JP2007122682A - 故障品類似製品の抽出方法および抽出システム - Google Patents
故障品類似製品の抽出方法および抽出システム Download PDFInfo
- Publication number
- JP2007122682A JP2007122682A JP2006101522A JP2006101522A JP2007122682A JP 2007122682 A JP2007122682 A JP 2007122682A JP 2006101522 A JP2006101522 A JP 2006101522A JP 2006101522 A JP2006101522 A JP 2006101522A JP 2007122682 A JP2007122682 A JP 2007122682A
- Authority
- JP
- Japan
- Prior art keywords
- product
- products
- faulty
- extracting
- similar
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000004519 manufacturing process Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims description 69
- 238000003860 storage Methods 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 24
- 230000002950 deficient Effects 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims description 9
- 238000004040 coloring Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 23
- 230000008569 process Effects 0.000 description 53
- 238000004364 calculation method Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 238000000275 quality assurance Methods 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】故障品と他の製品とについて、製造時の特性値を比較評価することにより、製造時の特性値のみで故障品の類似製品を抽出することができる方法およびシステムを提供する。
【解決手段】製造時に複数の特性項目について測定された特性値と各製品の識別コードを記憶しておき、故障品が発生したときに、複数の製品の特性値群から、特性項目を各次元とする多次元空間を求める処理12を行う。次に、故障品の識別コードを基に特性値群から、多次元空間における故障品の統計距離を求める処理13を行う。さらに、故障品の統計距離が与えられた第一の値より大きい場合に、故障品以外の製品の統計距離を求め、統計距離が与えられた第一の値より大きく、かつ多次元空間内での故障品との相対距離が与えられた第二の値より近い製品を抽出する処理15,16を行う。あるいは、統計距離が第一の値より大きい製品を抽出し、クラスタリングを行い樹形図にて表示する。
【選択図】図1
【解決手段】製造時に複数の特性項目について測定された特性値と各製品の識別コードを記憶しておき、故障品が発生したときに、複数の製品の特性値群から、特性項目を各次元とする多次元空間を求める処理12を行う。次に、故障品の識別コードを基に特性値群から、多次元空間における故障品の統計距離を求める処理13を行う。さらに、故障品の統計距離が与えられた第一の値より大きい場合に、故障品以外の製品の統計距離を求め、統計距離が与えられた第一の値より大きく、かつ多次元空間内での故障品との相対距離が与えられた第二の値より近い製品を抽出する処理15,16を行う。あるいは、統計距離が第一の値より大きい製品を抽出し、クラスタリングを行い樹形図にて表示する。
【選択図】図1
Description
本発明は、デバイス製品の抽出技術に関し、特に、磁気記憶装置、マルチチップモジュール、液晶ディスプレイなどの多数の工程を経て製造される製品において、顧客使用時に故障が発生した時に、この故障品と類似な特性値を持つ製品の抽出方法および抽出システムに適用して有効な技術に関する。
例えば、磁気記憶装置、マルチチップモジュール、液晶ディスプレイなどの先端デバイス製品の製造過程は、一般に、薄膜プロセスや研磨などの微細加工を必要とする部品形成工程と、完成した部品を製品に組み付ける組立工程とから構成されている。
このような製品の製造過程では、各部品の製造途中、各部品の完成時、製品の製造途中、製品の完成時などの様々な工程で、多数の特性値を測定して、品質管理を行っている。
もし、これらの製品が顧客での稼働中に故障が発生すると、これらの製品の製造会社はその故障品を回収して解析を行う。このとき、故障の原因を追及する一方で、この故障が他の製品でも発生する可能性があるかどうかの解析が行われる。すなわち、故障品との何らかの類似性を持つ製品の抽出を行う。類似製品が抽出された場合には、その製品を回収したり、部品交換やプログラムの変更を行うといった対策が行われる。故障品の予測方法としては、以下のような方法が提案されている。
(a)製品が将来故障するかどうかの予想方法として、特許文献1には、製品の稼働時の特性値を測定し、収集して、これを統計処理し、従来の故障品との相関により類似性を評価する方法が開示されている。
(b)製造装置が将来故障するかどうかの故障予測方法として、特許文献2には、データベースとして、故障と部品との関連をリストとして予め構築しておき、故障装置と類似した装置を抽出する方法が開示されている。
特開2004−272375号公報
特開平7−191741号公報
ところで、上記(a)については、自動車のように高度な自己情報収集、管理機構を有し、またその情報を伝送するネットワーク環境が拡充している製品であるからこそ可能な方法である。先に挙げた磁気記憶装置や液晶ディスプレイなどでは、自己情報収集機能やネットワーク環境を有しておらず、これら製品に用いることは出来ない。
また、上記(b)では、類似品のリストを作るために、たとえば部品Aと部品Bが動作に因果関係がある、といった製品の構造から来る情報などが必要である。また、作成したリストに漏れがあると、抽出がうまくいかない可能性がある。
以上から、稼働時のデータ収集機構や、製品における構造や物理特性などの情報を用いなくても、故障の予測が出来る方法が望まれる。
本発明が対象としている製品において、従来よりその製造時には多数の特性値が測定されており、データとしてすでに存在している。このデータのみを用いて類似製品の抽出ができれば、上記特別な機構や情報を必要とせずに済む。
そこで、本発明の目的は、故障品と他の製品とについて、製造時の特性値を比較評価することにより、製造時の特性値のみで故障品の類似製品を抽出することができる方法およびシステムを提供することにある。
本発明の前記ならびにその他の目的と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。
本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。
本発明の故障品類似製品の抽出方法は、製造時に各製品に個別に割り振られている識別コードと複数の特性項目について測定された特性値群を対応させて記憶した記憶手段を用いて、複数の製品の特性値群を記憶手段から読み出し、特性項目を各次元とする多次元空間を計算し、発見された故障品の識別コードを基に、記憶された故障品の特性値群を読み出し、多次元空間における故障品の統計距離を計算し、故障品の統計距離が与えられた第一の値より大きい場合に、故障品以外の製品の統計距離を計算し、統計距離が与えられた第一の値より大きく、かつ多次元空間内での故障品との相対距離が与えられた第二の値より近い製品を抽出することにより故障類似品を抽出する、各ステップを有するものである。あるいは、故障類似品を抽出する方法として、これら製品群のクラスタリングを行い、故障品を含むクラスタ間の距離が、第三の距離以内にある製品を抽出するステップを有するものである。
さらに、本発明の故障品類似製品の抽出方法は、製品の識別コードや特性値群と共に、どの製品の測定値群を用いるかの選択条件を記憶手段に記憶し、故障品が発生した後に、故障品の選択条件を記憶手段から読み出し、故障品の選択条件と類似である選択条件を持つ複数の製品の特性値群を抽出し、抽出された複数の製品の特性値群のみを用いて多次元空間を抽出することにより、対象とするデータを絞り込むことも有効である。
さらに、本発明の故障品類似製品の抽出方法は、製品の識別コードや特性値群と共に、色物コードに対応した該製品の製造時から故障が発生した現状までの位置来歴情報を収拾、記憶しておき、上記故障類似製品の抽出後に、該故障類似製品に対応した記憶手段にある各製品の位置来歴情報を抽出し、提示する各ステップを有するものである。
また、本発明の故障品類似製品の抽出システムは、前記のような各ステップを実行する、コンピュータからなる抽出装置を有するものである。
本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明すれば以下のとおりである。
本発明によれば、故障品と他の製品とについて、製造時の特性値を比較評価することにより、製造時の特性値のみで故障品の類似製品を抽出することができる。この結果、稼働時の特性値計測手段などの特殊な機構を必要とせず、また、製品における構造や物理特性などのデータを用いなくても、類似製品の抽出作業が可能であるので、従来より簡易に、かつ多くの製品に用いることができる。
以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。
(第1の実施の形態)
図2は、本発明の第1の実施の形態である故障発生時の処理過程における処理の流れの一例を示す図である。
図2は、本発明の第1の実施の形態である故障発生時の処理過程における処理の流れの一例を示す図である。
ステップ21では、製品を使用している顧客201にて故障が発生すると、顧客よりその旨の連絡がサービス部門202に入る。
これを受けて、サービス部門202では、ステップ22で、故障品の識別コードの調査を行う。識別コードとは、各製品に固有に採番された管理コード番号であり、製造番号やシリアル番号と呼ぶこともある。次に、サービス部門202は、品質保証部203に故障の発生を連絡する。
ステップ23では、品質保証部門203において、故障の案件の受付を行う。その後、ステップ24では、顧客での稼働環境や製造時の測定値などの、故障品に関連する様々なパラメータについて調査する。次に、ステップ25では、他の製品で同様な故障が発生する可能性がないかと言った故障品の類似製品を抽出する処理が行われる。そして、ステップ26では、抽出時に類似製品が無い場合もあり、このように結果が得られなければ処理は終了する。
ステップ27では、品質保証部門203において、故障の類似製品の抽出の結果、故障の発生が懸念される製品が抽出された場合、その故障を回避するために、該当製品に対する対策を施すための連絡が発せられる。対策とは、例えば、製品の交換、部品の交換やソフトウェアの変更などである。
本発明は、上記ステップ24,25の故障品の関連調査、類似製品抽出を行う時に用いることで、その作業を容易にするものである。
図3は、本実施の形態である故障品類似製品の抽出システムにおけるハードウェア構成の一例を示すブロック図である。
本実施の形態の故障品類似製品の抽出システムは、品質保証部門203などを含み、製品の製造を行う工場301に設置され、識別コード読取り装置302、特性値測定装置303、選択条件記録装置304、データベース305、故障品類似製品抽出装置307などを有して構成され、これらはネットワーク306で接続されている。
識別コード読取り装置302は、製造している製品の識別コードを読み取る装置である。特性値測定装置303は、製品の特性値を測定する装置である。個々の製品には、その識別のために識別コードが割り当てられる。識別コード読取り装置302および特性値測定装置303は、製品の製造過程の中で随時各所で識別コード読み取りと特性値の測定を行う。
選択条件記録装置304は、製品の選択条件を記録する装置である。例えば、選択条件を最終検査日時刻とした場合には最終検査工程にあり、製品の最終検査日時刻を記録する。また、選択条件を製造条件とした場合には、製品に付随して製造条件が記されている製造条件指示書のコード番号を記録する。
データベース305は、各種データの記憶、検索などを行うデータベースである。一般的には、識別コード読取り装置302および特性値測定装置303は複数あり、これら複数の装置とデータベース305はネットワーク306で接続されており、特性値や識別コードなどの送受信が行われる。
故障品類似製品抽出装置307は、データベース305にネットワーク306により接続されており、このデータベース305にある、製品の識別コード、製品の特性値、製品の選択条件などのデータを用いて、図2の故障品関連調査、故障品類似製品抽出の各処理(ステップ24,25)を行う。
図4は、本実施の形態である故障品類似製品の抽出システムにおける別のハードウェア構成の一例を示すブロック図である。
図4の故障品類似製品の抽出システムは、製造工程が複数の工場に跨る場合のハードウエア構成を示したものである。製造工程が複数の製造工場に跨る場合は、各々の工場401,402に、製品の識別コード読取り装置302および特性値測定装置303とがある。上記したように、各工場401,402内で各装置がネットワーク306で接続されると同時に、複数の工場間についてもネットワーク306aで接続されている。また、データベース305は、ネットワーク306aに接続されている。そして、いずれかの工場内もしくは工場とは独立して(図では工場402内)、故障品類似製品抽出装置307があり、ネットワーク306,306aに接続され、データベース305にあるデータを用いた処理を行う。
図5は、前記図3および図4で示した故障品類似製品抽出装置307の構成の一例を示すブロック図である。
故障品類似製品抽出装置307は、ネットワークインターフェース501、制御部502、2次記憶装置503、主記憶装置504、演算部505、ユーザインターフェース506などを有することで、ネットワークに接続できる一般的なコンピュータである。
このコンピュータからなる故障品類似製品抽出装置307は、例えば、主記憶装置504に格納された制御プログラムに基づいて、以下のような制御を実行する(詳細は図1に基づいて後述)。制御部502は、ネットワークインターフェース501を介して複数の製品の特性値群をデータベース305から読み出し、2次記憶装置503に格納する。そして、演算部505が、特性項目を各次元とする多次元空間を計算し、多次元空間において故障品およびそれ以外の製品の統計距離を計算する。この計算結果に基づいて、制御部502は、統計距離が与えられた第一の値より大きく、かつ多次元空間内での故障品とそれ以外の製品間の相対距離が与えられた第二の値より近い故障品以外の製品を抽出する。
あるいは、制御部502は、故障品が発生した後に、故障品の選択条件をデータベース305から読み出し、故障品の選択条件と類似である選択条件を持つ複数の製品の特性値群を抽出し、抽出された複数の製品の特性値群を用いて多次元空間を抽出する。そして、演算部505が、多次元空間において故障品およびそれ以外の抽出された製品の統計距離を計算する。この計算結果に基づいて、制御部502は、統計距離が与えられた第一の値より大きく、かつ多次元空間内での故障品とそれ以外の製品間の相対距離が与えられた第二の値より近い故障品以外の製品を抽出する。
図1および図6〜図10を用いて、本実施の形態である故障品類似製品の抽出システムにおける故障品類似製品の抽出方法を説明する。
図1は、本実施の形態である故障品類似製品の抽出システムにおける故障品類似製品の抽出方法の処理手順の一例を示す図である。本処理は、図2のステップ24,25に適用した場合の処理手順で、故障品類似製品抽出装置307で実行される。
まず、図1による処理に先立って、データベース305に製造時のデータが格納される。図6を用いて、製造時にデータベース305に格納されるデータの一例を説明する。
図6では、縦軸に製品、横軸に各製品の識別コード601、選択条件602、特性値603〜605からなる特性値群が行列の形式で格納されている。本例では、識別コード601を格納する列、識別コード601に対応する製品の選択条件602を格納する列、製造時に特性値測定装置303で測定した複数の特性値603〜605を格納する列がある。
識別コード601は、個々の製品について、割り付けられていて、例えば、本例では、第1列目にあるように、ある製品に“G0012345”が付されている。また、本例は選択条件602として最終検査日が用いられた場合であり、第2列目に“2005.05.12”と格納されている。さらに、特性値603〜605は、製品が製造工程を経るにしたがい随時適所にて識別コード読取り装置302および特性値測定装置303を用いて得たデータであり、本例では、識別コード“G0012345”の製品は、第1の特性値603が“5.70”、第2の特性値604が“1323”、第3の特性値605が“111.3”であることを示している。
続いて、図1に従い、まず、故障品が発生すると、処理11では、この故障品の識別コードを基に、データベース305から、この故障品の選択条件を読み出して取り出し、さらにこの選択条件と類似の条件を持つ製品の特性値群を取り出す。本例では、選択条件として最終検査日を用いた例について説明する。
次に、処理12では、この取り出したデータを用いて以下の処理を行う。処理12について具体的に説明する。製品の特性値の項目数をkとする。n個の製品について、項目を次元としたk次元のベクトルxijの項目毎の平均値m1、m2、・・・、mk、すなわち式(1)の計算結果と、標準偏差σ1、σ2、・・・、σk、すなわち式(2)の計算結果から、特性値のベクトルを基準化する式(3)により計算結果Xを求める。ここで、Xは、製品毎の特性値群を変換したもので、製品毎の列ベクトルである。
処理13では、故障品の識別コードを基に、この故障品のXを選択し、故障品の統計距離Dmを求める。統計距離Dmとは、中心から空間上のある製品までの距離である。具体的には、マハラノビスの距離を計算する式(5)の計算結果からDmが求まる。ここで、XTは列ベクトルであるXを転置した行ベクトルであり、R-1は相関行列Rの逆行列である。
図8は、処理13で求まった故障品の統計距離Dmを、図7のデータ形式上に付加したものである。801は統計距離Dmを格納する列である。故障品の識別コードが“G0012346”であるとしたとき、その統計距離Dm801として“10.23”が格納されている。
なお、以上において、選択条件を用いずに、故障品類似製品抽出装置307の使用者が直接、複数の製品を指定してデータを揃えても良い。また、全製品を対象とする場合には、選択条件を必要としないので、故障品の発生に関わらず、予め多次元空間を作成しておくことが可能である。
処理14では、処理13で求まった故障品の統計距離Dmと予め与えられた値との比較を行い、故障品の統計距離Dmが大きければ、処理15へと進められる。また、故障品の統計距離Dmが小さい場合は、抽出の処理を終了として図2のステップ26へ進む。
処理15では、まず各製品の統計距離Dmを求める。具体的な計算方法は、処理12と同様である。そして、各製品の統計距離Dmの内、与えられた値より大きな値を持つ製品を抽出する。ここで、予め与えられている距離とは、図1に示すような多次元空間の中での102の距離である。
また、図9は、処理15で求まった故障品の統計距離Dmを、図7のデータ形式上の801(統計距離Dm)の列に格納したものである。ここで、与えられた値を10.00とすると、抽出された製品は“G0013421”、“G0013424”、“G0013425”、“G0014891”、“G0014892”である。
処理16では、処理12で抽出した製品のXを基に、故障品と各製品との相対距離Dsを計算する。処理16とは、具体的には、抽出した製品のXをXl、故障品のXをXfとし、Xl、Xfを用いて、式(6)により故障品と各製品との相対距離Dsを求める。
また、図10は、処理16で求まった故障品の相対距離Dsを、図7のデータ形式上に付加したものである。1001は相対距離Dsを格納する列である。ここで、与えられた値を5.00とすると、抽出された製品は“G0013424”、“G0013425”である。すなわち、故障品類似製品として、この2品が抽出されたこととなる。
以上の処理においては、各々の予め与えられた値によってその処理結果として得られる故障品類似製品は変わってくる。そこで、各値を変更した時に故障品類似製品がどう変わるかを検討する場合もある。この場合は、各処理における予め与えられた値を変更し、上記処理手順14〜17を再実行する。
最終的に処理が終了したとき、故障類似製品が無しであれば図2のステップ26に進む。また、故障類似製品が有れば、対策を行うために図2のステップ27へ処理が進む。
以上のように、本実施の形態によれば、稼働時の特性値計測手段などの特殊な機構を必要とせず、また、製品における構造や物理特性などのデータを用いなくても、製造時の特性値のみで故障品の類似製品を抽出でき、従来より簡易に、かつ多くの種類の製造品に適用することができる。
(第2の実施の形態)
前記第1の実施の形態においては、故障品の類似性を評価する方法として故障品からの相対距離を評価する方法としたが、さらに、類似性を評価する手法には階層的クラスタリングを用いる方式がある。そこで、第2の実施の形態においては、処理16にて、故障品からの相対距離Dsで判断するのではなく、階層化クラスタリングを用いた場合について説明する。階層的クラスタリングについては、非特許文献2(宮本定明:クラスター分析入門、森北出版株式会社、1999)等に記載されている。階層的クラスタリングの結果は、通常、樹形図により表現される。
前記第1の実施の形態においては、故障品の類似性を評価する方法として故障品からの相対距離を評価する方法としたが、さらに、類似性を評価する手法には階層的クラスタリングを用いる方式がある。そこで、第2の実施の形態においては、処理16にて、故障品からの相対距離Dsで判断するのではなく、階層化クラスタリングを用いた場合について説明する。階層的クラスタリングについては、非特許文献2(宮本定明:クラスター分析入門、森北出版株式会社、1999)等に記載されている。階層的クラスタリングの結果は、通常、樹形図により表現される。
図11は、本実施の形態における樹形図の一例を示す図である。樹形図とは、一方の軸に対象を羅列し、他方の軸に対象単品もしくは複数の製品からなるクラスタ相互距離を取り、クラスタの状態を樹形にて表現した図である。図11では、縦軸に製品を示す識別コード601、横軸に相互距離を取った樹形1102を記している。軸の取り方は逆でも構わない。また、ここでの故障品であるG12346の識別コードについては、図11の様に着色表示(図では着色部分を太枠にて表示)1103してある。
さらに、樹形図上にスライダを設けた事例について図12に示す。スライダ1202は、縦線1203と、この縦線を明確にするための矢印1204、縦線の横軸上の位置である距離を表示する距離表示部分1205からなる。スライダは、マウスやキーボードといったユ−ザインターフェース506等により横軸の任意の位置に動かすことが可能で、これによりしきい値の指定ができる。樹形図において、しきい値をある値に指定した場合、図12では左側となる該しきい値以下の距離で結合している枝に関わる製品は、互いに該しきい値より近い距離にあることを意味する。
そこで、故障品を含み且つ距離がしきい値より近いクラスタを着色もしくはハンチングを施した事例を図13に示す。スライダ1202が示す位置から左にあり且つ故障品G12346を含むクラスタとは故障類似表示1302に示すようになる。すなわち、“G0012345”、“G0012346”、“G0012354”、“G0013421”がクラスタである故障類似製品として抽出されたものとする。以上のように、故障品を含み且つ距離がしきい値より近いクラスタが図上で明示化できている。
さらに、スライダを動かし、しきい値を変化させることで、該しきい値における故障類似製品のクラスタが求まり、そして故障品を含むクラスタ、すなわち着色された部分が明示的に変化することとなる。以上のような処理と表示を行うことで、しきい値によるクラスタの状態を評価することが容易になる。
以上のように、本実施の形態によれば、前記第1の実施の形態と同様に、稼働時の特性値計測手段などの特殊な機構を必要とせず、また、製品における構造や物理特性などのデータを用いなくても、製造時の特性値のみで故障品の類似製品を抽出でき、従来より簡易に、かつ多くの種類の製造品に適用することができる。
(第3の実施の形態)
第3の実施の形態においては、さらに対策を迅速化するために、製品がどの位置を通過して現在どこにあるかを表す情報を、先の類似品抽出結果と共に表示する方法について以下に説明する。まず、製造時から倉庫、販売店、顧客といった製品の通過位置を記憶する機構を設ける。
第3の実施の形態においては、さらに対策を迅速化するために、製品がどの位置を通過して現在どこにあるかを表す情報を、先の類似品抽出結果と共に表示する方法について以下に説明する。まず、製造時から倉庫、販売店、顧客といった製品の通過位置を記憶する機構を設ける。
図14は、本実施の形態である故障品類似製品の抽出システムにおけるハードウェア構成の一例を示すブロック図である。
本実施の形態の故障品類似製品の抽出システムにおいて、識別コード読取り装置302と製品の位置情報記録装置1402からなる記録システム1403は複数あり、これら装置とデータベース305はネットワーク306で接続されている。製品が経由されていく各所に記録システム1403が設置され、識別コードとその位置である製造拠点や倉庫、輸送路中継地、販売店、顧客といった位置情報は、製品の通過時に該製品の識別コードと通過位置をデータベース305に登録が行われる。そして、故障品類似品抽出装置307がネットワーク306に接続されており、データベース305にあるデータを用いた処理を行う。
図15を用いて、位置情報がデータベース305に格納されるデータの一例を説明する。ここで、位置来歴情報とは、その製品がどこを経由して来たかの情報であり、その内容は解像度により具体的には、製造装置や作業場、棚、通路といった細かい位置から、ライン、倉庫、道路、さらに工場、販売店、顧客といった大まかな位置まで様々な位置を対象としている。
図15では、縦軸に製品、横軸に識別コード601、及び各製品の複数の位置来歴情報が行列の形式で格納されている。本例では、識別コード601を格納する列、識別コード601に対応する位置情報の例である位置来歴情報1502,1503を格納する列がある。複数の位置来歴情報1502,1503は、通過した時刻と位置の情報が組となり、図15に示すように格納されている。位置来歴情報は、実際には通過位置が多数有り、1502と1503の間、さらに1503以降に格納されているとする。
識別コード601は、本例では、第1列目にあるように、ある製品に“G0011920”が付されている。また、本例は、製造終了時の日時刻である“2005.05.11 08:47”と、その時に製品の通過した位置である“ライン1”が第2列に格納されている。
次に、故障類似製品の抽出と連動して、該故障類似製品の位置来歴情報の表示を行う処理について説明する。図15に示したデータを用いた場合の位置来歴情報の表示の処理手順について、図16に示す。ここで、故障類似製品抽出にクラスタリングを用いた場合とする。
処理1601では、故障類似製品の抽出を行う。本事例では、前記クラスタリングにより求まった内容とする。すなわち、樹形図は図11に示したような内容である。
処理1602では、前記のスライダ1202によりしきい値の指定が行われ、しきい値内の距離で、且つ故障品を含む製品の抽出が行われる。このときの樹形図は、例えば図13に示したような内容である。すなわち、“G0012345”、“G0012346”、“G0012354”、“G0013421”が故障類似製品として抽出されたものとする。
処理1603では、抽出した製品の識別コードに対応する製品の位置来歴情報をデータベース305から抽出する。本事例では、“G0012345”、“G0012346”、“G0012354”、“G0013421”について抽出を行う。
処理1604では、識別コードとそれに対応した位置来歴情報を画面に表示する。その事例を図17に示す。本事例では、縦軸に製品、横軸に識別コード601、及び各製品の通過点毎の位置来歴情報1702,1703の様に表示している。各通過点毎に、日時刻1704,1706と位置情報1705,1707とがそれぞれ組となって表示される。またこのとき、製品の並び方は、処理1601にて画面に表示した樹形図(図13)における識別コードと同じ並びにする。
処理1605では、該位置来歴情報の並び方を、特定の時刻や位置の項目に着目して変える場合は、着目したい項目を指定する。
処理1606では、着目した項目について並べ替え条件に従って並び替えを行い、その並び方に準じて製品毎のデータの並び方を変える。図18に、並べ替えた表示例の事例を示す。本事例では、通過点1803の位置情報1807について着目し、並び替え条件を顧客名の順に並び替えた結果について示している。
以上にて、故障類似品が絞り込めたと判断できれば終了し、さらに、しきい値を見直して変えたい場合には処理1602に戻り、しきい値を変更して指定する。また、位置来歴情報の並べ替えを行いたい場合は処理1605に戻る。
以上のように、本実施の形態によれば、製品がどの位置を通過して現在どこにあるかを表す情報を先の類似品抽出結果と共に表示することで、さらに対策を迅速化することができる。
以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。
本発明は、デバイス製品の抽出技術に関し、特に、磁気記憶装置、マルチチップモジュール、液晶ディスプレイなどの多数の工程を経て製造される製品において、顧客使用時に故障が発生した時に、この故障品と類似な特性値を持つ製品の抽出方法および抽出システムに適用して有効である。
201…顧客、202…サービス部門、203…品質保証部門、301…工場、302…識別コード読取り装置、303…特性値測定装置、304…選択条件記録装置、305…データベース、306,306a…ネットワーク、307…故障品類似製品抽出装置、401,402…工場、501…ネットワークインターフェース、502…制御部、503…2次記憶装置、504…主記憶装置、505…演算部、506…ユーザインターフェース、601…識別コード、602…選択条件、603,604,605…特性値、701…識別コード、702,703,704…ベクトルX、801…統計距離Dm、1001…相対距離Ds、1102…樹形、1103…着色表示、1202…スライダ、1203…縦線、1204…矢印、1205…距離表示部分、1302…故障類似表示、1402…位置情報記録装置、1403…記録システム、1502,1503…位置来歴情報、1702,1703…位置来歴情報、1704,1706…日時刻、1705,1707…位置情報、1803…通過点、1807…位置情報。
Claims (11)
- コンピュータからなる抽出装置を用いて、複数の製品の中から故障する可能性が大きい製品を抽出する故障品類似製品の抽出方法であって、
前記コンピュータからなる抽出装置は、
製造時に複数の特性項目について測定された特性値を特性値群として、各製品の個々の識別コードと対応させて記憶した記憶手段を用いて、
複数の製品の特性値群を前記記憶手段から読み出し、特性項目を各次元とする多次元空間を計算するステップと、
前記多次元空間において故障品およびそれ以外の製品の統計距離を計算するステップと、
前記統計距離が与えられた第一の値より大きく、かつ前記多次元空間内での故障品とそれ以外の製品間の相対距離が与えられた第二の値より近い故障品以外の製品を抽出するステップとを実行することを特徴とする故障品類似製品の抽出方法。 - コンピュータからなる抽出装置を用いて、複数の製品の中から故障する可能性が大きい製品を抽出する故障品類似製品の抽出方法であって、
前記コンピュータからなる抽出装置は、
製造時に各製品の個々の識別コードと測定された特性値群および製品の選択条件を対応させて記憶した記憶手段を用いて、
故障品が発生した後に、前記故障品の選択条件を前記記憶手段から読み出し、前記故障品の選択条件と類似である選択条件を持つ複数の製品の特性値群を抽出するステップと、
前記抽出された複数の製品の特性値群を用いて多次元空間を抽出するステップと、
前記多次元空間において故障品およびそれ以外の前記抽出された製品の統計距離を計算するステップと、
前記統計距離が与えられた第一の値より大きく、かつ前記多次元空間内での故障品とそれ以外の製品間の相対距離が与えられた第二の値より近い故障品以外の製品を抽出するステップとを実行することを特徴とする故障品類似製品の抽出方法。 - 請求項1または2記載の故障品類似製品の抽出方法において、
前記統計距離として、マハラノビスの距離を用いることを特徴とする故障品類似製品の抽出方法。 - 複数の製品の中から故障する可能性が大きい製品を抽出する故障品類似製品の抽出システムであって、
製造時に複数の特性項目について測定された特性値を特性値群として、各製品の個々の識別コードと対応させて記憶する記憶手段と、
前記記憶手段を用いて、複数の製品の特性値群を前記記憶手段から読み出し、特性項目を各次元とする多次元空間を計算し、前記多次元空間において故障品およびそれ以外の製品の統計距離を計算し、前記統計距離が与えられた第一の値より大きく、かつ前記多次元空間内での故障品とそれ以外の製品間の相対距離が与えられた第二の値より近い故障品以外の製品を抽出する、コンピュータからなる抽出装置とを有することを特徴とする故障品類似製品の抽出システム。 - 請求項4記載の故障品類似製品の抽出システムにおいて、
前記識別コードを読み取る読取り装置と、前記特性値を測定する測定装置とをさらに有することを特徴とする故障品類似製品の抽出システム。 - 複数の製品の中から故障する可能性が大きい製品を抽出する故障品類似製品の抽出システムであって、
製造時に各製品の個々の識別コードと測定された特性値群および製品の選択条件を対応させて記憶する記憶手段と、
前記記憶手段を用いて、故障品が発生した後に、前記故障品の選択条件を前記記憶手段から読み出し、前記故障品の選択条件と類似である選択条件を持つ複数の製品の特性値群を抽出し、前記抽出された複数の製品の特性値群を用いて多次元空間を抽出し、前記多次元空間において故障品およびそれ以外の前記抽出された製品の統計距離を計算し、前記統計距離が与えられた第一の値より大きく、かつ前記多次元空間内での故障品とそれ以外の製品間の相対距離が与えられた第二の値より近い故障品以外の製品を抽出する、コンピュータからなる抽出装置とを有することを特徴とする故障品類似製品の抽出システム。 - 請求項6記載の故障品類似製品の抽出システムにおいて、
前記識別コードを読み取る読取り装置と、前記特性値を測定する測定装置と、前記選択条件を記録する記録装置とをさらに有することを特徴とする故障品類似製品の抽出システム。 - 請求項4または6記載の故障品類似製品の抽出システムにおいて、
前記統計距離として、マハラノビスの距離を用いることを特徴とする故障品類似製品の抽出システム。 - コンピュータからなる抽出装置を用いて、複数の製品の中から故障する可能性が大きい製品を抽出する故障品類似製品の抽出方法であって、
前記コンピュータからなる抽出装置は、
製品の製造時に複数の特性項目について測定された特性値の特性値群および、前記製品の製造時から現状までの位置来歴情報を各製品の個々の識別コードと対応させて記憶した記憶手段を用いて、
複数の製品の特性値群を前記記憶手段から読み出し、特性項目を各次元とする多次元空間を計算するステップと、
前記多次元空間において故障品およびそれ以外の製品の統計距離を計算するステップと、
前記統計距離が与えられた第一の値より大きい製品を抽出するステップと、
前記抽出された製品について特性値群を用いてクラスタリングを行い、その結果を樹形図にて表示するステップとを実行することを特徴とする故障品類似製品の抽出方法。 - 請求項9記載の故障品類似製品の抽出方法において、
前記表示するステップでは、前記樹形図にて距離を指定できるスライダにより指定された第三の距離より小さい距離にあるクラスタの内、故障品を含むクラスタの図を着色することを特徴とする故障品類似製品の抽出方法。 - 請求項9記載の故障品類似製品の抽出方法において、
前記コンピュータからなる抽出装置は、
前記樹形図における故障品を含むクラスタにある製品の位置来歴情報群を前記記憶手段から抽出するステップと、
前記抽出された位置来歴情報群を識別コードに合わせて表示するステップとをさらに実行することを特徴とする故障品類似製品の抽出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006101522A JP2007122682A (ja) | 2005-09-28 | 2006-04-03 | 故障品類似製品の抽出方法および抽出システム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005282187 | 2005-09-28 | ||
JP2006101522A JP2007122682A (ja) | 2005-09-28 | 2006-04-03 | 故障品類似製品の抽出方法および抽出システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007122682A true JP2007122682A (ja) | 2007-05-17 |
Family
ID=38146413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006101522A Pending JP2007122682A (ja) | 2005-09-28 | 2006-04-03 | 故障品類似製品の抽出方法および抽出システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007122682A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018037347A1 (en) * | 2016-08-22 | 2018-03-01 | Optimal Plus Ltd. | Methods of smart pairing |
WO2018079185A1 (ja) * | 2016-10-26 | 2018-05-03 | 株式会社 東芝 | 情報管理システム |
US11068478B2 (en) | 2017-03-15 | 2021-07-20 | Optimal Plus Ltd. | Augmenting reliability models for manufactured products |
CN113313460A (zh) * | 2021-05-10 | 2021-08-27 | 中国建设银行股份有限公司 | 银行产品精细化管理方法及装置 |
-
2006
- 2006-04-03 JP JP2006101522A patent/JP2007122682A/ja active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018037347A1 (en) * | 2016-08-22 | 2018-03-01 | Optimal Plus Ltd. | Methods of smart pairing |
US11061795B2 (en) | 2016-08-22 | 2021-07-13 | Optimal Plus Ltd. | Methods of smart pairing |
US11907095B2 (en) | 2016-08-22 | 2024-02-20 | Optimal Plus Ltd. | Methods of smart pairing |
WO2018079185A1 (ja) * | 2016-10-26 | 2018-05-03 | 株式会社 東芝 | 情報管理システム |
JPWO2018079185A1 (ja) * | 2016-10-26 | 2019-09-12 | 株式会社東芝 | 情報管理システム |
JP2019194920A (ja) * | 2016-10-26 | 2019-11-07 | 株式会社東芝 | 情報管理システム |
JP2019215929A (ja) * | 2016-10-26 | 2019-12-19 | 株式会社東芝 | 情報管理システム |
US11392110B2 (en) | 2016-10-26 | 2022-07-19 | Kabushiki Kaisha Toshiba | Information management system |
US11068478B2 (en) | 2017-03-15 | 2021-07-20 | Optimal Plus Ltd. | Augmenting reliability models for manufactured products |
US11829125B2 (en) | 2017-03-15 | 2023-11-28 | Optimal Plus Ltd. | Augmenting reliability models for manufactured products |
CN113313460A (zh) * | 2021-05-10 | 2021-08-27 | 中国建设银行股份有限公司 | 银行产品精细化管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5945350B2 (ja) | 設備状態監視方法およびその装置 | |
JP5242959B2 (ja) | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP5431235B2 (ja) | 設備状態監視方法およびその装置 | |
CN112955839B (zh) | 异常检测装置、异常检测方法和程序 | |
JP4394728B2 (ja) | 影響要因特定装置 | |
JP4191772B1 (ja) | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP6811018B2 (ja) | 品質評価システム、品質評価方法及びプログラム | |
JP5765336B2 (ja) | 障害分析装置、障害分析方法およびプログラム | |
JP4772377B2 (ja) | 異常設備推定装置、異常設備推定方法、異常設備推定プログラム、および、記録媒体 | |
JP2020198092A (ja) | 教師なし異常検出及び高次元センサデータの多数決投票による原因説明のための方法及びシステム | |
CN109871002B (zh) | 基于张量标签学习的并发异常状态识别与定位系统 | |
Gitzel | Data Quality in Time Series Data: An Experience Report. | |
JP2022092419A (ja) | データ解析装置、方法およびシステム | |
JP2007122682A (ja) | 故障品類似製品の抽出方法および抽出システム | |
EP4160341A1 (en) | Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program | |
CN114631122A (zh) | 半导体应用的协作学习模型 | |
CN113689020A (zh) | 业务信息预测方法、装置、计算机设备和存储介质 | |
Ardali et al. | A data-driven fault detection and diagnosis by NSGAII-t-SNE and clustering methods in the chemical process industry | |
JP2017021502A (ja) | 稼働データ分類装置 | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
Chaurasia et al. | Housing price prediction model using machine learning | |
Mohd Asaad et al. | Organizational culture influence on total productive maintenance (TPM) and operational performance using Rasch model analysis | |
JP2023028912A (ja) | 異常検知システム、異常検知システムの異常検知方法、及び異常検知システムの記録媒体 | |
JP2022002029A (ja) | データ解析システム、データ解析方法及びデータ解析プログラム | |
JP2005197629A (ja) | 問題工程特定方法および装置 |