JPH0765068A - 品質データ分析装置 - Google Patents
品質データ分析装置Info
- Publication number
- JPH0765068A JPH0765068A JP21375193A JP21375193A JPH0765068A JP H0765068 A JPH0765068 A JP H0765068A JP 21375193 A JP21375193 A JP 21375193A JP 21375193 A JP21375193 A JP 21375193A JP H0765068 A JPH0765068 A JP H0765068A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- unit
- month
- failures
- operating
- 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.)
- Withdrawn
Links
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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 故障モードや故障部品毎にそれぞれの障害率
の増加傾向の検出を自動的に実施できるようにし、ま
た、今後の障害件数の予測を行うことを目的とする。 【構成】 修理情報出荷情報格納部１から故障モード又
は故障部品毎の障害発生月別の稼働台数と障害件数を集
計する発生月別稼働台数障害件数集計部２と、最近の一
定期間の障害に有意差があるかを検定するχ2 検定部３
と、障害発生月と障害率との相関関係を分析する回帰分
析部４と、χ2 検定部３の出力信号と回帰分析部４の出
力信号が入力される判定部５を具備する構成とする。
の増加傾向の検出を自動的に実施できるようにし、ま
た、今後の障害件数の予測を行うことを目的とする。 【構成】 修理情報出荷情報格納部１から故障モード又
は故障部品毎の障害発生月別の稼働台数と障害件数を集
計する発生月別稼働台数障害件数集計部２と、最近の一
定期間の障害に有意差があるかを検定するχ2 検定部３
と、障害発生月と障害率との相関関係を分析する回帰分
析部４と、χ2 検定部３の出力信号と回帰分析部４の出
力信号が入力される判定部５を具備する構成とする。
Description
【０００１】
【産業上の利用分野】本発明は、装置の部品毎の故障モ
ードまたは部品毎に故障の増加傾向を検出し、今後の故
障発生の予測を行う品質データ分析装置に関する。
ードまたは部品毎に故障の増加傾向を検出し、今後の故
障発生の予測を行う品質データ分析装置に関する。
【０００２】
【従来の技術】図５、図６に基づいて従来の品質データ
分析手法を説明する。従来の品質データ分析手順を図５
により説明する。
分析手法を説明する。従来の品質データ分析手順を図５
により説明する。
【０００３】Ｓ１．データベースに今までに出荷された
全装置の障害件数、稼働台数等の品質情報を蓄積する。
ここで障害件数とは障害の発生した装置の数をいう。 Ｓ２．このデータベースの蓄積情報から、装置全体の稼
働台数と故障件数即ち障害の発生した装置の数を月毎に
集計して稼働台数全体に対する障害率を月毎に算出す
る。ここで装置全体とは同一機種の稼働中の装置の数を
いう。そして、以下の説明では前記障害率を装置全体の
障害率という。
全装置の障害件数、稼働台数等の品質情報を蓄積する。
ここで障害件数とは障害の発生した装置の数をいう。 Ｓ２．このデータベースの蓄積情報から、装置全体の稼
働台数と故障件数即ち障害の発生した装置の数を月毎に
集計して稼働台数全体に対する障害率を月毎に算出す
る。ここで装置全体とは同一機種の稼働中の装置の数を
いう。そして、以下の説明では前記障害率を装置全体の
障害率という。
【０００４】Ｓ３．そしてこの装置全体の障害率を予め
設定された目標値と比較する。 Ｓ４．次に、この装置全体の障害率が目標値をオーバし
ている装置に対して、故障モード（磁気テープ装置であ
れば例えばテープのねじれとか、テープの切断）や部品
（磁気テープ装置であれば例えば駆動モータとかキー）
等毎に、障害件数、稼働台数等のデータを手動入力する
ことにより故障の偏りの分析や今後の故障の発生予測分
析を行っていた。
設定された目標値と比較する。 Ｓ４．次に、この装置全体の障害率が目標値をオーバし
ている装置に対して、故障モード（磁気テープ装置であ
れば例えばテープのねじれとか、テープの切断）や部品
（磁気テープ装置であれば例えば駆動モータとかキー）
等毎に、障害件数、稼働台数等のデータを手動入力する
ことにより故障の偏りの分析や今後の故障の発生予測分
析を行っていた。
【０００５】図６は月別障害率の説明であり、横軸が障
害発生月、縦軸が障害率である。このグラフは、装置全
体の障害率Ｂが目標値Ｃ以下であるのに特定の故障モー
ドの障害率Ａが月毎に増加している場合を示している。
害発生月、縦軸が障害率である。このグラフは、装置全
体の障害率Ｂが目標値Ｃ以下であるのに特定の故障モー
ドの障害率Ａが月毎に増加している場合を示している。
【０００６】
【発明が解決しようとする課題】上記のような従来のも
のにおいては次のような課題があった。 （１）装置全体の障害率が目標値をオーバした時に、始
めて故障モードや部品毎の故障分析を行っていた。この
ため、この分析のためのデータの収集やデータ入力に時
間がかかっていた。
のにおいては次のような課題があった。 （１）装置全体の障害率が目標値をオーバした時に、始
めて故障モードや部品毎の故障分析を行っていた。この
ため、この分析のためのデータの収集やデータ入力に時
間がかかっていた。
【０００７】（２）装置全体の障害率が目標値をオーバ
しない場合でも、図６に示す如く、特定の故障モードや
故障部品だけが増加している場合は、その特定の故障モ
ードや故障部品の異常の検出が遅れ、その特定の故障モ
ードや故障部品の与える影響が大きい場合は、顧客へ多
大の迷惑をかけることがあった。
しない場合でも、図６に示す如く、特定の故障モードや
故障部品だけが増加している場合は、その特定の故障モ
ードや故障部品の異常の検出が遅れ、その特定の故障モ
ードや故障部品の与える影響が大きい場合は、顧客へ多
大の迷惑をかけることがあった。
【０００８】本発明は、このような課題を解決するた
め、故障モードや部品毎にそれぞれの障害率の増加傾向
の検出を自動的に実施できるようにし、また、今後の障
害発生件数の予測を行うことを目的とする。
め、故障モードや部品毎にそれぞれの障害率の増加傾向
の検出を自動的に実施できるようにし、また、今後の障
害発生件数の予測を行うことを目的とする。
【０００９】
【課題を解決するための手段】本発明は、上記の目的を
達成するため次のように構成した。図１は、本発明の原
理説明図である。図１において、１は修理情報出荷情報
格納部、２は発生月別稼働台数障害件数集計部、３はχ
2 （カイ二乗）検定部、４は回帰分析部、５は判定部を
示す。
達成するため次のように構成した。図１は、本発明の原
理説明図である。図１において、１は修理情報出荷情報
格納部、２は発生月別稼働台数障害件数集計部、３はχ
2 （カイ二乗）検定部、４は回帰分析部、５は判定部を
示す。
【００１０】修理情報出荷情報格納部１には出荷した装
置毎の修理情報としてその障害の発生日、製造年月、故
障モード、故障部品等のデータと、全装置の出荷情報と
して出荷月台数、稼働台数、製造月台数のデータがタイ
ムリに入力されて蓄積されているものである。
置毎の修理情報としてその障害の発生日、製造年月、故
障モード、故障部品等のデータと、全装置の出荷情報と
して出荷月台数、稼働台数、製造月台数のデータがタイ
ムリに入力されて蓄積されているものである。
【００１１】発生月別稼働台数障害件数集計部２は、故
障モードまたは故障の発生した部品毎にその故障の発生
月別に稼働台数と障害件数を集計するものである。χ2
検定部３は、統計的手法による有意差検定を行うもので
あり、過去の一定期間（例えば６ヵ月）の障害と前記過
去の一定期間に連続した最近の一定期間（例えば６ヵ
月）の障害とに分け、最近の一定期間の障害に有意差が
あるかどうかを検定するものである。
障モードまたは故障の発生した部品毎にその故障の発生
月別に稼働台数と障害件数を集計するものである。χ2
検定部３は、統計的手法による有意差検定を行うもので
あり、過去の一定期間（例えば６ヵ月）の障害と前記過
去の一定期間に連続した最近の一定期間（例えば６ヵ
月）の障害とに分け、最近の一定期間の障害に有意差が
あるかどうかを検定するものである。
【００１２】回帰分析部４は、上記χ2 検定部３と同一
期間（過去の一定期間と最近の一定期間）の障害発生月
と障害率の相関関係を分析するものである。判定部５
は、障害率が増加傾向にあるか減少傾向にあるか等を判
定するものである。
期間（過去の一定期間と最近の一定期間）の障害発生月
と障害率の相関関係を分析するものである。判定部５
は、障害率が増加傾向にあるか減少傾向にあるか等を判
定するものである。
【００１３】上記構成を図１に基づいて説明する。修理
情報出荷情報格納部１のデータから発生月別稼働台数障
害件数集計部２で出荷された装置の故障モードまたは部
品毎にその故障の発生年月別に稼働台数と障害件数を集
計する。
情報出荷情報格納部１のデータから発生月別稼働台数障
害件数集計部２で出荷された装置の故障モードまたは部
品毎にその故障の発生年月別に稼働台数と障害件数を集
計する。
【００１４】次に、χ2 検定部３では、上記発生月別稼
働台数障害件数集計部２の集計データに基づいて過去の
一定期間の障害と最近の一定期間の障害に分け、最近の
一定期間の障害に有意差があるかどうかを検定する。
働台数障害件数集計部２の集計データに基づいて過去の
一定期間の障害と最近の一定期間の障害に分け、最近の
一定期間の障害に有意差があるかどうかを検定する。
【００１５】また、回帰分析部４では、上記発生月別稼
働台数障害件数集計部２の集計データに基づいて、上記
χ2 検定部３の検定と同一対象期間の障害発生月と障害
率との相関関係の分析をする。
働台数障害件数集計部２の集計データに基づいて、上記
χ2 検定部３の検定と同一対象期間の障害発生月と障害
率との相関関係の分析をする。
【００１６】次の判定部５では、χ2 検定部３の検定で
有意差がありしかも回帰分析部４の分析で正の相関があ
る即ち増加傾向がある場合は、障害率が増加傾向を示す
ため、アラームが出力される。また、χ2 検定部３の検
定で有意差があり、回帰分析部４の分析で負の相関があ
る場合は、障害が減少傾向を示しており、この場合の判
定部５の出力は、この判定した故障モードまたは故障部
品の障害が改善されていることを示す。
有意差がありしかも回帰分析部４の分析で正の相関があ
る即ち増加傾向がある場合は、障害率が増加傾向を示す
ため、アラームが出力される。また、χ2 検定部３の検
定で有意差があり、回帰分析部４の分析で負の相関があ
る場合は、障害が減少傾向を示しており、この場合の判
定部５の出力は、この判定した故障モードまたは故障部
品の障害が改善されていることを示す。
【００１７】
【作用】これにより判定部５において、障害率が増加傾
向にあるものを検出できるため、障害対策を早目に、し
かも適切に講ずることができる。
向にあるものを検出できるため、障害対策を早目に、し
かも適切に講ずることができる。
【００１８】
【実施例】本発明の一実施例を図２、図３及び図４に基
づき説明する。図２は本発明の一実施例構成図、図３は
本発明の分析状態説明図、図４は本発明における障害件
数の予測状態説明図である。
づき説明する。図２は本発明の一実施例構成図、図３は
本発明の分析状態説明図、図４は本発明における障害件
数の予測状態説明図である。
【００１９】図２において、１は修理情報出荷情報格納
部、２は発生月別稼働台数障害件数集計部、３はχ
2 （カイ二乗）検定部、４は回帰分析部、５−１はアラ
ーム判定部、６は稼働月別稼働台数障害件数集計部、７
は信頼度判定部、８は障害件数予測部、９は製造月別稼
働台数障害件数集計部を示す。なお図１と同一のものは
同一符号で示している。
部、２は発生月別稼働台数障害件数集計部、３はχ
2 （カイ二乗）検定部、４は回帰分析部、５−１はアラ
ーム判定部、６は稼働月別稼働台数障害件数集計部、７
は信頼度判定部、８は障害件数予測部、９は製造月別稼
働台数障害件数集計部を示す。なお図１と同一のものは
同一符号で示している。
【００２０】以下、本発明の一実施例を図２に基づいて
説明する。修理情報出荷情報格納部１は出荷した装置毎
の修理情報としてその障害の発生日、製造年月、故障モ
ード、故障部品等のデータと、全装置の出荷情報として
出荷月台数、稼働台数、製造月台数のデータがタイムリ
に入力されて蓄積されているものである。
説明する。修理情報出荷情報格納部１は出荷した装置毎
の修理情報としてその障害の発生日、製造年月、故障モ
ード、故障部品等のデータと、全装置の出荷情報として
出荷月台数、稼働台数、製造月台数のデータがタイムリ
に入力されて蓄積されているものである。
【００２１】発生月別稼働台数障害件数集計部２は故障
モードまたは故障の発生した部品毎にその故障の発生月
別に稼働台数と障害件数を集計するものである。χ2 検
定部３は、統計的手法による有意差検定を行うものであ
り、過去の一定期間とそれに連続した最近の一定期間及
び過去の一定期間とそれに連続した１ヵ月にそれぞれ分
けて、最近の一定期間または過去の一定期間に連続した
１ヵ月に有意差があるかどうかを検定するものである。
モードまたは故障の発生した部品毎にその故障の発生月
別に稼働台数と障害件数を集計するものである。χ2 検
定部３は、統計的手法による有意差検定を行うものであ
り、過去の一定期間とそれに連続した最近の一定期間及
び過去の一定期間とそれに連続した１ヵ月にそれぞれ分
けて、最近の一定期間または過去の一定期間に連続した
１ヵ月に有意差があるかどうかを検定するものである。
【００２２】回帰分析部４は、上記χ2 検定部３と同一
期間の障害発生月と障害率の相関関係を分析するもので
ある。アラーム判定部５−１は、χ2 検定部３で有意差
が検定されしかも回帰分析部４で正の相関があると分析
されたとき、アラームを出力するものである。なお後述
するように負の相関があると分析されたとき、障害が減
少傾向にあることを出力することもできる。
期間の障害発生月と障害率の相関関係を分析するもので
ある。アラーム判定部５−１は、χ2 検定部３で有意差
が検定されしかも回帰分析部４で正の相関があると分析
されたとき、アラームを出力するものである。なお後述
するように負の相関があると分析されたとき、障害が減
少傾向にあることを出力することもできる。
【００２３】稼働月別稼働台数障害件数集計部６は、故
障モードまたは故障の発生した部品毎に稼働月別の稼働
台数と障害件数を集計するものである。信頼度判定部７
は、装置を出荷してからの稼働月別の故障率の累積ハザ
ードを算出して累積分布関数を決定するものである。
障モードまたは故障の発生した部品毎に稼働月別の稼働
台数と障害件数を集計するものである。信頼度判定部７
は、装置を出荷してからの稼働月別の故障率の累積ハザ
ードを算出して累積分布関数を決定するものである。
【００２４】障害件数予測部８は、累積分布関数と装置
の出荷台数から今後の障害件数の予測を行うものであ
る。製造月別稼働台数障害件数集計部９は、故障モード
または故障部品毎に製造月別の稼働台数と障害件数とを
集計して、製造月別の故障率を算出するものである。
の出荷台数から今後の障害件数の予測を行うものであ
る。製造月別稼働台数障害件数集計部９は、故障モード
または故障部品毎に製造月別の稼働台数と障害件数とを
集計して、製造月別の故障率を算出するものである。
【００２５】（１）アラームの判定 故障モード又は故障部品毎のアラーム判定は、下記の順
序により行われる。まず修理情報出荷情報格納部１から
発生月別稼働台数障害件数集計部２が出荷された装置の
故障モード又は部品毎にその故障の発生月別の稼働台数
と障害件数とを集計する。
序により行われる。まず修理情報出荷情報格納部１から
発生月別稼働台数障害件数集計部２が出荷された装置の
故障モード又は部品毎にその故障の発生月別の稼働台数
と障害件数とを集計する。
【００２６】次に上記集計データにもとづいてχ2 検定
部３と回帰分析部４とでそれぞれ後述するχ2 検定と回
帰分析を行う。アラーム判定部５−１ではχ2 検定部３
で有意差ありと検定され、また回帰分析部４で正の相関
があると分析されたときアラームを出力する。
部３と回帰分析部４とでそれぞれ後述するχ2 検定と回
帰分析を行う。アラーム判定部５−１ではχ2 検定部３
で有意差ありと検定され、また回帰分析部４で正の相関
があると分析されたときアラームを出力する。
【００２７】次に、上記χ2 検定部３と上記回帰分析部
４の動作について更に詳細に説明する。 イ．χ2 検定部３の説明 χ2 検定部３はχ2 検定を行うものである。
４の動作について更に詳細に説明する。 イ．χ2 検定部３の説明 χ2 検定部３はχ2 検定を行うものである。
【００２８】χ2 検定は、出荷された装置の故障モード
または故障部品毎に、以下の２通りに分けて実施され
る。 過去の一定期間（例えば６ヵ月）とそれに連続した最
近の一定期間（例えば６ヵ月） 過去の一定期間（例えば６ヵ月）とそれに連続した１
ヵ月間 上記の場合は、故障率が緩やかに増減している場合の
検定ができ、の場合は、故障が急激に増減する場合の
検定ができる。
または故障部品毎に、以下の２通りに分けて実施され
る。 過去の一定期間（例えば６ヵ月）とそれに連続した最
近の一定期間（例えば６ヵ月） 過去の一定期間（例えば６ヵ月）とそれに連続した１
ヵ月間 上記の場合は、故障率が緩やかに増減している場合の
検定ができ、の場合は、故障が急激に増減する場合の
検定ができる。
【００２９】χ2 検定を行うための分割表は下記のよう
になる。
になる。
【００３０】
【表１】
【００３１】表１において、ｒ1 は過去の一定期間の障
害件数、ｒ2 は最近の一定期間の障害件数（または、過
去の一定期間に連続した１ヵ月間の障害件数）、Ｒは合
計（ｒ1 ＋ｒ2 ）、ａ1 は過去の一定期間の良品件数、
ａ2 は最近の一定期間の良品件数（または過去の一定期
間に連続した１ヵ月間の良品件数）、Ａは合計（ａ1＋
ａ2 ）、ｋ1 は過去の一定期間の稼働台数、ｋ2 は最近
の一定期間の稼働台数（または過去の一定期間に連続し
た１ヵ月間の稼働台数）、Ｋは合計（ｋ1 ＋ｋ 2 ）であ
る。
害件数、ｒ2 は最近の一定期間の障害件数（または、過
去の一定期間に連続した１ヵ月間の障害件数）、Ｒは合
計（ｒ1 ＋ｒ2 ）、ａ1 は過去の一定期間の良品件数、
ａ2 は最近の一定期間の良品件数（または過去の一定期
間に連続した１ヵ月間の良品件数）、Ａは合計（ａ1＋
ａ2 ）、ｋ1 は過去の一定期間の稼働台数、ｋ2 は最近
の一定期間の稼働台数（または過去の一定期間に連続し
た１ヵ月間の稼働台数）、Ｋは合計（ｋ1 ＋ｋ 2 ）であ
る。
【００３２】上記、分割表の検定式は下記のとおりであ
る。
る。
【００３３】
【数１】
【００３４】ここで、上記数値２．７０５は、χ2 分布
表で危険率１０％で自由度１の場合の基準値である。な
お、この基準値（設定数値）は状況により変更できる。
上記式１の左辺で算出された数値が基準値（上記の場合
は２．７０５）を超えている場合は、上記最近の一定期
間（または過去の一定期間に連続した１ヵ月間）の障害
に有意差があることになり、χ2 検定部３からアラーム
判定部５−１に有意差ありを示す出力が与えられる。
表で危険率１０％で自由度１の場合の基準値である。な
お、この基準値（設定数値）は状況により変更できる。
上記式１の左辺で算出された数値が基準値（上記の場合
は２．７０５）を超えている場合は、上記最近の一定期
間（または過去の一定期間に連続した１ヵ月間）の障害
に有意差があることになり、χ2 検定部３からアラーム
判定部５−１に有意差ありを示す出力が与えられる。
【００３５】ロ．回帰分析部４の説明 回帰分析部４は、上記χ2 検定の場合と同一の期間と同
一の故障モードまたは故障部品を対象として、回帰分析
により障害発生月と障害率との相関関係が正か負かを分
析する。そして、前記相関に正の相関がある場合には、
障害が増加傾向を示して、回帰分析部４からアラーム判
定部５−１に正の相関ありを示す出力が与えられる。
一の故障モードまたは故障部品を対象として、回帰分析
により障害発生月と障害率との相関関係が正か負かを分
析する。そして、前記相関に正の相関がある場合には、
障害が増加傾向を示して、回帰分析部４からアラーム判
定部５−１に正の相関ありを示す出力が与えられる。
【００３６】また、前記相関に負の相関がある場合に
は、障害が減少傾向にあることを示しており、回帰分析
部４からアラーム判定部５−１に負の相関ありを示す出
力が与えられる。
は、障害が減少傾向にあることを示しており、回帰分析
部４からアラーム判定部５−１に負の相関ありを示す出
力が与えられる。
【００３７】アラーム判定部５−１では、χ2 検定で有
意差ありが検定されしかも回帰分析で正の相関があると
分析された場合にアラームを出力する。次に、上記アラ
ームが出力された前記故障モードまたは故障部品につい
て、下記（２）の今後の障害発生件数の予測と下記
（３）の製造月別の障害率の集計を行うことにより故障
の異常性を確認する。
意差ありが検定されしかも回帰分析で正の相関があると
分析された場合にアラームを出力する。次に、上記アラ
ームが出力された前記故障モードまたは故障部品につい
て、下記（２）の今後の障害発生件数の予測と下記
（３）の製造月別の障害率の集計を行うことにより故障
の異常性を確認する。
【００３８】（２）今後の障害発生件数の予測 稼働月別稼働台数障害件数集計部６では、上記（１）で
アラームが出力された故障モードまたは故障部品につい
て、修理情報出荷情報格別部１から稼働月別の稼働台数
と障害件数とを集計する。
アラームが出力された故障モードまたは故障部品につい
て、修理情報出荷情報格別部１から稼働月別の稼働台数
と障害件数とを集計する。
【００３９】次に、信頼度判定部７では、上記集計デー
タにもとづいて、装置を出荷してからの累積ハザード
（故障率）を求め、以下のようにして信頼度を判定す
る。過去に出荷された装置の前記アラームが出力された
故障モードまたは部品の各月の障害率を経過月毎に累積
して累積ハザードを算出する。この累積ハザードをグラ
フにした一例を示すと図３（ａ）の右上がりの累積分布
曲線になる。そして、この累積分布曲線は数式で容易に
表現することができる。
タにもとづいて、装置を出荷してからの累積ハザード
（故障率）を求め、以下のようにして信頼度を判定す
る。過去に出荷された装置の前記アラームが出力された
故障モードまたは部品の各月の障害率を経過月毎に累積
して累積ハザードを算出する。この累積ハザードをグラ
フにした一例を示すと図３（ａ）の右上がりの累積分布
曲線になる。そして、この累積分布曲線は数式で容易に
表現することができる。
【００４０】累積ハザードを示す累積分布関数Ｆ（ｔ）
は例えば次の式２で表すことができる。
は例えば次の式２で表すことができる。
【００４１】
【数２】
【００４２】ここで、ｍは形状パラメータ、γは障害が
発生しはじめる時期を示す位置パラメータ、ｔ0 は尺度
パラメータ（例えば全体の６３％が障害となる時期）、
ｔは時間を示す。
発生しはじめる時期を示す位置パラメータ、ｔ0 は尺度
パラメータ（例えば全体の６３％が障害となる時期）、
ｔは時間を示す。
【００４３】上記式２の関数Ｆ（ｔ）は、ワイブル関数
と呼ばれており、形状パラメータｍの値により、次のよ
うに信頼度の判定ができる。図３（ｂ）はｍの値による
故障率の変化曲線を示している。
と呼ばれており、形状パラメータｍの値により、次のよ
うに信頼度の判定ができる。図３（ｂ）はｍの値による
故障率の変化曲線を示している。
【００４４】ｍ＜１のときは、初期不良型故障を示して
おり、故障率は稼働時間の経過に従って少なくなってい
る。これは稼働時間の経過に従って信頼度が増すことを
示す。
おり、故障率は稼働時間の経過に従って少なくなってい
る。これは稼働時間の経過に従って信頼度が増すことを
示す。
【００４５】ｍ＝１のときは、偶発型故障を示してお
り、故障率は常に一定であり、信頼度を変わらない。ｍ
＞１のときは、摩耗型故障を示しており、故障率は稼働
時間の増加に従って増加している。これは稼働時間の経
過に従って信頼度が低下することを示す。
り、故障率は常に一定であり、信頼度を変わらない。ｍ
＞１のときは、摩耗型故障を示しており、故障率は稼働
時間の増加に従って増加している。これは稼働時間の経
過に従って信頼度が低下することを示す。
【００４６】障害件数予測部８では前記式２の累積分布
関数Ｆ（ｔ）より、前記故障モードまたは故障部毎の今
後の累積ハザードを求める。そして、この求めた累積ハ
ザードと出荷された装置（または今後出荷予定の同一装
置）の台数から、今後の障害件数の予測を行うことがで
きる。
関数Ｆ（ｔ）より、前記故障モードまたは故障部毎の今
後の累積ハザードを求める。そして、この求めた累積ハ
ザードと出荷された装置（または今後出荷予定の同一装
置）の台数から、今後の障害件数の予測を行うことがで
きる。
【００４７】図４は、一例として、それぞれ１月、２
月、３月に出荷された装置について、時期（時間）の経
過により今後予測される故障数を各月の出荷台数と累積
分布関数Ｆ（ｔ）より１月出荷分ｂ、２月出荷分ｃ、３
月出荷分ｄのように予測し、その合計故障件数ｅ（ｅ＝
ｂ＋ｃ＋ｄ）の予測を求めたものを示す。
月、３月に出荷された装置について、時期（時間）の経
過により今後予測される故障数を各月の出荷台数と累積
分布関数Ｆ（ｔ）より１月出荷分ｂ、２月出荷分ｃ、３
月出荷分ｄのように予測し、その合計故障件数ｅ（ｅ＝
ｂ＋ｃ＋ｄ）の予測を求めたものを示す。
【００４８】なお、図４では、前記信頼度判定部７で決
定した累積分布関数Ｆ（ｔ）のｍがｍ＞１の場合の障害
件数の予測である。ここで１月〜３月出荷分の故障数の
曲線ｂ〜ｄは、前記の如く、ｍ＞１では故障率が時間経
過とともに増加するのに比較して、最初増加してその後
減少している。この減少は、故障が発生するとそれに伴
って稼働台数が減少するため、故障率が増加しても故障
数は、逆に減少することを示す。
定した累積分布関数Ｆ（ｔ）のｍがｍ＞１の場合の障害
件数の予測である。ここで１月〜３月出荷分の故障数の
曲線ｂ〜ｄは、前記の如く、ｍ＞１では故障率が時間経
過とともに増加するのに比較して、最初増加してその後
減少している。この減少は、故障が発生するとそれに伴
って稼働台数が減少するため、故障率が増加しても故障
数は、逆に減少することを示す。
【００４９】（３）製造月別の障害率の集計 製造月別稼働台数障害件数集計部９では、修理情報出荷
情報格納部１から、前記（１）でアラームが出力された
故障モードまたは故障部品について、その製造月別の稼
働台数と障害件数とを集計して製造月別の故障率を出力
する。これにより、製造月の故障率の異常（偏り）を調
査することができ、製造月の異常の分析を行うことがで
きる。
情報格納部１から、前記（１）でアラームが出力された
故障モードまたは故障部品について、その製造月別の稼
働台数と障害件数とを集計して製造月別の故障率を出力
する。これにより、製造月の故障率の異常（偏り）を調
査することができ、製造月の異常の分析を行うことがで
きる。
【００５０】以上のように本発明においては、修理情報
出荷情報格納部１に修理情報および出荷情報のデータを
タイムリに入力することにより前記（１）のアラームの
判定、（２）の今後の障害発生件数の予測、（３）の製
造月別の障害率の集計等の品質データ分析を自動的に行
っている。
出荷情報格納部１に修理情報および出荷情報のデータを
タイムリに入力することにより前記（１）のアラームの
判定、（２）の今後の障害発生件数の予測、（３）の製
造月別の障害率の集計等の品質データ分析を自動的に行
っている。
【００５１】以上一実施例について説明したが、本発明
はこれに限定されるものではなく、本発明は次のように
しても実施可能である。 前記実施例では、前記アラーム判定部５−１からアラ
ームが出力された故障モードまたは故障部品に対し今後
の障害件数の予測と製造月別の障害率の集計を行った
が、アラーム出力とは関係なく今後の障害件数の予測、
及び製造月別の障害率の集計はそれぞれ単独で行うこと
ができる。
はこれに限定されるものではなく、本発明は次のように
しても実施可能である。 前記実施例では、前記アラーム判定部５−１からアラ
ームが出力された故障モードまたは故障部品に対し今後
の障害件数の予測と製造月別の障害率の集計を行った
が、アラーム出力とは関係なく今後の障害件数の予測、
及び製造月別の障害率の集計はそれぞれ単独で行うこと
ができる。
【００５２】発生月別稼働台数障害件数集計部２、稼
働台数障害件数集計部６及び製造月別稼働台数障害件数
集計部９には、それぞれグラフ作成機能を持たせること
ができる。
働台数障害件数集計部６及び製造月別稼働台数障害件数
集計部９には、それぞれグラフ作成機能を持たせること
ができる。
【００５３】前記χ2 検定での一定期間を６ヵ月とし
たが、これに限らず３ヵ月、１年、または一定日毎等適
当に設定することができる。 前記χ2 検定では、過去の一定期間とそれに連続した
最近の一定期間としたが、過去の一定期間と最近の一定
期間は連続させる必要はなく、これらの期間をあけたも
のでχ2 検定を行うことができる。
たが、これに限らず３ヵ月、１年、または一定日毎等適
当に設定することができる。 前記χ2 検定では、過去の一定期間とそれに連続した
最近の一定期間としたが、過去の一定期間と最近の一定
期間は連続させる必要はなく、これらの期間をあけたも
のでχ2 検定を行うことができる。
【００５４】
【発明の効果】以上説明したように、本発明によれば次
のような効果がある。 故障モードまたは故障部品毎の障害の増加傾向を検定
することで、その障害の改善対策を早期に行うことがで
きる。
のような効果がある。 故障モードまたは故障部品毎の障害の増加傾向を検定
することで、その障害の改善対策を早期に行うことがで
きる。
【００５５】今後の障害発生件数の予測を行うことに
より異常の確認が確実に行える。 製造月別の障害率を集計することにより、製造月の障
害の偏りを確認できる。
より異常の確認が確実に行える。 製造月別の障害率を集計することにより、製造月の障
害の偏りを確認できる。
【００５６】χ2 検定で有意差あり回帰分析で負の相
関があれば故障モードまたは故障部品の改善対策の傾向
を確認することができる。 修理情報出荷情報格納部１のデータベースから発生月
別稼働台数障害件数集計部２、稼働月別稼働台数障害件
数集計部６および製造月別稼働台数障害件数集計部９に
自動的にデータを入力できるようにすることにより、各
分析の自動化を行うことができる。
関があれば故障モードまたは故障部品の改善対策の傾向
を確認することができる。 修理情報出荷情報格納部１のデータベースから発生月
別稼働台数障害件数集計部２、稼働月別稼働台数障害件
数集計部６および製造月別稼働台数障害件数集計部９に
自動的にデータを入力できるようにすることにより、各
分析の自動化を行うことができる。
【図１】本発明の原理説明図である。
【図２】本発明の一実施例の構成図である。
【図３】本発明の分析状態説明図である。
【図４】本発明における障害件数の予測状態説明図であ
る。
る。
【図５】従来例の説明図である。
【図６】従来の月別障害率の説明図である。
１ 修理情報出荷情報格納部 ２ 発生月別稼働台数障害件数集計部 ３ χ2 検定部 ４ 回帰分析部 ５ 判定部 ５−１ アラーム判定部 ６ 稼働月別稼働台数障害件数集計部 ７ 信頼度判定部 ８ 障害件数予測部 ９ 製造月別稼働台数障害件数集計部
Claims (4)
- 【請求項１】 修理情報と出荷情報を格納する修理情報
出荷情報格納部（１）と、 前記修理情報出荷情報格納部（１）から故障モードまた
は故障部品毎の障害発生月別の稼働台数と障害件数を集
計する発生月別稼働台数障害件数集計部（２）と、 過去の一定期間と最近の一定期間を対象期間として前記
故障モードまたは故障部品毎に最近の一定期間の障害に
有意差があるかを検定するχ2 検定部（３）と、 前記
χ2 検定部（３）の対象期間の前記故障モード又または
故障部品毎の障害発生月と障害率との相関関係を分析す
る回帰分析部（４）と、 前記χ2 検定部（３）の出力信号と、前記回帰分析部
（４）の出力信号が入力される判定部（５）を具備する
ことを特徴とする品質データ分析装置。 - 【請求項２】 前記χ2 検定部で有意差があると検定さ
れ更に前記回帰分析部で正の相関があると分析されたと
きアラームを出力するアラーム判定部と、 前記アラーム判定部の出力により、前記修理情報出荷情
報格納部から前記故障モード又は故障部品毎の稼働月別
の稼働台数と障害件数とを集計する稼働月別稼働台数障
害件数集計部と、 前記故障モードまたは故障部品毎の累積ハザードを決定
する信頼度判定部と、 前記決定した信頼度判定部の累積ハザードから今後の障
害件数を予測する障害件数予測部とを具備することを特
徴とする請求項１記載の品質データ分析装置。 - 【請求項３】 前記χ2 検定部（３）で有意差があると
検定され更に前記回帰分析部（４）で正の相関があると
分析されたときアラームを出力するアラーム判定と、 前記アラーム判定部の出力により、前記修理情報出荷情
報格納部から前記故障モードまたは故障部品毎の製造月
別の稼働台数と障害件数を集計する製造月別稼働台数障
害件数集計部とを具備することを特徴とする請求項１記
載の品質データ分析装置。 - 【請求項４】 修理情報と出荷情報を格納する修理情報
出荷情報格納部（１）と、 前記修理情報出荷情報格納部（１）から故障モードまた
は故障部品毎の稼働月別の稼働台数と障害件数とを集計
する稼働月別稼働台数障害件数集計部（６）と、 前記故障モードまたは故障部品毎に前記稼働月別の故障
率の累積分布を決定する信頼度判定部（７）と、 前記信頼度判定部（７）で決定した累積分布から、出荷
時期毎に今後の障害数を求め、その求めた障害数を各時
期毎に合計して障害件数の予測を行う障害件数予測部
（８）を具備することを特徴とする品質データ分析装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21375193A JPH0765068A (ja) | 1993-08-30 | 1993-08-30 | 品質データ分析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21375193A JPH0765068A (ja) | 1993-08-30 | 1993-08-30 | 品質データ分析装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0765068A true JPH0765068A (ja) | 1995-03-10 |
Family
ID=16644426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP21375193A Withdrawn JPH0765068A (ja) | 1993-08-30 | 1993-08-30 | 品質データ分析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0765068A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003096244A1 (fr) * | 2002-05-13 | 2003-11-20 | Honda Giken Kogyo Kabushiki Kaisha | Systeme de prediction de demande de composant de reparation |
| US6751574B2 (en) | 2001-02-13 | 2004-06-15 | Honda Giken Kogyo Kabushiki Kaisha | System for predicting a demand for repair parts |
| KR100711628B1 (ko) * | 1998-04-22 | 2007-04-30 | 이촤지 코포레이션 | 인터넷을 통한 상품, 서비스 및 컨텐츠 주문 방법 및 장치 |
| WO2016204119A1 (ja) * | 2015-06-15 | 2016-12-22 | 三菱電機ビルテクノサービス株式会社 | 多次元データ分析支援装置 |
| WO2020137037A1 (ja) * | 2018-12-28 | 2020-07-02 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
-
1993
- 1993-08-30 JP JP21375193A patent/JPH0765068A/ja not_active Withdrawn
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100711628B1 (ko) * | 1998-04-22 | 2007-04-30 | 이촤지 코포레이션 | 인터넷을 통한 상품, 서비스 및 컨텐츠 주문 방법 및 장치 |
| US6751574B2 (en) | 2001-02-13 | 2004-06-15 | Honda Giken Kogyo Kabushiki Kaisha | System for predicting a demand for repair parts |
| WO2003096244A1 (fr) * | 2002-05-13 | 2003-11-20 | Honda Giken Kogyo Kabushiki Kaisha | Systeme de prediction de demande de composant de reparation |
| WO2016204119A1 (ja) * | 2015-06-15 | 2016-12-22 | 三菱電機ビルテクノサービス株式会社 | 多次元データ分析支援装置 |
| JP2017004407A (ja) * | 2015-06-15 | 2017-01-05 | 三菱電機ビルテクノサービス株式会社 | 多次元データ分析支援装置 |
| CN107636703A (zh) * | 2015-06-15 | 2018-01-26 | 三菱电机大楼技术服务株式会社 | 多维数据分析辅助装置 |
| WO2020137037A1 (ja) * | 2018-12-28 | 2020-07-02 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
| JPWO2020137037A1 (ja) * | 2018-12-28 | 2021-09-09 | 三菱電機株式会社 | 品質管理装置、品質管理システム、品質管理方法、及び品質管理プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11403160B2 (en) | Fault predicting system and fault prediction method | |
| US7698011B2 (en) | Operating condition monitoring apparatus, method for monitoring operating condition and program | |
| US7379782B1 (en) | System and method of monitoring and quantifying performance of an automated manufacturing facility | |
| US10296408B2 (en) | Operation management apparatus, operation management method, and program | |
| US10109122B2 (en) | System for maintenance recommendation based on maintenance effectiveness estimation | |
| JP5375829B2 (ja) | 運用管理装置、運用管理方法、および運用管理プログラム | |
| WO2016161263A1 (en) | Predictive analytic reliability tool set for detecting equipment failures | |
| TWI646414B (zh) | 不良原因推定裝置以及不良原因推定方法 | |
| JP2017068816A (ja) | 管理システム | |
| CN112180230B (zh) | 芯片测试参数异常的侦测方法、存储介质、终端 | |
| US20180189741A1 (en) | Inspection management system and inspection management method | |
| US20120116827A1 (en) | Plant analyzing system | |
| JP2009086896A (ja) | コンピュータの障害予測システムおよび障害予測方法 | |
| CN114416826A (zh) | 一种设备点检数据统计方法、分析方法及计算机存储介质 | |
| CN106980998A (zh) | 商家交易异常的监控方法和装置 | |
| CN117689269A (zh) | 一种智能手表加工阶段的故障溯源方法 | |
| US20070274304A1 (en) | Fail rate method for fast measurement of equipment reliabiliy | |
| JPH0765068A (ja) | 品質データ分析装置 | |
| US20200159183A1 (en) | Quality analysis device and quality analysis method | |
| EP3955707A1 (en) | Method and system for predicting a failure probability of a component of an x-ray system | |
| CN116720091A (zh) | 一种电机故障分析方法 | |
| JPH05253797A (ja) | ライン異常判定方式 | |
| JP4853373B2 (ja) | 検査対象製品選定方法および検査対象製品選定プログラム | |
| GB2372610A (en) | Monitoring the assembly of a product from a workpiece | |
| Torell et al. | Performing effective MTBF comparisons for data center infrastructure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20001031 |