JP6832175B2 - Processing flow management device and processing flow management method - Google Patents

Description

本発明は、処理フロー管理装置及び処理フロー管理方法に関するものである。 The present invention relates to a processing flow management device and a processing flow management method.

複数の処理を実行して所定の結果を取得する際には、この処理の内容を検査して、結果が良好なものであるかを解析する場合がある。より具体的には、例えば、処理として生産工程を実行して生産物を生産する場合、その生産工程で実施された内容、例えば加工後の寸法などを検査して、生産物が不良であるかを解析する。また、生産物を効率よく生産する、つまり不良品を減らして歩留まりを向上させるために、生産に係る各種要因に基づいて生産処理を解析するシステムが提案されている。 When a plurality of processes are executed and a predetermined result is obtained, the content of this process may be inspected to analyze whether the result is good or not. More specifically, for example, when a production process is executed as a process to produce a product, the contents carried out in the production process, such as the dimensions after processing, are inspected to see if the product is defective. To analyze. Further, in order to efficiently produce products, that is, to reduce defective products and improve the yield, a system for analyzing production processing based on various factors related to production has been proposed.

例えば、特許文献１には、連続量の目的変数に関連付けられた複数の連続量の説明変数の中から目的変数に影響度の高い説明変数を選び出すことができるデータ処理方法が記載されている。 For example, Patent Document 1 describes a data processing method capable of selecting an explanatory variable having a high influence on the objective variable from a plurality of explanatory variables of the continuous quantity associated with the objective variable of the continuous quantity.

特開２００７−３２９４１５号公報JP-A-2007-329415

特許文献１に記載の方法は、各種要因を分析し、影響度の高い説明変数を検出することで、生産に影響がある条件を特定している。しかしながら、どの説明変数の影響度が高いかを特定した場合でも、その生産工程の実行結果により、生産物への影響の大きさが変化する。すなわち、例えば加工を実行した際の加工代によって、生産物の寸法への影響が変化する。従って、その処理（生産工程）が実際に実行された際に、その処理が結果（生産物）へどの程度影響を与えるかを、定量的に予測することができない。すなわち、特許文献１に記載の方法は、説明変数に対応する処理が実際に実施された際に、結果が目標を外れるリスクを適切に予測することはできない。 The method described in Patent Document 1 identifies conditions that affect production by analyzing various factors and detecting explanatory variables having a high degree of influence. However, even when it is specified which explanatory variable has a high degree of influence, the magnitude of the influence on the product changes depending on the execution result of the production process. That is, for example, the influence on the dimensions of the product changes depending on the processing allowance when the processing is executed. Therefore, when the process (production process) is actually executed, it is not possible to quantitatively predict how much the process will affect the result (product). That is, the method described in Patent Document 1 cannot appropriately predict the risk that the result will deviate from the target when the process corresponding to the explanatory variable is actually performed.

本発明は、上述した課題を解決するものであり、実際に処理を実施した際に、結果が目標を外れるか否かを適切に予測する処理フロー管理装置及び処理フロー管理方法を提供することを目的とする。 The present invention solves the above-mentioned problems, and provides a processing flow management device and a processing flow management method that appropriately predict whether or not a result deviates from a target when the processing is actually performed. The purpose.

上述した課題を解決し、目的を達成するために、本開示に係る処理フロー管理装置は、パラメータを変更させる複数の処理が予め設定された順序で組み合わさっており、前記複数の処理の実行により結果を取得する処理フローを管理する処理フロー管理装置であって、前記複数の処理が変更させる前記パラメータのうち、前記結果に対する影響の高い前記パラメータである重要パラメータを複数抽出する重要パラメータ抽出部と、前記重要パラメータの検査結果を取得する検査結果取得部と、前記重要パラメータを説明変数とし前記結果を目的変数として、前記重要パラメータと前記結果との因果関係を示す因果関係モデルを生成する因果関係モデル生成部と、前記因果関係モデルに基づき、前記重要パラメータが前記結果に与える影響の度合いを示す係数である相関係数を前記複数の重要パラメータ毎に算出する相関係数算出部と、前記相関係数と前記複数の重要パラメータの検査結果とに基づき、前記結果の目標値からのずれ量である差異値を算出する差異値算出部と、を有する。 In order to solve the above-mentioned problems and achieve the object, the processing flow management device according to the present disclosure combines a plurality of processes for changing parameters in a preset order, and by executing the plurality of processes. A processing flow management device that manages a processing flow for acquiring a result, and an important parameter extraction unit that extracts a plurality of important parameters that have a high influence on the result among the parameters that are changed by the plurality of processes. , An inspection result acquisition unit that acquires the inspection results of the important parameters, and a causal relationship that generates a causal relationship model showing a causal relationship between the important parameters and the results by using the important parameters as explanatory variables and the results as objective variables. A model generation unit, a correlation coefficient calculation unit that calculates a correlation coefficient that is a coefficient indicating the degree of influence of the important parameter on the result based on the causal relationship model for each of the plurality of important parameters, and the phase. It has a difference value calculation unit that calculates a difference value which is an amount of deviation from the target value of the result based on the number of relationships and the inspection results of the plurality of important parameters.

この処理フロー管理装置は、相関係数と重要パラメータの検査結果により、結果の目標値からのずれ量である差異値を、定量的に算出する。処理フロー管理装置は、このように差異値を算出することにより、結果が目標を外れるか否かを適切に予測することができる。 This processing flow management device quantitatively calculates the difference value, which is the amount of deviation from the target value of the result, based on the correlation coefficient and the inspection result of the important parameter. By calculating the difference value in this way, the processing flow management device can appropriately predict whether or not the result deviates from the target.

前記処理フロー管理装置において、前記重要パラメータ抽出部は、予め実行された前記処理フローの、前記複数のパラメータの検査結果と前記結果の検査結果とを取得するデータ取得部と、取得した前記結果の検査結果に対して許容範囲を設定し、予め実行された前記処理フローの前記結果を、前記許容範囲を満たす適合結果と前記許容範囲を満たさない不適合結果とに分類し、前記複数のパラメータを説明変数とし前記結果を目的変数として決定木分析を実行し、各決定木で分類した前記説明変数に対して前記不適合結果の発生確率を算出する決定木分析部と、前記不適合結果の発生確率が所定値以上である前記説明変数に対応付けられた前記パラメータを、前記重要パラメータとする重要パラメータ決定部と、を有することが好ましい。この処理フロー管理装置は、差異値算出の変数として使用するパラメータとして、生産物への影響が高いものを適切に選定することが可能となり、結果が目標を外れるか否かをより適切に予測することができる。 In the processing flow management device, the important parameter extraction unit includes a data acquisition unit that acquires inspection results of the plurality of parameters and inspection results of the results of the processing flow that has been executed in advance, and a data acquisition unit that acquires the acquired results. An allowable range is set for the inspection result, the result of the processing flow executed in advance is classified into a conformity result that satisfies the allowable range and a nonconformity result that does not satisfy the allowable range, and the plurality of parameters are described. A decision tree analysis unit that executes a decision tree analysis using the result as a variable and the result as an objective variable and calculates the occurrence probability of the nonconformity result for the explanatory variable classified by each decision tree, and a decision tree analysis unit that calculates the occurrence probability of the nonconformity result are predetermined. It is preferable to have an important parameter determination unit that uses the parameter associated with the explanatory variable having a value or more as the important parameter. This processing flow management device makes it possible to appropriately select parameters that have a high impact on the product as parameters used as variables for calculating the difference value, and more appropriately predicts whether or not the result deviates from the target. be able to.

前記処理フロー管理装置において、前記検査結果取得部は、前記重要パラメータに対応する全ての処理が実行される前に、それまでに実行された処理に対応する前記重要パラメータの検査結果を取得し、前記差異値算出部は、実行されていない前記処理に対応する重要パラメータの設定値を予め設定しており、実行された前記処理に対応する重要パラメータの検査結果及び前記相関係数と、実行されていない前記処理に対応する重要パラメータの設定値及び前記相関係数と、に基づき、前記差異値を算出するものであり、さらに、実行されていない前記処理の重要パラメータを、前記差異値が所定の値以下となるように、前記設定値から補正した値である補正値となるように設定する補正部と、を有することが好ましい。この処理フロー管理装置は、処理の途中に差異値を算出し、この差異値に基づき、これから実行する処理を制御することで、不適合結果となる確率を低減することができる。 In the processing flow management device, the inspection result acquisition unit acquires the inspection results of the important parameters corresponding to the processes executed so far before all the processes corresponding to the important parameters are executed. The difference value calculation unit presets the setting values of the important parameters corresponding to the processing that has not been executed, and executes the inspection results of the important parameters corresponding to the executed processing and the correlation coefficient. The difference value is calculated based on the set value of the important parameter corresponding to the processing that has not been performed and the correlation coefficient, and the difference value determines the important parameter of the processing that has not been executed. It is preferable to have a correction unit for setting a correction value which is a value corrected from the set value so as to be equal to or less than the value of. This processing flow management device can reduce the probability of a nonconformity result by calculating a difference value in the middle of processing and controlling the processing to be executed based on the difference value.

前記処理フロー管理装置において、前記補正部は、実行されていない前記処理に対応する重要パラメータのうち、前記相関係数が大きい重要パラメータを、前記補正値を設定するものとして優先して選択することが好ましい。この処理フロー管理装置は、補正量を少なくしつつ、不適合結果を抑制することができる。 In the processing flow management device, the correction unit preferentially selects an important parameter having a large correlation coefficient among the important parameters corresponding to the processing that has not been executed as the one for setting the correction value. Is preferable. This processing flow management device can suppress nonconformity results while reducing the amount of correction.

前記処理フロー管理装置において、前記補正部は、前記補正値を設定する重要パラメータの個数が最小となるように、前記補正値を設定する重要パラメータを選択することが好ましい。この処理フロー管理装置は、補正値を設定する処理対象を適切に少なくすることができる In the processing flow management device, it is preferable that the correction unit selects important parameters for setting the correction value so that the number of important parameters for setting the correction value is minimized. This processing flow management device can appropriately reduce the number of processing targets for which correction values are set.

前記処理フロー管理装置において、前記因果関係モデルは、前記重要パラメータと前記結果との因果関係に加え、前記重要パラメータ同士の因果関係を示すことが好ましい。この処理フロー管理装置は、重要パラメータ同士の因果関係も考慮して因果関係モデルを構築しているため、相関係数を適切に算出して、結果が目標を外れるか否かをより適切に予測することができる。 In the processing flow management device, it is preferable that the causal relationship model shows a causal relationship between the important parameters in addition to the causal relationship between the important parameters and the result. Since this processing flow management device builds a causal relationship model in consideration of the causal relationship between important parameters, the correlation coefficient is calculated appropriately and whether or not the result deviates from the target is predicted more appropriately. can do.

前記処理フロー管理装置において、前記処理は、生産物を生産するための生産工程であり、前記結果は、前記生産物であることが好ましい。この処理フロー管理装置は、生産物が目標を外れるか否かを適切に予測することができる。 In the processing flow management apparatus, the processing is a production process for producing a product, and the result is preferably the product. This processing flow management device can appropriately predict whether or not the product deviates from the target.

上述した課題を解決し、目的を達成するために、本開示に係る処理フロー管理方法は、パラメータを変更させる複数の処理が予め設定された順序で組み合わさっており、前記複数の処理の実行により結果を取得する処理フローを管理する処理フロー管理方法であって、前記複数の処理が変更させる前記パラメータのうち、前記結果に対する影響の高い前記パラメータである重要パラメータを複数抽出する重要パラメータ抽出ステップと、前記重要パラメータの検査結果を取得する検査結果取得ステップと、前記重要パラメータを説明変数とし前記結果を目的変数として、前記重要パラメータと前記結果との因果関係を示す因果関係モデルを生成する因果関係モデル生成ステップと、前記因果関係モデルに基づき、前記重要パラメータが前記結果に与える影響の度合いを示す係数である相関係数を前記複数の重要パラメータ毎に算出する相関係数算出ステップと、前記相関係数と前記複数の重要パラメータの検査結果とに基づき、前記結果の目標値からのずれ量である差異値を算出する差異値算出ステップと、を有する。この処理フロー管理方法は、結果が目標を外れるか否かをより適切に予測することができる。 In order to solve the above-mentioned problems and achieve the object, the processing flow management method according to the present disclosure combines a plurality of processes for changing parameters in a preset order, and by executing the plurality of processes. A processing flow management method for managing a processing flow for acquiring a result, which comprises an important parameter extraction step of extracting a plurality of important parameters which are the parameters having a high influence on the result among the parameters changed by the plurality of processes. , The inspection result acquisition step for acquiring the inspection result of the important parameter, and the causal relationship for generating the causal relationship model showing the causal relationship between the important parameter and the result by using the important parameter as an explanatory variable and the result as an objective variable. A model generation step, a correlation coefficient calculation step for calculating a correlation coefficient, which is a coefficient indicating the degree of influence of the important parameter on the result based on the causal relationship model, for each of the plurality of important parameters, and the phase. It has a difference value calculation step of calculating a difference value which is an amount of deviation from the target value of the result based on the number of relationships and the inspection results of the plurality of important parameters. This processing flow management method can more appropriately predict whether or not the result deviates from the target.

本発明によれば、実際に処理を実施する際に、結果が目標を外れるか否かを適切に予測することができる。 According to the present invention, it is possible to appropriately predict whether or not the result deviates from the target when the treatment is actually carried out.

図１は、本実施形態の生産管理システムの概略構成を示すブロック図である。FIG. 1 is a block diagram showing a schematic configuration of the production control system of the present embodiment. 図２は、生産フローの一例を示す概念図である。FIG. 2 is a conceptual diagram showing an example of a production flow. 図３は、履歴データの一例を示す概念図である。FIG. 3 is a conceptual diagram showing an example of historical data. 図４は、重要パラメータ抽出部の構成を模式的に示すブロック図である。FIG. 4 is a block diagram schematically showing the configuration of the important parameter extraction unit. 図５は、決定木分析の結果の一例を示す概念図である。FIG. 5 is a conceptual diagram showing an example of the result of the decision tree analysis. 図６は、因果関係モデルの一例を示す模式図である。FIG. 6 is a schematic diagram showing an example of a causal relationship model. 図７は、因果関係式生成部の構成を模式的に示すブロック図である。FIG. 7 is a block diagram schematically showing the configuration of the causal relational expression generation unit. 図８は、重要パラメータの抽出フローを説明するフローチャートである。FIG. 8 is a flowchart illustrating an extraction flow of important parameters. 図９は、補正値の設定フローを説明するフローチャートである。FIG. 9 is a flowchart illustrating a flow for setting a correction value.

以下に添付図面を参照して、本発明の好適な実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではなく、また、実施形態が複数ある場合には、各実施形態を組み合わせて構成するものも含むものである。 Preferred embodiments of the present invention will be described in detail below with reference to the accompanying drawings. It should be noted that the present invention is not limited to this embodiment, and when there are a plurality of embodiments, the present invention also includes a combination of the respective embodiments.

図１は、本実施形態の生産管理システムの概略構成を示すブロック図である。生産管理システム１０は、複数の生産工程を予め設定された順序で組み合わせて生産工程フローを構築しており、この生産工程フローを実行することにより、生産物を製造する。この生産工程の順序は、ある生産工程を実行した後に他の生産工程を実行するものであり、すなわち、生産工程同士が直列に繋がっている。生産物は、種々の物品を対象とすることができる。生産物は、部品でも最終製品でもよい。また、本実施形態では、生産管理システム１０は、生産工程フローを実施して生産物を製造しているが、処理フロー管理システムとして、ある処理フローを実行して所定の結果を取得するものであればよい。この処理フローは、複数の処理が予め設定された順序で組み合わさったものであり、ある処理を実行した後に他の処理が実行されるものである。以下では、処理を生産工程とし、結果を生産物とした生産工程フローについて説明するが、処理及び結果の内容は、これに限られず任意である。例えば、生産計画を目標とし、処理を生産工程とし、結果を生産実績とすることも可能である。この場合、生産管理システム１０を用いることで、生産実績が生産計画から乖離した理由を分析することも可能になる。 FIG. 1 is a block diagram showing a schematic configuration of the production control system of the present embodiment. The production control system 10 constructs a production process flow by combining a plurality of production processes in a preset order, and manufactures a product by executing the production process flow. The order of the production processes is that one production process is executed and then another production process is executed, that is, the production processes are connected in series. The product can be a variety of articles. The product may be a part or a final product. Further, in the present embodiment, the production control system 10 executes a production process flow to manufacture a product, but as a processing flow management system, a certain processing flow is executed and a predetermined result is acquired. All you need is. This processing flow is a combination of a plurality of processes in a preset order, in which a certain process is executed and then another process is executed. Hereinafter, the production process flow in which the processing is the production process and the result is the product will be described, but the content of the processing and the result is not limited to this and is arbitrary. For example, it is possible to set a production plan as a target, process as a production process, and use the result as a production result. In this case, by using the production control system 10, it is possible to analyze the reason why the production performance deviates from the production plan.

生産管理システム１０は、生産ライン１２と、検査装置１４と、生産工程管理装置１６と、を有する。生産ライン１２は、各生産工程、ここでは対象物に対する加工を実行し、生産物を生産する。生産ライン１２は、加工を行う各種機器を有する。ここで、加工は、鋳造、切削、溶接、研磨、熱処理等の各種機械加工や、合成、成膜等の化学処理も含む。生産ライン１２は、複数の生産工程、すなわち生産工程フローを実行し、生産物を生産する。各生産工程は、このように加工を行うものであるため、実施後に対象物のパラメータを変化させる。ここでのパラメータとは、生産工程の実行によって変化が生じる対象物のパラメータであり、例えば、対象物または生産物のある箇所の寸法、真円度、表面粗さ、組成、結晶構造等である。 The production control system 10 includes a production line 12, an inspection device 14, and a production process control device 16. The production line 12 performs processing on each production process, in this case, an object, and produces a product. The production line 12 has various devices for processing. Here, the processing includes various machining such as casting, cutting, welding, polishing and heat treatment, and chemical processing such as synthesis and film formation. The production line 12 executes a plurality of production processes, that is, production process flows, and produces a product. Since each production process is processed in this way, the parameters of the object are changed after the operation. The parameters here are parameters of the object that change due to the execution of the production process, and are, for example, the dimensions, roundness, surface roughness, composition, crystal structure, etc. of the object or the product at a certain location. ..

検査装置１４は、対象物に対する加工（生産工程）の途中の検査、及び、生産ライン１２での生産工程フローが終了した生産物の検査を実行する。検査装置１４は、生産ライン１２が実施した生産工程によって変化した各種パラメータが、計測対象となる。具体的には、計測対象のパラメータは、上述のように、対象物または生産物の寸法、真円度、表面粗さ、組成、結晶構造等のパラメータが例示される。検査装置１４は、計測するパラメータを計測できる計測機器を有する。なお、検査装置１４は、生産ライン１２の一部としてもよい。 The inspection device 14 executes an inspection of the object in the middle of processing (production process) and an inspection of the product whose production process flow on the production line 12 is completed. In the inspection device 14, various parameters changed by the production process carried out by the production line 12 are measured. Specifically, as the parameters to be measured, as described above, parameters such as the size, roundness, surface roughness, composition, and crystal structure of the object or product are exemplified. The inspection device 14 has a measuring device capable of measuring the parameters to be measured. The inspection device 14 may be a part of the production line 12.

生産工程管理装置１６は、生産ライン１２による生産及び検査装置１４による検査を管理、制御する。生産工程管理装置１６は、演算処理機能、記憶機能、入出力機能を備えた機器、例えば、パーソナルコンピュータである。生産工程管理装置１６は、関連データ記憶部２０と、重要パラメータ抽出部２２と、検査結果取得部２４と、因果関係モデル生成部２６と、因果関係式生成部２８と、差異値算出部３０と、補正部３２と、を有する。 The production process control device 16 manages and controls the production by the production line 12 and the inspection by the inspection device 14. The production process management device 16 is a device having an arithmetic processing function, a storage function, and an input / output function, for example, a personal computer. The production process management device 16 includes a related data storage unit 20, an important parameter extraction unit 22, an inspection result acquisition unit 24, a causal relationship model generation unit 26, a causal relationship expression generation unit 28, and a difference value calculation unit 30. , And a correction unit 32.

関連データ記憶部２０は、生産工程フロー及び生産物の各種データを記憶する。関連データ記憶部２０は、例えば、生産ライン１２による生産工程フローの実行中に、検査装置１４によって行われたパラメータの検査結果を、逐次取得して記憶する。また、関連データ記憶部２０は、例えば、以下に説明する生産フローデータ及び履歴データを記憶している。 The related data storage unit 20 stores various data of the production process flow and the product. For example, the related data storage unit 20 sequentially acquires and stores the inspection results of the parameters performed by the inspection device 14 during the execution of the production process flow by the production line 12. Further, the related data storage unit 20 stores, for example, the production flow data and the history data described below.

図２は、生産フローの一例を示す概念図である。生産フローデータは、生産物を生産する生産工程と検査の順序を示すデータである。図２に示す生産フローデータは、第１工程、第２工程、第３工程、第１検査、第４工程、第５工程、第２検査の順番で各工程を実行して、生産物を完成させる生産フローを示している。第１工程、第２工程、第３工程、第４工程、及び第５工程は、生産ライン１２で実行する生産工程（加工処理）である。各工程は、複数の加工処理を含んでいても１つの加工処理でもよい。第１検査、第２検査は、検査装置１４で実行する検査であり、それより前に実行された工程の内容、すなわち各パラメータを検査するものである。各検査は、複数の検査を含んでいても１つの検査でもよい。つまり、各検査で検出される検査結果は、複数の検査結果でも１つの検査結果でもよい。なお、図２に示す生産フローは、生産フローの一部であり、第１検査以降も計測と工程とが続く。また、工程の順序と検査の順序とは、図２に示したものに限られず任意である。 FIG. 2 is a conceptual diagram showing an example of a production flow. The production flow data is data showing the production process for producing the product and the order of inspection. In the production flow data shown in FIG. 2, each process is executed in the order of the first process, the second process, the third process, the first inspection, the fourth process, the fifth process, and the second inspection to complete the product. It shows the production flow to be made. The first step, the second step, the third step, the fourth step, and the fifth step are production steps (processing processes) executed on the production line 12. Each step may include a plurality of processing processes or may be one processing process. The first inspection and the second inspection are inspections performed by the inspection device 14, and inspect the contents of the steps executed before that, that is, each parameter. Each test may include multiple tests or may be one test. That is, the test result detected in each test may be a plurality of test results or one test result. The production flow shown in FIG. 2 is a part of the production flow, and the measurement and the process continue even after the first inspection. Further, the order of steps and the order of inspections are not limited to those shown in FIG. 2, and are arbitrary.

図３は、履歴データの一例を示す概念図である。履歴データは、図３に示すように、生産フローに基づいて、生産物を加工する際に実行した検査結果のデータを生産物毎に保存したものである。すなわち、履歴データは、すでに生産された生産物の検査結果のデータである。履歴データは、各パラメータを要因として分離し、それぞれの要因（パラメータ）の検査結果が含まれる。図３に示す例では、第１検査では、第１要因、第２要因、第３要因の３つのパラメータが検査され、第２検査では、第４要因、第５要因の２つのパラメータが検査される。本実施形態の説明では、第１要因は第１工程の実施により変化したパラメータであり、第２要因は第２工程の実施により変化したパラメータであり、第３要因は第３工程の実施により変化したパラメータであり、第４要因は第４工程の実施により変化したパラメータであり、第５要因は第５工程の実施により変化したパラメータである。すなわち、この例では、一つの工程に対して、一つの要因（パラメータ）に対する検査のみが行われるが、一つの工程に対して、複数の要因に対する検査が行われてもよい。例えば、第１要因、第２要因の両方が、第１工程で変化するパラメータであってもよい。 FIG. 3 is a conceptual diagram showing an example of historical data. As shown in FIG. 3, the historical data stores the data of the inspection result executed when the product is processed based on the production flow for each product. That is, the historical data is the data of the inspection result of the product already produced. The historical data is separated by each parameter as a factor, and the inspection result of each factor (parameter) is included. In the example shown in FIG. 3, in the first inspection, three parameters of the first factor, the second factor, and the third factor are inspected, and in the second inspection, two parameters of the fourth factor and the fifth factor are inspected. To. In the description of the present embodiment, the first factor is a parameter changed by the implementation of the first step, the second factor is a parameter changed by the implementation of the second step, and the third factor is changed by the implementation of the third step. The fourth factor is the parameter changed by the implementation of the fourth step, and the fifth factor is the parameter changed by the implementation of the fifth step. That is, in this example, only one factor (parameter) is inspected for one process, but a plurality of factors may be inspected for one process. For example, both the first factor and the second factor may be parameters that change in the first step.

また、履歴データは、完成した生産物の検査で計測した結果も含む。生産物（完成品）の検査では、第Ａ要因、第Ｂ要因、第Ｃ要因の３つの最終パラメータが検査される。ここでの最終パラメータは、完成した生産物に対するパラメータである。なお、各検査でのパラメータ及び生産品の最終パラメータの数は、一例であり、実際の検査ではより多くのパラメータ及び最終パラメータを計測し、履歴データに含めてもよい。また、生産物には、生産物の検査で計測した結果、許容範囲を満たす適合品（適合結果）と、許容範囲を満たさない不適合品（不適合結果）が含まれる。また、履歴データは、生産物が適合品か不適合品かを示す情報をさらに備えていてもよい。 The historical data also includes the results measured in the inspection of the finished product. In the inspection of the product (finished product), three final parameters of the Ath factor, the Bth factor, and the Cth factor are inspected. The final parameters here are the parameters for the finished product. The number of parameters and the final parameters of the product in each inspection is an example, and more parameters and final parameters may be measured and included in the historical data in the actual inspection. In addition, the product includes a conforming product (conformity result) that satisfies the permissible range and a nonconforming product (nonconformity result) that does not satisfy the permissible range as a result of measurement in the inspection of the product. In addition, the historical data may further include information indicating whether the product is a conforming product or a non-conforming product.

次に、図１に示す重要パラメータ抽出部２２について説明する。図４は、重要パラメータ抽出部の構成を模式的に示すブロック図である。重要パラメータ抽出部２２は、生産工程フロー中の複数の生産工程が変更させるパラメータのうちから、重要パラメータを複数抽出する。重要パラメータは、各パラメータのうちから、生産物に対する影響の高いパラメータとして、重要パラメータ抽出部２２に選択されたパラメータである。図４に示すように、重要パラメータ抽出部２２は、データ取得部４０と、決定木分析部４２と、重要パラメータ決定部４４と、を有する。 Next, the important parameter extraction unit 22 shown in FIG. 1 will be described. FIG. 4 is a block diagram schematically showing the configuration of the important parameter extraction unit. The important parameter extraction unit 22 extracts a plurality of important parameters from the parameters changed by the plurality of production processes in the production process flow. The important parameter is a parameter selected by the important parameter extraction unit 22 as a parameter having a high influence on the product from each parameter. As shown in FIG. 4, the important parameter extraction unit 22 includes a data acquisition unit 40, a decision tree analysis unit 42, and an important parameter determination unit 44.

図４に示すデータ取得部４０は、予め実行された生産工程フローの、複数のパラメータの検査結果と生産物の検査結果とを取得する。すなわち、データ取得部４０は、すでに生産された生産物の履歴データを、関連データ記憶部２０から取得する。データ取得部４０は、生産された生産物について、実行された全ての生産工程に対応するパラメータの検査結果と、その生産物の検査結果（最終パラメータの検査結果）とを取得する。図３の例では、データ取得部４０は、各パラメータの検査結果である第１要因、第２要因、第３要因、第４要因及び第５要因の検査結果と、生産物の最終パラメータの検査結果である第Ａ要因、第Ｂ要因、第Ｃ要因の検査結果とを、生産物毎（識別番号Ａ０００１〜Ａｘｘｘｘ）に取得する。ただし、データ取得部４０は、全てのパラメータの検査結果を取得することに限られず、後述する決定木分析に必要な一部のパラメータの検査結果のみを取得してもよい。 The data acquisition unit 40 shown in FIG. 4 acquires the inspection results of a plurality of parameters and the inspection results of the product of the production process flow executed in advance. That is, the data acquisition unit 40 acquires the history data of the already produced product from the related data storage unit 20. The data acquisition unit 40 acquires the inspection results of the parameters corresponding to all the executed production processes and the inspection results of the products (inspection results of the final parameters) of the produced products. In the example of FIG. 3, the data acquisition unit 40 inspects the inspection results of the first factor, the second factor, the third factor, the fourth factor, and the fifth factor, which are the inspection results of each parameter, and the final parameter of the product. The inspection results of the Ath factor, the Bth factor, and the Cth factor, which are the results, are acquired for each product (identification numbers A0001 to Axxx). However, the data acquisition unit 40 is not limited to acquiring the inspection results of all the parameters, and may acquire only the inspection results of some parameters necessary for the decision tree analysis described later.

図４に示す決定木分析部４２は、データ取得部４０で取得したデータに対して決定木分析を実行する。具体的には、決定木分析部４２は、データ取得部４０で取得した生産物（結果）の検査結果に対して、許容範囲を設定する。そして、決定木分析部４２は、各生産物の検査結果に基づき、各生産物を、許容範囲を満たす適合品（適合結果）と、許容範囲を満たさない不適合品（不適合結果）とに分類する。ここでの許容範囲とは、生産物の最終パラメータに対してそれぞれ設定された数値範囲である。従って、この不適合品の分類は、生産物の最終パラメータ毎になされる。ただし、不適合品の分類は、複数の最終パラメータを含めてもよく、複数の最終パラメータの全てが許容範囲にある場合に、適合品とし、複数の最終パラメータの少なくとも一部が許容範囲外である場合に、不適合品としてもよい。 The decision tree analysis unit 42 shown in FIG. 4 executes the decision tree analysis on the data acquired by the data acquisition unit 40. Specifically, the decision tree analysis unit 42 sets an allowable range for the inspection result of the product (result) acquired by the data acquisition unit 40. Then, the decision tree analysis unit 42 classifies each product into a conforming product (conformity result) that satisfies the permissible range and a nonconforming product (nonconformity result) that does not satisfy the permissible range, based on the inspection result of each product. .. The permissible range here is a numerical range set for each final parameter of the product. Therefore, this nonconforming product classification is made for each final parameter of the product. However, the classification of nonconforming products may include a plurality of final parameters, and if all of the plurality of final parameters are within the permissible range, the non-conforming product is classified as a conforming product, and at least a part of the plurality of final parameters is out of the permissible range. In some cases, it may be a nonconforming product.

決定木分析部４２は、生産工程における複数のパラメータを説明変数とし、生産物（結果）、ここでは生産物の最終パラメータを目的変数として、決定木分析を実行する。決定木分析部４２は、決定木分析により、各決定木で分類したそれぞれの場合、すなわち各説明変数に対して、不適合品の発生確率を算出する。 The decision tree analysis unit 42 executes the decision tree analysis with a plurality of parameters in the production process as explanatory variables and the product (result), here, the final parameter of the product as the objective variable. The decision tree analysis unit 42 calculates the probability of occurrence of nonconforming products for each case classified by each decision tree, that is, for each explanatory variable, by the decision tree analysis.

図５は、決定木分析の結果の一例を示す概念図である。図５は、図３の例に示す生産工程フローを実行した際の決定木分析の結果の例を示している。図５に示すように、決定木分析部４２は、分析結果７０を出力する。分析結果７０は、決定木７２ａ、７２ｂ、７２ｃ、７２ｄ、７２ｅと、分岐結果７４ａ、７４ｂ、７４ｃ、７４ｄ、７４ｅ、７４ｆと、を含む。決定木７２ａ、７２ｂ７２ｃ、７２ｄ、７２ｅは、分岐となる決定木であり、説明変数であるパラメータ、すなわち各要因に基づく分岐である。分岐結果７４ａ、７４ｂ、７４ｃ、７４ｄ、７４ｅ、７４ｆは、分岐の終端であり、決定木の分岐の条件を満たす生産物の不適合品の割合、生産物の数及び割合が含まれる。 FIG. 5 is a conceptual diagram showing an example of the result of the decision tree analysis. FIG. 5 shows an example of the result of the decision tree analysis when the production process flow shown in the example of FIG. 3 is executed. As shown in FIG. 5, the decision tree analysis unit 42 outputs the analysis result 70. The analysis result 70 includes decision trees 72a, 72b, 72c, 72d, 72e and branching results 74a, 74b, 74c, 74d, 74e, 74f. The decision trees 72a, 72b72c, 72d, and 72e are decision trees to be branched, and are parameters that are explanatory variables, that is, branches based on each factor. The branching results 74a, 74b, 74c, 74d, 74e, 74f are the ends of the branching, and include the proportion of nonconforming products, the number and proportion of products that satisfy the branching condition of the decision tree.

分析結果７０において、最初の分岐である決定木７２ａは、説明変数が第５要因であり、第５要因の検査結果が予め定めた設定値の範囲内にある（Ｙｅｓである）場合に、一方の分岐である決定木７２ｂに分岐する。決定木７２ａは、第５要因の検査結果が予め定めた設定値の範囲内にない（Ｎｏである）場合に、他方の分岐である決定木７２ｃに分岐する。決定木７２ｂは、説明変数が第３要因であり、第３要因の検査結果が予め定めた設定値の範囲内にある（Ｙｅｓである）場合に、一方の分岐である分岐結果７４ａに分岐する。決定木７２ｂは、第３要因の検査結果が予め定めた設定値の範囲内にない（Ｎｏである）場合に、他方の分岐である分岐結果７４ｂに分岐する。決定木７２ｃは、説明変数が第１要因であり、第１要因の検査結果が予め定めた設定値の範囲内にある（Ｙｅｓである）場合に、一方の分岐である決定木７２ｄに分岐する。決定木７２ｃは、第１要因の検査結果が予め定めた設定値の範囲内にない（Ｎｏである）場合に、他方の分岐である決定木７２ｅに分岐する。決定木７２ｄは、説明変数が第２要因であり、第２要因の検査結果が予め定めた設定値の範囲内にある（Ｙｅｓである）場合に、一方の分岐である分岐結果７４ｃに分岐する。決定木７２ｄは、第２要因の検査結果が予め定めた設定値の範囲内にない（Ｎｏである）場合に、他方の分岐である分岐結果７４ｄに分岐する。決定木７２ｅは、説明変数が第４要因であり、第４要因の検査結果が予め定めた設定値の範囲内にある（Ｙｅｓである）場合に、一方の分岐である分岐結果７４ｅに分岐する。決定木７２ｅは、第４要因の検査結果が予め定めた設定値の範囲内にない（Ｎｏである）場合に、他方の分岐である分岐結果７４ｆに分岐する。なお、各パラメータ、すなわち第１から第５要因に関する設定値は、上述のように予め定めた数値範囲であり、要因ごとに設定するものである。 In the analysis result 70, the decision tree 72a, which is the first branch, is obtained when the explanatory variable is the fifth factor and the inspection result of the fifth factor is within the range of the predetermined set value (Yes). Branches to the decision tree 72b, which is a branch of. The decision tree 72a branches to the other branch, the decision tree 72c, when the inspection result of the fifth factor is not within the range of the predetermined set value (No). The decision tree 72b branches to the branch result 74a, which is one of the branches, when the explanatory variable is the third factor and the inspection result of the third factor is within the range of the predetermined set value (Yes). .. The decision tree 72b branches to the branch result 74b, which is the other branch, when the inspection result of the third factor is not within the range of the predetermined set value (No). The decision tree 72c branches to the decision tree 72d, which is one of the branches, when the explanatory variable is the first factor and the inspection result of the first factor is within the range of the predetermined set value (Yes). .. The decision tree 72c branches to the other branch, the decision tree 72e, when the inspection result of the first factor is not within the range of the predetermined set value (No). The decision tree 72d branches to the branch result 74c, which is one of the branches, when the explanatory variable is the second factor and the inspection result of the second factor is within the range of the predetermined set value (Yes). .. The decision tree 72d branches to the branch result 74d, which is the other branch, when the inspection result of the second factor is not within the range of the predetermined set value (No). The decision tree 72e branches to the branch result 74e, which is one of the branches, when the explanatory variable is the fourth factor and the inspection result of the fourth factor is within the range of the predetermined set value (Yes). .. The decision tree 72e branches to the branch result 74f, which is the other branch, when the inspection result of the fourth factor is not within the range of the predetermined set value (No). The set value for each parameter, that is, the first to fifth factors is a numerical range predetermined as described above, and is set for each factor.

分岐結果７４ａは、第５要因及び第３要因の検査結果が設定値の範囲内である場合に、不適合品の発生確率がａ％である旨を示している。同様に、分岐結果７４ｂは、第５要因の検査結果が設定値の範囲内であり、第３要因の検査結果が設定値の範囲外である場合に、不適合品の発生確率がｂ％である旨を示している。分岐結果７４ｃは、第５要因の検査結果が設定値の範囲外であり、第１要因及び第２要因の検査結果が設定値の範囲内である場合に、不適合品の発生確率がｃ％である旨を示している。分岐結果７４ｄは、第５要因及び第２要因の検査結果が設定値の範囲外であり、第１要因の検査結果が設定値の範囲内である場合に、不適合品の発生確率がｄ％である旨を示している。分岐結果７４ｅは、第５要因及び第１要因の検査結果が設定値の範囲外であり、第４要因の検査結果が設定値の範囲内である場合に、不適合品の発生確率がｅ％である旨を示している。分岐結果７４ｆは、第５要因、第１要因、及び第４要因の検査結果が設定値の範囲外である場合に、不適合品の発生確率がｆ％である旨を示している。ここでの不適合品の発生確率とは、一つの最終パラメータが許容範囲から外れる確率を示している。ただし、不適合品の発生確率は、複数の最終パラメータのうち少なくとも１つが許容範囲から外れる確率であってもよい。 The branching result 74a indicates that the probability of occurrence of a nonconforming product is a% when the inspection results of the fifth factor and the third factor are within the set value range. Similarly, in the branch result 74b, when the inspection result of the fifth factor is within the range of the set value and the inspection result of the third factor is outside the range of the set value, the probability of occurrence of the nonconforming product is b%. It shows that. In the branch result 74c, when the inspection result of the fifth factor is out of the set value range and the inspection results of the first factor and the second factor are within the set value range, the probability of occurrence of the nonconforming product is c%. It shows that there is. In the branch result 74d, when the inspection results of the fifth factor and the second factor are outside the set value range and the inspection result of the first factor is within the set value range, the probability of occurrence of nonconforming products is d%. It shows that there is. In the branch result 74e, when the inspection results of the fifth factor and the first factor are out of the set value range and the inspection result of the fourth factor is within the set value range, the probability of occurrence of nonconforming products is e%. It shows that there is. The branching result 74f indicates that the probability of occurrence of a nonconforming product is f% when the inspection results of the fifth factor, the first factor, and the fourth factor are out of the set value range. The probability of occurrence of a nonconforming product here indicates the probability that one final parameter is out of the permissible range. However, the probability of occurrence of a nonconforming product may be the probability that at least one of the plurality of final parameters is out of the permissible range.

決定木分析部４２は、このように算出した分析結果７０から、各決定木で分類した説明変数、すなわち説明変数としたパラメータ（要因）毎の不適合品の発生確率を算出する。すなわち、決定木分析部４２は、パラメータが設定値を外れた場合の不適合品の発生確率を、説明変数としたパラメータ毎に算出する。決定木分析部４２は、生産物の最終パラメータを目的変数として決定木分析を行っている。決定木分析部４２は、最終パラメータが複数ある場合は、最終パラメータ毎に決定木分析を行って、それぞれの最終パラメータについて、パラメータ毎の不適合品の発生確率を算出してもよい。 From the analysis result 70 calculated in this way, the decision tree analysis unit 42 calculates the probability of occurrence of nonconforming products for each of the explanatory variables classified by each decision tree, that is, the parameters (factors) used as the explanatory variables. That is, the decision tree analysis unit 42 calculates the probability of occurrence of a nonconforming product when the parameter deviates from the set value for each parameter used as an explanatory variable. The decision tree analysis unit 42 performs the decision tree analysis using the final parameter of the product as the objective variable. When there are a plurality of final parameters, the decision tree analysis unit 42 may perform a decision tree analysis for each final parameter and calculate the probability of occurrence of a nonconforming product for each parameter for each final parameter.

図４に示す重要パラメータ決定部４４は、決定木分析部４２が算出した説明変数毎の不適合品の発生確率の情報を取得する。重要パラメータ決定部４４は、不適合品の発生確率が所定値以上である説明変数に対応付けられたパラメータを、重要パラメータに決定する。すなわち、重要パラメータ決定部４４は、生産工程フロー中の各パラメータのうち、決定木分析によって不適合品の発生確率が所定値以上と認定されたパラメータを、重要パラメータとする。不適合品の発生確率の閾値となる上述の所定値は、任意に定めることができるが、例えば、２５％以上であることが好ましく、６０％以上であることがより好ましい。なお、不適合品の発生確率が高いパラメータは、言い換えれば、生産物に対する影響が大きいパラメータといえる。 The important parameter determination unit 44 shown in FIG. 4 acquires information on the occurrence probability of nonconforming products for each explanatory variable calculated by the decision tree analysis unit 42. The important parameter determination unit 44 determines the parameter associated with the explanatory variable whose occurrence probability of the nonconforming product is equal to or higher than a predetermined value as the important parameter. That is, the important parameter determination unit 44 sets the parameter determined by the decision tree analysis that the probability of occurrence of the nonconforming product is equal to or higher than a predetermined value among the parameters in the production process flow as the important parameter. The above-mentioned predetermined value that becomes the threshold value of the occurrence probability of the nonconforming product can be arbitrarily determined, but for example, it is preferably 25% or more, and more preferably 60% or more. In other words, a parameter with a high probability of nonconforming products can be said to have a large effect on the product.

このように、重要パラメータ抽出部２２は、決定木分析に基づき、生産工程の実行により変化するパラメータのうちから、生産物に対する影響の大きい重要パラメータを複数抽出する。 In this way, the important parameter extraction unit 22 extracts a plurality of important parameters having a large influence on the product from the parameters that change due to the execution of the production process, based on the decision tree analysis.

以上説明した重要パラメータ抽出部２２は、すでに生産された生産物のデータを用いて、重要パラメータの抽出処理を行っている。一方、以下に説明する検査結果取得部２４と、因果関係モデル生成部２６と、因果関係式生成部２８と、差異値算出部３０と、補正部３２とは、生産物を生産している最中に処理を実行するものであり、言い換えれば、生産工程フローの実行中であって、全ての生産工程が実行される前に処理を実行する。 The important parameter extraction unit 22 described above performs the important parameter extraction process using the data of the already produced product. On the other hand, the inspection result acquisition unit 24, the causal relationship model generation unit 26, the causal relationship formula generation unit 28, the difference value calculation unit 30, and the correction unit 32 described below are the most producing products. The process is executed during, in other words, the process is executed during the execution of the production process flow and before all the production processes are executed.

図１に示す検査結果取得部２４は、重要パラメータ抽出部２２が抽出した重要パラメータについて、その重要パラメータの検査結果を取得する。具体的には、検査結果取得部２４は、重要パラメータ抽出部２２から重要パラメータがどのパラメータであるかの情報を取得する。そして、検査結果取得部２４は、生産工程フローの実行中であって全ての生産工程が実行される前に、すでに生産工程が実行されて検査結果が取得されている重要パラメータの検査結果を、関連データ記憶部２０から取得する。検査結果取得部２４は、未実行の生産工程に対応する重要パラメータの検査結果については、検査が行われていないため、取得しない。言い換えれば、検査結果取得部２４は、生産工程フローの実行中に、重要パラメータに対応する全ての生産工程が実行される前に、それまでに実行された生産工程に対応する重要パラメータの検査結果を取得する。すなわち、図２に示す生産工程フローにおいて第２検査まで実行されている場合、検査結果取得部２４は、第２検査までに実行された第１から第５工程に対応するパラメータ中の重要パラメータの検査結果を取得する。 The inspection result acquisition unit 24 shown in FIG. 1 acquires the inspection results of the important parameters extracted by the important parameter extraction unit 22. Specifically, the inspection result acquisition unit 24 acquires information on which parameter the important parameter is from the important parameter extraction unit 22. Then, the inspection result acquisition unit 24 obtains the inspection results of the important parameters for which the production process has already been executed and the inspection results have been acquired before all the production processes are executed while the production process flow is being executed. Obtained from the related data storage unit 20. The inspection result acquisition unit 24 does not acquire the inspection result of the important parameter corresponding to the unexecuted production process because the inspection has not been performed. In other words, the inspection result acquisition unit 24 performs the inspection result of the important parameters corresponding to the production processes executed so far before all the production processes corresponding to the important parameters are executed during the execution of the production process flow. To get. That is, when the second inspection is executed in the production process flow shown in FIG. 2, the inspection result acquisition unit 24 determines the important parameters among the parameters corresponding to the first to fifth steps executed by the second inspection. Get the test result.

図１に示す因果関係モデル生成部２６は、重要パラメータを説明変数とし、生産物（結果）、ここでは生産物の最終パラメータを目的変数として、因果関係モデルを生成する。因果関係モデルは、説明変数とした重要パラメータと、目的変数とした生産物の最終パラメータとの因果関係を示すモデルである。因果関係モデル生成部２６は、生産フローデータに基づき、どの重要パラメータがどの最終パラメータに影響を及ぼすかという因果関係を導出し、その導出結果に基づき、因果関係モデルを生成する。因果関係モデルは、重要パラメータと最終パラメータとの因果関係に加え、重要パラメータ同士の因果関係も示すものである。重要パラメータと最終パラメータとに因果関係があるとは、重要パラメータが変化した場合に、最終パラメータがそれに伴い変化することを指す。また、重要パラメータ同士に因果関係があるとは、一方の重要パラメータが変化した場合に、他方の重要パラメータがそれに伴い変化することを指す。なお、因果関係モデルで説明変数として用いられる重要パラメータは、上述のように決定木分析で抽出されたパラメータであり、因果関係モデルで目的変数として用いられる生産物の最終パラメータは、決定木分析で目的変数として用いられた最終パラメータと同じものである。従って、因果関係モデルは、最終パラメータ毎に生成される。 The causal relationship model generation unit 26 shown in FIG. 1 generates a causal relationship model using important parameters as explanatory variables and a product (result), here, the final parameter of the product as an objective variable. The causal relationship model is a model showing the causal relationship between the important parameter used as the explanatory variable and the final parameter of the product used as the objective variable. The causal relationship model generation unit 26 derives a causal relationship of which important parameter affects which final parameter based on the production flow data, and generates a causal relationship model based on the derivation result. The causal relationship model shows not only the causal relationship between the important parameters and the final parameter, but also the causal relationship between the important parameters. The causal relationship between the important parameter and the final parameter means that when the important parameter changes, the final parameter changes accordingly. Further, the causal relationship between important parameters means that when one important parameter changes, the other important parameter changes accordingly. The important parameters used as explanatory variables in the causal relationship model are the parameters extracted by the decision tree analysis as described above, and the final parameters of the product used as the objective variables in the causal relationship model are the parameters extracted by the decision tree analysis. It is the same as the final parameter used as the objective variable. Therefore, a causal relationship model is generated for each final parameter.

図６は、因果関係モデルの一例を示す模式図である。図６の例では、第Ｘ１要因、第Ｘ２要因、第Ｘ３要因、第Ｘ４要因、第Ｘ５要因、第Ｘ６要因、第Ｘ７要因、第Ｘ８要因、第Ｘ９要因、第Ｘ１０要因、第Ｘ１１要因、第Ｘ１２要因、第Ｘ１３要因、第Ｘ１４要因及び第Ｘ１５要因と、第Ｙ１要因、第Ｙ２要因及び第Ｙ３要因とを、因果関係モデルの説明変数、すなわち重要パラメータとしている。また、図６の例では、図３に示す第Ａ要因を、因果関係モデルの目的変数、すなわち最終パラメータとしている。 FIG. 6 is a schematic diagram showing an example of a causal relationship model. In the example of FIG. 6, the X1 factor, the X2 factor, the X3 factor, the X4 factor, the X5 factor, the X6 factor, the X7 factor, the X8 factor, the X9 factor, the X10 factor, the X11 factor, The X12th factor, the X13th factor, the X14th factor and the X15th factor, and the Y1st factor, the Y2nd factor and the Y3th factor are used as explanatory variables of the causal relationship model, that is, important parameters. Further, in the example of FIG. 6, the factor A shown in FIG. 3 is set as the objective variable of the causal relationship model, that is, the final parameter.

因果関係モデル内の重要パラメータは、第１重要パラメータと、第２重要パラメータと、第３重要パラメータとに分類される。第１重要パラメータは、最終パラメータに影響を与えるが他の重要パラメータには影響を与えない。第２重要パラメータは、最終パラメータ及び他の重要パラメータに影響を与える。第３重要パラメータは、第２重要パラメータから影響を与えられつつ、最終パラメータに影響を与える。第２重要パラメータに影響を与える第１重要パラメータは、その第２重要パラメータに対応する生産工程よりも前に実施された生産工程に対応するパラメータである。 The important parameters in the causal relationship model are classified into a first important parameter, a second important parameter, and a third important parameter. The first important parameter affects the final parameter but not the other important parameters. The second important parameter affects the final parameter and other important parameters. The third important parameter affects the final parameter while being influenced by the second important parameter. The first important parameter that affects the second important parameter is a parameter corresponding to the production process performed before the production process corresponding to the second important parameter.

第Ｘ１要因から第Ｘ３要因は、第Ａ要因に加え、第Ｙ１要因及び第Ｙ２要因にも影響を与えるため、第２重要パラメータに分類される。第Ｘ４要因から第Ｘ９要因及び第Ｘ１４要因は、第Ａ要因に影響を与え、他の重要パラメータに影響を与えないため、第１重要パラメータに分類される。第Ｘ１０要因から第Ｘ１２要因は、第Ａ要因に加え、第Ｙ１要因にも影響を与えるため、第２重要パラメータに分類される。第Ｘ１３要因は、第Ａ要因に加え、第Ｙ１要因、第Ｙ３要因及び第Ｙ４要因にも影響を与えるため、第２重要パラメータに分類される。第Ｘ１４要因及び第Ｘ１５要因は、第Ａ要因に加え、第Ｙ３要因及び第Ｙ４要因にも影響を与えるため、第２重要パラメータに分類される。第Ｙ１要因及び第Ｙ２要因は、第Ｘ１要因から第Ｘ３要因に影響を与えられ、第Ａ要因に影響を与えるため、第３重要パラメータに分類される。第Ｙ３要因及び第Ｙ４要因は、第Ｘ１３要因から第Ｘ５要因に影響を与えられ、第Ａ要因に影響を与えるため、第３重要パラメータに分類される。 Factors X1 to X3 are classified as second important parameters because they affect factors Y1 and Y2 in addition to factor A. Factors X4 to X9 and X14 are classified as first important parameters because they affect the first factor A and do not affect other important parameters. Factors X10 to X12 are classified as second important parameters because they affect the Y1 factor in addition to the A factor. The X13 factor affects the Y1 factor, the Y3 factor, and the Y4 factor in addition to the A factor, and is therefore classified as the second important parameter. The X14th factor and the X15th factor are classified into the second important parameters because they affect the Y3th factor and the Y4th factor in addition to the Ath factor. The Y1 factor and the Y2 factor are classified into the third important parameters because they are influenced by the X1 factor to the X3 factor and affect the Ath factor. The Y3 factor and the Y4 factor are classified into the third important parameters because they are influenced by the X13 factor to the X5 factor and affect the Ath factor.

このように、因果関係モデル生成部２６は、因果関係モデルを生成することで、重要パラメータと最終パラメータとの因果関係と、重要パラメータ同士の因果関係とを導出する。 In this way, the causal relationship model generation unit 26 derives the causal relationship between the important parameter and the final parameter and the causal relationship between the important parameters by generating the causal relationship model.

図１に示す因果関係式生成部２８は、因果関係モデルに基づき、相関係数を複数の重要パラメータ毎に算出し、相関係数に基づき因果関係式を生成する。図７は、因果関係式生成部の構成を模式的に示すブロック図である。図７に示すように、因果関係式生成部２８は、相関係数算出部４６と、因果関係式設定部４８とを有する。 The causal relational expression generation unit 28 shown in FIG. 1 calculates a correlation coefficient for each of a plurality of important parameters based on the causal relational model, and generates a causal relational expression based on the correlation coefficient. FIG. 7 is a block diagram schematically showing the configuration of the causal relational expression generation unit. As shown in FIG. 7, the causal relational expression generation unit 28 has a correlation coefficient calculation unit 46 and a causal relational expression setting unit 48.

相関係数算出部４６は、因果関係モデルに基づき、相関係数を複数の重要パラメータ毎に算出する。相関係数とは、重要パラメータが生産物の最終パラメータに与える影響の度合いを示す係数である。すなわち、相関係数は、重要パラメータが単位値だけ変化した際に、最終パラメータがどれだけ変化するかを示す係数である。 The correlation coefficient calculation unit 46 calculates the correlation coefficient for each of a plurality of important parameters based on the causal relationship model. The correlation coefficient is a coefficient indicating the degree of influence of the important parameter on the final parameter of the product. That is, the correlation coefficient is a coefficient indicating how much the final parameter changes when the important parameter changes by a unit value.

第１重要パラメータ及び第２重要パラメータは、他の重要パラメータに影響を受けない重要パラメータである。従って、相関係数算出部４６は、最終パラメータが、対象の第１重要パラメータ又は第２重要パラメータを１つの変数として線形（一次的）に変化するものとして、線形回帰モデルを用いて、第１重要パラメータ及び第２重要パラメータの相関係数を、第１重要パラメータ及び第２重要パラメータ毎にそれぞれ算出する。 The first important parameter and the second important parameter are important parameters that are not affected by other important parameters. Therefore, the correlation coefficient calculation unit 46 uses the linear regression model to make the first parameter change linearly (primary) with the target first important parameter or the second important parameter as one variable. The correlation coefficient of the important parameter and the second important parameter is calculated for each of the first important parameter and the second important parameter, respectively.

また、第３重要パラメータは、他の重要パラメータに影響を受ける重要パラメータである。従って、相関係数算出部４６は、最終パラメータが、第３重要パラメータと第３重要パラメータに影響を与える重要パラメータとの、複数の変数に応じて変化するものとして、傾向スコア法を用いて、第３重要パラメータの相関係数を、第３重要パラメータ毎にそれぞれ算出する。 The third important parameter is an important parameter that is influenced by other important parameters. Therefore, the correlation coefficient calculation unit 46 uses the propensity score method, assuming that the final parameter changes according to a plurality of variables of the third important parameter and the important parameter affecting the third important parameter. The correlation coefficient of the third important parameter is calculated for each third important parameter.

因果関係式設定部４８は、相関係数算出部４６が算出した相関係数に基づき、因果関係式を設定する。因果関係式は、重要パラメータを変数として、その変数にそれぞれの相関係数を乗じて、その乗じた値を、全ての重要パラメータについて合計するものである。因果関係式は、この合計した値を、生産物の最終パラメータの算出値とする式である。具体的には、因果関係式設定部４８は、以下の式（１）のように因果関係式を設定する。 The causal relational expression setting unit 48 sets the causal relational expression based on the correlation coefficient calculated by the correlation coefficient calculation unit 46. The causal relational expression takes an important parameter as a variable, multiplies the variable by each correlation coefficient, and sums the multiplied values for all the important parameters. The causal relational expression is an expression in which the total value is used as the calculated value of the final parameter of the product. Specifically, the causal relationship expression setting unit 48 sets the causal relationship expression as shown in the following equation (1).

ここで、Ｘは、重要パラメータの値であり、βは、その重要パラメータについて算出された相関係数であり、ｎは、重要パラメータの総数である。また、Ｙは、生産物の最終パラメータの算出値である。 Here, X is the value of the important parameter, β is the correlation coefficient calculated for the important parameter, and n is the total number of the important parameters. Further, Y is a calculated value of the final parameter of the product.

因果関係式生成部２８は、以上のように、相関係数を複数の重要パラメータ毎に算出し、相関係数に基づき因果関係式を生成する。なお、因果関係式生成部２８は、それぞれの最終パラメータについて、パラメータ毎の相関係数を算出し、それぞれの最終パラメータについて、因果関係式を生成する。 As described above, the causal relational expression generation unit 28 calculates the correlation coefficient for each of the plurality of important parameters, and generates the causal relational expression based on the correlation coefficient. The causal relational expression generation unit 28 calculates the correlation coefficient for each parameter for each final parameter, and generates a causal relational expression for each final parameter.

図１に示す差異値算出部３０は、相関係数と複数の重要パラメータの検査結果とに基づき、差異値を算出する。差異値は、生産物の最終パラメータの、目標値からのずれ量である。具体的には、差異値算出部３０は、重要パラメータの検査結果の値を、検査結果取得部２４から取得する。差異値算出部３０は、式（１）に示す因果関係式のＸに、重要パラメータの検査結果の値を代入して、最終パラメータの算出値Ｙを算出する。 The difference value calculation unit 30 shown in FIG. 1 calculates the difference value based on the correlation coefficient and the inspection results of a plurality of important parameters. The difference value is the amount of deviation of the final parameter of the product from the target value. Specifically, the difference value calculation unit 30 acquires the value of the inspection result of the important parameter from the inspection result acquisition unit 24. The difference value calculation unit 30 calculates the calculated value Y of the final parameter by substituting the value of the inspection result of the important parameter into X of the causal relational expression shown in the equation (1).

なお、検査結果取得部２４は、すでに生産工程が実行されて検査結果が取得されている重要パラメータの検査結果のみを取得しているため、差異値算出部３０は、すでに実行された生産工程に対応する重要パラメータの検査結果のみを取得し、未実行の生産工程に対応する重要パラメータの検査結果は取得しない。ただし、差異値算出部３０は、実行されていない生産工程に対応する重要パラメータについて、その重要パラメータの設定値を予め設定している。差異値算出部３０は、実行された生産工程に対応する重要パラメータの検査結果と、実行されていない生産工程に対応する重要パラメータの設定値とを、式（１）に示す因果関係式のＸに代入して、最終パラメータの算出値Ｙを算出する。この設定値は、全ての重要パラメータについて予め設定された数値範囲であり、重要パラメータ毎に設定されるものである。 Since the inspection result acquisition unit 24 has acquired only the inspection results of the important parameters for which the production process has already been executed and the inspection results have been acquired, the difference value calculation unit 30 has already executed the production process. Only the inspection results of the corresponding important parameters are acquired, and the inspection results of the important parameters corresponding to the unexecuted production process are not acquired. However, the difference value calculation unit 30 sets in advance the set values of the important parameters for the important parameters corresponding to the production process that has not been executed. The difference value calculation unit 30 sets the inspection result of the important parameter corresponding to the executed production process and the set value of the important parameter corresponding to the non-executed production process as X in the causal relationship equation shown in the equation (1). Is substituted into to calculate the calculated value Y of the final parameter. This set value is a numerical range set in advance for all important parameters, and is set for each important parameter.

差異値算出部３０は、生産物の最終パラメータの目標値を予め設定している。この目標値とは、生産物が適合品となる数値範囲、すなわち許容範囲である。この目標値の範囲内である場合、生産物は適合品とされ、目標値の範囲外である場合、生産物は不適合品とされる。差異値算出部３０は、算出値Ｙと目標値との差分、すなわち目標値の範囲からずれた値を、差異値として算出する。以上を言い換えれば、差異値算出部３０は、実行された生産工程に対応する重要パラメータの検査結果及びそれに対応する相関係数と、実行されていない生産工程に対応する重要パラメータの設定値及びそれに対応する相関係数と、に基づき、差異値を算出する。このように、差異値算出部３０は、すでに生産工程が実行された重要パラメータが最終パラメータに及ぼす影響を、差異値として定量的に算出する。この差異値が大きいと、このままでは、生産物の最終パラメータが目標値から外れるリスクが高くなることが分かる。そのため、このように差異値を算出することにより、生産物が目標値を外れるか否かを適切に予測することができる。 The difference value calculation unit 30 sets a target value of the final parameter of the product in advance. This target value is a numerical range in which the product is a conforming product, that is, an allowable range. If it is within the range of this target value, the product is regarded as a conforming product, and if it is outside the range of the target value, the product is regarded as a non-conforming product. The difference value calculation unit 30 calculates the difference between the calculated value Y and the target value, that is, the value deviated from the range of the target value as the difference value. In other words, the difference value calculation unit 30 has the inspection result of the important parameter corresponding to the executed production process, the corresponding correlation coefficient, the set value of the important parameter corresponding to the non-executed production process, and the setting value thereof. Calculate the difference value based on the corresponding correlation coefficient. In this way, the difference value calculation unit 30 quantitatively calculates the influence of the important parameters for which the production process has already been executed on the final parameters as the difference values. It can be seen that if this difference value is large, the risk that the final parameter of the product deviates from the target value increases as it is. Therefore, by calculating the difference value in this way, it is possible to appropriately predict whether or not the product deviates from the target value.

図１に示す補正部３２は、実行されていない生産工程の重要パラメータを、差異値が所定の値以下となるように、設定値から補正した値である補正値となるように設定する。生産工程フローは、通常、重要パラメータが設定値となるように、生産工程が管理されている。しかし、実行されていない生産工程がその後実行され、それらの重要パラメータが設定値となった場合には、最終パラメータが差異値の分だけずれてしまい、最終パラメータ、すなわち生産物が不適合品になってしまうおそれがある。そこで、補正部３２は、これから実行される生産工程の重要パラメータが補正値となるように加工する（生産工程を実行する）旨の指令を、生産ライン１２に出力する。この補正値は、差異値が所定の値以下となるように、設定値から補正した値である。従って、今後実行される生産工程に係る重要パラメータが補正値となるように制御されれば、差異値が所定の値以下となり、最終パラメータ、すなわち生産物が不適合品になることを抑制することができる。 The correction unit 32 shown in FIG. 1 sets the important parameters of the production process that have not been executed so as to be a correction value which is a value corrected from the set value so that the difference value is equal to or less than a predetermined value. In the production process flow, the production process is usually controlled so that important parameters are set values. However, if a production process that has not been executed is subsequently executed and those important parameters become set values, the final parameters will be shifted by the difference value, and the final parameters, that is, the products will be non-conforming products. There is a risk of Therefore, the correction unit 32 outputs a command to the production line 12 to process (execute the production process) so that the important parameter of the production process to be executed is the correction value. This correction value is a value corrected from the set value so that the difference value is equal to or less than a predetermined value. Therefore, if the important parameters related to the production process to be executed in the future are controlled to be the correction values, the difference value becomes less than or equal to the predetermined value, and the final parameter, that is, the product can be prevented from becoming a nonconforming product. it can.

補正部３２は、未実行の重要パラメータのうちから、補正値に補正する重要パラメータを選択する。補正部３２は、未実行の重要パラメータが複数ある場合、その重要パラメータに対応する相関係数が大きい重要パラメータを、補正値を設定するものとして優先して選択する。これにより、補正値と設定値との差分を小さくしつつ、最終パラメータを補正することができる。また、これにより、補正する重要パラメータの個数を少なくすることができる。また、補正部３２は、未実行の重要パラメータが複数ある場合、補正する重要パラメータの個数が最小となるように、補正値を設定する重要パラメータを選択する。また、補正部３２は、第１重要パラメータと第２重要パラメータと第３重要パラメータとのうち、第１重要パラメータを、補正値を設定するものとして優先して選択してもよい。第１重要パラメータは、他の重要パラメータには影響を与えないため、補正しても他の重要パラメータは変化しない。従って、第１重要パラメータを優先して補正することにより、差異値をより好適に小さくすることができる。なお、補正部３２は、第２重要パラメータを、補正値を設定するものとして、第１重要パラメータの次に優先して選択してもよい。 The correction unit 32 selects an important parameter to be corrected to the correction value from the unexecuted important parameters. When there are a plurality of unexecuted important parameters, the correction unit 32 preferentially selects the important parameters having a large correlation coefficient corresponding to the important parameters as the ones for setting the correction values. As a result, the final parameter can be corrected while reducing the difference between the correction value and the set value. In addition, this makes it possible to reduce the number of important parameters to be corrected. Further, when there are a plurality of unexecuted important parameters, the correction unit 32 selects important parameters for setting correction values so that the number of important parameters to be corrected is minimized. Further, the correction unit 32 may preferentially select the first important parameter among the first important parameter, the second important parameter, and the third important parameter as the one for setting the correction value. Since the first important parameter does not affect the other important parameters, the other important parameters do not change even if they are corrected. Therefore, the difference value can be made smaller more preferably by preferentially correcting the first important parameter. The correction unit 32 may select the second important parameter with priority next to the first important parameter, assuming that the correction value is set.

以上が、生産工程管理装置１６の各部の構成及び機能である。次に、生産工程管理装置１６の処理フローをフローチャートに基づき説明する。最初に、重要パラメータの抽出フローを説明する。図８は、重要パラメータの抽出フローを説明するフローチャートである。図８に示すように、重要パラメータ抽出部２２は、最初に、データ取得部４０により、生産済みの生産物のパラメータ及び最終パラメータの検査結果を取得する（ステップＳ１０）。そして、重要パラメータ抽出部２２は、決定木分析部４２により、適合品と不適合品の閾値を決定する（ステップＳ１２）。具体的には、決定木分析部４２は、生産物の最終パラメータの検査結果に対して、許容範囲を設定し、許容範囲内、すなわち閾値の範囲内の生産物を、適合品とし、許容範囲外、すなわち閾値の範囲内の生産物を、不適合品とする。 The above is the configuration and function of each part of the production process control device 16. Next, the processing flow of the production process management device 16 will be described based on the flowchart. First, the extraction flow of important parameters will be described. FIG. 8 is a flowchart illustrating an extraction flow of important parameters. As shown in FIG. 8, the important parameter extraction unit 22 first acquires the inspection results of the parameters of the produced product and the final parameters by the data acquisition unit 40 (step S10). Then, the important parameter extraction unit 22 determines the threshold value of the conforming product and the non-conforming product by the decision tree analysis unit 42 (step S12). Specifically, the decision tree analysis unit 42 sets an allowable range for the inspection result of the final parameter of the product, sets the product within the allowable range, that is, within the threshold range, as a conforming product, and sets the allowable range. Products outside, that is, within the threshold range, are considered nonconforming products.

閾値を決定して生産物を適合品と不適合品に分類した後、重要パラメータ抽出部２２は、決定木分析部４２により、決定木分析を実行する（ステップＳ１４）。決定木分析部４２は、データ取得部４０が抽出したパラメータを説明変数とし、データ取得部４０が抽出した生産物の最終パラメータを目的変数として、決定木分析を実行する。決定木分析部４２は、決定木分析の実行により、説明変数としたパラメータ毎の不適合品の発生確率を算出する。決定木分析の実行後、重要パラメータ抽出部２２は、重要パラメータ決定部４４により、重要パラメータを抽出する(ステップＳ１６)。重要パラメータ決定部４４は、不適合品の発生確率が所定値以上であるパラメータを、重要パラメータに決定する。これにより、重要パラメータの抽出フローは終了する。重要パラメータ抽出部２２は、これから実施する生産工程フローの実施前に重要パラメータを抽出してもよいし、その生産工程フローの実施中に重要パラメータを抽出してもよい。 After determining the threshold value and classifying the products into conforming products and non-conforming products, the important parameter extraction unit 22 executes the decision tree analysis by the decision tree analysis unit 42 (step S14). The decision tree analysis unit 42 executes the decision tree analysis using the parameters extracted by the data acquisition unit 40 as explanatory variables and the final parameters of the product extracted by the data acquisition unit 40 as objective variables. The decision tree analysis unit 42 calculates the probability of occurrence of nonconforming products for each parameter used as an explanatory variable by executing the decision tree analysis. After executing the decision tree analysis, the important parameter extraction unit 22 extracts the important parameters by the important parameter determination unit 44 (step S16). The important parameter determination unit 44 determines a parameter whose probability of occurrence of a nonconforming product is equal to or higher than a predetermined value as an important parameter. As a result, the extraction flow of important parameters ends. The important parameter extraction unit 22 may extract important parameters before the execution of the production process flow to be executed from now on, or may extract important parameters during the execution of the production process flow.

次に、補正値の設定フローについて説明する。図９は、補正値の設定フローを説明するフローチャートである。図９に示すように、最初に、重要パラメータ抽出部２２が重要パラメータを抽出する（ステップＳ２０）。このステップＳ２０は、図８のフローに相当する。以降のステップは、現在実行している生産工程フローの実行中であって、全ての生産工程が実行される前に行われる。重要パラメータを抽出した後、生産工程管理装置１６は、検査結果取得部２４により、重要パラメータの検査結果を取得する（ステップＳ２２）。検査結果取得部２４は、全ての生産工程が実行される前に、すでに実行された生産工程に対応する重要パラメータ、すなわちすでに実行された生産工程の実行によって値が変化した重要パラメータの検査結果を取得する。 Next, the correction value setting flow will be described. FIG. 9 is a flowchart illustrating a flow for setting a correction value. As shown in FIG. 9, the important parameter extraction unit 22 first extracts the important parameters (step S20). This step S20 corresponds to the flow of FIG. Subsequent steps are performed during the execution of the production process flow currently being executed and before all production processes are executed. After extracting the important parameters, the production process management device 16 acquires the inspection results of the important parameters by the inspection result acquisition unit 24 (step S22). Before all the production processes are executed, the inspection result acquisition unit 24 obtains the inspection results of the important parameters corresponding to the already executed production processes, that is, the important parameters whose values have changed due to the execution of the already executed production processes. get.

重要パラメータの検査結果を取得した後、生産工程管理装置１６は、因果関係モデル生成部２６により、因果関係モデルを生成する(ステップＳ２４)。因果関係モデル生成部２６は、重要パラメータを説明変数とし、生産物の最終パラメータを目的変数として、因果関係モデルを生成する。因果関係モデルは、重要パラメータと最終パラメータとの因果関係、及び重要パラメータ同士の因果関係を示す。因果関係モデルを生成した後、生産工程管理装置１６は、因果関係式生成部２８により因果関係式を生成する（ステップＳ２６）。具体的には、因果関係式生成部２８は、相関係数算出部４６により、相関係数を複数の重要パラメータ毎に算出し、因果関係式設定部４８により、相関係数に基づき因果関係式を設定する。 After acquiring the inspection results of the important parameters, the production process management device 16 generates a causal relationship model by the causal relationship model generation unit 26 (step S24). The causal relationship model generation unit 26 generates a causal relationship model using important parameters as explanatory variables and final parameters of the product as objective variables. The causal relationship model shows the causal relationship between the important parameter and the final parameter, and the causal relationship between the important parameters. After generating the causal relation model, the production process management device 16 generates the causal relational expression by the causal relational expression generation unit 28 (step S26). Specifically, the causal relational expression generation unit 28 calculates the correlation coefficient for each of a plurality of important parameters by the correlation coefficient calculation unit 46, and the causal relational expression setting unit 48 calculates the causal relational expression based on the correlation coefficient. To set.

因果関係式を設定した後、生産工程管理装置１６は、差異値算出部３０により、相関係数と複数の重要パラメータの検査結果とに基づき、差異値を算出する（ステップＳ２８）。差異値算出部３０は、実行された生産工程に対応する重要パラメータの検査結果と、実行されていない生産工程に対応する重要パラメータの設定値とを、因果関係式に代入して、最終パラメータの算出値Ｙを算出する。差異値算出部３０は、最終パラメータの算出値Ｙと最終パラメータの目標値との差分を、差異値として算出する。 After setting the causal relational expression, the production process management device 16 calculates the difference value by the difference value calculation unit 30 based on the correlation coefficient and the inspection results of the plurality of important parameters (step S28). The difference value calculation unit 30 substitutes the inspection result of the important parameter corresponding to the executed production process and the set value of the important parameter corresponding to the non-executed production process into the causal relational expression to obtain the final parameter. The calculated value Y is calculated. The difference value calculation unit 30 calculates the difference between the calculated value Y of the final parameter and the target value of the final parameter as the difference value.

差異値を算出した後、生産工程管理装置１６は、補正部３２により、未実行の生産工程について補正が必要であるかを判断する(ステップＳ３０)。補正部３２は、差異値が所定の値より大きい場合、補正が必要であると判断し、差異値が所定の値以下である場合、補正が必要でないと判断する。補正が必要であると判断した場合（ステップＳ３０；Ｙｅｓ）、生産工程管理装置１６は、補正部３２により、補正値を算出する（ステップＳ３２）．補正部３２は、実行されていない生産工程の重要パラメータを、差異値が所定の値以下となるような補正値を算出する。すなわち、補正値は、実行されていない生産工程の重要パラメータが補正値となった場合に、差異値が所定の値以下となる値である。 After calculating the difference value, the production process management device 16 determines whether or not correction is necessary for the unexecuted production process by the correction unit 32 (step S30). When the difference value is larger than a predetermined value, the correction unit 32 determines that correction is necessary, and when the difference value is equal to or less than a predetermined value, it determines that correction is not necessary. When it is determined that the correction is necessary (step S30; Yes), the production process management device 16 calculates the correction value by the correction unit 32 (step S32). The correction unit 32 calculates a correction value such that the difference value is equal to or less than a predetermined value for the important parameters of the production process that has not been executed. That is, the correction value is a value at which the difference value is equal to or less than a predetermined value when the important parameter of the production process that has not been executed becomes the correction value.

補正値を算出した後、生産工程管理装置１６は、補正部３２により、補正値を用いて生産工程を実行するように生産ライン１２に指令を出す（ステップＳ３４）。すなわち、補正部３２は、実行されていない生産工程の重要パラメータが補正値となるように、その重要パラメータに対応する生産工程を実行する旨の指令を、生産ライン１２に出力する。これにより、補正値の設定フローは終了する。また、ステップＳ３０において補正が必要でないと判断した場合（ステップＳ３０；Ｎｏ）、補正値を設定せずに、このフローを終了する。 After calculating the correction value, the production process management device 16 issues a command to the production line 12 to execute the production process using the correction value by the correction unit 32 (step S34). That is, the correction unit 32 outputs a command to the production line 12 to execute the production process corresponding to the important parameter so that the important parameter of the production process that has not been executed becomes the correction value. As a result, the correction value setting flow ends. If it is determined in step S30 that correction is not necessary (step S30; No), this flow ends without setting the correction value.

以上説明したように、本実施形態に係る生産工程管理装置１６（処理フロー管理装置）は、パラメータを変更させる複数の生産工程（処理）が予め設定された順序で組み合わさっており、複数の生産工程の実行により生産物を生産（結果を取得）する生産工程フロー（処理フロー）を管理する。生産工程管理装置１６は、重要パラメータ抽出部２２と、検査結果取得部２４と、因果関係モデル生成部２６と、相関係数算出部４６と、差異値算出部３０とを有する。重要パラメータ抽出部２２は、複数の生産工程（処理）が変更させるパラメータのうち、生産物（結果）に対する影響の高いパラメータである重要パラメータを複数抽出する。検査結果取得部２４は、重要パラメータの検査結果を取得する。因果関係モデル生成部２６は、重要パラメータを説明変数とし生産物（結果）を目的変数として、重要パラメータと結果との因果関係を示す因果関係モデルを生成する。相関係数算出部４６は、因果関係モデルに基づき、相関係数を複数の重要パラメータ毎に算出する。相関係数とは、重要パラメータが生産物（結果）に与える影響の度合いを示す係数である。差異値算出部３０は、相関係数と複数の重要パラメータの検査結果とに基づき、生産物（結果）の目標値からのずれ量である差異値を算出する。 As described above, in the production process management device 16 (processing flow management device) according to the present embodiment, a plurality of production processes (processing) for changing parameters are combined in a preset order, and a plurality of production processes are combined. Manage the production process flow (processing flow) that produces (acquires results) products by executing the process. The production process management device 16 includes an important parameter extraction unit 22, an inspection result acquisition unit 24, a causal relationship model generation unit 26, a correlation coefficient calculation unit 46, and a difference value calculation unit 30. The important parameter extraction unit 22 extracts a plurality of important parameters which are parameters having a high influence on the product (result) among the parameters changed by the plurality of production processes (processes). The inspection result acquisition unit 24 acquires the inspection results of important parameters. The causal relationship model generation unit 26 generates a causal relationship model showing a causal relationship between the important parameter and the result, using the important parameter as an explanatory variable and the product (result) as an objective variable. The correlation coefficient calculation unit 46 calculates the correlation coefficient for each of a plurality of important parameters based on the causal relationship model. The correlation coefficient is a coefficient indicating the degree of influence of important parameters on the product (result). The difference value calculation unit 30 calculates the difference value, which is the amount of deviation from the target value of the product (result), based on the correlation coefficient and the inspection results of the plurality of important parameters.

この生産工程管理装置１６は、このように、差異値算出部３０は、生産物への影響が高い重要パラメータのみを抽出して、その重要パラメータについて、生産工程が実行された後の検査結果を取得する。そして、生産工程管理装置１６は、重要パラメータと生産物との因果関係を検出して、その因果関係に基づき、各最終パラメータが生産物に与える影響の度合いを示す相関係数を算出する。生産工程管理装置１６は、この相関係数と重要パラメータの検査結果により、生産物（結果）の目標値からのずれ量である差異値を、定量的に算出する。この差異値が大きいと、このままでは、生産物の最終パラメータが目標値から外れるリスクが高くなることが分かる。そのため、生産工程管理装置１６は、このように差異値を算出することにより、生産物(結果)が目標を外れるか否かを適切に予測することができる。また、この生産工程管理装置１６は、全てのパラメータのうちから、生産物への影響が高い重要パラメータのみを抽出して、その重要パラメータに基づき差異値を算出している。この生産工程管理装置１６は、生産物への影響が高いものを差異値算出の変数として使用しているため、差異値の算出精度の低下を抑制しつつ、パラメータ数を減らすことで、算出に係る労力を低減することができる。また、生産工程管理装置１６が管理する生産工程フローは、複数の生産工程が所定の順序で組み合わさっているため、パラメータが生産物へ及ぼす影響の度合いが、パラメータ毎に異なる場合がある。生産工程管理装置１６は、パラメータと生産物との因果関係を算出し、その因果関係に基づき、相関係数をパラメータ毎に算出している。すなわち、生産工程管理装置１６は、それぞれのパラメータが生産物へ及ぼす影響の度合いを考慮して差異値を算出しているため、差異値の算出精度を向上させることができる。 In the production process management device 16, the difference value calculation unit 30 extracts only the important parameters having a high influence on the product, and obtains the inspection results of the important parameters after the production process is executed. get. Then, the production process management device 16 detects the causal relationship between the important parameter and the product, and calculates a correlation coefficient indicating the degree of influence of each final parameter on the product based on the causal relationship. The production process management device 16 quantitatively calculates a difference value, which is an amount of deviation from the target value of the product (result), based on the correlation coefficient and the inspection result of the important parameter. It can be seen that if this difference value is large, the risk that the final parameter of the product deviates from the target value increases as it is. Therefore, the production process management device 16 can appropriately predict whether or not the product (result) deviates from the target by calculating the difference value in this way. Further, the production process management device 16 extracts only important parameters having a high influence on the product from all the parameters, and calculates the difference value based on the important parameters. Since the production process management device 16 uses a variable having a high influence on the product as a variable for calculating the difference value, the calculation can be performed by reducing the number of parameters while suppressing a decrease in the calculation accuracy of the difference value. The labor involved can be reduced. Further, in the production process flow managed by the production process management device 16, since a plurality of production processes are combined in a predetermined order, the degree of influence of the parameters on the product may differ for each parameter. The production process management device 16 calculates the causal relationship between the parameter and the product, and calculates the correlation coefficient for each parameter based on the causal relationship. That is, since the production process management device 16 calculates the difference value in consideration of the degree of influence of each parameter on the product, the calculation accuracy of the difference value can be improved.

また、重要パラメータ抽出部２２は、データ取得部４０と、決定木分析部４２と、重要パラメータ決定部４４とを有する。データ取得部４０は、予め実行された生産工程フロー（処理フロー）の、複数のパラメータの検査結果と生産物（結果）の検査結果とを取得する。決定木分析部４２は、取得した生産物（結果）の検査結果に対して許容範囲を設定し、予め実行された生産工程フローの生産物（結果）を、許容範囲を満たす適合結果と許容範囲を満たさない不適合結果とに分類する。決定木分析部４２は、複数のパラメータを説明変数とし生産物（結果）を目的変数として決定木分析を実行し、各決定木で分類した説明変数に対して不適合結果の発生確率を算出する。重要パラメータ決定部４４は、不適合結果の発生確率が所定値以上である説明変数に対応付けられたパラメータを、重要パラメータとする。この重要パラメータ抽出部２２は、決定木分析により、不適合結果の発生確率が高いパラメータを重要パラメータとしている。従って、生産工程管理装置１６によると、差異値算出の変数として使用するパラメータとして、生産物への影響が高いものを適切に選定することが可能となり、生産物(結果)が目標を外れるか否かをより適切に予測することができる。 Further, the important parameter extraction unit 22 has a data acquisition unit 40, a decision tree analysis unit 42, and an important parameter determination unit 44. The data acquisition unit 40 acquires the inspection results of a plurality of parameters and the inspection results of the product (result) of the production process flow (processing flow) executed in advance. The decision tree analysis unit 42 sets an allowable range for the inspection result of the acquired product (result), and sets the product (result) of the production process flow executed in advance to the conformity result and the allowable range that satisfy the allowable range. It is classified as a nonconformity result that does not satisfy. The decision tree analysis unit 42 executes the decision tree analysis with a plurality of parameters as explanatory variables and the product (result) as the objective variable, and calculates the probability of occurrence of nonconformity results for the explanatory variables classified by each decision tree. The important parameter determination unit 44 sets the parameter associated with the explanatory variable whose nonconformity result occurrence probability is equal to or higher than a predetermined value as the important parameter. The important parameter extraction unit 22 sets a parameter having a high probability of occurrence of a nonconformity result as an important parameter by a decision tree analysis. Therefore, according to the production process control device 16, it is possible to appropriately select a parameter that has a high influence on the product as a parameter used as a variable for calculating the difference value, and whether or not the product (result) deviates from the target. Can be predicted more appropriately.

また、検査結果取得部２４は、重要パラメータに対応する全ての生産工程（処理）が実行される前に、それまでに実行された生産工程（処理）に対応する重要パラメータの検査結果を取得する。そして、差異値算出部３０は、実行されていない生産工程（処理）に対応する重要パラメータの設定値を予め設定している。差異値算出部３０は、実行された生産工程（処理）に対応する重要パラメータの検査結果及び相関係数と、実行されていない生産工程（処理）に対応する重要パラメータの設定値及び前記相関係数と、に基づき、差異値を算出する。さらに、生産工程管理装置１６は、補正部３２を有する。補正部３２は、実行されていない生産工程（処理）の重要パラメータを、差異値が所定の値以下となるように、設定値から補正した値である補正値となるように設定する。この生産工程フローは、通常、重要パラメータが設定値となるように、生産工程が管理されている。この生産工程管理装置１６は、生産工程が全て終了する前に、差異値を算出する。そして、生産工程管理装置１６は、その差異値が所定値以下となるように、これから実行する生産工程の重要パラメータを、補正値となるように設定する。生産工程管理装置１６は、生産の途中に差異値を算出し、この差異値に基づき、これから実行する生産工程を制御することで、不適合品が生産される（不適合結果となる）確率を低減することができる。 In addition, the inspection result acquisition unit 24 acquires the inspection results of the important parameters corresponding to the production processes (processes) executed so far before all the production processes (processes) corresponding to the important parameters are executed. .. Then, the difference value calculation unit 30 sets in advance the setting values of the important parameters corresponding to the production process (processing) that has not been executed. The difference value calculation unit 30 includes inspection results and correlation coefficients of important parameters corresponding to the executed production process (processing), set values of important parameters corresponding to the non-executed production process (processing), and the phase relationship. Calculate the difference value based on the number. Further, the production process management device 16 has a correction unit 32. The correction unit 32 sets the important parameters of the production process (processing) that have not been executed so as to be a correction value that is a value corrected from the set value so that the difference value is equal to or less than a predetermined value. In this production process flow, the production process is usually controlled so that important parameters are set values. The production process management device 16 calculates the difference value before all the production processes are completed. Then, the production process management device 16 sets important parameters of the production process to be executed to be correction values so that the difference value is equal to or less than a predetermined value. The production process management device 16 calculates a difference value during production and controls the production process to be executed based on the difference value to reduce the probability that a nonconforming product is produced (resulting in nonconformity). be able to.

また、補正部３２は、実行されていない生産工程（処理）に対応する重要パラメータのうち、相関係数が大きい重要パラメータを、補正値を設定するものとして優先して選択する。この補正部３２は、相関係数が大きい重要パラメータを選択して、その重要パラメータを補正対象として優先させる。これにより、補正値と設定値との差分を小さくしつつ、すなわち補正量を少なくしつつ、不適合結果を抑制することができる。また、これにより、補正する重要パラメータの個数を少なくすることができ、変化させる生産工程（処理）対象を少なくすることができる。 Further, the correction unit 32 preferentially selects an important parameter having a large correlation coefficient among the important parameters corresponding to the production process (processing) that has not been executed as the one for setting the correction value. The correction unit 32 selects an important parameter having a large correlation coefficient and gives priority to the important parameter as a correction target. As a result, the nonconformity result can be suppressed while reducing the difference between the correction value and the set value, that is, reducing the correction amount. Further, as a result, the number of important parameters to be corrected can be reduced, and the number of production process (processing) targets to be changed can be reduced.

また、補正部３２は、補正値を設定する重要パラメータの個数が最小となるように、補正値を設定する重要パラメータを選択する。これにより、補正する重要パラメータの個数を少なくすることができ、変化させる生産工程（処理）対象を少なくすることができる。 Further, the correction unit 32 selects important parameters for setting the correction value so that the number of important parameters for setting the correction value is minimized. As a result, the number of important parameters to be corrected can be reduced, and the number of production process (processing) targets to be changed can be reduced.

また、因果関係モデルは、重要パラメータと生産物（結果）との因果関係に加え、重要パラメータ同士の因果関係を示す。生産工程管理装置１６が管理する生産工程フローは、複数の生産工程が所定の順序で組み合わさっているため、重要パラメータ同士に因果関係がある場合がある。このような場合、一方の重要パラメータが変化すると、他の重要パラメータも変化するため、重要パラメータが生産物に及ぼす影響の度合い、すなわち相関係数を適切に算出できなくなるおそれがある。しかし、生産工程管理装置１６は、重要パラメータ同士の因果関係も考慮して因果関係モデルを構築しているため、相関係数を適切に算出して、生産物(結果)が目標を外れるか否かをより適切に予測することができる。 In addition, the causal relationship model shows the causal relationship between important parameters in addition to the causal relationship between the important parameters and the product (result). In the production process flow managed by the production process management device 16, since a plurality of production processes are combined in a predetermined order, important parameters may have a causal relationship with each other. In such a case, if one important parameter changes, the other important parameter also changes, so that the degree of influence of the important parameter on the product, that is, the correlation coefficient may not be calculated appropriately. However, since the production process management device 16 constructs a causal relationship model in consideration of the causal relationship between important parameters, whether or not the product (result) deviates from the target by appropriately calculating the correlation coefficient. Can be predicted more appropriately.

また、処理は、生産物を生産するための生産工程であり、結果は、生産物である。生産工程管理装置１６は、生産物が目標を外れるか否かを適切に予測することができる。 Further, the processing is a production process for producing a product, and the result is a product. The production process control device 16 can appropriately predict whether or not the product deviates from the target.

以上、本発明の実施形態を説明したが、この実施形態の内容により実施形態が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。 Although the embodiments of the present invention have been described above, the embodiments are not limited by the contents of the embodiments. Further, the above-mentioned components include those that can be easily assumed by those skilled in the art, those that are substantially the same, that is, those having a so-called equal range. Furthermore, the components described above can be combined as appropriate. Further, various omissions, replacements or changes of components can be made without departing from the gist of the above-described embodiment.

１０ 生産管理システム（処理フロー管理システム）
１２ 生産ライン
１４ 検査装置
１６ 生産工程管理装置（処理フロー管理装置）
２０ 関連データ記憶部
２２ 重要パラメータ抽出部
２４ 検査結果取得部
２６ 因果関係モデル生成部
２８ 因果関係式生成部
３０ 差異値算出部
３２ 補正部
４０ データ取得部
４２ 決定木分析部
４４ 重要パラメータ決定部
４６ 相関係数算出部
４８ 因果関係式設定部 10 Production control system (processing flow management system)
12 Production line 14 Inspection equipment 16 Production process management equipment (processing flow management equipment)
20 Related data storage unit 22 Important parameter extraction unit 24 Inspection result acquisition unit 26 Causal relationship model generation unit 28 Causal relationship expression generation unit 30 Difference value calculation unit 32 Correction unit 40 Data acquisition unit 42 Decision tree analysis unit 44 Important parameter determination unit 46 Correlation coefficient calculation unit 48 Causal relational expression setting unit

Claims (7)

パラメータを変更させる複数の処理が予め設定された順序で組み合わさっており、前記複数の処理の実行により結果を取得する処理フローを管理する処理フロー管理装置であって、
前記複数の処理が変更させる前記パラメータのうち、前記結果に対する影響の高い前記パラメータである重要パラメータを複数抽出する重要パラメータ抽出部と、
前記重要パラメータの検査結果を取得する検査結果取得部と、
前記重要パラメータを説明変数とし前記結果を目的変数として、前記重要パラメータと前記結果との因果関係を示す因果関係モデルを生成する因果関係モデル生成部と、
前記因果関係モデルに基づき、前記重要パラメータが前記結果に与える影響の度合いを示す係数である相関係数を前記複数の重要パラメータ毎に算出する相関係数算出部と、
前記相関係数と前記複数の重要パラメータの検査結果とに基づき、前記結果の目標値からのずれ量である差異値を算出する差異値算出部と、
を有し、
前記検査結果取得部は、前記重要パラメータに対応する全ての処理が実行される前に、それまでに実行された処理に対応する前記重要パラメータの検査結果を取得し、
前記差異値算出部は、実行されていない前記処理に対応する重要パラメータの設定値を予め設定しており、実行された前記処理に対応する重要パラメータの検査結果及び前記相関係数と、実行されていない前記処理に対応する重要パラメータの設定値及び前記相関係数と、に基づき、前記差異値を算出するものであり、
さらに、実行されていない前記処理の重要パラメータを、前記差異値が所定の値以下となるように、前記設定値から補正した値である補正値となるように設定する補正部と、
を有する、処理フロー管理装置。 It is a processing flow management device that manages a processing flow in which a plurality of processes for changing parameters are combined in a preset order and a result is acquired by executing the plurality of processes.
Among the parameters that are changed by the plurality of processes, an important parameter extraction unit that extracts a plurality of important parameters that have a high influence on the result.
An inspection result acquisition unit that acquires inspection results of the important parameters,
A causal relationship model generation unit that generates a causal relationship model showing a causal relationship between the important parameter and the result, using the important parameter as an explanatory variable and the result as an objective variable.
Based on the causal relationship model, a correlation coefficient calculation unit that calculates a correlation coefficient, which is a coefficient indicating the degree of influence of the important parameter on the result, for each of the plurality of important parameters.
A difference value calculation unit that calculates a difference value that is the amount of deviation from the target value of the result based on the correlation coefficient and the inspection results of the plurality of important parameters.
Have a,
The inspection result acquisition unit acquires the inspection results of the important parameters corresponding to the processes executed so far before all the processes corresponding to the important parameters are executed.
The difference value calculation unit presets the setting values of the important parameters corresponding to the processing that has not been executed, and executes the inspection results of the important parameters corresponding to the executed processing and the correlation coefficient. The difference value is calculated based on the set value of the important parameter corresponding to the processing and the correlation coefficient.
Further, a correction unit that sets important parameters of the processing that have not been executed to be a correction value that is a value corrected from the set value so that the difference value is equal to or less than a predetermined value.
A processing flow management device having. 前記重要パラメータ抽出部は、
予め実行された前記処理フローの、前記複数のパラメータの検査結果と前記結果の検査結果とを取得するデータ取得部と、
取得した前記結果の検査結果に対して許容範囲を設定し、予め実行された前記処理フローの前記結果を、前記許容範囲を満たす適合結果と前記許容範囲を満たさない不適合結果とに分類し、前記複数のパラメータを説明変数とし前記結果を目的変数として決定木分析を実行し、各決定木で分類した前記説明変数に対して前記不適合結果の発生確率を算出する決定木分析部と、
前記不適合結果の発生確率が所定値以上である前記説明変数に対応付けられた前記パラメータを、前記重要パラメータとする重要パラメータ決定部と、
を有する、請求項１に記載の処理フロー管理装置。 The important parameter extraction unit
A data acquisition unit that acquires inspection results of the plurality of parameters and inspection results of the results of the processing flow executed in advance, and
An allowable range is set for the inspection result of the acquired result, and the result of the processing flow executed in advance is classified into a conformity result that satisfies the allowable range and a nonconformity result that does not satisfy the allowable range. A decision tree analysis unit that executes a decision tree analysis using a plurality of parameters as explanatory variables and the results as objective variables, and calculates the probability of occurrence of the nonconformity result for the explanatory variables classified by each decision tree.
An important parameter determination unit that uses the parameter associated with the explanatory variable having a probability of occurrence of the nonconformity result of a predetermined value or more as the important parameter.
The processing flow management apparatus according to claim 1. 前記補正部は、実行されていない前記処理に対応する重要パラメータのうち、前記相関係数が大きい重要パラメータを、前記補正値を設定するものとして優先して選択する、請求項１又は請求項２に記載の処理フロー管理装置。 Claim 1 or claim 2 in which the correction unit preferentially selects an important parameter having a large correlation coefficient among the important parameters corresponding to the processing that has not been executed as the one for setting the correction value. The processing flow management device according to. 前記補正部は、前記補正値を設定する重要パラメータの個数が最小となるように、前記補正値を設定する重要パラメータを選択する、請求項１から請求項３のいずれか１項に記載の処理フロー管理装置。 The process according to any one of claims 1 to 3 , wherein the correction unit selects important parameters for setting the correction value so that the number of important parameters for setting the correction value is minimized. Flow management device. 前記因果関係モデルは、前記重要パラメータと前記結果との因果関係に加え、前記重要パラメータ同士の因果関係を示す、請求項１から請求項４のいずれか１項に記載の処理フロー管理装置。 The processing flow management device according to any one of claims 1 to 4 , wherein the causal relationship model shows a causal relationship between the important parameters in addition to the causal relationship between the important parameters and the result. 前記処理は、生産物を生産するための生産工程であり、前記結果は、前記生産物である、請求項１から請求項５のいずれか１項に記載の処理フロー管理装置。 The processing flow management apparatus according to any one of claims 1 to 5 , wherein the processing is a production process for producing a product, and the result is the product. パラメータを変更させる複数の処理が予め設定された順序で組み合わさっており、前記複数の処理の実行により結果を取得する処理フローを管理する処理フロー管理方法であって、
前記複数の処理が変更させる前記パラメータのうち、前記結果に対する影響の高い前記パラメータである重要パラメータを複数抽出する重要パラメータ抽出ステップと、
前記重要パラメータの検査結果を取得する検査結果取得ステップと、
前記重要パラメータを説明変数とし前記結果を目的変数として、前記重要パラメータと前記結果との因果関係を示す因果関係モデルを生成する因果関係モデル生成ステップと、
前記因果関係モデルに基づき、前記重要パラメータが前記結果に与える影響の度合いを示す係数である相関係数を前記複数の重要パラメータ毎に算出する相関係数算出ステップと、
前記相関係数と前記複数の重要パラメータの検査結果とに基づき、前記結果の目標値からのずれ量である差異値を算出する差異値算出ステップと、
を有し、
前記検査結果取得ステップは、前記重要パラメータに対応する全ての処理が実行される前に、それまでに実行された処理に対応する前記重要パラメータの検査結果を取得し、
前記差異値算出ステップは、実行されていない前記処理に対応する重要パラメータの設定値を予め設定しており、実行された前記処理に対応する重要パラメータの検査結果及び前記相関係数と、実行されていない前記処理に対応する重要パラメータの設定値及び前記相関係数と、に基づき、前記差異値を算出し、
さらに、実行されていない前記処理の重要パラメータを、前記差異値が所定の値以下となるように、前記設定値から補正した値である補正値となるように設定する補正ステップを有する、処理フロー管理方法。
It is a process flow management method that manages a process flow in which a plurality of processes for changing parameters are combined in a preset order and a result is acquired by executing the plurality of processes.
Among the parameters changed by the plurality of processes, an important parameter extraction step of extracting a plurality of important parameters which are the parameters having a high influence on the result, and
The inspection result acquisition step for acquiring the inspection results of the important parameters, and
A causal relationship model generation step for generating a causal relationship model showing a causal relationship between the important parameter and the result, using the important parameter as an explanatory variable and the result as an objective variable.
Based on the causal relationship model, a correlation coefficient calculation step of calculating a correlation coefficient, which is a coefficient indicating the degree of influence of the important parameter on the result, for each of the plurality of important parameters,
A difference value calculation step for calculating a difference value which is an amount of deviation from the target value of the result based on the correlation coefficient and the inspection results of the plurality of important parameters.
Have,
The inspection result acquisition step acquires the inspection result of the important parameter corresponding to the processing executed so far before all the processing corresponding to the important parameter is executed.
The difference value calculation step is executed by presetting the setting values of the important parameters corresponding to the processes that have not been executed, and the inspection results of the important parameters corresponding to the executed processes and the correlation coefficient. The difference value is calculated based on the set value of the important parameter corresponding to the processing and the correlation coefficient.
Further, a processing flow having a correction step of setting important parameters of the processing that have not been executed to be a correction value that is a value corrected from the set value so that the difference value is equal to or less than a predetermined value. Management method.

Images