CN109074051B - 质量管理装置、质量管理方法及记录介质 - Google Patents
质量管理装置、质量管理方法及记录介质 Download PDFInfo
- Publication number
- CN109074051B CN109074051B CN201680081876.0A CN201680081876A CN109074051B CN 109074051 B CN109074051 B CN 109074051B CN 201680081876 A CN201680081876 A CN 201680081876A CN 109074051 B CN109074051 B CN 109074051B
- Authority
- CN
- China
- Prior art keywords
- value
- measurement
- determination reference
- quality
- determination
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims description 29
- 238000005259 measurement Methods 0.000 claims abstract description 213
- 238000003908 quality control method Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000000611 regression analysis Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims description 160
- 230000008569 process Effects 0.000 claims description 149
- 238000007689 inspection Methods 0.000 claims description 104
- 238000004519 manufacturing process Methods 0.000 claims description 64
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000047 product Substances 0.000 description 60
- 238000003860 storage Methods 0.000 description 46
- 230000002950 deficient Effects 0.000 description 27
- 230000002787 reinforcement Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 21
- 238000009826 distribution Methods 0.000 description 17
- 238000013500 data storage Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000011144 upstream manufacturing Methods 0.000 description 13
- 230000010365 information processing Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 239000013067 intermediate product Substances 0.000 description 5
- 102100035353 Cyclin-dependent kinase 2-associated protein 1 Human genes 0.000 description 3
- 102100029860 Suppressor of tumorigenicity 20 protein Human genes 0.000 description 3
- 101000585359 Homo sapiens Suppressor of tumorigenicity 20 protein Proteins 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000011143 downstream manufacturing Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 1
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 101000661807 Homo sapiens Suppressor of tumorigenicity 14 protein Proteins 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012495 reaction gas Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/146—Quality control systems during manufacturing process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32194—Quality prediction
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
质量管理装置(20)具有:回归分析部(33),其根据从前道工序取得的测定值及从后道工序取得的比较用测定值计算回归式;余量判定部(34),其将规定该前道工序中的判定基准范围的判定基准值代入到该回归式的解释变量中计算预测值,将该预测值与后道工序中的比较用判定基准范围进行比较,判定测定值是否被容许;以及基准值计算部(35),其根据该判定结果计算应替代判定基准值的新的判定基准值。
Description
技术领域
本发明涉及包括多个工序的制造工艺中的质量管理技术,特别涉及针对构成制造工艺的检查工序使用的质量管理技术。
背景技术
在工厂中往往通过具有多个工序的制造工艺来制造产品。在这样的制造工艺中,从上游的工序朝向下游的工序顺序地执行各种处理(例如,每个工序的部件的组装或者部件的加工)。并且,在这样的制造工艺中有时设有检查工序,以便判定中间制造物或者产品(最终制造物)的质量合格与否。在检查工序中,使用传感器等测定器计测例如示出中间制造物或者产品的状态的测定值(例如,厚度等尺寸或者电气特性值)。并且,如果该测定值满足预先设定的判定基准,则进行质量良好的判定,如果该测定值不满足该判定基准,则进行质量不良的判定。被判定为质量不良的制造物(下面也称为“不合格品”)暂且被从生产线上取下,在实施了校正等调整后,被再次投放到生产线中或者被废弃。判定基准例如能够由该制造工艺的设计者或者管理者根据自己的过去经验或者设计知识进行设定。
另一方面,也存在如专利文献1(日本特开2009-99960号公报)所公开的那样利用多重回归分析的统计手法来判定质量合格与否的方法。在专利文献1的方法中,通过执行多重回归分析来构建多重回归式,在该多重回归分析中,使用在构成制造工艺的多个工序(包括处理工序及检查工序。)中取得的多个测定值作为解释变量,使用产品的电气特性值作为目标变量。一旦构建了该多重回归式后,将测定值代入到该多重回归式的多个解释变量中,由此计算产品的电气特性值的预测值。在该预测值脱离了管理范围时,可以预测为将产生质量不良。
现有技术文献
专利文献
专利文献1:日本特开2009-99960号公报
发明内容
发明要解决的问题
当在制造工艺的上游设有检查工序的情况下,在该检查工序的判定基准过于宽松时,有可能由于下游工序中的不合格品的增加而多发返工(rework),导致成品率的下降。反之,在上游的检查工序的判定基准过于严格时,有可能由于上游的检查工序中过度要求质量而增加不合格品,导致成品率的下降。在专利文献1的方法中,不能根据下游工序的状况灵活变更上游的检查工序的判定基准。因此,有可能由于该检查工序中的判定基准过于宽松或者过于严格而产生成品率的下降。
鉴于上述情况,本发明的目的在于,提供一种能够根据下游工序的状况灵活变更上游工序的判定基准的质量管理装置、质量管理方法及质量管理程序。
用于解决问题的手段
本发明的一个方式的质量管理装置具有:测定值取得部,其从前道工序取得测定值的序列,并且从后道工序取得与所述测定值的序列对应的比较用测定值的序列,其中,所述前道工序是构成制造工艺的多个工序中的一个检查工序或者一个制造工序中的任意一个工序,所述后道工序是所述多个工序中比所述前道工序靠下游的另一检查工序;回归分析部,其执行使用所述测定值作为解释变量的值、使用所述比较用测定值作为目标变量的值的回归分析,由此计算回归式;余量(margin)判定部,其将规定判定基准范围的判定基准值代入到所述回归式的解释变量中来计算预测值,将该预测值与比较用判定基准范围进行比较来判定所述测定值是否被容许,所述判定基准范围用于在所述前道工序中判定质量,所述比较用判定基准范围用于在所述后道工序中判定质量;以及基准值计算部,其根据所述余量判定部的判定结果计算应替代所述判定基准值的新的判定基准值。
本发明的一个方式的质量管理方法在对构成制造工艺的多个工序的质量进行管理的质量管理装置中执行,所述质量管理方法包括以下步骤:从前道工序取得测定值的序列,并且从后道工序取得与所述测定值的序列对应的比较用测定值的序列,其中,所述前道工序是所述多个工序中的一个检查工序或者一个制造工序中的任意一个工序,所述后道工序是所述多个工序中比所述前道工序靠下游的另一检查工序;执行使用所述测定值作为解释变量的值、使用所述比较用测定值作为目标变量的值的回归分析,由此计算回归式;将规定判定基准范围的判定基准值代入到所述回归式的解释变量中来计算预测值,其中,所述判定基准范围用于在所述前道工序中判定质量;将该预测值与比较用判定基准范围进行比较来判定所述测定值是否被容许,其中,所述比较用判定基准范围用于在所述后道工序中判定质量;以及根据该判定的结果计算应替代所述判定基准值的新的判定基准值。
本发明的一个方式的质量管理程序用于对构成制造工艺的多个工序的质量进行管理,所述质量管理程序使计算机执行以下步骤:从前道工序取得测定值的序列,并且从后道工序取得与所述测定值的序列对应的比较用测定值的序列,其中,所述前道工序是所述多个工序中的一个检查工序或者一个制造工序中的任意一个工序,所述后道工序是所述多个工序中比所述前道工序靠下游的另一检查工序;执行使用所述测定值作为解释变量的值、使用所述比较用测定值作为目标变量的值的回归分析,由此计算回归式;将规定判定基准范围的判定基准值代入到所述回归式的解释变量中来计算预测值,其中,所述判定基准范围用于在所述前道工序中判定质量;将该预测值与比较用判定基准范围进行比较来判定所述测定值是否被容许,其中,所述比较用判定基准范围用于在所述后道工序中判定质量;以及根据该判定的结果计算应替代所述判定基准值的新的判定基准值。
发明效果
根据本发明,能够配合后道工序的状态来设定上游的前道工序中的判定基准范围,因而能够提高成品率。
附图说明
图1是概略性地示出本发明的实施方式1的制造系统的一例的图。
图2是示出实施方式1中的质量管理装置的概略结构的框图。
图3是示出实施方式1中在测定值记录部中存储的测定数据的格式的一例的图。
图4是示出实施方式1中在工序存储部中存储的工序顺序数据的格式的一例的图。
图5是示出实施方式1中在基准值记录部中存储的判定基准数据的格式的一例的图。
图6是示出实施方式1中在基准值记录部中存储的判定基准数据的格式的另一例的图。
图7是示出实施方式1的强度基准计算处理的步骤的一例的流程图。
图8是示出回归式的一例的曲线图。
图9A及图9B是示出判定基准范围的变更例的曲线图。
图10是示出实施方式1的宽松基准计算处理的步骤的一例的流程图。
图11是示出实施方式1的质量管理装置的硬件结构例的框图。
图12是示出实施方式1的质量管理装置的另一硬件结构例的框图。
图13是示出本发明的实施方式2的制造系统中的质量管理装置的概略结构的框图。
图14是概略性地示出实施方式2的工序监视处理的步骤的一例的流程图。
图15A~图15C是示出在对前道工序的某一测定项目重新计算出强化基准值时生成的图像信息的例子的图。
图16A~图16C是示出在对前道工序的某一测定项目重新计算出宽松基准值时生成的图像信息的例子的图。
具体实施方式
下面,参照附图详细地说明本发明的实施方式。另外,在所有附图中被标注了相同标号的构成要素具有相同结构及相同功能。
实施方式1
图1是概略性地示出本发明的实施方式1的制造系统1的结构的一例的框图。如图1所示,该制造系统1具有R个制造装置101、…、10r、…、10R及Q个检查装置111、…、11q、…、11Q,以便依次执行构成制造工艺的第1工序~第N工序的N个工序(N为正整数)。其中,R、Q是3以上的整数。制造装置101~10R分别是在执行制造工序的同时,提供示出该制造工序的状态的测定数据N1~NR的装置组,检查装置111~11Q分别是在执行检查工序的同时,提供在该检查工序中取得的测定数据M1~MQ的装置组。
在图1的结构例中,第1工序由制造装置101执行,第2工序由检查装置111执行,第n工序由制造装置10r执行,第n+1工序由检查装置11q执行,第N-1工序由制造装置10R执行,第N工序由检查装置11Q执行。但是,本发明不限于这样的第1工序~第N工序与制造装置101~10R及检查装置111~11Q之间的对应关系。另外,在本实施方式中,制造装置101~10R和检查装置111~11Q相互分开配置,但不限于此。也可以将检查装置装配在制造装置内。
各制造装置10r(r是1~R中的任意整数)能够使用传感器等测定仪器,计测规定工艺条件的一种或者多种测定值以及表示各制造装置的工作状态的一种或者多种测定值,并将包含这些测定值的测定数据Nr提供给质量管理装置20。下面,将测定值的种类称为“测定项目”。作为规定工艺条件的测定项目,例如对于半导体制造技术可以列举出基板温度、反应气体流量或者腔内压力,对于冲压加工技术可以举出冲压压力。作为示出各制造装置的工作状态的测定项目,例如可以举出各制造装置的消耗功率。
另一方面,各检查装置11q(q是1~Q中的任意整数)能够使用传感器等测定仪器,计测示出制造物(中间制造物或者最终制造物)的状态的一个或者多个测定项目的测定值,将包含该测定值的测定数据Mq提供给质量管理装置20。作为示出制造物的状态的测定项目,例如可以列举出该制造物的厚度等尺寸、温度、或者电阻等电气特性值。下面,将检查装置111~11Q能够取得的测定项目也称为“检查项目”。
各检查装置11q具有如下的功能:对于设定了判定基准范围的检查项目,能够判定制造物的质量是判定基准内(合格)或者判定基准外(不合格)中的哪一方。即,如果检查项目的测定值在判定基准范围内,则判定为制造物是满足该检查项目的判定基准的合格品。另一方面,如果该检查项目的测定值在判定基准范围以外,则判定为制造物是不满足该检查项目的判定基准的不合格品。在本实施方式中,在提供了上限基准值及下限基准值的组合、仅上限基准值、或者仅下限基准值中的任意一方时,一个判定基准范围得以被设定。例如,在检查装置111能够计测中间制造物的“厚度”及“电阻”这两个检查项目的测定值的情况下,可以设定“厚度”的质量检查用判定基准范围、和“电阻”的质量检查用判定基准范围中的至少一方。检查装置11q能够将有关各检查项目的包括其测定值和制造物的合格与否判定结果的测定数据Mq提供给质量管理装置20。关于测定数据Mq的数据结构在后面进行说明。
并且,如图1所示,制造系统1具有质量管理装置20。该质量管理装置20取得由从检查装置111~11Q发送的测定数据M1~MQ构成的数据组MV,取得由从制造装置101~10R发送的测定数据N1~NR构成的数据组NV。并且,质量管理装置20能够发送由用于设定检查装置111~11Q各自的判定基准范围的判定基准数据R1~RQ构成的数据组RV。这些判定基准数据R1~RQ被分别提供给检查装置111~11Q。检查装置111~11Q能够分别使用判定基准数据R1~RQ设定自己的判定基准范围。
下面,说明本实施方式的质量管理装置20的结构。图2是示出实施方式1中的质量管理装置20的概略构造的框图。如图2所示,质量管理装置20具有测定值取得部21、测定值存储部22、工序存储部23、基准值存储部24、条件存储部25、工序选择部31、项目选择部32、回归分析部33、余量判定部34、基准值计算部35、数据输出控制部36、基准值设定部38、条件设定部39及接口部(I/F部)40。
测定值取得部21从制造装置101~10R及检查装置111~11Q取得测定数据N1~NR、M1~MQ,将该测定数据N1~NR、M1~MQ蓄积在测定值存储部22中。图3是示出在测定值存储部22中存储的测定数据N1~NR、M1~MQ的数据结构200的一例的图。图3所示的数据结构200具有:数据存储区域201,该区域存储用于识别制造物的个体的识别符即序列ID;数据存储区域202,该区域存储用于识别检查工序的识别符即工序ID;数据存储区域203,该区域存储测定项目的识别信息;数据存储区域204,该区域存储测定值;数据存储区域205,该区域存储合格与否判定结果;以及数据存储区域206,该区域存储制造物向检查工序的投放次数。另外,制造装置101~10R不具有进行制造物的合格与否判定的功能,因而在测定数据N1~NR的数据存储区域205中没有存储合格与否判定结果。
在检查工序中被判定为不合格品的制造物个体有时在被实施调整后再次被投放到生产线中,有时在同一检查工序中对同一个个体检查多次。因此,将同一个个体在某一检查工序中接受检查的次数作为“投放次数”存储在数据存储区域206中。投放次数能够设为从1开始的连续编号。另外,制造物的批号及检查日期等也可以存储在测定值存储部22中。
另外,在工序存储部23中存储有示出构成制造工艺的多个工序的顺序关系的工序顺序数据。图4是示出工序顺序数据的数据结构300的一例的图。图4所示的数据结构300具有:数据存储区域301,该区域存储表示该工序的顺序的顺序识别符的值;以及数据存储区域302,该区域存储该工序ID。图4的工序ID是与图3所示的工序ID相同类型的识别符编号。例如,对某一工序分配的顺序识别符的值可以是始终比对位于该某一工序的下游的工序分配的顺序识别符的值大的值。另外,图4所示的数据结构300是不存在多条生产线的合流或者分支成多条生产线的情况下的最简单的例子。也可以变更数据结构300使得能够进行生产线的合流及分支的管理。
另外,在基准值存储部24中存储有判定基准数据,该判定基准数据用于设定规定各工序中的判定基准范围的上限基准值(以下也称为“上限值”)及下限基准值(以下也称为“下限值”)。图5是示出在基准值存储部24中存储的判定基准数据的数据结构400的一例的图。图5所示的数据结构400具有:数据存储区域401,该区域存储工序ID;数据存储区域402,该区域存储用于识别测定项目的识别符;数据存储区域403,该区域存储判定基准范围的上限值;以及数据存储区域404,该区域存储判定基准范围的下限值。
另外,存在判定基准范围在制造工艺的运用中被变更的情况,因而也可以将数据结构400变更成存储该判定基准范围的上限值及下限值的设定日期时间、或者用于识别上限值及下限值是否是最新版的标志。图6是示出对图5所示的数据结构400追加了存储该设定日期时间的数据存储区域405的数据结构400A的一例的图。
另外,在条件存储部25中存储了应与后述的相关系数的绝对值进行比较的相关判定用阈值及余量判定用阈值等条件值。
下面,参照图7~图10说明上述质量管理装置20中的工序选择部31、项目选择部32、回归分析部33、余量判定部34、基准值计算部35及数据输出控制部36的动作。图7是示出实施方式1的强化基准计算处理的步骤的一例的流程图。
参照图7,首先工序选择部31参照存储在工序存储部23中的工序顺序数据(图4),选择构成制造工艺的一个检查工序作为分析对象的后道工序(步骤ST11)。工序选择部31根据工序顺序数据中的顺序识别符与工序ID的组合,能够选择例如比第1个检查工序靠后的检查工序作为后道工序。然后,工序选择部31参照存储在工序存储部23中的工序顺序数据,选择位于在步骤ST11中选择出的后道工序的上游的一个检查工序或者一个制造工序中的任意一方作为前道工序(步骤ST12)。
接着,项目选择部32参照存储在基准值存储部24中的判定基准数据(图5),选择所选择的前道工序的一个测定项目X与所选择的后道工序的一个测定项目即检查项目Y的组(X,Y)(步骤ST13)。在此,如果已明确对后道工序选择的检查项目不会发生质量不合格,则项目选择部32也可以不选择该检查项目。
接着,回归分析部33从测定值存储部22读出测定项目X的测定值的序列和检查项目Y的测定值的序列(步骤ST14)。更具体地讲,在将制造物个体的序列ID设为整数i、将测定项目X的测定值设为xα(i)、将检查项目Y的测定值设为yβ(i)时,回归分析部33从测定值存储部22读出测定项目X的测定值序列xα(1)、xα(2)、xα(3)、…和检查项目Y的测定值序列yβ(1)、yβ(2)、yβ(3)、…(步骤ST14)。另外,α、β分别是测定项目X、Y的识别符。
另外,对于某一制造物个体,在一个工序的一个测定项目存在多个测定值的情况下,回归分析部33可以对前道工序的测定项目X,从该多个测定值中选择读出最后被判定为质量合格时的测定值。另外,关于后道工序的检查项目Y,回归分析部33可以从这样的多个测定值中选择读出初次投放生产线上时(投放次数为“1”时)的测定值。
在步骤ST14之后,回归分析部33计算测定项目X的测定值序列与检查项目Y的测定值序列之间的相关系数c1(步骤ST15)。相关系数c1例如能够使用公知的互相关函数进行计算。并且,回归分析部33从条件存储部25取得相关判定用阈值TH1,并判定该相关系数c1的绝对值是否在阈值TH1以上(步骤ST16)。在判定为相关系数c1的绝对值不在阈值TH1以上的情况下(步骤ST16:否),回归分析部33使处理转入步骤ST22。另外,只要是表示测定项目X的测定值序列和检查项目Y的测定值序列之间的相关度的数值,则也可以使用相关系数以外的其它统计指标。
另一方面,在判定为相关系数c1的绝对值在阈值TH1以上的情况下(步骤ST16:是),回归分析部33判断为测定项目X的测定值序列和检查项目Y的测定值序列之间的相关度较高,而执行如下的回归分析计算回归式,在该回归分析中使用测定项目X的测定值xα(i)作为解释变量的值,使用检查项目Y的测定值yβ(i)作为目标变量的值(步骤ST17)。
然后,回归分析部33根据该前道工序的判定基准数据,判定对于测定项目X是否存在判定基准范围、即是否设定了用于规定判定基准范围的数值(上限值及下限值的组合、仅上限值、或者仅下限值)(步骤ST18)。在判定为存在判定基准范围的情况下(步骤ST18:是),余量判定部34中的第1余量判定部34A使用在步骤ST17中计算出的回归式,判定测定项目X是否超过余量(容许范围)、即测定项目X的测定值是否被容许(步骤ST19)。具体而言,第1余量判定部34A判定是否超过上余量及下余量中的至少一方(步骤ST19)。对于这些上余量及下余量将在下文进行说明。当在步骤ST17中计算的回归式是线性回归式的情况下,该回归式能够用下式(1)表示。
y=a·x+b (1)
其中,y表示目标变量,x表示解释变量,a表示回归系数,b表示常数。并且,用Ux表示测定项目X的判定基准范围的上限值,用Lx表示测定项目X的判定基准范围的下限值,用Uy表示检查项目Y的判定基准范围的上限基准值,用Ly表示检查项目Y的判定基准范围的下限基准值。此时,如图8示例的那样,如果x=Ux时的回归式的预测值(=a·Ux+b)完全或者实质上包含在上限基准值Uy和下限基准值Ly之间的判定基准范围内,则判定为测定项目X不超过上余量。否则,则判定为测定项目X超过上余量。另一方面,如果x=Lx时的回归式的预测值(=a·Lx+b)完全或者实质上包含在上限基准值Uy和下限基准值Ly之间的判定基准范围内,则判定为测定项目X不超过下余量。否则,则判定为测定项目X超过下余量。
更具体地讲,当在测定项目X的测定值序列与检查项目Y的测定值序列之间正相关关系成立的情况下(回归系数a为正的情况下),测定项目X不超过上余量的条件例如是下面的不等式(2A)成立,测定项目X不超过下余量的条件例如是下面的不等式(3A)成立。
(a·Ux+b)-Uy≤δ1 (2A)
Ly-(a·Lx+b)≤δ2 (3A)
其中,δ1、δ2表示余量判定用的零或者零附近的正的阈值。式(2A)是表示x=Ux时的预测值(=a·Ux+b)减去上限值Uy得到的差值在阈值δ1以下的情况的不等式。式(3A)是表示下限值Ly减去x=Lx时的预测值(=a·Lx+b)得到的差值在阈值δ2以下的情况的不等式。
另外,在正相关关系成立的情况下(回归系数a为正的情况下),测定项目X超过上余量的条件例如是下面的不等式(2B)成立,测定项目X超过下余量的条件例如是下面的不等式(3B)成立。
(a·Ux+b)-Uy>δ1 (2B)
Ly-(a·Lx+b)>δ2 (3B)
式(2B)是表示x=Ux时的预测值(=a·Ux+b)减去上限值Uy得到的差值大于阈值δ1的情况的不等式。式(3B)是表示下限值Ly减去x=Lx时的预测值(=a·Lx+b)得到的差值大于阈值δ2的情况的不等式。
另一方面,当在测定项目X的测定值序列和检查项目Y的测定值序列之间负相关关系成立的情况下(回归系数a为负的情况下),测定项目X不超过上余量的条件例如是下面的不等式(4A)成立,测定项目X不超过下余量的条件例如是下面的不等式(5A)成立。
Ly-(a·Ux+b)≤δ3 (4A)
(a·Lx+b)-Uy≤δ4 (5A)
其中,δ3、δ4表示余量判定用的零或者零附近的正的阈值。式(4A)是表示下限值Ly减去x=Ux时的预测值(=a·Ux+b)得到的差值在阈值δ3以下的情况的不等式。式(5A)是表示x=Lx时的预测值(=a·Lx+b)减去上限值Uy得到的差值在阈值δ4以下的情况的不等式。
另外,在负相关关系成立的情况下(回归系数a为负的情况下),测定项目X超过下余量的条件例如是下面的不等式(4B)成立,测定项目X超过上余量的条件例如是下面的不等式(5B)成立。
Ly-(a·Ux+b)>δ3 (4B)
(a·Lx+b)-Uy>δ4 (5B)
式(4B)是表示下限值Ly减去x=Ux时的预测值(=a·Ux+b)得到的差值大于阈值δ3的情况的不等式。式(5B)是表示x=Lx时的预测值(=a·Lx+b)减去上限值Uy得到的差值大于阈值δ4的情况的不等式。
阈值δ1、δ2、δ3、δ4被存储在条件存储部25中。条件设定部39能够将从操作输入部42经由I/F部40输入的值作为阈值δ1、δ2、δ3、δ4存储在条件存储部25中。或者,也可以按照下式所示,将规定阈值δ1~δ4的系数ε1(0≤ε1≤1)、ε2(0≤ε2≤1)、ε3(0≤ε3≤1)、ε4(0≤ε4≤1)的值存储在条件存储部25中。
δ1=(Uy-Ly)×ε1,
δ2=(Uy-Ly)×ε2,
δ3=(Uy-Ly)×ε3,
δ4=(Uy-Ly)×ε4。
如上所述,在超过余量的情况下(步骤ST19为是),基准值计算部35的强化基准值计算部35A以使得测定项目X的判定基准范围缩窄且测定项目X不超过余量的方式来计算新的强化基准值(步骤ST20)。具体而言,例如在通过上式(2B)的成立而使得测定项目X超过上余量的情况下,强化基准值计算部35A可以按照使得如图9A所示的测定项目X的判定基准范围缩窄的方式来计算满足下式(6)的新的上限基准值Uz作为强化基准值。
0≤(a·Uz+b)-Uy≤δ1 (6)
另一方面,在通过上式(3B)的成立而使得测定项目X超过下余量的情况下,强化基准值计算部35A可以按照使得如图9B所示测定项目X的判定基准范围缩窄的方式来计算满足下式(7)的新的下限基准值Lz作为强化基准值。
0≤Ly-(a·Lz+b)≤δ2 (7)
另外,当在步骤ST18中判定为不存在判定基准范围的情况下(步骤ST18:否),强化基准值计算部35A以使得测定项目X不超过余量的方式重新计算强化基准值(步骤ST21)。判定为不存在判定基准范围的条件例如是上限值Ux和下限值Lx都被设定为零的情况(Ux=Lx=0)。
强化基准值计算部35A将在上述步骤ST20、ST2中新计算出的强化基准值输出给数据输出控制部36。
当在上述步骤ST19中判定为测定项目X不超过余量的情况下(步骤ST19:否),或者在步骤ST20计算出强化基准值的情况下,数据输出控制部36判定是否选择了测定项目X、Y的所有的组(步骤ST22)。
在尚未选择测定项目X、Y的所有的组的情况下(步骤ST22:否),数据输出控制部36使项目选择部32选择未被选择的组(X,Y)(步骤ST13)。然后,执行步骤ST14~ST20。另一方面,在选择了测定项目X、Y的所有的组的情况下(步骤ST22:是),数据输出控制部36判定是否选择了所有的前道工序(步骤ST23)。在判定为尚未选择所有的前道工序的情况下(步骤ST23:否),数据输出控制部36使工序选择部31选择未被选择的前道工序(步骤ST12)。然后,执行步骤ST13~ST22。
当在步骤S23中判定为选择了所有的前道工序的情况下(步骤ST23:是),数据输出控制部36判定是否选择了所有的后道工序(步骤ST24)。在判定为尚未选择所有的后道工序的情况下(步骤ST24:否),数据输出控制部36使工序选择部31选择未被选择的后道工序(步骤ST11)。然后,执行步骤ST12~ST23。
最终,在选择了前道工序和后道工序的所有组合时(步骤ST24:是),数据输出控制部36使以上的强化基准计算处理结束。
数据输出控制部36将测定项目X、Y与强化基准值的组提供给基准值设定部38。此时,基准值设定部38能够经由I/F部40使显示器41显示表示测定项目X、Y与强化基准值的组的图像。由此,产品设计者或者检查专家等用户能够评价该强化基准值的妥当性。并且,基准值设定部38能够按照由评价了强化基准值的妥当性的用户输入到操作输入部42的指示,变更或者重新设定基准值存储部24的判定基准范围。另外,基准值设定部38也能够将该强化基准值提供给检查装置,使更新或者重新设定判定基准范围。
下面,参照图10说明宽松基准计算处理。图10是示出实施方式1的宽松基准计算处理的步骤的一例的流程图。
参照图10,工序选择部31参照存储在工序存储部23中的工序顺序数据(图4),选择构成制造工艺的一个检查工序或者一个制造工序中的任意一方作为分析对象的前道工序(步骤ST31)。工序选择部31根据工序顺序数据中的顺序识别符和工序ID的组合,例如能够选择位于最后的检查工序的上游的一个检查工序或者一个制造工序中的任意一方作为前道工序。接着,项目选择部32选择一个所选择的前道工序的测定项目X(步骤ST32)。然后,工序选择部31参照存储在工序存储部23中的工序顺序数据,选择比所选择的前道工序靠下游的一个检查工序作为后道工序(步骤ST33)。接着,项目选择部32选择一个所选择的后道工序的检查项目Y(步骤ST34)。
接着,回归分析部33与上述步骤ST14同样,从测定值存储部22读出测定项目X的测定值xα(i)的序列和检查项目Y的测定值yβ(i)的序列(步骤ST35)。在此,对于某一制造物个体,在一个工序的一个测定项目具有多个测定值的情况下,回归分析部33可以对前道工序的测定项目X,从该多个测定值中选择读出最后被判定为质量合格时的测定值。并且,对后道工序的检查项目Y,回归分析部33可以从这多个测定值中选择读出初次投放生产线时(投放次数为“1”时)的测定值。
在步骤ST35之后,回归分析部33计算测定项目X的测定值序列与检查项目Y的测定值序列之间的相关系数c2(步骤ST36)。相关系数c2例如能够使用公知的互相关函数进行计算。并且,回归分析部33从条件存储部25取得相关判定用阈值TH2,判定该相关系数c2的绝对值是否在阈值TH2以上(步骤ST37)。在判定为相关系数c2的绝对值不在阈值TH2以上的情况下(步骤ST37:否),回归分析部33使处理转入步骤ST42。另外,只要是表示测定项目X的测定值序列与检查项目Y的测定值序列之间的相关度的数值即可,也可以使用相关系数以外的其它统计指标。
另一方面,在判定为相关系数c2的绝对值在阈值TH2以上的情况下(步骤ST37:是),回归分析部33判断为测定项目X的测定值序列与检查项目Y的测定值序列之间的相关度较高,并执行如下的回归分析来计算回归式,在该回归分析中使用测定项目X的测定值xα(i)作为解释变量的值,使用检查项目Y的测定值yβ(i)作为目标变量的值(步骤ST38)。
然后,余量判定部34中的第2余量判定部34B使用该回归式判定测定项目X是否满足余量、即测定项目X的测定值是否被容许(步骤ST39)。具体地讲,第2余量判定部34B判定测定项目X是否同时满足上余量及下余量双方(步骤ST39)。下面,对宽松基准计算处理用的上余量及下余量进行说明。首先,与上述强化基准计算处理的情况同样,回归式能够用下式(1)表述。
y=a·x+b (1)
当在测定项目X的测定值序列和检查项目Y的测定值序列之间正相关关系成立的情况下(回归系数a为正的情况下),测定项目X满足上余量的条件例如是下面的不等式(8)成立,测定项目X满足下余量的条件例如是下面的不等式(9)成立。
Uy-(a·Ux+b)>δ1 (8)
(a·Lx+b)-Ly>δ2 (9)
另一方面,当在测定项目X的测定值序列和检查项目Y的测定值序列之间负相关关系成立的情况下(回归系数a为负的情况下),测定项目X满足下余量的条件例如是下面的不等式(10)成立,测定项目X满足上余量的条件例如是下面的不等式(11)成立。
(a·Ux+b)-Ly>δ3 (10)
Uy-(a·Lx+b)>δ4 (11)
δ1、δ2、δ3、δ4是与在上述强化基准计算处理中使用的阈值相同的值。
接着,第2余量判定部34B判定是否选择了所有的检查项目Y(步骤ST40)。在判定为尚未选择所有的检查项目Y时(步骤ST40:否),第2余量判定部34B使处理转入步骤ST34。然后,选择未被选择的检查项目Y(步骤ST34),并执行步骤ST35~ST39。
对于该后道工序的所有的检查项目Y,在测定项目X满足余量的情况下(步骤ST39:是、及步骤ST40:是),基准值计算部35的宽松基准值计算部35B以使得测定项目X的判定基准范围扩大的方式来计算新的宽松基准值(步骤ST41)。具体而言,例如宽松基准值计算部35B能够根据下式(12)计算新的上限基准值Uk作为宽松基准值。
Uk=MIN{x|y=a·x+b,y={Uy,Ly},且x>Ux} (12)
上式(12)的右边的{}表示由回归直线(y=a·x+b)与y={Uy}的交点的x坐标值、和该回归直线与y={Ly}的交点的x坐标值构成的集合中、比测定项目X的判定基准范围的上限值Ux大的x坐标值(>Ux)的集合{x}。在此,{Uy}表示通过步骤ST34对特定的测定项目X选择的所有检查项目Y的判定基准范围的上限值Uy的集合,{Ly}表示通过步骤ST34对该特定的测定项目X选择的所有检查项目Y的判定基准范围的下限值Ly的集合。式(12)的左边的宽松基准值Uk是上式(12)的右边的x坐标值的集合{x}中的最小值。
另外,宽松基准值计算部35B也能够根据下式(13)计算新的下限基准值Lk作为宽松基准值。
Lk=MAX{x|y=a·x+b,y={Uy,Ly},且x<Lx} (13)
上式(13)的右边的{}表示由回归直线(y=a·x+b)与y={Uy}的交点的x坐标值、和该回归直线与y={Ly}的交点的x坐标值构成的集合中、比测定项目X的判定基准范围的下限值Lx小的x坐标值(<Lx)的集合{x}。在此,{Uy}表示通过步骤ST34对特定的测定项目X选择的所有检查项目Y的判定基准范围的上限值Uy的集合,{Ly}表示通过步骤ST34对该特定的测定项目X选择的所有检查项目Y的判定基准范围的下限值Ly的集合。式(13)的左边的宽松基准值Lk是上式(13)的右边的x坐标值的集合{x}中的最大值。
当在上述步骤ST39中判定为测定项目X不满足余量的情况下(步骤ST39:否)、或者在步骤ST41中计算出宽松基准值的情况下,数据输出控制部36判定是否选择了所有的后道工序(步骤ST42)。在判定未尚未选择所有的后道工序的情况下(步骤ST42:否),数据输出控制部36使工序选择部31选择未选择的后道工序(步骤ST33)。然后,执行步骤ST34。
当在步骤ST42中判定为选择了所有的后道工序的情况下(步骤ST42:是),数据输出控制部36判定是否选择了所有的测定项目X(步骤ST43)。在判定为尚未选择所有的测定项目X的情况下(步骤ST43:否),数据输出控制部36使项目选择部32选择未被选择的测定项目X(步骤ST32)。然后,执行步骤ST33。
当在步骤ST43中判定为选择了所有的测定项目X的情况下(步骤ST43:是),数据输出控制部36判定是否选择了所有的前道工序(步骤ST44)。在判定为尚未选择所有的前道工序的情况下(步骤ST44:否),数据输出控制部36使工序选择部31选择未被选择的前道工序(步骤ST31)。然后,执行步骤ST32。
最后,在选择了前道工序和后道工序的所有组合时(步骤ST44:是),数据输出控制部36结束以上的宽松基准计算处理。
数据输出控制部36将测定项目X、Y与宽松基准值的组提供给基准值设定部38。此时,基准值设定部38能够经由I/F部40使显示器41显示表示测定项目X、Y与宽松基准值的组的图像。由此,产品设计者或者检查专家等用户能够评价该宽松基准值的妥当性。并且,基准值设定部38按照评价了宽松基准值的妥当性的用户输入到操作输入部42的指示,能够变更或者重新设定基准值存储部24的判定基准范围。另外,基准值设定部38能够将该宽松基准值提供给检查装置使更新或者重新设定判定基准范围。
以上说明的质量管理装置20的硬件结构例如能够由工作站或者主机等具有内置CPU(Central Processing Unit)的计算机结构的信息处理装置实现。或者,上述质量管理装置20的硬件结构也可以由DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)或者FPGA(Field-Programmable Gate Array,现场可编程门阵列)等具有集成电路(Integrated Circuit)的信息处理装置实现。
另外,测定值取得部21、测定值存储部22、工序存储部23、基准值存储部24及条件存储部25的全部或者一部分,例如也可以利用RDBMS(Relational DataBase ManagementSystem,关系数据库管理系统)等数据管理程序的功能来构成,或者还可以利用通过通信网络相互连接的计算机系统或者信息处理装置构成。
图11是示出上述质量管理装置20的硬件结构例的信息处理装置20A的概略结构的框图。该信息处理装置20A构成为具有包括CPU50c的处理器50、RAM(Random AccessMemory,随机存取存储器)51、ROM(Read Only Memory,只读存储器)52、输入接口(输入I/F)53、显示器接口(显示器I/F)54、存储装置55及输出接口(输出I/F)56。这些处理器50、RAM51、ROM52、输入I/F53、显示器I/F54、存储装置55及输出I/F56,通过总线电路等信号路径57相互连接。处理器50从ROM52读出作为计算机程序的质量管理程序,并依照该质量管理程序而工作,由此能够实现质量管理装置20的功能。输入I/F53、显示器I/F54及输出I/F56分别是具有与外部硬件设备之间发送及接收信号的功能的电路。
另外,存储装置55例如能够使用HDD(硬盘驱动器)或者SSD(固态硬盘)等记录介质。或者,也可以使用闪存等插拔式的记录介质作为存储装置55。
在使用图11的信息处理装置20A构成图2的质量管理装置20的情况下,该质量管理装置20的构成要素21、31~36、38、39能够通过图11所示的处理器50及质量管理程序实现。质量管理装置20的构成要素22~25能够通过图11所示的存储装置55实现。并且,将基准值设定部38的输出数据组RV提供给检查装置111~11Q的功能,能够通过图11所示的输出I/F56实现。另外,图2的I/F部40能够通过图11所示的输入I/F53及显示器I/F54实现。
下面,图12是示出上述质量管理装置20的另一硬件结构例的信息处理装置20B的概略结构的框图。该信息处理装置20B构成为具有由DSP、ASIC或者FPGA等的LSI构成的信号处理装置60、输入I/F53、显示器I/F54、存储装置55及输出I/F56。这些信号处理装置60、输入I/F53、显示器I/F54、存储装置55及输出I/F56通过信号路径57相互连接。在使用图12的信息处理装置20B构成图2的质量管理装置20的情况下,该质量管理装置20的构成要素21、31~36、38、39能够通过图12所示的信号处理电路60实现。质量管理装置20的构成要素22~25能够通过图12所示的存储装置55实现。并且,将基准值设定部38的输出数据组RV提供给检查装置111~11Q的功能,能够通过图12所示的输出I/F56实现。另外,图2的I/F部40能够通过图12所示的输入I/F53及显示器I/F54实现。
如以上说明的那样,本实施方式的质量管理装置20能够配合后道工序的状况适当调整上游的工序中的判定基准范围,因而能够提高成品率。并且,本实施方式的强化基准计算处理及宽松基准计算处理是对构成制造工艺的工序的组合执行的,因而能够优化制造工艺中的多个工序整体的判定基准。
实施方式2
下面,对本发明的实施方式2的制造系统进行说明。图13是示出实施方式2的制造系统中的质量管理装置20C的概略结构的框图。实施方式2的制造系统的结构除具有图13的质量管理装置20C以替代图2的质量管理装置20这一点之外,与实施方式1的制造系统1的结构相同。本实施方式的质量管理装置20C的结构除具有工序监视部27这一点之外,与上述实施方式1的质量管理装置20的结构相同。
如图13所示,工序监视部27具有状态分析部28及图像信息生成部29。状态分析部28监视是否利用基准值计算部35计算出新的判定基准值(强化基准值或宽松基准值,或者强化基准值及宽松基准值双方)。在检测出基准值计算部35计算出新的判定基准值时,状态分析部28能够预测在应用了该新的判定基准值时的前道工序中的制造物组的质量状态(例如合格品或不合格品的状态),并且也预测比该前道工序靠下游的后道工序中的该制造物组的质量状态(例如合格品或不合格品的状态)。图像信息生成部29能够生成示出由状态分析部28预测出的前道工序及后道工序中的该制造物组的质量状态的图像信息(例如表示合格品或不合格品的个数的统计数据),将该图像信息通过I/F部40提供给显示器41,由此使显示器41显示该图像信息。由此,产品设计者或者检查专家等用户能够根据该图像信息正确评价新的判定基准的妥当性。
下面,参照图14说明工序监视部27的动作。图14是概略性地示出实施方式2的工序监视处理的步骤的一例的流程图。
参照图14,首先状态分析部28从测定值存储部22取得各工序的测定数据(步骤ST51),从基准值存储部24取得各工序的判定基准数据(步骤ST52)。并且,状态分析部28判定是否产生了计算出与该取得的判定基准数据中包含的判定基准值(上限值及下限值)不同的新的判定基准值(强化基准值或宽松基准值,或者强化基准值及宽松基准值双方)的前道工序(步骤ST53)。在未发生计算出新的判定基准值的前道工序的情况下(步骤ST53:否),处理转入步骤ST58。
另一方面,在发生了计算出新的判定基准值的前道工序的情况下(步骤ST53:是),状态分析部28使用在步骤ST51中取得的前道工序的测定数据,预测当在该前道工序中应用了新的判定基准值时的该前道工序中的制造物组的质量状态(步骤ST54)。并且,状态分析部28使用在步骤ST51中取得的后道工序的测定数据,预测该后道工序中的该制造物组的质量状态(步骤ST55),还检测该后道工序中的该制造物组的当前的质量状态(步骤ST56)。
图像信息生成部29生成表示在步骤ST54~ST56中预测且检测出的质量状态的图像信息(步骤ST57),使显示器41显示该图像信息(步骤ST58)。然后,如果有结束指示(步骤ST58:是),工序监视部27结束工序监视处理,如果没有结束指示(步骤ST58:否),则工序监视部27继续执行步骤ST51以后的处理。
图15A~图15C是示出在对前道工序K的某一测定项目计算出新的强化基准值Uz时的图像信息的例子的图。图15A是概略性地示出当前的不合格品的频度分布(个体数分布)的曲线图。图15B是概略性地示出根据前道工序K中的判定基准值的变更(强化基准值Uz的应用)而预测到在后道工序P产生的不合格品的频度分布(个体数分布)的曲线图。另外,图15C是概略性地示出根据前道工序K中的判定基准值的变更而预测到在后道工序D产生的不合格品的频度分布(个体数分布)的曲线图。在图15B及图15C中,用实线表示判定基准值变更前的当前的频度分布曲线,用虚线表示在判定基准值变更后的预测的频度分布曲线。并且,在图15B及图15C中,也示出了所计算出的不合格品数量。在按照图15A所示将强化基准值Uz应用于前道工序K时,在此之前在前道工序K中作为合格品通过的制造物,在应用强化基准值Uz后成为不合格品,不再向后道工序P、D传送。因此,可以预测前道工序K的不合格品数量增加,向后道工序传送的个体数量及不合格品数量减少。
另一方面,图16A~图16C是示出在对前道工序K的某一测定项目计算出新的宽松基准值Lk时的图像信息的例子的图。图16A是概略性地示出当前的不合格品的频度分布(个体数分布)的曲线图。图16B是概略性地示出根据前道工序K中的判定基准值的变更(宽松基准值Lk的应用)而预测到在后道工序P产生的不合格品的频度分布(个体数分布)的曲线图。另外,图16C是概略性地示出根据前道工序K中的判定基准值的变更而预测到在后道工序D产生的不合格品的频度分布(个体数分布)的曲线图。在图16B及图16C中,用实线表示判定基准值变更前的当前的频度分布曲线,用虚线表示在判定基准值变更后预测的频度分布曲线。并且,在图16B及图16C中,也示出了所计算出的不合格品数量。在按照图16A所示将宽松基准值Lk应用于前道工序K时,可以预测在前道工序K中被判定为不合格品而不向后道工序P、D传送的制造物,在应用宽松基准值Lk后成为合格品而向后道工序P、D传送。
如以上说明的那样,在实施方式2中,工序监视部27能够检测是否对上游的前道工序计算出了新的判定基准值。工序监视部27当在上游的前道工序应用了该新的判定基准值时,能够预测上游的前道工序及下游的后道工序中的制造物组的质量状态。产品设计者或者检查专家等用户能够根据该预测结果准确地评价该新的判定基准值的应用效果。
另外,图像信息生成部29不限于图15A~图15C及图16A~图16C所示的频度分布及不合格品数量,还可以生成散布图等图像信息并使显示器41显示。并且,实施方式2的质量管理装置20C的硬件结构能够与实施方式1的质量管理装置20同样通过信息处理装置20B或20C来实现。
以上,参照附图叙述了本发明的各种实施方式,但这些实施方式只是本发明的示例,还能够采用这些实施方式以外的各种方式。另外,在本发明的范围内,能够进行上述实施方式的构成要素的自由组合、上述实施方式的任意的构成要素的变形、或者上述实施方式的任意的构成要素的省略。
产业上的可利用性
本发明的质量管理装置及制造系统能够调整制造工艺的检查工序中的判定基准范围,因而适合用于例如在制造工艺的过程中生成的中间制造物或者最终生成的产品的质量检查。
标号说明
1制造系统;101~10R制造装置;111~11Q检查装置;20、20C质量管理装置;20A、20B信息处理装置;21测定值取得部;22测定值存储部;23工序存储部;24基准值存储部;25条件存储部;27工序监视部;28状态分析部;29图像信息生成部;31工序选择部;32项目选择部;33回归分析部;34余量判定部;34A第1余量判定部;34B第2余量判定部;35基准值计算部;35A强化基准值计算部;35B宽松基准值计算部;36数据输出控制部;38基准值设定部;39条件设定部;40接口部(I/F部);41显示器;42操作输入部;50处理器;50c CPU;51RAM;52ROM;53输入接口(输入I/F);54显示器接口(显示器I/F);55存储装置;56输出接口(输出I/F);60信号处理电路。
Claims (20)
1.一种质量管理装置,其特征在于,所述质量管理装置具有:
测定值取得部,其从前道工序取得测定值的序列,并且从后道工序取得与所述测定值的序列对应的比较用测定值的序列,其中,所述前道工序是构成制造工艺的多个工序中的一个检查工序或者一个制造工序中的任意一个工序,所述后道工序是所述多个工序中比所述前道工序靠下游的另一检查工序;
回归分析部,其执行使用所述测定值作为解释变量的值、使用所述比较用测定值作为目标变量的值的回归分析,由此计算回归式;
余量判定部,其将规定判定基准范围的判定基准值代入到所述回归式的解释变量中来计算预测值,将该预测值与比较用判定基准范围进行比较,来判定所述测定值是否被容许,其中,所述判定基准范围用于在所述前道工序中判定质量,所述比较用判定基准范围用于在所述后道工序中判定质量;以及
基准值计算部,其根据所述余量判定部的判定结果计算应替代所述判定基准值的新的判定基准值。
2.根据权利要求1所述的质量管理装置,其特征在于,
在判定为所述测定值不被容许的情况下,所述基准值计算部以使得所述判定基准范围缩窄的方式来计算该新的判定基准值。
3.根据权利要求2所述的质量管理装置,其特征在于,
所述判定基准值是所述判定基准范围的上限值,
在所述预测值减去所述比较用判定基准范围的上限值得到的第1差值大于第1阈值时、或者在所述比较用判定基准范围的下限值减去所述预测值得到的第2差值大于第2阈值时,所述余量判定部判定为所述测定值不被容许。
4.根据权利要求2所述的质量管理装置,其特征在于,
所述判定基准值是所述判定基准范围的下限值,
在所述比较用判定基准范围的下限值减去所述预测值得到的第3差值大于第3阈值时、或者在所述预测值减去所述比较用判定基准范围的上限值得到的第4差值大于第4阈值时,所述余量判定部判定为所述测定值不被容许。
5.根据权利要求1所述的质量管理装置,其特征在于,
在所述测定值被判定为容许的情况下,所述基准值计算部以使得所述判定基准范围扩大的方式来计算该新的判定基准值。
6.根据权利要求5所述的质量管理装置,其特征在于,
所述判定基准值是所述判定基准范围的上限值,
在所述比较用判定基准范围的上限值减去所述预测值得到的第1差值大于第1阈值时、或者在所述预测值减去所述比较用判定基准范围的下限值得到的第2差值大于第2阈值时,所述余量判定部判定为所述测定值被容许。
7.根据权利要求5所述的质量管理装置,其特征在于,
所述判定基准值是所述判定基准范围的下限值,
在所述预测值减去所述比较用判定基准范围的下限值得到的第3差值大于第3阈值时、或者在所述比较用判定基准范围的上限值减去所述预测值得到的第4差值大于第4阈值时,所述余量判定部判定为所述测定值被容许。
8.根据权利要求1所述的质量管理装置,其特征在于,
所述回归分析部计算所述测定值的序列与所述比较用测定值的序列之间的相关度,当所述相关度在预先设定的阈值以上的情况下执行所述回归分析。
9.根据权利要求1所述的质量管理装置,其特征在于,
所述质量管理装置还具有状态分析部,该状态分析部预测在应用了该新的判定基准值时的所述前道工序中的制造物组的质量状态。
10.根据权利要求9所述的质量管理装置,其特征在于,
所述质量管理装置还具有图像信息生成部,
所述状态分析部根据所述前道工序中的制造物组的被预测出的该质量状态,预测所述后道工序中的制造物组的质量状态,
所述图像信息生成部生成示出所述后道工序中的制造物组的被预测出的该质量状态的图像信息,使显示器显示该图像信息。
11.一种质量管理方法,其在对构成制造工艺的多个工序的质量进行管理的质量管理装置中执行,其特征在于,所述质量管理方法包括以下步骤:
从前道工序取得测定值的序列,并且从后道工序取得与所述测定值的序列对应的比较用测定值的序列,其中,所述前道工序是所述多个工序中的一个检查工序或者一个制造工序中的任意一个工序,所述后道工序是所述多个工序中比所述前道工序靠下游的另一检查工序;
执行使用所述测定值作为解释变量的值、使用所述比较用测定值作为目标变量的值的回归分析,由此计算回归式;
将规定判定基准范围的判定基准值代入到所述回归式的解释变量中来计算预测值,其中,所述判定基准范围用于在所述前道工序中判定质量;
将该预测值与比较用判定基准范围进行比较来判定所述测定值是否被容许,其中,所述比较用判定基准范围用于在所述后道工序中判定质量;以及
根据该判定的结果计算应替代所述判定基准值的新的判定基准值。
12.根据权利要求11所述的质量管理方法,其特征在于,
在判定为所述测定值不被容许的情况下,以使得所述判定基准范围缩窄的方式来计算该新的判定基准值。
13.根据权利要求11所述的质量管理方法,其特征在于,
在判定为所述测定值被容许的情况下,以使得所述判定基准范围扩大的方式来计算该新的判定基准值。
14.根据权利要求11所述的质量管理方法,其特征在于,
所述质量管理方法还包括预测在应用了该新的判定基准值时的所述前道工序中的制造物组的质量状态的步骤。
15.根据权利要求14所述的质量管理方法,其特征在于,
所述质量管理方法还包括以下步骤:
根据所述前道工序中的制造物组的被预测出的该质量状态,预测所述后道工序中的制造物组的质量状态;以及
生成示出所述后道工序中的制造物组的被预测出的该质量状态的图像信息,使显示器显示该图像信息。
16.一种记录介质,其记录有用于对构成制造工艺的多个工序中的质量进行管理的质量管理程序,其特征在于,所述质量管理程序使计算机执行以下步骤:
从前道工序取得测定值的序列,并且从后道工序取得与所述测定值的序列对应的比较用测定值的序列,其中,所述前道工序是所述多个工序中的一个检查工序或者一个制造工序中的任意一个工序,所述后道工序是所述多个工序中比所述前道工序靠下游的另一检查工序;
执行使用所述测定值作为解释变量的值、使用所述比较用测定值作为目标变量的值的回归分析,由此计算回归式;
将规定判定基准范围的判定基准值代入到所述回归式的解释变量中来计算预测值,其中,所述判定基准范围用于在所述前道工序中判定质量;
将该预测值与比较用判定基准范围进行比较来判定所述测定值是否被容许,其中,所述比较用判定基准范围用于在所述后道工序中判定质量;以及
根据该判定的结果计算应替代所述判定基准值的新的判定基准值。
17.根据权利要求16所述的记录介质,其特征在于,
在判定为所述测定值不被容许的情况下,以使得所述判定基准范围缩窄的方式来计算该新的判定基准值。
18.根据权利要求16所述的记录介质,其特征在于,
在判定为所述测定值被容许的情况下,以使得所述判定基准范围扩大的方式来计算该新的判定基准值。
19.根据权利要求16所述的记录介质,其特征在于,
所述质量管理程序还使所述计算机执行预测在应用了该新的判定基准值时的所述前道工序中的制造物组的质量状态的步骤。
20.根据权利要求19所述的记录介质,其特征在于,
所述质量管理程序还使所述计算机执行以下步骤:
根据所述前道工序中的制造物组的被预测出的该质量状态,预测所述后道工序中的制造物组的质量状态;以及
生成示出所述后道工序中的制造物组的被预测出的该质量状态的图像信息,使显示器显示该图像信息。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2016/059885 WO2017168507A1 (ja) | 2016-03-28 | 2016-03-28 | 品質管理装置、品質管理方法及び品質管理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109074051A CN109074051A (zh) | 2018-12-21 |
CN109074051B true CN109074051B (zh) | 2021-06-11 |
Family
ID=59963644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680081876.0A Active CN109074051B (zh) | 2016-03-28 | 2016-03-28 | 质量管理装置、质量管理方法及记录介质 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20180284739A1 (zh) |
JP (1) | JP6253860B1 (zh) |
KR (1) | KR101895193B1 (zh) |
CN (1) | CN109074051B (zh) |
DE (1) | DE112016006546T5 (zh) |
TW (1) | TWI610381B (zh) |
WO (1) | WO2017168507A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10275565B2 (en) | 2015-11-06 | 2019-04-30 | The Boeing Company | Advanced automated process for the wing-to-body join of an aircraft with predictive surface scanning |
JP6351880B2 (ja) * | 2016-01-15 | 2018-07-04 | 三菱電機株式会社 | 計画生成装置、計画生成方法及び計画生成プログラム |
KR20180054063A (ko) * | 2016-11-14 | 2018-05-24 | 주식회사 고영테크놀러지 | 검사체에 대한 양부 판정 조건을 조정하는 방법 및 장치 |
US11366068B2 (en) | 2016-11-14 | 2022-06-21 | Koh Young Technology Inc. | Inspection apparatus and operating method thereof |
WO2018105296A1 (ja) * | 2016-12-07 | 2018-06-14 | 株式会社日立製作所 | 品質管理装置及び品質管理方法 |
US10712730B2 (en) | 2018-10-04 | 2020-07-14 | The Boeing Company | Methods of synchronizing manufacturing of a shimless assembly |
JP6670966B1 (ja) * | 2019-04-24 | 2020-03-25 | 三菱日立パワーシステムズ株式会社 | プラントの運転条件決定装置、プラントの制御システム、運転条件決定方法およびプログラム |
US11475296B2 (en) | 2019-05-29 | 2022-10-18 | International Business Machines Corporation | Linear modeling of quality assurance variables |
KR20220007653A (ko) * | 2019-07-22 | 2022-01-18 | 제이에프이 스틸 가부시키가이샤 | 품질 예측 모델 생성 방법, 품질 예측 모델, 품질 예측 방법, 금속 재료의 제조 방법, 품질 예측 모델 생성 장치 및 품질 예측 장치 |
EP3872567A1 (en) * | 2020-02-25 | 2021-09-01 | ASML Netherlands B.V. | Systems and methods for process metric aware process control |
EP4167037A4 (en) * | 2020-06-16 | 2024-03-13 | Konica Minolta, Inc. | PREDICTION SCORE CALCULATION DEVICE, PREDICTION SCORE CALCULATION METHOD, PREDICTION SCORE CALCULATION PROGRAM, AND LEARNING DEVICE |
CN112330197B (zh) * | 2020-11-24 | 2023-06-23 | 西南技术物理研究所 | 一种气象水文数据质量控制与评价方法 |
JP7380932B2 (ja) * | 2022-03-02 | 2023-11-15 | 株式会社プロテリアル | プロセス推定方法及び装置 |
JP2024011516A (ja) * | 2022-07-14 | 2024-01-25 | 株式会社日立製作所 | 特性予測装置、特性予測方法、および、特性予測プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1296440A (zh) * | 1998-02-12 | 2001-05-23 | 莫尔德弗洛有限公司 | 用于热塑性塑料注塑成型的自动模塑技术 |
JP2008065639A (ja) * | 2006-09-07 | 2008-03-21 | Ricoh Co Ltd | 工程管理支援システム、部品評価支援サーバー装置、及び部品評価支援プログラム |
CN104753812A (zh) * | 2013-12-30 | 2015-07-01 | Wi-Lan研究所公司 | 通信系统中的应用质量管理 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6400996B1 (en) * | 1999-02-01 | 2002-06-04 | Steven M. Hoffberg | Adaptive pattern recognition based control system and method |
US6122557A (en) * | 1997-12-23 | 2000-09-19 | Montell North America Inc. | Non-linear model predictive control method for controlling a gas-phase reactor including a rapid noise filter and method therefor |
US6915172B2 (en) * | 2001-11-21 | 2005-07-05 | General Electric | Method, system and storage medium for enhancing process control |
JP3800244B2 (ja) | 2004-04-30 | 2006-07-26 | オムロン株式会社 | 品質制御装置およびその制御方法、品質制御プログラム、並びに該プログラムを記録した記録媒体 |
US7805107B2 (en) * | 2004-11-18 | 2010-09-28 | Tom Shaver | Method of student course and space scheduling |
JP4874678B2 (ja) * | 2006-03-07 | 2012-02-15 | 株式会社東芝 | 半導体製造装置の制御方法、および半導体製造装置の制御システム |
JP5341448B2 (ja) * | 2007-09-25 | 2013-11-13 | 株式会社東芝 | 品質管理方法、半導体装置の製造方法及び品質管理システム |
JP5504175B2 (ja) * | 2008-01-31 | 2014-05-28 | フィッシャー−ローズマウント システムズ,インコーポレイテッド | モデル不一致を補償するためのチューニングを有する頑健な適応モデル予測コントローラ |
CN101872182A (zh) * | 2010-05-21 | 2010-10-27 | 杭州电子科技大学 | 一种基于递推非线性部分最小二乘的间歇过程监控方法 |
US9110452B2 (en) * | 2011-09-19 | 2015-08-18 | Fisher-Rosemount Systems, Inc. | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
-
2016
- 2016-03-28 KR KR1020187008292A patent/KR101895193B1/ko active IP Right Grant
- 2016-03-28 DE DE112016006546.9T patent/DE112016006546T5/de active Pending
- 2016-03-28 WO PCT/JP2016/059885 patent/WO2017168507A1/ja active Application Filing
- 2016-03-28 JP JP2017539683A patent/JP6253860B1/ja active Active
- 2016-03-28 US US15/759,156 patent/US20180284739A1/en not_active Abandoned
- 2016-03-28 CN CN201680081876.0A patent/CN109074051B/zh active Active
- 2016-06-20 TW TW105119273A patent/TWI610381B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1296440A (zh) * | 1998-02-12 | 2001-05-23 | 莫尔德弗洛有限公司 | 用于热塑性塑料注塑成型的自动模塑技术 |
JP2008065639A (ja) * | 2006-09-07 | 2008-03-21 | Ricoh Co Ltd | 工程管理支援システム、部品評価支援サーバー装置、及び部品評価支援プログラム |
CN104753812A (zh) * | 2013-12-30 | 2015-07-01 | Wi-Lan研究所公司 | 通信系统中的应用质量管理 |
Also Published As
Publication number | Publication date |
---|---|
KR101895193B1 (ko) | 2018-10-04 |
KR20180034694A (ko) | 2018-04-04 |
JPWO2017168507A1 (ja) | 2018-04-12 |
CN109074051A (zh) | 2018-12-21 |
TW201735207A (zh) | 2017-10-01 |
DE112016006546T5 (de) | 2018-12-06 |
JP6253860B1 (ja) | 2017-12-27 |
WO2017168507A1 (ja) | 2017-10-05 |
TWI610381B (zh) | 2018-01-01 |
US20180284739A1 (en) | 2018-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109074051B (zh) | 质量管理装置、质量管理方法及记录介质 | |
JP6673216B2 (ja) | 要因分析装置、要因分析方法とプログラム、及び、要因分析システム | |
Eger et al. | Correlation analysis methods in multi-stage production systems for reaching zero-defect manufacturing | |
JP6636883B2 (ja) | 評価装置、評価方法、および評価プログラム | |
WO2015076002A1 (ja) | 蓄電池劣化検出システムおよびその方法、ならびにプログラム | |
JP2019036061A (ja) | 要因分析装置、要因分析方法、およびプログラム | |
JP2020052740A (ja) | 異常検知装置、異常検知方法及びプログラム | |
JP2012226511A (ja) | 歩留まり予測システムおよび歩留まり予測プログラム | |
JP2018113027A (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP6206692B2 (ja) | 抜取データ処理装置、抜取データ処理方法及びコンピュータプログラム | |
JP2010225029A (ja) | 製造履歴分析支援装置および製造履歴分析支援方法 | |
JP2021039612A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
WO2020170304A1 (ja) | 学習装置及び方法、予測装置及び方法、並びにコンピュータ可読媒体 | |
CN112585727A (zh) | 装置诊断装置、等离子体处理装置以及装置诊断方法 | |
JP6273835B2 (ja) | 状態判定装置、状態判定方法および状態判定プログラム | |
JP6794283B2 (ja) | 生産工程分析装置及びこれを用いる生産管理システム | |
Fernández | Optimal schemes for resubmitted lot acceptance using previous defect count data | |
JP7107386B2 (ja) | 情報処理装置 | |
JP2019003453A (ja) | 不良要因分析システム及び不良要因分析方法 | |
US10853538B2 (en) | Model generation system and model generation method | |
JP7029647B2 (ja) | コントローラ、システム、方法及びプログラム | |
JP6832175B2 (ja) | 処理フロー管理装置及び処理フロー管理方法 | |
WO2023223533A1 (ja) | 推定装置、推定方法およびプログラム | |
US20230152759A1 (en) | Information processing apparatus, information processing method, and computer program product | |
WO2023243232A1 (ja) | データ分析装置、データ分析方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |