AIBR プレミアム
拓海先生、最近部下が「タスクグラフスケジューリングを学ぶべきだ」と言い出して困っています。そもそもそれが会社の生産にどう関係するのか、簡単に教えていただけますか。
素晴らしい着眼点ですね！田中専務、端的に言うとタスクグラフスケジューリングは複数の作業を複数の機械や人に割り振って、全部ができるだけ早く終わるように調整する手法ですよ。工場の生産ラインで誰がどの工程をいつやるか決めるのと本質は同じです。
なるほど。では今回の論文は何を新しくしたのですか。技術の名前が長くて少し混乱しているのですが。
この論文はGenetic Algorithm (GA) 遺伝的アルゴリズムとLearning Automata (LA) 学習オートマトンという二つの探索手法を組み合わせたハイブリッド法を提案しています。要点を3つにまとめると、1) 初期探索のスピードをGAで稼ぎ、2) 細かな安定探索をLAで詰め、3) 全体として収束を早め最終解の品質を上げる、という設計です。
これって要するにタスクを効率よく割り振る手法ということ？現場に導入したらコスト削減につながるのですか。
良い質問です。大丈夫、一緒に考えましょう。まず現場適用の候補となる点は三つです。計画作成の自動化で人手を減らせること、機械稼働時間を短縮して生産量を増やせること、そして試行錯誤の回数を減らして改善サイクルを速められることです。投資対効果はプロトタイプでまず評価できますよ。
なるほど、まずは試してみるということですね。ただ、うちの現場は人の判断で対応していることが多く、データが揃っていないのではないでしょうか。
素晴らしい着眼点ですね！データが不足している場合は、最初は半自動化で現場の判断を補助する形から入ればよいのです。具体的にはベストと思われるスケジュール案を提示し、現場の承認を得ながら逐次データを蓄積していけるようにすれば、リスクを抑えつつ導入できるんです。
それなら現場の反発も抑えられそうです。導入の初期コストはどの程度見ればよいでしょうか。IT投資が増えると財務部が怖がるものでして。
大丈夫、一緒にやれば必ずできますよ。要点を3つにまとめます。第1に、まずは小さなラインや工程でパイロットを回してコストと効果を見極める。第2に、既存のデータと現場のルールを組み合わせて半自動運用にする。第3に、効果が出れば段階的に投資を拡大する。これで財務部も納得しやすくなりますよ。
ありがとうございます。よく整理できました。私の理解で間違いがなければ、この論文はGAで幅広く候補を探し、よい候補をLAで安定的に詰めることで早く良いスケジュールを得る手法、ということでよろしいですか。これを社内で説明してみます。
