JP2003150234A - Operation analyzing device and method for manufacturing process and computer readable storage medium - Google Patents
Operation analyzing device and method for manufacturing process and computer readable storage mediumInfo
- Publication number
- JP2003150234A JP2003150234A JP2001352270A JP2001352270A JP2003150234A JP 2003150234 A JP2003150234 A JP 2003150234A JP 2001352270 A JP2001352270 A JP 2001352270A JP 2001352270 A JP2001352270 A JP 2001352270A JP 2003150234 A JP2003150234 A JP 2003150234A
- Authority
- JP
- Japan
- Prior art keywords
- data
- quality data
- calculating
- score
- quality
- 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
Links
- 238000000034 method Methods 0.000 title claims description 57
- 238000004519 manufacturing process Methods 0.000 title claims description 42
- 238000003860 storage Methods 0.000 title claims description 8
- 238000011112 process operation Methods 0.000 claims abstract description 93
- 238000009826 distribution Methods 0.000 claims abstract description 76
- 230000001186 cumulative effect Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 63
- 230000007547 defect Effects 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 23
- 229910000831 Steel Inorganic materials 0.000 claims description 17
- 239000010959 steel Substances 0.000 claims description 17
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 abstract description 10
- 230000002950 deficient Effects 0.000 abstract 2
- 239000000047 product Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000005266 casting Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
Classifications
-
- 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
- Continuous Casting (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、鉄鋼プロセス等に
おける品質データと複数のプロセス操業データとの相関
を解析する製造プロセスにおける操業解析装置、その方
法、及びコンピュータ読み取り可能な記憶媒体に関す
る。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an operation analysis device in a manufacturing process for analyzing the correlation between quality data in a steel process and a plurality of process operation data, its method, and a computer-readable storage medium.
【０００２】[0002]
【従来の技術】プロセス操業データと品質データとの関
係等、２つのデータ間の関係を見出す一般的な手法とし
て、散布図の観察評価、或いは、相関係数による評価が
行われている。2. Description of the Related Art As a general method for finding the relationship between two data such as the relationship between process operation data and quality data, scatter plot observation evaluation or correlation coefficient evaluation is performed.
【０００３】これらの手法によれば、２つのデータ間に
直線的或いは曲線的に表される関係があるとき、散布図
においては点のばらつきがその直線・曲線のまわりに集
中することによって、また、相関係数においては、それ
ぞれ直線相関係数、曲線相関係数の絶対値が高い（すな
わち、１に近い値を示す）ことによって、両者のデータ
間の関係が明らかにされる。According to these techniques, when there is a relationship represented by a straight line or a curved line between two data, in the scatter diagram, the variation of points is concentrated around the straight line / curve, and Regarding the correlation coefficient, the linear correlation coefficient and the curve correlation coefficient have high absolute values (that is, values close to 1) to clarify the relationship between the two data.
【０００４】また、鉄鋼プロセス等における品質を予測
する手法としては、例えば、特開平６−３０４７２３号
公報に開示されたものがある。そこでは、プロセス操業
データと品質データとを神経回路網に入力し、神経回路
網を学習させることによって、品質制御診断を行ってい
る。Further, as a method for predicting quality in a steel process or the like, for example, there is one disclosed in Japanese Patent Laid-Open No. 6-304723. There, quality control diagnosis is performed by inputting process operation data and quality data into a neural network and learning the neural network.
【０００５】また、確率分布を用いた品質管理・予測の
手法としては、ランダムに発生する表面品質欠陥がポア
ソン分布に近似される性質を用いて、主に半導体製造分
野等において、表面欠陥発生平均個数から製品歩留りを
推定する手法が知られている。Further, as a quality control / prediction method using probability distribution, the property that randomly generated surface quality defects are approximated to Poisson distribution is used. A method of estimating the product yield from the number of products is known.
【０００６】[0006]
【発明が解決しようとする課題】しかしながら、品質デ
ータによっては、各プロセス操業データに対して直線的
或いは曲線的な関係を持っていないことがある。この場
合、散布図や相関係数を評価しても、両者は相関が低い
と判断され、両者の関係を捉えることができないという
問題があった。However, some quality data may not have a linear or curved relationship with each process operation data. In this case, even if the scatter plot or the correlation coefficient is evaluated, it is determined that the two have a low correlation, and there is a problem that the relationship between the two cannot be grasped.
【０００７】また、特開平６−３０４７２３号公報に開
示された手法では、プロセス操業データとして、鋳片の
カーボン量等の物性値、板幅等の連鋳操業値、各冷却ゾ
ーン温度等を、また、品質データとして、表面欠陥の有
り・無しを入力している。Further, in the method disclosed in Japanese Unexamined Patent Publication No. 6-304723, as the process operation data, physical property values such as the carbon content of the cast slab, continuous casting operation values such as the plate width, the temperature of each cooling zone, Further, the presence / absence of surface defects is entered as quality data.
【０００８】しかし、例えば現実の鉄鋼プロセスにおい
ては、表面欠陥の発生要因は無数にあり、人為的な設定
や計測が困難な場合も多い。この場合、操業の結果とし
て現れる品質データにも不確定性の要素が含まれること
になるため、品質データを表面欠陥の有り・無しという
２値で与えて、入力したプロセス操業データとの関係を
学習しても、十分に精度の高い学習結果を得ることは必
ずしもできないという問題があった。However, in the actual steel process, for example, there are numerous factors causing surface defects, and it is often difficult to artificially set and measure them. In this case, the quality data that appears as a result of the operation will also include uncertainty elements, so the quality data is given as a binary value with or without surface defects, and the relationship with the input process operation data is given. There is a problem that even if the learning is performed, it is not always possible to obtain a sufficiently accurate learning result.
【０００９】また、ごく単純な工程の製造プロセスで
は、表面欠陥の発生個数をポアソン分布で近似すること
ができるが、多工程にわたり複雑化している現実の製造
プロセス、例えば鉄鋼プロセスや半導体プロセス等にお
いては、最終製品における表面欠陥の発生個数は、必ず
しもポアソン分布を示すとは限らず、品質に関する情報
を表面欠陥発生平均個数のみで代表させることはできな
いという問題があった。Also, in a very simple manufacturing process, the number of surface defects generated can be approximated by a Poisson distribution, but in a real manufacturing process that is complicated over many steps, such as a steel process or a semiconductor process. However, the number of surface defects generated in the final product does not always show Poisson distribution, and there is a problem that the information on quality cannot be represented by only the average number of surface defects generated.
【００１０】また、個々のプロセス操業データと、品質
データとの相関を解析する手法、いわゆる単相関の解析
手法を用いると、一般的に多く見られるごとく、品質が
単一のプロセス操業条件ではなく、複数のプロセス操業
条件の組み合わせ条件によって決まる場合には、プロセ
ス操業データと品質データとの相関を正確に表すことが
できないという問題があった。Further, when a method of analyzing the correlation between individual process operation data and quality data, that is, a so-called single correlation analysis method is used, as is generally seen, quality is not a single process operation condition. However, there is a problem that the correlation between the process operation data and the quality data cannot be represented accurately when it is determined by a combination of a plurality of process operation conditions.
【００１１】また、上記の如く、品質が複数のプロセス
操業条件の組み合わせ条件によって決まっており、か
つ、その複数のプロセス操業データがお互いに相関をも
っている場合には、擬似的な相関関係が出力される場合
があり、品質データに重大な影響を及ぼしているプロセ
ス操業データを特定することが困難な場合があった。Further, as described above, when the quality is determined by the combination condition of a plurality of process operation conditions and the plurality of process operation data are correlated with each other, a pseudo correlation is output. In some cases, it was difficult to identify the process operation data that had a significant impact on the quality data.
【００１２】本発明は、上記のような点に鑑みてなされ
たものであり、散布図や相関係数では捉えられない複数
のプロセス操業データと品質データとの間の相関を解析
できるようにすることを第１の目的とする。The present invention has been made in view of the above points, and makes it possible to analyze a correlation between a plurality of process operation data and quality data that cannot be captured by a scatter diagram or a correlation coefficient. This is the first purpose.
【００１３】また、複数のプロセス操業データがお互い
に相関を持ち、その複数のプロセス操業データによって
品質データが決まっているような場合でも、両者の関係
を適切に表すことができるようにすることを第２の目的
とする。Further, even when a plurality of process operation data correlates with each other and the quality data is determined by the plurality of process operation data, it is possible to appropriately represent the relationship between the two. The second purpose.
【００１４】また、品質に影響を及ぼしているプロセス
操業データを特定する解析ができるようにすることを第
３の目的とする。A third object of the present invention is to enable an analysis for identifying process operation data which affects quality.
【００１５】また、上記解析によって得られる、複数の
プロセス操業データと品質データの関係から、複数のプ
ロセス操業データが決まったときに得られる品質を予測
できるようにすることを第４の目的とする。A fourth object is to make it possible to predict the quality obtained when a plurality of process operation data are determined from the relationship between a plurality of process operation data and quality data obtained by the above analysis. .
【００１６】[0016]
【課題を解決するための手段】本発明の製造プロセスに
おける操業解析装置は、複数のパラメータから成るプロ
セス操業データと、品質データとの相関について解析す
る製造プロセスにおける解析装置において、複数のプロ
セス操業データと、品質データとを入力するデータ入力
手段と、前記データ入力手段により入力したプロセス操
業データの各パラメータがとり得る範囲を分割するパラ
メータ領域分割手段と、前記パラメータ領域分割手段に
より分割した各分割領域における品質データの確率分布
を算出して決定する確率分布算出手段と、前記確率分布
算出手段により算出した確率分布を用いて、前記スコア
領域分割手段により分割した各領域で所定の累積確率と
なる品質データ値を算出する品質データ値算出手段と、
前記データ入力手段により入力したプロセス操業データ
と品質データとを用いて、品質データ値の発生頻度を算
出するヒストグラム算出手段とを備えた点に特徴を有す
る。また、本発明の製造プロセスにおける操業解析装置
の他の特徴とするところは、複数のパラメータから成る
プロセス操業データと、品質データとの相関について解
析する製造プロセスにおける解析装置において、複数の
プロセス操業データと、品質データとを入力するデータ
入力手段と、前記データ入力手段により入力したプロセ
ス操業データの主成分分析により、主成分スコアを算出
する第１のスコア算出手段と、前記スコア算出手段によ
り算出したプロセス操業データの各主成分スコアがとり
得る範囲を分割するスコア領域分割手段と、前記スコア
領域分割手段により分割した各分割領域における品質デ
ータの確率分布を算出して決定する確率分布算出手段
と、前記確率分布算出手段により算出した確率分布を用
いて、前記スコア領域分割手段により分割した各領域で
所定の累積確率となる品質データ値を算出する品質デー
タ値算出手段と、前記スコア算出手段により算出した主
成分スコアと品質データとを用いて、品質データ値の発
生頻度を算出するヒストグラム算出手段とを備えた点に
特徴を有する。また、本発明の製造プロセスにおける操
業解析装置の他の特徴とするところは、前記確率分布算
出手段が、指数分布を表す確率密度関数を用いて、前記
各領域の品質データ値の確率分布を近似処理するように
した点にある。また、本発明の製造プロセスにおける操
業解析装置の他の特徴とするところは、前記品質データ
値算出手段により算出された各領域での品質データ値
を、領域毎にテーブルとして登録するテーブル登録手段
を備えた点にある。また、本発明の製造プロセスにおけ
る操業解析装置の他の特徴とするところは、プロセス操
業データを入力するプロセス操業データ入力手段を更に
備え、前記テーブル登録手段により登録されているテー
ブルを用いて、入力されたプロセス操業データに対し
て、所定の確率で発生すると予測される品質データ値を
算出する品質データ予測手段を備えた点にある。また、
本発明の製造プロセスにおける操業解析装置の他の特徴
とするところは、プロセス操業データを入力するプロセ
ス操業データ入力手段と、前記プロセス操業データ入力
手段により入力したプロセス操業データの主成分分析に
より、主成分スコアを算出する第２のスコア算出手段と
を更に備え、前記テーブル登録手段により登録されてい
るテーブルを用いて、前記第２のスコア算出手段にて算
出された主成分スコア値に対して、所定の確率で発生す
ると予測される品質データ値を算出する品質データ予測
手段を備えた点にある。また、本発明の製造プロセスに
おける操業解析装置の他の特徴とするところは、鉄鋼プ
ロセスに適用され、前記品質データは、鉄鋼製品表面の
単位面積あたりの欠陥の個数である点にある。According to the present invention, there is provided an operation analysis device in a manufacturing process, wherein a plurality of process operation data are analyzed in a manufacturing process analysis device for analyzing a correlation between process operation data consisting of a plurality of parameters and quality data. And data inputting means for inputting quality data, parameter area dividing means for dividing a range of each parameter of the process operation data input by the data inputting means, and each divided area divided by the parameter area dividing means. The probability distribution calculating means for calculating and determining the probability distribution of the quality data and the probability distribution calculated by the probability distribution calculating means are used to obtain a predetermined cumulative probability in each area divided by the score area dividing means. A quality data value calculating means for calculating a data value,
It is characterized in that it comprises a histogram calculation means for calculating the occurrence frequency of the quality data value using the process operation data and the quality data input by the data input means. Another feature of the operation analysis device in the manufacturing process of the present invention is that the process operation data composed of a plurality of parameters, and the analysis device in the manufacturing process for analyzing the correlation between the quality data have a plurality of process operation data. And the quality data, the first score calculation means for calculating the principal component score by the principal component analysis of the process operation data inputted by the data input means, and the score calculation means. Score area dividing means for dividing a range that each principal component score of the process operation data can take; probability distribution calculating means for calculating and determining a probability distribution of quality data in each divided area divided by the score area dividing means, Using the probability distribution calculated by the probability distribution calculation means, The frequency of occurrence of the quality data value is calculated by using the quality data value calculation means for calculating the quality data value having a predetermined cumulative probability in each area divided by the means, and the main component score and the quality data calculated by the score calculation means. And a histogram calculation means for calculating Another feature of the operation analyzing apparatus in the manufacturing process of the present invention is that the probability distribution calculating means approximates the probability distribution of the quality data values of the respective areas by using a probability density function representing an exponential distribution. There is a point to be processed. Another feature of the operation analyzing apparatus in the manufacturing process of the present invention is that the quality data value in each area calculated by the quality data value calculating means is a table registration means for registering as a table for each area. It is a prepared point. Another feature of the operation analysis device in the manufacturing process of the present invention is that it further comprises process operation data input means for inputting process operation data, and inputs using the table registered by the table registration means. A point is provided with a quality data predicting means for calculating a quality data value predicted to occur with a predetermined probability for the processed process operation data. Also,
Another feature of the operation analysis device in the manufacturing process of the present invention is that it is mainly composed of a process operation data input means for inputting process operation data and a principal component analysis of the process operation data input by the process operation data input means. A second score calculation means for calculating a component score, and using the table registered by the table registration means, for the principal component score value calculated by the second score calculation means, The point is that a quality data predicting means for calculating a quality data value predicted to occur with a predetermined probability is provided. Another feature of the operation analysis device in the manufacturing process of the present invention is that it is applied to a steel process, and the quality data is the number of defects per unit area of the steel product surface.
【００１７】本発明の製造プロセスにおける解析方法
は、複数のパラメータから成るプロセス操業データと、
品質データとの相関について解析する製造プロセスにお
ける解析方法において、複数のプロセス操業データと、
品質データとを入力するデータ入力処理と、前記データ
入力処理により入力したプロセス操業データの各パラメ
ータがとり得る範囲を分割するパラメータ領域分割処理
と、前記パラメータ領域分割処理により分割した各分割
領域における品質データの確率分布を算出して決定する
確率分布算出処理と、前記確率分布算出処理により算出
した確率分布を用いて、前記スコア領域分割処理により
分割した各領域で所定の累積確率となる品質データ値を
算出する品質データ値算出処理と、前記データ入力処理
により入力したプロセス操業データと品質データとを用
いて、品質データ値の発生頻度を算出するヒストグラム
算出処理とを実行する点に特徴を有する。また、本発明
の製造プロセスにおける解析方法の他の特徴とするとこ
ろは、複数のパラメータから成るプロセス操業データ
と、品質データとの相関について解析する製造プロセス
における解析方法において、複数のプロセス操業データ
と、品質データとを入力するデータ入力処理と、前記デ
ータ入力処理により入力したプロセス操業データの主成
分分析により、主成分スコアを算出する第１のスコア算
出処理と、前記スコア算出処理により算出したプロセス
操業データの各主成分スコアがとり得る範囲を分割する
スコア領域分割処理と、前記スコア領域分割処理により
分割した各分割領域における品質データの確率分布を算
出して決定する確率分布算出処理と、前記確率分布算出
処理により算出した確率分布を用いて、前記スコア領域
分割処理により分割した各領域で所定の累積確率となる
品質データ値を算出する品質データ値算出処理と、前記
スコア算出処理により算出した主成分スコアと品質デー
タとを用いて、品質データ値の発生頻度を算出するヒス
トグラム算出処理とを実行する点にある。The analysis method in the manufacturing process of the present invention comprises process operation data consisting of a plurality of parameters,
In the analysis method in the manufacturing process for analyzing the correlation with the quality data, a plurality of process operation data,
Data input processing for inputting quality data, parameter area division processing for dividing the range that each parameter of the process operation data input by the data input processing can take, and quality in each divided area divided by the parameter area division processing Using a probability distribution calculation process for calculating and determining a probability distribution of data and a probability distribution calculated by the probability distribution calculation process, a quality data value that becomes a predetermined cumulative probability in each region divided by the score region division process. Is performed, and a histogram calculation process for calculating the occurrence frequency of the quality data value is performed using the process operation data and the quality data input by the data input process. Another characteristic of the analysis method in the manufacturing process of the present invention is that the process operation data composed of a plurality of parameters and the analysis method in the manufacturing process for analyzing the correlation between the quality data include a plurality of process operation data. A first score calculation process for calculating a principal component score by a data input process of inputting quality data and a principal component analysis of process operation data input by the data input process, and a process calculated by the score calculation process Score area division processing for dividing a range that each principal component score of operation data can take; probability distribution calculation processing for calculating and determining a probability distribution of quality data in each divided area divided by the score area division processing; Using the probability distribution calculated by the probability distribution calculation process, the score area dividing process is performed. The quality data value calculation process for calculating a quality data value having a predetermined cumulative probability in each region divided by, and the main component score and the quality data calculated by the score calculation process are used to determine the occurrence frequency of the quality data value. The point is that a histogram calculation process for calculating is performed.
【００１８】本発明のコンピュータ読み取り可能な記憶
媒体は、上述の各手段としてコンピュータを機能させる
ためのプログラムを格納した点に特徴を有する。本発明
の別のコンピュータ読み取り可能な記憶媒体は、上述の
各処理をコンピュータに実行させるためのプログラムを
格納した点に特徴を有する。The computer-readable storage medium of the present invention is characterized in that a program for causing a computer to function as each of the above-mentioned means is stored. Another computer-readable storage medium of the present invention is characterized in that it stores a program for causing a computer to execute each of the processes described above.
【００１９】[0019]
【発明の実施の形態】以下、添付の図面を参照して、本
発明の製造プロセスにおける操業解析装置、その方法、
及びコンピュータ読み取り可能な記憶媒体の実施の形態
について説明する。BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, with reference to the accompanying drawings, an operation analysis apparatus in the manufacturing process of the present invention, a method therefor,
An embodiment of a computer-readable storage medium will be described.
【００２０】本実施の形態では、製造プロセスにおける
操業解析装置を鉄鋼の鋳造プロセスに適用し、複数のプ
ロセス操業データとして、鋳造速度と溶鋼温度などを含
む１０種類のプロセス操業データを用いるとともに、品
質データとして、製品表面の単位面積あたりの欠陥の個
数（以下、「表面欠陥の個数」と称する）を用いて、両
者の関係を解析し、その関係を用いて、新たなプロセス
操業データに対して発生すると予測される表面欠陥の個
数を求める例について説明する。なお、ここでの表面欠
陥は、鉄鋼鋳片の内部に含まれる気泡、介在物、パウダ
ー等を起因として発生するものを対象とする。In the present embodiment, the operation analysis device in the manufacturing process is applied to a steel casting process, and 10 kinds of process operation data including casting speed and molten steel temperature are used as a plurality of process operation data, and the quality is As the data, the number of defects per unit area of the product surface (hereinafter, referred to as "the number of surface defects") is used to analyze the relationship between them, and the relationship is used for new process operation data. An example of obtaining the number of surface defects predicted to occur will be described. Note that the surface defects here are those generated due to bubbles, inclusions, powder, etc., contained in the steel slab.
【００２１】また、本実施例では、１０種類のプロセス
操業データから、主成分分析法を用いて、第１主成分、
および第２主成分に相当する２つの主成分スコアを算出
して、その２つの主成分スコアと品質との関係を解析す
る例について説明する。Further, in this embodiment, the first principal component, from the 10 types of process operation data, is analyzed by the principal component analysis method.
An example of calculating two principal component scores corresponding to the second principal component and analyzing the relationship between the two principal component scores and quality will be described.
【００２２】図１は、本実施の形態の製造プロセスにお
ける操業解析装置の構成の一例を示す図である。図１に
おいて、１０１はデータ入力手段としての第１のデータ
入力部であり、図示しないデータ蓄積部より、ある製造
期間における操業設定値や測定値等からなるプロセス操
業データと、表面欠陥データとがこの第１のデータ入力
部１０１に入力される。FIG. 1 is a diagram showing an example of the configuration of an operation analysis device in the manufacturing process of this embodiment. In FIG. 1, reference numeral 101 denotes a first data input unit as a data input unit, which is used to store process operation data including operation set values and measured values in a certain manufacturing period and surface defect data from a data storage unit (not shown). The data is input to the first data input unit 101.
【００２３】具体的に、本実施の形態では、プロセス操
業データとして鋳造速度と溶鋼温度などの１０種類のデ
ータが、また、品質データとして表面欠陥の個数が、第
１のデータ入力部１０１に入力されることになる。Specifically, in this embodiment, 10 kinds of data such as casting speed and molten steel temperature are input as the process operation data, and the number of surface defects is input as the quality data to the first data input unit 101. Will be done.
【００２４】１０２は第１のスコア算出手段としての第
１の主成分算出部であり、図示しないデータ蓄積部から
第１のデータ入力部１０１を介して入力された上記ある
製造期間における操業設定値や測定値等からなるプロセ
ス操業データを用いて主成分分析を行うとともに、予め
求めておいた主成分スコア算出式に従って、主成分スコ
アを算出して出力する。Reference numeral 102 denotes a first principal component calculation unit as a first score calculation means, which is an operation set value in the above manufacturing period input from a data storage unit (not shown) via the first data input unit 101. Principal component analysis is performed using process operation data including measured values and the like, and a principal component score is calculated and output according to a principal component score calculation formula obtained in advance.
【００２５】ここで、主成分スコアとは、複数のパラメ
ータから成る各々のプロセス操業データを、各主成分の
軸に投影した際の座標値であって、その座標値は、各主
成分の持つベクトルに従って、プロセス操業データの線
形和で表されるものである。Here, the principal component score is a coordinate value when each process operation data consisting of a plurality of parameters is projected on the axis of each principal component, and the coordinate value has each principal component. It is represented by a linear sum of process operation data according to a vector.
【００２６】なお、主成分スコアを用いずに、プロセス
操業データ自身と品質との相関解析を行う場合は、上記
第１の主成分算出部１０２は必要でなく、以下に記述す
る主成分スコアの代わりに、プロセス操業データを用い
ることになる。When the correlation analysis between the process operation data itself and the quality is performed without using the principal component score, the first principal component calculating unit 102 is not necessary, and the principal component score described below is used. Instead, process operational data will be used.
【００２７】１０３はパラメータ領域分割手段またはス
コア領域分割手段としての領域分割部であり、プロセス
操業データの複数の主成分スコアのとり得る値の範囲
を、それぞれN1,N2,・・・,Nj個の範囲に分割すること
で、各々のプロセス操業データの範囲の組み合わせで決
定されるN1×N2・・・×Nj個の領域に分割する。Reference numeral 103 denotes a region dividing unit as a parameter region dividing unit or a score region dividing unit, which has N1, N2, ..., Nj ranges of values that a plurality of principal component scores of process operation data can take. By dividing into the range of N, the area is divided into N1 × N2 ... × Nj areas determined by the combination of the range of each process operation data.
【００２８】１０４は確率分布算出手段および品質デー
タ値算出手段としての確率分布算出部であり、前記領域
分割部１０３により分割されたN1×N2・・・×Nj個の分割
領域において、品質データ（表面欠陥の個数）の確率分
布を求めて、各領域での所定の累積確率となる品質デー
タ値（表面欠陥の個数）を算出する。この際に、上記各
領域の品質データ（表面欠陥の個数）の確率分布を、指
数分布などの確率密度関数を用いて近似処理する。Reference numeral 104 denotes a probability distribution calculating unit as a probability distribution calculating unit and a quality data value calculating unit, which calculates quality data (N1 × N2 ... × Nj) in the divided regions by the region dividing unit 103. The probability distribution of the number of surface defects) is obtained, and the quality data value (the number of surface defects) that gives a predetermined cumulative probability in each region is calculated. At this time, the probability distribution of the quality data (the number of surface defects) of each area is approximated using a probability density function such as an exponential distribution.
【００２９】１０５はテーブル登録手段としてのテーブ
ル登録部であり、前記領域分割部１０３により分割され
たN1×N2・・・×Nj個の各領域において、前記確率分布算
出部１０４（品質データ値算出手段）により算出された
品質データ（表面欠陥の個数）の確率分布から、各領域
での所定の累積確率となる品質データ値を、N1×N2・・・
×Nj個の領域を持つテーブルの中に登録する。Reference numeral 105 denotes a table registration unit as a table registration unit, and in each of the N1 × N2 ... × Nj regions divided by the region division unit 103, the probability distribution calculation unit 104 (quality data value calculation From the probability distribution of the quality data (the number of surface defects) calculated by the means), the quality data value that becomes a predetermined cumulative probability in each area is calculated as N1 × N2 ...
Register in a table with × Nj areas.
【００３０】１０６はテーブル表示部であり、テーブル
登録部１０５にて登録されたテーブルを図で表示して、
品質の良い領域、悪い領域を明確にするためのものであ
る。Reference numeral 106 denotes a table display section, which displays the table registered by the table registration section 105 in a diagram,
This is for clarifying areas of good quality and areas of poor quality.
【００３１】１０７は品質データ予測手段としての欠陥
発生予測部であり、新たな複数のプロセス操業データ
を、前記第１のデータ入力部１０１と同様の構成である
プロセス操業データ入力手段としての第２データ入力部
１１０から入力し、１０２と同様の構成である第２のス
コア算出手段としての第２の主成分算出部１１１を用い
て得られる主成分スコアを入力として、テーブル登録部
１０５により得られたテーブルを用いて、所定の確率で
発生すると予測される品質データの最大値（表面欠陥の
最大個数）を予測する。Reference numeral 107 denotes a defect occurrence predicting unit as a quality data predicting unit, and a plurality of new process operating data are provided as a second process operating data input unit having the same configuration as the first data input unit 101. The main component score input from the data input unit 110 and obtained by using the second main component calculation unit 111 as the second score calculation unit having the same configuration as 102 is input and obtained by the table registration unit 105. Using the table, the maximum value of quality data (maximum number of surface defects) predicted to occur with a predetermined probability is predicted.
【００３２】１０８は予測結果表示部であり、欠陥発生
予測部１０７により予測された結果を表示する。A prediction result display unit 108 displays the result predicted by the defect occurrence prediction unit 107.
【００３３】１０９はヒストグラム算出手段としてのヒ
ストグラム算出部であり、第１の主成分算出部１０２か
ら出力される主成分スコアと品質データ（表面欠陥の個
数）とからヒストグラムを算出する。Reference numeral 109 is a histogram calculation unit as a histogram calculation means, which calculates a histogram from the principal component score output from the first principal component calculation unit 102 and the quality data (the number of surface defects).
【００３４】上述したように、確率分布算出部１０４で
は指数分布などを表す確率密度関数を用いた近似を行う
が、その確率密度関数を、ヒストグラム算出部１０９で
算出されたヒストグラムに基づいて定めることができ
る。As described above, the probability distribution calculation unit 104 performs the approximation using the probability density function representing the exponential distribution, etc., but the probability density function is determined based on the histogram calculated by the histogram calculation unit 109. You can
【００３５】次に、図２に示すフローチャートを参照し
て、本実施の形態の製造プロセスにおける操業解析装置
の処理動作について説明する。Next, the processing operation of the operation analysis device in the manufacturing process of this embodiment will be described with reference to the flowchart shown in FIG.
【００３６】第１のデータ入力部１０１に、プロセス操
業データとして、ある製造期間における、鋳造速度と溶
鋼温度などの１０種類のデータが、また、品質データと
して表面欠陥の個数が、図示しないデータ蓄積部から入
力される。In the first data input unit 101, 10 kinds of data such as casting speed and molten steel temperature in a certain manufacturing period are stored as process operation data, and the number of surface defects as quality data is stored as data not shown. Input from the department.
【００３７】次に、前記１０種類のプロセス操業データ
を用いて、第１の主成分算出部１０２にて、主成分分析
を実施し、プロセス操業データの線形和で表される主成
分を求める。Next, a principal component analysis is carried out in the first principal component calculation unit 102 using the 10 types of process operating data, and a principal component represented by a linear sum of the process operating data is obtained.
【００３８】上記主成分は、最大でプロセス操業データ
の種類と同じく、第１主成分から第１０主成分の１０種
類が求まるが、ここでは、第１主成分と第２主成分を用
いることとし、２つの主成分スコア算出式を得る（ステ
ップＳ２０１）。The above-mentioned main components can be determined from the first to the tenth principal components in the same manner as the types of process operation data at the maximum, but here, the first principal component and the second principal component are used. Two principal component score calculation formulas are obtained (step S201).
【００３９】主成分分析は、よく知られているように、
複数種類のデータのうち、互いに相関があるものを、各
主成分にまとめる効果を持っており、また、得られる各
主成分は、独立性が高く、互いに相関が低いものにな
る。Principal component analysis, as is well known,
It has an effect of collecting data having a correlation with each other among a plurality of types of data into each principal component, and the obtained principal components have high independence and have low correlation with each other.
【００４０】ここでは、第１主成分の主成分スコア算出
式は、主に鋳造速度に相関の高い操業データの線形和で
表されており、第２主成分は、主に溶鋼温度に相関の高
い操業データの線形和で表されているとする。Here, the principal component score calculation formula of the first principal component is mainly represented by a linear sum of the operation data having a high correlation with the casting speed, and the second principal component is mainly correlated with the molten steel temperature. It is assumed to be represented by a linear sum of high operation data.
【００４１】次に、第１の主成分算出部１０２により、
この第１主成分、第２主成分の主成分スコア算出式を用
いて、前記１０種類のプロセス操業条件からなる各デー
タの第１主成分スコア、第２主成分スコアを求め、この
２つの主成分スコアと、表面欠陥個数が対応したデータ
を得る（ステップＳ２０２）。Next, the first principal component calculation unit 102
Using the formulas for calculating the principal component scores of the first principal component and the second principal component, the first principal component score and the second principal component score of each data consisting of the ten types of process operating conditions are obtained, and the two principal components are calculated. Data in which the component score and the number of surface defects correspond are obtained (step S202).
【００４２】次に、ステップＳ２０２の処理により得た
表面欠陥個数のデータを用いて、ヒストグラム算出部１
０９にて、ヒストグラムを作成する（ステップＳ２０
３）と、表面欠陥個数が少ないところのデータが多く、
表面欠陥個数が多いほどデータが指数関数的に減少する
ヒストグラムが得られた。Next, using the data of the number of surface defects obtained by the processing of step S202, the histogram calculation unit 1
At 09, a histogram is created (step S20).
3), and there is a lot of data where the number of surface defects is small,
A histogram was obtained in which the data decreased exponentially as the number of surface defects increased.
【００４３】そこで、ここでは、確率分布算出部１０４
において、各分割領域における表面欠陥の発生確率分布
を指数分布で近似することとした。すなわち、表面欠陥
の個数Ｎ、その発生確率分布Ｐとすると、ｋをパラメー
タとして、下記の（数１）に示す式（１）により表す。Therefore, here, the probability distribution calculation unit 104
In Section 1, the probability distribution of surface defects in each divided area is approximated by an exponential distribution. That is, assuming that the number of surface defects is N and the occurrence probability distribution P thereof, k is represented by the following formula (1) using (k) as a parameter.
【００４４】[0044]
【数１】 [Equation 1]
【００４５】なお、必ずしも、データが主成分算出部１
０２から出力される度に、ヒストグラム算出部１０９に
て式（１）の如く、発生確率分布の近似式を決める必要
はなく、代表的なデータを用いて、式（１）の如く、発
生確率分布の近似式を一度求めれば、それ以降のデータ
については、同じ種類のプロセス操業データや品質デー
タを使っている限り、同一の近似式、すなわち、ここで
は式（１）を用いることができる。It should be noted that the data is not necessarily the principal component calculation unit 1.
It is not necessary to determine the approximation formula of the occurrence probability distribution by the histogram calculation unit 109 every time the output is from 02, and representative data is used to calculate the occurrence probability as shown in the formula (1). Once the approximate expression of the distribution is obtained, the same approximate expression, that is, the expression (1) can be used for the subsequent data as long as the same type of process operation data and quality data are used.
【００４６】次に、領域分割部１０３にて、第１主成分
スコアと第２主成分スコアを、それぞれ存在する値の最
小値〜最大値の範囲を１０等分、すなわちＮ１＝Ｎ２＝
１０として、合計１０×１０＝１００個の領域を定め
る。（ステップＳ２０４）。Next, in the area dividing unit 103, the range of the minimum value to the maximum value of the values of the first principal component score and the second principal component score is divided into 10 equal parts, that is, N1 = N2 =
A total of 10 × 10 = 100 areas are defined as 10. (Step S204).
【００４７】そして、領域ごとに、領域中に存在するデ
ータを用いて、表面欠陥の発生確率分布Ｐiを求める
（ステップＳ２０５）。Then, for each area, the occurrence probability distribution P i of surface defects is obtained using the data existing in the area (step S205).
【００４８】図３は、第１主成分・第２主成分で構成さ
れるある１つの領域ｉにおける、表面欠陥の発生確率分
布Ｐiを示す。FIG. 3 shows a surface defect occurrence probability distribution P i in one region i composed of the first principal component and the second principal component.
【００４９】次に、図３において、領域ｉの発生確率分
布Ｐiに対して、既知の手法である最尤法を用いて、以
下の（数２）に示す式（２）に相当する確率密度関数の
式へのフィッティング（図３における破線）を行い、領
域ｉにおけるパラメータｋiを求める。これを１００個
の全領域に対して実行し、全てのｋi（ｉ＝１，２，・
・・，１００）を求める（ステップＳ２０６）。Next, in FIG. 3, the probability corresponding to the equation (2) shown in the following (Equation 2) is calculated by using the maximum likelihood method which is a known method for the occurrence probability distribution P i of the region i. Fitting to the formula of the density function (broken line in FIG. 3) is performed to obtain the parameter k i in the region i. This is executed for all 100 regions, and all k i (i = 1, 2, ...
.., 100) is obtained (step S206).
【００５０】[0050]
【数２】 [Equation 2]
【００５１】本実施の形態のように、表面欠陥の発生確
率が指数分布で表される場合、ある累積確率Ｐcに相当
する欠陥発生個数ＮiPcは、下記の（数３）に示す式
（３）より表される。When the occurrence probability of surface defects is represented by an exponential distribution as in the present embodiment, the number N iPc of defect occurrences corresponding to a certain cumulative probability P c is expressed by the equation (3) below. It is expressed by 3).
【００５２】[0052]
【数３】 [Equation 3]
【００５３】ここでは、各領域ｉにおいて、８０％の確
率で発生する表面欠陥の最大個数Ｎ i0.8を一例として考
える（ステップＳ２０７）。これは、上式（３）におい
て、Ｐc＝０．８となる表面欠陥の個数に相当する。Here, in each area i, the probability of 80%
Maximum number of surface defects N i0.8Consider as an example
(Step S207). This is the smell of the above formula (3)
, PcThis corresponds to the number of surface defects for which = 0.8.
【００５４】次に、テーブル登録部１０５において、各
領域ｉにおけるＮi0.8を上式（３）を用いて求め、１０
×１０のテーブルに登録する（ステップＳ２０８）。Next, in the table registration unit 105, N i0.8 in each area i is calculated using the above equation (3), and 10
It is registered in the table of × 10 (step S208).
【００５５】図４に、上記ステップＳ２０８における処
理により出来たテーブルを、テーブル表示部１０６にお
いて、グレースケールで表した図を示す。FIG. 4 is a diagram showing the table created by the processing in step S208 described above in gray scale on the table display unit 106.
【００５６】図４から、第１主成分スコアと第２主成分
スコアが共に小さいとき、及び、第１主成分が小さく、
第２主成分が大きいときに、特に表面欠陥が多く発生し
やすく、品質が悪くなる可能性が高いことが、本実施の
形態の操業解析装置を用いることで明確に示された。From FIG. 4, when both the first principal component score and the second principal component score are small, and when the first principal component is small,
It has been clearly shown by using the operation analysis device of the present embodiment that when the second main component is large, many surface defects are likely to occur and the quality is likely to deteriorate.
【００５７】そして、この結果を利用すれば、高品質な
製品が得られた時の、複数のプロセス操業データに合せ
て、実際の操業条件を改善することができ、製品の品質
向上を図ることができる。By utilizing this result, the actual operating conditions can be improved in accordance with a plurality of process operation data when a high quality product is obtained, and the quality of the product can be improved. You can
【００５８】以上のように、本実施の形態では、複数の
プロセス操業データと、品質データとの間の相関を、確
率分布を用いて解析するようにしたので、従来の散布図
や相関係数では捉えられなかった両者の相関を明確にす
ることができる。As described above, in the present embodiment, the correlation between the plurality of process operation data and the quality data is analyzed by using the probability distribution. Therefore, the conventional scatter diagram and the correlation coefficient are used. It is possible to clarify the correlation between the two, which was not captured by.
【００５９】特に、主成分算出部にて、主成分分析を実
施し、プロセス操業データの線形和で表される主成分を
求めるようにしたので、プロセス操業データがお互いに
相関を持っているプロセス操業データと品質データの相
関を正しく求めることができる。In particular, since the principal component calculation unit carries out the principal component analysis to obtain the principal component represented by the linear sum of the process operation data, the process operation data are correlated with each other. The correlation between operation data and quality data can be accurately obtained.
【００６０】また、欠陥発生予測部１０７において、新
たに製造される製品のプロセス操業データから、第１主
成分スコア、第２主成分スコアを求めた後、テーブル登
録部１０５において作成された１０×１０のテーブルを
参照して、対応する領域中のＮi0.8を求めることによ
り、その製品の品質を、８０％の確率で発生する表面欠
陥の最大個数として予測することができる（ステップＳ
２０９）。In addition, after the defect occurrence prediction unit 107 obtains the first principal component score and the second principal component score from the process operation data of the newly manufactured product, the 10 × generated in the table registration unit 105. The quality of the product can be predicted as the maximum number of surface defects occurring with a probability of 80% by obtaining N i0.8 in the corresponding area with reference to the table of No. 10 (step S).
209).
【００６１】なお、本実施の形態では、上式（１）、
（２）で説明したように指数関数分布を適用したが、ヒ
ストグラムが示す傾向に従って、対数正規分布、ポアソ
ン分布、２項分布、ベータ分布、ガンマ分布等の適切な
確率分布を適用し、それぞれ確率密度関数を設定して表
面欠陥の発生確率分布を近似すればよい。In the present embodiment, the above equation (1),
Although the exponential function distribution was applied as described in (2), appropriate probability distributions such as lognormal distribution, Poisson distribution, binomial distribution, beta distribution, and gamma distribution were applied according to the tendency indicated by the histogram, and the respective probability A density function may be set to approximate the occurrence probability distribution of surface defects.
【００６２】さらに、前記適切な確率分布を用いた近似
は必ずしも行わなければならないものではなく、上式
（２）に従って分割された各領域ｉにおける表面欠陥の
発生確率分布Ｐiから、直接、累積確率がＰｃとなる欠
陥発生個数ＮiPcを求めて、テーブルに登録しても良
い。ただし、近似を行うことにより、入力データに含ま
れるノイズを除去することができ、プロセス操業データ
と品質データとの間のより明確な相関を得ることができ
る。Furthermore, the approximation using the appropriate probability distribution does not necessarily have to be performed, and the accumulation probability is directly calculated from the occurrence probability distribution P i of surface defects in each region i divided according to the above equation (2). The number N iPc of defects that have a probability of Pc may be obtained and registered in the table. However, by performing the approximation, noise included in the input data can be removed, and a clearer correlation between the process operation data and the quality data can be obtained.
【００６３】本実施の形態では、本発明の製造プロセス
における操業解析装置を鉄鋼プロセスに適用した例を説
明したが、他の製造プロセス、例えば半導体プロセスに
おける解析に適用することも可能である。In the present embodiment, an example in which the operation analysis device in the manufacturing process of the present invention is applied to a steel process has been described, but it can be applied to analysis in another manufacturing process, for example, a semiconductor process.
【００６４】なお、前述した本発明の製造プロセスにお
ける操業解析装置は、複数の機器から構成されるもので
あっても、１つの機器から構成されるものであってもよ
い。The operation analysis device in the above-described manufacturing process of the present invention may be composed of a plurality of devices or one device.
【００６５】また、前述した実施の形態は、コンピュー
タのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成され
るものであり、ＲＡＭやＲＯＭに記録されたプログラム
が動作することで実現される。したがって、前記実施の
形態の機能を実現するためのソフトウェアのプログラム
コードをコンピュータに供給するための手段、例えばか
かるプログラムコードを格納した記憶媒体は本発明の範
疇に含まれる。Further, the above-described embodiment is composed of a CPU of a computer or MPU, RAM, ROM, etc., and is realized by the operation of a program recorded in RAM or ROM. Therefore, means for supplying the computer with the program code of the software for implementing the functions of the above-described embodiments, for example, a storage medium storing the program code is included in the scope of the present invention.
【００６６】[0066]
【発明の効果】以上述べたように本発明によれば、鉄鋼
プロセスを含む製造プロセスにおいて、複数のプロセス
操業データと品質データとの間の相関を、確率分布を用
いて解析できるようにすることにより、散布図や相関係
数では捉えられなかった両者の相関について明確にする
ことができる。As described above, according to the present invention, in a manufacturing process including a steel process, it is possible to analyze the correlation between a plurality of process operation data and quality data by using a probability distribution. This makes it possible to clarify the correlation between the two, which could not be captured by the scatter plot or the correlation coefficient.
【００６７】さらに、プロセス操業データがお互いに相
関を持っているような場合でも、プロセス操業データと
品質データの相関を正しく求めることができる。Further, even when the process operation data have a correlation with each other, the correlation between the process operation data and the quality data can be correctly obtained.
【００６８】したがって、その解析の結果を利用して、
高品質な製品が得られた時の、複数のプロセス操業デー
タに合せて、実際の操業条件を改善することにより、製
品の品質向上を図ることができる。また、ある複数のプ
ロセス操業条件で操業した際に得られる製品の品質を予
測することができる。Therefore, using the result of the analysis,
The quality of the product can be improved by improving the actual operating conditions in accordance with a plurality of process operation data when a high quality product is obtained. Further, it is possible to predict the quality of the product obtained when operating under a certain plurality of process operating conditions.
【図１】本発明の実施の形態を示し、操業解析装置の構
成の一例を示す図である。FIG. 1 is a diagram showing an embodiment of the present invention and showing an example of a configuration of an operation analysis device.
【図２】本発明の実施の形態を示し、操業解析装置の処
理動作の一例を説明するためのフローチャートである。FIG. 2 is a flow chart for explaining an example of the processing operation of the operation analysis device according to the embodiment of the present invention.
【図３】本発明の実施の形態を示し、ある製造期間にお
けるプロセス操業データから求めた、第１主成分・第２
主成分で構成されるある１つの領域ｉにおける、表面欠
陥の発生確率分布Ｐiの一例を示す特性図である。FIG. 3 shows an embodiment of the present invention, in which a first main component / second main component obtained from process operation data in a certain manufacturing period.
FIG. 9 is a characteristic diagram showing an example of a surface defect occurrence probability distribution P i in a certain region i composed of main components.
【図４】本発明の実施の形態を示し、第１主成分スコア
を横軸に、第２主成分スコアを縦軸にとり、１０×１０
の分割領域における、８０％の確率で発生する最大疵発
生個数Ni0.8を登録したテーブルを、グレースケールで
示した図である。FIG. 4 shows an embodiment of the present invention, where the first principal component score is on the horizontal axis and the second principal component score is on the vertical axis, and 10 × 10
FIG. 6 is a diagram showing, in gray scale, a table in which the maximum number of defects , N i0.8 , that occurs with a probability of 80% in each of the divided areas is registered.
１０１ 第１のデータ入力部 １０２ 第１の主成分算出部 １０３ 領域分割部 １０４ 確率分布算出部 １０５ テーブル登録部 １０６ テーブル表示部 １０７ 欠陥発生予測部 １０８ 予測結果表示部 １０９ ヒストグラム算出部 １１０ 第２のデータ入力部 １１１ 第２の主成分算出部 101 First data input section 102 first principal component calculation unit 103 area division unit 104 Probability distribution calculation unit 105 table registration section 106 table display section 107 defect occurrence prediction unit 108 Prediction result display section 109 Histogram calculator 110 Second data input section 111 Second Principal Component Calculation Unit
───────────────────────────────────────────────────── 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 17/60 １０６ Ｇ０６Ｆ 17/60 １０６ (72)発明者 橋口 昇平 富津市新富20−１ 新日本製鐵株式会社技 術開発本部内株式会社日鐵テクノリサーチ 内 Ｆターム(参考） 3C100 AA56 BB11 BB27 BB33 EE10 4E004 MC22 MC30 5H223 AA01 BB01 CC01 EE06 FF06─────────────────────────────────────────────────── ─── Continuation of front page (51) Int.Cl. 7 Identification code FI theme code (reference) G06F 17/60 106 G06F 17/60 106 (72) Inventor Shohei Hashiguchi 20-1 Shintomi, Futtsu-shi Nippon Steel F-Term in Nippon Steel Techno Research Co., Ltd. (Technical Development Division) 3C100 AA56 BB11 BB27 BB33 EE10 4E004 MC22 MC30 5H223 AA01 BB01 CC01 EE06 FF06
Claims (11)
データと、品質データとの相関について解析する製造プ
ロセスにおける解析装置において、 複数のプロセス操業データと、品質データとを入力する
データ入力手段と、 前記データ入力手段により入力したプロセス操業データ
の各パラメータがとり得る範囲を分割するパラメータ領
域分割手段と、 前記パラメータ領域分割手段により分割した各分割領域
における品質データの確率分布を算出して決定する確率
分布算出手段と、 前記確率分布算出手段により算出した確率分布を用い
て、前記スコア領域分割手段により分割した各領域で所
定の累積確率となる品質データ値を算出する品質データ
値算出手段と、 前記データ入力手段により入力したプロセス操業データ
と品質データとを用いて、品質データ値の発生頻度を算
出するヒストグラム算出手段とを備えたことを特徴とす
る製造プロセスにおける操業解析装置。1. A data input means for inputting a plurality of process operation data and quality data in an analyzer in a manufacturing process for analyzing a correlation between process operation data composed of a plurality of parameters and quality data, said data. Parameter area dividing means for dividing a possible range of each parameter of the process operation data input by the input means, and probability distribution calculation for calculating and determining a probability distribution of quality data in each divided area divided by the parameter area dividing means Means, a quality data value calculation means for calculating a quality data value having a predetermined cumulative probability in each area divided by the score area division means using the probability distribution calculated by the probability distribution calculation means, and the data input Using process operation data and quality data input by means Operation analysis system of the manufacturing process is characterized in that a histogram calculation means for calculating the frequency of occurrence of quality data value.
データと、品質データとの相関について解析する製造プ
ロセスにおける解析装置において、 複数のプロセス操業データと、品質データとを入力する
データ入力手段と、 前記データ入力手段により入力したプロセス操業データ
の主成分分析により、主成分スコアを算出する第１のス
コア算出手段と、 前記スコア算出手段により算出したプロセス操業データ
の各主成分スコアがとり得る範囲を分割するスコア領域
分割手段と、 前記スコア領域分割手段により分割した各分割領域にお
ける品質データの確率分布を算出して決定する確率分布
算出手段と、 前記確率分布算出手段により算出した確率分布を用い
て、前記スコア領域分割手段により分割した各領域で所
定の累積確率となる品質データ値を算出する品質データ
値算出手段と、 前記スコア算出手段により算出した主成分スコアと品質
データとを用いて、品質データ値の発生頻度を算出する
ヒストグラム算出手段と、を備えたことを特徴とする製
造プロセスにおける操業解析装置。2. A data input means for inputting a plurality of process operation data and quality data, in an analyzer in a manufacturing process for analyzing a correlation between process operation data composed of a plurality of parameters and quality data, said data. The first score calculation means for calculating a principal component score by the principal component analysis of the process operation data input by the input means and the range that each principal component score of the process operation data calculated by the score calculation means can take are divided. Score area dividing means, probability distribution calculating means for calculating and determining a probability distribution of quality data in each divided area divided by the score area dividing means, using the probability distribution calculated by the probability distribution calculating means, Quality data with a predetermined cumulative probability in each area divided by the score area dividing means. A quality data value calculating means for calculating a value; and a histogram calculating means for calculating the frequency of occurrence of the quality data value using the principal component score and the quality data calculated by the score calculating means. Operation analysis device in the manufacturing process
す確率密度関数を用いて、前記各領域の品質データ値の
確率分布を近似処理するようにしたことを特徴とする請
求項１または２に記載の製造プロセスにおける操業解析
装置。3. The probability distribution calculating means is adapted to approximate a probability distribution of quality data values of each region by using a probability density function representing an exponential distribution. An operation analysis device in the manufacturing process described in.
れた各領域での品質データ値を、領域毎にテーブルとし
て登録するテーブル登録手段を備えたことを特徴とする
請求項１〜３のいずれか１項に記載の製造プロセスにお
ける操業解析装置。4. The table registration means for registering the quality data value in each area calculated by the quality data value calculation means as a table for each area. An operation analysis device in the manufacturing process according to item 1.
操業データ入力手段を更に備え、 前記テーブル登録手段により登録されているテーブルを
用いて、入力されたプロセス操業データに対して、所定
の確率で発生すると予測される品質データ値を算出する
品質データ予測手段を備えたことを特徴とする請求項１
〜４のいずれか１項に記載の製造プロセスにおける操業
解析装置。5. A process operation data input means for inputting process operation data, further comprising: a table registered by said table registration means, wherein a process is performed with a predetermined probability for the input process operation data. A quality data predicting means for calculating a predicted quality data value is provided.
An operation analysis device in the manufacturing process according to any one of 1 to 4.
操業データ入力手段と、 前記プロセス操業データ入力手段により入力したプロセ
ス操業データの主成分分析により、主成分スコアを算出
する第２のスコア算出手段とを更に備え、 前記テーブル登録手段により登録されているテーブルを
用いて、前記第２のスコア算出手段にて算出された主成
分スコア値に対して、所定の確率で発生すると予測され
る品質データ値を算出する品質データ予測手段を備えた
ことを特徴とする請求項１〜４のいずれか１項に記載の
製造プロセスにおける操業解析装置。6. A process operation data input means for inputting process operation data, and a second score calculation means for calculating a principal component score by principal component analysis of the process operation data input by the process operation data input means. Further, using the table registered by the table registration means, a quality data value predicted to occur with a predetermined probability is calculated with respect to the principal component score value calculated by the second score calculation means. The operation analysis apparatus in the manufacturing process according to any one of claims 1 to 4, further comprising quality data predicting means for calculating.
タは、鉄鋼製品表面の単位面積あたりの欠陥の個数であ
ることを特徴とする請求項１〜６のいずれか１項に記載
の製造プロセスにおける操業解析装置。7. The manufacturing process according to claim 1, wherein the quality data is applied to a steel process, and the quality data is the number of defects per unit area of a steel product surface. Operation analysis device.
データと、品質データとの相関について解析する製造プ
ロセスにおける解析方法において、 複数のプロセス操業データと、品質データとを入力する
データ入力処理と、 前記データ入力処理により入力したプロセス操業データ
の各パラメータがとり得る範囲を分割するパラメータ領
域分割処理と、 前記パラメータ領域分割処理により分割した各分割領域
における品質データの確率分布を算出して決定する確率
分布算出処理と、 前記確率分布算出処理により算出した確率分布を用い
て、前記スコア領域分割処理により分割した各領域で所
定の累積確率となる品質データ値を算出する品質データ
値算出処理と、 前記データ入力処理により入力したプロセス操業データ
と品質データとを用いて、品質データ値の発生頻度を算
出するヒストグラム算出処理とを実行することを特徴と
する製造プロセスにおける操業解析方法。8. A data input process for inputting a plurality of process operation data and quality data, in an analysis method in a manufacturing process for analyzing the correlation between process operation data composed of a plurality of parameters and quality data, and the data. Parameter area division processing for dividing the range that each parameter of the process operation data input by the input processing can take, and probability distribution calculation for calculating and determining the probability distribution of quality data in each divided area divided by the parameter area division processing Processing, using the probability distribution calculated by the probability distribution calculation processing, a quality data value calculation processing of calculating a quality data value having a predetermined cumulative probability in each area divided by the score area division processing, and the data input Using process operation data and quality data input by processing Operation analysis method in the manufacturing process and executes a histogram calculation process for calculating the frequency of occurrence of quality data value.
データと、品質データとの相関について解析する製造プ
ロセスにおける解析方法において、 複数のプロセス操業データと、品質データとを入力する
データ入力処理と、 前記データ入力処理により入力したプロセス操業データ
の主成分分析により、主成分スコアを算出する第１のス
コア算出処理と、 前記スコア算出処理により算出したプロセス操業データ
の各主成分スコアがとり得る範囲を分割するスコア領域
分割処理と、 前記スコア領域分割処理により分割した各分割領域にお
ける品質データの確率分布を算出して決定する確率分布
算出処理と、 前記確率分布算出処理により算出した確率分布を用い
て、前記スコア領域分割処理により分割した各領域で所
定の累積確率となる品質データ値を算出する品質データ
値算出処理と、 前記スコア算出処理により算出した主成分スコアと品質
データとを用いて、品質データ値の発生頻度を算出する
ヒストグラム算出処理とを実行することを特徴とする製
造プロセスにおける操業解析方法。9. A data input process for inputting a plurality of process operation data and quality data, in an analysis method in a manufacturing process for analyzing a correlation between process operation data composed of a plurality of parameters and quality data, and the data. The first score calculation process for calculating the principal component score by the principal component analysis of the process operation data input by the input process and the range that each principal component score of the process operation data calculated by the score calculation process can take are divided. Score area division processing, probability distribution calculation processing for calculating and determining a probability distribution of quality data in each divided area divided by the score area division processing, using the probability distribution calculated by the probability distribution calculation processing, Quality data with a predetermined cumulative probability in each area divided by the score area division process. A quality data value calculation process for calculating a value, and a histogram calculation process for calculating a frequency of occurrence of the quality data value using the principal component score calculated by the score calculation process and the quality data. Operation analysis method in manufacturing process.
てコンピュータを機能させるためのプログラムを格納し
たことを特徴とするコンピュータ読み取り可能な記憶媒
体。10. A computer-readable storage medium storing a program for causing a computer to function as each unit according to any one of claims 1 to 7.
各処理をコンピュータに実行させるためのプログラムを
格納したことを特徴とするコンピュータ読み取り可能な
記憶媒体。11. A computer-readable storage medium, which stores a program for causing a computer to execute each process according to claim 8 or claim 9.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001352270A JP3733057B2 (en) | 2001-11-16 | 2001-11-16 | Operation analysis apparatus in manufacturing process, method thereof, and computer-readable storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001352270A JP3733057B2 (en) | 2001-11-16 | 2001-11-16 | Operation analysis apparatus in manufacturing process, method thereof, and computer-readable storage medium |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003150234A true JP2003150234A (en) | 2003-05-23 |
| JP3733057B2 JP3733057B2 (en) | 2006-01-11 |
Family
ID=19164474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001352270A Expired - Fee Related JP3733057B2 (en) | 2001-11-16 | 2001-11-16 | Operation analysis apparatus in manufacturing process, method thereof, and computer-readable storage medium |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3733057B2 (en) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008146621A (en) * | 2006-11-14 | 2008-06-26 | Nippon Steel Corp | Device and method for analyzing quality improvement condition of product, computer program, and computer readable recording medium |
| JP2009020600A (en) * | 2007-07-10 | 2009-01-29 | Nippon Steel Corp | Quality control apparatus, method, and program |
| JP2009070235A (en) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | Quality prediction device, quality prediction method, and manufacturing method |
| JP2009070227A (en) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | Quality prediction device, quality prediction method, and method for manufacturing product |
| JP2013140548A (en) * | 2012-01-06 | 2013-07-18 | Nippon Steel & Sumitomo Metal | Operation state evaluation device, operation state evaluation method, computer program, and computer-readable storage medium |
| KR101344896B1 (en) | 2012-02-29 | 2013-12-26 | 현대제철 주식회사 | Device for predicting edge defect of hot-rolled steel sheet coil and method therefor |
| JP2015160239A (en) * | 2014-02-28 | 2015-09-07 | Ｊｆｅスチール株式会社 | Method and apparatus for surface defect determination for continuously cast slab |
| CN108067599A (en) * | 2016-11-15 | 2018-05-25 | 上海宝信软件股份有限公司 | Slab quality analysis method based on steel-making continuous casting overall process data |
| WO2019013225A1 (en) * | 2017-07-14 | 2019-01-17 | パナソニックＩｐマネジメント株式会社 | Display device, manufacturing system, and display method |
| JP2020106496A (en) * | 2018-12-28 | 2020-07-09 | 日本製鉄株式会社 | Quality prediction device, quality prediction method and program |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5312117B2 (en) * | 2009-03-17 | 2013-10-09 | 株式会社神戸製鋼所 | Metal strip manufacturing condition determination system |
| CN102019393B (en) * | 2010-12-31 | 2012-11-28 | 中冶连铸技术工程股份有限公司 | Casting body quality judging method and device for continuous casting machine |
-
2001
- 2001-11-16 JP JP2001352270A patent/JP3733057B2/en not_active Expired - Fee Related
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008146621A (en) * | 2006-11-14 | 2008-06-26 | Nippon Steel Corp | Device and method for analyzing quality improvement condition of product, computer program, and computer readable recording medium |
| JP2009020600A (en) * | 2007-07-10 | 2009-01-29 | Nippon Steel Corp | Quality control apparatus, method, and program |
| JP2009070235A (en) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | Quality prediction device, quality prediction method, and manufacturing method |
| JP2009070227A (en) * | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | Quality prediction device, quality prediction method, and method for manufacturing product |
| JP2013140548A (en) * | 2012-01-06 | 2013-07-18 | Nippon Steel & Sumitomo Metal | Operation state evaluation device, operation state evaluation method, computer program, and computer-readable storage medium |
| KR101344896B1 (en) | 2012-02-29 | 2013-12-26 | 현대제철 주식회사 | Device for predicting edge defect of hot-rolled steel sheet coil and method therefor |
| JP2015160239A (en) * | 2014-02-28 | 2015-09-07 | Ｊｆｅスチール株式会社 | Method and apparatus for surface defect determination for continuously cast slab |
| CN108067599A (en) * | 2016-11-15 | 2018-05-25 | 上海宝信软件股份有限公司 | Slab quality analysis method based on steel-making continuous casting overall process data |
| CN108067599B (en) * | 2016-11-15 | 2019-09-17 | 上海宝信软件股份有限公司 | Slab quality analysis method based on steel-making continuous casting overall process data |
| WO2019013225A1 (en) * | 2017-07-14 | 2019-01-17 | パナソニックＩｐマネジメント株式会社 | Display device, manufacturing system, and display method |
| JPWO2019013225A1 (en) * | 2017-07-14 | 2020-05-21 | パナソニックＩｐマネジメント株式会社 | Display device, manufacturing system, and display method |
| JP7133775B2 (en) | 2017-07-14 | 2022-09-09 | パナソニックＩｐマネジメント株式会社 | Display device, manufacturing system and display method |
| JP2020106496A (en) * | 2018-12-28 | 2020-07-09 | 日本製鉄株式会社 | Quality prediction device, quality prediction method and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3733057B2 (en) | 2006-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10628292B2 (en) | Methods and systems for predicting estimation of project factors in software development | |
| JP4855353B2 (en) | Product quality improvement condition analysis apparatus, analysis method, computer program, and computer-readable recording medium | |
| JP2003150234A (en) | Operation analyzing device and method for manufacturing process and computer readable storage medium | |
| JP7297831B2 (en) | Manufacturing condition output device, quality control system and program | |
| US8620834B2 (en) | Forecasting through time domain analysis | |
| JP2002073746A (en) | Demand predicion method in part stock control | |
| JP2009070227A (en) | Quality prediction device, quality prediction method, and method for manufacturing product | |
| CN112246469A (en) | Method and apparatus for controlling spray coating of vehicle | |
| JP4299508B2 (en) | Operation and quality related analysis device in manufacturing process, related analysis method, and computer-readable storage medium | |
| JP4498666B2 (en) | Prediction device, prediction program, and recording medium | |
| JP4102019B2 (en) | Analysis apparatus, method, and computer-readable storage medium in manufacturing process | |
| JP2002043200A (en) | Method and device for detecting abnormal cause | |
| JP2004288144A (en) | Apparatus and method for analyzing operation result of manufacturing process, and computer-readable storage medium | |
| JP5020728B2 (en) | Quality control device, method and program | |
| JP2007286736A (en) | Dam basin snow accumulation estimation device, dam inflow water quantity estimation device and program | |
| CN111368837A (en) | Image quality evaluation method and device, electronic equipment and storage medium | |
| JP2001209674A (en) | Merchandise value evaluation device | |
| CN110033295B (en) | Device and method for detecting rewarding importance of event in game | |
| CN112069909A (en) | Real-time sewage discharge monitoring method and device and readable storage medium | |
| JP3229773B2 (en) | Product sales volume forecasting device | |
| JP2002006929A (en) | Progress forecasting system | |
| CN116304825A (en) | Method, device, terminal and storage medium for predicting hardenability of steel tail end | |
| Fragassa | Analysis of Production and Failure Data in Automotive: From Raw Data to Predictive Modeling and Spare Parts | |
| CN115223724A (en) | Epidemic disease thing networking real-time monitoring system | |
| CN118211708A (en) | Coke pushing current peak value prediction method and equipment based on SSA algorithm optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050714 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050719 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050908 |
|
| 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: 20051004 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051014 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 3733057 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091021 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111021 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111021 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121021 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121021 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |