特許 7406441 製造不良要因探索方法、及び製造不良要因探索装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-12-19

(45)【発行日】2023-12-27

(54)【発明の名称】製造不良要因探索方法、及び製造不良要因探索装置

(51)【国際特許分類】

   G05B 19/418 20060101AFI20231220BHJP

   G06Q 50/04 20120101ALI20231220BHJP

【ＦＩ】

G05B19/418 Z

G06Q50/04

【請求項の数】 12

(21)【出願番号】P 2020069850

(22)【出願日】2020-04-08

(65)【公開番号】P2021166001

(43)【公開日】2021-10-14

【審査請求日】2023-02-22

(73)【特許権者】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110000198

【氏名又は名称】弁理士法人湘洋特許事務所

(72)【発明者】

【氏名】玉置 研二

【審査官】石田 宏之

(56)【参考文献】

【文献】特許第６８４９３１２（ＪＰ，Ｂ２）

【文献】特許第６３６５０２９（ＪＰ，Ｂ２）

【文献】特開２０１４－１１９７６６（ＪＰ，Ａ）

【文献】特開２０１１－１１３１９５（ＪＰ，Ａ）

【文献】特開２０１９－００３４５３（ＪＰ，Ａ）

【文献】特開２０１２－２２０９７８（ＪＰ，Ａ）

【文献】国際公開第２０２０／１６６２３６（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０１５／０３３８８４７（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０５Ｂ １９／４１８

Ｇ０６Ｑ ５０／０４

(57)【特許請求の範囲】

【請求項1】

製品の製造ラインから収集した多変量の製造監視データと、前記製造ラインによって製造された前記製品の検査結果を表す製品検査データとの対応関係に基づき、前記製造監視データを前記検査結果が良品の集合と前記検査結果が不良品の集合とに分類する分類ステップと、
前記製造監視データの各項目について、前記良品の集合及び前記不良品の集合それぞれの統計分布に近似した混合分布関数を推定する推定ステップと、
前記混合分布関数を成分分解する成分分解ステップと、
前記製造監視データの項目のうち、製造品質不良と相関を有する分解成分を含む項目をリスト化するリスト化ステップと、
を含むことを特徴とする製造不良要因探索方法。

【請求項2】

請求項１に記載の製造不良要因探索方法であって、
前記混合分布関数を成分分解した成分毎に、前記製造監視データの項目の値に対する製造品質不良率を定義する製造品質不良率関数を計算する計算ステップ、を含み、
前記リスト化ステップは、前記製造品質不良率に基づいて前記製造監視データの項目をリスト化する
ことを特徴とする製造不良要因探索方法。

【請求項3】

請求項２に記載の製造不良要因探索方法であって、
前記製造品質不良率関数を用いて前記製造監視データの項目の統計分布の分解成分の不良感度指標を計算する不良感度指標計算ステップ、を含み、
前記リスト化ステップは、前記不良感度指標の値を降順にソートして前記製造監視データの項目をリスト化する
ことを特徴とする製造不良要因探索方法。

【請求項4】

請求項３に記載の製造不良要因探索方法であって、
前記不良感度指標計算ステップは、前記不良感度指標として、
前記製造品質不良率関数の値と前記製造監視データの項目の値との不良率関数相関、
統計分布の信頼区間内の前記製造品質不良率関数の最大値、
前記製造品質不良率関数の値が高い不良予測区間に含まれる製品の不良の真偽と予測の陽性陰性の区分数から求まる不良予測精度、
前記製造品質不良率関数の値が高い不良予測区間に含まれる製品の不良の真偽と予測の陽性陰性の区分数から求まる不良予測再現率、
及び、前記不良予測精度と前記不良予測再現率との調和平均であるＦ値、
のうちの少なくとも一つを算出する
ことを特徴とする製造不良要因探索方法。

【請求項5】

請求項１に記載の製造不良要因探索方法であって、
前記製造監視データには、前記製造ラインで同じ役割を果たすための互換性が想定されている複数の製造要素の集合から成る製造属性データが含まれ、
前記混合分布関数を成分分解した成分毎に、前記製造属性データの項目の要素の不良製品責任率を計算する不良製品責任率計算ステップ、を含み、
前記リスト化ステップは、前記不良製品責任率に基づいて前記製造属性データの項目をリスト化する
ことを特徴とする製造不良要因探索方法。

【請求項6】

請求項５に記載の製造不良要因探索方法であって、
前記製造属性データの項目は、供給元、製造装置、検査装置、及び作業員のうちの少なくとも一つを含む
ことを特徴とする製造不良要因探索方法。

【請求項7】

請求項１に記載の製造不良要因探索方法であって、
前記リスト化ステップによってリスト化された前記製造監視データの項目のリストを表示する表示ステップ、を含む
ことを特徴とする製造不良要因探索方法。

【請求項8】

製品の製造ラインから収集した多変量の製造監視データと、前記製造ラインによって製造された前記製品の検査結果を表す製品検査データとの対応関係に基づき、前記製造監視データを前記検査結果が良品の集合と前記検査結果が不良品の集合とに分類する前処理部と、
前記製造監視データの各項目について、前記良品の集合及び前記不良品の集合それぞれの統計分布に近似した混合分布関数を推定する混合分布関数推定部と、
前記混合分布関数を成分分解する成分分解部と、
前記製造監視データの項目のうち、製造品質不良と相関を有する分解成分を含む項目をリスト化する画面生成部と、
を備えることを特徴とする製造不良要因探索装置。

【請求項9】

請求項８に記載の製造不良要因探索装置であって、
前記混合分布関数を成分分解した成分毎に、前記製造監視データの項目の値に対する製造品質不良率を定義する製造品質不良率関数を計算する不良感度指標計算部、を備え、
前記画面生成部は、前記製造品質不良率に基づいて前記製造監視データの項目をリスト化する
ことを特徴とする製造不良要因探索装置。

【請求項10】

請求項９に記載の製造不良要因探索装置であって、
前記不良感度指標計算部は、前記製造品質不良率関数を用いて前記製造監視データの項目の統計分布の分解成分の不良感度指標を計算し、
前記画面生成部は、前記不良感度指標の値を降順にソートして前記製造監視データの項目をリスト化する
ことを特徴とする製造不良要因探索装置。

【請求項11】

請求項１０に記載の製造不良要因探索装置であって、
前記不良感度指標計算部は、前記不良感度指標として、
前記製造品質不良率関数の値と前記製造監視データの項目の値との不良率関数相関、
統計分布の信頼区間内の前記製造品質不良率関数の最大値、
前記製造品質不良率関数の値が高い不良予測区間に含まれる製品の不良の真偽と予測の陽性陰性の区分数から求まる不良予測精度、
前記製造品質不良率関数の値が高い不良予測区間に含まれる製品の不良の真偽と予測の陽性陰性の区分数から求まる不良予測再現率、
及び、前記不良予測精度と前記不良予測再現率との調和平均であるＦ値、
のうちの少なくとも一つを算出する
ことを特徴とする製造不良要因探索装置。

【請求項12】

請求項８に記載の製造不良要因探索装置であって、
前記製造監視データには、前記製造ラインで同じ役割を果たすための互換性が想定されている複数の製造要素の集合から成る製造属性データが含まれ、
前記混合分布関数を成分分解した成分毎に、前記製造属性データの項目の要素の不良製品責任率を計算する成分責任率関数計算部、を備え、
前記画面生成部は、前記不良製品責任率に基づいて前記製造属性データの項目をリスト化する
ことを特徴とする製造不良要因探索装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、製造不良要因探索方法、及び製造不良要因探索装置に関する。

【背景技術】

【0002】

製品や製品を構成する部品の成形、加工、組立を行う製造ラインにおける製品品質を向上するためには、製造ラインから製造監視データを収集し、最終製品の検査結果と対応付けて統計解析を行い、製品の品質低下の要因を探索し、その要因を除外したり、抑制したりする対策を行う必要がある。ここで、製造監視データには、成形、加工、組立を行う製造装置の圧力や温度等の製造条件監視データ、製造途中の部品や中間製品の検査結果である中間製品検査データが含まれる。

【0003】

統計解析の方法として、例えば、特許文献１には、製品サンプルの製造監視データの任意の項目（パラメータ）の値のばらつきを統計分布関数（正規分布関数、一様分布関数、ウェイブル分布関数等）を用いて近似して標準偏差等の数学的解析値を得る方法が記載されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２００１－７６０５４号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、製造ラインを構成する各工程において同一の作業を複数の製造装置で分担している場合、同一の作業を行う個々の製造装置が、共通の製造監視データの項目において異なる値を示してしまい、ばらつき生成因子と成り得る。

【0006】

以下、本明細書では、製造ラインで同じ役割を果たすために用いられる複数の製造装置の集合を「製造属性」と定義する。製造属性は、同じ役割を果たす複数の要素を含む製造離散変数である。製造属性には、複数の製造装置の他、同一作業を担当する複数の作業者、同じ材料や部品を製造ラインに供給する複数の供給元等がある。

【0007】

同じ役割を果たす複数の要素から構成される製造属性を持つ製造ラインから収集する製造監視データの任意の項目（パラメータ）について、製造属性の各要素が個別のばらつき生成因子と成り得るために、その統計分布は多峰性を持つ形状を示したり、歪度（傾き）が大きい形状を示したり、尖度が大きいまたは小さい形状を示したり、これらが組み合わさった複雑な形状を示したりすることがある。

【0008】

このような場合、通常用いられる統計分布関数を当て嵌めて標準偏差等の数学的解析値を得る従来の方法では、製造不良の要因を高い精度で探索することができない。

【0009】

また、従来の方法を有効に作用させるためには、製造監視データを製造属性要素別に分割する前処理（層別処理）を事前に行う方法がある。前処理を行うには、事前に大量の製造監視データを蓄積する必要があり、製造品質不良の発生に応じた迅速な要因探索や、生産量が少ない製品の製造品質不良の要因探索が困難である。

【0010】

本発明は、上記の点に鑑みてなされたものであり、不良品に対して感度が高い製造監視データの項目を高精度で探索できるようにすることを目的とする。

【課題を解決するための手段】

【0011】

本願は、上記課題の少なくとも一部を解決する手段を複数含んでいるが、その例を挙げるならば、以下の通りである。

【0012】

上記課題を解決するため、本発明の一態様に係る製造不良要因探索方法は、製品の製造ラインから収集した多変量の製造監視データと、前記製造ラインによって製造された前記製品の検査結果を表す製品検査データとの対応関係に基づき、前記製造監視データを前記検査結果が良品の集合と前記検査結果が不良品の集合とに分類する分類ステップと、前記製造監視データの各項目について、前記良品の集合及び前記不良品の集合それぞれの統計分布に近似した混合分布関数を推定する推定ステップと、前記混合分布関数を成分分解する成分分解ステップと、前記製造監視データの項目のうち、製造品質不良との関係が大きい分解成分を含む項目をリスト化するリスト化ステップと、を含むことを特徴とする。

【発明の効果】

【0013】

本発明によれば、不良品に対して感度が高い製造監視データの項目を高精度で探索することができる。

【0014】

上記した以外の課題、構成、及び効果は、以下の実施形態の説明により明らかにされる。

【図面の簡単な説明】

【0015】

【図1】図１は、本発明の一実施形態に係る製造不良要因探索装置の構成例を示す図である。

【図2】図２は、製造条件監視データ不良要因項目探索処理の一例を説明するフローチャートである。

【図3】図３は、製造条件監視データ不良要因項目探索処理に用いるデータテーブルの一例を示す図である。

【図4】図４は、不良感度指標の計算方法を説明するための図であり、図４（Ａ）は不良品の統計分布、図４（Ｂ）は良品の統計分布、図４（Ｃ）は不良率関数をそれぞれ示す図である。

【図5】図５は、製造条件監視データ不良要因項目探索処理による探索結果画面の表示例を示す図である。

【図6】図６は、製造属性項目要素探索処理の一例を説明するフローチャートである。

【図7】図７は、製造属性項目要素探索処理に用いるデータテーブルの一例を示す図である。

【図8】図８は、製造属性項目要素探索処理による探索結果画面の表示例を示す図である。

【図9】図９は、変形例を説明するための図であり、図９（Ａ）は不良品の２次元頻度分布、図９（Ｂ）は不良品の２次元分解成分関数、図９（Ｃ）は良品の２次元頻度分布、図９（Ｄ）は良品の２次元分解成分関数をそれぞれ示す図である。

【発明を実施するための形態】

【0016】

以下、本発明の一実施形態について図面を参照して説明する。なお、実施形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。また、以下の実施形態において、その構成要素（要素ステップ等も含む）は、特に明示した場合および原理的に明らかに必須であると考えられる場合等を除き、必ずしも必須のものではないことは言うまでもない。また、「Ａからなる」、「Ａよりなる」、「Ａを有する」、「Ａを含む」と言うときは、特にその要素のみである旨明示した場合等を除き、それ以外の要素を排除するものでないことは言うまでもない。同様に、以下の実施形態において、構成要素等の形状、位置関係等に言及するときは、特に明示した場合および原理的に明らかにそうでないと考えられる場合等を除き、実質的にその形状等に近似または類似するもの等を含むものとする。

【0017】

＜本発明の一実施形態に係る製造不良要因探索装置１０の構成例＞
図１は、本発明の一実施形態に係る製造不良要因探索装置１０の構成例を示している。

【0018】

製造不良要因探索装置１０は、ネットワーク２を介して製造ライン４から製造監視データを収集し、収集した製造監視データに基づき、製品に生じた品質低下の要因を探索するためのものである。

【0019】

ネットワーク２は、インターネット、携帯電話通信網等に代表される双方向通信網である。製造実行システム（ＭＥＳ:Manufacturing Execution System）３は、ネットワーク２を介して製造ライン４に接続し、製造ライン４における各工程の状態の把握、管理、作業者への指示や支援等を実行する。

【0020】

製造ライン４は、投入工程４ａ、製品製造工程４ｂ、中間製品検査工程４ｃ、及び最終製品検査工程４ｄの４工程から成る。

【0021】

投入工程４ａは、材料または部品を製造ライン４に投入する工程である。投入工程４ａには、製造属性として、同一の材料または部品を供給する複数の供給元４ａｒ（図１の例では、２社の供給元４ａｒ１，４ａｒ２）が存在する。

【0022】

製品製造工程４ｂは、材料または部品に対して、成形、加工、及び組立等の作業を行う工程である。製品製造工程４ｂには、製造属性として、同一の作業を実行する複数の製造装置４ｂｔ（図１の例では、２台の製造装置４ｂｔ１，４ｂｔ２）、及び複数の作業者（人）４ｂｍ（図１の例では、二人の作業者４ｂｍ１，４ｂｍ２）が配置されている。

【0023】

中間製品検査工程４ｃは、製品製造工程４ｂが出力した中間製品に対して検査を行う工程である。中間製品検査工程４ｃには、製造属性として、同一の検査を実行する複数の検査装置４ｃｔ（図１の例では、２台の検査装置４ｃｔ１，４ｃｔ２）が配置されている。

【0024】

最終製品検査工程４ｄは、製品製造工程４ｂ及び中間製品検査工程４ｃを繰り返すことによって製造された最終製品の検査を行う工程である。最終製品検査工程４ｄには、最終製品を検査し、その良否を最終製品検査データとして出力する検査装置４ｄｔが配置されている。最終製品検査データは、良品または不良品の一方を表す２値データであってもよいし、良否の程度を表す数値データであってもよい。

【0025】

製造不良要因探索装置１０は、ＣＰＵ(Central Processing Unit)等のプロセッサ、メモリ、ストレージ、通信モジュール、入力デバイス、表示デバイス等を備える一般的なコンピュータから成る。製造不良要因探索装置１０は、処理部１１、通信部１２、入力部１３、表示部１４、及び記憶部１５の各機能ブロックを有する。

【0026】

処理部１１は、コンピュータが備えるプロセッサから成り、製造不良要因探索装置１０の全体を制御する。処理部１１は、統括部１１１、前処理部１１２、混合分布関数推定部１１３、成分分解部１１４、不良感度指標計算部１１５、成分責任率関数計算部１１６、及び画面生成部１１７の各機能ブロックを有する。これらの機能ブロックは、処理部１１としてのプロセッサが所定のプログラムを実行することにより実現される。

【0027】

通信部１２は、コンピュータが備える通信モジュールから成り、ネットワーク２を介して製造ライン４と接続し、各種のデータを受信する。入力部１３は、コンピュータが備えるキーボード、マウス、タッチパッド等の入力デバイスから成り、ユーザからの各種の操作入力を受け付けて処理部１１に出力する。表示部１４は、コンピュータが備える液晶ティスプレイ等の表示デバイスから成り、探索結果画面５００（図５）等を表示する。

【0028】

記憶部１５は、コンピュータが備えるメモリ及びストレージから成る。記憶部１５には、製造監視データ１５１、最終製品検査データ１５２、計算仕様データ１５３、及び計算結果データ１５４が格納される。

【0029】

製造監視データ１５１は、製造ライン４から収集されるものである。製造監視データ１５１には、製造条件監視データ１５１ａ、中間製品検査データ１５１ｂ、及び製造属性使用要素履歴データ１５１ｃが含まれる。

【0030】

製造条件監視データ１５１ａは、製品製造工程４ｂの成形作業時の温度、加工作業時の速度、組立作業時のトルク等の計測値である。中間製品検査データ１５１ｂは、中間製品検査工程４ｃで計測された中間製品や部品の寸法、重量等の計測値である。製造属性使用要素履歴データ１５１ｃは、投入工程４ａで切り替えて使用される製造属性の要素（供給元４ａｒ１，４ａｒ２）、製品製造工程４ｂで切り替えて使用される製造属性の要素（製造装置４ｂｔ１，４ｂｔ２）、製品製造工程４ｂで担当が切り替えられる製造属性の要素（作業者４ｂｍ１，４ｂｍ２）、中間製品検査工程４ｃで切り替えて使用される製造属性の要素（検査装置４ｃｔ１，４ｃｔ２）等の使用履歴である。

【0031】

最終製品検査データ１５２は、製造ライン４の最終製品検査工程４ｄから収集されるものである。計算仕様データ１５３は、各種関数の計算式やその係数等からなり、記憶部１５に予め格納されている。計算結果データ１５４は、各種関数の計算結果である。なお、記憶部１５には、これら以外のデータを格納してもよい。

【0032】

処理部１１の統括部１１１は、前処理部１１２、混合分布関数推定部１１３、成分分解部１１４、不良感度指標計算部１１５、成分責任率関数計算部１１６、及び画面生成部１１７それぞれによる処理を統括する。

【0033】

前処理部１１２は、通信部１２を介して製造ライン４から製造監視データ１５１を収集して記憶部１５に格納する。また、前処理部１１２は、通信部１２を介して製造ライン４の最終製品検査工程４ｄから最終製品検査データ１５２を収集して記憶部１５に格納する。さらに、前処理部１１２は、製造監視データ１５１及び最終製品検査データ１５２に基づき、データテーブル３００（図３），７００（図７）を生成して前処理を実行する。

【0034】

なお、製造監視データ１５１及び最終製品検査データ１５２の各レコードには、製造実行システム３が製品を一意に管理するために付与した識別情報（例えば製品番号）が記録されている。したがって、任意の製品についての製造監視データ１５１のレコードと、最終製品検査データ１５２のレコードとを容易に対応付けることが可能である。

【0035】

混合分布関数推定部１１３は、最終製品の検査結果が良品とされた集合と検査結果が不良品とされた集合それぞれの製造監視データにおける各項目の値の頻度分布に対して混合分布関数の推定を行う。成分分解部１１４は、混合分布関数を成分分解し、１または複数の分解成分関数を生成する。不良感度指標計算部１１５は、推定された不良品の混合分布関数の各成分ｋの分解成分関数に対して成分不良率関数を計算し、製造条件監視データ１５１ａの各項目における各成分の不良感度を示す不良感度指標を計算する。成分責任率関数計算部１１６は、製造条件監視データ１５１ａの各項目における各成分の責任率関数を計算する。

【0036】

画面生成部１１７は、探索結果画面５００（図５），８００（図８）を表示させるための映像信号を生成し、表示部１４に表示させる。

【0037】

＜製造不良要因探索装置１０による製造条件監視データ不良要因項目探索処理＞
次に、図２は、製造不良要因探索装置１０による製造条件監視データ不良要因項目探索処理の一例を説明するフローチャートである。

【0038】

製造条件監視データ不良要因項目探索処理は、最終製品検査工程４ｄで製品が不良品として検出される要因となっている製造条件監視データの項目を探索するための処理である。

【0039】

製造条件監視データ不良要因項目探索処理は、例えば、日毎、週毎、月毎等の周期的機会に実行される。または、最終製品検査工程４ｄで不良品が検出された場合に実行されるようにしてもよい。前提として、すでに記憶部１５には、製造監視データ１５１及び最終製品検査データ１５２が格納されているものとする。

【0040】

はじめに、前処理部１１２が、記憶部１５に予め格納されている製造監視データ１５１の製造条件監視データ１５１ａと最終製品検査データ１５２とを各製品の識別情報（製品番号）に基づき対応付けて、データテーブル３００（図３）を生成し、記憶部１５に一時的に格納する（ステップＳ１）。

【0041】

図３は、ステップＳ１で生成されるデータテーブル３００の一例を示している。データテーブル３００は、製品番号フィールド３０１、製造条件監視データ項目フィールド３０２、及び最終製品検査結果フィールド３０３を有している。データテーブル３００には、製造された各製品のレコードとして、製品番号に対応付けて、複数の製造条件監視データ項目の値と最終製品検査結果とが記録される。

【0042】

なお、データテーブル３００に、中間製品検査データ項目フィールドを追加し、製品番号に対応付けて、中間製品検査データ項目の検査結果を記録するようにしてもよい。そして、中間製品検査データの項目についての製造不良要因探索を行うようにしてもよい。

【0043】

なお、最終製品検査データ１５２が最終製品の良否の程度を表す数値データである場合、前処理部１１２が、最終製品検査データ１５２としての数値データと不良品判定用の閾値とを比較し、比較結果に応じて良品または不良品に二値化して最終製品検査結果フィールド３０３に記録する。最終製品検査データ１５２が良品または不良品の二値化データである場合には、そのまま最終製品検査結果フィールド３０３に記録すればよい。

【0044】

図２に戻る。次に、前処理部１１２が、データテーブル３００の最終製品検査結果（良品なたは不良品）に基づき、データテーブル３００のレコードを良品の集合と不良品の集合とに分類する（ステップＳ２）。分類された各集合は、製品番号が元（要素）とされる。

【0045】

次に、統括部１１１が、第１のループＬ１（ステップＳ３～Ｓ１１）を開始する。第１のループＬ１の始めに、統括部１１１が、複数の製造条件監視データの項目（ｘ_1，ｘ_2，・・・，ｘ_p）に順次１項目ずつ着目する（ステップＳ３）。

【0046】

次に、統括部１１１が、混合分布関数推定部１１３を制御して第２のループＬ２（ステップＳ４～Ｓ６）を開始する。第２のループＬ２の１巡目では、混合分布関数推定部１１３が、データテーブル３００の良品の集合に着目し（ステップＳ４）、良品の頻度分布に対して混合分布関数の推定を行う（ステップＳ５）。この後、処理をステップＳ４に戻し（ステップＳ６）、第２のループＬ２の２巡目では、混合分布関数推定部１１３が、データテーブル３００の不良品の集合に着目し（ステップＳ４）、不良品の頻度分布に対して混合分布関数の推定を行う（ステップＳ５）。

【0047】

混合分布関数は、既存の任意の分布関数を要素成分として、混合率パラメータで指定される割合で成分群の総和を取った関数である。要素成分の分布関数としては、例えば正規分布関数を採用することができる。混合正規分布関数で推定すべきパラメータは、混合正規分布関数のパラメータ（混合成分数、混合率パラメータ、各正規分布成分の位置パラメータ（平均）と尺度パラメータ（標準偏差））、及び、各データ点の所属成分を示す潜在変数である。推定方法としては、機械学習の各種方法（ｋ－ｍｅａｎｓクラスタリング、Ｅｘｐｅｃｔａｔｉｏｎ－Ｍａｘｉｍｉｚａｔｉｏｎ法、変分推論法、マルコフ連鎖モンテカルロ法）を任意に採用すればよい。

【0048】

第２のループＬ２を２巡した後、次に、統括部１１１が、不良感度指標計算部１１５を制御して、第３のループＬ３（ステップＳ７～Ｓ１０）を開始する。第３のループＬ３の始めに、統括部１１１が、不良品集合の混合分布関数の各成分ｋに順次着目する（ステップＳ７）。次に、不良感度指標計算部１１５が、次式（１）を用い、成分ｋに対する成分不良率関数を計算する（ステップＳ８）。

【0049】

成分不良率関数（監視項目ｘの値、成分ｋ）
＝不良品の成分分布関数（監視項目ｘの値、成分ｋ）／（不良品の成分分布関数（監視項目ｘの値、成分ｋ）＋良品の混合分布関数（監視項目ｘの値））
・・・（１）

【0050】

次に、不良感度指標計算部１１５が、成分ｋの不良感度を示す不良感度指標を計算する（ステップＳ９）。

【0051】

不良感度指標としては、不良率関数曲線と製造条件監視データの項目の値との相関や、分布の信頼区間内の不良率最大値や、不良率関数曲線の値が高い不良予測区間に含まれる製品の不良の真偽と予測の陽性陰性の区分数から求まる不良予測精度や、不良予測再現率や、不良予測精度と不良予測再現率との調和平均であるＦ値を用いればよい。

【0052】

ここで、不良感度指標の計算方法について具体的に説明する。図４は、不良感度指標の計算方法を説明するための図である。

【0053】

同図（Ａ）は、製造条件監視データの項目のうち、所定の１項目に対応する不良品１００個の統計分布４１０であり、正規化した不良品の頻度分布４１１と、それを近似するために推定した混合正規分布関数４１２と、混合正規分布関数４１２を成分分解した２つの分解成分関数４１３，４１４を示している。

【0054】

同図（Ｂ）は、製造条件監視データの項目のうち、同図（Ａ）の場合と同じ１項目に対応する良品１００００個の統計分布４２０であり、正規化した良品の頻度分布４２１、それを近似するために推定した混合正規分布関数４２２を示している。なお、同図（Ｂ）の場合、正規化した良品の頻度分布４２１に対して１つの正規分布関数で精度良く近似できるため、混合正規分布関数４２２の混合成分数は１に縮退している。

【0055】

同図（Ｃ）は、式（１）に基づいて計算された成分毎の不良率関数４３０と、不良率関数４３０を成分分解した成分不良率関数曲線４３１，４３２を示している。

【0056】

なお、同図（Ａ）の分解成分関数４１３，４１４、及び同図（Ｂ）の混合正規分布関数４２２は、正規化されているため、式（１）を計算する過程で不良品数／全製品数＝０．９９％の比率で同図（Ａ）の分布関数値を補正している。

【0057】

同図（Ｂ）に示されるように、良品の分布は区間中央に集中していることに対して、同図（Ａ）に示されるように、不良品の分布は区間の両端にその重心が位置している。このため、同図（Ｃ）に示されるように、成分分解していない不良率関数４３０の全体は下に凸のなべ底曲線になる。この場合、不良率関数４３０と製造条件監視データとの相関は、約０．１６と小さくなるため、成分分解していない不良率関数４３０との相関値を指標にしても、着目している製造条件監視データの項目は製造不良に有意な項目として抽出できない。

【0058】

一方、不良率関数４３０を成分分解した成分不良率関数曲線４３１は単調減少、成分不良率関数曲線４３２は単調増加となるため、製造条件監視データとの間の成分分解相関は大きくなる。具体的には、成分不良率関数曲線４３１と製造条件監視データとの成分分解相関は約－０．７８、成分不良率関数曲線４３２と製造条件監視データとの成分分解相関は約０．７１となるため、着目している製造条件監視データの項目を製造不良に有意な項目としてランク上位に抽出することができる。

【0059】

また、成分不良率関数曲線４３１と製造条件監視データとの成分分解相関と、成分不良率関数曲線４３２と製造条件監視データとの成分分解相関との符号が異なることから不良要因も異なるとのヒントも得られる。また、成分不良率関数曲線４３１の信頼区間内の不良率最大値は約８％、成分不良率関数曲線４３２の信頼区間内の不良率最大値は約１２％となり、平均不良率４３３の０．９９％（＝１００個／（１００個＋１００００個））よりも大きくなることから、この最大値を不良感度指標にしてもよい。

【0060】

さらに別の不良感度指標として採用可能な、不良率関数曲線の値が高い不良予測区間に含まれる製品の不良の真偽と予測の陽性陰性の区分数から求まる不良予測精度、不良予測再現率、不良予測精度と不良予測再現率との調和平均であるＦ値について説明する。

【0061】

同図（Ｃ）に示された成分不良率関数曲線４３１，４３２によって表される不良率が平均不良率４３３を上回る区間をそれぞれの成分の不良陽性区間（一点鎖線４３４の左側の区間、及び、一点鎖線４３５の右側の区間）とする。逆に、成分不良率関数曲線４３１，４３２によって表される不良率が平均不良率４３３を下回る区間を不良陰性区間（一点鎖線４３４と一点鎖線４３５の間の区間）とする。各成分について、不良陽性区間に入る不良品の数を真陽性ＴＰ（True-Positive）数、不良陽性区間に入る良品の数を偽陽性ＦＰ（False-Positive）数とした場合、不良予測精度は、次式（２）によって求めることができる。

【0062】

不良予測精度＝ＴＰ／（ＴＰ＋ＦＰ） ・・・（２）

【0063】

同図（Ｃ）の場合、不良率関数４３０の全体としての不良予測精度は約２．７％、成分不良率関数曲線４３１の不良予測精度は約２．４％、成分不良率関数曲線４３２の不良予測精度は約３．２％である。不良陽性区間から外れる不良品の数を真陰性ＴＮ（True-Nagative）数とすると、不良予測再現率は次式（３）によって求めることができる。

【0064】

不良予測再現率＝ＴＰ／（ＴＰ＋ＴＮ） ・・・（３）

【0065】

同図（Ｃ）の場合、不良率関数４３０の全体としての不良予測再現率は約６１％、成分不良率関数曲線４３１の不良予測再現率は約５４％、成分不良率関数曲線４３２の不良予測再現率は約６８％である。Ｆ値は、不良予測精度と不良予測再現率との調和平均（逆数の平均値の逆数）、すなわち、次式（４）により求めることができる。

【0066】

Ｆ値＝ＴＰ／（ＴＰ＋（ＦＰ＋ＴＮ）／２） ・・・（４）

【0067】

同図（Ｃ）の場合、不良率関数４３０の全体としてのＦ値は約５．１％、成分不良率関数曲線４３１のＦ値は約４．６％、成分不良率関数曲線４３２のＦ値は約６．０％である。よって、成分不良率関数曲線４３１のＦ値よりも成分不良率関数曲線４３２のＦ値の方が大きいことが分かり、対策の優先順位を決めるヒントとすることができる。

【0068】

図２に戻る。以上のようにして、着目している成分ｋの不良感度を示す不良感度指標を計算した後、処理をステップＳ７に戻し（ステップＳ１０）、不良品集合の混合分布関数の全ての成分ｋに着目するまで第３のループＬ３を繰り返す。これにより、不良品集合の混合分布関数の全ての成分ｋの不良感度指標が計算される。

【0069】

次に、統括部１１１により、製造条件監視データの項目の全てが着目されるまで、処理がステップＳ３に戻され（ステップＳ１１）、第１のループＬ１が繰り返される。これにより、製造条件監視データの項目の全てについて、各成分ｋの不良感度指標が計算される。

【0070】

なお、上述した成分ｋの不良感度指標としての成分分解相関は、製造条件の大小に対して不良品の発生頻度が関係を持つことを表しており、不良品発生への対策の立案と適用が容易な項目を抽出するための指標として利用することができる。ただし、成分分解相関は、ごく少数の不良品にしか当てはまらないにも拘らず高い相関を示すことがあるので、対策効果の小さいノイズ項目が抽出し易くなってしまう。

【0071】

一方、上述した成分分解Ｆ値は、成分不良率によって説明できる不良品数が多い、すなわち対策効果の大きな項目を抽出するための指標として利用することができる。ただし、成分分解Ｆ値は、対策が困難なノイズ項目が抽出し易くなってしまう。

【0072】

したがって、対策効果の大きな項目を抽出するための指標には、成分分解相関と成分分解Ｆ値とを組み合わせて利用することが効果的である。なお、組み合わせる不良感度指標は成分分解相関と成分分解Ｆ値に限らず、不良感度指標を組み合わせてもよい。

【0073】

次に、画面生成部１１７が、製造条件監視データの項目と混合成分との組み合わせを不良感度指数の降順にソートしたリストを生成する。具体的には、成分分解相関が一定値以上の製造条件監視データの項目群を対象として、成分分解Ｆ値で降順にソートしたリストを生成する。さらに、画面生成部１１７が、生成したリストを計算結果データ１５４として記憶部１５に格納するとともに、探索結果画面５００（図５）を生成して表示部１４に表示させる（ステップＳ１２）。以上で、製造不良要因探索装置１０による製造条件監視データ不良要因項目探索処理は終了される。

【0074】

図５は、製造条件監視データ不良要因項目探索処理の結果として表示部１４に表示される探索結果画面５００の表示例を示している。

【0075】

探索結果画面５００には、要因候補リスト領域５１０、選択項目領域５１２、不良感度指標領域５１３、及び統計分布領域５１５，５１６，５１７が設けられている。

【0076】

要因候補リスト領域５１０には、成分分解相関が一定値以上である製造条件監視データの項目を、成分分解Ｆ値で降順にソートしたリストが表示される。要因候補リスト領域５１０には、選択ボタン５１０ａ、及びスクロールボタン５１０ｂが設けられている。

【0077】

ユーザは、スクロールボタン５１０ｂを操作することにより、要因候補リスト領域５１０に表示されている製造条件監視データの項目のリストを上下にスクロールさせることができる。また、ユーザは、選択ボタン５１１ａのいずれかを選択することにより、リスト表示されている製造条件監視データの項目の１つを選択することができる。同図の場合、順位４位の製造条件ｘ_1が選択された状態を示している。

【0078】

選択項目領域５１２には、要因候補リスト領域５１０にて選択された製造条件監視データの項目が表示される。不良感度指標領域５１３には、要因候補リスト領域５１０にて選択された項目に対応する不良感度指標として、全体（ＡＬＬ）の相関及びＦ値、並びに、成分分解相関及び成分分解Ｆ値が表示される。これにより、ユーザは、成分分解の効果を確認することができる。なお、不良感度指標領域５１３には、相関及びＦ値以外の不良感度指標を表示するようにしてもよい。

【0079】

統計分布領域５１５には、要因候補リスト領域５１０にて選択された項目に対応する不良品の統計分布（図４（Ａ）と同様のもの）が表示される。統計分布領域５１６には、要因候補リスト領域５１０にて選択された項目に対応する良品の統計分布（図４（Ｂ）と同様のもの）が表示される。統計分布領域５１７には、要因候補リスト領域５１０にて選択された項目に対応する不良率関数及び成分不良率関数曲線（図４（Ｃ）と同様のもの）が表示される。

【0080】

ユーザは、探索結果画面５００により、製造監視データの項目のうち、不良感度の高い製造条件の項目のリストを確認することができる。さらに、リストから１つの項目を選択することにより、その不良感度指標を数値として確認することができる。また、良品及び不良品それぞれの分布をグラフとして確認することができる。

【0081】

＜製造不良要因探索装置１０による製造属性項目要素探索処理＞
次に、製造ライン４に配置されている製造属性のうち、不良感度が高いために互換性が不足している製造属性の項目とその要素を抽出するための製造属性項目要素探索処理について説明する。

【0082】

図６は、製造不良要因探索装置１０による製造属性項目要素探索処理に一例を説明するフローチャートである。

【0083】

製造属性項目要素探索処理は、上述した製造条件監視データ不良要因項目探索処理が実行された後に実行される。

【0084】

はじめに、前処理部１１２が、記憶部１５に予め格納されている製造監視データ１５１の製造条件監視データ１５１ａ及び製造属性使用要素履歴データ１５１ｃと最終製品検査データ１５２とを対応付けて、データテーブル７００（図７）を生成し、記憶部１５に一時的に格納する（ステップＳ２１）。

【0085】

図７は、ステップＳ２１で生成されるデータテーブル７００の一例を示している。データテーブル７００は、製品番号フィールド７０１、製造条件監視データ項目フィールド７０２、製造属性項目フィールド７０３、及び最終製品検査結果フィールド７０４を有している。データテーブル７００には、製造された各製品のレコードとして、製品番号に対応付けて、複数の製造条件監視データ項目、製造属性項目、及び最終製品検査結果が記録される。同図の例、製造属性項目フィールド７０３には、製造属性ａの１項目が設けられ、その要素ａ_1または要素ａ_2が記録されているが、製造属性の項目数や要素数は同図の例に限られない。

【0086】

なお、データテーブル７００は、実質的に、データテーブル３００（図３）に対して、製造属性項目フィールド７０３が追加されたものである。したがって、製造条件監視データ不良要因項目探索処理にて生成されたデータテーブル３００を流用し、データテーブル７００を生成するようにしてもよい。また、上述した製造条件監視データ不良要因項目探索処理におけるステップＳ１にてデータテーブル７００を生成し、製造属性項目要素探索処理におけるステップＳ２１を省略するようにしてもよい。

【0087】

次に、統括部１１１が、第４のループＬ４（ステップＳ２２～Ｓ３２）を開始する。第４のループＬ４の始めに、統括部１１１が、複数の製造条件監視データの項目（ｘ_1，ｘ_2，・・・，ｘ_p）に順次１項目ずつ着目する（ステップＳ２２）。

【0088】

次に、統括部１１１が、第５のループＬ５（ステップＳ２３～Ｓ３１）を開始する。第５のループＬ５の始めに、成分責任率関数計算部１１６が、着目された製造条件監視データの項目について、不良品の頻度分布（例えば、図４（Ａ）の不良品の頻度分布４１１）に対して推定された混合分布関数（例えば、図４（Ａ）の混合正規分布関数４１２）を成分分解した成分分布関数（例えば、図４（Ａ）の正規分布関数４１３，４１４）に順次着目する（ステップＳ２３）。次に、成分責任率関数計算部１１６が、次式（５）の定義に従い、着目された製造条件監視データの項目における成分ｋの責任率関数を算出する（ステップＳ２４）。

【0089】

成分責任率関数（監視項目ｘの値、成分ｋ）
＝（不良品の成分分布関数（監視項目ｘの値、成分ｋ））／（不良品の成分分布関数（監視項目ｘの値、成分ｋ）の全成分についての総和）
・・・（５）

【0090】

次に、統括部１１１が、第６のループＬ６（ステップＳ２５～Ｓ３０）を開始する。第６のループＬ６の始めに、統括部１１１が、製造属性の項目に順次1項目ずつ着目する（ステップＳ２５）。

【0091】

次に、統括部１１１が、第７のループＬ７（ステップＳ２６～Ｓ２９）を開始する。第７のループＬ７の始めに、統括部１１１が、着目している製造属性の項目における要素ａ_iに順次１要素ずつ着目する（ステップＳ２６）。

【0092】

次に、成分責任率関数計算部１１６が、データテーブル７００から、着目された製造属性の要素に対応する不良品のレコードを抽出する（ステップＳ２７）。次に、成分責任率関数計算部１１６が、抽出したレコードの個数、すなわち、不良品の個数をカウントし、着目されている製造条件監視データの項目ｘの値を成分責任率関数（式５）に代入して製品群の総和を取ることにより、着目されている製造条件監視データの項目ｘの混合成分ｋにおける、着目されている製造属性の要素ａ_iの不良製品責任率、すなわち当該要素a_iを用いて製造した不良製品の確率的な個数比率を算出する（ステップＳ２８）。

【0093】

次に、統括部１１１が、処理をステップＳ２６に戻し（ステップＳ２９）、着目された製造属性の全ての要素ａ_iに着目するまで第７のループＬ７を繰り返す。これにより、着目された製造属性の全ての要素a_iそれぞれの不良製品責任率が計算される。

【0094】

次に、統括部１１１が、第６のループＬ６、第５のループＬ５、第４のルールＬ４の順に繰り返し実行させ（ステップＳ３０～Ｓ３２）、最終的に、全ての製造条件監視データの項目の不良品の全ての混合成分（成分分布関数）における全ての製造属性項目の全ての要素の不良製品責任率が算出される。

【0095】

次に、画面生成部１１７が、製造条件監視データの項目と混合成分と製造属性項目とその要素との組み合わせを不良製品責任率の降順にソートしたリストを生成する。さらに、画面生成部１１７が、生成したリストを計算結果データ１５４として記憶部１５に格納するとともに、探索結果画面８００（図８）を生成して表示部１４に表示させる（ステップＳ３３）。以上で、製造不良要因探索装置１０による製造属性項目要素探索処理は終了される。

【0096】

図８は、製造属性項目要素探索処理の結果として表示部１４に表示される探索結果画面８００の表示例を示している。

【0097】

探索結果画面８００には、要因候補リスト領域８１０、選択項目領域８１１、製造属性項目選択領域８１２、及び不良品責任数領域８１３が設けられている。

【0098】

要因候補リスト領域８１０には、製造条件監視データの項目を、製造属性の中の要素の不良製品責任率の降順、すなわち、最も不良製品責任率に偏りのある順にソートしたリストが表示される。要因候補リスト領域８１０には、選択ボタン８１０ａ、及びスクロールボタン８１０ｂが設けられている。

【0099】

ユーザは、スクロールボタン８１０ｂを操作することにより、要因候補リスト領域８１０に表示されている製造条件監視データの項目のリストを上下にスクロールさせることができる。また、ユーザは、選択ボタン８１０ａのいずれかを選択することにより、リスト表示されている製造条件監視データの項目の１つを選択することができる。同図の場合、順位４位の製造条件ｘ_1が選択された状態を示している。選択項目領域８１１には、要因候補リスト領域８１０にて選択された製造条件監視データの項目が表示される。

【0100】

製造属性項目選択領域８１２には、製造属性項目がプルダウン表示され、ユーザが製造属性を選択することができる。なお、選択項目領域８１１には、初期値として、要因候補リスト領域８１０にて選択された製造条件において最も不良製品責任率に偏りのある製造属性項目（同図の例では「ａ装置群」）が表示される。

【0101】

不良品責任数領域８１３には、製造属性項目選択領域８１２にて選択された製造属性の全要素（ＡＬＬ）と特定要素（ａ_1，ａ_2）との不良品責任数及び不良製品責任率が表示される。不良品責任数領域８１３によれば、不良製品責任率の偏りの有無を確認することができる。

【0102】

ユーザは、探索結果画面５００（図５）により、不良品の発生に対して感度の高い製造条件監視データの項目、及び感度の高い分布成分を探索することができる。そして、探索結果画面８００（図８）により、不良品の発生に対して感度の高い製造属性項目とその要素とを探索できる。これにより、ユーザは、製造不良要因を効率的に探索することが可能となる。

【0103】

＜変形例＞
上述した製造条件監視データ不良要因項目探索処理及び製造属性項目要素探索処理では、多変量の製造監視データの項目のうちの１項目に順次着目し、１次元の統計分布に対して１次元の混合分関数を推定した。変形例としては、多変量の製造監視データの項目のうち、２項目以上に順次着目し、複数次元の統計分布に対して複数次元の混合分関数を推定するように拡張してもよい。

【0104】

図９は、多変量の製造監視データの項目のうち、２項目に順次着目し、２次元の統計分布に対して２次元の混合分関数を推定する場合の例を示す。

【0105】

同図（Ａ）は、不良品の頻度分布を等高線によって示しており、横軸は項目ｘ_1の成分、縦軸は項目ｘ_2の成分を示す。同図（Ｂ）は、同図（Ａ）に示された不良品の頻度分布に対して２次元混合分布関数を推定し、推定した２次元混合分布関数を成分分解した２つの２次元分解成分関数９１１，９１２を示している。

【0106】

同図（Ｃ）は、良品の頻度分布を等高線によって示しており、横軸は項目ｘ_1の成分、縦軸は項目ｘ_2の成分を示す。同図（Ｄ）は、同図（Ｃ）に示された良品の頻度分布に対して推定した２次元混合分布関数（２次元正規分布関数）９１３を示している。ただし、同図（Ｄ）の場合、１つの２次元正規分布関数で精度良く近似できるため、混合成分数は１に縮退している。

【0107】

同図（Ｂ）に示された不良品の分解成分関数９１１は、その中心位置の座標は縦軸成分と横軸成分の両方が、同図（Ｄ）に示された良品の２次元正規分布関数９１３の中心位置の原点（０，０）から乖離しているので、不良品の分解成分関数９１１は２つの項目（ｘ_1，ｘ_2）に対して不良品感度があることが分かる。

【0108】

一方、同図（Ｂ）に示された不良品の分解成分関数９１２は、その中心位置の座標が、同図（Ｄ）に示された良品の２次元正規分布関数９１３の中心位置の原点（０，０）から縦軸成分は乖離しているが、横軸成分は乖離していないので、不良品の分解成分関数９１２は、項目ｘ_2に対してのみ不良品感度があることが分かる。この不良品感度の分別は、製造不良の対策を立てる際の有力な情報になる。

【0109】

また、式（１）を２次元に拡張し、不良品の２次元分解成分関数９１１，９１２を、不良品の２次元分解成分関数９１１，９１２に良品の２次元正規分布関数９１３を加えた値合で除算すれば、２次元成分不良率関数を得ることができる。２次元成分不良率関数によれば、上述した１次元の場合と同様に、不良感度指標を計算することができ、不良感度の高い製造監視データの項目の組み合わせを探索することができる。

【0110】

さらに、式（５）を２次元に拡張すれば、２次元成分責任率関数を得ることができる。２次元成分責任率関数によれば、上述した１次元の場合と同様に、不良感度の高い製造属性及びその要素を探索することができる。

【0111】

以上で、２つの製造条件データの項目を組み合わせた２次元の例を説明したが、３つ以上の製造条件データの項目を組み合わせた多次元に拡張するようにしてもよい。

【0112】

本発明は、上述した実施形態に限定されるものではなく、様々な変形が可能である。例えば、上述した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えたり、追加したりすることが可能である。

【0113】

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ(Solid State Drive)等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

【符号の説明】

【0114】

２・・・ネットワーク、３・・・製造実行システム、４・・・製造ライン、４ａ・・・投入工程、４ｂ・・・製品製造工程、４ｃ・・・中間製品検査工程、４ｄ・・・最終製品検査工程、１０・・・製造不良要因探索装置、１１・・・処理部、１１１・・・統括部、１１２・・・前処理部、１１３・・・混合分布関数推定部、１１４・・・成分分解部、１１５・・・不良感度指標計算部、１１６・・・成分責任率関数計算部、１１７・・・画面生成部、１２・・・通信部、１３・・・入力部、１４・・・表示部、１５・・・記憶部、１５１・・・製造監視データ、１５１ａ・・・製造条件監視データ、１５１ｂ・・・中間製品検査データ、１５１ｃ・・・製造属性使用要素履歴データ、１５２・・・最終製品検査データ、１５３・・・計算仕様データ、１５４・・・計算結果データ、３００・・・データテーブル、３０１・・・製品番号フィールド、３０２・・・製造条件監視データ項目フィールド、３０３・・・最終製品検査結果フィールド、５００・・・探索結果画面、５１０・・・要因候補リスト領域、５１０ａ・・・選択ボタン、５１０ｂ・・・スクロールボタン、５１１ａ・・・選択ボタン、５１２・・・選択項目領域、５１３・・・不良感度指標領域、５１５～５１７・・・統計分布領域、７００・・・データテーブル、７０１・・・製品番号フィールド、７０２・・・製造条件監視データ項目フィールド、７０３・・・製造属性項目フィールド、７０４・・・最終製品検査結果フィールド、８００・・・探索結果画面、８１０・・・要因候補リスト領域、８１０ａ・・・選択ボタン、８１０ｂ・・・スクロールボタン、８１１・・・選択項目領域、８１２・・・製造属性項目選択領域、８１３・・・不良品責任数領域

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】