[发明专利]要因推定系统以及装置

说明书

本发明的课题在于，即使在实际的制造现场产生的、针对不良的要因的对策未必是一对一的关系(不一致)、现场的对策未必正确的情况下，也高精度地推定不良的要因。为了解决上述课题，具有：不良图案(107)；要因筛选部(102)，其表示观测值与要对策部位的对应；4M潮流判定部(104)，其从潮流中判定4M中的哪个对要因最有影响；以及模型再学习部(105)，其进行学习完成统计模型的再学习，根据现场用户的对策内容和4M信息(101)，使要因推定高精度化。

技术领域

本发明涉及推定在工序中的成果物中产生的不良等预定现象的要因的技术。其中尤其涉及推定在生产线中产生的产品的不良产生的要因的技术。

背景技术

关于某些工序中的成果物，有时会产生最初预计的、无法达成预定的规格、品质、精度的不良。例如，在生产线中，有时会产生不良品。作为与之相对的对策，提出了专利文献1和2。

在专利文献1中记载了“以支援对策的效果的有无等的判断和对策的选择为目的，将根据不良实绩求出的不良率与根据对策实绩求出的对策内容以及对策时刻关联起来进行管理。将过去执行的对策中的、没有效果的对策、效果显著的对策以及新的对策的内容和该对策的执行时刻前后的不良率与输出装置对应起来进行输出”(参照摘要)。

另外，在专利文献2中记载了“以提供一种信息处理装置为课题，所述信息处理装置使用作为产品的制造中的要素的夹具和设备、制造方法、部件和材料、作业集合、制造系统、时刻信息、位置信息、状态信息中的任1个或它们的组合，提示与它们关联起来的当前的产品的位置信息和状态信息，针对样的课题，信息处理装置的存储单元将分别唯一识别作为产品的制造中的要素的夹具和设备、制造方法、部件和材料、作业集合以及制造系统的识别符号、时刻信息、位置信息、状态信息与产品识别符号关联起来进行存储，检索单元以要素的识别符号、时刻信息、位置信息、状态信息中的任1个或它们的组合为检索对象，对存储在所述存储单元中的与该检索对象关联起来的当前的产品的位置信息以及状态信息进行检索，提示单元提示所述检索单元的检索结果”。

现有技术文献

专利文献1：日本特开平08-297699号公报

专利文献2：日本特开2011-242830号公报

发明内容

发明要解决的课题

在专利文献1中记载了制造不良解析支援系统的结构。但是，在专利文献1的制造不良解析支援系统中，在实际的制造现场产生的、针对不良的要因的对策未必是一对一的关系(不一致)、现场的对策未必正确的情况下，有时因错误的输出使支援起到相反效果。例如，在制造装置依赖的不良出现得较长，但在现场怀疑部件(Material)要因而继续对策的情况下，对策历史记录也会蓄积错误的信息。该情况下，在作业员等用户输入对策结果、进行学习而反映于推定内容的Human-in-the-loop(HITL)型系统中，会进行错误的学习。因此，难以直接进行现场应用。

另外，在专利文献2中，输出夹具、设备等制造的要素和与它们关联的产品的状况。然而，在专利文献2中，虽然能够掌握产品当前的状况，但没有考虑不良的要因分析。

因此，在本发明中，以提供更高精度的不良等的要因分析技术为课题。

用于解决课题的手段

用于解决上述课题的本发明包括以下的方式。

在使用学习模型来推定在工序中产生的现象的不良的要因的要因推定系统中，具有：潮流判定部，其受理表示所述工序的要素的状况的多个周边数据的输入，并执行对表示所受理的所述周边数据的变动程度的变动趋势进行解析的趋势解析；以及模型再学习部，其基于所执行的所述趋势解析，周期性地执行存储在存储装置中的学习模型的学习。并且，在要因筛选部中，使用由所述模型再学习部学习到的学习模型，根据多个周边数据来确定对所述要因给予影响的周边数据，所述潮流判定部还能够使用由所述要因筛选部确定出的所述周边数据来执行所述变动趋势的解析。