JP3733057B2 - 製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 - Google Patents
製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP3733057B2 JP3733057B2 JP2001352270A JP2001352270A JP3733057B2 JP 3733057 B2 JP3733057 B2 JP 3733057B2 JP 2001352270 A JP2001352270 A JP 2001352270A JP 2001352270 A JP2001352270 A JP 2001352270A JP 3733057 B2 JP3733057 B2 JP 3733057B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- quality data
- calculating
- quality
- score
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 69
- 238000004458 analytical method Methods 0.000 title claims description 42
- 238000004519 manufacturing process Methods 0.000 title claims description 42
- 238000003860 storage Methods 0.000 title claims description 8
- 238000011112 process operation Methods 0.000 claims description 98
- 238000009826 distribution Methods 0.000 claims description 74
- 238000004364 calculation method Methods 0.000 claims description 62
- 230000007547 defect Effects 0.000 claims description 44
- 229910000831 Steel Inorganic materials 0.000 claims description 16
- 239000010959 steel Substances 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000005266 casting Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000009749 continuous casting Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
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)
- Testing And Monitoring For Control Systems (AREA)
- Continuous Casting (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、鉄鋼プロセス等における品質データと複数のプロセス操業データとの相関を解析する製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体に関する。
【０００２】
【従来の技術】
プロセス操業データと品質データとの関係等、２つのデータ間の関係を見出す一般的な手法として、散布図の観察評価、或いは、相関係数による評価が行われている。
【０００３】
これらの手法によれば、２つのデータ間に直線的或いは曲線的に表される関係があるとき、散布図においては点のばらつきがその直線・曲線のまわりに集中することによって、また、相関係数においては、それぞれ直線相関係数、曲線相関係数の絶対値が高い（すなわち、１に近い値を示す）ことによって、両者のデータ間の関係が明らかにされる。
【０００４】
また、鉄鋼プロセス等における品質を予測する手法としては、例えば、特開平６−３０４７２３号公報に開示されたものがある。そこでは、プロセス操業データと品質データとを神経回路網に入力し、神経回路網を学習させることによって、品質制御診断を行っている。
【０００５】
また、確率分布を用いた品質管理・予測の手法としては、ランダムに発生する表面品質欠陥がポアソン分布に近似される性質を用いて、主に半導体製造分野等において、表面欠陥発生平均個数から製品歩留りを推定する手法が知られている。
【０００６】
【発明が解決しようとする課題】
しかしながら、品質データによっては、各プロセス操業データに対して直線的或いは曲線的な関係を持っていないことがある。この場合、散布図や相関係数を評価しても、両者は相関が低いと判断され、両者の関係を捉えることができないという問題があった。
【０００７】
また、特開平６−３０４７２３号公報に開示された手法では、プロセス操業データとして、鋳片のカーボン量等の物性値、板幅等の連鋳操業値、各冷却ゾーン温度等を、また、品質データとして、表面欠陥の有り・無しを入力している。
【０００８】
しかし、例えば現実の鉄鋼プロセスにおいては、表面欠陥の発生要因は無数にあり、人為的な設定や計測が困難な場合も多い。この場合、操業の結果として現れる品質データにも不確定性の要素が含まれることになるため、品質データを表面欠陥の有り・無しという２値で与えて、入力したプロセス操業データとの関係を学習しても、十分に精度の高い学習結果を得ることは必ずしもできないという問題があった。
【０００９】
また、ごく単純な工程の製造プロセスでは、表面欠陥の発生個数をポアソン分布で近似することができるが、多工程にわたり複雑化している現実の製造プロセス、例えば鉄鋼プロセスや半導体プロセス等においては、最終製品における表面欠陥の発生個数は、必ずしもポアソン分布を示すとは限らず、品質に関する情報を表面欠陥発生平均個数のみで代表させることはできないという問題があった。
【００１０】
また、個々のプロセス操業データと、品質データとの相関を解析する手法、いわゆる単相関の解析手法を用いると、一般的に多く見られるごとく、品質が単一のプロセス操業条件ではなく、複数のプロセス操業条件の組み合わせ条件によって決まる場合には、プロセス操業データと品質データとの相関を正確に表すことができないという問題があった。
【００１１】
また、上記の如く、品質が複数のプロセス操業条件の組み合わせ条件によって決まっており、かつ、その複数のプロセス操業データがお互いに相関をもっている場合には、擬似的な相関関係が出力される場合があり、品質データに重大な影響を及ぼしているプロセス操業データを特定することが困難な場合があった。
【００１２】
本発明は、上記のような点に鑑みてなされたものであり、散布図や相関係数では捉えられない複数のプロセス操業データと品質データとの間の相関を解析できるようにすることを第１の目的とする。
【００１３】
また、複数のプロセス操業データがお互いに相関を持ち、その複数のプロセス操業データによって品質データが決まっているような場合でも、両者の関係を適切に表すことができるようにすることを第２の目的とする。
【００１４】
また、品質に影響を及ぼしているプロセス操業データを特定する解析ができるようにすることを第３の目的とする。
【００１５】
また、上記解析によって得られる、複数のプロセス操業データと品質データの関係から、複数のプロセス操業データが決まったときに得られる品質を予測できるようにすることを第４の目的とする。
【００１６】
【課題を解決するための手段】
本発明の製造プロセスにおける操業解析装置は、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析装置において、複数のプロセス操業データと、品質データとを入力するデータ入力手段と、前記データ入力手段により入力したプロセス操業データの各パラメータがとり得る範囲を分割するパラメータ領域分割手段と、前記パラメータ領域分割手段により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出手段と、前記確率分布算出手段により算出した確率分布を用いて、前記パラメータ領域分割手段により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出手段と、前記データ入力手段により入力したプロセス操業データと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出手段とを備えた点に特徴を有する。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析装置において、複数のプロセス操業データと、品質データとを入力するデータ入力手段と、前記データ入力手段により入力したプロセス操業データの主成分分析により、主成分スコアを算出する第１のスコア算出手段と、前記第１のスコア算出手段により算出したプロセス操業データの各主成分スコアがとり得る範囲を分割するスコア領域分割手段と、前記スコア領域分割手段により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出手段と、前記確率分布算出手段により算出した確率分布を用いて、前記スコア領域分割手段により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出手段と、前記第１のスコア算出手段により算出した主成分スコアと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出手段とを備えた点に特徴を有する。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、前記確率分布算出手段が、指数分布を表す確率密度関数を用いて、前記各領域の品質データ値の確率分布を近似処理するようにした点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、前記品質データ値算出手段により算出された各領域での品質データ値を、領域毎にテーブルとして登録するテーブル登録手段を備えた点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、プロセス操業データを入力するプロセス操業データ入力手段を更に備え、前記テーブル登録手段により登録されているテーブルを用いて、前記プロセス操業データ入力手段により入力したプロセス操業データに対して、所定の確率で発生すると予測される品質データ値を算出する品質データ予測手段を備えた点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、プロセス操業データを入力するプロセス操業データ入力手段と、前記プロセス操業データ入力手段により入力したプロセス操業データの主成分分析により、主成分スコアを算出する第２のスコア算出手段とを更に備え、前記テーブル登録手段により登録されているテーブルを用いて、前記第２のスコア算出手段にて算出された主成分スコア値に対して、所定の確率で発生すると予測される品質データ値を算出する品質データ予測手段を備えた点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、鉄鋼プロセスに適用され、前記品質データは、鉄鋼製品表面の単位面積あたりの欠陥の個数である点にある。
【００１７】
本発明の製造プロセスにおける解析方法は、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析方法において、複数のプロセス操業データと、品質データとを入力するデータ入力処理と、前記データ入力処理により入力したプロセス操業データの各パラメータがとり得る範囲を分割するパラメータ領域分割処理と、前記パラメータ領域分割処理により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出処理と、前記確率分布算出処理により算出した確率分布を用いて、前記パラメータ領域分割処理により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出処理と、前記データ入力処理により入力したプロセス操業データと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出処理とを実行する点に特徴を有する。
また、本発明の製造プロセスにおける解析方法の他の特徴とするところは、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析方法において、複数のプロセス操業データと、品質データとを入力するデータ入力処理と、前記データ入力処理により入力したプロセス操業データの主成分分析により、主成分スコアを算出するスコア算出処理と、前記スコア算出処理により算出したプロセス操業データの各主成分スコアがとり得る範囲を分割するスコア領域分割処理と、前記スコア領域分割処理により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出処理と、前記確率分布算出処理により算出した確率分布を用いて、前記スコア領域分割処理により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出処理と、前記スコア算出処理により算出した主成分スコアと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出処理とを実行する点にある。
【００１８】
本発明のコンピュータ読み取り可能な記憶媒体は、上述の各手段としてコンピュータを機能させるためのプログラムを格納した点に特徴を有する。
本発明の別のコンピュータ読み取り可能な記憶媒体は、上述の各処理をコンピュータに実行させるためのプログラムを格納した点に特徴を有する。
【００１９】
【発明の実施の形態】
以下、添付の図面を参照して、本発明の製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体の実施の形態について説明する。
【００２０】
本実施の形態では、製造プロセスにおける操業解析装置を鉄鋼の鋳造プロセスに適用し、複数のプロセス操業データとして、鋳造速度と溶鋼温度などを含む１０種類のプロセス操業データを用いるとともに、品質データとして、製品表面の単位面積あたりの欠陥の個数（以下、「表面欠陥の個数」と称する）を用いて、両者の関係を解析し、その関係を用いて、新たなプロセス操業データに対して発生すると予測される表面欠陥の個数を求める例について説明する。なお、ここでの表面欠陥は、鉄鋼鋳片の内部に含まれる気泡、介在物、パウダー等を起因として発生するものを対象とする。
【００２１】
また、本実施例では、１０種類のプロセス操業データから、主成分分析法を用いて、第１主成分、および第２主成分に相当する２つの主成分スコアを算出して、その２つの主成分スコアと品質との関係を解析する例について説明する。
【００２２】
図１は、本実施の形態の製造プロセスにおける操業解析装置の構成の一例を示す図である。
図１において、１０１はデータ入力手段としての第１のデータ入力部であり、図示しないデータ蓄積部より、ある製造期間における操業設定値や測定値等からなるプロセス操業データと、表面欠陥データとがこの第１のデータ入力部１０１に入力される。
【００２３】
具体的に、本実施の形態では、プロセス操業データとして鋳造速度と溶鋼温度などの１０種類のデータが、また、品質データとして表面欠陥の個数が、第１のデータ入力部１０１に入力されることになる。
【００２４】
１０２は第１のスコア算出手段としての第１の主成分算出部であり、図示しないデータ蓄積部から第１のデータ入力部１０１を介して入力された上記ある製造期間における操業設定値や測定値等からなるプロセス操業データを用いて主成分分析を行うとともに、予め求めておいた主成分スコア算出式に従って、主成分スコアを算出して出力する。
【００２５】
ここで、主成分スコアとは、複数のパラメータから成る各々のプロセス操業データを、各主成分の軸に投影した際の座標値であって、その座標値は、各主成分の持つベクトルに従って、プロセス操業データの線形和で表されるものである。
【００２６】
なお、主成分スコアを用いずに、プロセス操業データ自身と品質との相関解析を行う場合は、上記第１の主成分算出部１０２は必要でなく、以下に記述する主成分スコアの代わりに、プロセス操業データを用いることになる。
【００２７】
１０３はパラメータ領域分割手段またはスコア領域分割手段としての領域分割部であり、プロセス操業データの複数の主成分スコアのとり得る値の範囲を、それぞれN1,N2,・・・,Nj個の範囲に分割することで、各々のプロセス操業データの範囲の組み合わせで決定されるN1×N2・・・×Nj個の領域に分割する。
【００２８】
１０４は確率分布算出手段および品質データ値算出手段としての確率分布算出部であり、前記領域分割部１０３により分割されたN1×N2・・・×Nj個の分割領域において、品質データ（表面欠陥の個数）の確率分布を求めて、各領域での所定の累積確率となる品質データ値（表面欠陥の個数）を算出する。この際に、上記各領域の品質データ（表面欠陥の個数）の確率分布を、指数分布などの確率密度関数を用いて近似処理する。
【００２９】
１０５はテーブル登録手段としてのテーブル登録部であり、前記領域分割部１０３により分割されたN1×N2・・・×Nj個の各領域において、前記確率分布算出部１０４（品質データ値算出手段）により算出された品質データ（表面欠陥の個数）の確率分布から、各領域での所定の累積確率となる品質データ値を、N1×N2・・・×Nj個の領域を持つテーブルの中に登録する。
【００３０】
１０６はテーブル表示部であり、テーブル登録部１０５にて登録されたテーブルを図で表示して、品質の良い領域、悪い領域を明確にするためのものである。
【００３１】
１０７は品質データ予測手段としての欠陥発生予測部であり、新たな複数のプロセス操業データを、前記第１のデータ入力部１０１と同様の構成であるプロセス操業データ入力手段としての第２データ入力部１１０から入力し、１０２と同様の構成である第２のスコア算出手段としての第２の主成分算出部１１１を用いて得られる主成分スコアを入力として、テーブル登録部１０５により得られたテーブルを用いて、所定の確率で発生すると予測される品質データの最大値（表面欠陥の最大個数）を予測する。
【００３２】
１０８は予測結果表示部であり、欠陥発生予測部１０７により予測された結果を表示する。
【００３３】
１０９はヒストグラム算出手段としてのヒストグラム算出部であり、第１の主成分算出部１０２から出力される主成分スコアと品質データ（表面欠陥の個数）とからヒストグラムを算出する。
【００３４】
上述したように、確率分布算出部１０４では指数分布などを表す確率密度関数を用いた近似を行うが、その確率密度関数を、ヒストグラム算出部１０９で算出されたヒストグラムに基づいて定めることができる。
【００３５】
次に、図２に示すフローチャートを参照して、本実施の形態の製造プロセスにおける操業解析装置の処理動作について説明する。
【００３６】
第１のデータ入力部１０１に、プロセス操業データとして、ある製造期間における、鋳造速度と溶鋼温度などの１０種類のデータが、また、品質データとして表面欠陥の個数が、図示しないデータ蓄積部から入力される。
【００３７】
次に、前記１０種類のプロセス操業データを用いて、第１の主成分算出部１０２にて、主成分分析を実施し、プロセス操業データの線形和で表される主成分を求める。
【００３８】
上記主成分は、最大でプロセス操業データの種類と同じく、第１主成分から第１０主成分の１０種類が求まるが、ここでは、第１主成分と第２主成分を用いることとし、２つの主成分スコア算出式を得る（ステップＳ２０１）。
【００３９】
主成分分析は、よく知られているように、複数種類のデータのうち、互いに相関があるものを、各主成分にまとめる効果を持っており、また、得られる各主成分は、独立性が高く、互いに相関が低いものになる。
【００４０】
ここでは、第１主成分の主成分スコア算出式は、主に鋳造速度に相関の高い操業データの線形和で表されており、第２主成分は、主に溶鋼温度に相関の高い操業データの線形和で表されているとする。
【００４１】
次に、第１の主成分算出部１０２により、この第１主成分、第２主成分の主成分スコア算出式を用いて、前記１０種類のプロセス操業条件からなる各データの第１主成分スコア、第２主成分スコアを求め、この２つの主成分スコアと、表面欠陥個数が対応したデータを得る（ステップＳ２０２）。
【００４２】
次に、ステップＳ２０２の処理により得た表面欠陥個数のデータを用いて、ヒストグラム算出部１０９にて、ヒストグラムを作成する（ステップＳ２０３）と、表面欠陥個数が少ないところのデータが多く、表面欠陥個数が多いほどデータが指数関数的に減少するヒストグラムが得られた。
【００４３】
そこで、ここでは、確率分布算出部１０４において、各分割領域における表面欠陥の発生確率分布を指数分布で近似することとした。すなわち、表面欠陥の個数Ｎ、その発生確率分布Ｐとすると、ｋをパラメータとして、下記の（数１）に示す式（１）により表す。
【００４４】
【数１】
【００４５】
なお、必ずしも、データが主成分算出部１０２から出力される度に、ヒストグラム算出部１０９にて式（１）の如く、発生確率分布の近似式を決める必要はなく、代表的なデータを用いて、式（１）の如く、発生確率分布の近似式を一度求めれば、それ以降のデータについては、同じ種類のプロセス操業データや品質データを使っている限り、同一の近似式、すなわち、ここでは式（１）を用いることができる。
【００４６】
次に、領域分割部１０３にて、第１主成分スコアと第２主成分スコアを、それぞれ存在する値の最小値〜最大値の範囲を１０等分、すなわちＮ１＝Ｎ２＝１０として、合計１０×１０＝１００個の領域を定める。（ステップＳ２０４）。
【００４７】
そして、領域ごとに、領域中に存在するデータを用いて、表面欠陥の発生確率分布Ｐiを求める（ステップＳ２０５）。
【００４８】
図３は、第１主成分・第２主成分で構成されるある１つの領域ｉにおける、表面欠陥の発生確率分布Ｐiを示す。
【００４９】
次に、図３において、領域ｉの発生確率分布Ｐiに対して、既知の手法である最尤法を用いて、以下の（数２）に示す式（２）に相当する確率密度関数の式へのフィッティング（図３における破線）を行い、領域ｉにおけるパラメータｋiを求める。これを１００個の全領域に対して実行し、全てのｋi（ｉ＝１，２，・・・，１００）を求める（ステップＳ２０６）。
【００５０】
【数２】
【００５１】
本実施の形態のように、表面欠陥の発生確率が指数分布で表される場合、ある累積確率Ｐcに相当する欠陥発生個数ＮiPcは、下記の（数３）に示す式（３）より表される。
【００５２】
【数３】
【００５３】
ここでは、各領域ｉにおいて、８０％の確率で発生する表面欠陥の最大個数Ｎi0.8を一例として考える（ステップＳ２０７）。
これは、上式（３）において、Ｐc＝０．８となる表面欠陥の個数に相当する。
【００５４】
次に、テーブル登録部１０５において、各領域ｉにおけるＮi0.8を上式（３）を用いて求め、１０×１０のテーブルに登録する（ステップＳ２０８）。
【００５５】
図４に、上記ステップＳ２０８における処理により出来たテーブルを、テーブル表示部１０６において、グレースケールで表した図を示す。
【００５６】
図４から、第１主成分スコアと第２主成分スコアが共に小さいとき、及び、第１主成分が小さく、第２主成分が大きいときに、特に表面欠陥が多く発生しやすく、品質が悪くなる可能性が高いことが、本実施の形態の操業解析装置を用いることで明確に示された。
【００５７】
そして、この結果を利用すれば、高品質な製品が得られた時の、複数のプロセス操業データに合せて、実際の操業条件を改善することができ、製品の品質向上を図ることができる。
【００５８】
以上のように、本実施の形態では、複数のプロセス操業データと、品質データとの間の相関を、確率分布を用いて解析するようにしたので、従来の散布図や相関係数では捉えられなかった両者の相関を明確にすることができる。
【００５９】
特に、主成分算出部にて、主成分分析を実施し、プロセス操業データの線形和で表される主成分を求めるようにしたので、プロセス操業データがお互いに相関を持っているプロセス操業データと品質データの相関を正しく求めることができる。
【００６０】
また、欠陥発生予測部１０７において、新たに製造される製品のプロセス操業データから、第１主成分スコア、第２主成分スコアを求めた後、テーブル登録部１０５において作成された１０×１０のテーブルを参照して、対応する領域中のＮi0.8を求めることにより、その製品の品質を、８０％の確率で発生する表面欠陥の最大個数として予測することができる（ステップＳ２０９）。
【００６１】
なお、本実施の形態では、上式（１）、（２）で説明したように指数関数分布を適用したが、ヒストグラムが示す傾向に従って、対数正規分布、ポアソン分布、２項分布、ベータ分布、ガンマ分布等の適切な確率分布を適用し、それぞれ確率密度関数を設定して表面欠陥の発生確率分布を近似すればよい。
【００６２】
さらに、前記適切な確率分布を用いた近似は必ずしも行わなければならないものではなく、上式（２）に従って分割された各領域ｉにおける表面欠陥の発生確率分布Ｐiから、直接、累積確率がＰｃとなる欠陥発生個数ＮiPcを求めて、テーブルに登録しても良い。ただし、近似を行うことにより、入力データに含まれるノイズを除去することができ、プロセス操業データと品質データとの間のより明確な相関を得ることができる。
【００６３】
本実施の形態では、本発明の製造プロセスにおける操業解析装置を鉄鋼プロセスに適用した例を説明したが、他の製造プロセス、例えば半導体プロセスにおける解析に適用することも可能である。
【００６４】
なお、前述した本発明の製造プロセスにおける操業解析装置は、複数の機器から構成されるものであっても、１つの機器から構成されるものであってもよい。
【００６５】
また、前述した実施の形態は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することで実現される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【００６６】
【発明の効果】
以上述べたように本発明によれば、鉄鋼プロセスを含む製造プロセスにおいて、複数のプロセス操業データと品質データとの間の相関を、確率分布を用いて解析できるようにすることにより、散布図や相関係数では捉えられなかった両者の相関について明確にすることができる。
【００６７】
さらに、プロセス操業データがお互いに相関を持っているような場合でも、プロセス操業データと品質データの相関を正しく求めることができる。
【００６８】
したがって、その解析の結果を利用して、高品質な製品が得られた時の、複数のプロセス操業データに合せて、実際の操業条件を改善することにより、製品の品質向上を図ることができる。また、ある複数のプロセス操業条件で操業した際に得られる製品の品質を予測することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態を示し、操業解析装置の構成の一例を示す図である。
【図２】本発明の実施の形態を示し、操業解析装置の処理動作の一例を説明するためのフローチャートである。
【図３】本発明の実施の形態を示し、ある製造期間におけるプロセス操業データから求めた、第１主成分・第２主成分で構成されるある１つの領域ｉにおける、表面欠陥の発生確率分布Ｐiの一例を示す特性図である。
【図４】本発明の実施の形態を示し、第１主成分スコアを横軸に、第２主成分スコアを縦軸にとり、１０×１０の分割領域における、８０％の確率で発生する最大疵発生個数Ni0.8を登録したテーブルを、グレースケールで示した図である。
【符号の説明】
１０１ 第１のデータ入力部
１０２ 第１の主成分算出部
１０３ 領域分割部
１０４ 確率分布算出部
１０５ テーブル登録部
１０６ テーブル表示部
１０７ 欠陥発生予測部
１０８ 予測結果表示部
１０９ ヒストグラム算出部
１１０ 第２のデータ入力部
１１１ 第２の主成分算出部
【発明の属する技術分野】
本発明は、鉄鋼プロセス等における品質データと複数のプロセス操業データとの相関を解析する製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体に関する。
【０００２】
【従来の技術】
プロセス操業データと品質データとの関係等、２つのデータ間の関係を見出す一般的な手法として、散布図の観察評価、或いは、相関係数による評価が行われている。
【０００３】
これらの手法によれば、２つのデータ間に直線的或いは曲線的に表される関係があるとき、散布図においては点のばらつきがその直線・曲線のまわりに集中することによって、また、相関係数においては、それぞれ直線相関係数、曲線相関係数の絶対値が高い（すなわち、１に近い値を示す）ことによって、両者のデータ間の関係が明らかにされる。
【０００４】
また、鉄鋼プロセス等における品質を予測する手法としては、例えば、特開平６−３０４７２３号公報に開示されたものがある。そこでは、プロセス操業データと品質データとを神経回路網に入力し、神経回路網を学習させることによって、品質制御診断を行っている。
【０００５】
また、確率分布を用いた品質管理・予測の手法としては、ランダムに発生する表面品質欠陥がポアソン分布に近似される性質を用いて、主に半導体製造分野等において、表面欠陥発生平均個数から製品歩留りを推定する手法が知られている。
【０００６】
【発明が解決しようとする課題】
しかしながら、品質データによっては、各プロセス操業データに対して直線的或いは曲線的な関係を持っていないことがある。この場合、散布図や相関係数を評価しても、両者は相関が低いと判断され、両者の関係を捉えることができないという問題があった。
【０００７】
また、特開平６−３０４７２３号公報に開示された手法では、プロセス操業データとして、鋳片のカーボン量等の物性値、板幅等の連鋳操業値、各冷却ゾーン温度等を、また、品質データとして、表面欠陥の有り・無しを入力している。
【０００８】
しかし、例えば現実の鉄鋼プロセスにおいては、表面欠陥の発生要因は無数にあり、人為的な設定や計測が困難な場合も多い。この場合、操業の結果として現れる品質データにも不確定性の要素が含まれることになるため、品質データを表面欠陥の有り・無しという２値で与えて、入力したプロセス操業データとの関係を学習しても、十分に精度の高い学習結果を得ることは必ずしもできないという問題があった。
【０００９】
また、ごく単純な工程の製造プロセスでは、表面欠陥の発生個数をポアソン分布で近似することができるが、多工程にわたり複雑化している現実の製造プロセス、例えば鉄鋼プロセスや半導体プロセス等においては、最終製品における表面欠陥の発生個数は、必ずしもポアソン分布を示すとは限らず、品質に関する情報を表面欠陥発生平均個数のみで代表させることはできないという問題があった。
【００１０】
また、個々のプロセス操業データと、品質データとの相関を解析する手法、いわゆる単相関の解析手法を用いると、一般的に多く見られるごとく、品質が単一のプロセス操業条件ではなく、複数のプロセス操業条件の組み合わせ条件によって決まる場合には、プロセス操業データと品質データとの相関を正確に表すことができないという問題があった。
【００１１】
また、上記の如く、品質が複数のプロセス操業条件の組み合わせ条件によって決まっており、かつ、その複数のプロセス操業データがお互いに相関をもっている場合には、擬似的な相関関係が出力される場合があり、品質データに重大な影響を及ぼしているプロセス操業データを特定することが困難な場合があった。
【００１２】
本発明は、上記のような点に鑑みてなされたものであり、散布図や相関係数では捉えられない複数のプロセス操業データと品質データとの間の相関を解析できるようにすることを第１の目的とする。
【００１３】
また、複数のプロセス操業データがお互いに相関を持ち、その複数のプロセス操業データによって品質データが決まっているような場合でも、両者の関係を適切に表すことができるようにすることを第２の目的とする。
【００１４】
また、品質に影響を及ぼしているプロセス操業データを特定する解析ができるようにすることを第３の目的とする。
【００１５】
また、上記解析によって得られる、複数のプロセス操業データと品質データの関係から、複数のプロセス操業データが決まったときに得られる品質を予測できるようにすることを第４の目的とする。
【００１６】
【課題を解決するための手段】
本発明の製造プロセスにおける操業解析装置は、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析装置において、複数のプロセス操業データと、品質データとを入力するデータ入力手段と、前記データ入力手段により入力したプロセス操業データの各パラメータがとり得る範囲を分割するパラメータ領域分割手段と、前記パラメータ領域分割手段により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出手段と、前記確率分布算出手段により算出した確率分布を用いて、前記パラメータ領域分割手段により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出手段と、前記データ入力手段により入力したプロセス操業データと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出手段とを備えた点に特徴を有する。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析装置において、複数のプロセス操業データと、品質データとを入力するデータ入力手段と、前記データ入力手段により入力したプロセス操業データの主成分分析により、主成分スコアを算出する第１のスコア算出手段と、前記第１のスコア算出手段により算出したプロセス操業データの各主成分スコアがとり得る範囲を分割するスコア領域分割手段と、前記スコア領域分割手段により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出手段と、前記確率分布算出手段により算出した確率分布を用いて、前記スコア領域分割手段により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出手段と、前記第１のスコア算出手段により算出した主成分スコアと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出手段とを備えた点に特徴を有する。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、前記確率分布算出手段が、指数分布を表す確率密度関数を用いて、前記各領域の品質データ値の確率分布を近似処理するようにした点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、前記品質データ値算出手段により算出された各領域での品質データ値を、領域毎にテーブルとして登録するテーブル登録手段を備えた点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、プロセス操業データを入力するプロセス操業データ入力手段を更に備え、前記テーブル登録手段により登録されているテーブルを用いて、前記プロセス操業データ入力手段により入力したプロセス操業データに対して、所定の確率で発生すると予測される品質データ値を算出する品質データ予測手段を備えた点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、プロセス操業データを入力するプロセス操業データ入力手段と、前記プロセス操業データ入力手段により入力したプロセス操業データの主成分分析により、主成分スコアを算出する第２のスコア算出手段とを更に備え、前記テーブル登録手段により登録されているテーブルを用いて、前記第２のスコア算出手段にて算出された主成分スコア値に対して、所定の確率で発生すると予測される品質データ値を算出する品質データ予測手段を備えた点にある。
また、本発明の製造プロセスにおける操業解析装置の他の特徴とするところは、鉄鋼プロセスに適用され、前記品質データは、鉄鋼製品表面の単位面積あたりの欠陥の個数である点にある。
【００１７】
本発明の製造プロセスにおける解析方法は、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析方法において、複数のプロセス操業データと、品質データとを入力するデータ入力処理と、前記データ入力処理により入力したプロセス操業データの各パラメータがとり得る範囲を分割するパラメータ領域分割処理と、前記パラメータ領域分割処理により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出処理と、前記確率分布算出処理により算出した確率分布を用いて、前記パラメータ領域分割処理により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出処理と、前記データ入力処理により入力したプロセス操業データと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出処理とを実行する点に特徴を有する。
また、本発明の製造プロセスにおける解析方法の他の特徴とするところは、複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析方法において、複数のプロセス操業データと、品質データとを入力するデータ入力処理と、前記データ入力処理により入力したプロセス操業データの主成分分析により、主成分スコアを算出するスコア算出処理と、前記スコア算出処理により算出したプロセス操業データの各主成分スコアがとり得る範囲を分割するスコア領域分割処理と、前記スコア領域分割処理により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出処理と、前記確率分布算出処理により算出した確率分布を用いて、前記スコア領域分割処理により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出処理と、前記スコア算出処理により算出した主成分スコアと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出処理とを実行する点にある。
【００１８】
本発明のコンピュータ読み取り可能な記憶媒体は、上述の各手段としてコンピュータを機能させるためのプログラムを格納した点に特徴を有する。
本発明の別のコンピュータ読み取り可能な記憶媒体は、上述の各処理をコンピュータに実行させるためのプログラムを格納した点に特徴を有する。
【００１９】
【発明の実施の形態】
以下、添付の図面を参照して、本発明の製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体の実施の形態について説明する。
【００２０】
本実施の形態では、製造プロセスにおける操業解析装置を鉄鋼の鋳造プロセスに適用し、複数のプロセス操業データとして、鋳造速度と溶鋼温度などを含む１０種類のプロセス操業データを用いるとともに、品質データとして、製品表面の単位面積あたりの欠陥の個数（以下、「表面欠陥の個数」と称する）を用いて、両者の関係を解析し、その関係を用いて、新たなプロセス操業データに対して発生すると予測される表面欠陥の個数を求める例について説明する。なお、ここでの表面欠陥は、鉄鋼鋳片の内部に含まれる気泡、介在物、パウダー等を起因として発生するものを対象とする。
【００２１】
また、本実施例では、１０種類のプロセス操業データから、主成分分析法を用いて、第１主成分、および第２主成分に相当する２つの主成分スコアを算出して、その２つの主成分スコアと品質との関係を解析する例について説明する。
【００２２】
図１は、本実施の形態の製造プロセスにおける操業解析装置の構成の一例を示す図である。
図１において、１０１はデータ入力手段としての第１のデータ入力部であり、図示しないデータ蓄積部より、ある製造期間における操業設定値や測定値等からなるプロセス操業データと、表面欠陥データとがこの第１のデータ入力部１０１に入力される。
【００２３】
具体的に、本実施の形態では、プロセス操業データとして鋳造速度と溶鋼温度などの１０種類のデータが、また、品質データとして表面欠陥の個数が、第１のデータ入力部１０１に入力されることになる。
【００２４】
１０２は第１のスコア算出手段としての第１の主成分算出部であり、図示しないデータ蓄積部から第１のデータ入力部１０１を介して入力された上記ある製造期間における操業設定値や測定値等からなるプロセス操業データを用いて主成分分析を行うとともに、予め求めておいた主成分スコア算出式に従って、主成分スコアを算出して出力する。
【００２５】
ここで、主成分スコアとは、複数のパラメータから成る各々のプロセス操業データを、各主成分の軸に投影した際の座標値であって、その座標値は、各主成分の持つベクトルに従って、プロセス操業データの線形和で表されるものである。
【００２６】
なお、主成分スコアを用いずに、プロセス操業データ自身と品質との相関解析を行う場合は、上記第１の主成分算出部１０２は必要でなく、以下に記述する主成分スコアの代わりに、プロセス操業データを用いることになる。
【００２７】
１０３はパラメータ領域分割手段またはスコア領域分割手段としての領域分割部であり、プロセス操業データの複数の主成分スコアのとり得る値の範囲を、それぞれN1,N2,・・・,Nj個の範囲に分割することで、各々のプロセス操業データの範囲の組み合わせで決定されるN1×N2・・・×Nj個の領域に分割する。
【００２８】
１０４は確率分布算出手段および品質データ値算出手段としての確率分布算出部であり、前記領域分割部１０３により分割されたN1×N2・・・×Nj個の分割領域において、品質データ（表面欠陥の個数）の確率分布を求めて、各領域での所定の累積確率となる品質データ値（表面欠陥の個数）を算出する。この際に、上記各領域の品質データ（表面欠陥の個数）の確率分布を、指数分布などの確率密度関数を用いて近似処理する。
【００２９】
１０５はテーブル登録手段としてのテーブル登録部であり、前記領域分割部１０３により分割されたN1×N2・・・×Nj個の各領域において、前記確率分布算出部１０４（品質データ値算出手段）により算出された品質データ（表面欠陥の個数）の確率分布から、各領域での所定の累積確率となる品質データ値を、N1×N2・・・×Nj個の領域を持つテーブルの中に登録する。
【００３０】
１０６はテーブル表示部であり、テーブル登録部１０５にて登録されたテーブルを図で表示して、品質の良い領域、悪い領域を明確にするためのものである。
【００３１】
１０７は品質データ予測手段としての欠陥発生予測部であり、新たな複数のプロセス操業データを、前記第１のデータ入力部１０１と同様の構成であるプロセス操業データ入力手段としての第２データ入力部１１０から入力し、１０２と同様の構成である第２のスコア算出手段としての第２の主成分算出部１１１を用いて得られる主成分スコアを入力として、テーブル登録部１０５により得られたテーブルを用いて、所定の確率で発生すると予測される品質データの最大値（表面欠陥の最大個数）を予測する。
【００３２】
１０８は予測結果表示部であり、欠陥発生予測部１０７により予測された結果を表示する。
【００３３】
１０９はヒストグラム算出手段としてのヒストグラム算出部であり、第１の主成分算出部１０２から出力される主成分スコアと品質データ（表面欠陥の個数）とからヒストグラムを算出する。
【００３４】
上述したように、確率分布算出部１０４では指数分布などを表す確率密度関数を用いた近似を行うが、その確率密度関数を、ヒストグラム算出部１０９で算出されたヒストグラムに基づいて定めることができる。
【００３５】
次に、図２に示すフローチャートを参照して、本実施の形態の製造プロセスにおける操業解析装置の処理動作について説明する。
【００３６】
第１のデータ入力部１０１に、プロセス操業データとして、ある製造期間における、鋳造速度と溶鋼温度などの１０種類のデータが、また、品質データとして表面欠陥の個数が、図示しないデータ蓄積部から入力される。
【００３７】
次に、前記１０種類のプロセス操業データを用いて、第１の主成分算出部１０２にて、主成分分析を実施し、プロセス操業データの線形和で表される主成分を求める。
【００３８】
上記主成分は、最大でプロセス操業データの種類と同じく、第１主成分から第１０主成分の１０種類が求まるが、ここでは、第１主成分と第２主成分を用いることとし、２つの主成分スコア算出式を得る（ステップＳ２０１）。
【００３９】
主成分分析は、よく知られているように、複数種類のデータのうち、互いに相関があるものを、各主成分にまとめる効果を持っており、また、得られる各主成分は、独立性が高く、互いに相関が低いものになる。
【００４０】
ここでは、第１主成分の主成分スコア算出式は、主に鋳造速度に相関の高い操業データの線形和で表されており、第２主成分は、主に溶鋼温度に相関の高い操業データの線形和で表されているとする。
【００４１】
次に、第１の主成分算出部１０２により、この第１主成分、第２主成分の主成分スコア算出式を用いて、前記１０種類のプロセス操業条件からなる各データの第１主成分スコア、第２主成分スコアを求め、この２つの主成分スコアと、表面欠陥個数が対応したデータを得る（ステップＳ２０２）。
【００４２】
次に、ステップＳ２０２の処理により得た表面欠陥個数のデータを用いて、ヒストグラム算出部１０９にて、ヒストグラムを作成する（ステップＳ２０３）と、表面欠陥個数が少ないところのデータが多く、表面欠陥個数が多いほどデータが指数関数的に減少するヒストグラムが得られた。
【００４３】
そこで、ここでは、確率分布算出部１０４において、各分割領域における表面欠陥の発生確率分布を指数分布で近似することとした。すなわち、表面欠陥の個数Ｎ、その発生確率分布Ｐとすると、ｋをパラメータとして、下記の（数１）に示す式（１）により表す。
【００４４】
【数１】
なお、必ずしも、データが主成分算出部１０２から出力される度に、ヒストグラム算出部１０９にて式（１）の如く、発生確率分布の近似式を決める必要はなく、代表的なデータを用いて、式（１）の如く、発生確率分布の近似式を一度求めれば、それ以降のデータについては、同じ種類のプロセス操業データや品質データを使っている限り、同一の近似式、すなわち、ここでは式（１）を用いることができる。
【００４６】
次に、領域分割部１０３にて、第１主成分スコアと第２主成分スコアを、それぞれ存在する値の最小値〜最大値の範囲を１０等分、すなわちＮ１＝Ｎ２＝１０として、合計１０×１０＝１００個の領域を定める。（ステップＳ２０４）。
【００４７】
そして、領域ごとに、領域中に存在するデータを用いて、表面欠陥の発生確率分布Ｐiを求める（ステップＳ２０５）。
【００４８】
図３は、第１主成分・第２主成分で構成されるある１つの領域ｉにおける、表面欠陥の発生確率分布Ｐiを示す。
【００４９】
次に、図３において、領域ｉの発生確率分布Ｐiに対して、既知の手法である最尤法を用いて、以下の（数２）に示す式（２）に相当する確率密度関数の式へのフィッティング（図３における破線）を行い、領域ｉにおけるパラメータｋiを求める。これを１００個の全領域に対して実行し、全てのｋi（ｉ＝１，２，・・・，１００）を求める（ステップＳ２０６）。
【００５０】
【数２】
本実施の形態のように、表面欠陥の発生確率が指数分布で表される場合、ある累積確率Ｐcに相当する欠陥発生個数ＮiPcは、下記の（数３）に示す式（３）より表される。
【００５２】
【数３】
ここでは、各領域ｉにおいて、８０％の確率で発生する表面欠陥の最大個数Ｎi0.8を一例として考える（ステップＳ２０７）。
これは、上式（３）において、Ｐc＝０．８となる表面欠陥の個数に相当する。
【００５４】
次に、テーブル登録部１０５において、各領域ｉにおけるＮi0.8を上式（３）を用いて求め、１０×１０のテーブルに登録する（ステップＳ２０８）。
【００５５】
図４に、上記ステップＳ２０８における処理により出来たテーブルを、テーブル表示部１０６において、グレースケールで表した図を示す。
【００５６】
図４から、第１主成分スコアと第２主成分スコアが共に小さいとき、及び、第１主成分が小さく、第２主成分が大きいときに、特に表面欠陥が多く発生しやすく、品質が悪くなる可能性が高いことが、本実施の形態の操業解析装置を用いることで明確に示された。
【００５７】
そして、この結果を利用すれば、高品質な製品が得られた時の、複数のプロセス操業データに合せて、実際の操業条件を改善することができ、製品の品質向上を図ることができる。
【００５８】
以上のように、本実施の形態では、複数のプロセス操業データと、品質データとの間の相関を、確率分布を用いて解析するようにしたので、従来の散布図や相関係数では捉えられなかった両者の相関を明確にすることができる。
【００５９】
特に、主成分算出部にて、主成分分析を実施し、プロセス操業データの線形和で表される主成分を求めるようにしたので、プロセス操業データがお互いに相関を持っているプロセス操業データと品質データの相関を正しく求めることができる。
【００６０】
また、欠陥発生予測部１０７において、新たに製造される製品のプロセス操業データから、第１主成分スコア、第２主成分スコアを求めた後、テーブル登録部１０５において作成された１０×１０のテーブルを参照して、対応する領域中のＮi0.8を求めることにより、その製品の品質を、８０％の確率で発生する表面欠陥の最大個数として予測することができる（ステップＳ２０９）。
【００６１】
なお、本実施の形態では、上式（１）、（２）で説明したように指数関数分布を適用したが、ヒストグラムが示す傾向に従って、対数正規分布、ポアソン分布、２項分布、ベータ分布、ガンマ分布等の適切な確率分布を適用し、それぞれ確率密度関数を設定して表面欠陥の発生確率分布を近似すればよい。
【００６２】
さらに、前記適切な確率分布を用いた近似は必ずしも行わなければならないものではなく、上式（２）に従って分割された各領域ｉにおける表面欠陥の発生確率分布Ｐiから、直接、累積確率がＰｃとなる欠陥発生個数ＮiPcを求めて、テーブルに登録しても良い。ただし、近似を行うことにより、入力データに含まれるノイズを除去することができ、プロセス操業データと品質データとの間のより明確な相関を得ることができる。
【００６３】
本実施の形態では、本発明の製造プロセスにおける操業解析装置を鉄鋼プロセスに適用した例を説明したが、他の製造プロセス、例えば半導体プロセスにおける解析に適用することも可能である。
【００６４】
なお、前述した本発明の製造プロセスにおける操業解析装置は、複数の機器から構成されるものであっても、１つの機器から構成されるものであってもよい。
【００６５】
また、前述した実施の形態は、コンピュータのＣＰＵ或いはＭＰＵ、ＲＡＭ、ＲＯＭ等で構成されるものであり、ＲＡＭやＲＯＭに記録されたプログラムが動作することで実現される。したがって、前記実施の形態の機能を実現するためのソフトウェアのプログラムコードをコンピュータに供給するための手段、例えばかかるプログラムコードを格納した記憶媒体は本発明の範疇に含まれる。
【００６６】
【発明の効果】
以上述べたように本発明によれば、鉄鋼プロセスを含む製造プロセスにおいて、複数のプロセス操業データと品質データとの間の相関を、確率分布を用いて解析できるようにすることにより、散布図や相関係数では捉えられなかった両者の相関について明確にすることができる。
【００６７】
さらに、プロセス操業データがお互いに相関を持っているような場合でも、プロセス操業データと品質データの相関を正しく求めることができる。
【００６８】
したがって、その解析の結果を利用して、高品質な製品が得られた時の、複数のプロセス操業データに合せて、実際の操業条件を改善することにより、製品の品質向上を図ることができる。また、ある複数のプロセス操業条件で操業した際に得られる製品の品質を予測することができる。
【図面の簡単な説明】
【図１】本発明の実施の形態を示し、操業解析装置の構成の一例を示す図である。
【図２】本発明の実施の形態を示し、操業解析装置の処理動作の一例を説明するためのフローチャートである。
【図３】本発明の実施の形態を示し、ある製造期間におけるプロセス操業データから求めた、第１主成分・第２主成分で構成されるある１つの領域ｉにおける、表面欠陥の発生確率分布Ｐiの一例を示す特性図である。
【図４】本発明の実施の形態を示し、第１主成分スコアを横軸に、第２主成分スコアを縦軸にとり、１０×１０の分割領域における、８０％の確率で発生する最大疵発生個数Ni0.8を登録したテーブルを、グレースケールで示した図である。
【符号の説明】
１０１ 第１のデータ入力部
１０２ 第１の主成分算出部
１０３ 領域分割部
１０４ 確率分布算出部
１０５ テーブル登録部
１０６ テーブル表示部
１０７ 欠陥発生予測部
１０８ 予測結果表示部
１０９ ヒストグラム算出部
１１０ 第２のデータ入力部
１１１ 第２の主成分算出部
Claims (11)
- 複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析装置において、
複数のプロセス操業データと、品質データとを入力するデータ入力手段と、
前記データ入力手段により入力したプロセス操業データの各パラメータがとり得る範囲を分割するパラメータ領域分割手段と、
前記パラメータ領域分割手段により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出手段と、
前記確率分布算出手段により算出した確率分布を用いて、前記パラメータ領域分割手段により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出手段と、
前記データ入力手段により入力したプロセス操業データと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出手段とを備えたことを特徴とする製造プロセスにおける操業解析装置。 - 複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析装置において、
複数のプロセス操業データと、品質データとを入力するデータ入力手段と、
前記データ入力手段により入力したプロセス操業データの主成分分析により、主成分スコアを算出する第１のスコア算出手段と、
前記第１のスコア算出手段により算出したプロセス操業データの各主成分スコアがとり得る範囲を分割するスコア領域分割手段と、
前記スコア領域分割手段により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出手段と、
前記確率分布算出手段により算出した確率分布を用いて、前記スコア領域分割手段により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出手段と、
前記第１のスコア算出手段により算出した主成分スコアと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出手段と、を備えたことを特徴とする製造プロセスにおける操業解析装置。 - 前記確率分布算出手段が、指数分布を表す確率密度関数を用いて、前記各領域の品質データ値の確率分布を近似処理するようにしたことを特徴とする請求項１または２に記載の製造プロセスにおける操業解析装置。
- 前記品質データ値算出手段により算出された各領域での品質データ値を、領域毎にテーブルとして登録するテーブル登録手段を備えたことを特徴とする請求項１〜３のいずれか１項に記載の製造プロセスにおける操業解析装置。
- プロセス操業データを入力するプロセス操業データ入力手段を更に備え、
前記テーブル登録手段により登録されているテーブルを用いて、前記プロセス操業データ入力手段により入力したプロセス操業データに対して、所定の確率で発生すると予測される品質データ値を算出する品質データ予測手段を備えたことを特徴とする請求項４に記載の製造プロセスにおける操業解析装置。 - プロセス操業データを入力するプロセス操業データ入力手段と、
前記プロセス操業データ入力手段により入力したプロセス操業データの主成分分析により、主成分スコアを算出する第２のスコア算出手段とを更に備え、
前記テーブル登録手段により登録されているテーブルを用いて、前記第２のスコア算出手段にて算出された主成分スコア値に対して、所定の確率で発生すると予測される品質データ値を算出する品質データ予測手段を備えたことを特徴とする請求項４に記載の製造プロセスにおける操業解析装置。 - 鉄鋼プロセスに適用され、前記品質データは、鉄鋼製品表面の単位面積あたりの欠陥の個数であることを特徴とする請求項１〜６のいずれか１項に記載の製造プロセスにおける操業解析装置。
- 複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析方法において、
複数のプロセス操業データと、品質データとを入力するデータ入力処理と、
前記データ入力処理により入力したプロセス操業データの各パラメータがとり得る範囲を分割するパラメータ領域分割処理と、
前記パラメータ領域分割処理により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出処理と、
前記確率分布算出処理により算出した確率分布を用いて、前記パラメータ領域分割処理により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出処理と、
前記データ入力処理により入力したプロセス操業データと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出処理とを実行することを特徴とする製造プロセスにおける操業解析方法。 - 複数のパラメータから成るプロセス操業データと、品質データとの関係について解析する製造プロセスにおける解析方法において、
複数のプロセス操業データと、品質データとを入力するデータ入力処理と、
前記データ入力処理により入力したプロセス操業データの主成分分析により、主成分スコアを算出するスコア算出処理と、
前記スコア算出処理により算出したプロセス操業データの各主成分スコアがとり得る範囲を分割するスコア領域分割処理と、
前記スコア領域分割処理により分割した各分割領域における品質データの確率分布を算出して決定する確率分布算出処理と、
前記確率分布算出処理により算出した確率分布を用いて、前記スコア領域分割処理により分割した各領域で所定の累積確率となる品質データ値を算出する品質データ値算出処理と、
前記スコア算出処理により算出した主成分スコアと品質データとを用いて、品質データ値の発生頻度を算出するヒストグラム算出処理とを実行することを特徴とする製造プロセスにおける操業解析方法。 - 前記請求項１〜７のいずれか１項に記載の各手段としてコンピュータを機能させるためのプログラムを格納したことを特徴とするコンピュータ読み取り可能な記憶媒体。
- 前記請求項８または９に記載の各処理をコンピュータに実行させるためのプログラムを格納したことを特徴とするコンピュータ読み取り可能な記憶媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001352270A JP3733057B2 (ja) | 2001-11-16 | 2001-11-16 | 製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001352270A JP3733057B2 (ja) | 2001-11-16 | 2001-11-16 | 製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003150234A JP2003150234A (ja) | 2003-05-23 |
| JP3733057B2 true JP3733057B2 (ja) | 2006-01-11 |
Family
ID=19164474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001352270A Expired - Fee Related JP3733057B2 (ja) | 2001-11-16 | 2001-11-16 | 製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3733057B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010218251A (ja) * | 2009-03-17 | 2010-09-30 | Kobe Steel Ltd | 金属帯板の製造条件決定システム |
| CN102019393A (zh) * | 2010-12-31 | 2011-04-20 | 中冶连铸技术工程股份有限公司 | 用于连铸机的铸体质量判定方法和装置 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4855353B2 (ja) * | 2006-11-14 | 2012-01-18 | 新日本製鐵株式会社 | 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 |
| JP5020728B2 (ja) * | 2007-07-10 | 2012-09-05 | 新日本製鐵株式会社 | 品質管理装置、方法及びプログラム |
| JP5169098B2 (ja) * | 2007-09-14 | 2013-03-27 | Ｊｆｅスチール株式会社 | 品質予測装置、品質予測方法及び製造方法 |
| JP5169096B2 (ja) * | 2007-09-14 | 2013-03-27 | Ｊｆｅスチール株式会社 | 品質予測装置、品質予測方法及び製品の製造方法 |
| JP5633522B2 (ja) * | 2012-01-06 | 2014-12-03 | 新日鐵住金株式会社 | 操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 |
| KR101344896B1 (ko) | 2012-02-29 | 2013-12-26 | 현대제철 주식회사 | 열연코일의 에지결함 예측장치 및 그 방법 |
| JP6119640B2 (ja) * | 2014-02-28 | 2017-04-26 | Ｊｆｅスチール株式会社 | 連続鋳造スラブの表面欠陥判定方法及び装置 |
| CN108067599B (zh) * | 2016-11-15 | 2019-09-17 | 上海宝信软件股份有限公司 | 基于炼钢连铸全过程数据的板坯质量分析方法 |
| WO2019013225A1 (ja) * | 2017-07-14 | 2019-01-17 | パナソニックＩｐマネジメント株式会社 | 表示装置、製造システム及び表示方法 |
| JP2020106496A (ja) * | 2018-12-28 | 2020-07-09 | 日本製鉄株式会社 | 品質予測装置、品質予測方法、およびプログラム |
-
2001
- 2001-11-16 JP JP2001352270A patent/JP3733057B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010218251A (ja) * | 2009-03-17 | 2010-09-30 | Kobe Steel Ltd | 金属帯板の製造条件決定システム |
| CN102019393A (zh) * | 2010-12-31 | 2011-04-20 | 中冶连铸技术工程股份有限公司 | 用于连铸机的铸体质量判定方法和装置 |
| CN102019393B (zh) * | 2010-12-31 | 2012-11-28 | 中冶连铸技术工程股份有限公司 | 用于连铸机的铸体质量判定方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003150234A (ja) | 2003-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3733057B2 (ja) | 製造プロセスにおける操業解析装置、その方法、及びコンピュータ読み取り可能な記憶媒体 | |
| JP4855353B2 (ja) | 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 | |
| JP2019074969A (ja) | 品質予測装置及び品質予測方法 | |
| JP6998243B2 (ja) | 衝撃試験分析装置、衝撃試験分析システム、衝撃試験分析方法及びプログラム | |
| JP2002073746A (ja) | 部品在庫管理における需要予測方法 | |
| JP5867349B2 (ja) | 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 | |
| JP2019036061A (ja) | 要因分析装置、要因分析方法、およびプログラム | |
| CN109900363A (zh) | 一种基于轮廓提取的目标物红外测温方法和装置 | |
| JP4299508B2 (ja) | 製造プロセスにおける操業と品質の関連分析装置、関連分析方法及びコンピュータ読み取り可能な記憶媒体 | |
| JP6815368B2 (ja) | 異常検知装置、異常検知方法、制御プログラム、および記録媒体 | |
| JP4102019B2 (ja) | 製造プロセスにおける解析装置、方法、及びコンピュータ読み取り可能な記憶媒体 | |
| JP7374868B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| JP2019007944A (ja) | 偏析検出方法及び偏析検出装置 | |
| CN113609535A (zh) | 一种侧信道曲线特征提取方法及装置 | |
| JP2006119927A (ja) | パターンマッチング方法およびプログラム | |
| JP2004288144A (ja) | 製造プロセスの操業結果解析装置、操業結果解析方法及びコンピュータ読み取り可能な記憶媒体 | |
| CN107222328B (zh) | 预测饱和拐点的方法及装置 | |
| US20210365189A1 (en) | Performance analysis apparatus and performance analysis method | |
| JP2018180732A (ja) | 品質データ分析装置、および品質データ分析方法 | |
| JP2002323924A (ja) | 不良装置検出方法、不良装置検出装置、プログラム及び製品の製造方法 | |
| JP2008165412A (ja) | 性能演算装置 | |
| JP6739502B2 (ja) | データ解析装置、データ解析方法、制御プログラム、および記録媒体 | |
| JP3817979B2 (ja) | テンプレートマッチング方法 | |
| JP2011145905A (ja) | 予測関数生成装置、方法、及び、プログラム | |
| JP2007163417A (ja) | 画像位置測定方法および画像位置測定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050714 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050719 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050908 |
|
| 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: 20051004 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051014 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 3733057 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091021 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111021 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111021 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121021 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121021 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |