JPH05324673A - 製品故障解析装置及び方法 - Google Patents
製品故障解析装置及び方法Info
- Publication number
- JPH05324673A JPH05324673A JP8861991A JP8861991A JPH05324673A JP H05324673 A JPH05324673 A JP H05324673A JP 8861991 A JP8861991 A JP 8861991A JP 8861991 A JP8861991 A JP 8861991A JP H05324673 A JPH05324673 A JP H05324673A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- product
- past
- failure analysis
- failed
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
(57)【要約】
【目的】 少なくとも一つの故障部品を解析するための
故障解析手順を決定する装置及び方法を提供する。 【構成】 ジョブ要求装置(14)を用いて故障部品の
特徴を入力し、かつ前記故障部品の特徴を、過去の故障
部品の特徴及び対応する過去の故障メカニズムも格納し
ているリレーショナル・データ・ベース(22)にアッ
プロードする。前記リレーショナル・データ・ベース
(22)はアクセスにより故障部品のあり得る故障メカ
ニズムを選択的に検索することができ、知識ベースのエ
キスパート・システム(16)を採用して、選択された
あり得る故障メカニズム及び故障原因を確認するための
一組の故障解析手順を決定する。
故障解析手順を決定する装置及び方法を提供する。 【構成】 ジョブ要求装置(14)を用いて故障部品の
特徴を入力し、かつ前記故障部品の特徴を、過去の故障
部品の特徴及び対応する過去の故障メカニズムも格納し
ているリレーショナル・データ・ベース(22)にアッ
プロードする。前記リレーショナル・データ・ベース
(22)はアクセスにより故障部品のあり得る故障メカ
ニズムを選択的に検索することができ、知識ベースのエ
キスパート・システム(16)を採用して、選択された
あり得る故障メカニズム及び故障原因を確認するための
一組の故障解析手順を決定する。
Description
【0001】
【産業上の利用分野】本発明は、製品試験の分野に関
し、特に製品故障解析装置及び方法に関する。
し、特に製品故障解析装置及び方法に関する。
【0002】
【従来の技術】複雑な装置は多くの理由で故障する。故
障の原因は、材質の欠陥、欠陥のある製造処理仕様、及
び製造処理装置における異常を含む多数の要因によるこ
とが考えられる。また、故障はその装置の寿命内のいろ
いろな時間で検出される。例えば、故障は、製造の際、
製造者の製品試験の際、又はエンド・ユーザが使用して
いる際に検出され得る。製品が他の複合製品の部品、例
えば大型コンピュータにおける半導体デバイスであれ
ば、故障は最終製品のアッセンブリの前後で大型コンピ
ュータ製造者により検出されることもある。
障の原因は、材質の欠陥、欠陥のある製造処理仕様、及
び製造処理装置における異常を含む多数の要因によるこ
とが考えられる。また、故障はその装置の寿命内のいろ
いろな時間で検出される。例えば、故障は、製造の際、
製造者の製品試験の際、又はエンド・ユーザが使用して
いる際に検出され得る。製品が他の複合製品の部品、例
えば大型コンピュータにおける半導体デバイスであれ
ば、故障は最終製品のアッセンブリの前後で大型コンピ
ュータ製造者により検出されることもある。
【0003】システム故障が検出されると、故障の原因
が部品について追跡される。部品の故障原因は故障した
部品を解析することにより確認されなければならない。
一般的に、故障原因を最も良く見い出す一組の解析実験
及び手順を実行する必要がある。故障原因は多数の可能
性から起こるので、その原因を探し出す仕事は、しばし
ば非常に多い未知変数を有する問題方程式となる。いく
つかの未知変数を除去する一つの方法は、故障部品の一
定の特徴及び特性を、故障原因が確認済みとなっている
解析部品のものと比較することである。解析部品により
得られる過去のデータは、この問題に対する手掛り、従
ってさらに進んだ解析が故障原因を明らかにする出発点
を与える。
が部品について追跡される。部品の故障原因は故障した
部品を解析することにより確認されなければならない。
一般的に、故障原因を最も良く見い出す一組の解析実験
及び手順を実行する必要がある。故障原因は多数の可能
性から起こるので、その原因を探し出す仕事は、しばし
ば非常に多い未知変数を有する問題方程式となる。いく
つかの未知変数を除去する一つの方法は、故障部品の一
定の特徴及び特性を、故障原因が確認済みとなっている
解析部品のものと比較することである。解析部品により
得られる過去のデータは、この問題に対する手掛り、従
ってさらに進んだ解析が故障原因を明らかにする出発点
を与える。
【0004】故障原因を正確に確認するためには、現在
のデータを比較する過去のデータの完全な収集が重要で
ある。しかし、故障解析者は概して局部的に集められて
格納されたデータしか有さないので、一般的に完全なデ
ータ・セットは得られない。
のデータを比較する過去のデータの完全な収集が重要で
ある。しかし、故障解析者は概して局部的に集められて
格納されたデータしか有さないので、一般的に完全なデ
ータ・セットは得られない。
【0005】故障解析の数値データに加えて故障の写真
イメージが提供されると、故障解析者の助けとなること
がある。例えば、半導体デバイスの分野では、例えば微
粒子の汚染のような、故障の個所に関する高い解像度の
写真イメージは、故障解析者に計り知れない情報を与え
る。現在、故障解析者は、数値データによっては、完全
な一組の故障写真イメージにアクセスできない。
イメージが提供されると、故障解析者の助けとなること
がある。例えば、半導体デバイスの分野では、例えば微
粒子の汚染のような、故障の個所に関する高い解像度の
写真イメージは、故障解析者に計り知れない情報を与え
る。現在、故障解析者は、数値データによっては、完全
な一組の故障写真イメージにアクセスできない。
【0006】故障解析のサイクル時間、即ち初期の故障
検出から故障原因の最終的な解決までの総計時間は、典
型的には、数日から数週間である。故障解析のサイクル
時間は製造設備の稼動に大きな影響を与える。製品の完
全性を保証するために、部品及び最終製品の製造を中断
することにもなり得る。更に、製品の出荷が中断される
ことがあり、また場合によっては、欠陥のある部品を含
み得る製品を、その故障原因が判断されるまで、回収す
ることが必要となる。以上から、故障解析のサイクル時
間を短かくすることが強く要請される。
検出から故障原因の最終的な解決までの総計時間は、典
型的には、数日から数週間である。故障解析のサイクル
時間は製造設備の稼動に大きな影響を与える。製品の完
全性を保証するために、部品及び最終製品の製造を中断
することにもなり得る。更に、製品の出荷が中断される
ことがあり、また場合によっては、欠陥のある部品を含
み得る製品を、その故障原因が判断されるまで、回収す
ることが必要となる。以上から、故障解析のサイクル時
間を短かくすることが強く要請される。
【0007】
【発明が解決しようとする課題】従って、解析データの
より完全な収集に対するアクセスを有する製品故障解析
装置及び方法が要請されてきた。
より完全な収集に対するアクセスを有する製品故障解析
装置及び方法が要請されてきた。
【0008】更に、故障個所の写真イメージのより完全
な収集を行うことができる製品故障解析装置及び方法が
要請されてきた。
な収集を行うことができる製品故障解析装置及び方法が
要請されてきた。
【0009】正確かつ適当に製品故障の一又は複数の原
因を確認することが可能な装置及び方法が要請されてき
た。
因を確認することが可能な装置及び方法が要請されてき
た。
【0010】本発明は、従来の装置の欠点及び問題点を
ほぼ除去又は減少させる製品故障解析装置及び方法が提
供する。
ほぼ除去又は減少させる製品故障解析装置及び方法が提
供する。
【0011】
【課題を解決するための手段】本発明の一面によれば、
少なくとも一つの故障部品を解析するための故障解析手
順を決定する装置を提供する。ジョブ要求装置(job
submission system)を用いて故障
部品の特徴を入力し、前記故障部品の特徴をデータ・ベ
ースにアップロードする。このデータ・ベースには、過
去の故障部品の特徴及び対応する過去の故障メカニズム
も格納されている。前記データ・ベースをアクセスして
故障部品のあり得る故障メカニズムを選択的に検索する
ことができる。また、知識ベースを用いたエキスパート
・システムを使用して、前記選択されたあり得る故障メ
カニズムを確認するための一組の故障解析手順を決定す
る。
少なくとも一つの故障部品を解析するための故障解析手
順を決定する装置を提供する。ジョブ要求装置(job
submission system)を用いて故障
部品の特徴を入力し、前記故障部品の特徴をデータ・ベ
ースにアップロードする。このデータ・ベースには、過
去の故障部品の特徴及び対応する過去の故障メカニズム
も格納されている。前記データ・ベースをアクセスして
故障部品のあり得る故障メカニズムを選択的に検索する
ことができる。また、知識ベースを用いたエキスパート
・システムを使用して、前記選択されたあり得る故障メ
カニズムを確認するための一組の故障解析手順を決定す
る。
【0012】本発明の他の面によれば、少なくとも一つ
の故障部品を解析するための故障解析手順を決定する方
法は、一組の過去の故障部品の特徴及び対応する過去の
故障メカニズムをデータ・ベースに格納する複数のステ
ップを備えている。このデータ・ベースをアクセスして
前記一組の過去の故障メカニズムから少なくとも一つの
過去の故障メカニズムを選択的に得る。次いで、前記選
択した過去の故障メカニズムを確認するための一組の故
障解析手順を決定する。
の故障部品を解析するための故障解析手順を決定する方
法は、一組の過去の故障部品の特徴及び対応する過去の
故障メカニズムをデータ・ベースに格納する複数のステ
ップを備えている。このデータ・ベースをアクセスして
前記一組の過去の故障メカニズムから少なくとも一つの
過去の故障メカニズムを選択的に得る。次いで、前記選
択した過去の故障メカニズムを確認するための一組の故
障解析手順を決定する。
【0013】
【作用】本発明の技術的に重要な効果は、製品故障解析
のサイクル時間を短縮させ、これにより製品製造業者を
製品製造及び/又は出荷の中断に伴う重荷からほぼ開放
することである。
のサイクル時間を短縮させ、これにより製品製造業者を
製品製造及び/又は出荷の中断に伴う重荷からほぼ開放
することである。
【0014】本発明の他の重要な技術的な効果は、世界
各地のユーザが製品の故障原因を確認するためにアクセ
ス可能な一つのデータ・ベースに世界各地の故障解析デ
ータを統合することである。
各地のユーザが製品の故障原因を確認するためにアクセ
ス可能な一つのデータ・ベースに世界各地の故障解析デ
ータを統合することである。
【0015】更に、本発明の他の重要な技術的な効果
は、世界各地のユーザに対して識別及び検定用に故障製
品の高解像度の写真イメージを提供することである。
は、世界各地のユーザに対して識別及び検定用に故障製
品の高解像度の写真イメージを提供することである。
【0016】
【実施例】図1は、本発明の一実施例に係る製品故障解
析装置のブロック図を示す。本発明はいかなる人工的な
製品の故障解析にも適用可能であるが、説明のために、
以下では半導体デバイスの故障解析に適用した例につい
て説明を行うものとする。
析装置のブロック図を示す。本発明はいかなる人工的な
製品の故障解析にも適用可能であるが、説明のために、
以下では半導体デバイスの故障解析に適用した例につい
て説明を行うものとする。
【0017】製品故障解析装置10は、3つのサブシス
テム、すなわち、ジョブ要求装置(job submi
ssion system)14、エキスパート・シス
テム16及びイメージ・システム18をアクセスするた
めに用いられるコンピュータ・ワーク・ステーション1
2を備えている。ユーザは、例えばIBMPC又は他の
同等装備のコンピュータであるコンピュータ・ワーク・
ステーション12を介して、ジョブ要求装置14をアク
セスし、製品解析処理を開始することができる。本発明
の好適な実施例では、ジョブ要求装置14は、コンピュ
ータ・ワーク・ステーション12内に存在して実行され
るコンピュータ・プログラムである。
テム、すなわち、ジョブ要求装置(job submi
ssion system)14、エキスパート・シス
テム16及びイメージ・システム18をアクセスするた
めに用いられるコンピュータ・ワーク・ステーション1
2を備えている。ユーザは、例えばIBMPC又は他の
同等装備のコンピュータであるコンピュータ・ワーク・
ステーション12を介して、ジョブ要求装置14をアク
セスし、製品解析処理を開始することができる。本発明
の好適な実施例では、ジョブ要求装置14は、コンピュ
ータ・ワーク・ステーション12内に存在して実行され
るコンピュータ・プログラムである。
【0018】ユーザはコンピュータ・ワーク・ステーシ
ョン12を介してエキスパート・システム16もアクセ
スすることができる。エキスパート・システム16は、
メイン・フレーム・コンピュータ20上に存在し、米国
カリフォルニア州バロ・アルトのAIONにより製造さ
れたAIONデベロップメント・システム(AIOND
evelopment System)のような人工知
能コンピュータ・プログラムである。エキスパート・シ
ステム16は、過去の製品故障データを含むリレーショ
ナル・データ・ベース(RDB)22をアクセスするこ
とによって、あり得る製品故障原因を確認するために用
いられる。コンピュータ・ワーク・ステーション12
は、イーサーネット(Ethernet)のようなコン
ピュータ・ネットワーク24を介して、メイン・フレー
ム・コンピュータ20に接続されている。更に、メイン
・フレーム・コンピュータ20は、サテライト送信機2
6を介して1以上のリモート・コンピュータ・ワーク・
ステーション28にも接続され、ユーザは、リモート・
コンピュータ・ワーク・ステーション28に存在するジ
ョブ要求装置30を介して、故障解析ジョブを要求する
(submit)ことができる。遠方のユーザも遠方位
置からエキスパート・システム16及びイメージ・シス
テム18をアクセスすることができる。
ョン12を介してエキスパート・システム16もアクセ
スすることができる。エキスパート・システム16は、
メイン・フレーム・コンピュータ20上に存在し、米国
カリフォルニア州バロ・アルトのAIONにより製造さ
れたAIONデベロップメント・システム(AIOND
evelopment System)のような人工知
能コンピュータ・プログラムである。エキスパート・シ
ステム16は、過去の製品故障データを含むリレーショ
ナル・データ・ベース(RDB)22をアクセスするこ
とによって、あり得る製品故障原因を確認するために用
いられる。コンピュータ・ワーク・ステーション12
は、イーサーネット(Ethernet)のようなコン
ピュータ・ネットワーク24を介して、メイン・フレー
ム・コンピュータ20に接続されている。更に、メイン
・フレーム・コンピュータ20は、サテライト送信機2
6を介して1以上のリモート・コンピュータ・ワーク・
ステーション28にも接続され、ユーザは、リモート・
コンピュータ・ワーク・ステーション28に存在するジ
ョブ要求装置30を介して、故障解析ジョブを要求する
(submit)ことができる。遠方のユーザも遠方位
置からエキスパート・システム16及びイメージ・シス
テム18をアクセスすることができる。
【0019】更に、イメージ・システム18も、好まし
くは、メイン・フレーム・コンピュータ20上に存在
し、コンピュータ・ワーク・ステーション12又はリモ
ート・コンピュータ・ワーク・ステーション28により
アクセスすることができる。イメージ・システム18は
イメージ・ライブラリー(IL)32に対するアクセス
を有する。イメージ・ライブラリー32には故障製品の
高解像度の写真イメージが含まれている。例えば、ある
イメージは故障製造仕様を原因とした欠陥メタル接続を
示す。イメージ・ライブラリ32に記憶されているイメ
ージは、ローカルのコンピュータ・ワーク・ステーショ
ン12又は遠方のリモート・コンピュータ・ワーク・ス
テーション28上で検索して見ることができる。
くは、メイン・フレーム・コンピュータ20上に存在
し、コンピュータ・ワーク・ステーション12又はリモ
ート・コンピュータ・ワーク・ステーション28により
アクセスすることができる。イメージ・システム18は
イメージ・ライブラリー(IL)32に対するアクセス
を有する。イメージ・ライブラリー32には故障製品の
高解像度の写真イメージが含まれている。例えば、ある
イメージは故障製造仕様を原因とした欠陥メタル接続を
示す。イメージ・ライブラリ32に記憶されているイメ
ージは、ローカルのコンピュータ・ワーク・ステーショ
ン12又は遠方のリモート・コンピュータ・ワーク・ス
テーション28上で検索して見ることができる。
【0020】図2を参照すると、ブロック36で製品故
障解析処理が開始される。半導体デバイスの分野におい
て、半導体デバイス製造者から半導体デバイスを購入す
る顧客は、典型的には、複雑な電子システムやコンピュ
ータ・システムの製造者である。そのシステム製造者
は、前記半導体テバイス製造者から受け取ったときに半
導体デバイスを試験するか、あるいは半導体デバイスを
最終的なシステムに組み込んでしまうまで試験を延期す
ることができる。システム製造者の中には製造の前記各
段階の双方で試験することを選択する者もいる。故障は
いずれかの試験段階で発見され得る。次いで、試験を通
ったこれらのシステムは、一般的に、販売業者に発送さ
れて顧客に販売される。その後、顧客が使用している間
にも故障が現われることがある。
障解析処理が開始される。半導体デバイスの分野におい
て、半導体デバイス製造者から半導体デバイスを購入す
る顧客は、典型的には、複雑な電子システムやコンピュ
ータ・システムの製造者である。そのシステム製造者
は、前記半導体テバイス製造者から受け取ったときに半
導体デバイスを試験するか、あるいは半導体デバイスを
最終的なシステムに組み込んでしまうまで試験を延期す
ることができる。システム製造者の中には製造の前記各
段階の双方で試験することを選択する者もいる。故障は
いずれかの試験段階で発見され得る。次いで、試験を通
ったこれらのシステムは、一般的に、販売業者に発送さ
れて顧客に販売される。その後、顧客が使用している間
にも故障が現われることがある。
【0021】一旦故障が検出されると、概要予備試験を
実行して1以上のデバイスに対する故障原因を追跡し、
かつ、故障したデバイスを更に調べるためにデバイス製
造者に送り返す。
実行して1以上のデバイスに対する故障原因を追跡し、
かつ、故障したデバイスを更に調べるためにデバイス製
造者に送り返す。
【0022】ブロック38において、故障解析者はジョ
ブ要求装置14又は30(図1)を用いてジョブを要求
し(submit)、そのジョブに関する情報及び解析
すべきデバイスに関する情報を入力する。入力した情報
には、そのジョブにおける全てのデバイスに共通した情
報、例えば、ジョブ番号やそのジョブにおけるユニット
番号やそのデバイスをよこした顧客のような管理情報が
含まれる。更に、デバイスの製造に関する情報には、例
えば、デバイスのファミリー及びサブグループ、製作技
術、パッケージ材及び種類、鉛化合物、型及び接着材、
並びにデバイス試験環境が含まれる。付加的な情報が、
そのジョブにおける個々のデバイス、又はユニット情報
について入力される。ユニット情報には、各ユニット及
びロット番号に割り付けられた固有のユニット番号が含
まれる。
ブ要求装置14又は30(図1)を用いてジョブを要求
し(submit)、そのジョブに関する情報及び解析
すべきデバイスに関する情報を入力する。入力した情報
には、そのジョブにおける全てのデバイスに共通した情
報、例えば、ジョブ番号やそのジョブにおけるユニット
番号やそのデバイスをよこした顧客のような管理情報が
含まれる。更に、デバイスの製造に関する情報には、例
えば、デバイスのファミリー及びサブグループ、製作技
術、パッケージ材及び種類、鉛化合物、型及び接着材、
並びにデバイス試験環境が含まれる。付加的な情報が、
そのジョブにおける個々のデバイス、又はユニット情報
について入力される。ユニット情報には、各ユニット及
びロット番号に割り付けられた固有のユニット番号が含
まれる。
【0023】一旦、ジョブ及びユニット情報が入力され
ると、これらはジョブ及びユニット情報・データ・ベー
ス40に格納される。これによりジョブ要求処理が終結
し、そのジョブは待ち状態にあると云われる。ジョブ及
びユニット情報・データ・ベース40内のデータは2つ
のファイル42及び44に転送され、その一方はそのジ
ョブに関連したデータを含み、他方のデータはそのジョ
ブにおける各ユニットに関連したデータを含む。次い
で、ファイル42及び44内のデータはメイン・フレー
ム・コンピュータ20のリレーショナル・データ・ベー
ス22にアップロードされる。ジョブ及びユニット・デ
ータは、毎日又はリレーショナル・データ・ベース22
が最新のデータを有するものとして保証されるのに充分
な頻度で、リレーショナル・データ・ベース22にアッ
プロードされるのが好ましい。
ると、これらはジョブ及びユニット情報・データ・ベー
ス40に格納される。これによりジョブ要求処理が終結
し、そのジョブは待ち状態にあると云われる。ジョブ及
びユニット情報・データ・ベース40内のデータは2つ
のファイル42及び44に転送され、その一方はそのジ
ョブに関連したデータを含み、他方のデータはそのジョ
ブにおける各ユニットに関連したデータを含む。次い
で、ファイル42及び44内のデータはメイン・フレー
ム・コンピュータ20のリレーショナル・データ・ベー
ス22にアップロードされる。ジョブ及びユニット・デ
ータは、毎日又はリレーショナル・データ・ベース22
が最新のデータを有するものとして保証されるのに充分
な頻度で、リレーショナル・データ・ベース22にアッ
プロードされるのが好ましい。
【0024】リレーショナル・データ・ベース22内の
過去のデータは、好ましくは、コンピュータ・データ・
ベースの技術におけるリレーション(relatio
n)としても知られているように、3つのテーブル構造
(図示なし)に格納されている。第1のテーブルは全て
のジョブ情報を備え、第2のテーブルはユニット情報を
備え、第3のテーブルは、好ましくは、各ユニットに対
する符号化された故障メカニズムの定義を備えている。
符号化された故障メカニズムは、第3のテーブルに格納
された各故障メカニズム符号によりデコードされてもよ
い。現在待ち状態にあるデバイスの故障メカニズムは未
だ確認されていないので、ユニット・テーブルにおける
各エントリは空きになっている。前記ジョブ・テーブ
ル、ユニット・テーブル及び故障メカニズム・テーブル
は、ジョブ番号及び故障メカニズム符号のようなキーに
よりアクセス可能である。リレーショナル・データ・ベ
ース22は、それに格納された情報についての問合せに
対して、構造質問言語(SQL)のような質問言語の形
式にある質問を許容する。
過去のデータは、好ましくは、コンピュータ・データ・
ベースの技術におけるリレーション(relatio
n)としても知られているように、3つのテーブル構造
(図示なし)に格納されている。第1のテーブルは全て
のジョブ情報を備え、第2のテーブルはユニット情報を
備え、第3のテーブルは、好ましくは、各ユニットに対
する符号化された故障メカニズムの定義を備えている。
符号化された故障メカニズムは、第3のテーブルに格納
された各故障メカニズム符号によりデコードされてもよ
い。現在待ち状態にあるデバイスの故障メカニズムは未
だ確認されていないので、ユニット・テーブルにおける
各エントリは空きになっている。前記ジョブ・テーブ
ル、ユニット・テーブル及び故障メカニズム・テーブル
は、ジョブ番号及び故障メカニズム符号のようなキーに
よりアクセス可能である。リレーショナル・データ・ベ
ース22は、それに格納された情報についての問合せに
対して、構造質問言語(SQL)のような質問言語の形
式にある質問を許容する。
【0025】ブロック46に進むと、故障解析者は、故
障デバイスについて多数の電気試験を行なって故障の性
質又は故障モードを確認することを好む。例えば、この
試験は、そのデバイスに一定の電圧を印加したときに、
そのデバイスが異常な曲線を示すことを明らかにする。
ジョブの要求に先だって、電気試験を実行してもよいこ
とことに注意すべきである。故障解析者は、故障モード
と、エキスパート・システム16により催促されたとき
は相関レベル(correlation level)
とを入力し、エキスパート・システム16は、この故障
モード及び他の適当な情報を用いて、あり得る故障原因
を確認する。
障デバイスについて多数の電気試験を行なって故障の性
質又は故障モードを確認することを好む。例えば、この
試験は、そのデバイスに一定の電圧を印加したときに、
そのデバイスが異常な曲線を示すことを明らかにする。
ジョブの要求に先だって、電気試験を実行してもよいこ
とことに注意すべきである。故障解析者は、故障モード
と、エキスパート・システム16により催促されたとき
は相関レベル(correlation level)
とを入力し、エキスパート・システム16は、この故障
モード及び他の適当な情報を用いて、あり得る故障原因
を確認する。
【0026】エキスパート・システム16はリレーショ
ナル・データ・ベース22に格納された過去のデータを
アクセスして故障原因を確認する。図3を参照すると、
エキスパート・システム16が、選択的にアクセスを
し、現在解析しているデバイスにほぼ一致するユニット
の故障メカニズムを検索する処理が示されている。ブロ
ック50で一致処理(MATCH process)が
開始し、リレーショナル・データ・ベース22から現在
のデバイスに対するジョブ及びユニット番号を読む出
す。更に、故障解析者は所望の相関レベルを入力するよ
うに催促される。相関レベルは0と10との間の整数で
あればよく、相関レベルの0は低い相関が望ましいこと
を示し、相関レベルの10は高い相関が望ましいことを
示す。指定された相関レベルが大きければ大きいほど、
リレーショナル・データ・ベース22に格納された小さ
なユニット数が現在のデバイスに一致するということに
なる。
ナル・データ・ベース22に格納された過去のデータを
アクセスして故障原因を確認する。図3を参照すると、
エキスパート・システム16が、選択的にアクセスを
し、現在解析しているデバイスにほぼ一致するユニット
の故障メカニズムを検索する処理が示されている。ブロ
ック50で一致処理(MATCH process)が
開始し、リレーショナル・データ・ベース22から現在
のデバイスに対するジョブ及びユニット番号を読む出
す。更に、故障解析者は所望の相関レベルを入力するよ
うに催促される。相関レベルは0と10との間の整数で
あればよく、相関レベルの0は低い相関が望ましいこと
を示し、相関レベルの10は高い相関が望ましいことを
示す。指定された相関レベルが大きければ大きいほど、
リレーショナル・データ・ベース22に格納された小さ
なユニット数が現在のデバイスに一致するということに
なる。
【0027】ブロック54において、一致処理において
用いられるパラメータに対する重み係数がメモリから読
み出される。これらのパラメータは、ジョブ要求処理に
おいて要求された、ジョブ及びユニット情報の部分集合
(subset)である。
用いられるパラメータに対する重み係数がメモリから読
み出される。これらのパラメータは、ジョブ要求処理に
おいて要求された、ジョブ及びユニット情報の部分集合
(subset)である。
【0028】
【表1】
【0029】表1には一組のパラメータ例及びそれらの
それぞれの重み係数が示されている。パラメータである
「ファミリー」、「サブグループ」及び「装置の型式」
にはそれぞれ10の重み係数が割り付けられている。こ
の重み係数は、「ファミリー」、「サブグループ」及び
「装置の型式」が現在のデバイスに正確に一致するユニ
ットのみを読み出すように、一致処理が要求されること
を表わしている。10より小さい重み係数を有するパラ
メータ、例えば「アッセンブリ」、「製作技術」及び
「試験環境1」は、低い一致度がこれらのパラメータに
必要なこと表わしている。
それぞれの重み係数が示されている。パラメータである
「ファミリー」、「サブグループ」及び「装置の型式」
にはそれぞれ10の重み係数が割り付けられている。こ
の重み係数は、「ファミリー」、「サブグループ」及び
「装置の型式」が現在のデバイスに正確に一致するユニ
ットのみを読み出すように、一致処理が要求されること
を表わしている。10より小さい重み係数を有するパラ
メータ、例えば「アッセンブリ」、「製作技術」及び
「試験環境1」は、低い一致度がこれらのパラメータに
必要なこと表わしている。
【0030】多数の理由から重み係数を変更して異なる
一致結果を発生させてもよい。例えば、故障原因がアッ
センブリ工程における誤りによるものであると考えられ
るときは、これに関連するパラメータは高い重み係数が
割り付けられ、関連性がもっと低いパラメータは低い又
は0の重み係数が割り付けられる。種々の条件について
形成された重み係数は後で参照するためにメモリに格納
されてもよい。
一致結果を発生させてもよい。例えば、故障原因がアッ
センブリ工程における誤りによるものであると考えられ
るときは、これに関連するパラメータは高い重み係数が
割り付けられ、関連性がもっと低いパラメータは低い又
は0の重み係数が割り付けられる。種々の条件について
形成された重み係数は後で参照するためにメモリに格納
されてもよい。
【0031】ブロツク56に進むと、次の式を使って、
変数PWEIGHTが計算される。
変数PWEIGHTが計算される。
【数1】 PWEIGHT=(CL/10 * Σ WF ≠10)+(Σ WF =10), ただし、CLは指定した相関レベルであり、WFは表1
の重み係数である。例えば、相関レベルを5とし、か
つ、表1に示す重み係数例を用いると、PWEIGHT
は下記のように計算される。
の重み係数である。例えば、相関レベルを5とし、か
つ、表1に示す重み係数例を用いると、PWEIGHT
は下記のように計算される。
【数2】 PWEIGHT=(5/10 *((8*16)+(7 * 2)+3+2))+(10 *3) =103.5 10に等しくない重み係数は、16個の8、2個の7、
1個の3及び1個の2を含めて、22個あるので、これ
らの重み係数を加算して0.5を掛算する。ここで、
0.5は、相関レベルを10で割算したものである。さ
らに、10に等しい3個の重み係数が加算される。この
ようにして計算されたPWEIGHT値は後で参照する
ために格納される。
1個の3及び1個の2を含めて、22個あるので、これ
らの重み係数を加算して0.5を掛算する。ここで、
0.5は、相関レベルを10で割算したものである。さ
らに、10に等しい3個の重み係数が加算される。この
ようにして計算されたPWEIGHT値は後で参照する
ために格納される。
【0032】次のブロック58において、現在のデバイ
スに対するパラメータ値はリレーショナル・データ・ベ
ース22から検索される。各パラメータに対する値を用
いてリレーショナル・データ・ベース22内の過去のユ
ニットのパラメータ値と比較される。過去の各ユニット
を調べる際は、下記の式を用いてMATCH_COUN
Tを計算する。
スに対するパラメータ値はリレーショナル・データ・ベ
ース22から検索される。各パラメータに対する値を用
いてリレーショナル・データ・ベース22内の過去のユ
ニットのパラメータ値と比較される。過去の各ユニット
を調べる際は、下記の式を用いてMATCH_COUN
Tを計算する。
【数3】 MATCH_COUNT=(ΣWF≠10)+(ΣWF=10). もし、過去のユニットのパラメータが解析している現在
のデバイスの前記パラメータに等しいときは、重み係数
即ち当該パラメータが当該過去のユニットに対するMA
TCH_COUNTに加算される。例えば、もし、過去
のユニットの「ファミリー」が現在解析されているデバ
イスの「ファミリー」と同一であるときは、その重み係
数はパラメータ「ファミリー」に対して10であるか
ら、10がMATCH_COUNTに加算される。過去
のユニツトの全てのパラメータはこのようにして調べら
れ、変数MATCH_COUNTが積算される。
のデバイスの前記パラメータに等しいときは、重み係数
即ち当該パラメータが当該過去のユニットに対するMA
TCH_COUNTに加算される。例えば、もし、過去
のユニットの「ファミリー」が現在解析されているデバ
イスの「ファミリー」と同一であるときは、その重み係
数はパラメータ「ファミリー」に対して10であるか
ら、10がMATCH_COUNTに加算される。過去
のユニツトの全てのパラメータはこのようにして調べら
れ、変数MATCH_COUNTが積算される。
【0033】判断ブロック62において、前記積算され
たMATCH_COUNTがブロック56で計算した変
数値PWEIGHTと比較される。MATCH_COU
NTの値がPWEIGHTの値より大きいか等しいとき
は、その特定の過去のユニットが現在のデバイスのため
にあり得る故障原因を提供することができる。ブロック
62における条件を満足させるMATCH_COUNT
を有する過去のユニットは、ブロック64に示すよう
に、後で使用するファイル内にそれらのジョブ及びユニ
ット情報と共に格納される。特に、各候補の過去のユニ
ットに対する故障メカニズムは、適当な他の情報と共に
そのファイルに記憶される。このようにして、全ての過
去のユニットを調べるまで、ブロック60,62及び6
4に示すステップがリレーショナル・データ・ベース2
2に格納されている各過去のユニットについて反復され
る。
たMATCH_COUNTがブロック56で計算した変
数値PWEIGHTと比較される。MATCH_COU
NTの値がPWEIGHTの値より大きいか等しいとき
は、その特定の過去のユニットが現在のデバイスのため
にあり得る故障原因を提供することができる。ブロック
62における条件を満足させるMATCH_COUNT
を有する過去のユニットは、ブロック64に示すよう
に、後で使用するファイル内にそれらのジョブ及びユニ
ット情報と共に格納される。特に、各候補の過去のユニ
ットに対する故障メカニズムは、適当な他の情報と共に
そのファイルに記憶される。このようにして、全ての過
去のユニットを調べるまで、ブロック60,62及び6
4に示すステップがリレーショナル・データ・ベース2
2に格納されている各過去のユニットについて反復され
る。
【0034】ブロック66に進むと、格納された候補の
ユニット故障メカニズムの前記ファイルにおける発生数
がカウントされる。次のブロック68において、前記故
障メカニズムはその発生数が大きい順にランク付けされ
る。実際において、最上位にランクされた故障メカニズ
ムは、リレーショナル・データ・ベース22内にデータ
として記録され、最も頻繁に発生する故障を表わしてい
る。リレーショナル・データ・ベース22には多数の故
障解析試験所からの過去のテバイスデータが含まれるの
で、リレーショナル・データ・ベース22に格納された
情報は、より完全であり、したがって、あり得る故障メ
カニズムをより正確にもたらす。次いで、ランク付けさ
れた故障メカニズムを、エキスパート・システム16に
よりアクセス可能で読み出し可能なファイルに格納す
る。
ユニット故障メカニズムの前記ファイルにおける発生数
がカウントされる。次のブロック68において、前記故
障メカニズムはその発生数が大きい順にランク付けされ
る。実際において、最上位にランクされた故障メカニズ
ムは、リレーショナル・データ・ベース22内にデータ
として記録され、最も頻繁に発生する故障を表わしてい
る。リレーショナル・データ・ベース22には多数の故
障解析試験所からの過去のテバイスデータが含まれるの
で、リレーショナル・データ・ベース22に格納された
情報は、より完全であり、したがって、あり得る故障メ
カニズムをより正確にもたらす。次いで、ランク付けさ
れた故障メカニズムを、エキスパート・システム16に
よりアクセス可能で読み出し可能なファイルに格納す
る。
【0035】図2に戻ると、ブロック48はエキスパー
ト・システム16により可能性のある故障メカニズムが
えられることを示しているので、故障解析者は更なる解
析により確認し得る1以上のあり得る故障メカニズムを
選択することができる。選択されたあり得る故障メカニ
ズムは、エキスパート・システム解析のための開始点と
してエキスパート・システム16に提供される。
ト・システム16により可能性のある故障メカニズムが
えられることを示しているので、故障解析者は更なる解
析により確認し得る1以上のあり得る故障メカニズムを
選択することができる。選択されたあり得る故障メカニ
ズムは、エキスパート・システム解析のための開始点と
してエキスパート・システム16に提供される。
【0036】エキスパート・システム16には、エキス
パート故障解析者の技術経験と同様のエキスパート知識
を含む知識ベースが含まれている。ブロック74に示す
ように、エキスパート・システム16は、知識ベースに
格納された知識を用いることにより、故障解析者が実行
して故障原因を確認することが可能な一組の推奨デバイ
ス試験及び解析手順を推論する。知識ベースによるエキ
スパート・システム及びその構築は当該技術分野に知ら
れていることであり、ここでその詳細について説明はし
ない。
パート故障解析者の技術経験と同様のエキスパート知識
を含む知識ベースが含まれている。ブロック74に示す
ように、エキスパート・システム16は、知識ベースに
格納された知識を用いることにより、故障解析者が実行
して故障原因を確認することが可能な一組の推奨デバイ
ス試験及び解析手順を推論する。知識ベースによるエキ
スパート・システム及びその構築は当該技術分野に知ら
れていることであり、ここでその詳細について説明はし
ない。
【0037】前記推奨デバイス試験及び解析手順は、あ
り得る原因、故障の段階を予測し、試験又は解析装置、
目視点検において何を検索すべきか、及び必要ならばデ
バイスをデプロセス(deprocess)するステッ
プについて詳細に表わしている。故障解析者はエキスパ
ート・システム16により推奨された試験及び解析手順
に従い、故障メカニズム及びあり得る故障原因を確認す
るか又は否定するかの結論に到達する。故障原因が確か
められるまで、このような方法によりあり得る各故障メ
カニズムを調べることができる。
り得る原因、故障の段階を予測し、試験又は解析装置、
目視点検において何を検索すべきか、及び必要ならばデ
バイスをデプロセス(deprocess)するステッ
プについて詳細に表わしている。故障解析者はエキスパ
ート・システム16により推奨された試験及び解析手順
に従い、故障メカニズム及びあり得る故障原因を確認す
るか又は否定するかの結論に到達する。故障原因が確か
められるまで、このような方法によりあり得る各故障メ
カニズムを調べることができる。
【0038】ブロック76において、デバイスの故障原
因を確認した後、故障解析者はその確認した故障原因を
リレーショナル・データ・ベース22内に入れ、これに
よりジョブが終了する。この更新ステップはジョブ要求
装置14及び30を用いることにより実行することがで
きる。ユニットについての故障メカニズムのエントリ及
びメイン・フレーム・コンピュータ20へそのデータを
アップロードすることは、リレーショナル・データ・ベ
ース22内でそのユニットを過去のユニットにし、他の
デバイスの故障原因の確認に利用可能にする。
因を確認した後、故障解析者はその確認した故障原因を
リレーショナル・データ・ベース22内に入れ、これに
よりジョブが終了する。この更新ステップはジョブ要求
装置14及び30を用いることにより実行することがで
きる。ユニットについての故障メカニズムのエントリ及
びメイン・フレーム・コンピュータ20へそのデータを
アップロードすることは、リレーショナル・データ・ベ
ース22内でそのユニットを過去のユニットにし、他の
デバイスの故障原因の確認に利用可能にする。
【0039】試験及び解析手順に加えて、エキスパート
・システム16は、故障解析者に付加的な確認手段とし
て故障メカニズムの高解像度の写真イメージを見る機会
を提供する。ブロック78において、故障解析者は、イ
メージ・ライブラリ32から読み出されるイメージを見
ることができる。写真イメージは、例えば、米国インデ
ィアナ州インディアナポリスのトルービジョン(株)
(TruevisionInc.)により製造されたタ
ルガ16基板イメージ表現システム(TARGA16
board image Capture syste
m)のような装置により表現される。捕捉されたイメー
ジのフォーマット変換は、メイン・フレーム・コンピュ
ータ20のメモリ内に写真イメージを格納するために必
要なこともある。このようなフォーマット変換は当該技
術分野において知られていることであり、ここで更に説
明するまでもない。
・システム16は、故障解析者に付加的な確認手段とし
て故障メカニズムの高解像度の写真イメージを見る機会
を提供する。ブロック78において、故障解析者は、イ
メージ・ライブラリ32から読み出されるイメージを見
ることができる。写真イメージは、例えば、米国インデ
ィアナ州インディアナポリスのトルービジョン(株)
(TruevisionInc.)により製造されたタ
ルガ16基板イメージ表現システム(TARGA16
board image Capture syste
m)のような装置により表現される。捕捉されたイメー
ジのフォーマット変換は、メイン・フレーム・コンピュ
ータ20のメモリ内に写真イメージを格納するために必
要なこともある。このようなフォーマット変換は当該技
術分野において知られていることであり、ここで更に説
明するまでもない。
【0040】本発明を詳細に説明したが、特許請求の範
囲により定められる本発明の精神及び範囲から逸脱する
ことなく、種々の変更、置換及び改造が可能なことを理
解すべきである。
囲により定められる本発明の精神及び範囲から逸脱する
ことなく、種々の変更、置換及び改造が可能なことを理
解すべきである。
【0041】以上の説明に関して更に以下の項を開示す
る。 (1) 故障製品を解析する製品故障解析装置において、
前記故障製品の特徴を入力する入力手段と、前記入力手
段に接続され、一組の過去の故障製品の特徴及び対応す
る過去の故障メカニズムを格納するデータ・ベース手段
と、前記故障製品の特徴に応答して、前記データ・ベー
ス手段をアクセスし、前記一組の過去の故障メカニズム
から少なくとも一つの過去の故障メカニズムを選択する
手段と、前記選択された過去の故障メカニズムを確認す
るための一組の故障解析手順を決定するエキスパート・
システム手段と、を備えていることを特徴とする製品故
障解析装置。
る。 (1) 故障製品を解析する製品故障解析装置において、
前記故障製品の特徴を入力する入力手段と、前記入力手
段に接続され、一組の過去の故障製品の特徴及び対応す
る過去の故障メカニズムを格納するデータ・ベース手段
と、前記故障製品の特徴に応答して、前記データ・ベー
ス手段をアクセスし、前記一組の過去の故障メカニズム
から少なくとも一つの過去の故障メカニズムを選択する
手段と、前記選択された過去の故障メカニズムを確認す
るための一組の故障解析手順を決定するエキスパート・
システム手段と、を備えていることを特徴とする製品故
障解析装置。
【0042】(2) 第1項記載の製品故障解析装置にお
いて、前記入力手段は1以上の故障製品についての特徴
を催促し、前記特徴には前記故障製品に共通な情報及び
各故障製品に固有の情報が含まれている、ことを特徴と
する製品故障解析装置。
いて、前記入力手段は1以上の故障製品についての特徴
を催促し、前記特徴には前記故障製品に共通な情報及び
各故障製品に固有の情報が含まれている、ことを特徴と
する製品故障解析装置。
【0043】(3) 第2項記載の製品故障解析装置にお
いて、前記共通な特徴には製品製造情報が含まれてい
る、ことを特徴とする製品故障解析装置。
いて、前記共通な特徴には製品製造情報が含まれてい
る、ことを特徴とする製品故障解析装置。
【0044】(4) 第2項記載の製品故障解析装置にお
いて、前記固有の特徴にはどのようにして製品が故障し
たのかについての情報が含まれている、ことを特徴とす
る製品故障解析装置。
いて、前記固有の特徴にはどのようにして製品が故障し
たのかについての情報が含まれている、ことを特徴とす
る製品故障解析装置。
【0045】(5) 第2項記載の製品故障解析装置にお
いて、前記データ・ベース手段は、複数の過去の故障製
品に共通な過去の特徴と、各過去の故障製品に固有の過
去の特徴とを格納する、ことを特徴とする製品故障解析
装置。
いて、前記データ・ベース手段は、複数の過去の故障製
品に共通な過去の特徴と、各過去の故障製品に固有の過
去の特徴とを格納する、ことを特徴とする製品故障解析
装置。
【0046】(6) 第1項記載の製品故障解析装置にお
いて、前記データ・ベース手段にはリレーショナル・デ
ータ・ベースが含まれていることを特徴とする製品故障
解析装置。
いて、前記データ・ベース手段にはリレーショナル・デ
ータ・ベースが含まれていることを特徴とする製品故障
解析装置。
【0047】(7) 第1項記載の製品故障解析装置にお
いて、前記選択する手段は、前記入力した故障製品の特
徴にほぼ一致した対応する過去の故障製品の特徴を有す
る、1以上の過去の故障メカニズムを選択する、ことを
特徴とする製品故障解析装置。
いて、前記選択する手段は、前記入力した故障製品の特
徴にほぼ一致した対応する過去の故障製品の特徴を有す
る、1以上の過去の故障メカニズムを選択する、ことを
特徴とする製品故障解析装置。
【0048】(8) 第7項記載の製品故障解析装置にお
いて、更に、1以上の選択された過去の故障メカニズム
をランク付けするランク付け手段を備えていることを特
徴とする製品故障解析装置。
いて、更に、1以上の選択された過去の故障メカニズム
をランク付けするランク付け手段を備えていることを特
徴とする製品故障解析装置。
【0049】(9) 第8項記載の製品故障解析装置にお
いて、前記ランク付け手段は、前記リレーショナル・デ
ータ・ベース内における各前記選択された過去の故障メ
カニズムの発生数に応答して、前記1以上の選択された
過去の故障メカニズムをランク付ける、ことを特徴とす
る製品故障解析装置。
いて、前記ランク付け手段は、前記リレーショナル・デ
ータ・ベース内における各前記選択された過去の故障メ
カニズムの発生数に応答して、前記1以上の選択された
過去の故障メカニズムをランク付ける、ことを特徴とす
る製品故障解析装置。
【0050】(10) 第9項記載の製品故障解析装置にお
いて、前記ランク付け手段は、前記発生数の数が大きい
順に、前記1以上の選択された過去の故障メカニズムを
ランク付けする、ことを特徴とする製品故障解析装置。
いて、前記ランク付け手段は、前記発生数の数が大きい
順に、前記1以上の選択された過去の故障メカニズムを
ランク付けする、ことを特徴とする製品故障解析装置。
【0051】(11) 第7項記載の製品故障解析装置にお
いて、更に、前記過去の故障製品の特徴の各々に重み付
けする重み付け手段を備えていることを特徴とする製品
故障解析装置。
いて、更に、前記過去の故障製品の特徴の各々に重み付
けする重み付け手段を備えていることを特徴とする製品
故障解析装置。
【0052】(12) 第11項記載の製品故障解析装置に
おいて、前記重み付け手段は、第1の所定数と第2の所
定数との間の重み係数を前記製品の特徴の所定の各部分
集合に、割り付け、前記第1の所定数は前記第2の所定
数より小さいことを特徴とする製品故障解析装置。
おいて、前記重み付け手段は、第1の所定数と第2の所
定数との間の重み係数を前記製品の特徴の所定の各部分
集合に、割り付け、前記第1の所定数は前記第2の所定
数より小さいことを特徴とする製品故障解析装置。
【0053】(13) 第12項記載の製品故障解析装置に
おいて、更に、
おいて、更に、
【数4】 ((CL/10*ΣWF≠WMAX)+(ΣWF=WMAX)≦ (Σ(WF≠WMAX)MATCHED +Σ(WF=WMAX)MATCHED
), を計算する手段を備え、ここで、CLはユーザーが選択
できる相関レベルであり、WFは前記各特徴に前記割り
付けられた重み係数であり、WMAXは前記第2の所定
の重み付け数である、ことを特徴とする製品故障解析装
置。
), を計算する手段を備え、ここで、CLはユーザーが選択
できる相関レベルであり、WFは前記各特徴に前記割り
付けられた重み係数であり、WMAXは前記第2の所定
の重み付け数である、ことを特徴とする製品故障解析装
置。
【0054】(14) 第1項記載の製品故障解析装置にお
いて、更に、前記故障製品の故障原因の写真イメージを
得る手段と、前記写真イメージを格納するライブラリ手
段と、前記ライブラリ手段に格納された前記写真イメー
ジをアクセスする手段と、前記アクセスされた写真イメ
ージを表示する手段と備えている、ことを特徴とする製
品故障解析装置。
いて、更に、前記故障製品の故障原因の写真イメージを
得る手段と、前記写真イメージを格納するライブラリ手
段と、前記ライブラリ手段に格納された前記写真イメー
ジをアクセスする手段と、前記アクセスされた写真イメ
ージを表示する手段と備えている、ことを特徴とする製
品故障解析装置。
【0055】(15) 第14項記載の製品故障解析装置に
おいて、更に、前記過去の故障部品の特徴、対応する故
障メカニズム及びその対応する写真イメージを、複数の
他の故障解析地に転送するサテライト手段を、備えてい
ることを特徴とする製品故障解析装置。
おいて、更に、前記過去の故障部品の特徴、対応する故
障メカニズム及びその対応する写真イメージを、複数の
他の故障解析地に転送するサテライト手段を、備えてい
ることを特徴とする製品故障解析装置。
【0056】(16) 少なくとも一つの故障部品を解析す
るための故障解析手順を決定する製品故障解析装置にお
いて、前記故障部品の一組の特徴を入力する入力手段
と、前記入力手段に接続され、一組の過去の故障部品の
特徴及び対応する過去の故障メカニズムを格納するリレ
ーショナル・データ・ベース手段と、前記リレーショナ
ル・データ・ベース手段に前記特徴の組を転送する手段
と、前記リレーショナル・データ・ベースをアクセスし
て複数の過去の故障メカニズムを選択的に供給し、ここ
に、前記選択した複数の過去の故障メカニズムの前記対
応する過去の故障部品の特徴は前記入力された故障部品
の特徴に一致するものである、手段と、前記選択された
複数の過去の故障メカニズムをランク付けするランク付
け手段と、前記選択された複数の過去の故障メカニズム
のうちの一つを確認するための一組の故障解析手順を決
定するエキスパート・システム手段と、を備えているこ
とを特徴とする製品故障解析装置。
るための故障解析手順を決定する製品故障解析装置にお
いて、前記故障部品の一組の特徴を入力する入力手段
と、前記入力手段に接続され、一組の過去の故障部品の
特徴及び対応する過去の故障メカニズムを格納するリレ
ーショナル・データ・ベース手段と、前記リレーショナ
ル・データ・ベース手段に前記特徴の組を転送する手段
と、前記リレーショナル・データ・ベースをアクセスし
て複数の過去の故障メカニズムを選択的に供給し、ここ
に、前記選択した複数の過去の故障メカニズムの前記対
応する過去の故障部品の特徴は前記入力された故障部品
の特徴に一致するものである、手段と、前記選択された
複数の過去の故障メカニズムをランク付けするランク付
け手段と、前記選択された複数の過去の故障メカニズム
のうちの一つを確認するための一組の故障解析手順を決
定するエキスパート・システム手段と、を備えているこ
とを特徴とする製品故障解析装置。
【0057】(17) 第16項記載の製品故障解析装置に
おいて、前記入力手段は1以上の故障部品についての特
徴を催促し、前記特徴には前記故障部品に共通の情報及
び各故障部品に固有の情報が含まれる、ことを特徴とす
る製品故障解析装置。
おいて、前記入力手段は1以上の故障部品についての特
徴を催促し、前記特徴には前記故障部品に共通の情報及
び各故障部品に固有の情報が含まれる、ことを特徴とす
る製品故障解析装置。
【0058】(18) 第17項記載の製品故障解析装置に
おいて、前記共通の特徴には部品製造の情報が含まれる
ことを特徴とする製品故障解析装置。
おいて、前記共通の特徴には部品製造の情報が含まれる
ことを特徴とする製品故障解析装置。
【0059】(19) 第17項記載の製品故障解析装置に
おいて、前記固有の特徴にはどのようにして部品が故障
したのかの情報が含まれていることを特徴とする製品故
障解析装置。
おいて、前記固有の特徴にはどのようにして部品が故障
したのかの情報が含まれていることを特徴とする製品故
障解析装置。
【0060】(20) 第17項記載の製品故障解析装置に
おいて、前記リレーショナル・データ・ベース手段は、
複数の過去の故障部品に共通な特徴と各過去の故障部品
に固有の特徴とを格納する、ことを特徴とする製品故障
解析装置。
おいて、前記リレーショナル・データ・ベース手段は、
複数の過去の故障部品に共通な特徴と各過去の故障部品
に固有の特徴とを格納する、ことを特徴とする製品故障
解析装置。
【0061】(21) 第16項記載の製品故障解析装置に
おいて、更に、前記複数の選択された過去の故障メカニ
ズムをランク付けするランク付け手段を備えていること
を特徴とする製品故障解析装置。
おいて、更に、前記複数の選択された過去の故障メカニ
ズムをランク付けするランク付け手段を備えていること
を特徴とする製品故障解析装置。
【0062】(22) 第21項記載の製品故障解析装置に
おいて、前記ランク付け手段は、前記リレーショナル・
データ・ベースにおける前記選択した各過去の故障メカ
ニズムの発生数に応答して、前記複数の選択された過去
の故障メカニズムをランク付けすることを特徴とする製
品故障解析装置。
おいて、前記ランク付け手段は、前記リレーショナル・
データ・ベースにおける前記選択した各過去の故障メカ
ニズムの発生数に応答して、前記複数の選択された過去
の故障メカニズムをランク付けすることを特徴とする製
品故障解析装置。
【0063】(23) 第22項記載の製品故障解析装置に
おいて、前記ランク付け手段は、前記発生数の数が大き
い順に、前記複数の選択された過去の故障メカニズムを
ランク付けする、ことを特徴とする製品故障解析装置。
おいて、前記ランク付け手段は、前記発生数の数が大き
い順に、前記複数の選択された過去の故障メカニズムを
ランク付けする、ことを特徴とする製品故障解析装置。
【0064】(24) 第16項記載の製品故障解析装置に
おいて、更に、前記各過去の故障部品の特徴に重み付け
する重み付け手段を備えていることを特徴とする製品故
障解析装置。
おいて、更に、前記各過去の故障部品の特徴に重み付け
する重み付け手段を備えていることを特徴とする製品故
障解析装置。
【0065】(25) 第24項記載の製品故障解析装置に
おいて、前記重み付け手段は、第1の所定数と第2の所
定数との間の重み係数を前記部品の特徴の所定の各部分
集合に割り付け、前記第1の所定数は前記第2の所定数
より小さい、ことを特徴とする製品故障解析装置。
おいて、前記重み付け手段は、第1の所定数と第2の所
定数との間の重み係数を前記部品の特徴の所定の各部分
集合に割り付け、前記第1の所定数は前記第2の所定数
より小さい、ことを特徴とする製品故障解析装置。
【0066】(26) 第25項記載の製品故障解析装置に
おいて、更に、
おいて、更に、
【数5】 ((CL/10*ΣWF≠WMAX)+(ΣWF=WMAX)≦ (Σ(WF≠WMAX)MATCHED +Σ(WF=WMAX)MATCHED
), を計算する手段を備え、ここで、CLはユーザが選択で
きる相関レベルであり、WFは前記各特徴に前記割り付
けられた重み係数であり、WMAXは前記第2の所定の
重み付け数である、ことを特徴とする製品故障解析装
置。
), を計算する手段を備え、ここで、CLはユーザが選択で
きる相関レベルであり、WFは前記各特徴に前記割り付
けられた重み係数であり、WMAXは前記第2の所定の
重み付け数である、ことを特徴とする製品故障解析装
置。
【0067】(27) 第16項記載の製品故障解析装置に
おいて、更に、前記故障部品の故障原因の写真イメージ
を得る手段と、前記写真イメージを格納するライブラリ
手段と、前記ライブラリ手段に格納した前記写真イメー
ジをアクセスする手段と、前記アクセスした写真イメー
ジを表示する手段と、を備えていることを特徴とする製
品故障解析装置。
おいて、更に、前記故障部品の故障原因の写真イメージ
を得る手段と、前記写真イメージを格納するライブラリ
手段と、前記ライブラリ手段に格納した前記写真イメー
ジをアクセスする手段と、前記アクセスした写真イメー
ジを表示する手段と、を備えていることを特徴とする製
品故障解析装置。
【0068】(28) 第27項記載の製品故障解析装置に
おいて、更に、前記過去の故障部品の特徴、対応する故
障メカニズム及びその対応する写真イメージを、複数の
他の故障原因分析地に転送するサテライト手段を、備え
ていることを特徴とする製品故障解析装置。
おいて、更に、前記過去の故障部品の特徴、対応する故
障メカニズム及びその対応する写真イメージを、複数の
他の故障原因分析地に転送するサテライト手段を、備え
ていることを特徴とする製品故障解析装置。
【0069】(29) 少なくとも一つの故障部品を解析す
るための故障解析手順を決定する製品故障解析方法にお
いて、一組の過去の故障部品の特徴及び対応する過去の
故障メカニズムをリレーショナル・データ・ベース内に
格納するステップと、前記リレーショナル・データ・ベ
ース手段をアクセスし、前記一組の過去の故障メカニズ
ムから少なくとも一つの過去の故障メカニズムを選択的
に供給するステップと、前記選択した過去の故障メカニ
ズムを確認するための一組の故障解析手順を決定するス
テップと、を備えたことを特徴とする製品故障解析方
法。
るための故障解析手順を決定する製品故障解析方法にお
いて、一組の過去の故障部品の特徴及び対応する過去の
故障メカニズムをリレーショナル・データ・ベース内に
格納するステップと、前記リレーショナル・データ・ベ
ース手段をアクセスし、前記一組の過去の故障メカニズ
ムから少なくとも一つの過去の故障メカニズムを選択的
に供給するステップと、前記選択した過去の故障メカニ
ズムを確認するための一組の故障解析手順を決定するス
テップと、を備えたことを特徴とする製品故障解析方
法。
【0070】(30) 第29項記載の製品故障解析方法に
おいて、前記格納するステップは、1以上の故障部品に
ついての特徴を格納し、前記特徴には前記故障部品に共
通の情報及び各故障部品に固有の情報が含まれることを
特徴とする製品故障解析方法。
おいて、前記格納するステップは、1以上の故障部品に
ついての特徴を格納し、前記特徴には前記故障部品に共
通の情報及び各故障部品に固有の情報が含まれることを
特徴とする製品故障解析方法。
【0071】(31) 第30項記載の製品故障解析方法に
おいて、前記格納するステップは部品製造情報のように
共通する特徴を格納するステップが含まれることを特徴
とする製品故障解析方法。
おいて、前記格納するステップは部品製造情報のように
共通する特徴を格納するステップが含まれることを特徴
とする製品故障解析方法。
【0072】(32) 第30項記載の製品故障解析方法に
おいて、前記格納するステップには、どのようにして部
品が故障したのかについての情報のような固有の特徴の
格納が含まれている、ことを特徴とする製品故障解析方
法。
おいて、前記格納するステップには、どのようにして部
品が故障したのかについての情報のような固有の特徴の
格納が含まれている、ことを特徴とする製品故障解析方
法。
【0073】(33) 第30項記載の製品故障解析方法に
おいて、前記格納するステップは、複数の過去の故障部
品に共通な過去の特徴及び各過去の故障部品に固有の過
去の特徴を格納する、ことを特徴とする製品故障解析方
法。
おいて、前記格納するステップは、複数の過去の故障部
品に共通な過去の特徴及び各過去の故障部品に固有の過
去の特徴を格納する、ことを特徴とする製品故障解析方
法。
【0074】(34) 第29項記載の製品故障解析方法に
おいて、前記選択的に供給するステップは、前記入力し
た故障部品の特徴にほぼ一致した対応する過去の故障部
品の特徴を有する、1以上の選択された過去の故障メカ
ニズムを供給する、ことを特徴とする製品故障解析方
法。
おいて、前記選択的に供給するステップは、前記入力し
た故障部品の特徴にほぼ一致した対応する過去の故障部
品の特徴を有する、1以上の選択された過去の故障メカ
ニズムを供給する、ことを特徴とする製品故障解析方
法。
【0075】(35) 第34項記載の製品故障解析方法に
おいて、更に、前記1以上の選択された過去の故障メカ
ニズムをランク付けするランク付けステップを含むこと
を特徴とする製品故障解析方法。
おいて、更に、前記1以上の選択された過去の故障メカ
ニズムをランク付けするランク付けステップを含むこと
を特徴とする製品故障解析方法。
【0076】(36) 第35項記載の製品故障解析方法に
おいて、前記ランク付けステップでは、前記リレーショ
ナル・データ・ベース内における前記各選択された過去
の故障メカニズムの発生数に応答して、前記1以上の選
択された過去の故障メカニズムをランク付けする、こと
を特徴とする製品故障解析方法。
おいて、前記ランク付けステップでは、前記リレーショ
ナル・データ・ベース内における前記各選択された過去
の故障メカニズムの発生数に応答して、前記1以上の選
択された過去の故障メカニズムをランク付けする、こと
を特徴とする製品故障解析方法。
【0077】(37) 第36項記載の製品故障解析方法に
おいて、前記ランク付けステップは、前記発生数の数が
大きい順に、前記1以上の選択された過去の故障メカニ
ズムをランク付けする、ことを特徴とする製品故障解析
方法。
おいて、前記ランク付けステップは、前記発生数の数が
大きい順に、前記1以上の選択された過去の故障メカニ
ズムをランク付けする、ことを特徴とする製品故障解析
方法。
【0078】(38) 第34項記載の製品故障解析方法に
おいて、更に、前記過去の故障部品の特徴各々に重み付
けするステップを含むことを特徴とする製品故障解析方
法。
おいて、更に、前記過去の故障部品の特徴各々に重み付
けするステップを含むことを特徴とする製品故障解析方
法。
【0079】(39) 第38項記載の製品故障解析方法に
おいて、前記重み付けをするステップには、第1の所定
数と第2の所定数との間の重み係数を前記部品の特徴の
所定の各部分集合に割り付けるステップが含まれ、前記
第1の所定数は前記第2の所定数より小さいこと、を特
徴とする製品故障解析方法。
おいて、前記重み付けをするステップには、第1の所定
数と第2の所定数との間の重み係数を前記部品の特徴の
所定の各部分集合に割り付けるステップが含まれ、前記
第1の所定数は前記第2の所定数より小さいこと、を特
徴とする製品故障解析方法。
【0080】(40) 第39項記載の製品故障解析方法に
おいて、更に、
おいて、更に、
【数6】 ((CL/10*ΣWF≠WMAX)+(ΣWF=WMAX)≦ (Σ(WF≠WMAX)MATCHED +Σ(WF=WMAX)MATCHED
), を計算するステップを備え、ここで、CLはユーザが選
択できる相関レベルであり、WFは前記各特徴に前記割
り付けられた重み係数であり、WMAXは前記第2の所
定の重み付け数である、ことを特徴とする製品故障解析
方法。
), を計算するステップを備え、ここで、CLはユーザが選
択できる相関レベルであり、WFは前記各特徴に前記割
り付けられた重み係数であり、WMAXは前記第2の所
定の重み付け数である、ことを特徴とする製品故障解析
方法。
【0081】(41) 第29項記載の製品故障解析方法に
おいて、更に、前記故障部品の故障原因の写真イメージ
を得るステップと、前記写真イメージをイメージ・ライ
ブラリに格納するステップと、前記イメージ・ライブラ
リに格納された写真イメージをアクセスするステップ
と、前記アクセスされた前記写真イメージを表示するス
テップとを備えていることを特徴とする製品故障解析方
法。
おいて、更に、前記故障部品の故障原因の写真イメージ
を得るステップと、前記写真イメージをイメージ・ライ
ブラリに格納するステップと、前記イメージ・ライブラ
リに格納された写真イメージをアクセスするステップ
と、前記アクセスされた前記写真イメージを表示するス
テップとを備えていることを特徴とする製品故障解析方
法。
【0082】(42) 第41項記載の製品故障解析方法に
おいて、更に、前記過去の故障部品の特徴、対応する故
障メカニズム及びその対応する写真イメージを、サテラ
イトを介して複数の他の部品故障解析地に転送するステ
ップを、備えていることを特徴とする製品故障解析方
法。
おいて、更に、前記過去の故障部品の特徴、対応する故
障メカニズム及びその対応する写真イメージを、サテラ
イトを介して複数の他の部品故障解析地に転送するステ
ップを、備えていることを特徴とする製品故障解析方
法。
【0083】(43) 少なくとも一つの故障部品を解析す
るための故障解析手順を決定する装置及び方法である。
ジョブ要求装置14を用いて故障部品の特徴を入力し、
かつ前記故障部品の特徴を、過去の故障部品の特徴及び
対応する過去の故障メカニズムも格納しているリレーシ
ョナル・データ・ベース22にアップロードする。前記
リレーショナル・データ・ベース22はアクセスにより
故障部品のあり得る故障メカニズムを選択的に検索する
ことができ、知識ベースのエキスパート・システム16
を採用して、選択されたあり得る故障メカニズム及び故
障原因を確認するための一組の故障解析手順を決定す
る。
るための故障解析手順を決定する装置及び方法である。
ジョブ要求装置14を用いて故障部品の特徴を入力し、
かつ前記故障部品の特徴を、過去の故障部品の特徴及び
対応する過去の故障メカニズムも格納しているリレーシ
ョナル・データ・ベース22にアップロードする。前記
リレーショナル・データ・ベース22はアクセスにより
故障部品のあり得る故障メカニズムを選択的に検索する
ことができ、知識ベースのエキスパート・システム16
を採用して、選択されたあり得る故障メカニズム及び故
障原因を確認するための一組の故障解析手順を決定す
る。
【0084】
【発明の効果】本発明の技術的に重要な効果は、製品故
障解析のサイクル時間を短縮させ、これにより製品製造
業者を製品製造及び/又は出荷の中断に伴う重荷からほ
ぼ開放することである。
障解析のサイクル時間を短縮させ、これにより製品製造
業者を製品製造及び/又は出荷の中断に伴う重荷からほ
ぼ開放することである。
【0085】本発明の他の重要な技術的な効果は、世界
各地のユーザが製品の故障原因を確認するためにアクセ
ス可能な一つのデータ・ベースに世界各地の故障解析デ
ータを統合することである。
各地のユーザが製品の故障原因を確認するためにアクセ
ス可能な一つのデータ・ベースに世界各地の故障解析デ
ータを統合することである。
【0086】更に、本発明の他の重要な技術的な効果
は、世界各地のユーザに対して識別及び検定用に故障製
品の高解像度の写真イメージを提供することである。
は、世界各地のユーザに対して識別及び検定用に故障製
品の高解像度の写真イメージを提供することである。
【図1】本発明の一実施例に係る製品故障解析装置のブ
ロック図である。
ロック図である。
【図2】本発明を用いた故障解析処理を示すフローチャ
ートを示す図である。
ートを示す図である。
【図3】リレーショナル・データ・ベースから解析中の
ユニットと一致したパラメータを有するユニットを選択
的に検索するアプリケーション・プログラムのフローチ
ャートを示す図である。
ユニットと一致したパラメータを有するユニットを選択
的に検索するアプリケーション・プログラムのフローチ
ャートを示す図である。
14 ジョブ要求装置 16 エキスパート・システム 20 メイン・フレーム・コンピュータ 22 リレーショナル・データ・ベース 30 ジョブ要求装置 32 イメージ・ライブラリ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ドナルド デントン アメリカ合衆国テキサス州リチャードソ ン,ノースレイク ドライブ 923 (72)発明者 スーザン ポウエル アメリカ合衆国テキサス州リチャードソ ン,ブラックベリィ ドライブ 2412 (72)発明者 ジミー スミス アメリカ合衆国テキサス州ヒューストン, ヘンドン ドライブ 11418 (72)発明者 スチーブ ボウガン アメリカ合衆国テキサス州ヒューストン, ウィンスロウ 3007 (72)発明者 プラブハーカー ビー.ガーテ アメリカ合衆国テキサス州ダラス,ラバー ドラウ ドライブ 75248
Claims (2)
- 【請求項1】 故障製品を解析する製品故障解析装置に
おいて、 前記故障製品の特徴を入力する入力手段と、 前記入力手段に接続され、一組の過去の故障製品の特徴
及び対応する過去の故障メカニズムを格納するデータ・
ベース手段と、 前記故障製品の特徴に応答して、前記データ・ベース手
段をアクセスし、前記一組の過去の故障メカニズムから
少なくとも一つの過去の故障メカニズムを選択する手段
と、 前記選択された過去の故障メカニズムを確認するための
一組の故障解析手順を決定するエキスパート・システム
手段と、 を備えていることを特徴とする製品故障解析装置。 - 【請求項2】 少なくとも一つの故障部品を解析するた
めの故障解析手順を決定する製品故障解析方法におい
て、 一組の過去の故障部品の特徴及び対応する過去の故障メ
カニズムをリレーショナル・データ・ベース内に格納す
るステップと、 前記リレーショナル・データ・ベース手段をアクセス
し、前記一組の過去の故障メカニズムから少なくとも一
つの過去の故障メカニズムを選択的に供給するステップ
と、 前記選択した過去の故障メカニズムを確認するための一
組の故障解析手順を決定するステップと、 を備えたことを特徴とする製品故障解析方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US51149290A | 1990-04-20 | 1990-04-20 | |
US511492 | 1990-04-20 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH05324673A true JPH05324673A (ja) | 1993-12-07 |
Family
ID=24035138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP8861991A Pending JPH05324673A (ja) | 1990-04-20 | 1991-04-19 | 製品故障解析装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH05324673A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001212110A (ja) * | 1999-11-24 | 2001-08-07 | Ge Medical Technology Services Inc | 医療システム用の画像ベースのアーチファクト・トラブルシューティング |
JP2010017563A (ja) * | 1996-06-07 | 2010-01-28 | Toshiba Corp | 診断ネットワークシステム |
-
1991
- 1991-04-19 JP JP8861991A patent/JPH05324673A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010017563A (ja) * | 1996-06-07 | 2010-01-28 | Toshiba Corp | 診断ネットワークシステム |
JP2001212110A (ja) * | 1999-11-24 | 2001-08-07 | Ge Medical Technology Services Inc | 医療システム用の画像ベースのアーチファクト・トラブルシューティング |
JP4712962B2 (ja) * | 1999-11-24 | 2011-06-29 | ジーイー・メディカル・テクノロジイ・サービシーズ・インコーポレーテッド | 医療システム用の画像ベースのアーチファクト・トラブルシューティング |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7103610B2 (en) | Method, system and computer product for integrating case based reasoning data and failure modes, effects and corrective action data | |
US6535776B1 (en) | Method for localizing and isolating an errant process step | |
US5918191A (en) | System and method for managing data for an equipment calibration laboratory | |
US12020415B2 (en) | Method for monitoring manufacture of assembly units | |
US6314379B1 (en) | Integrated defect yield management and query system | |
KR100858861B1 (ko) | 데이터 분석 방법 및 장치 | |
US6885977B2 (en) | System to identify a wafer manufacturing problem and method therefor | |
KR100273505B1 (ko) | 제조라인 해석방법 및 제조라인 해석장치 | |
JP4439340B2 (ja) | 製造履歴管理システム | |
JP4728968B2 (ja) | データ解析の方法および装置 | |
EP1227411A2 (en) | Method and system for importing data | |
JP2010226125A (ja) | 半導体テストのための方法および装置 | |
JP2006277426A (ja) | 成分情報の信頼性評価方法、システム及びプログラム | |
US6459949B1 (en) | System and method for corrective action tracking in semiconductor processing | |
JPH10209230A (ja) | 不良解析装置およびその方法 | |
US20240021301A1 (en) | Methods and apparatus for troubleshooting instrument malfunctions | |
CN115495608A (zh) | 基于模型的缺陷检测方法及系统 | |
JPH05324673A (ja) | 製品故障解析装置及び方法 | |
JP4758619B2 (ja) | 問題工程特定方法および装置 | |
JPH11250135A (ja) | 情報システム | |
JP2001155979A (ja) | 製造情報管理システム | |
JP2000298595A (ja) | データ処理方法および装置、情報記憶媒体 | |
CN109815134A (zh) | 结合数据库自动分析软件测试结果的方法、装置和系统 | |
JPH0713617A (ja) | 不具合事象の原因推定方法 | |
JP2002090370A (ja) | 検体検査システムの検査結果検証サーバ |