KR20190123279A - 제품 검증 및 제조 공정에서의 센서 데이터로부터 결함 패턴을 결정하기 위한 시스템 및 방법 - Google Patents
제품 검증 및 제조 공정에서의 센서 데이터로부터 결함 패턴을 결정하기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20190123279A KR20190123279A KR1020197026284A KR20197026284A KR20190123279A KR 20190123279 A KR20190123279 A KR 20190123279A KR 1020197026284 A KR1020197026284 A KR 1020197026284A KR 20197026284 A KR20197026284 A KR 20197026284A KR 20190123279 A KR20190123279 A KR 20190123279A
- Authority
- KR
- South Korea
- Prior art keywords
- defect
- curves
- parameter table
- patterns
- historical
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 211
- 238000004519 manufacturing process Methods 0.000 title claims description 41
- 238000012019 product validation Methods 0.000 title description 6
- 230000002950 deficient Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims description 39
- 238000009826 distribution Methods 0.000 claims description 7
- 238000007477 logistic regression Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000003780 insertion Methods 0.000 claims 1
- 230000037431 insertion Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011028 process validation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Image Processing (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
적어도 하나의 공정을 모니터링하고 적어도 하나의 공정에서 발생하는 결함들의 결함 패턴들을 결정하기 위한 방법으로서, 적어도 하나의 공정의 다수의 부분 공정들에 대하여 특성 결함 패턴들을 갖는 파라미터 테이블이 생성되되, 파라미터 테이블은 이력 센서 데이터를 기초로 생성되고, 이력 센서 데이터는 적어도 2개의 차원들을 갖는 다수의 이력 곡선들을 기술하고 부분 공정에 각각 할당되며, 각각의 부분 공정에 대한 이력 곡선들은 이력 OK 곡선(양호) 및 이력 NOK 곡선(불량)을 포함하고, 이력 NOK 곡선은 결함 있는 부분 공정을 나타내는 방법이 제공된다.
Description
본 발명은 적어도 하나의 공정에서 발생하는 결함(fault)들의 결함 패턴(fault pattern)들을 결정하고, 공정(적어도 하나의 공정 단계 또는 제품 검증(validation) 공정/제품 검증을 포함하는 제조 공정)을 모니터링하기 위한 방법에 관한 것으로서, 각각은 2차원 내지 n차원 센서 데이터에 기초한다. 또한, 본 발명은 본 발명에 따른 방법을 수행하도록 구성된 시스템에 관한 것이다.
차량과 같은 제품의 제조에 있어서, 생산 또는 제조 공정에서의 결함들이 특정한 결함 원인인 것으로 파악될 수 있다면, 제품의 품질 및 생산 또는 제조 공정이 향상될 수 있다. 여기서 생산 또는 제조 공정은 차량의 두 구성부품 사이에 나사 연결을 체결하는 것과 같은 개별 부품의 생산, 조립 및/또는 시운전(commissioning)을 포함한다. 가능한 결함 패턴들의 개수는 생산될 제품에 따라 방대할 수 있으며, 차량의 경우, 그 개수가 4자리 또는 5자리 범위일 수 있다. 대체로, 많은 수의 결함들이 축적될 수 있고, 이는 수백 개의 에러들의 범위 내에 있을 수 있다.
실제로, 특정한 결함 또는 결함 패턴을 검출하는 것뿐만 아니라 상기 결함을 어떠한 결함 원인(fault cause)과 연관시키기도 어렵다. 그러므로 대부분의 경우에는, 생산 또는 제조 공정을 향상시키는 것, 즉 덜 결함이 있는 방식으로 생산 또는 제조 공정 또는 제품을 설계하거나, 사실상 무결한(fault-free) 생산 또는 제조 공정을 달성하는 것이 불가능하다.
또한, 결함 원인을 결정하는 것의 어려움은 특정 결함이 서로 다른 원인들을 가질 수 있다는 사실과 복합되어 있다. 따라서, 특정한 결함은 어느 경우에는 제1 결함 원인으로 인해 그리고 또 다른 경우에는 제2 결함 원인으로 인해 발생할 수 있다. 그러므로 결함 또는 결함 코드(fault code)는 대개, 결함 원인을 결정하고 이러한 원인을 제거할 수 있기에 불충분한 정보만 제공한다.
본 발명의 목적은 상기 언급된 단점들을 적어도 부분적으로 극복하는 것이다. 특히, 본 발명의 목적은 제품 검증 및 생산 또는 제조 공정에서 결함 패턴들 및 결함 원인들의 정확한 검출 및 로컬화(localization)를 가능하게 하고, 따라서 고품질 제품 및 사실상 무결한 생산 또는 제조 공정을 가능하게 하는 것이다. 본 발명은 제품 및 생산 또는 제조 공정에서 무결함(zero-fault) 전략에 상당한 기여를 제공하기 위한 것이다.
상기 목적들 중 적어도 하나는 독립 청구항들에 따른 방법 및 시스템에 의해 달성된다. 유리한 개선 및 추가적인 구현예뿐만 아니라 본 발명의 추가적인 특징 및 세부사항은 각각의 종속 청구항, 발명의 설명 및 도면으로부터 나타난다. 본 발명에 따른 방법과 관련하여 설명되는 특징 및 세부사항은 본 발명에 따른 시스템과 관련하여서도 적용되고, 그 반대로도 마찬가지이며, 본 발명의 개별 양태의 개시와 관련하여, 방법 및 시스템 간에는 참조가 항상 상호적으로 이루어질 수 있다.
따라서, 적어도 하나의 공정을 모니터링하고, 상기 적어도 하나의 공정에서 발생하는 결함들의 결함 패턴들을 식별하기 위한 방법이 제공되는데, 상기 적어도 하나의 공정의 다수의 부분 공정들에 대해서는 특성(characteristic) 결함 패턴들을 갖는 파라미터 테이블(parameter table)이 생성되고, 상기 파라미터 테이블은 이력(historical) 센서 데이터를 기초로 생성되며, 상기 이력 센서 데이터는 적어도 2개의 차원을 갖고 각각이 부분 공정에 할당되는 다수의 이력 곡선들을 기술(describe)하는데, 여기서, 각각의 부분 공정에 대한 이력 곡선들은 이력 OK 곡선들(okay, 양호) 및 이력 NOK 곡선들(not okay, 불량)을 포함하고, 이력 NOK 곡선들은 결함이 있는 부분 공정들을 나타낸다.
다음의 경우에 특히 유리하다:
- 상기 적어도 하나의 공정이 제조 공정 및 제품 검증 공정/제품 검증을 포함하고,
- 상기 부분 공정들이 제조 공정의 공정 단계들 및 제품 검증 공정/제품 검증의 제품 검증 단계들을 포함하고,
- 상기 이력 곡선들이 이력 공정 곡선들 및 이력 제품 검증 곡선들을 포함하고, 상기 이력 OK 곡선들이 이력 OK 공정 곡선들 및 이력 OK 제품 검증 곡선들을 포함하며, 상기 이력 NOK 곡선들이 이력 NOK 공정 곡선들 및 이력 NOK 제품 검증 곡선들을 포함하고,
- 상기 결함이 있는 부분 공정들이 결함이 있는 공정 단계들 및 결함이 있는 제품들을 포함하는 경우.
각 부분 공정에 대한 상기 파라미터 테이블의 생성이 다음을 포함하는 경우에 또한 유리하다:
- 상기 이력 곡선들로부터 상기 이력 NOK 곡선들을 선택하는 단계; 및
- 각각의 선택된 이력 NOK 곡선에 대해 그리고 부분 공정의 유형에 따라:
- 상기 이력 NOK 곡선을 다수의 섹션들 또는 다수의 사분면들로 분할하는 단계;
- 각각의 섹션/각각의 사분면에 대한 다수의 파라미터 값들을 결정하는 단계, 이때, 상기 부분 공정의 유형에 관련된 파라미터들은 구성 테이블에 저장됨;
- 결함 패턴이 상기 이력 NOK 곡선에 할당되는 매핑 단계를 수행하는 단계, 여기서, 상기 결함 패턴은 상기 구성 테이블에 저장된 상기 부분 공정의 유형과 관련된 결함 패턴들의 세트로부터 선택되며, 결함 패턴은 바람직하게는 복수의 이력 NOK 곡선들에 할당됨.
파라미터 테이블을 생성하는 단계는 이력 NOK 곡선들에 결함 패턴들을 할당하는 단계 이후에, 다음을 더 포함할 수 있다:
- 각각의 결함 패턴(파라미터 집단)에 속하는 파라미터들에 대한 각각의 결함 패턴에 대한 특성 분포를 결정하는 단계;
- 모든 결함 패턴들로부터, 단일 파라미터 집단에 기초하여 명확하게 식별 가능한 결함 패턴들을 결정하는 단계, 여기서, 이러한 단일 파라미터 집단은 결함 패턴들의 임의의 다른 파라미터 집단과 중복되지 않음; 및
- 결정된 명확하게 식별 가능한 결함 패턴들을 상기 파라미터 테이블에 삽입하는 단계, 여기서, 에러 이미지를 명확하게 식별할 수 있게 하는 파라미터 집단의 값들만이 상기 파라미터 테이블 내에 각각의 결함 패턴에 대해 특성으로서 저장됨.
단일 파라미터 집단을 기초로 명확하게 식별할 수 없는 결함 패턴들에 대해서는 다음 단계들이 수행되는 경우 유리하다:
i) 미리 설정된 상대값 또는 절대값만큼 파라미터 집단들의 구간 길이들을 감소시키는 단계;
ii) 감소된 구간 길이들을 갖는 파라미터 집단에 기초하여 명확하게 식별 가능한 에러 이미지들을 결정하고, 상기 결정된 명확하게 식별 가능한 결함 패턴을 파라미터 테이블의 끝에 삽입하는 단계, 여기서, 원래의 구간 길이들을 갖는 파라미터 집단의 값들은 파라미터 테이블 내에 특성으로서 저장됨; 및
iii) 상기 파라미터 테이블에 삽입되지 않은 결함 패턴들이 여전히 있는지 여부를 확인하고, 이 확인 테스트가 긍정적인 경우 모든 결함 패턴들이 파라미터 테이블에 삽입될 때까지 단계 i)를 계속 수행하는 단계.
파라미터 테이블에 저장된 특성은 저장 전에 미리 설정된 상대값 또는 절대값만큼 조정될 수 있고, 특히, 구간 한계는 미리 설정된 상대값만큼 증가될 수 있다. 이는 결함 패턴들의 검출에서의 변동을 보상할 수 있다.
파라미터 테이블에 모든 결함 패턴을 삽입한 후에는, 검증(verification) 단계가 수행될 수 있으며, 검증 단계는 다음을 포함한다:
i) 파라미터 테이블이 생성되는 데에 기초한 각각의 이력 NOK 곡선에 대해, 상기 파라미터 테이블의 특성이 상기 이력 NOK 곡선의 특성에 매칭되는 결함 패턴을 선택함으로써 상기 파라미터 테이블에 기초한 연관된 결함 패턴을 결정하는 단계, 여기서, 상기 파라미터 테이블에 저장된 결함 패턴들은 상기 이력 NOK 곡선의 특성과 오름차순으로 비교되고, 결함 패턴이 결정되었을 때 상기 비교가 종료됨;
ii) 단계 i)로부터의 각각의 이력 NOK 곡선에 대하여, 검출된 결함 패턴이 상기 매핑 단계에서 상기 이력 NOK 곡선과 연관된 결함 패턴에 매칭하는지를 검증하는 단계; 및
iii) 단계 ii)의 결함 패턴에 있어서, 특정 개수의 검출된 결함 패턴들이 상기 연관된 결함 패턴들과 매칭되지 않는 경우,
- 상기 개수를 상기 파라미터 테이블의 결함 패턴에 저장하는 단계;
- 적어도 하나의 부가적인 특성을 생성하고, 상기 부가적인 특성을 결함 패턴의 특성과 함께 상기 파라미터 테이블에 새로운 결함 패턴으로서 저장하는 단계; 및
- 적어도 하나의 부가적인 특성을 갖는 상기 결함 패턴들에 대하여 청구항 4의 단계들을 수행하는 단계.
상기 부가적인 특성을 사용해서도 명확하게 식별할 수 없는 결함 패턴들의 경우, 2진 로지스틱 회귀분석을 수행하는 것이 유리한데, 여기서, 이러한 결함 패턴의 경우 2진 로지스틱 회귀의 공식이 파라미터 테이블의 결함 패턴에 저장되고 그 뒤 검증 단계가 반복된다.
상기 검증 단계에서 각각의 가장 작은 개수가 저장된 결함 패턴들이 상기 파라미터 테이블에 표시될 수 있다.
이력 센서 데이터는 센서들에 의해 제공될 수 있다. 이들 센서는 생산 공장, 공구, 시험 장치 및/또는 제품 검증 장치에 배치(assign)될 수 있다.
파라미터 테이블을 생성한 후, 다음 단계가 수행될 수 있다:
a) 부분 공정 동안 센서들에 의해 제공되는 센서 데이터를 수집하는 단계, 여기서, 수집된 센서 데이터는 적어도 2개의 차원을 갖는 적어도 하나의 곡선을 기술하며, 상기 부분 공정에 할당됨;
b) 파라미터 테이블에 저장된 상기 부분 공정에 대한 특성 결함 패턴들을 상기 수집된 센서 데이터와 비교하는 단계, 여기서, 상기 비교를 위해, 실제 특성들은 상기 부분 공정의 특성 결함 패턴을 기술하는 상기 특성들에 대응하여 상기 수집된 센서 데이터로부터 추출되고, 상기 실제 특성들은 비교 룰에 따라 상기 파라미터 테이블의 특성들과 비교됨; 및
c) 상기 파라미터 테이블로부터 상기 결함 패턴을 선택하는 단계, 여기서, 상기 결함 패턴의 특성들은 미리 설정된 매칭 정도(degree of matching)만큼 상기 실제 특성들에 매칭됨.
상기 미리 설정된 매칭 정도의 경우, 결함 패턴의 대응하는 특성 및 각각의 실제 특성이 미리 설정된 매칭 기준을 만족하도록 선택적으로 제공된다.
단계 c) 이후에, 상기 결함 패턴과 연관된 적어도 하나의 결함 원인 및/또는 상기 결함 패턴과 연관된 적어도 하나의 결함 제거 조치(fault elimination measure)가, 상기 선택된 결함 패턴에 대해 선택될 수 있는데, 여기서, 결함 원인들 및/또는 결함 제거 조치들 및 각각의 결함 패턴에 대한 할당은 테이블에 저장된다.
본 발명에 따른 방법을 수행하도록 구성되는 시스템, 특히 파라미터 테이블이 저장되는 메모리 장치 및 결함 패턴이 검출되어야 하는 센서 데이터를 수용하기 위한 인터페이스를 갖는 컴퓨터 시스템이 더 제공된다.
본 발명의 더 상세한 설명 및 특징들은 도면들과 함께 기술되는 이하의 설명으로부터 명확해질 것이지만, 본 발명은 이하 기술되는 실시예들로 제한되지 않는다. 도면에서:
도 1은 본 발명에 따른 방법의 흐름도를 도시한다.
도 2는 다수의 이력 NOK 공정 곡선들 및 다수의 이력 OK 공정 곡선들을 포함하는 공정 곡선들의 세트를 포함한다.
도 3은 이력 OK 공정 곡선 및 이력 NOK 공정 곡선의 특정한 예(4분면으로 나누어짐)를 도시한다.
도 4는 복수의 결함 패턴들에 대한 어느 파라미터의 값들의 예시적인 분포를 도시한다.
도 1은 본 발명에 따른 방법의 흐름도를 도시한다.
도 2는 다수의 이력 NOK 공정 곡선들 및 다수의 이력 OK 공정 곡선들을 포함하는 공정 곡선들의 세트를 포함한다.
도 3은 이력 OK 공정 곡선 및 이력 NOK 공정 곡선의 특정한 예(4분면으로 나누어짐)를 도시한다.
도 4는 복수의 결함 패턴들에 대한 어느 파라미터의 값들의 예시적인 분포를 도시한다.
본 발명에 따른 방법 또는 본 발명에 따른 시스템과 함께, 사실상 무결한(fault-free) 그리고 견고한(robust) 제품 및 공정, 특히 제조 공정을 달성하는 것이 가능하다. 본 발명에 따른 방법 및 본 발명에 따른 시스템은 생산 및 조립 공정들에서의 디지털 네트워킹을 사용하여 무결함(zero-fault) 전략과 제품 및 공정 최적화에 상당히 기여한다.
본 발명에 따른 방법의 예시적인 응용은 다음과 같다.
- 제조 공정 동안 온라인(Online)과 같은 연속적인 특성에 기초하거나, 공정 및/또는 제품 검증(validation) 곡선들에 기초하여, 결함이 있는 제품과 결함이 없는 제품 간에 또는 결함이 있는 공정과 결함이 없는 공정 간에 구별하는 것과 같은, OK 사례(okay, 양호)와 NOK 사례(not okay, 불량) 간에 구별하는 것, 및/또는
- NOK 곡선들, 예를 들어, NOK 공정 및/또는 제품 검증 곡선들로부터 결함 패턴들을 인식하여, 상기 결함 패턴들에 기초한 특정한 문제해결 조치를 개시할 수 있게 하는 것.
본 발명에 따른 방법/시스템에 의해, 제품 검증 및 공정 곡선들로부터의 결함 패턴들이 식별될 수 있고, 각각의 결함 패턴에 대한 원인 관계 및 원인이 결정될 수 있으며, 각각의 결함 원인에 대한 해법 및 조치가 제공되거나 가용해질 수 있다. 예를 들어, 결함 패턴이 생산 공정 중에 직접 검출되는 경우, 결함을 제거하기 위한 조치가 생산 공정 중에 이미 개시되고 수행될 수 있다.
도 1은 본 발명에 따른 방법의 흐름도를 도시한다.
본 발명에 따르면, 제조 공정의 제품 검증 및/또는 공정 단계들에 대한 모니터링을 수행하게 되거나, 또는 결함 있는 제품들 및/또는 공정 단계들의 결함 패턴들을 식별하게 되는 시스템은 먼저 "교시(taught in)"되어야 하는 것(학습시키기)이 전제가 된다. 그 뒤, 시스템은 "학습된(learned)" 정보에 기초하여 제품 품질 또는 제품 기능 및/또는 제조 공정을 모니터링하고, 결함 있는 제품들 및/또는 공정 단계들 및 그들의 가능한 원인들을, 바람직하게는 온라인으로, 예를 들어, 제품 검증 및/또는 제조 공정 동안에 식별하며, 결정된 결함 패턴들에 기초하여 결함들의 제거를 위한 해법 및 조치들을 제안할 수 있다.
이하, "공정 단계"라는 용어는 제품 검증 단계들 및/또는 제조 공정의 공정 단계들을 모두 포함한다. 이러한 공정 단계들을 부분 공정들이라고도 한다. "제조 공정"이라는 용어는 또한 제품 검증(product validation) 공정들을 포함한다. "공정 곡선"이라는 용어는 또한 제품 검증 곡선들을 포함한다.
따라서, 공정들, 공정 단계들 및 공정 곡선들을 참조하여 후술되는 방법은 본 발명에 따라, 제품 검증, 제품 검증 공정 또는 제품 검증 곡선에 적용될 수도 있다.
이를 위해, 제1 단계(S10)에서는, 시스템의 "교시(teaching-in)"가 다른 단계(S20)에서 수행되는 데에 기초가 되는, 센서 데이터의 검출이 제공된다. 센서 데이터는 특정한 공정 또는 공정 단계의 공정 곡선들을 기술할 수 있는데, 즉, 센서 데이터는 바람직하게 n-튜플(n ≥ 1)로서 획득된다.
센서 데이터는 예를 들어, 특정한 생산 장치 또는 특정한 공구를 모니터링하는 센서들에 의해 제공된다. 예를 들어, 전기 토크 드라이버는 스크류잉 동작 동안에 토크 및 회전각을 검출할 수 있는 토크 센서 및 각도 센서를 가질 수 있다. 기록된 토크 및 회전각(2-튜플)으로부터, 회전각의 함수로서 토크를 나타내는 공정 곡선이 생성될 수 있다.
추가적인 물리적 파라미터를 위한 센서들이 제공될 수 있다. 따라서, 예를 들어, 토크 및 회전각에 부가하여, 스크류잉 시간(예를 들어, 밀리초 단위)을 더 검출하는 타이머가 제공될 수 있다. 기록된 토크, 회전각 및 스크류잉 시간(3-튜플)으로부터, 예를 들어, 회전각의 함수로서 토크를, 또는 스크류잉 시간의 함수로서 토크를 나타내는 공정 곡선(이 경우, 3차원 공정 곡선)이 다시 생성될 수 있다.
곡선 대신에, 공정 및/또는 제품 검증을 위한 연속적인 특성을 제공할 수도 있다.
시스템을 교시하기 위해 획득된 이 센서 데이터 또는 그로부터 유도된 공정 곡선은 이하 "이력 센서 데이터" 또는 "이력 공정 곡선"으로 지칭된다. 이력 센서 데이터는 시스템의 메모리 장치에 저장된다. 공정의 특성에 따라, 학습을 위한 충분히 큰 데이터베이스를 제공하기 위해 이력 센서 데이터 또는 이력 공정 곡선들이 특정 기간에 걸쳐 수집될 수 있다.
상이한 공정들 또는 공정 단계들에 대한 이력 센서 데이터가 수집되는 경우, 이력 센서 데이터는 메모리 장치 내에서 각각의 공정 또는 공정 단계에 할당된다. 모니터링 동안 결함 있는 공정 단계를 인식할 수 있도록, 공정 또는 공정 단계에 속하는 이력 공정 곡선들이 OK 공정 곡선들뿐만 아니라 최소 개수(예를 들어, 적어도 6개)의 NOK 공정 곡선들도 포함하는 것이 유리하다. NOK 공정 곡선들은 결함 있는 공정 단계들 또는 결함 있는 제품들 또는 제품 기능들을 나타낸다.
다음의 단계들(S21 내지 S24)은 단계(S20)의 과정 내에서 수행되거나 또는 단계(S20)의 하위 단계들이다.
상기 단계들(S21a 내지 S21d)은 "교시(Teach-in)"(S21)로 지칭된다.
단계들(S22a 내지 S22c)은 "지문(fingerprint) 계산"(S22)으로 지칭된다.
단계들(S23a 내지 S23b)은 "범위 조정"(S23)으로 지칭된다.
단계들(S24a 내지 S24d)은 "검증(verification) 단계"(S24)로 지칭된다.
먼저, 파라미터 테이블이 생성되고 본 발명에 따른 시스템의 메모리 장치에 저장된다. 시스템을 교시한 이후, 파라미터 테이블에는 다수의 서로 다른 공정들 또는 공정 단계들에 대한 많은 특성 결함 패턴(characteristic fault pattern)들이 포함된다.
이를 위해, 먼저, 단계(S21a)에서는, 교시될 각 공정에 대해 대응하는 이력 공정 곡선들(NOK 및 OK 공정 곡선들을 가짐)로부터 NOK 공정 곡선들이 선택된다.
NOK 공정 곡선들의 선택은 예를 들어, 적절한 입력/선택 화면을 사용하여 사용자에 의해 이루어질 수 있다. 이 경우, 선택된 NOK 공정 곡선들의 개수는 "교시"될 각각의 "결함 패턴"에 대해 NOK 사례들의 특정한 샘플 크기가 존재함을 보장하도록 특정한 차수의 크기(order of magnitude)에 도달해야 한다.
다수의 NOK 공정 곡선들 및 다수의 OK 공정 곡선들을 포함하는 이력 공정 곡선들의 세트의 예가 도 2에 도시되어 있다. 여기서, 토크 곡선은 스크류잉 동작에서의 회전각의 함수로서 도시되어 있다. 여기서 NOK 공정 곡선들은 미리 설정된 목표 범위 밖에서 끝나는 곡선들인데, 이때 목표 범위는 윈도우(F)로 표시된다. 여기서 윈도우(F)는 특정 회전각 구간 및 특정 토크 구간에 의해 정의된다.
이력 NOK 공정 곡선들의 선택에 이어서, 이들은 단계(S21b)에서 섹션 또는 사분면(quadrant)으로 (개별적으로 또는 함께) 분할된다. 사분면으로 분할된 이력 NOK 공정 곡선이 도 3에 도시되어 있는데, 이력 OK 공정 곡선도 도시되어 있다. 도 3에 도시된 실시예에서, NOK 공정 곡선은 총 9개의 사분면으로 분할된다.
이력 NOK 공정 곡선들을 사분면 또는 섹션으로 분할하는 것은 다음 두 가지 방법으로 수행될 수 있다:
1. 배치된 센서들이 각각의 이력 공정 곡선에 대한 센서 데이터를 생성하고 제공하는 공구들 또는 기계들의 다양한 설정 파라미터들에 기초하여, 섹션들 또는 사분면들이 자동으로 설정될 수 있다. 스크류잉 동작에서, 예를 들어, 찾아낸 토크(finding torque), 임계 토크, 원하는 토크, 추가적인 토크, 및 각각의 각도 또는 회전각이 이러한 목적으로 사용될 수 있다. 예를 들어, 도 3에 도시된 실시예에서, 찾아낸 토크(FM) 및 임계 토크(SWM) 및 각각의 회전각들은 제1의 4개 사분면들을 설정하기 위한 파라미터들로서 사용되었다.
2. 사용자로부터의 입력에 기초한다. 이 경우, 사용자는 특정한 파라미터들을 고려하거나, 심지어 파라미터들에 무관하게 섹션들 또는 사분면들 자체를 설정할 수 있다.
이력 NOK 공정 곡선들을 섹션들/사분면들로 분할한 이후, 다음 단계(S21c)에서는 각각의 NOK 공정 곡선의 각각의 섹션/각각의 사분면에 대해 다수의 파라미터 값들이 결정된다. 값들이 결정되는 파라미터들은 한편으로는 각각의 NOK 공정 곡선이 기초하고 있는 공정 단계의 유형에 따라, 그리고 다른 한편으로는 각각의 섹션/사분면에 따라 달라진다. 예를 들어, 2개의 상이한 스크류잉 공정들 또는 그 값들이 결정되어야 하는 NOK 공정 곡선의 2개의 상이한 사분면들에 대해, 서로 다른 파라미터들이 제공될 수 있다.
공정 단계의 각각의 유형 및 각 섹션/각 사분면에 관련된 파라미터들은 시스템의 메모리 장치에 저장될 수 있는 구성 테이블 내에 저장된다. 파라미터들은 통계적 파라미터를 포함할 수 있다. 섹션/사분면별로 이러한 파라미터의 예는 다음과 같다:
- 종료 값(X), 종료 값(Y)
- 최대(X), 최대(Y)
- 표준편차(X), 표준편차(Y)
- 평균/중앙값(X), 평균/중앙값(Y)
- 기울기(Y)(X에서의), 곡률(Y)(X에서의) 등.
NOK 공정 곡선 및 섹션/사분면의 유형에 따라, 특정 파라미터 조합들이 정의될 수 있다.
결정된 파라미터 값들은 메모리 장치에 저장될 수 있고 각각의 이력 NOK 공정 곡선에 할당될 수 있다.
이력 NOK 공정 곡선들에 대하여 파라미터 값들이 결정된 후, 결함 패턴들은 맵핑 단계(S21d)에서 이력 NOK 공정 곡선들에 할당된다. 바람직하게는, 각각의 이력 NOK 공정 곡선에는 개별적으로 결함 패턴이 할당된다. 바람직하게는 이는 수동으로 수행된다. 사용자를 돕기 위해, 각각의 이력 NOK 공정 곡선이 가시화될 수 있고, 바람직하게는 사분면/섹션 분할 및 확인된 파라미터 값들이 더 표시될 수 있다. 또한, 동일한 결함 패턴이 할당된 이력 NOK 공정 곡선들이 도시될 수 있다.
이력 NOK 공정 곡선의 유형에 따라 서로 다른 결함 패턴들이 할당될 수 있다. 할당가능한 결함 패턴들은 구성 테이블에 저장된다. 예를 들어, 결함 패턴 "회전각이 너무 큼(Rotation angle too large)"은 스크류잉 동작을 나타내는 NOK 공정 곡선에 할당될 수 있으나, 이는 솔더링(soldering) 동작을 나타내는 NOK 공정 곡선에는 할당되지 않을 수 있다. 물론, 특정한 결함 패턴이 서로 다른 공정들의 몇몇 NOK 공정 곡선들 또는 동일한 공정의 다수의 NOK 공정 곡선들에 할당될 수 있다.
결함 패턴에 대한 NOK 공정 곡선의 할당은 시스템의 메모리 장치에 저장된다. 이와 함께, 모든 결함 패턴에는 동시에 다수의 파라미터들이 할당된다.
(예를 들어, 전기 토크 스크류 드라이버를 사용하는) 스크류잉 동작에 대한 결함 패턴들은 예를 들어 다음과 같을 수 있다:
- 스크류 드라이버의 미끄러짐(slippage)/헛돌아감(spinning)
- 종료 각도가 너무 큼
- 종료 토크 등이 너무 작음
도 3에 도시된 이력 NOK 공정 곡선에는 예를 들어, 결함 패턴 "미끄러짐"이 할당될 수 있는데, 이는 예를 들어, 대략 720°의 회전각에서 거의 0 Nm로 갑자기 떨어지는 토크에 의해 인지될 수 있다.
결함 패턴들을 이력 NOK 공정 곡선들에 맵핑한 후, 이력 NOK 공정 곡선들의 개수가 대표 샘플 크기의 기준에 부합하는지 여부가 각각의 할당된 결함 패턴에 대해 확인(check)될 수 있다. 예를 들어, 결함 패턴이 적어도 n개(예를 들어, n ≥ 6)의 이력 NOK 공정 곡선들에 할당되었는지 확인될 수 있다.
단계(S21d) 이후에는, 필요 시, 샘플 크기 체크, 연관된 결함 패턴들을 갖는 다수의 이력 NOK 공정 곡선들 및 결함 패턴별 대표 샘플 크기가 시스템에 저장된다. 이에 따라 "교시(teach-in)"가 완료된다. 이력 NOK 공정 곡선에 대한 결함 패턴의 할당은 이하에서 "전문가 의견(expert opinion)"으로 지칭한다.
다음으로, 단계(S22)에서, 소위 통계적인 지문(fingerprint)이 각각의 결함 패턴에 대해, 즉 결함 패턴과 연관된 이력 NOK 공정 곡선들에 대해 계산된다.
이를 위해, 단계(S22a)에서는, 각각의 결함 패턴에 할당된 이력 NOK 공정 곡선들의 단계(S21c)에서 결정된 파라미터 값들의 특성 분포(characteristic distribution)가 각각의 결함 패턴에 대해 결정된다. 결함 패턴과 연관된 이력 NOK 공정 곡선들은 결함 패턴 집단(fault pattern population)으로 지칭되며, 결함 패턴 집단의 각각의 파라미터(파라미터 집단(parameter population)으로 지칭됨)는 특성 분포를 갖는다.
파라미터 "최대 토크(Max. torque)" 및 결함 패턴 "미끄러짐(Slippage)", "멈춤(Stopping)", "빨리 물리는 에러(Early biting error)", "늦게 물리는 에러(Late biting error)", "각도 최대(Angle max.)", 및 "태핑 토크가 너무 큼(Tapping torque too high)"에 대한 상자 그림 형태의 특성 분포의 예가 도 4에 도시되어 있다.
단계(S22a)에 후속하여, 단계(S22b)에서는, 이러한 결함 패턴들이 단일 파라미터 또는 단일 파라미터 집단에 기초하여 명확하게 식별 가능한 것으로 결정된다. 이들은, 모든 결함 패턴들의 동일한 파라미터의 임의의 다른 파라미터 집단과 겹치지 않는, 적어도 하나의 파라미터 집단을 갖는 결함 패턴들이다. 즉, 다른 결함 패턴들의 동일한 파라미터의 집단들과 모집단이 겹치지 않는 파라미터를 갖는 결함 패턴은, 해당 파라미터와 관련하여 명확하게 식별 가능하다. 이러한 결함 패턴이 또한 해당 파라미터와 관련하여 명확하게 식별 가능하도록, 해당 파라미터는 또다른 결함 패턴을 명확하게 기술하지 않아야 한다.
도 4에 도시된 실시예에서, 파라미터 "최대 토크"의 모집단들은 나머지 결함 패턴들에서 중첩되는 반면, 결함 패턴 "각도 최대"의 파라미터 "최대 토크"의 모집단은 상기 나머지 결함 패턴의 파라미터 "최대 토크"의 임의의 다른 모집단과 겹치지 않기 때문에, 결함 패턴 "각도 최대"는 파라미터 "최대 토크"에 의해 명확하게 식별 가능하다. 도 4에 도시된 나머지 결함 패턴들의 경우, 그 후, 단일 파라미터에 기초하여 결함 패턴들을 명확하게 식별할 수 있게 하는 다른 파라미터들이 있는지 더 확인(check)된다.
이어서, 단계(S22b)에서 결정된 명확하게 식별 가능한 결함 패턴들은 후속 단계(S22c)에서 파라미터 테이블의 시작부에 정렬된다. 여기서, 각각의 결함 패턴을 명확하게 식별할 수 있게 하는, 바람직하게는 파라미터 테이블 내의 파라미터의 값들(예를 들어, 구간 한계(interval limit))만이, 각각의 결함 패턴에 대해 저장되고 해당 결함 패턴에 대해 할당된다. 도 4에 도시된 실시예에서, 결함 패턴 "각도 최대"의 경우, 구간 한계로서 하부 및 상부 격자(visker)(모집단 한계)가 저장된다면 "100 ≤ 최대 토크 [Nm] ≤ 152"의 형태와 같이 파라미터 "최대 토크"의 값들만이 저장될 것이다.
따라서, 스크류잉 동작에 대한 제조 공정을 모니터링할 때, 결함 패턴 "각도 최대"는 최대 토크가 100 Nm 및 152 Nm 사이에 있을 때 결정될 수 있다.
또한, 나머지 파라미터들의 값들이 파라미터 테이블의 결함 패턴에 저장될 수도 있는데, 이 경우 결함 패턴을 명확하게 식별할 수 있게 하는 특성은 별도로 구분된다.
파라미터 테이블에 저장된 파라미터 값들은 예를 들어, 상대값 또는 절대값에 의해 조정될 수 있다. 예를 들어, 상기 예시에서 "95 ≤ 최대 토크 [Nm] ≤ 159.6"이 저장되도록, 구간 한계는 ± 5%로 조정될 수 있다. 이는 결함 패턴 집단의 샘플 크기로 인해 기록되지 않은 변동을 보상하는 데 사용될 수 있다.
다음의 표는 도 4에 도시된 결함 패턴 "각도 최대"에 대한 파라미터 테이블의 일부를 나타내는데, 여기에는 상기 구간 한계들이 이미 적응되어 있다.
파라미터 "최대 토크 [Nm]"는 결함 패턴 "각도 최대"를 명확하게 식별 가능하게 하는데, 이 값들만이 파라미터 테이블에 저장된다. 나머지 파라미터들의 값들은 비어 있다.
결함 패턴을 명확하게 식별하기 위해 여러 파라미터가 필요한 경우, 이러한 여러 파라미터 각각에 대해 대응하는 값들이 파라미터 테이블에 저장된다. 또한, 개별 파라미터의 값들이 논리적으로 연결되는 방식(AND/OR, XOR, ...)이 파라미터 테이블에 저장될 수 있다.
단일 파라미터에 의해 또는 단일 파라미터 집단에 의해 식별 가능하지 않은 (나머지) 결함 패턴들은, 가능하다면, 이들 결함 패턴들에 대한 명확한 식별 가능성을 얻기 위해, 후속 단계(S23)에서 "범위 조정(range adaptation)"으로 지칭되는 후-처리가 수행된다.
이 경우, 단계(S23a)에서, 나머지 결함 패턴들의 모든 파라미터들의 구간 길이들(예를 들어, 하부 및 상부 격자들(집단 한계들))이 먼저, 미리 설정된 상대값 또는 절대값만큼 감소된다.
이어서, 단계(S23b)에서는 나머지 결함 패턴들 중 단일 파라미터에 기초하여 명확하게 식별할 수 있는 하나의(또는 여러) 결함 패턴들이 이제 존재하는지 여부가 체크된다.
존재하는 경우: 단계(S22c)와 유사하게 하나 이상의 명확하게 식별 가능한 결함 패턴(들)이, 필요한 경우 파라미터들의 구간 한계들이 적응된, 파라미터 테이블의 끝에 삽입된다.
존재하지 않는 경우: 단계(S23a)로 돌아가서 "범위 조정"을 계속한다.
범위 조정은 모든 결함 패턴들이 단일 파라미터를 기반으로 명확하게 식별 가능하여 파라미터 테이블에 삽입될 때까지 반복적으로 수행된다.
단계(S23)가 완료되면, 이러한 결함 패턴들과 연관된 모든 결함 패턴들 또는 파라미터들은 파라미터 테이블 내에서 결함 패턴들의 특성들로서 단계(S21a)에서 선택된 이력 NOK 공정 곡선들에 대해 저장된다.
단계(S23)에 후속하여, 검증 단계(S24)가 수행된다.
본 발명의 변형에 따르면, 검증 단계는 단계(S23)(범위 조정)를 이용하여 파라미터 테이블 내에 정렬될 수 있는 결함 패턴들에 대해서만 수행된다.
본 발명의 추가적인 변형에 따르면, 검증 단계는 모든 결함 패턴들에 대해 수행된다.
검증 단계(S24)의 범위 내에서는, 단계(S24a)에서 먼저, 파라미터 테이블을 생성하기 위해 사용된 각각의 이력 NOK 공정 곡선(전술한 제한을 포함할 수 있음)에 대한 이전에 생성된 파라미터 테이블에 기초하여 파라미터 테이블로부터의 연관된 결함 패턴이 결정된다. 따라서, 이력 NOK 공정 단계 동안 결정된 결함 패턴은 "계산된 의견(Calculated opinion)"으로 지칭된다.
후속하여, 단계(S24b)에서는, 각각의 이력 NOK 결함 패턴에 대해, 전문가 의견이 계산된 의견에 대응하는지 또는 2개의 의견들 간에 차이가 있는지 체크된다. 따라서, 단계(S21d)에서의 이력 NOK 공정 곡선과 연관된 결함 패턴이 단계(S24a)에서 이 이력 NOK 공정 곡선에 대해 획득된 결함 패턴과 동일한지 여부가 체크된다. 이상적으로, 각각의 이력 NOK 공정 곡선에 대하여, 단계(S21d)와 연관된 결함 패턴은 단계(S24a)에서 결정된 각각의 결함 패턴과 동일하다.
단계(S24b)에서의 검증은 결함 패턴마다 수행된다. 즉, 단계(S21d)에서는 검증될 결함 패턴이 어느 NOK 공정 곡선들에 할당되었는지 결정된다. 후속하여, 단계(S24a)에서는 이러한 이력 NOK 공정 곡선들에 대해 어떤 결함 패턴들이 결정되었는지 체크된다. 여기에 편차가 없는 경우, 이러한 이력 결함 패턴에 대한 단계(S24)가 종료될 수 있다.
그러나, 여기서 결함 패턴에 대한 편차가 발생하는 경우, 즉, 단계(S24a)에서 단계(S21d)에서와 다른 결함 패턴이 이력 NOK 공정 곡선에 할당되었다면, 전문가 의견이 계산된 의견으로부터 벗어나게 된다. 그 뒤, 각각의 결함 패턴에 대해 편차들의 개수가 파라미터 테이블에 저장될 수 있다. 동시에, 하나 이상의 부가적인 파라미터가 이 결함 패턴에 대해 정의된다. 그 뒤, 이 결함 패턴(원래의 파라미터 및 부가적인 파라미터)은 파라미터 테이블에 새 결함 패턴으로 저장되며, 파라미터 테이블에 이미 존재하는 결함 패턴을 겹쳐 쓸 수도 있다. 부가적인 파라미터(들)의 정의는 시스템의 사용자에 의해 이루어질 수 있다. 부가적인 파라미터들은, 예를 들어, 구간 내의 분포, 구간 내의 기울기, 구간 내의 곡률 등일 수 있다.
후속하여, 부가적인 파라미터들이 정의된 결함 패턴들에 대하여 (단계 S24c), 단일 파라미터를 사용하여 명확하게 식별 가능한 결함 패턴들이 존재하는지 체크된다. 존재하는 경우, 이러한 결함 패턴에 대해서는 검증 단계가 여기서 종료된다.
나머지 결함 패턴들의 경우, 후속 단계(S24d)에서 2진 로지스틱 회귀(binary logistic regression, BLR)가 수행되고, 2진 로지스틱 회귀에 대한 공식이 각각의 결함 패턴에 대해 저장된다.
파라미터 테이블에는, 결함 패턴이 그 파라미터 테이블에 어떤 방법으로, 즉
- 단계들(S22b 및 S22c)에 따라서, 혹은
- 단계(S23b)(범위 조정)에 따라서, 혹은
- 단계(S24c)(범위 조정 + 부가적인 특성)에 따라서, 혹은
- 단계(S24d)(BLR)에 따라서 삽입되었는지가 각각의 결함 패턴에 대해 부가적으로 저장된다.
여기서 또한, 어떤 방법이 전문가 의견과 계산된 의견 사이에 가장 작은 편차를 야기하는지 더 표시된다.
단계(S24d)가 종료될 때, 단계(S20)도 종료되고, 시스템은 교시된(taught-in) 것으로 간주될 수 있다.
특정한 공정들 또는 공정 단계들에 대해 교시된 시스템을 사용하여, 이러한 공정들 또는 공정 단계들은 온라인으로 즉, 동작되는 동안, 바람직하게는 실시간으로, 모니터링될 수 있고, 결함이 검출된 직후에, 직원은 대응하는 결함 패턴들 및 필요한 경우, 적절한 결함 제거 조치들을 통지받을 수 있다.
이를 위해, 단계(S30)에서는, 공구/기계 등에 의해 센서 데이터가 제공되며, 이는 공구/기계에 할당된 센서들에 의해 수집된다. 예를 들어, 전기 토크 드라이버는 토크 센서 및 각도 센서와 연관될 수 있다. 이 경우, 센서 데이터는 공정/공정 단계에 할당된 공정 곡선, 예를 들어, 시간에 따른 토크의 과정 또는 회전각에 따른 토크의 과정, 예를 들어 스크류잉 동작 동안의 토크의 과정을 기술한다.
이렇게 얻어진 센서 데이터 또는 결과적인 공정 곡선들은 이제 단계(S40)에서 파라미터 테이블에 저장된 결함 패턴들과 비교될 수 있다. 공정/공정 단계와 연관된 특성 결함 패턴들의 파라미터들에 따라, 대응하는 파라미터 값들이 각각의 공정 곡선으로부터 추출되고 파라미터 테이블 내의 결함 패턴들의 파라미터들과 비교된다.
비교가 긍정적인 경우, 단계(S50)에서는 비교의 결과로서 대응하는 결함 패턴이 파라미터 테이블로부터 선택되고, 그 후 사용자에게 가용해질 수 있다. 또한, 이 결함 패턴에 할당된 결함 제거 조치가 액션 테이블(action table)에서 선택될 수 있으며 사용자에게 가용해질 수 있다.
그렇지 않은 경우는, 결함이 없거나 결함을 여전히 알 수 없는 상태이다. 후자의 경우, 대응하는 이력 NOK 공정 곡선들의 충분히 큰 샘플이 가용한 경우, 이러한 미지의 결함에 대하여 시스템이 교시될 수 있다.
이는 예를 들어, 진행 중인 생산 공정에서 거의 실시간으로 결함 또는 결함 패턴을 검출하는 것을 가능하게 한다. 예를 들어, 제조 공장에 의해 실시간으로 제공되는 센서 데이터는 저장된 결함 패턴들과 직접적으로 비교될 수 있다. 특정한 경우에, 공정 단계의 종료 전에 결함 있는 공정 단계가 이미 검출될 수 있고, 예를 들어, 스크류잉 동작이 완료되기 전에 토크 렌치(torque wrench)의 토크의 과정으로부터 가능한 결함이 검출될 수 있어, 스크류잉 동작이 끝까지 완료될 필요가 없을 수 있다.
Claims (13)
- 적어도 하나의 공정을 모니터링하고, 상기 적어도 하나의 공정에서 발생하는 결함들의 결함 패턴들을 결정하기 위한 방법에 있어서,
특성 결함 패턴들을 갖는 파라미터 테이블이 상기 적어도 하나의 공정의 다수의 부분 공정들에 대해 생성되고, 상기 파라미터 테이블은 이력 센서 데이터에 기초하여 생성되며, 상기 이력 센서 데이터는 적어도 2개의 차원들을 가지며 부분 공정에 각각 할당되는 다수의 이력 곡선들을 기술하고, 각각의 부분 공정에 대한 상기 이력 곡선들은 이력 OK(양호) 곡선들 및 이력 NOK(불량) 곡선들을 포함하며, 상기 이력 NOK 곡선들은 결함이 있는 부분 공정들을 나타내는 방법. - 제1항에 있어서,
- 상기 적어도 하나의 공정은 제조 공정 및 제품 검증 공정/제품 검증을 포함하고,
- 상기 부분 공정들은 상기 제조 공정의 공정 단계들 및 상기 제품 검증 공정/제품 검증의 제품 검증 단계들을 포함하고,
- 상기 이력 곡선들은 이력 공정 곡선들 및 이력 제품 검증 곡선들을 포함하고, 상기 이력 OK 곡선들은 이력 OK 공정 곡선들 및 이력 OK 제품 검증 곡선들을 포함하며, 상기 이력 NOK 곡선들은 이력 NOK 공정 곡선들 및 이력 NOK 제품 검증 곡선들을 포함하고,
- 상기 결함이 있는 부분 공정들은 결함이 있는 공정 단계들 및 결함이 있는 제품들을 포함하는 방법. - 제1항 및 제2항 중 어느 한 항에 있어서, 각각의 부분 공정에 대해 상기 파라미터 테이블을 생성하는 단계는,
- 상기 이력 곡선들로부터 상기 이력 NOK 곡선들을 선택하는 단계(S21a); 및
- 각각의 선택된 이력 NOK 곡선에 대해 그리고 부분 공정의 유형에 따라,
- 상기 이력 NOK 곡선을 다수의 섹션들 또는 다수의 사분면들로 분할하는 단계(S21b);
- 각각의 섹션/각각의 사분면에 대한 다수의 파라미터 값들을 결정하는 단계(S21c) - 상기 부분 공정의 유형에 관련된 파라미터들은 구성 테이블에 저장됨 -;
- 결함 패턴이 상기 이력 NOK 곡선에 할당되는 매핑 단계를 수행하는 단계(S21d) - 상기 결함 패턴은 상기 구성 테이블에 저장된 상기 부분 공정의 유형과 관련된 결함 패턴들의 세트로부터 선택되고, 결함 패턴은 바람직하게는 다수의 이력 NOK 곡선들에 할당됨 - 를 포함하는 방법. - 제3항에 있어서, 상기 이력 NOK 곡선들에 상기 결함 패턴들을 할당한 후에 상기 파라미터 테이블을 생성하는 단계는,
- 각각의 결함 패턴에 대해, 각각의 결함 패턴에 속하는 파라미터들(파라미터 집단들)에 대한 특성 분포를 결정하는 단계(S22a);
- 모든 결함 패턴들로부터, 단일 파라미터 집단으로부터 명확하게 식별 가능한 결함 패턴들을 결정하는 단계(S22b) - 상기 단일 파라미터 집단은 상기 결함 패턴들의 임의의 다른 파라미터 집단과 중첩되지 않음 -; 및
- 결정된 명확하게 식별 가능한 결함 패턴들을 상기 파라미터 테이블에 삽입하는 단계(S22c) - 결함 패턴을 명확하게 식별할 수 있게 하는 파라미터 집단의 값들만이 상기 파라미터 테이블 내에 상기 각각의 결함 패턴에 대해 특성으로서 저장됨 - 를 포함하는 방법. - 제4항에 있어서, 단일 파라미터 집단으로부터 명확하게 식별 가능하지 않은 결함 패턴들에 대해, 다음의 단계들:
i) 미리 설정된 상대값 또는 절대값만큼 파라미터 집단들의 구간 길이들을 감소시키는 단계(S23a);
ii) 감소된 구간 길이를 갖는 파라미터 집단으로부터 명확하게 식별 가능한 결함 패턴들을 결정하고(S23b), 상기 파라미터 테이블의 끝에 상기 결정된 명확하게 식별 가능한 에러 이미지들을 삽입하는 단계 - 원래의 상기 구간 길이들을 특성으로 갖는 상기 파라미터 집단들의 값들은 상기 파라미터 테이블에 저장됨 - ; 및
iii) 상기 파라미터 테이블에 삽입되지 않은 결함 패턴들이 여전히 있는지 여부를 확인하고, 이 확인 테스트가 긍정적인 경우 모든 결함 패턴들이 상기 파라미터 테이블에 삽입될 때까지 단계 i)를 계속 수행하는 단계가 수행되는 방법. - 제4항 및 제5항 중 어느 한 항에 있어서, 상기 파라미터 테이블에 저장된 상기 특성은 저장되기 전에 미리 설정된 상대값 또는 절대값만큼 조정되며, 특히 상기 구간 한계는 미리 설정된 상대값만큼 증가되는 방법.
- 제5항 및 제6항 중 어느 한 항에 있어서, 상기 파라미터 테이블 내에 모든 결함 패턴들을 삽입한 후에 검증 단계(S24)가 수행되며, 상기 검증 단계는,
i) 상기 파라미터 테이블이 생성되는 데에 기초가 된 각각의 이력 NOK 곡선에 대하여, 상기 파라미터 테이블 내의 특성이 상기 이력 NOK 곡선의 특성과 매칭되는 결함 패턴을 선택함으로써 상기 파라미터 테이블에 기초하는 연관된 결함 패턴을 결정하는 단계(S24a) - 상기 파라미터 테이블에 저장된 결함 패턴들은 상기 이력 NOK 곡선의 특성과 오름차순으로 비교되고, 결함 패턴이 일단 결정되면 상기 비교가 종료됨 -;
ii) 단계 i)로부터의 각각의 이력 NOK 곡선에 대하여, 상기 검출된 결함 패턴이 상기 매핑 단계에서 상기 이력 NOK 곡선에 연관된 결함 패턴과 매칭되는지를 검증하는 단계(S24b); 및
iii) 단계 ii)의 결함 패턴에 있어서, 특정 개수의 검출된 결함 패턴들이 상기 연관된 결함 패턴들과 매칭되지 않는 경우,
- 상기 개수를 상기 파라미터 테이블의 결함 패턴에 저장하는 단계;
- 적어도 하나의 부가적인 특성을 생성하고, 상기 부가적인 특성을 상기 결함 패턴의 특성과 함께 상기 파라미터 테이블에 새로운 결함 패턴으로서 저장하는 단계; 및
- 적어도 하나의 부가적인 특성을 갖는 상기 결함 패턴들에 대하여 제4항의 단계들을 수행하는 단계를 포함하는 방법. - 제7항에 있어서, 상기 부가적인 특성으로는 명확하게 식별 가능하지 않은 결함 패턴들에 대해 이진 로지스틱 회귀(binary logistic regression)가 수행되고, 이러한 결함 패턴들에 대하여, 상기 이진 로지스틱 회귀의 공식이 상기 파라미터 테이블 내의 결함 패턴에 저장되며 상기 검증 단계가 후속하여 반복되는 방법.
- 제8항에 있어서, 상기 검증 단계에서 각각의 가장 작은 개수가 저장된 결함 패턴들이 상기 파라미터 테이블에 표시되는 방법.
- 제1항 내지 제9항 중 어느 한 항에 있어서, 상기 이력 센서 데이터는 센서들에 의해 제공되는 방법.
- 제1항 내지 제10항 중 어느 한 항에 있어서, 상기 파라미터 테이블을 생성한 후에, 다음의 단계들:
a) 부분 공정 동안에 센서들에 의해 제공되는 센서 데이터를 수집하는 단계(S30) - 수집된 센서 데이터는 적어도 2개의 차원을 갖는 적어도 하나의 곡선을 기술하며, 상기 부분 공정에 할당됨 -;
b) 상기 파라미터 테이블에 저장된 상기 부분 공정에 대한 특성 결함 패턴들과 상기 수집된 센서 데이터를 비교하는 단계(S40) - 상기 비교를 위해, 실제 특성은 상기 부분 공정의 특성 결함 패턴들을 기술하는 상기 특성에 대응하는 상기 수집된 센서 데이터로부터 추출되고, 상기 실제 특성은 비교 룰에 따라 상기 파라미터 테이블에서의 상기 특성과 비교됨 -; 및
c) 상기 파라미터 테이블로부터 상기 결함 패턴을 선택하는 단계(S50) - 상기 결함 패턴의 특성은 상기 실제 특성과 미리 설정된 정도로 매칭됨 - 가 수행되는 방법. - 제11항에 있어서, 상기 미리 설정된 매칭 정도에서, 각각의 실제 특성 및 상기 결함 패턴의 대응하는 특성은 미리 설정된 매칭 기준을 만족시키는 방법.
- 제11항 및 제12항 중 어느 한 항에 있어서, 상기 단계 c) 이후에, 상기 결함 패턴과 연관된 적어도 하나의 결함 원인 및/또는 상기 결함 패턴과 연관된 적어도 하나의 결함 제거 조치가 상기 선택된 결함 패턴에 대해 선택되고, 상기 결함 원인 및/또는 상기 결함 제거 조치 및 상기 각각의 결함 패턴에 대한 할당이 테이블 내에 저장되는 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102017104884.7 | 2017-03-08 | ||
| DE102017104884.7A DE102017104884B4 (de) | 2017-03-08 | 2017-03-08 | System und Verfahren zum Bestimmen von Fehlerbildern aus Sensordaten in Produktvalidierungs- und Fertigungsprozessen |
| PCT/EP2018/055473 WO2018162481A1 (de) | 2017-03-08 | 2018-03-06 | System und verfahren zum bestimmen von fehlerbildern aus sensordaten in produktvalidierungs- und fertigungsprozessen |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190123279A true KR20190123279A (ko) | 2019-10-31 |
| KR102505722B1 KR102505722B1 (ko) | 2023-03-02 |
Family
ID=61622558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197026284A KR102505722B1 (ko) | 2017-03-08 | 2018-03-06 | 제품 검증 및 제조 공정에서의 센서 데이터로부터 결함 패턴을 결정하기 위한 시스템 및 방법 |
Country Status (14)
| Country | Link |
|---|---|
| US (1) | US20190392533A1 (ko) |
| EP (1) | EP3593302A1 (ko) |
| JP (1) | JP7241708B2 (ko) |
| KR (1) | KR102505722B1 (ko) |
| CN (1) | CN110603548B (ko) |
| AU (1) | AU2018232670A1 (ko) |
| BR (1) | BR112019018300A2 (ko) |
| CA (1) | CA3053998A1 (ko) |
| DE (1) | DE102017104884B4 (ko) |
| MX (1) | MX2019010547A (ko) |
| RU (1) | RU2770297C2 (ko) |
| SA (1) | SA519410073B1 (ko) |
| WO (1) | WO2018162481A1 (ko) |
| ZA (1) | ZA201905211B (ko) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11042459B2 (en) * | 2019-05-10 | 2021-06-22 | Silicon Motion Technology (Hong Kong) Limited | Method and computer storage node of shared storage system for abnormal behavior detection/analysis |
| AT525224A1 (de) | 2021-06-21 | 2023-01-15 | Engel Austria Gmbh | Verfahren, System und Computerprogrammprodukt zum Überwachen eines Formgebungsprozesses |
| DE102021127029B3 (de) | 2021-10-19 | 2022-08-11 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren, System und Computerprogrammprodukt zur Prädiktion von Undichtigkeiten an Dichtungsschnittstellen von verschraubten Bauteilkomponenten |
| CN113844434A (zh) * | 2021-11-11 | 2021-12-28 | 无锡城市职业技术学院 | 一种基于传感器容错的混合动力汽车控制方法 |
| DE102021214406B3 (de) | 2021-12-15 | 2023-06-07 | Zf Friedrichshafen Ag | Verfahren zum Detektieren von bekannten Fehlerursachen an EOL-Prüfständen |
| CN117008559B (zh) * | 2023-10-07 | 2024-01-26 | 同心县京南惠方农林科技有限公司 | 应用于有机肥料生产系统的数据采集处理方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10124134A (ja) * | 1996-10-21 | 1998-05-15 | Osaka Gas Co Ltd | 診断システム |
| KR20050042167A (ko) * | 2002-09-13 | 2005-05-04 | 킴벌리-클라크 월드와이드, 인크. | 제조 공정 운용을 관리하기 위한 시스템 및 방법 |
| KR101019459B1 (ko) * | 2006-05-07 | 2011-03-07 | 어플라이드 머티어리얼스, 인코포레이티드 | 결함 진단을 위한 분류된 결함 시그니처들 |
| KR20150014274A (ko) * | 2013-07-29 | 2015-02-06 | 현대오토에버 주식회사 | 품질불량예방 관리시스템 |
| KR101554216B1 (ko) * | 2013-06-18 | 2015-09-18 | 삼성에스디에스 주식회사 | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 |
| JP2016081482A (ja) * | 2014-10-22 | 2016-05-16 | 株式会社日立製作所 | プラント監視支援システム及びプラント監視支援方法 |
| JP2016186779A (ja) * | 2015-03-27 | 2016-10-27 | 東レ株式会社 | 工程診断装置、工程診断方法および工程診断プログラム |
| KR20170081383A (ko) * | 2016-01-04 | 2017-07-12 | 한화테크윈 주식회사 | 제조공정 가시화 장치 및 방법 |
| JP6178768B2 (ja) * | 2014-09-17 | 2017-08-09 | 株式会社東芝 | 品質管理装置およびその管理方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19518804A1 (de) | 1994-05-27 | 1995-12-21 | Fraunhofer Ges Forschung | Verfahren zur Überwachung eines Produktionsprozesses |
| US5461570A (en) * | 1994-06-10 | 1995-10-24 | Johnson & Johnson Vision Products, Inc. | Computer system for quality control correlations |
| US6917845B2 (en) * | 2000-03-10 | 2005-07-12 | Smiths Detection-Pasadena, Inc. | Method for monitoring environmental condition using a mathematical model |
| US7539597B2 (en) * | 2001-04-10 | 2009-05-26 | Smartsignal Corporation | Diagnostic systems and methods for predictive condition monitoring |
| DE10241746B8 (de) | 2002-09-10 | 2007-09-20 | Haag, Günter, Prof.Dr. | Verfahren zur zyklischen Qualitätsbewertung und Prozessüberwachung bei periodischen Produktionsprozessen |
| US7584165B2 (en) * | 2003-01-30 | 2009-09-01 | Landmark Graphics Corporation | Support apparatus, method and system for real time operations and maintenance |
| US8645092B2 (en) * | 2004-10-22 | 2014-02-04 | Fisher-Rosemount Systems, Inc. | Quality control system and method for construction, commissioning, and other initiation of a process plant |
| DE102004054902A1 (de) | 2004-11-12 | 2006-05-24 | Schott Ag | Vorrichtung und Verfahren zur Optimierung von technischen Produktionsprozessen durch Verdichtung, Zusammenführung und Analyse von Prozess-/Qualitätsdaten |
| US20100292825A1 (en) * | 2006-08-09 | 2010-11-18 | Auckland Uniservices Limited | Process control of an industrial plant |
| CN101556168B (zh) * | 2008-04-11 | 2012-05-09 | 株式会社东芝 | 设备运行数据监控装置 |
| JP5427107B2 (ja) | 2010-05-20 | 2014-02-26 | 株式会社日立製作所 | 監視診断装置および監視診断方法 |
| RU2454692C1 (ru) * | 2011-05-05 | 2012-06-27 | Общество с ограниченной ответственностью "Газпром добыча Ямбург" | Способ повышения достоверности поступающей информации в автоматизированной системе управления технологическими процессами, функционирующей в условиях крайнего севера |
| US10037026B2 (en) | 2014-09-25 | 2018-07-31 | General Electric Company | Systems and methods for fault analysis |
-
2017
- 2017-03-08 DE DE102017104884.7A patent/DE102017104884B4/de active Active
-
2018
- 2018-03-06 JP JP2019570622A patent/JP7241708B2/ja active Active
- 2018-03-06 CN CN201880016645.0A patent/CN110603548B/zh active Active
- 2018-03-06 MX MX2019010547A patent/MX2019010547A/es unknown
- 2018-03-06 CA CA3053998A patent/CA3053998A1/en active Pending
- 2018-03-06 RU RU2019129916A patent/RU2770297C2/ru active
- 2018-03-06 WO PCT/EP2018/055473 patent/WO2018162481A1/de active Application Filing
- 2018-03-06 KR KR1020197026284A patent/KR102505722B1/ko active IP Right Grant
- 2018-03-06 AU AU2018232670A patent/AU2018232670A1/en not_active Abandoned
- 2018-03-06 EP EP18710404.7A patent/EP3593302A1/de active Pending
- 2018-03-06 BR BR112019018300-0A patent/BR112019018300A2/pt unknown
-
2019
- 2019-08-07 ZA ZA2019/05211A patent/ZA201905211B/en unknown
- 2019-09-05 US US16/561,772 patent/US20190392533A1/en not_active Abandoned
- 2019-09-08 SA SA519410073A patent/SA519410073B1/ar unknown
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10124134A (ja) * | 1996-10-21 | 1998-05-15 | Osaka Gas Co Ltd | 診断システム |
| KR20050042167A (ko) * | 2002-09-13 | 2005-05-04 | 킴벌리-클라크 월드와이드, 인크. | 제조 공정 운용을 관리하기 위한 시스템 및 방법 |
| KR101019459B1 (ko) * | 2006-05-07 | 2011-03-07 | 어플라이드 머티어리얼스, 인코포레이티드 | 결함 진단을 위한 분류된 결함 시그니처들 |
| KR101554216B1 (ko) * | 2013-06-18 | 2015-09-18 | 삼성에스디에스 주식회사 | 시계열 형태의 센싱 데이터 배드 패턴 검증 방법 및 그 장치 |
| KR20150014274A (ko) * | 2013-07-29 | 2015-02-06 | 현대오토에버 주식회사 | 품질불량예방 관리시스템 |
| JP6178768B2 (ja) * | 2014-09-17 | 2017-08-09 | 株式会社東芝 | 品質管理装置およびその管理方法 |
| JP2016081482A (ja) * | 2014-10-22 | 2016-05-16 | 株式会社日立製作所 | プラント監視支援システム及びプラント監視支援方法 |
| JP2016186779A (ja) * | 2015-03-27 | 2016-10-27 | 東レ株式会社 | 工程診断装置、工程診断方法および工程診断プログラム |
| KR20170081383A (ko) * | 2016-01-04 | 2017-07-12 | 한화테크윈 주식회사 | 제조공정 가시화 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| BR112019018300A2 (pt) | 2020-03-31 |
| EP3593302A1 (de) | 2020-01-15 |
| AU2018232670A1 (en) | 2019-09-12 |
| CN110603548B (zh) | 2024-02-09 |
| US20190392533A1 (en) | 2019-12-26 |
| CA3053998A1 (en) | 2018-09-13 |
| SA519410073B1 (ar) | 2024-02-21 |
| RU2019129916A (ru) | 2021-04-08 |
| JP7241708B2 (ja) | 2023-03-17 |
| WO2018162481A1 (de) | 2018-09-13 |
| RU2019129916A3 (ko) | 2022-02-11 |
| MX2019010547A (es) | 2019-12-05 |
| KR102505722B1 (ko) | 2023-03-02 |
| JP2020509521A (ja) | 2020-03-26 |
| DE102017104884B4 (de) | 2019-02-14 |
| DE102017104884A1 (de) | 2018-09-27 |
| ZA201905211B (en) | 2020-05-27 |
| CN110603548A (zh) | 2019-12-20 |
| RU2770297C2 (ru) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102505722B1 (ko) | 제품 검증 및 제조 공정에서의 센서 데이터로부터 결함 패턴을 결정하기 위한 시스템 및 방법 | |
| JP6869755B2 (ja) | 状態診断装置 | |
| WO2016086360A1 (en) | Wind farm condition monitoring method and system | |
| DE102016208852B4 (de) | Verfahren zur Charakterisierung von Schraubprozessen | |
| CN115201395B (zh) | 一种基于大数据技术的色谱仪监管方法及装置 | |
| US11544554B2 (en) | Additional learning method for deterioration diagnosis system | |
| CN107111312B (zh) | 监视在工业现场运行的过程的至少一个步骤的监视装置和监视方法 | |
| DE102017211737B4 (de) | Überwachungsvorrichtung und Verfahren zur Überwachung eines Systems | |
| JP2006318263A (ja) | 情報分析システム、情報分析方法及びプログラム | |
| US20170082988A1 (en) | Computer-implemented method and system for automatically monitoring and determining the status of entire process segments in a process unit | |
| CN113924207B (zh) | 异常探测装置、异常探测方法以及存储介质 | |
| CN115277464A (zh) | 基于多维时间序列分析的云网络变更流量异常检测方法 | |
| CN115280334A (zh) | 错误原因的推定装置以及推定方法 | |
| CN110399926B (zh) | 一种路灯故障诊断方法及装置 | |
| CN105308523A (zh) | 车间诊断系统 | |
| CN110895719A (zh) | 验证装置 | |
| CN114117340A (zh) | 一种发动机装配检测方法、装置、存储介质和电子设备 | |
| KR101526906B1 (ko) | 스크류 체결작업의 오류 검출장치 | |
| CN116038682B (zh) | 异常估计系统、异常估计方法和存储介质 | |
| CN116702030B (zh) | 一种基于传感器可靠性分析的高炉状态监测方法及装置 | |
| CN112543944B (zh) | 信息管理装置以及信息管理方法 | |
| CN117607694A (zh) | 车载动力电池异常衰退识别模型构建和异常衰退识别方法 | |
| WO2024165221A1 (en) | Control device and method for setting upper and lower limit curves for one or more tools arranged to apply fasteners |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |