WO2021100630A1

WO2021100630A1 - 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

Info

Publication number: WO2021100630A1
Application number: PCT/JP2020/042484
Authority: WO
Inventors: 鳴海厚田; 規照浜田; 太一佐藤; 本村　秀人; 山崎　琢也; 直史生田
Original assignee: パナソニックＩｐマネジメント株式会社
Priority date: 2019-11-18
Filing date: 2020-11-13
Publication date: 2021-05-27
Also published as: DE112020005671T5; JPWO2021100630A1; JP7489618B2; CN114585982A

Abstract

本開示の課題は、改善された部品の配置の提案を可能とすることである。本開示に係る配置支援方法は、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。

Description

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

　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。

　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。

特開２００２－１１１２９８号公報

　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。

　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。

　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。

　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。

　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。

　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。

　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。

図１は、実施形態１に係る配置支援方法が適用される部品実装システムの外観を示す概略図である。図２は、同上の配置支援方法による部品実装システムの供給部における部品の配置を示す概念図である。図３は、実施形態１に係る配置支援システムを含む作業システムの概要を示すブロック図である。図４Ａ及び図４Ｂは、同上の配置支援方法による供給部における複数の部品の配置の提案の様子を示す概念図である。図５は、同上の配置支援方法の一例を示すフローチャートである。図６は、同上の配置支援方法による多段方式の部品の振り分けの様子を模式的に表す説明図である。図７は、同上の配置支援方法による再配置の様子を模式的に表す説明図である。

　（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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　（２．１）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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　（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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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。

　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

Claims

　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ことで生成物を生成する部品実装システムに関して、前記複数の供給部における前記複数の部品の配置の決定を支援する配置支援方法であって、
　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。
　前記学習済みモデルは、前記複数の供給部のうちの２つ以上の供給部の特徴に対応付けて生成されたモデルを含む、
　請求項１に記載の配置支援方法。
　前記学習済みモデルは、前記複数の供給部の特徴を１以上の特徴群に分類した場合に、前記１以上の特徴群に対応付けて生成されたモデルを含む、
　請求項１又は２に記載の配置支援方法。
　前記学習済みモデルは、強化学習を用いて生成される、
　請求項１～３のいずれか１項に記載の配置支援方法。
　前記学習済みモデルを更新する更新ステップを更に有する、
　請求項１～４のいずれか１項に記載の配置支援方法。
　前記学習済みモデルは、前記部品実装システムにより生成される前記生成物に関する情報に対応付けて生成されたモデルを含む、
　請求項１～５のいずれか１項に記載の配置支援方法。
　前記提案ステップは、
　　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。
　前記一次提案ステップと前記二次提案ステップとでは、前記学習済みモデルが異なる、
　請求項７に記載の配置支援方法。
　前記一次提案ステップと前記二次提案ステップとの少なくとも一方において、前記学習済みモデルを用いて前記複数の部品の配置を提案する、
　請求項７又は８に記載の配置支援方法。
　前記二次提案ステップの後で、前記複数の二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三次グループに分類した場合の、前記複数の三次グループに対する前記複数の部品の配置を提案する三次提案ステップを更に有する、
　請求項７～９のいずれか１項に記載の配置支援方法。
　前記提案ステップの後で、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再配置ステップを更に有する、
　請求項１～１０のいずれか１項に記載の配置支援方法。
　前記再配置ステップでは、少なくとも、前記部品実装システムでの前記生成物の生成に要する時間が、前記複数の供給部の中で最長である供給部について、前記複数の部品の配置を提案する、
　請求項１１に記載の配置支援方法。
　前記複数の供給部に対する前記複数の部品の配置に際して、特定の供給部に対する特定の部品の配置の可否を規定する制約条件が付されている、
　請求項１～１２のいずれか１項に記載の配置支援方法。
　前記制約条件による前記特定の供給部に対する前記特定の部品の配置の可否の判断は、前記学習済みモデルを用いた前記複数の供給部に対する前記複数の部品の配置の提案とは別に行われる、
　請求項１３に記載の配置支援方法。
　請求項１～１４のいずれか１項に記載の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、
　学習済みモデルの生成方法。
　請求項１～１４のいずれか１項に記載の配置支援方法、又は請求項１５に記載の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。
　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ことで生成物を生成する部品実装システムに関して、前記複数の供給部における前記複数の部品の配置の決定を支援する配置支援システムであって、
　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。
　前記提案部は、
　　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。
　前記提案部は、
　　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。
　請求項１７～１９のいずれか１項に記載の配置支援システムと、
　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。