東芝AI技術カタログ
数値データ分析因果推論
Transfer Lassoによる不良要因解析
定期的な要因解析の手間を削減し、本質的な不良要因を捉えます。
- ・不良要因を定期的に解析する際に前回の解析結果を利用し、変化がなければ再度の精査が不要になります。
- ・本質的でない要因変化(ノイズ)の影響を受けにくくなります。
- ・東芝の半導体製造現場で活用されています。

応用先
- ・半導体工場での不良要因解析
- ・プラントでの不良要因解析
ベンチマーク・強み・実績
- ・半導体工場等における解析結果の精査時間を大幅に削減
問い合わせ窓口
問合せの際はタイトル[東芝AI技術カタログ:TransferLassoによる不良要因解析]やURLを文面に含めてください。
本技術は研究開発中のためご要望にすぐに対応できない可能性があります。
参考文献:
- ・工場の現場技術者の知見を反映・学習する不良原因解析AIを開発
- ・Takada, M., & Fujisawa, H. (2020). “Transfer Learning via L1 Regularization”. NeurIPS2020.
- ・日経ロボティクス2021年2⽉号 Sexy Technology 解説記事