特許ウォッチ

公開番号2024124650
公報種別公開特許公報(A)
公開日2024-09-13
出願番号2023032474
出願日2023-03-03
発明の名称要因分析システム、要因分析方法、及び要因分析プログラム
出願人ニデック株式会社
代理人個人,個人
主分類G05B 19/418 20060101AFI20240906BHJP(制御;調整)
要約【課題】複数の要因が混在する不良品などの傾向に基づいて要因を集約・抽出し、要因の種類数とその個数を知ることができる要因分析システムなどを提供する。
【解決手段】要因分析システム100は、製品の良否を判定する検査データ及び検査に関する第1生産工程情報を目的変数として、前記製品の品質に関する第2生産工程情報を説明変数とした分析モデルを有する。要因分析システム100は、前記分析モデルを用いて前記製品の1個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出部22と、影響度算出部22によって算出された影響度を基に、1個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、影響度の高い項目の整理を行うクラスタリング部24とを備える。
【選択図】図1
特許請求の範囲【請求項１】
製品の良否を判定する検査データ及び検査に関する第１生産工程情報を目的変数として、前記製品の品質に関する第２生産工程情報を説明変数とした分析モデルを有する要因分析システムであって、
前記分析モデルを用いて前記製品の１個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出部と、
前記影響度算出部によって算出された前記影響度を基に、１個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、前記影響度の高い項目の整理を行うクラスタリング部と
を備える、要因分析システム。
続きを表示（約 1,000 文字）【請求項２】
前記クラスタリング部は、類似度計算において線形若しくは非線形の次元削減を予め行う、請求項１に記載の要因分析システム。
【請求項３】
前記第２生産工程情報を前記説明変数として、前記検査データを前記目的変数とした前記分析モデルを学習する学習部とをさらに備える、請求項１又は請求項２に記載の要因分析システム。
【請求項４】
前記説明変数としての前記第２生産工程情報は、生産装置の駆動情報、前記製品の検査情報、前記製品の生産時に計測した寸法、前記製品の組立に使用した装置、部品、若しくは治具の識別子、又は前記装置の稼働設定、稼働率、若しくは状態を含む生産関連データのうち少なくとも１つを含み、
前記目的変数としての前記検査データは、前記製品の特性値、若しくは良否そのもののうち少なくとも１つを含む、請求項３に記載の要因分析システム。
【請求項５】
製品の良否を判定する検査データ及び検査に関する第１生産工程情報を目的変数として、前記製品の品質に関する第２生産工程情報を説明変数とした分析モデルを有する要因分析をコンピュータに実行させる要因分析プログラムであって、
前記分析モデルを用いて前記製品の１個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出ステップと、
前記影響度算出ステップにおいて算出された前記影響度を基に、１個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、前記影響度の高い項目の整理を行うクラスタリングステップと
を含む、要因分析プログラム。
【請求項６】
製品の良否を判定する検査データ及び検査に関する第１生産工程情報を目的変数として、前記製品の品質に関する第２生産工程情報を説明変数とした分析モデルを有する要因分析方法であって、
前記分析モデルを用いて前記製品の１個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出ステップと、
前記影響度算出ステップにおいて算出された前記影響度を基に、１個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、前記影響度の高い項目の整理を行うクラスタリングステップと
を含む、要因分析方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、製品の生産における要因分析システムなどに関し、特に、複数の要因が混在する不良品などの傾向に基づいて要因を集約・抽出する要因分析システム、要因分析方法、及び要因分析プログラムに関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
特許文献１に記載の要因分析装置は、製品の製造時にセンサによってＮ個の特徴量を計測し、収集したデータを用いている。収集したデータは時系列の製造データ（Ｎ個の特徴量がＴ個存在）であり、製品の特性を基に出荷の可否（良品／不良品）を示す目的変数と、その特性に影響するセンサによる計測値や装置・原料の品種などから構成される説明変数からなる。それらの説明変数を基に目的変数を推論する学習した分類モデルを用いて特徴量の影響度を算出する。特徴量の重要度は目的変数に寄与した説明変数の影響度を定量化したものであり、影響度が高いほど不良品と良品を識別する際に重要な変数であることを意味する。この影響度が高い順番（重要な順）にＮ個の特徴量を表示することで、不良の要因を提示する。
【先行技術文献】
【特許文献】
【０００３】
特許第６６７３２１６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上述した特許文献１に記載の要因分析装置では、複数の不良の混在が想定されていない。例えば、２つの不良（不良Ａと不良Ｂ）が混在する場合において、目的変数に対して影響度が高い順番に説明変数を並べているが、そのうちで不良Ａは１番目、３番目、４番目の説明変数が原因で，不良Ｂは２番目と５番目が原因である場合に、それらが統合されて得られる従来法は、その解釈が人に委ねられている。また、複数の不良が混在していて不良の規模が明らかでない場合に、対策の優先度が不鮮明であった。
【０００５】
本開示は、上記課題に鑑みてなされたものであり、複数の要因が混在する不良品などの傾向に基づいて要因を集約・抽出し、要因の種類数とその個数を知ることができる要因分析システム、要因分析方法、及び要因分析プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
本開示の例示的な要因分析システムは、製品の良否を判定する検査データ及び検査に関する第１生産工程情報を目的変数として、前記製品の品質に関する第２生産工程情報を説明変数とした分析モデルを有する要因分析システムであって、前記分析モデルを用いて前記製品の１個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出部と、前記影響度算出部によって算出された前記影響度を基に、１個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、前記影響度の高い項目の整理を行うクラスタリング部とを備える。
【０００７】
本開示の例示的な要因分析プログラムは、製品の良否を判定する検査データ及び検査に関する第１生産工程情報を目的変数として、前記製品の品質に関する第２生産工程情報を説明変数とした分析モデルを有する要因分析をコンピュータに実行させる要因分析プログラムであって、前記分析モデルを用いて前記製品の１個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出ステップと、前記影響度算出ステップにおいて算出された前記影響度を基に、１個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、前記影響度の高い項目の整理を行うクラスタリングステップとを含む。
【０００８】
本開示の例示的な要因分析方法は、製品の良否を判定する検査データ及び検査に関する第１生産工程情報を目的変数として、前記製品の品質に関する第２生産工程情報を説明変数とした分析モデルを有する要因分析方法であって、前記分析モデルを用いて前記製品の１個若しくは任意の個数毎に前記目的変数に対する前記説明変数の影響度を算出する影響度算出ステップと、前記影響度算出ステップにおいて算出された前記影響度を基に、１個以上の要因からなる不良の傾向を分割することを目的としてクラスタリングを行うことで、前記影響度の高い項目の整理を行うクラスタリングステップとを含む。
【発明の効果】
【０００９】
例示的な本開示によれば、複数の要因が混在する不良品などの傾向に基づいて要因を集約・抽出し、要因の種類数とその個数を知ることができるので、要因の対策優先順位を推論可能である。また、得られたクラスタ毎に影響度が高い説明変数、若しくは入力指示に基づいて選定した生産データを対象に組み合わせ最適化を行って不良などの発生を低減可能な組み合わせを見つけ出すことができる。
【図面の簡単な説明】
【００１０】
本開示の一実施形態に係る要因分析システム１００の概略構成を示すブロック図である。
要因分析システム１００による主要処理を示すフローチャートである。
図２のフローチャートのステップＳ１の一例を示す説明図である。
図２のフローチャートのステップＳ２の一例を示す説明図である。
図２のフローチャートのステップＳ１の別の例を示す説明図である。
図２のフローチャートのステップＳ２の別の例を示す説明図である。
図２のフローチャートのステップＳ３の一例を示す説明図である。
クラスタリングの一例を示す説明図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許