JP2022044107A - 動作パラメータ作成装置および動作パラメータ作成方法 - Google Patents

Abstract

【課題】部品の優先度に応じて最適な動作パラメータを作成することができる動作パラメータ作成装置および動作パラメータ作成方法を提供する。【解決手段】部品実装装置が部品を基板に装着するための動作パラメータを作成する動作パラメータ作成方法は、部品の形状情報と動作パラメータと部品の優先度を含む部品の情報を取得し（ＳＴ３）、部品の情報に基づき、学習データを作成し（ＳＴ４）、学習データに基づき、学習モデルを生成し（ＳＴ５）、生成された学習モデルを用いて、部品の形状情報から動作パラメータを作成する（ＳＴ９）ことを含む。【選択図】図７

Description

本発明は、部品実装装置が基板に部品を実装するための動作パラメータを作成する動作パラメータ作成装置および動作パラメータ作成方法に関する。

基板に部品を実装する部品実装装置は、ノズルの部品吸着、部品の形状認識、部品の基板装着に関するパラメータなどの多数のパラメータを含む動作パラメータに基づいて、部品実装動作が制御される。この動作パラメータは、部品毎に適切な値が設定される。特許文献１には、入力された部品の質量と、部品を吸着するノズルの吸着穴の面積との比に基づいて、ヘッドの適切な動作加速度などのパラメータを算出することが記載されている。

特開２０１２－１５６２００号公報

しかしながら、特許文献１を含む従来技術では、少ない入力情報から多様な部品に対する汎用的な動作パラメータを算出することができるものの、高い実装精度が要求されるような重要な部品がある場合に、この部品に最適な動作パラメータが作成される保証はなく、多様な部品の優先度に応じて最適な動作パラメータを作成するには更なる改善の余地があった。

そこで本発明は、部品の優先度に応じて最適な動作パラメータを作成することができる動作パラメータ作成装置および動作パラメータ作成方法を提供することを目的とする。

本発明の動作パラメータ作成装置は、部品実装装置が部品を基板に装着するための動作パラメータを作成する動作パラメータ作成装置であって、部品の形状情報と動作パラメータと部品の優先度を含む部品の情報を取得する情報取得部と、前記部品の情報に基づき、学習データを作成する学習データ作成部と、前記学習データに基づき、学習モデルを生成又は更新する学習部と、生成又は更新された前記学習モデルを用いて、部品の形状情報から動作パラメータを作成する動作パラメータ作成部と、を備えた。

本発明の動作パラメータ作成方法は、部品実装装置が部品を基板に装着するための動作パラメータを作成する動作パラメータ作成方法であって、部品の形状情報と動作パラメータと部品の優先度を含む部品の情報を取得し、前記部品の情報に基づき、学習データを作成し、前記学習データに基づき、学習モデルを生成又は更新し、生成又は更新された前記学習モデルを用いて、部品の形状情報から動作パラメータを作成することを含む。

本発明によれば、部品の優先度に応じて最適な動作パラメータを作成することができる。

本発明の一実施の形態の部品実装システムの構成説明図 本発明の一実施の形態の管理コンピュータ（動作パラメータ作成装置）の処理系の構成を示すブロック図 本発明の一実施の形態の部品実装システムにおいて用いられる生産データの構成説明図 本発明の一実施の形態の部品実装システムにおいて用いられる部品データの構成説明図 本発明の一実施の形態の管理コンピュータ（動作パラメータ作成装置）に表示された優先度入力画面の例を示す図 本発明の一実施の形態の管理コンピュータ（動作パラメータ作成装置）に表示された重み付け入力画面の例を示す図 本発明の一実施の形態の動作パラメータ作成方法のフロー図

本発明の一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、部品実装システム１の構成について説明する。部品実装システム１は基板に部品を実装して実装基板を生産する機能を有している。本実施の形態では、複数（ここでは３本）の部品実装ライン４を通信ネットワーク２を介して管理コンピュータ３に接続した構成となっている。各部品実装ライン４における作業は管理コンピュータ３によって管理される。なお、部品実装ライン４は３本に限定されることはなく、１本、２本、または４本以上であってよい。

管理コンピュータ３は、各部品実装ライン４が備える生産設備の稼働に必要なデータやパラメータを作成し、各生産設備に送信する機能を有している。また、各生産設備より各生産設備の稼動状況、作業履歴などのデータが、管理コンピュータ３に送信される。また、管理コンピュータ３は、部品実装ライン４の生産設備で使用される動作パラメータ、部品データ、生産データなどを作成する機能を有している。なお、部品実装システム１は、部品実装ライン４毎にライン管理用のコンピュータを備え、ライン管理用のコンピュータを介して管理コンピュータ３と各生産設備がデータを送受信するようにしてもよい。

図１において、部品実装ライン４は、基板供給装置Ｍ１、基板受渡装置Ｍ２、半田印刷装置Ｍ３、部品実装装置Ｍ４，Ｍ５、リフロー装置Ｍ６および基板回収装置Ｍ７を連結した構成となっている。基板供給装置Ｍ１によって供給された基板は基板受渡装置Ｍ２を介して半田印刷装置Ｍ３に搬入され、ここで基板に部品接合用の半田をスクリーン印刷する半田印刷作業が行われる。

半田印刷後の基板は部品実装装置Ｍ４，Ｍ５に順次受け渡され、ここで半田印刷後の基板に対して部品を装着する部品実装作業が実行される。部品実装装置Ｍ４，Ｍ５は、フィーダが供給する部品を実装ヘッドが有するノズルで真空吸着によって取り出し、部品認識カメラでノズルが保持する部品の状態を撮像し、基板の実装位置に指定された実装角度で装着する。部品実装装置Ｍ４，Ｍ５は、複数のセンサを備えており、ノズルが部品を吸着する吸着動作、部品認識カメラが取り出された部品を撮像して認識する部品認識などの部品実装作業における作業ミスや動作エラーなどが監視されている。

部品実装後の基板はリフロー装置Ｍ６に搬入され、ここで所定の加熱プロファイルに従って加熱されることにより部品接合用の半田が溶融固化する。これにより部品が基板に半田接合されて基板に部品を実装した実装基板が完成し、基板回収装置Ｍ７に回収される。

次に図２を参照して、管理コンピュータ３の情報処理系の構成について説明する。ここでは、管理コンピュータ３が備える複数の機能のち、部品実装装置Ｍ４，Ｍ５による部品実装作業に用いられる動作パラメータを作成する機能に関する構成について説明する。管理コンピュータ３（動作パラメータ作成装置）は、部品実装ライン４での生産に使用した実績がある部品データ、動作パラメータなどに基づいて、新しい部品に対応する動作パラメータを作成する。

管理コンピュータ３は、処理部１０、記憶装置である記憶部１７の他、入力部２５、表示部２６、通信部２７を備えている。処理部１０はＣＰＵなどのデータ処理装置であり、内部処理部として入力処理部１１、情報取得部１２、データ作成部１３、学習部１４、学習モデル評価部１５、動作パラメータ作成部１６を備えている。なお、管理コンピュータ３は、ひとつのコンピュータで構成する必要はなく、複数のデバイスで構成してもよい。例えば、記憶部、処理部の全てもしくは一部をサーバを介してクラウドに備えてもよい。

入力部２５は、キーボード、タッチパネル、マウスなどの入力装置であり、操作コマンドやデータ入力時などに用いられる。表示部２６は液晶パネルなどの表示装置であり、記憶部１７が記憶する各種データを表示する他、入力部２５による操作のための操作画面、入力画面などの各種情報を表示する。通信部２７は、通信インターフェースであり、通信ネットワーク２を介して部品実装ライン４を構成する生産設備（部品実装装置Ｍ４，Ｍ５）との間でデータの送受信を行う。

図２において、記憶部１７には、生産データライブラリ１８、部品ライブラリ１９、優先度データ２０、重み付けテーブル２１、学習データ２２、学習モデル２３、評価データ２４などが記憶されている。生産データライブラリ１８には、部品実装装置Ｍ４，Ｍ５による実装基板の生産で使用される生産データが、実装基板の生産機種名毎に記憶されている。

ここで図３を参照して、生産データライブラリ１８に含まれる生産データ３０の例について説明する。生産データライブラリ１８に含まれる複数の生産データ３０には、それぞれ、１つの生産機種名の実装基板を生産するために必要なデータが規定されている。すなわち生産データ３０には、当該生産機種名の実装基板に実装される部品の「部品名」３１、当該部品を部品ライブラリ１９の部品データと関連付けるための部品コードである「部品ｎ」３２、当該部品の実装基板における実装位置および実装角度を示す「実装座標」３３、「実装角度」３４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３０には、当該実装基板の生産に使用される設備側の条件、すなわち部品実装装置Ｍ４，Ｍ５における設定状態などを示す設備条件データ３５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３０に設備条件データ３５を含めた構成となっているが、設備条件データ３５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３５には、部品実装装置Ｍ４，Ｍ５の種類を示す機種データ、当該部品が供給される位置を示す「供給位置」３６、部品供給に使用されるフィーダを示す「フィーダ」３７、当該部品を実装する部品実装作業を行う実装ヘッドを示す「実装ヘッド」３８、当該部品の保持に使用されるノズルを示す「ノズル」３９などが規定されている。

図２において、部品ライブラリ１９には、部品の種類と、部品実装装置Ｍ４，Ｍ５において当該部品を実装する各種の作業を精細に制御するための動作パラメータを関連付けた複数の部品データが記憶されている。部品データは、部品コードによって生産データ３０に関連付けられている。すなわち、部品ライブラリ１９には、同じ部品名の部品であっても、生産される実装基板の生産機種名の実装位置に対応した異なる部品データが記憶されている。なお、生産機種名や実装位置が異なっても動作パラメータが同一である場合は、共通の部品データが使用される。

ここで図４を参照して、部品ライブラリ１９に含まれる部品データ４０の例について説明する。部品データ４０は、部品データ４０に含まれる「部品コード」４１と生産データ３０に含まれる「部品ｎ」３２によって、生産データ３０に関連付けされる。

部品データ４０は、形状図４２、サイズデータ４３、部品パラメータ４４、動作パラメータ４７より構成される。各項目の空欄部分には、画像、数値および、用語等が入力されている。なお、ここで用いる「数値」とは数値データには限定されず、有り／無し、安価／高価、高速／中速／低速・・など、定量・定性的に表された選択肢の選択結果なども含む。形状図４２は対象となる部品の外形を図示する。サイズデータ４３は、当該部品のサイズ情報、すなわち、外形寸法、リード数、リードピッチ、リード長さ、リード幅、部品高さなどを数値データで示す。

図４において、部品パラメータ４４は当該部品についての属性情報であり、部品自体に関する情報である部品情報４５および当該部品をフィーダにより供給するためのキャリアテープに関する情報であるテープ情報４６を含んでいる。部品情報４５では、部品の極性、極性マーク、マーク位置、部品種別、形状種別、および価格情報が示されている。テープ情報４６には、キャリアテープのテープ素材、キャリアテープの幅寸法を示すテープ幅、テープ送りピッチを示す送り間隔、キャリアテープを画像認識の対象とする際の特性と関連した情報である色・材質情報が含まれている。

動作パラメータ４７は、当該部品を部品実装装置Ｍ４，Ｍ５による部品実装作業の対象とする際の動作態様を規定するマシンパラメータである。ここに示す例では、当該部品実装装置Ｍ４，Ｍ５の種類を示す機種４７ａ、使用されるノズルの種類を示すノズル設定４７ｂが含まれている。さらに、動作パラメータ４７には、スピードパラメータ４７ｃ、認識４７ｄ、ギャップ４７ｅ、吸着４７ｆ、装着４７ｇなどが含まれている。

図４において、スピードパラメータ４７ｃには、ノズルによって部品を吸着する際の吸着速度、実装ヘッドによって部品を移送する際の実装速度、フィーダによってキャリアテープを送る際のテープ送り速度が含まれている。本実施の形態では、吸着速度、実装速度、テープ送り速度は、最高速度に対する割合を１００％から２０％の間で設定できる。認識４７ｄは部品認識の態様を規定するパラメータであり、使用される部品認識カメラの種類を示すカメラ種別、撮像時の照明形態を示す照明モード、撮像時のノズルの移動速度である認識速度が含まれている。認識速度は、高速、中速、および低速のうちから設定できる。なお、速度に関するパラメータは、数値（１～１００％）であっても、選択肢（高速、中速、低速等）であってもよい。

ギャップ４７ｅには、ノズルによって部品を吸着する際の吸着ギャップ、保持した部品を基板に搭載する際の実装ギャップが含まれる。吸着４７ｆは、ノズルによる部品の吸着時のオフセット量を示す吸着位置オフセットや、吸着角度を規定する。装着４７ｇは、ノズルに保持した部品を基板に装着する際の押圧荷重を規定する。

このように、動作パラメータ４７には、部品を吸着するノズルに関するノズルパラメータ（ノズル設定４７ｂ）、ノズルで吸着する際の吸着に関する吸着パラメータ（吸着速度、吸着ギャップ、吸着４７ｆ）、部品の形状を認識するための認識パラメータ（認識４７ｄ）、部品を実装するための実装パラメータ（実装速度、実装ギャップ、装着４７ｇ）などが含まれている。なお図４の部品データ４０に示される部品パラメータ４４、動作パラメータ４７は該当する項目の例示であり、ここに示す項目以外にも各種のパラメータが必要に応じて設定される。

例えば、部品吸着時にノズルが部品に接触する時間である吸着保持時間、基板に部品を装着する時に基板に部品を接触させる時間である実装保持時間、認識カメラで部品を認識する回数である部品認識回数、部品を吸着したかどうかのチェックを行うかどうかの吸着チェックＯＮ／ＯＦＦ、部品厚みの計測を行う際の許容値を設定する厚みばらつき許容値、部品の吸着状態の検出を行うかどうかの部品吸着状態検出ＯＮ／ＯＦＦ、部品を同時に吸着もしくは実装するかどうかの部品同時吸着・実装ＯＮ／ＯＦＦ、部品の吸着位置を自動で設定するかどうかの部品吸着位置自動学習ＯＮ／ＯＦＦ、部品の吸着に失敗した際に再度吸着をおこなう部品吸着リトライ回数、部品の認識ができなかった場合に再度認識をおこなう認識リトライ回数等が挙げられる。

図２において、優先度データ２０は、基板の実装される部品の部品名３１に優先度を対応付けたデータである。部品の優先度は、基板に実装する際に要求される実装精度などを基準に、生産管理者が設定する。重み付けテーブル２１は、部品の優先度に後述する学習モデルを生成する際の重み付け、生成された学習モデルを評価する際の基準（目標正答率）を対応付けたデータテーブルである。重み付けや目標正答率は、生産管理者が設定する。入力処理部１１は、生産管理者が優先度データ２０、重み付けテーブル２１を設定するための各種情報を入力部２５より入力するための入力画面を表示部２６に表示させる。

ここで、図５を参照して、入力処理部１１が表示部２６に表示させた優先度入力画面５０について説明する。優先度入力画面５０には、「優先度」入力枠５１、「元に戻す」ボタン５２、「決定」ボタン５３が表示されている。「優先度」入力枠５１には、部品名３１毎に部品種別、形状種別が表示されており、生産管理者は入力部２５を操作して優先度を入力する。この例では、ドロップダウンメニューから、予め設定されている「最優先」「優先」「標準」の中から優先度を選択するようになっている。「優先度」入力枠５１に表示されるデータは、スクロールバーを操作することで変更される。

生産管理者が入力部２５を操作して「元に戻す」ボタン５２を操作すると、選択した優先度が元の状態に戻る。生産管理者が入力部２５を操作して「決定」ボタン５３を操作すると、入力処理部１１は、優先度入力画面５０に入力された優先度を優先度データ２０として記憶部１７に記憶する。このように、入力部２５は、部品の優先度の入力を受け付ける。そして、入力処理部１１は、入力された部品の優先度に基づき、優先度を含む部品の情報を作成する情報作成部である。

次に図６を参照して、入力処理部１１が表示部２６に表示させた重み付け入力画面５４について説明する。重み付け入力画面５４には、「重み付け」入力枠５５、「元に戻す」ボタン５６、「決定」ボタン５７が表示されている。「重み付け」入力枠５５では、「最優先」「優先」「標準」の３段階の優先度毎に、生産管理者が入力部２５を操作して、重み付け、目標正答率を入力する。

この例では、重み付けは、「最優先」で「１０」、「優先」で「２」、「標準」で「１」である。また、目標正答率は、「最優先」で「９５％以上」、「優先」で「８０％以上」、「標準」で「６０％以上」である。重み付けは、データ作成部１３が学習データ２２を作成する際に参照される。目標正答率は、学習モデル評価部１５が学習モデル２３を評価する際に参照される。なお、重み付けと目標正答率は、この例に限定されることなく、適宜、変更される。

図６において、生産管理者が入力部２５を操作して「元に戻す」ボタン５６を操作すると、選択した優先度が元の状態に戻る。生産管理者が入力部２５を操作して「決定」ボタン５７を操作すると、入力処理部１１は、重み付け入力画面５４に入力された優先度毎の重み付け、目標正答率を重み付けテーブル２１として記憶部１７に記憶する。なお、上記説明した優先度データ２０、重み付けテーブル２１における優先度は３段階であるが、優先度はこれに限定されることはなく、２段階であっても、４段階以上であってもよい。

図２において、情報取得部１２は、データ作成部１３が学習データ２２、評価データ２４を作成するための部品の情報を記憶部１７から取得する。具体的には、情報取得部１２は、生産データライブラリ１８に含まれる実績がある生産データ３０、部品ライブラリ１９に含まれる実績がある部品データ４０、優先度データ２０から、部品の形状情報（サイズデータ４３、部品パラメータ４４）と実績がある動作パラメータ４７と部品の優先度を含む部品の情報を取得する。以下、実績がある動作パラメータ４７を「実績動作パラメータ」と称する。

データ作成部１３は、情報取得部１２が取得した部品の情報に基づいて、学習データ２２を作成する。具体的には、データ作成部１３は、部品の情報の中から、優先度が「最優先」と「優先」の部品、さらに優先度が「標準」の部品のうち無作為に抽出した所定数（例えば、１０００個）の部品の部品の情報を抜き出す。さらに、データ作成部１３は、重み付けテーブル２１に含まれる重み付けに基づいて、優先度が「最優先」と「優先」の部品が多く含まれるよう学習データ２２を作成する。

例えば、図６に示す重み付けテーブル２１の場合は、優先度が「最優先」の部品は部品の情報を１０個に複製し、優先度が「優先」の部品は部品の情報を２個複製し、学習データ２２に含ませる。このように、データ作成部１３は、部品の情報に基づき、部品の優先度に応じた重み付けにより学習データ２２を作成する学習データ作成部である。作成された学習データ２２は、記憶部１７に記憶される。

図２において、データ作成部１３は、情報取得部１２が取得した部品の情報に基づいて、評価データ２４を作成する。具体的には、データ作成部１３は、部品の情報の中から、優先度が「最優先」と「優先」の部品、さらに優先度が「標準」の部品のうち学習データ２２として選択されたかった部品の中から無作為に抽出した所定数の部品の部品の情報を抜き出す。なお、学習データ２２として抽出された優先度が「標準」の部品を、評価データ２４としても抽出されるようにしてもよい。作成された評価データ２４は、記憶部１７に記憶される。

学習部１４は、学習データ２２を教師データとして、部品の形状情報（サイズデータ４３、部品パラメータ４４）から動作パラメータ４７を作成（推定）する学習モデル２３を、機械学習等を用いた学習アルゴリズムにより生成する。学習アルゴリズムとしては、ニューラルネットワーク（多層のニューラルネットワークを用いた深層学習を含む）、遺伝的プログラミング、決定木、ベイジアン・ネットワーク、サポート・ベクター・マシン（ＳＶＭ）等を使用し得る。生成された学習モデル２３は、記憶部１７に記憶される。このように、学習部１４は、学習データ２２に基づき、学習モデル２３を生成又は更新する。

図２において、動作パラメータ作成部１６は、記憶部１７に記憶されている学習部１４により生成又は更新された学習モデル２３を用いて、部品の形状情報から動作パラメータ４７を作成（推定）する。例えば、動作パラメータ作成部１６は、新しい部品の形状情報を入力情報として、その部品に対応する動作パラメータ４７を作成する。以下、動作パラメータ作成部１６が学習モデル２３を用いて推定した動作パラメータ４７を「推定動作パラメータ」と称する。

図２において、学習モデル評価部１５は、評価データ２４と重み付けテーブル２１に含まれる目標正答率に基づいて、学習部１４が生成した学習モデル２３を評価する。具体的には、学習モデル評価部１５は、評価データ２４に含まれる部品の部品の情報に含まれる部品の形状情報から動作パラメータ作成部１６が学習モデル２３を用いて作成した動作パラメータ４７（推定動作パラメータ）と、評価データ２４の当該部品の情報に含まれる動作パラメータ４７（実績動作パラメータ）と、を比較して学習モデル２３を評価する。

例えば、学習モデル評価部１５、ある部品の推定動作パラメータと実績動作パラメータの個々のパラメータを比較し、差分の比率（％）が最大のパラメータを探索し、そのパラメータの差分の比率を１００％から引いた値を正答率として算出する。そして、学習モデル評価部１５は、その部品の優先度に対応する目標正答率よりも算出された正答率が高い場合は、基準を満たすと判定する。すなわち、優先度が「最優先」の部品は、正答率が目標正答率である「９５％以上」である場合に、基準を満たすと判定される。なお、学習モデル評価部１５は、動作パラメータ４７の全てのパラメータではなく、特定のパラメータ（例えば、スピードパラメータ４７ｃとギャップ４７ｅ）のみを比較して判定してもよい。

なお、上述の学習モデル２３の評価方法は一例であり、他の評価方法を使用してもよい。例えば、比較する動作パラメータ４７のうち、正答率が８０％以上である動作パラメータ４７の数または比率を基準に判定してもよい。このように、学習モデル評価部１５は、部品の優先度に基づき、推定動作パラメータと実績動作パラメータの比較が部品の優先度に応じた基準（目標正答率）を満たすか否かにより学習モデル２３を評価する。そして、推定動作パラメータが基準を満たさない場合、データ作成部１３（学習データ作成部）は、部品の優先度に応じた重み付けを変更して学習データ２２を再作成し、学習部１４は、再作成された学習データ２２に基づき、学習モデル２３を生成又は更新する。

例えば、データ作成部１３は、優先度が「最優先」の部品の推定動作パラメータが基準を満たさない場合、その部品の重み付けを「１０」から「１５」に変更して学習データ２２を作成する。なお、優先度が「最優先」の全ての部品の重み付けを一律に変更してもよい。このように、学習モデル２３から作成される推定動作パラメータが所定の基準を満たさない場合、重み付けを変更して学習モデル２３を再生成し、基準を満たす学習モデル２３を用いて推定動作パラメータを作成することで、部品の優先度に応じて最適な動作パラメータ４７（推定動作パラメータ）が作成される。

次に図７のフローに沿って、部品実装装置Ｍ４，Ｍ５が部品を基板に装着するための動作パラメータ４７を作成する動作パラメータ作成装置である管理コンピュータ３による動作パラメータ作成方法（動作パラメータ作成処理）について説明する。まず、生産管理者は、優先度入力画面５０（図５参照）を使用して、既存の部品に対して優先度を入力する（ＳＴ１：優先度入力工程）。生産管理者は、動作パラメータ４７の推定が外せない重要な部品に、「最優先」や「優先」の優先度を入力する。このように、部品の優先度の入力が受け付けられる。入力された部品毎の優先度は、優先度データ２０として記憶部１７に記憶される。

次いで生産管理者は、重み付け入力画面５４（図６参照）を使用して、優先度毎に重み付けと目標正答率を入力する（ＳＴ２：重み付け入力工程）。入力された重み付けと目標正答率は、重み付けテーブル２１として記憶部１７に記憶される。なお、既定の重み付けテーブル２１を使用する場合、重み付け入力工程（ＳＴ２）は省略される。

優先度、重み付け、目標正答率が設定されると、情報取得部１２は、生産データライブラリ１８に含まれる生産データ３０、部品ライブラリ１９に含まれる部品データ４０、優先度データ２０から、部品の形状情報（サイズデータ４３、部品パラメータ４４）と実績がある動作パラメータ４７（実績動作パラメータ）と部品の優先度を含む部品の情報を取得する（ＳＴ３：情報取得工程）。すなわち、優先度入力工程（ＳＴ１）において入力された部品の優先度に基づき、部品の情報が作成される。

図７において、次いでデータ作成部１３は、優先度データ２０、重み付けテーブル２１、部品の情報に基づき、学習データ２２と評価データ２４を作成する（ＳＴ４：学習データ作成工程）。すなわち、部品の優先度に応じた重み付けにより学習データ２２が作成される。作成された学習データ２２と評価データ２４は、それぞれ記憶部１７に記憶される。次いで学習部１４は、学習データ２２に基づき、学習モデル２３を生成する（ＳＴ５：学習モデル生成工程）。生成された学習モデル２３は、記憶部１７に記憶される。

次いで学習モデル評価部１５は、評価データ２４と重み付けテーブル２１に含まれる目標正答率に基づいて、学習モデル２３を評価する（ＳＴ６：学習モデル評価工程）。具体的には、動作パラメータ作成部１６が部品の情報に含まれる部品の形状情報から学習モデル２３を用いて作成した推定動作パラメータと、当該部品の情報に含まれる実績動作パラメータを比較して、その比較が部品の優先度に応じた基準（目標正答率）を満たすか否かにより学習モデル２３を評価する。

図７において、比較が基準を満たさない場合（ＳＴ７においてＮｏ）、学習データ作成工程（ＳＴ４）に戻って、部品の優先度に応じた重み付けを変更して学習データ２２を再作成し（ＳＴ４）、再作成された学習データ２２に基づき、学習モデル２３を生成又は更新する（ＳＴ５）。比較が基準を満たす場合（ＳＴ７においてＹｅｓ）、その学習モデル２３に決定される（ＳＴ８：学習モデル決定工程）。

次いで、決定された学習モデル２３を用いて、新しい部品の形状情報（サイズデータ４３、部品パラメータ４４）からその部品を部品実装装置Ｍ４，Ｍ５で基板に装着するための動作パラメータ４７（推定動作パラメータ）が作成される（ＳＴ９：動作パラメータ作成工程）。これによって、部品の優先度に応じて最適な動作パラメータ４７を作成することができる。新しい部品の全てについて動作パラメータ４７が作成されると（ＳＴ１０においてＹｅｓ）、動作パラメータ作成処理が終了する。

上記説明したように、本実施の形態の動作パラメータ作成装置（管理コンピュータ３）は、部品の形状情報（サイズデータ４３、部品パラメータ４４）と動作パラメータ４７（実績動作パラメータ）と部品の優先度を含む部品の情報を取得する情報取得部１２と、記部品の情報に基づき、学習データ２２を作成する学習データ作成部（データ作成部１３）と、学習データ２２に基づき、学習モデル２３を生成又は更新する学習部１４と、生成又は更新された学習モデル２３を用いて、部品の形状情報から動作パラメータ４７（推定動作パラメータ）を作成する動作パラメータ作成部１６と、を備える。これによって、部品の優先度に応じて最適な動作パラメータ４７を作成することができる。

本発明の動作パラメータ作成装置および動作パラメータ作成方法は、部品の優先度に応じて最適な動作パラメータを作成することができるという効果を有し、部品を基板に実装する分野において有用である。

３ 管理コンピュータ（動作パラメータ作成装置）
Ｍ４，Ｍ５ 部品実装装置

Claims (16)

1. 部品実装装置が部品を基板に装着するための動作パラメータを作成する動作パラメータ作成装置であって、
   部品の形状情報と動作パラメータと部品の優先度を含む部品の情報を取得する情報取得部と、
   前記部品の情報に基づき、学習データを作成する学習データ作成部と、
   前記学習データに基づき、学習モデルを生成又は更新する学習部と、
   生成又は更新された前記学習モデルを用いて、部品の形状情報から動作パラメータを作成する動作パラメータ作成部と、を備えた、動作パラメータ作成装置。
2. 部品の優先度の入力を受け付ける入力部と、
   入力された前記部品の優先度に基づき、前記部品の情報を作成する情報作成部と、を更に備える、請求項１に記載の動作パラメータ作成装置。
3. 前記学習データ作成部は、前記部品の優先度に応じた重み付けにより前記学習データを作成する、請求項１または２に記載の動作パラメータ作成装置。
4. 前記動作パラメータには、前記部品を吸着するノズルに関するノズルパラメータ、前記ノズルで吸着する際の吸着に関する吸着パラメータ、前記部品の形状を認識するための認識パラメータ、前記部品を実装するための実装パラメータの少なくともいずれかを含む、請求項１から３のいずれかに記載の動作パラメータ作成装置。
5. 前記部品の情報に含まれる部品の形状情報から前記動作パラメータ作成部が前記学習モデルを用いて作成した動作パラメータと、当該部品の情報に含まれる動作パラメータとを比較して前記学習モデルを評価する学習モデル評価部を、更に備える、請求項１から４のいずれかに記載の動作パラメータ作成装置。
6. 前記学習モデル評価部は、前記部品の優先度に基づき、前記学習モデルを評価する、請求項５に記載の動作パラメータ作成装置。
7. 前記学習モデル評価部は、動作パラメータの前記比較が前記部品の優先度に応じた基準を満たすか否かにより前記学習モデルを評価する、請求項５に記載の動作パラメータ作成装置。
8. 動作パラメータの前記比較が前記基準を満たさない場合、
   前記学習データ作成部は、前記部品の優先度に応じた重み付けを変更して前記学習データを再作成し、
   前記学習部は、再作成された前記学習データに基づき、学習モデルを生成又は更新する、請求項７に記載の動作パラメータ作成装置。
9. 部品実装装置が部品を基板に装着するための動作パラメータを作成する動作パラメータ作成方法であって、
   部品の形状情報と動作パラメータと部品の優先度を含む部品の情報を取得し、
   前記部品の情報に基づき、学習データを作成し、
   前記学習データに基づき、学習モデルを生成又は更新し、
   生成又は更新された前記学習モデルを用いて、部品の形状情報から動作パラメータを作成することを含む、動作パラメータ作成方法。
10. 部品の優先度の入力を受け付け、
    入力された前記部品の優先度に基づき、前記部品の情報を作成することを更に含む、請求項９に記載の動作パラメータ作成方法。
11. 前記部品の優先度に応じた重み付けにより前記学習データを作成する、請求項９または１０に記載の動作パラメータ作成方法。
12. 前記動作パラメータには、前記部品を吸着するノズルに関するノズルパラメータ、前記ノズルで吸着する際の吸着に関する吸着パラメータ、前記部品の形状を認識するための認識パラメータ、前記部品を実装するための実装パラメータの少なくともいずれかを含む、請求項９から１１のいずれかに記載の動作パラメータ作成方法。
13. 前記部品の情報に含まれる部品の形状情報から前記学習モデルを用いて作成した動作パラメータと、当該部品の情報に含まれる動作パラメータを比較して前記学習モデルを評価することを、更に含む、請求項９から１２のいずれかに記載の動作パラメータ作成方法。
14. 前記部品の優先度に基づき、前記学習モデルを評価する、請求項１３に記載の動作パラメータ作成方法。
15. 動作パラメータの前記比較が前記部品の優先度に応じた基準を満たすか否かにより前記学習モデルを評価する、請求項１３に記載の動作パラメータ作成方法。
16. 動作パラメータの前記比較が前記基準を満たさない場合、
    前記部品の優先度に応じた重み付けを変更して前記学習データを再作成し、
    再作成された前記学習データに基づき、学習モデルを生成又は更新する、請求項１５に記載の動作パラメータ作成方法。

Images