JP2022092419A - データ解析装置、方法およびシステム - Google Patents
データ解析装置、方法およびシステム Download PDFInfo
- Publication number
- JP2022092419A JP2022092419A JP2020205231A JP2020205231A JP2022092419A JP 2022092419 A JP2022092419 A JP 2022092419A JP 2020205231 A JP2020205231 A JP 2020205231A JP 2020205231 A JP2020205231 A JP 2020205231A JP 2022092419 A JP2022092419 A JP 2022092419A
- Authority
- JP
- Japan
- Prior art keywords
- data
- state
- product
- individual
- manufacturing
- 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
- 238000000034 method Methods 0.000 title claims description 39
- 238000004519 manufacturing process Methods 0.000 claims abstract description 165
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000007405 data analysis Methods 0.000 claims description 62
- 230000002159 abnormal effect Effects 0.000 claims description 46
- 238000005259 measurement Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000013139 quantization Methods 0.000 claims description 18
- 238000013500 data storage Methods 0.000 claims description 17
- 238000000528 statistical test Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 9
- 238000009826 distribution Methods 0.000 description 40
- 230000005856 abnormality Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001162 G-test Methods 0.000 description 1
- 241001061107 Parazen Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/2445—Data retrieval commands; View definitions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
このような状態を検知する手法としては、例えば、異常と判定された製品の個数を数え上げ、当該個数を指標として提示する手法がある。しかし、当該手法では、製品が異常であるか正常であるかを「0」または「1」の2値で判定することに相当する。そのため、異常である確率が「0~1」の間の不確かさを含む場合には、異常の原因と仮定する製造条件への偏りが小さく見積もられたり、大きく見積もられたりする可能性がある。よって、当該手法により原因究明を行う場合、見逃しや過剰な検出につながり好ましくない。
第1の実施形態に係るデータ解析システムについて図1のブロック図を参照して説明する。
データ解析システム1は、データ解析装置10と、データ格納装置20を含む。
データ取得部101は、データ格納装置20から解析対象となる複数の製品について、製品ごとに1以上の製造条件を含む製造データと状態データとを取得する。
算出部102は、データ取得部101から製造データと状態データとを受け取り、製造データから抽出した1つの製造条件に関して取り得る1以上の項目における、製品が特定の状態である度合いを示す状態データの偏りに基づいて、製品が特定の状態となった原因が当該製造条件である度合いを示す指標値を算出する。
図2は、製造データを格納するデータベースの一例であり、データベースには、製品番号201と、1以上の製造条件を含む製造データ202とが対応付けられて1つのエントリとして格納される。なお、製品番号に限らず、製品を一意に識別できる識別子であればよい。
図2では、例えば製品番号201「XXXX-00001」と、装置(データ1)「A」、材料(データ2)「6」、計測値(データ3)「0.984976167」、建屋(データ4)「6」、プログラム(データ5)「A-1」の製造条件を含む製造データ202とが対応付けられる。
図3は、状態データを格納するデータベースの一例であり、データベースには、製品番号201と、状態データ301とが対応付けられて1つのエントリとして格納される。図2における具体例としては、例えば製品番号201「XXXX-00001」と、状態データ301「0.685569195」とが対応付けられる。
また、例えば製品の状態が複数存在しうる場合には、状態データも複数存在してもよい。例えば製造現場においては特定の状態の種類として特定のモードが規定されている場合が多い。具体的には異常の種類(モード)が規定されていることが多く、モードごとに状態データを用意することで、モードごとの原因推定を行うことができる。
上述の例では、製造データのデータベースおよび状態データのデータベースをそれぞれ分けているが、図4に示すように、1つのデータベースに製造データおよび状態データを組み合わせて格納してもよい。
図5では、解析対象となるD個(D>1の正数)の製品Pについて解析処理を行う例について説明する。なお、本実施形態に係る解析対象の製品Pの個数Dは、例えば数十個から数百個であることを想定するが、解析処理においてデータの偏りを算出できる個数であればよい。また、製造データは、1つの製品Pに対してM個(M>0の正数)の製造条件Cj(j=1,... ,M)と、1つの個別状態データvd(d=1,... ,D)が存在する場合を想定する。つまり、解析対象となる製品PはD個のデータ数を想定しているため、製造条件Cは、D個×M個のデータ数を有し、状態データVは、D個の個別状態データvdを有する。
ステップS502では、データ取得部101が、D個の製品Pに関する状態データVを取得する。
ステップS504では、算出部102が、M個の製造条件について全て処理したか否かを判定する。言い換えれば、「j>M」であるか否かを判定する。M個の製造データについて全て処理した場合は、処理を終了し、M個の製造条件について全て処理していない、つまり指標値を算出していない製造条件Cjが存在する場合は、ステップS505に進む。
ステップS505では、jが1つインクリメントされ、ステップS503に戻り同様の処理を繰り返す。つまり、次の製造条件Cjについて指標値F(V,Cj)を算出する。
第1の実施形態に係る指標値F(V,Cj)は、状態データVから算出した値が、特定の製造条件に偏っている度合いを定量化した値を想定する。つまり、状態データVが製品に異常がある確率を表すことを想定しているため、特定の製造条件における、製品に異常がある確率の総和の偏りを指標値とする。言い換えれば、特定の製造条件における異常である製品の数を、確率による重み付き和でカウントすることに相当する。なお、確率の総和の偏りを指標値とすることに限らず、状態データの偏りを表す指標値であれば、どのような指標を用いてもよい。
例えば、図6の例では、製造装置「A」の項目に関する個別状態データvdの総和が「20.2」、製造装置「B」の項目に関する個別状態データvdの総和が「19.4」であり、製造装置「C」の項目に関する状態データの総和が「20.4」であり、製品数はそれぞれ「1000」個である。例えば、偏り率を「製造装置ごとの個別状態データvdの総和/全製造装置の個別状態データvdの総和」と定義し、最大の偏り率を指標値としてもよい。図6の場合、製造装置A~Cの偏り率はそれぞれ、「20.2/60≒0.337」「19.4/60≒0.323」「20.4/60≒0.340」となるため、指標値は「0.340」となる。
まず、製造条件となる製造装置の種類数(項目数)をKとした場合、各製造装置で製造した製品数をNi{i=1,2,...,K}と表し、製造装置ごとの個別状態データvdの総和をOi{i=1,2,...,K}とそれぞれ表す。また、総製品数をNall=N1+N2+・・・+NKと表し、全装置の個別状態データvdの総和をNo=O1+O2+・・・+OKと表す。
第2の実施形態に係るデータ解析システムについて図8のブロック図を参照して説明する。第2の実施形態に係るデータ解析装置10は、データ取得部101と、算出部102と、生成部801とを含む。
図9では、解析対象となるD個の製品Pそれぞれについて、N個の個体データYが存在する場合を想定する。つまり、個体データYは、D個×N個のデータ数を有する。
ステップS902では、生成部801が、i番目の個体データYi(i=1,... ,N)を用いて、状態データV_Yiを生成する。状態データV_Yiは、第1の実施形態と同様の基準を想定する。すなわち、状態データV_Yiは、個体データYiごとに生成されるため、N個の状態データV_Yiが生成される。
ステップS903では、算出部102が、状態データV_Yiとj番目の製造条件Cjとに基づいて、指標値F(V_Yi,Cj)を算出する。指標値の算出方法については、第1の実施形態と同様であるため、ここでの説明を省略する。
ステップS905では、iを1つインクリメントし、次の個体データYiについて処理すべくステップS902に戻り、同様の処理を繰り返す。
図10上段及び下段の横軸は個体データYiの値(例えば、製品の寸法)を示し、縦軸が個別状態データvd_Yiの値(図では単にvと表記する。以下同じ)を示す。また、個体データYiの値に基づく個別状態データvd_Yiのグラフ1002を示す。図10の例では、個別状態データvd_Yiは「0.0」が正常な状態、「1.0」が異常の状態とする。
図10に示すように、生成部801は、閾値THを含む前後の値域をマージン値域1003として設け、マージン値域1003内では、線形補間により、個別状態データvd_Yiの値を「0.0~1.0」で決定する。例えば、マージン値域1003内のYiの最小値は、個別状態データ「vd_Yi=0.0」とし、マージン値域1003内のYiの最大値は、個別状態データ「vd_Yi=1.0」とし、マージン値域1003内のその他のYiについては、Yiの値に比例した個別状態データvd_Yiの値が決定されればよい。
図11は、図10と同様であるが、マージン値域1003の代わりに、閾値THとなるYiの場合に個別状態データ「vd_Yi=0.0」を、個体データYiの値のうちの最大値1101に個別状態データ「vd_Yi=1.0」をそれぞれ設定してもよい。閾値THと最大値1101との間の値では、線形補間により個別状態データvd_Yiの値を設定する。図11の例では、製品「B」の個体データYiの値が最大であるため、製品「B」の個体データYiの値を最大値1101と設定し、閾値THとの間で線形に個別状態データvd_Yiの値が決定される。これにより、閾値THとの距離(差分)が大きいほど、異常である度合いを高く判定できる。
第3の生成例では、個体データの値に計測手段または計測条件に起因する計測誤差が存在する場合を想定する。例えば、計測手段で複数回の計測を行った場合、その計測結果は、ばらつき(計測ばらつき)を持つ。これは装置の計測機能の繰り返し精度や、計測時の環境(温度、湿度、振動、その他要因の干渉など)に起因することが多い。このように、閾値を基準に異常である製品を判定しようする場合、計測誤差に起因した不確実性が含まれる。
図12は、図10と同様であり、製品「A」および製品「B」の個体データYiは閾値未満であり、製品「C」および製品「D」の個体データYiは、閾値以上である。
なお、計測ばらつきの範囲を正規分布で規定することに限らず、ポワソン分布やt分布など、そのほかの方法で規定してもよい。
第4の生成例では、個体データYiの値に、データの量子化に関する量子化誤差を含む場合を想定する。一般に数値がデータとして記録される場合は、データは量子化される。また、データ容量の制約または有効桁数などの影響により、一定の小数点桁数に丸められて記録されることも多い。例えば、計測性能が小数点以下第3位までであり、量子化幅が0.1であり、四捨五入により量子化されていた場合、0.1の値を持つデータは、0.050~0.149の間の値であった可能性がある。そのため、記録されたデータは量子化幅の範囲で不確実性を持つ。
図14上段は、量子化前の、製品ごとの個体データYiの分布図である。横軸は個体データYiの値である。図14中段は、量子化後の、製品ごとの個体データYiの分布である。ここでは、ある量子化幅Δで量子化されていると想定する。図14中段の量子化後の図では、製品「B」の個体データYiは閾値TH未満の値であるが、量子化幅の範囲で不確実性を持つため、量子化前は、製品「B」の個体データYiは閾値以上の値であった可能性がある。
生成部801は、閾値THではなく、個体データYiの確率分布から、製品の個別状態データvd_Yiを算出してもよい。
図16上段において、確率分布P(Yi)(以下、確率分布1601ともいう)は、正常な製品がとりうる個体データYiの値の確率分布である。確率分布1601は、例えば正常な製品の分布から決定することができる。つまり、確率分布1601の峰付近の値域で正常な製品の個体データYiが多く分布する。
なお、図16の例では、確率分布1601は、正規分布などのパラメトリックな分布を想定するが、ヒストグラムやParzen推定など密度推定の枠組みでノンパラメトリックな分布を適用してもよい。
なお、生成部801は、製品データの個数Dに対応する製品の状態判定値を算出してもよく、{vd∈V:d=1,...,D}に基づいて、1以上の状態判定値を算出し出力する。状態判定値は、例えば、{vd∈V:d=1,...,D}の総和、平均、最大値または最小値といった統計的な値であり、上述の図6または図7における個別状態データvdの総和が一例である。例えば、製品の状態を異常とすると、{vd∈V:d=1,...,D}の総和は、D個の製品の内の重み付き異常個数となる。状態判定値が大きいほど、異常の確率が高い製品が多数発生していることを意味する。
また、状態データおよび指標値に加えて、製品の状態を統計的に表す状態判定値を出力することにより、例えばユーザに、状態判定値の大きいデータに関する原因推定結果を優先的に提示するなどの利用ができる。
第3の実施形態では、生成部801が、例えば機械学習手法により学習した関数を用いて状態データを推論する点が上述の実施形態と異なる。
第4の実施形態では、状態データ、指標値など上述の実施形態に係るデータ解析装置で算出した値を可視化して、ディスプレイなどに表示する。
第4の実施形態に係るデータ解析システム1は、データ解析装置10と、データ格納装置20と、表示装置30とを含む。第4の実施形態に係るデータ解析装置10は、データ取得部101と、算出部102と、表示制御部1801とを含む。なお、第4の実施形態に係るデータ解析装置10は、生成部801をさらに含んでもよい。
表示装置30は、ディスプレイ、プロジェクタなどのデバイスを想定するが、ユーザが表示装置30を介してデータを視認可能なデバイスであればよい。なお、表示装置30は、データ解析装置10に含まれてもよい。
表示装置30における可視化データの表示例として、インタフェース画面に第1表示領域と第2表示領域とが表示される。
第1表示領域は、状態データごとに、検査項目と判定値とが表示される。第2の実施形態を例とすれば、N個の検査項目に関する個体データYiについて状態データV_Yiが生成されるため、N個の状態データV_Yiと、対応する状態判定値とが表示される。状態判定値は、例えば、検査対象のD個の製品についてそれぞれ算出される個別状態データvdの総和、または総和を製品数Dで除算した値(状態が異常の場合は、異常率を示す)などを用いればよい。
状態判定値の大きさに応じて第1表示領域1901に表示される情報が異なる。例えば、状態判定値が第1閾値以上である場合の第1表示領域1901には、個体データYiに関する情報と、状態判定値と、個体データYiに関する第1解析結果1902と、第2表示領域1911,1913および1914とが表示される。なお、状態判定値と共に、または状態判定値に変えて状態データV_Yiに関する情報が表示されてもよい。
また、第1表示領域1901自体または第1表示領域1901内の文字およびグラフを強調表示してもよい。例えば、第1表示領域1901を目立つ色で囲んでもよいし、個体データに関する情報を太字にしてもよいし、および警告や注意を示す強調マークを付与してもよい。
さらに、状態判定値が第1閾値よりも小さい第2閾値未満である場合の第1表示領域1904は、第2閾値未満の状態判定値を有する個体データYiに関する情報を1つだけ代表して表示してもよいし、状態判定値が第2閾値以下である旨を表示してもよいし、非表示としてもよい。また、第1表示領域1904については、第1表示領域1901と比較して目立たなくするように表示されてもよい。例えば、第1表示領域1904については色をグレーなど薄い色または破線などで表示してもよい。
図20に示すように、個体データYiの値の散布図を第1解析結果1902として表示する。
縦軸が個体データの値を示し、横軸が識別番号(図20ではIDと表記)を示す。識別番号は、例えば識別番号の若い順に時系列で並べられればよい。各プロットが1つの製品を表す。
第2解析結果1912である解析情報G(Yi,Cj)は、指標値F(V_Yi,Cj)に関するより詳細な情報をユーザに提示する。図22は、縦軸は個体データYiの値、横軸は製造条件Cj、例えば、製造装置の種類を表す散布図とする。図22の各プロットは、製品一個体を表す。図22では、指標値F(V_Yi,Cj)として、異常と判定された製品の特定の製造条件への偏りを用いる場合を想定する。
そのため、判定に用いた閾値TH1と、特定の製造条件への偏り率を折れ線グラフ2201で図示する。また、偏りが大きい製造条件の分布の色を変えて強調してもよい。これにより個体データYiの分布と、製造条件Cjごとの偏りが直感的に分かりやすくなり、ユーザに異常の度合いを視覚的に訴えることができる。
また、図22および図23の例では、製造条件Cjがカテゴリカルなデータであるものとして説明したが、製造条件Cjは数値データであってもよい。その場合、散布図を解析情報として生成してもよい。また、図21と同様に状態データの算出基準を示すグラフ2101をさらに表示してもよい。指標値に関する情報として、回帰直線や相関係数などを表示する。第1解析結果の場合と同様に、第2解析結果においても複数種類の解析結果を生成してもよい。複数の指標値をG_s(Yi,Cj){s:1,…,S}と表す。ここでsは解析方法の種類を表す。なお、第1表示領域の場合と同様に、表示制御部1801は、算出部102が複数種類の解析結果を生成した場合は、複数種類の解析結果を表示してもよい。第2表示領域1911に表示される指標値として、上述の第1の実施形態で示した検定の種類ごとに算出された値をそれぞれ異なる解析結果として用いてもよい。また、前回の指標値と今回の指標値との差または比を、新たな解析結果としてもよい。このように複数の解析結果を生成することで、ユーザを支援できる。
データ解析装置は、CPU(Central Processing Unit)2401と、RAM(Random Access Memory)2402と、ROM(Read Only Memory)2403と、ストレージ2404と、表示装置2405と、入力装置2406と、通信装置2407とを含み、それぞれバスにより接続される。なお、表示装置2405はデータ解析装置のハードウェア構成として含まれなくてもよい。
RAM2402は、SDRAM(Synchronous Dynamic Random Access Memory)などのメモリである。RAM2402は、CPU2401の作業領域として機能する。ROM2403は、プログラムおよび各種情報を書き換え不可能に記憶するメモリである。
入力装置2406は、マウスおよびキーボード等の入力デバイスである。入力装置2406は、ユーザから操作入力された情報を指示信号として受け付け、指示信号をCPU2401に出力する。
通信装置2407は、CPU2401からの制御に応じて外部機器とネットワークを介して通信する。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているOS(オペレーティングシステム)や、データベース管理ソフト、ネットワーク等のMW(ミドルウェア)等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、LANやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は1つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。
Claims (19)
- 解析対象となる複数の製品について、製品ごとに1以上の製造条件を含む製造データを取得する取得部と、
前記製造データから抽出した1つの製造条件に関して取り得る1以上の項目における、前記製品が特定の状態である度合いを示す状態データの偏りに基づいて、前記製品が前記特定の状態となった原因が前記製造条件である度合いを示す指標値を算出する算出部と、
を具備するデータ解析装置。 - 前記取得部は、前記製品個別の計測値を示す個体データをさらに取得し、
前記データ解析装置は、
前記個体データから前記状態データを生成する生成部をさらに具備する、請求項1に記載のデータ解析装置。 - 前記生成部は、前記個体データの誤差に応じた前記状態データを生成する、請求項2に記載のデータ解析装置。
- 前記生成部は、前記個体データの計測誤差または量子化誤差に基づいて前記状態データを生成する、請求項2に記載のデータ解析装置。
- 前記生成部は、個体データが入力され、状態データを出力するように学習された学習済みモデルを用いて、解析対象の個体データから状態データを推論する、請求項2から請求項4のいずれか1項に記載のデータ解析装置。
- 前記算出部は、前記項目ごとの前記状態データの偏りを表す前記指標値を算出する、請求項1から請求項5のいずれか1項に記載のデータ解析装置。
- 前記算出部は、前記項目と前記状態データとに対し統計的検定を用いて前記指標値を算出する、請求項1から請求項5のいずれか1項に記載のデータ解析装置。
- 前記特定の状態は、製品に関する特定のモードである、請求項1から請求項7のいずれか1項に記載のデータ解析装置。
- 前記特定の状態は、異常状態である、請求項1から請求項8のいずれか1項に記載のデータ解析装置。
- 前記特定の状態は、未知の状態をクラスタ分類した場合における特定のクラスタに属することを表す、請求項1から請求項7のいずれか1項に記載のデータ解析装置。
- 前記個体データは、画像データまたは時系列データを含む多次元データのうちの1つである、請求項2に記載のデータ解析装置。
- 前記状態データに関する情報を第1表示領域に表示し、前記製造条件ごとに前記指標値に関する情報を第2表示領域に表示するように制御する表示制御部をさらに具備する、請求項1から請求項11のいずれか1項に記載のデータ解析装置。
- 前記表示制御部は、第1状態データから算出された状態判定値が第1閾値以上であれば、第1状態データに関する解析結果を、第1状態データとは異なる第2状態データに関する解析結果よりも優先して表示し、第1製造条件に関して算出された前記指標値が第2閾値以上であれば、第1製造条件とは異なる第2製造条件に関して算出された指標値および解析結果よりも優先して表示する、請求項12に記載のデータ解析装置。
- 前記第1状態データおよび前記第2状態データは、前記製品個別の計測値を示す個体データに関するデータであり、前記解析結果は、前記個体データに関する情報を含む、請求項13に記載のデータ解析装置。
- 前記表示制御部は、前記状態データから算出された状態判定値に基づき、前記解析結果を表示する際の情報量を制御する、請求項13または請求項14に記載のデータ解析装置。
- 前記表示制御部は、第1個体データに関する状態データから算出された状態判定値が閾値以上であれば、前記第1個体データに関する解析結果と前記状態判定値とに関する情報を表示し、前記状態判定値が前記閾値未満であれば、前記第1個体データの前記状態判定値に関する情報のみ表示する、請求項12から請求項15のいずれか1項に記載のデータ解析装置。
- 前記状態データは、前記製品個別の計測値を示す個体データに関するデータであり、
前記表示制御部は、第1製造条件に関して算出された前記指標値が閾値以上であれば、前記第1製造条件に関する解析結果と前記指標値とに関する情報を表示し、前記指標値が前記閾値未満であれば、前記第1製造条件の前記指標値に関する情報のみ表示する、請求項12から請求項16のいずれか1項に記載のデータ解析装置。 - 解析対象となる複数の製品について、製品ごとに1以上の製造条件を含む製造データを取得し、
前記製造データから抽出した1つの製造条件に関し取り得る1以上の項目における、前記製品が特定の状態である度合いを示す状態データの偏りに基づいて、前記製品が前記特定の状態となった原因が前記製造条件である度合いを示す指標値を算出する、データ解析方法。 - データ格納装置と、データ解析装置と、表示装置とを含むデータ解析システムであって、
前記データ格納装置は、
解析対象となる複数の製品について、製品ごとに1以上の製造条件を含む製造データを格納し、
前記データ解析装置は、
前記データ格納装置から前記製造データを取得する取得部と、
前記製造データから抽出した1つの製造条件に関し取り得る1以上の項目における、前記製品が特定の状態である度合いを示す状態データの偏りに基づいて、前記製品が前記特定の状態となった原因が前記製造条件である度合いを示す指標値を算出する算出部と、を具備し、
前記表示装置は、
前記状態データに関する情報を第1表示領域に表示し、前記製造条件ごとに前記指標値に関する情報を第2表示領域に表示する、データ解析システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020205231A JP7524045B2 (ja) | 2020-12-10 | 2020-12-10 | データ解析装置、方法およびシステム |
US17/446,607 US11775512B2 (en) | 2020-12-10 | 2021-08-31 | Data analysis apparatus, method and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020205231A JP7524045B2 (ja) | 2020-12-10 | 2020-12-10 | データ解析装置、方法およびシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022092419A true JP2022092419A (ja) | 2022-06-22 |
JP7524045B2 JP7524045B2 (ja) | 2024-07-29 |
Family
ID=81941469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020205231A Active JP7524045B2 (ja) | 2020-12-10 | 2020-12-10 | データ解析装置、方法およびシステム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11775512B2 (ja) |
JP (1) | JP7524045B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11782426B2 (en) | 2020-09-16 | 2023-10-10 | Kabushiki Kaisha Toshiba | Abnormality score calculation apparatus, method, and medium |
US12061467B2 (en) | 2021-08-19 | 2024-08-13 | Kabushiki Kaisha Toshiba | Data processing apparatus, data processing method, and storage medium storing program for determining an abnormality based on manufacturing data |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011054804A (ja) * | 2009-09-02 | 2011-03-17 | Toshiba Corp | 半導体製造装置の管理方法およびシステム |
JP2017076287A (ja) * | 2015-10-15 | 2017-04-20 | キヤノン株式会社 | データ解析装置、データ解析方法及びプログラム |
JP2019095232A (ja) * | 2017-11-20 | 2019-06-20 | 三菱日立パワーシステムズ株式会社 | 水質診断システム、発電プラント、及び水質診断方法 |
JP2020181273A (ja) * | 2019-04-23 | 2020-11-05 | 日立オートモティブシステムズ株式会社 | 製造不良原因探索装置、製造不良原因探索方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5014500B1 (ja) | 1970-05-28 | 1975-05-28 | ||
JP4772377B2 (ja) | 2005-05-13 | 2011-09-14 | シャープ株式会社 | 異常設備推定装置、異常設備推定方法、異常設備推定プログラム、および、記録媒体 |
JP5014500B1 (ja) | 2011-04-04 | 2012-08-29 | シャープ株式会社 | 異常要因特定方法および装置、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
TWI543102B (zh) | 2014-10-22 | 2016-07-21 | 財團法人工業技術研究院 | 異因分析與校正方法與系統 |
JP6008339B1 (ja) * | 2015-04-28 | 2016-10-19 | パナソニックIpマネジメント株式会社 | 商品モニタリング装置、商品モニタリングシステムおよび商品モニタリング方法 |
WO2021015093A1 (ja) | 2019-07-19 | 2021-01-28 | パナソニックIpマネジメント株式会社 | 不調要因特定装置、不調予兆検知装置、不調要因特定方法及び不調予兆検知方法 |
JP7446771B2 (ja) | 2019-10-30 | 2024-03-11 | 株式会社東芝 | 可視化データ生成装置、可視化データ生成システム、及び可視化データ生成方法 |
WO2021083513A1 (en) * | 2019-10-30 | 2021-05-06 | Siemens Aktiengesellschaft | Method and system for generating a design of a product |
JP7524145B2 (ja) | 2021-08-19 | 2024-07-29 | 株式会社東芝 | データ処理装置、方法及びプログラム |
JP2023043703A (ja) | 2021-09-16 | 2023-03-29 | 株式会社東芝 | データ解析装置、方法およびプログラム |
-
2020
- 2020-12-10 JP JP2020205231A patent/JP7524045B2/ja active Active
-
2021
- 2021-08-31 US US17/446,607 patent/US11775512B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011054804A (ja) * | 2009-09-02 | 2011-03-17 | Toshiba Corp | 半導体製造装置の管理方法およびシステム |
JP2017076287A (ja) * | 2015-10-15 | 2017-04-20 | キヤノン株式会社 | データ解析装置、データ解析方法及びプログラム |
JP2019095232A (ja) * | 2017-11-20 | 2019-06-20 | 三菱日立パワーシステムズ株式会社 | 水質診断システム、発電プラント、及び水質診断方法 |
JP2020181273A (ja) * | 2019-04-23 | 2020-11-05 | 日立オートモティブシステムズ株式会社 | 製造不良原因探索装置、製造不良原因探索方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11782426B2 (en) | 2020-09-16 | 2023-10-10 | Kabushiki Kaisha Toshiba | Abnormality score calculation apparatus, method, and medium |
US12061467B2 (en) | 2021-08-19 | 2024-08-13 | Kabushiki Kaisha Toshiba | Data processing apparatus, data processing method, and storage medium storing program for determining an abnormality based on manufacturing data |
Also Published As
Publication number | Publication date |
---|---|
US20220188307A1 (en) | 2022-06-16 |
US11775512B2 (en) | 2023-10-03 |
JP7524045B2 (ja) | 2024-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7162442B2 (ja) | プロセス及び製造業における業績評価指標のデータに基づく最適化のための方法及びシステム | |
JP7524045B2 (ja) | データ解析装置、方法およびシステム | |
US20230213926A1 (en) | Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program | |
JP7446771B2 (ja) | 可視化データ生成装置、可視化データ生成システム、及び可視化データ生成方法 | |
US20230213924A1 (en) | Abnormal irregularity cause identifying device, abnormal irregularity cause identifying method, and abnormal irregularity cause identifying program | |
CA3053894A1 (en) | Defect prediction using historical inspection data | |
JP2020149181A (ja) | データ分類装置 | |
EP4160341A1 (en) | Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program | |
JP7318612B2 (ja) | 監視装置、監視方法、および監視プログラム | |
JP2021192155A (ja) | 異常検知支援プログラム、異常検知支援方法および異常検知支援システム | |
JP7524145B2 (ja) | データ処理装置、方法及びプログラム | |
JP2023113024A (ja) | データ処理装置、方法及びプログラム | |
US20210157707A1 (en) | Transferability determination apparatus, transferability determination method, and recording medium | |
JP7452509B2 (ja) | 監視装置、監視方法、および監視プログラム | |
JP5566616B2 (ja) | 特性解析装置、特性解析方法をコンピュータに実行させるためのプログラム、上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP2011138374A (ja) | 診断装置および診断方法 | |
US20240094092A1 (en) | Manufacturing data analysis device and method | |
JP2020149259A (ja) | 異常診断装置 | |
US20240232714A1 (en) | Detection and visualization of novel data instances for self-healing ai/ml model-based solution deployment | |
US11783233B1 (en) | Detection and visualization of novel data instances for self-healing AI/ML model-based solution deployment | |
US20240094091A1 (en) | Manufacturing data analysis device, system, and method | |
Pakdil et al. | Control Charts | |
US20230205194A1 (en) | Abnormal irregularity cause display device, abnormal irregularity cause display method, and abnormal irregularity cause display program | |
EP4160340A1 (en) | Abnormal modulation cause identifying device, abnormal modulation cause identifying method, and abnormal modulation cause identifying program | |
Numanovic | Advanced Clinical Data Processing: A Predictive Maintenance Model for Anesthesia Machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230105 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240502 |
|
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: 20240618 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240717 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7524045 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |