CN109426921A - 信息处理装置及信息处理方法 - Google Patents

信息处理装置及信息处理方法 Download PDF

Info

Publication number
CN109426921A
CN109426921A CN201810592576.XA CN201810592576A CN109426921A CN 109426921 A CN109426921 A CN 109426921A CN 201810592576 A CN201810592576 A CN 201810592576A CN 109426921 A CN109426921 A CN 109426921A
Authority
CN
China
Prior art keywords
section
production target
production
information processing
processing unit
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.)
Granted
Application number
CN201810592576.XA
Other languages
English (en)
Other versions
CN109426921B (zh
Inventor
松山贵佳
服部玲子
藤井彻
八竹英纪
栗林博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Publication of CN109426921A publication Critical patent/CN109426921A/zh
Application granted granted Critical
Publication of CN109426921B publication Critical patent/CN109426921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/40—Minimising material used in manufacturing processes
    • 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
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明提供一种可利用生产指标来执行与制造条件的变化的形态对应的处理的信息处理装置及信息处理方法。信息处理装置根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于制品的品质的生产指标。信息处理装置根据事先设定的阈值，判定生产指标属于构件的一个维护周期中所含有的第1区间、及生产指标的变动比第1区间大的第2区间的哪一个区间。信息处理装置执行使用被判定为属于第1区间的生产指标的第1处理、及使用被判定为属于第2区间的生产指标的第2处理的至少一者。

Description

信息处理装置及信息处理方法
技术领域
本发明涉及一种信息处理装置及信息处理方法。
背景技术
先前，管理设备的状态的装置及方法已为人所知。
例如，在专利文献1中，作为此种方法，揭示有一种根据设备所输出的时间序列信号来监视设备的状态的方法。在此方法中，(i)根据时间序列信号在各固定期间内赋予运转模式标签，(ii)根据各固定期间的运转模式标签来选定学习数据，(iii)根据所选定的学习数据来制作正常模型，(iv)根据时间序列信号与正常模型来算出异常测度，(v)根据所算出的异常测度来进行设备的状态是异常还是正常的识别(参照[摘要])。
在专利文献2中，揭示有一种根据设备或装置所输出的时间序列的传感器信号来探测异常的设备状态监视方法。在此方法中，(i)根据从设备所输出的事件信号而按运转状态进行模式划分，(ii)在各模式下制作正常模型，(iii)对各模式的学习数据的充分性进行检验，(iv)使用对应于其结果所设定的阈值进行异常识别(参照[摘要])。
在专利文献3中，揭示有一种对象设备的寿命决定方法。此方法具备：(i)根据对象设备的电动机的电力或电流的时间变化，推断轴承部位的变动应力的重复次数，并求出寿命消耗率来决定剩余寿命的步骤1；(ii)通过从安装在轴承部位上的振动传感器所获得的振动测度的时间变化率的幂律(power law)，追踪此劣化状态的进展，并推断到达危险区域的时间点的步骤2；以及(iii)步骤2的振动诊断的结果，在注意区域的末期，通过步骤1与步骤2来决定剩余寿命的步骤3。进而，此方法在步骤3中，根据步骤1与步骤2的两个剩余寿命期间来决定此对象设备的寿命(参照[摘要])。
在专利文献4中，揭示有一种决定对象设备的最佳保养时期的支援方法等。此方法具备：(i)对某一时间点的机械健全性进行诊断的简易诊断步骤；(ii)对机械劣化的类别及劣化程度进行推断的精密诊断步骤；(iii)对此劣化状态的进展进行追踪的倾向监视步骤；(iv)根据此倾向监视步骤中的劣化模式，对此故障到达危险区域的时期进行预测的寿命预测步骤；(v)根据倾向监视步骤中的劣化程度的进展，推断对象设备的能量损失的能量损失评估步骤；以及(vi)修复劣化零件或劣化装置时所需要的能量负荷评估步骤。进而，此方法使能量损失评估结果与能量负荷评估结果相加来进行修复此劣化状态的时期的最佳化(参照[摘要])。
[现有技术文献]
[专利文献]
[专利文献1]国际公开第2013/030984号
[专利文献2]日本专利特开2011-070635号公报
[专利文献3]日本专利特开2010-139248号公报
[专利文献4]日本专利特开2009-180722号公报
发明内容
[发明所要解决的问题]
生产装置中的制品的制造条件根据消耗品等的劣化程度、及在长时间内状态逐渐地变化的装置元件(例如零件、夹具等)的劣化程度，而每时每刻地变化。另外，对应于制造条件的变化，表示制品的品质的生产指标也变化。
本揭示是鉴于所述问题点而成者，其提供一种可利用生产指标来执行对应于制造条件的变化的形态的处理的信息处理装置及信息处理方法。
[解决问题的技术手段]
根据本揭示的一例，信息处理装置具备：算出部件，根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于制品的品质的生产指标；判定部件，根据事先设定的阈值，判定生产指标属于构件的一个维护周期中所含有的第1区间、及生产指标的变动比第1区间大的第2区间的哪一个区间；以及执行部件，执行使用被判定为属于第1区间的生产指标的第1处理、及使用被判定为属于第2区间的生产指标的第2处理的至少一者。
根据所述构成，可利用生产指标来执行对应于制造条件的变化的形态的处理。
优选执行部件包含预测部件，所述预测部件根据与生产指标相关的容许值，预测可由构件生产的剩余的生产数作为第2处理。
根据所述构成，可根据属于第2区间的生产指标，预测可由构件生产的剩余的生产数。
优选生产装置使用构件及分别构成生产装置、且种类不同的多个装置元件来生产制品。多个装置元件的各者的维护周期比构件的维护周期长。执行部件包含推断部件，所述推断部件推断多个装置元件之中，使生产指标恶化的装置元件作为第1处理。
根据所述构成，可根据属于第1区间的生产指标，推断使生产指标恶化的装置元件。
优选生产装置具有多个第1装置元件，及个数与第1装置元件不同、且种类与第1装置元件不同的多个第2装置元件作为多个装置元件。推断部件根据与制品的累积生产数相关的属于第1区间的生产指标的恶化的周期性，推断第1装置元件及第2装置元件之中，使生产指标恶化的装置元件。
根据所述构成，可根据属于第1区间的生产指标，推断使生产指标恶化的装置元件。
优选生产装置具有多个第1装置元件作为多个装置元件中的第一种装置元件。制品是使用多个第1装置元件之中，对各制品所指定的一个第1装置元件来生产。生产指标与用以识别多个第1装置元件之中，用于制品的生产的第1装置元件的第1识别信息建立了关联。推断部件根据属于第1区间的生产指标、及与生产指标建立了关联的第1识别信息，从多个第1装置元件之中，推断当生产指标已恶化时用于制品的生产的第1装置元件。
根据所述构成，可根据属于第1区间的生产指标、及与此生产指标建立了关联的用以识别第1装置元件的识别信息，推断使生产指标恶化的装置元件。
优选生产装置进而具有多个第2装置元件作为多个装置元件中的第二种装置元件。制品是使用多个第2装置元件之中，对各制品所指定的一个第2装置元件来生产。生产指标与用以识别多个第2装置元件之中，用于制品的生产的第2装置元件的第2识别信息建立了关联。推断部件根据属于第1区间的生产指标、以及与生产指标建立了关联的第1识别信息及第2识别信息，从多个第1装置元件及多个第2装置元件之中，推断使生产指标恶化的装置元件。
根据所述构成，可根据属于第1区间的生产指标、及与此生产指标建立了关联的用以识别第1装置元件的识别信息、以及与此生产指标建立了关联的用以识别第2装置元件的识别信息，推断使生产指标恶化的装置元件。
优选信息处理装置进而具备：生成部件，生成表示制品的累积生产数与生产指标的关系的模型数据；以及设定部件，根据模型数据来设定阈值。
根据所述构成，根据基于生产指标的模型数据来设定阈值，因此关于设定此阈值后的生产指标，可判断属于缓慢区间与急剧区间的哪一个。
优选生成部件根据在构件的多个维护周期中所获得的生产指标，生成模型数据。
根据所述构成，与根据在一个维护周期中所获得的生产指标来制作模型数据相比，可制作精度高的模型数据。
优选第1区间与第2区间连续。
根据所述构成，执行部件利用属于一个维护周期的所有生产指标，因此可有效率地利用所算出的生产指标。
优选第1区间与第2区间分离。
根据所述构成，与第1区间与第2区间未分离的情况(不设定第1区间与第2区间之间的区间的情况)相比，可提升可对应的生产数的预测值的精度，并且可高精度地进行因素的推断。
优选第1区间与第2区间的一部分重复。
根据所述构成，通过设置重复区间，可增多第1区间及第2区间中的生产指标的数据数。
优选设定部件根据与生产指标相关的容许值来设定阈值。
根据所述构成，可容易地设定阈值。
优选设定部件在将累积生产数及生产指标的各者作为坐标轴的二维坐标系中，算出表示基于模型数据的曲线的数学式。设定部件算出曲线的曲率变成最大时的生产指标的坐标轴的坐标值。设定部件将所算出的坐标值设定成阈值。
根据所述构成，可根据模型数据来设定阈值。
优选设定部件在将累积生产数及生产指标的各者作为坐标轴的二维坐标系中，算出表示基于模型数据的曲线的数学式，并根据曲线的切线的斜率来设定阈值。
根据所述构成，可根据模型数据来设定阈值。
根据本揭示的另一例，信息处理方法具备：根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于制品的品质的生产指标的步骤；根据事先设定的阈值，判定生产指标属于构件的一个维护周期中所含有的第1区间、及生产指标的变动比第1区间大的第2区间的哪一个区间的步骤；以及执行使用被判定为属于第1区间的生产指标的第1处理、及使用被判定为属于第2区间的生产指标的第2处理的至少一者的步骤。
根据所述方法，可利用生产指标来执行对应于制造条件的变化的形态的处理。
[发明的效果]
根据本揭示，可利用生产指标来执行对应于制造条件的变化的形态的处理。
附图说明
图1是本例的系统构成图。
图2是用以说明制造条件的变化因素的图。
图3是表示制品的累积生产数与生产指标的关系的图。
图4是表示实际运用前的信息处理装置中的处理的流程的流程图。
图5是表示实际运用时的信息处理装置中的处理的流程的流程图。
图6中的(a)至(c)是用以说明模型的制作例的图。
图7是用以说明用户或制造厂商等根据容许值来设定阈值的情况的图。
图8是用以说明信息处理装置使用模型曲线自动地算出阈值的值的情况的图。
图9是用以说明信息处理装置使用模型曲线自动地算出阈值的值的情况的图。
图10是用以说明使用被判定为属于急剧区间的生产指标的处理的图。
图11是用以说明使用被判定为属于缓慢区间的生产指标的处理的图。
图12是从各更换周期中仅提取缓慢区间，并进行了重新排列时所获得的图。
图13是表示周期分析的例子的图。
图14A至图14D是按识别符(Identifier，ID)表示生产指标的图。
图15是用以说明信息处理装置的典型的硬件构成的图。
图16是用以说明信息处理装置的功能构成的图。
图17是信息处理装置中的显示画面例。
图18是与急剧区间相关的显示画面例。
图19是表示从各更换周期中仅提取缓慢区间，并进行了重新排列时所获得的数据的画面例。
图20是根据与ID未建立对应时的周期分析的结果所显示的画面例。
图21是表示与ID建立了对应时的长期变化的因素不同的生产指标的画面例。
图22是用以说明在一个更换周期中将缓慢区间与急剧区间分离来设定的情况的图。
图23是用以说明用于设置缓冲区间的阈值设定方法的图。
图24是用以说明用于设置缓冲区间的另一阈值设定方法的图。
图25是用以说明在一个更换周期中使缓慢区间与急剧区间的一部分重复来设定的情况的图。
图26是用以说明用于设置重复区间的阈值设定方法的图。
图27是用以说明用于设置重复区间的另一阈值设定方法的图。
图28是用以说明产生测量延迟时的可对应的生产数的图。
图29是表示有测量延迟时的画面例的图。
图30是表示半导体制造中的前处理工序的流程的一例的流程图。
图31是表示作为生产指标的具体例的大规模集成电路(Large Scale Integratedcircuit，LSI)不良率的时间序列变化的图。
图32是与急剧区间相关的显示画面例。
图33是根据与ID未建立对应时的周期分析的结果所显示的画面例。
图34是表示与ID建立了对应时的长期变化的因素不同的生产指标的画面例。
图35是表示信息处理装置的功能构成的图。
图36是表示半导体制造中的前处理工序的另一流程的一例的流程图。
图37是表示作为生产指标的具体例的膜厚合格率的时间序列变化的图。
图38是与急剧区间相关的显示画面例。
图39是根据与ID未建立对应时的周期分析的结果所显示的画面例。
图40是表示与ID建立了对应时的长期变化的因素不同的生产指标的画面例。
图41是表示信息处理装置的功能构成的图。
[符号的说明]
1：系统
2：生产装置
2A、2B：半导体制造装置
3：信息处理装置
61：模型曲线
81、102、291、292、293、295：点
91、251、252、281、282：边界点
92、101、253、254、283、284、294：直线
310：控制部
311：生产指标算出部
312：模型制作部
313：阈值设定部
314：区间判定部
315：执行部
320：存储部
321：数据库
330：显示部
340：操作部
351：CPU
352：ROM
353：RAM
354：闪速存储器
355：HDD
356：通信IF
357：显示器
358：操作键
359：鼠标
360：读写器
399：存储媒体
3151：预测部
3152：因素推断部
MAD：绝对中位差
N1～N8、N2(i－1)、Nm、Na、Nb：累积生产数
P1、P2、P3、P4、Pi、Pj-n～Pj：更换周期
Pa：缓慢区间/第一区间
Pb：急剧区间/第二区间
Pc：缓冲区间
Pd：重复区间
U：容许值
Th、Th1、Th2：阈值
S1～S3、S11～S17、S101～S111、S201～S205：步骤
具体实施方式
以下，一面参照附图一面对本发明的实施方式进行说明。在以下的说明中，对同一个零件标注同一个符号。这些零件的名称及功能也相同。因此，关于这些零件，不重复详细的说明。
§1应用例
首先，根据图1～图3对应用本发明的场景的一例进行说明。
图1是本例的系统构成图。
参照图1，系统1具备生产装置(生产设备、制造装置)2与信息处理装置3。信息处理装置3与生产装置2可通信地连接。
在生产装置2中，使用材料及零件的至少一种构件来重复生产规定的制品。作为此构件的一例，可列举消耗品。此处，在“消耗品”中，例如包含随着制造制品而减少的材料、及因磨耗相对快而高频率地进行更换的零件。在生产装置2例如为半导体制造装置的情况下，作为消耗品的一例，可列举溅射靶。另外，在所述构件中，除消耗品以外，也包含因相对容易污染而必须高频率地进行清扫的零件。
信息处理装置3为了算出基于由生产装置2所生产的制品的品质的生产指标，而取得在生产装置2中所测量的各种数据。
图2是用以说明制造条件的变化因素的图。
参照图2，生产次数(处理次数)与生产指标可进行测定(观测)。但是，制造条件无法进行观测。
制造条件的变化的形态具有周期性。此变化的形态可区分成短期变化与长期变化。作为产生短期变化的因素(在相对短的周期内使生产指标下降的因素)，可列举材料的减少。另外，除此以外，作为产生短期变化的因素，也可以列举高频率地进行更换的零件的劣化、必须高频率地进行清扫的零件的污染等。
另一方面，作为产生长期变化的因素(在相对长的周期内使生产指标下降的因素)，可列举：生产装置内的生产场所、各零件的劣化或污染、各夹具的劣化或污染、生产装置所具备的各平台等的变化。如此，产生长期变化的因素与构成生产装置2的元件(以下称为“装置构成”)的劣化等相关联。另外，此装置元件的维护周期比所述构件的维护周期长。
另外，所述生产指标对应于制造条件而变动。因此，生产指标的变动变成短期变化与长期变化组合而成者。
再者，以下为便于说明，作为所述构件的一例，列举消耗品来进行说明。另外，作为构件的“维护周期”的一例，列举消耗品的“更换周期”来进行说明。
图3是表示制品的累积生产数与生产指标的关系的图。
参照图3，消耗品的各更换周期(P1、P2、P3、P4、Pi)(i为5以上的自然数)包含生产指标的变动缓慢的缓慢区间Pa、及生产指标的变动急剧的急剧区间Pb。获得如急剧区间Pb中所示的生产指标的原因在于：制造条件因消耗品的劣化等而骤然恶化。通过系统1的用户更换消耗品，如急剧区间Pb之后的缓慢期间Pa所示，生产指标得到改善。
缓慢区间Pa与急剧区间Pb是根据事先设定的阈值Th与各生产指标的大小关系来区分。典型的是，信息处理装置3在实际运用前，使用更换周期P1、更换周期P2、更换周期P3、更换周期P4中的生产指标(时间序列数据)来事先决定阈值Th。再者，也可以是用户适宜决定阈值Th，而并非信息处理装置3决定阈值Th。
若在信息处理装置3中设定阈值Th，则生产装置2的实际运用开始。信息处理装置3根据从生产装置2所取得的各测量数据(时间序列数据)，依次算出生产指标。在图3中，表示算出至累积生产数变成Nm时的生产指标为止的状态。
累积生产数变成Nm时的生产指标超过阈值Th。因此，在信息处理装置3中，可判定此生产指标为急剧区间Pb的数据。另外，当在累积生产数为N2(i－1)与Nm之间，生产指标未满阈值Th时，信息处理装置3可判定此生产指标为属于缓慢区间Pa的数据。
如此，信息处理装置3根据事先设定的阈值Th，判定所算出的生产指标属于消耗品的一个更换周期Pi中所含有的缓慢区间Pa、及生产指标的变动比缓慢区间Pa大的急剧区间Pb的哪一个区间。据此，可判断所算出的各生产指标是缓慢区间Pa的数据、还是急剧区间Pb的数据。
进而，信息处理装置3执行使用被判定为属于缓慢区间Pa的生产指标的处理(以下也称为“处理Qa”)、及使用被判定为属于急剧区间Pb的生产指标的处理(以下也称为“处理Qb”)的至少一者。
另外，如上所述，生产指标对应于制品的制造条件的变化而变化。因此，根据信息处理装置3，可利用生产指标来执行对应于制造条件的变化的形态的处理。
作为所述处理Qa的一例，信息处理装置3根据被判定为属于缓慢区间Pa的生产指标，推断多个装置元件(零件、夹具、平台等)之中，使生产指标恶化的装置元件。
作为所述处理Qb的一例，信息处理装置3根据被判定为属于急剧区间Pb的生产指标、及与生产指标相关的容许值，预测可由当前的消耗品生产的剩余的生产数。即，信息处理装置3使用所获得的多个生产指标之中，除受到消耗品的影响大的急剧区间Pb的生产指标以外的剩余的生产指标，推断使生产指标恶化的装置元件。
§2构成例
[A.处理的流程]
(1)概要
图4是表示实际运用前的信息处理装置3中的处理的流程的流程图。
参照图4，在步骤S1中，信息处理装置3根据通过利用生产装置2所具备的传感器等的测量所获得的各种测量数据，算出生产指标。作为“生产指标”，例如可列举：成品率、不良率、产量、单位工序中的处理成功制品率、单位工序中的处理失败制品率。使用此种生产指标中的哪一个指标是根据生产装置2所制造的制品，事先由生产装置2的制造厂商或用户适宜决定。
在步骤S2中，信息处理装置3根据所算出的生产指标来生成模型。模型的具体例将后述(图6中的(a)至(c))。在步骤S3中，信息处理装置3设定用以特定缓慢区间Pa与急剧区间Pb的阈值Th。阈值Th的设定的详细情况也将后述(图7～图9等)。
另外，有时将用于制品的生产的装置元件的识别信息(以下，也称为“ID”)与生产指标建立对应。信息处理装置3根据测量数据是与哪个装置元件、场所、装置等相关联的数据，而将不同的识别信息与生产指标建立对应。由于使用多个装置元件来生成一个制品，因此典型的是将多个装置元件的识别信息与各生产指标建立对应。例如，将与场所相关的ID、与零件相关的ID、与夹具相关的ID、以及与平台相关的ID与一个生产指标建立对应。
图5是表示实际运用时的信息处理装置3中的处理的流程的流程图。
参照图5，在步骤S11中，信息处理装置3从生产装置2取得测量数据。在步骤S12中，信息处理装置3根据测量数据来算出生产指标。
在步骤S13中，信息处理装置3使用阈值Th来判断所算出的生产指标是否为属于急剧区间Pb的数据。当判断为属于急剧区间Pb时(在步骤S13中为是(YES))，在步骤S14中，信息处理装置3预测通过正在使用的消耗品(当前的消耗品)，可生产剩余几个制品。以下将此可生产的数量也称为“可对应的生产数”。
当判断为不属于急剧区间Pb时(在步骤S13中为否(NO))，在步骤S15中，信息处理装置3判断生产指标是否与用于制品的生产的装置元件的识别信息(ID)建立了对应。
若判断为与ID建立了对应(在步骤S15中为是(YES))，则在步骤S16中，信息处理装置3通过ID分类来执行因素推断。若判断为与ID未建立对应(在步骤S15中为否(NO))，则在步骤S17中，信息处理装置3执行考虑周期性等的因素推断。这些因素推断的具体例将后述。
(2)模型制作
图6中的(a)至(c)是用以说明模型的制作例的图。模型用于算出阈值Th。
参照图6中的(a)至(c)，如图表(a)所示，作为一例，信息处理装置3使用从累积生产数为0至N8为止的四个更换周期(P1～P4)(参照图3)中所含有的生产指标来生成模型。再者，更换周期(一个周期)作为从用户上次更换消耗品至本次更换消耗品为止的累积生产数来表示。
如图表(b)所示，信息处理装置3将所述四个更换周期(P1～P4)中所含有的生产指标重叠。信息处理装置3以横轴(生产数)的值一致的方式，将更换周期P1的生产指标的最前列的数据、更换周期P2的生产指标的最前列的数据、更换周期P3的生产指标的最前列的数据、及更换周期P4的生产指标的最前列的数据重叠。横轴的生产指标的间隔在四个更换周期(P1～P4)中相同。
信息处理装置3根据经重叠的生产指标的数据，生成表示生产数与生产指标的关系的模型。在图表(c)中，模型以曲线61的形式来表现。作为一例，信息处理装置3使用横轴的值相同的四个生产指标的平均值来制作曲线61。曲线61例如可使用最小平方法来生成。
如以上般，信息处理装置3制作表示多个更换周期中的生产指标的平均的变化的模型(曲线61)。再者，并不限定于此，信息处理装置3也可以生成表示多个更换周期中的生产指标的最大值的变化的模型。另外，信息处理装置3也可以根据一个更换周期中的生产指标来生成模型。再者，以下将曲线61也称为“模型曲线61”。
(3)阈值设定
作为阈值Th的设定方法，大致分为两种方法。一种是用户或制造厂商等根据容许值来决定的方法。另一种是信息处理装置3使用模型曲线61，自动地算出阈值Th的值的方法。以下，对这些方法进行说明。
图7是用以说明用户或制造厂商(以下也称为“用户等”)根据容许值来设定阈值的情况的图。所谓“容许值”，是指作为制品成立的生产指标的值。
参照图7，用户等将使生产指标的容许值U乘以规定的比例所得的值设定成阈值Th。在图7的例子中，将使容许值U乘以四分之一所得的值(U/4)设定成阈值Th。用户等例如可参照模型曲线61来决定将规定的比例设为多少、或者也可以不参照模型曲线61来决定将规定的比例设为多少。
图8是用以说明信息处理装置3使用模型曲线61自动地算出阈值Th的值的情况的图。
参照图8，信息处理装置3算出在模型曲线61中曲率变成最大的点81。详细而言，信息处理装置3算出在模型曲线61中曲率变成最大的生产数的值(横轴的值)。信息处理装置3将所算出的值(横轴的值)时的生产指标的值(纵轴的值)在模型曲线61中设定成阈值Th。
与图8同样地，图9是用以说明信息处理装置3使用模型曲线61自动地算出阈值Th的值的情况的图。
参照图9，当使生产数增加时，算出在模型曲线61中变化率(曲线61的切线的斜率)首次超过固定值的边界点91。详细而言，作为一例，信息处理装置3算出变化率变成0.2以上的边界点91。再者，直线92表示斜率(变化率)为0.2的直线。
(4)急剧区间中的处理
图10是用以说明使用被判定为属于急剧区间Pb的生产指标的处理的图。详细而言，此图是用以说明图5的步骤S14的处理的图。
参照图10，信息处理装置3根据属于急剧区间Pb的生产指标与容许值U，算出可对应的生产数(Nb－Na)。若使用图10的例子对算出方法进行具体说明，则如下所述。
首先，信息处理装置3对表示属于急剧区间Pb的三个生产指标的值的点(经绘制的数据)进行线性近似(linear approximation)。信息处理装置3算出通过线性近似所获得的直线101的纵轴的值变成容许值U的累积生产数的值(Nb)。即，信息处理装置3算出点102的横轴的坐标值。信息处理装置3从所算出的值Nb减去表示属于急剧区间Pb的三个生产指标的点中的累积生产数的值最大的点的累积生产数Na，由此算出可对应的生产数。
如以上般，根据信息处理装置3，可根据被判定为属于急剧区间Pb的生产指标、及与生产指标相关的容许值，预测可由当前的消耗品生产的剩余的生产数。
(5)缓慢区间中的处理
图11是用以说明使用被判定为属于缓慢区间Pa的生产指标的处理的图。详细而言，此图是用以说明图5的步骤S16、步骤S17的处理的图。
参照图11，在生产装置2的实际运用时，信息处理装置3在消耗品的各更换周期(例如，至更换周期Pj为止的各更换周期)中，根据阈值Th来将生产指标区分成缓慢区间Pa与急剧区间Pb。再者，j是比n大的任意的自然数。
信息处理装置3根据各更换周期中的各缓慢区间Pa的生产指标，推断使制品的品质下降的因素。以下，分成与ID建立了对应的情况、及与ID未建立对应的情况进行说明。
(5.1)与ID未建立对应
图12是从图11中所示的各更换周期中仅提取缓慢区间Pa，并进行了重新排列(结合)时所获得的图。此图也是通过删除图11的急剧区间Pb、且使缓慢区间Pa在横轴方向上移动所获得的图。
参照图12，通过横轴而连续地显现生产指标的峰值。为便于说明，通过利用圆形标记包围来明示各峰值。
信息处理装置3根据场所的数量、用于生产的零件的个数、所利用的夹具的个数、平台的数量(参照图2的长期变化的因素)、及生产指标的下降的周期性，推断使生产指标恶化的因素。
以下，作为一例，将场所的数量设为十处，将零件的个数设为三个，将夹具的个数设为四个，将平台的个数设为两个。
图13是表示周期分析的例子的图。
参照图13，如图的箭头所示，自相关(autocorrelation)以4的倍数变大。据此，用户若考虑场所的数量、零件的个数、夹具的个数、及平台的个数，则可判断个数为四个的夹具的任一个是使生产指标恶化的因素。
因此，用户对四个夹具进行调查、且对四个夹具中的已劣化或污染的夹具进行更换或清扫，由此可提升生产指标。
(5.2)与ID建立了对应
当生产指标与多个ID建立了对应时，信息处理装置3利用这些ID，推断使生产指标恶化的因素。在此情况下，如根据图12所说明般，也从各更换周期中仅提取缓慢区间Pa。
在以下的说明中，作为一例，将带有ID的平台的个数设为两个，将带有ID的零件的个数设为三个，将带有ID的夹具的个数设为四个，将带有ID的场所的数量设为12。另外，信息处理装置3使用使中位数与绝对中位差(Median absolute deviation，MAD)的三倍相加所得的值作为生产指标的下降的因素的判断指标的一例。
图14A至图14D是按ID表示生产指标的图。
参照图14A至图14D，图14A是平台的生产指标，且表示各识别信息的生产指标。图14B是零件的生产指标，且表示各识别信息的生产指标。图14C是夹具的生产指标，且表示各识别信息的生产指标。图14D是场所的生产指标，且表示各识别信息的生产指标。
在图14C中，可知四个夹具中的第四号(No.4)夹具的生产指标已超过判断指标(中位数+3×MAD)。据此，用户或信息处理装置3可判断第四号(No.4)夹具是使生产指标恶化的因素
另外，在图14D中，可知十二处场所中的第八号(No.8)场所的生产指标已超过判断指标。据此，用户或信息处理装置3可判断第八号(No.8)场所是使生产指标恶化的因素。
如此，即便在有多个使生产指标恶化的因素的情况下，通过使用ID，用户或信息处理装置3也可以特定这些因素。
[B.硬件构成]
图15是用以说明信息处理装置3的典型的硬件构成的图。
参照图15，信息处理装置3典型的是具备：中央处理器(Central ProcessingUnit，CPU)351、只读存储器(Read Only Memory，ROM)352、随机存取存储器(Random AccessMemory，RAM)353、闪速存储器354、硬盘驱动器(Hard Disk Drive，HDD)355、通信界面(Interface，IF)356、显示器357、操作键358、鼠标359、以及进行针对存储媒体399的数据的读写的读写器360。这些装置由于从先前以来已为人所知，因此此处不进行详细说明。
[C.功能构成]
图16是用以说明信息处理装置3的功能构成的图。
参照图16，信息处理装置3具备：控制部310、存储部320、显示部330、以及操作部340。控制部310包括：生产指标算出部311、模型制作部312、阈值设定部313、区间判定部314、以及执行部315。执行部315具有预测部3151与因素推断部3152。存储部320具有数据库321。
控制部310控制信息处理装置3的整体的动作。
生产指标算出部311根据从生产装置2所取得的各种测量数据，算出生产指标。生产指标算出部311使所算出的生产指标存储在数据库321中。生产指标、及与生产指标建立了对应的ID与累积生产数建立关联而保存在数据库321中。
控制部310也可以从生产装置2取得累积生产数本身、或者也可以根据从生产装置2传送来的规定的信息，计算累积生产数。累积生产数的取得方法并无特别限定。
模型制作部312从生产装置2取得表示消耗品的更换的对应记录数据。再者，对应记录也可以是通过操作部340来输入的构成。模型制作部312根据存储在数据库321中的生产指标等、及对应记录数据来生成模型。模型制作部312典型的是生成模型曲线(参照图6中的(a)至(c))。模型制作部312将表示所生成的模型的数据(模型数据)传送至阈值设定部313中。
阈值设定部313根据模型数据来设定阈值Th。例如，如根据图8或图9所说明般算出阈值Th。再者，也可以如根据图7所说明般，以经由操作部340而接受阈值Th的用户输入的方式，构成控制部310。阈值设定部313将所设定的阈值Th传送至区间判定部314中。
区间判定部314使用所设定的阈值Th，判定在实际运用时依次算出且依次存储在数据库321中的生产指标是属于缓慢区间Pa的数据、还是属于急剧区间Pb的数据。
区间判定部314将属于急剧区间Pb的生产指标(数据列)传送至预测部3151中。区间判定部314将属于缓慢区间Pa的生产指标(数据列)传送至因素推断部3152中。
执行部315执行使用被判定为属于缓慢区间Pa的生产指标的处理Qa、及使用被判定为属于急剧区间Pb的生产指标的处理Qb。
具体而言，执行部315内的预测部3151根据与生产指标相关的容许值预测可由消耗品生产的剩余的生产数(即，可对应的生产数)作为处理Qb(参照图10)。在此情况下，控制部310使所预测的可对应的生产数显示在显示部330中。
在执行部315内的因素推断部3152中输入与场所相关的数据(区域数、作为ID的编号)、与零件相关的数据(零件数、作为ID的编号)、与夹具相关的数据(夹具数、作为ID的编号)、以及与平台相关的数据(平台数、作为ID的编号)。这些数据典型的是从生产装置2传送来。
因素推断部3152使用这些从生产装置2传送来的数据、及属于缓慢区间Pa的数据，推断使生产指标恶化的装置元件作为处理Qa。在此情况下，控制部310使所推断的因素显示在显示部330中。
详细而言，在生产指标与ID未建立对应的情况下，因素推断部3152根据与制品的累积生产数相关的属于缓慢区间Pa的生产指标的恶化的周期性，推断多个装置元件等中的使生产指标恶化的装置元件(参照图13)。
另外，在生产指标与ID建立了对应的情况下，因素推断部3152根据属于缓慢区间Pa的生产指标、及与生产指标建立了关联的识别信息，从多个装置元件等之中，推断当生产指标已恶化时用于制品的生产的装置元件(参照图14A至图14D)。
再者，所推断的因素的显示的方式也可以是明示因素本身的方式、或者也可以是使用图表来间接地显示(使用户判断因素)的方式。显示的方式并无特别限定。
然而，控制部310包含图15中所示的CPU 351、ROM 352、RAM 353等，对应于信息处理来进行各构成元件的控制。存储部320例如为HDD 355、固态驱动器等辅助存储装置，存储由控制部310所执行的程序、数据库(DB)321等。
存储媒体399是以可读取记录有计算机等装置、机械等的程序等信息的方式，通过电作用、磁作用、光学作用、机械作用或化学作用来积蓄此程序等信息的媒体。信息处理装置3也可以从此存储媒体399取得所述程序或生产指标的数据。
再者，也能够以执行部315执行处理Qa与处理Qb的至少一者的方式构成控制部310。
[D.用户界面]
对由信息处理装置3的显示器357(显示部330)显示的各种用户界面进行说明。
(1)整体区间
图17是信息处理装置3中的显示画面例。
参照图17，信息处理装置3使在各更换周期中对缓慢区间Pa与急剧区间Pb进行区分的画面显示在显示器357(显示部330)中。再者，在缓慢区间Pa与急剧区间Pb中绘制有数据。
(2)急剧区间
图18是与急剧区间Pb相关的显示画面例。详细而言，此图是表示预测结果的图。
参照图18，信息处理装置3显示可对应的生产数的预测值。典型的是，信息处理装置3将预测值与急剧区间Pb的生产指标的数据、及通过线性近似所获得的直线(图10中的直线101)一同显示在显示器357中。据此，用户可知道当前的消耗品中的可对应的生产数。
(3)缓慢区间
图19是表示从各更换周期中仅提取缓慢区间Pa，并进行了重新排列(结合)时所获得的数据(参照图12)的画面例。参照图19，用户通过确认此画面，而可判断在生产指标的值中是否存在某些周期性。
图20是根据与ID未建立对应时的周期分析(参照图13)的结果所显示的画面例。
参照图20，信息处理装置3针对平台、零件、夹具、及场所的各者算出自相关。信息处理装置3将所算出的各个自相关与平台、零件、夹具、及场所建立对应来显示。据此，用户可判断平台、零件、夹具、及场所之中，使生产指标恶化的因素。在此图的例子的情况下，用户可判断四个夹具中的哪一个使生产指标恶化。
图21是表示与ID建立了对应时的长期变化的因素不同的生产指标(参照图14A至图14D)的画面例。
参照图21，信息处理装置3针对平台、夹具、零件、及场所的各者，使生产指标与目标值显示在显示器357中。尤其，信息处理装置3针对已超过判断指标的生产指标，以可与其他生产指标进行区分的显示形态来显示。
在此图的例子中，信息处理装置3使四个夹具中的第四号夹具的生产指标的条形图、及十二个场所中的第八号(No.8)场所的生产指标的条形图的显示形态与其他条形图的显示形态不同。
由此，用户可迅速地掌握使生产指标恶化的因素。
[E.变形例]
(1)阈值设定
在所述中，列举使用一个阈值Th，在一个更换周期中不重复而连续地区分缓慢区间Pa与急剧区间Pb的形态为例进行了说明。但是，并不限定于此。以下，对其他形态进行说明。
(1.1)第1变形例
图22是用以说明在一个更换周期中将缓慢区间Pa与急剧区间Pb分离来设定的情况的图。
参照图22，在缓慢区间Pa与急剧区间Pb之间设定缓冲区间Pc。通过设置此种缓冲区间Pc，与不设置缓冲区间Pc的情况相比，缓慢区间Pa中的生产指标的变动与急剧区间Pb中的生产指标的变动的差异变得更明确。
图23是用以说明用于设置缓冲区间Pc的阈值设定方法的图。与根据图7所说明的情况同样地，此图也是用以说明用户或制造厂商等根据容许值来设定阈值Th的情况的图。
参照图23，用户等将使生产指标的容许值U乘以规定的比例所得的值设定成两个阈值(Th1、Th2)。在图23的例子中，将使容许值U乘以五分之一所得的值(U/5)设定成阈值Th1，将使容许值U乘以二分之一所得的值(U/2)设定成阈值Th2。
通过此种阈值Th1、阈值Th2的设定，对应于阈值Th1以上、未满阈值Th2的区间的生产数的区间变成缓冲区间Pc。另外，对应于未满阈值Th1的区间的生产数的区间变成缓慢区间Pa。进而，对应于阈值Th2以上的区间的生产数的区间变成急剧区间Pb。
执行部315(图16)不将缓冲区间Pc的数据用于可对应的生产数的预测及因素的推断。因此，与不设定缓冲区间Pc的情况相比，可提升可对应的生产数的预测值的精度，并且可高精度地进行因素的推断。
图24是用以说明用于设置缓冲区间Pc的另一阈值设定方法的图。与根据图9所说明的情况同样地，此图也是用以说明信息处理装置3使用模型曲线自动地算出阈值的情况的图。
参照图24，信息处理装置3使用模型曲线61来算出阈值Th1、阈值Th2。详细而言，当使生产数增加时，算出在模型曲线61中变化率首次超过互不相同的两个固定值的边界点251、边界点252。在此图的情况下，作为一例，信息处理装置3算出变化率变成0.2以上的边界点251、及变化率变成0.4以上的边界点252。再者，直线253表示斜率(变化率)为0.2的直线，直线254表示斜率(变化率)为0.4的直线。
如此，即便在使用变化率的情况下，与所述同样地，也可以提升可对应的生产数的预测值的精度，并且可高精度地进行因素的推断。
(1.2)第2变形例
图25是用以说明在一个更换周期中使缓慢区间Pa与急剧区间Pb的一部分重复来设定的情况的图。
参照图25，设定缓慢区间Pa的一部分与急剧区间Pb的一部分重叠的重复区间Pd。通过设置此种重复区间Pd，可增多缓慢区间Pa及急剧区间Pb中的生产指标的数据数。
图26是用以说明用于设置重复区间Pd的阈值设定方法的图。与根据图7所说明的情况同样地，此图也是用以说明用户或制造厂商等根据容许值来设定阈值Th的情况的图。
参照图26，用户等将使生产指标的容许值U乘以规定的比例所得的值设定成两个阈值(Th1、Th2)。在图26的例子中，与图23的例子同样地，将使容许值U乘以五分之一所得的值(U/5)设定成阈值Th1，将使容许值U乘以二分之一所得的值(U/2)设定成阈值Th2。
通过此种阈值Th1、阈值Th2的设定，对应于阈值Th1以上、未满阈值Th2的区间的生产数的区间变成重复区间Pd。另外，对应于未满阈值Th2的区间的生产数的区间变成缓慢区间Pa。进而，对应于阈值Th1以上的区间的生产数的区间变成急剧区间Pb。
图27是用以说明用于设置重复区间Pd的另一阈值设定方法的图。与根据图9所说明的情况同样地，此图也是用以说明信息处理装置3使用模型曲线自动地算出阈值的情况的图。
参照图27，信息处理装置3使用模型曲线61来算出阈值Th1、阈值Th2。详细而言，使横轴的值(生产数)增加，算出模型曲线61中的变化率首次超过互不相同的两个固定值的边界点281、边界点282。在此图的情况下，作为一例，信息处理装置3算出变化率变成0.2以上的边界点281、及变化率变成0.3以上的边界点282。再者，直线283表示斜率(变化率)为0.2的直线，直线284表示斜率(变化率)为0.3的直线。
(2)可对应的生产数的预测
在经过多个工序来生产制品的情况等下，各工序中的品质的评估大多在最终工序结束后进行。另外，在此种情况下，为了预测各工序中的可对应的生产数，也必须推断从工序结束至检査为止的延迟。以下，对在产生此种测量延迟的情况下，可高精度地预测可对应的生产数的构成进行说明。
图28是用以说明产生测量延迟时的可对应的生产数的图。
参照图28，测量延迟表示从成为对象的工序至检査工序为止的未完成数。
用黑色涂满的圆点表示生产指标的实测值。点291、点292表示预测值。菱形的点293表示现状值(推断值)。再者，在此图的情况下，表示测量延迟为三个的情况的例子。
信息处理装置3根据生产指标的实测值与过去的数据，推断预测值与现状值。进而，信息处理装置3根据生产指标的实测值、预测值、及现状值，制作成为模型的直线294。在制作模型时，信息处理装置3例如使用最近的三个实测值。
信息处理装置3特定直线294的纵轴的值变成容许值U(点295)时的累积生产数，并根据所特定的累积生产数算出可对应的生产数(例如三个)。
图29是表示有测量延迟时的画面例的图。
参照图29，信息处理装置3将图28中所示的图表显示在显示器357中。进而，信息处理装置3显示各点的内容(数据类别)、测量延迟的数量、及作为预测值的可对应的生产数的信息。
根据此种构成，即便在产生测量延迟的情况下，用户也可以高精度地预测各工序中的可对应的生产数。
§3具体例
以下，作为生产装置2，列举半导体制造装置为例进行说明。另外，以下对将所述可对应的生产数的预测及使生产指标恶化的因素的推断等各种处理应用于半导体制造的前工序的情况进行说明。
(1)第1具体例
图30是表示半导体制造中的前处理工序的流程的一例的流程图。
参照图30，在步骤S101中，进行基板的清洗。在步骤S102中，在基板上进行成膜。在步骤S103中，进行实施了成膜处理的基板的清洗。
在步骤S104中，对基板进行抗蚀剂涂布。在步骤S105中，对基板进行曝光，在步骤S106中进行显影。在步骤S107中，对基板进行蚀刻，在步骤S108中，进行杂质的注入。
其后，在步骤S109中，在退火炉内对蚀刻后的基板进行退火(焖火)。在步骤S110中，进行抗蚀剂的剥离，在步骤S111中进行电特性的检査。
再者，步骤S101～步骤S111的处理是先前所进行的处理。
步骤S101的清洗处理例如为批次式湿式清洗，利用多个狭缝中的经指定的狭缝来进行。药液进入至狭缝内。此清洗处理相当于长期变化的因素中的“场所”(参照图2)。
步骤S102的成膜处理是使用溅射靶的溅射成膜。溅射靶是消耗品，而成为短期变化的因素。
步骤S108的蚀刻例如为干式蚀刻，在多个平台中的经指定的平台上进行。此蚀刻处理相当于长期变化的因素中的“平台变化”。
步骤S109的退火是使用多个退火炉中的经指定的炉来进行。退火与长期变化的因素中的“零件劣化或污染”相关联(参照图2)。
另外，在前工序中使用多个晶片匣(wafer cassette)。晶片匣是夹具。晶片匣的劣化或污染也成为长期变化的因素。
图31是表示作为生产指标的具体例的LSI不良率的时间序列变化的图。
参照图31，在急剧区间Pb中，伴随处理片数增加，LSI不良率大幅度上升。另外，每次更换溅射靶时，LSI不良率均下降。
图32是与急剧区间Pb相关的显示画面例。详细而言，此图是对应于图18的画面例的图(表示预测结果的图)。
参照图32，信息处理装置3将可对应的生产数的预测值与模型的直线及点一同显示。
图33是根据与ID未建立对应时的周期分析(参照图13)的结果所显示的画面例。详细而言，此图是对应于图20的画面例的图。
参照图33，信息处理装置3针对狭缝、平台、匣、及退火炉的各者，算出自相关。信息处理装置3将所算出的各个自相关与狭缝、平台、匣、及退火炉建立对应来显示。
图34是表示与ID建立了对应时的长期变化的因素不同的生产指标(参照图14A至图14D)的画面例。详细而言，此图是对应于图21的画面例的图。
参照图34，信息处理装置3针对狭缝、平台、晶片匣、及退火炉的各者，使生产指标与目标值显示在显示器357中。尤其，信息处理装置3针对已超过判断指标的生产指标，以可与其他生产指标进行区分的显示形态来显示。
在此图的例子中，信息处理装置3使四个晶片匣中的第四号晶片匣的生产指标的条形图、及二十五个狭缝中的第六号狭缝及第十八号狭缝的生产指标的条形图的显示形态与其他条形图的显示形态不同。
图35是表示信息处理装置3的功能构成的图。
参照图35，与图16中所示的功能构成的不同点是以下三点：生产装置2变成作为具体例的半导体制造装置2A这一点、输入至生产指标算出部311中的测量数据变成作为具体例的电阻值这一点、以及从生产指标算出部311中输出的生产指标变成作为具体例的LSI不良率这一点。
另外，从半导体制造装置2A朝因素推断部3152中输入与晶片匣相关的数据(匣数、作为ID的编号)、与平台相关的数据(平台数、作为ID的编号)、与狭缝相关的数据(狭缝数、作为ID的编号)、以及与退火炉相关的数据(炉数、作为ID的编号)。此点也与图16不同。
除所述点不同以外，执行与根据图16所说明的处理相同的处理。
(2)第2具体例
图36是表示半导体制造中的前处理工序的另一流程的一例的流程图。
参照图36，在步骤S201中，进行基板的清洗。在步骤S202中，进行基板的干燥。在步骤S203中，进行对于基板的氧化处理。在步骤S204中，对进行了氧化处理的基板进行成膜。在步骤S205中，进行膜厚检査。再者，步骤S201～步骤S205的处理是先前所进行的处理。
图37是表示作为生产指标的具体例的膜厚合格率的时间序列变化的图。
参照图37，在急剧区间Pb中，伴随处理片数增加，膜厚合格率大幅度减少。另外，每次更换溅射靶时，膜厚合格率均上升。
图38是与急剧区间Pb相关的显示画面例。详细而言，此图是对应于图18的画面例的图(表示预测结果的图)。
参照图38，信息处理装置3将可对应的生产数的预测值与模型的直线及点一同显示。
图39是根据与ID未建立对应时的周期分析(参照图13)的结果所显示的画面例。详细而言，此图是对应于图20的画面例的图。
参照图39，信息处理装置3针对狭缝、平台、匣、及氧化炉的各者，算出自相关。信息处理装置3将所算出的各个自相关与狭缝、平台、匣、及氧化炉建立对应来显示。
图40是表示与ID建立了对应时的长期变化的因素不同的生产指标(参照图14A至图14D)的画面例。详细而言，此图是对应于图21的画面例的图。
参照图40，信息处理装置3针对狭缝、平台、晶片匣、及氧化炉的各者，使生产指标与目标值显示在显示器357中。尤其，信息处理装置3关于已超过判断指标的生产指标，以可与其他生产指标进行区分的显示形态来显示。
在此图的例子中，信息处理装置3使五十个氧化炉中的第六号氧化炉及第十八号氧化炉的生产指标的条形图、及十三个狭缝中的第六号狭缝的生产指标的条形图的显示形态与其他条形图的显示形态不同。
图41是表示信息处理装置3的功能构成的图。
参照图41，与图16中所示的功能构成的不同点是以下三点：生产装置2变成作为具体例的半导体制造装置2B这一点、输入至生产指标算出部311中的测量数据变成作为具体例的膜厚这一点、以及从生产指标算出部311中输出的生产指标变成作为具体例的膜厚合格率这一点。
另外，从半导体制造装置2B朝因素推断部3152中输入与晶片匣相关的数据(匣数、作为ID的编号)、与平台相关的数据(平台数、作为ID的编号)、与狭缝相关的数据(狭缝数、作为ID的编号)、以及与氧化炉相关的数据(炉数、作为ID的编号)。此点也与图16不同。
除所述点不同以外，执行与根据图16所说明的处理相同的处理。
§4作用·效果
如以上般，在本实施方式中，根据事先设定的阈值，判定所算出的生产指标属于消耗品的一个更换周期中所含有的缓慢区间Pa、及生产指标的变动比缓慢区间Pa大的急剧区间Pb的哪一个区间。据此，可判断所算出的各生产指标是缓慢区间Pa的数据、还是急剧区间Pb的数据。
进而，信息处理装置3执行使用被判定为属于缓慢区间Pa的生产指标的处理(可对应的生产数的预测处理)、及使用被判定为属于急剧区间Pb的生产指标的处理(使生产指标恶化的因素的推断)的至少一者。
生产指标对应于制品的制造条件的变化而变化，因此根据信息处理装置3，可利用生产指标来执行对应于制造条件的变化的形态的处理。
[附记]
如以上般，本实施方式包含如下的揭示。
[1]信息处理装置3具备：算出部件311，根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于制品的品质的生产指标；判定部件314，根据事先设定的阈值，判定生产指标属于构件的一个维护周期中所含有的第1区间Pa、及生产指标的变动比第1区间Pa大的第2区间Pb的哪一个区间；以及执行部件315，执行使用被判定为属于第1区间Pa的生产指标的第1处理、及使用被判定为属于第2区间Pb的生产指标的第2处理的至少一者。
[2]执行部件315包含预测部件3151，所述预测部件3151根据与生产指标相关的容许值，预测可由构件生产的剩余的生产数作为第2处理。
[3]生产装置2、2A、2B使用构件及分别构成生产装置2、2A、2B、且种类不同的多个装置元件来生产制品。多个装置元件的各者的维护周期比构件的维护周期长。执行部件315包含推断部件3152，所述推断部件3152推断多个装置元件之中，使生产指标恶化的装置元件作为第1处理。
[4]生产装置2、2A、2B具有多个第1装置元件，及个数与第1装置元件不同、且种类与第1装置元件不同的多个第2装置元件作为多个装置元件。推断部件3152根据与制品的累积生产数相关的属于第1区间Pa的生产指标的恶化的周期性，推断第1装置元件及第2装置元件之中，使生产指标恶化的装置元件。
[5]生产装置2、2A、2B具有多个第1装置元件作为多个装置元件中的第一种装置元件。制品是使用多个第1装置元件之中，对各制品所指定的一个第1装置元件来生产。生产指标与用以识别多个第1装置元件之中，用于制品的生产的第1装置元件的第1识别信息建立了关联。推断部件3152根据属于第1区间Pa的生产指标、及与生产指标建立了关联的第1识别信息，从多个第1装置元件之中，推断当生产指标已恶化时用于制品的生产的第1装置元件。
[6]生产装置2、2A、2B进而具有多个第2装置元件作为多个装置元件中的第二种装置元件。制品是使用多个第2装置元件之中，对各制品所指定的一个第2装置元件来生产。生产指标与用以识别多个第2装置元件之中，用于制品的生产的第2装置元件的第2识别信息建立了关联。推断部件3152根据属于第1区间Pa的生产指标、以及与生产指标建立了关联的第1识别信息及第2识别信息，从多个第1装置元件及多个第2装置元件之中，推断使生产指标恶化的装置元件。
[7]信息处理装置3进而具备：生成部件312，生成表示制品的累积生产数与生产指标的关系的模型数据；以及设定部件313，根据模型数据来设定阈值。
[8]生成部件312根据在构件的多个维护周期中所获得的生产指标，生成模型数据。
[9]第1区间Pa与第2区间Pb连续。
[10]第1区间Pa与第2区间Pb分离。
[11]第1区间Pa与第2区间Pb的一部分重复。
[12]设定部件313根据与生产指标相关的容许值来设定阈值。
[13]设定部件313在将累积生产数及生产指标的各者设为坐标轴的二维坐标系中，算出表示基于模型数据的曲线的数学式，并算出曲线的曲率变成最大时的生产指标的坐标轴的坐标值，且将所算出的坐标值设定成阈值。
[14]设定部件313在将累积生产数及生产指标的各者设为坐标轴的二维坐标系中，算出表示基于模型数据的曲线的数学式，并根据曲线的切线的斜率来设定阈值。
[15]信息处理方法具备：根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于制品的品质的生产指标的步骤S1；根据事先设定的阈值，判定生产指标属于构件的一个维护周期中所含有的第1区间Pa、及生产指标的变动比第1区间Pa大的第2区间Pb的哪一个区间的步骤S13；以及执行使用被判定为属于第1区间Pa的生产指标的第1处理、及使用被判定为属于第2区间Pb的生产指标的第2处理的至少一者的步骤S14、S16、S17。
本次所揭示的实施方式应认为在所有方面均为例示而非进行限制者。本发明的范围由权利要求表示而非由所述实施方式的说明表示，且意图包含与权利要求均等的含义及范围内的所有变更。

Claims (15)

1.一种信息处理装置，其特征在于，包括：
算出部件，根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于所述制品的品质的生产指标；
判定部件，根据事先设定的阈值，判定所述生产指标属于所述构件的一个维护周期中所含有的第1区间、及所述生产指标的变动比所述第1区间大的第2区间的哪一个区间；以及
执行部件，执行使用被判定为属于所述第1区间的所述生产指标的第1处理、及使用被判定为属于所述第2区间的所述生产指标的第2处理的至少一者。
2.根据权利要求1所述的信息处理装置，其特征在于，所述执行部件包含预测部件，所述预测部件根据与所述生产指标相关的容许值，预测可由所述构件生产的剩余的生产数作为所述第2处理。
3.根据权利要求1或2所述的信息处理装置，其特征在于，所述生产装置使用所述构件及分别构成所述生产装置、且种类不同的多个装置元件来生产所述制品，
所述多个装置元件的各者的维护周期比所述构件的维护周期长，
所述执行部件包含推断部件，所述推断部件推断所述多个装置元件之中，使所述生产指标恶化的装置元件作为所述第1处理。
4.根据权利要求3所述的信息处理装置，其特征在于，所述生产装置具有多个第1装置元件，及个数与所述第1装置元件不同、且种类与所述第1装置元件不同的多个第2装置元件作为所述多个装置元件，
所述推断部件根据与所述制品的累积生产数相关的属于所述第1区间的所述生产指标的恶化的周期性，推断所述第1装置元件及所述第2装置元件之中，使所述生产指标恶化的装置元件。
5.根据权利要求3所述的信息处理装置，其特征在于，所述生产装置具有多个第1装置元件作为所述多个装置元件中的第一种装置元件，
所述制品是使用多个所述第1装置元件之中，对各所述制品所指定的一个所述第1装置元件来生产，
所述生产指标与用以识别多个所述第1装置元件之中，用于所述制品的生产的所述第1装置元件的第1识别信息建立了关联，
所述推断部件根据属于所述第1区间的所述生产指标、及与所述生产指标建立了关联的所述第1识别信息，从多个所述第1装置元件之中，推断当所述生产指标已恶化时用于所述制品的生产的所述第1装置元件。
6.根据权利要求5所述的信息处理装置，其特征在于，所述生产装置进而具有多个第2装置元件作为所述多个装置元件中的第二种装置元件，
所述制品是使用多个所述第2装置元件之中，对各所述制品所指定的一个所述第2装置元件来生产，
所述生产指标与用以识别多个所述第2装置元件之中，用于所述制品的生产的所述第2装置元件的第2识别信息建立了关联，
所述推断部件根据属于所述第1区间的所述生产指标、以及与所述生产指标建立了关联的所述第1识别信息及所述第2识别信息，从多个所述第1装置元件及多个所述第2装置元件之中，推断使所述生产指标恶化的装置元件。
7.根据权利要求4所述的信息处理装置，其特征在于，还包括：
生成部件，生成表示所述制品的所述累积生产数与所述生产指标的关系的模型数据；以及
设定部件，根据所述模型数据来设定所述阈值。
8.根据权利要求7所述的信息处理装置，其特征在于，所述生成部件根据在所述构件的多个维护周期中所获得的所述生产指标，生成所述模型数据。
9.根据权利要求1或2所述的信息处理装置，其特征在于，所述第1区间与所述第2区间连续。
10.根据权利要求1或2所述的信息处理装置，其特征在于，所述第1区间与所述第2区间分离。
11.根据权利要求1或2所述的信息处理装置，其特征在于，所述第1区间与所述第2区间的一部分重复。
12.根据权利要求7所述的信息处理装置，其特征在于，所述设定部件根据与所述生产指标相关的容许值，设定所述阈值。
13.根据权利要求7所述的信息处理装置，其特征在于，所述设定部件在将所述累积生产数及所述生产指标的各者设为坐标轴的二维坐标系中，算出表示基于所述模型数据的曲线的数学式，
算出所述曲线的曲率变成最大时的所述生产指标的坐标轴的坐标值，且
将所算出的所述坐标值设定成所述阈值。
14.根据权利要求7所述的信息处理装置，其特征在于，所述设定部件在将所述累积生产数及所述生产指标的各者设为坐标轴的二维坐标系中，算出表示基于所述模型数据的曲线的数学式，且
根据所述曲线的切线的斜率来设定所述阈值。
15.一种信息处理方法，其特征在于，包括：
根据从使用材料及零件的至少一种构件来生产制品的生产装置所取得的数据，算出基于所述制品的品质的生产指标的步骤；
根据事先设定的阈值，判定所述生产指标属于所述构件的一个维护周期中所含有的第1区间、及所述生产指标的变动比所述第1区间大的第2区间的哪一个区间的步骤；以及
执行使用被判定为属于所述第1区间的所述生产指标的第1处理、及使用被判定为属于所述第2区间的所述生产指标的第2处理的至少一者的步骤。
CN201810592576.XA 2017-09-05 2018-06-11 信息处理装置及信息处理方法 Active CN109426921B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017170490A JP6981113B2 (ja) 2017-09-05 2017-09-05 情報処理装置および情報処理方法
JP2017-170490 2017-09-05

Publications (2)

Publication Number Publication Date
CN109426921A true CN109426921A (zh) 2019-03-05
CN109426921B CN109426921B (zh) 2022-03-08

Family

ID=62748688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810592576.XA Active CN109426921B (zh) 2017-09-05 2018-06-11 信息处理装置及信息处理方法

Country Status (4)

Country Link
US (1) US11029674B2 (zh)
EP (1) EP3451245A1 (zh)
JP (1) JP6981113B2 (zh)
CN (1) CN109426921B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020218004A1 (ja) * 2019-04-24 2020-10-29 Jsr株式会社 データ解析システム
JP7275940B2 (ja) * 2019-07-08 2023-05-18 オムロン株式会社 制御プログラムおよび方法
TW202115413A (zh) * 2019-09-30 2021-04-16 日商愛德萬測試股份有限公司 維護裝置、維護方法及記錄有維護程式之記錄媒體
JP7385539B2 (ja) * 2020-08-13 2023-11-22 株式会社日立製作所 データ処理装置、データ処理方法、およびデータ処理プログラム
JP7525631B2 (ja) * 2020-10-05 2024-07-30 ファナック株式会社 状態判定装置及び状態判定方法
JP2023132966A (ja) * 2022-03-11 2023-09-22 オムロン株式会社 生産管理システム、生産管理方法、及び生産管理プログラム

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1148090A (ja) * 1997-07-31 1999-02-23 Mazda Motor Corp 工具管理システム及び工具管理方法及び工具管理プログラムを記録したコンピュータ読み取りが可能な記録媒体
JP2007034720A (ja) * 2005-07-27 2007-02-08 Omron Corp 調整装置、生産システム、調整装置の制御方法、調整装置の制御プログラム、および調整装置の制御プログラムを記録した記録媒体
CN101102488A (zh) * 2006-07-04 2008-01-09 索尼株式会社 信息处理装置和方法、及程序
CN101950378A (zh) * 2009-07-10 2011-01-19 株式会社日立制作所 生产指标信息生成装置、程序及生产信息生成方法
JP2012252055A (ja) * 2011-05-31 2012-12-20 Toshiba Corp マスク検査方法、マスク作製方法および半導体装置の製造方法
JP2013012100A (ja) * 2011-06-30 2013-01-17 Olympus Corp 生産管理方法および生産管理システム
JP2015049606A (ja) * 2013-08-30 2015-03-16 株式会社日立情報通信エンジニアリング 管理システム、管理対象装置、管理装置、方法及びプログラム
CN104614337A (zh) * 2015-01-06 2015-05-13 西安交通大学 一种便携式多组分混合气监测系统
JP2015152933A (ja) * 2014-02-10 2015-08-24 オムロン株式会社 監視装置及び監視方法
CN105096148A (zh) * 2014-04-30 2015-11-25 西门子公司 一种成本估计方法、装置和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008112209A (ja) * 2006-10-27 2008-05-15 Omron Corp 稼働状態モニタリング装置、稼働状態モニタリング方法、およびプログラム
JP5130037B2 (ja) * 2007-12-27 2013-01-30 株式会社日立製作所 ボトルネック装置抽出方法およびボトルネック装置抽出支援装置
JP2009180722A (ja) 2008-01-30 2009-08-13 Takayoshi Yamamoto 対象設備の最適保全時期決定の支援方法、コンピュータプログラム、及び、対象設備の最適保全時期決定のための支援装置
JP2010139248A (ja) 2008-12-09 2010-06-24 Takayoshi Yamamoto 対象設備の寿命予測の方法、コンピュータプログラム、及び、対象設備の寿命予測のための装置
JP5431235B2 (ja) 2009-08-28 2014-03-05 株式会社日立製作所 設備状態監視方法およびその装置
US9659250B2 (en) 2011-08-31 2017-05-23 Hitachi Power Solutions Co., Ltd. Facility state monitoring method and device for same
WO2014073088A1 (ja) * 2012-11-09 2014-05-15 富士機械製造株式会社 部品実装ラインの生産監視システム及び生産監視方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1148090A (ja) * 1997-07-31 1999-02-23 Mazda Motor Corp 工具管理システム及び工具管理方法及び工具管理プログラムを記録したコンピュータ読み取りが可能な記録媒体
JP2007034720A (ja) * 2005-07-27 2007-02-08 Omron Corp 調整装置、生産システム、調整装置の制御方法、調整装置の制御プログラム、および調整装置の制御プログラムを記録した記録媒体
CN101102488A (zh) * 2006-07-04 2008-01-09 索尼株式会社 信息处理装置和方法、及程序
CN101950378A (zh) * 2009-07-10 2011-01-19 株式会社日立制作所 生产指标信息生成装置、程序及生产信息生成方法
US8768499B2 (en) * 2009-07-10 2014-07-01 Hitachi, Ltd. Production index information generating device, program therefore, and production information generating method
JP2012252055A (ja) * 2011-05-31 2012-12-20 Toshiba Corp マスク検査方法、マスク作製方法および半導体装置の製造方法
JP2013012100A (ja) * 2011-06-30 2013-01-17 Olympus Corp 生産管理方法および生産管理システム
JP2015049606A (ja) * 2013-08-30 2015-03-16 株式会社日立情報通信エンジニアリング 管理システム、管理対象装置、管理装置、方法及びプログラム
JP2015152933A (ja) * 2014-02-10 2015-08-24 オムロン株式会社 監視装置及び監視方法
US20160342392A1 (en) * 2014-02-10 2016-11-24 Omron Corporation Monitoring system and monitoring method
CN105096148A (zh) * 2014-04-30 2015-11-25 西门子公司 一种成本估计方法、装置和系统
CN104614337A (zh) * 2015-01-06 2015-05-13 西安交通大学 一种便携式多组分混合气监测系统

Also Published As

Publication number Publication date
EP3451245A1 (en) 2019-03-06
JP6981113B2 (ja) 2021-12-15
US20190072945A1 (en) 2019-03-07
CN109426921B (zh) 2022-03-08
US11029674B2 (en) 2021-06-08
JP2019046311A (ja) 2019-03-22

Similar Documents

Publication Publication Date Title
CN109426921A (zh) 信息处理装置及信息处理方法
CN111222290B (zh) 一种基于多参数特征融合的大型设备剩余使用寿命预测方法
CN110378052B (zh) 基于循环神经网络考虑未来工况的设备剩余寿命预测方法
Okoh et al. Overview of remaining useful life prediction techniques in through-life engineering services
JP6216242B2 (ja) 異常検知方法およびその装置
US10410116B2 (en) System and method for calculating remaining useful time of objects
JP5091604B2 (ja) 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム
JP4601492B2 (ja) 生産工程の品質予測システムおよびその方法
Castagliola et al. The variable sample size t control chart for monitoring short production runs
Saghir et al. Control charts for dispersed count data: an overview
CN111046564A (zh) 两阶段退化产品的剩余寿命预测方法
JP6702297B2 (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
Garg et al. A two-phase approach for reliability and maintainability analysis of an industrial system
CN110757510B (zh) 一种机器人剩余寿命预测方法及系统
JP6711323B2 (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
CN104636874B (zh) 检测业务异常的方法及设备
JP6200076B2 (ja) システムから取得される測定値を評価する方法及びシステム
Jalali et al. Predicting time-to-failure of plasma etching equipment using machine learning
JP2007318036A (ja) 半導体製造装置管理システム、半導体製造装置の異常要因抽出方法及びその管理方法
KR20150057553A (ko) 피로수명 예측방법
Liu et al. Fractional Lévy stable motion with LRD for RUL and reliability analysis of li-ion battery
CN111523727B (zh) 基于不确定过程的考虑恢复效应的电池剩余寿命预测方法
CN117471346A (zh) 用于确定退役电池模组剩余寿命和健康状态的方法及系统
JP2011077287A (ja) 信頼度判断装置、信頼度判断方法、及び信頼度判断用コンピュータプログラム
US20150024358A1 (en) Stress assessment device, stress assessment method and recording medium

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