Column

インダストリアルAI × IoTソリューションセミナー

製造ラインの歩留まり改善に向けた取り組み : レポート概要

本記事は、2018年10月4日(木)に名古屋で開催された、「インダストリアルIoT×AIソリューションセミナー」のイベントレポートです。このセミナーは計4つのプログラムでセミナーを行いました。

本記事では、4つ目のプログラムである「製造ラインの歩留まり改善に向けた取り組み」の内容をご紹介します。

その他のプログラムについては、後日、順次ご紹介していく予定です。

マクニカ歩留まり改善取り組み概要

マクニカで取り組んだ工程の一例として、以下8つの工程がございます。

これらの工程について、センシング技術などのデータ取得、データサイエンス、ML・AIアルゴリズム構築、リアルタイムエッジコンピューティングによる運用までの一貫したサポートで、不良率・歩留まり改善をご支援いたします。

データ収集~実運用までワンストップでご支援

お客様からのご要望やお悩み

ここでは、よく開発、製品企画担当の方や、工場のIoT×AI化推進担当の方からいただくご要望やお悩みを紹介いたします。みなさんも下記のようなお悩みを、お持ちではないでしょうか?

歩留り改善に関するご要望やお悩み例

  • 例1) ある製品の不良率が高いため、1%でも良いので改善したい
  • 例2) 自社で歩留まり改善のためのデータ分析をしているが、データ収集で非常に時間かかるためPDCAが速く回せない
  • 例3) 色んなベンダー分析してもらったが、よい解決策が得られなかった
  • 例4) NG品が発生した際に、どこの工程に不良原因があったか分からないため、対策の打ち様が無い

このようなご要望やお悩みを解決するために、「マクニカ式 歩留まり改善の進め方」として、以下の4つのSTEPをご紹介しました。

マクニカ式 歩留まり改善の進め方

データサイエンスの罠

マクニカ式 歩留まり改善の進め方でご紹介した、「STEP1. 工程、現場、データの理解」と「STEP2. 意味のあるデータで不良原因究明分析」に、実は重要なポイントがあります。

数字だけを見たデータ分析は失敗のもと

データサイエンティストに渡しているデータは、本当に関連性のあるデータになっているでしょうか。工程データを活かした歩留まり改善はデータサイエンスが必須です。

まずは、下記のように、意味のあるデータを集めて成形し、1つのデータにすることで、分析に用いるデータ群を作成します。そして、目的変数に対し、関係性の強い説明変数をはじき出す分析「不良原因究明分析」が必要です。

データサイエンティストに正しい情報を渡せていますか?

お客様の課題やデータに応じて分析を行う手法は様々です。最適な分析を行うには、「現場を見せる」ことや、「データを見せる」ことで、データサイエンティストにデータの意味を知ってもらうことが非常に重要となります。

ここでノウハウだからと提示せずに進めると、分析に時間がかかるだけでなく、不要なデータを分析してしまう恐れがあります。意味のあるデータを分析して結果が出れば、自然とデータサイエンスを活かすことができます。

ちゃんとした歩留まり改善のレシピ

データ自動収集システム構築の必要性

「STEP4. 運用=データ自動収集システム構築」において、生データを渡すだけでは、モデリングを行っている物がOK/NGと自動的に判定することはまずありません。そのため、モデリングを行っている物が分析するためのデータを、自動でリアルタイムに成形するシステムが必要となります。

STEP2、3で必要なデータが足りない場合

必要なデータが足りない場合は、もちろん新たにデータを取得する必要があります。ご希望があれば、マクニカは半導体商社としてのノウハウがありますので、適切なセンサの選定、取り付け位置のアドバイス、データ取得までをコンサルティングいたします。

いかがでしたでしょうか。本記事では、製造ラインの歩留まり改善において、特にデータサイエンスに関する部分について、注力してご紹介いたしました。