JP7687315B2

JP7687315B2 - 部品管理システム及び部品管理方法

Info

Publication number: JP7687315B2
Application number: JP2022159454A
Authority: JP
Inventors: 伸広吉田
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2022-10-03
Filing date: 2022-10-03
Publication date: 2025-06-03
Anticipated expiration: 2042-10-03
Also published as: JP2024053294A; CN117829327A; US20240112127A1

Description

本開示は部品管理システム及び部品管理方法に関する。

特許文献１は、進捗管理装置を開示している。進捗管理装置の制御部は、各情報を管理する情報処理部を有する。また、制御部は、部品別にコストや納入日に関する計画値、実績値などを算出し、計画コストと実績コストとの差分値などを算出し、条件に該当する部品及び差分の情報を抽出する処理を行う差分処理部を有する。また制御部は、抽出された部品及び差分の情報に関係づけられる差分原因パターンの情報を抽出し画面に表示する処理と、差分原因パターンの情報の中からユーザにより差分原因を特定可能とする処理とを行う原因処理部を有する。また制御部は、特定された差分原因に関係づけられる対策の情報を抽出し画面に表示する処理と、対策の情報の中からユーザにより実施すべき対策を特定可能とする処理とを行う対策処理部を有する。

特開２０１２－２４７９６４号公報

荷溢れなどの異常事態の原因は、部品納入時刻のばらつき、仕分け作業の遅れなど多岐にわたり異常事態の予測が難しい。部品置場をカメラなどでモニタし、異常事態を検知することができるが、作業員がマルチタスクで働いているため、タイムリに対応することが困難である。また、特許文献１は、部品納入後の各置場の使用状況に基づいて異常事態の発生を予測することは開示されていない。したがって、本開示は、置場の使用状況に基づいて荷溢れなどの異常事態の発生を予測する部品管理システムを提供することを目的とする。

本開示の部品管理システムは、
部品の納入計画情報を取得する納入計画情報取得部と、
取得した前記部品の納入計画情報に基づいて部品の置場使用状況の異常事態の発生を予測する予測部と、
前記部品の納入実績情報を取得する納入実績情報取得部と、
取得した前記部品の納入実績情報と取得した前記部品の納入計画情報の差分に基づいて第１影響度を算出し、前記第１影響度を閾値と比較する第１影響度算出部と、
算出した前記第１影響度と閾値との比較結果に基づいて、前記予測部の予測を更新する予測更新部と、
前記予測更新部で前記異常事態が発生すると予測された場合、前記異常事態を通知する通知部と、を備える部品管理システムである。

上記構成により、置場の使用状況に基づいて荷溢れなどの異常事態の発生を予測する部品管理システムを提供できる。

また、本開示の部品管理システムは、
前記異常事態が発生すると予測された場合、前記異常事態の発生要因を解析して前記第１影響度算出部に反映させる要因解析部を備えることを特徴とする。

上記構成により、要因解析部は、第１影響度算出部に異常事態の発生要因をフィードバックできる。

また、本開示の部品管理システムは、
前記要因解析部は、前記異常事態の発生要因と前記第１影響度の閾値の組み合わせによって構成される訓練データセットが複数入力されることにより学習する学習済みの機械学習器を記憶した記憶部と、
前記記憶部から読み出した前記学習済み機械学習器に前記異常事態の発生要因が入力されることによって前記第１影響度の閾値が出力される演算部と、を備えることを特徴とする。

上記構成により、要因解析に機械学習を用いることができる。

また、本開示の部品管理システムは、
さらに、前記部品の各置場の保管実績情報を取得する保管実績情報取得部と、
取得した前記保管実績情報と取得した前記納入計画情報との差分である第２影響度を算出し、前記第２影響度を閾値と比較する第２影響度算出部と、を備え、
前記第２影響度と閾値との比較結果に基づいて、前記予測更新部は、前記予測部の予測を更新することを特徴とする。

上記構成により、予測更新部は適切なタイミングで予測を更新できる。

本開示の部品管理方法は、
部品の納入計画情報を取得するステップと、
取得した前記部品の納入計画情報に基づいて部品の置場使用状況の異常事態の発生を予測するステップと、
前記部品の納入実績情報を取得するステップと、
取得した前記部品の納入実績情報と取得した前記部品の納入計画情報の差分に基づいて第１影響度を算出し、前記第１影響度を閾値と比較するステップと、
算出した前記第１影響度が閾値との比較結果に基づいて、前記予測するステップの予測を更新するステップと、
前記予測するステップの予測を更新して前記異常事態が発生すると予測された場合、前記異常事態を通知するステップと、を備える部品管理方法である。

上記構成により、置場の使用状況に基づいて荷溢れなどの異常事態の発生を予測する部品管理方法を提供できる。

本開示により、置場の使用状況に基づいて荷溢れなどの異常事態の発生を予測する部品管理システムを提供できる。

実施の形態１にかかる部品管理システムの構成を示すブロック図である。実施の形態１にかかる部品管理方法のフローチャートである。実施の形態２にかかる部品管理方法のフローチャートである。

実施の形態１
以下、図面を参照して本発明の実施の形態について説明する。しかしながら、特許請求の範囲にかかる発明を以下の実施の形態に限定するものではない。また、実施の形態で説明する構成の全てが課題を解決するための手段として必須であるとは限らない。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。

（実施の形態１にかかる部品管理システムの説明）
図１は、実施の形態１にかかる部品管理システムの構成を示すブロック図である。図１を参照しながら、実施の形態１にかかる部品管理システムを説明する。実施の形態１及び後述の実施の形態２では、置場の荷溢れを異常事態として説明する。

図１に示すように、実施の形態１にかかる部品管理システム１００は、納入計画情報取得部１０１と、予測部１０３と、納入実績情報取得部１０５と、第１影響度算出部１０７と、予測更新部１０９と、通知部１１１とを備える。また、部品管理システム１００は、要因解析部１１３を備えてもよい。

納入計画情報取得部１０１は、部品の納入計画情報を取得する機能を有する部分である。納入計画情報取得部１０１は、部品納入計画情報データベース２０１（図２参照）から部品の納入計画情報を取得する。納入計画情報は、納入される部品毎に、品番、納入予定数、納入予定時刻等が対応付けられた情報である。部品毎に容積が既知となっていてもよい。

予測部１０３は、取得した部品の納入計画情報に基づいて部品の置場使用状況の異常事態の発生を予測する機能を有する部分である。予測部１０３は、前日の最終実績を取得する。最終実績とは、置場の使用状況、部品のストックである。予測部１０３は、納入計画情報取得部１０１から納入計画情報を取得する。さらに予測部１０３は、生産計画情報データベース２０３（図２参照）から生産計画情報を取得する。生産計画情報は、生産品毎に、品番、生産予定数、生産予定日時などが対応付けられている情報である。さらに予測部１０３は、リソーセス情報データベース２０５（図２参照）から、作業員の勤怠などのリソーセス情報を取得する。予測部１０３は納入計画情報、生産計画情報、リソーセス情報に基づいた当日の変化点情報を取り込む。予測部１０３は、最終実績と、当日の変化点情報に基づいてシミュレーションを実行し、置場使用予測を出力する。予測部１０３は、納入当日の始めに予測することが好ましい。

納入実績情報取得部１０５は、部品の納入実績情報を取得する機能を有する部分である。納入実績情報取得部は、計画からずれが生じやすい納入実績情報を逐次生成し、定められた頻度で取り込む。納入実績情報は、品番及び納入時刻などである。

第１影響度算出部１０７は、取得した部品の納入実績情報と取得した部品の納入計画情報の差分に基づいて第１影響度を算出し、第１影響度を閾値と比較する機能を有する部分である。第１影響度算出部１０７は、納入予定時刻と納入実績時刻の差が荷溢れに影響するレベルかアルゴリズムを用いて判定する。後述するように判定閾値は変更可能である。

予測更新部１０９は、算出した第１影響度と閾値との比較結果に基づいて、予測部１０３の予測を更新する機能を有する部分である。予測更新部１０９は、例えば、第１影響度が閾値を超え、影響があるとされた場合、予測更新を実行する。予測更新部１０９は、予測部１０３と同様に置場の使用状況を予測するシミュレーションを実行する。予測更新部１０９は、シミュレーションに基づいて荷溢れの発生を判定する。判定は、予め設定可能な閾値に基づいて行われる。

通知部１１１は、予測更新部１０９で異常事態が発生すると予測された場合、異常事態を通知する機能を有する部分である。通知部１１１は、表示または音声で警告を発する。

要因解析部１１３は、異常事態が発生すると予測された場合、異常事態の発生要因を解析して第１影響度算出部１０７に反映させる機能を有する部分である。要因解析部１１３は、訓練データセットが複数入力されることにより学習する学習済みの機械学習器を記憶した記憶部を備える。訓練データセットは、異常事態の発生要因と第１影響度の閾値の組み合わせによって構成されている。また、要因解析部１１３は、記憶部から読み出した学習済み機械学習器に異常事態の発生要因が入力されることによって第１影響度の閾値が出力される演算部を備える。すなわち、要因解析部１１３は、人工知能（ＡＩ（Artificial Intelligence））を備える。このように、要因解析に機械学習を用いることができる。

要因解析部１１３は、荷溢れ発生時の条件を蓄積し、影響判定アルゴリズムの更新に活用することで次の判定精度を継続的に向上させる。要因解析部１１３は、第１影響度の判定閾値を変更する。このようにして、要因解析部１１３は、第１影響度算出部１０７に異常事態の発生要因をフィードバックできる。

このように、置場の使用状況に基づいて荷溢れなどの異常事態の発生を予測する部品管理システムを提供できる。また、上記機能は、情報処理装置を用いて実現できる。情報処理装置は、１つまたは複数の情報処理装置で構成できる。また、情報処理装置は一部または全部の機能をクラウドで実行してもよい。

（実施の形態１にかかる部品管理方法の説明）
図２は、実施の形態１にかかる部品管理方法のフローチャートである。図２を参照しながら、実施の形態１にかかる部品管理方法を説明する。

図２に示すように、部品管理方法は、前日の運搬作業終了から開始される（ステップＳ２０１）。次に、部品管理システム１００は、前日最終実績を取得する（ステップＳ２０２）。最終実績とは、置場使用状況及び部品ストック量などである。次に、部品管理システム１００に当日変化点情報が取り込まれる（ステップＳ２０３）。納入計画情報取得部１０１は、部品納入計画情報データベースから部品納入計画を取得する。また部品管理システム１００は、生産計画情報データベースから生産情報を取得する。さらに部品管理システム１００は、リソーセス情報データベースから作業者の勤怠などのリソーセス情報を取得する。当日変化点情報は、部品置場における部品数の変化を示す情報である。当日変化点は部品納入計画、生産情報、リソーセス情報から得られる。予測部１０３は、最終実績と当日変化点の情報に基づいて置場使用状況のシミュレーションを実行する（ステップＳ２０４）。予測部１０３は、シミュレーションに基づいて置場使用状況の予測を出力する（ステップＳ２０５）。

次に、第１影響度算出部１０７は、当日納入実績情報を取り込む（ステップＳ２０６）。計画からずれが生じやすい納入実績情報を定められた頻度で取り込む。また、実績情報は、品番及び納入時刻を含む。次に第１影響度算出部１０７は、納入実績と納入計画に基づく第１影響度が閾値以下であるか否か判定する（ステップＳ２０７）。第１影響度算出部１０７は、品番毎に差分値を求めて、それぞれの差分値から第１影響度を算出してもよい。納入予定時刻と納入実績時刻の差が荷溢れに影響するレベルか否かアルゴリズムを用いて判定する。閾値以下であれば（ステップＳ２０７のＹｅｓの場合）、異常事態が発生せず、部品管理システム１００の表示部は、置場使用予測を表示する（ステップＳ２０８）。閾値以上であれば（ステップＳ２０７のＮｏの場合）、異常事態が発生する可能性があり、予測更新部１０９は、置場使用状況のシミュレーションを実行する（ステップＳ２０９）。予測更新部１０９は、置場の使用状況予測を実行する。

シミュレーションの結果、予測更新部１０９は、置場の容量を超え荷溢れが発生するか否か判定する（ステップＳ２１０）。予め設定可能な閾値で荷溢れが発生するか否か判定する。荷溢れが発生しない場合（ステップＳ２１０のＮｏの場合）、予測更新部１０９は、予測表示の変更をしない（ステップＳ２１１）。荷溢れが発生する場合（ステップＳ２１０のＹｅｓの場合）、予測更新部１０９は、予測表示を変更する（ステップＳ２１２）。

そして、通知部１１１は、警告を発報する（ステップＳ２１３）。次に作業者が荷溢れ置場の滞留品処置をして（ステップＳ２１４）、部品管理方法は、置場の処理を終了する。一方、実施の形態１の部品管理方法は、溢れ発生条件を蓄積し（ステップＳ２１５）、次の置場の影響判定アルゴリズムの更新に活用する。そのため、要因解析部１１３が溢れ発生の要因を解析する（ステップＳ２１６）。このとき、要因解析に機械学習を用いることができる。そして要因解析部１１３は、第１影響度算出部１０７の影響判定アルゴリズムを更新する（ステップＳ２１７）。このようにすることで要因解析部１１３は、第１影響度算出部１０７に発生要因をフィードバックできる。

以上のように、置場の使用状況に基づいて荷溢れなどの異常事態の発生を予測する部品管理方法を提供できる。

（実施の形態２にかかる部品管理方法の説明）
図３は、実施の形態２にかかる部品管理方法のフローチャートである。図３を参照しながら、実施の形態２にかかる部品管理方法を説明する。

図３に示すように、実施の形態２は、実施の形態１とステップＳ２０６ＡとステップＳ２０７Ａで異なる。ステップＳ２０６Ａにおいて、定められた頻度で納入実績情報取得部１０５が、部品の納入実績情報を取得し、保管実績情報取得部が置場保管実績情報を取得する。そして、ステップＳ２０７Ａにおいて、納入実績と納入計画の第１影響度と保管実績と納入計画の第２影響度の両方が閾値以下であるか否か判定する。第２影響度は、例えば、保管実績の部品数から納入計画の部品数を差し引いた差分である。部品管理システム１００は、部品毎に差分値を求めて、第２影響度を算出してもよい。第１影響度算出部１０７が、第１影響度を算出し、第２影響度算出部が、第２影響度を算出する。第１影響度と第２影響度と閾値の比較結果に基づいて例えば、両方が閾値以下であれば（ステップＳ２０７ＡのＹｅｓの場合）、異常事態が発生せず、部品管理システム１００の表示部は、置場使用予測を表示する（ステップＳ２０８）。いずれかが閾値を超えたのであれば（ステップＳ２０７ＡのＮｏの場合）、異常事態が発生する可能性があり、部品管理システム１００は、置場使用状況のシミュレーションを実行する（ステップＳ２０９）。

要因解析部１１３は、第１影響度だけでなく第２影響度の閾値も変更可能である。すなわち、要因解析部１１３は、要因を解析し、発生要因に応じて第２影響度の閾値を変更できる。

第１影響度だけでなく第２影響度を用いることで、予測更新部は適切なタイミングで予測を更新できる。

また、上述した情報処理装置における処理の一部又は全部は、コンピュータプログラムとして実現可能である。このようなプログラムは、様々なタイプの非一時的なコンピュータ可読媒体を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（ＰｒｏｇｒａｍｍａｂｌｅＲＯＭ）、ＥＰＲＯＭ（ＥｒａｓａｂｌｅＰＲＯＭ）、フラッシュＲＯＭ、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

１００部品管理システム、１０１納入計画情報取得部、１０３予測部、１０５納入実績情報取得部、１０７第１影響度算出部、１０９予測更新部、１１１通知部、１１３要因解析部、２０１部品納入計画情報データベース、２０３生産計画情報データベース、２０５リソーセス情報データベース

Claims

部品の納入計画情報を取得する納入計画情報取得部と、
取得した前記部品の納入計画情報に基づいて部品の置場使用状況の荷溢れの発生を予測する予測部と、
前記部品の納入実績情報を取得する納入実績情報取得部と、
取得した前記部品の納入実績情報と取得した前記部品の納入計画情報の差分に基づいて第１影響度を算出し、前記第１影響度を閾値と比較する第１影響度算出部と、
算出した前記第１影響度と閾値との比較結果に基づいて、前記予測部の予測を更新する予測更新部と、
前記予測更新部で前記荷溢れが発生すると予測された場合、前記荷溢れを通知する通知部と、を備える部品管理システム。
前記荷溢れが発生すると予測された場合、前記荷溢れの発生要因を解析して前記第１影響度算出部に反映させる要因解析部を備える、請求項１に記載の部品管理システム。
前記要因解析部は、前記荷溢れの発生要因と前記第１影響度の閾値の組み合わせによって構成される訓練データセットが複数入力されることにより学習する学習済みの機械学習器を記憶した記憶部と、
前記記憶部から読み出した前記学習済み機械学習器に前記荷溢れの発生要因が入力されることによって前記第１影響度の閾値が出力される演算部と、を備える、請求項２に記載の部品管理システム。
さらに、前記部品の各置場の保管実績情報を取得する保管実績情報取得部と、
取得した前記保管実績情報と取得した前記納入計画情報との差分である第２影響度を算出し、前記第２影響度を閾値と比較する第２影響度算出部と、を備え、
前記第２影響度と閾値との比較結果に基づいて、前記予測更新部は、前記予測部の予測を更新する、請求項１に記載の部品管理システム。
情報処理装置が、
部品の納入計画情報を取得するステップと、
取得した前記部品の納入計画情報に基づいて部品の置場使用状況の荷溢れの発生を予測するステップと、
前記部品の納入実績情報を取得するステップと、
取得した前記部品の納入実績情報と取得した前記部品の納入計画情報の差分に基づいて第１影響度を算出し、前記第１影響度を閾値と比較するステップと、
算出した前記第１影響度と閾値との比較結果に基づいて、前記予測するステップの予測を更新するステップと、
前記予測するステップの予測を更新して前記荷溢れが発生すると予測された場合、前記荷溢れを通知するステップと、を備える部品管理方法。