[发明专利]生产实绩数据分析装置

说明书

本发明构筑符合生产现场的实际的开工顺序规则的开工顺序规则模型。生产实绩数据的事件数据包括从各工序的等待执行作业中选择出下一个执行的作业的事件的信息。开工顺序规则模型在多个工序中从对应的工序的等待执行作业中推定下一个选择的作业。生产实绩数据分析装置在多个工序的各工序中，通过对应的开工顺序规则模型群的多个开工顺序规则模型，分别生成所选择的事件的推定结果，根据推定结果分别所示的作业与生产实绩数据的在所选择的事件中实际选择出的作业，决定所选择的事件的可靠度，根据可靠度，判定用于生成新的开工顺序规则模型的训练数据中是否包含所选择的事件。

技术领域

本发明涉及对工厂等生产现场的生产实绩数据进行分析的生产实绩数据分析装置。

背景技术

在制定工厂等生产现场的生产计划时，一般是以下的方法，即预测任意的条件下的将来的生产，导出使将来的吞吐量、交货期遵守率等评价指标最大化的条件。作为生产预测的代表性方法，有生产模拟，但为了实现高精度的生产预测，必须对符合生产现场的实际情况的开工顺序规则进行模型化。

开工顺序规则是指从某工序的等待执行作业群中决定下一个执行的作业的规则。特别在由人决定生产现场的开工顺序的情况下，该规则大多是默认的。因此，以前一般是以下的方法，即根据生产现场的需求，使用先入先出、按照交货期顺序这样的现存规则，作为生产模拟内的开工顺序规则(以下称为开工顺序规则模型)。

但是，通过上述方法决定的开工顺序规则模型并不一定符合生产现场的实际情况。在开工顺序规则模型与实际情况背离的情况下，生产模拟的预测精度下降，因此根据该预测制定的生产计划缺乏实现可能性、适合性。

对此，存在根据过去的生产实绩数据对开工顺序规则进行模型化的方法。例如有以下的方法，即如非专利文献1那样，通过将机器学习方法应用于生产实绩数据，导出以任意的等待执行作业群为输入、以推定为下一个处理的作业为输出的开工顺序规则的近似模型。

非专利文献1：Approximation of Dispatching Rules for ManufacturingSimulation using Data Mining Methods(Proceedings of the 2015Winter SimulationConference)

发明内容

非专利文献1是用于根据生产实绩数据对在生产现场默认存在的开工顺序规则(以下称为默认规则)进行模型化的方法。但是，在由人决定开工顺序的情况下，其意向确定存在不确定性。例如，在等待执行作业大量存在的情况下，可以认为难以从这些作业中始终实施符合默认规则的下一个作业选择，而发生下一个作业选择脱离了默认规则的情况。

生产实绩数据也包含从默认规则脱离的作业选择的实绩。因此，上述的规则脱离成为在开工顺序规则模型和实际的默认规则之间产生背离的原因。根据以上说明，希望在根据生产实绩数据导出开工顺序规则模型时，减少上述规则脱离的影响。

本发明的一个实施例是生产实绩数据分析装置，其具备一个以上的存储装置、一个以上的处理器，上述一个以上的存储装置存储多个开工顺序规则模型群、生产实绩数据中的事件数据，上述事件数据包含在多个工序中分别从等待执行作业中选择出下一个执行的作业的事件的信息，上述多个开工顺序规则模型群分别由多个开工顺序规则模型构成，各开工顺序规则模型群的各开工顺序规则模型在上述多个工序中从对应的工序的事件的等待执行作业中推定下一个要选择的作业，就上述一个以上的处理器而言，在上述多个工序的各工序中，根据对应的开工顺序规则模型群的多个开工顺序规则模型，分别生成所选择的事件的推定结果，并且根据上述推定结果分别所示的作业与上述生产实绩数据中的在上述所选择的事件中实际选择出的作业的一致和不一致，决定上述所选择的事件的可靠度，根据上述可靠度，判定用于生成新的开工顺序规则模型的训练数据中是否包含上述所选择的事件。

根据本发明的一个实施例，能够构筑符合生产现场的实际的开工顺序规则的开工顺序规则模型。