JP7039232B2 - Technical information sharing system and technical information sharing method - Google Patents

Description

本発明は、技術情報共有システム及び技術情報共有方法に関する。 The present invention relates to a technical information sharing system and a technical information sharing method.

本技術分野の背景技術として、特許文献１がある。この公報には、観測結果から、各変数間の相関係数を算出することで、因果関係モデルを導出し、要因変数の確率を算出する方法が記載されている。また、特許文献２がある。この公報には、行動を識別する識別器において、修正が必要と判断された場合に、元のセンサデータを用いて再学習して識別器を再構築する方法が記載されている。 Patent Document 1 is a background technique in this technical field. This publication describes a method of deriving a causal relationship model by calculating the correlation coefficient between each variable from the observation results and calculating the probability of the factor variable. Further, there is Patent Document 2. This publication describes a method for reconstructing a discriminator by re-learning using the original sensor data when it is determined that a correction is necessary in the discriminator that discriminates behavior.

特開２０１１－２０３９９６号公報Japanese Unexamined Patent Publication No. 2011-20396 特開２０１３－４１３２３号公報Japanese Unexamined Patent Publication No. 2013-413323

製造業では、製品の品質や生産性、製造コストなど種々のKPI（Key Performance Indicator）を満たすように、作業や製造時の条件調整などを工夫しているが、作業者の熟練度や装置の操作方法に関する知識に応じて、生産性や品質にばらつきが発生することがある。特に新規の装置や工程導入時は、既存の実績がある工場に比べて、生産性や品質が低水準になりがちである。このような実績に応じた品質、生産性の差異を埋めるためには、蓄積された技術知識を共有することが有効である。 In the manufacturing industry, we devise measures such as adjusting conditions during work and manufacturing so as to meet various KPIs (Key Performance Indicators) such as product quality, productivity, and manufacturing cost. Productivity and quality may vary depending on the knowledge of the operation method. Especially when introducing new equipment or processes, productivity and quality tend to be lower than those of existing factories with a proven track record. It is effective to share the accumulated technical knowledge in order to fill the difference in quality and productivity according to such achievements.

しかしながら、従来技術では、技術知識として因果関係モデルを構築しているが、例えば、装置間、工場間では設備や作業が異なるため、他の装置、工場などで蓄積したモデルを適用できない。したがって、異なる装置間、工程間でも技術知識を共有するためのモデルが必要となる。 However, in the prior art, a causal relationship model is constructed as technical knowledge, but for example, since the equipment and work are different between devices and factories, models accumulated in other devices, factories, etc. cannot be applied. Therefore, a model for sharing technical knowledge between different devices and processes is required.

前記特許文献１には、観測結果から因果関係を学習することにより、因果関係モデルを導出する方法が記載されているが、工場間で共通モデルとして保持する内容に関する記載は無い。また、因果関係モデルを作成しているだけであり、工場間で共有することを考えると、設備などが異なる場合には、因果関係モデルを構築する手法だけでは適用することは難しい。また前記特許文献２には、識別器が適切でないと判断された場合に、識別器を再構築することで対応することが出来るが、再構築の方法が過去に構築した時の学習データを用いるため、元の識別器を活用するのではなく、結局のところ再学習が必要となってしまう。 The above-mentioned Patent Document 1 describes a method of deriving a causal relationship model by learning a causal relationship from observation results, but does not describe the content to be held as a common model among factories. In addition, it is only creating a causal relationship model, and considering sharing between factories, it is difficult to apply it only by the method of constructing a causal relationship model when the equipment is different. Further, the above-mentioned Patent Document 2 can be dealt with by reconstructing the discriminator when it is determined that the discriminator is not appropriate, but the learning data when the restructuring method was constructed in the past is used. Therefore, instead of utilizing the original classifier, re-learning is required after all.

本発明は、因果関係モデルを用いて蓄積された技術知識を共有することが可能な技術情報共有システム及び技術情報共有方法を提供することを目的とする。 An object of the present invention is to provide a technical information sharing system and a technical information sharing method capable of sharing accumulated technical knowledge using a causal relationship model.

本発明にかかる技術情報共有システムは、製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルに対して、因果関係モデルの構造を変えうる生産リソースを識別するための付帯情報を追加した部分モデルを構築するモデル構築部と、前記部分モデルに追加された前記付帯情報に基づいて、前記部分モデルを統合した統合モデルを構築するモデル統合部と、を備えることを特徴とする技術情報共有システムとして構成される。 The technical information sharing system according to the present invention has a structure of a causal relationship model with respect to a causal relationship model constructed based on quality index data indicating an index for controlling manufacturing quality and performance evaluation index data indicating an index of manufacturing performance. A model building unit that builds a partial model to which additional information for identifying production resources that can change the above is added, and an integrated model that integrates the partial model is built based on the supplementary information added to the partial model. It is configured as a technical information sharing system characterized by having a model integration unit.

また、本発明は、上記技術情報共有システムで行われる技術情報共有方法としても把握される。 The present invention is also understood as a technical information sharing method performed by the technical information sharing system.

本発明によれば、因果関係モデルを用いて蓄積された技術知識を共有することが可能となる。 According to the present invention, it is possible to share the accumulated technical knowledge using the causal relationship model.

技術情報共有システムの全体像である。It is an overview of the technical information sharing system. 技術情報共有システム構成の例である。This is an example of a technical information sharing system configuration. モデル構築処理フローの例である。This is an example of the model construction process flow. KPIデータの定義例である。This is an example of KPI data definition. ４Mデータの定義例である。This is a definition example of 4M data. 付帯情報の定義例である。This is a definition example of incidental information. 因果関係モデルの定義例である。This is a definition example of a causal relationship model. 因果関係モデルにおける確率配列の定義例である。This is an example of defining a probability array in a causal relationship model. モデル構築画面の例である。This is an example of a model construction screen. モデル統合処理フローの例である。This is an example of a model integration processing flow. モデル統合画面の例である。This is an example of a model integration screen. モデル再構築処理フローの例である。This is an example of the model reconstruction process flow. モデル再構築画面の例である。This is an example of the model reconstruction screen. 推奨制御計算フローの例である。This is an example of the recommended control calculation flow. 推奨制御決定に利用する確率配列の例である。This is an example of a probability array used for recommended control decisions. 推奨制御データの定義例である。This is a definition example of recommended control data. 推奨制御表示画面の例である。This is an example of the recommended control display screen. 因果関係モデルの詳細情報表示画面の例である。This is an example of the detailed information display screen of the causal relationship model. 技術情報共有システムにおけるモデルを格納する層の例である。This is an example of a layer that stores a model in a technical information sharing system. 技術情報共有システムの活用例である。This is an example of using a technical information sharing system. 付帯情報の有無による効果の例である（付帯情報がないモデル）。This is an example of the effect depending on the presence or absence of incidental information (model without incidental information). 付帯情報の有無による効果の例である（付帯情報があるモデル）。This is an example of the effect depending on the presence or absence of incidental information (model with incidental information). 推奨制御活用時の課金計算部を追加したシステム例である。This is an example of a system that adds a billing calculation unit when using recommended control. モデル組替画面の例である。This is an example of a model rearrangement screen. 課金計算フローの例である。This is an example of a billing calculation flow. 課金データの定義例である。This is a definition example of billing data. 課金計算を追加した推奨制御表示画面の例である。This is an example of the recommended control display screen with billing calculation added. 課金情報表示画面の例である。This is an example of a billing information display screen.

以下、実施形態について、図面を参照しながら説明する。
なお、実施の形態を説明するための全図において、同一部には原則として同一符号を付し、その繰り返しの説明は省略する。 Hereinafter, embodiments will be described with reference to the drawings.
In addition, in all the drawings for explaining the embodiment, the same parts are in principle the same reference numerals, and the repeated description thereof will be omitted.

図１は、本実施形態のシステムの全体像を示している。工場、製造ライン１０１は、実際に製造を実行する対象となる生産リソースである。以下では、生産リソースとして工場、製造ライン１０１を例示しているが、製造現場で用いられる設備やシステム、装置、機器をはじめとする製造に関する様々な生産リソースについても同様に適用することができる。本システムでは、工場、製造ライン１０１から、製造情報１０２として、Machine、Man、Material、Methodからなり、製造品質を管理する指標を示す４Mデータと、製造実行時に満たすべき指標情報であって製造業績の指標を示すKPIデータを抽出する。本システムでは、4MデータおよびKPIデータを基に、モデル構築処理１０３を実行し、技術情報として、各データの因果関係を計算してモデル化することで、部分モデル１０４を構築する。部分モデル１０４は、4MデータおよびKPIデータに基づいて構築された因果関係モデルに対して、後述する付帯情報を含めた因果関係モデルである。以下では製造情報１０２として4MデータおよびKPIデータを用いているが、4Mデータのほか製造の品質を管理するための各種指標を示すデータを用いたり、KPIデータのほか製造に関する業績を評価するための各種指標を示すデータについても同様に考えることができる。 FIG. 1 shows an overall picture of the system of the present embodiment. The factory and the production line 101 are production resources to be actually manufactured. In the following, a factory and a production line 101 are exemplified as production resources, but various production resources related to manufacturing such as equipment, systems, devices, and equipment used at a production site can be similarly applied. In this system, from the factory and the manufacturing line 101, the manufacturing information 102 consists of Machine, Man, Material, and Method, and 4M data indicating the index for controlling the manufacturing quality and the index information to be satisfied at the time of manufacturing execution, which is the manufacturing performance. Extract KPI data showing the index of. In this system, the model construction process 103 is executed based on the 4M data and the KPI data, and the causal relationship of each data is calculated and modeled as technical information to construct the partial model 104. The partial model 104 is a causal relationship model including incidental information described later with respect to the causal relationship model constructed based on 4M data and KPI data. In the following, 4M data and KPI data are used as manufacturing information 102, but in addition to 4M data, data showing various indicators for controlling manufacturing quality can be used, and KPI data and other manufacturing performance can be evaluated. The same can be considered for data showing various indicators.

本システムでは、モデル統合処理１０５を実行し、モデル構築処理１０３で作成した部分モデル１０４を統合モデル１０６に統合する処理を行う。統合モデル１０６は、部分モデル１０４を統合したモデルである。また、本システムでは、モデル再構築処理１０７において、統合モデル１０６から各工場で必要なモデルを抽出し、再構築することで再構築モデル１０８を構築する。再構築モデル１０８は、工場、製造ライン１０１で活用される。再構築モデル１０８に基づいた製造実行時の４MデータおよびKPIデータの抽出、モデル構築を繰り返し行うことにより、統合モデルの技術情報を蓄積する。 In this system, the model integration process 105 is executed, and the partial model 104 created in the model construction process 103 is integrated into the integration model 106. The integrated model 106 is a model in which the partial model 104 is integrated. Further, in this system, in the model reconstruction process 107, the reconstruction model 108 is constructed by extracting the model necessary for each factory from the integrated model 106 and reconstructing the model. The reconstruction model 108 is utilized in factories and production lines 101. The technical information of the integrated model is accumulated by repeatedly extracting the 4M data and KPI data at the time of manufacturing based on the reconstruction model 108 and constructing the model.

図２は、本実施形態のシステム構成を示している。本システム２００は、一般的な計算機（例えば、ＰＣ（Personal Computer）等の情報処理装置）で構成でき、例えば、ソフトウェアプログラムの実行処理により本実施例の特徴的な処理を実現する。 FIG. 2 shows the system configuration of the present embodiment. The system 200 can be configured by a general computer (for example, an information processing device such as a PC (Personal Computer)), and for example, the characteristic processing of the present embodiment is realized by the execution processing of a software program.

本システム２００は、入出力部２１０、表示部２２０、制御部２３０、記憶部２４０、およびバス等の通信経路で構成される。 The system 200 includes a communication path such as an input / output unit 210, a display unit 220, a control unit 230, a storage unit 240, and a bus.

入出力部２１０では、ユーザの操作により、因果関係モデルの設定項目やグラフィカルユーザインターフェース（ＧＵＩ）上にある項目の入力、ならびにモデル構築条件の入力を行う入力装置や、特定した観測データの許容範囲や制御データの最適値、高精度なモデル変換の出力を行う出力装置であり、例えばキーボード、マウス、ディスプレイ、プリンタ等、ハードウェアとしては一般的な入出力装置や表示装置がある。 In the input / output unit 210, the input device for inputting the setting items of the causal relationship model, the items on the graphical user interface (GUI), and the model construction conditions by the user's operation, and the allowable range of the specified observation data. It is an output device that outputs the optimum value of control data and high-precision model conversion. For example, there are input / output devices and display devices that are generally used as hardware such as keyboards, mice, displays, and printers.

本システムでは、表示部２２０が、入出力部２１０に表示される画面でＧＵＩを構成し、制御部２３０と連携して入出力部２１０に各種の情報を表示する。表示部２２０を構成する各部（因果関係モデル表示部２２１、統合モデル表示部２２２、再構築モデル表示部２２３、推奨制御表示部２２４、モデル詳細情報表示部２２５）は、制御部２３０を構成する各部（モデル構築部２３１、モデル統合部２３２、モデル再構築部２３３、推奨制御計算部２３４）と同様に、ソフトウェアプログラムを実行することにより、その機能が実現される。制御部２３０は、例えばＣＰＵ（Central Processing Unit）やＲＡＭ（Random access memory）、ＲＯＭ（Read only memory）等、ハードウェアとしては一般的な要素により構成される。制御部２３０は、モデル構築部２３１と、モデル統合部２３２と、モデル再構築部２３３と、推奨制御計算部２３４とを有し、本実施例の特徴的な機能を実現する処理行う。 In this system, the display unit 220 configures a GUI on the screen displayed on the input / output unit 210, and displays various information on the input / output unit 210 in cooperation with the control unit 230. Each unit constituting the display unit 220 (causal relationship model display unit 221, integrated model display unit 222, reconstructed model display unit 223, recommended control display unit 224, model detailed information display unit 225) constitutes each unit of the control unit 230. Similar to (model construction unit 231, model integration unit 232, model reconstruction unit 233, recommended control calculation unit 234), the function is realized by executing the software program. The control unit 230 is composed of elements general for hardware, such as a CPU (Central Processing Unit), a RAM (Random access memory), and a ROM (Read only memory). The control unit 230 has a model construction unit 231, a model integration unit 232, a model reconstruction unit 233, and a recommended control calculation unit 234, and performs processing for realizing the characteristic functions of the present embodiment.

モデル構築部２３１は、KPIデータ記憶部２４１に記憶されているKPIデータと、４Mデータ記憶部２４２に記憶されている４Mデータとを用いて、４MデータとKPIデータから因果関係モデルを構築する。本システムでは、構築した因果関係モデルに対して、付帯情報記憶部２４３に記憶されている付帯情報を新たに追加した因果関係モデルを部分モデルとして構築する。構築された部分モデルは部分モデル記憶部２４５に記憶される。付帯情報とは、因果関係モデルの構造を変えうる上記生産リソースを識別するための情報である。本実施例では、付帯情報として、４MデータやKPIデータを出力する生産リソースの属性（例えば、機種やメーカー、バージョンのほか、性能や性質といった生産リソースの特徴を示す情報）、生産リソースを用いた製造手順（例えば、製品の組み立て手順や加工手順を示す情報）、生産リソースが設置されている場所や位置（例えば、製品を製造する工場の場所や製造ラインの位置を示す情報）を含む例を挙げているが、これらに限定されない。 The model building unit 231 constructs a causal relationship model from 4M data and KPI data using the KPI data stored in the KPI data storage unit 241 and the 4M data stored in the 4M data storage unit 242. In this system, a causal relationship model in which incidental information stored in the incidental information storage unit 243 is newly added to the constructed causal relationship model is constructed as a partial model. The constructed partial model is stored in the partial model storage unit 245. The incidental information is information for identifying the production resource that can change the structure of the causal relationship model. In this embodiment, the attributes of the production resource that outputs 4M data and KPI data (for example, information indicating the characteristics of the production resource such as the model, manufacturer, version, performance, and properties) and the production resource are used as incidental information. Examples that include manufacturing procedures (eg, information indicating product assembly and processing procedures), locations and locations where production resources are located (eg, information indicating the location of factories or production lines that manufacture products). Listed, but not limited to these.

モデル統合部２３２は部分モデル記憶部２４５に記憶されている部分モデルと、統合モデル記憶部２４６に記憶されている統合モデルを用いて、部分モデルの技術情報を統合モデルに追加し、新たな統合モデルとして構築する。構築された統合モデルは統合モデル記憶部２４６に記憶される。 The model integration unit 232 uses the partial model stored in the partial model storage unit 245 and the integrated model stored in the integrated model storage unit 246 to add technical information of the partial model to the integrated model and perform new integration. Build as a model. The constructed integrated model is stored in the integrated model storage unit 246.

モデル再構築部２３３は、統合モデル記憶部２４６に記憶されている統合モデルと、付帯情報記憶部２４３に記憶されている付帯情報を用いて、統合モデルから、指定された付帯情報を含むモデルを抽出し、再構築モデルとして構築する。構築された再構築モデルは、再構築モデル記憶部２４７に記憶される。 The model reconstruction unit 233 uses the integrated model stored in the integrated model storage unit 246 and the incidental information stored in the incidental information storage unit 243 to obtain a model including the specified incidental information from the integrated model. Extract and build as a reconstruction model. The constructed reconstruction model is stored in the reconstruction model storage unit 247.

推奨制御計算部２３４は、再構築モデル記憶部２４７に記憶されている再構築モデルと、KPIデータ記憶部２４２に記憶されているKPIデータを用いて、本システムを使用するユーザが選択したKPIデータの値を変更するために推奨される制御データを計算する。計算された推奨制御データは、推奨制御データ２４４に記憶される。 The recommended control calculation unit 234 uses the reconstruction model stored in the reconstruction model storage unit 247 and the KPI data stored in the KPI data storage unit 242, and KPI data selected by the user using this system. Calculate the recommended control data to change the value of. The calculated recommended control data is stored in the recommended control data 244.

以下、制御部における処理の詳細について説明する。 Hereinafter, the details of the processing in the control unit will be described.

図３から図９を用いて、モデル構築部２３１の詳細な処理について説明する。図３は、モデル構築部２３１で実施する処理フローの例である。まず、製造時の実績データから、製造時の生産性やコストとして設定されているKPIデータ３０１、センサ情報などから４Mデータ３０２を抽出し、工場、工程、装置といった付帯情報３０３を入力とする。 Detailed processing of the model building unit 231 will be described with reference to FIGS. 3 to 9. FIG. 3 is an example of a processing flow carried out by the model building unit 231. First, 4M data 302 is extracted from KPI data 301 set as productivity and cost at the time of manufacturing, sensor information, etc. from actual data at the time of manufacturing, and incidental information 303 such as factories, processes, and devices is input.

KPIデータ３０１の定義例を図４に示す。図４において、KPIデータ４０１は、KPIデータ記憶部２４１に記憶され、１行目はヘッダ情報、１列目に製品ID、2列目に生産性、3列目にコストの値といった目標値を保持する。KPIデータに限らず、以下で示すデータ定義は例であり、データ保持方法は別の方法であってよい。 A definition example of the KPI data 301 is shown in FIG. In FIG. 4, the KPI data 401 is stored in the KPI data storage unit 241 and has target values such as header information in the first row, product ID in the first column, productivity in the second column, and cost value in the third column. Hold. Not limited to KPI data, the data definition shown below is an example, and the data retention method may be another method.

４Mデータ３０２の定義例を図５に示す。図５において、４Mデータ５０１は、４Mデータ記憶部２４２で記憶され、Machineデータ５０２、Manデータ５０３、Materialデータ５０４、Methodデータ５０５から構成される。Machineデータ５０２は１列目から順に設備ID、工具種、加工速度、稼働時間など設備に関するデータを保持する。Manデータ５０３は１列目から順に作業者ID、作業実績、作業場所、作業時間など、作業者の作業に関するデータを保持する。Materialデータ５０４は１列目から順に材料ID、品質、投入実績、温度など材料に関するデータを保持する。Methodデータ５０５は１列目から順にMethod ID、製造条件を示すレシピ、作業指示Noなど作業方法に関するデータを保持する。 A definition example of the 4M data 302 is shown in FIG. In FIG. 5, the 4M data 501 is stored in the 4M data storage unit 242 and is composed of Machine data 502, Man data 503, Material data 504, and Method data 505. Machine data 502 holds data related to equipment such as equipment ID, tool type, machining speed, and operating time in order from the first column. The Man data 503 holds data related to the worker's work such as the worker ID, the work record, the work place, and the work time in order from the first column. Material data 504 holds data related to materials such as material ID, quality, input record, and temperature in order from the first column. The Method data 505 holds data related to the work method such as the Method ID, the recipe indicating the manufacturing conditions, and the work instruction No. in order from the first column.

付帯情報３０３の定義例を図６に示す。図６において、付帯情報６０１は、付帯情報記憶部２４３に記憶され、装置の機種、工程、場所などの付帯情報を保持している。データ６０２は、装置機種の付帯情報として１列目から順にEquipment ID、機種名、メーカーなどの装置を識別するための項目を保持している。データ６０３は、工程の付帯情報として１列目から順にProcess ID、プロセス名などの工程を識別するための項目を保持している。データ６０４は、工場の付帯情報として、Fab ID、工場名などの工場を識別するための項目を保持している。 FIG. 6 shows a definition example of the incidental information 303. In FIG. 6, the incidental information 601 is stored in the incidental information storage unit 243 and holds the incidental information such as the model, process, and location of the device. The data 602 holds items for identifying the device such as the Equipment ID, the model name, and the manufacturer in order from the first column as incidental information of the device model. The data 603 holds items for identifying the process, such as the Process ID and the process name, in order from the first column as incidental information of the process. The data 604 holds items for identifying the factory such as Fab ID and factory name as incidental information of the factory.

次に図３のモデル構築処理の因果関係モデル構築処理３０４と、付帯情報の追加処理３０５を説明する。因果関係モデル構築処理３０４では、モデル構築部２３１は、KPIデータと、４Mデータを用いて因果関係グラフを生成する。従来の因果関係モデルは、単に因果関係をグラフ化したものであるのに対して、本システムでは、工程間、装置間でも共通のモデルで技術情報を共有するために、モデル構築部２３１は、付帯情報の追加処理３０５により、因果関係モデルに対して、新たに付帯情報を追加した因果関係モデルを、部分モデル３０６として構築する。 Next, the causal relationship model construction process 304 of the model construction process of FIG. 3 and the additional process 305 of incidental information will be described. In the causal relationship model construction process 304, the model construction unit 231 generates a causal relationship graph using KPI data and 4M data. Whereas the conventional causal relationship model is simply a graph of the causal relationship, in this system, in order to share technical information with a common model between processes and devices, the model construction unit 231 By the additional processing 305 of the incidental information, the causal relation model to which the incidental information is newly added to the causal relation model is constructed as the partial model 306.

構築される部分モデルは、図７で表現される。図７（a）はグラフ表現、図７（ｂ）は、データテーブル表現の例を示す。図７（a）において、モデル構築部２３１は、KPIデータ３０１、４Mデータ３０２の各項目を因果関係モデルにおけるノードをノード７０１で表現し、ノード７０１間をエッジとして矢印でつなぐ。モデル構築部２３１は、付帯情報もノード７０１として追加し、付帯情報が追加されたノード７０１と矢印でつなぐ。図７（ｂ）のデータテーブル表現において、因果関係モデルにおける各ノードは、ノード番号、ノード名、親ノード、確率配列、付帯情報を有したテーブル７０２から構成される。ノード番号はノード生成順に採番され、ノード名はデータの項目名、親ノードは因果関係モデル上で接続されたノードの内、矢印の始点にあるノード７０１の集合からなる。確率配列は、矢印の終点側にあるノード７０１に対して定義される。モデル上では因果関係のあるノードをエッジでつないでおり、例えば図７では、n1が加工装置における加工速度、n2が加工速度を原因として変動する加工時間となる。各ノードは制御データだけでなく、センサで取得したデータや、人の作業に関するデータに対しても設定される。 The constructed partial model is represented in FIG. FIG. 7 (a) shows a graph representation, and FIG. 7 (b) shows an example of a data table representation. In FIG. 7A, the model construction unit 231 expresses each item of the KPI data 301 and the 4M data 302 by the node 701 in the causal relational model, and connects the nodes 701 with an arrow as an edge. The model building unit 231 also adds the incidental information as the node 701, and connects the node 701 to which the incidental information is added with an arrow. In the data table representation of FIG. 7B, each node in the causal relationship model is composed of a table 702 having a node number, a node name, a parent node, a probability array, and incidental information. The node numbers are numbered in the order of node generation, the node name is the item name of the data, and the parent node is a set of nodes 701 at the start point of the arrow among the nodes connected on the causal relationship model. The probability array is defined for the node 701 on the end point side of the arrow. On the model, nodes having a causal relationship are connected by edges. For example, in FIG. 7, n1 is the machining speed in the machining apparatus, and n2 is the machining time that fluctuates due to the machining speed. Each node is set not only for control data but also for data acquired by sensors and data related to human work.

確率配列の例を図８に示す。確率配列は、各ノードが取りうる全ての値に対する条件付き確率を格納するテーブルである。図８の例に対する確率配列は、ノードn1、n2及びn3が取りうる全ての値に対して、条件付き確率が保持される。図８（a）は、付帯情報１（機種）がAaに対するノードn1とノードn2との間の確率配列、図８（ｂ）は付帯情報１（機種）がBbに対するノードn1とノードn2との間の確率配列の例である。図７の例では付帯情報１（機種）はAaの因果関係しか無いため、モデル構築部２３１は、付帯情報の追加処理３０５において、付帯情報１（機種）がBbの時の確率配列による影響を排除するように定義する。例えば、モデル構築部２３１は、付帯情報１（機種）がBbの時の確率配列について、当該確率配列を構成する各ノードが取りうる値に依存しないように定義する。これにより、付帯情報１（機種）がBbのとき、部分モデルを構成するノードn1、n2間に因果関係が無いように定義可能である。このように確率配列を定義することにより、装置ごとの技術情報を共通のモデルで保持することが可能となり、また、付帯情報に基づいて、装置の構成に応じたモデルの抽出が可能となる。 An example of the probability array is shown in FIG. A probability array is a table that stores conditional probabilities for all possible values for each node. The probability array for the example of FIG. 8 holds conditional probabilities for all possible values of nodes n1, n2 and n3. FIG. 8 (a) shows a probability array between the node n1 and the node n2 for which the incidental information 1 (model) is for Aa, and FIG. 8 (b) shows the node n1 and the node n2 for which the incidental information 1 (model) is for Bb. This is an example of a probability array between. In the example of FIG. 7, since the incidental information 1 (model) has only a causal relationship of Aa, the model building unit 231 affects the influence of the probability array when the incidental information 1 (model) is Bb in the additional processing 305 of the incidental information. Define to be excluded. For example, the model construction unit 231 defines the probability array when the incidental information 1 (model) is Bb so as not to depend on the values that can be taken by each node constituting the probability array. Thereby, when the incidental information 1 (model) is Bb, it can be defined so that there is no causal relationship between the nodes n1 and n2 constituting the partial model. By defining the probability array in this way, it is possible to hold the technical information for each device in a common model, and it is possible to extract the model according to the configuration of the device based on the incidental information.

モデル構築部２３１からの指示に従って因果関係モデル表示部２２１が表示するモデル構築画面について図９を用いて説明する。図９は、モデル構築画面の例である。モデル構築画面９００は、部分モデル表示部９１１と、付帯情報設定表示部９１２から主に構成される。部分モデル表示部９１１は、モデル構築部２３１で得られた因果関係の部分モデルをグラフ形式で表示する部分である。まず、ユーザからモデル構築のボタン９１４が押下されると、モデル構築部２３１は、KPIデータと４Mデータから因果関係モデルを構築する処理が行われる。因果関係モデル表示部２２１がその結果を部分モデル表示部９１１に表示する。 The model construction screen displayed by the causal relationship model display unit 221 according to the instruction from the model construction unit 231 will be described with reference to FIG. FIG. 9 is an example of a model construction screen. The model construction screen 900 is mainly composed of a partial model display unit 911 and an incidental information setting display unit 912. The partial model display unit 911 is a portion that displays the causal partial model obtained by the model construction unit 231 in a graph format. First, when the model construction button 914 is pressed by the user, the model construction unit 231 performs a process of constructing a causal relationship model from KPI data and 4M data. The causal relationship model display unit 221 displays the result on the partial model display unit 911.

付帯情報設定表示部９１２は、部分モデル表示部９１１に表示された部分モデルに対して付帯情報を設定する部分である。まず、ユーザから、部分モデル表示部９１１に表示された部分モデルの一部が選択される。例えば、図９では部分モデルにおけるn1、n2、n4が選択された状態である。このとき、ユーザから、付帯情報設定表示部９１２において、所属情報が入力され、所属情報チェックボックスにチェックが入れられる。図９の例では、所属情報１：機種に対して、機種Aaが入力され、チェックが入れてある状態を示している。この状態で設定するボタン９１３が押下されると、因果関係モデル表示部２２１が表示する部分モデル表示部９１１に表示された部分モデルの選択された部分に対して、モデル構築部２３１が付帯情報を設定する。モデル保存が押下されると、モデル構築部２３１が部分モデルを部分モデル記憶部２４５に記憶する。 The incidental information setting display unit 912 is a portion for setting incidental information for the partial model displayed on the partial model display unit 911. First, the user selects a part of the partial model displayed on the partial model display unit 911. For example, in FIG. 9, n1, n2, and n4 in the partial model are selected. At this time, the user inputs the affiliation information in the incidental information setting display unit 912, and the affiliation information check box is checked. In the example of FIG. 9, the model Aa is input and checked for the affiliation information 1: model. When the button 913 to be set in this state is pressed, the model building unit 231 provides incidental information to the selected part of the partial model displayed on the partial model display unit 911 displayed by the causal relationship model display unit 221. Set. When the model save is pressed, the model construction unit 231 stores the partial model in the partial model storage unit 245.

次に図１０と図１１を用いて、モデル統合部２３２で実施するモデル統合処理について説明する。図１０は、モデル統合処理フローの例である。モデル統合処理では、モデル統合部２３２が、部分モデル３０６と、統合モデル記憶部２４６に記憶されている統合モデル１００１を入力として、ノード探索処理１００２において、部分モデル３０６の各ノード７０１が統合モデル１００１に存在するか探索する。モデル統合部２３２は、ノード有判定処理１００３で共通のノード７０１があるか否かを判定し、共通のノード７０１が無いと判定した場合（１００３；ｎｏ）、ノード追加処理１００４で統合モデル１００１に新たにノード７０１を追加する。新たに追加されたノードに対しては、同じ付帯情報無判定処理１００５において、新たに追加されたノードであるため、同じ付帯情報は無いと判定される（１００５；ｙｅｓ）。このため、付帯情報の更新処理１００６、確率配列の追加処理１００７において、モデル統合部２３２は、部分モデル３０６における付帯情報、確率配列を追加する。 Next, the model integration process performed by the model integration unit 232 will be described with reference to FIGS. 10 and 11. FIG. 10 is an example of a model integration processing flow. In the model integration process, the model integration unit 232 inputs the partial model 306 and the integration model 1001 stored in the integration model storage unit 246, and in the node search process 1002, each node 701 of the partial model 306 is the integration model 1001. Search for existence in. The model integration unit 232 determines whether or not there is a common node 701 in the node existence determination process 1003, and if it is determined that there is no common node 701 (1003; no), the node addition process 1004 sets the integrated model 1001. A new node 701 is added. In the same incidental information non-determination process 1005, it is determined that the newly added node does not have the same incidental information because it is a newly added node (1005; yes). Therefore, in the incidental information update process 1006 and the probability array addition process 1007, the model integration unit 232 adds the incidental information and the probability array in the partial model 306.

モデル統合部２３２は、ノード有判定処理１００３において、共通のノード７０１があると判定した場合には（１００３；ｙｅｓ）、既存の統合モデル１００１にあるノード７０１に対して、同じ付帯情報無判定処理１００５において同じ付帯情報が無いか判定する。モデル統合部２３２は、同じ付帯情報が無いと判定した場合は（１００５；ｙｅｓ）、付帯情報の更新処理１００６において、部分モデル３０６の付帯情報を追加する。モデル統合部２３２は、同じ付帯情報が有ると判定した場合は（１００５；ｎｏ）、重複して追加することはせず、確率配列の追加処理１００７を実行する。モデル統合部２３２は、付帯情報に対する確率配列の追加処理１００７の処理を実行することにより、部分モデル３０６を統合モデル１００１に統合した新たな統合モデル１００８を構築する。 When the model integration unit 232 determines in the node existence determination process 1003 that there is a common node 701 (1003; yes), the same incidental information non-determination process is performed for the node 701 in the existing integrated model 1001. It is determined whether or not the same incidental information exists in 1005. If it is determined that the same incidental information does not exist (1005; yes), the model integration unit 232 adds the incidental information of the partial model 306 in the incidental information update process 1006. If it is determined that the same incidental information exists (1005; no), the model integration unit 232 does not add duplicate information, and executes the probability array addition process 1007. The model integration unit 232 constructs a new integration model 1008 that integrates the partial model 306 into the integration model 1001 by executing the processing of the probability array addition processing 1007 for the incidental information.

図１１は、統合モデル表示部２２２が表示するモデル統合画面の例である。モデル統合画面１１００は、呼出モデルの表示部１１１１、部分モデル表示部１１１２、統合モデル表示部１１１３から主に構成される。ユーザから統合モデルを呼び出すボタン１１１４が押下されると、統合モデル表示部２２２は、呼出モデル表示部１１１１に呼び出した統合モデルである呼出モデルを表示する。部分モデル表示部１１１２は、統合する部分モデルを表示する部分である。ユーザから部分モデルを呼び出すボタン１１１５が押下され、部分モデル記憶部２４５に記憶されている部分モデルから統合したい部分モデルが選択されると、統合モデル表示部２２２は、部分モデル表示部１１１２に該当する部分モデルを表示する。 FIG. 11 is an example of a model integrated screen displayed by the integrated model display unit 222. The model integrated screen 1100 is mainly composed of a call model display unit 1111, a partial model display unit 1112, and an integrated model display unit 1113. When the button 1114 for calling the integrated model from the user is pressed, the integrated model display unit 222 displays the calling model, which is the integrated model, called on the calling model display unit 1111. The partial model display unit 1112 is a portion that displays a partial model to be integrated. When the button 1115 for calling the partial model from the user is pressed and the partial model to be integrated is selected from the partial models stored in the partial model storage unit 245, the integrated model display unit 222 corresponds to the partial model display unit 1112. Display the partial model.

呼出モデル表示部１１１１に呼出モデルが表示され、部分モデル表示部１１１２に部分モデルが表示された状態で、モデルを統合するボタン１１１６が押下されると、モデル統合部２３２がモデル統合処理を実行し、統合モデルに部分モデルが追加された新たな統合後のモデルとして統合モデルが統合モデル表示部１１１３に表示される。統合モデルを保存するボタン１１１７が押下されると、モデル統合部２３２が統合モデル表示部１１１３に表示されている新たな統合モデルを、統合モデル記憶部２４６に記憶する。図１０の統合モデル処理フローはあくまで例であり、統合モデルに統合するモデルを部分モデルに限る必要は無い。例えば、統合モデルが複数ある場合も同様に考えることができ、その場合、一方の統合モデルを部分モデルとして扱うことにより、複数の統合モデルを一つのモデルに統合することも可能である。 When the call model is displayed on the call model display unit 1111 and the partial model is displayed on the partial model display unit 1112 and the button 1116 for integrating the models is pressed, the model integration unit 232 executes the model integration process. , The integrated model is displayed on the integrated model display unit 1113 as a new integrated model in which a partial model is added to the integrated model. When the button 1117 for saving the integrated model is pressed, the model integration unit 232 stores the new integrated model displayed on the integrated model display unit 1113 in the integrated model storage unit 246. The integrated model processing flow of FIG. 10 is just an example, and it is not necessary to limit the model to be integrated into the integrated model to a partial model. For example, the case where there are a plurality of integrated models can be considered in the same manner, and in that case, by treating one integrated model as a partial model, it is possible to integrate the plurality of integrated models into one model.

次に、図１２と図１３を用いてモデル再構築部２３３におけるモデル再構築の処理について説明する。 Next, the model reconstruction process in the model reconstruction unit 233 will be described with reference to FIGS. 12 and 13.

図１２は、モデル再構築部２３３で実施するモデル再構築処理フローの例である。新たな統合モデル１００８と付帯情報３０３を入力とする。モデル再構築部２３３は、入力された付帯情報３０３に該当するノードを新たな統合モデル１００８から検索する処理１２０１を実行し、該当するノードと、ノードに接続されたエッジをモデルとして抽出する。検索、抽出する方法は単にノードを検索する方法に限らず、因果関係モデルの特徴を活用した方法として、積分計算を実施することにより、不要なノードを一括して削除する処理を実行しても良い。モデル再構築部２３３は、抽出したモデルを再構築モデル１２０３として出力する。 FIG. 12 is an example of a model reconstruction processing flow carried out by the model reconstruction unit 233. The new integrated model 1008 and incidental information 303 are input. The model reconstruction unit 233 executes the process 1201 for searching the node corresponding to the input incidental information 303 from the new integrated model 1008, and extracts the corresponding node and the edge connected to the node as a model. The method of searching and extracting is not limited to the method of simply searching for nodes, but as a method that utilizes the characteristics of the causal relationship model, even if the process of collectively deleting unnecessary nodes is executed by performing integral calculation. good. The model reconstruction unit 233 outputs the extracted model as the reconstruction model 1203.

図１３は、再構築モデル表示部２２３が表示するモデル再構築画面の例である。モデル再構築画面１３００は、統合モデル表示部１３１１と、付帯情報入力部１３１２と、再構築モデル表示部１３１３から主に構成される。再構築モデル表示部２２３は、ユーザからモデルを呼び出すボタン１３１５が押下されると、統合モデル記憶部２４６に記憶されている統合モデルを呼び出して統合モデル表示部１３１１に表示する。また、再構築モデル表示部２２３が表示する付帯情報入力部１３１２において、ユーザにより付帯情報が入力され、チェックボックスにチェックされた後、設定するボタン１３１４が押下されると、モデル再構築部２３３が検索対象となる付帯情報を設定する。付帯情報が設定された状態で、モデルを再構築するボタン１３１６が押下されると、モデル再構築部２３３の処理が実行され、再構築モデル表示部２２３は、再構築モデル表示部１３１３に、設定された付帯情報を含むモデルを再構築モデルとして表示する。 FIG. 13 is an example of the model reconstruction screen displayed by the reconstruction model display unit 223. The model reconstruction screen 1300 is mainly composed of an integrated model display unit 1311, an incidental information input unit 1312, and a reconstruction model display unit 1313. When the button 1315 for calling a model is pressed by the user, the reconstruction model display unit 223 calls the integrated model stored in the integrated model storage unit 246 and displays it on the integrated model display unit 1311. Further, in the incidental information input unit 1312 displayed by the reconstruction model display unit 223, when the user inputs the incidental information, the check box is checked, and then the button 1314 to be set is pressed, the model reconstruction unit 233 is pressed. Set the incidental information to be searched. When the button 1316 for reconstructing the model is pressed with the incidental information set, the process of the model reconstructing unit 233 is executed, and the reconstructed model display unit 223 is set in the reconstructed model display unit 1313. Display the model containing the attached incidental information as a reconstructed model.

このとき、ユーザは、再構築モデル表示部２２３が表示した再構築モデルを確認し、例えば、表示した再構築モデルの付帯情報の機種を他の異なる機種にリプレースした場合の再構築モデルを確認することもできる。上記付帯情報入力部１３１２において他の異なる機種を入力してチェックボックスにチェックしてモデルを再構築するボタン１３１６が押下されると、再びモデル再構築部２３３の処理が実行され、再構築モデル表示部２２３は、入力され他の異なる機種を適用した再構築モデルを表示する。モデルを保存するボタン１３１７が押下されることで、モデル再構築部２３３は再構築モデルを再構築モデル記憶部２４７に記憶する。は、上記で説明した、部分モデル記憶部２４５に記憶されている部分モデル、統合モデル記憶部２４６に記憶されている統合モデル、再構築モデル記憶部２４７に記憶されている再構築モデルの定義例はいずれも因果関係モデルに対して付帯情報を追加したモデルであり、その定義例は、図７に示す通りである。 At this time, the user confirms the reconstruction model displayed by the reconstruction model display unit 223, and for example, confirms the reconstruction model when the model of the incidental information of the displayed reconstruction model is replaced with another different model. You can also do it. When the button 1316 for reconstructing the model is pressed by inputting another different model in the incidental information input unit 1312 and checking the check box, the process of the model reconstructing unit 233 is executed again and the reconstructed model is displayed. Section 223 displays a reconstructed model that has been input and applied to other different models. When the button 1317 for saving the model is pressed, the model reconstruction unit 233 stores the reconstruction model in the reconstruction model storage unit 247. Is a definition example of the partial model stored in the partial model storage unit 245, the integrated model stored in the integrated model storage unit 246, and the reconstruction model stored in the reconstruction model storage unit 247 described above. Are models in which incidental information is added to the causal relationship model, and the definition example thereof is as shown in FIG.

次に図１４から図１７を用いて、推奨制御計算部２３４における推奨制御計算処理について説明する。 Next, the recommended control calculation process in the recommended control calculation unit 234 will be described with reference to FIGS. 14 to 17.

図１４は、推奨制御計算部２３４で実施する推奨制御計算処理フローの例である。再構築モデル１２０３と、KPIデータ３０１を入力とする。推奨制御計算部２３４は、まず、制御情報の探索処理１４０１を実行して、再構築モデル１２０３における、KPIデータ３０１を探索してKPIの一覧を抽出する。推奨制御計算部２３４は、抽出されたKPIに対して、制御改善の推定処理１４０２を実行する。推奨制御計算部２３４は、制御改善の推定処理１４０２において、再構築モデル１２０３を構成する各ノードの確率配列を用いることで、抽出された再構築モデル１２０３のKPIを改善するための推奨制御を推定する。図１５に示した確率配列の例を用いて推定方法を説明する。 FIG. 14 is an example of the recommended control calculation processing flow carried out by the recommended control calculation unit 234. Reconstruction model 1203 and KPI data 301 are input. The recommended control calculation unit 234 first executes the control information search process 1401 to search the KPI data 301 in the reconstruction model 1203 and extract a list of KPIs. The recommended control calculation unit 234 executes the control improvement estimation process 1402 for the extracted KPI. The recommended control calculation unit 234 estimates the recommended control for improving the KPI of the extracted reconstruction model 1203 by using the probability array of each node constituting the reconstruction model 1203 in the control improvement estimation process 1402. do. The estimation method will be described with reference to the example of the probability array shown in FIG.

図１５は、制御情報を加工速度、KPIを生産性として、因果関係を計算したときの確率配列の例である。推奨制御計算部２３４は、例えば、図１５において生産性が1.1以上となる期待値を列ごとに計算して、最も期待値の高い加工速度を推奨制御として計算する。推奨制御計算部２３４は、図１５において生産性が1.1以上となる条件を満たす太枠内に示す値の中から最も期待値の高い加工速度を選択した推定制御の計算結果を、推奨制御データ１４０３として出力する。なお、例えば、制御情報である加工速度と作業時間との関係から推奨制御を算出することもできる。 FIG. 15 is an example of a probability array when a causal relationship is calculated with the control information as the processing speed and the KPI as the productivity. The recommended control calculation unit 234 calculates, for example, the expected value at which the productivity is 1.1 or more in FIG. 15 for each column, and calculates the machining speed having the highest expected value as the recommended control. The recommended control calculation unit 234 uses the recommended control data 1403 to obtain the calculation result of the estimation control in which the machining speed having the highest expected value is selected from the values shown in the thick frame satisfying the condition that the productivity is 1.1 or more in FIG. Is output as. It should be noted that, for example, the recommended control can be calculated from the relationship between the machining speed, which is the control information, and the working time.

図１６に、推奨制御データ記憶部２４４に記憶されている推奨制御データの定義例を示す。１列目から順に項目名、推奨制御のデータを保持している。図１６では、推奨制御計算部２３４により選択された最も期待値の高い加工速度が1.5であることがわかる。制御改善の推定処理１４０２においては、確率配列を利用した方法に限定するものではない。例えば、再構築モデルにおいて、制御情報とKPIの因果関係を抽出した後、制御を変更したシミュレーションを実施することにより、KPIを改善する制御情報を探索することにより、推奨制御を抽出する手法をとってもよい。 FIG. 16 shows a definition example of recommended control data stored in the recommended control data storage unit 244. Item names and recommended control data are stored in order from the first column. In FIG. 16, it can be seen that the highest expected machining speed selected by the recommended control calculation unit 234 is 1.5. The estimation process 1402 for control improvement is not limited to the method using the probability array. For example, in the reconstruction model, after extracting the causal relationship between the control information and the KPI, the recommended control can be extracted by searching for the control information that improves the KPI by performing a simulation in which the control is changed. good.

図１７は、推奨制御表示部２２４により表示される推奨制御表示画面の例である。推奨制御表示画面１７００は、再構築モデル表示部１７１１と、KPI一覧表示部１７１２と、KPI周辺情報表示部１７１３と、推奨作業案表示部１７１４から主に構成される。ユーザからモデルを呼び出すボタン１７２０が押下され、再構築モデルが選択されると、推奨制御表示部２２４は、再構築モデル表示部１７１１に再構築モデルを表示する。並行して、推奨制御表示部２２４は、KPI一覧表示部１７１２に再構築モデルを構成するノードを含むKPIテーブル１７１５を表示する。KPIテーブル１７１５に表示されたKPIのチェックボックスにチェックを入れた状態で、設定するボタン１７１６が押下されると、推奨制御表示部２２４は、KPI周辺情報表示部１７１３にチェックされたKPIと因果関係のあるノードを含む制御テーブル１７１７を表示する。制御テーブル１７１７に表示された項目にチェックが入れられると、推奨制御表示部２２４は、推奨作業案表示部１７１４に、チェックされたノードについての推奨制御案テーブル１７１８を表示する。 FIG. 17 is an example of a recommended control display screen displayed by the recommended control display unit 224. The recommended control display screen 1700 is mainly composed of a reconstruction model display unit 1711, a KPI list display unit 1712, a KPI peripheral information display unit 1713, and a recommended work plan display unit 1714. When the button 1720 for calling the model from the user is pressed and the reconstructed model is selected, the recommended control display unit 224 displays the reconstructed model on the reconstructed model display unit 1711. At the same time, the recommended control display unit 224 displays the KPI table 1715 including the nodes constituting the reconstruction model on the KPI list display unit 1712. When the setting button 1716 is pressed with the KPI check box displayed in the KPI table 1715 checked, the recommended control display unit 224 has a causal relationship with the KPI checked by the KPI peripheral information display unit 1713. Display the control table 1717 containing the node with. When the item displayed in the control table 1717 is checked, the recommended control display unit 224 displays the recommended control proposal table 1718 for the checked node in the recommended work plan display unit 1714.

図１８は、モデル詳細情報表示部２２５が表示する因果関係モデルの詳細表示画面の例である。因果関係モデルの詳細表示画面１８００は、因果関係モデル表示部１８１１と、詳細情報表示部１８１２から主に構成される。ユーザからモデルを呼び出すボタン１８１３が押下され、表示するモデルが選択されると、モデル詳細情報表示部２２５は、因果関係モデル表示部１８１１に選択したモデルを表示する。並行して、モデル詳細情報表示部２２５は、詳細情報表示部１８１２に選択したモデルの詳細情報を表示する。 FIG. 18 is an example of a detailed display screen of the causal relationship model displayed by the model detailed information display unit 225. The detailed display screen 1800 of the causal relationship model is mainly composed of the causal relationship model display unit 1811 and the detailed information display unit 1812. When the button 1813 for calling a model from the user is pressed and the model to be displayed is selected, the model detailed information display unit 225 displays the selected model on the causal relationship model display unit 1811. At the same time, the model detailed information display unit 225 displays the detailed information of the selected model on the detailed information display unit 1812.

次にシステムの活用事例とその効果について説明する。 Next, we will explain the use cases of the system and its effects.

図１９に本システムのデータ格納について一例を示す。まず、本システムのモデル構築部２３１は、工場や製造現場などのエッジ１９０１の層において、４Mデータ、KPIデータを抽出する。また、モデル構築部２３１は、抽出した４Mデータ、KPIデータから付帯情報を追加した因果関係モデルを部分モデルとして構築し、データマート１９０２の層へ格納する。モデル統合部２３２は、モデル構築部２３１が構築した部分モデルをクラウド１９０３の層に統合モデルへ追加して、統合モデルを更新する。モデル再構築部２３３は、クラウド１９０３の層にある統合モデルを工場B向けに再構築し、データマート１９０４に格納する。モデル再構築部２３３は、格納した再構築モデルをエッジ１９０５の層にある工場Bに適用する。図１９に記載の格納する層は一例であり、このような格納方法に限定されるものではない。 FIG. 19 shows an example of data storage of this system. First, the model construction unit 231 of this system extracts 4M data and KPI data in the layer of edge 1901 such as a factory or a manufacturing site. Further, the model construction unit 231 constructs a causal relationship model in which incidental information is added from the extracted 4M data and KPI data as a partial model, and stores it in the layer of the data mart 1902. The model integration unit 232 updates the integration model by adding the partial model constructed by the model construction unit 231 to the layer of the cloud 1903 to the integration model. The model reconstruction unit 233 reconstructs the integrated model in the layer of the cloud 1903 for the factory B and stores it in the data mart 1904. The model reconstruction unit 233 applies the stored reconstruction model to the factory B in the layer of edge 1905. The storage layer shown in FIG. 19 is an example, and is not limited to such a storage method.

図２０に本システム活用方法の一例を示す。図２０では、図１９に示したエッジ１９０１の層に設けられた複数ある既存工場２００１の各工場で出力された４Mデータ、KPIデータを含む製造実績から、図１９に示したデータマート１９０２の層に設けられたデータセンタで部分モデル２００２が構築される。各工場に対応して設けられたデータセンタで構築された部分モデル２００２は、図１９に示したクラウド１９０３の層に設けられたクラウドシステムにおいて統合モデル２００３に統合され、共通の技術情報として共有、活用することが可能である。付帯情報を用いることにより、上記データマート１９０２の層に設けられた新工場２００５に対応するデータセンタで統合モデル２００３から新工場２００５に対して適用可能な再構築モデル２００４を構築することができる。さらに、新工場２００５で出力された４Mデータ、KPIデータを含む製造実績から、上記データマート１９０２の層に設けられた新工場に対応するデータセンタで部分モデル２００２が構築され、既存工場２００１の場合と同様に、上記クラウド１９０３の層に設けられたクラウドシステムにおいて統合モデル２００３に統合され、新たな共通の技術情報として共有、活用される。そして、複数の既存工場２００１の各工場または／および新工場２００５に対応する部分モデル２００２が上記のように統合モデル２００３に繰り返し統合され、システム自体が統合モデル２００３を学習してゆく。このような活用方法により、工場内だけでなく、新工場で蓄積した技術知識を共有することで、新工場の立ち上げ期間短縮や、生産性の向上、コスト低減などのKPI改善に貢献することができる。また、新規の工場における製造実績から新たに部分モデル２００２を構築し、統合モデル２００３に統合することにより、技術知識を蓄積していく。 FIG. 20 shows an example of how to utilize this system. In FIG. 20, the layer of the data mart 1902 shown in FIG. 19 is shown from the manufacturing results including the 4M data and the KPI data output at each of the plurality of existing factories 2001 provided in the layer of the edge 1901 shown in FIG. The partial model 2002 is constructed in the data center provided in. The partial model 2002 constructed in the data center provided for each factory is integrated into the integrated model 2003 in the cloud system provided in the cloud 1903 layer shown in FIG. 19, and is shared as common technical information. It is possible to utilize it. By using the incidental information, it is possible to construct a reconstruction model 2004 applicable to the new factory 2005 from the integrated model 2003 in the data center corresponding to the new factory 2005 provided in the layer of the data mart 1902. Furthermore, from the manufacturing results including 4M data and KPI data output at the new factory 2005, a partial model 2002 was constructed at the data center corresponding to the new factory provided in the layer of the data mart 1902, and in the case of the existing factory 2001. Similarly, in the cloud system provided in the layer of the cloud 1903, it is integrated into the integrated model 2003, and is shared and utilized as new common technical information. Then, the partial model 2002 corresponding to each factory of the plurality of existing factories 2001 and / and the new factory 2005 is repeatedly integrated into the integrated model 2003 as described above, and the system itself learns the integrated model 2003. By sharing the technical knowledge accumulated not only in the factory but also in the new factory by such utilization method, we can contribute to KPI improvement such as shortening the start-up period of the new factory, improving productivity and cost reduction. Can be done. In addition, technical knowledge will be accumulated by constructing a new partial model 2002 from the manufacturing results in the new factory and integrating it into the integrated model 2003.

図２０においては、新工場２００５に再構築モデル２００４を適用しているが、新工場２００５に限定するものではなく、再構築モデル２００４は既存工場２００１のいずれか複数の既存工場２００１に対して構築、適用しても良い。また、図２０に示す３つの既存工場２００１のそれぞれに対応する部分モデル２００２は、例えば、図１９に示したデータマート１９０２の層を構成する１つのデータセンタで構築されても良いし、各工場に対応するそれぞれのデータセンタで構築されても良い。さらには、新工場２００５に対応する部分モデル２００２や再構築モデル２００４を含めて上記１つのデータセンタで構築されても良いし、新工場に対応するデータセンタで構築されても良い。 In FIG. 20, the reconstruction model 2004 is applied to the new factory 2005, but the reconstruction model 2004 is not limited to the new factory 2005, and the reconstruction model 2004 is constructed for any one or more of the existing factories 2001. , May be applied. Further, the partial model 2002 corresponding to each of the three existing factories 2001 shown in FIG. 20 may be constructed in one data center constituting the layer of the data mart 1902 shown in FIG. 19, for example, or each factory. It may be built in each data center corresponding to. Further, it may be constructed in the above-mentioned one data center including the partial model 2002 and the reconstruction model 2004 corresponding to the new factory 2005, or may be constructed in the data center corresponding to the new factory.

図２１Ａ、２１Ｂは、本実施例における付帯情報を追加して、統合モデルを保持することによる効果の一例である。図２１Ａの（a）において、加工装置：機種Aa２１０１の製造実績から部分モデル構築２１０２の処理を実行し、付帯情報の無い因果関係モデルを加工装置の部分モデル２１０３として構築する。この部分モデル２１０３を実際に加工装置に適用することを考える。付帯情報が無い場合、加工装置:機種Aa２１０４には機種とモデルが一致した状態で適用できるが、加工装置：機種Bb２１０５に適用しようとすると、機種とモデルが不一致であり、センサ情報などが異なると、モデルを適用することが出来ない。 21A and 21B are examples of the effect of holding the integrated model by adding the incidental information in this embodiment. In (a) of FIG. 21A, the processing of the partial model construction 2102 is executed from the manufacturing results of the processing apparatus: model Aa2101, and the causal relationship model without incidental information is constructed as the partial model 2103 of the processing apparatus. Consider actually applying this partial model 2103 to a processing apparatus. If there is no incidental information, it can be applied to the processing device: model Aa2104 in a state where the model and model match, but when trying to apply to the processing device: model Bb2105, the model and model do not match, and the sensor information etc. are different. , The model cannot be applied.

一方、図２１Ｂの（b）では、加工装置：機種Aa２１０１、加工装置：機種Bb２１０５から部分モデルを構築するが、いずれも付帯情報のある因果関係モデルを構築する。これらのモデルをモデル統合処理２１０７により、統合モデル２１０８として保持する。統合モデル２１０８からモデル再構築処理２１０９により加工装置：機種Aaの再構築モデル２１１０を再構築して、加工装置：機種Aa２１０１に適用し、加工装置：機種Bbの再構築モデル２１１１を再構築して、加工装置：機種Bb２１０５に適用することで、いずれの装置においても機種とモデルが一致して、モデルを適用することが可能となる。 On the other hand, in FIG. 21B (b), a partial model is constructed from the processing device: model Aa2101 and the processing device: model Bb2105, both of which construct a causal relationship model with incidental information. These models are retained as the integrated model 2108 by the model integration process 2107. Reconstruction of machining equipment: model Aa by model reconstruction process 2109 from integrated model 2108 Reconstruction of model 2110, applied to machining equipment: model Aa2101, and reconstruction of machining equipment: model Bb. , Processing device: By applying to the model Bb2105, the model and the model can be matched and the model can be applied to any device.

次に、ユーザに対してKPI改善する推奨制御を提供する事例について図２２から図２７を用いて説明する。図２２は、図２における技術情報共有システムに対して、システムのユーザがその目的に応じて必要なモデルを組み替えて利用する事例において、システムから推奨された制御を実行する時に発生する費用を計算する機能を追加した例である。表示部２２０に対して、ユーザの目的に応じてモデル組み替え操作を行うモデル組替表示部２２０１、推奨制御に対する課金情報を表示する課金情報表示部２２０２を追加し、制御部２３０に対して推奨制御に対する課金額を計算する課金計算部２２０３を追加し、記憶部２４０に対して課金データ記憶部２２０４を追加したシステムである。 Next, an example of providing recommended control for improving KPI to the user will be described with reference to FIGS. 22 to 27. FIG. 22 calculates the cost incurred when executing the control recommended by the system in the case where the user of the system rearranges and uses the necessary model according to the purpose of the technical information sharing system in FIG. This is an example of adding a function to do. A model rearrangement display unit 2201 that performs a model rearrangement operation according to the user's purpose and a billing information display unit 2202 that displays billing information for recommended control are added to the display unit 220, and recommended control is performed for the control unit 230. This is a system in which a charge calculation unit 2203 for calculating a charge amount for a device is added, and a charge data storage unit 2204 is added to a storage unit 240.

モデル組替表示部２２０１について、図２３を用いて説明する。図２３は、モデル組替表示部２２０１が表示するモデル組替画面の例である。モデル組替画面２３００は、再構築モデル表示部２３０１、組替後モデル表示部２３０２、付帯情報、４M設定表示部２３０３から主に構成される。ユーザからモデルを呼び出すボタン２３０５が押下され、再構築モデルが選択されると、モデル組替表示部２２０１は、再構築モデル表示部２３０１に再構築モデルを表示する。付帯情報、４M設定表示部２３０３において、付帯情報と、４Mの中で必要なデータが入力され、チェックボックスにチェックを入れて設定するボタン２３０４が押下されると、モデル再構築部２２３は、設定したデータだけを用いた組替後のモデルを構築し、モデル組替表示部２２０１が組み替え後のモデルを組替後モデル表示部２３０２に表示する。組替後モデル表示部２３０２にモデルが表示された状態でモデルを保存するボタン２３０６が押下されると、モデル再構築部２２３は、組替後モデル表示部２３０２に表示されたモデルを再構築モデルとして再構築モデル記憶部２４７に記憶する。 The model rearrangement display unit 2201 will be described with reference to FIG. 23. FIG. 23 is an example of the model rearrangement screen displayed by the model rearrangement display unit 2201. The model rearrangement screen 2300 is mainly composed of a reconstructed model display unit 2301, a rearranged model display unit 2302, incidental information, and a 4M setting display unit 2303. When the button 2305 for calling the model from the user is pressed and the reconstructed model is selected, the model rearrangement display unit 2201 displays the reconstructed model on the reconstructed model display unit 2301. Ancillary information and 4M setting display unit 2303, incidental information and necessary data in 4M are input, and when the button 2304 to be set by checking the check box is pressed, the model reconstruction unit 223 sets. A rearranged model is constructed using only the obtained data, and the rearranged model display unit 2201 displays the rearranged model on the rearranged model display unit 2302. When the button 2306 for saving the model is pressed while the model is displayed on the rearranged model display unit 2302, the model reconstruction unit 223 reconstructs the model displayed on the rearranged model display unit 2302. Is stored in the reconstruction model storage unit 247.

課金計算部２２０３について、図２４から図２６を用いて説明する。図２４は、課金計算フローの例である。再構築モデル１２０４、推奨制御データ１４０３、課金データ２４０１を入力とする。課金計算部２２０３は、まず、効果の推定処理２４０２で、再構築モデル１２０３、推奨制御データ１４０３から、図１４の推奨制御推定において活用した図１５の確率配列を用いて、推奨制御設定時のKPIへの効果を推定する。課金計算部２２０３は、課金額の計算処理２４０３において、推定された効果と課金データ２４０１を用いて本システムのユーザへの課金額２４０４を計算し、出力する。 The charge calculation unit 2203 will be described with reference to FIGS. 24 to 26. FIG. 24 is an example of a billing calculation flow. Reconstruction model 1204, recommended control data 1403, and billing data 2401 are input. First, in the effect estimation process 2402, the charge calculation unit 2203 uses the probability array of FIG. 15 used in the recommended control estimation of FIG. 14 from the reconstruction model 1203 and the recommended control data 1403 to set the KPI at the time of recommended control setting. Estimate the effect on. The billing calculation unit 2203 calculates and outputs the billing amount 2404 to the user of this system using the estimated effect and the billing data 2401 in the billing amount calculation process 2403.

図２５は、課金データ記憶部２００４に記憶される課金データの定義例である。１列目から順に項目、効果、課金額を定義したデータを保持している。図２５では、本システムにより効果が0.1向上すると、その効果に応じて、1.0M円ユーザに課金されることがわかる。課金データはユーザによってあらかじめ設定される。 FIG. 25 is a definition example of the billing data stored in the billing data storage unit 2004. It holds data that defines items, effects, and billing amounts in order from the first column. In FIG. 25, it can be seen that if the effect is improved by 0.1 by this system, the 1.0 M yen user will be charged according to the effect. Billing data is preset by the user.

図２６は、推奨制御表示部２２４が表示する推奨制御表示画面に課金計算２６０１が追加された画面の例である。まず、図１７における操作と同様に推奨作業テーブル１７１８が表示された後、設定するボタン１７１９が押下され、課金を計算するボタン２６０１が押下されると、課金計算部２２０３は、図２４に示された課金額の計算フローに沿って、課金の計算を開始する。 FIG. 26 is an example of a screen in which the charge calculation 2601 is added to the recommended control display screen displayed by the recommended control display unit 224. First, after the recommended work table 1718 is displayed as in the operation in FIG. 17, when the setting button 1719 is pressed and the charge calculation button 2601 is pressed, the charge calculation unit 2203 is shown in FIG. 24. The billing calculation is started according to the billing amount calculation flow.

図２７は、課金情報表示部２２０２が表示する課金情報表示画面の例である。課金情報表示画面２７００は、提供元・提供先表示部２７０１と、付帯情報、４Mデータの確認表示部２７０２と、効果推定表示部２７０３と、サマリ表示部２７０４から主に構成される。課金情報表示部２２０２は、提供元・提供先表示部２７０１に表示される参照するボタン２７０５が押下されて選択することで、提供元・提供先を設定できる。提供元・提供先は、課金情報表示部２２０２が、あらかじめ記憶部２４０や本システムに接続された外部のシステムやコンピュータに記憶されている組織情報を読み出すなどして設定すればよい。また、課金情報表示部２２０２は、付帯情報、４Mデータの確認表示部２７０２に、図２３で付帯情報、４M設定表示部２３０３から設定されたデータを表示する。図２３で設定されていない場合は、再構築モデルに含まれている付帯情報、４Mデータが表示される。また、課金情報表示部２２０２は、効果推定表示部２７０３に、図２４の処理で計算された推定効果を表示する。また、課金情報表示部２２０２は、サマリ表示部２７０４に、設定された提供元・提供先と、推奨作業データの参照ボタン２７０６と課金額を表示する。参照ボタン２７０６が押下されると、推奨制御表示部２２４が図２６の推奨制御表示画面を表示する。図２７では、推定された効果にしたがって、A会社からB会社に対して3M円が課金されることがわかる。 FIG. 27 is an example of a billing information display screen displayed by the billing information display unit 2202. The billing information display screen 2700 is mainly composed of a provider / provider display unit 2701, ancillary information / 4M data confirmation display unit 2702, an effect estimation display unit 2703, and a summary display unit 2704. The billing information display unit 2202 can set the provider / provider by pressing and selecting the reference button 2705 displayed on the provider / destination display unit 2701. The provider / provider may be set by the billing information display unit 2202 by reading out the organization information stored in the storage unit 240 or an external system or computer connected to the system in advance. Further, the billing information display unit 2202 displays the incidental information and the data set from the 4M setting display unit 2303 on the confirmation display unit 2702 of the incidental information and the 4M data in FIG. 23. If it is not set in FIG. 23, the incidental information and 4M data included in the reconstruction model are displayed. Further, the billing information display unit 2202 displays the estimated effect calculated by the process of FIG. 24 on the effect estimation display unit 2703. Further, the billing information display unit 2202 displays the set provider / provider, the recommended work data reference button 2706, and the billing amount on the summary display unit 2704. When the reference button 2706 is pressed, the recommended control display unit 224 displays the recommended control display screen of FIG. 26. In FIG. 27, it can be seen that Company A charges Company B 3M yen according to the estimated effect.

このように、本実施例によれば、Man、Machine、Material、Methodデータからなる４Ｍデータと、KPIデータを用いて因果関係モデルを構築し、更に、構築した因果関係モデルに対して、装置や工場のデータを付帯情報として、因果関係モデルに追加して、新規のモデルを構築し、構築したモデルを統合して、共通の統合モデルとして保持し、統合モデルに蓄積した技術情報を活用する場合に追加した付帯情報を用いて統合モデルから工場の設備に応じたモデルを再構築して適用する。したがって、付帯情報を考慮した因果関係に基づいて構築したモデルを統合した共通のモデルの構築が可能となる。したがって、既存装置で培った技術情報を共通の知識として、共有・展開することにより、生産性の向上に貢献する。また、新規の工程、工場にも技術知識を展開することにより、立ち上げ期間を短縮することが可能となる。 As described above, according to this embodiment, a causal relationship model is constructed using 4M data consisting of Man, Machine, Material, and Method data, and KPI data, and further, an apparatus or a device is used for the constructed causal relationship model. When adding factory data as incidental information to the causal relationship model, constructing a new model, integrating the constructed model, holding it as a common integrated model, and utilizing the technical information accumulated in the integrated model. Using the incidental information added to, reconstruct and apply the model according to the equipment of the factory from the integrated model. Therefore, it is possible to construct a common model that integrates the models constructed based on the causal relationship in consideration of incidental information. Therefore, by sharing and deploying the technical information cultivated in the existing equipment as common knowledge, it contributes to the improvement of productivity. In addition, by applying technical knowledge to new processes and factories, it is possible to shorten the start-up period.

従来から、熟練技術やノウハウに依存しないプロセス・検査計測の構築が求められていたが、本システムにより、高品質な製品を提供するレシピベースモノづくりの取組みを加速させることが可能となる。また、例えば、従来の因果関係モデルでは装置の機種(type)が異なるとモデルの構造が変わってしまい、差異ごとに個別のモデルを保持した場合、共通の構造が重複して保持すべきデータ量が膨大になってしまうところ、本システムによれば、個別にモデルを保持することなく、装置や工程ごとの技術情報を共有することが可能となる。 Conventionally, it has been required to construct processes and inspection measurements that do not depend on skilled technology and know-how, but this system makes it possible to accelerate efforts for recipe-based manufacturing that provides high-quality products. In addition, for example, in the conventional causal relationship model, the structure of the model changes when the model (type) of the device is different, and when an individual model is held for each difference, the amount of data that the common structure should be held in duplicate. However, according to this system, it is possible to share technical information for each device and process without holding a model individually.

以上、実施の形態に基づき具体的に説明したが、取り扱うデータは、装置に関する情報に限られず、例えば、作業時間等の人由来の情報や、製品を構成する素材情報等の情報も含まれる。また、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。 Although the data specifically described above is based on the embodiment, the data to be handled is not limited to the information related to the device, but also includes information derived from a person such as working hours and information such as material information constituting the product. Further, the present invention is not limited to the above-described embodiment, and various modifications can be made without departing from the gist thereof.

２００・・・技術情報共有システム
２１０・・・入出力部
２２０・・・表示部
２２１・・・因果関係モデル表示部
２２２・・・統合モデル表示部
２２３・・・再構築モデル表示部
２２４・・・推奨制御表示部
２２５・・・モデル詳細情報表示部
２３０・・・制御部
２３１・・・モデル構築部
２３２・・・モデル統合部
２３３・・・モデル再構築部
２３４・・・推奨制御計算部
２４０・・・記憶部
２４１・・・KPIデータ記憶部
２４２・・・４Mデータ記憶部
２４３・・・付帯情報記憶部
２４４・・・推奨制御データ記憶部
２４５・・・部分モデル記憶部
２４６・・・統合モデル記憶部
２４７・・・再構築モデル記憶部 200 ... Technical information sharing system 210 ... Input / output unit 220 ... Display unit 221 ... Causal relationship model display unit 222 ... Integrated model display unit 223 ... Reconstruction model display unit 224 ... -Recommended control display unit 225 ... Model detailed information display unit 230 ... Control unit 231 ... Model construction unit 232 ... Model integration unit 233 ... Model reconstruction unit 234 ... Recommended control calculation unit 240 ... Storage unit 241 ... KPI data storage unit 242 ... 4M data storage unit 243 ... Ancillary information storage unit 244 ... Recommended control data storage unit 245 ... Partial model storage unit 246 ... -Integrated model storage unit 247 ... Reconstruction model storage unit

Claims (8)

コンピュータにより構成される技術情報共有システムであって、
前記コンピュータは、
製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルのノードに対して、前記品質指標データおよび前記業績評価指標データを出力する生産リソースの属性、前記生産リソースを用いた製造手順、前記生産リソースが設置されている場所または位置を含む付帯情報を追加したノードを定義することにより部分モデルを構築するモデル構築部と、
記憶部に記憶されている、前記因果関係モデルのノードに対して前記付帯情報を追加したノードが定義された統合モデルのノードと、前記部分モデルに追加された前記付帯情報のノードとに基づいて、前記統合モデルに対して前記部分モデルを統合した新たな統合モデルを構築するモデル統合部と、
入力された付帯情報のノードに接続されたエッジを前記新たな統合モデルから抽出し、抽出した前記エッジと前記ノードとを有した付帯情報を含むモデルを再構築モデルとして構築するモデル再構築部と、
を備えることを特徴とする技術情報共有システム。 It is a technical information sharing system composed of computers.
The computer
The quality index data and the performance evaluation index data are output to the node of the causal relationship model constructed based on the quality index data indicating the index for managing the manufacturing quality and the performance evaluation index data indicating the manufacturing performance index. A model building unit that builds a partial model by defining a node to which additional information including the attributes of the production resource, the manufacturing procedure using the production resource, and the location or position where the production resource is installed is added.
Based on the integrated model node in which the node to which the incidental information is added to the node of the causal relation model, which is stored in the storage unit, and the node of the incidental information added to the partial model. , A model integration unit that builds a new integration model that integrates the partial model with the integration model,
With a model reconstruction unit that extracts the edge connected to the node of the input incidental information from the new integrated model and constructs a model including the extracted incidental information having the edge and the node as a reconstruction model. ,
A technical information sharing system characterized by being equipped with. 前記再構築モデルにおいて、前記業績評価指標データに対応する前記品質指標データのうち、前記業績評価指標データが所定の値以上となる条件を満たすノードの確率配列の期待値のうち最も高い期待値となる前記品質指標データを選択し、推奨制御データとして出力する推奨制御計算部、
を備えることを特徴とする請求項１に記載の技術情報共有システム。 In the reconstruction model , among the quality index data corresponding to the performance evaluation index data, the highest expectation of the probability array of the nodes satisfying the condition that the performance evaluation index data is equal to or higher than a predetermined value. Recommended control calculation unit that selects the quality index data as a value and outputs it as recommended control data.
The technical information sharing system according to claim 1, wherein the system is provided with. 前記モデル構築部は、前記部分モデルを構成するノードの前記付帯情報についての確率配列を、前記付帯情報とは異なる属性の前記付帯情報についての確率配列を含めずに定義する、
ことを特徴とする請求項２に記載の技術情報共有システム。 The model building unit defines a probability array for the incidental information of the nodes constituting the partial model without including a probability array for the incidental information having an attribute different from the incidental information .
The technical information sharing system according to claim 2. 前記推奨制御データを出力したときの前記確率配列における業績評価指標と、前記業績評価指標の効果に応じて定められた課金額が定義された課金データとに基づいて、前記効果による課金額を計算する課金計算部、
を備えることを特徴とする請求項２に記載の技術情報共有システム。 The billing amount due to the effect is calculated based on the performance evaluation index in the probability array when the recommended control data is output and the billing data in which the billing amount determined according to the effect of the performance evaluation index is defined. Billing calculation unit,
2. The technical information sharing system according to claim 2. コンピュータにより構成され、データマート層とクラウド層とを有して構成される技術情報共有システムであって、
前記データマート層は、
生産リソースから出力された製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて構築した因果関係モデルのノードに対して、前記品質指標データおよび前記業績評価指標データを出力する生産リソースの属性、前記生産リソースを用いた製造手順、前記生産リソースが設置されている場所または位置を含む付帯情報を追加したノードを定義することにより部分モデルを構築するモデル構築部と、入力された付帯情報のノードに接続されたエッジを新たな統合モデルから抽出し、抽出した前記エッジと前記ノードとを有した付帯情報を含むモデルを再構築モデルとして構築するモデル再構築部と、を有し、
前記クラウド層は、
記憶部に記憶されている、前記因果関係モデルのノードに対して前記付帯情報を追加したノードが定義された統合モデルのノードと、前記部分モデルに追加された前記付帯情報のノードとに基づいて、前記統合モデルに対して前記部分モデルを統合した前記新たな統合モデルを構築するモデル統合部を有する、
ことを特徴とする技術情報共有システム。 It is a technical information sharing system that is composed of computers and has a data mart layer and a cloud layer.
The data mart layer is
For the node of the causal relationship model constructed based on the quality index data indicating the index for managing the manufacturing quality output from the production resource and the performance evaluation index data indicating the index of the manufacturing performance, the quality index data and the performance. A model that builds a partial model by defining the attributes of the production resource that outputs the evaluation index data, the manufacturing procedure using the production resource, and the node to which the incidental information including the location or position where the production resource is installed is added. A model remodeling that extracts the edge connected to the node of the input incidental information and the construction unit from the new integrated model, and constructs a model including the extracted incidental information having the edge and the node as a reconstruction model. Has a construction department,
The cloud layer is
Based on the integrated model node in which the node to which the incidental information is added to the node of the causal relation model, which is stored in the storage unit, and the node of the incidental information added to the partial model. It has a model integration unit for constructing the new integrated model in which the partial model is integrated with the integrated model.
A technical information sharing system characterized by this. 前記生産リソースを有したエッジ層を備え、
前記データマート層の前記モデル構築部は、前記エッジ層から出力された前記品質指標データと前記業績評価指標データとに基づいて構築した因果関係モデルに対して、前記部分モデルを構築する、
ことを特徴とする請求項５に記載の技術情報共有システム。 With an edge layer having the production resources
The model building unit of the data mart layer builds the partial model for the causal relationship model constructed based on the quality index data output from the edge layer and the performance evaluation index data.
The technical information sharing system according to claim 5. 前記エッジ層は、
前記生産リソースとして既存工場および新工場から構成され、前記既存工場および前記新工場のそれぞれは、前記品質指標データと前記業績評価指標データとを出力し、
前記データマート層は、前記既存工場および前記新工場のそれぞれに対応して設けられ、
前記既存工場に対応する前記データマート層は、前記既存工場の前記モデル構築部が、前記既存工場から出力された前記品質指標データと前記業績評価指標データとに基づいて構築した因果関係モデルに対して、前記因果関係モデルの構造を変える前記既存工場を識別するための付帯情報を追加した既存工場部分モデルを構築し、
前記新工場に対応する前記データマート層は、前記新工場の前記モデル構築部が、前記新工場から出力された前記品質指標データと前記業績評価指標データとに基づいて構築した因果関係モデルに対して、前記因果関係モデルの構造を変える前記新工場を識別するための付帯情報を追加した新工場部分モデルを構築し、前記新工場の前記モデル再構築部が、入力された付帯情報を含むモデルを前記統合モデルから抽出し、抽出した前記モデルを再構築モデルとして構築し、
前記クラウド層は、
前記モデル統合部が、前記既存工場部分モデルに追加された前記付帯情報または／および前記新工場部分モデルに追加された前記付帯情報に基づいて、前記統合モデルを構築する、
ことを特徴とする請求項６に記載の技術情報共有システム。 The edge layer is
The production resource is composed of an existing factory and a new factory, and each of the existing factory and the new factory outputs the quality index data and the performance evaluation index data.
The data mart layer is provided corresponding to each of the existing factory and the new factory.
The data mart layer corresponding to the existing factory is a causal relationship model constructed by the model building unit of the existing factory based on the quality index data output from the existing factory and the performance evaluation index data. Then, an existing factory partial model with additional information for identifying the existing factory that changes the structure of the causal relationship model was constructed.
The data mart layer corresponding to the new factory is a causal relationship model constructed by the model building unit of the new factory based on the quality index data output from the new factory and the performance evaluation index data. Therefore, a new factory partial model to which additional information for identifying the new factory that changes the structure of the causal relationship model is constructed, and the model reconstruction unit of the new factory includes the input incidental information. Is extracted from the integrated model, and the extracted model is constructed as a reconstruction model.
The cloud layer is
The model integration unit builds the integration model based on the incidental information added to the existing factory partial model and / and the incidental information added to the new factory partial model.
The technical information sharing system according to claim 6. コンピュータにより行われる技術情報共有方法であって、
前記コンピュータは、
製造品質を管理する指標を示す品質指標データと製造業績の指標を示す業績評価指標データとに基づいて因果関係モデルを構築し、
構築された前記因果関係モデルのノードに対して、前記品質指標データおよび前記業績評価指標データを出力する生産リソースの属性、前記生産リソースを用いた製造手順、前記生産リソースが設置されている場所または位置を含む付帯情報を追加したノードを定義することにより部分モデルを構築し、
記憶部に記憶されている、前記因果関係モデルのノードに対して前記付帯情報を追加したノードが定義された統合モデルのノードと、前記部分モデルに追加された前記付帯情報のノードとに基づいて、前記統合モデルに対して前記部分モデルを統合した新たな統合モデルを構築し、
入力された付帯情報のノードに接続されたエッジを前記新たな統合モデルから抽出し、
抽出した前記エッジと前記ノードとを有した付帯情報を含むモデルを再構築モデルとして構築する、
ことを特徴とする技術情報共有方法。 It is a method of sharing technical information performed by a computer.
The computer
A causal relationship model is constructed based on quality index data that shows indicators for controlling manufacturing quality and performance evaluation index data that shows indicators of manufacturing performance.
For the constructed node of the causal relationship model, the attribute of the production resource that outputs the quality index data and the performance evaluation index data, the manufacturing procedure using the production resource, the place where the production resource is installed, or Build a partial model by defining a node with additional information including location,
Based on the integrated model node in which the node to which the incidental information is added to the node of the causal relation model, which is stored in the storage unit, and the node of the incidental information added to the partial model. , Build a new integrated model that integrates the partial model with the integrated model,
The edge connected to the node of the input incidental information is extracted from the new integrated model, and
A model including ancillary information having the extracted edge and the node is constructed as a reconstruction model.
A technical information sharing method characterized by this.

Images