CN1863451B

CN1863451B - 部件安装机的基板生产最佳化方法

Info

Publication number: CN1863451B
Application number: CN2006100720116A
Authority: CN
Inventors: 奥田忠雅
Original assignee: Juki Corp
Current assignee: Juki Corp
Priority date: 2005-04-04
Filing date: 2006-04-04
Publication date: 2012-07-18
Anticipated expiration: 2026-04-04
Also published as: JP2006287075A; CN1863451A; JP4589164B2

Abstract

本发明的课题在于，提供一种在多条安装线上利用多个生产程序生产基板时能够提高基板生产效率的方法。设置多条将1台或者多台部件安装机连结而成的安装线(1)～(3)，将多个生产程序(A)～(E)分配给各安装线来生产基板。求出在各安装线上使用生产程序生产基板时所需的生产时间，各生产程序被依次分配给在分配了该生产程序的安装线上的生产时间的累计为最短的安装线。评价在全部生产程序的分配结束后在各安装线上的累计生产时间，使多个生产程序向安装线的分配最佳化。在这样的结构中，能够缩短直到全部基板结束生产为止的生产时间，提高基板的生产率。

Description

部件安装机的基板生产最佳化方法

技术领域

本发明涉及部件安装机的基板生产最佳化方法，更详细地说，涉及在连结了多台部件安装机的安装线上，将用生产基板的多个基板数据、装载数据、部件数据、吸附数据构成的生产程序(以下，简称为生产程序)向各安装线分配的最佳化的方法。

背景技术

在将电子部件(以下，简称为部件)安装到电路基板上的电子部件安装机中，按每个基板种类编成生产该基板的生产程序，以进行基板生产(部件安装)。各生产程序包含在安装机上用于生产基板的各种数据，例如，由关于基板的数据、关于装载位置的数据、关于部件的数据(例如，纵横高度的尺寸)、关于吸附位置的数据、图像识别用的信息、关于粘结剂涂覆的数据等构成。

迄今，为了提高基板生产效率，进行生产程序的最佳化，例如，使部件吸附及装载顺序最佳化，以缩短生产节拍。

此外，通过使吸附部件的头部从部件供给部移动到电路基板的规定位置的路径直线化，也能够缩短生产节拍时间(专利文献1)。

此外，生成多个供给部件的进料器的随机的排列，将这些各排列作为个体，采用遗传算法一边逐一生成个体，一边进行各个体的评价，将评价高的个体作为最佳进料器配置，也能够进行部件安装的最佳化(专利文献2、3)

[专利文献1]特开2001-94295号公报

[专利文献2]特开平10-209681号公报

[专利文献3]特开2000-261190号公报

通常，基板的生产是在使多台部件安装机连结而成的安装线上进行的，现有的生产程序的最佳化方法是，用户仅仅选择一类安装线，并针对该选择后的安装线，将一个生产程序或者多个生产程序最佳化的方法。但是，在具有多条安装线的用户处，不存在自动地判断用哪条安装线生产哪个生产程序是有效的方法。因此，在用多条安装线进行基板生产的情况下，存在如果操作员所操作的生产程序的安装线分配不是最佳时，就不能进行有效的基板生产的问题。

发明内容

因此，本发明的课题是，提供一种在多条安装线上利用多个生产程序生产基板时能够提高基板生产效率的方法。

本发明是一种部件安装机的基板生产最佳化方法，用该方法设置多条连结一台或者多台部件安装机而成的安装线，将多个生产程序分配给各安装线来生产基板，其特征在于，按每个生产程序求出在各安装线上使用生产程序生产基板时所需的生产时间，将生产程序依次分配给在分配了该生产程序的安装线上的生产时间的累计为最短的安装线，在所有的生产程序的分配结束后，评价在各安装线上的累计生产时间，使生产程序向安装线的分配最佳化。

按照本发明，由于在由多条安装线上分担进行基板生产时，能够使多个生产程序对多条安装线的分配最佳化，因而能够缩短由多个生产程序进行的直到全部的基板生产结束为止的生产时间，提高基板的生产率。

附图说明

图1是表示在本发明中使用的安装系统的结构的结构图。

图2是表示部件安装机的详细的结构的方框图。

图3(A)是表示计划信息的图表，(B)是表示限制条件的图表。

图4是表示本发明的最佳化流程的流程图。

图5(A)是表示生产时间矩阵的图表，(B)是表示准备时间矩阵的图表。

图6是表示遗传算法的基本流程的流程图。

图7是表示遗传算法的详细流程的流程图。

图8是说明基因图形的生成的图表。

图9是表示各种基因图形引起的生产程序的分配的进度表(Ganttchart)。

其中，符号说明为：

10、11、12部件安装机

20、21、22部件安装机

30、31、32部件安装机

具体实施方式

在本发明中，对于多条安装线将多个生产程序汇总来进行最佳化，并分配给各安装线。在最佳化时，考虑用户的工厂开动时间和换产调整作业时间等，进行各生产程序向安装线的分配，使得直到全部的生产程序结束基板生产为止的时间为最短。此外，进行那些生产顺序的日程安排。以下，参照附图详细说明本发明。

[实施例]

在图1中图示了设置3条安装线(1)～(3)，汇总5个生产程序(A)～(E)来进行最佳化，将生产程序分配到各安装线进行基板生产的状态。

在安装线(1)中连结配置多个部件安装机10、11、12，在安装线(2)中连结配置多个部件安装机20、21、22，另外，在安装线(3)中连结配置多个部件安装机30、31、32，在各安装线上，用多个安装机分担生产基板。在图1的例子中，虽然是在各安装线上连结相同数量的多个(3个)部件安装机，但是也有在安装线上仅仅配置1台部件安装机的情况，此外，也有在各安装线上设置各不相同数量的部件安装机来进行基板生产的情况。

在图2中，图示了部件安装机10的详细的结构，其他的部件安装机11、12、20～22、30～32也具有同样的结构。

部件安装机10具有由控制全体部件安装的CPU41a、存储各种控制程序和数据的ROM41c、存储控制数据和处理数据以提供作业区的RAM41b构成的控制部41。此外，在部件安装机10中，设置能够在与主计算机(没有图示)之间进行数据发送接收的数据发送接收部46，通过该数据发送接收部46接收从主计算机发送来的生产程序，并存储在数据存储部45中。控制部41按照从主计算机发送来的生产程序的数据及通过数据输入部43输入的数据，驱动X/Y驱动部及其他的驱动部42，使吸附头(没有图示)向进料器移动，因此，利用吸附头吸附从进料器供给的电子部件。被吸附的部件用配备了照相机的图像识别部44识别吸附姿态，在进行了吸附错位校正后，移动到基板的规定部位，安装在基板上。

如上述记述的那样，图1的各生产程序(A)～(E)包含用于在安装机上生产基板的各种数据。在详细地进行说明时，例如，由与基板相关的数据、与装载位置相关的数据、与部件相关的数据(例如，纵横高度的尺寸)、与吸附位置相关的数据、图像识别用的信息、与粘结剂的涂覆相关的数据等构成。一个基板种类按照一种生产程序进行生产，如图1所示，在向各安装线分配生产程序的情况下，在安装线(1)中，利用3台安装机10、11、12，按照生产程序(A)、(B)，各自生产多枚两类基板。接着，在安装线(2)中，利用3台部件安装机20、21、22，按照生产程序(C)、(D)，各自生产多枚两类基板。而且，在第3条安装线(3)中，利用3台部件安装机30、31、32，按照生产程序(E)，生产多枚一类基板。

在本发明中，使多个生产程序向安装线的分配最佳化，以提高基板生产的效率。首先，在最佳化执行之前，由用户设定最佳化执行时所必需的“各生产程序预定生产基板枚数”、“准备时间”、“开动时间”、“各安装线能够开始生产的日期和时间”的计划信息。该设定的计划信息作为图表图示在图3(A)中，其内容在各项目的右侧进行说明。

此外，在执行最佳化时，通过设定对经最佳化输出的分配的几个限制条件“各生产程序的交付期”、“生产必需的部件的库存状况和部件的交付期”、“生产程序间的前后关系”、“各生产程序的安装线指定”，使得用户能够取得控制条件。该可设定的限制条件作为图表图示在图3(B)中，其内容在各项目的右侧进行说明。

以上述条件为基础，使多个生产程序向多条安装线的分配最佳化。图4图示了该最佳化的流程，关于分配图形的生成，使用后述的遗传算法(Genetic Algorithm：GA)。

首先，在图4的步骤S1、S2中，读入安装线的信息及生产程序的信息，接着，计算出各生产程序在各安装线上的生产时间并进行矩阵化(步骤S3、S4)。在本实施例中，将其称为生产时间矩阵，其内容如图5(A)所示。在生产时间的计算中，利用规定的最佳化软件及仿真。对于已经完成最佳化的生产程序，通过仅仅执行仿真以缩短计算时间。

图5(A)的矩阵内的值是各生产程序的预定生产枚数与一枚的生产时间的乘积，例如，在安装线(1)中，当按照生产程序(A)进行基板的生产时，计算为“3”小时，这相当于在安装线(1)中生产程序(A)生产1枚基板的时间与该基板的总生产枚数的乘积。此外，根据安装线的装备状况也有不能进行生产的组合，在这种情况下，标示出“不能生产”字样。

接着，当更换各生产程序时，生成进料器更换配置所需的准备时间的矩阵(步骤S5)。此矩阵根据各生产程序的进料器的类似度(包装式样相同的部件的比例)及用户在计划信息中设定的默认准备时间计算出来。

准备时间＝默认准备时间×(1-类似度)：类似度作为0.0～1.0进行计算，图5(B)用图表形式表示默认准备时间为1h(1小时)，类似度在程序(A)与程序(B)中为1.0，在程序(C)与程序(D)中为0.5，除此以外为0.0情况下的准备时间矩阵。例如，从该图表可知，在更换生产程序(A)与(B)的情况下，由于进料器的类似度为1.0，因而不需要进料器更换配置等，准备时间为“0”。

以上述矩阵为基础，读入图3(A)、(B)的计划信息及限制条件(步骤S6、S7)，进行基于某一日程安排图形的基板的生产时间的评价。利用GA生成日程安排图形(步骤S8)。

图6与图7表示GA的一般的流程及其内容，在GA处理中，首先，生成初始集团(步骤S21)，发生充足的个体的基因库80。染色体的初始值按照问题固有的编码而随机地决定。接着，从基因库80中，按某一选择基准决定在下一代中保留的2个两亲个体(步骤S2)。在该选择基准中，例如能够使用旋轮选择、淘汰选择、等级方式等。接着，进行将所选择的两亲间的基因称为交叉的局部交换，生成2个后裔个体(步骤S23)。在该交叉中，有一点交叉、两点交叉、均匀交叉等。接着，进行突然变异处理，针对通过交叉得到的2个后裔个体，使其任意位置的基因随机地变异(步骤S24)。该突然变异是随机地变更某一个个体的基因座，是为了防止陷入局部解而设置的。如图7所示，通过突然变异生成下一代基因库81。然后，进行结束条件检验(步骤S25)。在预定的一代结束的情况和在某一定期间没有看到解的改善的情况下，结束处理。在没有满足结束条件的情况下，用新的基因库81进行更新，从步骤S22起进行重复。

在本发明中，将生产程序的排列表现为基因的排列(染色体)，通过GA对其进行世代交替操作，尝试解的改善。

在本发明中，作为GA的基因编码，采取将各生产程序的排列作为直接基因信息进行编码的方法。也就是说，如图8(A)所示，通过对各生产程序(A)～程序(E)进行唯一性的编号标注<1>～<5>，对各生产程序分配基因编码<1>～<5>(编码)。然后，通过GA发生基因的排列，由此生成具有图8(B)所示的各种基因编码的排列(生产程序的排列)的基因图形(1)、(2)、……(n)。

接着，解释基因图形，将实际的日程安排图形生成为进度表来进行评价(步骤S8)。

图9(A)是在更换生产程序的顺序时没有发生准备时间的情况的例子，也就是说，是没有考虑图5(B)的准备时间矩阵的情况的例子。

首先，当生成图8(B)所示的基因图形(1)时，由于基因图形(1)的最初的基因编码是<3>，因而首先将第三生产程序(C)分配到进度表中。这时，从图5(A)的生产时间矩阵将分配地址决定为生产程序(C)最早结束的安装线，也就是说，生产时间最短的安装线。由于程序(C)在安装线(1)中是10小时，在安装线(2)中是2小时，在安装线(3)中是6小时，因而将分配地址定到生产时间最短的安装线(2)上。当将表示决定顺序的编号用数字表示在圆圈内，用附在其末尾的字母表示生产程序(A)～(E)，并记入进度表中时，就成为与图9(A)的安装线(2)的最初的2小时量相当的显示。

接着，由于基因图形(1)的下一个基因编码是<2>，因而进行第二个生产程序(B)的分配。这时，将第二个生产程序依次分配给各安装线，求出在各被分配的安装线上的生产时间的累计，将该第二个生产程序(B)分配给其累计为最短的安装线。生产程序(B)在安装线(1)上不能生产，在安装线(2)上生产时间是4小时，在安装线(3)上生产时间是6小时，在将生产程序(B)分配给安装线(2)的情况下，在该安装线上的累计生产时间为已分配时间2小时+4小时＝6小时。在分配给安装线(3)的情况下，向该安装线的分配是初始分配，累计生产时间与生产程序(B)的生产时间相同，为6小时。这样，当累计生产时间最短的安装线有多条的情况下，在该安装线尚未分配的情况下，分配给该安装线，否则，分配给其任何一条安装线。在上述例子中，由于安装线(3)尚未分配，因而分配给安装线(3)。从而，在图9(A)的进度表中，在安装线(3)的圆圈内附加表示决定顺序的数字2，在6小时部分中记入“B”(生产程序(B))。

接着，在基因编码为<4>时，得到第四生产程序(D)的分配。在将其分配给安装线(1)的情况下的累计生产时间由于向该安装线的分配是初始分配，因而与该生产时间相同，为1小时。另一方面，在分配给安装线(2)的情况下，为已分配时间2小时+8小时＝10小时，尚不能在安装线(3)上生产，不能进行分配。从而，在安装线(1)和(2)中，分配给累计生产时间短的安装线(1)。

此外，在进行与下一个基因编码<5>对应的生产程序(E)的分配时，在分配给安装线(1)的情况下，累计生产时间为1小时+12小时＝13小时，不能分配给安装线(2)，当分配给安装线(3)的情况下，由于累计生产时间为6小时+10小时＝16小时，因而分配给安装线(1)与(3)之中累计生产时间短的安装线(1)。

此外，在进行与下一个基因编码<1>对应的生产程序(A)的分配时，由于在分配给安装线(1)的情况下，累计生产时间为1小时+12小时+3小时＝16小时，当分配给安装线(2)的情况下，累计生产时间为2小时+2小时＝4小时，当分配给安装线(3)的情况下，累计生产时间为6小时+5小时＝11小时，因而分配给3条安装线之中累计生产时间最短的安装线(2)。

这样，当将全部生产程序按规定顺序，即按照基因图形(1)的顺序，依次分配给安装线时，就生成如图9(A)所示的日程安排图。

当将全部的生产程序按照规定顺序分配给安装线时，采用在全部生产程序分配结束后各安装线上的各累计生产时间之中最长的安装线的累计生产时间作为基因图形的评价值。当分配顺序是上述基因图形(1)的情况下，安装线(1)中的累计生产时间最长，决定该时间即13小时为评价值。以下，对通过GA生成的基因图形(2)、……(n)的分配顺序，用与基因图形(1)同样的算法，作成进度表，求出在各安装线的累计生产时间进行评价。

这样，如果得到所有的基因图形的评价值，则显示其输出结果(步骤S9)，按照表价值(性能)最好，即累计生产时间最短的进度表(所有的生产程序的累计生产结束时间为最小)，决定生产程序向安装线的分配。例如，在图9(A)所示的进度表的例子中，在评价值最高的情况下，将生产程序(D)、(E)分配给安装线(1)，将生产程序(C)、(A)分配给安装线(2)，将生产程序(B)分配给安装线(3)。

以上，是在一条安装线上更换生产程序时不需要准备进料器配置时的例子，因此，说明需要准备时间的情况下的最佳化的例子。

例如，在按照上述基因图形(1)所示的顺序进行分配的情况下，由于基因图形(1)的最初的基因编码是<3>，所以，首先将第三生产程序(C)分配给进度表。这时，从生产时间矩阵中将分配地址定在(C)最早结束的安装线上，由于那是安装线(2)，因而如图9(B)所示，记录在进度表中。接着，进行第二生产程序(B)的分配。此时，生产程序(B)在安装线(1)上不能生产，在安装线(2)上是4小时，在安装线(3)上是6小时，而从图5(B)所示的准备时间矩阵可知，当分配给安装线(2)的情况下，准备时间1小时+生产时间4小时＝5小时成为加法运算部分。从而，由于在安装线(2)上累计生产时间为2小时+5小时＝7小时，在安装线(3)上是6小时，因而决定分配给也包含准备时间在内的累计生产时间最短的安装线(3)。以下同样地，通过将与基因编码对应的生产程序依次分配给累计生产时间最短的安装线，得到图9(B)所示的日程安排。采用全部生产程序的生产结束时间，即在各安装线上包含准备时间在内的累计生产时间最长的安装线(1)上的14小时作为该分配的评价值。

接着，对基因图形(2)的分配顺序，用与基因图形(1)同样的算法，作成进度表(图9(C))。

由于基因图形(2)的最初的基因编码是<5>，因而首先将第五生产程序(E)分配给生产时间最短的安装线(3)。由于下一个基因编码是<1>，因而进行第一生产程序(A)的分配。由于在安装线(1)～(3)上的累计生产时间是3小时、2小时、10小时+5小时＝15小时，因而分配给累计生产时间最短的安装线(2)。当将与下一个基因编码<3>对应的生产程序(C)分配给安装线(1)～(3)时，由于累计生产时间为10小时；2小时+1小时(准备时间)+2小时＝5小时；10小时+1小时(准备时间)+6小时＝17小时，因而分配给累计生产时间最短的安装线(2)。以下同样地，当进行生产程序(D)、(B)的分配时，得到如图9(C)所示的进度表，其表价值为累计生产时间最长的安装线(2)、(3)的10小时。由于表价值小者评价高，因而基因图形(2)的进度表的评价比基因图形(1)的评价高。

以下，作成基因图形(3)、……(n)的进度表，比较其中累计生产时间最长的各进度表，按照最短(表价值最高)的进度表，决定生产程序向安装线的分配。

另一方面，在设定图3(B)所示的限制条件的情况下，当进行向进度表的分配时，考虑那些限制条件。例如，在上述基因图形(2)的情况下，当存在下述限制条件时，生产程序(A)的分配必须等待生产程序(E)的结束，

限制条件(1)：生产程序(E)必须比(A)先结束

限制条件(2)：如果生产程序(D)是4小时后，则生产不能开始。

从而，如图9(D)所示，在生产程序(E)向安装线(3)的分配结束后，在该程序的生产结束10小时后，将生产程序(A)分配给生产程序(A)的生产时间为最小的安装线(2)。

将与下一个基因编码<3>相当的生产程序(C)分配给其生产时间最短的安装线(2)的空闲时间，进行下一个基因编码<4>的生产程序(D)的分配，利用限制条件(2)，决定在4小时后，分配给其生产时间最短的安装线(1)。以下同样地，当对全部的基因编码决定分配时，得到如图9(D)所示的日程安排图形。

关于其他的限制条件，与上述例子同样地，考虑在向进度表的配置时执行分配。在这里，在不能进行满足限制条件的日程安排的情况下，将那样的基因编码看作GA中的致死基因，进行操作，使得其个体的评价值为最差(评价值为取得值的最大值)。通过致死基因，利用GA中的选择、淘汰的机制，仅仅保留正常的解。

Claims

1.一种部件安装机的基板生产最佳化方法，用该方法设置多条连结一台或者多台部件安装机而成的安装线，将多个生产程序分配给各安装线来生产基板，其特征在于，

按每个生产程序求出在各安装线上使用生产程序生产基板时所需的生产时间；

将生产程序依次分配给在分配了该生产程序的安装线上的生产时间的累计为最短的安装线，生成分配图形；

在所有的生产程序的分配结束后，评价在各安装线上的累计生产时间，使生产程序向安装线的分配最佳化，

引入在一条安装线上使用不同的生产程序时所需的准备时间，来求出所述累计生产时间，

根据由用户预先设定的默认准备时间、以及表示包装式样相同的部件的比例的各生产程序的进料器的类似度，来计算所述准备时间。

2.如权利要求1所述的部件安装机的基板生产最佳化方法，其特征在于，

考虑用户所设定的多个限制条件进行分配，求出累计生产时间。

3.如权利要求1或者2所述的部件安装机的基板生产最佳化方法，其特征在于，

使用遗传算法决定生产程序向安装线的分配顺序。