WO2021049116A1

WO2021049116A1 - 太陽電池群の製造装置、太陽電池群、及び太陽電池群の製造方法

Info

Publication number: WO2021049116A1
Application number: PCT/JP2020/023379
Authority: WO
Inventors: 玄介小泉
Original assignee: 株式会社カネカ
Priority date: 2019-09-10
Filing date: 2020-06-15
Publication date: 2021-03-18
Also published as: US20220328714A1; CN114127960A; CN114127960B

Abstract

本発明は、人が視認したときに色のバランスが良好であると感じやすい太陽電池群の製造装置を提供することを課題とする。　本発明の太陽電池群の製造装置は、各太陽電池を配置する配置操作部（１２）と、機械学習部（２０）を有し、太陽電池群は、太陽電池を平面的に並べたものであり、太陽電池は、受光面に反射防止膜が形成されており、太陽電池の中には、反射防止膜の厚み又は反射防止膜の屈折率が相違することで、色要素にばらつきが生じるものがあり、機械学習部（２０）は、各太陽電池の配置と、人が太陽電池の配置における太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして機械学習し、機械学習部（２０）は、製造する際に、各太陽電池の色要素の情報に基づいて、人が視認したときに太陽電池群の色のバランスが良好と判定すると予測される太陽電池の配置モデルを生成し、配置操作部（１２）は、配置モデルに基づいて各太陽電池を配置する構成とする。

Description

太陽電池群の製造装置、太陽電池群、及び太陽電池群の製造方法

　本発明は、太陽電池群の製造装置、太陽電池群、及び太陽電池群の製造方法に関する。

　従来から、裏面側にのみ電極が設けられ、受光面側に電極を設けない所謂バックコンタクト型の太陽電池セルが知られている（例えば、特許文献１）。
　バックコンタクト型の太陽電池セルは、裏面に電極が集約されるため、太陽電池の受光面を大きくでき、より多くの光を取り込むことが可能となっている。
　また、バックコンタクト型の太陽電池セルを用いた太陽電池モジュールは、各太陽電池間を接続する配線部材も裏面側に設けられるため、室内等では、視認者に見た目が均一な心証を与えることができる。

　バックコンタクト型の太陽電池セルは、受光した光を太陽電池セル内に閉じ込めるために、受光面側に反射防止膜を設けており、見た目の色要素が概ね反射防止膜で決まる。

特開２０１８－１７０４８２号公報

　通常、量産する太陽電池セルの製造では、多数の太陽電池セルを同一条件で同時に受光面に反射防止膜を製膜する。しかしながら、各太陽電池セルにおいて同一条件で反射防止膜を製膜した場合でも、反射防止膜を製造する際の製膜位置や加熱温度等の影響により、太陽電池セル間でわずかに反射防止膜の厚みが異なったり、反射防止膜の屈折率が異なったりする場合があり、個体差がある。

　このような場合、ランダムに太陽電池セルを並べて配線部材で接続してモジュール化すると、図１５（ａ）のように照度の低い室内等ではほとんど感じられないが、図１５（ｂ）のように太陽光が差し込むと色むらが感じられる場合がある。そのため、従来の太陽電池モジュールでは、太陽光のもとで視認したときに、太陽電池セル間で色むらがあり、色のバランスが悪く、色要素の統一性にかける問題があった。

　また、太陽電池モジュールは、複数枚の太陽電池モジュールを使用して一枚の壁面を形成する場合がある。このような場合でも同様に、各太陽電池モジュールで色のバランスが異なると、壁面を形成したときの壁面全体の色のバランスも悪くなり、色要素の統一性にかける問題があった。

　そこで、本発明は、太陽光の下で人が視認した場合でも、色のバランスが良好であると感じやすい太陽電池群の製造装置を提供することを目的の一つとする。
　本発明は、太陽光の下で人が視認した場合でも、色要素の統一性が良好であると感じやすい太陽電池群及び太陽電池群の製造方法を提供することを目的の一つとする。

　本発明者は、上記の課題を受けて以下のように考察した。
　上記の課題は、単純に色要素が近い太陽電池セルのみを並べて使用することで色のバランスが良くなり、解決すると思われる。しかしながら、単純に色要素が近い太陽電池セルのみを使用すると、性能に異常がないにも関わらず、使用できない太陽電池セルが発生し、歩留まりが低下してしまう問題が生じる。そのため、歩留まりを維持するためには、できる限り多くの太陽電池セルを使用して太陽電池モジュールを製造することが好ましい。

　ところで、人間の脳は、目で認識した映像を静止画として認識し、静止画を繋げることによって動きを認識する。そのため、目の錯覚（錯視）があり、色が均一であってもまだらに視えたり、色の分布が均一でなくても均一に見えたりすることがある。
　そこで、本発明者は、この人間の目の錯覚を利用して、より多くの太陽電池セルを使用することを考えた。

　しかしながら、人間の目の錯覚は、傾向があるものの科学的に原理がわからないことが多く、実際に人が判定したものを元に配置を考えるしかない。そのため、膨大な太陽電池の組み合わせの中から目の錯覚が生じ、色のバランスが良く見える組み合わせを人為的に導き出すことは困難である。
　そこで、本発明者は、製造装置に機械学習プログラムを組み込み、太陽電池セルの色及び配置と人の色のバランスの判定を機械学習させることで、人に色のバランスが良好であると感じさせる配置を製造装置自身に導き出させることを考えた。

　上記の考えのもと導き出された本発明の一つの様相は、太陽電池群を構成する複数の太陽電池を配置する配置操作部と、機械学習部を有し、前記太陽電池群は、前記複数の太陽電池を平面的に並べたものであり、前記複数の太陽電池は、受光面を有し、前記受光面側に反射防止材を備えており、前記複数の太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、色要素にばらつきが生じるものがあり、前記機械学習部は、前記複数の太陽電池の配置と、人が当該複数の太陽電池の配置における前記太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして機械学習するものであり、前記機械学習部は、前記太陽電池群を製造する際に、各太陽電池の色要素の情報に基づいて、人が視認したときに前記太陽電池群の色のバランスが良好と判定すると予測される前記太陽電池の配置モデルを生成し、前記配置操作部は、前記配置モデルに基づいて各太陽電池を配置する、太陽電池群の製造装置である。

　ここでいう「色のバランス」とは、均質性だけではなく、太陽電池で図柄や模様を構成した場合には、図柄や模様の色のバランスも含む。
　ここでいう「良好」とは、普通又は普通より良いことをいう。例えば、複数段階評価で評価したときに中位以上の評価をいう。

　本様相の太陽電池は、同一の製造工程を経て形成される太陽電池であるけれども、反射防止材の厚み又は反射防止材の屈折率が相違することで、太陽電池間に色要素の乱れが生じるものである。
　本様相によれば、人の主観による色のバランスの判断を機械学習部で学習し、機械学習部が、わずかな色要素の乱れを踏まえて、人が太陽電池群の色のバランスが良好と判定すると予測される配置モデルを生成する。そのため、人の目の錯覚を踏まえた配置を設定でき、色のばらつきにかかわらず、より多くの太陽電池を太陽電池群の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
　また、本様相によれば、製造装置内で人の感性に近い色のバランスの判定ができるため、太陽電池の配置の自動化も可能である。

　好ましい様相は、前記太陽電池群は、前記複数の太陽電池が配線部材によって電気的に接続された太陽電池モジュールであり、各太陽電池は、前記受光面とは反対側で、前記配線部材によって接続されていることである。

　好ましい様相は、前記太陽電池は、２つの封止部材に挟まれた複数の太陽電池セルを含む太陽電池モジュールであり、前記受光面側の封止部材は、透光性を有し、前記太陽電池セルとの間に前記反射防止材が介在していることである。

　ところで、照度が大きい太陽光の下では、色度よりも明度のばらつきが目に留まりやすい。

　そこで、好ましい様相は、前記複数の太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、明度にばらつきが生じるものがあり、前記機械学習部は、前記複数の太陽電池の配置と、人が当該複数の太陽電池の配置における前記太陽電池群の明度のばらつきを判定した判定結果との相関関係を教師データとして機械学習するものであり、前記機械学習部は、前記太陽電池群を製造する際に、各太陽電池の明度の情報に基づいて、人が視認したときに前記太陽電池群での前記複数の太陽電池の明度のばらつきが小さく見えると予測される配置モデルを生成することである。

　好ましい様相は、５００個以上の太陽電池の色要素の分布を取得し、当該色要素の分布が実質的に維持されるように前記５００個以上の太陽電池の中から所定数の太陽電池を抽出し、前記機械学習部は、前記所定数の太陽電池の配置と、人が抽出した所定数の太陽電池を配置した太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして、機械学習することである。

　ここでいう「色要素の分布が実質的に維持されるように所定数の太陽電池を抽出する」とは、標本たる所定数の太陽電池の色分布を取得したときに色分布の傾向が母集団の色要素の分布の傾向と一致することをいう。

　好ましい様相は、前記機械学習部は、各太陽電池の色要素及び配置の情報に基づいて、人が視認したときの前記太陽電池群の色のバランスを判定した判定結果を予測可能であり、第２機械学習部を有し、前記第２機械学習部は、前記太陽電池群における前記複数の太陽電池の配置を入れ替えて、入れ替えたときの各太陽電池の色要素及び配置の情報を前記機械学習部に与えて前記太陽電池群の色のバランスを判定させ、前記複数の太陽電池の配置と前記機械学習部が判定した判定結果との相関関係を教師データとして機械学習するものであり、前記第２機械学習部は、前記太陽電池群を製造する際に、前記機械学習部が前記太陽電池群の色のバランスがより良好と判定すると予測される前記太陽電池の第２配置モデルを生成し、前記配置操作部は、前記第２機械学習部が前記第２配置モデルを生成する場合には、前記第２配置モデルに基づいて各太陽電池を配置することである。

　本発明の一つの様相は、太陽電池群を構成する複数の太陽電池を配置する配置操作部と、機械学習部と、第２機械学習部を有し、前記太陽電池群は、前記複数の太陽電池を平面的に並べたものであり、前記複数の太陽電池は、受光面を有し、前記受光面側に反射防止材を備えており、前記複数の太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、色要素にばらつきが生じるものがあり、前記機械学習部は、あらかじめ前記複数の太陽電池の色要素及び配置と、人が前記太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして機械学習したものであって、各太陽電池の色要素及び配置の情報に基づいて、人が視認したときの前記太陽電池群の色のバランスを判定した判定結果を予測可能であり、前記第２機械学習部は、前記太陽電池群における前記複数の太陽電池の配置を入れ替えて、入れ替えたときの各太陽電池の色要素及び配置の情報を前記機械学習部に与えて前記太陽電池群の色のバランスを判定させ、前記複数の太陽電池の配置と前記機械学習部が判定した判定結果との相関関係を教師データとして機械学習するものであり、前記第２機械学習部は、前記太陽電池群を製造する際に、前記機械学習部が前記太陽電池群の色のバランスがより良好と判定すると予測される前記太陽電池の配置モデルを生成し、前記配置操作部は、前記配置モデルに基づいて各太陽電池を配置する、太陽電池群の製造装置である。

　本様相の太陽電池は、同一の製造工程を経て形成される太陽電池であるけれども、反射防止材の厚み又は反射防止材の屈折率が相違することで、太陽電池間に色要素の乱れが生じるものである。
　本様相の機械学習部は、あらかじめ太陽電池の色要素及び配置と、人が太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして機械学習し、人の主観に近い判定基準をもっている。
　そして、本様相によれば、人の主観に近い機械学習部による色のバランスの判定を元に第２機械学習部で機械学習し、人が太陽電池群の色のバランスが良好と判定すると予測される配置モデルを第２機械学習部が生成する。そのため、人の目の錯覚を踏まえた配置を設定でき、より多くの太陽電池を太陽電池群の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
　また、本様相によれば、製造装置内で人の感性に近い色のバランスの判定ができるため、太陽電池の配置の自動化も可能である。
　さらに、本様相によれば、機械学習部が第２機械学習部に教師データを与えるので、人が判定しなくても、第２機械学習部に教師データを与えることができる。

　本発明の一つの様相は、配置モデルに基づいて太陽電池群を構成する複数の太陽電池を配置する配置操作部に前記配置モデルを与える機械学習プログラムであって、前記太陽電池群は、前記複数の太陽電池を平面的に並べたものであり、複数の太陽電池は、受光面を有し、前記受光面側に反射防止材を備えており、前記複数の太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、色要素にばらつきが生じるものがあり、前記複数の太陽電池の配置と、人が当該複数の太陽電池の配置における前記太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして機械学習するものであり、かつ、各太陽電池の色要素の情報に基づいて、人が視認したときに前記太陽電池群の色のバランスが良好と判定すると予測される前記太陽電池の配置モデルを生成する、機械学習プログラムである。

　本様相の太陽電池は、同一の製造工程を経て形成される太陽電池であるけれども、反射防止材の厚み又は反射防止材の屈折率が相違することで、太陽電池間に色要素の乱れが生じるものである。
　本様相によれば、人の主観による色のバランスの判断を機械学習部で行い、機械学習部が、わずかな色要素の乱れを踏まえて、人が太陽電池群の色のバランスが良好と判定すると予測される配置モデルを生成する。そのため、人の目の錯覚を踏まえた配置を設定できる。

　本発明の一つの様相は、総数が２０個以上の太陽電池が平面的に配置された太陽電池群であって、前記太陽電池は、受光面を有し、前記受光面側に反射防止材を備えており、前記太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、色要素にばらつきが生じるものがあり、直射日光の照射下における前記太陽電池を写真撮影した画像から計算したＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系において、以下の（１）又は（２）の条件を満たす、太陽電池群である。
（１）各太陽電池の明度Ｌ＊の最大値と最小値の差が２．０以上であって、かつ隣接する太陽電池の明度Ｌ＊の差が１．５度以下である。
（２）各太陽電池の色度ｂ＊の最大値と最小値の差が４．０以上であり、かつ隣接する太陽電池の色度ｂ＊の差が１．５以下である。

　本様相の太陽電池群は、各太陽電池の明度Ｌ＊、色度ｂ＊の少なくともいずれかの色要素の絶対値が大きく、太陽電池全体の色要素にばらつきがある。すなわち、単純に並べると、色要素の統一性がなく、色むらが発生するものである。
　本様相によれば、太陽電池全体の色要素にばらつきがあっても、隣接する太陽電池の明度Ｌ＊、色度ｂ＊の少なくともいずれかの色要素の差が小さいため、全体としてまとまりのある均質性のあり、色要素の統一性が取れた太陽電池群となる。

　好ましい様相は、一の太陽電池は、少なくとも３つの太陽電池と隣接して配されており、直射日光の照射下における前記太陽電池を写真撮影した画像から計算したＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系において、以下の（３）又は（４）の条件を満たすことである。
（３）前記（１）の条件を満たし、かつ前記一の太陽電池と前記３つの太陽電池との明度Ｌ＊の差が１．８以下である。
（４）前記（２）の条件を満たし、かつ前記一の太陽電池と前記３つの太陽電池との色度ｂ＊の差が２．０以下である。

　好ましい様相は、前記太陽電池の明度Ｌ＊及び色度ｂ＊は、それぞれ前記太陽電池において複数の測定点で測定した平均値であることである。

　好ましい様相は、前記太陽電池は、碁盤状に並べられており、隣接する太陽電池の最短距離は、５ｍｍ以下であることである。

　本様相によれば、隣接する太陽電池の間隔が５ｍｍ以下と狭いので、より色のバランスが良好となる。

　本発明の一つの様相は、複数の太陽電池を平面的に配置して太陽電池群を製造する太陽電池群の製造方法であって、前記太陽電池を形成する太陽電池形成工程と、前記太陽電池の色要素を測定する色測定工程と、前記色測定工程での測定結果を配置決定装置に送信する送信工程と、前記配置決定装置が受信した前記測定結果に基づいて前記太陽電池群を構成する前記太陽電池の配置を決定する配置決定工程と、前記配置決定工程での前記配置決定装置の決定に基づいて前記太陽電池を配置する配置工程を含む、太陽電池群の製造方法である。

　本様相によれば、色要素を測定する色測定工程での測定結果を使用して太陽電池の配置を決定するので、色要素の測定結果に基づいた色のバランスが良好な太陽電池群を製造できる。

　好ましい様相は、前記配置決定工程において、過去の太陽電池群で測定した各太陽電池の色要素と、前記過去の太陽電池群の各太陽電池の色のバランスの良否に基づいて、前記測定結果から各太陽電池の色のバランスが良好となるように前記太陽電池の配置を決定することである。

　好ましい様相は、前記太陽電池は、識別部を有し、前記太陽電池の識別部と前記測定結果と紐付けする紐付け工程と、前記紐付け工程で前記測定結果に紐付けされた太陽電池を収容部材に収容する収容工程を含み、前記配置工程では、前記配置決定工程での前記配置決定装置の決定に基づいて、前記紐付け工程で前記測定結果に紐付けされた太陽電池を前記収容部材から取り出して配置することである。

　好ましい様相は、色測定工程において、前記太陽電池の前記色要素を複数の測定点で測定し、配置決定工程において、前記複数の測定点で測定した色要素の平均値を使用して前記太陽電池の配置を決定することである。

　本発明の太陽電池群の製造装置によれば、太陽光の下で人が視認した場合でも、色のバランスが良好であると感じやすい。
　本発明の太陽電池群及び太陽電池群の製造方法によれば、太陽光の下で人が視認した場合でも、色要素の統一性が良好であると感じやすい。

本発明の第１実施形態のモジュール製造装置のブロック図である。図１のモジュール製造装置で製造可能な太陽電池モジュールを模式的に示した説明図であり、（ａ）は表面側から視た斜視図であり、（ｂ）は裏面側から視た斜視図である。図２（ｂ）の太陽電池モジュールの分解斜視図である。図３の太陽電池モジュールの要部の斜視図である。図２（ｂ）の太陽電池モジュールの断面図である。図１のディープラーニング部の説明図であり、（ａ）はニューロンのモデルを示す模式図であり、（ｂ）ニューラルネットワークモデルを示す模式図である。図１の製造部で製造される母集団太陽電池セルと標本太陽電池セルの関係を示す説明図であり、（ａ）は母集団太陽電池セルの明度に対する個数のグラフであり、（ｂ）は標本太陽電池セルの明度に対する個数のグラフである。図１の製造部で製造される太陽電池モジュールの太陽電池セルを模した画像であり、（ａ）は低照度の光を照射した場合、（ｂ）は擬似太陽光で光を照射した場合を表す。本発明の第２実施形態の壁面製造装置のブロック図である。図９の壁面製造装置で製造可能な壁面構造を模式的に示した斜視図である。図１０の壁面構造を別の方向から視た斜視図である。図１１の太陽電池モジュールの断面図である。本発明の第３実施形態のモジュール製造装置のブロック図である。本発明の他の実施形態の製造装置で製造される太陽電池モジュールの断面図である。従来の太陽電池モジュールの太陽電池セルを模した画像であり、（ａ）は低照度の光を照射した場合、（ｂ）は擬似太陽光で光を照射した場合を表す。

　以下、本発明の第１実施形態のモジュール製造装置１について詳細に説明する。

　本発明の第１実施形態のモジュール製造装置１は、図２に示される複数の太陽電池セル２０１（太陽電池）を内蔵する太陽電池モジュール２００（太陽電池群）を製造するものである。
　モジュール製造装置１は、図１のように、製造部２と、制御部３と、測定部５を備えている。
　モジュール製造装置１は、制御部３に機械学習プログラムで動作するディープラーニング部２０が設けられ、ディープラーニング部２０によりあらかじめ機械学習された結果に基づいて太陽電池セル２０１の配置モデルが生成されるものである。そして、モジュール製造装置１は、生成された配置モデルに従って太陽電池セル２０１を配置して製造することを特徴の一つとする。

　製造部２は、図１のように、主要構成要素として、セル形成部１０と、収容部１１と、配置操作部１２と、配線接続部１５を備えている。その他、太陽電池セル２０１を封止する封止部等の各種装置を備えているが、従来のものと同様であるため、説明を省略する。

　セル形成部１０は、太陽電池セル２０１を形成する部位であり、ＣＶＤ装置等の製膜装置を複数備えている。
　収容部１１は、測定部５で測定された太陽電池セル２０１を一時的に収容する収容部材である。収容部１１は、太陽電池セル２０１を収容可能な部屋が複数設けられている。
　配置操作部１２は、制御部３のディープラーニング部２０で形成された配置モデルに基づいて収容部１１から所定の太陽電池セル２０１を取り出して配置する部位である。なお、セル形成部１０で形成された太陽電池セル２０１を直接配置してもよい。
　配線接続部１５は、配置操作部１２で所定の配置に並べられた太陽電池セル２０１，２０１間に配線部材２０２を接続する部位である。

　制御部３は、演算装置と、制御装置と、記憶装置と、入出力装置を実装し、図１のように、主要構成要素として、ディープラーニング部２０（機械学習部，配置決定装置）と、記憶部２１と、測定結果取得部２２と、入出力部２３を備えている。
　制御部３は、製造部２や測定部５と異なる建屋に設けられていてもよい。この場合、制御部３は、製造部２や測定部５とイントラネット等のネットワークを介して通信可能に相互接続されていることが好ましい。また、制御部３は、製造部２や測定部５とインターネット等を介して接続されていてもよい。こうすることで、建屋の異なる複数拠点で製造部２及び測定部５を一括管理することもできる。

　ディープラーニング部２０は、機械学習プログラムに基づいて動作可能な機械学習部である。
　ディープラーニング部２０は、各太陽電池セル２０１の色要素及び配置と、人が太陽電池モジュール２００の色のバランスを判定した結果を教師データとして自ら機械学習をする機能をもつ。ディープラーニング部２０は、機械学習の結果に基づいて、測定結果取得部２２で取得した各太陽電池セル２０１の色要素から人が色のバランスが良好と判定すると予想される太陽電池セル２０１の配置モデルを作成可能となっている。
　ディープラーニング部２０は、後述するニューラルネットワーク等のアルゴリズムに則して教師あり学習を行うことが可能となっている。
　ここで、「教師あり学習」とは、教師データ、すなわち、ある入力と結果のデータの組を大量にディープラーニング部２０に与えることで、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル（誤差モデル）、すなわち、入力と結果の関係性を帰納的に獲得するものである。

　本実施形態のディープラーニング部２０は、各太陽電池セル２０１の色要素と、太陽電池モジュール２００での各太陽電池セル２０１の配置と、人がその配置での太陽電池モジュール２００の色のバランスの判定結果とを紐付けし、太陽電池セル２０１の色要素及び各太陽電池セル２０１の配置と、人がどう良否判定をするかとの相関関係を機械学習する。そして、ディープラーニング部２０は、機械学習の結果に基づいて、各太陽電池セル２０１の色要素の情報から人が良好と判定すると予想される配置モデルを生成可能となっている。また、本実施形態のディープラーニング部２０では、さらに各太陽電池セル２０１の色要素の情報から、人が視認したときの太陽電池モジュール２００の色のバランスを判定した判定結果を予測可能となっている。
　本実施形態のディープラーニング部２０の詳細については、後述する。

　記憶部２１は、メモリやハードディスク等の記憶装置を備え、ディープラーニング部２０の機械学習で使用したデータや製造部２での太陽電池セル２０１の製造に用いた過去及び現在の製造パラメータ、測定部５で測定した各太陽電池セル２０１の発電特性や色要素等の各種測定パラメータ、ディープラーニング部２０が生成した配置モデル等を記憶し、蓄積するデータ蓄積部である。

　測定結果取得部２２は、測定部５で測定した発電特性や色要素等の測定結果を取得し、記憶部２１及び／又はディープラーニング部２０に送信する部位である。

　入出力部２３は、製造部２に対して入出力する部位であり、ディープラーニング部２０で生成した配置モデルを製造部２の配置操作部１２に出力する部位である。

　測定部５は、製造部２のセル形成部１０で形成された太陽電池セル２０１の特性を測定する部位であり、発電特性測定部３０と、色要素測定部３１を備えている。
　発電特性測定部３０は、太陽電池セル２０１の発電特性を測定する部位である。
　色要素測定部３１は、太陽電池セル２０１の色要素を測定する部位である。

　続いて、製造対象である太陽電池モジュール２００について説明する。

　太陽電池モジュール２００は、図２，図３のように、２つの封止基材２０５，２０６の間に配線部材２０２によって電気的に接続された複数の太陽電池セル２０１が配され、封止基材２０５，２０６の間を封止材２０７，２０８で充填されたものである。
　太陽電池モジュール２００は、板状であって、上記した配置モデルに基づいて太陽電池セル２０１が平面的に配置されたものであり、太陽電池セル２０１よりも裏面側にのみ配線部材２０２が設けられたものである。

　本実施形態の太陽電池モジュール２００は、図２（ａ）のように、総数が２０個以上の太陽電池セル２０１を内蔵しており、太陽電池セル２０１が碁盤状に並べられている。
　図４に示される太陽電池モジュール２００の縦方向及び横方向に隣接する太陽電池セル２０１，２０１間の最短距離Ｌは、それぞれ５ｍｍ以下であることが好ましい。
　この範囲であれば、密に太陽電池セル２０１を敷き詰めることができ、設置面積当たりの発電効率を向上できる。

　本実施形態の太陽電池モジュール２００は、図２（ｂ）のように、裏面２２１側にモジュール側識別部２２３を備えている。
　モジュール側識別部２２３は、太陽電池モジュール２００ごとに固有のＩＤを割り当てる部位であり、具体的に一次元コード又は二次元コードである。すなわち、専用の読取装置によってモジュール側識別部２２３を識別することで少なくとも太陽電池モジュール２００に割り当てられたＩＤを検出可能となっている。

　太陽電池セル２０１は、いわゆるバックコンタクト型の太陽電池であり、図５のように、裏面２２１側に電極層２１３，２１６が設けられ、受光面２２０側に電極層２１３，２１６がないものである。
　具体的には、太陽電池セル２０１は、第１導電型半導体基板２１０（以下、単に半導体基板２１０ともいう）の受光面２２０側に反射防止膜２１１（反射防止材）を備えている。一方、太陽電池セル２０１は、半導体基板２１０の裏面２２１（受光面２２０とは反対側の主面）側に第１導電型半導体層２１２及び第１導電型側電極層２１３がこの順に積層されている。さらに太陽電池セル２０１は、半導体基板２１０の裏面２２１側であって第１導電型半導体層２１２及び第１導電型側電極層２１３とは別の部位に第２導電型半導体層２１５及び第２導電型側電極層２１６が積層されている。そして、太陽電池セル２０１の色要素は、受光面２２０側に設けられた反射防止膜２１１で実質的に決定されている。
　第１導電型半導体層２１２は、半導体基板２１０と同一の導電型であって第２導電型半導体層２１５と逆の導電型となっている。すなわち、太陽電池セル２０１は、第１導電型半導体層２１２及び半導体基板２１０がｎ型の場合、第２導電型半導体層２１５がｐ型となり、第１導電型半導体層２１２及び半導体基板２１０がｐ型の場合、第２導電型半導体層２１５がｎ型となる。

　反射防止膜２１１は、受光した光を太陽電池セル２０１内に封じこめる反射封止材である。反射防止膜２１１は、例えば、窒化シリコン等が使用できる。
　反射防止膜２１１の屈折率は、封止材２０７と半導体基板２１０との中間値であることが好ましい。すなわち、反射防止膜２１１の屈折率は、封止材２０７の屈折率超過であって半導体基板２１０の屈折率未満であることが好ましい。

　本実施形態では、太陽電池モジュール２００を形成する太陽電池セル２０１の中に、製造する際の反射防止膜２１１の製膜位置や加熱温度等の影響により、太陽電池セル２０１間でわずかに反射防止膜２１１の厚みや反射防止膜２１１の屈折率が相違したものが混在している。

　太陽電池セル２０１は、図４のように、裏面２２１側にセル側識別部２１７を有している。
　セル側識別部２１７は、固有のＩＤを割り当てる部位であり、具体的に一次元コード又は二次元コードである。すなわち、専用の読取装置によってセル側識別部２１７を識別することで少なくとも太陽電池セル２０１に割り当てられたＩＤを検出可能となっている。

　配線部材２０２は、いわゆるインターコネクタであり、図３のように、隣接する太陽電池セル２０１，２０１間を物理的及び電気的に接続するものである。

　第１封止基材２０５は、太陽電池セル２０１を封止する封止部材であって、透光性及び絶縁性を有する透光性絶縁基板又は透明絶縁シートであり、例えば、ガラス製や透明樹脂製のものが使用できる。
　第２封止基材２０６は、太陽電池セル２０１を封止する封止部材であって、絶縁性を有する絶縁基板又は絶縁シートであり、例えば、ガラス製や樹脂製のものが使用できる。

　封止材２０７，２０８は、透光性及び接着性を有する透光性接着材であり、例えば、ＥＶＡ等の接着シートが使用できる。

　続いて、太陽電池モジュール２００の製造方法について説明する。

　まず、製造部２のセル形成部１０で太陽電池セル２０１を形成する（太陽電池形成工程，セル形成工程）。
　具体的には、図５から読み取れるように、半導体基板２１０の片面の一部に第１導電型半導体層２１２及び第１導電型側電極層２１３をこの順に積層し、同一面の他の部分に第２導電型半導体層２１５及び第２導電型側電極層２１６をこの順に積層する。そして、半導体基板２１０の反対の面に反射防止膜２１１を製膜する。

　続いて、太陽電池形成工程で形成された各太陽電池セル２０１に対して、発電特性測定部３０によって発電特性を測定しつつ、同時に色要素測定部３１によって色要素を測定する（色測定工程）。
　本実施形態では、発電特性測定部３０によってＩ－Ｖ特性や抵抗などの発電特性を測定し、色要素測定部３１によって各太陽電池セル２０１の明度を測定する。

　色測定工程での各太陽電池セル２０１の測定結果を制御部３の測定結果取得部２２に送信し（送信工程）、ディープラーニング部２０で各太陽電池セル２０１の色測定工程での測定結果を各太陽電池セル２０１のセル側識別部２１７と紐付けし、記憶部２１で記憶する（紐付け工程）。

　必要に応じて、紐付け工程が終了し、測定結果とセル側識別部２１７が紐付けされた太陽電池セル２０１を収容部１１に収容する（収容工程）。
　このとき、収容部１１への収容形態は特に限定されない。製造順に収容部１１に入れても良いし、色要素ごとに分別し、色要素ごとに異なる収容部１１に入れてもよい。

　続いて、制御部３のディープラーニング部２０は、測定結果取得部２２で受信した測定結果に基づいて、太陽電池モジュール２００内の太陽電池セル２０１の配置を決定する（配置決定工程）。
　本実施形態では、ディープラーニング部２０によって過去の太陽電池モジュール２００で測定した各太陽電池セル２０１の色要素及び各太陽電池セル２０１の配置と、人が当該過去の太陽電池モジュール２００の色のバランスの良否を判定した結果に基づいて、各太陽電池セル２０１の測定部５での測定結果から、形成する太陽電池モジュール２００の色のバランスが良好であると人が判定するように各太陽電池セル２０１の配置モデルを生成し、太陽電池セル２０１の配置姿勢を踏まえて配置を決定する。

　製造部２の配置操作部１２は、収容部１１から太陽電池セル２０１を取り出し、配置決定工程でディープラーニング部２０により生成された配置モデルに基づいて太陽電池セル２０１を配置する（配置工程）。

　配置工程時又は配置工程の後に、隣接する太陽電池セル２０１，２０１間に配線部材２０２を接続していき、各太陽電池セル２０１を電気的に接続する（配線接続工程）。
　このとき、配線部材２０２は、図３，図５から読み取れるように、隣接する太陽電池セル２０１の裏面２２１側で第１導電型側電極層２１３と第２導電型側電極層２１６を接続させる。すなわち、配線部材２０２は、太陽電池セル２０１の受光面２２０側では接続されない状態となっている。

　その後、適宜、公知の手法にてフレームやコネクター部材等を取り付けて太陽電池モジュール２００が完成する。

　続いて、本実施形態のディープラーニング部２０について説明する。

　ディープラーニング部２０は、４層以上のニューラルネットワークに則して学習するものであり、価値関数の近似アルゴリズムとして、図６（ａ）のようなニューロンモデルを組み込んだニューラルネットワークを実現する演算装置及びメモリ等で構成されている。
　すなわち、ニューロンは、図６（ａ）のように、ｍ個の入力ｘ_i（ｉは正の整数）に対する出力ｙを出力するものであり、各ｘ_iには、この入力ｘ_iに対応する重みｗ_iが掛けられ、下記式（１）により表現される出力ｙを出力する。なお、入力ｘ_i、出力ｙ、及び重みｗ_iは全てベクトルである。

　ここで、ｂはバイアスであり、ｆは活性化関数である。

　本実施形態のディープラーニング部２０のニューラルネットワークは、図６（ｂ）のように、入力層３００と、中間層３０１と、出力層３０２を備え、中間層３０１として上記のニューロン（ニューロンＮ１～Ｎｐ）が組み合わせられ、ｐ層（ｐは４以上の正の整数）の厚みを有する深層ニューラルネットワークである。すなわち、中間層３０１は、ｐ層の中間層Ｄ１～Ｄｐを有している。
　本実施形態のニューラルネットワークは、入力層３００からＳ個の入力Ｘ（Ｘ₁～Ｘ_S：Ｓは、正の整数）が入力され、中間層３０１を経て、出力層３０２からＴ個の結果Ｙ（Ｙ₁～Ｙ_T：Ｔは、正の整数）が出力される。

　具体的には、入力層３００の入力Ｘ（Ｘ₁～Ｘ_S）に対して対応する重みＷ１が掛けられて中間層３０１の第１中間層Ｄ１の各ニューロンＮ１に入力される。第１中間層Ｄ１のニューロンＮ１は、それぞれ特徴ベクトルＺ１を出力し、特徴ベクトルＺ１は、中間層３０１の第２中間層Ｄ２の各ニューロンＮ２に対して、対応する重みＷ２がかけられて入力される。

　特徴ベクトルＺ１は、重みＷ１と重みＷ２との間の特徴ベクトルであり、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。
　特徴ベクトルＺ１は、中間層３０１の第２中間層Ｄ２の各ニューロンＮ２に対して、対応する重みＷ２がかけられて入力される。
　第２中間層Ｄ２のニューロンＮ２は、それぞれ特徴ベクトルＺ２を出力し、特徴ベクトルＺ２は、中間層３０１の第３中間層Ｄ３の各ニューロンＮ３に対して、対応する重みＷ３がかけられて入力される。
　中間層３０１の各中間層で上記の処理が繰り返されていき、末端の第Ｐ中間層ＤｐのニューロンＮｐは、それぞれ特徴ベクトルＺｐを出力し、特徴ベクトルＺｐは、出力層３０２に出力される。その結果、ニューラルネットワークは、結果Ｙ（Ｙ₁～Ｙ_T）を出力する。
　重みＷ１～Ｗｐは、誤差逆伝搬法により学習可能なものである。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（教師）との差分を小さくするように、それぞれの重みＷを調整（学習）する手法である。

　続いて、ディープラーニング部２０での機械学習の手順について説明する。

　まず、５００個以上の太陽電池セル２０１（以下、母集団太陽電池セル２０１ａともいう）を製造し、母集団太陽電池セル２０１ａの各太陽電池セル２０１の色要素の分布を算出する。
　本実施形態では、図７のように、１０００個の母集団太陽電池セル２０１ａの各太陽電池セル２０１の明度の分布を算出する。

　続いて、図７のように、母集団太陽電池セル２０１ａの明度分布が実質的に維持されるように、母集団太陽電池セル２０１ａの中から所定数（例えば、３０個）の太陽電池セル２０１（以下、標本太陽電池セル２０１ｂともいう）を標本として抽出し、標本太陽電池セル２０１ｂをランダムに並べ、太陽電池モジュール２００を組み立てる。

　ここでいう「明度分布が実質的に維持されるように所定数の太陽電池を抽出する」とは、標本たる所定数の太陽電池の明度分布を取得したときに明度分布の傾向が母集団の明度分布の傾向と一致することをいう。

　ディープラーニング部２０の入力層３００に、各太陽電池セル２０１の配置と各太陽電池セル２０１の色要素を入力し、出力層３０２から色のバランスの良否の判定結果を取得する。また、別途工程にて一又は複数の判定人にこの太陽電池モジュール２００を視認してもらい、良否判定をしてもらう。
　このとき、本実施形態では、判定人は、明度を判断基準とし、明度のバランスから色のバランスの良否を判定する。

　そして、ディープラーニング部２０の出力層３０２から取得した良否判定結果と、判定人が判定した良否判定結果を比較し、良否判定結果の差が一致するように重みを調整し、太陽電池セル２０１の配置を入れ替えていき、機械学習する。

　続いて、本実施形態のモジュール製造装置１で製造した太陽電池モジュール２００の代表的な物性について説明する。

　太陽電池モジュール２００は、室内等の照度が小さい場所において、図８（ａ）のように、全体の明度が低く、全体が均等に見えるものであり、屋外等の照度の大きい場所においても、図８（ｂ）のように全体的に色むらを感じさせないものである。

　ここで、物体色の表示方法としてはＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系が一般に使われている。しかしながら、ＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系は物体への照明環境の違いによる見え方の違いを数値化する目的には適していない。
　したがって、前述のように屋外での直射日光のように照度の大きい条件で特に顕著となる物体の見え方を数値化する目的では使用できない。

　そこで、発明者は屋外環境における直射日光下での物体色を数値表現する方法を検討した。本明細書における物体色の表示は前記検討の結果を反映したものであり、具体的には以下の条件で測定した数値を用いる。
　光源としてソーラシミュレータを用意し、放射強度１０００Ｗ／ｍ^２のＡＭ１．５の光を対象物に垂直照射する。測定装置としてカメラを用意し、対象物に向け正反射光が入らない条件で、できるだけ正対する位置に設置する。

　カメラの設定を以下の通りとし、カメラで対象物のＪＰＥＧ画像を撮影する。撮影したＪＰＥＧ画像から対象物の各画素のＲＧＢ値を読み出す。読み出したＲＧＢ値を光源Ｄ６５　１０°視野の白色点を用いてＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系へ変換する。

〔カメラの設定〕
　ニコン製デジタルカメラＤ５５００に標準レンズＮＩＫＫＯＲ　１８－５５ｍｍ　１：３．５－５．６　ＧＩレンズを装着した状態で絞り８、フィルム感度ＩＳＯ４００、シャッタスピード１／１００秒、ホワイトバランス「晴天」、ピクチャーコントロール「スタンダード」、色空間ｓＲＧＢ、アクティブＤ－ライティングＯＦＦ、ハイダイナミックレンジＯＦＦとする。

　以降に記載するＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系での色度座標は、上記の方法で物体色を数値化した座標とする。

　太陽電池モジュール２００は、直射日光の照射下における太陽電池を写真撮影した画像から計算したＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系において、以下の（１）から（３）のいずれかの条件を満たしていることが好ましい。
（１）各太陽電池セル２０１の明度Ｌ＊の最大値と最小値の差が３．０以上であって、かつ隣接する太陽電池セル２０１，２０１の明度Ｌ＊の差が１．５以下である。
（２）各太陽電池セル２０１の色度ａ＊の最大値と最小値の差が２．０以上であり、かつ隣接する太陽電池セル２０１，２０１の色度ａ＊の差が１．０以下である。
（３）各太陽電池セル２０１の色度ｂ＊の最大値と最小値の差が５．０以上であり、かつ隣接する太陽電池セル２０１，２０１の色度ｂ＊の差が２．５以下である。
　太陽電池モジュール２００は、一の太陽電池セル２０１を囲むように少なくとも３つの太陽電池セル２０１と隣接して配されており、一の太陽電池セル２０１と３つの太陽電池セル２０１の関係は、ＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系において、以下の（４）～（６）のいずれかの条件を満たすことが好ましい。
（４）（１）の条件を満たし、かつ一の太陽電池セル２０１と３つの太陽電池セル２０１との明度Ｌ＊の差が１．８以下である。
（５）（２）の条件を満たし、かつ一の太陽電池セル２０１と３つの太陽電池セル２０１との色度ａ＊の差が１．５以下である。
（６）（３）の条件を満たし、かつ一の太陽電池セル２０１と３つの太陽電池セル２０１との色度ｂ＊の差が４．０以下である。
　なお、明度Ｌ＊、色度ａ＊、及び色度ｂ＊の値は、一つの測定点での値であってもよいし、複数の測定点で測定した平均値であってもよい。
　（６）の条件は、（３）の条件を満たし、かつ一の太陽電池セル２０１と３つの太陽電池セル２０１との色度ｂ＊の差が２．０以下であることが好ましい。

　上記したように、本実施形態のモジュール製造装置１の製造部２で製造される太陽電池セル２０１は、同一の製造工程を経て形成される太陽電池セル２０１であるけれども、反射防止膜２１１の厚み又は反射防止膜２１１の屈折率が相違することで、太陽電池セル２０１，２０１間に色要素の乱れが生じるものである。
　本実施形態のモジュール製造装置１によれば、人の主観による色のバランスの判断をディープラーニング部２０で行い、ディープラーニング部２０が、上記した太陽電池セル２０１間のわずかな色要素の乱れを踏まえて、人が太陽電池モジュール２００の色のバランスが良好と判定すると予測される配置モデルを生成する。そのため、人の目の錯覚（錯視）を踏まえた均質感のある太陽電池セル２０１の配置を設定でき、より多くの太陽電池セル２０１を太陽電池モジュール２００の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
　また、本実施形態のモジュール製造装置１によれば、モジュール製造装置１内で人の感性に近い色のバランスの判定ができるため、人が配置を判断する必要がなく、太陽電池セル２０１の配置の自動化も可能である。

　本実施形態の太陽電池セル２０１によれば、受光面２２０とは反対側、すなわち、裏面２２１側に配線部材２０２が設けられているため、配線部材２０２が太陽光等の受光の邪魔にならず、配線部材２０２が受光面２２０側に設けられた場合に比べて発電効率を向上できる。

　本実施形態のモジュール製造装置１によれば、明度のばらつきを色のバランスの判定基準としているので、屋外等の太陽光の下において、より色のバランスを良好とでき、より意匠性を向上できる。

　本実施形態のモジュール製造装置１によれば、傾向が平滑化された母集団太陽電池セル２０１ａの色分布から分布を実質的に維持されるように標本太陽電池セル２０１ｂを取得するため、より精度良く機械学習できる。

　本実施形態の太陽電池モジュール２００は、各太陽電池セル２０１の明度Ｌ＊、色度ａ＊、色度ｂ＊の少なくともいずれかの色要素の絶対値が大きく、太陽電池セル２０１全体の色要素にばらつきがある。すなわち、単純に並べると、色要素の統一性がなく、色むらが発生するものである。
　本実施形態の太陽電池モジュール２００によれば、太陽電池セル２０１全体の色要素にばらつきがあっても、隣接する太陽電池セル２０１，２０１の明度Ｌ＊、色度ａ＊、色度ｂ＊の少なくともいずれかの色要素の差が小さいため、全体としてまとまりのある均質性があり、色要素の統一性が取れた太陽電池モジュールとなる。

　本実施形態の太陽電池モジュール２００は、一の太陽電池セル２０１と、一の太陽電池セル２０１の各辺に隣接する太陽電池セル２０１の明度Ｌ＊、色度ａ＊、色度ｂ＊の少なくともいずれかの色要素の差が小さいため、より色要素の統一性が取れた太陽電池モジュールとなる。

　本実施形態の太陽電池モジュール２００は、太陽電池セル２０１が碁盤状に並べられており、隣接する太陽電池セル２０１，２０１間の間隔が狭いので、より色要素の統一性が取れた太陽電池モジュールとなる。

　本実施形態の太陽電池モジュール２００の製造方法によれば、色要素を測定する色測定工程での測定結果を使用して太陽電池セル２０１の配置を決定するので、色要素の測定結果に基づいた色のバランスが良好な太陽電池モジュール２００を製造できる。

　本実施形態の太陽電池モジュール２００の製造方法によれば、配置決定工程において、過去の太陽電池モジュール２００で測定した各太陽電池セル２０１の色要素と、過去の太陽電池モジュール２００の各太陽電池セル２０１の色のバランスの良否に基づいて、色測定工程での測定結果から各太陽電池セル２０１の色のバランスが良好となるように太陽電池セル２０１の配置を決定する。そのため、ランダムに各太陽電池セル２０１を並べた場合に比べて各太陽電池セル２０１の色のバランスが良好となる。

　本実施形態の太陽電池モジュール２００の製造方法によれば、配置工程では、配置決定工程でのディープラーニング部２０が決定した配置モデルに基づいて、紐付け工程で測定結果に紐付けされた太陽電池セル２０１を収容部１１から取り出して配置する。そのため、収容部１１に収容されて一時的にストックされた太陽電池セル２０１を必要なタイミングで取り出すことができる。

　本実施形態の太陽電池モジュール２００の製造方法によれば、色測定工程において、太陽電池セル２０１の色要素と発電特性を同時に測定するので、収容部１１に入れる前に欠陥品を除外することができ、製造時間を短縮できる。

　本実施形態の太陽電池モジュール２００の製造方法によれば、配置決定工程において、測定結果に基づいて配置する太陽電池セル２０１の配置姿勢（どの辺をどの位置を向くようにするか等）を決定する。そのため、より多くの種類の太陽電池セル２０１を太陽電池モジュール２００に使用できる。

　本実施形態の太陽電池モジュール２００の製造方法によれば、色測定工程において、太陽電池セル２０１の色要素を複数の測定点で測定し、配置決定工程において、色要素の平均値を使用して太陽電池セル２０１の配置を決定するため、より正確に太陽電池セル２０１の配置を決定できる。

　続いて、本発明の第２実施形態の壁面製造装置４００について説明する。なお、第１実施形態のモジュール製造装置１と同様の構成については、同一の符号を付して説明を省略する。以下、同様とする。

　第２実施形態の壁面製造装置４００は、図１０のように、複数の太陽電池モジュール２００（太陽電池）を平面的に並べた壁面構造５００（太陽電池群）を形成するものである。
　壁面製造装置４００も第１実施形態でのモジュール製造装置１と同様、ディープラーニング部２０を備えており、ディープラーニング部２０によりあらかじめ機械学習された結果に基づいて太陽電池モジュール２００の配置モデルが生成されるものである。そして、壁面製造装置４００は、生成された配置モデルに従って太陽電池モジュール２００を配置して製造することを特徴の一つとする。
　すなわち、第１実施形態でのモジュール製造装置１は、ディープラーニング部２０で各太陽電池セル２０１の配置モデルを形成し、太陽電池モジュール２００の色のバランスを調整したのに対して、第２実施形態での壁面製造装置４００は、ディープラーニング部２０で各太陽電池モジュール２００の配置を調整して壁面構造５００の色のバランスを調整する。
　第１実施形態のモジュール製造装置１は、本発明に係る「太陽電池群」が太陽電池モジュール２００に対応し、「太陽電池」が太陽電池セル２０１に対応するのに対して、第２実施形態の壁面製造装置４００は、本発明に係る「太陽電池群」が壁面構造５００に対応し、「太陽電池」が太陽電池モジュール２００に対応する。

　壁面製造装置４００は、図９のように、製造部４０２と、制御部４０３と、測定部５を備えている。
　製造部４０２は、主要構成要素として、モジュール製造装置１と、配置操作部４１２を備えている。

　配置操作部４１２は、制御部４０３のディープラーニング部２０で形成された配置モデルに基づいて太陽電池モジュール２００を配置する部位である。

　制御部４０３は、ディープラーニング部２０と、記憶部２１と、測定結果取得部４２２と、入出力部２３を備えている。
　本実施形態のディープラーニング部２０は、各太陽電池モジュール２００の色要素及び配置と、人が壁面構造５００の色のバランスを判定した結果を教師データとして自ら機械学習をする機能をもち、機械学習の結果に基づいて、測定結果取得部４２２で取得した各太陽電池モジュール２００の色要素から人が色のバランスが良好と判定すると予想される太陽電池モジュール２００の配置モデルを作成可能となっている。
　ディープラーニング部２０での機械学習の手順については、第１実施形態の太陽電池セル２０１が第２実施形態の太陽電池モジュール２００となり、第１実施形態の太陽電池モジュール２００が第２実施形態の壁面構造５００になったこと以外は同様であるため、説明は省略する。

　測定結果取得部４２２は、測定部５で測定した発電特性や色要素等の測定結果を取得し、記憶部２１及び／又はディープラーニング部２０に送信する部位である。

　本実施形態の測定部５は、製造部４０２のモジュール製造装置１で形成された太陽電池モジュール２００の特性を測定する部位であり、発電特性測定部３０と、色要素測定部３１を備え、測定部３０，３１の測定対象が太陽電池モジュール２００となっている。

　続いて、製造対象である壁面構造５００について説明する。

　壁面構造５００は、図１１のように複数の太陽電池モジュール２００が平面的に配置され、各太陽電池モジュール２００が裏面２２１に設けられたコネクター部材５０２によって電気的に接続されたものである。本実施形態の壁面構造５００は、総数が２０個以上の太陽電池モジュール２００が碁盤状に並べられている。

　隣接する太陽電池モジュール２００，２００間の最短距離は、５ｃｍ以下であることが好ましく、２ｃｍ以下であることがより好ましく、５ｍｍ以下であることが特に好ましい。
　この範囲であれば、密に太陽電池モジュール２００を敷き詰めることができ、設置面積当たりの発電効率を向上できる。

　本実施形態の太陽電池モジュール２００は、図１２のように、受光面２２０側の封止基材２０５に第２反射防止膜５０１（反射防止材）が形成されている。すなわち、本実施形態の太陽電池モジュール２００は、受光面２２０側の封止基材２０５と太陽電池セル２０１の間に反射防止膜２１１が介在しており、さらに太陽電池セル２０１を基準として受光面２２０側の封止基材２０５の外側面に第２反射防止膜５０１が形成されている。

　続いて、壁面構造５００の製造方法について説明する。

　まず、製造部４０２のモジュール製造装置１で太陽電池モジュール２００を形成する（太陽電池モジュール形成工程）。
　このとき、受光面２２０側の封止基材２０５の外側面に第２反射防止膜５０１を形成する。

　続いて、太陽電池モジュール形成工程で形成された各太陽電池モジュール２００に対して、発電特性測定部３０によって発電特性を測定しつつ、同時に色要素測定部３１によって色要素を測定する（色測定工程）。

　色測定工程での太陽電池モジュール２００の測定結果を制御部４０３の測定結果取得部４２２に送信し（送信工程）、ディープラーニング部２０で太陽電池モジュール２００の色測定工程での測定結果を各太陽電池モジュール２００のモジュール側識別部２２３と紐付けし、記憶部２１で記憶する（紐付け工程）。

　続いて、制御部４０３のディープラーニング部２０は、測定結果取得部４２２で受信した測定結果に基づいて、壁面構造５００内の太陽電池モジュール２００の配置を決定する（配置決定工程）。
　具体的には、第１実施形態と同様、ディープラーニング部２０によって過去の壁面構造５００で測定した各太陽電池モジュール２００の色要素及び各太陽電池モジュール２００の配置と、人が当該過去の壁面構造５００の色のバランスの良否を判定した結果に基づいて、各太陽電池モジュール２００の測定部５での測定結果から、形成する壁面構造５００の色のバランスが良好であると人が判定するように各太陽電池モジュール２００の配置モデルを生成し、配置を決定する。

　製造部４０２の配置操作部４１２は、配置決定工程でディープラーニング部２０により生成された配置モデルに基づいて太陽電池モジュール２００を配置する（配置工程）。

　配置工程時又は配置工程の後に、図１１のように、隣接する太陽電池モジュール２００，２００間を裏面２２１に設けられたコネクター部材５０２を接続し、各太陽電池モジュール２００を電気的に接続する（コネクター接続工程）。

　その後、適宜、公知の手法にて桟等を取り付けて壁面構造５００が完成する。

　本実施形態の太陽電池モジュール２００は、同一の製造工程を経て形成される太陽電池モジュール２００であるけれども、反射防止膜２１１，５０１の厚み又は反射防止膜２１１，５０１の屈折率が相違することで、太陽電池モジュール２００，２００間に色要素の乱れが生じるものである。
　本実施形態の壁面製造装置４００によれば、人の主観による色のバランスの判断をディープラーニング部２０で行い、ディープラーニング部２０が、上記した太陽電池モジュール２００間のわずかな色要素の乱れを踏まえて、人が壁面構造５００の色のバランスが良好と判定すると予測される配置モデルを生成する。そのため、人の目の錯覚を踏まえた均質感のある太陽電池モジュール２００の配置を設定でき、より多くの太陽電池モジュール２００を壁面構造５００の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
　また、本実施形態の壁面製造装置４００によれば、壁面製造装置４００内で人の感性に近い色のバランスの判定ができるため、太陽電池モジュール２００の配置の自動化も可能である。

　本実施形態の壁面製造装置４００によれば、壁面構造５００が太陽電池モジュール２００を並べて形成されるため、広範囲で色のバランス、特に色要素の統一性が良好となる。

　本実施形態の壁面構造５００は、各太陽電池モジュール２００の明度Ｌ＊、色度ａ＊、色度ｂ＊の少なくともいずれかの色要素の絶対値が大きく、太陽電池モジュール２００全体の色要素にばらつきがある。すなわち、単純に並べると、色要素の統一性がなく、色むらが発生するものである。
　本実施形態の壁面構造５００によれば、太陽電池モジュール２００全体の色要素にばらつきがあっても、隣接する太陽電池モジュール２００，２００の明度Ｌ＊、色度ａ＊、色度ｂ＊の少なくともいずれかの色要素の差が小さいため、全体としてまとまりのある均質性があり、色要素の統一性が取れた壁面構造となる。

　本実施形態の壁面構造５００の製造方法によれば、色要素を測定する色測定工程での測定結果を使用して太陽電池モジュール２００の配置を決定するので、色要素の測定結果に基づいた色のバランスが良好な壁面構造５００を製造できる。

　続いて、本発明の第３実施形態の製造装置６００について説明する。

　第３実施形態の製造装置６００は、制御部６０３の構造が第１実施形態の制御部３と異なる。
　すなわち、製造装置６００の制御部６０３は、図１３のように、主要構成要素として、ディープラーニング部２０（機械学習部）と、記憶部２１と、測定結果取得部２２と、入出力部２３に加えて、第２ディープラーニング部６０５（第２機械学習部）を備えており、太陽電池セル２０１の配置モデルを第２ディープラーニング部６０５が生成する。
　第２ディープラーニング部６０５は、太陽電池モジュール２００における各太陽電池セル２０１の配置を入れ替えて、入れ替えたときの各太陽電池セル２０１の色要素の情報をディープラーニング部２０に与えて太陽電池モジュール２００の色のバランスを判定させ、複数の太陽電池セル２０１の配置とディープラーニング部２０が判定した判定結果との相関関係を教師データとして機械学習するものである。
　第２ディープラーニング部６０５は、ディープラーニング部２０が太陽電池モジュール２００の色のバランスがより良好と判定すると予測される太陽電池セル２０１の配置モデル（第２配置モデル）を生成可能となっている。

　第２ディープラーニング部６０５は、ディープラーニング部２０と同様、４層以上のニューラルネットワークに則して学習するものである。第２ディープラーニング部６０５のニューラルネットワークは、ディープラーニング部２０と同様、入力層３００と、中間層３０１と、出力層３０２を備え、中間層３０１として上記のニューロン（ニューロンＮ１～Ｎｐ）が組み合わせられ、ｐ層（ｐは４以上の正の整数）の厚みを有する深層ニューラルネットワークである。

　続いて、第２ディープラーニング部６０５での機械学習の手順について説明する。

　まず、母集団太陽電池セル２０１ａを製造し、母集団太陽電池セル２０１ａの各太陽電池セル２０１の色要素の分布を算出する。

　続いて、母集団太陽電池セル２０１ａの明度分布が実質的に維持されるように、母集団太陽電池セル２０１ａの中から標本太陽電池セル２０１ｂを標本として抽出し、標本太陽電池セル２０１ｂをランダムに並べ、太陽電池モジュール２００を組み立てる。
　第２ディープラーニング部６０５の入力層３００に、各太陽電池セル２０１の配置と各太陽電池セル２０１の色要素を入力し、出力層３０２から色のバランスの良否の判定結果を取得する。また、ディープラーニング部２０でこの太陽電池モジュール２００について良否判定をする。
　そして、第２ディープラーニング部６０５の出力層３０２から取得した良否判定結果と、ディープラーニング部２０が判定した良否判定結果を比較し、良否判定結果の差が一致するように重みを調整し、太陽電池セル２０１の配置を入れ替えていき、機械学習する。

　本実施形態のディープラーニング部２０は、あらかじめ太陽電池セル２０１の色要素及び配置と、人が太陽電池モジュール２００の色のバランスを判定した判定結果との相関関係を教師データとして機械学習し、人の主観に近い判定基準をもっている。
　本実施形態の製造装置６００によれば、人の主観に近いディープラーニング部２０による色のバランスの判定を元に第２ディープラーニング部６０５で機械学習し、人が太陽電池モジュール２００の色のバランスが良好と判定すると予測される配置モデルを第２ディープラーニング部６０５が生成する。そのため、人の目の錯覚を踏まえた配置を設定でき、より多くの太陽電池セル２０１を太陽電池モジュール２００の製造に使用できる。それ故に、単純に色分布が近い物を並べた場合に比べて歩留まりを向上できる。
　本実施形態の製造装置６００によれば、ディープラーニング部２０が第２ディープラーニング部６０５に教師データを与えるので、人が判定しなくても、第２ディープラーニング部６０５に教師データを与えることができる。

　上記した実施形態では、太陽電池セル２０１として裏面２２１側に電極層２１３，２１６及び配線部材２０２が設けられたバックコンタクト型の太陽電池セル２０１を使用した場合について説明したが、本発明はこれに限定されるものではない。太陽電池セル２０１として受光面２２０側に電極層及び配線部材が設けられた他の種類の太陽電池セルも使用できる。

　上記した実施形態では、配線部材２０２によって各太陽電池セル２０１が電気的に接続されていたが、本発明はこれに限定されるものではない。図１４のように、隣接する太陽電池セル２０１，２０１は、一部が重なっており、電極層２１３，２１６同士が直接接触して電気的に接続されてもよい。

　上記した第１，３実施形態では、太陽電池セル２０１は、裏面２２１側にセル側識別部２１７が設けられていたが、本発明はこれに限定されるものではない。受光面２２０側にセル側識別部２１７が設けられていてもよい。

　上記した第１実施形態では、太陽電池セル２０１は、裏面２２１側にセル側識別部２１７が設けられることで各太陽電池セル２０１を識別していたが、本発明はこれに限定されるものではない。製造ライン上の太陽電池セル２０１の格納位置等の情報で太陽電池セル２０１を識別してもよい。この場合、セル側識別部２１７は、太陽電池セル２０１上に設けなくてもよい。

　上記した第２実施形態では、太陽電池モジュール２００は、裏面２２１側にモジュール側識別部２２３が設けられていたが、本発明はこれに限定されるものではない。受光面２２０側にモジュール側識別部２２３が設けられていてもよい。

　上記した第２実施形態では、太陽電池モジュール２００は、裏面２２１側にモジュール側識別部２２３が設けられることで各太陽電池モジュール２００を識別していたが、本発明はこれに限定されるものではない。製造ライン上の太陽電池モジュール２００の格納位置等の情報で太陽電池モジュール２００を識別してもよい。この場合、モジュール側識別部２２３は、太陽電池モジュール２００上に設けなくてもよい。

　上記した実施形態では、太陽電池セル２０１として一導電型である半導体基板２１０と逆導電型である第２導電型半導体層２１５が直接接合されてｐｎ接合を形成されていたが、本発明はこれに限定されるものではない。太陽電池セル２０１は、第１導電型半導体基板２１０と第２導電型半導体層２１５の間に真性半導体層が介在するヘテロ接合型の太陽電池セルであってもよい。この場合、真性半導体層の厚み等により、太陽電池セル２０１間の見た目の色要素に多少影響を与える場合がある。この場合、ディープラーニング部２０は、真性半導体層の影響も踏まえて色バランスが良と判定すると予測される配置モデルを生成することとなる。

　上記した第１実施形態では、太陽電池セル２０１の受光面２２０の全部が反射防止膜２１１で被覆されていたが、本発明はこれに限定されるものではない。太陽電池セル２０１の受光面２２０の一部が反射防止膜２１１で被覆されていてもよい。

　上記した第１実施形態では、人が太陽電池モジュール２００の色のバランスについて複数段階に分けて判断したものを教師データとして用いたが、本発明はこれに限定されるものではない。人が太陽電池モジュール２００の色のバランスについて良否のみを判断したものを教師データとして用いてもよい。

　上記した第２実施形態では、受光面２２０側の封止基材２０５の表面に第２反射防止膜５０１を形成していたが、本発明はこれに限定されるものではない。受光面側の封止基材２０５の表面に第２反射防止膜５０１を形成しなくてもよい。

　上記した第２実施形態では、太陽電池モジュール２００として太陽電池セル２０１がそれぞれ別個独立して設けられ、配線部材２０２で電気的に接続されて封止基材２０５，２０６で封止されたものを用いていたが、本発明はこれに限定されるものではない。太陽電池モジュール２００として薄膜太陽電池セルのように層状の各太陽電池セルが封止支持基板上で製膜されたものを用いてもよい。

　上記した第１，３実施形態では、人やディープラーニング部２０が太陽電池モジュール２００の色のバランスを判定する際に、明度を基準として色のバランスを判定していたが、本発明はこれに限定されるものではない。人やディープラーニング部２０が太陽電池モジュール２００の色のバランスを判定する際に、色度を基準として色のバランスを判定してもよい。また、太陽電池セル２０１間で形成される図柄や模様等を基準に色のバランスを判定してもよい。
　同様に、第２実施形態では、人が壁面構造５００の色のバランスを判定する際に、明度を基準として色のバランスを判定していたが、本発明はこれに限定されるものではない。人が壁面構造５００の色のバランスを判定する際に、色度を基準として色のバランスを判定してもよい。また、太陽電池モジュール２００間で形成される図柄や模様等を基準に色のバランスを判定してもよい。

　上記した実施形態では、本発明の機械学習部や第２機械学習部として４層以上の深層ニューラルネットワークのアルゴリズムに則して学習するディープラーニング部２０，６０５の場合について説明したが、本発明は、これに限定されるものではない。３層以下のニューラルネットワークのアルゴリズムに則して学習するものであってもよい。

　上記した第１，２実施形態では、ディープラーニング部２０の機械学習の結果に基づいて太陽電池セル２０１又は太陽電池モジュール２００の配置を決定していたが、本発明はこれに限定されるものではない。過去に測定した配置及び色要素と、それに対する人の判定結果を照らして機械的に配置を決めてもよい。

　上記した実施形態は、本発明の技術的範囲に含まれる限り、各実施形態間で各構成部材を自由に置換や付加できる。

　　１，６００　モジュール製造装置
　１２，４１２　配置操作部
　２０　ディープラーニング部（機械学習部）
　３１　色要素測定部
２００　太陽電池モジュール
２０１　太陽電池セル
２０１ａ　母集団太陽電池セル
２０１ｂ　標本太陽電池セル
２０２　配線部材
２０５　第１封止基材
２０６　第２封止基材
２０７，２０８　封止材
２１１　反射防止膜
２２０　受光面
２２１　裏面
４００　壁面製造装置
５００　壁面構造（太陽電池群）
５０１　第２反射防止膜
５０２　コネクター部材
６０５　第２ディープラーニング部（第２機械学習部）

Claims

　太陽電池群を構成する複数の太陽電池を配置する配置操作部と、機械学習部を有し、
　前記太陽電池群は、前記複数の太陽電池を平面的に並べたものであり、
　前記複数の太陽電池は、受光面を有し、前記受光面側に反射防止材を備えており、
　前記複数の太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、色要素にばらつきが生じるものがあり、
　前記機械学習部は、前記複数の太陽電池の配置と、人が当該複数の太陽電池の配置における前記太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして機械学習するものであり、
　前記機械学習部は、前記太陽電池群を製造する際に、各太陽電池の色要素の情報に基づいて、人が視認したときに前記太陽電池群の色のバランスが良好と判定すると予測される前記太陽電池の配置モデルを生成し、
　前記配置操作部は、前記配置モデルに基づいて各太陽電池を配置する、太陽電池群の製造装置。
　前記太陽電池群は、前記複数の太陽電池が配線部材によって電気的に接続された太陽電池モジュールであり、
　各太陽電池は、前記受光面とは反対側で、前記配線部材によって接続されている、請求項１に記載の太陽電池群の製造装置。
　前記太陽電池は、２つの封止部材に挟まれた複数の太陽電池セルを含む太陽電池モジュールであり、
　前記受光面側の封止部材は、透光性を有し、前記太陽電池セルとの間に前記反射防止材が介在している、請求項１又は２に記載の太陽電池群の製造装置。
　前記複数の太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、明度にばらつきが生じるものがあり、
　前記機械学習部は、前記複数の太陽電池の配置と、人が当該複数の太陽電池の配置における前記太陽電池群の明度のばらつきを判定した判定結果との相関関係を教師データとして機械学習するものであり、
　前記機械学習部は、前記太陽電池群を製造する際に、各太陽電池の明度の情報に基づいて、人が視認したときに前記太陽電池群での前記複数の太陽電池の明度のばらつきが小さく見えると予測される配置モデルを生成する、請求項１乃至３のいずれか１項に記載の太陽電池群の製造装置。
　５００個以上の太陽電池の色要素の分布を取得し、当該色要素の分布が実質的に維持されるように前記５００個以上の太陽電池の中から所定数の太陽電池を抽出し、
　前記機械学習部は、前記所定数の太陽電池の配置と、人が抽出した所定数の太陽電池を配置した太陽電池群の色のバランスを判定した判定結果との相関関係を教師データとして、機械学習する、請求項１乃至４のいずれか１項に記載の太陽電池群の製造装置。
　前記機械学習部は、各太陽電池の色要素及び配置の情報に基づいて、人が視認したときの前記太陽電池群の色のバランスを判定した判定結果を予測可能であり、
　第２機械学習部を有し、
　前記第２機械学習部は、前記太陽電池群における前記複数の太陽電池の配置を入れ替えて、入れ替えたときの各太陽電池の色要素及び配置の情報を前記機械学習部に与えて前記太陽電池群の色のバランスを判定させ、前記複数の太陽電池の配置と前記機械学習部が判定した判定結果との相関関係を教師データとして機械学習するものであり、
　前記第２機械学習部は、前記太陽電池群を製造する際に、前記機械学習部が前記太陽電池群の色のバランスがより良好と判定すると予測される前記太陽電池の第２配置モデルを生成し、
　前記配置操作部は、前記第２機械学習部が前記第２配置モデルを生成する場合には、前記第２配置モデルに基づいて各太陽電池を配置する、請求項１乃至５のいずれか１項に記載の太陽電池群の製造装置。
　総数が２０個以上の太陽電池が平面的に配置された太陽電池群であって、
　前記太陽電池は、受光面を有し、前記受光面側に反射防止材を備えており、
　前記太陽電池の中には、前記反射防止材の厚み又は前記反射防止材の屈折率が相違することで、色要素にばらつきが生じるものがあり、
　直射日光の照射下における前記太陽電池を写真撮影した画像から計算したＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系において、以下の（１）又は（２）の条件を満たす、太陽電池群。
（１）各太陽電池の明度Ｌ＊の最大値と最小値の差が２．０以上であって、かつ隣接する太陽電池の明度Ｌ＊の差が１．５度以下である。
（２）各太陽電池の色度ｂ＊の最大値と最小値の差が４．０以上であり、かつ隣接する太陽電池の色度ｂ＊の差が１．５以下である。
　一の太陽電池は、少なくとも３つの太陽電池と隣接して配されており、
　直射日光の照射下における前記太陽電池を写真撮影した画像から計算したＣＩＥ１９７６（Ｌ＊，ａ＊，ｂ＊）表色系において、以下の（３）又は（４）の条件を満たす、請求項７に記載の太陽電池群。
（３）前記（１）の条件を満たし、かつ前記一の太陽電池と前記３つの太陽電池との明度Ｌ＊の差が１．８以下である。
（４）前記（２）の条件を満たし、かつ前記一の太陽電池と前記３つの太陽電池との色度ｂ＊の差が２．０以下である。
　前記太陽電池の明度Ｌ＊及び色度ｂ＊は、それぞれ前記太陽電池において複数の測定点で測定した平均値である、請求項７又は８に記載の太陽電池群。
　前記太陽電池は、碁盤状に並べられており、
　隣接する太陽電池の最短距離は、５ｍｍ以下である、請求項７乃至９のいずれか１項に記載の太陽電池群。
　前記太陽電池は、２つの封止部材に挟まれた複数の太陽電池セルを含む太陽電池モジュールであり、
　前記受光面側の封止部材は、透光性を有し、前記太陽電池セルとの間に前記反射防止材が介在している、請求項７乃至１０のいずれか１項に記載の太陽電池群。
　複数の太陽電池を平面的に配置して太陽電池群を製造する太陽電池群の製造方法であって、
　前記太陽電池を形成する太陽電池形成工程と、
　前記太陽電池の色要素を測定する色測定工程と、
　前記色測定工程での測定結果を配置決定装置に送信する送信工程と、
　前記配置決定装置が受信した前記測定結果に基づいて前記太陽電池群を構成する前記太陽電池の配置を決定する配置決定工程と、
　前記配置決定工程での前記配置決定装置の決定に基づいて前記太陽電池を配置する配置工程を含む、太陽電池群の製造方法。
　前記配置決定工程において、過去の太陽電池群で測定した各太陽電池の色要素と、前記過去の太陽電池群の各太陽電池の色のバランスの良否に基づいて、前記測定結果から各太陽電池の色のバランスが良好となるように前記太陽電池の配置を決定する、請求項１２に記載の太陽電池群の製造方法。
　前記太陽電池は、識別部を有し、
　前記太陽電池の識別部と前記測定結果と紐付けする紐付け工程と、前記紐付け工程で前記測定結果に紐付けされた太陽電池を収容部材に収容する収容工程を含み、
　前記配置工程では、前記配置決定工程での前記配置決定装置の決定に基づいて、前記紐付け工程で前記測定結果に紐付けされた太陽電池を前記収容部材から取り出して配置する、請求項１２又は１３に記載の太陽電池群の製造方法。
　色測定工程において、前記太陽電池の前記色要素を複数の測定点で測定し、
　配置決定工程において、前記複数の測定点で測定した色要素の平均値を使用して前記太陽電池の配置を決定する、請求項１２乃至１４のいずれか１項に記載の太陽電池群の製造方法。