JP2019087061A - 生産プロセスの解析方法 - Google Patents

生産プロセスの解析方法 Download PDF

Info

Publication number
JP2019087061A
JP2019087061A JP2017215213A JP2017215213A JP2019087061A JP 2019087061 A JP2019087061 A JP 2019087061A JP 2017215213 A JP2017215213 A JP 2017215213A JP 2017215213 A JP2017215213 A JP 2017215213A JP 2019087061 A JP2019087061 A JP 2019087061A
Authority
JP
Japan
Prior art keywords
groups
lot
route
product
production process
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2017215213A
Other languages
English (en)
Other versions
JP6923420B2 (ja
Inventor
浩司 河野
Koji Kono
浩司 河野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Chemical Engineering Corp
Original Assignee
Mitsubishi Chemical Engineering Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Chemical Engineering Corp filed Critical Mitsubishi Chemical Engineering Corp
Priority to JP2017215213A priority Critical patent/JP6923420B2/ja
Publication of JP2019087061A publication Critical patent/JP2019087061A/ja
Application granted granted Critical
Publication of JP6923420B2 publication Critical patent/JP6923420B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】複数の工程を経て製造される製品や提供されるサービスの品質を安定化させる生産プロセスの解析方法を提供する。【解決手段】方法は、生産プロセスのプロダクトデータ及びプロセスデータをロット毎に収集するステップＳ１と、工程のプロダクトデータに応じて各工程を複数のグループに区分するステップＳ４と、グループの組み合わせ毎にロットを複数のルートに区分するステップＳ５と、ルートのプロセスデータに応じてルートの優劣を判定するステップＳ６と、ルートの優劣に応じて、グループの好適な組み合わせを特定するステップＳ７と、を含む。【選択図】図１

Description

本発明は、製品やサービスを生産する生産プロセスの解析方法に関する。
製品を製造する生産プロセスでは、自動化された製造設備による工程や作業者による手作業の工程を含む。また、パーツ洗浄や医薬品開発における治験結果の解析等のサービスを提供する生産プロセスでは、洗浄装置や解析装置による工程や作業者による手作業の工程を含む。
このような製品製造やサービス提供を行う生産プロセスでは、設備の運転状況、作業員の作業状況、原料や製品のハンドリングの仕方等によってロット間で製品やサービスの品質にバラつきが生じる。
製品の品質のばらつきを抑制するために、製品の製造プロセスに関するプロダクトデータ及びプロセスデータに主成分分析及びクラスター分析を適用して製造プロセスのロットを複数のグループに区分し、グループ間の優劣に寄与するデータである阻害要因を特定するものが知られている（例えば、特許文献１参照）。
このような製造プロセスの解析方法では、グループ間の優劣に寄与する阻害要因を特定することにより、製造プロセスが効率的良く改善されるため、ロット間の製品の品質を向上させることができる。
特許第５９５６０９４号公報
ところで、製品やサービスは、様々な工程を経て生産される。上述したような解析方法では、生産プロセス全体のプロセスデータから阻害要因を特定するものであり、例えば、工程毎の状態を考慮してプロセス全体を改善するには及ばないという問題があった。
そこで、複数の工程を経て製造される製品や提供されるサービスの品質を安定化させるために解決すべき技術的課題が生じてくるのであり、本発明は、この課題を解決することを目的とする。
上記目的を達成するために、本発明に係る生産プロセスは、複数の工程で構成され、製品又はサービスを生産する生産プロセスの解析方法であって、前記工程毎の状態を示す状態量及び前記製品又はサービスの品質を示す品質項目を少なくとも含むデータを前記生産プロセスのロット毎に収集するステップと、前記工程の状態量に応じて各工程を複数のグループに区分するステップと、前記グループの組み合わせ毎に前記ロットを複数のルートに区分するステップと、前記ルートの品質項目に応じて前記ルートの優劣を判定するステップと、前記ルートの優劣に応じて、前記グループの好適な組み合わせを特定するステップと、を含む。
この構成によれば、工程の状態量に応じて工程を複数のグループに区分し、工程のグループの組み合わせ毎にロットを複数のルートに区分し、ルートの品質項目に応じてルートの優劣を判定することにより、製品やサービスの品質向上に寄与する工程の状態の組み合わせを選定することができる。
本発明は、工程の状態量に応じて工程を複数のグループに区分し、工程のグループの組み合わせ毎にロットを複数のルートに区分し、ルートの品質項目に応じてルートの優劣を判定することにより、製品やサービスの品質向上に寄与する工程の状態の組み合わせを選定することができる。
本発明の一実施形態に係る生産プロセスの解析方法を示すフローチャート。 第１の工程におけるロット毎の主成分得点及びグループを示すグラフ。 第２の工程におけるロット毎の主成分得点及びグループを示すグラフ。 第３の工程におけるロット毎の主成分得点及びグループを示すグラフ。 第４の工程におけるロット毎の主成分得点及びグループを示すグラフ。 第５の工程におけるロット毎の主成分得点及びグループを示すグラフ。 第６の工程におけるロット毎の主成分得点及びグループを示すグラフ。 各工程のグループの組み合わせ及びプロダクトデータを示す表。 図８のＣａｓｅ４〜７に対応する各工程のグループの組み合わせを示す図。
本発明の実施形態について図面に基づいて説明する。なお、以下では、構成要素の数、数値、量、範囲等に言及する場合、特に明示した場合及び原理的に明らかに特定の数に限定される場合を除き、その特定の数に限定されるものではなく、特定の数以上でも以下でも構わない。
本実施形態に係る解析方法は、製品（物）を製造するプロセス又はサービスを提供するプロセス（以下、総称して「生産プロセス」と称す）に適用される。生産プロセスには、機械設備のみで構成されて全ての工程が自動化されたプロセス、作業者の手作業による作業工程を含むプロセス、並びに機械設備によって自動化された製造工程及び作業者の手作業による作業工程を含むプロセスが含まれる。
以下では、生産プロセスの一例である繊維の製造ラインに本解析方法を適用した場合を例に説明する。なお、本発明を適用する生産プロセスは、繊維の製造ラインに限定して解釈されるものではなく、その他の製造ライン及びサービスを提供するプロセスも含まれることは言うまでもない。
繊維の製造ラインは、複数の工程で構成されているが、以下では、製造ラインを簡略化して、６つの工程（第１〜第６の工程）を経たと仮定して説明する。なお、「工程」とは、個々の処理毎に設定されても、複数の処理を総括して設定されても構わない。
なお、製造ラインを構成する各機器には、種々の値を測定する図示しないセンサが設けられている。センサの測定対象は、原料の投入量、加熱等の各種処理を行う処理装置内の温度、単位時間当たりの処理量等である。センサは、製造ラインを構成する製造設備を整除する制御装置に測定値を送る。
制御装置は、センサが測定した製品の生産条件を示すプロセスデータ、製品の品質を示すプロダクトデータ（品質データ）に基づいて、後述する処理を行う。プロセスデータは、製品の品質に影響し得る因子であり、工程の状態を示す状態量であって、例えば、生産プロセスの生産条件（製造設備の運転条件等）、原料の条件（原料の物性、組成等）等を含む。
図２は、本実施形態に係る生産プロセスの解析方法の手順を示すフローチャートである。
まず、動作済みの生産プロセスについて、制御装置は、センサが測定したプロセスデータとプロダクトデータとを収集する（ステップＳ１）。このステップＳ１では、ロット毎のプロセスデータ及びプロダクトデータを制御装置に記憶する。
次に、ステップＳ１で収集したプロセスデータ及びプロダクトデータを標準化して中間関数に変換する（ステップＳ２）。
ステップＳ２で行うプロセスデータの標準化処理は、公知のものであり、具体的には、数式１に基づいて制御装置が演算する。
次に、ステップＳ２で求めた中間変数に基づいて主成分負荷量及び主成分得点を求める（ステップＳ３）。ステップ３では、まず、中間変数における相関係数行列を作成し、相関係数行列の固有値と固有ベクトルを導出する。相関係数行列は、中間変数がｘ１、ｘ２、ｘ３・・のときに、第１主成分ＰＣ１は、数式２で示すように表される。また、第Ｎ主成分ＰＣｎは、数式３で示すように表される。そして、係数ａ１１、ａ１２、ａ１３・・を１行目の要素、係数ａｎ１、ａｎ２、ａｎ３・・をｎ行目の要素に用いることにより、相関係数行列が形成される。

次に、相関係数行列の固有ベクトルから主成分得点を求める。また、相関係数行列の固有値から各主成分の寄与率を求める。主成分の寄与率は、固有値を固有値の総和で割ることで得られる。ここで、固有値の大きい方から、第１主成分、第２主成分・・第Ｎ主成分を決定する。
具体的には、制御装置が、各ロットの中間変数ｘ１、ｘ２、ｘ３と相関係数行列の各係数とに基づいて、第１主成分ＰＣ１、第２主成分ＰＣ２・・の値、即ち、主成分得点を算出とする。図２は、第１の工程の状態量について、第１主成分を横軸、第２主成分を縦軸とする座標系に主成分得点をプロットしたグラフである。
次に、制御装置は、図２に示す主成分得点にクラスター分析を適用して、各ロットを複数のグループに区分する（ステップＳ４）。「クラスター分析」とは、解析対象データ（クラスター）を類似性に着目して複数のグループに分類する方法であり、階層的クラスタリングや分類最適化クラスタリング等が知られている。本実施例におけるクラスター分析が着目する「類似性」とは、各ロットの主成分得点同士の距離をいう。本実施例では、階層的クラスタリングの一つである凝集型階層的クラスタリングを用いた。また、クラスター間の距離算出方法として、安定して解を得られるウォード法を用いた。「ウォード法」とは、２つのクラスターを併合した際の偏差平方和の増加量が最小になるクラスターを選択するものである。例えば、クラスターＡ、Ｂを併合してクラスターＣを生成する場合、クラスターＡ、Ｂ、Ｃ内の偏差平方和Ｓａ、Ｓｂ、Ｓｃは、それぞれ数式４〜６のように表される。


数式４〜６により、クラスターＣ内の偏差平方和Ｓｃは、以下のようになる。
数式７のΔＳａｂは、クラスターＡ、Ｂを併合してクラスターＣを生成した際の偏差平方和の増分であることを意味する。したがって、各併合段階でΔＳａｂが最小になるようにクラスターを選択して併合することにより、クラスタリングを進めていく。
本実施形態では、図２に示すように、第１〜第５の固有ベクトルまでの５次元空間で６つのグループ１〜６に区分した。なお、グループ１〜６は、図２中のクラスター１〜６にそれぞれ対応する。また、グループの数は、６つに限定されるものではなく、ハンドリングし易い数であれば５つ以下でも７つ以上であっても構わない。
同様にして、第２〜第６の工程についても、主成分得点をグラフ上にプロットし、複数のグループに区分する。図３〜７は、第２〜第６の工程の状態量について、主成分得点及びグループ（クラスター）を示すグラフである。
次に、第１〜第６の工程における各グループの組み合わせ毎にロットの生成過程を複数のルートに区分する（ステップＳ５）。本実施形態では、過去の生産実績に基づいて１６種類のルートが存在することが判明したため、１６のルートに区分した。図８に、全ルートの内訳を示す。なお、図８における「Ｃａｓｅ」は、上述したルートに相当し、図８中の数字は、第１〜第６の工程におけるグループの数字に対応する。また、図９に、ルートを構成するグループの組み合わせの例として、Ｃａｓｅ４〜７に対応するルートを示す。
次に、ルート毎にプロダクトデータの優劣を判定する（ステップＳ６）。このステップＳ６では、制御装置は、プロダクトデータ（外観検査不良率等）から得られる中間変数を図８のＣａｓｅ１〜１６に属するロット毎に呼び出し、これらプロダクトデータの優劣を判定する。
なお、プロダクトデータの優劣は、ルート毎に区分された複数のロット（ロット群）内の平均値に基づいて行うのが好ましい。これにより、ルート内のロット群のプロダクトデータのばらつきが平準化され、ルート間のプロダクトデータの良否の傾向を大局的に把握することができる。
また、プロダクトデータの優劣は、ルート内におけるプロダクトデータの偏差の大小や最大値及び最小値の差（範囲）の大小に基づいて判定しても構わないし、平均値、偏差又はＲ値等を２つ以上組み合わせて判定しても構わない。平均値と偏差とを組み合わせてプロダクトデータの優劣を判定するものとして、例えば、ルート内の平均値が同一の場合には、ルート内の偏差が小さいものを優と判断することが考えられる。これにより、ルート内でのプロダクトデータのばらつきを考慮したルート間のプロダクトデータの優劣の傾向を大局的に把握することができる。
そして、制御装置は、ルート毎のプロダクトデータを比較してその優劣を決定する。図８では、各ルートにおけるプロダクトデータとしての外観検査不良率をそれらの優劣に応じて優、良、可の３段階で評価した。
次に、ルート毎のプロダクトデータの優劣に応じて、第１〜第６の工程のグループの好適な組み合わせを特定する（ステップＳ７）。例えば、優と判定されたＣａｓｅ４、５と、良と判定されたＣａｓｅ６、７とを比較すると、これらは、第１、第２、第４、第６の工程は同一のグループであるものの、第３の工程では異なるグループである。また、第５の工程はグループ１、２の何れであってもプロダクトデータには大きく影響しないものと推測される。すなわち、第１の工程のグループ２、第２の工程のグループ２を経たルートでは、第３の工程のグループ１を組み合わせることが好ましいと分かる。
また、優と判定されたＣａｓｅ１４と、良と判定されたＣａｓｅ１５とを比較すると、これらは、第１〜第４、第６の工程は同一のグループであるものの、第５の工程では異なるグループである。すなわち、第１の工程のグループ５、第２の工程のグループ３、第３の工程のグループ４、第４の工程のグループ２、第５の工程のグループ１、第６の工程のグループ１の組み合わせが好ましいことが分かる。なお、本実施形態における「好適な組み合わせ」とは、プロダクトデータの改善に寄与する組み合わせを意味するものであり、プロダクトデータが最も優れた組み合わせのみを意図するものではない。
ステップＳ７で選定された組み合わせに基づいて、各工程の製造条件を設定する場合には、各グループのプロセスデータの平均値を製造条件の初期値に設定し、このときのプロダクトデータの良否を確認しながら製造条件を微調整するのが好ましい。プロセスデータの平均値を初期値に設定することにより、過去の状態を逸脱することなく、すなわち製造設備等に過度な負荷をかけることなく、第１〜第６の工程のグループの好ましい組み合わせを再現することができる。
なお、本発明は、本発明の精神を逸脱しない限り種々の改変をなすことができ、そして、本発明が該改変されたものにも及ぶことは当然である。
本発明における「生産プロセス」とは、製品（物）を製造するプロセス又はサービスを提供するプロセスを含むものである。すなわち、生産プロセスとは、物を製造するプロセスに限定されない。生産プロセスで提供されるサービスとは、例えば、パーツ洗浄や医薬品開発における治験結果の解析等のサービスが含まれる。

Claims (1)

  1. 複数の工程で構成され、製品又はサービスを生産する生産プロセスの解析方法であって、
    前記工程毎の状態を示す状態量及び前記製品又はサービスの品質を示す品質項目を少なくとも含むデータを前記生産プロセスのロット毎に収集するステップと、
    前記工程の状態量に応じて各工程を複数のグループに区分するステップと、
    前記グループの組み合わせ毎に前記ロットを複数のルートに区分するステップと、
    前記ルートの品質項目に応じて前記ルートの優劣を判定するステップと、
    前記ルートの優劣に応じて、前記グループの好適な組み合わせを特定するステップと、
    を含むことを特徴とする生産プロセスの解析方法。
JP2017215213A 2017-11-08 2017-11-08 生産プロセスの解析方法 Active JP6923420B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017215213A JP6923420B2 (ja) 2017-11-08 2017-11-08 生産プロセスの解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017215213A JP6923420B2 (ja) 2017-11-08 2017-11-08 生産プロセスの解析方法

Publications (2)

Publication Number Publication Date
JP2019087061A true JP2019087061A (ja) 2019-06-06
JP6923420B2 JP6923420B2 (ja) 2021-08-18

Family

ID=66763187

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017215213A Active JP6923420B2 (ja) 2017-11-08 2017-11-08 生産プロセスの解析方法

Country Status (1)

Country Link
JP (1) JP6923420B2 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008146621A (ja) * 2006-11-14 2008-06-26 Nippon Steel Corp 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2010015236A (ja) * 2008-07-01 2010-01-21 Sharp Corp 生産ライン評価方法、生産ライン評価システム及び生産ライン評価プログラム並びに生産ライン評価プログラムを記録した記録媒体と、生産ライン制御方法
JP5956094B1 (ja) * 2015-03-10 2016-07-20 三菱化学エンジニアリング株式会社 製造プロセスの解析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008146621A (ja) * 2006-11-14 2008-06-26 Nippon Steel Corp 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2010015236A (ja) * 2008-07-01 2010-01-21 Sharp Corp 生産ライン評価方法、生産ライン評価システム及び生産ライン評価プログラム並びに生産ライン評価プログラムを記録した記録媒体と、生産ライン制御方法
JP5956094B1 (ja) * 2015-03-10 2016-07-20 三菱化学エンジニアリング株式会社 製造プロセスの解析方法

Also Published As

Publication number Publication date
JP6923420B2 (ja) 2021-08-18

Similar Documents

Publication Publication Date Title
Seifermann et al. Evaluation of work measurement concepts for a cellular manufacturing reference line to enable low cost automation for lean machining
TWI637251B (zh) 生產程序之分析方法
JP5956094B1 (ja) 製造プロセスの解析方法
JP4739447B2 (ja) 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
JP4911055B2 (ja) バッチプロセスデータの解析装置およびそれを用いた異常検出／品質推定装置
JP6942617B2 (ja) データ分析システムおよびデータ分析装置
JP6880843B2 (ja) 管理装置および管理プログラム
CN105302123B (zh) 在线测量数据的监控方法
JP2020166499A (ja) 検査装置、検査システム、及びユーザインタフェース
JP5593121B2 (ja) 工程管理装置および工程管理方法、制御プログラム、可読記録媒体
JP6312955B1 (ja) 品質分析装置及び品質分析方法
JP2019087061A (ja) 生産プロセスの解析方法
JP4663808B2 (ja) プロセスパラメータ選択装置、プロセスパラメータ選択方法、プロセスパラメータ選択プログラム、プログラム記録媒体、および、上記プロセスパラメータ選択装置を含む製造工程管理装置
Kinz et al. Lean smart maintenance–efficient and effective asset management for smart factories
JP2008250910A (ja) データマイニング方法及び工程管理方法
JP2019091372A (ja) 生産プロセスの解析方法
CN103732863A (zh) 自动化的根本原因分析
Wiederhold et al. Clustering of similar processes for the application of statistical process control in small batch and job production
KR101482758B1 (ko) 문제 검출 방법
JP2019003238A (ja) 異常検出装置及び異常検出システム
JP6841039B2 (ja) 要因分析装置、要因分析方法、および、プログラム
Kumari et al. Comparative study of Pareto Type II with HLD in assessing the software reliability with order statistics approach using SPC
Sand et al. Holistic production analysis for actuator manufacturing using data mining
Strachotová et al. Lean Production during the Processing of Plastic Moldings
JP2020181273A (ja) 製造不良原因探索装置、製造不良原因探索方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201019

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210629

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210709

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210727

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210729

R150 Certificate of patent or registration of utility model

Ref document number: 6923420

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150