JP7489618B2 - Placement support method, trained model generation method, program, placement support system, and work system - Google Patents
Placement support method, trained model generation method, program, placement support system, and work system Download PDFInfo
- Publication number
- JP7489618B2 JP7489618B2 JP2021558353A JP2021558353A JP7489618B2 JP 7489618 B2 JP7489618 B2 JP 7489618B2 JP 2021558353 A JP2021558353 A JP 2021558353A JP 2021558353 A JP2021558353 A JP 2021558353A JP 7489618 B2 JP7489618 B2 JP 7489618B2
- Authority
- JP
- Japan
- Prior art keywords
- placement
- mounting
- supply unit
- supply units
- components
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 212
- 230000008707 rearrangement Effects 0.000 claims description 111
- 230000002787 reinforcement Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 description 37
- 238000004088 simulation Methods 0.000 description 32
- 230000006870 function Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 19
- 239000000758 substrate Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000009795 derivation Methods 0.000 description 5
- 229910000679 solder Inorganic materials 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000005476 soldering Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000006071 cream Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/04—Mounting of components, e.g. of leadless components
- H05K13/0417—Feeding with belts or tapes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41845—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by system universality, reconfigurability, modularity
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/02—Feeding of components
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K13/00—Apparatus or processes specially adapted for manufacturing or adjusting assemblages of electric components
- H05K13/08—Monitoring manufacture of assemblages
- H05K13/085—Production planning, e.g. of allocation of products to machines, of mounting sequences at machine or facility level
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/047—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators the criterion being a time optimal performance criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31094—Data exchange between modules, cells, devices, processors
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Supply And Installment Of Electrical Components (AREA)
Description
本開示は、一般に配置支援方法、学習済みモデルの生成方法、プログラム、配置支援システム及び作業システムに関する。より詳細には、複数の供給部に供給された複数の部品を対象物に実装する部品実装システムについて、複数の供給部における複数の部品の配置の決定を支援する配置支援方法、学習済みモデルの生成方法、プログラム、配置支援システム及び作業システムに関する。The present disclosure generally relates to a placement assistance method, a method for generating a trained model, a program, a placement assistance system, and a work system. More specifically, the present disclosure relates to a placement assistance method, a method for generating a trained model, a program, a placement assistance system, and a work system that assist in determining the placement of multiple components at multiple supply units for a component mounting system that mounts multiple components supplied to multiple supply units on a target object.
特許文献1には、部品実装ラインにおいて、ライン実装タクト又はラインの稼働率が低下しないように監視し、低下の要因を分析し取り除くことによりライン全体の高い生産効率を維持するための稼働分析装置が記載されている。
この稼働分析装置では、部品実装ラインの中で実装タクト実績値が最大の部品実装機であるネック部品実装機において、そのネック部品実装機の実装タクト実績値であるライン実装タクトが目標値に達しない原因を解消するために、タクトロスを減少させる部品供給装置の配列又は部品実装順にする最適化を行う。これにより、例えば、原因が、各部品実装機の実装タクト実績値のアンバランスにあるのであれば、部品の各実装機への振り分けの補正を行うことで、タクトロスを減少させ、ライン実装タクトを目標値に維持することができる。 In this operation analysis device, in order to eliminate the cause of the line mounting tact, which is the mounting tact actual value of the bottleneck component mounter that has the largest mounting tact actual value in the component mounting line, not reaching the target value, the arrangement of component supply devices or the component mounting order are optimized to reduce tact loss. As a result, if the cause is, for example, an imbalance in the mounting tact actual values of each component mounter, the allocation of components to each mounter can be corrected to reduce tact loss and maintain the line mounting tact at the target value.
しかし、特許文献1では、部品の各実装機への振り分けの補正をするにしても、各実装機に部品をどのように振り分けるのか明確には開示されておらず、部品の配置(振り分けを含む)に関しては改善が求められる。However, even if
本開示は上記事由に鑑みてなされており、改善された部品の配置の提案が可能な配置支援方法、学習済みモデルの生成方法、プログラム、配置支援システム及び作業システムを提供することを目的とする。 The present disclosure has been made in consideration of the above-mentioned reasons, and aims to provide a placement assistance method capable of proposing improved part placement, a method for generating a trained model, a program, a placement assistance system, and an operation system.
本開示の一態様に係る配置支援方法は、部品実装システムに関して、複数の供給部における複数の部品の配置の決定を支援する方法であって、取得ステップと、提案ステップと、を有する。前記部品実装システムは、前記複数の供給部に供給された前記複数の部品を対象物に実装することで生成物を生成するシステムである。前記取得ステップは、前記生成物に含まれる前記複数の部品に関する実装データを取得するステップである。前記提案ステップは、学習済みモデルを用いて、前記部品実装システムでの前記生成物の生成に要する実装時間を短くするように、前記実装データから、前記複数の供給部に対する前記複数の部品の配置を提案するステップである。前記学習済みモデルは、前記複数の供給部のうちの少なくとも1つの供給部の特徴に対応付けて生成されたモデルである。 A placement assistance method according to one aspect of the present disclosure is a method for assisting in the determination of placement of multiple components in multiple supply units in a component mounting system, and includes an acquisition step and a proposal step. The component mounting system is a system that generates a product by mounting the multiple components supplied to the multiple supply units on an object. The acquisition step is a step of acquiring mounting data related to the multiple components included in the product. The proposal step is a step of proposing, using a trained model, a placement of the multiple components for the multiple supply units from the mounting data so as to shorten the mounting time required to generate the product in the component mounting system. The trained model is a model generated in correspondence with the characteristics of at least one of the multiple supply units.
本開示の一態様に係る学習済みモデルの生成方法は、前記配置支援方法に用いられる学習済みモデルを、前記複数の供給部のうちの少なくとも1つの供給部の特徴に対応付けて生成する。A method for generating a trained model according to one aspect of the present disclosure generates a trained model to be used in the placement assistance method by associating it with the characteristics of at least one of the multiple supply units.
本開示の一態様に係るプログラムは、前記配置支援方法又は前記学習済みモデルの生成方法を、1以上のプロセッサに実行させるためのプログラムである。 A program relating to one aspect of the present disclosure is a program for causing one or more processors to execute the placement assistance method or the method for generating the trained model.
本開示の一態様に係る配置支援システムは、部品実装システムに関して、複数の供給部における複数の部品の配置の決定を支援するシステムであって、取得部と、提案部と、を備える。前記部品実装システムは、前記複数の供給部に供給された前記複数の部品を対象物に実装することで生成物を生成するシステムである。前記取得部は、前記生成物に含まれる前記複数の部品に関する実装データを取得する。前記提案部は、学習済みモデルを用いて、前記部品実装システムでの前記生成物の生成に要する実装時間を短くするように、前記実装データから、前記複数の供給部に対する前記複数の部品の配置を提案する。前記学習済みモデルは、前記複数の供給部のうちの少なくとも1つの供給部の特徴に対応付けられたモデルである。 A placement assistance system according to one aspect of the present disclosure is a system for assisting in determining the placement of multiple components at multiple supply units in a component mounting system, and includes an acquisition unit and a proposal unit. The component mounting system is a system that generates a product by mounting the multiple components supplied to the multiple supply units on a target object. The acquisition unit acquires mounting data related to the multiple components included in the product. The proposal unit uses a trained model to propose a placement of the multiple components for the multiple supply units from the mounting data so as to shorten the mounting time required to generate the product in the component mounting system. The trained model is a model associated with the characteristics of at least one of the multiple supply units.
本開示の一態様に係る作業システムは、前記配置支援システムと、前記部品実装システムと、を備える。前記部品実装システムは、前記配置支援システムで提案された前記複数の部品の配置で用いられ、前記生成物を生成する。A working system according to one aspect of the present disclosure includes the placement assistance system and the component mounting system. The component mounting system is used to place the multiple components proposed by the placement assistance system to generate the product.
(実施形態1)
以下、本実施形態に係る配置支援方法、プログラム、配置支援システム20(図3参照)及び作業システム200(図3参照)について、図1~図7を参照して説明する。
(Embodiment 1)
Hereinafter, the placement assistance method, the program, the placement assistance system 20 (see FIG. 3), and the work system 200 (see FIG. 3) according to this embodiment will be described with reference to FIGS. 1 to 7. FIG.
(1)概要
本実施形態に係る配置支援方法は、図1に示すように、部品実装システム100に関して、複数の供給部3における複数の部品P1の配置を支援する配置支援方法である。部品実装システム100は、部品実装システム100で使用する部品P1を供給するための複数の供給部3を有しており、これら複数の供給部3に供給された複数の部品P1を対象物P2に実装することで生成物P3を生成する。
1, the placement assistance method according to this embodiment is a placement assistance method that supports the placement of multiple components P1 in
すなわち、部品実装システム100は、図1に示すように、部品P1を対象物P2に実装するための実装機(実装装置)10を、少なくとも1台備えている。実装機10は、部品P1を捕捉するための捕捉部41(図1参照)を有している。捕捉部41は、一例として吸着ノズルからなり、部品P1を、解放(つまり捕捉を解除)可能な状態で捕捉(保持)する。実装機10は、供給部3に供給された部品P1を捕捉部41にて捕捉し、部品P1を捕捉した状態の捕捉部41を移動させ、対象物P2上で部品P1を解放することで部品P1を対象物P2の実装面に実装する。That is, as shown in FIG. 1, the
本実施形態では一例として、部品実装システム100は、複数台(図1の例では4台)の実装機10が連結されて構成された実装ラインである。言い換えれば、部品実装システム100は、互いに連結されて実装ラインを構成する複数台の実装機10を備えている。このような部品実装システム100(実装ライン)においては、例えば、1つの対象物P2に対して、複数台の実装機10が部品P1を順次実装することで、最終的に、複数の部品P1が実装された生成物P3が生成される。In this embodiment, as an example, the
複数台の実装機10の各々は、少なくとも1つの供給部3を有しており、供給部3に供給された部品P1を実装する。つまり、各実装機10は、自身の供給部3に供給された1つ以上の部品P1を対象物P2に実装する。図1の例では、複数台の実装機10の各々は、複数(ここでは2つ)の供給部3を有している。本実施形態では、部品実装システム100は複数台の実装機10を備えるので、仮に、複数台の実装機10の各々が供給部3を1つずつ有するとしても、部品実装システム100全体としてみれば、複数の供給部3が存在することになる。Each of the
部品実装システム100は、例えば、工場、研究所、事務所及び教育施設等の施設において、電子機器、自動車、衣料品、食料品、医薬品及び工芸品等の種々の製品の製造のための作業に用いられる。The
このような部品実装システム100においては、複数台の実装機10に設けられている複数の供給部3における複数の部品P1の配置のパターンは、多数存在する。つまり、複数の部品P1について、各々を複数台の実装機10のうちのいずれの実装機10の供給部3に配置するかを選択できるので、部品P1の個数が例えば数百個ともなれば、複数の供給部3における複数の部品P1の配置のパターンは膨大になる。そして、複数の供給部3における複数の部品P1の配置によって、部品実装システム100での生成物P3の生成に要する実装時間は大きく変動する。例えば、複数の部品P1を複数台の実装機10にどのように振り分けるかによっても、実装時間は大きく変動する。このように、複数の供給部3における複数の部品P1の配置は、部品実装システム100の実装時間にかかわる重要なファクタでありながら、配置のパターンが多数存在することもあって、適切な配置を見出す作業は非常に困難である。In such a
そこで、本実施形態に係る配置支援方法は、上述したような部品実装システム100における複数の供給部3における複数の部品P1の配置を決定する作業を支援する。この配置支援方法によれば、より適切な配置を、より簡単に(短時間で)見出すことが可能となり、例えば、熟練者等の手を借りなくても、複数の供給部3における複数の部品P1の配置を決定することが可能となる。Therefore, the placement assistance method according to this embodiment assists in the task of determining the placement of multiple components P1 in
すなわち、本実施形態に係る配置支援方法は、部品実装システム100に関して、複数の供給部3における複数の部品P1の配置を提案する方法である。部品実装システム100は、複数の供給部3に供給された複数の部品P1を対象物P2に実装することで生成物P3を生成する。ここで、本実施形態に係る配置支援方法は、更に下記3つの機能を採用し、改善された部品P1の配置の提案を可能とする。
In other words, the placement assistance method according to this embodiment is a method for proposing a placement of multiple components P1 in
1つ目の機能は、学習済みモデルM1(図3参照)を用いた配置の提案である。1つ目の機能を実現するために、配置支援方法は、取得ステップと、提案ステップと、を有している。取得ステップは、実装データD1(図3参照)を取得するステップである。実装データD1は、生成物P3に含まれる複数の部品P1に関するデータである。提案ステップは、学習済みモデルM1を用いて、実装時間を短くするように、実装データD1から、複数の供給部3に対する複数の部品P1の配置を提案するステップである。学習済みモデルM1は、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。実装時間は、部品実装システム100での生成物P3の生成に要する時間である。
The first function is to propose a placement using the trained model M1 (see FIG. 3). To realize the first function, the placement support method has an acquisition step and a proposal step. The acquisition step is a step of acquiring mounting data D1 (see FIG. 3). The mounting data D1 is data regarding multiple components P1 included in the product P3. The proposal step is a step of proposing a placement of multiple components P1 for
このように、1つ目の機能では、配置支援方法は、提案ステップにて、学習済みモデルM1を用いて、複数の供給部3に対する複数の部品P1の配置を提案する。すなわち、提案ステップでは、一義的に決められた配置を提案するのではなく、例えば、熟練者が行うような配置の「決め方」のスキルを学習済みモデルM1で実現することにより、適切な配置を、より簡単に見出すことが可能である。特に、学習済みモデルM1は、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルであるので、例えば、実装機10の性能又は仕様等を考慮して、複数の部品P1の配置が提案される。したがって、この配置支援方法では、改善された部品P1の配置の提案が可能である。
In this way, in the first function, the placement support method uses the trained model M1 in the proposal step to propose the placement of multiple components P1 for
2つ目の機能は、多段方式の部品P1の振り分けである。2つ目の機能を実現するために、配置支援方法は、一次提案ステップと、二次提案ステップと、を有している。一次提案ステップは、複数の一次グループG11,G12(図6参照)に対する複数の部品P1の配置を提案するステップである。二次提案ステップは、一次提案ステップの後で、複数の一次グループG11,G12の各々を、複数の二次グループG21~G24(図6参照)に分類した場合の、複数の二次グループG21~G24に対する複数の部品P1の配置を提案するステップである。複数の二次グループG21~G24の各々は、複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。The second function is the allocation of parts P1 in a multi-stage manner. To achieve the second function, the placement support method has a primary proposal step and a secondary proposal step. The primary proposal step is a step of proposing the placement of multiple parts P1 for multiple primary groups G11, G12 (see FIG. 6). The secondary proposal step is a step of proposing the placement of multiple parts P1 for multiple secondary groups G21 to G24 when each of the multiple primary groups G11, G12 is classified into multiple secondary groups G21 to G24 (see FIG. 6) after the primary proposal step. Each of the multiple secondary groups G21 to G24 includes at least one
ここにおいて、2つ目の機能における一次提案ステップ及び二次提案ステップは、1つ目の機能における提案ステップに含まれている。言い換えれば、提案ステップは、一次提案ステップと二次提案ステップとを含んでいる。Here, the primary proposal step and the secondary proposal step in the second function are included in the proposal step in the first function. In other words, the proposal step includes the primary proposal step and the secondary proposal step.
このように、2つ目の機能では、複数の部品P1の配置の提案が、複数の一次グループG11,G12に部品P1を配置する一次提案ステップと、更に細かい複数の二次グループG21~G24に部品P1を配置する二次提案ステップと、に分かれている。要するに、複数の部品P1の配置が、1段階の処理ではなく、階層的に設定された複数段階の処理で実現されるため、各段階において、複数の部品P1の適切な配置を導き出すための選択肢を少なく抑えることができる。その結果、各段階での複数の部品P1の配置を提案するための処理を簡略化することができる。したがって、この配置支援方法では、改善された部品P1の配置の提案が可能である。 Thus, in the second function, the proposal for the placement of multiple parts P1 is divided into a primary proposal step in which parts P1 are placed in multiple primary groups G11 and G12, and a secondary proposal step in which parts P1 are placed in multiple smaller secondary groups G21 to G24. In short, the placement of multiple parts P1 is achieved not in a single stage process but in a hierarchically set multi-stage process, so that at each stage, the number of options for deriving an appropriate placement of multiple parts P1 can be kept small. As a result, the process for proposing the placement of multiple parts P1 at each stage can be simplified. Therefore, this placement support method makes it possible to propose an improved placement of parts P1.
3つ目の機能は、再配置である。3つ目の機能を実現するために、配置支援方法は、提案ステップと、特定ステップと、再配置ステップと、を有している。提案ステップは、複数の供給部3に対する複数の部品P1の配置を提案するステップである。特定ステップは、複数の供給部3のうち、ある供給部3を対象供給部として特定するステップである。対象供給部として特定される供給部3は、提案ステップで提案された複数の部品P1の配置を採用した場合に、部品実装システム100での生成物P3の生成に要する時間に関して特定条件を満たす供給部3である。再配置ステップは、対象供給部と、参照供給部とに対して、複数の部品P1の配置を提案するステップである。参照供給部は、複数の供給部3のうちの対象供給部以外の少なくとも1つの供給部3からなる。
The third function is rearrangement. To realize the third function, the placement support method has a proposal step, a specification step, and a rearrangement step. The proposal step is a step of proposing the placement of multiple components P1 for
このように、3つ目の機能では、提案ステップで提案された複数の部品P1の配置が最適でない場合でも、再配置ステップにて、新たな複数の部品P1の配置を提案することができる。しかも、再配置ステップでの再配置の対象となる供給部3は、提案ステップで提案された配置を採用した場合に、複数の供給部3のうち、部品実装システム100での生成物P3の生成に要する時間に関して特定条件を満たす対象供給部である。つまり、再配置ステップでは、提案ステップで提案された配置のうち、特に、部品実装システム100での生成物P3の生成に要する時間に関してある条件を満たすような供給部3の配置について、再提案できる。したがって、この配置支援方法では、改善された部品P1の配置の提案が可能である。
In this way, in the third function, even if the placement of the multiple components P1 proposed in the proposal step is not optimal, a new placement of the multiple components P1 can be proposed in the rearrangement step. Moreover, the
また、本実施形態に係る配置支援方法は、一例として、配置支援システム20にて実行される。言い換えれば、配置支援システム20は、上述した配置支援方法を具現化するための一態様である。つまり、配置支援システム20は、部品実装システム100に関して、複数の供給部3における複数の部品P1の配置の決定を支援する。部品実装システム100は、上述したように、複数の供給部3に供給された複数の部品P1を対象物P2に実装することで生成物P3を生成するシステムであって、本実施形態では一例として、実装ラインである。
In addition, the placement assistance method according to this embodiment is executed by a
ここにおいて、配置支援システム20は、1以上のプロセッサ及び1以上のメモリを有するコンピュータシステムを主構成とする。言い換えれば、本実施形態に係る配置支援方法は、コンピュータシステム(配置支援システム20)上で用いられる。つまり、配置支援方法は、プログラムでも具現化可能である。本実施形態に係るプログラムは、本実施形態に係る配置支援方法を、1以上のプロセッサに実行させるためのプログラムである。
Here, the
さらに、本実施形態に係る作業システム200は、配置支援システム20と、部品実装システム100と、を備えている。部品実装システム100は、配置支援システム20で提案された複数の部品P1の配置で用いられ、生成物P3を生成するシステムである。Furthermore, the
(2)詳細
以下、本実施形態に係る配置支援方法、プログラム、配置支援システム20及び作業システム200の詳細について、説明する。
(2) Details The placement assistance method, the program, the
(2.1)前提
本実施形態では、部品実装システム100が、工場での電子機器の製造に用いられる場合について説明する。一般的な電子機器は、例えば、電源回路及び制御回路等の各種の回路ブロックを有している。これらの回路ブロックの製造にあたっては、一例として、はんだ塗布工程、実装工程、及びはんだ付け工程が、この順で行われる。はんだ塗布工程では、基板(プリント配線板を含む)にクリーム状はんだが塗布(又は印刷)される。実装工程では、基板に部品P1(電子部品を含む)が実装(搭載)される。はんだ付け工程では、例えば、部品P1が実装された状態の基板を、リフロー炉にて加熱することにより、クリーム状はんだを溶かしてはんだ付けが行われる。
(2.1) Premise In this embodiment, a case will be described in which the
部品実装システム100は、実装工程において、対象物P2である基板に対して、複数の部品P1(電子部品)を実装する作業を行う。これにより、部品実装システム100にて、複数の部品P1が実装された基板(対象物P2)からなる生成物P3が生成される。言い換えれば、生成物P3は、対象物P2(ここでは基板)と、対象物P2に実装された複数の部品P1と、を含んでいる。In the mounting process, the
本実施形態では一例として、表面実装技術(SMT:Surface Mount Technology)による部品(部品P1)の実装に、部品実装システム100が用いられる場合について説明する。つまり、部品P1としての部品は、表面実装用の部品(SMD:Surface Mount Device)であって、対象物P2としての基板の表面(実装面)上に配置されることをもって実装される。ただし、この例に限らず、挿入実装技術(IMT:Insertion Mount Technology)による部品(部品P1)の実装に、部品実装システム100が用いられてもよい。この場合には、部品P1としての部品は、リード端子を有する挿入実装用の部品であり、対象物P2としての基板の孔にリード端子を挿入することをもって、基板(対象物P2)の表面(実装面)上に実装される。In this embodiment, as an example, a case will be described in which the
また、本開示でいう「供給部」は、部品実装システム100のうち、部品実装システム100で使用する部品P1を供給するための部位(箇所)である。部品実装システム100は、複数の供給部3を有しており、個々の供給部3に供給される部品P1を用いて実装作業を行う。例えば、供給部3は、部品P1を供給するためのテープフィーダを装着可能に構成されている。テープフィーダは、複数の部品P1を収容したキャリアテープのリールが取り付けられることにより、これら複数の部品P1を、供給部3から部品実装システム100に供給可能とする。この種の供給部3は、テープフィーダを取付可能なスロットを複数含んでおり、これら複数のスロットに複数のテープフィーダが取り付けられることにより、部品実装システム100(実装機10)に複数の部品P1が供給される。本実施形態では一例として、供給部3は、複数のスロットの集合からなる「テーブル」であることと仮定する。ここでいう「テーブル」は、仮想的なテーブルであって、実体を伴わない。
In addition, the "supply unit" in this disclosure is a portion (location) of the
以下では一例として、互いに直交するX軸、Y軸及びZ軸の3軸を設定し、対象物P2である基板の表面に平行な軸を「X軸」及び「Y軸」とし、基板の厚み方向に平行な軸を「Z」軸とする。特に、「X軸」は、部品実装システム100における複数台の実装機10が並ぶ方向に沿った軸である。さらに、対象物P2である基板から見た捕捉部41側を、Z軸の正の向き(「上方」ともいう)と規定する。また、Z軸の正の向き(上方)から見た状態を、以下では「平面視」ともいう。X軸、Y軸、及びZ軸は、いずれも仮想的な軸であり、図面中の「X」、「Y」、「Z」を示す矢印は、説明のために表記しているに過ぎず、いずれも実体を伴わない。また、これらの方向は部品実装システム100の使用時の方向を限定する趣旨ではない。In the following, as an example, three mutually orthogonal axes, the X-axis, the Y-axis, and the Z-axis, are set, and the axes parallel to the surface of the substrate, which is the object P2, are the "X-axis" and "Y-axis", and the axis parallel to the thickness direction of the substrate is the "Z" axis. In particular, the "X-axis" is an axis along the direction in which the multiple mounting
また、本開示でいう部品P1の「配置」の提案は、複数の供給部3における複数の部品P1の配置に関する種々の項目の提案を含み、例えば、部品P1の振り分け、及び部品P1の配列の提案の両方を含む。複数の部品P1の振り分けは、複数の部品P1を複数に分割して、分割後の1つ以上の部品P1を、複数の供給部3(本実施形態ではテーブル)のいずれかに割り当てることを意味する。つまり、振り分けでは、1つの供給部3内に複数の部品P1が割り当てられる場合、これら複数の部品P1の並び順までは規定されない。一方、複数の部品P1の配列の提案は、複数の部品P1を複数に分割して、分割後の1つ以上の部品P1を、複数の供給部3(本実施形態ではテーブル)のいずれかに割り当て、かつ各供給部3内での並び順(配列)まで規定することを意味する。よって、本実施形態のように、供給部3が複数のスロットの集合からなる「テーブル」である場合、部品P1の配列としては、1つの供給部3(テーブル)に含まれる複数のスロットのいずれのスロットにいずれの部品P1が対応するかが規定される。つまり、配列の提案では、1つの供給部3内に複数の部品P1が割り当てられる場合、これら複数の部品P1の並び順まで規定されることになる。
In addition, the proposal of the "placement" of the parts P1 in this disclosure includes proposals of various items related to the placement of the parts P1 in the
本実施形態では一例として、配置支援方法又は配置支援システム20が行う部品P1の「配置」の提案は、部品P1の振り分け、及び部品P1の配列の提案のうち、部品P1の振り分けのみであることと仮定する。すなわち、本実施形態に係る配置支援方法又は配置支援システム20では、複数の部品P1を複数に分割して、分割後の1つ以上の部品P1を、複数の供給部3のいずれかに割り当てるのであって、分割後の1つ以上の部品P1の並び順までは規定しない。
In this embodiment, as an example, it is assumed that the "placement" proposal of part P1 made by the placement support method or
また、本開示でいう配置の「提案」の態様は、部品P1の配置の導出結果を人又は外部システムに対して出力する態様と、部品P1の配置の導出結果に従って、実際に、複数の供給部3における複数の部品P1の配置を決定する態様と、の両方を含む。前者の態様によれば、配置支援方法又は配置支援システム20から部品P1の配置の導出結果を受けた人又は外部システムにおいては、あくまで部品P1の配置の提案(示唆)を受けるだけであって、この導出結果を採用するか否かを判断することになる。後者の態様によれば、配置支援方法又は配置支援システム20から部品P1の配置の導出結果は、人又は外部システムの判断を介すことなく、部品実装システム100にそのまま採用されることになる。
In addition, the aspect of "proposing" the placement in this disclosure includes both an aspect in which the derivation result of the placement of component P1 is output to a person or an external system, and an aspect in which the placement of multiple components P1 in
また、本開示でいう供給部3の「特徴」は、例えば、供給部3が設けられている実装機10に関する特徴等を含む。実装機10に関する特徴は、例えば、速度(最高実装速度)、捕捉部41の数(ノズル数)、供給部3の数、捕捉部41の種類、スロットの数、実装ヘッド4の数及び機種等のように、実装機10の種類、性能、特性又は仕様を含む。「捕捉部41の数」は、1つの実装ヘッド4に装着可能な捕捉部41の最大数を意味する。「捕捉部41の種類」には、例えば、部品P1を吸着する吸着ノズル、及び部品P1を挟む(摘む)メカチャック等がある。「スロットの数」は、1つの供給部3(又は1台の実装機10)におけるスロットの数を意味し、言い換えれば、1つの供給部3(又は1台の実装機10)に装着可能なテープフィーダの最大個数を意味する。
In addition, the "characteristics" of the
また、本開示でいう実装機10の「速度」は、実装機10における最高実装速度、つまり実装機10での部品P1の実装に係る速度の最大値を意味する。つまり、実装機10は、捕捉部41で部品P1を捕捉し、部品P1を捕捉した状態の捕捉部41を移動させて、対象物P2に対して部品P1が実装するように動作する。そのため、例えば、捕捉部41での部品P1の捕捉及び解放(つまり捕捉を解除)の速度、及び捕捉部41の移動速度等によって、実装機10の速度(最高実装速度)は異なることになる。ただし、本実施形態では、速度については、例えば、多機能機(低速機)、中速機及び高速機のように、複数の速度域に分類することで、少しの速度の差であればいずれも「高速機」とする等、同一の速度域とみなすこととする。
In addition, the "speed" of the mounting
また、本開示でいう「特定条件」は、部品実装システム100での生成物P3の生成に要する時間に関して設定される特定の条件である。一例として、部品実装システム100での生成物P3の生成に要する時間(実装時間)が、複数の供給部3の中で最長であること、又は最短であること等が、特定条件となり得る。
Furthermore, the "specific condition" in this disclosure is a specific condition that is set with respect to the time required to generate the product P3 in the
(2.2)部品実装システムの構成
次に、本実施形態に係る配置支援方法が用いられる部品実装システム100の構成について、図1及び図2を参照して説明する。
(2.2) Configuration of Component Mounting System Next, the configuration of a
本実施形態に係る部品実装システム100は、上述したように、実装ラインを構成する複数台(ここでは4台)の実装機10を備えている。複数台の実装機10は、X軸に沿って一列に並べて配置されている。これら複数台の実装機10を区別する場合、複数台の実装機10の各々を、図1に示すように、X軸の負の側から順に、第1の実装機11、第2の実装機12、第3の実装機13、第4の実装機14とも呼ぶ。As described above, the
本実施形態に係る部品実装システム100においては、第1の実装機11が先頭となり、第2の実装機12、第3の実装機13、そして最後尾となる第4の実装機14の順で、複数台の実装機10を通して、対象物P2が移動する。つまり、対象物P2は、X軸の正の向きに移動しながら、複数台の実装機10を順次通過する。部品実装システム100は、対象物P2が複数台の実装機10を通過する間に、各実装機10にて複数の部品P1を対象物P2に実装する。これにより、部品実装システム100は、対象物P2である基板を第1の実装機11側から導入し、複数台の実装機10で対象物P2に対して複数の部品P1(電子部品)の実装を行った上で、第4の実装機14側から生成物P3を排出する。In the
したがって、部品実装システム100は、複数台の実装機10にて部品P1を順次実装することで、最終的に、複数の部品P1が実装された生成物P3を生成することができる。本開示でいう「実装時間」は、部品実装システム100での生成物P3の生成に要する時間であって、例えば、1つの対象物P2が、部品実装システム100に導入されてから、生成物P3として部品実装システム100から排出されるまでの時間である。つまり、対象物P2である1枚の基板が、第1の実装機11に導入された時点から、この基板(対象物P2)に複数の部品P1が実装され、生成物P3として第4の実装機14から排出された時点までの時間が、「実装時間」となる。Therefore, the
本実施形態では、複数台の実装機10の各々は、基本的な構成は共通している。そこで、以下では、特に断りがない限り、第1の実装機11のみについて構成を説明するが、その他の実装機(第2の実装機12、第3の実装機13及び第4の実装機14)についても、基本的には同様の構成を採用していることとする。In this embodiment, each of the multiple mounting
実装機10(第1の実装機11)は、少なくとも1つの供給部3(テーブル)と、少なくとも1つの実装ヘッド4と、を備えている。本実施形態では、実装機10は、2つの供給部3を備えている。2つの供給部3は、実装機10のY軸方向の両端部に位置する。また、実装機10は、2つの実装ヘッド4を備えている。2つの実装ヘッド4は、それぞれ2つの供給部3に一対一に対応するように、実装機10のY軸方向の中心線から見て、Y軸方向の両側に分かれて配置されている。The mounting machine 10 (first mounting machine 11) has at least one supply unit 3 (table) and at least one mounting
つまり、実装機10は、Y軸方向において略対称な構造を有しており、Y軸方向の中心線の両側に、それぞれ実装ヘッド4及び供給部3が配置されている。したがって、実装機10は、2つの実装ヘッド4を個別に駆動することにより、2つの供給部3の間に導入された対象物P2に対して、2つの実装ヘッド4にて、2つの供給部3に供給される部品P1を実装する。In other words, the mounting
このように、本実施形態では、1台の実装機10に2つの実装ヘッド4があるものの、供給部3(テーブル)も2つ設けられているため、1つの供給部3に対して1つの実装ヘッド4が対応する。つまり、各供給部3においては、対応する実装ヘッド4は1つのみであって、供給部3の特徴に含まれている「実装ヘッド4の数」は「1」となる。Thus, in this embodiment, one mounting
実装ヘッド4は、1つ以上の捕捉部41を有している。本実施形態では、第1の実装機11における実装ヘッド4は、複数(一例として16個)の捕捉部41(図1参照)を有している。実装ヘッド4は、捕捉部41にて部品P1(部品)を捕捉した状態で、捕捉部41を対象物P2(基板)に近づけるように移動させ、部品P1を対象物P2の実装面T21に実装する。The mounting
供給部3には、実装ヘッド4の捕捉部41にて捕捉される部品P1が供給される。本実施形態では、上述したように、供給部3は、それぞれテープフィーダを取付可能な複数のスロットの集合からなる「テーブル」である。そのため、供給部3には、スロットの数を上限として、複数のテープフィーダが取付可能である。実装ヘッド4は、供給部3に取り付けられたテープフィーダから、部品P1(部品)を捕捉部41にて捕捉する。
The
また、実装機10は、上記構成に加えて、駆動装置、搬送装置、制御装置及び通信部等を更に備えていてもよい。ただし、駆動装置、搬送装置、制御装置及び通信部等は、実装機10に必須の構成ではない。図1及び図2では、実装機10の構成として、供給部3及び実装ヘッド4以外の構成の図示を適宜省略している。In addition to the above configuration, the mounting
駆動装置は、実装ヘッド4を移動させる装置である。本実施形態では、駆動装置は、X-Y平面内で、実装ヘッド4を移動させる。ここでいう「X-Y平面」は、X軸及びY軸を含む平面であって、Z軸と直交する平面である。言い換えれば、駆動装置は、実装ヘッド4をX軸方向及びY軸方向に移動させる。
The drive device is a device that moves the mounting
搬送装置は、対象物P2としての基板を搬送する装置である。搬送装置は、例えば、ベルトコンベヤ等で実現される。搬送装置は、対象物P2(基板)を、X軸に沿って搬送する。搬送装置は、少なくとも実装ヘッド4の下方、つまりZ軸方向において捕捉部41と対向する実装スペースに、対象物P2を搬送する。そして、搬送装置は、実装ヘッド4による対象物P2(基板)への部品P1(部品)の実装が完了するまでは、実装スペースに対象物P2を停止させる。
The conveying device is a device that conveys a substrate as the object P2. The conveying device is realized, for example, by a belt conveyor. The conveying device conveys the object P2 (substrate) along the X-axis. The conveying device conveys the object P2 to a mounting space at least below the mounting
制御装置は、部品実装システム100の各部を制御する。制御装置は、1以上のプロセッサ及び1以上のメモリを有するマイクロコントローラを主構成とする。すなわち、マイクロコントローラのメモリに記録されたプログラムを、マイクロコントローラのプロセッサが実行することにより、制御装置の機能が実現される。プログラムはメモリにあらかじめ記録されていてもよいし、インターネット等の電気通信回線を通して提供されてもよく、メモリカード等の非一時的記録媒体に記録されて提供されてもよい。The control device controls each part of the
通信部は、直接的、又はネットワーク若しくは中継器等を介して間接的に、上位システムと通信するように構成されている。これにより、実装機10は、上位システムとの間でデータを授受することが可能である。The communication unit is configured to communicate with a higher-level system directly or indirectly via a network or a repeater, etc. This allows the mounting
上述したように構成される実装機10は、複数の部品P1を収容したキャリアテープのリールが装着されたテープフィーダを、供給部3における複数のスロットの各々に取り付けた状態で使用される。これにより、供給部3における複数のスロットの各々には、テープフィーダにてキャリアテープから取り出された部品P1が順次供給される。この状態において、実装機10は、テープフィーダにより供給部3に供給される部品P1を、実装ヘッド4の捕捉部41にて捕捉し、対象物P2上の目標位置へ実装(配置)する動作を、基本動作として実行する。実装機10は、このような基本動作を繰り返し実行する。The mounting
ここで、実装ヘッド4が複数(一例として16個)の捕捉部41を有していれば、実装機10は、1回の基本動作により、複数の部品P1を実装することが可能である。つまり、実装機10は、1回の基本動作において、実装ヘッド4における複数の捕捉部41にて、複数の部品P1をまとめて捕捉することができるので、複数の部品P1をまとめて実装可能である。さらに、複数(一例として2つ)の実装ヘッド4を備える実装機10は、複数の実装ヘッド4を個別に駆動することで、これら複数の実装ヘッド4にて、複数の部品P1を同時に実装可能である。Here, if the mounting
ところで、本実施形態では、部品実装システム100に含まれる複数台の実装機10は、以下に説明するように、一部異なる特徴を有している。ここでは、第1の実装機11及び第2の実装機12は、同一の特徴を有しており、第3の実装機13及び第4の実装機14が、それぞれ第1の実装機11(又は第2の実装機12)とは異なる特徴を有することとする。In this embodiment, the multiple mounting
すなわち、実装機10としては多くの種類、性能、特性又は仕様の個体が存在するため、部品実装システム100を構成する複数台の実装機10においても、互いに異なる特徴を有することがある。具体的には、実装機10によって、例えば、速度(最高実装速度)、捕捉部41の数(ノズル数)、供給部3の数、捕捉部41の種類、スロットの数、実装ヘッド4の数及び機種等が異なる場合がある。That is, since there are many types, performance, characteristics, or specifications of mounting
本実施形態において、複数台(ここでは4台)の実装機10で異なる特徴としては、速度、捕捉部41の数、捕捉部41の種類及び機種等がある。一例として、「速度」については、第1の実装機11及び第2の実装機12が「高速機」であるのに対して、第3の実装機13は「中速機」、第4の実装機14は「多機能機」である。「捕捉部41の数」については、第1の実装機11及び第2の実装機12が「16」であるのに対して、第3の実装機13は「8」、第4の実装機14は「3」である。In this embodiment, the different characteristics of the multiple (here, four) mounting
一方、複数台(ここでは4台)の実装機10において共通の特徴としては、供給部3の数、スロットの数及び実装ヘッド4の数等がある。一例として、「供給部3の数」については、上述した通り、いずれの実装機10も「2」である。同様に、一例として、「実装ヘッド4の数」についても、上述した通り、いずれの実装機10も「2」である。また、「スロットの数」については、いずれの実装機10も「60」であると仮定する。On the other hand, common features of multiple (here, four) mounting
ただし、「捕捉部41の数」は1つの実装ヘッド4における捕捉部41の数を表しているため、2つの実装ヘッド4を備える実装機10単位でみれば、上記の2倍の捕捉部41を有することになる。例えば、第1の実装機11全体での捕捉部41の数は「32」である。同様に、「スロットの数」は1つの供給部3におけるスロットの数を表しているため、2つの供給部3を備える実装機10単位でみれば、上記の2倍のスロットを有することになる。例えば、第1の実装機11全体でのスロットの数は「120」である。また、上述したような実装機10の特徴は、たとえ実装機10の機種が同一であっても、例えば、実装機10の細かな仕様が異なる場合、又は経年劣化等により性能が低下した場合等では、異なることがある。However, since the "number of
上述したように、本実施形態では、部品実装システム100が4台の実装機10を備え、かつ各実装機10が2つの供給部3を有するので、部品実装システム100全体としては、8つの供給部3が存在する。これら8つの供給部3を区別する場合には、複数の供給部3の各々を、図2に示すように、第1の供給部31、第2の供給部32、第3の供給部33、第4の供給部34、第5の供給部35、第6の供給部36、第7の供給部37、第8の供給部38とも呼ぶ。第1の供給部31及び第2の供給部32は、第1の実装機11に設けられ、第3の供給部33及び第4の供給部34は、第2の実装機12に設けられている。第5の供給部35及び第6の供給部36は、第3の実装機13に設けられ、第7の供給部37及び第8の供給部38は、第4の実装機14に設けられている。As described above, in this embodiment, the
(2.3)配置支援システムの構成
次に、本実施形態に係る配置支援システム20の構成について、図3を参照して説明する。
(2.3) Configuration of Placement Support System Next, the configuration of the
配置支援システム20は、上述したように、部品実装システム100に関して、複数の供給部3における複数の部品P1の配置の決定を支援するシステムである。本実施形態では、上述したように部品実装システム100全体としては、第1の供給部31~第8の供給部38の8つの供給部3が存在する。そこで、本実施形態に係る配置支援システム20は、これら8つの供給部3における複数の部品P1の配置を決定するために用いられる。As described above, the
配置支援システム20は、図3に示すように、取得部21と、提案部22と、特定部23と、再配置部24と、出力部25と、シミュレーション部26と、モデル格納部27と、を備えている。本実施形態では、配置支援システム20は、上述したように、1以上のプロセッサ及び1以上のメモリを有するコンピュータシステムを主構成とする。配置支援システム20のうち、少なくとも取得部21、提案部22、特定部23、再配置部24、出力部25及びシミュレーション部26の機能は、1以上のプロセッサがプログラムを実行することによって具現化される。As shown in FIG. 3, the
取得部21は、実装データD1を取得する。実装データD1は、生成物P3に含まれる複数の部品P1に関するデータである。すなわち、実装データD1は、部品実装システム100で実装される複数の部品P1全てに関するデータである。一例として、部品実装システム100で「200個」の部品P1が実装される場合には、実装データD1は、これら「200個」の部品P1の各々に関するデータを含む。実装データD1は、例えば、複数の部品P1の各々についての、品種、品番、仕様、メーカ、サイズ、端子数、端子配置及び回路定数のように、少なくとも複数の部品P1を区別するためのデータを含んでいる。The
提案部22は、複数の供給部3に対する複数の部品P1の配置を提案する。本実施形態では、提案部22は、学習済みモデルM1を用いて、実装時間を短くするように、実装データD1から、複数の供給部3に対する複数の部品P1の配置を提案する。学習済みモデルM1は、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。実装時間は、部品実装システム100での生成物P3の生成に要する時間である。学習済みモデルM1について詳しくは「(3.2)学習済みモデル」の欄で説明する。
The
ここで、本実施形態に係る配置支援システム20(配置支援方法)では、多段方式の部品P1の振り分け(配置の提案)を採用している。そのため、多段方式の振り分けに対応できるように、本実施形態では、提案部22は、複数の処理ブロックを含んでいる。具体的には、提案部22は、一次提案部221と、二次提案部222と、3次提案部223と、を含んでいる。Here, the placement assistance system 20 (placement assistance method) according to this embodiment employs a multi-stage allocation (placement proposal) of the part P1. Therefore, in this embodiment, in order to accommodate the multi-stage allocation, the
一次提案部221は、複数の一次グループG11,G12に対する複数の部品P1の配置を提案する。二次提案部222は、複数の一次グループG11,G12の各々を、より細分化された複数の二次グループG21~G24に分類した場合の、複数の二次グループG21~G24に対する複数の部品P1の配置を提案する。複数の二次グループG21~G24の各々は、複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。三次提案部223は、複数の二次グループG21~G24の各々を、より細分化された複数の三次グループG31~G38(図6参照)に分類した場合の、複数の三次グループG31~G38に対する複数の部品P1の配置を提案する。複数の三次グループG31~G38の各々は、複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。多段方式について詳しくは「(3.3)多段方式」の欄で説明する。The
特定部23は、提案部22で提案された複数の部品P1の配置を採用した場合に、複数の供給部3のうち、ある供給部3を対象供給部として特定する。ここで、対象供給部として特定される供給部3は、部品実装システム100での生成物P3の生成に要する時間に関して特定条件を満たす供給部3である。つまり、特定部23は、部品実装システム100での生成物P3の生成に要する時間に関して、特定条件を満たす供給部3を「対象供給部」として特定する。対象供給部の特定について詳しくは「(3.4)再配置」の欄で説明する。
When the arrangement of the multiple components P1 proposed by the
再配置部24は、対象供給部と、参照供給部とに対して、複数の部品P1の配置を提案する。ここで、参照供給部は、複数の供給部3のうちの対象供給部以外の少なくとも1つの供給部3からなる。そのため、特定部23では、実質的に、複数の供給部3の中から、「対象供給部」としての供給部3と、「参照供給部」としての供給部3と、が抽出される。つまり、特定部23は、複数の供給部3のうち、部品実装システム100での生成物P3の生成に要する時間に関して、特定条件を満たさない供給部3の少なくとも1つを、「対象供給部」として特定する。The
そして、再配置部24は、複数の供給部3のうち、抽出(特定)された対象供給部と参照供給部とを対象として、複数の部品P1の再配置を行う。つまり、再配置部24は、提案部22で一度提案された、対象供給部及び参照供給部に対する複数の部品P1の配置(振り分け)に代えて、新たな配置を提案する。本実施形態では、再配置部24は、対象供給部と参照供給部とについては、複数の部品P1の配置をリセットしてから、複数の部品P1の配置を改めて提案する。再配置について詳しくは「(3.4)再配置」の欄で説明する。The
出力部25は、提案部22と再配置部24との少なくとも一方で生成された配置データD2を出力する。本開示でいう「配置データ」は、提案部22と再配置部24との少なくとも一方で提案された、複数の供給部3に対する複数の部品P1の配置を表すデータである。すなわち、配置データD2は、部品実装システム100で実装される複数の部品P1全てに関して、いずれかの供給部3への振り分けを表すデータである。一例として、部品実装システム100で「200個」の部品P1が実装される場合には、実装データD1は、これら「200個」の部品P1の各々について、複数(ここでは8つ)の供給部3のいずれに配置されるかを特定するデータを含む。The
出力部25での配置データD2の出力の態様としては、例えば、シミュレーション部26への出力、部品実装システム100又はその他のシステムへの送信、表示、音声出力、非一時的記録媒体への記録(書き込み)及び印刷(プリントアウト)等がある。本実施形態では一例として、出力部25は、直接的又は間接的に、配置データD2をシミュレーション部26に出力する。さらに、本実施形態では一例として、出力部25は、直接的又は間接的に、配置データD2を部品実装システム100に出力(送信)する。これにより、部品実装システム100では、配置データD2にて規定される複数の部品P1の配置を採用した、複数の部品P1の実装が可能となる。また、例えば、表示又は音声出力等の態様によれば、出力部25は、作業者等の人に対して配置データD2を出力することが可能である。
The
シミュレーション部26は、部品実装システム100における複数の部品P1を実装する動作を模擬する。ここで、シミュレーション部26は、提案部22と再配置部24との少なくとも一方で提案された複数の部品P1の配置を採用した場合における、部品実装システム100の動作を模擬する。本実施形態では、シミュレーション部26は、出力部25から配置データD2を取得し、この配置データD2に基づいてシミュレーションを行う。このとき、シミュレーション部26は、配置データD2に加えて、部品実装システム100の構成を表す装置データ等を用いて、シミュレーションを実行する。ここでいう「装置データ」は、供給部3の特徴、つまり、供給部3が設けられている実装機10に関する特徴等を含んでいる。The simulation unit 26 simulates the operation of mounting multiple components P1 in the
シミュレーション部26は、少なくとも部品実装システム100での生成物P3の生成に要する「実装時間」を求める。本実施形態では特に、シミュレーション部26は、部品実装システム100に含まれている複数の供給部3の各々についての実装時間を求める。つまり、シミュレーション部26は、複数の供給部3を含む部品実装システム100に関して、供給部3ごとの部品P1の実装に要する実装時間を、シミュレーション結果として求める。シミュレーション部26でのシミュレーション結果は、例えば、出力部25から任意の態様で出力される。本実施形態では、シミュレーション部26でのシミュレーション結果は、少なくとも特定部23に出力され、特定部23での対象供給部の特定に用いられる。The simulation unit 26 determines at least the "mounting time" required to generate the product P3 in the
モデル格納部27は、学習済みモデルM1を格納する。モデル格納部27に格納される学習済みモデルM1は、少なくとも提案部22での部品P1の配置の提案に用いられる。本実施形態では、提案部22だけでなく再配置部24での部品P1の配置の提案にも、モデル格納部27に格納される学習済みモデルM1が用いられる。詳しくは「(3.2)学習済みモデル」の欄で説明するが、学習済みモデルM1は、事前学習にて生成される。しかも、学習済みモデルM1は、部品実装システム100における複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。ここで、部品実装システム100は、互いに異なる特徴を有する複数の供給部3を含んでいるため、学習済みモデルM1も複数種類存在する。そのため、モデル格納部27は、複数(種類)の学習済みモデルM1を格納可能に構成されている。The
また、配置支援システム20は、上記構成に加えて、通信部及びユーザインタフェース等を更に備えていてもよい。ただし、通信部及びユーザインタフェース等は、配置支援システム20に必須の構成ではない。図3では、配置支援システム20の構成として、取得部21、提案部22、特定部23、再配置部24、出力部25、シミュレーション部26及びモデル格納部27以外の構成の図示を適宜省略している。In addition to the above configuration, the
通信部は、直接的、又はネットワーク若しくは中継器等を介して間接的に、部品実装システム100及び/又は上位システムと通信するように構成されている。これにより、配置支援システム20は、部品実装システム100及び/又は上位システムとの間でデータを授受することが可能である。The communication unit is configured to communicate with the
ユーザインタフェースは、例えば、タッチパネルディスプレイを含み、ユーザの操作の受け付けと、ユーザへの情報の提示(表示)を行う。ユーザインタフェースは、タッチパネルディスプレイに限らず、例えば、キーボード、ポインティングデバイス、メカニカルなスイッチ、又はジェスチャセンサ等の入力装置を有していてもよい。また、ユーザインタフェースは、タッチパネルディスプレイに代えて、又はタッチパネルディスプレイと共に、音声入出力部を有していてもよい。The user interface includes, for example, a touch panel display, and accepts user operations and presents (displays) information to the user. The user interface is not limited to a touch panel display, and may include input devices such as a keyboard, a pointing device, a mechanical switch, or a gesture sensor. The user interface may also include a voice input/output unit instead of or in addition to the touch panel display.
ところで、本実施形態に係る配置支援システム20は、上述したように、部品実装システム100と共に作業システム200を構成する。すなわち、本実施形態に係る作業システム200は、図3に示すように、配置支援システム20と、部品実装システム100と、を備えている。部品実装システム100は、配置支援システム20で提案された複数の部品P1の配置で用いられ、生成物P3を生成するシステムである。As described above, the
(3)配置支援方法
以下、本実施形態に係る配置支援方法について、より詳細に説明する。本実施形態では、配置支援方法は、上述したように、学習済みモデルM1を用いた配置の提案、多段方式の部品P1の振り分け、及び再配置といった3つの機能を採用している。そこで、以下では、本実施形態に係る配置支援方法について、基本態様、学習済みモデルM1を用いた配置の提案、多段方式の部品P1の振り分け、及び再配置、の4パートに分けて説明する。
(3) Placement Support Method The placement support method according to this embodiment will be described in more detail below. In this embodiment, as described above, the placement support method employs three functions, namely, placement proposal using the trained model M1, allocation of the parts P1 in a multi-stage manner, and rearrangement. Therefore, the placement support method according to this embodiment will be described below in four parts: a basic mode, placement proposal using the trained model M1, allocation of the parts P1 in a multi-stage manner, and rearrangement.
また、以下では、一例として、240個の部品P1を、下記8つの供給部3に振り分ける場合を想定して説明する。つまり、本実施形態では上述したように、部品実装システム100は、第1の実装機11、第2の実装機12、第3の実装機13及び第4の実装機14の、計4台の実装機10を備えている。さらに、これら4台の実装機10の各々は2つの供給部3を有するので、部品実装システム100全体でみれば、複数(ここでは240個)の部品P1の振り分け先として、計8つの供給部3が存在する。
In the following, as an example, a case will be described in which 240 components P1 are allocated to the following eight
ここで、第1の実装機11及び第2の実装機12は、いずれも捕捉部41の数として「16」という特徴を有することと仮定する。そのため、第1の実装機11に設けられた第1の供給部31及び第2の供給部32、並びに第2の実装機12に設けられた第3の供給部33及び第4の供給部34は、いずれも捕捉部41の数として「16」という特徴を有する。一方、第3の実装機13は、捕捉部41の数として「8」という特徴を有することと仮定する。そのため、第3の実装機13に設けられた第5の供給部35及び第6の供給部36は、いずれも捕捉部41の数として「8」という特徴を有する。さらに、第4の実装機14は、捕捉部41の数として「3」という特徴を有することと仮定する。そのため、第4の実装機14に設けられた第7の供給部37及び第8の供給部38は、いずれも捕捉部41の数として「3」という特徴を有する。Here, it is assumed that the first mounting
ただし、これらの条件は、あくまで配置支援方法を説明するための一つの具体例に過ぎず、配置支援方法の適用範囲を制限する趣旨ではない。However, these conditions are merely a specific example to explain the placement support method and are not intended to limit the scope of application of the placement support method.
(3.1)基本態様
まず、本実施形態に係る配置支援方法の基本態様について、図4A、図4B及び図5を参照して説明する。図4A及び図4Bは、配置支援方法による複数の供給部3における複数の部品P1の配置の提案の様子を示す概念図である。
(3.1) Basic Mode First, a basic mode of the placement support method according to the present embodiment will be described with reference to Fig. 4A, Fig. 4B, and Fig. 5. Fig. 4A and Fig. 4B are conceptual diagrams showing how the placement support method proposes placement of a plurality of components P1 in a plurality of
本実施形態のように、複数(ここでは8つ)の供給部3を持つ部品実装システム100において、複数の供給部3における複数の部品P1の配置のパターンは、多数存在する。特に、本実施形態では、上述したように、各供給部3におけるスロットの数が「60」であるため、部品実装システム100全体としては、480(=60×8)個のスロットが存在する。そのため、部品実装システム100は、最大で480個もの部品P1を実装することができ、実際に実装する部品P1の個数が数百個ともなれば、複数の供給部3における複数の部品P1の配置のパターンは膨大になる。しかも、複数の供給部3における複数の部品P1の配置によって、部品実装システム100での生成物P3の生成に要する実装時間は大きく変動する。In the
つまり、部品実装システム100の構成が同一であったとしても、複数の供給部3における複数の部品P1の配置が異なれば、各部品P1がいずれの実装機10にて実装されるかが異なり、個々の部品P1の実装に要する時間が大きく変動する。したがって、例えば、1つの生成物P3の生成に要する実装時間を短縮するにしても、膨大な数のパターンの中から、適切な複数の部品P1の配置のパターンを見出すことは非常に困難である。そこで、本実施形態に係る配置支援方法は、部品実装システム100における複数の供給部3における複数の部品P1の配置を決定する作業を支援することで、より適切な配置を、より簡単に(短時間で)見出すことを可能とする。In other words, even if the configuration of the
ここにおいて、本実施形態に係る配置支援方法では、上述したように、部品P1の「配置」の提案は、部品P1の振り分け、及び部品P1の配列の提案のうち、部品P1の振り分けのみである。つまり、本実施形態では、複数の部品P1を複数に分割して、分割後の1つ以上の部品P1を、複数の供給部3のいずれかに割り当てるのであって、分割後の1つ以上の部品P1の並び順までは規定しない。Here, as described above, in the placement assistance method according to this embodiment, the proposal for the "placement" of part P1 is only the allocation of part P1 out of the proposals for the allocation and arrangement of part P1. In other words, in this embodiment, multiple parts P1 are divided into multiple parts, and one or more parts P1 after the division are assigned to one of
すなわち、本実施形態に係る配置支援方法は、図4A及び図4Bに示すように、未配置である複数の部品P1を、2つ以上の供給部3に振り分けることを基本態様とする。図4A及び図4Bにおいて、「未配置」と表記した未配置空間Sp0は、いずれの供給部3にも振り分けられていない状態、つまり未配置の状態を模式的に表す仮想空間である。つまり、図4Aにおいて、未配置空間Sp0内に存在する部品P1は、いずれの供給部3にも振り分けられていない状態にある。一方、図4A及び図4Bにおいて、「供給部」と表記した空間は、いずれかの供給部3に振り分けられた状態、つまり配置済みの状態を模式的に表す仮想空間である。つまり、図4Bにおいて、参照符号「31」を付した空間内に存在する部品P1は、第1の供給部31に振り分けられた(割り当てられた)状態にある。同様に、図4Bにおいて、参照符号「32」を付した空間内に存在する部品P1は、第2の供給部32に振り分けられた(割り当てられた)状態にある。That is, the placement support method according to the present embodiment has a basic aspect of allocating a plurality of unplaced parts P1 to two or
本実施形態に係る配置支援方法は、図4Aに示すように、部品実装システム100で実装される複数の部品P1の全てが未配置の状態を初期状態とする。つまり、配置支援方法では、まずは複数の部品P1の全てについて、いずれの供給部3にも振り分けられていない状態とすることにより、図4Aに示すように、複数の部品P1が全て未配置空間Sp0に存在する初期状態を実現する。配置支援方法では、初期状態が実現されると、次に、未配置の状態にある部品P1を1つずつ選択し、選択した部品P1について、いずれの供給部3に振り分ける(割り当てる)か、を決定する。つまり、配置支援方法では、複数の部品P1を1つずつ、いずれかの供給部3に割り当てることにより、複数の部品P1の振り分け先を順次決定する。
In the placement support method according to the present embodiment, as shown in FIG. 4A, the initial state is set to a state in which all of the multiple components P1 mounted by the
そして、部品実装システム100で実装される複数の部品P1の全てがいずれかの供給部3に振り分け(割り当て)られる、つまり未配置の状態の部品P1が無くなることをもって、配置支援方法の基本態様による処理が完了する。要するに、配置支援方法の基本態様によれば、図4Bに示すように、未配置空間Sp0に存在する部品P1が無くなり、複数の部品P1が全て、いずれかの供給部3に振り分けられた(割り当てられた)状態が実現される。Then, all of the multiple components P1 mounted by the
具体的には、例えば、複数の部品P1の各々を識別するための部品識別情報と、複数の供給部3の各々を識別するための供給部識別情報と、を一対一で対応付けることにより、複数の部品P1の振り分けが行われる。一例として、いずれの供給部3にも振り分けられていない部品P1に関しては、部品識別情報に供給部識別情報が対応付けられていないか、又は部品識別情報に対応する供給部識別情報がヌル(null)となる。また、第1の供給部31に振り分けられた部品P1に関しては、部品識別情報に、第1の供給部31の供給部識別情報が対応付けられる。そして、複数の部品P1の全てについて、部品識別情報と供給部識別情報との対応付けが完了することをもって、複数の部品P1が全て、いずれかの供給部3に振り分けられた状態が実現される。複数の部品P1が全て振り分けられた状態における、部品識別情報と供給部識別情報との対応関係を表すデータが、配置データD2となる。つまり、配置データD2は、複数の部品P1の全てについて、供給部識別情報との対応関係を表すことで、いずれかの供給部3への振り分けを表すデータとなる。Specifically, for example, the multiple parts P1 are allocated by associating part identification information for identifying each of the multiple parts P1 with supply unit identification information for identifying each of the
ところで、本実施形態に係る配置支援方法では、このような基本態様に係る部品P1の配置の提案において、学習済みモデルM1を用いている。つまり、配置支援方法の基本態様では、学習済みモデルM1を用いて、複数の供給部3に対する複数の部品P1の配置を提案することになる。学習済みモデルM1は、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。本実施形態に係る配置支援方法では、このような学習済みモデルM1を用いて、部品実装システム100での生成物P3の生成に要する実装時間を短くするように、複数の供給部3に対する複数の部品P1の配置を提案する。詳しくは「(3.2)学習済みモデル」の欄で説明するが、学習済みモデルM1は、強化学習によって生成される。In the placement support method according to this embodiment, the learned model M1 is used to propose the placement of the component P1 according to this basic aspect. In other words, in the basic aspect of the placement support method, the learned model M1 is used to propose the placement of the multiple components P1 for the
また、本実施形態に係る配置支援方法は、図5に示すように、大きく分けて、仮配置のための処理パートS100と、再配置のための処理パートS200と、を有している。そして、配置支援方法は、仮配置のための処理パートS100及び再配置のための処理パートS200のいずれにおいても、上述したような基本態様によって、複数の部品P1の振り分けを提案する。つまり、本実施形態では、仮配置のための処理パートS100及び再配置のための処理パートS200のいずれでも、学習済みモデルM1が用いられることになる。 As shown in Fig. 5, the placement support method according to this embodiment is broadly divided into a processing part S100 for temporary placement and a processing part S200 for rearrangement. In both the processing part S100 for temporary placement and the processing part S200 for rearrangement, the placement support method proposes the allocation of multiple parts P1 according to the basic aspects described above. In other words, in this embodiment, the trained model M1 is used in both the processing part S100 for temporary placement and the processing part S200 for rearrangement.
すなわち、仮配置のための処理パートS100において、複数の部品P1は複数の供給部3に一旦振り分けられる。ただし、少なくとも一部の部品P1が不適切な供給部3に振り分けられた場合、例えば、部品実装システム100での実装時間が長くなる等の不具合につながる可能性がある。そこで、再配置のための処理パートS200では、一旦振り分けられる複数の部品P1について、再度振り分けを行うことで、より適切な配置(振り分け)を提案する。That is, in the processing part S100 for temporary placement, the multiple components P1 are temporarily allocated to
また、仮配置のための処理パートS100において、複数の部品P1を複数の供給部3に振り分けるに際して、供給部3の数が増えれば、学習済みモデルM1の強化学習を行うための探索空間が広くなり、学習済みモデルM1の生成が困難になる。そこで、本実施形態に係る配置支援方法は、仮配置のための処理パートS100においては、多段方式の部品P1の振り分けを採用する。つまり、多段方式の部品P1の振り分けによれば、各段階において、例えば、複数の部品P1を2つのグループに振り分けるだけでも、最終的には、複数の部品P1を4つ以上のグループに振り分けることができる。その結果、各段階の振り分けにおいて学習済みモデルM1を用いながらも、学習済みモデルM1の強化学習を行うための探索空間を狭めることが可能である。
In addition, in the processing part S100 for temporary placement, when multiple parts P1 are allocated to
以上説明したように、本実施形態に係る配置支援方法によれば、例えば、熟練者等の手を借りなくても、複数の供給部3における複数の部品P1の配置を決定することが可能となり、改善された部品P1の配置の提案が可能である。As described above, according to the placement assistance method of this embodiment, it is possible to determine the placement of multiple parts P1 at
また、図5に示すフローチャートは、一例に過ぎず、処理の順番が適宜変更されてもよいし、処理が適宜追加又は削除されてもよい。 In addition, the flowchart shown in Figure 5 is merely an example, and the order of processing may be changed as appropriate, and processing may be added or deleted as appropriate.
(3.2)学習済みモデル
次に、本実施形態に係る配置支援方法のうち、学習済みモデルM1を用いた、複数の部品P1の配置の提案について、図5及び図6を参照してより詳細に説明する。
(3.2) Trained Model Next, the proposal of the placement of multiple components P1 using the trained model M1 in the placement assistance method according to this embodiment will be described in more detail with reference to FIGS. 5 and 6.
配置支援方法は、取得ステップと、提案ステップと、を有している。取得ステップは、実装データD1を取得するステップであって、図5に示すフローチャートの処理S101に相当する。取得ステップは、配置支援システム20の取得部21にて実行される。実装データD1は、生成物P3に含まれる複数の部品P1に関するデータである。提案ステップは、学習済みモデルM1を用いて、実装時間を短くするように、実装データD1から、複数の供給部3に対する複数の部品P1の配置を提案するステップである。提案ステップは、配置支援システム20の提案部22にて実行される。本実施形態では、多段方式の部品P1の振り分けを採用しているため、図5に示すフローチャートでは、「1段目」~「N段目」の振り分けの処理S102~S10mが、提案ステップに相当する。The placement support method includes an acquisition step and a proposal step. The acquisition step is a step of acquiring mounting data D1, and corresponds to process S101 in the flowchart shown in FIG. 5. The acquisition step is executed by the
本実施形態では、学習済みモデルM1の生成(事前学習)は、配置支援システム20で実行される。また、上述したように、学習済みモデルM1の生成には強化学習を用いている。つまり、配置支援システム20は、例えば、提案部22を強化学習の学習器として利用する。本開示でいう「強化学習」は、データから自動的に規則を獲得する枠組みである機械学習技術の一手法である。In this embodiment, the generation (pre-learning) of the trained model M1 is performed by the
機械学習技術において、「強化学習」とは別に、広く使用されている手法としては「教師あり学習」がある。「教師あり学習」は、学習目標となる数値が明確に定義されたデータに基づいて学習を行う手法である。そのため、「教師あり学習」においては、学習に際して、明確な目標が規定された大量のデータ(学習用データ)が必要となる。しかしながら、部品実装システム100の技術分野において、複数の供給部3における複数の部品P1の配置については、目標となる数値が明確でなく、また学習のために大量の学習用データを集めることは困難である。In machine learning technology, aside from "reinforcement learning," a widely used technique is "supervised learning." "Supervised learning" is a technique for learning based on data in which the learning target numerical values are clearly defined. Therefore, in "supervised learning," a large amount of data (learning data) with a clearly defined target is required for learning. However, in the technical field of the
これに対して、「強化学習」は、ある「環境」の中で「行動」を行い、その「行動」の結果として変化した「状況」を観測し、良好な結果を得られた「行動」に対して高い「報酬」が与えられる手法である。そして、「強化学習」では、これら一連の「行動」を通じて「報酬」を最大化する最適な「行動」の選び方を学習する。そのため、「強化学習」では、「教師あり学習」のように、明確な目標が規定した学習用データを用意する必要が無く、かつ最適な「行動」の「選び方」を学習した学習済みモデルM1を生成することが可能である。すなわち、「強化学習」は、解の空間が広すぎて実際の正解が不明な場合であっても、与えられた「環境」に対して試行錯誤を繰り返して観測される報酬系列から「行動」を評価しながら、「行動」の仕方を学習する。In contrast, "reinforcement learning" is a method in which an "action" is performed in a certain "environment", the "situation" that changes as a result of the "action" is observed, and a high "reward" is given to the "action" that produces a good result. Then, "reinforcement learning" learns how to select the optimal "action" that maximizes the "reward" through a series of these "actions". Therefore, "reinforcement learning" does not require the preparation of learning data with a clearly defined goal, as in "supervised learning", and it is possible to generate a trained model M1 that has learned how to "select" the optimal "action". In other words, "reinforcement learning" learns how to "act" by repeating trial and error in a given "environment" and evaluating "actions" from the reward series observed, even when the solution space is too wide and the actual correct answer is unknown.
したがって、強化学習は、複数の供給部3における複数の部品P1の配置の提案用の学習済みモデルM1のような、正解が明確でなく、かつ膨大な組み合わせに対する最適化が要求されるケースでの学習済みモデルM1の生成において、特に有効である。Therefore, reinforcement learning is particularly effective in generating a trained model M1 in cases where the correct answer is not clear and optimization over a huge number of combinations is required, such as a trained model M1 for proposing the placement of multiple parts P1 in
より詳細には、強化学習においては、複数の部品P1についてある配置を採用した場合の実装時間を求め、この実装時間がいかに理想の実装時間(実装機10の仕様上の実装時間)に近いかを「報酬」とする。このときの実装時間は、本実施形態では一例として、シミュレーション部26にて求められる。強化学習では、探索空間が大きくなればなるほど、良い「報酬」を得るために試行錯誤を繰り返す回数が増大し、最適解の探索に時間がかかることになる。そこで、本実施形態に係る配置支援方法では、強化学習における探索空間の大きさを縮退させるべく、多段方式の部品P1の振り分けを採用しているが、多段方式について詳しくは「(3.3)多段方式」の欄で説明する。More specifically, in reinforcement learning, the mounting time when a certain arrangement is adopted for multiple components P1 is calculated, and the "reward" is determined based on how close this mounting time is to the ideal mounting time (the mounting time according to the specifications of the mounting machine 10). In this embodiment, the mounting time is calculated by the simulation unit 26 as an example. In reinforcement learning, the larger the search space becomes, the more times trial and error is repeated to obtain a good "reward", and the longer it takes to search for the optimal solution. Therefore, in the placement support method according to this embodiment, a multi-stage method of allocating components P1 is adopted to reduce the size of the search space in reinforcement learning, and the multi-stage method will be described in detail in the "(3.3) Multi-stage method" section.
また、部品実装システム100においては、例えば、生成物P3の仕様によって、実装機10の特徴及び台数、並びに実装される部品P1の種類及び数等が異なる。ただし、生成物P3に合わせて、都度、強化学習を行って学習済みモデルM1を生成するとすれば、生成物P3の仕様が決まってから、学習済みモデルM1が生成されるまでに時間がかかる懸念がある。そこで、本実施形態においては、生成物P3の仕様が決まる前に学習を行う「事前学習」により、学習済みモデルM1を生成する。これにより、本実施形態に係る配置支援方法では、生成物P3の仕様が決まれば、事前学習で生成済みの学習済みモデルM1を用いて、直ちに部品P1の配置の提案を開始することが可能である。
In addition, in the
また、本実施形態では、学習器(例えば、提案部22)は、強化学習のアルゴリズムにおいて配置データD2を作成し、作成された配置データD2は、出力部25からシミュレーション部26へ出力される。これにより、シミュレーション部26は、配置データD2に基づいてシミュレーションを行い、「実装時間」を算出する。学習器(例えば、提案部22)は、このようにして求められた実装時間を、理想の実装時間に対する割合に変換し、求めた割合を「報酬」として強化学習を行う。そして、上述した一連の処理を、より良い「報酬」を得るために多数回繰り返して行うことにより、強化学習が行われる。本実施形態では一例として、強化学習を行うために深層学習の特徴抽出の性能を加えた深層強化学習(DQN:Deep Q-Network)等を使用する。
In addition, in this embodiment, the learning device (e.g., the proposal unit 22) creates placement data D2 in a reinforcement learning algorithm, and the created placement data D2 is output from the
ところで、本実施形態では、学習済みモデルM1は、部品実装システム100における複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。つまり、学習済みモデルM1には供給部3の特徴が反映されているのであって、学習済みモデルM1は供給部3の特徴ごとに生成されることになる。そのため、部品実装システム100が互いに異なる特徴を有する複数の供給部3を含んでいれば、学習済みモデルM1も複数種類生成されることになる。In this embodiment, the trained model M1 is a model generated in correspondence with the characteristics of at least one of the
特に、本実施形態では、学習済みモデルM1は、学習済みモデルM1を用いた部品P1の配置の提案にて、部品P1の振り分け(割り当て)先となる供給部3の特徴に対応付けられている。そのため、例えば、図6に示すように、部品P1を2つの振り分け(割り当て)先に振り分ける場合であっても、その振り分け先によって、様々な学習済みモデルM11~M17が用いられる。図6において、どのような学習済みモデルM11~M17が用いられるかは、「(3.3)多段方式」の欄で説明する。本開示では、これら複数の学習済みモデルM11~M17を特に区別しない場合、複数の学習済みモデルM11~M17の各々を単に「学習済みモデルM1」という。In particular, in this embodiment, the trained model M1 is associated with the characteristics of the
ここで、例えば、振り分け先となる2つの供給部3が同一の特徴(「第1の特徴」とする)を有する場合には、学習済みモデルM1は、第1の特徴に対応付けて生成されることになる。つまり、学習済みモデルM1は、複数の供給部3のうちの1つの供給部3の特徴(第1の特徴)に対応付けて生成されたモデルを含む。一例として、振り分け先となる2つの供給部3がいずれも捕捉部41の数として「16」という特徴を有する場合、部品P1を振り分けるための学習済みモデルM1には、捕捉部41の数として「16」という特徴が反映される。Here, for example, if the two
一方、例えば、振り分け先となる2つの供給部3が互いに異なる特徴(「第1の特徴」及び「第2の特徴」とする)を有する場合には、学習済みモデルM1は、第1の特徴及び第2の特徴の両方に対応付けて生成されることになる。つまり、学習済みモデルM1は、複数の供給部3のうちの2つ以上の供給部3の特徴に対応付けて生成されたモデルを含む。一例として、振り分け先となる2つの供給部3がそれぞれ捕捉部41の数として「16」又は「8」という特徴を有する場合、部品P1を振り分けるための学習済みモデルM1には、捕捉部41の数として「16」及び「8」という2つの特徴が反映される。On the other hand, for example, if the two
また、学習済みモデルM1は、複数の供給部3の特徴を1以上の特徴群に分類した場合に、1以上の特徴群に対応付けて生成されたモデルを含む。例えば、実装機10の速度(最高実装速度)については、例えば、多機能機(低速機)、中速機及び高速機のように、複数の速度域に分類することで、少しの速度の差であればいずれも「高速機」とする等、同一の速度域とみなし得る。つまり、供給部3の特徴が実装機10の「速度」であれば、多機能機(低速機)、中速機及び高速機といった「速度域」が、複数の特徴(速度)を含む特徴群となる。このように、互いに異なる複数の特徴を含む特徴群を設定する場合、学習済みモデルM1は、個々の特徴ではなく、特徴群に対応付けて生成されるモデルも含んでいる。特徴群は、複数の特徴の集合からなるので、特徴群に対応付けて生成される学習済みモデルM1も、少なくとも1つの供給部3の特徴に対応付けて生成された学習済みモデルM1に相当する。
In addition, the trained model M1 includes models generated in association with one or more feature groups when the features of the
また、本実施形態に係る配置支援方法は、学習済みモデルM1を更新する更新ステップを更に有している。つまり、機械学習(本実施形態では強化学習)によって生成される学習済みモデルM1は、固定的ではなく、更新ステップにより適宜更新可能である。具体的には、学習器(例えば、提案部22)が、モデル格納部27に格納されている学習済みモデルM1を、定期的に又は不定期に更新する。学習済みモデルM1の更新は、例えば、過去に習得した知識を現在の学習に利用する転移学習によって実現されてもよいし、新たな学習済みモデルM1との入れ替えによって実現されてもよい。学習済みモデルM1の更新が可能であれば、配置支援方法(配置支援システム20)の運用段階において、ユーザの要求に応じた適切な学習済みモデルM1を生成することも可能となる。
In addition, the placement support method according to this embodiment further includes an update step for updating the learned model M1. That is, the learned model M1 generated by machine learning (reinforcement learning in this embodiment) is not fixed, but can be updated appropriately by the update step. Specifically, a learner (e.g., the proposal unit 22) updates the learned model M1 stored in the
また、本実施形態では、学習済みモデルM1は、部品実装システム100により生成される生成物P3に関する情報に対応付けて生成されたモデルを含む。生成物P3に関する情報は、例えば、生成物P3の属する技術分野、生成物P3のロット数、又は生成物P3の価格帯等を含む。部品実装システム100は、例えば、電子機器の技術分野、又は自動車の技術分野等、様々な技術分野の生成物P3の生成に用いられる。そのため、各技術分野(業界)に固有の事情により、同じような生成物P3であっても、部品P1の最適な配置が異なる場合がある。そこで、本実施形態では、学習済みモデルM1は、少なくとも1つの供給部3の特徴だけでなく、生成物P3に固有の事情も反映するように、生成物P3に関する情報にも対応付けて生成される。In addition, in this embodiment, the trained model M1 includes a model generated in association with information about the product P3 generated by the
また、本実施形態に係る配置支援方法においては、複数の供給部3に対する複数の部品P1の配置に際して、特定の供給部3に対する特定の部品P1の配置の可否を規定する制約条件が付されている。すなわち、供給部3によっては、実装機10の仕様上の制約、又は部品P1のサイズ上の制約等により、特定の部品P1の配置が不可能な場合がある。このような場合に備えて、制約条件を付すことが可能である。制約条件が付されることで、制約条件にて、特定の供給部3への配置が不可能であると規定された特定の部品P1については、振り分けの対象から特定の供給部3が除外される。一例として、テープフィーダを取り付けることができずトレイのみが設置可能な供給部3にあっては、テープフィーダにて供給される部品P1の配置は不可能であることが、制約条件にて規定可能である。In addition, in the placement support method according to the present embodiment, when placing multiple components P1 on
さらに、本実施形態では、制約条件による特定の供給部3に対する特定の部品P1の配置の可否の判断は、学習済みモデルM1を用いた複数の供給部3に対する複数の部品P1の配置の提案とは別に行われる。すなわち、制約条件による部品P1の配置の制約は、例えば、学習済みモデルM1を用いた部品P1の配置の提案の前、又は後で行われる。一例として、学習済みモデルM1を用いた部品P1の配置の提案の前に、制約条件による部品P1の配置の制約が行われるとすれば、複数の部品P1の適切な配置を導き出すための選択肢を少なく抑えることができる。
Furthermore, in this embodiment, the determination of whether or not a specific part P1 can be placed on a
以上説明したように、本実施形態に係る配置支援方法では、複数の部品P1の配置に際して、学習済みモデルM1を用いて、実装時間を短くするように、実装データD1から、複数の供給部3に対する複数の部品P1の配置を提案する(提案ステップ)。そのため、提案ステップにおいては、一義的に決められた配置を提案するのではなく、例えば、熟練者が行うような配置の「決め方」のスキルを学習済みモデルM1で実現することにより、適切な配置を、より簡単に見出すことが可能である。As described above, in the placement assistance method according to this embodiment, when placing multiple components P1, the learned model M1 is used to propose the placement of multiple components P1 for
(3.3)多段方式
次に、本実施形態に係る配置支援方法のうち、多段方式の部品P1の振り分けについて、図5及び図6を参照してより詳細に説明する。
(3.3) Multi-Stage Method Next, among the placement support methods according to this embodiment, the allocation of the components P1 in the multi-stage method will be described in more detail with reference to FIGS.
配置支援方法は、一次提案ステップと、二次提案ステップと、を有している。一次提案ステップは、複数の一次グループG11,G12に対する複数の部品P1の配置(振り分け)を提案するステップであって、図5に示すフローチャートの処理S102に相当する。一次提案ステップは、配置支援システム20における提案部22の一次提案部221にて実行される。二次提案ステップは、一次提案ステップの後で、複数の二次グループG21~G24に対する複数の部品P1の配置を提案するステップであって、図5に示すフローチャートの処理S103に相当する。二次提案ステップは、配置支援システム20における提案部22の二次提案部222にて実行される。すなわち、図5に示すフローチャートにおいて、提案ステップに相当する「1段目」~「N段目」の振り分けの処理S102~S10mが、一次提案ステップ及び二次提案ステップを含んでいる。The placement support method has a primary proposal step and a secondary proposal step. The primary proposal step is a step of proposing the placement (allocation) of multiple parts P1 to multiple primary groups G11 and G12, and corresponds to process S102 in the flowchart shown in FIG. 5. The primary proposal step is executed by the
ここで、本実施形態に係る配置支援方法は、三次提案ステップを更に有している。三次提案ステップは、二次提案ステップの後で、複数の二次グループG21~G24の各々を複数の三次グループG31~G38に分類した場合の、複数の三次グループG31~G38に対する複数の部品P1の配置を提案するステップである。複数の三次グループG31~G38の各々は、複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。要するに、三次提案ステップによれば、複数の二次グループG21~G24の各々は、より細分化された複数の三次グループG31~G38に分類され、これら複数の三次グループG31~G38に対する複数の部品P1の配置が提案される。
Here, the placement support method according to this embodiment further includes a tertiary proposal step. The tertiary proposal step is a step of proposing placement of the multiple components P1 for the multiple tertiary groups G31 to G38 when each of the multiple secondary groups G21 to G24 is classified into multiple tertiary groups G31 to G38 after the secondary proposal step. Each of the multiple tertiary groups G31 to G38 includes at least one
すなわち、本実施形態では、図5に示すように、複数の部品P1の配置が、2段階の処理ではなく、階層的に設定されたN段階(ここで、Nは「3」以上の自然数)の処理で実現される。そのため、二次提案ステップとして2段目の振り分け(S103)が行われた以降も、3段目以降の振り分けが行われることで、より細分化された振り分けを実現可能とする。特に、本実施形態では、複数の部品P1を、各段階にて2つのグループへ振り分け、最終的に8つの供給部3に振り分けることを想定しているため、振り分けは3段階に分けて行われる。そのため、三次提案ステップは、提案ステップにおける最終段、つまり、図5に示すフローチャートの処理S10m(ここで、mは「4」)に相当する。三次提案ステップは、配置支援システム20における提案部22の三次提案部223にて実行される。That is, in this embodiment, as shown in FIG. 5, the placement of multiple parts P1 is realized not in a two-stage process but in a hierarchically set N-stage process (where N is a natural number equal to or greater than "3"). Therefore, even after the second-stage allocation (S103) is performed as the secondary proposal step, the third stage and subsequent stages are allocated, making it possible to realize a more detailed allocation. In particular, in this embodiment, it is assumed that multiple parts P1 are allocated to two groups at each stage and ultimately allocated to eight
図6は、多段方式の部品P1の振り分けの様子を模式的に表す説明図である。本実施形態では、複数の部品P1の配置の提案が、少なくとも、複数の一次グループG11,G12に部品P1を配置する一次提案ステップと、更に細かい複数の二次グループG21~G24に部品P1を配置する二次提案ステップと、に分かれている。このように、複数の部品P1の配置が、1段階の処理ではなく、階層的に設定された複数段階の処理で実現されるため、各段階において、複数の部品P1の適切な配置を導き出すための選択肢を少なく抑えることができる。 Figure 6 is an explanatory diagram that shows a schematic diagram of the allocation of parts P1 in a multi-stage method. In this embodiment, the proposal for the placement of multiple parts P1 is divided into at least a primary proposal step in which parts P1 are placed in multiple primary groups G11 and G12, and a secondary proposal step in which parts P1 are placed in multiple smaller secondary groups G21 to G24. In this way, the placement of multiple parts P1 is realized not in a single-stage process but in a hierarchically set multi-stage process, so that the number of options for deriving an appropriate placement of multiple parts P1 can be reduced at each stage.
図6において、複数の一次グループG11,G12は、いずれの供給部3にも振り分けられていない状態、つまり未配置の状態の複数の部品P1が存在する未配置空間Sp0を、2つ以上のグループに分類した場合の、分類後のグループに相当する。複数の一次グループG11,G12の各々は、それぞれ複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。6, the multiple primary groups G11 and G12 correspond to groups after classification when the non-placed space Sp0, in which multiple parts P1 are not assigned to any
具体的には、図6に示すように、一次グループG11(図中「グループ1」と表記)は、第1の供給部31、第2の供給部32、第3の供給部33及び第4の供給部34を含む。一次グループG12(図中「グループ2」と表記)は、第5の供給部35、第6の供給部36、第7の供給部37及び第8の供給部38を含む。6, the primary group G11 (represented as "
一次提案ステップでは、未配置空間Sp0に存在する、未配置の状態の複数の部品P1を、複数の一次グループG11,G12に振り分ける。これにより、複数(ここでは240個)の部品P1は、複数の一次グループG11,G12のいずれかに振り分けられる。In the primary proposal step, the multiple parts P1 that are in an unplaced state and exist in the unplaced space Sp0 are assigned to multiple primary groups G11 and G12. As a result, the multiple (here, 240) parts P1 are assigned to one of the multiple primary groups G11 and G12.
また、図6において、複数の二次グループG21~G24は、複数の一次グループG11,G12の各々を更に2つ以上のグループに分類した場合の、分類後のグループに相当する。ここでは、2つの一次グループG11,G12の各々を、更に2つの二次グループに分類し、計4つの二次グループG21~G24を生成する場合を想定している。複数の二次グループG21~G24の各々は、それぞれ複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。6, the multiple secondary groups G21 to G24 correspond to the groups after classification when each of the multiple primary groups G11, G12 is further classified into two or more groups. Here, it is assumed that each of the two primary groups G11, G12 is further classified into two secondary groups to generate a total of four secondary groups G21 to G24. Each of the multiple secondary groups G21 to G24 includes at least one
具体的には、図6に示すように、二次グループG21(図中「グループ1_1」と表記)及び二次グループG22(図中「グループ1_2」と表記)は、一次グループG11の配下に位置する。言い換えれば、一次グループG11が2つの二次グループG21,G22に分類される。二次グループG23(図中「グループ2_1」と表記)及び二次グループG24(図中「グループ2_2」と表記)は、一次グループG12の配下に位置する。言い換えれば、一次グループG12が2つの二次グループG23,G24に分類される。そして、二次グループG21は、第1の供給部31及び第2の供給部32を含み、二次グループG22は、第3の供給部33及び第4の供給部34を含む。二次グループG23は、第5の供給部35及び第6の供給部36を含み、二次グループG24は、第7の供給部37及び第8の供給部38を含む。
Specifically, as shown in FIG. 6, the secondary group G21 (labeled as "Group 1_1" in the figure) and the secondary group G22 (labeled as "Group 1_2" in the figure) are located under the primary group G11. In other words, the primary group G11 is classified into two secondary groups G21 and G22. The secondary group G23 (labeled as "Group 2_1" in the figure) and the secondary group G24 (labeled as "Group 2_2" in the figure) are located under the primary group G12. In other words, the primary group G12 is classified into two secondary groups G23 and G24. The secondary group G21 includes the
二次提案ステップでは、一次グループG11に含まれる複数の部品P1を、複数の二次グループG21,G22に振り分け、一次グループG12に含まれる複数の部品P1を、複数の二次グループG23,G24に振り分ける。これにより、複数(ここでは240個)の部品P1は、複数の二次グループG21~G24のいずれかに振り分けられる。In the secondary proposal step, the multiple parts P1 included in the primary group G11 are assigned to multiple secondary groups G21 and G22, and the multiple parts P1 included in the primary group G12 are assigned to multiple secondary groups G23 and G24. As a result, the multiple parts P1 (240 in this case) are assigned to one of the multiple secondary groups G21 to G24.
また、図6において、複数の三次グループG31~G38は、複数の二次グループG21~G24の各々を更に2つ以上のグループに分類した場合の、分類後のグループに相当する。ここでは、4つの二次グループG21~G24の各々を、更に2つの三次グループに分類し、計8つの三次グループG31~G38を生成する場合を想定している。複数の三次グループG31~G38の各々は、それぞれ複数の供給部3のうちの少なくとも1つの供給部3を含んでいる。6, the multiple tertiary groups G31 to G38 correspond to the groups after classification when each of the multiple secondary groups G21 to G24 is further classified into two or more groups. Here, it is assumed that each of the four secondary groups G21 to G24 is further classified into two tertiary groups, generating a total of eight tertiary groups G31 to G38. Each of the multiple tertiary groups G31 to G38 includes at least one
具体的には、図6に示すように、三次グループG31及び三次グループG32は、二次グループG21の配下に位置し、三次グループG33及び三次グループG34は、二次グループG22の配下に位置する。言い換えれば、二次グループG21が2つの三次グループG31,G32に分類され、二次グループG22が2つの三次グループG33,G34に分類される。三次グループG35及び三次グループG36は、二次グループG23の配下に位置し、三次グループG37及び三次グループG38は、二次グループG24の配下に位置する。言い換えれば、二次グループG23が2つの三次グループG35,G36に分類され、二次グループG24が2つの三次グループG37,G38に分類される。そして、図6の例では、複数の三次グループG31~G38は、多段方式の最終段となるため、複数の三次グループG31~G38は、それぞれ供給部3を1つずつ含む。すなわち、本実施形態では、最終的に8つの供給部3への部品P1の振り分けを想定しているため、最終段となる複数(ここでは8つ)の三次グループG31~G38は、それぞれ第1~8の供給部31~38に一対一に対応する。
Specifically, as shown in FIG. 6, the tertiary groups G31 and G32 are located under the secondary group G21, and the tertiary groups G33 and G34 are located under the secondary group G22. In other words, the secondary group G21 is classified into two tertiary groups G31 and G32, and the secondary group G22 is classified into two tertiary groups G33 and G34. The tertiary groups G35 and G36 are located under the secondary group G23, and the tertiary groups G37 and G38 are located under the secondary group G24. In other words, the secondary group G23 is classified into two tertiary groups G35 and G36, and the secondary group G24 is classified into two tertiary groups G37 and G38. 6, the multiple tertiary groups G31 to G38 are the final stages of the multi-stage system, and therefore each of the multiple tertiary groups G31 to G38 includes one
三次提案ステップでは、二次グループG21に含まれる複数の部品P1を、複数の三次グループG31,G32に振り分け、二次グループG22に含まれる複数の部品P1を、複数の三次グループG33,G34に振り分ける。さらに、三次提案ステップでは、二次グループG23に含まれる複数の部品P1を、複数の三次グループG35,G36に振り分け、二次グループG24に含まれる複数の部品P1を、複数の三次グループG37,G38に振り分ける。これにより、複数(ここでは240個)の部品P1は、複数の三次グループG31~G38、つまり第1~8の供給部31~38のいずれかに振り分けられる。In the tertiary proposal step, the multiple parts P1 included in the secondary group G21 are allocated to multiple tertiary groups G31 and G32, and the multiple parts P1 included in the secondary group G22 are allocated to multiple tertiary groups G33 and G34. Furthermore, in the tertiary proposal step, the multiple parts P1 included in the secondary group G23 are allocated to multiple tertiary groups G35 and G36, and the multiple parts P1 included in the secondary group G24 are allocated to multiple tertiary groups G37 and G38. As a result, the multiple parts P1 (240 in this case) are allocated to one of the multiple tertiary groups G31 to G38, that is, the first to
ここにおいて、本実施形態に係る配置支援方法では、図6に示すように、各段階の振り分けに際して、学習済みモデルM1が用いられる。つまり、一次提案ステップと二次提案ステップとの少なくとも一方では、学習済みモデルM1を用いて、複数の部品P1の配置を提案する。学習済みモデルM1は、「(3.2)学習済みモデル」の欄でも説明したように、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。本実施形態では、一次提案ステップ、二次提案ステップ及び三次提案ステップの全てにおいて、それぞれ学習済みモデルM1を用いている。Here, in the placement assistance method according to this embodiment, as shown in FIG. 6, the learned model M1 is used when allocating each stage. That is, in at least one of the primary proposal step and the secondary proposal step, the placement of the multiple parts P1 is proposed using the learned model M1. As explained in the "(3.2) Learned model" section, the learned model M1 is a model generated in correspondence with the characteristics of at least one of the
つまり、複数の部品P1を複数の一次グループG11,G12に振り分ける一次提案ステップでは、学習済みモデルM11を用いて、実装時間を短くするように、実装データD1から、複数の一次グループG11,G12に対する複数の部品P1の配置を提案する。複数の部品P1を複数の二次グループG21~G24に振り分ける二次提案ステップでは、学習済みモデルM12,M13を用いて、実装時間を短くするように、実装データD1から、複数の二次グループG21~G24に対する複数の部品P1の配置を提案する。複数の部品P1を複数の三次グループG31~G38に振り分ける三次提案ステップでは、学習済みモデルM14~M17を用いて、実装時間を短くするように、実装データD1から、複数の三次グループG31~G38に対する複数の部品P1の配置を提案する。That is, in the primary proposal step of allocating the multiple components P1 to the multiple primary groups G11 and G12, the trained model M11 is used to propose the placement of the multiple components P1 for the multiple primary groups G11 and G12 from the mounting data D1 so as to shorten the mounting time. In the secondary proposal step of allocating the multiple components P1 to the multiple secondary groups G21 to G24, the trained models M12 and M13 are used to propose the placement of the multiple components P1 for the multiple secondary groups G21 to G24 from the mounting data D1 so as to shorten the mounting time. In the tertiary proposal step of allocating the multiple components P1 to the multiple tertiary groups G31 to G38, the trained models M14 to M17 are used to propose the placement of the multiple components P1 for the multiple tertiary groups G31 to G38 from the mounting data D1 so as to shorten the mounting time.
ここで、図6からも明らかなように、一次提案ステップ、二次提案ステップ及び三次提案ステップのうちのいずれの段階かによって、使用される学習済みモデルM1は異なる。つまり、本実施形態では、上述したように、部品P1の振り分け先によって、様々な学習済みモデルM11~M17が用いられる。例えば、一次提案ステップで用いられる学習済みモデルM11と、二次提案ステップで用いられる学習済みモデルM12,M13と、は別である。結果的に、本実施形態では、一次提案ステップと二次提案ステップとでは、複数の部品P1の配置を提案するためのアルゴリズムが異なることとなる。ここで「アルゴリズムが異なる」とは、本実施形態においては、使用する学習済みモデルM1が異なることを意味する。さらに、本実施形態では、三次提案ステップにおいても、一次提案ステップ及び二次提案ステップとは異なるアルゴリズム(学習済みモデルM1)を採用する。 Here, as is clear from FIG. 6, the trained model M1 used differs depending on whether it is the first proposal step, the second proposal step, or the third proposal step. In other words, in this embodiment, as described above, various trained models M11 to M17 are used depending on the allocation destination of the part P1. For example, the trained model M11 used in the first proposal step is different from the trained models M12 and M13 used in the second proposal step. As a result, in this embodiment, the algorithm for proposing the placement of multiple parts P1 differs between the first proposal step and the second proposal step. Here, "different algorithms" means that the trained model M1 used is different in this embodiment. Furthermore, in this embodiment, an algorithm (trained model M1) different from that of the first proposal step and the second proposal step is also adopted in the third proposal step.
また、本実施形態では、各段階の振り分けにおいても、部品P1の振り分け先によって、様々な学習済みモデルM11~M17が用いられる。例えば、二次提案ステップにおいて、一次グループG11に含まれる複数の部品P1の、複数の二次グループG21,G22への振り分けには、学習済みモデルM12が用いられる。これに対して、二次提案ステップにおいて、一次グループG12に含まれる複数の部品P1の、複数の二次グループG23,G24への振り分けには、学習済みモデルM13が用いられる。同様に、三次提案ステップにおいて、二次グループG21に含まれる複数の部品P1の、複数の三次グループG31,G32への振り分けには、学習済みモデルM14が用いられる。これに対して、三次提案ステップにおいて、二次グループG24に含まれる複数の部品P1の、複数の三次グループG37,G38への振り分けには、学習済みモデルM17が用いられる。In addition, in this embodiment, various trained models M11 to M17 are used for allocation of parts P1 in each stage depending on the allocation destination of parts P1. For example, in the secondary proposal step, trained model M12 is used for allocating parts P1 included in primary group G11 to secondary groups G21 and G22. In contrast, in the secondary proposal step, trained model M13 is used for allocating parts P1 included in primary group G12 to secondary groups G23 and G24. Similarly, in the tertiary proposal step, trained model M14 is used for allocating parts P1 included in secondary group G21 to tertiary groups G31 and G32. In contrast, in the tertiary proposal step, trained model M17 is used for allocating parts P1 included in secondary group G24 to tertiary groups G37 and G38.
結果的に、本実施形態に係る配置支援方法では、図6に示すように、7つの学習済みモデルM11~M17が用いられている。 As a result, in the placement assistance method of this embodiment, seven trained models M11 to M17 are used, as shown in Figure 6.
具体的には、一次提案ステップで用いられる学習済みモデルM11は、第1~8の供給部31~38へ振り分けるべき複数の部品P1を、2つの一次グループG11,G12に振り分けるためのモデルである。学習済みモデルM11については、振り分け先には、捕捉部41の数が「16」である第1~4の供給部31~34、捕捉部41の数が「8」である第5,6の供給部35,36、及び捕捉部41の数が「3」である第7,8の供給部37,38が含まれる。そのため、学習済みモデルM11は、捕捉部41の数として「16」、「8」及び「3」という3つの特徴を反映するように、これら3つの特徴に対応付けて生成されたモデルである。
Specifically, the trained model M11 used in the primary proposal step is a model for allocating multiple parts P1 to be allocated to the first to eighth supply units 31-38 into two primary groups G11, G12. For the trained model M11, the allocation destinations include the first to fourth supply units 31-34, each of which has 16
二次提案ステップで用いられる学習済みモデルM12は、第1~4の供給部31~34へ振り分けるべき複数の部品P1を、2つの二次グループG21,G22に振り分けるためのモデルである。学習済みモデルM12については、振り分け先には、捕捉部41の数が「16」である第1~4の供給部31~34が含まれる。そのため、学習済みモデルM12は、捕捉部41の数として「16」という1つの特徴を反映するように、捕捉部41の数として「16」という特徴に対応付けて生成されたモデルである。The trained model M12 used in the secondary proposal step is a model for allocating multiple parts P1 to be allocated to the first to
一方、二次提案ステップで用いられる学習済みモデルM13は、第5~8の供給部35~38へ振り分けるべき複数の部品P1を、2つの二次グループG23,G24に振り分けるためのモデルである。学習済みモデルM13については、振り分け先には、捕捉部41の数が「8」である第5,6の供給部35,36、及び捕捉部41の数が「3」である第7,8の供給部37,38が含まれる。そのため、学習済みモデルM13は、捕捉部41の数として「8」及び「3」という2つの特徴を反映するように、これら2つの特徴に対応付けて生成されたモデルである。On the other hand, the trained model M13 used in the secondary proposal step is a model for allocating multiple parts P1 to be allocated to the fifth to
三次提案ステップで用いられる学習済みモデルM14は、第1,2の供給部31,32へ振り分けるべき複数の部品P1を、2つの三次グループG31,G32に振り分けるためのモデルである。学習済みモデルM14については、振り分け先には、捕捉部41の数が「16」である第1,2の供給部31,32が含まれる。そのため、学習済みモデルM14は、捕捉部41の数として「16」という1つの特徴を反映するように、捕捉部41の数として「16」という特徴に対応付けて生成されたモデルである。The trained model M14 used in the tertiary proposal step is a model for allocating multiple parts P1 to be allocated to the first and
三次提案ステップで用いられる学習済みモデルM15は、第3,4の供給部33,34へ振り分けるべき複数の部品P1を、2つの三次グループG33,G34に振り分けるためのモデルである。学習済みモデルM15については、振り分け先には、捕捉部41の数が「16」である第3,4の供給部33,34が含まれる。そのため、学習済みモデルM15は、捕捉部41の数として「16」という1つの特徴を反映するように、捕捉部41の数として「16」という特徴に対応付けて生成されたモデルである。
The trained model M15 used in the tertiary proposal step is a model for allocating multiple parts P1 to be allocated to the third and
三次提案ステップで用いられる学習済みモデルM16は、第5,6の供給部35,36へ振り分けるべき複数の部品P1を、2つの三次グループG35,G36に振り分けるためのモデルである。学習済みモデルM16については、振り分け先には、捕捉部41の数が「8」である第5,6の供給部35,36が含まれる。そのため、学習済みモデルM16は、捕捉部41の数として「8」という1つの特徴を反映するように、捕捉部41の数として「8」という特徴に対応付けて生成されたモデルである。
The trained model M16 used in the tertiary proposal step is a model for allocating multiple parts P1 to be allocated to the fifth and
三次提案ステップで用いられる学習済みモデルM17は、第7,8の供給部37,38へ振り分けるべき複数の部品P1を、2つの三次グループG37,G38に振り分けるためのモデルである。学習済みモデルM17については、振り分け先には、捕捉部41の数が「3」である第7,8の供給部37,38が含まれる。そのため、学習済みモデルM17は、捕捉部41の数として「3」という1つの特徴を反映するように、捕捉部41の数として「3」という特徴に対応付けて生成されたモデルである。
The trained model M17 used in the tertiary proposal step is a model for allocating multiple parts P1 to be allocated to the seventh and
そして、上述したような複数(ここでは7つ)の学習済みモデルM11~M17については、個別に強化学習が行われることにより、生成される。すなわち、階層的に設定された複数段階(ここでは3段階)の段階ごとに、事前に強化学習を行い、上述したような学習済みモデルM11~M17が生成される。このようにして生成された複数の学習済みモデルM11~M17を連携させることにより、図6に示すような、多段方式のアーキテクチャを構築する。 The multiple (here, seven) trained models M11 to M17 as described above are generated by performing reinforcement learning individually. That is, reinforcement learning is performed in advance for each of the multiple stages (here, three stages) set up hierarchically, and trained models M11 to M17 as described above are generated. By linking the multiple trained models M11 to M17 generated in this way, a multi-stage architecture as shown in Figure 6 is constructed.
以上説明したように、本実施形態に係る配置支援方法では、複数の部品P1の配置が、1段階の処理ではなく、階層的に設定された複数段階(ここでは3段階)の処理で実現される。これにより、複数の部品P1を1段階の処理で振り分ける多選択方式に比較して、各段階において、複数の部品P1の適切な配置を導き出すための選択肢を少なく抑えることができる。結果的に、学習済みモデルM1の強化学習を行うための探索空間を狭めることができる。例えば、240個の部品を、上記8つの供給部3に振り分ける場合に、1段階の多選択方式であれば、探索空間が「10240」であると仮定する。これに対して、3段階の多段方式であれば、同じ条件でも、一次提案ステップに係る探索空間が「1080」、二次提案ステップに係る探索空間が「1072」、三次提案ステップに係る探索空間が「1036」となる。結果的に、240個の部品を、上記8つの供給部3に振り分けるための探査空間は、「1080+1072+1036」となり、多選択方式の「10240」に比べて格段に狭くなり、探索空間の大きさを実学習が可能な大きさまで縮退させることができる。As described above, in the placement support method according to this embodiment, the placement of multiple parts P1 is realized not in a single step, but in a multi-step (here, three-step) process set up hierarchically. This makes it possible to reduce the number of options for deriving an appropriate placement of multiple parts P1 at each step, compared to a multi-selection method in which multiple parts P1 are allocated in a single step. As a result, the search space for performing reinforcement learning of the trained model M1 can be narrowed. For example, when 240 parts are allocated to the above-mentioned eight
また、上記説明は、本実施形態に係る配置支援方法の一例に過ぎず、例えば、複数の部品P1の配置が、3段階の処理ではなく、2段階、又は4段階以上の処理で実現されてもよい。振り分けが2段階に分けて行われる場合、三次提案ステップが省略され、二次グループG21~G24がそれぞれ複数の供給部3に一対一に対応付けられる。一方、振り分けが4段階に分けて行われる場合、三次提案ステップにて複数の部品P1が振り分けられる三次グループG31~G38の更に下位(配下)に、複数の四次グループが生成される。振り分けが5段階に分けて行われる場合、四次グループの更に下位(配下)に、複数の五次グループが生成される。
Furthermore, the above description is merely one example of the placement support method according to this embodiment, and for example, placement of multiple parts P1 may be realized in a two-stage process, or a four-stage or more process, rather than a three-stage process. When allocation is performed in two stages, the tertiary proposal step is omitted, and secondary groups G21 to G24 are each associated one-to-one with
(3.4)再配置
次に、本実施形態に係る配置支援方法のうち、再配置について、図5及び図7を参照してより詳細に説明する。
(3.4) Rearrangement Next, rearrangement, which is one of the arrangement assistance methods according to this embodiment, will be described in more detail with reference to FIG. 5 and FIG.
配置支援方法は、提案ステップと、特定ステップと、再配置ステップと、を有している。提案ステップは、複数の供給部3に対する複数の部品P1の配置を提案するステップであって、図5に示すフローチャートの処理S102~S10mに相当する。提案ステップは、配置支援システム20の提案部22にて実行される。特定ステップは、複数の供給部3のうち、ある供給部3を対象供給部として特定するステップであって、図5に示すフローチャートの処理S201に相当する。特定ステップは、配置支援システム20の特定部23にて実行される。対象供給部として特定される供給部3は、提案ステップで提案された複数の部品P1の配置を採用した場合に、実装時間に関して特定条件を満たす供給部3である。再配置ステップは、対象供給部と、参照供給部とに対して、複数の部品P1の配置を提案するステップであって、図5に示すフローチャートの処理S202~S204に相当する。再配置ステップは、配置支援システム20の再配置部24にて実行される。参照供給部は、複数の供給部3のうちの対象供給部以外の少なくとも1つの供給部3からなる。The placement support method includes a proposal step, a specification step, and a rearrangement step. The proposal step is a step of proposing the placement of multiple components P1 for
本実施形態では、対象供給部に配置された部品P1を対象として、再配置ステップ(S202~S204)において、追加振り分け(S203)を指定回数繰り返し実行する。ここでいう「追加振り分け」は、仮配置(S100)で提案された複数の供給部3に対する複数の部品P1の配置(振り分け)をベースにして、一部の部品P1について、複数の供給部3に対して配置(振り分け)をやり直す処理である。そのため、追加振り分けを繰り返す「指定回数」は、追加振り分けの対象となる部品P1の数等に応じて決まる回数である。In this embodiment, additional allocation (S203) is repeated a specified number of times in the rearrangement steps (S202-S204) for the parts P1 that have been placed in the target supply unit. The "additional allocation" here refers to a process of redoing the placement (allocation) of some parts P1 to
すなわち、仮配置のための処理パートS100において、複数の部品P1を複数の供給部3に振り分ける際に、少なくとも一部の部品P1について適切でない配置(振り分け)が行われた場合、そのままで所望の結果が得られない可能性がある。例えば、仮配置(S100)において、ある部品P1が不適切な供給部3に振り分けられた場合、この部品P1の実装に時間がかかり、部品実装システム100全体としての実装時間が長くなる不都合が生じ得る。そこで、本実施形態に係る配置支援方法では、提案ステップをもって部品P1の配置を確定するのではなく、提案ステップでの配置の提案を「仮配置」とし、その後の再配置ステップにて、複数の部品P1の配置の変更(修正)を可能とする。That is, in the processing part S100 for temporary placement, when multiple components P1 are allocated to
しかも、再配置ステップで再配置の対象となるのは、実装時間に関して特定条件を満たす供給部3、つまり、対象供給部に配置された部品P1である。さらに、再配置ステップで再配置の対象となるのは、特定条件を満たす対象供給部のみではなく、対象供給部とは別の供給部3である参照供給部に配置された部品P1を含んでいる。そのため、仮配置において別々の供給部3(対象供給部及び参照供給部)に配置された複数の部品P1をシャッフルすることが可能である。したがって、たとえ仮配置において、ある部品P1が不適切な供給部3に振り分けられた場合でも、再配置ステップにて、部品P1の再配置を行うことにより、例えば、実装時間が長くなる等の不都合を解消し得る。
Moreover, the subject of rearrangement in the rearrangement step is a
また、本実施形態に係る配置支援方法では、図5に示すように、特定ステップ(S201)及び再配置ステップ(S202~S204)を繰り返し実行することによって、実装時間が良化されるような部品P1の配置を模索する。本実施形態では、「実装時間の良化」は、部品実装システム100全体としての実装時間が短縮されることを意味する。つまり、配置支援方法は、図5に示すように、再配置ステップ(S202~S204)の後、実装時間が良化したか否かを判定する(S205)。そのため、再配置ステップにて作成された配置データD2は、出力部25からシミュレーション部26へ出力される。これにより、シミュレーション部26は、配置データD2に基づいてシミュレーションを行い、再配置後の「実装時間」を算出する。処理S205では、このようにして求められた実装時間に基づいて、実装時間が良化したか否かが判定される。
In addition, in the placement support method according to this embodiment, as shown in FIG. 5, the identification step (S201) and the rearrangement step (S202 to S204) are repeatedly performed to search for a placement of the component P1 that improves the mounting time. In this embodiment, "improving the mounting time" means that the mounting time of the
ここで、配置支援方法は、実装時間が良化していなければ(S205:No)、再配置ステップで変更された部品P1の配置を、再配置ステップの前の状態、つまり「元の部品配置」に戻す(S206)。一方、実装時間が良化していれば(S205:Yes)、処理S206をスキップする。つまり、再配置を行ったことで、実装時間が良化しなければ再配置前の状態に戻すことにより、実装時間が良化する(短縮される)場合にのみ、再配置で得られた部品P1の配置を採用する。Here, in the placement assistance method, if the mounting time has not improved (S205: No), the placement of component P1 changed in the rearrangement step is returned to the state before the rearrangement step, i.e., the "original component placement" (S206). On the other hand, if the mounting time has improved (S205: Yes), process S206 is skipped. In other words, if the mounting time has not improved as a result of the rearrangement, the placement of component P1 obtained by the rearrangement is adopted only if the mounting time is improved (shortened) by returning to the state before the rearrangement.
その後、配置支援方法は、再配置ステップの前の状態から、部品P1の移動があったか否かを判定する(S207)。再配置ステップにて、いずれかの部品P1の移動があれば(S207:Yes)、処理S201に戻る。一方、再配置ステップにて、いずれの部品P1も移動しなければ(S207:No)、再配置のための処理パートS200を終了する。すなわち、再配置ステップにおいて部品P1の配置を変更(修正)し得る限りは、再配置ステップにていずれかの部品P1の移動があるので(S207:Yes)、特定ステップ(S201)及び再配置ステップ(S202~S204)が繰り返し実行される。言い換えれば、再配置ステップにおいて実装時間が良化する部品P1の配置の変更(修正)パターンが尽きるまでは、特定ステップ(S201)及び再配置ステップ(S202~S204)が繰り返し実行される。 Then, the placement support method determines whether or not there has been a movement of the component P1 from the state before the rearrangement step (S207). If there has been a movement of any of the components P1 in the rearrangement step (S207: Yes), the process returns to S201. On the other hand, if there has been no movement of any of the components P1 in the rearrangement step (S207: No), the process part S200 for rearrangement is terminated. That is, as long as the placement of the component P1 can be changed (corrected) in the rearrangement step, there is a movement of any of the components P1 in the rearrangement step (S207: Yes), so the identification step (S201) and the rearrangement step (S202 to S204) are repeatedly executed. In other words, the identification step (S201) and the rearrangement step (S202 to S204) are repeatedly executed until there are no patterns of change (correction) of the placement of the component P1 that improve the mounting time in the rearrangement step.
図7は、再配置の様子を模式的に表す説明図である。図7では、仮配置で提案された複数の供給部3に対する複数の部品P1の配置(振り分け)をベースに、第1~8の供給部31~38のうち第4の供給部34及び第6の供給部36に配置された複数の部品P1について再配置を行う様子を、概念的に表している。ここでは、一例として、第4の供給部34が「対象供給部」であって、第6の供給部36が「参照供給部」である場合を例とする。
Figure 7 is an explanatory diagram that shows a schematic representation of the state of rearrangement. Figure 7 conceptually shows the state of rearrangement of multiple components P1 that have been arranged in the
ここで、本実施形態では一例として、実装時間に関してボトルネックとなるような供給部3を、対象供給部とする。つまり、部品実装システム100は、複数の供給部3に配置される複数の部品P1を順次実装するところ、複数の供給部3のうち、部品P1の実装に最も時間がかかる供給部3が、実装時間に関してボトルネックとなる。すなわち、本実施形態では、特定条件は、部品実装システム100での生成物P3の生成に要する時間(実装時間)が、複数の供給部3の中で最長であること、を含んでいる。図7の例では、部品実装システム100に仮配置で提案された配置を採用した場合に、複数の供給部3のうち第4の供給部34に配置された部品P1の実装に要する時間が最長であるため、第4の供給部34が対象供給部として抽出される。Here, in this embodiment, as an example, the
このように、特定ステップでは、複数の供給部3のうち、実装時間に関して特定条件を満たす供給部3が対象供給部として特定される。そのため、本実施形態では、仮配置において作成された配置データD2は、出力部25からシミュレーション部26へ出力される。これにより、シミュレーション部26は、配置データD2に基づいてシミュレーションを行い、「実装時間」を算出する。特定部23は、このようにして求められた実装時間に基づいて、特定条件を満たす供給部3(対象供給部)を抽出する。
In this way, in the identification step, among the
一方で、参照供給部は、複数の供給部3のうちの対象供給部(ここでは第4の供給部34)とは別の、任意の供給部3からなる。本実施形態では、複数の供給部3のうち、対象供給部(ここでは第4の供給部34)以外の、任意の1つの供給部3が、順次、参照供給部として選択されることと仮定する。図7の例では、複数の供給部3のうち第6の供給部36が参照供給部として選択された場合の、再配置の様子を表している。例えば、図7に示す再配置が完了すれば、次に、複数の供給部3のうち第7の供給部37が参照供給部として選択され、再配置が実行される。On the other hand, the reference supply unit is composed of any
また、再配置ステップでは、図7に示すように、対象供給部(第4の供給部34)及び参照供給部(第6の供給部36)に配置された複数の部品P1を、一旦、未配置空間Sp0に移動させた後、改めて対象供給部及び参照供給部に振り分ける。つまり、仮配置において対象供給部及び参照供給部に配置された複数の部品P1は、一度、いずれの供給部3にも振り分けられていない状態、つまり未配置の状態に戻された後で、改めて対象供給部及び参照供給部に振り分けられる。すなわち、再配置ステップでは、対象供給部と参照供給部とについては、複数の部品P1の配置をリセットしてから、複数の部品P1の配置を改めて提案する。
In addition, in the rearrangement step, as shown in FIG. 7, the multiple parts P1 arranged in the target supply unit (fourth supply unit 34) and the reference supply unit (sixth supply unit 36) are temporarily moved to the unarranged space Sp0, and then reassigned to the target supply unit and the reference supply unit. In other words, the multiple parts P1 arranged in the target supply unit and the reference supply unit in the tentative arrangement are once returned to a state in which they are not assigned to any
また、本実施形態に係る配置支援方法では、図7に示すように、再配置での複数の部品P1の配置(振り分け)においても、学習済みモデルM1が用いられる。本実施形態では、提案ステップと再配置ステップとの少なくとも一方では、学習済みモデルM1を用いて、複数の部品P1の配置を提案する。学習済みモデルM1は、「(3.2)学習済みモデル」の欄でも説明したように、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成されたモデルである。特に、本実施形態では、提案ステップと再配置ステップとの両方において、それぞれ学習済みモデルM1を用いている。
In addition, in the placement assistance method according to this embodiment, as shown in FIG. 7, the learned model M1 is also used in the placement (allocation) of the multiple parts P1 in the rearrangement. In this embodiment, the placement of the multiple parts P1 is proposed using the learned model M1 in at least one of the proposal step and the rearrangement step. As explained in the "(3.2) Trained model" section, the trained model M1 is a model generated in association with the characteristics of at least one of the
ここにおいて、本実施形態では、上述したように、部品P1の振り分け先によって、様々な学習済みモデルM1が用いられる。そのため、対象供給部としての第4の供給部34、及び参照供給部としての第6の供給部36を振り分け先とする再配置においては、仮配置(提案ステップ)で用いられた学習済みモデルM11~M17とは別の学習済みモデルM18が用いられる。結果的に、本実施形態では、提案ステップと再配置ステップとでは、複数の部品P1の配置を提案するためのアルゴリズムが異なることとなる。Here, in this embodiment, as described above, various trained models M1 are used depending on the allocation destination of the part P1. Therefore, in rearrangement in which the
具体的には、再配置ステップで用いられる学習済みモデルM18は、2つの供給部3へ振り分けるべき複数の部品P1を、第4の供給部34及び第6の供給部36に振り分けるためのモデルである。学習済みモデルM18については、振り分け先には、捕捉部41の数が「16」である第4の供給部34、及び捕捉部41の数が「8」である第6の供給部36が含まれる。そのため、学習済みモデルM18は、捕捉部41の数として「16」及び「8」という2つの特徴を反映するように、これら2つの特徴に対応付けて生成されたモデルである。Specifically, the trained model M18 used in the rearrangement step is a model for allocating multiple parts P1 to be allocated to two
また、再配置ステップにおいても、提案ステップと同様に、実装時間を短くするように、複数の供給部3に対する複数の部品P1の配置を提案する。すなわち、再配置ステップでは、部品実装システム100での生成物P3の生成に要する実装時間を短くするように、対象供給部と参照供給部とに対する複数の部品P1の配置を提案する。
Also, in the rearrangement step, similar to the proposal step, the arrangement of the multiple components P1 for the
さらに、本実施形態では、再配置ステップにおいても、提案ステップと同様に、複数の供給部3に対する複数の部品P1の配置に際して、特定の供給部3に対する特定の部品P1の配置の可否を規定する制約条件が付されている。詳しくは「(3.2)学習済みモデル」の欄で説明した通りであるが、制約条件が付されることで、制約条件にて、特定の供給部3への配置が不可能であると規定された特定の部品P1については、再配置(振り分け)の対象から特定の供給部3が除外される。
Furthermore, in this embodiment, in the rearrangement step, as in the proposal step, when multiple parts P1 are arranged on
本実施形態に係る配置支援方法では、上述したように、再配置ステップにおいて実装時間が良化する部品P1の配置の変更パターンが尽きるまでは、特定ステップ(S201)及び再配置ステップ(S202~S204)が繰り返し実行される。そのため、実装時間に関して特定条件を満たす(ボトルネックとなる)供給部3(対象供給部)について、再配置を行った結果、別の供給部3が特定条件を満たすようになれば、別の供給部3を対象供給部として、再配置ステップが繰り返し行われる。一方、実装時間に関して特定条件を満たす(ボトルネックとなる)供給部3について、再配置を行った結果、同一の供給部3が特定条件を満たすままであれば、部品P1の配置の変更パターンが尽きたこととして、再配置のための処理パートS200を終了する。In the placement support method according to this embodiment, as described above, the identification step (S201) and the rearrangement step (S202 to S204) are repeatedly executed until all the placement change patterns for component P1 that improve the mounting time in the rearrangement step are exhausted. Therefore, if, as a result of rearrangement of a supply unit 3 (target supply unit) that satisfies a specific condition (becomes a bottleneck) with respect to mounting time, another
以上説明したように、本実施形態に係る配置支援方法は、取得ステップ(S101)、提案ステップ(S102~S10m)に加えて、再配置ステップ(S202~S204)を更に有している。再配置ステップは、提案ステップの後で、複数の供給部3に対する複数の部品P1の配置を提案するステップである。特に、本実施形態では、再配置ステップにおいても、強化学習で生成された学習済みモデルM1が用いられており、提案ステップで提案された配置よりも、実装時間をより短くするように、部品P1の配置を再提案することができる。As described above, the placement assistance method according to this embodiment further includes a rearrangement step (S202-S204) in addition to the acquisition step (S101) and proposal step (S102-S10m). The rearrangement step is a step that proposes the placement of multiple components P1 for
さらに、本実施形態に係る配置支援方法は、提案ステップにおいて、多段方式を採用しているため、再配置ステップは、二次提案ステップの後で、複数の部品P1の配置を提案するステップとなる。そして、再配置ステップでは、少なくとも、部品実装システムでの生成物P3の生成に要する時間が、複数の供給部3の中で最長である供給部3について、複数の部品P1の配置を提案する。
Furthermore, since the placement assistance method according to this embodiment employs a multi-stage approach in the proposal step, the rearrangement step is a step of proposing the placement of multiple components P1 after the secondary proposal step. In the rearrangement step, the placement of multiple components P1 is proposed at least for the
(4)変形例
実施形態1は、本開示の様々な実施形態の一つに過ぎない。実施形態1は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。また、本開示で参照する図面は、いずれも模式的な図であり、図中の各構成要素の大きさ及び厚さそれぞれの比が、必ずしも実際の寸法比を反映しているとは限らない。また、実施形態1に係る配置支援方法と同様の機能は、配置支援システム20、(コンピュータ)プログラム、又はプログラムを記録した非一時的記録媒体等で具現化されてもよい。一態様に係るプログラムは、実施形態1に係る配置支援方法を、1以上のプロセッサに実行させるためのプログラムである。
(4) Modifications The first embodiment is merely one of various embodiments of the present disclosure. Various modifications of the first embodiment are possible depending on the design, etc., as long as the object of the present disclosure can be achieved. In addition, all drawings referred to in this disclosure are schematic diagrams, and the ratios of the sizes and thicknesses of the components in the drawings do not necessarily reflect the actual dimensional ratios. In addition, functions similar to the placement support method according to the first embodiment may be embodied in a
以下、実施形態1の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。Below, we list some variations of the first embodiment. The variations described below can be combined as appropriate.
本開示における配置支援システム20は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを主構成とする。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における配置支援システム20としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されてもよく、電気通信回線を通じて提供されてもよく、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路(IC)又は大規模集積回路(LSI)を含む1ないし複数の電子回路で構成される。ここでいうIC又はLSI等の集積回路は、集積の度合いによって呼び方が異なっており、システムLSI、VLSI(Very Large Scale Integration)、又はULSI(Ultra Large Scale Integration)と呼ばれる集積回路を含む。さらに、LSIの製造後にプログラムされる、FPGA(Field-Programmable Gate Array)、又はLSI内部の接合関係の再構成若しくはLSI内部の回路区画の再構成が可能な論理デバイスについても、プロセッサとして採用することができる。複数の電子回路は、1つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、1つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。ここでいうコンピュータシステムは、1以上のプロセッサ及び1以上のメモリを有するマイクロコントローラを含む。したがって、マイクロコントローラについても、半導体集積回路又は大規模集積回路を含む1ないし複数の電子回路で構成される。The
また、配置支援システム20における複数の機能が、1つの筐体内に集約されていることは配置支援システム20に必須の構成ではない。配置支援システム20の構成要素は、複数の筐体に分散して設けられていてもよい。さらに、配置支援システム20の少なくとも一部の機能は、クラウド(クラウドコンピューティング)等によって実現されてもよい。
In addition, it is not a required configuration of the
クラウド(又はサーバ)及びエッジ等の2つ以上のシステムに分散して実現され得る機能として、例えば、以下のような機能がある。 Examples of functions that can be realized by distributing them across two or more systems, such as the cloud (or server) and the edge, include the following:
1つ目の機能として、学習済みモデルM1の生成機能がある。すなわち、学習済みモデルM1の生成を、一のシステムで行い、この学習済みモデルM1を用いた配置支援方法(提案ステップ等)を、他のシステムで行うことが可能である。一例として、学習済みモデルM1の生成は、クラウド(又はサーバ)で行い、この学習済みモデルM1を用いた配置支援方法(提案ステップ等)は、エッジで行うことが可能である。この場合、クラウド等の一のシステムでは、配置支援方法に用いられる学習済みモデルを、複数の供給部3のうちの少なくとも1つの供給部3の特徴に対応付けて生成する、学習済みモデルの生成方法が具現化されることになる。The first function is a function for generating a trained model M1. That is, the trained model M1 can be generated in one system, and the deployment support method (proposal step, etc.) using this trained model M1 can be performed in another system. As an example, the trained model M1 can be generated in the cloud (or server), and the deployment support method (proposal step, etc.) using this trained model M1 can be performed on an edge. In this case, in one system such as a cloud, a trained model generation method is embodied in which a trained model used in the deployment support method is generated in association with the characteristics of at least one
2つ目の機能として、多段方式の部品P1の振り分けの機能がある。すなわち、一次提案ステップを、一のシステムで行い、二次提案ステップ以降(三次提案ステップ等を含む)を、他のシステムで行うことが可能である。一例として、一次提案ステップは、クラウド(又はサーバ)で行い、二次提案ステップ以降(三次提案ステップ等を含む)は、エッジで行うことが可能である。この場合、配置支援システム20は、エッジ等のシステムで具現化され、二次提案ステップ以降(三次提案ステップ等を含む)のみを実行する。要するに、配置支援システム20は、部品実装システム100に関して、複数の供給部3における複数の部品P1の配置の決定を支援する。部品実装システム100は、複数の供給部3に供給された複数の部品P1を対象物P2に実装することで生成物P3を生成する。配置支援システム20は、一次提案部221を備えず、二次提案部222を備える。二次提案部222は、複数の一次グループG11,G12の各々を、複数の二次グループG21~G24に分類した場合の、複数の二次グループG21~G24に対する複数の部品P1の配置を提案する。複数の二次グループG21~G24の各々は、複数の供給部3のうちの少なくとも1つの供給部3を含む。二次提案部222は、複数の一次グループG11,G12に対する複数の部品P1の配置の提案を受けて、複数の二次グループG21~G24に対する複数の部品P1の配置を提案する。ここで、複数の一次グループG11,G12に対する複数の部品P1の配置の提案は、配置支援システム20とは別のシステムであって、一次提案部221を備える別システム(クラウド又はサーバ等)にて行われる。つまり、配置支援システム20は、別システムから、複数の一次グループG11,G12に対する複数の部品P1の配置の提案を受けて、複数の二次グループG21~G24に対する複数の部品P1の配置を提案する。
The second function is the function of allocating the components P1 in a multi-stage manner. That is, the first proposal step can be performed in one system, and the second proposal step and subsequent steps (including the third proposal step, etc.) can be performed in another system. As an example, the first proposal step can be performed in the cloud (or a server), and the second proposal step and subsequent steps (including the third proposal step, etc.) can be performed in an edge. In this case, the
3つ目の機能として、再配置の機能がある。すなわち、提案ステップを、一のシステムで行い、特定ステップ及び再配置ステップを、他のシステムで行うことが可能である。一例として、提案ステップは、エッジで行い、特定ステップ及び再配置ステップは、クラウド(又はサーバ)で行うことが可能である。この場合、配置支援方法は、クラウド(又はサーバ)等のシステムで具現化され、特定ステップ及び再配置ステップのみを含む。要するに、配置支援方法は、部品実装システム100に関して、複数の供給部3における複数の部品P1の配置の決定を支援する方法である。部品実装システム100は、複数の供給部3に供給された複数の部品P1を対象物P2に実装することで生成物P3を生成する。配置支援方法は、提案ステップを有さず、特定ステップ及び再配置ステップを有する。特定ステップは、複数の供給部に対する前記複数の部品の配置の提案を受けて、提案された複数の部品P1の配置を採用した場合に、複数の供給部3のうち、特定条件を満たす供給部3を対象供給部として特定するステップである。特定条件は、部品実装システム100での生成物P3の生成に要する時間に関しての条件である。再配置ステップは、対象供給部と、複数の供給部3のうちの対象供給部以外の少なくとも1つの供給部3からなる参照供給部とに対して、複数の部品P1の配置を提案するステップである。
The third function is a rearrangement function. That is, the proposal step can be performed in one system, and the identification step and rearrangement step can be performed in another system. As an example, the proposal step can be performed on an edge, and the identification step and rearrangement step can be performed on a cloud (or server). In this case, the placement support method is embodied in a system such as a cloud (or server) and includes only the identification step and the rearrangement step. In short, the placement support method is a method for supporting the determination of the placement of multiple components P1 in
反対に、実施形態1において、複数の装置に分散されている配置支援システム20又は作業システム200の少なくとも一部の機能が、1つの筐体内に集約されていてもよい。例えば、部品実装システム100と配置支援システム20とに分散されている一部の機能が、部品実装システム100に集約されてもよい。Conversely, in
また、部品実装システム100の用途は、工場での電子機器の製造に限らない。例えば、ガラス板への機械部品の実装に部品実装システム100が用いられる場合、部品実装システム100は、対象物P2であるガラス板に対して、部品P1である機械部品を実装する作業を行う。In addition, the use of the
また、実装ヘッド4に備わっている捕捉部41の数等は、実施形態1で説明した数に限らない。例えば、捕捉部41は17個以上であってもよい。もちろん、実装ヘッド4が捕捉部41を1つだけ備えていてもよい。実装ヘッド4はロータリヘッドであってもよい。
In addition, the number of
また、複数台の実装機10のうちの少なくとも1台の実装機10は、供給部3を、1つだけ、又は3つ以上備えていてもよい。同様に、複数台の実装機10のうちの少なくとも1台の実装機10は、実装ヘッド4を、1つだけ、又は3つ以上備えていてもよい。In addition, at least one of the multiple mounting
また、実施形態1では、参照供給部は、複数の供給部3のうちの対象供給部以外の任意の供給部3からなるが、この例に限らない。例えば、実装時間に関して最も余裕がある供給部3を参照供給部としてもよい。つまり、部品実装システム100は、複数の供給部3に配置される複数の部品P1を順次実装するところ、複数の供給部3のうち、部品P1の実装にかかる時間が最も短い供給部3が、実装時間に関して最も余裕がある。すなわち、参照供給部は、部品実装システム100での生成物P3の生成に要する時間が、複数の供給部3の中で最短である供給部3を含むことになる。この構成によれば、再配置において、実装時間に関してボトルネックとなる対象供給部と、実装時間に関して最も余裕がある参照供給部との間で、複数の部品P1をシャッフルすることが可能である。その結果、再配置により、実装時間の良化が図りやすくなる。
In addition, in the first embodiment, the reference supply unit is composed of any
また、対象供給部を特定するための特定条件は、実装時間に関する条件であればよく、実装時間が複数の供給部3の中で最長であること(供給部3がボトルネックとなること)に限らない。例えば、特定条件は、部品実装システム100での生成物P3の生成に要する時間(実装時間)が、複数の供給部3の中でM番目(Mは「2」以上の整数)に長いことであってもよい。反対に、特定条件は、部品実装システム100での生成物P3の生成に要する時間(実装時間)が、複数の供給部3の中で最短であること等であってもよい。このように、特定条件次第では、例えば、複数の供給部3において、部品実装システム100での生成物P3の生成に要する時間のばらつきを低減することも可能である。この場合に、例えば、特定の実装機10に負担が集中することを緩和できる。
In addition, the specific condition for identifying the target supply unit may be a condition related to the mounting time, and is not limited to the mounting time being the longest among the multiple supply units 3 (the
また、対象供給部は、1つの供給部3に限らず、2つ以上の供給部3であってもよい。同様に、参照供給部もまた、1つの供給部3に限らず、2つ以上の供給部3であってもよい。
In addition, the target supply unit is not limited to one
また、供給部3には、テープフィーダが取り付けられる構成に限らず、例えば、複数の部品P1が載せ置かれたトレイが設置されてもよい。さらに、部品実装システム100全体としては、例えば、テープフィーダが取り付けられる供給部3と、トレイが設置される供給部3と、が混在してもよい。In addition, the
また、配置支援方法が行う部品P1の「配置」の提案は、部品P1の配列の提案までであってもよい。この場合、配置支援方法では、複数の部品P1を複数に分割して、分割後の1つ以上の部品P1を、複数の供給部3のいずれかに割り当て、かつ各供給部3内での並び順(配列)まで規定する。その結果、1つの供給部3内に複数の部品P1が割り当てられる場合、これら複数の部品P1の並び順まで規定されることになる。
Furthermore, the placement assistance method may only propose the "placement" of parts P1. In this case, the placement assistance method divides multiple parts P1 into multiple parts, assigns one or more parts P1 after the division to one of
また、学習済みモデルM1の事前学習は、配置支援システム20に限らず、他のシステムで実行されてもよい。この場合、配置支援システム20は、他のシステムで生成された学習済みモデルM1を用いて、提案部22及び再配置部24での部品P1の配置の提案を実行する。In addition, the pre-learning of the trained model M1 may be performed in another system, not limited to the
また、提案ステップと再配置ステップとの両方において、学習済みモデルM1を用いた部品P1の配置の提案が行われることは必須ではない。例えば、提案ステップと再配置ステップとのうち、提案ステップでのみ学習済みモデルM1を用いた部品P1の配置の提案が行われてもよいし、再配置ステップでのみ学習済みモデルM1を用いた部品P1の配置の提案が行われてもよい。さらに、提案ステップと再配置ステップとのいずれにおいても、学習済みモデルM1が用いられなくてもよい。すなわち、多段方式の部品P1の振り分け、及び再配置といった機能に関しては、学習済みモデルM1を用いなくても、実施形態1と同様の機能を実現可能である。
In addition, it is not essential that the placement of the part P1 is proposed using the trained model M1 in both the proposal step and the rearrangement step. For example, of the proposal step and the rearrangement step, the placement of the part P1 may be proposed using the trained model M1 only in the proposal step, or the placement of the part P1 may be proposed using the trained model M1 only in the rearrangement step. Furthermore, the trained model M1 does not have to be used in either the proposal step or the rearrangement step. In other words, with regard to functions such as the allocation and rearrangement of the part P1 in a multi-stage manner, it is possible to realize functions similar to those of
また、実施形態1では、一次提案ステップ、二次提案ステップ及び三次提案ステップの全てで学習済みモデルM1を用いた部品P1の配置の提案が行われることは必須ではない。例えば、一次提案ステップ、二次提案ステップ及び三次提案ステップのうち、いずれか1つ又は2つのステップでのみ、学習済みモデルM1を用いた部品P1の配置の提案が行われてもよい。In addition, in
また、学習済みモデルM1の生成手段は、強化学習に限らず、例えば、「教師あり学習」等であってもよい。 Furthermore, the means for generating the trained model M1 is not limited to reinforcement learning, but may be, for example, "supervised learning," etc.
また、実施形態1に係る配置支援方法は、その全ての処理を1以上のプロセッサが実行する態様に限らず、少なくとも一部の処理に人が介在してもよい。例えば、制約条件の設定等の処理については、人がユーザインタフェース等を用いて行ってもよい。 In addition, the placement support method according to the first embodiment is not limited to a case where all of the processes are executed by one or more processors, and at least some of the processes may be executed by a human being. For example, processes such as setting constraint conditions may be executed by a human being using a user interface or the like.
また、学習済みモデルM1の生成等に用いられる実装時間を求めるための手段は、シミュレーション部26でのシミュレーションに限らない。例えば、シミュレーションに代えて、多層ニューラルネットワークを用いた深層学習(ディープラーニング)により生成される分類器等を用いて、実装時間を求めてもよい。 In addition, the means for calculating the implementation time used for generating the trained model M1 is not limited to the simulation in the simulation unit 26. For example, instead of the simulation, the implementation time may be calculated using a classifier generated by deep learning using a multi-layer neural network.
(実施形態2)
本実施形態に係る配置支援方法は、再配置のための処理パートS200(図5参照)が、実施形態1に係る配置支援方法と相違する。以下、実施形態1と同様の構成については、共通の符号を付して適宜説明を省略する。
(Embodiment 2)
The placement support method according to this embodiment differs from the placement support method according to
すなわち、実施形態1では、再配置ステップにて部品P1の再配置を行うに際して、特定ステップにて特定条件を満たす供給部3(対象供給部)を特定した上で、対象供給部に配置されている部品P1を再配置の対象としている。そして、特定条件を満たす供給部3(対象供給部)について、再配置を行った結果、同一の供給部3が特定条件を満たすままであれば、部品P1の配置の変更パターンが尽きたこととして、再配置のための処理パートS200を終了する。That is, in the first embodiment, when rearranging part P1 in the rearrangement step, a supply unit 3 (target supply unit) that satisfies a specific condition is identified in the identification step, and part P1 that is arranged in the target supply unit is then targeted for rearrangement. Then, for the supply unit 3 (target supply unit) that satisfies the specific condition, if the
これに対して、本実施形態では、実装時間に関して特定条件を満たす供給部3について、再配置を行った結果、同一の供給部3が特定条件を満たすままであっても、再配置のための処理パートS200を継続する。つまり、本実施形態に係る配置支援方法では、特定条件を満たす供給部3を対象供給部としての部品P1の配置の変更パターンが尽きても、他の供給部3を対象供給部として、再配置ステップを繰り返し行う。具体的には、特定条件を満たす供給部3を対象供給部としての部品P1の配置の変更パターンが尽きた後においては、特定条件を満たすか否かにかかわらず複数の供給部3のうちの任意の供給部3を、順次、対象供給部として選択する。In contrast, in this embodiment, even if the
結果的に、本実施形態に係る配置支援方法によれば、複数の供給部3の全てを対象として、再配置を行うことが可能であって、実施形態1に比較しても、更に適切な配置を見出すことが可能になる。
As a result, according to the placement assistance method of this embodiment, it is possible to perform rearrangement of all of the
実施形態2の変形例として、配置支援方法は、そもそも特定条件を満たす供給部3を対象供給部として特定する特定ステップを有さなくてもよい。この場合、配置支援方法は、再配置に際しては、特定条件を満たすか否かにかかわらず複数の供給部3のうちの任意の供給部3を、順次、対象供給部として選択する。As a variation of the second embodiment, the placement support method may not have a step of identifying a
実施形態2(変形例を含む)で説明した構成は、実施形態1で説明した構成(変形例を含む)と適宜組み合わせて適用可能である。The configuration described in embodiment 2 (including modified examples) can be applied in appropriate combination with the configuration described in embodiment 1 (including modified examples).
(まとめ)
以上説明したように、第1の態様に係る配置支援方法は、部品実装システム(100)に関して、複数の供給部(3)における複数の部品(P1)の配置の決定を支援する方法であって、取得ステップと、提案ステップと、を有する。部品実装システム(100)は、複数の供給部(3)に供給された複数の部品(P1)を対象物(P2)に実装することで生成物(P3)を生成するシステムである。取得ステップは、生成物(P3)に含まれる複数の部品(P1)に関する実装データ(D1)を取得するステップである。提案ステップは、学習済みモデル(M1)を用いて、部品実装システム(100)での生成物(P3)の生成に要する実装時間を短くするように、実装データ(D1)から、複数の供給部(3)に対する複数の部品(P1)の配置を提案するステップである。学習済みモデル(M1)は、複数の供給部(3)のうちの少なくとも1つの供給部(3)の特徴に対応付けて生成されたモデルである。
(summary)
As described above, the placement support method according to the first aspect is a method for supporting the determination of placement of a plurality of components (P1) in a plurality of supply units (3) in a component mounting system (100), and includes an acquisition step and a proposal step. The component mounting system (100) is a system that generates a product (P3) by mounting a plurality of components (P1) supplied to the plurality of supply units (3) on a target object (P2). The acquisition step is a step of acquiring mounting data (D1) related to the plurality of components (P1) included in the product (P3). The proposal step is a step of proposing a placement of the plurality of components (P1) for the plurality of supply units (3) from the mounting data (D1) using the trained model (M1) so as to shorten the mounting time required for generating the product (P3) in the component mounting system (100). The trained model (M1) is a model generated in association with the characteristics of at least one of the plurality of supply units (3).
この態様によれば、提案ステップでは、一義的に決められた配置を提案するのではなく、例えば、熟練者が行うような配置の「決め方」のスキルを学習済みモデル(M1)で実現することにより、適切な配置を、より簡単に見出すことが可能である。特に、学習済みモデル(M1)は、複数の供給部(3)のうちの少なくとも1つの供給部(3)の特徴に対応付けて生成されたモデルであるので、例えば、実装機(10)の性能又は仕様等を考慮して、複数の部品(P1)の配置が提案される。したがって、この配置支援方法では、改善された部品(P1)の配置の提案が可能である。According to this aspect, in the suggestion step, rather than proposing a uniquely determined placement, it is possible to more easily find an appropriate placement by, for example, realizing in the learned model (M1) the skill of "deciding" the placement as done by an expert. In particular, since the learned model (M1) is a model generated in correspondence with the characteristics of at least one of the multiple supply units (3), the placement of the multiple components (P1) is proposed, for example, taking into account the performance or specifications of the mounting machine (10). Therefore, this placement support method makes it possible to propose an improved placement of the components (P1).
第2の態様に係る配置支援方法では、第1の態様において、学習済みモデル(M1)は、複数の供給部(3)のうちの2つ以上の供給部(3)の特徴に対応付けて生成されたモデルを含む。In the placement support method relating to the second aspect, in the first aspect, the trained model (M1) includes a model generated in correspondence with the characteristics of two or more supply units (3) among the multiple supply units (3).
この態様によれば、例えば、提案ステップで複数の部品(P1)を2つ以上の供給部(3)に振り分ける場合でも、振り分け先となる2つ以上の供給部(3)に合わせた学習済みモデル(M1)で、適切な配置を提案しやすくなる。 According to this aspect, for example, even if multiple parts (P1) are allocated to two or more supply units (3) in the proposal step, it becomes easier to propose an appropriate arrangement using a trained model (M1) tailored to the two or more supply units (3) to which the parts are to be allocated.
第3の態様に係る配置支援方法では、第1又は2の態様において、学習済みモデル(M1)は、複数の供給部(3)の特徴を1以上の特徴群に分類した場合に、1以上の特徴群に対応付けて生成されたモデルを含む。In the placement support method relating to the third aspect, in the first or second aspect, the trained model (M1) includes a model generated in correspondence with one or more feature groups when the features of multiple supply units (3) are classified into one or more feature groups.
この態様によれば、例えば、同じような特徴については1つの特徴群とすることで、多様な特徴の供給部(3)が存在する場合でも、供給部(3)に合わせた学習済みモデル(M1)で、適切な配置を提案しやすくなる。 According to this aspect, for example, by grouping similar features into one feature group, even if there is a supply unit (3) with a variety of features, it becomes easier to suggest an appropriate arrangement using a trained model (M1) tailored to the supply unit (3).
第4の態様に係る配置支援方法では、第1~3のいずれかの態様において、学習済みモデル(M1)は、強化学習を用いて生成される。In the placement support method relating to the fourth aspect, in any of the first to third aspects, the trained model (M1) is generated using reinforcement learning.
この態様によれば、正解が明確でなく、かつ膨大な組み合わせに対する最適化が要求されるケースでの学習済みモデル(M1)の生成が容易になる。 According to this aspect, it becomes easier to generate a trained model (M1) in cases where the correct answer is not clear and optimization over a huge number of combinations is required.
第5の態様に係る配置支援方法は、第1~4のいずれかの態様において、学習済みモデル(M1)を更新する更新ステップを更に有する。The placement support method of the fifth aspect, in any one of the first to fourth aspects, further includes an update step of updating the trained model (M1).
この態様によれば、配置支援方法の運用段階において、ユーザの要求に応じた適切な学習済みモデル(M1)を生成することが可能となる。 According to this aspect, during the operational phase of the placement support method, it is possible to generate an appropriate trained model (M1) in response to user requirements.
第6の態様に係る配置支援方法では、第1~5のいずれかの態様において、学習済みモデル(M1)は、部品実装システム(100)により生成される生成物(P3)に関する情報に対応付けて生成されたモデルを含む。In the placement assistance method relating to the sixth aspect, in any of the first to fifth aspects, the trained model (M1) includes a model generated in correspondence with information regarding the product (P3) generated by the component mounting system (100).
この態様によれば、供給部(3)の特徴だけでなく、生成物(P3)に固有の事情も反映した学習済みモデル(M1)が用いられるので、適切な配置を提案しやすくなる。 According to this embodiment, a trained model (M1) is used that reflects not only the characteristics of the supply unit (3) but also the circumstances specific to the product (P3), making it easier to suggest an appropriate arrangement.
第7の態様に係る配置支援方法では、第1~6のいずれかの態様において、提案ステップは、一次提案ステップと、二次提案ステップと、を含む。一次提案ステップは、複数の一次グループ(G11,G12)に対する複数の部品(P1)の配置を提案するステップである。二次提案ステップは、一次提案ステップの後で、複数の一次グループ(G11,G12)の各々を、複数の二次グループ(G21~G24)に分類した場合の、複数の二次グループ(G21~G24)に対する複数の部品(P1)の配置を提案するステップである。複数の二次グループ(G21~G24)の各々は、複数の供給部(3)のうちの少なくとも1つの供給部(3)を含む。In the placement assistance method according to the seventh aspect, in any of the first to sixth aspects, the proposal step includes a primary proposal step and a secondary proposal step. The primary proposal step is a step of proposing a placement of a plurality of parts (P1) for a plurality of primary groups (G11, G12). The secondary proposal step is a step of proposing a placement of a plurality of parts (P1) for a plurality of secondary groups (G21 to G24) when each of the plurality of primary groups (G11, G12) is classified into a plurality of secondary groups (G21 to G24) after the primary proposal step. Each of the plurality of secondary groups (G21 to G24) includes at least one supply unit (3) of the plurality of supply units (3).
この態様によれば、複数の部品(P1)の配置の提案が、複数の一次グループ(G11,G12)に部品(P1)を配置する一次提案ステップと、更に細かい複数の二次グループ(G21~G24)に部品(P1)を配置する二次提案ステップと、に分かれている。要するに、複数の部品(P1)の配置が、1段階の処理ではなく、階層的に設定された複数段階の処理で実現されるため、各段階において、複数の部品(P1)の適切な配置を導き出すための選択肢を少なく抑えることができる。その結果、各段階での複数の部品(P1)の配置を提案するための処理を簡略化することができる。したがって、この配置支援方法では、改善された部品(P1)の配置の提案が可能である。 According to this aspect, the proposal of the placement of multiple parts (P1) is divided into a primary proposal step of placing the parts (P1) in multiple primary groups (G11, G12) and a secondary proposal step of placing the parts (P1) in multiple smaller secondary groups (G21 to G24). In short, the placement of multiple parts (P1) is realized not in a single stage process but in a hierarchically set multiple stage process, so that at each stage, the number of options for deriving an appropriate placement of multiple parts (P1) can be reduced. As a result, the process for proposing the placement of multiple parts (P1) at each stage can be simplified. Therefore, this placement support method makes it possible to propose an improved placement of parts (P1).
第8の態様に係る配置支援方法では、第7の態様において、一次提案ステップと二次提案ステップとでは、学習済みモデル(M1)が異なる。 In the placement support method relating to the eighth aspect, in the seventh aspect, the trained model (M1) is different between the primary proposal step and the secondary proposal step.
この態様によれば、一次提案ステップと二次提案ステップとの各々において適切な学習済みモデル(M1)を用いて、複数の部品(P1)の配置を提案できる。 According to this aspect, an arrangement of multiple parts (P1) can be proposed using an appropriate trained model (M1) in each of the primary proposal step and the secondary proposal step.
第9の態様に係る配置支援方法では、第7又は8の態様において、一次提案ステップと二次提案ステップとの少なくとも一方において、学習済みモデル(M1)を用いて複数の部品(P1)の配置を提案する。In the placement assistance method of the ninth aspect, in the seventh or eighth aspect, in at least one of the primary proposal step and the secondary proposal step, a placement of a plurality of parts (P1) is proposed using a trained model (M1).
この態様によれば、一義的に決められた配置を提案するのではなく、例えば、熟練者が行うような配置の「決め方」のスキルを学習済みモデル(M1)で実現することにより、適切な配置を、より簡単に見出すことが可能である。 According to this aspect, rather than proposing a uniquely determined arrangement, it is possible to more easily find an appropriate arrangement by realizing in the trained model (M1) the skill of "deciding" the arrangement, as an expert would do, for example.
第10の態様に係る配線支援方法では、第7~9のいずれかの態様において、三次提案ステップを更に有する。三次提案ステップは、二次提案ステップの後で、複数の二次グループ(G21~G24)の各々を、複数の三次グループ(G31~G38)に分類した場合の、複数の三次グループ(G31~G38)に対する複数の部品(P1)の配置を提案するステップである。複数の三次グループ(G31~G38)の各々は、複数の供給部(3)のうちの少なくとも1つの供給部(3)を含む。 In the wiring assistance method according to the tenth aspect, in any of the seventh to ninth aspects, a tertiary proposal step is further included. The tertiary proposal step is a step of proposing the placement of a plurality of components (P1) for a plurality of tertiary groups (G31 to G38) when each of the plurality of secondary groups (G21 to G24) is classified into a plurality of tertiary groups (G31 to G38) after the secondary proposal step. Each of the plurality of tertiary groups (G31 to G38) includes at least one supply unit (3) of the plurality of supply units (3).
この態様によれば、複数の部品(P1)の配置の提案が、一次提案ステップ及び一次提案ステップに加えて、更に細かい複数の三次グループ(G31~G38)に部品(P1)を配置する三次提案ステップと、に分かれて実現される。その結果、各段階での複数の部品(P1)の配置を提案するための処理をより簡略化することができる。According to this aspect, the proposal for the placement of multiple parts (P1) is realized in a primary proposal step and, in addition to the primary proposal step, a tertiary proposal step in which the parts (P1) are placed in a plurality of smaller tertiary groups (G31 to G38). As a result, the process for proposing the placement of multiple parts (P1) at each stage can be further simplified.
第11の態様に係る配置支援方法は、第1~10のいずれかの態様において、提案ステップの後で、複数の供給部(3)に対する複数の部品(P1)の配置を提案する再配置ステップを更に有する。The placement assistance method of the eleventh aspect, in any one of the first to tenth aspects, further includes, after the proposal step, a rearrangement step of proposing the placement of a plurality of parts (P1) to a plurality of supply sections (3).
この態様によれば、提案ステップで提案された複数の部品(P1)の配置が最適でない場合でも、再配置ステップにて、新たな複数の部品(P1)の配置を提案することができる。According to this aspect, even if the arrangement of the multiple parts (P1) proposed in the proposal step is not optimal, a new arrangement of the multiple parts (P1) can be proposed in the rearrangement step.
第12の態様に係る配線支援方法では、第11の態様において、再配置ステップでは、少なくとも、部品実装システム(100)での生成物(P3)の生成に要する時間が、複数の供給部(3)の中で最長である供給部(3)について、複数の部品(P1)の配置を提案する。In the wiring assistance method according to the 12th aspect, in the 11th aspect, the rearrangement step proposes an arrangement of multiple components (P1) for at least the supply unit (3) that requires the longest time among the multiple supply units (3) to generate the product (P3) in the component mounting system (100).
この態様によれば、部品実装システム(100)での生成物(P3)の生成に要する時間に関してボトルネックとなる供給部(3)に配置された部品(P1)を対象に、再配置ステップにて、新たな複数の部品(P1)の配置を提案することができる。According to this aspect, in the rearrangement step, a new arrangement of multiple components (P1) can be proposed for a component (P1) arranged in the supply section (3) that is a bottleneck in terms of the time required to generate the product (P3) in the component mounting system (100).
第13の態様に係る配置支援方法では、第1~12のいずれかの態様において、複数の供給部(3)に対する複数の部品(P1)の配置に際して、特定の供給部(3)に対する特定の部品(P1)の配置の可否を規定する制約条件が付されている。In the placement assistance method relating to the thirteenth aspect, in any of the first to twelfth aspects, when placing multiple parts (P1) to multiple supply units (3), a constraint is imposed that specifies whether or not a specific part (P1) can be placed on a specific supply unit (3).
この態様によれば、制約条件にて、特定の供給部(3)への配置が不可能であると規定された特定の部品(P1)については、振り分けの対象から特定の供給部(3)を除外でき、配置の提案の簡略化が図りやすい。 According to this aspect, for a specific part (P1) that is specified in the constraints as being unable to be placed in a specific supply section (3), the specific supply section (3) can be excluded from the allocation targets, which makes it easier to simplify placement proposals.
第14の態様に係る配置支援方法では、第13の態様において、制約条件による特定の供給部(3)に対する特定の部品(P1)の配置の可否の判断は、学習済みモデル(M1)を用いた複数の供給部(3)に対する複数の部品(P1)の配置の提案とは別に行われる。In the placement support method of the 14th aspect, in the 13th aspect, the determination of whether or not a specific part (P1) can be placed for a specific supply unit (3) based on constraint conditions is made separately from the proposal of the placement of multiple parts (P1) for multiple supply units (3) using the trained model (M1).
この態様によれば、複数の部品(P1)の適切な配置を導き出すための選択肢を少なく抑えることができる。 According to this aspect, the number of options for deriving an appropriate placement of multiple parts (P1) can be reduced.
第15の態様に係る学習済みモデルの生成方法は、第1~14のいずれかの配置支援方法に用いられる学習済みモデルを、複数の供給部(3)のうちの少なくとも1つの供給部(3)の特徴に対応付けて生成する。The method for generating a trained model relating to the 15th aspect generates a trained model to be used in any of the
この態様によれば、改善された部品(P1)の配置の提案が可能である。 According to this aspect, it is possible to propose an improved arrangement of part (P1).
第16の態様に係るプログラムは、第1~14のいずれかの態様に係る配置支援方法、又は第15の態様に係る学習済みモデルの生成方法を、1以上のプロセッサに実行させるためのプログラムである。 The program relating to the 16th aspect is a program for causing one or more processors to execute the placement support method relating to any one of the first to 14th aspects or the method for generating a trained model relating to the 15th aspect.
この態様によれば、改善された部品(P1)の配置の提案が可能である。 According to this aspect, it is possible to propose an improved arrangement of part (P1).
第17の態様に係る配置支援システム(20)は、部品実装システム(100)に関して、複数の供給部(3)における複数の部品(P1)の配置の決定を支援するシステムであって、取得部(21)と、提案部(22)と、を備える。部品実装システム(100)は、複数の供給部(3)に供給された複数の部品(P1)を対象物(P2)に実装することで生成物(P3)を生成するシステムである。取得部(21)は、生成物(P3)に含まれる複数の部品(P1)に関する実装データ(D1)を取得する。提案部(22)は、学習済みモデル(M1)を用いて、部品実装システム(100)での生成物(P3)の生成に要する実装時間を短くするように、実装データ(D1)から、複数の供給部(3)に対する複数の部品(P1)の配置を提案する。学習済みモデル(M1)は、複数の供給部(3)のうちの少なくとも1つの供給部(3)の特徴に対応付けられたモデルである。The placement assistance system (20) according to the seventeenth aspect is a system for assisting in the determination of placement of a plurality of components (P1) in a plurality of supply units (3) for a component mounting system (100), and includes an acquisition unit (21) and a proposal unit (22). The component mounting system (100) is a system for generating a product (P3) by mounting a plurality of components (P1) supplied to the plurality of supply units (3) on a target object (P2). The acquisition unit (21) acquires mounting data (D1) related to the plurality of components (P1) included in the product (P3). The proposal unit (22) uses a trained model (M1) to propose a placement of the plurality of components (P1) for the plurality of supply units (3) from the mounting data (D1) so as to shorten the mounting time required for generating the product (P3) in the component mounting system (100). The trained model (M1) is a model associated with the characteristics of at least one of the plurality of supply units (3).
この態様によれば、改善された部品(P1)の配置の提案が可能である。 According to this aspect, it is possible to propose an improved arrangement of part (P1).
第18の態様に係る配置支援システム(20)では、第17の態様において、提案部(22)は、一次提案部(221)と、二次提案部(222)と、を含む。一次提案部(221)は、複数の一次グループ(G11,G12)に対する複数の部品(P1)の配置を提案する。二次提案部(222)は、複数の一次グループ(G11,G12)の各々を、複数の二次グループ(G21~G24)に分類した場合の、複数の二次グループ(G21~G24)に対する複数の部品(P1)の配置を提案する。複数の二次グループ(G21~G24)の各々は、複数の供給部(3)のうちの少なくとも1つの供給部(3)を含む。In the placement assistance system (20) according to the 18th aspect, in the 17th aspect, the proposal unit (22) includes a primary proposal unit (221) and a secondary proposal unit (222). The primary proposal unit (221) proposes placement of a plurality of parts (P1) for a plurality of primary groups (G11, G12). The secondary proposal unit (222) proposes placement of a plurality of parts (P1) for a plurality of secondary groups (G21 to G24) when each of the plurality of primary groups (G11, G12) is classified into a plurality of secondary groups (G21 to G24). Each of the plurality of secondary groups (G21 to G24) includes at least one supply unit (3) of the plurality of supply units (3).
この態様によれば、改善された部品(P1)の配置の提案が可能である。 According to this aspect, it is possible to propose an improved arrangement of part (P1).
第19の態様に係る配置支援システム(20)では、第17の態様において、提案部(22)は、二次提案部(222)を含む。二次提案部(222)は、複数の一次グループ(G11,G12)の各々を、複数の二次グループ(G21~G24)に分類した場合の、複数の二次グループ(G21~G24)に対する複数の部品(P1)の配置を提案する。複数の二次グループ(G21~G24)の各々は、複数の供給部(3)のうちの少なくとも1つの供給部(3)を含む。二次提案部(222)は、複数の一次グループ(G11,G12)に対する複数の部品(P1)の配置の提案を受けて、複数の二次グループ(G21~G24)に対する複数の部品(P1)の配置を提案する。In the placement assistance system (20) according to the 19th aspect, in the 17th aspect, the suggestion unit (22) includes a secondary suggestion unit (222). The secondary suggestion unit (222) proposes placement of a plurality of parts (P1) for a plurality of secondary groups (G21 to G24) when each of the plurality of primary groups (G11, G12) is classified into a plurality of secondary groups (G21 to G24). Each of the plurality of secondary groups (G21 to G24) includes at least one supply unit (3) among the plurality of supply units (3). The secondary suggestion unit (222) proposes placement of a plurality of parts (P1) for a plurality of secondary groups (G21 to G24) upon receiving a proposal for placement of a plurality of parts (P1) for the plurality of primary groups (G11, G12).
この態様によれば、改善された部品(P1)の配置の提案が可能である。 According to this aspect, it is possible to propose an improved arrangement of part (P1).
第20の態様に係る作業システム(200)は、第17~19のいずれかの態様に係る配置支援システム(20)と、部品実装システム(100)と、を備える。部品実装システム(100)は、配置支援システム(20)で提案された複数の部品(P1)の配置で用いられ、生成物(P3)を生成する。The work system (200) according to the twentieth aspect includes a placement assistance system (20) according to any one of the seventeenth to nineteenth aspects, and a component mounting system (100). The component mounting system (100) is used to place a plurality of components (P1) proposed by the placement assistance system (20) and generates a product (P3).
この態様によれば、改善された部品(P1)の配置の提案が可能である。 According to this aspect, it is possible to propose an improved arrangement of part (P1).
上記態様に限らず、実施形態1及び実施形態2に係る配置支援方法の種々の態様(変形例を含む)は、配置支援システム(20)、作業システム(200)、プログラム及びプログラムを記録した非一時的記録媒体にて具現化可能である。
Not limited to the above aspects, various aspects (including modified examples) of the placement support method according to
第2~14の態様に係る構成については、配置支援方法に必須の構成ではなく、適宜省略可能である。The configurations relating to aspects 2 to 14 are not essential to the placement assistance method and may be omitted as appropriate.
第17又は18に係る構成については、配置支援システム(20)に必須の構成ではなく、適宜省略可能である。The configurations relating to items 17 and 18 are not essential components of the placement support system (20) and may be omitted as appropriate.
3 供給部
20 配置支援システム
21 取得部
22 提案部
100 部品実装システム
200 作業システム
221 一次提案部
222 二次提案部
D1 実装データ
M1 学習済みモデル
G11,G12 一次グループ
G21~G24 二次グループ
G31~G38 三次グループ
P1 部品
P2 対象物
P3 生成物
3
Claims (20)
前記生成物に含まれる前記複数の部品に関する実装データを取得する取得ステップと、
前記複数の供給部のうちの少なくとも1つの供給部の特徴に対応付けて生成された学習済みモデルを用いて、前記部品実装システムでの前記生成物の生成に要する実装時間を短くするように、前記実装データから、前記複数の供給部に対する前記複数の部品の配置を提案する提案ステップと、を有する、
配置支援方法。 1. A placement assistance method for a component mounting system that generates a product by mounting a plurality of components supplied to a plurality of supply units on a target object, the method comprising the steps of:
acquiring mounting data relating to the plurality of components included in the product;
and a proposing step of proposing an arrangement of the plurality of components for the plurality of supply units from the mounting data, using a trained model generated in association with a feature of at least one of the plurality of supply units, so as to shorten a mounting time required for generating the product in the component mounting system.
Placement assistance methods.
請求項1に記載の配置支援方法。 The trained model includes a model generated in association with features of two or more supply units among the plurality of supply units.
The placement assistance method according to claim 1 .
請求項1又は2に記載の配置支援方法。 The trained model includes a model generated in association with one or more feature groups when the features of the plurality of supply units are classified into one or more feature groups,
The placement assistance method according to claim 1 or 2.
請求項1~3のいずれか1項に記載の配置支援方法。 The trained model is generated using reinforcement learning.
The method for assisting placement according to any one of claims 1 to 3.
請求項1~4のいずれか1項に記載の配置支援方法。 Further comprising an updating step of updating the trained model.
The placement assistance method according to any one of claims 1 to 4.
請求項1~5のいずれか1項に記載の配置支援方法。 The trained model includes a model generated in association with information about the product generated by the component mounting system.
The placement assistance method according to any one of claims 1 to 5.
複数の一次グループに対する前記複数の部品の配置を提案する一次提案ステップと、
前記一次提案ステップの後で、前記複数の一次グループの各々を、前記複数の供給部のうちの少なくとも1つの供給部を含む複数の二次グループに分類した場合の、前記複数の二次グループに対する前記複数の部品の配置を提案する二次提案ステップと、を含む、
請求項1~6のいずれか1項に記載の配置支援方法。 The proposing step includes:
a primary proposal step of proposing an arrangement of the plurality of components for a plurality of primary groups;
a secondary proposal step of proposing an arrangement of the plurality of components for a plurality of secondary groups when each of the plurality of primary groups is classified into a plurality of secondary groups including at least one supply unit among the plurality of supply units after the primary proposal step,
The placement assistance method according to any one of claims 1 to 6.
請求項7に記載の配置支援方法。 The trained model is different between the first proposal step and the second proposal step.
The placement assistance method according to claim 7.
請求項7又は8に記載の配置支援方法。 In at least one of the primary proposal step and the secondary proposal step, a layout of the plurality of parts is proposed using the trained model.
The placement assistance method according to claim 7 or 8.
請求項7~9のいずれか1項に記載の配置支援方法。 a tertiary proposal step of proposing an arrangement of the plurality of components for a plurality of tertiary groups when each of the plurality of secondary groups is classified into a plurality of tertiary groups including at least one supply unit among the plurality of supply units after the secondary proposal step,
The arrangement assistance method according to any one of claims 7 to 9.
請求項1~10のいずれか1項に記載の配置支援方法。 The method further includes, after the proposing step, a rearrangement step of proposing an arrangement of the plurality of components with respect to the plurality of supply units.
The method for assisting placement according to any one of claims 1 to 10.
請求項11に記載の配置支援方法。 In the rearrangement step, a placement of the plurality of components is proposed for at least a supply unit that requires the longest time to generate the product in the component mounting system among the plurality of supply units.
The method for assisting placement according to claim 11.
請求項1~12のいずれか1項に記載の配置支援方法。 When arranging the plurality of components to the plurality of supply units, a constraint is imposed that specifies whether or not a specific component can be arranged to a specific supply unit.
The method for assisting placement according to any one of claims 1 to 12.
請求項13に記載の配置支援方法。 The determination of whether or not the specific part can be placed on the specific supply unit based on the constraint condition is performed separately from the proposal of the placement of the multiple parts on the multiple supply units using the trained model.
The method for assisting placement according to claim 13.
学習済みモデルの生成方法。 A trained model used in the placement support method according to any one of claims 1 to 14 is generated in association with a feature of at least one of the plurality of supply units.
How to generate a trained model.
前記生成物に含まれる前記複数の部品に関する実装データを取得する取得部と、
前記複数の供給部のうちの少なくとも1つの供給部の特徴に対応付けられた学習済みモデルを用いて、前記部品実装システムでの前記生成物の生成に要する実装時間を短くするように、前記実装データから、前記複数の供給部に対する前記複数の部品の配置を提案する提案部と、を備える、
配置支援システム。 1. A component mounting system that generates a product by mounting a plurality of components supplied to a plurality of supply units on an object, the component placement assistance system providing assistance in determining a placement of the plurality of components at the plurality of supply units, the system comprising:
an acquisition unit that acquires mounting data related to the plurality of components included in the product;
and a suggestion unit that uses a trained model associated with a feature of at least one of the supply units to propose an arrangement of the plurality of components for the plurality of supply units from the mounting data so as to shorten a mounting time required for generating the product in the component mounting system.
Placement support system.
複数の一次グループに対する前記複数の部品の配置を提案する一次提案部と、
前記複数の一次グループの各々を、前記複数の供給部のうちの少なくとも1つの供給部を含む複数の二次グループに分類した場合の、前記複数の二次グループに対する前記複数の部品の配置を提案する二次提案部と、を含む、
請求項17に記載の配置支援システム。 The suggestion unit,
a primary proposal unit that proposes an arrangement of the plurality of components for a plurality of primary groups;
a secondary suggestion unit that proposes an arrangement of the plurality of components for a plurality of secondary groups when each of the plurality of primary groups is classified into a plurality of secondary groups including at least one supply unit among the plurality of supply units,
20. The placement assistance system of claim 17.
複数の一次グループに対する前記複数の部品の配置の提案を受けて、前記複数の一次グループの各々を、前記複数の供給部のうちの少なくとも1つの供給部を含む複数の二次グループに分類した場合の、前記複数の二次グループに対する前記複数の部品の配置を提案する二次提案部を含む、
請求項17に記載の配置支援システム。 The suggestion unit,
a secondary suggestion unit that receives a proposal for an arrangement of the plurality of components for a plurality of primary groups, and proposes an arrangement of the plurality of components for the plurality of secondary groups when each of the plurality of primary groups is classified into a plurality of secondary groups including at least one supply unit among the plurality of supply units;
20. The placement assistance system of claim 17.
前記配置支援システムで提案された前記複数の部品の配置で用いられ、前記生成物を生成する前記部品実装システムと、を備える、
作業システム。 The arrangement support system according to any one of claims 17 to 19,
the component mounting system being used in the arrangement of the plurality of components proposed by the arrangement assistance system to generate the product;
Working system.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019208320 | 2019-11-18 | ||
JP2019208321 | 2019-11-18 | ||
JP2019208321 | 2019-11-18 | ||
JP2019208320 | 2019-11-18 | ||
PCT/JP2020/042484 WO2021100630A1 (en) | 2019-11-18 | 2020-11-13 | Placement assistance method, method for generating learned model, program, placement assistance system, and work system |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021100630A1 JPWO2021100630A1 (en) | 2021-05-27 |
JP7489618B2 true JP7489618B2 (en) | 2024-05-24 |
Family
ID=75981248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021558353A Active JP7489618B2 (en) | 2019-11-18 | 2020-11-13 | Placement support method, trained model generation method, program, placement support system, and work system |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7489618B2 (en) |
CN (1) | CN114585982A (en) |
DE (1) | DE112020005671T5 (en) |
WO (1) | WO2021100630A1 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113905606B (en) * | 2021-09-13 | 2022-09-30 | 中国地质大学(武汉) | Chip mounter surface mounting scheduling model training method based on deep reinforcement learning |
WO2024079882A1 (en) * | 2022-10-14 | 2024-04-18 | 株式会社Fuji | Production assistance device |
WO2024079883A1 (en) * | 2022-10-14 | 2024-04-18 | 株式会社Fuji | Production assistance device |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003101284A (en) | 2001-09-21 | 2003-04-04 | Sanyo Electric Co Ltd | Parts arranging method in parts mounting device |
JP5146928B2 (en) | 2007-03-30 | 2013-02-20 | 独立行政法人産業技術総合研究所 | Method for producing Claisen rearrangement compound and synthesis apparatus thereof |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3006639B2 (en) * | 1991-11-25 | 2000-02-07 | 株式会社日立製作所 | Method of deciding component placement in component supply unit of automatic mounting machine |
JP2002111298A (en) | 2000-07-27 | 2002-04-12 | Matsushita Electric Ind Co Ltd | Operation analyzer, operation analyzing system, operation analyzing program and method for analyzing operation |
JP2017033979A (en) * | 2015-07-29 | 2017-02-09 | ファナック株式会社 | Packaging tact, component mounter for reducing power consumption, and machine learning device |
JP6586645B2 (en) * | 2017-06-19 | 2019-10-09 | パナソニックIpマネジメント株式会社 | Mounting board manufacturing system |
-
2020
- 2020-11-13 CN CN202080074082.8A patent/CN114585982A/en active Pending
- 2020-11-13 JP JP2021558353A patent/JP7489618B2/en active Active
- 2020-11-13 DE DE112020005671.6T patent/DE112020005671T5/en active Pending
- 2020-11-13 WO PCT/JP2020/042484 patent/WO2021100630A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003101284A (en) | 2001-09-21 | 2003-04-04 | Sanyo Electric Co Ltd | Parts arranging method in parts mounting device |
JP5146928B2 (en) | 2007-03-30 | 2013-02-20 | 独立行政法人産業技術総合研究所 | Method for producing Claisen rearrangement compound and synthesis apparatus thereof |
Also Published As
Publication number | Publication date |
---|---|
WO2021100630A1 (en) | 2021-05-27 |
CN114585982A (en) | 2022-06-03 |
JPWO2021100630A1 (en) | 2021-05-27 |
DE112020005671T5 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7489618B2 (en) | Placement support method, trained model generation method, program, placement support system, and work system | |
JP3589658B2 (en) | Optimization device, mounting device and electronic component mounting system | |
JP4996634B2 (en) | Mounting condition determining method and mounting condition determining apparatus | |
JP2013030578A (en) | Electronic component mounting system and electronic component mounting method | |
JP4995845B2 (en) | Mounting condition determination method | |
JP5700694B2 (en) | Manufacturing support system | |
JP2002050900A (en) | Method and apparatus for optimizing mounting order of part and part mounter | |
WO2016075760A1 (en) | Control device for electronic component attaching device, and data input device for control device | |
JP7457938B2 (en) | Placement support method, program, placement support system and work system | |
JP2009231808A (en) | Method for determining mounting conditions | |
JP5038970B2 (en) | Mounting condition determining method, mounting condition determining apparatus, component mounting method, component mounter, and program | |
JP2007150340A (en) | Optimizing method for part mounting, optimizing apparatus for the same, optimizing program for the same, and part mounting apparatus | |
JP2006245537A (en) | Method for determining mounting order of component, method and machine for mounting component | |
JP2009224766A (en) | Mounting condition determining method, mounting condition determining apparatus, component mounting method, component mounter, and program | |
JP2015188113A (en) | Electronic component mounting system and electronic component mounting method | |
Ayob et al. | The optimisation of the single surface mount device placement machine in printed circuit board assembly: a survey | |
US11076521B2 (en) | Production plan creation system and production plan creation method | |
JP2004146641A (en) | Method for simulating optimized facility configuration in electronic part mounting line | |
JP4050524B2 (en) | Component mounting method and system | |
JP2005101574A (en) | Method and equipment for optimizing mounting order of component | |
JP2014036174A (en) | Component mounting device and component mounting method | |
JP4744321B2 (en) | Component mounting method | |
JP4891196B2 (en) | Component mounting method | |
Yilmaz | Development and evaluation of setup strategies in printed circuit board assembly | |
Lee et al. | A dynamic programming approach to a reel assignment problem of a surface mounting machine in printed circuit board assembly |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230911 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7489618 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |