CN110914771A - 品质分析装置及品质分析方法 - Google Patents

品质分析装置及品质分析方法 Download PDF

Info

Publication number
CN110914771A
CN110914771A CN201780093186.1A CN201780093186A CN110914771A CN 110914771 A CN110914771 A CN 110914771A CN 201780093186 A CN201780093186 A CN 201780093186A CN 110914771 A CN110914771 A CN 110914771A
Authority
CN
China
Prior art keywords
data
quality
condition
unit
indicating
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
CN201780093186.1A
Other languages
English (en)
Other versions
CN110914771B (zh
Inventor
上田宜史
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric 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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN110914771A publication Critical patent/CN110914771A/zh
Application granted granted Critical
Publication of CN110914771B publication Critical patent/CN110914771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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], 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], 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • 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], 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], 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • 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
    • G05B2219/32177—Computer assisted quality surveyance, caq
    • 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
    • G05B2219/32201—Build statistical model of past normal proces, compare with actual 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
    • G05B2219/37—Measurements
    • G05B2219/37229—Test quality tool by measuring time needed for machining
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

数据汇集部(1)取得品质数据和装置信息数据。条件设定部(3)针对通过数据汇集部(1)取得的品质数据和装置信息数据，设定成为合计对象的数据项目、表示成为品质分析对象的基础条件的基准条件、和表示作为品质分析对象的条件的比较条件。分布差异计算部(4)从通过数据汇集部(1)取得的品质数据和装置信息数据提取满足通过条件设定部(3)设定出的数据项目的基准条件的数据和满足比较条件的数据，针对每个数据项目计算频数分布，输出表示基准条件的频数分布和比较条件的频数分布之间的乖离度的数据。

Description

品质分析装置及品质分析方法
技术领域
本发明涉及一种能够对产品的制造工序、试验工序中的趋势变化的要因、产品的不良状况的发生要因进行推定的品质分析装置及品质分析方法。
背景技术
制造现场的不良状况(品质的波动、成品率的恶化、生产节拍时间的恶化、不合格品的增加、装置的故障等)发生的要因大多通过制造现场的见解、经验来判明。存在如下问题，即，在基于制造现场的见解、经验提取了不良状况的要因候选时，并不明确该不良状况的要因候选是否是真正的不良状况的要因。
在提取不良状况的要因时，将从制造现场的制造装置、试验装置所具有的传感器得到的产品的制造条件、试验条件、试验结果这样的信息作为表示产品状态的品质数据而灵活运用是有效的。制造现场的装置由许多传感器构成，通过各个传感器取得电流、温度等与传感器相对应的值作为品质数据。这里，将电流、温度等与传感器对应的品质数据的种类称为数据项目。
以往，作为基于上述这样的来自传感器的信息对产品的品质进行分析的装置，存在如下的装置，即，针对每个数据项目，将发生不良状况的产品的品质数据和未发生不良状况的产品的品质数据作为频数分布进行可视化而比较(例如，参照专利文献1)。作业者以往使用这样的装置而确认比较结果，在存在差异变大的数据项目的情况下，将其判断为不良状况的要因候选。
专利文献1：日本特开2008-181341号公报
发明内容
以往，使用上述专利文献1所记载那样的品质分析装置，将存在不良状况的品质数据的频数分布和没有不良状况的品质数据的频数分布进行比较，由此确定显现出不良状况的特征的数据项目，提取出制造现场的不良状况的候选。
但是，在以往的品质分析装置中，是以不良状况的发生为前提的，难以提取虽然未发生不良状况，但逐渐地变化的品质数据。即使发生了不良状况，但由于通过频数分布的比较进行的不良状况要因的提取依赖于对频数分布进行确认的分析者，因此伴随数据项目的增加，确认的负荷也会变高。另外，即使在频数分布中产生了某些差异，但产生差异的原因的推定大多也是根据作业者的经验而定性地进行判断的，难以确定不良状况的要因。
本发明就是为了解决上述问题而提出的，其目的在于提供一种能够迅速地提取不良状况要因的候补、容易地推测不良状况的发生的品质分析装置以及品质分析方法。
本发明涉及的品质分析装置具有：数据汇集部，其取得表示品质分析对象物的状态的品质数据和表示对品质分析对象物进行处理的装置的信息的装置信息数据；条件设定部，其针对通过数据汇集部取得的品质数据和装置信息数据，设定成为合计对象的数据项目、表示成为品质分析对象的基础条件的基准条件、和表示作为品质分析对象的条件的比较条件；以及分布差异计算部，其从通过数据汇集部取得的品质数据和装置信息数据提取满足通过条件设定部设定出的数据项目的基准条件的数据和满足比较条件的数据，针对每个数据项目计算频数分布，输出表示基准条件的频数分布与比较条件的频数分布之间的乖离度的数据。
发明的效果
本发明涉及的品质分析装置设定成为品质解析对象的数据项目、基准条件和比较条件，针对每个数据项目输出表示基准条件与比较条件之间的乖离度的数据。由此，能够迅速地提取不良状况要因的候选，并且能够容易地推测不良状况的发生。
附图说明
图1是表示本发明的实施方式1的品质分析装置的结构图。
图2是本发明的实施方式1的品质分析装置的硬件结构图。
图3是表示本发明的实施方式1的品质分析装置的品质数据的一个例子的说明图。
图4是表示本发明的实施方式1的品质分析装置的装置信息数据的一个例子的说明图。
图5是表示通过本发明的实施方式1的品质分析装置的数据种类分类部进行了分类的数据的一个例子的说明图。
图6是表示本发明的实施方式1的品质分析装置中的条件设定部和分布差异计算部的动作的流程图。
图7是表示本发明的实施方式1的品质分析装置中的进行了条件设定的画面的说明图。
图8是表示本发明的实施方式1的品质分析装置中的分布差异计算部的输出数据的说明图。
图9是表示本发明的实施方式2的品质分析装置的结构图。
图10是表示本发明的实施方式2的品质分析装置的事件数据的说明图。
图11是表示本发明的实施方式2的品质分析装置的事件影响解析部的动作的流程图。
图12是表示本发明的实施方式2的品质分析装置中的要因候选的趋势波形中的要因候选的值的一个例子的说明图。
图13是表示本发明的实施方式2的品质分析装置中的基于图12的值而得到的趋势波形的说明图。
图14是表示本发明的实施方式2的品质分析装置中的将趋势波形与事件数据以最接近的日期进行了关联的例子的说明图。
图15是本发明的实施方式2的品质分析装置中的将图14的值作为波形示出的说明图。
具体实施方式
下面，为了更详细地说明本发明，按照附图说明用于实施本发明的方式。
实施方式1.
图1是本实施方式所涉及的品质分析装置的结构图。
本实施方式所涉及的品质分析装置具有：数据汇集部1、数据种类分类部2、条件设定部3、分布差异计算部4。数据汇集部1是取得品质数据和装置信息数据的处理部。数据种类分类部2是通过所设定出的规定的规则对通过数据汇集部1取得的品质数据和装置信息数据进行分类的处理部。条件设定部3是针对通过数据汇集部1取得的数据或者通过数据种类分类部2分类后的数据，对成为合计对象的数据项目、表示成为品质分析的基础条件的基准条件、和表示成为品质分析对象的条件的比较条件进行设定的处理部。分布差异计算部4是从通过数据汇集部1取得的数据或者通过数据种类分类部2分类后的数据提取满足通过条件设定部3设定的条件的数据，针对每个数据项目计算频数分布，输出表示基准条件的数据和比较条件的数据之间的乖离度的数据的处理部。
图2是实施方式1的品质分析装置的硬件结构图。
图示的品质分析装置使用计算机而构成，具有：处理器101、辅助存储装置102、存储器103、输入接口(输入I/F)104、显示器接口(显示器I/F)105、输入装置106、显示器107、信号线108、线缆109、110。处理器101经由信号线108与其他硬件连接。输入I/F 104经由线缆109与输入装置106连接。显示器I/F 105经由线缆110与显示器107连接。
品质分析装置中的各功能部的功能通过软件、固件、或者软件和固件的组合而实现。软件或者固件被记述为程序，存储于辅助存储装置102。该程序使计算机执行各功能部的流程或者方法。处理器101通过读出、执行辅助存储装置102所存储的程序，从而实现图1中的数据汇集部1～分布差异计算部4的功能。另外，时序数据也存储于辅助存储装置102。并且，频数分布等输出数据也可以存储于辅助存储装置102。
辅助存储装置102所存储的程序、品质数据以及装置信息数据被载入至存储器103，处理器101读入该程序、品质数据以及装置信息数据而实现各功能，并且执行各自的处理。执行结果被写入至存储器103，作为输出数据存储于辅助存储装置102，或者经由显示器I/F 105输出至显示器107这样的输出装置。
输入装置106用于品质数据以及装置信息数据的输入，合计对象、比较条件、基准条件等参数的输入，品质数据处理的开始请求等的输入。输入装置106接收到的输入数据经由输入I/F 104存储于辅助存储装置102。输入装置106接收到的开始请求经由输入I/F 104输入至处理器101。
下面，说明实施方式1的品质分析装置的动作。
数据汇集部1取得品质数据和装置信息数据。图3是品质数据的一个例子。在图3中，作为品质数据的数据项目的例子，示出了制造编号、向装置投入产品的日期时间(＝投入时刻)、表示合格不合格的合格与否结果、温度、振动、转速、触点1电流、触点1电压、触点2电流、触点2电压等。这里，温度、振动等数据项目表示下面的情况。例如，在具有旋转机构的产品的试验中，对产品施加负荷，进行依照产品规格的部位的测定。在该测定中，对施加了负荷时的产品温度、振动、转速、流过规定部位(触点1、触点2等)的电流电压进行测定。图3中的数据项目的“触点1电流”、“触点1电压”表示试验时的规定部位处的电流值以及电压值。
品质数据是表示作为品质分析对象物的产品的状态的数据，因此是在每次进行产品的制造、检查时取得的值的集合。品质数据可以是在任意的装置中记录的数据，例如是在工厂的生产线装置、用于对装置进行控制的监视系统中累积的数据。或者也可以是在对产品检查中的试验结果进行管理的产品管理系统中累积的数据。
图4示出了装置信息数据的一个例子。在图4中，作为装置信息数据的数据项目的例子，示出了设备ID、类别ID、装置ID、制造日期时间、制造编号、制造时的设定信息(＝设定列表ID)等。另外，装置ID是各个装置的识别信息，类别ID是表示装置的类别的识别信息，设备ID是表示通过哪个类别的装置构成的识别信息。另外，设定列表ID是用于对产品的制造条件、在产品检查时使用的基准值(上下限值)这样的装置的设定信息进行识别的信息。装置信息数据是表示对作为品质分析对象物的产品进行处理的装置的信息的数据，因此是在每次制造产品时取得的值的序列、时序数据。时序数据是随着时间的经过依次观测而得到的值的序列。时序数据可以是任意的数据，例如是在用于对加工机、机器人、泵等制造装置进行控制的控制系统中累积的时序数据。也可以是在工厂的生产线、试验线的装置中累积的数据。
在图3以及图4中，将数据记载为一个表，但只要能够进行装置的关联，则设备、装置的数据也可以被分割为多个表。
在数据种类分类部2中，针对通过数据汇集部1汇集的每个数据项目，储存能够识别数据项目的名称、ID等。这些能够针对每个数据项目进行识别的名称、ID可以通过序列号、数据项目的值进行类推，也可以通过人工从外部进行定义。图5示出了对通过数据汇集部1汇集的数据项目进行汇总而生成表的例子。该表也可以是电子表格应用的工作簿、数据库中的表格。
下面，说明条件设定部3和分布差异计算部4的动作。图6是表示条件设定部3和分布差异计算部4的动作的流程图。另外，图7是表示条件设定部3所设定的条件的说明图。
条件设定部3选择下述3项：
·作为频数分布而计算的数据项目和其上下限值(合计对象)
·作为比较条件的数据项目和其值
·作为基准条件的数据项目和其值
作为分析条件(步骤ST1、ST2)，设定其选择结果(步骤ST3)。比较条件、基准条件也可以如图7所示通过聚类方法自动地进行分类。或者，可以预先通过人工进行定义，也可以如数据库的查询那样通过人工记入条件。在从外部定义的情况下，通过从图2中的输入装置106输入对应的值，从而处理器101进行与条件设定部3对应的处理，使分析条件存储于辅助存储装置102。
图7所示的例子是用于针对振动和转速分别提取满足条件的记录的条件设定。下面示出用于得到各个数据项目的值的查询例。
■合计对象：“振动”的值为100～120，“转速”的值为0～50
■比较条件：期间2016/4、2016/6，合格与否结果＝OK
·满足比较条件的“振动”的查询
SELECT振动FROM数据种类分类部表
WHERE振动BTWEEN 100AND 120AND
投入时刻＝2016/4OR投入时刻＝2016/6AND
合格与否结果＝OK
·满足比较条件的“转速”的查询
SELECT转速FROM数据分类部
WHERE转速BTWEEN 0AND 50AND
投入时刻＝2016/4OR投入时刻＝2016/6AND
合格与否结果＝OK
■基准条件：全部
·满足基准条件的“振动”的查询
SELECT振动FROM数据种类分类部表
WHERE振动BTWEEN 100AND 120
·满足基准条件的“转速”的查询
SELECT转速FROM数据种类分类部表
WHERE转速BTWEEN 0AND 50
另外，在图7中，“合计单位”是频数分布的合计单位。成为后述的图8的频数分布中的横轴每个刻度的单位。并且，示出了对显示例的“期间”、“类别ID”、“合格与否结果”、“温度”中的阴影显示出的“2016/04”、“2016/06”、“OK”进行了选择的条件。
分布差异计算部4针对由条件设定部3设定出的每个“作为合计对象的数据项目”，从通过数据种类分类部2汇集的数据提取满足“比较条件”的数据，以面积成为1的方式计算频数分布(步骤ST4、步骤ST5)。将满足该比较条件的频数分布称为比较分布。同样地，也提取满足“基准条件”的数据，以面积成为1的方式计算频数分布。将满足该基准条件的频数分布称为基准分布。然后，将基准分布和比较分布叠加输出。对全部数据项目进行上述处理(步骤ST4、ST5)(步骤ST6-NO的循环)，在对全部数据项目进行了处理的情况下(步骤ST6-YES)，输出作为合计对象的每个数据项目的基准分布和比较分布(步骤ST7)。在图8示出例子。在图8中，横轴表示件数，纵轴表示频数。实线是基准分布，虚线表示比较分布。另外，基准为8000、比较为2000表示基准条件存在8000件、比较条件存在2000件。
认为，在分布差异计算部4的输出中基准分布与比较分布之间的乖离最大的数据项目是不良状况发生要因的可能性高。在图8的例子中，“振动”的乖离度高，因此能够认为“振动”是不良状况发生要因的可能性高。
另外，在输出时，也可以针对每个数据项目计算基准分布的峰值与比较分布的峰值之间的距离，按照乖离度从高到低的顺序重新排列而输出。另外，也可以输出基准分布的样本数和比较分布各自的总体数。
这样，在实施方式1的品质分析装置的情况下，无论有无发生不良状况，都能够定量且迅速地提取品质数据、装置信息数据的趋势。例如，对于若干个数据项目，通过利用最新的数据与装置维护后正常地制造了产品的期间的数据进行比较，从而能够迅速地判断当前是否正常。作为其一个例子，将基准条件设为“刚刚维护后的正常运转期间”，将比较条件设为“最新的希望比较的期间”。这里，设为当前是2016/05/01，维护实施于2016/04/01，之后一周期间没有发生任何问题、正常工作。在该情况下，将基准条件设为2016/04/01～2016/04/08。作为被设为比较条件的最新的数据，设为除了正常运转期间以外的期望的期间。
另外，在发现了基准分布与比较分布的乖离度正在变大的数据项目的情况下，能够在发生不良状况之前进行应对。
如以上说明那样，根据实施方式1的品质分析装置，具有：数据汇集部，其取得表示品质分析对象物的状态的品质数据和表示对品质分析对象物进行处理的装置的信息的装置信息数据；条件设定部，其针对通过数据汇集部取得的品质数据和装置信息数据，设定成为合计对象的数据项目、表示成为品质分析对象的基础条件的基准条件、和表示作为品质分析对象的条件的比较条件；以及分布差异计算部，其从通过数据汇集部取得的品质数据和装置信息数据，提取满足通过条件设定部设定出的数据项目的基准条件的数据和满足比较条件的数据，针对每个数据项目计算频数分布，输出表示基准条件的频数分布与比较条件的频数分布之间的乖离度的数据，因此，能够迅速地提取不良状况要因的候选，并且能够容易地推测不良状况的发生。
另外，根据实施方式1的品质分析装置，具有数据种类分类部，该数据种类分类部将通过数据汇集部取得的品质数据和装置信息数据按所设定的每个种类进行分类，分布差异计算部使用通过数据种类分类部分类后的数据而取代通过数据汇集部取得的品质数据和装置信息数据，因此能够更迅速地提取不良状况要因的候选。
另外，根据实施方式1的品质分类装置，条件设定部根据从外部指示的数据项目、基准条件和比较条件，设定数据项目、基准条件和比较条件，因此能够容易地设定任意的数据项目、基准条件和比较条件。
另外，根据实施方式1的品质分析方法，具有以下步骤：数据汇集步骤，数据汇集部取得表示品质分析对象物的状态的品质数据和表示对品质分析对象物进行处理的装置的信息的装置信息数据；条件设定步骤，条件设定部针对在数据汇集步骤中取得的品质数据和装置信息数据，设定成为合计对象的数据项目、表示成为品质分析对象的基础条件的基准条件、和表示作为品质分析对象的条件的比较条件；以及分布差异计算步骤，分布差异计算部从在数据汇集步骤中取得的品质数据和装置信息数据，提取满足在条件设定步骤中设定出的数据项目的基准条件的数据和满足比较条件的数据，针对每个数据项目计算频数分布，输出表示基准条件的频数分布与比较条件的频数分布之间的乖离度的数据，因此，能够迅速地提取不良状况要因的候选，并且能够容易地推测不良状况的发生。
实施方式2.
在实施方式2中，作为由数据汇集部1取得的数据还包含事件数据，求出在实施方式1中求出的数据项目的值与事件数据之间的关系，其中，该事件数据表示的是，关于装置，发生了何种事件。
即，通过分布差异计算部4提取出的基准条件与比较条件之间的乖离度高的数据项目只是根据品质数据、装置信息数据而统计性地求出的、不良状况的可能性高的现象(下面，将其称为要因候选)。因此，在实施方式2中，将以往由专家确认出的事件数据和以要因候选的OK/NG的变化、统计量汇集得到的值相关联。由此，能够得到与反映了专家的见解的结果同等的结果。另外，这里，专家是对产品的制造工序、试验工序熟悉的人，例如是指经验丰富的作业者、制造装置的设计者等。
图9是表示实施方式2的品质分析装置的结构图。图示的品质分析装置具有：数据汇集部1a、数据种类分类部2、条件设定部3、分布差异计算部4、事件影响解析部5。数据汇集部1a与实施方式1中的数据汇集部1同样地取得品质数据和装置信息数据，并且取得事件数据，该事件数据表示的是，关于装置，发生了何种事件。事件影响解析部5是如下处理部，即，将分布差异计算部4的乖离度大于或等于设定值的数据项目作为有可能发生不良状况的要因候选，输出表示要因候选的一定期间的值与事件发生日之间的关系的数据。此外，数据种类分类部2～分布差异计算部4与实施方式1呈相同的结构，因此对于对应的部分标注相同的标号，省略其说明。
另外，实施方式2的品质分析装置的硬件结构与图2所示的结构相同。但是，构成为在实施方式1的结构的基础上，还通过处理器101、辅助存储装置102、存储器103实现与数据汇集部1a对应的功能和与事件影响解析部5对应的功能。
下面，说明实施方式2的品质分析装置的动作。
首先，数据汇集部1a在品质数据和装置信息数据的基础上还取得事件数据。
图10是表示事件数据的一个例子的说明图。在该例子中，作为数据项目，示出了“设备ID”、“类别ID”、“装置ID”、“事件发生日”、“事件类型”、“事件详情”…。“事件发生日”是该事件发生的日期时间，“事件类型”是表示该事件的种类的信息。例如有“装置的维护”、“装置的清扫”、“供应目标的变更”、“材料规格的变更”、“负责人的变更”等对应于每个制造现场的各种事件，这里，作为例子将模具的磨削(装置维护之一)设为“事件类型1”，将材料的更换设为“事件类型2”。另外，“事件详情”是表示具体的事件内容的信息。
基于由数据汇集部1a取得的品质数据和装置信息数据进行的、表示基准条件的数据和比较条件的数据之间的乖离度的数据的处理与实施方式1相同。即，数据种类分类部2、条件设定部3以及分布差异计算部4的处理与实施方式1相同，因此这里省略说明。
图11是表示事件影响解析部5的动作的流程图。
首先，事件影响解析部5将乖离度大于或等于设定值的数据项目设定为要因候选(步骤ST11)。然后，提取要因候选的趋势波形的变化与事件数据之间的相关性(步骤ST12)。要因候选的趋势波形例如是以下值的集合。
·要因候选的值
·以每日、每月等一定期间通过平均值、标准偏差等统计量对要因候选的值进行合计而得到的值
·以每日、每月等一定期间汇集而得到的要因候选的OK/NG数
·以每日、每月等一定期间通过平均值、标准偏差等统计量对要因候选的值进行合计而得到的值的差值
事件影响解析部5将趋势波形与事件数据基于两个数据间共通的日期、设备信息进行关联，由此输出由事件引起的趋势波形的变化(步骤ST13)。
图12是要因候选的趋势波形中的要因候选的值的一个例子，图13是基于图12的值而得到的趋势波形的曲线图。在每日的振动的平均值于3月的前半个月变化的数据中，每日的振动的平均值与前一日的差值在3月的前半个月产生峰值。另外，NG数在3月的月中产生峰值。
图14是将趋势波形与事件数据以最接近的日期进行了关联的例子。图15是其曲线图。在图15中，虚线表示事件发生日。在该例中，如图15所示，在事件发生日3/14之后振动NG数立即增加，能够将3/14的事件推定为不良状况的发生要因。
此外，也可以通过除了事件发生日以外的数据项目将趋势波形与事件数据相关联。例如，在通过事件类型进行了关联的情况下，能够判断趋势是由于哪个事件类型(事件的种类)而变化。作为一个例子，有时确认在事件类型1刚发生之后，趋势波形中是否一定会发生类似的变化。有时在实施了某个事件后，在大多数区间都发生了趋势变化，但仅在某个区间没有发生该变化。如果发现了这样的区间、事件，则能够推测为在该区间存在某种异常、或者事件本身存在问题。
如以上说明的那样，根据实施方式2的品质分析装置，数据汇集部取得事件数据，该事件数据表示的是，关于装置，发生了何种事件，并且该品质分析装置具有事件影响解析部，该事件影响解析部将分布差异计算部的乖离度大于或等于设定值的数据项目作为有可能发生不良状况的要因候选，输出表示要因候选的一定期间的值与事件数据之间的关系的数据，因此，不仅能够知道要因候选的趋势变化的要因，还能够知道趋势变化的时期和与趋势的变化相关联的事件。由此，能够定量且迅速地确定要因候选的要因。另外，通过对由事件引起的要因候选的趋势的变化(影响)进行定量化，从而能够进行计划性的事件后的趋势确认。
此外，本发明在其发明的范围内，能够进行各实施方式的自由组合、或者各实施方式的任意的结构要素的变形、或者在各实施方式中省略任意的结构要素。
工业实用性
如上所述，本发明涉及的品质分析装置以及品质分析方法涉及能够对产品的制造工序、试验工序中的趋势变化的要因、产品的不良状况的发生要因进行推定的结构，适于在所设定的条件下对产品的不良状况进行推定。
标号的说明
1、1a数据汇集部，2数据种类分类部，3条件设定部，4分布差异计算部，5事件影响解析部，101处理器，102辅助存储装置，103存储器，104输入I/F，105显示器I/F，106输入装置，107显示器，108信号线，109、110线缆。

Claims (5)

1.一种品质分析装置，其特征在于，具有：
数据汇集部，其取得表示品质分析对象物的状态的品质数据和表示对所述品质分析对象物进行处理的装置的信息的装置信息数据；
条件设定部，其针对通过所述数据汇集部取得的所述品质数据和所述装置信息数据，设定成为合计对象的数据项目、表示成为品质分析对象的基础条件的基准条件、和表示作为品质分析对象的条件的比较条件；以及
分布差异计算部，其从通过所述数据汇集部取得的所述品质数据和所述装置信息数据提取满足通过所述条件设定部设定出的所述数据项目的所述基准条件的数据和满足所述比较条件的数据，针对每个所述数据项目计算频数分布，输出表示所述基准条件的所述频数分布与所述比较条件的所述频数分布之间的乖离度的数据。
2.根据权利要求1所述的品质分析装置，其特征在于，
具有数据种类分类部，该数据种类分类部将通过所述数据汇集部取得的所述品质数据和所述装置信息数据按所设定的每个种类进行分类，
所述分布差异计算部使用通过所述数据种类分类部分类后的数据而取代通过所述数据汇集部取得的所述品质数据和所述装置信息数据。
3.根据权利要求1或2所述的品质分析装置，其特征在于，
所述条件设定部根据从外部指示的数据项目、基准条件和比较条件，设定所述数据项目、所述基准条件和所述比较条件。
4.根据权利要求1或2所述的品质分析装置，其特征在于，
所述数据汇集部取得事件数据，该事件数据表示的是，关于装置，发生了何种事件，并且，
该品质分析装置具有事件影响解析部，该事件影响解析部将所述分布差异计算部的乖离度大于或等于设定值的数据项目作为有可能发生不良状况的要因候选，输出表示该要因候选的一定期间的值与所述事件数据之间的关系的数据。
5.一种品质分析方法，其特征在于，具有以下步骤：
数据汇集步骤，数据汇集部取得表示品质分析对象物的状态的品质数据和表示对所述品质分析对象物进行处理的装置的信息的装置信息数据；
条件设定步骤，条件设定部针对在所述数据汇集步骤中取得的所述品质数据和所述装置信息数据，设定成为合计对象的数据项目、表示成为品质分析对象的基础条件的基准条件、和表示作为品质分析对象的条件的比较条件；以及
分布差异计算步骤，分布差异计算部从在所述数据汇集步骤中取得的所述品质数据和所述装置信息数据提取满足在所述条件设定步骤中设定出的所述数据项目的所述基准条件的数据和满足所述比较条件的数据，针对每个所述数据项目计算频数分布，输出表示所述基准条件的所述频数分布与所述比较条件的所述频数分布之间的乖离度的数据。
CN201780093186.1A 2017-07-19 2017-07-19 品质分析装置及品质分析方法 Active CN110914771B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/026108 WO2019016892A1 (ja) 2017-07-19 2017-07-19 品質分析装置及び品質分析方法

Publications (2)

Publication Number Publication Date
CN110914771A true CN110914771A (zh) 2020-03-24
CN110914771B CN110914771B (zh) 2023-03-24

Family

ID=61968207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780093186.1A Active CN110914771B (zh) 2017-07-19 2017-07-19 品质分析装置及品质分析方法

Country Status (7)

Country Link
US (1) US20200159183A1 (zh)
JP (1) JP6312955B1 (zh)
KR (1) KR102168737B1 (zh)
CN (1) CN110914771B (zh)
DE (1) DE112017007659T5 (zh)
TW (1) TWI644222B (zh)
WO (1) WO2019016892A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210017577A (ko) * 2019-08-09 2021-02-17 주식회사 엘지화학 제조 설비 품질에 대한 정량화 진단법
US20220019189A1 (en) * 2020-07-14 2022-01-20 Honeywell International Inc. Systems and methods for utilizing internet connected sensors for manufacture monitoring
WO2022186135A1 (ja) * 2021-03-02 2022-09-09 ファナック株式会社 数値制御装置、およびコンピュータ読み取り可能な記憶媒体

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1811802A (zh) * 2005-01-24 2006-08-02 欧姆龙株式会社 质量变动显示装置、显示方法、显示程序及记录介质
JP2006350398A (ja) * 2005-06-13 2006-12-28 Hitachi Ltd データ解析装置及びデータ解析方法
CN1972591A (zh) * 2005-11-15 2007-05-30 欧姆龙株式会社 不良分析部位指定装置及不良分析部位指定方法
JP2011258113A (ja) * 2010-06-11 2011-12-22 Kobe Steel Ltd 金属帯材料の製造条件決定システム
CN105940354A (zh) * 2014-02-10 2016-09-14 欧姆龙株式会社 品质管理装置及其控制方法
WO2017022234A1 (ja) * 2015-08-06 2017-02-09 日本電気株式会社 製造プロセス分析装置、製造プロセス分析方法、及び、製造プロセス分析プログラムが格納された記録媒体

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297217A (ja) * 2001-03-29 2002-10-11 Japan Institute Of Plant Maintenance 製造業務における品質管理方法、品質管理支援システム及び傾向管理プログラム
JP2005165546A (ja) * 2003-12-01 2005-06-23 Olympus Corp 工程管理システムおよび工程管理装置
JP4321443B2 (ja) * 2004-11-16 2009-08-26 オムロン株式会社 特定装置、加工処理システム、特定装置の制御方法、特定装置の制御プログラム、特定装置の制御プログラムを記録した記録媒体
KR100751204B1 (ko) * 2005-09-03 2007-08-22 에스케이 텔레콤주식회사 이동통신 서비스 가입자별 통화품질 분석시스템 및 그 방법
JP4855353B2 (ja) * 2006-11-14 2012-01-18 新日本製鐵株式会社 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2008181341A (ja) 2007-01-24 2008-08-07 Fuji Electric Holdings Co Ltd 製造不良要因分析支援装置
TWI574136B (zh) * 2012-02-03 2017-03-11 應用材料以色列公司 基於設計之缺陷分類之方法及系統
US9704140B2 (en) * 2013-07-03 2017-07-11 Illinois Tool Works Inc. Welding system parameter comparison system and method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1811802A (zh) * 2005-01-24 2006-08-02 欧姆龙株式会社 质量变动显示装置、显示方法、显示程序及记录介质
JP2006350398A (ja) * 2005-06-13 2006-12-28 Hitachi Ltd データ解析装置及びデータ解析方法
CN1972591A (zh) * 2005-11-15 2007-05-30 欧姆龙株式会社 不良分析部位指定装置及不良分析部位指定方法
JP2011258113A (ja) * 2010-06-11 2011-12-22 Kobe Steel Ltd 金属帯材料の製造条件決定システム
CN105940354A (zh) * 2014-02-10 2016-09-14 欧姆龙株式会社 品质管理装置及其控制方法
WO2017022234A1 (ja) * 2015-08-06 2017-02-09 日本電気株式会社 製造プロセス分析装置、製造プロセス分析方法、及び、製造プロセス分析プログラムが格納された記録媒体

Also Published As

Publication number Publication date
US20200159183A1 (en) 2020-05-21
TW201908998A (zh) 2019-03-01
KR102168737B1 (ko) 2020-10-22
KR20200007083A (ko) 2020-01-21
TWI644222B (zh) 2018-12-11
JPWO2019016892A1 (ja) 2019-07-25
JP6312955B1 (ja) 2018-04-18
DE112017007659T5 (de) 2020-03-05
WO2019016892A1 (ja) 2019-01-24
CN110914771B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
KR100273505B1 (ko) 제조라인 해석방법 및 제조라인 해석장치
US6295478B1 (en) Manufacturing process change control apparatus and manufacturing process change control method
CN110914771B (zh) 品质分析装置及品质分析方法
CN101955100A (zh) 电梯的部件改善计划系统及电梯的部件改善计划方法
US20120116827A1 (en) Plant analyzing system
JP2019028834A (ja) 異常値診断装置、異常値診断方法、およびプログラム
JP2009086896A (ja) コンピュータの障害予測システムおよび障害予測方法
JP4355193B2 (ja) 半導体デバイスの製造方法及び半導体デバイス製造システム
KR20190060548A (ko) 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법
JP6802122B2 (ja) 原因推定方法およびプログラム
JP7019339B2 (ja) 不良原因抽出システム及びその方法
JP2015045942A (ja) 品質管理装置、品質管理方法、及びプログラム
JP7440823B2 (ja) 情報処理装置、情報処理方法及びプログラム
Dhanalaxmi et al. A fault prediction approach based on the probabilistic model for improvising software inspection
JP6885321B2 (ja) プロセスの状態診断方法及び状態診断装置
JP2008046746A (ja) 工程管理システム
WO2015174115A1 (ja) データ管理装置及びデータ管理プログラム
US11443265B2 (en) Analysis system and analysis method
JP6247777B2 (ja) 異常診断装置および異常診断方法
JP2017183624A (ja) 半導体装置の製造過程における異常解析装置および異常解析方法
JP2008181341A (ja) 製造不良要因分析支援装置
JP2005235130A (ja) 製造・開発情報のデータトレースシステム
JP2021196909A (ja) 監視システム
JP2007102732A (ja) 工程管理方法及び工程管理プログラム
Nagy et al. An industrial application using process mining to reduce the number of faulty products

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