データマイニングとは
データマイニングとは大量のデータの中から、統計的に関係や規則性を取り出すデータ解析技術の一つです。
Miningは、従来実用に向かないとされてきた製造業の分野でも有効性のあるデータマイニング結果が得られるようにしたところに大きな特徴があり、品質改善活動を強力に支援します。
従来のデータマイニングツールとの比較
| 従来のデータマイニング | Mining | |
|---|---|---|
| 適用業種 | 主に金融、流通業 | 主に製造プロセス |
| 主目的 | ビジネス戦略の決定 | 改善活動方針決定 |
| 対象 | 主に社会的心理的現象 （科学的検証が難しい） |
主に自然科学的現象 （科学的検証がしやすい） |
| 主な対象項目の属性と数 | 比較的単純な属性 少量（数十項目が多い） |
多様な属性 大量（数百から数千項目） |
| 対象とするレコードの数 | 大量（100万件超の場合もある）データを前提としており少量では信頼度が低い | 比較的少量（50件以下の場合も多い）を考慮して、信頼度を上げる工夫をしている |
本製品・サービスに関するお問い合わせ
Miningのアピールポイント
Miningの最大のアピールポイントは容易に使用できることです。
一般に統計解析ツールを使うには、各目的に合った解析手法を選び、グラフや表を作成して分かりやすく結果を示す必要があります。また解析実行時に設定するパラメータや出力される数値を理解し、活用するにはかなりの経験、技術を要します。
Miningではこのような解析者の負担となる要素をできるだけ排除しました。また、データマイニングの技術を使い、データ解析時間の大幅短縮が可能となりました。
製造業をターゲットにしたMining
特に複雑な製造工程のデータ解析に適しています。
製造プロセスデータ解析者に必要な手法および機能を備えているので、すぐ使いこなせます。例えば、
- 欠損や外れ値の多い製造プロセスデータに適した異常値処理を装備
- 適した解析手法と手順ですぐに解析可能
- 必要なグラフや表がすぐ表示される
導入後すぐ運用可能、解析手順も包含
運用立ち上げ期間や工数が汎用統計解析パッケージに比べ大幅に少なくすみます。
多くの汎用統計解析パッケージでは、どの統計解析手法をどのような手順で使うかは、全て解析者が判断する必要があります。 このため、次のような課題がありました。
- 所望の解析を行うための手順を組み立て、適切な手法を適用する手間
- 多くの機能を使いこなすための習熟・技術が必要
- 解析の途中でデータ変換が入る場合も多く、データ編集の手間
容易にインストールでき、また面倒なパラメータ設定等もほとんど不要
製造現場のニーズに合った機能を搭載
- 独自の評価リストで、多工程・少量生産にも対応。
- 効率的で豊富なデータ編集機能があり、様々なデータ編集ニーズに対応できます。
- 繰返し使われる装置の分析に有効な「使用回数マイニング」も簡単です。
- 「異常値考慮Tree」を使い、欠損などの異常値のあるデータも信頼性を損なわず、容易に解析できます。
豊富な実績
富士通を中心とする製造業のお客様のご要望（LSI、磁気ヘッド、実装関連、FPD、成型加工、化学、鉄鋼等）をもとに開発・改良しています。特に、LSI製造、LSI設計、PDP製造、有機EL製造、磁気ヘッド製造、Siウェーハ製造、などに実績があり、工場でも日常的に使用されています。
本製品・サービスに関するお問い合わせ
解析効率と解析信頼性をアップ
Miningが無い場合
Miningを活用した場合
Miningの有無による解析効率の違い
| 無し | 有り | |
|---|---|---|
| 分析手順 | 各工程の分布状態を全てグラフ化 | マイニングを実行して結果を確認 |
| 判断方法 | グラフをすべて見て確認し、判断 | 最も有意差のある工程・装置を抽出 |
| 作業工数 | 多い（数百個ものグラフ描画、比較） | 少ない（条件設定ボタンを押すだけ) |
| 総解析時間の例 | (グラフ描画時間×工程数×複合条件考慮等) = 0.75分×600×3 = 22.5時間 | 解析条件：同左 解析時間 = 0.25時間 |
| 1回で22時間以上の工数短縮 | ||
本製品・サービスに関するお問い合わせ
Miningの機能イメージ
Miningはデータ解析の流れも考慮して、解析者が解析手法と手順をあまり意識せず容易に使えるようになっています。
(1)データ編集
- 解析の流れがシンプル
データを読み込んですぐ分析できます。 - データのクレンジング・編集も容易
必要に応じてデータの追加、置換、集約、削除して原因を捉えやすいデータを作成できます。
(2)変数選択・分析実行
変数選択も容易。条件は初期設定のままでもほとんどOK。装置使用回数マイニングは繰返し使われる装置の分析を可能にします。
(3)分析結果確認・判断(Evaluate)
マイニング結果として、Mining独自の定量的評価結果も出力され、図のようなグラフがすぐ出力できます。Miningでは欠損値等の異常値を考慮して分析するので、クレンジングの手間が大幅に減ります。
統計的知識が少なくても容易に結果を判断できるようになっています。
以上のような機能により、改善活動のための意思決定がすばやく容易に行えます。是正措置遅延による損失も低減できます。
本製品・サービスに関するお問い合わせ
回帰木図の見方
各工程の使用装置差による歩留りの差を解析する例です。全ロット数=65、平均歩留り=89%のロット群に対して、最も歩留りを左右する項目と値を自動的に抽出。すなわち、歩留りが最も低くなるのは工程aでa2、かつ工程bでb2を使用した場合、逆に歩留りが最も高くなるのは工程aでa1、かつ工程cでc1を使用した場合であることが分かります。
従来手法との主な差
- 統計的に有意差が大きいものを自動的に抽出します。
- 複合条件に関する情報も抽出します。
本製品・サービスに関するお問い合わせ
導入事例 -X工場A不良改善-
品種：G1、G2、G3
現象：A不良約3%発生
導入の流れ
Miningにて全工程の処理時刻、号機、工程内検査値と不良率との関係を全て確認。
技術的調査が及ばなかった装置間差に注目。
工程a及び工程bにて、特定品種で装置間差があることを発見。
工程aでの装置a2の使用を禁止、既にa2を使用していたロットは工程bでの装置b2の使用を禁止し、これ以上の歩留り悪化を防いだ。
次に装置a2とb2悪化要因を調査して原因を突き止めて対策を打ち、歩留りは改善された。その結果対策費用を差し引いてもおよそ1000万円/月の改善効果が得られた。
※ 効果は対象品種の生産量、単価等により大きく変化します。
導入効果
| 1. | 大量データの一括クレンジングと分析及び使いやすい連携機能 | |
| → | 解析効率がアップ 富士通(株)の初期導入工場では、対策までの期間が従来の1/6に。 |
|
| 2. | 独自の結果評価機能 | |
| → | 解析信頼性が向上 回帰木のみの場合に比べて見逃す可能性を最小で1/20に。 |
|
| 3. | 回帰木図により | |
| → | 複合条件下の知見の獲得 従来難しかった複合条件で出てくる不良要因の把握が可能。 |
|
歩留り改善。是正措置遅延による損失も低減。
本製品・サービスに関するお問い合わせ