固有知識と汎用的解法の融合による高性能スケジューリング法の開発
| Project/Area Number |
19K04105
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 18020:Manufacturing and production engineering-related
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
江口 透 広島大学, 先進理工系科学研究科(工), 准教授 (80253566)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2021: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2020: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2019: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ジョブショップスケジューリング / 優先規則 / ニューラルネットワーク / 遺伝的アルゴリズム / 生産スケジューリング / 最適化 / 生産システム / 生産管理 / スケジューリング |
|---|
| Outline of Research at the Start |
本研究では，多品種少量生産を行う生産システムを対象とし，効率よく生産を行うためのスケジューリング法の開発を行う．生産スケジューリング問題はNP困難な問題と呼ばれ，現実規模の問題で最適解を求めることは容易ではない．本研究では，まず効率的な最適化のためにスケジューリングに有効な知識をニューラルネットワーク（人工神経回路網）を用いて自動学習させる．さらに，これを組み込んだ探索法を開発することによって高性能なスケジューリングを実現する．従来法との比較によってその有効性を検証する．
|
| Outline of Annual Research Achievements |
本研究では，多品種少量生産を行う生産システムを対象とし，固有知識と汎用的解法を融合した高性能なスケジューリング法の開発を行うことを目的としている．生産スケジューリング問題の多くはNP困難なクラスに属し，高性能なスケジュールを短時間で作成することは難しい．そこで，生産現場での様々な意思決定場面を想定し，ニューラルネットワーク（NN）を用いてスケジューリングのための有効な知識の自動学習を行う．さらに，これと汎用的な探索法を組み合わせることによって高性能なスケジューリング法を開発し，生産性の向上を目指す．
令和4年度は引き続きジョブショップスケジューリング問題に対して有効な優先規則をNNの学習法を検討した．小規模問題に対しては整数計画法による最適解から学習が可能であるが，大規模な問題にしては最適解を求めることは困難であるため，遺伝的アルゴリズムとNNを融合した方法を繰り返し用いる方法で高性能な優先規則を作成する．そのためにより効率的な遺伝的アルゴリズムの探索法について検討した．具体的には，遺伝的アルゴリズムの交叉オペレータに探索時の適応度を反映させる方法であり，これによって大規模問題における性能が向上することを確認した．
さらに，より高性能な優先規則を作成するため，マルチパススケジューリング法を提案した．これは，優先規則が多項式時間アルゴリズムである以上，NP困難なジョブショップスケジューリング問題に対して一度の解作成で良い解を得ることには限界があるため，複数回の優先規則の適用で高性能なスケジュールを作成する方法である．この方法を前提として有効な優先規則の作成法を提案した．メイクスパンと重み付き納期遅れ時間最小化問題に対して，2回のスケジュールでより高性能なスケジュールを作成できることを確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究では，生産スケジューリングのための優先規則をニューラルネットワークによって構成する方法を検討し，それを汎用的な探索法である遺伝的アルゴリズムに組み込んで高性能なスケジューリングを行うことを目的としている．本年度までに，優先規則をニューラルネットワークによって学習する方法について検討し，ある程度の規模の問題に対して有効な教師あり学習法を開発した．しかし，稼働率が高い大規模で動的な環境における性能は既存のスケジューリングルールと比べると改良の余地があり，新たな学習法の開発が必要な状況である．また，ジョブや作業者の選択以外の意思決定を考慮したスケジューリング法についても検討を進める必要がある．
|
| Strategy for Future Research Activity |
ジョブが断続的に投入される動的な環境やより実用的なさまざまな意思決定を含む問題へ対象を広げ，有効なスケジューリング法の開発を行う．また，マルチパススケジューリング法の適用も進める．
|
Report
(4 results)
Research Products
(11 results)
