JP2020027329A - 設備診断システム及び設備診断方法 - Google Patents

Abstract

【課題】製造設備の不調をより適切に診断できる設備診断システムを提供すること。【解決手段】複数の製造設備それぞれの稼働情報を取得する稼働情報取得部１１と、稼働情報に基づき、複数の製造設備のうちの少なくとも一の製造設備の不調を診断する不調診断部１２と、不調診断部１２の診断結果を出力する出力部１３と、診断結果に対するフィードバック情報を取得するフィードバック情報取得部１４と、を備える。フィードバック情報を用いることで、複数の製造設備それぞれのばらつきを考慮することができるようになるので、真にメンテナンスが必要な少なくとも一の製造設備を不調と診断することができる。【選択図】図１

Description

本発明は、設備診断システム及び設備診断方法に関する。

特許文献１には、複数工場の実装機のフィーダを監視し、供給回数または供給ミス回数などの特定のパラメータが閾値を超えたら使用を禁止し、使用を禁止したフィーダをメンテナンスセンターで修理または点検することが示されている。

特開２００４−１４０１６２号公報

しかしながら、供給回数または供給ミス回数などの特定のパラメータが閾値を超えても、実装機が不調になっておらず、実装機の修理または点検（以下、メンテナンスと称する）が必ずしも必要でない場合がある。そして、不調になっておらず、メンテナンスが不要な実装機などの製造設備をメンテナンスすると、無駄な作業を行うだけでなく部品を無駄に消費することになり無駄なコスト（ロスコスト）を費やすことになってしまう。

そこで、本発明は、上述の事情を鑑みてなされたもので、製造設備の不調をより適切に診断できる設備診断システム及び設備診断方法を提供することを目的とする。

上記目的を達成するために、本発明の一形態に係る設備診断システムは、複数の製造設備それぞれの稼働情報を取得する稼働情報取得部と、前記稼働情報に基づき、前記複数の製造設備のうちの少なくとも一の製造設備の不調を診断する不調診断部と、前記不調診断部の診断結果を出力する出力部と、前記診断結果に対するフィードバック情報を取得するフィードバック情報取得部と、を備える。

なお、これらの個々の具体的な態様は、装置、方法、集積回路、コンピュータプログラムまたは記録媒体で実現されてもよく、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

本発明の設備診断システム等によれば、製造設備の不調をより適切に診断できる。

実施の形態１における設備診断システムの構成の一例を示す図である。 図１に示す不調診断部の詳細構成の一例を示す図である。 図２に示す診断モデルの構成及び、学習方法を示す図である。 実施の形態１における設備診断システムの動作の流れを示すフローチャートである。 実施の形態１における診断モデルの更新処理までを含めた設備診断システムの動作の流れを示すフローチャートである。 実施の形態２における設備診断システムの構成の一例を示す図である。 実施の形態２の実施例における設備診断システムを示す図である。 図７に示す実装機の平面図である。 図８に示すテープフィーダの斜視図である。 図８に示すテープフィーダの構成を示す側面図である 図７に示す主観データの一例を示す図である。 図７に示すメンテナンス実績データの一例を示す図である。

上記目的を達成するために、本発明の一態様に係る設備診断システムは、複数の製造設備それぞれの稼働情報を取得する稼働情報取得部と、前記稼働情報に基づき、前記複数の製造設備のうちの少なくとも一の製造設備の不調を診断する不調診断部と、前記不調診断部の診断結果を出力する出力部と、前記診断結果に対するフィードバック情報を取得するフィードバック情報取得部と、を備える。

これによれば、製造設備の不調をより適切に診断できる。

また、さらに、前記不調診断部により不調と診断された前記少なくとも一の製造設備のメンテナンスを実行するメンテナンス部を備えるとしてもよい。

また、さらに、前記不調診断部より不調と診断された前記少なくとも一の製造設備のメンテナンスを前記メンテナンス部に対して指示するメンテナンス作業指示部を備えるとしてもよい。

また、さらに、前記不調診断部より不調と診断された前記少なくとも一の製造設備のメンテナンスをユーザに対して指示するメンテナンス作業指示部をさらに備えるとしてもよい。

また、前記フィードバック情報は、前記メンテナンス部による前記少なくとも一の製造設備のメンテナンス結果に関する情報、及び、確認者によるメンテナンス結果に関する情報のうちの少なくとも一方を含むとしてもよい。

また、前記フィードバック情報は、前記不調診断部による不調の診断が正しいか否かに関する情報を含むとしてもよい。

また、前記不調診断部は、診断モデルを有し、前記診断モデルは、前記フィードバック情報に基づき更新されるとしてもよい。

また、前記診断モデルは、前記複数の製造設備それぞれの稼働情報を含む稼働実績データを用いて学習されることで作成されるとしてもよい。

また、さらに、前記不調診断部により不調と診断された前記少なくとも一の製造設備を回収する回収者に指示する設備回収指示部を備えるとしてもよい。

また、前記製造設備は、表面実装装置もしくは前記表面実装装置を構成する複数の要素の少なくとも一の要素を含むとしてもよい。

また、前記診断モデルは、複数の診断モデルの１つであり、前記複数の診断モデルは複数の顧客に対応して設けられるとしてもよい。

なお、これらの全般的または具体的な態様は、装置、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、装置、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、使用手順、通信手順等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また、各図は、必ずしも厳密に図示したものではない。各図において、実質的に同一の構成については同一の符号を付し、重複する説明は省略または簡略化する。

（実施の形態１）
以下では、図面を参照しながら実施の形態１に係る設備診断システムの説明を行う。

［設備診断システム１０の構成］
図１は、実施の形態１における設備診断システム１０の構成の一例を示す図である。本実施の形態における設備診断システム１０は、製造設備の不調を診断できる。設備診断システム１０は、図１に示すように、稼働情報取得部１１と、不調診断部１２と、出力部１３と、フィードバック情報取得部１４とを備える。

［稼働情報取得部１１］
稼働情報取得部１１は、複数の製造設備それぞれの稼働情報を取得する。稼働情報取得部１１は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。本実施の形態では、稼働情報取得部１１は、製造設備の稼働情報（稼働データ）を定期的に収集すなわち取得する。

ここで、製造設備は、実装設備であり、表面実装装置もしくは表面実装装置を構成する複数の要素の少なくとも一の要素を含む。なお、製造設備は、これらの場合に限らず、工場において実装基板、部品等を製造するための機器、装置等であり、稼働時に１以上のパラメータを示す稼働データを取得できるものであればよい。

稼働情報は、一の実装設備における生産実績系特徴データであり、例えば補正量、吸着学習値、部品吸着イベント及びエラー発生イベントなどのログデータである。なお、稼働情報取得部１１は、稼働情報を取得する際には、稼働情報すなわち生産実績系特徴データの各データを取得した日時（サンプリング日時）を合わせて取得または記憶する。補正量は、実装設備が電子部品をピックアップする際の吸着位置の補正量である。この補正量すなわち吸着補正量は、部品の認識結果毎に算出される。また、吸着学習値は、吸着ノズルでフィーダから部品をピックアップする際のオフセット量である。この吸着学習値は、これまでの複数回の認識結果から規定のオフセット値が学習されることで変更される。部品吸着回数は、それぞれのフィーダから部品が吸着された回数である。部品吸着回数は、部品吸着イベントのログデータから求められる。なお、部品吸着回数は、部品供給装置（フィーダ）毎に当該部品供給装置から部品が吸着された回数であり、例えば部品供給装置が製造されてからの累計の部品を吸着した回数でもよいし、任意の期間における部品を吸着した回数でもよい。部品吸着回数の起算日はこれらの例に限らず、用途に応じて定めればよい。エラー発生回数は、実装設備における吸着ノズルが部品吸着を失敗した回数である。エラー発生回数は、エラー発生イベントのログデータから求められる。このエラー発生回数の起算日も、部品吸着回数の起算日と同様、用途に応じて定めればよい。生産実績系特徴データは、以下では稼働データとも称する。

なお、稼働情報には、一の実装設備における生産実績系特徴データに限らず、一の実装設備におけるプロファイル系特徴データをさらに含めてもよい。プロファイル系特徴データは、フィーダに部品（リール）を取り付けた日時である部品取付日時（タイムスタンプ）、その部品寸法、フィーダから供給される部品の部品ベンダー、実装設備のメンテナンス実施日時、実装設備における過去の故障個所、実装設備におけるスプロケットのオフセット及び実装設備におけるフィーダカバーの高さなどを含む。主観データ、部品ベンダーを除く生産実績系特徴データは、以下ではメンテナンス実績データとも称する。

［不調診断部１２］
不調診断部１２は、稼働情報取得部１１が取得した稼働情報に基づき、複数の製造設備のうちの少なくとも一の製造設備の不調を診断する。不調診断部１２は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。本実施の形態では、不調診断部１２は、診断モデル１２１を用いて、稼働情報取得部１１が取得した稼働情報から、複数の実装設備それぞれを構成するユニット（要素）の不調レベルを推定することで、少なくとも一の製造設備の不調を診断する。ここで、ユニットとは、実装設備を構成する例えばテープフィーダであってもよいし、それ以外のものとして認識カメラまたは実装ヘッドなどであってもよい。また、テープフィーダを構成するギアまたはモータなどの部品であってもよい。

図２は、図１に示す不調診断部１２の詳細構成の一例を示す図である。図３は、図２に示す診断モデル１２１の構成及び学習方法を示す図である。不調診断部１２は、図２に示すように、診断モデル１２１と、パターン比較部１２３と、レベル判定部１２４とを備える。

＜診断モデル１２１＞
診断モデル１２１は、複数の製造設備それぞれの稼働情報を示す稼働実績データを学習することで作成される。診断モデル１２１は、フィードバック情報に基づき更新される。

本実施の形態では、診断モデル１２１は、モニタリング対象である複数の製造設備それぞれの稼働情報に含まれる特徴データから示される複数の実装設備それぞれを構成するユニットの挙動が正常状態にあるか否かを示すことができるモデルである。診断モデル１２１は、例えば図３に示すように正常挙動パターン１２１１と、正常相関パターン１２１２と、前処理部１２１３とで構成される。

前処理部１２１３は、稼働情報取得部１１が取得した稼働実績データなどの生産実績系特徴データを蓄積する処理を行う。これより少なくとも１日分または１週間分などの一定量が蓄積されたものを用いて正常挙動パターン１２１１を学習または追加学習（更新）させることができる。なお、前処理部１２１３は、例えば、稼働情報取得部１１が取得した
部品吸着イベントのログデータから部品吸着回数を求めて生産実績系特徴データとして蓄積する。同様に、前処理部１２１３は、例えば、稼働情報取得部１１が取得したエラー発生イベントのログデータからエラー発生回数を求めて生産実績系特徴データとして蓄積する。

正常挙動パターン１２１１は、少なくとも１日分または１週間分の生産実績系特徴データを用いて、ユニットの正常な挙動であればどのように生産実績系特徴データに変動があるかを示すパターンが統計的機械学習されることにより作成される。例えば、正常挙動パターン１２１１は、例えばロジスティック回帰分析から得られる確率パターンであってもよい。また、正常挙動パターン１２１１は、一定量が蓄積された、診断結果に対するフィードバック情報である主観データに基づき、追加学習すなわち更新される。

主観データは、不調診断部１２による不調の診断が正しいか否かに関する情報の妥当性をユーザなどが主観的に判定したものである。なお、主観データに基づき、正常挙動パターン１２１１を変えず、後述する閾値を変更するとしてもよい。これにより、当該ユニットのメンテナンスに関係ある人による主観データに基づきユニットごとのばらつきを反映することができるので、メンテナンスが必要となるユニットをより精度よく推定することができる。なお、ユニットごとのばらつきは、当該ユニットの使い方による差であり、同じような補正量、エラー発生回数または部品吸着回数を示していてもメンテナンスの要否が異なることを意味する。また、主観データには、メンテナンスの対象を目視で点検した結果を示す目視点検データが含まれていてもよい。

正常相関パターン１２１２は、生産実績系特徴データとプロファイル系特徴データとを用いて、部品ごと、オフセット毎といったものに切り分けた場合にユニットの正常な挙動であればどのような変動があるかを示すパターンである。正常相関パターン１２１２も、統計的機械学習されることにより作成され、例えばロジスティック回帰分析から得られる確率パターンである。また、正常相関パターン１２１２は、一定量が蓄積された、診断結果に対するフィードバック情報である主観データとメンテナンス実績データに基づき、追加学習もしくは更新される。

メンテナンス実績データは、不調診断部１２により不調と診断されたユニットのメンテナンス結果に関する情報、及び、確認者によるメンテナンス結果に関する情報のうちの少なくとも一方を含む。メンテナンス結果に関する情報には、例えばメンテナンス実施日時、過去の故障個所、メンテナンス実施項目などが含まれ、メンテナンス実施項目には、例えばスプロケットのオフセット及びフィーダカバーの高さなどが含まれる。また、メンテナンス結果に関する情報として、ユニットのシリアル番号、当該ユニットを受け入れた日時、メンテナンス担当者及び実施日時、メンテナンス前の状態、メンテナンス時の実施項目、調整及び計測結果、当該ユニットの返却日時を含めてもよい。これにより、メンテナンス実績データに基づきユニットごとのばらつきを反映することができるので、メンテナンスが必要となる不調なユニットをより精度よく推定することができる。なお、確認者は、一の製造設備を管理するユーザに限らず、サービスパーソンなどメンテナンスを行うサービス会社の人間であってもよい。

＜パターン比較部１２３＞
パターン比較部１２３は、作成された学習モデルである診断モデル１２１と、比較対象の製造設備の稼働情報に含まれる特徴データとを比較する。より具体的には、パターン比較部１２３は、比較対象のユニットの稼働情報に含まれる特徴データが正常挙動パターン１２１１及び正常相関パターン１２１２が示す正常範囲に含まれるか否かを比較する。パターン比較部１２３は、比較した結果、当該特徴データが正常範囲に含まれていない場合、その差異を指標としてレベル判定部１２４に出力する。

＜レベル判定部１２４＞
レベル判定部１２４は、パターン比較部１２３が比較した結果、当該特徴データが正常範囲に含まれていない場合、その差異が所定の閾値を超えているかどうかによっての不調レベルを推定する。レベル判定部１２４は、閾値を超えているか否かに応じて不調レベルが異常レベルまたは正常レベルであると判定する。なお、レベル判定部１２４は、閾値（第１閾値）を超えていない場合でも、第２閾値を超えているか否かに応じて異常発生のおそれがあるレベル（つまり異常猶予レベル）または正常レベルであると判定してもよい。

［出力部１３］
出力部１３は、不調診断部１２の診断結果を出力する。出力部１３は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。

より具体的には、出力部１３は、不調診断部１２が不調と診断した少なくとも一の製造設備の診断結果を、一の製造設備を管理するユーザに送信する送信手段であってもよい。この場合、出力部１３は、メール等で診断結果を送信するサーバであってもよい。また、出力部１３は、不調診断部１２が不調と診断した少なくとも一の製造設備の診断結果を表示するディスプレイのような表示手段であってもよい。

［フィードバック情報取得部１４］
フィードバック情報取得部１４は、診断結果に対するフィードバック情報を取得する。フィードバック情報取得部１４は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。

ここで、フィードバック情報は、例えば不調診断部１２により不調と診断されたユニットのメンテナンス結果に関する情報、及び、ユーザによるメンテナンス結果に関する情報のうちの少なくとも一方を含んでもよい。また、フィードバック情報は、さらに、不調診断部１２による不調の診断が正しいか否かに関する情報など妥当性を主観的に判定したものを含んでもよい。

不調診断部１２により不調と診断されたユニットのメンテナンス結果は、例えばメンテナンス実績データである。メンテナンス実績データは、上述したように、例えばユニットのシリアル番号、当該ユニットを受け入れた日時、メンテナンス担当者及び実施日時、メンテナンス前の状態、メンテナンス時の実施項目、調整及び計測結果、当該ユニットの返却日時を含んでもよい。このように、メンテナンス実績データには、メンテナンス対象のユニットごとに対してメンテナンスが行われた結果を示す情報が含まれている。

［設備診断システム１０の動作］
以上のように構成される設備診断システム１０の動作について以下説明する。

図４は、実施の形態１における設備診断システム１０の動作の流れを示すフローチャートである。

まず、設備診断システム１０は、複数の製造設備それぞれの稼働情報を取得する（Ｓ１１）。

次に、設備診断システム１０は、ステップＳ１１で取得した稼働情報に基づき、複数の製造設備のうちの少なくとも一の製造設備の不調を診断する（Ｓ１２）。本実施の形態では、設備診断システム１０は、例えば、ステップＳ１１で取得した稼働情報に基づき、診断モデル１２１を用いて、複数の実装設備それぞれを構成するユニット（要素）の不調レベルを推定する。

次に、設備診断システム１０は、ステップＳ１１で診断した診断結果を出力する（Ｓ１３）。例えば、設備診断システム１０は、不調診断部１２が不調と診断した少なくとも一の製造設備の診断結果を一の製造設備を管理するユーザに送信する。

次に、設備診断システム１０は、診断結果に対するフィードバック情報を取得する（Ｓ１４）。本実施の形態では、設備診断システム１０は、フィードバック情報が少なくとも１日分または１週間分など一定量蓄積された場合、蓄積されたフィードバック情報を用いて診断モデル１２１を更新する。以下、診断モデル１２１の更新処理までを含めた設備診断システム１０の動作の流れについて説明する。

図５は、実施の形態１における診断モデル１２１の更新処理までを含めた設備診断システム１０の動作の流れを示すフローチャートである。図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

すなわち、ステップＳ１５において、設備診断システム１０は、取得したフィードバック情報が所定量超えたか否かを判定する（Ｓ１５）。本実施の形態では、設備診断システム１０は、フィードバック情報が少なくとも１日分または１週間分など一定量蓄積されか否かを判定する。

次に、設備診断システム１０は、取得したフィードバック情報に基づき、診断モデル１２１を更新する（Ｓ１６）。本実施の形態では、一定量蓄積されたフィードバック情報を用いて診断モデル１２１を更新する。これにより、フィードバック情報を用いて、使用方法の違いなどによるユニットごとのばらつきを診断モデル１２１に反映させることができるので、メンテナンスが必要となるユニットをより精度よく推定することができる。

［効果等］
以上のように、本実施の形態の設備診断システム１０は、複数の製造設備それぞれの稼働情報に基づき、複数の製造設備のうちの少なくとも一の製造設備の不調を診断するだけでなく、フィードバック情報を取得する。取得したフィードバック情報を用いることで、使用方法の違いなどによる複数の製造設備それぞれのばらつきを考慮することができる。これにより、真にメンテナンスが必要な少なくとも一の製造設備の不調をより精度よく診断することができるようになり、製造設備の不調をより適切に診断できる。

ここで、本実施の形態の設備診断システム１０は、予め作成された診断モデル１２１を用いて、モニタリング対象の複数の製造設備それぞれの稼働情報から製造設備の不調診断を行う。予め作成された診断モデル１２１は、複数の製造設備の稼働データなどを用いて予め統計的機械学習させることで作成されている。予め作成された診断モデル１２１は、製造設備ごとに差異のある要素を定数として取り扱って学習されるなど複数の製造設備に共通な学習モデルに該当する。

さらに、診断モデル１２１は、一定量蓄積されたフィードバック情報を用いて更新（追加学習）される。これにより、フィードバック情報を用いて使用方法の違いなどによる複数の製造設備それぞれのばらつきを診断モデル１２１に反映させることができる。この結果、真にメンテナンスが必要な製造設備の不調をより精度よく診断することができる。なお、更新された診断モデル１２１は、主観データ及びメンテナンス実績データなどのフィードバック情報を用いて統計的機械学習させることで作成される。更新された診断モデル１２１は、製造設備ごとに差異のある要素を示すデータまたは値を用いて、予め作成された診断モデル１２１の定数として取り扱った箇所を代入するなどにより追加学習することで、製造設備ごとに最適化された学習モデルに該当する。

（実施の形態２）
実施の形態１では、設備診断システムの最小構成に基づいて説明したが、これに限らない。不調と診断された製造設備のメンテナンスをさせるための構成をさらに含んでいてもよい。この場合を実施の形態２として説明する。なお、以下では、実施の形態１と異なる点を中心に説明する。

［設備診断システム２０の構成］
図６は、実施の形態２における設備診断システム２０の構成の一例を示す図である。なお、図１と同様の要素には同一の符号を付しており、詳細な説明は省略する。設備診断システム２０は、図６に示すように、稼働情報取得部１１と、不調診断部１２と、出力部１３と、フィードバック情報取得部１４と、設備回収指示部２５と、メンテナンス作業指示部２６と、メンテナンス部２７とを備える。設備診断システム２０は、実施の形態１における設備診断システム１０と比較して、設備回収指示部２５と、メンテナンス作業指示部２６と、メンテナンス部２７との構成が追加されている点と、不調診断部２２の構成が異なる。

［不調診断部２２］
不調診断部２２は、稼働情報取得部１１が取得した稼働情報に基づき、複数の製造設備のうちの少なくとも一の製造設備の不調を診断する。より具体的には、不調診断部２２は、診断モデル１２１を用いて、稼働情報取得部１１が取得した稼働情報から複数の実装設備それぞれを構成するユニット（要素）の不調レベルを推定することで、少なくとも一の製造設備の不調を診断する。

ここで、実施の形態２における不調診断部２２は、実施の形態１における不調診断部１２と比較して、用いる診断モデル１２１が異なる。すなわち、診断モデル１２１は、複数の顧客に対応して設けられる複数の診断モデルの１つである。より具体的には、診断モデル１２１は、まず、複数の顧客に共通に対応するように、複数の製造設備それぞれの稼働情報を示す稼働実績データを用いて学習された予め作成された共通な学習モデルである。そして、診断モデル１２１は、一の顧客に対応するように、当該一6の顧客に属する複数の製造設備それぞれの稼働情報を示す稼働実績データを用いて学習されることで更新された個別の学習モデルである。なお、この診断モデル１２１は、その後、当該一の顧客に属する複数の製造設備の診断結果に対するフィードバック情報に基づきさらに更新され、最適化された学習モデルとなる。

それ以外の構成は、実施の形態１における不調診断部１２と同様のため説明は省略する。

［設備回収指示部２５］
設備回収指示部２５は、不調診断部２２により不調と診断された少なくとも一の製造設備を回収する回収者に指示する。

本実施の形態では、設備回収指示部２５は、不調診断部１２が不調と診断した少なくとも一の製造設備それぞれを構成するユニットの診断結果に基づいて、当該少なくとも一のユニットを回収する回収者に指示する。ここで、回収者は、当該少なくとも一のユニットを販売する販社の担当者または当該販社から依頼されて回収する者である。販社は、当該少なくとも一の製造設備またはユニットのメーカであってもよいし、当該少なくとも一の製造設備またはユニットを販売する会社であってもよい。

［メンテナンス作業指示部２６］
メンテナンス作業指示部２６は、不調診断部２２より不調と診断された少なくとも一の製造設備のメンテナンスをメンテナンス部２７に対して指示する。また、メンテナンス作業指示部２６は、不調診断部２２より不調と診断された少なくとも一の製造設備のメンテナンスをユーザに対して指示してもよい。

本実施の形態では、メンテナンス作業指示部２６は、不調診断部１２が不調と診断した少なくとも一の製造設備それぞれを構成するユニットの診断結果に基づいて、当該少なくとも一のユニットのメンテナンスを指示する。メンテナンス作業指示部２６は、当該少なくとも一のユニットに対するメンテナンスがメンテナンス部２７により実行される場合、メンテナンス部２７に対して、当該少なくとも一のユニットのメンテナンスを指示すればよい。メンテナンス作業指示部２６は、当該少なくとも一のユニットに対するメンテナンスがユーザなどにより実行される場合、ユーザに対して、当該少なくとも一のユニットのメンテナンスを指示すればよい。

［メンテナンス部２７］
メンテナンス部２７は、不調診断部２２により不調と診断された少なくとも一の製造設備のメンテナンスを実行する。

より具体的には、メンテナンス部２７は、自動メンテナンス装置を制御し、当該少なくとも一のユニットに対するメンテナンスを実行できる場合には、自動メンテナンス装置にメンテナンスを実行させる。ここで、自動メンテナンス装置は、当該少なくとも一の製造設備を構成するユニットの種々の状態を測定することで点検をしたり、当該ユニットを修理または交換したりする装置である。なお、自動メンテナンス装置は、点検、修理、交換のうち点検のみ行い、修理及び交換はメンテナンス担当者などのユーザが行うとしてもよい。

［効果等］
以上のように、本実施の形態の設備診断システム２０は、当該一の顧客に属する複数の製造設備それぞれの稼働情報に基づき、当該一の顧客に属する複数の製造設備のうちの少なくとも一の製造設備の不調を診断するだけでなく、フィードバック情報を取得する。また、当該一の顧客に属する複数の製造設備の診断結果に対するフィードバック情報を用いることで、当該一の顧客に属する複数の製造設備それぞれのばらつきを考慮することができる。これにより、当該一の顧客に属する複数の製造設備のうち、真にメンテナンスが必要な少なくとも一の製造設備の不調をより精度よく診断することができるようになり、製造設備の不調をより適切に診断できる。

また、本実施の形態の設備診断システム２０は、予め作成された診断モデル１２１を用いて、当該一の顧客に属するモニタリング対象の複数の製造設備それぞれの稼働情報から製造設備の不調診断を行う。予め作成された診断モデル１２１は、当該一の顧客に属する複数の製造設備の稼働データなどを用いて予め統計的機械学習させることで作成されている。予め作成された診断モデル１２１は、当該一の顧客に属する複数の製造設備に共通な学習モデルに該当する。

さらに、診断モデル１２１は、一定量蓄積された当該一の顧客に属する複数の製造設備の診断結果に対するフィードバック情報を用いて更新（追加学習）される。これにより、当該一の顧客に属する複数の製造設備の診断結果に対するフィードバック情報を用いて、使用方法の違いなどによる複数の製造設備それぞれのばらつきを診断モデル１２１に反映させることができる。この結果、当該一の顧客に属する複数の製造設備のうち、真にメンテナンスが必要な製造設備の不調をより精度よく診断することができる。なお、更新された診断モデル１２１は、主観データ及びメンテナンス実績データなどの当該一の顧客に属する複数の製造設備の診断結果に対するフィードバック情報を用いて統計的機械学習させることで作成される。更新された診断モデル１２１は、当該一の顧客に属する製造設備ごとに最適化された学習モデルに該当する。

（実施例）
実施の形態２における設備診断システム２０の具体的態様の一例として、表面実装業界における設備診断システム２０Ａについて、図７を用いて説明する。

図７は、実施の形態２の実施例における設備診断システム２０Ａを示す図である。

表面実装業界における設備診断システム２０Ａは、製造設備としての表面実装機を構成する複数のユニットの不調を診断するために構成されている。図７に示す設備診断システム２０Ａは、設備診断装置１０Ａと、サーバ１３Ａ、メールサーバ１３Ｂとを備える。さらに、設備診断システム２０Ａは、図７に示すように、メールサーバ２５Ａと、自動メンテナンス装置２７Ａと、実装機２０２と、ＬＮＢ２０３と、サーバ２０４と、データベース２０５と、入力装置２０６と、データ収集装置２０７と、入力装置２０８とを備えてもよい。これらの装置は、診断提供社２０１Ａに属する領域、クラウド２０１Ｂ、販社２０１Ｃの属する領域、工場２０１Ｄの属する領域といった複数の領域のいずれかに物理的に配置されている。

＜診断提供社２０１Ａ＞
診断提供社２０１Ａは、表面実装機を構成する複数のユニットについて不調を診断した結果を提供する会社などである。診断提供社２０１Ａの属する領域には、設備診断装置１０Ａ、サーバ１３Ａ、及び、メールサーバ１３Ｂが物理的に配置されている。

設備診断装置１０Ａは、例えば設備診断システム１０を構成する構成要素をすべてを含む。本実施例では、設備診断装置１０Ａは、診断モデル１２１を用いて、工場２０１Ｄで収集された実装機２０２についての稼働データから、実装機２０２を構成する複数のユニットそれぞれを不調診断した結果をサーバ１３Ａに出力する。

本実施例での診断モデル１２１は、一の顧客に対応するように、工場２０１Ｄに属する製造装置である実装機２０２の稼働情報を示す稼働実績データが学習されている。すなわち、診断モデル１２１は、実装機２０２を構成する複数のユニットが正常状態にあるか否かを示すことができるモデルである。そして、この診断モデル１２１は、実装機２０２を製造するメーカが推奨する基準としての稼働実績データを用いて学習されることで作成される。このため、設備診断装置１０Ａは、診断モデル１２１と、モニタリング対象の製造設備である実装機２０２の稼働実績データから得られる特徴データとを比較し、その差異が所定の閾値を超えているかを示す診断結果をサーバ１３Ａに出力する。

なお、その後、この診断モデル１２１は、工場２０１Ｄに属する実装機２０２の診断結果に対するフィードバック情報に基づき更新される。本実施例では、例えば一のユニットの診断結果に対するフィードバック情報が主観データであり、当該一のユニットの診断結果がＮＧである旨が示されている場合、所定の閾値を変更する。一方、例えば一のユニットの診断結果に対するフィードバック情報が主観データであり、当該一のユニットの診断結果がＯＫである旨が示されている場合、当該一のユニットの実際の不調箇所とその挙動データとを教師データとして、診断モデル１２１を追加学習（更新）する。これにより、不調診断の精度が向上できる。

また、例えば一のユニットの診断結果に対するフィードバック情報がメンテナンス実績データである場合、当該一のユニットの実際の不調箇所とその挙動データとを含むメンテナンス実績データを教師データとして、診断モデル１２１を追加学習（更新）する。これにより、不調診断の精度が向上できる。また、例えば一のユニットの診断結果に対するフィードバック情報が主観データ及びメンテナンス実績データであってもよい。

サーバ１３Ａは、設備診断装置１０Ａから出力された診断結果から、不調候補ユニットリストなどのレポートを作成する。サーバ１３Ａは、診断結果において、不調と判定されたユニットを集約してリスト化するなどすることにより、不調候補ユニットリストなどのレポートを作成する。

メールサーバ１３Ｂは、サーバ１３Ａが作成した不調候補ユニットリストなどのレポートをメールサーバ２５Ａに送信する。これにより、工場２０１Ｄにおいて実装機２０２を管理またはメンテナンスするユーザに不調候補のユニットを伝達することができる。

＜クラウド２０１Ｂ＞
クラウド２０１Ｂは、インターネットを介して様々な機器と連携する仮想化サーバである。クラウド２０１Ｂは、インターネット経由でデータベースなどのＩＴリソースの利用をオンデマンドで提供する。

データベース２０５は、クラウド２０１Ｂにより管理されている。データベース２０５は、工場２０１Ｄで収集された実装機２０２についての稼働データを蓄積している。また、データベース２０５は、実装機２０２についてのメンテナンス実績データも蓄積している。なお、データベース２０５は、サーバ１３Ａが作成した不調候補ユニットリストに対する工場２０１Ｄにおいて実装機２０２を管理またはメンテナンスするユーザの評価などのフィードバック情報を蓄積するとしてもよい。

＜工場２０１Ｄ＞
工場２０１Ｄは、製造設備を用いて電子部品等を製造する会社などである。工場２０１Ｄの属する領域には、メールサーバ２５Ａ、実装機２０２、ＬＮＢ２０３、サーバ２０４、及び、入力装置２０６が物理的に配置されている。

実装機２０２は、製造設備の一例であり表面実装機である。実装機２０２は、複数の要素である複数のユニットから構成される。

ここで、図８〜図１０を用いて、実装機２０２の構成の一例について説明する。図８は、図７に示す実装機２０２の平面図である。

実装機２０２では、基台３１３の中央部に、電子部品（不図示）を実装する回路基板３１４を固定する基板固定部（コンベアレール）が設けられる。基台３１３には、基板固定部を挟んで左右対称に一対の部品実装ステージ３１５が設けられる。

部品実装ステージ３１５は、電子部品を連続的に供給する複数列のテープフィーダ３１０を備え、多品種の電子部品を部品供給位置において吸着可能にする。部品実装ステージ３１５は、部品供給位置で電子部品を保持して、当該電子部品を回路基板３１４に装着する吸着ヘッド３１６を備える。

吸着ヘッド３１６は、ＸＹロボット３１７に支持される。ＸＹロボット３１７は、図８中のＸＹ方向のそれぞれに移動可能となり、吸着ヘッド３１６を部品供給位置または回路基板３１４の上方に移動させる。ＸＹロボット３１７は、Ｘ軸ビーム３１８を有し、このＸ軸ビーム３１８に吸着ヘッド３１６が、Ｘ方向へ移動可能に支持される。Ｘ軸ビーム３１８は、Ｙ軸ビーム３１９に沿ってＹ方向へ移動可能とされる。

部品実装ステージ３１５と基板固定部との間には、ノズルチェンジ部３２０が設けられている。ノズルチェンジ部３２０には、ノズルホルダ２２１、部品認識部３２２、及び廃棄トレイ３２３が設けられる。

ノズルホルダ２２１は、吸着ヘッド３１６に装着させる各種電子部品用の部品吸着ノズル３２４を格納する。吸着ヘッド３１６は、このノズルチェンジ部３２０にて、部品吸着ノズル３２４の交換を行うことができる。部品認識部３２２は、ラインセンサ等からなる光学センサを備え、吸着ヘッド３１６の部品吸着ノズル３２４が吸着している電子部品の姿勢（部品位置及び回転角度等）を認識する。廃棄トレイ３２３には、吸着ヘッド３１６の部品吸着ノズル３２４が吸着している電子部品に種類の誤りまたは不具合があった場合、その電子部品が廃棄される。

次に、テープフィーダ３１０の構成について説明する。

図９は、図８に示すテープフィーダ３１０の斜視図である。図１０は、図８に示すテープフィーダ３１０の構成を示す側面図である。

テープフィーダ３１０は、台車（不図示）に保持されており、オペレータが台車を操作することにより実装機２０２に対して着脱自在となっている。テープフィーダ３１０には、図９に示すテープリール３２５が装着されており、電子部品を等ピッチで収納した図１０に示すテープ３２６が巻回されている。テープフィーダ３１０は、図１０に示す外枠３２の内部でテープ３２６の送り動作を行ってテープ３２６に等ピッチで収納された電子部品を供給口３２８にピッチ送りする機能を有している。

外枠３２７内の先端部にはテープ送り機構３２９が配設されている。テープ送り機構３２９は、テープ３２６の送り方向に等ピッチで形成された送り孔に係合するピンが外周に形成されたスプロケット３３２を備える。また、テープ送り機構３２９は、スプロケット３３２の回転駆動手段である駆動モータ３３３と、駆動モータ３３３の回転駆動をスプロケット３３２に伝達する伝達機構と、駆動モータ３３３の回転駆動を制御する制御手段であるフィーダ制御部３３５を備える。

駆動モータ３３３が電子部品の収納ピッチに対応して間歇回転するように制御されると、スプロケット３３２がインデックス回転を行い、テープリール３２５に巻回されたテープ３２６が後端部から外枠３２７に引き込まれて先端部にピッチ送りされる。これにより、テープ３２６に収納された電子部品がピックアップ位置である供給口３２８に順次供給される。

供給口３２８は、外枠３２７の上部に装着されてテープ３２６の送りを案内するテープガイド３３７の一部に開口されて形成されている。テープガイド３３７の一部は、テープ３２６の表面から剥離されたカバーテープ３３８の折り返し部となっており、カバーテープ剥離機構３９によりテープ３２６の表面からカバーテープ３３８を剥離する。これにより、電子部品が露出した状態で供給口３２８に供給され、供給口３２８の上方に位置合わせされた部品吸着ノズル３２４によりピックアップされる。

ギヤユニット３４０は、駆動ギヤ３４３と、第１伝達ギヤ３４５と、第２伝達ギヤ３４６と、第３伝達ギヤ３４７と、最終ギヤ３４２と、のギヤ列により構成されている。駆動ギヤ３４３は、駆動モータ３３３の出力軸に取り付けられる。駆動ギヤ３４３には、第１伝達ギヤ３４５が噛合する。第１伝達ギヤ３４５には第２伝達ギヤ３４６が同軸に固定され、この第２伝達ギヤ３４６は第３伝達ギヤ３４７と噛合する。第２伝達ギヤ３４６と噛合した第３伝達ギヤ３４７は、スプロケット３３２の回転軸に固定された最終ギヤ３４２とも噛合する。

テープフィーダ３１０においては、テープ３２６に等ピッチで収納された電子部品が供給口３２８に順次供給される際、送り位置にばらつきが生じないようにピッチ送り毎のテープ３２６またはスプロケット３３２の停止位置が正確に調整されている必要がある。

したがって、以上のように構成される実装機２０２において不調原因は、例えば以下のようになる。供給口３２８の汚れ、スプロケット３３２の先端部の摩耗及びガタ、駆動モータ３３３のへたり及び送り位置ズレ、並びに、テープフィーダ３１０のガタつき、送り位置ズレ、並びに、モータートルク劣化等々があげられる。

以下、図７に戻り説明を続ける。

ＬＮＢ２０３は、Ｌｉｎｅ Ｎｅｔｗｏｒｋ ＢＯＸとも呼ばれ、実装機２０２が稼働しているときに得られるデータを収集する装置である。ＬＮＢ２０３は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。ＬＮＢ２０３は、実装機２０２の稼働データを収集して、サーバ２０４に送信する。

サーバ２０４は、ＬＮＢ２０３から送信される実装機２０２の稼働データを、データベース２０５に格納する。また、サーバ２０４は、ＬＮＢ２０３から送信される実装機２０２の診断結果に対するフィードバック情報としての主観データを、データベース２０５に格納する。

メールサーバ２５Ａは、サーバ１３Ａが作成した不調候補ユニットリストなどのレポートを受信する。これにより、工場２０１Ｄにおいて実装機２０２を管理またはメンテナンスするユーザは不調候補のユニットを受け取り、実装機２０２において不調候補のユニットが本当に不調であるかを確認することができる。当該ユーザは、本当に不調であったことを確認した場合、販社２０１Ｃの担当者等に連絡し、不調であったことを確認したユニット（不調ユニット）を回収してもらう手配を行う。メンテナンス後には、当該ユニットは返却される。

入力装置２０６は、ユーザの入力により主観データが入力される装置である。入力装置２０６は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。

ここで、主観データは、実装機２０２において不調候補のユニットが本当に不調であるかを確認した結果を示し、不調候補のユニットの妥当性を主観的に判定したものである。本実施例では、主観データは、ユニットごとに入力される。

図１１は、図７に示す主観データの一例を示す図である。

例えば、主観データは、図１１に示すように、ユニットを一意に識別するユニットシリアル番号と、不調判定者及び判定日時と、不調成否判定結果と、現物状態とを示す情報を含んでいる。不調判定者及び判定日時は、不調候補ユニットリストにもとに、ユニットシリアル番号で示されるユニットの現物による不調判定を行った担当者名（ユーザ）及びその日時を示す。不調成否判定結果は、ユニットシリアル番号で示されるユニットの現物を確認した結果、不調候補と判定されていたことが正しかったか否かの結果を示す。

現物状態には、不調だった場合と不調でなかった場合とで異なる情報が含まれる。不調だった場合には、ユニットシリアル番号で示されるユニットの現物について、ａ）不調だった箇所、ｂ）不調の現象、ｃ）その他特記事項を示す情報が含まれる。一方、不調でなかった場合には、ユニットシリアル番号で示されるユニットの現物について、ａ）問題なかった、エラーがでるが使用可能である、または、精度に多少問題あるが使用可能といった所見、ｂ）送り回数、ｃ）メンテナンスカウンタ、ｄ）エラー率を示す情報が含まれる。

＜販社２０１Ｃ＞
販社２０１Ｃは、実装機２０２または実装機２０２を構成する複数のユニットを販売したりメンテナンスしたりする会社などである。販社２０１Ｃの属する領域には、自動メンテナンス装置２７Ａと、データ収集装置２０７と、入力装置２０８とが物理的に配置されている。

販社２０１Ｃの担当者は、連絡を受けて、不調ユニットを回収し、メンテナンス後にそのユニットを返却する。

自動メンテナンス装置２７Ａは、不調ユニットの種々の状態を測定することで点検をしたり、当該ユニットを修理または交換したりすることで不調ユニットのメンテナンスを行う。なお、自動メンテナンス装置２７Ａは、点検、修理、交換のうち点検のみ行い、修理及び交換はメンテナンス担当者が行うとしてもよい。

データ収集装置２０７は、不調ユニットに対して行われたメンテナンスに関するデータであるメンテナンス実績データを収集する装置である。データ収集装置２０７は、自動メンテナンス装置２７Ａから不調ユニットのメンテナンス実績データの一部または全部を収集できる場合には、当該一部または全部を収集してもよい。また、データ収集装置２０７は、不調ユニットのメンテナンスをメンテナンス担当者が行った場合には、メンテナンス担当者が入力装置２０８に入力したメンテナンス実績データを収集する。また、データ収集装置２０７は、収集したメンテナンス実績データを、データベース２０５に格納する。なお、データ収集装置２０７は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。

入力装置２０８は、例えば、プロセッサ（マイクロプロセッサ）、メモリ、通信インタフェース等を備えるコンピュータで実現される。入力装置２０８は、メンテナンス担当者などの入力によりメンテナンス実績が入力される装置である。入力装置２０８は、入力されたメンテナンス実績をメンテナンス実績データとしてデータ収集装置２０７に送信する。なお、入力装置２０８は、メンテナンス担当者など販社２０１Ｃの担当者により、主観データが入力されるとしてもよい。

ここで、メンテナンス実績データは、上述したように、メンテナンス対象のユニットごとに対するメンテナンスを行う際に入力されるデータであり、不調ユニットに対して行われたメンテナンスに関するデータである。本実施例では、メンテナンス実績データも、ユニットごとに入力される。主観データは上述した通りであるので、ここでの説明は省略する。

図１２は、図７に示すメンテナンス実績データの一例を示す図である。

例えば、メンテナンス実績データは、図１２に示すように、ユニットシリアル番号と、受入日時と、メンテナンス担当者及び実施日時と、メンテナンス前状態と、メンテナンス実施項目と、自動メンテナンス装置の出力結果と、出荷日時と、実装機番号とを示す情報を含んでいる。

ユニットシリアル番号は、不調ユニットを一意に識別する識別番号を示す。受入日時は、不調ユニットとしてユニットシリアル番号で示されるユニットの現物を受け入れた日時を示す。メンテナンス担当者及び実施日時は、ユニットシリアル番号で示されるユニットのメンテナンスを実施した担当者名及びその日時を示す。メンテナンス前状態は、ユニットシリアル番号で示されるユニットの現物のメンテナンスを実施する前（受け入れ時）の状態を示す。メンテナンス実施項目は、メンテナンスを実施した項目を示し、例えば点検した項目及び調整した項目を示す。自動メンテナンス装置の出力結果は、自動メンテナンス装置２７Ａによるメンテナンス実施項目を示す。出荷日時は、ユニットシリアル番号で示されるユニットがユーザに返却するための出荷された日時を示す。実装機番号は、不調ユニットを構成していた実装機２０２を一意に識別するシリアル番号である。

以上の実施例によれば、当該一の顧客の工場２０１Ｄに属する実装機２０２の稼働情報に基づき、工場２０１Ｄに属に属する実装機２０２を構成する複数のユニットそれぞれの不調を診断することができる。また、実装機２０２を構成する複数のユニットそれぞれの診断結果に対するフィードバック情報を用いることで、当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットそれぞればらつきを考慮することができる。これにより、実装機２０２を構成する複数のユニットのうち、真にメンテナンスが必要な少なくとも一のユニットの不調をより精度よく診断することができるようになる。

なお、本実施例の設備診断装置１０Ａは、予め作成された診断モデル１２１を用いて、モニタリング対象の実装機２０２の稼働情報から実装機２０２を構成する複数のユニットの不調診断を行う。予め作成された診断モデル１２１は、当該一の顧客の工場２０１Ｄに属する実装機２０２の稼働データなどを用いて予め統計的機械学習させることで作成されている。予め作成された診断モデル１２１は、当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットに共通な学習モデルに該当する。

さらに、診断モデル１２１は、一定量蓄積された当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットの診断結果に対するフィードバック情報を用いて更新（追加学習）される。これにより、当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットの診断結果に対するフィードバック情報を用いて、使用方法の違いなどによる複数のユニットそれぞれのばらつきを診断モデル１２１に反映させることができる。この結果、当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットのうち、真にメンテナンスが必要なユニットの不調をより精度よく診断することができる。なお、更新された診断モデル１２１は、主観データ及びメンテナンス実績データなどの当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットの診断結果に対するフィードバック情報を用いて統計的機械学習させることで作成される。更新された診断モデル１２１は、当該一の顧客の工場２０１Ｄに属する実装機２０２を構成する複数のユニットごとに最適化された学習モデルに該当する。

以上のように、設備診断システム２０Ａでは、１）顧客の装置である実装機２０２（構成する複数のユニット）の稼働データが収集され、２）収集された稼働データからＡＩすなわち設備診断装置１０Ａが顧客の装置の不調を診断し、３）診断結果を顧客に送信する。また、設備診断システム２０Ａでは、４）顧客により、送信された診断結果が確認され、主観データとしてのフィードバック情報が入力されると、５）主観データとしてのフィードバック情報が収集され、ＡＩの教師データとして利用される。また、設備診断システム２０Ａでは、６）不調と診断された実装機２０２を構成する複数のユニットの少なくとも一が販社２０１Ｃ等により回収され、手動または自動でメンテナンスが実施される。そして、７）手動または自動でのメンテナンスの実施結果であるメンテナンス実績データが収集され、ＡＩの教師データとして利用される。このような１）〜７）のデータの流れを顧客ごとに実施することで、真にメンテナンスが必要な少なくとも一のユニットの不調をより精度よく診断することができるようになる。

（他の実施態様の可能性）
以上、実施の形態において本発明の設備診断システムについて説明したが、各処理が実施される主体または装置に関しては特に限定しない。ローカルに配置された特定の装置内に組み込まれたプロセッサなど（以下に説明）によって処理されてもよい。またローカルの装置と異なる場所に配置されているクラウドサーバなどによって処理されてもよい。また、実施の形態において診断モデル１２１は、統計的機械学習されるとして説明したが、それに限らない。深層学習など統計的機械学習以外の学習方法を用いて診断モデル１２１を学習させてもよい。

なお、本発明は、上記実施の形態に限定されるものではない。例えば、本明細書において記載した構成要素を任意に組み合わせて、また、構成要素のいくつかを除外して実現される別の実施の形態を本発明の実施の形態としてもよい。また、上記実施の形態に対して本発明の主旨、すなわち、請求の範囲に記載される文言が示す意味を逸脱しない範囲で当業者が思いつく各種変形を施して得られる変形例も本発明に含まれる。

また、本発明は、さらに、以下のような場合も含まれる。

（１）上記の装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムである。前記ＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

（２）上記の装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。

（３）上記の装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

（４）また、本発明は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。

（５）また、本発明は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータで読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。

また、本発明は、前記コンピュータプログラムまたは前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムに従って動作するとしてもよい。

また、前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

本発明は、製造設備の不調をより適切に診断するための設備診断システム及び設備診断方法に利用でき、特に表面実装業界における実装機及び実装機を構成する複数のユニットにおける不調を適切に診断するための設備診断システム及び設備診断方法に利用できる。

１０、２０、２０Ａ 設備診断システム
１０Ａ 設備診断装置
１１ 稼働情報取得部
１２、２２ 不調診断部
１３ 出力部
１３Ａ、２０４ サーバ
１３Ｂ、２５Ａ メールサーバ
１４ フィードバック情報取得部
２５ 設備回収指示部
２６ メンテナンス作業指示部
２７ メンテナンス部
２７Ａ 自動メンテナンス装置
１２１ 診断モデル
１２３ パターン比較部
１２４ レベル判定部
２０２ 実装機
２０３ ＬＮＢ
２０５ データベース
２０６、２０８ 入力装置
２０７ データ収集装置
１２１１ 正常挙動パターン
１２１２ 正常相関パターン
１２１３ 前処理部

Claims (12)

1. 複数の製造設備それぞれの稼働情報を取得する稼働情報取得部と、
   前記稼働情報に基づき、前記複数の製造設備のうちの少なくとも一の製造設備の不調を診断する不調診断部と、
   前記不調診断部の診断結果を出力する出力部と、
   前記診断結果に対するフィードバック情報を取得するフィードバック情報取得部と、を備える、
   設備診断システム。
2. さらに、
   前記不調診断部により不調と診断された前記少なくとも一の製造設備のメンテナンスを実行するメンテナンス部を備える、
   請求項１に記載の設備診断システム。
3. さらに、
   前記不調診断部より不調と診断された前記少なくとも一の製造設備のメンテナンスを前記メンテナンス部に対して指示するメンテナンス作業指示部を備える、
   請求項２に記載の設備診断システム。
4. さらに、
   前記不調診断部より不調と診断された前記少なくとも一の製造設備のメンテナンスをユーザに対して指示するメンテナンス作業指示部をさらに備える、
   請求項１に記載の設備診断システム。
5. 前記フィードバック情報は、前記メンテナンス部による前記少なくとも一の製造設備のメンテナンス結果に関する情報、及び、確認者によるメンテナンス結果に関する情報のうちの少なくとも一方を含む、
   請求項２に記載の設備診断システム。
6. 前記フィードバック情報は、前記不調診断部による不調の診断が正しいか否かに関する情報を含む、
   請求項１〜５のいずれか１項に記載の設備診断システム。
7. 前記不調診断部は、診断モデルを有し、
   前記診断モデルは、前記フィードバック情報に基づき更新される、
   請求項１〜６のいずれか１項に記載の設備診断システム。
8. 前記診断モデルは、前記複数の製造設備それぞれの稼働情報を含む稼働実績データを用いて学習されることで作成される、
   請求項７に記載の設備診断システム。
9. さらに、
   前記不調診断部により不調と診断された前記少なくとも一の製造設備を回収する回収者に指示する設備回収指示部を備える、
   請求項１〜８のいずれか１項に記載の設備診断システム。
10. 前記製造設備は、表面実装装置もしくは前記表面実装装置を構成する複数の要素の少なくとも一の要素を含む、
    請求項１〜９のいずれか１項に記載の設備診断システム。
11. 前記診断モデルは、複数の診断モデルの１つであり、
    前記複数の診断モデルは複数の顧客に対応して設けられる、
    請求項７に記載の設備診断システム。
12. 複数の製造設備それぞれの稼働情報を取得し、
    取得した前記稼働情報に基づき、前記複数の製造設備のうちの少なくとも一の製造設備の不調を診断し、
    診断結果を出力し、
    前記診断結果に対するフィードバック情報を取得する、
    設備診断方法。

Images