| 研究概要 |
生産管理において,生産の日程,加工手順を円滑に,効率よく計画・管理することを目的とするスケジューリングは大変重要な問題である.しかしながら,問題構造の複雑化,顧客ニーズの多様化による弾力的生産への要望,および予測不能な突発事象の多発などにより,今日ではこの問題は非常に複雑で困難な状況になっている.このような目標を満足するスケジューリング解法として,ORでよく用いられてきた数理計画的アプローチだけでは対応することはできず,本研究ではAIアプローチを用いて,これらの問題を解決することを目的としている.このような目的に対して,本年度は具体的に以下の研究成果が得られている.
(1)現実のスケジューリング問題解決のための枠組として,解決すべき問題を同定し,これをモデル化する構造化フェーズと,モデル化された問題を解く問題解決フェーズに分割し,さらにこれらの間のインタフェースをとり,フレキシブルに問題を解決するための方法論を確立した.このアプローチに対して,実際の現実のスケジューリング問題に適用することはできなかったが,仮想の問題に適用し,その有効性が確認された.
(2)代表的なAIアプローチの1つである探索手法に対して,人間の問題解決過程を参考に,さらに効率の良い二重先読み探索法を提案し,現実のスケジューリング問題のほとんどの場合に相当する多目的ジョブショップ・スケジューリング問題に適用し,その有効性を検証した.
(3)AIアプローチのなかでも近年特に注目されているシミュレーティッド・アニーリング法に対して,この方法論に加えてさらに問題固有の知識を組み合わせ,現実問題を解決するアプローチを提案した.このアプローチをフローショップ・スケジューリング問題に適用し、さらに他の重要な生産管理問題であるレイアウト問題に応用し,その有効性を確認した.
|
