JP4400253B2 - 品質影響要因解析方法、品質予測方法、品質制御方法、品質影響要因解析装置、品質予測装置、品質制御装置、品質影響要因解析システム、品質予測システム、品質制御システム、及びコンピュータプログラム - Google Patents

Description

本発明は、製品の製造における品質への影響要因を解析する方法、解析結果に基づいて製品の品質を予測する方法、予測結果に基づいて製造の条件を操作することにより製品の品質を制御する方法、品質影響要因解析装置、品質予測装置、品質制御装置、品質影響要因解析システム、品質予測システム、品質制御システム、及びコンピュータプログラムに関する。

鉄鋼製品などの製品の品質が良好に維持されるように制御するためには、品質への影響要因を解析し、製品の製造に係る各種の条件のうち品質への影響要因となっている条件を操作する必要がある。

特許文献１には、連続鋳造による鉄鋼鋳片の製造において鋳片の表面割れと鋳造前の溶鋼の成分の分析値との関係を解析し、溶鋼中のＴｉ／Ｎ比のある値を境にして鋳片の表面割れが発生するとの知見を得、この知見に基づいて溶鋼中のＴｉ／Ｎ比を調整して鋳片の品質を制御する技術が開示されている。また特許文献２には、鋼管の拡管時に鋼管の状態を監視し、鋼管の状態の変化と品質の異常との関係に基づいて鋼管の品質変化を検出する技術が開示されている。

前述の技術の如く、製品の品質を良好に維持するためには、品質影響要因を解析することと品質の変化を予測することとが必要である。従来、品質影響要因の解析は、製品の製造の際に得られたデータに基づいて技術者が現場以外の場所で行っていた。また品質の変化の予測は、前述の品質影響要因の解析によって解明された品質への影響因子を監視することで行っていた。
特開２００２−２８３０２１号公報 特開２０００−１５８０６６号公報 特開平８−１１８４４３号公報

従来の品質の予測方法では、品質影響要因の解析によって解明された品質への影響要因を監視するのみであるので、新たな要因による品質の変化を予測することができないという問題がある。また、従来の品質影響要因の解析方法では、新たな要因の発生毎に新たな解析が必要になるので、品質影響要因の解析のために必要な時間と人手とが膨大になるという問題がある。

以上の問題を解決する方法としては、製品を製造する際の材料の成分又は製造条件等の種々の条件を示すデータを用いた多変量解析を行い、製造現場で品質影響要因を解明する方法がある。しかし、鉄鋼製品などの製品の製造現場から得られるデータは種類が多くしかもデータ間に相関関係があるので、多重共線問題が発生し、誤った解析結果が得られる可能性が高い。従って、この方法の実用化には問題が多い。

この問題を解決する技術として特許文献３には、製造に係る種々の条件を示す互いに相関のある複数のデータを、主成分分析の手法を用いて互いに無相関なより少数の主成分へ変換し、特定の主成分への変換係数を比較することで主成分の品質への影響度合いを解析する技術が開示されている。しかし、特定の主成分と品質との関係が明らかになっても、現実に製造現場で得られるデータと品質との関係は明らかにならないので、データから製品の品質を予測すること又は各条件を制御して品質を制御することは依然として困難である。

また、品質不良が発生する場合についてのデータ量は品質不良が発生しない場合のデータ量に比べて極めて少ないので、得られたデータを直接用いた多変量解析によって品質影響要因を解明することは困難であるという問題がある。

本発明は、斯かる事情に鑑みてなされたものであって、その目的とするところは、製造に係る種々の条件を示す複数のデータを互いに無相関なより少数の成分へ変換し、変換した少数の成分について多変量解析を行い、多変量解析の結果を元の複数のデータに対応するデータへ変換することにより、現実に得られる製造の条件のデータと品質との関係を明らかにすることができる品質影響要因解析方法、品質影響要因解析装置、品質影響要因解析システム、及びコンピュータプログラム、この解析結果を利用した品質予測方法、品質予測装置、品質予測システム、及びコンピュータプログラム、並びに解析結果を利用して製品の品質を制御する品質制御方法、品質制御装置、品質制御システム、及びコンピュータプログラムを提供することにある。

第１発明に係る品質影響要因解析方法は、記憶部及び演算部を備えるコンピュータを用いて、製品の製造における品質への影響要因を解析する方法において、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データと該条件データに応じて製造された製品の品質を示す品質データとをＭ回（Ｍは自然数）サンプリングしてサンプリング毎に互いに関連づけたＭ通りの前記Ｎ種類の条件データ及び前記品質データを、前記記憶部で記憶するステップと、前記記憶部で記憶するＭ通りの前記Ｎ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ前記演算部で変換する変換ステップと、前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を多変量解析により前記演算部で計算する影響指標計算ステップと、前記演算部で前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換した方法に応じた方法で前記Ｐ個の影響指標を逆にＮ個のデータへ変換することによって、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを求めるステップとを含むことを特徴とする。

第２発明に係る品質影響要因解析方法は、記憶部及び演算部を備えるコンピュータを用いて、製品の製造における品質への影響要因を解析する方法において、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを、製造された製品の品質を示す品質データに関連づけて、各条件データ毎のＭ個（Ｍは自然数）のサンプリングデータからなるＭ行Ｎ列の行列Ｕとして前記記憶部で記憶するステップと、前記記憶部で記憶する夫々Ｍ個のＮ種類の条件データをＭ個の平均及び分散が夫々所定値になるようにスケーリングしたＭ行Ｎ列の行列Ｘを前記演算部で生成するステップと、前記演算部でスケーリングしたＮ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換することにより、行列ＸをＭ行Ｐ列の行列Ｔへ前記演算部で変換する変換ステップと、前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を成分とするベクトルＡを多変量解析により前記演算部で計算する影響指標計算ステップと、Ｔ＝ＸＷであるＮ行Ｐ列の行列Ｗを用いてベクトルＢ＝ＷＡを計算することにより、前記Ｐ個の影響指標から、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを成分とするベクトルＢを前記演算部で計算するステップとを含むことを特徴とする。

第３発明に係る品質影響要因解析方法は、前記変換ステップでは、前記演算部でＰの値を品質の変化が認められる品質データの数以下にすることを特徴とする。

第４発明に係る品質影響要因解析方法は、前記変換ステップでは、前記演算部で主成分分析を用いて前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換することを特徴とする。

第５発明に係る品質影響要因解析方法は、前記変換ステップ及び前記影響指標計算ステップでは、前記演算部で部分的最小二乗法を用いて前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換することを特徴とする。

第６発明に係る品質影響要因解析方法は、前記変換ステップでは、前記演算部で独立成分分析を用いて前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換することを特徴とする。

第７発明に係る品質影響要因解析方法は、前記影響指標計算ステップでは、前記演算部で線形判別分析を用いて前記Ｐ個の影響指標を計算することを特徴とする。

第８発明に係る品質影響要因解析方法は、前記影響指標計算ステップでは、前記演算部で重回帰分析を用いて前記Ｐ個の影響指標を計算することを特徴とする。

第９発明に係る品質予測方法は、記憶部及び演算部を備えるコンピュータを用いて、製品の製造に係る各種の条件から製品の品質を予測する方法において、第１乃至第８発明のいずれかに係る影響要因解析方法により求められた、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データの夫々の品質への影響を示すＮ個の影響データを前記記憶部で記憶するステップと、製品の製造において得られた前記Ｎ種類の条件データを前記記憶部で記憶するステップと、前記記憶部で記憶している前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を前記演算部で計算するステップと、前記演算部で計算した判別指標の値に応じて製品の品質を前記演算部で予測するステップとを含むことを特徴とする。

第１０発明に係る品質制御方法は、記憶部及び演算部を備えるコンピュータを用いて、製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御する方法において、第１乃至第８発明のいずれかに係る影響要因解析方法により求められたＮ（Ｎは自然数）個の影響データが示す製品の製造に係る各種の条件を示すＮ種類の条件データの夫々の品質への影響に応じた、製品の製造に係る変更可能な条件の内の変更の優勢度が高い条件を指定する制御情報を前記記憶部で記憶するステップと、前記記憶部で記憶している前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を前記演算部で計算するステップと、前記演算部で計算した判別指標の値に応じて、前記制御情報が指定する前記条件の変更を前記コンピュータの外部へ前記演算部で指示するステップとを含むことを特徴とする。

第１１発明に係る品質影響要因解析装置は、製品の製造における品質への影響要因を解析する装置において、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データと該条件データに応じて製造された製品の品質を示す品質データとをＭ回（Ｍは自然数）サンプリングしてサンプリング毎に互いに関連づけたＭ通りの前記Ｎ種類の条件データ及び前記品質データを記憶する手段と、該手段が記憶するＭ通りの前記Ｎ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換する変換手段と、該手段が変換した前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を多変量解析により計算する影響指標計算手段と、前記変換手段が前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換した方法に応じた方法で前記Ｐ個の影響指標を逆にＮ個のデータへ変換することによって、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを求める手段とを備えることを特徴とする。

第１２発明に係る品質予測装置は、製品の製造に係る各種の条件から製品の品質を予測する装置において、第１１発明に係る品質影響要因解析装置が求めた、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データの夫々の品質への影響を示すＮ個の影響データを記憶する影響データ記憶手段と、製品の製造において得られた前記Ｎ種類の条件データを記憶する条件データ記憶手段と、該手段が記憶している前記Ｎ種類の条件データと前記影響データ記憶手段が記憶している前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算する手段と、該手段が計算した判別指標の値に応じて製品の品質を予測する手段とを備えることを特徴とする。

第１３発明に係る品質制御装置は、製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御する装置において、第１１発明に係る品質影響要因解析装置が求めたＮ（Ｎは自然数）個の影響データが示す製品の製造に係る各種の条件を示すＮ種類の条件データの夫々の品質への影響に応じた、製品の製造に係る変更可能な条件の内の変更の優勢度が高い条件を指定する制御情報を記憶する手段と、該手段が記憶している前記Ｎ種類の条件データと前記影響データ記憶手段が記憶している前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算する手段と、該手段が計算した判別指標の値に応じて、前記制御情報が指定する前記条件の変更を外部へ指示する手段とを備えることを特徴とする。

第１４発明に係る品質影響要因解析システムは、製品の製造における品質への影響要因を解析するシステムにおいて、第１１発明に係る品質影響要因解析装置と、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを取得する取得手段とを有し、前記影響要因解析装置は、前記取得手段が取得した前記Ｎ種類の条件データを受け付ける手段を備えることを特徴とする。

第１５発明に係る品質予測システムは、製品の製造に係る各種の条件から製品の品質を予測するシステムにおいて、第１２発明に係る品質予測装置と、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを取得する取得手段とを有し、前記品質予測装置は、前記取得手段が取得した前記Ｎ種類の条件データを受け付ける手段を備えることを特徴とする。

第１６発明に係る品質制御システムは、製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御するシステムにおいて、第１３発明に係る品質制御装置と、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを取得する取得手段と、製品の製造に係る各種の条件の内の変更可能な条件を変更する変更手段とを有し、前記品質制御装置は、前記取得手段が取得した前記Ｎ種類の条件データを受け付ける手段を備え、前記変更手段は、前記品質制御手段から所定の条件の変更の指示を受け付ける手段と、該手段が受け付けた前記指示に従って前記条件を変更する手段とを備えることを特徴とする。

第１７発明に係るコンピュータプログラムは、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データと該条件データに応じて製造された製品の品質を示す品質データとをＭ回（Ｍは自然数）サンプリングしてサンプリング毎に互いに関連づけたＭ通りの前記Ｎ種類の条件データ及び前記品質データを記憶するコンピュータに、製品の製造における品質への影響要因を解析させるコンピュータプログラムにおいて、コンピュータに、Ｍ通りの前記Ｎ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換させる手順と、コンピュータに、前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を多変量解析により計算させる手順と、コンピュータに、前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換した方法に応じた方法で前記Ｐ個の影響指標を逆にＮ個のデータへ変換することによって、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを計算させる手順とを含むことを特徴とする。

第１８発明に係るコンピュータプログラムは、第１乃至第８発明のいずれかに係る品質影響要因解析方法により求められた、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データの夫々の品質への影響を示すＮ個の影響データ、及び製品の製造において得られた前記Ｎ種類の条件データを記憶するコンピュータに、製品の製造に係る各種の条件から製品の品質を予測させるコンピュータプログラムにおいて、コンピュータに、前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算させる手順と、コンピュータに、計算した判別指標の値に応じて製品の品質を予測させる手順とを含むことを特徴とする。

第１９発明に係るコンピュータプログラムは、第１乃至第８発明のいずれかに係る品質影響要因解析方法により求められたＮ（Ｎは自然数）個の影響データが示す製品の製造に係る各種の条件を示すＮ種類の条件データの夫々の品質への影響に応じた、製品の製造に係る変更可能な条件の内の変更の優勢度が高い条件を指定する制御情報を記憶するコンピュータに、製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御させるコンピュータプログラムにおいて、コンピュータに、前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算させる手順と、コンピュータに、計算した判別指標の値に応じて、前記制御情報が指定する前記条件の変更を前記コンピュータの外部へ指示させる手段と
を含むことを特徴とする。

第１、第２、第４、第５、第６、第７、第８、第１１、第１４及び第１７発明においては、製品製造の過程で得られた、製品の製造における種々の条件を示す互いに相関があるＮ種類の条件データを互いに無相関なＮ＞ＰであるＰ種類の成分へ変換し、Ｐ種類の成分に対して影響要因の解析を行ってＰ種類の成分の夫々の品質への影響を示すＰ個の影響指標を計算し、このＰ個の影響指標を、Ｎ個の条件データの夫々の品質への影響を示すＮ個の影響データへ変換する。

第３発明においては、Ｐの値は品質不良などの品質変化が認められるサンプル数以下とする。

第９、第１２、第１５及び第１８発明においては、本発明の品質影響要因解析方法による解析結果を利用して、製品の製造現場で得られたＮ種類の条件データから製品の品質を予測する。

第１０、第１３、第１６及び第１９発明においては、本発明の品質影響要因解析方法による解析結果を利用して、製品の製造現場で得られたＮ種類の条件データから製品の品質を予測し、予測結果に応じて製造の条件を変更することにより、製品の品質を制御する。

第１、第２、第４、第５、第６、第７、第８、第１１、第１４及び第１７発明にあっては、製品製造の過程で得られた、製品の製造における種々の条件を示す互いに相関があるＮ種類の条件データを互いに無相関なＮ＞ＰであるＰ種類の成分へ変換し、Ｐ種類の成分に対して影響要因の解析を行うことにより、多重共線問題を回避して正確な解析を行うことができる。また、Ｐ種類の成分の夫々の品質への影響を示すＰ個の影響指標をＮ個の条件データの夫々の品質への影響を示すＮ個の影響データへ変換することにより、製造現場で得られる条件データと品質との関係を明らかにすることが可能となる。更に、特定の要因に固定することなく品質に対する種々の影響要因を調べることが可能であるので、新たな要因が原因で品質が悪化する都度人手で行っていた従来の解析方法に必要であった時間と人手とを節約することが可能となる。

第３発明にあっては、品質不良などの品質変化が認められるサンプル数以下のＰ個の成分に対して影響要因の解析を行うことにより、サンプル数が少ないことに起因する解析異常を回避して正確な解析を行うことができる。

第９、第１２、第１５及び第１８発明にあっては、本発明の品質影響要因解析方法による解析結果を利用して、製品の製造現場で得られたＮ種類の条件データから製品の品質を予測することにより、品質の検査を早急に行うことができない製品の品質を簡便に予測することができる。

第１０、第１３、第１６及び第１９発明においては、本発明の品質影響要因解析方法による解析結果を利用して製品の品質を予測し、品質の不良が予測される場合は製品の品質が良となるように製造の条件を変更する制御を行うことにより、品質を検査するまでに時間がかかる製品の不良品が大量に製造されることを防止することができるので、製品の品質の向上及び製品製造の効率の向上が可能となる等、本発明は優れた効果を奏する。

以下本発明をその実施の形態を示す図面に基づき具体的に説明する。
（実施の形態１）
図１は、本発明の品質影響要因解析システムの構成例を示すブロック図である。本実施の形態では、熱間圧延により鋼板を製造する熱間圧延プロセスにおける鋼板の品質への影響要因を解析する形態を例として、本発明の品質影響要因解析方法を説明する。鋼板を製造する熱間圧延プロセスは、鋼片を加熱炉３１で加熱し、所要の温度まで加熱した鋼片を粗圧延機３２で圧延して鋼板を得、仕上げ圧延機３３で鋼板の厚さ及び幅などの形状を整え、形状を整えた鋼板を冷却装置３４で所定の温度まで冷却する工程で構成されている。加熱炉３１、粗圧延機３２、仕上げ圧延機３３及び冷却装置３４には、熱間圧延プロセスを制御するプロセス制御装置２２が接続されている。プロセス制御装置２２は、加熱炉３１、粗圧延機３２、仕上げ圧延機３３及び冷却装置３４の動作を制御し、更に、加熱炉３１での内部の温度及び鋼板の温度、冷却装置３４での鋼板の温度、粗圧延機３２及び仕上げ圧延機３３での圧下量、各工程での所要時間などの各種の製造条件を示すデータを取得する。また鋼板を製造する操業を指示する操業指示装置２１が備えられている。操業指示装置２１は、鋼板の材料である鋼片に含まれる元素の比率などの、熱間圧延プロセスへ投入される材料に関する、より上流の製造プロセスにて作り込まれた材料データを管理している。更に、熱間圧延プロセスで製造された鋼板の品質を検査する検査装置２３が備えられている。検査装置２３の内、品質を示すデータとして板厚及び板幅などを測定する検査装置２３は熱間圧延プロセス内に設置されている。品質を示すデータとして疵の有無を測定する場合は、常温まで鋼板を冷却した後又は鋼板表面のスケールを除去した後でなければ測定を行うことができないため、一般的に熱間圧延プロセスよりも下流の工程で測定される。操業指示装置２１、プロセス制御装置２２及び検査装置２３は、熱間圧延プロセスにおける品質への影響要因を解析する本発明の品質影響要因解析装置１に接続されている。品質影響要因解析装置１には、更に、品質影響要因解析装置１が解析した品質への影響要因に係る情報を記録する影響要因ＤＢ２４が接続されている。

図２は、本発明の品質影響要因解析装置１の内部の機能構成を示す機能ブロック図である。品質影響要因解析装置１は、パーソナルコンピュータ又はサーバ装置などの汎用コンピュータを用いて構成されている。品質影響要因解析装置１は、演算を行うＣＰＵ（演算部）１１と、演算に伴って発生する一時的な情報を記憶するＲＡＭ（記憶部）１２と、ＣＤ−ＲＯＭドライブ等の外部記憶装置１３と、ハードディスク等の内部記憶装置１４とを備えている。ＣＰＵ１１は、ＣＤ−ＲＯＭ等の記録媒体１０から本発明のコンピュータプログラム１００を外部記憶装置１３にて読み取り、読み取ったコンピュータプログラム１００を内部記憶装置１４に記憶させる。コンピュータプログラム１００は必要に応じて内部記憶装置１４からＲＡＭ１２へロードされ、ロードされたコンピュータプログラム１００に基づいてＣＰＵ１１は品質影響要因解析装置１に必要な処理を実行する。また、品質影響要因解析装置１は、操業指示装置２１、プロセス制御装置２２及び検査装置２３に接続された入力部１５を備えており、操業指示装置２１、プロセス制御装置２２及び検査装置２３から入力部１５を介して必要なデータを受け付ける構成となっている。更に、品質影響要因解析装置１は、影響要因ＤＢ２４に接続された出力部１６を備えており、出力部１６を介して影響要因ＤＢ２４へ情報を出力する構成となっている。

なお、本発明のコンピュータプログラム１００は、品質影響要因解析装置１に接続された図示しない外部のサーバ装置から品質影響要因解析装置１へロードされて内部記憶装置１４に記憶される形態であってもよい。

次に、フローチャートを用いて、本発明の品質影響要因解析方法を説明する。図３は、本発明の品質影響要因解析装置１が行う品質への影響要因を解析する処理の手順を示すフローチャートである。品質影響要因解析装置１のＣＰＵ１１は、ＲＡＭ１２にロードした本発明のコンピュータプログラム１００に従って以下の処理を実行する。ＣＰＵ１１は、プロセス制御装置２２から受け付ける加熱炉３１内の温度、粗圧延機３２での圧下量及び各工程での所要時間などの各種の製造条件を示すデータ、及び操業指示装置２１から受け付ける熱間圧延プロセスへ投入される材料に関する材料データからなる、鋼板の製造に係る各種の条件を示すＮ（Ｎは自然数）種類の条件データを入力部１５にて受け付け、更に、条件データに応じて製造された鋼板の表面の疵の有無などに対応して鋼板の品質の良又は不良を示す品質データを入力部１５にて受け付ける（Ｓ１１）。

ＣＰＵ１１は、次に、受け付けた条件データと当該条件データの基で製造された鋼板の品質を示す品質データとを互いに関連づけて内部記憶装置１４に記憶させる（Ｓ１２）。ＣＰＵ１１は、次に、内部記憶装置１４が記憶している条件データ及び品質データについて、品質の不良を示す品質データのサンプリング数が予め定められている所定の数Ｍ_as（Ｍ_asは自然数）より大きく、同時に品質の良を示す品質データのサンプリング数が予め定められている所定の数Ｍ_bs（Ｍ_bsは自然数）より大きいか否かを判定する（Ｓ１３）。品質の不良を示す品質データ又は品質の良を示す品質データのサンプリング数がＭ_as又はＭ_bs以下である場合は（Ｓ１３：ＮＯ）、ＣＰＵ１１は、処理をステップＳ１１へ戻し、次に製造される鋼板の条件データ及び品質データを受け付ける。内部記憶装置１４は、品質データを受け付けるサンプリング数をＭとして、品質データ毎のＮ種類の条件データをＭ行Ｎ列の行列Ｕとして記憶している。品質データ毎のＮ種類の条件データからなるＭ行Ｎ列の行列Ｕを下記（１）式に示す。

温度又は時間などの種々の次元を持った各行のＮ種類の条件データが、各一の品質データに関連づけられている。各列の条件データは、品質データに対応する鋼板を製造する際の同じ種類の条件データを示している。品質データは、品質の不良を示すデータが１、品質の良を示すデータが−１等の形で内部記憶装置１４に記憶されている。

ステップＳ１３にて、品質の不良を示す品質データのサンプリング数がＭ_asより大きく、同時に品質の良を示す品質データのサンプリング数がＭ_bsより大きい場合は（Ｓ１３：ＹＥＳ）、ＣＰＵ１１は、内部記憶装置１４に記憶しているＮ種類の条件データをＰ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換する条件データ変換処理を行う（Ｓ１４）。ここで、ＣＰＵ１１は、（１）式に示すＭ行Ｎ列の行列ＵをＭ行Ｐ列の行列Ｔへ変換する。

図４は、ステップＳ１４の条件データ変換処理のサブルーチンの処理の手順を示すフローチャートである。ＣＰＵ１１は、行列Ｕに夫々Ｍ個含まれる各種類の条件データｕ_j,i （ｉ＝１〜Ｎ；ｊ＝１〜Ｍ）の平均Ｘ_mi及び分散Ｘ_siを計算する（Ｓ１４１）。ここでＣＰＵ１１は、（１）式に示すＭ行Ｎ列の行列Ｕの成分ｕ_j,i を用いて、下記（２）式により平均Ｘ_mi及び分散Ｘ_siを計算する。

ＣＰＵ１１は、次に、ｉ＝１〜Ｎの夫々について計算した平均Ｘ_mi及び分散Ｘ_siを内部記憶装置１４に記憶させる（Ｓ１４２）。ＣＰＵ１１は、次に、各種類の条件データを平均０及び分散１のデータへ変換した成分からなる行列Ｘを生成する（Ｓ１４３）。下記（３）式に行列Ｘを示す。

（１）式に示す行列Ｕの成分ｕ_1,i 〜ｕ_M,i を、平均０及び分散１の成分ｘ_1,i〜ｘ_M,i へ変換することによって行列Ｘが生成される。ここでＣＰＵ１１は、行列Ｕの成分ｕ_j,i を用いて、下記（４）式により行列Ｘの成分ｘ_j,iを計算する。

ＣＰＵ１１は、次に、行列Ｘに含まれるＮ種類の成分からなるＭ組のデータについての主成分分析により、Ｎ種類の成分をＰ個の主成分へ変換したＭ行Ｐ列の行列Ｔと、行列Ｘを行列Ｔへ変換するための行列Ｗを生成する（Ｓ１４４）。このときのＰの値は、Ｐ＜Ｎであり、しかも品質の不良を示す品質データの数Ｍ_a と品質の良を示す品質データの数Ｍ_b との小さい方の数よりも小さい値が用いられる。行列Ｔ及び行列Ｗを下記（５）式に示す。

Ｍ行Ｐ列の行列Ｔの各成分は、主成分分析によって生成された主成分得点である。各行に含まれるＰ種類の成分は互いに無相関な成分となっている。行列Ｗは、Ｔ＝ＸＷの演算によってＭ行Ｎ列の行列Ｘから行列Ｔを生成することができるようなＮ行Ｐ列の行列である。ステップＳ１４の処理によって互いに相関のあるＮ種類の条件データが互いに無相関なＰ種類の成分へ変換されたことになる。

ＣＰＵ１１は、次に、生成した行列Ｔ及び行列Ｗを内部記憶装置１４に記憶させ（Ｓ１４５）、処理をメインルーチンへ戻す。

ＣＰＵ１１は、次に、行列Ｔに含まれるＰ種類の成分の内いずれの成分が鋼板の品質へのより大きい影響要因となっているかを線形判別分析の手法を用いて解析する影響要因解析処理を行う（Ｓ１５）。図５は、ステップＳ１５の影響要因解析処理のサブルーチンの処理の手順を示すフローチャートである。

ＣＰＵ１１は、行列Ｔに含まれる各行の内、関連づけられている品質データが品質の不良を示している行と品質データが品質の良を示している行とを分離し、品質データが品質の不良を示している行の成分からなる行列Ｔ_a と品質データが品質の良を示している行の成分からなる行列Ｔ_b とを生成する（Ｓ１５１）。行列Ｔ_a はＭ_a 行Ｐ列の行列となり、行列Ｔ_b はＭ_b 行Ｐ列の行列となる。ＣＰＵ１１は、次に、行列Ｔ_a 及び行列Ｔ_b に含まれるＰ種類の各成分についての平均値からなるベクトルμ_a 及びμ_b を生成し、更に、行列Ｔ_a 及び行列Ｔ_b に含まれるＰ種類の成分の共分散からなるＰ行Ｐ列の共分散行列Ｓ_a 及び共分散行列Ｓ_b を生成する（Ｓ１５２）。ベクトルμ_a 及びμ_b を下記（６）式に示す。

ＣＰＵ１１は、次に、ベクトルμａ、ベクトルμ_b 、共分散行列Ｓ_a 及び共分散行列Ｓ_b を用いて、グループ内分散Ｓ_with-in 及びグループ間分散Ｓ_between を計算する（Ｓ１５３）。グループ内分散Ｓ_with-in及びグループ間分散Ｓ_between は、品質の不良を示す品質データの数Ｍ_a と品質の良を示す品質データの数Ｍ_b とを用いて、下記（７）式で定義される。

グループ内分散Ｓ_with-in 及びグループ間分散Ｓ_between を計算することにより、Ｐ次元の空間における品質が不良のグループと品質が良のグループとのグループ内分散及びグループ間分散とが得られた。

ＣＰＵ１１は、次に、グループ内分散Ｓ_with-in 及びグループ間分散Ｓ_between を１次元へ射影し、しかも射影後のグループ内分散バーＳ_with-inと射影後のグループ間分散バーＳ_between との比が最大になるような射影ベクトルＡを計算する（Ｓ１５４）。射影ベクトルＡを求めるためには、下記（８）式で定義されるＪ_F（Ａ）を最大にすれば良い。

従って、∂Ｊ_F （Ａ）／∂Ａ＝０を解けばよいので、ＣＰＵ１１は、下記（９）式により射影ベクトルＡを計算する。

射影ベクトルＡは、Ｐ行１列の行列である。射影ベクトルＡのＰ個の成分は、本発明に係る影響指標であり、行列Ｔに含まれるＰ種類の成分のいずれがより品質に影響しているかを示している。行列Ｔと射影ベクトルＡとの積により、品質の不良と良とを判別するための判別指標を成分とするベクトルＪが下記（１０）式により求めることができる。

行列Ｔと射影ベクトルＡとの積により得られるＪ₁ ，Ｊ₂ ，…，Ｊ_M の夫々の値は、行列Ｔの各行に対応する製品の品質の不良と良とを分離する指標である。図６は、線形判別分析によるデータ分離のイメージを示す模式図である。行列Ｔ_a とで表される品質が不良であるデータのグループと行列Ｔ_b で表される品質が良であるデータのグループとが１次元に射影され、Ｊ＝ＴＡの直線上に、品質が不良であるデータのグループと品質が良であるデータのグループとが互いに分離されて分布している。射影ベクトルＡが決められている場合に、行列Ｔの一行分に対応するＰ種類の成分が得られると、これらの成分と射影ベクトルＡとの一次結合により判別指標Ｊ_n が計算できる。このＪ_n の値が、品質が不良であるデータのグループでの値の範囲と品質が良であるデータのグループでの値の範囲とのいずれに含まれるかによって、品質の不良又は良が判別できることとなる。

ＣＰＵ１１は、次に、品質の不良を示す判別指標の閾値である危険閾値Ｊ_as、及び品質の良を示す判別指標の閾値である安全閾値Ｊ_bsを計算する（Ｓ１５５）。例えば、ＣＰＵ１１は、Ｊ_as＞Ｊ_bsである場合、その値より大きいＪ_n の値が得られるデータの９５％が品質が不良のデータであるような判別指標の値をＪ_asとし、その値より小さいＪ_n の値が得られるデータの９５％が品質が良のデータであるような判別指標の値をＪ_bsとする。この場合、新たに得られたデータから計算したＪ_n の値がＪ_asよりも大きいときにはこのデータに対応する鋼板の品質は不良であり、Ｊ_n の値がＪ_bsよりも小さいときには鋼板の品質は良であると判別できるようになる。

ＣＰＵ１１は、次に、計算した射影ベクトルＡ、危険閾値Ｊ_as及び安全閾値Ｊ_bsを内部記憶装置１４に記憶させ（Ｓ１５６）、影響要因解析処理を終了して処理をメインルーチンへ戻す。

ＣＰＵ１１は、次に、条件データの内のいずれが品質への影響要因となっているかを明らかにするために、Ｐ個の影響指標からなる射影ベクトルＡを、Ｎ種類の条件データの夫々が品質に影響している度合いを示すＮ個の影響データへ変換する解析結果変換処理を行う（Ｓ１６）。

射影ベクトルＡにより、行列Ｔに含まれるＰ種類の成分のいずれがより品質に影響しているかが示されているが、Ｎ種類の条件データのいずれがより品質に影響しているかはわからない。（１０）式よりＪ＝ＴＡであり、また、（５）式よりＴ＝ＸＷであるので、下記（１１）式が成り立つ。
Ｊ＝ＸＷＡ＝ＸＢ …（１１）
ここで、Ｂ＝ＷＡである。行列ＷはＮ行Ｐ列の行列であるので、ＢはＮ行１列のベクトルである。Ｎ種類の条件データからなる行列ＸとベクトルＢとの積により判別指標を成分とするベクトルＪが計算できるので、ベクトルＢのＮ個の成分は、本発明に係る影響データであり、行列Ｘに含まれるスケーリングされたＮ種類の条件データの夫々が品質に影響している度合いを示している。例えば、Ｊ_asの値が正でＪ_as＞Ｊ_bsであり、行列Ｘの成分と当該成分に対応するベクトルＢの成分との積が正であってベクトルＢのこの成分の絶対値が他の成分の絶対値より大きい場合は、ベクトルＢのこの成分と積をつくる行列Ｘの成分が大きくなることが品質に強い悪影響を及ぼすことがわかる。

図７は、ステップＳ１６の解析結果変換処理のサブルーチンの処理の手順を示すフローチャートである。ＣＰＵ１１は、内部記憶装置１４が記憶している射影ベクトルＡ及び行列ＷをＲＡＭ１２へ読み出し（Ｓ１６１）、ベクトルＢ＝ＷＡを計算する（Ｓ１６２）。ＣＰＵ１１は、次に、計算したベクトルＢを内部記憶装置１４に記憶させ（Ｓ１６３）、解析結果変換処理を終了して処理をメインルーチンへ戻す。

ＣＰＵ１１は、次に、Ｎ種類の影響データを成分とするベクトルＢ、危険閾値Ｊ_as、安全閾値Ｊ_bs、ステップＳ１４の条件データ変換処理で計算したＮ種類の条件データの平均Ｘ_mi及び分散Ｘ_si（ｉ＝１，２，…，Ｎ）を、出力部１６から影響要因ＤＢへ出力して影響要因ＤＢに記憶させ（Ｓ１７）、処理を終了する。

次に、本発明の品質影響要因解析方法を用いて、熱間圧延プロセスにおける品質への影響要因を解析した結果を示す。品質影響要因解析装置１への入力データとしてＮ＝７３の条件データを得た。また、これらの条件データのサンプリング数Ｍは、Ｍ＝６２とした。なお、Ｍ＝６２の内訳は、鋼板表面に疵が発生した品質不良のサンプル数Ｍ_a ＝１９と、疵が未発生の品質良のサンプル数Ｍ_b ＝４３とである。

まず最初に従来の方法による解析結果を示す。７３個の条件データをそのまま利用して線形判別分析を行い、各サンプルについて判別指標Ｊ_n を計算した。図８は、７３個の条件データを利用して計算した判別指標Ｊ_n のヒストグラムを示す特性図である。横軸は判別指標Ｊ_n の値を示し、縦軸はそのＪ_n の値のサンプルが発生する発生頻度を示す。品質が不良のサンプルと品質が良のサンプルとがＪ_n の値によって完全に分離されている。

図９は、７３個の条件データを利用した線形判別分析によって得られた影響データの値を棒グラフで示した特性図である。横軸には、Ｊ_n の計算の際に夫々の影響データとの積をつくることによって夫々の影響データに対応する条件データの内容を配列してあり、縦軸は影響データの値を示す。ここで、第１設備間通過時間及び第２設備間通過時間は、加熱炉３１から鋼片が抽出されてから鋼片の先端が第１の設備及び第２の設備に到達するまでの時間であり、第３炉内温度は加熱炉３１中に設置されている３番目の温度計での測定温度であり、成分１はこの成分の材料中の含有量である。図９中には、７３個の影響データの中から絶対値が大きい１０個の影響データを示している。

第１裏面温度と第１表面温度とは、特定の温度計位置での鋼板の裏面と表面との温度であり、互いの変数間に強い正の相関が認められたので、本来は鋼板の品質に対して及ぼす影響の度合いは同程度であるはずである。しかし、図９に示す解析結果では、影響データの符号が互いに逆であり、前述の見解とは異なって互いに逆の影響を及ぼす解析結果となっている。また、製造幅と製造厚との間には強い負の相関が認められたので、本来は鋼板の品質に対して互いに逆の影響を及ぼすはずである。しかし解析結果では、影響データの符号が等しく、互いに同程度の影響を及ぼすようになっている。これらの解析結果は、多重共線問題に起因する解析異常であると考えられる。

また、図９に示す解析結果では、第１設備間通過時間が品質への影響が最も大きい条件データであるとして抽出されている。しかし、現場技術者の判断では、第１設備間通過時間は鋼板表面の疵発生については無関係な要因である。これは、品質が不良であるサンプル数Ｍ_a ＝１９が少ないにも拘わらず、Ｎ＝７３の多くの条件データを用いたことに起因する解析異常であると考えられる。

次に、本発明の品質影響要因解析方法を用いた解析結果を示す。図１０は、Ｐ＝１０とした本発明の品質影響要因解析方法を用いて計算した判別指標Ｊ_n のヒストグラムを示す特性図である。横軸は判別指標Ｊ_n の値を示し、縦軸はそのＪ_n の値のサンプルが発生する発生頻度を示す。７３個の条件データをそのまま利用してＪ_n を計算した場合に比べて判別精度は劣るが、品質不良のサンプル数１９よりも少ない１０個の成分を用いた場合でも実用的に問題ない程度に品質不良のサンプルと品質良のサンプルとを判別できることがわかる。

図１１は、Ｐ＝１０とした本発明の品質影響要因解析方法を用いて得られた７３個の影響データの値を棒グラフで示した特性図である。横軸には、夫々の影響データに対応する条件データの内容を配列してあり、縦軸は影響データの値を示す。図１１には、７３個の影響データの中から絶対値が大きい１０個の影響データを示している。

粗圧延での鋼板の厚さを示す粗厚と圧延前の鋼片の厚さを示すスラブ厚とは互いに正の相関が強く、鋼板の品質に対して同方向の影響を及ぼすはずである。図１１に示す解析結果では、粗厚とスラブ厚とは品質に対して同方向の影響を及ぼすことが示されている。このことから、本発明の品質影響要因解析方法を用いた場合は、多重共線問題が発生していないことがわかる。解析結果で品質への影響が大きいとされた第２表面温度及び第３表面温度などの条件データについては、実験装置による検証およびテスト圧延を実施した結果、鋼板表面の疵の発生に対しておおむね影響が大きいことが確かめられた。従って、サンプリング数が少ないことに起因する解析異常も発生しておらず、本発明の品質影響要因解析方法によって製品の品質への影響要因を有効に解析することが可能であることが確認できた。

本発明による品質への影響要因の解析は、１週間の間又は１ヶ月の間などのようなある程度の期間に渡るデータを蓄積しておき、１週間に一度又は１ヶ月に一度などのように定期的に行われる。毎回の解析の都度、品質への影響が大きい要因を判別することができる。またＰの値については、Ｍ_a 又はＭ_b よりも小さい値、例えばＰ＝１０程度で実用的な解析が可能である。

以上詳述した如く、本発明においては、製品製造の過程で得られた互いに相関があるＮ個の条件データを互いに無相関なより少数のＰ個の成分へ変換し、Ｐ個の成分に対して影響要因の解析を行うことにより、多重共線問題を回避して正確な解析を行うことができる。また、サンプル数が少ない品質不良のサンプル数よりも小さい数のＰ個の成分に対して影響要因の解析を行うことにより、サンプル数が少ないことに起因する解析異常を回避して正確な解析を行うことができる。また本発明においては、Ｐ個の成分に対する影響要因の解析結果を、Ｎ個の条件データをＰ個の成分へ変換した方法に応じて、Ｎ個の条件データの夫々が品質へ影響している度合いを示すＮ個の影響データへ変換することにより、現実に製品製造の過程で得られる条件データと品質との関係を明らかにすることが可能となる。更に、特定の要因に固定することなしに品質に対する種々の影響要因を調べることが可能であるので、新たな要因が原因で品質が悪化する都度人手で行っていた従来の解析方法に必要であった時間と人手とを節約することが可能となる。

なお、本実施の形態においては、互いに相関があるＮ個の条件データを互いに無相関なより少数のＰ個の成分へ変換するステップＳ１４の条件データ変換処理において、主成分分析により条件データを変換する処理を示したが、その他の方法を用いて条件データを変換する処理を行う形態であってもよい。例えば、部分的最小二乗（ＰＬＳ：Partial Least Square）法又は順位付けした独立成分分析を用いてもよい。

ＰＬＳ法を用いる場合の処理を以下に示す。（１）式の行列Ｕの各行に関連づけられている各品質データを、品質の不良を示すデータが１、品質の良を示すデータが−１としたＭ行１列のベクトルＹを目的変数とする。目的変数Ｙの例を下記（１２）式に示す。

図４に示すフローチャートにおいて、品質影響要因解析装置１のＣＰＵ１１は、ステップＳ１４４で主成分分析を行う代わりに、ＰＬＳ法により、（３）式の行列Ｘと（１２）式の目的変数Ｙとから、Ｐ次までの潜在変数Ｌを計算する。下記（１３）式にＭ行Ｐ列の行列である潜在変数Ｌを示す。

ここで計算された行列Ｌが、主成分分析での行列Ｔと同様に互いに無相関なＰ種類の成分からなる行列である。ステップＳ１４５では、ＣＰＵ１１は、行列Ｌを生成し、更に、Ｌ＝ＸＷ’であるＮ行Ｐ列の変換行列Ｗ’を生成する。行列Ｗ’は、主成分分析での行列Ｗと同様に行列Ｘから行列Ｌを生成するための行列である。行列Ｌ及び行列Ｗ’を用いることにより、主成分分析を用いた場合と同様にして本発明の品質影響要因解析方法を実行することができる。

次に、順位付けした独立成分分析を用いる場合の処理を示す。図１２は、順位付けした独立成分分析を用いる場合のステップＳ１４の条件データ変換処理のサブルーチンの処理の手順を示すフローチャートである。品質影響要因解析装置１のＣＰＵ１１は、行列Ｕに夫々Ｍ個含まれる各種類の条件データｕ_j,i （ｉ＝１〜Ｎ；ｊ＝１〜Ｍ）の平均Ｘ_mi及び分散Ｘ_siを計算し（Ｓ１４０１）、その結果を内部記憶装置１４に記憶させ（Ｓ１４０２）、各種類の条件データを平均０及び分散１のデータへスケーリングした成分からなる行列Ｘを生成する（Ｓ１４０３）。ＣＰＵ１１は、次に、行列Ｘに含まれるＮ種類の成分からなるＭ組のデータについての独立成分分析を行う（Ｓ１４０４）。ここでＣＰＵ１１は、各行のＮ種類の成分から、互いに無相関なＺ種類の独立成分を計算する。

ＣＰＵ１１は、次に、行列Ｘの各行について得られたＺ個の成分からなるＭ行Ｚ列の行列Ｓを生成し、また行列Ｘに対して後ろから積をとることによって行列Ｓを生成するＮ行Ｚ列の行列Φを生成する（Ｓ１４０５）。行列Ｓ及び行列Φを下記（１４）式に示す。

ＣＰＵ１１は、次に、ｉ＝１〜Ｚとして行列Φの各列を分離した行列φｉ＝（φ_1,i φ_2,i …φ_N,i ）^T のノルム‖φｉ‖を計算する（Ｓ１４０６）。ＣＰＵ１１は、次に、行列Φに含まれる各成分φ_j,i （ｉ＝１〜Ｚ；ｊ＝１〜Ｎ）を各列の行列のノルム‖φｉ‖で割った行列Λを生成し（Ｓ１４０７）、Ｓ’＝ＸΛである行列Ｓ’を生成する（Ｓ１４０８）。行列Λ及び行列Ｓ’を下記（１５）式に示す。

ＣＰＵ１１は、次に、行列Ｓ’の各列に夫々Ｍ個含まれる各成分Ｓ’_j,i （ｉ＝１〜Ｚ；ｊ＝１〜Ｍ）の分散ｄｅｖｉ（ｉ＝１〜Ｚ）を計算する（Ｓ１４０９）。ＣＰＵ１１は、次に、分散ｄｅｖｉの降順に行列ΦのＺ個の列の内のＰ個の列を選択し、選択したＰ個の列を分散ｄｅｖｉの降順に並べたＮ行Ｐ列の行列Φ’を生成する（Ｓ１４１０）。行列Φ’を下記（１６）式に示す。

例えば、分散ｄｅｖｉ（ｉ＝１〜Ｚ）の内のｄｅｖ３が最も大きかった場合は、行列Φに含まれる第３列（φ_1,3 φ_2,3 …φ_N,3 ）^Tが、行列Φ’の第１列（φ’_1,1 φ’_2,1 …φ’_N,1 ）^T となる。ＣＰＵ１１は、次に、Ｓ”＝ＸΦ’であるＭ行Ｐ列の行列Ｓ”を生成する（Ｓ１４１１）。行列Ｓ”を下記（１７）式に示す。

ここで生成された行列Ｓ”が、主成分分析での行列Ｔと同様に互いに無相関なＰ種類の成分からなる行列である。また行列Φ’は、主成分分析での行列Ｗと同様に行列Ｘから行列Ｓ”を生成するための行列である。ＣＰＵ１１は、次に、行列Ｓ”及び行列Φ’を内部記憶装置１４に記憶させ（Ｓ１４１２）、処理をメインルーチンへ戻す。行列Ｓ”及び行列Φ’を用いることにより、主成分分析を用いた場合と同様にして本発明の品質影響要因解析方法を実行することができる。

なお、本実施の形態においては、鋼板製造の熱間圧延プロセスにおける品質影響要因解析の例を示したが、これに限るものではなく、高炉による鉄鋼製造のプロセス又は鋼片の連続鋳造のプロセス等のその他の製造プロセスにおいても本発明の品質影響要因解析方法を適用することが可能である。また、連続鋳造及び熱間圧延などの複数のプロセスをまとめて本発明の品質影響要因解析方法を適用することも可能である。更に、鉄鋼の製造に限ることなく、他の金属製品、機械又は電子機器などのその他の製品の製造に関して、本発明の品質影響要因解析方法を適用することが可能である。

（実施の形態２）
図１３は、本発明の品質制御システムの構成例を示すブロック図である。本実施の形態では、実施の形態１と同様に熱間圧延により鋼板を製造する熱間圧延プロセスにおいて鋼板の品質を制御する形態を例として、本発明の品質制御方法を説明する。鋼板を製造する熱間圧延プロセスは、実施の形態１と同様であるのでその説明を省略する。実施の形態１の品質影響要因解析システムと同様に、加熱炉３１、粗圧延機３２、仕上げ圧延機３３及び冷却装置３４にはプロセス制御装置２２が接続されており、また、操業指示装置２１、検査装置２３及び影響要因ＤＢ２４が備えられている。検査装置２３は、熱間圧延プロセスで製造された鋼板の品質を検査するが、冷却の必要がある等の原因により、鋼板の製造から検査までに数日乃至一ヶ月程度の時間が必要である。影響要因ＤＢ２４は、本発明の品質影響要因解析方法により得られた、Ｎ種類の影響データを成分とするベクトルＢ、危険閾値Ｊ_as、安全閾値Ｊ_bs、Ｎ種類の条件データの平均Ｘ_mi及び分散Ｘ_si（ｉ＝１，２，…，Ｎ）を記憶している。本発明の品質制御システムは、更に本発明の品質制御装置４を備えている。品質制御装置４には、プロセス制御装置２２、操業指示装置２１及び影響要因ＤＢ２４が接続されている。

図１４は、本発明の品質制御装置４の内部の機能構成を示す機能ブロック図である。品質制御装置４は、パーソナルコンピュータ又はサーバ装置などの汎用コンピュータを用いて構成されており、本発明の品質予測装置の機能を兼ね備えている。品質制御装置４は、演算を行うＣＰＵ（演算部）４１と、演算に伴って発生する一時的な情報を記憶するＲＡＭ（記憶部）４２と、ＣＤ−ＲＯＭドライブ等の外部記憶装置４３と、ハードディスク等の内部記憶装置４４とを備えている。ＣＰＵ４１は、ＣＤ−ＲＯＭ等の記録媒体４０から本発明のコンピュータプログラム４００を外部記憶装置４３にて読み取り、読み取ったコンピュータプログラム４００を内部記憶装置４４に記憶させる。コンピュータプログラム４００は必要に応じて内部記憶装置４４からＲＡＭ４２へロードされ、ロードされたコンピュータプログラム４００に基づいてＣＰＵ４１は品質制御装置４に必要な処理を実行する。また、品質制御装置４は、操業指示装置２１、プロセス制御装置２２及び影響要因ＤＢ２４に接続された入出力部４５を備えている。ＣＰＵ４１は、入出力部４５を介して必要なデータを操業指示装置２１、プロセス制御装置２２及び影響要因ＤＢ２４との間で交換する構成となっている。

なお、本発明のコンピュータプログラム４００は、品質制御装置４に接続された図示しない外部のサーバ装置から品質制御装置４へロードされて内部記憶装置４４に記憶される形態であってもよい。

内部記憶装置４４は、本発明の品質影響要因解析方法により得られた、Ｎ種類の影響データを成分とするベクトルＢ、危険閾値Ｊ_as、安全閾値Ｊ_bs、Ｎ種類の条件データの平均Ｘ_mi及び分散Ｘ_si（ｉ＝１，２，…，Ｎ）を、影響要因ＤＢ２４から読み出して記憶している。また、ベクトルＢが含む影響データの値に応じて品質への影響が大きいと判別されている複数の条件データの内、製造に係る条件を変更することで量を変更可能な条件データと、品質への影響の大きさに応じた条件データの変更の優先順位と、変更可能な条件データの変更範囲とを記録した制御情報を記憶している。制御情報の内容は、ベクトルＢが含む影響データの値に応じて品質制御装置４が生成してもよく、また人手で作成して入力してもよい。

次に、フローチャートを用いて、本発明の品質制御方法を説明する。図１５は、本発明の品質制御装置４が行う品質を制御する処理の手順を示すフローチャートである。ここで、Ｊ_as＞Ｊ_bsであるとしておく。品質制御装置４のＣＰＵ４１は、ＲＡＭ４２にロードした本発明のコンピュータプログラム４００に従って以下の処理を実行する。ＣＰＵ４１は、熱間圧延プロセスにおいて鋼板を製造する操業に際して、プロセス制御装置２２及び操業指示装置２１からＮ個の条件データを入出力部１５にて受け付ける（Ｓ２１）。受け付けたＮ個の条件データは、ベクトルＵ_a としてＲＡＭ４２が記憶する。ＣＰＵ４１は、次に、受け付けた各条件データｕ_ai（ｉ＝１〜Ｎ）に対して、内部記憶装置４４が記憶しているＸ_miを減算してからＸ_siの平方根で除することによって、Ｎ個の条件データの夫々をスケーリングする（Ｓ２２）。スケーリングされた条件データは、ベクトルＸ_a としてＲＡＭ４２が記憶する。ベクトルＵ_a 及び行列Ｘ_a を下記（１８）式に示す。

ＣＰＵ４１は、次に、行列Ｘ_a と内部記憶装置４４が記憶しているベクトルＢを用いて、Ｊ_n ＝Ｘ_a Ｂにより判別指標Ｊ_n を計算する（Ｓ２３）。ＣＰＵ４１は、次に、計算した判別指標Ｊ_n が、内部記憶装置４４が記憶している危険閾値Ｊ_asより大きいか否かを判定する（Ｓ２４）。Ｊ_n がＪ_asより大きい場合は（Ｓ２４：ＹＥＳ）、受け付けた条件データの基で製造される鋼板の品質は不良であると予測されるので、ＣＰＵ４１は、内部記憶装置４４が記憶している制御情報の内容に応じて、入出力部４５を介して変更可能な条件の変更指示を操業指示装置２１又はプロセス制御装置２２へ送信して、次に製造される鋼板の品質が良になるように製造の条件を変更させる（Ｓ２５）。

ステップＳ２４にてＪ_n がＪ_as以下であった場合（Ｓ２４：ＮＯ）、又はステップＳ２５が終了した場合は、ＣＰＵ４１は、熱間圧延プロセスでの鋼板製造の操業が終了したか否かを判定する（Ｓ２６）。操業が終了していない場合は（Ｓ２６：ＮＯ）、ＣＰＵ４１は、処理をステップＳ２１へ戻して次の条件データを受け付ける。操業が終了している場合は（Ｓ２６：ＹＥＳ）、ＣＰＵ４１は、処理を終了する。

前述の処理では、Ｊ_asを用いて鋼板の品質を予測したが、Ｊ_bsを用いて鋼板の品質を予測する処理を行ってもよい。また、Ｊ_as及びＪ_bsの両方を用いることにより、Ｊ_n がＪ_asよりも大きい場合は品質が不良であると予測し、Ｊ_n がＪ_bsよりも小さい場合は品質が良であると予測し、Ｊ_n がＪ_asとＪ_bsの間である場合は品質が不良である可能性があるとして所定の制御を行う処理を行ってもよい。また、Ｊ_as＜Ｊ_bsである場合でも、同様にして品質の予測と制御とを行うことが可能である。また、ベクトルＢ及び制御情報などの処理に必要なデータを内部記憶装置４４が記憶している形態を示しているが、必要に応じてデータを影響要因ＤＢ２４から読み出す形態であってもよい。

以上詳述した如く、本発明においては、本発明の品質影響要因解析方法による解析結果を利用して条件データから製品の品質を予測することにより、品質の検査を早急に行うことができない製品の品質を簡便に予測することができる。製品の品質を予測し、品質の不良が予測される場合は次に製造される製品の品質が良となるように製造の条件を変更する制御を行うことにより、品質を検査するまでに時間を要する製品の不良品が大量に製造されることを防止することができるので、製品の品質の向上及び製品製造の効率の向上が可能となる。

なお、本発明の品質制御方法は、鉄鋼の製造に限ることなく、他の金属製品、機械又は電子機器などのその他の製品の製造に関して適用することが可能である。

（実施の形態３）
実施の形態１に示した品質影響要因解析方法では、影響要因解析処理において線形判別分析の手法を用いているが、その他の分析手法を用いても本発明の品質影響要因解析方法を実現することが可能である。本実施の形態においては、重回帰分析の手法を用いて本発明の品質影響要因解析方法を実現する形態を示す。

本実施の形態に係る品質影響要因解析システムの構成及び品質影響要因解析装置１の構成は図１及び図２に示す実施の形態１の場合と同様であるので、その説明を省略する。但し、検査装置２３は、熱間圧延プロセスで製造された鋼板の幅の偏差など、鋼板の品質を数値で示す品質データを取得する構成となっている。

図１６は、実施の形態３に係る本発明の品質影響要因解析装置１が行う品質への影響要因を解析する処理の手順を示すフローチャートである。品質影響要因解析装置１のＣＰＵ１１は、ＲＡＭ１２にロードした本発明のコンピュータプログラム１００に従って以下の処理を実行する。ＣＰＵ１１は、鋼板の製造に係る各種の条件を示すＮ種類の条件データ及び品質データを入力部１５にて受け付ける（Ｓ３１）。ＣＰＵ１１は、次に、受け付けた条件データと当該条件データの基で製造された鋼板の品質を示す品質データとを互いに関連づけて内部記憶装置１４に記憶させる（Ｓ３２）。ＣＰＵ１１は、次に、条件データ及び品質データのサンプリング数Ｍが条件データの種類の数Ｎ以上であるか否かを判定する（Ｓ３３）。サンプリング数ＭがＮよりも小さい場合は（Ｓ３３：ＮＯ）、ＣＰＵ１１は、処理をステップＳ３１へ戻し、次に製造される鋼板の条件データ及び品質データを受け付ける。なお、ステップＳ３３では、サンプリング数ＭがＮより大きい所定数以上であるか否かを判定する処理を行ってもよい。内部記憶装置１４は、実施の形態１と同様にして条件データをＭ行Ｎ列の行列Ｕとして記憶し、品質データをベクトルＶとして記憶している。行列Ｖを下記（１９）式に示す。

ステップＳ３３にて、サンプリング数ＭがＮ以上である場合は（Ｓ３３：ＹＥＳ）、ＣＰＵ１１は、内部記憶装置１４に記憶しているＮ種類の条件データをＰ＜Ｎである互いに無相関なＰ種類の成分へ変換する条件データ変換処理を行う（Ｓ３４）。ＣＰＵ１１は、ステップＳ３４において、図４に示す如き実施の形態１と同様の処理を行い、（１）式に示すＭ行Ｎ列の行列Ｕから、（３）式に示すＭ行Ｎ列の行列Ｘ、（５）式に示すＭ行Ｐ列の行列Ｔ及びＮ行Ｐ列の行列Ｗを生成する。

ＣＰＵ１１は、次に、行列Ｔに含まれるＰ種類の成分の内いずれの成分が鋼板の品質へのより大きい影響要因となっているかを重回帰分析の手法を用いて解析する影響要因解析処理を行う（Ｓ３５）。図１７は、ステップＳ３５の影響要因解析処理のサブルーチンの処理の手順を示すフローチャートである。

ＣＰＵ１１は、行列ＶにＭ個含まれる品質データｖ_i （ｉ＝１〜Ｍ）の平均Ｖ_m 及び分散Ｖ_s を計算し（Ｓ３５１）、計算した平均Ｖ_m 及び分散Ｖ_s を内部記憶装置１４に記憶させる（Ｓ３５２）。ＣＰＵ１１は、次に、平均Ｖ_m 及び分散Ｖ_s を用いて品質データを平均０及び分散１のデータへ変換した成分からなるベクトルＹを生成する（Ｓ３５３）。ベクトルＹを下記（２０）式に示す。

ＣＰＵ１１は、次に、行列Ｔを説明変数とし、ベクトルＹを目的変数とした重回帰分析により、重回帰の結果であるＹの推定値Ｙ’をＹ’＝ＴＡで表すことができる回帰係数のベクトルＡを計算する（Ｓ３５４）。ここでＣＰＵ１１は、回帰係数のベクトルＡを下記（２１）式を用いて計算する。

ベクトルＡの各成分は、行列Ｔに含まれるＰ種類の成分の夫々の品質への回帰係数であるので、Ｙの推定値Ｙ’が充分な推定精度で推定されていれば、回帰係数の比較により各成分の品質への影響の度合いが分かる。ベクトルＡの各成分は、本発明に係る影響指標である。

ＣＰＵ１１は、次に、回帰係数のベクトルＡを内部記憶装置１４に記憶させ（Ｓ３５５）、影響要因解析処理を終了して処理をメインルーチンへ戻す。

ＣＰＵ１１は、次に、条件データの内のいずれが品質への影響要因となっているかを明らかにするために、回帰係数のベクトルＡをＮ個の影響データへ変換する解析結果変換処理を行う（Ｓ３６）。図１８は、ステップＳ３６の解析結果変換処理のサブルーチンの処理の手順を示すフローチャートである。ＣＰＵ１１は、内部記憶装置１４が記憶している回帰係数のベクトルＡ、及びステップＳ３４にて生成した行列ＷをＲＡＭ１２へ読み出し（Ｓ３６１）、ベクトルＢ＝ＷＡを計算する（Ｓ３６２）。ＣＰＵ１１は、次に、計算したベクトルＢを内部記憶装置１４に記憶させ（Ｓ３６３）、解析結果変換処理を終了して処理をメインルーチンへ戻す。ベクトルＢのＮ個の成分が本発明に係る影響データである。実施の形態１と同様にベクトルＢの各成分の値に対応して、Ｎ種類の条件データの品質への影響の度合いが明らかとなる。

ＣＰＵ１１は、次に、Ｎ種類の影響データを成分とするベクトルＢ、ステップＳ３４の条件データ変換処理で計算したＮ種類の条件データの平均Ｘ_mi及び分散Ｘ_si（ｉ＝１，２，…，Ｎ）、並びにステップＳ３５で計算した品質データの平均Ｖ_m 及び分散Ｖ_s を、出力部１６から出力して影響要因ＤＢ２４に記憶させ（Ｓ３７）、処理を終了する。影響要因ＤＢ２４が記憶したデータを用いて、操業の際に得られた条件データから品質データの推定値を計算し、計算した推定値を本発明に係る判別指標として用いることにより、実施の形態２と同様の品質の予測及び制御が可能となる。

なお、本実施の形態においては、主成分分析と重回帰分析との手法を用いて本発明の品質影響要因解析方法を実施する形態を示したが、ＰＬＳ法を用いて本発明の品質影響要因解析方法を実施する形態であってもよい。この場合は、Ｙの推定値Ｙ’をＹ’＝ＬＡで表すことができる潜在変数Ｌ及び回帰係数のベクトルＡを計算し、Ｌ＝ＸＷ’である行列Ｗ’を用いて影響データを計算する。

次に、本実施の形態に係る品質影響要因解析方法を用いた解析結果を示す。品質データとして、熱延コイルの長手方向での疵発生割合を用いた。条件データは１３種類であり、サンプリング数Ｍは１３とした。このデータに対して、Ｐ＝３としてＰＬＳを行い、疵発生割合の回帰式を作成した。図１９は、Ｙの成分とＹの推定値との対応をグラフ上で示した特性図である。横軸はベクトルＹの各成分の値を示し、縦軸は各成分に対応する推定値を示す。各データが傾き１の直線上にほぼ乗っているので、予測精度が比較的良好であることがわかる。図２０は、夫々の条件データに対応する回帰係数の値をヒストグラムで示した特性図である。横軸には条件データを配列してあり、縦軸はそれらの条件データに対応する回帰係数の値を示す。図２０中に示すように、品質に対して、材料に添加している成分１の影響が大きいことがわかる。そこで成分１の添加量を減らすことで疵発生割合が低下した。

以上詳述した如く、重回帰計算の手法を用いた場合でも本発明の品質影響要因解析方法を実現することが可能であり、実用的な品質影響要因の解析が可能となる。

（実施の形態４）
実施の形態２に示した品質制御方法では、品質のフィードバック制御を行っているが、品質のフィードフォワード制御を行うことも可能である。本実施の形態においては、品質のフィードフォワード制御を行う本発明の品質制御方法を実現する形態を示す。

図２１は、実施の形態４に係る品質制御システムの構成例を示すブロック図である。本実施の形態では、高炉５１、転炉５２、連続鋳造機５３、熱間圧延プロセス５４及び冷間圧延プロセス５５の各工程を経て製造される鉄鋼の品質を制御するシステムを例として本発明の品質制御方法を説明する。本実施の形態に係る品質制御システムには、操業指示装置２１が備えられている。操業指示装置２１は、各工程に設置されているプロセス制御装置２２に接続されており、更に上位の図示しないホストコンピュータに接続されている。操業指示装置２１は、ホストコンピュータから製造すべき製品の規格を受け付け、各プロセス制御装置２２に対して操業指示を与え、更に各工程での操業データ等の条件データを各プロセス制御装置２２から取得する。また、製造された鉄鋼の品質を検査する検査装置２３が備えられている。更に、影響要因ＤＢ２４が備えられている。影響要因ＤＢ２４は、操業指示装置２１及びプロセス制御装置２２，２２から得られた条件データと検査装置２４から得られた品質データとから本発明の品質影響要因解析方法を用いて得られた種類の影響データを成分とするベクトルＢ等のデータを記憶している。

操業指示装置２１、プロセス制御装置２２，…及び影響要因ＤＢ２４には、本実施の形態に係る品質制御装置４が接続されている。品質制御装置４の内部の構成は図１４に示した実施の形態２の場合と同様であるのでその説明を省略する。

図２２は、実施の形態４に係る品質制御装置４が行う品質を制御する処理の手順を示すフローチャートである。ここで、Ｊ_as＞Ｊ_bsであるとしておく。品質制御装置４のＣＰＵ４１は、ＲＡＭ４２にロードした本発明のコンピュータプログラム４００に従って以下の処理を実行する。ＣＰＵ４１は、連続鋳造機５３の工程までの条件データ等のような、鉄鋼を製造する全ての工程の内の途中までの工程で得られた複数の条件データを入出力部４５にて受け付ける（Ｓ４１）。ＣＰＵ４１は、次に、受け付けた各条件データに対して、内部記憶装置４４が記憶しているＸ_miを減算してからＸ_siの平方根で除することによって、受け付けた複数の条件データの夫々をスケーリングする（Ｓ４２）。

ＣＰＵ１１は、次に、受け付けてスケーリングされた条件データと、まだ受け付けていない条件データに対応する平均的なデータの値とを用いて、ベクトルＸ_a を生成し、行列Ｘ_a と内部記憶装置４４が記憶しているベクトルＢとを用いて、Ｊ_n ＝Ｘ_a Ｂにより判別指標Ｊ_n を計算する（Ｓ４３）。ＣＰＵ４１は、次に、計算した判別指標Ｊ_n が、内部記憶装置４４が記憶している危険閾値Ｊ_asよりも大きいか否かを判定する（Ｓ４４）。Ｊ_n がＪ_asよりも大きい場合は（Ｓ４４：ＹＥＳ）、受け付けた条件データの基で途中まで製造された鉄鋼は完成した時点で品質が不良となっていることが予測されるので、ＣＰＵ４１は、内部記憶装置１４が記憶している制御情報の内容に応じて、入出力部４５を介して変更可能な条件の変更指示を操業指示装置２１又はプロセス制御装置２２，２２へ送信して、現在予測されている品質不良を相殺するように、受け付けた条件データに係る工程以降の工程での製造の条件を変更させる（Ｓ４５）。

ステップＳ４４にてＪ_n がＪ_as以下であった場合（Ｓ４４：ＮＯ）、又はステップＳ４５が終了した場合は、ＣＰＵ４１は、鉄鋼製造の操業が終了したか否かを判定する（Ｓ４６）。操業が終了していない場合は（Ｓ４６：ＮＯ）、ＣＰＵ４１は、処理をステップＳ４１へ戻して次の鉄鋼に係る条件データを受け付ける。操業が終了している場合は（Ｓ４６：ＹＥＳ）、ＣＰＵ４１は、処理を終了する。なお、以上の処理で判別指標として品質データの推定値を用いる形態であってもよい。

以上の如く、本発明においては、製品の品質のフィードフォワード制御を行い、製品製造の途中で品質の不良が予測される場合に不良が相殺されるように品質を制御することができる。これにより、製品の品質の不良率を減少させることができるので、製品の品質の向上及び製品製造の効率の向上が可能となる。

なお、本発明の品質制御方法は、鉄鋼の製造に限ることなく、他の金属製品、機械又は電子機器などのその他の製品の製造に関して適用することが可能である。また、複数の工場での操業を経て製造される製品についても本発明を適用することが可能であり、途中の工場までで製造された半製品の段階で製品の品質の不良が予測される場合に、以降の工場での操業で不良が相殺されるように品質を制御することも可能となる。

本発明の品質影響要因解析システムの構成例を示すブロック図である。 本発明の品質影響要因解析装置の内部の機能構成を示す機能ブロック図である。 本発明の品質影響要因解析装置が行う品質への影響要因を解析する処理の手順を示すフローチャートである。 ステップＳ１４の条件データ変換処理のサブルーチンの処理の手順を示すフローチャートである。 ステップＳ１５の影響要因解析処理のサブルーチンの処理の手順を示すフローチャートである。 線形判別分析によるデータ分離のイメージを示す模式図である。 ステップＳ１６の解析結果変換処理のサブルーチンの処理の手順を示すフローチャートである。 ７３個の条件データを利用して計算した判別指標のヒストグラムを示す特性図である。 ７３個の条件データを利用した線形判別分析によって得られた影響データの値を棒グラフで示した特性図である。 Ｐ＝１０とした本発明の品質影響要因解析方法を用いて計算した判別指標のヒストグラムを示す特性図である。 Ｐ＝１０とした本発明の品質影響要因解析方法を用いて得られた７３個の影響データの値を棒グラフで示した特性図である。 順位付けした独立成分分析を用いる場合のステップＳ１４の条件データ変換処理のサブルーチンの処理の手順を示すフローチャートである。 本発明の品質制御システムの構成例を示すブロック図である。 本発明の品質制御装置の内部の機能構成を示す機能ブロック図である。 本発明の品質制御装置が行う品質を制御する処理の手順を示すフローチャートである。 実施の形態３に係る本発明の品質影響要因解析装置が行う品質への影響要因を解析する処理の手順を示すフローチャートである。 ステップＳ３５の影響要因解析処理のサブルーチンの処理の手順を示すフローチャートである。 ステップＳ３６の解析結果変換処理のサブルーチンの処理の手順を示すフローチャートである。 Ｙの成分とＹの推定値との対応をグラフ上で示した特性図である。 夫々の条件データに対応する回帰係数の値をヒストグラムで示した特性図である。 実施の形態４に係る品質制御システムの構成例を示すブロック図である。 実施の形態４に係る品質制御装置が行う品質を制御する処理の手順を示すフローチャートである。

符号の説明

１ 品質影響要因解析装置
１１ ＣＰＵ（演算部）
１２ ＲＡＭ（記憶部）
１０、４０ 記録媒体
１００、４００ コンピュータプログラム
２１ 操業指示装置
２２ プロセス制御装置
２３ 検査装置
４ 品質制御装置（品質予測装置）
４１ ＣＰＵ（演算部）
４２ ＲＡＭ（記憶部）

Claims (19)

1. 記憶部及び演算部を備えるコンピュータを用いて、製品の製造における品質への影響要因を解析する方法において、
   製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データと該条件データに応じて製造された製品の品質を示す品質データとをＭ回（Ｍは自然数）サンプリングしてサンプリング毎に互いに関連づけたＭ通りの前記Ｎ種類の条件データ及び前記品質データを、前記記憶部で記憶するステップと、
   前記記憶部で記憶するＭ通りの前記Ｎ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ前記演算部で変換する変換ステップと、
   前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を多変量解析により前記演算部で計算する影響指標計算ステップと、
   前記演算部で前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換した方法に応じた方法で前記Ｐ個の影響指標を逆にＮ個のデータへ変換することによって、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを求めるステップと
   を含むことを特徴とする品質影響要因解析方法。
2. 記憶部及び演算部を備えるコンピュータを用いて、製品の製造における品質への影響要因を解析する方法において、
   製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを、製造された製品の品質を示す品質データに関連づけて、各条件データ毎のＭ個（Ｍは自然数）のサンプリングデータからなるＭ行Ｎ列の行列Ｕとして前記記憶部で記憶するステップと、
   前記記憶部で記憶する夫々Ｍ個のＮ種類の条件データをＭ個の平均及び分散が夫々所定値になるようにスケーリングしたＭ行Ｎ列の行列Ｘを前記演算部で生成するステップと、
   前記演算部でスケーリングしたＮ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換することにより、行列ＸをＭ行Ｐ列の行列Ｔへ前記演算部で変換する変換ステップと、
   前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を成分とするベクトルＡを多変量解析により前記演算部で計算する影響指標計算ステップと、
   Ｔ＝ＸＷであるＮ行Ｐ列の行列Ｗを用いてベクトルＢ＝ＷＡを計算することにより、前記Ｐ個の影響指標から、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを成分とするベクトルＢを前記演算部で計算するステップと
   を含むことを特徴とする品質影響要因解析方法。
3. 前記変換ステップでは、前記演算部でＰの値を品質の変化が認められる品質データの数以下にすることを特徴とする請求項１又は２に記載の品質影響要因解析方法。
4. 前記変換ステップでは、前記演算部で主成分分析を用いて前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換することを特徴とする請求項１乃至３のいずれかに記載の品質影響要因解析方法。
5. 前記変換ステップ及び前記影響指標計算ステップでは、前記演算部で部分的最小二乗法を用いて前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換することを特徴とする請求項１乃至３のいずれかに記載の品質影響要因解析方法。
6. 前記変換ステップでは、前記演算部で独立成分分析を用いて前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換することを特徴とする請求項１乃至３のいずれかに記載の品質影響要因解析方法。
7. 前記影響指標計算ステップでは、前記演算部で線形判別分析を用いて前記Ｐ個の影響指標を計算することを特徴とする請求項１乃至６のいずれかに記載の品質影響要因解析方法。
8. 前記影響指標計算ステップでは、前記演算部で重回帰分析を用いて前記Ｐ個の影響指標を計算することを特徴とする請求項１乃至６のいずれかに記載の品質影響要因解析方法。
9. 記憶部及び演算部を備えるコンピュータを用いて、製品の製造に係る各種の条件から製品の品質を予測する方法において、
   請求項１乃至８のいずれかに記載の影響要因解析方法により求められた、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データの夫々の品質への影響を示すＮ個の影響データを前記記憶部で記憶するステップと、
   製品の製造において得られた前記Ｎ種類の条件データを前記記憶部で記憶するステップと、
   前記記憶部で記憶している前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を前記演算部で計算するステップと、
   前記演算部で計算した判別指標の値に応じて製品の品質を前記演算部で予測するステップと
   を含むことを特徴とする品質予測方法。
10. 記憶部及び演算部を備えるコンピュータを用いて、製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御する方法において、
    請求項１乃至８のいずれかに記載の影響要因解析方法により求められたＮ（Ｎは自然数）個の影響データが示す製品の製造に係る各種の条件を示すＮ種類の条件データの夫々の品質への影響に応じた、製品の製造に係る変更可能な条件の内の変更の優勢度が高い条件を指定する制御情報を前記記憶部で記憶するステップと、
    前記記憶部で記憶している前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を前記演算部で計算するステップと、
    前記演算部で計算した判別指標の値に応じて、前記制御情報が指定する前記条件の変更を前記コンピュータの外部へ前記演算部で指示するステップと
    を含むことを特徴とする品質制御方法。
11. 製品の製造における品質への影響要因を解析する装置において、
    製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データと該条件データに応じて製造された製品の品質を示す品質データとをＭ回（Ｍは自然数）サンプリングしてサンプリング毎に互いに関連づけたＭ通りの前記Ｎ種類の条件データ及び前記品質データを記憶する手段と、
    該手段が記憶するＭ通りの前記Ｎ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換する変換手段と、
    該手段が変換した前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を多変量解析により計算する影響指標計算手段と、
    前記変換手段が前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換した方法に応じた方法で前記Ｐ個の影響指標を逆にＮ個のデータへ変換することによって、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを求める手段と
    を備えることを特徴とする品質影響要因解析装置。
12. 製品の製造に係る各種の条件から製品の品質を予測する装置において、
    請求項１１に記載の品質影響要因解析装置が求めた、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データの夫々の品質への影響を示すＮ個の影響データを記憶する影響データ記憶手段と、
    製品の製造において得られた前記Ｎ種類の条件データを記憶する条件データ記憶手段と、
    該手段が記憶している前記Ｎ種類の条件データと前記影響データ記憶手段が記憶している前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算する手段と、
    該手段が計算した判別指標の値に応じて製品の品質を予測する手段と
    を備えることを特徴とする品質予測装置。
13. 製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御する装置において、
    請求項１１に記載の品質影響要因解析装置が求めたＮ（Ｎは自然数）個の影響データが示す製品の製造に係る各種の条件を示すＮ種類の条件データの夫々の品質への影響に応じた、製品の製造に係る変更可能な条件の内の変更の優勢度が高い条件を指定する制御情報を記憶する手段と、
    該手段が記憶している前記Ｎ種類の条件データと前記影響データ記憶手段が記憶している前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算する手段と、
    該手段が計算した判別指標の値に応じて、前記制御情報が指定する前記条件の変更を外部へ指示する手段と
    を備えることを特徴とする品質制御装置。
14. 製品の製造における品質への影響要因を解析するシステムにおいて、
    請求項１１に記載の品質影響要因解析装置と、
    製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを取得する取得手段とを有し、
    前記影響要因解析装置は、前記取得手段が取得した前記Ｎ種類の条件データを受け付ける手段を備える
    ことを特徴とする品質影響要因解析システム。
15. 製品の製造に係る各種の条件から製品の品質を予測するシステムにおいて、
    請求項１２に記載の品質予測装置と、
    製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを取得する取得手段とを有し、
    前記品質予測装置は、前記取得手段が取得した前記Ｎ種類の条件データを受け付ける手段を備える
    ことを特徴とする品質予測システム。
16. 製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御するシステムにおいて、
    請求項１３に記載の品質制御装置と、
    製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データを取得する取得手段と、
    製品の製造に係る各種の条件の内の変更可能な条件を変更する変更手段とを有し、
    前記品質制御装置は、前記取得手段が取得した前記Ｎ種類の条件データを受け付ける手段を備え、
    前記変更手段は、
    前記品質制御手段から所定の条件の変更の指示を受け付ける手段と、
    該手段が受け付けた前記指示に従って前記条件を変更する手段と
    を備えることを特徴とする品質制御システム。
17. 製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データと該条件データに応じて製造された製品の品質を示す品質データとをＭ回（Ｍは自然数）サンプリングしてサンプリング毎に互いに関連づけたＭ通りの前記Ｎ種類の条件データ及び前記品質データを記憶するコンピュータに、製品の製造における品質への影響要因を解析させるコンピュータプログラムにおいて、
    コンピュータに、Ｍ通りの前記Ｎ種類の条件データを、前記品質データが関連づけられた状態で、Ｐ＜Ｎである互いに無相関なＰ種類（Ｐは自然数）の成分へ変換させる手順と、
    コンピュータに、前記Ｐ種類の成分に関連づけられている品質データが示す品質に対する前記Ｐ種類の成分の夫々の影響を示すＰ個の影響指標を多変量解析により計算させる手順と、
    コンピュータに、前記Ｎ種類の条件データを前記Ｐ種類の成分へ変換した方法に応じた方法で前記Ｐ個の影響指標を逆にＮ個のデータへ変換することによって、前記Ｎ種類の条件データに関連づけられている品質データが示す品質に対する前記Ｎ種類の条件データの夫々の影響を示すＮ個の影響データを計算させる手順と
    を含むことを特徴とするコンピュータプログラム。
18. 請求項１乃至８のいずれかに記載の品質影響要因解析方法により求められた、製品の製造に係る各種の条件を示すＮ種類（Ｎは自然数）の条件データの夫々の品質への影響を示すＮ個の影響データ、及び製品の製造において得られた前記Ｎ種類の条件データを記憶するコンピュータに、製品の製造に係る各種の条件から製品の品質を予測させるコンピュータプログラムにおいて、
    コンピュータに、前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算させる手順と、
    コンピュータに、計算した判別指標の値に応じて製品の品質を予測させる手順と
    を含むことを特徴とするコンピュータプログラム。
19. 請求項１乃至８のいずれかに記載の品質影響要因解析方法により求められたＮ（Ｎは自然数）個の影響データが示す製品の製造に係る各種の条件を示すＮ種類の条件データの夫々の品質への影響に応じた、製品の製造に係る変更可能な条件の内の変更の優勢度が高い条件を指定する制御情報を記憶するコンピュータに、製品の製造に係る各種の条件の変更を指示することにより製品の品質を制御させるコンピュータプログラムにおいて、
    コンピュータに、前記Ｎ種類の条件データと前記Ｎ個の影響データとの互いに対応する成分同士の積の和により、品質を判別するための値である判別指標を計算させる手順と、
    コンピュータに、計算した判別指標の値に応じて、前記制御情報が指定する前記条件の変更を前記コンピュータの外部へ指示させる手段と
    を含むことを特徴とするコンピュータプログラム。

Images