JP4180960B2 - データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体 - Google Patents
データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体 Download PDFInfo
- Publication number
- JP4180960B2 JP4180960B2 JP2003108186A JP2003108186A JP4180960B2 JP 4180960 B2 JP4180960 B2 JP 4180960B2 JP 2003108186 A JP2003108186 A JP 2003108186A JP 2003108186 A JP2003108186 A JP 2003108186A JP 4180960 B2 JP4180960 B2 JP 4180960B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- time
- series data
- equipment
- dividing
- 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 149
- 238000007405 data analysis Methods 0.000 title claims description 42
- 238000003860 storage Methods 0.000 title claims description 17
- 238000004590 computer program Methods 0.000 title claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 47
- 238000007418 data mining Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000007689 inspection Methods 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 229910000831 Steel Inorganic materials 0.000 description 38
- 239000010959 steel Substances 0.000 description 38
- 239000000047 product Substances 0.000 description 37
- 238000010586 diagram Methods 0.000 description 22
- 238000005098 hot rolling Methods 0.000 description 15
- 238000000137 annealing Methods 0.000 description 11
- 238000005096 rolling process Methods 0.000 description 8
- 238000009749 continuous casting Methods 0.000 description 5
- 229910001335 Galvanized steel Inorganic materials 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 239000008397 galvanized steel Substances 0.000 description 4
- 238000005246 galvanizing Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 238000005097 cold rolling Methods 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000007747 plating Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 239000011701 zinc Substances 0.000 description 2
- 229910052725 zinc Inorganic materials 0.000 description 2
- 229910000760 Hardened steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 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)
- Control Of Metal Rolling (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【発明の属する技術分野】
本発明は製造ラインの各工程より抽出したデータを分析する技術に関するものである。
【0002】
【従来の技術】
一般に、製造ラインは複数の工程で構成され、各工程で段階的に製品を製造していき、最終工程を経てその製品の良否のチェックが行われる。不良と判定された場合、当然、どの工程での処理、もしくは作業にその原因があるかを究明し、歩留まりの改善に役立てることが行われる。
【0003】
近年では、各製造工程(設備装置)に種々のセンサを設け、それらからの情報を一元管理し、良否の原因究明をコンピュータによる処理で行うことが可能になってきた。この処理として昨今注目されているものにデータマイニング(Data Mining)という技術がある。データマイニングという手法を簡単に述べると、違いを明確にしたい目的変数と、それを説明するために用意した多数の説明変数の間の関係を効率的に導き出す手法である。製造不良原因究明に適用すれば、多くの製品を製造した際に得られた各工程でのセンサによるデータ、並びに、個々の製品の良否判定データを母集合として蓄積し、良否の原因(目的変数)とそれぞれの場合のセンサデータ(説明変数群)との因果関係を導き出すことが可能である。
【0004】
【発明が解決しようとする課題】
上記のように、製造工程に適用する場合におけるデータマイニング処理では、個々の製品を製造する際の共通なデータ項目どうしと良否の差異を比較することで因果関係を導出するものであるから、その処理対象となるデータは、工程中の或る1つのタイミングで検出したデータ、例えば、位置決めした際のその座標位置データ等とすると有効に作用する。
【0005】
しかし、或る工程において時間軸に対して変化する、もしくは変化し得る状態情報(例えば温度、圧力、速度等)については、その手法を利用し難いという問題がある。理由は、次の通りである。
【0006】
時間軸に沿って変動する、もしくは変動し得るデータ(以下、時系列データという)をまともに検出するには、時間軸に連続していると見なせる程度のサンプリング周期(工程での種類にもよるが数十ms乃至数秒間隔)でデータをサンプリングすることになるが、各工程が全く同じ時間をかけて処理することはむしろ希であるから、或るタイミングで検出したデータどうしを比較するというのは困難であると同時に、各製品間におけるデータが、その工程の全く同じ状態でのデータであるという保証もなく、無意味な比較となる可能性が高いからである。また、個々のタイミングで検出したデータどうしを比較するには、工程でのかかる時間にもよるが、膨大なデータ量となることも、その利用を阻む理由でもある。
【0007】
本発明はかかる問題点に鑑みなされたものであり、製造ラインの工程中に、時間軸に沿って変動する、もしくは変動し得る時系列データがあったとしても、製造物の良否等の原因究明を容易なものとする技術を提供しようとするものである。
【0008】
【課題を解決するための手段】
かかる課題を解決するために、例えば本発明のデータ分析装置は以下の構成を備える。すなわち、
複数の製造工程それぞれに設置された設備装置が有するセンサのデータを、前記設備装置から受信し収集記憶し、記憶された複数の製品物に係る各製造工程でのデータを分析するデータ分析装置であって、
前記設備装置から送られる、時間軸に沿って変動する、もしくは変動し得る前記センサで検出された時系列データを、製造工程のスケジュール中のイベント発生タイミングを分割条件として時間軸に沿って複数の区間に分割する分割手段と、
各製造工程の設備装置からのデータが、前記時系列データである場合、前記分割手段により分割された複数の区間夫々における時系列データである部分時系列データを表わす複数の特徴量を算出する算出手段と、
各製造工程の設備装置からの、時間に依存しない非時系列データと前記算出手段で算出したデータを統合し、記憶する統合手段と、
前記算出手段での算出、並びに統合手段での統合、登録記憶を、前記複数の製品物に対して行なうことで、データ解析用のデータとして記憶する記憶手段と、
該記憶手段で記憶されたデータを分析する分析手段とを備え、
前記設備装置が複数のセンサを有する場合には、前記分割手段は、前記複数のセンサそれぞれで検出された時系列データを前記イベント発生タイミングで同期を取り複数の区間の部分時系列データに分割することを特徴とする。
【0009】
【本発明の実施の形態】
以下、添付図面に従って本発明にかかる実施形態を詳細に説明する。
【0010】
なお、実施形態では鉄鋼業の製造ライン、特に、溶融亜鉛メッキ鋼板の製造プロセスに適用した例を説明するが、以下の説明から、当業者であれば本発明はかかる製造ラインに限定されることがないことは容易に推察されよう。
【0011】
図1は、製鋼工場、特に溶融亜鉛メッキ鋼板の製造プロセスの工程を示している。なお、溶融亜鉛メッキ鋼板の用途は、自動車用外板、電化製品外枠等が殆どであり、高い品質が要求されるものでもある。
【0012】
高炉1では、鉄鉱石と所定量のコークス(石炭)を溶かし、酸化鉄の還元を行う。この後、転炉2において、成分調整を行い、連続鋳造3において溶けた鋼を冷やし固める処理を行う。固まった鋼はスラブ(厚さが200mm程度の半製品)となる。
【0013】
熱延工場では、先ず、熱延(熱間圧延)工程4において加熱炉においてスラブを熱し、後述する圧延機のロールに挟んで徐々に厚みを薄くする(約2乃至3mm)。そして、冷延(冷間圧延)工程5で更に薄く伸ばし(1mm以下)、焼鈍工程6で顧客に応じた加工しやすさの柔らかさにし、CGL工程7で溶融亜鉛メッキを施し、検査工程8で検査を行う。
【0014】
なお、熱延工程4以降の鋼板は、ロール状に巻かれたものとなり、一般にこの一巻の鋼板は「帯鋼」と呼ばれる。
【0015】
各工程は帯鋼を巻き戻しして再処理し、再びロール状に巻く、すなわち、帯鋼にする処理を行う。出荷時の帯鋼の鋼板総延長は長さは数千メートル(1500m乃至4000m)の長さにもなる。
【0016】
データベース100は、顧客の要望(長さ、厚み、柔らかさ等)であるオーダーデータ、各工程に設置された設備装置に設定する制御指示データが格納され、尚且つ、各工程の設備装置に設けられた各種センサからの情報を受信し、格納する。データ分析装置200は、データベース100に格納されたデータ及び、検査工程での検査結果に基づいて、不良原因等のデータ解析をデータマイニング手法に基づいて行うことになる。なお、オーダーデータ、制御指示データはデータベース100とは別のコントロール装置が保持している場合もある。また、データベース100及びデータ分析装置200の詳細については後述することとする。
【0017】
上記工程において、品質の善し悪しは、最終製品の帯鋼(一巻)当たりの傷が存在する率(1巻の長さに方向の、傷が存在する長さの比率)、厚み、及び、「深しぼり」(押圧加工した際の耐性)等が挙げられる。傷、厚みについては最終工程でセンサにより検出できるが、「深しぼり」については帯鋼の末端部分を切り出し、実際に押圧変形させることで検査を行うことになる。
【0018】
さて、上記各工程において、高炉工程1でのデータは炉もしくは溶解の温度、転炉工程2、またはそれに付随する炉外精錬炉での成分調整の為の混合する添加物の種別及びその量等が重要なファクタであるが、中でも、連続鋳造工程3、熱延工程4、焼鈍工程6が、製品の善し悪しに大きな影響を与えることが知られている。前記溶解の温度及び前記添加物の種別及び量といったデータは、データベース100に蓄積されることになる。
【0019】
そこで、連続鋳造工程3、熱延工程4、焼鈍工程6について簡単に説明することとする。
【0020】
先ず、連続鋳造工程3は、図2に示す如く、転炉からLD(レードル、取り鍋と呼ばれる)により溶鋼を搬送し、TD(ダンディッシュ)で一旦それを受け、MD(モールド)に流し込む。MDには複数の熱電対センサが設けられ、ここで溶鋼の温度検出を行っている。このMDからの溶鋼を、冷却水をスプレーすることで、温度を下げていくと共に、搬送経路に設けられたロールで挟み込み、引き出していく。この結果、最終的には厚みが200mm程度のスラブを形成していく。このときの品質に与える重要なファクタは、上記のMDに設けられた熱電対センサによる温度、冷却するための水量、及び、最終位置にある搬送ローラによる引き抜き速度(または、鋳込速度)である。前記温度、前記冷却するための水量、及び、前記最終位置にある搬送ローラによる引き抜き速度(または、鋳込速度)等のデータも各々の設備装置に設けられたセンサ等により接取され、そのデータはデータベース100に蓄積されることになる。
【0021】
次に、熱延工程4を図3にしたがって説明する。
【0022】
熱延工程4では、先ず、加熱炉でスラブを加工しやすくなるまでガスバーナー等で加熱し、それを粗圧延機及び仕上圧延機が有するロールにて挟み込んで段階的に薄く延ばしていき、最後に冷却水をスプレーして調整冷却し、最後にロール状に巻き取ることが行われ得る。粗圧延機及び仕上圧延機はその構造がほぼ同じであるので、図示では粗圧延機について示した。粗圧延機は複数のスタンド(実際は十数個)で構成され、各スタンドでは侵入してくる鋼板を加圧ロールで圧延していく。このときの鋼板を挟む圧力、及びスタンドの加圧ロールの温度、圧延直後の温度等のデータを各種センサで採取し、採取された各種データは、データベース100に蓄積される。
【0023】
次に、焼鈍(焼きなまし)工程6を図4にしたがって説明する。圧延工程で鋼板(巻き取られた状態にあるので、一般に、「帯鋼」と呼ばれる)は、その際に受けた圧下力による歪みが内部的に蓄積されて硬化している。この力を解放し、加工し易い「柔らかさ」を取り戻す工程が焼鈍(焼きなまし)工程6である。一般には複数の炉で、予め設定された温度になるよう加熱・冷却を制御することで行う。図4は焼鈍工程6での設備の構成を示しており、熱延工程4での帯鋼を巻き戻し、複数の炉(ガスバーナー)により、それぞれに設定した温度で加熱することになる。各炉の温度、並びに、炉で加熱された鋼板の温度(放射温度センサで測定する)はデータベース100に蓄積されることになる。焼鈍工程6がおこなれると、帯鋼として再度巻き取られ、この後の溶融亜鉛メッキ処理(CGL)工程7に搬送されることになる。
【0024】
次に、CGL工程7及び検査工程8について、図5を用いて説明する。
【0025】
焼鈍工程6を経た帯鋼は、再び巻き戻され、図示の溶融亜鉛メッキ装置を通過することでその表面に亜鉛膜を形成し、バーナーで亜鉛メッキを乾燥させる。最終工程で鋼板の厚みを検出し、且つ、1次元カメラ(図示の紙面に垂直な方向の1次元の画像を撮像するカメラ)で、メッキ後の鋼板表面を撮像する。鋼板は図示の矢印方向に搬送され、再び巻き取られていくことになるので、結局のところ、厚みセンサは帯鋼の全長に亙る厚みを検出し、1次元カメラは帯鋼の長さ方向の2次元の鋼板表面の像を撮像することになる。溶融亜鉛メッキ処理は、検査と同期をとって行われることになるので、巻き取り速度は1次元カメラの撮像速度に依存したものとなる。なお、厚みを検出する手法としては、X線を発生し、鋼板を通過したX線量を検出することで厚みを検査するのが一般的である。すなわち、鋼板の厚さが大きいほど透過X線量が小さくなることを利用することになる。この検査によって検出された厚みのデータについても、データベース100に蓄積されることになる。
【0026】
なお、カメラで検出した傷に関する情報は、例えば「先頭から何mの箇所に、送り方向に対して何cmの傷があった」ということが検出できることになる。そして、その結果、単位長さ(例えば1000m)における傷の個数、傷の合計長さの1つの製品の総長に対する割合がデータベース100に蓄積されることになる。
【0027】
また、溶融亜鉛メッキ処理でのメッキ液の温度、バーナーによる温度情報もデータベース100に蓄積されることになる。
【0028】
以上が溶融亜鉛メッキ鋼板の製造プロセス及び検査工程のおおよその内容である。
【0029】
各工程で検出されたデータは、上記のように、データベース100に蓄積される。データベース100には、1つの製品(帯鋼=ロット)に対するデータが関連づけられて記憶管理されている。
【0030】
図6は、データベース100のデータ構造を示している。
【0031】
図示に示す如く、1つの製品に対するデータ構造は、その製品を特定する製品ID、製造時刻、顧客からの要望情報であるオーダデータ、その製品を製造する際に各工程の設備装置に設定した制御指示データ、各工程(設備装置)から送信されてきた検出データ、及び、検査データで構成される。なお、当然のことであるが、検出データや検査データでのセンサで検出されたデータはアナログ・デジタル変換されたデータとなっている。このデータが、全製品について同様のフォーマットでデータベース100に蓄積されている。
【0032】
検出データは、図1に示すそれぞれの工程を示す大工程識別情報、それぞれの工程に設置された設備装置(複数設置する場合が殆どである)を特定する情報、そのデータが時系列データであるか否かを示す情報、検出するデータの種別、そして、値/ポインタで構成される。非時系列データは、その工程の始まりから終わりまで変化がない、もしくは、一義的に決まるデータであるので、「値/ポインタ」フィールドにはその値が格納されるが、時系列データの場合にはサンプリングした多量のデータが存在することになるので、その時系列データを記憶しているファイル名やアドレスといったポインタが格納される。「値/ポインタ」フィールドに格納されたデータが値であるか、ポインタであるのかは、第3フィールドで決まることになる。
【0033】
また、検査データも、その検査の種別、時系列か否か、値/ポインタの各フィールドで構成されることになる。
【0034】
なお、上記では、製造物毎にデータが管理されるものとしたが、これは理解を容易にするためであって、実際は、各種データがそれぞれ独立し、互いに関連づけられて記憶されているものである。
【0035】
さて、上記のようなデータベース100には、1つの製品に着目したとしても、複数の工程のデータが存在することが理解できよう。この中で、非時系列データは、文字とおり、その値が変動するものではないので、後述するデータマイニング処理でそのままの状態で活用できるが、時系列データについてはその情報量が膨大であり、尚且つ、その時系列データそのままをデータマイニング手法を活用することが現実問題としてはできない。
【0036】
そこで、本実施形態では、このような時系列データについては、その時間軸に対する変動する様を、幾つかの特徴パラメータで表現するようにした。
【0037】
図7は或る工程での或るセンサで検出された時系列データを時間軸を横軸yとしてプロットした例を示している。縦軸は、温度、速度等があるが、蓄積されたデータはデジタルデータとして単純に蓄積されているので、その種類は問わない。
【0038】
図示のように、時系列データを特徴づける量としては、その分布の平均値ave、上限値max、下限値min、変動幅range(=上限値−下限値)、その工程に要した時間t(最終データの時間−最初のデータの時間)、面積s、そして、標準偏差σとした。個々の特徴量そのものの演算内容についは説明するまでもないであろう。なお、この中で変動幅rangeは上限値maxと下限値minとの差、面積sは時間tと平均値aveの乗算により派生的に演算できる(いつでも算出できる)ので、それ以外が特に重要となる。
【0039】
実施形態では、この7つの特徴量を、1つの時系列データを代表するデータとして扱うことで、データマイニング手法を利用できるようにした。例えば、或る工程が仮に30分かかり、或るセンサがサンプリングを10ms単位に行ったとした場合、その時系列データは30×60/0.01=180000個のデータで構成される計算になる。このデータが上記のような特徴量算出処理を行うと最大でも7個のデータに集約させることができることになる。
【0040】
なお、各工程の各センサで検出された時系列データの全てに対して、上記の7つのデータが必須である場合とそうでない場合が存在するし、実施形態のシステムはもともと鉄鋼業に限らず、あらゆる製造ラインに適合することを目的としているので、この7つの特徴量の中のいずれを、注目している工程のセンサによる時系列データに適用するかはユーザ(顧客)の設定に任せることとした。前記7つの特徴量以外の特徴量、例えば分散等を算出し、時系列データを代表するデータとして扱うことも勿論可能である。また、データマイニング処理では、処理に用いるデータの単位については重要な要素ではないため、特徴量の算出にあたり処理効率を考慮して標準偏差の替わりに分散を用いるなどの変換をしてもよい。処理効率等を考慮すると、平均値ave、下限値min、上限値max等と同様に、標準SQL関数で算出できる特徴量であることが好ましい。
【0041】
ただし、鉄鋼業の場合には、時系列データの数が数百程度存在することになるので、その設定が容易になることが望まれる。
【0042】
そこで、本実施形態では、データ分析装置200において、解析する前段階で、データベース100に蓄積されたデータの中の時系列データを一度に設定できるようにした。図8はその際に表示される設定ウインドウを示している。
【0043】
第1列には、どの工程のどの設備装置の何のセンサのデータであるかを示すデータ項目が表示され、第2列目以降は先に示した7つの特徴量が並んで表示される。データ項目数が多い場合に備えて、図示の如く右端にはスクロールバーを表示する。
【0044】
ユーザは、この表示ウインドウを見て、マウス(登録商標)等のポインティングデバイスを操作し、個々のデータ項目について、利用する特徴パラメータをチェックしていく。チェックされた箇所を再度チェックすると、非チェック状態になることを付言しておく。いずれにしても、必要となる特徴パラメータを決定し、図示の下部に表示されるOKボタンをクリックすると、データ分析装置が有するハードディスクにその内容が設定テーブル(ファイル)として保存されることになる。なお、上記の如く、個々の時系列データ毎に、どの特徴量を算出するかが設定できるようにしたことで、如何なる業種にも適応できるようになる。
【0045】
図9は実施形態におけるデータ分析装置200のブロック構成図である。図示に示す如く、実施形態のデータ分析装置200はワークステーションやパーソナルコンピュータ等のハードウェア的には汎用情報処理装置で構築可能となっている。
【0046】
図示において、201は装置全体の制御を司るCPUであり、202はブートプログラムやBIOSを記憶しているROMである。203はCPUのワークエリアとして使用されるRAMであって、ここにOS、並びに、データ分析装置として機能するプログラムがロードされCPU201により実行されることになる。204はOS、データ分析装置として機能するプログラム、更には、先に説明した設定テーブルを記憶するハードディスクである。205はデータベース100と通信するためのネットワークインタフェースであり、206はCPU201の制御の下で表示すべき画像の描画処理を行ない、表示装置207にビデオ信号として出力する表示制御部である。表示装置207はCRTや液晶表示装置等、如何なるものでも良い。208はキーボード、ポインティングデバイス等で構成される標準入力装置である。
【0047】
上記構成における、先に示した設定テーブルの作成処理を図10のフローチャートにしたがって説明することとする。データ解析処理プログラムが既に起動されていて、図10に示す処理は、その際に表示する設定テーブルの作成を指示した際に実行されるものである。
【0048】
先ず、ステップS1において、データベース100にログインし、時系列データとして登録されている種別を全て抽出するよう依頼し、その結果を受信する。次いで、ステップS2に進み、受信したデータ種別に基づき、図8に示すような設定ウインドウを表示する。この後、ステップS3でユーザが標準入力装置208を利用して、個々のデータに対して算出すべき特徴パラメータを設定させる。そして、OKボタンが指示されると、処理はステップS4に進んで、設定内容を設定テーブルとしてハードディスク204に格納保存する。
【0049】
次に、実施形態におけるデータ分析装置における解析処理を図11のフローチャートにしたがって説明する。
【0050】
先ず、ステップS11において、データマイニング処理を行うためのテーブル(データマイニング用テーブル)をRAM203に確保する。このとき、データベース100には、幾つの製品データが存在するかを問い合わせることで、データマイニング用テーブルに登録する製品数(レコード数)を把握しておく。また、個々の製品データに含まれるデータ数は既知であり、尚且つ、そのうちの個々の時系列データに対し、どのような特徴量を算出するかは設定テーブルに登録されているので、データマイニング用テーブルに登録するフィールド数も事前に把握できる。
【0051】
次いで、ステップS12に進んで、或る製品データをネットワークインタフェースを介してデータベース100から入力し、ハードディスク204に一時的に保存する。なお、この際、図6に示すようにポインタで関連づけられているデータも合わせて受信し、保存することになる。また、以下に説明するデータマイニング用テーブルへの登録が完了した場合、その保存したデータは削除する、もしくは次の製品データを入力した際に、上書きする。
【0052】
さて、この保存処理が終わると、ステップS13に進み、その保存されたデータからセンサデータを読出し、ステップS14でそのデータが時系列データであるか否かを判断する。この判断は、時系列データであるか否かのフラグを調べることで行う。
【0053】
時系列データであると判断した場合には、ステップS15に進み、その時系列データから、先に説明した設定テーブルで設定された内容に応じた特徴量を算出する。算出した結果は、データマイニング用テーブルの該当する位置(フィールド)に登録(記憶)する(ステップS16)。また、非時系列データである場合には、その値のままデータマイニング用テーブルの該当するフィールドに登録する(ステップS16)。すなわち、ステップS16では時系列データに基づいて算出した特徴量と、非時系列データを統合することになる。
【0054】
そして、ステップS17に進んで、1つの製品の全データに対する処理が完了したか否かを判断し、否の場合には、次のデータを入力すべくステップS13に戻る。
【0055】
こうして、1つの製品データに基づくデータマイニング用テーブルへの登録が完了すると、処理はステップS18に進み、全製品データの入力が完了したか否かを判断し、否の場合にはデータマイニング用テーブルの次のレコードへの登録を行うべく、ステップS12以降の処理を繰り返すことになる。
【0056】
ステップS12で全製品データに対するデータマイニング用テーブルへの登録が完了したと判断した場合、処理はステップS19に進むことになるが、このときのデータマイニング用テーブルは例えば図12に示すような形式でRAM203に記憶されていることになる。
【0057】
なお、検査データでの「深しぼり」は良/不良の判定情報であるが、このような2つの状態のいずれか一方のデータは、便宜的に、1、0のいずれかで記憶する。
【0058】
さて、処理がステップS19に進むと、操作者に条件を指示させる。条件としては、検査データの種別を指示することとした。そして、この指示された条件に従いステップS20のデータマイニング処理を行ない、ステップS21でその結果を出力する。出力はRAM203上に一時的に格納するとともに表示画面に表示するが、ファイルにも保存できるし、印刷することもできるようにした。
【0059】
ここで実施形態におけるデータマイニング処理について説明する。
【0060】
データマイニング処理そのものは周知の技術ではあるが、実施形態においては、先に説明したように、各工程の各センサによる時系列データに対して、それぞれのどの特徴量をデータマイニング処理対象項目とするかを設定し、その上でデータマイニング処理を行うことを特徴とする。
【0061】
今、ステップS13において、「傷の数」を条件として指示したとする。
【0062】
先ず、製造工程でのセンサデータの1つに着目し、そのデータの取り得るレンジを調べる。例えば、コークス量に着目した場合には、その取り得る範囲がAmin〜Amaxの間にばらついている場合には、初期値AにAminを与え、それより大きい場合の製品の傷の数に関する部分集合と、それ以下の部分集合とに分け、両者の分布(例えば中央値)に差を求める。そして、A←A+Δについても同様に求め、部分集合の差が最大となる閾値Aを探索する(発見できる場合もあるし、できない場合もある)。そして、次のデータについても同様に処理し、データマイニング用テーブルに登録された全センサデータについて行っていく。こうして、データ種別に跨がった部分集合間の差が最大となっているデータ種別を決定する。例えば、多数のデータの中で、熱延工程4の第3設備装置の第2スタンドで検出した鋼板温度の下限値minがA0未満の場合とそれ以上の場合との傷の個数(平均値)の差が一番大きいと判断した場合、「熱延工程4の第3設備装置の第2スタンドで検出した鋼板温度の下限値minがA0未満」の製造製品のデータを母集合として、他のセンサデータについて同様に調べていく。この探索処理は、各段階での母集合に対する2つまたは複数の部分集合間の差が所定値εを越えるものが検索できなくなるまで行う。
【0063】
この結果、例えば、
IF
熱延工程4の第3設備装置第2スタンドの温度センサの下限値min<A0 and
焼鈍工程6の第1設備装置第1炉の温度センサの上限値max<A1 and
熱延工程4の第3設備装置第4スタンドの温度センサの変動幅range>A2
THEN
傷数が多い
ENDIF
等のように、3つの条件が大きく作用していることが導出される。
【0064】
図13は、上記の例におけるステップS19での条件設定画面と、データマイニング処理での結果の表示例を示している。
【0065】
図示において、探索条件としては、検査データの中から対象データを指定する欄1301(図示の場合には「傷の数」)と、探索する方向が大きいものか、小さいものかを選択する欄1302の2つがあって、これらはコンボボックス形式にした。ここで開始ボタン1303をクリックすると、先ず、図12のデータの検査データ(初期状態での母集合でもある)中の対象である傷数の総数を計数し、それを製品数で除算することで平均傷数を欄1304に表示する。
【0066】
この後、先に説明した処理を行うことで、どの工程の、どの設備装置の、どのセンサであるかを示す情報、並びに、そのセンサによる閾値の大小の結果、どのような傷数になっているかを示す情報(図示では平均傷数)を、探索結果条件として図示の領域1305に木構造にして表示していく。また、各部分集合の製品数を表示しても良い。
【0067】
なお、探索結果条件数が多数存在することも有り得るので、図示の如く、木構造を表示する領域1305はスクロール可能にした。また、図示の下部に示しているように、必要に応じてファイルとして保存することも、印刷することもできるようそれらに相当するボタンを設けた。
【0068】
また、条件欄1301、1302に新たな検査結果データを指示することで、その条件の下で上記の処理が再開される。ただし、再度同じ条件を指定した場合には、ステップS12乃至S20の処理は行わず、RAM203に一時的に記憶したデータを表示するだけとした。したがって、条件欄1301、1302を条件を設定することで、表示される木構造は切り換わるようになる。
【0069】
また、図13の下部にある「有効項目確認」ボタンがクリックされた場合には、上記のデータマイニング処理で抽出された条件と、設定テーブルの対応関係をウインドウとして示すようにした。
【0070】
図14はこのウインドウの一例を示している。図示において、欄1401にはセンサの所在位置が示され、欄1402には第1番目の探索結果条件のパラメータが存在していることが示される(もし、無ければ「無関係」等と表示する)。また、欄1403には、このセンサデータの個々の特徴量についての判定結果が表示される。判定結果中の数字「1」は探索結果条件の第1番目に重要と考えられるパラメータであることを示している。重要度を示す数字は図13に図示した木の深さ(最上位からの分岐の段数)などを用いればよい。「X」はデータマイニング対象のデータではあるものの、関連性は小さいことを示している。「△」は時系列データにおける特徴パラメータ算出対象外(図8で未チェック)のデータであることを示している。
【0071】
同図から理解できる点は、データマイニング処理として、熱延工程の第3設備機器の第2スタンドにおける鋼板温度検出用のセンサに着目したとき、そのセンサデータにおける上限値、平均値、変動幅はさほど重要ではなく、下限値が問題であることが分かる点である。換言すれば、図13との関係で、この工程の該当するスタンドを終えた段階での温度が閾値A0未満のとき、多くの傷が発生するわけであるから、その上流側での加熱を大きくする等の対処法を見出すに至ることになる。また、データマイニング処理においては、演算するデータ量が多いので、今後のデータマイニング用テーブルを作成する際の設定テーブルにおいて、該当する上限値、平均値、変動幅を演算対象外にすることの指標にもなる。
【0072】
なお、図示の切り換えボタン1404はページめくりボタンとして機能するものであり、これをクリックすることで、他の時系列データの設定内容とデータマイニング結果の内容とを確認できる。1405は印刷ボタン、1406は図13の表示画面に戻るボタンである。
【0073】
以上説明したように本実施形態によれば、時系列データ、すなわち、時間軸に沿って変動する、もしくは変動し得るデータを、その変動や変位を数個の特徴量として表現し、しかも、その特徴量のうちどの値を活用するかをユーザが自由に設定できることにより、製造ラインにおける問題点を効率良く解析することが可能になる。また、上記の如く、実施形態では、時系列データは、7つ程度の少ない特徴量で表現し、しかも、そのデータは、もはや温度とか長さといったデータの種類とは無関係に処理することが可能になっているので、適用分野は鉄鋼に限らないことも十分に理解できよう。
【0074】
図15は上記実施形態でのデータ分析装置200の機能的に示すブロック図である。
【0075】
図中、1501は図8に示すようなデータを作成する条件設定部である。1502は図8の設定テーブルである。1503は特徴量組み合わせ設定部であって、ここで図12に示すデータを作成する部分である。そして、1504は出力部であって、実施形態におけるデータマイニング処理に相当する。
【0076】
<第2の実施形態>
上記実施形態(第1の実施形態)では、或る1つの工程における時間軸に沿って変動する、若しくは変動し得るデータが一様になっていることが理想とされる例を説明した。
【0077】
しかしながら、化学プラントといった分野の場合には、或る工程内に着目しても、或る温度になった場合に試薬を混ぜる等、適当なイベントと処理とが一体になっている工程を含んでいることが多い。必然、同じ製品製造の工程でも、その工程全体に係る時間は変動するので、時間も重要なファクタの1つと成り得る。
【0078】
そこで、本第2の実施形態では、各工程を、複数の時間区間で切り分け、それぞれの区間について第1の実施形態と同様の特徴量の抽出を行ない、解析する例を説明する。
【0079】
ハードウェア構成は、第1の実施形態における図9と同様であるものとし、先ず、第2の実施形態における機能ブロック構成図を図16に示すこととする。
【0080】
図15と異なる点は、時系列データを複数の区間に分割する分割イベント設定部1601が設けられ、それで生成された設定テーブル1602に従い、データベース100からの時系列データを、オーダーデータ、スケジュールデータを元に時系列データ分割する分割部1605が設けられた点である。1606、1607は図15と同様である。以下、この構成の元、第2の実施形態を説明する。
【0081】
各工程での時系列データを分割するには、単純に分割するというより、その工程での処理スケジュール条件を加味し、その工程を意味のある時間区間に分割することが必要になる。
【0082】
説明を簡単なものとするため、複数の工程中の或る工程(仮に工程A)に着目し、この工程Aでの処理がイベント処理を行うものとして説明する。また、この工程Aでのセンサは1つであって、時系列データ(温度等)を検出するものであるとする。
【0083】
図17は、工程Aにおける処理スケジュールデータであって、データベース100に予め記憶されている制御指示データの1つでもある。図示の如く、この工程Aでは、イベントe1〜e4の4つ存在する。このうち、イベントe1は対象物が侵入した場合を示し、イベントe4は或る条件を満たした場合における本処理を終了することを示すイベントである。イベントe2や、イベントe3については、例えば温度が所定温度に到達した場合、或る状態になってから所定時間経過した場合等、如何なるものでもよい。
【0084】
この工程Aで処理した結果のセンサS1でのデータベース100に蓄積されるデータ形式は、例えば図18に示すものとなる。第1フィールドは時刻情報であり、センサS1のサンプリングタイミングでもある。第2フィールドはセンサで検出されたデジタルデータである。そして、第3フィールドは、実際の処理工程でのイベントの発生タイミングである。
【0085】
かかる工程の場合、図19示す如く、ある製品を製造する工程Aでは、実線ような時系列データが検出され、同じ製品の同じ工程であっても破線で示すような結果が得られることがある。このようなケースの場合、各イベント間の時間が重要なファクタになることが理解できよう。したがって、このようなデータの場合、工程A全体の変動の特徴パラメータではなく、その全体時間を、各イベントに同期した区間に分けて、特徴量を算出することが望まれる。
【0086】
そこで、本第2の実施形態では、先に説明した時系列データについて算出すべき特徴量を指定する場合に、データベース100に登録されている、各工程における制御指示データ(スケジュールデータ)をも参照し、そこに記述されているイベント群の中のどれを時間区切りに役立てるかを設定し、更に細かな時系列データ毎の特徴量算出を行うものとした。
【0087】
ある工程を行う設備装置に複数のセンサが設けられているときには、それぞれのセンサがセンスする時系列データの全てを、時間区切りに役立てるとして設定されたイベントの発生のタイミングで同期を取り分割を行うものとする。
【0088】
図20は、第1の実施形態における設定テーブルを作成する前段階で行う、上記区間区切り設定テーブル作成する際の表示ウインドウ(符号2000)を示している。
【0089】
図示において、コンボボックス2001は工程を選択するためのものであり、このコンボボックス2001で工程が選択されると、その工程における制御指示データをデータベース100から読み込み、そのデータ内の記述にしたがってイベントと処理内容とを領域2003に表示する。ユーザはこの表示ウインドウを見て区切り位置となるイベントをチェックする。図示の場合、工程Xに対し、イベントe1、ei、enの3箇所が指定さているので、結局のところ、イベントe1−ei間、イベントei−en間の2つの区間に分けたことを示している。なおデフォルトでは、イベントe1、enがチェックされている(最初から最後までの1区間とする)。
【0090】
以下、この構成を、必要に応じて、時系列データを検出するセンサを持つ他の工程に対しても行うことになる。
【0091】
いずれにしてもこの設定を行い、「保存」ボタンをクリックすると、その設定内容がデータ分析装置が有するハードディスクに時間区切りテーブルとして保存されることになる。
【0092】
本第2の実施形態の場合、この時間区切りテーブルをも参照して、第1の実施形態で説明した設定テーブルを作成することになる。図20の場合、工程Xでの時系列データは、イベントe1−ei間の時系列データと、イベントei−en間の時系列データを検出する2つの論理的なセンサがあるとして処理すればよいことが理解できる。したがって、第1の実施形態で説明した設定テーブルを作成する処理についはもはや説明するまでもないであろう。ただし、1つの時系列データから、時間軸に対して複数の区間のそれぞれの特徴量を算出することになる点が異なる。
【0093】
したがって、データマイニング処理を行った場合、製品の或る種の不良の原因として、例えば、図21に示す工程A,Bがあったとき、工程Aにおける区間A2の時間が或る閾値より短く、工程Bにおける区間B2の上限値が或る閾値より低い、という因果関係を発見することも可能となる。
【0094】
以上、本第2の実施形態を説明したが、本発明にかかる第1、第2の実施形態からも容易に理解できるように、本発明は特定の製造ラインに限定されるものではない。なぜなら、本発明は、時系列データが如何なるデータ(温度等)かは、むしろ問題ではなく、製造ラインに設けられた各センサでのデジタルデータを収集し、それを活用することにあるからである。
【0095】
また、本実施形態から容易に理解できようが、製造ラインを構成する各工程からの時系列データを収集する等のハードウェアを必要とするものの、それと協動して動作する汎用情報処理装置上で動作するコンピュータプログラムにその特徴を有するものであるから、本発明がコンピュータプログラムをその範疇とするのは明らかである。また、通常、コンピュータプログラムは、CDROM等のコンピュータ可読記憶媒体をセットし、システムにコピーもしくはインストールすることで実行可能となるわけであるから、当然、そのようなコンピュータ可読記憶媒体をもその範疇とするのは明らかである。
【0096】
また、実施形態ではデータベース100とデータ分析装置200とが別々の装置であるものとして説明したが、これらは1つの装置で実現してもよいのは勿論である。別々の装置として利用する場合のメリットは、データベース100は既に稼働しているシステムに、実施形態で説明したデータ分析装置を追加するだけとなり、コスト削減が行われることであろう。ただし、既存のデータベース100のデータをデータ分析装置200が利用するには、データフォーマットを変換する等の処理が介在することが必要になる。このようなデータフォーマット変換プログラムも当然に、本発明に含まれるものとなる。また、データベース100とデータ分析装置200とを1つの装置にする場合には、各製造工程での製造処理及び検査結果が確定した段階で、実施形態で説明した特徴量を予め算出し、データマイニング用テーブルに登録してしまうことで、実際のデータマイニング処理にかかる時間を短縮できることであろう。
【0097】
【発明の効果】
以上説明したように本発明によれば、製造ラインの工程中に、時間軸に変動する、もしくは変動し得る時系列データがあったとしても、製造物の良否等の原因究明を容易なものとすることが可能になる。
【図面の簡単な説明】
【図1】実施形態における鉄鋼製造ラインにおけるシステム全体の構成図である。
【図2】図1における連続鋳造工程の設備装置とデータベースとの関係を示す図である。
【図3】図1における熱延工程の設備装置とデータベースとの関係を示す図である。
【図4】図1における焼鈍工程の設備装置とデータベースとの関係を示す図である。
【図5】図1におけるCGL(亜鉛メッキ)工程の設備装置及び検査工程の設備装置とデータベースとの関係を示す図である。
【図6】図1におけるデータベースのデータ構造の一例を示す図である。
【図7】実施形態における時系列データに基づいて算出する特徴量を示す図である。
【図8】実施形態における設定テーブルを作成する際の表示ウインドウの例を示す図である。
【図9】実施形態におけるデータ分析装置のブロック構成図である。
【図10】実施形態のデータ分析装置の設定テーブルの作成処理手順を示すフローチャートである。
【図11】実施形態のデータ分析装置におけるデータ分析処理手順を示すフローチャートである。
【図12】実施形態におけるデータマイニング用テーブルの構造を示す図である。
【図13】実施形態のデータ分析装置のデータ分析処理時のユーザインタフェースとなるウインドウを示す図である。
【図14】実施形態のデータ分析装置のデータ分析処理後の分析結果の他の表示ウインドウを示す図である。
【図15】実施形態におけるデータ分析装置の機能ブロック構成図である。
【図16】第2の実施形態におけるデータ分析装置の機能ブロック図である。
【図17】第2の実施形態における工程Aのスケジュールデータの内容を示す図である。
【図18】図17の工程で生成されたセンサデータの構造を示す図である。
【図19】イベントによる区間分割した際に、同一時刻で区間が分割されない例を示す図である。
【図20】第2の実施形態における時間分割の際のユーザインタフェースとなるウインドウの例を示す図である。
【図21】第2の実施形態における分析結果の例を説明する為の図である。
Claims (11)
- 複数の製造工程それぞれに設置された設備装置が有するセンサのデータを、前記設備装置から受信し収集記憶し、記憶された複数の製品物に係る各製造工程でのデータを分析するデータ分析装置であって、
前記設備装置から送られる、時間軸に沿って変動する、もしくは変動し得る前記センサで検出された時系列データを、製造工程のスケジュール中のイベント発生タイミングを分割条件として時間軸に沿って複数の区間に分割する分割手段と、
各製造工程の設備装置からのデータが、前記時系列データである場合、前記分割手段により分割された複数の区間夫々における時系列データである部分時系列データを表わす複数の特徴量を算出する算出手段と、
各製造工程の設備装置からの、時間に依存しない非時系列データと前記算出手段で算出したデータを統合し、記憶する統合手段と、
前記算出手段での算出、並びに統合手段での統合、登録記憶を、前記複数の製品物に対して行なうことで、データ解析用のデータとして記憶する記憶手段と、
該記憶手段で記憶されたデータを分析する分析手段とを備え、
前記設備装置が複数のセンサを有する場合には、前記分割手段は、前記複数のセンサそれぞれで検出された時系列データを前記イベント発生タイミングで同期を取り複数の区間の部分時系列データに分割することを特徴とするデータ分析装置。 - 前記算出手段は、前記設備装置が有する各センサからの部分時系列データの特徴量を算出する場合に、前記各区間において同一種類の特徴量を算出することを特徴とする請求項1に記載のデータ分析装置。
- 前記製造工程のスケジュールにおいて発生するイベントのうち、前記分割手段により前記時系列データの分割に役立てるイベントを設定する設定手段を更に備え、
前記分割手段は、前記設定手段で設定されたイベントの発生タイミングで前記時系列データを複数の区間の部分時系列データに分割することを特徴とする請求項 1 または2に記載のデータ分析装置。 - 更に、前記設備装置が有するセンサ毎に前記算出手段で算出する特徴量の種別を設定する第2の設定手段を備えることを特徴とする請求項1乃至3のいずれか1項に記載のデータ分析装置。
- 前記特徴量には、時系列データにおける上限値、下限値、平均値、時間、及び標準偏差が含まれることを特徴とする請求項1乃至4のいずれか1項に記載のデータ分析装置。
- 前記分析手段は、データマイニング処理による分析であることを特徴とする請求項1乃至5のいずれか1項に記載のデータ分析装置。
- 更に、製品検査結果の良否の判定基準となるデータを指示する指示手段と、
該指示手段で指示がなされた場合に、当該判定基準の良否の率を左右する要因のデータを検索することを再帰的に行い、木構造として表示する表示手段と、
を備えることを特徴とする請求項6に記載のデータ分析装置。 - 更に、前記特徴量中で、前記要因の1つとして判定された特徴量と、要因とはならなかった特徴量とを区別して表示する第2の表示手段を備えることを特徴とする請求項7に記載のデータ分析装置。
- 複数の製造工程それぞれに設置された設備装置が有するセンサのデータを、前記設備装置から受信し収集記憶し、記憶された複数の製品物に係る各製造工程でのデータを分析するデータ分析装置の制御方法であって、
前記設備装置から送られる、時間軸に沿って変動する、もしくは変動し得る前記センサで検出された時系列データを、製造工程のスケジュール中のイベント発生タイミングを分割条件として時間軸に沿って複数の区間に分割する分割工程と、
各製造工程の設備装置からのデータが、前記時系列データである場合、前記分割工程により分割された複数の区間夫々における時系列データである部分時系列データを表わす複数の特徴量を算出する算出工程と、
各製造工程の設備装置からの、時間に依存しない非時系列データと前記算出手段で算出したデータを統合し、記憶する統合工程と、
前記算出工程での算出、並びに統合工程での統合、登録記憶を、前記複数の製品物に対して行なうことで、データ解析用のデータとして記憶する記憶工程と、
該記憶工程で記憶されたデータを分析する分析工程とを備え、
前記設備装置が複数のセンサを有する場合には、前記分割工程は、前記複数のセンサそれぞれで検出された時系列データを前記イベント発生タイミングで同期を取り複数の区間の部分時系列データに分割することを特徴とするデータ分析装置の制御方法。 - コンピュータを、
複数の製造工程それぞれに設置された設備装置が有するセンサのデータを、前記設備装置から受信し収集記憶し、記憶された複数の製品物に係る各製造工程でのデータを分析するデータ分析装置として機能させるためのコンピュータプログラムであって、
前記コンピュータを、
前記設備装置から送られる、時間軸に沿って変動する、もしくは変動し得る前記センサで検出された時系列データを、製造工程のスケジュール中のイベント発生タイミングを分割条件として時間軸に沿って複数の区間に分割する分割手段、
各製造工程の設備装置からのデータが、前記時系列データである場合、前記分割手段により分割された複数の区間夫々における時系列データである部分時系列データを表わす複数の特徴量を算出する算出手段、
各製造工程の設備装置からの、時間に依存しない非時系列データと前記算出手段で算出したデータを統合し、記憶する統合手段と、
前記算出手段での算出、並びに統合手段での統合、登録記憶を、前記複数の製品物に対して行なうことで、データ解析用のデータとして記憶する記憶手段と、
該記憶手段で記憶されたデータを分析する分析手段として機能させ、
前記設備装置が複数のセンサを有する場合には、前記分割手段は、前記複数のセンサそれぞれで検出された時系列データを前記イベント発生タイミングで同期を取り複数の区間の部分時系列データに分割することを特徴とするコンピュータプログラム。 - 請求項10に記載のコンピュータプログラムを格納したことを特徴とするコンピュータ可読記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003108186A JP4180960B2 (ja) | 2003-04-11 | 2003-04-11 | データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003108186A JP4180960B2 (ja) | 2003-04-11 | 2003-04-11 | データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004318273A JP2004318273A (ja) | 2004-11-11 |
JP4180960B2 true JP4180960B2 (ja) | 2008-11-12 |
Family
ID=33469794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003108186A Expired - Fee Related JP4180960B2 (ja) | 2003-04-11 | 2003-04-11 | データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4180960B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11294364B2 (en) | 2018-07-03 | 2022-04-05 | Mitsubishi Electric Corporation | Data processing device and data processing method |
US11550875B2 (en) * | 2019-06-21 | 2023-01-10 | Tokyo Electron Limited | Processing system and method for comparatively analyzing data |
JP7503150B2 (ja) | 2020-05-14 | 2024-06-19 | エス・エム・エス・グループ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング | 複数の設備部分から成る生産設備、特に金属の半製品のような工業製品を生産するための生産設備を制御するためのシステム及び方法 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006146459A (ja) * | 2004-11-18 | 2006-06-08 | Renesas Technology Corp | 半導体デバイスの製造方法および製造システム |
JP4625682B2 (ja) * | 2004-11-19 | 2011-02-02 | ダイセル化学工業株式会社 | 解析プログラム |
JP5271525B2 (ja) * | 2007-10-04 | 2013-08-21 | 東京エレクトロン株式会社 | 基板処理装置の検査方法及び記憶媒体 |
US8396695B2 (en) * | 2010-05-06 | 2013-03-12 | Honeywell International Inc. | Reference model for production plants and related system and method |
WO2012020468A1 (ja) | 2010-08-09 | 2012-02-16 | 東芝三菱電機産業システム株式会社 | データ検索システム |
CN105718756B (zh) * | 2016-04-15 | 2018-03-27 | 上海垒土资产管理有限公司 | 连续博弈数据流中非随机信息概率的实时计算方法及系统 |
WO2018066108A1 (ja) | 2016-10-06 | 2018-04-12 | 三菱電機株式会社 | 時系列データ処理装置 |
KR101929624B1 (ko) * | 2016-10-28 | 2018-12-17 | 주식회사 포스코아이씨티 | 전후공정의 데이터 연계를 위한 데이터의 정렬 방법 및 정렬 시스템 |
JP6779413B2 (ja) * | 2018-05-31 | 2020-11-04 | 三菱電機株式会社 | 作業分析装置 |
JP7099187B2 (ja) * | 2018-08-30 | 2022-07-12 | 株式会社豊田中央研究所 | データ処理装置、データ処理方法、および、コンピュータプログラム |
JP7310352B2 (ja) * | 2019-06-21 | 2023-07-19 | 横河電機株式会社 | 品質管理システム |
WO2021210185A1 (ja) * | 2020-04-18 | 2021-10-21 | 三菱電機株式会社 | ロギングデータ表示プログラム、ロギングデータ表示装置およびロギングデータ表示方法 |
CN111915177B (zh) * | 2020-07-24 | 2023-05-26 | 浙江万里学院 | 一种铁矿石取样优化和品质波动预警系统和方法 |
-
2003
- 2003-04-11 JP JP2003108186A patent/JP4180960B2/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11294364B2 (en) | 2018-07-03 | 2022-04-05 | Mitsubishi Electric Corporation | Data processing device and data processing method |
US11550875B2 (en) * | 2019-06-21 | 2023-01-10 | Tokyo Electron Limited | Processing system and method for comparatively analyzing data |
JP7503150B2 (ja) | 2020-05-14 | 2024-06-19 | エス・エム・エス・グループ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング | 複数の設備部分から成る生産設備、特に金属の半製品のような工業製品を生産するための生産設備を制御するためのシステム及び方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2004318273A (ja) | 2004-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4180960B2 (ja) | データ分析装置及びその制御方法、並びにコンピュータプログラム及びコンピュータ可読記憶媒体 | |
KR101906029B1 (ko) | 제조 설비 진단 지원 장치 | |
CN102281432B (zh) | 生产车间监视装置以及系统、轧制车间监视装置以及系统、轧制车间监视方法 | |
CN107949813B (zh) | 制造设备诊断辅助装置及制造设备诊断辅助方法 | |
JP5821363B2 (ja) | 製品欠陥要因分析装置 | |
CN111563686A (zh) | 一种基于全流程数据的冷轧硅钢质量判定方法 | |
JP5441824B2 (ja) | 金属帯材料の製造条件決定システム | |
CN115815345A (zh) | 预测全流程热轧带钢力学性能的机理协同预报方法及系统 | |
JP4355193B2 (ja) | 半導体デバイスの製造方法及び半導体デバイス製造システム | |
KR20140019719A (ko) | 데이터 해석 장치 | |
CN117370871B (zh) | 一种特种钢材的质量分析方法与系统 | |
CN110914771B (zh) | 品质分析装置及品质分析方法 | |
CN113834828A (zh) | 产品品质分析支援系统 | |
JPH04190133A (ja) | 設備の診断支援方式 | |
US20230393113A1 (en) | Construction method of abnormality diagnosis model, abnormality diagnosis method, construction device of abnormality diagnosis model, and abnormality diagnosis device | |
JP2003211209A (ja) | 圧延機の異常診断方法 | |
RU2470352C1 (ru) | Способ статистического регулирования технологического процесса (варианты) | |
JP2002358120A (ja) | バッチプラント運転管理装置 | |
JP2003329600A (ja) | 鋼板の品質管理方法 | |
JPH05253797A (ja) | ライン異常判定方式 | |
JP2007083300A (ja) | 材質記録装置 | |
KR20210037116A (ko) | 강판의 재질 예측을 통한 공정 조건의 자동 제어 방법 | |
KR20200092084A (ko) | 강판의 품질 관리장치 및 그 제어방법 | |
JP4228045B2 (ja) | プロセスデータ処理方法及び装置 | |
JPH08328651A (ja) | データ収集方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080707 |
|
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: 20080804 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080828 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110905 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110905 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120905 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130905 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130905 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140905 Year of fee payment: 6 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |