量子コンピュータ時代のプログラミングセミナー～Fixstars Amplifyで実装する生産計画最適化～（2023/05/18）

2.8K Views

May 18, 23

#量子コンピュータ #量子アニーリング #イジングマシン #組み合わせ最適化 #fmqa #python #fixstarsamplifyシリーズ #量子コンピューティング #フィックスターズ #組合せ最適化問題 #セミナー

スライド概要

量子コンピュータ時代を見据え、株式会社Fixstars Amplifyでは、量子アニーリング・イジングマシン向けクラウド基盤「Fixstars Amplify」を活用した、社会課題の解決と実業務への適用を進めています。

本セミナーはワークショップの形式で、量子アニーリング・イジングマシンの力を無料版「Fixstars Amplify」を通じて体験していただきます。今回は生産計画の最適化を、テーマとして取り扱います。

量子アニーリング・イジングマシンに興味があるエンジニアの方におすすめの内容です。pythonの基礎知識をお持ちであれば、理解できる内容となっております。

Fixstars Amplifyについてはウェブサイトをご覧ください。：　https://amplify.fixstars.com/ja/

フィックスターズグループ／セミナー一覧：　https://www.fixstars.com/ja/seminar

株式会社フィックスターズ

@fixstars

スライド一覧

フィックスターズは、コンピュータの性能を最大限に引き出すソフトウェア開発のスペシャリストです。車載、産業機器、金融、医療など、幅広い分野での開発経験があります。また、ディープラーニングや機械学習などの最先端技術にも力を入れています。並列化や最適化技術を駆使して、マルチコアCPU、GPU、FPGA、量子アニーリングマシンなど、さまざまなハードウェアでソフトウェアを高速化するサービスを提供しています。さらに、長年の経験から培ったハードウェアの知識と最適化ノウハウを活かし、高精度で高性能なアルゴリズムの開発も行っています。　　　　　　・開催セミナー一覧：https://www.fixstars.com/ja/seminar　　・技術ブログ：https://proc-cpuinfo.fixstars.com/

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

ダウンロード

ダウンロード(pdf - 5.47MB)

関連スライド

Kaggleスコアアップセミナー～画像系コンペ入門[前編]（2023/08/02）

kaggle 画像処理機械学習深層学習ディープラーニングコンペ初心者 kaggleスコアアップシリーズ

株式会社フィックスターズ 61.4K

いまさら聞けない ARM を使ったNEONの基礎と活用事例（2021/08/05）

arm neon

株式会社フィックスターズ 37K

Kaggleスコアアップセミナー～画像系コンペ入門[後編]（2023/09/26）

kaggle 画像処理機械学習ディープラーニングコンペ初心者 kaggleスコアアップシリーズ

株式会社フィックスターズ 28.7K

いまさら聞けない！CUDA高速化入門～プログラミングモデルとアーキテクチャの解説、高速化の実践～（2021/10/29）

cuda gpu cuda高速化高速化シリーズ

株式会社フィックスターズ 27.8K

ROS2自律走行実現に向けて 2 ～次世代ロボット開発フレームワークROS2のビルドシステム徹底理解～（2022/11/30）

ros2 gpu ロボット自律走行 ros2シリーズ高速化シリーズ

株式会社フィックスターズ 27.1K

CUDA高速化セミナー vol.2 ～CUDAアーキテクチャの進化～（2022/06/23）

gpu cuda cuda高速化高速化シリーズ cuda高速化シリーズ

株式会社フィックスターズ 25.8K

各ページのテキスト

本セミナーのゴール  身の回りには組合せ最適化問題がたくさんあることを知る  組合せ最適化問題を解くための専用マシン（イジングマシン）があることを知り、イジングマシンを使って問題を解くための統一的なフレームワークや、問題設定の考え方、目的関数や制約条件の定式化のポイントを理解する  ワークショップを通して、実際に量子アニーリング・イジングマシンを動かしてみることで、実問題への適用の足掛かりを得る質問は随時ZoomのチャットかQ&Aでお願いします Copyright© Fixstars Group 5

フィックスターズの基本情報会社名株式会社フィックスターズ本社所在地東京都港区芝浦3-1-1 msb Tamachi 田町ステーションタワーN 28階設立 2002年8月資本金 5億5,446万円社員数（連結） 263名（2022年9月現在）キオクシア株式会社ルネサスエレクトロニクス株式会社上場区分東証プライム（証券コード：3687）代表取締役社長三木聡主なお客様トヨタグループ（トヨタ自動車株式会社・豊田通商株式会社・株式会社デンソー）みずほ証券株式会社キヤノン株式会社グループ会社 Fixstars Solutions, Inc. 2021/10/1 設立完全子会社米国での営業及び開発を担当 (株)Fixstars Autonomous Technologies 株式会社ネクスティエレクトロニクスとのJV 自動運転向けソフトウェアを開発 (株)Fixstars Amplify (株)Sider (株)Smart Opinion オスカーテクノロジー(株) 連結子会社乳がんAI画像診断支援事業を運営連結子会社ソフトウェア自動並列化サービスを提供完全子会社開発支援SaaS「Sider」を運営 Copyright© Fixstars Group 完全子会社量子コンピューティングのクラウド事業を運営 7

フィックスターズの強みコンピュータの性能を最大限に引き出す、ソフトウェア高速化のエキスパート集団ハードウェアの知見目的の製品に最適なハードウェアを見抜き、その性能をフル活用するソフトウェアを開発します。アルゴリズム実装力各産業・研究分野の知見ハードウェアの特徴と製品要求仕様に合わせて、アルゴリズムを改良して高速化を実現します。開発したい製品に使える技術を見抜き、実際に動作する実装までトータルにサポートします。 Copyright© Fixstars Group 9

フィックスターズの量子技術への取り組み次世代技術を先取りし今ある課題の解決を目指す 2021年 • 2月: 量子アニーリングクラウドサービス「Fixstars 2019年 Amplify」提供開始 SIPの研究開発に参画 • 10月: 子会社Fixstars 「光・量子を活用した Amplifyを設立 Society 5.0実現化技術：光電子情報処理」 • 11月: Q-STAR 量子技術 2018年による新産業創出協議会 NEDOのプロジェクトに特別会員として加入に採択「イジングマシン共通ソフトウェア基盤の研究開発」 2022年 • 5月: Fixstars Amplify が Gurobi, IBM-Quantumをサポート • 6月: 東洋経済主催シンポジウム「ビジネスを劇的に変える量子コンピューティングの可能性」に登壇 • 7月: 累計実行回数1,000万回突破 2017年日本で初めて D-Wave Systems 社と提携 Copyright© Fixstars Group 10

10.

産業界との連携による社会実装の促進 Q-STAR 量子技術による新産業創出協議会量子関連の産業・ビジネスの創出を目的として設立された協議会東洋経済主催シンポジウム「ビジネスを劇的に変える量子コンピューティングの可能性」にCEO平岡が登壇しました代表取締役社長代表取締役会長平岡が参加三木が参加モデレーター九州大学藤澤克樹教授画像：FixstarsCorporation youtubeチャンネルより https://www.youtube.com/watch?v=uS-_BZqvqUo パネリストロート製薬株式会社代表取締役会長山田邦雄氏株式会社東芝代表執行役社長CEO 島田太郎氏株式会社Fixstars Amplify 代表取締役社長平岡卓爾出展：一般社団法人量子技術による新産業創出協議会 https://qstar.jp/ 本セッションは、東洋経済オンライン並びに同社YouTubeで公開されています。東洋経済オンライン記事：https://toyokeizai.net/articles/-/583900 Copyright© Fixstars Group 11

11.

量子コンピューティング事業多様なハードウェアでのソフトウェア高速化サービスに加え、量子コンピュータ活用支援とシステム開発を提供しています。お客様の課題ご支援内容量子コンピューティングが課題の解決に役立つか確信が持てないセミナー・トレーニング量子コンピュータの研究動向や活用事例、実際の利用方法等クラウド実行環境のご提供量子コンピューティングの検討をどう進めたらクラウド経由での量子コンピュータ利用サービスを提供良いかわからないコンサルティングセットアップ支援、処理の分割や変換等のコンサル作りたいアプリケーションがあるが、開発がソフトウェア高速化・開発支援サービス難しい量子コンピュータを組み合わせてシステムの高速化を実現 Copyright© Fixstars Group 12

12.

13.

14.

組合せ最適化問題を解く統一的なフレームワーク問題設定定式化膨大な解候補（組合せ）から最適解を選ぶ組合せ最適化問題の例・解候補一つ一つの計算は可能・候補数が膨大ですべての解候補を計算できない目的関数: これを最小化（最大化）する解が最適制約条件: 解が必ず満たすべき条件数式で表現バイキングで最も安く必要な栄養が取れる組合せは？ (10g単位) 炭水化物タンパク質脂質金額ごはん 8g 1g 1g 10円パン 7g 1g 2g 12円ハンバーグ 1g 5g 4g 50円焼き魚 1g 8g 1g 35円目的関数: 合計金額（最小化）実装解を取得数式をPythonのプログラムで記述制約条件: Fixstars Amplifyが最適解を探索最適メニュー Copyright© Fixstars Group 炭水化物：300g以上タンパク質：150g以上脂質：50g以上ごはん：380g 焼き魚：140g 金額：870円 15

15.

組合せ最適化の取り組み事例シフト作成自動化生産計画最適化経路指示リアルタイム制御人の直観で時間をかけて行っていた生産ラインや物流倉庫の業務シフト作成を、スキルや勤務時間などの条件をもとに最適化します製造工場の設備の利用割り当て (ジョブショップスケジューリング) を、納期や段取り時間などを考慮して最適化します倉庫を走行する多数の搬送ロボット (AGV) が効率よく動作するよう、最適経路だけでなく迂回や交差点での待機などリアルタイムに指示します 4/13のセミナーのテーマ本日のセミナーのテーマ 3/16のセミナーのテーマ Copyright© Fixstars Group 16

16.

最適配置自動化サービス（物流梱包業務のDX） https://www.fixstars.com/ja/services/cases/amplify-bellemaison 業務内容：梱包業務担当者（１チーム３名）をコンベア前のブースに割り当て従来の方法：前日夕方に、翌日の予測出荷目標数と出勤予定に基づいて、３人程度のリーダーが相談し数時間をかけて決定課題：公平になるよう、様々な配慮を行う必要があり、割り当て担当者に心理的負担がかかっていた成果：  2022年10月より実稼働開始！アニーリング技術を活用して自動化・デジタル化 • 作業時間  15分程度に • 心理負担  ほぼゼロに梱包効率最大化チーム 3名上流下流ローテーション公平感勤務時間が近い相性 Good /NG 国家プロジェクトSIP「光・量子を活用したSociety 5.0実現化技術」の一環として、住友商事、SCSK、ベルメゾンロジスコと、 2019年より共同研究 Copyright© Fixstars Group 手動配置一部事前配置自動配置結果の微調整自動配置（アニーリング）各種条件を満たす形で未配置のメンバーを一括割り当て割当業務の時間削減担当者の心理的負担低減配置情報のデジタル化 Smileboard Connectと連携 ※Smileboard Connect: 住友商事様開発の物流業務可視化サービス

https://www.fixstars.com/ja/services/cases/amplify-bellemaison

17.

生産計画最適化 (電気機器製造メーカー A社様) 複数の製品事業部から様々なプリント基板の注文を受け、生産を行う部門課題生産する基板に応じて製造装置の部品や材料を交換する「段取り時間」が必要。段取り時間を考慮した効率的な生産スケジュールを作成したい従来は、専任者が、一日数回・毎回数十分かけて経験に基づいてスケジュールを作成。更なる生産性向上やノウハウ継承のため、生産スケジュール作成の自動化に着手段取り時間装置1 A A 装置2 B B B C E B B 段取り時間装置x 効果 B 段取り時間 E D 生産スケジュール作成の時間・コストの大幅な削減！ (一日あたり数時間 → 数分) 段取りのための製造装置の停止回数の削減！ (10%以上削減) 最適化未経験のご担当者様1人がプログラム試作開始から約1～2ヵ月間取り組んでこの効果を実現現在は試作段階で、実運用に向けてモデルを改良中！次期フェーズでは、Amplify の活用領域の拡大を検討中！ Copyright© Fixstars Group 18

18.

Amplify を活用した研究事例大学量子アニーリング/イジングマシンに関する研究応用研究研究室論文タイトル早稲田大学戸川研究室イジングマシンによる制約付きグラフ彩色問題の彩色数最小化手法 (リンク) 東京大学 Prof. Codognet Modeling the Costas Array Problem in QUBO for Quantum Annealing (リンク) 名古屋大学片桐研究室 Amplifyを用いたCMOSアニーリングマシンの特性の分析 (リンク) 東北大学小松研究室組み合わせクラスタリングによるアニーリングマシンの評価 (リンク) 慶應大学村松研究室東京大学長谷川研究室会津大学小平研究室 (LSI設計) シミュレーテッド量子アニーリングを用いたマスク最適化手法 (リンク) 山梨大学鈴木研究室 (情報工学) 量子アニーリングによる疎行列直接解法向けフィルイン削減オーダリング (リンク) 京都大学野田研究室 (電子工学) 量子アニーリングを活用したフォトニック結晶レーザーの構造最適化 (リンク) 東京大学津田研究室 (MI) Designing metamaterials with quantum annealing and factorization machines (リンク) (材料工学) (量子ゲート) Phase-fieldモデルの量子アニーリングシミュレータ (リンク) ISAAQ:イジングマシンを活用した量子コンパイラ (リンク) Copyright© Fixstars Group 19

19.

https://amplify.fixstars.com/ja/news/interview/nextgen-analysis

20.

https://amplify.fixstars.com/ja/news/media

21.

22.

量子コンピュータとその周辺 1. 量子コンピュータ 2.イジングマシン二値二次多項式模型量子ゲート方式古典汎用コンピュータの上位互換。量子力学の重ね合わせ状態を制御する量子ゲートを操作し、特定の問題を汎用的かつ高速に処理する。 1 2 量子コンピュータ IBM/Google/Rigetti/IonQ イジングマシン 3 富士通/日立/東芝/Fixstars 二次の多変数多項式で表される目的関数の最適化問題 (QUBO) を扱う専用マシン。変数は0,1または ±1。統計物理学におけるイジング模型 (磁性体の性質を表す模型) に由来。様々な実装により実現されている。量子アニーリング D-Wave/NEC 3.量子アニーリング方式量子焼きなまし法イジングマシンの一種であり、量子焼きなまし法の原理に基づいて動作する。量子イジング模型を物理的に搭載したプロセッサで実現する。自然計算により低エネルギー状態が出力される。 Copyright© Fixstars Group Amplify AE 23

23.

クラウドサービス: Fixstars Amplify  量子コンピューティングを想定したシステム開発・運用のクラウドプラットフォーム  量子コンピュータや独自開発のGPUアニーリングマシンなど、組合せ最適化問題の専用マシンを効率的に実行できる https://amplify.fixstars.com/ja/ サービス概要  SDKをインストールするだけです簡単ぐに使える (pip install amplify)  ハードウェアの専門知識不要でアプリケーションが開発できる  すべての量子アニーリング/イジンポータブル  評価・検証用途には開発環境と実行適用分野 (一例) ・・・金融物流  グマシンに対応 Fixstarsの26万ビット級のアニーリングマシン実行環境も利用可能始めやすいライフサイエンス Copyright© Fixstars Group 環境が無償で利用可能  多くのチュートリアル、サンプルコードを整備・拡充 24

https://amplify.fixstars.com/ja/

24.

二次計画問題 • 最適化問題の分類 • 組合せ最適化問題 • • 決定変数が離散値 (整数など) • • 整数計画問題 (決定変数が整数) 0-1整数計画問題 (決定変数が二値) 連続最適化問題 • • • 量子アニーリング・イジングマシン Quadratic 二次形式 Unconstrained 制約条件なし Binary Optimization 0-1整数 (二値) 計画決定変数が連続値 (実数など) QUBO模型 (0-1整数二次計画問題) 評価値 (目的関数) 𝑓𝑓 = � 𝑄𝑄𝑖𝑖𝑖𝑖 𝑞𝑞𝑖𝑖 𝑞𝑞𝑗𝑗 + � 𝑄𝑄𝑖𝑖𝑖𝑖 𝑞𝑞𝑖𝑖 𝑖𝑖<𝑗𝑗 𝑖𝑖 𝑞𝑞𝑖𝑖 ∈ 0,1 or 𝑞𝑞𝑖𝑖 ∈ ±1 決定変数 (出力・変数) 問題設定 (入力・定数) Copyright© Fixstars Group 25

25.

イジングマシンの実行手順 1. 数理モデル検討解きたい課題の「目的関数」「決定変数」「制約条件」を検討する 2. QUBO定式化「 2値決定変数+二次形式」で「目的関数」と「決定変数」を記述 (変換) する「制約条件」は直接扱えないので「ペナルティ関数」で表現する (論理) 3. QUBO定式化 (物理) 各マシンの仕様や制限に準拠した形式にQUBO模型を変換する (例: 二次項に制約がある場合は「グラフマイナー埋め込み」問題を解く) SWによる支援と自動化 4. 入力データの準備各マシンのSDKやAPI仕様に合わせてQUBO模型 (物理) をデータ化する 5. マシンの実行マシンを実行して出力の変数値やエネルギー値(コスト値)を解析する上記の逆の手順を辿り解きたい課題の「決定変数」を解釈する Copyright© Fixstars Group 26

26.

27.

Fixstars Amplify クラウドの構成アプリケーション組合せ最適化問題を含むアプリケーションは Amplify SDK を用いることで効率的かつ簡便に組合せ最適化の定式化が可能評価・検証ではAmplifyクラウドは無償提供されるため直ぐに開発をスタートできる Amplify SDK 組合せ最適化問題の定式化やマシンを高度に操るための最先端の技術や知見をライブラリ化したシンプルなインターフェースを提供専門知識が不要で量子アニーリングイジングマシンを用いた最適化エンジンの開発に取り組める量子アニーリング・イジングマシン (Amplify AE) Amplify クラウドが量子アニーリングマシン・イジングマシンの大規模実行環境を提供 Amplify SDK で書かれた最適化エンジンは他社製も含め全ての商用イジングマシンで実行可能 Copyright© Fixstars Group 28

28.

29.

Fixstars Amplify による課題解決  イジングマシンのための革新的な開発環境簡単多くのマシンに対応  SDKをインストールするだけですぐに使える (pip install amplify)  進化の早いマシンの発展に追従すべての量子アニーリング/ イジングマシンに対応  ハードウェアの専門知識不要でアプリケーションが開発できる  26万ビット級のアニーリングマシン実行環境が利用可能始めやすい  評価・検証用途には開発環境と実行環境が無償で利用可能  多くのチュートリアル、サンプルコードを整備・拡充多くの人が始めやすい開発プラットフォームを無料で提供 https://amplify.fixstars.com Copyright© Fixstars Group 30

https://amplify.fixstars.com/

30.

31.

32.

33.

34.

Amplify Annealing Engine  NVIDIA GPU V100/A100 で動作 • 独自の並列化シミュレーテッドアニーリングアルゴリズム  WEB経由で計算機能を提供 • 社会課題への取り組み・PoC・検証が加速 • Amplify SDK の実装を直ぐに実行可能  商用マシンでは最大規模かつ最高速レベル • 128Kビット (全結合) / 256Kビット超 (疎結合) Amplify Amplify Cloud Cloud Copyright© Fixstars Group 35

35.

36.

37.

https://amplify.fixstars.com/ja/demo

38.

39.

https://amplify.fixstars.com/ja/pricing

40.

セミナー・トレーニングのご紹介 https://amplify.fixstars.com/ja/news/seminar お客様の実際の課題解決をご支援するために、無料セミナーや有償トレーニングを提供しています。無料セミナー・ワークショップビジネス向け、エンジニア向けに分けて開催しています！企業向けプライベートトレーニングお客様が抱える実際の課題やデータを使ったカスタムメイドのトレーニングです！ Copyright© Fixstars Group 41

https://amplify.fixstars.com/ja/news/seminar

41.

42.

ワークショップの事前準備 (1)  ご自身のPC (ブラウザ上) でPythonプログラミングを行います。Google colaboratoryを使うので、事前にログイン出来ることを確認をお願いします (Googleアカウントが必要です) ■ https://colab.research.google.com/  Fixstars Amplifyホームページのサインアップよりユーザ登録の上、無料トークンの取得をお願いします (1分で終わります) ■ https://amplify.fixstars.com/ja/register Copyright© Fixstars Group 43

43.

ワークショップの事前準備 (2)  入手いただいたAmplifyのトークンを用いて、以下のURLにあるサンプルコードが動くか確認をお願いします。サンプルコードは閲覧のみ可能ですので「ドライブにコピー」の上、ご自身のトークンを入力し、Shift+Enterで実行をしてください (警告が出る場合がありますが、「このまま実行」を選択下さい)  https://colab.research.google.com/drive/1evYBKqKfVrEzrQOa-SWwciROfvqjL8qm?usp=sharing この部分に、ご自身のトークン番号(32桁)を入力の上、Shift+Enterで実行下さい。ご自身のトークン番号は、Amplify HPよりご確認いただけますアクセストークン  ご自身のトークンを入力の上、2つのセルをShift+Enterで実行し、以下の結果が出力されればOKです Copyright© Fixstars Group 44

https://colab.research.google.com/drive/1evYBKqKfVrEzrQOa-SWwciROfvqjL8qm?usp=sharing

44.

ワークショップの事前準備 (3)   ワークショップで使うサンプルコードを以下のURLより取得して下さいそれぞれのサンプルコードにご自身のトークンを入力いただく必要があります。それぞれのサンプルコードを「ドライブにコピー」の上、トークンを入力し実行して下さい  サンプルコード Step1 https://colab.research.google.com/drive/1oAaEPnj5F71jnQ3_ELOI4NCe6im6luw#scrollTo=ubFqJ2XEL76u Step2 https://colab.research.google.com/drive/171migOXlXlhXWhZ4uAhCW2WjJ5Vmaqn9#scrollTo= seeNN5uEK52D Step3 https://colab.research.google.com/drive/1fqZn0Jz8JdzgCmpml2DWguUIuZOwNxEm#scrollTo= dNtZPM-jJetC 質問は随時、Zoomのチャットか Q&A でお願いします。対応可能なメンバーが対応致します。 Copyright© Fixstars Group 45

45.

46.

生産計画最適化【問題】10台の製造装置を使い4種の製品を合計100個作りたい。製造する品種を変更するには、部品の交換するための段取り時間が必要。全数の生産が完了するまでの時間を最短にするには、どの製品を、どの製造装置で、どういう順番で製造するのが最適か装置0 装置1 A B A B A B A B 製造装置 10台段取り時間装置9 B 段取り時間段取り時間 C D A 4品種、合計100個品種製品数処理時間 (時間/ロット) A 30 2時間 B 10 3時間 C 40 1時間 D 20 1時間段取り時間 A→A 0時間 B→A 2時間 C→A 1時間 D→A 2時間段取り時間がかかるから、同じ品種の製品をできるだけまとめて生産したら良さそうだけど、全部はできないし、どうするのが一番いいんだろう・・・ Copyright© Fixstars Group 47

47.

48.

ワークショップ: 問題設定 3台の製造装置で3品種、合計45個の生産計画を作成します。各品種の生産台数、生産時間、及び、生産する品種を交換する際に生じる段取り時間は以下の通りです。全ての製品の生産ができるだけ早く完了するよう、生産にかかる総所要時間 (各製品の生産完了までにかかる所要時間の合計) が少なく、総段取り時間も少ない、バランスの取れた生産計画の作成を目指します。全てを一度にやるのは難しいので3つのステップに分けてアルゴリズムを作成します A: ?個 B: ?個 C: ?個 A: ?個 B: ?個 C: ?個 A: ?個 B: ?個 C: ?個 Copyright© Fixstars Group 装置1 装置2 装置3 49

49.

ワークショップ: 3 Step 3台の製造装置で3品種、合計45個の生産計画を作成します。各品種の生産台数、生産時間、及び、生産する品種を交換する際に生じる段取り時間は以下の通りです。全ての製品の生産ができるだけ早く完了するよう、生産にかかる総所要時間 (各製品の生産完了までにかかる所要時間の合計) が少なく、総段取り時間も少ない、バランスの取れた生産計画の作成を目指します。全てを一度にやるのは難しいので3つのステップに分けてアルゴリズムを作成します Step1 まず、2つの制約を守るだけのアルゴリズムを作ります制約➀: 各装置が同時に作れるのは1品種のみ制約②: 各品種の合計生産数が予定数通り解の候補多数あり Step2 Step1に「総所要時間の最小化」という目的➀を追加し、複数の解の候補から目的➀を実現する解を求めるアルゴリズムを作ります Step3 Step2に「総段取り時間の最小化」という目的②を追加して、目的➀と目的②を同時に実現するアルゴリズムを作ります Copyright© Fixstars Group 50

50.

51.

まず、2つの制約を守るだけのアルゴリズムを作ります Step1 制約➀: 各装置が同時に作れるのは1品種のみ制約②: 各品種の合計生産数が予定数通り決定変数の準備 1つの装置で全製品を生産する可能性があるので最大45個のスロットを用意得られる解の例イジングマシンで最適な(0,1)の組合せを探すあ装置ごとに4品種 (A~C+ダミー) BinaryPoly型 (3×45×4) = 540 [qbit] 1は割当、0は非割当を表す実装装置#2では最初に製品Cを作る ※ 説明の都合上、ダミー製品が後ろに並ぶような図となっていますが、実際は前に並ぶよう定式化しています。決定変数 Copyright© Fixstars Group 52

52.

Step1 まず、2つの制約を守るだけのアルゴリズムを作ります制約➀: 各装置が同時に作れるのは1品種のみ制約②: 各品種の合計生産数が予定数通り定式化 equal_to one_hot one_hot one_hot one_hot 制約➀: 各装置が同時に作れるのは1品種のみ → one_hot制約合計 4 � 𝑞𝑞𝑚𝑚,𝑖𝑖,𝑡𝑡 = 1 𝑡𝑡=1 制約②: 各品種の合計生産数が予定数通り → equal_to制約 (等式制約) 3 45 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝_𝑛𝑛𝑛𝑛𝑛𝑛𝑡𝑡 = � � 𝑞𝑞𝑚𝑚,𝑖𝑖,𝑡𝑡 𝑚𝑚=1 𝑖𝑖=1 Copyright© Fixstars Group 53

53.

https://amplify.fixstars.com/ja/demo

54.

Step1 まず、2つの制約を守るだけのアルゴリズムを作ります制約➀: 各装置が同時に作れるのは1品種のみ制約②: 各品種の合計生産数が予定数通り求解 Amplify AE • modelに格納してマシンに投げます • 制約条件だけを与えた場合、制約条件を満たす解を探してきてくれます無料版は1ジョブ10秒まで設定可。有料版では1分まで設定可能 Copyright© Fixstars Group 55

55.

56.

57.

Step2 Step1に「総所要時間の最小化」という目的➀を追加し、複数の解の候補から目的➀を実現する解を求めるアルゴリズムを作りますこのステップでは、各製品の生産時間のみに着目し、総所要時間の最小化を目指します (目的➀)。総所要時間は、各製品の生産完了までにかかる所要時間の合計としていますので、同じ製品を作る場合でも、生産する順番によって総所要時間の合計は変わります (完成品をできるだけ早く製造する計画を作る前提です) 。各製品の生産時間例1 3 2 1 総所要時間 (各製品の生産完了までにかかる所要時間の合計) = 1番目の所要時間 + 2番目の所要時間 + 3番目の所要時間 = 3 + (3+2) + (3+2+1) = 3*3 + 2*2 + 1*1 = 14 1番目の製品の生産完了までにかかる所要時間 2番目の製品の生産完了までにかかる所要時間 3番目の製品の生産完了までにかかる所要時間例2 総所要時間 = 1 + (1+2) + (1+2+3) = 1*3 + 2*2 + 3*1 = 10 今回のワークショップではこちらを目指します 1 2 定式化総所要時間の最小化 3 45 4 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = � � � 𝑎𝑎𝑖𝑖 � 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝_𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 � 𝑞𝑞𝑚𝑚,𝑖𝑖,𝑡𝑡 （ 𝑚𝑚=1 𝑖𝑖=1 𝑡𝑡=1 𝑎𝑎𝑖𝑖 は順序係数を表す (N+1-i, N=45)) 決定変数 3 1番目の製品の生産完了までにかかる所要時間 2番目の製品の生産完了までにかかる所要時間 3番目の製品の生産完了までにかかる所要時間 Copyright© Fixstars Group 赤字部分を順序係数と呼んでいます 58

58.

Step2 Step1に「総所要時間の最小化」という目的➀を追加し、複数の解の候補から目的➀を実現する解を求めるアルゴリズムを作ります実装 : 追加コード・・・イジングマシンは、この objectiveの値が最小になる組合せを探します制約条件には適切な値の重みを設定する必要があります。【補足】制約条件の取り扱いに関する詳細は、こちらにあるチュートリアルも合わせてご参照下さい https://amplify.fixstars.com/ja/demo Copyright© Fixstars Group 59

https://amplify.fixstars.com/ja/demo

59.

60.

Step2に「総段取り時間の最小化」という目的②を追加して、目的➀と目的②を同時に実現するアルゴリズムを作ります Step3 段取り時間例1 1 例2 4 総段取り時間 = 1 + (1 + 4) = 1*2+4*1 =6 今回のワークショップではこちらを目指します定式化 3 45 4 4 1 総段取り時間 = 4 + (4 + 1) = 4*2+1*1 =9 赤字部分を順序係数と呼びます 4 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 = � � � � 𝑎𝑎𝑖𝑖 � 𝑠𝑠𝑠𝑠_𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑓𝑓𝑓𝑓,𝑡𝑡𝑡𝑡 � 𝑞𝑞𝑚𝑚,𝑖𝑖−1,𝑓𝑓𝑓𝑓 � 𝑞𝑞𝑚𝑚,𝑖𝑖,𝑡𝑡𝑡𝑡 （ 𝑚𝑚=1 𝑖𝑖=2 𝑓𝑓𝑟𝑟=1 𝑡𝑡𝑜𝑜=1 𝑎𝑎𝑖𝑖 は順序係数を表す (N-i, N=45)) 決定変数同士の積 (二次の項) Copyright© Fixstars Group 61

61.

62.

63.

64.

組み合わせ最適化による身の回りの課題解決  身の回りには組合せ最適化問題がたくさんあることを知る  組合せ最適化問題を解くための専用マシン（イジングマシン）があることを知り、イジングマシンを使って問題を解くための統一的なフレームワークや、問題設定の考え方、目的関数や制約条件の定式化のポイントを理解する  ワークショップを通して、実際に量子アニーリング・イジングマシンを動かしてみることで、実問題への適用の足掛かりを得る組み合わせ最適化が役立ちそうな身の回りや業務上の課題は、どのようなものがあるでしょう？ Copyright© Fixstars Group 65

65.

発展課題課題1 各品種の生産時間と段取り時間をそれぞれ10倍の値とした場合に、ワークショップと同じ目的を実現する最適な生産計画を作成して下さい (生産時間と段取り時間の値を変えるだけだと解は求まりません) 課題2 追加！工場の生産能力向上のため、新しい製造装置を1台導入することになりましたが、その製造装置は、特殊な加工器具を要する品種 Bを製造することはできません。この状況を考慮し、ワークショップと同じ目的を実現する最適な生産計画を作成して下さい Copyright© Fixstars Group A: ?個 B: 0個 C: ?個製造装置4 66

66.

https://amplify.fixstars.com/ja/docs/

67.

今後のセミナーのご案内今後も無料セミナーを開催します！第二部からの参加も可能です 2023/6/15 (木) 「ブラックボックス最適化」 2023/7/13 (木) 「搬送経路最適化」 2023/8/10 (木) 「シフト最適化」第一部 14:00 - 14:35 • フィックスターズの紹介 • 組合せ最適化問題・イジングマシンの紹介 • Fixstars Amplifyの紹介第一部 14:00 - 14:45 • フィックスターズの紹介 • 組合せ最適化問題・イジングマシンの紹介 • Fixstars Amplifyの紹介第一部 14:00 - 14:45 • フィックスターズの紹介 • 組合せ最適化問題・イジングマシンの紹介 • Fixstars Amplifyの紹介第二部 14:40 - 16:00 • Fixstars Amplifyを用いた「ブラックボックス最適化」のワークショップ • Q&A 第二部 14:50 - 16:00 • Fixstars Amplifyを用いた「生産計画最適化」のワークショップ • Q&A 第二部 14:50 - 16:00 • Fixstars Amplifyを用いた「シフト最適化」のワークショップ • Q&A ご質問・ご不明点は問合せフォームでご連絡下さい https://amplify.fixstars.com/ja/contact Copyright© Fixstars Group 68

https://amplify.fixstars.com/ja/contact

68.

量子コンピュータ時代のプログラミングセミナー ～Fixstars Amplifyで実装する生産計画最適化～（2023/05/18）