JP2020077033A - 解析装置および解析方法 - Google Patents

Abstract

【課題】品質に影響のある要因を重要な順に的確に示すことができる解析装置を提供する。【解決手段】不良解析装置を、予測モデル導出手段１と、順位決定手段２と、出力手段３を備える構成とする。予測モデル導出手段１は、入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、説明変数ごとの係数を算出する。順位決定手段２は、予測モデル導出手段１が算出した説明変数の係数を基に、目的変数に与える影響の説明変数ごとの順位を決定する。出力手段３は、説明変数と、説明変数ごとに決定された順位の情報を関連づけて出力する。【選択図】 図１

Description

本発明は、データの解析技術に関するものであり、特に、影響の大きい要因の候補を示す技術に関するものである。

物を生産する際に、不良の発生を出来るだけ抑制することが重要である。不良の発生を抑制するためには、どの要因が不良の発生に大きな影響を与えているのかを切り分ける必要がある。しかし、不良の発生には、様々な要因が複雑に絡んでいることが多く、発生要因を特定することは困難であることが多い。例えば、工業製品の製造プロセスでは、多くのプロセス条件や作業内容が製造物の出来具合に影響を与え得る。人の判断によって各条件を変更して要因を解析しようとすると、膨大な時間や作業量を要する恐れがある。そのため、設定条件や作業方法等の最適化に要する時間や作業量を抑制する技術があることが望ましい。

装置の設定条件だけでなく作業方法等の複数の要因が推定されるような場合において、条件を最適化する際の時間や作業量を低減するために、機械学習による条件の最適化が行われることがある。機械学習によって設定条件等を最適化する技術としては、例えば、特許文献１のような技術が開示されている。

特許文献１は、射出成形システムにおいて、機械学習によって最適な条件を設定する技術に関するものである。特許文献１では、射出成形システムにおける各設定条件や成形品の寸法等の射出成形に関する物理量データを基に機械学習を行うことで、条件の最適化を短時間で行うことができるとしている。

特開２０１７−１３２２６０号公報

しかしながら、特許文献１の技術は次のような点で十分ではない。特許文献１では、射出成形システムの操作条件の最適化を行っており、あらかじめ設定されている項目における条件の最適化を行っている。よって、射出成形システムの操作条件以外、すなわち、作業方法等の要因については、不良の発生等に大きな影響を及ぼしている場合であっても要因を把握することができない恐れがある。そのため、特許文献１の技術は、品質向上のために、品質に関わる可能性のある要因の中から、品質に及ぼす影響が大きい要因を把握するための技術としては十分ではない。

本発明は、上記の課題を解決するため、結果に影響のある要因を重要な順に的確に示すことができる解析装置を提供することを目的としている。

上記の課題を解決するため、本発明の本実施形態の不良解析装置は、予測モデル導出手段と、順位決定手段と、出力手段を備えている。予測モデル導出手段は、入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、説明変数ごとの係数を算出する。順位決定手段は、予測モデル導出手段が算出した説明変数の係数を基に、目的変数に与える影響の説明変数ごとの順位を決定する。出力手段は、説明変数と、説明変数ごとに決定された順位の情報を関連づけて出力する。

本発明の解析方法は、入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、説明変数ごとの係数を算出する。本発明の解析方法は、算出した説明変数の係数を基に、目的変数に与える影響の説明変数ごとの順位を決定する。本発明の解析方法は、説明変数と、説明変数ごとに決定された順位の情報を関連づけて出力する。

本発明によると、結果に影響のある要因を重要な順に的確に示すことができる。

本発明の第１の実施形態の構成の概要を示す図である。 本発明の第２の実施形態の構成の概要を示す図である。 本発明の第２の実施形態の不良解析部の構成を示す図である。 本発明の第２の実施形態におけるデータの例を模式的に示した図である。 本発明の第２の実施形態における決定木の例を模式的に示した図である。 本発明の第２の実施形態の線形予測モデルの式の例を示した図である。 本発明の第２の実施形態の記憶部の構成を示す図である。 本発明の第２の実施形態の動作フローを示した図である。 本発明の第２の実施形態の解析用のデータの例を示した図である。 本発明の第２の実施形態の解析用のデータの例を示した図である。 本発明の第２の実施形態の解析用のデータの例を示した図である。 本発明の第２の実施形態の解析用のデータの例を示した図である。 本発明の第２の実施形態のデータベースの構成の例を示した図である。 本発明の第２の実施形態における解析結果の例を示した図である。 本発明の不良解析装置の他の構成の例を示した図である。

（第１の実施形態）
本発明の第１の実施形態について図を参照して詳細に説明する。図１は、本実施形態の不良解析装置の構成の概要を示したものである。本実施形態の不良解析装置は、予測モデル導出手段１と、順位決定手段２と、出力手段３を備えている。予測モデル導出手段１は、入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、説明変数ごとの係数を算出する。順位決定手段２は、予測モデル導出手段１が算出した説明変数の係数を基に、目的変数に与える影響の説明変数ごとの順位を決定する。出力手段３は、説明変数と、説明変数ごとに決定された順位の情報を関連づけて出力する。

本実施形態の不良解析装置は、予測モデル導出手段１において、入力された解析用のデータを基に決定木形式のルールに基づいた場合分けによって、線形予測モデルを導出し、説明変数ごとの係数を算出している。また、本実施形態の不良解析装置は、算出した説明変数の係数を基に順位決定手段２において、目的変数に与える影響の説明変数ごとの順位を決定し、出力手段３から出力している。このような構成とすることで本実施形態の不良解析装置は、説明変数に順位をつけた情報を出力することで結果に影響のある要因を重要な順に的確に示すことができる。

（第２の実施形態）
本発明の第２の実施形態について図を参照して詳細に説明する。図２は、本実施形態の不良解析システムの構成の概要を示したものである。本実施形態の不良解析システムは、不良解析装置１０と、入力装置２０と、表示装置３０を備えている。本実施形態の解析システムは、製品の製造等に関わる各データに基づいて、機械学習によって不良の要因解析を行い、不良の発生に与える影響が大きい要因を提示するシステムである。

本実施形態の不良解析装置１０は、データ入力部１１と、不良解析部１２と、解析結果出力部１３と、記憶部１４を備えている。また、記憶部１４は、データ記憶部１１１と、データベース記憶部１１２をさらに備えている。

データ入力部１１は、不良解析に用いる各データの入力を受け付ける機能を有する、データ入力部１１は、例えば、不良数のデータおよびその製品を生産した際の製造条件等のデータの入力を受け付ける。データ入力部１１に入力された各データは、記憶部１４に保存される。

不良解析部１２は、不良数のデータおよび対応するパラメータを基に、不良数に影響を与える要因の候補と、候補となったごとの影響の大きさの順位を機械学習によって導出する機能を有する。不良解析部１２は、解析用のデータとして入力された入力データを決定木形式のルールによって場合分けし、各場合で異なる説明変数を組み合わせた線形モデルで予測を行う。このような予測モデルは、異なる説明変数の組み合わせによる予測モデルを組み合わせて予測するため、異種混合予測モデルとも呼ばれる。

不良解析部１２の構成について説明する。図３は、本実施形態の不良解析部１２の構成を示す図である。本実施形態の不良解析部１２は、予測モデル導出部１０１と、順位決定部１０２と、解析結果生成部１０３を備えている。

予測モデル導出部１０１は、入力されたデータを基に予測モデルを導出する機能を有する。予測モデル導出部１０１は、入力されたデータを決定木形式のルールによって場合分けを行う。予測モデル導出部１０１は、場合分けごとに異なる説明変数を組み合わせた線形モデルで予測することで複数の予測モデルを導出する。

予測モデルは、例えば、Ｙｎ＝αｎＸ１＋βｎＸ２＋γｎＸ３のように線形モデルとして表される。ｎは、整数であり、決定木を用いて場合分けされた各グループに対応する。Ｘ１、Ｘ２およびＸ３は、説明変数、Ｙｎは、目的変数である。説明変数は、各製造条件等が相当する。また、目的変数は、不良数等のデータが相当する。上記の例では、説明変数が３個の例を示しているが、説明変数は4個以上であってもよく、説明変数ごとにそれぞれ計数が設定される。また、αｎ、βｎおよびγｎは、各説明変数の係数である。

予測モデル導出部１０１は、導出した予測モデルの式における各説明変数の係数を算出する。例えば、予測モデル導出部１０１は、入力されたデータを基に、上記の式のαｎ、βｎおよびγｎをそれぞれ算出する。また、本実施形態の予測モデル導出部１０１の機能は、第１の実施形態の予測モデル導出手段１に相当する。

順位決定部１０２は、予測モデル導出部１０１が算出した説明変数の係数を基に、説明変数が目的変数に及ぼす影響の順位づけを行う。本実施形態の順位決定部１０２は、説明変数ごとに係数の絶対値の和を算出し、絶対値の和が大きい順に順位が高くなるように順位づけを行う。例えば、上記の式において各係数の設定値の和をＳα、ＳβおよびＳγとしたとすると、Ｓα＝｜α_１｜＋｜α_２｜＋・・・＋｜α_ｎ｜、Ｓβ＝｜β_１｜＋｜β_２｜＋・・・＋｜β_ｎ｜、Ｓγ＝｜γ_１｜＋｜γ_２｜＋・・・＋｜γ_ｎ｜としてそれぞれ算出される。順位決定部１０２は、Ｓα、ＳβおよびＳγの値を比較し、値が大きい順に高い順位を設定する。また、本実施形態の順位決定部１０２の機能は、第１の実施形態の順位決定手段２に相当する。

図４、図５および図６は、本実施形態における機械学習によるデータ解析の例を示した図である。図４は、横軸を説明変数、縦軸を目的変数としたグラフを模式的に示した図である。図４は、簡単のため説明変数を１個として場合のグラフとして示しているが、実際の解析においては、説明変数は、複数、設定されているため多次元となる。また、図５は、データ解析を行う際の決定木を用いた場合分けの例を示した図である。また、図６は、図５における解析から導出される線形モデルによる予測式を模式的に示した図である。本実施形態の不良解析部１２は、入力されたデータを基に、決定木形式での場合分けを行い、異なる説明変数を組み合わせた線形予測モデルを導出し、各説明変数の係数を算出することで解析を行っている。

解析結果生成部１０３は、解析結果を作業者等に通知するデータを生成する機能を有する。解析結果生成部１０３は、各要素を配置した特性要因図を生成し、各要素に順位決定部１０２が決定した順位を関連づけて表示する画像データを生成する。解析結果生成部１０３は、生成した画像データを解析結果出力部１３に出力する。また、本実施形態の解析結果生成部１０３の機能は、第１の実施形態の出力手段３に相当する。

解析結果出力部１３は、不良解析部１２から入力される不良解析結果に基づく画像データを表示装置３０に対応する形式の信号データに変換して、表示装置３０に出力する。

不良解析部１２の各部位は、単数または複数のＦＰＧＡ（Field Programmable Gate Array）等の半導体装置で構成されていてもよく、ＣＰＵ（Central Processing Unit）等の汎用の半導体装置上でコンピュータプログラムを実行することで処理を行うように構成されていてもよい。

記憶部１４は、入力された解析用のデータを保存する機能と、説明変数として用いられる各要因と対応する物理量とを関連づけた知識データベースを保存する機能を有する。図７は、本実施形態の記憶部１４の構成を示した図である。本実施形態の記憶部１４は、データ記憶部１１１と、データベース記憶部１１２を備えている。

データ記憶部１１１は、入力された解析用のデータ並びに不良解析部１２の解析途中のデータおよび解析済みのデータを保存する。

データベース記憶部１１２は、説明変数として用いられる各要因と対応する物理量とを関連づけたデータを知識データベースとして保存している。

記憶部１４は、例えば、ハードディスクドライブによって構成されている。記憶部１４は、ＳＳＤ（Solid State Drive）のような不揮発性の半導体記憶装置によって構成されていてもよく、複数の種類の記憶装置の組み合わせによって構成されていてもよい。また、データ記憶部１１１とデータベース記憶部１１２の一方または両方は、不良解析装置１０の外部に備えられ、信号ケーブルまたは通信回線を介して不良解析装置１０と接続されていてもよい。

入力装置２０は、キーボードやマウス等の入力装置によって構成されている。入力装置２０は、作業者による操作やデータ入力を受け付け、操作内容に基づく信号や入力されたデータを不良解析装置１０に出力する。入力装置２０からのデータの入力に代えて、記録メディアや通信ネットワークを介してデータの入力が行われる構成であってもよい。

表示装置３０は、不良解析装置１０から入力される不良解析結果および不良解析装置１０の操作に関する情報を表示する機能を有する。表示装置３０は、単数または複数のディスプレイによって構成されている。

本実施形態の不良解析システムの動作について説明する。図８は、本実施形態の不良解析システムにおいて、入力されたデータを基に不良解析が行われる際の動作フローを示した図である。以下では、射出成形品の外観不良の発生要因を解析する場合を例に説明する。

始めに、不良解析装置１０は、不良解析に用いる解析用のデータを取得する（ステップS１１）。不良解析に用いられる解析用のデータは、記録メディアを介して不良解析装置１０に入力されもよく、通信ネットワークを介して他の情報処理装置から入力されてもよい。また、作業者によって一部または全てのデータが入力装置２０から入力されてもよい。不良解析に用いられるデータは、データの各項目が識別子や共通する要因等によって互いに対応づけられているものであれば、複数のメディアや情報処理装置から入力されてもよい。

図９、図１０、図１１および図１２は、不良解析用のデータの例を示したものである。図９は、射出成形時の生産条件を示したものである。図１０は、射出成形に用いる材料特性を示したものである。生産条件と材料特性のデータは、材料の項目を介して互いに関連づけられている。図１１は、射出成形品の品質検査結果を示したものである。品質結果の品種の項目と、生産条件の設備設定の項目は、互いに対応している。図１２は、射出成形を行う際のプロセス条件をプロセス情報として示したものである。プロセス情報は、時刻の項目を介して品質結果のデータと関連付けられている。

不良解析用のデータが入力されると、データ入力部１１は、入力されたデータを記憶部１４のデータ記憶部１１１に保存する。

解析用のデータが保存されると、不良解析部１２の予測モデル導出部１０１は、入力されたデータを基に、決定木形式のルールによってデータの場合分けを行う。データの場合分けを行うと、予測モデル導出部１０１は、場合分けごとに異なる説明変数を組み合わせた線形モデルによる予測式を導出し、各予測式における各説明変数の係数を算出する（ステップＳ１２）。

各説明変数の係数が算出されると、順位決定部１０２は、説明変数ごとに係数の絶対値の和を算出する。（ステップＳ１３）。

係数の絶対値の和が算出されると、順位決定部１０２は、係数の絶対値の和が大きい順に順位が高くなるように説明変数の順位づけを行う（ステップＳ１４）。

説明変数の順位づけが行われると、解析結果生成部１０３は、記憶部１４のデータベース記憶部１１２を参照し、説明変数に対応する要因の情報を抽出する。図１３は、説明変数に対応する要因と物理量を関連づけた知識データベースの例を示したものである。図１３の知識データベースでは、各説明変数が、方法、人、設備または材料のどの領域に属するかの情報も関連づけられている。このような知識データベースをあらかじめ設定して置くことで、本実施形態の不良解析装置１０は、解析の結果、係数の絶対値の和を基に順位づけられた説明変数と実際の要因とを関連づけて提示することができる。

説明変数に対応する要因の情報を抽出すると、解析結果生成部１０３は、特性要因図上の各要因上に対応する順位の情報を関連づけた画像データを生成する（ステップＳ１５）。図１４は、不良解析結果を示す画像の例を示したものである。図１４では、特性要因図上に対応すべき優先度が高い順に１から３の順位が表示されている。図１４の例では、方法に属する圧力が外観不良の要因としてもっとも大きいものであり、次に、設備の治具、方法の速度の優先順位が高いことを示している。

解析結果生成部１０３は、生成した画像データを解析結果として解析結果出力部１３に出力する（ステップＳ１６）。

解析結果を示し画像データが入力されると、解析結果出力部１３は、入力された画像データを基に表示装置３０の表示用データを生成し、表示装置３０に出力する。表示装置３０は、表示用データを受け取ると、受け取った解析結果を表示する。

上記では、外観不良の発生数に与える要因の解析を例に説明を行ったが、検査結果等の外観以外によって判断される不良の発生の要因の解析を行ってもよい。また、不良の発生数に代えて、製品の特性や途中工程の各パラメータを目的変数として要因の解析を行ってもよい。

本実施形態の不良解析システムは、不良解析装置１０において入力された不良解析用のデータを基に決定木形式のルールに基づいた場合分けを行う。不良解析装置１０は、場合分けの結果に基づいて、各場合分けに対応する線形予測モデルを導出し、線形予測モデルの式の各説明変数の係数を算出している。また、不良解析装置１０は、係数の絶対値の和を基に目的変数に与える影響を評価し、順位づけを行っている。そのような解析を行うことで、本実施形態の不良解析システムは、不良の発生要因として影響の大きい説明変数を的確に導出することができる。

また、本実施形態の不良解析システムの不良解析装置１０は、データベースを基に説明変数に対応する実際の要因の情報を抽出し、特性要因図として順位とともに表示している。そのような解析結果のデータの生成および出力を行うことで、本実施形態の不良解析システムは、不良の発生要因と対応の優先度を的確に提示することができる。以上より、本実施形態の不良解析システムは、対応が必要な項目と優先順位を的確に示すことができる。

第２の実施形態の不良解析部１２の順位決定部１０２は、説明変数の係数の絶対値の和が大きい順に順位が高くなるように要因の順位づけを行っていた。そのような構成に代えて、順位決定部１０２は、説明変数の係数の数が多いものほど高い順位となるように順位づけを行ってもよい。説明変数の係数の数が多いものほど高い順位となるように順位づけを行う場合には、係数が０のものは計数の数の計算から除外される。また、順位決定部１０２は、計数の分散値を算出し、分散値が低いものほど、順位が高くなるように順位づけを行ってもよい。順位づけの方法を解析対象に合わせて選択することで、不良の要因の特性の精度が向上し得る。

第２の実施形態の不良解析部１２の解析結果生成部１０３は、特性要因図上に要因と順位を関連づけて解析結果の表示を行っているが、バブルチャート等の他の図と順位を関連づけて解析結果を表示する構成であってもよい。また、解析結果生成部１０３は、要因と順位と関連づけて、順位の高い順に表を生成して、解析結果として出力してもよい。また、解析結果生成部１０３は、特性要因図等において優先順位に応じて特性要因図を構成する線の太さを変化させてもよい。そのように、解析結果の表示内容を変えることで、作業者等に解析結果をより的確に通知することができる。

第２の実施形態における不良解析装置１０における各処理は、コンピュータプログラムをコンピュータで実行することによって行われてもよい。図１５は、コントローラおよびデータ転送実行部で実行される各処理を行うコンピュータプログラムを実行するコンピュータ４０の構成の例を示したものである。コンピュータ４０は、ＣＰＵ４１と、メモリ４２と、記憶装置４３と、Ｉ／Ｆ（Interface）部４４を備えている。

ＣＰＵ４１は、記憶装置４３から各処理を行うコンピュータプログラムを読み出して実行する。メモリ４２は、ＤＲＡＭ等によって構成され、ＣＰＵ４１が実行するコンピュータプログラムや処理中のデータが一時保存される。記憶装置４３は、ＣＰＵ４１が実行するコンピュータプログラム、データベース、処理結果および外部から取得した情報等が保存される。記憶装置４３は、例えば、不揮発性の半導体記憶装置によって構成されている。記憶装置４３には、ＨＤＤ等の他の記憶装置が用いられてもよい。Ｉ／Ｆ部４４は、入力装置２０や表示装置３０等の他の装置との間でデータの入出力を行うインタフェースである。コンピュータ４０は、通信ネットワークを介して他の情報処理装置と通信を行う通信モジュールをさらに備えていてもよい。

また、各処理に行うコンピュータプログラムは、記録媒体に格納して頒布することもできる。記録媒体としては、例えば、データ記録用磁気テープや、ハードディスクなどの磁気ディスクを用いることができる。また、記録媒体としては、ＣＤ-ＲＯＭ（Compact Disc Read Only Memory）やＤＶＤ（Digital Versatile Disc）などの光ディスクを用いることもできる。不揮発性の半導体メモリを記録媒体として用いてもよい。

１ 予測モデル導出手段
２ 順位決定手段
３ 出力手段
１０ 不良解析装置
１１ データ入力部
１２ 不良解析部
１３ 解析結果出力部
１４ 記憶部
２０ 入力装置
３０ 表示装置
１０１ 予測モデル導出部
１０２ 順位決定部
１０３ 解析結果生成部
１１１ データ記憶部
１１２ データベース記憶部

Claims (10)

1. 入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、前記説明変数ごとの係数を算出する予測モデル導出手段と、
   前記予測モデル導出手段が算出した前記説明変数の係数を基に、目的変数に与える影響の前記説明変数ごとの順位を決定する順位決定手段と、
   前記説明変数と、前記説明変数ごとに決定された前記順位の情報を関連づけて出力する出力手段と
   を備えることを特徴とする解析装置。
2. 前記説明変数と対応する要因を関連づけたデータベースを保存しているデータベース記憶手段と、
   入力されたデータを前記データベースを基に前記説明変数を対応する要因に変換する変換手段と
   をさらに備えることを特徴とする請求項１に記載の解析装置。
3. 前記順位決定手段は、係数の絶対値の和が大きい前記説明変数ほど優先順位が高くなるように前記順位を設定することを特徴とする請求項１または２に記載の解析装置。
4. 前記順位決定手段は、係数の数が多い前記説明変数ほど優先順位が高くなるように前記順位を設定することを特徴とする請求項１または２に記載の解析装置。
5. 前記順位決定手段は、係数の分散値が低い前記説明変数ほど優先順位が高くなるように前記順位を設定することを特徴とする請求項１または２に記載の解析装置。
6. 前記出力手段は、前記説明変数それぞれに対応する前記要因と前記順位を関連づけて表示する表示データを出力することを特徴とする請求項１から５いずれかに記載の解析装置。
7. 前記出力手段は、特性要因図上において前記説明変数それぞれに対応する前記要因と前記順位を関連づけて表示する表示データを出力することを特徴とする請求項６に記載の解析装置。
8. 前記出力手段は、特性要因図上の各線を前記順位に基づいて変化させることを特徴とする請求項７に記載の解析装置。
9. 入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、
   前記説明変数ごとの係数を算出し、
   算出した前記説明変数の係数を基に、目的変数に与える影響の前記説明変数ごとの順位を決定し、
   前記説明変数と、前記説明変数ごとに決定された前記順位の情報を関連づけて出力することを特徴とする解析方法。
10. 入力された解析用のデータを基に、決定木形式のルールに基づいた場合分けによって、異なる説明変数の組み合わせからなる線形予測モデルを導出し、前記説明変数ごとの係数を算出する処理と、
    算出した前記説明変数の係数を基に、目的変数に与える影響の前記説明変数ごとの順位を決定する処理と、
    前記説明変数と、前記説明変数ごとに決定された前記順位の情報を関連づけて出力する処理と
    をコンピュータに実行させることを特徴とする解析プログラム。

Images