JP4739447B2 - 不良要因の分析表示方法および不良要因の分析表示装置 - Google Patents
不良要因の分析表示方法および不良要因の分析表示装置 Download PDFInfo
- Publication number
- JP4739447B2 JP4739447B2 JP2009267607A JP2009267607A JP4739447B2 JP 4739447 B2 JP4739447 B2 JP 4739447B2 JP 2009267607 A JP2009267607 A JP 2009267607A JP 2009267607 A JP2009267607 A JP 2009267607A JP 4739447 B2 JP4739447 B2 JP 4739447B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- analysis
- product
- failure
- failure factor
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 134
- 238000000556 factor analysis Methods 0.000 title claims description 68
- 230000002950 deficient Effects 0.000 claims description 142
- 238000004458 analytical method Methods 0.000 claims description 123
- 238000004519 manufacturing process Methods 0.000 claims description 117
- 230000008569 process Effects 0.000 claims description 88
- 238000004364 calculation method Methods 0.000 claims description 69
- 238000007689 inspection Methods 0.000 claims description 61
- 238000007619 statistical method Methods 0.000 claims description 30
- 230000007547 defect Effects 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 13
- 239000000047 product Substances 0.000 description 211
- 230000006872 improvement Effects 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 20
- 238000000513 principal component analysis Methods 0.000 description 12
- 238000012790 confirmation Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000013524 data verification Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
この発明は、不良要因の分析表示方法および不良要因の分析表示装置に関する。
各種製品の生産工程において、高品質な製品を高い歩留りで生産するためには、生産工程における現象を分析し、それを基に生産工程をコンロトールすることが重要である。
その１つには、各種製品の生産工程において、不良発生時の不良要因分析を行い、それを生産工程へフィードバックする方法がある。この不良要因分析には、生産工程のうちの製造プロセスから取得できる製造プロセスデータと、検査プロセスから取得できる検査データをデータベースに保存し、それらのデータについて統計的手法を適用し、不良要因を抽出する手法がある。
このような不良要因分析を行う場合には、生産プロセスから取得したデータを製品単位や一定期間のロット単位で区切ってデータセットとし、それらデータセットを、例えば、平均値、最大値、最小値、中央値のような統計的に処理し、各製品もしくは、単位期間ロットのデータセットの代表値としたデータを使うことが多い。以下、このようなデータセットの代表値をサマリデータと記載する。また、サマリデータを作成する前の元のデータを詳細データと記載する。
例えば、特許文献１（特開２００３−１１４７１３号公報）における分析では、製品単位で集計された生産プロセスデータをその製品のサマリデータとし、それら製品のサマリデータについて主成分分析を行うことで、不良要因分析を行っている。この分析の結果では、抽出された不良要因項目名のリストと、サマリデータの各種プロットを得ることができ、その結果を用いて抽出項目が不良要因であることの判断を行っている。
一方、近年は各種センサーや、データ収集を行う機器の高性能化により、短いサンプリング間隔で生産プロセス全体にわたる各種センサーによる計測値を記録し、保管すること、つまり、詳細データを記録、保管することが可能となってきている。
これらのデータは生産プロセス中の物理現象を確認するには有効であるが、特許文献１による不良要因分析に直接用いるには適切ではない。その理由は、サマリデータとなる前の詳細データはデータ数が大変多く、それを全て用いた計算は膨大になり、実用可能な時間内に分析演算が終了しないこと、詳細データの細かな変化が不良要因の分析で抽出されるが、生産プロセスとして改善すべき項目の把握をするのが難しくなってしまうことである。
また、詳細データの操作者に対する表示については、特許文献２（特開２００４−１０２９６３号公報）のように、集計したデータに加え、取得したデータを時系列に並べたデータ（トレンドデータ）を表示することで、プロセスの現象を詳細に確認することが可能となる。
しかし、不良要因分析を必要とする製品の生産プロセスは複雑であり、管理される項目の数も多くなる上、前述のように、詳細データを取得する環境が整備されることで、より多くのデータ項目について詳細データが記録されつつある。そうした中で、操作者が確認することが必要となるデータ項目や、製品を容易に選択することは困難となってきている。
また、特許文献１のような生産工程における不良要因分析手段において、分析実施においてはサマリデータを用いることで、不良要因の抽出は可能である。
しかしながら、実際の生産工程において、不良要因分析を行い工程の改善を行う担当者（以下操作者と記載する）が、抽出された不良要因となった項目について、最終的に抽出内容が不良の要因であり、改善策の立案が必要であるかどうかを判断し、さらにその改善策の具体的内容を設定するには、生産プロセス中での現象を確認するために詳細データを確認することが必要である。
この時、詳細データはデータ数が膨大であり、その中で、操作者が確認したいと思うデータを選別し、表示させ、データの推移を確認することは困難である。不良要因分析において、データ項目の選択がなされているが、不良として分類された製品は多数あり、たとえ、全データを一時に表示したとしても、その中から操作者が必要なデータを選択するのは困難である。
なお、特許文献２において表示される詳細データの選択手順について、多数の製品のデータの中から表示する製品のデータを選択する手順は不明であり、上記の課題を解決するものではない。
そこで、この発明の課題は、生産プロセスと検査プロセスから取得されるデータを用いた不良要因分析において、分析により不良要因として抽出されたデータ項目について、分析結果の妥当性の判断と、生産プロセスの改善策の立案に必要な、適切な詳細データを選択する不良要因の分析表示方法および不良要因の分析表示装置を提供することにある。
上記課題を解決するため、この発明の不良要因の分析表示方法は、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値（以下、サマリデータと表記する）を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（以下、詳細データと表記する）を表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴としている。
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値（以下、サマリデータと表記する）を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（以下、詳細データと表記する）を表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴としている。
この発明の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であるので、対象となった製品群の特徴を最も現している製品を選択できる。
また、一実施形態の不良要因の分析表示方法では、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算である。
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算である。
この実施形態の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であるので、計算がより簡単であり、処理時間が少なくて済むという利点がある。このため、分析を行った製品数が極端に多い場合には有効である。
また、一実施形態の不良要因の分析表示方法では、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間である。
この実施形態の不良要因の分析表示方法によれば、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間であるので、良品のデータを基準とした特徴空間を設定することで、そこに射影された不良品のデータは良品の分布範囲が異なることが多い。これは、何らかの生産プロセスの異常があるためであり、この特徴空間上では、良品に対する不良品の特徴が良く現れ、それを代表する不良品が選択できるため、適切な不良品を選択することが可能となる。
また、一実施形態の不良要因の分析表示方法では、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間である。
この実施形態の不良要因の分析表示方法によれば、上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間であるので、主成分空間は、元のデータ項目から合成されるお互いに相関のない主成分と呼ばれる変数で張られる空間であり、この特徴空間をもちいることで、複数の項目が関係する生産プロセスの特徴を良く表すことができ、その空間内で各基板のデータを評価（分布状態と中心点の特定）することで、生産プロセスの良品と不良品の違いをより明確に表すことができる。また、主成分は元のデータ項目をいくつかの変数に圧縮して扱うことになるため、特徴空間上での座標計算の計算量が少なくなる。
また、一実施形態の不良要因の分析表示方法では、上記統計手法による演算は、上記不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行される。
この実施形態の不良要因の分析表示方法によれば、上記統計手法による演算は、上記不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行されるので、使用者が注目するデータ群に対してデータ選択が可能となる。特に多くの使用者が生産プロセスにおける経験と知識を有していると考えられる為、その経験と知識に基づいたデータ選択ができることで、より的確な詳細データを選択することが可能となる。
また、この発明の不良要因の分析表示装置は、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴としている。
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴としている。
この発明の不良要因の分析表示装置によれば、上記取得部と上記代表値演算部と上記分析部と上記表示部とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であるので、対象となった製品群の特徴を最も現している製品を選択できる。
また、この発明の不良要因の分析表示装置は、
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であることを特徴としている。
生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であることを特徴としている。
この発明の不良要因の分析表示装置によれば、上記取得部と上記代表値演算部と上記分析部と上記表示部とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。また、上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であるので、計算がより簡単であり、処理時間が少なくて済むという利点がある。このため、分析を行った製品数が極端に多い場合には有効である。
この発明の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。
この発明の不良要因の分析表示装置によれば、上記取得部と上記代表値演算部と上記分析部と上記表示部とを有するので、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。
以下、この発明を図示の実施の形態により詳細に説明する。
（第１の実施形態）
図１は、この発明の不良要因の分析表示装置の一実施形態である縦断面図を示している。図１に示すように、この不良要因の分析表示装置１４は、電子デバイスのような製品単位で生産プロセスが進行する製品の生産工程１１に適用される。生産工程１１は、生産プロセス１２と検査プロセス１３とを有する。生産プロセス１２は、製品毎に所定のプロセスが実行される形態であり、検査プロセス１３は、製品毎に所定の検査を行うプロセスである。
図１は、この発明の不良要因の分析表示装置の一実施形態である縦断面図を示している。図１に示すように、この不良要因の分析表示装置１４は、電子デバイスのような製品単位で生産プロセスが進行する製品の生産工程１１に適用される。生産工程１１は、生産プロセス１２と検査プロセス１３とを有する。生産プロセス１２は、製品毎に所定のプロセスが実行される形態であり、検査プロセス１３は、製品毎に所定の検査を行うプロセスである。
上記分析表示装置１４は、取得部としてのデータベース１５と、演算装置１６と、表示部としての表示装置１７と、入力装置１８とを有する。
上記データベース１５は、上記生産プロセス１２で製造された製品の生産データをこの生産プロセス１２から取得すると共に、生産プロセス１２で製造された製品の検査データを検査プロセス１３から取得する。生産データおよび検査データは、それぞれ、複数のデータ項目を有する。
上記演算装置１６は、上記データベース１５に保管されたデータを用いて、不良要因の分析およびデータ表示のための演算を行う。演算装置１６は、代表値演算部と分析部とを有する。代表値演算部は、生産データおよび検査データに基づいて、製品毎に、生産データおよび検査データのうちの少なくとも一方のデータの代表値（以下、サマリデータと表記する）を演算する。分析部は、演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する。
上記表示装置１７は、操作者１９に対して、分析結果やプロセスデータを表示する。表示装置１７は、上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（以下、詳細データと表記する）を表示する。
上記表示装置１７は、表示される詳細データを、上記不良要因の分析の対象となった複数のサマリデータの中から、統計手法による演算を用いて選択する。上記入力装置１８は、操作者１９がこの分析表示装置１４を操作するために操作される。
上記生産プロセス１２からは、プロセス中の温度や圧力、ヒータへの投入電力、材料ガスの流量のようなプロセス項目の計測値が連続的に取得される。取得したプロセスデータは、製品毎に詳細データとしてデータベース１５に記録される。
また、各プロセス項目のプロセスデータについて、統計的な値を算出し、この算出した値は、上記製品における各プロセス項目の代表値（サマリデータ）としてデータベース１５に記録される。また、検査プロセス１３で取得される検査データは、製品毎に取得され、データベース１５に記録される。
上記演算装置１６で行われる不良要因分析は、サマリデータを用いて分析が行われる。分析対象の製品は、検査プロセス１３において設定されている基準により、良品もしくは不良品に分別がなされている。
また、検査プロセス中では、良／不良が判定されていないデータ項目については、予め基準を設定しておき、分析実行前に良／不良を判別される。この良／不良の判別がなされたデータに対して、不良要因分析を行い、不良品の発生要因の候補となるデータ項目が抽出される。
不良要因抽出の手法としては、決定木によるデータ分類、主成分分析および部分最小二乗法のような次元圧縮モデルの寄与度を用いた方法などを用いればよく、特に限定するものではないが、本実施形態においては、主成分分析による不良要因分析を行った。
不良要因分析の結果は、不良要因として抽出されたプロセス項目のリストと、抽出されたプロセス項目のサマリデータのグラフが表示装置１７に表示される。表示されるグラフの形式は、横軸をサマリデータの値、縦軸をその頻度つまり製品数としたヒストグラム、もしくは、不良の判別を行った検査データ項目と、抽出されたプロセス項目の散布図であるが、これに限るものではない。
以上のように、分析結果が操作者１９に対して表示されるが、分析結果の妥当性と、プロセス改善策の立案のために、抽出された要因項目について、不良品の詳細データを表示する。そこで、多数の不良品の製品の中から以下の手順で表示装置１７にデータ表示する製品を選択する。
本実施形態における詳細データを表示するデータ表示項目の選択手法には、サマリデータによる主成分分析を用いる。これは、不良要因分析において主成分分析を行っている為、それと同じ手法を用いることで、分析結果とデータ選択の基準を同じにし、分析と表示データ選択の一貫性を持たせることができ、より操作者に対してわかりやすくなると共に、不良要因分析時の計算結果を再利用でき、演算装置上での処理時間が短くてすむためである。このように、不良要因分析において、分析データを特徴空間に射影して分析を行う場合は、本手法におけるデータ選択の為の特徴空間の設定も、不良要因分析と同じにすることが望ましい。
主成分分析について、本手法で関係する部分を以下に説明する。
主成分分析には、分析対象の製品のサマリデータを使用し、分析対象となる製品の生産プロセスで取得できるデータ項目のサマリデータをデータセットとする。
データセットについて、各プロセス項目の単位とそのとる値の範囲はそれぞれ異なるので、データセットに対する前処理として、各プロセス項目の平均が０、分散が１になるように正規化を行う。前処理を行った後のデータセットをＮ×Ｍのデータ行列Ｘで表す。ここで、Ｎは分析対象である製品の個数で、Ｍは生産プロセス項目の個数を表す。Ｘの成分ｘijは製品ｉにおけるプロセス項目ｊの値を表す。
主成分分析においてはＸを次のように分解する。
ここで、Ｔはスコア行列と呼ばれるＮ×Ｒの直交行列であり、Ｖは負荷量行列と呼ばれるＭ×Ｒの正規直交行列であり、「T」は転置行列を表す。Ｒは抽出する主成分の数であり、スコア行列Ｔの成分であるスコア変数の個数に等しくＲ≦Ｍである。Ｅは残差行列と呼ばれ、Ｎ×Ｍの行列である。主成分数の決定方法は、主成分の累積寄与、主成分モデルの２乗誤差、クロスバリデーションなどを用いる方法があり、どれを用いても良いが、本実施形態では、主成分の累積寄与が一定以上となる最小の主成分数を採用した。
主成分を軸として張られる空間を主成分空間と言い、この主成分空間での各製品の位置を表現するのは、スコア行列である。つまりスコア行列の要素ｔklは、製品ｋの主成分ｌの軸に対する値となる。
以上が、主成分分析の説明である。この主成分分析を用いて表示装置に表示する詳細データの選択手法の手順は図２の通りであり、その詳細を以下で説明する。
まず、分析対象データＸを良品の部分行列Ｘgと不良品の部分行列Ｘbに分割する（ステップＳ２１）。
そして、良品データＸgを次式のように分解し、負荷量行列ＶRを得る（ステップＳ２２）。Ｔgは良品についてのスコア行列であり、ＶRはＶのＲ列までの部分行列である。
その後、次式より、不良品データＸbに対して、負荷量行列ＶRにより、不良品についてのスコア行列Ｔbを得る（ステップＳ２３）。
そして、不良品のスコア行列Ｔbから、不良品の主成分空間における中心点Ｃbを次式により算出する（ステップＳ２４）。ここで、Ｎbは不良品の個数で、ｔbklは不良品についてのスコア行列Ｔbの要素である。
その後、主成分空間における各不良品の中心点Ｃbまでの距離ｄbkを次式で算出する（ステップＳ２５）。なお、中心点Ｃbの座標をＣb(ｃb1,ｃb2,…,ｃbR)とおく。
そして、中心点までの距離ｄbkが最も小さい製品を表示するデータとして選択する（ステップＳ２６）。
また、詳細データ表示については、不良品の詳細データと比較する為に、良品の詳細データも表示することで、データの検証がより容易になる。そのため、本不良要因の分析表示装置において良品の中から1つの製品を自動的に選択し、詳細データを表示する。表示する詳細データの選択方法にも、不良品の選択と同じように主成分分析を用いる。なお、不良品の表示データ選択と同じように、用いる演算手法は主成分分析に限ったことではないが、不良品の表示データ選択と同じ演算手法を用いることが望ましい。
本実施形態においては、良品においても、不良品と同様に、主成分軸で張られる空間において、良品のデータの中心点を算出し、その点に最も近い製品を選択する。良品のスコア行列Ｔgは求められており、Ｔgの要素をｔgklとし、Ｎgを良品の個数とすると、良品の中心点Ｃgは次の式となる。
中心点Ｃgの座標をＣg(ｃg1,ｃg2,…,ｃgR)とおくと、各良品について中心点Ｃgと原点の距離ｄgkは次式となる。ｄgkが最小となる製品を、詳細データを表示する製品とする。
上記分析表示装置１４を用いて、操作者１９による不良要因分析からプロセス改善策の立案までの作業手順は図３の通りとなる。詳細は以下のようになる。
まず、不良が発生している項目を確認し（ステップＳ３１）、不良要因分析を行うデータ範囲を設定する（ステップＳ３２）。
そして、不良要因分析を実行し（ステップＳ３３）、分析結果を不良要因項目のリストとサマリデータのグラフで確認する（ステップＳ３４）。
その後、詳細データ表示を指示する操作を行い（ステップＳ３５）、自動的に表示される詳細データを確認する（ステップＳ３６）。
そして、追加分析が不要であるか否かの分析結果の妥当性を確認し（ステップＳ３７）、追加分析が不要でないならば、ステップＳ３２に戻り、追加分析が不要でないならば、詳細データを元に設定値を修正するような、プロセス改善策を立案する（ステップＳ３８）。
なお、ステップＳ３５では、画面上のボタンを押すような簡易な操作とし、１つの製品を指定するような操作ではない。また、操作者の指示を待たなくとも、ステップＳ３５を自動的に動作するようにしても良い。もしくは、ステップＳ３５において、例えば、ヒストグラムのいくつかの縦棒を選択するように、操作者が表示されるグラフ上で適当な範囲を選択し、その中に含まれる良品または不良品データに対して、表示されるデータ選択を行っても良い。
以上の作業手順により、不良要因分析からプロセス改善策の立案までを行うが、本発明により、不良要因分析においてはサマリデータを使うことで、プロセス全体の分析を効率よく実行することができ、さらに、分析の妥当性の評価や、プロセス改善案の具体的な設定数値設定などに必要な詳細データの確認も効率的に行うことが可能となる。さらに、本発明により選択された詳細データは、主成分空間における製品群の中心に最も近いデータであるため、もっとも選択された製品群の特徴を現しているデータを選択していることになり、詳細データの確認において適切なデータ選択が可能となっている。
次に、本実施形態における表示データ選択について、データグラフを用いて説明する。前述した不良要因分析の分析結果として、図４のような不良要因のリストと、図５のような抽出された項目におけるサマリデータの分布を表すグラフが表示される。
ここで、不良要因のリストは発生した不良に対して、要因としての影響度が高いとされる順のリストとなっている。この分析結果について、操作者に対して表示される詳細データの選択処理の様子は以下のようになる。
まず、前述のデータ処理の手順に基づいて、主成分スコアが求められ、不良品の中心点が求められる。この結果をグラフとして示すと図６のようになる。なお、本実施形態において、主成分数は２としている。
そして、このグラフにおいて表示される詳細データは、図６中の丸で囲まれたデータとなる。選択された不良品の詳細データは図７Ａのようになっている。なお、詳細データの挙動が分かりやすいように、良品についても前述した手順により自動的に選択された詳細データを、図７Ｂに示している。図７Ａと図７Ｂからわかるように、図７Ａの途中から項目Ａの値が下がっていることが分かる。操作者は、サマリデータだけでは分かりえない生産プロセスデータの挙動を確認することができたので、より的確な改善策の立案を行うことができる。
上記構成の分析表示装置１４によれば、取得部としてのデータベース１５と、代表値演算部および分析部としての演算装置１６と、表示部としての表示装置１７とを有する。したがって、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータ（代表値）を用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データ（代表値の演算のもとになった少なくとも一方のデータ）を操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。
また、上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算である。したがって、対象となった製品群の特徴を最も現している製品を選択できる。
また、上記特徴空間は、例えば、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間である。したがって、良品のデータを基準とした特徴空間を設定することで、そこに射影された不良品のデータは良品の分布範囲が異なることが多い。これは、何らかの生産プロセスの異常があるためであり、この特徴空間上では、良品に対する不良品の特徴が良く現れ、それを代表する不良品が選択できるため、適切な不良品を選択することが可能となる。
また、上記特徴空間は、例えば、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間である。したがって、主成分空間は、元のデータ項目から合成されるお互いに相関のない主成分と呼ばれる変数で張られる空間であり、この特徴空間をもちいることで、複数の項目が関係する生産プロセスの特徴を良く表すことができ、その空間内で各基板のデータを評価（分布状態と中心点の特定）することで、生産プロセスの良品と不良品の違いをより明確に表すことができる。また、主成分は元のデータ項目をいくつかの変数に圧縮して扱うことになるため、特徴空間上での座標計算の計算量が少なくなる。
また、不良要因の分析表示方法は、取得工程と演算工程と分析工程と表示工程とを有する。上記取得工程は、生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する。
上記演算工程は、上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値（サマリデータ）を演算する。上記分析工程は、上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する。
上記表示工程は、上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータ（詳細データ）を表示する。この表示工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択する。
上記構成の不良要因の分析表示方法によれば、上記取得工程と上記演算工程と上記分析工程と上記表示工程とを有するので、製品の生産工程において不良要因の分析を行い、分析結果の妥当性を判断し、さらに分析結果を元に生産プロセスの改善案を立案するという、生産工程における一連の業務に対して、不良要因の分析では、サマリデータを用いることでプロセス全体から不良要因が抽出でき、さらに、分析の妥当性の評価、改善策の立案のようなプロセスにおける詳細なデータの確認が必要なステップでは、適切な詳細データを操作者に対して提示できる。このため、効率的な分析とその後の確認、対策を効率的に行うことについて有効である。
（第２の実施形態）
次に、この発明の不良要因の分析表示方法の第２の実施形態を説明する。この第２の実施形態では、生産工程１１および分析表示装置１４の構成は、上記第１の実施形態と同一である。演算装置１６で実行される不良要因分析の手法も、上記第１の実施形態と同一である。
次に、この発明の不良要因の分析表示方法の第２の実施形態を説明する。この第２の実施形態では、生産工程１１および分析表示装置１４の構成は、上記第１の実施形態と同一である。演算装置１６で実行される不良要因分析の手法も、上記第１の実施形態と同一である。
不良要因分析の結果を受けて表示される詳細データの選択手法は、不良品、良品共にそれぞれの製品の中で、不良要因項目として抽出されたデータ項目について中央値を取る製品を選択するものである。つまり、統計手法による演算は、分析の対象の良品もしくは不良品における不良要因の分析で抽出されたデータ項目に関する代表値において、良品もしくは不良品の中央値となる製品を、選択するような演算である。
なお、統計手法による演算を、分析の対象の良品もしくは不良品における不良要因の分析で抽出されたデータ項目に関する代表値において、良品もしくは不良品の平均値に最も近い製品を、選択するような演算としてもよい。
したがって、この手法では、計算が上記第１の実施形態に比べてより簡単であり、処理時間が少なくて済むという利点がある。このため、分析を行った製品数が極端に多い場合には有効である。また、分析対象のプロセスが比較的簡単な生産工程における場合にも有効である。但し、不良要因分析で使用した特徴空間を使用していないことには、注意が必要である。
なお、この第２の実施形態における、操作者の作業手順や、本不良要因の分析表示装置を使用することによる効果については、上記第１の実施形態と同じである。
なお、この発明は上述の実施形態に限定されない。例えば、上記統計手法による演算は、不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行されるようにしてもよい。したがって、使用者が注目するデータ群に対してデータ選択が可能となる。特に多くの使用者が生産プロセスにおける経験と知識を有していると考えられる為、その経験と知識に基づいたデータ選択ができることで、より的確な詳細データを選択することが可能となる。
１１ 生産工程
１２ 生産プロセス
１３ 検査プロセス
１４ 不良要因の分析表示装置
１５ データベース（取得部）
１６ 演算装置（代表値演算部、分析部）
１７ 表示装置（表示部）
１８ 入力装置
１９ 操作者
１２ 生産プロセス
１３ 検査プロセス
１４ 不良要因の分析表示装置
１５ データベース（取得部）
１６ 演算装置（代表値演算部、分析部）
１７ 表示装置（表示部）
１８ 入力装置
１９ 操作者
Claims (7)
- 生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴とする不良要因の分析表示方法。 - 生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する工程と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する工程と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する工程と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する工程と
を備え、
上記表示する工程では、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であることを特徴とする不良要因の分析表示方法。 - 請求項１に記載の不良要因の分析表示方法において、
上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる特徴空間であることを特徴とする不良要因の分析表示方法。 - 請求項１に記載の不良要因の分析表示方法において、
上記特徴空間は、不良要因の分析の対象となった製品の中で、上記検査プロセスもしくは予め定められた設定値によって、良品と判定された製品のデータにより求められる主成分空間であることを特徴とする不良要因の分析表示方法。 - 請求項１から４の何れか一つに記載の不良要因の分析表示方法において、
上記統計手法による演算は、上記不良要因の分析の対象となった製品の中で、さらに使用者が選択した範囲の中に存在する良品もしくは不良品について実行されることを特徴とする不良要因の分析表示方法。 - 生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、上記不良要因の分析の対象となった製品について、代表値を特徴空間上に射影し、射影された特徴空間における良品もしくは不良品の中で、良品もしくは不良品の分布の中心点に最も近い距離にある製品を選択するような演算であることを特徴とする不良要因の分析表示装置。 - 生産プロセスで製造された製品における複数のデータ項目を有する生産データを、この生産プロセスから取得すると共に、上記生産プロセスで製造された製品における複数のデータ項目を有する検査データを、検査プロセスから取得する取得部と、
上記生産データおよび上記検査データに基づいて、上記製品毎に、上記生産データおよび上記検査データのうちの少なくとも一方のデータの代表値を演算する代表値演算部と、
上記演算された代表値に基づいて、上記製品の不良発生の不良要因を分析する分析部と、
上記不良要因の分析によって不良要因として抽出された上記データ項目に関して、このデータ項目に関する代表値が演算されるもとになった上記少なくとも一方のデータを表示する表示部と
を備え、
上記表示部は、表示される上記少なくとも一方のデータを、上記不良要因の分析の対象となった複数の代表値の中から、統計手法による演算を用いて選択し、
上記統計手法による演算は、分析の対象の良品もしくは不良品における上記不良要因の分析で抽出された上記データ項目に関する代表値において、良品もしくは不良品の中央値となる製品、または、良品もしくは不良品の平均値に最も近い製品を、選択するような演算であることを特徴とする不良要因の分析表示装置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009267607A JP4739447B2 (ja) | 2009-11-25 | 2009-11-25 | 不良要因の分析表示方法および不良要因の分析表示装置 |
| PCT/JP2010/071029 WO2011065428A1 (ja) | 2009-11-25 | 2010-11-25 | 不良要因の分析表示方法および不良要因の分析表示装置 |
| CN2010800533275A CN102667831A (zh) | 2009-11-25 | 2010-11-25 | 不合格原因的分析显示方法及不合格原因的分析显示装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009267607A JP4739447B2 (ja) | 2009-11-25 | 2009-11-25 | 不良要因の分析表示方法および不良要因の分析表示装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011113195A JP2011113195A (ja) | 2011-06-09 |
| JP4739447B2 true JP4739447B2 (ja) | 2011-08-03 |
Family
ID=44066533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009267607A Expired - Fee Related JP4739447B2 (ja) | 2009-11-25 | 2009-11-25 | 不良要因の分析表示方法および不良要因の分析表示装置 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP4739447B2 (ja) |
| CN (1) | CN102667831A (ja) |
| WO (1) | WO2011065428A1 (ja) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6081146B2 (ja) * | 2012-10-31 | 2017-02-15 | 株式会社東芝 | データ監視装置 |
| JP6116445B2 (ja) * | 2013-02-18 | 2017-04-19 | 株式会社神戸製鋼所 | 品質異常の原因推定支援システム |
| JP6233061B2 (ja) * | 2014-01-30 | 2017-11-22 | オムロン株式会社 | 品質管理装置、品質管理方法 |
| WO2016063897A1 (ja) | 2014-10-23 | 2016-04-28 | 古河産機システムズ株式会社 | 造粒機の運転条件の評価装置及び評価方法 |
| CN104990893B (zh) * | 2015-06-24 | 2017-12-29 | 南京富岛信息工程有限公司 | 一种基于相似判别的汽油辛烷值检测方法 |
| JP6903142B2 (ja) * | 2017-09-21 | 2021-07-14 | 株式会社アダコテック | 異常検出装置、異常検出方法及びプログラム |
| CN108803518A (zh) * | 2018-06-22 | 2018-11-13 | 苏州和必尔斯电子科技有限公司 | 一种用于电子科技的出厂产品检测*** |
| TWI811523B (zh) * | 2019-03-19 | 2023-08-11 | 日商住友重機械工業股份有限公司 | 支援裝置、支援方法、支援程式及廠房 |
| JP7370044B2 (ja) * | 2019-10-04 | 2023-10-27 | 株式会社Ｎｔｔデータ | 監視条件決定装置、監視条件決定方法、及びプログラム |
| CN112949955A (zh) * | 2019-12-10 | 2021-06-11 | 无锡市环宇脚手架有限公司 | 一种产品加工工艺的改进方法 |
| JP7406441B2 (ja) | 2020-04-08 | 2023-12-27 | 株式会社日立製作所 | 製造不良要因探索方法、及び製造不良要因探索装置 |
| JP2021189466A (ja) * | 2020-05-25 | 2021-12-13 | 株式会社日立製作所 | 要因推定システムおよび装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3576335B2 (ja) * | 1996-10-31 | 2004-10-13 | 松下電器産業株式会社 | プロセス加工工程の異常抽出方法及び装置 |
| JP2004326339A (ja) * | 2003-04-23 | 2004-11-18 | Renesas Technology Corp | 品質管理装置 |
| JP4250552B2 (ja) * | 2004-03-03 | 2009-04-08 | 株式会社東芝 | 製造装置管理システム、製造装置管理方法及びプログラム |
| JP2005284664A (ja) * | 2004-03-29 | 2005-10-13 | Toshiba Corp | データ分析プログラムおよびデータ分析方法 |
| JP2006351667A (ja) * | 2005-06-14 | 2006-12-28 | Sharp Corp | 情報管理システム |
| JP4191772B1 (ja) * | 2007-06-27 | 2008-12-03 | シャープ株式会社 | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
| JP5242959B2 (ja) * | 2007-07-11 | 2013-07-24 | シャープ株式会社 | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 |
-
2009
- 2009-11-25 JP JP2009267607A patent/JP4739447B2/ja not_active Expired - Fee Related
-
2010
- 2010-11-25 WO PCT/JP2010/071029 patent/WO2011065428A1/ja active Application Filing
- 2010-11-25 CN CN2010800533275A patent/CN102667831A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN102667831A (zh) | 2012-09-12 |
| JP2011113195A (ja) | 2011-06-09 |
| WO2011065428A1 (ja) | 2011-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4739447B2 (ja) | 不良要因の分析表示方法および不良要因の分析表示装置 | |
| JP5071475B2 (ja) | 重回帰分析による予測モデルの作成方法、作成装置、作成プログラム | |
| JP4855353B2 (ja) | 製品の品質改善条件解析装置、解析方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 | |
| JP4394728B2 (ja) | 影響要因特定装置 | |
| JP4911055B2 (ja) | バッチプロセスデータの解析装置およびそれを用いた異常検出／品質推定装置 | |
| JP7102941B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
| JP4568786B2 (ja) | 要因分析装置および要因分析方法 | |
| CN109523188B (zh) | 面向人机界面显示的舰员认知特性工效测评方法及*** | |
| JP2009009299A (ja) | 異常要因特定方法およびシステム、上記異常要因特定方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| Solke et al. | Analysis of relationship between manufacturing flexibility and lean manufacturing using structural equation modelling | |
| EP1376393A2 (en) | Method and apparatus for data analysis | |
| JP4355193B2 (ja) | 半導体デバイスの製造方法及び半導体デバイス製造システム | |
| JP2019028932A (ja) | 不良原因抽出システム及びその方法 | |
| JP5501908B2 (ja) | 要因分析方法、要因分析装置、及び記録媒体 | |
| JP5248238B2 (ja) | 鋼板製造実績データベース検索装置，鋼板製造実績データベース検索プログラム | |
| CN113569970B (zh) | 量化特征指标对标签影响的分析方法、***、介质和终端 | |
| JP6715705B2 (ja) | 不良原因探索システム、及び不良要因探索方法 | |
| RU2470352C1 (ru) | Способ статистического регулирования технологического процесса (варианты) | |
| JP7281708B2 (ja) | 不良品の発生に寄与する装置特定のための製造条件計算装置、製造条件計算方法及び製造条件計算プログラム | |
| CN111178576B (zh) | 基于炼化装置运行数据的操作优化方法 | |
| JP7479534B2 (ja) | 情報処理装置、推定装置、分析装置、情報処理方法及びコンピュータープログラム | |
| JP2012038012A (ja) | 不良要因抽出装置、不良要因抽出方法、プログラム、および記録媒体 | |
| Mikulová et al. | Detailed analysis of GRR study results and their visualization | |
| JP2018120538A (ja) | 処理フロー管理装置及び処理フロー管理方法 | |
| JP2023028244A (ja) | 品質不良要因抽出方法および品質不良要因抽出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110311 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110405 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110427 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140513 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |