预测得分计算装置、预测得分计算方法、预测得分计算程序以及学习装置制造方法及图纸

预测得分计算装置202在机器学习部420中以在被输入生产线中的工序检查的检查数据时输出最终检查的是否良好判定的预测得分的方式进行机器学习。另外，使用进行了该机器学习的机器学习模型，在预测得分计算部410中，输出根据工序检查的检查数据预测最终检查的是否良好判定结果的预测得分。另外，阈值决定部440与预测得分计算部410计算出的预测得分进行比较，根据学习数据、预测得分以及成本数据决定用于预测是否良好判定的阈值。用于预测是否良好判定的阈值。用于预测是否良好判定的阈值。

【技术实现步骤摘要】
【国外来华专利技术】预测得分计算装置、预测得分计算方法、预测得分计算程序以及学习装置


[0001]本公开涉及根据先于生产线中的检查的其他检查结果来预测该检查的得分的预测得分计算装置、预测得分计算方法、预测得分计算程序以及学习装置。

技术介绍

[0002]在生产工业产品的生产线中，实施判定成品是否良好的最终检查。在有许多工序的情况下，有时还进行判定半成品是否良好的工序检查。如果在工序检查中发现并去除不良品或者校正为良品，则相比于在最终检查中发现并去除或者校正不良品的情况，能够降低原材料、零件的损失或者节省作业的浪费，所以能够提高生产效率。
[0003]为了适当地实施工序检查，不仅严格挑选检查项目以使过量和不足最小化，而且期望针对每个检查项目设置适当的检查基准。其原因为，在检查基准不适当时，看漏不良品或者将良品误判定为不良品。
[0004]针对这样的问题，提出了如下技术：针对工序检查中的每个检查项目，求出该检查项目的检查数据和最终检查中的是否良好判定结果的相关性的强弱，选择相关性最强的检查项目，重新设定该项目的检查基准(例如参照专利文献1)。由此，能够易于将在最终检查中判定为不良的可能性高的半成品在工序检查中判定为不良。
[0005]提出了针对在生产线中处于上下游关系的工序检查也同样地与下游的工序检查的是否良好判定结果符合地调整上游的工序检查的技术(例如参照专利文献2、3)。
[0006]现有技术文献
[0007]专利文献
[0008]专利文献1：日本特开2006
‑
317266号公报
[0009]专利文献2：日本特开2012
‑
151251号公报
[0010]专利文献3：国际公开第2017/168507号

技术实现思路

[0011]专利技术要解决的课题
[0012]然而，在工序检查的各个检查项目的检查数据与最终检查中的是否良好判定结果未强烈相关的情况下，使用如上所述的以往技术难以在工序检查中发现预期在最终检查中判定为不良的半成品。
[0013]即使在工序检查的各个检查项目的检查数据与最终检查中的是否良好判定结果未强烈相关的情况下，也有可能工序检查的检查数据的组合与最终检查中的是否良好判定结果相关，但由于工序检查的检查项目数量庞大，所以难以发现如何组合检查项目来能够高精度地预测最终检查的是否良好判定结果。
[0014]选择相关性最强的检查项目由于需要大量的作业工序而也不现实。
[0015]当然，即使在工序检查的个别的检查项目的检查数据与最终检查中的是否良好判
定结果未强烈相关的情况下，如果能够不等待最终检查而在工序检查中预测最终检查的得分，则期待能够在工序检查中发现并去除在最终检查中可能判定为不良的半成品等而进一步提高生产线的效率。
[0016]本公开是鉴于如上所述的问题而做出的，其目的在于提供一种能够根据先于生产线中的检查的其他检查的结果来预测该检查的得分的预测得分计算装置、预测得分计算方法、预测得分计算程序以及学习装置。
[0017]用于解决课题的手段
[0018]为了达成上述目的，本公开的一个方式提供一种预测得分计算装置，针对经由多个加工工序、包括至少一个检查工序的第1检查工序以及在比所述第1检查工序更下游的工序中实施的第2检查工序生产产品的生产工序，计算用于所述第2检查工序中的是否良好判定的预测得分，所述预测得分计算装置的特征在于，具备：输入单元，受理在所述第1检查工序中的至少一个检查工序中得到的第1检查数据的输入；以及计算单元，根据被输入的所述第1检查数据，使用机器学习模型来计算所述预测得分。
[0019]在该情况下，也可以所述输入单元受理包括多个检查工序的第1检查工序的检查数据的输入。
[0020]另外，优选具备决定单元，该决定单元根据将构成在所述预测对象的检查中应判定为不良的检查对象物品的所述第1检查工序的检查对象物品在取得了用于计算预测得分的检查数据的第1检查工序中判定为不良的情况下的利润、和将构成在所述第2检查工序中应判定为良好的检查对象物品的第1检查工序的检查对象物品在取得了用于计算预测得分的检查数据的第1检查工序中判定为不良的情况下的损失中的至少一方，决定用于在该第1检查工序中对该检查对象物品进行是否良好判定的预测得分的阈值。
[0021]另外，优选所述决定单元以使从所述利润减去所述损失得到的剩余的成本优点成为最大的方式决定所述阈值。
[0022]另外，也可以所述决定单元使用直至所述第1检查工序为止的生产成本、所述第1检查工序后的部件成本以及所述第2检查工序的实施成本中的至少1个，计算所述利润以及损失。
[0023]另外，也可以所述机器学习模型是梯度提升决策树、决策树分析、罗杰斯特回归、随机森林以及神经网络中的任意一个。
[0024]另外，也可以所述机器学习模型将实施了所述第2检查工序的检查对象物品的是否良好判定结果和与构成该检查对象物品的所述第1检查工序的检查对象物品有关的第1检查工序的检查数据作为教师数据进行机器学习，从而根据第1检查工序的检查数据计算预测得分。
[0025]另外，也可以所述第1检查数据包括关于与所述第2检查工序的项目有关联性的检查对象的部位或功能的检查数据，也可以在使用多个检查工序中的检查数据的情况下包括同一部位的加工前后的检查数据。此外，也可以所述第1检查数据在使用多个检查工序中的检查数据的情况下包括不同的部位的测定数据，也可以在使用多个检查工序中的检查数据的情况下针对相同的部位包括不同的物理量的测定数据。
[0026]另外，本公开的一个方式提供一种预测得分计算方法，针对经由多个加工工序、包括至少一个检查工序的第1检查工序以及在比所述第1检查工序更下游的工序中实施的第2
检查工序生产产品的生产工序，计算用于所述第2检查工序中的是否良好判定的预测得分，所述预测得分计算方法的特征在于，包括：输入步骤，受理在所述第1检查工序中的至少一个检查工序中得到的第1检查数据的输入；以及计算步骤，根据被输入的所述第1检查数据，使用机器学习模型来计算所述预测得分。
[0027]另外，本公开的一个方式提供一种预测得分计算程序，使计算机针对经由多个加工工序、包括至少一个检查工序的第1检查工序以及在比所述第1检查工序更下游的工序中实施的第2检查工序生产产品的生产工序，计算用于所述第2检查工序中的是否良好判定的预测得分，所述预测得分计算程序的特征在于，使计算机执行：输入步骤，受理在所述第1检查工序中的至少一个检查工序中得到的第1检查数据的输入；以及计算步骤，根据被输入的所述第1检查数据，使用机器学习模型来计算所述预测得分。
[0028]另外，本公开的一个方式提供一种学习装置，其特征在于，具备：学习数据输入部，针对经由多个加工工序、包括至少一个检查工序的第1检查工序以及在比所述第1检查工序更下游的工序中实施的第2检查工序生产产品的生产工序，受理在所述第1检查工序中的至少一个检查工序中得到的第1检查本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种预测得分计算装置，针对经由多个加工工序、包括至少一个检查工序的第1检查工序以及在比所述第1检查工序更下游的工序中实施的第2检查工序生产产品的生产工序，计算用于所述第2检查工序中的是否良好判定的预测得分，所述预测得分计算装置的特征在于，具备：输入单元，受理在所述第1检查工序中的至少一个检查工序中得到的第1检查数据的输入；以及计算单元，根据被输入的所述第1检查数据，使用机器学习模型来计算所述预测得分。2.根据权利要求1所述的预测得分计算装置，其特征在于，所述输入单元受理包括多个检查工序的第1检查工序的检查数据的输入。3.根据权利要求1或2所述的预测得分计算装置，其特征在于，具备决定单元，该决定单元根据将构成在所述预测对象的检查中应判定为不良的检查对象物品的所述第1检查工序的检查对象物品在取得了用于计算预测得分的检查数据的第1检查工序中判定为不良的情况下的利润、和将构成在所述第2检查工序中应判定为良好的检查对象物品的第1检查工序的检查对象物品在取得了用于计算预测得分的检查数据的第1检查工序中判定为不良的情况下的损失中的至少一方，决定用于在该第1检查工序中对该检查对象物品进行是否良好判定的预测得分的阈值。4.根据权利要求3所述的预测得分计算装置，其特征在于，所述决定单元以使从所述利润减去所述损失得到的剩余的成本优点成为最大的方式决定所述阈值。5.根据权利要求3或4所述的预测得分计算装置，其特征在于，所述决定单元使用直至所述第1检查工序为止的生产成本、所述第1检查工序后的部件成本以及所述第2检查工序的实施成本中的至少1个，计算所述利润以及损失。6.根据权利要求1至5中的任意一项所述的预测得分计算装置，其特征在于，所述机器学习模型是梯度提升决策树、决策树分析、罗杰斯特回归、随机森林以及神经网络中的任意一个。7.根据权利要求1至6中的任意一项所述的预测得分计算装置，其特征在于，所述机器学习模型将实施了所述第2检查工序的检查对象物品的是否良好判定结果和与构成该检查对象物品的所述第1检查工序的检查对象物品有关的第1检查工序的检查数据作为教师数据进行机器学习，从而根据第1检查工序的检查数据计算预测得分。8.根据权利要求1至7中的任意一项所述的预测得分计算装置，其特征在于，所述第1检查数据包括关于与所述第2检查工序的项...

【专利技术属性】
技术研发人员：里见慎哉，
申请(专利权)人：柯尼卡美能达株式会社，
类型：发明
国别省市：