データマイニングとは | アピールポイント | 解析効率・解析信頼性アップ | 機能イメージ | 回帰木図の見方 | 導入事例 |
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
