WITNESSはシミュレーションでさまざまなプロセスを再現し、設備投資や運用ルール決定などに関する判断の最適化を支援します。
豊富なエレメントと制御オプション
豊富なエレメントと制御オプションが用意されており、それらを組み合わせることですばやく様々な設備やプロセスを表現するモデルを作成する事ができます。
モデルのモジュール化機能
モデルをモジュールにまとめて階層化したり、モジュールを外部ファイルに出力することができます。この機能を使って工程をグループ分けして階層構造で表現すると、多数の工程を表すモデルでもわかりやすく整理することができます。また、モデルの一部をモジュールとして保存しておき、それを別のモデルから読み込めばモジュールを新たなモデルの部品として再利用することが可能です。
コストや、その他の単位による結果評価
各工程のコストや出荷数に応じた収入を設定することで、プロセス全体の収支金額を計算することができます。 また、金額以外にもエネルギーの消費量やCO2排出量、水の使用量など、任意の単位を設定してプロセス全体での消費量(入る量)や排出量(出る量)を計算することができ、環境負荷と費用のバランスを評価することができます。
レポート機能
ボタンを押すだけで簡単に出荷数や稼働率、行列の長さなど様々な統計量を表やグラフに表示することができます。
実験および最適化機能
作業者や設備の数や速度など、様々なパラメータを変えながら自動的にモデルを繰り返し実行して実験することが可能です。また、最適化オプションEXPERIMENTERを利用すると、任意の目的関数に対してパラメータの最適化を行う事が可能です。結果は、自動的に表やグラフに出力され、タブを選択するだけでそれらを確認することができます。これらの機能は画面から操作して使うことができますが、VB等のプログラムからAPIコントロールすることも可能です。
![]() |
![]() |
【最適化方法】
適応型温度制御 | : | 焼きなまし法(Simulated Annealing)により、解空間の効率的な探索を行う |
最小/中央/最大 | : | 最小値・中間値・最大値を基にした、シンプルな評価を行う |
山登り法 | : | ある地点から始めて、それ以上よい解がなくなるまで探索を行う |
ランダム | : | ランダムな組み合わせによる探索を行う |
全解探索 | : | すべての組み合わせの探索を行う |
シックスシグマ | : | 変更パラメータ数を制限しながら探索を行う |
![]() |
![]() |
3次元表示
「Quick3D」という機能を使うと、ボタン一つでモデルを立体的に表示することができます。また、予め登録されている3Dオブジェクトライブラリを使って形を変えることができるほか、形状の向きや高さ、材質の変更、床の高さや模様の変更などができます。このライブラリにユーザオリジナルの形状を追加することも可能です。
他のシステムとの接続
CAD図面やBMP、EMF等の形式の画像ファイルをインポートして画面に表示することができます。また、テキストファイルやExcelファイル形式でデータを入出力できるほか、OracleやSQL Server、Accessといったデータベースとの接続が可能です。またVBAやC#などのプログラムからWITNESSをコントロールすることができるツールSIMBAもあります。
WITNESSとAI技術との連携取組み事例

WITNESSでは、外部アプリケーションとのリンク機能により、MS-Excel、Python、Visual Basic等で独自の入出力インターフェースを作成し、WITNESSをシミュレーションエンジンとして利用することができます。
このWITNESSとPythonのリンク機能を使用したAI技術の取組み事例をいくつかご紹介します。
[お客様事例]
機械学習とシミュレーションの融合技術による最適パラメータの自動推定
国立研究開発法人産業技術総合研究所様より、少ないデータから実データを自動で精度よく再現可能なWITNESS等のシミュレーションパラメタを推定する技術について2018年WITNESSシミュレーションカンファレンスにてご発表いただきました。
WITNESSシミュレーションカンファレンス2018の情報はこちら。
パラメータ推定技術の詳細はこちら。
デジタル技術に関連する研究開発及び受託研究、コンサルティング、投資などの事業を行っているBIRD INITIATIVE株式会社でもWITNESSを利用いただいております。シミュレーションと機械学習の技術を用いることでWITNESSのモデルを自動生成することも可能に!?
[CTC事例]
シミュレータ上に構築した仮想的な生産・物流プロセスを使ってAIの強化学習およびその検証を行う
フレームワークを開発
WITNESSで作成した仮想生産プロセスモデルを使用し、AIの強化学習を行うフレームワークを開発しました。
このフレームワークは一部変更を加えるだけで強化学習済みモデルの検証も可能です。

(強化学習プログラムはPython等のWITNESSと通信可能なプログラミング言語で実装)

(強化学習プログラムはPython等のWITNESSと通信可能なプログラミング言語で実装)
今回のフレームワークを用いてAGV(自動搬送機)への荷物の運搬指示をAIに学習させ、検証した
例:
Edgecross基本ソフトウェア対応製品
WITNESSは、製造現場とIT間のオープンソフトウェアプラットフォームEdgecrossの対応認定製品です。Edgecross基本ソフトウェアとヒストリカルデータアクセスで連携するエッジアプリケーションです。

Edgecrossで収集した生産現場のデータをWITNESSで作成したシミュレーションモデルの入力値にすることによって、必要データ収集の手間が省け、高精度のシミュレーションが可能になったり、見えなかったアナログデータを用いたシミュレーションが可能になります。