特許 7505083 材料補充計画のための方法およびシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-06-14

(45)【発行日】2024-06-24

(54)【発明の名称】材料補充計画のための方法およびシステム

(51)【国際特許分類】

   G06Q 10/087 20230101AFI20240617BHJP

【ＦＩ】

G06Q10/087

【請求項の数】 15

【外国語出願】

(21)【出願番号】P 2023065748

(22)【出願日】2023-04-13

(65)【公開番号】P2023157014

(43)【公開日】2023-10-25

【審査請求日】2023-08-09

(31)【優先権主張番号】202221022183

(32)【優先日】2022-04-13

(33)【優先権主張国・地域又は機関】IN

(73)【特許権者】

【識別番号】512070816

【氏名又は名称】タタ・コンサルタンシー・サーヴィシズ・リミテッド

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(72)【発明者】

【氏名】カイル・スティーヴン・クーパー

(72)【発明者】

【氏名】デヴァダッタ・マドゥカー・クルカルニ

(72)【発明者】

【氏名】ジェフリー・デイヴィッド・テュー

【審査官】橋沼 和樹

(56)【参考文献】

【文献】特開２００４－０９４９００（ＪＰ，Ａ）

【文献】特開平０５－１６５８３９（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２２／００２７８１７（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０２１／０３５２５０（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

1つまたは複数のハードウェアプロセッサによって、複数の在庫ポリシを備える入力データを受信するステップ(202)と、
前記1つまたは複数のハードウェアプロセッサによって、前記入力データを処理することによって、シミュレーションネットワークを構築するためのデータの十分性を検証するステップ(204)と、
前記1つまたは複数のハードウェアプロセッサによって、複数の補充シナリオをシミュレートするステップ(206)であって、前記複数の補充シナリオの各々が、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す、ステップ(206)と
を含み、前記複数の補充シナリオの各々をシミュレートするステップが、
前記入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つを決定するステップ(206a)であって、前記複数のフローブロックのいずれもが前記入力データの前記1つまたは複数のコンテンツをサポートしていない場合、前記複数のフローブロックが更新される、ステップ(206a)と、
複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関連付けられるマスタデータに基づいて、前記入力データに対して1つまたは複数のシミュレーション結果を生成するステップ(206b)であって、前記入力データの前記1つまたは複数のシミュレーション結果がトレーニングデータを形成する、ステップ(206b)と
を含む、プロセッサによって実行される方法(200)。

【請求項2】

深層学習データモデルが、前記トレーニングデータを使用してトレーニングされる、請求項1に記載の方法。

【請求項3】

ユーザクエリに応答して1つまたは複数の推奨を生成するために、前記深層学習データモデルが使用され、
前記ユーザクエリを入力として受信するステップ(302)であって、前記ユーザクエリが、前記複数のパラメータのうちの1つまたは複数の値に関連付けられる、ステップ(302)と、
複数のアルゴリズムの中から、前記受信したユーザクエリに一致するアルゴリズムを選択するステップ(304)と、
前記ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、前記選択されたアルゴリズムを使用して前記ユーザクエリを処理するステップ(306)と、
前記ユーザクエリに応答して前記1つまたは複数の推奨を生成するステップ(308)であって、前記1つまたは複数の推奨が、前記1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す、ステップ(308)と
を含む、請求項2に記載の方法。

【請求項4】

前記ユーザクエリが、a)既存の補充オプション、またはb)シミュレートされるべき新しい補充オプション、の前記複数のパラメータのうちの1つまたは複数の値に関連付けられる、請求項3に記載の方法。

【請求項5】

前記複数の在庫ポリシの各々が、少なくとも1つの組織による在庫取引に関するガイドラインの標準セットを包含する、請求項1に記載の方法。

【請求項6】

前記1つまたは複数の推奨が、前記1つまたは複数の補充オプション間の1つまたは複数の違いを強調する、前記1つまたは複数の補充オプション間の比較を含む、請求項1に記載の方法。

【請求項7】

システム(100)であって、
1つまたは複数のハードウェアプロセッサ(102)と、
通信インターフェース(112)と、
複数の命令を記憶するメモリ(104)と
を備え、前記複数の命令が、実行されるとき、前記1つまたは複数のハードウェアプロセッサに、
複数の在庫ポリシを備える入力データを受信することと、
前記入力データを処理することによって、シミュレーションネットワークを構築するためのデータの十分性を検証することと、
複数の補充シナリオをシミュレートすることであって、前記複数の補充シナリオの各々が、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す、前記シミュレートすることと
を行わせ、前記複数の補充シナリオの各々をシミュレートすることが、
前記入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つを決定することであって、前記複数のフローブロックのいずれもが前記入力データの前記1つまたは複数のコンテンツをサポートしていない場合、前記複数のフローブロックが更新される、前記決定することと、
複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関連付けられるマスタデータに基づいて、前記入力データに対して1つまたは複数のシミュレーション結果を生成することであって、前記入力データの前記1つまたは複数のシミュレーション結果がトレーニングデータを形成する、前記生成することと
を含む、システム(100)。

【請求項8】

前記1つまたは複数のハードウェアプロセッサが、前記トレーニングデータを使用して深層学習データモデルをトレーニングするように構成される、請求項7に記載のシステム。

【請求項9】

前記1つまたは複数のハードウェアプロセッサが、
ユーザクエリを入力として受信することであって、前記ユーザクエリが、前記複数のパラメータのうちの1つまたは複数の値に関連付けられる、前記受信することと、
複数のアルゴリズムの中から、前記受信したユーザクエリに一致するアルゴリズムを選択することと、
前記ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、前記選択されたアルゴリズムを使用して前記ユーザクエリを処理することと、
前記ユーザクエリに応答して1つまたは複数の推奨を生成することであって、前記1つまたは複数の推奨が、前記1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す、前記生成することと
によって、前記ユーザクエリに応答して前記1つまたは複数の推奨を生成するために、前記深層学習データモデルを使用するように構成される、請求項8に記載のシステム。

【請求項10】

前記1つまたは複数のハードウェアプロセッサが、前記ユーザクエリを、a)既存の補充オプション、またはb)シミュレートされるべき新しい補充オプション、の前記複数のパラメータのうちの1つまたは複数の値に関連付けるように構成される、請求項9に記載のシステム。

【請求項11】

前記複数の在庫ポリシの各々が、少なくとも1つの組織による在庫取引に関するガイドラインの標準セットを包含する、請求項9に記載のシステム。

【請求項12】

前記1つまたは複数の推奨が、前記1つまたは複数の補充オプション間の1つまたは複数の違いを強調する、前記1つまたは複数の補充オプション間の比較を含む、請求項9に記載のシステム。

【請求項13】

1つまたは複数の命令を含む1つまたは複数の非一時的機械可読情報記憶媒体であって、前記1つまたは複数の命令が、1つまたは複数のハードウェアプロセッサによって実行されるとき、
複数の在庫ポリシを備える入力データを受信することと、
前記1つまたは複数のハードウェアプロセッサによって、前記入力データを処理することによって、シミュレーションネットワークを構築するためのデータの十分性を検証することと、
前記1つまたは複数のハードウェアプロセッサによって、複数の補充シナリオをシミュレートすることであって、前記複数の補充シナリオの各々が、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す、前記シミュレートすることと
を行わせ、前記複数の補充シナリオの各々をシミュレートすることが、
前記入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つを決定することであって、前記複数のフローブロックのいずれもが前記入力データの前記1つまたは複数のコンテンツをサポートしていない場合、前記複数のフローブロックが更新される、前記決定することと、
複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関連付けられるマスタデータに基づいて、前記入力データに対して1つまたは複数のシミュレーション結果を生成することであって、前記入力データの前記1つまたは複数のシミュレーション結果がトレーニングデータを形成する、前記生成することと
を含む、1つまたは複数の非一時的機械可読情報記憶媒体。

【請求項14】

深層学習データモデルが、前記トレーニングデータを使用してトレーニングされる、請求項13に記載の1つまたは複数の非一時的機械可読情報記憶媒体。

【請求項15】

ユーザクエリに応答して1つまたは複数の推奨を生成するために、前記深層学習データモデルが使用され、
前記ユーザクエリを入力として受信することであって、前記ユーザクエリが、前記複数のパラメータのうちの1つまたは複数の値に関連付けられる、前記受信することと、
複数のアルゴリズムの中から、前記受信したユーザクエリに一致するアルゴリズムを選択することと、
前記ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、前記選択されたアルゴリズムを使用して前記ユーザクエリを処理することと、
前記ユーザクエリに応答して前記1つまたは複数の推奨を生成することであって、前記1つまたは複数の推奨が、前記1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す、前記生成することと
を含む、請求項14に記載の1つまたは複数の非一時的機械可読情報記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照および優先権
本出願は、2022年4月13日に出願されたインド仮出願番号第202221022183号の優先権を主張する。

【0002】

本明細書における開示は、一般に材料補充に関し、より詳細には、材料補充計画のための方法およびシステムに関する。

【背景技術】

【0003】

製品メーカは、製造および交換部品の入手可能性の問題により、製品およびサービスの納期厳守を管理する際に大きな課題に直面している。配達のタイミングがずれ、補充注文の不足、サプライヤのリードタイムの不確実性により、入手可能性の問題が発生する。重機、自動車飛行機、およびそれらのエンジンなどの製品は高価で、ライフサイクルが長い。定期的に予定されたメンテナンスと突然の緊急故障が混在する場合に必要な部品の入手可能性を管理し、世界中のサービス拠点で、予定された製造と緊急製造を行うことは、顧客またはサービスの注文の遅延とコストを最小限に抑える上で大きな課題である。オンタイムの製造とサービスの履行は、複雑な機械、たとえば飛行機のエンジンの市場を支配してきた製造とサービスベースの顧客契約により、顧客と収益の成長の主要な原動力となっている。

【0004】

既存のテクノロジは、将来の顧客の需要の組合せの地理および製品を考慮することによって、製造とサービスセンタのネットワーク設計を促進する。これらのテクノロジは、従来の統計予測と場合によっては最適化方法を使用した材料補充計画によって推進される。しかしながら、テクノロジは、進化する需要の組合せと製品の使用率の現実に対応するには不十分である。このテクノロジは、特定の業界、ビジネスプロセス、およびより深い仮定と密接に結びついた柔軟性のない統計モデルを活用しており、したがって、モデルとあらゆる最適化は、実際のビジネスプロセスがモデルの仮定から逸脱し、予期せぬシナリオがビジネスにおいて発生して、より広範なエコシステムが進化するにつれて、結果の質が大幅に低下する結果をもたらす。これらの低下した結果は通常、データの平均を使用するモデルから生じ、これは、ビジネスプロセスに固有の変動と、一般的なビジネスシナリオにおけるこの変動の影響が、プロセスの所有者に隠されたままであることを意味する。さらに、ソリューションが最適化を提供する場合、それはモデルから分析的に推測された特定の単一の目標のためのものである。ビジネスプロセスがモデルから逸脱し、ビジネス上の意思決定で複数の基準またはインプットにおける変更を考慮する必要がある場合、最適な結果は堅牢性を失う。

【発明の概要】

【課題を解決するための手段】

【0005】

本開示の実施形態は、従来のシステムにおいて本発明者らによって認識された上述の技術的問題のうちの1つまたは複数に対するソリューションとしての技術的改善を提示する。たとえば、一実施形態では、プロセッサによって実行される方法が提供される。この方法では、最初に、複数の在庫ポリシを備える入力データが、1つまたは複数のハードウェアプロセッサによって受信される。さらに、シミュレーションネットワークを構築するためのデータの十分性が、1つまたは複数のハードウェアプロセッサによって、入力データを処理することによって検証される。さらに、1つまたは複数のハードウェアプロセッサによって、複数の補充シナリオがシミュレートされ、複数の補充シナリオの各々は、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す。複数の補充シナリオの各々をシミュレートすることは、以下のステップを含む。このプロセスでは、入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つが決定され、複数のフローブロックのいずれもが入力データの1つまたは複数のコンテンツをサポートしていない場合、複数のフローブロックが更新される。さらに、複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関するマスタデータに基づいて、入力データに対して1つまたは複数のシミュレーション結果が生成され、入力データの1つまたは複数のシミュレーション結果がトレーニングデータを形成する。

【0006】

別の実施形態では、トレーニングデータを使用して深層学習データモデルがトレーニングされる。

【0007】

さらに別の実施形態では、ユーザクエリに応答して1つまたは複数の推奨を生成するために、深層学習データモデルが使用される。1つまたは複数の推奨の生成は、次のステップを含む。最初に、ユーザクエリが入力として受信され、ユーザクエリは、複数のパラメータのうちの1つまたは複数の値に関するものである。さらに、受信したユーザクエリに一致するアルゴリズムが、複数のアルゴリズムの中から選択される。さらに、ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、選択されたアルゴリズムを使用してユーザクエリが処理される。さらに、ユーザクエリに応答して、1つまたは複数の推奨が生成され、1つまたは複数の推奨は、1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す。

【0008】

さらに別の実施形態では、システムが提供される。本システムは、1つまたは複数のハードウェアプロセッサ、通信インターフェース、および複数の命令を記憶するメモリを含む。複数の命令は、実行されると、1つまたは複数のハードウェアプロセッサに、複数の在庫ポリシを備える入力データを受信させる。さらに、シミュレーションネットワークを構築するためのデータの十分性が、1つまたは複数のハードウェアプロセッサによって、入力データを処理することによって検証される。さらに、1つまたは複数のハードウェアプロセッサによって、複数の補充シナリオがシミュレートされ、複数の補充シナリオの各々は、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す。複数の補充シナリオの各々をシミュレートすることは、以下のステップを含む。このプロセスでは、入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つが決定され、複数のフローブロックのいずれもが入力データの1つまたは複数のコンテンツをサポートしていない場合、複数のフローブロックが更新される。さらに、複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関するマスタデータに基づいて、入力データに対して1つまたは複数のシミュレーション結果が生成され、入力データの1つまたは複数のシミュレーション結果がトレーニングデータを形成する。

【0009】

さらに別の実施形態では、システムは、トレーニングデータを使用して深層学習データモデルをトレーニングする。

【0010】

さらに別の実施形態では、システムは、ユーザクエリに応答して1つまたは複数の推奨を生成するために、深層学習データモデルを使用する。1つまたは複数の推奨の生成は、次のステップを含む。最初に、ユーザクエリが入力として受信され、ユーザクエリは、複数のパラメータのうちの1つまたは複数の値に関するものである。さらに、受信したユーザクエリに一致するアルゴリズムが、複数のアルゴリズムの中から選択される。さらに、ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、選択されたアルゴリズムを使用してユーザクエリが処理される。さらに、ユーザクエリに応答して、1つまたは複数の推奨が生成され、1つまたは複数の推奨は、1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す。

【0011】

さらに別の態様では、非一時的コンピュータ可読媒体が提供される。非一時的なコンピュータ可読媒体は、複数の命令を含み、実行されるとき、1つまたは複数のハードウェアプロセッサに、複数の在庫ポリシを備える入力データを最初に受信させる。さらに、シミュレーションネットワークを構築するためのデータの十分性が、1つまたは複数のハードウェアプロセッサによって、入力データを処理することによって検証される。さらに、1つまたは複数のハードウェアプロセッサによって、複数の補充シナリオがシミュレートされ、複数の補充シナリオの各々は、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す。複数の補充シナリオの各々をシミュレートすることは、以下のステップを含む。このプロセスでは、入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つが決定され、複数のフローブロックのいずれもが入力データの1つまたは複数のコンテンツをサポートしていない場合、複数のフローブロックが更新される。さらに、複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関するマスタデータに基づいて、入力データに対して1つまたは複数のシミュレーション結果が生成され、入力データの1つまたは複数のシミュレーション結果がトレーニングデータを形成する。

【0012】

さらに別の実施形態では、非一時的コンピュータ可読媒体は、トレーニングデータを使用して深層学習データモデルのトレーニングを引き起こす。

【0013】

さらに別の実施形態では、ユーザクエリに応答して1つまたは複数の推奨を生成するために、非一時的コンピュータ可読媒体により、深層学習データモデルが使用される。1つまたは複数の推奨の生成は、次のステップを含む。最初に、ユーザクエリが入力として受信され、ユーザクエリは、複数のパラメータのうちの1つまたは複数の値に関するものである。さらに、受信したユーザクエリに一致するアルゴリズムが、複数のアルゴリズムの中から選択される。さらに、ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、選択されたアルゴリズムを使用してユーザクエリが処理される。さらに、ユーザクエリに応答して、1つまたは複数の推奨が生成され、1つまたは複数の推奨は、1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す。

【0014】

前述の一般的な説明と以下の詳細な説明の両方が、単に例示的かつ説明的なものであり、特許請求される本発明を限定するものではないことを理解されたい。

【0015】

本開示に組み込まれ、その一部を構成する添付の図面は、例示的な実施形態を示し、説明とともに、開示された原理を説明するために役立つ。

【図面の簡単な説明】

【0016】

【図1】本開示のいくつかの実施形態による、材料補充のためのシステムのブロック図である。

【図2】本開示のいくつかの実施形態による、図1のシステムによって実行される材料補充のプロセスに含まれるステップを示す流れ図である。

【図3】本開示のいくつかの実施形態による、図1のシステムによって、補充計画を実行するために生成された深層学習データモデルを使用するプロセスに含まれるステップを示す流れ図である。

【図4】本開示のいくつかの実施形態による、材料補充のために図1のシステムによって処理され得る、製造センタの例示的なフローブロックを示す図である。

【図5】本開示のいくつかの実施形態による、材料補充のための図1のシステム(または、材料補充プランナ(material replenisher planner)と呼ばれる)の様々な入力および出力の例を示す図である。

【図6】本開示のいくつかの実施形態による、材料補充のための図1のシステムの材料補充オプティマイザ(material replenisher optimizer)(または、材料補充プランナと呼ばれる)の様々な入力および出力の例を示す図である。

【図7】本開示のいくつかの実施形態による、材料補充のための図1のシステムの材料補充オプティマイザと材料補充プランナ(または、材料補充プランナと呼ばれる)との間の相互作用の例を示す図である。

【図8】本開示のいくつかの実施形態による、材料補充のための図1のシステムのデータ送出および材料補充フロープランナ(または、材料補充プランナと呼ばれる)のデータフローの例示的な概要を示す図である。

【図9】本開示のいくつかの実施形態による、材料補充のための図1のシステムの材料補充プランナおよび材料補充オプティマイザ(または、材料補充プランナと呼ばれる)のデータフローの一例を示す図である。

【図10】本開示のいくつかの実施形態による、材料補充のための図1のシステムの材料補充決定プランナおよび材料補充ビジュアライザ(または、材料補充プランナと呼ばれる)のデータフローの一例を示す図である。

【図11】本開示のいくつかの実施形態による、材料補充のための図1のシステムの材料補充決定プランナ(または、材料補充プランナと呼ばれる)の入力および出力の例を示す図である。

【図12】本開示のいくつかの実施形態による、材料補充のための図1のシステムの異なるルーチンを示す図である。

【図13】本開示のいくつかの実施形態による、図1のシステムによって使用されるフローブロックの例を示す図である。

【発明を実施するための形態】

【0017】

例示的な実施形態が、添付の図面を参照して説明される。図面において、参照番号の左端の数字は、参照番号が最初に現れる図面を識別する。便宜上、同じまたは同様の部品を参照するために、図面全体を通して同じ参照番号が使用されている。開示された原理の例および特徴が本明細書に記載されているが、開示された実施形態の範囲から逸脱することなく、修正、適応、および他の実装形態が可能である。

【0018】

材料補充計画のために使用される既存のテクノロジは、進化する需要の組合せと製品の使用率の現実に対応するには不十分である。このテクノロジは、特定の業界、ビジネスプロセス、およびより深い仮定と密接に結びついた柔軟性のない統計モデルを活用しており、したがって、モデルとあらゆる最適化は、実際のビジネスプロセスがモデルの仮定から逸脱し、予期せぬシナリオがビジネスにおいて発生して、より広範なエコシステムが進化するにつれて、結果の質が大幅に低下する結果をもたらす。モデルは通常、データの平均を使用して動作し、これは、ビジネスプロセスに固有の変動と、一般的なビジネスシナリオにおけるこの変動の影響が、プロセスの所有者に隠されたままであることを意味する。さらに、ソリューションが最適化を提供する場合、それはモデルから分析的に推測された特定の単一の目標のためのものである。ビジネスプロセスがモデルから逸脱し、ビジネス上の意思決定で複数の基準またはインプットにおける変更を考慮する必要がある場合、最適な結果は堅牢性を失う。

【0019】

これらの課題に対処するために、材料補充計画のための方法とシステムが提供される。本方法は、所与の入力データのセットに対して様々な材料補充シナリオをシミュレートすることによってトレーニングデータを生成するステップと、次いで、深層学習データモデルを生成するためにトレーニングデータを使用するステップとを含む。次いで、システムは、ユーザクエリに応答して1つまたは複数の推奨を生成するために、生成された深層学習データモデルを使用し、1つまたは複数の推奨は、1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す。

【0020】

本明細書の実施形態で開示されるシステムは、キー入力を変更して、代替案を提示し、さらに代替案の中から適切な選択を体系的に推進するための、様々なシナリオのシミュレーションを可能にする。シミュレーションにより、システムは、正確で高品質の出力のために必要な詳細レベルまで、ユニークで珍しい、非標準のビジネスプロセスをモデル化できるようになる。製造およびサービスのシナリオにおいて在庫の決定を管理する際、通常、履行のコストは削減できるが、その代償として、影響を受ける顧客が交換品を入手できる速度が低下する。シミュレーションは多くのプロセスパフォーマンス目標を出力し、その各々は、確率的シミュレーションを含む任意のシミュレーションシナリオに対して単一または複数の目標最適化を通じて最適化され得る。複数の目標最適化により、様々なパフォーマンス目標間のトレードオフが可視化され、企業はプロセス構成に合わせてパフォーマンス目標の最適なバランスを選択できるようになる。

【0021】

このシステムにより、製造センタ、サービスセンタ、配送センタ、およびサプライヤのグローバルネットワーク全体で、部品セットにとって最適な在庫ポリシの識別および計画が可能になる。すべての部分にわたる需要とリードタイムの組合せに応じて、最適なポリシが選択される。システムは、様々なビジネスシナリオをシミュレートすることから始まり、シミュレートされた材料安全在庫と再注文ポイントを期間全体にわたってマッピングする。シミュレーション結果を使用して、システムは、リードタイムまたは利用可能なサプライ、物流、または複数のセンタ拠点における在庫を推進する製造代替手段に関する様々な制約の下で、所与の需要の組合せに対するサービス履行時間、履行コスト、および他の目標を最小限に抑えることができる。

【0022】

履行時間を最小限に抑えることにより、組織の在庫チームは、製造ネットワークとサービスネットワーク全体で選択された部品の在庫レベルと安全在庫の感度を分析するために、様々な需要の組合せの下でのシナリオとサプライヤのリードタイムシナリオを分析できるようになる。また、予定されたサービスおよび緊急サービスの変更に関して需要の組合せが変化すると、システムは在庫チームが安全在庫および履行コストを含む重要な決定を再最適化し、分析するために役立つ。

【0023】

システムは、部品の納入と製造およびサービスの入手可能性のための最適な構成と動作パラメータを迅速に導き出すために、変更された入力を分析するための方法、分析、および必要な視覚化を意思決定者に提供する構成可能な分析を提供する。特に、最小限の履行コストで予定どおりの履行を保証し、その感度をさらに分析するために、在庫ポリシを最適化する方法について説明する。

【0024】

このシステムにより、サプライネットワークアナリスト、プランナ、マネージャのチームが、最高の製造およびサービス履行レベルを推進する在庫ポリシを体系的に選択できるようになる。大まかに言うと、アナリストは補充計画のために送出される必要なデータを収集する。このシステムは、アナリストがモデル検証のためにテストおよび修正できるデータに基づいてプロセスシミュレーションを構築する。次いで、サプライネットワークプランナは、最良の履行時間と履行コストを実現する最適なパラメータのセットを見つけるために、最適化プロセスを使用して入力パラメータの範囲全体でプロセスのパフォーマンスをチェックする。収集された最適なセットを表示し、組織における展開に最適なパラメータを選択するために、適切なオプションが使用され得る。

【0025】

このシステムは、サプライネットワークアナリストが時間と動作の研究などからのプロセスの知識およびデータを送出し、サプライヤのリードタイムおよび需要などの外部ソースからデータを送出することをガイドし、これを可能にする。データ送出プロセスは非常にまれに発生する必要があり、システムが送信されたデータにおいて表されるネットワークおよびサブネットワークに基づいてシミュレーションを生成できるようにする。このシステムは、コンパイルされたデータによって定義されたシナリオを使用して完全なプロセスシミュレーションを構築するために使用され得る。さらに、このシステムにより、需要負荷およびリードタイムなどの様々なパラメータ、ならびに在庫安全在庫などの様々な入力を使用してシミュレーションを実行することによる検証が可能になり、必要に応じて修正を加えながら結果がプロセスと一致していることを検証する。

【0026】

さらに、このシステムにより、サプライネットワークプランナは、どのパラメータ範囲と入力がサービス履行パフォーマンスに大きな影響を与えるかを確認できるようになる。この検証では、プランナは、システムによって生成されたパラメータのセットから選択し得、パラメータを変更およびシミュレートすることができる。プランナがパラメータ(たとえば、サービスセンタにおいて製品の特定の修理を完了するまでの時間)とパラメータの値の範囲を選択すると、システムは範囲内の値ごとに設定可能な回数だけシナリオをシミュレートする。次いで、プランナは、関心のあるパラメータの各セットについて、サービスの履行の観点から測定された最適な在庫安全在庫を決定するために、補充プランナにおける様々なルーチンを使用し得る。最適化において、プランナがどのパラメータ値を設定するかを選択し、このパラメータ値に対してシステムは、納期厳守を最適化する安全在庫の値を決定する。この最適化により、戦略レベルと運用レベルの両方で、ネットワーク全体でのオンタイムサービスのための材料補充の管理が容易になる。

【0027】

さらに、このシステムにより、在庫プランナは最適な安全在庫とそれに対応するサービス履行レベルとをパラメータの各セットにわたって視覚化および比較することができるようになり、さらに、目標とパラメータの選択されたランキング、または目標とパラメータに対する選択された重みに基づいて、およびソリューション間のパラメータと目標のトレードオフとを視覚化することによって、最適なセットを構築するためにシステムを使用できるようになる。

【0028】

次に図面、より具体的には、図1から図13までを参照すると、図面全体にわたって一貫して同様の参照文字が対応する特徴を示しており、好ましい実施形態が示されており、これらの実施形態は、以下の例示的なシステムおよび/または方法の文脈において説明される。

【0029】

図1は、本開示のいくつかの実施形態による、材料補充のためのシステムのブロック図を示している。

【0030】

システム100は、ハードウェアプロセッサ102、メモリ104などの少なくとも1つのメモリ、I/Oインターフェース112を含むか、そうでなければそれらと通信する。ハードウェアプロセッサ102、メモリ104、および入力/出力(I/O)インターフェース112は、システムバス108などのシステムバスまたは同様のメカニズムによって結合され得る。一実施形態では、ハードウェアプロセッサ102は、1つまたは複数のハードウェアプロセッサであり得る。

【0031】

I/Oインターフェース112は、様々なソフトウェアおよびハードウェアインターフェース、たとえば、ウェブインターフェース、グラフィカルユーザインターフェースなどを含み得る。I/Oインターフェース112は、様々なソフトウェアおよびハードウェアインターフェース、たとえば、キーボード、マウス、外部メモリ、プリンタなどの周辺デバイスのためのインターフェースを含み得る。さらに、I/Oインターフェース112は、システム100が、ウェブサーバおよび外部データベースなどの他のデバイスと通信できるようにし得る。

【0032】

I/Oインターフェース112は、たとえばローカルエリアネットワーク(LAN)、ケーブルなどのワイヤードネットワーク、およびワイヤレスLAN(WLAN)、セルラー、または衛星などのワイヤレスネットワークを含む、多種多様なネットワークおよびプロトコルタイプ内での複数の通信を容易にし得る。この目的のために、I/Oインターフェース112は、いくつかのコンピューティングシステムを相互に、または別のサーバコンピュータに接続するための1つまたは複数のポートを含み得る。I/Oインターフェース112は、いくつかのデバイスを互いに、または別のサーバに接続するための1つまたは複数のポートを含み得る。

【0033】

1つまたは複数のハードウェアプロセッサ102は、1つまたは複数のマイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタル信号プロセッサ、中央処理装置、ノードマシン、論理回路、および/または動作命令に基づいて信号を操作する任意のデバイスとして実装され得る。他の機能の中でも、1つまたは複数のハードウェアプロセッサ102は、メモリ104に記憶されたコンピュータ可読命令をフェッチして実行するように構成される。

【0034】

メモリ104は、たとえば、スタティックランダムアクセスメモリ(SRAM)およびダイナミックランダムアクセスメモリ(DRAM)などの揮発性メモリ、ならびに/または読取り専用メモリ(ROM)、消去可能なプログラマブルROM、フラッシュメモリ、ハードディスク、光ディスク、および磁気テープなどの不揮発性メモリを含む、当技術分野で知られている任意のコンピュータ可読媒体を含み得る。一実施形態では、メモリ104は、複数のモジュール106を含む。

【0035】

複数のモジュール106は、システム100によって実行される材料補充計画のプロセスに含まれる異なるステップを実行するために、システム100によって実行されるアプリケーションまたは機能を補足するプログラムまたはコード化された命令を含む。複数のモジュール106は、とりわけ、ルーチン、プログラム、オブジェクト、コンポーネント、およびデータ構造を含むことができ、特定のタスクを実行するか、または特定の抽象データタイプを実装する。複数のモジュール106はまた、信号プロセッサ、ノードマシン、論理回路、および/あるいは動作命令に基づいて信号を操作する任意の他のデバイスまたはコンポーネントとして使用され得る。さらに、複数のモジュール106は、ハードウェアによって、1つまたは複数のハードウェアプロセッサ102によって実行されるコンピュータ可読命令によって、あるいはそれらの組合せによって使用することができる。複数のモジュール106は、様々なサブモジュール(図示せず)を含むことができる。複数のモジュール106は、材料補充計画のためにシステム100によって実行されるアプリケーションまたは機能を補足するコンピュータ可読命令を含み得る。

【0036】

データリポジトリ(またはリポジトリ)110は、精緻化のための複数の抽象化されたコード、およびモジュール106内の複数のモジュールの実行の結果として処理される、受信される、または生成されるデータを含み得る。

【0037】

データリポジトリ110はシステム100の内部に示されているが、代替実施形態では、データリポジトリ110をシステム100の外部に実装することもでき、データリポジトリ110は、システム100に通信可能に結合されたデータベース(リポジトリ110)内に記憶され得ることに留意されたい。そのような外部データベースに含まれるデータは、定期的に更新される場合がある。たとえば、新しいデータがデータベース(図1には示さず)に追加されてもよく、および/または既存のデータが修正されてもよく、および/または有用でないデータがデータベースから削除されてもよい。一例では、データは、ライトウェイトディレクトリアクセスプロトコル(LDAP)ディレクトリおよびリレーショナルデータベース管理システム(RDBMS)などの外部システムに記憶され得る。システム100のコンポーネントの機能を、図2および図3の流れ図におけるステップと、図4から図13までの例示的な図を参照して説明する。

【0038】

図2は、本開示のいくつかの実施形態による、図1のシステムによって実行される材料補充のプロセスに含まれるステップを示す流れ図である。

【0039】

一実施形態では、システム100は、プロセッサ102に動作可能に結合された1つまたは複数のデータ記憶デバイスまたはメモリ104を備え、プロセッサあるいは1つまたは複数のハードウェアプロセッサ102による方法200のステップの実行のための命令を記憶するように構成される。ここで、本開示の方法200のステップを、図1に示されるシステム100のコンポーネントまたはブロックと、図2に示される流れ図のステップを参照して説明する。プロセスのステップ、方法のステップ、技法などは順番に説明されているが、そのようなプロセス、方法、および技法は別の順序で機能するように構成されていてもよい。言い換えれば、説明され得るステップの任意のシーケンスまたは順序は、ステップがその順序で実行されるという要件を必ずしも示すものではない。本明細書に記載のプロセスのステップは、実用的な任意の順序で実行され得る。さらに、いくつかのステップは同時に実行され得る。

【0040】

方法200のステップ202において、最初に、システム100は、1つまたは複数のハードウェアプロセッサ102によって、複数の在庫ポリシを備える入力データを受信する。複数の在庫ポリシの各々は、組織が十分な情報に基づいて在庫の製造または購入の投資決定を行い、遅延とコストのバランスをとることを可能にする境界を伴うガイドラインの標準セットを含み得る。一実施形態では、複数の在庫ポリシは、一緒にマスタデータを形成する1つまたは複数の他のサポート情報とともに受け取ることができる。たとえば、1つまたは複数の他のサポート情報は、1つまたは複数のシナリオ、部品、製品、製造センタ、および流通センタに関する情報を含み得るが、これらに限定されない。一実施形態では、マスタデータを取得するステップは、必要に応じて微調整および追加を伴うが、一度限りのプロセスであり得る。一実施形態では、レコードごとにマスタデータをアップロードするオプションがユーザに提供され得る。別の実施形態では、マスタデータのアップロードは、適切なAPIを使用して自動化され得る。

【0041】

さらに、方法200のステップ204において、システム100は、1つまたは複数のハードウェアプロセッサによって、入力データを処理することによってデータ検証の十分性を実行し、これには、システム100が所有している可能性のある任意の他の関連データとともに、受信した入力データがシミュレーションネットワークを構築するために十分であるかどうかを確認および決定することが含まれる。この段階で、システム100は、最初にネットワーク構成を実行するように構成される。ネットワーク構成では、どのマスタデータ要素をネットワークの一部にするか、つまりシミュレーションの一部にするかを選択する必要がある。このステップは、ネットワークシミュレーションに含める部品、製品、製造センタ、配送センタなどを選択することを含む。入力データを取得するステップは1回だけ行うことができる一方、ネットワーク構成は繰り返すことができるが、反復回数は制限されている。

【0042】

材料補充プロセスの様々な利害関係者によって形成されるネットワークは、MRPOネットワークと呼ばれる(「ネットワーク」または「MRPO」とも呼ばれる)。MRPOネットワークは、以下の説明においてカバーされるように、1つまたは複数のハードウェアプロセッサ102の実装形態であり得る、様々なコンポーネント/モジュールを含み得る。MRPOネットワークは、MRPOネットワークの材料補充フローコンフィギュレータ(Material Replenisher Flow Configurator)によって検証された、ユーザが選択したマスタデータオブジェクトのコレクションでもある。検証により、選択したデータオブジェクトを使用してシミュレーションを作成および実行できることが保証される。表2は、システム100によって使用される検証シーケンスを説明する。接続され、インスタンス化されたマスタデータの有効なコレクションは、ネットワークに含まれる複数のフローブロックの各々をインスタンス化することによって実行可能なシミュレーションを生成することができるMRPOネットワークと見なされる。材料補充プランナ(Material Replenisher Planner)が実行可能なシミュレーションを作成すると、ユーザは製品サービスセンタの部品在庫の安全在庫を指定することによってシミュレーションを実行することができる。材料補充プランナの例示的なアーキテクチャが図10に示されている。シミュレーション出力は、各製品のシステム内時間を示す。通常、安全在庫の値が高いほど、稼働時間の値が短くなる。ユーザは、製造およびサービスプロセスに最適な構成を調べるために、様々な再注文値および様々なパラメータ値をシミュレートすることができる。所与のMRPOネットワークのシミュレーションイベントを生成するフローブロックの例が表3に示されている。MRPOは、製品のシステム内時間に対するパラメータの影響を簡単に確認するために、指定されたパラメータ値を変化させながら特定の安全在庫の値のセットをシミュレートするための便利なインターフェースを提供する。プランナがパラメータ(たとえば、サービスセンタにおいて製品の特定の修理を完了するまでの時間)とパラメータの値の範囲を選択すると、MRPOは範囲内の値ごとに設定可能な回数だけシナリオをシミュレートする。同様に、インターフェースは、1つの安全在庫を変化させるシミュレーションのセットが、製品のシステム内時間に対する特定の安全在庫の影響を容易に確認できるようにする。

【0043】

【表1】

【0044】

【表2】

【0045】

検証により、ネットワークにシミュレーションを実行するための適切なデータがあることが保証され、すなわち、データの十分性がこのステップにおいて検証される。ネットワーク内のすべての製造センタおよびサービスセンタは製品を作成し、サービスを実行しているが、どちらにも部品が必要である。必要なすべての部品には、追加の部品を取得するためのセンタおよび上流のソースにおいて構成された在庫が必要である。各部品は、製造センタまたはサービスセンタの在庫から、その部品を提供する上流ノードまで、およびのノードから次の上流ノードまでというように、サプライヤに到達するまで追跡される。サプライヤは自ら部品を製造するため、部品の供給源を持つ必要はない。ネットワークをシミュレートするために、すべての製造センタまたはサービスセンタのすべての部品に、サプライヤおよびすべてのサポートデータへの上流パスが必要である。サポートデータは、MFG1においてFG1を製造するために製造構成がネットワーク内にある場合、完成品FG1と製造センタMFG1の両方がネットワーク内に存在する必要があることを意味する。

【0046】

さらに、方法200のステップ206において、システム100は、1つまたは複数のハードウェアプロセッサ102によって、複数の補充シナリオをシミュレートし、複数の補充シナリオの各々は、複数のパラメータのうちの1つまたは複数の値における変化に関連付けられる補充要件を示す。複数の補充シナリオの各々をシミュレートすることは、ステップ206aおよび206bを含む。

【0047】

ステップ206aにおいて、入力データの1つまたは複数のコンテンツをサポートする複数のシナリオに関連付けられる複数のフローブロックの少なくとも1つが決定され、複数のフローブロックのいずれもが入力データの1つまたは複数のコンテンツをサポートしていない場合、複数のフローブロックが更新される。

【0048】

【表3】

【0049】

各フローブロックは、粒度の高い工業プロセスの自己完結型の離散イベントシミュレーションモデルである。たとえば、荷物の移動時間をシミュレートする出荷プロセスを考えてみる。この出荷プロセスのロジックは次のとおりである。出荷される部品の数とタイプ、出荷方法、出荷船舶の数を入力として受け取る。ユーザがモンテカルロ出荷期間を設定した場合、出荷プロセスは、マスタデータ内のユーザが指定した分布に基づいて期間を生成するために、1つまたは複数のハードウェアプロセッサ102によって実行されるMRPOネットワークのMRPO乱数発生器を使用する。モンテカルロ出荷期間を使用しない場合、期間はマスタデータから直接設定される。次いで、プロセスは、持続時間中に離散イベントシミュレーションエンジンに遅延イベントを発行する。最後に、遅延イベントが実行され、離散イベントシミュレーションフレームワークによってシミュレーションが期間分だけ増加すると、出荷プロセスは、配送された部品の数とタイプ、および出荷を実行した船舶の数とタイプを出力する。

【0050】

各タイプの多くのフローブロックがシステム100によって作成され得、他のブロックにリンクされ得る。これは、図13の例示的な図に示されている。各タイプのブロックは同じタイプおよび順序のイベントを実装するが、イベントの期間およびシミュレーション状態は、シミュレートされた入力およびシステム100がマスタデータから各ブロックをどのように構成するかに応じて変化する。システム100は、マスタデータによってサポートされるブロックのみを構成し得る。たとえば、特定の配送センタに対して保管期間データが利用できない場合、システム100は、シミュレーション用にDC出荷到着プロセスブロックを構成し得、代わりに時間遅延なく部品を配送センタの在庫に追加する。このようにして、システム100は、ユーザが送出したデータによって許容される忠実度に合わせてシミュレーションを自動的に構成する。システム100は、ネットワークシミュレーションを構築するために最小限のデータセットを必要とする可能性があるが、適切なデータが利用可能な場合はシミュレーションの忠実度を自動的に高めることができ、データが利用できない場合、データの形式が不正である場合、あるいはデータが識別または無効としてマークされた場合には、多くの場合、自動的にブロックをスキップすることができる。ブロックは自己完結型になるように構成されているため、どのブロックから入力が来ているか、どのブロックに出力が送られているかについての情報は必要ない。各ブロックは、部分的に目標を計算するための固有イベント(たとえば、総履行コスト、総製造遅延)を含み、シミュレーション全体の目標を計算するために、個々のブロックの目標をすべてのブロックと組み合わせることができる。すべてのブロックが必ずしもすべての目標に寄与するわけではなく、組合せロジックが目標を正しく決定できるように、各ブロックの出力目標を組み合わせるルールは個別にマッピングおよびプログラムされる。この機能は、オプティマイザが選択された決定変数のタイプおよび目標の数に合わせて装備されたアルゴリズムを備えていると仮定して、ブロックで構成される任意のシミュレーションの最適化機能を有効にする。サンプル入力データフィールドおよびサンプル材料補充フロープランナブロックのマッピングを表4に示す。

【0051】

【表4】

【0052】

各タイプの多くのフローブロックがシステム100によって作成され、他のブロックにリンクされ得る。各タイプのブロックは同じタイプおよび順序のイベントを実装するが、イベントの期間およびシミュレーション状態は、シミュレートされた入力およびシステム100がマスタデータから各ブロックをどのように構成するかに応じて変化する。たとえば、各出荷輸送プロセスは、輸送ルートデータテーブル内の対応する輸送期間データに期間を設定することによって部分的に作成される。各ブロックタイプは、接続を作成するために、(ブロックの出力が次のブロックの入力と一致する必要があるという意味で)互換性がある必要がある入力と出力のセットを有する。たとえば、DC出荷到着プロセスに必要な入力は、部品の数とタイプ、ならびに船舶の数とタイプである。したがって、DC出荷到着プロセスの入力は、出荷輸送プロセスの出力に対応する。しかしながら、製造FGプロセスは、入力として部品の数とタイプ、完成品の数とタイプを必要とする。したがって、出荷輸送プロセスを製造FGプロセスの入力にリンクすることはできない。製造センタノードおよびその構成要素であるフローブロックの例は、それ自体によって、または多くのノードおよびプロセスを含む大規模なネットワークの一部としてシミュレートすることができる。

【0053】

システム100は、マスタデータによってサポートされるブロックのみを構成し得る。たとえば、特定の配送センタに対して保管期間データが利用できない場合、システム100は、シミュレーション用にDC出荷到着プロセスブロックを構成することができず、代わりに時間遅延なく部品を配送センタの在庫に追加する。このようにして、システム100は、ユーザが送出したデータによって許容される忠実度に合わせてシミュレーションを自動的に構成する。システム100は、ネットワークシミュレーションを構築するために最小限のデータセットを必要とするが、適切なデータが利用可能な場合はシミュレーションの忠実度を自動的に高めることができ、データが利用できない場合、またはデータの形式が不正である場合、あるいはデータが無効である場合には、多くの場合、自動的にブロックをスキップすることができる。

【0054】

さらに、ステップ206bにおいて、複数の部品および製品、1つまたは複数の材料、1つまたは複数のフロー施設、1つまたは複数の施設の役割、1つまたは複数のビジネスポリシ、ならびに安全在庫情報に関するマスタデータに基づいて、入力データに対して1つまたは複数のシミュレーション結果が生成され、入力データの1つまたは複数のシミュレーション結果がトレーニングデータを形成する。

【0055】

さらに、トレーニングデータを使用して深層学習データモデルがトレーニングされる。次いで、ユーザクエリに応答して1つまたは複数の推奨を生成するために、システム100によって深層学習データモデルが使用される。図3における方法300に示されるように、1つまたは複数の推奨の生成は、次のステップを含む。最初に方法300のステップ302において、ユーザクエリが入力として受信され、ユーザクエリは、複数のパラメータのうちの1つまたは複数の値に関するものである。たとえば、ユーザは、複数のパラメータの所与の値セットについて、補充関連の推奨を取得したい場合がある。一実施形態では、ユーザのクエリは、新しい補充シナリオのシミュレーションに関するものであってもよい。別の実施形態では、ユーザクエリは、シミュレートされた既存の補充シナリオの1つまたは複数のパラメータの値の変更に関するものであってもよい。たとえば、ある反復において補充シナリオがシミュレートされ、その後の反復においてユーザが補充シナリオを形成する1つまたは複数のパラメータの異なる値を試したい場合がある。たとえば、特定のアイテムの在庫数、供給要件などの値を変更する。

【0056】

さらに、方法300のステップ304において、受信したユーザクエリに一致するアルゴリズムが、複数のアルゴリズムの中から選択される。アルゴリズムを選択するために、システム100は、複数のフローブロックのうちどのフローブロックが利用可能なマスタデータからインスタンス化可能であるかを決定し、決定されたインスタンス化可能なフローブロックに基づいて、フローブロックがマテリアルフローに従って順序付けされ、リンクされる。たとえば、マスタデータが出荷フローブロックと部品受取りフローブロックのインスタンス化に使用できるが、部品ステージングフローブロックや部品保管フローブロックをインスタンス化できない場合、システム100は、利用可能なブロック1)出荷、および2)部品受取りを注文し、システムデータが利用できない部品ステージングおよび部品保管ブロックを省略して、出荷ブロックの出力を部品受取りブロックの入力にリンクする。以下は、システム100によって使用され得る異なるアルゴリズムの例のいくつかである。

アルゴリズム1:FG製造
入力:検証済みネットワークV、製造構成m、数量q
出力:イベントのセットE
E←φ

f←mの完成品、
I←mの製造センタ、
P←p∈V∩I^Pであり、pはfの成分である。
Pの中のaについて、以下を行う
C_a←c∈V∩C^fgであり、fはcの完成品であり、aはcの部品である、
n←C_aの数量
i←i∈V∩C^invであり、aはiの部品であり、lはiの製造センタである、
E←E∪イベント(iからのaのq×nを待機)、
b←mのベイ数、
E←E∪イベント(lにおいてb個のベイを待機)、
d←mの単位期間、
E←E∪イベント(b個のベイに分割されたそれぞれの平均d期間の間、q単位を待機)、
E←E∪イベント(b個のベイをすぐに解放する)。

【0057】

アルゴリズム1は、所与のネットワークの1つの製造構成の製造をシミュレートする製造イベントを生成する。製造構成は、完成品を製造センタ、およびその製造センタにおける完成品の製造に関連付けられるすべてのデータとリンクする。したがって、生成されたイベントは、所与の製造構成の製造センタにおける完成品の製造をシミュレートする。入力された数量は、製造構成に基づいてシードされるが、既存の不足または遅延に基づいて異なる場合がある。

アルゴリズム2:サービス製造
入力:検証済みネットワークV、サービス構成s、数量q
出力:イベントのセットE
E←φ
f←sのサービス、
l←sのサービスセンタ、
P←p∈V∩I^Pであり、pはfの成分である。
pの中のaについて、以下を行う
C_a←c∈V∩C^sであり、fはcのサービスであり、aはcの部品である、
n←C_aの数量
i←i∈C^invであり、aはiの部品であり、lはiのサービスセンタである、
E←E∪イベント(iからのaのq×nを待機)、
b←sのベイ数、
E←E∪イベント(lにおいてb個のベイを待機)、
d←sの単位期間、
E←E∪イベント(b個のベイに分割されたそれぞれの平均d期間の間、q単位を待機)、
E←E∪イベント(b個のベイをすぐに解放する)。

【0058】

アルゴリズム2は、所与のネットワークの1つのサービス構成のサービスパフォーマンスをシミュレートするサービスイベントを生成する。サービス構成は、サービスとサービスセンタ、およびそのサービスセンタにおけるサービスの実行に関連付けられるすべてのデータをリンクする。したがって、生成されたイベントは、所与のサービス構成のサービスセンタにおけるサービスのパフォーマンスをシミュレートする。入力された数量は、サービス構成に基づいてシードされるが、既存の不足または遅延に基づいて異なる場合がある。

アルゴリズム3:部品ステージング
入力:検証済みネットワークV、場所l、部品のセットp、対応する数量のセットQ
出力:イベントのセットE
E←φ
1,…,|P|の中のiについて、以下を行う
j←i∈V∩C^invであり、lはiの場所であり、a_iはiの部品である、
E←E∪イベント(jからのa_iのQ_iを待機)、
E←E∪イベント(iの移動期間を待機し数量を減らす)。

【0059】

アルゴリズム3は、ある場所における部品をその場所内のステージングエリアに移動することをシミュレートするイベントを生成する。ステージングエリアは一時的な部品保管エリアであり、在庫でも輸送でもない。たとえば、施設によっては、トラックを直接在庫に降ろすのではなく、まずステージングエリアに降ろす場合がある。

アルゴリズム4:部品保管
入力:検証されたネットワークV、場所l、部品のセットp、対応する数量のセットQ
出力:イベントのセットE
E←φ
1,…,|P|の中のiについて、以下を行う
j←i∈V∩C^invであり、lはiの場所であり、a_iはiの部品である、
E←E∪イベント(iの移動期間を待機し数量を増やす)。

【0060】

アルゴリズム4は、輸送エリアまたはステージングエリアのいずれかから部品を輸送することをシミュレートするイベントを生成し、それらをある場所の在庫に配置する。

アルゴリズム5:部品受取り
入力:検証済みネットワークV、場所l、部品のセットp、対応する数量のセットQ
出力:イベントのセットE
E←φ
1,…,|P|の中のiについて、以下を行う
j←i∈V∩C^invであり、lはiの場所であり、a_iはiの部品である、
E←E∪イベント(iの荷降ろし期間を待機し、数量を減らす)、
E←E∪イベント(iの移動期間を待機し数量を増やす)。

【0061】

アルゴリズム5は、輸送到着から在庫またはステージングエリアに部品を輸送することをシミュレートするイベントを生成する。

アルゴリズム6:出荷
入力:検証済みネットワークV、ルートr、部品のセットp、対応する数量のセットQ
出力:イベントのセットE、
E←イベント(ルート期間を待機)。

【0062】

アルゴリズム6は、ルートに沿ってある場所から別の場所へ部品を輸送することをシミュレートするイベントを生成する。

アルゴリズム7:部品送付
入力:検証済みネットワークV、場所l、目的地d、部品のセットp、対応する数量のセットQ
出力:イベントのセットE
E←φ
1,…,|P|の中のiについて、以下を行う
j←i∈V∩C^invであり、lはiの場所であり、a_iはiの部品である、
E←E∪イベント(a_iのQ_iを待機する)
r←V∩Rであり、lはrの開始点であり、dはrの終了点であり、
E←E∪イベント(出荷を開始する(V、r、p、Q))。

【0063】

アルゴリズム7は、部品を収集してトランスポートに積み込み、出荷を開始することをシミュレートするイベントを生成する。

アルゴリズム8:部品作成
入力:検証済みネットワークV、サプライ構成s
出力:イベントのセットE
E←φ
1←sの場所、
p←sの部品、
i←j∈V∩C^invであり、jの場所はiであり、iの部品はpである、
c←sのキャパシティ、
真である場合、以下を行う
E←E∪イベント(iにおけるpのcをすぐに作成する)、
E←E∪イベント(1時間単位で待つ)。

【0064】

アルゴリズム8は、下流在庫から注文できるサプライヤのキャパシティの実現を毎日シミュレートするイベントを生成する。

アルゴリズム9:注文作成
入力:検証済みネットワークV、場所l、部品、完成品、またはサービスw、数量q
出力:イベントのセットE
E←φ
w∈V∩I^fである場合、
m←f∈V∩C^mfgであり、lはmの製造センタであり、wは完成品であり、
E←E∪イベント(FGProduction(V、m、q)であり、
w∈V∩I^sである場合、
m←f∈V∩C^svcであり、lはmのサービスセンタであり、wはサービスであり、
E←E∪イベント(サービス製造(V、m、q)である。

【0065】

アルゴリズム9は、製造センタとサービスセンタにおいて対応する完成品とサービスの注文を作成することによって、製造とサービスのスケジュールをシミュレートするイベントを生成する。

アルゴリズム10:Invチェック
入力:検証済みネットワーク、在庫i
出力:イベントのセットE
E←φ
1←iの場所、
p←iの部品、
b←iのバッチサイズ、
s←iの再注文ポイント、
真である間、以下を行う
iの現在の数量≦s+b*|Q|である場合、
n←b
n>0の間、以下を行う
iのソースのリストの中のjについて
q←jの現在の数量;
q≦nである場合
E←E∩イベント(部品送付(V、j、l、p、n))
n←0
他の場合、
E←E∩イベント(部品送付(V、j、l、p、n))
n←n-q

E←E∪イベント(次のサイクルの開始まで待機する)、
E←E∪イベント(次のサイクルの開始まで待機する)。

【0066】

アルゴリズム10は、ネットワーク内の在庫の監視をシミュレートするイベントを生成し、再注文ポイントに達したときに補充注文を出す。このアルゴリズムは、ルート内の補充と、供給源のリストが補充を満たせるかどうかを考慮する。

【0067】

さらに、方法300のステップ306において、ユーザクエリは、ユーザクエリに関連付けられる1つまたは複数の補充シナリオをシミュレートするために、選択されたアルゴリズムを使用して処理される。このプロセスは、図4から図12における例示的な実装形態を参照して説明される。

【0068】

図4から図12におけるフローブロック図のうちの各ブロックは、部分的に目標を計算するための組込みイベント(たとえば、総履行コスト、総製造遅延)を含み、シミュレーション全体の目標を計算するために、個々のブロックの目標をすべてのブロックと組み合わせることができる。すべてのブロックが必ずしもすべての目標に貢献するとは限らず、各ブロックの出力目標を組み合わせるためのルールは、組合せロジックが目標を正しく決定するように個別にマッピングおよびプログラムされる。この機能により、選択された決定変数のタイプと目標の数に対応するアルゴリズムがオプティマイザに装備されていると仮定して、ブロックで構成される任意のシミュレーションの最適化機能が有効になる。システム100は、複数の最適化アルゴリズムの中から最適化アルゴリズムを選択し得る。最適化アルゴリズムを選択するために、システム100は、表5に基づいて、解決される問題から1つまたは複数の基本的なアルゴリズム要件を決定する。表5のデータに基づくと、利用可能な最適化アルゴリズムのサブセットのみが適している可能性がある。そのサブセットから、システム100は、複数の優先度のうちの1つまたは複数に基づいてアルゴリズムを選択する。複数の優先度の例としては、収束保証、収束速度、デフォルトのシミュレーション予算(低いほど良い)などがあるが、これらに限定されない。一実施形態では、ユーザは、必要に応じて、最適化アルゴリズムのシステム選択を上書きし得る。材料補充プランナの様々な入力および出力が図5に示されている。

【0069】

材料補充プランナが実行可能なシミュレーションを作成すると、おそらくユーザからの入力に基づいてシミュレーションを実行することができ、製品サービスセンタの部品在庫の安全在庫は、ユーザによる入力として指定され得る。シミュレーション出力は、各製品のシステム内時間を示す。安全在庫の値が高いほど、稼働時間の値が短くなる。所与の製品サービスプロセスに最適な構成を探索するために、様々なユーザ入力に基づいて、様々な再注文値と様々なパラメータ値がシミュレートされる。システム100は、製品のシステム内時間に対するパラメータの影響を簡単に確認するために、指定されたパラメータ値を変化させながら特定の安全在庫の値のセットをシミュレートするためのインターフェースを提供する。プランナがパラメータ(たとえば、サービスセンタにおいて製品の特定の修理を完了するまでの時間)およびパラメータの値の範囲を選択すると、システム100は範囲内の値ごとに設定可能な回数だけシナリオをシミュレートする。同様に、インターフェースは、1つの安全在庫を変化させるシミュレーションのセットが、製品のシステム内時間に対する特定の安全在庫の影響を確認できるようにする。

【0070】

図5に示されるシナリオ例には2つの入力カテゴリがある。第1は、ユーザによって事前に構成されたMRPOネットワークであり、検証が成功するように、表1のタイプにおいてユーザが選択したデータのコレクションを含む。入力の第2のカテゴリは、ユーザがデータコレクションの1つまたは複数の特定のフィールドを上書きするオプションの機会である。たとえば、ユーザが特定の完成品に対する製造センタにおける需要の増加が、全体の履行遅延にどのように影響するかを確認したい場合、ユーザは、所望の製造センタおよび完成品に関連付けられる製造構成データの注文数フィールドをより大きい数値で上書きし、影響を分析することができる。現在構成されている6つの計画代替案のうちの1つまたは複数を活用することを選択したユーザに対して、システム100は、ユーザが代替案を作成できるようにする任意の選択されたネットワーク用の入力フォームを自動的に生成する。

【0071】

1つまたは複数のハードウェアプロセッサ102によって実装される、MRPOネットワークの材料補充オプティマイザの入力および出力が図6に示されている。シミュレーションインターフェースを通じて、ユーザは、製品のシステム内時間に対するパラメータおよび安全在庫の影響についての直感を得ることができる。しかしながら、MRPOの材料補充オプティマイザは、製品のシステム内時間を最小限に抑える安全在庫のセットを見つけるために、1つまたは複数の知られているシミュレーション最適化アルゴリズムを実装し得る最適化インターフェースを提供する。単一の最適化インスタンスについての材料補充プランナと材料補充オプティマイザとの間の相互作用が図7に示されている。

【0072】

最適化により、より高速な結果を得るためにシミュレーションを並行して実行したり、より高品質の結果を得るために共通の乱数を実行したりするなど、高度なシミュレーション機能が可能になる。ユーザは、製品サービスプロセスの構成方法を決定するために、様々なパラメータ値の最適化を実行し得る。最適化において、プランナはどのパラメータ値を設定するかを選択し、材料補充オプティマイザは、納期厳守を最適化する安全在庫の値を決定する。材料補充オプティマイザは、シミュレーション最適化アルゴリズムのコレクションを含み、ユーザが最適化を開始すると、最も適切な最適化アルゴリズムを自動的に選択する。システム100は、ユーザがどのパラメータを変更するかを選択し、どの目標を最適化するかを選択することを可能にする。オプティマイザは、アルゴリズムを自動的に選択するために、次の表5を使用する。追加の目標は、1つまたは複数のハードウェアプロセッサ102によって実装されるMRPOのMRPOシミュレータにおいて構成され得るが、いくつかの目標の例を以下に列挙する。
1.ネットワーク全体の製造およびサービスにおけるシミュレートされた遅延の合計
2.製造コスト、サービスコスト、輸送コスト、部品購入コスト、部品保持コスト、ならびに製造およびサービスのペナルティで構成される、ネットワークのシミュレートされた合計コスト。
3.ネットワーク全体の製造およびサービスの遅延によって発生する、シミュレートされたペナルティコストの合計
4.シミュレートされた製造ペナルティの合計
5.シミュレートされたサービスペナルティの合計
6.シミュレートされた部品出荷の合計数
7.シミュレートされた在庫切れの合計数
8.シミュレートされた配送センタのみにおける在庫切れの合計数
9.シミュレートされた製造ラインとサービスベイの使用率

【0073】

当業者であれば、表5に列挙されたアルゴリズムのセットは例示のみを目的としており、本明細書に開示される実施形態の範囲を限定することを意図するものではないことに留意されたい。必要に応じて追加のアルゴリズムが構成され得る。様々なアルゴリズムパラメータの例が以下に示されており、そのデフォルト値はシステム100によって自動的に構成され得る。
1.確率的勾配降下法
2.KimとRyuの双方向信頼領域
3.ジグザグ探索(MOROZS)を用いた多目的遡及最適化
4.区分的線形内挿と近傍列挙による遡及検索(R-SPLINE)
5.緩和されたローカル列挙による遡及的分割イプシロン制約(R-PERLE)
6.緩和されたローカル列挙による遡及的最小化(R-MinRLE)
7.確率的分枝限定法(PBnB)
8.多目的確率的分枝限定法(MOPBnB)

【0074】

【表5】

【0075】

アルゴリズムのいずれかを実行するとき、システム100は以下のステップを実行し得る。
・オプティマイザおよびそのアルゴリズムで操作できるように、選択したパラメータを決定変数としてマークする
・選択した目標をマークして、それらがオプティマイザおよびそのアルゴリズムによって考慮され、選択されていない目標が無視されるようにする
・一部のアルゴリズムは初期開始点が必要であるため、選択した決定変数パラメータの現在値となる開始点(ベクトル)を選択する。
・表5に従って適用するアルゴリズムを選択する。
・以前に選択した決定変数、目標、開始点を入力として使用してアルゴリズムを実行する。ユーザによって修正されない場合、デフォルトのアルゴリズム固有のパラメータがシステム100によって構成される。
・実行時に、各アルゴリズムは以下を返す:1)目標を最適化する決定変数(選択されたパラメータ)の値のセット、2)選択された目標ごとの最適な目標値のセット、および3)ルーチン中に収集されるアルゴリズム固有のデータ。

【0076】

さらに、方法300のステップ308において、システム100は、ユーザクエリに応答して1つまたは複数の推奨を生成し得、1つまたは複数の推奨は、1つまたは複数の補充シナリオの各々に関連付けられる1つまたは複数の補充オプションを示す。システム100によって生成される推奨の第1の形式は、最適化アルゴリズムによって与えられる結果であり、これは、補充シナリオが最適化されている場合、決定変数となる選択されたパラメータ、目標(パフォーマンスの尺度を示す)となる選択されたシミュレーション結果、およびアルゴリズム固有のインスタンス化パラメータ、生成された補充シナリオのパラメータ化であり、これはシステム推奨のパラメータ化である。推奨の第2の形式は、システム100によって与えられる比較シミュレーション結果および視覚化であり、これは、補充シナリオおよび1つまたは複数の代替案が与えられた場合、代替案は修正されたパラメータ構成または異なる補充シナリオのいずれかであり、他のパフォーマンスメトリックを犠牲にして1つのパフォーマンスメトリックを改善するためのトレードオフを含む、シミュレーション結果の比較ビューおよび分析を生成する。補充シナリオまたは代替案が、ユーザ要件との関連性の点で優れた結果を有する場合、システム100は、同じものをシステム100に推奨する。そうでない場合、システム100は、結果とともに代替案または補充シナリオのコレクションを推奨し、そこからユーザは1つまたは複数の所望のトレードオフを伴う補充シナリオを選択し得る。

【0077】

データ送出および材料補充フロープランナデータフローのMRPO概要の例が図8に示されている。システム100は、グラフィカルユーザインターフェース(GUI)をユーザに提示し、説明、後の最適化に利用可能な目的関数、およびデータ要件を含む、事前構成されたモデル情報のみを示し得る。次いで、入力データがGUIを通じてキャプチャされ得る。たとえば、入力データは次の方法で取得することができる:1)ユーザは、データベースに記憶されている以前のシナリオからデータを選択し得る、2)ユーザは、データを含む適切にフォーマットされたファイルをアップロードし得る、または3)ユーザは、GUIにおいてデータをフォームに直接入力し得る。システム100は、データの十分性を検証し、データ要件がいつ満たされるかを示し、その時点でユーザは、シミュレーションを生成して最適化を実行するために進み得る。ユーザがデータを送信すると、材料補充フロープランナは、送出されたデータが動作シミュレーションを構築するために十分であるかどうかを決定する。ユーザが送出したデータから始まり、システム100は、トラック積込みプロセス、修理サービスプロセスなどの材料補充フロープランナのあらかじめ定義されたシミュレーション「ビルディングブロック」を使用してシミュレーションを生成し、それらのブロックをデータ内の要素にマッピングして初期化する。シミュレーションは、システムをシミュレートするために、ユーザによって以前に入力されたデータおよびユーザによって入力された安全在庫を使用する。材料補充オプティマイザは、生成されたシミュレーションにアクセスし、ユーザが選択した目標に応じて最適化を実行することができる。ユーザが最適化のパラメータ値を選択し、オプティマイザが予定どおりの履行を可能にする安全在庫の値を決定する。

【0078】

材料補充決定プランナおよび材料補充ビジュアライザデータフローが図9に示されている。シミュレーションおよび/または最適化の後、システム100は、グラフ、プロット、チャート、および他のユーザ構成可能な分析表示の形式で結果をGUIに表示する。シミュレーション結果はビジュアライザに送信され、ユーザに表示される。材料補充ビジュアライザはまた、関心のあるシミュレーションパラメータを識別し、複数のシミュレーションにわたってパラメータを変更することによってユーザが分析を生成するためのワンクリックオプションを提供する。MRPOの様々な入力および出力が図11に示されている。最適化結果も同様にビジュアライザを通過し、目標の値と目標の数に応じて最適化結果をプロットスタイルにマッピングし得る。そこから、ユーザはプロットされた決定ポイントから選択し、そのトレードオフを確認したり、目標をランク付けしたり、目標に重みを割り当てたりすることができる。選択するたびに、材料補充決定マネージャは最適なポイントの新しい順序とレイアウトを計算し、材料補充ビジュアライザはそれらをGUIに再描画する。

【0079】

記載された説明は、当業者が実施形態を作成および使用できるように、本明細書の主題を説明する。主題の実施形態の範囲は特許請求の範囲によって定義され、当業者が思いつく他の修正を含み得る。そのような他の修正は、それらが特許請求の範囲の文字通りの文言と異ならない同様の要素を有する場合、またはそれらが特許請求の範囲の文字通りの文言と実質的な差異がない同等の要素を有する場合は、特許請求の範囲内に含まれることが意図される。

【0080】

本開示の実施形態は、本明細書において材料補充の未解決の問題に対処する。したがって、この実施形態は、受信したユーザ入力に応じて様々な補充シナリオをシミュレートするメカニズムを提供する。さらに、本明細書の実施形態は、受信したユーザの入力に応じて、材料補充に関する1つまたは複数の推奨を生成するメカニズムをさらに提供する。

【0081】

保護の範囲は、そのようなプログラム、さらにメッセージを有するコンピュータ可読手段にも拡張されることを理解されたい。そのようなコンピュータ可読記憶手段は、プログラムがサーバ、モバイルデバイス、または任意の適切なプログラム可能デバイス上で実行されるときに、本方法の1つまたは複数のステップを実行するためのプログラムコード手段を含む。ハードウェアデバイスは、たとえば、サーバまたはパーソナルコンピュータなどの任意の種類のコンピュータ、あるいはそれらの任意の組合せを含む、プログラム可能な任意の種類のデバイスであり得る。デバイスはまた、たとえば、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)などのハードウェア手段、あるいは、たとえば、ASICとFPGA、または少なくとも1つのマイクロプロセッサとソフトウェア処理コンポーネントが内部に配置された少なくとも1つのメモリなどの、ハードウェア手段とソフトウェア手段の組合せであり得る手段を含み得る。したがって、これらの手段は、ハードウェア手段とソフトウェア手段との両方を含むことができる。本明細書に記載された方法の実施形態は、ハードウェアおよびソフトウェアに実装することができる。デバイスはまた、ソフトウェア手段を含み得る。あるいは、実施形態は、たとえば複数のCPUを使用して、異なるハードウェアデバイス上に実装され得る。

【0082】

本明細書中の実施形態は、ハードウェア要素およびソフトウェア要素を備えることができる。ソフトウェアに実装される実施形態は、ファームウェア、常駐ソフトウェア、マイクロコード等を含むが、これらに限定されない。本明細書に記載された様々なコンポーネントによって実行される機能は、他のコンポーネントまたは他のコンポーネントの組合せにおいて実装されてもよい。本明細書の目的のために、コンピュータ使用可能媒体、またはコンピュータ可読媒体は、命令実行システム、装置、またはデバイスによって、またはそれらと接続して使用するプログラムを、備える、記憶する、通信する、伝搬する、または移植することができる任意の装置とすることができる。

【0083】

図示されるステップは、示される例示的な実施形態を説明するために提示されており、進行中の技術開発により、特定の機能が実行される方法が変更されることが予想されるべきである。これらの例は、説明の目的で本明細書に提示されており、限定するものではない。さらに、機能ビルディングブロックの境界は、説明の便宜のために、本明細書では任意に定義されている。指定された機能およびその関係が適切に実行される限り、代替境界を定義することができる。代替案(本明細書に記載されたものの等価物、拡張、変形、逸脱などを含む)は、本明細書に含まれる教示に基づいて、関連技術の当業者には明らかであろう。そのような代替案は、開示された実施形態の範囲内に含まれる。また、単語「含む(comprising)」、「有する(having)」、「含む(containing)」、および「含む(including)」、および他の同様な形は、意味において同等であり、これらの単語のいずれか1つに続く項目が、そのような項目の完全なリストであることを意味せず、リストされた項目のみに限定されることを意味しない点で、オープンエンドであると意図される。また、本明細書および添付の特許請求の範囲において使用されるように、単数形の「a」、「an」、および「the」は、その文脈で別段明記していない限り、複数の参照物も含むことにも留意されたい。

【0084】

さらに、本開示と一致する実施形態を実装する際に、1つまたは複数のコンピュータ可読記憶媒体が利用され得る。コンピュータ可読記憶媒体は、プロセッサによって読取り可能な情報またはデータが記憶され得る任意のタイプの物理メモリを指す。したがって、コンピュータ可読記憶媒体は、本明細書に記載される実施形態と一致するステップまたはステージをプロセッサに実行させるための命令を含む、1つまたは複数のプロセッサによって実行される命令を記憶し得る。「コンピュータ可読媒体」という用語は、有形のアイテムを含み、搬送波および過渡信号を除外する、すなわち非一時的であると理解されるべきである。例は、ランダムアクセスメモリ(RAM)、読取り専用メモリ(ROM)、揮発性メモリ、不揮発性メモリ、ハードドライブ、CD ROM、DVD、フラッシュドライブ、ディスク、および任意の他の知られている物理記憶媒体を含む。

【0085】

本開示および実施例は例示としてのみ考慮され、開示された実施形態の真の範囲は特許請求の範囲によって示されることが意図されている。

【符号の説明】

【0086】

100 システム
102 ハードウェアプロセッサ
104 メモリ
106 モジュール
108 システムバス
110 データリポジトリ(またはリポジトリ)
112 I/Oインターフェース
200 方法
300 方法

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】