JP7484281B2 - Countermeasure selection support system and method - Google Patents
Countermeasure selection support system and method Download PDFInfo
- Publication number
- JP7484281B2 JP7484281B2 JP2020050591A JP2020050591A JP7484281B2 JP 7484281 B2 JP7484281 B2 JP 7484281B2 JP 2020050591 A JP2020050591 A JP 2020050591A JP 2020050591 A JP2020050591 A JP 2020050591A JP 7484281 B2 JP7484281 B2 JP 7484281B2
- Authority
- JP
- Japan
- Prior art keywords
- countermeasure
- measurement
- selection
- support system
- countermeasures
- 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 104
- 238000004519 manufacturing process Methods 0.000 claims description 68
- 230000007547 defect Effects 0.000 claims description 61
- 238000005259 measurement Methods 0.000 claims description 54
- 238000003860 storage Methods 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000007689 inspection Methods 0.000 claims description 16
- 238000011179 visual inspection Methods 0.000 claims description 9
- 239000011248 coating agent Substances 0.000 description 13
- 238000000576 coating method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 239000000758 substrate Substances 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000001035 drying Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 239000002904 solvent Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、フィルム製造プロセスにおける欠陥要因を判別し、作業者の対策方法選定を支援する対策方法選定支援システム、及びその方法に係る。 The present invention relates to a system and method for determining the cause of defects in the film manufacturing process and supporting workers in selecting countermeasures.
連続的に搬送される長尺状可撓性の基材上に、所望の膜厚で塗布膜を形成するフィルム製造プロセスにおいて、生産性および歩留まりを向上させるためには、欠陥発生時に迅速かつ的確な対策方法を実施することが必要である。 In a film manufacturing process in which a coating film with a desired thickness is formed on a continuously transported long, flexible substrate, it is necessary to implement rapid and accurate countermeasures when defects occur in order to improve productivity and yield.
しかし、基材の搬送や塗布、乾燥等、複数の工程が連続して存在するフィルム製造プロセスでは、搬送中の基材の不具合や塗布液の粘度等の物性値の異常、塗工装置の設定値の最適化不足、乾燥不足等様々な欠陥要因が考えられる。このため、欠陥画像等の情報からこれらの欠陥要因を判別することが困難であり、現場での対策方法は作業者の勘と経験を頼りに試行錯誤しながら実施されている。また、対策方法の実施は一度製造ラインを停止して行うため、ライン停止による生産性の悪化が避けられない現状であり、製造ラインを停止することなく欠陥要因を特定し対策方法を実施することが望ましい。 However, in a film manufacturing process that involves multiple consecutive steps such as transporting the substrate, coating, and drying, various defect factors can be considered, such as malfunctions of the substrate during transport, abnormal physical properties such as the viscosity of the coating liquid, insufficient optimization of the coating device settings, and insufficient drying. For this reason, it is difficult to identify these defect factors from information such as defect images, and countermeasures at the site are implemented by trial and error, relying on the intuition and experience of workers. In addition, since countermeasures are implemented by stopping the production line once, a decrease in productivity due to line stoppage is unavoidable at present, so it is desirable to identify the defect factors and implement countermeasures without stopping the production line.
関連する先行技術としては、特許文献１があり、製造ラインの装置に設けられたセンサの測定値、アクチュエータおよびそのドライバからのフィードバックデータ、製品検査データ、製造ラインの管理データおよびメンテナンス記録を含むデータを回収し、回収以前に蓄積されたデータの時間変化と照合し、その後の各装置の状態や故障等の発生時期を予測する管理システムが開示されている。 Related prior art includes Patent Document 1, which discloses a management system that collects data including measurements from sensors installed in equipment on a production line, feedback data from actuators and their drivers, product inspection data, production line management data, and maintenance records, compares the data with changes over time in data accumulated before the collection, and predicts the future state of each device and the timing of occurrence of failures, etc.
上述のように、フィルム製造工程は、基材の搬送工程や溶剤を含む塗布物の塗工工程、溶剤を乾燥させるための乾燥工程等の複数の連続する工程からなるため、欠陥発生時の候補として、搬送中の基材の不具合や塗布液の粘度等の物性値の異常、塗工装置の設定値の最適化不足、乾燥不足等様々な要因が考えられる。このため、欠陥発生時に根本要因を絞り込むことが難しく、要因に対応した適切な対策方法を実施することが困難である。 As mentioned above, the film manufacturing process consists of multiple consecutive steps, such as the substrate transport step, the coating step of the coating material containing the solvent, and the drying step to dry the solvent. Therefore, when defects occur, various possible causes are considered, such as malfunction of the substrate during transport, abnormal physical properties such as the viscosity of the coating liquid, insufficient optimization of the settings of the coating device, and insufficient drying. For this reason, it is difficult to narrow down the root cause when a defect occurs, and difficult to implement appropriate countermeasures to address the cause.
この課題に対して、上述した特許文献１に開示の方法では、センサの情報と欠陥発生時の欠陥要因とが対応していないため、センサの異常データを検知した後、どのような対策方法を実施すればよいかは、作業者が試行錯誤しなければならない。 In the method disclosed in the above-mentioned Patent Document 1, in order to address this issue, the sensor information does not correspond to the cause of the defect when it occurs, so after detecting abnormal sensor data, the worker must use trial and error to determine what countermeasure to take.
本発明の目的は、上記の課題を解決するため、欠陥の要因と現場で実施されている対策方法との対応を予め紐づけておき、対策方法とその優先度を作業者に視覚的に提示することが可能な対策方法選定支援システム、及び方法を提供することを目的とする。 The object of the present invention is to provide a system and method for supporting the selection of countermeasures that can link in advance the correspondence between the causes of defects and the countermeasures implemented on-site, and visually present the countermeasures and their priorities to workers, in order to solve the above problems.
上述の目的を達成するために、本発明においては、製造ラインの製造装置で製造されるフィルムの欠陥発生時の対策方法選定を支援する対策方法選定支援システムであって、外観検査装置によりフィルムに対してその外観を検査した結果としての欠陥の発生有無が記録された外観検査データと 、製造装置の各種センサの測定値と、製造装置の設定値と、欠陥発生時の複数の対策方法と、を格納する記憶装置と、学習モードと監視モードを含む対策方法支援プログラムを実行するプロセッサを有する計算機サーバを備え、プロセッサが対策方法支援プログラムを実行することで、学習モードでは、記憶装置に記録された過去の製造装置の設定値および各種センサの測定値と、外観検査データとから欠陥が発生していない正常時のデータを抽出し、正常時のデータを用いて欠陥要因ごとに、要因を定量的に表すターゲット変数の予測モデルを、ターゲット変数と関連性がある前記センサのパラメータと設定値のパラメータとから作成し、監視モードでは、製造装置の各種センサの測定値と製造装置の設定値と外観検査データと予測モデルとを受信し、欠陥が発生した際に対策方法について、予測モデルから得られるモデル予測値と測定値との乖離に基づき要因の異常度をターゲット変数ごとに算出し、特定のターゲット変数の優先度として、全てのターゲット変数の異常度の合計値に対する特定のターゲット変数の異常度として算出する対策方法選定支援システムを提供する。 In order to achieve the above object, the present invention provides a countermeasure method selection support system for supporting selection of a countermeasure method when a defect occurs in a film manufactured by a manufacturing device on a manufacturing line, the countermeasure method selection support system comprising: appearance inspection data in which the presence or absence of a defect as a result of inspecting the appearance of the film by an appearance inspection device is recorded; The present invention provides a countermeasure method selection support system that includes a storage device that stores measurement values of various sensors of a manufacturing device, setting values of the manufacturing device, and a plurality of countermeasure methods for when a defect occurs, and a computer server having a processor that executes a countermeasure method support program including a learning mode and a monitoring mode, and the processor executes the countermeasure method support program , in which in the learning mode, data for normal times when no defects have occurred is extracted from the past setting values of the manufacturing device and measurement values of the various sensors and visual inspection data recorded in the storage device, and using the data for normal times, a predictive model of a target variable that quantitatively represents the factor for each defect factor is created from parameters of the sensor and parameters of the setting values that are related to the target variable, and in the monitoring mode, the measurement values of the various sensors of the manufacturing device, the setting values of the manufacturing device, the visual inspection data, and the predictive model are received, and when a defect occurs, for each target variable, an abnormality degree of the factor is calculated based on the deviation between the model predicted value obtained from the predictive model and the measurement value, and the priority of the specific target variable is calculated as the abnormality degree of the specific target variable relative to the total value of the abnormality degrees of all target variables .
また、上記の目的を達成するため、本発明においては、計算機サーバにより、製造ラインの製造装置で製造されるフィルムの欠陥発生時の対策方法選定を支援する対策方法選定支援方法であって、計算機サーバは、外観検査装置により前記フィルムに対してその外観を検査した結果としての欠陥の発生有無が記録された外観検査データと 、製造装置の各種センサの測定値と、製造装置の設定値と、欠陥発生時の複数の対策方法と、を格納する記憶装置と、学習モードと監視モードを含む対策方法支援プログラムを実行するプロセッサを有し、プロセッサが対策方法支援プログラムを実行することで、学習モードでは、記憶装置に記録された過去の製造装置の設定値および各種センサの測定値と、外観検査データとから欠陥が発生していない正常時のデータを抽出し、正常時のデータを用いて欠陥要因ごとに、要因を定量的に表すターゲット変数の予測モデルを、ターゲット変数と関連性があるセンサのパラメータと設定値のパラメータとから作成し、監視モードでは、製造装置の各種センサの測定値と製造装置の設定値と外観検査データと予測モデルとを受信し、欠陥が発生した際に対策方法について、予測モデルから得られるモデル予測値と測定値との乖離に基づき要因の異常度をターゲット変数ごとに算出し、特定のターゲット変数の優先度として、全てのターゲット変数の異常度の合計値に対する特定のターゲット変数の異常度として算出する対策方法選定支援方法を提供する。
In order to achieve the above object, the present invention provides a method for supporting selection of a countermeasure method when a defect occurs in a film manufactured by a manufacturing device on a manufacturing line, the method comprising: The present invention provides a countermeasure method selection support method, which has a storage device that stores measurement values of various sensors of a manufacturing device, setting values of the manufacturing device, and multiple countermeasure methods for when a defect occurs, and a processor that executes a countermeasure method support program including a learning mode and a monitoring mode, and by executing the countermeasure method support program by the processor , in the learning mode, data for normal times when no defects have occurred is extracted from past setting values of the manufacturing device and measurement values of various sensors and visual inspection data recorded in the storage device, and using the data for normal times, a predictive model of a target variable that quantitatively represents the factor for each defect factor is created from sensor parameters and setting value parameters that are related to the target variable, and in the monitoring mode, the measurement values of the various sensors of the manufacturing device, the setting values of the manufacturing device, the visual inspection data, and the predictive model are received, and when a defect occurs, for each target variable, an abnormality degree of the factor is calculated based on the deviation between the model predicted value obtained from the predictive model and the measurement value, and the priority of the specific target variable is calculated as the abnormality degree of the specific target variable relative to the total value of the abnormality degrees of all target variables .
本発明により、作業者の技術に依存することなく、欠陥発生から対策方法選定にかかる時間を短縮することが可能となり、フィルム製造プロセスにおける生産性の向上を図ることができる。 This invention makes it possible to shorten the time it takes from defect occurrence to selecting a countermeasure method without relying on the skills of the worker, thereby improving productivity in the film manufacturing process.
本発明を実施するための形態を図面に従い説明するのに先立ち、本発明の対策方法選定支援システムを概説する。本発明の対策方法選定支援システムは、フィルム製造装置を監視する、少なくとも計算機サーバより構成される監視システム、監視システムで出力した結果を表示する表示装置と表示プロセッサを有するクライアント計算機より構成される。 Before describing the embodiment of the present invention with reference to the drawings, the countermeasure selection support system of the present invention will be outlined. The countermeasure selection support system of the present invention is composed of a monitoring system consisting of at least a computer server that monitors the film manufacturing equipment, and a client computer having a display device and a display processor that displays the results output by the monitoring system.
計算機サーバは、フィルム製造ラインの製造装置の設定値と、製造装置に設置されたセンサの測定値と、製造されたフィルムに対して外観を検査する外観検査装置の外観検査データと、欠陥発生時の複数の対策方法と、実際に実施した対策方法とを格納データとして格納した記憶装置と、対策方法支援プログラムと、この対策方法支援プログラムを実行するプロセッサを備える。 The computer server includes a storage device that stores, as stored data, the setting values of the manufacturing equipment in the film production line, the measurement values of the sensors installed in the manufacturing equipment, the appearance inspection data of an appearance inspection device that inspects the appearance of the manufactured film, a number of countermeasures to be taken when a defect occurs, and the countermeasures that have actually been implemented, a countermeasure method support program, and a processor that executes the countermeasure method support program.
対策方法支援プログラムの学習モード中は、記憶装置から、外観検査データをもとに外観に欠陥が発生していない正常時のデータを受信し、その正常データを用いて、対策方法に対応する要因ごとに、欠陥が発生していない時の各要因の予測モデルを生成する。生成した予測モデルは、記憶装置に保存される。予測モデルは、製造装置の設定パラメータおよび設置センサのパラメータの中から、要因ごとに要因を最も直接的に表す変数を目的変数、目的変数と関係性を持つと思われる変数を説明変数として選定し、正常時のデータを用いて、説明変数から目的変数のモデル予測値とその誤差を出力する。ここで、予測モデルは、ガウス過程回帰、ニューラルネットワーク等の機械学習モデルより構築される。 During the learning mode of the countermeasure method support program, normal data when no defects occur in appearance is received from the storage device based on the visual inspection data, and this normal data is used to generate a predictive model for each factor when no defects occur, for each factor corresponding to the countermeasure method. The generated predictive model is saved in the storage device. For each factor, the predictive model selects the variable that most directly represents the factor as the objective variable from among the setting parameters of the manufacturing equipment and the parameters of the installed sensors, and the variables that are thought to have a relationship with the objective variable as the explanatory variables, and outputs a model predicted value of the objective variable and its error from the explanatory variables using normal data. Here, the predictive model is constructed from machine learning models such as Gaussian process regression and neural networks.
対策方法支援プログラムの監視モード中は、記憶装置から設備の設定値と、測定値と、要因の予測モデルとを受信し、複数の要因について、要因の予測モデルから得られるモデル予測値と、設備の設定値とセンサの測定値から計算される実測値との乖離に基づき、要因の異常度を算出し、その異常度を元に当該対策方法の優先度を算出し、対策方法の内容と、対応する優先度をクライアント計算機に出力する。 During the monitoring mode of the countermeasure method support program, it receives the equipment setting values, measurement values, and factor prediction models from the storage device, calculates the degree of anomaly of factors for multiple factors based on the deviation between the model prediction values obtained from the factor prediction models and the actual measurement values calculated from the equipment setting values and sensor measurement values, calculates the priority of the countermeasure method based on the degree of anomaly, and outputs the contents of the countermeasure method and the corresponding priority to the client computer.
ここで、要因qの異常度Sqは、各要因の目的変数における実測値とモデル予測値の乖離スコアTqの対数尤度で定義され、SqおよびTqは次の式１、式２及び式３で定義される。 Here, the degree of anomaly Sq of factor q is defined as the log likelihood of the deviation score Tq between the actual measured value and the model predicted value in the objective variable of each factor, and Sq and Tq are defined by the following Equations 1, 2, and 3.
yqは要因qの目的変数の実測値、y’qは目的変数のモデル予測値、σqはモデル予測値の誤差、fq(x)はtqの確率密度関数である。確率密度関数は、正常データからtqの確率分布を求め、この確率分布にカイ二乗分布を当てはめることにより得る。 y q is the actual measured value of the dependent variable for factor q, y' q is the model predicted value of the dependent variable, σ q is the error of the model predicted value, and f q (x) is the probability density function of t q . The probability density function is obtained by finding the probability distribution of t q from normal data and applying the chi-square distribution to this probability distribution.
クライアント計算機の表示プロセッサは、計算機サーバから、対策方法と対策方法の優先度を受信し、クライアント計算機が有する表示装置に、対策方法の内容と対応する優先度とを対策方法優先度グラフとして作業者に視覚的に表示する。作業者はこの対策方法優先度グラフを参考にして欠陥の要因を解消する適切な対策方法を実施することができる。 The display processor of the client computer receives the countermeasures and their priorities from the computer server, and visually displays the contents of the countermeasures and their corresponding priorities to the worker as a countermeasure priority graph on the display device of the client computer. The worker can refer to this countermeasure priority graph to implement an appropriate countermeasure that eliminates the cause of the defect.
続いて、本発明を実施するための形態を、図面を用いて詳述する。なお、以下に説明する実施形態は特許請求の範囲にかかる発明を限定するものではなく、また実施形態の中で説明されている諸要素及びその組み合わせの全てが発明の解決手段に必須であるとは限らない。 Next, the embodiment for carrying out the present invention will be described in detail with reference to the drawings. Note that the embodiment described below does not limit the invention as claimed, and not all of the elements and combinations thereof described in the embodiment are necessarily essential to the solution of the invention.
実施例１は、要因に対応する対策方法に優先度をつけて視覚的に作業者に提示する対策方法選定支援システム、及び方法の実施例である。すなわち、製造ラインの製造装置で製造されるフィルムの欠陥発生時の対策方法選定を支援する対策方法選定支援システムであって、欠陥発生時の複数の対策方法を格納する記憶装置と、学習モードと監視モードを含む対策方法支援プログラムを実行するプロセッサを有する計算機サーバを備え、プロセッサが対策方法支援プログラムを実行することで、製造装置に設置された複数のセンサから測定値を受信し、学習モード中は測定値に基づきモデル予測値を出力し、監視モード中は測定値と製造されたフィルムの外観検査データを受信し、欠陥発生時に対策方法について、モデル予測値と監視モード中の測定値の乖離に基づき対策方法の優先度を算出する対策方法選定支援システム、及びその方法の実施例である。 Example 1 is an embodiment of a countermeasure selection support system and method that prioritizes countermeasures corresponding to factors and visually presents them to an operator. That is, the countermeasure selection support system supports the selection of a countermeasure when a defect occurs in a film manufactured by a manufacturing device on a manufacturing line, and includes a storage device that stores multiple countermeasures when a defect occurs, and a computer server having a processor that executes a countermeasure support program including a learning mode and a monitoring mode. The processor executes the countermeasure support program to receive measured values from multiple sensors installed in the manufacturing device, output model predicted values based on the measured values during the learning mode, receive the measured values and visual inspection data of the manufactured film during the monitoring mode, and calculate the priority of the countermeasure when a defect occurs based on the deviation between the model predicted value and the measured value during the monitoring mode. This is an embodiment of the countermeasure selection support system and method.
図１は実施例１の対策方法選定支援システムが対象とするフィルム製造の製造プロセスの一例を示す。同図に示すフィルム製造工程は、長尺状可撓性の基材を搬送して送り出し(s01)、溶剤を含む塗布物を塗工機により所望の膜厚で塗布して塗布膜を形成し(s02)、乾燥機で溶剤を乾燥して除去させる工程(s03)を経て、最後に外観検査機により外観検査(s04)を行う製造プロセスである。ここで、各工程には各工程設備に、例えば基材の張力、塗布液の液物性、温度、塗布物の厚み等の複数のセンサデバイスからなるセンサが設置されており、各種センサ測定値と設備の設定値と外観欠陥検査装置で得られる外観欠陥情報とが、データ収集システムによりフィルム製造設備データサーバに蓄積されている。 Figure 1 shows an example of a film manufacturing process targeted by the countermeasure selection support system of Example 1. The film manufacturing process shown in the figure is a manufacturing process in which a long, flexible substrate is transported and sent out (s01), a coating containing a solvent is applied to the substrate with a desired thickness using a coating machine to form a coating film (s02), the solvent is dried and removed using a dryer (s03), and finally an appearance inspection is performed using an appearance inspection machine (s04). Here, sensors consisting of multiple sensor devices for, for example, the tension of the substrate, the liquid properties of the coating liquid, temperature, and the thickness of the coating are installed in each process equipment, and various sensor measurements, equipment settings, and appearance defect information obtained by the appearance defect inspection device are stored in the film manufacturing equipment data server by the data collection system.
図２は本実施例に係る対策方法選定支援システムの全体構成図である。対策方法選定支援システムは、フィルム製造設備の各種のセンサ測定値と、設備の設定値と、外観欠陥検査装置からの外観欠陥情報とを収集するフィルム製造設備データサーバ201と、計算機サーバ202と、クライアント計算機203から構成される。これらフィルム製造設備データサーバ201と計算機サーバ202とクライアント計算機203はネットワーク204を介して接続されている。計算機サーバ202とクライアント計算機203の詳細は後述する。ネットワーク204は、有線ネットワークでも無線ネットワークでもよい。本実施例では、場所Aにフィルム製造設備データサーバ201が、場所Bに計算機サーバ202が、場所Cにクライアント計算機203が設置されている。フィルム製造設備データサーバ201、計算機サーバ202、クライアント計算機203は同一の場所に配置されていてもよい。
Figure 2 is an overall configuration diagram of the countermeasure method selection support system according to this embodiment. The countermeasure method selection support system is composed of a film manufacturing
図３は、計算機サーバ202の一構成例を示す図であり、計算機サーバ202は通常のコンピュータ構成を備え、記憶装置301と、記憶装置301などに記憶された対策方法支援プログラム302を実行する実行プロセッサ303を有する。記憶装置301は、フィルム製造設備データサーバ201から受信する複数のセンサデバイスが測定した複数のセンサ測定値、設備設定値、外観欠陥情報と、更には外観検査データ、欠陥発生時の対策方法、及びフィルム製造中に実施した対策方法等を格納する。対策方法支援プログラムの詳細は後述する。
Figure 3 shows an example of the configuration of the
図４は、クライアント計算機203の一構成例を示す図であり、クライアント計算機203は表示装置401と計算機サーバ202と通信可能な表示プロセッサ402を備えている。表示プロセッサ402は、計算機サーバ202の出力を処理する。表示装置401の表示内容は、対策方法支援プログラム302の実行により計算機サーバ202から出力される内容であり、詳細は後述する。
Figure 4 shows an example of the configuration of the
図５は、実行プロセッサ303が実行する対策方法支援プログラム302のシステムフローの一例を示す図である。対策方法支援プログラム302は学習モードと監視モードの少なくとも２つの機能を持つ。学習モードはフィルム製造前に機能するモードであり、監視モードはフィルム製造時に機能するモードである。
以下、学習モードと監視モードの詳細を説明する。
5 is a diagram showing an example of a system flow of the countermeasure
The learning mode and monitoring mode will be described in detail below.
学習モードは、記憶装置301に蓄積された過去の製造装置の設定値と設置センサの取得値、外観検査データ、欠陥情報などから、欠陥が発生していない場合のデータを抽出し、フィルムに欠陥が発生していない時の正常時のデータを抽出し、その抽出した正常時のデータを用いて欠陥要因ごとに、要因を定量的に表すターゲット変数の予測モデルを、ターゲット変数と関連性があるセンサパラメータと設備パラメータから作成し、記憶装置301に記憶する。予測モデルは、製造装置の設定パラメータおよびセンサパラメータの中から、要因ごとに要因を最も直接的に表す変数を目的変数、目的変数と関係性を持つ変数を説明変数として選定し、正常時のデータを用いて、説明変数から目的変数のモデル予測値とその誤差を算出して出力する。ここで、予測モデルは、ガウス過程回帰、ニューラルネットワーク等の機械学習モデルより構築される。
In the learning mode, data when no defects have occurred is extracted from the past settings of the manufacturing equipment, acquired values of the installed sensors, visual inspection data, defect information, etc. stored in the
監視モードでは、記憶装置302から指定時刻の欠陥発生時のセンサ・設備データをリアルタイムに抽出し、ターゲット変数ごとにモデル予測値と実測値との乖離を異常度として算出する。監視モード中は、記憶装置302から設備の設定値と、測定値と、要因の予測モデルとを受信し、複数の要因について、要因の予測モデルから得られるモデル予測値と設備の設定値とセンサデバイスの測定値から計算される実測値との乖離に基づき、要因の異常度を算出し、その異常度に基づき対策方法の優先度に変換し、対策方法と対応する優先度とをクライアント計算機203に送信し、作業者に提示する。
In monitoring mode, sensor and equipment data at the time of defect occurrence at a specified time is extracted in real time from the
すなわち、実行プロセッサ303は、予測モデルに基づいて第ｎ（ｎは１以上の自然数）の測定項目の測定値を予測し、センサデバイスより第ｎの測定項目の実際の測定値を受信し、予測した第ｎの測定項目の測定値と、センサデバイスより受信した第ｎの測定項目の測定値とに基づいて乖離を算出する。
That is, the
図９に各対策方法に紐づいた要因等の対応を表すテーブル901の一例を示す。図９のテーブル901は、計算機サーバ202の実行プロセッサ303が、フィルム製造前に対策方法支援プログラム302の学習モードを実行することで作成され、記憶装置301に記憶される。同図は、対策方法Ａ、Ｂ・・・に紐づいた要因、要因に関連する各種センサデバイスからなるセンサ、ターゲット変数、ターゲット変数の予測モデルの対応表の一例を示している。学習モードでは、このように対策方法に紐づいた要因に対して、製造ラインに設置された各種センサの中から、要因に関連するセンサを選び出し、各種センサからターゲット変数とターゲット変数の説明変数を設計し、ターゲット変数の説明変数を用いて、ターゲット変数の予測モデルを機械学習モデルにより作成する。
Figure 9 shows an example of a table 901 showing the correspondence between factors and the like linked to each countermeasure method. Table 901 in Figure 9 is created by the
予測モデルにより作成されるターゲット変数のモデル予測値は、欠陥が発生していない場合のデータを用いて作成されるため、対策方法支援プログラム302の監視モードにおいて、モデル予測値と、欠陥が発生する場合のデータを用いて算出したターゲット変数の実測値とを比較して異常度を算出すると、予測値と実測値の乖離が大きくなり異常度が高く算出される。計算機サーバ202はこの異常度から、各ターゲット変数の要因に対応する対策方法の優先度を計算し、その結果を対策方法とそれらの優先度としてクライアント計算機203に送信する。
The model predicted values of the target variables created by the prediction model are created using data for cases where no defects occur, so in the monitoring mode of the countermeasure
図１０は対策方法支援プログラム302がクライアント計算機203に送信する、各対策方法の優先度の時系列データを示すテーブル1001である。テーブル1001もテーブル901同様、計算機サーバ202の記憶装置301に記憶され、データベースになる。上述の通り対策方法の優先度は、各要因の異常度に基づき算出される。なお、図１０においては、1分ごとの周期で優先度が算出されている例が示されているが、１分に限らず、この算出周期は可変であり、任意に設定可能である。
Figure 10 shows table 1001 indicating time series data of the priority of each countermeasure method, which is sent by countermeasure
対策方法ａ、ｂ、ｃ・・・の優先度はターゲット変数ごとに計算される。ある着目ターゲット変数の優先度は、例えば、全ターゲット変数の異常度の合計値に対する着目ターゲット変数の異常度で計算される。クライアント計算機203では、計算機サーバ202が出力した対策方法と対策方法の優先度のグラフを表示装置401に表示する。フィルム製造現場の作業者はこの対策方法と優先度を確認することで、容易に実施すべき対策方法を選定することが可能である。
The priority of countermeasure methods a, b, c, etc. is calculated for each target variable. The priority of a target variable of interest is calculated, for example, by the degree of anomaly of the target variable of interest relative to the total degree of anomaly of all target variables. In the
図６は、本実施例の対策方法選定支援システムにおいて、クライアント計算機203の表示装置401で表示する画面の一構成例を示す。表示画面上には少なくとも、表示ボタン601、時刻選定ボックス602、対策方法優先度グラフ603、実施対策記入ボックス604、記入対策方法保存ボタン605が存在する。作業者は時刻選定ボックス602に所望の時刻を入力し、表示ボタン601を押すことにより、該当時刻の対策方法優先度グラフ603を確認することがきる。また、作業者が実施した対策方法は、実施対策記入ボックス604に自由記述することができ、作業者が記入対策方法保存ボタン605を押すことにより、記述された対策方法が計算機サーバ202の記憶装置301に保存される。
Figure 6 shows an example of the screen displayed on the
図７は、クライアント計算機203の表示装置401で表示される対策方法優先度グラフの詳細を示す。対策方法優先度グラフ701では、対策方法支援プログラム302で算出された優先度が対策方法ごとに横軸に伸びる棒グラフで表示されている。ここで、対策方法優先度グラフ701の縦軸における対策方法の順序は、優先度を元に昇順ないし降順にソートされていても、ソートされていなくてもよい。
Figure 7 shows details of the countermeasure priority graph displayed on the
図８は、フィルム製造中に欠陥が発生し作業者が対策を実施しようとした際に、本実施例の対策方法選定支援システムを実施した時の対策方法優先度グラフの変化を説明するための図である。対策方法優先度グラフ801は、欠陥が発生し対策方法を実施しようとした際の優先度グラフであり、対策方法優先度グラフ801では対策方法Aの優先度が最大である。作業者は表示装置401の表示画面に表示されている対策方法優先度グラフ801を確認し、対策方法Aを実施する。対策方法優先度グラフ802は、対策方法Aを実施した後の対策方法の優先度グラフであり、対策方法Aを実施する前の対策方法優先度グラフ801に比較して、対策方法Aの優先度が低くなっている。このことから、フィルム製造中に発生した欠陥の要因は、対策方法Aに対応する要因であり、本実施例の対策方法選定支援システムで選定された対策方法Aは欠陥の要因を解消する上で妥当な対策方法であったことが確認できる。
Figure 8 is a diagram for explaining the change in the countermeasure method priority graph when a defect occurs during film production and an operator tries to implement a countermeasure, when the countermeasure method selection support system of this embodiment is implemented. The countermeasure
以上説明したように、本実施例の対策方法選定支援システムによれば、フィルム製造プロセス中において欠陥が発生し、作業者が欠陥の対策方法を選定する際に、複数の欠陥要因に対して要因の状態を定量的に推定し、要因に対応する対策方法に優先度をつけて視覚的に作業者に提示して支援することができ、フィルム製造プロセスにおける生産性および歩留まりを向上させることができる。 As described above, according to the countermeasure selection support system of this embodiment, when a defect occurs during the film manufacturing process and an operator selects a countermeasure for the defect, the system can quantitatively estimate the state of the factors for multiple defect causes, prioritize the countermeasures corresponding to the causes, and visually present them to the operator for support, thereby improving productivity and yield in the film manufacturing process.
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明のより良い理解のために詳細に説明したのであり、必ずしも説明の全ての構成を備えるものに限定されるものではない。 The present invention is not limited to the above-described embodiment, but includes various modifications. For example, the above-described embodiment has been described in detail to provide a better understanding of the present invention, and is not necessarily limited to an embodiment having all of the configurations described.
上述した各構成、機能、計算機サーバ等は、それらの一部又は全部を実現するプログラムを作成する例を中心に説明したが、それらの一部又は全部を例えば集積回路で設計する等によりハードウェアで実現しても良いことは言うまでもない。すなわち、処理部の全部または一部の機能は、プログラムに代え、例えば、ＡＳＩＣ(Application Specific Integrated Circuit)、ＦＰＧＡ(Field Programmable Gate Array)などの集積回路などにより実現してもよい。 The above-mentioned configurations, functions, computer servers, etc. have been described mainly with reference to examples of creating programs that realize all or part of them, but it goes without saying that all or part of them may be realized in hardware, for example by designing them as integrated circuits. In other words, all or part of the functions of the processing unit may be realized by integrated circuits such as ASICs (Application Specific Integrated Circuits) and FPGAs (Field Programmable Gate Arrays) instead of programs.
201 フィルム製造設備
202 計算機サーバ
203 クライアント計算機
204 ネットワーク
301 記憶装置
302 対策方法支援プログラム
401 表示装置
402 示プロセッサ
601 表示ボタン
602 時刻選定ボックス
603 対策方法優先度グラフ
604 実施対策記入ボックス
701 対策方法優先度グラフ
801 対策方法実施前の対策方法優先度グラフ
802 対策方法実施後の対策方法優先度グラフ
901 対策方法に紐づいた要因等の対応を表すテーブル
1001 対策方法の優先度の時系列データを表すテーブル
201 Film manufacturing equipment
202 Computer Server
203 Client Computer
204 Network
301 Storage Device
302 Countermeasures Support Program
401 Display device
402 Display Processor
601 Display button
602 Time Selection Box
603 Countermeasure Priority Graph
604 Implementation Measures Entry Box
701 Countermeasure Priority Graph
801 Countermeasure Priority Graph before Countermeasure Implementation
802 Countermeasure Priority Graph after Countermeasure Implementation
901 A table showing the correspondence between factors and countermeasures
1001 A table showing time series data of the priority of countermeasures
Claims (11)
外観検査装置により前記フィルムに対してその外観を検査した結果としての欠陥の発生有無が記録された外観検査データと 、前記製造装置の各種センサの測定値と、前記製造装置の設定値と、欠陥発生時の複数の対策方法と、を格納する記憶装置と、学習モードと監視モードを含む対策方法支援プログラムを実行するプロセッサを有する計算機サーバを備え、
前記プロセッサが前記対策方法支援プログラムを実行することで、
前記学習モードでは、
前記記憶装置に記録された過去の前記製造装置の設定値および各種センサの測定値と、前記外観検査データとから欠陥が発生していない正常時のデータを抽出し、前記正常時のデータを用いて欠陥要因ごとに、要因を定量的に表すターゲット変数の予測モデルを、ターゲット変数と関連性がある前記センサのパラメータと前記設定値のパラメータとから作成し、
前記監視モードでは、
前記製造装置の各種センサの測定値と前記製造装置の設定値と前記外観検査データと前記予測モデルとを受信し、欠陥が発生した際に前記対策方法について、前記予測モデルから得られるモデル予測値と前記測定値との乖離に基づき要因の異常度を前記ターゲット変数ごとに算出し、特定の前記ターゲット変数の優先度として、全ての前記ターゲット変数の異常度の合計値に対する前記特定のターゲット変数の異常度として算出する、
ことを特徴とする対策方法選定支援システム。 A countermeasure method selection support system that supports selection of a countermeasure method when a defect occurs in a film manufactured by a manufacturing device on a manufacturing line, comprising:
a storage device for storing appearance inspection data in which the presence or absence of defects as a result of inspecting the appearance of the film by an appearance inspection device, measurement values of various sensors of the manufacturing device, setting values of the manufacturing device, and a plurality of countermeasures to be taken when defects occur, and a computer server having a processor for executing a countermeasure method support program including a learning mode and a monitoring mode,
The processor executes the countermeasure method support program,
In the learning mode,
extracting data on normal conditions when no defects have occurred from the past setting values of the manufacturing equipment and the measurement values of various sensors recorded in the storage device and the visual inspection data, and creating a prediction model of a target variable that quantitatively represents each defect factor using the normal data from parameters of the sensor and the setting value parameters that are related to the target variables;
In the monitoring mode,
receiving measurement values of various sensors of the manufacturing equipment, setting values of the manufacturing equipment, the appearance inspection data, and the prediction model; and, when a defect occurs, calculating an anomaly level of a cause for the countermeasure method for each of the target variables based on a deviation between a model predicted value obtained from the prediction model and the measurement value; and calculating, as a priority of the specific target variable, the anomaly level of the specific target variable relative to a total value of the anomaly levels of all the target variables;
A countermeasure selection support system comprising:
前記計算機サーバは、複数の前記対策方法と対応する前記優先度を出力する、
ことを特徴とする対策方法選定支援システム。 2. The countermeasure selection support system according to claim 1,
the computer server outputs the priority levels corresponding to the plurality of countermeasure methods;
A countermeasure selection support system comprising:
前記計算機サーバと通信可能であって、複数の前記対策方法と対応する前記優先度を表示する表示プロセッサを有するクライアント計算機を備える、
ことを特徴とする対策方法選定支援システム。 3. The countermeasure selection support system according to claim 2,
a client computer capable of communicating with the computer server and having a display processor for displaying a plurality of the countermeasure methods and the corresponding priorities;
A countermeasure selection support system comprising:
前記表示プロセッサは、複数の前記対策方法と対応する前記優先度のグラフと、時刻選択ボックスと、表示ボタンと、作業者が実施した対策方法を入力する入力ボックスを表示装置に表示可能である、
ことを特徴とする対策方法選定支援システム。 4. The countermeasure selection support system according to claim 3,
the display processor is capable of displaying on a display device a graph of the priorities corresponding to the plurality of countermeasures, a time selection box, a display button, and an input box for inputting the countermeasures implemented by the worker;
A countermeasure selection support system comprising:
前記センサは、複数のセンサデバイスを含み、複数種類の測定項目について測定値を測定し、
前記プロセッサは、前記モデル予測値に基づいて第ｎ（ｎは１以上の自然数）の測定項目の測定値を予測し、前記センサデバイスより前記第ｎの測定項目の測定値を受信し、予測した前記第ｎの測定項目の測定値と、前記センサデバイスより受信した前記第ｎの測定項目の測定値とに基づいて乖離を算出する、
ことを特徴とする対策方法選定支援システム。 2. The countermeasure selection support system according to claim 1,
The sensor includes a plurality of sensor devices and measures measurement values for a plurality of measurement items;
the processor predicts a measurement value of an n-th measurement item (n is a natural number equal to or greater than 1) based on the model predicted value, receives the measurement value of the n-th measurement item from the sensor device, and calculates a deviation based on the predicted measurement value of the n-th measurement item and the measurement value of the n-th measurement item received from the sensor device.
A countermeasure selection support system comprising:
前記プロセッサは、前記乖離に基づき、前記第ｎの測定項目に対応する対策方法の優先度を算出する、
ことを特徴とする対策方法選定支援システム。 6. The countermeasure selection support system according to claim 5,
the processor calculates a priority of a countermeasure corresponding to the nth measurement item based on the deviation.
A countermeasure selection support system comprising:
前記計算機サーバは、外観検査装置により前記フィルムに対してその外観を検査した結果としての欠陥の発生有無が記録された外観検査データと 、前記製造装置の各種センサの測定値と、前記製造装置の設定値と、欠陥発生時の複数の対策方法と、を格納する記憶装置と、学習モードと監視モードを含む対策方法支援プログラムを実行するプロセッサを有し、
前記プロセッサが前記対策方法支援プログラムを実行することで、
前記学習モードでは、
前記記憶装置に記録された過去の前記製造装置の設定値および各種センサの測定値と、前記外観検査データとから欠陥が発生していない正常時のデータを抽出し、前記正常時のデータを用いて欠陥要因ごとに、要因を定量的に表すターゲット変数の予測モデルを、ターゲット変数と関連性がある前記センサのパラメータと前記設定値のパラメータとから作成し、
前記監視モードでは、
前記製造装置の各種センサの測定値と前記製造装置の設定値と前記外観検査データと前記予測モデルとを受信し、欠陥が発生した際に前記対策方法について、前記予測モデルから得られるモデル予測値と前記測定値との乖離に基づき要因の異常度を前記ターゲット変数ごとに算出し、特定の前記ターゲット変数の優先度として、全ての前記ターゲット変数の異常度の合計値に対する前記特定のターゲット変数の異常度として算出する、
ことを特徴とする対策方法選定支援方法。 A method for supporting selection of a countermeasure method when a defect occurs in a film manufactured by a manufacturing device on a manufacturing line, the method comprising the steps of:
the computer server has a storage device for storing appearance inspection data in which the presence or absence of defects as a result of inspecting the appearance of the film by an appearance inspection device, measurement values of various sensors of the manufacturing device, setting values of the manufacturing device, and a plurality of countermeasures to be taken when defects occur , and a processor for executing a countermeasure method support program including a learning mode and a monitoring mode;
The processor executes the countermeasure method support program,
In the learning mode,
extracting data on normal conditions when no defects have occurred from the past setting values of the manufacturing equipment and the measurement values of various sensors recorded in the storage device and the visual inspection data, and creating a prediction model of a target variable that quantitatively represents each defect factor using the normal data from the parameters of the sensor and the setting value parameters that are related to the target variables;
In the monitoring mode,
receiving measurement values of various sensors of the manufacturing equipment, setting values of the manufacturing equipment, the appearance inspection data, and the prediction model; and, when a defect occurs, calculating an anomaly level of a cause for the countermeasure method for each of the target variables based on a deviation between a model predicted value obtained from the prediction model and the measurement value; and calculating, as a priority of the specific target variable, the anomaly level of the specific target variable relative to a total value of the anomaly levels of all the target variables;
A method for supporting selection of countermeasures, comprising:
複数の前記対策方法と対応する前記優先度を表示装置に表示する、
ことを特徴とする対策方法選定支援方法。 The method for supporting selection of measures according to claim 7 ,
displaying the plurality of countermeasure methods and the corresponding priorities on a display device;
A method for supporting selection of countermeasures, comprising:
複数の前記対策方法と対応する前記優先度のグラフと、時刻選択ボックスと、表示ボタンと、作業者が実施した対策方法を入力する入力ボックスとを前記表示装置に表示する、
ことを特徴とする対策方法選定支援方法。 A method for supporting selection of measures according to claim 8 , comprising the steps of:
displaying on the display device a graph of the priorities corresponding to the plurality of countermeasures, a time selection box, a display button, and an input box for inputting the countermeasures implemented by the worker;
A method for supporting selection of countermeasures, comprising:
前記センサは、複数のセンサデバイスを含み、複数種類の測定項目について測定値を測定し、
前記プロセッサは、前記モデル予測値に基づいて第ｎ（ｎは１以上の自然数）の測定項目の測定値を予測し、前記センサデバイスより前記第ｎの測定項目の測定値を受信し、予測した前記第ｎの測定項目の測定値と、前記センサデバイスより受信した前記第ｎの測定項目の測定値とに基づいて乖離を算出する、
ことを特徴とする対策方法選定支援方法。 The method for supporting selection of measures according to claim 7 ,
The sensor includes a plurality of sensor devices and measures measurement values for a plurality of measurement items;
the processor predicts a measurement value of an n-th measurement item (n is a natural number equal to or greater than 1) based on the model predicted value, receives the measurement value of the n-th measurement item from the sensor device, and calculates a deviation based on the predicted measurement value of the n-th measurement item and the measurement value of the n-th measurement item received from the sensor device.
A method for supporting selection of countermeasures, comprising:
前記プロセッサは、前記乖離に基づき、前記第ｎの測定項目に対応する対策方法の優先度を算出する、
ことを特徴とする対策方法選定支援方法。 A method for supporting selection of measures according to claim 10 , comprising the steps of:
the processor calculates a priority of a countermeasure corresponding to the nth measurement item based on the deviation.
A method for supporting selection of countermeasures, comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020050591A JP7484281B2 (en) | 2020-03-23 | 2020-03-23 | Countermeasure selection support system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020050591A JP7484281B2 (en) | 2020-03-23 | 2020-03-23 | Countermeasure selection support system and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021149733A JP2021149733A (en) | 2021-09-27 |
| JP7484281B2 true JP7484281B2 (en) | 2024-05-16 |
Family
ID=77849119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020050591A Active JP7484281B2 (en) | 2020-03-23 | 2020-03-23 | Countermeasure selection support system and method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7484281B2 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012137934A (en) | 2010-12-27 | 2012-07-19 | Hitachi Ltd | Abnormality detection/diagnostic method, abnormality detection/diagnostic system, abnormality detection/diagnostic program and company asset management/facility asset management system |
| JP2018160093A (en) | 2017-03-23 | 2018-10-11 | 株式会社日立製作所 | Abnormality detection system and abnormality detection method |
-
2020
- 2020-03-23 JP JP2020050591A patent/JP7484281B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012137934A (en) | 2010-12-27 | 2012-07-19 | Hitachi Ltd | Abnormality detection/diagnostic method, abnormality detection/diagnostic system, abnormality detection/diagnostic program and company asset management/facility asset management system |
| JP2018160093A (en) | 2017-03-23 | 2018-10-11 | 株式会社日立製作所 | Abnormality detection system and abnormality detection method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021149733A (en) | 2021-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6811018B2 (en) | Quality evaluation system, quality evaluation method and program | |
| JP4568786B2 (en) | Factor analysis apparatus and factor analysis method | |
| US11137741B2 (en) | Quality control device and quality control method | |
| CN113609790B (en) | Product virtual measuring method, system, device and medium | |
| JP7484281B2 (en) | Countermeasure selection support system and method | |
| US11676055B2 (en) | System for detecting data drift in machine-learning process monitoring | |
| US11932991B2 (en) | Systems and methods for monitoring and controlling industrial processes | |
| JP2023178206A (en) | Abnormality detection device, abnormality detection method and program | |
| JP2010170178A (en) | Production management system | |
| JP5751333B2 (en) | Management device, management method, program, and recording medium | |
| US20230021965A1 (en) | Methods and systems for assessing printed circuit boards | |
| CN111223799B (en) | Process control method, device, system and storage medium | |
| JPWO2019016892A1 (en) | Quality analyzer and quality analysis method | |
| JP2008181341A (en) | Manufacturing defect factor analysis support device | |
| JP2018120487A (en) | Event classification apparatus, event classification program, and fault/defect determination apparatus | |
| JP7462509B2 (en) | Factor estimation device, factor estimation system, and program | |
| US20220398525A1 (en) | Systems and methods for concept intervals clustering for defect visibility regression | |
| WO2024116560A1 (en) | Abnormality determination device and abnormality determination method | |
| JP2007079933A (en) | Production information processing method, program for making computer execute it, and production information management system | |
| Delgado et al. | Benefits of multivariate statistical process control based on principal component analysis in solder paste printing process where 100% automatic inspection is already installed | |
| US20240175831A1 (en) | Systems and methods for monitoring and controlling industrial processes | |
| Schmitt et al. | Methodology and experimental analysis of failure connections in precision assembly process data | |
| JP2012048616A (en) | Feature amount extraction device and feature amount extraction method | |
| WO2021256017A1 (en) | Controller, system, method, and program | |
| JP2018120538A (en) | Processing flow management device and processing flow management method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230314 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231214 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240131 |
|
| 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: 20240402 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240415 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7484281 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |