JP7369541B2 - 同じタイプの一連の構成部品における少なくとも1つの重要な特徴を取得する方法及びそのような一連の構成部品を分類する方法 - Google Patents
同じタイプの一連の構成部品における少なくとも1つの重要な特徴を取得する方法及びそのような一連の構成部品を分類する方法 Download PDFInfo
- Publication number
- JP7369541B2 JP7369541B2 JP2019082824A JP2019082824A JP7369541B2 JP 7369541 B2 JP7369541 B2 JP 7369541B2 JP 2019082824 A JP2019082824 A JP 2019082824A JP 2019082824 A JP2019082824 A JP 2019082824A JP 7369541 B2 JP7369541 B2 JP 7369541B2
- Authority
- JP
- Japan
- Prior art keywords
- component
- feature
- components
- correlation
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 113
- 238000004519 manufacturing process Methods 0.000 claims description 28
- 230000002950 deficient Effects 0.000 claims description 15
- 238000002591 computed tomography Methods 0.000 claims description 14
- 238000009659 non-destructive testing Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/146—Quality control systems during manufacturing process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- General Factory Administration (AREA)
- Image Analysis (AREA)
Description
・製造の順序が既知である複数の構成部品における条件付けられた無作為標本を、前記非破壊検査法で検査することによって各構成部品毎にそれぞれの場合における3Dデータセットを得るステップと、
・無作為標本における複数の構成部品を良品と不良品とに分けるステップと、
・無作為標本における構成部品の全てから、欠陥のない構成部品領域を抽出するステップと、
・抽出された欠陥のない構成部品領域からの少なくとも1つの特徴であって、該少なくとも1つの特徴が、構成部品のタイプ及び該構成部品の製造プロセスに特有であると共に、複数の構成部品の製造における時間経過にわたっての、その特性において良品と不良品との間に有意な差を示す少なくとも1つの特徴を、ニューラルネットワーク、マルチインスタンス学習等の機械学習アプローチ、データ分析の分野に基づく統計的方法、又は、遺伝的プログラミング若しくは従来の統計的方法による予め定められた集合の特徴に基づく統計的方法を用いて決定するステップと、
・少なくとも1つの特徴及びその特性を訓練された分類子として規定するステップと
を有する、方法によって達成される。
i)請求項1~5のいずれか1項を参照して得られた訓練された分類子を使用して、不良品の特徴の特性の方へと発達する傾向が検出されるかどうかの傾向分析を、ニューラルネットワーク、マルチインスタンス学習等の機械学習アプローチ、データ分析の分野に基づく統計的方法、又は、遺伝的プログラミング若しくは従来の統計的方法による予め定められた集合の特徴に基づく統計的方法を用いて実行する、ステップと、
ii)そのような傾向が検出されなかった場合には、構成部品の製造プロセスに是正が不要であることを伝達し、そのような傾向が検出された場合には、かつ/若しくは、訓練された分類子を取得する際にプロセスパラメータが使用された場合、該プロセスパラメータを製造機械とのインタフェースを介して修正することによって、構成部品の製造プロセスにおける自動是正措置を実行するステップと
を有する、方法によって達成される。
Claims (8)
- 同じタイプの一連の構成部品における少なくとも1つの重要な特徴を、非破壊検査法によって取得されたデータセットに基づいて取得するための方法であって、
前記非破壊検査法は、コンピュータ断層撮影法の形態で実施され、
前記方法が、
a)製造の順序が既知である複数の構成部品における条件付けられた無作為標本を、前記非破壊検査法で調査することによって各構成部品毎にそれぞれの場合における3Dデータセットを得るステップと、
b)前記無作為標本における前記複数の構成部品を良品と不良品とに分けるステップと、
c)前記無作為標本における前記構成部品の全てから、欠陥のない構成部品領域を抽出するステップと、
d)抽出された前記欠陥のない構成部品領域からの少なくとも1つの特徴であって、該少なくとも1つの特徴が、構成部品のタイプ及び該構成部品の製造プロセスに特有であると共に、前記複数の構成部品の製造における時間経過にわたっての、その特性において良品と不良品との間に有意な差を示す、少なくとも1つの特徴を、ニューラルネットワーク又はマルチインスタンス学習等の機械学習アプローチを用いて決定するステップと、
e)前記少なくとも1つの特徴及びその特性を訓練された分類子として規定するステップと
を有する、方法。 - ステップeに加えて、少なくとも1つのプロセスパラメータが前記構成部品の製造に組み込まれており、該プロセスパラメータと前記少なくとも1つの特徴及びその特性との間に相関があるかどうかが決定され、相関がある場合には、前記少なくとも1つの特徴及びその特性が訓練された分類子として規定され、相関がない場合には、相関があるまで別のプロセスパラメータについて前述の相関の決定が行われ、その後に前記少なくとも1つの特徴が訓練された分類子として規定され、前記プロセスパラメータのいずれについても相関が見出されない場合には、請求項1の各ステップが別の特徴に対して実行され、その後に前述の本請求項におけるステップが該別の特徴について繰り返される、請求項1に記載の方法。
- 複数の特徴が請求項1のステップdに従って決定され、少なくとも2つの特徴の組み合わせによって、少なくとも1つのプロセスパラメータとの相関が生成される、請求項1又は2に記載の方法。
- プロセスパラメータとして、前記製造プロセスの圧力、温度、応力若しくはフロー、周囲温度又は空気湿度が使用される、請求項2又は3に記載の方法。
- 前記方法が、予め定められ得る前記構成部品の空間領域に対してのみ実行される、請求項1~4のいずれか1項に記載の方法。
- 同じタイプの一連の構成部品における1つの構成部品を、非破壊検査法によって取得されたデータセットに基づいて分類するための方法であって、
前記方法が、
i)請求項1~5のいずれか1項を参照して得られた前記訓練された分類子を使用して、不良品の特徴の特性の方へと発達する傾向が検出されるかどうかの傾向分析を、ニューラルネットワーク、マルチインスタンス学習等の機械学習アプローチ、データ分析の分野に基づく統計的方法、又は、遺伝的プログラミング若しくは従来の統計的方法による予め定められた集合の特徴に基づく統計的方法を用いて実行する、ステップと、
ii)そのような傾向が検出されなかった場合には、前記構成部品の製造プロセスに是正が不要であることを伝達し、そのような傾向が検出された場合には、警告を伝達し、かつ/若しくは、前記訓練された分類子を取得する際にプロセスパラメータが使用された場合、該プロセスパラメータを製造機械とのインタフェースを介して修正することによって、前記構成部品の製造プロセスにおける自動是正措置を実行するステップと
を有する、方法。 - 調査された前記構成部品において少なくとも1つの欠陥のない構成部品領域が抽出され、前述の分類するための方法が該欠陥のない構成部品領域においてのみ実行される、請求項6に記載の方法。
- 前記コンピュータ断層撮影法が、X線断層撮影法である、請求項1~7のいずれか1項に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018109816.2A DE102018109816B3 (de) | 2018-04-24 | 2018-04-24 | Verfahren zur Gewinnung mindestens eines signifikanten Merkmals in einer Serie von Bauteilen gleichen Typs und Verfahren zur Klassifikation eines Bauteils eienr solchen Serie |
DE102018109816.2 | 2018-04-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020004391A JP2020004391A (ja) | 2020-01-09 |
JP7369541B2 true JP7369541B2 (ja) | 2023-10-26 |
Family
ID=68105458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019082824A Active JP7369541B2 (ja) | 2018-04-24 | 2019-04-24 | 同じタイプの一連の構成部品における少なくとも1つの重要な特徴を取得する方法及びそのような一連の構成部品を分類する方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11651482B2 (ja) |
JP (1) | JP7369541B2 (ja) |
CN (1) | CN110400389B (ja) |
DE (1) | DE102018109816B3 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006292725A (ja) | 2005-03-17 | 2006-10-26 | Omron Corp | 基板検査装置並びにその検査ロジック設定方法および検査ロジック設定装置 |
US20080033686A1 (en) | 2006-04-03 | 2008-02-07 | International Business Machines Corporation | Method and system to develop a process improvement methodology |
JP2009070235A (ja) | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | 品質予測装置、品質予測方法及び製造方法 |
JP2013093027A (ja) | 2011-10-24 | 2013-05-16 | Fisher Rosemount Systems Inc | 予測された欠陥分析 |
JP2013236087A (ja) | 2012-04-19 | 2013-11-21 | Applied Materials Israel Ltd | トポグラフィック属性を利用した欠陥分類 |
CN105092616A (zh) | 2015-09-07 | 2015-11-25 | 中国兵器科学研究院宁波分院 | 工业ct检测中小细节特征尺寸测量方法 |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4132002A1 (de) * | 1991-09-26 | 1993-04-01 | Mueller Weingarten Maschf | Verfahren zur ermittlung unzulaessiger abweichungen von verfahrensparametern |
WO1994025869A1 (de) * | 1993-04-29 | 1994-11-10 | Barmag Ag | Verfahren zur fehlerdiagnose in einem herstellungsprozess eines synthetischen fadens |
US20040265838A1 (en) * | 1998-02-06 | 2004-12-30 | Affymetrix, Inc. | Method of manufacturing |
DE19948569C2 (de) | 1999-10-08 | 2001-09-13 | Infineon Technologies Ag | Verfahren und Anordnung zur rechnergestützten Ermittlung und Auswahl signifikanter Meßgrößen |
ITUD20020009A1 (it) * | 2002-01-21 | 2003-07-21 | Danieli Automation Spa | Procedimento di rilevamento difetti di forma di un prodotto laminato e relativo dispositivo |
JP2003344300A (ja) | 2002-05-21 | 2003-12-03 | Jfe Steel Kk | 表面欠陥判別方法 |
ITBO20040221A1 (it) * | 2004-04-19 | 2004-07-19 | Gd Spa | Metodo e dispositivo per il controllo di pacchetti |
WO2006039625A2 (en) * | 2004-10-01 | 2006-04-13 | Mentor Graphics Corporation | Feature failure correlation |
EP1903335B1 (en) | 2005-06-20 | 2017-03-08 | Airbus Operations S.L. | Process of ultrasonic detection and preventive control of defects in parts made from composite materials |
DE102006041850B4 (de) * | 2006-09-06 | 2011-06-16 | Yxlon International X-Ray Gmbh | CT-Verfahren zur Prüfung von Objekten unterschiedlicher Größe |
JP2008157646A (ja) * | 2006-12-21 | 2008-07-10 | Soatec Inc | 光学式測定装置及び加工システム |
JP5255953B2 (ja) * | 2008-08-28 | 2013-08-07 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及び装置 |
CN101462157B (zh) * | 2009-01-16 | 2010-11-10 | 北京航空航天大学 | 一种适用于反向凝固工艺质量控制的***及方法 |
US9323234B2 (en) * | 2009-06-10 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Predicted fault analysis |
JP5608575B2 (ja) * | 2011-01-19 | 2014-10-15 | 株式会社日立ハイテクノロジーズ | 画像分類方法および画像分類装置 |
US9715723B2 (en) * | 2012-04-19 | 2017-07-25 | Applied Materials Israel Ltd | Optimization of unknown defect rejection for automatic defect classification |
US9607233B2 (en) * | 2012-04-20 | 2017-03-28 | Applied Materials Israel Ltd. | Classifier readiness and maintenance in automatic defect classification |
JP5800434B2 (ja) * | 2013-01-11 | 2015-10-28 | Ckd株式会社 | 検査装置の監視システム |
US9443217B2 (en) * | 2013-03-05 | 2016-09-13 | Accenture Global Services Limited | Manufacturing quality inspection and analytics system |
CN103308523B (zh) * | 2013-05-28 | 2015-04-15 | 清华大学 | 多尺度瓶口缺陷检测方法及装置 |
WO2015136586A1 (ja) * | 2014-03-14 | 2015-09-17 | 日本電気株式会社 | 要因分析装置、要因分析方法および要因分析プログラム |
WO2016046729A1 (en) * | 2014-09-25 | 2016-03-31 | Bombardier Inc. | Inspection tool for manufactured components |
CN104385590B (zh) * | 2014-10-10 | 2017-06-13 | 合肥斯科尔智能科技有限公司 | 一种三维打印***进行产品自检的方法 |
CN104792793B (zh) * | 2015-04-28 | 2019-09-10 | 刘凯 | 光学缺陷检测方法和*** |
CN105538035B (zh) * | 2015-12-24 | 2018-05-29 | 广东省自动化研究所 | 一种金属零件精密加工设备及方法 |
US10037024B2 (en) * | 2016-01-18 | 2018-07-31 | GM Global Technology Operations LLC | Automated stochastic method for feature discovery and use of the same in a repeatable process |
CN106290378B (zh) * | 2016-08-23 | 2019-03-19 | 东方晶源微电子科技(北京)有限公司 | 缺陷分类方法和缺陷检查*** |
DE102016012451A1 (de) * | 2016-10-18 | 2018-01-04 | Daimler Ag | Verfahren zum Überwachen, Analysieren und Betreiben wenigstens einer Produktionsanlage |
CN106769853B (zh) * | 2016-12-27 | 2019-04-23 | 沈阳航空航天大学 | Cfrp与钛合金叠层结构钻孔分层缺陷的预测方法 |
CN106970085A (zh) * | 2017-05-08 | 2017-07-21 | 广东工业大学 | 一种湿度指示纸质量检测***及方法 |
-
2018
- 2018-04-24 DE DE102018109816.2A patent/DE102018109816B3/de active Active
-
2019
- 2019-04-16 US US16/385,423 patent/US11651482B2/en active Active
- 2019-04-24 CN CN201910333369.7A patent/CN110400389B/zh active Active
- 2019-04-24 JP JP2019082824A patent/JP7369541B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006292725A (ja) | 2005-03-17 | 2006-10-26 | Omron Corp | 基板検査装置並びにその検査ロジック設定方法および検査ロジック設定装置 |
US20080033686A1 (en) | 2006-04-03 | 2008-02-07 | International Business Machines Corporation | Method and system to develop a process improvement methodology |
JP2009070235A (ja) | 2007-09-14 | 2009-04-02 | Jfe Steel Kk | 品質予測装置、品質予測方法及び製造方法 |
JP2013093027A (ja) | 2011-10-24 | 2013-05-16 | Fisher Rosemount Systems Inc | 予測された欠陥分析 |
JP2013236087A (ja) | 2012-04-19 | 2013-11-21 | Applied Materials Israel Ltd | トポグラフィック属性を利用した欠陥分類 |
CN105092616A (zh) | 2015-09-07 | 2015-11-25 | 中国兵器科学研究院宁波分院 | 工业ct检测中小细节特征尺寸测量方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190325268A1 (en) | 2019-10-24 |
US11651482B2 (en) | 2023-05-16 |
CN110400389A (zh) | 2019-11-01 |
DE102018109816B3 (de) | 2019-10-24 |
JP2020004391A (ja) | 2020-01-09 |
CN110400389B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7196009B2 (ja) | 短繊維強化プラスチック部品の射出成形プロセスを最適化するためにx線コンピュータ断層撮影データから情報を取得する方法 | |
EP3502966B1 (en) | Data generation apparatus, data generation method, and data generation program | |
TWI725534B (zh) | 在半導體元件的製造流程中利用適應性機器學習的自動缺陷篩選 | |
TWI571946B (zh) | 疊代式缺陷濾除製程 | |
JP7102941B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
KR102092054B1 (ko) | 자동 결함 분류에서 분류기 준비 및 유지 | |
US10539380B2 (en) | Method and system for thermographic analysis | |
JP2020514721A (ja) | 深くスタック化された層を有するウェハにおいて欠陥分類器を訓練して適用するためのシステムと方法 | |
TWI836175B (zh) | 先進在線零件平均測試 | |
KR20220022091A (ko) | 검사 레시피의 자동 최적화 | |
JP7354421B2 (ja) | エラー要因の推定装置及び推定方法 | |
JP6795562B2 (ja) | 検査装置及び機械学習方法 | |
KR20210105335A (ko) | 반도체 시편에서의 결함들의 분류 | |
JP5405245B2 (ja) | 画像検査方法及び画像検査装置 | |
JP2020042668A (ja) | 検査装置及び機械学習方法 | |
JP7369541B2 (ja) | 同じタイプの一連の構成部品における少なくとも1つの重要な特徴を取得する方法及びそのような一連の構成部品を分類する方法 | |
Buschmann et al. | Data-driven decision support for process quality improvements | |
Hamulczuk et al. | Data analysis as the basis for improved design for additive manufacturing (DfAM) | |
JP7257470B2 (ja) | 欠陥検査装置、欠陥検査方法および予測モデル生成方法 | |
WO2023166776A1 (ja) | 外観分析システム、外観分析方法、及びプログラム | |
Xiao et al. | Adaptive Reference Image Set Selection in Automated X‐Ray Inspection | |
JP2023084761A (ja) | 分析システム、分析方法、及びプログラム | |
JP2010191564A (ja) | 特性解析方法および装置、特性分類方法および装置、上記特性解析方法または特性分類方法をコンピュータに実行させるためのプログラム、上記プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
JP2023056405A (ja) | 外観検査方法 | |
JP2023007260A (ja) | 計算機及び外観検査方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220708 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230106 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230406 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230605 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230911 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230929 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7369541 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |