JP6811018B2 - 品質評価システム、品質評価方法及びプログラム - Google Patents
品質評価システム、品質評価方法及びプログラム Download PDFInfo
- Publication number
- JP6811018B2 JP6811018B2 JP2016043462A JP2016043462A JP6811018B2 JP 6811018 B2 JP6811018 B2 JP 6811018B2 JP 2016043462 A JP2016043462 A JP 2016043462A JP 2016043462 A JP2016043462 A JP 2016043462A JP 6811018 B2 JP6811018 B2 JP 6811018B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- product
- quality
- heat treatment
- evaluation
- 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
- 238000000034 method Methods 0.000 title claims description 106
- 238000013441 quality evaluation Methods 0.000 title claims description 100
- 230000005856 abnormality Effects 0.000 claims description 145
- 238000013210 evaluation model Methods 0.000 claims description 114
- 238000011282 treatment Methods 0.000 claims description 93
- 238000010438 heat treatment Methods 0.000 claims description 80
- 238000012360 testing method Methods 0.000 claims description 54
- 239000000463 material Substances 0.000 claims description 38
- 238000004090 dissolution Methods 0.000 claims description 26
- 238000003066 decision tree Methods 0.000 claims description 21
- 238000005266 casting Methods 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 14
- 239000000470 constituent Substances 0.000 claims description 7
- 238000010309 melting process Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 description 66
- 238000012545 processing Methods 0.000 description 58
- 239000007788 liquid Substances 0.000 description 53
- 238000011156 evaluation Methods 0.000 description 37
- 238000004519 manufacturing process Methods 0.000 description 36
- 230000006866 deterioration Effects 0.000 description 30
- 238000004381 surface treatment Methods 0.000 description 26
- 238000012544 monitoring process Methods 0.000 description 22
- 230000002159 abnormal effect Effects 0.000 description 20
- 230000007613 environmental effect Effects 0.000 description 20
- 239000007787 solid Substances 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000007743 anodising Methods 0.000 description 10
- 238000012706 support-vector machine Methods 0.000 description 10
- 238000002844 melting Methods 0.000 description 9
- 230000008018 melting Effects 0.000 description 9
- ZCDOYSPFYFSLEW-UHFFFAOYSA-N chromate(2-) Chemical compound [O-][Cr]([O-])(=O)=O ZCDOYSPFYFSLEW-UHFFFAOYSA-N 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 239000011572 manganese Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 229910052748 manganese Inorganic materials 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011157 data evaluation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- -1 C being X1% to X2% Substances 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
また、仮に膨大な種類のデータを全て取得できたとしても、特許文献1に記載の方法のように単純にそれらのデータを集計するだけでは製造プロセスの状態を把握できるとは限らない。
以下、本発明の一実施形態による品質評価システムを図1〜図11を参照して説明する。図1は、本発明の第一実施形態における品質評価システムの一例を示す機能ブロック図である。
品質評価システム10は、複数の製造工程を経て製造される製品について、途中の製造工程にて評価対象となるデータが管理値の範囲内に収まっていても、最終的に製品が不適格と判定されることを防ぐ。化学反応を利用した表面処理や熱処理が必要な鋳造処理においては、処理に関するデータ量が膨大で、これら全てのデータを用いて異常が発生する要因を検出するのは大変である。また、製品の評価を行うのに必要な量のデータを取得するのは容易ではない。品質評価システム10は、製造工程で得られる限られたデータを用いて製品の異常を検出する評価モデルを生成し、その評価モデルに基づいて製品の品質検査を行う。第一実施形態では、表面処理を例に説明を行う。
データ取得部11は、複数の工程が行われて製造される製品について、複数の工程のうち少なくとも一つの工程において、当該工程における製品の品質評価データおよび当該製品の製造に関する処理データを取得する。品質評価データとは、製品の品質を評価したデータである。品質評価データは、例えば、その製品について品質検査を行った検査結果である。また、処理データとは製品の材料、製造方法、製造環境などの製造工程における各種製造処理に関するデータである。
品質評価モデル生成部12は、データ取得部11が取得した品質評価データおよび処理データに基づいて、製品に関する品質を評価する評価モデルを生成する。
記憶部14は、品質評価データ、処理データ等の各種情報を記憶する。
入出力部15は、ユーザによる入力操作を受け付ける。また、入出力部15は、異常判定部13による判定結果等を出力する。
因子特定部121は、処理データの中から、評価データにより示される評価結果に影響が相対的に大きいパラメータを、評価因子として抽出する。
異常判定モデル生成部122は、処理データのうち、特定された評価因子に関するデータに基づいて、評価因子に基づく製品の品質を評価する品質評価モデルを生成する。
劣化度評価モデル生成部123は、処理データに含まれる処理の累積度を示すデータと、評価因子または品質評価データとの相関に基づいて、製品の製造に係る環境の劣化度を評価するモデルを生成する。
図2が示すように、ある製品を製造する場合、加工、表面処理、塗装、組立の複数の工程が必要である。加工、表面処理、塗装、組立の各工程内もさらに複数の工程を含んでいる。本実施形態では、これら複数の製造工程のうちアノダイズ処理と呼ばれる表面処理で発生する異常の検出を例に説明を行う。アノダイズ処理も、例えば、「洗浄」、「デオキシダイズ」、「水洗A」、「アノダイズ」、「水洗B」、「クロメート処理」、「乾燥」などの複数の工程を含むが、従来はこれら一連の工程の後の品質検査によって異常を判定していた。この品質検査は、結果が出るまでに時間を要し(例えば数週間)、品質検査の結果、不合格品が発生すると、それ以降に生産した全製品について検査を行う等の作業が発生し、場合によっては、既にこの製造工程を終えた製品に対して手直しをする必要が生じることもあった。また、アノダイズ処理中に監視すべきデータが管理値の範囲に収まっていても、品質検査の結果が不合格となることがあった。生産性向上のために、アノダイズ処理における適切な品質評価や不合格品の発生抑制が望まれていた。そこで、本実施形態では、結果の判明までに時間を要さず手戻りが生じない高精度な品質評価方法および不合格品の発生を防ぐ方法を提供する。
品質評価システム10は、入力データとして、環境データ、検査データ、液状態データ、表面処理モニタリングデータを用いる。環境データは環境データDB21、検査データは検査データDB22、液状態データは液状態データDB23、表面処理モニタリングデータは表面処理モニタリングデータDB24にそれぞれ記録されている。また、環境データDB21、検査データDB22、液状態データDB23、表面処理モニタリングデータDB24は、記憶部14が記憶している。因子特定部121は、これらの入力データを用いて、不合格品が生じる要因となる因子を選定する因子特定処理を行う。異常判定モデル生成部122は、因子特定部121が特定した因子と、環境データ、液状態データ、表面処理モニタリングデータとから学習処理を行い、アノダイズ処理を行った製品のうち異常な製品を判定する異常判定モデルを生成する。なお、異常判定モデルは、評価モデルの一例である。因子特定部121は、評価モデルとしての異常判定モデルを生成する。異常判定部13は、異常判定モデルと環境データ、液状態データ、表面処理モニタリングデータとから、現在処理を行った製品が異常かどうかを判定する判定処理を行う。異常判定部13は、判定結果を入出力部15に出力する。入出力部15は、判定結果をディスプレイ等に出力する。また、入出力部15は、処置データから判定結果に応じた処置方法の情報を読み出し、処置方法をディスプレイ等に出力する。各データや処理についてさらに詳しく説明する。
検査データは、製品の品質を示すデータが記録されたデータである。品質を示すデータとは、例えば、品質が正常であるか、正常でない場合どの程度劣化しているかを示すデータである。本実施形態では、実際に製造する製品の他に品質評価用のテストピースを所定の間隔で処理し、そのテストピースについて品質検査を行った結果(正常・劣化度合い)が記録されているものとする。例えば、時刻T1に処理したテストピース1の品質検査の結果が合格の場合、テストピース1以降で次のテストピースの品質検査を行うまでにアノダイズ処理を行った製品については正常と見做す。また、その後、時刻T2に処理したテストピース2の品質検査の結果が劣化度合い1となった場合、テストピース2以降に処理を行った製品については劣化度合い1と見做す。検査データには、各テストピースについて、識別情報(ID)と品質検査の結果が対応付けて記録されている。なお、劣化度合いには、例えば1〜5の劣化度が定められている。また、劣化度が4までは合格、劣化度が5となると不合格などとしきい値を定めて判定されてもよい。
表面処理モニタリングデータには、テストピースのID、処理漕、処理日時、処理中の温度などが含まれている。
環境データ、液状態データ、表面処理モニタリングデータを処理データ、検査データを品質評価データと呼ぶことがある。
図4は、複数のテストピースに関連して記録された環境データ、検査データ、液状態データ、表面処理モニタリングデータを教師データとして生成された決定木の一例である。決定木を用いると、環境データ、液状態データ、表面処理モニタリングデータに含まれる一つ又は複数のパラメータと不合格品発生の関係を分析し、一つ又は複数のパラメータに関する不合格品の発生要因となる条件を抽出することができる。また、決定木を用いると、階層構造持つツリー状の分析結果を得ることができる。例えば、環境データのパラメータA1がある条件A2を満たすことが不合格の発生要因として分析された場合、その条件を満たしたうえで、液状態データのパラメータB1がある条件B2を満たすと、さらに不合格の発生確率が高まることを示す分析結果が得られる場合がある。この場合、パラメータA1に関する条件A2、パラメータB1に関する条件B2、の各々を不合格品が発生する要因の候補として考えることができる。図4は、決定木により得られる不合格品の発生要因の可能性がある様々な候補を示すツリー状の分析結果のうち、ある階層を抽出して示したものである。図4に例示するのは、表面処理に用いる複数の処理漕の中の何れかの処理漕における処理液に含まれる物質の濃度に関する分析結果である。ここでは、一例として、クロメート処理漕における総固形分濃度を取り上げる。従来からクロメート処理漕の総固形分濃度は、品質管理上の監視項目に含まれており、従来の監視において定められた総固形分濃度の管理値は「Xmg/l」以下であることと定められていたところ、因子特定部121による分析結果によれば、総固形分濃度の値が「Ymg/l」以上(Y<X)という条件が、不合格品が発生する要因の一つであると判断できる。このように決定木等の手法を用いると、不合格の要因となる評価因子(例えば、総固形分濃度)と不合格となる条件(≧Ymg/l)を算出することができる。特定した評価因子は、実際の処理データおよび品質評価データに基づくものであるため信頼性が高い。また、評価因子を特定することで、次に異常判定モデルを生成する際に、モデル生成に用いることができるデータ量がテストピースに関して測定されたデータに制限され量が少ないという欠点を補うことができる。なお、ここで例示した評価因子は、決定木によって得られた複数の評価因子の一つであって、他の評価因子も抽出することができる。
図5(a)は、異常判定部13による判定結果が異常であった場合の表示例である。異常レベルの表示例としては、他に異常判定部13による判定結果が合格であった場合に、「品質高」、「品質低」などが表示されてもよい。例えば、MT法を用いて異常判定モデルを生成した場合、入出力部15は、異常判定部13から取得したMD値の値が、合格を示す所定の閾値以下であったとしても、閾値に近い値を示していれば「品質低」を表示し、十分に小さな値を示していれば「品質高」を表示する。
前提として、異常判定モデルの生成に必要な量の複数のテストピースに関する処理データ、品質評価データが、環境データDB21、検査データDB22、液状態データDB23、表面処理モニタリングデータDB24に蓄積されているとする。
まず、ユーザが、品質評価システム10に異常判定モデル生成指示操作を入力する。入出力部15は、この操作の入力を受け付け、データ取得部11に異常判定モデルの生成に必要なデータの取得を指示する。次にデータ取得部11が、複数のテストピースの処理データを取得する(ステップS11)。具体的には、データ取得部11が各テストピースのIDを用いて、表面処理モニタリングデータDB24から液状態データを読み出す。また、データ取得部11は各テストピースの処理日時に基づいて、処理中の環境データを環境データDB21から、処理中の液状態データを液状態データDB23から読み出して取得する。次にデータ取得部11は、それらの複数のテストピース各々に対して行われた品質試験の結果を取得する(ステップS12)。
まず、データ取得部11が、例えば、所定の間隔で、因子特定部121が評価因子として特定した処理データを取得する(ステップS20)。例えば、評価因子として特定されたデータが環境データ、表面処理モニタリングデータであれば、データ取得部11は、各種センサーから所望の値を取得する。また、評価因子として特定されたデータが液状態データであれば、データ取得部11は、液状態データDB23から所望の値を取得する。データ取得部11は、取得した処理データを異常判定部13に出力する。次に異常判定部13が、記憶部14から異常判定モデルを読み出し、データ取得部11が取得した処理データと異常判定モデルに基づいて、処理データの異常を判定する(ステップS21)。また、異常判定部13は、異常判定モデルに基づく異常要因の分析が可能であれば、異常要因の分析を行う。異常判定部13は、判定結果等を入出力部15へ出力する。入出力部15は、判定結果等をディスプレイに表示する(ステップS22)。検査員は、判定結果を見て、「異常」が表示されている場合、現在の処理データが示す処理環境では、不合格品が製造される可能性が高いことを把握し、一時的に製造工程を止めて、より詳しい検査を行なったり、入出力部15が表示した処置案に従って対処を行う等の対策を行うことができる。
図8は、アノダイズ処理を行った製品に対して品質検査を行った結果、不合格が生じるタイミングを累積処理件数との関係で示したグラフである。図8の縦軸はアノダイズ処理を行った製品の処理件数、横軸は累積の処理件数を示している。1つの棒グラフは、1回の受注に対してアノダイズ処理を行った製品の処理件数を示している。図中、斜線で示した部分は、品質検査の結果、不合格と判定された件数を示している。この例は、累積の処理件数が「Z」個を超えると異常が生じやすくなることを示す。
図9は、アノダイズ処理を行った製品の累積処理件数とクロメート処理漕の総固形分濃度との関係を示したグラフである。図9の縦軸はクロメート処理漕における総固形分濃度、横軸は累積処理件数を示している。因子特定部121が特定した評価要因である総固形分濃度がYg/ml以上という条件をこのグラフに重ねると、総固形分濃度がYg/mlとなるときの累積処理件数は、約Z個であることを示す。つまり、製品に異常が生じやすくなることと、累積処理件数と、総固形分濃度との間には相関があることを示す。総固形分濃度は測定値にばらつきが生じやすいが、累積処理件数であれば、ばらつきは生じない。従って、累積処理件数Z個を目安にしてクロメート処理漕の処理液を交換すれば、安定的に適切なタイミングで処理液を交換することができ、不合格品の発生を防ぐことができると考えられる。この知見に基づいて、処理件数などの安定したパラメータを用いて液処理交換のタイミングを検出する方法について説明する。なお、アノダイズ処理における液交換の指標の候補として、処理件数の他、処理面積など、当該処理液が用いられた処理の累積度を示すデータが考えられる。以下、指標候補を処理件数として説明する。
まず、データ取得部11が製品の処理件数を取得する(ステップS30)。例えば、データ取得部11は、検査員が品質評価システム10に入力した処理件数を取得してもよい。あるいは、製品100ごとにテストピースを1件処理するような場合、データ取得部11が前回の処理液交換以降に処理したテストピースの処理件数を品質評価データDB22から読み出して100倍してもよい。
まず、図10のステップS30と同様、データ取得部11が製品の処理件数を取得する(ステップS33)。次にデータ取得部11が製品の品質評価データを取得する(ステップS34)。例えば、各製品に対して品質検査を行っている場合、データ取得部11は、検査員が品質評価システム10に入力した品質検査の結果を取得する。あるいは、テストピースの検査結果を用いる場合、データ取得部11が前回の処理液交換タイミング(環境データDB21)以降に処理したテストピースの検査結果を品質評価データDB22から読み出して、その結果をテストピース間に処理した製品の品質評価データとして用いてもよい。次に劣化度評価モデル生成部123が、品質評価データと処理件数の相関を求める(ステップS35)。例えば、劣化度評価モデル生成部123が、各品質評価データの示す劣化度合いと処理件数の関係を決定木などで分析する。次に劣化度評価モデル生成部123が管理値を算出する(ステップS36)。例えば、劣化度評価モデル生成部123は、不合格となる程度の劣化度合い(劣化度=5)が生じる条件を抽出する。抽出した条件は、管理値である。劣化度評価モデル生成部123は、評価モデルとしての管理値を算出する。
以下、本発明の二実施形態による品質評価システムを図12〜図17を参照して説明する。
第二実施形態では、鋳造処理を例に説明を行う。第一実施形態と同様、鋳造製品の場合も、製造プロセスに関する処理データのデータ項目数が膨大であり、その膨大なデータ全てを取得して品質管理を行うことは困難であった。また、図13で説明するように鋳造処理は、複数の工程を経て行う。従来から途中の工程で材料の成分値検査などを行っていたが、その検査を問題なく通過した場合であっても、最終的な品質検査では不合格となることがあり、不合格品が発生する要因を把握するのは困難であった。
本発明の第二実施形態に係る構成のうち、本発明の第一実施形態に係る品質評価システム10を構成する機能部と同じものには同じ符号を付し、それぞれの説明を省略する。第二実施形態に係る品質評価システム10aは、第一実施形態の構成のうち品質評価モデル生成部12に代えて、品質評価モデル生成部12aを備えている。また、品質評価モデル生成部12aは、データ選定部124、第一評価モデル生成部125、第二評価モデル生成部126を備えている。
データ選定部124は、後述する第一評価モデルで用いる材料の理想的な成分値の構成比を算出する。
第一評価モデル生成部125は、鋳造製品の製造工程のうち溶解処理の後に、鋳造製品の材料の成分値を評価するための第一評価モデルを生成する。
第二評価モデル生成部126は、鋳造製品の製造工程のうち熱処理の前に、その熱処理に係る処理計画を評価するための第二評価モデルを生成する。
図13が示すように、鋳造製品を製造する場合、溶解、鋳込み、熱処理、加工の工程が必要である。また、品質検査として、本実施形態では、溶解の後に成分値検査、検査結果の判定を行う。また、熱処理の前に熱処理計画の立案、熱処理計画の判定を行う。また、熱処理後に最終的な機械試験を行う。従来においても、成分値検査、機械試験を実施していたが、溶解後の成分検査値が管理値内であっても最終の機械試験において不合格となるケースがあり、品質を左右する原因が把握できていなかった。本実施形態では、機械学習などの手法を用いてその原因が処理のどの段階にあるかを把握し、機械試験が不合格となるリスクを低減する。より具体的には、鋳造製品の品質は、溶解時の材料成分値と熱処理によって決まることから、溶解後の成分値検査と、熱処理前の熱処理計画のそれぞれについて、正常時の処理データに基づいて生成した評価モデル(第一評価モデル、第二評価モデル)を生成し、評価モデルに基づいた品質の判定を行う。
品質評価システム10aは、入力データとして、成分値データ、検査データ、熱処理データを用いる。成分値は成分値データDB26、検査データは検査データDB27、熱処理データは熱処理データDB28にそれぞれ記録されている。また、成分値データDB26、検査データDB27、熱処理データDB28は、記憶部14が記憶している。データ選定部124は、成分値データおよび検査データを用いて、鋳造製品の材料における理想的な成分構成を算出する。第一評価モデル生成部125は、データ選定部124が算出した理想的な成分構成をモデル化した第一評価モデルを生成する。第二評価モデル生成部126は、成分値データ、検査データ、熱処理データを用いて、熱処理計画が適切かどうかを判定する第二評価モデルを生成する。異常判定部13は、第一評価モデルと評価対象となる材料の成分値データから、溶解後の材料の成分構成が正常な範囲内かどうかを判定する。また、異常判定部13は、第二評価モデルと評価対象となる材料の成分値データおよび熱処理計画とから、立案した熱処理計画が適切かどうかを判定する。入出力部15は、判定結果をディスプレイ等に出力する。
検査データは、鋳造製品の試験結果を示すデータが記録されている。検査データには、例えば、製品ID、試験結果(合格、不合格)の情報が含まれている。
熱処理データには、熱処理工程で行う処理の方法に関する情報が含まれる。例えば、熱処理の回数、熱処理条件(焼き入れ、焼きなましなど)、温度帯、冷却条件(水冷、空冷など)、熱処理を外部に依頼する場合の外注先、などの情報が含まれている。
成分値データ、熱処理データを処理データ、検査データを品質評価データと呼ぶ。
第二評価モデル生成部126は、過去の検査データに含まれる鋳造製品ごとの検査結果とその鋳造製品の材料の成分値とその鋳造製品に対して行った熱処理の処理方法とを教師データとして、決定木などの機械学習手法によって、どのような成分値を有する材料に対して、どのような方法で熱処理を行うと機械試験が合格となる熱処理となるかを示す条件を分析する。第二評価モデル生成部126は、この分析によって、熱処理で計画されている条件が、不合格となるような設定になっていないかどうかを判定できる第二評価モデルを生成する。ユーザは、熱処理を行う前に立案した熱処理計画が不合格となるような設定になっていないかどうかを把握することができる。
図15は、第二評価モデル生成部126が生成した決定木(第二評価モデル)の例である。異常判定部13は、この決定木の各条件に従って、入力された処理データの合否の確率を求める。例えば、材料にCがA%より多く含まれていれば、続いてMnの割合がB%以下かどうかを判定し、CがA%以下であれば温度帯に対する判定を行う。そのように決定木の条件を辿っていくと、過去の実績に基づく合否の確率を求めることができる。
異常判定部13は、図15で例示した第二評価モデルに基づいて、立案した計画で熱処理を行った場合に、機械試験を合格する確率、不合格となる確率を判定する。入出力部15は、ディスプレイに異常判定部13による判定結果を表示する。
図16は、本発明の第二実施形態における第一評価モデルの生成処理の一例を示すフローチャートである。
まず、データ取得部11が、品質評価データと成分値データを取得する(ステップS40)。具体的には、データ取得部11は、品質評価データDB27から過去に製造した鋳造製品の機械試験の結果(合格・不合格)の情報を取得する。また、データ取得部11は、取得した品質評価データの各鋳造製品に対応する材料の成分値データを成分値データDB26から取得する。次にデータ選定部124は、データ選定処理を行う(ステップS41)。具体的には、まず、データ選定部124は、同一製品に関する機械試験の結果と成分値データを対応付けた教師データを生成する。次にデータ選定部124は、教師データに対して決定木等の手法を用いて、機械試験が合格となるための成分値の条件(成分構成情報)を算出する。データ選定部124は、算出した成分構成情報を第一評価モデル生成部125に出力する。次に第一評価モデル生成部125は、第一評価モデルを生成する(ステップS42)。例えば、第一評価モデル生成部125は、1クラスSVM、MT法などを用いて第一評価モデルを生成する。第一評価モデル生成部125は、生成した第一評価モデルを記憶部14に記録する(ステップS43)。第一評価モデルの生成処理が完了すると、異常判定部13は、溶解後の材料について異常判定を行うことができるようになる。
まず、データ取得部11が、品質評価データ、成分値データ、熱処理データを取得する(ステップS50)。具体的には、データ取得部11は、品質評価データDB27から過去に製造した鋳造製品の機械試験の結果(合格・不合格)の情報を取得する。また、データ取得部11は、取得した品質評価データに含まれる鋳造製品に対応する材料の成分値データを成分値データDB26から取得する。また、データ取得部11は、取得した品質評価データに含まれる鋳造製品に対して行った熱処理に関する情報(熱処理データ)を熱処理データDB28から取得する。次に第二評価モデル生成部126は、第二評価モデルを算出する(ステップS51)。具体的には、第二評価モデル生成部126は、同一製品に関する機械試験の結果と成分値データと熱処理データを対応付けた教師データを生成する。第二評価モデル生成部126は、教師データを用いて決定木などの手法で第二評価モデルを生成する。第二評価モデル生成部126は、生成した第二評価モデルを記憶部14に記録する(ステップS52)。第二評価モデルの生成処理が完了すると、異常判定部13は、熱処理計画の判定を行うことができるようになる。
また、品質評価システムは、1台のコンピュータで構成されていても良いし、通信可能に接続された複数のコンピュータで構成されていてもよい。
11・・・データ取得部
12、12a・・・品質評価モデル生成部
121・・・因子特定部
122・・・異常判定モデル生成部
123・・・劣化度評価モデル生成部
124・・・データ選定部
125・・・第一評価モデル生成部
126・・・第二評価モデル生成部
13・・・異常判定部
14・・・記憶部
15・・・入出力部
21・・・環境データDB
22・・・検査データDB
23・・・液状態データDB
24・・・表面処理モニタリングデータDB
25・・・処置データDB
26・・・成分値データDB
27・・・検査データDB
28・・・熱処理データDB
Claims (4)
- 複数の工程を含む鋳造処理によって製造される製品の品質を、前記複数の工程に含まれる溶解処理と熱処理に関して評価する品質評価システムであって、
前記溶解処理後の前記製品の材料の成分とその構成比率を含む成分値データと、前記熱処理の方法を定めた熱処理データと、前記複数の工程を経た後の品質試験に基づく前記製品の品質評価データと、を取得するデータ取得部と、
前記品質評価データと前記成分値データとに基づいて、前記製品の品質が合格となるための目標成分値を算出するデータ選定部と、
前記目標成分値に基づいて、前記溶解処理後の前記製品の成分値を評価するための第一評価モデルを生成する第一評価モデル生成部と、
前記溶解処理後の前記製品の成分値に基づいて、前記熱処理データが示す熱処理の方法を評価するための第二評価モデルを生成する第二評価モデル生成部と、
前記第一評価モデルに基づいて前記溶解処理後に前記製品の異常判定を行い、前記第二評価モデルに基づいて前記熱処理前に前記製品の異常判定を行う異常判定部と、
前記異常判定部が異常を検出すると、異常が検出されたことを出力する入出力部と、
を備える品質評価システム。 - 前記第二評価モデル生成部は、前記製品の品質が合格となる場合の、前記成分の構成比率と前記熱処理の方法とを決定木によって分析する、
請求項1に記載の品質評価システム。 - 複数の工程を含む鋳造処理によって製造される製品の品質を、前記複数の工程に含まれる溶解処理と熱処理に関して評価する品質評価方法であって、
前記溶解処理後の前記製品の材料の成分とその構成比率を含む成分値データと、前記熱処理の方法を定めた熱処理データと、前記複数の工程を経た後の品質試験に基づく前記製品の品質評価データと、を取得し、
前記品質評価データと前記成分値データとに基づいて、前記製品の品質が合格となるための目標成分値を算出し、
前記目標成分値に基づいて、前記溶解処理後の前記製品の成分値を評価するための第一評価モデルを生成し、
前記溶解処理後の前記製品の成分値に基づいて、前記熱処理データが示す熱処理の方法を評価するための第二評価モデルを生成し、
前記第一評価モデルに基づいて前記溶解処理後に前記製品の異常判定を行い、
前記第二評価モデルに基づいて前記熱処理前に前記製品の異常判定を行い、
何れかの前記異常判定において異常が検出されると、異常が検出されたことを出力する、
品質評価方法。 - 複数の工程を含む鋳造処理によって製造される製品の品質を前記複数の工程に含まれる溶解処理と熱処理に関して評価する品質評価システムのコンピュータを、
前記溶解処理後の前記製品の材料の成分とその構成比率を含む成分値データと、前記熱処理の方法を定めた熱処理データと、前記複数の工程を経た後の品質試験に基づく前記製品の品質評価データと、を取得する手段、
前記品質評価データと前記成分値データとに基づいて、前記製品の品質が合格となるための目標成分値を算出する手段、
前記目標成分値に基づいて、前記溶解処理後の前記製品の成分値を評価するための第一評価モデルを生成する手段、
前記溶解処理後の前記製品の成分値に基づいて、前記熱処理データが示す熱処理の方法を評価するための第二評価モデルを生成する手段、
前記第一評価モデルに基づいて前記溶解処理後に前記製品の異常判定を行う手段、
前記第二評価モデルに基づいて前記熱処理前に前記製品の異常判定を行う手段、
何れかの前記異常判定において異常が検出されると、異常が検出されたことを出力する手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016043462A JP6811018B2 (ja) | 2016-03-07 | 2016-03-07 | 品質評価システム、品質評価方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016043462A JP6811018B2 (ja) | 2016-03-07 | 2016-03-07 | 品質評価システム、品質評価方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017161991A JP2017161991A (ja) | 2017-09-14 |
JP6811018B2 true JP6811018B2 (ja) | 2021-01-13 |
Family
ID=59857132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016043462A Active JP6811018B2 (ja) | 2016-03-07 | 2016-03-07 | 品質評価システム、品質評価方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6811018B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12019434B2 (en) | 2019-05-22 | 2024-06-25 | Kabushiki Kaisha Toshiba | Manufacturing condition output apparatus, quality management system, and storage medium |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019061598A (ja) * | 2017-09-28 | 2019-04-18 | Heroz株式会社 | 生産管理装置および生産管理方法 |
JP7173273B2 (ja) * | 2017-12-11 | 2022-11-16 | 日本電気株式会社 | 障害分析装置、障害分析方法および障害分析プログラム |
US11586981B2 (en) | 2017-12-11 | 2023-02-21 | Nec Corporation | Failure analysis device, failure analysis method, and failure analysis program |
WO2019202700A1 (ja) * | 2018-04-19 | 2019-10-24 | 三菱電機株式会社 | 異常設備を特定する装置、方法、およびコンピュータプログラム |
CN113519018B (zh) * | 2019-03-12 | 2023-01-03 | 三菱电机株式会社 | 移动体控制装置和移动体控制方法 |
EP4034952A4 (en) * | 2019-09-27 | 2023-10-25 | Tata Consultancy Services Limited | METHOD AND SYSTEM FOR DETECTING AND ANALYZING REGIME CHANGES |
JP7181257B2 (ja) * | 2020-07-10 | 2022-11-30 | 株式会社日立製作所 | 原因分析システムおよび方法 |
CN112834729A (zh) * | 2021-01-08 | 2021-05-25 | 三一汽车起重机械有限公司 | 一种液压油品质监测方法、装置及系统 |
CN113268936B (zh) * | 2021-07-03 | 2022-07-19 | 石河子大学 | 一种基于多目标进化随机森林特征选择的关键质量特性识别方法 |
CN117071046B (zh) * | 2023-10-12 | 2024-01-12 | 山东裕能电力器材有限公司 | 一种用于镀锌自动滚镀生产线的加工智能管理系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003177815A (ja) * | 2001-12-07 | 2003-06-27 | Komatsu Ltd | 産業機械の保全システム |
JP2009054843A (ja) * | 2007-08-28 | 2009-03-12 | Omron Corp | プロセス異常検出装置および方法並びにプログラム |
JP5169098B2 (ja) * | 2007-09-14 | 2013-03-27 | Jfeスチール株式会社 | 品質予測装置、品質予測方法及び製造方法 |
JP4907507B2 (ja) * | 2007-12-03 | 2012-03-28 | 新日本製鐵株式会社 | 設備メンテナンス計画作成支援装置、方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP5516390B2 (ja) * | 2010-12-24 | 2014-06-11 | 新日鐵住金株式会社 | 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体 |
JP5633522B2 (ja) * | 2012-01-06 | 2014-12-03 | 新日鐵住金株式会社 | 操業状況評価装置、操業状況評価方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 |
-
2016
- 2016-03-07 JP JP2016043462A patent/JP6811018B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12019434B2 (en) | 2019-05-22 | 2024-06-25 | Kabushiki Kaisha Toshiba | Manufacturing condition output apparatus, quality management system, and storage medium |
Also Published As
Publication number | Publication date |
---|---|
JP2017161991A (ja) | 2017-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6811018B2 (ja) | 品質評価システム、品質評価方法及びプログラム | |
US11599803B2 (en) | Soldering process parameter suggestion method and system thereof | |
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 | |
Giordano et al. | The value of monitoring a structural health monitoring system | |
JP2019185422A (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
US20210232126A1 (en) | Quality monitoring of industrial processes | |
JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
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 | |
CN111104736B (zh) | 基于时间序列的异常数据检测方法、装置、介质和设备 | |
JP2009187175A (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 | |
CN113609790B (zh) | 产品虚拟量测方法及系统及装置及介质 | |
JP7156975B2 (ja) | 運営評価装置、運営評価方法、およびプログラム | |
US20170176985A1 (en) | Method for predicting end of line quality of assembled product | |
JP2019028834A (ja) | 異常値診断装置、異常値診断方法、およびプログラム | |
Gitzel | Data Quality in Time Series Data: An Experience Report. | |
JP2020042669A (ja) | 検査装置及び機械学習方法 | |
JP2021089116A (ja) | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 | |
EP3627261B1 (en) | Diagnosis system and method using parallel analysis paths | |
US11216329B2 (en) | Maintenance intervention predicting | |
JP2021189552A (ja) | 情報処理装置、情報処理方法、プログラム及び学習済みモデルの生成方法 | |
Raabe et al. | Vision based quality control and maintenance in high volume production by use of zero defect strategies | |
de León Hijes et al. | Assessment of functional condition of equipment in industrial plants based on multiple measurements | |
CN107924185B (zh) | 用于维护使用自动化技术的工厂中现场设备的方法和系统 | |
JP2008181341A (ja) | 製造不良要因分析支援装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160308 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181102 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181109 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190910 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20191111 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200108 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200811 |
|
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: 20201117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6811018 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |