TWI628525B - Manufacturing method analysis method - Google Patents

Manufacturing method analysis method Download PDF

Info

Publication number
TWI628525B
TWI628525B TW106107270A TW106107270A TWI628525B TW I628525 B TWI628525 B TW I628525B TW 106107270 A TW106107270 A TW 106107270A TW 106107270 A TW106107270 A TW 106107270A TW I628525 B TWI628525 B TW I628525B
Authority
TW
Taiwan
Prior art keywords
group
manufacturing
product
program data
groups
Prior art date
Application number
TW106107270A
Other languages
English (en)
Other versions
TW201736995A (zh
Inventor
河野浩司
Original Assignee
三菱化學工程股份有限公司
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 三菱化學工程股份有限公司 filed Critical 三菱化學工程股份有限公司
Publication of TW201736995A publication Critical patent/TW201736995A/zh
Application granted granted Critical
Publication of TWI628525B publication Critical patent/TWI628525B/zh

Links

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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • 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]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • 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
    • G05B2219/32179—Quality control, monitor production tool with multiple sensors
    • 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
    • G05B2219/32187—Correlation between controlling parameters for influence on quality parameters
    • 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]
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

提供一種特定出使製品性能產生誤差之妨礙因素，使製品性能穩定化的製造程序之分析方法。
一種製造程序之分析方法，包含：收集表示製品品質之製品資料和表示製品的製造條件的程序資料之步驟S1；將程序資料標準化並變換成中間變數之步驟S2；對中間變數進行主成分分析，導出程序資料的主成分負載量及主成分分數之步驟S3；將集群分析應用於主成分分數，將製造程序的批量區分成複數個群組的步驟S4；依據和屬於群組的主成分分數相對應的製品資料之良否，判定每群組的優劣之步驟S5；及特定出有貢獻於群組的優劣之妨礙因素之步驟S6。

Description

製造程序之分析方法
本發明係有關一種製品的製造程序之分析方法，特別是有關特定出製品性能及製造性能的誤差的因素之製造程序之分析方法。
就生產計劃等而言，依據同一製造程序進行製品之製造。製品的性能，在同一批量內雖大致均一地精度加工，但在批量間之製品的性能上會發生誤差乃係已知。亦即，儘管依據同一製造程序進行製品之製造，在製品的性能上還是會引發誤差。
為抑制此種製品性能的誤差而使用多變量分析來診斷異常者乃已知(例如，參照專利文獻1)。專利文獻1所載的製造程序之控制方法係依據多變量分析法(multivariate analysis)來處理製造條件及製品性能，判定製造條件和製品性能是否收在既定的限度內，在偏離限度的情況，修正製造條件俾回到限度內。
【先前技術文獻】 【專利文獻】
專利文獻1：日本特開平07-200040號公報
然而，上述那種習知的技術係在藉多變量分 析法進行處理的替代變數中混合存在有製造條件和製品性能的狀態下進行異常診斷，所以有必要事前取得製品性能，具有所謂難以實施進行異常診斷之問題。
而且，上述的習知的技術係以排除不良品的方式進行異常診斷者，因為不是考慮所判斷良的製品品質之高低者，故具有所謂無貢獻於穩定供給更高品質的製品之問題。
於是，特定出使製品性能產生誤差之妨礙因素，衍生出為使製品性能及製造性能穩定化而應解決之技術的課題，本發明之目的在於解決此課題。
本發明係為達成上述目的而提案者，請求項1所載的發明係提供製品的製造程序之分析方法，包含：按前述製造程序的每批量，收集表示藉前述製造程序所製造的每製品的品質之製品資料及表示前述製品的製造條件之程序資料之步驟；將前述程序資料標準化並變換成中間變數之步驟；對前述中間變數進行主成分分析，導出前述程序資料的主成分負載量及主成分分數之步驟；將集群分析應用於前述主成分分數，將前述製造程序的批量區分成複數個群組之步驟；依據和屬於前述群組的主成分分數相對應之前述製品資料，判定前述每群組的優劣之步驟；特定出有貢獻於前述群組的優劣之程序資料、即妨礙因素之步驟。
依據此構成，從依據程序資料所生成之主成分分數將製造程序的批量區分成複數個群組，依據製品資料判定複數個群組的優劣，特定出有貢獻於群組的優劣之 妨礙因素，藉此可有效率地改善製造程序。
請求項2所載的發明係提供如請求項1所載的製造程序之分析方法的構成，而且於特定出前述妨礙因素的步驟中，前述妨礙因素係因應於構成被判定為前述不良的群組之前述主成分負載量而被特定出。
依據此構成，藉由特定出被判定為不良的群組之妨礙因素，能使製造程序的改善精度提升。
請求項3所載的發明為如請求項1或2所載的製造程序之分析方法的構成，而且前述群組之良否係因應前述群組內的製品資料的平均值而被判定。
依據此構成，在設定良品判定基準之際，藉由依據群組內的製品資料之平均值來判定群組之良否，因為群組內的製品資料的誤差被平準化，所以可廣泛地掌握群組間的製品資料之良否的傾向。
請求項4所載的發明係提供如請求項1至3中任一項記載的製造程序之分析方法的構成，而且前述程序資料包含表示前述製造程序的製造條件之製造資料。
依據此構成，從依據製造資料所生成之主成分分數將批量區分成複數個群組，此等的群組依據製品資料判定優劣，藉以使有貢獻於群組的優劣之製造資料被特定出，故可而有效率地改善製造程序。
請求項5所載的發明係提供如請求項4所記載的製造程序之分析方法的構成，而且前述程序資料包含表示前述製品的原料的條件之材料資料。
依據此構成，特定出有貢獻於群組的優劣之製造資料及材料資料，故而可更有效率地改善製造程序。
請求項6所載的發明係提供如請求項1所記載的製造程序之分析方法的構成，而且於判定前述每群組的優劣之步驟中，預先判定前述每群組的優劣判定之可否。
依據此構成，在判定每群組的優劣判定之可否且可判定每群組的優劣之情況，依據程序資料所生成之主成分分數將製造程序的批量區分成複數個群組，依據製品資料判定複數個群組的優劣，特定出有貢獻於群組的優劣之妨礙因素，藉此可有效率地改善製造程序。
請求項7所載的發明係提供如請求項1所記載的製造程序之分析方法的構成，而且於判定前述每群組的優劣之步驟中，在前述每群組的優劣無法判定的情況，重新收集前述程序資料所未包含的追加程序資料，依據前述程序資料及前述追加製品資料，將前述製造程序的批量重新區分成複數個群組，依據和屬於該群組的主成分分數相對應之前述製品資料，再判定前述每群組的優劣。
依據此構成，從依據程序資料所生成之主成分分數將製造程序的批量區分成複數個群組，依據製品資料判定複數個群組的優劣後，在複數個群組的優劣無法判定的情況，重新追加迄至目前未考慮的程序資料，將群組再度區分並再判定群組的優劣，特定出有貢獻於再判定後的群組的優劣之妨礙因素，藉此可有效率地改善製造程序。
請求項8所載的發明係提供如請求項1所記載的製造程序之分析方法的構成，而且於判定前述每群組的優劣之步驟中，在前述每群組的優劣無法判定的情況， 將前述程序資料所含有之無用程序資料刪除，並依據已刪除該無用程序資料的前述程序資料，將前述製造程序的批量重新區分成複數個群組，依據和屬於該群組的主成分分數相對應之前述製品資料，再判定前述每群組的優劣。
依據此構成，在複數個群組的優劣無法判定的情況，將迄至目前未考慮但結果影響不大的程序資料刪除，將群組再度區分並再判定群組的優劣，特定出有貢獻於再判定後的群組的優劣之妨礙因素，藉此可有效率地改善製造程序。
本發明係從依據程序資料所生成之主成分分數將製造程序的批量區分成複數個群組，依據製品資料判定複數個群組的優劣，特定出有貢獻於群組的優劣之妨礙因素，因為有效率地改善製造程序，故能獲得良好的製品性能及穩定顯示製造性能之製造程序。
1‧‧‧製造裝置
2‧‧‧計量/混合機
3‧‧‧擠型機
4‧‧‧進料斗
5‧‧‧成形機
6‧‧‧乾燥機
7‧‧‧纏繞機
10‧‧‧感測器
20‧‧‧控制裝置
21‧‧‧裝置控制部
21a‧‧‧控制部
21b‧‧‧分析部
21c‧‧‧判定部
22‧‧‧輸入/輸出部
23‧‧‧顯示部
24‧‧‧記憶部
[圖1]顯示應用本發明第1實施例的製造程序之分析方法的生產線之構成的示意圖。
[圖2]顯示本發明第1實施例的製造程序之分析方法的流程圖。
[圖3]顯示每批量的程序資料之圖。
[圖4]顯示每程序資料的主成分的資訊量之圖。
[圖5]顯示每批量的主成分的資訊量之圖。
[圖6]於以第1主成分為橫軸且第2主成分為縱軸的座標系上標繪有圖4所示的資訊量之圖表。
[圖7]於以第1主成分為橫軸且第2主成分為縱軸的座標系上標繪有圖5所示的資訊量之圖表。
[圖8]顯示將集群分析應用於圖5所示的主成分分數所獲得之樹形結構關係圖的圖。
[圖9]顯示將圖8的分析結果應用於圖7的結果之圖表。
[圖10]顯示有貢獻於群組的優劣之妨礙因素之圖表。
[圖11]顯示本發明第2實施例的製造程序之分析方法的流程圖。
[圖12]顯示主成分分數中群組間的優劣無法確認的情況之圖表。
[圖13]顯示追加有材料資料，主成分分數中群組間的優劣可確認的情況之圖表。
[圖14]顯示主成分分數中因應製造條件可確認群組間的優劣的情況之圖表。
本發明為達成特定出使製品性能產生誤差之妨礙因素，使製品性能穩定化之目的之製品的製造程序之分析方法，係藉由包含如下步驟來實現。即：按製造程序的每批量，收集表示藉製造程序所製造的每製品的品質之製品資料及表示製品的製造條件之程序資料之步驟；將程序資料標準化並變換成中間變數之步驟；對中間變數進行主成分分析，導出程序資料的主成分負載量及主成分分數之步驟；將集群分析應用於主成分分數，將製造程序的批量區分成複數個群組之步驟；依據和屬於群組的主成分分數相對應之製品資料，判定每群組的優劣之步驟；特定出有貢獻於群組的優劣之程序資料、即妨礙因素之步驟。
【實施例】
以下，針對本發明第1實施例的製造程序之分析方法作說明。此外，在以下的實施例中，在提及構成要素的數、數值、量、範圍等之情況，除了特別明示的情況及在原理上清楚限定特定的數之情況以外，並不受其特定的數所限定，可為特定的數以上，以下者亦無妨。
圖1係顯示應用本發明的製造程序的一例、即薄膜片的生產線之示意圖。此外，應用本發明的製造程序所製造的製品並不受限於薄膜片，亦可為任意者。
在薄膜片的生產線中，經過原料配合步驟、造粒步驟、成形步驟及精加工步驟，從原料製造出薄膜片。薄膜片的生產線係由計量/混合機2、擠型機3、進料斗4、成形機5、乾燥機6及纏繞機7所構成的製造裝置1。
樹脂等之原料1~N被投入計量/混合機2。計量/混合機2內的原料係於被均一混合後送入擠型機3。
擠型機3係將被混合的原料成形為粒狀的顆粒。
被投入於進料斗4的顆粒係利用成形機5在長邊方向及寬度方向伸展而成形為所期望的厚度之薄膜片。
伸展成片狀的薄膜片係在乾燥機6內升溫並被乾燥。
乾燥的薄膜片係在以未圖示之厚度測定手段測量厚度後，以纏繞機7纏繞成卷狀。
在上述的各機器設有測定各種值的感測器10。感測器10的測定對象係原料的投入量、成形機5內 的溫度、成形速度、及薄膜片的厚度等。感測器10將測定值送至控制裝置20。
各機器的動作受控制裝置20所控制。控制裝置20具備：具有例如CPU或記憶體等之裝置控制部21；控制資料的輸入/輸出之輸入/輸出部22；顯示資料的顯示部23；及記憶資料的記憶部24。此外，控制裝置20的機能可透過使用軟體來控制而實現，也可透過使用硬體進行動作而實現。控制裝置20係依據感測器10所測定之表示製品的製造條件之程序資料、表示製品品質(包含製品的強度、厚度及附著異物的量等之品質資訊、或成品率及不良品發生率等之製造性能等)之製品資料，進行後述的處理。程序資料包含：表示製造程序的製造條件(構成製造裝置1的各種機器之運轉條件等)之製造資料；及表示原料1~N的條件(原料的物性、組成等)之材料資料。
裝置控制部21係分別成如下者分別發揮機能：控制各機器的控制部21a；感測器10的針對程序資料進行後述的處理之分析部21b；及特定出後述的妨礙因素之判定部21c。
輸入/輸出部22係例如有鍵盤或滑鼠、通信控制裝置、印刷裝置等。顯示部23，例如有顯示器。於記憶部24記憶有在生產線的各處理使用之加工條件或在分析部21b進行資料處理之際所使用的資料等。
其次，針對本實施例的製造程序之分析方法，依據圖面作說明。圖2係顯示本發明第1實施例的製造程序之分析方法的流程圖。圖3係顯示按生產線的批量所測定之程序資料及製品資料之圖。圖4係顯示每程序資 料的主成分的資訊量之圖。圖5係顯示生產線的每批量的主成分的資訊量之圖。圖6係顯示於以第1主成分為橫軸且第2主成分為縱軸的座標系上標繪有圖4所示的資訊量之主成分負載量的圖表。圖7係顯示於以第1主成分為橫軸且第2主成分為縱軸的座標系上標繪有圖5所示的資訊量之主成分分數的圖表。圖8係將集群分析應用於圖5所示的資訊量所獲得之樹形結構關係圖的圖。圖9係顯示將圖8的分析結果應用於圖7的結果之圖表。
首先，針對動作完成的製造程序，控制裝置20收集感測器10所測定之程序資料和製品資料(S1)。此步驟S1中，針對由在不同日期時間製造同一製品的同一名牌之複數個批量所構成的批量群，將感測器10所測定之每批量的程序資料和製品資料記憶在記憶部24。每批量的程序資料顯示在圖3。圖3中，針對24次份量的批量LOT001~024，顯示在各批量所收集之程序資料para01~28。程序資料para01~28係原料的進料檢查值、投入量、成形機5內的溫度、成形速度等。又，製品資料para29~31為，通過乾燥機6的薄膜片之厚度且para29為分散值，para30為平均值，para31為標準偏差。此外，圖3中省略一部份的程序資料para06~27。
其次，將圖3所示之表中的程序資料para01~28標準化並變換成中間函數(S2)。此步驟S2中，程序資料的標準化處理係公知者，分析部21b是依據數式1來進行。
其次，在步驟2求得之中間變數應用主成分分析法，求出主成分負載量及主成分分數(S3)。具體言之，作成中間變數中之相關係數矩陣，導出相關係數矩陣的固有值和固有向量。相關係數矩陣為，在中間變數是x1、x2、x3..時，第1主成分PC1係表示成如數式2所示那樣。又，第N主成分PCn係表示成如數式3所示那樣。且將係數a11、a12、a13..用在第1行的要素，將係數an1、an2、an3..用在第n行的要素而形成相關係數矩陣。
[數2]PC1=a 11×x 1+a 12×x 2+a 13×x 3+… (2)
[數3]PCn=a n1×x 1+a n2×x 2+a n3×x 3+… (3)
其次，從相關係數矩陣的固有向量求出主成分分數。又，從相關係數矩陣的固有值求出各主成分的貢獻率。主成分的貢獻率係透過固有值除以固有值的總和而可獲得。此處，由固有值大者來決定第1主成分、第2主成分..第N主成分。
圖4顯示各程序資料para01~28的第1主成分PC1、第2主成分PC2、第3主成分3的資訊量。此外，本實施例中僅顯示3個主成分，但亦可因應各主成分的貢 獻率而增減主成分的數。
又，分析部21b是依據各批量LOT001~024的中間變數x1、x2、x3和相關係數矩陣的各係數，算出第1主成分PC1、第2主成分PC2..的值、即主成分分數。圖5顯示各批量LOT001~024的主成分分數。
其次，將集群分析應用在圖5所示的主成分分數，將批量LOT001~024區分成複數個群組(S4)。此步驟S4中，分析部21b針對在步驟3導出的主成分分數進行集群分析。「集群分析」係指將分析對象資料(集群)著眼於類似性而分類成複數個群組的方法，階層式集群或分類最佳化集群等乃已知。本實施例中的集群分析所著眼的「類似性」，係指各批量的主成分分數彼此的距離。本實施例中，使用階層式集群之一的凝集型階層式集群。又，作為集群間的距離算出方法，使用可穩定地求得解之華德法(ward method)。所謂「華德法」，係選擇在將2個集群合併之際的偏差平方和之增加量成為最小的集群者。例如，在將集群A、B合併以生成集群C的情況，集群A、B、C內的偏差平方和Sa、Sb、Sc係分別表示如數式4~6。
：在屬於集群A的變數K(1,2,…p)中第i(1,2,…n a )個資料
：在屬於集群B的變數K(1,2,…p)中第i(1,2,…n b )個資料
依據數式4~6，集群C內的偏差平方和Sc成為以下。
數式7的△Sab係意味著在合併集群A、B並生成集群C之際的偏差平方和的增加份量。因此，於各合併階段，以△Sab成為最小的方式選擇集群並合併，藉以使集群移動。
本實施例中，如圖8所示，集群分析的結果，能將批量LOT001~024區分成3個群組G1、G2、G3。又，將此結果反映在圖7者顯示於圖9。此外，群組的數不限於3個，只要是容易處理的數即可，可為2個以下、也可為4個以上。
其次，按群組來判定優劣(S5)。此步驟S中，控制裝置20係按屬於群組G1~3的批量LOT001~024，呼叫從記憶在記憶部24的表示薄膜片的厚度尺寸之製品資料para29~31所獲得之中間變數，判定此等製品資料之良否。製品資料之良否係依據群組內的平均值進行者較佳。藉此，群組內的製品資料的誤差被平準化，可廣泛地掌握群組間的製品資料之良否的傾向。又，製品資料之良否係亦可依據群組內之製品資料的偏差之大小或最大值及最小值之差(範圍)的大小來判定，亦可將平均值、偏差或R值等2個以上組合作判定。關於將平均值和偏差組合來判定製品資料之良否方面，例如，在群組內的平均值是相同的情況，可考慮將群組內的偏差小者判斷為良。藉此，可廣泛地掌握已考慮了在群組內的製品資料的誤差之群組間的製品資料之良否的傾向。然後，分析部21b按群組G1~3來比較製品資料，決定群組G1~3間的優劣，將其結果記憶在記憶部24。本實施例中，顯示群組G1是最良好的製品資料，以下，因為製品資料是按G3、G2的順序惡化，所以群組間的優劣係決定成群組G1、G3、G2的順序。
其次，特定出貢獻於群組G1~3的優劣之妨礙因素(S6)。此步驟S6中，著眼於第1主成分PC1、第2主成分PC2的座標系(以下，稱為「PC1、2座標系」)上的群組G1~3的特徵配置關係，將主成分負載量上與此位置對應的程序資料para01~28特定為有貢獻於群組G1~3的優劣之程序資料、即妨礙因素。具體言之，判定部21c係讀取在被判定為劣的群組G2的PC1、2座標系上的 特徵配置、亦即在PC1、2座標系上的第1主成分PC1座標為負且第2主成分PC2座標為負。其次，判定部21c係從圖10所示的主成分負載量上讀取與群組G2在PC1、2座標系上的特徵配置相對應的程序資料。判定部21c係將主成分負載量的存在於PC1、2座標系上的第3象限之程序資料(para12、13等)判定為第1妨礙因素P1。
又，藉由針對接於群組G2之後被判定為劣的群組G3亦進行同樣的分析，依據PC1、2座標系上的群組G3之特徵配置(第2象限)，判定圖6所示之主成分負載量的存在於PC1、2座標系上的第2象限之程序資料(para01、07、18、19等)是第2妨礙因素P2。如此，藉由依據複數個群組特定出複數個妨礙因素，使製造程序的改善精度提升。
此外，本實施例中，將製造資料和材料資料作同樣地處理，但在僅以製造資料可預測製品資料的情況，亦可將材料資料從處理對象適當地排除。
如上述，從依據程序資料所生成之主成分分數將製造程序的批量區分成複數個群組，依據製品資料判定複數個群組的優劣，特定出有貢獻於群組的優劣之妨礙因素，藉此可有效率地改善製造程序。
又，藉由特定出被判定為不良的群組之妨礙因素，能使製造程序的改善精度提升。
如此，藉由有效率地改善製造程序，可獲得良好的製品性能及穩定顯示製造性能之製造程序。
其次，針對本發明第2實施例的製造程序之分析方法，依據圖面作說明。圖11顯示本發明第2實施 例的製造程序之分析方法的流程圖。此外，在以下與本實施例相關的說明中，省略與上述的第1實施例有關的說明重複之說明。
首先，以和上述的第1實施例的步驟S1~4同樣的順序，將製造程序的批量區分成複數個群組(S10~13)。
其次，判定複數個群組間的優劣(S14)。此處，在無法判定複數個群組間的優劣之情況，亦即，將各群組所含有之複數個製品資料作比較，在群組間的製品資料之良否無法確認的情況(步驟S14的No)，重新收集上述的程序資料所未含有程序資料(以下，稱為「追加程序資料」)(S15)。此處，在群組間的製品資料之良否可否確認之判定為，例如，若各群組的製品資料的平均值全部在製造程序的品質上沒問題者，則判定群組間的製品資料之良否無法確認，若各群組的製品資料的平均值至少1個是在製造程序的品質上有問題者，則可考慮判定為群組間的製品資料之良否可確認，但不受此所限定。
其次，分析部21b是依據數式1，將在步驟S10收集的程序資料及在步驟S15收集的追加程序資料標準化並變換成中間函數(S16)。
其次，分析部21b作成在步驟16求得之中間變數的相關係數矩陣，導出此相關係數矩陣的固有值和固有向量，由此固有向量求出主成分負載量及主成分分數(S17)。主成分負載量及主成分分數之具體的算出方法係與步驟S3同樣。
其次，將集群分析應用於在步驟S17求得之 主成分分數，將批量再區分成複數個群組(S18)。將批量區分成複數個群組之具體的方法係與步驟S4同樣。
然後，回到步驟S14，再度判定群組間的優劣。在複數個群組間的優劣可判定之情況，亦即，比較各群組所含有之複數個製品資料的平均值，在群組間的製品資料可確認良否的情況(步驟S14的Yes)，與步驟S6同樣地，著眼於群組的特徵配置關係，將主成分負載量上與此位置對應的程序資料特定為有貢獻於群組的優劣之程序資料、即妨礙因素(S19)。此外，在群組的優劣無法判定之情況，再度反復步驟S15~18。
其次，針對判定複數個群組間的優劣之步驟S14，依據圖12及圖13進一步詳細說明。
圖12係針對17的批量，將主成分分析應用於僅製造裝置的諸條件的程序資料，於以第1主成分為橫軸且第3主成分為縱軸的座標系上標繪有其資訊量者。圖12中，將17的批量區分成4個群組G4~7，構成各群組的批量係以圖12中的○、△、×及+的符號表示。群組G4~7的黏度的平均值為，群組G4是1028cp、群組G5是1027cp、群組G6是1052cp、群組G7是1023cp，群組G4~7間的黏度之良否無法確認。
其次，針對和圖12同的批量，收集作為追加程序資料的材料資料，針對程序資料及材料資料進行步驟S13~18，於以第2主成分為橫軸且第3主成分為縱軸的座標系上標繪有其等的資訊量者是圖13。圖13中，將17的批量區分成4個群組G8~11，構成各群組的批量係以圖13中的○、△、×及+的符號表示。群組G8~11的黏度的 平均值為，群組G8是980cp、群組G9是1077cp、群組G10是1023cp、群組G11是1054cp，因為群組G8的黏度是比其他的群組的黏度還良好，所以可判斷群組G8比群組G9~11還優異。
又，步驟S14係可為在上述的每群組的優劣之判定前，先判定每群組的優劣判定之可否者。在判定每群組的優劣判定之可否的情況，例如，在各群組的製品資料的平均值所有在製造程序的品質上沒問題且藉由製造條件(材料的性狀或負載量或溫濕度等)可進一步將複數個群組間作區別之情況，可考慮判定為帶有條件且可進行優劣判定，但不受此所限定。
針對判定每群組的優劣判定之可否的情況作具體說明。當依據步驟S10~13將製造程序區分成複數個群組時，如圖14所示，會有製品資料的平均值在品質上沒問題的群組存在複數個之情況。圖14係針對37的批量，將主成分分析應用於僅製造裝置的諸條件的程序資料，於以第1主成分為橫軸且第2主成分為縱軸的座標系上標繪有其資訊量者。圖14中，將37的批量區分成6個群組G12~17，構成各群組的批量係以圖14中的○、△、+、×、◇及▽的符號表示。群組G12~17的黏度之平均值為，群組G12是5443cp、群組G13是5600cp、群組G14是5475cp、群組G15是5250cp、群組G16是5450cp、群組G17是5600cp，高於品質上沒有問題的黏度之群組係群組G13、17。因此，可知群組G13、17比其他的群組G12、14、15、16還優異，但是群組G13、17任一者是否比另一者還優異這點光憑製品資料的良否並無法判別。
其次，在群組G13，17是能以製造條件區別的情況，例如，在群組G12~14是低溫乾燥時製造，群組G15~17是高溫多濕時製造那樣的情況，於低溫乾燥時可判定群組G13為優，而於高溫多濕時可判定群組G17為優。
在因應於製造條件可進行每群組的優劣判定之情況，因應於製造條件確認群組間的製品資料之良否(步驟S14的Yes)，與步驟S6同樣地，著眼於群組的特徵配置關係，將主成分負載量上與此位置對應的程序資料特定為有貢獻於群組的優劣之程序資料、即妨礙因素(S19)。
一方面，在群組G13，17無法以製造條件區別的情況，判定無法進行複數個群組間的優劣判定(步驟S14的No)，進入步驟S15。
此外，步驟S15中，在無法進行複數個群組間的優劣判定之情況，雖會重新收集追加程序資料，但要刪除程序資料所含有之無用的程序資料(以下，稱為「無用程序資料」)，依據已刪除無用程序資料的程序資料將製造程序的批量重新區分成複數個群組，依據和屬於群組的主成分分數相對應之製品資料再判定每群組的優劣者亦可。關於無用程序資料的抽出方法方面，例如可考慮將向量成分相對小者選為無用程序資料，但不受此所限定。
如此，從依據程序資料所生成之主成分分數將製造程序的批量區分成複數個群組，依據製品資料判定複數個群組的優劣後，在複數個群組間的優劣無法確認的情況，重新追加迄至目前未考慮的程序資料，將群組再度區分，再判定群組的優劣，特定出有貢獻於再判定後的群 組的優劣之妨礙因素，藉此可有效率地改善製造程序。
此外，本實施例中，採用材料資料作為追加程序資料，但追加程序資料當然不受此所限定，追加程序資料係可因應製造程序作選擇。
此外，本發明係可在不逸脫本發明精神下進行各種改變，且本發明當然可及於該改變者。

Claims (8)

  1. 一種製造程序之分析方法，係製品的製造程序之分析方法，其特徵為包含：按前述製造程序的每批量，收集表示藉前述製造程序所製造的每製品的品質之製品資料及表示前述製品的製造條件之程序資料之步驟；將前述程序資料標準化並變換成中間變數之步驟；對前述中間變數進行主成分分析，導出前述程序資料的主成分負載量及主成分分數之步驟；將集群分析應用於前述主成分分數，將前述製造程序的批量區分成複數個群組之步驟；依據和屬於前述群組的主成分分數相對應之前述製品資料，判定前述每群組的優劣之步驟；特定出有貢獻於前述群組的優劣之程序資料、即妨礙因素之步驟。
  2. 如請求項1之製造程序之分析方法，其中於特定出前述妨礙因素之步驟，前述妨礙因素係因應構成前述被判定為不良的群組之前述主成分負載量而被特定出。
  3. 如請求項1或2之製造程序之分析方法，其中前述群組之良否係因應前述群組內的製品資料的平均值而判定。
  4. 如請求項1之製造程序之分析方法，其中前述程序資料包含表示前述製造程序的製造條件之製造資料。
  5. 如請求項4之製造程序之分析方法，其中前述程序資料包含表示前述製品的原料的條件之材料資料。
  6. 如請求項1之製造程序之分析方法，其中於判定前述每群組的優劣之步驟，預先判定前述每群組的優劣判定之可否。
  7. 如請求項1之製造程序之分析方法，其中於判定前述每 群組的優劣之步驟，在前述每群組的優劣無法判定的情況，重新收集前述程序資料所未包含的追加程序資料，依據前述程序資料及前述追加製品資料，將前述製造程序的批量重新區分成複數個群組，依據和屬於該群組的主成分分數相對應之前述製品資料，再判定前述每群組的優劣。
  8. 如請求項1之製造程序之分析方法，其中於判定前述每群組的優劣之步驟，在前述每群組的優劣無法判定的情況，將前述程序資料所含有之無用程序資料刪除，並依據已刪除該無用程序資料的前述程序資料，將前述製造程序的批量重新區分成複數個群組，依據和屬於該群組的主成分分數相對應之前述製品資料，再判定前述每群組的優劣。
TW106107270A 2015-03-10 2017-03-06 Manufacturing method analysis method TWI628525B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015047123 2015-03-10
JP2016045026A JP5956094B1 (ja) 2015-03-10 2016-03-08 製造プロセスの解析方法
JP2016-045026 2016-03-08

Publications (2)

Publication Number Publication Date
TW201736995A TW201736995A (zh) 2017-10-16
TWI628525B true TWI628525B (zh) 2018-07-01

Family

ID=56418688

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106107270A TWI628525B (zh) 2015-03-10 2017-03-06 Manufacturing method analysis method

Country Status (5)

Country Link
US (1) US10901405B2 (zh)
JP (1) JP5956094B1 (zh)
DE (1) DE112017001244T5 (zh)
TW (1) TWI628525B (zh)
WO (1) WO2017154814A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6716423B2 (ja) * 2016-10-26 2020-07-01 三菱ケミカルエンジニアリング株式会社 生産プロセスの解析方法
JP6923420B2 (ja) * 2017-11-08 2021-08-18 三菱ケミカルエンジニアリング株式会社 生産プロセスの解析方法
JP6994361B2 (ja) * 2017-11-17 2022-01-14 三菱ケミカルエンジニアリング株式会社 生産プロセスの解析方法
JP6984370B2 (ja) 2017-12-06 2021-12-17 横河電機株式会社 生産支援システム、生産支援方法及びプログラム
CN108549332B (zh) * 2017-12-19 2020-08-25 中南大学 一种基于钴酸锂配料系统的生产状态预测方法
JP6871877B2 (ja) 2018-01-04 2021-05-19 株式会社東芝 情報処理装置、情報処理方法及びコンピュータプログラム
JP6549760B1 (ja) 2018-06-26 2019-07-24 三菱ケミカルエンジニアリング株式会社 生産システム、生産方法、及び制御装置
JP6481916B1 (ja) 2018-06-26 2019-03-13 三菱ケミカルエンジニアリング株式会社 生産システム、生産方法及び制御装置
AT521576B1 (de) * 2018-08-21 2022-05-15 Wittmann Tech Gmbh Verfahren zur Qualitätskontrolle und/oder Nachverfolgung eines in einem Produktionszyklus hergestellten Spritzgießteils sowie Kunststoffindustrieanlage hierfür
JP7446771B2 (ja) * 2019-10-30 2024-03-11 株式会社東芝 可視化データ生成装置、可視化データ生成システム、及び可視化データ生成方法
JP7419955B2 (ja) * 2020-04-27 2024-01-23 横河電機株式会社 データ解析システム、データ解析方法、およびプログラム
JP7116969B2 (ja) * 2020-06-29 2022-08-12 株式会社Fronteo ２次元マップ生成装置、２次元マップ生成方法および２次元マップ生成用プログラム
JP7336477B2 (ja) 2021-03-05 2023-08-31 横河電機株式会社 学習装置、評価装置、評価システム、学習方法、学習プログラム、評価方法、および評価プログラム
CN113419502B (zh) * 2021-08-23 2021-11-09 山东大拇指喷雾设备有限公司 基于人工智能的制壳生产过程的工序监测方法与系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07200040A (ja) * 1993-12-10 1995-08-04 Eastman Kodak Co 製造プロセスを制御する方法
TW414997B (en) * 1999-09-07 2000-12-11 Taiwan Semiconductor Mfg Quality control method of semiconductor manufacturing process
US6898539B2 (en) * 2002-12-31 2005-05-24 Powerchip Semiconductor Corp. Method for analyzing final test parameters
CN1790312A (zh) * 2004-11-17 2006-06-21 台湾积体电路制造股份有限公司 统计制程分析系统、计算机执行的用于统计制程分析方法
US7079677B2 (en) * 2002-06-28 2006-07-18 Powerchip Semiconductor Corp. Automatic intelligent yield improving and process parameter multivariate system and the analysis method thereof
TW201532120A (zh) * 2013-12-05 2015-08-16 Tokyo Electron Ltd 學習及／或最佳化製造程序的系統及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3099932B2 (ja) * 1993-12-14 2000-10-16 株式会社東芝 インテリジェントテストラインシステム
JPH0940A (ja) 1995-06-20 1997-01-07 Yanmar Agricult Equip Co Ltd 結球野菜収穫機
JP2003114713A (ja) * 2001-10-09 2003-04-18 Nippon Steel Corp 品質不良の原因解析方法
TW200839557A (en) * 2007-03-23 2008-10-01 Promos Technologies Inc A method for calculating the continuity of bad wafer lots and a method for finding a defective machine using the same
JP5242959B2 (ja) * 2007-07-11 2013-07-24 シャープ株式会社 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体
US9349660B2 (en) * 2011-12-01 2016-05-24 Taiwan Semiconductor Manufacturing Company, Ltd. Integrated circuit manufacturing tool condition monitoring system and method
JP5648157B2 (ja) * 2011-12-28 2015-01-07 株式会社日立ハイテクノロジーズ 半導体製造装置
US10290088B2 (en) * 2014-02-14 2019-05-14 Kla-Tencor Corporation Wafer and lot based hierarchical method combining customized metrics with a global classification methodology to monitor process tool condition at extremely high throughput

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07200040A (ja) * 1993-12-10 1995-08-04 Eastman Kodak Co 製造プロセスを制御する方法
TW414997B (en) * 1999-09-07 2000-12-11 Taiwan Semiconductor Mfg Quality control method of semiconductor manufacturing process
US7079677B2 (en) * 2002-06-28 2006-07-18 Powerchip Semiconductor Corp. Automatic intelligent yield improving and process parameter multivariate system and the analysis method thereof
US6898539B2 (en) * 2002-12-31 2005-05-24 Powerchip Semiconductor Corp. Method for analyzing final test parameters
CN1790312A (zh) * 2004-11-17 2006-06-21 台湾积体电路制造股份有限公司 统计制程分析系统、计算机执行的用于统计制程分析方法
TW201532120A (zh) * 2013-12-05 2015-08-16 Tokyo Electron Ltd 學習及／或最佳化製造程序的系統及方法

Also Published As

Publication number Publication date
US20190129402A1 (en) 2019-05-02
US10901405B2 (en) 2021-01-26
JP5956094B1 (ja) 2016-07-20
JP2016177794A (ja) 2016-10-06
TW201736995A (zh) 2017-10-16
DE112017001244T5 (de) 2018-12-27
WO2017154814A1 (ja) 2017-09-14

Similar Documents

Publication Publication Date Title
TWI628525B (zh) Manufacturing method analysis method
JP6716423B2 (ja) 生産プロセスの解析方法
JP3161921B2 (ja) 製品品質影響要因解析方法と装置及び成形条件調整方法、製品良否判別項目選択方法
US11675343B2 (en) Production system, production method, control device, and production process analysis method
US11644822B2 (en) Production system, production method, and control device
JP2016167205A (ja) 製造プロセスのモニタリング方法
JP7192190B2 (ja) 生産システム、生産方法、及び制御装置
CN113165243A (zh) 用于改进物理生产过程的方法和系统
CN113631667A (zh) 生成用于油漆、清漆、印刷油墨、研磨树脂、颜料浓缩物或其它涂料的组合物的方法
WO2010119939A1 (ja) プロセスパラメータ選択装置、プロセスパラメータ選択方法、プロセスパラメータ選択プログラム、および、プログラム記録媒体
JP7259179B2 (ja) 生産システム、生産方法及び制御装置
JP2021121915A (ja) 生産プロセスのモニタリング方法
KR102129582B1 (ko) 불용성황 기반 재료 분석 방법 및 타이어 제조 방법
CN113665079A (zh) 一种塑料注塑成型工艺控制方法及系统
CN117396322A (zh) 用于利用薄膜挤出机从原料总量中制造薄膜的方法以及用于执行该方法的计算机程序产品
CN108250342A (zh) 一种聚全氟乙丙烯产品生产方法及系统
CN111002564A (zh) 一种吹塑成形工艺参数在线调控方法
JP6923420B2 (ja) 生産プロセスの解析方法
JP6994361B2 (ja) 生産プロセスの解析方法
WO2024079199A1 (en) Method and system for measuring the setting time of a gypsum board
Moritzer et al. Validation and Comparison of Fem-Simulation Results of the Fused Deposition Modeling Process under Consideration of Different Mesh Resolutions
Fuhrmann et al. Transferability of predictive black box models to different application scenarios
Zhao et al. Multimode analysis and online monitoring for injection molding processes
Kaji et al. Modelling of Cusp Geometry in Additive Manufacturing Parts Using a Piece-Wise Polynomial
de Carlos Rosa et al. METHOD FOR CONSIDERING THE REAL AREA MOMENT OF INERTIA IN BENDING TESTS OF EXTRUDED PLA PARTS WITH DIFFERENT INFILL PERCENTAGES