JP6116445B2 - 品質異常の原因推定支援システム - Google Patents

Description

本発明は、品質検査工程を含む複数の工程から構成される製造ラインにおいて製造された製造物について、（製造ライン外で実施される）品質検査工程にて発見された品質異常の原因を推定する作業をオペレータが行うに際し、この推定作業を支援する支援システムに関する。

鉄鋼業における線材または鋼板の製造工程においては、製造された製品に対して品質を検査する品質検査工程を備える。この品質検査工程における試験の成績が、顧客から指定された値および／または社内の品質管理基準値を満足しなかった場合（＝品質不良、品質異常）には、再検査または廃却となり無駄なコストが発生する。
このような品質不良または品質異常が発生した場合、再発を防止するために、製造データセット（たとえば、圧延中の温度、通材速度、冷却水量等の項目について製造中に測定した値であって数百項目からなる製造データ項目）から、品質異常の原因を調査して突き止める対策を実施する必要がある。

この原因を調査する際には、大きく分けて
（１）通常と異なる値を示す製造データ項目（特異性）
（２）その項目の値の違いが品質試験成績に及ぼす相関関係（共通性）
の観点での判断が必要となる。
これらのいずれの判断も、調査の際に用いる製造データセットに依存する。たとえば、直近１年分の製造データセットを用いた場合と、直近１ヶ月分の製造データセットを用いた場合とでは、その間に製造方法を変更したなどの変化があった場合、判断が異なってくる（原因が異なってくる）可能性がある。また、製造データ項目は数値情報および文字情報を合わせて数百項目にのぼり、（１）で評価しなければならない項目は多い。さらに、常に同じ一つの原因で品質不良が発生するわけではなく、（２）において明確な相関関係（製造条件が関与する品質異常の傾向）が見られない場合も多く、判断が困難となっている。

このように、多数の項目を対象として、判断に必要な製造データセットの選定が必要であり、選定した製造データセットから必ず判断できるとは限らないなど、特に、経験の少ない非熟練者にとっては、この品質異常の原因を推定する作業は難しい。
そこで、判断に用いるべき製造データセットの抽出支援も含む、製造データに基づく、品質異常の原因推定作業を支援するためのシステムが望まれていた。このようなシステムに関係する一般的な技術が、以下の文献に開示されている。

特開２００７−５８８０６号公報（特許文献１）に開示された製造条件計算装置は、過去の製品に係る製造条件を示すｐ種類の条件データをｒ種類（ｒ≦ｐ）の主成分得点に変換し、過去の製品の品質を示す品質データと主成分得点との関係を回帰分析して、品質データと主成分得点との関係を示す回帰式を求め、回帰式中の主成分得点を元の条件データへ戻すことにより、現実に得られる製造条件と製品の品質との関係を明らかにする。さらに、この製造条件計算装置は、実際に製品を製造する際の設備上の各種の制約内で、目標とする鉄鋼製品の品質を実現するために最適な製造条件を一義的に決定する。

特開平８−１１８４４３号公報（特許文献２）に開示された製品品質影響要因解析方法は、射出成形作業に関連する諸条件のデータを各々予め決められた成形サイクル毎に検出してデータ列として記憶し、該各データ列より前記条件を関連性のあるグループに分類する多変量解析を行い、データ列の変化の特徴が類似した条件同志をグループ化し、このグループ化された条件によって射出成形機で成形された製品の品質影響要因を解析する。

さらに、特開平９−２９７６８６号公報（特許文献３）に開示されたデータマイニング装置は、相関ルールの取捨選択の基準である支持度と確信度とが格納された取捨基準情報に基づき、データベース中のデータの属性間に存在する相関ルールを生成する相関ルール生成手段と、有効性が予め確認されている相関ルールの集合である業務知識ベースと、前記相関ルール生成手段により生成された相関ルールと前記業務知識ベースとから相関ルールの仮説である仮説相関ルールを生成する仮説相関ルール生成手段と、前記仮説相関ルール生成手段により生成された仮説相関ルールが前記データベース中のデータにおいて成立する確率を調べ、この確率が前記取捨基準情報の確信度を上まわる前記仮説相関ルールを補足相関ルールとして採用する仮説相関ルール検証手段とを備えたことを特徴とする。

特開２００７−５８８０６号公報 特開平８−１１８４４３号公報 特開平９−２９７６８６号公報

製造ラインにおけるオペレータは、トラブルを回避しつつ、生産性を落とすことなく、しかも規定の品質を満たした製造物を製造できるように、製造ラインにおける生産条件を決定することになる。加えて、製造物に何らかの品質異常が発生した場合、その原因を推定し、原因となっている工程に対して処置を行うようにする。このとき、経験豊富なオペレータだと、様々な情報を広範囲な観点から、過去の様々な経験を並列的に判断し、品質異常の原因を推定することができる。

しかしながら、経験の浅いオペレータの場合、上述した品質異常の原因の推定が困難であることが多い。この状況を改善すべく、特許文献１〜特許文献３の技術を採用しようとしても、以下に述べる困難が存在する。
例えば、特許文献１に開示された製造条件計算方法は、製造データと製品の品質との関係を明らかにし、目標とする品質を実現するための適切な製造条件を求めることができる。しかしながら、同じ製造条件の元で製造された製品の製造データを用いて、主成分分析を利用して品質と製造条件との関係を導出している。品質と製造条件との関係を評価するにあたり、数値データ以外が扱えず、また、対象とするデータセットも、同じ製造条件の元で製造された製品との記述のみで、その選択方法などは示されておらず、品質異常の原因を推定する作業を十分に支援できるとはいえない。

特許文献２に開示された製品品質影響要因解析方法は、製品の良否判別に有益なデータを的確に選択することができ、また成形以上を解消するための成形条件を容易に判断して適当な調整作業を行うことができる。しかしながら、製品の良否判断に用いる諸条件データセットを選択して主成分分析を用いるにあたり数値項目のみを扱うため、また、標準化した諸条件データを用いており、ユーザの判断を支援する使い方を前提とする場合にはユーザにわかりにくく使いづらく、品質異常の原因を推定する作業を十分に支援できるとはいえない。

特許文献３に開示されたデータマイニング装置は、既知の相関ルールの蓄積である業務知識ベースを利用し、有効な相関ルールを効率的に生成可能とする。しかしながら、データ項目間に見られる規則（相関ルール）を抽出する際、特定のクラスタ（データセット）内で有効な規則を抽出可能とするにあたり、このクラスタを事前にデータベースに知識として登録しておく必要があり、品質異常の原因を推定する作業を十分に支援できるとはいえない。

そこで、本発明は上記問題点を鑑み、製造物の品質異常の原因を推定する作業をオペレータが行うに際し、オペレータが原因を絞り込むことができ、品質異常の原因を推定する作業を十分に支援することのできるような、品質異常の原因推定支援システムを提供することを目的とする。

上述の目的を達成するため、本発明においては以下の技術的手段を講じた。
本発明に係る品質異常の原因推定支援システムは、品質検査工程を含む複数の工程から構成される製造ラインにおいて製造された製造物の品質異常の原因を推定する作業をオペレータが行うに際し、前記推定作業を支援する支援システムであって、前記支援システムは、オペレータが確認可能な表示器を有し、前記表示器には、品質評価の指標と製造工程における第１の条件との相関関係が表示され、表示された相関関係に基づいて表示器上でオペレータが指定した範囲の品質評価の指標と、前記第１の条件とは異なる第２の条件との相関関係が自動的に表示され、前記第１の条件及び第２の条件は、製造工程における温度で表される数値情報、圧力で表される数値情報、水量で表される数値情報、又は複数の装置で構成された工程において１の装置を特定する文字情報であり、前記第１の条件が前記数値情報又は文字情報のうちのいずれか一つであり、第２条件が前記第１の条件とは異なるいずれか一つであり、前記第１の条件又は第２の条件が前記数値情報である場合、前記数値情報及び／又は該数値情報に関連する他の数値情報の時系列変化が表示可能なように構成されていることを特徴とする。

さらに好ましくは、前記製造工程における複数の条件に対して決定木学習を適用することで、前記第２の条件が選定されるように構成することができる。
さらに好ましくは、前記表示器には、当該表示器上においてオペレータが品質評価指標の範囲を指定しなくなるまで、品質評価の指標と異なる条件との相関関係が繰り返し表示されるように構成することができる。

さらに好ましくは、前記表示器には、前記相関関係が繰り返し表示される場合において、品質異常との強い相関関係が認められない条件であった場合には、オペレータが品質評価の指標の範囲を再指定することができる態様で表示されるように構成することができる。

さらに好ましくは、前記時系列変化の表示に加えて、前記品質異常に関する評価を、前記表示器に表示可能なように構成されていることを特徴とする。
好ましくは、前記第１の条件及び第２の条件は、製造工程における温度で表される数値情報、圧力で表される数値情報、水量で表される数値情報、又は複数の装置で構成された工程において１の装置を特定する文字情報であり、前記第１の条件又は第２の条件が前記数値情報である場合、前記表示器に、前記数値情報及び／又は該数値情報に関連する他の数値情報とに基づいた前記品質異常に関する多変量での評価を表示可能なように構成されていることを特徴とする。

本発明に係る品質異常の原因推定支援システムによれば、鋼材などに発生した品質異常の原因を、オペレータの経験度合いに左右されることなく、確実に推定して、品質異常の原因を推定することができるようになる。

本発明の第１実施形態に係る品質異常の原因推定支援システムが適用される一例である熱間圧延ラインの一部を模式的に示す図である。 図１の支援システムの表示器に表示される品質異常の原因を推定する対象を選択する画面例を示す図である。 図１の支援システムの表示器に表示される品質異常の範囲を選択する画面例を示す図である。 図１の支援システムの表示器に表示される品質の偏りについての画面例であって、（Ａ）は数値項目の例を示す図であって、（Ｂ）は文字項目の例を示す図である。 図１の支援システムの表示器に表示される品質異常の原因を推定する画面例の遷移状態を示す図である。 本発明の第２実施形態に係る品質異常の原因推定支援システムの表示器に表示される品質の偏りについての画面例であって、数値項目の例を示す図である。 図６の画面例に示された数値項目、及び該数値項目に関連する他の数値項目が表示された画面例を示す図である。 図７の画面例で選択された数値項目についての実績値を時系列で示す表示の一例を示す図である。 本発明の第３実施形態に係る品質異常の原因推定支援システムの表示器に表示される品質の偏りについての画面例であって、数値項目の例を示す図である。 図９の画面例に示された数値項目、及び該数値項目に関連する他の数値項目が表示された画面例を示す図である。 図１０の画面例で選択された複数の数値項目に基づいた多変量解析によって品質異常に関する評価を示す表示の一例を示す図である。

以下、本発明の実施形態に係る品質異常の原因を推定する作業の支援システム（以下において単に支援システムと記載する場合がある）１０Ａを、図を参照して説明する。なお、以下においては、支援システム１０Ａによる支援対象の製造工程（製造ライン）を熱間圧延工程（熱間圧延ライン）とするが、これは一例であって、本発明に係る品質異常の原因推定支援システムがこのような熱間圧延工程を対象とするものに限定されるものではない。
［第１実施形態］
図１は、本実施形態による支援システム１０Ａおよびその支援システム１０Ａが設けられた熱間圧延ライン１を示す模式図である。

本実施形態による支援システム１０Ａは、オペレータＭによる熱間圧延ライン１の操業を支援するものであって、より詳しくは、熱間圧延ライン１により製造された製造物である線材または鋼板に発生した品質異常の原因を推定する作業を支援するものである。
以下において、この支援システム１０Ａについて詳しく説明するが、まず、この支援システム１０Ａの適用対象となる加熱炉２とそれに続く熱間圧延ライン１の構成について説明する。

＜熱間圧延ラインの概略＞
図１には、加熱炉２および冷却帯７を含む熱間圧延ライン１の一部が模式的に示されている。
熱間圧延ライン１は、圧延材Ｗを加熱する加熱炉２と、加熱された圧延材Ｗを圧延する複数の粗圧延機３及び仕上圧延機４と、圧延作業が完了した鋼板を冷却する冷却帯７と、冷却された鋼板をコイル状に巻き取るコイラ５を備えている。さらに、熱間圧延ライン１において製造された鋼板の品質を測定するために、複数の測定器９が設けられている。

このような熱間圧延ライン１は、複数の製造工程により構成され、各製造工程には、上述したように加熱炉２、粗圧延機３、仕上圧延機４、および、冷却帯７等の製造設備が設けられている。この熱間圧延ライン１自体が複数のラインで構成されている場合もあるし、熱間圧延ライン１自体が１のラインであっても各工程における製造設備が複数設けられている場合もある。すなわち、この熱間圧延ライン１を構成する１の製造工程には、同じ処理をするが設備（機台）としては異なる複数の製造設備が設けられている。

さらに、加熱炉２、粗圧延機３、仕上圧延機４、および、冷却帯７等の各製造設備には、分散制御用のコントローラである制御器８がそれぞれ設けられ、この制御器８は支援システム１０Ａを構成する上位コンピュータ（以下において単にコンピュータと記載する場合がある）１２に接続されている。制御器８は、各製造設備に設けられた計測器（温度計、圧力計等）により計測された温度、時間（加熱時間、冷却時間）、圧力等を検出して、コンピュータ１２へデータ送信する。なお、制御器８の上位コンピュータと支援システムのコンピュータとを別々のコンピュータにより構成するようにしても構わない。

ここで、冷却帯７は、鋼板の移送方向に連なるように配置された複数個の冷却バンク（冷却バンクＡ，Ｂなど）を備えている。各冷却バンクには、鋼板に向けて冷却水（冷却材）を吹き付ける冷却ノズルが複数備えられており、図１に示すように、冷却バンクＡは、冷却ノズルＡ１，Ａ２，Ａ３，Ａ４を有し、冷却バンクＢは、冷却ノズルＢ１，Ｂ２，Ｂ３，Ｂ４を有している。

各冷却ノズルは冷却材の流量をオン・オフ制御可能なバルブを有している。このバルブを開状態にすると冷却材が冷却ノズルから噴出するため、開状態のバルブ数（開バルブ本数）を変更することで、冷却ノズルから鋼板に吹き付けられる冷却材の全量が変わる。このように、各冷却ノズルから噴出する冷却材の量を調整することで、例えば、冷却バンクＡにおいて、鋼板の移送方向における上流側に設けられた冷却ノズルＡ１，Ａ２と下流側に設けられた冷却ノズルＡ３，Ａ４が噴出する冷却材の量を変化させることで、鋼板温度の降下量及び降下速度を様々に調整することができる。

加熱炉２は、圧延によって薄板等に加工される圧延材Ｗを、例えば１０００℃以上となるように加熱する。加熱された圧延材Ｗは、加熱炉２から抽出されて粗圧延機３へと搬送され、所定の厚みとなるように複数の粗圧延機３によって粗圧延が施される。粗圧延を終えると、複数の仕上圧延機４によって仕上圧延が施される。冷却帯７で所望の温度まで鋼板の温度が下げられた後、コイラ５により鋼板が巻き取られる。

その後、コイラ５により巻き取られた圧延鋼板は、測定器９により所定の試験が行われて、品質評価の指標（たとえば鋼板の強度）が検出される。測定器９は、検出された測定結果を、コンピュータ１２へデータ送信する。このように、本実施形態においては、製造ラインに、品質を検出する測定器が設けられているインライン式検査工程ではなく、製造ラインとは別に測定器９が設けられているオフライン式検査工程を備えるものとするが、本発明はこのようなオフライン式検査工程に限定されるものではない。

コンピュータ１２は、制御器８から受信した製造データ（製造履歴）および測定器９から受信した品質評価（試験成績）を記憶装置に記憶して、製造実績データベース１３を構築する。この製造実績データベース１３に記憶される一例を以下の表に示す。

この表に示すように、ある種類（鋼種）の圧延鋼板は、たとえば、熱間圧延工程を構成する複数の工程において、複数の製造設備のいずれかで処理されることを繰り返して、コイラ５に巻き取られて製造される。各製造設備における製造データ（温度、時間、圧力等）が制御器８を通じて蓄積されて、表に示す製造データをハードディスク等の記憶装置に記憶していく。一方、熱間圧延工程で製造されてコイラ５に巻き取られた圧延鋼板は、製造後に測定器９により品質評価（試験成績）が検出されて、表に示す品質評価データをハードディスク等の記憶装置に記憶していく。品質評価データは、製造ＩＤをキーとして、製造データに関連付けされて記憶される。

このように、熱間圧延工程において製造された全ての圧延鋼板について、表に示すように製造ＩＤをキーとして、製造および品質評価データから構成されるデータベースが構築される。この熱間圧延工程において製造された、ある圧延鋼板に品質異常が検出された場合、オペレータＭはこの品質異常の原因を突き止めて、その原因となっている製造設備の製造条件を調整したり、製造設備をメンテナンスしたりする必要がある。この熱間圧延工程においては、オフライン式検査工程を備え製造後に品質検査が行われており、製造から品質異常検出までにタイムラグがある。このため、品質異常を検出したタイミングまでにおいても、品質異常の圧延鋼板を製造した後に次々と圧延鋼板を製造している。このため、早急に品質異常に対応しなければ、多数の品質異常の圧延鋼板を製造することになり、原因を推定する作業に迅速性が求められる。

たとえば、品質異常が検出されると、オペレータＭがその品質異常を検出した圧延鋼板の製造データ（製造履歴）を確認する。ここでは、製造データの１つとして記憶されている温度ＸＸが通常よりも高い温度で記憶されていたとする。このような場合、同じ鋼種で過去に製造された圧延鋼板について製造データおよび品質評価データを製造実績データベース１３から読み出して、まずは、このＸＸ温度と品質異常を検出した検査項目（たとえば強度）との相関関係を調べることになる。ここで、ＸＸ温度が高いときに品質異常が多く検出されていると、ＸＸ温度が品質異常の原因として突き止めることができる。しかしながら、ＸＸ温度と品質異常を検出した検査項目（たとえば強度）との間に相関関係が見出せないと、品質異常の別の原因を突き止めなければならない。この場合、ＸＸ温度以外の製造条件を１つずつ、他の条件との関係を類推して、品質異常の原因を突き止める作業が必要となる。このような作業は、上述したように、製造データ項目は数値および文字を合わせて数百項目にのぼる上に、製造データは日々蓄積されるために、その項目の種類に加えてデータ量も膨大なものとなり、製造物の品質異常の原因を推定する作業をオペレータが行うことは、非熟練者はもちろんのこと、熟練者であっても相当に困難である。

本実施形態による支援システム１０Ａは、このように熱間圧延ライン１により製造された製造物である圧延鋼板に品質異常が検出された場合に、その品質異常の原因を推定するために、オペレータＭ（非熟練者および熟練者を含む）を支援する情報を表示器（後述する支援モニタ１１）に表示するものである。
＜支援システム＞
本実施形態に係る支援システム１０Ａの詳細について説明する。

図１に示すように、この支援システム１０Ａは、コンピュータ１２と、このコンピュータ１２に接続された表示器である支援モニタ１１と、このコンピュータ１２を経由して構築された製造実績データベース１３と、により構成される。
このように構成された支援システム１０Ａのコンピュータ１２においてプログラムが実行されて、品質異常の相関関係（共通性、規則性）が見つかる製造データセットを抽出する作業を支援する。より具体的には、品質評価（試験成績）の良かった製品の製造データおよび悪かった製品の製造データを対象に、品質評価と製造データとの間に見られる相関関係を抽出して、オペレータＭに支援モニタ１１を介して提示する。このような支援システム１０Ａによると、品質の悪かった原因を発見することを支援することができ、的確な対策を迅速に実施することができるようになる。

さらに具体的には、この支援システム１０Ａの支援モニタ１１には、品質異常の原因に関する情報が、オペレータＭが原因を絞り込むことができる態様で表示される。この場合において、支援モニタ１１には、品質評価の結果（指標）と製造工程における１つめの条件（第１の条件）との相関関係が表示され、表示された相関関係に基づいて支援モニタ１１上でオペレータＭが指定した範囲の品質評価の結果（指標）と、１つ目の条件（第１の条件）とは異なる２つめの条件（第２の条件）との相関関係が自動的に表示される。そして、このように、支援モニタ１１上でオペレータＭが品質評価の結果（指標）の範囲を指定することを繰り返して次々に条件が変更されて相関関係が繰り返し表示されて、品質異常と強い相関関係が認められた条件を品質異常の原因としてオペレータが絞り込むことができる態様で支援モニタ１１に表示される。さらに、製造工程における複数の条件に対して決定木学習を適用することで、条件が選定されるように構成されている。これにより、自動的に相関関係が表示される。

支援モニタ１１は、液晶モニタやＣＲＴモニタで構成され、コントロール室内に設置されている。オペレータＭは常にこの支援モニタ１１を視聴可能な状態となっている。この支援モニタ１１はコンピュータ１２に接続されていて、このコンピュータ１２は、支援モニタ１１にて表示する情報を算出する。
このコンピュータ１２は、内部に演算装置を備えると共にプログラムを記憶する記憶装置（メモリ等）を備えていて、コンピュータ１２に対する指示および／または外部からの信号を取り込むための入力装置および／または演算結果を表示する出力装置（ここでは支援モニタ１１を備えている。

＜支援システムの処理手順＞
以下において、支援システム１０Ａのコンピュータ１２において実行されるプログラムにより、品質異常の原因を推定する作業を支援する手順について説明する。この手順は、フローチャートを図示していないが、コンピュータ１２により実行されるプログラムのフローチャートに対応する。

＜＜第１のステップ＞＞品質異常の原因を推定する製造物の選択処理
まず、測定器９において品質異常の圧延鋼板を検出すると、支援モニタ１１に図２の画面が自動的に表示される。なお、ここでは、品質項目を強度とした例を示すために、品質評価の指標は強度の数値となる。また、良品指標をしきい値Ａ以下と定められている。このようにしておくと、測定器９でしきい値Ａよりも高い強度が検出された圧延鋼板について、製造ＩＤおよび鋼種等とともに、支援モニタ１１に品質異常が発生した情報が図２に示すように自動的に表示させることができる。この図２に示す画面は、自動的ではなく、オペレータＭがコンピュータ１２の入力装置（キーボードやマウス）を用いて画面を呼び出すこともできる。

図２に示す画面において、オペレータＭが品質異常の原因を推定したい場合には、解析対象製品ＩＤ、類似キーおよび品質項目を、たとえばプルダウン方式や直接入力方式で、オペレータＭが選択する。ここで、解析対象製品ＩＤは、上述した表の製造ＩＤに対応している。類似キーとしては、解析対象製品と類似するとオペレータＭが考える諸元が選択される。たとえば、この類似キーは、鋼種の他に、圧延鋼板のサイズ、顧客名（顧客によっては特殊な製法を採用しているため）等が考えられる。品質項目は、測定器９により測定される検査項目に対応しており、強度の他に、表面硬さ、表面疵形状等の測定器９により測定できる項目が考えられる。

なお、製造実績データベース１３に蓄積されているデータの中で、以下の支援処理に用いるデータの範囲を選択（たとえば製造期間により選択）するようにしても構わない。
全ての選択が終わると、オペレータＭは画面上に表示された選択ボタンをクリック等する。これを検出したコンピュータ１２は、次の処理に移行する。
＜＜第２のステップ＞＞品質異常の範囲の選択処理
上述のように選択されると、選択された内容に従って、解析対象製品の品質良好範囲（以下単に品良と記載する場合がある）および品質不良範囲（以下単に品悪と記載する場合がある）をオペレータＭが指定する。このとき、図３に示すように、品質項目Ａ（強度）の評価の分布（ヒストグラム）が表示される。これは、オペレータＭにより選択された内容に従って、コンピュータ１２が製造実績データベース１３から過去の製造実績を読み出して分布が分かるように表示している。

図３に示すように、オペレータＭは、標準偏差の情報等に用いて、品質が極端に良好である範囲および品質が極端に不良である範囲を選択する。品質項目が強度である場合、強度を示す数値が低いほど品質良好であって、強度を示す数値が高いほど品質不良であるので、たとえば、平均より＋２σ以上離れた範囲を品悪範囲として、平均よりー２σ以上離れた範囲を品良範囲として選択する。このとき、オペレータＭは、品質分布の中で品良範囲および品悪範囲をドラッグして選択ボタンをクリックすることにより選択する。このように、オペレータＭが、品良範囲の極端な領域および品悪範囲の極端な領域を選定することにより、品質の偏りに基づいて、品質の差があまりないデータを排除して誤差を少なくして原因を抽出することができるので、精度高く原因を推定することができるようになる。

＜＜第３のステップ＞＞分析対象データの選択処理および原因の抽出
選択された製品ＩＤおよび品質項目、類似キー等の製造実績データを製造実績データベース１３から抽出して、熱間圧延工程における製造条件と上述のように選択した品良範囲および品悪範囲との情報を支援モニタ１１に表示する。この製造条件の抽出には、たとえば、確率をベースとした決定木学習等の手法が用いられる。なお、この決定木学習は、公知であるので、ここでの詳細な説明は繰り返さない。

このとき、図４（Ａ）に示すように、製造条件としてＸＸ温度（例えば、加熱炉２の出側温度）が抽出された場合には、すなわち製造条件が数値情報（数値項目）である場合には、横軸が製造データ項目（ここではＸＸ温度）であって縦軸が品質項目の評価（強度の数値）である評価の分布を示す図が示される。さらに、オペレータＭが選択した品良範囲および品悪範囲のしきい値（ここではＸＸ温度のしきい値ｘｘ℃）が示される。

この図４（Ａ）について説明する。図４（Ａ）は、ＸＸ温度と強度との相関関係を示しており、しきい値ｘｘ℃よりも低温では品悪が多いが、しきい値ｘｘ℃よりも高温では約５０％の確率で品良となっている。全体としては、ＸＸ温度の特定の範囲において、品悪と品良とが明確に分離されているわけではない。すなわち、ＸＸ温度の全範囲に亘って品悪が発生している。一方、ＸＸ温度がしきい値ｘｘ℃よりも高温の範囲においては、品良と品悪とがほぼ半々発生している。このような場合には、品質異常の原因はこのＸＸ温度であるとは言えず、さらに原因を推定する必要がある。このとき、ＸＸ温度がしきい値ｘｘ℃よりも高温の範囲においては、他の原因により品良と品悪とが発生していることは容易に類推できる。このため、オペレータＭはＸＸ温度がしきい値ｘｘ℃よりも高温の範囲のデータを選択して選択ボタンをクリックする。すると、コンピュータ１２は、選択されたデータについて学習木手法を用いて品良と品悪とを区別できるパラメータ（製造条件）を抽出して、この次の画面として支援モニタ１１に表示する。１つの製造条件の全範囲に亘って品悪と品良とが明確に分離されるまで、このような処理を繰り返すことにより、最終的に１つの原因を抽出することになる。

また、このとき、図４（Ｂ）に示すように、製造条件として測定器９の種類が抽出された場合には、すなわち製造条件が文字情報（文字項目）である場合には、横軸が文字項目（ここでは測定器９を特定する文字情報）であって縦軸が品質項目の評価の比率（品良件数と品悪件数との比率）を示す図が示される。図４（Ｂ）においては、文字項目別に品質項目の結果の比率を表示する棒グラフを示しているが、円グラフ等の他の表示態様であっても構わない。

この図４（Ｂ）について説明する。図４（Ｂ）は、測定器Ｇにおける品悪と品良との検出比率および測定器Ｇ以外における品悪と品良との検出比率を示しており、測定器Ｇではほとんど品悪を検出していないのに対して、測定器Ｇ以外では相当に高い割合で（品良は品良、品悪は品悪として）品悪を正しく検出していると想像できる。すなわち、測定器Ｇは品悪の検出を取り逃がしているとも考えられるので、このような場合、正しく品質項目を検出していると想像できる測定器Ｇ以外のデータを選択して選択ボタンをクリックする。このように選択すると、解析対象の製造データの中に品良のデータと品悪のデータとが適宜な割合で混在させることができるので精度高く原因を推定することができる。すると、コンピュータ１２は、選択されたデータについて決定木学習法を用いて品良と品悪とを区別できるパラメータ（製造条件）を抽出して、この次の画面として支援モニタ１１に表示する。１つの製造条件の全範囲に亘って品悪と品良とが明確に分離されるまで、このような処理を繰り返すことにより、最終的に１つの原因を抽出することになる。このように、文字情報を用いることができることが本発明の１つの特徴となっている。

なお、最終的に１つの原因が抽出されたとオペレータＭが判断すると支援モニタ１１上においてオペレータＭが品質評価指標（図４（Ａ）では強度数値）の範囲を指定しなくなる。このように指定しなくなるまで、品質評価の指標と異なる条件との相関関係が繰り返し表示される。
また、このように相関関係が繰り返し表示される場合において、品質異常（品悪）との強い相関関係が認められない製造条件であった場合には、オペレータＭが品質評価の指標の範囲を再指定することができる。すなわち、図４（Ａ）のように範囲を指定することができないとオペレータＭが判断した場合には、１つ前の製造条件と品質項目の指標との相関関係を示す画面に戻って、オペレータＭにより品質評価の指標の範囲を再指定させて、決定木学習の手法を用いて別の製造条件を抽出する。

なお、最終的に抽出された１つの原因が、真の原因であるか否かの最終判断はオペレータＭにより行われて、その最終判断に従い、熱間圧延工程の製造設備等が調整されることになる。
＜支援システムの作動態様＞
以上述べた支援システム１０Ａを用いて、品質異常の原因を推定する手法について、以下述べる。

図１に示すような熱間圧延ライン１において、線材または圧延鋼板を製造している状況を考える。線材または圧延鋼板は、複数の処理工程を、所定の速度で通過されることによって製造される。製造後に、測定器９により品質検査が行われる。
品質異常が発生すると（すなわち、測定器９でしきい値Ａよりも高い強度が検出されると）、製造ＩＤおよび鋼種等とともに支援モニタ１１に品質異常が発生した情報が図２の上段に示すように表示される。

これを見たオペレータＭが、品質異常の原因を推定したい場合には、図２の下段に示すように、解析対象製品ＩＤ、類似キーおよび品質項目をプルダウン方式で選択する。さらに、オペレータＭは、図３に示す標準偏差の情報等に用いて、品質分布の中で品良範囲および品悪範囲をドラッグして選択ボタンをクリックする。
このようにオペレータＭが操作すると、図５（Ａ）に示す図が支援モニタ１１の画面に表示される。なお、この図５（Ａ）は図４（Ａ）と同じである。

図５（Ａ）において、オペレータＭは、原因はＸＸ温度（例えば、加熱炉２の出側温度）ではないと判断して、コンピュータ１２により算出されたしきい値ｘｘ℃以上の範囲のデータを選択する。コンピュータ１２は、選択されたデータについて品悪と品良とを区別できる製造条件（パラメータ）を決定木学習の手法により抽出して、その結果を図５（Ａ）と同じように表示する（図５（Ｂ））。図５（Ｂ）に示すように、次に抽出された製造条件はＹＹ温度（例えば、粗圧延機３の入側温度）である。

図５（Ｂ）において、オペレータＭは、原因はＹＹ温度ではないと判断して、コンピュータ１２により算出されたしきい値ｙｙ℃以下の範囲のデータを選択する。コンピュータ１２は、選択されたデータについて品悪と品良とを区別できる製造条件（パラメータ）を決定木学習の手法により抽出して、その結果を図５（Ａ）および図５（Ｂ）と同じように表示する（図５（Ｃ））。図５（Ｃ）に示すように、次に抽出された製造条件はＺＺ温度（例えば、仕上圧延機４の入側温度）である。

図５（Ｃ）において、オペレータＭは、原因はＺＺ温度ではないと判断して、コンピュータ１２により算出されたしきい値ｚｚ℃以下の範囲のデータを選択する。コンピュータ１２は、選択されたデータについて品悪と品良とを区別できる製造条件（パラメータ）を決定木学習の手法により抽出して、その結果を図５（Ａ）、図５（Ｂ）および図５（Ｃ）と同じように表示する（図５（Ｄ））。図５（Ｄ）に示すように、次に抽出された製造条件はＡＡ時間（例えば、加熱炉２での加熱時間）である。

なお、図５（Ａ）、図５（Ｂ）、図５（Ｃ）、図５（Ｄ）と解析が進むに従って、解析対象のデータは減少している。
図５（Ｄ）において、オペレータＭは、原因はＡＡ時間であると判断する。このため、オペレータＭはさらにデータを選択しないで、コンピュータ１２により示されたＡＡ時間が今回の解析対象の圧延鋼板の品質不良の原因であるか否かを最終的に判断する。そして、ＡＡ時間に関連する製造設備等が調整される。

以上述べたように、本実施形態の支援システム１０Ａを用いることにより、熱間圧延工程により製造された線材または鋼板に品質不良が検出された場合に、その原因を、オペレータＭの経験度合いに左右されることなく、確実に推定したり探知したりすることができるようになる。
［第２実施形態］
図４及び図６〜図８を参照し、本発明の第２実施形態について説明する。

本実施形態による品質異常の原因を推定する作業の支援システム（以下において単に支援システムと記載する場合がある）１０Ｂは、第１実施形態による支援システム１０Ａとほぼ同様の構成を有すると共にほぼ同様の動作を実行する。具体的に、支援システム１０Ｂは、第１実施形態において図４（Ａ）及び図４（Ｂ）を用いて説明した第３のステップまでの動作を支援システム１０Ａとほぼ同様に実行するが、第３のステップ以降の動作を、第１実施形態による支援システム１０Ａとは異にする。従って、以下の説明では、本実施形態による支援システム１０Ｂの特徴的な動作である第３のステップ以降の動作について説明する。

まず図４を参照して、支援システム１０Ｂの動作における第３のステップでは、第１実施形態による支援システム１０Ａと同じく、図４（Ａ）に示すように、製造条件として数値情報（数値項目）が抽出される場合と、図４（Ｂ）に示すように、製造条件として文字情報（文字項目）が抽出される場合との２通りの場合がある。
本実施形態による支援システム１０Ｂは、第３のステップにおいて数値情報が抽出された場合の動作に特徴がある。第３のステップにおいて図６に示す数値情報（数値項目）が抽出された場合を例として、支援システム１０Ｂの動作を説明する。

図６は、抽出された数値情報として支援モニタ１１に表示された実績値であって、冷却帯７の冷却ノズルＡ１の水量（Ａ１水量）の実績値、及びその水量における品質項目Ａ（強度）の評価を示す図である。図６に示される実績値だけを見る限り、Ａ１水量を増加させると品質項目Ａの評価のばらつきが大きくなっているといえる。しかし、図６は、Ａ１水量の実績値を昇順に並べて示しているだけであり、これら昇順に並べられた実績値のばらつきだけを基にして品質異常の原因をＡ１水量の増加であると決めることはできない。

そこで図６に示すように、支援モニタ１１には、実績値と共に「時系列選択」と示されたボタンである時系列選択ボタン２０が同一画面内に表示されている。時系列選択ボタン２０は、図６に示された実績値を時系列に並べ直す指示をコンピュータ１２に出力するためのボタンである。
図６に示す支援モニタ１１の表示画面内で時系列選択ボタン２０が選択（押下）されると、コンピュータ１２は、支援モニタ１１に表示する画面を図６に示す表示から図７に示す表示に切り換える。図７は、第１実施形態で既に説明した決定木学習法によって抽出された製造条件であって、Ａ１水量に関連する製造条件であるＡ２水量、Ａ３水量、Ａ４水量、Ｂ１水量、Ｂ２水量など製造条件の具体的な項目名が表示された画面を示す図である。

支援モニタ１１に表示された図７の画面には、製造条件の項目名に記号「レ」で示すチェックマークを付す欄、「試験合格率」の項目にチェックマークを付す欄、及び「決定」と示されたボタンである決定ボタン２１が同一画面内に表示されている。ここで、試験合格率とは、品質異常を検出する試験における品質異常に関する評価であって、品質異常が検出されなかった圧延鋼板の割合のことである。また、決定ボタン２１は、チェックマークを付した項目について時系列でデータを表示する指示をコンピュータ１２に出力するためのボタンである。

支援モニタ１１に表示された図７の画面では、項目「Ａ１水量」，「Ａ４水量」と項目「試験合格率」にチェックマークが付されて選択されている。この状態で支援モニタ１１の表示画面内の決定ボタン２１が選択（押下）されると、コンピュータ１２は、支援モニタ１１に表示する画面を図７に示す表示から、図７の画面でチェックマークを付した項目についての実績値を時系列に示す表示に切り換える。

図８は、図７の画面で選択された項目についての実績値を時系列で示す表示の一例を示す図である。図８の表示では、例えば、Ａ１水量、Ａ４水量及び試験合格率の実績値が一日ごとに順にグラフで示されている。図８のグラフにおいて、斜線によるハッチングで示された棒グラフはＡ１水量の実績値を示し、点による網掛けで示された棒グラフはＡ４水量の実績値を示す。支援モニタ１１の表示画面には、数値情報であるＡ１水量及びＡ４水量の実績値の時系列変化が表示される。さらに図８では、Ａ１水量及びＡ４水量の棒グラフに重ねて、試験合格率が折れ線グラフで示されている。

オペレータＭは、図８に示すＡ１水量、Ａ４水量及び試験合格率の実績値を参照して、７日の試験合格率が低下していることに気付く。このとき、オペレータＭは、７日のＡ１水量及びＡ４水量を、例えば、試験合格率が低下する前日６日以前のＡ１水量及びＡ４水量と比較すると共に、試験合格率が回復した翌８日以降のＡ１水量及びＡ４水量と比較する。これによって、オペレータＭは、７日のＡ１水量及びＡ４水量について、Ａ１水量とＡ４水量の比率が前日６日以前と比べて逆転していたことを知ることができる。

オペレータＭは、Ａ１水量とＡ４水量の比率の逆転と試験合格率の低下との間に関連性や合理性があれば、試験合格率の低下の原因となる製造条件がＡ１水量とＡ４水量の比率の逆転にあったと判断し、当該関連性や合理性に疑いがあれば支援モニタ１１の表示を図７の画面に戻して項目の選択をやり直して、異なる項目についての実績値を図８に示すように時系列で支援モニタ１１に表示させる。

なお、図７の画面で選択する項目の数は、１つ又は２つに限らず、３つ以上の項目を選択してもよい。このように、試験合格率の低下、例えば圧延鋼板の品質不良の原因が冷却帯７にあることを突き止めたオペレータＭは、冷却帯７の該当する冷却ノズルの水量を適切に調整することができる。
以上述べたように、本実施形態の支援システム１０Ｂは、第３のステップにおいて熱間圧延工程における製造条件として数値情報（数値項目）が抽出された場合、表示器である表示モニタ１１に、数値情報（例えば、上述のＡ１水量）の時系列変化を表示可能なように構成されており、また、数値情報（例えば、上述のＡ１水量）に関連する他の数値情報（例えば、上述のＡ４水量）の時系列変化も表示可能なように構成されている。さらに、支援システム１０Ｂは、上述の時系列変化の表示に加えて、品質異常に関する評価（例えば、上述の試験合格率）を、表示モニタ１１に表示可能なように構成されている。

このような実績値の時系列の表示によって、熱間圧延工程により製造された線材または鋼板に品質不良が検出された場合に、その原因を、オペレータＭの経験度合いに左右されることなく、確実に推定したり探知したりすることができる。
［第３実施形態］
図４及び図９〜図１１を参照し、本発明の第３実施形態について説明する。

本実施形態による品質異常の原因を推定する作業の支援システム（以下において単に支援システムと記載する場合がある）１０Ｃは、第２実施形態による支援システム１０Ｂと同様に、第１実施形態による支援システム１０Ａとほぼ同様の構成を有すると共にほぼ同様の動作を実行し、第３のステップにおいて数値情報が抽出された場合の動作に特徴がある。

具体的に、本実施形態による支援システム１０Ｃは、第１実施形態において図４（Ａ）及び図４（Ｂ）を用いて説明した第３のステップまでの動作を第１実施形態による支援システム１０Ａとほぼ同様に実行するが、第３のステップ以降の動作を、第１実施形態による支援システム１０Ａとは異にする。従って、以下の説明では、本実施形態による支援システム１０Ｃの特徴的な動作である第３のステップ以降の動作について説明する。

まず図４を参照して、支援システム１０Ｃの動作における第３のステップでは、第１実施形態による支援システム１０Ａと同じく、図４（Ａ）に示すように、製造条件として数値情報（数値項目）が抽出される場合と、図４（Ｂ）に示すように、製造条件として文字情報（文字項目）が抽出される場合との２通りの場合がある。
第３のステップにおいて図９に示す数値情報（数値項目）が抽出された場合を例として、支援システム１０Ｃの動作を説明する。

図９は、抽出された数値情報として支援モニタ１１に表示された実績値であって、冷却帯７の冷却ノズルＡ１の水量（Ａ１水量）の実績値、及びその水量における品質項目Ａ（強度）の評価を示す図である。この図９に示す支援モニタ１１に表示された実績値は、第２実施形態で説明した図６に示される実績値とほぼ同様であるが、図９に示す支援モニタ１１では、実績値と共に「多変量解析項目選択」と示されたボタンである多変量解析項目選択ボタン３０が同一画面内に表示されている点が、図６とは異なる。多変量解析項目選択ボタン３０は、図６に示された実績値（数値情報）及び該実績値に関連する他の実績値（数値情報）に基づいた多変量解析によって、品質異常に関する多変量での評価を支援モニタ１１に表示するための指示をコンピュータ１２に出力するためのボタンである。

図９に示す支援モニタ１１の表示画面内で多変量解析項目選択ボタン３０が選択（押下）されると、コンピュータ１２は、支援モニタ１１に表示する画面を図９に示す表示から図１０に示す表示に切り換える。図１０に示す表示は、第２実施形態で既に説明した図７と同様の表示であり、第１実施形態で既に説明した決定木学習法によって抽出された製造条件であって、Ａ１水量に関連する製造条件であるＡ２水量、Ａ３水量、Ａ４水量、Ｂ１水量、Ｂ２水量など製造条件の具体的な項目名が表示された画面を示す図である。

支援モニタ１１に表示された図１０の画面には、製造条件の項目名に記号「レ」で示すチェックマークを付す欄、「試験合格率」の項目にチェックマークを付す欄、及び「決定」と示されたボタンである決定ボタン３１が同一画面内に表示されている。ここで、試験合格率とは、品質異常を検出する試験において品質異常が検出されなかった圧延鋼板の割合のことである。また、決定ボタン３１は、チェックマークを付した複数の項目に基づいた品質異常に関する多変量での評価を表示する指示をコンピュータ１２に出力するためのボタンである。

支援モニタ１１に表示された図１０の画面では、項目「Ａ１水量」，「Ａ４水量」と項目「試験合格率」にチェックマークが付されて選択されている。この状態で支援モニタ１１の表示画面内の決定ボタン３１が選択（押下）されると、コンピュータ１２は、支援モニタ１１に表示する画面を図１０に示す表示から、図１０の画面でチェックマークを付した複数の項目に基づいた多変量解析によって品質異常に関する試験の合否を示す表示に切り換える。

図１１は、図１０の画面で選択された複数の項目に基づいた多変量解析によって品質異常に関する試験の合否、つまり品質異常に関する評価を示す表示の一例を示す図である。図１１の表示では、例えば、Ａ１水量、Ａ４水量に基づいた多変量解析の一種である主成分分析の結果と品質異常に関する試験の合否（試験成績）がプロットされた画面が示されている。図１１のプロット表示において、横軸は、第一主成分としてＡ１水量及びＡ４水量の組み合わせである成分（−３・Ａ１＋２・Ａ４）を示し、縦軸は、第二主成分としてＡ１水量及びＡ４水量の組み合わせである成分（２・Ａ１＋３・Ａ４）を示している。図１１では、これら第一主成分及び第二主成分に対応する試験成績がプロットされており、小径の円で示される試験結果は合格を示し、反対に大径の円で示される試験結果は不合格を示す。

オペレータＭは、支援モニタ１１に表示された図１１に示す表示を参照して、第一主成分の値が大きく、且つ第二主成分の値も大きい右上の領域に小径の円で示される合格の試験結果が多いことに気付く。つまり、オペレータＭは、第一主成分の値を大きくするように、且つ第二主成分の値も大きくするようにＡ１水量及びＡ４水量を調整すれば、試験に合格する品質の鋼板を得ることができると判断することができる一方、試験に不合格となる品質の鋼板が多いときには、第一主成分の値が小さく、且つ第二主成分の値も小さいと判断することができる。

そこで、オペレータＭは、第一主成分である成分（−３・Ａ１＋２・Ａ４）及び第二主成分である成分（２・Ａ１＋３・Ａ４）に注目し、第一主成分及び第二主成分の値を大きくするためには、まずＡ４水量を大きくすればよいと判断することができる。
オペレータＭは、上述の主成分分析によってＡ１水量とＡ４水量の間に関連性や合理性を見いだすことができなかった場合、支援モニタ１１の表示を図１０の画面に戻して項目の選択をやり直して、異なる項目に基づく主成分分析の結果を図１１に示すように支援モニタ１１に表示させる。なお、図１０の画面で選択する項目の数は、２つに限らず３つ以上の項目を選択してもよい。このように、試験合格率の低下、例えば圧延鋼板の品質不良の原因が冷却帯７にあることを突き止めたオペレータＭは、冷却帯７の該当する冷却ノズルの水量を適切に調整することができる。

以上述べたように、本実施形態の支援システム１０Ｃは、第３のステップにおいて熱間圧延工程における製造条件として数値情報（数値項目）が抽出された場合、表示器である表示モニタ１１に、数値情報（例えば、上述のＡ１水量）及び／又は該数値情報（例えば、上述のＡ１水量）に関連する他の数値情報（例えば、上述のＡ４水量）とに基づいた品質異常に関する多変量解析に基づく評価、つまり多変量での評価を表示可能なように構成されている。

この多変量解析による表示によって、熱間圧延工程により製造された線材または鋼板に品質不良が検出された場合に、その原因を、オペレータＭの経験度合いに左右されることなく、確実に推定したり探知したりすることができる。
本実施形態における多変量解析として、例えば主成分分析、因子分析、クラスタ分析などが知られているが、解析の手法はこれらに限らず適宜ふさわしい解析手法を用いることができる。

なお、本実施形態で説明した図９の画面例において、多変量解析項目選択ボタン３０と共に、第２実施形態で説明した時系列選択ボタン２０が表示されるように支援システム１０Ｃを構成することもできる。多変量解析項目選択ボタン３０と時系列選択ボタン２０の両方を表示することによって、オペレータＭは、図８に例示した時系列の表示と図１１に例示した多変量解析の表示とを選択して表示モニタ１１に表示させることができる。

以上、今回開示された実施形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
例えば、オペレータＭに各種情報を提示する表示器として、視覚に訴える支援モニタ１１を例示したが、オペレータＭに対し音声で情報を伝える機器を採用しても構わない。

１ 熱間圧延ライン（製造ライン）
２ 加熱炉
３ 粗圧延機
４ 仕上圧延機
５ コイラ
７ 冷却帯
８ 制御器
９ 測定器
１０Ａ 支援システム
１１ 支援モニタ（表示器）
１２ 上位コンピュータ（コンピュータ）
１３ 製造実績データベース
２０ 時系列選択ボタン
２１，３１ 決定ボタン
３０ 多変量解析項目選択ボタン
Ｍ オペレータ

Claims (6)

1. 品質検査工程を含む複数の工程から構成される製造ラインにおいて製造された製造物の品質異常の原因を推定する作業をオペレータが行うに際し、前記推定作業を支援する支援システムであって、
   前記支援システムは、オペレータが確認可能な表示器を有し、
   前記表示器には、品質評価の指標と製造工程における第１の条件との相関関係が表示され、
   表示された相関関係に基づいて表示器上でオペレータが指定した範囲の品質評価の指標と、前記第１の条件とは異なる第２の条件との相関関係が自動的に表示され、
   前記第１の条件及び第２の条件は、製造工程における温度で表される数値情報、圧力で表される数値情報、水量で表される数値情報、又は複数の装置で構成された工程において１の装置を特定する文字情報であり、前記第１の条件が前記数値情報又は文字情報のうちのいずれか一つであり、第２条件が前記第１の条件とは異なるいずれか一つであり、
   前記第１の条件又は第２の条件が前記数値情報である場合、前記数値情報及び／又は該数値情報に関連する他の数値情報の時系列変化が表示可能なように構成されていることを特徴とする品質異常の原因推定支援システム。
2. 前記製造工程における複数の条件に対して決定木学習を適用することで、前記第２の条件が選定されるように構成されていることを特徴とする請求項１に記載の品質異常の原因推定支援システム。
3. 前記表示器には、当該表示器上においてオペレータが品質評価指標の範囲を指定しなくなるまで、品質評価の指標と異なる条件との相関関係が繰り返し表示されるように構成されていることを特徴とする請求項１または請求項２に記載の品質異常の原因推定支援システム。
4. 前記表示器には、前記相関関係が繰り返し表示される場合において、品質異常との強い相関関係が認められない条件であった場合には、オペレータが品質評価の指標の範囲を再指定することができる態様で表示されるように構成されていることを特徴とする請求項３に記載の品質異常の原因推定支援システム。
5. 前記時系列変化の表示に加えて、前記品質異常に関する評価を、前記表示器に表示可能なように構成されていることを特徴とする請求項１〜請求項４のいずれかに記載の品質異常の原因推定支援システム。
6. 前記第１の条件及び第２の条件は、製造工程における温度で表される数値情報、圧力で表される数値情報、水量で表される数値情報、又は複数の装置で構成された工程において１の装置を特定する文字情報であり、
   前記第１の条件又は第２の条件が前記数値情報である場合、前記表示器に、前記数値情報及び／又は該数値情報に関連する他の数値情報とに基づいた前記品質異常に関する多変量での評価を表示可能なように構成されていることを特徴とする請求項１又は２に記載の品質異常の原因推定支援システム。