要因估计支持装置及其控制方法

专利名称：要因估计支持装置及其控制方法
技术领域：
本发明涉及支持根据在诊断对象的系统中产生的结果来估计要因的 要因估计支持装置及其控制方法。例如，本发明涉及支持根据在经过多 个工序制造产品的生产系统中产生的异常来估计原因的要因估计支持装 置等。
背景技术：
在工厂的生产线中，为了提高成品率，需要进行工序的改进处理。 作为工序的改进处理，首先确定成为产品的不良要因的工序，进行设备 的调整和清理等，以便清除该要因。
但是，在包括多个工序的制造工序中，作为不良要因的候选，认为 有制造装置的部件缺陷、制造装置的设定问题和传送路径中的问题等多 种要因。例如，电路基板的表面安装系统的工序被划分为印刷工序一安 装工序一回流焊工序。在印刷工序中，在基板上印刷焊膏，在安装工序 中，在基板上安装部件。在最后的回流焊工序中，通过施加热量使焊锡 溶化并粘接部件。在这种表面安装系统中，在产生电桥不良时，作为产 生电桥不良的要因多数情况下认为是掩膜偏移、下模不清洁等，但其中 一个或多个成为根本要因。
专利文献1日本特开2006 — 065598号公报(2006年3月9曰公
开)
专利文献2日本特开2006 — 173373号公报(2006年6月29日
公开)
这样利用因果关系的强度自动从多种要因中估计根本要因的技术， 例如已在专利文献1和2中公开。但是，未必因果关系最强的要因就是 根本要因。并且，由于自动估计根本要因，所以估计的整个过程是暗箱状态，没有对用户公开。其结果是，针对所估计的根本要因的说服力微 弱。
另一方面，人们从多种要因中估计根本要因时，有关不合格品症状 的数据、和有关制造装置的动作历史及检查装置的检査历史的数据非常 庞大，所以很难进行有关不良发生的分析。
这里，生产管理经验丰富的生产管理负责人根据经验得知不良要因 给不合格品、制造装置、检查装置造成的影响的关系、以及该影响的解 释方法，能够有效实施工序改进。但是，经验较少的生产管理负责人需 要逐个地分析要因来确定要因，导致工序的改进处理花费大量时间。
因此，在生产现场中，需要怎样熟练程度的生产管理负责人都能够 容易实现异常要因估计的方法。

发明内容
本发明就是鉴于上述问题而提出的，其目的在于，提供一种能够容 易实现异常要因估计的要因估计支持装置等。
为了解决上述问题，本发明提供一种要因估计支持装置，该要因估 计支持装置用于支持根据在诊断对象系统中产生的结果来估计要因，其 特征在于，该要因估计支持装置具有变量历史存储部，其存储从上述 系统获取的多个变量的历史信息；因果关系存储部，其存储表示上述多 个变量之间的因果关系的因果关系信息；结果异常判定单元，其判定与 上述结果对应的变量是否异常；变量异常判定单元，其在该结果异常判 定单元判定为异常的情况下，判定与上述结果对应的变量以外的各个变 量是否异常；以及可视化图像生成单元，其使用上述因果关系信息，生 成使上述因果关系可视化的可视化图像，在上述可视化图像中，对上述 结果异常判定单元和上述变量异常判定单元判定为异常的变量，追加表 示异常的信息。
并且，为了解决上述问题，本发明提供一种要因估计支持装置的控 制方法，该要因估计支持装置用于支持根据在诊断对象系统中产生的结 果来估计要因，该要因估计支持装置具有存储从上述系统获取的多个变量的历史信息的变量历史存储部、和存储表示上述多个变量之间的因 果关系的因果关系信息的因果关系存储部，其特征在于，所述控制方法 包括结果异常判定步骤，其判定与上述结果对应的变量是否异常；变 量异常判定步骤，其在该结果异常判定步骤中判定为异常的情况下，判 定与上述结果对应的变量以外的各个变量是否异常；以及可视化图像生 成步骤，其使用上述因果关系信息，生成使上述因果关系可视化的可视 化图像，在上述可视化图像中，对在上述结果异常判定步骤和上述变量 异常判定步骤中判定为异常的变量，追加表示异常的信息。
在此，所谓正常例如指符合预定条件的情况，所谓异常例如指不符 合该条件的情况。并且，关于表示异常的信息的示例，作为一例可以列 举像红色、"异常"文字等那样提醒用户注意的颜色和文字、及像下划线 和斜线等那样强调该部分的图案。
并且，在制造工序中，在检查所制造的产品并且不符合预定基准的 情况下，上述产品被视为不合格品。这样，关于与结果对应的变量，通 常预先设定用于判定异常的基准，但对其他变量预先设定用于判定异常 的基准的情况较少。
并且，认为因果关系越强的变量，其变动对结果的影响越大。因此， 优选在本发明涉及的要因估计支持装置中还具有因果强度计算单元，其 根据上述历史信息计算表示上述因果关系的强度的因果强度，上述可视 化图像生成单元根据上述因果强度变更上述可视化图像中的上述因果关 系信息。
并且， 一般认为异常程度越大的变量，其成为异常原因的可能性越 大。因此，优选在本发明涉及的要因估计支持装置中，上述变量异常判 定单元对于判定为异常的变量，计算异常的程度，上述可视化图像生成 单元根据上述异常的程度变更上述可视化图像中的上述因果关系信息。
并且，优选在本发明涉及的要因估计支持装置中，多个上述变量被 分类为多种类型，上述可视化图像生成单元生成的可视化图像被划分为 分别对应上述多种类型的多个区域，上述变量的信息被配置在对应该变 量所属类型的区域中。并且，优选上述诊断对象的系统是经过多个工序制造产品的生产系 统。该情况时，优选在发生了产品异常即不合格品的情况下，判定生产 系统中的各种变量的异常，并反映在将因果关系可视化的可视化图像中。
并且，优选上述诊断对象的系统是向多个电气设备提供电力的电力 供给系统，上述多个变量包括上述多个电气设备的消耗电力量，与上述 结果对应的变量是上述电力供给系统的消耗电力量的合计值，上述异常 可以是上述消耗电力量大于基准电力量的浪费状态。


图1是表示本发明的一个实施方式涉及的基板安装系统的要因估计
支持装置的结构概况的方框图。
图2是表示上述基板安装系统的结构概况的方框图。
图3是利用有向曲线表示上述基板安装系统的因果关系信息的一例的图。
图4是利用表形式表示与上述因果关系信息中的各个顶点对应的变
量的历史信息的图。
图5是在图3所示的因果关系信息的箭头线附近记述了上述顶点之
间的因果强度的图。
图6是表示分别对应上述顶点的变量的概率分布的一例的曲线图。 图7是表示根据上述因果关系信息生成的因果关系的可视化图像的
一例的图。
图8是在上述可视化图像中变更被检测为异常的变量的顶点的图。 图9是利用表形式表示存储在上述要因估计支持装置的存储部中的
材料/环境历史数据和检査历史数据的一例的图。
图10是利用有向曲线表示存储在上述存储部中的因果结构数据的
一例的图。
图11是利用表形式表示上述因果结构数据的图。 图12是利用表形式表示存储在上述存储部中的变动管理基准数据 的一例的图。图13是表示某个变量的目标不良率为0.01。％时的管理基准的曲线图。
图14是利用有向曲线表示上述因果关系信息的其他示例的图。
图15是表示上述要因估计支持装置的控制部中的可视化图像生成 部生成的可视化图像的 一 例的图。
图16是表示上述控制部的因果强度计算部和变动管理基准设定部 的处理动作的概况的流程图。
图17是表示上述控制部的最终质量异常检测部、变量异常检测部和 可视化图像生成部的处理动作的概况的流程图。
图18是表示上述可视化图像生成部的处理的某个具体示例的流程图。
图19 (a) (c)是表示通过进行上述处理而导致的可视化图像的 变化的图。
图20是表示上述可视化图像生成部的处理的其他具体示例的流程图。
图21 (a) (c)是表示通过进行上述处理而导致的可视化图像的 变化的图。
图22是表示上述可视化图像生成部的处理的其他具体示例的流程图。
图23 (a) (c)是表示通过进行上述处理而导致的异常通知图像 的变化的图。
图24是表示本发明的其他实施方式的一例涉及的电力供给系统的 结构概况的方框图。
图25是表示上述电力供给系统的要因估计支持装置的结构概况的 方框图。
图26是利用表形式表示存储在上述要因估计支持装置的存储部中 的设定/环境历史数据和电力量历史数据的一例的图。
图27是利用有向曲线表示存储在上述存储部中的因果结构数据的 一例的图。图28是利用表形式表示上述因果结构数据的图。
图29是表示显示在上述要因估计支持装置的显示部上的曲线图的
一例的图。
图30是表示显示在上述显示部上的曲线图的其他示例的图。 图31是表示显示在上述显示部上的曲线图的其他示例的图。 图32是表示上述要因估计支持装置的控制部中的总电力量浪费检
测部、单体电力量浪费检测部、和可视化图像生成部的处理动作的概况
的流程图。
图33是表示上述控制部的预测部的处理动作的概况的流程图。
具体实施例方式
参照图1 图23说明本发明的一个实施方式。在本实施方式中，把 本发明适用于具有在印刷基板上安装电子部件的生产线的基板安装系 统，但本发明不限于印刷基板的安装系统，可以适用于被对象物(subject) 的处理工序的所有管理内容。另外，所谓被对象物的处理工序指例如工 业产品的生产工序、矿业产品和农产品或原料的检查工序、废弃对象物 (例如工厂废弃物、工厂废水、废气、垃圾等)的处理工序、废弃对象 物的检查工序、设备的检查工序、再生工序等。
图2表示本实施方式的基板安装系统1的结构概况。基板安装系统 1的生产线包括用于在印刷基板上安装电子部件的各种工序(印刷工序、 安装工序、回流焊工序等)。
在图2的示例中，基板安装系统l具有进行在基板上印刷焊膏的 印刷工序的印刷装置lla;进行在基板上安装电子部件的安装工序的安装
装置lib;和进行焊接基板上的电子部件的回流焊工序的焊接装置llc。
印刷装置lla、安装装置llb和焊接装置llc按照从基板安装系统1的产 品流程的上游向下游的顺序设置。另外，以下在不需要区分印刷装置lla、 安装装置llb和焊接装置llc时，简称为加工装置11。
并且，在印刷装置lla的附近配置有印刷检査装置14a，在安装装置 lib的附近配置有安装检查装置14b，在焊接装置llc的附近配置有焊接检查装置14c。印刷检査装置14a检查通过印刷装置lla处理后的基板的 质量。安装检査装置14b检查通过安装装置lib处理后的基板。焊接检 査装置14c检查通过焊接装置lie处理后的基板。另外，焊接检査装置 14c位于生产线的最下游，所以检查通过基板安装系统1制造的产品的最 终质量特性。另外，以下在不需要区分印刷检査装置14a、安装检査装置 14b和焊接检查装置14c时，简称为检查装置14。
在本实施方式中，基板安装系统1具有要因估计支持装置10，在焊 接检查装置14c判定产品不合格时，支持用户估计该不合格的要因。并 且，要因估计支持装置IO、印刷装置lla、安装装置llb、焊接装置llc、 印刷检查装置14a、安装检查装置14b和焊接检查装置14c，通过通信线 路相互连接，由此形成通信网络。另外，作为通信网络，只要是各个装 置能够互相通信的方式，则可以是任何网络，例如假定是形成有LAN (Local Area Network)的方式。
另外，在上述示例中，采取分别对应印刷装置lla、安装装置llb、 焊接装置lie而设置检查装置14的结构，但是也可以省略进行最终检查 的检查装置14c之外的几个检査装置14。
下面，参照图3 图8说明要因估计支持装置10的概况。要因估计 支持装置IO存储从基板安装系统1获取的多个变量的历史信息、和表示 该多个变量之间的因果关系的因果关系信息。
图3利用有向曲线表示上述因果关系信息的一例。图示的有向曲线 包括顶点和箭头线。顶点A D对应变量，利用箭头线连接的顶点之间 具有因果关系。另外，箭头线的朝向表示顶点之间的顺序关系。因此， 图示的因果关系信息表示顶点A对顶点B和顶点C产生影响，顶点B对 顶点C产生影响，而且顶点C对顶点D产生影响。并且，图4是按照所 制造的每个基板表示对应各个顶点的变量的历史信息。
要因估计支持装置10根据图3所示的因果关系信息和图4所示的变 量的历史信息，定量地评价变量之间的因果关系的强度。以下，把定量 地评价的因果关系的强度称为"因果强度"。
因果强度按照下面所述计算。即，图3所示的因果关系信息利用下式那样的线性结构方程式表示。其中，X表示进行规范化后的结果，该规 范化是指对与各个顶点对应的变量的历史信息减去该历史信息的平均 值，并除以上述历史信息的标准偏差。并且，Ot表示顶点之间的因果强度， S表示各个顶点的误差。
<formula>formula see original document page 12</formula> (1 )
通过使用图4所示的历史信息对上述式(1)进行回归分析，可以计 算顶点之间的因果强度a。要因估计支持装置IO将所计算的顶点之间的 因果强度a与因果关系信息一起存储。
图5将所计算的顶点之间的因果强度a记述在图3所示的因果关系信 息的箭头线附近。这样，如果判定了变量之间的因果关系及其强度、或 者对应顶点的变量变动时，就可以预测与该顶点的子孙顶点对应的变量 变动怎样的程度。并且，在对应某个顶点的变量变动时，通过改变与不 同于该顶点的其他顶点对应的变量，可以进行抑制与这些顶点的子孙顶 点对应的变量的变动的控制。
例如，对应于顶点A D的变量分别对应于印刷装置lla内的湿度、 焊锡的粘度、焊锡的印刷面积和焊锡的焊角(fillet)长度。该情况时， 可以理解为当印刷面积(顶点C)增加0.1mr^时，焊角长度(顶点D) 延长0.09mm。并且，当湿度(顶点A)增加20%时，通过使焊锡的粘度 (顶点B)下降约O.lPa "S，可以控制使印刷面积(顶点C)保持为O.lmm2。
并且，要因估计支持装置IO存储通过基板安装系统1制造的产品的 最终质量特性的管理基准。该管理基准预先根据产品的设计规格确定， 所以以下称为"固定管理基准"。要因估计支持装置10根据所计算的变 量之间的因果强度和上述固定管理基准的信息，设定各个变量的管理基 准。另外，该管理基准根据因果强度而变化，所以以下称为"变动管理 基准"。要因估计支持装置10存储按照每个变量设定的变动管理基准的
{曰息。
并且，要因估计支持装置IO利用上述变量的历史信息和上述固定管理基准的信息，检测产品的最终质量特性是否异常。具体地讲，首先， 根据最终质量特性(顶点D的变量)的历史信息计算标本方差。A (为了 方便而这样描述成赋予了帽的CJ)。然后，使用所计算的标本方差CJA和上 述固定管理基准的上限值Su及下限值SL，利用下式计算工序能力指数 Cp。
<formula>formula see original document page 13</formula> …(2) 并且，要因估计支持装置10在所计算的工序能力指数Cp为1以上时， 判定为最终质量特性正常，在小于l时判定为异常。
在检测上述最终质量特性的异常后，要因估计支持装置IO利用上述 变量的历史信息和上述变动管理基准的信息，检测最终质量特性以外的 变量是否异常。具体地讲，对于最终质量特性以外的各个变量(顶点A C)，进行与检测最终质量特性的异常的处理相同的处理。即，对于各个 变量，根据历史信息计算标本方差a 使用所计算的标本方差a八和上述 变动管理基准的上限值Su及下限值S。利用上式(2)计算工序能力指 数Cp。并且，在所计算的工序能力指数Cp为1以上时，判定为变量正常， 在小于l时判定为异常。
图6表示分别对应于顶点A D的变量A D的概率分布的一例。 另外，图中的虚线从左侧起依次表示管理基准(固定管理基准或变动管 理基准)的下限和上限。在图示的例子中，变量D (最终质量特性)和 变量C的概率分布存在于从管理基准的下限到上限之间以外的量较多， 工序能力指数Cp小于l。另一方面，变量A和变量B的概率分布几乎没 有存在于从管理基准的下限到上限之间以外的量，工序能力指数Cp为1 以上。
此时，要因估计支持装置10检查最终质量特性是否异常，在判定为 最终质量特性异常后，检查变量A C是否异常，判定为变量C异常。
并且，要因估计支持装置10在检测最终质量特性的异常后，根据上 述因果关系信息，生成因果关系的可视化图像，对所生成的可视化图像 中包含的变量中被检测到异常的变量，追加表示异常的颜色、文字、图 案等信息。并且，要因估计支持装置IO显示被追加了信息的可视化图像。图7和图8表示生成上述可视化图像的过程。图7表示根据上述因 果关系信息生成的因果关系的可视化图像的一例。如图所示，可视化图
像50被划分为左部51和其他部分，该其他部分被划分为上部52、中央 部53和下部54。
另外，上部52、中央部53和下部54分别被划分到基板安装系统1 的多个工序的每个区域中，各个区域中的最左侧成为最上游工序的区域， 随着向右方接近，成为下游工序的区域。即，上部52、中央部53和下部 54分别从左侧起依次被划分为印刷工序、安装工序和回流焊工序的区域。
在上部52和下部54中，利用黑点描画了在基板安装系统1工作时 固定的变量的顶点，在左部51和中央部53中，利用白圆圈描画了在基 板安装系统1工作时变化的变量的顶点。另外，在各个顶点附近记述有 对应该顶点的变量的名称。另外，上述固定的变量与上述变化的变量相 比，成为异常要因的可能性较小，所以上述黑点被描画为小于上述白圆 圈的尺寸。
作为在基板安装系统1工作时固定的变量，有在基板安装系统1的 设计阶段确定的变量(以下称为"设计的变量")、和通过基板安装系统1 内的加工装置11设定的变量(以下称为"设定的变量")。因此，在图7 所示的可视化图像50中，上述设计的变量的顶点被描画在上部52中， 上述设定的变量的顶点被描画在下部54中。另外，作为上述设计的变量 的示例，可以列举掩膜厚度、搭载位置、焊角设计值等，作为上述设定 的变量的示例，可以列举搅拌时间、安装高度、回流焊温度等。
并且，作为在基板安装系统1工作时变化的变量，有表示在加工装 置11中使用的材料的状态的变量和表示加工装置11内的环境状态的变 量(以下称为"材料/环境的变量")，以及表示通过检査装置14检查的质 量特性的变量(以下称为"质量特性的变量")。因此，在图7所示的可 视化图像50中，上述材料/环境的变量的顶点被描画在左部51中，上述 质量特性的变量被描画在中央部53中。另外，作为上述材料/环境的变量 的示例，可以列举焊锡保管温度、印刷装置lla内的温度等，作为上述 质量特性的变量的示例，可以列举焊锡的印刷面积、部件相对基板的安装偏移、焊角长度等。
图8是在图7所示的可视化图像50中变更被检测为异常的变量的顶 点的图。在图示的例子中，对上述顶点的白圆圈内部施加斜线。显示图8 所示的可视化图像50而使用户可以参阅，由此用户容易掌握异常的原因。 并且，被检测为异常的变量是按照因果关系显示的，所以用户容易掌握 异常是如何传播的，其结果是，上述异常原因的说服力提高。另外，实 际上优选将上述白圆圈内涂成红色等施加用于提醒用户注意的颜色、文 字、图案等。
另外，在图7和图8所示的可视化图像50中，变量被按照设计、设 定、材料/环境和质量特性进行整理配置。因此，对参阅可视化图像50 的用户而言容易观看，用户能够更容易掌握异常的原因。
另外，在图8的示例中，使用因果结构数据42中包含的顶点之间的 因果强度，变更箭头线的粗细，使得因果强度越强，箭头线越粗。由此， 在参阅可视化图像50的用户估计异常的原因时也能够考虑因果强度，所 以用户能够更加可靠地估计异常的原因。
下面，说明要因估计支持装置10的具体情况。图1表示要因估计支 持装置10的结构概况。如图1所示，要因估计支持装置10构成为具有 控制部20、存储部(变量历史存储部、因果关系存储部)21、接收部22、 输入部23和显示部24。
控制部20统一控制要因估计支持装置10的各部分的动作，例如利 用PC基础的计算机构成。并且，各部分的动作控制通过使计算机执行控 制程序来进行。并且，存储部21存储各种信息，例如利用硬盘装置等非 易失性的记录介质构成。另外，关于控制部20和存储部21的具体情况 将在后面叙述。
接收部22接收在基板安装系统1的各个工序中测定的测定数据。接 收部22将所接收的测定数据存储在存储部21中。另外，接收部22可以 通过有线接收测定数据，也可以无线接收。
具体地讲，接收部22从加工装置11接收表示加工装置11内的环境 状态、或者在加工装置11中使用的材料的状态的材料/环境数据，并存储在存储部21中。另外，也可以新增设置检测上述环境或上述材料的状态 的传感器，使接收部22从该传感器接收材料/环境数据。并且，如图1
所示，还可以另外设置材料/环境输入部25，将用户通过材料/环境输入部
25输入的材料/环境数据存储在存储部21中。
并且，接收部22从检查装置14接收表示检查装置14检查的检查结
果的检查数据，并存储在存储部21中。以下，把存储在存储部21中的
材料/环境数据称为"材料/环境历史数据"，把存储在存储部21中的检査
数据称为"检査历史数据"。
在此，作为材料/环境数据的示例，可以列举焊膏的保管时间和保管
温度、印刷装置lla内的温度和湿度等测定数据。并且，作为检査数据 的示例，可以列举通过印刷检査装置14a检查的焊锡粘度和印刷体积、
通过安装检查装置14b检査的安装偏移、通过焊接检查装置14c检査的
部件偏移和焊角长度等测定数据。另外，焊角长度表示与回流焊工序之
后的焊锡的轮廓形状相关的质量特性。
输入部23受理来自用户的指示输入、信息输入等，例如利用键盘和 按钮等键输入器件和鼠标等指针器件等构成。
在本实施方式中，输入部23受理因果结构数据和固定管理基准数据 的输入，并存储在存储部21中。上述因果结构数据用于对在基板安装系 统1内变动的上述材料/环境数据和上述检查数据那样的各种变量，表示 变量之间的因果关系。因果结构数据根据文献和来自人的信息而生成。 另外，也可以生成多个因果结构数据。并且，上述固定管理基准数据包 括通过基板安装系统1制造的产品的最终质量特性的目标值和固定管理 基准。
另外，也可以与输入部23 —起或者取代输入部23，使用读取所印 刷的信息的扫描设备、通过无线或有线的传输介质接收信号的接收设备、 再现记录在外部或自身装置内的记录介质中的数据的再现装置等，受理 来自外部的信息输入。
显示部24根据来自控制部20的指示显示信息，例如利用LCD (Liquid Crystal Display,液晶显示器)、PDP (Plasma Display Panel,等离子体显示板)、CRT (Cathode Ray Tube,阴极射线管)等显示装置构成。 另外，也可以与显示部24—起或者取代显示部24，使用在纸等印刷介质 上印刷信息的印刷输出设备、通过上述传输介质发送信号的发送设备、 在上述记录介质上记录数据的记录设备等，向外部输出信息。
下面，说明控制部20和存储部21的具体情况。如图1所示，控制 部20构成为具有因果强度计算部(因果强度计算单元)30、变动管理基 准设定部(判定基准设定单元)31、最终质量异常检测部(结果异常判 定单元)32、变量异常检测部(变量异常判定单元)33、和可视化图像 生成部(可视化图像生成单元)34。并且，存储部21存储材料/环境历史 数据(历史信息)40、检查历史数据(历史信息)41、因果结构数据(因 果关系信息)42、固定管理基准数据43和变动管理基准数据44。
图9汇总表示材料/环境历史数据40和检査历史数据41的一例。如 图所示，材料/环境历史数据40和检查历史数据41针对所制造的每个基 板，包括用于识别基板的ID (识别序号)和各种变量。并且，图10利用 有向曲线表示因果结构数据42的一例。图示的有向曲线更加具体地描画 了图3所示的有向曲线，在各个顶点记述有变量的名称。
图11表示因果结构数据42的一例。图示的因果结构数据42利用表 形式表示图IO所示的有向曲线。如图所示，因果结构数据42针对每个 箭头线，包括与作为箭头线的始点的亲顶点对应的变量的名称和与作为 箭头线的终点的子顶点对应的变量的名称。另外，虽然没有图示，但针 对每个箭头线也包括通过因果强度计算部30计算的因果强度。
另外，虽然没有图示，因果结构数据42还包括表示各个变量属于设 计、设定、材料/环境和质量特性的哪种分类的分类信息、以及表示各个 变量属于印刷工序、安装工序和回流焊工序的哪种分类的工序信息。上 述分类信息和工序信息如后面所述，在可视化图像生成部34生成可视化 图像时使用。
图12表示变动管理基准数据44的一例。如图所示，变动管理基准 数据44针对每个变量，包括该变量的名称和变动管理基准的下限值 及上限值Su、目标平均值、目标方差值。另外，固定管理基准数据43针对每个最终特性也包括相同的信息。
因果强度计算部30使用材料/环境历史数据40和检查历史数据41 ， 计算因果结构数据42中的变量之间的因果强度。另外，因果强度的计算 方法与以上说明的相同。因果强度计算部30把所计算的因果强度发送给 变动管理基准设定部31，并追加到存储部21的因果结构数据42中。
变动管理基准设定部31根据来自因果强度计算部30的变量之间的 因果强度、和存储在存储部21中的固定管理基准数据43，设定各个变量 的变动管理基准和目标方差值。变动管理基准设定部31将包括针对每个 变量设定的变动管理基准的变动管理基准数据44存储在存储部21中。
具体说明上述变动管理基准和目标方差值的设定。在产品的各个最 终质量特性中设定有目标值M、上限和下限的固定管理基准Su/S。和目 标不良率，并作为固定管理基准数据43存储在存储部21中。另外，目 标值M及上限和下限的固定管理基准Su/St是根据产品的设计规格预先 设定的，但目标不良率可以根据基板安装系统1的实际情况和制造成本 等变更。
图13表示某个变量的目标不良率为100ppm二0.0r/^时的管理基准 S:7Su。在上述变量的概率分布是正规分布时，以100%—O.Ol 5^=99.99 q/^的概率发生的事件是变量在M土3.891Xcj的范围内的事件。其中，cj表 示标准偏差。
因此，相对目标值M和固定管理基准Sl/Su，用于实现0.01%的目 标不良率的目标方差值 2根据下式计算。
然后，变动管理基准设定部31使用最终质量特性的目标方差值ciY2 和因果强度计算部30计算的因果强度oc，计算最终质量特性以外的变量 的方差目标值。参照图14说明该计算方法。图14利用有向曲线表示有 关变量之间的因果关系信息的其他示例。其中，图示中的Y表示最终质 量特性的变量，X1 X3表示其他变量。并且，od (i4表示各个变量之间 的因果强度。根据图示的因果结构，最终质量特性Y的目标方差值ciY2可以使用变量X2的目标方差值 22和变量X3的目标方差值 32表示为 下式。
cr 」["2 CT 3 [ 4 。3F …(4)
在上述式(4)中，axM表示变量X2和变量X3的协方差。根据上 述式(4)可以理解为，最终质量特性Y的目标方差值cj^可以根据变量 X2的目标方差值cj"2、变量X3的目标方差值cix32、变量X2与最终质量 特性Y的因果强度0C3、及变量X3与最终质量特性Y的因果强度(X4确定。
在图14所示的因果结构中，变量X2和变量X3是附带条件的独立 的关系，所以变量X2和变量X3的协方差dx2x3为0。由此，上述式(4) 变为下式。
因此，变量X2的目标方差值 22和变量X3的目标方差值cix32可以 使用最终质量特性Y的目标方差值ciY2、变量X2与最终质量特性Y的因
果强度OC3、及变量X3与最终质量特性Y的因果强度CC4，按照下式所示设定。
cX22= (a32+a42) _/a42xOY2, aX32= (a32+a42) /^32><(^2 … (6) 并且，通过使用所设定的各个变量的目标方差值和各个变量的目标 平均值M计算M土3.891Xcj，可以设定各个变量的变动管理基准SL/Su。
最终质量异常检测部32使用存储部21中的检查历史数据41和固定 管理基准数据43，检测产品的最终质量特性是否异常。并且，最终质量 异常检测部32对检测到异常的最终质量特性计算异常的程度。最终质量 异常检测部32将检测到异常的最终质量特性的信息和该最终质量特性的 异常的程度发送给变量异常检测部33和可视化图像生成部34。
变量异常检测部33从最终质量异常检测部32接收检测到异常的最 终质量特性的信息时，使用存储部21中的检查历史数据41和变动管理 基准数据44，检测最终质量特性以外的变量是否异常。并且，变量异常 检测部33对检测到异常的变量计算异常的程度。变量异常检测部33将 检测到异常的变量的信息和该变量的异常的程度发送给可视化图像生成 部34。另外，最终质量异常检测部32和变量异常检测部33的异常检测如
上面所述可以使用工序能力指数cp，也可以如后面所述使用t检定和X2
检定，还可以使用也考虑了平均值的偏移的工序能力指数Cpk。并且，变 量异常检测部33也可以从存储部21的因果结构数据42中读出包括最终 质量异常检测部32检测为异常的最终质量特性的因果结构，并把所读出 的因果结构中包含的变量作为检测是否异常的对象。
可视化图像生成部34从存储部21读出因果结构数据42，并生成因 果结构的可视化图像。并且，可视化图像生成部34从最终质量异常检测 部32和变量异常检测部33接收被检测为异常的变量的信息时，对所生 成的可视化图像中包含的变量中被检测为异常的变量，追加表示异常的 颜色、文字、图案等信息。并且，可视化图像生成部34将对检测为异常 的变量追加了信息的可视化图像发送给显示部24。由此，上述可视化图 像显示在显示部24上。
图15表示可视化图像生成部34生成的可视化图像的一例。图示的 可视化图像50对图8所示的可视化图像50追加了各种信息。具体地讲， 被追加了菜单条、用于对每个最终质量特性(在图示例中为焊角长度和 焊角宽度)显示可视化图像的标志、基板的型号和批次等、有关产品的 各种信息、不良率、工序能力指数Cp等、有关异常的各种数值、异常判 定基准的类型及通例等的显示备选的选择项目。
另外，图15所示的可视化图像50也可以形成为在异常的程度越大 时，各个顶点的尺寸越大。由此，在参阅可视化图像50的用户估计异常 的原因时也可以考虑异常的程度，所以用户能够更加可靠地估计异常的 原因。
并且，在图15所示的可视化图像50中可以区分正常变量的顶点和 异常变量的顶点，另外也可以将不能判定异常和正常的变量设定为应该 注意的危险变量，使该危险变量的顶点可以与其他顶点区分。例如，可 以考虑把工序能力指数Cp小于1.0的变量作为异常变量，把大于等于1.0 小于1.33的变量作为危险变量，把1.33以上的变量作为正常变量。并且， 还可以利用蓝色表示正常变量的顶点，利用黄色表示危险变量，利用红色表示异常变量。
下面，参照图16和图17说明上述结构的要因估计支持装置10的控
制部20的处理动作。图16表示控制部20的因果强度计算部30和变动 管理基准设定部31的处理动作的概况。另外，上述处理动作可以只在基 板安装系统1刚刚工作后或刚刚变更装置的设定后马上进行一次，也可 以定期执行，还可以一直执行。
如图16所示，首先，因果强度计算部30使用材料/环境历史数据40 和检査历史数据41，计算因果结构数据42中的变量之间的因果强度a(步 骤SIO，以下有时会简称为"S10"。并且对于其他步骤也相同)，获取上 述式(1)的线性结构方程式(Sll)。
然后，变动管理基准设定部31根据存储部21的固定管理基准数据 43中包含的目标值M、固定管理基准S:/Su和目标不良率，计算最终质 量特性的目标方差值(S12)。另外，固定管理基准数据43中也可以包括 最终质量特性的目标方差值，而取代目标不良率。该情况时，变动管理 基准设定部31只要从存储部21获取固定管理基准数据43中包含的最终 质量特性的目标方差值，而取代步骤S12即可。
然后，变动管理基准设定部31使用在步骤S12中计算的最终质量特 性的目标方差值OY2、和因果强度计算部30计算的因果强度oc，计算最终 质量特性以外的变量的方差目标值(S13)。
然后，变动管理基准设定部31针对最终质量特性以外的每个变量， 使用在步骤S13中计算的目标方差值c^和预定的目标值M，根据上式(3) 计算变动管理基准SL/Su的值(S14)。然后，结束因果强度计算部30和 变动管理基准设定部31的处理动作。
图17表示控制部20的最终质量异常检测部32、变量异常检测部33 和可视化图像生成部34的处理动作的概况。如图所示，首先待机到最终 质量异常检测部32检测最终质量特性的异常(S20)。另外，最终质量特 性的异常判定可以通过与后面叙述的步骤S22和步骤S24相同的处理进 行。
在检测到上述异常时，变量异常检测部33对于最终质量特性以外的某个变量，获取存储部21的变动管理基准数据44中包含的目标方差值、
目标值和变动管理基准(S21)。然后，变量异常检测部33从存储部21 的材料/环境历史数据40或检查历史数据41中获取上述变量的历史数据， 计算上述变量的平均值。
然后，变量异常检测部33判定所计算的平均值是否异常(S22)。作 为该判定方法的一例，可以列举下面叙述的基于t检定的判定方法。艮口， 首先获取预先存储在存储部21中的检定用的显著水准a (通常为0.05)。 然后，使用上述变量的历史数据根据下式计算检定统计量T。
<formula>formula see original document page 22</formula> …(7)
(其中，X:数据序列，乙X的平均值，目标值，Vx2: X的均 方差，n:数据个数。)
然后，从t分布表中获取相对上述显著水准a的自由度(n—l)的t
分布的t值k。另外，也可以把上述t值ta存储在存储部21中而取代上述
显著水准a。然后，比较所获取的t值ta和根据上式(7)计算的检定统 计量T，在T〉tJ寸，判定为上述变量的平均值异常。另外，也可以采用t
检定以外的公知的判定方法。
在步骤S22中，在上述变量的平均值异常时，变量异常检测部33计 算平均值的异常程度(S23)。上述平均值的异常程度可以根据(平均值 与变动管理基准的偏移量)/ (变动管理基准的幅度)求出。
然后，变量异常检测部33使用上述变量的历史数据计算上述变量的 方差值，判定所计算的方差值是否异常(S24)。作为该判定方法的一例， 可以列举以下叙述的基于XS检定的判定方法。即，首先获取上述显著水 准a。然后，使用上述变量的历史数据，根据下式计算检定统计量Xo2。
<formula>formula see original document page 22</formula>. (8)
(其中，Xi:数据序列，|^1。平均目标值，CJ。2:方差目标值，II:数 据个数。)
然后，从XZ分布表中获取相对上述显著水准a的自由度(n—l)的^分布的X"直Xa2。另外，也可以把上述XZ值X 存储在存储部21中 而取代上述显著水准a。然后，比较所获取的XM直Xj和根据上式(8) 计算的检定统计量Xo2，在X 〉X 时，判定为上述变量的方差值异常。 另外，也可以采用f检定以外的公知的判定方法。
在步骤S24中，在上述变量的方差值异常时，变量异常检测部33计 算方差值的异常程度(S25)，计算统一了上述变量的平均值和方差值的 异常程度(S26)。上述方差值的异常程度指上述工序能力指数Cp，可以 根据上式(2)求出。并且，上述统一的异常程度可以通过使上述平均值 的异常程度与上述方差值的异常程度进行相乘而求出。
具体地讲，统一了上述平均值和方差值的异常程度Cpk根据下式计 算。其中，X—(为了方便，这样记述带横杠的X)指上述变量的平均值。
变量异常检测部33对最终质量特性以外的所有变量重复以上步骤 S21 S26 (S27)。并且，可视化图像生成部34使用变量异常检测部33 判定为异常的变量的信息和存储部21中的因果结构数据42，进行生成可 视化图像50并显示在显示部24上的可视化图像的生成/显示处理(S28)。 然后，结束最终质量异常检测部32、变量异常检测部33和可视化图像生 成部34的处理动作。
下面，参照图18和图19说明上述可视化图像的生成/显示处理(S28) 的具体示例。图18表示可视化图像生成部34自动进行可视化图像的生 成/显示处理(S28)时的处理流程。图19 (a) (c)表示通过进行图 18所示的处理所导致的可视化图像50的变化。
如图18所示，首先把图7所示的可视化图像50即因果关系的可视 化图像，变更为强调显示了最终质量异常检测部32检测为异常的最终质 量特性的顶点的可视化图像(S30)。图19 (a)表示通过步骤S30变更后 的可视化图像50。在图示的例子中，强调显示焊角长度的顶点。
(卜iC)C, m =0
(其中k然后，确定成为与前次被强调显示的顶点对应的变量的要因的变量 中、变量异常检测部33计算的异常程度为最大的变量。然后变更为进一 步强调显示了所确定的变量的顶点的可视化图像，并且变更为进一步强 调显示了该顶点和上述前次被强调显示的顶点之间的箭头线的可视化图
像(S31)。
图19 (b)表示通过步骤S31将该图(a)所示的可视化图像50变 更后的可视化图像50。在该图(b)的示例中，与该图(a)的示例相比， 印刷体积的顶点被进一步强调显示，印刷体积的顶点和焊角长度的顶点 之间的箭头线被进一步强调显示。
然后，进一步判断是否存在成为要因的变量、即是否存在成为与在 前面步骤(S31)中被强调显示的顶点对应的变量的要因的变量(S32)。 当存在时，返回前面步骤(S31)重复上述动作。而在不存在时，使显示 部24显示所生成的可视化图像50 (S33)。然后，结束可视化图像的生成 /显示处理，返回原来的程序。
图19 (c)表示图18所示处理的结果生成的可视化图像50。在该图 (c)的示例中，与该图(b)的示例相比，焊锡粘度的顶点和温度的顶 点被进一步强调显示，焊锡粘度的顶点和印刷体积的顶点之间的箭头线、 以及温度的顶点和焊锡粘度的顶点之间的箭头线被进一步强调显示。
因此，通过在显示部24上自动显示图19(c)所示的可视化图像50， 可以节省用户的时间。并且，由于异常程度最大的变量的因果关系被可 视化，所以用户能够容易估计异常的主要原因。
下面，参照图20和图21说明上述可视化图像的生成/显示处理(S28) 的其他示例。图20表示可视化图像生成部34根据用户的指示进行可视 化图像的生成/显示处理(S28)时的处理流程。并且，图21 (a) (c) 表示通过进行图20所示的处理而导致的可视化图像50的变化。
如图20所示，首先把图7所示的因果关系的可视化图像，变更为强 调显示了最终质量异常检测部32检测为异常的最终质量特性的顶点的可 视化图像(S35)。另外，所变更的可视化图像50与图19 (a)所示的可 视化图像50相同。然后，强调显示前次被强调显示的顶点成为终点的箭头线(S36)。 由此，与前次被强调显示的顶点对应的变量成为结果的因果关系被强调
显示。另外，上述箭头线根据存储部21的因果结构数据42中包含的因
果强度变更上述箭头线的粗细。即，因果强度越强，箭头线越粗。
图21 (a)表示通过步骤S36将图19 (a)所示的可视化图像50变 更后的可视化图像50。在图21 (a)的示例中，与图19 (a)的示例相比， 焊角设计值、印刷体积、部件偏移、及回流焊温度的各个顶点与焊角长 度的顶点之间的箭头线被进一步强调显示。并且，被强调显示的箭头线 中，印刷体积的顶点和焊角长度的顶点之间的箭头线被显示得比较粗。
然后，待机到用户通过输入部23等输入单元指定在前面步骤(S36) 中被强调显示的作为箭头线的终点的顶点中任一个(S37)。图21 (b)表 示对该图(a)所示的可视化图像50，用户使指针移动到印刷体积的顶点 的状态。另外，在图示的例子中，在某个顶点的区域内包含指针指示的 位置时，显示包围该顶点的虚线。由此，即使顶点彼此接近时，用户也 能容易掌握指针在指示哪个顶点。
在用户指定上述顶点中任一个后，变更为强调显示了所指定顶点的 可视化图像50 (S38)。图21 (c)表示对该图(b)所示的可视化图像50 强调显示用户指定的印刷体积的顶点的状态。另外，在图示的例子中， 把在步骤S36中被强调显示的箭头线中将所指定顶点作为始点的箭头线， 变更为利用预定的粗细强调显示的箭头线，将把上述顶点以外的顶点作 为始点的箭头线恢复为正常的箭头线。由此，可以形成用户容易观看的 可视化图像50。
然后，进一步判断是否还存在成为要因的变量、即是否存在成为与 在前面步骤(S38)中被强调显示的顶点对应的变量的要因的变量(S39)。 当存在时，返回步骤S36重复上述动作。而在不存在时，结束可视化图 像的生成/显示处理，返回原来的程序。
在通过图20所示的处理生成可视化图像50后，用户可以利用自身 具有的因果关系的知识和装置提供的因果关系的知识，掌握异常是如何 按照因果关系传播的。另外，可视化图像生成部34也可以不生成可视化图像50来进行显
示，而是针对每个工序显示异常的变量的信息。图22表示可视化图像生 成部34使显示部24针对每个工序显示异常的主要变量的处理流程。并 且，图23 (a) (c)表示通过进行图22所示的处理而生成的图像、即 用于通知异常的异常通知用图像60的变化。
如图22所示，首先把最终质量异常检测部32检测异常的最终质量 特性的信息，作为最终工序的异常变量追加到异常通知用图像60中 (S40)。图23 (a)表示通过步骤S40追加的异常通知用图像60。在图 示的例子中，在表示最终工序即回流焊工序的异常的栏中追加了 "焊角 长度"。
然后，确定在包括前次追加的异常变量的工序的前面工序所包含的 变量中、变量异常检测部33计算的异常程度为最大的变量。然后把所确 定的变量的信息作为上述前面工序的异常变量追加到异常通知用图像60 中(S41)。图23 (b)表示通过步骤S41追加的异常通知用图像60。在 图示的例子中，在表示最终工序的前面工序即安装工序的异常的栏中追 加了 "安装偏移"。
然后，判断是否还存在比包括在前面步骤(S41)中追加的异常变量 的工序更上游的工序(S42)。当存在时，返回前面步骤(S41)重复上述 动作。而在不存在时，使显示部24显示所生成的异常通知用图像60 (S43)。然后，结束可视化图像生成部34的处理，返回原来的程序。
图23 (c)表示图22所示处理的结果生成的异常通知用图像60。在 该图(c)的示例中，与该图(b)的示例相比，在表示剩余工序即印刷 工序的异常的栏中追加了 "印刷体积"。由此，用户可以迅速掌握各个工 序中的异常的主要变量。
另外，在上述实施方式中，用户利用要因估计支持装置IO的输入部 23进行操作输入，并在显示部24上进行各种画面的显示。也可以是如下 的方式，即，在使用户进行操作输入的终端装置连接到通信网络上的状 态下与要因估计支持装置IO分开设置，通过该终端装置进行向要因估计 支持装置10的数据输入和各种画面的显示。(实施方式2)
下面，参照图24 图33说明本发明的其他实施方式。在本实施方
式中，通过将本发明适用于向作为对象的设施(以下称为"对象设施") 中的各种电气设备提供电力的电力供给系统，估计正在消耗无用电力的 电气设备。
近来，在工业领域中为了削减生产成本，力求削减生产时使用的各 种电气设备的消耗电力量。并且，作为全球变暖的对策，力求削减国家 标准的消耗电力量。
但是，在工厂和房屋等的设施内设有多个电气设备，为了抑制总体 消耗电力量，需要确定对哪个电气设备进行哪种程度的操作才行，这并 非易事。因为即使某两台电气设备被独立设置并独立操作，在使用一个 电气设备时，也有可能导致另一个电气设备的消耗电力变化。
例如，照明器件和空调机是独立设置并独立操作的，但在使照明器 件亮灯时，设施内的温度上升。因此，空调机为了将设施内的温度保持 为设定温度，在夏季需要提高制冷功能，所以消耗电力增大，而在冬季 可以降低制热功能，所以消耗电力降低。
并且，在将空调机的设定温度变更为人体舒适的温度的情况下，人 将犹豫离开对象设施。尤其在外部温度是人体不舒适的温度时更明显。 因此，检测到人的存在而自动亮灯的照明器件的情况下，亮灯时间延长， 其结果是，照明器件的消耗电力量增大。另一方面，在将空调机的设定 温度变更为人体不舒适的温度的情况下，人会马上离开对象设施。尤其 在外部温度是人体舒适的温度时更明显。因此，上述照明器件的亮灯时 间縮短，其结果是，照明器件的消耗电力量减小。
对此，熟知节能技巧的专业人士，根据经验得知电气设备之间对消 耗电力量的影响的关系以及该影响的解释方法，并根据经验得知用于削 减消耗电力量的各种对策。因此，在以往，上述专业人士检查上述设施 并确定应该抑制消耗电力量的电气设备，据此对上述设施的管理者进行 用于抑制消耗电力量的建议。
但是，这种专业人士人数有限，所以对包括房屋在内的全部设施完成上述建议需要较长时间。并且，各个家庭要想从上述专业人士接受建 议需要支付相应的费用，所以各个家庭的成本负担增大。
因此，在本实施方式的电力供给系统中，预先根据因果结构确定在 电气设备之间消耗电力量是如何影响的，在将该因果关系可视化的可视 化图像中，对被判定为产生浪费的电气设备的消耗电力量追加表示产生 浪费的信息。利用显示单元、印刷单元等输出单元将该可视化图像输出 到外部，用户通过参阅该可视化图像，能够容易掌握产生浪费的电气设 备，并且能够容易掌握上述浪费是如何沿着因果关系传播的，所以用户 能够容易估计成为浪费的消耗电力量的要因的电气设备。
以下具体说明本实施方式的电力供给系统。图24表示本实施方式的
电力供给系统70的结构概况。电力供给系统70具有设于对象设施72内 的各种电气设备71。在图示的例子中，作为电气设备71设有对对象设施 72内部进行照明的照明器件71a、进行对象设施72内部的空气调节的空 调机71b。
并且，电力供给系统70在对象设施72中设置用于用户操作各个电 气设备71的操作机73。在图示的例子中，作为操作机73，在对象设施 72内设有操作照明器件71a的开关73a、以及操作空调机71b的遥控器 (远程控制器)73b。
并且，从外部通过配电盘75对各个电气设备71提供电力。因此， 电力供给系统70具有测试提供给电气设备71和配电盘75的电力的电表 74。在图示的例子中，设有分别测试提供给照明器件71a、空调机71b和 配电盘75的电力的电表74a、 74b、 74c。在此，测试从外部提供给配电 盘75的电力的电表74c，测试提供给对象设施72的电力的合计值。
并且，电力供给系统70具有各种传感器，用于测定有可能给电气设 备71的消耗电力量带来影响的物理量。在图示的例子中，电力供给系统 70包括测试对象设施72的外部气温即外部温度的温度传感器76。
在本实施方式中，电力供给系统70具有要因估计支持装置77，用 于支持用户估计成为消耗电力量浪费的要因的电气设备。并且，要因估 计支持装置77、照明器件71a、空调机71b和电表74a 74c通过通信线路相互连接，由此形成通信网络。另外，作为通信网络，只要是各个装 置能够互相通信的方式，就可以是任何网络，例如假定是形成有LAN
(Local Area Network)的方式。
并且，在本实施方式中，采取对应电气设备71和配电盘75分别设 置电表74的结构，但是也可以省略测试提供给对象设施72的电力合计 值的电表74c以外的几个电表74。
下面，参照图25 图33说明要因估计支持装置77的具体情况。另 外，对与在上述实施方式中说明的结构相同功能的结构赋予相同符号， 并省略其说明。
图25表示要因估计支持装置77的结构概况。如图所示，要因估计 支持装置77构成为具有控制部80、存储部(变量历史存储部、因果关系 存储部)81、接收部82、输入部83和显示部84。另外，控制部80、存 储部81、接收部82、输入部83和显示部84的概况，与图1所示的控制 部20、存储部21、接收部22、输入部23和显示部24的概况相同，所以 省略其说明。
首先，说明接收部82的具体情况。在本实施方式中，接收部82从 电气设备71、传感器、操作机73等各种设备，接收表示对象设施72的 内外环境状态或者通过电气设备71设定的状态的设定/环境数据，并存储 在存储部81中。另外，如图25所示，也可以新增设置设定/环境输入部 85，将用户通过设定/环境输入部85输入的设定/环境数据存储在存储部 81中。
并且，接收部82从电表74接收表示电表74测试的电力量的电力量 数据，并存储在存储部81中。以下，把存储在存储部81中的设定/环境 数据称为"设定/环境历史数据"，把存储在存储部81中的电力量数据称 为"电力量历史数据"。并且，把上述设定/环境历史数据和上述电力量历 史数据统称为"历史数据"。
具体地讲，接收部82接收表示照明器件71a的接通断开、空调机71b 的设定温度和温度传感器76测试的外部温度的数据，作为设定/环境数 据，但也可以接收其他的设定/环境数据。作为设定/环境数据的其他示例,可以列举照明器件71a的照度、空调机71b的接通断开、对象设施内的 气温和热容量、连通外部和对象设施内的门及窗的开闭等数据。
另外，在图24和图25的示例中，要因估计支持装置77的接收部 82从空调机71b接收设定温度，但也可以从遥控器73b获取。同样，虽 然是从照明器件71a获取照明器件71a接通断开，但也可以从开关73a 获取。
图26表示各个变量的历史数据的一例。如图所示，各个变量的历史 数据对应于测试日期时间。另外，在测试日期时间的栏中按照"年/月/ 日时分"记述数值。并且，照明器件71a和空调机71b的栏的单位是 W，遥控器73b的设定温度和温度传感器76的外部温度的栏的单位是。C。 开关栏的数值0表示断开、l表示接通。
下面，说明输入部83的具体情况。在本实施方式中，输入部83受 理因果结构数据和基准电力量数据的输入，并存储在存储部81中。上述 因果结构数据用于对在基板安装系统1内变动的上述设定/环境数据和上 述电力量数据那样的各种变量，表示变量之间的因果关系。因果结构数 据根据来自文献和人的信息而生成。另外，也可以生成多个因果结构数 据。
图27是利用有向曲线表示本实施方式的上述因果关系信息的一例 的图。另外，关于图示的变量的名称，"开关"表示开关73a的接通断开， "外部温度"表示温度传感器76测试的外部温度，"设定温度"表示遥 控器73b的设定温度。并且，"照明器件"、"空调机"和"对象设施"分 别表示照明器件71a、空调机71b和对象设施72的消耗电力量。
在图27的示例中，表示开关73a的接通断开给照明器件71a的消耗 电力量造成影响，而且温度传感器76测试的外部温度与遥控器73b的设 定温度给空调机71b的消耗电力量造成影响。并且，表示照明器件71a 的消耗电力量和空调机71b的消耗电力量给对象设施72内的电气设备71 的消耗电力量合计值(以下称为"总消耗电力量")造成影响。
另外，在图27的示例中，表示照明器件71a的开关73a的接通断开 给空调机71b的消耗电力量造成影响，而遥控器73b的设定温度与温度传感器76测试的外部温度给照明器件71a的消耗电力量造成影响。另外，
其原因如上所述，所以省略其说明。
图28表示因果结构数据的一例，利用表形式表示图27所示的有向 曲线。如图所示，因果结构数据针对每个变量包括识别上述变量的ID(识 别序号)、上述变量的名称、与成为把上述变量作为始点的箭头线的终点 的子顶点对应的变量的ID (子ID)。另外，虽然没有图示，但因果结构 数据针对每个箭头线包括通过后面叙述的因果强度计算部90计算的因果 强度。
并且，上述基准电力量数据包括设于对象设施72中的多个电气设备 71的基准状态下的消耗电力量、及它们的合计值的数据。当前，尽管没 有使用电气设备71，但浪费的消耗电力量的大部分是在该电气设备71工 作中及待机中消耗的。因此，在本实施方式中，作为存在不使用的期间 的电气设备71的基准电力量，釆用"使用该电气设备的计划即计划期间" X "该电气设备的额定输出"。
另一方面，例如像冰箱那样存在电气设备71必须一直工作的情况。 这种电气设备71的浪费使消耗电力量产生偏差。在上述偏差较大时，需 要增大提供给该电气设备71的电力的额定值，因此与上述偏差较小时相 比，需要提供富余的电力。因此，在本实施方式中，作为一直工作的电 气设备71的基准电力量，采用消耗电力量的平均值和方差值。上述消耗 电力量的平均值和方差值只要根据上述电力量历史数据计算即可。
另外，例如像工厂等那样，有时在对象设施72内存在多个电气设备 71。该情况时，根据电气设备71的功能及其在对象设施72内的场所将 其分类，把相同分类中包含的多个电气设备71的消耗电力量的平均值和 方差值用作基准电力量。
另外，输入部83受理在预测部95中使用的设定信息的输入，将所 受理的设定信息发送给预测部95。上述设定信息表示操作机73的指示内 容和/或其指示期间。
下面，说明控制部80和存储部81的具体情况。如图25所示，控制 部80构成为具有因果强度计算部(因果强度计算单元)90、基准电力量计算部91、总电力量浪费捡测部(结果异常判定单元)92、单体电力量
浪费检测部93、可视化图像生成部(可视化图像生成单元)94、和预测 部95。并且，存储部81存储设定/环境历史数据(历史信息)100、电力 量历史数据(历史信息)101、因果结构数据(因果关系信息)102和基 准电力量数据103。
因果强度计算部90使用设定/环境历史数据100和电力量历史数据 101，计算因果结构数据102中的变量之间的因果强度。另外，因果强度 的计算方法与上述实施方式相同。因果强度计算部卯将所计算的因果强 度追加到存储部81的因果结构数据102中。
基准电力量计算部91对于一直工作的电气设备71，使用存储部81 的电力量历史数据101计算该电气设备71的消耗电力量的平均值和方差 值。基准电力量计算部91将所计算的消耗电力量的平均值和方差值作为 基准电力量存储在存储部81的基准电力量数据103中。另外，基准电力 量计算部91的处理动作可以只在电力供给系统70刚刚工作后或刚刚变 更装置的设定后马上进行一次，也可以一直进行，但从精度和减轻处理 负担的观点考虑，优选每隔预定期间进行一次。
总电力量浪费检测部92使用存储部81的电力量历史数据101和基 准电力量数据103，检测对象设施72内的总消耗电力量是否大于对应的 基准电力量，由此检测浪费。并且，总电力量浪费检测部92在检测到浪 费时，计算从上述总消耗电力量减去上述基准电力量，并把其结果作为 浪费的程度。总电力量浪费检测部92将检测到上述总消耗电力量的浪费 的意思及其浪费程度发送给可视化图像生成部94。
单体电力量浪费检测部93从总电力量浪费检测部92接收已检测到 总消耗电力量浪费的意思后，使用存储部81的电力量历史数据101和基 准电力量数据103，检测各个电气设备71的总消耗电力量是否大于对应 的基准电力量，由此检测浪费。并且，单体电力量浪费检测部93对于检 测到浪费的电气设备71，计算从上述总消耗电力量减去上述基准电力量， 并把其结果作为浪费的程度。单体电力量浪费检测部93将检测到浪费的 电气设备71的信息及浪费程度发送给可视化图像生成部94。另外，电气设备71的消耗电力量根据早晨、中午、晚上等一天中的 时间而变化。因此，优选上述消耗电力量或上述总消耗电力量是一天或 多于一天的期间的量。
并且，如上面所述，当对象设施72内存在多个电气设备71时，只 要从基于上述功能和上述场所的分类中包含的多个电气设备71的相关消 耗电力量的平均值减去基准电力量，并将其结果作为上述浪费程度即可。
可视化图像生成部94从存储部81中读出因果结构数据102，生成 因果结构的可视化图像。并且，可视化图像生成部94从总电力量浪费检 测部92接收到已检测总消耗电力量的浪费的意思后，从单体电力量浪费 检测部93接收被检测到浪费的电气设备71的信息及其浪费程度，对于 所生成的可视化图像中包含的变量中被检测到浪费的电气设备71的变 量，追加表示浪费的颜色、文字、图案等信息。
并且，可视化图像生成部94将对被检测到浪费的电气设备71的变 量追加了信息的可视化图像发送给显示部24。由此，上述可视化图像显 示在显示部24上。另外，所显示的可视化图像与图15等所示的可视化 图像相同，所以省略其说明。
预测部95根据存储部81的历史数据100和101预测未来的时间序 列数据。预测部95将所预测的时间序列数据存储在存储部81的预测时 间序列数据105中。
预测部95的预测可以采用公知的时间序列预测模型。作为该时间序 列预测模型的一例，可以列举AR (Auto—Regressive:自回归)模型、 MA (Moving —Average:滑动平均)模型、ARMA (Auto — Regressive Moving—Average:自回归滑动平均)模型、ARIMA (Auto—Regressive Integrated Moving— Average:自回归积分滑动平均)模型、SARMA (Seasonal Auto—Regressive Integrated Moving—Average: 季节变动自回 归滑动平均)模型、CARIMA (Controlled Auto_Regressive Integrated Moving—Average:受控自回归积分滑动平均)模型等。
并且，预测部95使显示部84显示基于上述历史数据100和101及 上述预测时间序列数据105的曲线图。图29表示显示在显示部84上的曲线图的一例。该图(a)表示温度传感器76测试的外部温度的时间序 列数据。并且，该图(b)表示某个电气设备71 (设备A)的消耗电力量 的时间序列数据和其他电气设备71 (设备B)的消耗电力量的时间序列 数据。在图示中，实线表示上述历史数据，虚线表示上述预测时间序列 数据。
另外，预测部95对于输入部83受理的设定信息表示的设定内容， 在已变更存储部81的设定/环境历史数据100的情况下，根据电力量历史 数据101预测未来的时间序列数据。预测部95将所预测的设定变更后的 时间序列数据存储在存储部81的预测时间序列数据105中。在图29的 示例中，该图(b)中的单点划线表示上述设定变更后的预测时间序列数 据。
另外，预测部95对于电气设备71的消耗电力量，通过从上述预测 时间序列数据减去上述设定变更后的预测时间序列数据，求出表示所削 减的电力量的推移的削减电力量的时间序列数据。预测部95将上述削减 电力量的时间序列数据存储在存储部81的预测时间序列数据105中。
图29 (c)表示设备A和设备B的上述削减电力量的预测时间序列 数据。在图示中，图的上部表示设备A的上述削减电力量的推移，图的 下部表示设备B的上述削减电力量的推移。
并且，预测部95根据上述预测时间序列数据105，使显示部84针 对上述每个设定变更显示上述削减电力量的累计值曲线。图30表示显示 在显示部84上的累计值的曲线示例。在该图中，对于各个设定变更oc '卩， 分别利用柱状图表示设备A和设备B的上述削减电力量的累计值。关于 各个设定变更的柱状图，在该图左侧表示设备A的上述削减电力量的累 计值，在该图右侧表示设备B的上述削减电力量的累计值。
用户参照图30的柱状图，可以理解在哪种设定变更的情况下哪个电 气设备71的消耗电力量被削减何种程度。由此，用户能够容易进行用于 削减消耗电力量的可靠设定。另外，图29和图30的图优选与可视化图 像生成部94生成的可视化图像同时或者交替显示在显示部84上。通过 参照可视化图像的因果关系，可以可靠地削减消耗电力量，所以能够容易理解只要变更哪个设定即可。
另外，在本实施方式中，预测部95根据存储部81的历史数据100 和101预测未来的时间序列数据，预测变更设定后的未来的时间序列数 据，但是也可以预测变更设定后的过去的时间序列数据。图31对应于图 29，是向过去追溯预测变更设定后的消耗电力量的推移的曲线图的一例。
下面，参照图32和图33说明上述结构的要因估计支持装置77的控 制部80的处理动作。另外，控制部80的因果强度计算部30的处理动作 与图16中的步骤S10、 Sll相同，所以省略其说明。并且，控制部80的 基准电力量计算部91的处理动作与上面所述情况相同，所以省略其说明。
图32表示控制部80的总电力量浪费检测部92、单体电力量浪费检 测部93和可视化图像生成部94的处理动作的概况。如图所示，首先待 机到总电力量浪费检测部92检测总消耗电力量的浪费(S50)。另外，总 消耗电力量的浪费的判定可以通过与后面叙述的步骤S52相同的处理来 进行。
在检测到上述浪费后，单体电力量浪费检测部93对于某个电气设备 71的消耗电力量，获取存储部81的基准电力量数据103中包含的基准电 力量(S51)。然后，单体电力量浪费检测部93从存储部81的电力量历 史数据101获取上述电气设备71的消耗电力量的历史数据，判定所获取 的消耗电力量是否发生浪费(S52)。该判定可以通过判定预定期间的上 述消耗电力量是否大于基准电力量来进行。
在步骤S52中，在发生上述浪费时，单体电力量浪费检测部93计算 上述浪费的程度(S53)。上述浪费的程度可以通过累计预定期间的上述 消耗电力量与基准电力量之差来求出。
单体电力量浪费检测部93对所有电气设备71重复以上步骤S51 S53 (S54)。并且，可视化图像生成部94使用单体电力量浪费检测部93 判定发生了上述浪费的电气设备71的信息、和存储部81的因果结构数 据102，进行生成可视化图像并显示在显示部84上的可视化图像的生成/ 显示处理(S55)。另外，可视化图像的生成/显示处理与图1S等所示的处 理相同，所以省略其说明。然后，结束总电力量浪费检测部92、单体电力量浪费检测部93和可视化图像生成部94的处理动作。
图33表示控制部80的预测部95的处理动作的概况。如图所示，首 先预测部95根据存储部81的历史数据100和101，将各个变量的时间推 移曲线化并显示在显示部84上(S60)。在图29的(a) (b)中利用实线 示出该曲线的一例。
然后，预测部95根据存储部81的历史数据100和101预测各个变 量的时间推移，将所预测的时间推移曲线化并显示在显示部84上(S61)。 在图29的(a)、 (b)中利用虚线示出该曲线的一例。
然后，预测部95判断是否已从输入部83指示变更设定内容(S62)。 在没有指示时，转入步骤S65。而在有指示时，根据所变更的设定内容和 存储部81的历史数据100和101，预测设定变更后的各个变量(尤其是 总消耗电力量和各个电气设备71的消耗电力量)的时间推移，将所预测 的时间推移曲线化并显示在显示部84上(S63)。在图29的(b)中利用 单点划线示出该曲线的一例。
然后，预测部95对于各个电气设备71的消耗电力量，从设定变更 前的时间推移减去设定变更后的时间推移，由此计算上述削减电力量的 时间推移，将所计算的时间推移曲线化并显示在显示部84上(S64)。在 图29的(c)中利用单点划线示出该曲线的一例。
然后，在步骤S65中，判断是否已从输入部83指示切换为显示累计 值(S65)。在没有指示时，返回步骤S62重复上述动作。
另一方面，在有指示时，计算各个电气设备71的上述削减电力量的 累计值，将所计算的累计值曲线化并显示在显示部84上(S66)。另外， 在已进行多次设定变更时，针对每次设定变更进行步骤S66的处理。在 图30中示出该曲线的一例。
然后，判断是否己从输入部83指示切换为显示时间推移(S67)。在 没有指示时，返回步骤S66重复上述动作。而在有指示时，返回步骤S62 重复上述动作。
本发明不限于上述实施方式，可以在权利要求所述的范围内进行各 种变更。即，通过组合在权利要求所述的范围内适当变更后的技术特征得到的实施方式，也包含于本发明的技术范围中。
并且，在上述实施方式中，将本发明适用于生产工序并估计不合格 品的原因，但是，例如在根据血压、体温等活体信息的因果关系进行疾 病诊断的情况，也可以适用本发明。
最后，要因估计支持装置10的各个模块、尤其是控制部20可以利 用硬件逻辑构成，也可以如下面所述使用CPU通过软件实现。
艮P，要因估计支持装置IO具有执行实现各个功能的控制程序的命令
的CPU (central processing unit)、存储了上述程序的ROM (read only memory)、将上述禾呈序展开的RAM (random access memory)、存亍诸上述 程序和各种数据的存储器等存储装置(记录介质)等。并且，本发明的 目的也可以通过以下方式实现，即，对上述要因估计支持装置IO提供以 计算机可读的形式记录了用于实现上述功能的软件即要因估计支持装置 10的控制程序的程序代码(执行形式程序、中间代码程序、源程序)的 记录介质，该计算机(或CPU和MPU)读出记录在记录介质中的程序代 码并执行。
作为上述记录介质，例如可以使用磁带和盒式带等带系统、包括软 盘(注册商标)/硬盘等磁盘和CD—ROM/MO/MD/DVD/CD—R等光盘 的盘系统、IC卡(包括存储卡)/光卡等的卡系统、或者掩码 ROM/EPROM/EEPROM/闪存ROM等半导体存储器等。
并且，也可以使要因估计支持装置10构成为可以连接通信网络，通 过通信网络提供上述程序代码。作为该通信网络没有特别限定，例如可 以采用互联网、内联网、外联网、LAN、 ISDN、 VAN、 CATV通信网、 虚拟专用网(virtual private network)、电话线路网、移动体通信网、卫星 通信网等。并且，作为构成通信网络的传输介质没有特别限定，例如可 以在正EE1394、 USB、电力线传输、有线TV线路、电话线、ADSL线 路等有线方式中使用，也可以在像IrDA和遥控器那样的红外线、Bluetooth (注册商标)、802.11无线、HDR、手机网、卫星线路、地面波数字网等 无线方式中使用。另外，本发明也可以以上述程序代码通过电子传输而 被具体化的、埋入载波中的计算机数据信号的形式实现。如上所述，在本发明涉及的要因估计支持装置中，在将因果关系可 视化的可视化图像中，对被判定为异常的变量追加表示异常的信息，所 以参阅了上述可视化图像的用户能够容易掌握上述异常是如何沿着因果 关系传播的，其结果是，发挥能够容易估计异常原因的效果。
另外，根据上述结构及方法，在判定对应于结果的变量异常时，判 定对应于上述结果的变量以外的各个变量是否异常。此时，被判定为异 常的变量包括与针对上述结果的要因对应的因素的可能性较大。因此， 在本发明中，在将因果关系可视化的可视化图像中，对被判定为异常的 变量追加表示异常的信息。利用显示单元、印刷单元等输出单元将该可 视化图像输出到外部，用户通过参阅该可视化图像，能够容易掌握发出 异常的变量，并且能够容易掌握上述异常是如何沿着因果关系传播的， 所以用户能够容易估计异常的原因。
另外，在本发明涉及的要因估计支持装置中，优选还具有判定基准 设定单元，该判定基准设定单元根据成为上述结果异常判定单元判定异 常的基准的预定的判定基准和上述因果关系信息，设定成为上述变量异 常判定单元判定异常的基准的判定基准。由此，即使是对应于上述结果 的变量以外的变量，也能够设定判定异常的基准。并且，上述设定是根 据因果关系信息进行的，所以也能够对应因果关系被变更的情况。
作为上述判定基准的示例，可以列举生产管理中的管理基准、目标 方差值等。
另外，在本发明涉及的要因估计支持装置中，优选还具有因果强度 计算单元，该因果强度计算单元根据上述历史信息计算表示上述因果关
系的强度的因果强度，上述判定基准设定单元根据上述因果关系信息和 上述因果强度设定上述判定基准。通过考虑因果强度，可以更加合理地 设定判定基准。
另外，参阅了可视化图像的用户在估计异常要因时也能够考虑因果 强度，所以用户能够更加可靠地估计异常的原因。另外，作为基于因果 强度的因果关系信息的变更的示例，可以列举变更表示因果的箭头线的 粗细、或者在该箭头线附近追加因果强度的数值的示例。另外，参阅了可视化图像的用户在估计异常要因时也能够考虑异常 的程度，所以用户能够更加可靠地估计异常的原因。另外，作为基于异 常程度的因果关系信息的变更的示例，可以列举变更表示变量的顶点的 尺寸的示例等。
另外，在可视化图像中按照每个类型整理配置变量，所以对于参阅 可视化图像的用户而言容易观看，用户能够更容易估计异常的原因。
另外，在发生了产品异常即不合格品的情况下，判定生产系统中的 各种变量的异常，并反映在将因果关系可视化的可视化图像中，由此参 阅了可视化图像的用户能够容易估计不合格品产生的原因。
另外，在上述电力供给系统的消耗电力量合计值为浪费状态时，可 以判定上述电力供给系统的各种电气设备的消耗电力量的浪费状态，并 反映在将因果关系可视化的可视化图像中。由此，参阅了该可视化图像 的用户能够容易估计产生消耗电力量的浪费的原因。
另外，在变更上述消耗电力量以外的变量的值时，可以预测消耗电 力量或者其合计值是否处于上述浪费状态。因此，用户能够容易估计如 何变更上述变量的值比较好，以便消除上述浪费状态。
另外，可以使计算机按照要因估计支持程序执行上述要因估计支持 装置的各个步骤。另外，通过将上述要因估计支持程序存储在计算机可 读的记录介质中，可以在任意计算机上执行上述要因估计支持程序。
本发明涉及的要因估计支持装置对因果关系可视化的可视化图像追 加异常的变量的信息，由此可以容易估计异常的原因，所以例如可以适 用于期望节能的模拟系统和疾病诊断系统等具有因果关系的任意系统。
权利要求
1. 一种要因估计支持装置，其用于支持根据在诊断对象系统中产生的结果来估计要因，其特征在于，该要因估计支持装置具有变量历史存储部，其存储从上述系统获取的多个变量的历史信息；因果关系存储部，其存储表示上述多个变量之间的因果关系的因果关系信息；结果异常判定单元，其判定与上述结果对应的变量是否异常；变量异常判定单元，其在该结果异常判定单元判定为异常的情况下，判定与上述结果对应的变量以外的各个变量是否异常；以及可视化图像生成单元，其使用上述因果关系信息，生成使上述因果关系可视化的可视化图像，在上述可视化图像中，对上述结果异常判定单元和上述变量异常判定单元判定为异常的变量，追加表示异常的信息。
2. 根据权利要求1所述的要因估计支持装置，其特征在于，该要因 估计支持装置还具有判定基准设定单元，该判定基准设定单元根据作为 上述结果异常判定单元判定异常的基准的预定的判定基准和上述因果关 系信息，设定作为上述变量异常判定单元判定异常的基准的判定基准。
3. 根据权利要求2所述的要因估计支持装置，其特征在于，该要因 估计支持装置还具有因果强度计算单元，该因果强度计算单元根据上述 历史信息计算表示上述因果关系的强度的因果强度，上述判定基准设定单元根据上述因果关系信息和上述因果强度来设 定上述判定基准。
4. 根据权利要求1所述的要因估计支持装置，其特征在于，该要因 估计支持装置还具有因果强度计算单元，该因果强度计算单元根据上述 历史信息计算表示上述因果关系的强度的因果强度，上述可视化图像生成单元根据上述因果强度来变更上述可视化图像 中的上述因果关系信息。
5. 根据权利要求l所述的要因估计支持装置，其特征在于，上述变 量异常判定单元针对判定为异常的变量，计算异常的程度，上述可视化图像生成单元根据上述异常的程度来变更上述可视化图 像中的上述因果关系信息。
6. 根据权利要求1所述的要因估计支持装置，其特征在于，多个上 述变量被分类为多种类型，上述可视化图像生成单元生成的可视化图像被划分为分别与上述多 种类型对应的多个区域，上述变量的信息被配置在与该变量所属类型对 应的区域中。
7. 根据权利要求l所述的要因估计支持装置，其特征在于，上述诊 断对象的系统是经过多个步骤制造产品的生产系统。
8. 根据权利要求l所述的要因估计支持装置，其特征在于，上述诊断对象系统是向多个电气设备提供电力的电力供给系统， 上述多个变量包括上述多个电气设备的消耗电力量， 与上述结果对应的变量是上述电力供给系统中的消耗电力量的合计值，上述异常是指上述消耗电力量大于基准电力量的浪费状态。
9. 根据权利要求8所述的要因估计支持装置，其特征在于，该要西估计支持装置还具有输入单元，其用于输入上述消耗电力量以外的变量的值； 预测单元，其根据上述变量历史存储部存储的历史信息，预测被变更为该输入单元所输入的上述变量的值时的上述消耗电力量的时间序列信息；以及预测时间序列存储部，其存储该预测单元预测的时间序列信息， 上述结果异常判定单元还根据与该变量对应的上述时间序列信息来判定与上述结果对应的变量是否异常，上述变量异常判定单元在该结果异常判定单元判定为异常的情况下，还根据与该变量对应的上述时间序列信息来判定与上述结果对应的变量以外的各个变量是否异常。
10. —种要因估计支持装置的控制方法，该要因估计支持装置用于支持根据在诊断对象系统中产生的结果来估计要因，该要因估计支持装置具有存储从上述系统获取的多个变量的历史信息的变量历史存储部、 和存储表示上述多个变量之间的因果关系的因果关系信息的因果关系存 储部，其特征在于，所述控制方法包括结果异常判定步骤，其判定与上述结果对应的变量是否异常； 变量异常判定步骤，其在该结果异常判定步骤中判定为异常的情况 下，判定与上述结果对应的变量以外的各个变量是否异常；以及可视化图像生成步骤，其使用上述因果关系信息，生成使上述因果 关系可视化的可视化图像，在上述可视化图像中，对在上述结果异常判 定步骤和上述变量异常判定步骤中判定为异常的变量，追加表示异常的
全文摘要
本发明提供一种要因估计支持装置及其控制方法，容易实现异常要因的估计。要因估计支持装置(10)支持根据在生产系统中产生的结果来估计要因。在要因估计支持装置(10)中，在存储部(21)中存储有从生产系统获取的材料/环境历史数据(40)和检查历史数据(41)、及表示多个变量之间的因果关系的因果结构数据(42)，在通过最终质量异常检测部(32)判定为最终质量特性异常时，通过变量异常检测部(33)判定最终质量特性以外的各个变量是否异常，判定结果反映在通过可视化图像生成部(34)将因果结构数据(42)可视化的可视化图像中。
文档编号G06Q10/00GK101414186SQ200810082930
公开日2009年4月22日 申请日期2008年3月7日 优先权日2007年3月9日
发明者大谷贤, 川井拓摩, 田崎博, 糀谷和人, 长谷川好史 申请人:欧姆龙株式会社