JP7071956B2 - 真空積層システム、真空積層システムの成形不良検出方法および真空積層システムの成形条件修正方法 - Google Patents

Description

本発明は、真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システム、真空積層システムの成形不良検出方法および真空積層システムの成形条件修正方法に関するものである。

従来、真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムとしては、特許文献１ないし特許文献４に記載されたものが知られている。特許文献１は、真空プレス装置の真空チャンバ内で上部加圧ブロックに対して下部ブロック装置を加圧シリンダにより加圧し、フィルム状材料を基板に積層するものである。また特許文献２は真空積層装置の真空チャンバ内で膜体を用いて積層成形品を加圧するものである。そして特許文献２には、膜体内部の真空度が低いことに起因して膜体が浮き上がり、積層成形品に気泡等の不良が発生することも記載されている。

また特許文献３と特許文献４は、真空積層システムにＣＣＤカメラを取付け、前記ＣＣＤカメラで撮影された画像情報を制御に用いるものである。特許文献３は、真空積層装置の前工程にＣＣＤカメラを取付け、積層成形品が上面から加圧するものか下面から加圧するものかを検出するものである。また特許文献４は、真空積層装置から送られてきた積層成形品が切断ステージのどの位置に停止しているかをＣＣＤカメラで撮影し、積層成形品の位置に対応して切断機構を移動させるものである。

特開２００５－３３４９０２号公報（請求項１、（０００４）、（００１６）ないし(００１８)、（図１）） 特開２００１－２６４０１５４号公報（請求項１、（０００３）、（０００９）、（００１０）、（図１）） 特開２００６－１０３１７７号公報（請求項１、（００２３）） 特開２０１３－１０３３４６号公報（請求項１、（００２９）、（００４０）、（図１））

しかしながら特許文献１ないし特許文献４の真空積層システムは、いずれも積層成形品に成形不良があった場合にどのように対応するかについてはまったく記載されていないものであった。現状では真空積層システムにおいて積層成形された積層成形品は、作業者により成形不良がないかを１個ずつチェックしているのが実態である。これら作業者による成形不良のチェックは、人件費が発生する上に、判断する人によりバラつきが発生するという問題があった。また成形不良があったときの成形条件の修正は、熟練した作業者でないとできないという問題があった。

そこで本発明では、積層成形品の成形不良の判断の少なくとも一部を作業者によらずに行うことができる真空積層システムおよび前記真空積層システムの成形不良検出方法を提供することを第１の目的とする。または成形不良が発生した場合の成形条件の修正作業の少なくとも一部を作業者によらずに行うことができる真空積層システムおよび前記真空積層システムの成形不良検出方法を提供することを第２の目的とする。

本発明の請求項１に記載の真空積層システムは、真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムにおいて、前記真空積層装置の後工程に設けられ積層成形された積層成形品のデータを検出する検出装置と、検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別して学習する学習部と、少なくとも連続成形時に積層成形品を前記検出装置で検出して良品または不良品のいずれかであると判断する判断部と、が備えらえた機械学習装置と、
が備えられたことを特徴とする。

本発明の請求項２に記載の真空積層システムは、請求項１において、前記検出装置は少なくともカメラを含んでおり、少なくとも連続成形時に積層成形された積層成形品を前記カメラで撮影して機械学習装置にデータを送信し、機械学習装置により、ボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれの少なくとも１つの不良の有無と種類を判断することを特徴とする。

本発明の請求項３に記載の真空積層システムは、請求項１または請求項２において、機械学習装置の判断部により不良品と判断されたことに基づき、成形条件の修正案を報知するかまたは成形条件を修正することを特徴とする。

本発明の請求項４に記載の真空積層システムの成形不良検出方法は、真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムの成形不良検出方法において、前記真空積層装置の後工程に設けられた検出装置により積層成形された積層成形品のデータを検出し、検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別して機械学習装置の学習部に学習させ、少なくとも連続成形時に前記学習結果を利用して積層成形品を前記検出装置で検出して良品または不良品のいずれかであると機械学習装置の判断部が判断することを特徴とする。

本発明の請求項５に記載の真空積層システムの成形不良検出方法は、請求項４において、少なくとも連続成形時に積層成形された積層成形品をカメラで撮影して機械学習装置にデータを送信し、機械学習装置により、ボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれの少なくとも１つの不良の有無と種類を判断することを特徴とする。

本発明の請求項６に記載の真空積層システムの成形条件修正方法は、真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムの成形条件修正方法において、前記真空積層装置の後工程に設けられた検出装置により積層成形された積層成形品のデータを検出し、検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別して機械学習装置の学習部に学習させ、少なくとも連続成形時に前記学習結果を利用して積層成形品を前記検出装置で検出し、不良品であると機械学習装置の判断部が判断したことに基づき、成形条件の修正案を報知するかまたは成形条件を修正することを特徴とする。

本発明の真空積層システムは、真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムにおいて、前記真空積層装置の後工程に設けられ積層成形された積層成形品のデータを検出する検出装置と、検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別して学習する学習部と、少なくとも連続成形時に積層成形品を前記検出装置で検出して良品または不良品のいずれかであると判断する判断部と、が備えらえた機械学習装置と、が備えられているので、成形不良の判断の少なくとも一部を作業者によらずに行うことができる。また本発明の真空積層システムの成形不良検出方法および真空積層システムの成形条件修正方法も少なくとも一部において同様の効果を奏する。

本実施形態の積層成形装置の概略図である。 本実施形態の積層成形装置の機械学習装置を示すブロック図である。 本実施形態の積層成形装置の機械学習装置のニューラルネットワークを示す図である。 本実施形態の積層成形装置の機械学習装置を用いて積層成形品が良品であるか不良品であるかを教師あり学習する際のフローチャート図である。 本実施形態の積層成形装置の機械学習装置を用いて連続成形時に積層成形品が良品であるか不良品であるかを判断する際のフローチャート図である。 別の実施形態の積層成形装置の概略図である。

本発明の実施形態の真空積層システム１１について図１を参照して説明する。真空積層システム１１は、キャリアフィルムＦ１，Ｆ２を用いて積層成形品Ａ，Ａ１を搬送するものである。真空積層システム１１は、図１において右側の前工程から図１において左側の後工程に向けて順に、積層成形品載置部１２、ダイアフラム加圧式の真空積層装置１３（以下は単に真空積層装置１３と略す）、積層成形品搬出部１４が設けられている。また真空積層システム１１には操作装置を兼ねたタッチパネル式の表示装置１５や真空積層装置１３の制御機能や本発明の機械学習装置の機能を備えた制御装置１６が配置されている。

積層成形品載置部１２はフィルム送り部を含んでおり、下キャリアフィルムは巻出ロール１７から従動ロール１８を介して水平状態に巻き出される。水平状態となった下キャリアフィルムＦ１の部分に積層成形品Ａを載置する載置ステージＳＡが設けられている。そして前記載置ステージＳＡの上方には、積層成形品Ａの状態を検出する検出装置である第１のカメラ１９が配置されている。第１のカメラ１９はＣＣＤカメラが用いられ、図示しない信号線により制御装置１６に接続されている。そして前記第１のカメラ１９により、積層成形品Ａの形状、キャリアフィルムＦ１上への載置位置などが検出され、検出データは制御装置１６へ送られる。なお本発明において第１のカメラ１９は必須のものではない。

前記載置ステージＳＡと真空積層装置１３の間の上方には、フィルム送り部の上キャリアフィルムＦ２の巻出ロール２０が配置されている。前記巻出ロール２０から巻き出された上キャリアフィルムＦ２は、従動ロール２１の部分から載置ステージＳＡにて載置された積層成形品Ａの上面に重ねられる。そして上下のキャリアフィルムＦ１，Ｆ２に挟まれた積層成形品Ａは、次工程の真空積層装置１３へ送られる。

真空積層装置１３自体は、特許文献２ないし特許文献４にも記載されるように公知のものであり、固定的に配置された上盤２２に対して下盤２３が昇降装置により昇降可能に設けられ、下盤２３が上昇した際に上盤２２と下盤２３の間に内部空間を真空化可能な真空チャンバＣが形成されるようになっている。上盤２２の下面の中央にはヒータ２４により加熱される熱板２５が固定され、熱板２５の表面にはシリコンゴムやフッ素ゴム等の弾性膜体２６が固定されている。また下盤２３の上面中央にはヒータ２７により加熱される熱板２８が固定されている。これら熱板２５，２８の温度はそれぞれ温度センサ２９，３０により検出され、制御装置１６に送信される。

熱板２８の上方にはコンプレッサ３１から加圧気体を導入されることにより下盤２３から膨出するシリコンゴムやフッ素ゴム等の膜体からなるダイアフラム３２が配置されている。またダイアフラム３２は真空ポンプ３３より裏面側の空間を真空吸引されることにより熱板２５に密着状態となる。本発明において前記ダイアフラム３２は押圧体に相当する。前記コンプレッサ３１からダイアフラム３２の裏面側に送られる加圧気体の気圧は圧力センサ３４（気圧センサ）により検出される。

上盤２２の下面の周囲部分に形成される枠部３５と下盤２３の上面の周囲部分に形成される枠部３６はそれぞれ熱板２５，２８よりも突出しており、これら枠部３５，３６同士が当接することにより外界とは隔絶された真空チャンバＣが形成される。真空チャンバＣの真空度は真空センサ３７により検出される。そして真空積層装置１３の枠部分の一側（図１では右側）が積層成形前の積層成形品Ａの入口となり、枠部分の他側（図１では左側）が積層成形後の積層成形品Ａ１の出口となっている。また真空チャンバＣは管路を介して前記真空ポンプ３３に接続され、チャンバ内が真空吸引可能となっている。上記において温度センサ２９，３０、圧力センサ３４、真空センサ３７は、真空積層装置１３の成形状態を検出するセンサ３８に相当する（図２を参照）。またヒータ２４，２７、コンプレッサ３１、真空ポンプ３３は、真空積層装置１３の作動部３９に相当する（図２を参照）。

真空積層装置１３の後工程には積層成形品搬出部１４が設けられている。フィルム巻取部を含む積層成形品搬出部１４は、下キャリアフィルムＦ１のみが水平状態で送られる搬出ステージＳＢが設けられ、従動ロール４０を介して下キャリアフィルムＦ１は折り返され下方の巻取ロール４１に巻き取られる。また搬出ステージＳＢと真空積層装置１３の間の上方には上キャリアフィルムＦ２の巻取ロール４２が配置され、搬出ステージＳＢの手前で従動ロール４３を介して上キャリアフィルムＦ２は積層成形された積層成形品Ａ１から剥離され巻き取られる。なお本実施形態では積層成形品Ａ，Ａ１は、上下のキャリアフィルムＦ１，Ｆ２を用いて搬送されるが、下キャリアフィルムＦ１のみを用いて搬送されるものでもよく、キャリアフィルムＦ１，Ｆ２を使用せずにロボット等の搬送手段により搬送されるものでもよい。

積層成形品搬出部１４の搬出ステージＳＢの上方には、積層成形品Ａ１の状態を検出する検出装置である第２のカメラ４４が配置されている。第２のカメラ４４はＣＣＤカメラが用いられ、制御装置１６に接続されている。そして前記第２のカメラ４４により、積層成形品Ａ１の形状、キャリアフィルムＦ１上における位置などが検出され、検出データは信号線を介して制御装置１６へ送られるようになっている。なお第２のカメラ４４は、搬出ステージＳＢの上方ではなく、積層成形品Ａ１を搬送するロボットや、ロボットによる積層成形品Ａ１の搬送先のコンベアや積層成形品Ａ１の検査場に設けられたものでもよい。従ってそれらのコンベアや検査場の第２のカメラ４４が設けられる場合、それらの部分も本発明の真空積層システム１１に含まれる。

次に本発明の積層成形品Ａ１の制御装置１６と、成形不良の有無を判断するための機械学習装置５１について図２を参照して説明する。上記したように真空積層システム１１の操作装置を含む表示装置１５、各カメラ１９．４４、各センサ３８、作動部３９は、それぞれ制御装置１６に接続されている。そして前記表示装置１５、カメラ１９，４４、センサ３８からの情報は信号として制御装置１６の入力処理部５２に送られる。制御装置１６は、後述する機械学習装置５１の他に、真空積層装置１３を含む真空積層システム１１の各種成形条件や成形データを記憶しておく記憶部５３と、入力値を処理して作動部３９へ送る指令信号を生成する成形指令部５４、表示装置１５の画像表示を行う画像表示部５５、出力処理部５６等を備えている。

機械学習装置５１は、人工知能であるＡＩ（Ａｒｔｆｉｆｉｃａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）技術を用いて積層成形品Ａ１の不良の有無を学習し、作業者の判断を一部または全部（両者を合わせて少なくとも一部）において必要とせずに積層成形品の良否判定を可能とするものである。機械学習装置５１は、検出されたデータを基礎にして積層成形品Ａ１の画像を良品と不良品に区別可能なように学習する学習部５７と、少なくとも連続成形時に積層成形品Ａ１を検出装置である第２のカメラ４４等により検出して良品または不良品のいずれかであると判断する判断部５８とを備えている。学習部５７については、学習処理部５９と、学習データ保存部６０を備えている。

学習処理部５９は、図３に示されるような入力層７２、中間層７３、出力層７４等の複数の階層を備えたニューラルネットワーク７１を備えている。そして学習処理部５９では、カメラ４４等で撮影された良品画像である良品データ、および不良品画像である不良品データがニューラルネットワーク７１の入力層７２から入力されて教師あり学習が行われ、積層成形品Ａ１が良品と不良品を識別するための回帰式等の関数式が出力層７４から生成される。学習処理部５９で生成された判断式は学習データ保存部６０判断式保存部６１に保存される。また学習処理部５９は、ボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれ等、不良の種類が分類可能な不良状態学習部６２を備えていることが望ましい。

学習データ保存部６０は、前記判断式保存部６１に加えて製品データ保存部６３が備えられている。更に製品データ保存部６３には良品データ保存部６４と不良品データ保存部６５が備えられている。良品データ保存部６４は、作業者により良品と判断された積層成形品Ａ１の画像にリンクして良品を成形した際の成形条件やセンサにより検出される物理量データなどの成形データが保存される。また不良品データ保存部６５は、作業者により不良品と判断された積層成形品Ａ１の画像にリンクして不良品を成形した際の成形条件やセンサにより検出される物理量データなどの成形データが保存される。更に不良品データ保存部６５は、作業者がボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれ等、不良の種類ごとに判断して入力したものを区分して記憶することがより望ましい。

次に機械学習装置５１の判断部５８について説明する。判断部５８には、積層成形品Ａ１の良否を判断する良否判断部６６が備えられている。良否判断部６６は、学習データ保存部６０の判断式保存部６１に保存された関数式に基づき、新しく送られてきた積層成形品Ａ１の画像データの良否判定を行う。また良否判断部６６は、ボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれ等、不良の種類が分類可能な不良状態判断部６７を備えていることがより望ましい。

また判断部５８は、送られてきた画像から積層成形品Ａ１が不良であると判断した場合に、前記判断部５８により不良品と判断されたことに基づき、真空積層装置１３の成形条件を修正するかしないかの判断や、成形条件を変更する場合どのように変更するかの判断する成形条件修正部６８を備えている。成形条件修正部６８ではニューラルネットワーク７１等を用いて強化学習を行うことにより、より良好な成形条件を策定する。成形条件修正部６８による成形条件の変更は自動的に行われるものの他、表示装置１５に成形条件修正案として表示され、作業者が修正案を実行するかどうか決定するものでもよい。なお本発明における成形条件の「修正」は、成形条件を完全に別のものに置き換えるものも僅かに補正するものも両方含まれるものとする。

なお上記の機械学習装置５１は、真空積層システム１１に付設された制御装置１６ではなく、他の真空積層システムにも接続される同じ工場内の中央制御装置のコンピュータ（サーバーを含む）に保存されて処理を行うものや、通信により接続される本社内のコンピュータ（サーバーを含む）や、真空積層システムのメーカのコンピュータ等に保存されて処理を行うものでもよい。その場合はそれらのコンピュータ等も本発明の真空積層システムを構築する構成要素に含まれる。またフラッシュメモリ等の携帯物を用いて真空積層装置１３のデータを、真空積層装置１３とは接続されていないコンピュータの機械学習装置に移す場合、前記真空積層装置１３と接続されていないコンピュータも本発明の真空積層システムに含まれる。

次に図４のフローチャートを参照して真空積層システム１１の機械学習装置５１による教師あり学習について説明する。最初に真空積層装置１３を含む真空積層システム１１の成形条件を設定する（ｓ１）。この際に真空積層システム１１の制御装置１６の記憶部５３に積層成形品Ａの成形条件が保存されていれば、その成形条件を使用する。また同じ積層成形品Ａの成形条件が保存されていない場合は、積層成形品Ａのサイズ、質量、凹凸高さや間隔、材料（メーカ品番、メーカ推奨成形温度、材料等）を作業者が操作装置を兼ねた表示装置１５から入力すると、機械学習装置５１で過去に保存されている成形条件との比較から成形条件の案を演算して表示することも可能である。

まず積層成形品載置部１２の載置ステージＳＡの載置された積層成形品Ａ（その載置位置を含む）が第１のカメラ１９で撮影され、撮影された積層成形品Ａのデータは制御装置１６の記憶部５３に送られる。次の成形サイクルの開始に際して、積層成形品Ａは上下のキャリアフィルムＦ１，Ｆ２の巻取ロール４２，４１の駆動による送りにより真空積層装置１３に送られる。次に加熱された熱板２８が取付けられた下盤２３の上昇により、加熱された熱板２５が取付けられた上盤２２との間に真空チャンバＣが形成され、更に該真空チャンバＣ内は真空ポンプ３３により真空吸引される。この際に上下のキャリアフィルムＦ１，Ｆ２の間の積層成形品Ａは、位置ずれを起こしやすい。そして真空チャンバＣが所定の真空度となると押圧体であるダイアフラム３２の下方の空間に対してコンプレッサ３１から加圧空気が供給され、ダイアフラム３２は上方の積層成形品に向けて膨出する。そして積層成形品Ａはダイアフラム３２と上盤２２の熱板２５に取付けられた弾性膜体２６の間で加圧され積層成形される（ｓ２）。

このダイアフラム３２による積層成形は、予め設定した熱板温度、真空度、空気圧力等の成形条件で行われるとともに、温度センサ２９，３０による測定される熱板温度、真空センサ３７により測定される真空度、圧力センサ３４により測定される空気圧等の実測値の成形データも制御装置１６に送られ、記憶部５３に保存される（ｓ３）。所定の成形時間が終了すると積層成形は終了し、ダイアフラム３２の裏面側への加圧空気供給は停止され、真空チャンバＣ内は常圧に戻される。そして下盤２３が下降されて真空チャンバＣが開放されると、上下のキャリアフィルムＦ１，Ｆ２の送りにより成形された積層成形品Ａ１は、積層成形品搬出部１４に送られる。その際に積層成形品Ａ１が積層成形品搬出部１４の搬出ステージＳＢに到達する前に上キャリアフィルムＦ２が剥離される。そして搬出ステージＳＢでは、上方に設けられた第２のカメラ４４により積層成形品Ａ１が撮影され、撮影された画像情報は制御装置１６の機械学習装置５１の学習処理部５９に送られる（ｓ４）。

また第２のカメラ４４による撮影と前後して搬出ステージＳＢ上の積層成形品Ａ１は、搬出ステージＳＢの近傍に位置する作業者により目視によりチェックされ、良品であるか不良品であるかの良否判定がなされる。そして作業者が表示装置１５（操作装置）のタッチパネル上の良品ボタンまたは不良品ボタンのいずれかのボタンを入力することにより、良否判定の結果は、表示装置１５を介して制御装置１６の学習処理部５９に送られる。この際に必須ではないが、作業者により、積層成形品Ａ１が不良であった際のボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれ等、不良の種類も入力することがより好ましい。

前記第２のカメラ４４が撮影した積層成形品Ａ１の画像と作業者が行った積層成形品Ａ１良否判断結果、または不良の種類は、紐付されて１つのデータとして送られ、学習処理部５９を介して学習データ保存部６０の製品データ保存部６３に送られる。そして作業者が積層成形品Ａ１に不良なし（ｓ５＝Ｙ）と判断した場合は、良品データ保存部６４に良品状態の画像として保存され（ｓ６）またその際の成形条件や成形データ（雰囲気温度、雰囲気湿度、熱板温度、真空チャンバＣの真空度、ダイアフラムのショット数、積層成形品Ａの材料および傾向）もまた良品成形の成形データとして保存される（ｓ７）。また作業者が積層成形品Ａ１に不良あり（ｓ５＝Ｎ）と判断した場合は、不良品データ保存部６５に不良品状態の画像として保存される（ｓ８）。またその際、良品の場合と同様に成形条件や成形データもまた不良品成形の成形データとして保存される（ｓ９）。または先に積層成形品Ａ１を第２のカメラ４４で撮影した画像を保存し、保存された画像に対して良品、不良品の紐付をしてもよい。

そして不良品の発生頻度が一定以上の場合（ｓ１０＝Ｙ）は、成形条件の修正を行なう（ｓ１１）。そして更に成形条件の修正の有無に係わらず、設定回数となるまで（ｓ１２＝Ｎ）サンプリングした積層成形品Ａ１の良否の判定を行い、データ収集を行う。

作業者による良否判定入力が設定した回数となると（ｓ１２＝Ｙ）、次に学習部５７の学習処理部５９では製品データ保存部６３に蓄積された良品と判断された多数の画像と不良品と判断された多数の画像からなる学習データを教師として、ニューラルネットワーク７１を用いて積層成形品Ａ１の良否判定に用いる関数式を生成する（ｓ１３）。これらのニューラルネットワーク７１を用いた教師あり学習は一定以上のサンプル数の蓄積がないと良好な良否判定をすることができないので最初に或る程度のサンプルの蓄積が行われる。そしてサンプルを蓄積した後は、学習処理部５９においてニューラルネットワーク７１の入力層７２に画像と良否判定結果を紐付したサンプルを投入し、機械学習装置５１が良否判定を行うための回帰分析を行い関数式（回帰式）を生成し、出力層７４から出力する。出力された関数式は、学習部５７の判断式保存部６１に保存される（ｓ１４）。

なお教師あり学習の手法は、回帰分析の他、決定木を用いたものでもよい。前記関数計算式は、そのまま利用される場合もあれば近似式として利用される場合もある。また図３のニューラルネットワーク７１は、入力層７２と出力層７４の間に中間層７３（隠れ層）を１層だけ備えたものであるが、入力層７２と出力層７４の間に複数の中間層７３（隠れ層）を備え、ディープラーニングを行うものを除外するものではない。

次に実際に積層成形を行い、前記の関数式を用いて機械学習装置５１の良否判断部６６により良否判定を行い、その良否判定結果を表示装置１５に表示する。それに対して作業者は、機械学習装置５１（ＡＩ）が行った良否判定結果に間違いがないか（ｓ１５）をチェックする。そして機械学習装置５１の良否判断結果に間違いがある場合（ｓ１５＝Ｎ）は、設定回数（ｓ１２）を増加させ、更に教師あり学習を追加して行う。また作業者が機械学習装置５１の判断結果に間違いが無いことを確認した場合（ｓ１５＝Ｙ）は、教師あり学習を終了し、次回からは作業者のチェックなしに機械学習装置５１のみによる良否判定が可能となる。

次に図５のフローチャートを参照して真空積層システム１１の連続成形時の良否判定と成形条件の修正等について説明する。真空積層システム１１の真空積層装置１３では成形サイクル毎に連続して積層成形品Ａ１が積層成形される（ｓ１０１）。積層成形品搬出部１４の搬出ステージＳＢにおいて積層成形品Ａ１が撮影される（ｓ１０２）。撮影された画像は、画像情報として判断部５８の良否判断部６６に送られる。そして上記の教師あり学習により生成されて判断式保存部６１に保存されている関数式を用いて前記画像情報が良品の画像情報か、不良品の画像情報かの判断がなされる（ｓ１０３）。良否判断部６６において積層成形品Ａ１の画像情報に不良なしと判断された場合（ｓ１０３＝Ｙ）は、成形条件の修正無しの指令（ｓ１０４）が出され次の積層成形品Ａ１の成形が行われる。なおこれらＡＩによる機械学習装置５１が良否判定した場合についても、作業者が抜き取り検査等の検査を重ねて行うようにしてもよい。従って本発明は機械学習装置５１により少なくとも一部を作業者によらずに行うことができるものであればよい。

また良否判断部６６において積層成形品Ａ１の画像情報に不良ありと判断された場合（ｓ１０３＝Ｎ）は、当該画像の積層成形品Ａ１は、不良品として成形ラインから除去される（ｓ１０５）。この際に機械学習装置５１が不良品と判断した積層成形品Ａ１のみ、または全ての積層成形品Ａ１について作業者が再検査を行うようにしてもよい。従って本発明は機械学習装置５１により少なくとも一部を作業者によらずに行うことができるものであればよい。そして機械学習装置５１が不良品と判断したにも関わらず作業者が確認したところ良品であった場合や、機械学習装置５１が良品と判断したにも関わらず作業者が確認したところ不良品であった場合は、再度学習部５７で教師あり学習の対象としてもよい。

そして次に良否判断部６６において積層成形品Ａ１が不良ありと判断されたことに基づき、成形条件修正部６８において、各センサから送られた成形データを基礎として成形条件の修正が必要か？の判断がなされる（ｓ１０６）。ただし不良の発生要因は種々あり、投入する積層成形品Ａ自体に問題のある場合やゴミ等が混入する場合もあるので、１度不良が検出されたからといって成形条件を変更する訳ではない。そのため積層成形品Ａ１に不良があっても成形条件を変更する必要がないと判断された場合（ｓ１０６＝Ｎ）は、成形条件の修正無しの指令（ｓ１０４）が出され次の積層成形品の成形が行われる

また不良率が所定の比率を超えた場合等で成形条件の修正が必要と判断された場合（ｓ１０６＝Ｙ）は、機械学習装置５１の成形条件修正部６８により成形条件の修正を行う。本実施形態では、判断部５８の成形条件修正部６８において強化学習を行うことにより、作業者が関与しないか或いは少なくとも一部しか関与しないで、機械学習装置５１により成形条件の修正を行うことが望ましい。強化学習については、予め設定された不良率に到達した際等に、機械学習装置５１の成形条件修正部６８において、良品が成形されていた際の成形条件や成形データと参照して、仮の成形条件を生成する。そして前記仮の成形条件で連続成形を行い、不良率が所定範囲内となったり良化した場合は、報酬が与えられる。また仮の成形条件で連続成形を行い不良率が悪化した場合は、負の報酬が与えられる。そして機械学習装置５１の成形条件修正部６８では前記報酬が多くなる方向に成形条件を修正していく。

この際に修正される成形条件の項目は、熱板温度、真空度、加圧圧力、成形時間等が挙げられる。しかしながら良品成形を行うに際して前記成形条件の項目は複雑に絡み合っており、ある項目の設定値を修正すると他の項目の設定値も修正しないと却って不良品が多くなる場合もある。これらの成形条件の調整において機械学習装置５１では、数理計画法等を用いて強化学習をすることにより各項目のバランスを取りながら良好な成形条件に近づけるようにしてもよい。

または成形条件の修正の際に教師あり学習の結果を取り入れてもよい。良品データ保存部６４および不良品データ保存部６５には良品成形時および不良品成形時の成形条件を含む成形データが紐付して保存されているので、良品成形時の成形条件や成形データと乖離した成形条件の使用やそれに伴う成形データにより成形不良が出ているときは、過去の良品成形時の成形条件や成形データに戻す等の補正を行うものでもよい。また成形時の成形条件を含む成形データのサンプル数が不足する場合等はディープラーニングを取り入れてもよい。

この際の成形条件の修正は、成形条件の修正案を報知するかまたは成形条件を修正することにより行われる。成形条件の修正案の報知は、通常は表示装置１５に表示することにより行われるが、音声によるものなどでもよく、作業者が真空積層装置１３の近傍にいないときは携帯端末に報知するものでもよい。そして作業者は、機械学習装置５１が提示した成形条件の修正案を採用または不採用の決定と修正設定を行う。またこの際にヒータの断線、真空チャンバＣのシール不良、ダイアフラムの劣化、バルブを含む加圧機構や真空機構の不具合等が類推される場合、機械学習装置５１はそれらを類推するメッセージやダイアフラム等部品の交換を指示するメッセージを表示装置１５に表示させることが好ましい。更に成形条件の修正は、機械学習装置５１が自動的に行うものであってもよい。機械学習装置５１により自動的に成形条件の修正が行われる場合は、修正された成形条件は、記憶され、表示装置にも表示可能に設けられる。そして予定の成形個数に到達したか（ｓ１０８）が判断され、予定の成形個数に到達（ｓ１０８＝Ｙ）するまで連続成形が行われる。

上記については機械学習装置５１が積層成形品Ａ１の良否判断のみ行うケースについて記載してきた。しかし当初の教師あり学習の際に、作業者がボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれの少なくとも１つの不良を分類して入力し、各不良の種類ごとに不良の有無と種類を判断する関数式を生成し保存している場合は、判断部５８においては、良否判断のみ行う場合と同様のニューラルネットワーク７１を用いて、不良の種類も表示することができる。そして成形条件の修正時には不良の種類に対応した修正を行うことができる。一例を挙げれば、積層成形品にボイドが発生している場合は、真空度を高真空にしたり真空チャンバＣ形成後にダイアフラム３２により加圧するまでの時間を延ばすなどの修正対応が行われる。また材料流出が発生している場合は、熱板温度を低下させたり、ダイアフラム３２による加圧圧力を低下させるなどの修正対応が行われる。更には積層成形品Ａ１に位置ずれが発生している場合は、真空チャンバＣを形成後の真空度を上昇させる時間を遅くする、キャリアフィルムＦ１，Ｆ２の送り速度を遅くする、キャリアフィルムＦ１，Ｆ２の張力を調整するなどの修正対応が行われる。

また不良の種類の判別については、当初の教師あり学習において積層成形品Ａ１の画像とともに作業者が良否判定のみを入力し機械学習装置５１において良否判定の関数式のみが生成されている場合であっても、連続成形時にＡＩによるクラスタリング等の教師なし学習を取り入れることにより、ボイド、材料流出、加圧ムラ、皺発生、異物混入、位置ずれ等のどの不良に該当するか撮影された画像から不良状態判断部６７で分類を行うことができる。そして前記不良に対応した成形条件の修正やメッセージの報知を行うことができる。

また積層成形品Ａ１の位置ずれや材料流出等については、第１のカメラ１９の画像と第２のカメラ４４の画像を比較する際に、予め定めた計算式または数値を用いれば、機械学習装置５１を用いずに従来の手法で良否判定が可能となる場合もある。しかしながら積層成形品Ａ１が全体的に僅かずつ位置ずれを起こしているが重なっておらず良好な積層成形が出来ている場合や、他の良否条件との関係でファジーな状況で良否合否を決定する場合は、機械学習装置５１による判断を取り入れることが望ましい。なお位置ずれの検出は、真空積層装置１３の出口側の第２のカメラ４４のみにしか設置されていない場合であっても、真空積層装置１３の良好な成形位置で成形が行われたかを検出可能である。

なお真空積層システム１１の機械学習装置５１の教師あり学習は、当初はそれぞれの積層成形品Ａ１の成形ごとに行われるが、学習結果が蓄積されるにつれて積層成形品Ａ１と同一や近似する成形品を成形する際は、教師あり学習を行わずに良否判定を行うことが可能となる場合が増加してくる。また新規に出荷される真空積層システム１１や、旧来の真空積層システムにこの機械学習装置５１を追加で導入した際は、従来の教師あり学習の結果を最初からインストールしておくことができ、新たに教師あり学習を行う回数等を減らすこともできる場合が増加する。

次に本発明の別の実施形態の真空積層システム１０１について図６を参照して相違点を中心に説明する。真空積層システム１０１は、積層成形品載置部１０２、ダイアフラム加圧式の真空積層装置１０３（以下は単に真空積層装置１０３と略す）の後に、真空チャンバを備えない平坦化プレス装置１０４が設けられ、平坦化プレス装置１０４の後工程に積層成形品搬出部１０５が設けられている。そして積層成形品の検出装置であるカメラは、積層成形品載置部１０２の上方に第１のカメラ１０６、真空積層装置１０３と平坦化プレス装置１０４の間の上方に第２のカメラ１０７、積層成形品搬出部１０５の上方に第３のカメラ１０８が設けられている。

別の実施形態の真空積層システム１０１についても図１および図２に示される実施形態の真空積層システムと同様の機械学習装置５１が備えられている。別の実施形態では、第２のカメラ１０７により真空積層装置１０３のみで積層成形した画像と、第３のカメラ１０８により真空積層装置１０３と平坦化プレス装置１０４の両方で撮影した画像が撮影される。そのため真空積層システム１０１の真空積層装置１０３が成形不良の原因となっているのか、平坦化プレス装置１０４が成形不良の原因となっているのかを早期に突き止める ことができる。

なお本実施形態および別の実施形態において積層成形品のデータを検出する検出装置としてはＣＣＤカメラ等のカメラが主に使用される。しかし検出装置については次のような検出装置の少なくとも一つを使用するか、または前記カメラと併用して使用してもよい。検出装置として超音波センサ等により積層成形品の各測定点の高さを測定することにより積層成形品の反りや材料流出の有無を検出するものでもよい。また投光した光を受光部で受光することにより色や明暗度を検出する光電センサやレーザーセンサによりボイドの有無や材料流出の有無を検出するものでもよい。または積層成形品の加熱ムラを検出するものとしてサーモグラフィで積層成形品の温度を検出するものなどを用いてもよい。

本発明については、一々列挙はしないが、上記した本実施形態のものに限定されず、当業者が本発明の趣旨を踏まえて変更を加えたものや本実施形態の各記載を掛け合わせたものについても、適用されることは言うまでもないことである。

例えば真空積層装置１３，１０３の押圧体がダイアフラムの場合、ダイアフラムが設けられる盤は上盤または下盤のうち少なくとも一方の盤であればよい。また前記押圧体は、ダイアフラムではなく、弾性体を備えた平面状等の加圧板、回転可能な加圧ロールであってもよい。また真空積層装置１３，１０３の数は、１台でもよいが、２台以上が直列に配置されたものでもよい。また真空積層システム１１，１０１で積層成形される積層成形品は、回路基板の他、ウエハや他の板状体であってもよく限定されない。

１１，１０１ 真空積層システム
１３，１０３ 真空積層装置
１９，１０６ 第１のカメラ
４４，１０７ 第２のカメラ（検出装置）
５１ 機械学習装置
５７ 学習部
５８ 判断部
５９ 学習処理部
６６ 良否判断部
６８ 成形条件修正部

Claims (6)

1. 真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムにおいて、
   前記真空積層装置の後工程に設けられ積層成形された積層成形品のデータを検出する検出装置と、
   検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別して学習する学習部と、少なくとも連続成形時に積層成形品を前記検出装置で検出して良品または不良品のいずれかと不良の種類を判断する判断部とが備えらえた機械学習装置部と、が備えられ、
   前記連続成形時に前記積層成形品に対して少なくとも材料流出と位置ずれとのいずれか一方を含む不良の有無を判断し、
   前記不良の不良率が所定の比率を超えた場合には、前記材料流出を改善する修正する条件変更を含む成形条件の修正案を報知するかまたは成形条件を修正することを特徴とする真空積層システム。
2. 前記検出装置は、超音波センサ、光電センサ、レーザーセンサ、サーモグラフィの少なくとも一つの検出装置と、カメラを併用したものである請求項１に記載の真空積層システム。
3. 真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムの成形不良検出方法において、
   前記真空積層装置の後工程に設けられた検出装置により積層成形された積層成形品のデータを検出し、
   検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別するともに該不良品の場合は少なくとも材料流出と位置ずれとのいずれか一方を含む不良を機械学習装置の学習部に教師あり学習させ、
   少なくとも連続成形時に前記学習結果を利用して積層成形品を前記検出装置で検出して良品または不良品のいずれかと該不良品の場合は不良の種類を機械学習装置の判断部が判断し、
   前記機械学習装置が良品または不良品の判断を間違っていた場合は、再度前記学習部で教師あり学習の対象とすることを特徴とする真空積層システムの成形不良検出方法。
4. 真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムの成形条件修正方法において、
   前記真空積層装置の後工程に設けられた検出装置により積層成形された積層成形品のデータを検出し、
   検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別するともに該不良品の場合は少なくとも材料流出と位置ずれとのいずれか一方を含む不良を機械学習装置の学習部に学習させ、
   少なくとも連続成形時に前記学習結果を利用して積層成形品を前記検出装置で検出し、
   不良品であると機械学習装置の判断部が判断したことに基づき、
   前記不良の種類に対応して熱板温度、真空度、加圧圧力、成形時間の少なくとも１つを含む成形条件の項目の修正案を報知するかまたは前記不良の種類に対応して熱板温度、真空度、加圧圧力、成形時間の少なくとも１つを含む成形条件の項目を修正することを特徴とする真空積層システムの成形条件修正方法。
5. 真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムの成形条件修正方法において、
   前記真空積層装置の後工程に設けられた検出装置により積層成形された積層成形品のデータを検出し、
   検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別するともに該不良品の場合は少なくとも材料流出を含む不良を機械学習装置の学習部に学習させ、
   少なくとも連続成形時に前記学習結果を利用して積層成形品を前記検出装置で検出して良品または不良品のいずれかであると機械学習装置の判断部が判断するとともに、
   不良の種類が積層成形品から材料流出であると判断された場合は、少なくとも真空積層装置の上盤と下盤に取り付けられる熱板温度を低下させるかまたは前記押圧体による加圧圧力を低下させる成形条件の変更を行うことを特徴とする真空積層システムの成形条件修正方法。
6. 真空積層装置の上盤と下盤の間に形成される真空チャンバ内で押圧体により積層成形品を加圧して積層成形を行う真空積層システムの成形条件修正方法において、
   前記真空積層装置の後工程に設けられた検出装置により積層成形された積層成形品のデータを検出し、
   検出されたデータを基礎にして積層成形品の画像を良品と不良品に区別するともに該不良品の場合は少なくとも位置ずれを含む不良を機械学習装置の学習部に学習させ、
   少なくとも連続成形時に前記学習結果を利用して積層成形品を前記検出装置で検出して良品または不良品のいずれかであると機械学習装置の判断部が判断するとともに、
   不良の種類が積層成形品の位置ずれであると判断された場合は、少なくとも真空チャンバを形成後の真空度を上昇させる時間を遅くする、キャリアフィルムＦ１，Ｆ２の送り速度を遅くする、キャリアフィルムＦ１，Ｆ２の張力を調整する内容を含む成形条件の変更を行うことを特徴とする真空積層システムの成形条件修正方法。

Images