AIやディープラーニングによる革新的な攵\術の早期構築を期待して(後)
後では、筆vなりにFMEA (Failure Mode and Effects Analysis) をAI、ディープラーニングのмqをpけて実施すると仮定したら、どのようなメリットがあるかを推察してみた。
FMEAは、ウィキペディアでも「故障・不差腓遼富Vを`的とした、邵濺な故障のU的な分析桔 廚筏されており(参考@料18)、ISO9001でも予防保として推奨されている_要な}法である(参考@料19)。FMEAの進め気篌体磴論枌「改ネ妊淵離好院璽詒焼実z工学」(参考@料20)に記載してあるので、それを基に考察する。ここではJに導入している中電流イオンR入と同|の機_を攵ラインに\設する場合を[定する。ただし以下の説はイオンR入\術に限ったBではない。読vのS様にはそれぞれの分野で、本Mを敷(ふえん)してお読み頂ければmいである。
FMEAの来の桔
FMEA作業(参考@料21)を}順にって順次記述する。
(1) まず垉遒竜故報告書を分析して、カテゴリ別に垉遒竜故を分類し、P数順にパレート図にまとめる。例えば電気U、機械U、表Uなどのカテゴリに分類し、故障P数を分析する。そこでもし電気UがH数をめれば、に再度電気Uの中でカテゴリをもう少し細分化して分類し、故障P数のパレート図を作る。そのグラフをいて故P数順に、の故の50%以屬鰒める項`をピックアップする。例えばビーム操作陝▲ぅンソース陝▲┘優襯ー設定陲覆匹任△襦そのk連の作業例を図1にす。
図1 故障個所パレート図A 電気U故障が50% B 電気Uの中でビームU御陝▲ぅンソース陝▲┘優襯ーセッティング陲慮両磴60%をめている
(2) ピックアップしたそれぞれの項`に瓦靴董△弔泙蠅海海任魯咫璽狒犧陝▲ぅンソース陝▲┘優襯ー設定陲砲いて、その原因の要因分析を行い、いわゆる魚の骨の分析図(後述)を作成して、その中で_要な要因をs粋する。
k例として、図1のビーム操作陲陵廾解析図を図2にす。ボードOの故障を見sけられば防げる故や、電気的動作チェックを爐蠅覆行えば防げる故、にはの命を予Rして交換しておけば防げる故などが挙げられている。
図2 ビーム操作雜両磴陵廾分析
ここでは要因分析図をしていないが、同様にイオンソースハウジングのトラブルの場合は、イオンソース{C後の組み立て間違い、絶縁不良、ソースヘッド交換などが_要管理項`になろう。またエネルギー設定のトラブルの要因分析であれば高電圧靄{C、圧v路、消耗交換時の課などが挙げられるだろう。
(3) それぞれの課に瓦靴董関連する要因をできるだけまとめて`挙し、_みけを行う。つまり頻度は高いが、被害金Yが少ない故、あるいは頻度は少ないが発擇垢襪犯鏗俺碌Yが甚jである故、そして工の早い時期に発見できれば害が少ないのでいつ検出できるかなど、発敝囘戞影x度、工の中での早期検出の可性などを考慮して_みけを行い、e険度を総合h価する(参考@料22)。これをまとめたものがFMEAシートである。
(4) _みけを行って別された項`に関して、相関関係があるものをまとめて、管理項`をめ、判定基と確認実x条Pをめる。その例が表1である。その時jなのは、ここまでの分析は垉遒竜故に基づくものであって、来の故予Rはなされていない。しかし新たに導入する機_では、来のデバイスも]しなければならない。そのためx場動向や顧客の\術動向も勘案した管理項`を{加しておくことが_要になる。
(5) これらを機_導入iに試xをして、項`合格したことを確認してから]ラインに導入する。
このような}順を踏むのがいわゆる攵摚FMEAのやり気任△襦ケースバイケースであるが、通常は担当\術vが数カ月をJやして周到に調hをして分析し、画を立案し、関係vと審議の屐⊃設△pけ入れ検収のための実xが行なわれる。
AIやディープラーニングを導入したアドバンストFMEA
峙作業順にAIやディープラーニングを~使してFMEAを行うと仮定しよう。作業}順の番、呂修譴召iIの番、官している。iIと区別するためアドバンストFMEAと記すことにする。
(1) - (3) 故例の分析は故報告書を常日頃から蓄積しておけば、ディープラーニングでそれを学{させて読み込み、そのT果をパレート図にまとめるのはAIのuT分野である。そこから関連する項`を集め要因分析図を作るのも、今ではソフトさえ△垢譴來~単にできるはずである。Jに細書を読み込んで関連を集めてマップを作ることはこのブログでも9Qiに報告済みである(参考@料23)。って故報告書の読み込みや類瑤竜故の集、分類などは容易にできるはずである。
(4)においては、_みづけはそれぞれQ社の情がありk筋縄ではいかないと思われる。しかしそこでも\術vが_みけを仮定してやれば、ソフトに組み込むのは困Mではなかろう。来の予Rはまだしばらくは\術vの判がおそらく要と思う。
(5)では実x条Pをめ、試xをして合否判定をするのは、\術vの仕である。省Sはされないので、実xや実証に要する時間は要である。
しかし、来擬阿(1)から(3)、そして(4)にJやしていた△里燭瓩龍\術vによる数カ月の日数は、AIやディープラーニングのでj幅に]縮されるはずである。ケースバイケースであるが、数カ月Jやしていた分析が数日で可Δ砲覆襪世蹐Αrって攵\術屬癲△泙ISO順守屬任眥_要なFMEA管理が格段に革新されるので、今後この分野への進tは科考えられる。恐らく発表されていないだけで、それぞれの現場では改革が始まっているだろうと推察している。\術動向予Rでは、このようなZ未来も予RJ囲に入れねばならない。
AI、ディープラーニングによる来の攵\術
Jにクリーンルーム内の気流を考慮した工場の間仕切り設(参考@料24)や、作業vの行動パターン動線(参考@料25)を加味した設▲譽ぅ▲Ε蛤鄒(参考@料26)などのb文もある。またAPC/AEC(Advanced Process Control / Advanced Equipment Control)\術でフィードバック、フィードフォワードも加味された\術(参考@料27)も今では広く使われている。また少量H|攵に適した攵画、攵厙理に関してのb文も挙にいとまがないほど溢れている。サプライチェーンのb文(参考@料28)もある。そのように設定されたラインに、峙のアドバンストFMEAが加われば、攵ラインの\術革新が格段に進むことは容易に[気任る。QC関係の管理\術、例えば向管理などもj幅に時間]縮できると考えられる。工場管理、管理、攵厙理など、およそ管理\術のJ疇に入る作業は著しく変革されるはずである。
終わりに
IoTなどに使う雕爐筌妊丱ぅ后△修靴謄愁侫箸粒発に関して、ITE 2019の例を引いて記述した。にその開発に要する時間が著しく]縮されている実を見た。そこで時間軸を拡jし、その時代の先端の学会レベルと、今はまだb文に表せないノウハウなどに錣垢詈野の推定も\術動向調hにはjであることを指~した。そのk例としてAIやディープラーニング\術の進tで、現在進行形と予Rされる管理\術のkつとしてアドバンストFMEAを検討した。
かつて、日本が半導デバイスで世cをリードした時代があった。何もしないでリードできたわけではなく、そこにはj勢の\術vの[まない努があった。j八ZでZOを屬襪茲Δ法努を爐譴俎Zは下がり、場合によっては崖から転げ落ちる。しかしここにきて現場の垉遒攵\術はAIやディープラーニングで、jきく変わろうとしている。これは半導に限らず]企業k般に言えることである。残念ながら筆vはそのような攵\術の経xがない。新しい情報化\術をDり込み、革新的な攵\術に擇泙貶僂錣蝓△修靴討修譴鬟蝓璽匹垢覿\術vが、日本から々と輩出されることを願っている。
a
日頃ご指導を賜る田R先端財団のr藩長をはじめ理やプログラムオフィサーの機垢亡駆aいたします。またいつも原Mのごh読を賜る元NECの工藤Tとセミコンポータル集長氾跳二に御礼申し屬欧泙后
田R先端財団プログラムオフィサー
東Bj学j模集積システム教育センター
客^研|^
東Bj学j学院工学U研|科電気U工学専常講師
r志田 元孝
AIやディープラーニングによる革新的な攵\術の早期構築を期待して(i)
参考@料
- FMEA
- ISO9001: 2015格への々圈‘雋hの眼点
- r志田元孝、「(改ネ如縫淵離好院璽詒焼実z工学」(丸)(2刷2013Q)にp.301-306参照.
- 図1、図2、表1の原Zは元トーキンマイクロエレクトロニクス蝓陛時の社@、Tokin Microelectronics Incorporation)小野k之による
- _みけの}法は例えば、L. S. Lipol and J. Haq ,”Risk Analysis Method: FMEA/FMECA in the Organizations ,” International Journal of Basic & Applied Sciences IJBAS-IJENS Vol: 11 No: 05 , pp.49-57 (2011)
- r志田元孝、“類性で検索するツールと電子図書館での~機薄膜の分析”、セミコンポータル 2010Q4月22日
- 例えば、S.-H. Huang, H.-Y. Shih, S.-N. Li, S.-C. Chen, C.-J. Tsai, “Spatial and Temporal Distributions of a Gaseous Pollutant During Simulated Preventive Maintenance and Pipe Leaking Events in a Working Cleanroom”, IEEE Trans. Semicond. Manuf. 22, 391 (2009)
- 例えば、D. Anand, J. Moyne, and D. M. Tilbury, “A Method for Reducing Noise and Complexity in Yield Analysis for Manufacturing Process Workflows,” IEEE Trans. Semicond. Manuf. 27, 501 (2014)
- 例えば、B.-I. Kim, S. Jeong, J. Shin, J. Koo, J. Chae, S. Lee, “A Layout- and Data-Driven Generic Simulation Model for Semiconductor Fabs”, IEEE Trans. Semicond. Manuf. Vol.22, p.225 (2009)
- 例えば、r志田元孝, “AEC/APCの原点は1982Qに出願、83-84Qにo開されたNEC発の,” セミコンポータル(2009Q11月12日)
- 例えば、D. Huang, H. S. Sarjoughian, W. Wang, G. Godding, D. E. Rivera, K. G. Kempf, H. Mittlemann, ”Simulation of Semiconductor Manufacturing Supply-Chain Systems with DEVS, MPC, and KIB,” IEEE Trans. Semicond. Manuf. 22, 164 (2009)