WO2021015094A1 - 不良要因推定装置及び不良要因推定方法 - Google Patents

不良要因推定装置及び不良要因推定方法 Download PDF

Info

Publication number
WO2021015094A1
WO2021015094A1 PCT/JP2020/027678 JP2020027678W WO2021015094A1 WO 2021015094 A1 WO2021015094 A1 WO 2021015094A1 JP 2020027678 W JP2020027678 W JP 2020027678W WO 2021015094 A1 WO2021015094 A1 WO 2021015094A1
Authority
WO
WIPO (PCT)
Prior art keywords
manufacturing
defect
exclusion
estimation device
information
Prior art date
Application number
PCT/JP2020/027678
Other languages
English (en)
French (fr)
Inventor
三浦　康史
博史 天野
中川　和彦
佐々木　幸紀
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Publication of WO2021015094A1 publication Critical patent/WO2021015094A1/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]
    • 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
    • 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

  • This disclosure relates to a defect factor estimation device and a defect factor estimation method.
  • Patent Document 1 discloses an abnormal equipment estimation device that estimates manufacturing equipment that causes product defects for a plurality of products manufactured through a plurality of steps.
  • Patent Document 2 describes a method for manufacturing a processed product in which manufacturing parameters in the processing process are determined based on a process control model defined based on a causal relationship between processing record data or inspection result data in the processing process of the processed product. Is disclosed.
  • the present disclosure provides a defect factor estimation device and a defect factor estimation method that can accurately estimate the defect factor of the manufacturing system with a small amount of calculation.
  • the defect factor estimation device manufactures a plurality of products by performing each process under one or more manufacturing conditions that may differ for each product in each of the plurality of processes executed in order.
  • a defect factor estimation device that estimates the causes of defects in the system, and is an acquisition unit that acquires manufacturing log data including log information indicating the manufacturing status for each process and inspection results related to the manufacturing system, and the manufacturing log data.
  • the statistical processing unit includes a statistical processing unit that estimates the factors based on the target log data obtained by narrowing down, and an output unit that outputs information about the factors estimated by the statistical processing unit.
  • a first exclusion process for excluding log information including a process indicated by the process information based on process information indicating a process determined to be unrelated to the occurrence of defects, and (b) for each process. It was not excluded by performing at least one of the second exclusion process of calculating the defect feature amount, determining the exclusion process based on the calculated feature amount, and excluding the log information including the determined exclusion process. The factor is estimated using the remaining log information as the target log data.
  • the defect factor estimation method is a manufacturing process in which a plurality of products are manufactured by performing each step under one or more manufacturing conditions which may differ for each product in each of the plurality of steps executed in order.
  • a defect factor estimation method for estimating the cause of a defect in a system which is a step of acquiring manufacturing log data including log information indicating a manufacturing status for each process and an inspection result related to the manufacturing system, and narrowing down the manufacturing log data. Including a step of estimating the factor and a step of outputting information about the estimated factor based on the target log data obtained by performing (a), the estimation step is irrelevant to the occurrence of defects.
  • the first exclusion process for excluding the log information including the process indicated by the process information, and (b) the characteristic amount of the defect is calculated and calculated for each process.
  • the second exclusion process By performing at least one of the second exclusion process of determining the exclusion process based on the determined feature amount and excluding the log information including the determined exclusion process, the remaining log information not excluded is the target log data. The above factor is estimated.
  • one aspect of the present disclosure can be realized as a program for causing a computer to execute the above-mentioned defect factor estimation method.
  • it can be realized as a computer-readable non-temporary recording medium in which the program is stored.
  • FIG. 1 is a block diagram showing a functional configuration of the manufacturing system and the defect factor estimation device according to the first embodiment.
  • FIG. 2 is a diagram showing a manufacturing route of the manufacturing system according to the first embodiment.
  • FIG. 3 is a diagram showing equipment information data of the manufacturing system according to the first embodiment.
  • FIG. 4 is a diagram showing manufacturing route data of the manufacturing system according to the first embodiment.
  • FIG. 5 is a diagram showing manufacturing knowledge data regarding the manufacturing system according to the first embodiment.
  • FIG. 6 is a diagram showing line knowledge data regarding the manufacturing system according to the first embodiment.
  • FIG. 7 is a diagram showing manufacturing information data in the manufacturing system according to the first embodiment.
  • FIG. 8 is a diagram showing inspection result data in the manufacturing system according to the first embodiment.
  • FIG. 1 is a block diagram showing a functional configuration of the manufacturing system and the defect factor estimation device according to the first embodiment.
  • FIG. 2 is a diagram showing a manufacturing route of the manufacturing system according to the first embodiment.
  • FIG. 3 is a
  • FIG. 9 is a diagram showing an example of a manufacturing knowledge input screen generated by the defect factor estimation device according to the first embodiment.
  • FIG. 10 is a diagram showing an example of a line knowledge input screen generated by the defect factor estimation device according to the first embodiment.
  • FIG. 11 is a diagram showing an example of a result display screen generated by the defect factor estimation device according to the first embodiment.
  • FIG. 12 is a flowchart showing the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 13 is a flowchart showing an initial setting process in the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 14 is a flowchart showing a manufacturing log accumulation process in the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 15 is a flowchart showing a defect factor analysis process in the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 16 is a flowchart showing a manufacturing route data creation process in the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 17 is a factor graph of the manufacturing system according to the first embodiment.
  • FIG. 18 is factor graph data of the manufacturing system according to the first embodiment.
  • FIG. 19 is a flowchart showing a defect factor estimation process in the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 20A is a frequency distribution of representative values for steps performed in a predetermined processing unit.
  • FIG. 20B is a frequency distribution of representative values for other processes performed in a processing unit different from the processing unit of the process in FIG. 20A.
  • FIG. 20A is a frequency distribution of representative values for steps performed in a predetermined processing unit.
  • FIG. 20B is a frequency distribution of representative values for other processes performed in a processing unit different from the processing unit of the
  • FIG. 21 is a diagram showing a contribution correction process by the defect factor estimation device according to the first embodiment.
  • FIG. 22 is a flowchart showing an output process of an estimation result in the operation of the defect factor estimation device according to the first embodiment.
  • FIG. 23 is inter-process factor graph data of the manufacturing system according to the modified example of the first embodiment.
  • FIG. 24 is a diagram showing a contribution correction process by the defect factor estimation device according to the modified example of the first embodiment.
  • FIG. 25 is a diagram showing a contribution correction process using line knowledge by the defect factor estimation device according to the modified example of the first embodiment.
  • FIG. 26 is a diagram showing manufacturing knowledge data regarding the manufacturing system according to the second embodiment.
  • FIG. 27 is a diagram showing inspection result data in the manufacturing system according to the second embodiment.
  • FIG. 28 is a diagram showing an example of a manufacturing knowledge input screen manufactured by the defect factor estimation device according to the second embodiment.
  • FIG. 29 is a diagram showing an example of a line knowledge input screen generated by the defect factor estimation device according to the second embodiment.
  • FIG. 30 is a diagram showing an example of a result display screen generated by the defect factor estimation device according to the second embodiment.
  • FIG. 31 is a flowchart showing a manufacturing route data creation process in the operation of the defect factor estimation device according to the second embodiment.
  • FIG. 32 is a flowchart showing a defect factor estimation process in the operation of the defect factor estimation device according to the second embodiment.
  • FIG. 33 is a flowchart showing an output process of an estimation result in the operation of the defect factor estimation device according to the second embodiment.
  • the defect factor estimation device manufactures a plurality of products by performing each process under one or more manufacturing conditions that may differ for each product in each of the plurality of processes executed in order.
  • a defect factor estimation device that estimates the causes of defects in the system, and is an acquisition unit that acquires manufacturing log data including log information indicating the manufacturing status for each process and inspection results related to the manufacturing system, and the manufacturing log data.
  • the statistical processing unit includes a statistical processing unit that estimates the factors based on the target log data obtained by narrowing down, and an output unit that outputs information about the factors estimated by the statistical processing unit.
  • a first exclusion process for excluding log information including a process indicated by the process information based on process information indicating a process determined to be unrelated to the occurrence of defects, and (b) for each process. It was not excluded by performing at least one of the second exclusion process of calculating the defect feature amount, determining the exclusion process based on the calculated feature amount, and excluding the log information including the determined exclusion process. The factor is estimated using the remaining log information as the target log data.
  • the statistical processing unit may perform both the first exclusion process and the second exclusion process.
  • the amount of calculation can be further reduced by performing both the first exclusion process and the second exclusion process.
  • the statistical processing unit may perform the second exclusion process after performing the first exclusion process.
  • the second exclusion process is performed after the log information is excluded by the first exclusion process, the amount of calculation required to perform the second exclusion process can be reduced.
  • the first input unit for receiving the input of the process information may be provided, and the statistical processing unit may perform the first exclusion process.
  • process information can be input based on an empirical rule by a manufacturing system manager or a worker. Since the experience of a veteran manager or worker can be effectively utilized, the cause of failure can be estimated accurately with a small amount of calculation.
  • the inspection result indicates the inspection result of the product
  • the production log data includes the log information for each of the plurality of products
  • the process information includes the product defect for each defect type of the product.
  • a process determined to be unrelated to the occurrence is associated with the defect factor estimation device, and the defect factor estimation device further includes a second input unit that accepts an input of a defect type to be estimated for the factor, and the statistical processing unit
  • log information including a process associated with a defect type accepted by the second input unit may be excluded based on the process information.
  • the process information indicates a process determined to be irrelevant to the occurrence of product defects for each combination of product type and defect type
  • the second input unit is an estimation target of the factor.
  • the statistical processing unit corresponds to the combination of the product type and the defective type received by the second input unit based on the process information.
  • Log information including the attached process may be excluded.
  • the statistical processing unit performs the second exclusion process, and in the second exclusion process, when the number of processing units in at least two steps is different, each of the plurality of processing units is inspected.
  • a plurality of representative values for each number of processing units are determined using log information indicating that the result is a product defect, the variation of the determined representative values is calculated as the feature amount, and the exclusion step is based on the calculated variation. May be determined and log information including the determined exclusion process may be excluded.
  • the inspection result indicates the number of continuous failures for each type of equipment stop
  • the production log data includes the log information for each of a plurality of equipments included in the production system, and the process.
  • the information is associated with a process determined to be irrelevant to the occurrence of a defect for each type of equipment stop
  • the defect factor estimation device further accepts input of a defect type to be estimated for the factor.
  • the statistical processing unit includes two input units, and the statistical processing unit includes log information including a process associated with a defect type accepted by the second input unit based on the process information in the first exclusion process. May be excluded.
  • the statistical processing unit performs the second exclusion process, and in the second exclusion process, when the number of processing units in at least two steps is different, each of the plurality of processing units is inspected.
  • a plurality of representative values for each number of processing units are determined using log information indicating that the result is equipment failure, variations of the determined representative values are calculated as the feature amount, and the exclusion step is based on the calculated variations. May be determined and log information including the determined exclusion process may be excluded.
  • the process information input in the first input unit may be generated by a process simulation or an equipment simulation.
  • the cause of the defect may be represented by a combination of manufacturing conditions between consecutive processes.
  • the defect factor estimation method manufactures a plurality of products by performing each step under one or more manufacturing conditions that may differ for each product in each of the plurality of steps executed in order.
  • This is a defect factor estimation method for estimating the cause of a defect in a manufacturing system, which includes a step of acquiring manufacturing log data including log information indicating a manufacturing status for each process and an inspection result related to the manufacturing system, and the manufacturing log data. Including a step of estimating the factor and a step of outputting information about the estimated factor based on the target log data obtained by narrowing down the above, in the step of estimating, (a) a defect occurs.
  • the first exclusion process for excluding the log information including the process indicated by the process information, and (b) the characteristic amount of the defect is calculated for each process.
  • the exclusion process is determined based on the calculated feature amount, and at least one of the second exclusion process of excluding the log information including the determined exclusion process is performed, so that the remaining log information not excluded is the target.
  • the factor is estimated by using it as log data.
  • the defect factor of the manufacturing system can be estimated accurately with a small amount of calculation.
  • each figure is a schematic view and is not necessarily exactly illustrated. Therefore, for example, the scales and the like do not always match in each figure. Further, in each figure, substantially the same configuration is designated by the same reference numerals, and duplicate description will be omitted or simplified.
  • FIG. 1 is a block diagram showing a functional configuration of the defect factor estimation device 10 and the manufacturing system 1 according to the present embodiment.
  • the defect factor estimation device 10 is an apparatus for identifying the defect factor of the manufacturing system 1 that manufactures a plurality of products.
  • the manufacturing system 1 to be the target of factor estimation by the defect factor estimation device 10 will be described first.
  • the manufacturing system 1 is a system for manufacturing a plurality of products by performing each step under one or more manufacturing conditions that may differ for each product in each of the plurality of steps executed in order. That is, the manufacturing system 1 sequentially executes a plurality of steps in order to manufacture one product.
  • the manufacturing process of the product includes n steps 1 to n and an inspection step.
  • n is a natural number of 2 or more.
  • Each of the n steps is performed by one manufacturing facility selected from a plurality of manufacturing facilities.
  • the manufacturing system 1 shown in FIG. 1 includes a manufacturing equipment 91_1 to 91_a for executing the step 1 and b manufacturing equipment 91n_1 to 91n_b for executing the step n.
  • steps 2 to n-1 not shown.
  • the manufacturing system 1 includes c inspection facilities 93_1 to 93_c for inspecting the product.
  • a, b and c are natural numbers, respectively.
  • the step 1 is performed by one selected from the plurality of manufacturing facilities 91_1 to 91_a, and the step n is performed by one selected from the plurality of manufacturing facilities 91n_1 to 91n_b. Is manufactured by performing. Products in which steps 1 to n have been performed are inspected by one selected from a plurality of inspection facilities 93_1 to 93_c.
  • the product manufactured by the manufacturing system 1 is, for example, an electrolytic capacitor.
  • the product is not limited to the electrolytic capacitor.
  • the electrolytic capacitor manufacturing system 1 includes, for example, five steps (i) to (v) as shown in FIG.
  • FIG. 2 is a diagram showing a manufacturing route of the manufacturing system 1 according to the present embodiment.
  • terminal attachment step (i) terminal attachment step, (ii) winding step, (iii) impregnation step, (iv) aging step and (v) printing step are executed in this order.
  • terminal attachment step lead wires (terminals) are attached to the anode foil and the cathode foil of the electrolytic capacitor.
  • winding step an electrolytic paper is sandwiched between the anode foil and the cathode foil, and the winding is performed, and the sealing rubber is attached.
  • impregnation step the element is impregnated with the electrolytic solution.
  • aging step coating rechemical formation is performed.
  • various information such as lot numbers are printed.
  • the electrolytic capacitor manufactured through the above process is inspected.
  • the inspection is performed on a plurality of inspection items such as current characteristic inspection and visual inspection.
  • E11 to "E14" shown in FIG. 2 are equipment IDs representing the manufacturing equipment (for example, the manufacturing equipments 91_1 to 91_a shown in FIG. 1) that execute the terminal attachment step (i), respectively.
  • the equipment ID is a unique identifier assigned to all the manufacturing equipment included in the manufacturing system 1.
  • E21” to “E23” are equipment IDs representing the manufacturing equipment that executes the (ii) winding process, respectively.
  • Each of "E31” to “E34” is a facility ID representing a manufacturing facility that executes the (iii) impregnation step.
  • Each of "E41” to “E42” is a facility ID representing a manufacturing facility that executes the (iv) aging process.
  • “E51” to “E53” are equipment IDs representing (v) manufacturing equipment for executing the printing process, respectively.
  • FIG. 3 is a diagram showing equipment information data of the manufacturing system 1 according to the embodiment.
  • the equipment information data is stored and accumulated in the equipment information storage unit 73.
  • the equipment information data represents a plurality of manufacturing equipments that execute each process included in the manufacturing system 1 by equipment IDs.
  • the manufacturing equipment included in each process is connected by a solid line.
  • the solid line represents the connection relationship of the manufacturing equipment between the processes executed continuously.
  • the connection relationship here means a manufacturing route that can be taken when a product is manufactured.
  • FIG. 4 is a diagram showing manufacturing route data of the manufacturing system 1 according to the present embodiment.
  • the manufacturing route data is stored and stored in the equipment information storage unit 73.
  • the manufacturing route data shows a combination of the equipment ID of the start point equipment and the equipment ID of the end point equipment.
  • the start point equipment and the end point equipment are manufacturing equipment in which the start point and the end point of the solid line shown in FIG. 2 are connected, respectively.
  • the start point and end point are determined in the order in which the steps are performed.
  • the manufacturing equipment of "E11” is connected to each of the manufacturing equipments of "E21" to "E23". That is, it is shown that the product in which the terminal attachment process is performed in the manufacturing equipment of "E11” can be delivered to any of "E21” to "E23” as the manufacturing equipment in which the winding process is performed.
  • the defect factor estimation device 10 analyzes the manufacturing log acquisition unit 20, the statistical processing unit 30, the manufacturing knowledge input unit 41, the line knowledge input unit 42, the analysis condition input unit 43, and the analysis condition input unit 43. It includes a result output unit 50, a manufacturing knowledge storage unit 71, a line knowledge storage unit 72, an equipment information storage unit 73, a manufacturing information storage unit 74, an inspection result storage unit 75, and an estimation result storage unit 76.
  • the defect factor estimation device 10 is, for example, a computer device.
  • the defect factor estimation device 10 is realized by a non-volatile memory in which a program is stored, a volatile memory which is a temporary storage area for executing a program, an input / output port, a processor in which the program is executed, and the like.
  • Each function of the defect factor estimation device 10 may be realized by software executed by a processor, or may be realized by hardware such as an electronic circuit including a plurality of circuit elements.
  • the manufacturing log acquisition unit 20 acquires manufacturing log data.
  • the manufacturing log acquisition unit 20 communicates with a plurality of manufacturing facilities included in the manufacturing system 1, one or more control devices for controlling the plurality of manufacturing facilities, sensors attached to the plurality of manufacturing facilities, and the like. It is a communication interface.
  • the communication may be a wired communication or a wireless communication.
  • the manufacturing log acquisition unit 20 may be an input interface for receiving operation input from the administrator or the operator of the manufacturing system 1.
  • communication units 92_1 to 92_a and 92n_1 to 92n_b are connected to the manufacturing equipments 91_1 to 91_a and 91n_1 to 91n_b included in the manufacturing system 1, respectively.
  • Communication units 94_1 to 94_c are connected to the inspection facilities 93_1 to 93_c, respectively.
  • the manufacturing log acquisition unit 20 communicates with the communication units 92_1 to 92_a and 92n_1 to 92n_b to measure the temperature and humidity from each of the manufacturing equipments 91_1 to 91_a and 91n_1 to 91n_b by sensors attached to each manufacturing equipment. And sensor measurement values such as voltage values, control parameters for the manufacturing equipment used in each process, equipment ID, etc. are acquired as manufacturing status values. Similarly, the manufacturing log acquisition unit 20 acquires inspection results from each of the inspection facilities 93_1 to 93_c by communicating with the communication units 94_1 to 94_c.
  • the manufacturing log data includes manufacturing log information for each of a plurality of products.
  • the manufacturing log information is log information showing the manufacturing status for each process and the inspection result related to the manufacturing system.
  • the inspection result indicates the inspection result of the product.
  • the manufacturing log data acquired by the manufacturing log acquisition unit 20 is stored and accumulated in the manufacturing information storage unit 74 and the inspection result storage unit 75, respectively.
  • the statistical processing unit 30 estimates the cause of failure based on the target log data obtained by narrowing down the manufacturing log data.
  • the target log data is data including log information used for analysis of defective factors.
  • the statistical processing unit 30 includes an analysis processing unit 31 and a factor estimation unit 32.
  • the analysis processing unit 31 excludes the log information from the manufacturing log data by performing at least one of the first exclusion process and the second exclusion process.
  • the analysis processing unit 31 estimates the cause of failure by using the remaining log information that has not been excluded as the target log data. Specific examples of the first exclusion process and the second exclusion process will be described later.
  • the analysis processing unit 31 and the factor estimation unit 32 are realized by a non-volatile memory in which the program is stored, a volatile memory which is a temporary storage area for executing the program, an input / output port, a processor for executing the program, and the like, respectively. Will be done.
  • the functions performed by the analysis processing unit 31 and the factor estimation unit 32 may be realized by software executed by the processor, or may be realized by hardware such as an electronic circuit including a plurality of circuit elements.
  • the analysis processing unit 31 and the factor estimation unit 32 may be realized by sharing hardware resources such as memory with each other.
  • the factor estimation unit 32 estimates the defective factor based on the target log data obtained by narrowing down the manufacturing log data. That is, the factor estimation unit 32 estimates the defective factor without using the log information excluded by the analysis processing unit 31. For example, the factor estimation unit 32 performs statistical processing.
  • Statistical processing is statistical classification processing based on a linear model, a decision tree, a neural network, or the like. In the statistical classification process, for example, the inspection result for each product is used as the objective variable, and the manufacturing status of each process for each product is used as the explanatory variable.
  • the manufacturing knowledge input unit 41 is an example of a first input unit that accepts input of process information.
  • the process information is information indicating a process determined to be irrelevant to the occurrence of defects. Specifically, in the process information, the process determined to be irrelevant to the occurrence of the product defect is associated with each defect type of the product. In the present embodiment, the process information indicates a process determined to be irrelevant to the occurrence of product defects for each combination of product type and defect type.
  • the manager or worker of the manufacturing system 1 determines whether or not it is irrelevant to the occurrence of product defects.
  • the determination may be made by process simulation or equipment simulation. That is, the process information may be information based on the knowledge that a person has empirically, or may be information generated based on the result of simulation.
  • the line knowledge input unit 42 is an example of a third input unit that accepts input of line information.
  • the line information is information indicating the line configuration of the manufacturing system 1. Specifically, the line information indicates the processing unit of the product in each process. In addition, the line information indicates the supply unit of the material required for executing each process.
  • the line information is, for example, information that is determined and input based on the knowledge and experience of the manager or worker of the manufacturing system 1.
  • the line information may be the result of process simulation or equipment simulation. That is, the line information may be information based on the knowledge possessed by a person, or may be information generated based on the result of simulation.
  • the analysis condition input unit 43 is an example of a second input unit that accepts input of analysis conditions. Specifically, the analysis condition input unit 43 accepts the input of the defect type to be the estimation target of the factor. Further, the analysis condition input unit 43 accepts input of the product type for which the factor is estimated. The information indicating the defect type and the type received by the analysis condition input unit 43 is output to the analysis processing unit 31.
  • the manufacturing knowledge input unit 41, the line knowledge input unit 42, and the analysis condition input unit 43 are input interfaces that receive operation inputs from the manager or worker of the manufacturing system 1, respectively.
  • the manufacturing knowledge input unit 41, the line knowledge input unit 42, and the analysis condition input unit 43 are realized by a touch panel display or an input device such as a keyboard or a mouse.
  • the manufacturing knowledge input unit 41, the line knowledge input unit 42, and the analysis condition input unit 43 may be realized by a voice input device such as a microphone.
  • the manufacturing knowledge input unit 41, the line knowledge input unit 42, and the analysis condition input unit 43 may be realized, for example, by sharing hardware resources with each other.
  • the analysis result output unit 50 is an example of an output unit that outputs information on the factors estimated by the factor estimation unit 32. Specifically, the analysis result output unit 50 outputs notification information that informs the manager or the operator of the manufacturing system 1 of the defective factor estimated by the factor estimation unit 32.
  • the notification information is, for example, an image or voice indicating a defective factor estimated by the factor estimation unit 32.
  • the analysis result output unit 50 is realized by, for example, a display, but may be realized by a speaker. Alternatively, the analysis result output unit 50 may be a communication interface for communicating with an external device.
  • the manufacturing knowledge storage unit 71, the line knowledge storage unit 72, the equipment information storage unit 73, the manufacturing information storage unit 74, the inspection result storage unit 75, and the estimation result storage unit 76 are storage devices for storing various data.
  • the storage device is realized by, for example, a semiconductor memory or an HDD (Hard Disk Drive).
  • FIG. 5 is a diagram showing manufacturing knowledge data regarding the manufacturing system 1 according to the present embodiment.
  • the manufacturing knowledge data is stored and accumulated in the manufacturing knowledge storage unit 71.
  • the product type ID, the defective code, and the unrelated process are associated with each other.
  • the product type ID is an identifier uniquely assigned to each product type.
  • the defective code is the defective type of the product. That is, the defective code corresponds to the inspection item in the inspection process.
  • the non-related process corresponds to the combination of the product type ID and the defective code, and is a process determined to be irrelevant to the occurrence of product defects.
  • FIG. 6 is a diagram showing line knowledge data regarding the manufacturing system 1 according to the present embodiment.
  • the line knowledge data is stored and accumulated in the line knowledge storage unit 72.
  • the process ID is an identifier uniquely assigned to all processes included in the manufacturing system 1.
  • the processing unit is the number of products processed at the same time for each process. "Parts” means processing products one by one. "X parts” means that X products are processed at the same time. "Lot” means processing products on a lot-by-lot basis at the same time.
  • the material supply unit is the number of materials supplied in the process.
  • FIG. 7 is a diagram showing manufacturing information data in the manufacturing system 1 according to the present embodiment.
  • the manufacturing information data is stored and stored in the manufacturing information storage unit 74.
  • the product ID, the product type ID, the lot ID, and the equipment ID of the manufacturing equipment used in each of the steps 1 to n are associated with each other.
  • the manufacturing log acquisition unit 20 identifies the manufacturing equipment that has passed through each process for the product corresponding to the product ID based on the information indicating the manufacturing status acquired from each manufacturing equipment via the communication unit, and the product ID and each process. Is associated with the equipment ID of.
  • the production information data may not include the product type ID and the lot ID.
  • FIG. 8 is a diagram showing inspection result data in the manufacturing system 1 according to the present embodiment.
  • the test result data is stored and stored in the test result storage unit 75.
  • the equipment ID is an identifier uniquely assigned to the inspection equipment that executes the inspection process.
  • the manufacturing log acquisition unit 20 identifies the inspection equipment that has inspected the product corresponding to the product ID based on the inspection result acquired from each inspection equipment via the communication unit, and sets the product ID and the equipment ID of the inspection equipment.
  • the inspection result and the inspection date and time are associated with each other.
  • FIG. 9 is a diagram showing an example of the manufacturing knowledge input screen 81 according to the present embodiment.
  • the manufacturing knowledge input unit 41 generates the manufacturing knowledge input screen 81 shown in FIG. 9 and displays it on the display.
  • the product type and the defective type are each represented by a pull-down menu and can be selected. Further, on the manufacturing knowledge input screen 81, each of the five steps included in the manufacturing system 1 can be selected. The manager or worker of the manufacturing system 1 selects a process after selecting a product type and a defective type. As a result, the manufacturing knowledge input unit 41 can acquire the selected process as an unrelated process corresponding to the combination of the selected product type and the defective type.
  • FIG. 10 is a diagram showing an example of the line knowledge input screen 82 according to the present embodiment.
  • the line knowledge input unit 42 generates the line knowledge input screen 82 shown in FIG. 10 and displays it on the display.
  • each process and processing unit is represented by a pull-down menu and is configured to be selectable.
  • the line knowledge input screen 82 includes a text box for inputting a quantity. The manager or worker of the manufacturing system 1 selects a process and a processing unit, and then inputs a numerical value in the text box. As a result, the line knowledge input unit 42 can acquire the input numerical value as the number of processing units in the selected process.
  • the line knowledge input screen 82 may include a GUI (Graphical User Interface) object for inputting a material supply unit.
  • FIG. 11 is a diagram showing an example of the result display screen 83 according to the present embodiment.
  • the analysis result output unit 50 generates a result display screen 83 based on the estimation result by the factor estimation unit 32 and displays it on the display.
  • the product type and the defective type are each represented by a pull-down menu and can be selected.
  • the estimation results of the defective factors corresponding to the combination of the product type and the defective type are shown in a table format. Specifically, the combination of the process and the equipment and the priority of the combination are associated with each other. Priority is given, for example, in descending order of possibility of defect or in descending order of effect when countermeasures against defects are taken.
  • the estimation result included in the result display screen 83 is switched to the estimation result of the changed combination.
  • the input screen and display screen shown above are merely examples, and are not limited to the above-mentioned examples.
  • all the estimation results may be included in one page regardless of the combination of the product type and the defective type. If the page does not fit on one screen, it may be scrollable.
  • FIG. 12 is a flowchart showing the operation of the defect factor estimation device 10 according to the present embodiment. As shown in FIG. 12, first, the defect factor estimation device 10 performs initial setting (S11). Next, the defect factor estimation device 10 performs a manufacturing log accumulation process (S12). Next, the defect factor estimation device 10 analyzes the defect factor (S13). Hereinafter, each specific process will be described with reference to FIGS. 13 to 15.
  • FIG. 13 is a flowchart showing an initial setting process (S11) in the operation of the defect factor estimation device 10 according to the present embodiment.
  • the defect factor estimation device 10 registers the equipment information (S21).
  • the analysis condition input unit 43 receives input of information about the manufacturing system 1 from the manager or the operator of the manufacturing system 1.
  • the analysis condition input unit 43 acquires the types, arrangements, connection relationships, etc. of the manufacturing equipment and the inspection equipment included in the manufacturing system 1. Since a unique equipment ID is assigned to each of the manufacturing equipment and the inspection equipment, each equipment can be specified by the equipment ID.
  • the information about the manufacturing system 1 acquired by the analysis condition input unit 43 is stored in the equipment information storage unit 73 as, for example, the equipment information data shown in FIG. 3 and the manufacturing route data shown in FIG.
  • the defect factor estimation device 10 acquires manufacturing knowledge (S22). Specifically, the manufacturing knowledge input unit 41 acquires the manufacturing knowledge by receiving the input of the manufacturing knowledge from the manager or the worker of the manufacturing system 1. The acquired manufacturing knowledge is stored in the manufacturing knowledge storage unit 71 as, for example, the manufacturing knowledge data shown in FIG.
  • the defect factor estimation device 10 acquires line knowledge (S23).
  • the line knowledge input unit 42 acquires the line knowledge by receiving the input of the line knowledge from the manager or the worker of the manufacturing system 1.
  • the acquired line knowledge is stored in the line knowledge storage unit 72 as, for example, the line knowledge data shown in FIG.
  • FIG. 14 is a flowchart showing a manufacturing log accumulation process (S12) in the operation of the defect factor estimation device 10 according to the present embodiment.
  • the manufacturing log acquisition unit 20 acquires the manufacturing log information (S31).
  • the manufacturing log information includes the manufacturing status and the inspection result in each process of each of the plurality of products manufactured by the manufacturing system 1.
  • the manufacturing log acquisition unit 20 stores the manufacturing information in the manufacturing information storage unit 74 in association with the product ID (S32). For example, the manufacturing information data shown in FIG. 7 is stored in the manufacturing information storage unit 74. Further, the manufacturing log acquisition unit 20 stores the inspection result in the inspection result storage unit 75 in association with the assigned product ID (S33). For example, the inspection result data shown in FIG. 8 is stored in the inspection result storage unit 75.
  • FIG. 15 is a flowchart showing a defect factor analysis process (S13) in the operation of the defect factor estimation device 10 according to the present embodiment.
  • the defect factor estimation device 10 acquires the analysis conditions (S41). Specifically, the analysis condition input unit 43 receives input of the product type and the defect type for which the defect factor is estimated. For example, the analysis condition input unit 43 generates the result display screen 83 shown in FIG. 11 and displays it on the display, and causes the manager or the operator of the manufacturing system 1 to select the pull-down menu of the product type and the defective type. Acquire the type and defect type.
  • the defect factor estimation device 10 creates manufacturing route data (S42). Next, the defect factor estimation device 10 performs a defect factor estimation process (S43). Specific processing of each of the production route data creation and the defect factor estimation processing will be described later with reference to FIGS. 16 to 21.
  • the defect factor estimation device 10 outputs the estimation result (S44).
  • the analysis result output unit 50 displays the estimation result of the defect factor corresponding to the acquired product type and defect type on the result display screen 83 shown in FIG. 11 in a table format.
  • the estimation result of the defective factor can be presented to the manager or the operator of the manufacturing system 1.
  • FIG. 16 is a flowchart showing a manufacturing route data creation process (S42) in the operation of the defect factor estimation device 10 according to the present embodiment.
  • the production route data creation process is an example of the first exclusion process mainly performed by the analysis processing unit 31.
  • the analysis processing unit 31 acquires the product type information indicating the product type input via the analysis condition input unit 43 (S51). Next, the analysis processing unit 31 acquires the defect type input via the analysis condition input unit 43 (S52). It should be noted that the defective type may be acquired before the product type information is acquired.
  • the analysis processing unit 31 acquires an unrelated process by referring to the manufacturing knowledge data accumulated in the manufacturing knowledge accumulating unit 71 based on the acquired product type information and the defective type (S53). For example, it is assumed that the product type indicated by the product type information is "M123" and the defective type is "current characteristic". In this case, based on the manufacturing knowledge data shown in FIG. 5, the analysis processing unit 31 acquires two steps of "terminal attachment" and "printing" as unrelated steps.
  • the analysis processing unit 31 reads out the manufacturing log data (S54). Specifically, the analysis processing unit 31 refers to the manufacturing information data stored in the manufacturing information storage unit 74 and the inspection result data stored in the inspection result storage unit 75 to obtain the acquired product type information and the defective type. Read related equipment information and inspection results.
  • the analysis processing unit 31 sequentially extracts the product IDs included in the read manufacturing log data (S55). That is, the analysis processing unit 31 extracts a product ID that has not been extracted from the plurality of product IDs included in the read manufacturing log data.
  • the analysis processing unit 31 acquires the equipment information corresponding to the product ID (S56). For example, when "P190701AD2671D2" shown in FIG. 7 is extracted as the product ID, the analysis processing unit 31 has the equipment IDs of "E11” ... "En3" of steps 1 to n associated with the product ID. Is acquired as equipment information.
  • the analysis processing unit 31 adds the equipment ID indicated by the acquired equipment information to the product route graph (S57). Until the processing for all product IDs is completed (No in S58), the extraction of product IDs (S55) and the addition processing to the product route graph (S57) are repeated. As a result, for example, the production route graph shown in FIG. 2 is generated. In the generated manufacturing route graph, equipment and manufacturing routes unrelated to the product type and defective type acquired in steps S51 and S52 are excluded from all the equipment included in the manufacturing system 1 and their connection relationships (manufacturing routes). ing.
  • the analysis processing unit 31 sequentially extracts the process ID included in the read manufacturing log data and the equipment ID of the manufacturing equipment that executed the process indicated by the process ID (S59). That is, the analysis processing unit 31 extracts the process ID and the equipment ID that have not been extracted from the plurality of process IDs and the equipment IDs included in the read manufacturing log data.
  • the analysis processing unit 31 determines whether or not the process indicated by the extracted process ID is a related process (S60). Specifically, the analysis processing unit 31 determines whether or not the process indicated by the extracted process ID is an unrelated process acquired in step S53.
  • step indicated by the extracted step ID is not a related step (No in S60), that is, when the step indicated by the extracted step ID is a non-related step, the process returns to step S59, and the analysis processing unit 31 returns to the next step.
  • the ID and equipment ID are extracted. That is, when the process indicated by the extracted process ID is an unrelated process, the analysis processing unit 31 excludes it from the estimation target of the defect factor.
  • the exclusion is the first exclusion process.
  • the analysis processing unit 31 sets the process ID and the equipment ID as factor graphs. (S61).
  • FIG. 17 is a diagram showing a factor graph of the manufacturing system 1 according to the present embodiment.
  • the factor graph shown in FIG. 17 is graph data generated by repeatedly performing extraction of the process ID and equipment ID (S59) and addition processing to the factor graph (S61).
  • a factor graph is generated by using the equipment ID of each process associated with the product ID included in the manufacturing log data as a node and connecting the equipment IDs in the order of the processes. Since the "terminal attachment" and “printing" acquired as unrelated steps are excluded by the first exclusion process by the determination in step S60, the factor graph does not include the two steps.
  • the analysis processing unit 31 sets an initial value of the degree of contribution corresponding to the equipment ID (S62).
  • the degree of contribution is the degree of contribution to the classification accuracy by the statistical classification process.
  • the degree of contribution is a numerical value indicating the degree to which the manufacturing equipment indicated by the equipment ID contributes to the defect indicated by the defect type. That is, the degree of contribution corresponds to a numerical value indicating the high possibility that the manufacturing equipment indicated by the equipment ID is a defect factor. The higher the contribution, the more likely the manufacturing equipment is the cause of the defect.
  • FIG. 18 is factor graph data of the manufacturing system 1 according to the embodiment.
  • FIG. 18 is data in which the process ID shown in the factor graph shown in FIG. 17 (that is, unrelated processes are excluded), the equipment ID, and the degree of contribution are associated with each other.
  • FIG. 19 is a flowchart showing a defect factor estimation process (S43) in the operation of the defect factor estimation device 10 according to the present embodiment.
  • the defect factor estimation process includes a second exclusion process performed by the analysis processing unit 31 and an estimation process performed by the factor estimation unit 32.
  • the analysis processing unit 31 acquires the process IDs in order from the created factor graph (S71). That is, the analysis processing unit 31 extracts a process ID that has not been acquired from the plurality of process IDs included in the created factor graph data.
  • the analysis processing unit 31 refers to the inspection result data and extracts the lot ID, the product ID, and the measured value (that is, the inspection result) based on the product ID and the defective code (S72). Next, the analysis processing unit 31 acquires the line knowledge by referring to the line knowledge data accumulated in the line knowledge storage unit 72 (S73).
  • the analysis processing unit 31 determines the processing unit of the process acquired in step S71 based on the line knowledge. Specifically, first, the analysis processing unit 31 determines whether or not the processing unit is a lot unit (S74). When the processing unit is a lot unit (Yes in S74), the analysis processing unit 31 calculates a representative value of the lot unit based on the inspection result (S75).
  • the representative value in lot units is, for example, the average value of the measured values of each of the plurality of products contained in the lot.
  • the representative value in lot units may be the maximum value, the median value or the minimum value, or the variance or standard deviation instead of the average value.
  • the analysis processing unit 31 acquires the part quantity of the process based on the line knowledge (S76).
  • the analysis processing unit 31 calculates a representative value of the quantity unit (S78).
  • the representative value of the quantity unit is, for example, a measured value extracted for each part quantity from the measured values of a plurality of products.
  • the analysis processing unit 31 determines the measured value of the product ID, whose numerical value is a multiple of the number of parts, as a representative value.
  • the analysis processing unit 31 calculates the mod (part quantity) of the product type ID, and determines the measured value at which the mod (part quantity) ⁇ 0 is a representative value.
  • the analysis processing unit 31 uses each measured value of all products as a representative value (S79).
  • the factor estimation unit 32 calculates the degree of contribution for each facility included in the process (S80). Specifically, the factor estimation unit 32 generates a frequency distribution of representative values and corrects the degree of contribution based on the generated frequency distribution. In the present embodiment, the factor estimation unit 32 can narrow down the defective factors by correcting the contribution of the process.
  • FIGS. 20A and 20B are frequency distributions of representative values for each number of processing units that are different from each other.
  • the horizontal axis represents the representative value and the vertical axis represents the frequency of the representative value.
  • FIG. 20A is a frequency distribution when there is little variation in the representative values.
  • FIG. 20B is a frequency distribution in which the variation of the representative value is larger than that of the frequency distribution shown in FIG. 20A.
  • the inspection result tends to be the same for each number of processing units in the process. Therefore, the representative value for each number of processing units tends to be the same value, and the variation becomes small.
  • processing is performed in units of 16 parts.
  • 16 manufacturing facilities for performing the impregnation process are included, and the impregnation process is performed for one part at each manufacturing facility.
  • the impregnation process of each part is performed by repeatedly using 16 manufacturing facilities in a predetermined order.
  • the current characteristics are inspected, and the current value is used as the measured value (representative value).
  • the current value of the product subjected to the impregnation process in the manufacturing facility becomes the defective value. Therefore, when the measured value is determined as the representative value in units of 16 parts, the variation in the representative value becomes small. On the other hand, for example, when the average current value of each lot or the current value of all products is determined as a representative value, the current value of the product subjected to the impregnation process in the manufacturing equipment which is not a defect factor is included in the representative value. Is done. Therefore, the variation of the representative value becomes large.
  • 16 manufacturing facilities are taken as an example, one manufacturing facility may be provided with 16 manufacturing devices (for example, 16 impregnation nozzles).
  • the process that does not include the defect factor can be determined based on the frequency distribution of the representative value, and the determined process can be excluded.
  • the factor estimation unit 32 corrects the degree of contribution according to the variation in the frequency distribution of the representative values.
  • FIG. 21 is a diagram showing a correction process of the degree of contribution by the defect factor estimation device 10 according to the present embodiment.
  • the factor estimation unit 32 corrects the contribution degree based on the variation of the representative value. Specifically, the factor estimation unit 32 increases the degree of contribution assigned to the equipment ID included in the process corresponding to the variation in the representative value as the variation in the representative value becomes smaller. For example, the factor estimation unit 32 calculates the standard deviation or variance indicating the variation of the representative value, and adds the reciprocal of the calculated standard deviation or variance to the initial value of the contribution. Alternatively, the factor estimation unit 32 may add a predetermined value to the initial value based on the calculated standard deviation or variance. At this time, the contribution of each equipment ID may be multiplied by the ratio of the number of defective products generated via the corresponding manufacturing equipment.
  • the contribution of each equipment ID in each process is corrected. For example, since the variation in the representative value of the impregnation step is small, the contribution of the equipment ID included in the impregnation step is corrected. On the other hand, the contribution of the equipment ID included in the aging step remains at the initial value (0.5).
  • the factor estimation unit 32 stores the estimation result in the estimation result storage unit 76.
  • FIG. 22 is a flowchart showing an output process of an estimation result in the operation of the defect factor estimation device according to the present embodiment.
  • the analysis result output unit 50 extracts the product type information (S91). Specifically, the analysis result output unit 50 generates the result display screen 83 shown in FIG. 11 and displays it on the display, and receives the input of the product type from the manager or the operator of the manufacturing system 1. Next, the analysis result output unit 50 extracts the defective type (S92). The extraction of the defective type is performed by accepting the input via the result display screen 83, similarly to the extraction of the product type information. It should be noted that the extraction of the defective type may be performed before the extraction of the product type information.
  • the analysis result output unit 50 acquires the factor graph data accumulated in the estimation result storage unit 76 based on the combination of the product type information and the defective type (S93). Specifically, the correspondence table between the equipment ID and the contribution degree shown in FIG. 21 (b) is acquired.
  • the analysis result output unit 50 sorts the combinations of processes and equipment based on the degree of contribution (S94). For example, the analysis result output unit 50 assigns priorities in descending order of contribution.
  • the analysis result output unit 50 displays the sort result (S95).
  • the result display screen 83 shown in FIG. 11 is displayed on the display.
  • the log information including the process unrelated to the product defect can be excluded by performing the first exclusion process based on the manufacturing knowledge. It is possible to narrow down the manufacturing log data. Further, according to the defect factor estimation device 10, the contribution degree is corrected by the second exclusion process based on the line knowledge, so that the manufacturing log data can be further narrowed down. Thereby, the estimation accuracy of the defective factor can be improved.
  • connection relationship of manufacturing equipment between processes is estimated as a defect factor.
  • FIG. 23 is inter-process factor graph data of the manufacturing system 1 according to this modification.
  • the defect factor estimation device according to this modification generates the inter-process factor graph data shown in FIG. 23 instead of the factor graph data shown in FIG. 18 according to the embodiment.
  • the degree of contribution is associated with the combination of the equipment ID of the start point equipment and the equipment ID of the end point equipment. Therefore, the defect factor estimation device according to this modification estimates the connection relationship between the two manufacturing equipments that cause product defects among the plurality of manufacturing equipments constituting the manufacturing system 1.
  • the specific processing is the same as that of the embodiment, and instead of the process ID and the equipment ID, the equipment ID of the start point equipment and the equipment ID of the end point equipment, that is, the manufacturing route may be used.
  • the factor estimation unit 32 performs machine learning using, for example, manufacturing route data corresponding to defective products identified by product type and defective type. For example, in the factor estimation unit 32, the greater the number of defective products that have passed through one manufacturing route, the higher the contribution of the manufacturing route.
  • a sampling method such as Markov Chain Monte Carlo method (MCMC) or Gibbs sampling method can be used.
  • FIG. 24 is a diagram showing a correction process of the degree of contribution by the defect factor estimation device according to this modification.
  • the factor estimation unit 32 corrects the contribution degree based on the result of machine learning.
  • the manufacturing path connecting the manufacturing equipment of “E21” and the manufacturing equipment of “E32” has a high degree of contribution to the defect factor. That is, it can be seen that there is a high possibility that product defects will occur when the winding process is performed in the manufacturing equipment of "E21” and then the impregnation process is performed in the manufacturing equipment of "E32".
  • the contribution may be corrected based on the line knowledge, as in the embodiment. That is, the degree of contribution may be further corrected based on the magnitude of the variation of the representative value for each process.
  • FIG. 25 is a diagram showing a contribution correction process using line knowledge by a defect factor estimation device according to a modified example of the embodiment. For example, when the variation of the representative value corresponding to the impregnation step is small, the contribution degree corresponding to the impregnation step is corrected.
  • the factor estimation unit 32 since the equipment of “E21” is included in the impregnation step, the factor estimation unit 32 uses the inter-process factor graph data shown in FIG. 24 (b) for the impregnation step. Correct so that the contribution is high. As a result, an inter-process factor graph is generated as shown in FIG.
  • the defect factor estimation device estimates the defect of the manufacturing equipment as a defect factor.
  • the differences from the first embodiment will be mainly described, and the common points will be omitted or simplified.
  • the defect factor estimation device the content of the data to be processed is different from that of the first embodiment, and the configuration of the defect factor estimation device and the manufacturing system according to the present embodiment is implemented. It is the same as the first form.
  • FIG. 26 is a diagram showing manufacturing knowledge data related to the manufacturing system according to the present embodiment.
  • the manufacturing knowledge data shown in FIG. 26 includes a stop type instead of a defective code (defective type) as compared with the manufacturing knowledge data shown in FIG. As shown in FIG. 26, unrelated processes are associated with each stop type.
  • the stop type indicates the type of defect that caused the stop of the manufacturing equipment. Specifically, the stop type includes frequent occurrence of defective appearance of the product, frequent occurrence of defective capacity of the product, and the like. Frequent occurrence means, for example, that the number of consecutive occurrences of the corresponding defective product exceeds the threshold value.
  • FIG. 27 is a diagram showing inspection result data in the manufacturing system according to the second embodiment.
  • the inspection result data shown in FIG. 27 includes a stop type instead of a defective code (defective type) as compared with the inspection result data shown in FIG.
  • the measured value is an example of the inspection result, and indicates the number of continuous defects for each type of equipment stop. That is, in the inspection process, not the quality of the product but, for example, whether or not the manufacturing equipment is stopped, the number of continuous defects, and the like may be inspected for each manufacturing equipment.
  • FIG. 28 is a diagram showing an example of a manufacturing knowledge input screen manufactured by the defect factor estimation device according to the present embodiment.
  • the manufacturing knowledge input screen 181 shown in FIG. 28 includes a pull-down menu for accepting the selection of the stop type instead of the defective type as compared with the manufacturing knowledge input screen 81 shown in FIG.
  • the manager or worker of the manufacturing system 1 selects a process after selecting a product type and a stop type.
  • the manufacturing knowledge input unit 41 can acquire the selected process as an unrelated process corresponding to the combination of the selected product type and the stop type.
  • FIG. 29 is a diagram showing an example of a line knowledge input screen generated by the defect factor estimation device according to the present embodiment.
  • the line knowledge input screen 182 shown in FIG. 29 is the same as the line knowledge input screen 82 shown in FIG. FIG. 29 shows a state in which a process, a processing unit, and a quantity different from those in FIG. 10 are input.
  • the line knowledge input unit 42 can acquire the input numerical value as the number of processing units in the selected process.
  • the line knowledge data shown in FIG. 6 is stored in the line knowledge storage unit 72.
  • FIG. 30 is a diagram showing an example of a result display screen generated by the defect factor estimation device according to the present embodiment.
  • the result display screen 183 shown in FIG. 30 includes a pull-down menu for accepting the selection of the stop type instead of the defective type.
  • the estimation results of the defective factors corresponding to the combination of the selected product type and the stop type are shown in a table format.
  • the main operation of the defect factor estimation device is the same as that of the first embodiment, and is as described with reference to FIGS. 12 to 15.
  • the route data creation process (S42), the defect factor estimation process (S43), and the estimation result output process (S44) of the analysis process (S13) shown in FIG. ) Is different from the first embodiment. The differences between these processes will be described below.
  • FIG. 31 is a flowchart showing a manufacturing route data creation process (S42) in the operation of the defect factor estimation device according to the present embodiment.
  • the analysis processing unit 31 acquires the stop type input via the analysis condition input unit 43 (S152). It should be noted that the stop type may be acquired before the product type information is acquired. Subsequent processing is the same as the production route data creation processing shown in FIG. In this case, each process is performed using the stop type instead of the defective type.
  • FIG. 32 is a flowchart showing a defect factor estimation process (S43) in the operation of the defect factor estimation device according to the present embodiment.
  • the analysis processing unit 31 acquires the process ID from the factor graph (S71)
  • the analysis processing unit 31 refers to the inspection result data and lots based on the product type ID and the stop type.
  • the ID, product ID and measurement result are extracted (S172). That is, the extraction process from the inspection result data is performed by using the stop type instead of the defective type.
  • the subsequent processing is the same as the defect factor estimation processing shown in FIG.
  • FIG. 33 is a flowchart showing an output process (S44) of an estimation result in the operation of the defect factor estimation device according to the present embodiment.
  • the analysis result output unit 50 extracts the type information (S91) and then the stop type (S192). Specifically, the analysis result output unit 50 generates the result display screen 183 shown in FIG. 30 and displays it on the display, and receives the input from the manager or the operator of the manufacturing system 1 to obtain the product type information and the product type information. Extract the stop type. It should be noted that the extraction of the stop type may be performed before the extraction of the product type information. The subsequent processing is the same as the output processing of the estimation result shown in FIG.
  • the manufacturing log data may include manufacturing log information for each of a plurality of manufacturing facilities included in the manufacturing system 1.
  • the manufacturing knowledge data may be associated with a process determined to be irrelevant to the occurrence of equipment failure for each type of stop of the manufacturing equipment.
  • the analysis processing unit 31 may exclude the log information including the process associated with the defect type based on the manufacturing knowledge data.
  • the contribution may be corrected based on the line knowledge as in the embodiment. That is, the degree of contribution for each type of shutdown of the manufacturing equipment may be further corrected based on the magnitude of the variation in the representative value for each process.
  • the defect factor estimation device does not have to perform either the first exclusion process or the second exclusion process. Further, the defect factor estimation device may perform the first exclusion process after performing the second exclusion process.
  • the defect factor estimation device 10 does not have to include the manufacturing knowledge input unit 41, the line knowledge input unit 42, and the analysis condition input unit 43.
  • the result of machine learning may be used instead of accepting input from the administrator of the manufacturing system 1. That is, the defect factor estimation device 10 may generate process information indicating a process determined to be irrelevant to the occurrence of the defect by performing machine learning.
  • predetermined analysis conditions may be used.
  • the type and combination for estimating the defect factor may be predetermined.
  • the defective factor may be estimated for all combinations.
  • the communication method between the devices described in the above embodiment is not particularly limited.
  • the wireless communication method is, for example, short-range wireless communication such as ZigBee (registered trademark), Bluetooth (registered trademark), or wireless LAN (Local Area Network).
  • the wireless communication method may be communication via a wide area communication network such as the Internet.
  • wired communication may be performed between the devices instead of wireless communication.
  • the wired communication is a power line communication (PLC: Power Line Communication) or a communication using a wired LAN.
  • another processing unit may execute the processing executed by the specific processing unit. Further, the order of the plurality of processes may be changed, or the plurality of processes may be executed in parallel. Further, the defect factor estimation device may be realized by operating a plurality of devices in cooperation with each other. The distribution of the components of the defect factor estimation device to a plurality of devices is an example. For example, the components of one device may be included in another device.
  • the processing described in the above embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. Good. Further, the number of processors that execute the above program may be singular or plural. That is, centralized processing may be performed, or distributed processing may be performed.
  • all or a part of the components such as the control unit may be configured by dedicated hardware, or may be realized by executing a software program suitable for each component. May be good. Even if each component is realized by a program execution unit such as a CPU (Central Processing Unit) or a processor reading and executing a software program recorded on a recording medium such as an HDD (Hard Disk Drive) or a semiconductor memory. Good.
  • a program execution unit such as a CPU (Central Processing Unit) or a processor reading and executing a software program recorded on a recording medium such as an HDD (Hard Disk Drive) or a semiconductor memory. Good.
  • a component such as a control unit may be composed of one or a plurality of electronic circuits.
  • the one or more electronic circuits may be general-purpose circuits or dedicated circuits, respectively.
  • One or more electronic circuits may include, for example, a semiconductor device, an IC (Integrated Circuit), an LSI (Large Scale Integration), or the like.
  • the IC or LSI may be integrated on one chip or may be integrated on a plurality of chips. Here, it is called IC or LSI, but the name changes depending on the degree of integration, and it may be called system LSI, VLSI (Very Large Scale Integration), or ULSI (Ultra Large Scale Integration).
  • FPGA Field Programmable Gate Array programmed after manufacturing the LSI can also be used for the same purpose.
  • the general or specific aspects of the present disclosure may be realized by a system, an apparatus, a method, an integrated circuit or a computer program.
  • a computer-readable non-temporary recording medium such as an optical disk, HDD or semiconductor memory in which the computer program is stored.
  • it may be realized by any combination of a system, an apparatus, a method, an integrated circuit, a computer program and a recording medium.
  • the present disclosure can be used as a defect factor estimation device that can accurately estimate a defect factor of a manufacturing system with a small amount of calculation, and can be used, for example, for management, analysis, and maintenance of a product manufacturing system.

Landscapes

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

Abstract

不良要因推定装置（１０）は、製造システム（１）における不良の要因を推定する不良要因推定装置であって、製造ログデータを取得する製造ログ取得部（２０）と、製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、不良の要因を推定する統計処理部（３０）と、統計処理部（３０）によって推定された要因に関する情報を出力する解析結果出力部（５０）とを備え、統計処理部（３０）は、（ａ）不良の発生に無関係であると判断された工程を示す工程情報が示す工程を含むログ情報を除外する第１の除外処理、及び、（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、の少なくとも一方を行うことで、除外されなかった残りのログ情報を対象ログデータとして用いて不良の要因を推定する。

Description

不良要因推定装置及び不良要因推定方法
　本開示は、不良要因推定装置及び不良要因推定方法に関する。
　例えば、特許文献１には、複数の工程を経ることで製造される複数の製品について、製品不良が生じる原因となる製造設備を推定する異常設備推定装置が開示されている。また、特許文献２には、加工品の加工工程における処理実績データ又は検査結果データの因果関係に基づいて定義されたプロセス制御モデルに基づいて、加工工程における製造パラメータを決定する加工物の製造方法が開示されている。
特許第４７７２３７７号公報 特開２００３－１６２３０９号公報
　近年、製造システムの多様化及び複雑化が進んでいるため、製品不良又は設備不良などの製造システムの不良の要因を精度良く特定するためには莫大なデータを解析しなければならず、不良の要因の推定に要する演算量が多くなる。データ量を減らすことで、演算量を減らすことが可能になるが、不良の要因の推定精度が低下する。
　そこで、本開示は、製造システムの不良要因を少ない演算量で精度良く推定することができる不良要因推定装置及び不良要因推定方法を提供する。
　本開示の一態様に係る不良要因推定装置は、順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造する製造システムにおける不良の要因を推定する不良要因推定装置であって、工程毎の製造状況と前記製造システムに関する検査結果とを示すログ情報を含む製造ログデータを取得する取得部と、前記製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、前記要因を推定する統計処理部と、前記統計処理部によって推定された要因に関する情報を出力する出力部とを備え、前記統計処理部は、（ａ）不良の発生に無関係であると判断された工程を示す工程情報に基づいて、前記工程情報が示す工程を含むログ情報を除外する第１の除外処理、及び、（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、の少なくとも一方を行うことで、除外されなかった残りのログ情報を前記対象ログデータとして用いて前記要因を推定する。
　本開示の一態様に係る不良要因推定方法は、順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造する製造システムにおける不良の要因を推定する不良要因推定方法であって、工程毎の製造状況と前記製造システムに関する検査結果とを示すログ情報を含む製造ログデータを取得するステップと、前記製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、前記要因を推定するステップと、推定された要因に関する情報を出力するステップとを含み、前記推定するステップでは、（ａ）不良の発生に無関係であると判断された工程を示す工程情報に基づいて、前記工程情報が示す工程を含むログ情報を除外する第１の除外処理、及び、（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、の少なくとも一方を行うことで、除外されなかった残りのログ情報を前記対象ログデータとして用いて前記要因を推定する。
　また、本開示の一態様は、上記不良要因推定方法をコンピュータに実行させるプログラムとして実現することができる。あるいは、当該プログラムを格納したコンピュータ読み取り可能な非一時的な記録媒体として実現することもできる。
　本開示によれば、製造システムの不良要因を少ない演算量で精度良く推定することができる。
図１は、実施の形態１に係る製造システム及び不良要因推定装置の機能構成を示すブロック図である。 図２は、実施の形態１に係る製造システムの製造経路を示す図である。 図３は、実施の形態１に係る製造システムの設備情報データを示す図である。 図４は、実施の形態１に係る製造システムの製造経路データを示す図である。 図５は、実施の形態１に係る製造システムに関する製造知識データを示す図である。 図６は、実施の形態１に係る製造システムに関するライン知識データを示す図である。 図７は、実施の形態１に係る製造システムにおける製造情報データを示す図である。 図８は、実施の形態１に係る製造システムにおける検査結果データを示す図である。 図９は、実施の形態１に係る不良要因推定装置が生成する製造知識入力画面の一例を示す図である。 図１０は、実施の形態１に係る不良要因推定装置が生成するライン知識入力画面の一例を示す図である。 図１１は、実施の形態１に係る不良要因推定装置が生成する結果表示画面の一例を示す図である。 図１２は、実施の形態１に係る不良要因推定装置の動作を示すフローチャートである。 図１３は、実施の形態１に係る不良要因推定装置の動作における初期設定処理を示すフローチャートである。 図１４は、実施の形態１に係る不良要因推定装置の動作における製造ログの蓄積処理を示すフローチャートである。 図１５は、実施の形態１に係る不良要因推定装置の動作における不良要因の解析処理を示すフローチャートである。 図１６は、実施の形態１に係る不良要因推定装置の動作における製造経路データの作成処理を示すフローチャートである。 図１７は、実施の形態１に係る製造システムの要因グラフである。 図１８は、実施の形態１に係る製造システムの要因グラフデータである。 図１９は、実施の形態１に係る不良要因推定装置の動作における不良要因の推定処理を示すフローチャートである。 図２０Ａは、所定の処理単位で行われる工程についての代表値の頻度分布である。 図２０Ｂは、図２０Ａにおける工程の処理単位とは異なる処理単位で行われる他の工程についての代表値の頻度分布である。 図２１は、実施の形態１に係る不良要因推定装置による寄与度の補正処理を示す図である。 図２２は、実施の形態１に係る不良要因推定装置の動作における推定結果の出力処理を示すフローチャートである。 図２３は、実施の形態１の変形例に係る製造システムの工程間要因グラフデータである。 図２４は、実施の形態１の変形例に係る不良要因推定装置による寄与度の補正処理を示す図である。 図２５は、実施の形態１の変形例に係る不良要因推定装置によるライン知識を用いた寄与度の補正処理を示す図である。 図２６は、実施の形態２に係る製造システムに関する製造知識データを示す図である。 図２７は、実施の形態２に係る製造システムにおける検査結果データを示す図である。 図２８は、実施の形態２に係る不良要因推定装置が製造する製造知識入力画面の一例を示す図である。 図２９は、実施の形態２に係る不良要因推定装置が生成するライン知識入力画面の一例を示す図である。 図３０は、実施の形態２に係る不良要因推定装置が生成する結果表示画面の一例を示す図である。 図３１は、実施の形態２に係る不良要因推定装置の動作における製造経路データの作成処理を示すフローチャートである。 図３２は、実施の形態２に係る不良要因推定装置の動作における不良要因の推定処理を示すフローチャートである。 図３３は、実施の形態２に係る不良要因推定装置の動作における推定結果の出力処理を示すフローチャートである。
　（本開示の概要）
　本開示の一態様に係る不良要因推定装置は、順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造する製造システムにおける不良の要因を推定する不良要因推定装置であって、工程毎の製造状況と前記製造システムに関する検査結果とを示すログ情報を含む製造ログデータを取得する取得部と、前記製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、前記要因を推定する統計処理部と、前記統計処理部によって推定された要因に関する情報を出力する出力部とを備え、前記統計処理部は、（ａ）不良の発生に無関係であると判断された工程を示す工程情報に基づいて、前記工程情報が示す工程を含むログ情報を除外する第１の除外処理、及び、（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、の少なくとも一方を行うことで、除外されなかった残りのログ情報を前記対象ログデータとして用いて前記要因を推定する。
　これにより、第１の除外処理及び第２の除外処理の少なくとも一方が行われることで、不良の要因の推定に要する演算量を削減することができる。また、第１の除外処理は、不良の発生に無関係であると判定された工程情報に基づいて行われるので、第１の除外処理によって除外されたログ情報に含まれる工程に不良要因が存在する可能性が低い。また、第２の除外処理では、不良の特徴量と異なる工程が除外されるので、第２の除外処理によって除外されたログ情報に含まれる工程に不良要因が存在する可能性が低い。したがって、第１の除外処理及び第２の除外処理のいずれが行われた場合であっても、不良の要因の推定結果の精度の低下を抑制することができる。このように、本態様に係る不良要因推定装置によれば、製造システムの不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記統計処理部は、前記第１の除外処理及び前記第２の除外処理の両方を行ってもよい。
　これにより、第１の除外処理及び第２の除外処理の両方を行うことで、演算量を更に削減することができる。
　また、例えば、前記統計処理部は、前記第１の除外処理を行った後、前記第２の除外処理を行ってもよい。
　これにより、第１の除外処理によってログ情報を除外した後に第２の除外処理を行うので、第２の除外処理を行うのに要する演算量を削減することができる。
　また、例えば、前記工程情報の入力を受け付ける第１の入力部を備え、前記統計処理部は、前記第１の除外処理を行ってもよい。
　これにより、例えば、製造システムの管理者又は作業者などによる経験則に基づいて工程情報を入力させることができる。ベテランの管理者又は作業者の経験を有効に活用することができるので、不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記検査結果は、製品の検査結果を示し、前記製造ログデータは、前記ログ情報を前記複数の製品の各々について含み、前記工程情報は、製品の不良種別毎に、製品不良の発生に無関係であると判断された工程が対応付けられ、前記不良要因推定装置は、さらに、前記要因の推定対象とする不良種別の入力を受け付ける第２の入力部を備え、前記統計処理部は、前記第１の除外処理において、前記工程情報に基づいて、前記第２の入力部によって受け付けられた不良種別に対応付けられた工程を含むログ情報を除外してもよい。
　これにより、製品の不良要因の推定対象ではない不良種別に対応付けられた工程を含むログ情報を除外することができるので、製品の不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記工程情報は、製品の品種と不良種別との組み合わせ毎に、製品不良の発生に無関係であると判断された工程を示し、前記第２の入力部は、前記要因の推定対象とする品種及び不良種別の入力を受け付け、前記統計処理部は、前記第１の除外処理において、前記工程情報に基づいて、前記第２の入力部によって受け付けられた品種及び不良種別の組み合わせに対応付けられた工程を含むログ情報を除外してもよい。
　これにより、不良要因の推定対象ではない品種と不良種別とに対応付けられた工程を含むログ情報を除外することができるので、製品の不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記統計処理部は、前記第２の除外処理を行い、前記第２の除外処理では、少なくとも２つの工程における処理単位数が異なる場合に、複数の処理単位数の各々について、検査結果が製品不良であることを示すログ情報を用いて処理単位数毎の複数の代表値を決定し、決定した複数の代表値のばらつきを前記特徴量として算出し、算出したばらつきにより前記除外工程を決定し、決定した除外工程を含むログ情報を除外してもよい。
　処理単位数毎の代表値のばらつきが小さい場合には、当該処理単位数で行われた工程に不良要因が存在する可能性が高い。このため、ばらつきに基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外することにより、製品の不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記検査結果は、設備の停止種別毎に不良の連続発生数を示し、前記製造ログデータは、前記ログ情報を、前記製造システムに含まれる複数の設備の各々について含み、前記工程情報は、設備の停止種別毎に、不良の発生に無関係であると判断された工程が対応付けられ、前記不良要因推定装置は、さらに、前記要因の推定対象とする不良種別の入力を受け付ける第２の入力部を備え、前記統計処理部は、前記第１の除外処理において、前記工程情報に基づいて、前記第２の入力部によって受け付けられた不良種別に対応付けられた工程を含むログ情報を除外してもよい。
　これにより、不良要因の推定対象ではない停止種別に対応付けられた工程を含むログ情報を除外することができるので、不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記統計処理部は、前記第２の除外処理を行い、前記第２の除外処理では、少なくとも２つの工程における処理単位数が異なる場合に、複数の処理単位数の各々について、検査結果が設備不良であることを示すログ情報を用いて処理単位数毎の複数の代表値を決定し、決定した複数の代表値のばらつきを前記特徴量として算出し、算出したばらつきにより前記除外工程を決定し、決定した除外工程を含むログ情報を除外してもよい。
　処理単位数毎の代表値のばらつきが小さい場合には、当該処理単位数で行われた工程に不良要因が存在する可能性が高い。このため、ばらつきに基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外することにより、製造設備の不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記第１の入力部において入力される前記工程情報は、工程シミュレーション、又は、設備シミュレーションにより生成されたものであってもよい。
　これにより、シミュレーション結果に基づいて工程情報を入力させることができる。例えば、新規の製造システムなどベテランの管理者又は作業者の経験を活用できない場合であっても、不良要因を少ない演算量で精度良く推定することができる。
　また、例えば、前記不良の要因は、連続する工程間の製造状況の組み合わせで表されてもよい。
　これにより、工程単独の場合ではなく、工程間の製造状況の組み合わせを不良要因として推定することができる。
　また、本開示の一態様に係る不良要因推定方法は、順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造する製造システムにおける不良の要因を推定する不良要因推定方法であって、工程毎の製造状況と前記製造システムに関する検査結果とを示すログ情報を含む製造ログデータを取得するステップと、前記製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、前記要因を推定するステップと、推定された要因に関する情報を出力するステップとを含み、前記推定するステップでは、（ａ）不良の発生に無関係であると判断された工程を示す工程情報に基づいて、前記工程情報が示す工程を含むログ情報を除外する第１の除外処理、及び、（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、の少なくとも一方を行うことで、除外されなかった残りのログ情報を前記対象ログデータとして用いて前記要因を推定する。
　これにより、上記不良要因推定装置と同様に、製造システムの不良要因を少ない演算量で精度良く推定することができる。
　以下では、実施の形態について、図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　また、各図は、模式図であり、必ずしも厳密に図示されたものではない。したがって、例えば、各図において縮尺などは必ずしも一致しない。また、各図において、実質的に同一の構成については同一の符号を付しており、重複する説明は省略又は簡略化する。
　（実施の形態１）
　［１．構成］
　まず、実施の形態１に係る不良要因推定装置及び製造システムの構成について、図１を用いて説明する。図１は、本実施の形態に係る不良要因推定装置１０及び製造システム１の機能構成を示すブロック図である。
　不良要因推定装置１０は、複数の製品を製造する製造システム１の不良の要因を特定する装置である。以下ではまず、不良要因推定装置１０による要因推定の対象となる製造システム１の具体例について説明する。
　［１－１．製造システム］
　製造システム１は、順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造するシステムである。つまり、製造システム１は、１つの製品を製造するために複数の工程を順に実行する。
　図１に示される例では、製品の製造工程は、ｎ個の工程１～ｎと検査工程とを含んでいる。ｎは、２以上の自然数である。ｎ個の工程はそれぞれ、複数の製造設備から選択された１つの製造設備によって実行される。例えば、図１に示される製造システム１は、工程１を実行するａ個の製造設備９１＿１～９１＿ａと、工程ｎを実行するｂ個の製造設備９１ｎ＿１～９１ｎ＿ｂとを含んでいる。図示されていない工程２～工程ｎ－１についても同様である。さらに、製造システム１は、製品の検査を行うｃ個の検査設備９３＿１～９３＿ｃを含んでいる。ａ、ｂ及びｃはそれぞれ、自然数である。
　製造システム１が製造する複数の製品の１つは、複数の製造設備９１＿１～９１＿ａから選択された１つによって工程１が行われ、複数の製造設備９１ｎ＿１～９１ｎ＿ｂから選択された１つによって工程ｎが行われることにより製造される。工程１～ｎが行われた製品は、複数の検査設備９３＿１～９３＿ｃから選択された１つによって検査される。
　製造システム１が製造する製品は、例えば、電解コンデンサである。なお、製品は、電解コンデンサに限定されるものではない。
　電解コンデンサの製造システム１は、例えば、図２に示されるように、５つの工程（ｉ）～（ｖ）を含んでいる。図２は、本実施の形態に係る製造システム１の製造経路を示す図である。
　具体的には、（ｉ）端子付け工程、（ｉｉ）巻取り工程、（ｉｉｉ）含浸工程、（ｉｖ）エージング工程及び（ｖ）印刷工程がこの順に実行される。（ｉ）端子付け工程では、電解コンデンサの陽極箔及び陰極箔にリード線（端子）を取り付ける。（ｉｉ）巻取り工程では、陽極箔及び陰極箔の間に電解紙を挟んで巻取り、封口ゴムを取り付ける。（ｉｉｉ）含浸工程では、素子に電解液を含浸させる。（ｉｖ）エージング工程では、被覆再化成を行う。（ｖ）印刷工程では、ロット番号などの各種情報の印刷を行う。
　上記工程を経ることで製造された電解コンデンサに対して、検査が行われる。検査では、例えば、電流特性の検査及び外観検査などの複数の検査項目について行われる。
　図２に示される「Ｅ１１」～「Ｅ１４」はそれぞれ、（ｉ）端子付け工程を実行する製造設備（例えば、図１に示される製造設備９１＿１～９１＿ａ）を表す設備ＩＤである。設備ＩＤは、製造システム１が備える全ての製造設備に割り当てられた固有の識別子である。
　同様に、「Ｅ２１」～「Ｅ２３」はそれぞれ、（ｉｉ）巻取り工程を実行する製造設備を表す設備ＩＤである。「Ｅ３１」～「Ｅ３４」はそれぞれ、（ｉｉｉ）含浸工程を実行する製造設備を表す設備ＩＤである。「Ｅ４１」～「Ｅ４２」はそれぞれ、（ｉｖ）エージング工程を実行する製造設備を表す設備ＩＤである。「Ｅ５１」～「Ｅ５３」はそれぞれ、（ｖ）印刷工程を実行する製造設備を表す設備ＩＤである。
　図３は、実施の形態に係る製造システム１の設備情報データを示す図である。設備情報データは、設備情報蓄積部７３に記憶され蓄積される。図３に示されるように、設備情報データは、製造システム１に含まれる各工程を実行する複数の製造設備を設備ＩＤで表している。
　また、図２では、各工程に含まれる製造設備を実線で接続されている。当該実線は、連続して実行される工程間での製造設備の接続関係を表している。ここでの接続関係とは、製品が製造される際に通りうる製造経路を意味する。
　図４は、本実施の形態に係る製造システム１の製造経路データを示す図である。製造経路データは、設備情報蓄積部７３に記憶され蓄積される。
　図４に示されるように、製造経路データは、始点設備の設備ＩＤと、終点設備の設備ＩＤとの組み合わせを示している。ここで、始点設備及び終点設備はそれぞれ、図２に示される実線の始点及び終点が接続された製造設備である。始点及び終点は、工程が行われる順に定められる。例えば、図４に示される例では、「Ｅ１１」の製造設備は、「Ｅ２１」～「Ｅ２３」の製造設備の各々に接続されていることを表している。つまり、端子付け工程を「Ｅ１１」の製造設備で行われた製品は、巻取り工程を行う製造設備として、「Ｅ２１」～「Ｅ２３」のいずれにも受け渡されうることを示している。
　［１－２．不良要因推定装置］
　次に、不良要因推定装置１０の構成について説明する。
　図１に示されるように、不良要因推定装置１０は、製造ログ取得部２０と、統計処理部３０と、製造知識入力部４１と、ライン知識入力部４２と、解析条件入力部４３と、解析結果出力部５０と、製造知識蓄積部７１と、ライン知識蓄積部７２と、設備情報蓄積部７３と、製造情報蓄積部７４と、検査結果蓄積部７５と、推定結果蓄積部７６とを備える。
　不良要因推定装置１０は、例えば、コンピュータ機器である。不良要因推定装置１０は、プログラムが格納された不揮発性メモリ、プログラムを実行するための一時的な記憶領域である揮発性メモリ、入出力ポート、プログラムを実行するプロセッサなどで実現される。不良要因推定装置１０が有する各機能はそれぞれ、プロセッサによって実行されるソフトウェアで実現されてもよく、複数の回路素子を含む電子回路などのハードウェアで実現されてもよい。
　製造ログ取得部２０は、製造ログデータを取得する。製造ログ取得部２０は、製造システム１が備える複数の製造設備、当該複数の製造設備を制御する１つ以上の制御装置、又は、当該複数の製造設備に取り付けられたセンサなどとの通信を行う通信インタフェースである。通信は、有線通信であってもよく、無線通信であってもよい。また、製造ログ取得部２０は、製造システム１の管理者又は作業者からの操作入力を受け付ける入力インタフェースであってもよい。
　図１に示される例では、製造システム１に含まれる製造設備９１＿１～９１＿ａ及び９１ｎ＿１～９１ｎ＿ｂにそれぞれ、通信部９２＿１～９２＿ａ及び９２ｎ＿１～９２ｎ＿ｂが接続されている。検査設備９３＿１～９３＿ｃにはそれぞれ、通信部９４＿１～９４＿ｃが接続されている。
　製造ログ取得部２０は、通信部９２＿１～９２＿ａ及び９２ｎ＿１～９２ｎ＿ｂと通信することで、製造設備９１＿１～９１＿ａ及び９１ｎ＿１～９１ｎ＿ｂの各々から、各製造設備に取り付けられたセンサによって測定された温度、湿度及び電圧値などのセンサ測定値、各工程で用いた製造設備に対する制御パラメータ、並びに、設備ＩＤなどを製造状況の値として取得する。また、同様に、製造ログ取得部２０は、通信部９４＿１～９４＿ｃと通信することで、検査設備９３＿１～９３＿ｃの各々から、検査結果を取得する。
　製造ログデータは、製造ログ情報を複数の製品の各々について含んでいる。製造ログ情報は、工程毎の製造状況と製造システムに関する検査結果とを示すログ情報である。本実施の形態では、検査結果は、製品の検査結果を示している。製造ログ取得部２０によって取得された製造ログデータは、製造情報蓄積部７４及び検査結果蓄積部７５にそれぞれ記憶され蓄積される。
　統計処理部３０は、製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、不良要因を推定する。対象ログデータは、不良要因の解析に用いられるログ情報を含むデータである。図１に示されるように、統計処理部３０は、解析処理部３１と、要因推定部３２とを備える。
　解析処理部３１は、第１の除外処理及び第２の除外処理の少なくとも一方を行うことで、製造ログデータからログ情報を除外する。解析処理部３１は、除外されなかった残りのログ情報を対象ログデータとして用いて不良要因を推定する。第１除外処理及び第２除外処理の具体例については、後で説明する。
　解析処理部３１及び要因推定部３２はそれぞれ、プログラムが格納された不揮発性メモリ、プログラムを実行するための一時的な記憶領域である揮発性メモリ、入出力ポート、プログラムを実行するプロセッサなどで実現される。解析処理部３１及び要因推定部３２がそれぞれ行う機能は、プロセッサによって実行されるソフトウェアで実現されてもよく、複数の回路素子を含む電子回路などのハードウェアで実現されてもよい。なお、解析処理部３１及び要因推定部３２は、メモリなどのハードウェア資源を互いに共用することで実現されてもよい。
　要因推定部３２は、製造ログデータの絞り込みによって得られた対象ログデータに基づいて、不良要因の推定を行う。つまり、要因推定部３２は、解析処理部３１によって除外されたログ情報を用いずに、不良要因の推定を行う。例えば、要因推定部３２は、統計処理を行う。統計処理は、線形モデル、決定木又はニューラルネットワークなどに基づく統計分類処理である。統計分類処理では、例えば、製品毎の検査結果を目的変数とし、製品毎の各工程の製造状況を説明変数とする。
　製造知識入力部４１は、工程情報の入力を受け付ける第１の入力部の一例である。工程情報は、不良の発生に無関係であると判断された工程を示す情報である。具体的には、工程情報では、製品の不良種別毎に、製品不良の発生に無関係であると判断された工程が対応付けられている。本実施の形態では、工程情報は、製品の品種と不良種別との組み合わせ毎に、製品不良の発生に無関係であると判断された工程を示している。
　製品不良の発生に無関係であるか否かの判断は、例えば、製造システム１の管理者又は作業者によって行われる。あるいは、当該判断は、工程シミュレーション又は設備シミュレーションによって行われてもよい。つまり、工程情報は、人が経験的に有する知識に基づく情報であってもよく、シミュレーションの結果に基づいて生成された情報であってもよい。
　ライン知識入力部４２は、ライン情報の入力を受け付ける第３の入力部の一例である。ライン情報は、製造システム１のライン構成を示す情報である。具体的には、ライン情報は、各工程での製品の処理単位を示している。また、ライン情報は、各工程の実行に必要な材料の供給単位を示している。
　ライン情報は、例えば、製造システム１の管理者又は作業者の知識及び経験に基づいて定められて入力される情報である。あるいは、ライン情報は、工程シミュレーション又は設備シミュレーションによって行われた結果であってもよい。つまり、ライン情報は、人が有する知識に基づく情報であってもよく、シミュレーションの結果に基づいて生成された情報であってもよい。
　解析条件入力部４３は、解析条件の入力を受け付ける第２の入力部の一例である。具体的には、解析条件入力部４３は、要因の推定対象とする不良種別の入力を受け付ける。また、解析条件入力部４３は、要因の推定対象とする製品の品種の入力を受け付ける。解析条件入力部４３が受け付けた不良種別及び品種を示す情報は、解析処理部３１に出力される。
　製造知識入力部４１、ライン知識入力部４２及び解析条件入力部４３はそれぞれ、製造システム１の管理者又は作業者からの操作入力を受け付ける入力インタフェースである。具体的には、製造知識入力部４１、ライン知識入力部４２及び解析条件入力部４３は、タッチパネルディスプレイ、又は、キーボード若しくはマウスなどの入力装置で実現される。あるいは、製造知識入力部４１、ライン知識入力部４２及び解析条件入力部４３は、マイクなどの音声入力装置で実現されてもよい。製造知識入力部４１、ライン知識入力部４２及び解析条件入力部４３は、例えば、ハードウェア資源を互いに共用することで実現されてもよい。
　解析結果出力部５０は、要因推定部３２によって推定された要因に関する情報を出力する出力部の一例である。具体的には、解析結果出力部５０は、要因推定部３２によって推定された不良要因を製造システム１の管理者又は作業者に知らせる通知情報を出力する。通知情報は、例えば、要因推定部３２によって推定された不良要因を示す画像又は音声である。解析結果出力部５０は、例えば、ディスプレイで実現されるが、スピーカで実現されてもよい。あるいは、解析結果出力部５０は、外部機器と通信する通信インタフェースであってもよい。
　製造知識蓄積部７１、ライン知識蓄積部７２、設備情報蓄積部７３、製造情報蓄積部７４、検査結果蓄積部７５及び推定結果蓄積部７６は、各種データを記憶する記憶装置である。当該記憶装置は、例えば、半導体メモリ又はＨＤＤ（Hard Disk Drive）などで実現される。
　［２．各種データ］
　次に、本実施の形態に係る不良要因推定装置１０の蓄積部に蓄積される各種データの具体例について説明する。なお、設備情報蓄積部７３に蓄積される設備情報データ及び製造経路データは、図３及び図４で示した通りである。また、推定結果蓄積部７６に蓄積される推定結果データについては、不良要因推定装置１０の動作とともに後で説明する。
　［２－１．製造知識データ］
　図５は、本実施の形態に係る製造システム１に関する製造知識データを示す図である。製造知識データは、製造知識蓄積部７１に記憶され蓄積される。
　図５に示されるように、製造知識データでは、品種ＩＤと、不良コードと、非関連工程とが対応付けられている。品種ＩＤは、製品の品種毎に固有に割り当てられた識別子である。不良コードは、製品の不良種別である。すなわち、不良コードは、検査工程における検査項目に相当している。非関連工程は、品種ＩＤと不良コードとの組み合わせに対応しており、製品不良の発生に無関係であると判断された工程である。
　図５に示される例では、品種ＩＤが「Ｍ１２３」の製品については、端子付け工程及び印刷工程のいずれも、「電流特性」の不良には無関係であることを意味している。つまり、端子付け工程及び印刷工程に含まれる製造設備が、「電流特性」の不良要因になる可能性が極めて低く、他の工程（具体的には、巻取り工程、含浸工程、エージング工程）に不良要因が含まれている可能性が高い。したがって、不良要因の推定を行う場合には、非関連工程を含むログ情報を除外することができる。
　［２－２．ライン知識データ］
　図６は、本実施の形態に係る製造システム１に関するライン知識データを示す図である。ライン知識データは、ライン知識蓄積部７２に記憶され蓄積される。
　図６に示されるように、ライン知識データでは、工程ＩＤと、処理単位と、材料供給単位とが対応付けられている。工程ＩＤは、製造システム１が含む全ての工程に固有に割り当てられた識別子である。処理単位は、工程毎に同時に処理される製品の個数である。「パーツ」は、製品を１個ずつ処理することを意味する。「Ｘパーツ」は、製品をＸ個ずつ同時に処理されることを意味する。「ロット」は、製品をロット単位で同時に処理することを意味する。材料供給単位は、工程で必要な材料の供給数である。
　［２－３．製造情報データ］
　図７は、本実施の形態に係る製造システム１における製造情報データを示す図である。製造情報データは、製造情報蓄積部７４に記憶され蓄積される。
　図７に示されるように、製造情報データでは、製品ＩＤと、品種ＩＤと、ロットＩＤと、工程１～工程ｎの各々で使用された製造設備の設備ＩＤとが対応付けられている。製造ログ取得部２０は、各製造設備から通信部を介して取得した製造状況を示す情報に基づいて、製品ＩＤに対応する製品について各工程で経由した製造設備を特定し、製品ＩＤと各工程の設備ＩＤとを対応付けている。なお、製造情報データには、品種ＩＤ及びロットＩＤが含まれていなくてもよい。
　［２－４．検査結果データ］
　図８は、本実施の形態に係る製造システム１における検査結果データを示す図である。検査結果データは、検査結果蓄積部７５に記憶され蓄積される。
　図８に示されるように、検査結果データでは、設備ＩＤと、ロットＩＤと、品種ＩＤと、製品ＩＤと、不良コードと、計測値と、計測日時とが対応付けられている。ここでの設備ＩＤは、検査工程を実行する検査設備に固有に割り当てられた識別子である。製造ログ取得部２０は、各検査設備から通信部を介して取得した検査結果に基づいて、製品ＩＤに対応する製品について検査を行った検査設備を特定し、製品ＩＤと検査設備の設備ＩＤと検査結果及び検査日時とを対応付けている。
　［３．表示画面］
　次に、本実施の形態に係る不良要因推定装置１０において、製造システム１の管理者又は作業者からの情報の受け付け、及び、管理者又は作業者に対する情報の提示に利用される表示画面について説明する。
　［３－１．製造知識入力画面］
　まず、製造知識データの入力を受け付けるための製造知識入力画面について図９を用いて説明する。図９は、本実施の形態に係る製造知識入力画面８１の一例を示す図である。製造知識入力部４１は、図９に示される製造知識入力画面８１を生成してディスプレイに表示する。
　図９に示される製造知識入力画面８１では、品種及び不良種別がそれぞれ、プルダウンメニューで表されて選択可能に構成されている。さらに、製造知識入力画面８１では、製造システム１に含まれる５つの工程の各々が選択可能に構成されている。製造システム１の管理者又は作業者は、品種及び不良種別を選択した後、工程を選択する。これにより、製造知識入力部４１は、選択された工程を、選択された品種及び不良種別の組み合わせに対応する非関連工程として取得することができる。
　［３－２．ライン知識入力画面］
　次に、ライン知識データの入力を受け付けるためのライン知識入力画面について図１０を用いて説明する。図１０は、本実施の形態に係るライン知識入力画面８２の一例を示す図である。ライン知識入力部４２は、図１０に示されるライン知識入力画面８２を生成してディスプレイに表示する。
　図１０に示されるライン知識入力画面８２では、工程と処理単位とがそれぞれ、プルダウンメニューで表されて選択可能に構成されている。さらに、ライン知識入力画面８２では、数量を入力するテキストボックスが含まれている。製造システム１の管理者又は作業者は、工程及び処理単位を選択した後、テキストボックスに数値を入力する。これにより、ライン知識入力部４２は、入力された数値を、選択された工程における処理単位数として取得することができる。なお、ライン知識入力画面８２には、材料の供給単位を入力するためのＧＵＩ（Graphical User Interface）オブジェクトが含まれていてもよい。
　［３－３．結果表示画面］
　次に、要因の推定結果を示す結果表示画面について図１１を用いて説明する。図１１は、本実施の形態に係る結果表示画面８３の一例を示す図である。解析結果出力部５０は、要因推定部３２による推定結果に基づいて結果表示画面８３を生成してディスプレイに表示する。
　図１１に示される結果表示画面８３では、品種及び不良種別がそれぞれ、プルダウンメニューで表されて選択可能に構成されている。品種及び不良種別の組み合わせに対応する不良要因の推定結果がテーブル形式で示されている。具体的には、工程と設備との組み合わせと、その組み合わせの優先度とが対応付けられている。優先度は、例えば、不良の可能性が高い順、又は、不良に対する対策を行った場合の効果が高い順に付与されている。
　製造システム１の管理者又は作業者が工程及び不良種別の組み合わせを変更した場合には、結果表示画面８３に含まれる推定結果が、変更後の組み合わせの推定結果に切り替わる。
　以上に示す入力画面及び表示画面は、一例に過ぎず、上述した例に限定されるものではない。例えば、結果表示画面８３では、品種及び不良種別の組み合わせによらず、推定結果を全て１つのページに含まれていてもよい。当該ページが１画面に収まらない場合には、スクロール可能であってもよい。
　［４．動作］
　続いて、本実施の形態に係る不良要因推定装置１０の動作について説明する。
　図１２は、本実施の形態に係る不良要因推定装置１０の動作を示すフローチャートである。図１２に示されるように、まず、不良要因推定装置１０は初期設定を行う（Ｓ１１）。次に、不良要因推定装置１０は、製造ログの蓄積処理を行う（Ｓ１２）。次に、不良要因推定装置１０は、不良要因の解析を行う（Ｓ１３）。以下では、各々の具体的な処理について、図１３～図１５を用いて説明する。
　［４－１．初期設定（Ｓ１１）］
　まず、初期設定（Ｓ１１）について図１３を用いて説明する。図１３は、本実施の形態に係る不良要因推定装置１０の動作における初期設定処理（Ｓ１１）を示すフローチャートである。
　図１３に示されるように、不良要因推定装置１０は、設備情報を登録する（Ｓ２１）。具体的には、解析条件入力部４３が、製造システム１の管理者又は作業者から製造システム１に関する情報の入力を受け付ける。例えば、製造システム１に含まれる製造設備及び検査設備の種類、配置、接続関係などを解析条件入力部４３が取得する。製造設備及び検査設備の各々には固有の設備ＩＤが付与されるので、設備ＩＤによって各設備を特定することができる。解析条件入力部４３が取得した製造システム１に関する情報は、例えば、図３に示される設備情報データ及び図４に示される製造経路データとして、設備情報蓄積部７３に記憶される。
　次に、不良要因推定装置１０は、製造知識を取得する（Ｓ２２）。具体的には、製造知識入力部４１が、製造システム１の管理者又は作業者から製造知識の入力を受け付けることで、製造知識を取得する。取得した製造知識は、例えば、図５に示される製造知識データとして、製造知識蓄積部７１に記憶される。
　次に、不良要因推定装置１０は、ライン知識を取得する（Ｓ２３）。具体的には、ライン知識入力部４２が、製造システム１の管理者又は作業者からライン知識の入力を受け付けることで、ライン知識を取得する。取得したライン知識は、例えば、図６に示されるライン知識データとして、ライン知識蓄積部７２に記憶される。
　［４－２．製造ログの蓄積処理（Ｓ１２）］
　次に、製造ログの蓄積処理（Ｓ１２）について図１４を用いて説明する。図１４は、本実施の形態に係る不良要因推定装置１０の動作における製造ログの蓄積処理（Ｓ１２）を示すフローチャートである。
　図１４に示されるように、まず、製造ログ取得部２０が、製造ログ情報を取得する（Ｓ３１）。製造ログ情報には、製造システム１が製造した複数の製品の各々の、各工程での製造状況と検査結果とが含まれる。
　次に、製造ログ取得部２０は、製品ＩＤに関連付けて製造情報を製造情報蓄積部７４に蓄積する（Ｓ３２）。例えば、図７に示される製造情報データが製造情報蓄積部７４に記憶される。さらに、製造ログ取得部２０は、付与された製品ＩＤに関連付けて検査結果を、検査結果蓄積部７５に蓄積する（Ｓ３３）。例えば、図８に示される検査結果データが検査結果蓄積部７５に記憶される。
　［４－３．不良要因の解析処理（Ｓ１３）］
　次に、不良要因の解析処理（Ｓ１３）について図１５を用いて説明する。図１５は、本実施の形態に係る不良要因推定装置１０の動作における不良要因の解析処理（Ｓ１３）を示すフローチャートである。
　図１５に示されるように、まず、不良要因推定装置１０は、解析条件を取得する（Ｓ４１）。具体的には、解析条件入力部４３が、不良要因の推定対象とする製品の品種と不良種別との入力を受け付ける。例えば、解析条件入力部４３は、図１１に示される結果表示画面８３を生成してディスプレイに表示し、製造システム１の管理者又は作業者に品種及び不良種別のプルダウンメニューを選択させることで、品種及び不良種別を取得する。
　次に、不良要因推定装置１０は、製造経路データを作成する（Ｓ４２）。次に、不良要因推定装置１０は、不良要因の推定処理を行う（Ｓ４３）。製造経路データの作成及び不良要因の推定処理の各々の具体的な処理について、図１６～図２１を用いて後で説明する。
　次に、不良要因推定装置１０は、推定結果の出力を行う（Ｓ４４）。例えば、解析結果出力部５０が、図１１に示される結果表示画面８３に、取得された品種及び不良種別に対応する不良要因の推定結果をテーブル形式で表示する。これにより、製造システム１の管理者又は作業者に、不良要因の推定結果を提示することができる。
　［４－３－１．製造経路データの作成（Ｓ４２）］
　次に、製造経路データの作成処理（Ｓ４２）について図１６を用いて説明する。図１６は、本実施の形態に係る不良要因推定装置１０の動作における製造経路データの作成処理（Ｓ４２）を示すフローチャートである。製造経路データの作成処理は、主に解析処理部３１によって行われる第１の除外処理の一例である。
　図１６に示されるように、まず、解析処理部３１は、解析条件入力部４３を介して入力された品種を示す品種情報を取得する（Ｓ５１）。次に、解析処理部３１は、解析条件入力部４３を介して入力された不良種別を取得する（Ｓ５２）。なお、品種情報の取得より前に不良種別の取得が行われてもよい。
　次に、解析処理部３１は、取得した品種情報及び不良種別に基づいて、製造知識蓄積部７１に蓄積された製造知識データを参照することで、非関連工程を取得する（Ｓ５３）。例えば、品種情報が示す品種が「Ｍ１２３」であり、かつ、不良種別が「電流特性」である場合を想定する。この場合、図５に示される製造知識データに基づいて、解析処理部３１は、非関連工程として「端子付け」及び「印刷」の２つの工程を取得する。
　次に、解析処理部３１は、製造ログデータを読み出す（Ｓ５４）。具体的には、解析処理部３１は、製造情報蓄積部７４に蓄積された製造情報データ及び検査結果蓄積部７５に蓄積された検査結果データを参照することで、取得した品種情報及び不良種別に関連する設備情報及び検査結果を読み出す。
　次に、解析処理部３１は、読み出した製造ログデータに含まれる製品ＩＤを順に抽出する（Ｓ５５）。つまり、解析処理部３１は、読み出した製造ログデータに含まれる複数の製品ＩＤのうち、抽出済みではない製品ＩＤを抽出する。
　次に、解析処理部３１は、製品ＩＤに対応する設備情報を取得する（Ｓ５６）。例えば、製品ＩＤとして、図７に示される「Ｐ１９０７０１ＡＤ２６７１Ｄ２」を抽出した場合、解析処理部３１は、当該製品ＩＤに対応付けられた工程１～ｎの「Ｅ１１」・・・「Ｅｎ３」の設備ＩＤを設備情報として取得する。
　次に、解析処理部３１は、取得した設備情報が示す設備ＩＤを製品経路グラフに追加する（Ｓ５７）。全ての製品ＩＤに対する処理が完了するまで（Ｓ５８でＮｏ）、製品ＩＤの抽出（Ｓ５５）から製品経路グラフへの追加処理（Ｓ５７）が繰り返し行われる。これにより、例えば、図２に示される製造経路グラフが生成される。生成された製造経路グラフでは、製造システム１が含む全ての設備及びその接続関係（製造経路）のうち、ステップＳ５１及びＳ５２で取得された品種及び不良種別とは無関係の設備及び製造経路が除外されている。
　次に、解析処理部３１は、読み出した製造ログデータに含まれる工程ＩＤと、当該工程ＩＤが示す工程を実行した製造設備の設備ＩＤとを順に抽出する（Ｓ５９）。つまり、解析処理部３１は、読み出した製造ログデータに含まれる複数の工程ＩＤ及び設備ＩＤのうち、抽出済みではない工程ＩＤ及び設備ＩＤを抽出する。
　解析処理部３１は、抽出した工程ＩＤが示す工程が関連工程であるか否かを判定する（Ｓ６０）。具体的には、解析処理部３１は、抽出した工程ＩＤが示す工程が、ステップＳ５３で取得した非関連工程であるか否かを判定する。
　抽出した工程ＩＤが示す工程が関連工程ではない場合（Ｓ６０でＮｏ）、すなわち、抽出した工程ＩＤが示す工程が非関連工程である場合、ステップＳ５９に戻り、解析処理部３１は、次の工程ＩＤ及び設備ＩＤを抽出する。つまり、解析処理部３１は、抽出した工程ＩＤが示す工程が非関連工程である場合は、不良要因の推定対象から除外する。当該除外が第１の除外処理である。
　抽出した工程ＩＤが示す工程が関連工程である場合（Ｓ６０でＹｅｓ）、すなわち、抽出した工程ＩＤが示す工程が非関連工程ではない場合、解析処理部３１は、工程ＩＤ及び設備ＩＤを要因グラフに追加する（Ｓ６１）。
　図１７は、本実施の形態に係る製造システム１の要因グラフを示す図である。図１７に示される要因グラフは、工程ＩＤ及び設備ＩＤの抽出（Ｓ５９）及び要因グラフへの追加処理（Ｓ６１）が繰り返し行われることによって生成されるグラフデータである。
　製造ログデータに含まれる製品ＩＤに対応付けられた各工程の設備ＩＤをノードとし、当該設備ＩＤを工程の順序で接続することで、要因グラフが生成される。なお、ステップＳ６０の判定によって、非関連工程として取得された「端子付け」及び「印刷」が第１の除外処理によって除外されるため、要因グラフには当該２つの工程は含まれていない。
　さらに、図１６に示されるように、解析処理部３１は、設備ＩＤに対応する寄与度の初期値を設定する（Ｓ６２）。寄与度は、統計分類処理による分類精度に対する寄与度である。具体的には、寄与度は、設備ＩＤが示す製造設備が、不良種別が示す不良に寄与した度合いを示す数値である。つまり、寄与度は、設備ＩＤが示す製造設備が不良要因である可能性の高さを示す数値に相当する。寄与度が高い程、当該製造設備が不良要因である可能性が高い。
　例えば、図１８に示されるように、寄与度の初期値として「０．５」を設定する。寄与度の初期値は、これに限らない。図１８は、実施の形態に係る製造システム１の要因グラフデータである。図１８は、図１７に示される要因グラフに示される工程ＩＤ（すなわち、非関連工程が除外されている）と、設備ＩＤと、寄与度とが対応付けられたデータである。
　全ての工程ＩＤ及び設備ＩＤに対する処理が完了するまで（Ｓ６３でＮｏ）、工程ＩＤ及び設備ＩＤの抽出（Ｓ５９）から寄与度の初期値の設定（Ｓ６２）までの処理が繰り返し行われる。これにより、図１８に示される要因グラフデータが生成される。作成された要因グラフデータは、推定結果蓄積部７６に記憶される。
　本実施の形態によれば、製造知識に基づいて非関連工程が除外されるので、以降の要因推定に用いるデータ量を削減することができる。
　［４－３－２．不良要因の推定（Ｓ４３）］
　次に、不良要因の推定処理（Ｓ４３）について図１９を用いて説明する。図１９は、本実施の形態に係る不良要因推定装置１０の動作における不良要因の推定処理（Ｓ４３）を示すフローチャートである。不良要因の推定処理は、解析処理部３１によって行われる第２の除外処理と、要因推定部３２によって行われる推定処理とが含まれる。
　まず、解析処理部３１は、作成した要因グラフから工程ＩＤを順に取得する（Ｓ７１）。つまり、解析処理部３１は、作成した要因グラフデータに含まれる複数の工程ＩＤのうち、取得済みではない工程ＩＤを抽出する。
　次に、解析処理部３１は、検査結果データを参照して、品種ＩＤと不良コードとに基づいて、ロットＩＤ、製品ＩＤ及び計測値（すなわち、検査結果）を抽出する（Ｓ７２）。次に、解析処理部３１は、ライン知識蓄積部７２に蓄積されたライン知識データを参照することで、ライン知識を取得する（Ｓ７３）。
　次に、解析処理部３１は、ステップＳ７１で取得した工程の処理単位を、ライン知識に基づいて判定する。具体的にはまず、解析処理部３１は、処理単位がロット単位であるか否かを判定する（Ｓ７４）。処理単位がロット単位である場合（Ｓ７４でＹｅｓ）、解析処理部３１は、検査結果に基づいてロット単位の代表値を算出する（Ｓ７５）。ロット単位の代表値は、例えば、ロットに含まれる複数の製品の各々の計測値の平均値である。なお、ロット単位の代表値は、平均値の代わりに最大値、中央値若しくは最小値、又は、分散若しくは標準偏差などであってもよい。
　処理単位がロット単位ではない場合（Ｓ７４でＮｏ）、解析処理部３１は、ライン知識に基づいて、当該工程のパーツ数量を取得する（Ｓ７６）。
　パーツ数量が２以上である場合（Ｓ７７でＹｅｓ）、解析処理部３１は、数量単位の代表値を算出する（Ｓ７８）。数量単位の代表値は、例えば、複数の製品の計測値からパーツ数量毎に抜き出した計測値である。例えば、品種ＩＤが数値で表される場合に、解析処理部３１は、当該数値がパーツ数量の倍数である品種ＩＤの計測値を代表値として決定する。例えば、解析処理部３１は、品種ＩＤのｍｏｄ（パーツ数量）を算出し、ｍｏｄ（パーツ数量）≡０になる計測値を代表値として決定する。
　パーツ数量が２未満である場合（Ｓ７７でＮｏ）、解析処理部３１は、全ての製品の各々の計測値を代表値とする（Ｓ７９）。
　代表値が決定された後、要因推定部３２は、工程に含まれる設備毎の寄与度を算出する（Ｓ８０）。具体的には、要因推定部３２は、代表値の頻度分布を生成し、生成した頻度分布に基づいて寄与度を補正する。本実施の形態では、要因推定部３２は、工程の寄与度を補正することで、不良要因を絞り込むことができる。
　図２０Ａ及び図２０Ｂはそれぞれ、互いに異なる処理単位数毎の代表値の頻度分布である。図２０Ａ及び図２０Ｂの各々において、横軸は代表値を表し、縦軸は代表値の頻度を表している。図２０Ａは、代表値のばらつきが少ない場合の頻度分布である。図２０Ｂは、図２０Ａに示される頻度分布よりも、代表値のばらつきが大きい頻度分布である。
　所定の工程に対する代表値の頻度分布を生成した場合に、代表値のばらつきが小さいとき、当該工程が不良要因を含んでいると推定できる。一方で、所定の工程に対する代表値の頻度分布を生成した場合に、代表値のばらつきが大きいとき、当該工程以外の工程に不良要因を含んでいると推定できる。すなわち、当該工程には、不良要因が含まれていないと推定できる。
　所定の工程に不良要因が含まれる場合、当該工程の処理単位数毎に検査結果が同じ傾向になりやすい。このため、処理単位数毎の代表値が同じ値になりやすく、ばらつきが小さくなる。例えば、図６に示されるライン知識データによれば、含浸工程では１６パーツ単位で処理が行われる。説明を簡単にするため、含浸工程を行う製造設備が１６台含まれており、各製造設備で１パーツずつ含浸工程が行われる場合を想定する。例えば、１６台の製造設備が決められた順で繰り返し使用されることで、各パーツの含浸工程が行われる。また、検査工程では、電流特性が検査され、計測値（代表値）として電流値を用いる。
　ここで、１６台の製造設備のうちの１台が不良要因である場合、当該製造設備で含浸工程が行われた製品の電流値が不良の値になる。このため、１６パーツ単位で計測値を代表値として決定した場合、代表値のばらつきが小さくなる。一方で、例えばロット単位の平均電流値、又は、全ての製品の電流値を代表値として決定した場合、不良要因ではない製造設備で含浸工程が行われた製品の電流値が代表値には含まれる。このため、代表値のばらつきが大きくなる。なお、１６台の製造設備を例に挙げたが、１台の製造設備に１６個の製造装置（例えば、１６個の含浸ノズル）を備えていてもよい。
　以上のように、代表値の頻度分布に基づいて不良要因を含まない工程を決定することができ、決定した工程を除外することができる。例えば、要因推定部３２は、代表値の頻度分布のばらつきに応じて寄与度を補正する。
　図２１は、本実施の形態に係る不良要因推定装置１０による寄与度の補正処理を示す図である。本実施の形態では、要因推定部３２は、代表値のばらつきに基づいて寄与度を補正する。具体的には、要因推定部３２は、代表値のばらつきが小さい程、当該代表値のばらつきに対応する工程に含まれる設備ＩＤに割り当てられた寄与度を大きくする。例えば、要因推定部３２は、代表値のばらつきを示す標準偏差又は分散を算出し、算出した標準偏差又は分散の逆数を寄与度の初期値に加える。あるいは、要因推定部３２は、算出した標準偏差又は分散に基づいて予め決められた値を初期値に加えてもよい。このとき、設備ＩＤ毎の寄与度に、対応する製造設備を経由した不良品の発生数の割合を乗じてもよい。
　これにより、図２１に示されるように、各工程の設備ＩＤ毎の寄与度が補正される。例えば、含浸工程の代表値のばらつきが小さいため、含浸工程に含まれる設備ＩＤの寄与度が補正されている。一方で、エージング工程に含まれる設備ＩＤの寄与度は、初期値（０．５）のままである。
　図１９に示されるように、対象工程の寄与度の算出（Ｓ８０）が終わった後、全ての工程が処理されるまで（Ｓ８１でＮｏ）、工程の取得（Ｓ７１）から寄与度の算出（Ｓ８０）までの処理が順に繰り返される。全ての工程の処理が終わった後（Ｓ８１でＹｅｓ）、要因推定部３２は、推定結果を推定結果蓄積部７６に蓄積する。
　［４－４．推定結果の出力（Ｓ４４）］
　次に、推定結果の出力（Ｓ４４）について図２２を用いて説明する。図２２は、本実施の形態に係る不良要因の推定装置の動作における推定結果の出力処理を示すフローチャートである。
　図２２に示されるようにまず、解析結果出力部５０は、品種情報を抽出する（Ｓ９１）。具体的には、解析結果出力部５０は、図１１に示される結果表示画面８３を生成してディスプレイに表示し、製造システム１の管理者又は作業者から品種の入力を受け付ける。次に、解析結果出力部５０は、不良種別を抽出する（Ｓ９２）。不良種別の抽出は、品種情報の抽出と同様に、結果表示画面８３を介した入力を受け付けることで行われる。なお、不良種別の抽出が品種情報の抽出より先に行われてもよい。
　次に、解析結果出力部５０は、品種情報及び不良種別の組み合わせに基づいて、推定結果蓄積部７６に蓄積された要因グラフデータを取得する（Ｓ９３）。具体的には、図２１の（ｂ）に示される設備ＩＤと寄与度との対応テーブルを取得する。
　次に、解析結果出力部５０は、寄与度に基づいて、工程及び設備の組み合わせをソートする（Ｓ９４）。例えば、解析結果出力部５０は、寄与度が高いものから順に優先度を付与する。
　次に、解析結果出力部５０は、ソート結果を表示する（Ｓ９５）。これにより、例えば、ディスプレイには、図１１に示される結果表示画面８３が表示される。
　以上のように、本実施の形態に係る不良要因推定装置１０によれば、製造知識に基づいた第１の除外処理を行うことにより、製品不良に無関係の工程を含むログ情報を除外することができ、製造ログデータの絞り込みができる。さらに、不良要因推定装置１０によれば、ライン知識に基づいた第２の除外処理によって寄与度の補正が行われることで、製造ログデータの更なる絞り込みができる。これにより、不良要因の推定精度を高めることができる。
　［５．変形例］
　続いて、上記実施の形態の変形例について説明する。以下に示す変形例では、上記実施の形態と比較して、推定対象となる不良要因が相違する。以下では、実施の形態との相違点を中心に説明し、共通点の説明を省略又は簡略化する。
　本変形例では、不良要因として、工程間の製造設備の接続関係を推定する。
　図２３は、本変形例に係る製造システム１の工程間要因グラフデータである。本変形例に係る不良要因推定装置は、図２３に示される工程間要因グラフデータを、実施の形態に係る図１８に示される要因グラフデータの代わりに生成する。図２３に示されるように、工程間要因グラフデータでは、始点設備の設備ＩＤと終点設備の設備ＩＤとの組み合わせに、寄与度が対応付けられている。したがって、本変形例に係る不良要因推定装置は、製造システム１を構成する複数の製造設備の中で、製品不良の要因となる２つの製造設備の接続関係を推定する。具体的な処理は、実施の形態と同様であり、工程ＩＤ及び設備ＩＤの代わりに、始点設備の設備ＩＤ及び終点設備の設備ＩＤ、すなわち、製造経路を用いればよい。
　要因推定部３２は、例えば、品種及び不良種別によって特定された不良品に対応する製造経路データを用いて機械学習を行う。例えば、要因推定部３２は、１つの製造経路を経由した不良品の数が多い程、当該製造経路の寄与度が高くなる。機械学習は、例えば、マルコフチェーンモンテカルロ法（ＭＣＭＣ）、又は、ギブス・サンプリング法などのサンプリング法を用いることができる。
　図２４は、本変形例に係る不良要因推定装置による寄与度の補正処理を示す図である。図２４に示されるように、要因推定部３２は、機械学習の結果に基づいて寄与度を補正する。図２４に示される例では、「Ｅ２１」の製造設備と「Ｅ３２」の製造設備とを接続する製造経路が不良要因に対する寄与度が高い。すなわち、「Ｅ２１」の製造設備で巻取り工程が行われた後、「Ｅ３２」の製造設備で含浸工程が行われる場合に、製品不良が発生する可能性が高いことが分かる。
　また、「Ｅ２１」の製造設備と「Ｅ３１」の製造設備とを接続する製造経路の寄与度は、「Ｅ２１」の製造設備と「Ｅ３２」の製造設備とを接続する製造経路の寄与度より低い。このため、「Ｅ２１」の製造設備を経由する場合であっても、「Ｅ３１」の製造設備で処理された場合には不良になる可能性が少し低いことが分かる。
　また、本変形例では、実施の形態と同様に、ライン知識に基づいて寄与度を補正してもよい。つまり、工程毎の代表値のばらつきの大きさに基づいて、寄与度をさらに補正してもよい。
　図２５は、実施の形態の変形例に係る不良要因推定装置によるライン知識を用いた寄与度の補正処理を示す図である。例えば、含浸工程に対応する代表値のばらつきが小さい場合、含浸工程に対応する寄与度を補正する。図２４の（ｂ）に示される例では、「Ｅ２１」の設備が含浸工程に含まれるので、要因推定部３２は、図２４の（ｂ）に示される工程間要因グラフデータを、含浸工程の寄与度が高くなるように補正する。これにより、図２５に示されるよう工程間要因グラフが生成される。
　（実施の形態２）
　続いて、実施の形態２について説明する。
　実施の形態２に係る不良要因推定装置は、不良要因として、製造設備の不良を推定する。以下では、実施の形態１との相違点を中心に説明し、共通点の説明を省略又は簡略化する。例えば、本実施の形態に係る不良要因推定装置では、処理するデータの内容が実施の形態１とは相違しており、本実施の形態に係る不良要因推定装置及び製造システムの構成は、実施の形態１と同じである。
　［１．各種データ］
　まず、本実施の形態に係る製造システムに関する製造知識データ及び検査結果データについて説明する。
　図２６は、本実施の形態に係る製造システムに関する製造知識データを示す図である。図２６に示される製造知識データは、図５に示される製造知識データと比較して、不良コード（不良種別）の代わりに、停止種別が含まれている。図２６に示されるように、停止種別毎に非関連工程が対応付けられている。
　停止種別は、製造設備の停止の要因となった不良種別を示している。具体的には、停止種別は、製品の外観不良が多発したこと、及び、製品の容量不良が多発したことなどを含む。多発とは、例えば、対応する不良品の連続発生数が閾値を超えることである。
　図２７は、実施の形態２に係る製造システムにおける検査結果データを示す図である。図２７に示される検査結果データは、図８に示される検査結果データと比較して、不良コード（不良種別）の代わりに、停止種別が含まれている。また、計測値は、検査結果の一例であり、設備の停止種別毎の連続不良数を示している。すなわち、検査工程では、製品の良否ではなく、例えば、製造設備の停止の有無、及び、連続不良数などを製造設備毎に検査してもよい。
　［２．表示画面］
　次に、本実施の形態に係る不良要因推定装置において、製造システム１の管理者又は作業者からの情報の受け付け、及び、管理者又は作業者に対する情報の提示に利用される表示画面について説明する。
　［２－１．製造知識入力画面］
　図２８は、本実施の形態に係る不良要因推定装置が製造する製造知識入力画面の一例を示す図である。図２８に示される製造知識入力画面１８１は、図９に示される製造知識入力画面８１と比較して、不良種別の代わりに停止種別の選択を受け付けるためのプルダウンメニューが含まれている。製造システム１の管理者又は作業者は、品種及び停止種別を選択した後、工程を選択する。これにより、製造知識入力部４１は、選択された工程を、選択された品種及び停止種別の組み合わせに対応する非関連工程として取得することができる。
　［２－２．ライン知識入力画面］
　図２９は、本実施の形態に係る不良要因推定装置が生成するライン知識入力画面の一例を示す図である。図２９に示されるライン知識入力画面１８２は、図１０に示されるライン知識入力画面８２と同じである。図２９では、図１０とは異なる工程、処理単位及び数量が入力されている状態を示している。これにより、ライン知識入力部４２は、入力された数値を、選択された工程における処理単位数として取得することができる。例えば、図６に示されるライン知識データがライン知識蓄積部７２に記憶される。
　［２－３．結果表示画面］
　図３０は、本実施の形態に係る不良要因推定装置が生成する結果表示画面の一例を示す図である。図３０に示される結果表示画面１８３は、図３１に示される結果表示画面８３と比較して、不良種別の代わりに停止種別の選択を受け付けるためのプルダウンメニューが含まれている。結果表示画面１８３では、選択された品種と停止種別との組み合わせに対応する不良要因の推定結果がテーブル形式で示される。
　［３．動作］
　続いて、本実施の形態に係る不良要因推定装置の動作について説明する。
　本実施の形態に係る不良要因推定装置の主な動作は、実施の形態１と同じであり、図１２～図１５を用いて説明した通りである。不良種別の代わりに停止種別を用いる点で、図１５に示される解析処理（Ｓ１３）の経路データの作成処理（Ｓ４２）と、不良要因の推定処理（Ｓ４３）と、推定結果の出力処理（Ｓ４４）とが実施の形態１とは相違している。以下では、これらの処理についての相違点を説明する。
　［３－１．製造経路データの作成（Ｓ４２）］
　図３１は、本実施の形態に係る不良要因推定装置の動作における製造経路データの作成処理（Ｓ４２）を示すフローチャートである。図３１に示される製造経路データの作成処理では、品種情報を取得した後（Ｓ５１）、解析処理部３１は、解析条件入力部４３を介して入力された停止種別を取得する（Ｓ１５２）。なお、品種情報の取得より前に停止種別の取得が行われてもよい。以降の処理は、図１６に示される製造経路データの作成処理と同じである。この場合に、不良種別の代わりに停止種別を用いて各処理が行われる。
　［３－２．不良要因の推定（Ｓ４３）］
　図３２は、本実施の形態に係る不良要因推定装置の動作における不良要因の推定処理（Ｓ４３）を示すフローチャートである。図３２に示される不良要因の推定処理では、解析処理部３１は、要因グラフから工程ＩＤを取得した後（Ｓ７１）、検査結果データを参照して、品種ＩＤと停止種別とに基づいて、ロットＩＤ、製品ＩＤ及び計測結果を抽出する（Ｓ１７２）。つまり、不良種別の代わりに停止種別を用いて、検査結果データからの抽出処理が行われる。以降の処理は、図１９に示される不良要因の推定処理と同じである。
　［３－３．推定結果の出力（Ｓ４４）］
　図３３は、本実施の形態に係る不良要因推定装置の動作における推定結果の出力処理（Ｓ４４）を示すフローチャートである。図３３に示される推定結果の出力処理では、解析結果出力部５０は、品種情報を抽出した後（Ｓ９１）、停止種別を抽出する（Ｓ１９２）。具体的には、解析結果出力部５０は、図３０に示される結果表示画面１８３を生成してディスプレイに表示し、製造システム１の管理者又は作業者からの入力を受け付けることで、品種情報及び停止種別を抽出する。なお、停止種別の抽出が品種情報の抽出より先に行われてもよい。以降の処理は、図２２に示される推定結果の出力処理と同じである。
　本実施の形態では、製造ログデータは、製造ログ情報を、製造システム１に含まれる複数の製造設備の各々について含んでもよい。また、製造知識データには、製造設備の停止種別毎に、設備不良の発生に無関係であると判断された工程が対応付けられていてもよい。例えば、解析処理部３１は、第１の除外処理において、製造知識データに基づいて、不良種別に対応付けられた工程を含むログ情報を除外してもよい。
　また、製造設備の不良を推定する場合にも、実施の形態と同様に、ライン知識に基づいて寄与度を補正してもよい。つまり、工程毎の代表値のばらつきの大きさに基づいて、製造設備の停止種別毎の寄与度をさらに補正してもよい。
　（他の実施の形態）
　以上、１つ又は複数の態様に係る不良要因推定装置及び不良要因推定方法について、実施の形態に基づいて説明したが、本開示は、これらの実施の形態に限定されるものではない。本開示の主旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、及び、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の範囲内に含まれる。
　例えば、不良要因推定装置は、第１の除外処理及び第２の除外処理の一方を行わなくてもよい。また、不良要因推定装置は、第２の除外処理を行った後に、第１の除外処理を行ってもよい。
　また、例えば、不良要因推定装置１０は、製造知識入力部４１、ライン知識入力部４２及び解析条件入力部４３を備えなくてもよい。例えば、製造システム１の管理者からの入力を受け付ける代わりに、機械学習の結果を用いてもよい。つまり、不良要因推定装置１０は、機械学習を行うことで、不良の発生に無関係と判定された工程を示す工程情報を生成してもよい。
　また、例えば、製造システム１の管理者からの入力を受け付ける代わりに、予め定められた解析条件を用いてもよい。例えば、不良要因推定装置１０は、不良要因を推定するための品種及び組み合わせが予め定められていてもよい。あるいは、全ての組み合わせに対して不良要因の推定を行ってもよい。
　また、上記実施の形態で説明した装置間の通信方法については特に限定されるものではない。装置間で無線通信が行われる場合、無線通信の方式（通信規格）は、例えば、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又は、無線ＬＡＮ（Local Area Network）などの近距離無線通信である。あるいは、無線通信の方式（通信規格）は、インターネットなどの広域通信ネットワークを介した通信でもよい。また、装置間においては、無線通信に代えて、有線通信が行われてもよい。有線通信は、具体的には、電力線搬送通信（ＰＬＣ：Power Line Communication）又は有線ＬＡＮを用いた通信などである。
　また、上記実施の形態において、特定の処理部が実行する処理を別の処理部が実行してもよい。また、複数の処理の順序が変更されてもよく、あるいは、複数の処理が並行して実行されてもよい。また、不良要因推定装置は、複数の装置が協働して動作することにより実現されてもよい。不良要因推定装置が備える構成要素の複数の装置への振り分けは、一例である。例えば、一の装置が備える構成要素を他の装置が備えてもよい。
　例えば、上記実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　また、上記実施の形態において、制御部などの構成要素の全部又は一部は、専用のハードウェアで構成されてもよく、あるいは、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ（Central Processing Unit）又はプロセッサなどのプログラム実行部が、ＨＤＤ（Hard Disk Drive）又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　また、制御部などの構成要素は、１つ又は複数の電子回路で構成されてもよい。１つ又は複数の電子回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。
　１つ又は複数の電子回路には、例えば、半導体装置、ＩＣ（Integrated Circuit）又はＬＳＩ（Large Scale Integration）などが含まれてもよい。ＩＣ又はＬＳＩは、１つのチップに集積されてもよく、複数のチップに集積されてもよい。ここでは、ＩＣ又はＬＳＩと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ（Very Large Scale Integration）、又は、ＵＬＳＩ（Ultra Large Scale Integration）と呼ばれるかもしれない。また、ＬＳＩの製造後にプログラムされるＦＰＧＡ（Field Programmable Gate Array）も同じ目的で使うことができる。
　また、本開示の全般的又は具体的な態様は、システム、装置、方法、集積回路又はコンピュータプログラムで実現されてもよい。あるいは、当該コンピュータプログラムが記憶された光学ディスク、ＨＤＤ若しくは半導体メモリなどのコンピュータ読み取り可能な非一時的記録媒体で実現されてもよい。また、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　また、上記の各実施の形態は、請求の範囲又はその均等の範囲において種々の変更、置き換え、付加、省略などを行うことができる。
　本開示は、製造システムの不良要因を少ない演算量で精度良く推定することができる不良要因推定装置などとして利用でき、例えば、製品の製造システムの管理、分析及び保守などに利用することができる。
１　製造システム
１０　不良要因推定装置
２０　製造ログ取得部
３０　統計処理部
３１　解析処理部
３２　要因推定部
４１　製造知識入力部
４２　ライン知識入力部
４３　解析条件入力部
５０　解析結果出力部
７１　製造知識蓄積部
７２　ライン知識蓄積部
７３　設備情報蓄積部
７４　製造情報蓄積部
７５　検査結果蓄積部
７６　推定結果蓄積部
８１、１８１　製造知識入力画面
８２、１８２　ライン知識入力画面
８３、１８３　結果表示画面
９１＿１、９１＿ａ、９１ｎ＿１、９１ｎ＿ｂ　製造設備
９２＿１、９２＿ａ、９２ｎ＿１、９２ｎ＿ｂ、９４＿１、９４＿ｃ　通信部
９３＿１、９３＿ｃ　検査設備
 

Claims (12)

  1. 　順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造する製造システムにおける不良の要因を推定する不良要因推定装置であって、
    　工程毎の製造状況と前記製造システムに関する検査結果とを示すログ情報を含む製造ログデータを取得する取得部と、
    　前記製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、前記要因を推定する統計処理部と、
    　前記統計処理部によって推定された要因に関する情報を出力する出力部とを備え、
    　前記統計処理部は、
    　（ａ）不良の発生に無関係であると判断された工程を示す工程情報に基づいて、前記工程情報が示す工程を含むログ情報を除外する第１の除外処理、
    　及び、
    　（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、
    　の少なくとも一方を行うことで、除外されなかった残りのログ情報を前記対象ログデータとして用いて前記要因を推定する
    　不良要因推定装置。
  2. 　前記統計処理部は、前記第１の除外処理及び前記第２の除外処理の両方を行う
    　請求項１に記載の不良要因推定装置。
  3. 　前記統計処理部は、前記第１の除外処理を行った後、前記第２の除外処理を行う
    　請求項２に記載の不良要因推定装置。
  4. 　前記工程情報の入力を受け付ける第１の入力部を備え、
    　前記統計処理部は、前記第１の除外処理を行う
    　請求項１～３のいずれか１項に記載の不良要因推定装置。
  5. 　前記検査結果は、製品の検査結果を示し、
    　前記製造ログデータは、前記ログ情報を前記複数の製品の各々について含み、
    　前記工程情報は、製品の不良種別毎に、製品不良の発生に無関係であると判断された工程が対応付けられ、
    　前記不良要因推定装置は、さらに、
    　前記要因の推定対象とする不良種別の入力を受け付ける第２の入力部を備え、
    　前記統計処理部は、前記第１の除外処理において、前記工程情報に基づいて、前記第２の入力部によって受け付けられた不良種別に対応付けられた工程を含むログ情報を除外する
    　請求項４に記載の不良要因推定装置。
  6. 　前記工程情報は、製品の品種と不良種別との組み合わせ毎に、製品不良の発生に無関係であると判断された工程を示し、
    　前記第２の入力部は、前記要因の推定対象とする品種及び不良種別の入力を受け付け、
    　前記統計処理部は、前記第１の除外処理において、前記工程情報に基づいて、前記第２の入力部によって受け付けられた品種及び不良種別の組み合わせに対応付けられた工程を含むログ情報を除外する
    　請求項５に記載の不良要因推定装置。
  7. 　前記統計処理部は、前記第２の除外処理を行い、
    　前記第２の除外処理では、少なくとも２つの工程における処理単位数が異なる場合に、複数の処理単位数の各々について、検査結果が製品不良であることを示すログ情報を用いて処理単位数毎の複数の代表値を決定し、決定した複数の代表値のばらつきを前記特徴量として算出し、算出したばらつきにより前記除外工程を決定し、決定した除外工程を含むログ情報を除外する
    　請求項５又は６に記載の不良要因推定装置。
  8. 　前記検査結果は、設備の停止種別毎に不良の連続発生数を示し、
    　前記製造ログデータは、前記ログ情報を、前記製造システムに含まれる複数の設備の各々について含み、
    　前記工程情報は、設備の停止種別毎に、不良の発生に無関係であると判断された工程が対応付けられ、
    　前記不良要因推定装置は、さらに、
    　前記要因の推定対象とする不良種別の入力を受け付ける第２の入力部を備え、
    　前記統計処理部は、前記第１の除外処理において、前記工程情報に基づいて、前記第２の入力部によって受け付けられた不良種別に対応付けられた工程を含むログ情報を除外する
    　請求項４に記載の不良要因推定装置。
  9. 　前記統計処理部は、前記第２の除外処理を行い、
    　前記第２の除外処理では、少なくとも２つの工程における処理単位数が異なる場合に、複数の処理単位数の各々について、検査結果が設備不良であることを示すログ情報を用いて処理単位数毎の複数の代表値を決定し、決定した複数の代表値のばらつきを前記特徴量として算出し、算出したばらつきにより前記除外工程を決定し、決定した除外工程を含むログ情報を除外する
    　請求項８に記載の不良要因推定装置。
  10. 　前記第１の入力部において入力される前記工程情報は、工程シミュレーション、又は、設備シミュレーションにより生成されたものである
    　請求項４～９のいずれか１項に記載の不良要因推定装置。
  11. 　前記不良の要因は、連続する工程間の製造状況の組み合わせで表される
    　請求項１～１０のいずれか１項に記載の不良要因推定装置。
  12. 　順に実行される複数の工程の各々において製品毎に異なりうる１つ以上の製造状況下で各工程を行うことで、複数の製品を製造する製造システムにおける不良の要因を推定する不良要因推定方法であって、
    　工程毎の製造状況と前記製造システムに関する検査結果とを示すログ情報を含む製造ログデータを取得するステップと、
    　前記製造ログデータの絞り込みを行うことで得られる対象ログデータに基づいて、前記要因を推定するステップと、
    　推定された要因に関する情報を出力するステップとを含み、
    　前記推定するステップでは、
    　（ａ）不良の発生に無関係であると判断された工程を示す工程情報に基づいて、前記工程情報が示す工程を含むログ情報を除外する第１の除外処理、
    　及び、
    　（ｂ）工程毎に不良の特徴量を算出し、算出した特徴量に基づいて除外工程を決定し、決定した除外工程を含むログ情報を除外する第２の除外処理、
    　の少なくとも一方を行うことで、除外されなかった残りのログ情報を前記対象ログデータとして用いて前記要因を推定する
    　不良要因推定方法。
PCT/JP2020/027678 2019-07-19 2020-07-16 不良要因推定装置及び不良要因推定方法 WO2021015094A1 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962876510P 2019-07-19 2019-07-19
US62/876,510 2019-07-19
JP2019-186409 2019-10-09
JP2019186409 2019-10-09

Publications (1)

Publication Number Publication Date
WO2021015094A1 true WO2021015094A1 (ja) 2021-01-28

Family

ID=74192585

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/027678 WO2021015094A1 (ja) 2019-07-19 2020-07-16 不良要因推定装置及び不良要因推定方法

Country Status (1)

Country Link
WO (1) WO2021015094A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193457A (ja) * 2006-01-17 2007-08-02 Omron Corp 要因推定装置、要因推定プログラム、要因推定プログラムを記録した記録媒体、および要因推定方法
JP2012038012A (ja) * 2010-08-05 2012-02-23 Sharp Corp 不良要因抽出装置、不良要因抽出方法、プログラム、および記録媒体
JP2012220978A (ja) * 2011-04-04 2012-11-12 Sharp Corp 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
JP2019102574A (ja) * 2017-11-30 2019-06-24 キヤノンマーケティングジャパン株式会社 情報処理装置、情報処理装置の制御方法、およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007193457A (ja) * 2006-01-17 2007-08-02 Omron Corp 要因推定装置、要因推定プログラム、要因推定プログラムを記録した記録媒体、および要因推定方法
JP2012038012A (ja) * 2010-08-05 2012-02-23 Sharp Corp 不良要因抽出装置、不良要因抽出方法、プログラム、および記録媒体
JP2012220978A (ja) * 2011-04-04 2012-11-12 Sharp Corp 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
JP2019102574A (ja) * 2017-11-30 2019-06-24 キヤノンマーケティングジャパン株式会社 情報処理装置、情報処理装置の制御方法、およびプログラム

Similar Documents

Publication Publication Date Title
JP4207915B2 (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
WO2021015093A1 (ja) 不調要因特定装置、不調予兆検知装置、不調要因特定方法及び不調予兆検知方法
JP5080526B2 (ja) データ解析のための方法および装置
TWI783400B (zh) 誤差因子的推定裝置及推定方法
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
WO2020027207A1 (ja) 異常検出方法、情報処理装置及び異常検出システム
JP2008165832A (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
WO2021015094A1 (ja) 不良要因推定装置及び不良要因推定方法
Filz et al. Data-driven analysis of product property propagation to support process-integrated quality management in manufacturing systems
JP6166120B2 (ja) データ処理装置、測定装置、選別装置、データ処理方法およびプログラム
JP2011065337A (ja) トレーサビリティシステムおよび製造工程異常検出方法
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
JP6715705B2 (ja) 不良原因探索システム、及び不良要因探索方法
TWI801973B (zh) 錯誤因素之推定裝置及推定方法
WO2021079479A1 (ja) 判定方法、判定プログラムおよび情報処理装置
Lankin et al. Dynamic magnetization characteristics of proportional electromagnets
US10438150B2 (en) Energy intensity variability analysis
CN116629707B (zh) 基于分布式并行计算的fdc溯因分析方法及存储介质
WO2021182245A1 (ja) 技能評価装置及び技能評価方法
JP2020021416A (ja) 品質評価システム、品質評価方法、およびコンピュータプログラム
TWI841020B (zh) 誤差因素估計裝置、誤差因素估計方法、及電腦可讀取媒體
CN115685948B (zh) 数据处理方法、装置、设备及介质
WO2022196666A1 (ja) 情報処理装置及び情報処理方法
US20220122864A1 (en) Smart skip testing method for semiconductor manufacturing
CN117881973A (zh) 用于多维动态零件平均测试的系统和方法

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: 20845066

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20845066

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP