歩留り改善データ分析

AIを活用した製造業向けデータ分析サービスで“不良の削減”をサポート

製造機器などから取得する設備データとその他センサー機器などから取得する環境データ、および検査結果のデータから不良原因を分析し、不良原因を取り除くことで歩留りを改善します。

個々の企業、設備に即した分析をご提供するポリシー

製造業のお客様とのお付き合いの中でＤＴＳが特に重要と感じていることのひとつは、製造業の各社様で扱うデータは千差万別で各社ごとに全く別物だという点です。したがってＤＴＳでは高度な分析については「ツール製品を導入する」というよりも、最初からオーダーメイドで各社様に合わせた分析手法・ツールをご提供することをポリシーとしております。

データに適した分析手法の組合せ

分析手法については、AI/機械学習・深層学習（Deep Learning）および統計解析の各種手法をデータに合わせて利用します。利用するツールやライブラリ自体はRやPythonといったオープンソースソフトウェアがメインですが、どのようにデータ加工をするのか、どの分析手法を使うのか、どう手法を組合せて進めるか、という点がより重要です。
例えば、「この製品は良品、この製品は不良品」といった製品単位でのデータが入手できる場合は機械学習の「教師あり学習」という手法を中心として傾向分析を実施することができますが、製品単位でのデータが入手できない場合は「教師なし学習」という手法と他の手法を組合せて分析を実施する、といった具合です。

歩留り改善のサイクルとPOC

データ分析による歩留り改善を実現するためには、データ取得から分析、結果の検証と評価、といったサイクルを継続的に回していく必要があります。最初から多額のシステム投資を行うのではなく、まず１サイクルを実証実験（POC: Proof Of Concept）として実施し、その後本格的なシステム化に進めていく方法をお勧めします。POCはやり方次第ではありますが、標準的には数ヶ月で実施することを想定しています。
POCの実施にご興味がありましたら、以下の窓口までご連絡・ご相談ください。歩留り改善以外のテーマのデータ分析についてもご相談に応じます。