JP7429623B2 - 製造条件設定自動化装置及び方法 - Google Patents

製造条件設定自動化装置及び方法 Download PDF

Info

Publication number
JP7429623B2
JP7429623B2 JP2020145942A JP2020145942A JP7429623B2 JP 7429623 B2 JP7429623 B2 JP 7429623B2 JP 2020145942 A JP2020145942 A JP 2020145942A JP 2020145942 A JP2020145942 A JP 2020145942A JP 7429623 B2 JP7429623 B2 JP 7429623B2
Authority
JP
Japan
Prior art keywords
manufacturing
condition
candidates
manufacturing condition
change
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
JP2020145942A
Other languages
English (en)
Other versions
JP2022040964A (ja
Inventor
正和 高橋
拓郎 安井
啓朗 室
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2020145942A priority Critical patent/JP7429623B2/ja
Priority to US17/179,009 priority patent/US11625029B2/en
Publication of JP2022040964A publication Critical patent/JP2022040964A/ja
Application granted granted Critical
Publication of JP7429623B2 publication Critical patent/JP7429623B2/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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G05B2219/32177—Computer assisted quality surveyance, caq
    • 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
    • G05B2219/32368—Quality control
    • 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 Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、製造条件設定自動化装置及び方法に関する。
センシング技術やコンピューティング性能の向上により、製造業における情報技術の活用が世界的に加速している。実際に、製品、設備、作業者等に関する様々なデータの分析により、売上や生産性を向上させる取り組みが広がっている。
製造業における情報技術の活用例の一つに、最適な製造条件の決定がある。製造条件には、製品の設計段階で決定する条件と製造中の製品の品質低下を対策するために変更する条件が存在する。後者の対策に関して、一般には、製品、設備、作業者等の製造時のあらゆるデータを分析して品質低下の原因を発見し、どの対策を実施するのが有効かを判断する。
特許文献１には、ＳＯＣ（Ｓｅｃｕｒｉｔｙ Ｏｐｅｒａｔｉｏｎ Ｃｅｎｔｅｒ）サービスにおけるインシデントの判定モデルの精度が顧客にとって判断することが難しくなっているため、環境の変化に伴うインシデント分析の判定モデルにおける特徴の変更の検討を補助することができる特徴選択装置を提供するための技術が開示されている。
特許文献１では、インシデント判定モデルへの追加候補となる新特徴の評価値を算出する評価値算出部を備え、前記評価値算出部は、前記新特徴と、前記インシデント判定モデルの現在の特徴であって前記新特徴に類似する現特徴と、の類似度と、前記新特徴と、情報セキュリティ上の流行しているサイバー攻撃の特徴であって前記新特徴に類似する関連トレンド特徴と、の類似度と、前記関連トレンド特徴と、顧客の特性を示す顧客特性との類似度とを算出し、前記新特徴と前記類似現特徴との類似度と、前記新特徴と前記関連トレンド特徴との類似度と、前記関連トレンド特徴と前記顧客特性との合致度と、を用いて前記新特徴の評価値を算出すると述べている。
特開２０１９－１６８７９６号公報
特許文献１に開示される技術は、装置による分析を製造設備に対する製造条件変更自動化に使用する場合、同一条件下では最も実施される条件変更のみが実行されるため、学習データとなる条件変更履歴データに偏りが生じ、モデル更新時や再分析時に使用できるデータの質（多様性）が低下する。
本発明は上記の課題に鑑みてなされたもので、その目的は、
（１）学習データ(条件変更履歴データ)の多様性を維持して、モデル更新や追加分析時の精度を向上する。
（２）外的要因で製造条件変更の失敗が発生した場合でも、その条件変更履歴データを条件変更候補として保持し、後日、条件変更できなくなる状況を回避する。
ことが可能な製造条件設定自動化装置及び方法を提供することにある。
本発明の製造条件設定自動化装置の好ましい例では、製造中の製造設備から複数の設備データを常時収集して、データベースに記録する設備データ取得部と、所定の時間間隔ごとに、対象の製造設備の設備データから現状の工程能力(品質)を算出して、品質の許容範囲を満たすか否か判定する品質判定部と、品質判定が否の場合、直近の設備データから類似判定に使用する特徴量を算出し、過去の条件変更履歴のデータベースから前記特徴量が類似する条件変更事例を検索して、検索事例を成否で集計して、成功率の高い順位で製造条件候補を出力する製造条件候補作成部と、現状の長期ＫＰＩが目標値を超えていると判定された場合、製造条件候補の順位を決めるスコアを変更して、成功率の最上位の条件変更候補を除いて、失敗事例が最も少ない条件変更候補の順位を上げた製造条件候補を作成する偏向防止用製造条件候補作成部と、製造条件候補の最上位の条件変更の設定値を製造設備に出力すると共に、条件変更履歴に新規条件変更を登録する製造条件出力部とを備えて構成する。
本発明によれば、学習データ(条件変更履歴データ)の多様性を維持して、モデル更新や追加分析時の精度を向上する、および外的要因で製造条件変更の失敗が発生した場合でも、その条件変更履歴データを条件変更候補として保持し、後日、条件変更できなくなる状況を回避することが可能な製造条件設定自動化装置及び方法を実現することが可能となる。
実施例１に係る製造システムを示す構成図である。 実施例１の製造条件設定自動化装置を示す構成図である。 実施例１に係る製造システムを構成する製造設備を示す構成図である。 実施例１における製造管理データの一例を示す図である。 実施例１における特徴量設定のデータテーブルの一例を示す図である。 実施例１における製造条件設定のデータテーブルの一例を示す図である。 実施例１における条件変更履歴のデータベースの一例を示す図である。 実施例１における設備データのデータベースの一例を示す図である。 実施例１における製造条件候補作成部により作成された製造条件候補のデータテーブルの一例を示す図である。 実施例１における偏向防止用製造条件候補作成部で処理をした製造条件候補のデータテーブルの一例を示す図である。 実施例１における偏向防止用候補作成設定の一例を示す図である。 実施例１の製造条件設定自動化装置の製造条件設定部による製造条件設定処理を示すフローチャートの一例である。 実施例１の品質判定部による品質判定処理を示すフローチャートの一例である。 実施例１の製造条件候補作成部による製造条件候補作成処理を示すフローチャートの一例である。 実施例１の長期ＫＰＩ判定部による長期ＫＰＩ判定処理を示すフローチャートの一例である。 実施例１の偏向防止用製造条件候補作成部による偏向防止用製造条件候補作成処理を示すフローチャートの一例である。 実施例１の偏向防止用製造条件候補作成処理において、製造条件変更設定可能な設定値範囲内に条件変更候補を選択する例を示す図である。 実施例１の製造条件出力部が、製造条件設定処理の状況を画面表示する一例を示す図である。 実施例２の製造条件設定自動化装置の製造条件設定部による製造条件設定処理を示すフローチャートの一例である。 実施例２の失敗データ分類部による失敗データ分類処理を示すフローチャートの一例である。
本願発明の製造条件設定自動化装置及び方法の実施例を記載するに先立ち、本願発明の発明者によって検討された事項を説明する。
製造現場におけるIoTデータ活用と品質向上の対策の非属人化を推進するシステムとして、例えば自動車部品製造の溶接工程を対象として検討した。
対象工程に設置された自動溶接機からは、製品の所定箇所を溶接する際に加工ユニットに印加された電圧値や、溶接前後の製品の厚さの差（以下、この値を「変位量」と称する）、加工ユニットに供給される電流値などの設備データが製品毎に随時収集されてデータベースに記録されるものとする。
この設備データベースより、所定の時間間隔ごとに、直近の所定の連続する製品数の、または直前の所定の時間範囲の設備データを読出して、例えば工程のもつ品質に関する能力を表す工程能力(指数)を算出して、対象工程における品質が低下したか否かを判定する。もし、品質が所定の閾値より低下していると判定された場合には、例えば製造条件（電圧の設定値）を変更して溶接機に設定する対策を過去の条件変更履歴に基づいて実施するシステムを考案した。
過去の条件変更履歴とは、対象工程（溶接機）ごとに、製造条件（電圧の設定値）を変更前と変更後でどう変えたかの記録と、条件変更時刻、設備データから算出される条件変更の効果を示す変更前と変更後の各種の特徴量（例えば、電圧の平均値、変位量の平均、変位量の標準偏差、電流値の平均など）、製造条件変更前と変更後の工程能力とを記録する。
この過去の条件変更履歴に記録された各製造条件の変更設定情報は、参照される際に、製造条件の変更設定により、変更後の工程能力が変更前の工程能力より高くなった場合には、製造条件の変更設定処理が成功した事例と評価され、変更後の工程能力が変更前の工程能力より高くならなかった場合には、製造条件の変更設定処理が失敗した事例と評価される。
この様に、過去の条件変更履歴は学習データとして、例えば数か月分、又は１年分のデータがデータベースに記録される。
上記したように、対象工程（溶接機）が通常の製造を実行中に、製造条件設定自動化装置は、所定の時間間隔ごとに起動され、直近の所定の連続する製品数の、または直前の所定の時間範囲の設備データを読出して、工程能力(指数)が低下していると判定した場合には、該当対象工程（溶接機）の製造条件（電圧の設定値）を過去の条件変更履歴に基づいて条件変更を行う。
その条件変更方法は、前記読み出した設備データから、前記した各種の特徴量のうち類似検索のために選択した類似検索用特徴量を算出して、過去の条件変更履歴のデータベースから、各類似検索用特徴量にそれぞれ検索用の誤差(±閾値)を付与して、全ての各類似検索用特徴量に誤差範囲内で一致する特徴量を有する過去の条件変更データを検索する。
そして、検索された各過去の条件変更データにおいて、製造条件変更前と変更後の工程能力を比較して、その条件変更が成功事例であるか、失敗事例であるかの判定を付ける(条件変更の成否の判定は最初の検索時に結果を記録しておく)。
検索された各過去の条件変更データを、製造条件（電圧の設定値）の変更後設定値ごとに分類して、製造条件（電圧の設定値）の変更後設定値ごとの成功事例数、失敗事例数を算出する。
そして、成功率＝（成功事例数）／（成功事例数＋失敗事例数） が最も高い製造条件（電圧の設定値）の変更後設定値を製造条件（電圧の設定値）の変更候補と判定する。判定後、対象工程（溶接機）の製造条件（電圧の設定値）を変更候補の設定値に変更する。
以上の様に、対象工程における品質低下時に、過去の条件変更履歴（学習データ）に基づいて、製造条件（電圧の設定値）を自動設定する条件変更方法には、以下の問題点が考えられた。
（１）成功率が最も高い過去の条件変更データを製造条件（電圧の設定値）の変更候補に選択する方法では、続いて起こる条件変更時に、同じ製造条件（電圧の設定値）の変更後設定値が繰り返し変更候補として選択される可能性が高く、例え、条件変更後の工程能力がより向上する可能性のある過去の条件変更データがあっても、それを選択する方法とはなっていない。
（２）条件変更後に工程能力が変更前より低下して失敗事例であると判定された過去の条件変更データであっても、失敗の要因が、条件変更が原因ではなく、IoTデータでは把握できない外的要因(例えば、製品材料に欠陥があったとか、溶接機の部品などに故障が発生したなどの要因。)により失敗事例と判定された可能性も考えられる。このような過去の条件変更データが生じることにより、本来は製造条件（電圧の設定値）の変更候補と判定されるべきだった製造条件（電圧の設定値）の変更後設定値が候補と選択されない場合が考えられる。しかも、一度選択されなくなると、その後設定される可能性がほとんど無くなることも考えられる。
以上の問題点に鑑み、以下の手段を取り入れた製造条件設定自動化装置及び方法を提案する。
（１）対象工程の製造装置の品質(工程能力)を判定するために使用する設備データのサンプリング期間よりは長期的なＫＰＩ(歩留実績、生産速度実績など)を導入して、これらＫＰＩが目標値より高い場合には、製造条件候補の順位を決めるスコアを変更して、成功率の最上位の条件変更候補を除いて、失敗事例が最も少ない条件変更候補の順位を上げた製造条件候補を作成する。
（２）製造条件の条件変更候補の各候補について、類似検索に使用した特徴量以外の全てのパラメタから新たな特徴量を作成し、それらの特徴量の中より、成功事例と失敗事例を最もよく分類できる特徴量を特定し、特定した特徴量の現在値に基づいて、各候補の事例をフィルタリングして、製造条件の条件変更候補の再作成を行う。
以下、本発明の実施形態について、図面を参照して説明する。なお、以下に説明する実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態の中で説明されている諸要素及びその組み合わせの全てが発明の解決手段に必須であるとは限らない。
≪製造システムの概略構成≫
図１は、実施例１に係る製造システムを示す構成図である。
本実施例に係る製造システムＳは、製造条件設定自動化装置１００と、製造設備２００と、製造管理システム３００とを有する。製造設備２００は本実施例では１台が示されているが、一般には複数種、複数台の製造設備が接続されている。製造条件設定自動化装置１００は通信ネットワーク４００を経由して１台以上の製造設備２００と通信している。
図２は、実施例１の製造条件設定自動化装置１００を示す構成図である。
製造条件設定自動化装置１００は、制御部１１０、記憶部１２０、入出力部１３０、及び通信部１４０を有する。製造条件設定自動化装置１００は各種情報処理が可能な装置から構成されることが好ましい。一例として、製造条件設定自動化装置１００はコンピュータ等から構成される。
入力部の一例である入出力部１３０は、製造条件設定自動化装置１００のユーザからの入出力を受け付ける。入出力部１３０は、例えばキーボード、マウス等の入力機器及び液晶ディスプレイ等の表示画面を有する出力機器の組み合わせから構成される。あるいは、いわゆるスマートフォン、タブレット機器のような一台で入出力が可能な装置から構成される。
例えば、入出力部１３０は、記憶部１２０に記録されているデータの作成や変更に必要な情報の入力を受け付け、作成や変更の完了及び製造条件候補作成、設定結果を表示画面に出力する。入出力部１３０で実施される入出力処理は、通信部１４０を経由して別の装置に設置された入出力部から処理を実行してもよい。
制御部１１０は、記憶部１２０に格納されたプログラム(図示せず)を実行する。制御部１１０は、例えば、各種情報処理が可能なＣＰＵ（Central Processing Unit）等の演算素子から構成される。例えば、制御部１１０は、入出力部１３０から取得したデータを記憶部１２０に格納する、記憶部１２０に格納されたデータを処理した結果を記憶部１２０に格納する、記憶部１２０に格納されたデータを入出力部１３０または通信部１４０に出力するなどの処理を実行する。
後述する記憶部１２０にはファームウェア等のプログラム(図示せず)が格納されている。製造条件設定自動化装置１００の電源が投入されると、制御部１１０は記憶部１２０に格納されているプログラムを読み込んで実行し、製造条件設定自動化装置１００全体の動作制御を行うとともに、後述する各機能部に示す機能を実行する。
制御部１１０は、設備データ取得部１１１、製造条件設定部１１２、品質判定部１１３、製造条件候補作成部１１４、長期ＫＰＩ判定部１１５、偏向防止用製造条件候補作成部１１６、及び製造条件出力部１１７を有する。また、制御部１１０は、実施例２において失敗データ分類部１１８を有する。
設備データ取得部１１１は、製造中の製造設備２００から複数の設備データを常時収集して、製造設備別にＩＤ付けして、記憶部１２０の設備データ１２５に格納する処理を実行する。
製造条件設定部１１２は、対象とする製造設備２００に対して所定の時間間隔ごとに起動され、製造設備の設備データから現状の工程能力(品質)を判定して、品質判定結果がＮＧであれば、製造条件変更候補を作成して、長期ＫＰＩ判定結果がＯＫであるならば、条件変更候補の選択の偏りを防止する製造条件候補を作成して、対象とする製造設備へ条件変更の設定値を出力する。
品質判定部１１３は、対象とする製造設備の直近の設備データから品質(工程能力)の現在値を算出して、品質の許容判定式を満たすならば「ＯＫ」を、満たさなければ「ＮＧ」を出力する。
製造条件候補作成部１１４は、対象とする製造設備の直近の設備データから類似判定に使用する特徴量の値を算出し、過去の条件変更履歴のデータベースから、類似判定用の特徴量が許容誤差範囲内で一致する条件変更事例を検索して、検索事例を成否で集計して、成功率の高い順位で製造条件候補を出力する。
長期ＫＰＩ判定部１１５は、長期ＫＰＩとして歩留実績と、生産速度実績をそれぞれ目標値と比較して、いずれも目標を上回れば「ＯＫ」を、そうでなければ「ＮＧ」を出力する。
偏向防止用製造条件候補作成部１１６は、長期ＫＰＩの判定結果が「ＯＫ」の場合に、製造条件候補の順位を決めるスコアを変更して、成功率の最上位の条件変更候補を除いて、失敗事例が最も少ない条件変更候補の順位を上げた製造条件候補を作成する。
製造条件出力部１１７は、製造条件候補の最上位の条件変更の設定値を製造設備に出力すると共に、条件変更履歴に新規条件変更を登録する。
図２に示す各機能部が実行する処理の詳細については後述する。
通信部１４０は、製造条件設定自動化装置１００が通信ネットワーク４００経由で製造設備２００と通信を行うためのものである。通信部１４０は、通信ネットワーク４００が有線ＬＡＮであればＩＥＥＥ（The Institute of Electrical and Electronics Engineers, Inc.）８０２．３規格に則った通信を行う機器であり、通信ネットワーク４００が無線ＬＡＮであればＩＥＥＥ８０２．１１規格に則った通信を行う機器である。このような機器の例としては、ルーター、アクセスポイント機器等が挙げられる。
例えば、通信部１４０は、製造設備２００で取得した設備データを製造条件設定自動化装置１００に格納するための通信を実行する。また、通信部１４０は、製造条件変更候補結果を製造設備２００に送信するための通信を実行する。
記憶部１２０は、データやプログラムを格納する。記憶部１２０は、例えばＨＤＤ（Hard Disk Drive）などの磁気記憶媒体、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＳＳＤ（Solid State Drive）などの半導体記憶媒体から構成される。また、ＤＶＤ（Digital Versatile Disk）等の光ディスク及び光ディスクドライブの組み合わせも記憶部１２０として用いられる。その他、磁気テープメディアなどの公知の記憶媒体も記憶部１２０として用いられる。
記憶部１２０には、製造管理データ１２１、特徴量設定１２２、製造条件設定１２３、条件変更履歴１２４、設備データ１２５、製造条件候補１２６、及び偏向防止用候補作成設定１２７が格納されている。記憶部１２０に格納されている各種データの詳細については後述する。
図３は、実施例１に係る製造システムＳを構成する製造設備２００を示す構成図である。
製造設備２００は、その構成要素を一般的な製造設備に共通して適用できる表現で表して、制御部２１０、入出力部２２０、通信部２３０、製造条件管理部２４０、データ収集部２５０、及び製品加工部２６０を有する。製造設備２００に入力された製品(被加工品)は、製品加工部２６０によって加工され、出力される。
入出力部２２０は、ユーザからの入出力を受け付ける装置である。例えば、入出力部２２０は、制御部２１０に対する設定情報の入力、製造条件管理部２４０が管理する製造条件の初期値の入力、データ収集部２５０に対するデータ収集に関する設定の入力などを実行する装置である。
制御部２１０は、製造設備２００を制御する装置である。例えば、制御部２１０は、製造条件管理部２４０が管理する製造条件に従って製品加工部の動作を制御したり、異常発生時に製造設備２００を停止させる制御をしたりする装置である。
通信部２３０は、制御部２１０及びデータ収集部２５０がネットワーク４００経由で製造条件設定自動化装置１００と通信を行うための装置である。
製造条件管理部２４０は、製品加工部２６０で加工を制御する際に使用される製造条件を管理して、ユーザによる製造条件の初期値の入力、及び製造条件設定自動化装置１００による製造条件の変更設定を受付ける。
データ収集部２５０は、製品加工部２６０に設置された各種センサから設備データを収集し、通信部２３０を経由して製造条件設定自動化装置１００に送出する装置である。
製品加工部２６０は、製造設備２００に入力された製品(被加工品)に対して所定の加工を実施する装置である。例えば、製造設備２００が自動溶接機である場合においては、溶接ユニットや位置決めユニット、製造設備２００が自動組み立て装置である場合においては、製品加工部２６０は部品の取り付けユニットやはんだ付けユニットが製品加工部２６０となる。
≪記憶部１２０に格納されている各種データ≫
図４は、実施例１における製造管理データ１２１の一例を示す図である。製造管理データ１２１は、図１に示す製造管理システム３００において作成、実績収集、及び管理されていて、例えば、製造設備２００を含む製造ラインの生産計画、製造目標値、製造実績値を有する。製造管理システム３００は、製造条件設定自動化装置１００の要求に応じて、最新の製造管理データ１２１を提供する。
実施例１の製造管理データ１２１は、製造開始時刻、製造終了予定時刻、製造量目標、歩留目標、生産速度目標、製造量実績、歩留実績、生産速度実績が格納されている。
図５は、実施例１における特徴量設定１２２のデータテーブルの一例を示す図である。各特徴量は、製造設備２００から収集された設備データである使用パラメタによる算出式により定義される。
例えば、図５の特徴量設定１２２のデータテーブルの第１行目の特徴量１２２ａは、種類が「品質」を判定する特徴量であり、特徴量名は「品質Ｑ」、使用パラメタは「ｑ」、10minの期間の設備データ(ｑ)をサンプリングして、算出式が（ＵＳＬ－ＬＳＬ）／６＊Std(ｑ)で定義される特徴量であり（ここで、ＵＳＬは上限規格値、ＬＳＬは下限規格値、Std(ｑ)は母標準偏差の推定値であり、ある工程の持つ工程能力を定量的に評価する指標を算出する式である）、設計上の下限値は1.33であり、設計上の上限値は明確に決まらないことを示している。
また、第２行目の特徴量１２２ｂは、種類が過去の条件変更履歴(学習データ)を検索して「類似」を判定する際に使用する特徴量であり、特徴量名は「特徴量Ａ」、使用パラメタは「ａ」、10minの期間の設備データ(ａ)をサンプリングして、算出式がmean(ａ)で定義される特徴量であり、設計上の下限値は9であり、設計上の上限値は18であることを示している。
また、第５行目の特徴量１２２ｃは、種類が製造条件の設定値を表す「設定」であり、特徴量名は「設定値Ｓ」、使用パラメタは「ｓ」、算出式はｓそのものであることを示している。例えば、設定値Ｓは、製造条件の電圧の設定値であり、その他の製造条件として複数個が定義されることも考えられる。
以上の特徴量設定１２２のデータテーブルは、製造設備２００毎に複数個定義されることでよい。
図６は、実施例１における製造条件設定１２３のデータテーブルの一例を示す図である。ここでは、製造設備２００で、製品Ａを製造する場合の製造条件として、設定値Ｓを、設計上の下限値が1.9、設計上の上限値が2.9と定義している。また、設定値最小単位を下限が0.1、上限が0.1、設定値変更幅ΔSを下限が-0.5、上限が+0.5と定義している。
また、スコアは、後述する条件変更履歴において、製造条件変更の結果を評価する指標として、「成功事例数／（成功事例数＋失敗事例数）」により算出される成功率を示す値である。
製造条件設定１２３のデータテーブルは、設定値Ｓが複数ある場合には、個別に定義される。また、製造設備２００が複数台有る場合には、製造設備ごとに作成される。
図７は、実施例１における条件変更履歴１２４のデータベースの一例を示す図である。条件変更履歴１２４は、製造条件設定自動化装置１００から製造設備２００へ製造条件の変更のための設定値が送られる際に、過去の製造条件変更履歴として新たに登録されて、製造条件、変更前の各値が記録され、その後、条件変更履歴１２４が検索される際に、変更後の各値、および成否が記録される。
条件変更履歴１２４には、条件変更を実行した時刻、変更対象製造条件、変更前製造条件の値、変更後製造条件の値、変更前品質Ｑの値、変更後品質Ｑの値、変更前特徴量Ａ、変更前特徴量Ｂ、変更前特徴量Ｑ、・・(その他の特徴量)・・、条件変更の成否（製造条件の変更設定により、変更後の品質Ｑが変更前の品質Ｑより高くなった場合には、製造条件の変更設定処理が成功した事例と評価し、変更後の品質Ｑが変更前の品質Ｑより高くならなかった場合には、製造条件の変更設定処理が失敗した事例と評価する。）などのデータ項目からなる条件変更履歴レコードが格納されている。
図８は、実施例１における設備データ１２５のデータベースの一例を示す図である。設備データ１２５は、製造設備２００のデータ収集部２５０により製品加工部２６０に設置された各種センサから収集され、通信部１４０、２３０及び通信ネットワーク４００を経由して製造条件設定自動化装置１００に送出されて記憶部１２０の設備データ１２５に格納されている。
設備データ１２５には、データ収集部２５０により収集された時刻、各特徴量を算出するために使用される各パラメタｓ，ｑ，ａ，ｂなどの値が格納されている。
図９は、実施例１における製造条件候補作成部１１４による製造条件を変更する候補を作成する処理の結果である製造条件候補１２６のデータテーブルの一例を示す図である。製造条件候補１２６のデータテーブルには、成功率の降順に１から順位を付けたRank、条件変更後の設定値Ｓの値、成功事例数、失敗事例数、成功率(スコア)、条件変更後の成功事例の品質Ｑ平均値が格納されている。
図１０は、図９に示す製造条件候補を入力として、偏向防止用製造条件候補作成部１１６で処理をした製造条件候補１２６のデータテーブルの一例を示す図である。
図１１は、実施例１における偏向防止用製造条件候補作成部１１６の処理で参照される偏向防止用候補作成設定１２７の一例を示す図である。偏向防止用候補作成設定１２７には、候補数上限が設定値5と定義されている。
≪製造条件設定自動化装置１００の製造条件設定部１１２の動作≫
以下、図１２～図１６のフローチャート、及び図１７、図１８を参照して、実施例１の製造条件設定自動化装置１００の製造条件設定部１１２の動作について説明する。なお、以下の説明において、製造条件設定自動化装置１００の設備データ取得部は、製造設備２００が稼動中には常時、製造設備２００から設備データを収集し、記憶部１２０の設備データ１２５に格納する動作を繰り返し実行しているものとする。
図１２は、実施例１の製造条件設定自動化装置１００の製造条件設定部１１２の動作を示すフローチャートである。製造条件設定部１１２は、製造設備２００に対して所定の時間間隔ごとに起動され、一連の処理を実行する。
ステップＳ１００において、品質判定部１１３により直近の製造設備２００の設備データより品質を判定する。
ステップＳ２００において、品質判定結果がＯＫであれば、製造条件設定処理は実行せずに終了する。品質判定結果がＮＧであれば、Ｓ３００へ移行する。
ステップＳ３００において、製造条件候補作成部１１４により製造条件候補作成処理を実行する。
ステップＳ４００において、長期ＫＰＩ算出部１１５により長期ＫＰＩ判定処理を実行する。
ステップＳ５００において、長期ＫＰＩ判定結果がＯＫであれば、Ｓ６００へ移行し、長期ＫＰＩ判定結果がＮＧであれば、Ｓ７００へ移行する。
ステップＳ６００において、偏向防止用製造条件候補作成部１１６により偏向防止用製造条件候補作成処理を実行する。
ステップＳ７００において、製造条件出力部１１７により製造条件候補のRank=1の条件変更の設定値を製造設備に出力すると共に、過去の製造条件変更履歴として条件変更履歴１２４に登録して、処理を終了する。
図１３は、品質判定部１１３による品質判定処理Ｓ１００のフローチャートの一例である。
ステップＳ１０１において、特徴量設定１２２から、種類＝品質のレコードを取得する。
ステップＳ１０２において、設備データ１２５から特徴量(品質Ｑ)設定の使用パラメタ(ｑ)の直近のデータを期間分(図５の例では10min)取得する。
ステップＳ１０３において、取得した設備データから特徴量設定の算出式｛例えば、図５に示す（ＵＳＬ－ＬＳＬ）／６＊Std(ｑ)｝に従い、品質の現在値を算出する。
ステップＳ１０４において、判定式（品質下限≦品質の現在値≦品質上限）を満たすか否かを判定する。もし、満たすならばＳ１０５へ移行し、満たさなければＳ１０６へ移行する。
ステップＳ１０５において、品質判定結果「ＯＫ」を出力して終了し、ステップＳ１０６において、品質判定結果「ＮＧ」を出力して終了する。
図１４は、製造条件候補作成部１１３による製造条件候補作成処理Ｓ３００のフローチャートの一例である。
ステップＳ３０１において、特徴量設定１２２から、種類＝類似、設定の各レコードを取得する。
ステップＳ３０２において、設備データ１２５から各特徴量(図５の例では特徴量Ａ、特徴量Ｂ、特徴量Ｑ、設定値Ｓ)設定の各使用パラメタ(図５の例ではａ，ｂ，ｑ，ｓ)の直近のデータを期間分(図５の例ではａ，ｂ，ｑは10min、ｓは直近の１点)取得する。
ステップＳ３０３において、取得した設備データから特徴量設定の各算出式に従い、各特徴量(特徴量Ａ、特徴量Ｂ、特徴量Ｑ、設定値Ｓ)を算出する。
ステップＳ３０４において、Ｓ３０３で算出した各特徴量(設定値Ｓ、特徴量Ａ、特徴量Ｂ、特徴量Ｑ)を検索キーとして、条件変更履歴１２４に登録されている各条件変更履歴レコードの変更前製造条件、変更前特徴量Ａ、変更前特徴量Ｂ、及び変更前特徴量Ｑの各値と、それぞれ個別に定めた閾値の誤差範囲内で一致するか否かを検索する。そして、全ての特徴量が誤差範囲内で一致する(類似する)条件変更履歴レコードを取得する。
ステップＳ３０５において、Ｓ３０４で取得した類似する条件変更履歴レコードの中で、変更後品質Ｑ、成否の欄が空欄の条件変更履歴レコードについては、時刻が対応する設備データを読み出して、変更後品質Ｑを算出して書き込む。そして、製造条件の変更設定により、変更後品質Ｑが変更前品質Ｑより高くなった場合には、製造条件の変更設定処理が成功した事例と評価し、変更後品質Ｑが変更前品質Ｑより高くならなかった場合には、製造条件の変更設定処理が失敗した事例と評価して、成否欄に〇 or ×を記録する。
そして、Ｓ３０４で取得した全ての類似する条件変更履歴レコードを、変更後製造条件(設定値Ｓ)別に成否を集計して、成功事例数と失敗事例数を算出して、成功率＝（成功事例数）／（成功事例数＋失敗事例数）、及び条件変更後品質Ｑの成功事例平均を算出する。
ステップＳ３０６において、Ｓ３０５で変更後製造条件(設定値Ｓ)別に集計した結果を、成功率の降順にソートして、Rank付けして、製造条件候補１２６に格納する。
図１５は、長期ＫＰＩ判定部１１５による長期ＫＰＩ判定処理Ｓ４００のフローチャートの一例である。
ステップＳ４０１において、製造管理システム３００に製造管理データの更新を依頼する。
ステップＳ４０２において、製造管理システム３００から最新の製造管理データを取得して、記憶部１２０の製造管理データ１２１に格納する。
ステップＳ４０３において、最新の製造管理データが、判定条件（歩留実績＞歩留目標 かつ 生産速度実績＞生産速度目標）を満たすか否か判定する。もし、満たせばＳ４０４へ移行し、満たさなければＳ４０５へ移行する。
ステップＳ４０４において、長期ＫＰＩ判定結果「ＯＫ」を出力して終了し、ステップＳ４０５において、長期ＫＰＩ判定結果「ＮＧ」を出力して終了する。
図１６は、偏向防止用製造条件候補作成部１１６による偏向防止用製造条件候補作成処理Ｓ６００のフローチャートの一例である。
ステップＳ６０１において、Ｓ３００で作成された製造条件候補１２６(図９に一例を示す)を取得する。
ステップＳ６０２において、取得した製造条件候補のデータテーブルのRank=1の候補のランクを0に変更して、候補から除外する。
ステップＳ６０３において、Ｓ６０２で本来Rank=1の候補を除外した残りの候補を対象として、失敗事例数の昇順、及び条件変更後品質Ｑの成功事例平均の降順にソートしてランク付けをし直して、図１０に一例を示す製造条件候補を作成する。このときのRank=1となる製造条件候補は、図１７の１１６ｂに示す設定値となる。
ステップＳ６０４において、偏向防止用候補作成設定１２７のデータを取得する。
ステップＳ６０５において、判定式｛（製造条件候補数＋１）＜候補数上限｝の成否を判定して、もし成立すればＳ６０６へ移行し、成立しなければ処理を終了する。
ステップＳ６０６において、(新製造条件探索確率Ｐ)＝(Rank=1の失敗事例件数)／(Rank=0の失敗事例件数) にて新製造条件探索確率Ｐを算出する。
ステップＳ６０７において、0から1の範囲の乱数Ｒを算出する。
ステップＳ６０８において、判定式｛(新製造条件探索確率Ｐ)＞(乱数Ｒ)｝を判定して、もしYESであればＳ６０９へ移行し、NOであれば処理を終了する。
ステップＳ６０９において、製造条件候補１２６に格納された各候補のRankに1を加算して、Rank=1の候補のレコード欄を空ける。
ステップＳ６１０において、製造条件設定１２３のデータテーブルのデータを取得する。
ステップＳ６１１において、製造条件設定１２３のデータに基づき、製造条件変更設定可能な設定値範囲を図１７に示す様に絞り込む。
ステップＳ６１２において、製造条件候補１２６と設定値範囲の最大値、最小値の設定値リストＬを作成する。
ステップＳ６１３において、設定値リストＬを昇順にソートし、隣接する設定値の差ｄ［ｉ］= Ｌ［ｉ＋１］－Ｌ［ｉ］を算出する。
ステップＳ１６４において、設定値の差ｄが最大となるｉを抽出し、（Ｌ［ｉ＋１］＋Ｌ［ｉ］）／２の設定値をRank=1の製造条件候補１２６に追加する。このときのRank=1となる製造条件候補は、図１７の１１６ａに示す設定値となる。
図１８に、製造条件出力部１１７が、ステップＳ７００において、入出力部１３０より製造条件設定処理の状況を画面表示する例を示す。表示画面１１７ａには、通常運転か、偏向防止運転かを識別表示する自動化状況表示欄１１７ｂと、製造管理データ１２１を表示する製造状況表示欄１１７ｃと、各特徴量を算出する元となった使用パラメタの設備データの推移のグラフを表示する設備データグラフ表示欄１１７ｄ，１１７ｅとを有する。
実施例２の製造条件設定自動化装置１００は、図２に示す構成図において、制御部１１０の失敗データ分類部１１８が、実施例１における偏向防止用製造条件候補作成部１１６に替えて実行される。
実施例２の製造条件設定自動化装置１００の製造条件設定部１１２の動作を示すフローチャートを図１９に示す。これは、図１２に示す実施例１の製造条件設定部１１２の動作のフローチャートの偏向防止用製造条件候補作成処理Ｓ６００を、失敗データ分類処理Ｓ８００に置き換えている。
図２０は、失敗データ分類部１１８による失敗データ分類処理Ｓ８００のフローチャートの一例である。
ステップＳ８０１において、Ｓ３００で作成された製造条件候補１２６(図９に一例を示す)を取得する。
ステップＳ８０２において、製造条件候補１２６の各候補について、Ｓ８１１までループ処理を実行する。
ステップＳ８０３において、製造条件候補１２６の各候補について、特徴量設定１２２のデータレコードにて使用されているパラメタ以外の全てのパラメタのデータを、設備データ１２５から所定期間分取得する。
ステップＳ８０４において、Ｓ８０３で取得した全てのパラメタの平均、中央値、標準偏差、最大、最小を算出して新たな特徴量を作成する。
ステップＳ８０５において、Ｓ８０４で作成した特徴量毎に、成功事例と失敗事例を分類する一次元上の線形分離処理を実行する。
ステップＳ８０６において、Ｓ８０５の各特徴量の処理結果より、成功事例と失敗事例を最も精度よく分類できる特徴量Ｘと境界値Ｔを検出する。
ステップＳ８０７において、特徴量Ｘの現在値Ｆを検出する。
ステップＳ８０８において、判定式｛(特徴量Ｘの現在値Ｆ)＞(境界値Ｔ)｝を判定して、もしYESであればＳ８０９へ移行し、NOであればＳ８１０へ移行する。
ステップＳ８０９において、製造条件候補１２６の各候補について、特徴量Ｘが境界値Ｔ以下の事例を削除する。
ステップＳ８１０において、製造条件候補１２６の各候補について、特徴量Ｘが境界値Ｔより大きい事例を削除する。
ステップＳ８１１において、製造条件候補１２６の各候補について、Ｓ８０２からＳ８１１までループ処理を実行する。
ステップＳ８１２において、製造条件候補１２６を計算し直した成功率の降順にソートし、Rank付けし直した製造条件候補１２６として出力する。
１００…製造条件設定自動化装置、１１０…制御部、１１１…設備データ取得部、１１２…製造条件設定部、１１３…品質判定部、１１４…製造条件候補作成部、１１５…長期ＫＰＩ判定部、１１６…偏向防止用製造条件候補作成部、１１７…製造条件出力部、１１８…失敗データ分類部、１２０…記憶部、１２１…製造管理データ、１２２…特徴量設定、１２３…製造条件設定、１２４…条件変更履歴、１２５…設備データ、１２６…製造条件候補、１２７…偏向防止用候補作成設定、１３０…入出力部、１４０…通信部、２００…製造設備、２１０…制御部、２２０…入出力部、２３０…通信部、２４０…製造条件管理部、２５０…データ収集部、２６０…製品加工部、３００…製造管理システム、４００…通信ネットワーク、１１７ａ…製造条件設定処理の状況の表示画面、１１７ｂ…自動化状況表示欄、１１７ｃ…製造状況表示欄、１１７ｄ，１１７ｅ…各特徴量を算出する元となった使用パラメタの設備データの推移のグラフを表示する設備データグラフ表示欄

Claims (8)

  1. 製造中の製造設備から複数の設備データを常時収集して、データベースに記録する設備データ取得部と、
    所定の時間間隔ごとに、対象の製造設備の設備データから現状の工程能力(品質)を算出して、品質の許容範囲を満たすか否か判定する品質判定部と、
    品質判定が否の場合、直近の設備データから類似判定に使用する特徴量を算出し、過去の条件変更履歴のデータベースから前記特徴量が類似する条件変更事例を検索して、検索事例を成否で集計して、成功率の高い順位で製造条件候補を出力する製造条件候補作成部と、
    現状の長期ＫＰＩが目標値を超えていると判定された場合、前記製造条件候補の順位を決めるスコアを成功率の降順から失敗事例の昇順に変更して、前記製造条件候補の成功率の最上位の条件変更候補を除外した上で失敗事例の昇順に順位を並べ替えた製造条件候補を作成する偏向防止用製造条件候補作成部と、
    製造条件候補の最上位の条件変更の設定値を製造設備に出力すると共に、条件変更履歴に新規条件変更を登録する製造条件出力部と、
    を備えたことを特徴とする製造条件設定自動化装置。
  2. 前記製造条件候補作成部は、過去の条件変更履歴のデータベースから，類似判定用特徴量ごとに定めた閾値の誤差範囲内で一致する(類似する)特徴量を有する条件変更事例を検索することを特徴とする請求項１に記載の製造条件設定自動化装置。
  3. 前記製造条件候補作成部は、取得した類似する各条件変更事例において、条件変更後品質が変更前品質より高くなった事例を成功事例、高くならなかった事例を失敗事例と評価して、条件変更候補ごとに成否の事例数を集計して、成功率の高い順位で条件変更候補を配置した製造条件候補を出力することを特徴とする請求項１に記載の製造条件設定自動化装置。
  4. 前記長期ＫＰＩとして、製造管理データに記録されたロット単位の歩留実績と生産速度実績を採用することを特徴とする請求項１に記載の製造条件設定自動化装置。
  5. 前記偏向防止用製造条件候補作成部は、成功率が最も高い条件変更候補の失敗事例数に対する製造条件候補内の失敗事例数の最小値の比が０から１の範囲で算出した乱数より大きい場合に、前記製造条件候補の最上位の条件変更候補を他の条件変更候補に変更することを特徴とする請求項１に記載の製造条件設定自動化装置。
  6. 製造中の製造設備から複数の設備データを常時収集して、データベースに記録する工程と、
    所定の時間間隔ごとに、対象の製造設備の設備データから現状の工程能力(品質)を算出して、品質の許容範囲を満たすか否か判定する工程と、
    品質判定が否の場合、直近の設備データから類似判定に使用する特徴量を算出して、過去の条件変更履歴のデータベースから前記特徴量が類似する条件変更事例を検索して、検索事例を成否で集計して、成功率の高い順位で製造条件候補を出力する工程と、
    現状の長期ＫＰＩが目標値を超えていると判定された場合、前記製造条件候補の順位を決めるスコアを成功率の降順から失敗事例の昇順に変更して、前記製造条件候補の成功率の最上位の条件変更候補を除外した上で失敗事例の昇順に順位を並べ替えた製造条件候補を作成する工程と、
    製造条件候補の最上位の条件変更の設定値を製造設備に出力すると共に、条件変更履歴に新規条件変更を登録する工程と、
    を有することを特徴とする製造条件設定自動化装置により実行される製造条件設定自動化方法。
  7. 前記成功率の高い順位で製造条件候補を出力する工程は、品質判定が否の場合、直近の設備データから類似判定に使用する特徴量を算出して、過去の条件変更履歴のデータベースから，類似判定用特徴量ごとに定めた閾値の誤差範囲内で一致する(類似する)特徴量を有する条件変更事例を検索して、取得した類似する各条件変更事例において、条件変更後品質が変更前品質より高くなった事例を成功事例、高くならなかった事例を失敗事例と評価して、条件変更候補ごとに成否の事例数を集計して、成功率の高い順位で条件変更候補を配置した製造条件候補を出力する工程であることを特徴とする請求項６に記載の製造条件設定自動化方法。
  8. 前記製造条件候補の成功率の最上位の条件変更候補を除外した上で失敗事例の昇順に順位を並べ替えた製造条件候補を作成する工程は、成功率が最も高い条件変更候補の失敗事例数に対する製造条件候補内の失敗事例数の最小値の比が０から１の範囲で算出した乱数より大きい場合に、前記製造条件候補の最上位の条件変更候補を他の条件変更候補に変更することを特徴とする請求項６に記載の製造条件設定自動化方法。
JP2020145942A 2020-08-31 2020-08-31 製造条件設定自動化装置及び方法 Active JP7429623B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020145942A JP7429623B2 (ja) 2020-08-31 2020-08-31 製造条件設定自動化装置及び方法
US17/179,009 US11625029B2 (en) 2020-08-31 2021-02-18 Manufacturing condition setting automating apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020145942A JP7429623B2 (ja) 2020-08-31 2020-08-31 製造条件設定自動化装置及び方法

Publications (2)

Publication Number Publication Date
JP2022040964A JP2022040964A (ja) 2022-03-11
JP7429623B2 true JP7429623B2 (ja) 2024-02-08

Family

ID=80358510

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020145942A Active JP7429623B2 (ja) 2020-08-31 2020-08-31 製造条件設定自動化装置及び方法

Country Status (2)

Country Link
US (1) US11625029B2 (ja)
JP (1) JP7429623B2 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2023228423A1 (ja) * 2022-05-27 2023-11-30 ファナック株式会社 スポット溶接の溶接条件を管理する溶接管理装置
CN114820225B (zh) * 2022-06-28 2022-09-13 成都秦川物联网科技股份有限公司 基于关键词识别和处理制造问题的工业物联网及控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004078716A (ja) 2002-08-21 2004-03-11 Fujitsu Ltd 品質管理システム及び品質管理方法
JP2005197500A (ja) 2004-01-08 2005-07-21 Trecenti Technologies Inc 半導体製造システム、半導体装置の製造方法、ワーク製造システムおよびワークの製造方法
US20190221407A1 (en) 2018-01-17 2019-07-18 Hitachi High-Technologies Corporation Plasma processing apparatus
JP2020126443A (ja) 2019-02-05 2020-08-20 株式会社日立製作所 対策推薦装置及び対策推薦方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4128339B2 (ja) * 2001-03-05 2008-07-30 株式会社日立製作所 試料処理装置用プロセスモニタ及び試料の製造方法
JP4253252B2 (ja) * 2003-12-22 2009-04-08 富士通マイクロエレクトロニクス株式会社 品質改善システム
US20090171476A1 (en) * 2006-06-07 2009-07-02 Emerald Information Systems Ltd Control System for Production Machine
US8343305B2 (en) * 2007-09-04 2013-01-01 Lam Research Corporation Method and apparatus for diagnosing status of parts in real time in plasma processing equipment
US8370181B2 (en) * 2008-10-14 2013-02-05 Camstar Systems, Inc. System and method for supply chain data mining and analysis
JP6220319B2 (ja) * 2014-07-17 2017-10-25 株式会社日立ハイテクノロジーズ データ解析方法及びプラズマエッチング方法並びにプラズマ処理装置
US10518409B2 (en) * 2014-09-02 2019-12-31 Mark Oleynik Robotic manipulation methods and systems for executing a domain-specific application in an instrumented environment with electronic minimanipulation libraries
US10265911B1 (en) * 2015-05-13 2019-04-23 Marvell International Ltd. Image-based monitoring and feedback system for three-dimensional printing
US11237546B2 (en) * 2016-06-15 2022-02-01 Strong Force loT Portfolio 2016, LLC Method and system of modifying a data collection trajectory for vehicles
WO2018061842A1 (ja) * 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置
JP6917934B2 (ja) 2018-03-22 2021-08-11 株式会社日立システムズ 特徴選択装置および特徴選択方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004078716A (ja) 2002-08-21 2004-03-11 Fujitsu Ltd 品質管理システム及び品質管理方法
JP2005197500A (ja) 2004-01-08 2005-07-21 Trecenti Technologies Inc 半導体製造システム、半導体装置の製造方法、ワーク製造システムおよびワークの製造方法
US20190221407A1 (en) 2018-01-17 2019-07-18 Hitachi High-Technologies Corporation Plasma processing apparatus
JP2020126443A (ja) 2019-02-05 2020-08-20 株式会社日立製作所 対策推薦装置及び対策推薦方法

Also Published As

Publication number Publication date
JP2022040964A (ja) 2022-03-11
US20220066429A1 (en) 2022-03-03
US11625029B2 (en) 2023-04-11

Similar Documents

Publication Publication Date Title
JP7429623B2 (ja) 製造条件設定自動化装置及び方法
CN102257520A (zh) 应用的性能分析
CN111708665B (zh) 一种存储集群系统全面监控的方法、装置、设备和介质
US11170332B2 (en) Data analysis system and apparatus for analyzing manufacturing defects based on key performance indicators
JP2019144985A (ja) 異常検知データ識別装置、異常識別システムおよび異常識別プログラム
JP2004165216A (ja) 生産管理方法および生産管理装置
US20230046379A1 (en) Factory Management Device, Factory Management Method, and Factory Management Program
JP6990563B2 (ja) 製品設計および工程設計装置
JP5017176B2 (ja) 製造指示評価支援システム、製造指示評価支援方法、および製造指示評価支援プログラム
CN103324656A (zh) 数据库管理方法及其数据库管理服务器
CN114219461B (zh) 基于多生产工况的生产控制方法和装置
Saputra et al. Quality improvement of molding machine through statistical process control in plastic industry
CN108205714A (zh) 基于平均故障间隔时间的服务备件需求预测方法和装置
JP4309803B2 (ja) 保守支援プログラム
CN114529204A (zh) 一种组件化的生产过程控制管理方法及系统
CN113554483A (zh) 一种订单全生命周期管理方法及系统
CN117111568B (zh) 基于物联网的设备监测方法、装置、设备及存储介质
CN106681791A (zh) 一种基于对称邻居关系的增量式虚拟机异常检测方法
KR102168737B1 (ko) 품질 분석 장치 및 품질 분석 방법
CN112801441B (zh) 分析系统和分析方法
JP6616889B2 (ja) ウインドウ評価方法および分析装置
JP7140690B2 (ja) 対策推薦装置及び対策推薦方法
JP2022191680A (ja) データ選択支援装置及びデータ選択支援方法
US20220092509A1 (en) Work Improvement Support Apparatus, and Work Improvement Support System
JP4533711B2 (ja) リードタイム・歩留り管理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230123

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230929

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231003

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231018

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: 20240123

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240129

R150 Certificate of patent or registration of utility model

Ref document number: 7429623

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150