2021 Fiscal Year Research-status Report
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 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 – 2023-03-31
|
| Keywords | 生産スケジューリング / ニューラルネットワーク / 遺伝的アルゴリズム / 優先規則 |
|---|
| 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．
昨年度は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の入出力対である教師事例を基に学習する方法の有効性を確認した．教師データは遺伝的アルゴリズムを用いた準最適解から収集した．本年度は，ジョブショップスケジューリング問題を整数計画法で定式化し，小規模問題の最適解をソルバーを用いて求め，そこから教師事例を収集して学習した．この方法は教師事例を収集した問題と同規模の小規模問題に対しては有効であったが，より規模の大きな問題へ適用するとその性能は劣化した．そこで，いったん学習したNNと遺伝的アルゴリズムを融合することでより規模の大きな問題に対する準最適解を効率良く求め，そこから収集された教師事例によってNNを繰り返し学習する方法を検討した．その結果，より大規模な問題に対しても高性能な優先規則を得ることが出来ることを確認した．
また，より実用的な問題として，能力差の異なる作業者を考慮し納期遅れ時間を評価関数としたジョブショップスケジューリングに対して本研究の手法を適用し，既存の優先規則よりも高性能な優先規則を作成した．また，この優先規則と遺伝的アルゴリズムを融合した探索法によって，さらに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．また，熟練度などの能力差のある作業者を考慮したスケジューリング問題への適用においても有効性を確認した．しかし，当初予定していた組立工程，加工機械選択，投入時刻決定や納期設定，負荷平準化などを考慮したより実用的な問題での検証には至っておらず，今後これらを取り入れた問題設定での実験を行い，開発した方法の有効性を確認する必要がある．
|
| 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，開発した教師あり学習法に基づくスケジューリング法の有効性を検証する．
|
| Causes of Carryover |
次年度使用額が生じた主たる理由は，新型コロナウイルス感染症の影響で学会講演会等がオンライン開催となったことにある．これについては，本年度の旅費，学会参加費，論文投稿料，印刷費，研究遅延回復のための計算機の購入，購入済み物品の維持修理，図書，消耗品の購入などに使用する予定である．
|
