WO2022158226A1 - 生産フロア管理システム、作業対策決定方法および作業対策決定プログラム - Google Patents

生産フロア管理システム、作業対策決定方法および作業対策決定プログラム Download PDF

Info

Publication number
WO2022158226A1
WO2022158226A1 PCT/JP2021/047307 JP2021047307W WO2022158226A1 WO 2022158226 A1 WO2022158226 A1 WO 2022158226A1 JP 2021047307 W JP2021047307 W JP 2021047307W WO 2022158226 A1 WO2022158226 A1 WO 2022158226A1
Authority
WO
WIPO (PCT)
Prior art keywords
countermeasure
production
state
unit
priority
Prior art date
Application number
PCT/JP2021/047307
Other languages
English (en)
French (fr)
Inventor
道明 馬渡
義明 粟田
憲一郎 石本
憲 末継
利彦 永冶
裕起 竹原
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
Priority to CN202180089779.7A priority Critical patent/CN116710951A/zh
Priority to DE112021006874.1T priority patent/DE112021006874T5/de
Priority to JP2022577056A priority patent/JPWO2022158226A1/ja
Publication of WO2022158226A1 publication Critical patent/WO2022158226A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32015—Optimize, process management, optimize production line

Definitions

  • Patent Document 1 When a problem occurs in a production device, a technique has been disclosed that outputs work instructions according to the method of coping while updating the method of coping with the problem (for example, Patent Document 1).
  • FIG. 1 An embodiment will be described below with reference to FIGS. 1 to 12.
  • FIG. 1 An embodiment will be described below with reference to FIGS. 1 to 12.
  • the substrate supply device M1, the substrate transfer device M2, the printer M3, the mounting devices M4 and M5, the reflow device M6, and the substrate recovery device M7 are arranged in this order. connected in series. Each device from the substrate supply device M1 to the substrate recovery device M7 is connected to the management device 5 via the communication network 2.
  • FIG. 1 the substrate supply device M1, the substrate transfer device M2, the printer M3, the mounting devices M4 and M5, the reflow device M6, and the substrate recovery device M7 are arranged in this order. connected in series.
  • Each device from the substrate supply device M1 to the substrate recovery device M7 is connected to the management device 5 via the communication network 2.
  • the production floor management system 1 is a computer placed on the production floor.
  • the functions of the production floor management system 1 may be provided in the management device 5 .
  • the production floor management system 1 may be a computer provided in one housing, or may be divided into two or more housings and implemented by two or more computers.
  • the production floor management system 1 may not be arranged on the production floor, and may be a computer such as a server provided outside the production floor. Note that workers are not limited to humans, and include robots, work mechanisms, and automated guided vehicles that perform the above-described work.
  • the production floor management system 1 is a system that outputs instructions to workers or production equipment on the production floor according to the state of the production floor.
  • the production floor management system 1 includes an acquisition unit 10, a state monitoring unit 20, a countermeasure determination unit 30, a countermeasure mediation unit 40, an instruction output unit 50, an effect determination unit 60, an update unit 70, learning models 23, 24, 33 and 34, Also, a resource database 41 is provided.
  • the production floor management system 1 is implemented by a computer including a processor, memory and the like.
  • the acquisition unit 10, the state monitoring unit 20, the countermeasure determination unit 30, the countermeasure mediation unit 40, the instruction output unit 50, the effect determination unit 60, and the update unit 70 are implemented by the processor operating according to the program stored in the memory. .
  • information indicating the state of production resources may be sensing data from a camera, sensor, or the like, or may be data input by a person.
  • the acquisition unit 10 acquires event information that has changed on the production floor. More specifically, the acquisition unit 10 detects when the production apparatus stops, when the feeder, nozzle, parts, or board attached to the production apparatus is replaced, when the worker who performs the work is replaced, or when the operation data of the production apparatus is changed. Acquire information indicating that the
  • the first state monitoring unit 21 monitors, within a predetermined period, at least information on production errors occurring in the production equipment, information on the amount of products produced by the production equipment, and quality information on the products produced by the production equipment. A first predetermined condition corresponding to a production index for one is detected.
  • FIG. 3 is a diagram showing an example of objects monitored by the state monitoring unit 20 according to the embodiment.
  • the production apparatus is assumed to be a mounting apparatus, and the production process is assumed to be a mounting process.
  • the countermeasure determination unit 30 updates the priority based on a learning model for updating the priority.
  • the second condition may be a data table containing priorities set for each of a plurality of countermeasures instead of the learning model.
  • the countermeasure determination unit 30 has a first countermeasure determination unit 31 and a second countermeasure determination unit 32 .
  • the first countermeasure determination unit 31 and the second countermeasure determination unit 32 each perform the operation of the countermeasure determination unit 30 described above.
  • the first countermeasure determination unit 31 determines the first countermeasure based on the learning model 33 .
  • the learning model 33 is a learning model for determining the first countermeasure corresponding to the first state, and specifically, a learning model for updating the priority.
  • the learning model 33 is also a second learning model (ie, second condition) associated with a plurality of countermeasures and priorities corresponding to the predetermined state.
  • the second countermeasure determination unit 32 determines the second countermeasure based on the learning model 34 .
  • the learning model 34 is a learning model for determining a second countermeasure corresponding to the second state, and more specifically, a learning model for updating the priority.
  • Learning model 34 is also a second learning model (ie, second condition) associated with a plurality of countermeasures and priorities corresponding to a given state.
  • the second countermeasure determined here may be completed by notifying the second countermeasure to a maintenance plan creation device or worker management device provided separately from the production floor management system 1, or the second countermeasure may be completed. 2 It may be completed after receiving the execution result of countermeasures.
  • the countermeasure arbitration unit 40 determines the first countermeasure and the second countermeasure based on the problem level set in the first state corresponding to the first countermeasure and the problem level set in the second state corresponding to the second countermeasure. conduct mediation with Also, for example, the countermeasure arbitration unit 40 arbitrates between the first countermeasure and the second countermeasure based on the presence or absence of production resources required for the first countermeasure or the second countermeasure. The presence or absence of production resources is managed by the resource database 41 .
  • the instruction output unit 50 outputs the first priority instruction. Specifically, the instruction output unit 50 outputs the first countermeasure or the second countermeasure, which is the first priority instruction, according to the arbitration by the countermeasure arbitration unit 40 . For example, until the effect determination unit 60, which will be described later, determines the effect of the executed first priority instruction, the instruction output unit 50 determines the second priority instruction, which is determined from among the plurality of countermeasures, and has the priority after the first priority instruction. Do not output priority instructions. Further, for example, when the first priority instruction is executed, the effect determination unit 60 changes the state of the production floor after execution of the first priority instruction to the state of the production floor before execution of the first priority instruction.
  • the instruction output unit 50 does not output the second priority instruction before execution, which is extracted in relation to the state on the production floor corresponding to the first priority instruction. Further, for example, when the first priority instruction is executed, the effect determination unit 60 changes the state of the production floor after execution of the first priority instruction to the state of the production floor before execution of the first priority instruction. If it is determined that there is no improvement tendency as described above, the countermeasure determination unit 30 determines the second priority instruction to be executed based on the priority of each of the plurality of countermeasures excluding the first priority instruction, and the instruction output unit 50 outputs the second priority indication.
  • the countermeasure determination unit 30 determines the second priority to be executed based on the priority of each of the plurality of countermeasures excluding the first priority instruction. After determining the instruction, the instruction output unit 50 outputs the second priority instruction.
  • the instruction output unit 50 may output an instruction to a control unit of a production apparatus or a mobile terminal possessed by a worker, or through a production management apparatus that manages the production apparatus or a worker management apparatus that manages workers. Instructions may be output to production equipment and workers.
  • the monitoring of the first state by the first state monitoring unit 21 and the determination of the first countermeasure by the first countermeasure determining unit 31, the monitoring of the second state by the second state monitoring unit 22 and the second countermeasure determining unit 32 The determination of the second countermeasure by is carried out in parallel. For example, process guarantees can be achieved by the OODA loop from both MTBF and MTTR.
  • the first state is the production state of the production equipment and the second state is the production resource state
  • the present invention is not limited to this.
  • the first state may be the production state of the production device
  • the second state may be the production state of the production device different from the first state.
  • the first state may be the state of the production resource
  • the second state may be the state of the production resource different from the first state.
  • FIG. 4 shows an example in which the MTBF cycle and the MTTR cycle are performed in parallel, a plurality of MTBF cycles may be performed in parallel, or a plurality of MTTR cycles may be performed in parallel.
  • the countermeasure arbitration unit 40 may prioritize the first countermeasure over the second countermeasure.
  • the degree of problem which will be described below, the operation of the production equipment can be maintained by giving priority to the first countermeasure.
  • the phrase "there is no difference in the degree of problem" as used herein includes that the degree of problem is the same and that the difference in the degree of problem is within a predetermined difference.
  • the state monitoring unit 20 reads the learning model (step S12). Specifically, the first state monitoring unit 21 reads the learning model 23 and the second state monitoring unit 22 reads the learning model 24 .
  • productivity is increased and quality is decreased.
  • the learning policy is set to emphasize quality, learning is performed so that the detection threshold corresponding to productivity is loosened (decrease in productivity is less likely to be detected) based on the above effect. . Thereby, a detection threshold that balances productivity and quality is learned.
  • the state monitoring unit 20 determines whether or not a problem has been detected in the first predetermined state or the second predetermined state (step S13). For example, the first state monitoring unit 21 determines whether or not it is detected that the productivity is declining, the quality is declining, or the number of defective products is increasing. For example, the second state monitoring unit 22 determines whether or not it has detected that the production equipment is deteriorating, that the equipment elements are deteriorating, or that there is an error in the worker's work.
  • FIG. 6 is a flow chart showing an example of the operation of the countermeasure determination unit 30 according to the embodiment.
  • FIG. 6 shows the processing of policy determination (Orient) in the OODA loop.
  • the countermeasure determining unit 30 analyzes the production resources (for example, production resources that can be the cause) for the problem detected by the state monitoring unit 20 (step S21). For example, when the first state monitoring unit 21 detects a problem that productivity is declining in the mounting process of the mounting apparatus, the production resources that can cause the problem are substrates, parts, workers, heads, nozzles, and so on. and feeders (see FIG. 3). Also, for example, when the second state monitoring unit 22 detects a problem of nozzle deterioration, it analyzes that the nozzle is the production resource that can cause the problem.
  • the production resources for example, production resources that can be the cause the problem.
  • the learning model 34 is a learning model for determining the second countermeasure corresponding to the state of production resources, and specifically, a learning model for updating the priority for determining the priority of the second countermeasure. is.
  • the learning model 34 is trained to output countermeasures for the detected problem as candidates by inputting the detected problem. If multiple candidates are output for the detected problem, multiple countermeasures are extracted corresponding to the multiple candidates. A learning method of the learning model 34 will be described later.
  • acquisition of monitoring data is repeated at predetermined time intervals, and various problems can be detected. For example, one problem may be detected before the remedy for another problem is completed. For example, multiple problems with a first predetermined condition (e.g., productivity, quality, or work errors, etc.) may be detected. In this way, each time a problem is detected, a countermeasure candidate list for that problem is created, and the countermeasure with the highest priority for each countermeasure candidate list is added to the priority countermeasure list.
  • FIG. 8 shows an example of the priority countermeasure list.
  • the presence or absence of each production resource specifically, whether each production resource is currently taking some measures, or whether each production resource is currently taking any measures It is managed whether or not In FIG. 10, the presence or absence of production resources is indicated by locking on and off.
  • the resource management table shown in FIG. 10 manages the presence or absence of heads, nozzles, feeders, and workers A and B as production resources.
  • the head and feeder are currently under some kind of countermeasure and the lock is on.
  • the nozzle is currently unlocked as no countermeasures are being taken. Workers A and B are currently unlocked because they are not taking any countermeasures.
  • the lock referred to here may include either real space or virtual space, or both.
  • the effect determination unit 60 acquires monitoring data (step S42). Specifically, the effect determination unit 60 acquires monitoring data regarding the production status of production equipment or monitoring data regarding the status of production resources.
  • the reason why the effect determination unit 60 acquires the monitoring data is to confirm the change in the state on the production floor due to the execution of the instruction according to the countermeasure, that is, to determine the effect of the instruction according to the executed countermeasure. is.
  • the effect determination unit 60 acquires monitoring data about the result of the mounting process regarding suction. That is, the effect determination unit 60 monitors the tendency of the error information related to the monitored nozzle as monitoring data.
  • the effect determination unit 60 acquires monitoring data about the state of the feeder.
  • the updating unit 70 updates the learning model 33 or 34 based on the determined effect (step S44). For example, in the case of Concrete Example 1, when the problem is no longer detected, the updating unit 70 determines that the suction position teaching was effective against the problem, and the priority of the suction position teaching is increased.
  • the learning model 33 is updated as follows. For example, in the case of Specific Example 2, when the problem is no longer detected, the updating unit 70 determines that cleaning was effective against the problem, and sets the learning model so that cleaning has a higher priority. Update 34.
  • the instruction output unit 50 When it is determined that the suction error rate after execution of the suction position teaching instruction is improved by a predetermined amount or more, the instruction output unit 50 outputs the extracted suction error rate corresponding to the suction position teaching instruction. , means that the second priority instruction (instruction of feeder replacement or nozzle replacement) before execution is not output.
  • the effect determination unit 60 may also determine whether a problem presented in the prioritized countermeasure list continues in addition to the problem for which countermeasures have been taken. The effect determination unit 60 may delete the prioritized countermeasure list for problems for which no problems are detected other than the problems for which countermeasures have been taken. Some of the problems detected are relevant and efficient countermeasures can be taken against such problems.
  • the effect determination unit 60 registers the highest-priority measure candidate in the created measure candidate list in the priority measure list as a measure against the detected problem (step S53). For example, when the countermeasure candidate list shown in FIG. 12 is created, a countermeasure of exchanging nozzles is registered in the priority countermeasure list for the problem of deterioration of the suction error rate. In other words, an instruction to replace the nozzle can be output in response to the problem that the suction error rate continues to deteriorate even after the suction position teaching is performed.
  • the countermeasure determination unit 30 selects a plurality of countermeasures (feeder exchange instruction and nozzle exchange instruction) excluding the first priority instruction (suction position teaching). ), the second priority instruction (nozzle replacement) to be executed is determined, and the instruction output unit 50 outputs the nozzle replacement instruction. This is because, after the time-out, an instruction to replace the nozzle with the highest priority among the plurality of countermeasures excluding the suction position teaching is output.
  • step S13 after a problem is detected by the state monitoring unit 20 and a high-priority countermeasure is registered in the priority countermeasure list from the countermeasure candidate list for the problem, the registered countermeasure may have a low priority.
  • the registered countermeasures may not be executed easily because the production resources for the registered countermeasures have already been locked.
  • the previously executed countermeasures for other problems may solve the problems corresponding to the unexecuted countermeasures.
  • it may be deleted from the priority countermeasure list and the countermeasure candidate list may also be deleted.
  • the first state is the production state of the production equipment and the second state is the production resource state, but the present invention is not limited to this.
  • the first state and the second state are not particularly limited as long as they are different states on the production floor.
  • the production floor management system 1 includes the acquisition unit 10, the state monitoring unit 20, the countermeasure determination unit 30, the countermeasure mediation unit 40, the instruction output unit 50, the effect determination unit 60, and the update unit 70. , some of which may be included in the production equipment.
  • a production device may include the acquisition unit 10 , the state monitoring unit 20 , and the countermeasure determination unit 30 .
  • instructions according to countermeasures may consist of multiple instructions.
  • instructions corresponding to countermeasures may be output to a plurality of production apparatuses or mobile terminals possessed by a plurality of workers.
  • the present disclosure can be implemented not only as the production floor management system 1, but also as a work countermeasure determination method including steps (processes) performed by each component constituting the production floor management system 1.
  • FIG. 13 is a flow chart showing an example of a work countermeasure determination method according to another embodiment.
  • the work countermeasure determination method is a work countermeasure determination method in a production floor management system that manages the state of a production floor equipped with production equipment that produces products.
  • a predetermined state is detected based on a first condition for detecting a predetermined state among the above states (step S1), and a countermeasure to be executed is determined based on a second condition for determining a countermeasure corresponding to the predetermined state. is determined (step S2), the effect of the executed countermeasure is determined based on the states before and after the determined countermeasure is executed (step S3), and the first condition and the second condition are determined based on the determined effect 2 conditions are updated (step S4).
  • the steps in the work countermeasure determination method may be executed by a computer (computer system).
  • the present disclosure can be realized as a program for causing a computer to execute the steps included in the work countermeasure determination method.
  • the present disclosure can be implemented as a non-temporary computer-readable recording medium such as a CD-ROM recording the program.
  • each step is executed by executing the program using hardware resources such as the CPU, memory, and input/output circuits of the computer. . That is, each step is executed by the CPU acquiring data from a memory, an input/output circuit, or the like, performing an operation, or outputting the operation result to the memory, an input/output circuit, or the like.
  • the integrated circuit is not limited to an LSI, and may be realized by a dedicated circuit or a general-purpose processor.
  • a programmable FPGA (Field Programmable Gate Array) or a reconfigurable processor capable of reconfiguring connections and settings of circuit cells inside the LSI may be used.
  • the present disclosure can be used, for example, for managing production floors.

Landscapes

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

Abstract

生産フロア管理システム（１）は、生産物を生産する生産装置を備える生産フロアにおける状態を管理するシステムであって、上記状態を監視して、上記状態のうち所定状態を検出するための第１条件に基づいて、所定状態を検出する状態監視部（２０）と、所定状態に対応した対策を決定するための第２条件に基づいて、実行する対策を決定する対策決定部（３０）と、決定された対策が実行された前後の上記状態に基づいて、実行された対策の効果を判定する効果判定部（６０）と、判定された効果に基づいて、第１条件および第２条件を更新する更新部（７０）と、を備える。

Description

生産フロア管理システム、作業対策決定方法および作業対策決定プログラム
　本開示は、生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システム、当該システムにおける作業対策決定方法および作業対策決定プログラムに関する。
　従来、生産装置に問題が発生した際に、その問題に対する対処方法を更新しながら、対処方法に応じた作業指示を出力する技術が開示されている（例えば特許文献１）。
国際公開第２０１８／１４２６０４号
　しかしながら、生産フロアの状況等により生産装置の問題自体に変化が生じる場合があり、上記特許文献１に開示された技術では、そのような場合に、最適な作業指示を出力することは難しい。
　そこで、本開示は、問題自体の変化に対応して最適な作業指示を出力することができる生産フロア管理システム等を提供する。
　本開示の一態様に係る生産フロア管理システムは、生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システムであって、前記状態を監視して、前記状態のうち所定状態を検出するための第１条件に基づいて、前記所定状態を検出する状態監視部と、前記所定状態に対応した対策を決定するための第２条件に基づいて、実行する前記対策を決定する対策決定部と、決定された前記対策が実行された前後の前記状態に基づいて、実行された前記対策の効果を判定する効果判定部と、判定された前記効果に基づいて、前記第１条件および前記第２条件を更新する更新部と、を備える。
　なお、これらの包括的または具体的な側面は、システム、装置、方法、記録媒体、または、コンピュータプログラムで実現されてもよく、システム、装置、方法、記録媒体、および、コンピュータプログラムの任意な組み合わせで実現されてもよい。
　本開示に係る生産フロア管理システム等によれば、問題自体の変化に対応して最適な作業指示を出力することができる。
図１は、実施の形態に係る生産フロア管理システムが適用される実装ラインを示す図である。 図２は、実施の形態に係る生産フロア管理システムの一例を示す構成図である。 図３は、実施の形態に係る状態監視部の監視対象の一例を示す図である。 図４は、実施の形態に係る生産フロア管理システムの動作の流れを模式的に示す図である。 図５は、実施の形態に係る状態監視部の動作の一例を示すフローチャートである。 図６は、実施の形態に係る対策決定部の動作の一例を示すフローチャートである。 図７は、実施の形態に係る対策候補リストの一例を示す表である。 図８は、実施の形態に係る優先対策リストの一例を示す表である。 図９は、実施の形態に係る対策調停部の動作の一例を示すフローチャートである。 図１０は、実施の形態に係るリソース管理テーブルの一例を示す表である。 図１１は、実施の形態に係る指示出力部、効果判定部および更新部の動作の一例を示すフローチャートである。 図１２は、実施の形態に係る、更新後の対策候補リストの一例を示す表である。 図１３は、その他の実施の形態に係る作業対策決定方法の一例を示すフローチャートである。
　本開示の生産フロア管理システムは、生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システムであって、前記状態を監視して、前記状態のうち所定状態を検出するための第１条件に基づいて、前記所定状態を検出する状態監視部と、前記所定状態に対応した対策を決定するための第２条件に基づいて、実行する前記対策を決定する対策決定部と、決定された前記対策が実行された前後の前記状態に基づいて、実行された前記対策の効果を判定する効果判定部と、判定された前記効果に基づいて、前記第１条件および前記第２条件を更新する更新部と、を備える。
　これによれば、対策が実行された前後の生産フロアにおける状態が変化したか否か、変化した場合どのように変化したか等によって、対策の効果を判定することができる。生産フロアでの問題自体が変化した場合には、対策の効果も変化するため、判定された効果に基づいて、第１条件及び第２条件を最適な条件に更新することができる。したがって、問題自体の変化に対応して最適な作業指示を出力することができる。例えば、生産機種の変更等、生産条件の変更に伴い、条件を意図的に変更できる。
　また、前記対策は複数あり、前記第２条件は、前記複数の対策毎に設定される優先度を含み、前記対策決定部は、前記所定状態に対応して抽出される前記複数の対策のそれぞれの前記優先度に基づいて、前記複数の対策のうちから出力する前記対策を決定してもよい。
　これによれば、検出された所定状態に対応して抽出される複数の対策毎に設定される優先度に基づいて、例えば、優先度の高い対策を実行することができる。本開示では、実行された対策の効果に基づいて、複数の対策毎に設定される優先度を更新することができる。
　また、前記第１条件は、前記所定状態に対応した検出閾値に関連付けられた第１学習モデルであってもよく、前記第２条件は、前記所定状態に対応した前記複数の対策および前記優先度に関連付けられた第２学習モデルであてもよい。
　これによれば、学習モデルを用いることで、第１条件および第２条件を効果的に更新することができる。
　また、前記所定状態に対応した検出閾値は、前記生産装置が備えるノズルの流量に対応した検出閾値、前記生産装置が備えるフィーダのテープ位置決め位置ずれに対応した検出閾値、ノズルが吸着した部品の吸着位置ずれに対応した検出閾値、または基板の搬送位置ずれに対応した検出閾値のいずれかひとつを含んでいてもよい。
　また、前記対策決定部は、前記所定状態に対応した前記対策を決定するために、前記生産フロアで取得される前記生産装置の稼働情報、前記生産フロアで作業する作業者情報、および前記生産物に用いられる材料情報を分析してもよい
　このように、生産装置の稼働情報、生産フロアで作業する作業者情報、および生産物に用いられる材料情報を分析することで、効果的に最適な作業指示を出力することができる。
　また、本開示の作業対策決定方法は、生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システムにおける作業対策決定方法であって、前記状態を監視して、前記状態のうち所定状態を検出するための第１条件に基づいて、前記所定状態を検出し、前記所定状態に対応した対策を決定するための第２条件に基づいて、実行する前記対策を決定し、決定された前記対策が実行された前後の前記状態に基づいて、実行された前記対策の効果を判定し、判定された前記効果に基づいて、前記第１条件および前記第２条件を更新することを含む。
　また、本開示の作業対策決定プログラムは、上記の作業対策決定方法をコンピュータにより実行させる作業対策決定プログラムである。
　なお、以下で説明する実施の形態は、いずれも包括的また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および接続形態、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。
　（実施の形態）
　以下、図１から図１２を用いて実施の形態について説明する。
　図１は、実施の形態に係る生産フロア管理システム１が適用される実装ライン４を示す図である。
　図１に示すように、実装ライン４には、生産物を生産する生産装置が複数備えられている。
　実装ライン４は、基板に部品（電子部品）を実装して生産物（例えば、実装基板）を生産する機能を有しており、実装対象の基板をそれぞれ供給、受渡し、および、回収する機能を有している。
　具体的には、実装ライン４では、基板供給装置Ｍ１と、基板受渡装置Ｍ２と、印刷装置Ｍ３と、実装装置Ｍ４、Ｍ５と、リフロー装置Ｍ６と、基板回収装置Ｍ７とが、この並び順で直列に連結されている。基板供給装置Ｍ１から基板回収装置Ｍ７までの各装置は、通信ネットワーク２を介して管理装置５に接続されている。
　例えば、半田印刷装置Ｍ３、部品実装装置Ｍ４、Ｍ５およびリフロー装置Ｍ６は、実装ライン４に沿って搬送される基板に対して部品を実装するための部品実装作業を行う。すなわち、基板供給装置Ｍ１によって供給された基板は、基板受渡装置Ｍ２を介して印刷装置Ｍ３に搬入される。印刷装置Ｍ３は、搬入された基板に対して、部品接合用の半田をスクリーン印刷する半田印刷作業を行う。
　半田印刷された基板は、実装装置Ｍ４、Ｍ５に順次受渡される。実装装置Ｍ４、Ｍ５は、半田印刷後の基板に対して部品を実装する部品実装作業を実行する。
　部品実装装置Ｍ４、Ｍ５は、基台、基板搬送部、部品供給装置、および、実装ヘッド等を備えている。基台には、基板が配置される。基板搬送部は、上流側装置から受け渡された基板を下流側装置へ搬送することができる。部品供給装置は、実装ヘッドに対して部品を供給することができる。部品供給装置には、実装ヘッドに対して部品を供給するための複数のテープフィーダが設けられている。実装ヘッドは、テープフィーダから部品を吸着して取り出し、基板の上方に移動して部品を基板の実装位置に搭載することができる。実装ヘッドには、部品を吸着して保持し個別に昇降可能な吸着ノズルが装着されている。このような部品実装装置Ｍ４、Ｍ５により、部品実装作業が実行される。
　そして、部品実装後の基板は、リフロー装置Ｍ６に搬入され、所定の加熱プロファイルに従って加熱される。これにより、加熱された基板に印刷されている部品接合用の半田が溶融固化する。こうして部品が基板に半田接合されることで、基板に部品を実装した実装基板が完成する。完成した実装基板は、基板回収装置Ｍ７に回収される。
　次に、生産フロアシステム１の構成について図２を用いて説明する。
　図２は、実施の形態に係る生産フロア管理システム１の一例を示す構成図である。
　生産フロア管理システム１は、生産物を生産する生産装置を備える生産フロアにおける状態を管理するシステムである。生産フロアには、例えば、実装ライン４、在庫倉庫、準備エリアおよびメンテナンスエリア等が含まれる。実装ライン４には、上述したように、実装装置Ｍ４、Ｍ５および印刷装置Ｍ３等の生産装置や検査装置が配置される。在庫倉庫には、部品、はんだ、スクリーンマスク等の材料が保管される。準備エリアでは、台車、フィーダ、ノズルおよびヘッド等の設備要素の準備が行われる。メンテナンスエリアでは、上記設備要素および治具等のメンテナンスが行われる。ここで言う治具とは、フィーダ、ノズル、ヘッド等の調整を行うものであり、その他に設備のヘッド移動機構や搬送機構の調整を行うものであってもよい。作業者は、生産フロアにおける各エリアにおいて生産、準備およびメンテナンス等の作業を行ったり、各エリア間で部品および設備要素の移送の作業を行ったりする。例えば、生産フロア管理システム１は、生産フロアに配置されるコンピュータである。例えば、生産フロア管理システム１が有する機能は、管理装置５に備えられていてもよい。なお、生産フロア管理システム１は、１つの筐体内に設けられたコンピュータであってもよいし、２つ以上の筐体に分けられ、２つ以上のコンピュータによって実現されてもよい。また、生産フロア管理システム１は、生産フロアに配置されなくてもよく、生産フロアの外部に設けられたサーバ等のコンピュータであってもよい。なお、作業者は人に限定されず、上述の作業を行うロボット、作業機構、および自動搬送車を含む。
　生産フロア管理システム１は、生産フロアにおける状態に応じて、生産フロアにおける作業者または生産装置等に対して指示を出力するシステムである。生産フロア管理システム１は、取得部１０、状態監視部２０、対策決定部３０、対策調停部４０、指示出力部５０、効果判定部６０、更新部７０、学習モデル２３、２４、３３および３４、ならびに、リソースデータベース４１を備える。生産フロア管理システム１は、プロセッサ、メモリ等を含むコンピュータにより実現される。取得部１０、状態監視部２０、対策決定部３０、対策調停部４０、指示出力部５０、効果判定部６０および更新部７０は、プロセッサがメモリに記憶されたプログラムに従って動作することにより実現される。また、状態監視部２０はコンピュータとして独立して設けられてもよいし、生産装置に備えられていてもよい。また、生産フロア管理システム１は、複数の状態監視部２０を備えていてもよい。学習モデル２３、２４、３３および３４、ならびに、リソースデータベース４１は、メモリに記憶される。プログラム、学習モデル２３、２４、３３および３４、ならびに、リソースデータベース４１が記憶されるメモリは、それぞれ同じメモリであってもよいし、異なるメモリであってもよい。
　取得部１０は、生産フロアにおける状態を監視するための情報を取得する。例えば、取得部１０は、生産フロアの生産状態を示す情報を取得する。具体的には、取得部１０は、生産フロアの生産状態を示す情報として、生産装置の生産プロセスの結果（具体的には生産性、品質または仕損の有無等）を取得する。生産プロセスの結果は、センサによるセンシング履歴記録であってもよいし、人によって入力されたデータであってもよい。また、例えば、取得部１０は、生産フロアで管理され、生産に用いられる生産リソースの状態を示す情報を取得する。生産リソースは、例えば、生産装置、設備要素、作業者、材料または治具等である。例えば、生産リソースの状態を示す情報は、カメラまたはセンサ等のセンシングデータであってもよいし、人によって入力されたデータであってもよい。また、例えば、取得部１０は、生産フロアで変化したイベント情報を取得する。具体的には、取得部１０は、生産装置が停止したり、生産装置に取り付けられるフィーダ、ノズル、部品、基板が交換されたり、作業する作業者が交替したり、生産装置の動作データが変更されたりしたことを示す情報を取得する。
　状態監視部２０は、取得部１０が取得した情報を介して生産フロアにおける状態を監視する。例えば、状態監視部２０は、生産フロアにおける状態のうち所定状態（例えば、後述する第１状態または第２状態）を検出するための第１条件に基づいて、所定状態を検出する。例えば、第１条件は、所定状態に対応した検出閾値に関連付けられた第１学習モデルである。なお、第１条件は学習モデルでなく設定された検出閾値であってもよい。
　状態監視部２０は、第１状態監視部２１および第２状態監視部２２を有する。第１状態監視部２１および第２状態監視部２２は、それぞれ、上述した状態監視部２０の動作を行う。
　第１状態監視部２１は、生産フロアにおける第１状態を監視する。例えば、第１状態は、生産装置の生産状態であり、第１状態監視部２１は、生産装置の生産状態として生産プロセスの結果を監視する。例えば、第１状態監視部２１は、学習モデル２３に基づいて、第１所定状態を検出する。学習モデル２３は、生産装置の生産状態に対応して生産フロアで生じる第１所定状態を検出するための学習モデルである。また、学習モデル２３は、生産装置の生産状態に対応した検出閾値に関連付けられた第１学習モデル（すなわち第１条件）でもある。例えば、第１状態監視部２１は、所定期間内において、生産装置で発生した生産ミス情報、生産装置で生産した生産物の生産量情報、および、生産装置で生産した生産物の良否情報の少なくともひとつに関する生産指標に対応する第１所定状態を検出する。
　第２状態監視部２２は、生産フロアにおける、第１状態とは異なる第２状態を監視する。例えば、第２状態は、生産リソースの状態であり、第２状態監視部２２は、生産リソースの状態を監視する。例えば、第２状態監視部２２は、学習モデル２４に基づいて、第２所定状態を検出する。学習モデル２４は、生産リソースの状態に対応して生産フロアで生じる第２所定状態を検出するための学習モデルである。また、学習モデル２４は、生産リソースの状態に対応した検出閾値に関連付けられた第１学習モデル（すなわち第１条件）でもある。例えば、第２状態監視部２２は、生産リソースに含まれる生産装置の稼働状態に関する稼動指標に対応する第２所定状態を検出する。また、例えば、第２状態監視部２２は、生産リソースに含まれる作業者が実施した作業に関する作業指標に対応する第２所定状態を検出する。
　ここで、状態監視部２０の監視対象の一例について図３を用いて説明する。
　図３は、実施の形態に係る状態監視部２０の監視対象の一例を示す図である。なお、図３では、生産装置を実装装置とし、生産プロセスを実装プロセスとして説明する。
　図３に示されるように、状態監視部２０（具体的には第１状態監視部２１）は、生産状態として、吸着、認識および装着等のプロセスからなる実装プロセスの結果を監視する。例えば、第１状態監視部２１は、所定期間内において、実装装置で発生した実装ミス情報、実装装置で実装した実装部品の実装量情報、および、実装装置で実装した実装部品の良否情報の少なくともひとつに関する生産指標に対応する第１所定状態（具体的には、実装ミス（仕損）の有無、実装量（生産性）および実装の品質等）を検出する。
　また、状態監視部２０（具体的には第２状態監視部２２）は、生産リソースの状態として、基板、部品、作業者、ヘッド、ノズルおよびフィーダ等の実装プロセスに関わる要素（生産リソース）の状態を監視する。例えば、第２状態監視部２２は、生産リソースに含まれる実装装置の稼働状態に関する稼動指標に対応する第２所定状態（例えば実装装置、ノズルおよびフィーダの劣化等）を検出する。また、例えば、第２状態監視部２２は、生産リソースに含まれる作業者が実装装置について実施した作業に関する作業指標（例えば作業者の作業の誤り等）に対応する第２所定状態を検出する。また、作業指標の他に、基板、半田、または部品の設計データ上での数値（縦、横、厚み、各種マークの座標位置、粘度）と実際にカメラやセンサで測定した数値との差異に関する計測指標、半田や部品の使用期限日時と実際に測定した日時に関する時間指標に対応する第２所定状態を検出してもよい。
　図２での説明に戻り、対策決定部３０は、状態監視部２０によって監視されている生産フロアにおける状態に対応して抽出される複数の対策のうちから実行する対策を決定する。複数の対策のうちから実行する対策とは、後述する第１優先指示、第２優先指示等に対応する。例えば、対策決定部３０は、所定状態に対応した対策（例えば、後述する第１対策または第２対策）を決定するための第２条件に基づいて、実行する対策を決定する。例えば、第２条件は、抽出される複数の対策毎に設定される優先度を含み、所定状態に対応した複数の対策および優先度に関連付けられた第２学習モデルである。例えば、対策決定部３０は、状態監視部２０によって監視されている生産フロアにおける状態に対応して抽出される複数の対策のそれぞれの優先順位に基づいて、複数の対策のうちから実行する第１優先指示を決定する。言い換えると、対策決定部３０は、所定状態に対応して抽出される複数の対策のそれぞれの優先度に基づいて、複数の対策のうちから実行する対策（すなわち第１優先指示）を決定する。例えば、対策決定部３０は、所定状態に対応した対策を決定するために、生産フロアで取得される生産装置の稼働情報、生産フロアで作業する作業者情報、および生産物に用いられる材料情報を分析する。なお、分析には所定状態の傾向だけで対策を決定できる場合と所定状態の傾向だけでは対策を決定できない場合がある。所定状態の傾向だけでは対策を決定できない場合には、対策決定部３０は、イベント情報を基に生産リソース毎に生産フロアで取得される生産装置の稼働情報、生産フロアで作業する作業者情報、および生産物に用いられる材料情報を分析したり、所定の対策を実行させてその前後での傾向をさらに分析したりすることで所定状態に対応した対策を決定することができる。また、対策決定部３０とは独立した分析部を用いて分析が行われてもよい。また、例えば、対策決定部３０は、第１優先指示の実行により生じた、第１優先指示の実行前の生産フロアにおける状態に対する第１優先指示の実行後の生産フロアにおける状態の変化に基づいて、第１優先指示（対策）に対する優先順位を決定するための優先度を更新する。また、例えば、対策決定部３０は、優先度を更新するための学習モデルに基づいて優先度を更新する。なお、第２条件は学習モデルでなく、複数の対策毎に設定される優先度を含むデータテーブルであってもよい。
　対策決定部３０は、第１対策決定部３１および第２対策決定部３２を有する。第１対策決定部３１および第２対策決定部３２は、それぞれ、上述した対策決定部３０の動作を行う。
　第１対策決定部３１は、第１状態監視部２１によって監視されている第１状態に対応した第１対策を決定する。例えば、第１対策決定部３１は、第１状態に対応して抽出される複数の対策のそれぞれの優先順位に基づいて、複数の対策のうちから実行する第１対策（すなわち第１優先指示）を決定する。例えば、第１対策決定部３１は、上記生産指標を改善する対策を含む第１対策を決定する。具体的には、第１対策決定部３１は、ＭＴＴＲ（Ｍｅａｎ　Ｔｉｍｅ　Ｔｏ　Ｒｅｃｏｖｅｒｙ）を改善するための第１対策を決定する。ＭＴＴＲは、システムまたは機器の保守性を示す指標であり、ＭＴＴＲが短いほど保守性が高いことを意味する。例えば、第１対策決定部３１は、学習モデル３３に基づいて、第１対策を決定する。学習モデル３３は、第１状態に対応した第１対策を決定するための学習モデルであり、具体的には、優先度を更新するための学習モデルである。また、学習モデル３３は、所定状態に対応した複数の対策および優先度に関連付けられた第２学習モデル（すなわち第２条件）でもある。
　第２対策決定部３２は、第２状態監視部２２によって監視されている第２状態に対応した第２対策を決定する。例えば、第２対策決定部３２は、第１状態に対応して抽出される複数の対策のそれぞれの優先順位に基づいて、複数の対策のうちから実行する第２対策（すなわち第１優先指示）を決定する。例えば、第２対策決定部３２は、上記稼動指標に対応する生産装置や設備要素に対する対策（メンテナンス・交換）、または、上記作業指標に対応する作業者の作業可否や作業トレーニングを含む第２対策を決定する。具体的には、第２対策決定部３２は、ＭＴＢＦ（Ｍｅａｎ　Ｔｉｍｅ　Ｂｅｔｗｅｅｎ　Ｆａｉｌｕｒｅｓ）を改善するための第２対策を決定する。ＭＴＢＦは、システムまたは機器の信頼性を示す指標であり、ＭＴＢＦが長いほど信頼性が高いことを意味する。例えば、第２対策決定部３２は、学習モデル３４に基づいて、第２対策を決定する。学習モデル３４は、第２状態に対応した第２対策を決定するための学習モデルであり、具体的には、優先度を更新するための学習モデルである。また、学習モデル３４は、所定状態に対応した複数の対策および優先度に関連付けられた第２学習モデル（すなわち第２条件）でもある。なお、ここで決定された第２対策は、生産フロア管理システム１とは別に設けられたメンテナンス計画作成装置または作業者管理装置に第２対策が通知されることで完了したとしてもよいし、第２対策の実行結果を受けて完了してもよい。
　対策調停部４０は、第１対策と第２対策との調停を行う。ここで、第１対策と第２対策との調停が必要な理由について、図３を用いて詳細に説明する。
　例えば、図３に示されるように、吸着に関する実装プロセスの結果は、基板、部品、作業者、ヘッド、ノズルおよびフィーダと関連しており、認識に関する実装プロセスの結果は、部品、ヘッドおよびノズルと関連しており、装着に関する実装プロセスの結果は、基板、部品およびノズルと関連している。例えば、第１対策には、生産プロセスの結果に対応して、基板、部品、作業者、ヘッド、ノズルまたはフィーダに対する対策が含まれる。一方で、第２対策にも、生産リソースの状態に対応して、基板、部品、作業者、ヘッド、ノズルまたはフィーダに対する対策が含まれる。すなわち、第１対策の対象となる生産リソースと第２対策の対象となる生産リソースとが重複する場合がある。第１対策の対象となる生産リソースと第２対策の対象となる生産リソースとが重複する場合、第１対策および第２対策の両方を同時期に実行することが難しいため、第１対策と第２対策との調停が必要となっている。
　例えば、対策調停部４０は、第１対策に対応する第１状態に設定される問題度と第２対策に対応する第２状態に設定される問題度に基づいて、第１対策と第２対策との調停を行う。また、例えば、対策調停部４０は、第１対策または第２対策に必要な生産リソースの有無に基づいて、第１対策と第２対策との調停を行う。生産リソースの有無は、リソースデータベース４１で管理される。
　指示出力部５０は、第１優先指示を出力する。具体的には、指示出力部５０は、対策調停部４０による調停に従って、第１優先指示である第１対策または第２対策を出力する。例えば、後述する効果判定部６０が実行された第１優先指示の効果を判定するまで、指示出力部５０は、複数の対策のうちから決定された、優先順位が第１優先指示以降の第２優先指示を出力しない。また、例えば、効果判定部６０が、第１優先指示が実行されたことにより、第１優先指示の実行前の生産フロアにおける状態に対して第１優先指示の実行後の生産フロアにおける状態に所定以上の改善傾向があると判定した場合、指示出力部５０は、第１優先指示に対応した生産フロアにおける状態に関連して抽出された、実行前の第２優先指示を出力しない。また、例えば、効果判定部６０が、第１優先指示が実行されたことにより、第１優先指示の実行前の生産フロアにおける状態に対して第１優先指示の実行後の生産フロアにおける状態に所定以上の改善傾向がないと判定した場合、対策決定部３０は、第１優先指示を除外した複数の対策のそれぞれの優先順位に基づいて、実行する第２優先指示を決定し、指示出力部５０は、第２優先指示を出力する。また、例えば、効果判定部６０が所定期間、効果を判定できなかった場合、対策決定部３０は、第１優先指示を除外した複数の対策のそれぞれの優先順位に基づいて、実行する第２優先指示を決定し、指示出力部５０は、第２優先指示を出力する。指示出力部５０は、生産装置の制御部や作業者が所持する携帯端末に指示を出力してもよいし、生産装置を管理する生産管理装置や作業者を管理する作業者管理装置を介して生産装置や作業者へ指示を出力してもよい。
　効果判定部６０は、決定された対策（言い換えると出力された第１優先指示）が実行された前後の生産フロアにおける状態に基づいて、実行された対策（指示）の効果を判定する。具体的には、効果判定部６０は、出力された指示に対応する第１対策または第２対策が実行された前後の第１状態および第２状態の少なくとも一方に基づいて、実行された第１対策または第２対策の効果を判定する。
　更新部７０は、判定された効果に基づいて、第１条件および第２条件、すなわち学習モデル２３、２４、３３および３４を更新する。
　状態監視部２０、対策決定部３０、対策調停部４０、指示出力部５０、効果判定部６０および更新部７０の詳細については後述する。
　第１状態監視部２１による第１状態の監視および第１対策決定部３１による第１対策の決定と、第２状態監視部２２による第２状態の監視および第２対策決定部３２による第２対策の決定とは、並行して行われる。これについて、図４を用いて説明する。
　図４は、実施の形態に係る生産フロア管理システム１の動作の流れを模式的に示す図である。
　生産フロア管理システム１は、状態監視部２０による問題発見、対策決定部３０による対策方針の決定、対策調停部４０による調停および指示出力部５０による対策実行を行う。これらは、いわゆるＯＯＤＡループに適用することができ、問題発見は「Ｏｂｓｅｒｖｅ」に対応し、対策方針の決定は「Ｏｒｉｅｎｔ」に対応し、調停は「Ｄｅｃｉｄｅ」に対応し、対策実行は「Ａｃｔｉｏｎ」に対応する。
　第１状態監視部２１による第１状態の監視および第１対策決定部３１による第１対策の決定は、上述したように、ＭＴＴＲを改善するためのものであり、図４では、第１状態監視部２１による問題発見、第１対策決定部３１による対策方針の決定、対策調停部４０による調停および指示出力部５０による対策実行のサイクルをＭＴＴＲサイクルとしている。第２状態監視部２２による第２状態の監視および第２対策決定部３２による第２対策の決定は、上述したように、ＭＴＢＦを改善するためのものであり、図４では、第２状態監視部２２による問題発見、第２対策決定部３２による対策方針の決定、対策調停部４０による調停および指示出力部５０による対策実行のサイクルをＭＴＢＦサイクルとしている。
　このように、第１状態監視部２１による第１状態の監視および第１対策決定部３１による第１対策の決定と、第２状態監視部２２による第２状態の監視および第２対策決定部３２による第２対策の決定とは、並行して行われる。例えば、ＭＴＢＦおよびＭＴＴＲの両面からのＯＯＤＡループによってプロセス保障を実現できる。
　また、ＯＯＤＡループの各プロセスである問題発見、対策方針の決定、調停および対策実行は、独立性を保っており、並列実行されることで、各プロセス間の待ち時間を最小化でき、リアルタイムコントロールを実現できる。詳細は後述するが、時間経過に伴い状況が多岐にわたり変わる生産フロアにおける状態に対し、優先順位を変えながら対策を実行していくことができる。
　なお、第１状態は、生産装置の生産状態であり、第２状態は、生産リソースの状態である例を説明したが、これに限らない。例えば、第１状態は、生産装置の生産状態であり、第２状態は、第１状態とは異なる生産装置の生産状態であってもよい。また、例えば、第１状態は、生産リソースの状態であり、第２状態は、第１状態とは異なる生産リソースの状態であってもよい。例えば、図４では、ＭＴＢＦサイクルとＭＴＴＲサイクルとが並行して行われる例を示しているが、複数のＭＴＢＦサイクルが並行して行われてもよいし、複数のＭＴＴＲサイクルが並行して行われてもよい。なお、ＭＴＢＦサイクルとＭＴＴＲサイクルとが並行して行われて、第１対策と第２対策を調停する場合に対策調停部４０は第２対策よりも第１対策を優先して決定してもよく、特に下述で説明する問題度に差がない場合に第１対策を優先することで生産装置の稼働を維持することができる。ここで言う問題度に差がないとは同じ問題度であることと問題度の差が所定差以内であること含む。
　次に、状態監視部２０、対策決定部３０、対策調停部４０、指示出力部５０、効果判定部６０および更新部７０の詳細について図５から図１２を用いて説明する。
　まず、状態監視部２０の詳細について、図５を用いて説明する。
　図５は、実施の形態に係る状態監視部２０の動作の一例を示すフローチャートである。図５は、ＯＯＤＡループにおける問題発見（Ｏｂｓｅｒｖｅ）の処理を示す。
　まず、状態監視部２０は、監視データを取得する（ステップＳ１１）。具体的には、第１状態監視部２１は、生産装置の生産状態に関する監視データを取得し、第２状態監視部２２は、生産リソースの状態に関する監視データを取得する。
　次に、状態監視部２０は、学習モデルを読み込む（ステップＳ１２）。具体的には、第１状態監視部２１は、学習モデル２３を読み込み、第２状態監視部２２は、学習モデル２４を読み込む。
　学習モデル２３は、生産装置の生産状態に対応して生産フロアで生じる第１所定状態を検出するための学習モデルであり、生産装置の生産状態に対応した検出閾値に関連付けられている。例えば、学習モデル２３は、取得された監視データが入力されることで、取得された監視データが示す、生産装置で発生した生産ミス情報、生産装置で生産した生産物の生産量情報、および、生産装置で生産した生産物の良否情報の少なくともひとつに関する生産指標に対応する第１所定状態（例えば、生産性、品質または仕損等）を出力するように学習されている。ここで、学習モデル２３の学習方法（更新方法）について、具体例をあげて説明する。
　例えば、学習モデル２３に関連付けられている生産性に対応した検出閾値に基づいて、生産性が低下していることが検出され、生産性を上げる対策が出力されたとする。これにより、生産性が上がり品質が低下した、つまり、生産性については効果があり、品質については悪化したとする。例えば、学習の方針として品質を重視するように設定されている場合、上記効果に基づいて、生産性に対応した検出閾値を緩める（生産性の低下が検出されにくくなる）ように学習が行われる。これにより、生産性と品質とのバランスが取れた検出閾値が学習される。
　学習モデル２４は、生産リソースの状態に対応して生産フロアで生じる第２所定状態を検出するための学習モデルであり、生産リソースの状態に対応した検出閾値に関連付けられている。例えば、学習モデル２４は、取得された監視データが入力されることで、取得された監視データが示す、生産リソースに含まれる生産装置の稼働状態に関する稼動指標、または、生産リソースに含まれる作業者が実施した作業に関する作業指標に対応する第２所定状態（例えば、生産装置もしくは設備要素の劣化、または、作業者の作業の誤り等）を出力するように学習されている。ここで、学習モデル２４の学習方法（更新方法）について、具体例をあげて説明する。
　例えば、学習モデル２４に関連付けられているノズルの流量に対応した検出閾値に基づいて、ノズルの流量が低下していることが検出され、１週間以内にノズルをメンテナンスするという対策が出力されたとする。例えば、対策が出力された後メンテナンスを行う前（１週間経過する前）に吸着エラー率が悪化して、出力された対策の効果が得られなかったとする。この場合、ノズルの流量の低下の検出が遅すぎた可能性があるため、上記効果に基づいて、ノズルの流量に対応した検出閾値を厳しくする（つまり、ノズルの流量の低下が早く検出されやすくなる）ように学習が行われる。これにより、最適な時期にメンテナンスを行うことができるような検出閾値が学習される。なお、ノズルの流量に対応した検出閾値は一例であって、その他にフィーダのテープ停止位置のずれ、ノズルが吸着した部品の吸着位置ずれ、または基板の搬送位置ずれ等に検出閾値を設定しても上記の学習を適用することができる。
　次に、状態監視部２０は、第１所定状態または第２所定状態に問題が検出されたか否かを判定する（ステップＳ１３）。例えば、第１状態監視部２１は、生産性が低下していること、品質が低下していること、または、仕損が多くなっていること等が検出されたか否かを判定する。例えば、第２状態監視部２２は、生産装置が劣化していること、設備要素が劣化していること、または、作業者の作業に誤りがあること等が検出されたか否かを判定する。
　問題が検出されなかった場合（ステップＳ１３でＮｏ）、問題が検出されるまでステップＳ１１からの処理が繰り返される。
　問題が検出された場合（ステップＳ１３でＹｅｓ）、検出された問題に対する対策方針の決定が行われる。
　次に、対策決定部３０の詳細について、図６を用いて説明する。
　図６は、実施の形態に係る対策決定部３０の動作の一例を示すフローチャートである。図６は、ＯＯＤＡループにおける対策方針の決定（Ｏｒｉｅｎｔ）の処理を示す。
　対策決定部３０は、状態監視部２０によって検出された問題に対して、関連のある生産リソース（例えば原因となり得る生産リソース）を分析する（ステップＳ２１）。例えば、第１状態監視部２１によって、実装装置の実装プロセスにおいて生産性が低下しているという問題が検出された場合、当該問題の原因となり得る生産リソースが基板、部品、作業者、ヘッド、ノズルおよびフィーダであると分析する（図３参照）。また、例えば、第２状態監視部２２によって、ノズルの劣化という問題が検出された場合、当該問題の原因となり得る生産リソースがノズルであると分析する。
　次に、対策決定部３０は、学習モデルを読み込む（ステップＳ２２）。具体的には、第１対策決定部３１は、学習モデル３３を読み込み、第２対策決定部３２は、学習モデル３４を読み込む。
　学習モデル３３は、生産装置の生産状態に対応した第１対策を決定するための学習モデルであり、具体的には、第１対策に対する優先順位を決定するための優先度を更新するための学習モデルである。例えば、学習モデル３３は、検出された問題が入力されることで、検出された問題の対策を候補として出力するように学習されている。検出された問題に対して、複数の候補が出力された場合、複数の候補に対応して複数の対策が抽出される。学習モデル３３の学習方法については後述する。
　学習モデル３４は、生産リソースの状態に対応した第２対策を決定するための学習モデルであり、具体的には、第２対策に対する優先順位を決定するための優先度を更新するための学習モデルである。例えば、学習モデル３４は、検出された問題が入力されることで、検出された問題の対策を候補として出力するように学習されている。検出された問題に対して、複数の候補が出力された場合、複数の候補に対応して複数の対策が抽出される。学習モデル３４の学習方法については後述する。
　次に、対策決定部３０は、複数の対策のそれぞれの優先順位を決定するための優先度を分析する（ステップＳ２３）。例えば、学習モデル３３および３４は、検出された問題の対策を候補として出力する際に、対策の優先度を対応付けて出力する。これにより、対策決定部３０は、各対策の優先度を把握することができる。
　次に、対策決定部３０は、対策候補リストを作成する（ステップＳ２４）。対策候補リストについて図７を用いて説明する。
　図７は、実施の形態に係る対策候補リストの一例を示す表である。
　例えば、第１所定状態（例えば、生産性、品質または仕損等）の問題としてノズルによる部品の吸着エラー率の悪化という問題が検出されたとする。この場合、学習モデル３３から吸着位置ティーチ、フィーダ交換およびノズル交換といった対策候補が出力され、また、各対策候補の優先度として優先確率が出力される。これにより、対策決定部３０は、図７に示されるような対策候補リストを作成することができる。図７に示される対策候補リストでは、対策候補として、吸着位置ティーチが優先確率６０％となっており、吸着エラー率の悪化という問題に対する対策候補の中で最も優先度が高くなっている。なお、優先確率が同等の対策候補がある場合には、過去の実績（対策成功回数、優先確率の推移等）によって決定してもよい。
　図６での説明に戻り、次に、対策決定部３０は、作成した対策候補リストにおける最も優先度の高い対策候補を、検出された問題に対する対策として優先対策リストへ登録する（ステップＳ２５）。例えば、図７に示される対策候補リストが作成された場合、吸着エラー率の悪化という問題に対して、吸着位置ティーチという対策が優先対策リストへ登録される。例えば、吸着エラー率の悪化という問題が検出されたときの生産フロアにおける状態に対応して抽出される複数の対策は、吸着位置ティーチ、フィーダ交換およびノズル交換となる。対策決定部３０が吸着位置ティーチという対策を優先対策リストへ登録することは、当該複数の対策のそれぞれの優先順位（優先度）に基づいて、当該複数の対策のうちから実行する第１優先指示として、吸着位置ティーチを決定することを意味する。
　なお、監視データの取得は、所定の時間間隔で繰り返し行われており、様々な問題が検出され得る。例えば、１つの問題に対する対策が完了する前に別の問題が検出される場合がある。例えば、第１所定状態（例えば、生産性、品質または仕損等）についての問題が複数検出される場合もあり、第２所定状態（例えば、生産装置もしくは設備要素の劣化、または、作業者の作業の誤り等）についての問題が複数検出される場合もある。このように、問題が検出されるごとにその問題の対策候補リストが作成され、対策候補リスト毎の優先度の最も高い対策が優先対策リストに追加されていく。ここで、優先対策リストの一例を図８に示す。
　図８は、実施の形態に係る優先対策リストの一例を示す表である。
　図８に示されるように、第１所定状態についての問題として、上述した吸着エラー率の悪化という問題に対して、吸着位置ティーチという対策が優先対策リストへ登録されていることがわかる。また、第２所定状態についての問題として、フィーダの摺動不良という問題に対して、清掃という対策が優先対策リストへ登録されていることがわかる。また、第２所定状態についての問題として、コンベアベルトの摩耗という問題に対して、交換という対策が優先対策リストへ登録されていることがわかる。また、第１所定状態および第２所定状態についての問題には、その問題の重大さを示す指標として問題度が予め設定されている。例えば、吸着エラー率の悪化という問題は、その問題が検出されたときの第１状態（生産装置の生産状態）の問題であるといえるため、吸着エラー率の悪化という問題に設定される問題度は、その問題が検出されたときの第１状態に設定される問題度であるといえる。また、例えば、フィーダの摺動不良という問題は、その問題を検出したときの第２状態（生産リソースの状態）の問題であるといえるため、フィーダの摺動不良という問題に設定される問題度は、その問題が検出されたときの第２状態に設定される問題度であるといえる。
　次に、対策調停部４０の詳細について、図９を用いて説明する。
　図９は、実施の形態に係る対策調停部４０の動作の一例を示すフローチャートである。図９は、ＯＯＤＡループにおける調停（Ｄｅｃｉｄｅ）の処理を示す。
　まず、対策調停部４０は、優先対策リストを読み込み（ステップＳ３１）、優先順位（すなわち問題度）の高い対策を選択する（ステップＳ３２）。例えば、読み込まれた優先対策リストが図８に示されるリストである場合、対策調停部４０は、優先順位の高い対策として吸着位置ティーチを選択する。
　次に、対策調停部４０は、リソースデータ（リソース管理テーブル）をリソースデータベース４１から読み込む（ステップＳ３３）。リソース管理テーブルについて、図１０を用いて説明する。
　図１０は、実施の形態に係るリソース管理テーブルの一例を示す表である。
　例えば、リソース管理テーブルでは、各生産リソースの有無、具体的には、各生産リソースが現在何かしらの対策を行っているか否か、または、各生産リソースに対して現在何かしらの対策が行われているか否かが管理されている。図１０では、生産リソースの有無をロックのオンおよびオフで示している。図１０に示されるリソース管理テーブルでは、生産リソースとして、ヘッド、ノズル、フィーダならびに作業者ＡおよびＢの有無が管理されている。ヘッドおよびフィーダは、現在何かしらの対策が行われており、ロックがオンとなっている。ノズルは、現在何も対策が行われていないため、ロックがオフとなっている。作業者ＡおよびＢは、現在何も対策を行っていないため、ロックがオフとなっている。ここで言うロックとは現実空間もしくは仮想空間のどちらか、または両方を含んでいてもよい。例えば、リソースがロックされたフィーダに対してロックがオフされるまで生産装置から取り外しを禁止することが現実空間でのロックを意味する。また、生産計画の作成または更新をする際に、リソースがロックされたフィーダを使用することを禁止することが仮想空間でのロックを意味する。
　図９での説明に戻り、次に、対策調停部４０は、選択した対策について、生産リソースがロックされているか否かを判定する（ステップＳ３４）。例えば、対策調停部４０は、吸着位置ティーチを選択したとする。また、例えば、吸着位置ティーチは、作業者Ａが行う対策であるとする。この場合、対策調停部４０は、読み込んだリソース管理テーブルにおける作業者Ａのロックの状態を確認する。
　対策調停部４０は、選択した対策についての生産リソースがロックされている場合（ステップＳ３４でＹｅｓ）、次に優先順位の高い対策を選択し（ステップＳ３５）、再度ステップＳ３３からの処理を行う。
　対策調停部４０は、選択した対策についての生産リソースがロックされていない場合（ステップＳ３４でＮｏ）、選択した対策についての生産リソースをロックする（ステップＳ３６）。
　そして、優先対策リストに含まれる全ての対策についての生産リソースがロックされているか否かを判定する（ステップＳ３７）。全ての対策についての生産リソースがロックされていない場合（ステップＳ３７でＮｏ）、今回選択された対策を除いて再度ステップＳ３２からの処理が行われる。全ての対策についての生産リソースがロックされている場合（ステップＳ３７でＹｅｓ）、優先対策リストにおける生産リソースがロックされていなかった対策のうち、選択された優先順位の高い対策について、対策実行が行われる。
　次に、指示出力部５０、効果判定部６０および更新部７０の詳細について、図１１を用いて説明する。
　図１１は、実施の形態に係る指示出力部５０、効果判定部６０および更新部７０の動作の一例を示すフローチャートである。図１１は、ＯＯＤＡループにおける対策実行（Ａｃｔｉｏｎ）および対策が実行された後の処理を示す。なお、以下では、吸着エラー率の悪化という問題に対して対策調停部４０により選択された対策が吸着位置ティーチであり、ロックされた生産リソースが作業者Ａである場合を具体例１の場合といい、フィーダの摺動不良という問題に対して対策調停部４０により選択された対策が清掃であり、ロックされた生産リソースがフィーダおよび作業者Ｂである場合を具体例２の場合という。
　まず、指示出力部５０は、対策調停部４０によりロックされた生産リソースについて、対策を実行する（ステップＳ４１）。例えば、具体例１の場合、指示出力部５０は、作業者Ａに吸着位置ティーチを実施させる第１対策（例えば第１優先指示）を出力する。例えば、具体例２の場合、指示出力部５０は、作業者Ｂにフィーダの清掃を実施させる第２対策（例えば第１優先指示）を出力する。このように、対策に応じた指示が出力され、指示が実行される。なお、指示の実行は作業者等によって手動で行われるものであってもよいし、生産装置等によって自動で行われるものであってもよい。
　次に、効果判定部６０は、監視データを取得する（ステップＳ４２）。具体的には、効果判定部６０は、生産装置の生産状態に関する監視データまたは生産リソースの状態に関する監視データを取得する。効果判定部６０が監視データを取得するのは、対策に応じた指示が実行されたことによる生産フロアにおける状態の変化を確認する、すなわち、実行された対策に応じた指示の効果を判定するためである。例えば、具体例１の場合、効果判定部６０は、吸着に関する実装プロセスの結果についての監視データを取得する。すなわち、効果判定部６０は、監視対象のノズルに関連するミス情報を監視データとして、その傾向を監視する。例えば、具体例２の場合、効果判定部６０は、フィーダの状態についての監視データを取得する。すなわち、効果判定部６０は、監視対象のフィーダに関連するミス情報を監視データとして、その傾向を監視する。例えば、効果判定部６０は、状態監視部２０と同じように学習モデル２３または２４を用いて第１所定状態または第２所定状態を検出する。
　次に、効果判定部６０は、第１所定状態または第２所定状態に問題が検出されたか否かを判定する（ステップＳ４３）。問題が検出された場合には、実行された対策に応じた指示の効果がない、または、実行された対策に応じた指示の効果がまだ表れていないと判定することができ、問題が検出されなかった場合には、実行された対策に応じた指示の効果があったと判定することができる。
　問題が検出されなかった場合（ステップＳ４３でＮｏ）、更新部７０は、判定された効果に基づいて学習モデル３３または３４を更新する（ステップＳ４４）。例えば、具体例１の場合に、問題が検出されなくなった場合には、更新部７０は、問題に対して吸着位置ティーチが効果的であったと判断して、吸着位置ティーチの優先度が高くなるように学習モデル３３を更新する。例えば、具体例２の場合に、問題が検出されなくなった場合には、更新部７０は、問題に対して清掃が効果的であったと判断して、清掃の優先度が高くなるように学習モデル３４を更新する。
　次に、効果判定部６０は、今回の指示が完了したため、今回の指示を実行するにあたりロックされていた生産リソースのロックを解除する（ステップＳ４５）。例えば、具体例１の場合、ロックされていた作業者Ａのロックが解除される。例えば、具体例２の場合、ロックされていた作業者Ｂおよびフィーダのロックが解除される。
　次に、効果判定部６０は、優先対策リストから今回の指示により実行された対策を削除する（ステップＳ４６）。例えば、具体例１の場合、吸着位置ティーチが優先対策リストから削除される。例えば、具体例２の場合、清掃が優先対策リストから削除される。
　そして、効果判定部６０は、今回の指示により検出されなくなった問題についての対策候補リストを削除する（ステップＳ４７）。例えば、具体例１の場合、吸着エラー率の悪化という問題は検出されなくなり、当該問題の対策は不要となったため、図７に示される対策候補リストは削除される。対策候補リストを削除することは、効果判定部６０が、第１優先指示（吸着位置ティーチの指示）が実行されたことにより、吸着位置ティーチの指示の実行前の状態（吸着エラー率）に対して吸着位置ティーチの指示の実行後の吸着エラー率に所定以上の改善傾向があると判定した場合、指示出力部５０は、吸着位置ティーチの指示に対応した吸着エラー率に関連して抽出された、実行前の第２優先指示（フィーダ交換またはノズル交換の指示）が出力されないことを意味する。また、効果判定部６０は、対策を実行した問題以外に優先対策リストに提示される問題が継続しているかも判定してもよい。効果判定部６０は、対策を実行した問題以外に問題が検出されなくなった問題についての優先対策リストを削除してもよい。検出される問題によっては関連性を有しており、そのような問題に対して、効率的な対策を実行することができる。
　一方で、問題が検出された場合（ステップＳ４３でＹｅｓ）、効果判定部６０は、タイムアウトしたか否かを判定する（ステップＳ４８）。言い換えると、効果判定部６０は、所定時間、効果が判定できていない状態であるか否かを判定する。指示が実行されてから、効果が表れるまでにある程度の時間を要する場合があるため、ステップＳ４８での処理が行われる。所定期間は、例えば、指示毎に、効果の刈り取りに必要な時間が設定される。また、生産計画やメンテナンス計画に追加される対策のように、即時に行われない指示はその指示を行う計画が作成されたことで、生産リソースのロックを解除して効果判定は計画が実行された後に行われてもよい。
　タイムアウトしていない場合（ステップＳ４８でＮｏ）、問題が検出されなくなる、あるいは、タイムアウトするまでステップＳ４２、ステップＳ４３およびステップＳ４８での処理が繰り返される。
　タイムアウトした場合（ステップＳ４８でＹｅｓ）、更新部７０は、判定された効果に基づいて学習モデル３３または３４を更新する（ステップＳ４９）。例えば、具体例１の場合に、問題が検出されたままタイムアウトした場合には、更新部７０は、問題に対して吸着位置ティーチは効果的ではなかったと判断して、吸着位置ティーチの優先度が低くなるように学習モデル３３を更新する。例えば、具体例２の場合に、問題が検出されたままタイムアウトした場合には、更新部７０は、問題に対して清掃が効果的ではなかったと判断して、清掃の優先度が低くなるように学習モデル３４を更新する。また、更新部７０は、問題が検出されたものの、監視データに傾向の改善があった（所定以下の改善傾向があった）場合には、優先度の低下度合いを小さくなるように学習モデル３４を更新する。
　次に、効果判定部６０は、今回の指示が完了したため、今回の指示を実行するにあたりロックされていた生産リソースのロックを解除する（ステップＳ５０）。例えば、具体例１の場合、ロックされていた作業者Ａのロックが解除される。例えば、具体例２の場合、ロックされていた作業者Ｂおよびフィーダのロックが解除される。
　次に、効果判定部６０は、優先対策リストから今回の指示により実行された対策を削除する（ステップＳ５１）。例えば、具体例１の場合、吸着位置ティーチが優先対策リストから削除される。例えば、具体例２の場合、清掃が優先対策リストから削除される。
　次に、効果判定部６０は、今回の指示が実行されても検出されたままの問題についての対策候補リストを更新する（ステップＳ５２）。ここで、具体例１の場合における対策候補リストの更新について図１２を用いて説明する。
　図１２は、実施の形態に係る、更新後の対策候補リストの一例を示す表である。
　例えば、吸着位置ティーチの指示が実行されても吸着エラー率の悪化という問題は検出されたままの場合、図１２に示されるように、対策候補リストから対策候補として吸着位置ティーチが削除される。また、図７に示される対策候補リストが作成されてから時間が経過しており、その間も生産フロアでは生産が継続して行われるため、フィーダおよびノズルの状態が変化し、それに伴いフィーダ交換およびノズル交換の優先度も変化している可能性がある。そこで、効果判定部６０は、優先度の分析を行い対策候補リストにおける優先度を更新してもよい。例えば、図７に示される対策候補リストでは、フィーダ交換とノズル交換との優先度（優先確率）の比率は３：１であったが、図１２に示される対策候補リストでは、２：３と変化していることがわかる。
　図１１での説明に戻り、効果判定部６０は、作成した対策候補リストにおける最も優先度の高い対策候補を、検出された問題に対する対策として優先対策リストへ登録する（ステップＳ５３）。例えば、図１２に示される対策候補リストが作成された場合、吸着エラー率の悪化という問題に対して、ノズル交換という対策が優先対策リストへ登録される。つまり、吸着位置ティーチが行われた後も継続している吸着エラー率の悪化という問題に対して、ノズル交換の指示が出力され得る。
　これは、効果判定部６０が実行された第１優先指示（吸着位置ティーチ）の効果を判定するまで、ステップＳ５０以降の動作が実行されないため、指示出力部５０は、複数の対策（吸着位置ティーチ、フィーダ交換およびノズル交換）のうちから決定された、優先順位が吸着位置ティーチの指示以降の第２優先指示（フィーダ交換またはノズル交換）を出力しないことを意味する。吸着位置ティーチの効果がないと判定された後に、ノズル交換の指示が出力されるためである。
　また、これは、効果判定部６０が、第１優先指示（吸着位置ティーチ）が実行されたことにより、吸着位置ティーチの実行前の状態（吸着エラー率）に対して吸着位置ティーチの実行後の吸着エラー率に所定以上の改善傾向がないと判定した場合、対策決定部３０は、吸着位置ティーチを除外した複数の対策（フィーダ交換およびノズル交換）のそれぞれの優先順位に基づいて、実行する第２優先指示（ノズル交換）を決定し、指示出力部５０はノズル交換の指示を出力することを意味する。優先順位の最も高かった吸着位置ティーチ以降の優先順位のノズル交換の指示が出力されるためである。
　また、これは、効果判定部６０が所定期間、効果を判定できなかった場合、対策決定部３０は、第１優先指示（吸着位置ティーチ）を除外した複数の対策（フィーダ交換の指示およびノズル交換）のそれぞれの優先順位に基づいて、実行する第２優先指示（ノズル交換）を決定し、指示出力部５０は、ノズル交換の指示を出力することを意味する。タイムアウトした後に、吸着位置ティーチを除外した複数の対策の中で優先順位が高いノズル交換の指示が出力されるためである。
　なお、ステップＳ１３において、状態監視部２０により問題が検出され、その問題に対する対策候補リストの中から優先度の高い対策が優先対策リストに登録された後、登録された対策の優先順位が低かったり、登録された対策についての生産リソースがすでにロックされていたりすることで、登録された対策がなかなか実行されない場合がある。このような場合に、先に実行された他の問題に対する対策によって、実行されていない対策に対応する問題が解決する場合がある。この場合には、登録された対策が実行される前であっても、優先対策リストから削除され、また、対策候補リストも削除されてもよい。
　以上説明したように、対策が実行された前後の生産フロアにおける状態が変化したか否か、変化した場合どのように変化したか等によって、対策の効果を判定することができる。生産フロアでの問題自体が変化した場合には、対策の効果も変化するため、判定された効果に基づいて、第１条件及び第２条件を最適な条件に更新することができる。したがって、問題自体の変化に対応して最適な作業指示を出力することができる。
　（その他の実施の形態）
　以上、本開示の生産フロア管理システム１について、実施の形態に基づいて説明したが、本開示は、上記実施の形態に限定されるものではない。本開示の趣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、および、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、上記実施の形態では、生産フロア管理システム１は、学習モデル２３、３４、３３および３４を備える例について説明したが、備えていなくてもよい。
　例えば、上記実施の形態では、第１状態は、生産装置の生産状態であり、第２状態は、生産リソースの状態である例を説明したが、これに限らない。例えば、第１状態および第２状態は、生産フロアにおける異なる状態であれば、特に限定されない。
　例えば、上記実施の形態では、生産フロア管理システム１が取得部１０、状態監視部２０、対策決定部３０、対策調停部４０、指示出力部５０、効果判定部６０、および更新部７０を備える例について説明したが、それらの一部は、生産装置が備えていてもよい。例えば、生産装置が、取得部１０と状態監視部２０、および対策決定部３０を備えていてもよい。
　例えば、対策に応じた指示は複数の指示で構成されていてもよい。また、対策に応じた指示は複数の生産装置や複数の作業者が所持する携帯端末に出力されてもよい。
　例えば、本開示は、生産フロア管理システム１として実現できるだけでなく、生産フロア管理システム１を構成する各構成要素が行うステップ（処理）を含む作業対策決定方法として実現できる。
　図１３は、その他の実施の形態に係る作業対策決定方法の一例を示すフローチャートである。
　作業対策決定方法は、生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システムにおける作業対策決定方法であって、図１３に示されるように、上記状態を監視して、上記状態のうち所定状態を検出するための第１条件に基づいて、所定状態を検出し（ステップＳ１）、所定状態に対応した対策を決定するための第２条件に基づいて、実行する対策を決定し（ステップＳ２）、決定された対策が実行された前後の上記状態に基づいて、実行された対策の効果を判定し（ステップＳ３）、判定された効果に基づいて、第１条件および第２条件を更新する（ステップＳ４）ことを含む。
　例えば、作業対策決定方法におけるステップは、コンピュータ（コンピュータシステム）によって実行されてもよい。そして、本開示は、作業対策決定方法に含まれるステップを、コンピュータに実行させるためのプログラムとして実現できる。さらに、本開示は、そのプログラムを記録したＣＤ－ＲＯＭ等である非一時的なコンピュータ読み取り可能な記録媒体として実現できる。
　例えば、本開示が、プログラム（ソフトウェア）で実現される場合には、コンピュータのＣＰＵ、メモリおよび入出力回路等のハードウェア資源を利用してプログラムが実行されることによって、各ステップが実行される。つまり、ＣＰＵがデータをメモリまたは入出力回路等から取得して演算したり、演算結果をメモリまたは入出力回路等に出力したりすることによって、各ステップが実行される。
　また、上記実施の形態の生産フロア管理システム１に含まれる各構成要素は、専用または汎用の回路として実現されてもよい。
　また、上記実施の形態の生産フロア管理システム１に含まれる各構成要素は、集積回路（ＩＣ：Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）であるＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ）として実現されてもよい。
　また、集積回路はＬＳＩに限られず、専用回路または汎用プロセッサで実現されてもよい。プログラム可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、または、ＬＳＩ内部の回路セルの接続および設定が再構成可能なリコンフィギュラブル・プロセッサが、利用されてもよい。
　さらに、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて、生産フロア管理システム１に含まれる各構成要素の集積回路化が行われてもよい。
　その他、実施の形態に対して当業者が思いつく各種変形を施して得られる形態や、本開示の趣旨を逸脱しない範囲で各実施の形態における構成要素および機能を任意に組み合わせることで実現される形態も本開示に含まれる。
　本開示は、例えば、生産フロアの管理に利用できる。
　１　生産フロア管理システム
　２　通信ネットワーク
　４　実装ライン
　５　管理装置
　１０　取得部
　２０　状態監視部
　２１　第１状態監視部
　２２　第２状態監視部
　２３、２４、３３、３４　学習モデル
　３０　対策決定部
　３１　第１対策決定部
　３２　第２対策決定部
　４０　対策調停部
　４１　リソースデータベース
　５０　指示出力部
　６０　効果判定部
　７０　更新部
　Ｍ１　基板供給装置
　Ｍ２　基板受渡装置
　Ｍ３　印刷装置
　Ｍ４、Ｍ５　実装装置
　Ｍ６　リフロー装置
　Ｍ７　基板回収装置

Claims (7)

  1. 　生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システムであって、
    　前記状態を監視して、前記状態のうち所定状態を検出するための第１条件に基づいて、前記所定状態を検出する状態監視部と、
    　前記所定状態に対応した対策を決定するための第２条件に基づいて、実行する前記対策を決定する対策決定部と、
    　決定された前記対策が実行された前後の前記状態に基づいて、実行された前記対策の効果を判定する効果判定部と、
    　判定された前記効果に基づいて、前記第１条件および前記第２条件を更新する更新部と、を備える
    　生産フロア管理システム。
  2. 　前記対策は複数あり、
    　前記第２条件は、前記複数の対策毎に設定される優先度を含み、
    　前記対策決定部は、前記所定状態に対応して抽出される前記複数の対策のそれぞれの前記優先度に基づいて、前記複数の対策のうちから出力する前記対策を決定する
    　請求項１に記載の生産フロア管理システム。
  3. 　前記第１条件は、前記所定状態に対応した検出閾値に関連付けられた第１学習モデルであり、
    　前記第２条件は、前記所定状態に対応した前記複数の対策および前記優先度に関連付けられた第２学習モデルである
    　請求項２に記載の生産フロア管理システム。
  4. 　前記所定状態に対応した検出閾値は、前記生産装置が備えるノズルの流量に対応した検出閾値、前記生産装置が備えるフィーダのテープ停止位置のずれに対応した検出閾値、ノズルが吸着した部品の吸着位置ずれに対応した検出閾値、または基板の搬送位置ずれに対応した検出閾値のいずれかひとつを含む
    　請求項３に記載の生産フロア管理システム。
  5. 　前記対策決定部は、前記所定状態に対応した前記対策を決定するために、前記生産フロアで取得される前記生産装置の稼働情報、前記生産フロアで作業する作業者情報、および前記生産物に用いられる材料情報を分析する
    　請求項１から４のいずれかひとつに記載の生産フロア管理システム。
  6. 　生産物を生産する生産装置を備える生産フロアにおける状態を管理する生産フロア管理システムにおける作業対策決定方法であって、
    　前記状態を監視して、前記状態のうち所定状態を検出するための第１条件に基づいて、前記所定状態を検出し、
    　前記所定状態に対応した対策を決定するための第２条件に基づいて、実行する前記対策を決定し、
    　決定された前記対策が実行された前後の前記状態に基づいて、実行された前記対策の効果を判定し、
    　判定された前記効果に基づいて、前記第１条件および前記第２条件を更新することを含む
    　作業対策決定方法。
  7. 　請求項６に記載の作業対策決定方法をコンピュータにより実行させる作業対策決定プログラム。
PCT/JP2021/047307 2021-01-19 2021-12-21 生産フロア管理システム、作業対策決定方法および作業対策決定プログラム WO2022158226A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202180089779.7A CN116710951A (zh) 2021-01-19 2021-12-21 生产车间管理系统、作业对策决定方法以及作业对策决定程序
DE112021006874.1T DE112021006874T5 (de) 2021-01-19 2021-12-21 Produktionsgeschoss-Verwaltungssystem, Arbeitsgegenmaßnahmen-Bestimmungsverfahren und Arbeitsgegenmaßnahmen-Bestimmungsprogramm
JP2022577056A JPWO2022158226A1 (ja) 2021-01-19 2021-12-21

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-006692 2021-01-19
JP2021006692 2021-01-19

Publications (1)

Publication Number Publication Date
WO2022158226A1 true WO2022158226A1 (ja) 2022-07-28

Family

ID=82548250

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/047307 WO2022158226A1 (ja) 2021-01-19 2021-12-21 生産フロア管理システム、作業対策決定方法および作業対策決定プログラム

Country Status (4)

Country Link
JP (1) JPWO2022158226A1 (ja)
CN (1) CN116710951A (ja)
DE (1) DE112021006874T5 (ja)
WO (1) WO2022158226A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10283028A (ja) * 1997-04-07 1998-10-23 Toyota Motor Corp 設備情報伝達装置
JP2004005602A (ja) * 2003-04-21 2004-01-08 Matsushita Electric Ind Co Ltd 実装基板生産システムおよびメンテナンス指示システム
JP2012145997A (ja) * 2011-01-07 2012-08-02 Fuji Mach Mfg Co Ltd 生産システム
JP2013041448A (ja) * 2011-08-17 2013-02-28 Hitachi Ltd 異常検知・診断方法、および異常検知・診断システム
WO2018142604A1 (ja) * 2017-02-06 2018-08-09 株式会社Ｆｕｊｉ 作業管理装置
JP2020177547A (ja) * 2019-04-22 2020-10-29 株式会社ジェイテクト 作業支援システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10283028A (ja) * 1997-04-07 1998-10-23 Toyota Motor Corp 設備情報伝達装置
JP2004005602A (ja) * 2003-04-21 2004-01-08 Matsushita Electric Ind Co Ltd 実装基板生産システムおよびメンテナンス指示システム
JP2012145997A (ja) * 2011-01-07 2012-08-02 Fuji Mach Mfg Co Ltd 生産システム
JP2013041448A (ja) * 2011-08-17 2013-02-28 Hitachi Ltd 異常検知・診断方法、および異常検知・診断システム
WO2018142604A1 (ja) * 2017-02-06 2018-08-09 株式会社Ｆｕｊｉ 作業管理装置
JP2020177547A (ja) * 2019-04-22 2020-10-29 株式会社ジェイテクト 作業支援システム

Also Published As

Publication number Publication date
DE112021006874T5 (de) 2023-11-09
CN116710951A (zh) 2023-09-05
JPWO2022158226A1 (ja) 2022-07-28

Similar Documents

Publication Publication Date Title
JP6475173B2 (ja) 基板生産モニタリング装置および基板生産モニタリング方法
KR101883483B1 (ko) Smt 설비 이상 감시 및 예측 시스템 및 그의 동작 방법
JP2016025131A (ja) 部品実装方法および部品実装システム
JP2019062163A (ja) 不調検知システムおよび部品実装ラインの不調検知方法
JP6830538B2 (ja) 対基板作業管理システム
US11550293B2 (en) Board production management device and board production management method to determine a countermeasure to a board production device error
CN105282992B (zh) 元件安装方法及元件安装系统
JP5136026B2 (ja) 工程改善支援装置、工程改善支援用プログラム、および工程改善支援用プログラムを記録した記録媒体
WO2022158226A1 (ja) 生産フロア管理システム、作業対策決定方法および作業対策決定プログラム
WO2022158227A1 (ja) 生産フロア管理システム、作業効果判定方法および作業効果判定プログラム
WO2022158225A1 (ja) 生産フロア管理システム、作業指示方法および作業指示プログラム
JP7176109B2 (ja) 部品実装管理装置、部品実装管理方法、部品実装管理プログラム、記録媒体
JP7065294B2 (ja) 製造システムおよび製造方法
US10891575B2 (en) Facility configuration creation support system and facility configuration creation support method
JP2018018917A (ja) 基板生産管理装置および基板生産管理方法
JP4809287B2 (ja) 設備状態監視方法
JP2023040471A (ja) 生産ライン管理システムおよび生産ライン管理方法
US20220076176A1 (en) Standby position determination device and standby position determination method
WO2023079902A1 (ja) メンテナンス支援システムおよびメンテナンス支援方法ならびにメンテナンス支援プログラム
JP7394293B2 (ja) ノズル保守分析システムおよびノズル保守分析方法
WO2023037693A1 (ja) 生産管理方法、生産管理装置及びプログラム
JP2023100284A (ja) 生産シミュレーション装置および生産シミュレーション方法ならびに生産シミュレーションプログラム
JP2021022372A (ja) ライン制御システムおよび優先順決定方法ならびに生産設備
JP2023058078A (ja) 生産能力推定システムおよび生産能力推定方法ならびに生産能力推定プログラム
JP2023059474A (ja) 生産能力推定システムおよび生産能力推定方法ならびに生産能力推定プログラム

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: 21921327

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022577056

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202180089779.7

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 112021006874

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21921327

Country of ref document: EP

Kind code of ref document: A1