学習手法で複雑な最適化計画の意思決定を支援する
研究者：横田 康成
キーワード
生産計画最適化、評価関数設定支援、工程表と評価判断の関係性を学習で獲得
複雑な最適化計画を､現場経験者の評価判断から学習によって意思決定を支援します。
最近の研究テーマ
✦ ニホンザル鳴き声分析･検知、牛の咀嚼音から採食行動と反芻判別、航空機の打音による非破壊検査など、音や振動の分析
✦ 生体信号(ECG等)処理，医用画像(超音波エコー動画等)処理
✦ 航空機の部品生産工場の生産データ分析
✦ 交通データの分析
✦ 糖鎖の蛍光発光データの分析
✦ 教育上のデータの分析
研究概要
生産計画ソフトウェアの計画改善の要望に対して、一般的にはソフトウェアの改良は簡単には行えません。ましてや評価関数を用いた工程計画の最適化では、現場担当者の価値観を式で表現することが困難です。また、評価関数の設定は、ソフトウェア会社等との議論やプロトタイプ評価の繰り返しの検証になるため、満足できる改善内容になるまでは相当な時間を要します。
本研究は、現場担当者では馴染みの少ない最適化スケジュールの評価関数の設定を支援する研究です。現場担当者へ疑似工程表、もしくは、実績データからの工程表をいくつか提示し、現場特有の経験を活かした判断で評価してもらいます。計画工程表と担当者評価の関係をAI学習によって導き、最適化スケジュールの評価関数の指標や重みを推測し、評価関数設定を支援する機能を提案します。直接的に、評価関数を導出するのでなく、学習によって現場担当者の評価判断を最適な指標や重みへ導けるため、最適化の様々な用途に利用可能です。
産業界へのアピールポイント
- 準最適化工程スケジューリングへの支援
- 最適化評価関数を担当者の経験的評価判断から、AI学習・データ分析によって獲得
- 特許出願：特願2021-215272 (2021.12.28)
- ｢Job Shop型生産工程シミュレータパッケージ｣
著作権登録（P第11207号-1, 令和4年3月22日）
実用化例･活用例
- 最適化評価関数設定を学習で支援
- 現場担当者の客観的評価判断を活用