JP7308314B1 - 検査装置、検査方法、学習済みモデル生成装置、検査用プログラム、および学習済みモデル生成用プログラム。 - Google Patents

Abstract

【課題】電子部品の検査の信頼性を向上させる。【解決手段】検査装置２は、４端子法によって測定した測定対象物の直流抵抗の測定値Ｒｄｃ４および２端子法によって測定した測定対象物の直流抵抗の測定値Ｒｄｃ２に基づいて２端子法によって測定した測定対象物の交流抵抗の測定値Ｒｓを算出するようにコンピュータを機能させるための学習済みモデル３５を用いて交流抵抗の測定値の推定値Ｒｓｅを算出する。検査装置２は、交流抵抗の測定値の推定値Ｒｓｅに応じて、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に基づいて交流抵抗の測定値Ｒｓを補正する。【選択図】図４

Description

本発明は、検査装置、検査方法、学習済みモデル生成装置、検査用プログラム、および学習済みモデル生成用プログラムに関し、例えば、インダクタ素子を検査する検査装置に関する。

従来、チップインダクタ等の電子部品の電気的特性を測定し、測定結果に基づいて電子部品の良否の判定を行う検査装置が知られている。例えば、特許文献１には、検査対象のインダクタ素子の交流抵抗およびインダクタンスを測定するとともに、それらの測定値を用いてＱ値を算出し、算出したＱ値に基づいてインダクタ素子の良否を判定する検査装置が開示されている。

特許文献１には、インダクタ素子の交流抵抗を測定する手法として、２端子法によって測定した交流抵抗の測定値から、２端子法によって測定する際に使用した測定用プローブの接触抵抗の推定値を減算することによって交流抵抗を算出することが記載されている。また、特許文献１には、４端子法によって測定した直流抵抗の測定値から２端子法によって測定した直流抵抗の測定値を減算することによって接触抵抗の推定値を算出し、接触抵抗の推定値に０以上１以下の係数を乗算した値を用いて交流抵抗の測定値を補正することが記載されている。

特許第６９４９６７５号公報

特許文献１に開示された検査装置は、インダクタ素子における直列抵抗と交流抵抗との関係が線形であることを前提に交流抵抗の測定値を補正している。しかしながら、実際のインダクタ素子の直列抵抗と交流抵抗との関係は不明であり、例えば、その関係が非線形であった場合には、交流抵抗の測定値の補正が適切に行われない可能性がある。また、特許文献１に開示された検査装置は、交流抵抗の過補正を回避するために、接触抵抗の推定値に係数を乗算した値を用いて交流抵抗の測定値を補正しているが、その係数が適切でない場合、交流抵抗の補正が適切に行われない可能性がある。

本発明は、上述した課題に鑑みてなされたものであり、電子部品の検査の信頼性を向上させることを目的とする。

本発明の代表的な実施の形態に係る検査装置は、４端子法によって測定した測定対象物の直流抵抗の第１測定値と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値とを取得するデータ取得部と、入力した前記第１測定値および前記第２測定値に基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデルを記憶する記憶部と、前記記憶部に記憶された前記学習済みモデルに基づいて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値を算出する推定部と、前記第３測定値の推定値に応じて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する補正処理を行う補正部と、を備えることを特徴とする。

本発明に係る検査装置によれば、電子部品の検査の信頼性を向上させることが可能となる。

実施の形態に係る学習済みモデル生成装置および検査装置を備えた測定システムの構成を示す図である。 実施の形態に係る検査システムにおける学習済みモデル生成装置の構成の一例を示す図である。 実施の形態に係る学習済みモデル生成装置による学習済みモデルの生成の流れを示すフローチャートである。 実施の形態に係る検査装置におけるデータ処理制御装置の構成の一例を示す図である。 図５は、実施の形態に係る検査装置２による検査の流れを示すフローチャートである。

１．実施の形態の概要
先ず、本願において開示される発明の代表的な実施の形態について概要を説明する。なお、以下の説明では、一例として、発明の構成要素に対応する図面上の参照符号を、括弧を付して記載している。

〔１〕本発明の代表的な実施の形態に係る検査装置（２）は、４端子法によって測定した測定対象物（ＤＵＴ）の直流抵抗の第１測定値（Ｒｄｃ４）と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値（Ｒｄｃ２）と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値（Ｒｓ）とを取得するデータ取得部（２１）と、入力した前記第１測定値および前記第２測定値に基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデル（３５）を記憶する記憶部（２２）と、前記記憶部に記憶された前記学習済みモデルに基づいて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値（Ｒｓｅ）を算出する推定部（２３）と、を備えることを特徴とする。

〔２〕上記〔１〕に記載の検査装置において、前記第３測定値の推定値に応じて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する補正処理を行う補正部（２４）を更に備えてもよい。

〔３〕上記〔２〕に記載の検査装置において、前記学習済みモデルは、２端子法による測定系に起因する抵抗成分を表す第１モデル（ｇ（Ｒｄｃ４，Ｒｄｃ２））と、前記測定対象物に起因する抵抗成分を表す第２モデル（ｈ（Ｒｄｃ４））とを含み、前記補正部は、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第１モデルにしたがって前記２端子法による測定系に起因する抵抗成分（Ｒｃ）を算出するとともに、前記補正処理として、前記２端子法による測定系に起因する抵抗成分に基づいて前記第３測定値を補正してもよい。

〔４〕上記〔３〕に記載の検査装置において、前記第１モデルは、前記第１測定値と前記第２測定値とを説明変数とし、前記２端子法による測定系に起因する抵抗成分の値を目的変数とする回帰モデルであり、前記第２モデルは、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする回帰モデルであり、前記第１モデルおよび前記第２モデルは、前記第１測定値および前記第２測定値に前記第３測定値を対応付けた学習用測定データ（３４＿１～３４＿ｎ）を機械学習することによって調整された学習済みパラメータを含んでいてもよい。

〔５〕上記〔２〕乃至〔４〕の何れかに記載の検査装置において、前記補正部は、前記推定部によって算出した前記第３測定値の推定値と前記データ取得部によって取得した前記第３測定値との誤差（｜Ｒｓｅ－Ｒｓ｜）を算出し、前記誤差が閾値（Ｒｔｈ）より小さい場合に、前記補正処理を行ってもよい。

〔６〕本発明の代表的な別の実施の形態に係る検査装置（２）は、４端子法によって測定した測定対象物の直流抵抗の第１測定値（Ｒｄｃ４）と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値（Ｒｄｃ２）と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値（Ｒｓ）とを取得するデータ取得部（２１）と、前記第１測定値および前記第２測定値と前記第３測定値との対応関係を示す第１モデル（３５）を記憶する記憶部（２２）と、前記記憶部に記憶された前記第１モデルに基づいて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値（Ｒｓｅ）を算出する推定部（２３）と、前記推定部によって算出した前記第３測定値の推定値と前記データ取得部によって取得した前記第３測定値との誤差（｜Ｒｓｅ－Ｒｓ｜）を算出し、前記誤差が閾値（Ｒｔｈ）より小さい場合に、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する補正処理を行う補正部（２４）と、を備えることを特徴とする。

〔７〕上記〔６〕に記載の検査装置において、前記第１モデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第２モデルと、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第３モデルとを含み、前記補正部は、前記補正処理として、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第２モデルにしたがって前記２端子法による測定系に起因する抵抗成分を算出するとともに当該２端子法による測定系に起因する抵抗成分に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力してもよい。

〔８〕本発明の代表的な実施の形態に係る学習済みモデル生成装置（３）は、４端子法によって測定した測定対象物の直流抵抗の第１測定値（Ｒｄｃ４）、および２端子法によって測定した前記測定対象物の直流抵抗の第２測定値（Ｒｄｃ２）に、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値（Ｒｓ）を対応付けた学習用測定データ（３４＿１～３４＿ｎ）を取得する学習用測定データ取得部（３１）と、前記学習用測定データを機械学習することにより、前記第１測定値および前記第２測定値を含む入力データに基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデル（３５）を生成する学習済みモデル生成部（３２）と、を備えることを特徴とする。

〔９〕上記〔８〕に記載の学習済みモデル生成装置において、前記学習済みモデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第１回帰モデル（ｇ（Ｒｄｃ４，Ｒｄｃ２））と、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第２回帰モデル（ｈ（Ｒｄｃ４））とを含み、前記学習済みモデル生成部は、前記学習用測定データを機械学習することにより、前記第１回帰モデルおよび前記第２回帰モデルの学習済みパラメータを調整してもよい。

〔１０〕本発明の代表的な実施の形態に係る検査方法は、４端子法によって測定した測定対象物の直流抵抗の第１測定値（Ｒｄｃ４）と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値（Ｒｄｃ２）と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値（Ｒｓ）とを取得する第１ステップ（Ｓ１１～Ｓ１４）と、入力した前記第１測定値および前記第２測定値に基づいて前記第３測定値を推定するようにコンピュータを機能させるための学習済みモデル（３５）に基づいて、前記第１ステップによって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値（Ｒｓｅ）を算出する第２ステップ（Ｓ１５）と、前記第３測定値の推定値に応じて、前記第１ステップにおいて取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値（Ｒｓｒ）として出力する第３ステップ（Ｓ１７，Ｓ１８）と、を含むことを特徴とする。

〔１１〕本発明の代表的な別の実施の形態に係る検査方法は、４端子法によって測定した測定対象物の直流抵抗の第１測定値（Ｒｄｃ４）と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値（Ｒｄｃ２）と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値（Ｒｓ）とを取得する第１ステップ（Ｓ１１～Ｓ１４）と、前記第１測定値および前記第２測定値と前記第３測定値との対応関係を示す第１モデル（３５）に基づいて、前記第１ステップにおいて取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値（Ｒｓｅ）を算出する第２ステップ（Ｓ１５）と、前記第２ステップにおいて算出した前記第３測定値の推定値と前記第１ステップにおいて取得した前記第３測定値との誤差（｜Ｒｓｅ－Ｒｓ｜）を算出する第３ステップ（Ｓ１６）と、前記誤差が閾値（Ｒｔｈ）より小さい場合に、前記第１ステップにおいて取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する第４ステップ（Ｓ１７，Ｓ１８）と、前記誤差が前記閾値より大きい場合に、前記第１ステップにおいて取得した前記第３測定値を前記測定対象物の交流抵抗の値として出力する第５ステップ（Ｓ１９）と、を含むことを特徴とする。

〔１２〕本発明の代表的な実施の形態に係る検査用プログラムは、コンピュータに、上記〔１０〕または〔１１〕に記載の検査方法における各ステップを実行させることを特徴する。

〔１３〕本発明の代表的な実施の形態に係る学習済みモデル生成方法は、４端子法によって測定した測定対象物の直流抵抗の第１測定値（Ｒｄｃ４）、および２端子法によって測定した前記測定対象物の直流抵抗の第２測定値（Ｒｄｃ２）に、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値（Ｒｓ）を対応付けた学習用測定データ（３４＿１～３４＿ｎ）を取得する第１ステップ（Ｓ１～Ｓ２）と、前記第１ステップにおいて取得した前記学習用測定データを機械学習することにより、前記第１測定値および前記第２測定値を含む入力データに基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデル（３５）を生成する第２ステップ（Ｓ３）と、を含むことを特徴とする。

〔１４〕本発明の代表的な実施の形態に係る学習済みモデル生成用プログラムは、コンピュータに、上記〔１３〕に記載の学習済みモデル生成方法における各ステップを実行させることを特徴とする。

２．実施の形態の具体例
以下、本発明の実施の形態の具体例について図を参照して説明する。なお、以下の説明において、各実施の形態において共通する構成要素には同一の参照符号を付し、繰り返しの説明を省略する。

図１は、実施の形態に係る学習済みモデル生成装置３および検査装置２を備えた検査システム１の構成を示す図である。

図１に示す検査システム１は、検査対象物（以下、「ＤＵＴ」とも称する。）の良否を検査するシステムである。図１に示すように、検査システム１は、ＤＵＴの複数の測定結果に基づく学習用測定データを機械学習によって学習して学習済みモデルを生成する学習済みモデル生成装置３と、生成した学習済みモデルを用いてＤＵＴの検査を行う検査装置２とを備えている。

検査装置２は、ＤＵＴの電気的特性を測定し、その測定結果に基づいてＤＵＴの良否を検査する装置である。例えば、検査装置２は、小型の電子部品（チップ部品）の良否を検査し、良品と判定したチップ部品を出荷可能な状態にパッケージングする装置（所謂チップテーピング機）である。

本実施の形態において、ＤＵＴがインダクタ素子（例えば、チップインダクタ素子）である場合を例にとり説明するが、これに限定されるものではない。

検査装置２は、後述する学習済みモデルを用いて、ＤＵＴとしてのインダクタ素子の電気的特性を測定する。具体的に、検査装置２は、図１に示すように、データ処理制御装置１０、第１測定部１１、第２測定部１２、操作部１３、出力部１４、および搬送機構１５を備えている。

第１測定部１１は、ＤＵＴとしてのインダクタ素子の電気的特性を４端子法によって測定する装置である。第１測定部１１としては、４端子法によるインピーダンスの測定が可能な抵抗計やＬＣＲメータ等のインピーダンス測定器を例示することができる。

第２測定部１２は、ＤＵＴとしてのインダクタ素子の電気的特性を２端子法によって測定する装置である。第２測定部１２としては、２端子法によるインピーダンスの測定が可能なＬＣＲメータ等のインピーダンス測定器を例示することができる。

なお、第１測定部１１および第２測定部１２は、ＤＵＴのインピーダンス等の電気的特性を測定可能な装置であればよく、上述の例に限定されない。

第１測定部１１は、データ処理制御装置１０からの指示に応じて、ＤＵＴとしてのインダクタ素子の直流抵抗を４端子法によって測定する。例えば、第１測定部１１は、プローブ６１ａ～６１ｄを移動させる移動機構（不図示）と、電流出力部および電圧検出部（不図示）と、検出結果に基づいて測定値を算出する測定値算出部（不図示）とを有している。

第１測定部１１は、例えば、データ処理制御装置１０から測定実行の指示を受け付けた場合に、第１測定部１１の移動機構が、所定の測定位置に搬送されたインダクタ素子の一方の端子にプローブ６１ａ，６１ｃを接触させるとともに、インダクタ素子の他方の端子にプローブ６１ｂ，６１ｄを接触させる。次に、第１測定部１１の電流出力部が、プローブ６１ａ，６１ｂを介して直流電流をインダクタ素子に供給する。第１測定部１１の電圧検出部は、直流電流をインダクタ素子に供給したときのインダクタ端子間の電圧値をプローブ６１ｃ，６１ｄを介して検出する。第１測定部１１の測定値算出部は、検出した電圧値とインダクタ素子に供給した直流電流の電流値とに基づいて、インダクタ素子の直流抵抗の測定値Ｒｄｃ４を算出する。

第２測定部１２は、データ処理制御装置１０からの指示に応じて、ＤＵＴとしてのインダクタ素子の直流抵抗、交流抵抗、およびインダクタンスを２端子法によって測定する。例えば、第２測定部１２は、プローブ６２ａ，６２ｂを移動させる移動機構（不図示）と、電流出力部および電圧検出部（不図示）と、検出結果に基づいて測定値を算出する測定値算出部（不図示）とを有している。

例えば、第２測定部１２は、データ処理制御装置１０から測定実行の指示を受け付けた場合に、第２測定部１２の移動機構が、所定の測定位置に搬送されたインダクタ素子の一方の端子にプローブ６２ａを接触させるとともに、インダクタ素子の他方の端子にプローブ６２ｂを接触させる。次に、第２測定部１２の電流出力部が、プローブ６２ａ，６２ｂを介して直流電流をインダクタ素子に供給し、第２測定部１２の電圧検出部が、インダクタ素子の両端子間の電圧値をプローブ６２ａ，６２ｂを介して検出する。第２測定部１２の測定値算出部は、検出した電圧値とインダクタ素子に供給した直流電流の電流値とに基づいて、インダクタ素子の直流抵抗の測定値Ｒｄｃ２を算出する。

また、第２測定部１２の移動機構によってインダクタ素子の両端子にプローブ６２ａ，６２ｂをそれぞれ接触させた状態において、第２測定部１２の電流出力部が、プローブを介して交流電流をインダクタ素子に供給し、第２測定部１２の電圧検出部が、インダクタ素子の両端子間の交流電圧値をプローブ６２ａ，６２ｂを介して検出する。第２測定部１２の測定値算出部は、検出した交流電圧値（電圧実効値）と、インダクタ素子に供給した交流電流の交流電流値（電流実効値）と、交流電圧と交流電流との位相差と、に基づいてインダクタ素子の交流抵抗の測定値Ｒｓおよびインダクタンスの測定値Ｌを算出する。

なお、第１測定部１１および第２測定部１２の一部の機能は、データ処理制御装置１０によって実現してもよい。例えば、第１測定部１１および第２測定部１２の各測定値算出部による上記演算は、データ処理制御装置１０が実行してもよい。

操作部１３は、ユーザが検査装置２を操作するための入力インターフェースである。操作部１３としては、各種のボタンやタッチパネル等を例示することができる。例えば、ユーザが操作部１３を操作することにより、ＤＵＴとしてのインダクタ素子を検査するための各種検査条件等を検査装置２に設定するとともに、検査等の実行および停止を検査装置２に指示することができる。

出力部１４は、検査装置２における検査条件や検査結果などの各種情報を出力するための機能部である。出力部１４は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）や有機ＥＬを備えた表示装置である。例えば、出力部１４は、ユーザによる操作部１３の操作によってＤＵＴの検査の実行が指示された場合に、データ処理制御装置１０による制御に応じて検査結果等の情報を画面に表示する。

なお、出力部１４は、操作部１３としての一部の機能を実現するタッチパネルを備えた表示装置であってもよい。また、出力部１４は、検査結果等のデータを有線または無線によって外部に出力する通信回路等を含んでいてもよい。

搬送機構１５は、データ処理制御装置１０の制御に応じて、検査装置２内の適切な箇所に検査対象のインダクタ素子を搬送する装置である。例えば、第１測定部１１による測定を行う際に、搬送機構１５は、検査対象のインダクタ素子を第１測定部１１による所定の測定位置まで搬送する。また、例えば、第２測定部１２による測定を行う際に、搬送機構１５は、検査対象のインダクタ素子を第２測定部１２による所定の測定位置まで搬送する。更に、搬送機構１５は、検査が終了したインダクタ素子のうち良品と判定されたインダクタ素子をパッケージングするための位置まで搬送し、パッケージングしたインダクタ素子を次の工程における所定の場所まで搬送する。

データ処理制御装置１０は、検査装置２内の各機能部を統括的に制御するとともに、ＤＵＴの検査のための各種のデータ処理を行う機能部である。例えば、データ処理制御装置１０は、ＣＰＵ等のプロセッサと、ＲＯＭやＲＡＭ、フラッシュメモリ等の記憶装置と、タイマ等の周辺回路とを有するプログラム処理装置である。プログラム処理装置としては、例えば、ＭＣＵやＦＰＧＡ等を例示することができる。

データ処理制御装置１０は、第１測定部１１および第２測定部１２による測定結果を取得し、取得した測定結果に基づいてインダクタ素子の性能を示す指標を算出するとともに、算出した指標に基づいて検査対象のインダクタ素子の良否を判定する。ここで、インダクタ素子の性能を示す指標は、例えば、Ｑ値である。

上述したように、２端子法によってインダクタ素子の交流抵抗を測定した場合、その測定値は、２端子法による測定系に起因する抵抗成分の影響を受ける。そこで、本実施の形態に係る検査装置２のデータ処理制御装置１０は、第１測定部１１および第２測定部１２による測定結果に基づいて検査対象のインダクタ素子の性能を示す指標（Ｑ値）を算出する際に、必要に応じて、予め生成された学習済みモデルを用いて第２測定部１２によって測定した交流抵抗の測定値Ｒｓを補正する。

ここで、データ処理制御装置１０が行う、学習済みモデルを用いた交流抵抗の測定値Ｒｓの補正について詳細に説明する前に、学習済みモデルの生成方法について説明する。

図２は、実施の形態に係る検査システム１における学習済みモデル生成装置３の構成の一例を示す図である。

学習済みモデル生成装置３は、例えば、サーバやパーソナルコンピュータ（ＰＣ）等の情報処理装置（コンピュータ）によって実現され、インストールされた学習済みモデル生成用プログラムにしたがって複数の学習用測定データ３４＿１～３４＿ｎ（ｎは２以上の整数）を生成するとともに、生成した学習用測定データを所定のアルゴリズムに基づいて機械学習することにより、学習済みモデル３５を生成する装置である。

なお、説明の都合上、図１において学習済みモデル生成装置３と検査装置２とを並べて配置しているが、学習済みモデル生成装置３と検査装置２とは、必ずしも同じ場所に設置されている必要はない。例えば、検査装置２と学習済みモデル生成装置３とが互いに異なる場所に設置され、ＬＡＮやインターネット等の通信ネットワークを介して接続されていてもよい。この場合、検査装置２と学習済みモデル生成装置３とは、検査装置２による測定データや学習済みモデル３５等の各種データを通信ネットワークを介して互いに送受信してもよい。

また、ＤＵＴの検査時において、検査装置２と学習済みモデル生成装置３とが互いに電気的に接続されていなくてもよい。例えば、検査前または検査後において、検査装置２による測定データや学習済みモデル３５等の各種データのやり取りをメモリカード等の記憶媒体を介して行ってもよい。

本実施の形態において、学習済みモデル３５は、検査対象のインダクタ素子の交流抵抗の測定値Ｒｓを推定するためのモデルである。なお、学習済みモデル生成装置３によって生成された学習済みモデル３５は、ネットワークを介して流通可能であってもよいし、メモリカード等のコンピュータが読み取り可能な記憶媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に書き込まれて流通可能であってもよい。

学習済みモデル生成装置３は、学習済みモデル３５を生成するための機能ブロックとして、例えば、学習用測定データ取得部３１、学習済みモデル生成部３２、および記憶部３３を有している。これらの各機能ブロックは、学習済みモデル生成装置３としての情報処理装置を構成するＣＰＵやメモリ等のハードウェア資源が、上記情報処理装置にインストールされたソフトウエア（学習済みモデル生成用プログラムを含む各種プログラム）と協働することによって、実現される。

学習用測定データ取得部３１は、学習済みモデル３５の生成に必要な学習用測定データ３４＿１～３４＿ｎを取得する機能部である。

ここで、学習用測定データ３４＿１～３４＿ｎは、４端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ４（第１測定値）と、２端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ２（第２測定値）とに、２端子法によって測定したＤＵＴの交流抵抗の測定値Ｒｓ（第３測定値）を対応付けたデータ対である。
以下の説明において、各学習用測定データ３４＿１～３４＿ｎを区別しない場合には、単に、「学習用測定データ３４」と表記する。

学習用測定データ取得部３１は、例えば、図示されない無線または有線の通信、またはメモリカード等の記憶媒体を介して、４端子法によって測定されたインダクタ素子の直流抵抗の測定値Ｒｄｃ４のデータ４１と、２端子法によって測定されたインダクタ素子の直流抵抗の測定値Ｒｄｃ２のデータ４２と、２端子法によって測定された交流抵抗の測定値Ｒｓのデータ４３とを含むデータ対を取得する。学習用測定データ取得部３１は、検査されたインダクタ素子毎にデータ対を取得する。データ対としては、例えば、過去に検査装置２等によって検査されたインダクタ素子の測定結果を用いればよい。

学習用測定データ取得部３１は、例えば、取得したデータ対に含まれる直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に、当該データ対に含まれる交流抵抗の測定値Ｒｓを正解値として対応付けることにより、一つの学習用測定データ３４を生成する。学習用測定データ取得部３１は、検査されたインダクタ素子の測定結果毎に学習用測定データ３４＿１～３４＿ｎを生成し、記憶部３３に記憶する。

なお、学習用測定データ取得部３１は、上述したように、自ら学習用測定データ３４を生成する代わりに、別の情報処理装置等によって生成された学習用測定データ３４を通信または記憶媒体を介して取得してもよい。

学習済みモデル生成部３２は、学習用測定データ取得部３１によって取得した複数の学習用測定データ３４＿１～３４＿ｎを機械学習することにより、学習済みモデル３５を生成する機能部である。

学習済みモデル３５は、所定のアルゴリズムに基づく機械学習によって生成されたプログラムである。所定のアルゴリズムとしては、多項式回帰や重回帰等を例示することができる。

本実施の形態において、学習済みモデル３５は、４端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ４（第１測定値）と２端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ２（第２測定値）とを含む入力データに基づいて、２端子法によって測定したＤＵＴの交流抵抗の測定値Ｒｓを推定するように、コンピュータ（ＭＰＵ等）を機能させるための関数である。

換言すれば、学習済みモデル３５は、入力された測定データ（直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２）に対して、所定の学習済みパラメータに基づく演算を行い、当該測定データに基づく交流抵抗を定量化した値（推定値）を出力するように、情報処理装置（コンピュータ）を機能させるためのプログラムである。

例えば、学習済みモデル３５は、２端子法による測定系に起因する抵抗成分Ｒｃを表すモデルと、検査対象物（ＤＵＴ）に起因する抵抗成分を表すモデルとを含む。

ここで、２端子法による測定系に起因する抵抗成分には、例えば、第２測定部１２とＤＵＴとの間に存在するケーブルやプローブ等から成る線路の抵抗成分と、プローブとＤＵＴとの接触状態に起因する抵抗成分（所謂接触抵抗）と、が含まれる。

２端子法による測定系に起因する抵抗成分Ｒｃを表すモデルは、例えば、４端子法による直流抵抗の測定値Ｒｄｃ４（第１測定値）と２端子法による直流抵抗の測定値Ｒｄｃ２（第２測定値）とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする回帰モデルである。換言すれば、２端子法による測定系に起因する抵抗成分（Ｒｃ）を表すモデルは、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２から２端子法による測定系に起因する抵抗成分Ｒｃを算出する関数である。

ＤＵＴに起因する抵抗成分を表すモデルは、例えば、４端子法による直流抵抗の測定値Ｒｄｃ４（第１測定値）を説明変数とし、ＤＵＴに起因する抵抗成分の値を目的変数とする回帰モデルである。換言すれば、ＤＵＴに起因する抵抗成分を表すモデルは、４端子法による直流抵抗の測定値Ｒｄｃ４からＤＵＴに起因する交流抵抗の値を推定する関数である。

２端子法による測定系に起因する抵抗成分（Ｒｃ）を表すモデルをｇ（Ｒｄｃ４，Ｒｄｃ２）、ＤＵＴに起因する抵抗成分を表すモデルをｈ（Ｒｄｃ４）としたとき、交流抵抗の測定値の推定値Ｒｓｅを算出するための関数としての学習済みモデル３５は、例えば、Ｒｓｅ＝ｇ（Ｒｄｃ４，Ｒｄｃ２）＋ｈ（Ｒｄｃ４）と表すことができる。

すなわち、交流抵抗の測定値の推定値Ｒｓｅは、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）によって求めた２端子法による測定系に起因する抵抗成分Ｒｃと、モデルｈ（Ｒｄｃ４）によって求めたＤＵＴに起因する抵抗成分との和によって表される。

モデルｇ（Ｒｄｃ４，Ｒｄｃ２）およびモデルｈ（Ｒｄｃ４）は、学習済みパラメータを含む。学習済みパラメータとは、学習用測定データ３４＿１～３４＿ｎを学習用プログラム（上記所定のアルゴリズムに基づくプログラム）に対する入力として用いて、交流抵抗の測定値の推定値Ｒｓｅを算出するように機械的に調整された、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）およびモデルｈ（Ｒｄｃ４）の係数である。

学習済みモデル生成部３２は、学習用測定データ３４＿１～３４＿ｎを機械学習することにより、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）およびモデルｈ（Ｒｄｃ４）の学習済みパラメータを調整する。

例えば、学習済みモデル生成部３２は、先ず、学習用測定データ３４＿１～３４＿ｎを回帰モデルにそれぞれ入力することによって算出された交流抵抗の測定値の推定値Ｒｓｅと、正解値である交流抵抗の測定値Ｒｓとの差（誤差）を算出する。次に、学習済みモデル生成部３２は、例えば誤差逆伝搬法によって、算出した誤差が小さくなるように上記回帰モデルの学習済みパラメータ（係数）を逐次更新することにより、上記回帰モデルを生成し、学習済みモデル３５として記憶部３３に記憶する。

記憶部３３は、学習済みモデル３５を生成するために必要な学習用測定データ３４＿１～３４＿ｎや生成された学習済みモデル３５等の各種データを記憶するための機能部である。

記憶部３３は、例えば、外部からアクセス可能に構成されている。例えば、検査装置２が学習済みモデル生成装置３と通信を行うことにより、検査装置２が記憶部３３から学習済みモデル３５を読み出して取得することが可能となっている。また、例えば、検査装置２が学習済みモデル生成装置３と通信を行うことにより、検査装置２が測定結果のデータ等を記憶部３３に書き込むことが可能となっている。

図３は、実施の形態に係る学習済みモデル生成装置３による学習済みモデル３５の生成の流れを示すフローチャートである。

図３に示すように、先ず、学習済みモデル生成装置３において、学習用測定データ取得部３１が学習用測定データ３４＿１～３４＿ｎを取得する（ステップＳ１）。具体的には、上述したように、学習用測定データ取得部３１が、過去に検査されたインダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２および交流抵抗の測定値Ｒｓを含むデータ対を取得し、取得したデータ対に基づいて、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に交流抵抗の測定値Ｒｓを正解値として付与することにより、学習用測定データ３４を生成する。

次に、学習済みモデル生成装置３は、学習済みモデル３５を生成するために必要な数の学習用測定データ３４が生成されたか否かを判定する（ステップＳ２）。例えば、学習済みモデル生成装置３には、学習済みモデル３５を生成するために必要な学習用測定データ３４のデータ数が予め設定されており、学習済みモデル生成装置３は、学習用測定データ３４を生成する度に、生成回数を＋１インクリメントする。そして、学習済みモデル生成装置３は、カウントした生成回数が予め設定されたデータ数に到達したか否かを判定することにより、必要な数の学習用測定データ３４が生成されたか否かを判定する。

必要な数の学習用測定データ３４が生成されてない場合には（ステップＳ２：ＮＯ）、学習済みモデル生成装置３は、ステップＳ１に戻り、新たなインダクタ素子の測定結果に係るデータ対を取得して、インダクタ素子に関する学習用測定データ３４を生成することを繰り返す（ステップＳ１，Ｓ２）。

一方、必要な数の学習用測定データ３４が生成された場合には（ステップＳ２：ＹＥＳ）、学習済みモデル生成装置３は、ステップＳ１で生成した複数の学習用測定データ３４を用いて、学習済みモデル３５を生成する（ステップＳ３）。具体的には、学習済みモデル生成部３２が、上述した手法により、ステップＳ１において作成された複数の学習用測定データ３４＿１～３４＿ｎを所定のアルゴリズムに基づいて機械学習することにより、学習済みモデル３５を作成する。

そして、学習済みモデル生成部３２は、学習済みモデル３５について充分な精度が得られた場合には、その学習済みモデル３５を記憶部３３に記憶する。

次に、ステップＳ３において生成された学習済みモデル３５を検査装置２に登録する（ステップＳ４）。例えば、ユーザによる、検査装置２の操作部１３または学習済みモデル生成装置３の入力装置（例えば、タッチパネルやキーボード、マウス等）の操作に応じて、学習済みモデル生成装置３が、記憶部３３に記憶された学習済みモデル３５を検査装置２に送信し、検査装置２が受信した学習済みモデル３５をデータ処理制御装置１０内の記憶部に記憶する。なお、学習済みモデル３５の検査装置２への登録は、上述したように、メモリカード等の記憶媒体を用いて行ってもよい。

なお、学習済みモデル生成装置３としてのコンピュータ（情報処理装置）に上述した各ステップ（Ｓ１～Ｓ４）を実行させるための学習済みモデル生成用プログラムは、ネットワークを介して流通可能であってもよいし、メモリカード等のコンピュータが読み取り可能な記憶媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に書き込まれて流通可能であってもよい。

以上説明した手法により、インダクタ素子の検査のための学習済みモデル３５が生成される。

次に、検査装置２による学習済みモデル３５を用いた交流抵抗の測定値Ｒｓの補正について詳細に説明する。

図４は、実施の形態に係る検査装置２におけるデータ処理制御装置１０の構成の一例を示す図である。

図４に示すように、検査装置２のデータ処理制御装置１０は、例えば、データ取得部２１、記憶部２２、推定部２３、補正部２４、および判定部２５を有する。これらの機能部は、例えば、データ処理制御装置１０としてのプログラム処理装置において、ＣＰＵが、メモリに記憶されたプログラムにしたがって各種演算を実行するとともにカウンタ等の周辺回路を制御することにより、実現される。

データ取得部２１は、検査対象のインダクタ素子の性能を示す指標（Ｑ値）を算出するために必要な各種データを取得する機能部である。

データ取得部２１は、例えば、第１測定部１１が４端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ４を取得し、記憶部２２に記憶する。データ取得部２１は、例えば、第２測定部１２が２端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ２と、第２測定部１２が２端子法によって測定したＤＵＴの交流抵抗の測定値Ｒｓと、第２測定部１２が２端子法によって測定したＤＵＴのインダクタンスの測定値Ｌとをそれぞれ取得し、検査対象の測定データ５０として記憶部２２に記憶する。また、データ取得部２１は、例えば、学習済みモデル生成装置３によって生成された学習済みモデル３５を取得し、記憶部２２に記憶する。

記憶部２２は、検査対象のインダクタ素子の性能を示す指標（Ｑ値）を算出するために必要な各種データおよび算出されたＱ値等を記憶するための機能部である。

上述したように、記憶部２２には、データ取得部２１によって取得された、インダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２、インダクタ素子の交流抵抗の測定値Ｒｓ、インダクタ素子のインダクタンスの測定値Ｌ、および学習済みモデル３５が、それぞれ記憶される。また、記憶部２２には、例えば、後述する、交流抵抗の測定値の推定値Ｒｓｅ、２端子法による測定系に起因する抵抗成分の推定値Ｒｃ、交流抵抗の値Ｒｓｒ、およびＱ値がそれぞれ記憶される。

推定部２３は、検査対象のインダクタ素子の交流抵抗の測定値を推定する機能部である。推定部２３は、記憶部２２に記憶された学習済みモデル３５に基づいて、データ取得部２１によって取得した検査対象のインダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に対応する交流抵抗の測定値の推定値Ｒｓｅを算出する。具体的には、推定部２３は、データ取得部２１によって取得した検査対象のインダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２を学習済みモデル３５（関数）に入力（代入）することによって得られた値を、交流抵抗の測定値の推定値Ｒｓｅとして記憶部２２に記憶する。

補正部２４は、交流抵抗の測定値Ｒｓを補正するための機能部である。
補正部２４は、交流抵抗の測定値の推定値Ｒｓｅに応じて、データ取得部２１によって取得した直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に基づいて交流抵抗の測定値Ｒｓを補正し、補正した交流抵抗の測定値ＲｓをＤＵＴの交流抵抗の値Ｒｓｒとして出力する補正処理を行う。

より具体的には、補正部２４は、先ず、データ取得部２１によって取得した検査対象のインダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に基づいて、上述したモデルｇ（Ｒｄｃ４，Ｒｄｃ２）にしたがって２端子法による測定系に起因する抵抗成分Ｒｃを算出する。算出した抵抗成分Ｒｃのデータは、例えば、記憶部２２に記憶される。

次に、補正部２４は、交流抵抗の測定値の推定値Ｒｓｅに応じて、２端子法による測定系に起因する抵抗成分Ｒｃに基づいて検査対象のインダクタ素子の交流抵抗の測定値Ｒｓを補正し、補正した交流抵抗の測定値Ｒｓを検査対象のインダクタ素子の交流抵抗の値Ｒｓｒとして出力する。

例えば、補正部２４は、推定部２３によって算出した交流抵抗の測定値の推定値Ｒｓｅと、データ取得部２１によって取得した交流抵抗の測定値Ｒｓ（第３測定値）との誤差｜Ｒｓｅ－Ｒｓ｜を算出し、誤差｜Ｒｓｅ－Ｒｓ｜を評価する。具体的には、補正部２４は、誤差｜Ｒｓｅ－Ｒｓ｜と閾値Ｒｔｈとを比較する。閾値Ｒｔｈは、予め設定された任意の値である。

ここで、誤差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈより小さい場合、検査対象のインダクタ素子の測定結果に対して、学習済みモデル３５による交流抵抗の推定精度が高いと考えることができる。すなわち、学習済みモデル３５に含まれるモデルｇ（Ｒｄｃ４，Ｒｄｃ２）による、２端子法による測定系に起因する抵抗成分Ｒｃの推定精度が高いと考えられる。

そこで、誤差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈより小さい場合には、補正部２４は、補正処理を行う。具体的には、補正部２４は、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）を用いて２端子法による測定系に起因する抵抗成分Ｒｃを算出し、算出した２端子法による測定系に起因する抵抗成分Ｒｃを用いて交流抵抗の測定値Ｒｓ（第３測定値）を補正する。

例えば、補正部２４は、先ず、検査対象のインダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２をモデルｇ（Ｒｄｃ４，Ｒｄｃ２）に入力（代入）することによって得られた値を、２端子法による測定系に起因する抵抗成分Ｒｃとする。次に、算出部２４は、データ取得部２１によって取得した交流抵抗の測定値Ｒｓ（第３測定値）から２端子法による測定系に起因する抵抗成分Ｒｃを減算することによって得られた値を、交流抵抗の値Ｒｓｒ（＝Ｒｓ－Ｒｃ）として出力する。

一方、誤差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈより大きい場合には、検査対象のインダクタ素子に対して、学習済みモデル３５による交流抵抗の推定精度が低いと考えられる。すなわち、学習済みモデル３５に含まれるモデルｇ（Ｒｄｃ４，Ｒｄｃ２）による、２端子法による測定系に起因する抵抗成分Ｒｃの推定精度が低いと考えられる。
この場合に、仮に、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）を用いて２端子法による測定系に起因する抵抗成分Ｒｃを算出し、算出した２端子法による測定系に起因する抵抗成分Ｒｃを用いて交流抵抗の測定値Ｒｓ（第３測定値）を補正したとすると、誤った補正となり、適切に交流抵抗の値Ｒｓｒを求めることができないおそれがある。

そこで、誤差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈより大きい場合には、補正部２４は、補正処理を行うことなく、データ取得部２１によって取得した交流抵抗の測定値Ｒｓを検査対象のインダクタ素子の交流抵抗の値Ｒｓｒ（＝Ｒｓ）として出力する。

判定部２５は、ＤＵＴ（インダクタ素子）の良否を判定するための機能部である。
判定部２５は、補正部２３から出力された検査対象のインダクタ素子の交流抵抗の値Ｒｓｒと、検査対象のインダクタ素子のインダクタンスの測定値Ｌとに基づいて、検査対象のインダクタ素子の性能を表す指標であるＱ値（Ｑ＝ωＬ／Ｒｓｒ）を算出する。

判定部２５は、例えば、算出したＱ値を予め定められている基準値と比較することによって検査対象のインダクタ素子の良否判定を行う。判定部２５は、搬送機構１５を制御することにより、良品と判定したＤＵＴを図外のパッケージング装置によって出荷可能な状態にパッケージングする。

次に、検査装置２によるＤＵＴの検査処理の流れについて説明する。

図５は、実施の形態に係る検査装置２による検査の流れを示すフローチャートである。

例えば、ユーザが検査装置２の操作部１３を操作してＤＵＴ（インダクタ素子）の検査の実行を指示した場合、データ処理制御装置１０が、検査対象のインダクタ素子の検査を開始する。

先ず、データ処理制御装置１０が、第１測定部１１を制御することにより、検査対象のインダクタ素子の直流抵抗を４端子法によって測定させる（ステップＳ１１）。例えば、データ処理制御装置１０は、操作部１３からの指示信号に応じて搬送機構１５を制御することにより、検査対象のインダクタ素子を第１測定部１１における所定の測定位置に搬送させる。その後、データ処理制御装置１０は、第１測定部１１を制御して、４端子法により、検査対象のインダクタ素子の直流抵抗を測定させ、直流抵抗の測定値Ｒｄｃ４を取得する。

次に、データ処理制御装置１０が、第２測定部１２を制御することにより、検査対象のインダクタ素子の直流抵抗を２端子法によって測定させる（ステップＳ１２）。例えば、データ処理制御装置１０は、搬送機構１５を制御することにより、検査対象のインダクタ素子を第２測定部１２における所定の測定位置に搬送させる。その後、データ処理制御装置１０は、第２測定部１２を制御して、２端子法により検査対象のインダクタ素子の直流抵抗を測定させ、直流抵抗の測定値Ｒｄｃ２を取得する。

次に、データ処理制御装置１０が、第２測定部１２を制御することにより、検査対象のインダクタ素子の交流抵抗の測定値Ｒｓおよびインダクタンスの測定値Ｌを２端子法によって測定させる（ステップＳ１３）。例えば、検査対象のインダクタ素子をステップＳ１２と同様の測定位置に配置した状態において、データ処理制御装置１０が、第２測定部１２を制御して、検査対象のインダクタ素子の交流抵抗を測定させ、交流抵抗の測定値Ｒｓおよびインダクタンスの測定値Ｌをそれぞれ取得する。

次に、データ処理制御装置１０が、第２測定部１２を制御して、ステップＳ１２と同様の手法により、検査対象のインダクタ素子の直流抵抗を２端子法によって測定させる（ステップＳ１４）。

ステップＳ１１～Ｓ１４においてデータ処理制御装置１０が取得した、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２、交流抵抗の測定値Ｒｓ、およびインダクタンスの測定値Ｌは、検査対象のインダクタ素子の測定データ５０として記憶部２２に記憶される。

次に、データ処理制御装置１０が、検査対象のインダクタ素子の測定データ５０に基づいて、検査対象のインダクタ素子の交流抵抗の測定値の推定値Ｒｓｅを算出する（ステップＳ１５）。具体的には、推定部２３が、上述した手法により、ステップＳ１１およびステップＳ１２（Ｓ１４）において取得した直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２を学習済みモデル３５に入力することにより、学習済みモデル３５から出力された交流抵抗の測定値の推定値Ｒｓｅを得る。

このとき、推定部２３は、例えば、ステップＳ１２において測定した直流抵抗の測定値Ｒｄｃ２とステップＳ１４において測定した直流抵抗の測定値Ｒｄｃ２とを比較し、小さい方の直流抵抗の測定値Ｒｄｃ２を用いて交流抵抗の測定値の推定値Ｒｓｅを算出してもよい。

次に、補正部２４が、ステップＳ１５において算出した交流抵抗の測定値の推定値ＲｓｅとステップＳ１３において取得した交流抵抗の測定値Ｒｓとの差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈよりも小さいか否かを判定する（ステップＳ１６）。

差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈよりも小さい場合（ステップＳ１６：ＹＥＳ）、補正部２４は、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）を用いて、２端子法による２端子法による測定系に起因する抵抗成分Ｒｃを算出する（ステップＳ１７）。具体的には、補正部２４は、ステップＳ１１およびステップＳ１２（Ｓ１４）において取得した直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２をモデルｇ（Ｒｄｃ４，Ｒｄｃ２）に入力することにより、２端子法による測定系に起因する抵抗成分Ｒｃを得る。

次に、補正部２４は、ステップＳ１７において算出した２端子法による測定系に起因する抵抗成分Ｒｃを用いて、ステップＳ１３において取得した交流抵抗の測定値Ｒｓを補正し、補正した値を交流抵抗の値Ｒｓｒとして出力する補正処理を行う（ステップＳ１８）。具体的には、補正部２４は、ステップＳ１３において取得した交流抵抗の測定値ＲｓからステップＳ１７において算出した２端子法による測定系に起因する抵抗成分Ｒｃを減算して得られた値を交流抵抗の値Ｒｓｒ（＝Ｒｓ－Ｒｃ）として出力する。

一方、差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈよりも大きい場合（ステップＳ１６：ＮＯ）には、補正部２４は、補正処理を行うことなく、ステップＳ１３において取得した交流抵抗の測定値Ｒｓを交流抵抗の値Ｒｓｒ（＝Ｒｓ）として出力する（ステップＳ１９）。

次に、判定部２５が、ステップＳ１８またはステップＳ１９において補正部２４から出力された交流抵抗の値Ｒｓｒと、ステップＳ１３において取得したインダクタンスの測定値Ｌとに基づいて、検査対象のインダクタ素子のＱ値を算出する（ステップＳ２０）。その後、判定部２５は、ステップＳ２０において算出したＱ値に基づいて、検査対象のインダクタ素子の良否判定を行う。良品と判定されたインダクタ素子は、搬送機構１５によって搬送され、パッケージングされる。

なお、上述した各ステップ（Ｓ１１～Ｓ２１）をデータ処理制御装置１０としてのコンピュータ（情報処理装置）に実行させるための検査用プログラムは、ネットワークを介して流通可能であってもよいし、メモリカード等のコンピュータが読み取り可能な記憶媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に書き込まれて流通可能であってもよい。

以上、本実施の形態に係る検査システム１において、学習済みモデル生成装置３は、２端子法による測定系に起因する抵抗成分を算出するモデルｇ（Ｒｄｃ４，Ｒｄｃ２）と、ＤＵＴ（インダクタ素子）に起因する抵抗成分を算出するモデルｈ（Ｒｄｃ４）とを含む学習済みモデル３５を、４端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ４と２端子法によって測定したＤＵＴの直流抵抗の測定値Ｒｄｃ２に、２端子法によって測定したＤＵＴの交流抵抗の測定値Ｒｓをラベリングして生成された複数の学習用測定データ３４＿１～３４＿ｎを機械学習することによって生成する。

これによれば、インダクタ素子の直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２と交流抵抗の測定値Ｒｓとの関係が非線形であっても、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２と交流抵抗の測定値Ｒｓとの関係を適切に表した学習済みモデル３５（関数）を得ることができる。

また、学習済みモデル３５において、モデルｇ（Ｒｄｃ４，Ｒｄｃ２）は、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２を説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする回帰モデルであり、モデルｈ（Ｒｄｃ４）は、直流抵抗の測定値Ｒｄｃ４を説明変数とし、ＤＵＴに起因する抵抗成分の値を目的変数とする回帰モデルである。モデルｇ（Ｒｄｃ４，Ｒｄｃ２）およびモデルｈ（Ｒｄｃ４）は、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２に交流抵抗の測定値Ｒｓを対応付けた複数の学習用測定データ３４＿１～３４＿ｎを機械学習することによって調整された学習済みパラメータ（係数）を含む。

これによれば、より単純な関数によって学習済みモデル３５を表すことができるので、機械学習において心配される学習済みモデル３５のブラックボックス化を回避することができる。

また、本実施の形態に係る検査システム１において、検査装置２は、学習済みモデル生成装置３によって生成された学習済みモデル３５を用いてＤＵＴの交流抵抗の測定値を推定するとともに、その推定結果に応じて、学習済みモデル３５に含まれるモデルｇ（Ｒｄｃ４，Ｒｄｃ２）を用いて２端子法による２端子法による測定系に起因する抵抗成分Ｒｃを算出する。そして、検査装置２は、算出した２端子法による測定系に起因する抵抗成分Ｒｃに基づいて交流抵抗の測定値Ｒｓを補正し、補正後の値をＤＵＴの交流抵抗の値として出力する。

これによれば、過去のインダクタ素子の測定結果を機械学習することによって生成した高精度のモデルｇ（Ｒｄｃ４，Ｒｄｃ２）に基づき算出した２端子法による測定系に起因する抵抗成分Ｒｃを用いて、交流抵抗の測定値Ｒｓを補正するので、従来の手法よりも正確に、交流抵抗の値を得ることができる。

また、検査装置２は、学習済みモデル３５に基づいて推定した交流抵抗の測定値の推定値Ｒｓｅと、実際に測定した交流抵抗の測定値Ｒｓとの誤差｜Ｒｓｅ－Ｒｓ｜を算出し、誤差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈより小さい場合に、２端子法による測定系に起因する抵抗成分Ｒｃに基づいて補正した交流抵抗の測定値Ｒｓを交流抵抗の値Ｒｓｒ（＝Ｒｓｅ－Ｒｃ）として出力する。一方、誤差｜Ｒｓｅ－Ｒｓ｜が閾値Ｒｔｈより大きい場合には、検査装置２は、実際に測定した交流抵抗の測定値Ｒｓを交流抵抗の値Ｒｓｒ（＝Ｒｓ）として出力する。

これによれば、検査対象の全てのインダクタ素子に対して一律に、交流抵抗の実測値の補正が行われるのではなく、交流抵抗の実測値と学習済みモデル３５に基づく推定値との誤差が小さいインダクタ素子、すなわち学習済みモデル３５（モデルｇ（Ｒｄｃ４，Ｒｄｃ２））を適用することが妥当と考えられるインダクタ素子に対してのみ、交流抵抗の実測値の補正が行われることになる。これにより、過補正を防止することができ、より正確な交流抵抗の値を得ることができる。

このように、本実施の形態に係る学習済みモデル生成装置３および検査装置２によれば、電子部品の検査の信頼性を向上させることができる。

≪実施の形態の拡張≫
以上、本願発明者によってなされた発明を実施の形態に基づいて具体的に説明したが、本発明はそれに限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは言うまでもない。

例えば、検査装置２が検査に用いるモデル（学習済みモデル３５）は、直流抵抗の測定値Ｒｄｃ４，Ｒｄｃ２と交流抵抗の測定値Ｒｓとの対応関係を示す関数であればよく、機械学習以外の手法によって生成したモデルであってもよい。例えば、検査装置２は、機械学習以外の手法によって係数を調整したモデルｇ（Ｒｄｃ４，Ｒｄｃ２），ｈ（Ｒｄｃ４）を含むモデルを用いて、上記と同様の手法により、インダクタ素子の検査を行ってもよい。

また、上記実施の形態では、検査装置２が、データ処理制御装置１０、第１測定部１１、第２測定部１２、操作部１３、出力部１４、および搬送機構１５等の構成要素を一体とした装置である場合を例示したが、検査装置２を構成する一部の構成要素が他の構成要素と別体として構成されていてもよい。例えば、データ処理制御装置１０、操作部１３、および出力部１４を第１装置（例えば、ＰＣ等の情報処理装置）によって実現し、第１測定部１１、第２測定部１２、および搬送機構１５を、第１装置とは異なる別の第２装置によって実現してもよい。この場合、第１装置と第２装置とは、有線または無線によるネットワークを介して接続されていてもよい。

上述のフローチャートは、動作を説明するための一例を示すものであって、これに限定されない。すなわち、フローチャートの各図に示したステップは具体例であって、このフローに限定されるものではない。例えば、一部の処理の順番が変更されてもよいし、各処理間に他の処理が挿入されてもよいし、一部の処理が並列に行われてもよい。

１…検査システム、２…検査装置、３…学習済みモデル生成装置、１０…データ処理制御装置、１１…第１測定部、１２…第２測定部、１３…操作部、１４…出力部、１５…搬送機構、２１…データ取得部、２２…記憶部、２３…推定部、２４…補正部、２５…判定部、３１…学習用測定データ取得部、３２…学習済みモデル生成部、３３…記憶部、３４，３４＿１～３４＿ｎ…学習用測定データ、３５…学習済みモデル、５０…測定データ、Ｒｃ…２端子法による測定系に起因する抵抗成分、Ｒｄｃ２…２端子法による直流抵抗の測定値、Ｒｄｃ４…４端子法による直流抵抗の測定値、Ｒｓ…２端子法による交流抵抗の測定値、Ｒｓｅ…２端子法による交流抵抗の測定値の推定値、Ｒｓｒ…交流抵抗の値、Ｒｔｈ…閾値。

Claims (14)

1. ４端子法によって測定した測定対象物の直流抵抗の第１測定値と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値とを取得するデータ取得部と、
   入力した前記第１測定値および前記第２測定値に基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデルを記憶する記憶部と、
   前記記憶部に記憶された前記学習済みモデルに基づいて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値を算出する推定部と、を備え、
   前記学習済みモデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第１モデルと、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第２モデルとの和によって表される
   検査装置。
2. 請求項１に記載の検査装置において、
   前記第３測定値の推定値に応じて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する補正処理を行う補正部を更に備える
   検査装置。
3. 請求項２に記載の検査装置において、
   前記補正部は、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第１モデルにしたがって前記２端子法による測定系に起因する抵抗成分を算出するとともに、前記補正処理として、前記２端子法による測定系に起因する抵抗成分に基づいて前記第３測定値を補正する
   検査装置。
4. 請求項３に記載の検査装置において、
   前記第１モデルおよび前記第２モデルは、前記第１測定値および前記第２測定値に前記第３測定値を対応付けた一対のデータ対を機械学習することによって調整された学習済みパラメータを含む
   検査装置。
5. 請求項２乃至４の何れか一項に記載の検査装置において、
   前記補正部は、前記推定部によって算出した前記第３測定値の推定値と前記データ取得部によって取得した前記第３測定値との誤差を算出し、前記誤差が閾値より小さい場合に、前記補正処理を行う
   検査装置。
6. ４端子法によって測定した測定対象物の直流抵抗の第１測定値と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値とを取得するデータ取得部と、
   前記第１測定値および前記第２測定値と前記第３測定値との対応関係を示す第１モデルを記憶する記憶部と、
   前記記憶部に記憶された前記第１モデルに基づいて、前記データ取得部によって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値を算出する推定部と、
   前記推定部によって算出した前記第３測定値の推定値と前記データ取得部によって取得した前記第３測定値との誤差を算出し、前記誤差が閾値より小さい場合に、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する補正処理を行う補正部と、を備える
   検査装置。
7. 請求項６に記載の検査装置において、
   前記第１モデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第２モデルと、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第３モデルとを含み、
   前記補正部は、前記補正処理として、前記データ取得部によって取得した前記第１測定値および前記第２測定値に基づいて前記第２モデルにしたがって前記２端子法による測定系に起因する抵抗成分を算出するとともに当該２端子法による測定系に起因する抵抗成分に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する
   検査装置。
8. ４端子法によって測定した測定対象物の直流抵抗の第１測定値、および２端子法によって測定した前記測定対象物の直流抵抗の第２測定値に、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値を対応付けた学習用測定データを取得する学習用測定データ取得部と、
   前記学習用測定データを機械学習することにより、前記第１測定値および前記第２測定値を含む入力データに基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデルを生成する学習済みモデル生成部と、を備え、
   前記学習済みモデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第１回帰モデルと、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第２回帰モデルとの和によって表される
   学習済みモデル生成装置。
9. 請求項８に記載の学習済みモデル生成装置において、
   前記学習済みモデル生成部は、前記学習用測定データを機械学習することにより、前記第１回帰モデルおよび前記第２回帰モデルの学習済みパラメータを調整する
   学習済みモデル生成装置。
10. ４端子法によって測定した測定対象物の直流抵抗の第１測定値と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値とを取得する第１ステップと、
    入力した前記第１測定値および前記第２測定値に基づいて前記第３測定値を推定するようにコンピュータを機能させるための学習済みモデルに基づいて、前記第１ステップによって取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値を算出する第２ステップと、
    前記第３測定値の推定値に応じて、前記第１ステップにおいて取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する第３ステップと、を含み、
    前記学習済みモデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第１モデルと、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第２モデルとの和によって表される
    検査方法。
11. ４端子法によって測定した測定対象物の直流抵抗の第１測定値と、２端子法によって測定した前記測定対象物の直流抵抗の第２測定値と、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値とを取得する第１ステップと、
    前記第１測定値および前記第２測定値と前記第３測定値との対応関係を示す第１モデルに基づいて、前記第１ステップにおいて取得した前記第１測定値および前記第２測定値に対応する前記第３測定値の推定値を算出する第２ステップと、
    前記第２ステップにおいて算出した前記第３測定値の推定値と前記第１ステップにおいて取得した前記第３測定値との誤差を算出する第３ステップと、
    前記誤差が閾値より小さい場合に、前記第１ステップにおいて取得した前記第１測定値および前記第２測定値に基づいて前記第３測定値を補正し、補正した第３測定値を前記測定対象物の交流抵抗の値として出力する第４ステップと、
    前記誤差が前記閾値より大きい場合に、前記第１ステップにおいて取得した前記第３測定値を前記測定対象物の交流抵抗の値として出力する第５ステップと、を含む
    検査方法。
12. コンピュータに、請求項１０または１１に記載の検査方法における各ステップを実行させる
    検査用プログラム。
13. ４端子法によって測定した測定対象物の直流抵抗の第１測定値、および２端子法によって測定した前記測定対象物の直流抵抗の第２測定値に、２端子法によって測定した前記測定対象物の交流抵抗の第３測定値を対応付けた学習用測定データを取得する第１ステップと、
    前記第１ステップにおいて取得した前記学習用測定データを機械学習することにより、前記第１測定値および前記第２測定値を含む入力データに基づいて前記第３測定値を算出するようにコンピュータを機能させるための学習済みモデルを生成する第２ステップと、
    を含み、
    前記学習済みモデルは、前記第１測定値と前記第２測定値とを説明変数とし、２端子法による測定系に起因する抵抗成分の値を目的変数とする第１モデルと、前記第１測定値を説明変数とし、前記測定対象物に起因する抵抗成分の値を目的変数とする第２モデルとの和によって表される
    学習済みモデル生成方法。
14. コンピュータに、請求項１３に記載の学習済みモデル生成方法における各ステップを実行させる
    学習済みモデル生成用プログラム。

Images