JP2019004129A - 実装基板製造システム - Google Patents

Abstract

【課題】部品データの修正を適正且つ効率的に行うことができる実装基板製造システムを提供することを目的とする。【解決手段】基板に部品を装着した実装基板を製造する実装基板製造システム１を、部品を基板に搭載する部品搭載作業を実行する少なくとも一つの部品搭載装置１１Ａ１、１１Ａ２、１１Ａ３、１１Ｂ１、１１Ｂ２、１１Ｂ３と、部品搭載装置が部品搭載作業を実行するための少なくとも一つのマシンパラメータ（制御パラメータ）と当該部品に関する情報とを含んだ部品データを複数格納した部品ライブラリ５ａ、５ｂと、部品搭載装置が実行した処理の結果を少なくとも含んだ稼働情報に基づいて、部品搭載作業の成績を部品データ別に集計する稼働情報集計部８ａ、８ｂと、部品搭載作業の成績に基づいて部品データに含まれる少なくとも一つのマシンパラメータを修正する部品データ修正部３０とを備えた構成とする。【選択図】図４

Description

本発明は、基板に部品を装着した実装基板を製造する実装基板製造システムに関する。

実装基板を製造する実装基板製造システムは、基板に部品を搭載する部品搭載作業を実行する部品装着装置が配置された部品実装ラインを備えている。部品装着装置によって実行される部品搭載作業は、部品供給部から部品を吸着ノズルによって取り出す吸着動作、取り出された部品を撮像して認識する認識動作、部品を基板上に移送して搭載する搭載動作など、各種の作業動作により構成される。これらの作業動作においては、微細な部品を対象として精細な動作を高精度・高効率で実行することが求められるため、各作業動作を良好な動作態様で実行するためのマシンパラメータが部品の種類に応じて予め設定される。そしてこれらのマシンパラメータを部品の種類と関連づけた部品データが、部品ライブラリとして記憶される（例えば特許文献１，２参照）。

特開２００４−０５５７１０号公報 特開２０１６−２０１４３０号公報

これらの部品データは、必ずしも作業動作を最適な動作態様で実行することができる最適値に設定されているとは限らず、部品搭載作業の実行時に生じた不具合事象に対応して随時修正する必要がある。このような部品データの修正作業には、部品装着に関する専門知識と経験に基づく熟練度など高度な専門性が求められるため、生産現場においては従来より試行錯誤による多大な手間と労力を費やすことを余儀なくされていた。すなわち部品搭載作業の実行時に部品の認識不良や吸着ミスなどの不具合が発生しても、どのようなパラメータ項目をどのように修正すべきかは、大部分がオペレータのノウハウに依存しているのが実情であった。このため、非熟練のオペレータにデータ修正が委ねられた場合には、不適正なデータ修正による試行錯誤を反復することとなり、データ修正作業の作業効率のみならず部品搭載作業の作業品質の向上が阻害される結果となっていた。

そこで本発明は、部品データの修正を適正且つ効率的に行うことができる実装基板製造システムを提供することを目的とする。

本発明の実装基板製造システムは、基板に部品を装着した実装基板を製造する実装基板製造システムであって、前記部品を基板に搭載する部品搭載作業を実行する少なくとも一つの部品搭載装置と、前記部品搭載装置が前記部品搭載作業を実行するための少なくとも一つの制御パラメータと当該部品に関する情報とを含んだ部品データを複数格納したライブラリと、前記部品搭載装置が実行した処理の結果を少なくとも含んだ稼働情報に基づいて、前記部品搭載作業の成績を前記部品データ別に集計する稼働情報集計部と、前記成績に基づいて修正対象となる部品データを選択し、前記部品データに含まれる少なくとも一つの制御パラメータを修正する修正部と、を備えた。

本発明によれば、部品データの修正を適正且つ効率的に行うことができる。

本発明の一実施の形態の実装基板製造システムの構成説明図 本発明の一実施の形態の実装基板製造システムにおいて用いられる部品データのデータ構成を示す説明図 本発明の一実施の形態の実装基板製造システムにおいて用いられる生産データのデータ構成を示す説明図 本発明の一実施の形態の実装基板製造システムにおける部品データの修正処理の態様を示す説明図 本発明の一実施の形態の実装基板製造システムにおいて部品データの修正のための学習に利用される学習データセットの説明図 本発明の一実施の形態の実装基板製造システムにおいて部品データの修正のための学習に利用される学習データセットの説明図 本発明の一実施の形態の実装基板製造システムにおける部品データ修正処理を示すフロー図 本発明の一実施の形態の実装基板製造システムにおける部品データ修正処理を示すフロー図

次に本発明の実施の形態を図面を参照して説明する。まず図１を参照して、実装基板製造システム１の構成を説明する。実装基板製造システム１は、基板に部品を装着した実装基板を製造する機能を有している。図１において、実装基板製造システム１は、複数（ここでは２つ）の部品実装ライン１０Ａ、１０Ｂを有している。部品実装ライン１０Ａには、部品搭載装置１１Ａ１、１１Ａ２、１１Ａ３が配置され、部品実装ライン１０Ｂには部品搭載装置１１Ｂ１、１１Ｂ２、１１Ｂ３が配置されている。すなわち実装基板製造システム１は、部品を基板に搭載する部品搭載作業を実行する少なくとも一つの部品搭載装置を有する構成となっている。

部品搭載装置１１Ａ１、１１Ａ２、１１Ａ３は、ローカルエリアネットワーク等によって構築された通信ネットワーク２ａによって相互に接続されるとともに、データ通信用端末９Ａを介してクライアント７Ａに接続されている。クライアント７Ａは生産データ４ａ、部品ライブラリ５ａ、稼働情報集計部８ａを備えている。同様に、部品搭載装置１１Ｂ１、１１Ｂ２、１１Ｂ３は、通信ネットワーク２ｂによって相互に接続されるとともに、データ通信用端末９Ｂを介してクライアント７Ｂに接続されている。クライアント７Ｂは生産データ４ｂ、部品ライブラリ５ｂ、稼働情報集計部８ｂを備えている。

なお、以下の記述において、部品実装ライン１０Ａ、１０Ｂを相互に区別する必要がない場合には単に部品実装ライン１０と総称する。同様に部品搭載装置１１Ａ１、１１Ａ２、１１Ａ３、部品搭載装置１１Ｂ１、１１Ｂ２、１１Ｂ３についても、これらを区別する必要がない場合には、単に部品搭載装置１１と総称する。

クライアント７Ａ、７Ｂは、ローカルエリアネットワークやインターネット（公衆回線）等によって構築された通信ネットワーク２を介してサーバ３および部品ライブラリ管理部６に接続されている。サーバ３は、実装基板製造システム１において使用される各種のデータをクライアント７Ａ、７Ｂに提供する機能を有している。すなわちサーバ３には、部品実装ライン１０Ａ、１０Ｂを含む工場内で生産される実装基板に用いられる生産データ４が記憶されている。

さらにサーバ３は、当該工場内で生産される実装基板に用いられる部品に関する部品データ１２（図２参照）をマスターライブラリの形に編集した部品ライブラリ５を備えている。部品データ１２は、部品搭載装置１１が部品搭載作業を実行するための少なくとも一つの制御パラメータと、当該部品に関する情報とを含んで構成されており、部品ライブラリ５はこれらの部品データ１２を複数格納したライブラリとなっている。

クライアント７Ａ、７Ｂには、それぞれ部品実装ライン１０Ａ、１０Ｂによる実装基板の生産に必要なデータが、通信ネットワーク２を介してサーバ３からダウンロードされる。すなわち、サーバ３に記憶された生産データ４のうち、部品実装ライン１０Ａ，１０Ｂによってそれぞれ生産される実装基板の生産データは、生産データ４ａ、４ｂとしてクライアント７Ａ、７Ｂにダウンロードされる。同様に、サーバ３が備えた部品ライブラリ５が有する部品データのうち、部品実装ライン１０Ａ，１０Ｂによってそれぞれ生産される実装基板に使用される部品データは、クライアント７Ａ、７Ｂの部品ライブラリ５ａ、５ｂにダウンロードされる。

クライアント７Ａ、７Ｂがそれぞれ備えた稼働情報集計部８ａ、８ｂは、実装基板の生産のために部品実装ライン１０Ａ、１０Ｂによって実行される部品搭載作業の成績を、部品データ別に集計する処理を行う。ここで部品搭載作業の成績とは、部品実装ライン１０Ａ、１０Ｂに配置された各部品搭載装置１１において実行される各種の作業動作における成功率などを云う。

ここでは、部品供給部から搭載ヘッドによって部品を真空吸着によって取り出す際の吸着動作の成功率を示す吸着率、取り出された部品を部品認識カメラによって撮像して認識する部品認識の成功率を示す認識率、供給された部品のうち作業ミスや動作エラーなどによって廃棄された部品の割合を示す欠損率などが例示されている。すなわち、稼働情報集計部８ａ、８ｂは、部品実装ライン１０Ａ、１０Ｂに配置された各部品搭載装置１１が実行した処理、例えば部品保持、部品認識、部品廃棄、部品搭載などの結果を少なくとも含んだ稼働情報に基づいて、部品吸着、部品認識、部品搭載などの部品搭載作業の成績を、部品データ別に集計する処理を行う。

部品ライブラリ管理部６は、クライアント７Ａ、７Ｂが備えた部品ライブラリ５ａ、５ｂを対象として、部品データ１２の修正のための処理や、部品データ１２の部品搭載作業の成績に対する影響度の学習などの処理を実行する機能を有する。本実施の形態では、部品ライブラリ管理部６の機能により、部品データの修正および部品データの修正による影響度の学習を反復実行することにより、データ修正作業の効率化および部品搭載作業の作業効率の向上を図るようにしている。

次に、本実施の形態の実装基板製造システム１において部品搭載作業に使用され、部品搭載作業の実行過程において修正作業の対象となる部品データ１２の構成について、図２を参照して説明する。図２において、部品データ１２は、部品ライブラリ５、部品ライブラリ５ａ、５ｂに記憶されており、「部品ｎ」（部品データコード）によって部品の種類が特定される。すなわち部品ライブラリ５、部品ライブラリ５ａ、５ｂには、ｎ＝１，２，３・・の部品データコードを有する複数種類の部品についての部品データ１２が記憶されている。

部品データ１２には、大分類項目として基本情報１３、マシンパラメータ１４が規定されている。基本情報１３は当該部品に固有の属性を示す情報である。ここでは、中分類項目として、「形状」１３ａ、「サイズ」１３ｂ、「部品情報」１３ｃが例示されている。「形状」１３ａは、当該部品の形状に関する情報であり、当該部品の外形形状を、矩形、円柱状などの形状区分によって示す「形状」が、小分類項目として規定されている。「サイズ」１３ｂには、小分類項目として当該部品のサイズを示す「外形寸法」、当該部品に形成された接続用の電極の数や位置を示す「電極位置」などが対応している。

「部品情報」１３ｃは当該部品の属性情報であり、小分類項目として、当該部品の種類を示す「部品種別」、当該部品の外形における方向性の有無を示す「極性有無」、極性有りの場合に当該部品に付されるマークの形状などを示す「極性マーク」、極性マーク有りの場合に当該マークの位置を示す「マーク位置」などが対応している。

マシンパラメータ１４は、当該部品データ１２に規定される部品を対象として、部品実装ライン１０に配置された部品搭載装置１１によって部品搭載作業を実行する際に、部品搭載装置１１を制御するために用いられる制御パラメータである。大分類項目としてのマシンパラメータ１４には、中分類項目として、「ノズル設定」１４ａ、「スピードパラメータ」１４ｂ、「認識」１４ｃ、「吸着」１４ｄ、「装着」１４ｅが対応している。

「ノズル設定」１４ａは、当該部品を吸着保持する場合に用いられる吸着ノズルに関するデータであり、小分類項目として選択可能な吸着ノズルの種類を特定する「ノズル」が規定されている。「スピードパラメータ」１４ｂは、当該部品を吸着ノズルによって取り出して基板に装着する作業動作における吸着ノズルの移動速度に関する制御パラメータである。これらの制御パラメータには、小分類項目として部品を吸着して保持する際の「吸着速度」、「吸着時間」、保持した部品を基板に装着する際の「装着速度」、「装着時間」などが含まれる。

「認識」１４ｃは、部品供給部から吸着ノズルによって取り出された部品を部品認識カメラによって撮像して認識する認識処理の実行に関するパラメータである。これらのパラメータには、小分類項目として撮像に使用されるカメラの種類を特定する「カメラ種別」、撮像に際して使用される照明のモードを示す「照明モード」、撮像により取得された画像を認識する際の「認識速度」などが含まれる。

「吸着」１４ｄは、部品供給部から吸着ノズルによって部品を取り出す際の吸着動作に関する制御パラメータである。これらの制御パラメータには、小分類項目として、吸着ノズルを部品に着地させる際の吸着位置を示す「吸着位置Ｘ」、「吸着位置Ｙ」などが含まれる。

「装着」１４ｅは、部品を吸着ノズルによって吸着保持した搭載ヘッドを基板に移動させて、吸着ノズルに昇降動作を行わせて部品を基板に装着する装着動作に関する制御パラメータである。これらの制御パラメータには、小分類項目として、吸着ノズルを下降させて部品を基板に着地させる際に部品を基板に押し付ける荷重である「装着荷重」が含まれている。さらに、吸着ノズルを下降、上昇させる昇降動作の速度を高低２段に切り換えて行う際の切り換え高さ位置や高低速度などの動作態様を規定する「２段動作（下降）」、「２段動作オフセット（下降）」、「２段動作速度（下降）」、「２段動作（上昇）」などが例示されている。

次に図３を参照して、実装基板製造システム１において部品実装ライン１０Ａに配置された部品搭載装置１１Ａ１、１１Ａ２、１１Ａ３による実装基板の製造に際して使用される生産データ４ａのデータ構成について説明する。ここで、生産データ４ａ（Ａ１）、生産データ４ａ（Ａ２）、生産データ４ａ（Ａ３）は、それぞれ部品搭載装置１１Ａ１、１１Ａ２、１１Ａ３にて使用される生産データ４ａを示している。これらはいずれも同じデータ構成であり、各部品搭載装置１１にて生産される実装基板の基板品種に対応したデータ内容となっている。ここでは生産データ４ａ（Ａ１）を代表例として生産データ４ａを説明する。

生産データ４ａ（Ａ１）は、部品搭載装置１１Ａ１にて１つの基板品種の実装基板を生産するために必要なデータを規定している。すなわち生産データ４ａ（Ａ１）には、当該基板品種の実装基板に搭載される部品の「部品名」２０、当該部品を部品ライブラリで特定するための部品コードである「部品ｎ」２１、当該部品の実装基板における装着位置および装着角度を示す「装着座標」２２、「装着角度」２３が、実装対象の各部品について規定されている。

さらに生産データ４ａには、当該実装基板の生産に使用される設備側の条件、すなわち部品搭載装置１１における設定状態などを示す設備条件データ２８が、部品名毎に規定されている。なお、ここに示す例では、通信ネットワーク２により提供される生産データ４ａに設備条件データ２８を含めた構成となっているが、設備条件データ２８のみを別ファイルの形で提供する形態であってもよい。

設備条件データ２８には、当該部品搭載装置１１の種類を示す機種データ、「１１Ａ」において当該部品が供給される位置を示す「供給位置」２４、部品供給に使用されたパーツフィーダを示す「フィーダ」２５、当該部品を搭載する搭載作業を行った搭載ヘッドを示す「装着ヘッド」２６、当該部品の保持に使用された吸着ノズルを示す「ノズル」２７、さらにはこのノズルに保持された部品の部品認識に使用される認識アルゴリズムなどが規定されている。これらの設備条件データ２８は、クライアント７Ａを構成する稼働情報集計部８ａによる部品データ別の成績、すなわち吸着率、認識率、欠損率などの変動要因となる条件である。

次に、図４を参照して、実装基板製造システム１において各部品実装ライン１０による部品搭載作業が継続して実行される過程において行われる部品データの修正処理について説明する。この部品データの修正処理は、図１に示す部品ライブラリ管理部６の処理機能により行われる。

部品ライブラリ管理部６は、部品データ修正部３０、学習部３１、学習結果記憶部３２、学習データセット記憶部３３を備えている。部品データ修正部３０は、部品搭載作業が継続して実行される過程において部品ライブラリ５ａ、５ｂに記憶されている部品データ１２に含まれるマシンパラメータ１４のうち、変更が必要と判断されたマシンパラメータ１４を自動的に修正する処理を実行する。このデータ修正は、部品実装ライン１０Ａ、１０Ｂによる実装基板の生産のために実行される部品搭載作業の成績を、クライアント７Ａ、７Ｂがそれぞれ備えた稼働情報集計部８ａ、８ｂによって、部品データ別に集計した結果に基づいて行われる。ここでは、部品搭載作業の成績がよくない部品データを、修正対象となる部品データとしてサーチする。

すなわち部品データ修正部３０は稼働情報集計部８ａ、８ｂによって集計された成績に基づいて修正対象となる部品データを選択し、選択された部品データに含まれる少なくとも一つのマシンパラメータ（制御パラメータ）を修正する修正部となっている。本実施の形態においては、部品データ修正部３０は部品搭載作業の成績に対するマシンパラメータ１４の影響度に関する情報（図５（ｂ）に示す学習結果５０参照）を使用して、マシンパラメータ１４の修正を実行するようになっている。学習部３１は、部品データ毎のマシンパラメータ１４の影響度を学習する機能を有している。学習部３１による学習には、ニューラルネットワークを応用した人工知能など、多数のデータを対象として要因と効果との相関を推論する手法を用いる。

学習結果記憶部３２は、学習部３１によって学習された学習結果５０（図５参照）を記憶する。学習データセット記憶部３３は、学習部３１の学習に利用される部品データ１２毎の学習データセット４０（図５参照）を記憶する。ここで学習データセット４０は、部品データ１２とその部品データ１２を使用したときの成績とを組み合わせたパターンを、部品データ１２の修正履歴に基づいて複数蓄積したものである。

すなわち図５（ａ）に示すように、学習データセット４０においてパターン列４１には、上述のパターンＰに時系列順で付されたパターン番号（１，２，・・・）が記載されている。これらのパターン番号で特定されるパターンＰ１，Ｐ２・・・は、基本情報１３、マシンパラメータ１４よりなる部品データ１２と設備条件データ２８とを直列に組み合わせた要因データ群と、「成績」４２を構成する「吸着率％」４２ａ、「認識率％」４２ｂ、「欠損率％」４２ｃより成る効果データ群とを対応させて構成されている。

さらに基本情報１３、マシンパラメータ１４には、図２においてそれぞれ※１、※２で示す小分類項目が、それぞれに対応する変更対象の項目として記載されている。同様に、設備条件データ２８には、図３において※３で示す各個別項目が変更対象の項目として記載されている。本実施の形態に示す実装基板製造システム１における部品データ１２の変更では、これらの変更対象の項目をオペレータの判断により、あるいは部品ライブラリ管理部６の部品データ修正部３０が有する部品データ１２の自動修正機能により、適宜変更するようにしている。

図５（ａ）の図表において○印が付された項目は、当該パターンにおいてオペレータにより、または部品データ修正部３０により変更がなされたデータ修正項目を示している。そして部品データ１２や設備条件データ２８を対象としたデータ変更がなされる度に、変更後の部品データ１２や設備条件データ２８を取り込んだ新たなパターンＰが作成される。

すなわち部品ライブラリ５ａ、５ｂに含まれる部品データ１２から基本情報１３、マシンパラメータ１４を取得し、生産データ４ａ、４ｂから設備条件データ２８を取得し、これらを要因データ群とする。またこれらの要因データ群を使用して部品実装ライン１０Ａ、１０Ｂの部品搭載装置１１を稼働させたときの部品搭載作業の成績を、稼働情報集計部８ａ、８ｂによって集計して取得し、効果データ群とする。そしてこれらの要因データ群と効果データ群とを組み合わせることにより、新たなパターンＰが作成される。

図５（ａ）に示す例では、最初にマシンパラメータ１４についてデータ変更が行われたタイミングでデータ変更後のパターンＰ２が作成され、これと同時にデータ変更前のパターンＰ１が作成される。そしてこの後、マシンパラメータ１４や設備条件データ２８の項目のいずれかがオペレータによって、または部品データ修正部３０により随時変更されると、変更の都度新たに変更されたデータ内容に基づいて、新たなパターンＰ３・・が逐次作成される。これらの新たなパターンＰ３・・では、「成績」４２を構成する「吸着率％」４２ａ、「認識率％」４２ｂ、「欠損率％」４２ｃが、データ変更内容を反映して更新される。すなわち、部品データ修正による効果が部品搭載装置１１の稼働状態に反映され、これにより「成績」４２が変化する。

学習データセット４０においてパターン列４１の末尾のパターンＰ８は、現時点で使用されている最新のマシンパラメータ１４を含むパターンである。この時点以降においても、部品搭載装置１１の稼働が継続する限りはデータ変更の都度新たなパターンＰが学習データセット４０に蓄積され、学習データセット記憶部３３に記憶される。そして以下に示す学習結果５０は、このようにして作成された学習データセット４０に基づいて、部品ライブラリ管理部６が備えた学習部３１が部品搭載作業の成績に対するマシンパラメータ１４の部品データ毎の影響度を学習した結果を示している。

すなわち図５（ｂ）に示すように、学習結果５０では、学習の対象となった部品の種類が部品コードである「部品ｎ」５１によって特定されている。そしてこの部品を作業対象とする部品搭載作業の成績４２を構成する「吸着率％」４２ａ、「認識率％」４２ｂ、「欠損率％」４２ｃの成績項目のそれぞれについて、マシンパラメータ１４における変更対象の項目（図２において※２で示す小分類項目）のいずれが当該成績項目に対してより大きな影響度を有しているかを、１〜４の影響度順位で示している。

このようにして作成された学習結果５０は、部品データ修正部３０によるマシンパラメータ１４の修正に際して参照される。すなわち、「部品ｎ」５１によって特定される部品データについて、「成績」４２を構成するいずれかの成績項目が不良であると判定された場合には、学習結果５０を参照することにより、当該不良に対する影響度が高い項目を影響度順位に基づいて推定することができる。そして部品データ１２のマシンパラメータ１４の修正に際しては、影響度順位が高い項目順にデータ修正対象として選択する。なお、学習結果５０のデータ内容としては、部品データ修正の指針となる内容を含むものであればここに示す影響度順位以外にも各種の形態のデータを用いることができる。

次に、図４に示す部品データの修正処理の詳細を説明する。まず部品搭載作業の実行に先立って、部品実装ライン１０Ａ，１０Ｂで使用される生産データと部品データとを、サーバ３からクライアント７Ａ，７Ｂにダウンロードする（矢印ａ）。これにより当該部品搭載作業において、部品実装ライン１０Ａ，１０Ｂにてそれぞれ生産される実装基板の基板品種に対応する生産データ４ａ、４ｂ、部品データ１２が、クライアント７Ａ，７Ｂにダウンロードされる。これにより、クライアント７Ａ，７Ｂの部品ライブラリ５ａ、５ｂに当該部品実装ラインで使用する部品データが蓄積される。

次いで、部品実装ライン１０Ａ，１０Ｂにおいて各部品搭載装置１１で使用する生産データ４ａ、４ｂをクライアント７Ａ、７Ｂからダウンロードするとともに、ダウンロードされた生産データ４ａ、４ｂの部品データコードをクライアント７Ａ、７Ｂからダウンロードする（矢印ｂ）。これにより、部品実装ライン１０Ａ，１０Ｂにおいて、ダウンロードした生産データ４ａ、４ｂと部品データを使用して実装基板を製造することが可能となる。

このようにして、各部品搭載装置１１の稼働が開始されたならば、装置稼働中において各部品搭載装置１１から出力される稼働情報（ログ情報）を稼働情報集計部８ａ、８ｂによって収集する（矢印ｃ）。そして稼働情報集計部８ａ、８ｂは、収集した稼働情報に基づき、各部品搭載装置１１によって実行された部品搭載作業の成績を、部品データ単位で集計する。この成績の集計結果は部品ライブラリ管理部６に送られ（矢印ｄ）、学習部３１による学習の対象となり、学習データセット４０のパターンの成績も逐次更新される。

部品実装ライン１０Ａ，１０Ｂにおける部品搭載作業の実行中に、部品ライブラリ５ａ、５ｂに記憶された部品データ１２のマシンパラメータ１４のいずれかを変更するデータ変更処理を行うと、その変更内容は当該部品実装ライン１０の全ての部品搭載装置１１について適用される。そして変更後の部品データに基づいて、学習データセット４０に新たなパターンが生成される。

このようにマシンパラメータの変更により学習データセット４０のパターンＰが蓄積されると、部品搭載作業の成績に対する部品データ１２のマシンパラメータ１４（制御パラメータ）の影響度が学習部３１によって学習され、学習結果は学習結果記憶部３２に記憶される。そして部品データ修正部３０は、学習結果記憶部３２に記憶された学習結果に基づき、部品搭載作業の成績が所定レベルに到達していない部品データ１２の修正を自動的に行う（矢印ｅ）。

このようにして部品データ修正部３０によって自動修正が行われた場合も、その修正による変更内容は当該部品実装ライン１０の全ての部品搭載装置１１について適用される。そして変更後の部品データ１２に基づいて、学習データセット４０に新たなパターンＰが生成されて学習データセット４０の更新が行われる。そして学習部３１は更新後の学習データセット４０に基づいて影響度の学習を行う。

すなわち本実施の形態においては、部品データ修正部３０によってマシンパラメータ１４の修正がされると、学習データセット４０を更新し、学習部３１は更新後の学習データセット４０に基づいて影響度の学習を行うようになっている。このようにして学習データセット４０のパターンＰが蓄積され、その蓄積度が増大することにより、部品データ１２毎の学習度の精度が高まり、部品データ１２のマシンパラメータ１４をより適正な内容に更新することができる。

なお、学習データセット４０におけるパターンＰの蓄積度を高めるために、学習データセット４０に取り込むパターンＰの範囲を、学習の対象となった部品データと同一の部品データのみならず、類似の部品データについて取得されたパターンにまで拡大するようにしてもよい。すなわち図５（ａ）に示す学習データセット４０では、蓄積されるパターンは、学習の対象となった部品データと同一の部品データとその部品データを使用したときの成績とを組み合わせたパターンに限定される。

これに対し、図６に示す学習データセット４０Ａでは、パターン列４１に取り込まれて蓄積されるパターンＰには、学習の対象となった部品データと類似する部品データとその類似する部品データを使用したときの成績とを組み合わせたパターンが含まれている。例えば、パターン列４１において５＊、６＊＊にて示すパターンＰ５＊、Ｐ６＊＊は、学習の対象となった部品データと類似する部品データとその類似する部品データを使用したときの成績とを組み合わせたパターンである。

すなわちパターンの範囲が拡大された学習データセット４０Ａは、学習データセット４０におけるパターンに加えて、部品データに類似する部品データとその類似する部品データを使用したときの成績とを組み合わせたパターンを、部品データの修正履歴に基づいて複数蓄積したものである。なお、部品データ１２の類似の判断は、部品データ１２の基本情報１３に含まれる形状１３ａおよびサイズ１３ｂを他の部品データ１２と比較して行う。このように、学習データセット４０Ａに取り込むパターンＰの範囲を類似する部品データにまで拡大することにより、パターンＰの蓄積度を短期間で高めることができ、学習部３１による学習効率を向上させることができる。

次に、上述構成の実装基板製造システム１において、部品ライブラリ管理部６によって実行される部品データ修正処理について、図７のフローを参照して説明する。まず稼働情報集計部８ａ、８ｂによって集計された部品データ別の成績を参照することにより、成績がよくない部品データをサーチする（ＳＴ１）。ここでは、予め設定された要修正レベルを下回る成績の部品データをサーチする。

そしてサーチ結果に基づき、修正対象の部品データ有り？か否かを判定する（ＳＴ２）。ここで修正対象となる部品データがない場合には、（ＳＴ１）に戻ってサーチを継続する。また（ＳＴ２）において修正対象となる部品データ有りの場合には、学習結果記憶部３２に記憶された学習結果のデータを参照することにより、当該部品データについて学習データ有り？か否かを判定する（ＳＴ３）。

ここで学習データ有りと判断された場合には、該当する学習データに基づいて当該部品データ１２を修正する（ＳＴ４）。また学習データ無しと判断された場合には、さらに当該部品に類似する部品データ１２について学習データ有り？か否かを判定する（ＳＴ５）。ここで学習データ有りと判断された場合には、類似する部品データ１２の学習データに基づいて当該部品データ１２を修正する（ＳＴ６）。すなわち部品データ修正部３０は、修正対象となる部品データ１２に類似する部品データ１２の学習データである影響度に関する情報を使用して、当該部品データ１２に含まれるマシンパラメータ１４（制御パラメータ）の修正を実行する。部品データ１２の類似の判断は、部品データ１２の基本情報１３に含まれる形状１３ａおよびサイズ１３ｂを他の部品データ１２と比較して行う。

なお、（ＳＴ５）において学習データ無しと判断された場合には、便宜的にオペレータの判断により部品データ１２を修正する（ＳＴ７）。この場合、部品ライブラリ５に記憶されているデフォルトのデータを流用するようにしてもよい。そして（ＳＴ４）、（ＳＴ６）、（ＳＴ７）のいずれの場合にも（ＳＴ１）に戻って、成績がよくない部品データ１２のサーチを継続し、同様のデータ修正作業が反復して実行される。このようにデータ修正作業を反復する過程においては、学習によって取得された学習結果である成績への影響度に関する情報に基づいてマシンパラメータの修正が行われる。このように学習を反復することにより、（ＳＴ５）において学習データ無しと判断されるケースがなくなり、部品データの修正精度を向上させることが可能となる。

次に、上述構成の実装基板製造システム１において、上述と同様に部品ライブラリ管理部６によって実行される部品データ修正処理について、図８のフローを参照して説明する。ここに示す例では、修正対象となる部品データを、該当部品データに類似する部品データにまで拡大し、学習に要する時間を短縮するようにしている。まず稼働情報集計部８ａ、８ｂによって集計された部品データ別の成績を参照することにより、成績がよくない部品データをサーチする（ＳＴ１１）。ここでは（ＳＴ１）と同様に、予め設定された要修正レベルを下回る成績の部品データをサーチする。

そしてサーチ結果に基づき、該当部品データ有り？か否かを判定する（ＳＴ１２）。ここで該当する部品データがない場合には、（ＳＴ１１）に戻ってサーチを継続する。また（ＳＴ１２）において該当部品データ有りの場合には、該当部品データと、これに類似する類似部品データとを修正対象として選定する（ＳＴ１３）。そして選定された部品データを対象として、部品データに含まれる少なくとも１つのマシンパラメータ１４を修正する。すなわちここに示す部品データ修正処理においては、部品データ修正部３０は、修正対象となる部品データとして選択した部品データに類似する部品データに含まれる少なくとも１つの制御パラメータを修正する。

ここで、類似部品データが存在しない場合には、該当する成績がよくない部品データのみが修正対象となる。そして修正対象となる部品データについて、以下の修正処理が実行される。ここでは、まず第１に該当部品データが修正処理の対象となり、次いで類似部品データが順次修正処理の対象となる。この修正処理では、まず当該部品データについて学習データ有り？か否かを判定する（ＳＴ１４）。ここで学習データ有りと判断された場合には、該当する学習データに基づいて当該部品データ１２を修正する（ＳＴ１５）。また学習データ無しと判断された場合には、さらに当該部品に類似する部品データ１２について学習データ有り？か否かを判定する（ＳＴ１６）。

ここで学習データ有りと判断された場合には、類似する部品データ１２の学習データに基づいて当該部品データ１２を修正する（ＳＴ１７）。なお（ＳＴ１６）において学習データ無しと判断された場合には、便宜的にオペレータの判断により部品データ１２を修正する（ＳＴ１８）。この場合、部品ライブラリ５に記憶されているデフォルトのデータを流用するようにしてもよい。

そして（ＳＴ１４）〜（ＳＴ１８）の処理が、修正処理の対象となる部品データについて順次反復して実行される。ここで（ＳＴ１３）にて選定された全ての部品データについてこれらの処理が完了したならば、（ＳＴ１５）、（ＳＴ１７）、（ＳＴ１８）のいずれの場合にも（ＳＴ１１）に戻る。そしてこの後、成績がよくない部品データ１２のサーチを継続し、同様のデータ修正作業が反復して実行される。

上記説明したように本実施の形態では、基板に部品を装着した実装基板を製造する実装基板製造システム１を、部品を基板に搭載する部品搭載作業を実行する少なくとも一つの部品搭載装置１１と、部品搭載装置１１が部品搭載作業を実行するための少なくとも一つのマシンパラメータ１４（制御パラメータ）と当該部品に関する情報とを含んだ部品データ１２を複数格納した部品ライブラリ５ａ、５ｂと、部品搭載装置１１が実行した処理の結果を少なくとも含んだ稼働情報に基づいて、部品搭載作業の成績を部品データ別に集計する稼働情報集計部８ａ、８ｂと、部品搭載作業の成績に基づいて修正対象となる部品データを選択し、部品データに含まれる少なくとも一つのマシンパラメータ１４を修正する部品データ修正部３０とを備えた構成としている。

これにより、部品搭載作業における稼働状態を示す成績を部品データの修正に反映させることができ、部品装着に関する専門知識と経験に基づく熟練度など高度な専門性が求められる部品データの修正作業を、オペレータの経験やノウハウに依存することなく適正且つ効率的に行うことができる。

なお上述の実施の形態においては、実装基板製造システム１の構成として、複数の部品搭載装置１１が配置された部品実装ライン１０を複数備えた構成例を示したが、本発明はこのような構成には限定されない。すなわち、少なくとも１つの部品搭載装置１１を備え、部品データ１２を複数格納した部品ライブラリと、部品搭載作業の成績を部品データ別に集計する稼働情報集計部と、部品搭載作業の成績に基づいて修正対象となる部品データを選択し、部品データを修正する部品データ修正部とを備えていれば本発明の適用対象となる。

本発明の実装基板製造システムは部品データの修正を適正且つ効率的に行うことができるという効果を有し、基板に部品を装着して実装基板を製造する分野において有用である。

１ 実装基板製造システム
３ サーバ
４、４ａ、４ｂ 生産データ
５、５ａ、５ｂ 部品ライブラリ
６ 部品ライブラリ管理部
７Ａ、７Ｂ クライアント
８ａ、８ｂ 稼働情報集計部
１０Ａ、１０Ｂ 部品実装ライン
１１Ａ１、１１Ａ２、１１Ａ３ 部品搭載装置
１１Ｂ１、１１Ｂ２、１１Ｂ３ 部品搭載装置

Claims (8)

1. 基板に部品を装着した実装基板を製造する実装基板製造システムであって、
   前記部品を基板に搭載する部品搭載作業を実行する少なくとも一つの部品搭載装置と、
   前記部品搭載装置が前記部品搭載作業を実行するための少なくとも一つの制御パラメータと当該部品に関する情報とを含んだ部品データを複数格納したライブラリと、
   前記部品搭載装置が実行した処理の結果を少なくとも含んだ稼働情報に基づいて、前記部品搭載作業の成績を前記部品データ別に集計する稼働情報集計部と、
   前記成績に基づいて修正対象となる部品データを選択し、前記部品データに含まれる少なくとも一つの制御パラメータを修正する修正部と、を備えた、実装基板製造システム。
2. 前記修正部は、前記成績に対する制御パラメータの影響度に関する情報を使用して前記制御パラメータの修正を実行する、請求項１に記載の実装基板製造システム。
3. 前記修正部は、修正対象となる部品データに類似する部品データの前記影響度に関する情報を使用して、前記制御パラメータの修正を実行する、請求項２に記載の実装基板製造システム。
4. 前記実装基板製造システムは、前記部品データ毎の前記影響度を学習する学習部を含む、請求項２もしくは３に記載の実装基板製造システム。
5. 前記実装基板製造システムは、前記学習部の学習に利用される前記部品データ毎の学習データセットを含み、
   前記学習データセットは、前記部品データとその部品データを使用したときの前記成績とを組み合わせたパターンを、部品データの修正履歴に基づいて複数蓄積したものである、請求項４に記載の実装基板製造システム。
6. 前記学習データセットは、前記パターンに加えて、前記部品データに類似する部品データとその類似する部品データを使用したときの前記成績とを組み合わせたパターンを、部品データの修正履歴に基づいて複数蓄積したものである、請求項５に記載の実装基板製造システム。
7. 前記修正部によって前記制御パラメータの修正がされると、前記学習データセットを更新し、前記学習部は更新後の前記学習データセットに基づいて前記影響度の学習を行う、請求項５もしくは６に記載の実装基板製造システム。
8. 前記修正部は、前記選択した部品データに類似する部品データに含まれる少なくとも１つの制御パラメータを修正する、請求項１から７のいずれかに記載の実装基板製造システム。

Images