| 研究概要 |
本研究では,多段階生産在庫システムに対する生産指示方式について,需要の非定常な変化に的確に対応する際,事前情報などを必要としない,進化型臨機応変生産指示方式の開発とその有効性の検討を行うため,昨年度の成果を基に本年度は,パラメータ変更・指示方式切替えに対する学習機能の開発とその効果分析について検討してきた.
事前情報に加えて,事前の対応の検討も不要とする,すなわち需要の非定常な変化とそれに対する対応の結果を検知し,その状況を適宜学習することにより,事前情報や事前の検討がなくても需要の非定常な変化に対応できるように,需要の変化に対するパラメータ変更・指示方式切替えの学習機能を開発する.学習の方法論としては,色々な方法論が検討されているが,最近ではニューラルネットワークによる学習が注目されている.不確定要素が多く存在し,問題そのものが複雑な状況において,ニューラルネットワークによる学習機能の優れていることが報告されている.ここでは,その応用を試みた.開発したシステムの有効性は,色々なシナリオに基づき発生させた仮想的な需要系列に対して,開発した学習機能で学習させたときの特性を実験的に明らかにすた.その際,十分な学習を経た後の定常的特性ばかりでなく,それに至る過渡的特性についても分析することにより,開発した学習機能の効果を分析した.
以上の結果,開発した適応型かんばん方式と適応型コンカレント型指示方式のいずれも,事前情報なしに需要の非定常変動に対応できること,ならびにニューラルネットワークの導入により従来の方式と比較して平均総在庫量を小さく抑えることができ,より有効であることを明らかにした.
|
