JP6872829B1 - 異物発生原因推定システム及び異物発生原因推定方法 - Google Patents
異物発生原因推定システム及び異物発生原因推定方法 Download PDFInfo
- Publication number
- JP6872829B1 JP6872829B1 JP2020172887A JP2020172887A JP6872829B1 JP 6872829 B1 JP6872829 B1 JP 6872829B1 JP 2020172887 A JP2020172887 A JP 2020172887A JP 2020172887 A JP2020172887 A JP 2020172887A JP 6872829 B1 JP6872829 B1 JP 6872829B1
- Authority
- JP
- Japan
- Prior art keywords
- foreign matter
- cause
- generation
- time
- occurrence
- 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 63
- 238000007689 inspection Methods 0.000 claims abstract description 77
- 230000002950 deficient Effects 0.000 claims abstract description 75
- 239000000126 substance Substances 0.000 claims abstract description 72
- 230000004044 response Effects 0.000 claims abstract description 4
- 238000004519 manufacturing process Methods 0.000 claims description 64
- 238000003066 decision tree Methods 0.000 claims description 52
- 238000010586 diagram Methods 0.000 abstract description 10
- 230000007547 defect Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 21
- 102100024394 Adipocyte enhancer-binding protein 1 Human genes 0.000 description 14
- 101000833122 Homo sapiens Adipocyte enhancer-binding protein 1 Proteins 0.000 description 14
- 238000002790 cross-validation Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 8
- 238000000465 moulding Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000001746 injection moulding Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 229940034610 toothpaste Drugs 0.000 description 3
- 239000000606 toothpaste Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011990 functional testing Methods 0.000 description 2
- 238000009751 slip forming Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- KGXUEPOHGFWQKF-ZCXUNETKSA-N flutianil Chemical compound COC1=CC=CC=C1N(CCS\1)C/1=C(C#N)/SC1=CC(C(F)(F)F)=CC=C1F KGXUEPOHGFWQKF-ZCXUNETKSA-N 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification 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]
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- General Factory Administration (AREA)
Abstract
【解決手段】取得制御部201は、異物が存在しない良品の検査時刻と、異物が存在する不良品の撮影画像と検査時刻とを関連付けた製品時系列データを取得する。割付制御部202は、製品時系列データを熟練作業者に確認させて、前記不良品の撮影画像の異物に、高頻度発生原因又は低頻度発生原因を割り付けさせる。データ生成制御部203は、二つの異物間の異物発生時間間隔を関連付けた異物発生判定データを生成する。対応制御部204は、閾時間と閾個数とを決定することで、密のグループを高頻度発生原因に対応させる。機械生成制御部205は、密のグループの特徴量から、密のグループの高頻度発生原因を推定する推定機械を生成する。推定制御部206は、新規製品時系列データと閾時間と閾個数と推定機械とに基づいて高頻度発生原因を推定する。
【選択図】図1
Description
10 カメラ
11 端末装置
201 取得制御部
202 割付制御部
203 データ生成制御部
204 対応制御部
205 機械生成制御部
206 推定制御部
Claims (5)
- 生産ラインから順次製造される製品をカメラで撮影して検査し、異物が存在しない良品の検査時刻と、異物が存在する不良品の撮影画像と検査時刻とを関連付けた製品時系列データを取得する取得制御部と、
前記製品時系列データの良品の検査時刻と、不良品の撮影画像と検査時刻とを熟練作業者に確認させて、前記不良品の撮影画像の異物に、異物の発生頻度が高い高頻度発生原因又は異物の発生頻度が低い低頻度発生原因を前記熟練作業者に割り付けさせる割付制御部と、
前記製品時系列データから、二つの異物間の検査時刻の時間間隔を示す異物発生時間間隔を関連付けた異物発生判定データを生成するデータ生成制御部と、
前記異物発生判定データの異物発生時間間隔に対して閾時間と、当該閾時間以下で連続して発生した異物の個数を示す閾個数とを決定することで、前記異物発生判定データの異物を、異物の発生頻度が高い密のグループ、又は、当該密のグループ以外の疎のグループに分類し、前記密のグループを、前記高頻度発生原因に対応させる対応制御部と、
前記密のグループの特徴量から、前記密のグループの高頻度発生原因を推定する推定機械を生成する機械生成制御部と、
新たに取得された新規製品時系列データを新規異物発生判定データにし、前記閾時間と前記閾個数とに基づいて、前記新規異物発生判定データの異物を、密のグループ、又は、疎のグループに分類し、分類された密のグループの特徴量と前記推定機械とに基づいて、前記密のグループに対応する高頻度発生原因を推定する推定制御部と、
を備える異物発生原因推定システム。 - 前記機械生成制御部は、前記密のグループの特徴量を分岐条件とし、前記密のグループに対応する高頻度発生原因を分類結果とする決定木分類器に、前記異物発生判定データを学習させることで、当該決定木分類器を前記推定機械として生成する、
請求項1に記載の異物発生原因推定システム。 - 前記対応制御部は、前記閾時間と、前記閾個数とを決定することで、前記異物発生判定データの異物を前記密のグループ又は前記疎のグループに分類し、前記分類された密のグループを、前記異物毎に割り付けた高頻度発生原因に対応させ、前記分類された疎のグループを、前記異物毎に割り付けた低頻度発生原因に対応させるように、前記閾時間と前記閾個数とを調整する、
請求項1又は2に記載の異物発生原因推定システム。 - 前記対応制御部は、前記高頻度発生原因が割り付けられた異物が、前記密のグループに分類されていない場合、当該異物に割り付けられた高頻度発生原因を前記低頻度発生原因に付け替え、前記低頻度発生原因が割り付けられた異物が前記密のグループに分類されている場合、当該異物に割り付けられた低頻度発生原因を、当該低頻度発生原因の直前の発生原因であって、前記密のグループに関係する高頻度発生原因に付け替える、
請求項1−3のいずれか一項に記載の異物発生原因推定システム。 - 生産ラインから順次製造される製品をカメラで撮影して検査し、異物が存在しない良品の検査時刻と、異物が存在する不良品の撮影画像と検査時刻とを関連付けた製品時系列データを取得する取得制御ステップと、
前記製品時系列データの良品の検査時刻と、不良品の撮影画像と検査時刻とを熟練作業者に確認させて、前記不良品の撮影画像の異物に、異物の発生頻度が高い高頻度発生原因又は異物の発生頻度が低い低頻度発生原因を前記熟練作業者に割り付けさせる割付制御ステップと、
前記製品時系列データから、二つの異物間の検査時刻の時間間隔を示す異物発生時間間隔を関連付けた異物発生判定データを生成する生成制御ステップと、
前記異物発生判定データの異物発生時間間隔に対して閾時間と、当該閾時間以下で連続して発生した異物の個数を示す閾個数とを決定することで、前記異物発生判定データの異物を、異物の発生頻度が高い密のグループ、又は、当該密のグループ以外の疎のグループに分類し、前記密のグループを、前記高頻度発生原因に対応させる対応制御ステップと、
前記密のグループの特徴量から、前記密のグループの高頻度発生原因を推定する推定機械を生成する機械生成制御部と、
新たに取得された新規製品時系列データを新規異物発生判定データにし、前記閾時間と前記閾個数とに基づいて、前記新規異物発生判定データの異物を、密のグループ、又は、疎のグループに分類し、分類された密のグループの特徴量と前記推定機械とに基づいて、前記密のグループに対応する高頻度発生原因を推定する推定制御ステップと、
を備える異物発生原因推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020172887A JP6872829B1 (ja) | 2020-10-14 | 2020-10-14 | 異物発生原因推定システム及び異物発生原因推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020172887A JP6872829B1 (ja) | 2020-10-14 | 2020-10-14 | 異物発生原因推定システム及び異物発生原因推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6872829B1 true JP6872829B1 (ja) | 2021-05-19 |
JP2022064334A JP2022064334A (ja) | 2022-04-26 |
Family
ID=75896336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020172887A Active JP6872829B1 (ja) | 2020-10-14 | 2020-10-14 | 異物発生原因推定システム及び異物発生原因推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6872829B1 (ja) |
-
2020
- 2020-10-14 JP JP2020172887A patent/JP6872829B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2022064334A (ja) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102473660B (zh) | 等离子加工系统自动瑕疵检测和分类及其方法 | |
US6941009B2 (en) | Method for evaluating pattern defects on a water surface | |
KR20190075707A (ko) | 딥러닝을 이용한 양품 선별 방법 | |
JP7196009B2 (ja) | 短繊維強化プラスチック部品の射出成形プロセスを最適化するためにx線コンピュータ断層撮影データから情報を取得する方法 | |
MXPA06013286A (es) | Interfaz de configuracion de usuario de re-inspeccion grafica. | |
JP7444439B2 (ja) | 欠陥検出分類システム及び欠陥判定トレーニングシステム | |
TW202139131A (zh) | 用於影像分類之適應學習 | |
JP7102941B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
US11170332B2 (en) | Data analysis system and apparatus for analyzing manufacturing defects based on key performance indicators | |
TWI783400B (zh) | 誤差因子的推定裝置及推定方法 | |
Pani et al. | A survey of data treatment techniques for soft sensor design | |
KR102530950B1 (ko) | 반도체 시편에서의 결함들의 분류 | |
TW202044067A (zh) | 基於機器學習之半導體樣本中的缺陷分類 | |
JP2020085583A (ja) | 検査装置及び検査方法 | |
CN111402236A (zh) | 一种基于图像灰度值的热轧带钢表面缺陷分级方法 | |
CN110458809B (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
KR101782364B1 (ko) | 케이평균군집화를 통한 학습기반의 비전검사 방법 | |
CN111198979A (zh) | 一种用于对输变电可靠性评估大数据进行清洗的方法及系统 | |
JP6872829B1 (ja) | 異物発生原因推定システム及び異物発生原因推定方法 | |
CN117152119A (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN110320802B (zh) | 基于数据可视化的复杂系统信号时序识别方法 | |
CN116223529A (zh) | 一种膜压手套生产的智能检测方法及系统 | |
US11507616B2 (en) | Inspection systems and methods including image retrieval module | |
US20220074874A1 (en) | Computer-implemented method for analysing measurement data from a measurement of an object | |
CN117333492B (zh) | 基于图像处理的光学薄膜质量检测方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201014 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201102 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210204 |
|
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: 20210412 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210413 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6872829 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |