特開 2025-1974 実装システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025001974

(43)【公開日】2025-01-09

(54)【発明の名称】実装システム

(51)【国際特許分類】

   H05K 13/04 20060101AFI20241226BHJP

   H05K 13/08 20060101ALI20241226BHJP

【ＦＩ】

H05K13/04 A

H05K13/08 Q

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023101807

(22)【出願日】2023-06-21

(71)【出願人】

【識別番号】000010076

【氏名又は名称】ヤマハ発動機株式会社

(74)【代理人】

【識別番号】110001036

【氏名又は名称】弁理士法人暁合同特許事務所

(72)【発明者】

【氏名】ダニエル シホンビン

【テーマコード（参考）】

5E353

【Ｆターム（参考）】

5E353CC04

5E353CC12

5E353CC21

5E353EE02

5E353EE62

5E353JJ44

5E353LL03

5E353QQ01

5E353QQ11

(57)【要約】

【課題】高品質と高速生産のどちらのニーズにも対応出来る実装システムを提供する。
【解決手段】
実装システムは、生産管理装置と、少なくとも１台の表面実装機を有する実装ラインとを備える。前記生産管理装置は、基板の生産に関係する物品の画像を入力とし、機械学習による学習モデルを用いて、前記物品の良否を判定する。前記表面実装機は、基板に部品を搭載するヘッドユニットと、制御装置とを備える。前記制御装置は、第１実装モード又は第２実装モードの切り替えが可能であり、前記第１実装モードは、学習モデルによる良否判定のため、前記物品の画像を前記生産管理装置に送信後、前記生産管理装置から機械学習による良否判定結果の返信を待つことなく部品搭載を継続するモードである。前記第２実装モードは、学習モデルによる良否判定のため、前記物品の画像を前記生産管理装置に送信後、前記生産管理装置から機械学習による良否判定結果の返信を待って部品搭載を行うモードである。
【選択図】図６

【特許請求の範囲】

【請求項1】

実装システムであって、
生産管理装置と、
少なくとも１台の表面実装機を有する実装ラインと、を備え、
前記生産管理装置は、基板の生産に関係する物品の画像を入力とし、機械学習による学習モデルを用いて、前記物品の良否を判定し、
前記表面実装機は、
基板に部品を搭載するヘッドユニットと、
制御装置と、を、備え、
前記制御装置は、第１実装モード又は第２実装モードの切り替えが可能であり、
前記第１実装モードは、学習モデルによる良否判定のため、前記物品の画像を前記生産管理装置に送信後、前記生産管理装置から機械学習による良否判定結果の返信を待つことなく部品搭載を継続するモードであり、
前記第２実装モードは、学習モデルによる良否判定のため、前記物品の画像を前記生産管理装置に送信後、前記生産管理装置から機械学習による良否判定結果の返信を待って部品搭載を行うモードである、実装システム。

【請求項2】

請求項１に記載の実装システムであって、
前記表面実装機は、前記第１実装モード選択中において、機械学習による良否判定結果として基板に搭載した部品がＮＧ品であることを、その部品を基板に搭載した後に、前記生産管理装置から受信した場合、
ＮＧ品を搭載した基板の、作業状況に応じて異なるエラー対応を行う、実装システム。

【請求項3】

請求項２に記載の実装システムであって、
前記表面実装機は、ＮＧ品を搭載した基板が、実装工程を終えリフロー装置への搬送途中であれば、基板搬送を停止し、オペレータコールを行う、実装システム。

【請求項4】

請求項２に記載の実装システムであって、
前記実装システムは、一枚の基板に対する部品の実装動作を直列に接続された複数の表面実装機により分担して実行する構成であり、
前記表面実装機は、ＮＧ品を搭載した基板が実装工程内にあれば、搬送コンベアと連携して当該基板をＮＧ品の実装作業を行った表面実装機まで戻し、
その後、ＮＧ品と判定された部品をヘッドユニットにより回収し、別の部品を基板に再搭載する、実装システム。

【請求項5】

請求項２に記載の実装システムであって、
前記表面実装機は、ＮＧ品を搭載した基板が、リフロー工程を終了し、実装ラインから排出前の状態であれば、基板搬送を停止し、オペレータコールを行う、実装システム。

【請求項6】

請求項２に記載の実装システムであって、
一基板に対する作業を分担して行う複数の実装ラインを有し、
上流の実装ラインの表面実装機は、ＮＧ品を搭載した基板が、下流の実装ラインに排出された後であれば、下流の実装ラインにスキップコマンドを送信し、ＮＧ品を搭載した基板について、下流の実装ラインにおける作業をスキップする、実装システム。

【請求項7】

請求項１又は請求項２に記載の実装システムであって、
前記表面実装機は第１ＲＡＭを有し、
前記生産管理装置は第２ＲＡＭを有し、
前記表面実装機は、良否判定対象の画像を前記第１ＲＡＭに記憶し、
前記生産管理装置は、良否判定対象の画像を、ＲＤＭＡ技術を利用して前記第１ＲＡＭから前記第２ＲＡＭに対して直接読み出す、実装システム。

【請求項8】

請求項１又は請求項２に記載の実装システムであって、
基板の生産に関係する前記物品は、
基板に搭載する部品、
基板に搭載する部品を吸着する実装ヘッド、
基板に付されたマーク、
基台に付されたマークのうち、少なくともいずれかを含む、実装システム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、基板に部品を搭載する実装システムに関する。

【背景技術】

【0002】

表面実装機は、プリント基板に搭載する部品を撮影し部品の良否を判定している。特許文献１は、部品の良否判定を、機械学習により行う点を開示している。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９－１１０２５７号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

機械学習は、他の判定方法に比べて、判定精度は高いが、判定時間が長い。そのため部品の良否判定に機械学習を用いた場合、品質向上が期待できるものの、基板の生産効率が低下する場合があった。
このような事情から、高品質生産と高速生産のどちらのニーズにも対応できるようにすることが、課題となっていた。尚、こうした課題は、部品の良否判断を行う場合に限らず、基板にマークや基台のマーク等の良否判定を行う場合も、同様である。

【課題を解決するための手段】

【0005】

（１）実装システムは、生産管理装置と、少なくとも１台の表面実装機を有する実装ラインを備える。前記生産管理装置は、基板の生産に関係する物品の画像を入力とし、機械学習による学習モデルを用いて、前記物品の良否を判定する。
前記表面実装機は、基板に部品を搭載するヘッドユニットと、制御装置と、を、備え、前記制御装置は、第１実装モード又は第２実装モードの切り替えが可能である。前記第１実装モードは、学習モデルによる良否判定のため、前記物品の画像を前記生産管理装置に送信後、前記生産管理装置から機械学習による良否判定結果の返信を待つことなく実装を継続するモードである。前記第２実装モードは、学習モデルによる良否判定のため、前記物品の画像を前記生産管理装置に送信後、前記生産管理装置から機械学習による良否判定結果の返信を待って部品実装を行うモードである。

【0006】

（２）（１）に記載の実装システムであって、前記表面実装機は、前記第１実装モード選択中において、機械学習による良否判定結果として基板に搭載した部品がＮＧ品であることを、その部品を基板に搭載した後に、前記生産管理装置から受信した場合、ＮＧ品を搭載した基板の、作業状況に応じて異なるエラー対応を行ってもよい。この構成では、ＮＧ品を搭載した基板の作業状況に応じた、適切な対応が可能となる。

【0007】

（３）（２）に記載の実装システムであって、前記表面実装機は、ＮＧ品を搭載した基板が、実装工程を終えリフロー装置への搬送途中であれば、基板搬送を停止し、オペレータコールを行ってもよい。

【0008】

（４）（２）に記載の実装システムであって、前記実装システムは、一枚の基板に対する部品の実装動作を直列に接続された複数の表面実装機により分担して実行する構成であり、前記表面実装機は、ＮＧ品を搭載した基板が実装工程内にあれば、搬送コンベアと連携して当該基板をＮＧ品の実装作業を行った表面実装機まで戻し、その後、ＮＧ品と判定された部品をヘッドユニットにより回収し、別の部品を基板に再搭載してもよい。

【0009】

（５）（２）に記載の実装システムであって、前記表面実装機は、ＮＧ品を搭載した基板が、リフロー工程を終了し、実装ラインから排出前の状態であれば、基板搬送を停止し、オペレータコールを行ってもよい。

【0010】

（６）（２）に記載の実装システムであって、一基板に対する作業を分担して行う複数の実装ラインを有し、上流の実装ラインの表面実装機は、ＮＧ品を搭載した基板が、下流の実装ラインに排出された後であれば、下流の実装ラインにスキップコマンドを送信し、ＮＧ品を搭載した基板について、下流の実装ラインにおける作業をスキップしてもよい。

【0011】

（７）（１）又は（２）に記載の実装システムであって、前記表面実装機は第１ＲＡＭを有し、前記生産管理装置は第２ＲＡＭを有してもよい。前記表面実装機は、良否判定対象の画像を前記第１ＲＡＭに記憶し、前記生産管理装置は、良否判定対象の画像を、ＲＤＭＡ技術を利用して前記第１ＲＡＭから前記第２ＲＡＭに対して直接読み出してもよい。この構成では、画像転送速度のボトルネックを解除し、画像データの転送を短時間で行うことが出来る。

【0012】

（８）（１）又は（２）に記載の実装システムであって、前記物品は、基板に搭載する部品、基板に搭載する部品を吸着する実装ヘッド、基板に付されたマーク、基台に付されたマークのうち、少なくともいずれかを含む構成でもよい。

【発明の効果】

【0013】

本発明によれば、高品質実装と高速実装のどちらのニーズにも、対応出来る。

【図面の簡単な説明】

【0014】

【図1】実装システムの全体図

【図2】表面実装機の平面図

【図3】表面実装機の側面図

【図4】実装システムのブロック図

【図5】深層学習の模式図

【図6】実装システムにおけるデータのやり取りを示す図

【図7A】電子部品の良否判定方法をまとめた図表

【図7B】実装モードをまとめた図表

【図8】第１実装モード選択中に実行されるエラー処理の説明図

【図9】第１実装モード選択中に実行されるエラー処理の説明図

【図10】第１実装モード選択中に実行されるエラー処理の説明図

【図11】第１実装モード選択中に実行されるエラー処理の説明図

【図12】画像データの転送機能に関するブロック図

【図13】各部品状態について部品の良否判定結果をまとめた図表

【図14】学習モデルの生成過程を示すフローチャート

【発明を実施するための形態】

【0015】

＜実施形態１＞
１．実装システムＳ
図１は、実装システムＳの全体図である。実装システムＳは、実装ラインＬｖと、生産管理装置４０と、を含む。実装ラインＬｖは、上流側（図１の右側）から順に、印刷機１１、表面実装機１２、検査機１３、リフロー装置１５を備えており、これらが複数のマシン１１、１２、１３、１５が搬送コンベアを介して直列に接続されている。

【0016】

印刷機１１は表面実装機１２の上流側に位置し、表面実装機１２に投入する基板Ｐに対して、はんだペーストを印刷する。

【0017】

表面実装機１２は、印刷機１１の下流側に位置している。表面実装機１２は、電子部品Ｅを基板Ｐの表面に実装する装置である。表面実装機１２の台数は、１台の場合や複数台の場合があり、この実施形態は、３台の表面実装機１２を直列に配置したライン構成になっている。表面実装機１２の構成については後述する。電子部品Ｅは基板に搭載する部品の一例である。

【0018】

検査機１３は、表面実装機１２の下流側に位置する。検査機１３は、電子部品Ｅが実装された基板Ｐを、リフロー装置１５に投入する前に検査する装置である。

【0019】

リフロー装置１５は、検査機１３の下流に位置する。リフロー装置１５は、検査済みの基板Ｐを加熱し、基板Ｐの表面に塗布されたはんだペーストを溶融することにより、基板Ｐと電子部品Ｅを、はんだ接合する装置である。

【0020】

２．表面実装機
表面実装機１２は、図２に示すように、基台２１、搬送コンベア２２、駆動装置２３、ヘッドユニット２６、テープフィーダＦ１及びトレイフィーダＦ２備えている。尚、以下の説明において、テープフィーダＦ１及びトレイフィーダＦ２を総称して、フィーダＦとする。

【0021】

以下の説明において、基台２１の長手方向（図２の左右方向）をＸ方向と呼ぶものとし、基台２１の奥行方向（図２の上下方向）をＹ方向、図３の上下方向（実装ヘッド２６Ａの昇降方向）をＺ方向とする。

【0022】

搬送コンベア２２は、基台２１の中央に配置されている。搬送コンベア２２はＸ方向に循環駆動する一対の搬送ベルト２２Ａを備えており、搬送ベルト２２Ａ上の基板Ｐを、Ｘ方向に搬送する。

【0023】

本実施形態では、図２に示す右側が入り口となっており、基板Ｐは、図２に示す右側より搬送コンベア２２を通じて機内へと搬入される。搬入された基板Ｐは、搬送コンベア２２により基台中央の作業位置まで運ばれる。

【0024】

基台２１上には、基板Ｐの作業位置の周囲４箇所に、テープフィーダＦ１、トレイフィーダＦ２が設置されている。

【0025】

テープフィーダＦ１は、部品供給テープ（図略）を供給位置に送り出すことにより、テープ部品Ｅ１を供給する装置である。テープ部品Ｅ１は、例えば、チップコンデンサ等の小型電子部品である。

【0026】

トレイフィーダＦ２は、トレイ部品Ｅ２を収容したトレイを、保管庫から引き出すことによりトレイ部品Ｅ２を供給する装置である。トレイ部品Ｅ２は、例えば、ＩＣ等の中大型電子部品である。尚、以下の説明において、テープフィーダＦ１及びトレイフィーダＦ２を総称して、フィーダＦとする。また、テープ部品Ｅ１及びトレイ部品Ｅ２を総称して、電子部品Ｅとする。

【0027】

駆動装置２３は、図２、図３に示すように、一対のＹビーム２４、Ｘビーム２５、Ｙ軸ボールねじ２４Ａ、Ｙ軸モータ２４Ｂ、Ｘ軸ボールねじ２５Ａ、Ｘ軸モータ２５Ｂから構成される。

【0028】

具体的に説明すると、図２に示すように、一対のＹビーム２４は、基台２１のＸ方向両側に位置している。一対のＹビーム２４は、Ｙ方向に平行に延びており、Ｘビーム２５をＹ方向にスライド可能に支持している。

【0029】

Ｙビーム２４の上面には、Ｙ方向に延びるＹ軸ボールねじ２４Ａと、その軸端部にＹ軸モータ２４Ｂが配置されている。Ｙ軸ボールねじ２４Ａは、Ｙ軸方向の駆動軸であり、Ｘビーム２５の下面に固定されたボールナット（図略）が螺合している。

【0030】

Ｙ軸モータ２４Ｂの駆動により、Ｙ軸ボールねじ２４Ａを軸中心に回転させることで、Ｘビーム２５及びヘッドユニット２６をＹ方向に移動させることが出来る（Ｙ軸サーボ機構）。

【0031】

Ｘビーム２５は、Ｘ方向に長い形状であり、ヘッドユニット２６をＸ方向に沿ってスライド可能に支持している。Ｘビーム２５の側面には、Ｘ方向に延びるＸ軸ボールねじ２５Ａと、その軸端部にＸ軸モータ２５Ｂが配置されている。Ｘ軸ボールねじ２５Ａは、Ｘ軸方向の駆動軸であり、ヘッドユニット２６に固定されたボールナット（図略）が螺合している。

【0032】

Ｘ軸モータ２５Ｂの駆動により、Ｘ軸ボールねじ２５Ａを軸中心に回転させることで、Ｘビーム２５に対して、ヘッドユニット２６をＸ方向に移動させることが出来る（Ｘ軸サーボ機構）。

【0033】

以上のことから、Ｘ軸モータ２５Ｂ、Ｙ軸モータ２４Ｂを複合的に制御することで、基台２１上の任意の位置に、ヘッドユニット２６を移動させることが出来る。

【0034】

ヘッドユニット２６は、複数本の実装ヘッド２６Ａを有している。実装ヘッド２６Ａはヘッドユニット２６に対してＸ方向に一列状に配置されている。各実装ヘッド２６Ａは、Ｚ軸モータ２６Ｂの駆動により、上下方向に移動することが出来る（Ｚ軸サーボ機構）。

【0035】

実装ヘッド２６ＡはＺ方向に長いシャフトであり、先端（下端）に、吸着ノズルを有している。吸着ノズルの内圧を、負圧と正圧に切り換えることで、テープ部品Ｅ１、トレイ部品Ｅ２を保持又は解放出来る。

【0036】

このような構成とすることで、Ｘ軸モータ２５Ｂ、Ｙ軸モータ２４Ｂ、Ｚ軸モータ２６Ｂを所定のタイミングで作動させることにより、テープフィーダＦ１により供給されるテープ部品Ｅ１や、トレイフィーダＦ２により供給されるトレイ部品Ｅ２を、実装ヘッド２６Ａにより取り出して、基板Ｐ上に搭載することが出来る。

【0037】

尚、図２に示す符号２７は部品認識カメラ、図３に示す符号２８は基板認識カメラである。部品認識カメラ２７は基台２１上において撮影面を上に向けて固定されており、実装ヘッド２６Ａにより取り出されたテープ部品Ｅ１やトレイ部品Ｅ２の画像（下面画像）を撮影する。

【0038】

基板認識カメラ２８は、ヘッドユニット２６に対して撮影面を下に向けて取り付けられており、基台２１上をヘッドユニット２６と共に移動することが出来る。基板認識カメラ２８は、基板Ｐに設けられた各マークや基台２１上の補正マーク等を撮影する。

【0039】

次に、図４を参照して、表面実装機１２の電気的構成について説明する。表面実装機１２は、演算処理部３０、通信部３１、データ記憶部３２、プログラム記憶部３３、モータ制御部３４、認識部３５、表示部３７、操作部３８等を備えている。

【0040】

演算処理部３０は、ＣＰＵ、ＲＡＭ等を備えている。演算処理部３０は、制御プログラムに従って、モータ制御部３４を制御することで、電子部品Ｅを基板Ｐに実装する。演算処理部３０は、本発明の「制御装置」に相当する。

【0041】

通信部３１は、生産管理装置４０との間で情報の通信を行うためのインターフェースである。通信部３１は、通信ケーブルを介して生産管理装置４０と通信可能に接続されている。

【0042】

認識部３５は、部品認識カメラ２７及び基板認識カメラ２８と接続されている。認識部３５は、カメラ２７、２８から出力される画像を用いて対象物を画像認識し、対象物の良否判定を実行する。良否判定は、後に詳しく説明する。

【0043】

データ記憶部３２には、カメラ２７、２８から出力された画像が一時的に記憶される。撮影された画像は、認識部３５による画像認識に使用されるほか、通信ケーブルを介して生産管理装置４０に送信され、全画像保存される。プログラム記憶部３３には、第１実装モード、第２実装モードの実行プログラム、及び２つの実装モードを切り換えるプログラムが記憶されている。また、画像認識用の認識アルゴリズムが記憶されている。

【0044】

表示部３７は、例えばディスプレイである。操作部３８は、ユーザが入力操作をするためのユーザインターフェースである。

【0045】

３．生産管理装置４０の構成
生産管理装置４０は、実装ラインＬｖを管理する装置であり、例えばパーソナルコンピュータである。図４に示すように、生産管理装置４０は、通信部４１と、制御部４２と、記憶部４３と、表示部４４と、操作部４５と、を備える。

【0046】

通信部４１は、表面実装機１２の通信部３１とは、通信ケーブルを介して相互に通信可能に接続されている。表面実装機１２と生産管理装置４０との間では、コマンド（指示）の送受信や、データの送受信を行うことが出来る。

【0047】

制御部４２は、ＣＰＵ、ＲＡＭ等を備えている。記憶部４３には、表面実装機１２で生産する基板Ｐの情報や、基板Ｐに搭載する電子部品Ｅの情報が記憶されている。記憶部４３には、表面実装機１２から受信したすべての画像が保存される。

【0048】

表示部４４は、例えばディスプレイである。操作部４５は、ユーザが入力操作をするためのユーザインターフェースである。

【0049】

４．電子部品Ｅの良否判定
表面実装機１２は、フィーダＦにより供給される電子部品Ｅを実装ヘッド２６Ａにより吸着した後、部品認識カメラ２７で撮影し、基板Ｐに搭載する電子部品Ｅの良否を、撮影した画像に基づいて判定している。

【0050】

電子部品Ｅの良否判定方法には、２つの判定方法がある。第１判定は、認識アルゴリズムを用いた判定方法であり、第２判定は、機械学習による学習モデルＭを用いた判定方法である。

【0051】

認識アルゴリズムは、あらかじめ用意された、ルールベースの判定を行う。例えば、画像から抽出した特徴量（例えば、対象物の形状、位置、角度など）を、しきい値と比較することにより、電子部品Ｅの良否を判定する。

【0052】

学習モデルＭは、例えば、図５に示すように、電子部品Ｅの画像と良否結果を教師データとした教師有りの学習モデルであり、電子部品Ｅの画像を入力として、電子部品Ｅの良否を判定する。具体的には、電子部品Ｅが良品である確率と、不良品である確率を出力する。

【0053】

尚、こうした学習モデルＭは、ニューラルネットワークを利用した深層学習による学習モデルを例示することが出来る。

【0054】

学習モデルＭの生成及び判定は、演算負荷が大きく、表面実装機１２の演算能力がスペック不足になる場合がある。そのため、この実施形態では、図６に示すように、表面実装機１２から教師データを送り、生産管理装置４０で学習モデルＭを生成する。

【0055】

そして、基板Ｐの生産中に、電子部品Ｅの良否判定（二次判定）をする場合についても、表面実装機１２から生産管理装置４０に画像のデータを送り、生産管理装置４０にて、学習モデルＭに基づいて、電子部品Ｅの良否判定を行っている。

【0056】

５．実装モード
学習モデルＭは、認識アルゴリズムに比べて、判定精度は高いが、判定時間が長い。そのため電子部品Ｅの良否判定に学習モデルＭを用いた場合、基板Ｐの品質向上は期待出来るものの、基板Ｐの生産効率が低下する場合がある。

【0057】

この実施形態では、吸着した電子部品Ｅを部品認識カメラ２７で撮影した後、認識アルゴリズムを用いた第１判定と並行して、電子部品Ｅの画像を生産管理装置４０に送信し、学習モデルＭを用いて第２判定を行う。

【0058】

そして、判定対象の電子部品Ｅを基板Ｐに搭載するにあたり、生産管理装置４０からの第２判定の結果を待つか否かにより、２つの実装モードを設定している。ユーザは、操作部３９等の操作により、生産開始前に、２つの実装モードを選択することが出来る。

【0059】

第１実装モードは、良否判定のため、電子部品Ｅの画像を生産管理装置４０に送信後、生産管理装置４０から深層学習による良否判定結果の返信を待つことなく部品実装を継続するモードである。尚、部品実装は、部品ＥをフィーダＦから取り出して基板Ｐに搭載することを意図する。

【0060】

第１実装モードは、第２判定の結果を待たず、第１判定の結果だけで、電子部品Ｅの良否を判断して、部品実装を行う。そのため、第２実装モードに比べて、判定時間が短く、基板Ｐの生産を高速で行うことが出来る。

【0061】

第２実装モードは、良否判定のため、電子部品Ｅの画像を生産管理装置４０に送信後、生産管理装置４０から深層学習による良否判定結果の返信を待って部品実装を行うモードである。

【0062】

第２実装モードは、第１判定と第２判定の併用が可能なため、電子部品Ｅの良否判定精度が高い。そのため、基板搭載前にＮＧ品を高精度に検出することが出来るため、不良基板の発生頻度が低く、基板Ｐの生産品質が高い。

【0063】

尚、第１判定と第２判定を併用する場合、両判定ともＯＫ（良）の場合、電子部品Ｅを良品と判定し、それ以外の場合は、不良と判定することが考えられる。

【0064】

また、この実施形態では、良否判定のため、表面実装機１２から生産管理装置４０に画像を送る際に、画像と紐付けて、（１）と（３）のデータについても、表面実装機１２から生産管理装置４０に対して送信する。このようにすることで、学習モデルＭでＮＧの判定結果になった場合、生産管理装置４０は、どの表面実装機１２で、どの基板Ｐに搭載される電子部品Ｅが不良なのか、判断することが出来る。

【0065】

＜表面実装機１２から生産管理装置４０に送信するデータ＞
（１）基板の番号
（２）基板に搭載する電子部品の画像
（３）自機を識別する情報（表面実装機が複数ある場合）

【0066】

７．効果
以上のように、表面実装機１２は、第１実装モードと第２実装モードの２つの実装モードを設定しており、ユーザは、操作部３８を介した入力操作等により、これら２つの実装モードを任意に選択して切り換えることが出来る。そのため、高品質実装、高速実装のどちらのニーズにも対応することが出来る。

【0067】

＜実施形態２＞
図８～図９は実装ラインＬｖのライン構成図である。実施形態２の実装ラインＬｖは、複数台の表面実装機１２Ａ～１２Ｃを直列に接続しており、ローダ１０、印刷機１１、３台の表面実装機１２Ａ～１２Ｃ、搬送機器１４及びリフロー装置１５を有している。

【0068】

基板Ｐは、ローダ１０から送り出され、印刷機１１、表面実装機１２Ａ、１２Ｂ、１２Ｃ、搬送機器１４、リフロー装置１５を順に通過し、印刷工程（印刷機１１）、実装工程（表面実装機１２Ａ～１２Ｃ）、リフロー工程（リフロー装置１５）が実施される。

【0069】

そして、リフロー装置１５の下流には、図１０に示すように、搬送機器１６、アンローダ１７が設置されており、基板Ｐは、リフロー工程終了後、アンローダ１７より実装ライン外に排出される。

【0070】

実施形態１にて説明したように、表面実装機１２は、第１実装モードと第２実装モードの選択が可能である。第１実装モードは、学習モデルＭの判定結果を待たずに、部品実装を行う。

【0071】

そのため、当該実装機１２での実装作業を終了し、下流のマシンに基板Ｐを送り出した後、表面実装機１２は、基板Ｐに搭載した電子部品Ｅが、学習モデルＭによる良否判定の結果、ＮＧ品であることを、生産管理装置４０から通知される場合がある。

【0072】

この実施形態では、第１実装モード選択中において、深層学習による良否判定結果として基板Ｐに搭載した電子部品ＥがＮＧ品であることを、その電子部品Ｅを基板Ｐに搭載した後に、生産管理装置４０から受信した場合、表面実装機１２の演算処理部３０は、ＮＧ品を搭載した基板Ｐの、作業状況に応じて、異なるエラー対応を行う。このようにすることで、ＮＧ品を搭載した基板Ｐの作業状況に応じた、適切なエラー対応が可能となる。

【0073】

＜ケース１＞
図８は、表面実装機１２Ａは、２番基板Ｐの実装作業中に、学習モデルＭによる良否判定の結果、「５番基板Ｐに紐付けられた電子部品ＥはＮＧ品」であることを、生産管理装置４０から通知されたことを示している。

【0074】

この場合、ＮＧ品を搭載した５番基板Ｐは、図８に示すように表面実装機１２Ａから見て、基板３枚分（５番基板－２番基板）下流のマシン、つまり搬送機器１４に位置しており、ＮＧ品を搭載した基板Ｐは、実装工程を既に終え、リフロー装置１５への搬送途中と判断出来る。このように、表面実装機１２Ａは、ＮＧ品を搭載した基板Ｐの番号、作業中の基板Ｐの番号及び実装ラインＬｖのライン構成からＮＧ品を搭載した基板Ｐの作業状況を把握することが出来る。尚、表面実装機１２は、基板番号に紐づけて基板Ｐの生産履歴をデータ記憶部３２に残すとよい。生産履歴を残すことで基板Ｐの生産状況を容易に把握出来る。また、実装ラインＬｖのライン構成のデータは、データ記憶部３２に予め記憶しておき、必要に応じて読み出すとよい。

【0075】

そして、図８の場合、表面実装機１２Ａの演算処理部３０は、搬送機器１４に対して停止コマンドを送信し、５番基板Ｐの搬送を停止する。また、オペレータコールを行い、ＮＧ品が搭載された５番基板Ｐが搬送機器１４で停止中であること報知する。

【0076】

これにより、オペレータは、５番基板Ｐを搬送機器１４から回収するなどの措置を講じることが出来る。回収した５番基板Ｐは、廃棄してもよいし、リフロー前であることから、手作業による修正（ＮＧ品の除去および正常部品の再搭載）を行った後、実装ラインＬｖに戻すことも可能である。

【0077】

＜ケース２＞
図９は、表面実装機１２Ａは、２番基板Ｐの実装作業中に、学習モデルＭによる良否判定の結果、「３番基板Ｐに紐付けられた部品ＥはＮＧ品」であることを、生産管理装置４０からを通知されたことを示している。

【0078】

この場合、ＮＧ品を搭載した３番基板Ｐは、表面実装機１２Ａから見て、基板１枚分（３番基板－２番基板）下流のマシン、つまり表面実装機１２Ｂに位置しており、実装作業中であることが判断可能である。

【0079】

この場合、表面実装機１２Ａの演算処理部３０は、３番基板Ｐを実装中の表面実装機１２Ｂを含め、それよりも上流側の各マシン、つまり、表面実装機１２Ｂ、表面実装機１２Ａ、印刷機１１、ロータ１０に逆送コマンドをそれぞれ送信する。これにより、各マシン１２Ｂ、１２Ａ、１１、１０の搬送コンベア２２が逆回転し、各マシン上の基板Ｐを上流に逆送する。

【0080】

そして、図９に示すようにＮＧ品を搭載した３番基板Ｐが表面実装機１２Ａに戻ると、表面実装機１２Ａは、ヘッドユニット２６を３番基板上に移動し、３番基板ＰからＮＧ品を回収する共に、正常部品Ｅを再搭載する。このようにすることで、不良基板の発生なく、ＮＧ品の搭載をリカバー出来る。

【0081】

＜ケース３＞
図１０は、表面実装機１２Ａが、２番基板Ｐの実装作業中に、学習モデルＭによる良否判定の結果、「９番基板Ｐに紐付けられた部品ＥはＮＧ品」であることを生産管理装置４０から通知されたことを示している。

【0082】

この場合、ＮＧ品を搭載した９番基板Ｐは、図１０に示すように、表面実装機１２Ａから見て、基板７枚分（９番基板－２番基板）下流のマシン、つまり、リフロー装置１５の下流に位置する搬送機器１６に位置しており、リフロー工程を既に終え、実装ラインＬｖから排出される直前の段階であると、判断出来る。

【0083】

この場合、表面実装機１２Ａの演算処理部３０は、搬送機器１６を含め、それよりも下流に位置するマシン、つまり、搬送機器１６、アンローダ１７に停止コマンドを送信し、９番基板Ｐの搬送を停止する。

【0084】

その後、表面実装機１２は、オペレータコールを行い、ＮＧ品が搭載された９番基板Ｐが、搬送機器１６で停止している旨を報知する。尚、オペレータコールは、例えば、表面実装機１２に付属する異常灯や警告音を鳴らすもの等が考えられる。また、これらと併用してエラーメッセージを表示部３７に表示してもよい。

【0085】

このようにすることで、ＮＧ品を搭載した基板Ｐが、実装ライン外に排出されることを防止出来る。また、オペレータは、９番基板Ｐを搬送機器１６から回収して廃棄するなどの措置を講じることが出来る。

【0086】

＜ケース４＞
ケース４は複数ライン間における基板回収方法を開示するものである。図１１に示すように、実装ラインＬｖは、第１実装ラインＬｖ１と第２実装ラインＬｖ２の２ライン構成であり、基板Ｐは第１実装ラインＬｖ１で実装作業（例えば、基板Ｐの第１面の実装作業）を行った後、第２実装ラインＬｖ２に送られて残りの実装作業（例えば、基板Ｐの第２面の実装作業）を行う。

【0087】

図１１は、第１実装ラインＬｖ１の表面実装機１２Ａは、２番基板Ｐの実装作業中に、学習モデルＭによる良否判定の結果、「１１番基板Ｐに紐付けられた電子部品ＥはＮＧ品」であることを、生産管理装置４０から通知されたことを示している。

【0088】

この場合、１１番基板Ｐは、表面実装機１２Ａから見て基板９枚分（１１番基板－２番基板）下流のマシンに位置することになる。つまり、第２実装ラインＬｖ２の印刷機１１に位置することになる。

【0089】

この場合、表面実装機１２Ａの演算処理部３０は、第２実装ラインＬｖ２を構成する各マシン、つまり、印刷機１１、表面実装機１２Ａ、１２Ｂ、ＡＯＩ（検査機）にスキップコマンドを送信し、ＮＧ品を搭載した１１番基板Ｐに対する作業（印刷、実装、検査）をスキップさせる。

【0090】

このように表面実装機１２Ａは、ＮＧ品を搭載した基板Ｐが、下流の実装ラインＬｖ２に排出された後であれば、下流の実装ラインＬｖ２の各マシンにスキップコマンドを送信し、ＮＧ品を搭載した基板について、下流の実装ラインＬｖ２における作業をスキップする。これにより、ＮＧ品を搭載した１１番基板Ｐを、第２実装ラインＬｖ２で作業を行うことなく、未作業の状態でライン外に排出することが出来る。

【0091】

＜実施形態３＞
実施形態３の実装システムは、表面実装機１２と生産管理装置４０の間の画像データの転送に、ＲＤＭＡ（リモートダイレクトメモリアクセス：Remote Direct Memory Access）技術を用いる。ＲＤＭＡは、異なるコンピュータのメモリ間で、直接データを転送する技術である。

【0092】

図１２（Ａ）は、表面実装機１２と生産管理装置４０の間におけるデータ転送機能に関するブロック図である。

【0093】

表面実装機１２の演算処理部３０は第１ＲＡＭ３０Ａを有し、生産管理装置４０の制御部４２は、第２ＲＡＭ４２Ａを有している。

【0094】

第１ＲＡＭ３０Ａと第２ＲＡＭ４２Ａは、バス５０を介してデータ転送可能に接続されており、相互にリモートアクセス可能である。

【0095】

表面実装機１２で撮影した画像データは、第１ＲＡＭ３０Ａに対して一時的に記憶される。そして、第１ＲＡＭ３０Ａに一時保存された画像データは、バス５０を介して、第１ＲＡＭ３０Ａから第２ＲＡＭ４２Ａに対して直接転送、記憶される。

【0096】

図１２（Ｂ）は、比較例を示しており、表面実装機１２で撮影した画像データは、ＲＡＭに一時的に記憶された後、ハードディスクに記憶される。その後、画像データは、表面実装機１２のハードディスクから、生産管理装置４０のハードディスクに、イーサネット経由で転送される。

【0097】

一般的に、ＲＡＭの読み書き速度はハードディスクの読み書き速度よりも速い。そのためＲＤＭＡ技術を適用することにより、表面実装機１２と生産管理装置４０の間において、画像データの転送を短時間で行うことが出来る。

【0098】

そのため、大量の画像データを送信する場合であっても、通信の滞りを抑制し、装置間のデータ転送に係る時間が実装作業のボトルネックになるのを防ぐことが出来る。

【0099】

なお、第１ＲＡＭ３０Ａ、第２ＲＡＭ４２Ａ間を接続するバス５０の一例としては、転送速度が大きく遅延時間の短いインフィニバンド（InfiniBand）（登録商標）を例示することが出来る。

【0100】

＜実施形態４＞
実施形態１にて、電子部品Ｅの画像と良否結果を教師データとして、電子部品Ｅの良否を判定する学習モデルＭを生成する点を説明した（図６参照）。

【0101】

実施形態４は教師データの抽出方法と学習モデルＭの生成フローについて説明する。図１３は、各部品状態について、認識アルゴリズムによる、電子部品Ｅの良否結果をまとめた図である。

【0102】

この実施形態では、認識アルゴリム判定として、位置角度判定と方向判定を行う。位置角度判定は、実装ヘッド２６Ａに吸着保持された電子部品Ｅの位置や角度の是非を判断し、方向判定は、実装ヘッド２６Ａに吸着保持された電子部品Ｅの方向の是非を判断する。

【0103】

図１３に記載の学習デフォルト判定結果は、位置角度判定と方向判定より、電子部品Ｅの良否を判断したものであり、位置角度判定と方向判定の双方ともＯＫの場合、その電子部品Ｅは良品と判断し、いずれか１つでもＮＧの場合、その電子部品Ｅは不良と判断する。

【0104】

このように、認識アルゴリズムの良否判定結果を、学習モデルＭの教師データに利用することが出来る。

【0105】

尚、認識アルゴリム判定は、良否判定可能な事象がアルゴリムに依存しており、アルゴリズムの種類が少ないと、判定できない事象（例えば、クラック有無や異物付着）が存在する。そのため、アルゴリズム判定を補うため、オペレータ判定を、併用してもよい。

【0106】

２つの判定方法（アルゴリズム判定、オペレータ判定）を併用することで、アルゴリム判定だけでは判定できない事象（例えば、クラック有無や異物付着）についても、電子部品Ｅの良否を、判定することが出来る。

【0107】

図１４は、学習モデルの生成手順を示すフローチャートである。学習モデルＭの生成フローはＳ１０～Ｓ７０から構成されいる。学習モデルＭの生成フローは、教師データの登録にあたり、認識アルゴリズム判定とオペレータ判定を併用して、電子部品Ｅの良否判定を行っている（Ｓ３０、Ｓ４０）。

【0108】

尚、生産管理装置４０は、全画像保存機能を有しており、基板Ｐの生産中、表面実装機１２Ａ～１２Ｃにて撮影した全画像（部品以外の画像も含む）は、表面実装機１２から生産管理装置４０に送信され、生産管理装置４０の記憶部４３に対して保存される。

【0109】

また、電子部品Ｅなど学習対象となるものについては、表面実装機１２から生産管理装置に対して、画像だけでなく、画像と紐づけて、認識アルゴリズムによる良否判定結果についても、送信される。生産管理装置４０に所定数の画像が蓄積すると、生産管理装置４０は機械学習を開始する。

【0110】

機械学習の開始後、生産管理装置４０は、Ｓ１０にて、記憶部４３から画像を読み出して取得する。その後、Ｓ２０に移行し、生産管理装置４０は、記憶部４３から読み出した画像が、学習対象か判断する。

【0111】

画像が学習対象の場合（この例では、実装ヘッド２６Ａにより吸着保持された電子部品Ｅの画像の場合）、生産管理装置４０は、Ｓ３０にて、学習対象の画像について、認識アルゴリズムの判定結果を取得する。その後、Ｓ４０に移行し、生産管理装置４０は、Ｓ３０で取得した認識アルゴリズムの判定結果に対して、オペレータ判定の結果を考慮して、電子部品Ｅの良否判定結果を確定する。

【0112】

その後、Ｓ５０に移行し、Ｓ１０で取得した電子部品の画像と、Ｓ４０に確定した良否判定結果が教師データとして、登録される。

【0113】

生産管理装置４０は、教師データの登録後、深層学習を実行し、電子部品Ｅの画像を入力として、電子部品Ｅの良否を判定する学習モデルＭを生成する。

【0114】

その後、Ｓ７０に移行して、残りの画像が有る場合（Ｓ７０：ＹＥＳ）、Ｓ１０に戻り、次の画像が読み出される。このような手順で、教師データが順次登録され、深層学習が繰り返される。そして、残りの画像が無くなると、深層学習は終了する（Ｓ７０：ＮＯ）。そして、深層学習後、学習モデルＭによる良否判定が可能となる。

【0115】

＜他の実施形態＞
本発明は上記記述及び図面によって説明した実施形態に限定されるものではなく、例えば次のような実施形態も本発明の技術的範囲に含まれる。

【0116】

（１）上記実施形態では、実装ヘッド２６Ａにより吸着保持した電子部品Ｅの良否を、認識アルゴリズムや学習モデルを利用して判定した。判定対象は、基板Ｐの生産に関係する物品であれば、基板Ｐに搭載する部品以外でもよい。例えば、基板マーク８１や基台マーク８２（図２参照）等でもよい。また、これ以外に、実装ヘッド２６Ａを判定対象に含めてもよい。尚、基板マーク８１は、位置確認用のフィデューシャルマークや基板の良否を識別するためのバットマークである。また、基台マーク８２は、例えば、軸の熱伸びを検出することで、ヘッドユニット２６の位置補正を行う補正マークである。

【0117】

（２）上記実施形態において、第１実装モードでは、第１判定（認識アルゴルズム）による良否判定後、電子部品Ｅを基板Ｐに実装した。第１実装モードは、学習モデルによる良否判定のため、電子部品Ｅの画像を生産管理装置４０に送信後、生産管理装置４０から深層学習による良否判定結果の返信を待つことなく部品搭載を継続するものであれば、第１判定は実施しても、しなくてもどちらでもよい。また、第２実装モードについても同様であり、学習モデルＭによる良否判定のため、電子部品Ｅの画像を生産管理装置４０に送信後、生産管理装置４０から深層学習による良否判定結果の返信を待って部品搭載を行うものであれば、第１判定は実施しても、しなくてもどちらでもよい。

【0118】

（３）上記実施形態において、実装ラインＬｖの構成として、ローダ１０、印刷機１１、表面実装機１２、搬送機器１４、リフロー装置１５、搬送機器１６、アンローダ１７からなる例を示した。実装ラインＬｖの構成は、実施形態の例に限定されるものではなく、少なくとも、１台以上の表面実装機１２を含む構成であれば、実施形態とは異なるライン構成でもよい。

【0119】

（４）上記実施形態２において、深層学習による良否判定結果として、基板Ｐに搭載した電子部品ＥがＮＧ品であることを、その部品Ｅを基板Ｐに搭載した後に分かった場合、表面実装機１２は、ＮＧ品を搭載した基板Ｐの作業状況に応じて、異なるエラー対応をした。エラー対応は、表面実装機１２に代えて生産管理装置４０で行うようにしてもよい。例えば、生産管理装置４０は、基板Ｐの生産状況の監視データ（各マシンについて作業対象の基板の番号と作業状況を監視するデータ）からＮＧ品を搭載した基板Ｐの作業状況を特定し、作業状況に応じて、異なるエラー対応を行ってもよい。

【0120】

（５）上記実施形態１では、機械学習の一例として深層学習を例示した。機械学習は、深層学習に限定されるものではなく、電子部品の良否を判定するものであれば、深層学習以外の学習方法で代用することも出来る。他の物品を良否判断する場合も、同様である。

【符号の説明】

【0121】

１２：表面実装機
２６：ヘッドユニット
２６Ａ：実装ヘッド
２７：部品認識カメラ
２８：基板認識カメラ
３０：演算処理部（制御装置）
４０：生産管理装置
Ｌｖ：実装ライン
Ｐ：基板
Ｅ：電子部品
Ｓ：実装システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7A】

【図7B】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】