JP2023147762A

JP2023147762A - 半田付け条件学習装置、半田付け条件決定装置および半田付け装置

Info

Publication number: JP2023147762A
Application number: JP2022055461A
Authority: JP
Inventors: 賢典岩木; Masanori Iwaki
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2022-03-30
Filing date: 2022-03-30
Publication date: 2023-10-13

Abstract

【課題】半田付けを行う加工対象ごとに、半田こての加熱温度及び加熱時間、加工対象を加熱する加熱装置の加熱温度及び加熱時間を設定値として学習する半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置を得る。【解決手段】半田こてを用いた半田付けを行う加工対象ごとに、半田こての加熱温度及び加熱時間、加工対象を加熱する加熱装置の加熱温度及び加熱時間を設定値として学習する半田付け条件学習装置であって、半田付けを行う装置ごとに、前記加工対象と関連付けられた、前記設定値が入力される設定値入力部と、前記設定値入力部に入力された前記設定値によって加工された前記加工対象の良品又は不良品の良不良判定結果が入力される良不良判定結果入力部と、前記設定値と前記良不良判定結果とに基づいて、前記加工対象ごとに良品となる前記設定値を学習する学習部とを備える。【選択図】図１

Description

この開示は、半田こてを用いて半田付けを行う加工対象ごとに、半田こての加熱温度、半田こての加熱時間、加工対象を加熱する加熱装置の加熱温度、及び加熱装置の加熱時間を設定値として学習する半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置に関するものである。

従来、半田こてを用いた半田付け装置には、予熱時や予熱完了時の制御を簡単かつ適切に行うことができ、最適な温度状態ではんだ付けを行うものがある。例えば、制御装置により予熱の完了を検出し、予熱の完了が検出されると報知手段から半田こてを使用する者に報知を行うものが開示されている（例えば、特許文献１参照）。

一方、ＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）などを使った機械学習による学習モデルを半田付け装置に適用したものがある（例えば、特許文献２参照）。特許文献３には、ＡＩを使って、画像から得た半田の形状などからデータを抽出することが開示されている。また、特許文献４には、半田付け装置の半田付け処理後に基板などの情報を学習することが開示されている。

特開２０１２ー５１０２０号公報特開平９－２６８０２号公報特開平１１－４６０５８号公報特開２００８－１０９０３４号公報

しかしながら、従来の半田こてを用いた半田付け装置は、半田付けを行う加工対象ごとに、設定値を入力する必要があり、入力する者の技量によって、歩留りに影響があるという課題があった。

この開示は、上記のような課題を解決するためになされたものであり、半田付けを行う加工対象ごとに、半田こての加熱温度、半田こての加熱時間、加工対象を加熱する加熱装置の加熱温度、及び加熱装置の加熱時間を設定値として学習する半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置を得ることを目的とする。

この開示に係る半田付け条件学習装置は、半田こてを用いた半田付けを行う加工対象ごとに、半田こての加熱温度、半田こての加熱時間、加工対象を加熱する加熱装置の加熱温度、及び加熱装置の加熱時間を設定値として学習する半田付け条件学習装置であって、半田付けを行う装置ごとに、前記加工対象と関連付けられた、前記設定値が入力される設定値入力部と、前記設定値入力部に入力された前記設定値によって加工された前記加工対象の良品又は不良品の良不良判定結果が入力される良不良判定結果入力部と、前記設定値と前記良不良判定結果とに基づいて、前記加工対象ごとに良品となる前記設定値を学習する学習部とを備えたことを特徴とするものである。

この開示に係る半田付け条件決定装置は、半田こてを用いた半田付けを行う加工対象ごとに、半田こての加熱温度、半田こての加熱時間、加工対象を加熱する加熱装置の加熱温度、及び加熱装置の加熱時間を設定値として学習する半田付け条件学習装置であって、半田付けを行う装置ごとに、前記加工対象と関連付けられた、前記設定値が入力される設定値入力部と、前記設定値入力部に入力された前記設定値によって加工された前記加工対象の良品又は不良品の良不良判定結果が入力される良不良判定結果入力部と、前記設定値と前記良不良判定結果とに基づいて、前記加工対象ごとに良品となる前記設定値を学習する学習部とを備えた半田付け条件学習装置の学習結果を用いた半田付け条件決定装置であって、前記加工対象の情報が入力される加工対象入力部と、前記学習部の学習結果を用いて、前記加工対象入力部に情報が入力された前記加工対象が良品となる前記設定値を決定する半田付け条件決定部とを備えたことを特徴とするものである。

この開示に係る半田付け装置は、半田こてを用いた半田付けを行う加工対象ごとに、半田こての加熱温度、半田こての加熱時間、加工対象を加熱する加熱装置の加熱温度、及び加熱装置の加熱時間を設定値として学習する半田付け条件学習装置であって、半田付けを行う装置ごとに、前記加工対象と関連付けられた、前記設定値が入力される設定値入力部と、前記設定値入力部に入力された前記設定値によって加工された前記加工対象の良品又は不良品の良不良判定結果が入力される良不良判定結果入力部と、前記設定値と前記良不良判定結果とに基づいて、前記加工対象ごとに良品となる前記設定値を学習する学習部とを備えた半田付け条件学習装置の学習結果を用いた半田付け条件決定装置であって、前記加工対象の情報が入力される加工対象入力部と、前記学習部の学習結果を用いて、前記加工対象入力部に情報が入力された前記加工対象が良品となる前記設定値を決定する半田付け条件決定部とを備えた半田付け条件決定装置を用いた半田付け装置であって、前記装置の半田付け部と、前記半田付け条件決定部が決定した前記設定値が入力される条件設定部と、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御する半田付け制御部とを備え、前記半田付け制御部は、前記条件設定部に入力された条件に関連付けられた前記誤差がある場合でも、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御することを特徴とするものである。

この開示によれば、加工対象ごとに良品となる設定値を学習することが可能な半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置を得ることができる。

実施の形態１に係る半田付け条件学習装置の機能ブロック図である。実施の形態１に係る半田付け条件学習装置の動作（半田付け条件学習方法）を説明するフローチャートである。実施の形態１に係る半田付け条件学習装置、半田付け条件決定装置及び半田付け装置の機能ブロック図である。実施の形態１に係る半田付け部の構成図である。実施の形態１に係る半田付け条件決定装置の動作（半田付け条件決定方法）を説明するフローチャートである。実施の形態１に係る半田付け装置の動作（半田付け方法）を説明するフローチャートである。実施の形態１に係る半田付け装置の動作（半田付け方法）を説明するフローチャートである。実施の形態２に係る半田付け条件学習装置の機能ブロック図である。実施の形態２に係る半田付け条件学習装置の動作（半田付け条件学習方法）を説明するフローチャートである。実施の形態３に係る半田付け条件学習装置の機能ブロック図である。実施の形態３に係る半田付け条件学習装置の動作（良不良方法）を説明するフローチャートである。実施の形態３に係る半田付け条件学習装置、半田付け条件決定装置及び半田付け装置の機能ブロック図である。

実施の形態１．
以下、実施の形態１に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置について、図１から図７を用いて説明する。図中、同一符号は、同一又は相当部分を示し、それらについての詳細な説明は省略する。図３において、加工対象１は、例えば、プリント基板などの基板１で、単層基板や多層基板を包含している。このプリント基板に配線や部品（対象部品）を半田付けしたものをプリント配線板やプリント配線基板、プリント回路板、プリント回路基板と呼ぶ場合がある。単に、プリント基板に配線を施したものをプリント配線板やプリント配線基板と呼んでもよい。この場合、加工対象１（基板１）にプリント配線板、プリント配線基板が含まれているといえる。さらに、加工対象１（基板１）は、半田付けの対象部品と、半田付けによって対象部品が固定される部材とから構成されているともいえる。対象部品は、電子部品やアナログ部品などがあり、リードや端子を半田付けで固定されるものである。対象部品が固定される部材は、前述のプリント基板、プリント配線板、プリント配線基板となる。対象部品のリードや端子は、基板１に形成されたスルーホールに挿入されて半田付けで固定されるものも含む。

図１及び図３において、半田付け条件学習装置２は、設定値入力部３、良不良判定結果入力部４、学習部５を有している。半田付け条件学習装置２は、半田付けを行う加工対象１ごとに、半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間のうち少なくとも１つを設定値として学習するものであり、学習モデルを構築する。

図１及び図３において、設定値入力部３は、半田こて６、加熱装置７を有し、半田付けを行う装置（詳しくは、後述する半田付け装置１２）ごとに、加工対象１と関連付けられた、設定値（半田付けを行う加工対象１ごとに、半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間の設定値）が入力されるものである。設定値は、ここでは、半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間の４つである。半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間のうち少なくとも１つを設定値として入力されればよい。

図４は、半田付け部１０の構成図である。半田付け部１０は、半田こて６、加熱装置７を有している。半田こて６は、そのこて先によって半田を溶融させるためのものである。加熱装置７は、ここではプリヒータ８と温風供給装置９を有している。加熱装置７は、プリヒータ８及び温風供給装置９の他にも加工対象１を加熱可能な装置を有していても良い。加熱装置７は、加工対象１を加熱可能な装置を少なくとも１つ有していればよい。プリヒータ８は、ここでは加工対象１の下面に配置されており、加工対象１を予備加熱可能に構成されている。温風供給装置９は、基板１に半田付けされる対象部品とその取付部分に対して、温風を吹き付けることで加工対象１を加熱するものである。温風供給装置９は、ここではホットエアであり、加工対象１の上面側に配置されている。温風供給装置９は、ここでは半田こて６と別体で設けられている例を示しているが、半田こて６自体に取り付けられているものであってもよい。半田こて６に温風供給装置９が取り付けられている場合では、温風供給装置９は、半田こて６のこて先の先端近傍に設定された所定位置に向けて、温風の吹き付けることができるように配置される。加熱装置７（ここでは、プリヒータ８及び温風供給装置９）によって加工対象１を加熱することで、半田付け時の半田のぬれ性を向上する効果が得られる。

引き続き、図１及び図３において、良不良判定結果入力部４は、設定値入力部３に入力された設定値によって加工された加工対象１の良品又は不良品の良不良判定結果が入力されるものである。良不良判定結果入力部４において、初期に入力される良不良判定結果は、例えば、加工された後の加工対象１であるプリント回路板（プリント回路基板）を外観検査（人又は機械による検査を含む検査）した結果をデータ化したものである。つまり、外観検査（人又は機械による検査を含む検査）した結果をデータ化して、加工対象１が加工された設定値（設定値入力部３に入力された設定値）と関連付ければよい。学習部５は、設定値と良不良判定結果とに基づいて、加工対象１ごとに良品となる設定値を学習するものである。学習部５は、設定値入力部３に入力された設定値と、良不良判定結果入力部４に入力された良不良判定結果とに基づいて、加工対象１ごとに良品となる設定値を学習するものである。

学習部５（半田付け条件学習装置２）には、ＡＩなどの機械学習を適用すればよい。学習部５（半田付け条件学習装置２）は学習モデルを構築して蓄積している。好ましくは、学習部５は、半田付け装置１４ごとに、同じ加工対象１でも良品となる設定値が異なるものを、半田付け装置１４ごとの誤差として関連付けて学習するようにしてもよい。また、設定値入力部３は、前述のとおり、半田、半田付けの対象部品（電子部品やアナログ部品など）、半田付けによって対象部品が固定される部材（プリント基板など）の、組み合わせで定義されている加工対象１と、関連付けられた設定値が入力されるものである。

この場合、さらに、設定値入力部３は、半田と、半田付けの対象部品と、半田付けによって対象部品が固定される部材との組み合わせのうち、半田が、組成、比重、融点の少なくとも一つで区別されている加工対象１と関連付けられた、設定値が入力されるようにしてもよい。また、設定値入力部３は、半田と、半田付けの対象部品（電子部品やアナログ部品など）と、半田付けによって対象部品が固定される部材との組み合わせのうち、対象部品が、外形、重量、体積、電極位置の少なくとも一つで区別されている加工対象１と関連付けられた、設定値が入力されるようにしてもよい。さらに、設定値入力部３は、半田付けの対象部品と、半田付けによって対象部品が固定される部材（プリント基板など）との組み合わせのうち、部材が、厚み、重量、材質、体積、層数、内層導体箔厚、密度、孔径の少なくとも一つで区別されている加工対象１と関連付けられた、設定値が入力されるようにしてもよい。

もちろん、設定値入力部３は、半田と、半田付けの対象部品と、半田付けによって対象部品が固定される部材との組み合わせのうち、対象部品及び半田が同じもので、部材の条件が変わった場合の設定値がそれぞれ入力されてもよい。同じく、設定値入力部３は、半田と、半田付けの対象部品と、半田付けによって対象部品が固定される部材との組み合わせのうち、部材及び半田が同じもので、対象部品の条件が変わった場合の設定値がそれぞれ入力されてもよい。同じく、設定値入力部３は、半田付けの対象部品と、半田付けによって対象部品が固定される部材との組み合わせのうち、対象部品及び部材が同じもので、半田の条件が変わった場合の設定値がそれぞれ入力されてもよい。

ここで、部材の条件が変わった場合と、対象部品の条件が変わった場合とについて説明する。部材の条件が変わるとは、前述のように、部材の、厚み、重量、材質、体積、層数、内層導体箔厚、密度、孔径が異なる場合を意味している。内層導体箔は、加工対象１（基板１）の内層が銅箔の場合は、内層銅箔厚となる。当然、孔が貫通孔の場合は、部材の厚みから孔の深さも条件となる。貫通孔かどうかに限らず、孔の深さを条件としてもよい。詳しくは、部材が基板１の場合、厚みとは、板厚の仕様（導体箔厚み、導体箔面積、積層枚数）を意味している。基板１の場合、孔径はスルーホールを意味している。スルーホールは、回路を構成するために用いられたり、対象部品のリードや端子（電極）が挿入されたりするものである。基板１の場合、材質とは、基板の基材材料、導体箔の導体種類を意味している。また、対象部品の条件が変るとは、リードや、端子（電極）のピッチやリードや端子（電極）の径が異なる場合を意味している。リード（端子、電極）数やそれらのピッチから対象部品の形状や大きさが分かるので、対象部品のリードや端子のピッチや、リードや端子の径は、対象部品の外形、重量、体積、電極位置の情報といえる。電極位置は、半田付けによって対象部品が固定される部材（基板１（プリント基板）など）の上面、下面、側面などの面の情報でもよい。これまでは、半田付けの対象部品と、半田付けによって対象部品が固定される部材との組み合わせのうち、いずれかが固定の場合を説明してきたが、全ての組み合わせを網羅するようにしてもよい。

次に、図２を用いて実施の形態１に係る半田付け条件学習装置の動作（実施の形態１に係る半田付け条件学習方法）を説明する。図２において、ステップ１は、設定値入力部３に、半田付けを行う装置（詳しくは、後述する半田付け装置１４）ごとに、加工対象１と関連付けられた、設定値（半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間の設定値）が入力される処理ステップである。ステップ２は、良不良判定結果入力部４に、設定値入力部３に入力された設定値によって加工された加工対象１の良品又は不良品の良不良判定結果が入力される処理ステップである。ステップ１及びステップ２は、処理の順序は問わない。同時でもよい。ステップ３は、設定値入力部３に入力された設定値と、良不良判定結果入力部４に入力された良不良判定結果とに基づいて、学習部５に加工対象１ごとに良品となる設定値を学習させる処理ステップである。好ましくは、ステップ３は、学習部５に、半田付け装置１４ごとに、同じ加工対象１でも良品となる設定値が異なるものを、半田付け装置１４ごとの誤差として関連付けて学習させる処理ステップを組み込んでもよい。

実施の形態１に係る半田付け条件学習装置の動作（実施の形態１に係る半田付け条件学習方法）においても、実施の形態１に係る半田付け条件学習装置と同様に、好ましくは、ステップ１は、設定値入力部３に、半田付けの対象部品と、半田付けによって対象部品が固定される部材との、組み合わせで定義されている加工対象１と関連付けられた、設定値が入力されるステップである。対象部品の条件や部材の条件、それらの組み合わせについても、実施の形態１に係る半田付け条件学習装置と同様である。

図３において、半田付け条件決定装置１１は、図１及び図３に示す半田付け条件学習装置２の学習結果（学習モデル）を用いたものである（実施の形態１に係る半田付け条件決定装置）。半田付け条件決定装置１１は、加工対象入力部１２、半田付け条件決定部１３を有している。図３において、加工対象入力部１２は、新たに加工する（半田付けを施す）対象である加工対象１の情報が入力されるものである。半田付け条件決定部１３は、学習部５の学習結果（学習モデル）を用いて、加工対象入力部１２に情報が入力された加工対象１が良品となる設定値を決定するものである。

次に、図５を用いて実施の形態１に係る半田付け条件決定装置の動作（実施の形態１に係る半田付け条件決定方法）を説明する。図５において、ステップ１１は、加工対象入力部１２に、新たに加工する（半田付けを施す）対象である加工対象１の情報が入力される処理ステップである。ステップ１２は、半田付け条件決定部１３が、学習部５の学習結果（学習モデル）を使用する処理ステップである。ステップ１３は、半田付け条件決定部１３が、学習部５の学習結果（学習モデル）を用いて、加工対象入力部１２に情報が入力された加工対象１が良品となる設定値を決定するものである。

図３において、半田付け装置１４は、図３に示す半田付け条件決定装置１１を用いたものである（実施の形態１に係る半田付け装置）。半田付け装置１４は、半田付け部１０、条件設定部１５、半田付け制御部１６を有している。

条件設定部１５は、半田付け条件決定部１３が決定した設定値が入力されるものである。半田付け制御部１６は、条件設定部１５に入力された条件で半田付けを行うように半田こて６、加熱装置７を制御する。半田付け制御部１６は、設定値で決められた、半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間で、新たな加工対象１を加工できる（半田付けを施させる）ように、半田付け部１０を制御する。

次に、図５を用いて実施の形態１に係る半田付け装置の動作（実施の形態１に係る半田付け方法）を説明する。図５において、ステップ２１は、条件設定部１５に、半田付け条件決定部１３が決定した設定値が入力される処理ステップである。ステップ２４は、半田付け制御部１６に、条件設定部１５に入力された条件で半田付けを行うように半田付け部１０を制御する処理ステップである。つまり、ステップ２４は、設定値で決められた、半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間で、半田付け部１０に、新たな加工対象１を加工させる（半田付けを施させる）処理ステップである。

実施の形態１に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置（実施の形態１に係る半田付け条件学習方法、これを用いた半田付け条件決定方法及び半田付け方法）では、半田付け条件学習装置（半田付け条件学習方法）の説明の際に言及したように、学習部５が（ステップ３で）、半田付け装置１４ごとに、同じ加工対象１でも良品となる設定値が異なるものを、半田付け装置１４ごとの誤差として関連付けて学習してもよい。この半田付け装置１４ごとの誤差は次のように、半田付け条件決定装置及び半田付け装置（実施の形態１に係る半田付け条件決定方法及び半田付け方法）で利用できる。

まずは、半田付け条件決定装置（ステップ１２）において、学習部５の学習結果を用いて、加工対象入力部１２に情報が入力された加工対象１が良品となる設定値を決定し、半田付け条件決定部１３が学習部５の学習結果を用いて、決定した設定値に関連付けられた誤差の有無を特定する。そして、図７に示すように、半田付け装置において、半田付け制御部１６は、条件設定部１５に入力された条件（ステップ２１の処理）に関連付けられた誤差があり、条件設定部１５で補正済みのとき（ステップ２２の処理がＹＥＳ）、誤差を補正した基準値となる設定値を用いて（ステップ２３の処理）、半田付けを行うように半田付け部１０を制御する（ステップ２４の処理）。一方、半田付け制御部１６は、条件設定部１５に入力された条件（ステップ２１の処理）に関連付けられた誤差がある場合でも（ステップ２２の処理がＮＯ）、条件設定部１５に入力された条件で半田付けを行うように半田付け部１０を制御する（ステップ２４の処理）。

なお、ステップ２２から直接ステップ２４へいく場合は、条件設定部１３に入力された条件（ステップ２１の処理）に関連付けられた誤差がない場合は、図６に示すフローチャートの処理となる。すなわち、条件設定部１３で誤差が補正されていない場合は、条件設定部１３に入力された条件（ステップ２１の処理）に関連付けられた誤差の有無に関わらず、ステップ２２（ステップ２１）から直接ステップ２４へいくことになる。

さらに、誤差を補正した基準値となる設定値は、個別に用意してもよいし、学習部５の学習結果（学習モデル）を使用してもよい。すなわち、半田付け条件学習装置の学習部５は、半田付け装置１２ごとに、同じ加工対象１でも良品となる設定値が異なるものを、装置ごとの誤差として関連付けて学習し、誤差を補正した基準値となる設定値を決定する。そして、半田付け装置１２の半田付け制御部１６は、条件設定部１５に入力された条件に関連付けられた誤差があり、条件設定部１５で補正済みのとき、学習部５が決定した基準値となる設定値を用いて（基準値となる設定値は、半田付け条件決定装置１１経由で取得してもよい）、半田付けを行うように半田付け部１０を制御する。

以上、実施の形態１に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置（実施の形態１に係る半田付け条件学習方法、これを用いた半田付け条件決定方法及び半田付け方法）は、加工対象ごとに良品となる設定値を学習及び利用が可能なものである。設定値とは、半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間である。

実施の形態２．
以下、実施の形態２に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置について、図８及び図９を用いて説明する。実施の形態１と異なる部分を中心に説明をする。図中、同一符号は、同一又は相当部分を示し、それらについての詳細な説明は省略する。実施の形態１と実施の形態２との大きな違いは、学習部５は、加工対象１ごとに良品となる設定値と加工対象画像データ（半田付け箇所の写真など）とを関連付けて学習することである。実施の形態１と実施の形態２とで半田付け装置については大きな相違点はない。

図８において、良不良判定結果入力部４は、設定値入力部３に入力された設定値によって加工された加工対象１の良品又は不良品の良不良判定結果が入力されるものである。さらに、良不良判定結果入力部４は、良不良判定結果に関連付けられた加工対象の加工対象画像データ（半田付け箇所の写真など）が入力されるものである。学習部５は、設定値入力部３に入力された設定値と、良不良判定結果入力部４に入力された良不良判定結果とに基づいて、加工対象１ごとに良品となる設定値を学習するものである。さらに、学習部５は、加工対象１ごとに良品となる設定値と加工対象画像データとを関連付けて学習するものである。

このように、実施の形態２に係る半田付け条件学習装置は、加工対象１ごとに良品となる設定値と加工対象画像データとを関連付けているので、決定された、加工対象１が良品となる設定値に対応する加工対象画像データを容易に特定できるので、決定された、加工対象１が良品となる設定値で加工した（半田付けを施した）場合の完成時の画像を容易に得ることができる。加工対象画像データの決定は、学習部５の学習結果（学習モデル）を半田付け条件決定部１１が設定値を決める際に合わせて決定すればよい。半田付け条件決定装置１１には、学習部５の学習結果（学習モデル）から得られた（決定した）加工対象画像データを表示する表示部を、外部を含めて備えていてもよい。

次に、図９を用いて実施の形態２に係る半田付け条件学習装置の動作（実施の形態２に係る半田付け条件学習方法）を説明する。図９において、ステップ１は、設定値入力部３に、半田付けを行う装置（詳しくは、後述する半田付け装置１２）ごとに、加工対象１と関連付けられた、設定値（半田こて６の加熱温度、半田こて６の加熱時間、加工対象１を加熱する加熱装置７の加熱温度、及び加熱装置７の加熱時間を設定値）が入力される処理ステップである。ステップ１及び次のステップ２Ａは、処理の順序は問わない。同時でもよい。

図９において、ステップ２Ａは、良不良判定結果入力部４に、設定値入力部３に入力された設定値によって加工された加工対象１の良品又は不良品の良不良判定結果が入力される処理ステップと、さらに、良不良判定結果入力部４に、良不良判定結果に関連付けられた加工対象の加工対象画像データ（半田付け箇所の写真など）が入力される処理ステップとである。ステップ３Ａは、設定値入力部３に入力された設定値と、良不良判定結果入力部４に入力された良不良判定結果とに基づいて、学習部５に加工対象１ごとに良品となる設定値を学習させる処理ステップと、さらに、学習部５に加工対象１ごとに良品となる設定値と加工対象画像データとを関連付けて学習させる処理ステップとである。実施の形態１のステップ３と同様に、ステップ３Ａは、学習部５に、半田付け装置１２ごとに、同じ加工対象１でも良品となる設定値が異なるものを、半田付け装置１２ごとの誤差として関連付けて学習させる処理ステップを組み込んでもよい。

以上、実施の形態２に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置（実施の形態１に係る半田付け条件学習方法、これを用いた半田付け条件決定方法及び半田付け方法）は、加工対象ごとに良品となる設定値を学習及び利用が可能なものである。さらに、実際に過去に加工した（半田付けを施した）加工対象画像データを得ることもできる。

実施の形態３．
以下、実施の形態３に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置について、図１０、図１１、図１２を用いて説明する。実施の形態１及び２と異なる部分を中心に説明をする。図中、同一符号は、同一又は相当部分を示し、それらについての詳細な説明は省略する。実施の形態２と実施の形態３との大きな違いは、実施の形態２では、学習部５が、加工対象１ごとに良品となる設定値と加工対象画像データ（半田付け箇所の写真など）とを関連付けて学習するものであったが、さらに、実施の形態３では、新規加工対象画像データ入力部１７をさらに備えていることである。実施の形態１、実施の形態２、実施の形態３で半田付け装置については大きな相違点はない。実施の形態２、実施の形態３で半田付け条件決定装置については大きな相違点はない。

図１０及び図１１において、新規加工対象画像データ入力部１７は、新たに半田付けを行った加工対象１の新規加工対象画像データが入力されるものである。設定値入力部３は、新規加工対象画像データの加工対象１と関連付けられた、設定値が入力されるものである。学習部５は、学習結果（学習モデル）を用いて、新規加工対象画像データ入力部１７に入力された新規加工対象画像データの特徴量から、類似の加工画像データ（良不良判定結果入力部４に入力されたもの）を決定して、決定した加工画像データと関連付いた良不良判定結果から、新規加工対象画像データの加工対象の良不良判定結果を判断するものである。良不良判定結果入力部４は、学習部５が学習結果（学習モデル）を用いて判断した新たに半田付けを行った加工対象１の良品又は不良品の良不良判定結果が入力されるものである。

学習部５は、新規加工対象画像データから特徴量を抽出し、加工対象画像データの特徴量と関連付けて学習することにより類別精度の向上を狙うことができる。つまり、学習部５は、図示はしていないが、新規加工対象画像データや加工対象画像データから特徴量を抽出する特徴量抽出部（特徴量抽出機能）を有しているといえる。この特徴量抽出部（特徴量抽出機能）は、設定値入力部３に形成してもよい。特徴量抽出部（特徴量抽出機能）は、良不良判定結果入力部４に形成してもよい。このように、学習部５（半田付け条件学習装置２）におけるＡＩなどの機械学習とは、大量のサンプルデータ及びその正解ラベルを用いた学習により特徴を捉えて、新しいデータに対して予測・決定を行うものであるといえる。

次に、図１１を用いて実施の形態３に係る半田付け条件学習装置の動作（実施の形態３に係る半田付け条件学習方法）を説明する。図１１において、ステップ３１は、新規加工対象画像データ入力部１７に、新たに半田付けを行った加工対象１の新規加工対象画像データが入力される処理ステップである。また、設定値入力部３には、新規加工対象画像データの加工対象１と関連付けられた、設定値が入力されている。これをも合わせてステップ３１と呼んでもよい。

図１１において、ステップ３２は、学習部５に、学習結果（学習モデル）を用いて、新規加工対象画像データ入力部１７に入力された新規加工対象画像データの特徴量から、類似の加工画像データ（良不良判定結果入力部４に入力されたもの）を決定して、決定した加工画像データと関連付いた良不良判定結果から、新規加工対象画像データの加工対象の良不良判定結果を判断させる処理ステップである。ステップ３３は、良不良判定結果入力部４に、学習部５が学習結果（学習モデル）を用いて判断した新たに半田付けを行った加工対象１の良品又は不良品の良不良判定結果が入力される処理ステップである。

実施の形態３に係る半田付け条件学習装置（実施の形態３に係る半田付け条件学習方法）は、良不良判定結果入力部４における、良不良判定結果に関連付けられた加工対象の加工対象画像データが入力され、学習部５における、加工対象ごとに良品となる設定値と加工対象画像データとを関連付けて学習が進展すればするほど、良不良判定結果が関連付けられていない「画像データ（実施の形態３では「新規加工対象画像データ」と称する画像データ）」に対しても、良不良判定結果の判断できる精度が高まる。

良不良判定結果が関連付けられていない「画像データ（実施の形態３では「新規加工対象画像データ」と称する画像データ）」に対する学習部５が判断した良不良判定結果を使って、図１２に示す半田付け条件決定装置及び半田付け装置は、設定値の決定や、その設定値を使った半田付けを行うことができる。もちろん、実施の形態１及び２で説明した動作である、設定値の決定や、その設定値を使った半田付けも行うことができる。

以上、実施の形態３に係る半田付け条件学習装置、これを用いた半田付け条件決定装置及び半田付け装置（実施の形態１に係る半田付け条件学習方法、これを用いた半田付け条件決定方法及び半田付け方法）は、加工対象ごとに良品となる設定値を学習及び利用が可能なものである。さらに、実際に過去に加工した（半田付けを施した）加工対象画像データを得ることもでき、この加工対象画像データを使った新規の良不良判定も実施できる。

１加工対象
２半田付け条件学習装置
３設定値入力部
４良不良判定結果入力部
５学習部
６半田こて
７加熱装置
８プリヒータ
９温風供給装置
１０半田付け部
１１半田付け条件決定装置
１２加工対象入力部
１３半田付け条件決定部
１４半田付け装置
１５条件設定部
１６半田付け制御部
１７新規加工対象画像データ入力部

Claims

半田付けを行う加工対象ごとに、半田こての加熱温度、前記半田こての加熱時間、前記加工対象を加熱する加熱装置の加熱温度、及び前記加熱装置の加熱時間のうち少なくとも１つを設定値として学習する半田付け条件学習装置であって、半田付けを行う装置ごとに、前記加工対象と関連付けられた、前記設定値が入力される設定値入力部と、前記設定値入力部に入力された前記設定値によって加工された前記加工対象の良品又は不良品の良不良判定結果が入力される良不良判定結果入力部と、前記設定値と前記良不良判定結果とに基づいて、前記加工対象ごとに良品となる前記設定値を学習する学習部とを備えたことを特徴とする半田付け条件学習装置。
前記加熱装置は、プリヒータを有する請求項１に記載の半田付け条件学習装置。
前記加熱装置は、温風供給装置を有する請求項１または請求項２に記載の半田付け条件学習装置。
前記設定値入力部は、半田、半田付けの対象部品、半田付けによって対象部品が固定される部材の、組み合わせで定義されている前記加工対象と関連付けられた、前記設定値が入力されることを特徴とする請求項１から請求項３の何れか１項に記載の半田付け条件学習装置。
前記設定値入力部は、前記組み合わせのうち、半田が、組成、比重、融点の少なくとも一つで区別されている前記加工対象と関連付けられた、前記設定値が入力されることを特徴とする請求項４に記載の半田付け条件学習装置。
前記設定値入力部は、前記組み合わせのうち、前記対象部品が、外形、重量、体積、電極位置の少なくとも一つで区別されている前記加工対象と関連付けられた、前記設定値が入力されることを特徴とする請求項４又は請求項５に記載の半田付け条件学習装置。
前記設定値入力部は、前記組み合わせのうち、前記部材が、厚み、材質、体積、層数、内層導体箔厚、密度、孔径の少なくとも一つで区別されている前記加工対象と関連付けられた、前記設定値が入力されることを特徴とする請求項４、請求項５、請求項６のいずれか一項に記載の半田付け条件学習装置。
前記学習部は、前記装置ごとに、同じ前記加工対象でも良品となる前記設定値が異なるものを、前記装置ごとの誤差として関連付けて学習することを特徴とする請求項１から請求項７のいずれか１項に記載の半田付け条件学習装置。
前記良不良判定結果入力部は、さらに、前記良不良判定結果に関連付けられた前記加工対象の加工対象画像データが入力され、前記学習部は、さらに、前記加工対象ごとに良品となる前記設定値と前記加工対象画像データとを関連付けて学習することを特徴とする請求項１から請求項８のいずれか１項に記載の半田付け条件学習装置。
新規加工対象画像データ入力部をさらに備え、前記新規加工対象画像データ入力部は、新たに半田付けを行った前記加工対象の新規加工対象画像データが入力され、前記設定値入力部は、前記新規加工対象画像データの前記加工対象と関連付けられた、前記設定値が入力され、前記学習部は、学習結果を用いて、前記新規加工対象画像データ入力部に入力された前記新規加工対象画像データの特徴量から、類似の前記加工画像データを決定して、決定した前記加工画像データと関連付いた前記良不良判定結果から、前記新規加工対象画像データの前記加工対象の前記良不良判定結果を判断し、前記良不良判定結果入力部は、前記学習部が学習結果を用いて判断した前記加工対象の良品又は不良品の良不良判定結果が入力されることを特徴とする請求項９に記載の半田付け条件学習装置。
請求項１から請求項１０のいずれか１項に記載の半田付け条件学習装置の学習結果を用いた半田付け条件決定装置であって、前記加工対象の情報が入力される加工対象入力部と、前記学習部の学習結果を用いて、前記加工対象入力部に情報が入力された前記加工対象が良品となる前記設定値を決定する半田付け条件決定部とを備えたことを特徴とする半田付け条件決定装置。
請求項８に記載の半田付け条件学習装置の学習結果を用いた半田付け条件決定装置であって、前記加工対象の情報が入力される加工対象入力部と、前記学習部の学習結果を用いて、前記加工対象入力部に情報が入力された前記加工対象が良品となる前記設定値を決定し、決定した前記設定値に関連付けられた前記誤差の有無を特定する半田付け条件決定部とを備えたことを特徴とする半田付け条件決定装置。
請求項１１又は請求項１２に記載の半田付け条件決定装置を用いた半田付け装置であって、前記装置の半田付け部と、前記半田付け条件決定部が決定した前記設定値が入力される条件設定部と、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御する半田付け制御部とを備えたことを特徴とする半田付け装置。
請求項１２に記載の半田付け条件決定装置を用いた半田付け装置であって、前記装置の半田付け部と、前記半田付け条件決定部が決定した前記設定値が入力される条件設定部と、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御する半田付け制御部とを備え、前記半田付け制御部は、前記条件設定部に入力された条件に関連付けられた前記誤差がある場合でも、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御することを特徴とする半田付け装置。
請求項１２に記載の半田付け条件決定装置を用いた半田付け装置であって、前記装置の半田付け部と、前記半田付け条件決定部が決定した前記設定値が入力される条件設定部と、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御する半田付け制御部とを備え、前記半田付け制御部は、前記条件設定部に入力された条件に関連付けられた前記誤差があり、前記条件設定部で補正済みのとき、前記誤差を補正した基準値となる前記設定値を用いて、半田付けを行うように前記半田付け部を制御することを特徴とする半田付け装置。
半田付けを行う加工対象ごとに、半田こての加熱温度、前記半田こての加熱時間、前記加工対象を加熱する加熱装置の加熱温度、及び前記加熱装置の加熱時間のうち少なくとも１つを設定値として学習する半田付け条件学習装置であって半田付けを行う装置ごとに、前記加工対象と関連付けられた、前記設定値が入力される設定値入力部と、前記設定値入力部に入力された前記設定値によって加工された前記加工対象の良品又は不良品の良不良判定結果が入力される良不良判定結果入力部と、前記設定値と前記良不良判定結果とに基づいて、前記加工対象ごとに良品となる前記設定値を学習する学習部とを備え、前記学習部は、前記装置ごとに、同じ前記加工対象でも良品となる前記設定値が異なるものを、前記装置ごとの誤差として関連付けて学習し、前記誤差を補正した基準値となる前記設定値を決定することを特徴とする半田付け条件学習装置の学習結果を用いた半田付け条件決定装置であって、前記加工対象の情報が入力される加工対象入力部と、前記学習部の学習結果を用いて、前記加工対象入力部に情報が入力された前記加工対象が良品となる前記設定値を決定する半田付け条件決定部とを備えたことを特徴とする半田付け条件決定装置を用いた半田付け装置であって、前記装置の半田付け部と、前記半田付け条件決定部が決定した前記設定値が入力される条件設定部と、前記条件設定部に入力された条件で半田付けを行うように前記半田付け部を制御する半田付け制御部とを備え、前記半田付け制御部は、前記条件設定部に入力された条件に関連付けられた前記誤差があり、前記条件設定部で補正済みのとき、前記基準値となる前記設定値を用いて、半田付けを行うように前記半田付け部を制御することを特徴とする半田付け装置。