データ解析で、品質不良の要因究明を行いたい技術部門・品質管理部門の管理者、担当者の方必読です！
品質不良の発生は、製造工程での何らかの異常が原因です。
そして、その何らかの異常は、製造データに表れます。
よって、製造データの解析による不良要因究明が可能です。
しかし、単にデータを集めて解析しただけでは、不良要因究明はできません。目的に応じたデータ解析アプローチの考案が重要です。
当資料では、不良要因究明のために必要なデータ解析アプローチの考え方をAtfieldsのデータ解析アプローチ事例を用いて紹介しています。
【掲載内容】
■本資料の目的
■想定課題
■データ解析アプローチ事例
■実績紹介
■サービス紹介
■会社概要
※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
このカタログについて
| ドキュメント名 | 【解説資料】Atfieldsのデータ解析が不良要因究明できる理由 |
|---|---|
| ドキュメント種別 | ホワイトペーパー |
| ファイルサイズ | 2.1Mb |
| 登録カテゴリ | |
| 取り扱い企業 | アットフィールズテクノロジー株式会社 (この企業の取り扱いカタログ一覧) |
この企業の関連カタログ
このカタログの内容
Page1
Atfieldsのデータ解析が
不良要因究明できる理由
アットフィールズテクノロジー株式会社
Page2
2/19
今回お伝えしたいこと
品質不良の発生は、製造工程での何らかの異常が原因です。
そして、その何らかの異常は、製造データに表れます。
よって、製造データの解析による不良要因究明が可能です。
しかし、単にデータを集めて解析しただけでは、不良要因究明はできません。
目的に応じたデータ解析アプローチの考案が重要です。
本資料では、不良要因究明のために必要なデータ解析アプローチの考え方を、
Atfieldsのデータ解析アプローチ事例を用いて紹介します。
データ解析で品質不良の要因究明を行いたい技術部門・品質管理部門の管理者、
担当者の方におすすめの内容です。
Page3
3/19
アジェンダ
1. 想定課題
2. データ解析アプローチ事例
3. Atfieldsの実績紹介
4. サービス紹介
5. 会社概要
Page4
4/19
CHAPTER
01
想定課題
こんな課題でお悩みではありませんか？
Page5
5/19
データ解析による不良要因究明の課題
データを集めた！データ解析をした！
でも、不良要因究明に結びつかずにお困りではないですか？
【よくある原因】
データ解析アプローチが不適切
Page6
6/19
原因：データ解析アプローチが不適切
同じデータを使用しても、
アプローチが異なれば解析結果は異なります。
不良要因究明に繋がるデータ解析結果を出すには、
目的に合ったデータ解析アプローチが重要です。
Page7
7/19
CHAPTER
02
データ解析アプローチ事例
Atfieldsのノウハウの一部を特別公開！
事例① データクレンジング
事例② グループ内ばらつき低減
事例③ 不良モード分解
Page8
8/19
【事例①】データクレンジングし、因果関係のあるパラメータを抽出！
課題 時系列の変動要因を分析したい。しかし、因果関係のあるパラメータを抽出できない。
製造データは複数の要因でばらつきます。解析したい不良モード以外の不良要因はデータ分析
よくある失敗事例 する上でのノイズになります。今回の場合、解析対象は時系列変動（マクロの変動）なので、
特性1を移動平均化することによるデータクレンジングを行うことによって、時系列変動以外の
R2=0.09 変動（ミクロの変動）の影響を極力排除して分析することができます。
パラメータA
Atfialdsのデータ解析結果 Date
R2=0.59
Date
パラメータA 移動平均
特性１ 移動平均 特性１
特性１ 移動平均 特性１
Page9
9/19
【事例②】設備内ばらつきを小さくする工夫で、設備間差を抽出！
課題 処理設備間差有無をチェックしたい。しかし、設備間差がある工程を抽出できない。
分散分析は、グループ間のばらつきを評価する手法ですが、正確には、グループ間ばらつきとグ
よくある失敗事例 ループ内ばらつきの両方を同時に評価します。グループ間ばらつきが同等でも、グループ内ばらつ
p値＝0.13 きが大きい場合は、有意差ありと判定されにくくなってしまいます。そこで、分散分析を行う際には
グループ内ばらつきを極力少なくする工夫が必要です。今回の場合、設備パーツで層別する
ことで、グループ内成分に入ってしまっていたパーツ間差成分を排除する工夫をしています。
層別
設備
Atfialdsのデータ解析結果
設備 設備 設備 設備
p値＝0.02
パーツ間
設備内 設備間の分散が
設備内 相対的に大きくなり
設備間差あり
設備間 設備間
と判定できる
特性A 特性A
特性A分散 特性A
特性A
特性A分散
Page10
10/19
【事例③】不良モード分解により、関連因子を高感度に抽出！
課題 不良率上昇の原因が知りたい。しかし、不良率変動の関連因子を抽出できない。
不良率は規格外れ率であり、不良分布のばらつき増加が原因です。そこで、まずは、不良分布
よくある失敗事例 のばらつき上昇の特徴をみつけて不良モード分解し、どの不良モードのインパクトが最も高いか見
極めることが重要です。各不良モードはそれぞれ原因が異なることが想定されるので、解析対象
の不良モードが発生した時のみ大きく変動するようなインジケータを開発し、それを目的変数と
することで、他不良モードの影響を受けずに分析することができます。
不良モード 原因 インジケータ
Mode A 原因A インジケータA
製品処理位置
Mode B 原因B インジケータB
Atfialdsのデータ解析結果
Mode C 原因C インジケータC
工程 計量値の
不良率 ばらつき Mode D 原因D インジケータD
Mode E 原因E インジケータE
Mode F 原因F インジケータF
製品処理位置
インジケータA 不良率
Page11
11/19
CHAPTER
03
実績紹介
Alfieldsのデータ解析で実現できること
Page12
12/19
実績紹介
目的に合ったデータ解析アプローチで不良要因を絞り込みます。
だから、効率的でスピーディーな不良要因究明が実現できます！
step2
不良要因の要因特定は技術者の経験値に左右されるため、
精度や所要時間はバラバラです。
step3
FTA 我々は、データに基づいて、不良要因の絞り込みを行います。
絞り込んだ不良要因に対して、技術知見をプラスした上で優先
順位をつけて実験することで、最短ルートで要因特定できます。
TOP 項目 かかった時間
事象
step1 データアセスメント 0.5day
アプローチ検討
step2 データ解析による要因絞り込み 1week
（FTA約5,000項目⇒5項目）
step3 実験＆要因特定 3month
対策検討/導入
Page13
13/19
CHAPTER
04
サービス紹介
不良要因究明につながるデータ解析
Page14
14/19
サービス概要
データに基づき、経営効果の高い取組み方針・施策を提案
ご要望 アットフィールズのサービス 成果物
IoT化を推進も・・・ 徹底したデータの前処理とモデリングで解析精度を向上 課題解決の指針
解析対象は多種多様 AMTCの4ステップ 不具合現象を視覚化
モノづくりが データを使い
対策効果を視覚化
変わらない こなせない モード分解 対応策案を明示
傾向や分布でクラスタリング
分解
クレンジング 要因 要因
不 要因
物理現象に基づき選別 A B
具 C
合
インジケータ開発 影
優先1 他
特徴を示す指標の開発 響
・個人の経験に基づく 統計ツール、AI
モノづくりから脱却したい モデリング(仮説検証)
要因の 統計モデル 物理モデル 未然 データ
対策
・統計ソフトやAIを導入しても ・見逃し、誤検知 防止 拡充
提案
結果がでない、何とかしたい ・メカニズム不一致 解析精度の向上（自社実績80%超） 提案 提案
Page15
15/19
CHAPTER
05
会社概要
Page16
16/19
会社概要
私たちは、半導体技術をベースに
“モノづくり革新”を実行する技術者集団です
社名 : アットフィールズテクノロジー株式会社
Atfields Manufacturing Technology Corporation
事業内容 : ・インフラシステム構築及びアプリケーションソフトウェア開発
・データ収集及び解析サービス
・製造技術分野における工法開発
魚津/富山
資本金 ： 2億円
砺波/富山 妙高/新潟
本社 : 富山県魚津市東山800番地
豊田/愛知
拠点 : 富山県（魚津市／砺波市）、新潟県（妙高市）
京都府（長岡京市）、愛知県（豊田市） 長岡京/京都
Page17
17/19
アットフィールズのサービス
お客様のニーズに合わせ、ITインフラ構築から経営改善まで
製造工場のスマート化を総合的にサポートします
「Information Technology」 「Data Science」 「Industrial Engineering」
システム技術 データ解析技術 製造技術
現場視点から、システム企画・設計・ 物理現象に基づくアナリティクスで 工法の設計・シミュレーション
開発及び、運用のフルサポートで ビッグデータを価値に変換し、経営改善 加工条件開発により、製造工程の
工場のスマート化を促進します に向けた指針を提供します 開発・改善及び生産性の向上を実現します
Page18
18/19
アットフィールズが目指す工場運営
私たちが考える理想の工場は、目的に応じてデータを活用し、
経営効果を創出しながら工場革新を続ける工場です
Information Data Industrial
INPUT IT Technology DS Science IE Engineering OUTPUT UPGRADE
測れる・見える 理解する・示す 開発する・改善する・運用する
設備情報
Raw データ 安全
設備管理 省エネ化
MES サンプリング 開発 省人化 品質
検査情報
検査結果 自動化
仮説検証 クレンジング 改善 環境対応
ポイント
工程管理 改善
作業情報 明確化 故障予知
リスク分析 解析 サスティナビリティ
生産管理
リスク管理
モデル構築 運用
ロジスティクス 異常連絡 生産性
情報 リアルタイム
データ活用 マネジメント
在庫管理
ダッシュボード トレーサビリティ
統合 データベース
Page19
19/19
小さなことでもお気軽にご相談下さい。
お客様のご要望に応じて
必要な技術サービスを組み合わせ、ご提案させていただきます。
（平日9:00~17:00）
アットフィールズテクノロジー株式会社
詳しくはホームページをご覧下さい。
URL：https://www.atfields.com