【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、作業工程、物流システムなどのスケジューリング制御方法に係り、特に計画型の知識処理にて解法を求めるのに好適な制御方法に関する。

【０００２】

【従来の技術】鉄鋼プラント、交通、物流システムなどの各種プロセスでは、輸送計画、人員配置計画など、スケジュール業務は、重要な業務である。

【０００３】スケジュール制御は、組合わせや各種制約条件が非常に多く、実際業務に適用するのが非常に難しく、実用化のためには、高度な技術と多大な工数が必要である。 従来は、専門家が机上（紙上）で線を引いて、
予定表をつくっていたが、多大な労力と時間を要していた。

【０００４】機械的に、短時間にスケジュールを得るために、ＯＲ技術を用いて、計算機上で、手続き型プログラムで試されたこともあった。 ＯＲ技術でスケジュールを求める場合、最適スケジュールが求められなかったり、操業方法や設備が変った場合簡単に変更ができずに、諦めて使用しなくなるケースが多くあった。 何故なら、操業計画者やオペレータなどの専門家は、手続き型プログラムの専門家でない為、そのシステムに合ったプログラミングになっているかどうか検証できないし、変更もできなかった。

【０００５】近年は、計算機の専門家でなくとも、制約条件などをルールとして入力し、判断させる知識処理も構築できるようになってきた。

【０００６】しかし、知識処理用の推論エンジンは、診断型が圧倒的に多く、計画問題では、不向きであった。

【０００７】診断型推論エンジンは、ある事象を推論して、結果が、出力されるが、時間軸は考慮されていない。 要するに、瞬間、瞬間の推論を行なうのみである。

【０００８】

【発明が解決しようとする課題】上記、従来技術は、熟練オペレータや操業計画者のノウハウを生かせなかったり、労力や時間が、多大に費やされていたり、実用上問題があった。

【０００９】また、例えば、特開平２−１８１００１号公報には、起動スケジュール作成手段と、知識処理を用いて前記起動スケジュールを最適化していく起動スケジュール最適化手段を備えた火力発電プラント起動時運転支援装置が開示されている。 しかし、この装置においても、知識処理は作成されたスケジュールを評価するのに用いられるのみであり、スケジュールの作成自体には有効に用いられていなかった。

【００１０】本発明の目的は、熟練オペレータや操業計画者のノウハウを取入れてルール化された知識を格納し、該知識を用いて推論を行い、時間軸を考慮して、シミュレーションを組合せてスケジューリングを行うにある。

【００１１】

【課題を解決するための手段】上記目的は、診断型の推論エンジンと、知識を格納する知識ベースと、前記推論エンジンの推論結果からプロセス状態あるいは作業工程等を予測するシミュレータとを持つ知識処理システムにおいて、ある事象の推論結果をもとにして一定時間後のプロセス状態、あるいは作業工程等を予測し、予測された前記一定時間後のプロセス状態、あるいは作業工程等に基づいて事象を再度推論させ、これを連続する所定の時間数分繰返し行ない、時間的に連続する推論結果を得る計画型知識処理方法によって達成される。

【００１２】上記目的はまた、知識と該知識が適用されるルールと診断型の推論エンジンとを用いて第１の事象を推論し、前記推論エンジンの推論結果を用いて第２の事象を予測する知識処理方法において、第１の事象の推論結果をもとにして一定時間後の第２の事象を予測し、
予測された前記一定時間後の第２の事象に基づいて当該時点における第１の事象を推論し、これを連続する所定の時間数分繰返し行ない、第１の事象の推論結果を時間的に連続する事象として得ることによって達成される。

【００１３】上記目的はまた、知識と該知識が適用されるルールと診断型の推論エンジンとを用いて作業工程を推論し、前記推論エンジンの推論結果を用いてプロセス状態あるいは作業工程等を予測する知識処理方法において、推論エンジンの推論結果をもとにして一定時間後のプロセス状態あるいは作業工程等を予測し、予測された前記一定時間後のプロセス状態あるいは作業工程等に基づいて事象を再度推論し、これを連続する所定の時間数分繰返し行ない、時間的に連続する推論結果を得ることによって達成される。

【００１４】上記目的はまた、知識と該知識が適用されるルールと診断型の推論エンジンとを用い、プロセス状態に基づいて作業工程を推論する知識処理方法において、ある時点のプロセス状態に基づいてその時点以後所定の時間採るべき作業工程を推論し、前記プロセス状態と推論で得られた作業工程とをもとにして前記所定の時間後のプロセス状態を予測し、予測された前記所定時間後のプロセス状態に基づいて該一定時間後の時点において採るべき作業工程を推論し、この手順を連続する所定の時間の間について繰返し行ない、所定の時間連続する作業工程の推論結果を操業スケジュールとして得る計画型知識処理方法によっても達成される。

【００１５】上記目的はまた、知識を格納する知識ベース記憶手段と、該知識ベースの知識に基づいて推論を行う診断型の推論手段と、前記推論手段の推論結果を用いてプラントのプロセス状態あるいは作業工程等を予測するシミュレータとを有してなる知識処理装置において、
前記推論手段を、前記知識ベース記憶手段に格納された知識に基づいて当該プラントが推論対象時点から所定の時間実施すべき作業工程を推論対象時点を前記所定の時間間隔ごととして推論するものとし、前記シミュレータを前記推論手段の推論結果と前記推論手段が当該推論において用いた知識をもとにして前記推論対象時点から所定時間後のプロセス状態あるいは作業工程等を予測するものとし、前記知識ベース記憶手段を予測された前記所定時間後のプロセス状態あるいは作業工程等を格納して、前記推論手段の前回推論対象時点から所定の時間経過後の時点を推論対象時点とする推論に供する手段を備えたものとすることによっても達成される。

【００１６】

【作用】本発明では、熟練オペレータや操業計画者のノウハウが知識としてルール化され、前記知識とある事象の状態とに基づいて診断型推論手段により推論が行われる。 推論して得られた推論結果を用いて前記ある事象の所定時間経過後の状態がシミュレータによって予測され、該予測によって得られた前記ある事象の所定時間後の状態と前記知識をもとにまた推論が行われる。 このように、推論結果を用いて所定の時間後のある事象の状態が予測され、さらに前記所定の時間後のある事象の状態に基づく推論が行われるという手順が順次繰り返されるので、ある事象の時間的な変化を加味した推論結果を時系列に沿って得ることができる。 したがって、診断型推論手段を用いるために、例えば、ある瞬間のプロセス状態に基づきその時点において複数の作業工程のどれを選ぶかが推論される場合はその時点で妥当とされる作業工程が選ばれるにすぎないが、、選ばれた作業工程の実施によってプロセス状態が変化するときでも、ある時間を区切って上記推論と予測の手順を繰り返すことにより、
長期間に亘り、実施すべき作業工程を選択し、スケジュールとして設定することができる。

【００１７】

【実施例】本発明は、いかなる知識処理システムにも適用可能であるが、以下、原料ホッパから切出した原材料を加工工程を経て、製品ホッパに供給させるプラントの安定供給スケジューリングを行なう知識処理システムに本発明を適用した一実施例について説明する。

【００１８】図１は、本実施例の要部をなす演算部１の構成を示すシステム構成図である。 該演算部１は、推論手段である推論エンジン２と、該推論エンジン２に接続され知識（ルール、フレーム）を格納する知識ベース記憶手段（以下単に知識ベースという）３と、該知識ベース３に接続され推論結果をもとにしてプロセスの状態を予測するシミュレータ４と、推論エンジン２及びシミュレータ４をスケジューリング用にコントロールする推論制御機構５と、該推論制御機構５に接続され推論に必要な前提条件やプロセスの初期状態のデータを格納している推論パラメータファイル６と、同じく推論制御機構５
に接続され入力された推論結果、シミュレーション経過や結果が格納されるスケジュール結果ファイル７とを含んで構成されている。

【００１９】説明を簡単化するために、図２のようなプラントモデル例を使って説明する。 原料ホッパ２００
Ａ，２００Ｂ，…には、各種の銘柄の異なる原料が格納されている。 これら原料が所定の割合で配合され、加工工程２０１を経て、製品ホッパ２０２Ａ，２０２Ｂ，２
０２Ｃのいずれかに送られる。 製品によって、各原料ホッパからの配合割合が異なる。 製品ホッパ２０２Ａ，２
０２Ｂ，２０２Ｃに貯蔵された製品に対しては常に次のプロセスから需要があり、図示のように製品ごとに異なる一定速度で連続的に払出されている。

【００２０】このような、モデルプラントにおいて、各製品ホッパの在庫が在庫ぎれしないように、加工工程の作業工程、つまりどの製品をいつからいつまで供給するかという操業スケジュールを計画する。 操業の前提条件としては、下記〜のような条件がある。

【００２１】原料ホッパの原材料は常時、各原料ホッパに必要量供給されている、 加工工程２０１は異なる製品を連続生産することはしない、 異なる製品を生産する場合、１０分間の段取り（切替え時間）が必要である、 コンベアライン２０３の払出速度は４００Ｔ／Ｈで一定とする、 製品ホッパには常に最低２０分間の在庫を確保し、在庫切れをおこさない、 加工工程の運転回数はできるだけ少なくする、 一旦運転を始めたら、可能な限り続けて運転する、 加工工程は休止時間が長い方がよい、 この他にオペレータの経験や勤務時間、休憩、引継ぎ時間等の条件が種々あり、これらは、前記〜の条件とともに知識ベースのルールの中に、知識として入力されている。

【００２２】図３は、本実施例のスケジューリングのイメージを示したものである。

【００２３】縦軸がプロセス状態（各製品ホッパの在庫量）と運転パターン（加工工程がどの製品ホッパにいれる作業をしているかということ）であり、横軸が時間である。 Ｔは所定の予測最大時刻、ｔは予測更新時間（１
回のシミュレーション時間）である。 ｔ時間毎に知識ベースの内容により推論を行なってその時点で採るべき運転パターンを決め、該決められた運転パターンで次のｔ
時間運転した後のプロセス状態をシミュレータによりシミュレーションして判断し、運転パターンと判断結果を知識ベースに格納する。 運転パターンによりプロセスの状態は一義的に決まる。 このようにして、時刻Ｔに達するまで運転パターンの推論とプロセス状態のシミュレーションをｔ時間ごとに順次繰返すことにより、今後Ｔ時刻までのスケジュールが決定される。

【００２４】図３で説明した手順を、図４のフローチャートにより説明する。 初期設定１１にて、各種レジスタ、ワーク（ソフトの計算途中のデータ）等がクリアされ、シミュレーション時刻ｔｘも０にセットされる。 知識処理スタート宣言１２では、知識ベースが主メモリ上にロードされ、推論ワーク（推論中のデータ）がイニシャライズされる。 これは推論エンジンにより異なる。 推論パラメータ入力１３では、推論パラメータファイル６
より推論に必要なデータが入力される。 例えば、加工工程の生産ベースＴｏｎ／Ｈｒ、各製品ホッパの出側速度、製品ホッパ仕様（満槽容量レベル）等のデータである。

【００２５】推論実行処理１４は、推論エンジン２をコールするもので、知識ベース３に格納されたプロセス状態（本実施例では、ｔ時間ごとのシミュレーション開始時点での各製品ホッパの在庫量）及び後述の図５記載のようなルール群に基づいて推論が行われて次のｔ時間の間採用するべき運転パターンが決められ、推論が終了すると戻ってくる。 この推論は、今後ｔ時間の間、加工工程はどの製品ホッパニ供給する製品を加工するべきかを推論するもので、推論の結果得られた運転パターンによりシミュレーション４が行なわれ、シミュレーション結果（本実施例では、ｔ時間のシミュレーション終了時点での各製品ホッパの在庫量）は知識ベース３に格納される。 このシミュレーションは、知識ベース（ルール）で実現することも可能であるが、本実施例では、計算ロジックが入るので手続き処理とした。 本内容の詳細は後述する。

【００２６】次いで、シミュレーション時刻ｔｘが予測最大時刻Ｔに達したかどうかを判定し（手順１５）、達していない場合は、シミュレーション時刻を更新（ｔｘ
←ｔｘ＋ｔ）する（手順１６）。 シミュレーション時刻更新後、推論パラメータ入力１３に戻ってそれ以後の手順を繰返し行ない、シミュレーション時刻ｔｘが予測最大時刻Ｔよりも小さくなくなったとき、スケジュール結果出力１７にて、スケジュール結果ファイル７に出力する。 出力データは、シミュレーション時刻（ｔｘ＝０）
からシミュレーション時刻（ｔｘ≧Ｔ）までの推論された各運転パターン及びシミュレーションで得られた製品ホッパの時刻ごとの在庫量の推移データである。

【００２７】スケジュール結果出力１７が終了すると、
知識処理終了宣言１８で、推論エンジン２のワークエリアの終結が行われる（知識ベースの使用が終了）。 これは推論エンジン２により異なる。

【００２８】図５は、本実施例の知識ベース３のルール群とルールの例を示す。 運転の開始、停止判断の前提条件、ノウハウ等をルール化し、オペレータが知識ベースに、日本語形式で自由に入力できるようになっている。
このルールには前記〜他の条件も含まれている。 ルールとしては図５に例示されたほかに、例えば、製品ホッパができるだけ空に近い状態（但し２０分間以上の在庫量）になった段階で供給をはじめれば供給回数が少なくてすむから、製品ホッパのなかで在庫量が一番少ないものについて、当該製品ホッパに供給したときの満量レベルまでの供給時間と、他の製品ホッパのその間の在庫量の減り具合をにらんで、他の製品ホッパの在庫量が限度になるような時点まで待ってから、前記在庫量が一番少ない製品ホッパに供給を開始するなどのルールがある。 これらのルール群と、知識ベース３に格納されている推論対象時点における各製品ホッパの在庫量と、推論パラメータファイル７に格納されている加工工程の生産ベースＴｏｎ／Ｈｒ、各製品ホッパの出側速度、製品ホッパ仕様（満槽容量レベル）、等のデータに基づいて推論が行われ、今後ｔ時間の間加工工程２０１はどの製品を加工して供給すべきかが選択される。

【００２９】図６は、シミュレーションロジックをフローチャートで示した図である。 推論結果より、原料ホッパ→製品ホッパの運転ＪＯＢ（作業工程）が開始、停止、切替かを判定する。 決定されていれば、今回のシミュレーション（時刻ｔｘにおけるシミュレーション）に用いられる運転状態を、推論の結果得られた運転状態（運転パターン）に書替える。 未定であれば、今回のシミュレーションに用いられる運転状態を前回の運転状態（運転パターン）のままとする。

【００３０】まず、今回のシミュレーションに用いられる運転パターンにおいて、原料ホッパ→製品ホッパＡへの払出ＪＯＢ（作業工程）が実行中であるかどうかが判定される（手順２４）。 払出ＪＯＢ（作業工程）が実行中であれば、知識ベース３から時刻ｔｘにおける製品ホッパＡの在庫量が読みだされ、次の式で製品ホッパＡ
のｔ時間後（時刻ｔｘ＋ｔ）の在庫量が算出され、知識ベースに格納される（手順２５）。

【００３１】 製品ホッパＡの時刻ｔｘ＋ｔにおける在庫量 ＝（払出速度−出側速度）×ｔ＋時刻ｔｘの在庫量Ｔｏｎ……… 払出速度＝４００Ｔ／Ｈ 出側速度＝１００Ｔ／Ｈ ｔ＝１分 とすれば、式は、次のように置きかえられる。

【００３２】 製品ホッパＡの時刻ｔｘ＋ｔにおける在庫量 ＝（４００−１００）×１／６０＋時刻ｔｘの在庫量Ｔｏｎ ＝３００／６０＋時刻ｔｘの在庫量Ｔｏｎ ＝５Ｔｏｎ＋時刻ｔｘの在庫量Ｔｏｎ ……´ 払出ＪＯＢ（作業工程）が実行中でなければ、同様に次の式でｔ時間後の在庫量が算出され、知識ベースに格納される（手順２６）。

【００３３】 製品ホッパＡの時刻ｔｘ＋ｔにおける在庫量 ＝時刻ｔｘの在庫量−出側速度×ｔ …… ＝時刻ｔｘの在庫量−１００／６０ ＝時刻ｔｘの在庫量−１．３３Ｔｏｎ ……´ 同様にして、製品ホッパＢ及び製品ホッパＣのｔ時間後の在庫量が算出され、知識ベースに格納される（手順２
７〜３２）。 次の時刻ｔｘ＋ｔにおけるシミュレーションでは、先に格納された時刻ｔｘ＋ｔにおける各製品ホッパの在庫量がシミュレーション開始時点のプロセス状態として使用される。

【００３４】このようにして、推論制御機構にて時刻ｔ
ｘにおける運転パターン推論と推論された運転パターンによる時刻ｔｘ後のｔ時間の操業シミュレーションを順次繰返すことにより、スケジュールが決定されてくる。

【００３５】図７は、この方法により、出力された運転パターンのスケジュールと、製品ホッパＡ、Ｂ、Ｃの在庫推移の予測の例である。

【００３６】上記実施例では、本発明を、原料ホッパから切出した原材料を加工工程を経て、製品ホッパに供給するプラントのスケジュール作成に適用した場合について説明したが、本発明は、この様なプラントに限定されず、いかなるプラントの知識処理システムにも適用可能である。 また、上記実施例では、製品ホッパＡ，Ｂ，Ｃ
から連続的に下流のプロセスに製品が供給されるものとしたが、ルールを変更、あるいは追加するだけで、製品ホッパＡ，Ｂ，Ｃからの製品供給が断続的に行われる場合などの、操業変更のシミュレーションも容易に可能となる。

【００３７】

【発明の効果】本発明は、以上説明したように、熟練オペレータや操業計画者のノウハウを知識として、ルール化し、推論機構とシミュレータを一体化させ、推論で得られたデータに基づいてある時刻間のシミュレーションを行い、さらにシミュレーションで得られたデータをもとに次の段階（先のシミュレーション終了時点）での推論を行うというように、時系列的に連続して推論を繰り返すようにしたので、診断型推論手段でも計画型知識処理システムが構築できる。

【図面の簡単な説明】

【図１】本発明の実施例を示すブロック図である。

【図２】本発明が適用されるプラントの例を示すブロック図である。

【図３】本発明の実施例であるスケジューリングのイメージ図である。

【図４】本発明の実施例の動作を示すフローチャートである。

【図５】本発明の実施例の知識ベースのルール群とルールを示す図である。

【図６】本発明の実施例のシミュレータの動作を示すフローチャートである。

【図７】本発明の一実施例のスケジュール結果を示す図である。

【符号の説明】

１ 知識処理ＣＰＵ ２ 推論手段（推論エンジン） ３ 知識ベース記憶手段（知識ベース） ４ シミュレータ ５ 推論制御機構 ６ 推論パラメータファイル ７ スケジュール結果ファイル