特許 7545310 処理装置、処理方法、プログラム、及び記憶媒体

(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】2024-08-27

(45)【発行日】2024-09-04

(54)【発明の名称】処理装置、処理方法、プログラム、及び記憶媒体

(51)【国際特許分類】

   G05B 19/418 20060101AFI20240828BHJP

   G06Q 10/04 20230101ALI20240828BHJP

   G06Q 50/04 20120101ALI20240828BHJP

【ＦＩ】

G05B19/418 Z

G06Q10/04

G06Q50/04

【請求項の数】 14

(21)【出願番号】P 2020206739

(22)【出願日】2020-12-14

(65)【公開番号】P2022093976

(43)【公開日】2022-06-24

【審査請求日】2023-09-14

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(74)【代理人】

【識別番号】110004026

【氏名又は名称】弁理士法人ｉＸ

(72)【発明者】

【氏名】新沼 歩

(72)【発明者】

【氏名】大島 宏友

【審査官】齋藤 健児

(56)【参考文献】

【文献】特開２０１８－０７７８２２（ＪＰ，Ａ）

【文献】特開２０１９－２１２０４３（ＪＰ，Ａ）

【文献】特開２０１６－１０６３２５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０５Ｂ １９／４１８

Ｇ０６Ｑ １０／０４

Ｇ０６Ｑ ５０／０４

(57)【特許請求の範囲】

【請求項1】

過去の計画における時間と目標生産数との関係を示す時系列の過去計画データと、前記過去の計画に対する実績を示す実績データと、を含むデータセットを複数参照し、
新規の計画における時間と目標生産数との関係を示す時系列の新規計画データと、複数の前記過去計画データと、の間のそれぞれの距離を用いて、複数の前記実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第１評価値をそれぞれ算出し、
前記新規の計画における時間と前記目標生産数との関係を示す新規計画画像を第１モデルに入力し、前記第１モデルから出力される前記新規計画画像の分類結果を用いて、前記複数の実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第２評価値をそれぞれ算出し、
前記複数の第１評価値及び前記複数の第２評価値を用いて、前記複数の実績データの少なくとも１つを抽出する、処理装置。

【請求項2】

前記複数の実績データは、時間と実績生産数との関係を示す時系列データである、請求項１記載の処理装置。

【請求項3】

前記新規計画データ及び抽出された前記実績データを用いて、時間と生産数との関係を示す時系列の第１予測データを生成する、請求項２記載の処理装置。

【請求項4】

前記抽出された実績データの基となった前記過去計画データにおける前記目標生産数の総量に対する、前記抽出された実績データにおける前記実績生産数の総量の比を算出し、
前記新規計画データにおける前記目標生産数に前記比を掛け合わせることで、前記第１予測データにおける前記生産数を算出する、請求項３記載の処理装置。

【請求項5】

前記抽出された実績データの基となった前記過去計画データにおける生産期間に対する、前記抽出された実績データにおける生産期間の比を算出し、
前記新規計画データにおける生産期間に前記比を掛け合わせることで、前記第１予測データにおける生産期間を算出する、請求項３又は４に記載の処理装置。

【請求項6】

前記それぞれの距離は、動的時間伸縮法を用いて算出される、請求項１～５のいずれか１つに記載の処理装置。

【請求項7】

前記第１モデルは、畳み込みニューラルネットワークを含み、前記過去の計画における時間と前記目標生産数との関係を示す過去計画画像を入力データとして用い、前記複数の実績データのそれぞれのクラスを示す値をラベルとして用いて学習される、請求項１～６のいずれか１つに記載の処理装置。

【請求項8】

前記分類結果は、前記複数の実績データが分類される複数のクラスの確率を含み、
複数の前記距離を短い値から順に並べたときの順位に基づいて前記複数の第１評価値を算出し、
複数の前記確率を高い値から順に並べたときの順位に基づいて前記複数の第２評価値を算出する、請求項１～７のいずれか１つに記載の処理装置。

【請求項9】

前記複数の第１評価値に、前記複数の実績データに対する複数の重みをそれぞれ掛け合わせ、
前記複数の第２評価値に、前記複数の重みをそれぞれ掛け合わせ、
重み付けされた前記複数の第１評価値及び重み付けされた前記複数の第２評価値を用いて、前記複数の実績データの前記少なくとも１つを抽出し、
前記複数の重みは、複数の前記データセットの日付に基づいて設定される、請求項１～８のいずれか１つに記載の処理装置。

【請求項10】

前記新規の計画における、設備の稼働率、不具合の発生率、メンテナンス率、及び不良品の発生率からなる群より選択される１つ以上の生産パラメータと時間との関係を示す生産データを第２モデルに入力し、前記第２モデルから出力される、時間と生産数との関係を示す時系列の第２予測データを取得する、請求項１～９のいずれか１つに記載の処理装置。

【請求項11】

新規の計画における時間と目標生産数との関係を示す時系列の新規計画データを受け付けると、
前記新規計画データと、過去の計画における時間と目標生産数との関係を示す時系列の複数の過去計画データと、の間のそれぞれの距離に基づいて、前記複数の過去計画データに対する実績をそれぞれ示す複数の実績データの１つ以上を並べて第１ランキングを表示し、
前記新規の計画における時間と目標生産数との関係を示す新規計画画像を第１モデルに入力し、前記第１モデルからの出力結果に基づいて前記複数の実績データの１つ以上を並べて第２ランキングを表示する、処理装置。

【請求項12】

過去の計画における時間と目標生産数との関係を示す時系列の過去計画データと、前記過去の計画に対する実績を示す実績データと、を含むデータセットを複数参照し、
新規の計画における時間と目標生産数との関係を示す時系列の新規計画データと、複数の前記過去計画データと、の間のそれぞれの距離を用いて、複数の前記実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第１評価値をそれぞれ算出し、
前記新規の計画における時間と目標生産数との関係を示す新規計画画像を第１モデルに入力し、前記第１モデルから出力される前記新規計画画像の分類結果を用いて、前記複数の実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第２評価値をそれぞれ算出し、
前記複数の第１評価値及び前記複数の第２評価値を用いて、前記複数の実績データの少なくとも１つを抽出する、処理方法。

【請求項13】

処理装置に、
過去の計画における時間と目標生産数との関係を示す時系列の過去計画データと、前記過去の計画に対する実績を示す実績データと、を含むデータセットを複数参照させ、
新規の計画における時間と目標生産数との関係を示す時系列の新規計画データと、複数の前記過去計画データと、の間のそれぞれの距離を用いて、複数の前記実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第１評価値をそれぞれ算出させ、
前記新規の計画における時間と目標生産数との関係を示す新規計画画像を第１モデルに入力し、前記第１モデルから出力される前記新規計画画像の分類結果を用いて、前記複数の実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第２評価値をそれぞれ算出させ、
前記複数の第１評価値及び前記複数の第２評価値を用いて、前記複数の実績データの少なくとも１つを抽出させる、プログラム。

【請求項14】

請求項１３の記載のプログラムを記憶した記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、処理装置、処理方法、プログラム、及び記憶媒体に関する。

【背景技術】

【0002】

製品を生産する際には、生産計画が予め作成される。生産計画の作成に有用なデータをユーザに提供できる技術の開発が望まれている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２０-１４９４６６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明が解決しようとする課題は、生産計画の作成に有用なデータをユーザに提供可能な、処理装置、処理方法、プログラム、及び記憶媒体を提供することである。

【課題を解決するための手段】

【0005】

実施形態に係る処理装置は、過去の計画における時間と目標生産数との関係を示す時系列の過去計画データと、前記過去の計画に対する実績を示す実績データと、を含むデータセットを複数参照する。前記処理装置は、新規の計画における時間と目標生産数との関係を示す時系列の新規計画データと、複数の前記過去計画データと、の間のそれぞれの距離を用いて、複数の前記実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第１評価値をそれぞれ算出する。処理装置は、前記新規の計画における時間と前記目標生産数との関係を示す新規計画画像を第１モデルに入力し、前記第１モデルから出力される前記新規計画画像の分類結果を用いて、前記複数の実績データについて、前記新規計画データに対する実績の予測としての評価を示す複数の第２評価値をそれぞれ算出する。処理装置は、前記複数の第１評価値及び前記複数の第２評価値を用いて、前記複数の実績データの少なくとも１つを抽出する。

【図面の簡単な説明】

【0006】

【図1】実施形態に係る処理システムを表す模式図である。

【図2】実施形態に係る処理システムによる処理を説明するための模式図である。

【図3】実施形態に係る処理システムによる処理を説明するための模式図である。

【図4】実施形態に係る処理システムによる処理を説明するための模式図である。

【図5】実施形態に係る処理システムによる処理結果を表す模式図である。

【図6】実施形態に係る処理システムによる処理結果を表す模式図である。

【図7】実施形態に係る処理システムによる処理結果を表す模式図である。

【図8】実施形態に係る処理システムによる処理方法を表すフローチャートである。

【図9】実施形態の利点を説明するための模式図である。

【図10】実施形態の変形例に係る処理システムによる処理方法を表すフローチャートである。

【図11】ハードウェア構成を表す模式図である。

【発明を実施するための形態】

【0007】

以下に、本発明の各実施形態について図面を参照しつつ説明する。本願明細書と各図において、既に説明したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。

【0008】

図１は、実施形態に係る処理システムを表す模式図である。
図２～図４は、実施形態に係る処理システムによる処理を説明するための模式図である。
実施形態に係る処理システム１０は、新規の生産計画に関する実績の予測に利用可能なデータをユーザに提供する。処理システム１０は、処理装置１、記憶装置２、入力装置３、及び出力装置４を含む。

【0009】

記憶装置２は、過去計画データと、過去計画データに対する実績データと、のデータセットを保存している。過去計画データは、ある製品について、過去の計画における、時間と、それぞれの時間における目標生産数と、の関係を示す時系列データである。実績データは、当該製品について、時間と、それぞれの時間における実際の生産数（実績生産数）と、の関係を示す時系列データである。例えば、過去計画データは、日付と、それぞれの日付における製品の目標生産数と、の関係を示す。実績データは、日付と、それぞれの日付における製品の実績生産数と、の関係を示す。

【0010】

記憶装置２は、複数のデータセットを保存している。データセット同士の間で、計画及び実績の対象となる製品は、互いに同じでも良いし、互いに異なっていても良い。

【0011】

図２（ａ）～図２（ｄ）は、過去計画データの一例である。図２（ａ）～図２（ｄ）の過去計画データＡ１～Ｄ１は、それぞれ、製品Ａ～Ｄについての生産の計画を示す。図２（ｅ）～図２（ｈ）は、実績データの一例である。図２（ｅ）～図２（ｈ）の実績データＡ２～Ｄ２は、それぞれ、図２（ａ）～図２（ｄ）の過去計画データＡ１～Ｄ１に対する実績を示す。図２（ａ）～図２（ｈ）において、横軸は時間を表し、縦軸は生産数を表す。

【0012】

図２（ａ）の過去計画データＡ１と図２（ｅ）の実績データＡ２を含むデータセットが、記憶装置２に保存される。同様に、図２（ｂ）の過去計画データＢ１と図２（ｆ）の実績データＢ２のデータセット、図２（ｃ）の過去計画データＣ１と図２（ｇ）の実績データＣ２のデータセット、及び図２（ｄ）の過去計画データＤ１と図２（ｈ）の実績データＤ２のデータセットが、記憶装置２に保存される。

【0013】

処理装置１は、新規計画データを取得する。新規計画データは、任意の製品について、新規の計画における、時間と、それぞれの時間における目標生産数と、の関係を示す時系列データである。例えば、新規計画データは、将来の日付と、それぞれの日付における製品の目標生産数と、の関係を示す。新規の計画の対象となる製品は、過去の計画及び実績の対象となった製品と、同じでも良いし、異なっていても良い。

【0014】

入力装置３は、ユーザが処理装置１にデータを入力するために使用される。出力装置４は、処理装置１から送信されたデータをユーザに向けて出力する。例えば、ユーザは、入力装置３を用いて処理装置１に新規計画データを入力する。新規計画データは、記憶装置２に保存され、処理装置１は、新規計画データを記憶装置２から取得しても良い。

【0015】

図３（ａ）は、新規計画データの一例である。図３（ａ）の新規計画データＮ１は、製品Ａについての生産の計画を示す。図３（ａ）において、横軸は時間を表し、縦軸は生産数を表す。

【0016】

処理装置１は、複数のデータセットから、新規の計画に対する実績の予測として利用可能な実績データを抽出する。処理装置１は、抽出のために、以下の第１処理及び第２処理を実行する。

【0017】

第１処理では、処理装置１は、新規計画データと複数の過去計画データとの間の距離をそれぞれ算出する。処理装置１は、算出された複数の距離を用いて、複数の実績データについて、新規計画データに対する実績の予測としての評価を示す複数の第１評価値をそれぞれ算出する。

【0018】

例えば、処理装置１は、図３（ａ）の新規計画データＮ１と、図２（ａ）～図２（ｄ）の複数の過去計画データＡ１～Ｄ１と、の間の距離をそれぞれ算出する。時間に対する目標生産数の変化の態様が互いに似ているほど、距離は小さくなる。距離が小さいほど、その距離が得られた過去計画データに対する実績データは、新規計画データに対する実績の予測として、より適格である。

【0019】

処理装置１は、複数の過去計画データに対する複数の距離が小さい順に、複数の実績データを並べ、ランキングを生成する。過去計画データに対する距離が小さいほど、その過去計画データに対応する実績データは、ランキングにおいて上位に位置する。処理装置１は、ランキングにおける順序に従って、それぞれの実績データの第１評価値を算出する。

【0020】

距離としては、ユークリッド距離、マンハッタン距離、チェビシェフ距離、又は動的時間伸縮法（ＤＴＷ）により算出される距離などを用いることができる。

【0021】

第２処理では、処理装置１は、新規計画画像及び第１モデルを用いる。新規計画画像は、新規の計画における時間と目標生産数との関係を示す画像データである。図３（ｂ）は、新規計画画像の一例である。図３（ｂ）の新規計画画像ｎ１は、図３（ａ）の新規計画データＮ１に対応する画像データである。

【0022】

この例では、横軸が時間を表し縦軸が生産数を表すチャートの画像が、新規計画画像ｎ１として用いられている。画像に示された内容は、時間と目標生産数との関係が示されていれば、任意である。例えば、画像は、時間と生産数との関係を示す散布図でも良い。

【0023】

ユーザは、入力装置３を用いて処理装置１に新規計画画像を入力する。又は、処理装置１は、新規計画データに基づいて、新規計画画像を生成しても良い。

【0024】

第１モデルは、計画画像の入力に応じて、分類結果を出力する。第１モデルは、例えば、ニューラルネットワーク、ランダムフォレストにより学習されたモデル、決定木により学習されたモデル、又はサポートベクターマシンにより学習されたモデルを含む。好ましくは、第１モデルは、畳み込みニューラルネットワーク（ＣＮＮ）を含む。複数の実績データは、いずれかのクラスに分類される。分類結果は、計画画像が複数のクラスのそれぞれに分類される確率を含む。

【0025】

第１モデルは、過去計画画像を用いて予め学習される。過去計画画像は、ある製品について、過去の計画における時間と目標生産数との関係を示す画像データである。

【0026】

図４（ａ）～図４（ｄ）は、過去計画画像の一例である。図４（ａ）～図４（ｄ）の過去計画画像ａ１～ｄ１は、それぞれ、図２（ａ）～図２（ｄ）の過去計画データＡ１～Ｄ１に対応し、製品Ａ～Ｄについての生産の計画を示す。この例では、横軸が時間を表し縦軸が生産数を表すチャートの画像が、過去計画画像として用いられている。図２（ｅ）～図２（ｈ）の実績データＡ２～Ｄ２は、それぞれ、過去計画画像ａ１～ｄ１が表す過去計画に対する実績を示す。

【0027】

第１モデルは、過去計画画像を入力データとし、実績データのクラスを示す値をラベルとして用いて、学習される。例えば、例えば、第１モデルは、図４（ａ）の過去計画画像ａ１を入力データとし、図２（ｅ）の実績データＡ２を含むクラスを示す値をラベルとして用いて、学習される。これにより、第１モデルは、計画画像が入力されたときに、その画像をいずれかのクラスに分類するように学習される。

【0028】

クラスは、時間に対する目標生産数の変化の態様に応じて設定される。例えば、目標生産数及び生産期間に拘わらず、時間に対する目標生産数の変化の態様が互いに似ている過去計画には、同じクラスが設定される。

【0029】

処理装置１は、新規計画画像を第１モデルに入力し、第１モデルから出力された分類結果を取得する。処理装置１は、分類結果を用いて、それぞれの実績データに対する第２評価値を算出する。第２評価値は、実績データについて、新規計画画像が示す新規計画データに対する実績の予測としての評価を示す。

【0030】

例えば、処理装置１は、確率が高い順にクラスを並べ、ランキングを生成する。確率が高いほど、そのクラスに分類される実績データは、新規計画の実績と類似する可能性が高く、実績の予測として適格である。処理装置１は、ランキングにおける順序に従って、それぞれのクラスに分類される実績データの第２評価値を算出する。

【0031】

処理装置１は、第１評価値及び第２評価値を用いて、それぞれの実績データのスコアを算出する。例えば、処理装置１は、第１評価値と第２評価値の和、第１評価値と第２評価値の積、又は第１評価値と第２評価値の平均を、スコアとして用いる。処理装置１は、第１評価値と第２評価値の重み付け和をスコアとして用いても良い。

【0032】

例えば、処理装置１は、それぞれの実績データに対する重みを算出する。実績データへの重みは、新規計画の開始時間と、実績データの基となった過去計画の開始時間と、の時間差に基づいて設定できる。時間差が小さいほど、その実績データは新規の計画に対する実績の予測としてより適格と考えられる。処理装置１は、時間差が小さいほど、重みを大きく設定する。

【0033】

実績データへの重みは、新規計画における目標生産数の総量と、実績データの基となった過去計画における目標生産数の総量と、の差に基づいて設定されても良い。生産数の差が小さいほど、その実績データの適格性はより高いと考えられる。処理装置１は、生産数の差が小さいほど、重みを大きく設定する。生産数の総量は、各時間における生産数を、開始時間から終了時間までの生産期間で積算することで、算出できる。

【0034】

又は、実績データへの重みは、新規計画における生産期間の長さと、実績データの基となった過去計画における生産期間の長さと、の差に基づいて設定されても良い。生産期間の差が小さいほど、その実績データの適格性はより高いと考えられる。処理装置１は、生産期間の差が小さいほど、重みを大きく設定する。

【0035】

処理装置１は、スコアに基づいて、複数の実績データから１つの実績データを抽出する。スコアが高いほど実績データがより適格であることを示す場合、処理装置１は、スコアが最も高い実績データを抽出する。処理装置１は、スコアが高い順に、２つ以上の実績データを抽出しても良い。処理装置１は、抽出した実績データを、記憶装置２に保存する。処理装置１は、抽出した実績データを出力装置４に出力しても良い。

【0036】

処理装置１は、抽出した実績データにおける生産期間及び生産数を補正し、第１予測データを生成しても良い。生産期間及び生産数は、以下の方法により補正できる。

【0037】

処理装置１は、実績データの基となった過去計画の生産期間に対する、実績データの生産期間の比を計算する。処理装置１は、新規計画の生産期間に、当該比を掛けあわせ、第１予測データの生産期間を算出する。処理装置１は、新規計画の開始時間を、第１予測データの開始時間に設定する。処理装置１は、新規計画の開始時間に、算出された生産期間を足し合わせた時間を、第１予測データの終了時間に設定する。

【0038】

処理装置１は、実績データの基となった過去計画の目標生産数の総量に対する、実績データの実績生産数の総量の比を計算する。処理装置１は、新規計画の各時間における目標生産数に、当該比を掛けあわせ、第１予測データの生産数を算出する。

【0039】

処理装置１は、第１予測データを記憶装置２に保存する。処理装置１は、第１予測データを出力装置４に出力しても良い。

【0040】

図５（ａ）、図５（ｂ）、図６、図７（ａ）、及び図７（ｂ）は、実施形態に係る処理システムによる処理結果を表す模式図である。
処理装置１は、処理結果を、図５（ａ）、図５（ｂ）、図６、図７（ａ）、及び図７（ｂ）に表したように出力しても良い。出力の方法は、モニタによる表示、プロジェクタによる投影、プリンタによる印刷など、任意である。

【0041】

図５（ａ）の処理結果１００は、第１処理によって得られた結果を表す。処理結果１００において、過去計画１１０の列には、過去計画を示す１つ以上の過去計画データ１１１が表示されている。実績１２０の列には、過去計画に対する実績を示す１つ以上の実績データ１２１が表示されている。過去計画データ１１１及び実績データ１２１は、ユーザが理解し易いように、チャートで表示されている。過去計画１１０の列に表示される過去計画データ１１１の数、実績１２０の列に表示される実績データ１２１の数は、ユーザが適宜設定できる。ランク１３０の列には、第１評価値に基づいてそれぞれの実績データを順位付けしたときの、各実績データの順位１３１が表示されている。評価１４０の列には、それぞれの実績データについて、重みが掛け合わされた第１評価値１４１が表示されている。

【0042】

図５（ｂ）の処理結果２００は、第２処理によって得られた結果を表す。処理結果２００において、過去計画２１０の列には、過去計画を示す１つ以上の過去計画画像２１１が表示されている。実績２２０の列には、過去計画に対する実績を示す１つ以上の実績データ２２１が表示されている。過去計画２１０の列に表示される過去計画画像２１１の数、実績２２０の列に表示される実績データ２２１の数は、ユーザが適宜設定できる。実績データの代わりに、過去計画に対する実績を示す実績画像が表示されても良い。ランク２３０の列には、第２評価値に基づいてそれぞれの実績データを順位付けしたときの、各実績データの順位２３１が表示されている。評価２４０の列には、それぞれの実績データについて、重みが掛け合わされた第２評価値２４１が表示されている。

【0043】

処理装置１は、重み付けされた第１評価値及び第２評価値を足し合わせ、スコアを算出する。図６は、第１処理及び第２処理の処理結果から得られた判定結果を表す。判定結果３００において、過去計画３１０の列には、過去計画を示す１つ以上の過去計画データ３１１が表示されている。過去計画データの代わりに、過去計画画像が表示されても良い。実績３２０の列には、過去計画に対する実績を示す１つ以上の実績データ３２１が表示されている。実績データの代わりに、実績画像が表示されても良い。過去計画３１０の列に表示される過去計画データ３１１の数、実績３２０の列に表示される実績データ３２１の数は、ユーザが適宜設定できる。評価３４０の列には、それぞれの実績データについて、第１評価値及び第２評価値の重み付け和であるスコア３４１が表示されている。ランク３３０の列には、スコア３４１に基づいて順位付けしたときの、各実績データの順位３３１が表示されている。

【0044】

例えば、処理装置１は、最もスコアが高い実績データと、その実績データの基となった過去計画データと、を抽出する。図７（ａ）は、抽出結果４００を表す。抽出結果４００は、抽出された実績データ４２０と、その実績データ４２０の基となった過去計画データ４１０と、を含む。過去計画データ４１０及び実績データ４２０には、生産の時間、生産数などが具体的に表示される。

【0045】

処理装置１は、抽出結果に基づいて、第１予測データを生成する。図７（ｂ）は、予測結果５００を表す。予測結果５００は、新規計画データ５１０と、第１予測データ５２０と、を含む。新規計画データ５１０及び第１予測データ５２０には、生産の時間、生産数などが具体的に表示される。新規計画データ５１０は、ユーザによって用意され、第１処理及び第２処理に用いられたデータである。第１予測データ５２０における生産期間及び生産数は、過去計画データ４１０、実績データ４２０、新規計画データ５１０を用いて、補正されている。

【0046】

ユーザは、図５（ａ）に表した、複数の実績データの１つ以上を並べた第１ランキングと、図５（ｂ）に表した、複数の実績データの１つ以上を並べた第２ランキングと、を確認することで、処理装置１がどの実績データをどのように評価しているか容易に把握できる。ユーザは、図６の判定結果を確認することで、どの実績データが抽出され、それぞれの実績データに対するスコアがどの程度か、容易に把握できる。ユーザは、図７（ａ）の抽出結果を確認することで、第１予測データに使われたデータを容易に把握できる。ユーザは、図７（ｂ）の予測結果を確認することで、処理装置１による予測結果を容易に把握できる。例えば、ユーザは、図７（ａ）と図７（ｂ）の比較から、第１予測データに使われたデータが適切であるか、容易に判断できる。

【0047】

図８は、実施形態に係る処理システムによる処理方法を表すフローチャートである。
処理方法ＰＭ０において、処理装置１は、新規計画データ及び新規計画画像を取得する（ステップＳ１）。処理装置１は、第１処理を実行する（ステップＳ２）。これにより、第１評価値が得られる。処理装置１は、第１評価値を重み付けする（ステップＳ３）。処理装置１は、第２処理を実行する（ステップＳ４）。これにより、第２評価値が得られる。処理装置１は、第２評価値を重み付けする（ステップＳ５）。処理装置１は、重み付けされた第１評価値及び第２評価値を用いて、スコアを算出する（ステップＳ６）。処理装置１は、スコアに基づいて、実績データを抽出する（ステップＳ７）。処理装置１は、第１予測データを生成する（ステップＳ８）。処理装置１は、処理によって得られたデータを出力する（ステップＳ９）。

【0048】

処理方法ＰＭ０において、処理の順序は、適宜変更可能である。例えば、ステップＳ４及びＳ５は、ステップＳ２及びＳ３の前に実行されても良い。ステップＳ４及びＳ５は、ステップＳ２及びＳ３と並列に実行されても良い。

【0049】

実施形態の利点を説明する。
製品の生産については、限られた資源をより有効に活用できることが望ましい。資源の有効な活用により、より少ない資源で、生産数をより多くしたり、より多くの品種を生産できたりする。この結果、例えば、販売機会を増やし、利益を向上できる。一方で、生産数は、時間の経過とともに変化しうる。例えば、製品の需要変動、新製品の生産による品種増加などに応じて、生産数は変化する。生産数が変化すると、必要な資源も変化する。生産数の変化に対応するために、将来における時間と目標生産数との関係が計画され、資源の確保及び配分が決定される。このとき、資源の確保及び配分は、実際の製造能力を参照しながら決定されることが望ましい。製造能力は、割り当てられた資源に対する生産数を示す指標である。製造能力の参照により、計画に沿って生産する際に、資源の過不足を低減し、資源をより有効に活用できる。

【0050】

従来、製造能力は、事前に設定されたルール又は最適化手法に基づいて計算される。しかし、実際の製造能力には、不確定の要素が多く存在する。不確定の要素として、作業者の突発的な欠勤、製品と機械の相性、機械の老朽化、作業者のスキルのばらつきなどが挙げられる。この結果、予め決定された新規計画に沿った生産が困難となる。これらの要素に対しては、従来、人員配置の変更、他の製品の生産調整など、様々な対応が、技能及びノウハウに基づいてなされている。換言すると、従来の方法によって予め決定した新規計画に沿って製品を生産するためには、人の知識、技能、経験などが、必要となる。また、対応の検討及び実行に時間も要する。このため、人の知識、技能、経験などへの依存を低減でき、対応の負担を軽減できる技術が望まれている。

【0051】

この課題について、実施形態は、実際の製造能力をより精度良く見積もるためのデータをユーザに提供する。当該データの参照により、実際の製造能力をより精度良く見積もることができる。不確定の要素が生じたとしても、実行できる可能性の高い新規計画を作成できる。

【0052】

具体的には、実施形態に係る処理システムは、過去の複数の実績データから、新規計画対する予測に利用可能な１つ以上の実績データを抽出する。抽出された実績データは、新規計画と類似する過去計画に基づく実績を示す。過去計画が新規計画と類似している場合、その過去計画に基づく実績も、新規計画に基づく実績と類似する可能性が高い。実績データは、過去計画に対して不確定の要素が発生した結果であり、実際の製造能力を示す。抽出された実績データを参照することで、実際の製造能力をより精度良く見積もることができる。

【0053】

実施形態では、実績データは、第１評価値及び第２評価値を用いて抽出される。第１評価値は、新規計画データと過去計画データとの間の距離を用いて算出される。第２評価値は、新規計画画像の分類結果を用いて算出される。距離及び画像の分類結果を用いることで、より新規計画に類似した過去計画を抽出できる。この結果、新規計画に対する実績の予測に有用な実績データを抽出できる。

【0054】

図９は、実施形態の利点を説明するための模式図である。
図９には、時間と生産数との関係を示す複数のチャートＣｈ１～Ｃｈ３が表されている。チャートＣｈ１～Ｃｈ３において、横軸は時間を表し、縦軸は生産数を表す。実線は、新規計画を表す。破線は、過去計画を表す。距離を用いることで、チャートＣｈ１及びＣｈ２に表したように、新規計画との間において、時間ごとの目標生産数の差が小さい過去計画を抽出できる。一方で、距離を用いた抽出では、時間に対する目標生産数の変化の態様が似ているにも拘わらず、新規計画との間において目標生産数の差が大きい過去計画は抽出されにくい。例えば、チャートＣｈ３に表した新規計画と過去計画との間の距離は、チャートＣｈ２に表した新規計画と過去計画との間の距離よりも大きい。このため、チャートＣｈ３の新規計画は、チャートＣｈ３の過去計画と似ていないと判定される。

【0055】

画像の分類結果を用いる場合、分類されるクラスにおける実績データの生産数と新規計画の目標生産数との差が大きくても、主に、時間に対する生産数の変化の態様に応じて、新規計画が分類される。例えば、チャートＣｈ３に表したように、新規計画の目標生産数と過去計画の目標生産数との差が大きい場合でも、その過去計画に基づく実績データのクラスへ、新規計画が分類される。距離と画像の分類結果の両方を用いることで、実績の予測にさらに有用な実績データを抽出可能となる。

【0056】

新規計画データと過去計画データとの間の距離を算出する場合、ＤＴＷ法が用いられることが好ましい。ＤＴＷ法によれば、それぞれの過去計画における生産期間の長さに拘わらず、新規計画データと過去計画データとの間で、時間に対する目標生産数の変化を比較できる。このため、より有用な実績データを抽出可能である。

【0057】

第１モデルは、ＣＮＮを含むことが好ましい。ＣＮＮによれば、画像として扱われる新規計画をより適切に分類できる。例えば、新規計画と学習に用いた過去計画との間に細かな差異が在る場合や、過去計画に異常値が在る場合でも、新規計画をより適切に分類できる。すなわち、新規計画と概観が類似する過去計画に基づく実績データのクラスへ、新規計画を分類できる。

【0058】

過去計画データ及び実績データの一方又は両方の時間が補正されても良い。処理装置１は、実績データの時間を、製品の生産に要する時間、過去にシフトさせる。生産に要する時間は、例えば、リードタイムとして過去計画に記憶される。又は、処理装置１は、過去計画データの時間を、リードタイムの分、将来にシフトさせても良い。

【0059】

（変形例）
処理装置１は、第３処理をさらに実行しても良い。第３処理において、処理装置１は、生産データに基づいて、第２予測データを生成する。生産データは、時間と生産パラメータとの関係を示す時系列データである。生産パラメータは、設備の稼働率、不具合の発生率、メンテナンス率、及び不良品の発生率からなる群より選択される少なくとも１つである。

【0060】

計画を作成する際には、時間に対する生産パラメータの変化も予測される。処理装置１は、新規計画を作成する際に予測された生産データを、第２モデルに入力する。第２モデルは、時間と生産数との関係を示す第２予測データを出力する。

【0061】

第２モデルは、ニューラルネットワークを含む。好ましくは、第２モデルは、リカレントニューラルネットワーク（ＲＮＮ）を含む。より好ましくは、ＲＮＮは、Long Short Term Memory（ＬＳＴＭ）構造を含む。

【0062】

第２モデルは、予め学習される。第２モデルの学習には、過去計画が作成された際に予測された過去生産データと、実績データと、が用いられる。過去生産データは、過去の計画における、時間と生産パラメータとの関係を示す時系列データである。第２モデルは、過去生産データを入力データとし、実績データを教示データとして用いて学習される。これにより、第２モデルは、生産データに基づいて、実績データを予測できるように学習される。

【0063】

処理装置１は、第２予測データを記憶装置２に保存する。処理装置１は、第２予測データを出力装置４に出力しても良い。

【0064】

図１０は、実施形態の変形例に係る処理システムによる処理方法を表すフローチャートである。
処理方法ＰＭ１において、処理装置１は、新規計画データ、新規計画画像、及び生産データを取得する（ステップＳ１１）。処理装置１は、図８に表した処理方法ＰＭ０と同様に、第１処理を実行し（ステップＳ２）、第１評価値を重み付けする（ステップＳ３）。処理装置１は、第２処理を実行し（ステップＳ４）、第２評価値を重み付けする（ステップＳ５）。処理装置１は、スコアを算出し（ステップＳ６）、実績データを抽出し（ステップＳ７）、第１予測データを生成する（ステップＳ８）。処理装置１は、第３処理を実行する（ステップＳ１２）。第３処理において、処理装置１は、第２モデルから出力された第２予測データを取得する。処理装置１は、処理によって得られたデータを出力する（ステップＳ９）。

【0065】

変形例によれば、ユーザは、第１予測データ及び第２予測データの両方を参照して、製造能力を見積もることができる。また、新規計画に類似する過去計画が存在しない場合でも、ユーザは、第２予測データを実績の予測に利用できる。変形例によれば、ユーザの利便性を向上できる。

【0066】

図１１は、ハードウェア構成を表す模式図である。
実施形態に係る処理システム１０は、図１１に表したハードウェア構成により実現可能である。図１１に表したコンピュータ９０は、ＣＰＵ９１、ＲＯＭ９２、ＲＡＭ９３、記憶装置９４、入力インタフェース９５、出力インタフェース９６、及び通信インタフェース９７を含む。

【0067】

ＲＯＭ９２は、コンピュータ９０の動作を制御するプログラムを格納している。ＲＯＭ９２には、上述した各処理をコンピュータ９０に実現させるために必要なプログラムが格納されている。ＲＡＭ９３は、ＲＯＭ９２に格納されたプログラムが展開される記憶領域として機能する。

【0068】

ＣＰＵ９１は、処理回路を含む。ＣＰＵ９１は、ＲＡＭ９３をワークメモリとして、ＲＯＭ９２又は記憶装置９４の少なくともいずれかに記憶されたプログラムを実行する。プログラムの実行中、ＣＰＵ９１は、システムバス９８を介して各構成を制御し、種々の処理を実行する。

【0069】

記憶装置９４は、プログラムの実行に必要なデータや、プログラムの実行によって得られたデータを記憶する。

【0070】

入力インタフェース（Ｉ／Ｆ）９５は、コンピュータ９０と入力装置９５ａとを接続する。入力Ｉ／Ｆ９５は、例えば、ＵＳＢ等のシリアルバスインタフェースである。ＣＰＵ９１は、入力Ｉ／Ｆ９５を介して、入力装置９５ａから各種データを読み込むことができる。

【0071】

出力インタフェース（Ｉ／Ｆ）９６は、コンピュータ９０と出力装置９６ａとを接続する。出力Ｉ／Ｆ９６は、例えば、Digital Visual Interface（ＤＶＩ）やHigh-Definition Multimedia Interface（ＨＤＭＩ（登録商標））等の映像出力インタフェースである。ＣＰＵ９１は、出力Ｉ／Ｆ９６を介して、出力装置９６ａにデータを送信し、出力装置９６ａにデータを出力させることができる。例えば、出力装置９６ａは、図５（ａ）、図５（ｂ）、図６、図７（ａ）、及び図７（ｂ）に表した処理結果の少なくともいずれかを出力する。

【0072】

通信インタフェース（Ｉ／Ｆ）９７は、コンピュータ９０外部のサーバ９７ａと、コンピュータ９０と、を接続する。通信Ｉ／Ｆ９７は、例えば、ＬＡＮカード等のネットワークカードである。ＣＰＵ９１は、通信Ｉ／Ｆ９７を介して、サーバ９７ａから各種データを読み込むことができる。

【0073】

記憶装置９４は、Hard Disk Drive（ＨＤＤ）及びSolid State Drive（ＳＳＤ）から選択される１つ以上を含む。入力装置９５ａは、マウス、キーボード、マイク（音声入力）、及びタッチパッドから選択される１つ以上を含む。出力装置９６ａは、モニタ、及びプロジェクタ、及びプリンタから選択される１つ以上を含む。タッチパネルのように、入力装置９５ａと出力装置９６ａの両方の機能を備えた機器が用いられても良い。

【0074】

コンピュータ９０は、処理装置１として機能する。記憶装置９４及びサーバ９７ａは、記憶装置２として機能する。入力装置９５ａは、処理システム１０の入力装置３として用いられる。出力装置９６ａは、処理システム１０の出力装置４として用いられる。

【0075】

以上で説明した、処理装置又は処理方法を用いることで、生産計画の作成に有用なデータをユーザに提供できる。また、コンピュータを、処理装置として動作させるためのプログラムを用いることで、同様の効果を得ることができる。

【0076】

上記の種々のデータの処理は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フレキシブルディスク及びハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＤＶＤ－ＲＯＭ、ＤＶＤ±Ｒ、ＤＶＤ±ＲＷなど）、半導体メモリ、又は、他の非一時的なコンピュータで読取可能な記録媒体（non-transitory computer-readable storage medium）に記録されても良い。

【0077】

例えば、記録媒体に記録された情報は、コンピュータ（または組み込みシステム）により読み出されることが可能である。記録媒体において、記録形式（記憶形式）は任意である。例えば、コンピュータは、記録媒体からプログラムを読み出し、このプログラムに基づいてプログラムに記述されている指示をＣＰＵで実行させる。コンピュータにおいて、プログラムの取得（または読み出し）は、ネットワークを通じて行われても良い。

【0078】

以上、本発明のいくつかの実施形態を例示したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更などを行うことができる。これら実施形態やその変形例は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。また、前述の各実施形態は、相互にデータセットみ合わせて実施することができる。

【符号の説明】

【0079】

１：処理装置、 ２：記憶装置、 ３：入力装置、 ４：出力装置、 １０：処理システム、 ９０：コンピュータ、 ９１：ＣＰＵ、 ９２：ＲＯＭ、 ９３：ＲＡＭ、 ９４：記憶装置、 ９５：入力インタフェース、 ９５ａ：入力装置、 ９６：出力インタフェース、 ９６ａ：出力装置、 ９７：通信インタフェース、 ９７ａ：サーバ、 ９８：システムバス、 １００：処理結果、 １１０：過去計画、 １１１：過去計画データ、 １２０：実績、 １２１：実績データ、 １３０：ランク、 １３１：順位、 １４１：第１評価値、 ２００：処理結果、 ２１０：過去計画、 ２１１：過去計画画像、 ２２０：実績、 ２２１：実績データ、 ２３０：ランク、 ２３１：順位、 ２４１：第２評価値、 ３００：判定結果、 ３１０：過去計画、 ３１１：過去計画データ、 ３２０：実績、 ３２１：実績データ、 ３３０：ランク、 ３３１：順位、 ３４０：評価、 ３４１：スコア、 ４００：抽出結果、 ４１０：過去計画データ、 ４２０：実績データ、 ５００：予測結果、 ５１０：新規計画データ、 ５２０：第１予測データ、 Ａ：製品、 Ａ１：過去計画データ、 Ａ２：実績データ、 Ｂ１：過去計画データ、 Ｂ２：実績データ、 Ｃ１：過去計画データ、 Ｃ２：実績データ、 Ｃｈ１：チャート、 Ｃｈ２：チャート、 Ｃｈ３：チャート、 Ｄ１：過去計画データ、 Ｄ２：実績データ、 Ｎ１：新規計画データ、 ＰＭ０：処理方法、 ＰＭ１：処理方法、 ａ１：過去計画画像、 ｎ１：新規計画画像

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】