JP7709052B2 - Parameter calculation device, parameter calculation program, and parameter calculation method - Google Patents
Parameter calculation device, parameter calculation program, and parameter calculation methodInfo
- Publication number
- JP7709052B2 JP7709052B2 JP2022026004A JP2022026004A JP7709052B2 JP 7709052 B2 JP7709052 B2 JP 7709052B2 JP 2022026004 A JP2022026004 A JP 2022026004A JP 2022026004 A JP2022026004 A JP 2022026004A JP 7709052 B2 JP7709052 B2 JP 7709052B2
- Authority
- JP
- Japan
- Prior art keywords
- function value
- parameter calculation
- value
- simulator
- evaluation function
- 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
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、パラメータ算出装置、パラメータ算出プログラムおよびパラメータ算出方法に関する。 The present invention relates to a parameter calculation device, a parameter calculation program, and a parameter calculation method.
多数の鋼材を効率的に製造するためには、製造ラインにおける各設備の能力のバランスをとることにより、物流上の問題が生じないようにすることが重要である。前記物流上の問題として、例えば、鋼材になる前の中間製品（コイル等）が一時的に載置される置場の収容能力が逼迫して前工程を停止せざるを得なくなるという問題、置場に中間製品がなく後工程を開始できないという問題が挙げられる。このような問題が生じないようにするためには、製造に着手する前に、置場における中間製品の在庫数の推移をできるだけ正確に予測し、物流上の問題が生じなくなるような対策をとっておくことが望ましい。置場における中間製品の在庫数の推移をシミュレーションする技術は従来知られている。例えば特許文献１には、中間製品の量に関する情報と置場間の経路情報とを含む入力情報を入力し、入力情報に基づく数理モデルを作成し、数理モデルに基づいて置場における中間製品の在庫量の推移を出力する、在庫量推移シミュレーション方法について記載されている。 In order to efficiently manufacture a large amount of steel, it is important to balance the capacity of each piece of equipment in the manufacturing line to prevent problems in logistics. Examples of such logistics problems include the problem of the storage capacity of a storage yard where intermediate products (coils, etc.) before they are made into steel being temporarily placed being strained, forcing the previous process to be stopped, and the problem of there being no intermediate products in the storage yard and not being able to start the next process. In order to prevent such problems from occurring, it is desirable to predict the transition in the inventory number of intermediate products in the storage yard as accurately as possible before starting production, and to take measures to prevent logistics problems from occurring. Techniques for simulating the transition in the inventory number of intermediate products in a storage yard have been known in the past. For example, Patent Document 1 describes an inventory transition simulation method in which input information including information on the amount of intermediate products and route information between storage yard is input, a mathematical model is created based on the input information, and the transition in the inventory amount of intermediate products in the storage yard is output based on the mathematical model.
しかしながら、上記のような従来技術は、中間製品の量を、重量に基づく連続量として扱っている。このため、従来技術には、鋼材の製造ライン特有の条件（例えば、搬送機器が一回に搬送することのできる中間製品の個数には限りがあることや、搬送機器が他の中間製品の搬送に使われていて目的の中間製品を直ちに搬送できない場合があること等）を考慮したシミュレーションができないという問題がある。
本発明の一態様は、鋼材の製造ライン特有の条件を考慮したシミュレーションの精度向上を実現することを目的とする。
However, the above-mentioned conventional techniques treat the amount of intermediate products as a continuous amount based on weight, which means that the conventional techniques have a problem in that they are unable to perform simulations that take into account conditions specific to steel production lines (e.g., the number of intermediate products that a conveying device can convey at one time is limited, and the conveying device may be busy conveying other intermediate products and therefore unable to immediately convey the desired intermediate product).
An object of one aspect of the present invention is to improve the accuracy of a simulation that takes into account conditions specific to a steel production line.
上記の課題を解決するために、本発明の一態様に係るパラメータ算出装置は、鋼材の製造ラインの途中に設けられた、前記鋼材となる前の中間製品が一時的に載置される置場における、前記中間製品の滞留個数の推移を予測する離散事象シミュレータで用いられるパラメータの最適値を算出するパラメータ算出装置であって、前記離散事象シミュレータを取得するシミュレータ取得部と、前記製造ラインで過去に鋼材を製造したときの前記滞留個数の実際の推移を示す実績データを取得する実績データ取得部と、前記離散事象シミュレータおよび前記実績データに基づいて、前記最適値となり得る複数の候補値のうちの一つと前記離散事象シミュレータの予測精度との関係を表す評価関数値を算出する評価関数値算出部と、前記評価関数値に基づいて獲得関数値を算出する獲得関数値算出部と、前記獲得関数値を用いたベイズ最適化により、前記最適値を算出するパラメータ算出部と、を有する。 In order to solve the above problem, a parameter calculation device according to one aspect of the present invention is a parameter calculation device that calculates optimal values of parameters used in a discrete event simulator that predicts the trend in the number of intermediate products remaining in a storage area installed midway through a steel production line where the intermediate products before becoming the steel are temporarily placed, and includes a simulator acquisition unit that acquires the discrete event simulator, a performance data acquisition unit that acquires performance data showing the actual trend in the number of remaining products when steel was previously produced on the production line, an evaluation function value calculation unit that calculates an evaluation function value that represents the relationship between one of multiple candidate values that can be the optimal value and the prediction accuracy of the discrete event simulator based on the discrete event simulator and the performance data, an acquisition function value calculation unit that calculates an acquisition function value based on the evaluation function value, and a parameter calculation unit that calculates the optimal value by Bayesian optimization using the acquisition function value.
本発明の各態様に係るパラメータ算出装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記パラメータ算出装置が備える各部（ソフトウェア要素）として動作させることにより前記パラメータ算出装置をコンピュータにて実現させるパラメータ算出装置のパラメータ算出プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。 The parameter calculation device according to each aspect of the present invention may be realized by a computer. In this case, the parameter calculation program of the parameter calculation device that causes the computer to operate as each unit (software element) of the parameter calculation device to realize the parameter calculation device, and the computer-readable recording medium on which the program is recorded, also fall within the scope of the present invention.
また、本発明の一態様に係るパラメータ算出方法は、鋼材の製造ラインの途中に設けられた、前記鋼材となる前の中間製品が一時的に載置される置場における、前記中間製品の滞留個数の推移を予測する離散事象シミュレータで用いられるパラメータの最適値を、コンピュータを用いて算出するパラメータ算出方法であって、前記離散事象シミュレータを取得するステップと、前記製造ラインで過去に鋼材を製造したときの前記滞留個数の実際の推移を示す実績データを取得するステップと、前記離散事象シミュレータおよび前記実績データに基づいて、前記最適値となり得る複数の候補値のうちの一つと前記離散事象シミュレータの予測精度との関係を表す評価関数値を算出するステップと、前記評価関数値に基づいて獲得関数値を算出するステップと、前記獲得関数値を用いたベイズ最適化により、前記最適値を算出するステップと、を有する。 In addition, a parameter calculation method according to one aspect of the present invention is a parameter calculation method that uses a computer to calculate optimal values of parameters used in a discrete event simulator that predicts the trend in the number of intermediate products remaining in a storage area, which is provided midway through a steel production line and where the intermediate products before becoming the steel are temporarily placed, and includes the steps of: acquiring the discrete event simulator; acquiring performance data showing the actual trend in the number of intermediate products remaining when steel was previously produced on the production line; calculating an evaluation function value that represents the relationship between one of multiple candidate values that can be the optimal value and the prediction accuracy of the discrete event simulator based on the discrete event simulator and the performance data; calculating an acquisition function value based on the evaluation function value; and calculating the optimal value by Bayesian optimization using the acquisition function value.
本発明の一態様によれば、鋼材の製造ライン特有の条件を考慮したシミュレーションの精度向上を実現することができる。 According to one aspect of the present invention, it is possible to improve the accuracy of simulations that take into account the conditions specific to steel manufacturing lines.
以下、本発明の一実施形態について、詳細に説明する。 One embodiment of the present invention is described in detail below.
［離散事象シミュレータ］
まず、本実施形態に係るパラメータ算出装置１００（以下、算出装置１００）が算出したパラメータが適用される離散事象シミュレータＳ（以下、シミュレータＳ）の一例について説明する。図１はシミュレータＳの構成を示すブロック図である。
[Discrete Event Simulator]
First, an example of a discrete event simulator S (hereinafter, simulator S) to which parameters calculated by a parameter calculation device 100 (hereinafter, calculation device 100) according to this embodiment are applied will be described. FIG.
中間製品を連続量として扱う従来のシミュレータの問題を解決するため、ここで用いられるシミュレータＳは、鋼材の製造ラインの途中に設けられた置場における、中間製品の滞留個数の推移を予測するためのものとなっている。本実施形態に係るシミュレータＳは、鋼材の製造ラインにおける中間製品の流れをシミュレーションすることにより、中間製品の滞留個数の推移を予測する。なお、シミュレータＳは、離散事象シミュレーション技術を用いて作成された一般的なものでよい。 To solve the problem of conventional simulators that treat intermediate products as continuous quantities, the simulator S used here is designed to predict the change in the number of intermediate products remaining in a storage area set up midway through a steel production line. The simulator S of this embodiment predicts the change in the number of intermediate products remaining by simulating the flow of intermediate products in a steel production line. The simulator S may be a general one created using discrete event simulation technology.
鋼材の製造ラインの途中に設けられる置場は、中間製品が一時的に載置される場所である。 The storage area set up along the steel manufacturing line is a place where intermediate products are temporarily placed.
中間製品は、鋼材（最終製品）となる前のものである。中間製品は、例えば、連続鋳造後の鋼片（スラブ、ブルーム、ビレット）、熱間圧延後～冷間圧延前のコイル、冷間圧延後～表面処理（めっき等）前のコイル等を含む。中間製品は、個数で計数可能なものである。すなわち、中間製品の滞留個数は離散量である。 Intermediate products are products before they become steel (final products). Examples of intermediate products include steel pieces (slabs, blooms, billets) after continuous casting, coils after hot rolling and before cold rolling, and coils after cold rolling and before surface treatment (plating, etc.). Intermediate products are products that can be counted by number. In other words, the number of intermediate products remaining is a discrete quantity.
本実施形態に係るシミュレータＳは、製造ラインの一部における中間製品の流れをシミュレーションするものとなっている。具体的には、本実施形態に係るシミュレータＳは、図１に示したように、鋼材製造の一工程を担う第一工場１で処理を開始する前から、中間ヤード３を通り、次工程を担う第二工場２での処理を終了した後までの中間製品の流れをシミュレーションするものとなっている。なお、シミュレータＳは、三つ以上の工場間の中間製品の流れをシミュレーションするものであってもよい。 The simulator S according to this embodiment is configured to simulate the flow of intermediate products in a part of a manufacturing line. Specifically, as shown in FIG. 1, the simulator S according to this embodiment is configured to simulate the flow of intermediate products from before processing begins in a first factory 1 that handles one process of steel manufacturing, through an intermediate yard 3, to after processing is completed in a second factory 2 that handles the next process. The simulator S may also simulate the flow of intermediate products between three or more factories.
第一工場１は、鋳造工場、熱延工場、冷延工場、焼鈍工場のいずれかである。 The first factory 1 is either a foundry, a hot rolling factory, a cold rolling factory, or an annealing factory.
第二工場２は、熱延工場、冷延工場、焼鈍工場、連続溶融亜鉛めっき工場のうち、第一工場１を出た後の次工程を担う工場である。 The second factory 2 is the factory that handles the next process after the steel leaves the first factory 1, among the hot rolling factory, cold rolling factory, annealing factory, and continuous hot-dip galvanizing factory.
シミュレーション対象の製造ラインは、少なくとも一つの装置と、置場と、を備えている。本実施形態に係る装置は、処理装置と、搬送装置と、を含む。すなわち、本実施形態に係るシミュレータには、処理装置、置場、搬送装置の位置、動作等が設定されている。 The manufacturing line to be simulated includes at least one device and a storage area. The device according to this embodiment includes a processing device and a transport device. In other words, the simulator according to this embodiment is set with the positions, operations, etc. of the processing device, storage area, and transport device.
（処理装置）
処理装置は、中間製品に所定処理を施す。本実施形態に係る処理装置は、第一処理装置１１と、第二処理装置２１と、を含む。
(Processing Equipment)
The processing apparatus performs a predetermined process on the intermediate product. The processing apparatus according to the present embodiment includes a first processing apparatus 11 and a second processing apparatus 21.
第一処理装置１１は、第一工場１に設置されている。そして、第一処理装置１１は、中間製品に、一工程に対応する処理（連続鋳造、熱間圧延、冷間圧延、または焼鈍）を施す。 The first processing device 11 is installed in the first factory 1. The first processing device 11 subjects the intermediate product to a process corresponding to one step (continuous casting, hot rolling, cold rolling, or annealing).
第二処理装置２１は、第二工場２に設置されている。そして、第二処理装置２１は、中間製品に、次工程に対応する処理（熱間圧延、冷間圧延、焼鈍、またはめっき）を施す。 The second processing device 21 is installed in the second factory 2. The second processing device 21 subjects the intermediate product to a process corresponding to the next process (hot rolling, cold rolling, annealing, or plating).
（置場）
置場は、中間製品が一時的に載置される。本実施形態に係る置場は、第一前面置場１２と、第一前面バッファ１３と、第一後面置場１４と、第一後面バッファ１５と、第二前面置場２２と、第二前面バッファ２３と、第二後面置場２４と、第二後面バッファ２５と、仮置場３１と、第一パレット３２と、第二パレット３３と、を含む。なお、置場は、仮置場３１を含まなくてもよい。
(Place)
The storage areas are where intermediate products are temporarily placed. The storage areas according to this embodiment include a first front storage area 12, a first front buffer 13, a first rear storage area 14, a first rear buffer 15, a second front storage area 22, a second front buffer 23, a second rear storage area 24, a second rear buffer 25, a temporary storage area 31, a first pallet 32, and a second pallet 33. Note that the storage areas do not have to include the temporary storage area 31.
第一前面置場１２は、第一工場１における第一処理装置１１の前面（入口）側に設けられている。 The first front storage area 12 is located on the front (entrance) side of the first processing device 11 in the first factory 1.
第一前面バッファ１３は、第一処理装置１１と第一前面置場１２との間に設けられている。第一前面バッファ１３に載置された中間製品は、順次第一処理装置１１へセットされる。 The first front buffer 13 is provided between the first processing device 11 and the first front storage area 12. The intermediate products placed on the first front buffer 13 are sequentially set in the first processing device 11.
第一後面置場１４は、第一処理装置１１の後面（出口）側に設けられている。 The first rear storage area 14 is provided on the rear (exit) side of the first processing device 11.
第一後面バッファ１５は、第一処理装置１１と第一後面置場１４との間に設けられている。第一処理装置１１で処理された中間製品は、順次第一後面バッファ１５へ載置される。 The first rear buffer 15 is provided between the first processing device 11 and the first rear storage area 14. The intermediate products processed by the first processing device 11 are sequentially placed in the first rear buffer 15.
第二前面置場２２は、第二工場２における第二処理装置２１の前面側に設けられている。 The second front storage area 22 is provided in front of the second processing device 21 in the second factory 2.
第二前面バッファ２３は、第二処理装置２１と第二前面置場２２との間に設けられている。第二前面バッファ２３に載置された中間製品は、順次第二処理装置２１へセットされる。 The second front buffer 23 is provided between the second processing device 21 and the second front storage area 22. The intermediate products placed in the second front buffer 23 are sequentially set in the second processing device 21.
第二後面置場２４は、第二処理装置２１の後面側に設けられている。 The second rear storage area 24 is provided on the rear side of the second processing device 21.
第二後面バッファ２５は、第二処理装置２１と第二後面置場２４との間に設けられている。第二処理装置２１で処理された中間製品は、順次第二後面バッファ２５へ載置される。 The second rear buffer 25 is provided between the second processing device 21 and the second rear storage area 24. The intermediate products processed by the second processing device 21 are sequentially placed in the second rear buffer 25.
仮置場３１は、中間ヤード３（第一工場１と第二工場２との間）に設けられている。 The temporary storage area 31 is located in the intermediate yard 3 (between the first factory 1 and the second factory 2).
第一パレット３２は、搬送装置によって移動する。停止中の第一パレット３２は、第一後面置場１４または仮置場３１の入口側に隣接する。 The first pallet 32 is moved by a conveying device. When stopped, the first pallet 32 is adjacent to the entrance side of the first rear storage area 14 or the temporary storage area 31.
第二パレット３３は、搬送装置によって移動する。停止中の第二パレット３３は、仮置場３１の出口側または第二前面置場２２に隣接する。 The second pallet 33 is moved by a conveying device. When stopped, the second pallet 33 is adjacent to the exit side of the temporary storage area 31 or the second front storage area 22.
（搬送装置）
搬送装置は、中間製品を搬送するものである。本実施形態に係る搬送装置は、クレーンと、キャリア３５と、を含む。
(Transportation device)
The conveying device conveys the intermediate product. The conveying device according to the present embodiment includes a crane and a carrier 35.
クレーンは、中間製品を吊り上げて搬送する。本実施形態に係るクレーンは、第一前面クレーン１６と、第一後面クレーン１７と、第二前面クレーン２６と、第二後面クレーン２７と、仮置きクレーン３４と、を含む。 The cranes hoist and transport the intermediate products. The cranes in this embodiment include a first front crane 16, a first rear crane 17, a second front crane 26, a second rear crane 27, and a temporary placement crane 34.
第一前面クレーン１６は、第一処理装置１１の前面側に設けられている。第一前面クレーン１６には、第一前面置場１２に載置されている中間製品を第一前面バッファ１３へ搬送するジョブが設定されている。 The first front crane 16 is provided on the front side of the first processing device 11. The first front crane 16 is set with a job to transport intermediate products placed in the first front storage area 12 to the first front buffer 13.
第一後面クレーン１７は、第一処理装置１１の後面側に設けられている。第一後面クレーン１７には、複数種類のジョブが設定されている。具体的には、第一後面バッファ１５に載置されている中間製品を第一後面置場１４へ搬送するジョブ、および第一後面置場１４に載置されている中間製品を第一パレット３２へ搬送するジョブの二種類である。第一後面クレーン１７は、一方のジョブを実行している間、他方のジョブを実行することができない。 The first rear crane 17 is provided on the rear side of the first processing device 11. The first rear crane 17 is set with multiple types of jobs. Specifically, there are two types of jobs: a job to transport intermediate products placed in the first rear buffer 15 to the first rear storage area 14, and a job to transport intermediate products placed in the first rear storage area 14 to the first pallet 32. While the first rear crane 17 is performing one job, it cannot perform the other job.
第二前面クレーン２６は、第二処理装置２１の前面側に設けられている。第二前面クレーン２６には、複数種類のジョブが設定されている。具体的には、第一パレット３２または第二パレット３３に載置されている中間製品を第二前面置場２２へ搬送するジョブ、および第二前面置場２２に載置されている中間製品を第二前面バッファ２３へ搬送するジョブの二種類である。第二前面クレーン２６は、一方のジョブを実行している間、他方のジョブを実行することができない。 The second front crane 26 is provided on the front side of the second processing device 21. The second front crane 26 is set with multiple types of jobs. Specifically, there are two types of jobs: a job to transport intermediate products placed on the first pallet 32 or the second pallet 33 to the second front storage area 22, and a job to transport intermediate products placed in the second front storage area 22 to the second front buffer 23. While the second front crane 26 is executing one job, it cannot execute the other job.
第二後面クレーン２７は、第二処理装置２１の後面側に設けられている。第二後面クレーン２７には第二後面バッファ２５に載置されている中間製品を第二後面置場２４へ搬送するジョブが設定されている。 The second rear crane 27 is provided on the rear side of the second processing device 21. The second rear crane 27 is set with a job to transport the intermediate products placed in the second rear buffer 25 to the second rear storage area 24.
仮置きクレーン３４は、仮置場３１に設けられている。仮置きクレーン３４には、複数種類のジョブが設定されている。具体的には、第一パレット３２に載置されている中間製品を仮置場３１へ搬送するジョブ、および仮置場３１へ載置されている中間製品を第二パレット３３へ搬送するジョブの二種類である。仮置きクレーン３４は、一方のジョブを実行している間、他方のジョブを実行することができない。 The temporary storage crane 34 is provided in the temporary storage area 31. A plurality of types of jobs are set for the temporary storage crane 34. Specifically, there are two types of jobs: a job to transport the intermediate product placed on the first pallet 32 to the temporary storage area 31, and a job to transport the intermediate product placed in the temporary storage area 31 to the second pallet 33. While the temporary storage crane 34 is performing one job, it cannot perform the other job.
なお、第一後面クレーン１７、第二前面クレーン２６、および仮置きクレーン３４の少なくともいずれかには、一種類または三種類以上のジョブが設定されていてもよい。また、第一前面クレーン１６、および第二後面クレーン２７の少なくとも一方は、二種類以上のジョブが設定されていてもよい。 At least one of the first rear crane 17, the second front crane 26, and the temporary storage crane 34 may be set to one or three or more types of jobs. At least one of the first front crane 16 and the second rear crane 27 may be set to two or more types of jobs.
キャリア３５は、中間製品を積載して搬送する。本実施形態に係るキャリア３５は、少なくとも一つの中間製品が載置された第一パレット３２または第二パレット３３を積載して搬送する。キャリア３５には、置場からの搬送先が複数設定されている。具体的には、第二前面置場２２、および仮置場３１の二つである。なお、キャリア３５には、一つまたは三つ以上の搬送先が設定されていてもよい。また、キャリアは、第一パレットを搬送する第一キャリアと、第二パレットを搬送する第二パレットと、に分かれていてもよい。 The carrier 35 loads and transports intermediate products. The carrier 35 according to this embodiment loads and transports a first pallet 32 or a second pallet 33 on which at least one intermediate product is placed. The carrier 35 has multiple destinations from the storage area. Specifically, there are two destinations: the second front storage area 22 and the temporary storage area 31. The carrier 35 may have one or three or more destinations. The carrier may be divided into a first carrier that transports the first pallet and a second carrier that transports the second pallet.
以上説明してきたシミュレータＳを用いれば、鋼材の製造ライン特有（流体等の製造ラインにはない）条件（例えば、個々の中間製品を搬送装置で搬送すること、搬送装置が１回に運ぶことのできる中間製品には限りがあること、運びたいときに搬送装置がいない場合があること等）を加味した（実際の鋼材製造プロセスに即した）シミュレーションが可能となる。 By using the simulator S described above, it becomes possible to perform a simulation (based on the actual steel manufacturing process) that takes into account conditions that are unique to steel manufacturing lines (not found in manufacturing lines for fluids, etc.) (for example, the transportation of individual intermediate products by conveying equipment, the fact that a conveying equipment can only transport a limited number of intermediate products at one time, the fact that a conveying equipment may not be available when a transport is required, etc.).
なお、シミュレータＳは、算出装置１００がパラメータの最適値を算出する際にも用いられる。算出装置１００がどのようにシミュレータＳを用いるかの詳細については後述する。 The simulator S is also used when the calculation device 100 calculates optimal values of parameters. Details of how the calculation device 100 uses the simulator S will be described later.
［算出装置１００の構成］
次に、算出装置１００の構成について説明する。図２は算出装置１００の機能的構成を示すブロック図である。
[Configuration of calculation device 100]
Next, a description will be given of the configuration of the calculation device 100. FIG.
算出装置１００は、上記シミュレータＳで用いられるパラメータの最適値を算出するためのものである。算出装置１００は、図２に示したように、制御部４と、記憶部５と、を有する。本実施形態に係る算出装置１００は、操作部６と、出力部７と、を更に備える。 The calculation device 100 is for calculating optimal values of parameters used in the simulator S. As shown in FIG. 2, the calculation device 100 has a control unit 4 and a storage unit 5. The calculation device 100 according to this embodiment further has an operation unit 6 and an output unit 7.
記憶部５は、不揮発性メモリで構成されている。本実施形態に係る記憶部５は、上記シミュレータＳと、評価関数Ｆ1と、獲得関数Ｆ2と、を記憶している。評価関数Ｆ1および獲得関数Ｆ2の詳細については後述する。また、本実施形態に係る記憶部５は、実績データＤと、探索補助情報Ｉと、を記憶することが可能となっている。実績データＤおよび探索補助情報Ｉの詳細については後述する。なお、算出装置１００は、シミュレータＳ、実績データＤ、各種数式および探索補助情報Ｉの少なくともいずれかを他の装置から受信するようになっていてもよい。その場合、記憶部５はこれらを記憶していなくてもよい。 The storage unit 5 is configured with a non-volatile memory. The storage unit 5 according to this embodiment stores the simulator S, the evaluation function F1 , and the acquisition function F2 . The evaluation function F1 and the acquisition function F2 will be described in detail later. The storage unit 5 according to this embodiment can store the performance data D and the search auxiliary information I. The performance data D and the search auxiliary information I will be described in detail later. The calculation device 100 may receive at least one of the simulator S, the performance data D, various mathematical expressions, and the search auxiliary information I from another device. In this case, the storage unit 5 may not store these.
操作部６は、ユーザが操作するものである。操作部６は、キーボード、マウス、タッチパネル等を含む。操作部６は、ユーザによってなされた操作に応じた情報を制御部４へ入力する。 The operation unit 6 is operated by the user. The operation unit 6 includes a keyboard, a mouse, a touch panel, etc. The operation unit 6 inputs information corresponding to operations performed by the user to the control unit 4.
出力部７は、制御部４の演算結果を出力するものである。出力部７は、演算結果を表示する表示装置、演算結果を印刷するプリンタ、演算結果のデータを他の装置へ送信する通信モジュール等を含む。 The output unit 7 outputs the calculation results of the control unit 4. The output unit 7 includes a display device that displays the calculation results, a printer that prints the calculation results, a communication module that transmits the calculation result data to other devices, etc.
制御部４は、シミュレータ取得部４１と、実績データ取得部４２と、評価関数値算出部４３と、獲得関数値算出部４４と、パラメータ算出部４５と、を備えている。また、本実施形態に係る制御部４は、条件設定部４６と、探索補助情報取得部４７と、探索補助情報作成部４８と、を更に備えている。 The control unit 4 includes a simulator acquisition unit 41, a performance data acquisition unit 42, an evaluation function value calculation unit 43, an acquisition function value calculation unit 44, and a parameter calculation unit 45. In addition, the control unit 4 according to this embodiment further includes a condition setting unit 46, a search auxiliary information acquisition unit 47, and a search auxiliary information creation unit 48.
（シミュレータ取得部）
シミュレータ取得部４１は、上記シミュレータＳを取得する。本実施形態に係るシミュレータ取得部４１は、シミュレータＳを、記憶部５から読み取るようになっている。なお、シミュレータ取得部４１は、シミュレータＳを、算出装置１００に挿入されたメディアから読み取るようになっていてもよい。通信モジュールを介して他の装置から受信するようになっていてもよい。
(Simulator Acquisition Department)
The simulator acquisition unit 41 acquires the simulator S. The simulator acquisition unit 41 according to the present embodiment is configured to read the simulator S from the storage unit 5. The simulator acquisition unit 41 may be configured to read the simulator S from a medium inserted into the calculation device 100. The simulator acquisition unit 41 may be configured to receive the simulator S from another device via a communication module.
（条件設定部）
条件設定部４６は、シミュレータＳに、搬送機器の搬送能力、および置場の収容能力を含むシミュレーション条件を設定する。本実施形態に係る条件設定部４６は、ユーザにより操作部６になされた操作によって入力されたシミュレーション条件を設定する。本実施形態に係る条件設定部４６は、処理装置の処理能力もシミュレーション条件として設定する。本実施形態に係る条件設定部４６は、すべての処理装置（第一処理装置１１および第二処理装置２１）の処理能力を設定する。処理能力は、下記表１に示したように、処理可能個数と、処理時間と、を含む。処理可能個数は、第一処理装置１１および第二処理装置２１が一回の処理で処理することのできる中間製品の数である。処理時間は、１回の処理に要する時間である。処理時間は、コイル属性（サイズ、品質等）に応じて変える数値である。
(Condition Setting Section)
The condition setting unit 46 sets simulation conditions including the transport capacity of the transport equipment and the storage capacity of the storage area in the simulator S. The condition setting unit 46 according to this embodiment sets simulation conditions input by the user's operation on the operation unit 6. The condition setting unit 46 according to this embodiment also sets the processing capacity of the processing device as a simulation condition. The condition setting unit 46 according to this embodiment sets the processing capacity of all processing devices (the first processing device 11 and the second processing device 21). The processing capacity includes the number of pieces that can be processed and the processing time as shown in Table 1 below. The number of pieces that can be processed is the number of intermediate products that the first processing device 11 and the second processing device 21 can process in one processing. The processing time is the time required for one processing. The processing time is a value that changes depending on the coil attributes (size, quality, etc.).
また、本実施形態に係る条件設定部４６は、すべての搬送装置（第一前面クレーン１６、第一後面クレーン１７、第二前面クレーン２６、第二後面クレーン２７、仮置きクレーン３４およびキャリア３５）の搬送能力を設定する。搬送能力は、下記表２に示したように、搬送可能個数と、搬送時間と、を含む。搬送可能個数は、各搬送装置が一回の搬送で同時に搬送することのできる対象物（中間製品、第一パレット３２、第二パレット３３）の個数である。搬送時間は、一回の搬送に要する時間である。 In addition, the condition setting unit 46 according to this embodiment sets the transport capacity of all the transport devices (first front crane 16, first rear crane 17, second front crane 26, second rear crane 27, temporary storage crane 34 and carrier 35). The transport capacity includes the number of items that can be transported and the transport time, as shown in Table 2 below. The number of items that can be transported is the number of objects (intermediate products, first pallet 32, second pallet 33) that each transport device can transport simultaneously in one transport. The transport time is the time required for one transport.
上述したように、上記シミュレータＳの第一後面クレーン１７および第二前面クレーン２６には、それぞれ二つのジョブが設定されている。このため、本実施形態に係る条件設定部４６は、第一後面クレーン１７および第二前面クレーン２６にジョブ選択条件をそれぞれ設定する。 As described above, two jobs are set for each of the first rear crane 17 and the second front crane 26 of the simulator S. Therefore, the condition setting unit 46 in this embodiment sets job selection conditions for the first rear crane 17 and the second front crane 26, respectively.
第一後面クレーン１７には、例えば下記のようなジョブ選択条件を設定する。
・第一後面バッファ１５のコイル数≧第一後面バッファ１５の収容能力－α本のときは第一後面バッファ１５から第一後面置場１４への搬送を優先する。
・第一後面バッファ１５のコイル数＜第一後面バッファ１５の収容能力－α本のときは第一後面置場１４から第一パレット３２への搬送を優先する。
For the first rear crane 17, for example, the following job selection conditions are set:
When the number of coils in the first rear buffer 15 is equal to or greater than the storage capacity of the first rear buffer 15 - α coils, priority is given to transport from the first rear buffer 15 to the first rear storage area 14 .
When the number of coils in the first rear buffer 15 is less than the storage capacity of the first rear buffer 15 - α coils, priority is given to transport from the first rear storage area 14 to the first pallet 32.
また、第二前面クレーン２６には、例えば下記のようなジョブ選択条件を設定する。
・第二前面バッファ２３のコイル数≧第二前面バッファ２３の収容能力－β本のときは、第一パレット３２または第二パレット３３から第二前面置場２２への搬送を優先する。
・第二前面バッファ２３のコイル数＜第二前面バッファ２３の収容能力－β本のときは、第二前面置場２２から第二前面バッファ２３への搬送を優先する。
Further, for the second front crane 26, for example, the following job selection conditions are set:
When the number of coils in the second front buffer 23 is equal to or greater than the storage capacity of the second front buffer 23 - β coils, priority is given to transport from the first pallet 32 or the second pallet 33 to the second front storage area 22.
When the number of coils in the second front buffer 23 is less than the storage capacity of the second front buffer 23 - β coils, priority is given to transport from the second front storage area 22 to the second front buffer 23.
条件中のα，βは、これから最適値を算出する対象のパラメータである。また、パラメータの最適値は、装置がいずれのジョブを実行するかを選択する際の基準（オペレータの判断に相当）である。このようにすれば、装置があるジョブを実行している間、他のジョブを実行できなくなる（例えば、前工程から置場への搬送、置場から後工程への搬送の２つのジョブが設定され、一方の搬送をしている間他方の搬送はできない）ような製造ラインにおける滞留個数をシミュレーションする場合であっても、置場の中間製品の滞留個数の推移をより正確に予測することができる。 The α and β in the conditions are parameters for which optimal values are to be calculated. The optimal parameter values are also the criteria (corresponding to the operator's judgment) when the device selects which job to execute. In this way, even when simulating the number of items stuck in a production line where the device cannot execute another job while it is executing one job (for example, two jobs are set, transport from the previous process to the storage area and transport from the storage area to the next process, and while one transport is being performed the other transport cannot be performed), it is possible to more accurately predict the change in the number of intermediate products stuck in the storage area.
また、上記シミュレータＳのキャリア３５は、一度に複数の中間製品を搬送可能である。このため、本実施形態に係る条件設定部４６は、キャリア３５に搬送開始条件を設定する。搬送開始条件は、例えば下記のようなものとする。
・第一パレット３２または第二パレット３３に中間製品が所定重量分（例えば１３５ｔ）積載されたら搬送を開始する。
・最初の中間製品が第一パレット３２または第二パレット３３に積載されてから所定時間（例えば１時間）が経過した場合には、中間製品の合計重量が所定重量に達していなくても搬送を開始する。
Furthermore, the carrier 35 of the simulator S can transport a plurality of intermediate products at one time. Therefore, the condition setting unit 46 according to the present embodiment sets transport start conditions for the carrier 35. The transport start conditions are, for example, as follows.
When a predetermined weight (for example, 135 tons) of intermediate products is loaded onto the first pallet 32 or the second pallet 33, transportation begins.
When a predetermined time (e.g., one hour) has elapsed since the first intermediate product was loaded onto the first pallet 32 or the second pallet 33, transportation begins even if the total weight of the intermediate products has not reached the predetermined weight.
このようにすれば、キャリア３５の搬送パターン（一度に搬送する中間製品の数）が複数あるような製造ラインにおける滞留個数をシミュレーションする場合であっても、置場の中間製品の滞留個数の推移をより正確に予測することができる。 In this way, even when simulating the number of intermediate products remaining in a production line where there are multiple transport patterns (number of intermediate products transported at one time) for the carrier 35, it is possible to more accurately predict the change in the number of intermediate products remaining in the storage area.
また、上記シミュレータＳのキャリア３５には、二つの搬送先が設定されている。このため、本実施形態に係る条件設定部４６は、キャリア３５に搬送先選択条件を設定する。搬送先選択条件は、例えば下記のようなものとする。
・第二前面置場２２に空きがあるときは、第二前面置場２２へ搬送する。
・第二前面置場２２が満杯のときは、仮置場３１へ搬送する。
Further, two transport destinations are set for the carrier 35 of the simulator S. Therefore, the condition setting unit 46 according to the present embodiment sets a transport destination selection condition for the carrier 35. The transport destination selection condition is, for example, as follows:
When there is space in the second front storage area 22, the item is transported to the second front storage area 22.
When the second front storage area 22 is full, it is transported to the temporary storage area 31.
なお、上記搬送先選択条件を、下記のようなものとしてもよい。
・第二前面置場２２の収容可能数≧γ本のときは、第二前面置場２２へ搬送する。
・第二前面置場２２の収容可能数＜γ本のときは、仮置場３１へ搬送する。
The destination selection conditions may be as follows:
When the capacity of the second front storage area 22 is equal to or greater than γ pieces, the item is transported to the second front storage area 22.
When the capacity of the second front storage area 22 is less than γ pieces, the pieces are transported to the temporary storage area 31.
この場合、条件中のγは、これから最適値を算出する対象のパラメータの一つとなる。また、パラメータの最適値は、キャリア３５がいずれの搬送先へ搬送するかを選択する際の基準となる。このようにすれば、製造ラインにおける中間製品の搬送ルートが枝分かれしているシミュレータＳを用いる場合であっても、置場の中間製品の滞留個数の推移をより正確に予測することができる。 In this case, γ in the condition is one of the parameters for which the optimal value is to be calculated. The optimal value of the parameter also becomes the criterion for selecting the destination to which the carrier 35 should be transported. In this way, even when using a simulator S in which the transport route of intermediate products in a manufacturing line branches, it is possible to more accurately predict the change in the number of intermediate products remaining in the storage area.
また、本実施形態に係る条件設定部４６は、すべての置場（第一前面置場１２、第一前面バッファ１３、第一後面置場１４、第一後面バッファ１５、第二前面置場２２、第二前面バッファ２３、第二後面置場２４、第二後面バッファ２５、仮置場３１、第一パレット３２および第二パレット３３）の収容能力を設定する。本実施形態に係る条件設定部４６は、下記表３に示したように、第一パレット３２および第二パレット３３の収容能力を重量（ｔ）で、それ以外の置場の収容能力を個数で設定する。 The condition setting unit 46 according to this embodiment also sets the storage capacity of all storage areas (first front storage area 12, first front buffer 13, first rear storage area 14, first rear buffer 15, second front storage area 22, second front buffer 23, second rear storage area 24, second rear buffer 25, temporary storage area 31, first pallet 32 and second pallet 33). As shown in Table 3 below, the condition setting unit 46 according to this embodiment sets the storage capacity of the first pallet 32 and second pallet 33 in weight (t), and the storage capacity of the other storage areas in number.
条件設定部４６が以上説明してきたシミュレーション条件を設定することにより、シミュレーション条件が設定されていない汎用のシミュレータＳを用いてシミュレーションすることができる（装置でシミュレータＳをカスタマイズできる）。また、このようにすれば、予めシミュレーション条件が設定されたシミュレータＳを取得した場合であっても、そのシミュレーション条件を後から調整することが可能となる。 By setting the simulation conditions described above by the condition setting unit 46, it is possible to perform a simulation using a general-purpose simulator S in which no simulation conditions are set (the simulator S can be customized by the device). In this way, even if a simulator S in which simulation conditions have been set in advance is acquired, it is possible to adjust the simulation conditions later.
なお、ここでは、第一後面クレーン１７および第二前面クレーン２６にジョブ選択条件を設定する場合を例示したが、条件設定部４６は、第一後面クレーン１７および第二前面クレーン２６のいずれか一方に他の装置にジョブ選択条件を設定するようになっていてもよい。また、条件設定部４６は、第一後面クレーン１７および第二前面クレーン２６以外の他のクレーンにジョブ選択条件を設定するようになっていてもよい。また、ここでは、キャリア３５に搬送先選択条件を設定する場合を例示したが、搬送先選択条件をクレーンに設定するようになっていてもよい。また、ここでは、ユーザの入力に基づいて（手動で）シミュレーション条件を設定する場合を例示したが、条件設定部４６は、シミュレーション条件を自動で設定するようになっていてもよい。 Here, the case where job selection conditions are set for the first rear crane 17 and the second front crane 26 is exemplified, but the condition setting unit 46 may set job selection conditions for other devices, either the first rear crane 17 or the second front crane 26. The condition setting unit 46 may also set job selection conditions for cranes other than the first rear crane 17 and the second front crane 26. Here, the case where destination selection conditions are set for the carrier 35 is exemplified, but the destination selection conditions may be set for the crane. Here, the case where simulation conditions are set (manually) based on user input is exemplified, but the condition setting unit 46 may also set the simulation conditions automatically.
（実績データ取得部）
実績データ取得部４２は、実績データＤを取得する。実績データＤは、製造ラインで過去に鋼材を製造したときの滞留個数の実際の推移に関するものである。
(Actual data acquisition department)
The performance data acquiring unit 42 acquires performance data D. The performance data D relates to the actual change in the number of retained pieces when steel materials were manufactured on the manufacturing line in the past.
（評価関数値算出部）
評価関数値算出部４３は、シミュレータＳおよび実績データＤに基づいて、評価関数値を算出する。評価関数値は、最適値となり得る複数の候補値のうちの一つとシミュレータＳの予測精度との関係を表すものである。上述したように、本実施形態に係るシミュレータＳは、最適値を算出する対象のパラメータを複数（ｎ）種類有している。このため、本実施形態に係る評価関数値は、各パラメータからそれぞれ一つずつ候補値を選び取ることによって得られる複数通りの組み合わせ（以下、候補値の組み合わせ）のうちの一つとシミュレータＳの予測精度との関係を表すものとなっている。前記候補値の組み合わせの数は、（１種類目のパラメータがとり得る候補値の数）×（２つ目のパラメータがとり得る候補値の数）×・・×（ｎ種類目のパラメータがとり得る候補値の数）によって算出できる。本実施形態に係る評価関数値算出部４３は、実績データＤから得られた滞留個数の実際値と、シミュレータＳが予測した滞留個数の予測値と、の差に関する情報を評価関数値J(x)として算出する。具体的には、記憶部に記憶されている下記数１を取得し、当該数１に予測値および実際値を代入して算出する。
(Evaluation function value calculation unit)
The evaluation function value calculation unit 43 calculates an evaluation function value based on the simulator S and the performance data D. The evaluation function value represents the relationship between one of a plurality of candidate values that can be the optimal value and the prediction accuracy of the simulator S. As described above, the simulator S according to this embodiment has a plurality (n) of parameters for which the optimal value is calculated. Therefore, the evaluation function value according to this embodiment represents the relationship between one of a plurality of combinations (hereinafter, combinations of candidate values) obtained by selecting one candidate value from each parameter and the prediction accuracy of the simulator S. The number of combinations of the candidate values can be calculated by (the number of candidate values that the first parameter can take) x (the number of candidate values that the second parameter can take) x . . . x (the number of candidate values that the nth parameter can take). The evaluation function value calculation unit 43 according to this embodiment calculates information on the difference between the actual value of the number of retained pieces obtained from the performance data D and the predicted value of the number of retained pieces predicted by the simulator S as an evaluation function value J(x). Specifically, the following formula 1 stored in the storage unit is acquired, and the predicted value and actual value are substituted into formula 1 to perform the calculation.
ここで、ｘは候補値の組み合わせ［α，β・・］、ｙ^ｔは時刻ｔにおける滞留個数の予測値、ｙｔは実際値である。このようにすれば、置場の中間製品の滞留個数を定期的にカウントするというシンプルな方法によって得られた実績データＤおよび予測値に基づいて、評価関数値を容易に算出することができる。 Here, x is a combination of candidate values [α, β...], y^ t is a predicted value of the number of retained items at time t, and yt is an actual value. In this way, the evaluation function value can be easily calculated based on the actual data D and the predicted values obtained by the simple method of periodically counting the number of retained items of intermediate products in the storage area.
なお、評価関数値は、予測値と実際値の差に関するものであれば上記実施形態のものに限られない。例えば、評価関数値算出部４３は、実績データＤから得られた、中間製品が所定状態となった時刻の実際値と、シミュレータＳが予測した時刻の予測値と、の差に関する情報を評価関数値として算出するようになっていてもよい。所定状態となった時刻は、処理装置による処理が開始された時刻、処理が終了した時刻（最終処理が終了して鋼材（完成品）となった時刻を含む）、置場に載置された時刻等を含む。 The evaluation function value is not limited to that in the above embodiment, so long as it relates to the difference between the predicted value and the actual value. For example, the evaluation function value calculation unit 43 may be configured to calculate, as the evaluation function value, information regarding the difference between the actual value at the time when the intermediate product reaches a predetermined state, obtained from the performance data D, and the predicted value at the time predicted by the simulator S. The time when the intermediate product reaches the predetermined state includes the time when processing by the processing device is started, the time when processing is completed (including the time when the final processing is completed and the steel product (finished product) is obtained), the time when the intermediate product is placed in the storage area, etc.
また、一般に、中間製品は複数製造される。例えば、下記表４に示したような、第一処理装置１１による処理が完了した時刻の、中間製品ごとの予測値および実測値が得られた場合、各中間製品の時刻差の絶対値の和（｜３｜＋｜－２｜＋｜３｜＝８）を評価関数値としてもよいし、最後の中間製品Ｃの時間差（３）を評価関数値としてもよい。 In addition, multiple intermediate products are generally manufactured. For example, when predicted values and actual measured values are obtained for each intermediate product at the time when processing by the first processing device 11 is completed, as shown in Table 4 below, the sum of the absolute values of the time differences of each intermediate product (|3| + |-2| + |3| = 8) may be used as the evaluation function value, or the time difference of the last intermediate product C (3) may be used as the evaluation function value.
時刻の実際値と予測値の差は置場の中間製品の滞留個数と相関を有する。このため、このようにすれば、例えば置場の中間製品の滞留個数を直接カウントできない場合であっても、評価関数値を算出することができる。 The difference between the actual value and the predicted value at time correlates with the number of intermediate products remaining in the storage yard. Therefore, by doing this, it is possible to calculate the evaluation function value even if, for example, the number of intermediate products remaining in the storage yard cannot be directly counted.
（探索補助情報取得部）
探索補助情報取得部４７は、探索補助情報Ｉを取得する。探索補助情報Ｉは、製造ラインで過去に鋼材を製造したときの、パラメータの最適値の探索に関するものである。例えば、最適値を算出したいパラメータがαおよびβの二種類の場合、探索補助情報Ｉは、αがとりうる候補値の数×βがとりうる候補値の数のマトリクス状に並ぶ数値群となる。数値群を構成する各候補値は、１に近くなるほど探索の優先度が高いことを示す。なお、探索補助情報Ｉは、上記のような候補値群ではなく、候補値群から読み取れる傾向や、人（オペレータ、製造ラインの管理者等）の記憶（例えば、α＝４のとき中間製品の流れがよさそうといった経験則）であってもよい。
(Search auxiliary information acquisition unit)
The search auxiliary information acquisition unit 47 acquires the search auxiliary information I. The search auxiliary information I is related to the search for the optimal value of the parameter when the steel material was manufactured on the production line in the past. For example, when the parameters for which the optimal value is to be calculated are two types, α and β, the search auxiliary information I is a matrix of the number of candidate values that α can take × the number of candidate values that β can take. The closer each candidate value constituting the numerical group is to 1, the higher the priority of the search. Note that the search auxiliary information I may not be the candidate value group as described above, but may be a tendency that can be read from the candidate value group or a person's (operator, production line manager, etc.) memory (for example, an empirical rule that the flow of intermediate products is likely to be good when α=4).
（獲得関数値算出部）
獲得関数値算出部４４は、評価関数値に基づいて獲得関数値を算出する。本実施形態に係る獲得関数値算出部４４は、これまでに得られた評価関数値の最小値から改善することが可能な量の期待値（期待値改善度（ＥＩ：Expected Improvement））を獲得関数値として算出する。具体的には、記憶部に記憶されている下記数２を取得し、当該数２に必要な数値を代入して算出する。また、本実施形態に係る獲得関数値算出部４４は、候補値の組み合わせの一つに応じた複数の獲得関数値を、一の獲得関数値群として算出する。
(Acquisition function value calculation unit)
The acquisition function value calculation unit 44 calculates an acquisition function value based on the evaluation function value. The acquisition function value calculation unit 44 according to this embodiment calculates an expected value (Expected Improvement (EI)) that can be improved from the minimum value of the evaluation function values obtained so far as an acquisition function value. Specifically, the acquisition function value calculation unit 44 obtains the following equation 2 stored in the storage unit, and substitutes necessary numerical values into the equation 2 for calculation. Furthermore, the acquisition function value calculation unit 44 according to this embodiment calculates a plurality of acquisition function values corresponding to one of the combinations of candidate values as one acquisition function value group.
ここで、ｘは候補値の組み合わせ［α，β・・］、μ(ｘ)およびσ(ｘ)はこれまでに得られた観測値から構築されたガウス過程回帰モデルによって計算される平均値および標準偏差、φは標準ガウス関数、Φはその累積密度関数である。なお、獲得関数値は、最適値がありそうな領域と不確実性の高い領域とのバランスの良さを指標となり得るものであれば上記実施形態のものに限られない。 Here, x is a combination of candidate values [α, β, ...], μ(x) and σ(x) are the mean and standard deviation calculated by a Gaussian process regression model constructed from observed values obtained so far, φ is a standard Gaussian function, and Φ is its cumulative density function. Note that the acquired function value is not limited to that in the above embodiment, as long as it can be an index of the good balance between the area where the optimal value is likely to be and the area where there is high uncertainty.
事前に探索補助情報Ｉが得られている場合、獲得関数値算出部４４は、評価関数値および探索補助情報Ｉに基づいて獲得関数値を算出する。具体的には、獲得関数値算出部４４は、上記数２の代わりに、例えば下記数３を用いて獲得関数値を算出する。 When the search auxiliary information I has been obtained in advance, the acquisition function value calculation unit 44 calculates the acquisition function value based on the evaluation function value and the search auxiliary information I. Specifically, the acquisition function value calculation unit 44 calculates the acquisition function value using, for example, the following equation 3 instead of the above equation 2.
ここで、Prio(x)は探索補助情報Ｉにおけるｘに対応する数値である。すなわち、この数３は、上記数２に探索補助情報Ｉを構成する数値群の一つを乗じたものである。このようにすれば、最適値の探索に関する探索補助情報Ｉに基づいて、優先度の高い探索候補（候補値の組み合わせ）を絞り込むことができるため、パラメータの最適値をより早く算出することができる。 Here, Prio(x) is a numerical value corresponding to x in the search auxiliary information I. In other words, this number 3 is obtained by multiplying the above number 2 by one of the numerical values that make up the search auxiliary information I. In this way, it is possible to narrow down high-priority search candidates (combinations of candidate values) based on the search auxiliary information I related to the search for the optimal value, thereby making it possible to calculate the optimal value of the parameter more quickly.
（パラメータ算出部）
パラメータ算出部４５は、獲得関数値を用いたベイズ最適化により、パラメータの最適値を算出する。本実施形態に係るパラメータ算出部４５は、一連の動作の組（上記評価関数値算出部４３に、最大の（初回のみ任意の）獲得関数値に対応する評価関数値を算出させる動作、獲得関数値算出部４４に獲得関数値群を算出させる動作、および獲得関数値群から最大の獲得関数値を選択する動作）を、所定回数、または選択した最大の獲得関数値が所定の基準値以下となるまで繰り返す。
(Parameter Calculation Unit)
The parameter calculation unit 45 calculates optimal values of parameters by Bayesian optimization using the acquisition function values. The parameter calculation unit 45 according to this embodiment repeats a set of a series of operations (an operation of causing the evaluation function value calculation unit 43 to calculate an evaluation function value corresponding to the maximum (any acquisition function value only the first time), an operation of causing the acquisition function value calculation unit 44 to calculate an acquisition function value group, and an operation of selecting the maximum acquisition function value from the acquisition function value group) a predetermined number of times or until the selected maximum acquisition function value becomes equal to or smaller than a predetermined reference value.
（探索補助情報作成部）
探索補助情報作成部４８は、探索補助情報Ｉを算出する。本実施形態に係る探索補助情報作成部４８は、まず、上記評価関数値算出部４３が算出しなかった候補値の組み合わせに対応する新たな評価関数値を、算出した評価関数値を用いたガウス過程回帰によって算出する。また、本実施形態に係る探索補助情報作成部４８は、算出した新たな評価関数値および上記評価関数値算出部４３が算出した評価関数値を含む評価関数値群を、１に近づくほど誤差が小さくなるように０－１に正規化する。また、本実施形態に係る探索補助情報作成部４８は、正規化された評価関数値群を、新たな探索補助情報Ｉとして記憶部５に記憶させる。
(Search Aid Information Creation Unit)
The search auxiliary information creating section 48 calculates the search auxiliary information I. The search auxiliary information creating section 48 according to this embodiment first calculates new evaluation function values corresponding to combinations of candidate values not calculated by the evaluation function value calculating section 43, by Gaussian process regression using the calculated evaluation function values. Furthermore, the search auxiliary information creating section 48 according to this embodiment normalizes a group of evaluation function values including the calculated new evaluation function values and the evaluation function values calculated by the evaluation function value calculating section 43, to 0-1 so that the closer to 1 the value is, the smaller the error becomes. Furthermore, the search auxiliary information creating section 48 according to this embodiment stores the normalized group of evaluation function values as new search auxiliary information I in the storage section 5.
製造ラインにおいては、オペレータの判断ルールが定期的に変更される。このため、判断ルールの変更に合わせて、算出装置１００を用いてパラメータの最適値を算出する必要がある。探索補助情報作成部４８が算出する新たな探索補助情報Ｉは、次回以降にパラメータの最適値を算出する際に、探索補助情報取得部４７が取得する探索補助情報Ｉとして用いることができる。 In the manufacturing line, the judgment rules of the operator are changed periodically. For this reason, it is necessary to calculate the optimal value of the parameter using the calculation device 100 in accordance with the change in the judgment rule. The new search auxiliary information I calculated by the search auxiliary information creation unit 48 can be used as the search auxiliary information I acquired by the search auxiliary information acquisition unit 47 when calculating the optimal value of the parameter next time onwards.
［パラメータ算出方法の流れ］
次に、上記算出装置１００を用いたパラメータ算出方法（以下、算出方法）について説明する。図３は算出方法の流れを示すフローチャートである。
[Parameter calculation method flow]
Next, a parameter calculation method (hereinafter, "calculation method") will be described using the calculation device 100. Fig. 3 is a flow chart showing the flow of the calculation method.
まず、ユーザが算出装置１００に所定操作（例えば、電源ＯＮ操作、所定の開始操作等）すると、図３に示したように、シミュレータ取得部４１がシミュレータＳを取得する（ステップＳ１）。 First, when a user performs a predetermined operation on the computing device 100 (e.g., turning on the power, performing a predetermined start operation, etc.), the simulator acquisition unit 41 acquires the simulator S (step S1), as shown in FIG. 3.
本実施形態に係る算出方法においては、シミュレータＳを取得した後に、算出装置１００がシミュレーション条件の入力を受け付ける。ユーザによってシミュレーション条件が入力されると、条件設定部４６が入力されたシミュレーション条件を設定する（ステップＳ２）。なお、シミュレータ取得部４１が、予めシミュレーション条件が設定されたシミュレータＳを取得する場合、このステップ２は無くてもよい。 In the calculation method according to this embodiment, after acquiring the simulator S, the calculation device 100 accepts input of the simulation conditions. When the simulation conditions are input by the user, the condition setting unit 46 sets the input simulation conditions (step S2). Note that, if the simulator acquisition unit 41 acquires the simulator S in which the simulation conditions are set in advance, this step 2 may be omitted.
シミュレーション条件を設定した後は、制御部４が評価関数Ｆ1（数１）を取得する（ステップＳ３）。本実施形態に係る算出方法においては、記憶部５から評価関数Ｆ1のデータを読み出す。 After the simulation conditions are set, the control unit 4 acquires the evaluation function F 1 (Equation 1) (step S3). In the calculation method according to this embodiment, data on the evaluation function F 1 is read out from the storage unit 5.
本実施形態に係る算出方法において、評価関数Ｆ1を取得した後は、制御部４が探索補助情報Ｉが存在するか否かを判断する（ステップＳ４）。具体的には、制御部４が例えば算出装置１００の記憶部５に記憶されているか否かを判断する。 In the calculation method according to the present embodiment, after the evaluation function F1 is acquired, the control unit 4 judges whether or not the search auxiliary information I exists (step S4). Specifically, the control unit 4 judges whether or not the search auxiliary information I is stored in the storage unit 5 of the calculation device 100, for example.
探索補助情報Ｉが存在すると判断した場合（ステップＳ４：Ｙｅｓ）には、探索補助情報取得部４７が探索補助情報Ｉを取得する（ステップＳ５）。一方、探索補助情報Ｉが存在しないと判断した場合には、ステップＳ５をスキップする。 If it is determined that the search auxiliary information I exists (step S4: Yes), the search auxiliary information acquisition unit 47 acquires the search auxiliary information I (step S5). On the other hand, if it is determined that the search auxiliary information I does not exist, step S5 is skipped.
探索補助情報Ｉを取得した、またはステップＳ５をスキップした後は、制御部４が獲得関数Ｆ2を取得する（ステップＳ６）。本実施形態に係る算出方法においては、記憶部５から獲得関数Ｆ2のデータを読み出す。ステップＳ５で探索補助情報Ｉを取得した場合には、制御部４が数３の獲得関数Ｆ2を取得する。一方、ステップＳ５で探索補助情報Ｉを取得しなかった場合には、制御部４が数２の獲得関数Ｆ2を取得する。 After acquiring the search auxiliary information I or skipping step S5, the control unit 4 acquires the acquisition function F2 (step S6). In the calculation method according to this embodiment, data of the acquisition function F2 is read from the storage unit 5. If the search auxiliary information I is acquired in step S5, the control unit 4 acquires the acquisition function F2 of Equation 3. On the other hand, if the search auxiliary information I is not acquired in step S5, the control unit 4 acquires the acquisition function F2 of Equation 2.
獲得関数Ｆ2を取得した後は、実績データ取得部４２が実績データＤを取得する（ステップＳ７）。本実施形態に係る算出方法においては、記憶部５から実績データＤを読み出す。 After acquiring the acquisition function F2 , the performance data acquiring unit 42 acquires the performance data D (step S7). In the calculation method according to the present embodiment, the performance data D is read out from the storage unit 5.
なお、ここでは、評価関数Ｆ1、探索補助情報Ｉ、獲得関数Ｆ2、および実績データＤの順に取得する場合を例示したが、これらのデータがステップＳ８を開始するまでに揃うのであれば、その取得順序は自由である。 Note that, although an example has been given here in which the evaluation function F1 , search auxiliary information I, acquisition function F2 , and performance data D are acquired in that order, the order in which these data are acquired is free, so long as they are all ready by the time step S8 is started.
評価関数Ｆ1、探索補助情報Ｉ、獲得関数Ｆ2、および実績データＤを取得した後は、評価関数値算出部４３が、任意の候補値の組み合わせに基づいて初期の評価関数値を算出する（ステップＳ８）。候補値の組み合わせの決定は、ユーザが行ってもよいし、算出装置１００が自動で行ってもよい。 After acquiring the evaluation function F1 , the search auxiliary information I, the acquisition function F2 , and the performance data D, the evaluation function value calculation unit 43 calculates an initial evaluation function value based on an arbitrary combination of candidate values (step S8). The combination of candidate values may be determined by the user or automatically by the calculation device 100.
評価関数値を算出した後は、獲得関数値算出部４４が、評価関数値に基づいて獲得関数値群を算出する（ステップＳ９）。 After calculating the evaluation function values, the acquisition function value calculation unit 44 calculates an acquisition function value group based on the evaluation function values (step S9).
獲得関数値群を生成した後は、パラメータ算出部４５がパラメータの最適値を算出する（ステップＳ１０）。具体的には、パラメータ算出部４５は、まず、獲得関数値群の中から最大の獲得関数値を選択する（ステップＳ１１）。最大の獲得関数値を選択した後、パラメータ算出部４５は、選択した最大の獲得関数値が基準値以下であるか否かを判断する（ステップＳ１２）。ここで、基準値以下ではないと判断した場合は、評価関数値算出部４３が、最大の獲得関数値に対応する候補値の組み合わせに基づいて新たな評価関数値を算出する（ステップＳ１３）。そして、獲得関数値算出部４４が、新たな評価関数値に基づいて獲得関数値群を算出する（ステップＳ９）。このような流れにより、基準値以下のものの中で最大の獲得関数値が見つかるまでステップＳ９，Ｓ１１～Ｓ１３が繰り返される。一方、ステップＳ１２で、基準値以下であると判断した場合は、パラメータ算出部４５が、選択した最大の獲得関数値に対応する候補値の組み合わせを、最適値として出力部へ出力する（ステップＳ１４）。なお、ステップＳ１２では、最大の獲得関数値が基準値以下であるか否かを判断するのではなく、ステップＳ１３，Ｓ９，Ｓ１０を所定回数繰り返したか否かを判断してもよい。 After generating the acquisition function value group, the parameter calculation unit 45 calculates the optimal value of the parameter (step S10). Specifically, the parameter calculation unit 45 first selects the maximum acquisition function value from the acquisition function value group (step S11). After selecting the maximum acquisition function value, the parameter calculation unit 45 judges whether the selected maximum acquisition function value is equal to or less than the reference value (step S12). If it is judged that the maximum acquisition function value is not equal to or less than the reference value, the evaluation function value calculation unit 43 calculates a new evaluation function value based on the combination of candidate values corresponding to the maximum acquisition function value (step S13). Then, the acquisition function value calculation unit 44 calculates the acquisition function value group based on the new evaluation function value (step S9). In this manner, steps S9, S11 to S13 are repeated until the maximum acquisition function value is found among those equal to or less than the reference value. On the other hand, if it is judged in step S12 that the maximum acquisition function value is equal to or less than the reference value, the parameter calculation unit 45 outputs the combination of candidate values corresponding to the selected maximum acquisition function value to the output unit as the optimal value (step S14). In step S12, instead of determining whether the maximum acquisition function value is equal to or less than the reference value, it may be determined whether steps S13, S9, and S10 have been repeated a predetermined number of times.
パラメータの最適値を算出した後、探索補助情報作成部４８が探索補助情報Ｉを算出する（ステップＳ１５）。 After calculating the optimal parameter values, the search auxiliary information creation unit 48 calculates the search auxiliary information I (step S15).
［作用効果］
離散量を予測するシミュレータＳの予測精度を向上させるには、シミュレーション条件を正確に設定する必要がある。ところが、置場の中間製品の滞留個数に影響する各種判断（シミュレータＳにおけるパラメータの最適値に対応）は、オペレータの経験による曖昧なところがあった。このため、全てのシミュレーション条件を正確に設定することは困難である。しかし、本実施形態に係る算出装置によれば、実績データＤに基づいて、よりオペレータの判断に近いパラメータの最適値を得ることができる。また、パラメータの種類およびパラメータがとり得る候補値の数が少ない場合には、候補値のすべての組み合わせを一つずつ総当たりで確認していくことも不可能ではないが、これでは時間がかかりすぎてしまう。特に、パラメータの種類が増えていくと、候補値の組み合わせは指数的に増加していくため、現実的な時間内で確認を終えることは不可能となる。しかし、本実施形態に係る算出装置１００は、ベイズ最適化を用いて最適値を予測する。このため、本実施形態に係る算出装置１００によれば、最適値となる（よりオペレータの判断に近い）候補値の組み合わせを、より迅速に得ることができる。また、本実施形態に係る算出装置１００によれば、パラメータの種類が多くても、最適値となる候補値の組み合わせを現実的な時間内で得ることが可能となる。
[Action and Effect]
In order to improve the prediction accuracy of the simulator S that predicts discrete quantities, it is necessary to set the simulation conditions accurately. However, various judgments that affect the number of intermediate products remaining in the storage area (corresponding to the optimal values of the parameters in the simulator S) are ambiguous due to the operator's experience. For this reason, it is difficult to set all the simulation conditions accurately. However, according to the calculation device of this embodiment, it is possible to obtain optimal values of parameters that are closer to the operator's judgment based on the performance data D. In addition, when the number of types of parameters and the number of candidate values that the parameters can take are small, it is not impossible to check all combinations of candidate values one by one in a brute force manner, but this takes too much time. In particular, as the number of types of parameters increases, the number of combinations of candidate values increases exponentially, making it impossible to complete the check within a realistic time. However, the calculation device 100 of this embodiment predicts the optimal value using Bayesian optimization. Therefore, according to the calculation device 100 of this embodiment, a combination of candidate values that is the optimal value (closer to the operator's judgment) can be obtained more quickly. In addition, according to the calculation device 100 of this embodiment, even if there are many types of parameters, it is possible to obtain a combination of candidate values that is the optimal value within a realistic time.
また、この最適値を利用してシミュレーション条件を設定すれば、鋼材の製造ライン特有の条件を考慮したシミュレーションの精度向上を実現することができる。また、得られた最適値を、熟練オペレータの判断ノウハウと同等のものとして残しておけば、熟練オペレータの不在時等に未熟なオペレータがそれを利用することができる。また、このような構成によれば、シミュレータＳの精度が向上することにより、生産ラインにおける各装置の動作効率が向上し、消費エネルギー量を低減することができる。これにより、持続可能な開発目標（ＳＤＧｓ）の達成に貢献できる。 Furthermore, by setting the simulation conditions using this optimal value, it is possible to improve the accuracy of the simulation by taking into account the unique conditions of a steel production line. Furthermore, if the obtained optimal value is left as equivalent to the judgment know-how of an experienced operator, it can be used by an inexperienced operator when the experienced operator is not present. Furthermore, with this configuration, the accuracy of the simulator S is improved, which improves the operating efficiency of each device on the production line and reduces energy consumption. This can contribute to the achievement of the Sustainable Development Goals (SDGs).
本発明の一実施例について以下に説明する。 One embodiment of the present invention is described below.
まず、上記シミュレータＳ（製造ライン）の第一後面クレーン１７に、下記のようなジョブ選択条件（判断ルール）を設定した。
・第一後面バッファ１５のコイル数≧第一後面バッファ１５の収容能力－α本のときは第一後面バッファ１５から第一後面置場１４への搬送を優先する。
・第一後面バッファ１５のコイル数＜第一後面バッファ１５の収容能力－α本のときは第一後面置場１４から第一パレット３２への搬送を優先する。
First, the following job selection conditions (judgment rules) were set for the first rear crane 17 of the simulator S (production line).
When the number of coils in the first rear buffer 15 is equal to or greater than the storage capacity of the first rear buffer 15 - α coils, priority is given to transport from the first rear buffer 15 to the first rear storage area 14 .
When the number of coils in the first rear buffer 15 is less than the storage capacity of the first rear buffer 15 - α coils, priority is given to transport from the first rear storage area 14 to the first pallet 32.
そして、ジョブ選択条件中のαを、最適値を算出する対象のパラメータの一つとした。第一後面バッファ１５の収容能力は５個であり、α＝５では上記場合分けが成立しないため、αの取り得る値は０，１，２，３，４の５つとなる。 Then, α in the job selection conditions is set as one of the parameters for which the optimal value is calculated. The capacity of the first rear buffer 15 is 5, and the above case distinction does not hold when α = 5, so the possible values for α are 0, 1, 2, 3, and 4.
また、第二前面クレーン２６に、下記のようなジョブ選択条件（判断ルール）を設定した。
・第二前面バッファ２３のコイル数≧第二前面バッファ２３の収容能力－β本のときは、第一パレット３２または第二パレット３３から第二前面置場２２への搬送を優先する。
・第二前面バッファ２３のコイル数＜第二前面バッファ２３の収容能力－β本のときは、第二前面置場２２から第二前面バッファ２３への搬送を優先する。
In addition, the following job selection conditions (judgment rules) are set for the second front crane 26.
When the number of coils in the second front buffer 23 is equal to or greater than the storage capacity of the second front buffer 23 - β coils, priority is given to transport from the first pallet 32 or the second pallet 33 to the second front storage area 22.
When the number of coils in the second front buffer 23 is less than the storage capacity of the second front buffer 23 - β coils, priority is given to transport from the second front storage area 22 to the second front buffer 23.
そして、ジョブ選択条件中のβを、最適値を算出する対象のもう一つのパラメータとした。第二前面バッファ２３の収容能力は５個であり、β＝５では上記場合分けが成立しないため、βの取り得る値は０，１，２，３，４の５つとなる。 Then, β in the job selection conditions is set as another parameter for which the optimal value is calculated. The second front buffer 23 has a storage capacity of 5 items, and the above case distinction does not hold when β = 5, so the possible values for β are 0, 1, 2, 3, and 4.
また、本実施例では、探索補助情報Ｉを事前に取得しておいた。本実施例に係るα、βはそれぞれ５つの値を取り得るため、探索補助情報Ｉは表５に示したような５×５＝２５のマトリクス状の数値群となる。また、本実施例では、探索を終了する基準となる基準値を３に設定した。 In addition, in this embodiment, the search auxiliary information I was obtained in advance. Since α and β in this embodiment can each take five values, the search auxiliary information I becomes a matrix-like numerical group of 5 x 5 = 25 as shown in Table 5. In addition, in this embodiment, the reference value that is the criterion for ending the search was set to 3.
次に、シミュレータＳの候補値の組み合わせ（α，β）を（０，０），（４，４）に設定して初回のシミュレーションを行い、コイルの滞留個数の予測値を算出した。また、製造ラインの判断ルールの（α，β）を（０，０），（４，４）に設定して初回のライン稼働を行い、コイルの滞留個数の実測値を得た。予測値および実測値に基づいてJ(x)を算出したところ、J(0,0)=110.62、J(4,4)=25.22となった。 Next, the candidate value combination (α, β) of simulator S was set to (0, 0) and (4, 4) to perform the first simulation and calculate the predicted number of coils remaining. In addition, the production line's decision rule (α, β) was set to (0, 0) and (4, 4) to perform the first line operation and obtain the actual number of coils remaining. When J(x) was calculated based on the predicted and actual values, it was found to be J(0, 0) = 110.62 and J(4, 4) = 25.22.
次に、得られたJ(x)のうち最小の方（J(4,4)）、および獲得関数Ｆ2に基づいて、表６に示したような初回の獲得関数値群を算出した。なお、本実施例では、上記探索補助情報Ｉを加味して獲得関数値群を算出した。得られた獲得関数値群の中では、EI(4,3)=6.67が最大の獲得関数値であった。 Next, based on the smallest of the obtained J(x) (J(4,4)) and the acquisition function F2 , the initial acquisition function value group was calculated as shown in Table 6. In this embodiment, the acquisition function value group was calculated taking into account the above-mentioned search auxiliary information I. Among the obtained acquisition function value group, EI(4,3)=6.67 was the maximum acquisition function value.
次に、シミュレータＳの（α，β）を（４，３）に設定して２回目のシミュレーションを行い、コイルの滞留個数の予測値を算出した。また、製造ラインの判断ルールの（α，β）を（４，３）に設定して２回目のライン稼働を行い、コイルの滞留個数の実測値を得た。予測値および実測値に基づいてJ(x)を算出したところ、J(4,3)=20.98となった。 Next, a second simulation was performed with simulator S's (α, β) set to (4, 3) and a predicted number of coils remaining was calculated. The production line's decision rule (α, β) was also set to (4, 3) and the line was operated a second time to obtain an actual number of coils remaining. J(x) was calculated based on the predicted and actual values, resulting in J(4,3) = 20.98.
次に、得られたJ(4,3)、獲得関数Ｆ2、および探索補助情報Ｉに基づいて、表７に示したような２回目の獲得関数値群を算出した。得られた獲得関数値群の中では、EI(4,0)=3.70が最大の獲得関数値であった。 Next, based on the obtained J(4,3), the acquisition function F2 , and the search auxiliary information I, the second acquisition function value group was calculated as shown in Table 7. Among the obtained acquisition function value group, EI(4,0)=3.70 was the maximum acquisition function value.
次に、シミュレータＳの候補値の組み合わせ（α，β）を（４，０）に設定して３回目のシミュレーションを行い、コイルの滞留個数の予測値を算出した。また、製造ラインの判断ルールの（α，β）を（４，０）に設定して３回目のライン稼働を行い、コイルの滞留個数の実測値を得た。予測値および実測値に基づいてJ(x)を算出したところ、J(4,0)=20.89となった。 Next, the combination of candidate values (α, β) of simulator S was set to (4, 0) and a third simulation was performed to calculate a predicted number of coils remaining. In addition, the (α, β) of the production line's decision rule was set to (4, 0) and the line was operated a third time to obtain an actual measurement of the number of coils remaining. When J(x) was calculated based on the predicted and actual measurements, it was found to be J(4, 0) = 20.89.
次に、得られたJ(4,0)、獲得関数Ｆ2、および探索補助情報Ｉに基づいて、表８に示したような３回目の獲得関数値群を算出した。得られた獲得関数値群の中では、EI(4,1)=2.83が最大の獲得関数値であった。このとき、EI(4,1)が基準値の３を下回ったため、ここで探索完了とした。参考情報として、全ての候補値の組み合わせで探索したところ（α，β）を（４，０）に設定したときの評価関数値J(x)が最小となっていることを確認できた。このように、全ての候補値の組み合わせ（２５通り）についてシミュレーションおよびライン稼働するよりも少ない回数（本実施例では３回）で最適値に到達することができた。 Next, based on the obtained J(4,0), the acquisition function F 2 , and the search auxiliary information I, the third acquisition function value group as shown in Table 8 was calculated. Among the obtained acquisition function value group, EI(4,1)=2.83 was the maximum acquisition function value. At this time, since EI(4,1) was below the reference value of 3, the search was completed here. As reference information, it was confirmed that the evaluation function value J(x) was the smallest when (α,β) was set to (4,0) after searching with all combinations of candidate values. In this way, it was possible to reach the optimal value for all combinations of candidate values (25 combinations) in fewer times (three times in this embodiment) than by simulating and operating the line.
次に、新たな探索補助情報Ｉを算出した。既に算出済みのJ(0,0)，J(4,4)，J(4,3)，J(4,0)を用いたガウス過程回帰により、これら以外の候補値の組み合わせについてJ(x)を算出し、表９に示したような評価関数値群を得た。そして、表９に示された評価関数値群を１－０に正規化し、表１０に示したような探索補助情報Ｉを得た。 Next, new search auxiliary information I was calculated. Using the already calculated J(0,0), J(4,4), J(4,3), and J(4,0), Gaussian process regression was performed to calculate J(x) for combinations of candidate values other than these, and a group of evaluation function values as shown in Table 9 was obtained. The group of evaluation function values shown in Table 9 was then normalized to 1-0 to obtain search auxiliary information I as shown in Table 10.
表９は、次回の最適値の算出でα＝４、β＝１～３の範囲を探索すると効率良く探索できることを示している。 Table 9 shows that searching the range of α = 4 and β = 1 to 3 for the next optimum value calculation can be done efficiently.
〔ソフトウェアによる実現例〕
上記算出装置１００の機能は、当該算出装置１００としてコンピュータを機能させるためのパラメータ算出プログラムであって、当該算出装置１００の各制御ブロック（特に制御部４に含まれる各部）としてコンピュータを機能させるためのパラメータ算出プログラムにより実現することができる。この場合、上記算出装置１００は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えば制御部４）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記パラメータ算出プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。上記パラメータ算出プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記算出装置１００が備えていてもよいし、備えていなくてもよい。後者の場合、上記パラメータ算出プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。
[Software implementation example]
The functions of the calculation device 100 can be realized by a parameter calculation program for making a computer function as the calculation device 100, and for making a computer function as each control block (particularly each unit included in the control unit 4) of the calculation device 100. In this case, the calculation device 100 includes a computer having at least one control device (e.g., the control unit 4) and at least one storage device (e.g., a memory) as hardware for executing the program. The parameter calculation program is executed by the control device and the storage device to realize each function described in each of the above embodiments. The parameter calculation program may be recorded in one or more computer-readable recording media, not temporarily. The calculation device 100 may or may not include the recording media. In the latter case, the parameter calculation program may be supplied to the device via any wired or wireless transmission medium.
また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。 In addition, some or all of the functions of each of the above control blocks can be realized by a logic circuit. For example, an integrated circuit in which a logic circuit that functions as each of the above control blocks is formed is also included in the scope of the present invention. In addition, it is also possible to realize the functions of each of the above control blocks by, for example, a quantum computer.
また、上記各実施形態で説明した各処理は、ＡＩ（Artificial Intelligence：人工知能）に実行させてもよい。この場合、ＡＩは上記算出装置で動作するものであってもよいし、他の装置（例えばエッジコンピュータまたはクラウドサーバ等）で動作するものであってもよい。 The processes described in each of the above embodiments may be executed by AI (Artificial Intelligence). In this case, the AI may run on the computing device, or on another device (such as an edge computer or a cloud server).
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。 The present invention is not limited to the above-described embodiments, and various modifications are possible within the scope of the claims. The technical scope of the present invention also includes embodiments obtained by appropriately combining the technical means disclosed in different embodiments.
Ｓ 離散事象シミュレータ
１ 第一工場
１１ 第一処理装置
１２ 第一前面置場
１３ 第一前面バッファ
１４ 第一後面置場
１５ 第一後面バッファ
１６ 第一前面クレーン
１７ 第一後面クレーン
２ 第二工場
２１ 第二処理装置
２２ 第二前面置場
２３ 第二前面バッファ
２４ 第二後面置場
２５ 第二後面バッファ
２６ 第二前面クレーン
２７ 第二後面クレーン
３ 中間ヤード
３１ 仮置場
３２ 第一パレット
３３ 第二パレット
３４ 仮置きクレーン
３５ キャリア
１００ パラメータ算出装置
４ 制御部
４１ シミュレータ取得部
４２ 実績データ取得部
４３ 評価関数値算出部
４４ 獲得関数値算出部
４５ パラメータ算出部
４６ 条件設定部
４７ 探索補助情報取得部
５ 記憶部
Ｄ 実績データ
Ｆ1 評価関数
Ｆ2 獲得関数
Ｉ 探索補助情報
６ 操作部
７ 出力部
S Discrete event simulator 1 First factory 11 First processing device 12 First front storage area 13 First front buffer 14 First rear storage area 15 First rear buffer 16 First front crane 17 First rear crane 2 Second factory 21 Second processing device 22 Second front storage area 23 Second front buffer 24 Second rear storage area 25 Second rear buffer 26 Second front crane 27 Second rear crane 3 Intermediate yard 31 Temporary storage area 32 First pallet 33 Second pallet 34 Temporary storage crane 35 Carrier 100 Parameter calculation device 4 Control unit 41 Simulator acquisition unit 42 Performance data acquisition unit 43 Evaluation function value calculation unit 44 Acquisition function value calculation unit 45 Parameter calculation unit 46 Condition setting unit 47 Search auxiliary information acquisition unit 5 Memory unit D Performance data F 1 Evaluation function F 2 Acquisition function I Search auxiliary information 6 Operation section 7 Output section
Claims (9)
前記離散事象シミュレータを取得するシミュレータ取得部と、
前記製造ラインで過去に鋼材を製造したときの前記滞留個数の実際の推移を示す実績データを取得する実績データ取得部と、
前記離散事象シミュレータおよび前記実績データに基づいて、前記最適値となり得る複数の候補値のうちの一つと前記離散事象シミュレータの予測精度との関係を表す評価関数値を算出する評価関数値算出部と、
前記評価関数値に基づいて獲得関数値を算出する獲得関数値算出部と、
前記獲得関数値を用いたベイズ最適化により、前記最適値を算出するパラメータ算出部と、を有するパラメータ算出装置。 A parameter calculation device for calculating optimal values of parameters used in a discrete event simulator that predicts a transition in the number of intermediate products remaining in a storage area, which is provided in the middle of a steel production line and where the intermediate products before becoming the steel products are temporarily stored, comprising:
a simulator acquisition unit that acquires the discrete event simulator;
a performance data acquisition unit that acquires performance data indicating an actual change in the number of retained pieces when the steel materials were previously produced on the production line;
an evaluation function value calculation unit that calculates an evaluation function value that indicates a relationship between one of a plurality of candidate values that can be the optimum value and a prediction accuracy of the discrete event simulator, based on the discrete event simulator and the performance data;
an acquisition function value calculation unit that calculates an acquisition function value based on the evaluation function value;
and a parameter calculation unit that calculates the optimal value by Bayesian optimization using the acquired function value.
前記獲得関数値算出部は、前記評価関数値および前記探索補助情報に基づいて前記獲得関数値を算出する、請求項１～３のいずれか一項に記載のパラメータ算出装置。 A search auxiliary information acquisition unit that acquires search auxiliary information regarding a search for the parameters when the steel material was previously manufactured on the production line,
4. The parameter calculation device according to claim 1, wherein the acquisition function value calculation section calculates the acquisition function value based on the evaluation function value and the search auxiliary information.
前記パラメータは、前記装置がいずれのジョブを実行するかを選択する際の基準である、請求項１～４のいずれか一項に記載のパラメータ算出装置。 A plurality of types of jobs are set in at least one device included in the manufacturing line,
5. The parameter calculation device according to claim 1, wherein the parameter is a criterion for selecting which job the device is to execute.
前記搬送装置には、前記置場からの搬送先が複数設定されており、
前記パラメータは、前記搬送装置がいずれの搬送先へ搬送するかを選択する際の基準である、請求項５に記載のパラメータ算出装置。 the apparatus includes a conveying device that conveys the intermediate product;
The transport device is set to a plurality of transport destinations from the storage area,
The parameter calculation device according to claim 5 , wherein the parameter is a criterion for selecting a destination to which the transport device should transport the object.
上記シミュレータ取得部、上記実績データ取得部、上記評価関数値算出部、上記獲得関数値算出部および上記パラメータ算出部としてコンピュータを機能させるためのパラメータ算出プログラム。 A parameter calculation program for causing a computer to function as the parameter calculation device according to claim 1,
a parameter calculation program for causing a computer to function as the simulator acquisition unit, the performance data acquisition unit, the evaluation function value calculation unit, the acquisition function value calculation unit, and the parameter calculation unit;
前記離散事象シミュレータを取得するステップと、
前記製造ラインで過去に鋼材を製造したときの前記滞留個数の実際の推移を示す実績データを取得するステップと、
前記離散事象シミュレータおよび前記実績データに基づいて、前記最適値となり得る複数の候補値のうちの一つと前記離散事象シミュレータの予測精度との関係を表す評価関数値を算出するステップと、
前記評価関数値に基づいて獲得関数値を算出するステップと、
前記獲得関数値を用いたベイズ最適化により、前記最適値を算出するステップと、を有するパラメータ算出方法。 A parameter calculation method for calculating, by using a computer, optimal values of parameters used in a discrete event simulator that predicts a transition in the number of intermediate products remaining in a storage area, which is provided in the middle of a steel production line and where the intermediate products before becoming the steel products are temporarily stored, comprising:
obtaining the discrete event simulator;
A step of acquiring performance data showing an actual change in the number of retained pieces when steel products were produced in the production line in the past;
calculating an evaluation function value representing a relationship between one of a plurality of candidate values that may be the optimum value and a prediction accuracy of the discrete event simulator based on the discrete event simulator and the performance data;
calculating an acquisition function value based on the evaluation function value;
and calculating the optimal value by Bayesian optimization using the acquisition function value.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022026004A JP7709052B2 (en) | 2022-02-22 | 2022-02-22 | Parameter calculation device, parameter calculation program, and parameter calculation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022026004A JP7709052B2 (en) | 2022-02-22 | 2022-02-22 | Parameter calculation device, parameter calculation program, and parameter calculation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023122348A JP2023122348A (en) | 2023-09-01 |
| JP7709052B2 true JP7709052B2 (en) | 2025-07-16 |
Family
ID=87799215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022026004A Active JP7709052B2 (en) | 2022-02-22 | 2022-02-22 | Parameter calculation device, parameter calculation program, and parameter calculation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7709052B2 (en) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3735079B2 (en) | 2002-03-15 | 2006-01-11 | 株式会社日立製作所 | Device and method for planning the order of introduction of automobile production line |
| JP2006113684A (en) | 2004-10-12 | 2006-04-27 | Nippon Steel Corp | Processing plan creation device, operation control device, processing plan creation method, operation control method, computer program, and recording medium |
| JP2010254429A (en) | 2009-04-24 | 2010-11-11 | Nippon Steel Corp | Transport control method, transport control device, and computer program |
| JP2011248614A (en) | 2010-05-26 | 2011-12-08 | Hitachi Ltd | System and method for evaluating utility loss amount of production line |
| JP2021111134A (en) | 2020-01-10 | 2021-08-02 | 日本製鉄株式会社 | Transportation destination determination device, prediction model construction device, method and program |
| JP6927111B2 (en) | 2018-03-26 | 2021-08-25 | Ｊｆｅスチール株式会社 | Inventory amount transition simulation method and inventory amount transition simulation device |
| JP6954218B2 (en) | 2018-04-06 | 2021-10-27 | 日本製鉄株式会社 | Steel material mountain division plan creation device, steel material mountain division plan creation method, and program |
| JP7276308B2 (en) | 2020-12-25 | 2023-05-18 | Ｊｆｅスチール株式会社 | Transportation container allocation plan creation method, transportation container allocation plan creation device, and ironworks operation method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010015236A (en) * | 2008-07-01 | 2010-01-21 | Sharp Corp | Production line evaluation method, production line evaluation system, production line evaluation program, recording medium recorded with production line evaluation program, and production line control method |
| JP7283065B2 (en) * | 2018-12-07 | 2023-05-30 | 日本電信電話株式会社 | Estimation device, optimization device, estimation method, optimization method, and program |
-
2022
- 2022-02-22 JP JP2022026004A patent/JP7709052B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3735079B2 (en) | 2002-03-15 | 2006-01-11 | 株式会社日立製作所 | Device and method for planning the order of introduction of automobile production line |
| JP2006113684A (en) | 2004-10-12 | 2006-04-27 | Nippon Steel Corp | Processing plan creation device, operation control device, processing plan creation method, operation control method, computer program, and recording medium |
| JP2010254429A (en) | 2009-04-24 | 2010-11-11 | Nippon Steel Corp | Transport control method, transport control device, and computer program |
| JP2011248614A (en) | 2010-05-26 | 2011-12-08 | Hitachi Ltd | System and method for evaluating utility loss amount of production line |
| JP6927111B2 (en) | 2018-03-26 | 2021-08-25 | Ｊｆｅスチール株式会社 | Inventory amount transition simulation method and inventory amount transition simulation device |
| JP6954218B2 (en) | 2018-04-06 | 2021-10-27 | 日本製鉄株式会社 | Steel material mountain division plan creation device, steel material mountain division plan creation method, and program |
| JP2021111134A (en) | 2020-01-10 | 2021-08-02 | 日本製鉄株式会社 | Transportation destination determination device, prediction model construction device, method and program |
| JP7276308B2 (en) | 2020-12-25 | 2023-05-18 | Ｊｆｅスチール株式会社 | Transportation container allocation plan creation method, transportation container allocation plan creation device, and ironworks operation method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023122348A (en) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Karmarkar | Lot sizes, lead times and in-process inventories | |
| Homem-de-Mello et al. | Finding optimal material release times using simulation-based optimization | |
| Georgiadis et al. | Real-time production planning and control system for job-shop manufacturing: A system dynamics analysis | |
| JP6764776B2 (en) | Production control support device, production control support method, and production control support program | |
| US20090157458A1 (en) | Supply chain evaluation system, method, and program | |
| JP2012194712A (en) | Production plan creation method | |
| CN107045293A (en) | Rote learning device and method, numerical control device, machine tool system, manufacture system | |
| JP2017162044A (en) | Production planning device, production planning method, and production planning program | |
| Schmidt et al. | Schedule compliance operating curves and their application in designing the supply chain of a metal producer | |
| JPWO2017037881A1 (en) | Online prediction system and method | |
| CN114556385A (en) | Information processing apparatus and information processing method | |
| JP2011159230A (en) | Scheduling support system, scheduling support method, and scheduling support program | |
| JP7709052B2 (en) | Parameter calculation device, parameter calculation program, and parameter calculation method | |
| JP6593194B2 (en) | PBS shipping permutation determination device for automobile production line | |
| Soepenberg et al. | The order progress diagram: A supportive tool for diagnosing delivery reliability performance in make-to-order companies | |
| Liu et al. | Controlling delivery and energy performance of parallel batch processors in dynamic mould manufacturing | |
| JP2017117049A (en) | Method and device for physical distribution management | |
| JPH10228463A (en) | Demand forecast model evaluation method | |
| JP2007061870A (en) | Rolling schedule creation device, rolling schedule creation method, computer program, and computer-readable storage medium | |
| Papakostas et al. | An approach for adaptability modeling in manufacturing–analysis using chaotic dynamics | |
| JP5333992B2 (en) | Work completion date prediction system | |
| JP2007183817A (en) | Scheduling apparatus, scheduling method, scheduling program, and recording medium on which the program is recorded | |
| JP6593278B2 (en) | Production plan creation method and production plan creation device | |
| JP6729330B2 (en) | Manufacturing term prediction device, manufacturing term prediction method, and computer program | |
| JP7311270B2 (en) | Scheduling system, schedule generator, preference value calculator, program, and method thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20241016 |
|
| TRDD | Decision of grant or rejection written | ||
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20250530 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20250603 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20250616 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7709052 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |