WO2010137487A1 - 製品選別装置、製品選別方法及びコンピュータプログラム - Google Patents

製品選別装置、製品選別方法及びコンピュータプログラム Download PDF

Info

Publication number
WO2010137487A1
WO2010137487A1 PCT/JP2010/058324 JP2010058324W WO2010137487A1 WO 2010137487 A1 WO2010137487 A1 WO 2010137487A1 JP 2010058324 W JP2010058324 W JP 2010058324W WO 2010137487 A1 WO2010137487 A1 WO 2010137487A1
Authority
WO
WIPO (PCT)
Prior art keywords
rank
standard deviation
product
products
characteristic value
Prior art date
Application number
PCT/JP2010/058324
Other languages
English (en)
French (fr)
Inventor
輝久 鶴
Original Assignee
株式会社村田製作所
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 株式会社村田製作所 filed Critical 株式会社村田製作所
Priority to JP2011515983A priority Critical patent/JP5287985B2/ja
Priority to CN2010800238452A priority patent/CN102448626B/zh
Publication of WO2010137487A1 publication Critical patent/WO2010137487A1/ja
Priority to US13/303,228 priority patent/US9061322B2/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches

Definitions

  • the present invention relates to a product sorting apparatus, a product sorting method, and a computer program for sorting products.
  • Characteristic values indicating predetermined characteristics are measured before products are shipped, and sorted into non-defective or defective products depending on whether or not predetermined standards are satisfied.
  • Product sorting is performed by comparing the product characteristic value measured using the product sorting device with an inspection standard whose conditions are stricter than the product standard (characteristic value required for the product). If the measured product characteristic value variation is only the characteristic value variation of the product itself, even if the inspection standard is stipulated under the same conditions as the product standard, the product sorting device determines whether the product is good or defective. Can be sorted correctly.
  • the variation in the measured characteristic value of the product includes not only the variation in the characteristic value of the product itself but also the variation in the measured value of the measurement system. For this reason, there is a possibility that a product selected as a non-defective product in the product sorting apparatus includes a defective product, or a product selected as a defective product includes a non-defective product.
  • the probability that a defective product is erroneously selected as a non-defective product is referred to as a consumer risk
  • the probability that a non-defective product is erroneously selected as a defective product is referred to as a producer risk.
  • Non-patent documents 1 and 2 disclose methods for calculating consumer risk and producer risk.
  • Non-Patent Document 1 discloses a method for calculating consumer risk and producer risk in a product sorting apparatus using the Monte Carlo method.
  • Non-Patent Document 2 discloses a method of calculating consumer risk and producer risk using a double integral equation, assuming that the distribution of variation in characteristic values and variation in measured values is a normal distribution.
  • NCSL International Workshop and Symposium (August 2007, NCSL International Workshop and Symposium) David Deaver, “Managing Calibration Confidence in the Real World”, NCSL International Workshop and Symposium (NCSL International Works and Symptom 19)
  • Non-Patent Document 1 or 2 it is possible to calculate consumer risk and producer risk.
  • the variation of the characteristic value of the product itself, the variation of the measurement value of the measurement system, and the like cannot be calculated using the method disclosed in Non-Patent Document 1 or 2.
  • the method of evaluating uncertainty divides the measurement system into elements that cause uncertainty, such as measurement jigs and sensors, and evaluates the uncertainty of each element to measure the variation in the measured value, which is the uncertainty of the entire measurement system.
  • the standard deviation is calculated.
  • the technique for evaluating uncertainty requires specialized techniques for each element, and requires a long period of work, so that it has been difficult to apply it to a product selection apparatus provided in a production line.
  • the measurement system analysis MSA method uses the GR & R (Gage Repeatability and Reproductivity) method to calculate the standard deviation of the variation in measured values. Therefore, there is a problem that labor cost becomes high. For example, in a product sorting apparatus that sorts 10,000 capacitors each having a capacitor capacity as a characteristic value, the work such as the removal of the measuring jig is particularly troublesome, and in order to calculate the standard deviation of the measured value variation About 2 hours of work is required, which increases labor costs.
  • GR & R Gate Repeatability and Reproductivity
  • An object of the present invention is to provide a product selection apparatus, a product selection method, and a computer program that can calculate the above.
  • a product sorting apparatus sorts a product into a predetermined plurality of ranks based on a measuring unit that measures a characteristic value indicating a predetermined characteristic of the product and the measured characteristic value. Selecting a standard deviation calculating unit that calculates a standard deviation by considering a standard deviation of variation of measured characteristic values, and selecting a characteristic value of the product belonging to at least one rank among a plurality of selected predetermined ranks Based on the re-measured characteristic values, the re-sorting unit re-sorts the products into the predetermined plurality of ranks, and the standard deviation of the characteristic value variation of the product and the standard deviation of the measurement value variation are variables.
  • the number of the products belonging to each rank is estimated when reselected at least once, and is calculated as the estimated number of the products belonging to each rank
  • the rank-specific estimated number calculation unit and the number of the products belonging to at least one rank among the plurality of ranks re-sorted at least once and the estimated number of the products belonging to the rank are regarded as substantially the same.
  • a standard deviation calculating unit that changes the variable of the probability distribution of the standard deviation and calculates the changed variable as the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product;
  • the product sorting device is the product inspection apparatus according to the first aspect, wherein the predetermined plurality of ranks are predetermined inspection standards that define an upper limit value and a lower limit value of a characteristic value for determining whether or not the product is a non-defective product.
  • the re-sorting unit re-sorts the products belonging to a rank whose characteristic value is not more than the upper limit value and not less than the lower limit value of the predetermined inspection standard, and calculates the standard deviation.
  • the section substantially matches the number of products that belong to a rank that is larger than the upper limit value of the predetermined inspection standard and the lower rank value of the predetermined inspection standard, and the estimated number of products that belong to the rank.
  • the probability distribution variable is calculated as the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product.
  • the product sorting device is the product inspection device according to the first aspect, wherein the predetermined plurality of ranks are predetermined inspection standards that define an upper limit value and a lower limit value of a characteristic value for determining whether or not the product is a non-defective product.
  • the re-sorting unit re-sorts the products whose characteristic values belong to a rank larger than the upper limit value of the predetermined inspection standard and a rank smaller than the lower limit value of the predetermined inspection standard.
  • the standard deviation calculating unit includes the number of products belonging to a rank that is higher than the upper limit value of the predetermined inspection standard that has been reselected and a rank that is lower than the lower limit value of the predetermined inspection standard, and the product belonging to the rank.
  • the probability distribution variable whose estimated number is substantially the same is calculated as the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product.
  • the rank-based estimated number calculation unit calculates the probability distribution of the standard deviation of the characteristic value variation of the product in a plurality of sections. Assuming that the probability distribution of each section follows the probability distribution of the standard deviation of the measured value variation, the number of the products belonging to each rank is estimated and calculated as the estimated number of the products belonging to each rank.
  • a product selection method includes a step of measuring a characteristic value indicating a predetermined characteristic of the product, and selecting the product into a plurality of predetermined ranks based on the measured characteristic value.
  • a step of calculating a standard deviation by considering a standard deviation of variation of the measured characteristic value, and re-measuring the characteristic value of the product belonging to at least one of the selected predetermined ranks Re-sorting the product into the predetermined plurality of ranks based on the measured characteristic values, and the probability distribution of the deemed standard deviation using the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product as variables.
  • the number of the products belonging to each rank is estimated when re-sorted at least once, and is calculated as the estimated number of the products belonging to each rank. And the probability distribution of the deemed standard deviation so that the number of the products belonging to at least one rank of the plurality of ranks re-sorted at least once and the estimated number of the products belonging to the rank substantially match. Changing the variable, and calculating the changed variable as the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product.
  • the predetermined plurality of ranks are predetermined inspection standards that define an upper limit value and a lower limit value of characteristic values for determining whether or not the products are non-defective products.
  • the product having a characteristic value that is lower than the upper limit value of the predetermined inspection standard and that is higher than the lower limit value is re-sorted, and the rank is larger than the upper limit value of the predetermined inspection standard that has been re-sorted.
  • the predetermined plurality of ranks are predetermined inspection standards that define an upper limit value and a lower limit value of a characteristic value for determining whether or not the product is a non-defective product.
  • the product is re-sorted and the re-sorted predetermined test is performed with a characteristic value that is higher than the upper limit value of the predetermined test standard and lower than the lower limit value of the predetermined test standard.
  • a variable of the probability distribution in which the number of products belonging to a rank larger than the upper limit value of the standard and a rank smaller than the lower limit value of the predetermined inspection standard and the estimated number of the products belonging to the rank substantially coincide with each other. Calculated as standard deviation of characteristic value variation and standard deviation of measured value variation.
  • the product selection method according to any one of the fifth to seventh aspects, wherein the probability distribution of the standard deviation of the characteristic value variation of the product is divided into a plurality of sections. Assuming that the standard deviation probability distribution of the measured value variation is followed, the number of the products belonging to each rank is estimated and calculated as the estimated number of the products belonging to each rank.
  • a computer program is a computer program that can be executed by a product sorting device that sorts products, wherein the product sorting device shows predetermined characteristics of a product.
  • the variable of the probability distribution of the deemed standard deviation is changed so that the number of the products belonging to at least one rank substantially matches the estimated number of the products belonging to the rank, and the changed variable is changed to a characteristic of the product. It is made to function as a standard deviation calculating means for calculating the standard deviation of the value variation and the standard deviation of the measured value variation.
  • the computer program according to a tenth aspect of the invention is the computer program according to the ninth aspect, wherein a predetermined inspection standard that defines an upper limit value and a lower limit value of characteristic values for determining whether or not the predetermined ranks are non-defective products.
  • the standard deviation calculating means is provided as a standard, and functions as a means for reselecting the products belonging to a rank whose characteristic value is not more than the upper limit value and not less than the lower limit value of the predetermined inspection standard, The number of the products belonging to the rank that is higher than the upper limit value of the predetermined inspection standard that has been re-sorted and the rank that is lower than the lower limit value of the predetermined inspection standard substantially matches the estimated number of the products that belong to the rank.
  • the variable of the probability distribution functions as means for calculating the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product.
  • the computer program according to an eleventh aspect of the present invention is the computer program product according to the ninth aspect, wherein the predetermined plurality of ranks have predetermined inspection standards that define an upper limit value and a lower limit value of a characteristic value for determining whether or not the products are non-defective products.
  • the re-sorting unit provided in the standard functions as a unit for re-sorting the products whose characteristic value belongs to a rank larger than the upper limit value of the predetermined inspection standard and a rank smaller than the lower limit value of the predetermined inspection standard.
  • the standard deviation calculating means Functions as a means for calculating the probability distribution variable whose estimated number substantially coincides as the standard deviation of the characteristic value variation and the standard deviation of the measured value variation of the product
  • a computer program according to a twelfth aspect of the invention is the computer program product according to any one of the ninth to eleventh aspects, wherein the rank-based estimated number calculation means is configured to set the probability distribution of the standard deviation of the characteristic value variation of the product into a plurality of sections.
  • the rank-based estimated number calculation means is configured to set the probability distribution of the standard deviation of the characteristic value variation of the product into a plurality of sections.
  • the characteristic values of the products belonging to at least one rank among the plurality of selected predetermined ranks are remeasured, and the products are determined based on the remeasured characteristic values.
  • rank By re-sorting to rank, it is not necessary to re-measure the characteristic values of all products, and it is not necessary to perform repeated measurement with work such as removal of the measurement jig like the method of measurement system analysis MSA.
  • the time for calculating the standard deviation of the measured value variation can be greatly shortened.
  • the number of products belonging to each rank is estimated based on the probability distribution of the standard deviation with the standard deviation of product characteristic variation and the standard deviation of measured value variation as variables, and the estimated number of products belonging to each rank.
  • the standard deviation of the variation and the standard deviation of the measured value variation can be calculated without solving the simultaneous equations that are difficult to solve mathematically. be able to.
  • products belonging to a rank whose characteristic value is not more than the upper limit value and not less than the lower limit value of the predetermined inspection standard are re-sorted, so products belonging to the rank selected as non-defective products Therefore, it is possible to reduce the probability of shipping defective products by selecting them as non-defective products.
  • products belonging to ranks whose characteristic values are larger than the upper limit value of the predetermined inspection standard and lower rank values of the predetermined inspection standard are re-sorted.
  • the products belonging to the rank are inspected again, so that the probability of erroneously selecting good products as defective products can be reduced and the good product rate can be improved.
  • the probability distribution of the standard deviation of the product characteristic value variation is divided into a plurality of sections, and that each section follows the probability distribution of the standard deviation of the measured value variation. Since the number of products belonging to each rank is estimated and calculated as the estimated number of products belonging to each rank, the number of products belonging to each rank can be estimated without solving simultaneous equations that are difficult to solve mathematically.
  • the standard deviation and the measured value of the product characteristic value variation can be obtained in a short time without performing complicated work such as removal of the measuring jig.
  • the standard deviation of the variation can be calculated.
  • the present invention is a computer program capable of executing a part thereof by a computer. Can be implemented as Therefore, the present invention can take an embodiment of hardware as a product selection device, an embodiment of software, or an embodiment of a combination of software and hardware.
  • the computer program can be recorded on any computer-readable recording medium such as a hard disk, DVD, CD, optical storage device, magnetic storage device or the like.
  • FIG. 1 is a block diagram showing a configuration example of a product sorting apparatus according to Embodiment 1 of the present invention.
  • the product sorting apparatus according to the first embodiment includes a measuring unit 1 that measures a characteristic value indicating a predetermined characteristic of a product, and an arithmetic processing unit 2 that calculates the measured characteristic value.
  • the measuring unit 1 measures a characteristic value indicating a predetermined characteristic of the product. For example, when the product is a ceramic capacitor, the measurement unit 1 measures the capacitor capacity, which is a characteristic value of the product. As a hardware configuration of the measurement unit 1 that measures the capacitor capacity, there is an LCR meter.
  • the arithmetic processing unit 2 is connected to at least a CPU (Central Processing Unit) 21, a memory 22, a storage device 23, an I / O interface 24, a video interface 25, a portable disk drive 26, a measurement interface 27, and the above-described hardware.
  • the bus 28 is configured.
  • the CPU 21 is connected to the above-described hardware units of the arithmetic processing unit 2 via the internal bus 28, and controls the operation of the above-described hardware units and stores the computer program 230 stored in the storage device 23.
  • Various software functions are executed according to the above.
  • the memory 22 is composed of a volatile memory such as SRAM or SDRAM, and a load module is expanded when the computer program 230 is executed, and stores temporary data generated when the computer program 230 is executed.
  • the storage device 23 includes a built-in fixed storage device (hard disk), a ROM, and the like.
  • the computer program 230 stored in the storage device 23 is downloaded by the portable disk drive 26 from a portable recording medium 90 such as a DVD or CD-ROM in which information such as programs and data is recorded. To the memory 22 and executed. Of course, it may be a computer program downloaded from an external computer connected to the network.
  • the measurement interface 27 is connected to the internal bus 28, and by connecting to the measurement unit 1, it is possible to transmit / receive characteristic values and control signals measured between the measurement unit 1 and the arithmetic processing unit 2. It has become.
  • the I / O interface 24 is connected to a data input medium such as a keyboard 241 and a mouse 242, and receives data input.
  • the video interface 25 is connected to a display device 251 such as a CRT monitor or LCD, and displays a predetermined image.
  • FIG. 2 is a functional block diagram of the product sorting apparatus according to Embodiment 1 of the present invention.
  • the measuring unit 1 measures a characteristic value indicating a predetermined characteristic of the product 10.
  • the sorting unit 3 sorts the products 10 into a plurality of ranks based on the characteristic values measured by the measuring unit 1.
  • the rank for selecting the product 10 is set based on a predetermined inspection standard that defines an upper limit value and a lower limit value of a characteristic value for determining whether the product 10 is a non-defective product, for example.
  • the inspection standard is defined under the same conditions as the product standard.
  • FIG. 3 is a schematic diagram of the probability distribution when the sorting unit 3 of the product sorting device according to Embodiment 1 of the present invention sorts the products 10 into a plurality of ranks.
  • FIG. 3 shows a probability distribution of the measured characteristic values of the product 10 with the horizontal axis representing the characteristic value of the product 10 and the vertical axis representing the number of products 10.
  • the probability distribution of the measured characteristic values of the product 10 is a normal distribution.
  • FIG. 3 shows an upper limit value and a lower limit value of characteristic values defined by a predetermined inspection standard.
  • the sorting unit 3 sorts the product 10 with rank A as the range smaller than the lower limit value of the characteristic value, rank B as the range greater than or equal to the lower limit value of the characteristic value, and rank C as the range greater than the upper limit value of the characteristic value. .
  • the products 10 belonging to rank B are determined as non-defective products based on the inspection standards, and the products 10 belonging to ranks A and C are determined as defective products based on the inspection standards.
  • the deemed standard deviation calculation unit 4 regards the standard deviation of the measured characteristic value variation as the standard deviation.
  • the deemed standard deviation calculation unit 4 can calculate the deemed standard deviation and can also calculate an average value of the measured characteristic values of the product 10. Note that it is possible to calculate a deemed standard deviation and an average value based on the measured characteristic values.
  • the deemed standard deviation calculation unit 4 according to the first embodiment does not calculate the assumed standard deviation or the average value from the measured characteristic value, but at least one of the ranks selected by the selection unit 3.
  • the standard deviation and the average value are calculated from the inverse function of the cumulative distribution function of the normal distribution. That is, assuming that the probability distribution of the measured characteristic value of the product 10 is a normal distribution, the probability distribution can be specified by obtaining the number of products 10 belonging to rank A, and the assumed standard deviation, average value, etc. Can be sought.
  • the re-sorting unit 5 re-measures the characteristic value of the product 10 belonging to the rank B selected by the selecting unit 3 and re-measures the characteristic value of the product 10 based on the re-measured characteristic value. Re-sort to multiple ranks set in the standard. Here, in the case where there is no measurement value variation (measurement value variation) in the measurement unit 1, the re-sorting unit 5 remeasures the characteristic value of the product 10 belonging to rank B and is based on the remeasured characteristic value. Thus, when re-sorting into a plurality of ranks, all the re-sorted products 10 always belong to rank B.
  • the re-sorting unit 5 re-measures the characteristic values of the products 10 belonging to rank B, and re-sorts them into a plurality of ranks based on the re-measured characteristic values.
  • the selected product 10 belongs to ranks A and C in addition to rank B.
  • the product 10 belongs to the ranks A and C by the re-sorting because the products 10 originally belonging to the ranks A and C are mistakenly re-assigned to the products 10 belonging to the rank B due to the measurement value variation. This is because the products 10 originally belonging to the rank B may be erroneously re-sorted with the products 10 belonging to the ranks A and C due to the re-sorting due to the variation of the measured values. Note that since the actual measurement unit 1 always has measurement value variations, the reselected product 10 belongs to ranks A and C in addition to rank B.
  • FIG. 4 is a schematic diagram of a probability distribution when the re-sorting unit 5 of the product sorting device according to Embodiment 1 of the present invention re-sorts the products 10 belonging to rank B into a plurality of ranks.
  • FIG. 4 also shows the upper limit value and lower limit value of the characteristic values defined in the inspection standard, as in FIG. FIG. 4 shows a state in which the products 10 belonging to rank B in the sorting are re-sorted into ranks A and C due to the measurement value variation of the measuring unit 1. Specifically, in FIG.
  • products 10 belonging to rank A are products that have been re-sorted from rank B to rank A.
  • products 10 belonging to rank C are products that have been re-sorted from rank B to rank C.
  • the products 10 belonging to rank B are products that have been re-sorted from rank B to rank B.
  • the reselected product 10 is a capacitor having a capacitor capacity of 1 pF and 3525 products 10 are measured by the measurement unit 1, the average value of the characteristic value is calculated as 1.0067 pF from the measurement result, and the assumed standard deviation calculation unit For 4, the assumed standard deviation was calculated to be 0.02125 pF.
  • the sorting unit 3 selects 3525 products 10, rank A is 543, rank B is 1758, rank C Were selected as 1224.
  • the re-sorting unit 5 causes the measurement unit 1 to re-measure the characteristic values of 1758 products 10 belonging to rank B, and re-sorts them into a plurality of ranks based on the re-measured characteristic values.
  • the products 10 are re-sorted into 77 pieces for rank A, 1559 pieces for rank B, and 122 pieces for rank C.
  • the conditions of the 199 (77 + 122) products 10 belonging to the re-sorted ranks A and C are the following two types of conditions: the first and second conditions.
  • the first condition is that the product 10 is truly rank B (the true characteristic value is below the upper limit value of the inspection standard and within the range of the lower limit value) and is selected as the rank B by the selection unit 3 and the re-selection unit 5
  • the products 10 are re-sorted with ranks A and C.
  • the second condition is that the product 10 is truly ranks A and C (the range in which the true characteristic value is greater than the upper limit value or the lower limit value of the inspection standard) and is selected as rank B by the selection unit 3;
  • the product 10 is re-sorted with ranks A and C by the re-sorting unit 5.
  • the reason why the products 10 that have been re-sorted as ranks A and C by the re-sorting unit 5 exist is that, as described above, there are not only variations in the characteristic values of the products themselves (characteristic value variations) but also variations in measured values. It is.
  • the assumed standard deviation TV calculated by the assumed standard deviation calculating unit 4 which calculates the standard deviation of the characteristic value variation measured by the measuring unit 1 is the standard deviation PV of the characteristic value variation and the standard of the measured value variation.
  • the deviation GRR can be expressed as (Equation 1).
  • the number of products 10 that satisfy the first and second conditions includes the consumer risk CR (number 2) of the probability of selecting a genuine defective product disclosed in Non-Patent Document 2 as a good product by measurement, and a true good product. It can be obtained by solving the producer risk PR (Equation 3) of the probability of sorting out defective products by measurement.
  • Equation 2 and (Equation 3) are based on the standard deviation PV of the characteristic value variation of the product 10 when the probability distribution of the characteristic value variation of the product 10 and the probability distribution of the measurement value variation of the measurement unit 1 are normal distributions.
  • Equation 3 In the form of a double integral of the probability density function of the characteristic value variation of the product 10 for which the normal distribution has been obtained and the probability density function of the measurement value variation for which the standard normal distribution has been obtained from the standard deviation GRR of the measurement value variation of the measurement unit 1 It is expressed.
  • t is a position from the center of the probability distribution of the characteristic value variation of the product 10
  • s is a position from the center of the probability distribution of the measurement value variation of the measuring unit 1
  • L is a half width of the product standard (the product of the product 10 When the center of the standard is the zero point, the distance from the zero point to the upper limit value or lower limit value of the product standard of the product 10)
  • k ⁇ L is the half width of the inspection standard (when the center of the inspection standard of the product 10 is the zero point, The distance from the zero point to the upper limit value or the lower limit value of the inspection standard of the product 10)
  • u is the bias of the probability distribution of the characteristic value variation of the product 10
  • v is the bias of the probability distribution of the measurement value variation of the measurement unit 1
  • R is the accuracy
  • the ratio (the standard deviation PV of the characteristic value variation of the product 10 divided by the standard deviation GRR of the measured value variation of the measuring unit 1) is shown.
  • k 1 because the product standard and the
  • the (Equation 1), the first condition, and the second condition are obtained using the estimated number calculation unit 6 and the standard deviation calculation unit 7 shown in FIG.
  • the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation of the product 10 satisfying both the number of products 10 to be satisfied are calculated.
  • the rank-based estimated number calculation unit 6 considers the rank A after re-sorting based on the probability distribution of the assumed standard deviation TV with the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation as variables.
  • the number of products 10 belonging to each of B and C is estimated and calculated as the estimated number of products 10 belonging to each rank.
  • the standard deviation calculation unit 7 regards the standard deviation TV so that the number of products 10 belonging to ranks A and C re-sorted by the re-sorting unit 5 and the estimated number of products 10 belonging to ranks A and C substantially match.
  • the variable of the probability distribution is changed, and the changed variable is calculated as the standard deviation PV of the characteristic value variation of the product 10 and the standard deviation GRR of the measured value variation.
  • FIG. 5 and 6 are flowcharts showing a processing procedure in which the product sorting apparatus according to Embodiment 1 of the present invention calculates the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation.
  • the CPU 21 of the arithmetic processing unit 2 acquires the characteristic value of the product 10 measured by the measuring unit 1 and received by the measurement interface 27 (step S501), and the product 10 is displayed on the basis of the acquired characteristic value of the product 10 as shown in FIG. Are selected into rank A, rank B, and rank C (step S502).
  • CPU21 transmits an instruction
  • the measurement unit 1 that has received the instruction signal remeasures the characteristic values of the products 10 selected in rank B.
  • the CPU 21 obtains again the characteristic value of the remeasured product 10 (step S504), re-sorts the product 10 into a plurality of ranks based on the re-obtained characteristic value (step S505), and belongs to each re-sorted rank. The number of products 10 is counted (step S506).
  • the CPU 21 specifies the probability distribution of the characteristic value of the product 10 measured by the measuring unit 1 based on the number of the products 10 belonging to at least one of the selected rank A, rank B, and rank C, and regards the assumed standard deviation. An average value of TV and characteristic values is calculated (step S507).
  • the CPU 21 sets the standard deviation PV of the characteristic value variation based on the calculated assumed standard deviation TV and the standard deviation GRR1 of the set measurement value variation (step S509), and the probability of the standard deviation PV of the set characteristic value variation From the distribution, the number of products 10 belonging to rank B when reselected is estimated (step S610).
  • FIG. 7 is a flowchart showing a processing procedure for estimating the number of products 10 when the product sorting apparatus according to Embodiment 1 of the present invention re-sorts each rank.
  • the CPU 21 sets the standard deviation PV of the characteristic value variation by substituting the calculated assumed standard deviation TV and the set standard deviation GRR1 of the measured value variation into (Equation 1) (step S701).
  • the CPU 21 divides the probability distribution of the set standard deviation PV of the characteristic value variation into a plurality of sections for each predetermined characteristic value, and specifies the probability distribution of each section (step S702).
  • the CPU 21 calculates the probability distribution of the standard deviation PV of the characteristic value variation as a result of measurement assuming that the probability distribution of each specified section follows the probability distribution of the standard deviation GRR1 of the measured value variation (hereinafter, after measurement). (Step S703).
  • the assumption that the probability distribution of each section follows the probability distribution of the standard deviation GRR1 of the measurement value variation will be described with reference to the drawings.
  • FIG. 8 is a schematic diagram showing how the probability distribution of each section of the standard deviation PV of the characteristic value variation follows the probability distribution of the standard deviation GRR1 of the measured value variation.
  • the probability distribution of the standard deviation PV of the characteristic value variation is divided into a plurality of sections 61 (9 sections in FIG. 8).
  • the product 10 having the characteristic value from the characteristic value ⁇ to the characteristic value ⁇ exists, but the characteristic value smaller than the characteristic value ⁇ or the characteristic larger than the characteristic value ⁇ .
  • each characteristic value of the product 10 belonging to the section 61A has the measurement value variation, and the probability of the section 61A
  • the distribution 62A can be regarded as a probability distribution 62B after measurement.
  • the probability distribution 62B after the measurement there is a product 10 having a characteristic value smaller than the characteristic value ⁇ or a characteristic value larger than the characteristic value ⁇ .
  • the CPU 21 calculates the probability distribution of the standard deviation PV of the characteristic value variation after the measurement by regarding the probability distribution of each section 61 as the probability distribution after the measurement.
  • the CPU 21 estimates the number of the products 10 belonging to the rank B based on the probability distribution of the standard deviation PV of the characteristic value variation after the measurement (step S704). As shown in FIG. 8, since the probability distribution 62A of the section 61A belonging to the rank B is regarded as the probability distribution 62B after the measurement, the product 10 belonging to the rank A exists after the measurement even if the product belongs to the section 61A. Further, since the probability distribution of the section 61C belonging to the rank A is also regarded as the probability distribution 62C after the measurement, the product 10 belonging to the rank B exists even if the product belongs to the section 61C.
  • the CPU 21 regards the probability distribution 62B of the section 61A as the measured probability distribution 62B and the probability distribution of the section 61C as the measured probability distribution 62C, and selects the products 10 that do not belong to rank B from the measured probability distribution 62B.
  • the number of products 10 belonging to rank B is estimated by subtracting and adding the products 10 belonging to rank B from the measured probability distribution 62C to each section 61.
  • the ranks A, B, and C are divided into about 200 sections in order to improve accuracy.
  • the CPU 21 of the arithmetic processing unit 2 divides ranks A, B, and C into 200 sections, and measures the probability value of the product 10 belonging to each section and then enters the rank B probability distribution. For each, the probability distribution of rank B whose number has been estimated is further divided into a plurality of sections, and the probability distribution of each section is assumed to follow the probability distribution of standard deviation GRR1 of the measurement value variation.
  • the number of products 10 belonging to ranks A and C is estimated and calculated as the estimated number of ranks A and C (step S611).
  • the CPU 21 determines whether or not the estimated number of products 10 belonging to ranks A and C is larger than the number of products 10 belonging to ranks A and C reselected in step S505 (step S612).
  • the CPU 21 determines that the estimated number is equal to or less than the number of the products 10 belonging to the ranks A and C reselected in step S505 (step S612: NO)
  • the CPU 21 changes the standard deviation GRR1 of the measured value variation by the change width. Only GRR2 is incremented (step S613), and the process returns to step S610.
  • step S613 the standard deviation GRR1 of the measurement value variation is set to 0.1 TV + 0.09 TV, 0.1 TV + 0 until the estimated number becomes larger than the number of products 10 belonging to ranks A and C reselected in step S505. .09TV + 0.09TV,... And increment GGR2 (0.09TV).
  • step S612 determines that the estimated number is larger than the number of products 10 belonging to the ranks A and C re-selected in step S505 (step S612: YES)
  • the CPU 21 sets the standard deviation GRR1 of the measurement value variation to the initial value ( 0.1 TV) is determined (step S614).
  • step S614 YES
  • the standard deviation GRR of the measurement value variation is smaller than GRR1, so the CPU 21
  • the change width GRR2 is also set to 1/2 (0.045 TV) (step S615), and the process returns to step S610.
  • step S614 NO
  • the CPU 21 determines that the standard deviation GRR1 of the measurement value variation is increased. Is decremented by the change width GRR2 (step S616).
  • the CPU 21 counts the number of times the process of step S616 has been performed (step S617), and determines whether or not the counted number of processes is 5 or less (step S618). When the CPU 21 determines that the counted number of processes is 5 or less (step S618: YES), the CPU 21 determines that the accuracy of the standard deviation GRR1 of the measurement value variation is still insufficient, and the CPU 21 determines the change width GRR2. Is set to 1 ⁇ 4 (step S619), and the process returns to step S610.
  • step S618 NO
  • the CPU 21 determines that the accuracy of the standard deviation GRR1 of the measurement value variation is sufficient, and the CPU 21 performs the process after the process of step S616.
  • a value obtained by increasing the standard deviation GRR1 of the measured value variation by one half of the change width GRR2 is calculated as the standard deviation GRR of the measured value variation (step S620), and the calculated standard deviation GRR of the measured value variation is regarded as the calculated value.
  • the standard deviation PV of the characteristic value variation is calculated by substituting the standard deviation TV into (Equation 1) (step S621).
  • the above-described product 10 is a capacitor having a capacitor capacity of 1 pF by performing the processing procedure shown in FIGS. 5 and 6 (the screening unit 3 has 3,525 pieces with a lower limit value of 0.985 pF and an upper limit value of 1.015 pF.
  • Products were sorted into rank A, 543, rank B, 1758, rank C, 1224.
  • the re-sorting unit 5 re-sorted 1758 products 10 belonging to rank B.
  • the product 10 is re-sorted as 77 in rank A, 1559 in rank B, and 122 in rank C), the average value of the characteristic values is 1.0067 pF, the assumed standard deviation TV is 0.02125 pF, the characteristics The standard deviation PV of the value variation can be calculated as 0.02096 pF, and the standard deviation GRR of the measured value variation can be calculated as 0.00350 pF.
  • the product 10 is sorted or re-sorted into the three ranks A, B, and C has been described.
  • the rank (sub-rank) the number of products 10 belonging to the range below the upper limit value of the sub-rank after re-sorting and the lower limit value, the number of products 10 belonging to the range smaller than the lower limit value of the sub-rank, and the upper limit value of the sub-rank
  • the above-described average value of characteristic values, assumed standard deviation TV, standard deviation PV of characteristic value variation, and standard deviation GRR of measured value variation can be calculated in the same manner.
  • the present invention is not limited to sorting and re-sorting the products 10 based on the characteristic values of the products 10 measured by the measurement unit 1 received by the measurement interface 27.
  • the result of selecting and re-selecting the product 10 by input from the keyboard 241 or the like without selecting and re-selecting the product 10 may be accepted.
  • the number of products 10 belonging to ranks A and C obtained by re-sorting the products 10 belonging to rank B by the re-sorting unit 5 and the standard deviation of the characteristic value variation Assuming that the estimated number of products 10 belonging to ranks A and C after re-sorting estimated based on the probability distribution of assumed standard deviation TV with the standard deviation GRR of PV and measured value variation as variables is substantially the same Since the variable of the probability distribution of deviation TV is changed and the changed variable is calculated as the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation, the measurement system analysis MSA method performs the repetitive measurement that is indispensable. Therefore, the standard deviation GRR of the measured value variation can be calculated.
  • the product sorting device unlike the method of the measurement system analysis MSA, it is not necessary to perform repeated measurement to calculate the standard deviation GRR of the measurement value variation. Therefore, the standard deviation GRR of the measured value variation can be calculated in a short time.
  • the measurement system analysis MSA technique when used, complicated work such as removal of the measurement jig takes time, and measurement is performed. It takes about 2 hours to calculate the standard deviation GRR of the value variation.
  • the product selection method according to the first embodiment it can be calculated in about 5 minutes.
  • the product sorting apparatus compared to the method of the measurement system analysis MSA, many products 10 are measured to calculate the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation. So the accuracy is much better. For example, in the measurement system analysis MSA technique, about 10 products 10 are measured, but the product sorting apparatus according to the first embodiment measures 10,000 products 10, and thus the calculated characteristic value variation The accuracy of the standard deviation PV and the standard deviation GRR of the measured value variation is about three times better than those calculated by the measurement system analysis MSA technique.
  • the characteristic values of the product 10 belonging to rank B that has been sorted as non-defective products are remeasured, and re-sorted into a plurality of ranks based on the remeasured characteristic values. Therefore, it is possible to reduce the probability that defective products are selected as good products by mistake and shipped.
  • the rank-based estimated number calculation unit 6 divides the probability distribution of the standard deviation PV of the characteristic value variation into a plurality of sections, and the probability distribution of each section has the measured value variation. This is not limited to the case where the number of products 10 belonging to each rank is estimated and calculated as the estimated number of products 10 belonging to each rank on the assumption that the probability distribution of the standard deviation GRR is followed.
  • the characteristic value of the product 10 based on the probability distribution of the assumed standard deviation TV with the deviation PV and the standard deviation GRR of the measured value variation as variables is generated by the Monte Carlo method, and the estimated number of products 10 belonging to each rank is estimated. May be calculated.
  • Embodiment 2 In the product sorting device according to Embodiment 1 of the present invention, the characteristic values of the products 10 belonging to rank B are remeasured, re-sorted into a plurality of ranks based on the remeasured characteristic values, and the standard deviation PV of the characteristic value variation and The case where the standard deviation GRR of the measurement value variation is calculated has been described.
  • the product sorting apparatus according to the second embodiment of the present invention the characteristic values of the products 10 belonging to the ranks A and C are remeasured, re-sorted into a plurality of ranks based on the remeasured characteristic values, and the standard deviation of the characteristic value variation The case of calculating the standard deviation GRR of PV and measurement value variation will be described. Therefore, since the block diagram and the functional block diagram showing the configuration example of the product sorting apparatus according to the second embodiment are the same as those in the first embodiment shown in FIGS. This will be described below using the reference numerals.
  • the sorting unit 3 shown in FIG. 2 sorts the products 10 into a plurality of ranks A, B, and C as shown in FIG. 3 based on the characteristic values measured by the measuring unit 1.
  • the re-sorting unit 5 re-measures the characteristic values of the products 10 belonging to the ranks A and C selected by the screening unit 3 and re-measures the product 10 based on the re-measured characteristic values. Re-sort to the rank set based on the standard.
  • FIG. 9 is a schematic diagram of a probability distribution when the re-sorting unit 5 of the product sorting device according to Embodiment 2 of the present invention re-sorts the products 10 belonging to ranks A and C into a plurality of ranks.
  • FIG. 9 also shows the upper limit value and lower limit value of the characteristic values defined by the inspection standard, as in FIG.
  • FIG. 9 shows a state in which the products 10 that belong to the ranks A and C in the sorting are re-sorted into the rank B due to the measurement value variation of the measuring unit 1. Specifically, in FIG.
  • products 10 belonging to rank A are products that have been re-sorted from rank A to rank A.
  • a product 10 belonging to rank C is a product re-sorted from rank C to rank C.
  • the product 10 belonging to rank B is a product that has been re-sorted from ranks A and C to rank B.
  • the re-sorted product 10 is a capacitor having a capacitor capacity of 1 pF and 3525 products 10 are measured by the measuring unit 1, the screening unit 3 having a lower limit value of 0.985 pF and an upper limit value of 1.015 pF of the inspection standard. Sorts 3525 products 10 into rank A, 543, rank B, 1758, rank C, 1224.
  • the re-sorting unit 5 causes the measurement unit 1 to re-measure the characteristic values of 1767 (543 + 1224) products 10 belonging to ranks A and C, and sets a plurality of ranks based on the re-measured characteristic values. Re-sort.
  • the products 10 are re-sorted to 465 in rank A, 199 in rank B, and 1103 in rank C.
  • the conditions of 1568 (465 + 1103) products 10 belonging to the re-sorted ranks A and C are the following two conditions: the third condition and the fourth condition.
  • the third condition is that the product 10 is truly rank B (the true characteristic value is below the upper limit value of the inspection standard and within the range of the lower limit value) and is selected as ranks A and C by the selection unit 3 and re-sorted. This is a product 10 re-sorted with ranks A and C in part 5.
  • the fourth condition is that the product 10 is truly ranks A and C (the range in which the true characteristic value is greater than the upper limit value or the lower limit value of the inspection standard), and the sorting unit 3 sorts the ranks A and C.
  • the product 10 is re-sorted with ranks A and C by the re-sorting unit 5.
  • the products satisfying the third condition and the fourth condition by using the estimated number calculating unit 6 and the standard deviation calculating unit 7 shown in FIG.
  • the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation of the product 10 satisfying both the number of 10 are calculated.
  • the rank-based estimated number calculation unit 6 considers the rank A after re-sorting based on the probability distribution of the assumed standard deviation TV with the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation as variables.
  • the number of products 10 belonging to each of B and C is estimated and calculated as the estimated number of products 10 belonging to each rank.
  • the standard deviation calculation unit 7 regards the standard deviation TV so that the number of products 10 belonging to ranks A and C re-sorted by the re-sorting unit 5 and the estimated number of products 10 belonging to ranks A and C substantially match.
  • the variable of the probability distribution is changed, and the changed variable is calculated as the standard deviation PV of the characteristic value variation of the product 10 and the standard deviation GRR of the measured value variation.
  • FIG. 10 is a flowchart showing a processing procedure in which the product sorting apparatus according to Embodiment 2 of the present invention calculates the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation. Note that, in the processing procedure in which the product sorting apparatus according to the second embodiment calculates the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation, the steps from step S501 of the first embodiment shown in FIG. The processing procedure is the same up to S509. Also, the flowchart shown in FIG. 10 is the same as the flowchart of the first embodiment shown in FIG.
  • step S610 the CPU 21 estimates the number of products 10 belonging to ranks A and C when re-sorted from the probability distribution of the standard deviation PV of the set characteristic value variation (step S1010). Further, instead of step S611, the CPU 21 further divides the probability distribution of ranks A and C whose number has been estimated into a plurality of sections, and assumes that the probability distribution of each section follows the probability distribution of the standard deviation GRR1 of the measurement value variation. Thus, the number of products 10 belonging to ranks A and C after re-sorting ranks A and C is estimated and calculated as the estimated number of ranks A and C (step S1011).
  • the number of products 10 belonging to ranks A and C obtained by re-sorting the products 10 belonging to ranks A and C by the re-sorting unit 5 and the characteristic value variation The estimated number of the products 10 belonging to ranks A and C after re-sorting estimated based on the probability distribution of the standard deviation TV with the standard deviation PV and the standard deviation GRR of the measured value variation as variables are substantially matched. Since the variable of the probability distribution of the deemed standard deviation TV is changed, and the changed variable is calculated as the standard deviation PV of the characteristic value variation and the standard deviation GRR of the measured value variation, the repetitive measurement that is indispensable by the measurement system analysis MSA method is performed. The standard deviation GRR of the measured value variation can be calculated without performing it.
  • the characteristic values of the products 10 belonging to the ranks A and C that are sorted as defective products are remeasured, and re-measured into a plurality of ranks based on the remeasured characteristic values. Since sorting is performed, it is possible to reduce the probability of erroneously sorting non-defective products from defective products and to improve the non-defective product rate.
  • the product 10 belongs to the section 61C and rank C belonging to rank A.
  • the section 61E as one rank (sub-rank)
  • the average value of the characteristic values, the assumed standard deviation TV, the standard deviation PV of the characteristic value variation, and the standard deviation GRR of the measured value variation are calculated from the number of products 10 belonging to a range larger than the upper limit value of the sub-rank. You can also.
  • the rank-based estimated number calculation unit 6 divides the probability distribution of the standard deviation PV of the characteristic value variation into a plurality of sections, and the probability distribution of each section has a measured value variation.
  • This is not limited to the case where the number of products 10 belonging to each rank is estimated and calculated as the estimated number of products 10 belonging to each rank on the assumption that the standard deviation GRR is followed, and the standard deviation PV and the characteristic value variation
  • the characteristic value of the product 10 based on the probability distribution of the assumed standard deviation TV with the standard deviation GRR of the measured value variation as a variable is generated by the Monte Carlo method, and the estimated number is calculated by estimating the number of the products 10 belonging to each rank. May be.

Abstract

　本発明は、測定治具の取り外し等の煩雑な作業を行うことなく、短時間の作業で、製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を算出することができる製品選別装置、製品選別方法及びコンピュータプログラムを提供する。　本発明に係る製品選別装置は、測定部１と、選別部３と、みなし標準偏差算出部４と、再選別部５と、ランク別推定個数算出部６と、標準偏差算出部７とを備える。標準偏差算出部７は、少なくとも一度再選別した所定の複数のランクのうち、少なくとも一つのランクに属する製品１０の個数と、ランク別推定個数算出部６で推定した該ランクに属する製品１０の推定個数とが略一致するようにみなし標準偏差の確率分布の変数を変更し、変更した変数を製品１０の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する。

Description

製品選別装置、製品選別方法及びコンピュータプログラム
　本発明は、製品を選別する製品選別装置、製品選別方法及びコンピュータプログラムに関する。
　製品は、出荷する前に所定の特性を示す特性値が測定され、所定の規格を満たすか否かにより良品又は不良品に選別される。製品の選別は、製品選別装置を用いて測定した製品の特性値と、製品規格（製品として要求される特性値）よりも条件が厳しい検査規格とを比較することにより行われる。測定した製品の特性値のバラツキが、製品自体の特性値のバラツキのみであれば、検査規格を製品規格と同一の条件に規定した場合であっても、製品選別装置により製品を良品又は不良品に正しく選別することができる。
　しかし、測定した製品の特性値のバラツキには、製品自体の特性値のバラツキのみではなく、測定システムの測定値のバラツキが含まれている。そのため、製品選別装置において良品と選別された製品に不良品が含まれている、又は不良品と選別された製品に良品が含まれているおそれがある。ここで、不良品である製品が誤って良品に選別される確率を消費者リスク、良品である製品が誤って不良品に選別される確率を生産者リスクという。
　消費者リスク及び生産者リスクを算出する方法が、非特許文献１及び２に開示されている。非特許文献１には、モンテカルロ法を用いて、製品選別装置における消費者リスク及び生産者リスクを算出する方法が開示されている。非特許文献２には、二重積分式を用いて、特性値のバラツキ及び測定値のバラツキの分布が正規分布であるとして、消費者リスク及び生産者リスクを算出する方法が開示されている。
エム．ドバート（Ｍ．Ｄｏｂｂｅｒｔ）「測定リスクの理解（Ｕｎｄｅｒｓｔａｎｄｉｎｇ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｒｉｓｋ）」、エヌシーエスエル　インターナショナル　ワークショップ　アンド　シンポジウム（ＮＣＳＬ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ａｎｄ　Ｓｙｍｐｏｓｉｕｍ）、２００７年８月 デーヴィッド　ディーヴァー（Ｄａｖｉｄ　Ｄｅａｖｅｒ）、「実用上の校正管理（Ｍａｎａｇｉｎｇ　Ｃａｌｉｂｒａｔｉｏｎ　Ｃｏｎｆｉｄｅｎｃｅ　ｉｎ　ｔｈｅ　Ｒｅａｌ　Ｗｏｒｌｄ）」、エヌシーエスエル　インターナショナル　ワークショップ　アンド　シンポジウム（ＮＣＳＬ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｋｓｈｏｐ　ａｎｄ　Ｓｙｍｐｏｓｉｕｍ）、１９９５年
　非特許文献１又は２に開示されている方法を用いて、消費者リスク及び生産者リスクを算出することはできる。しかし、製品自体の特性値のバラツキ、測定システムの測定値のバラツキ等については、非特許文献１又は２に開示されている方法を用いても算出することはできない。
　測定システムの測定値のバラツキを算出するには、不確かさを評価する手法、品質マネジメントシステム規格（ＩＳＯ９００１：２０００）の自動車生産及び関連サービス部品組織に関する固有要求事項（ＩＳＯ／ＴＳ１６９４９）で規定している測定システム解析ＭＳＡ（Ｍｅａｓｕｒｅｍｅｎｔ　Ｓｙｓｔｅｍｓ　Ａｎａｌｙｓｉｓ）の手法等が従来用いられている。
　しかし、不確かさを評価する手法は、測定システムを測定治具、センサ等の不確かさが生じる要素に分け、要素ごとの不確かさを評価して、測定システム全体の不確かさである測定値のバラツキの標準偏差を算出している。そのため、不確かさを評価する手法は、それぞれの要素ごとに専門的な技術が必要であり、長時間の作業が必要となるので製造ラインに設ける製品選別装置に適用することが困難であった。
　また、測定システム解析ＭＳＡの手法では、ＧＲ＆Ｒ（Ｇａｇｅ　Ｒｅｐｅａｔａｂｉｌｉｔｙ　ａｎｄ　Ｒｅｐｒｏｄｕｃｉｂｉｌｉｔｙ）の手法を用いて測定値のバラツキの標準偏差を算出するため、測定治具の取り外し等の作業を伴う繰返し測定、全ての製品の特性値の再測定等を行う必要があり、労務コストが高くなるという問題があった。例えば、コンデンサ容量を特性値とするコンデンサを１分間に１万個選別する製品選別装置では、特に測定治具の取り外し等の作業が煩雑であり、測定値のバラツキの標準偏差を算出するために約２時間の作業が必要となり、労務コストが高くなる。
　本発明は、上記事情に鑑みてなされたものであり、測定治具の取り外し等の煩雑な作業を行うことなく、短時間の作業で製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を算出することができる製品選別装置、製品選別方法及びコンピュータプログラムを提供することを目的とする。
　上記目的を達成するために第１発明に係る製品選別装置は、製品の所定の特性を示す特性値を測定する測定部と、測定した特性値に基づき、前記製品を所定の複数のランクに選別する選別部と、測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するみなし標準偏差算出部と、選別した所定の複数のランクのうち、少なくとも一つのランクに属する前記製品の特性値を再測定し、再測定した特性値に基づき、前記製品を前記所定の複数のランクに再選別する再選別部と、前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とする前記みなし標準偏差の確率分布に基づいて、少なくとも一度再選別した場合に各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出するランク別推定個数算出部と、少なくとも一度再選別した複数のランクのうち、少なくとも一つのランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致するように前記みなし標準偏差の確率分布の前記変数を変更し、変更した変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する標準偏差算出部とを備える。
　また、第２発明に係る製品選別装置は、第１発明において、前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、前記再選別部は、特性値が前記所定の検査規格の上限値以下、下限値以上であるランクに属する前記製品を再選別するようにしてあり、前記標準偏差算出部は、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する。
　また、第３発明に係る製品選別装置は、第１発明において、前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、前記再選別部は、特性値が前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品を再選別するようにしてあり、前記標準偏差算出部は、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する。
　また、第４発明に係る製品選別装置は、第１乃至第３発明のいずれか一つにおいて、前記ランク別推定個数算出部は、前記製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間の確率分布が前記測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出する。
　上記目的を達成するために第５発明に係る製品選別方法は、製品の所定の特性を示す特性値を測定するステップと、測定した特性値に基づき、前記製品を所定の複数のランクに選別するステップと、測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するステップと、選別した所定の複数のランクのうち、少なくとも一つのランクに属する前記製品の特性値を再測定し、再測定した特性値に基づき、前記製品を前記所定の複数のランクに再選別するステップと、前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とする前記みなし標準偏差の確率分布に基づいて、少なくとも一度再選別した場合に各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出するステップと、少なくとも一度再選別した複数のランクのうち、少なくとも一つのランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致するように前記みなし標準偏差の確率分布の前記変数を変更し、変更した変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出するステップとを含む。
　また、第６発明に係る製品選別方法は、第５発明において、前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、特性値が前記所定の検査規格の上限値以下、下限値以上であるランクに属する前記製品を再選別し、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する。
　また、第７発明に係る製品選別方法は、第５発明において、前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、特性値が前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品を再選別し、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する。
　また、第８発明に係る製品選別方法は、第５乃至第７発明のいずれか一つにおいて、前記製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間の確率分布が前記測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出する。
　次に、上記目的を達成するために第９発明に係るコンピュータプログラムは、製品を選別する製品選別装置で実行することが可能なコンピュータプログラムにおいて、前記製品選別装置を、製品の所定の特性を示す特性値を測定する測定手段、測定した特性値に基づき、前記製品を所定の複数のランクに選別する選別手段、測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するみなし標準偏差算出手段、選別した所定の複数のランクのうち、少なくとも一つのランクに属する前記製品の特性値を再測定し、再測定した特性値に基づき、前記製品を前記所定の複数のランクに再選別する再選別手段、前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とする前記みなし標準偏差の確率分布に基づいて、少なくとも一度再選別した場合に各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出するランク別推定個数算出手段、及び少なくとも一度再選別した複数のランクのうち、少なくとも一つのランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致するように前記みなし標準偏差の確率分布の前記変数を変更し、変更した変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する標準偏差算出手段として機能させる。
　また、第１０発明に係るコンピュータプログラムは、第９発明において、前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、前記再選別手段を、特性値が前記所定の検査規格の上限値以下、下限値以上であるランクに属する前記製品を再選別する手段として機能させ、前記標準偏差算出手段を、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する手段として機能させる。
　また、第１１発明に係るコンピュータプログラムは、第９発明において、前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、前記再選別手段を、特性値が前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品を再選別する手段として機能させ、前記標準偏差算出手段を、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する手段として機能させる。
　また、第１２発明に係るコンピュータプログラムは、第９乃至第１１発明のいずれか一つにおいて、前記ランク別推定個数算出手段を、前記製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間の確率分布が前記測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出する手段として機能させる。
　第１、第５、第９発明では、選別した所定の複数のランクのうち、少なくとも一つのランクに属する製品の特性値を再測定し、再測定した特性値に基づき、製品を所定の複数のランクに再選別することにより、全ての製品の特性値を再測定する必要がなく、測定システム解析ＭＳＡの手法のような測定治具の取り外し等の作業を伴う繰返し測定を行う必要がないため、測定値バラツキの標準偏差を算出する時間を大幅に短縮することができる。また、製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とするみなし標準偏差の確率分布に基づいて、各ランクに属する製品の個数を推定し、各ランクに属する製品の推定個数として算出し、少なくとも一つのランクに属する製品の個数と、該ランクに属する製品の推定個数とが略一致するようにみなし標準偏差の確率分布の変数を変更し、変更した変数を製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出することにより、数学的に解くことが困難な連立方程式を解くことなく、製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を算出することができる。
　第２、第６、第１０発明では、特性値が所定の検査規格の上限値以下、下限値以上であるランクに属する製品を再選別するので、良品であると選別された当該ランクに属する製品を再度検査することになり、不良品を誤って良品と選別して出荷する確率を低減することができる。
　第３、第７、第１１発明では、特性値が所定の検査規格の上限値より大きいランク及び所定の検査規格の下限値より小さいランクに属する製品を再選別するので、不良品と選別された当該ランクに属する製品を再度検査することになり、良品を誤って不良品と選別する確率を低減でき良品率を改善することができる。
　第４、第８、第１２発明では、製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間が測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する製品の個数を推定し、各ランクに属する製品の推定個数として算出するので、数学的に解くことが困難な連立方程式を解くことなく、各ランクに属する製品の個数を推定することができる。
　本発明に係る製品選別装置、製品選別方法及びコンピュータプログラムでは、上記の構成により、測定治具の取り外し等の煩雑な作業を行うことなく、短時間で製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を算出することができる。
本発明の実施の形態１に係る製品選別装置の構成例を示すブロック図である。 本発明の実施の形態１に係る製品選別装置の機能ブロック図である。 本発明の実施の形態１に係る製品選別装置の選別部が製品を複数のランクに選別した場合の確率分布の模式図である。 本発明の実施の形態１に係る製品選別装置の再選別部がランクＢに属する製品を複数のランクに再選別した場合の確率分布の模式図である。 本発明の実施の形態１に係る製品選別装置が、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順を示すフローチャートである。 本発明の実施の形態１に係る製品選別装置が、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順を示すフローチャートである。 本発明の実施の形態１に係る製品選別装置が、各ランクに選別された製品の個数を推定する処理手順を示すフローチャートである。 特性値バラツキの標準偏差ＰＶの各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従う様子を示す模式図である。 本発明の実施の形態２に係る製品選別装置の再選別部がランクＡ、Ｃに属する製品を複数のランクに再選別した場合の確率分布の模式図である。 本発明の実施の形態２に係る製品選別装置が、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順を示すフローチャートである。
　以下、本発明の実施の形態における製品自体の特性値のバラツキの標準偏差及び測定システムの測定値のバラツキの標準偏差を算出することが可能な製品選別装置について、図面を用いて具体的に説明する。以下の実施の形態は、特許請求の範囲に記載された発明を限定するものではなく、実施の形態の中で説明されている特徴的事項の組み合わせの全てが解決手段の必須事項であるとは限らないことは言うまでもない。
　以下の実施の形態では、コンピュータシステムにコンピュータプログラムを導入した、製品選別装置について説明するが、当業者であれば明らかな通り、本発明はその一部をコンピュータで実行することが可能なコンピュータプログラムとして実施することができる。したがって、本発明は、製品選別装置というハードウェアとしての実施の形態、ソフトウェアとしての実施の形態、又はソフトウェアとハードウェアとの組み合わせの実施の形態をとることができる。コンピュータプログラムは、ハードディスク、ＤＶＤ、ＣＤ、光記憶装置、磁気記憶装置等の任意のコンピュータで読み取ることが可能な記録媒体に記録することができる。
　（実施の形態１）
　図１は、本発明の実施の形態１に係る製品選別装置の構成例を示すブロック図である。本実施の形態１に係る製品選別装置は、製品の所定の特性を示す特性値を測定する測定部１と、測定した特性値を演算する演算処理部２とを備えている。
　測定部１は、製品の所定の特性を示す特性値を測定する。例えば、製品がセラミックコンデンサである場合、製品の特性値であるコンデンサ容量を測定部１で測定する。コンデンサ容量を測定する測定部１のハードウェア構成としては、ＬＣＲメータがある。
　演算処理部２は、少なくともＣＰＵ（中央演算装置）２１、メモリ２２、記憶装置２３、Ｉ／Ｏインタフェース２４、ビデオインタフェース２５、可搬型ディスクドライブ２６、測定インタフェース２７及び上述したハードウェアを接続する内部バス２８で構成されている。
　ＣＰＵ２１は、内部バス２８を介して演算処理部２の上述したようなハードウェア各部と接続されており、上述したハードウェア各部の動作を制御するとともに、記憶装置２３に記憶しているコンピュータプログラム２３０に従って、種々のソフトウェア的機能を実行する。メモリ２２は、ＳＲＡＭ、ＳＤＲＡＭ等の揮発性メモリで構成され、コンピュータプログラム２３０の実行時にロードモジュールが展開され、コンピュータプログラム２３０の実行時に発生する一時的なデータ等を記憶する。
　記憶装置２３は、内蔵される固定型記憶装置（ハードディスク）、ＲＯＭ等で構成されている。記憶装置２３に記憶しているコンピュータプログラム２３０は、プログラム及びデータ等の情報を記録したＤＶＤ、ＣＤ－ＲＯＭ等の可搬型記録媒体９０から、可搬型ディスクドライブ２６によりダウンロードされ、実行時には記憶装置２３からメモリ２２へ展開して実行される。もちろん、ネットワークに接続されている外部のコンピュータからダウンロードされたコンピュータプログラムであっても良い。
　測定インタフェース２７は内部バス２８に接続されており、測定部１と接続されることにより、測定部１と演算処理部２との間で測定した特性値や制御信号等を送受信することが可能となっている。
　Ｉ／Ｏインタフェース２４は、キーボード２４１、マウス２４２等のデータ入力媒体と接続され、データの入力を受け付ける。また、ビデオインタフェース２５は、ＣＲＴモニタ、ＬＣＤ等の表示装置２５１と接続され、所定の画像を表示する。
　以下、上述した構成の製品選別装置の動作について説明する。図２は、本発明の実施の形態１に係る製品選別装置の機能ブロック図である。測定部１は、製品１０の所定の特性を示す特性値を測定する。
　選別部３は、測定部１において測定した特性値に基づいて、製品１０を複数のランクに選別する。製品１０を選別するランクは、例えば製品１０が良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられる。なお、本実施の形態１では、検査規格を製品規格と同一の条件に規定している場合について説明する。図３は、本発明の実施の形態１に係る製品選別装置の選別部３が製品１０を複数のランクに選別した場合の確率分布の模式図である。図３は、横軸を製品１０の特性値、縦軸を製品１０の個数として、測定した製品１０の特性値の確率分布を表している。測定した製品１０の特性値の確率分布は、正規分布となっている。
　さらに、図３には、所定の検査規格で規定した特性値の上限値及び下限値が図示されている。選別部３は、特性値の下限値より小さい範囲をランクＡ、特性値の下限値以上、上限値以下の範囲をランクＢ、特性値の上限値より大きい範囲をランクＣとして製品１０を選別する。なお、ランクＢに属する製品１０は検査規格に基づき良品と判断され、ランクＡ、Ｃに属する製品１０は検査規格に基づき不良品と判断される。
　図２に戻って、みなし標準偏差算出部４は、測定した特性値のバラツキの標準偏差をみなし標準偏差として算出する。なお、みなし標準偏差算出部４は、みなし標準偏差を算出するとともに、測定した製品１０の特性値の平均値も算出することができる。なお、測定した特性値に基づいて、みなし標準偏差及び平均値を算出することができる。しかし、本実施の形態１に係るみなし標準偏差算出部４では、測定した特性値からみなし標準偏差や平均値を算出するのではなく、選別部３で選別した複数のランクのうち、少なくとも１つのランク（例えば、ランクＢ）に属する製品１０の個数を利用して、正規分布の累積分布関数の逆関数からみなし標準偏差及び平均値を算出する。つまり、測定した製品１０の特性値の確率分布が正規分布であるとして、ランクＡに属する製品１０の個数を得ることで、当該確率分布を特定することができ、みなし標準偏差及び平均値等を求めることができる。
　再選別部５は、選別部３で選別したランクＢに属する製品１０の特性値を、測定部１で再測定し、再測定した特性値に基づき、製品１０を選別部３と同じ検査規格を基準に設けられた複数のランクに再選別する。ここで、測定部１に測定値のバラツキ（測定値バラツキ）がない場合であって、再選別部５がランクＢに属する製品１０の特性値を再測定して、再測定した特性値に基づいて複数のランクに再選別した場合、常に再選別した製品１０は全てランクＢに属することになる。一方、測定値バラツキがある場合であって、再選別部５がランクＢに属する製品１０の特性値を再測定して、再測定した特性値に基づいて複数のランクに再選別した場合、再選別した製品１０はランクＢ以外にランクＡ、Ｃにも属することになる。再選別することによりランクＡ、Ｃに製品１０が属することになるのは、測定値バラツキにより、再選別において本来はランクＡ、Ｃに属する製品１０が、ランクＢに属する製品１０と誤って再選別されている場合、あるいは測定値バラツキにより、再選別により本来はランクＢに属する製品１０が、ランクＡ、Ｃに属する製品１０と誤って再選別されている場合があるためである。なお、実際の測定部１は、測定値バラツキが必ず存在するために、再選別した製品１０はランクＢ以外にランクＡ、Ｃにも属することになる。
　再選別部５が、ランクＢに属する製品１０を複数のランクに再選別する具体例を、図面を用いて説明する。図４は、本発明の実施の形態１に係る製品選別装置の再選別部５がランクＢに属する製品１０を複数のランクに再選別した場合の確率分布の模式図である。図４も、図３と同様に、検査規格で規定した特性値の上限値及び下限値が図示されている。図４では、選別においてランクＢに属していた製品１０が、測定部１の測定値バラツキにより、ランクＡ、Ｃに再選別されている様子が示されている。具体的に、図４においてランクＡに属する製品１０は、ランクＢからランクＡに再選別された製品である。図４においてランクＣに属する製品１０は、ランクＢからランクＣに再選別された製品である。なお、図４においてランクＢに属する製品１０は、ランクＢからランクＢに再選別された製品である。
　例えば、再選別した製品１０をコンデンサ容量１ｐＦのコンデンサとして、３５２５個の製品１０を測定部１で測定した場合、測定結果より特性値の平均値が１．００６７ｐＦと算出され、みなし標準偏差算出部４ではみなし標準偏差が０．０２１２５ｐＦと算出された。また、検査規格の下限値を０．９８５ｐＦ、上限値を１．０１５ｐＦとした場合、選別部３は、３５２５個の製品１０を、ランクＡには５４３個、ランクＢには１７５８個、ランクＣには１２２４個と選別した。
　再選別部５は、ランクＢに属する１７５８個の製品１０について、測定部１にて特性値を再測定させ、再測定した特性値に基づいて複数のランクに再選別する。再選別部５で再選別した結果、製品１０は、ランクＡに７７個、ランクＢに１５５９個、ランクＣに１２２個と再選別される。このとき、再選別したランクＡ、Ｃに属する１９９個（７７個＋１２２個）の製品１０の条件は、次の第１及び第２条件の２種類の条件となる。第１条件は、製品１０が真にランクＢ（真の特性値が検査規格の上限値以下、下限値以上の範囲内）であって、選別部３でランクＢと選別され、再選別部５でランクＡ、Ｃと再選別された製品１０である。第２条件は、製品１０が真にランクＡ、Ｃ（真の特性値が検査規格の上限値より大きい範囲、又は下限値より小さい範囲）であって、選別部３でランクＢと選別され、再選別部５でランクＡ、Ｃと再選別された製品１０である。
　再選別部５でランクＡ、Ｃと再選別された製品１０が存在するのは、上述したように、製品自体の特性値のバラツキ（特性値バラツキ）だけでなく、測定値バラツキが存在するからである。測定部１で測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するみなし標準偏差算出部４で算出されるみなし標準偏差ＴＶは、特性値バラツキの標準偏差ＰＶと、測定値バラツキの標準偏差ＧＲＲとにより（数１）として表わすことができる。
Figure JPOXMLDOC01-appb-M000001
　（数１）から分かるように、測定値バラツキの標準偏差ＧＲＲが０（ゼロ）であれば、みなし標準偏差算出部４で算出されるみなし標準偏差ＴＶは、特性値バラツキの標準偏差ＰＶと等しくなる。
　測定値バラツキの標準偏差ＧＲＲが０（ゼロ）でない場合は、みなし標準偏差ＴＶをみなし標準偏差算出部４で算出しただけでは、特性値バラツキの標準偏差ＰＶと、測定値バラツキの標準偏差ＧＲＲとを算出することができない。そこで、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出するためには、（数１）と、上述の第１及び第２条件を満たす製品１０の個数とを共に満足させる必要がある。
　第１及び第２条件を満たす製品１０の個数は、非特許文献２で開示されている真の不良品を測定により良品と選別する確率の消費者リスクＣＲ（数２）と、真の良品を測定により不良品と選別する確率の生産者リスクＰＲ（数３）とを解くことにより求めることができる。
Figure JPOXMLDOC01-appb-M000002
Figure JPOXMLDOC01-appb-M000003
　（数２）及び（数３）は、製品１０の特性値バラツキの確率分布と測定部１の測定値バラツキの確率分布を正規分布とした場合、製品１０の特性値バラツキの標準偏差ＰＶにより基準正規分布を求めた製品１０の特性値バラツキの確率密度関数と、測定部１の測定値バラツキの標準偏差ＧＲＲにより基準正規分布を求めた測定値バラツキの確率密度関数との二重積分の形式で表現されている。ここで、ｔは製品１０の特性値バラツキの確率分布の中心からの位置、ｓは測定部１の測定値バラツキの確率分布の中心からの位置、Ｌは製品規格の半値幅（製品１０の製品規格の中心を零点とした場合、零点から製品１０の製品規格の上限値又は下限値までの距離）、ｋ・Ｌは検査規格の半値幅（製品１０の検査規格の中心を零点とした場合、零点から製品１０の検査規格の上限値又は下限値までの距離）、ｕは製品１０の特性値バラツキの確率分布の偏り、ｖは測定部１の測定値バラツキの確率分布の偏り、Ｒは精度比（製品１０の特性値バラツキの標準偏差ＰＶを測定部１の測定値バラツキの標準偏差ＧＲＲで割った値）を示している。なお、本実施の形態１に係る製品選別装置では、製品規格と検査規格とが同一の条件であるためｋ＝１となる。
　（数２）及び（数３）を利用して特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出するには、第１条件及び第２条件を満たす（数２）及び（数３）の二重積分式と、（数１）との連立方程式を解く必要がある。しかし、該連立方程式を数学的に解くことは困難である。
　そこで、本実施の形態１に係る製品選別装置では、図２に示すランク別推定個数算出部６及び標準偏差算出部７を利用して、（数１）と、第１条件及び第２条件を満たす製品１０の個数とを共に満足させる製品１０の特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する。ここで、ランク別推定個数算出部６は、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを変数とするみなし標準偏差ＴＶの確率分布に基づいて、再選別した後のランクＡ、Ｂ、Ｃそれぞれに属する製品１０の個数を推定し、各ランクに属する製品１０の推定個数として算出する。標準偏差算出部７は、再選別部５で再選別したランクＡ、Ｃに属する製品１０の個数と、ランクＡ、Ｃに属する製品１０の推定個数とが略一致するようにみなし標準偏差ＴＶの確率分布の変数を変更し、変更した変数を製品１０の特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲとして算出する。
　具体的に、本実施の形態１に係る製品選別装置において、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順について、フローチャートを用いて説明する。図５及び図６は、本発明の実施の形態１に係る製品選別装置が、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順を示すフローチャートである。
　演算処理部２のＣＰＵ２１は、測定インタフェース２７で受信した、測定部１で測定した製品１０の特性値を取得し（ステップＳ５０１）、取得した製品１０の特性値に基づいて、製品１０を図３で示したランクＡ、ランクＢ、ランクＣに選別する（ステップＳ５０２）。ＣＰＵ２１は、ランクＢに選別された製品１０の特性値を再測定するよう測定部１へ指示信号を送信する（ステップＳ５０３）。指示信号を受信した測定部１は、ランクＢに選別された製品１０の特性値を再測定する。ＣＰＵ２１は、再測定した製品１０の特性値を再度取得し（ステップＳ５０４）、再度取得した特性値に基づいて製品１０を複数のランクに再選別し（ステップＳ５０５）、再選別した各ランクに属する製品１０の個数を計数する（ステップＳ５０６）。
　ＣＰＵ２１は、選別されたランクＡ、ランクＢ、ランクＣのうち少なくとも１つのランクに属する製品１０の個数に基づき、測定部１で測定した製品１０の特性値の確率分布を特定し、みなし標準偏差ＴＶや特性値の平均値を算出する（ステップＳ５０７）。
　ＣＰＵ２１は、測定値バラツキの標準偏差ＧＲＲをＧＲＲ１＝０．１ＴＶ（初期値）と設定し、測定値バラツキの標準偏差ＧＲＲの変更幅ＧＲＲ２を、ＧＲＲ２＝（ＴＶ－ＧＲＲ１）／１０＝（ＴＶ－０．１ＴＶ）／１０＝０．０９ＴＶと設定する（ステップＳ５０８）。
　ＣＰＵ２１は、算出したみなし標準偏差ＴＶと、設定した測定値バラツキの標準偏差ＧＲＲ１とに基づき、特性値バラツキの標準偏差ＰＶを設定し（ステップＳ５０９）、設定した特性値バラツキの標準偏差ＰＶの確率分布から、再選別した場合にランクＢに属する製品１０の個数を推定する（ステップＳ６１０）。
　ステップＳ６１０の処理手順について、さらに詳しいフローチャート用いて説明する。図７は、本発明の実施の形態１に係る製品選別装置が、各ランクに再選別した場合に製品１０の個数を推定する処理手順を示すフローチャートである。ＣＰＵ２１は、算出したみなし標準偏差ＴＶと、設定した測定値バラツキの標準偏差ＧＲＲ１とを（数１）に代入して、特性値バラツキの標準偏差ＰＶを設定する（ステップＳ７０１）。具体的に、特性値バラツキの標準偏差ＰＶは、（数１）よりＰＶ2 ＝ＴＶ2 －ＧＲＲ2 となり、初期設定値のＧＲＲ１＝０．１ＴＶを代入することで、ＰＶ2 ＝ＴＶ2 －（０．１ＴＶ）2 として算出することができる。
　ＣＰＵ２１は、設定した特性値バラツキの標準偏差ＰＶの確率分布を、所定の特性値ごとに複数の区間に分け、各区間の確率分布を特定する（ステップＳ７０２）。ＣＰＵ２１は、特定した各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従うと仮定して測定した結果として（以下、測定後）、特性値バラツキの標準偏差ＰＶの確率分布を算出する（ステップＳ７０３）。なお、各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従うと仮定することについて、図を用いて説明する。図８は、特性値バラツキの標準偏差ＰＶの各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従う様子を示す模式図である。図８に示すように、特性値バラツキの標準偏差ＰＶの確率分布は複数の区間６１（図８では９つの区間）に分けられる。例えば、特性値αから特性値βまでの区間６１Ａには、特性値αから特性値βまでの特性値の製品１０は存在するが、特性値αより小さい特性値、又は特性値βより大きい特性値の製品１０は存在しない。区間６１Ａの測定後の確率分布６２Ａが測定値バラツキの標準偏差ＧＲＲ１の確率分布に従うと仮定すると、区間６１Ａに属する製品１０のそれぞれの特性値は測定値バラツキを有することになり、区間６１Ａの確率分布６２Ａを測定後の確率分布６２Ｂとみなすことができる。測定後の確率分布６２Ｂでは、特性値αより小さい特性値、又は特性値βより大きい特性値の製品１０も存在する。ＣＰＵ２１は、各区間６１の確率分布を、測定後の確率分布とみなすことで、測定後の特性値バラツキの標準偏差ＰＶの確率分布を算出する。
　ＣＰＵ２１は、測定後の特性値バラツキの標準偏差ＰＶの確率分布に基づいて、ランクＢに属する製品１０の個数を推定する（ステップＳ７０４）。図８に示すように、ランクＢに属する区間６１Ａの確率分布６２Ａは測定後の確率分布６２Ｂとみなされるため、区間６１Ａに属する製品であっても測定後にランクＡに属する製品１０が存在する。また、ランクＡに属する区間６１Ｃの確率分布も測定後の確率分布６２Ｃとみなされるため、区間６１Ｃに属する製品であってもランクＢに属する製品１０が存在する。ＣＰＵ２１は、区間６１Ａの確率分布６２Ａを測定後の確率分布６２Ｂと、区間６１Ｃの確率分布を測定後の確率分布６２Ｃとそれぞれみなして、測定後の確率分布６２ＢからランクＢに属さない製品１０を減算し、測定後の確率分布６２ＣからランクＢに属する製品１０を加算する処理を、各区間６１に行うことでランクＢに属する製品１０の個数を推定する。なお、実際使用するプログラムの中では、精度を高めるために、ランクＡ、Ｂ、Ｃをそれぞれ２００程度の区間に分けて計算を行っている。
　図６に戻って、演算処理部２のＣＰＵ２１は、例えば、ランクＡ、Ｂ、Ｃをそれぞれ２００の区間に分けて、各区間に属する製品１０の特性値を測定した後にランクＢに入る確率分布ごとに、個数を推定したランクＢの確率分布をさらに複数の区間に分け、各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従うと仮定して、ランクＢを再選別した後のランクＡ、Ｃに属する製品１０の個数を推定し、ランクＡ、Ｃの推定個数として算出する（ステップＳ６１１）。なお、個数を推定したランクＢの各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従うと仮定すること、及びランクＢの測定後の確率分布からランクＡ、Ｃに属する製品１０の個数を推定することは、ステップＳ６１０を詳細に説明した図７に示す処理手順と同じであるため詳細な説明は省略する。
　ＣＰＵ２１は、ランクＡ、Ｃに属する製品１０の推定個数が、ステップＳ５０５で再選別したランクＡ、Ｃに属する製品１０の個数より多いか否かを判断する（ステップＳ６１２）。ＣＰＵ２１が、推定個数が、ステップＳ５０５で再選別したランクＡ、Ｃに属する製品１０の個数以下であると判断した場合（ステップＳ６１２：ＮＯ）、ＣＰＵ２１は、測定値バラツキの標準偏差ＧＲＲ１を変更幅ＧＲＲ２だけインクリメントし（ステップＳ６１３）、処理をステップＳ６１０へ戻す。具体的に、ステップＳ６１３では、推定個数が、ステップＳ５０５で再選別したランクＡ、Ｃに属する製品１０の個数より多くなるまで、測定値バラツキの標準偏差ＧＲＲ１を０．１ＴＶ＋０．０９ＴＶ、０．１ＴＶ＋０．０９ＴＶ＋０．０９ＴＶ、・・・と変更幅ＧＲＲ２（０．０９ＴＶ）ずつインクリメントする。
　ＣＰＵ２１が、推定個数が、ステップＳ５０５で再選別したランクＡ、Ｃに属する製品１０の個数より多いと判断した場合（ステップＳ６１２：ＹＥＳ）、ＣＰＵ２１は、測定値バラツキの標準偏差ＧＲＲ１が初期値（０．１ＴＶ）であるか否か判断する（ステップＳ６１４）。
　ＣＰＵ２１が、測定値バラツキの標準偏差ＧＲＲ１が初期値（０．１ＴＶ）であると判断した場合（ステップＳ６１４：ＹＥＳ）、測定値バラツキの標準偏差ＧＲＲがＧＲＲ１より小さくなるので、ＣＰＵ２１は、測定値バラツキの標準偏差ＧＲＲ１を２分の１（ＧＲＲ１＝０．０５ＴＶ）に設定し、変更幅ＧＲＲ２も２分の１（０．０４５ＴＶ）に設定して（ステップＳ６１５）、処理をステップＳ６１０へ戻す。
　ＣＰＵ２１が、測定値バラツキの標準偏差ＧＲＲ１が初期値（０．１ＴＶ）でないと判断した場合（ステップＳ６１４：ＮＯ）、測定値バラツキの標準偏差ＧＲＲ１の精度を上げるために、ＣＰＵ２１は、測定値バラツキの標準偏差ＧＲＲ１を変更幅ＧＲＲ２だけデクリメントする（ステップＳ６１６）。
　ＣＰＵ２１は、ステップＳ６１６の処理を行った回数を計数し（ステップＳ６１７）、計数した処理回数が５回以下であるか否かを判断する（ステップＳ６１８）。ＣＰＵ２１が、計数した処理回数が５回以下であると判断した場合（ステップＳ６１８：ＹＥＳ）、測定値バラツキの標準偏差ＧＲＲ１の精度がまだ不十分であると判断して、ＣＰＵ２１は、変更幅ＧＲＲ２を４分の１に設定して（ステップＳ６１９）、処理をステップＳ６１０へ戻す。ＣＰＵ２１が、計数した処理回数が５回より多いと判断した場合（ステップＳ６１８：ＮＯ）、測定値バラツキの標準偏差ＧＲＲ１の精度が十分であると判断して、ＣＰＵ２１は、ステップＳ６１６の処理後の測定値バラツキの標準偏差ＧＲＲ１を変更幅ＧＲＲ２の２分の１だけ大きくした値を測定値バラツキの標準偏差ＧＲＲとして算出し（ステップＳ６２０）、算出した測定値バラツキの標準偏差ＧＲＲと、算出したみなし標準偏差ＴＶとを（数１）に代入することで特性値バラツキの標準偏差ＰＶを算出する（ステップＳ６２１）。
　図５及び図６に示す処理手順を行うことで、上述の製品１０をコンデンサ容量１ｐＦのコンデンサとした場合（選別部３は、検査規格の下限値０．９８５ｐＦ、上限値１．０１５ｐＦで３５２５個の製品を、ランクＡには５４３個、ランクＢには１７５８個、ランクＣには１２２４個と選別した。また、再選別部５は、ランクＢに属する１７５８個の製品１０について、再選別した結果、製品１０は、ランクＡに７７個、ランクＢに１５５９個、ランクＣに１２２個と再選別した場合）、特性値の平均値が１．００６７ｐＦ、みなし標準偏差ＴＶが０．０２１２５ｐＦ、特性値バラツキの標準偏差ＰＶが０．０２０９６ｐＦ、測定値バラツキの標準偏差ＧＲＲが０．００３５０ｐＦと算出することができる。また、本実施の形態１では製品１０をランクＡ、Ｂ、Ｃの３つのランクに選別又は再選別する場合を説明したが、図８に示すランクＢに属する区間６１Ａや区間６１Ｄなどを１つのランク（サブランク）とみなして、再選別した後のサブランクの上限値以下、下限値以上の範囲に属する製品１０の個数、サブランクの下限値より小さい範囲に属する製品１０の個数、サブランクの上限値より大きい範囲に属する製品１０の個数から、上述の特性値の平均値、みなし標準偏差ＴＶ、特性値バラツキの標準偏差ＰＶ、測定値バラツキの標準偏差ＧＲＲを同様に算出することもできる。
　なお、ステップＳ５０１乃至ステップＳ５０６で示したように、測定インタフェース２７で受信した、測定部１で測定した製品１０の特性値に基づいて、製品１０を選別、再選別することに限定されるものではなく、製品１０を選別、再選別することなく、キーボード２４１からの入力等により製品１０を選別、再選別した結果を受け付けても良い。
　以上のように、本実施の形態１に係る製品選別装置では、ランクＢに属する製品１０を再選別部５で再選別したランクＡ、Ｃに属する製品１０の個数と、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを変数とするみなし標準偏差ＴＶの確率分布に基づいて推定した再選別した後のランクＡ、Ｃに属する製品１０の推定個数とが略一致するようにみなし標準偏差ＴＶの確率分布の変数を変更し、変更した変数を特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲとして算出するので、測定システム解析ＭＳＡの手法では必要不可欠な繰返し測定を行うことなく測定値バラツキの標準偏差ＧＲＲを算出することができる。
　また、本実施の形態１に係る製品選別装置では、測定システム解析ＭＳＡの手法のように、測定値バラツキの標準偏差ＧＲＲを算出するために繰返し測定を行う必要がないので、繰返し測定にかかる時間が不要になり、短時間で測定値バラツキの標準偏差ＧＲＲを算出することができる。特に、製造ラインの検査工程に組み込まれた本実施の形態１に係る製品選別装置では、測定システム解析ＭＳＡの手法を用いた場合、測定治具の取り外し等の煩雑な作業に時間がかかり、測定値バラツキの標準偏差ＧＲＲを算出するために約２時間必要であったが、本実施の形態１に係る製品選別方法を用いた場合には約５分で算出することが可能になる。
　さらに、本実施の形態１に係る製品選別装置では、測定システム解析ＭＳＡの手法に比べて、数多くの製品１０を測定して特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出するので精度が格段に良い。例えば、測定システム解析ＭＳＡの手法では、１０個程度の製品１０を測定するが、本実施の形態１に係る製品選別装置では、１万個の製品１０を測定するため、算出される特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲの精度は、測定システム解析ＭＳＡの手法で算出したものに比べて３倍程度良くなる。
　さらに、また本実施の形態１に係る製品選別装置では、良品であると選別されたランクＢに属する製品１０の特性値を再測定し、再測定した特性値に基づいて複数のランクに再選別するため、不良品を誤って良品と選別して出荷する確率を低減することができる。
　なお、本実施の形態１に係る製品選別装置は、ランク別推定個数算出部６が、特性値バラツキの標準偏差ＰＶの確率分布を複数の区間に分け、各区間の確率分布が測定値バラツキの標準偏差ＧＲＲの確率分布に従うと仮定して、各ランクに属する製品１０の個数を推定して各ランクに属する製品１０の推定個数として算出する場合に限定されるものではなく、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを変数とするみなし標準偏差ＴＶの確率分布に基づく製品１０の特性値をモンテカルロ法により生成して、各ランクに属する製品１０の個数を推定して推定個数を算出しても良い。
　（実施の形態２）
　本発明の実施の形態１に係る製品選別装置では、ランクＢに属する製品１０の特性値を再測定し、再測定した特性値に基づき複数のランクに再選別して、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する場合について説明した。本発明の実施の形態２に係る製品選別装置では、ランクＡ、Ｃに属する製品１０の特性値を再測定し、再測定した特性値に基づき複数のランクに再選別して、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する場合について説明する。そのため、本実施の形態２に係る製品選別装置の構成例を示すブロック図及び機能ブロック図は、実施の形態１の図１及び図２と同じであるため詳細な説明は省略し、同じ構成要素の符号を用いて以下説明する。
　図２に示す選別部３は、測定部１において測定した特性値に基づいて、製品１０を図３に示すように複数のランクＡ、Ｂ、Ｃのそれぞれに選別する。再選別部５は、選別部３で選別したランクＡ、Ｃに属する製品１０の特性値を、測定部１で再測定し、再測定した特性値に基づき、製品１０を選別部３と同じ検査規格を基準に設けられたランクに再選別する。
　再選別部５が、ランクＡ、Ｃに属する製品１０を複数のランクに再選別する具体例を、図を用いて説明する。図９は、本発明の実施の形態２に係る製品選別装置の再選別部５がランクＡ、Ｃに属する製品１０を複数のランクに再選別した場合の確率分布の模式図である。図９も、図３と同様に、検査規格で規定した特性値の上限値及び下限値が図示されている。図９では、選別においてランクＡ、Ｃに属していた製品１０が、測定部１の測定値バラツキにより、ランクＢに再選別されている様子が示されている。具体的に、図９においてランクＡに属する製品１０は、ランクＡからランクＡに再選別された製品である。図９においてランクＣに属する製品１０は、ランクＣからランクＣに再選別された製品である。なお、図９においてランクＢに属する製品１０は、ランクＡ、ＣからランクＢに再選別された製品である。
　例えば、再選別した製品１０をコンデンサ容量１ｐＦのコンデンサとして、３５２５個の製品１０を測定部１で測定した場合、検査規格の下限値を０．９８５ｐＦ、上限値を１．０１５ｐＦとした選別部３は、３５２５個の製品１０を、ランクＡには５４３個、ランクＢには１７５８個、ランクＣには１２２４個と選別する。再選別部５は、ランクＡ、Ｃに属する１７６７個（５４３個+１２２４個）の製品１０を、測定部１にて特性値を再測定させ、再測定した特性値に基づいて複数のランクに再選別する。再選別部５で再選別した結果、製品１０はランクＡに４６５個、ランクＢに１９９個、ランクＣに１１０３個と再選別される。このとき、再選別したランクＡ、Ｃに属する１５６８個（４６５個＋１１０３個）の製品１０の条件は、次の第３条件及び第４条件の２種類の条件となる。第３条件は、製品１０が真にランクＢ（真の特性値が検査規格の上限値以下、下限値以上の範囲内）であって、選別部３でランクＡ、Ｃと選別され、再選別部５でランクＡ、Ｃと再選別された製品１０である。第４条件は、製品１０が真にランクＡ、Ｃ（真の特性値が検査規格の上限値より大きい範囲、又は下限値より小さい範囲）であって、選別部３でランクＡ、Ｃと選別され、再選別部５でランクＡ、Ｃと再選別された製品１０である。
　本実施の形態２に係る製品選別装置でも、図２に示すランク別推定個数算出部６及び標準偏差算出部７を利用して、（数１）と、第３条件及び第４条件を満たす製品１０の個数とを共に満足させる製品１０の特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する。ここで、ランク別推定個数算出部６は、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを変数とするみなし標準偏差ＴＶの確率分布に基づいて、再選別した後のランクＡ、Ｂ、Ｃそれぞれに属する製品１０の個数を推定し、各ランクに属する製品１０の推定個数として算出する。標準偏差算出部７は、再選別部５で再選別したランクＡ、Ｃに属する製品１０の個数と、ランクＡ、Ｃに属する製品１０の推定個数とが略一致するようにみなし標準偏差ＴＶの確率分布の変数を変更し、変更した変数を製品１０の特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲとして算出する。
　具体的に、ランク別推定個数算出部６及び標準偏差算出部７で行う処理は、本実施の形態２においても実施の形態１と同様の処理で、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出している。図１０は、本発明の実施の形態２に係る製品選別装置が、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順を示すフローチャートである。なお、本実施の形態２に係る製品選別装置が、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを算出する処理手順のうち、図５に示す実施の形態１のステップＳ５０１からステップＳ５０９までの処理手順と同じである。また、図１０に示すフローチャートは、ステップＳ１０１０及びステップＳ１０１１以外は図６に示す実施の形態１のフローチャートと同じであるため、詳細な説明は省略する。
　ステップＳ６１０に代えて、ＣＰＵ２１は、設定した特性値バラツキの標準偏差ＰＶの確率分布から、再選別した場合にランクＡ、Ｃに属する製品１０の個数を推定する（ステップＳ１０１０）。また、ステップＳ６１１に代えて、ＣＰＵ２１は、個数を推定したランクＡ、Ｃの確率分布をさらに複数の区間に分け、各区間の確率分布が測定値バラツキの標準偏差ＧＲＲ１の確率分布に従うと仮定して、ランクＡ、Ｃを再選別した後のランクＡ、Ｃに属する製品１０の個数を推定し、ランクＡ、Ｃの推定個数として算出する（ステップＳ１０１１）。
　以上のように、本実施の形態２に係る製品選別装置では、ランクＡ、Ｃに属する製品１０を再選別部５で再選別したランクＡ、Ｃに属する製品１０の個数と、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを変数とするみなし標準偏差ＴＶの確率分布に基づいて推定した再選別した後のランクＡ、Ｃに属する製品１０の推定個数とが略一致するようにみなし標準偏差ＴＶの確率分布の変数を変更し、変更した変数を特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲとして算出するので、測定システム解析ＭＳＡの手法で必要不可欠な繰返し測定を行うことなく測定値バラツキの標準偏差ＧＲＲを算出することができる。
　また、本実施の形態２に係る製品選別装置では、不良品であると選別されたランクＡ、Ｃに属する製品１０の特性値を再測定し、再測定した特性値に基づき複数のランクに再選別するため、良品を誤って不良品と選別する確率を低減でき良品率を改善することができる。
　また、本実施の形態２では製品１０をランクＡ、Ｂ、Ｃの３つのランクに選別又は再選別する場合を説明したが、図８に示すようにランクＡに属する区間６１ＣやランクＣに属する区間６１Ｅなどを１つのランク（サブランク）とみなして、再選別した後のサブランクの上限値以下、下限値以上の範囲に属する製品１０の個数、サブランクの下限値より小さい範囲に属する製品１０の個数、サブランクの上限値より大きい範囲に属する製品１０の個数から、上述の特性値の平均値、みなし標準偏差ＴＶ、特性値バラツキの標準偏差ＰＶ、測定値バラツキの標準偏差ＧＲＲを同様に算出することもできる。
　なお、本実施の形態２に係る製品選別装置でも、ランク別推定個数算出部６が、特性値バラツキの標準偏差ＰＶの確率分布を複数の区間に分け、各区間の確率分布が測定値バラツキの標準偏差ＧＲＲに従うと仮定して、各ランクに属する製品１０の個数を推定して各ランクに属する製品１０の推定個数として算出する場合に限定されるものではなく、特性値バラツキの標準偏差ＰＶ及び測定値バラツキの標準偏差ＧＲＲを変数とするみなし標準偏差ＴＶの確率分布に基づく製品１０の特性値をモンテカルロ法により生成して、各ランクに属する製品１０の個数を推定して推定個数を算出しても良い。
１　測定部
２　演算処理部
３　選別部
４　みなし標準偏差算出部
５　再選別部
６　ランク別推定個数算出部
７　標準偏差算出部
１０　製品
２１　ＣＰＵ
２２　メモリ
２３　記憶装置
２４　Ｉ／Ｏインタフェース
２５　ビデオインタフェース
２６　可搬型ディスクドライブ
２７　測定インタフェース
２８　内部バス
９０　可搬型記録媒体
２３０　コンピュータプログラム
２４１　キーボード
２４２　マウス
２５１　表示装置

Claims (12)

  1. 　製品の所定の特性を示す特性値を測定する測定部と、
    　測定した特性値に基づき、前記製品を所定の複数のランクに選別する選別部と、
    　測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するみなし標準偏差算出部と、
    　選別した所定の複数のランクのうち、少なくとも一つのランクに属する前記製品の特性値を再測定し、再測定した特性値に基づき、前記製品を前記所定の複数のランクに再選別する再選別部と、
    　前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とする前記みなし標準偏差の確率分布に基づいて、少なくとも一度再選別した場合に各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出するランク別推定個数算出部と、
    　少なくとも一度再選別した複数のランクのうち、少なくとも一つのランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致するように前記みなし標準偏差の確率分布の前記変数を変更し、変更した変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する標準偏差算出部と
    　を備えることを特徴とする製品選別装置。
  2. 　前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、
    　前記再選別部は、特性値が前記所定の検査規格の上限値以下、下限値以上であるランクに属する前記製品を再選別するようにしてあり、
    　前記標準偏差算出部は、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出することを特徴とする請求項１に記載の製品選別装置。
  3. 　前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、
    　前記再選別部は、特性値が前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品を再選別するようにしてあり、
    　前記標準偏差算出部は、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出することを特徴とする請求項１に記載の製品選別装置。
  4. 　前記ランク別推定個数算出部は、
    　前記製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間の確率分布が前記測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出することを特徴とする請求項１乃至請求項３のいずれか一項に記載の製品選別装置。
  5. 　製品の所定の特性を示す特性値を測定するステップと、
    　測定した特性値に基づき、前記製品を所定の複数のランクに選別するステップと、
    　測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するステップと、
    　選別した所定の複数のランクのうち、少なくとも一つのランクに属する前記製品の特性値を再測定し、再測定した特性値に基づき、前記製品を前記所定の複数のランクに再選別するステップと、
    　前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とする前記みなし標準偏差の確率分布に基づいて、少なくとも一度再選別した場合に各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出するステップと、
    　少なくとも一度再選別した複数のランクのうち、少なくとも一つのランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致するように前記みなし標準偏差の確率分布の前記変数を変更し、変更した変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出するステップと
    　を含むことを特徴とする製品選別方法。
  6. 　前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、
    　特性値が前記所定の検査規格の上限値以下、下限値以上であるランクに属する前記製品を再選別し、
    　再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出することを特徴とする請求項５に記載の製品選別方法。
  7. 　前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、
    　特性値が前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品を再選別し、
    　再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出することを特徴とする請求項５に記載の製品選別方法。
  8. 　前記製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間の確率分布が前記測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出することを特徴とする請求項５乃至請求項７のいずれか一項に記載の製品選別方法。
  9. 　製品を選別する製品選別装置で実行することが可能なコンピュータプログラムにおいて、
    　前記製品選別装置を、
    　製品の所定の特性を示す特性値を測定する測定手段、
    　測定した特性値に基づき、前記製品を所定の複数のランクに選別する選別手段、
    　測定した特性値のバラツキの標準偏差をみなし標準偏差として算出するみなし標準偏差算出手段、
    　選別した所定の複数のランクのうち、少なくとも一つのランクに属する前記製品の特性値を再測定し、再測定した特性値に基づき、前記製品を前記所定の複数のランクに再選別する再選別手段、
    　前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差を変数とする前記みなし標準偏差の確率分布に基づいて、少なくとも一度再選別した場合に各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出するランク別推定個数算出手段、及び
    　少なくとも一度再選別した複数のランクのうち、少なくとも一つのランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致するように前記みなし標準偏差の確率分布の前記変数を変更し、変更した変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する標準偏差算出手段
    　として機能させることを特徴とするコンピュータプログラム。
  10. 　前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、
    　前記再選別手段を、特性値が前記所定の検査規格の上限値以下、下限値以上であるランクに属する前記製品を再選別する手段として機能させ、
    　前記標準偏差算出手段を、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する手段として機能させることを特徴とする請求項９に記載のコンピュータプログラム。
  11. 　前記所定の複数のランクは、良品であるか否かを判定する特性値の上限値と下限値とを規定する所定の検査規格を基準に設けられており、
    　前記再選別手段を、特性値が前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品を再選別する手段として機能させ、
    　前記標準偏差算出手段を、再選別した前記所定の検査規格の上限値より大きいランク及び前記所定の検査規格の下限値より小さいランクに属する前記製品の個数と、該ランクに属する前記製品の推定個数とが略一致する前記確率分布の変数を前記製品の特性値バラツキの標準偏差及び測定値バラツキの標準偏差として算出する手段として機能させることを特徴とする請求項９に記載のコンピュータプログラム。
  12. 　前記ランク別推定個数算出手段を、
    　前記製品の特性値バラツキの標準偏差の確率分布を複数の区間に分け、各区間の確率分布が前記測定値バラツキの標準偏差の確率分布に従うと仮定して、各ランクに属する前記製品の個数を推定し、各ランクに属する前記製品の推定個数として算出する手段として機能させることを特徴とする請求項９乃至請求項１１のいずれか一項に記載のコンピュータプログラム。
PCT/JP2010/058324 2009-05-29 2010-05-18 製品選別装置、製品選別方法及びコンピュータプログラム WO2010137487A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2011515983A JP5287985B2 (ja) 2009-05-29 2010-05-18 製品選別装置、製品選別方法及びコンピュータプログラム
CN2010800238452A CN102448626B (zh) 2009-05-29 2010-05-18 产品分选装置及产品分选方法
US13/303,228 US9061322B2 (en) 2009-05-29 2011-11-23 Product discriminating device, product discriminating method, and computer program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009-129932 2009-05-29
JP2009129932 2009-05-29

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US13/303,228 Continuation US9061322B2 (en) 2009-05-29 2011-11-23 Product discriminating device, product discriminating method, and computer program

Publications (1)

Publication Number Publication Date
WO2010137487A1 true WO2010137487A1 (ja) 2010-12-02

Family

ID=43222598

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/058324 WO2010137487A1 (ja) 2009-05-29 2010-05-18 製品選別装置、製品選別方法及びコンピュータプログラム

Country Status (4)

Country Link
US (1) US9061322B2 (ja)
JP (1) JP5287985B2 (ja)
CN (1) CN102448626B (ja)
WO (1) WO2010137487A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017119221A1 (ja) * 2016-01-08 2017-07-13 株式会社村田製作所 製品層別装置、製品層別方法及びコンピュータプログラム

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010137488A1 (ja) 2009-05-29 2010-12-02 株式会社村田製作所 製品検査装置、製品検査方法及びコンピュータプログラム
GB2505566A (en) * 2012-08-31 2014-03-05 Avx Corp Iterative screening method for electrolytic capacitors
US11543448B2 (en) * 2013-12-23 2023-01-03 Keysight Technologies, Inc. Dynamically determining measurement uncertainty (MU) of measurement devices
JP6206692B2 (ja) * 2014-06-20 2017-10-04 株式会社村田製作所 抜取データ処理装置、抜取データ処理方法及びコンピュータプログラム
WO2016152204A1 (ja) * 2015-03-20 2016-09-29 株式会社村田製作所 製品検査装置、製品検査方法及びコンピュータプログラム
CN105005867B (zh) * 2015-07-31 2018-05-15 重庆世纪精信实业（集团）有限公司 基于施工同步的工业机械手加工不合格品统计装置及方法
CN105170483B (zh) * 2015-07-31 2017-10-20 重庆世纪精信实业（集团）有限公司 基于施工同步的工业机械手加工不合格品统计方法及装置
WO2021202646A1 (en) 2020-03-31 2021-10-07 Avx Corporation Screening method for electrolytic capacitors that maintains individual capacitor unit identity

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63305974A (ja) * 1987-06-05 1988-12-13 井関農機株式会社 果実の選別装置
JP2005107896A (ja) * 2003-09-30 2005-04-21 Murata Mfg Co Ltd ばらつき解析方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2600594B2 (ja) * 1993-12-01 1997-04-16 日本電気株式会社 半導体集積回路の検査方法及び外形検査装置
US6430522B1 (en) * 2000-03-27 2002-08-06 The United States Of America As Represented By The Secretary Of The Navy Enhanced model identification in signal processing using arbitrary exponential functions
EP1334442A2 (en) * 2000-11-06 2003-08-13 Thrasos, Inc. Computer method and apparatus for classifying objects
JP2002149222A (ja) * 2000-11-08 2002-05-24 Mitsubishi Electric Corp 製品の生産ラインにおける品質管理方法および品質管理システム
JP3842592B2 (ja) * 2001-07-26 2006-11-08 株式会社東芝 変更危険度測定システム、変更危険度測定方法及び変更危険度測定プログラム
JP3756872B2 (ja) * 2002-11-07 2006-03-15 日精樹脂工業株式会社 成形品の判別条件設定方法
US7653515B2 (en) * 2002-12-20 2010-01-26 Lam Research Corporation Expert knowledge methods and systems for data analysis
US7346470B2 (en) * 2003-06-10 2008-03-18 International Business Machines Corporation System for identification of defects on circuits or other arrayed products
DE102004032822A1 (de) * 2004-07-06 2006-03-23 Micro-Epsilon Messtechnik Gmbh & Co Kg Verfahren zur Verarbeitung von Messwerten
JP4573036B2 (ja) * 2005-03-16 2010-11-04 オムロン株式会社 検査装置および検査方法
JP4693464B2 (ja) * 2005-04-05 2011-06-01 株式会社東芝 品質管理システム、品質管理方法及びロット単位のウェハ処理方法
JP4650152B2 (ja) 2005-08-04 2011-03-16 株式会社村田製作所 電子部品の特性測定・選別方法および装置
TW200745802A (en) * 2006-04-14 2007-12-16 Dow Global Technologies Inc Process monitoring technique and related actions
WO2010137488A1 (ja) * 2009-05-29 2010-12-02 株式会社村田製作所 製品検査装置、製品検査方法及びコンピュータプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63305974A (ja) * 1987-06-05 1988-12-13 井関農機株式会社 果実の選別装置
JP2005107896A (ja) * 2003-09-30 2005-04-21 Murata Mfg Co Ltd ばらつき解析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017119221A1 (ja) * 2016-01-08 2017-07-13 株式会社村田製作所 製品層別装置、製品層別方法及びコンピュータプログラム
JPWO2017119221A1 (ja) * 2016-01-08 2018-10-04 株式会社村田製作所 製品層別装置、製品層別方法及びコンピュータプログラム

Also Published As

Publication number Publication date
CN102448626B (zh) 2013-12-04
CN102448626A (zh) 2012-05-09
US20120072174A1 (en) 2012-03-22
US9061322B2 (en) 2015-06-23
JPWO2010137487A1 (ja) 2012-11-12
JP5287985B2 (ja) 2013-09-11

Similar Documents

Publication Publication Date Title
JP5287985B2 (ja) 製品選別装置、製品選別方法及びコンピュータプログラム
JP5477382B2 (ja) 製品検査装置、製品検査方法及びコンピュータプログラム
JP5116307B2 (ja) 集積回路装置異常検出装置、方法およびプログラム
Wu et al. Developing a sampling plan by variables inspection for controlling lot fraction of defectives
Pendrill Operating ‘cost’characteristics in sampling by variable and attribute
JP6206692B2 (ja) 抜取データ処理装置、抜取データ処理方法及びコンピュータプログラム
Balamurali et al. Optimal designing of variables chain sampling plan by minimizing the average sample number
US20070118236A1 (en) Method for improving a manufacturing process
CN110598305B (zh) 一种比较电路扫描仿真增量的灵敏度分析方法
Fernández Optimal schemes for resubmitted lot acceptance using previous defect count data
JP6394787B2 (ja) 製品検査装置、製品検査方法及びコンピュータプログラム
Mahmoud et al. Proposed approach for force transducers classification
JP2018005588A (ja) 不良原因探索システム、及び不良要因探索方法
JP2022061157A (ja) 異常検知装置及び異常検知方法
Celano A bootstrap method for the measurement error estimation in Gauge R & R R\&R Studies
Aziz et al. A Time Truncated New Group Chain Sampling Plan Based on Log-Logistic Distribution
Dietrich Capability of measurement processes based on ISO/FDIS 22514-7 and VDA 5
WO2009081696A1 (ja) データ解析装置、データ解析方法、およびプログラム
Seifi et al. Designing different sampling plans based on process capability index
Fernández Most powerful lot acceptance test plans from dispersed nonconformity counts
JP6590301B2 (ja) 製品層別装置、製品層別方法及びコンピュータプログラム
Amara et al. Control chart limits based on true process capability with consideration of measurement system error
Aziz et al. New two-sided group chain acceptance sampling plan for Marshall-Olkin extended exponential distribution
Abdallah Indices of distances: characteristics and detection of abnormal points
CN111257269A (zh) 一种沥青软化点的快速检测方法

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080023845.2

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10780442

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2011515983

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10780442

Country of ref document: EP

Kind code of ref document: A1