JP6743394B2 - 要因分析装置、方法およびプログラム - Google Patents

Description

本発明は、製品を製造するプロセスにおいて品質に影響を与える要因を分析する技術に関する。

一般に、製品の品質に影響を与える要因を分析するために、その製品を製造するプロセスにおいて観測の対象となる要素の観測データを分析することが行われる。このような分析手法として、製品の品質に関わる要素の観測データと相関性の高い観測データを統計分析によって抽出し、抽出した観測データの要素を、製品の品質に影響を与える要因とみなす技術が知られている。

例えば、特許文献１に記載された関連技術は、プロセスの各工程における製造条件値や計測値を製造因子データとして収集する。また、この関連技術は、製造された製品について品質指標データを算出する。そして、この関連技術は、ＰＬＳ（Partial Least Square）回帰分析を用いて、品質指標データに対して相関が高い製造因子データを抽出し、その調整内容を決定する。

また、例えば、特許文献２に記載された関連技術は、製品の品質を、製品条件のうち変更可能な条件を表す操作可能変数および変更不可能な条件を表す外乱変数の和として、線形回帰式により定義する。そして、この関連技術は、品質の実績データおよび製造条件の実績データに基づいて、線形回帰式における係数を算出する。そして、この関連技術は、線形回帰式の係数および製造条件の実績データを用いて、製造条件の目標値を算出し、算出した目標値に基づいて、製造条件を変更する。

また、例えば、特許文献３に記載された関連技術は、製品の検査結果とプロセスにおける特徴量との相関関係を分析する。このとき、この関連技術は、複数種類の解析処理を用いて、説明変数を絞り込む処理を実行する。

このように、これらの関連技術は、製品を製造するプロセスにおける特徴量のうち、製品の検査結果に対して高い相関関係を示す特徴量を、品質の低下や異常の発生の要因として抽出する。そして、これらの関連技術は、製品の品質を正常な値に復帰させるために、抽出した特徴量の値を操作する。

特許第５２２９６３１号公報 特開２００９−６４０５４号公報 特開２００７−２５０６４７号公報

しかしながら、上述の関連技術には、以下の課題がある。

実際には、製品の検査結果の変化に対して相関性が高い特徴量が、製品の品質に影響を与える主要因でないケースがある。つまり、製品の検査結果に対して相関性が高い特徴量は、必ずしも真の要因であるとは限らない。したがって、これらの関連技術を用いても、製品の検査結果に対して相関性が高い特徴量を調整するだけでは、品質の改善につながらないことがある。このように、これらの関連技術は、製品の品質に影響を与える真の要因を精度よく抽出することができなかった。

本発明は、上述の課題を解決するためになされたものである。すなわち、本発明は、製品の品質に影響を与える真の要因をより精度よく抽出する技術を提供することを目的とする。

本発明の要因分析装置は、製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得する観測データ取得部と、前記観測データのうち、前記製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する第１抽出部と、抽出された前記要素が、前記製品の品質に影響を与える要因として有効であるか否かを判断する有効性判断部と、前記有効性判断部により有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する第２抽出部と、前記有効性判断部により有効であると判断された要素に関する情報を、前記要因として出力する要因出力部と、を備える。

また、本発明の方法は、コンピュータ装置が、製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得し、前記観測データのうち、前記製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出し、抽出した要素が、前記製品の品質に影響を与える要因として有効であるか否かを判断し、有効でないと判断した要素の観測データに対して関係性を有する他の観測データの要素を抽出し、有効であると判断した要素に関する情報を、前記要因として出力する。

また、本発明のプログラムは、製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得する観測データ取得ステップと、前記観測データのうち、前記製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する第１抽出ステップと、抽出された要素が、前記製品の品質に影響を与える要因として有効であるか否かを判断する有効性判断ステップと、有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する第２抽出ステップと、有効であると判断された要素に関する情報を前記要因として出力する要因出力ステップと、をコンピュータ装置に実行させる。

本発明は、製品の品質に影響を与える真の要因をより精度よく抽出する技術を提供することができる。

本発明の第１の実施の形態としての要因分析装置の構成を示すブロック図である。 本発明の第１の実施の形態としての要因分析装置のハードウェア構成の一例を示す図である。 本発明の第１の実施の形態としての要因分析装置の動作を説明するフローチャートである。 本発明の第２の実施の形態としての要因分析装置の構成を示すブロック図である。 本発明の第２の実施の形態としての要因分析装置の動作を説明するフローチャートである。

以下、本発明の各実施の形態としての要因分析装置について、図面を参照して詳細に説明する。

なお、以下の説明において、要因分析装置は、製品を製造するプロセスにおいて観測の対象となる要素のうち、製品の品質に影響を与える要因となる要素を抽出する装置である。要因分析装置が対象とするプロセスの具体例としては、例えば、半導体、食品または薬品等を製造するプロセスが挙げられる。ただし、要因分析装置が対象とするプロセスは、これらに限定されない。各実施の形態の要因分析装置は、各種の要素について観測データが取得可能なその他の製造プロセスを対象とすることが可能である。

また、以下に説明する各実施の形態において、製品を製造するプロセスにおいて観測の対象となる要素としては、圧力、流量、弁開度、大気圧、外気温、水温、または、天候等が挙げられる。これらの要素の観測データは、圧力センサ、流量センサ、温度センサ等といったように、その要素の観測に適切な各種のセンサによって取得されるものであってもよい。また、観測の対象となる要素には、製品の品質に関わる要素が含まれる。そのような要素の観測データとしては、例えば、コンピュータ装置に対する入力に基づく値や、１つ以上の観測データに基づき算出される値が取得されてもよい。ただし、要因分析装置が対象とするプロセスにおいて観測の対象となる要素は、これらに限定されない。

（第１の実施の形態）
本発明の第１の実施の形態としての要因分析装置１の機能ブロック構成を図１に示す。図１において、要因分析装置１は、観測データ取得部１１と、第１抽出部１２と、有効性判断部１３と、第２抽出部１４と、要因出力部１５とを備える。

ここで、要因分析装置１は、図２に示すようなハードウェア要素によって構成可能である。図２において、要因分析装置１は、ＣＰＵ（Central Processing Unit）１００１、メモリ１００２、出力装置１００３、入力装置１００４、および、ネットワークインタフェース１００５を含む。メモリ１００２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）等によって構成される。出力装置１００３は、ディスプレイ装置やプリンタ等のように、情報を出力する装置によって構成される。入力装置１００４は、キーボードやマウス等のように、ユーザ操作の入力を受け付ける装置によって構成される。ネットワークインタフェース１００５は、ネットワークに接続するインタフェースである。この場合、要因分析装置１の各機能ブロックは、メモリ１００２に格納されるプログラムを読み込んで実行するとともに出力装置１００３、入力装置１００４、ネットワークインタフェース１００５等の各部を制御するＣＰＵ１００１によって構成される。なお、要因分析装置１およびその各機能ブロックのハードウェア構成は、上述の構成に限定されない。

観測データ取得部１１は、製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得する。前述のように、観測の対象となる要素には、製品の品質に関わる要素が含まれる。

例えば、観測データ取得部１１は、ネットワークインタフェース１００５を介して、製品を製造する装置から観測データを収集してもよい。あるいは、観測データ取得部１１は、メモリ１００２に格納されている観測データを取得してもよい。あるいは、観測データ取得部１１は、可搬型記憶媒体に格納されている観測データを取得してもよい。観測データは、例えば、要素ごとに観測されるデータの時系列によって構成される。

第１抽出部１２は、取得された観測データのうち、製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する。具体的には、第１抽出部１２は、製品の品質に関わる要素の観測データと、他の要素の観測データとの間の関係性を分析することにより、関係性の強さを表す情報を得る。そして、第１抽出部１２は、関係性の強さが所定条件を満たす場合に、当該他の要素を抽出してもよい。なお、第１抽出部１２は、観測データ間の関係性の分析に、各種の公知の技術を採用可能である。

有効性判断部１３は、抽出された要素が、製品の品質に影響を与える要因として有効であるか否かを判断する。ここで、有効性判断部１３が判断の対象とする要素は、前述の第１抽出部１２により抽出された要素または後述の第２抽出部１４により抽出された要素である。例えば、有効性判断部１３は、各要素について事前に与えられている知識に基づいて、その要素が有効であるか否かを判断してもよい。また、有効性判断部１３は、出力装置１００３に判断対象の要素を出力し、出力した要素について入力装置１００４を介して入力される情報に基づいて、その要素が有効であるか否かを判断してもよい。

第２抽出部１４は、第１抽出部１２により抽出された要素について有効でないと判断された場合に機能する。この場合、第２抽出部１４は、有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する。具体的には、第２抽出部１４は、第１抽出部１２によって抽出された要素であって、有効性判断部１３によって有効でないと判断された要素の観測データを使用する。そして、第２抽出部１４は、有効でないと判断された観測データと、第１抽出部１２によって抽出されなかった要素の観測データとの間の関係性を分析することにより、関係性の強さを表す情報を得る。そして、第２抽出部１４は、関係性の強さが所定条件を見たす場合に、第１抽出部１２によって抽出されなかった方の要素を抽出してもよい。なお、第２抽出部１４は、観測データ間の関係性の分析に、各種の公知の技術を採用可能である。

要因出力部１５は、第１抽出部１２または第２抽出部１４により抽出された要素のうち、有効性判断部１３により有効であると判断された要素に関する情報を、要因として出力する。要素に関する情報には、例えば、その要素を特定する情報と、その観測データとが含まれていてもよい。出力先は、例えば、出力装置１００３であってもよいし、メモリ１００２であってもよい。

以上のように構成された要因分析装置１の動作について、図３を参照して説明する。

図３では、まず、観測データ取得部１１は、製品を製造するプロセスにおいて観測の対象となる各種の要素に関する観測データを取得する（ステップＳ１）。

次に、第１抽出部１２は、取得された観測データのうち、製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する（ステップＳ２）。

次に、有効性判断部１３は、抽出された要素が、製品の品質に影響を与える要因として有効であるか否かを判断する（ステップＳ３）。

ここで、抽出された要素が有効でないと判断された場合、第２抽出部１４は、有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する（ステップＳ４）。

そして、要因分析装置１は、ステップＳ３からの動作を繰り返す。つまり、ステップＳ４の後に実行されるステップＳ３では、第２抽出部１４によって抽出された要素に対して、有効であるか否かを判断する処理が実行される。

一方、ステップＳ３において、抽出された要素が有効であると判断された場合、要因出力部１５は、その要素に関する情報を、要因として出力する（ステップＳ５）。出力先は、例えば、出力装置１００３であってもよいし、メモリ１００２であってもよい。もし、ステップＳ３において、複数の要素が有効であると判断された場合、要因出力部１５は、それらの要素それぞれに関する情報を、要因として出力すればよい。

以上で、要因分析装置１は、動作を終了する。

なお、上述の動作において、第１抽出部１２および第２抽出部１４は、一方の要素の観測データに対して関係性を有する他方の観測データの要素として、１つの要素を抽出してもよいし、複数の要素を抽出してもよい。

例えば、ステップＳ２で、第１抽出部１２が、複数の要素を抽出したとする。この場合、ステップＳ３で、有効性判断部１３は、抽出された各要素について、有効であるか否かを判断する。そして、有効であると判断された少なくとも１つの要素があれば、要因分析装置１の動作はステップＳ５に進み、該当する各要素に関する情報を出力する。

一方、この場合、いずれの要素も有効でないと判断された場合、ステップＳ４で、第２抽出部１４は、有効でないと判断された要素のそれぞれについて、その要素の観測データに対して関係性を有する他の観測データの要素を抽出する。このとき、第２抽出部１４は、有効でないと判断された１つの要素の観測データに対して、関係性を有する他の観測データの要素として、１つの要素を抽出してもよいし、複数の要素を抽出してもよい。

もし、ステップＳ４で、第２抽出部１４が、複数の要素を抽出したとする。この場合、ステップＳ３で、有効性判断部１３は、抽出された各要素について、有効であるか否かを判断する。そして、以降、要因分析装置１は、有効であると判断された要素が少なくとも１つ得られるまで、ステップＳ３〜Ｓ４の動作を繰り返せばよい。

次に、本発明の第１の実施の形態の効果について述べる。

本発明の第１の実施の形態としての要因分析装置は、製品の品質に影響を与える真の要因をより精度よく抽出することができる。

その理由について説明する。本実施の形態では、観測データ取得部が、製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得する。また、第１抽出部が、取得された観測データのうち、製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する。すると、有効性判断部が、抽出された要素が、製品の品質に影響を与える要因として有効であるか否かを判断する。そして、抽出された要素が有効でないと判断された場合、第２抽出部が、有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する。すると、有効性判断部が、抽出された要素が、製品の品質に影響を与える要因として有効であるか否かを判断する。そして、要因出力部が、第１抽出部または第２抽出部により抽出された要素のうち、有効性判断部により有効であると判断された要素に関する情報を要因として出力するからである。

このように、本実施の形態は、製品の品質に関わる観測データに対して関係性を有する観測データの要素が、製品の品質に影響を与える要因として適切でない場合には、その観測データと関係性を有する他の観測データの要素を新たに抽出する。したがって、新たに抽出された要素は、製品の品質に影響を与える真の要因としてより適切である可能性が高くなる。

例えば、製品の品質に関わる要素の観測データは、良・不良等といった２値データであったり、製品の品質に関わらない要素よりも観測の間隔が大きかったりするケースがある。このようなケースでは、製品の品質に関わる要素の観測データに対して関係性を有する他の観測データの要素が、必ずしも要因として有効でないことも多い。そのような場合に、本実施の形態は、製品の品質に関わる要素の観測データとの関係性を有する他の観測データに対して、関係性を有するさらに他の観測データを抽出することで、要因としてより有効な要素を抽出する可能性を高めている。

さらに、本実施の形態では、第２抽出部が、有効であると判断される要素が得られるまで、有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素の抽出を繰り返す。その結果、本実施の形態は、製品の品質に影響を与える真の要因としてより適切な要素を、より確実に抽出することができる。

（第２の実施の形態）
次に、本発明の第２の実施の形態について図面を参照して詳細に説明する。なお、本実施の形態の説明において参照する各図面において、本発明の第１の実施の形態と同一の構成および同様に動作するステップには同一の符号を付して本実施の形態における詳細な説明を省略する。

まず、本発明の第２の実施の形態としての要因分析装置２の構成を図４に示す。図４において、要因分析装置２は、本発明の第１の実施の形態としての要因分析装置１に対して、第１抽出部１２に替えて第１抽出部２２と、第２抽出部１４に替えて第２抽出部２４とを備える点が異なる。さらに、要因分析装置２は、要因分析装置１に対して、観測データ取得部１１に替えて観測データ取得部２１と、有効性判断部１３に替えて有効性判断部２３とを備える点が異なる。また、要因分析装置２は、要因分析装置１に対して、観測データ蓄積部２６と、事前知識記憶部２７とをさらに備える点が異なる。

なお、要因分析装置２およびその機能ブロックは、図２を参照して説明した本発明の第１の実施の形態と同様のハードウェア要素によって構成可能である。ただし、要因分析装置２およびその機能ブロックのハードウェア構成は、上述の構成に限定されない。

観測データ蓄積部２６は、目的変数領域と、説明変数領域とからなる。

観測データ取得部２１は、製品を製造する装置から、各種の要素に関する観測データを観測される度に取得する。そして、観測データ取得部２１は、観測データを取得すると、その観測データの要素が品質に関わる要素であれば、観測データ蓄積部２６の目的変数領域に、その要素を表す情報に関連付けて蓄積する。また、観測データ取得部２１は、観測データを取得すると、その観測データの要素が品質に関わる要素以外であれば、観測データ蓄積部２６の説明変数領域に、その要素を表す情報に関連付けて蓄積する。各要素について蓄積される観測データは、時系列データとなる。以降、目的変数領域に蓄積された要素の観測データを、その要素の目的時系列データとも記載する。また、説明変数領域に蓄積された要素の観測データを、その要素の説明時系列データとも記載する。

第１抽出部２２は、目的時系列データと説明時系列データとの間について、相関分析により相関係数を算出する。具体的には、第１抽出部２２は、観測データ蓄積部２６に記憶された目的時系列データおよび説明時系列データの各組み合わせについて、相関分析を行えばよい。そして、第１抽出部２２は、ある目的時系列データに対する相関係数が閾値以上となった説明時系列データについて、その要素を抽出する。

事前知識記憶部２７は、観測の対象となる各要素について、その観測データが操作可能であるか否かを表す情報を記憶する。例えば、前述した圧力、流量、弁開度、大気圧、外気温、水温、または、天候等の要素のうち、圧力、流量、弁解度は、その観測データが操作可能である場合が多い。一方、大気圧、外気温、水温、または、天候等は、その観測データは操作不可能である場合が多い。また、事前知識記憶部２７は、各要素について、各種の情報を記憶する。各要素について記憶される情報は、その要素が、製品の品質に影響を与える真の要因となり得るか否かに関連する情報であることが望ましい。

有効性判断部２３は、事前知識記憶部２７に記憶された情報に基づいて、第１抽出部２２または第２抽出部２４によって抽出された要素が有効であるか否かを判断する。

具体的には、有効性判断部２３は、該当する要素が、その観測データを操作可能な要素であれば、有効であると判断し、そうでない場合には、有効でないと判断してもよい。また、有効性判断部２３は、該当する要素が、製品の品質に影響を与える真の要因となり得ると判断可能である場合には、有効であると判断し、そうでない場合には、有効でないと判断してもよい。

例えば、有効性判断部２３は、該当する要素について事前知識記憶部２７に記憶された操作可能であるか否かを表す情報に基づいて、その要素が操作可能であるか否かを判断可能である。また、例えば、有効性判断部２３は、該当する要素について事前知識記憶部２７に記憶された各種情報に基づいて、その要素が製品の品質に影響を与える真の要因となり得るか否かを判断可能である。また、例えば、有効性判断部２３は、その要素に関する各種情報を出力装置１００３に出力し、出力に応じて入力装置１００４から入力される情報に基づいて、その要素が製品の品質に影響を与える真の要因となり得るか否かを判断してもよい。

第２抽出部２４は、第１抽出部２２により抽出された要素について有効でないと判断された場合に機能する。この場合、第２抽出部２４は、有効でないと判断された要素の説明時系列データに対して、インバリアントな関係性を有する他の説明時系列データの要素を抽出する。例えば、第２抽出部２４は、インバリアントな関係性を分析する手法として、ＡＲＸ（Auto Regressive eXogenous）モデルに基づく手法を採用してもよい。

ここで、インバリアントな関係性について説明する。ある事象において観測により得られる時系列データのうち、第１の時系列データについて、その予測値が、第２の時系列データを用いた予測式により求められるとする。このとき、予測式によって得られた第１の時系列データの予測値と、第１の時系列データの観測値との間には、予測誤差が存在する。予測式を含むモデルが事象を正しく表し、事象に異常が発生していない場合、この予測誤差は小さく、所定の閾値以下に収まる。ここでは、このような予測誤差が閾値以下に収まる場合、第１の時系列データおよび第２の時系列データは、インバリアントな関係性を有するという。

また、第２抽出部２４によって抽出された要素は、第１抽出部２２によって抽出された要素と同様に、有効性判断部２３によって有効であるか否かが判断される。そして、第２抽出部２４は、有効であると判断される要素が得られるまで、有効でないと判断された要素の説明時系列データに対してインバリアントな関係性を有する他の説明時系列データの要素を、さらに抽出する処理を繰り返す。

以上のように構成された要因分析装置２の動作について、図５を参照して説明する。

図５では、まず、観測データ取得部２１は、製品を製造する装置から、観測の対象となる各種の要素について、製造のプロセスにおいて観測される観測データを取得する（ステップＳ１１）。

次に、観測データ取得部２１は、取得した観測データが、品質に関わる要素の観測データであるか、そうでない要素の観測データであるかを判断する（ステップＳ１２）。

ここで、この観測データが、品質に関わる要素の観測データである場合、観測データ取得部２１は、この観測データをこの要素に関連付けて、観測データ蓄積部２６の目的変数領域に保存する（ステップＳ１３）。

前述のように、目的変数領域に保存された観測データは、関連付けられた要素ごとの目的時系列データを構成する。

一方、この観測データが、品質に関わる要素以外の要素の観測データである場合、観測データ取得部２１は、この観測データをこの要素に関連付けて、観測データ蓄積部２６の説明変数領域に保存する（ステップＳ１４）。

前述のように、説明変数領域に保存された観測データは、関連付けられた要素ごとの説明時系列データを構成する。

そして、観測データの収集が完了していなければ（ステップＳ１５でＮｏ）、観測データ取得部２１は、ステップＳ１１からの処理を繰り返す。

また、観測データの収集が完了すると（ステップＳ１５でＹｅｓ）、第１抽出部２２は、観測データ蓄積部２６に蓄積されている目的時系列データおよび説明時系列データの組み合わせを１つ読み出す（ステップＳ１６）。

次に、第１抽出部２２は、読み出した目的時系列データおよび説明時系列データ間について相関分析を行い、相関係数を算出する（ステップＳ１７）。

そして、観測データ蓄積部２６に記憶されている目的時系列データおよび説明時系列データの全ての組み合わせについて、相関分析を完了していなければ（ステップＳ１８でＮｏ）、第１抽出部２２は、ステップＳ１６からの処理を繰り返す。

また、目的時系列データおよび説明時系列データの全ての組み合わせについて、相関分析を完了すると（ステップＳ１８でＹｅｓ）、第１抽出部２２は、相関係数が所定条件を満たす説明時系列データの要素を抽出する（ステップＳ１９）。このとき、第１抽出部２２は、該当する複数の要素があれば、複数の要素を抽出してもよい。

次に、有効性判断部２３は、抽出された要素について、事前知識記憶部２７に記憶された情報に基づいて、有効であるか否かを判断する（ステップＳ２０）。

具体的には、有効性判断部２３は、前述のように、該当する要素が、その観測データが操作可能な要素であるか、または、製品の品質に影響を与える真の要因となり得ると判断可能である場合に、有効であると判断してもよい。

もし、複数の要素が抽出されていれば、有効性判断部２３は、抽出された各要素について有効であるか否かを判断する。そして、有効性判断部２３は、少なくとも１つの要素が有効であるか否かを判断すればよい。

ここで、抽出された要素がいずれも有効でないと判断された場合について説明する。この場合、第２抽出部２４は、有効でないと判断された要素の説明時系列データに対して、インバリアントな関係性を有する他の説明時系列データの要素を、観測データ蓄積部２６に記憶されている他の説明時系列データの中から抽出する（ステップＳ２１）。

例えば、前述のように、第２抽出部２４は、そのような他の要素を、ＡＲＸモデルを用いた分析手法によって抽出してもよい。もし、有効でないと判断された複数の要素がある場合、第２抽出部２４は、それらの要素のそれぞれについて、その要素の説明時系列データに対して、インバリアントな関係性を有する他の説明時系列データの要素を抽出すればよい。また、第２抽出部２４は、有効でないと判断された１つの要素に対して、インバリアントな関係性を有する他の説明時系列データが複数あれば、複数の要素を抽出してもよい。

そして、要因分析装置２は、抽出された要素が有効であると判断されるまで、ステップＳ２０〜Ｓ２１の処理を繰り返す。なお、ステップＳ２１の後にステップＳ２０を実行する場合、有効性判断部２３は、ステップＳ２１で第２抽出部２４によって抽出された要素について、有効であるか否かを判断する。

そして、ステップＳ２０において、第２抽出部２４によって抽出された要素が有効であると判断された場合、要因出力部１５は、本発明の第１の実施の形態と同様にステップＳ５を実行する。すなわち、要因出力部１５は、有効であると判断された要素について、該当する要素の説明時系列データを含む情報を、要因として出力する。

以上で、要因分析装置２は、動作を終了する。

次に、本発明の第２の実施の形態の効果について述べる。

本発明の第２の実施の形態としての要因分析装置は、製品の品質に影響を与える要因を、さらに精度よく抽出することができる。

その理由について説明する。本実施の形態では、第１抽出部が、観測データ取得部によって取得された観測データのうち、品質に関わる要素の目的時系列データに対して、相関性を有する説明時系列データの要素を抽出する。そして、有効性判断部が、抽出された要素を、事前知識記憶部の情報に基づいて有効であるか否かを判断する。そして、第２抽出部が、有効でないと判断された要素の説明時系列データに対してインバリアントな関係性を有する他の説明時系列データの要素を抽出する。そして、第２抽出部は、抽出した要素が有効であると判断されるまで、有効でないと判断された要素の説明時系列データに対してインバリアントな関係性を有する他の説明時系列データの要素を抽出することを繰り返す。そして、要因出力部が、有効であると判断された要素の説明時系列データを含む情報を、要因として出力するからである。

このように、本実施の形態では、目的時系列データに対して関係性を有する説明時系列データの要素を抽出する分析の手法と、有効でない要素の説明時系列データに対して関係性を有する他の説明時系列データを抽出する分析の手法とが異なるように構成されている。このため、本実施の形態では、第１の抽出部では抽出できなかった要素を相補的に抽出できる可能性があり、精度の向上が期待できる。

また、本実施の形態では、事前知識記憶部が、各要素が操作可能であるか否かを表す情報と、各要素に関する各種情報とを記憶している。そして、有効性判断部は、第１抽出部または第２抽出部によって抽出された要素について、事前知識記憶部の情報に基づいて、操作可能な要素である場合に有効であると判断する。また、有効性判断部は、第１抽出部または第２抽出部によって抽出された要素について、事前知識記憶部の情報に基づいて、製品の品質に影響を与える真の要因となり得ると判断可能な場合に、有効であると判断する。

その結果、本実施の形態は、製品の品質に影響を与える要因として、その観測データを操作可能な要素を選択的に抽出することができ、製品の品質改善に寄与する。また、本実施の形態は、製品の品質に影響を与える要因として、真の要因となる要素を抽出することができ、製品の品質改善にさらに寄与する。

なお、本実施の形態において、第１抽出部が相関分析を用い、第２抽出部がインバリアントな関係性を分析するため外因性の自己回帰モデルを用いる例について説明したが、第１抽出部および第２抽出部が観測データ間の関係性の分析に用いる手法は、限定されない。

例えば、上述した各実施の形態において、観測の対象となる要素が事前にグループ分けされていることを想定する。この場合、第１抽出部または第２抽出部は、ある観測データの要素と同じグループに属する他の要素を、関係性を有する観測データの要素として抽出してもよい。そのような要素のグループ分け情報は、例えば、その要素の振る舞いに基づく線形識別等により、事前に生成されたものであってもよい。

また、上述した各実施の形態において、第１抽出部によって用いられる関係性を分析する手法を、第２抽出部に適用することが可能である。また、第２抽出部によって用いられる関係性を分析する手法を、第１抽出部に適用することが可能である。ただし、第１抽出部および第２抽出部は、関係性を分析する手法として、互いに異なる手法を用いることが望ましい。第１抽出部および第２抽出部が互いに異なる分析の手法を用いることによって、各実施の形態は、第１抽出部によって抽出された要素が複数ある場合に、第２抽出部によって抽出される要素が第１抽出部によって抽出された要素と重複する可能性を低くできる。ただし、第１抽出部および第２抽出部が用いる関係性を分析する手法は、必ずしも異なっていなくてもよく、同一であってもよい。

また、上述した各実施の形態において、第２抽出部が、有効であると判断される要素が得られるまで、他の要素の抽出を繰り返す例について説明した。ただし、第２抽出部は、必ずしも、有効であると判断される要素が得られるまで他の要素の抽出を繰り返さなくてもよい。例えば、第２抽出部は、有効であると判断された要素が得られていなくても、他の要素の抽出を所定の回数または所定の経過時間まで繰り返した時点で、抽出を終了してもよい。また、第２抽出部は、有効であると判断された要素が得られていなくても、他の要素の抽出を、所定条件が満たされた時点で、抽出を終了してもよい。その場合、要因出力部は、要因が特定できなかったことを表す情報を出力してもよい。

また、上述した各実施の形態において、第２抽出部は、有効性の判断の対象となる要素のいずれも有効でないと判断された場合に機能する例について説明した。これに限らず、第２抽出部は、有効性の判断の対象となる要素のうち有効でないと判断された要素について機能するよう構成されてもよい。この場合、要因抽出部は、第１抽出部によって抽出された１つ以上の要素のうち有効であると判断された要素と、第２抽出部によって抽出された１つ以上の要素のうち有効であると判断された要素とを出力するようにしてもよい。

また、上述した各実施の形態において、観測データが、要素ごとの時系列データである例を中心に説明した。ただし、観測データは、要素ごとに観測されるデータであれば、必ずしも時系列データでなくてもよい。

また、上述した本発明の各実施の形態において、要因分析装置の各機能ブロックが、メモリに記憶されたコンピュータ・プログラムを実行するＣＰＵによって実現される例を中心に説明した。これに限らず、各機能ブロックの一部、全部、または、それらの組み合わせは、専用のハードウェアにより実現されていてもよい。

また、上述した本発明の各実施の形態において、要因分析装置の機能ブロックは、複数の装置に分散されて実現されてもよい。

また、上述した本発明の各実施の形態において、各フローチャートを参照して説明した要因分析装置の動作を、本発明のコンピュータ・プログラムとしてコンピュータ装置の記憶装置（記憶媒体）に格納しておく。そして、係るコンピュータ・プログラムを当該ＣＰＵが読み出して実行するようにしてもよい。そして、このような場合において、本発明は、係るコンピュータ・プログラムのコードあるいは記憶媒体によって構成される。

また、上述した各実施の形態は、適宜組み合わせて実施されることが可能である。

また、本発明は、上述した各実施の形態に限定されず、様々な態様で実施されることが可能である。

１、２ 要因分析装置
１１、２１ 観測データ取得部
１２、２２ 第１抽出部
１３、２３ 有効性判断部
１４、２４ 第２抽出部
１５ 要因出力部
２６ 観測データ蓄積部
２７ 事前知識記憶部
１００１ ＣＰＵ
１００２ メモリ
１００３ 出力装置
１００４ 入力装置
１００５ ネットワークインタフェース

Claims (11)

1. 製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得する観測データ取得部と、
   前記観測データのうち、前記製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する第１抽出部と、
   抽出された前記要素が、前記製品の品質に影響を与える要因として有効であるか否かを判断する有効性判断部と、
   前記有効性判断部により有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する第２抽出部と、
   前記有効性判断部により有効であると判断された要素に関する情報を、前記要因として出力する要因出力部と、
   を備えた要因分析装置。
2. 前記有効性判断部は、前記第１抽出部で抽出された前記観測データの要素及び、前記第２抽出部で抽出された前記他の観測データの要素について、前記製品の品質に影響を与える要因として有効であるか否かを判断することを特徴とする請求項１に記載の要因分析装置。
3. 前記第２抽出部は、前記有効性判断部により有効であると判断される要素が得られるまで、有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素の抽出を繰り返すことを特徴とする請求項１または請求項２に記載の要因分析装置。
4. 前記有効性判断部は、前記要素がその観測データを操作可能であるか否かを表す情報に基づいて、有効であるか否かを判断することを特徴とする請求項１から請求項３のいずれか１項に記載の要因分析装置。
5. 前記有効性判断部は、前記要素が前記製品の品質に影響を与える要因となり得ると判断可能であるか否かに基づいて、有効であるか否かを判断することを特徴とする請求項１から請求項４のいずれか１項に記載の要因分析装置。
6. 前記第１抽出部または前記第２抽出部は、前記関係性を分析する手法として、相関分析を用いることを特徴とする請求項１から請求項５のいずれか１項に記載の要因分析装置。
7. 前記第１抽出部または前記第２抽出部は、前記関係性を分析する手法として、インバリアントな関係性を分析する手法を用いることを特徴とする請求項１から請求項６のいずれか１項に記載の要因分析装置。
8. 前記第２抽出部は、前記関係性を分析する手法として、前記第１抽出部が前記関係性を分析するために用いる手法とは異なる手法を用いることを特徴とする請求項１から請求項７のいずれか１項に記載の要因分析装置。
9. 前記第１抽出部は、前記関係性を分析する手法として相関分析を用い、前記第２抽出部は、前記関係性を分析する手法としてインバリアントな関係性を分析する手法を用いることを特徴とする請求項１から請求項８のいずれか１項に記載の要因分析装置。
10. コンピュータ装置が、
    製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得し、
    前記観測データのうち、前記製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出し、
    抽出した要素が、前記製品の品質に影響を与える要因として有効であるか否かを判断し、
    有効でないと判断した要素の観測データに対して関係性を有する他の観測データの要素を抽出し、
    有効であると判断した要素に関する情報を、前記要因として出力する方法。
11. 製品を製造するプロセスにおいて観測の対象となる各種の要素について観測データを取得する観測データ取得ステップと、
    前記観測データのうち、前記製品の品質に関わる要素の観測データに対して関係性を有する観測データの要素を抽出する第１抽出ステップと、
    抽出された要素が、前記製品の品質に影響を与える要因として有効であるか否かを判断する有効性判断ステップと、
    有効でないと判断された要素の観測データに対して関係性を有する他の観測データの要素を抽出する第２抽出ステップと、
    有効であると判断された要素に関する情報を前記要因として出力する要因出力ステップと、
    をコンピュータ装置に実行させるプログラム。

Images