JPH05257918A - 部品割付決定装置 - Google Patents
部品割付決定装置Info
- Publication number
- JPH05257918A JPH05257918A JP5207092A JP5207092A JPH05257918A JP H05257918 A JPH05257918 A JP H05257918A JP 5207092 A JP5207092 A JP 5207092A JP 5207092 A JP5207092 A JP 5207092A JP H05257918 A JPH05257918 A JP H05257918A
- Authority
- JP
- Japan
- Prior art keywords
- nodes
- output
- input
- node
- parts
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000013528 artificial neural network Methods 0.000 claims description 27
- 230000002860 competitive effect Effects 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000001537 neural effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】プリント基板組立において、ある製造期間内
で、組立機械の同一の段取りで組み立てることのできる
プリント基板の種類をできるだけ多くまとめ、段取り替
えの度数を削減すると共に、組立機械への部品割付を決
定する。 【構成】同じ数の入力ノード１，２，３，４，５と出力
ノード６，７，８，９，１０を持ち、オンの入力ノード
に対応する出力ノードをオンに固定し、更にオンとなる
出力ノードの数を一定に押さえることのできる二層の競
争型神経回路網を備え、入力ノードから各プリント基板
の部品構成を入力し、出力ノードを組立機械の部品割付
に対応させることにより、準最適なプリント基板のグル
ープを出力し、更に部品割付を決定する。
で、組立機械の同一の段取りで組み立てることのできる
プリント基板の種類をできるだけ多くまとめ、段取り替
えの度数を削減すると共に、組立機械への部品割付を決
定する。 【構成】同じ数の入力ノード１，２，３，４，５と出力
ノード６，７，８，９，１０を持ち、オンの入力ノード
に対応する出力ノードをオンに固定し、更にオンとなる
出力ノードの数を一定に押さえることのできる二層の競
争型神経回路網を備え、入力ノードから各プリント基板
の部品構成を入力し、出力ノードを組立機械の部品割付
に対応させることにより、準最適なプリント基板のグル
ープを出力し、更に部品割付を決定する。
Description
【０００１】
【産業上の利用分野】本発明は部品割付決定装置に関
し、特にプリント基板組立機械のための部品割付決定装
置に関する。
し、特にプリント基板組立機械のための部品割付決定装
置に関する。
【０００２】
【従来の技術】近年のプリント基板組立工業、特にシス
テム品と呼ばれる通信機機や交換機、中型以上の情報処
理機器工業では、多品種少量生産化が進み、小ロットサ
イズ、多ロット数の生産が通常のものとなった。そのた
め、使用される部品の種類も膨大なものとなるが、その
一方、プリント基板組立機械にセットすることのできる
部品種数はその機械の持つ部品フィーダーの数によって
規定される。一般に、同時にセットできるフィーダーの
数は数十ないし百数十程度である。そのため、フィーダ
ーの交換（段取り替え）をせざるを得ないが、頻繁に発
生する組立機械の段取り替えがプリント基板の生産を遅
らせ、棚卸しを増大させる原因となっている。そのた
め、類似のプリント基板をまとめてグループ化し、グル
ープ毎に段取り替えを行い、段取り替えの度数を少なく
する方法が必要とされている。
テム品と呼ばれる通信機機や交換機、中型以上の情報処
理機器工業では、多品種少量生産化が進み、小ロットサ
イズ、多ロット数の生産が通常のものとなった。そのた
め、使用される部品の種類も膨大なものとなるが、その
一方、プリント基板組立機械にセットすることのできる
部品種数はその機械の持つ部品フィーダーの数によって
規定される。一般に、同時にセットできるフィーダーの
数は数十ないし百数十程度である。そのため、フィーダ
ーの交換（段取り替え）をせざるを得ないが、頻繁に発
生する組立機械の段取り替えがプリント基板の生産を遅
らせ、棚卸しを増大させる原因となっている。そのた
め、類似のプリント基板をまとめてグループ化し、グル
ープ毎に段取り替えを行い、段取り替えの度数を少なく
する方法が必要とされている。
【０００３】従来、プリント基板組立工業においては、
ある生産期間内での組立機械の段取り替えを削減するた
めの投入グループを決めるに当たって、ある種の経験的
なルール（ヒューリスティックス）を用いることが多か
った。主にこの種のヒューリスティックスは現場の班長
クラスの人が経験に基づいて採用しているもので、現場
毎に違うルールを使っているのが普通である。一例をあ
げれば、部品種を、その部品種を使っているプリント基
板の数が多い順にソートし、次に、多く使われている部
品種を多く使っている順にプリント基板をソートするな
どの方法が用いられている。
ある生産期間内での組立機械の段取り替えを削減するた
めの投入グループを決めるに当たって、ある種の経験的
なルール（ヒューリスティックス）を用いることが多か
った。主にこの種のヒューリスティックスは現場の班長
クラスの人が経験に基づいて採用しているもので、現場
毎に違うルールを使っているのが普通である。一例をあ
げれば、部品種を、その部品種を使っているプリント基
板の数が多い順にソートし、次に、多く使われている部
品種を多く使っている順にプリント基板をソートするな
どの方法が用いられている。
【０００４】
【発明が解決しようとする課題】上述した従来のヒュー
リスティックス方式では、プリント基板の種類の数の少
ないうちは人手で投入グループを決定できる。しかし、
種類が増えるとどうしてもプログラムが必要となり、そ
のプログラムの作成にはプリント基板及び組立機械の専
門知識が必要である。そのようなプログラム作成能力及
びプリント基板組立の専門知識を合わせ持つ人材が容易
に得られることは少なく、結局プログラム開発に多大の
工数と時間が必要になることが多かった。
リスティックス方式では、プリント基板の種類の数の少
ないうちは人手で投入グループを決定できる。しかし、
種類が増えるとどうしてもプログラムが必要となり、そ
のプログラムの作成にはプリント基板及び組立機械の専
門知識が必要である。そのようなプログラム作成能力及
びプリント基板組立の専門知識を合わせ持つ人材が容易
に得られることは少なく、結局プログラム開発に多大の
工数と時間が必要になることが多かった。
【０００５】一方、近年神経回路網の研究が進み、人工
的なネットワークの状態変化により、プログラムするこ
となしに所定の結果の得られる一種の情報処理装置が開
発・実用化されるようになってきた。
的なネットワークの状態変化により、プログラムするこ
となしに所定の結果の得られる一種の情報処理装置が開
発・実用化されるようになってきた。
【０００６】
【課題を解決するための手段】第１の発明は、それぞれ
同数のノードを持つ入力層と出力層から成る二層型の神
経回路網において、オン状態の入力ノードに対応する出
力ノードがオン状態に固定されるよう挙動する出力ノー
ドと、任意の制限数を保持し、全ての出力ノードに接続
することにより出力層内でのオン状態のノードの数を一
定の制限数以下にできるペナルティノードを設けた競争
型神経回路網と、また、第２の発明の部品割付決定装置
は、この競争型神経回路網の入力ノードから複数種のプ
リント基板の部品構成に対応させ、制限数を組立機械の
最大取付可能部品種類数に対応させ、出力ノードを前記
プリント基板を組み立てる機械の部品割付に対応させ
る。
同数のノードを持つ入力層と出力層から成る二層型の神
経回路網において、オン状態の入力ノードに対応する出
力ノードがオン状態に固定されるよう挙動する出力ノー
ドと、任意の制限数を保持し、全ての出力ノードに接続
することにより出力層内でのオン状態のノードの数を一
定の制限数以下にできるペナルティノードを設けた競争
型神経回路網と、また、第２の発明の部品割付決定装置
は、この競争型神経回路網の入力ノードから複数種のプ
リント基板の部品構成に対応させ、制限数を組立機械の
最大取付可能部品種類数に対応させ、出力ノードを前記
プリント基板を組み立てる機械の部品割付に対応させ
る。
【０００７】
【実施例】次に、本発明の実施例について図面を参照し
て説明する。
て説明する。
【０００８】図１は第１の発明の競争型神経回路網の一
実施例を示す構成図である。
実施例を示す構成図である。
【０００９】本発明を実現する神経回路網としての方式
はいろいろ考えられるが、ここではボルツマンマシンで
実現したものとする。両端がオンになったノード間のコ
ネクションをアクティブなコネクションというが、ボル
ツマンマシンとは一言で言えば、アクティブなコネクシ
ョンの持つウエイトの総和が最大になるように遷移する
神経回路網のことである。アクティブなコネクションの
持つウエイトの総和のことをコンセンサスと呼ぶ。すな
わち、ボルツマンマシンとは、コンセンサスを最大とす
る挙動を持つ神経回路網である。ボルツマンマシン自体
は既存の技術で構成可能なため、ここでは再述はしな
い。
はいろいろ考えられるが、ここではボルツマンマシンで
実現したものとする。両端がオンになったノード間のコ
ネクションをアクティブなコネクションというが、ボル
ツマンマシンとは一言で言えば、アクティブなコネクシ
ョンの持つウエイトの総和が最大になるように遷移する
神経回路網のことである。アクティブなコネクションの
持つウエイトの総和のことをコンセンサスと呼ぶ。すな
わち、ボルツマンマシンとは、コンセンサスを最大とす
る挙動を持つ神経回路網である。ボルツマンマシン自体
は既存の技術で構成可能なため、ここでは再述はしな
い。
【００１０】図１において、神経回路網は入力ノード
１，２，３，４，５、出力ノード６，７，８，９，１
０，ペナルティノード３０、入力と出力ノード間を結ぶ
線分は入力と出力ノード間のコネクション２０などで構
成されている。この神経回路網の挙動を例で説明する。
今、仮に入力パターンが［０，１，０，１，１］であっ
たとする。すると入力ノード１，２，３，４，５は入力
パターンどおりに固定され、やはり［０，１，０，１，
１］のようになる。図１において、黒丸は値「１」つま
りオンの状態、白丸は値「０」つまりオフの状態を持つ
ノードを表す。入力ノード２，４，５がオンになってい
るのはこのためである。
１，２，３，４，５、出力ノード６，７，８，９，１
０，ペナルティノード３０、入力と出力ノード間を結ぶ
線分は入力と出力ノード間のコネクション２０などで構
成されている。この神経回路網の挙動を例で説明する。
今、仮に入力パターンが［０，１，０，１，１］であっ
たとする。すると入力ノード１，２，３，４，５は入力
パターンどおりに固定され、やはり［０，１，０，１，
１］のようになる。図１において、黒丸は値「１」つま
りオンの状態、白丸は値「０」つまりオフの状態を持つ
ノードを表す。入力ノード２，４，５がオンになってい
るのはこのためである。
【００１１】これに対し、出力ノード６，７，８，９，
１０はそれ自身の性質のため、次のような挙動を示す。
すなわち、値「１」の入力ノード２，４，５に対応する
出力ノード７，９，１０はやはり値「１」に固定される
が、値「０」の入力ノード１，３に対応する出力ノード
６，８の値はこの時点ではまだ「０」である。しかし、
その後の遷移によってオンになる可能性もある。
１０はそれ自身の性質のため、次のような挙動を示す。
すなわち、値「１」の入力ノード２，４，５に対応する
出力ノード７，９，１０はやはり値「１」に固定される
が、値「０」の入力ノード１，３に対応する出力ノード
６，８の値はこの時点ではまだ「０」である。しかし、
その後の遷移によってオンになる可能性もある。
【００１２】出力ノード６，７，８，９，１０にはペナ
ルティノード３０が接続されている。ペナルティノード
３０は任意の制限数を持つことができ、その制限数を越
えるとペナルティノード３０はオンになる性質を持って
いる。通常ペナルティノード３０と出力ノード６，７，
８，９，１０間のコネクションには大きなマイナスのウ
エイトが与えられている。もし、オンの出力ノードの数
が制限数を越え、ペナルティノード３０がオンになる
と、ペナルティノード３０とオンになった出力ノード間
のコネクションがアクティブとなり、大きなペナルティ
がコンセンサスに加算されてしまう。そのため、出力ノ
ードのうち、オンになるノードの数は制限数を越えるこ
とがない。この例では、制限数を４とすれば、出力ノー
ドでオンになるノードの数は４を越えない。
ルティノード３０が接続されている。ペナルティノード
３０は任意の制限数を持つことができ、その制限数を越
えるとペナルティノード３０はオンになる性質を持って
いる。通常ペナルティノード３０と出力ノード６，７，
８，９，１０間のコネクションには大きなマイナスのウ
エイトが与えられている。もし、オンの出力ノードの数
が制限数を越え、ペナルティノード３０がオンになる
と、ペナルティノード３０とオンになった出力ノード間
のコネクションがアクティブとなり、大きなペナルティ
がコンセンサスに加算されてしまう。そのため、出力ノ
ードのうち、オンになるノードの数は制限数を越えるこ
とがない。この例では、制限数を４とすれば、出力ノー
ドでオンになるノードの数は４を越えない。
【００１３】しかし、実際には入力ノードと出力ノード
を結ぶコネクションは正のウエイトを持つので遷移の結
果オンになる出力ノードの数は制限数（この例では４）
に等しくなる。この例では、出力ノード７，９，１０が
入力ノードに対応してオンになっているので、残る６ま
たは８のどれかがオンに遷移する。この例で言えば、出
力ノード６と８がオンになろうと「競争」することにな
るので競争型神経回路網と呼ばれる。競争型神経回路網
は原理的に類似の入力に対して共通の出力をする傾向が
あり、グループ化の能力を持っている。本発明はこのグ
ループ化の能力を利用したものである。
を結ぶコネクションは正のウエイトを持つので遷移の結
果オンになる出力ノードの数は制限数（この例では４）
に等しくなる。この例では、出力ノード７，９，１０が
入力ノードに対応してオンになっているので、残る６ま
たは８のどれかがオンに遷移する。この例で言えば、出
力ノード６と８がオンになろうと「競争」することにな
るので競争型神経回路網と呼ばれる。競争型神経回路網
は原理的に類似の入力に対して共通の出力をする傾向が
あり、グループ化の能力を持っている。本発明はこのグ
ループ化の能力を利用したものである。
【００１４】図２はこの神経回路網の学習フェーズのア
ルゴリズムを示すフローチャートである。ステップ１０
１で入力パターンを一つ入力層にセットし、ステップ１
０２ではオンの入力ノードに対応した出力ノードをオン
に固定する。ステップ１０３では、固定されていない出
力ノードの中から、制限数の許す数だけの出力ノードが
オンに遷移する。ステップ１０４では、オンになった出
力ノード、つまり勝者に接続するコネクションのウエイ
トを、勝者はより勝ち易くなるように更新する。ステッ
プ１０５では別の入力パターンがあれば別の入力パター
ンを選び、同様の処理を繰り返す。ステップ１０６で、
学習が十分定着するまで、以上の処理を繰り返す。
ルゴリズムを示すフローチャートである。ステップ１０
１で入力パターンを一つ入力層にセットし、ステップ１
０２ではオンの入力ノードに対応した出力ノードをオン
に固定する。ステップ１０３では、固定されていない出
力ノードの中から、制限数の許す数だけの出力ノードが
オンに遷移する。ステップ１０４では、オンになった出
力ノード、つまり勝者に接続するコネクションのウエイ
トを、勝者はより勝ち易くなるように更新する。ステッ
プ１０５では別の入力パターンがあれば別の入力パター
ンを選び、同様の処理を繰り返す。ステップ１０６で、
学習が十分定着するまで、以上の処理を繰り返す。
【００１５】図３にこの神経回路網の連想フェーズのア
ルゴリズムを示す。上に述べた学習フェーズによりウエ
イトの更新された神経回路網に対し、学習フェーズと同
様ステップ２０１において各入力パターンを入力層にセ
ットし、ステップ２０２にてオン状態の入力ノードに対
応した出力ノードをオンに固定する。ステップ２０３に
て、学習フェーズで得られたコネクションのウエイトに
基づいて、勝者（オンとなるノード）が決定される。連
想フェーズでは当然ウエイトの更新はせず、ステップ２
０４にて入力パターンがまだ存在すれば、同様の処理を
繰り返してその入力パターンに対応する出力パターンを
得る。
ルゴリズムを示す。上に述べた学習フェーズによりウエ
イトの更新された神経回路網に対し、学習フェーズと同
様ステップ２０１において各入力パターンを入力層にセ
ットし、ステップ２０２にてオン状態の入力ノードに対
応した出力ノードをオンに固定する。ステップ２０３に
て、学習フェーズで得られたコネクションのウエイトに
基づいて、勝者（オンとなるノード）が決定される。連
想フェーズでは当然ウエイトの更新はせず、ステップ２
０４にて入力パターンがまだ存在すれば、同様の処理を
繰り返してその入力パターンに対応する出力パターンを
得る。
【００１６】この神経回路網の出力の例を図４の入出力
パターン対応図によって説明する。図４は、左の欄に示
す４つの入力パターンを与え、学習フェーズにてコネク
ションのウエイトを更新した後、連想フェーズにて得ら
れた出力パターンを右辺に示したものである。制限数は
４と仮定する。これより明らかなように、入力パターン
１及び４が同じ出力パターンを出力し、入力パターン２
及び３は別の同じ出力パターンを出力している。即ち、
入力パターン１，４は同じグループに、また入力パター
ン２，３はまた別の同じグループに分類されたと考えら
れる。
パターン対応図によって説明する。図４は、左の欄に示
す４つの入力パターンを与え、学習フェーズにてコネク
ションのウエイトを更新した後、連想フェーズにて得ら
れた出力パターンを右辺に示したものである。制限数は
４と仮定する。これより明らかなように、入力パターン
１及び４が同じ出力パターンを出力し、入力パターン２
及び３は別の同じ出力パターンを出力している。即ち、
入力パターン１，４は同じグループに、また入力パター
ン２，３はまた別の同じグループに分類されたと考えら
れる。
【００１７】図５が第２の発明の部品割付決定装置の一
実施例を示す動作例図である。左の欄が各プリント基板
の部品構成を表し、例えばプリント基板１は部品１，
２，３が実装されることを意味する。そしてここで考え
ているプリント基板組立機械は４つの部品フィーダーを
持っているものとする。そして、各プリント基板の部品
構成を入力パターンと考えて、第１の発明の神経回路網
に入力する。するとこのパターンは図４に与えたものと
同様であるので、学習フェーズを経て連想フェーズにお
いて図４の出力パターンと同じ結果が出力される。しか
るに、この出力パターンは組立機械の部品割付に対応し
ているので、プリント基板１と４は同じ部品割付、すな
わち部品１，２，３，４がセットされている状態で組み
立てるのがよいという結論になる。同様にプリント基板
２と３は部品１，２，４，５がセットされている状態で
組み立てるのがよいという結論になる。従って図５の右
の欄を得る。今、同じ部品割付で組み立てられるプリン
ト基板のグループを考え、部品割付の結果できたグルー
プの数が少なければ少ないほどよい部品割付と考えると
する。この競争型神経回路網による部品割付は、この意
味で必ずしも最適なものとは限らないが、競争型神経回
路網の性質として、類似の入力パターンはなるべく同一
の出力パターンにまとまる傾向を持つため、準最適の結
果を得ることができる。
実施例を示す動作例図である。左の欄が各プリント基板
の部品構成を表し、例えばプリント基板１は部品１，
２，３が実装されることを意味する。そしてここで考え
ているプリント基板組立機械は４つの部品フィーダーを
持っているものとする。そして、各プリント基板の部品
構成を入力パターンと考えて、第１の発明の神経回路網
に入力する。するとこのパターンは図４に与えたものと
同様であるので、学習フェーズを経て連想フェーズにお
いて図４の出力パターンと同じ結果が出力される。しか
るに、この出力パターンは組立機械の部品割付に対応し
ているので、プリント基板１と４は同じ部品割付、すな
わち部品１，２，３，４がセットされている状態で組み
立てるのがよいという結論になる。同様にプリント基板
２と３は部品１，２，４，５がセットされている状態で
組み立てるのがよいという結論になる。従って図５の右
の欄を得る。今、同じ部品割付で組み立てられるプリン
ト基板のグループを考え、部品割付の結果できたグルー
プの数が少なければ少ないほどよい部品割付と考えると
する。この競争型神経回路網による部品割付は、この意
味で必ずしも最適なものとは限らないが、競争型神経回
路網の性質として、類似の入力パターンはなるべく同一
の出力パターンにまとまる傾向を持つため、準最適の結
果を得ることができる。
【００１８】
【発明の効果】以上説明したように、本発明の競争型神
経回路網による部品割付決定装置を用いることにより、
従来の人間の経験に基づいたヒューリスティックスによ
る方法では難しかった準最適な部品割付を容易に得るこ
とができる。また、コンピュータプログラムを作成する
必要がないため、プログラムの知識のない人でも容易に
使用することができ、特殊なプログラムを開発する費用
も時間もかからない。
経回路網による部品割付決定装置を用いることにより、
従来の人間の経験に基づいたヒューリスティックスによ
る方法では難しかった準最適な部品割付を容易に得るこ
とができる。また、コンピュータプログラムを作成する
必要がないため、プログラムの知識のない人でも容易に
使用することができ、特殊なプログラムを開発する費用
も時間もかからない。
【図１】第１の発明の競争型神経回路網の一実施例を示
す構成図である。
す構成図である。
【図２】第１の発明の競争型神経回路網の学習フェーズ
のアルゴリズムを示すフローチャートである。
のアルゴリズムを示すフローチャートである。
【図３】第１の発明の競争型神経回路網の連想フェーズ
のアルゴリズムを示すフローチャートである。
のアルゴリズムを示すフローチャートである。
【図４】第１の発明の競争型神経回路網の入出力パター
ン対応図である。
ン対応図である。
【図５】第２の発明の部品割付決定装置の一実施例を示
す動作例図である。
す動作例図である。
１，２，３，４，５ 入力ノード ６，７，８，９，１０ 出力ノード ２０ コネクション ３０ ペナルティノード
Claims (2)
- 【請求項１】 それぞれ同数のノードを持つ入力層と出
力層から成る二層型の神経回路網において、 オン状態の入力ノードに対応する出力ノードがオン状態
に固定されるよう挙動する出力ノードと、 任意の制限数を保持し、全ての出力ノードに接続するこ
とにより出力層内でのオン状態のノードの数を一定の制
限数以下にできるペナルティノードを設けることを特徴
とする競争型神経回路網。 - 【請求項２】 請求項１記載の競争型神経回路網の入力
ノードから複数種のプリント基板の部品構成に対応さ
せ、制限数を組立機械の最大取付可能部品種類数に対応
させ、出力ノードを前記プリント基板を組み立てる機械
の部品割付に対応させることを特徴とする部品割付決定
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5207092A JPH05257918A (ja) | 1992-03-11 | 1992-03-11 | 部品割付決定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5207092A JPH05257918A (ja) | 1992-03-11 | 1992-03-11 | 部品割付決定装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05257918A true JPH05257918A (ja) | 1993-10-08 |
Family
ID=12904564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5207092A Withdrawn JPH05257918A (ja) | 1992-03-11 | 1992-03-11 | 部品割付決定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05257918A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014041640A1 (ja) * | 2012-09-12 | 2014-03-20 | 富士機械製造株式会社 | 生産順序最適化方法および生産順序最適化システム |
-
1992
- 1992-03-11 JP JP5207092A patent/JPH05257918A/ja not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014041640A1 (ja) * | 2012-09-12 | 2014-03-20 | 富士機械製造株式会社 | 生産順序最適化方法および生産順序最適化システム |
| JP5955971B2 (ja) * | 2012-09-12 | 2016-07-20 | 富士機械製造株式会社 | 生産順序最適化方法および生産順序最適化システム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Koza et al. | Genetic programming as a Darwinian invention machine | |
| US5016204A (en) | Expert system for performing diagnostic and redesign operations incorporating multiple levels of simulation detail | |
| Funabiki et al. | A neural network model for finding a near-maximum clique | |
| Takefuji et al. | Neural computing for optimization and combinatorics | |
| Anderson et al. | Reinforcement learning with modular neural networks for control | |
| Koza et al. | Genetic programming: Biologically inspired computation that creatively solves non-trivial problems | |
| JPH05257918A (ja) | 部品割付決定装置 | |
| Tsuchiya et al. | A new heuristic algorithm based on GAs for multiprocessor scheduling with task duplication | |
| Koza et al. | Automatic synthesis, placement, and routing of electrical circuits by means of genetic programming | |
| Takadama et al. | Multiagent reinforcement learning with organizational-learning oriented classifier system | |
| CN115204079A (zh) | 一种数字电路的逻辑分割方法、系统、设备和存储介质 | |
| Wennmyr | A convex hull algorithm for neural networks | |
| EP0310003B1 (en) | Element checking system for use in forward inference system | |
| Koza et al. | Searching for the impossible using genetic programming | |
| US5204941A (en) | Element checking system for use in forward inference system | |
| US6378117B1 (en) | Cellular encoding using typed development operators | |
| Tanomaru et al. | An evolutionary method for automatic wire routing | |
| Xie | Perturbation analysis of stochastic Petri nets | |
| JP2785443B2 (ja) | 並列回路シミュレーション装置 | |
| JP3006140B2 (ja) | 自動配線方式 | |
| Barua et al. | CHOFIL: A knowledge based approach to active biquad synthesis | |
| Umeyama et al. | New processor interconnection strategies for a large multi-processor system | |
| Tang et al. | A practical and efficient approach to the constrained via minimization problem | |
| Cordoro et al. | Dynamic business intelligence, automated decision making with Fuzzy Cognitive Maps | |
| Wendt et al. | The Use of Fuzzy Coloured Petri Nets for Model-ling and Simulation in Manufacturing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19990518 |