AIQ AI品質インテリジェンスシステム｜工程パラメータ×品質データ統合
適用事例 : 温度上昇・圧力・分子量の曲線解析
化学槽や反応炉は時間の経過に伴って変化し、温度・圧力・分子量といった項目について順次トレンドを持つ曲線グラフが生成されます。化学業界では、Honeywell の PHD や Yokogawa などの DCS や SCADA システムを用いて検査データを収集することがよくあります。AIQ ソフトウェアは DCS データベースと連携でき、データを読み込んだうえで、数値データに対して前処理を行って適切な数値を選び取り、曲線へフィッティングします。各ノード・傾き・変曲点を管理し、その変化から化学変化の過程で発生した事象を読み解きます。たとえば溶剤を投入したタイミングを特定し、さらにその時間域における数値変化を選び取って、上下限管理やカスタムルールによる管理を行います。規格外の異常は EMAIL や警告灯を通じて関係者へ通知することもできます。
数値データベースシステム統合 Data mining
設備の検査数値データを標準プロトコル形式へ変換し、システム連携を通じてデータベースの高度な開発・活用を行います。（例 : Honeywell が提供する .NET Wrapper または Microsoft OLEDB Provider Driver を用いて PHD Server から計測データを取得し、データ分析データベースへ転送します。必要な分析カテゴリなどに応じて、あらかじめ初期集計を行います。）
数値前処理 – Processing
フィルタ（Filter）
条件を設定して絞り込みを行い、不適切な数値を除外し、安定したトレンドを持つ有効な数値を選び取って後続処理に用います。
リサンプリング（Resample）
数値曲線の特性に応じてサンプリング内容を変更し、元の曲線特性を損なわない前提で代表的なデータを取得することで、後続の保存容量と演算時間の無駄を削減します。
数値変換（Translation）
フーリエ変換（FFT）、対数（Log）、指数（Exponential）、極座標（Polar coordinates）、正規化（Normalize）などにより、その時間域のデータを別の数値へ変換し、意味のある解析を行えます。
曲線フィッティング（Curve Fitting）
データが一次元の入力と出力を含む場合、この数学モデル（線形・二次・三次…）は多点データから一本の曲線へフィッティングでき、後続の解析を行えます。
工学的な曲線解析 ＆ 管理アラート条件設定 – Analyze
MiDFUN の専門研究開発チームは、貴社工場の特別なカスタマイズ要求をお引き受けし、システム機能をさらに最適化して、お客様の実務上のニーズにお応えします。
数値リアルタイム監視モジュール – Monitor
オンライン検査での単点・多点・連結性のある数値監視に適用可能
1、生産検査機器の数値を自動でオンライン連携します。
2、数値をリアルタイムに表示し、自設の管理ルールにより工作物の OK／NG を判定します。
3、数値異常時にはリアルタイムで警報を発し、ソフトウェア上の図式警告に加え、外付けの警告灯やメールによるメッセージ送信が可能で、異常メッセージを完全に記録します。
4、選別機と統合して良品・不良品を分類し、また連続して異常が発生した場合には設備を停止させて生産を止めることもできます。
5、機台区域・全工場、さらには複数工場をまたいだ中央監視として構築できます。表示ダッシュボードとして仕上げることや、モバイル端末への対応も可能です。
工程パラメータと品質検査データの統合 – Integration —— スマート製造の多彩なテーマ別活用
品質結果から、工程間の横断解析により異常工程ポイントを特定、連結性のある数値監視
直面する課題 : これまで異常が発生して不良品が生じても、タイムラグのために異常発生の原因を素早く追跡できず、異常工程を是正できないことが多く、コストの損失につながっていました。さらに悪いことに、これは無限ループに陥っていました。
解決方法 : SPC 検査で品質異常が見つかった際、製造指図書やロット番号などの関連付けを通じて、AIQ が当該製品に対応する工程パラメータ履歴へ連結し、製造過程のすべての工程パラメータを素早く確認できます。関連分析を通じて問題範囲を即座に絞り込み、異常工程を特定することも可能です。自動化システムにより、想定が正しいかどうかをリアルタイムに検証でき、失敗が再び起こらないようにします。
品質に最も影響を与える重要工程因子を特定
数多くの工程ステーションの中から、工程パラメータと品質検査データのビッグデータ解析を通じて、各工程パラメータが品質結果へ与える影響度の重み付けを関連付け、品質に最も影響を与える重要工程因子を特定します。
予知保全による設備メンテナンス
設備の重要部品をカスタム定義し、重要パラメータのデータを蓄積し、予測モデルを通じて健全性トレンドを監視することで、設備の健全状態を把握し、部品を交換すべきかどうかの判断材料とします。交換時期を柔軟に調整でき、部品を節約しながら予期せぬ停止故障を回避できます。
品質予測
製品に破壊検査が必要な場合や測定できない場合には、工程パラメータを監視することで、製品品質をタイムリーに予測できます。実際の品質検査の前に、予測モデルを通じて品質異常を早期に発見し、さらには未然に防止することで、不良品が下流工程へ流出して生産能力を無駄にすることも回避できます。
品質に最も影響を与える重要工程因子を特定
数多くの工程ステーションの中から、工程パラメータと品質検査データのビッグデータ解析を通じて、各工程パラメータが品質結果へ与える影響度の重み付けを関連付け、品質に最も影響を与える重要工程因子を特定します。
品質全数検査データの監視と選別
直面する課題 : お客様から製品の品質全数検査を求められたものの、膨大なデータを前にして有効に処理できず、活用も難しい場合、どうすればよいでしょうか。
解決方法 : AIQ なら、品質全数検査のビッグデータ（Raw Data）に対し、リアルタイムの監視・管理アラート、および簡易的な統計グラフ出力を素早く行えます。さらに AIQ のデータ前処理機能を通じて必要なデータを選別し、SPC へアップロードして後段の分析・管理に活用できます。
SPC と連携して後段の分析・管理に活用
全工場で見れば、品質全数検査を行う重要ステーションはごく一部に限られるかもしれません。AIQ を前段の応用として位置づけ、必要なデータを選定して SPC へ連結し、全工場の品質分析・管理システムへ統合できます。既存の SPC システムと使い慣れた分析手法を用いて高度な分析を行い、各種の充実したレポートを出力できます。これにより、従来は適切に処理できなかったビッグデータを、有効に活用できる新たな道筋へと統合します。
工程パラメータのインテリジェント最適化（品質を素早く改善）
直面する課題 : お客様からより高い製品品質を求められ、生産ラインで本来生産していた品質範囲の中から最良の区間だけを選び取りたい場合（例 : 品質管理項目の内径を 110〜80mm から 100〜90mm へ引き上げる）、どのように調整方法を導き出し、生産ラインの工程パラメータを素早く調整すればよいでしょうか。
解決方法 : AIQ が各ステーションの工程パラメータと SPC 品質検査データを収集して関連分析を行い、ビッグデータアルゴリズムを通じて品質予測モデルを構築します。その後は、必要とする期待品質を予測モデルへ入力するだけで、生産に用いる最適な工程パラメータの推奨値をインテリジェントに導き出せます。
AIQ は高度にインテリジェント化され、かつシンプルで使いやすいシステムであり、人手の経験に過度に依存する必要がなくなります。最も真実に近い科学的データを用いて、企業のために生産の知恵を蓄積し、製品品質を高めます。AIQ AI品質インテリジェンスシステムは、段階的に導入・活用を進められます。各段階のさまざまなニーズに対応し、モジュール式で多種多様なビッグデータの活用テーマを切り開きます。さらに専門の技術チームが、お客様に合わせたカスタマイズ応用を開発いたします。
