JP2011113195A - Analysis display method of defective factors and analysis display device of defective factors - Google Patents
Analysis display method of defective factors and analysis display device of defective factors Download PDFInfo
- Publication number
- JP2011113195A JP2011113195A JP2009267607A JP2009267607A JP2011113195A JP 2011113195 A JP2011113195 A JP 2011113195A JP 2009267607 A JP2009267607 A JP 2009267607A JP 2009267607 A JP2009267607 A JP 2009267607A JP 2011113195 A JP2011113195 A JP 2011113195A
- Authority
- JP
- Japan
- Prior art keywords
- data
- analysis
- product
- defective
- failure factor
- 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
Images
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Abstract
Description
この発明は、不良要因の分析表示方法および不良要因の分析表示装置に関する。 The present invention relates to a failure factor analysis display method and a failure factor analysis display device.
各種製品の生産工程において、高品質な製品を高い歩留りで生産するためには、生産工程における現象を分析し、それを基に生産工程をコンロトールすることが重要である。 In order to produce high-quality products with a high yield in the production process of various products, it is important to analyze phenomena in the production process and control the production process based on the analysis.
その１つには、各種製品の生産工程において、不良発生時の不良要因分析を行い、それを生産工程へフィードバックする方法がある。この不良要因分析には、生産工程のうちの製造プロセスから取得できる製造プロセスデータと、検査プロセスから取得できる検査データをデータベースに保存し、それらのデータについて統計的手法を適用し、不良要因を抽出する手法がある。 One of them is a method of performing failure factor analysis when a defect occurs in the production process of various products and feeding it back to the production process. In this failure factor analysis, manufacturing process data that can be acquired from the manufacturing process in the production process and inspection data that can be acquired from the inspection process are stored in a database, and statistical methods are applied to these data to extract the failure factor. There is a technique to do.
このような不良要因分析を行う場合には、生産プロセスから取得したデータを製品単位や一定期間のロット単位で区切ってデータセットとし、それらデータセットを、例えば、平均値、最大値、最小値、中央値のような統計的に処理し、各製品もしくは、単位期間ロットのデータセットの代表値としたデータを使うことが多い。以下、このようなデータセットの代表値をサマリデータと記載する。また、サマリデータを作成する前の元のデータを詳細データと記載する。 When performing such failure factor analysis, the data acquired from the production process is divided into product units or lot units for a certain period to form a data set, and these data sets are, for example, average value, maximum value, minimum value, In many cases, statistical processing such as the median value is used, and data used as a representative value of each product or unit period lot data set is used. Hereinafter, the representative value of such a data set is referred to as summary data. Also, the original data before creating the summary data is described as detailed data.
例えば、特許文献１（特開２００３−１１４７１３号公報）における分析では、製品単位で集計された生産プロセスデータをその製品のサマリデータとし、それら製品のサマリデータについて主成分分析を行うことで、不良要因分析を行っている。この分析の結果では、抽出された不良要因項目名のリストと、サマリデータの各種プロットを得ることができ、その結果を用いて抽出項目が不良要因であることの判断を行っている。 For example, in the analysis in Patent Document 1 (Japanese Patent Application Laid-Open No. 2003-114713), the production process data aggregated in units of products is used as summary data of the products, and the principal component analysis is performed on the summary data of the products. Perform factor analysis. As a result of this analysis, it is possible to obtain a list of extracted failure factor item names and various plots of summary data, and use the results to determine that the extracted item is a failure factor.
一方、近年は各種センサーや、データ収集を行う機器の高性能化により、短いサンプリング間隔で生産プロセス全体にわたる各種センサーによる計測値を記録し、保管すること、つまり、詳細データを記録、保管することが可能となってきている。 On the other hand, in recent years, various sensors and devices that collect data have become more sophisticated, so that measurement values from various sensors throughout the entire production process can be recorded and stored at short sampling intervals, that is, detailed data can be recorded and stored. Is becoming possible.
これらのデータは生産プロセス中の物理現象を確認するには有効であるが、特許文献１による不良要因分析に直接用いるには適切ではない。その理由は、サマリデータとなる前の詳細データはデータ数が大変多く、それを全て用いた計算は膨大になり、実用可能な時間内に分析演算が終了しないこと、詳細データの細かな変化が不良要因の分析で抽出されるが、生産プロセスとして改善すべき項目の把握をするのが難しくなってしまうことである。
These data are effective for confirming physical phenomena during the production process, but are not suitable for direct use in failure factor analysis according to
また、詳細データの操作者に対する表示については、特許文献２（特開２００４−１０２９６３号公報）のように、集計したデータに加え、取得したデータを時系列に並べたデータ（トレンドデータ）を表示することで、プロセスの現象を詳細に確認することが可能となる。 As for the display of detailed data to the operator, as shown in Patent Document 2 (Japanese Patent Laid-Open No. 2004-102963), in addition to the aggregated data, data obtained by arranging the acquired data in time series (trend data) is displayed. By doing so, it becomes possible to confirm the phenomenon of the process in detail.
しかし、不良要因分析を必要とする製品の生産プロセスは複雑であり、管理される項目の数も多くなる上、前述のように、詳細データを取得する環境が整備されることで、より多くのデータ項目について詳細データが記録されつつある。そうした中で、操作者が確認することが必要となるデータ項目や、製品を容易に選択することは困難となってきている。 However, the production process of products that require failure factor analysis is complicated, the number of items to be managed increases, and as described above, the environment for acquiring detailed data is improved, and more Detailed data is being recorded for data items. Under such circumstances, it has become difficult to easily select data items and products that need to be confirmed by the operator.
また、特許文献１のような生産工程における不良要因分析手段において、分析実施においてはサマリデータを用いることで、不良要因の抽出は可能である。
Moreover, in the failure factor analysis means in the production process as in
しかしながら、実際の生産工程において、不良要因分析を行い工程の改善を行う担当者（以下操作者と記載する）が、抽出された不良要因となった項目について、最終的に抽出内容が不良の要因であり、改善策の立案が必要であるかどうかを判断し、さらにその改善策の具体的内容を設定するには、生産プロセス中での現象を確認するために詳細データを確認することが必要である。 However, in the actual production process, the person in charge of analyzing the cause of failure and improving the process (hereinafter referred to as the operator) is the cause of the failure of the extracted content for the item that became the cause of failure. It is necessary to check detailed data in order to confirm the phenomenon in the production process in order to determine whether improvement measures are necessary and to set the specific contents of the improvement measures. It is.
この時、詳細データはデータ数が膨大であり、その中で、操作者が確認したいと思うデータを選別し、表示させ、データの推移を確認することは困難である。不良要因分析において、データ項目の選択がなされているが、不良として分類された製品は多数あり、たとえ、全データを一時に表示したとしても、その中から操作者が必要なデータを選択するのは困難である。 At this time, the number of detailed data is enormous, and it is difficult to select and display the data that the operator wants to confirm and confirm the data transition. In the failure factor analysis, data items are selected, but there are many products classified as defective, and even if all the data is displayed at once, the operator selects the necessary data. It is difficult.
なお、特許文献２において表示される詳細データの選択手順について、多数の製品のデータの中から表示する製品のデータを選択する手順は不明であり、上記の課題を解決するものではない。
As for the detailed data selection procedure displayed in
そこで、この発明の課題は、生産プロセスと検査プロセスから取得されるデータを用いた不良要因分析において、分析により不良要因として抽出されたデータ項目について、分析結果の妥当性の判断と、生産プロセスの改善策の立案に必要な、適切な詳細データを選択する不良要因の分析表示方法および不良要因の分析表示装置を提供することにある。 In view of this, the problem of the present invention is that in the failure factor analysis using data acquired from the production process and the inspection process, the validity of the analysis result is determined for the data item extracted as a failure factor by the analysis, and the production process It is an object of the present invention to provide a failure factor analysis display method and failure factor analysis display device for selecting appropriate detailed data necessary for planning improvement measures.
上記課題を解決するため、この発明の不良要因の分析表示方法は、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値（以下、サマリデータと表記する）を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（以下、詳細データと表記する）を表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴としている。
In order to solve the above-described problem, the defect factor analysis display method of the present invention includes:
Production data having a plurality of data items in a product manufactured in the production process is acquired from the production process, and inspection data having a plurality of data items in a product manufactured in the production process is acquired from the inspection process. Process,
Calculating a representative value (hereinafter referred to as summary data) of at least one of the production data and the inspection data for each product based on the production data and the inspection data;
Based on the calculated representative value, analyzing a failure cause of the occurrence of a failure of the product,
A step of displaying the at least one data (hereinafter referred to as detailed data) from which a representative value for the data item is calculated with respect to the data item extracted as a failure factor by the failure factor analysis. And
In the displaying step, the at least one data to be displayed is selected from a plurality of representative values subjected to the analysis of the failure factor by using a calculation by a statistical method ,
In the above statistical method, the representative value is projected onto the feature space for the product subject to analysis of the above-mentioned failure factor, and the distribution of non-defective or defective products among the non-defective or defective products in the projected feature space. The calculation is such that the product closest to the center point is selected .
この発明の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であるので、対象となった製品群の特徴を最も現している製品を選択できる。 According to the defect factor analysis and display method of the present invention, since the acquisition process, the calculation process, the analysis process, and the display process are included, the defect factor is analyzed in the product production process, and the validity of the analysis result is determined. In the analysis of failure factors, a summary process (representative value) is used to analyze defects in the entire process in which a production process improvement plan is formulated based on the analysis results. In the steps where factors can be extracted and detailed data needs to be confirmed in the process, such as evaluation of the validity of the analysis and planning of improvement measures, appropriate detailed data (at least One data) can be presented to the operator. For this reason, it is effective to perform efficient analysis, subsequent confirmation, and countermeasures efficiently. In addition, the calculation by the above statistical method projects the representative value on the feature space for the product subject to the analysis of the above-mentioned defect factor, and the non-defective product or the defective product among the good or defective products in the projected feature space. Since the calculation is such that the product closest to the center point of the distribution is selected, it is possible to select the product that best represents the characteristics of the target product group.
また、一実施形態の不良要因の分析表示方法では、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算である。
In addition, in the analysis method of the failure factor of one embodiment,
Production data having a plurality of data items in a product manufactured in the production process is acquired from the production process, and inspection data having a plurality of data items in a product manufactured in the production process is acquired from the inspection process. Process,
A step of calculating a representative value of at least one of the production data and the inspection data for each product based on the production data and the inspection data;
Based on the calculated representative value, analyzing a failure cause of the occurrence of a failure of the product,
Displaying the at least one data from which a representative value for the data item is calculated with respect to the data item extracted as a failure factor by the analysis of the failure factor;
With
In the displaying step, the at least one data to be displayed is selected from a plurality of representative values subjected to the analysis of the failure factor by using a calculation by a statistical method,
The calculation by the above statistical method is a product that is the median value of non-defective products or defective products, or a non-defective product or defective product in the representative values related to the data items extracted in the analysis of the above-mentioned defect factors in the non-defective products or defective products to be analyzed. This is an operation for selecting the product closest to the average value of.
この実施形態の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であるので、計算がより簡単であり、処理時間が少なくて済むという利点がある。このため、分析を行った製品数が極端に多い場合には有効である。 According to the defect factor analysis and display method of this embodiment, since the acquisition process, the calculation process, the analysis process, and the display process are included, the defect factor is analyzed in the product production process, and the analysis result is validated. In the analysis of defect factors, a summary process (representative value) is used to analyze the cause of failure for a series of operations in the production process. It is possible to extract the cause of failure, and in the steps that require detailed data confirmation in processes such as evaluation of the validity of analysis and planning of improvement measures, appropriate detailed data (based on the calculation of representative values) At least one data) can be presented to the operator. For this reason, it is effective to perform efficient analysis, subsequent confirmation, and countermeasures efficiently. In addition, the calculation by the above statistical method is a product that is the median value of the non-defective product or the defective product in the representative value related to the data item extracted in the analysis of the defective factor in the non-defective product or defective product to be analyzed, Since the calculation is such that the product closest to the average value of defective products is selected, there is an advantage that the calculation is easier and the processing time is shorter. Therefore, it is effective when the number of products analyzed is extremely large.
また、一実施形態の不良要因の分析表示方法では、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間である。 Further, in the failure factor analysis display method according to an embodiment, the feature space is determined to be a non-defective product by the inspection process or a predetermined set value among the products subjected to the failure factor analysis. It is a feature space required by product data.
この実施形態の不良要因の分析表示方法によれば、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間であるので、良品のデータを基準とした特徴空間を設定することで、そこに射影された不良品のデータは良品の分布範囲が異なることが多い。これは、何らかの生産プロセスの異常があるためであり、この特徴空間上では、良品に対する不良品の特徴が良く現れ、それを代表する不良品が選択できるため、適切な不良品を選択することが可能となる。 According to the failure factor analysis display method of this embodiment, the feature space is determined to be a non-defective product by the inspection process or a predetermined set value among the products subjected to the failure factor analysis. Since the feature space is obtained from the product data, by setting the feature space based on the non-defective product data, the distribution of the non-defective product is often different in the data of the defective product projected there. This is because there is some abnormality in the production process. In this feature space, the characteristics of defective products with respect to non-defective products often appear, and defective products representing them can be selected. Therefore, it is possible to select an appropriate defective product. It becomes possible.
また、一実施形態の不良要因の分析表示方法では、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間である。 Further, in the failure factor analysis display method according to an embodiment, the feature space is determined to be a non-defective product by the inspection process or a predetermined set value among the products subjected to the failure factor analysis. This is the principal component space required by product data.
この実施形態の不良要因の分析表示方法によれば、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間であるので、主成分空間は、元のデータ項目から合成されるお互いに相関のない主成分と呼ばれる変数で張られる空間であり、この特徴空間をもちいることで、複数の項目が関係する生産プロセスの特徴を良く表すことができ、その空間内で各基板のデータを評価（分布状態と中心点の特定）することで、生産プロセスの良品と不良品の違いをより明確に表すことができる。また、主成分は元のデータ項目をいくつかの変数に圧縮して扱うことになるため、特徴空間上での座標計算の計算量が少なくなる。 According to the failure factor analysis display method of this embodiment, the feature space is determined to be a non-defective product by the inspection process or a predetermined set value among the products subjected to the failure factor analysis. Since the principal component space is determined by the product data, the principal component space is a space spanned by variables called principal components that are synthesized from the original data items and have no correlation with each other. Therefore, it is possible to express the characteristics of the production process related to multiple items well, and by evaluating the data of each board in the space (identifying the distribution state and the center point), it is possible to identify non-defective and defective products in the production process. The difference can be expressed more clearly. In addition, since the principal component is handled by compressing the original data item into several variables, the amount of calculation of the coordinate calculation on the feature space is reduced .
また、一実施形態の不良要因の分析表示方法では、上記統計手法による演算は、上記不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行される。 Good or, in the analytical method for displaying a failure factor one embodiment, calculation by the statistical method is present in the range in the product as an object of analysis of the failure factor, further user selected Alternatively, it is executed for defective products.
この実施形態の不良要因の分析表示方法によれば、上記統計手法による演算は、上記不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行されるので、使用者が注目するデータ群に対してデータ選択が可能となる。特に多くの使用者が生産プロセスにおける経験と知識を有していると考えられる為、その経験と知識に基づいたデータ選択ができることで、より的確な詳細データを選択することが可能となる。 According to the failure factor analysis display method of this embodiment, the calculation by the statistical method is a non-defective product existing in a range selected by the user among the products subjected to the analysis of the failure factor or Since the process is executed for a defective product, data selection can be performed on a data group that the user pays attention to. In particular, since it is considered that many users have experience and knowledge in the production process, more accurate detailed data can be selected by selecting data based on the experience and knowledge.
また、この発明の不良要因の分析表示装置は、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴としている。
In addition, the failure factor analysis display device of the present invention,
Production data having a plurality of data items in a product manufactured in the production process is acquired from the production process, and inspection data having a plurality of data items in a product manufactured in the production process is acquired from the inspection process. An acquisition unit;
Based on the production data and the inspection data, for each product, a representative value calculation unit that calculates a representative value of at least one of the production data and the inspection data;
Based on the calculated representative value, an analysis unit that analyzes the cause of the failure of the product,
With respect to the data item extracted as a failure factor by the analysis of the failure factor, a display unit that displays the at least one data from which a representative value related to the data item is calculated,
The display unit selects the at least one data to be displayed from among a plurality of representative values subjected to the analysis of the failure factor using a calculation by a statistical method ,
In the above statistical method, the representative value is projected onto the feature space for the product subject to analysis of the above-mentioned failure factor, and the distribution of non-defective or defective products among the non-defective or defective products in the projected feature space. The calculation is such that the product closest to the center point is selected .
この発明の不良要因の分析表示装置によれば、上記取得部と上記代表値演算部と上記分析部と上記表示部とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であるので、対象となった製品群の特徴を最も現している製品を選択できる。 According to the failure factor analysis display device of the present invention, since the acquisition unit, the representative value calculation unit, the analysis unit, and the display unit are included, the failure factor is analyzed in the production process of the product, and the analysis result For a series of operations in the production process, where the appropriateness is judged and the production process improvement plan is drawn up based on the analysis results, the failure process analysis uses summary data (representative values) for the entire process. In the steps that require detailed data verification in processes such as evaluation of the validity of analysis and planning of improvement measures, appropriate detailed data (based on the calculation of representative values) can be extracted. (At least one data) can be presented to the operator. For this reason, it is effective to perform efficient analysis, subsequent confirmation, and countermeasures efficiently. In addition, the calculation by the above statistical method projects the representative value on the feature space for the product subject to the analysis of the above-mentioned defect factor, and the non-defective product or the defective product among the good or defective products in the projected feature space. Since the calculation is such that the product closest to the center point of the distribution is selected, it is possible to select the product that best represents the characteristics of the target product group.
また、この発明の不良要因の分析表示装置は、In addition, the failure factor analysis display device of the present invention,
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、Production data having a plurality of data items in a product manufactured in the production process is acquired from the production process, and inspection data having a plurality of data items in a product manufactured in the production process is acquired from the inspection process. An acquisition unit;
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、Based on the production data and the inspection data, for each product, a representative value calculation unit that calculates a representative value of at least one of the production data and the inspection data;
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、Based on the calculated representative value, an analysis unit that analyzes the cause of the failure of the product,
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部とA display unit for displaying the at least one data from which a representative value for the data item is calculated with respect to the data item extracted as a failure factor by the failure factor analysis;
を備え、With
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、The display unit selects the at least one data to be displayed from among a plurality of representative values subjected to the analysis of the failure factor using a calculation by a statistical method,
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であることを特徴としている。The calculation by the above statistical method is a product that is the median value of non-defective products or defective products, or a non-defective product or defective product in the representative values related to the data items extracted in the analysis of the above-mentioned defect factors in the non-defective products or defective products to be analyzed. It is characterized in that the calculation is such that the product closest to the average value is selected.
この発明の不良要因の分析表示装置によれば、上記取得部と上記代表値演算部と上記分析部と上記表示部とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であるので、計算がより簡単であり、処理時間が少なくて済むという利点がある。このため、分析を行った製品数が極端に多い場合には有効である。According to the failure factor analysis display device of the present invention, since the acquisition unit, the representative value calculation unit, the analysis unit, and the display unit are included, the failure factor is analyzed in the production process of the product, and the analysis result For a series of operations in the production process, where the appropriateness is judged and the production process improvement plan is drawn up based on the analysis results, the failure process analysis uses summary data (representative values) for the entire process. In the steps that require detailed data verification in processes such as evaluation of the validity of analysis and planning of improvement measures, appropriate detailed data (based on the calculation of representative values) can be extracted. (At least one data) can be presented to the operator. For this reason, it is effective to perform efficient analysis, subsequent confirmation, and countermeasures efficiently. In addition, the calculation by the above statistical method is a product that is the median value of the non-defective product or the defective product in the representative value related to the data item extracted in the analysis of the defective factor in the non-defective product or defective product to be analyzed, Since the calculation is such that the product closest to the average value of defective products is selected, there is an advantage that the calculation is easier and the processing time is shorter. Therefore, it is effective when the number of products analyzed is extremely large.
この発明の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。 According to the failure factor analysis and display method of the present invention, since the acquisition process, the calculation process, the analysis process, and the display process are included, efficient analysis, subsequent confirmation, and countermeasures are efficiently performed. It is valid.
この発明の不良要因の分析表示装置によれば、上記取得部と上記代表値演算部と上記分析部と上記表示部とを有するので、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。 According to the failure factor analysis display apparatus of the present invention, since the acquisition unit, the representative value calculation unit, the analysis unit, and the display unit are included, efficient analysis, subsequent confirmation, and countermeasures are efficiently performed. It is effective about that.
以下、この発明を図示の実施の形態により詳細に説明する。 Hereinafter, the present invention will be described in detail with reference to the illustrated embodiments.
（第１の実施形態）
図１は、この発明の不良要因の分析表示装置の一実施形態である縦断面図を示している。図１に示すように、この不良要因の分析表示装置１４は、電子デバイスのような製品単位で生産プロセスが進行する製品の生産工程１１に適用される。生産工程１１は、生産プロセス１２と検査プロセス１３とを有する。生産プロセス１２は、製品毎に所定のプロセスが実行される形態であり、検査プロセス１３は、製品毎に所定の検査を行うプロセスである。
(First embodiment)
FIG. 1 is a longitudinal sectional view showing an embodiment of the failure factor analysis display device of the present invention. As shown in FIG. 1, the failure factor
上記分析表示装置１４は、取得部としてのデータベース１５と、演算装置１６と、表示部としての表示装置１７と、入力装置１８とを有する。
The
上記データベース１５は、上記生産プロセス１２で製造された製品の生産データをこの生産プロセス１２から取得すると共に、生産プロセス１２で製造された製品の検査データを検査プロセス１３から取得する。生産データおよび検査データは、それぞれ、複数のデータ項目を有する。
The
上記演算装置１６は、上記データベース１５に保管されたデータを用いて、不良要因の分析およびデータ表示のための演算を行う。演算装置１６は、代表値演算部と分析部とを有する。代表値演算部は、生産データおよび検査データに基づいて、製品毎に、生産データおよび検査データのうちの少なくとも一方のデータの代表値（以下、サマリデータと表記する）を演算する。分析部は、演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する。
The
上記表示装置１７は、操作者１９に対して、分析結果やプロセスデータを表示する。表示装置１７は、上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（以下、詳細データと表記する）を表示する。
The
上記表示装置１７は、表示される詳細データを、上記不良要因の分析の対象となった複数のサマリデータの中から、統計手法による演算を用いて選択する。上記入力装置１８は、操作者１９がこの分析表示装置１４を操作するために操作される。
The
上記生産プロセス１２からは、プロセス中の温度や圧力、ヒータへの投入電力、材料ガスの流量のようなプロセス項目の計測値が連続的に取得される。取得したプロセスデータは、製品毎に詳細データとしてデータベース１５に記録される。
From the
また、各プロセス項目のプロセスデータについて、統計的な値を算出し、この算出した値は、上記製品における各プロセス項目の代表値（サマリデータ）としてデータベース１５に記録される。また、検査プロセス１３で取得される検査データは、製品毎に取得され、データベース１５に記録される。
Further, a statistical value is calculated for the process data of each process item, and the calculated value is recorded in the
上記演算装置１６で行われる不良要因分析は、サマリデータを用いて分析が行われる。分析対象の製品は、検査プロセス１３において設定されている基準により、良品もしくは不良品に分別がなされている。
The failure factor analysis performed by the
また、検査プロセス中では、良／不良が判定されていないデータ項目については、予め基準を設定しておき、分析実行前に良／不良を判別される。この良／不良の判別がなされたデータに対して、不良要因分析を行い、不良品の発生要因の候補となるデータ項目が抽出される。 In addition, during the inspection process, a reference is set in advance for data items for which good / bad is not determined, and good / bad is determined before execution of analysis. Defective factor analysis is performed on the data for which the good / bad judgment is made, and data items that are candidates for the defective factor are extracted.
不良要因抽出の手法としては、決定木によるデータ分類、主成分分析および部分最小二乗法のような次元圧縮モデルの寄与度を用いた方法などを用いればよく、特に限定するものではないが、本実施形態においては、主成分分析による不良要因分析を行った。 As a method of extracting the cause of failure, a method using the contribution of the dimensional compression model such as data classification by decision tree, principal component analysis, and partial least squares may be used. In the embodiment, failure factor analysis by principal component analysis was performed.
不良要因分析の結果は、不良要因として抽出されたプロセス項目のリストと、抽出されたプロセス項目のサマリデータのグラフが表示装置１７に表示される。表示されるグラフの形式は、横軸をサマリデータの値、縦軸をその頻度つまり製品数としたヒストグラム、もしくは、不良の判別を行った検査データ項目と、抽出されたプロセス項目の散布図であるが、これに限るものではない。
As a result of the failure factor analysis, a list of process items extracted as failure factors and a graph of summary data of the extracted process items are displayed on the
以上のように、分析結果が操作者１９に対して表示されるが、分析結果の妥当性と、プロセス改善策の立案のために、抽出された要因項目について、不良品の詳細データを表示する。そこで、多数の不良品の製品の中から以下の手順で表示装置１７にデータ表示する製品を選択する。
As described above, the analysis result is displayed to the
本実施形態における詳細データを表示するデータ表示項目の選択手法には、サマリデータによる主成分分析を用いる。これは、不良要因分析において主成分分析を行っている為、それと同じ手法を用いることで、分析結果とデータ選択の基準を同じにし、分析と表示データ選択の一貫性を持たせることができ、より操作者に対してわかりやすくなると共に、不良要因分析時の計算結果を再利用でき、演算装置上での処理時間が短くてすむためである。このように、不良要因分析において、分析データを特徴空間に射影して分析を行う場合は、本手法におけるデータ選択の為の特徴空間の設定も、不良要因分析と同じにすることが望ましい。 As a method for selecting a data display item for displaying detailed data in the present embodiment, principal component analysis using summary data is used. This is because the principal component analysis is performed in the failure factor analysis. By using the same method, the analysis result and the data selection criteria can be made the same, and the analysis and display data selection can be made consistent. This is because it is easier for the operator to understand, the calculation result at the time of failure factor analysis can be reused, and the processing time on the arithmetic unit can be shortened. As described above, when analysis is performed by projecting the analysis data onto the feature space in the failure factor analysis, it is desirable that the setting of the feature space for data selection in the present method is the same as the failure factor analysis.
主成分分析について、本手法で関係する部分を以下に説明する。 A part related to the principal component analysis in the present method will be described below.
主成分分析には、分析対象の製品のサマリデータを使用し、分析対象となる製品の生産プロセスで取得できるデータ項目のサマリデータをデータセットとする。 In the principal component analysis, summary data of the product to be analyzed is used, and summary data of data items that can be acquired in the production process of the product to be analyzed is used as a data set.
データセットについて、各プロセス項目の単位とそのとる値の範囲はそれぞれ異なるので、データセットに対する前処理として、各プロセス項目の平均が０、分散が１になるように正規化を行う。前処理を行った後のデータセットをＮ×Ｍのデータ行列Ｘで表す。ここで、Ｎは分析対象である製品の個数で、Ｍは生産プロセス項目の個数を表す。Ｘの成分ｘijは製品ｉにおけるプロセス項目ｊの値を表す。 Since the unit of each process item and the range of values taken by the data set are different, normalization is performed so that the average of each process item is 0 and the variance is 1 as preprocessing for the data set. The data set after the preprocessing is represented by an N × M data matrix X. Here, N is the number of products to be analyzed, and M is the number of production process items. The component x ij of X represents the value of the process item j in the product i.
主成分分析においてはＸを次のように分解する。
ここで、Ｔはスコア行列と呼ばれるＮ×Ｒの直交行列であり、Ｖは負荷量行列と呼ばれるＭ×Ｒの正規直交行列であり、「T」は転置行列を表す。Ｒは抽出する主成分の数であり、スコア行列Ｔの成分であるスコア変数の個数に等しくＲ≦Ｍである。Ｅは残差行列と呼ばれ、Ｎ×Ｍの行列である。主成分数の決定方法は、主成分の累積寄与、主成分モデルの２乗誤差、クロスバリデーションなどを用いる方法があり、どれを用いても良いが、本実施形態では、主成分の累積寄与が一定以上となる最小の主成分数を採用した。 Here, T is an N × R orthogonal matrix called a score matrix, V is an M × R orthonormal matrix called a load matrix, and “ T ” represents a transposed matrix. R is the number of principal components to be extracted, and is equal to the number of score variables that are components of the score matrix T, and R ≦ M. E is called a residual matrix, and is an N × M matrix. The method for determining the number of principal components includes a method using the cumulative contribution of the principal components, the square error of the principal component model, cross-validation, etc., and any of them may be used, but in this embodiment, the cumulative contribution of the principal components is The minimum number of principal components that exceeds a certain level was adopted.
主成分を軸として張られる空間を主成分空間と言い、この主成分空間での各製品の位置を表現するのは、スコア行列である。つまりスコア行列の要素ｔklは、製品ｋの主成分ｌの軸に対する値となる。 A space spanned around the principal component is called a principal component space, and a score matrix represents the position of each product in the principal component space. That is, the element t kl of the score matrix is a value with respect to the axis of the principal component l of the product k.
以上が、主成分分析の説明である。この主成分分析を用いて表示装置に表示する詳細データの選択手法の手順は図２の通りであり、その詳細を以下で説明する。 The above is an explanation of principal component analysis. The procedure of a method for selecting detailed data to be displayed on the display device using the principal component analysis is as shown in FIG. 2, and the details will be described below.
まず、分析対象データＸを良品の部分行列Ｘgと不良品の部分行列Ｘbに分割する（ステップＳ２１）。 First, the analysis object data X is divided into a non-defective partial matrix Xg and a defective partial matrix Xb (step S21).
そして、良品データＸgを次式のように分解し、負荷量行列ＶRを得る（ステップＳ２２）。Ｔgは良品についてのスコア行列であり、ＶRはＶのＲ列までの部分行列である。
その後、次式より、不良品データＸbに対して、負荷量行列ＶRにより、不良品についてのスコア行列Ｔbを得る（ステップＳ２３）。
そして、不良品のスコア行列Ｔbから、不良品の主成分空間における中心点Ｃbを次式により算出する（ステップＳ２４）。ここで、Ｎbは不良品の個数で、ｔbklは不良品についてのスコア行列Ｔbの要素である。
その後、主成分空間における各不良品の中心点Ｃbまでの距離ｄbkを次式で算出する（ステップＳ２５）。なお、中心点Ｃbの座標をＣb(ｃb1,ｃb2,…,ｃbR)とおく。
そして、中心点までの距離ｄbkが最も小さい製品を表示するデータとして選択する（ステップＳ２６）。 Then, the product having the smallest distance d bk to the center point is selected as data to be displayed (step S26).
また、詳細データ表示については、不良品の詳細データと比較する為に、良品の詳細データも表示することで、データの検証がより容易になる。そのため、本不良要因の分析表示装置において良品の中から1つの製品を自動的に選択し、詳細データを表示する。表示する詳細データの選択方法にも、不良品の選択と同じように主成分分析を用いる。なお、不良品の表示データ選択と同じように、用いる演算手法は主成分分析に限ったことではないが、不良品の表示データ選択と同じ演算手法を用いることが望ましい。 Further, regarding the detailed data display, the detailed data of the non-defective product is also displayed for comparison with the detailed data of the defective product, so that the data verification becomes easier. For this reason, the defective factor analysis display device automatically selects one product from non-defective products and displays detailed data. The principal component analysis is also used for selecting the detailed data to be displayed in the same manner as selecting defective products. As in the case of display data selection for defective products, the calculation method used is not limited to principal component analysis, but it is desirable to use the same calculation method for selection of display data for defective products.
本実施形態においては、良品においても、不良品と同様に、主成分軸で張られる空間において、良品のデータの中心点を算出し、その点に最も近い製品を選択する。良品のスコア行列Ｔgは求められており、Ｔgの要素をｔgklとし、Ｎgを良品の個数とすると、良品の中心点Ｃgは次の式となる。
中心点Ｃgの座標をＣg(ｃg1,ｃg2,…,ｃgR)とおくと、各良品について中心点Ｃgと原点の距離ｄgkは次式となる。ｄgkが最小となる製品を、詳細データを表示する製品とする。
上記分析表示装置１４を用いて、操作者１９による不良要因分析からプロセス改善策の立案までの作業手順は図３の通りとなる。詳細は以下のようになる。
The operation procedure from the failure factor analysis by the
まず、不良が発生している項目を確認し（ステップＳ３１）、不良要因分析を行うデータ範囲を設定する（ステップＳ３２）。 First, an item in which a defect has occurred is confirmed (step S31), and a data range for performing defect factor analysis is set (step S32).
そして、不良要因分析を実行し（ステップＳ３３）、分析結果を不良要因項目のリストとサマリデータのグラフで確認する（ステップＳ３４）。 Then, failure factor analysis is executed (step S33), and the analysis result is confirmed with a list of failure factor items and a summary data graph (step S34).
その後、詳細データ表示を指示する操作を行い（ステップＳ３５）、自動的に表示される詳細データを確認する（ステップＳ３６）。 Thereafter, an operation to instruct detailed data display is performed (step S35), and the detailed data displayed automatically is confirmed (step S36).
そして、追加分析が不要であるか否かの分析結果の妥当性を確認し（ステップＳ３７）、追加分析が不要でないならば、ステップＳ３２に戻り、追加分析が不要でないならば、詳細データを元に設定値を修正するような、プロセス改善策を立案する（ステップＳ３８）。 Then, the validity of the analysis result as to whether or not the additional analysis is necessary is confirmed (step S37). If the additional analysis is not necessary, the process returns to step S32. If the additional analysis is not necessary, the detailed data is obtained. A process improvement measure is prepared so as to correct the set value (step S38).
なお、ステップＳ３５では、画面上のボタンを押すような簡易な操作とし、１つの製品を指定するような操作ではない。また、操作者の指示を待たなくとも、ステップＳ３５を自動的に動作するようにしても良い。もしくは、ステップＳ３５において、例えば、ヒストグラムのいくつかの縦棒を選択するように、操作者が表示されるグラフ上で適当な範囲を選択し、その中に含まれる良品または不良品データに対して、表示されるデータ選択を行っても良い。 In step S35, the operation is a simple operation such as pressing a button on the screen, and is not an operation for designating one product. Further, step S35 may be automatically operated without waiting for the operator's instruction. Alternatively, in step S35, for example, an appropriate range is selected on the graph displayed by the operator so that several vertical bars of the histogram are selected, and the non-defective product or defective product data included therein is selected. The displayed data may be selected.
以上の作業手順により、不良要因分析からプロセス改善策の立案までを行うが、本発明により、不良要因分析においてはサマリデータを使うことで、プロセス全体の分析を効率よく実行することができ、さらに、分析の妥当性の評価や、プロセス改善案の具体的な設定数値設定などに必要な詳細データの確認も効率的に行うことが可能となる。さらに、本発明により選択された詳細データは、主成分空間における製品群の中心に最も近いデータであるため、もっとも選択された製品群の特徴を現しているデータを選択していることになり、詳細データの確認において適切なデータ選択が可能となっている。 With the above work procedure, from failure factor analysis to planning of process improvement measures, the present invention makes it possible to efficiently analyze the entire process by using summary data in failure factor analysis. It is also possible to efficiently confirm the detailed data necessary for evaluating the validity of the analysis and setting specific numerical values for the process improvement proposal. Furthermore, since the detailed data selected by the present invention is data closest to the center of the product group in the principal component space, the data representing the characteristics of the most selected product group is selected. Appropriate data selection is possible in the confirmation of detailed data.
次に、本実施形態における表示データ選択について、データグラフを用いて説明する。前述した不良要因分析の分析結果として、図４のような不良要因のリストと、図５のような抽出された項目におけるサマリデータの分布を表すグラフが表示される。 Next, display data selection in the present embodiment will be described using a data graph. As a result of the failure factor analysis described above, a list of failure factors as shown in FIG. 4 and a graph showing the distribution of summary data in the extracted items as shown in FIG. 5 are displayed.
ここで、不良要因のリストは発生した不良に対して、要因としての影響度が高いとされる順のリストとなっている。この分析結果について、操作者に対して表示される詳細データの選択処理の様子は以下のようになる。 Here, the defect factor list is a list in the order in which the degree of influence as a factor is high with respect to the generated defect. Regarding this analysis result, the detailed data selection process displayed to the operator is as follows.
まず、前述のデータ処理の手順に基づいて、主成分スコアが求められ、不良品の中心点が求められる。この結果をグラフとして示すと図６のようになる。なお、本実施形態において、主成分数は２としている。 First, a principal component score is obtained based on the above-described data processing procedure, and a center point of a defective product is obtained. The result is shown as a graph in FIG. In the present embodiment, the number of main components is 2.
そして、このグラフにおいて表示される詳細データは、図６中の丸で囲まれたデータとなる。選択された不良品の詳細データは図７Ａのようになっている。なお、詳細データの挙動が分かりやすいように、良品についても前述した手順により自動的に選択された詳細データを、図７Ｂに示している。図７Ａと図７Ｂからわかるように、図７Ａの途中から項目Ａの値が下がっていることが分かる。操作者は、サマリデータだけでは分かりえない生産プロセスデータの挙動を確認することができたので、より的確な改善策の立案を行うことができる。 The detailed data displayed in this graph is data surrounded by a circle in FIG. Detailed data of the selected defective product is as shown in FIG. 7A. FIG. 7B shows the detailed data automatically selected for non-defective products by the above-described procedure so that the behavior of the detailed data can be easily understood. As can be seen from FIGS. 7A and 7B, it can be seen that the value of the item A is lowered from the middle of FIG. 7A. Since the operator can confirm the behavior of the production process data that cannot be understood only by the summary data, the operator can make a more accurate improvement plan.
上記構成の分析表示装置１４によれば、取得部としてのデータベース１５と、代表値演算部および分析部としての演算装置１６と、表示部としての表示装置１７とを有する。したがって、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。
The
また、上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算である。したがって、対象となった製品群の特徴を最も現している製品を選択できる。 In addition, the calculation by the above statistical method projects the representative value on the feature space for the product subject to the analysis of the above-mentioned defect factor, and the non-defective product or the defective product among the good or defective products in the projected feature space. The operation is to select a product that is closest to the center point of the distribution. Therefore, it is possible to select a product that best exhibits the characteristics of the target product group.
また、上記特徴空間は、例えば、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間である。したがって、良品のデータを基準とした特徴空間を設定することで、そこに射影された不良品のデータは良品の分布範囲が異なることが多い。これは、何らかの生産プロセスの異常があるためであり、この特徴空間上では、良品に対する不良品の特徴が良く現れ、それを代表する不良品が選択できるため、適切な不良品を選択することが可能となる。 In addition, the feature space is a feature space obtained from data of products determined as non-defective products by the above-described inspection process or a predetermined set value among the products subjected to the analysis of defect factors, for example. . Therefore, by setting a feature space based on non-defective product data, defective product data projected onto the feature space often has different non-defective product distribution ranges. This is because there is some abnormality in the production process. In this feature space, the characteristics of defective products with respect to non-defective products often appear, and defective products representing them can be selected. Therefore, it is possible to select an appropriate defective product. It becomes possible.
また、上記特徴空間は、例えば、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間である。したがって、主成分空間は、元のデータ項目から合成されるお互いに相関のない主成分と呼ばれる変数で張られる空間であり、この特徴空間をもちいることで、複数の項目が関係する生産プロセスの特徴を良く表すことができ、その空間内で各基板のデータを評価（分布状態と中心点の特定）することで、生産プロセスの良品と不良品の違いをより明確に表すことができる。また、主成分は元のデータ項目をいくつかの変数に圧縮して扱うことになるため、特徴空間上での座標計算の計算量が少なくなる。 The feature space is, for example, a principal component space obtained from data of products determined as non-defective products by the inspection process or predetermined setting values in the products subjected to the analysis of failure factors. is there. Therefore, the principal component space is a space spanned by variables called principal components that are not correlated with each other synthesized from the original data items, and by using this feature space, a production process involving multiple items is related. The feature can be expressed well, and the difference between the non-defective product and the defective product in the production process can be expressed more clearly by evaluating the data of each substrate in the space (identifying the distribution state and the center point). In addition, since the principal component is handled by compressing the original data item into several variables, the amount of calculation of the coordinate calculation on the feature space is reduced.
また、不良要因の分析表示方法は、取得工程と演算工程と分析工程と表示工程とを有する。上記取得工程は、生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する。 The failure factor analysis display method includes an acquisition process, a calculation process, an analysis process, and a display process. The acquisition step acquires production data having a plurality of data items in a product manufactured in the production process from the production process, and inspection data having a plurality of data items in the product manufactured in the production process. Obtain from the inspection process.
上記演算工程は、上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値（サマリデータ）を演算する。上記分析工程は、上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する。 The calculation step calculates a representative value (summary data) of at least one of the production data and the inspection data for each product based on the production data and the inspection data. In the analysis step, a failure factor of occurrence of a failure of the product is analyzed based on the calculated representative value.
上記表示工程は、上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（詳細データ）を表示する。この表示工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択する。 The display step displays the at least one data (detailed data) from which a representative value for the data item is calculated with respect to the data item extracted as a failure factor by the analysis of the failure factor. In this display step, the at least one data to be displayed is selected from among a plurality of representative values subjected to the analysis of the failure factor by calculation using a statistical method.
上記構成の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータを用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データを操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。 According to the failure factor analysis and display method of the above configuration, since the acquisition step, the calculation step, the analysis step and the display step are included, the failure factor is analyzed in the product production process, and the validity of the analysis result In addition, the failure factor analysis can be used to extract failure factors from the entire process by using summary data for a series of operations in the production process, in which a production process improvement plan is formulated based on the analysis results. Furthermore, appropriate detailed data can be presented to the operator in steps that require detailed data confirmation in processes such as evaluation of the validity of analysis and planning of improvement measures. For this reason, it is effective to perform efficient analysis, subsequent confirmation, and countermeasures efficiently.
（第２の実施形態）
次に、この発明の不良要因の分析表示方法の第２の実施形態を説明する。この第２の実施形態では、生産工程１１および分析表示装置１４の構成は、上記第１の実施形態と同一である。演算装置１６で実行される不良要因分析の手法も、上記第１の実施形態と同一である。
(Second Embodiment)
Next, a second embodiment of the failure factor analysis display method of the present invention will be described. In the second embodiment, the configuration of the
不良要因分析の結果を受けて表示される詳細データの選択手法は、不良品、良品共にそれぞれの製品の中で、不良要因項目として抽出されたデータ項目について中央値を取る製品を選択するものである。つまり、統計手法による演算は、分析の対象の良品もしくは不良品における不良要因の分析で抽出されたデータ項目に関する代表値において、良品もしくは不良品の中央値となる製品を、選択するような演算である。 The method of selecting the detailed data that is displayed in response to the result of the failure factor analysis is to select the product that takes the median value for the data item extracted as the failure factor item, for both defective and non-defective products. is there. In other words, the calculation by the statistical method is an operation that selects the product that is the median value of the non-defective product or the defective product in the representative value related to the data item extracted by the analysis of the failure factor in the non-defective product or the defective product to be analyzed. is there.
なお、統計手法による演算を、分析の対象の良品もしくは不良品における不良要因の分析で抽出されたデータ項目に関する代表値において、良品もしくは不良品の平均値に最も近い製品を、選択するような演算としてもよい。 In addition, the calculation that uses the statistical method is an operation that selects the product closest to the average value of the non-defective product or defective product among the representative values for the data items extracted in the analysis of the cause of failure in the non-defective product or defective product to be analyzed. It is good.
したがって、この手法では、計算が上記第１の実施形態に比べてより簡単であり、処理時間が少なくて済むという利点がある。このため、分析を行った製品数が極端に多い場合には有効である。また、分析対象のプロセスが比較的簡単な生産工程における場合にも有効である。但し、不良要因分析で使用した特徴空間を使用していないことには、注意が必要である。 Therefore, this method has the advantage that the calculation is simpler than the first embodiment and the processing time is reduced. Therefore, it is effective when the number of products analyzed is extremely large. It is also effective when the process to be analyzed is in a relatively simple production process. However, it should be noted that the feature space used in the failure factor analysis is not used.
なお、この第２の実施形態における、操作者の作業手順や、本不良要因の分析表示装置を使用することによる効果については、上記第１の実施形態と同じである。 Note that the operator's work procedure and the effect of using this failure factor analysis display device in the second embodiment are the same as those in the first embodiment.
なお、この発明は上述の実施形態に限定されない。例えば、上記統計手法による演算は、不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行されるようにしてもよい。したがって、使用者が注目するデータ群に対してデータ選択が可能となる。特に多くの使用者が生産プロセスにおける経験と知識を有していると考えられる為、その経験と知識に基づいたデータ選択ができることで、より的確な詳細データを選択することが可能となる。 In addition, this invention is not limited to the above-mentioned embodiment. For example, the calculation by the above statistical method may be executed on a non-defective product or a defective product existing in a range selected by the user among the products subjected to the analysis of the failure factor. Therefore, it is possible to select data for the data group that the user pays attention to. In particular, since it is considered that many users have experience and knowledge in the production process, more accurate detailed data can be selected by selecting data based on the experience and knowledge.
１１ 生産工程
１２ 生産プロセス
１３ 検査プロセス
１４ 不良要因の分析表示装置
１５ データベース（取得部）
１６ 演算装置（代表値演算部、分析部）
１７ 表示装置（表示部）
１８ 入力装置
１９ 操作者
DESCRIPTION OF
16 Arithmetic unit (representative value calculation unit, analysis unit)
17 Display device (display unit)
18
Claims (7)
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択することを特徴とする不良要因の分析表示方法。 Production data having a plurality of data items in a product manufactured in the production process is acquired from the production process, and inspection data having a plurality of data items in a product manufactured in the production process is acquired from the inspection process. Process,
A step of calculating a representative value of at least one of the production data and the inspection data for each product based on the production data and the inspection data;
Based on the calculated representative value, analyzing a failure cause of the occurrence of a failure of the product,
Displaying the at least one data from which a representative value for the data item is calculated with respect to the data item extracted as a failure factor by the failure factor analysis,
In the step of displaying, the failure factor is characterized in that the at least one data to be displayed is selected from among a plurality of representative values subjected to the analysis of the failure factor using a calculation by a statistical method. Analysis display method.
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴とする不良要因の分析表示方法。 The failure factor analysis display method according to claim 1,
In the above statistical method, the representative value is projected onto the feature space for the product subject to analysis of the above-mentioned failure factor, and the distribution of non-defective or defective products among the non-defective or defective products in the projected feature space. The failure factor analysis and display method, wherein the calculation is such that the product closest to the center point is selected.
上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間であることを特徴とする不良要因の分析表示方法。 The failure factor analysis and display method according to claim 2,
The feature space is a feature space obtained from data of products determined to be non-defective products by the inspection process or a predetermined set value among the products subjected to the analysis of the cause of failure. How to analyze and display the cause of failure.
上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間であることを特徴とする不良要因の分析表示方法。 The failure factor analysis and display method according to claim 2,
The feature space is a principal component space obtained from data of products determined as non-defective products by the inspection process or a predetermined set value among the products subjected to the analysis of the cause of failure. An analysis display method of failure factors.
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であることを特徴とする不良要因の分析表示方法。 The failure factor analysis display method according to claim 1,
The calculation by the above statistical method is a product that is the median value of non-defective products or defective products, or a non-defective product or defective product in the representative values related to the data items extracted in the analysis of the above-mentioned defect factors in the non-defective products or defective products to be analyzed. An analysis and display method for a failure factor, characterized in that the calculation is such that the product closest to the average value of is selected.
上記統計手法による演算は、上記不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行されることを特徴とする不良要因の分析表示方法。 The failure factor analysis display method according to any one of claims 1 to 5,
The calculation based on the statistical method is performed on a non-defective product or a non-defective product existing in the range selected by the user among the products subjected to the analysis of the failure factor. Analysis display method.
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択することを特徴とする不良要因の分析表示装置。 Production data having a plurality of data items in a product manufactured in the production process is acquired from the production process, and inspection data having a plurality of data items in a product manufactured in the production process is acquired from the inspection process. An acquisition unit;
Based on the production data and the inspection data, for each product, a representative value calculation unit that calculates a representative value of at least one of the production data and the inspection data;
Based on the calculated representative value, an analysis unit that analyzes the cause of the failure of the product,
With respect to the data item extracted as a failure factor by the analysis of the failure factor, a display unit that displays the at least one data from which a representative value related to the data item is calculated,
The display unit selects the at least one data to be displayed from among a plurality of representative values subjected to the analysis of the failure factor by calculation using a statistical method. Analysis display device.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009267607A JP4739447B2 (en) | 2009-11-25 | 2009-11-25 | Failure factor analysis display method and failure factor analysis display device |
| PCT/JP2010/071029 WO2011065428A1 (en) | 2009-11-25 | 2010-11-25 | Analysis display method of defective factors and analysis display device of defective factors |
| CN2010800533275A CN102667831A (en) | 2009-11-25 | 2010-11-25 | Analysis display method of defective factors and analysis display device of defective factors |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009267607A JP4739447B2 (en) | 2009-11-25 | 2009-11-25 | Failure factor analysis display method and failure factor analysis display device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011113195A true JP2011113195A (en) | 2011-06-09 |
| JP4739447B2 JP4739447B2 (en) | 2011-08-03 |
Family
ID=44066533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009267607A Expired - Fee Related JP4739447B2 (en) | 2009-11-25 | 2009-11-25 | Failure factor analysis display method and failure factor analysis display device |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP4739447B2 (en) |
| CN (1) | CN102667831A (en) |
| WO (1) | WO2011065428A1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014179060A (en) * | 2013-02-18 | 2014-09-25 | Kobe Steel Ltd | Cause estimation support system of quality abnormality |
| JPWO2020189629A1 (en) * | 2019-03-19 | 2020-09-24 | ||
| JPWO2019058775A1 (en) * | 2017-09-21 | 2021-01-21 | 株式会社アダコテック | Anomaly detection device, anomaly detection method and program |
| US10899099B2 (en) | 2014-10-23 | 2021-01-26 | Furukawa Industrial Machinery Systems Co., Ltd. | Device and method for evaluating operating conditions of briquetting machine, briquetting machine, method for manufacturing briquette, control device of briquetting machine, control method of briquetting machine, and program |
| JP2021060723A (en) * | 2019-10-04 | 2021-04-15 | 株式会社エヌ・ティ・ティ・データ | Monitoring condition determination device, monitoring condition determination method, and program |
| JP2021189466A (en) * | 2020-05-25 | 2021-12-13 | 株式会社日立製作所 | Factor estimation system and device |
| JP7406441B2 (en) | 2020-04-08 | 2023-12-27 | 株式会社日立製作所 | Manufacturing defect factor search method and manufacturing defect factor search device |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6081146B2 (en) * | 2012-10-31 | 2017-02-15 | 株式会社東芝 | Data monitoring device |
| JP6233061B2 (en) * | 2014-01-30 | 2017-11-22 | オムロン株式会社 | Quality control device and quality control method |
| CN104990893B (en) * | 2015-06-24 | 2017-12-29 | 南京富岛信息工程有限公司 | A kind of gasoline octane value detection method based on similar differentiation |
| CN108803518A (en) * | 2018-06-22 | 2018-11-13 | 苏州和必尔斯电子科技有限公司 | A kind of manufacture products detection system for electronics technology |
| CN112949955A (en) * | 2019-12-10 | 2021-06-11 | 无锡市环宇脚手架有限公司 | Method for improving product processing technology |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3576335B2 (en) * | 1996-10-31 | 2004-10-13 | 松下電器産業株式会社 | Method and apparatus for extracting abnormalities in process processing steps |
| JP2004326339A (en) * | 2003-04-23 | 2004-11-18 | Renesas Technology Corp | Quality control device |
| JP4250552B2 (en) * | 2004-03-03 | 2009-04-08 | 株式会社東芝 | Manufacturing apparatus management system, manufacturing apparatus management method, and program |
| JP2005284664A (en) * | 2004-03-29 | 2005-10-13 | Toshiba Corp | Data analysis program and data analysis method |
| JP2006351667A (en) * | 2005-06-14 | 2006-12-28 | Sharp Corp | Information management system |
| JP4191772B1 (en) * | 2007-06-27 | 2008-12-03 | シャープ株式会社 | Abnormal factor identification method and system, program for causing a computer to execute the abnormal factor identification method, and computer-readable recording medium recording the program |
| JP5242959B2 (en) * | 2007-07-11 | 2013-07-24 | シャープ株式会社 | Abnormal factor identification method and system, program for causing a computer to execute the abnormal factor identification method, and computer-readable recording medium recording the program |
-
2009
- 2009-11-25 JP JP2009267607A patent/JP4739447B2/en not_active Expired - Fee Related
-
2010
- 2010-11-25 WO PCT/JP2010/071029 patent/WO2011065428A1/en active Application Filing
- 2010-11-25 CN CN2010800533275A patent/CN102667831A/en active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014179060A (en) * | 2013-02-18 | 2014-09-25 | Kobe Steel Ltd | Cause estimation support system of quality abnormality |
| US10899099B2 (en) | 2014-10-23 | 2021-01-26 | Furukawa Industrial Machinery Systems Co., Ltd. | Device and method for evaluating operating conditions of briquetting machine, briquetting machine, method for manufacturing briquette, control device of briquetting machine, control method of briquetting machine, and program |
| JPWO2019058775A1 (en) * | 2017-09-21 | 2021-01-21 | 株式会社アダコテック | Anomaly detection device, anomaly detection method and program |
| JPWO2020189629A1 (en) * | 2019-03-19 | 2020-09-24 | ||
| WO2020189629A1 (en) * | 2019-03-19 | 2020-09-24 | 住友重機械工業株式会社 | Assist device, display device, assist method and assist program |
| JP2021060723A (en) * | 2019-10-04 | 2021-04-15 | 株式会社エヌ・ティ・ティ・データ | Monitoring condition determination device, monitoring condition determination method, and program |
| JP7370044B2 (en) | 2019-10-04 | 2023-10-27 | 株式会社Ｎｔｔデータ | Monitoring condition determining device, monitoring condition determining method, and program |
| JP7406441B2 (en) | 2020-04-08 | 2023-12-27 | 株式会社日立製作所 | Manufacturing defect factor search method and manufacturing defect factor search device |
| JP2021189466A (en) * | 2020-05-25 | 2021-12-13 | 株式会社日立製作所 | Factor estimation system and device |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2011065428A1 (en) | 2011-06-03 |
| CN102667831A (en) | 2012-09-12 |
| JP4739447B2 (en) | 2011-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4739447B2 (en) | Failure factor analysis display method and failure factor analysis display device | |
| JP5071475B2 (en) | Prediction model creation method, creation device, creation program by multiple regression analysis | |
| JP4855353B2 (en) | Product quality improvement condition analysis apparatus, analysis method, computer program, and computer-readable recording medium | |
| JP4394728B2 (en) | Influence factor identification device | |
| KR100414032B1 (en) | Apparatus for testing semiconductor, for analyzing defects in semiconductor, for correcting semiconductor design data, and method therefor, and computer readable recording media | |
| JP2020500420A (en) | Yield prediction system and method for machine learning based semiconductor manufacturing | |
| JP4911055B2 (en) | Batch process data analysis apparatus and abnormality detection / quality estimation apparatus using the same | |
| JP4568786B2 (en) | Factor analysis apparatus and factor analysis method | |
| JP7102941B2 (en) | Information processing methods, information processing devices, and programs | |
| JP2009009299A (en) | Abnormality factor specification method and system, program for making computer execute the abnormality factor specification method, and computer-readable recording medium recording the program | |
| JP2006318263A (en) | Information analysis system, information analysis method and program | |
| CN110991739A (en) | Construction method and prediction method of industry electric quantity demand prediction model | |
| KR20210110661A (en) | Analysis system and analysis method | |
| Giannetti et al. | A novel variable selection approach based on co-linearity index to discover optimal process settings by analysing mixed data | |
| Gitzel | Data Quality in Time Series Data: An Experience Report. | |
| JP4355193B2 (en) | Semiconductor device manufacturing method and semiconductor device manufacturing system | |
| JP2005242818A (en) | Quality effect factor analyzing method, quality forecasting method, quality control method, quality effect factor analyzing device, quality forecasting device, quality control device, quality effect factor analyzing system, quality forecasting system, quality control system, and computer program | |
| JP5248238B2 (en) | Steel plate manufacturing results database search device, steel plate manufacturing results database search program | |
| JP2012063928A (en) | Factor analysis method, factor analysis device, and recording medium | |
| JP6715705B2 (en) | Failure cause search system and failure cause search method | |
| Galetto et al. | Robustness analysis of inspection design parameters for assembly of short-run manufacturing processes | |
| RU2470352C1 (en) | Statistical process control method (versions) | |
| JP7281708B2 (en) | Manufacturing condition calculation device, manufacturing condition calculation method, and manufacturing condition calculation program for identifying equipment that contributes to the generation of defective products | |
| JP2019003453A (en) | Defect factor analysis system and defect factor analysis method | |
| JP2004186374A (en) | Manufacturing data analyzing method and program for making computer practice the same |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110311 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110405 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110427 |
|
| 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: 20140513 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |