JP7272179B2

JP7272179B2 - 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

Info

Publication number: JP7272179B2
Application number: JP2019154872A
Authority: JP
Inventors: 賢典岩木
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2019-08-27
Filing date: 2019-08-27
Publication date: 2023-05-12
Anticipated expiration: 2039-08-27
Also published as: JP2021030281A

Description

この発明は、半田付けを行う加工対象ごとに、リフロー炉の炉内の気体濃度、炉内の温度、炉内への送風量及び炉内における加工対象の搬送速度の設定値を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、半田付け装置には、リフロー炉を備えた構成のものがある（例えば、特許文献１、２及び３参照）。リフロー炉は、リフロー炉の炉内へ酸素などの気体を送り込む送風部、送風部から送風される気体、又は、炉内を加熱する加熱部、半田付け箇所に半田が印刷されたプリント基板などの加工対象を搬送する搬送部などを備えている。送風部及び加熱部によって、リフロー炉の炉内の気体濃度、炉内の温度、炉内への送風量が調整（制御）される。搬送部によって、炉内における加工対象の搬送速度が調整（制御）される。このような半田付け装置では、手動で初期の設定値を半田付け装置へ入力することが一般的である。

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３参照）。特許文献３には、製品品質を安定に保つための製造装置の設定パラメータの補正方法をシーンごとに学習することが開示されている。また、設定パラメータとして、半田の印刷位置、半田量、印刷圧力、印刷速度など、マウンタにおける部品吸着位置、部品装着位置、押し込み量、装着速度など、リフロー炉における温度及び時間が開示されている。

特開２０１１－１７１５１８号公報特開２０１４－７５４１１号公報特開２０１５－１５３９１４号公報

しかしながら、従来の半田付け装置は、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。

この発明は、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、リフロー炉の炉内の気体濃度、炉内の温度、炉内への送風量及び炉内における加工対象の搬送速度の設定値を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。

この発明に係る半田付け条件学習装置は、半田付けを行う加工対象ごとに、炉内の気体濃度、前記炉内の温度、前記炉内への送風量及び前記炉内における前記加工対象の搬送速度の設定値を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と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と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と前記加工対象画像データとを関連付けて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。

この発明に係る半田付け装置は、半田付けを行う加工対象ごとに、炉内の気体濃度、前記炉内の温度、前記炉内への送風量及び前記炉内における前記加工対象の搬送速度の設定値を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と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と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と前記加工対象画像データとを関連付けて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、前記装置のリフロー炉と、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リフロー炉を制御するリフロー炉制御部とを備えたことを特徴とするものである。

この発明によれば、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。

この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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。この発明の実施の形態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、この発明の実施の形態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６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、加工対象１に印刷された半田の半田情報（半田の条件）、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、リードや端子をリフローによる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り、半田が印刷などで表面に形成されている。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、設定条件入力部３、良不良判定結果入力部４、学習部５を有している。図３において、リフロー炉６は、リフローによる半田付けを行うためのものである。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、リフロー炉６の炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量及び炉内における加工対象１の搬送速度の設定値を学習するものであり、学習モデルを構築する。なお、リフロー炉６は、トンネル状の炉、炉内へ酸素などの気体を送り込む送風部、送風部から送風される気体する加熱部、又は、炉内を加熱する加熱部、半田付け箇所に半田が印刷された加工対象１を搬送する搬送部（例えば、コンベア）などを備えている。送風部及び加熱部によって、炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量が調整（制御）される。また、搬送部によって、炉内における加工対象の搬送速度が調整（制御）される。

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６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、設定条件入力部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１０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１０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、加工対象１に印刷された半田の半田情報、半田付けの対象部品（電子部品やアナログ部品など）、半田付けによって前記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、半田情報、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のうち、部材が、厚み、材質、層数、比重、表面処理の種類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。同じく、設定値入力部３は、半田情報、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のうち、対象部品が、外形、又は、電極表面処理の種類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。同じく、設定値入力部３は、半田情報、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のうち、半田情報が、半田の組成、半田に添加されたフラックス種（フラックスの種類）、半田に添加されたフラックスの含有量、印刷された半田の面積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。

つまり、一つ目の設定値入力部３は、半田情報、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のうち、半田情報及び対象部品が同じもので、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るものを指している。また、二つ目の設定値入力部３は、半田情報、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のうち、半田情報及び部材が同じもので、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るものを指している。さらに、三つ目の設定値入力部３は、半田情報、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のうち、対象部品及び部材が同じもので、半田情報（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るものを指している。

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、材質、層数、比重、表面処理の種類が異なる場合を意味している。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、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、体積、電極形状、電極表面処理が異なる場合を意味している。体積及び電極形状から対象部品の形状や大きさが分かるので、対象部品の体積及び電極形状は、対象部品の外形の情報といえる。

次に、半田情報（半田の条件）が変わった場合について説明する。前述のように、半田情報が、半田の組成、半田に添加されたフラックス種（フラックスの種類）、半田に添加されたフラックスの含有量、印刷された半田の面積が異なる場合を意味している。フラックス種（フラックスの種類）やフラックスの含有量を含めて、半田の組成としてもよい。また、印刷された半田の面積とは、加工対象１の表面に印刷された半田の面積を指している。印刷された半田の面積は、印刷された半田の印刷量も意味しており、半田の厚みを考慮すると、印刷された半田の体積ともいえる。さらに、印刷された半田の面積（印刷された半田の印刷量）の情報（条件）は、印刷された半田の加工対象１の表面上における位置の情報を含んでいてもよいし、印刷された半田の面積（印刷された半田の印刷量）の情報（条件）が印刷された半田の加工対象１の表面上における位置の情報そのものでもよい。

これまでは、半田情報、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のうち、二つ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し、半田情報、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のうち、一つを固定してもよい。すなわち、設定値入力部３は、加工対象１に印刷された半田の組成、半田に添加されたフラックス種、半田に添加されたフラックス含有量、半田の面積の少なくとも一つ、半田付けの対象部品の外形、又は、電極表面処理のいずれか一方、半田付けによって対象部品が固定される部材の厚み、材質、層数、比重、表面処理の種類の少なくとも一つの、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（リフロー炉６の炉内の気体濃度、炉内の温度、炉内への送風量及び炉内における加工対象の搬送速度の設定値）が入力されるものであるといえる。

これは、加工対象１に印刷された半田の組成、半田に添加されたフラックス種、半田に添加されたフラックス含有量、半田の面積から少なくとも一つ、半田付けの対象部品の外形、又は、電極表面処理のいずれか一方（半田付けの対象部品の体積、電極形状、電極表面処理から少なくとも一つ）、半田付けによって対象部品が固定される部材の厚み、材質、層数、比重、表面処理の種類から少なくとも一つ、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、前述の設定値が入力されるものを含んでいる。これによって、対応できる設定値を大きく増やすことができる。なお、設定値は、送風部及び加熱部によって、炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量を調整（制御）するために使用される。また、設定値は、搬送部によって、炉内における加工対象１の搬送速度を調整（制御）するために使用される。

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１０）ごとに、加工対象１と関連付けられた、設定値（リフロー炉６の炉内の気体濃度、炉内の温度、炉内への送風量及び炉内における加工対象の搬送速度の設定値）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、設定条件入力部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１０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１０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、半田情報、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７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７は、加工対象入力部８、半田付け条件決定部９を有している。図３において、加工対象入力部８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９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８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４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４において、ステップ１１は、加工対象入力部８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９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９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８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１０は、図３に示す半田付け条件決定装置７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１０は、リフロー炉６、条件設定部１１、リフロー炉制御部１２を有している。図３において、リフロー炉６は、トンネル状の炉を有している。また、図示は省略するが、前述のとおり、リフロー炉６は、炉内へ酸素などの気体を送り込む送風部、送風部から送風される気体する加熱部、又は、炉内を加熱する加熱部、半田付け箇所に半田が印刷された加工対象１を搬送する搬送部（例えば、コンベア）などを備えている。条件設定部１１は、半田付け条件決定部７が決定した設定値が入力されるものである。リフロー炉制御部１２は、条件設定部１１に入力された条件で半田付けを行うようにリフロー炉６を制御する。リフロー炉制御部１２は、設定値で決められた、炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量及び炉内における加工対象１の搬送速度で、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、リフロー炉６を制御する。

次に、図４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４において、ステップ２１は、条件設定部１１に、半田付け条件決定部７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、リフロー炉制御部１２に、条件設定部１１に入力された条件で半田付けを行うようにリフロー炉６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、炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量及び炉内における加工対象１の搬送速度で、リフロー炉６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１０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１０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１０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８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９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６に示すように、半田付け装置において、リフロー炉制御部１２は、条件設定部１１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１１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リフロー炉６を制御する（ステップ２４の処理）。一方、リフロー炉制御部１２は、条件設定部１１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１１に入力された条件で半田付けを行うようにリフロー炉６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１１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５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１１で誤差が補正されていない場合は、条件設定部１１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１０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１０のリフロー炉制御部１２は、条件設定部１１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１１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７経由で取得してもよい）、半田付けを行うようにリフロー炉６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、半田付けを行う加工対象１ごとの、炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量及び炉内における加工対象１の搬送速度である。

実施の形態２．
以下、この発明の実施の形態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７及び図８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７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、設定条件入力部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９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７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８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８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１０）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、炉内の気体濃度（例えば、酸素濃度）、炉内の温度、炉内への送風量及び炉内における加工対象１の搬送速度の設定値）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８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、設定条件入力部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１０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１０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、この発明の実施の形態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９、図１０、図１１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１３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９及び図１０において、新規加工対象画像データ入力部１３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１３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、設定条件入力部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１０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１０において、ステップ３１は、新規加工対象画像データ入力部１３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１３と呼んでもよい。

図１０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１３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１１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設定条件入力部、
４良不良判定結果入力部、５学習部、６リフロー炉、
７半田付け条件決定装置、８加工対象入力部、９半田付け条件決定部、
１０半田付け装置、１１条件設定部、１２リフロー炉制御部、
１３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、炉内の気体濃度、前記炉内の温度、前記炉内への送風量及び前記炉内における前記加工対象の搬送速度の設定値を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と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と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と前記加工対象画像データとを関連付けて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。
前記設定値入力部は、前記加工対象に印刷された半田の半田情報、半田付けの対象部品、半田付けによって前記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、前記半田情報が、前記半田の組成、前記半田に添加されたフラックス種、前記半田に添加されたフラックス含有量、前記半田の面積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２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、又は、電極表面処理の種類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２又は請求項３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、層数、比重、表面処理の種類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２から請求項４のいずれか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、前記加工対象に印刷された半田の組成、前記半田に添加されたフラックス種、前記半田に添加されたフラックス含有量、前記半田の面積の少なくとも一つ、半田付けの対象部品の外形、又は、電極表面処理のいずれか一方、半田付けによって前記対象部品が固定される部材の厚み、材質、層数、比重、表面処理の種類の少なくとも一つの、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６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、類似の前記加工対象画像データを決定して、決定した前記加工対象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。
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７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９又は請求項１０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、
前記装置のリフロー炉と、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リフロー炉を制御するリフロー炉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１０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、
前記装置のリフロー炉と、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リフロー炉を制御するリフロー炉制御部とを備え、
前記リフロー炉制御部は、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リフロー炉制御部を制御することを特徴とする半田付け装置。
請求項１０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、
前記装置のリフロー炉と、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リフロー炉を制御するリフロー炉制御部とを備え、
前記リフロー炉制御部は、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リフロー炉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、炉内の気体濃度、前記炉内の温度、前記炉内への送風量及び前記炉内における前記加工対象の搬送速度の設定値を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と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と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と前記加工対象画像データとを関連付けて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、
前記装置のリフロー炉と、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リフロー炉を制御するリフロー炉制御部とを備え、
前記リフロー炉制御部は、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リフロー炉を制御することを特徴とする半田付け装置。