equipment causes. A data analysis device, which outputs as an influence amount that can possibly occur.
前記記憶装置は、実際に行われた複数のオーダーの複数の工程の実績データをさらに保持し、 The storage device further holds performance data of a plurality of processes of a plurality of orders actually performed,
前記処理装置は、前記実績データに基づいて、前記遊び時間の長さの分布及び前記各工程の後の残工程の数の分布をモデル化することによって、前記遊び時間分布データ及び前記残工程数分布データを生成し、前記記憶装置に格納することを特徴とするデータ分析装置。 The processing device models the distribution of the length of the play time and the distribution of the number of remaining processes after each process based on the actual result data to obtain the play time distribution data and the number of remaining processes. A data analysis device, wherein distribution data is generated and stored in the storage device.
前記記憶装置は、 The storage device is
複数のオーダーの複数の工程の作業が複数の設備を用いて行われる場合において、前記工程間の作業が行われていない遊び時間の長さの分布を示す遊び時間分布データと、 When work of a plurality of processes of a plurality of orders is performed using a plurality of equipment, play time distribution data showing a distribution of the length of play time during which work between the processes is not performed,
前記各オーダーにおいて前記各工程の後の残工程の数の分布を示す残工程数分布データと、を保持し、 Retaining the remaining process number distribution data indicating the distribution of the number of remaining processes after the respective processes in each order,
前記データ分析方法は、 The data analysis method is
前記処理装置が、前記各工程に発生した遅延のうち少なくとも一部が前記遊び時間によって吸収され、残りが後の工程に波及する場合に、初期値として与えられた遅延が波及することによる前記複数のオーダーの複数の工程への影響量を、前記遊び時間分布データ及び前記残工程数分布データに基づいて計算する第１手順と、 In the processing apparatus, when at least a part of the delays generated in the respective steps is absorbed by the play time and the rest spreads to the subsequent steps, the delay given as the initial value spreads to the plurality of the plurality of delays. A first procedure for calculating the amount of influence of the order of the above on a plurality of processes based on the play time distribution data and the remaining process number distribution data,
前記処理装置が、前記第１手順の計算の結果を出力する第２手順と、を含み、 A second step in which the processing device outputs a result of the calculation in the first step;
前記第１手順において、前記処理装置は、 In the first procedure, the processing device is
前記遊び時間分布データに基づいて、遅延が残存している確率と残存している遅延の期待値との積を、前記設備に沿って波及する遅延による前記影響量として計算し、 Based on the play time distribution data, the product of the probability of remaining delay and the expected value of the remaining delay is calculated as the influence amount due to the delay that spreads along the facility,
前記遊び時間分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値との積を、前記オーダーに沿って波及する遅延が引き起こす前記設備に沿って波及する遅延による前記影響量として計算し、 Based on the play time distribution data, a delay that spreads the product of the probability of remaining delay and the expected value of the remaining delay for each number of the playing time after the delay along the order. Calculated as the amount of influence due to the delay that spreads along the equipment caused by
前記遊び時間分布データ及び前記残工程数分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値と前記残工程の数が前記遅延が経過した遊び時間の数以上である頻度の和との積を、前記オーダーに沿って波及する遅延による前記影響量として計算し、 Based on the play time distribution data and the remaining process number distribution data, the probability of remaining delay, the expected value of remaining delay, and the number of remaining processes for each number of the idle time after which the delay has elapsed. Is calculated as a product of the sum of frequencies in which the delay is equal to or greater than the number of play times that have passed, as the influence amount due to the delay that propagates along the order,
前記遊び時間分布データ及び前記残工程数分布データに基づいて、遅延が経過した前記遊び時間の数ごとに、遅延が残存している確率と残存している遅延の期待値と前記残工程の数が前記遅延が経過した遊び時間の数以上である頻度の和との積を、前記設備に沿って波及する遅延が引き起こす前記オーダーに沿って波及する遅延による前記影響量として計算することを特徴とするデータ分析方法。 Based on the play time distribution data and the remaining process number distribution data, the probability of remaining delay, the expected value of remaining delay, and the number of remaining processes for each number of the idle time after which the delay has elapsed. Is calculated as the influence amount due to the delay that spreads along the order caused by the delay that spreads along the equipment. Data analysis method.
前記第２手順において、前記処理装置は、 In the second procedure, the processing device
前記設備に沿って波及する遅延及び前記オーダーに沿って波及する遅延による前記影響量を、再スケジュールによって回避できない影響量として出力し、 The influence amount due to the delay that spreads along the facility and the delay that spreads along the order is output as an influence amount that cannot be avoided by reschedule,
前記オーダーに沿って波及する遅延が引き起こす前記設備に沿って波及する遅延、及び、前記設備に沿って波及する遅延が引き起こす前記オーダーに沿って波及する遅延による、前記影響量を、再スケジュールによって回避できる可能性がある影響量として出力することを特徴とするデータ分析方法。 Rescheduling avoids the amount of influence due to the delay that propagates along the equipment caused by the delay that propagates along the order and the delay that propagates along the order that the delay that propagates along the equipment causes. A data analysis method characterized by outputting as an influence quantity that can possibly occur.
前記記憶装置は、実際に行われた複数のオーダーの複数の工程の実績データをさらに保持し、 The storage device further holds performance data of a plurality of processes of a plurality of orders actually performed,
前記データ分析方法は、前記処理装置が、前記実績データに基づいて、前記遊び時間の長さの分布及び前記各工程の後の残工程の数の分布をモデル化することによって、前記遊び時間分布データ及び前記残工程数分布データを生成し、前記記憶装置に格納する手順をさらに含むことを特徴とするデータ分析方法。 In the data analysis method, the processing device models the distribution of the length of the play time and the distribution of the number of remaining steps after each step based on the performance data, whereby the play time distribution is obtained. A data analysis method, further comprising a step of generating data and the remaining process number distribution data and storing the data in the storage device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016170248A JP6727077B2 (en) | 2016-08-31 | 2016-08-31 | Data analysis device and data analysis method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016170248A JP6727077B2 (en) | 2016-08-31 | 2016-08-31 | Data analysis device and data analysis method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018036918A JP2018036918A (en) | 2018-03-08 |
| JP6727077B2 true JP6727077B2 (en) | 2020-07-22 |
Family
ID=61567528
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016170248A Active JP6727077B2 (en) | 2016-08-31 | 2016-08-31 | Data analysis device and data analysis method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6727077B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2024031005A (en) * | 2022-08-25 | 2024-03-07 | 株式会社日立製作所 | /progress management system, manufacturing execution system, and progress management method |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11156679A (en) * | 1997-11-28 | 1999-06-15 | Nec Corp | Production scheduling device and recording medium recording production scheduling program |
| JP2001034672A (en) * | 1999-07-22 | 2001-02-09 | Sumitomo Metal Ind Ltd | Operation plan adjusting method and operation plan adjusting system |
| JP4322571B2 (en) * | 2003-06-27 | 2009-09-02 | 株式会社神戸製鋼所 | Scheduling apparatus and scheduling program |
| JP2010128819A (en) * | 2008-11-27 | 2010-06-10 | Nissan Motor Co Ltd | Support process determination system and support process determination method |
| EP2648059B1 (en) * | 2012-04-03 | 2014-12-10 | ABB Research Ltd. | Investigating the activities being performed by a machine in an industrial process |
| JP6259693B2 (en) * | 2014-03-20 | 2018-01-10 | 株式会社 日立産業制御ソリューションズ | Process management system, process management apparatus, and process management method |
-
2016
- 2016-08-31 JP JP2016170248A patent/JP6727077B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018036918A (en) | 2018-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20110296371A1 (en) | Creating A Test Progression Plan | |
| JP7054668B2 (en) | Dynamic production planning system and dynamic production planning equipment | |
| Yassine et al. | Assessment of Rework Probabilities for Simulatng Product Development Processes Using the Design Structure Matrix (DSM) | |
| Alsalemi et al. | A survey on product backlog change management and requirement traceability in agile (Scrum) | |
| Concas et al. | Simulation of software maintenance process, with and without a work‐in‐process limit | |
| JP6040887B2 (en) | Information processing apparatus, information processing system, control method, and program | |
| Ji et al. | Optimal software development: A control theoretic approach | |
| JP6712934B2 (en) | Data analysis device and data analysis method | |
| JP6727077B2 (en) | Data analysis device and data analysis method | |
| JP4072102B2 (en) | Project pre-evaluation method, project pre-evaluation apparatus and program | |
| JP5983186B2 (en) | Information processing apparatus, information processing method, and program | |
| JP7314043B2 (en) | PRODUCTION PLANNING SUPPORT SYSTEM AND PRODUCTION PLANNING SUPPORT METHOD | |
| JP2015079445A (en) | Project management device, project management method, and project management program | |
| JP2017027632A (en) | Demand prediction device, demand prediction system, control method, and program | |
| Kamandang et al. | An empirical study on analyzing schedule delays of construction project in Indonesia | |
| JP2001282981A (en) | Method and system for business reform planning | |
| JP5650290B1 (en) | Operational risk measurement method and apparatus | |
| Button | Project duration prediction using a Monte Carlo simulation of the periodic output of the project resources | |
| JP2005216020A (en) | Project evaluation system, program and storage medium | |
| Ching Lenny Koh et al. | Modelling uncertainty under a multi‐echelon ERP‐controlled manufacturing system | |
| US20140059562A1 (en) | Computer-readable recording medium on which schedule management program is recorded, schedule management apparatus and schedule management method | |
| JP4327648B2 (en) | Computer program, inventory management apparatus and method | |
| Marinho et al. | Stochastic model for performance evaluation of test planning | |
| EP3759625A1 (en) | Visual interactive application for safety stock modeling | |
| Qiu et al. | VirtualCrowd: a simulation platform for microtask crowdsourcing campaigns |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20160927 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190108 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191023 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191203 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200116 |
|
| 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: 20200609 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200630 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6727077 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |