JP2010182231A - System and program for diagnosing fault - Google Patents

System and program for diagnosing fault Download PDF

Info

Publication number
JP2010182231A
JP2010182231A JP2009027223A JP2009027223A JP2010182231A JP 2010182231 A JP2010182231 A JP 2010182231A JP 2009027223 A JP2009027223 A JP 2009027223A JP 2009027223 A JP2009027223 A JP 2009027223A JP 2010182231 A JP2010182231 A JP 2010182231A
Authority
JP
Japan
Prior art keywords
failure
information
attribute information
electronic device
extracted
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
JP2009027223A
Other languages
Japanese (ja)
Other versions
JP5311027B2 (en
Inventor
Tetsukazu Satonaga
哲一 里永
Masayasu Takano
昌泰 高野
Noriyuki Matsuda
典之 松田
Akiko Seta
昭子 瀬田
Koji Adachi
康二 足立
Kaoru Yasukawa
薫 安川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Business Innovation Corp
Original Assignee
Fuji Xerox Co Ltd
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 Fuji Xerox Co Ltd filed Critical Fuji Xerox Co Ltd
Priority to JP2009027223A priority Critical patent/JP5311027B2/en
Publication of JP2010182231A publication Critical patent/JP2010182231A/en
Application granted granted Critical
Publication of JP5311027B2 publication Critical patent/JP5311027B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a fault diagnostic system and a fault diagnostic program which more likely investigate the cause of faults of a product placed in an environment wherein sufficient fault information cannot be obtained, compared with systems and programs not having this configuration. <P>SOLUTION: A production information extraction control part 104 extracts production information of a machine where contents of a pertinent fault have occurred, from a production information storage part 105 on the basis of fault information received via a transmission/reception part 101. The production information extraction control part 104 makes an operation part 109 operate a standard deviation in the production date of the faulty machine wherein the fault of fault information occurred, and extracts also production information of normal machines according to the result. A fault factor detection part 106 specifies a factor of the fault by comparing these production information items with each other. <P>COPYRIGHT: (C)2010,JPO&INPIT

Description

本発明は、障害診断装置および障害診断プログラムに関する。   The present invention relates to a fault diagnosis apparatus and a fault diagnosis program.

技術の高度化、複雑化に伴い、画像形成装置等の製品に搭載される機能やこれらの機能を実現する処理ユニットが増加しており、これらの処理ユニットが相互に連携して当該製品にかかる処理を行っている。もちろん、処理ユニット単体で処理が完結するものもある。   With the advancement of technology and complexity, the functions installed in products such as image forming apparatuses and processing units that realize these functions are increasing, and these processing units are linked to each other and applied to the product. Processing is in progress. Of course, there is a processing unit that completes processing.

いずれにせよ、複雑化した製品で障害（トラブル）が発生した場合、その障害がどの処理ユニットで発生したものであるかを判断し、当該処理ユニットを交換、修理若しくは本体からの切り離しを行うことが難しいという現実がある。   In any case, when a failure occurs in a complicated product, determine which processing unit the failure has occurred, and replace, repair, or disconnect the processing unit from the main unit. There is a reality that is difficult.

また、他社製品として、いわゆるＯＥＭ製品として、出荷した場合等である場合には、自社で発売した製品に比べて障害発生時の障害発生要因を判断することが難しい。これは、自社製品での障害解析に用いるデータを入手できるとは限られず、多くの場合、簡易的な情報のみしかできないことによるものである。   Further, when shipping as a so-called OEM product as another company's product, it is difficult to determine the cause of the failure when a failure occurs, compared to a product released in-house. This is because it is not always possible to obtain data used for failure analysis of an in-house product, and in many cases, only simple information can be obtained.

例えば、発生した不具合の内容を特定し、その不具合の内容に対して予め対策内容を登録したデータベースから当該不具合に対して規定した対策内容を検索し、その不具合に対する対策状況表として情報を送信する技術が特許文献１に開示されている。
特開２００２−３６６６８９号公報 For example, the content of the trouble that occurred is specified, the content of the countermeasure specified for the trouble is searched from a database in which the contents of the countermeasure are registered in advance, and information is transmitted as a countermeasure status table for the trouble. The technique is disclosed in Patent Document 1.
Japanese Patent Laid-Open No. 2002-366689

本発明は、十分な障害情報を得ることができない環境にある製品の障害についても、本構成を有しない場合と比較して、原因究明を行える可能性が高い障害診断装置および障害診断プログラムを提供することを目的とする。   The present invention provides a failure diagnosis device and a failure diagnosis program that are more likely to be able to investigate the cause of a product failure in an environment where sufficient failure information cannot be obtained, as compared to the case without this configuration. The purpose is to do.

上記目的を達成するため、請求項１の発明は、電子機器の製造過程における属性情報を記憶する記憶手段と、前記電子機器で発生した障害の障害情報を元に当該電子機器を、該障害情報による障害と同一または類似した障害が発生した他の電子機器の一群に分類する分類手段と、前記記憶手段で記憶する前記分類手段によって分類した一群に属する１または複数の電子機器の前記属性情報を抽出する第１の抽出手段と、障害が発生した電子機器と同種類の１または複数の電子機器における前記属性情報を前記記憶手段から抽出する第２の抽出手段と、前記第１の抽出手段で抽出した属性情報と前記第２の抽出手段で抽出した属性情報との相互関係を解析する解析手段とを具備する。   In order to achieve the above object, the invention of claim 1 is directed to a storage means for storing attribute information in the manufacturing process of an electronic device, and the electronic device based on failure information of a failure that has occurred in the electronic device. Classifying means for classifying into a group of other electronic devices that have the same or similar failure as the failure caused by, and the attribute information of one or more electronic devices belonging to the group classified by the classifying means stored in the storage means A first extraction means for extracting, a second extraction means for extracting the attribute information in one or more electronic devices of the same type as the electronic device in which a failure has occurred, from the storage means; and the first extraction means. Analyzing means for analyzing a mutual relationship between the extracted attribute information and the attribute information extracted by the second extracting means;

また、請求項２の発明は、請求項１の発明において、前記第１の抽出手段によって抽出した１または複数の各電子機器の属性情報に基づいて当該電子機器の生産日に関する標準偏差を算出する算出手段を具備し、前記第２の抽出手段は、前記算出手段により算出した標準偏差に基づいて前記電子機器の属性情報を前記記憶手段から抽出する。   According to a second aspect of the invention, in the first aspect of the invention, a standard deviation relating to the production date of the electronic device is calculated based on the attribute information of one or more electronic devices extracted by the first extracting means. Comprising calculation means, the second extraction means extracts attribute information of the electronic device from the storage means based on the standard deviation calculated by the calculation means.

また、請求項３の発明は、請求項２の発明において、前記第２の抽出手段は、前記算出手段により算出した標準偏差が閾値よりも大きい場合に一定期間ごとの生産日における前記電子機器の属性情報を抽出し、前記算出手段により算出した標準偏差が閾値以下の場合に最大生産台数の生産日近辺の前記電子機器の属性情報を抽出する。   According to a third aspect of the present invention, in the second aspect of the present invention, the second extraction unit is configured to store the electronic device on a production date every certain period when the standard deviation calculated by the calculation unit is larger than a threshold value. Attribute information is extracted, and when the standard deviation calculated by the calculation means is less than or equal to a threshold value, attribute information of the electronic device near the maximum production date is extracted.

また、請求項４の発明は、請求項１乃至３のいずれかの発明において、前記解析手段は、前記第１の抽出手段で抽出した各属性情報と該各属性情報に対応する前記第２の抽出手段で抽出した各属性情報との偏り度合いを計測する偏り度合い計測手段を具備し、前記偏り度合い計測手段によって計測された偏り度合いを元に前記相互関係を解析する。   According to a fourth aspect of the present invention, in the invention according to any one of the first to third aspects, the analyzing means extracts the attribute information extracted by the first extracting means and the second information corresponding to the attribute information. A bias degree measuring means for measuring the degree of bias with each attribute information extracted by the extracting means is provided, and the correlation is analyzed based on the bias degree measured by the bias degree measuring means.

また、請求項５の発明は、コンピュータを、電子機器の製造過程における属性情報を記憶する記憶手段、前記電子機器で発生した障害の障害情報を元に当該電子機器を、該障害情報による障害と同一または類似した障害が発生した他の電子機器の一群に分類する分類手段、前記記憶手段で記憶する前記分類手段によって分類した一群に属する１または複数の電子機器の前記属性情報を抽出する第１の抽出手段、障害が発生した電子機器と同種類の１または複数の電子機器における前記属性情報を前記記憶手段から抽出する第２の抽出手段、前記第１の抽出手段で抽出した属性情報と前記第２の抽出手段で抽出した属性情報との相互関係を解析する解析手段として機能させる。   According to a fifth aspect of the present invention, the computer is configured to store the attribute information in the manufacturing process of the electronic device, the electronic device based on the failure information of the failure that has occurred in the electronic device, and the failure caused by the failure information. Classifying means for classifying into a group of other electronic devices in which the same or similar failure has occurred, first attribute information for extracting one or more electronic devices belonging to the group classified by the classification means stored in the storage means Extraction means, second extraction means for extracting the attribute information from one or more electronic devices of the same type as the electronic device in which the failure has occurred, from the storage means, attribute information extracted by the first extraction means, and It is made to function as an analysis means for analyzing the correlation with the attribute information extracted by the second extraction means.

本発明の請求項１および５によれば、十分な障害情報を得ることができない環境にある製品の障害についても、本構成を有しない場合と比較して、原因究明を行える可能性が高くなるという効果を奏する。   According to claims 1 and 5 of the present invention, the possibility of investigating the cause of a product failure in an environment where sufficient failure information cannot be obtained is higher than that in the case of not having this configuration. There is an effect.

また、請求項２および３によれば、障害が発生した電子機器の障害発生状況に応じた障害の原因究明を行うことができるようになるという効果を奏する。   According to the second and third aspects, there is an effect that the cause of the failure can be investigated according to the failure occurrence state of the electronic device in which the failure has occurred.

また、請求項４によれば、障害が発生した電子機器の属性情報と同種類の電子機器の属性情報との偏り度合いによって相互関係を解析し、相互関係を有する属性情報により障害の原因究明を行うことが可能になるという効果を奏する。   According to claim 4, the mutual relationship is analyzed based on the degree of deviation between the attribute information of the electronic device in which the failure has occurred and the attribute information of the same type of electronic device, and the cause of the failure is investigated using the attribute information having the mutual relationship. There is an effect that it becomes possible to perform.

以下、本発明に係わる障害診断装置および障害診断プログラムの一実施例を添付図面を参照して詳細に説明する。   Hereinafter, an embodiment of a failure diagnosis apparatus and failure diagnosis program according to the present invention will be described in detail with reference to the accompanying drawings.

図１は、本発明の実施の形態における障害診断装置および障害診断プログラムを適用して構成した障害診断装置の機能構成を示すブロック図の一例である。   FIG. 1 is an example of a block diagram illustrating a functional configuration of a fault diagnosis apparatus configured by applying a fault diagnosis apparatus and a fault diagnosis program according to an embodiment of the present invention.

図１において、障害診断装置は、メンテナンス対象の電子機器等のマシンに発生した障害の内容を診断する装置であって、当該マシンおよびこのマシンの管理者等が操作する管理サーバと電気通信回線を介して接続されている。   In FIG. 1, a failure diagnosis device is a device for diagnosing the content of a failure that has occurred in a machine such as an electronic device to be maintained, and includes a management server and an electric communication line operated by the machine and an administrator of the machine. Connected through.

メンテナンス対象のマシンに障害が発生すると、障害が発生したマシン（以下、「障害発生マシン」という）から当該障害の内容を示す障害情報を受信するか、若しくは障害発生マシンで発生した障害の内容を管理者が作成した障害情報を受信する。   When a failure occurs on a machine subject to maintenance, failure information indicating the content of the failure is received from the failed machine (hereinafter referred to as the “failed machine”), or the content of the failure that occurred on the failed machine Receive failure information created by the administrator.

以下に示す実施例では、管理サーバと本発明の障害診断装置とが電気通信回線によって接続された構成における処理を示すが、これに限定されることなく、障害発生マシンと本障害診断装置とが接続された構成とすることも可能である。   In the following embodiment, the processing in the configuration in which the management server and the fault diagnosis apparatus of the present invention are connected by an electric communication line is shown, but the present invention is not limited to this, and the fault occurrence machine and the fault diagnosis apparatus are A connected configuration is also possible.

この障害診断装置は、送受信部１０１、情報解析部１０２、障害分類処理部１０３、生産情報抽出制御部１０４、生産情報記憶部１０５、障害要因検出部１０６、登録部１０７、表示制御部１０８、演算部１０９を具備して構成され、通信インターフェースである送受信部１０１を介して管理サーバから障害情報を受信する。   The failure diagnosis apparatus includes a transmission / reception unit 101, an information analysis unit 102, a failure classification processing unit 103, a production information extraction control unit 104, a production information storage unit 105, a failure factor detection unit 106, a registration unit 107, a display control unit 108, a calculation The failure information is received from the management server via the transmission / reception unit 101 that is a communication interface.

管理サーバから受信する障害情報は、少なくとも、障害が発生した障害発生マシンを識別する装置識別情報（以下、「装置ＩＤ」という）と、発生した障害の内容を示す情報が含まれる。これ以外にも、例えば、障害の発生日時、障害が発生した障害発生マシンの稼動状態、稼働させている環境情報等に関する情報を含む障害情報を受信する構成とすることも可能である。   The failure information received from the management server includes at least device identification information (hereinafter referred to as “device ID”) for identifying the failed machine in which the failure has occurred, and information indicating the content of the failure that has occurred. Other than this, for example, it is also possible to adopt a configuration for receiving failure information including information on the date and time of occurrence of the failure, the operating state of the failed machine in which the failure has occurred, the operating environment information, and the like.

上記の障害情報に含まれる「発生した障害の内容を示す情報」は、例えばエラー番号や障害の説明文字列等により構成される。   The “information indicating the content of the failure that has occurred” included in the failure information includes, for example, an error number, a description character string of the failure, and the like.

これらの情報を含む障害情報を送受信部１０１で受信すると、送受信部１０１は、この障害情報を情報解析部１０２へと送出する。情報解析部１０２では、障害情報を解析処理し、受信した障害情報に少なくとも障害発生マシンの装置ＩＤおよび発生した障害の内容を示す情報が含まれているかの解析を行う。   When the transmission / reception unit 101 receives the failure information including these pieces of information, the transmission / reception unit 101 sends the failure information to the information analysis unit 102. The information analysis unit 102 analyzes the failure information and analyzes whether or not the received failure information includes at least the device ID of the failed machine and information indicating the content of the failed failure.

これらの情報が障害情報に含まれている場合には、その障害情報を障害分類処理部１０３へ送出する。   If these pieces of information are included in the failure information, the failure information is sent to the failure classification processing unit 103.

なお、情報解析部１０２による解析によって、送受信部１０１でマシンの生産時における属性である生産情報（下記参照）を受信した場合に、情報解析部１０２は、生産情報を登録部１０７へと送出する。このとき、登録部１０７はその生産情報を生産情報記憶部１０５にその生産情報を記憶する。   When the transmission / reception unit 101 receives production information (see below), which is an attribute at the time of production of the machine, by the analysis by the information analysis unit 102, the information analysis unit 102 sends the production information to the registration unit 107. . At this time, the registration unit 107 stores the production information in the production information storage unit 105.

そして、情報解析部１０２から障害情報を受信した障害分類処理部１０３では、その障害情報に含まれる発生した障害の内容を示す情報をもとに、その障害が発生した障害発生マシンを同一または類似する障害が発生した装置のグループに分類する。   Then, the failure classification processing unit 103 that has received the failure information from the information analysis unit 102 uses the same or similar failure occurrence machine as the failure occurrence machine based on the information indicating the content of the failure that has occurred included in the failure information. Into the group of devices that have failed.

このときの分類方法として、例えば、障害情報に含まれる障害の内容を示す情報がエラー番号によって示されている場合に、類似群エラー番号リストを用いて、同一又は類似する障害に基づいて分類する。また、この情報が説明文字列によって示されている場合には、所定のキーワード検索により同一又は類似する障害に基づいて分類する。例えば、「トナーカートリッジの接続が確認できない。」という文字列によって示されている場合は、所定のキーワードとして「トナー」、「カートリッジ」、「接続」という文字列を検索し、これらのキーワードを含む障害に基づいて分類する。   As a classification method at this time, for example, when information indicating the content of the failure included in the failure information is indicated by an error number, the similar group error number list is used to classify based on the same or similar failure . When this information is indicated by an explanatory character string, the information is classified based on the same or similar failure by a predetermined keyword search. For example, in the case where the character string “toner cartridge connection cannot be confirmed” is indicated, the character strings “toner”, “cartridge”, and “connection” are searched as predetermined keywords, and these keywords are included. Classify based on disability.

このようにして、障害の内容ごとに装置を分類した状態を示す図を図２に示す。   FIG. 2 shows a state in which the devices are classified according to the contents of the failure in this way.

図２は、発生した障害の内容を[障害内容]項目２０１に示し、この[障害内容]項目２０１に示す障害が発生した装置の装置ＩＤを[装置ＩＤ]項目２０２に示す。   FIG. 2 shows the content of the failure that has occurred in a “failure content” item 201, and the device ID of the device in which the failure has occurred in the “failure content” item 201 is shown in the “device ID” item 202.

この図２に示す例では、障害内容「Ａ」が発生した装置の装置ＩＤとして、「1115471」、「2160241」、・・・「2222545」を示しており、障害内容「Ｃ」が発生した装置の装置ＩＤとして、「0002174」、「0016698」等を示しており、また、障害内容「Ｘ」が発生した装置の装置ＩＤとして、「3874998」を示している。   In the example shown in FIG. 2, “1115471”, “2160241”,... “2222545” are shown as the device IDs of the devices in which the failure content “A” has occurred, and the devices in which the failure content “C” has occurred. “0002174”, “0016698”, and the like are shown as the device ID of the device, and “3874998” is shown as the device ID of the device in which the failure content “X” has occurred.

この障害内容「Ａ」、「Ｃ」、「Ｘ」は、上記に示す障害情報に含まれるエラー番号や説明文字列等である。   The failure contents “A”, “C”, and “X” are an error number, an explanation character string, and the like included in the failure information described above.

このようにして障害内容が分類されると、分類した図２に示すような障害分類情報を生産情報抽出部１０４へと送出する。   When the failure contents are classified in this way, the classified failure classification information as shown in FIG. 2 is sent to the production information extraction unit 104.

生産情報抽出制御部１０４では、障害分類情報で示される障害が発生した装置ＩＤにより示される装置の生産情報を生産情報記憶部１０５から抽出する。このとき抽出された生産情報は、障害が発生した障害発生マシンの生産情報であることから「障害発生マシン生産情報」とも称し、この障害生産情報の一例を図４に示す。   The production information extraction control unit 104 extracts the production information of the device indicated by the device ID where the failure indicated by the failure classification information has occurred from the production information storage unit 105. Since the production information extracted at this time is production information of a failed machine in which a failure has occurred, it is also referred to as “failed machine production information”, and an example of this failed production information is shown in FIG.

また、この生産情報抽出制御部１０４では、障害が発生した障害発生マシンと同種類のマシンのうち、正常に動作しているマシン（以下、「正常マシン」という）の生産情報の抽出制御を行う。   Further, the production information extraction control unit 104 performs extraction control of production information of a normally operating machine (hereinafter referred to as “normal machine”) out of the same type of machine that has failed. .

この抽出制御に関し、生産情報抽出制御部１０４は、障害発生マシンの生産日に関する標準偏差の値の演算要求を演算部１０９に対して行う。この演算部１０９では、生産情報抽出制御部１０４からの演算要求を受けて、生産情報記憶部１０５で記憶する生産情報を元に障害発生マシンの生産日に関する標準偏差の値を演算（算出）する。   With regard to this extraction control, the production information extraction control unit 104 requests the calculation unit 109 to calculate a standard deviation value related to the production date of the failure machine. In response to a calculation request from the production information extraction control unit 104, the calculation unit 109 calculates (calculates) a standard deviation value related to the production date of the failed machine based on the production information stored in the production information storage unit 105. .

演算部１０９は、演算した標準偏差の情報を生産情報抽出制御部１０４へと応答し、生産情報抽出制御部１０４は、この標準偏差が予め指定した閾値以下であるか否かを判断する。   The calculation unit 109 responds the calculated standard deviation information to the production information extraction control unit 104, and the production information extraction control unit 104 determines whether the standard deviation is equal to or less than a predetermined threshold value.

演算した標準偏差が閾値以下である場合、障害発生マシンの生産状態のばらつきが小さい状態であることから、生産情報抽出制御部１０４は、最も多く障害発生マシンが生産された生産日の前後数日（例えば、３日間）に生産した正常マシンの生産情報を生産情報記憶部１０５から抽出する。   When the calculated standard deviation is less than or equal to the threshold value, the production information extraction control unit 104 has several days before and after the production date on which the most troubled machines were produced because the variation in production state of the troubled machines is small. Production information of normal machines produced during (for example, 3 days) is extracted from the production information storage unit 105.

標準偏差が予め指定した閾値以下であるときの障害発生マシンの生産状態の偏り度合いの一例を図８に示す。   FIG. 8 shows an example of the degree of deviation of the production state of the faulty machine when the standard deviation is equal to or less than a predetermined threshold value.

それに対して、演算した標準偏差の値が閾値よりも大きい場合、障害発生マシンと同種類のマシンの生産状態のばらつきが大きいため、生産情報抽出制御部１０４は、一定期間毎（一定間隔）の正常マシンの生産情報を生産情報記憶部１０５から抽出する（例えば、一定期間が５日間の場合は、生産日が３月１日，３月６日，３月１１日……の生産情報を抽出する）。   On the other hand, when the calculated standard deviation value is larger than the threshold value, the production information extraction control unit 104 has a constant period (a constant interval) because the production state variation of the same type of machine as the failure machine is large. Extract production information of normal machines from the production information storage unit 105 (for example, if the fixed period is 5 days, extract production information for the production date March 1, March 6, March 11 ...) To do).

このようにして抽出された生産情報は、正常に動作するマシン（正常マシン）の生産情報であることから、以下では「正常マシン生産情報」とも称し、図３にこの正常マシン生産情報の一例を示す。   Since the production information extracted in this way is production information of a normally operating machine (normal machine), it is also referred to as “normal machine production information” below. FIG. 3 shows an example of the normal machine production information. Show.

生産されたマシンの台数の時間ごとの散らばり具合を表している標準偏差値が予め指定した閾値よりも大きいときの障害発生マシンの生産状態の一例を図７に示す。   FIG. 7 shows an example of the production state of the failed machine when the standard deviation value representing the degree of dispersion of the number of produced machines over time is larger than a predetermined threshold value.

図８は、標準偏差の値が閾値以下のマシンの生産状態の一例を示す図であって、横軸を時間軸とし、縦軸を生産されたマシンの台数を示している。   FIG. 8 is a diagram illustrating an example of a production state of a machine having a standard deviation value equal to or less than a threshold value, where the horizontal axis represents a time axis and the vertical axis represents the number of machines produced.

図８では、標準偏差の値が閾値以下の場合であることから、最も多くを生産した日、図８に示す例では「３月１０日」の前後３日間に生産したマシンの生産情報を抽出する。   In FIG. 8, since the value of the standard deviation is less than or equal to the threshold value, the production information of the machine produced on the day of the most production, in the example shown in FIG. 8, three days before and after “March 10” is extracted. To do.

また、図７は、標準偏差の値が閾値よりも大きいときにおけるマシンの生産状態の偏り度合いの一例を示す図であって、横軸を時間軸とし、縦軸を生産されたマシンの台数を示している。   FIG. 7 is a diagram showing an example of the degree of deviation of the production state of the machine when the standard deviation value is larger than the threshold value. The horizontal axis represents the time axis and the vertical axis represents the number of machines produced. Show.

この図７では、生産されたマシンの台数の時間ごとの散らばり具合を表している標準偏差値が閾値よりも大きい場合であることから、一定期間ごと、図７に示す例では５日間ごとのマシンの生産情報を抽出する。   In FIG. 7, since the standard deviation value representing the degree of dispersion of the number of produced machines per time is larger than the threshold value, the machine every certain period, in every five days in the example shown in FIG. Extract production information.

このようにして、生産情報抽出制御部１０４が障害発生マシン生産情報および正常マシン生産情報を抽出すると、これらの生産情報を障害要因検出部１０６へと送出する。   In this way, when the production information extraction control unit 104 extracts the faulty machine production information and the normal machine production information, the production information is sent to the fault factor detection unit 106.

障害要因検出部１０６では、受信したこれらの生産情報を元に、正常マシン生産情報と障害発生マシン生産情報との違いに基づく「偏り度合い」を算出する。   The failure factor detection unit 106 calculates a “bias degree” based on the difference between the normal machine production information and the failure machine production information based on the received production information.

図３に示す正常マシン生産情報および図４に示す障害発生マシン生産情報はそれぞれ、[装置ＩＤ]項目３０１、[生産日]項目３０２、[ロット情報１（部品Ａの品番）]項目３０３、[ロット情報２（部品Ｂの品番）]項目３０４、[設定値１]項目３０５、[設定値２]項目３０６、[作業者]項目３０７によって構成される。   The normal machine production information shown in FIG. 3 and the faulty machine production information shown in FIG. 4 are respectively [device ID] item 301, [production date] item 302, [lot information 1 (part A product number)] item 303, [ It consists of a lot information 2 (part B product number) item 304, a [setting value 1] item 305, a [setting value 2] item 306, and an [operator] item 307.

[装置ＩＤ]項目３０１は、マシンを識別する装置ＩＤを示し、[生産日]項目３０２は、装置ＩＤにより識別されるマシンを生産した日付を示す。また、[ロット情報１（部品Ａの品番）]項目３０３、[ロット情報２（部品Ｂの品番）]項目３０４は、その装置ＩＤにより識別されるマシンを構成する部品の品番の一例を示す。   [Device ID] item 301 indicates a device ID for identifying a machine, and [Production Date] item 302 indicates a date on which the machine identified by the device ID is produced. [Lot information 1 (part number of part A)] item 303 and [Lot information 2 (part number of part B)] item 304 show examples of part numbers of parts constituting the machine identified by the device ID.

さらに、[設定値１]項目３０５、[設定値２]項目３０６は、マシンを構成する部品を検査する際に用いた各種の設定情報若しくはその結果を示す情報であって[作業者]項目３０７は、装置ＩＤにより識別されるマシンの生産を行った作業者およびグループ等を示す情報である。   Further, a [setting value 1] item 305 and a [setting value 2] item 306 are various setting information used when inspecting the parts constituting the machine or information indicating the result, and the [worker] item 307. Is information indicating workers, groups, and the like who have produced the machine identified by the device ID.

例えば、図３に示す正常マシン生産情報の一例として、[装置ＩＤ]項目３０１が「1211587」であるマシンは、[生産日]項目３０２に示す「2008年3月12日」に生産され、[ロット情報１（部品Ａの品番）]項目３０３、[ロット情報２（部品Ｂの品番）]項目３０４に示される「ＡＡＡ−１０」、「ＢＢＢ−２１」等の部品によって構成されることを示す。   For example, as an example of normal machine production information shown in FIG. 3, a machine whose [device ID] item 301 is “1211587” is produced on “March 12, 2008” shown in the [production date] item 302, and [ It shows that it is composed of parts such as “AAA-10” and “BBB-21” shown in the lot information 1 (part A part number) item 303 and the [lot information 2 (part B part number)] item 304. .

また、このマシンの検査時に用いた情報を示す[設定値１]項目３０５が「103」であって、[設定値２]項目３０６が「23」であることを示す。   Further, it indicates that the [setting value 1] item 305 indicating information used at the time of inspection of the machine is “103” and the [setting value 2] item 306 is “23”.

さらに、このマシンの生産は、[作業者]項目３０７の「ユーザ３」によって行われたことを示す。   Further, this machine is produced by “User 3” in the “Worker” item 307.

次に、図４に示す障害発生マシン生産情報の一例として、[装置ＩＤ]項目３０１が「1115471」であるマシンは、[生産日]項目３０２に示す「2008年3月10日」に生産され、[ロット情報１（部品Ａの品番）]項目３０３、[ロット情報２（部品Ｂの品番）]項目３０４に示される「ＡＡＡ−１０」、「ＢＢＢ−１５」等の部品によって構成されることを示す。また、このマシンの検査時に用いた情報である[設定値１]項目３０５が「105」であって、[設定値２]項目３０６が「26」であることを示す。   Next, as an example of the faulty machine production information shown in FIG. 4, a machine whose [device ID] item 301 is “1115471” is produced on “March 10, 2008” shown in the [production date] item 302. , [Lot information 1 (part A product number)] item 303, [Lot information 2 (part B product number)] item 304, such as "AAA-10", "BBB-15", etc. Indicates. Further, it indicates that the [setting value 1] item 305, which is information used at the time of inspection of the machine, is “105”, and the [setting value 2] item 306 is “26”.

さらに、この装置の製造は、[作業者]項目３０７の「ユーザ１」によって行われたことを示す。   Furthermore, this device is manufactured by “User 1” in the “Worker” item 307.

このような正常マシン生産情報と障害発生マシン生産情報を元に、障害要因検出部１０６で行われる偏り度合いの算出について説明する。   Based on such normal machine production information and failure machine production information, calculation of the degree of bias performed by the failure factor detection unit 106 will be described.

まず、図３に示す正常マシン生産情報の各ロット情報に基づいて生産したマシンの台数や、各設定値を適用して生産したマシンの台数、さらには各ユーザが担当して生産したマシンの台数の変化状態をグラフ化する。   First, the number of machines produced based on each lot information of the normal machine production information shown in FIG. 3, the number of machines produced by applying each set value, and the number of machines produced by each user in charge Graph the change state of.

次に、この図３に示す正常マシン生産情報を元にグラフ化したマシンの台数の変化状態に対して、図４に示す障害発生マシン生産情報を元にこれらのマシンの台数の変化状態を図３のグラフに重ね合わせる。   Next, with respect to the change state of the number of machines graphed based on the normal machine production information shown in FIG. 3, the change state of the number of these machines is illustrated based on the failure machine production information shown in FIG. 3 is superimposed on the graph.

このようにして作成したグラフを図９、図１０に示している。   The graphs created in this way are shown in FIGS.

図９は、ロット情報（部品の品番）に基づくマシンの台数を示すグラフを示している。   FIG. 9 is a graph showing the number of machines based on lot information (part number).

例えば、部品Ａを使用するマシンであって、品番が「ＡＡＡ−１０」である部品Ａを使用するマシンには、抽出した正常マシン生産情報に３５０１台含まれていることを示し、また抽出した障害発生マシン生産情報に１８５０台含まれていることを示す。   For example, a machine that uses a part A and uses a part A whose product number is “AAA-10” indicates that 3501 units are included in the extracted normal machine production information and is extracted. This indicates that 1850 units are included in the faulty machine production information.

品番が「ＡＡＡ−２０」である部品Ａを使用するマシンには、抽出した正常マシン生産情報に２００５台含まれていることを示し、また抽出した障害発生マシン生産情報に２５６台含まれていることを示す。また、品番が「ＡＡＡ−３０」である部品Ａを使用するマシンには、抽出した正常マシン生産情報に１２０台含まれていることを示し、また抽出した障害発生マシン生産情報に７０台含まれていることを示す。さらに、品番が「ＡＡＡ−４０」である部品Ａを使用するマシンには、抽出した正常マシン生産情報に１２０台含まれていることを示し、また抽出した障害発生マシン生産情報に７０台含まれていることを示す。   The machine using the part A with the product number “AAA-20” indicates that 2005 is included in the extracted normal machine production information, and 256 machines are included in the extracted failure machine production information. It shows that. In addition, the machine using the part A whose product number is “AAA-30” indicates that 120 machines are included in the extracted normal machine production information, and 70 machines are included in the extracted failure machine production information. Indicates that Furthermore, the machine using the part A whose product number is “AAA-40” indicates that 120 machines are included in the extracted normal machine production information, and 70 machines are included in the extracted failure machine production information. Indicates that

この図９のグラフに示す部品Ａの品番の正常マシン生産情報と、障害発生マシン生産情報はその傾向が類似していると判断できる。   It can be determined that the normal machine production information of the part number of the part A shown in the graph of FIG. 9 and the failure machine production information are similar in tendency.

次に、図１０は、ユーザに基づくマシンの台数を示すグラフを示している。   Next, FIG. 10 shows a graph showing the number of machines based on the user.

例えば、ユーザ１が生産に関与したマシンのうち正常マシンの台数が８０台であって障害発生マシンの台数が５台であることを示し、ユーザ２が生産に関与したマシンのうち正常マシンの台数が２５０台であって障害発生マシンの台数が６台であることを示し、ユーザ３が生産に関与したマシンのうち正常マシンの台数が１２１台であって障害発生マシンの台数が３０台であることを示す。   For example, it shows that the number of normal machines among the machines that user 1 is involved in production is 80 and the number of failed machines is five, and the number of normal machines among the machines that user 2 is involved in production. Is 250 and the number of failed machines is 6, and among the machines that the user 3 is involved in production, the number of normal machines is 121 and the number of failed machines is 30 It shows that.

さらに、ユーザ４が生産に関与したマシンのうち正常マシンの台数が１０５台であって障害発生マシンの台数が１５台であることを示し、ユーザ５が生産に関与したマシンのうち正常マシンの台数が６台であって障害発生マシンの台数が５０台であることを示す。   Further, it is indicated that the number of normal machines among the machines that the user 4 is involved in production is 105 and the number of failed machines is 15, and the number of normal machines among the machines that the user 5 is involved in production. Indicates that the number of failed machines is 50.

この図１０のグラフに示すユーザの正常マシン生産情報と、障害発生マシン生産情報は大きく傾向が異なっており、特にユーザ４およびユーザ５が生産に関与したマシンについては傾向が異なっている。   The normal machine production information of the user and the faulty machine production information shown in the graph of FIG. 10 are greatly different in tendency, and particularly the machines in which the user 4 and the user 5 are involved in production are different.

この図１０における偏り度合いを図１１に示している。   The degree of bias in FIG. 10 is shown in FIG.

図１１は、図１０に示すグラフの偏り度合いを示しており、この図１１に示す例では、偏り度合いを、障害が発生したマシンの台数から正常マシンの台数を引いた値で示している。もちろん、障害が発生したマシンの台数と正常マシンの台数との割合により偏り度合いを示すような構成とすることも可能である。   FIG. 11 shows the degree of deviation of the graph shown in FIG. 10, and in the example shown in FIG. 11, the degree of deviation is shown as a value obtained by subtracting the number of normal machines from the number of machines in which a failure has occurred. Of course, it is also possible to adopt a configuration in which the degree of bias is indicated by the ratio between the number of failed machines and the number of normal machines.

この図１１は、各ユーザに対する偏り度合いを示している。   FIG. 11 shows the degree of bias for each user.

偏り度合いは、正常マシン生産情報と障害発生マシン生産情報における各ユーザの障害発生状態の傾向が異なっている場合に算出し、算出した偏り度合いに基づいて大きく偏り度合いが発生しているユーザを特定する。   The degree of bias is calculated when the tendency of the fault occurrence status of each user in the normal machine production information and the faulty machine production information is different. Based on the calculated bias degree, the user who has a large degree of bias is identified. To do.

図１１に示す例では、ユーザ４、ユーザ５の偏り度合いそれぞれ「９０」、「３４」であって、プラスの値で偏っていることを示している。これは、正常マシンの台数よりも障害発生マシンの台数の方が多いことを示している。   In the example illustrated in FIG. 11, the degree of bias of the user 4 and the user 5 is “90” and “34”, respectively, indicating that they are biased by positive values. This indicates that there are more faulty machines than normal machines.

この図１０および図１１に示す図より、図１の障害要因検出部１０６では、障害発生マシンの原因としてユーザ４若しくはユーザ５であると特定する。   From the diagrams shown in FIGS. 10 and 11, the failure factor detection unit 106 in FIG. 1 specifies the user 4 or the user 5 as the cause of the failure machine.

障害要因検出部１０６で障害原因を特定すると、その内容および送受信部１０１で受信した障害情報を表示制御部１０８に表示するほか、登録部１０７にその情報を送出する。登録部１０７では、その障害原因の情報を保存部１１０へと保存する。   When the cause of failure is specified by the failure factor detection unit 106, the content and the failure information received by the transmission / reception unit 101 are displayed on the display control unit 108, and the information is sent to the registration unit 107. The registration unit 107 stores the failure cause information in the storage unit 110.

このときの保存部１１０では、障害情報に対してその原因であると特定した情報を保存する。   At this time, the storage unit 110 stores the information identified as the cause of the failure information.

図５は、本発明の実施の形態における障害診断装置および障害診断プログラムを適用して行われる処理の流れを示すフローチャートである。   FIG. 5 is a flowchart showing a flow of processing performed by applying the failure diagnosis apparatus and the failure diagnosis program in the embodiment of the present invention.

障害発生マシンを管理する管理者の管理サーバから障害情報を受信すると（５０１）、処理が開始され、受信した障害情報で示される障害を同一または類似する障害の内容へと分類する（５０２）。   When failure information is received from the management server of the administrator who manages the failed machine (501), processing is started and the failure indicated by the received failure information is classified into the same or similar failure content (502).

この分類方法として、上記に示すように、障害内容がエラー番号で示される場合には類似群エラー番号を参照に分類し、また、障害内容が説明文字列である場合にはキーワード検索を行ってキーワードを元に分類する。   As described above, as described above, when the failure content is indicated by an error number, the similar group error number is classified as a reference, and when the failure content is an explanatory character string, a keyword search is performed. Classify based on keywords.

続いて、障害情報に示される障害が発生した情報処理装置の装置ＩＤに基づく障害発生マシン生産情報を抽出する（５０３）。   Subsequently, faulty machine production information based on the apparatus ID of the information processing apparatus in which the fault indicated by the fault information has occurred is extracted (503).

さらに、抽出した障害発生マシン生産情報の障害発生マシンと同種類のマシンであって、障害が発生していない正常なマシンの生産情報を抽出する（５０４）。この正常マシン生産情報の抽出方法の詳細な流れを図６に示す。   Further, the production information of a normal machine that is the same type as the failure machine in the extracted failure machine production information and has no failure is extracted (504). A detailed flow of this normal machine production information extraction method is shown in FIG.

図６は、図５に示す正常マシン生産情報を抽出する処理の詳細な流れを示すフローチャートである。   FIG. 6 is a flowchart showing a detailed flow of processing for extracting normal machine production information shown in FIG.

まず、障害が発生した障害発生マシンが生産された生産日の標準偏差を算出する（６０１）。   First, the standard deviation of the date of production of the faulty machine in which the fault has occurred is calculated (601).

次に、算出した標準偏差が予め指定した閾値以下であるか否かを判断し（６０２）、閾値以下である標準偏差である場合（６０２でＹＥＳ）には、当該障害発生マシンを最も多く生産した日の前後３日間の正常マシンの生産情報を抽出する（６０３）。   Next, it is determined whether or not the calculated standard deviation is equal to or less than a predetermined threshold value (602). If the calculated standard deviation is equal to or less than the threshold value (YES in 602), the most failed machine is produced. The production information of normal machines for three days before and after the date of extraction is extracted (603).

それに対して、算出した標準偏差が予め指定した閾値より大きい場合（６０２でＮＯ）には、その障害発生マシンと同種類の正常マシンの生産情報のうち、一定間隔ごとの生産情報を抽出する（６０４）。なお、図６に示す例では、５日間の一定間隔で正常マシン生産情報を取得している。   On the other hand, when the calculated standard deviation is larger than a predetermined threshold value (NO in 602), production information at regular intervals is extracted from the production information of the same type of normal machine as the faulty machine ( 604). In the example shown in FIG. 6, normal machine production information is acquired at regular intervals of 5 days.

このようにして正常マシンの生産情報を抽出すると、先に取得した障害発生マシン生産情報と比較して、障害要因の検出に用いるデータを生成する（上記例では、グラフ化して偏り度合いを生成する）（５０５）。   When the production information of the normal machine is extracted in this way, the data used for detecting the failure factor is generated in comparison with the previously acquired failure machine production information (in the above example, the data is graphed to generate the degree of bias). ) (505).

このデータから障害の原因を特定し（５０６）、このデータを保存する（５０７）。   The cause of the failure is identified from this data (506), and this data is saved (507).

なお、本発明は、通信機能を備えた障害診断システムで上述の動作を実行させ、あるいは上述の手段を構成させるためのプログラムを格納した記録媒体（ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等）から該プログラムをコンピュータにインストールし、これを実行させることにより、上述の処理を実行する障害診断システムを構成することも可能である。障害診断システムを構成するコンピュータは、システムバスを介してＣＰＵ（Central Processor Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスクが接続されている。ＣＰＵは、ＲＯＭまたはハードディスクに記憶されているプログラムに従い、ＲＡＭを作業領域にして処理を行う。   In the present invention, the program is executed from a recording medium (CD-ROM, DVD-ROM, etc.) storing a program for executing the above-described operation in a fault diagnosis system having a communication function or configuring the above-described means. It is also possible to configure a fault diagnosis system that executes the above-described processing by installing the program in a computer and executing it. A computer constituting the failure diagnosis system is connected to a central processor unit (CPU), a read only memory (ROM), a random access memory (RAM), and a hard disk via a system bus. The CPU performs processing using the RAM as a work area according to a program stored in the ROM or the hard disk.

また、プログラムを供給するための媒体は、通信媒体（通信回線、通信システムのように一時的または流動的にプログラムを保持する媒体）でもよい。例えば、通信ネットワークの電子掲示板（ＢＢＳ：Bulletin Board Service）に該プログラムを掲示し、これを通信回線を介して配信するようにしてもよい。   The medium for supplying the program may be a communication medium (a medium for temporarily or fluidly holding the program such as a communication line or a communication system). For example, the program may be posted on an electronic bulletin board (BBS: Bulletin Board Service) of a communication network and distributed via a communication line.

本発明は、上記し、且つ図面に示す実施例に限定することなく、その要旨を変更しない範囲内で適宜変形して実施できるものである。   The present invention is not limited to the embodiments described above and shown in the drawings, and can be implemented with appropriate modifications within a range not changing the gist thereof.

本発明の実施の形態における障害診断装置および障害診断プログラムを適用して構成した障害診断装置の機能構成を示すブロック図。The block diagram which shows the function structure of the failure diagnosis apparatus comprised by applying the failure diagnosis apparatus and failure diagnosis program in embodiment of this invention. 障害の内容ごとに装置を分類した状態を示す図。The figure which shows the state which classified the apparatus according to the content of the failure. 正常マシンの生産情報を示す図。The figure which shows the production information of a normal machine. 障害発生マシンの生産情報を示す図。The figure which shows the production information of a failure occurrence machine. 本発明の実施の形態における障害診断装置および障害診断プログラムを適用して行われる処理の流れを示すフローチャート。The flowchart which shows the flow of the process performed by applying the failure diagnosis apparatus and failure diagnosis program in embodiment of this invention. 正常マシン生産情報を抽出する処理の流れを示すフローチャート。The flowchart which shows the flow of the process which extracts normal machine production information. 標準偏差の値が閾値よりも大きいときにおける障害発生マシンの生産状態の偏り度合いの一例を示す図。The figure which shows an example of the deviation degree of the production state of a failure occurrence machine when the value of a standard deviation is larger than a threshold value. 標準偏差の値が閾値以下であるときにおける障害発生マシンの生産状態の偏り度合いの一例を示す図。The figure which shows an example of the deviation degree of the production state of a failure occurrence machine when the value of a standard deviation is below a threshold value. ロット情報（部品の品番）に基づくマシンの台数を示すグラフ。A graph showing the number of machines based on lot information (part number). ユーザに基づくマシンの台数を示すグラフ。The graph which shows the number of machines based on a user. 図１０における偏り度合いを示す図。The figure which shows the bias | inclination degree in FIG.

１０１ 送受信部
１０２ 情報解析部
１０３ 障害分類処理部
１０４ 生産情報抽出部
１０５ 生産情報記憶部
１０６ 障害要因検出部
１０７ 登録部
１０８ 表示制御部 DESCRIPTION OF SYMBOLS 101 Transmission / reception part 102 Information analysis part 103 Failure classification process part 104 Production information extraction part 105 Production information storage part 106 Failure factor detection part 107 Registration part 108 Display control part

Claims (5)

電子機器の製造過程における属性情報を記憶する記憶手段と、
前記電子機器で発生した障害の障害情報を元に当該電子機器を、該障害情報による障害と同一または類似した障害が発生した他の電子機器の一群に分類する分類手段と、
前記記憶手段で記憶する前記分類手段によって分類した一群に属する１または複数の電子機器の前記属性情報を抽出する第１の抽出手段と、
障害が発生した電子機器と同種類の１または複数の電子機器における前記属性情報を前記記憶手段から抽出する第２の抽出手段と、
前記第１の抽出手段で抽出した属性情報と前記第２の抽出手段で抽出した属性情報との相互関係を解析する解析手段と
を具備する障害診断装置。 Storage means for storing attribute information in the manufacturing process of the electronic device;
Classification means for classifying the electronic device into a group of other electronic devices in which a failure is the same as or similar to the failure based on the failure information based on failure information of the failure that has occurred in the electronic device;
First extraction means for extracting the attribute information of one or more electronic devices belonging to a group classified by the classification means stored in the storage means;
Second extraction means for extracting the attribute information from one or more electronic devices of the same type as the electronic device in which the failure has occurred, from the storage means;
A failure diagnosing apparatus comprising: analysis means for analyzing a mutual relationship between the attribute information extracted by the first extraction means and the attribute information extracted by the second extraction means. 前記第１の抽出手段によって抽出した１または複数の各電子機器の属性情報に基づいて当該電子機器の生産日に関する標準偏差を算出する算出手段
を具備し、
前記第２の抽出手段は、
前記算出手段により算出した標準偏差に基づいて前記電子機器の属性情報を前記記憶手段から抽出する請求項１記載の障害診断装置。 Calculating means for calculating a standard deviation related to a production date of the electronic device based on attribute information of one or more electronic devices extracted by the first extracting device;
The second extraction means includes
The fault diagnosis apparatus according to claim 1, wherein attribute information of the electronic device is extracted from the storage unit based on the standard deviation calculated by the calculation unit. 前記第２の抽出手段は、
前記算出手段により算出した標準偏差が閾値よりも大きい場合に一定期間ごとの生産日における前記電子機器の属性情報を抽出し、前記算出手段により算出した標準偏差が閾値以下の場合に最大生産台数の生産日近辺の前記電子機器の属性情報を抽出する請求項２記載の障害診断装置。 The second extraction means includes
When the standard deviation calculated by the calculating means is larger than the threshold, the attribute information of the electronic device on the production date for each fixed period is extracted, and when the standard deviation calculated by the calculating means is less than or equal to the threshold, The fault diagnosis apparatus according to claim 2, wherein attribute information of the electronic device near the production date is extracted. 前記解析手段は、
前記第１の抽出手段で抽出した各属性情報と該各属性情報に対応する前記第２の抽出手段で抽出した各属性情報との偏り度合いを計測する偏り度合い計測手段
を具備し、
前記偏り度合い計測手段によって計測された偏り度合いを元に前記相互関係を解析する請求項１乃至３のいずれかに記載の障害診断装置。 The analysis means includes
A bias degree measuring means for measuring the degree of bias between each attribute information extracted by the first extracting means and each attribute information extracted by the second extracting means corresponding to each attribute information;
The failure diagnosis apparatus according to claim 1, wherein the correlation is analyzed based on a degree of deviation measured by the degree-of-bias measurement unit. コンピュータを、
電子機器の製造過程における属性情報を記憶する記憶手段、
前記電子機器で発生した障害の障害情報を元に当該電子機器を、該障害情報による障害と同一または類似した障害が発生した他の電子機器の一群に分類する分類手段、
前記記憶手段で記憶する前記分類手段によって分類した一群に属する１または複数の電子機器の前記属性情報を抽出する第１の抽出手段、
障害が発生した電子機器と同種類の１または複数の電子機器における前記属性情報を前記記憶手段から抽出する第２の抽出手段、
前記第１の抽出手段で抽出した属性情報と前記第２の抽出手段で抽出した属性情報との相互関係を解析する解析手段
として機能させる障害診断プログラム。 Computer
Storage means for storing attribute information in the manufacturing process of the electronic device;
Classification means for classifying the electronic device into a group of other electronic devices in which a failure is the same as or similar to the failure based on the failure information based on failure information of the failure that has occurred in the electronic device,
First extraction means for extracting the attribute information of one or more electronic devices belonging to a group classified by the classification means stored in the storage means;
Second extraction means for extracting the attribute information from the storage means in one or more electronic devices of the same type as the electronic device in which the failure has occurred;
A failure diagnosis program that functions as an analysis unit that analyzes a correlation between attribute information extracted by the first extraction unit and attribute information extracted by the second extraction unit.
JP2009027223A 2009-02-09 2009-02-09 Fault diagnosis apparatus and fault diagnosis program Expired - Fee Related JP5311027B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009027223A JP5311027B2 (en) 2009-02-09 2009-02-09 Fault diagnosis apparatus and fault diagnosis program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009027223A JP5311027B2 (en) 2009-02-09 2009-02-09 Fault diagnosis apparatus and fault diagnosis program

Publications (2)

Publication Number Publication Date
JP2010182231A true JP2010182231A (en) 2010-08-19
JP5311027B2 JP5311027B2 (en) 2013-10-09

Family

ID=42763777

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009027223A Expired - Fee Related JP5311027B2 (en) 2009-02-09 2009-02-09 Fault diagnosis apparatus and fault diagnosis program

Country Status (1)

Country Link
JP (1) JP5311027B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017146908A (en) * 2016-02-19 2017-08-24 富士ゼロックス株式会社 Quality management device and quality management program

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07114601A (en) * 1993-10-19 1995-05-02 Hitachi Ltd System and method for manufacture defect analysis and method for generating data base concerned in the same
JPH1170445A (en) * 1997-08-29 1999-03-16 Nec Kyushu Ltd Manufacturing process change controller and manufacturing process change controlling method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07114601A (en) * 1993-10-19 1995-05-02 Hitachi Ltd System and method for manufacture defect analysis and method for generating data base concerned in the same
JPH1170445A (en) * 1997-08-29 1999-03-16 Nec Kyushu Ltd Manufacturing process change controller and manufacturing process change controlling method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017146908A (en) * 2016-02-19 2017-08-24 富士ゼロックス株式会社 Quality management device and quality management program

Also Published As

Publication number Publication date
JP5311027B2 (en) 2013-10-09

Similar Documents

Publication Publication Date Title
CN111736875B (en) Version update monitoring method, device, equipment and computer storage medium
KR101971013B1 (en) Cloud infra real time analysis system based on big date and the providing method thereof
JP5684946B2 (en) Method and system for supporting analysis of root cause of event
EP3616066B1 (en) Human-readable, language-independent stack trace summary generation
JP5200970B2 (en) Quality control system, quality control device and quality control program
US20160378583A1 (en) Management computer and method for evaluating performance threshold value
WO2013042789A1 (en) Operations management device, operations management method, and program
JP2019500680A5 (en)
CN110023862A (en) Diagnostic device, diagnostic method and program
WO2012086824A1 (en) Operation management device, operation management method, and program
CN104718533A (en) Robust hardware fault management system, method and framework for enterprise devices
JPWO2006117833A1 (en) Monitoring simulation apparatus, method and program thereof
US11720820B2 (en) Operational support system and method
US20190356560A1 (en) Quality assessment and decision recommendation for continuous deployment of cloud infrastructure components
EP3699708B1 (en) Production facility monitoring device, production facility monitoring method, and production facility monitoring program
JP2018060332A (en) Incident analysis program, incident analysis method, information processing device, service specification program, service specification method and service specification device
JP2006268515A (en) Pci card trouble management system
JP5311027B2 (en) Fault diagnosis apparatus and fault diagnosis program
US9881046B2 (en) Recording medium having stored therein process managing program, process managing apparatus and process managing method
CN109145609B (en) Data processing method and device
WO2014196982A1 (en) Identifying log messages
US9372746B2 (en) Methods for identifying silent failures in an application and devices thereof
US11415958B2 (en) Data extracting apparatus, data extracting method, and recording medium
CN114327988A (en) Visual network fault relation determining method and device
CA2953841A1 (en) Extraction, aggregation and query of maintenance data for a manufactured product

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120123

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20130128

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130313

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130507

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130605

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130618

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

Ref document number: 5311027

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees