JP4706608B2 - 製造工程分析方法 - Google Patents
製造工程分析方法 Download PDFInfo
- Publication number
- JP4706608B2 JP4706608B2 JP2006263718A JP2006263718A JP4706608B2 JP 4706608 B2 JP4706608 B2 JP 4706608B2 JP 2006263718 A JP2006263718 A JP 2006263718A JP 2006263718 A JP2006263718 A JP 2006263718A JP 4706608 B2 JP4706608 B2 JP 4706608B2
- Authority
- JP
- Japan
- Prior art keywords
- manufacturing process
- correlation coefficient
- model
- causal relationship
- data
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims description 45
- 238000004458 analytical method Methods 0.000 title claims description 23
- 230000001364 causal effect Effects 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012821 model calculation Methods 0.000 claims 1
- 238000000611 regression analysis Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 8
- 238000013480 data collection Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000000491 multivariate analysis Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013179 statistical model 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Description
本発明は、製造設備の製造工程のモデリングを行うのに用いられる製造工程分析方法に関する。
製造現場では、製造工程の能力向上のため、改善活動が行われている。この改善活動を円滑に進めるためには、製造工程自体の理解が必要である。工程データを記録し、それらを適切に処理,解析することで、製造工程本来の能力を把握し、改善を進めることができる。
工程データを用いた製造工程分析方法の一つには、回帰分析、あるいは重回帰分析という多変量解析を用いた手法が知られている。重回帰分析を用いることで、工程データの変数と変数との従属関係,因果関係が定量化でき、製造工程のモデル化が行える。すなわち、工程データの目的変数に対して、それに影響を及ぼす要因(説明変数という)を見つけ、複数の要因がある場合は、その影響の度合いを回帰係数により定量化することができる。また、重回帰分析により得た工程モデルと実データとの差異である残差により、対象工程の変化が把握できる。
しかし、重回帰分析において、目的変数が複数となる場合は、得られた工程モデルの検証が難しくなる。すなわち、各目的変数間にトレードオフが生じる可能性があり、本来相関のあり得ない変数間においても、高い相関係数が算出される可能性があるからである。
この問題を解決するには、目的変数と説明変数の因果関係を予め決めておくことで解決できる。〔特許文献1〕,〔非特許文献1〕に記載のように、近年、グラフィカルモデリングという手法が知られている。グラフィカルモデリングは、工程データのような解析対象データの相関係数と偏相関係数から、目的変数,説明変数間の因果関係を導出することができる。得られた因果関係をもとに、重回帰モデルの構造、すなわち目的変数,説明変数の組合せを決められるので、工程モデルの検証が容易になる。
しかし、重回帰分析,グラフィカルモデリングともに、解析に用いるデータは有限個であり、そのためデータ区切りを行うが、そのデータ区切りは、多くの場合は日時や製造バッチ単位とすることが多い。その結果、データの区切り方によって、グラフィカルモデリングの解析結果が異なるので、得られた因果関係モデルの吟味が必要となる。
本発明の目的は、工程データの区切り方により、グラフィカルモデリングにより得た因果関係モデルの構造(目的変数,説明変数の組合せ)が変化した場合でも、得られた因果関係モデルの得られた因果関係モデルの吟味が容易である製造工程分析方法を提供することにある。
上記課題を達成するために、本発明の製造工程分析方法は、グラフィカルモデリングによる因果関係モデルを、前述のデータ区切りごとに履歴をとり、解析更新ごとに比較修正するものである。
本発明の製造工程分析方法および装置は、グラフィカルモデリングによる因果関係モデルを、データ区切りごとに履歴をとり、解析更新ごとに比較修正することにより、因果関係モデルの吟味が容易により、汎用性の高い工程モデルを得ることが可能となる。
本発明の一実施例である製造工程分析方法を図1から図8により説明する。図1は、本実施例の製造工程の分析装置を示す図である。
図1に示すように、製造工程の分析装置には、製造設備1からのデータを取り込む製造工程データ収集部10が設けられている。製造設備1には、図示しない各種センサが設けられ、各製造工程で、温度,流量,バルブ開度や、濃度,組成などが計測され、これらのデータは、それぞれ識別され製造工程データ収集部10に入力される。これらのデータは、製造工程データと呼ばれ、例えば図3(a)に一例として示すように、サンプル時刻1,2,…nそれぞれにデータA,B,C,Dの数値が記憶されている。データには、温度,流量,バルブ開度のような計測に関わるデータ(計測データという)と、濃度,組成のような品質に関わるデータ(品質データという)がある。製造工程データ収集部10で収集された製造設備1の製造工程データは、収集DB20に保存される。
製造工程データ収集部10は、相関係数行列演算部30に接続されており、相関係数行列演算部30では、製造工程データに対して各変数間の相関係数を導出し、図3(b)に示す相関係数行列を算出する。この相関係数行列は対称行列である。
相関係数行列演算部30は、グラフィカルモデリング部40に接続されており、グラフィカルモデリング部40では、因果関係モデルの構造、すなわち目的変数とその説明変数の組合せを導出する。ここで、グラフィカルモデリングとは、多変量解析のためにグラフによって表現された統計的なモデルを推測あるいは検証するために用いられる。多変量解析における目的変数としては、製造工程の品質に関わるもの、例えば濃度や組成データが相当する。一方、説明変数としては、運転操作可能なものとして、流量やバルブ開度が相当する。グラフィカルモデリング部40で導出した因果関係モデルは、モデルDB50に保存される。
グラフィカルモデリング部40は、順次、モデル比較部60,因果関係修正部70,モデルデータ保存部80に接続される。モデル比較部60では、その前の解析結果として保存していた因果関係モデルと比較を行い、因果関係修正部70において、前述の因果関係モデルの構造を修正する。モデルデータ保存部80において、得られたモデル構造をモデルDB50に保存する。
図2は、前述の演算処理のフローチャートを示した図である。製造工程データについては、計測値を用いるので、ステップF102で、異常値,雑音処理を実行してから、ステップF103で相関係数行列演算部30により相関係数行列演算を実行する。
ステップF104では、グラフィカルモデリング部40により、相関係数行列から偏相関係数行列を導出する。この偏相関係数行列は、図3(b)に示す相関係数行列において、本来、相関関係が無いと考えられる変数の組合せを示す特徴がある。
偏相関係数行列の一例を図4(a)に示す。偏相関係数行列も対称行列である。グラフィカルモデリング部40は、最終的に図4(b)に示すような変数間の組合せ、パス図を導出する。このパス図に示す、rab,rac,rad,rbd,rcdは相関係数を示している。
因果関係修正部70の演算処理過程の一例を図5に示す。ステップF503では、前回の計算でモデルDB50に保存した因果関係モデルを読み込み、ステップF502で、各々相関係数の平均値を算出し、ステップF503で、予め設定した閾値判定を行う。その結果、ステップF504で、相関係数の平均値の絶対値が閾値以下の場合は、その相関係数をゼロと見なす。すなわち相関が無いものとし、ステップF506で、モデルデータを更新する。
ここで、閾値判定のための閾値の設定は次のようにして行う。図6は、その設定画面
600の一例を示す。図6に示す例では、工程001のデータを対象とし、各変数の閾値0.1 として、各変数を工程モデルに追加するか除外するか設定している。この例は変数Dが除外されモデル更新が行われる画面状態が示されている。
600の一例を示す。図6に示す例では、工程001のデータを対象とし、各変数の閾値0.1 として、各変数を工程モデルに追加するか除外するか設定している。この例は変数Dが除外されモデル更新が行われる画面状態が示されている。
図7は、因果関係修正部70により実行されるモデル修正の過程を示す。図7(a)はモデル更新の結果、相関係数がゼロとなった箇所、rad,rbd,rodであることを示しており、その結果、変数間の関係は無いとみなされる。すなわち変数Dは因果関係モデルに含まれない結果となり、その結果を示したのが図7(b)である。
グラフィカルモデリング部40で導出したモデル構造を重回帰分析部90に出力し、この因果関係モデル構造に基づき、重回帰分析部90を実行し、製造工程モデルを得ることが可能である。この場合、製造工程データはあるデータ数で区切られた有限個のものであり、データ区切りごとに履歴をとり、解析更新ごとに比較修正することにより、因果関係モデルの吟味が容易により、汎用性の高い工程モデルを得ることが可能となる。
このように、本実施例では、相関係数が閾値以下の場合をゼロと見なすことで、相関の有無を判定しているが、従来の重回帰分析では、解析者の判断に拠るところが大きく、そのため、図8に示すように、全ての変数間の相関係数が無視できない状況となった場合、無意味なモデルを得る結果となる。
以上のように、本実施例によれば、工程データ間の相関関係が把握できる場合のみならず、相関の有無が判明していない場合でも、解析者に依存することなく因果関係モデルの構築が可能となり、精度の高い多変量解析モデルを得ることができる。
又、本実施例によれば、記憶容量が少なくてすむグラフィカルモデリングの解析結果の履歴管理により、データ区切りに依存しない汎用的な因果関係モデルを得ることができる。
なお、本実施例の製造工程分析方法は、種々の製造プロセスに適用可能である。
10 製造工程データ収集部
30 相関係数行列演算部
40 グラフィカルモデリング部
50 モデルDB
60 モデル比較部
70 因果関係修正部
80 モデルデータ保存部
30 相関係数行列演算部
40 グラフィカルモデリング部
50 モデルDB
60 モデル比較部
70 因果関係修正部
80 モデルデータ保存部
Claims (3)
- 製造設備で計測された製造工程データを収集し、該収集された製造工程データを相関係数行列演算部により各変数間の相関係数を算出し、グラフィカルモデリング部により因果関係モデルを導出し、モデルデータベースに記憶されている前の因果関係モデルと前記製造工程データから得られる変数間の相関係数を、因果関係モデル計算の度に比較し、相関の有無を判定することを特徴とする製造工程分析方法。
- 前記相関係数行列演算部は、相関係数行列を演算し、前記グラフィカルモデリングは前記相関係数から偏相関係数行列を演算して、相関の有無を判定することを特徴とする請求項1に記載の製造工程分析方法。
- 相関の有無は相関係数の平均値の絶対値が閾値以下の場合に、相関が0であると判定することを特徴とする請求項1に記載の製造工程分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006263718A JP4706608B2 (ja) | 2006-09-28 | 2006-09-28 | 製造工程分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006263718A JP4706608B2 (ja) | 2006-09-28 | 2006-09-28 | 製造工程分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008084039A JP2008084039A (ja) | 2008-04-10 |
JP4706608B2 true JP4706608B2 (ja) | 2011-06-22 |
Family
ID=39354852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006263718A Active JP4706608B2 (ja) | 2006-09-28 | 2006-09-28 | 製造工程分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4706608B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023191A (zh) * | 2015-07-24 | 2015-11-04 | 金川集团股份有限公司 | 一种冶金炉窑烟尘发生率的在线递推计算方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6232522B2 (ja) * | 2015-03-27 | 2017-11-15 | 株式会社日立製作所 | 計算機及びグラフデータ生成方法 |
JP6748474B2 (ja) * | 2016-04-18 | 2020-09-02 | 株式会社日立製作所 | 意思決定支援システムおよび意思決定支援方法 |
JP6831743B2 (ja) * | 2017-04-19 | 2021-02-17 | 株式会社日立製作所 | 因果関係モデルの検証方法およびシステム、および不良原因抽出システム |
JP7139625B2 (ja) * | 2017-08-04 | 2022-09-21 | 富士電機株式会社 | 要因分析システム、要因分析方法およびプログラム |
JP7287801B2 (ja) * | 2019-03-13 | 2023-06-06 | オムロン株式会社 | 解析装置、解析方法、及び解析プログラム |
JP7230654B2 (ja) * | 2019-04-10 | 2023-03-01 | 株式会社豊田中央研究所 | データ分析方法、データ分析装置、およびコンピュータプログラム |
CN111985677B (zh) * | 2020-06-30 | 2024-06-21 | 联想(北京)有限公司 | 一种因果链路分析方法、设备及计算机可读存储介质 |
CN113257363B (zh) * | 2021-05-31 | 2023-12-08 | 福建傲农生物科技集团股份有限公司 | 一种系谱的校正方法及装置 |
JP7088427B1 (ja) | 2022-01-20 | 2022-06-21 | 富士電機株式会社 | 運転支援装置、運転支援方法及びプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11354396A (ja) * | 1998-06-05 | 1999-12-24 | Matsushita Electric Ind Co Ltd | 半導体プロセスの管理方法及びその装置 |
WO2002048915A1 (fr) * | 2000-12-11 | 2002-06-20 | Japan As Represented By The President Of The University Of Tokyo | Procede de detection de relations entre des genes |
JP2002175305A (ja) * | 2000-12-06 | 2002-06-21 | Biomolecular Engineering Research Institute | 遺伝子ネットワークを推測するためのグラフィカルモデリング法及びそのための装置 |
JP2006065598A (ja) * | 2004-08-27 | 2006-03-09 | Hitachi Ltd | 生産管理システム |
JP2006235830A (ja) * | 2005-02-23 | 2006-09-07 | Tokyo Denki Univ | グラスマン相関係数演算装置及びグラスマン相関係数演算プログラム |
JP2007518190A (ja) * | 2004-01-15 | 2007-07-05 | ザ マスワークス, インク | モデルイベントを用いてモデル構成要素の実行をスケジューリングするためのシステム及び方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2006095746A1 (ja) * | 2005-03-07 | 2008-08-14 | 株式会社アイ・ピー・ビー | 企業評価支援装置 |
-
2006
- 2006-09-28 JP JP2006263718A patent/JP4706608B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11354396A (ja) * | 1998-06-05 | 1999-12-24 | Matsushita Electric Ind Co Ltd | 半導体プロセスの管理方法及びその装置 |
JP2002175305A (ja) * | 2000-12-06 | 2002-06-21 | Biomolecular Engineering Research Institute | 遺伝子ネットワークを推測するためのグラフィカルモデリング法及びそのための装置 |
WO2002048915A1 (fr) * | 2000-12-11 | 2002-06-20 | Japan As Represented By The President Of The University Of Tokyo | Procede de detection de relations entre des genes |
JP2007518190A (ja) * | 2004-01-15 | 2007-07-05 | ザ マスワークス, インク | モデルイベントを用いてモデル構成要素の実行をスケジューリングするためのシステム及び方法 |
JP2006065598A (ja) * | 2004-08-27 | 2006-03-09 | Hitachi Ltd | 生産管理システム |
JP2006235830A (ja) * | 2005-02-23 | 2006-09-07 | Tokyo Denki Univ | グラスマン相関係数演算装置及びグラスマン相関係数演算プログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023191A (zh) * | 2015-07-24 | 2015-11-04 | 金川集团股份有限公司 | 一种冶金炉窑烟尘发生率的在线递推计算方法 |
CN105023191B (zh) * | 2015-07-24 | 2019-01-22 | 金川集团股份有限公司 | 一种冶金炉窑烟尘发生率的在线递推计算方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2008084039A (ja) | 2008-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4706608B2 (ja) | 製造工程分析方法 | |
US10521490B2 (en) | Equipment maintenance management system and equipment maintenance management method | |
JP6141235B2 (ja) | 時系列データにおける異常を検出する方法 | |
JP4911055B2 (ja) | バッチプロセスデータの解析装置およびそれを用いた異常検出/品質推定装置 | |
CN105468850B (zh) | 基于多残差回归预测算法的电子产品退化趋势预测方法 | |
WO2008157498A1 (en) | Methods and systems for predicting equipment operation | |
JP7297831B2 (ja) | 製造条件出力装置、品質管理システム及びプログラム | |
JP2009500853A (ja) | プロセス環境における動的パラメータのモニタリングに用いる自己訂正型多変量解析 | |
JP6737277B2 (ja) | 製造プロセス分析装置、製造プロセス分析方法、及び、製造プロセス分析プログラム | |
JP2020009407A (ja) | 欠陥率を分析するシステム | |
JP2006148070A (ja) | センサデータの補正方法及びインターロックシステムのインターロック評価方法 | |
CN112000081A (zh) | 基于多块信息提取和马氏距离的故障监测方法及系统 | |
Giannetti et al. | A novel variable selection approach based on co-linearity index to discover optimal process settings by analysing mixed data | |
KR20140113153A (ko) | 통계적 동일성 검정방법 및 시스템 | |
TWI738411B (zh) | 裝置診斷裝置、電漿處理裝置及裝置診斷方法 | |
JP2013084057A (ja) | 製品品質の管理方法、及び製品品質の管理装置 | |
JP5824959B2 (ja) | 異常診断装置 | |
JP7279473B2 (ja) | 異常検知装置、異常検知方法、および、コンピュータプログラム | |
JP2010218301A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
JP2020181443A (ja) | 異常検出装置、異常検出方法、およびコンピュータプログラム | |
JP6743394B2 (ja) | 要因分析装置、方法およびプログラム | |
CN109284320B (zh) | 大数据平台上的自动回归诊断方法 | |
Liu | Developing soft sensors based on data-driven approach | |
Aghaulor et al. | An economic design of a modified synthetic double sampling control chart for process monitoring | |
JP2019191634A (ja) | データ分析方法、データ分析プログラムおよびデータ分析システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080623 |
|
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: 20110215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110228 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 4706608 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |