JP2002525757A - 統計的プロセス管理のための多次元的方法及びシステム - Google Patents

統計的プロセス管理のための多次元的方法及びシステム

Info

Publication number
JP2002525757A
JP2002525757A JP2000571380A JP2000571380A JP2002525757A JP 2002525757 A JP2002525757 A JP 2002525757A JP 2000571380 A JP2000571380 A JP 2000571380A JP 2000571380 A JP2000571380 A JP 2000571380A JP 2002525757 A JP2002525757 A JP 2002525757A
Authority
JP
Japan
Prior art keywords
observation
cause
observation point
point
index
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
JP2000571380A
Other languages
English (en)
Other versions
JP4394286B2 (ja
Inventor
ドゥ ミショー、ダニエル ラファーユ
Original Assignee
ドゥ ミショー、ダニエル ラファーユ
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 ドゥ ミショー、ダニエル ラファーユ filed Critical ドゥ ミショー、ダニエル ラファーユ
Publication of JP2002525757A publication Critical patent/JP2002525757A/ja
Application granted granted Critical
Publication of JP4394286B2 publication Critical patent/JP4394286B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)
  • Complex Calculations (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】 本発明は統計的プロセス管理方法であって、プロセスを制御及び動作させ、その値をそのサンプリング指数に関連付ける基準系において観測点によって表すことが可能な指標示数、入力測定値、出力、ならびにパラメータから統計的にプロセスを管理するための方法に関する。本発明は、観測された値を変換により得られた値が多変量分布モデルに適合するように変換することと、各次元が１測定量に関連付けられた多次元空間内に前記変換された観測点を配置し、このように配置され、特定の方向に集中した管理不能な観測点を読み出すことと、前記方向を前記プロセスの障害となる一般的原因及び指標の観測点／異常のペアのそれぞれに関連付けることにより、行われた観測に影響する可能性の高い０、１または複数の異常の原因を提案することとからなる。

Description

【発明の詳細な説明】
【０００１】 （発明の分野） 本発明はデータの多次元的処理に基いた統計的プロセス管理の方法及び該方法
を利用した任意のシステムに関する。
【０００２】 本発明の目的はまず第１に、求められる品質にて生産が行われる「正常な」動
作からプロセスが逸脱した場合に警告を発することであり、第２に、異常動作の
原因を特定するための提案を行うことである。
【０００３】 統計的プロセス管理（ＳＰＣ）はすべての国（主として先進工業国）の多くの
産業において、エンジニアリング、エレクトロニクス、化学、製薬、農産物、プ
ラスチック材料など、すべての工業的生産において現在採用されている。
【０００４】 その目的は、製品の特性を検査するだけではなく、製造プロセス自体を検査す
ることによって製品の品質を維持することにある。ＳＰＣは「欠陥製品ゼロ」を
実現するうえで、また企業が国際的な品質管理基準（ＩＳＯ９０００）にしたが
おうとする場合にいまや不可欠である。
【０００５】 その技術的な目的は、製造プロセスにおけるドリフトを検出し、欠陥製品が製
造される前にこれを修正することにある。 現在ではこの方法は物品の製造に留まらず、サービスの提供（銀行、保険、コ
ンサルティング）においても採用されている。
【０００６】 プロセスが行われる際（図１）、このプロセスに関連した多くの測定値（指標
）が追跡される。こうした測定値としては、入力特性（原材料）、出力特性（製
品）、プロセスを動作させるパラメータなどがある。したがってそれぞれの観測
単位（測定時間や製造される製品要素）は、測定値によって得られる複数のデジ
タル値に関連付けられることにより、測定された測定値の多次元的空間内の点に
よって表すことが可能である。
【０００７】 ＳＰＣでは通常、観測される量の変化の仕方をグラフで表した、所定の管理限
界を示す複数の管理図（図２参照）を１つの測定値について１つプロットするこ
とによってプロセスを監視する。それぞれの管理図は他の管理図と独立に解釈さ
れ、個別に警告が発せられる。
【０００８】 各種の管理図（Ｓｈｅｗａｒｔ、ＣｕＳｕｍ，ＥＷＭＡ、ＭＭＥとして知られ
る）があるが、最後の３つのものは最初のものと比較して小さな「ドリフト」量
を検出するうえでより有効であるとされている。
【０００９】 一般に管理図はグループ化されたデータについて用いられる。群としてまとめ
られた複数の測定値の平均値をプロットすることにより、小さなドリフトをより
効果的に検出することが可能であり、さらに値の分布がその方法において仮定さ
れる正規性によりよく一致する。各群のばらつきや広がりをプロットすることに
より、なんらかの特殊原因を有する測定値のばらつきにおける増大を検出するこ
とが可能である。
【００１０】 複数の管理図を同時かつ個別に監視する通常の方法は多次元的ＳＰＣにおいて
は不便であり、あまり有効とはいえない。これは以下のことによる。 ・誤警告が多発し、不必要な修正が行われる。これらは速やかに再評価する必
要があり、プロセスは多くの修正が必要となるために無秩序かつコストの嵩むも
のとなる。
【００１１】 ・実際の異常の検出が遅すぎる場合がある。 ・異常の原因が測定値に直接関連していない場合には、異常の原因の検出が困
難である。このため、複数の測定値を測定することが望ましいが、これはコスト
が嵩み、複数の管理図が必要となる。
【００１２】 本発明の方法及びシステムはこれらの難点の解決を図ったものである。本方法
は、プロセスの入力、出力、ならびに制御及び作動パラメータの指標すなわち測
定値をとることに基いた統計的プロセス管理の１つである。これらの指標すなわ
ち測定値は、その値をサンプリング指数に関連付ける基準系内の観測点によって
表すことが可能である。本発明に基けば、 ａ）観測された値は、得られる値が多次元的ガウス分布モデルに適合し、本方
法の残りの部分において用いられる観測点に対応するデータを構成するように変
換され、 ｂ）前記観測点は、測定された量に各次元が関連付けられた多次元空間内に存
在し、 ｃ）これらの観測点の内、「管理下にある」と云われる、プロセスの適正な動
作に対応した点は、「管理不能」と云われる点とは区別され、 ｄ）管理下にある点の分布中心は管理下にある観測点の重心であるものとして
計算され、 ｅ）管理下にある点の分布中心から特定の方向に集中した管理不能な観測点が
特定され、 ｆ）この方向は前記プロセスのドリフトの共通の原因に関連付けられ、 ｇ）各観測点と異常方向の組は、行われた観測に関連している可能性の高い０
個、１個またはそれよりも多い異常の原因を提案するために指標に関連付けられ
、 ｈ）上記のようにして異常が分析された場合、警告が発せられて、産業上のプ
ロセスにおいて上記のようにして検出されたドリフトは修正される。
【００１３】 検査される上記観測点の重心は、検査される観測点の成分の平均を成分として
有する点に対応している。 ＳＰＣ検査は、ｐ個の連続量ｙ1，ｙ2，．．．，ｙpを統計学的に、もしくは
サンプリングによって定期的に観測する従来の手法にて行われる。これらの量は
、原材料の諸特性、生産される製品の諸特性や、製造プロセスの動作パラメータ
を同様によく表すことが可能である。与えられた「時点」においてこれらｐ個の
測定値からなるｐ次元のベクトルはｙとして書き表され、そのプロセスの観測ベ
クトルと呼ばれる。このベクトルの終点はそのプロセスの観測点であり、このベ
クトルの始点は、問題とされている基準系の原点である。
【００１４】 ここで云う「時点」という概念は、厳密に時間的な解釈に留まらない。同じ「
時点」に関連した測定値は、可能な場合には、製造される同じ単位またはバッチ
の生産に関連したパラメータの測定値であることは明らかである。どの測定値が
同じ「時点」に関連しているかが定義できるためには製造プロセスを完全に辿れ
ることが必要である。
【００１５】 プロセスが「管理下におかれている」場合、連続した異なる時点、ｔ0，ｔ0＋
１，ｔ0＋２，．．．におけるベクトルｙの値は、生産を充分な品質とするため
の目標値である値ｙ0の周辺で「ほとんど」変化しない。この変化は、原材料の
特性（材料の硬さ、成分の化学組成、供給源など）、環境の特性（温度、湿度な
ど）、あるいはプロセスの特性（機械の設定、操作者の注意力など）におけるラ
ンダムな変化によるものである。これらの諸特性はベクトルｙの１以上の成分に
影響する。これらの特性はｚ1，ｚ2，．．．，ｚmと書き表され、ともにｚとし
て表されるベクトルを形成する。ここではこのベクトルｚをそのプロセスの説明
的ベクトルと呼ぶ。
【００１６】 そのプロセスの１つの特性がプロセスの「観測変数」ｙjとみなされるために
は、その特性は各「時点」において評価されなくてはならない。 そのプロセスまたは入力の１つの特性が、そのプロセスの「原因変数」ｚkと
みなされるためには、その特性は、自発的または非自発的な人間の行為、環境の
変化、消耗、または老朽化といったシステムの外部の適当な因子によって改変さ
れなければならない。一般にコストや実現性の理由から、これらの変数は各「時
点」において測定されることはなく（そうでない場合、変数は変数ｙjとしても
現れる）、その意味においてこれらの変数はプロセスの振る舞いに影響する「隠
れた変数」となるものである。これらの変数の評価は往々にしてコストや時間が
嵩み、不正確であって、異常が発生した場合にのみ行われる。
【００１７】 ある変数は、その可能な値が数値であり、既知の値の範囲（温度、圧力など）
にある場合に定量的であり、可能な値または数値の数が限定されている場合（供
給源、操作者、機械など）には定性的である。本発明において考慮されるモデル
及び方法では、ベクトルｙの成分はすべて定量的であるものと仮定している。
【００１８】 プロセスの同じ特性（例 炉の管理された温度）はｚ成分及びｙ成分の両方と
して現れ得る。 ベクトルｙとベクトルｚとの依存関係は次の関係式によってモデル化すること
が可能である。
【００１９】
【数３】 式中、ｔは観測時点であり、ベクトルεは、平均値が０であるものと仮定され
、共変行列Σεを有するｐ空間のランダムなベクトルである。ｆは、
【数４】 であるようなｐ個の成分ｆ1，ｆ2，．．．ｆpを有するベクトル関数である。 ベクトルｙの成分は、ベクトルｚの成分と同様、互いに相関している。
【００２０】 安定的条件下にて完全に安定化したプロセスでは以下の特徴が見られるはずで
ある。
【数５】 は事実上ｔに依存しない。 各「原因変数」ｚkは固定値ｚ0 k上で安定化される。 ｙは次の形の安定的プロセスによってモデル化することが可能である。
【００２１】
【数６】 現実的には、定量的原因変数を完全に求めることは可能ではない。すなわち、
変数ベクトルｚ0によってこれに期待値０の確率的誤差及び共変行列Σeの確率的
誤差が加えられる。このモデルは次のようなものとなる。
【００２２】
【数７】 本発明によって提案される方法は、通常のＳＰＣの特徴であるところの次の特
徴を有する。
【００２３】 ・ベクトル関数ｆは未知である。 ・説明的変数ｚkのすべてが特定されるわけではない。 ・変数ｙ1，．．．，ｙpについて時点ｔ＝１，．．．，ｔ＝ｎにおいてｎ回の
観測が行われる。 これらの観測点は、ｎ行ｐ列の行列Ｙの形で書き表される。ベクトルｙjはＹ
のｊ番目の列を示す。この列のｉ番目の要素はｙi jとして表され、変数ｙjにつ
いて時点ｔ＝ｉにおいて行われた観測の値を示す。「時点」ｔ＝ｉにおける変数
ｙ1，．．．，ｙpの観測点のベクトルは、ｙiとして書き表される。
【００２４】 観測点ベクトルｙiには１／ｎに等しい重みｐiが与えられる。対角項として重
みｐiを有する対角行列（ｎ，ｎ）はＤpとして書き表される。 ・プロセスが適正に管理下におかれている場合、* 観測点は目標値ベクトルｙ
０に中心が適正におかれる。
【００２５】 ベクトルｙ０はベクトルｙの数学的期待値Ｅ[ ｙ] に等しく、したがってｙ０
は観測された平均値ベクトルｍyに非常に近い（ベクトルｍyは行列Ｙのｐ個の列
ｙ1，．．．，ｙpの平均値
【数８】 によって構成されるベクトルである。）。 * そのばらつきは一定であり、異なる変数ｙjについて定義される仕様限界と
同等である。
【００２６】 ランダムベクトルｙの共変行列は時間的に変化しない。 * プロセスがドリフトしている場合、観測されるベクトル値ｙiはベクトル目
標値ｙ０から離れ過ぎる。こうした振る舞いは以下の結果である。 * １以上の原因変数ｚkの中央値の時間的変化。 * １以上のランダムεkまたはｅjの分散の時間的増加。
【００２７】 ドリフトが原因変数ｚkに関した定性的なものであり、この変数を値ｚ０kから
値ｚ１kまで変化させるような場合、分布の中心はベクトルｙ０からベクトルｙ
１まで動く。これにより観測点は
【数９】 の方向に移動する。 ドリフトがｚkに関した定量的なものであり、プロセスがｚkに対してベクトル
ｙ０の周囲で不安定でない場合、各関数ｆjはｚkに対して部分導関数ｆjkを有す
るものと仮定することができる。変化を微分することで１階までこのことが示さ
れる。
【００２８】 ・平均値におけるドリフトであるｚ１k＝ｚ０k＋ｄによって、観測点の中心が
、ベクトルｙ０から部分導関数
【数１０】 のベクトルによって定義される方向に移動することが示される。 ・ランダムｅkのばらつきの増大によって観測点ｙiの分布が同じ方向
【数１１】 に「引き伸ばされる」。 ・ランダムｅjのばらつきの増大によって観測点ｙiの分布がｊ番目の単位ベク
トル （０，．．．，０，１，０，．．．，０） １ ｊ ｐ の方向に「引き伸ばされる」。
【００２９】 本発明の方法は、以下の技術的な目的を実現し得たものである。 すなわち、* 履歴分析の段階において：履歴記録において特定されたすべての
ドリフトに関連付けられた方向を特定し、各観測においてこれらの方向に対する
近接指標を計算することを可能とするパラメータを定義する。
【００３０】 * プロセスの管理の動作段階において：最近の観測においてプロセスの動作に
ドリフトが見られるか否かを検出し、次いで近接指標を調べることにより、観測
点に最も近いと思われる特定された原因方向を特定し、これにより可能性のある
ドリフトの原因を提案する。
【００３１】 * 状況の速やかかつ全体的な評価を可能とするグラフを両段階において提案す
る。 システムを各プロセスの特定の特徴に適合させるため、システムにおいて行わ
れる各種の処理に対して複数のバージョンが提案される。
【００３２】 本発明は、プロセスの入力、出力、及び管理及び動作パラメータの測定された
指標すなわち測定値に基いた統計的プロセス管理の方法、ならびにこうした方法
を使用し、このようにして得られた値に行われる各種の処理を含む任意のシステ
ムを提供するものである。本発明の方法は、好ましくはコンピュータ処理を実行
するとともに、処理工程において全体的かつ自動的に動作する、すなわち、ユー
ザを支援するコンピュータによって行われる。
【００３３】 本発明の動作は２段階にて行われる。 ・プロセスの履歴分析を行う学習段階。履歴はプロセスの動作に関連した１組
の量から構成される。これらの量は、連続した時点またはサンプリングによって
得られる部品において測定もしくは評価される。
【００３４】 この分析の目的は、プロセスにおいてドリフトが顕在化する時点、ならびに、
観測されたドリフトの特殊原因を（調査される現実のプロセスの専門家であるユ
ーザと情報交換することにより）特定し、特定された特殊原因のそれぞれと関連
する方向を定義するパラメータの値を評価することである。
【００３５】 ・プロセスの追跡段階 この段階では、システムはプロセスから（センサから直接的接続を介して、あ
るいはマニュアルインプットにより）測定値及びデータを受け取る。これにより
システムはプロセスがドリフトした場合に警告を発することを可能とする。各原
因に関連した量がこの観測について評価され、ドリフトの原因として考えられる
原因が更に特定される。これらの原因は先に本発明の方法の分析によって特定さ
れたものの中から選択される。何らの原因も提案されない場合、原因は人間に現
実のプロセスを調べさせることによって特定される。この新たに特定された原因
はシステムに組み込まれ、後に再びこの原因が発生した場合に自動的にこれを特
定することを可能とする。
【００３６】 本発明のシステムの適切性及び独創性は以下の点によるものである。 ＊提案されるモデルが適当であること及びその応用の広さ。 ＊観測される量の多次元空間における異常の追跡の性質。すなわち、観測空間
Ｒnにおける直線。 ＊特定された原因のそれぞれの特性である複合量の定義、及び関連する確率法
則。すなわち、「原因強度」及び「角近接度」。
【００３７】 ＊用いられるこのモデルに適合した強力な多次元的統計分析方法。すなわち、
原因方向を決定する管理不能点の分類。 ＊提案されるグラフの適切性。すなわち、確率閾値にて度盛りされた管理図。
【００３８】 ＊プロセスの履歴を分析することにより、学習段階が以下の工程を用いて異常
の特定に寄与すること。 Ａ１−データの事前の変換。 Ａ２−管理下の測定値と管理不能測定値の区別。 Ａ３−特殊原因のタイプ及び関連する方向パラメータの特定。 Ａ４−特殊原因指標についての管理図の作成、精査。 Ａ５−特殊原因の解釈。 これらの工程は、現実のプロセスにおいては、システムに新たな情報を導入し
（管理不能と認識される観測を行う、複数の原因を関連付ける、疑わしい測定値
を特定する、・・・）、システムにより与えられる部分的情報を利用して履歴に
おけるその解釈を正確なものとするために介入することが可能な専門家との対話
により実行される。ある工程において得られた結果によってオプションや特定の
パラメータを改変して先の１以上の工程を繰り返すことがしばしば可能である。
【００３９】 プロセスの履歴は、ｎ行×ｐ列の行列Ｙによって特徴付けられる。行ｉと列ｊ
との交点にある要素ｙi jは「時点」ｉにおける観測の際に変数ｙjのとる値を表
す。
【００４０】 Ａ１工程：データの事前の変換 この工程は、処理が適用される値が上記に述べられた方法のモデルにより近く
なるように観測される生データｙi jを変換することに関し、これによって結果の
適切性が高くなる。
【００４１】 最も一般的な有用性を有する変換は、各観測変数に別個に行われ、観測点i jの
生の値を新たな値
【数１２】 に変換する。以下の変換について述べるが、これらに限定されるものではない。 ＊連続的な示数をグループ化して１個の平均化された示数とする。（グループ
化されたデータについての管理図と比較せよ）例として次式にて表される。
【数１３】 ただしｗは各グループのサイズである。 ＊測定値同士を脱相関するための連続した測定値間の差。
【数１４】 ＊ガウス分布に「より近い」分布を与える変換。例として次式。
【数１５】 ただし、ＦG -1はガウス分布関数の逆数である関数であり、Ｆy jは変数ｙjの分布
として仮定される関数である。 ＊ランダムなばらつきの仮定される中心に中心を合わせる。その場合、
【数１６】 ただし、ｃi jの中心値の選択は、具体的な状況、プロセスについての知識による
。したがって、これは、 ｃi j＝変数ｙjの管理下にある値の平均値、 ｃi j＝時間的に変化しない値である、変数ｙjの目的値ｙ０j、または、 ｃi j＝時間的変数である、変数ｙjの目的値ｙ０i j（小数列、既知で許容され
うるばらつき、・・・）である。 ＊関係していない量のスケールをより均一化し、観測された測定値のばらつき
に仮定として与えられた重要度を考慮するための次式にて与えられるスケール変
換。
【数１７】 ただし、ｓi jはこの測定値に対して選択された単位を示す。例として、 ｓi j＝管理下におかれた観測点の標準偏差ｙj。 Ａ２工程：管理下の測定値と管理不能測定値の区別 この工程は、履歴の測定値をとり、プロセスが管理下にある間におけるプロセ
スの正常動作に対応していないものとの間で区別を行うことよりなる。
【００４２】 最初に、プロセスを預かる人間によって管理不能であるとして認識されるすべ
ての観察値を管理不能として標識する。 次に、まだ管理下にあるものと考えられる観測点に対してホテリングＴ2図を
作成する（ダグラスＣ．モンゴメリ（Ｄｏｕｇｒｏｕｓ Ｃ．Ｍｏｎｔｇｏｍｅ
ｒｙ）による著作「統計的品質管理入門」（Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｓｔａｔｉｓｔｉｃａｌ ｑｕａｌｉｔｙ ｃｏｎｔｒｏｌ）第２版、Ｗｉｌｅ
ｙ刊、１９９１年 を参照。）。閾値αに関連付けられた上部管理限界線を越え
て位置する観測点は管理不能と断定される。αは、誤警告の許容可能確率である
。一般にαとして選択される値は０．０５または０．００１である。
【００４３】 この工程は繰り返されることが必要であり、各繰り返しにおいて、新たな観測
点が管理不能として標識される。 繰り返しは、Ｔ2図の管理限界線の外側にある観測点の数が誤警告の許容可能
確率に適合している場合に停止される。
【００４４】 この適合性は従来の仮説検定によって評価される。限界線の外側となる値の観
測頻度が与えられたものとして、限界線外の測定値の確率がα以下であるという
仮説を検定する（サポルタ（Ｇ．Ｓａｐｏｒｔａ）による「確率、データ分析、
及び統計」（Ｐｒｏｂａｂｉｌｉｔｙ， ｄａｔａ ａｎａｌｙｓｉｓ， ａｎ
ｄ ｓｔａｔｉｓｔｉｃｓ）Ｔｅｃｈｎｉｐ刊、１９９０年 を参照）。
【００４５】 Ａ３−特殊原因のタイプ及び関連する方向パラメータの特定 この発想は、先の工程において管理不能として標識された履歴中の各観測点に
対して、異常の「特殊原因」と称される、異常のよく特定された原因を関連付け
ることにある。
【００４６】 この特定はプロセスを預かる人間の知識を利用して行われなければならないが
、よく適合された自動分類法を管理不能として認識された点に適用することによ
りこうした人間を導くことが可能である。こうした分類は異常に共通の原因に対
応させることが可能な観測点を一緒にまとめるものである。すなわちこの分類に
より、多次元空間において共通の方向に近い観測点がまとめられる。
【００４７】 この目的に適した方法として、グループにまとめるために、２個の観測点ベク
トル間における類似度指数として余弦の絶対値を用い、直径基準としても知られ
る最大結合基準を受け容れる、階層的上昇分類（ｈｉｅｒａｒｃｈｉｃａｌ ｒ
ｉｓｉｎｇ ｃｌａｓｓｉｆｉｃａｔｉｏｎ）型の自動分類法がある（上記に引
用したＧ．サポルタによる著作を参照）。次に管理不能データの分布中心上に中
心がある管理不能測定値に対して分類を行う。
【００４８】 その異常に最も関係の深い測定値が決定されれば異常方向をより簡単に解釈す
ることが可能である。 これを行うため、変換後に、説明すべき変数及び測定された変数として異常の
方向をとり、説明的変数として管理下分布中心上に中心を合わせて、「ステップ
・バイ・ステップ」や「最良サブセット」型の定数項を用いずに線形回帰を行う
。
【００４９】 このようにして選択された変数及び得られた回帰係数の符号を調べることによ
り、プロセスを預かる人間は異常の原因を決定するうえで導かれる。 Ａ４−特殊原因指標についての管理図の作成、精査 上記の工程の完了時には管理不能観測点の複数のグループができ、各グループ
は特定の異常、すなわち「特殊原因」に関連付けられている。
【００５０】 この工程は、各特殊原因をその存在について上記に述べた主方向に関連付け、
次いで２個の指標関数に関連付けることによって開始される。２個の指標は、い
ずれかの観測点に適用された場合に、その観測点がこの特定の特殊原因を有する
プロセスの異常動作から来るものであることが可能であるか否かを示す関数であ
る。
【００５１】 図３及び４は次元２として、２つの異なる異常に関連する方向を示したもので
ある。図３が生の値を用いたデータ観測空間内における状況を示しているのに対
し、図４は管理下のデータの正規化された主成分に基いた基準系における状況を
示している。２つのタイプの異常は、図３と比較して図４においてより明確に分
離されている。
【００５２】 次に考慮される観測点は、管理下の測定値の正規化された主成分に基く基準系
内に見出され、その原点は管理下データの分布中心と一致する。 上記に述べられた理論的モデルにより、管理下の観測点の分布中心から延び、
異常に基く観測点群に「近い」、異常を表す方向を探すことが可能である。この
方向は、上記の異常に関連した観測点の第１の慣性軸として定義することが可能
である。この軸は原点を通過する（上述の変換と比較）。こうした軸は、異常に
関連した観測点の集団の中心に集められておらず、また該集団にかためられてい
ない主成分の分析によって決定される第１の主軸であることが知られている（上
記に引用したＧ．サポルタによる著作を参照）。
【００５３】 特殊原因に関連した点が管理下の点の分布中心から離れる方向が求められれば
、異常に関連した２個の指標を定義することが可能である。 すなわち、＊第１の指標は、前記の方向における観測点までの距離を測定する
。
【００５４】 ＊第２の指標は、管理不能の点の分布中心から見た角近接度に関して、観測空
間Ｒn内で前記の特定方向への点の近接度を測定する。 多次元的観測空間内において、第１の指標は特殊原因に関連した方向に沿った
観測点の距離を測定する。第１の指標は、観測点と異常の各組を、「原因変数」
と呼ばれる観測点と異常との間の関係の強さの指標と関連付ける。指標は、原因
に関連した方向に沿った観測点の成分として得られる。この指標は観測ベクトル
と原因の方向の方向ベクトルとのスカラー積として計算される。
【００５５】 正規化された主成分空間においてこのスカラー積を計算するということは、つ
まりは最初の測定空間において行列Ｖ-1をスカラー積行列としてとることであり
、ここで、Ｖ-1はＶが最大階数である場合には管理下のデータの共変行列Ｖの逆
行列であり、Ｖ-1はＶが最大階数でない場合にはＶの擬似逆行列である。
【００５６】 したがってこの指標は最初の測定値の一次結合であり、これらの測定値がガウ
スの法則（プロセスが管理下にある場合）に従うものと仮定するとこの指標もや
はりガウスの法則に従う。したがってそのばらつきは従来の管理図を用いること
によって調べることが可能である。したがって、このような強度図において管理
不能の位置にある観測点は、図中に示された指標によって表される異常の種類に
対応している可能性が高い。
【００５７】 これに対し、観測点が管理下の点の分布中心から非常に遠くにある場合には、
観測点は複数の原因方向において離れているように見え、したがって、複数の異
常の種類に関連しているように見える。曖昧さをなくすため、次に第２の指標を
考慮する。
【００５８】 第２の指標は、異常を表す方向と、管理下のデータの中心に原点があって観測
点に一端があるベクトルとの間の角近接度を示す指標である。この角度は計算が
容易であることによりその余弦の値を評価する。この余弦は上記の強度指標を観
測点を表すベクトルのノルムにて割ることによって計算される。
【００５９】 この計算はノルム化された主成分空間において行われるため、この新たな指標
に関係した管理図上に示すことが可能な管理限界線を定義することがより適切で
ありこれを利用することが可能である。
【００６０】 動作が管理下にある場合、この指標は確率分布関数Ｆを求めることが可能な確
率分布を有する。
【００６１】 関数Ｆを用いて角近接度指標の管理限界線Ｌαを定義する。この管理限界線の
外側において観測点は前記異常に割り当てられる。関数Ｆは、ｎは２以上である
ものとして、Ｒnにおいて任意の与えられた方向と共変行列として恒等行列を有
する、中央化されたガウスランダムベクトルＲnとがなす角度（Ｘ）の余弦の確
率分布関数を表す。該ランダムな変数の確率分布関数Ｆは次式によって与えられ
る。
【数１８】 ただし、Ｌα＝Ｆ-1（α）であるために、
【数１９】 であり、αは誤警告の許容されうる確率を表し、αは好ましくは０．００１％〜
０．０５％の範囲の値である。ここで用いられる「誤警告」なる語は、前記異常
に誤って割り当てられた管理下にある観測点を意味する。 角近接度管理図を調べることにより、「強度」図によって管理不能であるもの
と断定された点から、実際に考慮の対象であるところの異常による点を選択する
ことが可能である。これらの点は両方の図において同時に管理不能であるものと
断定される。
【００６２】 実際の使用においては、このような角近接度図は、次数の小さい次元では管理
限界は１または−１に非常に近いためにあまり読みやすいとはいえない。そのた
め、これらの指標を表す図を、適当な変換が行われた後に、確率の閾値によって
表される、対数目盛りを有する図において使用することが好ましい。
【００６３】 この表記法は検査されるあらゆる種類の量に対して有用であり、これにより異
なる確率分布に関連する図の解釈が容易となり、その表記の均一性が高くなる。
２種類の図は次のように定義される。
【００６４】 ＊管理が１つの限界に適用される場合（Ｔ2図の場合におけるように）に使用
することが可能な単方向図Ｐｕ。 ＊管理が下部限界及び上部限界に関する場合に使用される双方向図Ｐｂ。 確率分布関数Ｆｘの指数ｉに関連した観測点ｘは単方向図Ｐｕ上に示される。
この観測点は横軸ｉ及び縦軸ｙ＝ｍｉｎ（ｌｏｇ10（１−Ｆx（ｘ），４）の位
置にて図にプロットされる。
【００６５】 縦軸の目盛りはｙ：１−Ｆx（ｘ）＝１０（-Y）の整数値に関連付けられた閾
値によって目盛り付けされている。目盛り上の縦軸の値４は行われた丸めを考慮
してｍｅｎｔｉｏｎ「＜０．０００１」に関連付けられている。横線は選択され
た管理限界を示す。図５は、従来のＴ2管理図ならびに対応するＰｕ図を示した
ものである。
【００６６】 確率分布関数Ｆｘの指数ｉに関連付けられた観測点ｘが双方向図Ｐb上に示さ
れる。この観測点は図の横軸ｉ及び下記に定義される縦軸ｙの位置に記される。
【数２０】 ただしｍは分布の平均値：Ｆｘ（ｍ）＝０．５である。 縦軸の目盛りはｙ：１０（-|Y|）の整数値に関連付けられた閾値にて目盛り付
けされている。横線は選択された管理閾値に関連付けられた管理限界を示す。図
６は従来の余弦管理図ならびに対応するＰｂ図を示したものである。
【００６７】 Ａ５−特殊原因の解釈 上記に定義された管理図は、プロセスを預かる人間に、プロセスの適正な動作
に対応しない履歴上の点をすべて発見し、そのそれぞれについて異常の実際の原
因を特定することを可能とする情報を与えるものである。上記に述べた手段によ
れば特定された異常の原因のそれぞれを観測空間内の特定の方向に関連付けるこ
とが可能となり、２個の指標によってこれを特定することが可能である。
【００６８】 ＊本発明の方法の第２の段階は厳密な意味においての管理の段階であり、次の
工程よりなる。 Ｓ１−データが最初に変換される。 Ｓ２−異常が検出され、管理図を用いて監視することにより特定される。 Ｓ３−必要な場合、原因の組合せまたは新たな特殊原因が特定され、方法に組
み込まれる。
【００６９】 この第２の段階において、システムはプロセスから（直接接続されたセンサま
たはマニュアル入力から）の測定値及びデータを受け取る。この測定値は分析さ
れた履歴測定値のモデルに基いたものである。これによりシステムによってプロ
セスがドリフトした場合に警告が発せられることが可能となる。次いでシステム
はドリフトの可能性として考えられる原因を特定する。ここで原因は学習段階に
おいて既に特定されたものの中から選択されたものである。
【００７０】 プロセスから受け取られた各観測点は下記の複数の工程において処理される。 Ｓ１―データの事前の変換 データが工程Ａ１において定義されたように変換される。 Ｓ２−異常の検出及び特定 工程Ａ２において定義された計算モデルを用いて観測点に関連付けられたＴ2
の値が計算され、Ｔ2図の管理限界に対して記される。
【００７１】 図において観測点が管理下にあることが示された場合、観測点の処理を終了す
る。そうでない場合、観測点は適正に動作していないプロセスを表している。 このような状況下では、学習段階において特定された各種原因に関連付けられ
た指標のとる値が計算され、新たな観測点を表す点の位置が、前記指標に関連付
けられたＰｂ型管理図上で調べられる。同じ原因に関連付けられた指標が両方と
も観測点が管理不能であることを示す場合、この原因はプロセスの実際の誤動作
の原点にある可能性が考えられ、システムはプロセスの管理者に対して誤動作に
ついての警告ならびに誤動作の原因に関する診断を送る。
【００７２】 システムが更にリスト化された原因の内の別のものを特定、認識しない場合、
ここで観測点の処理は終了する。こうした状況下では以下の更なる工程が必要で
ある。
【００７３】 Ｓ３−必要な場合、原因の組合せまたは新たな特殊原因が特定され、方法に組
み込まれる。 先の工程において何らの原因も認識されない場合、観測された異常が２つの既
知の原因の同時発生に起因するものであるか否かを確認するための検定が行われ
る。
【００７４】 この目的のため、管理下分布中心上に中心がある観測点を説明すべき変数とし
てとり、説明的変数として原因変数をとって、「ステップ・バイ・ステップ」や
「最良サブセット」型の定数項を用いずに線形回帰を行う。
【００７５】 ２つの説明的変数のみを用いて大きな多相関係数Ｒが得られた場合、特にＲ＞
０．９５である場合、これら２つの変数に関連した２つの原因が同時発生してい
ることが考えられる。同様に、２以上の原因、特に３乃至４の原因が同時に起き
ている可能性が考えられる。
【００７６】 リストの中の原因または原因の組合せが認識されない場合、プロセスを預かる
人間の知識及び経験に基いてマニュアル特定を行う必要がある。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｆ 17/60 １０８ Ｇ０６Ｆ 17/60 １０８ 19/00 １１０ 19/00 １１０ (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ， ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，Ｉ Ｔ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ， ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，Ｋ Ｅ，ＬＳ，ＭＷ，ＳＤ，ＳＬ，ＳＺ，ＴＺ，ＵＧ，ＺＷ )，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ， ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ， ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＵ，Ｃ Ｚ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＧＨ ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＳ，ＪＰ，ＫＥ， ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，Ｌ Ｔ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ， ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，Ｕ Ａ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ，ＺＷ

Claims (8)

    【特許請求の範囲】
  1. 【請求項１】 産業上のプロセスの入力、出力、ならびに制御及び作動パラ
    メータの特性を示すとともに観測点の値を観測点のサンプリング指数に関連付け
    る基準系内の観測点によって表すことが可能な量の指標または測定値の示数に基
    いて前記プロセスを管理するための統計的方法であって、前記指標または測定値
    はセンサまたはマニュアル入力によって与えられる方法において、 ａ）観測された値は、得られる値が多次元的ガウス分布モデルに適合し、本方
    法の残りの部分において用いられる観測点に対応するデータを構成するように変
    換され、 ｂ）前記観測点は、測定された量に各次元が関連付けられた多次元空間内に存
    在し、 ｃ）これらの観測点の内、「管理下にある」と云われる、プロセスの適正な動
    作に対応した点は、「管理不能」と云われる点とは区別され、 ｄ）管理下にある点の分布中心は管理下にある観測点の重心であるものとして
    計算され、 ｅ）管理下にある点の分布中心から特定の方向に集中した管理不能な観測点が
    特定され、 ｆ）この方向は前記プロセスのドリフトの共通の原因に関連付けられ、 ｇ）各観測点と異常方向の組は、行われた観測に関連している可能性の高い０
    個、１個またはそれよりも多い異常の原因を提案するために指標に関連付けられ
    、 ｈ）上記のようにして異常が分析された場合、警告が発せられて、産業上のプ
    ロセスにおいて上記のようにして検出されたドリフトは修正されることを特徴と
    する方法。
  2. 【請求項２】 観測点と異常の各組が、「原因変数」と呼ばれる、観測点と
    異常との間の関係の強さの指標と関連付けられ、該指標は、原因に関連した方向
    に沿った観測点の成分として得られ、該指標は観測ベクトルと原因の方向の方向
    ベクトルとのスカラー積として計算され、観測点と異常との間の関係の強さの指
    標として用いられる前記スカラー積行列は行列Ｖ-1であり、ただしＶ-1はＶが最
    大階数である場合には管理下のデータの共変行列Ｖの逆行列であり、Ｖが最大階
    数でない場合にはＶの擬似逆行列であることを特徴とする請求項１に記載の統計
    的プロセス管理方法。
  3. 【請求項３】 「角近接度指標」と呼ばれる、観測点を表すベクトルと異常
    に関連付けられた方向を表すベクトルとの間の角度を測定することによって得ら
    れる近接度指標が、観測点と異常との間に用いられ、該角近接度指標は前記角度
    の余弦であり、該余弦は前記強度指標を観測点を表すベクトルのノルムにて割る
    ことによって計算され、該ノルムは前記行列Ｖ-1によって定義されることを特徴
    とする請求項２に記載の統計的プロセス管理方法。
  4. 【請求項４】 前記角近接度指標の管理限界線Ｌαであって、該管理限界線
    の外側において観測点は前記異常に割り当てられる管理限界線を定義するために
    関数Ｆが用いられ、該関数Ｆは、ｎは２以上であるものとして、Ｒnの任意の与
    えられた方向と共変行列として恒等行列を有する、中央化されたガウスランダム
    ベクトルＲnとの間の角度（Ｘ）の余弦の確率分布関数を表し、該ランダムな変
    数の確率分布関数Ｆは次式にて与えられ、 【数１】 ただし、Ｌα＝Ｆ-1（α）であるために、 【数２】 であり、ここでαは誤警告の許容されうる確率を表し、αは好ましくは０．００
    １％〜０．０５％の範囲の値であることを特徴とする請求項３に記載の統計的プ
    ロセス管理方法。
  5. 【請求項５】 以下の工程、 Ａ１：データの事前の変換工程、 Ａ２：管理下にある測定値を管理不能の測定値から分離する工程、 Ａ３：同じ異常に関連している可能性の高い観測点を特定するように適合され
    ているとともに、管理下にある観測点の分布中心から延びる同じ直線の付近に位
    置する観測点を同じグループにまとめることを可能とする観測点の自動分類方法
    によって特殊原因のタイプ及び関連する方向パラメータを特定する工程、 Ａ４：特殊原因指標について管理図を作成してこれを調べる工程、及び、 Ａ５：特殊原因を解釈する工程、を行うことによって異常の特定に寄与すべく
    プロセスの履歴を分析する学習段階と、 プロセスの変数の新たな観測点のそれぞれについて観測点が異常によるもの
    であるかを診断し、そうである場合にはどの異常の可能性が高いかを診断する、
    厳密な意味での管理段階であって、以下の工程、 Ｓ１：データの事前の変換工程、 Ｓ２：管理図を検査することにより異常を検出及び特定する工程、及び、 Ｓ３：必要な場合、原因の組合せまたは新たな特殊原因を特定し、これを方法
    に組み込む工程、からなる管理段階とから構成されることを特徴とする請求項１
    乃至４のいずれか１項に記載の統計的プロセス管理方法。
  6. 【請求項６】 使用される前記自動分類方法は、グループとしてまとめるた
    め、２個の観測点ベクトル間の類似度指数として余弦の絶対値を受け容れ、直径
    基準としても知られる最大結合基準を受け容れる、階層的上昇分類型の自動分類
    法であることを特徴とする請求項３乃至５に記載の統計的プロセス管理方法。
  7. 【請求項７】 異常を表すために前記学習段階のＡ３工程において用いられ
    る方向は前記異常に関連した観測点の第１の慣性軸であり、該軸は管理下の観測
    点の分布中心を通過し、該軸は、異常に関連した観測点の集団の中心に集められ
    ておらずまた該集団にかためられていない主成分の分析によって決定され、点は
    事前に管理下の観測点の分布中心に集められていることを特徴とする請求項５に
    記載の統計的プロセス管理方法。
  8. 【請求項８】 対数目盛りを有する確率閾値を有する管理図が使用され、管
    理が１つの限界に関係する場合（Ｔ2図の場合におけるように）には単方向図Ｐ
    ｕが使用され、管理が下部限界及び上部限界に関する場合には双方向図Ｐｂが使
    用され、これらの図により、異なる確率分布に関連する図の解釈が容易となり、
    その表記の均一性が高くなることを特徴とする請求項５乃至７のいずれか１項に
    記載の統計的プロセス管理方法。
JP2000571380A 1998-09-22 1999-09-22 統計的プロセス管理のための多次元的方法及びシステム Expired - Fee Related JP4394286B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR98/12113 1998-09-22
FR9812113A FR2783620B1 (fr) 1998-09-22 1998-09-22 Procede et systeme multidimensionnel de maitrise statistique des processus
PCT/FR1999/002254 WO2000017790A1 (fr) 1998-09-22 1999-09-22 Procede et systeme multidimensionnel de maitrise statistique des processus

Publications (2)

Publication Number Publication Date
JP2002525757A true JP2002525757A (ja) 2002-08-13
JP4394286B2 JP4394286B2 (ja) 2010-01-06

Family

ID=9530930

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000571380A Expired - Fee Related JP4394286B2 (ja) 1998-09-22 1999-09-22 統計的プロセス管理のための多次元的方法及びシステム

Country Status (12)

Country Link
US (1) US6804563B1 (ja)
EP (1) EP1116150B1 (ja)
JP (1) JP4394286B2 (ja)
CN (1) CN100489870C (ja)
AT (1) ATE242513T1 (ja)
AU (1) AU5866999A (ja)
CA (1) CA2391716A1 (ja)
DE (1) DE69908620T2 (ja)
ES (1) ES2201771T3 (ja)
FR (1) FR2783620B1 (ja)
HK (1) HK1039668A1 (ja)
WO (1) WO2000017790A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005524049A (ja) * 2001-08-24 2005-08-11 バイオ−ラッド ラボラトリーズ，インコーポレイティド バイオメトリック・クオリティ管理プロセス

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL144358A (en) * 2001-07-16 2006-10-31 Oded Berkooz Method for isolating sources of drifts in output properties for machines and processes
US7076695B2 (en) * 2001-07-20 2006-07-11 Opnet Technologies, Inc. System and methods for adaptive threshold determination for performance metrics
DE10151250A1 (de) * 2001-10-17 2003-05-08 Bayer Ag Verfahren zur Ermittlung eines komplexen Korrelationsmusters aus Verfahrens- und Anlagendaten
US7043403B1 (en) * 2002-09-04 2006-05-09 Advanced Micro Devices, Inc. Fault detection and classification based on calculating distances between data points
FI20030622A (fi) * 2003-04-24 2004-10-25 Tietoenator Oyj Verkkopalveluihin liittyvien operaatioiden analysointi
KR100976648B1 (ko) * 2003-05-16 2010-08-18 도쿄엘렉트론가부시키가이샤 헬스 인덱스 처리 시스템 및 이를 이용한 방법
US7250858B2 (en) * 2003-09-05 2007-07-31 Sensitech, Inc. Automated identification of anomalous conditions in supply chain processes
US7369913B2 (en) * 2004-04-02 2008-05-06 Siemens Medical Solutions Usa, Inc. Recipe editor and controller
DE102004052302B4 (de) * 2004-09-30 2013-05-23 Immobiliengesellschaft Helmut Fischer Gmbh & Co. Kg Verfahren zur Ausgabe von Messwerten und Anzeigeeinrichtung
JP4399400B2 (ja) * 2005-07-11 2010-01-13 株式会社日立ハイテクノロジーズ 検査データ解析システムと検査データ解析プログラム
KR100679721B1 (ko) * 2005-11-01 2007-02-06 (주)아이세미콘 반도체 공정장비의 변동 감지방법
CN101536002B (zh) * 2006-11-03 2015-02-04 气体产品与化学公司 用于工艺监控的系统和方法
US7494893B1 (en) 2007-01-17 2009-02-24 Pdf Solutions, Inc. Identifying yield-relevant process parameters in integrated circuit device fabrication processes
US20080312875A1 (en) * 2007-06-12 2008-12-18 Yu Guanyuan M Monitoring and control of integrated circuit device fabrication processes
CN101251754B (zh) * 2008-03-13 2010-06-02 西安交通大学 一种多工序加工过程误差流的处理及控制方法
US8090676B2 (en) * 2008-09-11 2012-01-03 Honeywell International Inc. Systems and methods for real time classification and performance monitoring of batch processes
JP5048625B2 (ja) * 2008-10-09 2012-10-17 株式会社日立製作所 異常検知方法及びシステム
FR2939928B1 (fr) * 2008-12-15 2012-08-03 Snecma Standardisation de donnees utilisees pour la surveillance d'un moteur d'aeronef
US8392009B2 (en) * 2009-03-31 2013-03-05 Taiwan Semiconductor Manufacturing Company, Ltd. Advanced process control with novel sampling policy
US8525830B2 (en) * 2010-09-17 2013-09-03 The Boeing Company Point cloud generation system
EP2447889A1 (en) * 2010-10-29 2012-05-02 Siemens Aktiengesellschaft Method for modeling a defect management in a manufacturing process and for handling the defect during the production process based on said modeled defect management
ES2424808B1 (es) * 2011-01-25 2014-08-05 Mondragón Goi Eskola Politeknikoa José María Arizmendiarrieta, S. Coop. Método para detectar e identificar errores en procesos de fabricación
KR20140052004A (ko) 2011-08-04 2014-05-02 훈츠만 어드밴스트 머티리얼스(스위처랜드) 게엠베하 반응성 염료의 혼합물 및 이의 용도
CN103488135B (zh) * 2013-08-14 2015-11-04 沈阳中科博微自动化技术有限公司 一种用于半导体生产加工过程监控的统计过程控制方法
US9070622B2 (en) * 2013-09-13 2015-06-30 Taiwan Semiconductor Manufacturing Company, Ltd. Systems and methods for similarity-based semiconductor process control
CN103935120A (zh) * 2014-03-25 2014-07-23 中山火炬职业技术学院 一种制定印刷企业质量控制参数标准的方法
BR102014015604A2 (pt) * 2014-06-24 2015-03-31 Gisele Castro Fontanella Pileggi Máquina universal de ensaios reológicos e mecânicos
US10089589B2 (en) * 2015-01-30 2018-10-02 Sap Se Intelligent threshold editor
EP3151072B1 (de) * 2015-09-29 2020-07-29 Siemens Aktiengesellschaft Verfahren und system zur fehlererkennung und überwachung bei einem elektronisch geregelten oder gesteuerten maschinenteil
DE102016225081A1 (de) * 2016-12-15 2018-06-21 Robert Bosch Gmbh Vorrichtung und Verfahren zum Bestimmen der Pinpoint-Fähigkeit möglicher Fehler einer oder mehrerer Komponenten
EP3611579A1 (de) * 2018-08-13 2020-02-19 Siemens Aktiengesellschaft Echtzeit-automatisierungseinrichtung mit einem echtzeit-datenbus

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0660826B2 (ja) * 1989-02-07 1994-08-10 動力炉・核燃料開発事業団 プラントの異常診断方法
US5150289A (en) * 1990-07-30 1992-09-22 The Foxboro Company Method and apparatus for process control
US5442562A (en) * 1993-12-10 1995-08-15 Eastman Kodak Company Method of controlling a manufacturing process using multivariate analysis
US6539267B1 (en) * 1996-03-28 2003-03-25 Rosemount Inc. Device in a process system for determining statistical parameter
US6442445B1 (en) * 1999-03-19 2002-08-27 International Business Machines Corporation, User configurable multivariate time series reduction tool control method
US6424876B1 (en) * 1999-07-22 2002-07-23 Advanced Micro Devices, Inc. Statistical process control system with normalized control charting

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005524049A (ja) * 2001-08-24 2005-08-11 バイオ−ラッド ラボラトリーズ，インコーポレイティド バイオメトリック・クオリティ管理プロセス

Also Published As

Publication number Publication date
EP1116150B1 (fr) 2003-06-04
FR2783620B1 (fr) 2002-03-29
CA2391716A1 (fr) 2000-03-30
CN1319212A (zh) 2001-10-24
ATE242513T1 (de) 2003-06-15
ES2201771T3 (es) 2004-03-16
AU5866999A (en) 2000-04-10
EP1116150A1 (fr) 2001-07-18
HK1039668A1 (zh) 2002-05-03
JP4394286B2 (ja) 2010-01-06
DE69908620T2 (de) 2004-04-29
CN100489870C (zh) 2009-05-20
WO2000017790A1 (fr) 2000-03-30
FR2783620A1 (fr) 2000-03-24
US6804563B1 (en) 2004-10-12
DE69908620D1 (de) 2003-07-10

Similar Documents

Publication Publication Date Title
JP2002525757A (ja) 統計的プロセス管理のための多次元的方法及びシステム
CN108628281B (zh) 异常检测系统及异常检测方法
Wang et al. Quality-related fault detection approach based on orthogonal signal correction and modified PLS
De Ketelaere et al. Overview of PCA-based statistical process-monitoring methods for time-dependent, high-dimensional data
Chen et al. Dynamic process fault monitoring based on neural network and PCA
Zhou et al. Differential feature based hierarchical PCA fault detection method for dynamic fault
US8090676B2 (en) Systems and methods for real time classification and performance monitoring of batch processes
JP4046309B2 (ja) プラント監視装置
US20150276557A1 (en) State monitoring system, state monitoring method and medium
JP2002509324A (ja) センサおよびプロセスの超高感度監視
KR20110026515A (ko) 이상 검지 방법 및 시스템
Zhou et al. A study of polynomial fit-based methods for qualitative trend analysis
JP6540531B2 (ja) 監視装置及び監視装置の制御方法
CN111665066B (zh) 基于卷积神经网络的设备故障自适应上下预警界生成方法
Pani et al. A survey of data treatment techniques for soft sensor design
US11568208B2 (en) Solution for machine learning system
US12007745B2 (en) Apparatus for predicting equipment damage
Bezerra et al. GS2: An optimized attribute control chart to monitor process variability
Tan et al. Monitoring statistics and tuning of kernel principal component analysis with radial basis function kernels
Ho et al. Economic design of an X chart for short-run production
JPH04190133A (ja) 設備の診断支援方式
Xing et al. Five-axis machine tool fault monitoring using volumetric errors fractal analysis
Chmielowiec et al. Application of python libraries for variance, normal distribution and Weibull distribution analysis in diagnosing and operating production systems
JP2019113970A (ja) プロセスの状態診断方法及び状態診断装置
CN114383648A (zh) 一种温度仪表故障诊断方法及装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060921

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090217

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20090514

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20090521

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20090617

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20090624

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20090717

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20090727

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090817

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20090929

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20091015

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121023

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131023

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees