JP6802122B2 - Cause estimation method and program - Google Patents

Cause estimation method and program Download PDF

Info

Publication number
JP6802122B2
JP6802122B2 JP2017152739A JP2017152739A JP6802122B2 JP 6802122 B2 JP6802122 B2 JP 6802122B2 JP 2017152739 A JP2017152739 A JP 2017152739A JP 2017152739 A JP2017152739 A JP 2017152739A JP 6802122 B2 JP6802122 B2 JP 6802122B2
Authority
JP
Japan
Prior art keywords
manufacturing
event
time
product
individual
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.)
Active
Application number
JP2017152739A
Other languages
Japanese (ja)
Other versions
JP2019032671A (en
Inventor
昭 森口
昭 森口
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.)
Hitachi Solutions Ltd
Original Assignee
Hitachi Solutions 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 Hitachi Solutions Ltd filed Critical Hitachi Solutions Ltd
Priority to JP2017152739A priority Critical patent/JP6802122B2/en
Priority to PCT/JP2018/001561 priority patent/WO2019030945A1/en
Publication of JP2019032671A publication Critical patent/JP2019032671A/en
Application granted granted Critical
Publication of JP6802122B2 publication Critical patent/JP6802122B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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

Description

本開示は、製造ロスの原因を推定する原因推定方法およびプログラムに関する。 The present disclosure relates to cause estimation methods and programs for estimating the cause of manufacturing loss.

近年のグローバル化とカスタマーニーズの多様化により、製造業では少量多品種化が進んでいる。少量多品種化により、金型や治工具の取り替えや装置のパラメータ設定変更等の段取り替え作業を主とした付帯作業時間の増加、品種増加に伴うサイクルタイムの精度低下、部品数の増加に伴う品質の低下等、製品の製造過程において様々なロスが発生している。製造過程において生じるロスによる影響は製造時間に現れる。 Due to recent globalization and diversification of customer needs, the manufacturing industry is increasing the number of products in small quantities. Due to the increase in the number of products in small quantities, the time required for incidental work, such as the replacement of molds and jigs and the change of parameter settings of equipment, has increased, the accuracy of cycle time has decreased due to the increase in products, and the number of parts has increased. Various losses occur in the manufacturing process of products such as deterioration of quality. The effect of loss in the manufacturing process appears in the manufacturing time.

そのため、特許文献１には、各工程の製造時間を一元的に可視化することによって、ロスの発生箇所を特定する表示方法が記載されている。特許文献１では、工程ごとに時間軸を設けて、時間軸上に製品個体ごとの処理時間を縦棒で記述し、各工程の処理時間の縦棒同士を線分で接続したグラフを生成する。 Therefore, Patent Document 1 describes a display method for identifying a loss occurrence location by centrally visualizing the manufacturing time of each process. In Patent Document 1, a time axis is provided for each process, the processing time for each individual product is described by a vertical bar on the time axis, and a graph in which the vertical bars of the processing time of each process are connected by a line segment is generated. ..

特許文献２では、工程計画、工程進捗、生産実績、品質検査を一元的に表示することにより、計画や品質といった個別最適ではなく、全体最適のためのロス要因の分析を行う表示方法が記載されている。 Patent Document 2 describes a display method for centrally displaying process plans, process progresses, production results, and quality inspections to analyze loss factors for overall optimization rather than individual optimization such as planning and quality. ing.

特開２０１５−０７５７９５号公報Japanese Unexamined Patent Publication No. 2015-07595 特開２００４−１７８１５０号公報Japanese Unexamined Patent Publication No. 2004-178150

しかし、特許文献１に記載された分析方法は、生産工程ごとに製品個体の処理時間を時間軸上にバーで表示するのみであり、日や週を跨って、特定の条件下で繰り返し発生する製造ロスを検知することが難しい。 However, the analysis method described in Patent Document 1 only displays the processing time of an individual product as a bar on the time axis for each production process, and occurs repeatedly under specific conditions over days and weeks. Difficult to detect manufacturing loss.

例えば、休憩または操業開始直後の立ち上がりロスといった、日々同じ時間に発生する製造ロスは、繰り返し発生するロスのため、対策の優先順位が高い。しかしながら、特許文献１の分析方法では繰り返し発生するロスであっても一時的に発生したロスにしか見えず、ロスの発生条件が分からないため、原因の推定も難しい。 For example, manufacturing loss that occurs at the same time every day, such as a break or a start-up loss immediately after the start of operation, is a loss that occurs repeatedly, so the priority of countermeasures is high. However, in the analysis method of Patent Document 1, even if the loss occurs repeatedly, it looks like a loss that has occurred only temporarily, and since the conditions under which the loss occurs are unknown, it is difficult to estimate the cause.

また、製造ロスは、別の製造ロスに起因して連鎖的に発生する場合もあるが、特許文献１の方法では、複数の製造ロスを関連付ける手段がなく、生産効率に対する影響の可視化や原因の推定が難しい。例えば、設備の異常停止が発生した場合、作業者が設備の復旧作業にあたるため、当該作業者が本来担当していた工程が遅延する。このように、他の製造ロスを連鎖的に引き起こす製造ロスは生産効率をより大きく阻害するため、優先的に対策されなければならない。 Further, the manufacturing loss may occur in a chain reaction due to another manufacturing loss, but in the method of Patent Document 1, there is no means for associating a plurality of manufacturing losses, and the influence on the production efficiency is visualized and the cause is caused. Difficult to estimate. For example, when an abnormal stop of equipment occurs, the worker is responsible for the restoration work of the equipment, so that the process originally in charge of the worker is delayed. In this way, the manufacturing loss that causes other manufacturing losses in a chained manner hinders the production efficiency more, and therefore must be taken preferentially.

また、特許文献２に記載された方式の場合は、生産管理工程に関する情報の一元表示は行うものの、操業開始といった製造時のイベントや複数の製造ロスどうしの関連性まで表示する手段はない。 Further, in the case of the method described in Patent Document 2, although information on the production control process is centrally displayed, there is no means for displaying an event at the time of manufacturing such as the start of operation or the relationship between a plurality of manufacturing losses.

本開示は、上記の点に鑑みてなされたものであり、製品個体の製造ロスの原因を容易に把握できる技術を提供する。 The present disclosure has been made in view of the above points, and provides a technique for easily grasping the cause of manufacturing loss of an individual product.

上記課題を解決するために、コンピュータが実行する製造ロスの原因推定方法であって、複数の製品個体のそれぞれについて生産工程の生産実績情報を取得するステップと、前記生産実績情報に基づいて前記複数の製品個体のそれぞれについて前記生産工程における処理時間を算出するステップと、前記生産工程のステータスを示す製造イベントに関する情報を取得するステップと、前記生産実績情報と前記製造イベントに関する情報とに基づいて、前記製造イベントと前記製品個体とを紐づけるステップと、前記複数の製品個体の前記処理時間の分布と、前記製造イベントが紐づけられた製品個体の前記処理時間の分布と、を重畳して表示装置に表示するステップと、を含む製造ロスの原因推定方法を提供する。 In order to solve the above-mentioned problems, a method of estimating the cause of manufacturing loss executed by a computer, in which a step of acquiring production record information of a production process for each of a plurality of individual products and a plurality of steps based on the production record information. Based on the step of calculating the processing time in the production process for each of the individual products, the step of acquiring the information regarding the manufacturing event indicating the status of the production process, and the production record information and the information regarding the manufacturing event. The step of associating the manufacturing event with the product individual, the distribution of the processing time of the plurality of product individuals, and the distribution of the processing time of the product individual associated with the manufacturing event are superimposed and displayed. Provided are steps to be displayed on the device and a method for estimating the cause of manufacturing loss including.

また、複数の製品個体のそれぞれについて生産工程の生産実績情報を取得するステップと、前記生産実績情報に基づいて前記複数の製品個体のそれぞれについて前記生産工程における処理時間を算出するステップと、前記生産工程のステータスを示す製造イベントに関する情報を取得するステップと、前記生産実績情報と前記製造イベントに関する情報とに基づいて、前記製造イベントと前記製品個体とを紐づけるステップと、前記複数の製品個体の前記処理時間の分布と、前記製造イベントが紐づけられた製品個体の前記処理時間の分布と、を重畳して表示装置に表示するステップと、をコンピュータに実行させるためのプログラムを提供する。 Further, a step of acquiring production record information of the production process for each of the plurality of product individuals, a step of calculating the processing time in the production process for each of the plurality of product individuals based on the production record information, and the production. A step of acquiring information on a manufacturing event indicating the status of a process, a step of associating the manufacturing event with the product individual based on the production record information and the information on the manufacturing event, and a step of linking the plurality of product individuals. Provided is a program for causing a computer to execute a step of superimposing the distribution of the processing time and the distribution of the processing time of the product individual associated with the manufacturing event and displaying it on the display device.

本開示によれば、製品個体の製造ロスの原因を容易に把握することができる。上記以外の課題、構成および効果は、以下の実施の形態の説明により明らかにされる。 According to the present disclosure, the cause of manufacturing loss of an individual product can be easily grasped. Issues, configurations and effects other than the above will be clarified by the following description of embodiments.

本実施例の製造ロスの原因を推定する推定システムの構成を示す図である。It is a figure which shows the structure of the estimation system which estimates the cause of the manufacturing loss of this Example. 製造情報ＤＢの構成を示す図である。It is a figure which shows the structure of the manufacturing information DB. 製造実績テーブルの例を示す図である。It is a figure which shows the example of the manufacturing record table. 設備エラー情報テーブルの例を示す図である。It is a figure which shows the example of the equipment error information table. 設備稼働情報テーブルの例を示す図である。It is a figure which shows the example of the equipment operation information table. 製造イベントリストテーブルの例を示す図である。It is a figure which shows the example of the manufacturing event list table. 製造イベント時刻テーブルの例を示す図である。It is a figure which shows the example of the manufacturing event time table. 製造イベント期間テーブルの例を示す図である。It is a figure which shows the example of the manufacturing event period table. 演算結果ＤＢの構成を示す図である。It is a figure which shows the structure of the calculation result DB. イベント付製造実績テーブルの例を示す図である。It is a figure which shows the example of the manufacturing record table with an event. 対数正規分布情報テーブルの例を示す図である。It is a figure which shows the example of the lognormal distribution information table. イベント相関テーブルの例を示す図である。It is a figure which shows the example of the event correlation table. 製造情報の取得処理のシーケンスを示す図である。It is a figure which shows the sequence of the acquisition process of manufacturing information. 対数正規分布近似処理のシーケンスを示す図である。It is a figure which shows the sequence of the lognormal distribution approximation processing. 近似された対数正規分布の例を示す図である。It is a figure which shows the example of the approximated lognormal distribution. 製造実績に対し、イベント情報を付与する処理のシーケンスを示す図である。It is a figure which shows the sequence of the process which gives event information to the manufacturing record. 製造ロスと製造イベントの相関を求める処理のシーケンスを示す図である。It is a figure which shows the sequence of the process which obtains the correlation of manufacturing loss and manufacturing event. 演算装置が表示装置に出力するＧＵＩの例である。This is an example of a GUI output by the arithmetic unit to the display device. 製造ロスの原因推定結果を示すＧＵＩの例である。This is an example of a GUI showing the result of estimating the cause of manufacturing loss. 製造ロスと製造イベントの相関を示す詳細画面の例である。This is an example of a detailed screen showing the correlation between manufacturing loss and manufacturing event.

以下、図面に基づいて、本開示の実施例を説明する。なお、本開示の実施例は、後述する実施例に限定されるものではなく、その技術思想の範囲において、種々の変形が可能である。また、後述する各実施例の説明に使用する各図の対応部分には同一の符号を付して示し、重複する説明を省略する。 Hereinafter, examples of the present disclosure will be described with reference to the drawings. The examples of the present disclosure are not limited to the examples described later, and various modifications can be made within the scope of the technical idea. Further, the corresponding parts of the drawings used in the description of each embodiment described later are designated by the same reference numerals, and duplicate description will be omitted.

＜実施例＞
図１は、本実施例の製造ロスの原因を推定する推定システムの構成を示す図である。図１に示すように、推定システムは、生産計画システム１０１、製造実行システム１０２、製造・検査設備１０３、設備異常検知システム１０４、演算装置１１０および表示装置１２０を備える。 <Example>
FIG. 1 is a diagram showing a configuration of an estimation system for estimating the cause of manufacturing loss in this embodiment. As shown in FIG. 1, the estimation system includes a production planning system 101, a manufacturing execution system 102, a manufacturing / inspection equipment 103, an equipment abnormality detection system 104, an arithmetic unit 110, and a display device 120.

生産計画システム１０１は、製造する製品の種類およびその個数、作業者および設備の作業予定、製品を製造するのに必要な原材料および部品、を策定するシステムであり、多くの製造業で導入されている周知のシステムである。 The production planning system 101 is a system for formulating the types and numbers of products to be manufactured, the work schedules of workers and equipment, and the raw materials and parts necessary for manufacturing the products, and has been introduced in many manufacturing industries. It is a well-known system.

製造実行システム１０２は、設備および作業者に対する作業指示ならびに製造実績の情報の収集を行うシステムである。設備異常検知システム１０４は、センサなどを介して、設備の状態を監視し、設備故障につながる異常を検知するシステムである。 The manufacturing execution system 102 is a system that collects work instructions and information on manufacturing results for equipment and workers. The equipment abnormality detection system 104 is a system that monitors the state of equipment via a sensor or the like and detects an abnormality that leads to equipment failure.

演算装置１１０は、製品個体の製造に関するデータを取得するデータ取得部１１１、データ取得部１１１が取得したデータから製造イベントを生成し、製造実績と製造イベントの関連付けを行う製造イベント処理部１１２、取得したデータを統計処理し、製造ロスの原因推定を行う統計処理部１１３、データ取得部１１１が取得した製造データを格納する製造情報ＤＢ１１４、統計処理部１１３の処理結果を格納する演算結果ＤＢ１１５を備える。 The arithmetic unit 110 acquires a data acquisition unit 111 that acquires data related to the manufacture of individual products, and a manufacturing event processing unit 112 that generates a manufacturing event from the data acquired by the data acquisition unit 111 and associates the manufacturing results with the manufacturing event. It includes a statistical processing unit 113 that statistically processes the generated data and estimates the cause of manufacturing loss, a manufacturing information DB 114 that stores the manufacturing data acquired by the data acquisition unit 111, and an operation result DB 115 that stores the processing result of the statistical processing unit 113. ..

演算装置１１０は、図示しない記録部を備え、記録部には、後述する対数正規分布のパラメータμ、σおよび分散vを決定するための数式が記録されている。また、記録部には各種プログラムが記録され、演算装置１１０は上記プログラムを実行することによってデータ取得部１１１、製造イベント処理部１１２および統計処理部１１３として機能することができる。また、演算装置１１０は、表示装置１２０と接続されている。 The arithmetic unit 110 includes a recording unit (not shown), and the recording unit records mathematical formulas for determining the parameters μ, σ, and variance v of the lognormal distribution, which will be described later. In addition, various programs are recorded in the recording unit, and the arithmetic unit 110 can function as a data acquisition unit 111, a manufacturing event processing unit 112, and a statistical processing unit 113 by executing the above program. Further, the arithmetic unit 110 is connected to the display device 120.

データ取得部１１１は、生産計画システム１０１、製造実行システム１０２、製造および検査設備１０３ならびに設備異常検知システム１０４から製品個体の製造に関するデータ（生産実績情報および製造イベントに関する情報）を取得する。表示装置１２０には、演算結果ＤＢ１１５に格納された原因推定処理の結果が出力される。 The data acquisition unit 111 acquires data (production record information and information on manufacturing events) related to the manufacture of individual products from the production planning system 101, the manufacturing execution system 102, the manufacturing and inspection equipment 103, and the equipment abnormality detection system 104. The result of the cause estimation process stored in the calculation result DB 115 is output to the display device 120.

図２は、製造情報ＤＢ１１４の構成を示す図である。製造情報ＤＢ１１４は、製造実績テーブル２０１、設備エラー情報テーブル２０２、設備稼働情報テーブル２０３、製造イベントリストテーブル２０４、製造イベント時刻テーブル２０５および製造イベント期間テーブル２０６を含む。以下に、各テーブルが保持するデータについて説明する。 FIG. 2 is a diagram showing the configuration of the manufacturing information DB 114. The manufacturing information DB 114 includes a manufacturing record table 201, an equipment error information table 202, an equipment operation information table 203, a manufacturing event list table 204, a manufacturing event time table 205, and a manufacturing event period table 206. The data held by each table will be described below.

図３は、製造実績テーブル２０１の例を示す図である。製造実績テーブル２０１は、製品個体またはロットを識別するための製品番号、製造工程を一意に識別するための工程ＩＤ、工程ＩＤで識別される工程における各製品個体の着手時刻および完了時刻、着手時刻と完了時刻との差である処理時間を格納する。 FIG. 3 is a diagram showing an example of the manufacturing record table 201. The manufacturing record table 201 shows a product number for identifying a product individual or a lot, a process ID for uniquely identifying a manufacturing process, a start time and a completion time of each product individual in the process identified by the process ID, and a start time. Stores the processing time, which is the difference between the time and the completion time.

ここで、“処理時間”の項目には、例えば、演算装置１１０が着手時刻と完了時刻とに基づいて算出した、生産工程における複数の製品個体のそれぞれについての処理時間が格納される。また、図３には、工程ＩＤとしてprocess１のみが記されているが、他のプロセスＩＤに関するデータも記録されている。 Here, in the item of "processing time", for example, the processing time for each of a plurality of individual products in the production process calculated by the arithmetic unit 110 based on the start time and the completion time is stored. Further, in FIG. 3, only process1 is shown as the process ID, but data related to other process IDs are also recorded.

図４は、設備エラー情報テーブル２０２の例を示す図である。設備エラー情報テーブル２０２は、エラーが発生した設備を一意に識別する設備ＩＤ、エラーの発生時刻、エラーの内容を表すエラー情報を格納する。図４の例では、第１行目に２０１７年３月２日10:10において、設備ＩＤがmac_aの設備に工具損傷のエラーが発生したことが記録されている。 FIG. 4 is a diagram showing an example of the equipment error information table 202. The equipment error information table 202 stores equipment ID that uniquely identifies the equipment in which the error has occurred, the time when the error occurred, and error information indicating the content of the error. In the example of FIG. 4, it is recorded in the first line that a tool damage error occurred in the equipment whose equipment ID is mac_a at 10:10 on March 2, 2017.

図５は、設備稼働情報テーブル２０３の例を示す図である。設備稼働情報テーブル２０３は、設備を一意に識別する設備ＩＤと、稼働または停止といった設備状態と、メンテナンスおよび生産といった停止または稼働の原因となるイベントと、設備状態の継続期間（設備状態の開始日時および終了日時）と、を格納する。例えば、設備稼働情報テーブル２０３の第１行目には、２０１７年３月２日の9:00〜12:00まで設備ＩＤがmac_aの設備が稼働して製品を生産していたことが記録されている。 FIG. 5 is a diagram showing an example of the equipment operation information table 203. The equipment operation information table 203 shows an equipment ID that uniquely identifies the equipment, an equipment state such as operation or stop, an event that causes the stop or operation such as maintenance and production, and a duration of the equipment state (start date and time of the equipment state). And the end date and time) and. For example, in the first row of the equipment operation information table 203, it is recorded that the equipment with the equipment ID mac_a was operating and producing products from 9:00 to 12:00 on March 2, 2017. ing.

図６は、製造イベントリストテーブル２０４の例を示す図である。製造イベントリストテーブル２０４は製造イベントを登録するテーブルであり、イベントを一意に表すイベントＩＤと、イベント名から構成される。図６において、ＩＤ名の文字列に“t”を含むイベントＩＤは時間的な幅を持って生じるイベントであり、その他のイベントＩＤは一時点において生じるイベントである。 FIG. 6 is a diagram showing an example of the manufacturing event list table 204. The manufacturing event list table 204 is a table for registering manufacturing events, and is composed of an event ID uniquely representing the event and an event name. In FIG. 6, the event ID including "t" in the character string of the ID name is an event that occurs with a time width, and the other event IDs are events that occur at a temporary point.

図７は、製造イベント時刻テーブル２０５の例を示す図である。製造イベント時刻テーブル２０５は、製造イベントリストテーブル２０４に登録されている製造イベントのうち、時間的な幅を持たない製造イベント（イベントＩＤが“t”を含まない製造イベント）の発生日時を格納するテーブルである。製造イベント時刻テーブル２０５には、発生日時順に製造イベントが並んでいる。 FIG. 7 is a diagram showing an example of the manufacturing event timetable 205. The manufacturing event time table 205 stores the occurrence date and time of the manufacturing event (manufacturing event whose event ID does not include “t”) having no time width among the manufacturing events registered in the manufacturing event list table 204. It is a table. In the manufacturing event timetable 205, manufacturing events are arranged in order of occurrence date and time.

図８は、製造イベント期間テーブル２０６の例を示す図である。製造イベント期間テーブル２０６は、製造イベントリストテーブル２０４に登録されている製造イベントのうち、一定期間継続する製造イベント（イベントＩＤが“t”を含む製造イベント）の開始日時と終了日時を格納するテーブルである。 FIG. 8 is a diagram showing an example of the manufacturing event period table 206. The manufacturing event period table 206 is a table that stores the start date and time and the end date and time of the manufacturing event (manufacturing event whose event ID includes “t”) that continues for a certain period of the manufacturing events registered in the manufacturing event list table 204. Is.

図９は、演算結果ＤＢ１１５の構成を示す図である。演算結果ＤＢ１１５は、イベント付製造実績テーブル９０１、対数正規分布情報テーブル９０２およびイベント相関テーブル９０３を含む。以下に、各テーブルが保持するデータについて説明する。 FIG. 9 is a diagram showing the configuration of the calculation result DB 115. The calculation result DB 115 includes a manufacturing record table 901 with an event, a lognormal distribution information table 902, and an event correlation table 903. The data held by each table will be described below.

図１０は、イベント付製造実績テーブル９０１の例を示す図である。イベント付製造実績テーブル９０１は、製造実績テーブル２０１に対し、製造イベントの発生有無の情報を付加したものであり、発生した製造イベントのカラムにはtrue、発生していない製造イベントのカラムにはfalseが格納される。製造イベントの発生有無の判定方法について以下に説明する。 FIG. 10 is a diagram showing an example of a manufacturing record table 901 with an event. The manufacturing record table 901 with an event is obtained by adding information on whether or not a manufacturing event has occurred to the manufacturing record table 201, and is true for the column of the manufacturing event that has occurred and false for the column of the manufacturing event that has not occurred. Is stored. The method of determining whether or not a manufacturing event has occurred will be described below.

まず、演算装置１１０が、製造イベントの発生日時と終了日時との少なくとも一方に基づいて、製造イベントが影響を及ぼしたと考えられる期間を決定する。上記期間は、例えば、工程ごとに経験に基づいて決定される所定の期間であり、製造イベントが製品個体の処理時間に影響を及ぼすと考えられる期間である。演算装置１１０は、決定した当該期間と製造期間とが重複する製品個体と製造イベントとを紐づけ、上記製造イベントのカラムをtrueにする。 First, the arithmetic unit 110 determines a period during which the manufacturing event is considered to have an influence, based on at least one of the occurrence date and time and the end date and time of the manufacturing event. The above period is, for example, a predetermined period determined based on experience for each process, and is a period during which the manufacturing event is considered to affect the processing time of the individual product. The arithmetic unit 110 associates the product individual whose manufacturing period overlaps with the determined period and the manufacturing event, and sets the column of the manufacturing event to true.

例えば、工程１における上記期間が製造イベントの発生日時の前後600秒間である場合、製品番号0001の製品個体の着手時刻とeve_1の発生日時が共に9:00であり、製造イベントが影響を及ぼしたと考えられる期間と製品個体の製造期間とが重複するため、eve_1のカラムがtrueになる。 For example, if the above period in step 1 is 600 seconds before and after the occurrence date and time of the manufacturing event, the start time of the individual product of product number 0001 and the occurrence date and time of eve_1 are both 9:00, and the manufacturing event has an effect. The column of eve_1 is true because the possible period overlaps with the manufacturing period of the individual product.

また、演算装置１１０は、発生した製造イベントと当該製造イベントと紐づけられた製品個体の製造時刻との時間的遠近を示す時刻差異を製品個体ごとに決定しイベント付製造実績テーブル９０１に格納する。時刻差異は、製造イベントの発生日時と終了日時との少なくとも一方と、当該製造イベントと紐づけられた製品個体の着手時刻と完了時刻との少なくとも一方と、に基づいて決定される。 Further, the arithmetic unit 110 determines a time difference indicating the temporal perspective between the generated manufacturing event and the manufacturing time of the product individual associated with the manufacturing event for each product individual, and stores the time difference in the manufacturing result table 901 with the event. .. The time difference is determined based on at least one of the occurrence date and time and the end date and time of the manufacturing event, and at least one of the start time and completion time of the individual product associated with the manufacturing event.

例えば、時間的幅を持たないイベントの場合、その発生日時と製品個体の着手時刻との差を時刻差異とする。例えば、製品番号0033の製品個体の場合、製造の着手時刻が13:05であり、製造イベントの発生時刻が13:00であるため、-300秒の時刻差異が記録されている。ここで、製造イベントよりも製造の着手時刻が過去の場合プラスの時刻差異とし、製造イベントよりも製造の着手時刻が未来の場合マイナスの時刻差異とした。 For example, in the case of an event having no time width, the difference between the date and time of occurrence and the start time of the individual product is defined as the time difference. For example, in the case of an individual product with product number 0033, the time difference of -300 seconds is recorded because the manufacturing start time is 13:05 and the manufacturing event occurrence time is 13:00. Here, if the manufacturing start time is past the manufacturing event, the time difference is positive, and if the manufacturing start time is future than the manufacturing event, the time difference is negative.

また、時間的幅を有するイベント、即ち、発生してから終了するまでに時間間隔があるイベントの場合、例えば、当該時間間隔の何れかの時点と製品個体の着手時刻との差の最小値を時刻差異とする。例えば、製品個体の着手時刻または完了時刻が当該イベントの発生期間中である場合、時刻差異は０である。 Further, in the case of an event having a time range, that is, an event having a time interval from the occurrence to the end, for example, the minimum value of the difference between any time point of the time interval and the start time of the individual product is set. It is a time difference. For example, when the start time or the completion time of the individual product is during the occurrence period of the event, the time difference is 0.

図１１は、対数正規分布情報テーブル９０２の例を示す図である。対数正規分布情報テーブル９０２には、各工程の処理時間の分布を対数正規分布で近似し、当該対数正規分布に対応する確率密度関数のパラメータ、分散、対数尤度を算出した結果が格納されている。図１１に示された例では、下記の確率密度関数におけるμとσを格納している。μとσは確率密度関数を特徴づけるパラメータであり、eはネイピア数を表す。

Figure 0006802122
ユーザは、例えば、工程が含む製造ロスの多寡を評価するために分散を利用することができる。製造ロスを含む工程は処理時間のばらつき、つまり分散が大きくなる。 FIG. 11 is a diagram showing an example of the lognormal distribution information table 902. The lognormal distribution information table 902 stores the results of calculating the parameters, variance, and loglikelihood of the probability density function corresponding to the lognormal distribution by approximating the distribution of the processing time of each process with the lognormal distribution. There is. In the example shown in FIG. 11, μ and σ in the following probability density function are stored. μ and σ are the parameters that characterize the probability density function, and e represents the Napier number.
Figure 0006802122
 The user can use the variance, for example, to evaluate the amount of manufacturing loss involved in the process. In the process including the manufacturing loss, the processing time varies, that is, the dispersion becomes large.

図１２は、イベント相関テーブル９０３の例を示す図である。イベント相関テーブル９０３には、工程ＩＤ、イベントＩＤ、イベント時対数尤度、対数尤度差異および時刻差異（秒）が格納されている。イベント時対数尤度は、製造イベントと紐づけられた製品個体の処理時間を要素とする母集団の分布が、決定済みの対数正規分布に従うと仮定した場合の対数尤度のことを示す。上記母集団は、一つの工程の処理時間全体の第１母集団から特定の製造イベントと紐づけられた製品個体の処理時間のみを抽出し、第１母集団の要素数と同数になるように処理時間の要素をランダムに複製して得られる第２母集団のことである。 FIG. 12 is a diagram showing an example of the event correlation table 903. The event correlation table 903 stores the process ID, the event ID, the log-likelihood at the time of the event, the log-likelihood difference, and the time difference (seconds). The log-likelihood at the time of the event indicates the log-likelihood when it is assumed that the distribution of the population whose factor is the processing time of the individual product associated with the manufacturing event follows the determined lognormal distribution. The above population extracts only the processing time of the individual product associated with a specific manufacturing event from the first population of the entire processing time of one process so that the number is the same as the number of elements of the first population. It is a second population obtained by randomly duplicating the elements of processing time.

換言すると、processX（X=1, 2 …）の処理時間全体の第１母集団からイベントＹ（eve_1、eve_2 …）と紐づけられた製品個体の処理時間を抽出し、サンプル数を上述のように複製することで得られる集合を第２母集団とし、第２母集団の分布が、第１母集団の分布に対してフィッティングして得られた対数正規分布に従うとした場合の対数尤度がイベント時対数尤度である。 In other words, the processing time of the individual product associated with event Y (eve_1, eve_2 ...) is extracted from the first population of the entire processing time of processX (X = 1, 2 ...), and the number of samples is as described above. The log-likelihood when the set obtained by duplicating to is the second population and the distribution of the second population follows the lognormal distribution obtained by fitting to the distribution of the first population. Log-likelihood at the time of the event.

また、対数尤度差異は、対数正規分布情報テーブル９０２に格納された対数尤度とイベント相関テーブル９０３に格納されたイベント時対数尤度との差である。即ち、第１母集団がフィッティングして得られた対数正規分布に従うと仮定した場合の対数尤度と第２母集団が同じ対数正規分布に従うと仮定した場合の対数尤度との差が対数尤度差異である。 The log-likelihood difference is the difference between the log-likelihood stored in the lognormal distribution information table 902 and the event-time log-likelihood stored in the event correlation table 903. That is, the difference between the log-likelihood when the first population is assumed to follow the lognormal distribution obtained by fitting and the log-likelihood when the second population is assumed to follow the same lognormal distribution is the log-likelihood. It is a degree difference.

図１３は、製造情報の取得処理のシーケンスを示す図である。以下にシーケンスの各ステップについて説明する。 FIG. 13 is a diagram showing a sequence of manufacturing information acquisition processing. Each step of the sequence will be described below.

（ステップ１３０１）
まずデータ取得部１１１が、製造実行システム１０２または製造・検査設備１０３から製品個体の製造実績に関する情報を取得し、製造実績テーブル２０１に格納する。データ取得部１１１は、製造・検査設備１０３または設備異常検知システム１０４から設備エラー情報を取得し、設備エラー情報テーブル２０２に格納する。また、データ取得部１１１は、生産計画システム１０１、製造実行システム１０２または製造・検査設備１０３から設備の稼働情報を取得し、設備稼働情報テーブル２０３に格納する。 (Step 1301)
First, the data acquisition unit 111 acquires information on the manufacturing record of the individual product from the manufacturing execution system 102 or the manufacturing / inspection facility 103, and stores the information in the manufacturing record table 201. The data acquisition unit 111 acquires equipment error information from the manufacturing / inspection equipment 103 or the equipment abnormality detection system 104 and stores it in the equipment error information table 202. Further, the data acquisition unit 111 acquires equipment operation information from the production planning system 101, the manufacturing execution system 102, or the manufacturing / inspection equipment 103, and stores it in the equipment operation information table 203.

（ステップ１３０２）
データ取得部１１１は、ステップ１３０１で取得した複数の製品個体の生産工程の着手時刻と完了時刻と（製造実績情報）に基づいて、複数の製品個体のそれぞれについての生産工程における処理時間を算出し、製造実績テーブル２０１に格納する。図３に記載された例の場合、製品番号0001のprocess1の処理時間は、着手時刻09:00:00と完了時刻09:10:00との差分である600秒となる。 (Step 1302)
The data acquisition unit 111 calculates the processing time in the production process for each of the plurality of product individuals based on the start time and completion time of the production process of the plurality of product individuals acquired in step 1301 and (manufacturing record information). , Stored in the manufacturing record table 201. In the case of the example shown in FIG. 3, the processing time of process1 of product number 0001 is 600 seconds, which is the difference between the start time 09:00:00 and the completion time 09:10:00.

（ステップ１３０３）
製造イベント処理部１１２は、ステップ１３０１で取得した、設備エラー情報および設備稼働情報が含む製造イベントに関する情報を製造イベントリストテーブル２０４に登録されたイベントＩＤに変換する。製造イベント処理部１１２は、時間的幅を持たない製造イベントの発生日時と、当該製造イベントのイベントＩＤと、を製造イベント時刻テーブル２０５に格納する。また、製造イベント処理部１１２は、時間的幅を持つ製造イベントについては、イベントＩＤ、発生日時および終了日時を製造イベント期間テーブル２０６に格納する。 (Step 1303)
The manufacturing event processing unit 112 converts the information related to the manufacturing event included in the equipment error information and the equipment operation information acquired in step 1301 into the event ID registered in the manufacturing event list table 204. The manufacturing event processing unit 112 stores the occurrence date and time of the manufacturing event having no time width and the event ID of the manufacturing event in the manufacturing event timetable 205. Further, the manufacturing event processing unit 112 stores the event ID, the occurrence date and time, and the end date and time in the manufacturing event period table 206 for the manufacturing event having a time width.

例えば、図４に示された例の場合、2017/03/02 10:10:00において設備ＩＤがmac_aの設備のエラーが発生している。そして、図６に示された例では、mac_aの設備エラーのイベントＩＤはeve_6であるため、イベントＩＤ：eve_6、発生時刻：2017/03/02 10:10:00のレコードが製造イベント時刻テーブル２０５に格納される。 For example, in the case of the example shown in FIG. 4, an error occurs in the equipment whose equipment ID is mac_a at 10:10:00 on 2017/03/02. Then, in the example shown in FIG. 6, since the event ID of the equipment error of mac_a is eve_6, the record of event ID: eve_6 and occurrence time: 2017/03/02 10:10:00 is the manufacturing event time table 205. Stored in.

また、図５に示された例の場合、mac_bの設備は、2017/03/02 10:10:00から2017/03/02 10:20:00までメンテナンスで停止している。そして、図６に示された例では、mac_bがメンテナンス中であることを表すイベントＩＤは、eve_t_6であるため、イベントＩＤ：eve_t_6、開始日時：2017/03/02 10:10:00、終了日時：2017/03/02 10:20:00のレコードが製造イベント期間テーブル２０６に格納される。 Moreover, in the case of the example shown in FIG. 5, the equipment of mac_b is stopped due to maintenance from 2017/03/02 10:10:00 to 2017/03/02 10:20:00. Then, in the example shown in FIG. 6, since the event ID indicating that mac_b is under maintenance is eve_t_6, the event ID: eve_t_6, the start date and time: 2017/03/02 10:10:00, the end date and time. : 2017/03/02 10:20:00 record is stored in the manufacturing event period table 206.

図１４は、対数正規分布近似処理のシーケンスを示す図である。以下にシーケンスの各ステップについて説明する。 FIG. 14 is a diagram showing a sequence of lognormal distribution approximation processing. Each step of the sequence will be described below.

（ステップ１４０１）
統計処理部１１３は、ステップ１３０２で算出した複数の製品個体の処理時間のうち、一つの工程の処理時間の集合を母集団とし、当該母集団のヒストグラムを対数正規分布でフィッティングする処理を全ての工程に亘って実行する。そして、統計処理部１１３は、工程ごとに対数正規分布を特徴づけるパラメータμおよびσを求める。さらに、統計処理部１１３は上記母集団のヒストグラムがフィッティングした対数正規分布に従うと仮定した場合の対数尤度を算出する。なお、対数正規分布によるフィッティングは、例えば、最小二乗法または最尤推定法を用いて実施する。 (Step 1401)
The statistical processing unit 113 uses a set of processing times of one step as a population among the processing times of a plurality of individual products calculated in step 1302, and performs all the processing of fitting the histogram of the population with a lognormal distribution. Perform over the process. Then, the statistical processing unit 113 obtains the parameters μ and σ that characterize the lognormal distribution for each process. Further, the statistical processing unit 113 calculates the log-likelihood when it is assumed that the histogram of the population follows the fitted lognormal distribution. The fitting by the lognormal distribution is performed by using, for example, the least squares method or the maximum likelihood estimation method.

図１５は、近似された対数正規分布の例を示す図である。図１５には、一つの工程に関する処理時間のヒストグラムと近似した対数正規分布とが併せて描画されている。図１５において、縦軸は割合であり、全処理時間のサンプル数に対する特定の区間に含まれる処理時間のサンプル数を示す。したがって、ヒストグラムの全ての区間に亘る値の合計は１となる。 FIG. 15 is a diagram showing an example of an approximated lognormal distribution. In FIG. 15, a histogram of the processing time for one process and a lognormal distribution approximated to it are also drawn. In FIG. 15, the vertical axis is a ratio, and indicates the number of samples of the processing time included in a specific section with respect to the number of samples of the total processing time. Therefore, the sum of the values over all the intervals of the histogram is 1.

（ステップ１４０２）
統計処理部１１３は、ステップ１４０１で算出したパラメータμおよびσから以下の式により、分散vを求め、パラメータμ、σ、分散v、対数尤度を対数正規分布情報テーブル９０２に格納する。

Figure 0006802122
(Step 1402)
The statistical processing unit 113 obtains the variance v from the parameters μ and σ calculated in step 1401 by the following equation, and stores the parameters μ, σ, the variance v, and the log-likelihood in the lognormal distribution information table 902.
Figure 0006802122

図１６は、製造実績に対し、イベント情報を付与する処理のシーケンスを示す図である。以下にシーケンスの各ステップについて説明する。 FIG. 16 is a diagram showing a sequence of processes for adding event information to the manufacturing results. Each step of the sequence will be described below.

（ステップ１６０１）
製造イベント処理部１１２は、以降のステップ１６０２およびステップ１６０３の処理を、製造イベント時刻テーブル２０５および製造イベント期間テーブル２０６に記載されたイベント全てに対し、繰り返す。 (Step 1601)
The manufacturing event processing unit 112 repeats the subsequent processing of steps 1602 and 1603 for all the events described in the manufacturing event time table 205 and the manufacturing event period table 206.

（ステップ１６０２）
まず、製造イベント処理部１１２が、製造イベント時刻テーブル２０５および製造イベント期間テーブル２０６に記載された製造イベントと同時期に製造された製品個体を検索する。製造イベント処理部１１２は、製造イベントの発生日時および終了日時の少なくとも一方と、製品個体の着手時刻および完了時刻の少なくとも一方と、に基づいて、製造イベントと同時期に製造された製品個体を検索する。 (Step 1602)
First, the manufacturing event processing unit 112 searches for individual products manufactured at the same time as the manufacturing event described in the manufacturing event time table 205 and the manufacturing event period table 206. The manufacturing event processing unit 112 searches for a product individual manufactured at the same time as the manufacturing event based on at least one of the occurrence date and time and the end date and time of the manufacturing event and at least one of the start time and the completion time of the product individual. To do.

具体的には、製造イベント処理部１１２は、製造イベントが影響を及ぼしたと考えられる所定の期間と製造期間が重複する製品個体を検索する。上記所定の期間は、製造イベントの発生日時と終了日時の少なくとも一方の時点を中心とする生産工程ごとに定められた所定の時間幅である。製造する製品や生産工程ごとに製造イベントが処理時間に及ぼす影響が異なるため、上記所定の時間幅は、例えば、工程マネジャーの経験によって定められる。また、「所定の期間と製造期間が重複する」とは、例えば、所定の期間内に製品個体の着手時刻と完了時刻との少なくとも一方が含まれることを意味する。 Specifically, the manufacturing event processing unit 112 searches for individual products whose manufacturing period overlaps with the predetermined period considered to be affected by the manufacturing event. The predetermined period is a predetermined time width determined for each production process centered on at least one of the occurrence date and time and the end date and time of the manufacturing event. Since the influence of the manufacturing event on the processing time differs depending on the product to be manufactured and the production process, the predetermined time width is determined, for example, by the experience of the process manager. Further, "the predetermined period and the production period overlap" means that, for example, at least one of the start time and the completion time of the individual product is included in the predetermined period.

例えば、図７に記載されたイベント：eve_1は、2017/03/02 09:00:00に発生しており、図３に記載された製品番号0001の工程：process1における着手時刻は09:00:00である。つまり、イベント：eve_1の発生時刻と製品番号0001の工程：process1における着手時刻が同一である。したがって、製造イベントが影響を及ぼした機関と製造期間とが重複するため、製造イベント処理部１１２による検索にヒットする。 For example, the event: eve_1 shown in FIG. 7 occurs at 09:00:00 on 03/02/2017, and the start time in process 1: process1 of product number 0001 shown in FIG. 3 is 09:00: It is 00. That is, the occurrence time of the event: eve_1 and the start time in the process: process1 of the product number 0001 are the same. Therefore, since the institution affected by the manufacturing event and the manufacturing period overlap, the search by the manufacturing event processing unit 112 is hit.

また、図８に記載されたイベント：eve_t_6については、2017/03/02 10:10:00に発生してから2017/03/02 10:20:00に終了しており、図３に記載された製品番号0011の工程：process1の終了時刻がイベント発生期間に含まれる。したがって、製造イベントが影響を及ぼした機関と製造期間とが重複するため、製造イベント処理部１１２による検索にヒットする。 The event shown in FIG. 8: eve_t_6 occurred at 10:10:00 on March 02, 2017 and ended at 10:20:00 on 03/02/2017, and is shown in FIG. Process of product number 0011: The end time of process1 is included in the event occurrence period. Therefore, since the institution affected by the manufacturing event and the manufacturing period overlap, the search by the manufacturing event processing unit 112 is hit.

（ステップ１６０３）
続いて、製造イベント処理部１１２が、ステップ１６０１で検索にヒットした製品個体の製造実績に関する情報に、検索に用いた製造イベント情報を付与して、合併された情報をイベント付製造実績テーブル９０１に格納する。即ち、製造イベント処理部１１２が、生産実績情報と製造イベントに関する情報とに基づいて、製造イベントと製品個体とを紐づける。 (Step 1603)
Subsequently, the manufacturing event processing unit 112 adds the manufacturing event information used for the search to the information related to the manufacturing record of the individual product hit in the search in step 1601, and puts the merged information into the manufacturing record table 901 with an event. Store. That is, the manufacturing event processing unit 112 associates the manufacturing event with the individual product based on the production record information and the information related to the manufacturing event.

例えば、ステップ１６０２で例示したeve_1の検索の場合は、eve_1の発生日時と製品番号0001の工程：process1の着手時刻が重複するため、図１０に示されているように製品番号0001のレコードのeve_1にtrueが格納される。また、ステップ１６０１で例示したeve_t_6の検索の場合は、製品0011の工程：process1の着手時刻が重複するため、同様に製品番号0011のレコードのeve_t_6にtrueが格納される。 For example, in the case of the search for eve_1 illustrated in step 1602, since the occurrence date and time of eve_1 and the start time of the process: process1 of product number 0001 overlap, eve_1 of the record of product number 0001 is duplicated as shown in FIG. True is stored in. Further, in the case of the search of eve_t_6 illustrated in step 1601, since the start time of the process: process1 of the product 0011 is duplicated, true is similarly stored in eve_t_6 of the record of the product number 0011.

図１７は、製造ロスと製造イベントの相関を求める処理のシーケンスを示す図である。以下にシーケンスの各ステップについて説明する。 FIG. 17 is a diagram showing a sequence of processes for obtaining the correlation between manufacturing loss and manufacturing event. Each step of the sequence will be described below.

（ステップ１７０１）
以降のステップ１７０２からステップ１７０５までの処理は、製造イベントリストテーブル２０４に記載された全てのイベントに対して繰り返し実行される。以降、製造イベントをevent i （0 < i < 総イベント数 + 1）と記載する。 (Step 1701)
Subsequent processes from step 1702 to step 1705 are repeatedly executed for all the events listed in the manufacturing event list table 204. Hereinafter, the manufacturing event is described as event i (0 <i <total number of events + 1).

（ステップ１７０２）
以降のステップ１７０３からステップ１７０５までの処理は、全ての工程ＩＤに対して繰り返し実行される。以降、j番目の工程ＩＤをprocess j （0 < j < 総工程数 + 1）と記載する。 (Step 1702)
Subsequent processes from step 1703 to step 1705 are repeatedly executed for all process IDs. Hereinafter, the j-th process ID is described as process j (0 <j <total number of processes + 1).

（ステップ１７０３）
統計処理部１１３は、process jについて、event iのフラグがtrueの製品個体の製造実績（イベント時製造実績）を取得する。具体的には、統計処理部１１３は、process jについて、event iのフラグがtrueの製品個体の処理時間を取得する。 (Step 1703)
The statistical processing unit 113 acquires the manufacturing record (manufacturing record at the time of the event) of the individual product whose event i flag is true for process j. Specifically, the statistical processing unit 113 acquires the processing time of the individual product whose event i flag is true for process j.

続いて、統計処理部１１３は、上記製造イベントと紐づけられた製品個体の処理時間の集合のヒストグラムが、対数正規分布情報テーブル９０２に格納されたprocess jの対数正規分布パラメータで表される対数正規分布に従うと仮定した場合の対数尤度（イベント時対数尤度）を算出する。この際、ステップ１７０４で対数尤度比較を実行するため、event iと紐づけられた製品個体のprocess jに関する処理時間の数がprocess jに関する全ての製品個体の処理時間の数と同じになるように、処理時間をランダムに複製する。 Subsequently, in the statistical processing unit 113, the histogram of the set of processing times of the individual products associated with the manufacturing event is a lognormal represented by the lognormal distribution parameter of process j stored in the lognormal distribution information table 902. Calculate the log-likelihood (log-likelihood at the time of the event) assuming that it follows a normal distribution. At this time, since the log-likelihood comparison is executed in step 1704, the number of processing times related to process j of the product individual associated with event i should be the same as the number of processing times of all product individuals related to process j. In addition, the processing time is randomly duplicated.

（ステップ１７０４）
統計処理部１１３は、ステップ１７０３で算出したイベント時対数尤度と対数正規分布情報テーブル９０２に格納されたprocess jの対数尤度の差異を求め、イベント相関テーブル９０３に格納する。 (Step 1704)
The statistical processing unit 113 obtains the difference between the log-likelihood at the time of the event calculated in step 1703 and the log-likelihood of process j stored in the lognormal distribution information table 902, and stores it in the event correlation table 903.

統計処理部１１３は、process jのevent iのフラグがtrueの製品個体とevent iとの平均時刻差異（各製品個体の時刻差異の平均値）を算出して、イベント相関テーブル９０３に格納する。なお、統計処理部１１３は、時刻差異の平均値ではなく時刻差異の中間値、最大値または最小値をイベント相関テーブル９０３に格納してもよい。 The statistical processing unit 113 calculates the average time difference between the product individual whose event i flag of process j is true and event i (the average value of the time difference of each product individual), and stores it in the event correlation table 903. The statistical processing unit 113 may store the intermediate value, the maximum value, or the minimum value of the time difference in the event correlation table 903 instead of the average value of the time difference.

以下に、本実施例の原因推定方法によって得られた製造ロス原因推定結果の出力例を説明する。
図１８は、演算装置１１０が表示装置１２０に出力するＧＵＩの例である。当該ＧＵＩには、製造ロスが生じた非効率工程が順序づけられて表示されている。演算装置１１０は、例えば、対数正規分布情報テーブル９０２に格納されている分散を参照し、上記非効率工程を処理時間の分散が大きい順に表示装置１２０に表示する。それぞれの工程には、原因分析ボタンが付属し、ボタンを押下すると、原因推定結果を表示する画面に遷移する。 An output example of the manufacturing loss cause estimation result obtained by the cause estimation method of this embodiment will be described below.
FIG. 18 is an example of a GUI output by the arithmetic unit 110 to the display device 120. Inefficient processes in which manufacturing loss has occurred are displayed in order in the GUI. The arithmetic unit 110 refers to, for example, the variance stored in the lognormal distribution information table 902, and displays the inefficient steps on the display device 120 in descending order of the variance of the processing time. A cause analysis button is attached to each process, and when the button is pressed, the screen transitions to a screen displaying the cause estimation result.

図１９は、製造ロスの原因推定結果を示すＧＵＩの例である。演算装置１１０は、例えば、図１８の画面で押下された原因分析ボタンが属する工程について、イベント相関テーブル９０３から対数尤度差異が一定値以上の製造イベントを抽出する。そして、演算装置１１０は、抽出した製造イベントに対応づけられた対数尤度差異と平均時刻差異とを取得し、製造イベント名を平均時刻差異の大きさの順に並べて表示装置１２０に表示する。図１９に示された例では、平均時刻差異の小さい製造イベントが左から順番に表示されている。 FIG. 19 is an example of a GUI showing the result of estimating the cause of manufacturing loss. For example, the arithmetic unit 110 extracts a manufacturing event having a log-likelihood difference of a certain value or more from the event correlation table 903 for the process to which the cause analysis button pressed on the screen of FIG. 18 belongs. Then, the arithmetic unit 110 acquires the log-likelihood difference and the average time difference associated with the extracted manufacturing event, and displays the manufacturing event names on the display device 120 in the order of the magnitude of the average time difference. In the example shown in FIG. 19, manufacturing events having a small average time difference are displayed in order from the left.

ＧＵＩに表示される製造イベント名と工程名との間には、製造イベント名から工程名へ向かう矢印と対数尤度差異が表示される。各矢印は、対数尤度差異の大きさに基づいて太さが変更して表示される。具体的には、対数尤度差異が大きい製造イベントほど太い矢印が表示されている。即ち、太い矢印が表示された製造イベントほど、処理時間の分布が大きくずれた製造イベントであり、大きな製造ロスを招いた製造イベントである。また、各製造イベント名が対数尤度差異の大きい順に上から下へ表示されている。 An arrow from the manufacturing event name to the process name and a log-likelihood difference are displayed between the manufacturing event name and the process name displayed on the GUI. Each arrow is displayed with a different thickness based on the magnitude of the log-likelihood difference. Specifically, a thicker arrow is displayed for a manufacturing event with a larger log-likelihood difference. That is, the manufacturing event in which the thick arrow is displayed is the manufacturing event in which the distribution of the processing time is greatly deviated, and the manufacturing event causes a large manufacturing loss. In addition, each manufacturing event name is displayed from top to bottom in descending order of log-likelihood difference.

上記のとおり、製造ロスの原因推定結果を示すＧＵＩは、対数尤度差異および平均時刻差異の大きさに応じて、製造イベント名および工程名の二次元的な配置を決めている。また、工程名と各製造イベント名とを矢印で接続し、矢印の太さを変化させている。このように表示することによって、ユーザは、製造イベントが工程の処理時間に与えた影響の大きさと、製造イベントと製造ロスとの相関の強さと、を視覚的に理解することができる。 As described above, the GUI showing the cause estimation result of the manufacturing loss determines the two-dimensional arrangement of the manufacturing event name and the process name according to the magnitude of the log-likelihood difference and the average time difference. In addition, the process name and each manufacturing event name are connected by arrows, and the thickness of the arrows is changed. By displaying in this way, the user can visually understand the magnitude of the influence of the manufacturing event on the processing time of the process and the strength of the correlation between the manufacturing event and the manufacturing loss.

図１９の例では、process1の処理時間のばらつきに、製品種別切替、検査設備：ins2で検知された不良、製造設備：mac2で生じたエラーの三つの製造イベントが大きく関連していることが分かる。さらに、製品種別切替、ins2_不良、mac2_エラーの順に長い時間に亘って製品個体の製造に影響を及ぼしたことが分かる。以上のことから、例えば、製品種別切替直後に品質が安定せず、不良が発生し、不良の手直しのために、process1の工程に遅れが出ている可能性が示唆される。 In the example of FIG. 19, it can be seen that the variation in the processing time of process1 is largely related to the three manufacturing events of product type switching, inspection equipment: defects detected by ins2, and manufacturing equipment: error caused by mac2. .. Furthermore, it can be seen that the product type switching, ins2_deficiency, and mac2_ error affected the manufacturing of individual products over a long period of time. From the above, it is suggested that, for example, the quality is not stable immediately after the product type is switched, defects occur, and the process 1 process may be delayed due to the repair of the defects.

図１９に示したＧＵＩにおいて、何れかの矢印がユーザに押下されると、工程における処理時間のばらつきと製造イベントとの相関を詳細に表示する画面に遷移する。以下に上記画面について説明する。 In the GUI shown in FIG. 19, when any arrow is pressed by the user, the screen transitions to a screen that displays in detail the correlation between the variation in processing time in the process and the manufacturing event. The above screen will be described below.

図２０は、製造ロスと製造イベントの相関を示す詳細画面の例である。上記詳細画面では、製造イベント発生時に限定しない複数の製品個体の処理時間のヒストグラム（通常時ヒストグラム）と、製造イベントと紐づけられた製品個体の処理時間のヒストグラムと、が重畳されて表示されている。そのため、ユーザはどの製造イベントが生じるとどの程度通常の処理時間が延長されるのかを視覚的に認識することができる。 FIG. 20 is an example of a detailed screen showing the correlation between manufacturing loss and manufacturing event. On the above detailed screen, a histogram of the processing time of a plurality of individual products (normal time histogram), which is not limited to the occurrence of a manufacturing event, and a histogram of the processing time of the individual product associated with the manufacturing event are superimposed and displayed. There is. Therefore, the user can visually recognize which manufacturing event occurs and how much the normal processing time is extended.

＜変形例１＞
実施例では、処理時間のヒストグラムにフィッティングさせる分布曲線の例として、対数正規分布を挙げた。しかしながら、処理時間のヒストグラムには対数正規分布以外の分布曲線（確率分布関数）を用いてフィッティングさせてもよい。例えば、正規分布、ポアソン分布やガンマ分布など、一般の確率分布を用いたフィッティングが可能である。また、本明細書では、製造ロスと製造イベントの関連性の評価方法の例として対数尤度を用いたが、尤度を用いて評価してもよい。 <Modification example 1>
In the example, a lognormal distribution is given as an example of a distribution curve to be fitted to a histogram of processing time. However, the processing time histogram may be fitted using a distribution curve (probability distribution function) other than the lognormal distribution. For example, fitting using a general probability distribution such as a normal distribution, a Poisson distribution, or a gamma distribution is possible. Further, in the present specification, the log-likelihood is used as an example of the method for evaluating the relationship between the manufacturing loss and the manufacturing event, but the likelihood may be used for the evaluation.

＜変形例２＞
また、実施例では、一つの工程の全ての製品個体（製造イベントが紐づけられた製品個体と製造イベントが紐づけられていない製品個体との双方）の処理時間のヒストグラムに対して対数正規分布曲線をフィッティングした。分布曲線のフィッティングは、外れ値となる処理時間のサンプルを除去した母集団のヒストグラムに対して実施してもよい。外れ値の検出には、処理時間の平均値から所定の差のある値を外れ値とする方法、Tukey-Kramer検定、Sumirnov-Grubbs検定など、一般の外れ値の検出方法を用いることができる。 <Modification 2>
Further, in the embodiment, the lognormal distribution is performed with respect to the histogram of the processing time of all the product individuals in one process (both the product individuals associated with the manufacturing event and the product individuals not associated with the manufacturing event). The curve was fitted. The fitting of the distribution curve may be performed on a histogram of the population from which samples of outlier processing times have been removed. For the detection of outliers, general outlier detection methods such as a method in which a value having a predetermined difference from the average processing time is used as an outlier, a Tukey-Kramer test, and a Sumirnov-Grubbs test can be used.

[まとめ]
上記のとおり、本開示の推定システムは、ある工程で製造された製品個体全体の処理時間のヒストグラムと、上記工程で製造された製品個体全体のうち製造イベントと紐づけられた製品個体の処理時間のヒストグラムと、を重畳して表示装置１２０に表示する。したがって、ユーザは、製造イベントが製品個体の処理時間に与える影響を視覚的に理解することができる。 [Summary]
As described above, the estimation system of the present disclosure has a histogram of the processing time of the entire product individual manufactured in a certain process and the processing time of the entire product individual manufactured in the above process linked to the manufacturing event. The histogram of the above is superimposed and displayed on the display device 120. Therefore, the user can visually understand the effect of the manufacturing event on the processing time of the individual product.

また、本開示の推定システムは、例えば、ある工程で製造された製品個体全体の処理時間のヒストグラムにフィッティングした確率分布関数の尤度（または対数尤度）と、上記工程で製造された製品個体全体のうち製造イベントと紐づけられた製品個体の処理時間のヒストグラムが上記確率分布関数に従うと仮定した場合のイベント時尤度（またはイベント時対数尤度）とを算出し、それらの差（尤度差または対数尤度差）を計算する。ユーザは、上記尤度差（または対数尤度差）を確認することによって、ある製造イベントが製品個体の処理時間に及ぼした影響の度合いを理解することができる。 Further, the estimation system of the present disclosure includes, for example, the likelihood (or log-likelihood) of the probability distribution function fitted to the histogram of the processing time of the entire product individual manufactured in a certain step, and the product individual manufactured in the above step. Calculate the event-time likelihood (or event-time log-likelihood) assuming that the processing time histogram of the individual product associated with the manufacturing event of the whole follows the above probability distribution function, and the difference (likelihood) between them. Calculate the degree difference or log-likelihood difference). By checking the likelihood difference (or log-likelihood difference), the user can understand the degree of influence of a manufacturing event on the processing time of an individual product.

また、本開示の推定システムは、例えば、製造イベントと、製造イベントと紐づけられた製品個体と、の時間的遠近を示す時刻差異を製品個体ごとに決定してその平均を算出する。ユーザは、平均時刻差異を確認することによって、製造イベントがどれぐらいの期間に亘って製品個体の製造の処理時間に影響を及ぼすかを理解することができる。 Further, the estimation system of the present disclosure determines, for example, a time difference indicating a temporal perspective between a manufacturing event and a product individual associated with the manufacturing event for each product individual, and calculates the average thereof. By checking the average time difference, the user can understand how long the manufacturing event affects the manufacturing processing time of the individual product.

また、本開示の推定システムは、例えば、一つ以上の製造イベントを、尤度とイベント時尤度との差を示す情報と共に時刻差異の平均の大きさの順に並べて表示装置１２０に表示する。ユーザは、製造イベントが製品個体の製造の処理時間に与える時間的な影響および度合いを一瞥して理解することができる。さらに、ユーザは、複数の製造イベントどうしの関連性を認識する補助的な知識を得ることができる。 Further, in the estimation system of the present disclosure, for example, one or more manufacturing events are displayed on the display device 120 in the order of the average magnitude of the time difference together with the information indicating the difference between the likelihood and the likelihood at the time of the event. The user can glance at the temporal effect and degree of the manufacturing event on the manufacturing processing time of the individual product. In addition, the user can gain ancillary knowledge of recognizing the relationships between multiple manufacturing events.

また、本開示の推定システムは、例えば、製造イベントが製品個体の製造に影響を及ぼしたと考えられる所定の期間と製造期間とが重複する製品個体と、製造イベントと、を紐づける。つまり、本開示の推定システムは、処理時間全体の集合から製造イベントによって製造ロスが発生したと考えられる処理時間を効果的に抽出し、何の製造イベントが生産工程における処理時間に影響を与えたかをユーザに効果的に示すことができる。 Further, the estimation system of the present disclosure associates, for example, a product individual whose production period overlaps with a predetermined period in which the production event is considered to have influenced the production of the product individual, and the production event. That is, the estimation system of the present disclosure effectively extracts the processing time considered to have caused the manufacturing loss due to the manufacturing event from the set of the entire processing time, and what manufacturing event affected the processing time in the production process. Can be effectively shown to the user.

上記所定の期間は、例えば、製造イベントの発生日時と終了日時の少なくとも一方の時点を中心とする生産工程ごとに定められた所定の時間幅である。製造イベントが製品個体の処理時間は生産工程の種類によって異なるため、上記のように所定の期間を設定すると製造イベントが影響を及ぼした処理時間のサンプルを適切に抽出することができる。 The predetermined period is, for example, a predetermined time width determined for each production process centered on at least one of the occurrence date and time and the end date and time of the manufacturing event. Since the processing time of an individual product differs depending on the type of production process, a sample of the processing time affected by the manufacturing event can be appropriately extracted by setting a predetermined period as described above.

また、本開示の推定システムは、例えば、複数の製品個体の処理時間の分布に所定の確率分布関数をフィッティングする際に、当該複数の製品個体の処理時間の分布から、所定の外れ値検出方法によって外れ値を除去した分布に上記所定の確率分布関数をフィッティングさせる。このように、外れ値を除去することによって、製造ロス原因の推定精度を向上させることができる。 Further, the estimation system of the present disclosure is, for example, a method for detecting a predetermined outlier from the distribution of the processing time of the plurality of product individuals when fitting a predetermined probability distribution function to the distribution of the processing time of the plurality of product individuals. The above-mentioned predetermined probability distribution function is fitted to the distribution from which the outliers have been removed. By removing the outliers in this way, the accuracy of estimating the cause of manufacturing loss can be improved.

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段等は、それらの一部または全部を、例えば、集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。 The present invention is not limited to the above-mentioned examples, and includes various modifications. For example, the above-described embodiment has been described in detail in order to explain the present invention in an easy-to-understand manner, and is not necessarily limited to those having all the described configurations. Further, it is possible to replace a part of the configuration of one embodiment with the configuration of another embodiment, and it is also possible to add the configuration of another embodiment to the configuration of one embodiment. Further, it is possible to add / delete / replace a part of the configuration of each embodiment with another configuration. Further, each of the above configurations, functions, processing units, processing means and the like may be realized by hardware by designing a part or all of them by, for example, an integrated circuit. Further, each of the above configurations, functions, and the like may be realized by software by the processor interpreting and executing a program that realizes each function. Information such as programs, tables, and files that realize each function can be placed in a memory, a recording device such as a hard disk or SSD, or a recording medium such as an IC card, SD card, or DVD.

１０１：生産計画システム、１０２：製造実行システム、１０３：製造・検査設備、１０４：設備異常検知システム、１１０：演算装置、１１１：データ取得部、１１２：製造イベント処理部、１１３：統計処理部、１１４：製造情報ＤＢ、１１５：演算結果ＤＢ、１２０：表示装置、２０１：製造実績テーブル、２０２：設備エラー情報テーブル、２０３：設備稼働情報テーブル、２０４：製造イベントリストテーブル、２０５：製造イベント時刻テーブル、２０６：製造イベント期間テーブル、９０１：イベント付製造実績テーブル、９０２：対数正規分布情報テーブル、９０３：イベント相関テーブル 101: Production planning system, 102: Manufacturing execution system, 103: Manufacturing / inspection equipment, 104: Equipment abnormality detection system, 110: Arithmetic device, 111: Data acquisition unit, 112: Manufacturing event processing unit, 113: Statistical processing unit, 114: Manufacturing information DB, 115: Calculation result DB, 120: Display device, 201: Manufacturing record table, 202: Equipment error information table, 203: Equipment operation information table, 204: Manufacturing event list table, 205: Manufacturing event time table , 206: Manufacturing event period table, 901: Manufacturing performance table with event, 902: Log normal distribution information table, 903: Event correlation table

Claims (6)

コンピュータが実行する製造ロスの原因推定方法であって、
複数の製品個体のそれぞれについて生産工程の生産実績情報を取得するステップと、
前記生産実績情報に基づいて前記複数の製品個体のそれぞれについて前記生産工程における処理時間を算出するステップと、
前記生産工程のステータスを示す製造イベントに関する情報を取得するステップと、
前記生産実績情報と前記製造イベントに関する情報とに基づいて、前記製造イベントと前記製品個体とを紐づけるステップと、
前記複数の製品個体の前記処理時間の分布と、前記製造イベントが紐づけられた製品個体の前記処理時間の分布と、を重畳して表示装置に表示するステップと、
前記複数の製品個体の前記処理時間の分布に所定の確率分布関数をフィッティングするステップと、
前記処理時間の分布がフィッティングして決定された確率分布関数に従うと仮定した場合の尤度を算出するステップと、
前記製造イベントと紐づけられた製品個体の前記処理時間の分布がフィッティングして得られた前記確率分布関数に従うと仮定した場合のイベント時尤度を算出するステップと、
前記尤度と前記イベント時尤度との差を算出するステップと、
前記製造イベントの発生日時と終了日時との少なくとも一方と、前記製造イベントと紐づけられた前記製品個体の着手時刻と完了時刻との少なくとも一方と、に基づいて、前記製造イベントと前記製造イベントが紐づけられた前記製品個体との時間的遠近を示す時刻差異を前記製品個体ごとに決定してその平均を算出するステップと、
を含む製造ロスの原因推定方法。 It is a method of estimating the cause of manufacturing loss executed by a computer.
Steps to acquire production record information of the production process for each of multiple product individuals,
A step of calculating the processing time in the production process for each of the plurality of individual products based on the production record information, and
A step of acquiring information about a manufacturing event indicating the status of the production process, and
Based on the production record information and the information about the manufacturing event, the step of associating the manufacturing event with the product individual and
A step of superimposing the distribution of the processing time of the plurality of product individuals and the distribution of the processing time of the product individual associated with the manufacturing event and displaying them on the display device.
A step of fitting a predetermined probability distribution function to the processing time distribution of the plurality of product individuals,
The step of calculating the likelihood when the distribution of the processing time is assumed to follow the probability distribution function determined by fitting, and
A step of calculating the event-time likelihood when it is assumed that the distribution of the processing time of the product individual associated with the manufacturing event follows the probability distribution function obtained by fitting.
The step of calculating the difference between the likelihood and the event likelihood,
The manufacturing event and the manufacturing event are based on at least one of the occurrence date and time and the end date and time of the manufacturing event and at least one of the start time and the completion time of the product individual associated with the manufacturing event. A step of determining the time difference indicating the temporal perspective from the associated product individual for each product individual and calculating the average thereof.
Method of estimating the cause of manufacturing loss including. 前記処理時間を算出するステップは、前記生産実績情報が含む着手時刻と完了時刻とに基づいて前記処理時間を算出するステップであり、
前記製造イベントと前記製品個体とを紐づけるステップは、前記製造イベントに関する情報に含まれる発生日時および終了日時の少なくとも一方と、製品個体の前記着手時刻および前記完了時刻の少なくとも一方と、に基づいて、前記製造イベントと前記製品個体とを紐づけるステップである、
請求項１に記載の製造ロスの原因推定方法。 The step of calculating the processing time is a step of calculating the processing time based on the start time and the completion time included in the production record information.
The step of associating the manufacturing event with the product individual is based on at least one of the occurrence date and time and the end date and time included in the information regarding the manufacturing event, and at least one of the start time and the completion time of the product individual. , A step of associating the manufacturing event with the individual product.
The method for estimating the cause of manufacturing loss according to claim 1. 一つ以上の前記製造イベントを、前記尤度と前記イベント時尤度との差を示す情報と供に前記時刻差異の平均の大きさの順に並べて表示装置に表示するステップ、
をさらに含む請求項１に記載の原因推定方法。 A step of displaying one or more of the manufacturing events on a display device in the order of the average magnitude of the time differences together with information indicating the difference between the likelihood and the event-time likelihood.
The cause estimation method according to claim 1 , further comprising. 前記製造イベントと前記製品個体とを紐づけるステップは、
前記製造イベントが製品個体の製造に影響を及ぼしたと考えられる所定の期間と製造期間が重複する製品個体と、前記製造イベントと、を紐づけるステップである、
請求項１に記載の原因推定方法。 The step of associating the manufacturing event with the individual product is
It is a step of associating the manufacturing event with the product individual whose manufacturing period overlaps with the predetermined period in which the manufacturing event is considered to have influenced the manufacturing of the product individual.
The cause estimation method according to claim 1. 前記複数の製品個体の前記処理時間の分布に所定の確率分布関数をフィッティングする前記ステップは、
前記複数の製品個体の前記処理時間の分布から、所定の外れ値検出方法によって外れ値を除去した分布に前記所定の確率分布関数をフィッティングするステップである、
請求項１に記載の原因推定方法。 The step of fitting a predetermined probability distribution function to the distribution of the processing time of the plurality of product individuals is
This is a step of fitting the predetermined probability distribution function to a distribution in which outliers are removed by a predetermined outlier detection method from the distribution of the processing time of the plurality of product individuals.
The cause estimation method according to claim 1 . 複数の製品個体のそれぞれについて生産工程の生産実績情報を取得するステップと、
前記生産実績情報に基づいて前記複数の製品個体のそれぞれについて前記生産工程における処理時間を算出するステップと、
前記生産工程のステータスを示す製造イベントに関する情報を取得するステップと、
前記生産実績情報と前記製造イベントに関する情報とに基づいて、前記製造イベントと前記製品個体とを紐づけるステップと、
前記複数の製品個体の前記処理時間の分布と、前記製造イベントが紐づけられた製品個体の前記処理時間の分布と、を重畳して表示装置に表示するステップと、
前記複数の製品個体の前記処理時間の分布に所定の確率分布関数をフィッティングするステップと、
前記処理時間の分布がフィッティングして決定された確率分布関数に従うと仮定した場合の尤度を算出するステップと、
前記製造イベントと紐づけられた製品個体の前記処理時間の分布がフィッティングして得られた前記確率分布関数に従うと仮定した場合のイベント時尤度を算出するステップと、
前記尤度と前記イベント時尤度との差を算出するステップと、
前記製造イベントの発生日時と終了日時との少なくとも一方と、前記製造イベントと紐づけられた前記製品個体の着手時刻と完了時刻との少なくとも一方と、に基づいて、前記製造イベントと前記製造イベントが紐づけられた前記製品個体との時間的遠近を示す時刻差異を前記製品個体ごとに決定してその平均を算出するステップと、
をコンピュータに実行させるためのプログラム。 Steps to acquire production record information of the production process for each of multiple product individuals,
A step of calculating the processing time in the production process for each of the plurality of individual products based on the production record information, and
A step of acquiring information about a manufacturing event indicating the status of the production process, and
Based on the production record information and the information about the manufacturing event, the step of associating the manufacturing event with the product individual and
A step of superimposing the distribution of the processing time of the plurality of product individuals and the distribution of the processing time of the product individual associated with the manufacturing event and displaying them on the display device.
A step of fitting a predetermined probability distribution function to the processing time distribution of the plurality of product individuals,
The step of calculating the likelihood when the distribution of the processing time is assumed to follow the probability distribution function determined by fitting, and
A step of calculating the event-time likelihood when it is assumed that the distribution of the processing time of the product individual associated with the manufacturing event follows the probability distribution function obtained by fitting.
The step of calculating the difference between the likelihood and the event likelihood,
The manufacturing event and the manufacturing event are based on at least one of the occurrence date and time and the end date and time of the manufacturing event and at least one of the start time and the completion time of the product individual associated with the manufacturing event. A step of determining the time difference indicating the temporal perspective from the associated product individual for each product individual and calculating the average thereof.
A program that lets your computer run.
JP2017152739A 2017-08-07 2017-08-07 Cause estimation method and program Active JP6802122B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017152739A JP6802122B2 (en) 2017-08-07 2017-08-07 Cause estimation method and program
PCT/JP2018/001561 WO2019030945A1 (en) 2017-08-07 2018-01-19 Cause estimation method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017152739A JP6802122B2 (en) 2017-08-07 2017-08-07 Cause estimation method and program

Publications (2)

Publication Number Publication Date
JP2019032671A JP2019032671A (en) 2019-02-28
JP6802122B2 true JP6802122B2 (en) 2020-12-16

Family

ID=65271023

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017152739A Active JP6802122B2 (en) 2017-08-07 2017-08-07 Cause estimation method and program

Country Status (2)

Country Link
JP (1) JP6802122B2 (en)
WO (1) WO2019030945A1 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7473410B2 (en) 2020-07-07 2024-04-23 株式会社日立製作所 Work instruction device, work instruction system, and work instruction method
JP7463250B2 (en) 2020-10-07 2024-04-08 三菱重工業株式会社 Moderator temperature coefficient measurement system, moderator temperature coefficient measurement method and program
JP7471334B2 (en) 2022-02-17 2024-04-19 株式会社日立製作所 Productivity improvement system, productivity improvement method

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4665621B2 (en) * 2004-12-24 2011-04-06 オムロン株式会社 Process improvement support system
JP4873267B2 (en) * 2005-10-21 2012-02-08 オムロン株式会社 Data collection system, analysis device, analysis method, and program
JP5825906B2 (en) * 2011-07-28 2015-12-02 三菱重工業株式会社 Production management apparatus, process analysis method, and process analysis program
JP5867349B2 (en) * 2011-09-21 2016-02-24 新日鐵住金株式会社 Quality prediction apparatus, operation condition determination method, quality prediction method, computer program, and computer-readable storage medium

Also Published As

Publication number Publication date
WO2019030945A1 (en) 2019-02-14
JP2019032671A (en) 2019-02-28

Similar Documents

Publication Publication Date Title
JP6364800B2 (en) Monitoring device and monitoring method
JPH10510385A (en) Method and system for software quality architecture based analysis
GB2586105A (en) Quality review management system
US20060282189A1 (en) Manufacturing control apparatus, manufacturing control method, and computer product
JP6802122B2 (en) Cause estimation method and program
JP2007165721A (en) Process abnormality analyzing device, and program
JP2012220978A (en) Abnormal factor specifying method and device, program for making computer execute the abnormal factor specifying method, and computer readable recording medium with the program recorded
JP2016167259A (en) Method and apparatus for analyzing availability of system, in particular of safety critical system
JP2019028834A (en) Abnormal value diagnostic device, abnormal value diagnostic method, and program
JP2018060332A (en) Incident analysis program, incident analysis method, information processing device, service specification program, service specification method and service specification device
Cinque et al. On the impact of debugging on software reliability growth analysis: a case study
TWI644222B (en) Quality analysis device and quality analysis method
JP2015045942A (en) Quality control device, quality control method, and program
JP6252909B2 (en) Stress determination device, stress determination method, and program
JP3550105B2 (en) Automatic detection and classification of wafer failure signatures
JP5532782B2 (en) Traceability system and manufacturing process abnormality detection method
JP5668425B2 (en) Failure detection apparatus, information processing method, and program
JP6247777B2 (en) Abnormality diagnosis apparatus and abnormality diagnosis method
US8448028B2 (en) System monitoring method and system monitoring device
JP2021197026A (en) Operation loss analysis system and operation loss analysis method
JP2005165546A (en) Process management system and process management device
Tian et al. Test workload measurement and reliability analysis for large commercial software systems
JP4653526B2 (en) Quality analysis method, quality analysis apparatus, computer program, and computer-readable storage medium
JP5355116B2 (en) Plant maintenance support method and plant maintenance support system
JP6177022B2 (en) Information processing apparatus, information processing method, and program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200129

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200923

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201026

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: 20201117

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201126

R150 Certificate of patent or registration of utility model

Ref document number: 6802122

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250