TW202125136A - 分析系統 - Google Patents
分析系統 Download PDFInfo
- Publication number
- TW202125136A TW202125136A TW109128736A TW109128736A TW202125136A TW 202125136 A TW202125136 A TW 202125136A TW 109128736 A TW109128736 A TW 109128736A TW 109128736 A TW109128736 A TW 109128736A TW 202125136 A TW202125136 A TW 202125136A
- Authority
- TW
- Taiwan
- Prior art keywords
- aforementioned
- batch
- batches
- combination
- analysis
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims description 94
- 238000000034 method Methods 0.000 claims abstract description 121
- 238000009826 distribution Methods 0.000 claims description 57
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 238000012800 visualization Methods 0.000 claims description 15
- 238000011144 upstream manufacturing Methods 0.000 claims description 9
- 238000000556 factor analysis Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000001568 sexual effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 62
- 238000010586 diagram Methods 0.000 description 40
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 11
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 10
- 239000000047 product Substances 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 239000002994 raw material Substances 0.000 description 5
- 238000011143 downstream manufacturing Methods 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- -1 granular Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000012263 liquid product Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/323—Visualisation of programs or trace data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
即使是未做個體管理的製造物且不能保證工程間的製造順序的情形下仍推測追溯性(traceability)。
追溯性推測部,生成由複數種第一工程中的批與第二工程中的批的組合、及批的特徵量所構成之批組合輸出資料,利用特徵量,從批組合輸出資料的複數種的批的組合,推測用作為追溯性的第一工程的批與第二工程的批的組合。
Description
本發明有關分析系統。
生產線中,對於進行不良因素分析或品質分析有高度的需求,為了進行這些分析,必須比較相異工程間的每一作業的特徵量,調查具有怎樣的關係。為了進行本調查,必須正確地做追溯性(traceability),亦即工程內的作業單位是怎樣建立對應的。
工程內的作業單位稱為「批」。各工程中的每一批一者可做個體管理,若能夠編ID,則能夠實現正確的追溯性。另一方面,當無法做個體管理,而對複數個的批集體編ID的情形下,要實現批的對應的追溯性便成為待解問題。
對複數個的批集體編的ID稱為「管理編號」。有鑑於此,基於當製造物為粉狀、粒狀、或液狀這樣的理由而無法做個體管理的情形下,作為調查詳細的追溯性之技術,有專利文獻1記載之技術。
專利文獻1,是比較原料的進貨時間與前工程中的進貨量,藉此推測與後工程中使用的原料之追溯性資訊的方式。專利文獻1中有「提供一種不受原料的形態影響,能夠劃一地掌握原料的移動之追溯性管理系統」這樣的記載。
[先前技術文獻]
[專利文獻]
[專利文獻1] 日本特開2012-103848號公報
[發明所欲解決之問題]
專利文獻1中,並未考量製造物往後工程移動時,當如批的順序調換的情況或批的對應為多對多的情況這樣不能保證工程間的製造順序的情形下怎麼推測追溯性。
本發明之目的,在於即使是未做個體管理的製造物且不能保證工程間的製造順序的情形下仍推測追溯性。
[解決問題之技術手段]
本發明的一個態樣之分析系統,係具有推測追溯性(traceability)的追溯性推測部之分析系統,其特徵為,由藉由管理編號而關聯的批的關係所構成之追溯性資料,係將工程、及每一前述工程的批、及前述批的特徵量建立對應,前述工程中,包含第一工程、及第二工程,前述追溯性推測部,生成由複數種第一工程中的批與第二工程中的批的組合、及前述批的特徵量所構成之批組合輸出資料,利用前述特徵量,從前述批組合輸出資料的複數種的批的組合,推測用作為追溯性的第一工程的批與第二工程的批的組合。
本發明的一個態樣之分析系統,係具有推測追溯性的追溯性推測部、及進行分析的分析部之分析系統,其特徵為,由藉由管理編號而關聯的批的關係所構成之追溯性資料,係將工程、及每一前述工程的批、及前述批的特徵量建立對應,前述追溯性推測部,利用前述批的特徵量,推測相異工程的批的組合亦即追溯性,前述分析部,利用推測出的追溯性中的前述相異工程中的批的關係、與各批中的特徵量,進行要因分析。
[發明之功效]
按照本發明的一個態樣,即使是未做個體管理的製造物且不能保證工程間的製造順序的情形下仍能夠推測追溯性。
以下利用圖面說明實施例。
[實施例1]
參照圖1,說明追溯性推測系統的系統構成。
追溯性推測系統,由手持終端01、感測器02、品質測定器03、分析伺服器10、使用者介面30所構成,它們透過有線或無線網路而被連接。在手持終端01及工程的感測器02取得的資料被送往分析伺服器10,將分析結果送往使用者介面30。
圖2為追溯性推測系統的硬體構成圖。
追溯性推測系統,在分析伺服器10的內部具備將收集到的資訊予以通訊之通訊模組100、進行各種計算之CPU102、記憶體101、資料庫103。記憶體101中備有各種計算機能,資料庫103中保存參照的資料、及輸出的資料。
記憶體101,具備進行追溯性推測所必要的特徵量的計算之特徵量計算機能11、基於特徵量而輸出追溯性機率分布資料156之追溯性推測機能12、基於追溯性機率分布資料156而進行各種分析之分析機能13、將分析的結果顯示於使用者介面30中的顯示畫面25之可視化機能14。資料庫103,具備生產管理資訊資料150、感測器資料151、追溯性資料152、特徵量資料153、預測曲線資料154、限制條件資料155、追溯性機率分布資料156、特徵量庫157。此外,使用者介面30,具備輸出入部21、控制部22、通訊部23、資料收集部24、顯示畫面25。
圖3係圖示基於實施例1之追溯性推測系統的機能之方塊圖。
特徵量計算部11,以在各工程的前一刻測定出的生產管理資訊資料150、及從各工程中設置的感測器取得的感測器資料151、及由特徵量的計算方法及實際進行計算的函數所構成的特徵量庫157作為輸入,而生成由藉由管理編號而關聯的批的關係所構成之追溯性資料152、及由每一批的特徵量所構成之特徵量資料153。
特徵量計算部11,由追溯性抽出處理部110、及每一批特徵量計算處理部112所構成。追溯性抽出處理部110,以生產管理資訊資料150作為輸入,而生成追溯性資料152。
每一批特徵量計算處理部112,以感測器資料151、及生產管理資訊資料150、及特徵量庫157作為輸入,而生成特徵量資料153。追溯性推測部12,以追溯性資料152、及特徵量資料153、及由藉由人的知識而輸入的相異工程的特徵量的模型式的資訊所構成的預測曲線資料154、及由藉由人的知識而輸入的批的結合方法中的限制條件的資訊所構成的限制條件資料155作為輸入,而生成由批結合的機率的資訊所構成之追溯性機率分布資料156。
追溯性推測部12,由批組合部120、及模型生成部122、及限制條件處理部124、及機率分布計算部126、及機率分布修正部128所構成。批組合部120,以追溯性資料152、及特徵量資料153作為輸入,而生成批組合輸出資料60。
模型處理部122,以批組合輸出資料60、及預測曲線資料154作為輸入,而生成預測曲線輸出資料61。限制條件處理部124,以批組合輸出資料60、及限制條件資料155作為輸入,而生成批可結合清單62。
機率分布計算部126,以預測曲線輸出資料61、及批可結合清單62作為輸入,而生成每一特徵量追溯性機率分布輸出資料63。機率分布修正部128,以每一特徵量追溯性機率分布輸出資料63作為輸入,而生成追溯性機率分布資料156。
分析部13,以追溯性機率分布資料156作為輸入,而進行和用途相應之分析。追溯性確立分析部132,在確立了工程間的作業的對應後,進行迴歸分析或相關分析、異常因素分析。加權分析部134,在給出和機率相應的權重的狀態下,進行迴歸分析或相關分析、異常因素分析。將該些分析結果在可視化部14顯示。
圖4為本發明的背景說明圖。
例如,為將電線製造的情況簡化而示意一例。電線的製造中,在煉製原材料之混煉工程之後,會進行以製成的橡膠材料作為電線被覆而施加壓力,往芯線擠出之擠出工程。最後,會進行調整製成的電線的延展或拉伸強度這類作為電線的品質之檢查工程。將對各自的工程中指派的編號定義為「工程編號」。實施例1中訂為對混煉工程編以工程1、對擠出工程編以工程2這樣的編號。
首先,對工程1中的四個批A、B、C、D指派一個管理編號R。如本例般工程1中分成四個批,是因為一次能夠混煉的容量為固定,在工程內的作業會被截斷的緣故。管理編號R的內部的批集體在工程2處理。工程2中,由三個批X、Y、Z所構成,在各自的每一批製成製品。工程2中分成三個批,是因為完成作為製品的電線的長度為固定的緣故。
此時,工程2中的批X、Y、Z和工程1中的哪個批相對應這點為不明,因此在異常因素分析或品質分析時會發生問題。此外,專利文獻1中,雖能夠應付如73所示般當保持每一工程的時間序列的順序的狀態下進行下一工程之情形,但卻有無法應對如74所示般不遵守時間序列的順序之情形、或如75所示般肇生多對多的結合之情形的問題,解決此便是本發明的目的。
本問題,是由於製造中因成本或感測器設置的難度的觀點而僅做管理編號位階下的管理,而無法掌握在管理編號內部的批的順序這一點而發生。
圖5~圖12為圖示資料庫103中的各種資料的表格。
圖5為圖示生產管理資訊資料150的表格。由工程編號、管理編號、作業的單位亦即批的編號、在作業開始時刻、作業結束時刻的生產時間點的批的資訊所構成。作為在生產時間點的批的資訊,例如亦可包含生產量等其他的欄位。
圖6為圖示感測器資料151的表格。由對各工程取得的感測器資料所構成。本圖中每1秒取得感測器資料。
圖7為圖示追溯性資料152的表格。由管理編號、工程編號、批編號所構成,為將和每一管理編號建立對應的工程的批編號整理而成之表格。例如若只看管理編號P,可知工程編號1中批A與批B屬之,工程編號2中批X與批Y屬之。
圖8為圖示特徵量資料153的表格。由工程編號、管理編號、批編號、作業開始時刻、作業結束時刻、各感測器資料的特徵量所構成。
圖9為圖示預測曲線資料154的表格。為記述比較的二工程及其特徵量的關係之表格。例如,第一列記述著工程編號1的電流這一特徵量,與工程編號2的溫度這一特徵量有指數函數之關係。
圖10為圖示限制條件資料155的表格。為記述和比較的二工程相對應的限制條件之表格。例如,第一列寫著工程編號1的批與工程編號2的批之對應成為多對1這一限制條件。
圖11為圖示追溯性機率分布資料156的表格。本表格依比較的二工程的編號與每一管理編號而存在。圖中表示對於工程編號1與工程編號2與管理編號P之追溯性機率分布資料。例如第三列從左依序記述1、1、0、1、0.20,這表示成為批(A,X)(A,Y)(B,Y)的配對(pair)有關聯,而批(B,X)的配對無關聯之狀態的機率為0.20。
圖12為圖示特徵量庫157的表格。本庫記述著特徵量計算機能11中必要特徵量及其計算方法。
接著,敍述實施例1之追溯性推測系統的各種機能的流程圖。實施例1之追溯性推測系統基於圖13~圖29的各種流程圖而動作。大致的動作如圖4所示機能方塊圖般,以下說明各機能方塊的細節。首先,特徵量計算部11中,生成推測追溯性所必要的特徵量。圖13~圖15隸屬本處理。
圖13為特徵量計算處理部11中進行特徵量的計算之流程圖。基於本流程圖之動作如以下般。
步驟110中,抽出藉由管理編號而關聯的工程編號與批編號。本步驟由圖14所示流程圖所構成。
步驟112中,計算每一批的特徵量。本步驟由圖15所示流程圖所構成。
圖14為追溯性抽出處理部110中從生產管理資訊資料150抽出追溯性資料之流程圖。基於本流程圖之動作如以下般。
步驟1100中,從生產管理資訊資料150,對每一管理編號抽出工程編號、批編號。
步驟1101中,將步驟1100中抽出的資料往追溯性資料庫152存放。
圖15為每一批特徵量計算處理部112中計算各工程中的每一批的特徵量之流程圖。基於本流程圖之動作如以下般。
步驟1120中,有關工程編號、管理編號、批編號進行迴圈處理。
步驟1121中,從生產管理資訊資料150抽出隸屬的工程編號及批編號的生產時刻資訊。
步驟1122中,將步驟1121中抽出的從作業開始時刻至作業結束時刻之範圍內的感測器值,從感測器資料151抽出。此時,基於感測器資料表格中的「時刻」的欄位,抽出隸屬範圍的感測器值。
步驟1123中,將位於特徵量庫157的表格的和「感測器名」相對應之欄位抽出「計算方法」的部分。
步驟1124中,對於步驟1122中抽出的感測器值,藉由步驟1123中抽出的計算方法算出特徵量。例如,按照特徵量庫157的表格的第一列,是將工程1的電流的頻率納入作為特徵量,故計算它。進行本計算時,基於特徵量庫157中存放的函數而執行計算。
步驟1125中,將步驟1123中算出的特徵量、與隸屬工程編號及批編號往特徵量資料153存放。
步驟1126中,結束關於工程編號及批編號之迴圈處理。藉由以上,必要的特徵量計算完成。
接下來,使用計算出的特徵量,推測追溯性。圖16~圖27隸屬本處理。
圖16為示意追溯性推測處理12中的處理的流程圖。基於本流程圖之動作如以下般。
步驟1200中,關於工程的配對進行迴圈處理。針對工程的配對,並未假定鄰接。將工程的配對分別稱為上游工程、下游工程。
步驟120中,進行列舉相異的工程的批的組合之處理。本步驟由圖18所示流程圖所構成。步驟121中,對工程的特徵量的每一組進行迴圈處理。
步驟122中,基於步驟120中輸出的批的組合、及批中的隸屬特徵量的組、及預測曲線資料庫154而計算預測曲線。本步驟由圖20所示流程圖所構成。
步驟124中,進行有關批的組合的限制條件之處理。本步驟由圖22所示流程圖所構成。
步驟126中,進行計算機率分布之處理。本步驟由圖25所示流程圖所構成。
步驟127中,針對工程的特徵量結束迴圈處理。
步驟128中,將步驟126中算出的特徵量的每一組的機率分布129統合成一個。本步驟由圖27所示流程圖所構成。
圖17為圖示追溯性推測部12中的手法的概要。以下說明概要。
首先,以管理編號單位中的每一工程的批的集合500作為輸入。接著,如符號501般,抽出在管理編號內的所有的批組合,繪製和本批組合相對應之特徵量的組。接著,如符號502般,對所有的管理編號,進行符號501中進行之操作。接著,如符號503般,算出順應繪製出的點之預測曲線。
接著,當有關批的組合之限制條件不存在的情形下,基於符號503中算出的與預測曲線之距離而輸出機率分布。此外,當有關批的組合之限制條件存在的情形下,如符號504般,考量有關批的組合之限制條件,限縮候選者。例如,在符號504的圖中,限縮以虛線的圓圍繞之二個組合。
最後,基於符號503中算出的與預測曲線之距離,算出結合的組的機率分布。
圖18為示意批組合處理120中的處理的流程圖。基於本流程圖之動作如以下般。
步驟1201中,關於管理編號進行迴圈處理。
步驟1202中,從追溯性資料152抽出所有包含各管理編號、及步驟1200中指定的二工程名之列。其後,抽出列內的批編號的組合。例如當一方的工程有n個的批,另一方的工程有m個的批的情形下,輸出它們的所有的批組合,故獲得n*m列的批組合資料。
步驟1203中,從特徵量資料153抽出關聯至批編號的特徵量。
步驟1204中,將步驟1202中抽出的批的組合資料、及步驟1203中抽出的每一批的特徵量,往批組合輸出資料60輸出。藉此,對批的每一配對便獲得存放著工程中的特徵量之資料。
步驟1205中,結束關於管理編號之迴圈處理。
圖19為圖示批組合輸出資料的表格。對於一個管理編號,欄位中記入有步驟1200中指定的上游工程與下游工程中的批的組合、及各批的特徵量。
圖20為基於批組合處理120的輸出及預測曲線資訊,而將預測曲線的參數往預測曲線輸出資料61輸出之流程圖。基於本流程圖之動作如以下般。
步驟1220中,基於批組合處理120中的批組合輸出資料60,抽出在一個管理編號內的批組合、及基於步驟121中指定的特徵量名的組之特徵量的數值的組。
步驟1221中,從預測曲線資料154中的「預測曲線形狀」這一欄位抽出預測曲線的形狀資訊。本欄位的記載中有線形、二次以上的多項式、指數函數、對數函數、三角函數這五種類的樣態、及無記入的樣態,無記入的情形下視為線形。
步驟1222中,抽出步驟1220中抽出的和批的組相對應之特徵量的數值的組。其後,利用步驟1221中抽出的「預測曲線形狀」的資訊,算出預測曲線的式子。預測曲線算出時,使用最小平方法決定迴歸式的參數。例如,若「預測曲線形狀」中記述的函數為「線形」,則決定線形的迴歸式亦即y=a*x+b中的a及b。
步驟1223中,計算算出的預測曲線的得分。例如,利用迴歸式的決定係數。
步驟1224中,將步驟121中指定的特徵量名、及步驟1222中計算出的預測曲線的式子、及步驟1223中計算出的預測曲線的得分存放於預測曲線輸出資料61。
圖21為預測曲線輸出資料的表格圖。寫著對於工程的配對及其特徵量所算出的預測曲線參數、及預測曲線的得分。例如,一列能夠寫成對於工程1的電流這一特徵量、及工程2的溫度這一特徵量之預測曲線為y=0.03*1.1^x這一形式,而寫著本預測曲線的得分為0.5。
圖22為處理批的結合的限制條件之流程圖,係輸出每一管理編號的批可結合清單62。基於本流程圖之動作如以下般。
步驟1240中,從限制條件資料155抽出和工程編號的配對相對應之「限制條件」這一欄中寫著的資訊。「限制條件」欄的記載中存在「多對1」、「1對多」、「無1對0」、「生產量」、「僅正順序或逆順序」、「無多對多」這樣的樣態。以下說明各記載的細節。
「多對1」表示對於下游工程的一個批,有上游工程的複數個批對應這樣的限制條件。「1對多」表示對於上游工程的一個批,有下游工程的複數個批對應這樣的限制條件。「無1對0」表示無論哪一批必定會與別的批組合這樣的限制條件。
「生產量」表示基於各批的生產量而決定之對於批結合比率的限制條件。
「僅正順序或逆順序」表示僅考慮在管理編號內依時間序列順序而對應或依和時間序列相反順序而對應這二種這樣的限制條件。例如,針對以電線為代表之線狀的製造物,於工程中切斷後,當線的朝向維持不變或是成為相反朝向的情形下便會發生此條件。「無多對多」表示不認可批的多對多結合這樣的限制條件。當本欄位為未記入的情形下,不設定限制條件而進行處理。
步驟1241中,關於管理編號進行迴圈處理。步驟1242中,從批組合處理輸出資料60抽出和管理編號相對應之批的資料,將它們的結合方法全部列舉,而作成批結合方法清單。
批結合方法及批結合清單的詳細的圖如圖23般。對於某一管理編號,當一方的工程中有n個的批,另一方的工程中有m個的批時,批組合料想有n*m種的組合。另一方面,批結合方法表示n個的批與m個的批的組合方式,故料想總共有2^(n*m)種的組合。
步驟1243中,進行有關步驟1242中作成的批結合方法清單內的批結合方法之迴圈處理。
步驟1244中,進行步驟1243中抽出的批結合方法是否滿足步驟1240中抽出的限制條件之判定。當滿足限制條件的情形下進入步驟1245,若否則對於迴圈中的下一批結合方法執行本步驟。
步驟1245中,將批結合方法的資訊存放於批可結合清單62。本可結合清單依每一管理編號而生成。
步驟1246中,結束有關步驟1242中作成的批結合方法清單內的批結合方法之迴圈處理。藉此,便能生成僅存放著滿足限制條件的候選者之批可結合清單。
步驟1247中,結束關於管理編號之迴圈處理。步驟1248中,將到步驟1247為止抽出的資料往批可結合清單62存放。
圖23為圖示有關批的組合的定義。考慮工程1中有批A、B,工程2中有批X、Y的情形為例。如符號70所示,每一批的組合方式有(A,X)、(A,Y)、(B,X)、(B,Y)這4種,它們每一者稱為「批組合」。如符號71所示般由批組合所成之集合稱為「批組合清單」。如符號72所示般,工程1中的批A,B與工程2中的批X,Y的結合之情況,亦即批組合清單的部分集合稱為「批結合方法」。如符號73所示,此批結合方法存在16種,將它們的所有的集合,亦即批組合清單的冪集稱為「批結合方法清單」。
圖24為對於管理編號P之批可結合清單62的表格圖。批可結合清單依每一管理編號而存在,各欄名表示批組合,各列表示批結合方法。寫著0的部分為不採用欄名的批組合之情形,寫著1的部分為採用欄名的批組合之情形。例如,第2列表示批A與批X、批A與批Y、批B與批X結合,但批B與批Y不結合這樣的批結合方法。本清單為限制條件處理部124的輸出結果,因此僅存放著考察對象的批結合方法。
圖25為機率分布計算處理部的流程圖,為基於預測曲線輸出資料61及批可結合清單62,而依每一管理編號算出和步驟中指定的工程及步驟中指定的特徵量的組相對應之每一特徵量追溯性機率分布輸出資料63的部分。基於本流程圖之動作如以下般。
步驟1260中,從預測曲線輸出資料61抽出迴歸曲線的式子。步驟1261中,關於管理編號進行迴圈處理。
步驟1262中,從批組合處理輸出資料60抽出和管理編號相對應之批的組合清單。
步驟1263中,關於構成步驟1262中抽出的批組合清單之批的組合,進行迴圈處理。
步驟1264中,抽出和步驟1263中抽出的批組合相對應之特徵量的組,將此視為點,算出與步驟1260中抽出的迴歸曲線之距離。例如,利用上游工程的特徵量的差分、下游工程的特徵量的差分、與曲線之最短距離這些數值。
步驟1265中,將步驟1264中算出的對於批組合之距離,存放於距離記憶部。步驟1266中,結束關於批的組合之迴圈處理。
步驟1267中,從批可結合清單62抽出關聯至被指定的管理編號之批結合的清單。步驟1268中,關於批可結合清單62中的批結合方法進行迴圈處理。
步驟1269中,抽出構成被選擇的批結合方法之批組合,從距離記憶部抽出和批組合相對應之距離。其後計算抽出的距離的平均值。步驟1270中,結束關於批可結合清單62中的批結合方法之迴圈處理。
步驟1271中,對於各批結合方法,基於距離平均而計算機率。例如,計算和距離平均的倒數成比例之機率。為說明本手法,考慮對於三個批結合方法W1、W2、W3,與預測曲線之距離平均分別為4、5、6之情形。考量和距離的倒數成比例之機率,故批結合方法W1、W2、W3的機率的比,依序成為1/4:1/5:1/6。再加上所有事件的機率的和會成為1,便能計算批結合方法W1、W2、W3的機率。將指定的特徵量、及批結合方法的表記、及計算出的機率一起往每一特徵量追溯性機率分布輸出資料63存放。
步驟1272中,結束關於管理編號之迴圈處理。
圖26為每一特徵量追溯性機率分布輸出資料的表格圖。特別是本圖中記載對於管理編號P的表格圖。各列由指定特徵量、及批結合方法、及機率所構成。例如第3列可知,當基於工程1的電流這一特徵量、及工程2的溫度這一特徵量來考慮時,工程1的批A與工程2的批X,Y結合,工程2的批B僅與工程2的批Y結合這樣的批結合方法為正確的機率為0.55。
圖27為機率分布修正部的流程圖,係將依特徵量的每一組而計算出的追溯性機率分布資料統一成一個機率分布,而輸出追溯性機率分布資料156。基於本流程圖之動作如以下般。
步驟1280中,從預測曲線輸出資料61抽出對於指定特徵量的組之預測曲線的得分。
步驟1281中,從每一特徵量的追溯性機率分布輸出資料63,將對於工程的組之追溯性機率分布的資料,依特徵量的每一組全部抽出。例如當工程1的特徵量有4個、工程2的特徵量有5個的情形下,對於各管理編號與批結合,總共能夠抽出4*5=20的每一特徵量的追溯性機率分布輸出資料。
步驟1282中,將步驟1281中抽出的特徵量的每一組的追溯性機率分布資料,賦予和步驟1280中抽出的預測曲線的得分的數值成比例之權重而加總。此部分在數1中說明細節。將完成的資料往追溯性機率分布資料庫156存放。
步驟1283中,結束關於批的組合之迴圈處理。
數1為追溯性機率分布修正的部分中利用之式子。變數p1表示上游工程的名稱,變數p2表示下游工程的名稱。變數fv1表示上游工程中的特徵量的名稱,變數fv2表示下游工程中的特徵量的名稱。變數M表示管理編號。變數state表示批結合的狀態,以2進(binary)表記表現。P_each,係對二個工程名、各自的特徵量、管理編號、批結合的狀態這6個變數而定義,為給出其機率之函數。P_all,係對二個工程名、管理編號、批結合的狀態這4個變數給出其機率之函數。
score係對二個工程名、各自的特徵量這4個變數給出相對應的預測曲線的得分之函數。本式,為將依特徵量的每一組合而求得的機率分布,考量預測曲線的得分作為權重而予以加總,藉此計算追溯性機率分布資料之式子。藉由以上,追溯性機率分布資料的生成便完成。
最後,利用追溯性機率分布資料156,以分析部13進行分析,將它們的結果以可視化部14輸出。本實施例中首先說明確立追溯性之分析的一部分。對於各管理編號,採用機率最高的批結合方法,便能確立追溯性。
圖30為圖示可視化部14中的顯示畫面。
比較的工程與顯示畫面25中,若在上側畫面選擇二工程的特徵量名,則會顯示和該特徵量的組相對應之預測曲線、及每一管理編號的批的所有組合、及採用了機率最高的批結合之後的圖。顯示畫面25中,若在下側畫面選擇管理編號,則會顯示該管理編號中的批結合的圖。例如,顯示畫面25的上側畫面係以實線顯示對於工程1的電流與工程2的溫度而計算出的預測曲線,而將採用的批組合標註記號而顯示。
本顯示為一例,實際上點的數量非常多,故會改變採用的批組合的顏色與未採用的批組合的顏色而顯示。顯示畫面25的下側,表示管理編號P中,採用了工程1的批A與工程2的批X、Y結合、工程2的批A與工程2的批Y結合這樣的批結合方法。
[實施例2]
說明在實施例1的分析部13中不僅使追溯性確立最高排名一件,而是藉人手設置的閾值來更廣泛地調查之例子。到生成追溯性機率分布資料156之部分為止係相同。
當品質出現不良,而進行其異常因素分析時,若每當回到前工程便考量所有的可能性,則會調查龐大數量的批結合,而耗費很大的勞力。另一方面,若如實施例1般限縮為一者,則當排第二名以下的事件的機率高的情形下會引發抽出缺漏,而無法做正確的分析。為解決此,遵照圖28中所示流程圖而僅抽出主要的批結合。又,利用抽出的批結合進行異常因素分析。
步驟1320中,對於工程的組,藉由人手訂定的閾值,選擇一個以上機率高的批結合方法。例如,選擇機率15%以上的組合。若為圖11,則採用第2列及第4列。
步驟1321中,對於追溯性機率分布資料156的全部,適用步驟1320中的批結合選擇。
藉由以上,便能將對象限縮成僅機率高的批結合。接著,進行異常因素分析。
步驟1330中,在下游工程選擇作為調查對象之有異常的批。
步驟1331中,基於追溯性確立分析處理部中的處理,從步驟1330中指定的有異常的批而往上游工程的批回溯。
步驟1332中,調查步驟1331中抽出的批的特徵量。
圖31為實施例2中的手法的概要示意圖。首先,決定作為調查對象之有異常的批,基於機率分布,往有可能性的批回溯。圖31中可知,為了調查工程4的批Y的異常因素,只要調查工程3的批Q、批R,工程2的批G、批H、批I,工程1的批B、批C即可。
若能夠在這些批的特徵量當中抽出和其他的批相異的部分,能夠舉出其特徵量作為異常因素的候選者。例如,若得知工程1中批B、批C比起批A、批D外氣溫高,則能夠推定「若工程1中的外氣溫高則會在工程4造成異常」。
[實施例3]
敍述在實施例1的分析部13中不確立追溯性,而是直接利用機率分布的數值來進行加權迴歸分析之情形。到生成追溯性機率分布資料156之部分為止係相同。
圖29為分析部13的加權分析部134的流程圖,係將追溯性機率分布資料156中記載的機率作為一個特徵量而進行迴歸分析的流程圖。基於本流程圖之動作如以下般。
步驟1340中,基於追溯性機率分布資料,算出各批組合的採用機率。作為算出方法,採取將各欄的值乘上機率而加算這樣的方針。例如圖11的情況中,批A與批X結合的機率,是將第1列至第4列、與第6列至第7列加總,故成為0.96,而批B與批Y結合的機率是將第1列、與第3列至第5列加總,故成為0.36。
步驟1341:關於工程及其特徵量的組進行迴圈處理。
步驟1342:對於步驟1341中指定的工程及其特徵量,藉由和模型生成處理部122同樣的方法算出預測曲線。決定預測曲線的迴歸式時,是藉由最小平方法決定參數,但以最小平方法計算與預測曲線之距離時會乘上步驟1340中算出的機率作為權重。
數2為記述關於步驟1342中的參數的計算之數式。
步驟1343中,結束關於工程及其特徵量的組之迴圈處理。
可視化部11中的圖的顯示,如圖32般,是藉由在輸入中的分析手法的部分選擇「加權」來進行前述的分析。顯示畫面25中,大致的概要如同實施例1,因此僅說明差分。上側畫面中,根據機率來使顏色變化而輸出。下側畫面中,遵照藉由步驟1340中的計算而回答之機率,依機率高的順序顯示結合配對。
[實施例4]
敍述基於藉由實施例1中的分析而確立的追溯性,而再度分析各工程間的特徵量的相關性之情形。圖33為實施例4之追溯性推測系統的機能方塊圖。
藉由如同實施例1的手法確立批的組合後,再度繪製和確立的組合相對應之特徵量,以追溯性推測部12中的模型生成部122進行預測曲線的算出。
決定批組合後再算出預測曲線,因此能夠算出更高精度的預測曲線,進一步能夠基於此結果而找出以往不明的特徵量的相關性。
圖34為實施例4之複數次分析的情況表現概念圖。
符號72為考慮所有批的組合之狀態,工程1的電荷量與工程2中的製品的強度的相關性為完全未知之狀態。
另一方面,藉由實施例1中的手法確立批的組合後再度進行繪製,則成為如符號74般。若基於此算出預測曲線,則成為如符號76般。
像這樣,按照實施例4,便能查明以往不明的「電荷量與製品的強度有正相關」這一事實。
圖35為實施例4之可視化部14中的顯示畫面的圖,為顯示進行了複數次分析時的分析結果之畫面。
可視化部11中的圖的顯示,如圖35般,是藉由在輸入中的分析手法的部分選擇「複數次」來進行前述的分析。顯示畫面25中,在上側畫面,輸出藉由第二次的分析而獲得的預測曲線。顯示畫面25中,在下側畫面輸出關於輸入的特徵量的組的相關關係之記述。
像這樣,實施例4之追溯性推測系統,具有進行第1分析與第2分析而推測追溯性之追溯性推測部12。
追溯性推測部12,於第1分析中,輸入管理編號單位下的每一工程的批的集合,抽出在管理編號內的所有批組合,對於所有的前述管理編號,繪製和批組合相對應之特徵量。
選擇並確立批的組合後,再度繪製和確立的批的組合相對應之特徵量而進行預測曲線的算出,基於與預測曲線之距離,限縮批的結合的組。
追溯性推測部12,於第2分析中,基於藉由第1分析而限縮的前述批的結合的組,生成規定的工程資訊。
此外,於第2分析中,利用規定的工程資訊,檢測工程間的特徵量的相關性而進行全體的工程的分析。
此外,可視化部14,顯示預測曲線及工程間的特徵量之相關性。
按照實施例4,是決定批組合後再算出預測曲線,因此能夠算出更高精度的預測曲線。又,基於此結果,能夠找出以往不明的特徵量的相關性。
上述實施例中,是基於大框架下的管理編號,考慮所有想得到的批組合,而生成預測曲線。基於此處獲得的與預測曲線之距離、及附上限制條件的批的關聯方式,而給出各結合方法的機率分布。
藉此,於相異工程的追溯性的決定當中,在未做個體管理,而依作業的每一整體進行管理的情況下能夠決定詳細的追溯性。亦即,能夠決定在無法做個體管理的製品當中「不能保證批的順序依時間序列排列之情況」或「批的對應成為多對多之情況」下的相異工程間的作業的對應的細節。
10:分析伺服器
11:特徵量計算部
12:追溯性推測部
13:分析部
14:可視化部
103:資料庫
110:追溯性抽出處理部
112:每一批特徵量計算處理部
120:批組合部
122:模型生成部
124:限制條件處理部
126:機率分布計算部
128:機率分布修正部
132:追溯性確立分析部
134:加權分析部
[圖1]追溯性推測系統的系統構成圖。
[圖2]追溯性推測系統的硬體構成圖。
[圖3]實施例1之追溯性推測系統的機能方塊圖。
[圖4]本發明的背景說明圖。
[圖5]生產管理資訊資料150的表格構成圖。
[圖6]感測器資料151的表格構成圖。
[圖7]追溯性資料152的表格構成圖。
[圖8]特徵量資料153的表格構成圖。
[圖9]預測曲線資料154的表格構成圖。
[圖10]限制條件資料155的表格構成圖。
[圖11]追溯性機率分布資料156的表格構成圖。
[圖12]特徵量庫157的表格構成圖。
[圖13]特徵量計算部11的流程圖。
[圖14]特徵量計算部11中的追溯性抽出處理110的流程圖。
[圖15]特徵量計算部11中的每一批特徵量計算處理112的流程圖。
[圖16]追溯性推測部12的流程圖。
[圖17]追溯性推測的手法說明概念圖。
[圖18]追溯性推測部12中的批組合處理120的流程圖。
[圖19]批組合處理120中被輸出的資料的表格構成圖。
[圖20]追溯性推測部12中的模型生成處理122的流程圖。
[圖21]模型生成處理122中被輸出的預測曲線輸出資料的表格構成圖。
[圖22]追溯性推測部12中的限制條件處理124的流程圖。
[圖23]批組合及批結合說明概念圖。
[圖24]限制條件處理124中被輸出的可結合清單的表格構成圖。
[圖25]追溯性推測部12中的機率分布計算處理126的流程圖。
[圖26]機率分布計算處理中被輸出的每一特徵量追溯性機率分布輸出資料的構成圖。
[圖27]追溯性推測部12中的機率分布修正處理128的流程圖。
[圖28]實施例2之分析部13中的追溯性確立分析處理132的流程圖。
[圖29]實施例3之分析部13中的加權分析處理134的流程圖。
[圖30]實施例1之可視化部14中的顯示畫面的圖,為顯示追溯性確立分析處理132所做的分析結果之畫面。
[圖31]實施例2之處理說明圖。
[圖32]實施例3之可視化部14中的顯示畫面的圖,為顯示加權分析處理134所做的分析結果之畫面。
[圖33]實施例4之追溯性推測系統的機能方塊圖。
[圖34]實施例4之複數次分析的情況表現概念圖。
[圖35]實施例4之可視化部14中的顯示畫面的圖,為顯示進行了複數次分析時的分析結果之畫面。
11:特徵量計算部
12:追溯性推測部
13:分析部
14:可視化部
60:批組合輸出資料
61:預測曲線輸出資料
62:批可結合清單
63:每一特徵量追溯性機率分布輸出資料
103:資料庫
110:追溯性抽出處理部
112:每一批特徵量計算處理部
120:批組合部
122:模型生成部
124:限制條件處理部
126:機率分布計算部
128:機率分布修正部
132:追溯性確立分析部
133:異常分析部
134:加權分析部
150:生產管理資訊資料
151:感測器資料
152:追溯性資料
153:特徵量資料
154:預測曲線資料
155:限制條件資料
156:追溯性機率分布資料
157:特徵量庫
Claims (12)
- 一種分析系統,係具有推測追溯性(traceability)的追溯性推測部之分析系統,其特徵為, 由藉由管理編號而關聯的批的關係所構成之追溯性資料,係將工程、及每一前述工程的批、及前述批的特徵量建立對應, 前述工程中,包含第一工程、及第二工程, 前述追溯性推測部, 生成由複數種第一工程中的批與第二工程中的批的組合、及前述批的特徵量所構成之批組合輸出資料, 利用前述特徵量,從前述批組合輸出資料的複數種的批的組合,推測用作為追溯性的第一工程的批與第二工程的批的組合。
- 如請求項1記載之分析系統,其中,前述批的組合的決定,係 第一工程與第二工程,各自具有複數個批, 作成複數種第一工程批與第二工程的批的組合, 作成和前述工程間的批的組合相對應之批的特徵量的組合, 針對前述複數種的批的特徵量的組合,利用複數該組合,藉由預測線選擇合適的批的特徵量的組合, 將前述選擇的和批的特徵量的組合相對應之批的組合訂為合適的組合,而推測追溯性。
- 如請求項2記載之分析系統,其中,以通過前述複數種的批的特徵量的組合的附近之方式生成前述預想線, 基於1個前述第一工程的批與1個前述第二工程的批相對應這一條件,逐個選擇前述預想線的附近的前述批的特徵量的組合。
- 如請求項1記載之分析系統,其中,前述推測出的追溯性,為批與批的組合之機率分布。
- 如請求項1記載之分析系統,其中,前述工程,具有第三工程, 前述追溯性推測中,推測第一工程的批、及第二工程的批、及第三工程的批的組合。
- 如請求項1記載之分析系統,其中,前述批中,包含時刻資訊, 利用前述時刻資訊或基於其之順序,限制批組合輸出資料中組合的批。
- 如請求項1記載之分析系統,其中,更具有:分析部,基於前述推測出的追溯性中的前述批的組合及其特徵量,進行要因分析。
- 如請求項7記載之分析系統,其中,前述分析部, 選擇下游的前述第二工程中有異常的前述批, 從選擇的前述批,基於前述追溯性的推測資料抽出上游的前述第一工程的前述批, 分析抽出的前述第一工程的前述批的前述特徵量,藉此進行前述異常的要因分析。
- 如請求項7記載之分析系統,其中,前述推測出的追溯性,為批與批的組合之機率分布, 前述分析部, 係進行加權分析,即,在給出和前述批的組合的機率相應之權重的狀態下,進行前述要因分析。
- 如請求項9記載之分析系統,其中,更具有:可視化部,顯示藉由前述分析部分析出的分析結果, 前述可視化部, 顯示前述預測線及前述批的組合,作為前述分析結果。
- 如請求項1記載之分析系統,其中,更具有:特徵量計算部,基於各工程中測定出的生產管理資訊資料與從各工程中設置的感測器取得的感測器資料,生成前述追溯性資料與前述特徵量資料。
- 一種分析系統,係具有推測追溯性的追溯性推測部、及進行分析的分析部之分析系統,其特徵為, 由藉由管理編號而關聯的批的關係所構成之追溯性資料,係將工程、及每一前述工程的批、及前述批的特徵量建立對應, 前述追溯性推測部, 利用前述批的特徵量,推測相異工程的批的組合亦即追溯性, 前述分析部,利用推測出的追溯性中的前述相異工程中的批的關係、與各批中的特徵量,進行要因分析。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019226541A JP7360925B2 (ja) | 2019-12-16 | 2019-12-16 | 分析システム |
JP2019-226541 | 2019-12-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202125136A true TW202125136A (zh) | 2021-07-01 |
TWI757843B TWI757843B (zh) | 2022-03-11 |
Family
ID=76317929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109128736A TWI757843B (zh) | 2019-12-16 | 2020-08-24 | 分析系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11275665B2 (zh) |
JP (1) | JP7360925B2 (zh) |
TW (1) | TWI757843B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022188500A (ja) | 2021-06-09 | 2022-12-21 | 日立Astemo株式会社 | 車両制御装置および車両制御システム |
CN116992235A (zh) * | 2023-08-09 | 2023-11-03 | 哈尔滨天君科技有限公司 | 一种用于计算机并行化同步的大数据分析***及方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7395251B2 (en) * | 2005-07-01 | 2008-07-01 | International Business Machines Corporation | Neural networks for prediction and control |
US20070255512A1 (en) * | 2006-04-28 | 2007-11-01 | Delenstarr Glenda C | Methods and systems for facilitating analysis of feature extraction outputs |
US8718323B2 (en) * | 2010-10-19 | 2014-05-06 | Raytheon Company | Batch detection association for enhanced target descrimination in dense detection environments |
US20120109842A1 (en) * | 2010-10-29 | 2012-05-03 | International Business Machines Corporation | Conversion traceability for product supply network |
JP5602591B2 (ja) | 2010-11-09 | 2014-10-08 | 日清エンジニアリング株式会社 | トレーサビリティ管理システム |
US8533149B2 (en) * | 2011-12-30 | 2013-09-10 | Sap Ag | Batch management systems and methods |
NL2013417A (en) * | 2013-10-02 | 2015-04-07 | Asml Netherlands Bv | Methods & apparatus for obtaining diagnostic information relating to an industrial process. |
JP6739902B2 (ja) * | 2015-03-19 | 2020-08-12 | 日本電気株式会社 | 識別装置、識別方法およびトレーサビリティシステム |
TWI689888B (zh) * | 2017-02-17 | 2020-04-01 | 聯華電子股份有限公司 | 決定半導體製造系統的不良設備的方法及程式產品 |
JP7140468B2 (ja) * | 2017-06-01 | 2022-09-21 | 株式会社日立製作所 | トレーサビリティシステムおよびトレーサビリティの方法 |
TWI632507B (zh) * | 2017-06-03 | 2018-08-11 | 蔡政育 | 實物履歷識別碼之輸出系統 |
CN107608790A (zh) * | 2017-09-06 | 2018-01-19 | 阿里巴巴集团控股有限公司 | 资源分配方法及装置和电子设备 |
TW201923668A (zh) * | 2017-11-15 | 2019-06-16 | 國立清華大學 | 物件供應的管理方法及使用其之管理系統 |
-
2019
- 2019-12-16 JP JP2019226541A patent/JP7360925B2/ja active Active
-
2020
- 2020-08-24 TW TW109128736A patent/TWI757843B/zh active
- 2020-08-26 US US17/002,965 patent/US11275665B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP7360925B2 (ja) | 2023-10-13 |
JP2021096584A (ja) | 2021-06-24 |
US11275665B2 (en) | 2022-03-15 |
US20210182167A1 (en) | 2021-06-17 |
TWI757843B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108496163B (zh) | 生产环境工具的***和方法 | |
JP6756374B2 (ja) | プロセスの異常状態診断装置および異常状態診断方法 | |
TW202125136A (zh) | 分析系統 | |
CN111611236A (zh) | 一种数据分析方法及*** | |
JP5930225B2 (ja) | エネルギー効率評価支援装置、コンピュータプログラムおよびエネルギー効率評価支援方法 | |
JP7292076B2 (ja) | 劣化推定装置、学習装置、劣化推定方法、学習方法、劣化推定プログラム、および、学習プログラム | |
CN112861492B (zh) | 一种报表表内表间联动计算的方法、装置及电子设备 | |
CN110135636B (zh) | 一种车间运行状态预测信息的获取方法、装置及*** | |
US20190129397A1 (en) | Causal relation model building system and method thereof | |
WO2020175084A1 (ja) | 運営評価装置、運営評価方法、およびプログラム | |
CN112907026A (zh) | 一种基于可编辑网状指标体系的综合评估方法 | |
CN116187650A (zh) | 针对产品零部件的自主机器学习需求预测方法及*** | |
JP7034874B2 (ja) | プロセス状態解析装置及びプロセス状態表示方法 | |
CN117744919A (zh) | 一种特高压设备监造过程监管方法、***及介质 | |
US7689952B2 (en) | System and method for determining and visualizing tradeoffs between yield and performance in electrical circuit designs | |
Mies et al. | Exact semiparametric inference and model selection for load-sharing systems | |
US11762562B2 (en) | Performance analysis apparatus and performance analysis method | |
CN116126827A (zh) | 一种同时实现电力生产数据建模与可视化分析的方法 | |
CN112236798A (zh) | 用于在生产产品的情形中的质量保证的方法以及计算设备和计算机程序 | |
Amiri et al. | Evaluating multi-objective economic-statistical design of attribute C control charts for monitoring the number of non-conformities | |
CN110352438B (zh) | 信息技术运用评价装置及信息技术运用评价方法 | |
KR20110121014A (ko) | 무역역조현황 추적 진단 및 특허기술 모니터링 시스템 및 방법 | |
CN107016564A (zh) | 一种进行指标预测的方法和设备 | |
CN117171237B (zh) | 一种离散仿真软件中的实时统计数据可视化方法和*** | |
CN116307407B (zh) | 一种基于云计算的企业数据可视化处理***及方法 |