WO2019016892A1 - 品質分析装置及び品質分析方法 - Google Patents

品質分析装置及び品質分析方法 Download PDF

Info

Publication number
WO2019016892A1
WO2019016892A1 PCT/JP2017/026108 JP2017026108W WO2019016892A1 WO 2019016892 A1 WO2019016892 A1 WO 2019016892A1 JP 2017026108 W JP2017026108 W JP 2017026108W WO 2019016892 A1 WO2019016892 A1 WO 2019016892A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
condition
quality
unit
quality analysis
Prior art date
Application number
PCT/JP2017/026108
Other languages
English (en)
French (fr)
Inventor
宜史 上田
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to DE112017007659.5T priority Critical patent/DE112017007659T5/de
Priority to US16/626,716 priority patent/US20200159183A1/en
Priority to PCT/JP2017/026108 priority patent/WO2019016892A1/ja
Priority to CN201780093186.1A priority patent/CN110914771B/zh
Priority to KR1020207000670A priority patent/KR102168737B1/ko
Priority to JP2018500591A priority patent/JP6312955B1/ja
Priority to TW106130427A priority patent/TWI644222B/zh
Publication of WO2019016892A1 publication Critical patent/WO2019016892A1/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
    • 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]
    • G05B19/4183—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 data acquisition, e.g. workpiece identification
    • 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
    • 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
    • G05B2219/32177—Computer assisted quality surveyance, caq
    • 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
    • G05B2219/32201—Build statistical model of past normal proces, compare with actual process
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37229—Test quality tool by measuring time needed for machining
    • 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]

Definitions

  • the present invention relates to a quality analysis apparatus and a quality analysis method that enable estimation of a cause of a trend change in a manufacturing process or a test process of a product and a generation cause of a product failure.
  • the causes of defects (variation in quality, deterioration in yield, deterioration in tact time, increase in defective products, breakdown of equipment, etc.) at the manufacturing site are often identified by the knowledge and experience of the manufacturing site.
  • candidate causes of defects are extracted based on the knowledge and experience of the manufacturing site, there is a problem that it is not clear whether candidate causes of the defects are causes of true defects.
  • extracting causes of failure use information such as product manufacturing conditions, test conditions, and test results obtained from sensors provided in manufacturing equipment and testing equipment at manufacturing sites as quality data representing the product status Is valid.
  • the apparatus at the manufacturing site is composed of a large number of sensors, and in each sensor, values corresponding to the sensors, such as current and temperature, are acquired as quality data.
  • the type of quality data corresponding to the sensor such as current or temperature, is called a data item.
  • the feature of the defect is obtained by comparing the frequency distribution of the defective quality data with the frequency distribution of the quality data without the defect.
  • occurrence of a defect is a premise, and it is difficult to extract gradually changing quality data although it does not lead to a defect.
  • the extraction of the failure factor by comparing the frequency distribution depends on the analyst who checks the frequency distribution, so the load of the confirmation increases as the number of data items increases.
  • estimation of the cause of the difference is often judged qualitatively by the experience of the worker, and it is difficult to identify the cause of the failure. .
  • the present invention was made in order to solve such problems, and aims to provide a quality analysis device and a quality analysis method capable of speeding up the extraction of failure factor candidates and easily inferring the occurrence of a failure. I assume.
  • the quality analysis apparatus includes: a data aggregation unit that acquires quality data indicating a state of a quality analysis object; and apparatus information data indicating information of an apparatus that handles the quality analysis object; A condition setting unit that sets, for quality data and device information data, a data item to be aggregated, a reference condition indicating a condition serving as a basis for quality analysis, and a comparison condition indicating a condition to be quality analysis From the quality data acquired by the data aggregation unit and the device information data, the data satisfying the reference condition of the data item set by the condition setting unit and the data satisfying the comparison condition are extracted, and the frequency distribution is determined for each data item.
  • a distribution difference calculation unit which calculates and outputs data indicating the degree of deviation of the frequency distribution of the reference condition and the comparison condition.
  • the quality analysis apparatus sets data items to be subjected to quality analysis, reference conditions, and comparison conditions, and outputs data indicating the degree of deviation between the reference conditions and the comparison conditions for each data item. It is. As a result, it is possible to quickly extract the candidate for the cause of the failure and to easily estimate the occurrence of the failure.
  • FIG. 1 is a block diagram of a quality analysis apparatus according to the present embodiment.
  • the quality analysis apparatus according to the present embodiment includes a data aggregation unit 1, a data type classification unit 2, a condition setting unit 3, and a distribution difference calculation unit 4.
  • the data aggregation unit 1 is a processing unit that acquires quality data and device information data.
  • the data type classification unit 2 is a processing unit that classifies the quality data and the device information data acquired by the data aggregation unit 1 according to a set predetermined rule.
  • the condition setting unit 3 For the data acquired by the data aggregation unit 1 or the data classified by the data type classification unit 2, the condition setting unit 3 includes data items to be aggregated and a reference condition indicating a condition serving as a basis for quality analysis.
  • the processing unit sets a comparison condition indicating a condition to be a quality analysis target.
  • the distribution difference calculation unit 4 extracts data satisfying the condition set by the condition setting unit 3 from the data acquired by the data aggregation unit 1 or the data classified by the data type classification unit 2, for each data item. It is a processing unit that calculates the frequency distribution and outputs data indicating the degree of divergence of the data of the reference condition and the comparison condition.
  • FIG. 2 is a hardware configuration diagram of the quality analysis device of the first embodiment.
  • the illustrated quality analysis apparatus is configured using a computer, and includes a processor 101, an auxiliary storage device 102, a memory 103, an input interface (input I / F) 104, a display interface (display I / F) 105, an input device 106, and a display 107. , Signal line 108, and cables 109, 110.
  • the processor 101 is connected to other hardware via a signal line 108.
  • the input I / F 104 is connected to the input device 106 via the cable 109.
  • the display I / F 105 is connected to the display 107 via a cable 110.
  • each functional unit in the quality analysis device is realized by software, firmware, or a combination of software and firmware.
  • the software or firmware is described as a program and stored in the auxiliary storage device 102.
  • This program causes a computer to execute the procedure or method of each functional unit.
  • the processor 101 implements the functions of the data aggregation unit 1 to the distribution difference calculation unit 4 in FIG. 1 by reading and executing the program stored in the auxiliary storage device 102. Further, time-series data is also stored in the auxiliary storage device 102. Furthermore, output data such as frequency distribution may be stored in the auxiliary storage device 102.
  • the program and the quality data and the device information data stored in the auxiliary storage device 102 are loaded into the memory 103, and the processor 101 reads them to realize each function and execute each processing.
  • the execution result is written to the memory 103 and stored as output data in the auxiliary storage device 102 or is output to an output device such as the display 107 via the display I / F 105.
  • the input device 106 is used to input quality data and device information data, input parameters such as aggregation targets, comparison conditions, reference conditions and the like, and input requirements for starting quality data processing.
  • the input data received by the input device 106 is stored in the auxiliary storage device 102 via the input I / F 104.
  • the start request accepted by the input device 106 is input to the processor 101 via the input I / F 104.
  • the data aggregation unit 1 acquires quality data and device information data.
  • FIG. 3 is an example of quality data.
  • pass / fail result representing pass / fail result
  • temperature, vibration, rotational speed contact 1 current, contact 1
  • the voltage, the contact 2 current, the contact 2 voltage, etc. are shown.
  • data items such as temperature and vibration indicate the following. For example, in the test of a product having a rotating mechanism, a load is applied to the product, and measurement of a portion in accordance with the product specification is performed.
  • the quality data is data indicating the state of the product which is the quality analysis target object
  • the quality data is a set of values acquired each time the product is manufactured or inspected.
  • the quality data may be recorded in any device, for example, data stored in a factory line device or a monitoring system for controlling the device. Alternatively, it may be data stored in a product management system that manages test results in product inspection.
  • FIG. 4 shows an example of device information data.
  • the device ID is identification information of each device
  • the type ID is identification information indicating the type of the device
  • the equipment ID is identification information indicating which type of device the device is configured.
  • the setting list ID is information for identifying apparatus setting information such as a product manufacturing condition and a reference value (upper and lower limit values) used for product inspection.
  • the apparatus information data is data indicating information of an apparatus handling a product as a quality analysis target object, and thus is a sequence of values acquired each time a product is manufactured or time series data.
  • Time series data is a sequence of values obtained by sequentially observing as time passes.
  • the time-series data may be any data, for example, time-series data stored in a control system for controlling a manufacturing apparatus such as a processing machine, a robot, or a pump. It may be data stored in equipment of a factory production line or test line.
  • FIG. 3 and FIG. 4 describe the data as one table, the equipment and device data may be divided into a plurality of tables as long as the devices can be associated.
  • the data type classification unit 2 stores, for each data item aggregated by the data aggregation unit 1, a name, an ID and the like capable of identifying the data item.
  • the name or ID that can be identified for each data item may be analogized from the serial number or the value of the data item, or may be manually defined from the outside.
  • FIG. 5 shows an example in which the data items aggregated by the data aggregation unit 1 are integrated to generate a table. This table may be a spreadsheet application sheet or a table in a database.
  • FIG. 6 is a flowchart showing the operation of the condition setting unit 3 and the distribution difference calculation unit 4.
  • FIG. 7 is an explanatory view showing the conditions set by the condition setting unit 3.
  • the condition setting unit 3 sets an analysis condition as -Data items to be calculated as frequency distribution and their upper and lower limit values (totaling target)
  • the data item to be the comparison condition, the value, the data item to be the reference condition, and three points of the value are selected (steps ST1 and ST2), and the selection result is set (step ST3).
  • the comparison condition and the reference condition may be automatically classified as shown in FIG. 7 by a clustering method.
  • the processor 101 When defining from the outside, the processor 101 performs processing corresponding to the condition setting unit 3 by inputting the corresponding value from the input device 106 in FIG. 2, and stores the analysis condition in the auxiliary storage device 102.
  • the example shown in FIG. 7 is condition setting for extracting records that satisfy the conditions for each of vibration and rotational speed.
  • An example query for obtaining the value of each data item is shown below.
  • ⁇ Calculation target The value of "vibration” is 100 to 120, the value of "rotational speed” is 0 to 50
  • aggregation unit is an aggregation unit of frequency distribution. It is a unit per scale of the horizontal axis in the frequency distribution of FIG. 8 described later. Furthermore, the conditions for which “2016/04”, “2016/06” and “OK” which are displayed shaded in “period”, “type ID”, “pass / fail result” and “temperature” of the display example are selected are shown.
  • the distribution difference calculation unit 4 extracts data satisfying the “comparison condition” for each “data item to be aggregated” set by the condition setting unit 3 from the data collected by the data type classification unit 2, and the area is 1
  • the frequency distribution is calculated so as to be (step ST4, step ST5).
  • the frequency distribution satisfying this comparison condition is called a comparison distribution.
  • data satisfying the “reference condition” is also extracted, and the frequency distribution is calculated so that the area is 1.
  • the frequency distribution satisfying this reference condition is called a reference distribution. Then, the reference distribution and the comparison distribution are superimposed and output.
  • step ST7 the reference distribution for each data item to be aggregated is The comparison distribution.
  • FIG. 8 An example is shown in FIG. In FIG. 8, the horizontal axis represents the number, and the vertical axis represents the frequency.
  • the solid line is the reference distribution, and the broken line is the comparative distribution.
  • the reference 8000 and the comparison 2000 indicate that there are 8000 reference conditions and 2000 comparison conditions.
  • the data item at which the difference between the reference distribution and the comparison distribution is the largest in the output of the distribution difference calculation unit 4 is the failure occurrence factor.
  • the degree of deviation of “vibration” since the degree of deviation of “vibration” is high, it can be considered that “vibration” has a high possibility of causing a defect.
  • the distance between the peak of the reference distribution and the peak of the comparison distribution may be calculated for each data item, rearranged in descending order of the degree of divergence, and output. Also, the number of samples of the reference distribution and the number of populations of each of the comparative distributions may be output.
  • the quality analysis device it is possible to quantitatively and quickly extract the tendency of the quality data and the device information data regardless of the occurrence of the failure. For example, it is possible to quickly determine whether the current condition is normal or not by comparing the data of the period in which the product has been successfully manufactured after device maintenance with the latest data for several data items.
  • the reference condition is "a normal operation period immediately after maintenance"
  • the comparison condition is a "period for which the latest comparison is desired”.
  • the present is 05/01/2016
  • the maintenance is carried out on 04/01/2016, and one week after that, it has been operating normally without any problems.
  • the reference condition is set to 2016/04/01 to 2016/04/08.
  • the latest data used as the comparison condition a desired period other than the normal operation period is used. Also, if a data item in which the degree of deviation between the reference distribution and the comparison distribution is large is found, it is possible to cope with the problem before it occurs.
  • the data aggregation unit acquires the quality data indicating the state of the quality analysis object and the device information data indicating the information of the device handling the quality analysis object And comparison between the data items to be aggregated, the reference conditions indicating the conditions to be the basis of the quality analysis target, and the conditions to be the quality analysis target, for the quality data and device information data acquired by the data aggregation unit Extract the data that satisfies the reference condition of the data item set by the condition setting unit and the data that satisfies the comparison condition from the condition setting unit that sets conditions and the quality data and device information data acquired by the data aggregation unit And the distribution difference calculating unit which calculates the frequency distribution for each data item and outputs data indicating the degree of deviation of the frequency distribution of the reference condition and the comparison condition, so that defect factor candidates can be extracted quickly. It can be, and it is possible to infer the occurrence of problems easily.
  • the distribution difference calculation unit is provided with a data type classification unit that classifies the quality data and device information data acquired by the data aggregation unit according to the set type. Since the data classified by the data type classification unit is used instead of the quality data and the device information data acquired by the data aggregation unit, it is possible to more quickly extract the cause of the failure.
  • the condition setting unit sets the data item, the reference condition, and the comparison condition based on the data item instructed from the outside, the reference condition, and the comparison condition. Therefore, arbitrary data items, reference conditions and comparison conditions can be easily set.
  • the data aggregation unit acquires the quality data indicating the state of the quality analysis object and the device information data indicating the information of the apparatus handling the quality analysis object.
  • a step, a condition setting unit, for the quality data and device information data acquired in the data aggregation step, a data item to be aggregated, a reference condition indicating a condition to be a basis of the quality analysis object, and a quality analysis object The condition setting step of setting the comparison condition indicating the condition to be set, and the distribution difference calculation unit, the reference condition of the data item set in the condition setting step from the quality data and device information data acquired in the data aggregation step Extract the data that satisfies and the data that satisfies the comparison condition, calculate the frequency distribution for each data item, and show the data that indicates the divergence between the frequency distribution of the reference condition and the comparison condition Since a distribution variance calculation step of force, the candidate of the insufficiency cause can be quickly extracted, and it is possible to infer the
  • event data indicating what kind of event has occurred in the apparatus is also included, and the values of the data items obtained in the first embodiment and the event data
  • the expert is a person who is familiar with the manufacturing process and the testing process of the product, and indicates, for example, an experienced worker, a designer of a manufacturing apparatus, and the like.
  • FIG. 9 is a block diagram showing the quality analysis apparatus of the second embodiment.
  • the illustrated quality analysis apparatus includes a data aggregation unit 1 a, a data type classification unit 2, a condition setting unit 3, a distribution difference calculation unit 4, and an event influence analysis unit 5. Similar to the data aggregation unit 1 in the first embodiment, the data aggregation unit 1a acquires quality data and device information data, and acquires event data indicating what kind of event has occurred for the device.
  • the event influence analysis unit 5 treats a data item whose deviation degree in the distribution difference calculation unit 4 is equal to or more than a set value as a factor candidate having a possibility of malfunction, the relationship between the value of the factor candidate for a fixed period and the event occurrence date It is a processing unit that outputs the data shown.
  • the data type classification unit 2 to the distribution difference calculation unit 4 have the same configuration as that of the first embodiment, so the corresponding parts are denoted by the same reference numerals and the description thereof is omitted.
  • the hardware configuration of the quality analysis apparatus according to the second embodiment is the same as the configuration shown in FIG. However, in addition to the configuration of the first embodiment, the processor 101, the auxiliary storage device 102, and the memory 103 are configured to realize the function corresponding to the data aggregation unit 1a and the function corresponding to the event influence analysis unit 5. There is.
  • FIG. 10 is an explanatory diagram of an example of event data.
  • “facility ID”, “type ID”, “device ID”, “event occurrence date”, “event category”, “event detail”,... are shown as data items.
  • the "event occurrence date” is the date and time when the event occurred
  • the "event classification” is information indicating the type of the event.
  • there are various types of events for each manufacturing site such as “maintenance of equipment”, “cleaning of equipment”, “change of supplier”, “change of material specification”, “change of person in charge”, etc. Polishing of the mold (one of the equipment maintenance) is “Event Category 1", and material exchange is “Event Category 2".
  • “event details” is information indicating specific contents of an event.
  • the processing of data indicating the degree of divergence of the data of the reference condition and the comparison condition based on the quality data and the device information data acquired by the data aggregation unit 1a is the same as that of the first embodiment.
  • the processes of data type classification unit 2, condition setting unit 3, and distribution difference calculation unit 4 are the same as in the first embodiment, and thus the description thereof is omitted here.
  • FIG. 11 is a flowchart showing the operation of the event influence analysis unit 5.
  • the event influence analysis unit 5 sets a data item whose deviation degree is equal to or more than a set value as a factor candidate (step ST11).
  • the relationship between the change in the tendency waveform of the factor candidate and the event data is extracted (step ST12).
  • the tendency waveform of the factor candidate is, for example, a set of values as follows.
  • Event influence analysis unit 5 analyzes both trend waveform and event data By correlating the date and equipment information common to the data, the change of the tendency waveform due to the event is output (step ST13).
  • FIG. 12 is an example of the value of the factor candidate in the tendency waveform of the factor candidate
  • FIG. 13 is a graph of the tendency waveform based on the values of FIG.
  • the average daily vibration value changes in the first half of March, and the difference between the average daily vibration value and the previous day has a peak in the first half of March.
  • the number of NG shows a peak in the middle of March.
  • FIG. 14 is an example in which the trend waveform and the event data are associated with the closest date.
  • FIG. 15 is the graph.
  • the broken line indicates the event occurrence date.
  • the vibration NG number increases immediately after the event occurrence date is 3/14, and it can be estimated that the 3/14 event is the cause of the failure occurrence.
  • the trend waveform and the event data may be associated with each other by data items other than the event occurrence date.
  • the event category it is possible to determine which event category (type of event) has changed the tendency.
  • immediately after the occurrence of the event segment 1 it may be confirmed whether the trend waveform always has a similar change. If, after execution of a certain event, a trend change has occurred in a large number of sections, it is assumed that there is a case in which no change occurs in a certain section. If such a section or event is found, it can be inferred that there is something abnormal in that section or that the event itself is defective.
  • the data aggregation unit acquires event data indicating what kind of event has occurred with respect to the device, and the degree of divergence of the distribution difference calculation unit Since the event influence analysis unit outputs data indicating the relationship between the value of a factor candidate for a fixed period and event data, as a factor candidate having a possibility that a problem is a data item having a value greater than the set value, As well as factors that change the tendency of the candidate, it is possible to know when the tendency changes and events associated with the change in the tendency. Thereby, the factor of the factor candidate can be identified quantitatively and quickly. In addition, by quantifying the change (impact) of the tendency of the factor candidate due to the event, it becomes possible to confirm the tendency after the planned event.
  • the present invention allows free combination of each embodiment, or modification of any component of each embodiment, or omission of any component in each embodiment. .
  • the quality analysis device and the quality analysis method according to the present invention relate to a configuration that enables estimation of the cause of the trend change in the manufacturing process and testing process of the product and the cause of the failure of the product. Suitable for estimating product defects under set conditions.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

データ集約部（１）は、品質データと装置情報データを取得する。条件設定部（３）は、データ集約部（１）で取得された品質データと装置情報データに対して、集計対象となるデータ項目と、品質分析対象の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する。分布差異計算部（４）は、データ集約部（１）で取得された品質データと装置情報データから、条件設定部（３）で設定されたデータ項目の基準条件を満たすデータと比較条件を満たすデータとを抽出して、データ項目毎に度数分布を計算し、基準条件と比較条件の度数分布の乖離度を示すデータを出力する。

Description

品質分析装置及び品質分析方法
　本発明は、製品の製造工程や試験工程における傾向変化の要因や、製品の不具合の発生要因の推定を可能とする品質分析装置及び品質分析方法に関する。
　製造現場における不具合（品質のばらつき、歩留まりの悪化、タクトタイムの悪化、不良品の増加、装置の故障等）発生の要因は、製造現場の知見や経験で判明されることが多い。不具合の要因候補を、製造現場の知見や経験に基づき抽出した際、その不具合の要因候補が真の不具合の要因であるかが明確で無いという問題がある。
　不具合の要因を抽出するにあたり、製造現場の製造装置や試験装置に備わるセンサから得られた、製品の製造条件、試験条件、試験結果といった情報は製品の状態を表す品質データとしてこれを活用することは有効である。製造現場の装置は、多数のセンサで構成されており、それぞれのセンサでは電流や温度等、センサに応じた値が品質データとして取得される。ここでは電流や温度などセンサに対応する品質データの種類をデータ項目と呼ぶ。
　従来、このようなセンサからの情報に基づいて、製品の品質を分析する装置として、データ項目毎に、不具合が発生している製品の品質データと、不具合が発生していない製品の品質データとを度数分布として可視化して比較するようにした装置があった（例えば、特許文献１参照）。作業者は、従来、このような装置を用い、比較結果を確認して、差異が大きくなるデータ項目がある場合は、それを不具合の要因候補として判断している。
特開２００８－１８１３４１号公報
　従来では、上記特許文献１に記載されているような品質分析装置を用いて、不具合のあった品質データの度数分布と、不具合の無かった品質データの度数分布を比較することで、不具合の特徴が現れるデータ項目を特定して、製造現場における不具合の候補を抽出していた。
　しかしながら、従来の品質分析装置では、不具合の発生が前提となっており、不具合には至らないが徐々に変化する品質データの抽出は困難であった。仮に不具合が発生していても度数分布の比較による不具合要因の抽出は、度数分布を確認する分析者に依るため、データ項目の増加に伴い、確認の負荷も高くなる。また、度数分布に何らかの差が発生していたとしても、差が発生する原因の推定については作業者の経験で定性的に判断されている場合が多く、不具合の要因の特定は困難であった。
　この発明は、かかる問題を解決するためになされたもので、不具合要因の候補抽出の迅速化と、不具合の発生を容易に推測することのできる品質分析装置及び品質分析方法を提供することを目的とする。
　この発明に係る品質分析装置は、品質分析対象物の状態を示す品質データと、品質分析対象物を扱う装置の情報を示す装置情報データを取得するデータ集約部と、データ集約部で取得された品質データと装置情報データに対して、集計対象となるデータ項目と、品質分析対象の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する条件設定部と、データ集約部で取得された品質データと装置情報データから、条件設定部で設定されたデータ項目の基準条件を満たすデータと比較条件を満たすデータとを抽出して、データ項目毎に度数分布を計算し、基準条件と比較条件の度数分布の乖離度を示すデータを出力する分布差異計算部とを備えたものである。
　この発明に係る品質分析装置は、品質解析対象となるデータ項目と基準条件と比較条件とを設定し、データ項目毎に基準条件と比較条件との乖離度を示すデータを出力するようにしたものである。これにより、不具合要因の候補を迅速に抽出することができ、かつ、不具合の発生を容易に推測することができる。
この発明の実施の形態１の品質分析装置を示す構成図である。 この発明の実施の形態１の品質分析装置のハードウェア構成図である。 この発明の実施の形態１の品質分析装置の品質データの一例を示す説明図である。 この発明の実施の形態１の品質分析装置の装置情報データの一例を示す説明図である。 この発明の実施の形態１の品質分析装置のデータ種類分類部で分類されたデータの一例を示す説明図である。 この発明の実施の形態１の品質分析装置における条件設定部と分布差異計算部の動作を示すフローチャートである。 この発明の実施の形態１の品質分析装置における条件設定された画面を示す説明図である。 この発明の実施の形態１の品質分析装置における分布差異計算部の出力データを示す説明図である。 この発明の実施の形態２の品質分析装置を示す構成図である。 この発明の実施の形態２の品質分析装置のイベントデータを示す説明図である。 この発明の実施の形態２の品質分析装置のイベント影響解析部の動作を示すフローチャートである。 この発明の実施の形態２の品質分析装置における要因候補の傾向波形における要因候補の値の一例を示す説明図である。 この発明の実施の形態２の品質分析装置における図１２の値に基づく傾向波形を示す説明図である。 この発明の実施の形態２の品質分析装置における傾向波形とイベントデータとを最も近い日付で対応付けした例を示す説明図である。 この発明の実施の形態２の品質分析装置における図１４の値を波形として示す説明図である。
　以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
　図１は、本実施の形態による品質分析装置の構成図である。
　本実施の形態による品質分析装置は、データ集約部１、データ種類分類部２、条件設定部３、分布差異計算部４を備える。データ集約部１は品質データと装置情報データを取得する処理部である。データ種類分類部２は、データ集約部１で取得された品質データと装置情報データとを設定された所定のルールで分類する処理部である。条件設定部３は、データ集約部１で取得されたデータまたはデータ種類分類部２で分類されたデータに対して、集計対象となるデータ項目と、品質分析の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する処理部である。分布差異計算部４は、データ集約部１で取得されたデータまたはデータ種類分類部２で分類されたデータから、条件設定部３で設定された条件を満たすデータを抽出して、データ項目毎に度数分布を計算し、基準条件と比較条件のデータの乖離度を示すデータを出力する処理部である。
　図２は、実施の形態１の品質分析装置のハードウェア構成図である。
　図示の品質分析装置はコンピュータを用いて構成され、プロセッサ１０１、補助記憶装置１０２、メモリ１０３、入力インタフェース（入力Ｉ／Ｆ）１０４、ディスプレイインタフェース（ディスプレイＩ／Ｆ）１０５、入力装置１０６、ディスプレイ１０７、信号線１０８、ケーブル１０９，１１０を備えている。プロセッサ１０１は、信号線１０８を介して、他のハードウェアに接続されている。入力Ｉ／Ｆ１０４は、ケーブル１０９を介して、入力装置１０６に接続されている。ディスプレイＩ／Ｆ１０５は、ケーブル１１０を介して、ディスプレイ１０７に接続されている。
　品質分析装置における各機能部の機能は、ソフトウエア、ファームウエア、またはソフトウエアとファームウエアとの組み合わせにより実現される。ソフトウエアまたはファームウエアはプログラムとして記述され、補助記憶装置１０２に記憶されている。このプログラムは、各機能部の手順または方法をコンピュータに実行させるものである。プロセッサ１０１は、補助記憶装置１０２に記憶されているプログラムを読み出して実行することにより、図１におけるデータ集約部１～分布差異計算部４の機能を実現する。また、時系列データも補助記憶装置１０２に記憶される。さらに、度数分布などの出力データも補助記憶装置１０２に記憶するようにしてもよい。
　補助記憶装置１０２に記憶されているプログラムと、品質データ及び装置情報データは、メモリ１０３にロードされ、プロセッサ１０１がこれを読み込んで各機能を実現すると共にそれぞれの処理を実行する。実行結果は、メモリ１０３に書き込まれ、出力データとして補助記憶装置１０２に記憶されるか、ディスプレイＩ／Ｆ１０５を介してディスプレイ１０７といった出力装置に出力される。
　入力装置１０６は、品質データ及び装置情報データの入力、集計対象、比較条件、基準条件等のパラメータの入力、品質データ処理の開始要求等の入力に使用される。入力装置１０６が受け付けた入力データは、入力Ｉ／Ｆ１０４を介して、補助記憶装置１０２に記憶される。入力装置１０６が受け付けた開始要求は、入力Ｉ／Ｆ１０４を介して、プロセッサ１０１に入力される。
　次に、実施の形態１の品質分析装置の動作について説明する。
　データ集約部１は、品質データと装置情報データを取得する。図３は品質データの一例である。図３では品質データのデータ項目の例として、製番、装置へ製品が投入された日時（＝投入時刻）、合格不合格を表す合否結果、温度、振動、回転速度、接点１電流、接点１電圧、接点２電流、接点２電圧などを示している。ここで、温度、振動等のデータ項目は次のことを示している。例えば、回転機構を持つ製品の試験では、製品に負荷を与え、製品仕様に則った箇所の測定を行う。その測定では、負荷を与えた際の製品温度や振動、回転速度、所定の箇所（接点１、接点２等）を流れる電流電圧を測定する。図３におけるデータ項目の「接点１電流」や「接点１電圧」は、試験時の所定箇所における電流値及び電圧値を示している。
　品質データは、品質分析対象物である製品の状態を示すデータであるため、製品の製造や検査の都度、取得された値の集合である。品質データはどのような装置に記録されているものでも良く、例えば工場のライン装置や、装置を制御するための監視システムに蓄積されているデータである。あるいは、製品検査における試験結果を管理する製品管理システムに蓄積されているデータでも良い。
　図４は、装置情報データの一例を示している。図４では、装置情報データのデータ項目の例として、設備ＩＤ、種別ＩＤ、装置ＩＤ、製造日時、製番、製造時の設定情報（＝設定リストＩＤ）などを示している。なお、装置ＩＤとは個々の装置の識別情報であり、種別ＩＤとは装置の種別を示す識別情報であり、設備ＩＤとはどの種別の装置で構成されているかを示す識別情報である。また、設定リストＩＤとは、製品の製造条件や製品検査に用いる基準値（上下限値）といった装置の設定情報を識別するための情報である。装置情報データは、品質分析対象物としての製品を扱う装置の情報を示すデータであるため、製品の製造時の都度取得された値の列や時系列データである。時系列データは、時間の経過に従って順次観測して得られた値の列である。時系列データはどのようなものでも良く、例えば加工機、ロボット、ポンプ等の製造装置を制御するための制御システムに蓄積されている時系列データである。工場の製造ラインや試験ラインの装置に蓄積されているデータでも良い。
　図３及び図４では、データを一つの表として記載しているが、装置の対応付けが可能であれば、設備や、装置のデータが複数の表に分割されていても構わない。
　データ種類分類部２では、データ集約部１にて集約されたデータ項目毎に、データ項目を識別可能な名称、ＩＤ等を格納する。これらのデータ項目毎に識別可能な名称やＩＤは、連番やデータ項目の値より類推しても良く、人手で外部から定義しても良い。図５ではデータ集約部１にて集約されたデータ項目を統合して表を生成する例を示している。この表は、表計算アプリケーションのシートや、データベースにおけるテーブルでも良い。
　次に、条件設定部３と分布差異計算部４の動作について説明する。図６は、条件設定部３と分布差異計算部４の動作を示すフローチャートである。また、図７は、条件設定部３が設定する条件を示す説明図である。
　条件設定部３は、分析条件として、
・度数分布として計算するデータ項目と、その上下限値（集計対象）
・比較条件とするデータ項目と、その値
・基準条件とするデータ項目と、その値
の３点を選択し（ステップＳＴ１、ＳＴ２）、その選択結果を設定する（ステップＳＴ３）。比較条件や基準条件は、クラスタリング手法により図７のように自動で分類しても良い。あるいは、予め人手で定義しておいても良いし、データベースのクエリのように条件を人手で記入しても良い。外部から定義する場合は、図２における入力装置１０６から対応する値を入力することでプロセッサ１０１が条件設定部３に対応する処理を行い、分析条件を補助記憶装置１０２に記憶させる。
　図７に示す例は、振動と回転速度、それぞれについて条件を満たすレコードを抽出するための条件設定である。それぞれのデータ項目の値を得るためのクエリ例を以下に示す。
　■集計対象：「振動」の値が１００～１２０、「回転速度」の値が０～５０
　■比較条件：期間２０１６／４，２０１６／６，合否結果＝ＯＫ
　・比較条件を満たす「振動」のクエリ
　　SELECT　振動 FROM　データ種類分類部表
　　　WHERE 振動BTWEEN 100 AND 120　AND
　　　投入時刻=2016/4 OR 投入時刻=2016/6 AND
　　　合否結果=OK
　・比較条件を満たす「回転速度」のクエリ
　　SELECT　回転速度 FROM　データ種類分類部表
　　　WHERE 回転速度BTWEEN 0 AND 50　AND
　　　投入時刻=2016/4 OR 投入時刻=2016/6 AND
　　　合否結果=OK
　■基準条件：全て
　・基準条件を満たす「振動」のクエリ
　　SELECT　振動 FROM　データ種類分類部表
　　　WHERE 振動BTWEEN 100 AND 120
　・基準条件を満たす「回転速度」のクエリ
　　SELECT　回転速度 FROM　データ種類分類部表
　　　WHERE 回転速度BTWEEN 0 AND 50
　また、図７において、「集計単位」とは、頻度分布の集計単位である。後述する図８の度数分布における横軸１目盛り当たりの単位となる。さらに、表示例の「期間」「種別ＩＤ」「合否結果」「温度」における網掛け表示された「２０１６／０４」「２０１６／０６」「ＯＫ」が選択された条件を示している。
　分布差異計算部４は、データ種類分類部２によって集約されたデータから、条件設定部３が設定した「集計対象のデータ項目」毎に「比較条件」を満たすデータを抽出して、面積が１となるように度数分布を算出する（ステップＳＴ４、ステップＳＴ５）。この比較条件を満たす度数分布を比較分布と呼ぶ。同様に「基準条件」を満たすデータも抽出して、面積が１となるように度数分布を算出する。この基準条件を満たす度数分布を基準分布と呼ぶ。そして、基準分布と比較分布を重ねて出力する。これらの処理（ステップＳＴ４，ＳＴ５）を全てのデータ項目について行い（ステップＳＴ６－ＮＯのループ）、全てのデータ項目について処理した場合（ステップＳＴ６－ＹＥＳ）、集計対象のデータ項目毎の基準分布と比較分布を出力する（ステップＳＴ７）。図８に例を示す。図８中、横軸が件数を表し、縦軸が頻度を表す。実線が基準分布であり、破線が比較分布を示している。また、基準が８０００、比較が２０００とは、基準条件が８０００件あり、比較条件が２０００件であったことを示している。
　分布差異計算部４の出力で、基準分布と比較分布の乖離が最も大きくなるデータ項目が不具合発生要因である可能性が高いと考えられる。図８の例では、「振動」の乖離度が高いため、「振動」が不具合発生要因の可能性が高いと考えることができる。
　また、出力の際に、データ項目毎に、基準分布のピークと、比較分布のピークの距離を算出して、乖離度合いが高い順に並べ替えて出力しても良い。また、基準分布の標本数と、比較分布それぞれの母集団数を出力しても良い。
　このように、実施の形態１の品質分析装置では、不具合の発生有無にかかわらず、品質データや、装置情報データの傾向を定量的かつ迅速に抽出することが可能である。例えば、いくつかのデータ項目について、装置メンテナンス後の正常に製品が製造できていた期間のデータと、直近のデータで比較することで、現状が正常か否かを迅速に判断できる。その一例としては、基準条件を「メンテ直後の正常運転期間」とし、比較条件を「直近の比較したい期間」とする。ここで、現在が２０１６／０５／０１であり、メンテが２０１６／０４／０１に実施され、その後１週間、何の問題も起こらず正常に動作していたとする。その場合は、基準条件を２０１６／０４／０１～２０１６／０４／０８とする。比較条件とする直近のデータとしては、正常運転期間以外の所望の期間とする。
　また、基準分布と比較分布の乖離度が大きくなっているデータ項目を発見した場合は、不具合に至る前に対応することができる。
　以上説明したように、実施の形態１の品質分析装置によれば、品質分析対象物の状態を示す品質データと、品質分析対象物を扱う装置の情報を示す装置情報データを取得するデータ集約部と、データ集約部で取得された品質データと装置情報データに対して、集計対象となるデータ項目と、品質分析対象の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する条件設定部と、データ集約部で取得された品質データと装置情報データから、条件設定部で設定されたデータ項目の基準条件を満たすデータと比較条件を満たすデータとを抽出して、データ項目毎に度数分布を計算し、基準条件と比較条件の度数分布の乖離度を示すデータを出力する分布差異計算部とを備えたので、不具合要因の候補を迅速に抽出することができ、かつ、不具合の発生を容易に推測することができる。
　また、実施の形態１の品質分析装置によれば、データ集約部で取得された品質データと装置情報データを、設定された種類毎に分類するデータ種類分類部を備え、分布差異計算部は、データ集約部で取得された品質データと装置情報データに代えて、データ種類分類部で分類されたデータを用いるようにしたので、不具合要因の候補の抽出をより迅速に行うことができる。
　また、実施の形態１の品質分類装置によれば、条件設定部は、外部より指示されたデータ項目と基準条件と比較条件とにより、データ項目と基準条件と比較条件とを設定するようにしたので、任意のデータ項目と基準条件と比較条件とを容易に設定することができる。
　また、実施の形態１の品質分析方法によれば、データ集約部が、品質分析対象物の状態を示す品質データと、品質分析対象物を扱う装置の情報を示す装置情報データを取得するデータ集約ステップと、条件設定部が、データ集約ステップで取得された品質データと装置情報データに対して、集計対象となるデータ項目と、品質分析対象の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する条件設定ステップと、分布差異計算部が、データ集約ステップで取得された品質データと装置情報データから、条件設定ステップで設定されたデータ項目の基準条件を満たすデータと比較条件を満たすデータとを抽出して、データ項目毎に度数分布を計算し、基準条件と比較条件の度数分布の乖離度を示すデータを出力する分布差異計算ステップとを備えたので、不具合要因の候補を迅速に抽出することができ、かつ、不具合の発生を容易に推測することができる。
実施の形態２．
　実施の形態２は、データ集約部１が取得するデータとして、装置に関してどのようなイベントが発生したかを示すイベントデータも含めるようにし、実施の形態１で求めたデータ項目の値とイベントデータとの関係を求めるようにしたものである。
　すなわち、分布差異計算部４で抽出された基準条件と比較条件の乖離度の高いデータ項目は、あくまでも品質データや装置情報データから統計的に求められた、不具合の可能性が高い事象（以降、これを要因候補という）である。そこで、実施の形態２では、従来は専門家が確認していたイベントデータと要因候補のＯＫ／ＮＧの変化や統計量で集約した値とを対応付ける。これによって、専門家の知見を反映させたのと同等の結果を得ることができる。なお、ここで専門家とは、製品の製造工程や試験工程について熟知した人物であり、例えば、経験豊富な作業者や製造装置の設計者等を指す。
　図９は実施の形態２の品質分析装置を示す構成図である。図示の品質分析装置は、データ集約部１ａ、データ種類分類部２、条件設定部３、分布差異計算部４、イベント影響解析部５を備える。データ集約部１ａは、実施の形態１におけるデータ集約部１と同様に、品質データと装置情報データを取得すると共に、装置に関してどのようなイベントが発生したかを示すイベントデータを取得する。イベント影響解析部５は、分布差異計算部４の乖離度が設定値以上であるデータ項目を不具合の可能性がある要因候補として、要因候補の一定期間の値と、イベント発生日との関係を示すデータを出力する処理部である。なお、データ種類分類部２～分布差異計算部４については、実施の形態１と同様の構成であるため、対応する部分に同一符号を付してその説明を省略する。
　また、実施の形態２の品質分析装置のハードウェア構成については、図２に示した構成と同様である。但し、実施の形態１の構成に加えて、データ集約部１ａに対応した機能とイベント影響解析部５に対応した機能とを、プロセッサ１０１、補助記憶装置１０２、メモリ１０３によって実現するよう構成されている。
　次に、実施の形態２の品質分析装置の動作について説明する。
　先ず、データ集約部１ａは、品質データと装置情報データに加えてイベントデータを取得する。
　図１０は、イベントデータの一例を示す説明図である。この例では、データ項目として「設備ＩＤ」「種別ＩＤ」「装置ＩＤ」「イベント発生日」「イベント区分」「イベント詳細」…が示されている。「イベント発生日」は、そのイベントが発生した日時であり、「イベント区分」とは、そのイベントの種類を示す情報である。例えば、「装置のメンテナンス」「装置の清掃」「調達先の変更」「材料仕様の変更」「担当者の変更」等、製造現場毎にさまざまな種類のイベントがあり、ここでは、例として金型の研磨（装置メンテナンスのひとつ）を「イベント区分１」、材料の交換を「イベント区分２」としている。また、「イベント詳細」とは具体的なイベントの内容を示す情報である。
　データ集約部１ａで取得された品質データと装置情報データによる基準条件と比較条件のデータの乖離度を示すデータの処理については実施の形態１と同様である。すなわち、データ種類分類部２、条件設定部３及び分布差異計算部４の処理については実施の形態１と同様であるため、ここでの説明は省略する。
　図１１は、イベント影響解析部５の動作を示すフローチャートである。
　先ず、イベント影響解析部５は、乖離度が設定値以上のデータ項目を要因候補として設定する（ステップＳＴ１１）。次に、要因候補の傾向波形の変化とイベントデータとの関連性を抽出する（ステップＳＴ１２）。要因候補の傾向波形は、例えば以下のような値の集合である。
　・要因候補の値
　・日毎や月毎等、一定期間で、要因候補の値を平均値や標準偏差等の統計量で集約した値
　・日毎や月毎等、一定期間で集約した、要因候補のＯＫ／ＮＧ数
　・日毎や月毎等、一定期間で、要因候補の値を平均値や標準偏差等の統計量で集約した値の差分
　イベント影響解析部５は、傾向波形とイベントデータを、両データに共通する日付や設備情報を元に対応付けすることで、イベントによる傾向波形の変化を出力する（ステップＳＴ１３）。
　図１２は要因候補の傾向波形における要因候補の値の一例であり、図１３は図１２の値に基づく傾向波形のグラフである。日毎の振動の平均値が３月前半で変化しているデータで、日毎の振動の平均値の前日との差分は３月の前半にピークが発生している。また、ＮＧ数については３月の半ばにピークが発生している。
　図１４は、傾向波形とイベントデータとを最も近い日付で対応付けした例である。図１５は、そのグラフである。図１５において、破線がイベント発生日を示している。この例では、図１５に示すように、イベント発生日が３／１４の直後に振動ＮＧ数が増加しており、３／１４のイベントが不具合発生の要因と推定することができる。
　なお、傾向波形とイベントデータとをイベント発生日以外のデータ項目で対応付けしても良い。例えばイベント区分で対応付けた場合、どのイベント区分（イベントの種類）によって、傾向が変化したかを判断することができる。一例としては、イベント区分１の発生直後は、傾向波形には必ず類似した変化が生じるかを確認する、といったことがある。もし、あるイベントの実施後、大多数の区間では傾向変化が生じているにもかかわらず、ある区間だけはその変化が生じない場合があったとする。そのような区間やイベントを発見したのであれば、その区間に何か異常があった、もしくはイベント自体に不備があったと推測することができる。
　以上説明したように、実施の形態２の品質分析装置によれば、データ集約部は、装置に関してどのようなイベントが発生したかを示すイベントデータを取得し、かつ、分布差異計算部の乖離度が設定値以上であるデータ項目を、不具合の可能性がある要因候補として、要因候補の一定期間の値と、イベントデータとの関係を示すデータを出力するイベント影響解析部を備えたので、要因候補の傾向が変化する要因だけでなく、傾向が変化する時期と傾向の変化に関連するイベントとを知ることができる。それにより、要因候補の要因を定量的かつ迅速に特定することができる。また、イベントによる要因候補の傾向の変化（影響）を定量化することにより、計画的なイベント後の傾向確認が可能となる。
　なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
　以上のように、この発明に係る品質分析装置及び品質分析方法は、製品の製造工程や試験工程における傾向変化の要因や、製品の不具合の発生要因の推定を可能とする構成に関するものであり、設定された条件で製品の不具合を推定するのに適している。
　１，１ａ　データ集約部、２　データ種類分類部、３　条件設定部、４　分布差異計算部、５　イベント影響解析部、１０１　プロセッサ、１０２　補助記憶装置、１０３　メモリ、１０４　入力Ｉ／Ｆ、１０５　ディスプレイＩ／Ｆ、１０６　入力装置、１０７　ディスプレイ、１０８　信号線、１０９，１１０　ケーブル。

Claims (5)

  1. 　品質分析対象物の状態を示す品質データと、前記品質分析対象物を扱う装置の情報を示す装置情報データを取得するデータ集約部と、
    　前記データ集約部で取得された前記品質データと前記装置情報データに対して、集計対象となるデータ項目と、品質分析対象の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する条件設定部と、
    　前記データ集約部で取得された前記品質データと前記装置情報データから、前記条件設定部で設定された前記データ項目の前記基準条件を満たすデータと前記比較条件を満たすデータとを抽出して、前記データ項目毎に度数分布を計算し、前記基準条件と前記比較条件の前記度数分布の乖離度を示すデータを出力する分布差異計算部とを備えたことを特徴とする品質分析装置。
  2. 　前記データ集約部で取得された前記品質データと前記装置情報データを、設定された種類毎に分類するデータ種類分類部を備え、
    　前記分布差異計算部は、前記データ集約部で取得された前記品質データと前記装置情報データに代えて、前記データ種類分類部で分類されたデータを用いることを特徴とする請求項１記載の品質分析装置。
  3. 　前記条件設定部は、外部より指示されたデータ項目と基準条件と比較条件とにより、前記データ項目と前記基準条件と前記比較条件とを設定することを特徴とする請求項１または請求項２記載の品質分析装置。
  4. 　前記データ集約部は、装置に関してどのようなイベントが発生したかを示すイベントデータを取得し、かつ、
    　前記分布差異計算部の乖離度が設定値以上であるデータ項目を、不具合の可能性がある要因候補として、当該要因候補の一定期間の値と、前記イベントデータとの関係を示すデータを出力するイベント影響解析部を備えたことを特徴とする請求項１または請求項２記載の品質分析装置。
  5. 　データ集約部が、品質分析対象物の状態を示す品質データと、前記品質分析対象物を扱う装置の情報を示す装置情報データを取得するデータ集約ステップと、
    　条件設定部が、前記データ集約ステップで取得された前記品質データと前記装置情報データに対して、集計対象となるデータ項目と、品質分析対象の基本となる条件を示す基準条件と、品質分析対象とする条件を示す比較条件とを設定する条件設定ステップと、
    　分布差異計算部が、前記データ集約ステップで取得された前記品質データと前記装置情報データから、前記条件設定ステップで設定された前記データ項目の前記基準条件を満たすデータと前記比較条件を満たすデータとを抽出して、前記データ項目毎に度数分布を計算し、前記基準条件と前記比較条件の前記度数分布の乖離度を示すデータを出力する分布差異計算ステップとを備えたことを特徴とする品質分析方法。
PCT/JP2017/026108 2017-07-19 2017-07-19 品質分析装置及び品質分析方法 WO2019016892A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
DE112017007659.5T DE112017007659T5 (de) 2017-07-19 2017-07-19 Qualitätsanalyseeinrichtung und Qualitätsanalyseverfahren
US16/626,716 US20200159183A1 (en) 2017-07-19 2017-07-19 Quality analysis device and quality analysis method
PCT/JP2017/026108 WO2019016892A1 (ja) 2017-07-19 2017-07-19 品質分析装置及び品質分析方法
CN201780093186.1A CN110914771B (zh) 2017-07-19 2017-07-19 品质分析装置及品质分析方法
KR1020207000670A KR102168737B1 (ko) 2017-07-19 2017-07-19 품질 분석 장치 및 품질 분석 방법
JP2018500591A JP6312955B1 (ja) 2017-07-19 2017-07-19 品質分析装置及び品質分析方法
TW106130427A TWI644222B (zh) 2017-07-19 2017-09-06 Quality analysis device and quality analysis method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/026108 WO2019016892A1 (ja) 2017-07-19 2017-07-19 品質分析装置及び品質分析方法

Publications (1)

Publication Number Publication Date
WO2019016892A1 true WO2019016892A1 (ja) 2019-01-24

Family

ID=61968207

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/026108 WO2019016892A1 (ja) 2017-07-19 2017-07-19 品質分析装置及び品質分析方法

Country Status (7)

Country Link
US (1) US20200159183A1 (ja)
JP (1) JP6312955B1 (ja)
KR (1) KR102168737B1 (ja)
CN (1) CN110914771B (ja)
DE (1) DE112017007659T5 (ja)
TW (1) TWI644222B (ja)
WO (1) WO2019016892A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113939745A (zh) * 2019-08-09 2022-01-14 株式会社Lg新能源 用于制造设备的质量的定量诊断方法
WO2022186135A1 (ja) * 2021-03-02 2022-09-09 ファナック株式会社 数値制御装置、およびコンピュータ読み取り可能な記憶媒体

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220019189A1 (en) * 2020-07-14 2022-01-20 Honeywell International Inc. Systems and methods for utilizing internet connected sensors for manufacture monitoring

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165546A (ja) * 2003-12-01 2005-06-23 Olympus Corp 工程管理システムおよび工程管理装置
JP2006146324A (ja) * 2004-11-16 2006-06-08 Omron Corp 特定装置、加工処理システム、特定装置の制御方法、特定装置の制御プログラム、特定装置の制御プログラムを記録した記録媒体
JP2008146621A (ja) * 2006-11-14 2008-06-26 Nippon Steel Corp 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2008181341A (ja) * 2007-01-24 2008-08-07 Fuji Electric Holdings Co Ltd 製造不良要因分析支援装置
JP2011258113A (ja) * 2010-06-11 2011-12-22 Kobe Steel Ltd 金属帯材料の製造条件決定システム
JP2016523424A (ja) * 2013-07-03 2016-08-08 イリノイ トゥール ワークス インコーポレイティド 溶接システムパラメーター比較システムおよび方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297217A (ja) * 2001-03-29 2002-10-11 Japan Institute Of Plant Maintenance 製造業務における品質管理方法、品質管理支援システム及び傾向管理プログラム
CN1811802A (zh) * 2005-01-24 2006-08-02 欧姆龙株式会社 质量变动显示装置、显示方法、显示程序及记录介质
JP4736551B2 (ja) * 2005-06-13 2011-07-27 株式会社日立製作所 データ解析装置及びデータ解析方法
KR100751204B1 (ko) * 2005-09-03 2007-08-22 에스케이 텔레콤주식회사 이동통신 서비스 가입자별 통화품질 분석시스템 및 그 방법
JP4442550B2 (ja) * 2005-11-15 2010-03-31 オムロン株式会社 不良分析箇所特定装置、不良分析箇所特定方法、不良分析箇所特定用プログラム、およびコンピュータ読取り可能記録媒体
TWI574136B (zh) * 2012-02-03 2017-03-11 應用材料以色列公司 基於設計之缺陷分類之方法及系統
JP6264072B2 (ja) * 2014-02-10 2018-01-24 オムロン株式会社 品質管理装置及びその制御方法
JP6737277B2 (ja) * 2015-08-06 2020-08-05 日本電気株式会社 製造プロセス分析装置、製造プロセス分析方法、及び、製造プロセス分析プログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165546A (ja) * 2003-12-01 2005-06-23 Olympus Corp 工程管理システムおよび工程管理装置
JP2006146324A (ja) * 2004-11-16 2006-06-08 Omron Corp 特定装置、加工処理システム、特定装置の制御方法、特定装置の制御プログラム、特定装置の制御プログラムを記録した記録媒体
JP2008146621A (ja) * 2006-11-14 2008-06-26 Nippon Steel Corp 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2008181341A (ja) * 2007-01-24 2008-08-07 Fuji Electric Holdings Co Ltd 製造不良要因分析支援装置
JP2011258113A (ja) * 2010-06-11 2011-12-22 Kobe Steel Ltd 金属帯材料の製造条件決定システム
JP2016523424A (ja) * 2013-07-03 2016-08-08 イリノイ トゥール ワークス インコーポレイティド 溶接システムパラメーター比較システムおよび方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113939745A (zh) * 2019-08-09 2022-01-14 株式会社Lg新能源 用于制造设备的质量的定量诊断方法
WO2022186135A1 (ja) * 2021-03-02 2022-09-09 ファナック株式会社 数値制御装置、およびコンピュータ読み取り可能な記憶媒体

Also Published As

Publication number Publication date
CN110914771A (zh) 2020-03-24
US20200159183A1 (en) 2020-05-21
CN110914771B (zh) 2023-03-24
KR20200007083A (ko) 2020-01-21
TWI644222B (zh) 2018-12-11
DE112017007659T5 (de) 2020-03-05
KR102168737B1 (ko) 2020-10-22
JPWO2019016892A1 (ja) 2019-07-25
JP6312955B1 (ja) 2018-04-18
TW201908998A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
JP5014500B1 (ja) 異常要因特定方法および装置、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
JP3744527B2 (ja) 工程管理装置、工程管理方法、工程管理プログラム、および該プログラムを記録した記録媒体
US11170332B2 (en) Data analysis system and apparatus for analyzing manufacturing defects based on key performance indicators
JP2000252179A (ja) 半導体製造プロセス安定化支援システム
KR20020019022A (ko) 반도체 처리 기술
US20120116827A1 (en) Plant analyzing system
WO2019016892A1 (ja) 品質分析装置及び品質分析方法
WO2010110365A1 (ja) 要因分析装置および要因分析方法
US20210394247A1 (en) Method and system for forming a stamped component using a stamping simulation model
JP6802122B2 (ja) 原因推定方法およびプログラム
WO2020166236A1 (ja) 作業効率評価方法、作業効率評価装置、及びプログラム
US8340800B2 (en) Monitoring a process sector in a production facility
JP2002236511A (ja) 工程管理システムおよび工程管理方法
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
JP6885321B2 (ja) プロセスの状態診断方法及び状態診断装置
JP7474303B2 (ja) 管理システム
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
JP5751333B2 (ja) 管理装置、管理方法、プログラムおよび記録媒体
JP6247777B2 (ja) 異常診断装置および異常診断方法
JP2021197026A (ja) 稼働ロス分析システム、および稼働ロス分析方法
JP2017183624A (ja) 半導体装置の製造過程における異常解析装置および異常解析方法
JP2020197914A (ja) 製造条件計算装置、製造条件計算方法及び製造条件計算プログラム
WO2024116560A1 (ja) 異常判定装置及び異常判定方法
JP4177780B2 (ja) 半導体製造装置の早期警報管理方法及びシステム

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2018500591

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 17918183

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20207000670

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 17918183

Country of ref document: EP

Kind code of ref document: A1