JP7275023B2 - 品質管理装置、品質管理方法、およびプログラム - Google Patents

品質管理装置、品質管理方法、およびプログラム Download PDF

Info

Publication number
JP7275023B2
JP7275023B2 JP2019238178A JP2019238178A JP7275023B2 JP 7275023 B2 JP7275023 B2 JP 7275023B2 JP 2019238178 A JP2019238178 A JP 2019238178A JP 2019238178 A JP2019238178 A JP 2019238178A JP 7275023 B2 JP7275023 B2 JP 7275023B2
Authority
JP
Japan
Prior art keywords
quality
process data
unit
prediction model
product
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
Application number
JP2019238178A
Other languages
English (en)
Other versions
JP2021105959A (ja
Inventor
佑 徳野
眞一 菅原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2019238178A priority Critical patent/JP7275023B2/ja
Priority to US17/117,097 priority patent/US11630450B2/en
Publication of JP2021105959A publication Critical patent/JP2021105959A/ja
Application granted granted Critical
Publication of JP7275023B2 publication Critical patent/JP7275023B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0264—Control of logging system, e.g. decision on which data to store; time-stamping measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32194—Quality prediction
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本開示の技術は、品質管理装置、品質管理方法、およびプログラムに関する。
近年、コストを削減しつつ、かつ、安全な環境でデータを管理および保存することができるストレージメディアとして、磁気テープメディアが再び注目されている。磁気テープメディアは、磁気テープを製造する製造工程と、製造した磁気テープをカートリッジに組み込む組立工程とを経て生産される（例えば、特許文献１参照）。
磁気テープの製造工程には、塗布工程、カレンダ工程、および裁断工程などが含まれる。磁気テープの製造工程では、塗布工程において磁性塗料をベースフィルムに塗布し、塗布した磁性塗料の磁性体の向きを揃える配向処理を行ったうえで、磁性塗料を乾燥させることによりロールが形成される。このロールを裁断工程でテープ状に裁断し、裁断により得られた磁気テープをハブに巻き取ることで、いわゆるパンケーキが製造される。
組立工程には、信号書き込み工程および組み込み工程などが含まれる。組立工程では、信号書き込み工程においてパンケーキへのサーボライト信号の書き込みが行われ、組み込み工程においてパンケーキから磁気テープがカートリッジに組み込まれる。
特開２００４－２９６０３６号公報
磁気テープの製造工程では、複数のロールを一単位（以下、１ロットと呼ぶ。）として製造が行われ、ロットごとに検査工程（以下、ロット払い出し検査工程と呼ぶ。）を経て組立工程へ払い出される。ロット払い出し検査工程では、１ロットに含まれる複数のロールから一部のロールに含まれるパンケーキを抜き取って品質検査を行い、検査結果が良好であれば当該ロットが組立工程へ払い出される。
このような抜き取り検査において、１ロットに含まれる全製品の品質を保証するには、検査対象の製品数を増やすことが好ましい。しかしながら、品質を保証するために検査対象の製品数を増やすと検査コストが増大してしまう。特に、検査した製品を出荷せずに廃棄する場合には、検査対象の製品数の増大がより検査コストに起因する。
このような問題は、磁気テープカートリッジに限られず、抜き取り検査が行われる製品の製造において生じ得る。
本開示の技術は、複数の製品について品質を保証し、かつ検査コストを低減することを可能とする品質管理装置、品質管理方法、およびプログラムを提供することを目的とする。
上記目的を達成するために、本開示の品質管理装置は、複数の工程を経て製造される製品の品質を管理する品質管理装置であって、複数の工程から得られた既知の工程データと、既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成する予測モデル生成部と、予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、予測モデルに基づいて各製品の品質の予測値を導出する品質予測部と、品質予測部により求められた複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する検査対象決定部と、を備える。
検査対象決定部により検査対象として決定された製品の予測値と、検査対象を検査することにより得られた製品の品質の実測値との差を表す残差が、許容される誤差の範囲である誤差範囲内である場合に、複数の製品全体が良品であると判定する良否判定部をさらに備えることが好ましい。
誤差範囲は、予測値に対する既知の品質のばらつきを表す標準偏差に基づいて定められた範囲であることが好ましい。
品質予測部により導出された各予測値に対して誤差範囲を加味した値が全て規格内であるか否かを判定する事前判定部をさらに備え、検査対象決定部は、事前判定部により各予測値に対して誤差範囲を加味した値が全て規格内であると判定した場合に、検査対象の決定を行うことが好ましい。
良否判定部が、残差が誤差範囲内でないと判定した場合に、複数の製品の品質の実測値を用いて、予測モデル生成部に予測モデルの更新を実行させる予測モデル更新部をさらに備えることが好ましい。
予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データが、既知の工程データの範囲内であるか否かを判定する工程データ判定部をさらに備え、予測モデル更新部は、工程データ判定部により範囲内でないと判定された場合に、複数の製品の品質の実測値を用いて、予測モデル生成部に予測モデルの更新を実行させることが好ましい。
工程データ判定部は、ＭＴ法、またはＭＴ法においてマハラノビス距離をユークリッド距離で置き換えた方法により範囲内であるか否かを判定することが好ましい。
本開示の品質管理方法は、複数の工程を経て製造される製品の品質を管理する品質管理方法であって、複数の工程から得られた既知の工程データと、既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成する予測モデル生成ステップと、予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、予測モデルに基づいて各製品の品質の予測値を導出する品質予測ステップと、品質予測ステップにおいて求められた複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する検査対象決定ステップと、を備える。
本開示のプログラムは、複数の工程を経て製造される製品の品質を管理するプログラムであって、複数の工程から得られた既知の工程データと、既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成する予測モデル生成ステップと、予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、予測モデルに基づいて各製品の品質の予測値を導出する品質予測ステップと、品質予測ステップにおいて求められた複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する検査対象決定ステップと、コンピュータに作動させる。
本開示の技術によれば、複数の製品について品質を保証し、かつ検査コストを低減することを可能とする品質管理装置、品質管理方法、およびプログラムを提供することができる。
磁気テープカートリッジの生産工程を示す図である。 磁気テープ製造工程に含まれる各工程を示す図である。 塗布工程を示す模式図である。 カレンダ工程を示す模式図である。 裁断工程を示す模式図である。 組立工程に含まれる各工程を示す図である。 コンピュータの構成を示すブロック図である。 ＣＰＵに構成される機能およびストレージデバイスに記憶される各種データを示すブロック図である。 工程データおよび品質の具体例を示す図である。 予測モデルの生成方法を説明する図である。 工程データ判定について説明する図である。 ＭＤ値を用いた工程データ判定について説明する図である。 予測モデルに基づく予測値の導出方法を説明する図である。 １ロット分の予測値を模式的に示す図である。 事前判定について説明する図である。 残差を模式的に示す図である。 残差の度数分布と誤差範囲との関係を示す図である。 検査対象の決定方法を説明する図である。 検査対象に関する指示情報の具体例を示す図である。 検査対象のロールから品質検査を行うカートリッジを選択する選択例を示す図である。 良否判定について説明する図である。 ロットの払い出し可否に関する情報の具体例を示す図である。 学習モードで実行される処理を示すフローチャートである。 運用モードで実行される処理を示すフローチャートである。
以下、本開示の一実施形態について説明する。以下の実施形態においては、生産工程の一例として、磁気テープカートリッジ（以下、単にカートリッジという。）の生産工程について説明する。
図１において、生産工程２には、磁気テープ製造工程１０と、ロット払い出し検査工程２０と、組立工程３０とが含まれる。また、生産工程２には、品質管理装置１００が設けられている。
磁気テープ製造工程１０は、詳しくは後述するが複数の製造工程を有している。磁気テープ製造工程１０は、フィルム状のロールＲに基づき、磁気テープとしてのいわゆるパンケーキＰＣを製造する。磁気テープ製造工程１０は、複数のロールＲを単位とし、１ロールＲごとに複数のパンケーキＰＣを製造する。以下、磁気テープ製造工程１０において、予め定められた同一の条件（材料、時期、または装置など）で製造された複数のロールＲの単位をロットと称する。例えば、磁気テープ製造工程１０において、１００個のロールＲが１ロットとして製造される。
磁気テープ製造工程１０に含まれる各製造工程には、各種の工程データを取得するための工程データ取得部１１が設けられている。工程データとは、製造に係る各種のデータである。工程データには、各製造工程において製造に用いた材料または製品の特性、製造条件、製造装置の状態、製造に要した時間、および前製造工程終了時からの経過時間などが含まれる。
工程データ取得部１１は、センサ、タイマ、データ入力端末、またはデータ読み取り端末などで構成されている。工程データは、センサまたはタイマで計測すること、データ入力端末によりオペレータが入力すること、または、データ読み取り端末により工程データが記入された伝票などを読み取ることにより取得される。
各工程データ取得部１１は、ＬＡＮ（Local Area Network）等のネットワークを介して品質管理装置１００に通信可能に接続されている。工程データ取得部１１は、センサまたはタイマで構成されている場合には、計測値を、自動、または品質管理装置１００からの要求に応じて、品質管理装置１００へ送信する。工程データ取得部１１は、データ入力端末により構成されている場合には、オペレータにより入力された工程データを、自動、または品質管理装置１００からの要求に応じて、品質管理装置１００へ送信する。工程データ取得部１１は、データ読み取り端末により構成されている場合には、読み取った工程データを、自動、または品質管理装置１００からの要求に応じて、品質管理装置１００へ送信する。
ロット払い出し検査工程２０には、品質検査装置２１が設けられている。品質検査装置２１は、ロールＲの品質として、例えばパンケーキＰＣの磁気特性を検査する。ロット払い出し検査工程２０では、１ロットに含まれる複数のロールＲのうちから、１つのロールＲを検査対象として選択して品質検査が行われる。すなわち、払い出し検査工程２０では、抜き取り検査が行われる。
本実施形態では、検査対象として選択された１つのロールＲに含まれる複数のパンケーキＰＣのうち、１以上のパンケーキＰＣについて品質検査装置２１により品質検査が行われる。また、本実施形態では、検査対象として抜き取られたパンケーキＰＣのみを後述する組立工程３０によりカートリッジＣＲとした状態で、品質検査装置２１により検査が行われる。なお、ロット払い出し検査工程２０では、カートリッジＣＲに限られず、パンケーキＰＣのまま品質検査を行ってもよい。
詳しくは後述するが、品質管理装置１００は、工程データ取得部１１により取得される工程データからロールＲの品質を予測する予測モデルＭを有する。品質管理装置１００は、磁気テープ製造工程１０において新たな１ロット分の製造が行われた後、工程データ取得部１１から送信された工程データに基づき、予測モデルＭを用いて当該ロットに含まれる各ロールＲの品質を予測する。
そして、品質管理装置１００は、予測値に基づき、品質の規格値に対して最もマージンが少ない予測値が得られたロールＲを検査対象として決定する。１ロット分のロールＲから、検査対象として選択されたロールＲに含まれる複数のパンケーキＰＣのうち、１以上のパンケーキＰＣが抜き取られてロット払い出し検査工程２０に送られる。
ロット払い出し検査工程２０では、品質管理装置１００により検査対象のロールＲの品質が、カートリッジＣＲを用いて検査され、品質の実測値が品質管理装置１００へ送信される。品質管理装置１００は、品質の予測値と実測値との差異（残差）に基づいて、検査対象のロールＲの良否を判定する。品質管理装置１００は、良否の判定結果に基づいて、検査対象のロールＲが含まれる１ロット分のロールＲを組立工程３０へ払い出すか否か（払い出し可否）を決定する。品質管理装置１００は、検査対象のロールＲを良品と判定した場合には、検査対象のロールＲが含まれる１ロット分のロールＲを、組立工程３０へ払い出す（払い出し可）と決定する。
組立工程３０では、払い出されてきた１ロット分の各ロールＲに含まれる各パンケーキＰＣが、それぞれカートリッジＣＲへ組み込まれる。これらのカートリッジＣＲは、外観等を検査する出荷検査を経て、完成品として出荷される。
なお、品質検査が行われたロールＲを破棄してもよい。これにより、出荷検査における検査対象のロール数が削減され、出荷検査における検査工数（時間）の削減につながる。
図２に示すように、磁気テープ製造工程１０には、例えば、原料受入工程１０Ａ、塗布工程１０Ｂ、カレンダ工程１０Ｃ、および裁断工程１０Ｄが含まれる。各工程には、前述の工程データ取得部１１が設けられている。
原料受入工程１０Ａでは、ロールＲの原料としてのベースフィルムおよび磁性塗料などを受け入れ、受け入れた原料の検査などを行う。磁性塗料は、磁性粉を、バインダー、添加剤、および溶剤などに混合したものを、混練および分散させることにより形成されたものである。磁性粉には、酸化鉄、酸化クロム、またはメタル粒子、バリウムフェライト、ストロンチウムフェライト、イプシロン酸化鉄などが用いられる。原料受入工程１０Ａでは、工程データ取得部１１により、工程データとして、例えば、強磁性粉末の反転磁界分布（ＳＦＤ：Switching Field Distribution）の計測値が取得される
図３に示すように、塗布工程１０Ｂには、巻き出し部４０、塗布部４１、配向処理部４２、乾燥部４３、厚み測定部４４、および巻き取り部４５が含まれる。巻き出し部４０は、ロール状のベースフィルムＢＦを巻き出す。巻き出し部４０により巻き出されたベースフィルムＢＦは、塗布部４１、配向処理部４２、乾燥部４３、および厚み測定部４４を通過して巻き取り部４５により巻き取られる。
塗布部４１は、巻き出し部４０により巻き出されたベースフィルムＢＦの表面に磁性塗料を塗布する。配向処理部４２は、ベースフィルムＢＦの表面に塗布された磁性塗料の磁性体の向きを揃える配向処理を行う。乾燥部４３は、ベースフィルムＢＦの表面に塗布された磁性塗料を乾燥させる。厚み測定部４４は、磁性塗料を乾燥させることによりベースフィルムＢＦの表面に形成された磁性層の厚みを計測する。巻き取り部４５は、厚み測定部４４を通過したベースフィルムＢＦを巻き取る。巻き取り部４５により巻き取られた磁性層形成後のベースフィルムＢＦを、以下、ロールＲという。１ロットに含まれる複数のロールＲは、同一の原料を用いて製造される。
塗布工程１０Ｂでは、工程データ取得部１１は、例えば、温度センサであって、乾燥部４３による乾燥風の温度（以下、乾燥風温度という。）を工程データとして取得する。また、工程データ取得部１１は、厚み測定部４４であって、磁性層の厚みを工程データとして取得してもよい。さらに、工程データ取得部１１は、風量計であって、乾燥部４３による乾燥風の風量（以下、乾燥風量という。）を工程データとして取得してもよい。
図４に示すように、カレンダ工程１０Ｃには、巻き出し部５０、加熱加圧処理部５１、および巻き取り部５２が含まれる。巻き出し部５０は、ロールＲを巻き出す。巻き出し部５０により巻き出されたロールＲは、加熱加圧処理部５１を通過して巻き取り部５２により巻き取られる。
加熱加圧処理部５１は、加熱および加圧を行う複数のヒートローラにより、磁性層が形成されたロールＲの表面を滑らかにする加工（鏡面加工）を行う、いわゆるカレンダ装置である。
カレンダ工程１０Ｃでは、工程データ取得部１１は、例えば、温度センサであって、加熱加圧処理時の加熱温度を工程データとして取得する。また、工程データ取得部１１は、厚み測定センサであって、加熱加圧処理後の磁性層の膜厚を工程データとして取得してもよい。
図５に示すように、裁断工程１０Ｄには、巻き出し部６０、裁断部６１、および巻き取り部６２が含まれる。巻き出し部６０は、ロールＲを巻き出す。裁断部６１は、回転ナイフにより、ロールＲを裁断する。この裁断により、ロールＲは、一定のテープ幅を有する複数の磁気テープとなる。巻き取り部６２は、裁断部６１により裁断された各磁気テープを巻き取ることにより、前述の複数のパンケーキＰＣとする。
裁断工程１０Ｄでは、工程データ取得部１１は、例えば、計測センサであって、磁気テープの幅（テープ幅）を取得する。
図６に示すように、組立工程３０には、信号書き込み工程３０Ａおよび組み込み工程３０Ｂが含まれる。信号書き込み工程３０Ａでは、サーボライタ３１を用いてパンケーキＰＣにサーボ信号が書き込まれる。サーボ信号とは、磁気テープの信号を読み取るヘッドが磁気テープの所定位置に追従していることを確認するための磁気信号である。サーボライタ３１は、サーボ信号の書き込みに加えて、書き込んだサーボ信号の確認（ベリファイ）を行う。
組み込み工程３０Ｂでは、信号書き込み工程３０Ａにおいてサーボ信号が書き込まれた磁気テープをパンケーキＰＣから巻き出して、カートリッジＣＲ内に巻き取ることにより、カートリッジＣＲ内へ組み込む。これにより、カートリッジＣＲが完成する。なお、１つのパンケーキＰＣから巻き出された磁気テープは、分割されて複数のカートリッジＣＲに組み込まれる。例えば、１つのパンケーキＰＣから、５～２０個のカートリッジＣＲが製造される。
ロット払い出し検査工程２０において、ロールＲの品質として、例えばカートリッジＣＲ内に組み込まれた磁気テープに検査用の信号を書き込み、再生出力（例えば、２Ｔ Ａｍｐｌｉｔｕｄｅ［単位：％］）を測定する。
品質管理装置１００は、コンピュータにより構成されている。図７において、品質管理装置１００を構成するコンピュータは、例えば、ストレージデバイス７０、メモリ７１、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）７２、通信部７３、ディスプレイ７４、および入力デバイス７５を備えている。これらはバスライン７６を介して相互接続されている。
ストレージデバイス７０は、コンピュータに内蔵された、若しくはケーブル、ネットワークを通じて接続されたハードディスクドライブである。ストレージデバイス７０は、ハードディスクドライブを複数台連装したディスクアレイであってもよい。ストレージデバイス７０には、ＣＰＵ７２を各種の機能部として機能させるための作動プログラム７７が記憶されている。なお、ハードディスクドライブに代えて、あるいは加えて、ソリッドステートドライブを用いてもよい。
メモリ７１は、ＣＰＵ７２が処理を実行するためのワークメモリである。ＣＰＵ７２は、ストレージデバイス７０に記憶された作動プログラム７７をメモリ７１へロードし、作動プログラム７７にしたがった処理を実行することにより、コンピュータの各部を統括的に制御する。
通信部７３は、ネットワークを介した各種情報の伝送制御を行うネットワークインターフェースである。工程データ取得部１１および品質検査装置２１は、通信部７３を介して品質管理装置１００に接続されている。ディスプレイ７４は各種画面を表示する表示装置である。コンピュータは、各種画面を通じて、入力デバイス７５からの操作指示の入力を受け付ける。入力デバイス７５は、キーボード、マウス、またはタッチパネル等である。
次に、ＣＰＵ７２により実現される各種機能部について説明する。図８において、ＣＰＵ７２には、予測モデル生成部８０、予測モデル更新部８１、工程データ判定部８２、品質予測部８３、事前判定部８４、検査対象決定部８５、検査実行指示部８６、良否判定部８７、許容誤差範囲算出部８８、および払い出し可否決定部８９が構成されている。
予測モデル生成部８０は、既知の工程データＰと、既知の工程データＰに対する品質の実測値Ｑとを学習データ（教師データ）として学習することにより品質の予測モデルＭを生成する。予測モデル生成部８０は、例えば、重回帰分析によって予測モデルＭを生成する。重回帰式は、下式（１）で表される。
Ｙ＝ａ１Ｘ１＋ａ２Ｘ２＋ａ３Ｘ３＋・・・＋ａｎＸｎ＋ｂ ・・・（１）
ここで、Ｙは、目的変数である。Ｘ１，Ｘ２，Ｘ３，・・・，Ｘｎは、説明変数である。ａ１，ａ２，ａ３，・・・，ａｎは、係数である。ｂは、定数である。
予測モデル生成部８０は、品質管理装置１００により検査する品質を目的変数とし、かつ、工程データ取得部１１により取得する工程データを説明変数とする。予測モデル生成部８０は、既知の工程データＰと実測値Ｑとからなる複数組の既知データセットを用いて、勾配降下法等により最適な係数および定数を求める。上式（１）で表される重回帰式に、最適な係数および定数を適用したものが予測モデルＭである。予測モデルＭは、未知の工程データに対する品質を予測可能とする。
例えば、図９に示すように、品質（目的変数）を再生出力とする。この品質に対する工程データ（説明変数）を、強磁性粉末のＳＦＤ、乾燥風温度、乾燥風量、およびテープ幅とする。説明変数として設定する工程データは、これに限られず、理論上または経験上、目的変数として設定した品質に関係があると考えられるものを選択すればよい。ここでは、説明の簡略化のため、４つの工程データを用いているが、実際は多数（例えば１５０）の工程データが用いられる。なお、磁気テープ製造工程１０に含まれる１つの工程から１つの工程データを説明変数として選択してもよいし、１つの工程から複数の工程データを説明変数として選択してもよい。
予測モデル生成部８０は、図１０に示すように、ロールＲごとに得られた既知の工程データＰおよび実測値Ｑを説明変数および目的変数に対応させて学習（係数および定数の最適化）を行い、最適な係数および定数を重回帰式に代入することにより、予測モデルＭを生成する。
予測モデル更新部８１は、予測モデル生成部８０に、新たな既知データセットに基づいて新たな予測モデルＭを生成する予測モデルＭの更新処理を実行させる。予測モデル更新部８１は、工程データ判定部８２、事前判定部８４、または良否判定部８７からの指示に応じて、予測モデル生成部８０に、予測モデルＭの更新処理を実行させる。
予測モデル生成部８０による予測モデルＭの生成および更新は、学習モードにおいて実行される。学習モードは、事前に取得された既知データセット、および／または、後述する運用モードで取得された既知データセットを用いて予測モデルＭの生成または更新を行う動作モードである。
工程データ判定部８２は、予測モデルＭの生成後の運用モードにおいて動作する。運用モードとは、予測モデルＭを用いて、磁気テープ製造工程１０により得られた１ロット分のロールＲの品質を予測することにより、ロット払い出し検査の検査対象とするロールＲを決定する動作モードである。
工程データ判定部８２は、運用モードにおいて工程データ取得部１１により取得された新たな工程データ（以下、新規工程データという。）Ｐｎが、既知の工程データＰの範囲内であるか否かを判定する。すなわち、工程データ判定部８２は、新規工程データＰｎが得られるたびに、既知の工程データＰの実績範囲内であるか否かを判定する。実績範囲とは、図１１に示すように、既知の工程データＰが分布する範囲であって、当該範囲内の工程データＰに基づいて予測モデルＭが生成されている。なお、説明の簡略化のため、図１１は、説明変数が１つのみの単回帰の場合を例示している。
例えば、図１１に示すように、新規工程データＰｎが実績範囲外である場合には、予測モデルＭを用いて品質の予測値を求めるためには、予測モデルＭを実績範囲外へ外挿する必要がある。このように予測モデルＭを外挿すると後段の品質予測部８３による品質の予測精度が低下することから、工程データ判定部８２は、新規工程データＰｎが得られた段階で、新規工程データＰｎが実績範囲内であるか否かを判定する。
実際の予測モデルＭは、複数の説明変数を有する重回帰式で表されるため、工程データ判定部８２は、マハラノビス・タグチ法（以下、ＭＴ法という。）により新規工程データＰｎが実績範囲内であるか否かを判定する。ＭＴ法とは、多次元のデータから算出されマハラノビス距離（以下、ＭＤ（Mahalanobis Distance）値ともいう。）に基づいて異常検知を行う方法である。マハラノビス距離は、データ間の相関を考慮した距離であり、ユークリッド距離とは異なる。
工程データ判定部８２は、既知の工程データＰで構成されるデータ群からの新規工程データＰｎの距離を表すＭＤ値に基づいて判定を行う。具体的には、工程データ判定部８２は、図１２に示すように、１ロットに含まれるロールＲごとに、新規工程データＰｎに基づいてＭＤ値を算出する。図１２では、説明の簡略化のため、１ロットに５個のロールＲが含まれているとしている。
図１２に示す例では、強磁性粉末のＳＦＤ、乾燥風温度、乾燥風量、およびテープ幅の新規工程データＰｎから、ロールＲごとに１つのＭＤ値を算出する。工程データ判定部８２は、１ロットに含まれる各ロールＲのＭＤ値がすべて閾値以下であれば、実績範囲内（既知の工程データＰの範囲内）であると判定する。工程データ判定部８２は、１ロット中、少なくとも１つのＭＤ値が閾値より大きい場合には、実績範囲外（既知の工程データＰの範囲外）であると判定する。
マハラノビス距離は、説明変数間に相関がある場合に用いることが好ましい。説明変数間に相関がないと考えられる場合などでは、マハラノビス距離に代えてユークリッド距離を用いてもよい。すなわち、工程データ判定部８２は、ＭＴ法においてマハラノビス距離をユークリッド距離で置き換えた方法により上記の判定を行ってもよい。
工程データ判定部８２は、１ロット分の新規工程データＰｎがすべて実績範囲内である場合には、品質予測部８３に対して、工程データ判定に合格したことを表す情報（ＯＫ信号）とともに、新規工程データＰｎを送信する。一方、工程データ判定部８２は、１ロット中、少なくとも１つ新規工程データＰｎが実績範囲外である場合には、予測モデル更新部８１に対して、工程データ判定において不合格となったことを表す情報（ＮＧ信号）を送信する。
品質予測部８３は、新規工程データＰｎを入力データとして、予測モデルＭに基づいてロールＲの品質の予測値Ｑｐを導出する。具体的には、品質予測部８３は、図１３に示すように、新規工程データＰｎを予測モデルＭに入力することにより品質の予測値Ｑｐを導出する。なお、説明の簡略化のため、図１３は、図１１と同様に、説明変数が１つのみの単回帰の場合を例示している。より具体的には、品質予測部８３は、上式（１）で表される予測モデルＭの説明変数Ｘ１，Ｘ２，Ｘ３，・・・，Ｘｎにそれぞれ対応する新規工程データＰｎを入力することにより求まる目的変数Ｙの値を予測値Ｑｐとして出力する。
また、品質予測部８３は、図１４に示すように、１ロットに含まれる各ロールＲについて予測値Ｑｐを導出する。
事前判定部８４は、品質予測部８３により導出された１ロット分の各予測値Ｑｐに対して、許容される誤差の範囲である誤差範囲Δを加味した値が全て規格内であるか否かを判定する。具体的には、事前判定部８４は、図１５に示すように、各予測値Ｑｐを基準として誤差範囲Δを加えた値が、下限値ＳＬおよび上限値ＳＨで規定される規格の範囲内であるか否かを判定する。下限値ＳＬおよび上限値ＳＨは、ストレージデバイス７０に記憶された規格ＳＰに基づくものである。この規格ＳＰは、例えば、オペレータが入力デバイス７５を操作することにより予め設定されている。なお、規格ＳＰは、上限および下限で規定されるものでなくてもよく、上限または下限のみで規定されるものであってもよい。
誤差範囲Δは、許容誤差範囲算出部８８により算出される。許容誤差範囲算出部８８は、過去に取得された残差データＲＤに基づいて誤差範囲Δを算出する。残差データＲＤは、図１６に示すように、予測値Ｑｐと実測値Ｑとの差を表す残差γの既知データであり、ストレージデバイス７０に記憶されている。
残差γは、下式（２）で表される。
γ＝Ｑｐ－Ｑ ・・・（２）
ここで、実測値Ｑは、予測値Ｑｐが得られたロールＲに対する品質の実測値である。
許容誤差範囲算出部８８は、図１７に示すように、残差データＲＤを構成する残差γの度数分布に基づいて、既知の品質のばらつきを表す標準偏差σを算出する。そして、許容誤差範囲算出部８８は、算出した標準偏差σに基づいて誤差範囲Δを定める。許容誤差範囲算出部８８は、例えば、±３σの範囲を誤差範囲Δとする。なお、誤差範囲Δは、±３σの範囲に限られず、適宜変更可能である。誤差範囲Δを残差データＲＤに依存しない一定値とすることも可能である。
残差γは予測モデルＭの予測精度に依存するため、誤差範囲Δを求めるための残差データＲＤは、同一の予測モデルＭを用いて得られた予測値Ｑｐに基づくものであることが好ましい。
許容誤差範囲算出部８８は、事前判定部８４に加えて、後述する良否判定部８７にも誤差範囲Δの情報を提供する。
事前判定部８４は、品質予測部８３により導出された各予測値Ｑｐに対して誤差範囲Δを加味した値が全て規格内である場合には、検査対象決定部８５に対して事前判定に合格したことを表す情報（ＯＫ信号）を供給する。一方、事前判定部８４は、１ロット中、少なくとも１つのロールＲに対する予測値Ｑｐに誤差範囲Δを加味した値が規格外である場合には、予測モデル更新部８１に対して事前判定において不合格となったことを表す情報（ＮＧ信号）を送信する。
検査対象決定部８５は、品質予測部８３により導出された１ロット分の品質の予測値Ｑｐのうち、規格ＳＰに対するマージンが最も少ない予測値Ｑｐを特定し、かつ特定した予測値Ｑｐが得られたロールＲを検査対象として決定する。具体的には、検査対象決定部８５は、図１８に示すように、下限値ＳＬまたは上限値ＳＨとの差異が最も小さい予測値Ｑｐが得られたロールＲを検査対象として決定する。図１８に示す例では、１ロット分のロールＮｏ．１～５のうち、ロールＮｏ．３が検査対象として決定される。
検査対象決定部８５は、決定した検査対象の情報（ロールＲの識別情報）を検査実行指示部８６に供給する。検査実行指示部８６は、検査対象決定部８５から供給された検査対象の情報に基づき、当該検査対象のロールＲの品質検査を実行させる指示情報を、品質検査装置２１に対して送信する。
品質検査装置２１には、ディスプレイ等の表示部が設けられており、品質検査装置２１から受信した検査対象に関する指示情報を表示部に表示する。品質検査装置２１は、例えば、図１９に示すように、検査対象として決定されたロールＮｏ．３に対する品質検査の実行を促すメッセージを表示部２２に表示させる。オペレータは、表示部２２に表示されたメッセージに基づいて、検査対象のロールＲに対する品質検査を行うことができる。なお、品質検査装置２１が、検査実行指示部８６からの指示に応じて測定した品質の実測値を、以下、新規実測値Ｑｎという。
品質検査装置２１による品質検査は、例えば、品質の測定精度を高めるために、検査対象のロールＲから作製された複数のカートリッジＣＲを用いて行われる。複数のカートリッジＣＲの品質の実測値の平均値が、新規実測値Ｑｎとされる。
例えば、図２０に示すように、検査対象のロールＲから形成された複数のパンケーキＰＣのうち、ロールＲの両端および中央から抜き取った３つのパンケーキＰＣを、それぞれ組立工程３０で複数のカートリッジＣＲとする。そして、各パンケーキＰＣの両端および中央に対応するカートリッジＣＲを品質検査の対象とする。この例では、検査対象の１つのロールＲに対して、合計９個のカートリッジＣＲが検査される。これらの９個のカートリッジＣＲを用いた品質の実測値の平均値が、新規実測値Ｑｎとされる。なお、検査対象のロールＲに対して１つのカートリッジＣＲのみを品質検査してもよい。
品質検査装置２１は、品質検査の結果得られた新規実測値Ｑｎを、自動、または品質管理装置１００からの要求に応じて、品質管理装置１００へ送信する。
良否判定部８７は、予測値Ｑｐと新規実測値Ｑｎとの残差γを下式（３）に基づいて算出する。
γ＝Ｑｐ－Ｑｎ ・・・（３）
ここで、新規実測値Ｑｎは、予測値Ｑｐが得られた検査対象のロールＲに対する品質の実測値（図２０に示す例では９個の実測値の平均値）である。新規実測値Ｑｎは、実測値Ｑとしてストレージデバイス７０に記憶され、残差γは残差データＲＤとしてストレージデバイス７０に記憶される。
そして、良否判定部８７は、算出した残差γが誤差範囲Δ内であるか否かを判定する。誤差範囲Δは、許容誤差範囲算出部８８から供給されるものであり、事前判定部８４により用いたものと同一の値である。事前判定部８４による事前判定では、予測値Ｑｐに対して誤差範囲Δを加味して規格ＳＰに対する判定を行っているので、残差γが誤差範囲Δ内であれば、新規実測値Ｑｎが規格外となることはない。
したがって、良否判定部８７は、図２１に示すように、残差γが誤差範囲Δ内である場合には、検査対象のロールＲが良品であって、かつ検査対象のロールＲが属するロットが良品（当該ロットに含まれる複数のロールＲ全体が良品）であると判定する。
一方、残差γが誤差範囲Δ外である場合には、良否判定部８７は、検査対象のロールＲは不良品であると判定する。この場合、良否判定部８７は、予測モデル更新部８１に対して良否判定において不合格となったことを表す情報（ＮＧ信号）を送信する。
良否判定部８７は、良否判定の判定結果を払い出し可否決定部８９に送信する。払い出し可否決定部８９は、良否判定部８７から受信した判定結果に基づき、検査対象のロールＲが含まれるロットの組立工程３０への払い出し可否に関する情報をディスプレイ７４に表示させる。払い出し可否決定部８９は、例えば図２２に示すように、検査対象のロールＮｏ．３が良品であると判定された場合には、ロールＮｏ．３を含むロットを組立工程３０へ払い出すことを促すメッセージをディスプレイ７４に表示させる。オペレータは、ディスプレイ７４に表示されたメッセージに基づいて、ロットを組立工程３０へ払い出す作業を行うことができる。
良否判定部８７は、検査対象のロールＲが不良品である場合には、検査対象のロールＲが含まれるロットの組立工程３０への払い出しが不可であることを表す情報をディスプレイ７４に表示させる。さらに、良否判定部８７は、当該ロールＲが含まれるロットを再検査すべきことを表す情報をディスプレイ７４に表示させてもよい。この再検査は、例えば、検査対象決定部８５により検査対象として決定されたロールＲ以外の複数のロールＲについて品質検査を行う抜き取り検査である。
同様に、工程データ判定部８２による工程データ判定において不合格となった場合、および事前判定部８４による事前判定において不合格となった場合に、ロットの組立工程３０への払い出しが不可であることを表す情報をディスプレイ７４に表示させてもよい。この場合、さらに、複数のロールＲについて品質検査を行う抜き取り検査の実行を促すメッセージをディスプレイ７４に表示させてもよい。
予測モデル更新部８１は、工程データ判定において不合格、事前判定において不合格、または良否判定において不合格となった場合に、予測モデル生成部８０に予測モデルＭの更新処理を実行させる。予測モデル生成部８０は、予測モデルＭを更新する場合には、予測モデルＭの生成後に新たに取得された新規工程データＰｎおよび新規実測値Ｑｎを既知データセットに加えて再度学習を行う。
次に、以上の構成の作用を、図２３および図２４に示すフローチャートを用いて説明する。最初に、予測モデルＭの生成を行うための学習モードを、図２３を参照しながら説明する。まず、磁気テープ製造工程１０において１ロット分のロールＲが処理されることにより、複数のパンケーキＰＣが製造される（ステップＳ１０）。次に、製造時に各工程の工程データ取得部１１によって取得された工程データＰが、品質管理装置１００に送信される（ステップＳ１１）。ステップＳ１０とステップＳ１１とは並行して行われてもよい。
磁気テープ製造工程１０により１ロット分のロールＲに対する製造が終了すると、当該１ロット分のロールＲから複数のロールＲについて、品質検査装置２１を用いた品質検査が行われる（ステップＳ１２）。ここでは、１ロット中のロールＲから、予め設定された位置にある複数のロールＲが検査対象とされる。なお、１ロット中のすべてのロールＲを検査対象としてもよい。品質検査装置２１により計測された品質の実測値Ｑが、品質管理装置１００に供給される。
ステップＳ１０～Ｓ１２の処理は、繰り返し実行される。一定数のロットについて、ステップＳ１０～Ｓ１２の処理が行われたか否かが判定され（ステップＳ１３）、一定数のロットについて処理が終了すると（ステップＳ１３：ＹＥＳ）、ステップＳ１４に移行する。ステップＳ１４では、予測モデル生成部８０が、工程データＰと実測値Ｑとからなる既知データセットを教師データとして学習を行うことにより、予測モデルＭが生成される（図１０参照）。
次に、新たに製造されるロットの払い出し可否を予測モデルＭに基づいて判定する運用モードを、図２４を参照しながら説明する。まず、磁気テープ製造工程１０において１ロット分のロールＲが処理されることにより、複数のパンケーキＰＣが製造される（ステップＳ２０）。次に、製造時に各工程の工程データ取得部１１によって取得された新規工程データＰｎが、品質管理装置１００に送信される（ステップＳ２１）。ステップＳ２０とステップＳ２１とは並行して行われてもよい。
次に、工程データ判定部８２により、ステップＳ２１で取得された１ロット分の新規工程データＰｎが、既知の工程データＰの範囲（実績範囲）内であるか否かが判定される（ステップＳ２２）。この判定は、例えばＭＴ法を用いて行われる（図１２参照）。１ロット分の新規工程データＰｎがすべて実績範囲内である場合には（ステップＳ２３：ＹＥＳ）、ステップＳ２４に移行する。一方、１ロット中、少なくとも１つ新規工程データＰｎが実績範囲外である場合には（ステップＳ２３：ＮＯ）、ステップＳ３３に移行する。
ステップＳ２４では、品質予測部８３により、ステップＳ２１で取得された１ロット分の新規工程データＰｎに基づいて、各ロールＲの品質の予測値Ｑｐが導出される。この予測値Ｑｐの導出は、前述の学習モードで生成された予測モデルＭを用いて行われる（図１３および図１４参照）。
次に、事前判定部８４により、ステップＳ２４で導出された１ロット分の各予測値Ｑｐに対して誤差範囲Δを加味した値が全て規格ＳＰ内であるか否かが判定される（ステップＳ２５）。この事前判定は、許容誤差範囲算出部８８により算出された誤差範囲Δを用いて行われる（図１５参照）。この誤差範囲Δは、学習モード等の過去に取得された残差データＲＤに基づいて算出される（図１６および図１７参照）。１ロット分の各予測値Ｑｐに対して誤差範囲Δを加味した値が全て規格ＳＰ内である場合には（ステップＳ２６：ＹＥＳ）、ステップＳ２７に移行する。一方、１ロット中、少なくとも１つのロールＲに対する予測値Ｑｐに誤差範囲Δを加味した値が規格ＳＰ外である場合には（ステップＳ２６：ＮＯ）、ステップＳ３３に移行する。
ステップＳ２７では、検査対象決定部８５により、ステップＳ２４で導出された１ロット分の予測値Ｑｐのうち、規格ＳＰに対するマージンが最も少ない予測値Ｑｐが特定される。そして、特定された予測値Ｑｐが得られたロールＲが検査対象として決定される（図１８参照）。検査対象のロールＲが決定されると、検査実行指示部８６により、検査対象のロールＲの品質検査を実行させる指示情報が品質検査装置２１に送信される（ステップＳ２８）。これに応じて品質検査装置２１の表示部２２には、オペレータに検査対象として決定されたロールＲに対する品質検査を行うことを促すメッセージが表示される（図１９参照）。
品質検査は、検査対象のロールＲから抽出されたパンケーキＰＣから作成された複数のカートリッジＣＲを用いて行われる（図２０参照）。複数のカートリッジＣＲに対する品質の実測値の平均値が、新規実測値Ｑｎとされる。品質検査装置２１によって新規実測値Ｑｎが取得されると、新規実測値Ｑｎが品質管理装置１００に送信される（ステップＳ２９）。
良否判定部８７は、検査対象のロールＲに対する品質の予測値Ｑｐと、ステップＳ２９で取得された新規実測値Ｑｎとの差である残差γに基づいて良否判定を行う（ステップＳ３０）。具体的には、良否判定部８７により、残差γが誤差範囲Δ内であるか否かが判定される（図２１参照）。残差γが誤差範囲Δ内である場合には（ステップＳ３１：ＹＥＳ）、ステップＳ３２に移行する。一方、残差γが誤差範囲Δ外である場合には（ステップＳ３１：ＮＯ）、ステップＳ３３に移行する。
ステップＳ３２では、払い出し可否決定部８９により、検査対象のロールＲを含むロールを組立工程３０に払い出すことが決定される（ステップＳ３２）。このとき、ディスプレイ７４には、当該ロットを組立工程３０へ払い出すことを促すメッセージが表示される（図２２参照）。
ステップＳ３３では、払い出し可否決定部８９により、検査対象のロールＲを含むロールの組立工程３０への払い出しが不可と決定される。そして、予測モデル生成部８０により、予測モデルＭの更新処理が実行される（ステップＳ３４）。払い出しが不可と決定されたロットは、オペレータによって適宜再検査が行われ、再検査に合格した場合に、ロット単位またはロール単位で組立工程３０へ払い出される。
ステップＳ３２およびステップＳ３４の後、オペレータによって入力デバイス７５等を用いて終了操作が行われたか否かが判定される（ステップＳ３５）。オペレータによって終了操作が行われた場合には（ステップＳ３５：ＹＥＳ）、処理が終了する。オペレータによって終了操作が行われない場合には（ステップＳ３５：ＮＯ）、再びステップＳ２０に移行する。
以上のように、本開示の技術によれば、品質予測部８３により求められた複数の製品（ロールＲ）に対する品質の予測値Ｑｐのうち、予め設定された規格ＳＰに対するマージンが最も少ない予測値Ｑｐが得られた製品を検査対象として決定される。これにより、１つの製品に対する検査結果のみに基づいて複数の製品について品質を判定することができるので、複数の製品について品質を保証し、かつ検査コストを低減することを可能となる。
また、本開示の技術では、良否判定部８７により、検査対象として決定された製品の予測値Ｑｐと、検査対象を検査することにより得られた製品の品質の実測値Ｑｎとの差を表す残差γが、誤差範囲Δ内である場合に、複数の製品全体が良品であると判定される。また、本開示の技術では、事前判定部８４により、品質検査を行う前に、品質予測部８３により導出された各予測値Ｑｐに対して誤差範囲Δを加味した値が全て規格ＳＰ内であるか否かが判定される。これにより、良否判定部８７に残差γが誤差範囲Δ内であると判定されたにもかかわらず、実測値Ｑｎが規格ＳＰ外となる可能性がないことを、事前に保証することができる。
また、本開示の技術では、複数の工程データが得られた時点で、工程データ判定部８２により、当該複数の工程データが既知の工程データの範囲内であるか否かが判定される。既知の工程データの範囲内でないと判定された場合に、複数の製品の品質の実測値を用いて予測モデルＭの更新が行われるので、品質の予測精度が低いことにより信頼性の低い品質検査の実行が抑制される。
上記実施形態では、ロールＲが製品に対応する。本開示における製品には、完成品に限られず、半製品または仕掛品などが含まれる。
また、上記実施形態では、品質検査において検査する品質の項目を１つのみ（上記実施形態では再生出力）としているが、品質の項目は１つに限られず、複数であってもよい。磁気テープの場合には、品質として、再生出力以外に、信号のＳ／Ｎ比、または解像度（resolution）などが挙げられる。品質の項目を２以上とする場合には、品質の項目を目的変数とし、かつ各目的変数に対して説明変数としての工程データを選択すればよい。すなわち、品質の項目ごとに予測モデルＭを生成すればよい。
また、上記実施形態では、予測モデルＭを重回帰モデルにより構成しているが、重回帰モデルに限られず、一般化加法モデルにより構成することも可能である。また、予測モデルＭをニューラルネットワークにより構成することも可能である。さらに、予測モデルＭを、ランダムフォレストおよび勾配ブースティング木（Ｇｒａｄｉｅｎｔ Ｔｒｅｅ Ｂｏｏｓｔｉｎｇ）により代表されるアンサンブル学習、サポートベクターマシン、正則化回帰、ロジスティック回帰、またはＴ法等により生成することも可能である。
また、上記実施形態では、工程データ判定、事前判定、または良否判定のいずれかにおいて不合格となった場合に予測モデルＭの更新を実行するとしているが、予測モデルＭの更新は必須ではない。判定結果に応じて、予測モデルＭの更新の可否をオペレータが入力デバイス７５等の操作により決定可能としてもよい。
また、上記実施形態では、品質管理装置１００を磁気テープカートリッジの生産工程に適用しているが、磁気テープカートリッジに限られず、各種製品の生産工程に適用可能である。特に、品質管理装置１００は、抜き取り検査が行われ、検査した製品を出荷せずに廃棄する生産工程に適している。
上記実施形態において、例えば、予測モデル生成部８０、予測モデル更新部８１、工程データ判定部８２、品質予測部８３、事前判定部８４、検査対象決定部８５、検査実行指示部８６、良否判定部８７、許容誤差範囲算出部８８、および払い出し可否決定部８９といった各種の処理を実行する処理部（Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のハードウェア的な構造としては、次に示す各種のプロセッサ（Ｐｒｏｃｅｓｓｏｒ）を用いることができる。各種のプロセッサには、上述したように、ソフトウェア（作動プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の製造後に回路構成を変更可能なプロセッサであるＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせ、および／または、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（Ｓｙｓｔｅｍ Ｏｎ Ｃｈｉｐ:ＳｏＣ）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（ｃｉｒｃｕｉｔｒｙ）を用いることができる。
以上の記載から、以下の付記項１から５に記載の発明を把握することができる。
［付記項１］
複数の工程を経て製造される製品の品質を管理する品質管理装置であって、
少なくとも１つのプロセッサを備え、
前記プロセッサは、
前記複数の工程から得られた既知の工程データと、前記既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成し、
前記予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、前記予測モデルに基づいて各製品の品質の予測値を導出し、
前記複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する品質管理装置。
［付記項２］
前記プロセッサは、
検査対象として決定された製品の前記予測値と、前記検査対象を検査することにより得られた製品の品質の実測値との差を表す残差が、許容される誤差の範囲である誤差範囲内である場合に、前記複数の製品全体が良品であると判定する付記項１に記載の品質管理装置。
［付記項３］
前記プロセッサは、
導出した戦記各予測値に対して前記誤差範囲を加味した値が全て前記規格内であるか否かを判定する機能を備え、
前記各予測値に対して前記誤差範囲を加味した値が全て前記規格内であると判定した場合に、前記検査対象の決定を行う付記項２に記載の品質管理装置。
［付記項４］
前記プロセッサは、
前記残差が前記誤差範囲内でないと判定した場合に、前記複数の製品の品質の実測値を用いて、前記予測モデルを更新する付記項２に記載の品質管理装置。
［付記項５］
前記プロセッサは、
前記予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データが、前記既知の工程データの範囲内であるか否かを判定する機能を備え、
前記既知の工程データの範囲内でないと判定した場合に、前記複数の製品の品質の実測値を用いて、前記予測モデルを更新する付記項４に記載の品質管理装置。
本開示の技術は、上述の種々の実施形態と種々の変形例を適宜組み合わせることも可能である。また、上記実施形態に限らず、要旨を逸脱しない限り種々の構成を採用し得ることはもちろんである。さらに、本開示の技術は、プログラムに加えて、プログラムを非一時的に記憶する記憶媒体にもおよぶ。
以上に示した記載内容および図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用、および効果に関する説明は、本開示の技術に係る部分の構成、機能、作用、および効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容および図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことはいうまでもない。また、錯綜を回避し、本開示の技術に係る部分の理解を容易にするために、以上に示した記載内容および図示内容では、本開示の技術の実施を可能にする上で特に説明を要しない技術常識等に関する説明は省略されている。
本明細書において、「Ａおよび／またはＢ」は、「ＡおよびＢのうちの少なくとも１つ」と同義である。つまり、「Ａおよび／またはＢ」は、Ａだけであってもよいし、Ｂだけであってもよいし、ＡおよびＢの組み合わせであってもよい、という意味である。
本明細書に記載された全ての文献、特許出願および技術規格は、個々の文献、特許出願および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。
２ 生産工程
１０ 磁気テープ製造工程
１０Ａ 原料受入工程
１０Ｂ 塗布工程
１０Ｃ カレンダ工程
１０Ｄ 裁断工程
１１ 工程データ取得部
２０ ロット払い出し検査工程
２１ 品質検査装置
２２ 表示部
３０ 組立工程
３０Ａ 信号書き込み工程
３０Ｂ 組み込み工程
３１ サーボライタ
４０ 巻き出し部
４１ 塗布部
４２ 配向処理部
４３ 乾燥部
４４ 厚み測定部
４５ 巻き取り部
５０ 巻き出し部
５１ 加熱加圧処理部
５２ 巻き取り部
６０ 巻き出し部
６１ 裁断部
６２ 巻き取り部
７０ ストレージデバイス
７１ メモリ
７２ ＣＰＵ
７３ 通信部
７４ ディスプレイ
７５ 入力デバイス
７６ バスライン
７７ 作動プログラム
８０ 予測モデル生成部
８１ 予測モデル更新部
８２ 工程データ判定部
８３ 品質予測部
８４ 事前判定部
８５ 検査対象決定部
８６ 検査実行指示部
８７ 良否判定部
８８ 許容誤差範囲算出部
８９ 可否決定部
１００ 品質管理装置
Δ 誤差範囲
γ 残差
σ 標準偏差
ＢＦ ベースフィルム
ＣＲ カートリッジ
Ｍ 予測モデル
Ｐ 工程データ
ＰＣ パンケーキ
Ｐｎ 新規工程データ
Ｑ 実測値
Ｑｎ 新規実測値
Ｑｐ 予測値
Ｒ ロール
ＲＤ 残差データ
ＳＨ 上限値
ＳＬ 下限値
ＳＰ 規格

Claims (7)

  1. 複数の工程を経て製造される製品の品質を管理する品質管理装置であって、
    前記複数の工程から得られた既知の工程データと、前記既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成する予測モデル生成部と、
    前記予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、前記予測モデルに基づいて各製品の品質の予測値を導出する品質予測部と、
    前記品質予測部により求められた複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する検査対象決定部と、
    前記検査対象決定部により検査対象として決定された製品の前記予測値と、前記検査対象を検査することにより得られた製品の品質の実測値との差を表す残差が、許容される誤差の範囲である誤差範囲内である場合に、前記複数の製品全体が良品であると判定する良否判定部と、
    前記品質予測部により導出された各予測値に対して前記誤差範囲を加味した値が全て前記規格内であるか否かを判定する事前判定部と、
    を備え、
    前記検査対象決定部は、前記事前判定部により前記各予測値に対して前記誤差範囲を加味した値が全て前記規格内であると判定した場合に、前記検査対象の決定を行う
    品質管理装置。
  2. 前記誤差範囲は、前記予測値に対する前記既知の品質のばらつきを表す標準偏差に基づいて定められた範囲である請求項１に記載の品質管理装置。
  3. 前記良否判定部が、前記残差が前記誤差範囲内でないと判定した場合に、前記複数の製品の品質の実測値を用いて、前記予測モデル生成部に前記予測モデルの更新を実行させる予測モデル更新部をさらに備える請求項１又は請求項２に記載の品質管理装置。
  4. 前記予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データが、前記既知の工程データの範囲内であるか否かを判定する工程データ判定部をさらに備え、
    前記予測モデル更新部は、前記工程データ判定部により前記範囲内でないと判定された場合に、前記複数の製品の品質の実測値を用いて、前記予測モデル生成部に前記予測モデルの更新を実行させる請求項３に記載の品質管理装置。
  5. 前記工程データ判定部は、ＭＴ法、またはＭＴ法においてマハラノビス距離をユークリッド距離で置き換えた方法により前記範囲内であるか否かを判定する請求項４に記載の品質管理装置。
  6. 複数の工程を経て製造される製品の品質を管理する品質管理方法であって、
    前記複数の工程から得られた既知の工程データと、前記既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成する予測モデル生成ステップと、
    前記予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、前記予測モデルに基づいて各製品の品質の予測値を導出する品質予測ステップと、
    前記品質予測ステップにおいて求められた複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する検査対象決定ステップと、
    前記検査対象決定ステップで検査対象として決定された製品の前記予測値と、前記検査対象を検査することにより得られた製品の品質の実測値との差を表す残差が、許容される誤差の範囲である誤差範囲内である場合に、前記複数の製品全体が良品であると判定する良否判定ステップと、
    前記品質予測ステップで導出された各予測値に対して前記誤差範囲を加味した値が全て前記規格内であるか否かを判定する事前判定ステップと、
    を備え、
    前記検査対象決定ステップでは、前記事前判定ステップで前記各予測値に対して前記誤差範囲を加味した値が全て前記規格内であると判定した場合に、前記検査対象の決定を行う
    品質管理方法。
  7. 複数の工程を経て製造される製品の品質を管理するプログラムであって、
    前記複数の工程から得られた既知の工程データと、前記既知の工程データに対する製品の品質の実測値とを学習データとして学習を行うことにより、未知の工程データに対する製品の品質を予測する予測モデルを生成する予測モデル生成ステップと、
    前記予測モデルの生成後に製造が行われることにより得られた複数の製品の工程データを入力データとして、前記予測モデルに基づいて各製品の品質の予測値を導出する品質予測ステップと、
    前記品質予測ステップにおいて求められた複数の品質の予測値のうち、予め設定された規格に対するマージンが最も少ない予測値が得られた製品を検査対象として決定する検査対象決定ステップと、
    前記検査対象決定ステップで検査対象として決定された製品の前記予測値と、前記検査対象を検査することにより得られた製品の品質の実測値との差を表す残差が、許容される誤差の範囲である誤差範囲内である場合に、前記複数の製品全体が良品であると判定する良否判定ステップと、
    前記品質予測ステップで導出された各予測値に対して前記誤差範囲を加味した値が全て前記規格内であるか否かを判定する事前判定ステップと、
    前記検査対象決定ステップでは、前記事前判定ステップで前記各予測値に対して前記誤差範囲を加味した値が全て前記規格内であると判定した場合に、前記検査対象の決定を行うこと、
    をコンピュータに作動させるプログラム。
JP2019238178A 2019-12-27 2019-12-27 品質管理装置、品質管理方法、およびプログラム Active JP7275023B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019238178A JP7275023B2 (ja) 2019-12-27 2019-12-27 品質管理装置、品質管理方法、およびプログラム
US17/117,097 US11630450B2 (en) 2019-12-27 2020-12-09 Quality control device, quality control method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019238178A JP7275023B2 (ja) 2019-12-27 2019-12-27 品質管理装置、品質管理方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2021105959A JP2021105959A (ja) 2021-07-26
JP7275023B2 true JP7275023B2 (ja) 2023-05-17

Family

ID=76547191

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019238178A Active JP7275023B2 (ja) 2019-12-27 2019-12-27 品質管理装置、品質管理方法、およびプログラム

Country Status (2)

Country Link
US (1) US11630450B2 (ja)
JP (1) JP7275023B2 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11500361B2 (en) * 2019-11-14 2022-11-15 Panasonic Intellectual Property Management Co., Ltd. Learned model generation method
US11764391B2 (en) * 2019-11-14 2023-09-19 Panasonic Intellectual Property Management Co., Ltd. Display method and learned model generation method
JP7241149B1 (ja) 2021-10-27 2023-03-16 本田技研工業株式会社 加工支援システム
CN116048032B (zh) * 2023-04-03 2023-06-13 四川宏大安全技术服务有限公司 基于互联网的石油化工生产安全监测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012027683A (ja) 2010-07-23 2012-02-09 Nippon Steel Corp 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
JP2012226511A (ja) 2011-04-19 2012-11-15 Hitachi Ltd 歩留まり予測システムおよび歩留まり予測プログラム
JP2016062266A (ja) 2014-09-17 2016-04-25 株式会社東芝 品質管理装置およびその管理方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004296036A (ja) 2003-03-28 2004-10-21 Hitachi Maxell Ltd 磁気テープの製造方法
TWI267012B (en) * 2004-06-03 2006-11-21 Univ Nat Cheng Kung Quality prognostics system and method for manufacturing processes
TWI407325B (zh) * 2010-05-17 2013-09-01 Nat Univ Tsing Hua 製程品質預測系統及其方法
RU2729697C2 (ru) * 2010-06-30 2020-08-11 Шлюмбергер Текнолоджи Б.В. Система, способ и устройство для прогнозирования и управления состоянием нефтепромыслового оборудования
JP7143148B2 (ja) * 2018-08-23 2022-09-28 三菱重工業株式会社 予測装置、予測方法、及びプログラム
US11119456B2 (en) * 2019-03-14 2021-09-14 Kaneka Corporation Production system, information processing method, and production method
CN112989550A (zh) * 2019-12-18 2021-06-18 鸿富锦精密电子(天津)有限公司 虚拟量测方法、装置及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012027683A (ja) 2010-07-23 2012-02-09 Nippon Steel Corp 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
JP2012226511A (ja) 2011-04-19 2012-11-15 Hitachi Ltd 歩留まり予測システムおよび歩留まり予測プログラム
JP2016062266A (ja) 2014-09-17 2016-04-25 株式会社東芝 品質管理装置およびその管理方法

Also Published As

Publication number Publication date
JP2021105959A (ja) 2021-07-26
US20210200198A1 (en) 2021-07-01
US11630450B2 (en) 2023-04-18

Similar Documents

Publication Publication Date Title
JP7275023B2 (ja) 品質管理装置、品質管理方法、およびプログラム
US5546329A (en) Evaluation and ranking of manufacturing line non-numeric information
JP7036908B2 (ja) プロセス制御パラメータを生成するために機械学習アプローチを使用する半導体製造
US20210264076A1 (en) Information processing system and simulation method
US11543388B2 (en) In-process quality assessment for additive manufacturing
CN102473631B (zh) 用于等离子体处理工具原位工艺监控和控制的方法和装置
US7930123B2 (en) Method, apparatus, and computer readable medium for evaluating a sampling inspection
JP2010522942A (ja) 改良型プロセス制御用のモデルメンテナンスアーキテクチャ
US20130024400A1 (en) Advanced modeling of printed circuit board costs
JP2022528166A (ja) 切削エッジに基づく視覚的金属パネル品質検出
Zörrer et al. Using business analytics for decision support in zero defect manufacturing of composite parts in the aerospace industry
TW202227837A (zh) 利用基於模型的數位分身進行射頻匹配控制
EP3180667B1 (en) System and method for advanced process control
JP6036517B2 (ja) 表面状態判定装置、表面状態判定方法、表面状態判定システム及びプログラム
JP2021082200A (ja) 情報処理システム、方法、およびプログラム
Johnston et al. Downstream performance prediction for a manufacturing system using neural networks and six-sigma improvement techniques
JP2009093278A (ja) 状態表示方法及び状態表示システム
KR20210063812A (ko) 세라믹 필름 제조 공정 분석 장치 및 방법 그리고 이를 구현하기 위한 프로그램을 기록한 기록매체
JP6036516B2 (ja) 表面状態判定装置、表面状態判定方法、表面状態判定システム及びプログラム
TW583739B (en) Monitoring and verifying system for semiconductor testing equipment
Randermann et al. Development of a Quality Gate Reference Model for FDM Processes
EP4201534A1 (en) Method for optimizing the dispensing of an adhesive
US10436758B2 (en) Method and apparatus for determining an ultraviolet (UV) cure level
US7606677B1 (en) Dynamic measurement control
CN118254096A (en) Method for in-situ measurement of film thickness, reference spectrum generation method and equipment

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220121

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221025

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221026

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221219

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: 20230411

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230502

R150 Certificate of patent or registration of utility model

Ref document number: 7275023

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150