JP2019067047A - 技術情報共有システム及び技術情報共有方法 - Google Patents

Abstract

【課題】因果関係モデルを用いて蓄積された技術知識を共有することを可能とする。【解決手段】製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルに対して、因果関係モデルの構造を変えうる生産リソースを識別するための付帯情報を追加した部分モデルを構築するモデル構築部と、部分モデルに追加された付帯情報に基づいて、部分モデルを統合した統合モデルを構築するモデル統合部と、を備える。【選択図】 図１

Description

本発明は、技術情報共有システム及び技術情報共有方法に関する。

本技術分野の背景技術として、特許文献１がある。この公報には、観測結果から、各変数間の相関係数を算出することで、因果関係モデルを導出し、要因変数の確率を算出する方法が記載されている。また、特許文献２がある。この公報には、行動を識別する識別器において、修正が必要と判断された場合に、元のセンサデータを用いて再学習して識別器を再構築する方法が記載されている。

特開２０１１−２０３９９６号公報 特開２０１３−４１３２３号公報

製造業では、製品の品質や生産性、製造コストなど種々のKPI（Key Performance Indicator）を満たすように、作業や製造時の条件調整などを工夫しているが、作業者の熟練度や装置の操作方法に関する知識に応じて、生産性や品質にばらつきが発生することがある。特に新規の装置や工程導入時は、既存の実績がある工場に比べて、生産性や品質が低水準になりがちである。このような実績に応じた品質、生産性の差異を埋めるためには、蓄積された技術知識を共有することが有効である。

しかしながら、従来技術では、技術知識として因果関係モデルを構築しているが、例えば、装置間、工場間では設備や作業が異なるため、他の装置、工場などで蓄積したモデルを適用できない。したがって、異なる装置間、工程間でも技術知識を共有するためのモデルが必要となる。

前記特許文献１には、観測結果から因果関係を学習することにより、因果関係モデルを導出する方法が記載されているが、工場間で共通モデルとして保持する内容に関する記載は無い。また、因果関係モデルを作成しているだけであり、工場間で共有することを考えると、設備などが異なる場合には、因果関係モデルを構築する手法だけでは適用することは難しい。また前記特許文献２には、識別器が適切でないと判断された場合に、識別器を再構築することで対応することが出来るが、再構築の方法が過去に構築した時の学習データを用いるため、元の識別器を活用するのではなく、結局のところ再学習が必要となってしまう。

本発明は、因果関係モデルを用いて蓄積された技術知識を共有することが可能な技術情報共有システム及び技術情報共有方法を提供することを目的とする。

本発明にかかる技術情報共有システムは、製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルに対して、因果関係モデルの構造を変えうる生産リソースを識別するための付帯情報を追加した部分モデルを構築するモデル構築部と、前記部分モデルに追加された前記付帯情報に基づいて、前記部分モデルを統合した統合モデルを構築するモデル統合部と、を備えることを特徴とする技術情報共有システムとして構成される。

また、本発明は、上記技術情報共有システムで行われる技術情報共有方法としても把握される。

本発明によれば、因果関係モデルを用いて蓄積された技術知識を共有することが可能となる。

技術情報共有システムの全体像である。 技術情報共有システム構成の例である。 モデル構築処理フローの例である。 KPIデータの定義例である。 ４Mデータの定義例である。 付帯情報の定義例である。 因果関係モデルの定義例である。 因果関係モデルにおける確率配列の定義例である。 モデル構築画面の例である。 モデル統合処理フローの例である。 モデル統合画面の例である。 モデル再構築処理フローの例である。 モデル再構築画面の例である。 推奨制御計算フローの例である。 推奨制御決定に利用する確率配列の例である。 推奨制御データの定義例である。 推奨制御表示画面の例である。 因果関係モデルの詳細情報表示画面の例である。 技術情報共有システムにおけるモデルを格納する層の例である。 技術情報共有システムの活用例である。 付帯情報の有無による効果の例である（付帯情報がないモデル）。 付帯情報の有無による効果の例である（付帯情報があるモデル）。 推奨制御活用時の課金計算部を追加したシステム例である。 モデル組替画面の例である。 課金計算フローの例である。 課金データの定義例である。 課金計算を追加した推奨制御表示画面の例である。 課金情報表示画面の例である。

以下、実施形態について、図面を参照しながら説明する。
なお、実施の形態を説明するための全図において、同一部には原則として同一符号を付し、その繰り返しの説明は省略する。

図１は、本実施形態のシステムの全体像を示している。工場、製造ライン１０１は、実際に製造を実行する対象となる生産リソースである。以下では、生産リソースとして工場、製造ライン１０１を例示しているが、製造現場で用いられる設備やシステム、装置、機器をはじめとする製造に関する様々な生産リソースについても同様に適用することができる。本システムでは、工場、製造ライン１０１から、製造情報１０２として、Machine、Man、Material、Methodからなり、製造品質を管理する指標を示す４Mデータと、製造実行時に満たすべき指標情報であって製造業績の指標を示すKPIデータを抽出する。本システムでは、4MデータおよびKPIデータを基に、モデル構築処理１０３を実行し、技術情報として、各データの因果関係を計算してモデル化することで、部分モデル１０４を構築する。部分モデル１０４は、4MデータおよびKPIデータに基づいて構築された因果関係モデルに対して、後述する付帯情報を含めた因果関係モデルである。以下では製造情報１０２として4MデータおよびKPIデータを用いているが、4Mデータのほか製造の品質を管理するための各種指標を示すデータを用いたり、KPIデータのほか製造に関する業績を評価するための各種指標を示すデータについても同様に考えることができる。

本システムでは、モデル統合処理１０５を実行し、モデル構築処理１０３で作成した部分モデル１０４を統合モデル１０６に統合する処理を行う。統合モデル１０６は、部分モデル１０４を統合したモデルである。また、本システムでは、モデル再構築処理１０７において、統合モデル１０６から各工場で必要なモデルを抽出し、再構築することで再構築モデル１０８を構築する。再構築モデル１０８は、工場、製造ライン１０１で活用される。再構築モデル１０８に基づいた製造実行時の４MデータおよびKPIデータの抽出、モデル構築を繰り返し行うことにより、統合モデルの技術情報を蓄積する。

図２は、本実施形態のシステム構成を示している。本システム２００は、一般的な計算機（例えば、ＰＣ（Personal Computer）等の情報処理装置）で構成でき、例えば、ソフトウェアプログラムの実行処理により本実施例の特徴的な処理を実現する。

本システム２００は、入出力部２１０、表示部２２０、制御部２３０、記憶部２４０、およびバス等の通信経路で構成される。

入出力部２１０では、ユーザの操作により、因果関係モデルの設定項目やグラフィカルユーザインターフェース（ＧＵＩ）上にある項目の入力、ならびにモデル構築条件の入力を行う入力装置や、特定した観測データの許容範囲や制御データの最適値、高精度なモデル変換の出力を行う出力装置であり、例えばキーボード、マウス、ディスプレイ、プリンタ等、ハードウェアとしては一般的な入出力装置や表示装置がある。

本システムでは、表示部２２０が、入出力部２１０に表示される画面でＧＵＩを構成し、制御部２３０と連携して入出力部２１０に各種の情報を表示する。表示部２２０を構成する各部（因果関係モデル表示部２２１、統合モデル表示部２２２、再構築モデル表示部２２３、推奨制御表示部２２４、モデル詳細情報表示部２２５）は、制御部２３０を構成する各部（モデル構築部２３１、モデル統合部２３２、モデル再構築部２３３、推奨制御計算部２３４）と同様に、ソフトウェアプログラムを実行することにより、その機能が実現される。制御部２３０は、例えばＣＰＵ（Central Processing Unit）やＲＡＭ（Random access memory）、ＲＯＭ（Read only memory）等、ハードウェアとしては一般的な要素により構成される。制御部２３０は、モデル構築部２３１と、モデル統合部２３２と、モデル再構築部２３３と、推奨制御計算部２３４とを有し、本実施例の特徴的な機能を実現する処理行う。

モデル構築部２３１は、KPIデータ記憶部２４１に記憶されているKPIデータと、４Mデータ記憶部２４２に記憶されている４Mデータとを用いて、４MデータとKPIデータから因果関係モデルを構築する。本システムでは、構築した因果関係モデルに対して、付帯情報記憶部２４３に記憶されている付帯情報を新たに追加した因果関係モデルを部分モデルとして構築する。構築された部分モデルは部分モデル記憶部２４５に記憶される。付帯情報とは、因果関係モデルの構造を変えうる上記生産リソースを識別するための情報である。本実施例では、付帯情報として、４MデータやKPIデータを出力する生産リソースの属性（例えば、機種やメーカー、バージョンのほか、性能や性質といった生産リソースの特徴を示す情報）、生産リソースを用いた製造手順（例えば、製品の組み立て手順や加工手順を示す情報）、生産リソースが設置されている場所や位置（例えば、製品を製造する工場の場所や製造ラインの位置を示す情報）を含む例を挙げているが、これらに限定されない。

モデル統合部２３２は部分モデル記憶部２４５に記憶されている部分モデルと、統合モデル記憶部２４６に記憶されている統合モデルを用いて、部分モデルの技術情報を統合モデルに追加し、新たな統合モデルとして構築する。構築された統合モデルは統合モデル記憶部２４６に記憶される。

モデル再構築部２３３は、統合モデル記憶部２４６に記憶されている統合モデルと、付帯情報記憶部２４３に記憶されている付帯情報を用いて、統合モデルから、指定された付帯情報を含むモデルを抽出し、再構築モデルとして構築する。構築された再構築モデルは、再構築モデル記憶部２４７に記憶される。

推奨制御計算部２３４は、再構築モデル記憶部２４７に記憶されている再構築モデルと、KPIデータ記憶部２４２に記憶されているKPIデータを用いて、本システムを使用するユーザが選択したKPIデータの値を変更するために推奨される制御データを計算する。計算された推奨制御データは、推奨制御データ２４４に記憶される。

以下、制御部における処理の詳細について説明する。

図３から図９を用いて、モデル構築部２３１の詳細な処理について説明する。図３は、モデル構築部２３１で実施する処理フローの例である。まず、製造時の実績データから、製造時の生産性やコストとして設定されているKPIデータ３０１、センサ情報などから４Mデータ３０２を抽出し、工場、工程、装置といった付帯情報３０３を入力とする。

KPIデータ３０１の定義例を図４に示す。図４において、KPIデータ４０１は、KPIデータ記憶部２４１に記憶され、１行目はヘッダ情報、１列目に製品ID、2列目に生産性、3列目にコストの値といった目標値を保持する。KPIデータに限らず、以下で示すデータ定義は例であり、データ保持方法は別の方法であってよい。

４Mデータ３０２の定義例を図５に示す。図５において、４Mデータ５０１は、４Mデータ記憶部２４２で記憶され、Machineデータ５０２、Manデータ５０３、Materialデータ５０４、Methodデータ５０５から構成される。Machineデータ５０２は１列目から順に設備ID、工具種、加工速度、稼働時間など設備に関するデータを保持する。Manデータ５０３は１列目から順に作業者ID、作業実績、作業場所、作業時間など、作業者の作業に関するデータを保持する。Materialデータ５０４は１列目から順に材料ID、品質、投入実績、温度など材料に関するデータを保持する。Methodデータ５０５は１列目から順にMethod ID、製造条件を示すレシピ、作業指示Noなど作業方法に関するデータを保持する。

付帯情報３０３の定義例を図６に示す。図６において、付帯情報６０１は、付帯情報記憶部２４３に記憶され、装置の機種、工程、場所などの付帯情報を保持している。データ６０２は、装置機種の付帯情報として１列目から順にEquipment ID、機種名、メーカーなどの装置を識別するための項目を保持している。データ６０３は、工程の付帯情報として１列目から順にProcess ID、プロセス名などの工程を識別するための項目を保持している。データ６０４は、工場の付帯情報として、Fab ID、工場名などの工場を識別するための項目を保持している。

次に図３のモデル構築処理の因果関係モデル構築処理３０４と、付帯情報の追加処理３０５を説明する。因果関係モデル構築処理３０４では、モデル構築部２３１は、KPIデータと、４Mデータを用いて因果関係グラフを生成する。従来の因果関係モデルは、単に因果関係をグラフ化したものであるのに対して、本システムでは、工程間、装置間でも共通のモデルで技術情報を共有するために、モデル構築部２３１は、付帯情報の追加処理３０５により、因果関係モデルに対して、新たに付帯情報を追加した因果関係モデルを、部分モデル３０６として構築する。

構築される部分モデルは、図７で表現される。図７（a）はグラフ表現、図７（ｂ）は、データテーブル表現の例を示す。図７（a）において、モデル構築部２３１は、KPIデータ３０１、４Mデータ３０２の各項目を因果関係モデルにおけるノードをノード７０１で表現し、ノード７０１間をエッジとして矢印でつなぐ。モデル構築部２３１は、付帯情報もノード７０１として追加し、付帯情報が追加されたノード７０１と矢印でつなぐ。図７（ｂ）のデータテーブル表現において、因果関係モデルにおける各ノードは、ノード番号、ノード名、親ノード、確率配列、付帯情報を有したテーブル７０２から構成される。ノード番号はノード生成順に採番され、ノード名はデータの項目名、親ノードは因果関係モデル上で接続されたノードの内、矢印の始点にあるノード７０１の集合からなる。確率配列は、矢印の終点側にあるノード７０１に対して定義される。モデル上では因果関係のあるノードをエッジでつないでおり、例えば図７では、n1が加工装置における加工速度、n2が加工速度を原因として変動する加工時間となる。各ノードは制御データだけでなく、センサで取得したデータや、人の作業に関するデータに対しても設定される。

確率配列の例を図８に示す。確率配列は、各ノードが取りうる全ての値に対する条件付き確率を格納するテーブルである。図８の例に対する確率配列は、ノードn1、n2及びn3が取りうる全ての値に対して、条件付き確率が保持される。図８（a）は、付帯情報１（機種）がAaに対するノードn1とノードn2との間の確率配列、図８（ｂ）は付帯情報１（機種）がBbに対するノードn1とノードn2との間の確率配列の例である。図７の例では付帯情報１（機種）はAaの因果関係しか無いため、モデル構築部２３１は、付帯情報の追加処理３０５において、付帯情報１（機種）がBbの時の確率配列による影響を排除するように定義する。例えば、モデル構築部２３１は、付帯情報１（機種）がBbの時の確率配列について、当該確率配列を構成する各ノードが取りうる値に依存しないように定義する。これにより、付帯情報１（機種）がBbのとき、部分モデルを構成するノードn1、n2間に因果関係が無いように定義可能である。このように確率配列を定義することにより、装置ごとの技術情報を共通のモデルで保持することが可能となり、また、付帯情報に基づいて、装置の構成に応じたモデルの抽出が可能となる。

モデル構築部２３１からの指示に従って因果関係モデル表示部２２１が表示するモデル構築画面について図９を用いて説明する。図９は、モデル構築画面の例である。モデル構築画面９００は、部分モデル表示部９１１と、付帯情報設定表示部９１２から主に構成される。部分モデル表示部９１１は、モデル構築部２３１で得られた因果関係の部分モデルをグラフ形式で表示する部分である。まず、ユーザからモデル構築のボタン９１４が押下されると、モデル構築部２３１は、KPIデータと４Mデータから因果関係モデルを構築する処理が行われる。因果関係モデル表示部２２１がその結果を部分モデル表示部９１１に表示する。

付帯情報設定表示部９１２は、部分モデル表示部９１１に表示された部分モデルに対して付帯情報を設定する部分である。まず、ユーザから、部分モデル表示部９１１に表示された部分モデルの一部が選択される。例えば、図９では部分モデルにおけるn1、n2、n4が選択された状態である。このとき、ユーザから、付帯情報設定表示部９１２において、所属情報が入力され、所属情報チェックボックスにチェックが入れられる。図９の例では、所属情報１：機種に対して、機種Aaが入力され、チェックが入れてある状態を示している。この状態で設定するボタン９１３が押下されると、因果関係モデル表示部２２１が表示する部分モデル表示部９１１に表示された部分モデルの選択された部分に対して、モデル構築部２３１が付帯情報を設定する。モデル保存が押下されると、モデル構築部２３１が部分モデルを部分モデル記憶部２４５に記憶する。

次に図１０と図１１を用いて、モデル統合部２３２で実施するモデル統合処理について説明する。図１０は、モデル統合処理フローの例である。モデル統合処理では、モデル統合部２３２が、部分モデル３０６と、統合モデル記憶部２４６に記憶されている統合モデル１００１を入力として、ノード探索処理１００２において、部分モデル３０６の各ノード７０１が統合モデル１００１に存在するか探索する。モデル統合部２３２は、ノード有判定処理１００３で共通のノード７０１があるか否かを判定し、共通のノード７０１が無いと判定した場合（１００３；ｎｏ）、ノード追加処理１００４で統合モデル１００１に新たにノード７０１を追加する。新たに追加されたノードに対しては、同じ付帯情報無判定処理１００５において、新たに追加されたノードであるため、同じ付帯情報は無いと判定される（１００５；ｙｅｓ）。このため、付帯情報の更新処理１００６、確率配列の追加処理１００７において、モデル統合部２３２は、部分モデル３０６における付帯情報、確率配列を追加する。

モデル統合部２３２は、ノード有判定処理１００３において、共通のノード７０１があると判定した場合には（１００３；ｙｅｓ）、既存の統合モデル１００１にあるノード７０１に対して、同じ付帯情報無判定処理１００５において同じ付帯情報が無いか判定する。モデル統合部２３２は、同じ付帯情報が無いと判定した場合は（１００５；ｙｅｓ）、付帯情報の更新処理１００６において、部分モデル３０６の付帯情報を追加する。モデル統合部２３２は、同じ付帯情報が有ると判定した場合は（１００５；ｎｏ）、重複して追加することはせず、確率配列の追加処理１００７を実行する。モデル統合部２３２は、付帯情報に対する確率配列の追加処理１００７の処理を実行することにより、部分モデル３０６を統合モデル１００１に統合した新たな統合モデル１００８を構築する。

図１１は、統合モデル表示部２２２が表示するモデル統合画面の例である。モデル統合画面１１００は、呼出モデルの表示部１１１１、部分モデル表示部１１１２、統合モデル表示部１１１３から主に構成される。ユーザから統合モデルを呼び出すボタン１１１４が押下されると、統合モデル表示部２２２は、呼出モデル表示部１１１１に呼び出した統合モデルである呼出モデルを表示する。部分モデル表示部１１１２は、統合する部分モデルを表示する部分である。ユーザから部分モデルを呼び出すボタン１１１５が押下され、部分モデル記憶部２４５に記憶されている部分モデルから統合したい部分モデルが選択されると、統合モデル表示部２２２は、部分モデル表示部１１１２に該当する部分モデルを表示する。

呼出モデル表示部１１１１に呼出モデルが表示され、部分モデル表示部１１１２に部分モデルが表示された状態で、モデルを統合するボタン１１１６が押下されると、モデル統合部２３２がモデル統合処理を実行し、統合モデルに部分モデルが追加された新たな統合後のモデルとして統合モデルが統合モデル表示部１１１３に表示される。統合モデルを保存するボタン１１１７が押下されると、モデル統合部２３２が統合モデル表示部１１１３に表示されている新たな統合モデルを、統合モデル記憶部２４６に記憶する。図１０の統合モデル処理フローはあくまで例であり、統合モデルに統合するモデルを部分モデルに限る必要は無い。例えば、統合モデルが複数ある場合も同様に考えることができ、その場合、一方の統合モデルを部分モデルとして扱うことにより、複数の統合モデルを一つのモデルに統合することも可能である。

次に、図１２と図１３を用いてモデル再構築部２３３におけるモデル再構築の処理について説明する。

図１２は、モデル再構築部２３３で実施するモデル再構築処理フローの例である。新たな統合モデル１００８と付帯情報３０３を入力とする。モデル再構築部２３３は、入力された付帯情報３０３に該当するノードを新たな統合モデル１００８から検索する処理１２０１を実行し、該当するノードと、ノードに接続されたエッジをモデルとして抽出する。検索、抽出する方法は単にノードを検索する方法に限らず、因果関係モデルの特徴を活用した方法として、積分計算を実施することにより、不要なノードを一括して削除する処理を実行しても良い。モデル再構築部２３３は、抽出したモデルを再構築モデル１２０３として出力する。

図１３は、再構築モデル表示部２２３が表示するモデル再構築画面の例である。モデル再構築画面１３００は、統合モデル表示部１３１１と、付帯情報入力部１３１２と、再構築モデル表示部１３１３から主に構成される。再構築モデル表示部２２３は、ユーザからモデルを呼び出すボタン１３１５が押下されると、統合モデル記憶部２４６に記憶されている統合モデルを呼び出して統合モデル表示部１３１１に表示する。また、再構築モデル表示部２２３が表示する付帯情報入力部１３１２において、ユーザにより付帯情報が入力され、チェックボックスにチェックされた後、設定するボタン１３１４が押下されると、モデル再構築部２３３が検索対象となる付帯情報を設定する。付帯情報が設定された状態で、モデルを再構築するボタン１３１６が押下されると、モデル再構築部２３３の処理が実行され、再構築モデル表示部２２３は、再構築モデル表示部１３１３に、設定された付帯情報を含むモデルを再構築モデルとして表示する。

このとき、ユーザは、再構築モデル表示部２２３が表示した再構築モデルを確認し、例えば、表示した再構築モデルの付帯情報の機種を他の異なる機種にリプレースした場合の再構築モデルを確認することもできる。上記付帯情報入力部１３１２において他の異なる機種を入力してチェックボックスにチェックしてモデルを再構築するボタン１３１６が押下されると、再びモデル再構築部２３３の処理が実行され、再構築モデル表示部２２３は、入力され他の異なる機種を適用した再構築モデルを表示する。モデルを保存するボタン１３１７が押下されることで、モデル再構築部２３３は再構築モデルを再構築モデル記憶部２４７に記憶する。は、上記で説明した、部分モデル記憶部２４５に記憶されている部分モデル、統合モデル記憶部２４６に記憶されている統合モデル、再構築モデル記憶部２４７に記憶されている再構築モデルの定義例はいずれも因果関係モデルに対して付帯情報を追加したモデルであり、その定義例は、図７に示す通りである。

次に図１４から図１７を用いて、推奨制御計算部２３４における推奨制御計算処理について説明する。

図１４は、推奨制御計算部２３４で実施する推奨制御計算処理フローの例である。再構築モデル１２０３と、KPIデータ３０１を入力とする。推奨制御計算部２３４は、まず、制御情報の探索処理１４０１を実行して、再構築モデル１２０３における、KPIデータ３０１を探索してKPIの一覧を抽出する。推奨制御計算部２３４は、抽出されたKPIに対して、制御改善の推定処理１４０２を実行する。推奨制御計算部２３４は、制御改善の推定処理１４０２において、再構築モデル１２０３を構成する各ノードの確率配列を用いることで、抽出された再構築モデル１２０３のKPIを改善するための推奨制御を推定する。図１５に示した確率配列の例を用いて推定方法を説明する。

図１５は、制御情報を加工速度、KPIを生産性として、因果関係を計算したときの確率配列の例である。推奨制御計算部２３４は、例えば、図１５において生産性が1.1以上となる期待値を列ごとに計算して、最も期待値の高い加工速度を推奨制御として計算する。推奨制御計算部２３４は、図１５において生産性が1.1以上となる条件を満たす太枠内に示す値の中から最も期待値の高い加工速度を選択した推定制御の計算結果を、推奨制御データ１４０３として出力する。なお、例えば、制御情報である加工速度と作業時間との関係から推奨制御を算出することもできる。

図１６に、推奨制御データ記憶部２４４に記憶されている推奨制御データの定義例を示す。１列目から順に項目名、推奨制御のデータを保持している。図１６では、推奨制御計算部２３４により選択された最も期待値の高い加工速度が1.5であることがわかる。制御改善の推定処理１４０２においては、確率配列を利用した方法に限定するものではない。例えば、再構築モデルにおいて、制御情報とKPIの因果関係を抽出した後、制御を変更したシミュレーションを実施することにより、KPIを改善する制御情報を探索することにより、推奨制御を抽出する手法をとってもよい。

図１７は、推奨制御表示部２２４により表示される推奨制御表示画面の例である。推奨制御表示画面１７００は、再構築モデル表示部１７１１と、KPI一覧表示部１７１２と、KPI周辺情報表示部１７１３と、推奨作業案表示部１７１４から主に構成される。ユーザからモデルを呼び出すボタン１７２０が押下され、再構築モデルが選択されると、推奨制御表示部２２４は、再構築モデル表示部１７１１に再構築モデルを表示する。並行して、推奨制御表示部２２４は、KPI一覧表示部１７１２に再構築モデルを構成するノードを含むKPIテーブル１７１５を表示する。KPIテーブル１７１５に表示されたKPIのチェックボックスにチェックを入れた状態で、設定するボタン１７１６が押下されると、推奨制御表示部２２４は、KPI周辺情報表示部１７１３にチェックされたKPIと因果関係のあるノードを含む制御テーブル１７１７を表示する。制御テーブル１７１７に表示された項目にチェックが入れられると、推奨制御表示部２２４は、推奨作業案表示部１７１４に、チェックされたノードについての推奨制御案テーブル１７１８を表示する。

図１８は、モデル詳細情報表示部２２５が表示する因果関係モデルの詳細表示画面の例である。因果関係モデルの詳細表示画面１８００は、因果関係モデル表示部１８１１と、詳細情報表示部１８１２から主に構成される。ユーザからモデルを呼び出すボタン１８１３が押下され、表示するモデルが選択されると、モデル詳細情報表示部２２５は、因果関係モデル表示部１８１１に選択したモデルを表示する。並行して、モデル詳細情報表示部２２５は、詳細情報表示部１８１２に選択したモデルの詳細情報を表示する。

次にシステムの活用事例とその効果について説明する。

図１９に本システムのデータ格納について一例を示す。まず、本システムのモデル構築部２３１は、工場や製造現場などのエッジ１９０１の層において、４Mデータ、KPIデータを抽出する。また、モデル構築部２３１は、抽出した４Mデータ、KPIデータから付帯情報を追加した因果関係モデルを部分モデルとして構築し、データマート１９０２の層へ格納する。モデル統合部２３２は、モデル構築部２３１が構築した部分モデルをクラウド１９０３の層に統合モデルへ追加して、統合モデルを更新する。モデル再構築部２３３は、クラウド１９０３の層にある統合モデルを工場B向けに再構築し、データマート１９０４に格納する。モデル再構築部２３３は、格納した再構築モデルをエッジ１９０５の層にある工場Bに適用する。図１９に記載の格納する層は一例であり、このような格納方法に限定されるものではない。

図２０に本システム活用方法の一例を示す。図２０では、図１９に示したエッジ１９０１の層に設けられた複数ある既存工場２００１の各工場で出力された４Mデータ、KPIデータを含む製造実績から、図１９に示したデータマート１９０２の層に設けられたデータセンタで部分モデル２００２が構築される。各工場に対応して設けられたデータセンタで構築された部分モデル２００２は、図１９に示したクラウド１９０３の層に設けられたクラウドシステムにおいて統合モデル２００３に統合され、共通の技術情報として共有、活用することが可能である。付帯情報を用いることにより、上記データマート１９０２の層に設けられた新工場２００５に対応するデータセンタで統合モデル２００３から新工場２００５に対して適用可能な再構築モデル２００４を構築することができる。さらに、新工場２００５で出力された４Mデータ、KPIデータを含む製造実績から、上記データマート１９０２の層に設けられた新工場に対応するデータセンタで部分モデル２００２が構築され、既存工場２００１の場合と同様に、上記クラウド１９０３の層に設けられたクラウドシステムにおいて統合モデル２００３に統合され、新たな共通の技術情報として共有、活用される。そして、複数の既存工場２００１の各工場または／および新工場２００５に対応する部分モデル２００２が上記のように統合モデル２００３に繰り返し統合され、システム自体が統合モデル２００３を学習してゆく。このような活用方法により、工場内だけでなく、新工場で蓄積した技術知識を共有することで、新工場の立ち上げ期間短縮や、生産性の向上、コスト低減などのKPI改善に貢献することができる。また、新規の工場における製造実績から新たに部分モデル２００２を構築し、統合モデル２００３に統合することにより、技術知識を蓄積していく。

図２０においては、新工場２００５に再構築モデル２００４を適用しているが、新工場２００５に限定するものではなく、再構築モデル２００４は既存工場２００１のいずれか複数の既存工場２００１に対して構築、適用しても良い。また、図２０に示す３つの既存工場２００１のそれぞれに対応する部分モデル２００２は、例えば、図１９に示したデータマート１９０２の層を構成する１つのデータセンタで構築されても良いし、各工場に対応するそれぞれのデータセンタで構築されても良い。さらには、新工場２００５に対応する部分モデル２００２や再構築モデル２００４を含めて上記１つのデータセンタで構築されても良いし、新工場に対応するデータセンタで構築されても良い。

図２１Ａ、２１Ｂは、本実施例における付帯情報を追加して、統合モデルを保持することによる効果の一例である。図２１Ａの（a）において、加工装置：機種Aa２１０１の製造実績から部分モデル構築２１０２の処理を実行し、付帯情報の無い因果関係モデルを加工装置の部分モデル２１０３として構築する。この部分モデル２１０３を実際に加工装置に適用することを考える。付帯情報が無い場合、加工装置:機種Aa２１０４には機種とモデルが一致した状態で適用できるが、加工装置：機種Bb２１０５に適用しようとすると、機種とモデルが不一致であり、センサ情報などが異なると、モデルを適用することが出来ない。

一方、図２１Ｂの（b）では、加工装置：機種Aa２１０１、加工装置：機種Bb２１０５から部分モデルを構築するが、いずれも付帯情報のある因果関係モデルを構築する。これらのモデルをモデル統合処理２１０７により、統合モデル２１０８として保持する。統合モデル２１０８からモデル再構築処理２１０９により加工装置：機種Aaの再構築モデル２１１０を再構築して、加工装置：機種Aa２１０１に適用し、加工装置：機種Bbの再構築モデル２１１１を再構築して、加工装置：機種Bb２１０５に適用することで、いずれの装置においても機種とモデルが一致して、モデルを適用することが可能となる。

次に、ユーザに対してKPI改善する推奨制御を提供する事例について図２２から図２７を用いて説明する。図２２は、図２における技術情報共有システムに対して、システムのユーザがその目的に応じて必要なモデルを組み替えて利用する事例において、システムから推奨された制御を実行する時に発生する費用を計算する機能を追加した例である。表示部２２０に対して、ユーザの目的に応じてモデル組み替え操作を行うモデル組替表示部２２０１、推奨制御に対する課金情報を表示する課金情報表示部２２０２を追加し、制御部２３０に対して推奨制御に対する課金額を計算する課金計算部２２０３を追加し、記憶部２４０に対して課金データ記憶部２２０４を追加したシステムである。

モデル組替表示部２２０１について、図２３を用いて説明する。図２３は、モデル組替表示部２２０１が表示するモデル組替画面の例である。モデル組替画面２３００は、再構築モデル表示部２３０１、組替後モデル表示部２３０２、付帯情報、４M設定表示部２３０３から主に構成される。ユーザからモデルを呼び出すボタン２３０５が押下され、再構築モデルが選択されると、モデル組替表示部２２０１は、再構築モデル表示部２３０１に再構築モデルを表示する。付帯情報、４M設定表示部２３０３において、付帯情報と、４Mの中で必要なデータが入力され、チェックボックスにチェックを入れて設定するボタン２３０４が押下されると、モデル再構築部２２３は、設定したデータだけを用いた組替後のモデルを構築し、モデル組替表示部２２０１が組み替え後のモデルを組替後モデル表示部２３０２に表示する。組替後モデル表示部２３０２にモデルが表示された状態でモデルを保存するボタン２３０６が押下されると、モデル再構築部２２３は、組替後モデル表示部２３０２に表示されたモデルを再構築モデルとして再構築モデル記憶部２４７に記憶する。

課金計算部２２０３について、図２４から図２６を用いて説明する。図２４は、課金計算フローの例である。再構築モデル１２０４、推奨制御データ１４０３、課金データ２４０１を入力とする。課金計算部２２０３は、まず、効果の推定処理２４０２で、再構築モデル１２０３、推奨制御データ１４０３から、図１４の推奨制御推定において活用した図１５の確率配列を用いて、推奨制御設定時のKPIへの効果を推定する。課金計算部２２０３は、課金額の計算処理２４０３において、推定された効果と課金データ２４０１を用いて本システムのユーザへの課金額２４０４を計算し、出力する。

図２５は、課金データ記憶部２００４に記憶される課金データの定義例である。１列目から順に項目、効果、課金額を定義したデータを保持している。図２５では、本システムにより効果が0.1向上すると、その効果に応じて、1.0M円ユーザに課金されることがわかる。課金データはユーザによってあらかじめ設定される。

図２６は、推奨制御表示部２２４が表示する推奨制御表示画面に課金計算２６０１が追加された画面の例である。まず、図１７における操作と同様に推奨作業テーブル１７１８が表示された後、設定するボタン１７１９が押下され、課金を計算するボタン２６０１が押下されると、課金計算部２２０３は、図２４に示された課金額の計算フローに沿って、課金の計算を開始する。

図２７は、課金情報表示部２２０２が表示する課金情報表示画面の例である。課金情報表示画面２７００は、提供元・提供先表示部２７０１と、付帯情報、４Mデータの確認表示部２７０２と、効果推定表示部２７０３と、サマリ表示部２７０４から主に構成される。課金情報表示部２２０２は、提供元・提供先表示部２７０１に表示される参照するボタン２７０５が押下されて選択することで、提供元・提供先を設定できる。提供元・提供先は、課金情報表示部２２０２が、あらかじめ記憶部２４０や本システムに接続された外部のシステムやコンピュータに記憶されている組織情報を読み出すなどして設定すればよい。また、課金情報表示部２２０２は、付帯情報、４Mデータの確認表示部２７０２に、図２３で付帯情報、４M設定表示部２３０３から設定されたデータを表示する。図２３で設定されていない場合は、再構築モデルに含まれている付帯情報、４Mデータが表示される。また、課金情報表示部２２０２は、効果推定表示部２７０３に、図２４の処理で計算された推定効果を表示する。また、課金情報表示部２２０２は、サマリ表示部２７０４に、設定された提供元・提供先と、推奨作業データの参照ボタン２７０６と課金額を表示する。参照ボタン２７０６が押下されると、推奨制御表示部２２４が図２６の推奨制御表示画面を表示する。図２７では、推定された効果にしたがって、A会社からB会社に対して3M円が課金されることがわかる。

このように、本実施例によれば、Man、Machine、Material、Methodデータからなる４Ｍデータと、KPIデータを用いて因果関係モデルを構築し、更に、構築した因果関係モデルに対して、装置や工場のデータを付帯情報として、因果関係モデルに追加して、新規のモデルを構築し、構築したモデルを統合して、共通の統合モデルとして保持し、統合モデルに蓄積した技術情報を活用する場合に追加した付帯情報を用いて統合モデルから工場の設備に応じたモデルを再構築して適用する。したがって、付帯情報を考慮した因果関係に基づいて構築したモデルを統合した共通のモデルの構築が可能となる。したがって、既存装置で培った技術情報を共通の知識として、共有・展開することにより、生産性の向上に貢献する。また、新規の工程、工場にも技術知識を展開することにより、立ち上げ期間を短縮することが可能となる。

従来から、熟練技術やノウハウに依存しないプロセス・検査計測の構築が求められていたが、本システムにより、高品質な製品を提供するレシピベースモノづくりの取組みを加速させることが可能となる。また、例えば、従来の因果関係モデルでは装置の機種(type)が異なるとモデルの構造が変わってしまい、差異ごとに個別のモデルを保持した場合、共通の構造が重複して保持すべきデータ量が膨大になってしまうところ、本システムによれば、個別にモデルを保持することなく、装置や工程ごとの技術情報を共有することが可能となる。

以上、実施の形態に基づき具体的に説明したが、取り扱うデータは、装置に関する情報に限られず、例えば、作業時間等の人由来の情報や、製品を構成する素材情報等の情報も含まれる。また、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。

２００・・・技術情報共有システム
２１０・・・入出力部
２２０・・・表示部
２２１・・・因果関係モデル表示部
２２２・・・統合モデル表示部
２２３・・・再構築モデル表示部
２２４・・・推奨制御表示部
２２５・・・モデル詳細情報表示部
２３０・・・制御部
２３１・・・モデル構築部
２３２・・・モデル統合部
２３３・・・モデル再構築部
２３４・・・推奨制御計算部
２４０・・・記憶部
２４１・・・KPIデータ記憶部
２４２・・・４Mデータ記憶部
２４３・・・付帯情報記憶部
２４４・・・推奨制御データ記憶部
２４５・・・部分モデル記憶部
２４６・・・統合モデル記憶部
２４７・・・再構築モデル記憶部

Claims (10)

1. 製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルに対して、因果関係モデルの構造を変えうる生産リソースを識別するための付帯情報を追加した部分モデルを構築するモデル構築部と、
   前記部分モデルに追加された前記付帯情報に基づいて、前記部分モデルを統合した統合モデルを構築するモデル統合部と、
   を備えることを特徴とする技術情報共有システム。
2. 入力された付帯情報を含むモデルを前記統合モデルから抽出し、抽出した前記モデルを再構築モデルとして構築するモデル再構築部、
   を備えることを特徴とする請求項１に記載の技術情報共有システム。
3. 前記再構築モデルにおける前記業績評価指標データと、前記再構築モデルを構成するノードの確率配列とに基づいて、抽出された前記再構築モデルの業績評価指標を改善するための推奨制御を推定した推奨制御データを出力する推奨制御計算部、
   を備えることを特徴とする請求項２に記載の技術情報共有システム。
4. 前記モデル構築部は、前記部分モデルを構成するノードのうち、因果関係がないノード間の前記確率配列について、当該確率配列を構成する各ノードが取りうる値に依存しないように定義する、
   ことを特徴とする請求項３に記載の技術情報共有システム。
5. 前記再構築モデルと、前記推奨制御データとに基づいて、推奨制御設定時の業績評価指標への効果を推定し、推定された効果と、前記効果に応じて定められた課金額が定義された課金データとに基づいて、前記効果による課金額を計算する課金計算部、
   を備えることを特徴とする請求項３に記載の技術情報共有システム。
6. データマート層とクラウド層とを有して構成される技術情報共有システムであって、
   前記データマート層は、
   生産リソースから出力された製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルに対して、因果関係モデルの構造を変えうる生産リソースを識別するための前記生産リソースを識別するための付帯情報を追加した部分モデルを構築するモデル構築部と、入力された付帯情報を含むモデルを統合モデルから抽出し、抽出した前記モデルを再構築モデルとして構築するモデル再構築部と、を有し、
   前記クラウド層は、
   前記部分モデルに追加された前記付帯情報に基づいて、前記部分モデルを統合した前記統合モデルを構築するモデル統合部を有する、
   ことを特徴とする技術情報共有システム。
7. 前記生産リソースを有したエッジ層を備え、
   前記データマート層の前記モデル構築部は、前記エッジ層から出力された前記品質指標データと前記業績評価指標データとに基づいて構築した因果関係モデルに対して、前記部分モデルを構築する、
   ことを特徴とする請求項６に記載の技術情報共有システム。
8. 前記エッジ層は、
   前記生産リソースとして既存工場および新工場から構成され、前記既存工場および前記新工場のそれぞれは、前記品質指標データと前記業績評価指標データとを出力し、
   前記データマート層は、前記既存工場および前記新工場のそれぞれに対応して設けられ、
   前記既存工場に対応する前記データマート層は、前記既存工場の前記モデル構築部が、前記既存工場から出力された前記品質指標データと前記業績評価指標データとに基づいて構築した因果関係モデルに対して、前記因果関係モデルの構造を変える前記既存工場を識別するための付帯情報を追加した既存工場部分モデルを構築し、
   前記新工場に対応する前記データマート層は、前記新工場の前記モデル構築部が、前記新工場から出力された前記品質指標データと前記業績評価指標データとに基づいて構築した因果関係モデルに対して、前記因果関係モデルの構造を変える前記新工場を識別するための付帯情報を追加した新工場部分モデルを構築し、前記新工場の前記モデル再構築部が、入力された付帯情報を含むモデルを前記統合モデルから抽出し、抽出した前記モデルを再構築モデルとして構築し、
   前記クラウド層は、
   前記モデル統合部が、前記既存工場部分モデルに追加された前記付帯情報または／および前記新工場部分モデルに追加された前記付帯情報に基づいて、前記統合モデルを構築する、
   ことを特徴とする請求項７に記載の技術情報共有システム。
9. 製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて因果関係モデルを構築し、
   構築された前記因果関係モデルに対して、因果関係モデルの構造を変えうる生産リソースを識別するための付帯情報を追加した部分モデルを構築し、
   前記部分モデルに追加された前記付帯情報に基づいて、前記部分モデルを統合した統合モデルを構築する、
   ことを特徴とする技術情報共有方法。
10. 入力された付帯情報を含むモデルを前記統合モデルから抽出し、
    抽出した前記モデルを再構築モデルとして構築する、
    ことを特徴とする請求項９に記載の技術情報共有方法。

Images