0を1にする! 検査機メーカーになった町工場のブログ

『メーカーになりたい!』 それは町工場の夢。私もそれを夢見る一人でした。 このブログでは、町工場が検査機メーカーとなるまでに経験した出来事やノウハウを幅広く書き留めます。 ついでにガジェットに関しても…

『メーカーになりたい!』 それは町工場の夢。私もそれを夢見る一人でした。
このブログでは、町工場が検査機メーカーとなるまでに経験した出来事やノウハウを幅広く書き留めます。
ついでにガジェットに関しても…

201214_183035
出典:常陸太田市

2020年12月14日、茨城県常陸太田市は、新たに新型コロナウイルス感染者 1人を確認しました。

確認された感染者は、70歳代の無職の男性。12月13日に公表した感染者の濃厚接触者です。症状は中等症とのこと。

引き続き、患者の濃厚接触者については、PCR検査および健康観察を実施するとしています。


関連リンク
新型コロナウイルス感染症患者の市内発生について(12月14日発表) | 常陸太田市公式ホームページ


  クリックして応援をお願いします!



2020年12月14日、茨城県は、新たに新型コロナウイルス感染者 25名を確認しました。

1214_suii
出典:茨城県

その内訳は、新規の感染者が1名、すでに発表されている感染者の濃厚接触者が24名。

つくば市や土浦市では、東京で公表した濃厚接触者である学生が人数にカウントされています。


関連リンク


  クリックして応援をお願いします!

2012_02_2
出典:東芝

東芝は、現場技術者の知見を反映・学習するAI「Transfer Least absolute shrinkage and selection operator(Transfer Lasso)」を開発しました。

このAIは、半導体工場などの製造現場における現場技術者の知見と過去の品質低下原因を用いて原因を解析し、従来数日かかっていた解析結果の精査時間をわずか1日に短縮できるものです。

製品の品質低下は生産コストに直接影響するため、製造現場においては、製品の品質を監視し、品質低下がみられる製品の検出、原因の特定、対策の実行をすばやく行う必要があります。とくに半導体の製造現場では、製造装置の経時変化や、メンテナンスによる装置の状態、また、納入される材料の特性変化等により、製品の品質が日々変動するため、定期的(毎週~毎月)な品質監視が求められます。監視データから品質が低下する原因を特定するには、AIで原因を推定し、現場技術者による推定結果の妥当性の確認(解析結果の精査)が必要です。

しかし、製造現場には多数の工程および製造装置があり、それぞれが複雑に連携しています。また、1つの製造装置あたり必要な監視項目は約400にのぼると言われており、監視データは極めて膨大です。現場技術者が効率的に解析結果を精査するには、より効率的な原因推定を行うAIの開発が不可欠です。

2012_02_3
出典:東芝

大規模な監視データから品質に影響する原因を自動的にあぶりだす手法として「Least absolute shrinkage and selection operator(Lasso)」というAIがありますが、前回の解析から原因に本質的な変化がない場合においても、データの中に存在するノイズの影響で誤った原因を提示し、解析結果が変わるという課題があります。現場技術者の知見による解析結果と異なることから、解析結果の精査には数日間必要でした。これはLassoによる原因解析が不安定なことに加え、現場技術者の知見の反映が難しいことに起因しています。

2012_02_4
出典:東芝

そこで東芝は大学共同利用機関法人 情報・システム研究機構 統計数理研究所と共同で、解析結果の精査時間を大幅に削減できる新しいAI「Transfer Lasso」を開発。Transfer Lassoは、現場技術者が過去に精査した製造プロセスの知識や物理的な法則といった知見を反映することで、過去に実施したことがある解析結果の精査のやり直しが不要になります。また、技術者のAIに対する不安を払しょくし、より納得感のある原因解析の提供にもつながります。

さらに、前回の原因解析結果をもとに、取得した監視データの傾向の変化を検知し、変化(差分)があるときのみ、新たな原因や解消された原因を提示することを可能にしました。差分のみに着目することで、データにおけるノイズ等の影響を受けにくくなり、膨大なデータの中から本質的な原因を安定的かつ高精度に提示することができます。

一般的に、品質低下の原因と推定される項目は、1つの製造装置あたり10程度に絞り込む必要があると言われていますが、Transfer Lassoにより、従来、絞り込みに数日かかっていた現場技術者の精査時間を1日以内に削減することができます。また、定期的な原因解析にかかる作業時間を大幅に短縮し、素早く対策を検討することが可能になります。
Transfer Lassoは、理論保証のある汎用的な手法であることが認められ、NeurIPS2020に採択されました。

2012_02_5
出典:東芝

東芝では、2020年度末までに、パワー半導体工場においてTransfer Lassoを適用する予定です。また、2021年度末をめどに、化学プラント等を対象としたプラント監視制御システムへの搭載を目指します。今後、工場・プラントを含む様々な分野の実課題への適用を検証し、生産性・歩留り・信頼性の向上に貢献するとしています。


関連リンク
東芝:トップページ


  クリックして応援をお願いします!

↑このページのトップヘ