セマンティックWebによる 生産管理情報共有/支援システムの開発

Presentation on theme: "セマンティックWebによる 生産管理情報共有/支援システムの開発"— Presentation transcript:

1 セマンティックWebによる 生産管理情報共有/支援システムの開発
松江工業高等専門学校 牧 聡史　　越田研究室

2 １．はじめに 金属加工会社において，様々な受注品の加工工程決定は，特定の管理監督者に依存する自動化できない処理として，負荷の大きい業務となっている． その解決のために 汎用フライス ﾌﾗｲｽ NO.4 NCフライス NCﾌﾗｲｽ NO.1 鋸盤 HFA-400s N0.1

3 目的 受注時に，加工特徴に対応した加工工程と使用工作機械をセマンティック技術を用いて抽出する． 受注時に入力する加工特徴の項目例 受注番号：
素材形態： 単体 材質： AUB510 焼き入れ： 焼き戻し： 有 無 GM1089 重量： 数量： 材料： 3.5kg 7 K1056 標準工程：パターンC NC旋盤, NCフライス, キーシータ,放電加工… NCLE1, NCMV1, KC1, EDM,… 機械 セマンティック技術

4 2.加工工程決定支援システム 2.1 研究の背景 加工工程の決定は、豊富な実務経験を持つ管理監督者が，
2.1　研究の背景 加工工程の決定は、豊富な実務経験を持つ管理監督者が， 　・　受注品の採寸、材質などの情報 　・　作業機械データとその稼動率 　・　製作数とその納期 　・　他の受注品の情報 などの生産情報、受注情報を勘案して決定している． しかし、それだけでは工程順の決定は出来ない

5 管理監督者による加工工程の決定 加工工程決定の自動化は難しく、生産管理の中でもシステム化が困難な部分である． 受注情報 生産情報
ＮＣ旋盤 汎用フライス 旋盤 検査 金属加工品Ａ 大きさ 重さ 加工特徴 生産情報 受注情報 大きさ 重さ 加工特徴 管理監督者 経験を基にした加工工程パターン 加工工程決定の自動化は難しく、生産管理の中でもシステム化が困難な部分である．

6 2.2 工程決定に対する問題点と解決方法 解決に向けて 実現のためセマンティックWeb技術などを利用 問題点
2.2　工程決定に対する問題点と解決方法 問題点 多種多様な受注品の加工特徴毎の分類と、それに対応した加工工程パターンの蓄積、及びそのデータベース化がなされていない 上記のデータを生産情報に適用させるのが難しい． ①　過去の作業データの解析と分類 ②　受注番号毎の加工特徴データの利用 解決に向けて 実現のためセマンティックWeb技術などを利用

7 3．システム実現のための技術 JDBC Semantic Web RDF Jena
　　・　JavaプログラムからRDBにアクセスするためのクラスライブラリ 　　・　プログラムからRDBの接続、SQL文の実行、結果の受け取りと解析などが行える Semantic　Web RDF Jena

8 3．2　Semantic Web セマンティックWeb技術とは、インターネット上のリソース(情報)にメタ情報を付加し、人の介入が必要だった解析、処理の自動化を実現する技術である． 本研究では、加工に必要な情報をRDFによって構築する。それをセマンティック技術により自動化するシステムを研究開発する．

9 3.3 RDF (Resource Description Framework）
主語と述語、そしてその目的語の三者関係によって、関係の連鎖を辿ることができるようなデータモデルを記述する． 述語 主語 目的語

10 工作機械のRDFデータ例(のこぎり盤) RDFデータの処理にはJenaを利用
工場の場所 1 , 機械ID 101 , 優先順位 10 , 機械名略称 SW1 , 機械名 Saw <?xml version="1.0" encoding="windows-31j"?> <rdf:RDF xmlns:j.0=" xmlns:rdf=" > <rdf:Description rdf:about=" <j.0:isPlaceOf>1</j.0:isPlaceOf> <j.0:isIDOf>101</j.0:isIDOf> <j.0:isPriorityOf>10</j.0:isPriorityOf> <j.0:isAbbreviateOf>SW1</j.0:isAbbreviateOf> <j.0:isNameOf>Saw</j.0:isNameOf> </rdf:Description> </rdf:RDF> RDFデータの処理にはJenaを利用 10

11 3.4 Jena JavaによるセマンティックWebアプリケーション開発のためのフレームワークである 様々なRDFデータの処理機能
問い合わせ言語RDQLによる検索 ルールに基づいた推論、検証 これらの要素技術を使用し、システムを構成

12 ４．提案システム 4.1 システムの概要と構成 製品毎の加工工程決定の自動化 ・ 過去の作業データを解析する。
4.1　システムの概要と構成 製品毎の加工工程決定の自動化 　　・　過去の作業データを解析する。 　　・　それにより新規受注時に受注の加工特徴　　　　　　　　を基にして、加工工程や工作機械を自動的に決定する。 12

13 4.1.1 作業データ 作業テーブル 工作機械テーブル 受注テーブル 使用した機械、作業者、日付、作業時間など
4.1.1　作業データ 地元の金属加工会社で使用されているデータを利用した 作業テーブル 　　使用した機械、作業者、日付、作業時間など 工作機械テーブル 　　工作機械のID、名前、優先順位、工程名など 受注テーブル 　　品名、加工図面番号、受注日など

14 4.1.2 システムの構成 受注データ入力 ・加工特徴 RDB(Access 2003) ・品名 JDBC 作業テーブル 工作機械テーブル
4.1.2　システムの構成 受注データ入力 JDBC Jena 作業テーブル 工作機械テーブル RDB(Access 2003) 受注テーブル ・加工特徴 ・品名 加工工程順出力

15 4.1.3　入出力インターフェースの検討 様々な 加工特徴 様々な 加工特徴 ここで入力された加工特徴を元に、加工工程順を自動決定する

16 4.2　システムの実装 ３つのプログラムから構成される 過去の作業データの解析 品名などからの工程順抽出 加工特徴からの加工工程決定

17 4.2.1 過去の加工工程データの解析と分類 過去の作業データを解析し、受注番号毎の加工工程パターンを抽出するプログラムを開発した．
4.2.1　過去の加工工程データの解析と分類 過去の作業データを解析し、受注番号毎の加工工程パターンを抽出するプログラムを開発した． 受注番号 加工工程パターン 作業テーブル 工作機械テーブル RDB(Access 2003)

18 4.2.2 品名などからの工程順抽出 過去の作業データの加工図面番号や品名から、受注毎の加工工程順を自動抽出するGUIとプログラムを開発した
4.2.2　品名などからの工程順抽出 過去の作業データの加工図面番号や品名から、受注毎の加工工程順を自動抽出するGUIとプログラムを開発した これを利用して、工程パターンごとの加工特徴を調べる 加工工程順 受注番号

19 4.2.3 加工特徴からの加工工程決定の検討 加工工程順が同じ加工品の受注番号を工程パターンとしてまとめた
4.2.3　加工特徴からの加工工程決定の検討 加工工程順が同じ加工品の受注番号を工程パターンとしてまとめた 工程パターンが同じものは加工特徴が類似すると考えられる

20 4.3 セマンティック技術の適用 工作機械データのRDFデータ
4.3　セマンティック技術の適用 工作機械データのRDFデータ <?xml version="1.0" encoding="windows-31j"?> <rdf:RDF xmlns:j.0=" xmlns:rdf=" > <rdf:Description rdf:about= " <j.0:isAbbreviateOf>SW1</j.0:isAbbreviateOf> <j.0:isMaxY_LengthOf>500</j.0:isMaxY_LengthOf> <j.0:isMaxDiameterOf>500</j.0:isMaxDiameterOf> <j.0:isFeaturesOf>0</j.0:isFeaturesOf> <j.0:isIDOf>101</j.0:isIDOf> <j.0:isMaxLengthOf>10000</j.0:isMaxLengthOf> <j.0:isPlaceOf>1</j.0:isPlaceOf> <j.0:isDivProcessNameOf>切断</j.0:isDivProcessNameOf> <j.0:isNameOf>HFA-400s N0.1</j.0:isNameOf> <j.0:isMaxX_LengthOf>500</j.0:isMaxX_LengthOf> <j.0:isPriorityOf>10</j.0:isPriorityOf> <j.0:isShapeOf>汎用</j.0:isShapeOf> <j.0:isMaxZ_LengthOf>10000</j.0:isMaxZ_LengthOf> <j.0:isProcessNameOf>鋸盤</j.0:isProcessNameOf> </rdf:Description> </rdf:RDF>

21 工作機械データの自動作成 工作機械データをRDFデータ化するGUIとソフトウェアを開発した
Accessでの工作機械テーブルを一括でRDFデータ化するソフトウェアも開発した

22 工作機械データの利用 RDFデータ 作業機械のRDFデータに合わせ、現工程に最適な作業機械を選択する ＮＣ旋盤 LB15Ⅱ …
機械名称 型式 テーブルサイズ 特徴 （ X Y Z ）mm ＭＣ 762 × 410 × 450 □切削 ＮＣフライス盤 430 × 1000 × 0 ＮＣ旋盤 LB15Ⅱ 300 × 0 × 400 ○切削 LB25 300 × 0 × 450 ○切削　 CNS94 740 × 0 × 1200 TSN-20A 2000 × 2000 × 1500 GT40 600 × 0 × 1000 NK40S 380 × 0 × 1000 450 × 0 × 1000 450 × 0 × 1500 ＮＣ平面研削盤 PSG65DX 600 × 500 × 350 3台 ワイヤーカット FA20 350 × 500 × 300 2台 三次元測定機 Crysta-Apex C776 700 × 700 × 600 放電加工機 M25K　 750 × 450 × 200 受注時に入力された加工特徴 丸型 　直径　300ｍｍ 　長さ　200ｍｍ 　NCで切削する RDFデータ 作業機械のRDFデータに合わせ、現工程に最適な作業機械を選択する 　　　　　　　　　　　 ＮＣ旋盤　LB15Ⅱ …

23 5．おわりに まとめ 本システムの有用性 過去の作業データよりロットごとの加工工程順を抽出するソフトウェアを開発した
過去の作業データの図面番号や品名から、受注毎の加工工程順番を抽出するプログラムを開発した 入出力画面の作成と、工作機械データの最適なRDFデータ化について検討した 本システムの有用性 抽出されたデータをDBに格納することにより、一部の管理監督者固有の情報が電子化され、広く共有できる 23

24 今後の課題 受注番号-工程パターン-加工工程順の対応表を作成したが、同じ工程パターン内の加工特徴について類似を検証していない。様々なデータを利用して分析する必要がある。 工作機械データをRDFデータ化する基本ソフトウェアを開発したが、今後、受注時に工作機械を自動決定するなどの応用ソフトウェアの検討、開発が必要である