WO2017154814A1 - 製造プロセスの解析方法 - Google Patents

製造プロセスの解析方法 Download PDF

Info

Publication number
WO2017154814A1
WO2017154814A1 PCT/JP2017/008683 JP2017008683W WO2017154814A1 WO 2017154814 A1 WO2017154814 A1 WO 2017154814A1 JP 2017008683 W JP2017008683 W JP 2017008683W WO 2017154814 A1 WO2017154814 A1 WO 2017154814A1
Authority
WO
WIPO (PCT)
Prior art keywords
group
data
manufacturing process
principal component
product
Prior art date
Application number
PCT/JP2017/008683
Other languages
English (en)
French (fr)
Inventor
浩司 河野
Original Assignee
三菱ケミカルエンジニアリング株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 三菱ケミカルエンジニアリング株式会社 filed Critical 三菱ケミカルエンジニアリング株式会社
Priority to US16/081,978 priority Critical patent/US10901405B2/en
Priority to DE112017001244.9T priority patent/DE112017001244T5/de
Publication of WO2017154814A1 publication Critical patent/WO2017154814A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32179—Quality control, monitor production tool with multiple sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32187—Correlation between controlling parameters for influence on quality parameters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • the present invention relates to a method for analyzing a manufacturing process of a product, and in particular, relates to a method for analyzing a manufacturing process for specifying factors of product performance and manufacturing performance variation.
  • Patent Document 1 In order to suppress such variation in product performance, there is known one that diagnoses an abnormality using multivariate analysis (see, for example, Patent Document 1).
  • the manufacturing process control method described in Patent Document 1 processes manufacturing conditions and product performance based on a multivariate analysis method, determines whether the manufacturing conditions and product performance are within predetermined limits, If it is out of the range, the manufacturing conditions are corrected so as to return to the limit.
  • the above-described conventional technology performs abnormality diagnosis so as to exclude defective products, and does not consider the quality of products that are judged to be good. There was a problem of not contributing to the supply.
  • the invention according to claim 1 is a method for analyzing a manufacturing process of a product, wherein the product indicates the quality of each product manufactured by the manufacturing process.
  • Collecting data and process data indicating manufacturing conditions of the product for each lot of the manufacturing process, standardizing the process data and converting the data into intermediate variables, and performing principal component analysis on the intermediate variables ,
  • the step of determining superiority or inferiority of each group based on the product data corresponding to the component score, and contributing to superiority of the group Identifying a disincentive is Rosesudeta, provides an analysis method for manufacturing processes, including.
  • the lots of the manufacturing process are divided into a plurality of groups from the principal component scores generated based on the process data, and the superiority / inferiority of the plurality of groups is determined based on the product data, thereby contributing to the superiority of the group.
  • the obstruction factor By specifying the obstruction factor, the manufacturing process can be improved efficiently.
  • the inhibition factor in addition to the configuration of the manufacturing method analysis method according to the first aspect, in the step of identifying the inhibition factor, the inhibition factor is the main component constituting the group determined to be inferior.
  • a method for analyzing a manufacturing process specified according to a component load is provided.
  • the invention described in claim 3 is a manufacturing process in which the quality of the group is determined according to an average value of product data in the group. analysis method.
  • the product quality variation in the group is leveled by determining the quality of the group based on the average value of the product data in the group. It is possible to grasp the overall trend of product data during the period.
  • the process data includes manufacture data indicating manufacturing conditions of the manufacturing process.
  • a method for analyzing a manufacturing process is provided.
  • lots are divided into a plurality of groups from the principal component scores generated based on the manufacturer data, and these groups are determined to be superior or inferior on the basis of the product data. Since the contributing manufacturing data is specified, the manufacturing process can be improved efficiently.
  • the invention according to claim 5 provides a manufacturing process analysis method in which, in addition to the configuration of the manufacturing process analysis method according to claim 4, the process data includes material data indicating conditions of the raw material of the product.
  • the manufacturing data and material data contributing to the superiority or inferiority of the group are specified, so that the manufacturing process can be improved more efficiently.
  • the manufacturing process of determining in advance whether the superiority or inferiority determination of each group is possible in addition to the configuration of the manufacturing process analysis method according to the first aspect, in the step of determining the superiority or inferiority of each group, the manufacturing process of determining in advance whether the superiority or inferiority determination of each group is possible. Provide an analysis method.
  • the manufacturing process can be improved efficiently by classifying and determining the superiority or inferiority of a plurality of groups based on product data and identifying the obstruction factors contributing to the superiority or inferiority of the group.
  • the invention according to claim 7 includes the process data when the superiority or inferiority for each group cannot be determined in the step of determining superiority or inferiority for each group. Additional process data not included is newly collected, the lots of the manufacturing process are re-divided into a plurality of groups based on the process data and the additional product data, and the corresponding principal component scores belonging to the group Provided is a manufacturing process analysis method for re-determining superiority or inferiority of each group based on product data.
  • the lots of the manufacturing process are divided into a plurality of groups from the principal component scores generated based on the process data, and the superiority / inferiority of the plurality of groups is determined based on the product data. If it cannot be determined, process data that has not been considered before is newly added, the group is re-divided and the superiority or inferiority of the group is determined again. By specifying, the manufacturing process can be improved efficiently.
  • the invention according to claim 8 includes the process data when the superiority or inferiority for each group cannot be determined in the step of determining superiority or inferiority for each group.
  • the product data corresponding to the principal component scores belonging to the group is deleted by deleting unnecessary process data included and re-classifying the lot of the manufacturing process into a plurality of groups based on the process data excluding the unnecessary process data.
  • a manufacturing process analysis method for re-determining superiority or inferiority for each group based on the above is provided.
  • the manufacturing process can be efficiently improved by identifying the inhibiting factors that contribute to the superiority or inferiority of the group after the re-determination.
  • the present invention classifies manufacturing process lots into multiple groups from principal component scores generated based on process data, determines the superiority or inferiority of multiple groups based on product data, and inhibits factors that contribute to superiority or inferiority of groups Since the manufacturing process is efficiently improved by specifying, a manufacturing process that stably exhibits good product performance and manufacturing performance can be obtained.
  • the schematic diagram which shows the structure of the manufacturing line to which the analysis method of the manufacturing process which concerns on 1st Example of this invention is applied.
  • the flowchart which shows the analysis method of the manufacturing process which concerns on 1st Example of this invention.
  • the figure which shows the process data for every lot.
  • the figure which shows the information amount of the main component for every process data.
  • the graph which plotted the information content shown in FIG. 4 on the coordinate system which makes a horizontal axis a 1st main component and makes a 2nd main component the vertical axis
  • the figure which shows the dendrogram obtained by applying cluster analysis to the principal component score shown in FIG. The graph which shows the result of applying the analysis result of FIG. 8 to FIG.
  • the present invention is an analysis method of a manufacturing process of a product in order to achieve an object of identifying a disturbing factor that causes variation in product performance and stabilizing the product performance, and includes a method for analyzing each product manufactured by the manufacturing process.
  • Product data indicating the quality of the product and process data indicating the manufacturing conditions of the product for each lot of the manufacturing process, standardizing the process data and converting it into intermediate variables, and principal component analysis for the intermediate variables
  • To derive the principal component loading and principal component score of the process data apply cluster analysis to the principal component score, divide the lot of the manufacturing process into multiple groups, and the principal component score belonging to the group Based on the corresponding product data, the process of determining superiority or inferiority for each group and process data that contributes to superiority or inferiority of the group Identifying a disincentive that is realized by including.
  • FIG. 1 is a schematic diagram showing a film sheet production line as an example of a production process to which the present invention is applied.
  • the product manufactured by the manufacturing process to which the present invention is applied is not limited to a film sheet, and any product may be used.
  • a film sheet is produced from raw materials through a raw material blending process, a granulating process, a forming process, and a finishing process.
  • the film sheet production line is a production apparatus 1 including a weighing / mixing machine 2, an extruder 3, a hopper 4, a molding machine 5, a dryer 6, and a winder 7.
  • Measured and mixed machine 2 is charged with raw materials 1 to N such as resin.
  • the raw materials in the metering / mixing machine 2 are uniformly mixed and then sent to the extruder 3.
  • Extruder 3 forms the mixed raw material into granular pellets.
  • the pellets put into the hopper 4 are stretched in the longitudinal direction and the width direction by the molding machine 5 and formed into a film sheet having a desired thickness.
  • the film sheet stretched into a sheet is heated in the dryer 6 and dried.
  • the dried film sheet is wound into a roll by a winder 7 after the thickness is measured by a thickness measuring means (not shown).
  • Each device described above is provided with a sensor 10 for measuring various values.
  • the measurement target of the sensor 10 is the amount of raw material input, the temperature in the molding machine 5, the molding speed, the thickness of the film sheet, and the like.
  • the sensor 10 sends the measured value to the control device 20.
  • the operation of each device is controlled by the control device 20.
  • the control device 20 includes, for example, a device control unit 21 having a CPU, a memory, and the like, an input / output unit 22 that controls input / output of data, a display unit 23 that displays data, and a storage unit 24 that stores data. I have. Note that the function of the control device 20 may be realized by controlling using software, or may be realized by operating using hardware.
  • the control device 20 includes process data indicating product manufacturing conditions measured by the sensor 10, product quality (quality information such as product strength, thickness, and amount of adhered foreign matter, or manufacturing performance such as yield and defective product occurrence rate).
  • Process data includes manufacturing data indicating manufacturing conditions of manufacturing processes (operating conditions of various devices constituting the manufacturing apparatus 1), material data indicating conditions of raw materials 1 to N (physical properties, composition, etc. of raw materials) ,including.
  • the apparatus control unit 21 is functionally divided into a control unit 21a that controls each device, an analysis unit 21b that performs processing to be described later on the process data of the sensor 10, and a determination unit 21c that specifies an inhibition factor that will be described later.
  • the input / output unit 22 includes, for example, a keyboard, a mouse, a communication control device, and a printing device.
  • the display unit 23 includes, for example, a display.
  • the storage unit 23 stores processing conditions used in each process of the production line, data used when data processing is performed by the analysis unit 21b, and the like.
  • FIG. 2 is a flowchart showing a manufacturing process analysis method according to the first embodiment of the present invention.
  • FIG. 3 is a diagram showing process data and product data measured for each lot of the production line.
  • FIG. 4 is a diagram illustrating the information amount of the main component for each process data.
  • FIG. 5 is a diagram showing the information amount of the main component for each lot of the production line.
  • FIG. 6 is a graph showing the principal component load amount in which the information amount shown in FIG. 4 is plotted in a coordinate system having the first principal component as the horizontal axis and the second principal component as the vertical axis.
  • FIG. 7 is a graph showing the principal component scores obtained by plotting the information amount shown in FIG.
  • FIG. 8 is a diagram of a dendrogram obtained by applying cluster analysis to the information amount shown in FIG.
  • FIG. 9 is a graph showing a result of applying the analysis result of FIG. 8 to FIG.
  • the control device 20 collects process data and product data measured by the sensor 10 (S1).
  • process data and product data for each lot measured by the sensor 10 are stored in the storage unit 24 for a lot group consisting of a plurality of lots that manufacture the same product and brand at different dates and times.
  • the process data for each lot is shown in FIG. FIG. 3 shows process data para01 to 28 collected in each lot for 24 lots LOT001 to 024.
  • the process data para01 to 28 are raw material acceptance inspection values, input amounts, temperatures in the molding machine 5, molding speeds, and the like.
  • the product data para 29 to 31 are the thicknesses of the film sheets that have passed through the dryer 6, where para 29 is a dispersion value, para 30 is an average value, and para 31 is a standard deviation. In FIG. 3, some of the process data para06 to 27 are omitted.
  • the process data para01 to 28 in the table shown in FIG. 3 are standardized and converted to an intermediate function (S2).
  • the analysis unit 21b performs standardization processing of process data, which is a well-known process, and is performed based on Equation 1.
  • the principal component analysis method is applied to the intermediate variable obtained in step 2 to obtain the principal component load and the principal component score (S3).
  • a correlation coefficient matrix for intermediate variables is created, and eigenvalues and eigenvectors of the correlation coefficient matrix are derived.
  • the first principal component PC1 is expressed as shown in Equation 2.
  • the Nth principal component PCn is expressed as shown in Equation 3. .. Are used as elements in the first row and coefficients an1, an2, an3,... Are used as elements in the nth row, thereby forming a correlation coefficient matrix.
  • the principal component score is obtained from the eigenvector of the correlation coefficient matrix. Also, the contribution ratio of each principal component is obtained from the eigenvalues of the correlation coefficient matrix. The contribution ratio of the principal component is obtained by dividing the eigenvalue by the sum of the eigenvalues.
  • the first principal component, the second principal component, and the Nth principal component are determined from the one having the larger eigenvalue.
  • FIG. 4 shows information amounts of the first principal component PC1, the second principal component PC2, and the third principal component 3 of the process data para01 to 28.
  • the number of main components may be increased or decreased according to the contribution ratio of each main component.
  • the analysis unit 21b determines the values of the first principal component PC1, the second principal component PC2,... Based on the intermediate variables x1, x2, x3 of the lots LOT001 to 024 and the coefficients of the correlation coefficient matrix, that is, Let the principal component score be calculated.
  • FIG. 5 shows the main component scores of the respective lots LOT001 to 024.
  • step S4 the analysis unit 21b performs cluster analysis on the principal component score derived in step 3.
  • Cluster analysis is a method of classifying analysis target data (cluster) into a plurality of groups by paying attention to similarity, and hierarchical clustering, classification optimization clustering, and the like are known.
  • the “similarity” to which the cluster analysis in the present embodiment focuses is the distance between the main component scores of each lot.
  • agglomerative hierarchical clustering which is one of hierarchical clustering, is used.
  • the “Ward method” is to select a cluster that minimizes the amount of increase in the sum of squared deviations when two clusters are merged. For example, when the clusters A and B are merged to generate the cluster C, the deviation sums of squares Sa, Sb, and Sc in the clusters A, B, and C are expressed as Expressions 4 to 6, respectively.
  • ⁇ Sab in Equation 7 means that the sum of the square deviations is increased when clusters A and B are merged to generate cluster C. Therefore, clustering is advanced by selecting and merging clusters so that ⁇ Sab is minimized at each merging stage.
  • the lots LOT001 to 024 could be divided into three groups G1, G2, and G3.
  • FIG. 9 shows the result reflected in FIG. Note that the number of groups is not limited to three, and may be two or less or four or more as long as the number is easy to handle.
  • the control device 20 calls the intermediate variables obtained from the product data para 29-31 indicating the thickness dimension of the film sheet stored in the storage unit 24 for each of the lots LOT001-024 belonging to the groups G1-3.
  • Determine the quality of product data The quality of the product data is preferably determined based on the average value in the group. Thereby, the variation of the product data within the group is leveled, and the tendency of the quality of the product data between the groups can be grasped globally.
  • the quality of the product data may be determined based on the magnitude of the deviation of the product data in the group and the magnitude of the difference (range) between the maximum value and the minimum value. You may judge by combining two or more.
  • the analysis unit 21b compares the product data for each of the groups G1 to G3, determines superiority or inferiority between the groups G1 to G3, and stores the result in the storage unit 24.
  • the group G1 shows the best product data, and since the product data deteriorates in the order of G3 and G2, the superiority or inferiority between the groups is determined in the order of the groups G1, G3, and G2.
  • the inhibitory factor contributing to superiority or inferiority of groups G1 to G3 is specified (S6).
  • the principal component load The process data para01 to 28 corresponding to this position in terms of quantity is specified as an inhibition factor that is process data contributing to superiority or inferiority of the groups G1 to G3.
  • the determination unit 21c has a characteristic arrangement on the PC1, 2 coordinate system of the group G2 determined to be inferior, that is, the first principal component PC1 coordinate is negative on the PC1, 2 coordinate system.
  • the determination unit 21c reads process data corresponding to a characteristic arrangement on the PC1, 2 coordinate system of the group G2 from the main component load amount shown in FIG.
  • the determination unit 21c determines the process data (para 12, 13, etc.) existing in the third quadrant on the PC 1, 2 coordinate system of the principal component load amount as the first inhibition factor P1.
  • the manufacturing data and material data are processed in the same way, but if the product data can be predicted only with the manufacturing data, the material data is appropriately excluded from the processing target. It doesn't matter.
  • manufacturing process lots are divided into multiple groups based on the principal component scores generated based on the process data, and the superiority or inferiority of the multiple groups is determined based on the product data. By specifying the factors, the manufacturing process can be improved efficiently.
  • FIG. 11 is a flowchart showing a manufacturing process analysis method according to the second embodiment of the present invention.
  • the description overlapping with the description regarding the first embodiment described above will be omitted.
  • the manufacturing process lots are divided into a plurality of groups in the same procedure as the steps S1 to S4 according to the first embodiment described above (S10 to 13).
  • the superiority or inferiority between a plurality of groups is determined (S14).
  • the superiority or inferiority between a plurality of groups cannot be determined, that is, when the quality of product data between groups cannot be confirmed by comparing a plurality of product data included in each group (No in step S14).
  • new process data hereinafter referred to as “additional process data” not included in the above-described process data is collected (S15).
  • additional process data new process data (hereinafter referred to as “additional process data”) not included in the above-described process data is collected (S15).
  • whether or not the quality of product data between groups can be confirmed is determined, for example, if all the average values of product data of each group are not problematic in terms of quality of the manufacturing process. It is considered that the quality of product data between groups can be confirmed if at least one of the average values of the product data of each group has a quality problem in the manufacturing process.
  • the present invention is not limited to this.
  • the analysis unit 21b standardizes the process data collected in step S10 and the additional process data collected in step S15 based on Equation 1, and converts them into an intermediate function (S16).
  • the analysis unit 21b creates a correlation coefficient matrix for the intermediate variable obtained in step 16, derives eigenvalues and eigenvectors of the correlation coefficient matrix, and calculates principal component load amounts and principal component scores from the eigenvectors. Obtain (S17).
  • the specific calculation method of the principal component load amount and the principal component score is the same as in step S3.
  • step S17 cluster analysis is applied to the principal component score obtained in step S17 to re-divide the lot into a plurality of groups (S18).
  • a specific method for dividing a lot into a plurality of groups is the same as in step S4.
  • step S14 the process returns to step S14, and the superiority or inferiority between the groups is determined again.
  • superiority or inferiority between a plurality of groups that is, when the average value of a plurality of product data included in each group can be compared to confirm whether the product data between the groups is acceptable (Yes in step S14).
  • step S6 paying attention to the characteristic arrangement relationship of the group, the process data corresponding to this position on the principal component load amount is specified as an inhibition factor that is process data contributing to superiority or inferiority of the group (S19). . If the superiority or inferiority of the group cannot be determined, steps S15 to S18 are repeated again.
  • step S14 for determining superiority or inferiority among a plurality of groups will be described in more detail based on FIG. 12 and FIG.
  • FIG. 12 shows the application of principal component analysis to process data only for various conditions of the manufacturing equipment for 17 lots, and the amount of information in a coordinate system with the first principal component as the horizontal axis and the third principal component as the vertical axis. It is a plot.
  • 17 lots are divided into four groups G4 to G7, and the lots constituting each group are indicated by the symbols ⁇ , ⁇ , ⁇ and + in FIG.
  • the average values of the viscosity of the groups G4 to G7 are 1028 cp for the group G4, 1027 cp for the group G5, 1052 cp for the group G6, and 1023 cp for the group G7.
  • FIG. 13 is a plot of the information amount in the coordinate system.
  • 17 lots are divided into four groups G8 to G11, and the lots constituting each group are indicated by the symbols ⁇ , ⁇ , ⁇ and + in FIG.
  • the viscosity of the group G8 is better than the viscosity of the other groups. It can be determined that the group G8 is superior to the groups G9 to G11.
  • step S14 may determine whether or not superiority or inferiority can be determined for each group prior to the above-described determination of superiority or inferiority for each group.
  • judging whether or not superiority or inferiority can be judged for each group for example, all the average values of the product data of each group have no problem in the quality of the production process, and the production conditions (material properties, load amount, temperature / humidity, etc.)
  • the superiority / inferiority determination is possible with conditions, but the present invention is not limited to this.
  • FIG. 14 shows that the principal component analysis is applied to process data for only 37 conditions of the manufacturing apparatus for 37 lots, and the amount of information is expressed in a coordinate system having the first principal component on the horizontal axis and the second principal component on the vertical axis. It is a plot.
  • the 37 lots are divided into six groups G12 to G17, and the lots constituting each group are indicated by symbols ⁇ , ⁇ , +, ⁇ , ⁇ and ⁇ in FIG.
  • the average value of the viscosity of the groups G12 to 17 is 5443 cp for the group G12, 5600 cp for the group G13, 5475 cp for the group G14, 5250 cp for the group G15, 5450 cp for the group G16, and 5600 cp for the group G17.
  • the groups that exceeded the viscosity were groups G13 and 17. Therefore, it can be seen that the groups G13 and 17 are superior to the other groups G12, 14, 15, and 16, but it is not possible to determine which of the groups G13 and 17 is superior to the other by only the quality of the product data.
  • the groups G13 and G17 can be distinguished by manufacturing conditions, for example, the groups G12 to G14 are manufactured at low temperature drying, and the groups G15 to G17 are manufactured at high temperature and humidity. In this case, it is determined that the group G13 can be determined to be excellent during low temperature drying, and the group G17 can be determined to be excellent during high temperature and humidity.
  • the quality of the product data between the groups is confirmed according to the manufacturing conditions (Yes in step S14), and the characteristic of the group is the same as in step S6. Focusing on the correct arrangement relationship, the process data corresponding to this position on the principal component load amount is specified as an inhibition factor which is process data contributing to superiority or inferiority of the group (S19).
  • step S14 when the groups G13 and 17 cannot be distinguished by the manufacturing conditions, it is determined that the superiority or inferiority determination among the plurality of groups is impossible (No in step S14), and the process proceeds to step S15.
  • step S15 if superiority or inferiority between a plurality of groups cannot be determined, additional process data is newly collected, but unnecessary process data included in the process data (hereinafter referred to as “unnecessary process data”).
  • the manufacturing process lots are re-divided into multiple groups based on the process data excluding unnecessary process data, and the superiority of each group is determined based on the product data corresponding to the principal component scores belonging to the group. It may be re-determined.
  • a method for extracting unnecessary process data for example, a method having a relatively small vector component may be selected as unnecessary process data. However, the method is not limited to this.
  • the lots of the manufacturing process are divided into a plurality of groups from the principal component scores generated based on the process data, and the superiority or inferiority of the plurality of groups is determined based on the product data. If it cannot be confirmed, process data that has not been considered before is newly added, the group is re-segmented, the superiority of the group is re-determined, and the inhibiting factors that contribute to the superiority of the group after the re-evaluation are determined. By specifying, the manufacturing process can be improved efficiently.
  • material data is adopted as the additional process data.
  • the additional process data is not limited to this, and the additional process data can be selected according to the manufacturing process. is there.

Landscapes

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

Abstract

【課題】製品性能のばらつきを生じさせる阻害要因を特定し、製品性能を安定化させる製造プロセスの解析方法を提供する。 【解決手段】製品の品質を示すプロダクトデータと製品の製造条件を示すプロセスデータを収集する工程（Ｓ１）、プロセスデータを標準化して中間変数に変換する工程（Ｓ２）、中間変数に対して主成分分析を行い、プロセスデータの主成分負荷量及び主成分得点を導出する工程（Ｓ３）、主成分得点にクラスター分析を適用し、製造プロセスのロットを複数のグループに区分する工程（Ｓ４）、グループに属する主成分得点に対応するプロダクトデータの良否に基づいて、グループ毎の優劣を判定する工程（Ｓ５）、グループの優劣に寄与する阻害要因を特定する工程（Ｓ６）、を含む製造プロセスの解析方法。

Description

製造プロセスの解析方法
　本発明は、製品の製造プロセスの解析方法に関し、特に、製品性能及び製造性能のばらつきの要因を特定する製造プロセスの解析方法に関する。
　製造プラント等では、同一の製造プロセスに基づいて製品を製造している。製品の性能は、同一ロット内ではほぼ均一に仕上がるが、ロット間では、製品の性能にばらつきが生じることが知られている。すなわち、同一の製造プロセスに基づいて製品を製造しているにも関わらず、製品の性能にばらつきが生じ得る。
　このような製品性能のばらつきを抑制するために、多変量解析を用いて異常を診断するものが知られている（例えば、特許文献１参照）。特許文献１記載の製造プロセスの制御方法は、多変量解析法に基づいて製造条件及び製品性能を処理し、製造条件と製品性能とが所定の限界内に収まっているか否かを判定し、限界から外れるような場合に、限界内に戻すように製造条件を修正する。
特開平０７－２０００４０号公報
　しかしながら、上述したような従来技術は、多変量解析法で処理する代替変数に製造条件と製品性能とが混在した状態で異常診断を行うため、製品性能を事前に取得する必要があり、リアルタイムに異常診断を行うことが難しいという問題があった。
　さらに、上述した従来技術は、不良品を除外するように異常診断を行うものであり、良と判断された製品の品質の高低を考慮するものではないため、より高品位の製品を安定して供給することに寄与しないという問題があった。
　そこで、製品性能のばらつきを生じさせる阻害要因を特定し、製品性能及び製造性能を安定化させるために解決すべき技術的課題が生じてくるのであり、本発明は、この課題を解決することを目的とする。
　本発明は上記目的を達成するために提案されたものであり、請求項１記載の発明は、製品の製造プロセスの解析方法であって、前記製造プロセスによって製造された製品毎の品質を示すプロダクトデータ及び前記製品の製造条件を示すプロセスデータを前記製造プロセスのロット毎に収集する工程と、前記プロセスデータを標準化して中間変数に変換する工程と、前記中間変数に対して主成分分析を行い、前記プロセスデータの主成分負荷量及び主成分得点を導出する工程と、前記主成分得点にクラスター分析を適用し、前記製造プロセスのロットを複数のグループに区分する工程と、前記グループに属する主成分得点に対応する前記プロダクトデータに基づいて、前記グループ毎の優劣を判定する工程と、前記グループの優劣に寄与するプロセスデータである阻害要因を特定する工程と、を含む製造プロセスの解析方法を提供する。
　この構成によれば、製造プロセスのロットをプロセスデータに基づいて生成された主成分得点から複数のグループに区分し、プロダクトデータに基づいて複数のグループの優劣を判定し、グループの優劣に寄与する阻害要因を特定することにより、製造プロセスを効率良く改善することができる。
　請求項２記載の発明は、請求項１記載の製造プロセスの解析方法の構成に加えて、前記阻害要因を特定する工程において、前記阻害要因は、前記劣と判定されたグループを構成する前記主成分負荷量に応じて特定される製造プロセスの解析方法を提供する。
　この構成によれば、劣と判定されたグループの阻害要因を特定することにより、製造プロセスの改善精度を向上させることができる。
　請求項３記載の発明は、請求項１又は２記載の製造プロセスの解析方法の構成に加えて、前記グループの良否は、前記グループ内のプロダクトデータの平均値に応じて判定される製造プロセスの解析方法。
　この構成によれば、良品判定基準を設定する際に、グループの良否をグループ内のプロダクトデータの平均値に基づいて判定することにより、グループ内のプロダクトデータのばらつきが平準化されるため、グループ間のプロダクトデータの良否の傾向を大局的に把握することができる。
　請求項４記載の発明は、請求項１乃至３の何れか１項記載の製造プロセスの解析方法の構成に加えて、前記プロセスデータは、前記製造プロセスの製造条件を示すマニュファクチャデータを含む製造プロセスの解析方法を提供する。
　この構成によれば、マニュファクチャデータに基づいて生成された主成分得点からロットが複数のグループに区分され、これらのグループがプロダクトデータに基づいて優劣を判定されることにより、グループの優劣に寄与するマニュファクチャデータが特定されるため、製造プロセスを効率良く改善することができる。
　請求項５記載の発明は、請求項４記載の製造プロセスの解析方法の構成に加えて、前記プロセスデータは、前記製品の原料の条件を示すマテリアルデータを含む製造プロセスの解析方法を提供する。
　この構成によれば、グループの優劣に寄与するマニュファクチャデータ及びマテリアルデータが特定されるため、製造プロセスを更に効率良く改善することができる。
　請求項６記載の発明は、請求項１記載の製造プロセスの解析方法の構成に加えて、前記グループ毎の優劣を判定する工程において、前記グループ毎の優劣判定の可否を予め判定する製造プロセスの解析方法を提供する。
　この構成によれば、グループ毎の優劣判定の可否を判定し、グループ毎の優劣を判定可能な場合には、製造プロセスのロットをプロセスデータに基づいて生成された主成分得点から複数のグループに区分し、プロダクトデータに基づいて複数のグループの優劣を判定し、グループの優劣に寄与する阻害要因を特定することにより、製造プロセスを効率良く改善することができる。
　請求項７記載の発明は、請求項１記載の製造プロセスの解析方法の構成に加えて、前記グループ毎の優劣を判定する工程において、前記グループ毎の優劣が判定できない場合に、前記プロセスデータに含まれていない追加プロセスデータを新たに収集し、前記プロセスデータ及び前記追加プロダクトデータに基づいて前記製造プロセスのロットを複数のグループに区分し直して、該グループに属する主成分得点に対応する前記プロダクトデータに基づいて前記グループ毎の優劣を再判定する製造プロセスの解析方法を提供する。
　この構成によれば、製造プロセスのロットをプロセスデータに基づいて生成された主成分得点から複数のグループに区分し、プロダクトデータに基づいて複数のグループの優劣を判定したところ、複数のグループの優劣が判定できない場合には、それまでに考慮されていないプロセスデータを新たに追加して、グループを再度区分すると共にグループの優劣を再判定し、再判定後のグループの優劣に寄与する阻害要因を特定することにより、製造プロセスを効率良く改善することができる。
　請求項８記載の発明は、請求項１記載の製造プロセスの解析方法の構成に加えて、前記グループ毎の優劣を判定する工程において、前記グループ毎の優劣が判定できない場合に、前記プロセスデータに含まれる不要プロセスデータを削除し、該不要プロセスデータを除いた前記プロセスデータに基づいて前記製造プロセスのロットを複数のグループに区分し直して、該グループに属する主成分得点に対応する前記プロダクトデータに基づいて前記グループ毎の優劣を再判定する製造プロセスの解析方法を提供する。
　この構成によれば、複数のグループの優劣が判定できない場合には、それまでに考慮されていたが結果に大きく影響しないプロセスデータを削除して、グループを再度区分すると共にグループの優劣を再判定し、再判定後のグループの優劣に寄与する阻害要因を特定することにより、製造プロセスを効率良く改善することができる。
　本発明は、製造プロセスのロットをプロセスデータに基づいて生成された主成分得点から複数のグループに区分し、プロダクトデータに基づいて複数のグループの優劣を判定し、グループの優劣に寄与する阻害要因を特定することにより、製造プロセスが効率良く改善されるため、良好な製品性能及び製造性能を安定して示す製造プロセスを得ることができる。
本発明の第１実施例に係る製造プロセスの解析方法を適用する製造ラインの構成を示す模式図。 本発明の第１実施例に係る製造プロセスの解析方法を示すフローチャート。 ロット毎のプロセスデータを示す図。 プロセスデータ毎の主成分の情報量を示す図。 ロット毎の主成分の情報量を示す図。 第１主成分を横軸、第２主成分を縦軸とする座標系に図４に示す情報量をプロットしたグラフ。 第１主成分を横軸、第２主成分を縦軸とする座標系に図５に示す情報量をプロットしたグラフ。 図５に示す主成分得点にクラスター分析を適用して得られたデンドログラムを示す図。 図８の分析結果を図７に適用した結果を示すグラフ。 グループの優劣に寄与する阻害要因を示すグラフ。 本発明の第２実施例に係る製造プロセスの解析方法を示すフローチャート。 主成分得点においてグループ間の優劣が確認できない場合を示すグラフ。 マテリアルデータが追加され、主成分得点においてグループ間の優劣が確認できた場合を示すグラフ。 主成分得点において製造条件に応じてグループ間の優劣を確認できる場合を示すグラフ。
　本発明は、製品性能のばらつきを生じさせる阻害要因を特定し、製品性能を安定化させるという目的を達成するために、製品の製造プロセスの解析方法であって、製造プロセスによって製造された製品毎の品質を示すプロダクトデータ及び製品の製造条件を示すプロセスデータを製造プロセスのロット毎に収集する工程と、プロセスデータを標準化して中間変数に変換する工程と、中間変数に対して主成分分析を行い、プロセスデータの主成分負荷量及び主成分得点を導出する工程と、主成分得点にクラスター分析を適用し、製造プロセスのロットを複数のグループに区分する工程と、グループに属する主成分得点に対応するプロダクトデータに基づいて、グループ毎の優劣を判定する工程と、グループの優劣に寄与するプロセスデータである阻害要因を特定する工程と、を含むことにより実現する。
　以下、本発明の第１実施例に係る製造プロセスの解析方法について説明する。なお、以下の実施例において、構成要素の数、数値、量、範囲等に言及する場合、特に明示した場合及び原理的に明らかに特定の数に限定される場合を除き、その特定の数に限定されるものではなく、特定の数以上でも以下でも構わない。
　図１は、本発明を適用する製造プロセスの一例であるフィルムシートの製造ラインを示す模式図である。なお、本発明を適用する製造プロセスが製造する製品は、フィルムシートに限定されるものではなく、如何なるものであっても構わない。
　フィルムシートの製造ラインでは、原料配合工程、造粒工程、成形工程、仕上げ工程を経て、原料からフィルムシートを製造する。フィルムシートの製造ラインは、計量・混合機２と、押出機３と、ホッパー４と、成形機５と、乾燥機６と、巻取り機７と、で構成される製造装置１である。
　計量・混合機２には、樹脂等の原料１～Ｎが投入される。計量・混合機２内の原料は、均一に混合された後に押出機３に送られる。
　押出機３は、混合された原料を粒状のペレットに成形する。
　ホッパー４に投入されたペレットは、成形機５で長手方向及び幅方向に引き伸ばされて所望の厚みのフィルムシートに成形される。
　シート状に引き伸ばされたフィルムシートは、乾燥機６内で昇温されて乾燥される。
　乾燥したフィルムシートは、図示しない厚み測定手段で厚みを計測された後に、巻取り機７でロール状に巻き取られる。
　上述した各機器には、種々の値を測定するセンサ１０が設けられている。センサ１０の測定対象は、原料の投入量、成形機５内の温度、成形速度、及びフィルムシートの厚み等である。センサ１０は、測定値を制御装置２０に送る。
　各機器の動作は、制御装置２０によって制御される。制御装置２０は、例えばＣＰＵやメモリ等を有する装置制御部２１と、データの入出力を制御する入出力部２２と、データを表示する表示部２３と、データを記憶する記憶部２４と、を備えている。なお、制御装置２０の機能は、ソフトウェアを用いて制御することにより実現されても良く、ハードウェアを用いて動作することにより実現されても良い。制御装置２０は、センサ１０が測定した製品の製造条件を示すプロセスデータ、製品の品質（製品の強度、厚み及び付着異物の量等の品質情報、又は歩留まり及び不良品発生率等の製造性能等を含む）を示すプロダクトデータに基づいて、後述する処理を行う。プロセスデータは、製造プロセスの製造条件（製造装置１を構成する各種機器の運転条件等）を示すマニュファクチャデータと、原料１～Ｎの条件（原料の物性、組成等）を示すマテリアルデータと、を含む。
　装置制御部２１は、各機器を制御する制御部２１ａと、センサ１０のプロセスデータについて後述する処理を行う解析部２１ｂと、後述する阻害要因を特定する判定部２１ｃとに機能分割される。
　入出部２２は、例えば、キーボードやマウス、通信制御装置、印刷装置等がある。表示部２３は、例えば、ディスプレイがある。記憶部２３には、製造ラインの各処理で用いる加工条件や、解析部２１ｂでデータ処理する際に用いるデータ等が記憶されている。
　次に、本実施例に係る製造プロセスの解析方法について、図面に基づいて説明する。図２は、本発明の第１実施例に係る製造プロセスの解析方法を示すフローチャートである。図３は、製造ラインのロット毎に測定したプロセスデータ及びプロダクトデータを示す図である。図４は、プロセスデータ毎の主成分の情報量を示す図である。図５は、製造ラインのロット毎の主成分の情報量を示す図である。図６は、第１主成分を横軸、第２主成分を縦軸とする座標系に図４に示す情報量をプロットした主成分負荷量を示すグラフである。図７は、第１主成分を横軸、第２主成分を縦軸とする座標系に図５に示す情報量をプロットした主成分得点を示すグラフである。図８は、図５に示す情報量にクラスター分析を適用して得られたデンドログラムの図である。図９は、図８の分析結果を図７に適用した結果を示すグラフである。
　まず、動作済みの製造プロセスについて、制御装置２０が、センサ１０が測定したプロセスデータとプロダクトデータとを収集する（Ｓ１）。この工程Ｓ１では、異なる日時に同一製品同一銘柄を製造する複数のロットから成るロット群について、センサ１０が測定したロット毎のプロセスデータとプロダクトデータとを記憶部２４に記憶する。ロット毎のプロセスデータを図３に示す。図３では、２４回分のロットＬＯＴ００１～０２４について、各ロットで収集したプロセスデータｐａｒａ０１～２８を示している。プロセスデータｐａｒａ０１～２８は、原料の受入検査値、投入量、成形機５内の温度、成形速度等である。また、プロダクトデータｐａｒａ２９～３１は、乾燥機６を経たフィルムシートの厚みであって、ｐａｒａ２９は、分散値であり、ｐａｒａ３０は、平均値であり、ｐａｒａ３１は、標準偏差である。なお、図３では、一部のプロセスデータｐａｒａ０６～２７を省略している。
　次に、図３に示す表中のプロセスデータｐａｒａ０１～２８を標準化して中間関数に変換する（Ｓ２）。この工程Ｓ２では、解析部２１ｂが、プロセスデータの標準化処理は、公知のものであり、数式１に基づいて行う。
Figure JPOXMLDOC01-appb-M000001
　次に、工程２で求めた中間変数に主成分分析法を適用して、主成分負荷量及び主成分得点を求める（Ｓ３）。具体的には、中間変数における相関係数行列を作成し、相関係数行列の固有値と固有ベクトルを導出する。相関係数行列は、中間変数がｘ１、ｘ２、ｘ３・・のときに、第１主成分ＰＣ１は、数式２で示すように表される。また、第Ｎ主成分ＰＣｎは、数式３で示すように表される。そして、係数ａ１１、ａ１２、ａ１３・・を１行目の要素、係数ａｎ１、ａｎ２、ａｎ３・・をｎ行目の要素に用いることにより、相関係数行列が形成される。
Figure JPOXMLDOC01-appb-M000002
  
Figure JPOXMLDOC01-appb-M000003
　次に、相関係数行列の固有ベクトルから主成分得点を求める。また、相関係数行列の固有値から各主成分の寄与率を求める。主成分の寄与率は、固有値を固有値の総和で割ることで得られる。ここで、固有値の大きい方から、第１主成分、第２主成分・・第Ｎ主成分を決定する。
　図４に各プロセスデータｐａｒａ０１～２８の第１主成分ＰＣ１、第２主成分ＰＣ２、第３主成分３の情報量を示す。なお、本実施例では、３つの主成分のみを示しているが、各主成分の寄与率に応じて主成分の数を増減しても構わない。
　また、解析部２１ｂが、各ロットＬＯＴ００１～０２４の中間変数ｘ１、ｘ２、ｘ３と相関係数行列の各係数とに基づいて、第１主成分ＰＣ１、第２主成分ＰＣ２・・の値、即ち、主成分得点を算出とする。図５に各ロットＬＯＴ００１～０２４の主成分得点を示す。
　次に、図５に示す主成分得点にクラスター分析を適用して、ロットＬＯＴ００１～０２４を複数のグループに区分する（Ｓ４）。この工程Ｓ４では、解析部２１ｂが、工程３で導出した主成分得点についてクラスター分析を行う。「クラスター分析」とは、解析対象データ（クラスター）を類似性に着目して複数のグループに分類する方法であり、階層的クラスタリングや分類最適化クラスタリング等が知られている。本実施例におけるクラスター分析が着目する「類似性」とは、各ロットの主成分得点同士の距離をいう。本実施例では、階層的クラスタリングの一つである凝集型階層的クラスタリングを用いた。また、クラスター間の距離算出方法として、安定して解を得られるウォード法を用いた。「ウォード法」とは、２つのクラスターを併合した際の偏差平方和の増加量が最小になるクラスターを選択するものである。例えば、クラスターＡ、Ｂを併合してクラスターＣを生成する場合、クラスターＡ、Ｂ、Ｃ内の偏差平方和Ｓａ、Ｓｂ、Ｓｃは、それぞれ数式４～６のように表される。
Figure JPOXMLDOC01-appb-M000004
  
Figure JPOXMLDOC01-appb-M000005
  
Figure JPOXMLDOC01-appb-M000006
　数式４～６により、クラスターＣ内の偏差平方和Ｓｃは、以下のようになる。
Figure JPOXMLDOC01-appb-M000007
　数式７のΔＳａｂは、クラスターＡ、Ｂを併合してクラスターＣを生成した際の偏差平方和の増分であることを意味する。したがって、各併合段階でΔＳａｂが最小になるようにクラスターを選択して併合することにより、クラスタリングを進めていく。
　本実施例では、図８に示すよう、クラスター分析の結果、ロットＬＯＴ００１～０２４を３つのグループＧ１、Ｇ２、Ｇ３に区分することができた。また、この結果を図７に反映させたものを図９に示す。なお、グループの数は、３つに限定されるものではなく、ハンドリングし易い数であれば２つ以下でも４つ以上であっても構わない。
　次に、グループ毎に優劣を判定する（Ｓ５）。この工程Ｓ５では、制御装置２０は、記憶部２４に記憶されたフィルムシートの厚み寸法を示すプロダクトデータｐａｒａ２９～３１から得られる中間変数をグループＧ１～３に属するロットＬＯＴ００１～０２４毎に呼び出し、これらプロダクトデータの良否を判定する。プロダクトデータの良否は、グループ内の平均値に基づいて行うのが好ましい。これにより、グループ内のプロダクトデータのばらつきが平準化され、グループ間のプロダクトデータの良否の傾向を大局的に把握することができる。また、プロダクトデータの良否は、グループ内におけるプロダクトデータの偏差の大小や最大値及び最小値の差（範囲）の大小に基づいて判定しても構わないし、平均値、偏差又はＲ値等を２つ以上組み合わせて判定しても構わない。平均値と偏差とを組み合わせてプロダクトデータの良否を判定するものとして、例えば、グループ内の平均値が同一の場合には、グループ内の偏差が小さいものを良と判断することが考えられる。これにより、グループ内でのプロダクトデータのばらつきを考慮したグループ間のプロダクトデータの良否の傾向を大局的に把握することができる。そして、解析部２１ｂは、グループＧ１～３毎にプロダクトデータを比較し、グループＧ１～３間の優劣を決定し、その結果を記憶部２４に記憶する。本実施例では、グループＧ１が最も良好なプロダクトデータを示し、以下、Ｇ３、Ｇ２の順にプロダクトデータが悪化していることから、グループ間の優劣は、グループＧ１、Ｇ３、Ｇ２の順に決定した。
　次に、グループＧ１～３の優劣に寄与した阻害要因を特定する（Ｓ６）。この工程Ｓ６では、第１主成分ＰＣ１、第２主成分ＰＣ２の座標系（以下、「ＰＣ１、２座標系」という）上のグループＧ１～３の特徴的な配置関係に着目し、主成分負荷量上でこの位置に対応するプロセスデータｐａｒａ０１～２８をグループＧ１～３の優劣に寄与するプロセスデータである阻害要因として特定する。具体的には、判定部２１ｃは、劣と判定されたグループＧ２のＰＣ１、２座標系上での特徴的な配置、即ち、ＰＣ１、２座標系上において第１主成分ＰＣ１座標がマイナスであり、且つ第２主成分ＰＣ２座標がマイナスであることを読み取る。次に、判定部２１ｃは、グループＧ２のＰＣ１、２座標系上での特徴的な配置に対応するプロセスデータを図１０に示す主成分負荷量上から読み取る。判定部２１ｃは、主成分負荷量のＰＣ１、２座標系上における第３象限に存在するプロセスデータ（ｐａｒａ１２、１３等）を第１の阻害要因Ｐ１として判定する。
　また、グループＧ２に次いで劣と判定されたグループＧ３についても同様の解析を行うことにより、ＰＣ１、２座標系上におけるグループＧ３の特徴的な配置（第２象限）に基づいて、図６に示す主成分負荷量のＰＣ１、２座標系上における第２象限に存在するプロセスデータ（ｐａｒａ０１、０７、１８、１９等）が第２の阻害要因Ｐ２として判定される。このように、複数のグループに基づいて複数の阻害要因を特定することにより、製造プロセスの改善精度が向上する。
　なお、本実施例では、マニュファクチャデータとマテリアルデータとを同様に処理しているが、マニュファクチャデータのみでプロダクトデータの予測が可能である場合には、マテリアルデータを処理対象から適宜除外しても構わない。
　上述したように、製造プロセスのロットをプロセスデータに基づいて生成された主成分得点から複数のグループに区分し、プロダクトデータに基づいて複数のグループの優劣を判定し、グループの優劣に寄与する阻害要因を特定することにより、製造プロセスを効率良く改善することができる。
　また、劣と判定されたグループの阻害要因を特定することにより、製造プロセスの改善精度を向上させることができる。
　このようにして、製造プロセスが効率良く改善されることにより、良好な製品性能及び製造性能を安定して示す製造プロセスを得ることができる。
　次に、本発明の第２実施例に係る製造プロセスの解析方法について、図面に基づいて説明する。図１１は、本発明の第２実施例に係る製造プロセスの解析方法を示すフローチャートである。なお、以下の本実施例に関する説明において、上述した第１実施例に関する説明と重複する説明は省略する。
　まず、上述した第１実施例に係る工程Ｓ１～４と同様の手順で、製造プロセスのロットを複数のグループに区分する（Ｓ１０～１３）。
　次に、複数のグループ間の優劣を判定する（Ｓ１４）。ここで、複数のグループ間の優劣が判定不能な場合、すなわち、各グループに含まれる複数のプロダクトデータを比較して、グループ間のプロダクトデータの良否が確認できない場合には（工程Ｓ１４のＮｏ）、上述したプロセスデータに含まれていないプロセスデータ（以下、「追加プロセスデータ」と称す）を新たに収集する（Ｓ１５）。ここで、グループ間のプロダクトデータの良否が確認できるか否かの判定は、例えば、各グループのプロダクトデータの平均値の全てが製造プロセスの品質上問題ないものであれば、グループ間のプロダクトデータの良否が確認できないと判定し、各グループのプロダクトデータの平均値の少なくとも１つが製造プロセスの品質上問題があるものであれば、グループ間のプロダクトデータの良否が確認できると判定することが考えられるが、これに限定されるものではない。
　次に、解析部２１ｂが、数式１に基づいて、工程Ｓ１０で収集したプロセスデータ及び工程Ｓ１５で収集した追加プロセスデータを標準化して中間関数に変換する（Ｓ１６）。
　次に、解析部２１ｂが、工程１６で求めた中間変数における相関係数行列を作成し、この相関係数行列の固有値と固有ベクトルとを導出し、この固有ベクトルから主成分負荷量及び主成分得点を求める（Ｓ１７）。主成分負荷量及び主成分得点の具体的な算出方法は、工程Ｓ３と同様である。
　次に、工程Ｓ１７で求めた主成分得点にクラスター分析を適用して、ロットを複数のグループに再区分する（Ｓ１８）。ロットを複数のグループを区分する具体的な方法は、工程Ｓ４と同様である。
　そして、工程Ｓ１４に戻り、グループ間の優劣を再び判定する。複数のグループ間の優劣が判定可能な場合、すなわち、各グループに含まれる複数のプロダクトデータの平均値を比較して、グループ間のプロダクトデータに良否が確認できる場合には（工程Ｓ１４のＹｅｓ）、工程Ｓ６と同様に、グループの特徴的な配置関係に着目し、主成分負荷量上でこの位置に対応するプロセスデータをグループの優劣に寄与するプロセスデータである阻害要因として特定する（Ｓ１９）。なお、グループの優劣が判定不能な場合には、工程Ｓ１５～１８を再び繰り返す。
　次に、複数のグループ間の優劣を判定する工程Ｓ１４について、図１２及び図１３に基づいて更に詳しく説明する。
　図１２は、１７のロットについて、製造装置の諸条件のみのプロセスデータに主成分分析を適用し、第１主成分を横軸、第３主成分を縦軸とする座標系にその情報量をプロットしたものである。図１２では、１７のロットを４つのグループＧ４～７に区分しており、各グループを構成するロットは、図１２中の○、△、×及び＋の符号で示されている。グループＧ４～７の粘度の平均値は、グループＧ４が１０２８ｃｐ、グループＧ５が１０２７ｃｐ、グループＧ６が１０５２ｃｐ、グループＧ７が１０２３ｃｐであり、グループＧ４～７間の粘度の良否は確認できない。
　次に、図１２と同じロットについて、追加プロセスデータとしてのマテリアルデータを収集し、プロセスデータ及びマテリアルデータについて工程Ｓ１３～１８を行い、第２主成分を横軸、第３主成分を縦軸とする座標系にそれらの情報量をプロットしたものが図１３である。図１３では、１７のロットを４つのグループＧ８～１１に区分しており、各グループを構成するロットは、図１３中の○、△、×及び＋の符号で示されている。グループＧ８～１１の粘度の平均値は、グループＧ８が９８０ｃｐ、グループＧ９が１０７７ｃｐ、グループＧ１０が１０２３ｃｐ、グループＧ１１が１０５４ｃｐであり、グループＧ８の粘度が他のグループの粘度よりも良好であるから、グループＧ８は、グループＧ９～１１よりも優れていると判断できる。
　また、工程Ｓ１４は、上述したグループ毎の優劣の判定に先行して、グループ毎の優劣判定の可否を判定するものであっても構わない。グループ毎の優劣判定の可否を判定する場合には、例えば、各グループのプロダクトデータの平均値の全てが製造プロセスの品質上問題なく、且つ製造条件（材料の性状又はロード量若しくは温湿度等）によって複数のグループ間をさらに区別できる場合には、条件付きで優劣判定可と判定することが考えられるが、これに限定されるものではない。
　グループ毎の優劣判定の可否を判定する場合について具体的に説明する。工程Ｓ１０～１３に基づいて製造プロセスを複数のグループに区分すると、図１４に示すように、プロダクトデータの平均値が品質上問題ないグループが複数存在する場合がある。図１４は、３７のロットについて、製造装置の諸条件のみのプロセスデータに主成分分析を適用し、第１主成分を横軸、第２主成分を縦軸とする座標系にその情報量をプロットしたものである。図１４では、３７のロットを６つのグループＧ１２～１７に区分しており、各グループを構成するロットは、図１４中の○、△、＋、×、◇及び▽の符号で示されている。グループＧ１２～１７の粘度の平均値は、グループＧ１２が５４４３ｃｐ、グループＧ１３が５６００ｃｐ、グループＧ１４が５４７５ｃｐ、グループＧ１５が５２５０ｃｐであり、グループＧ１６が５４５０ｃｐ、グループＧ１７が５６００ｃｐであり、品質上問題ないとされる粘度を上回るグループは、グループＧ１３、１７であった。したがって、グループＧ１３、１７が他のグループＧ１２、１４、１５、１６より優れていることが分かるが、グループＧ１３、１７の何れが他方より優れているかはプロダクトデータの良否だけでは判別できない。
　次に、グループＧ１３、１７が製造条件で区別可能な場合、例えば、グループＧ１２～１４が、低温乾燥時に製造されたものであり、グループＧ１５～１７が、高温多湿時に製造されたものであるような場合には、低温乾燥時にはグループＧ１３を優と判定可能と判定し、高温多湿時にはグループＧ１７を優と判定可能であると判定する。
　製造条件に応じてグループ毎の優劣判定が可能である場合には、製造条件に応じてグループ間のプロダクトデータの良否を確認し（工程Ｓ１４のＹｅｓ）、工程Ｓ６と同様に、グループの特徴的な配置関係に着目し、主成分負荷量上でこの位置に対応するプロセスデータをグループの優劣に寄与するプロセスデータである阻害要因として特定する（Ｓ１９）。
　一方、グループＧ１３、１７が製造条件で区別できない場合には、複数のグループ間の優劣判定が不能と判定し（工程Ｓ１４のＮｏ）、工程Ｓ１５に進む。
　なお、工程Ｓ１５では、複数のグループ間の優劣判定が不能な場合には、追加プロセスデータを新たに収集しているが、プロセスデータに含まれる不要なプロセスデータ（以下、「不要プロセスデータ」と称す）を削除し、不要プロセスデータを除いたプロセスデータに基づいて製造プロセスのロットを複数のグループに区分し直して、グループに属する主成分得点に対応するプロダクトデータに基づいてグループ毎の優劣を再判定するものであっても構わない。不要プロセスデータの抽出方法として、例えばベクトル成分が相対的に小さいものを不要プロセスデータとして選択することが考えられるが、これに限定されるものではない。
　このようにして、製造プロセスのロットをプロセスデータに基づいて生成された主成分得点から複数のグループに区分し、プロダクトデータに基づいて複数のグループの優劣を判定したところ、複数のグループ間の優劣が確認できない場合には、それまでに考慮されていないプロセスデータを新たに追加して、グループを再度区分し、グループの優劣を再判定し、再判定後のグループの優劣に寄与する阻害要因を特定することにより、製造プロセスを効率良く改善することができる。
　なお、本実施例では、追加プロセスデータとしてマテリアルデータを採用しているが、追加プロセスデータがこれに限定されないことは云うまでもなく、追加プロセスデータは、製造プロセスに応じて選択可能なものである。
　なお、本発明は、本発明の精神を逸脱しない限り種々の改変をなすことができ、そして、本発明が該改変されたものにも及ぶことは当然である。
　１　・・・　製造装置
　２　・・・　計量・混合機
　３　・・・　押出機
　４　・・・　ホッパー
　５　・・・　成形機
　６　・・・　乾燥機
　７　・・・　巻取り機
　１０・・・　センサ
　２０・・・　制御装置
　２１・・・　装置制御部
　２１ａ・・・制御部
　２１ｂ・・・解析部
　２１ｃ・・・判定部
　２２・・・　入出力部
　２３・・・　表示部
　２４・・・　記憶部
 

Claims (8)

  1. 　製品の製造プロセスの解析方法であって、
    　前記製造プロセスによって製造された製品毎の品質を示すプロダクトデータ及び前記製品の製造条件を示すプロセスデータを前記製造プロセスのロット毎に収集する工程と、
    　前記プロセスデータを標準化して中間変数に変換する工程と、
    　前記中間変数に対して主成分分析を行い、前記プロセスデータの主成分負荷量及び主成分得点を導出する工程と、
    　前記主成分得点にクラスター分析を適用し、前記製造プロセスのロットを複数のグループに区分する工程と、
    　前記グループに属する主成分得点に対応する前記プロダクトデータに基づいて、前記グループ毎の優劣を判定する工程と、
    　前記グループの優劣に寄与するプロセスデータである阻害要因を特定する工程と、
    を含むことを特徴とする製造プロセスの解析方法。
  2. 　前記阻害要因を特定する工程において、前記阻害要因は、前記劣と判定されたグループを構成する前記主成分負荷量に応じて特定されることを特徴とする請求項１記載の製造プロセスの解析方法。
  3. 　前記グループの良否は、前記グループ内のプロダクトデータの平均値に応じて判定されることを特徴とする請求項１又は２記載の製造プロセスの解析方法。
  4. 　前記プロセスデータは、前記製造プロセスの製造条件を示すマニュファクチャデータを含むことを特徴とする請求項１乃至３のいずれか１項記載の製造プロセスの解析方法。
  5. 　前記プロセスデータは、前記製品の原料の条件を示すマテリアルデータを含むことを特徴とする請求項４記載の製造プロセスの解析方法。
  6. 　前記グループ毎の優劣を判定する工程において、前記グループ毎の優劣判定の可否を予め判定することを特徴とする請求項１記載の製造プロセスの解析方法。
  7. 　前記グループ毎の優劣を判定する工程において、前記グループ毎の優劣が判定できない場合に、前記プロセスデータに含まれていない追加プロセスデータを新たに収集し、前記プロセスデータ及び前記追加プロダクトデータに基づいて前記製造プロセスのロットを複数のグループに区分し直して、該グループに属する主成分得点に対応する前記プロダクトデータに基づいて前記グループ毎の優劣を再判定することを特徴とする請求項１記載の製造プロセスの解析方法。
  8. 　前記グループ毎の優劣を判定する工程において、前記グループ毎の優劣が判定できない場合に、前記プロセスデータに含まれる不要プロセスデータを削除し、該不要プロセスデータを除いた前記プロセスデータに基づいて前記製造プロセスのロットを複数のグループに区分し直して、該グループに属する主成分得点に対応する前記プロダクトデータに基づいて前記グループ毎の優劣を再判定することを特徴とする請求項１記載の製造プロセスの解析方法。
PCT/JP2017/008683 2015-03-10 2017-03-06 製造プロセスの解析方法 WO2017154814A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/081,978 US10901405B2 (en) 2015-03-10 2017-03-06 Manufacturing process analysis method
DE112017001244.9T DE112017001244T5 (de) 2015-03-10 2017-03-06 Analysemethode für Herstellungsprozesse

Applications Claiming Priority (3)

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

Publications (1)

Publication Number Publication Date
WO2017154814A1 true WO2017154814A1 (ja) 2017-09-14

Family

ID=56418688

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/008683 WO2017154814A1 (ja) 2015-03-10 2017-03-06 製造プロセスの解析方法

Country Status (5)

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

Families Citing this family (14)

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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003114713A (ja) * 2001-10-09 2003-04-18 Nippon Steel Corp 品質不良の原因解析方法
JP2009021348A (ja) * 2007-07-11 2009-01-29 Sharp Corp 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5442562A (en) * 1993-12-10 1995-08-15 Eastman Kodak Company Method of controlling a manufacturing process using multivariate analysis
JP3099932B2 (ja) * 1993-12-14 2000-10-16 株式会社東芝 インテリジェントテストラインシステム
JPH0940A (ja) 1995-06-20 1997-01-07 Yanmar Agricult Equip Co Ltd 結球野菜収穫機
TW414997B (en) * 1999-09-07 2000-12-11 Taiwan Semiconductor Mfg Quality control method of semiconductor manufacturing process
TW583567B (en) * 2002-06-28 2004-04-11 Powerchip Semiconductor Corp Automatic intelligent system for performing yield rate improvement and multivariate analysis of production process parameters and method thereof
TW583406B (en) * 2002-12-31 2004-04-11 Powerchip Semiconductor Corp Method for analyzing final test parameters
US7957821B2 (en) * 2004-11-17 2011-06-07 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods for statistical process control
TW200839557A (en) * 2007-03-23 2008-10-01 Promos Technologies Inc A method for calculating the continuity of bad wafer lots and a method for finding a defective machine using the same
US9349660B2 (en) * 2011-12-01 2016-05-24 Taiwan Semiconductor Manufacturing Company, Ltd. Integrated circuit manufacturing tool condition monitoring system and method
JP5648157B2 (ja) * 2011-12-28 2015-01-07 株式会社日立ハイテクノロジーズ 半導体製造装置
US9396443B2 (en) * 2013-12-05 2016-07-19 Tokyo Electron Limited System and method for learning and/or optimizing manufacturing processes
US10290088B2 (en) * 2014-02-14 2019-05-14 Kla-Tencor Corporation Wafer and lot based hierarchical method combining customized metrics with a global classification methodology to monitor process tool condition at extremely high throughput

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003114713A (ja) * 2001-10-09 2003-04-18 Nippon Steel Corp 品質不良の原因解析方法
JP2009021348A (ja) * 2007-07-11 2009-01-29 Sharp Corp 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体

Also Published As

Publication number Publication date
US20190129402A1 (en) 2019-05-02
US10901405B2 (en) 2021-01-26
TWI628525B (zh) 2018-07-01
JP5956094B1 (ja) 2016-07-20
JP2016177794A (ja) 2016-10-06
TW201736995A (zh) 2017-10-16
DE112017001244T5 (de) 2018-12-27

Similar Documents

Publication Publication Date Title
WO2017154814A1 (ja) 製造プロセスの解析方法
US10902530B2 (en) Production process analysis method
JP2016167205A (ja) 製造プロセスのモニタリング方法
JP4394728B2 (ja) 影響要因特定装置
JP6673216B2 (ja) 要因分析装置、要因分析方法とプログラム、及び、要因分析システム
JP5604945B2 (ja) 品質予測装置、品質予測方法、コンピュータプログラム、およびコンピュータ読み取り可能な記録媒体
WO2015122010A1 (ja) 圧延プロセスの学習制御装置
US11675343B2 (en) Production system, production method, control device, and production process analysis method
US11644822B2 (en) Production system, production method, and control device
JP2010218187A (ja) 製造条件調整装置
US11660799B2 (en) Method for controlling film production
WO2010119939A1 (ja) プロセスパラメータ選択装置、プロセスパラメータ選択方法、プロセスパラメータ選択プログラム、および、プログラム記録媒体
WO2022091639A1 (ja) 異常診断モデルの構築方法、異常診断方法、異常診断モデルの構築装置および異常診断装置
EP1633927A2 (en) Partial least squares based paper curl and twist modeling, prediction and control
US8972222B2 (en) System for identifying cause of abnormality, method of identifying cause of abnormality, and program for identifying cause of abnormality
US20200090186A1 (en) Fabricated data detection method
CN117066301B (zh) 结合生产质量监测的钛带卷加工调控方法及系统
CN117396322A (zh) 用于利用薄膜挤出机从原料总量中制造薄膜的方法以及用于执行该方法的计算机程序产品
JP6923420B2 (ja) 生産プロセスの解析方法
JP2019091372A (ja) 生産プロセスの解析方法
Schuh et al. A framework for assessing and characterizing cellular production structures
JP2023133887A (ja) 制御装置、制御方法およびプログラム
Mijajlovikj et al. Application of Taguchi method in production of samples predicting properties of polymer composites
JP2023063162A (ja) 予測モデルの作成方法、操業プロセスの条件設定方法
JP2010082932A (ja) フィルム厚みの調整方法

Legal Events

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

Ref document number: 17763154

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17763154

Country of ref document: EP

Kind code of ref document: A1