2018 Fiscal Year Annual Research Report
Development of Integrated Support Environment for Decision-Making in Discrete Manufacturing Systems with Uncertainty
| Project/Area Number |
16K06844
|
|---|
| Research Institution | Nara National College of Technology |
|---|
Principal Investigator |
橋爪 進 奈良工業高等専門学校, 電子制御工学科, 教授 (60242913)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
矢嶌 智之 名古屋大学, 工学研究科, 助教 (80262864)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 離散事象システム / 不確実性 / プロセス完了時間 / 混合ベイジアンネットワーク / 構造学習 / アントコロニー最適化 / ペトリネット / 異常状態回避 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，不確実性を有する離散型生産システムを対象に，システム構成の最適設計手法，運用方策の最適化手法，異常診断法，制御系設計手法を開発し，離散型生産システムの設計・制御・運用に係る意思決定を支援するための統合的な意思決定支援環境の開発を目指すものである．平成30年度は，平成29年度までに開発した方法の妥当性検討および拡張・改良につとめた．その概略は以下のようである．
システム構成の最適化では，生産システムの処理順序を表すグラフに処理時間の不確実性を表す確率分布がつけられたプロセスが与えられたとき，そのもとでプロセス全体の完了時間を改善するための処理装置の構成を求める問題を扱う．平成30年度は，確率分布として操業データから作成された相対度数分布を用いることにより理論分布では扱えない任意の分布を対象にするように変更するとともに，この問題を混合整数計画問題(MILP)として定式化して汎用ソルバーで解けるようにした方法をいくつかの問題例に適用し，提案方法の特徴を明らかにした．
運用方策の最適化に利用するためにシステム内の因果関係を表すモデルとしてベイジアンネットワーク(BN)を用い，操業データからのBNの構造学習についてこれまで検討を行ってきた．しかしながら，異なるシステム環境ではシステム内の因果関係が必ずしも同じであるとは限らない．そこで，そのような場合にも対応できるようにモデルを複数のBNをもつ混合BNに拡張し，アントコロニー最適化法を利用した構造学習方法を考案した．
異常状態への遷移を回避する制御では，一般に異常状態以外の遷移はなるべく妨げないような設計が行われるが，必ずしもそのようなコントローラが望ましいとは限らない（例えば，安全をとって遷移を制限する状態を広くとるなど）．本研究では，ペトリネットをモデルとしてそのようなコントローラを導出する方法を見出した．
|
