JP7612697B2 - はんだ付けシステム - Google Patents

Description

本開示は、はんだ付けシステムに関する。

はんだ付けの良否を自動チェックする手段を備えたはんだ付けシステムが知られている。たとえば、特許文献１のシステムは、はんだ付け直後の基板の温度分布を非接触温度センサによって検知するとともに画像処理し、この処理信号をコンピュータに予め記録させた最適温度データと比較演算することにより、はんだ付け温度の異常の有無を検出する。このシステムは、検出結果に基づいて、基板の搬送速度、プリヒータの温度、および溶融はんだの温度を制御する。

特開平７－１４２８５２号公報

特許文献１では、基板と噴流された溶融はんだとの接触状態の変化を逐次把握することができない。その結果、基板のはんだ付けの品質が安定しない。

それゆえに、本開示の目的は、安定した品質で基板のはんだ付けが可能なはんだ付けシステムを提供することである。

本開示のはんだ付けシステムは、基板にフラックスを塗布するフラックス塗布機と、基板を予熱するプリヒータと、溶融はんだを貯留するはんだ槽と、はんだ槽内のはんだを溶融させるはんだ槽ヒータと、基板に向けてはんだ槽内の溶融はんだを噴流する噴流ノズルと、フラックス塗布機の上方、プリヒータの上方、およびはんだ槽の上方に順次基板を搬送する搬送機構と、噴流ノズルの上方に配置された温度測定装置とを備える。

本開示のはんだ付けシステムによれば、噴流ノズルの上方に配置された温度測定装置を備えるので、安定した品質で基板のはんだ付けをすることができる。

実施の形態１のはんだ付けシステム１を示す概略図である。 制御装置９の構成を表わす図である。 第１の学習装置２２の構成を表わす図である。 （ａ）は、基板１０の表面の温度分布データの例を表わす図である。（ｂ）は、基板１０の表面の目標温度分布データの例を示す図である。（ｃ）は、基板１０の表面の温度差分布データの例を表わす図である。 サポートベクトルマシンにおける識別イメージを表わす図である。 第２の学習装置２３の構成を表わす図である。 ニューラルネットワークの構成の一例を表わす図である。 第１の推論装置２４の構成を表わす図である。 第２の推論装置２５の構成を表わす図である。 実施の形態１における第１の学習装置２２および第２の学習装置２３による学習手順を表わすフローチャートである。 実施の形態１における第１の推論装置２４および第２の推論装置２５による推論手順を表わすフローチャートである。 実施の形態２における第１の学習装置２２および第２の学習装置２３による学習手順を表わすフローチャートである。 実施の形態２における第１の推論装置２４および第２の推論装置２５による推論手順を表わすフローチャートである。 実施の形態３における第１の推論装置２４および第２の推論装置２５による推論および再学習の手順を表わすフローチャートである。 実施の形態４における赤外線カメラ７の配置を表わす図である。 基板１０の表面温度の時間変化を表わす図である。 （ａ）は、基板１０が溶融はんだに接触したときの状態を表わす図である。（ｂ）は、基板１０が溶融はんだから離脱した直後の状態を表わす図である。 実施の形態６のはんだ付けシステム１ｂを示す概略図である。 実施の形態７のはんだ付けシステム１ａの構成を表わす図である。 制御装置９のハードウェア構成を表わす図である。

実施の形態について、図面を参照して説明する。
実施の形態１．
図１は、実施の形態１のはんだ付けシステム１を示す概略図である。

はんだ付けシステム１は、搬送機構２、フラックス塗布機３、プリヒータ４、はんだ槽５、フラクサー制御部１８、噴流モータ１５、はんだ槽ヒータ１４、温度測定装置１７、制御装置９、およびはんだ付け検査装置１６を備える。

フラックス塗布機３は、はんだ付けされる対象の電子部品２０１が搭載された基板１０の下面（はんだ付け面）に対して、フラックス１１を塗布する。フラックス１１を塗布する工法としては、スプレー式、発泡式、および浸漬式がある。

フラクサー制御部１８は、フラックス１１の塗布量を制御する。フラックス１１の塗布量は、フラックス液の流量、圧縮空気の圧力、および２つのノズルの移動速度によって決定される。フラックス１１の塗布量は、フラックス塗布機３内のノズルの詰まり具合、フラックス塗布機３の動作のばらつき、およびフラックス塗布機３内の排気ファンの排気量のばらつきなどによって、変動する。フラックス１１の塗布量が多くなると、プリヒータ４での予熱工程において、溶剤の蒸発に要する時間が長くなるので、基板１０の温度が十分に上がらない。フラックス１１の塗布量が少なくなると、プリヒータ４での予熱工程において、溶剤がすぐに揮発するので、基板１０の温度が高くなり過ぎる。

プリヒータ４は、基板１０を予熱する。予熱の目的は、フラックス１１の溶剤を揮発させること、およびはんだ付け前に基板１０を加熱することである。これにより、フラックス１１の酸化膜除去効果を発揮することができるので、はんだ付けが成功する比率が向上する。プリヒータ４の加熱方式には、赤外線、遠赤外線、および熱風がある。基板１０の下面（はんだ付け面）のみを加熱する場合もあれば、基板１０の上面（非はんだ付け面、部品面）も加熱する場合もある。

はんだ槽５は、溶融はんだを貯留する。
噴流ノズル１３は、はんだ槽５内の貯留させた溶融はんだ１２を噴流する。これによって、基板１０の下面が溶融はんだ１２に接触して、はんだ付けが行われる。噴流ノズル１３は、１次ノズル１３ａと２次ノズル１３ｂとを備える。１次ノズル１３ａは、荒れた波を形成し、基板１０のはんだ付け面の隅々まで溶融はんだを供給する。２次ノズル１３ｂは、整った波を形成し、適切な量のはんだが基板１０に付着するようにする。

はんだ槽ヒータ１４は、はんだを溶融させる。
噴流モータ１５は、インペラを回転させ、噴流ノズル１３に溶融はんだ１２を送り込む。これによって、溶融はんだ１２が噴流ノズル１３から噴流する。

制御装置９は、はんだ付けシステム１の各構成要素を制御する。たとえば、制御装置９は、はんだ槽ヒータ１４の温度、噴流モータ１５の回転速度、および噴流ノズル１３の角度などを制御する。

温度測定装置１７は、噴流ノズル１３を構成する２次ノズル１３ｂの上方に配置される。温度測定装置１７は、基板１０の表面温度を測定する。温度測定装置１７は、赤外線カメラを備える。温度測定装置１７は、赤外線カメラによって基板１０を撮影する。温度測定装置１７は、撮像された赤外線画像に基づいて、基板１０の表面の温度分布を測定する。温度測定装置１７は、測定された基板１０の表面の温度分布の情報を制御装置９に出力する。赤外線カメラは、赤外線カメラの光軸の向きを変更することが可能な首振り機構を備えることとしてもよい。基板１０に大型部品が搭載されている場合に、通常の光軸の向きでは、大型部品に遮られて基板１０の表面の温度を測定できないときに、大型部品に遮れないように、光軸の向きを変えることによって、基板１０の表面の温度を測定することができる。

温度測定装置１７が、２次ノズル１３ｂの上方に配置されているので、温度測定装置１７が、基板１０が、噴流された溶融はんだから離脱する直後の基板１０の温度を測定することができる。これによって、基板１０へのはんだ付けの品質が安定する。

制御装置９は、はんだ付け検査装置１６と接続される。
はんだ付け検査装置１６は、基板１０のはんだ付けの良否を検査する。具体的には、はんだ付け検査装置１６は、画像解析機能を備える。はんだ付け検査装置１６は、基板１０の撮像画像などに基づいて、はんだ付けの状態を解析する。詳細には、はんだ付け検査装置１６は、電子部品２０１の端子に付着した「つらら状」のはんだに該当する画像の有無、およびはんだブリッジに該当する画像の有無を検出する。また、はんだ付け検査装置１６は、はんだが付着している面積を求め、この面積の予め定められた面積に対する過不足を評価する。さらに、はんだ付け検査装置１６は、はんだの光沢を評価し、光沢基準を満たすか否かを評価する。はんだ付け検査装置１６は、以上のような複数の項目について評価する。はんだ付け検査装置１６は、各項目の評価に基づいて、はんだ付けの良否を検査する。

制御装置９は、基板１０の表面の温度分布を許容範囲内の温度分布にするための制御パラメータを求める。制御装置９は、求められた制御パラメータに基づいて、はんだ付けシステム１の各部を制御する。

図２は、制御装置９の構成を表わす図である。制御装置９は、識別および設定部２１と、記憶装置２７と、駆動制御部２６とを備える。

識別および設定部２１は、第１の学習装置２２と、第２の学習装置２３と、第１の推論装置２４と、第２の推論装置２５とを備える。

記憶装置２７は、目標温度分布記憶部７６と、許容温度差分布記憶部７３と、第１の学習データ記憶部７１と、第２の学習データ記憶部７４と、第１の学習済みモデル記憶部７２と、第２の学習済みモデル記憶部７５とを備える。

目標温度分布記憶部７６は、基板１０の表面の目標温度分布データを記憶する。溶融はんだが吹き付けられている基板１０の表面の温度分布は、均一であることが望ましい。基板１０の上方から測定される表面の温度分布は、電子部品２０１が基板１０に実装されているために、均一にならない。そこで、目標温度分布記憶部７６は、実装された電子部品２０１を考慮した基板１０の表面の目標温度分布データを予め記憶する。基板１０の表面の目標温度分布データは、実験によって予め求められている。具体的には、はんだ付け不良とならなかった複数の温度分布データを統計処理することにより、基板１０の表面の目標温度分布データが作成される。

許容温度差分布記憶部７３は、許容温度差分布データを記憶する。許容温度差分布データは、基板の表面の温度差分布データの各位置の温度差の許容範囲を定める。

図３は、第１の学習装置２２の構成を表わす図である。
第１の学習装置２２は、温度分布データ作成部５１と、温度差分布データ作成部５２と、特徴量抽出部５３と、第１の学習データ作成部５４と、第１の学習済みモデル生成部５５とを備える。

温度分布データ作成部５１は、温度測定装置１７から基板１０の表面の温度分布の情報を取得する。温度分布データ作成部５１は、基板１０の表面を、例えば１０００×１０００の領域を有する２次元マトリクスに分割する。温度分布データ作成部５１は、マトリクスに対して、縦方向が１から１０００、横方向が１から１０００の座標を設定する。この処理によって、基板１０の表面の各位置の温度と座標とを対応付けて処理することができる。温度分布データ作成部５１は、取得した温度分布の情報から、マトリクスの各位置ごとの温度を特定し、基板１０の表面の温度分布データを作成する。

温度差分布データ作成部５２は、基板１０の表面の温度分布データと、目標温度分布記憶部７６に記憶されている基板１０の表面の目標温度分布データとの差分を表わす基板１０の表面の温度差分布データを作成する。

図４（ａ）は、基板１０の表面の温度分布データの例を表わす図である。図４（ｂ）は、基板１０の表面の目標温度分布データの例を示す図である。図４（ｃ）は、基板１０の表面の温度差分布データの例を表わす図である。

図４（ａ）～（ｃ）において、外枠で囲まれた範囲は、基板１０の表面の範囲を表す。枠内の線は、等温線を表す。例えば、５℃ごとの等温線が示されている。

特徴量抽出部５３は、基板１０の表面の温度差分布データの特徴量を抽出する。特徴量は、たとえば、温度の絶対値、等温線の密度、等温線の形状、前回測定された基板１０の表面の温度分布に対する等温線の変化量、または設定されている時間前に取得された基板１０の表面の温度分布に対する等温線の変化量などのデータである。設定されている時間は、例えば、１時間とすることができる。特徴量は、これらのデータを主成分分析または独立成分分析することによって得られるデータとしてもよい。

第１の学習データ作成部５４は、特徴量抽出部５３から出力される基板１０の表面の温度差分布データの特徴量を受け、はんだ付け検査装置１６から出力される基板１０のはんだ付けの良否の検査結果を受ける。

第１の学習データ作成部５４は、複数の基板１０について、基板１０の表面の温度差分布データの特徴量と、基板１０のはんだ付けの良否のラベル（正解）とのセットからなる第１の学習データを作成して、第１の学習データ記憶部７１に記憶させる。

第１の学習データ記憶部７１は、第１の学習データを記憶する。
第１の学習済みモデル生成部５５は、第１の学習データ記憶部７１に記憶されている第１の学習データを用いて、基板１０の表面の温度差分布データの特徴量から基板１０のはんだ付けの良否を推定する第１の学習済みモデルを生成する。第１の学習済みモデル生成部５５は、生成した第１の学習済みモデルを第１の学習済みモデル記憶部７２に記憶させる。

第１の学習済みモデル記憶部７２は、第１の学習済みモデルを記憶する。
第１の学習済みモデル生成部５５は、例えば、サポートベクトルマシンに従って、いわゆる教師あり学習により、第１の学習済みモデルを生成する。ここで、教師あり学習とは、入力と結果（ラベル）のデータのセットからなる第１の学習データを第１の学習済みモデル生成部５５に与えることで、第１の学習データにある特徴を学習し、入力から結果を推論する手法をいう。

図５は、サポートベクトルマシンにおける識別イメージを表わす図である。図５では、説明の便宜上、二次元で表されている。

黒丸は、第１の学習データに含まれるはんだ付けが不良と判定された基板１０の温度差分布データの特徴量を表わす。三角印は、第１の学習データに含まれるはんだ付けが良と判定された基板１０の表面の温度差分布データの特徴量を表わす。

サポートベクトルマシンは、学習フェーズにおいて、第１の学習データに基づいて、はんだ付けが不良と判定された基板１０の表面の温度差分布データの特徴量と、はんだ付けが良と判定された基板１０の表面の温度差分布データの特徴量とを識別する識別面を構築する。

サポートベクトルマシンは、推論フェーズにおいて、識別対象の基板１０の表面の温度差分布データの特徴量が識別面によって分割された２つの空間のうちのいずれに属するかを特定することによって、識別対象の基板１０のはんだ付けの良否を判定する。星印は、識別対象の基板１０の温度差分布データの特徴量ベクトルの例を表わす。この例では、識別対象の基板１０が不良と判定される。

図６は、第２の学習装置２３の構成を表わす図である。
第２の学習装置２３は、データ取得部６１と、制御パラメータ設定部６２と、シミュレーション部６３と、第２の学習データ作成部６４と、第２の学習済みモデル生成部６５とを備える。

データ取得部６１は、第１の学習装置２２から、はんだ付けが不良となったときの基板１０の表面の温度差分布データを取得する。

制御パラメータ設定部６２は、制御パラメータを設定する。制御パラメータ設定部６２は、学習フェーズにおいて、基板１０のはんだ付けが不良となったときに、制御パラメータを標準値から複数段階修正する。制御パラメータ設定部６２は、制御パラメータがはんだ槽ヒータ１４の温度のときに、はんだ槽ヒータ１４の温度を標準値よりも５℃、１０℃、および１５℃だけ高くする。制御パラメータ設定部６２は、制御パラメータが噴流モータ１５の回転速度のときに、噴流モータ１５の回転速度を標準値よりも１０％、２０％、および３０％だけ速くする。制御パラメータ設定部６２は、制御パラメータが噴流ノズル１３の角度のときに、噴流ノズル１３の角度を１０°、２０°、および３０°だけ大きくする。

シミュレーション部６３は、制御パラメータ設定部６２から出力される修正後の制御パラメータに基づいて、シミュレーションによって、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度分布データを得る。シミュレーション部６３は、シミュレーションによって得られた「制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度分布データ」と、目標温度分布記憶部７６に記憶されている「基板１０の表面の目標温度分布データ」との差分を表わす「制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データ」を出力する。

第２の学習データ作成部６４は、制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量と、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データ（正解）とのセットを複数個含む第２の学習データを作成して、第２の学習データ記憶部７４に記憶させる。

第２の学習データ記憶部７４は、第２の学習データを記憶する。
第２の学習済みモデル生成部６５は、第２の学習データ記憶部７４に記憶されている第２の学習データを用いて、制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量とから、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを推定する第２の学習済みモデルを生成する。第２の学習済みモデル生成部６５は、生成した第２の学習済みモデルを第２の学習済みモデル記憶部７５に記憶させる。

第２の学習済みモデル記憶部７５は、第２の学習済みモデルを記憶する。
第２の学習済みモデル生成部６５が用いる学習アルゴリズムは、教師あり学習、教師なし学習、または強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。

第２の学習済みモデル生成部６５は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習を実行する。ここで、教師あり学習とは、入力と結果（ラベル）のデータの組を第２の学習済みモデル生成部６５に与えることによって、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

図７は、ニューラルネットワークの構成の一例を表わす図である。
ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層)、および複数のニューロンからなる出力層で構成される。中間層は、１層、または２層以上でもよい。

例えば、図７に示すような３層のニューラルネットワークであれば、複数の入力が入力層（Ｘ１～Ｘｎ）に入力されると、その値に重みＷ１を掛けて中間層（Ｙ１～Ｙｍ）に入力され、その結果にさらに重みＷ２を掛けて出力層（Ｚ１～Ｚｓ）から出力される。この出力結果は、重みＷ１およびＷ２の値によって変わる。

本実施の形態において、ニューラルネットワークは、第１の学習用データに従って、いわゆる教師あり学習により、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データの出力を学習する。

すなわち、ニューラルネットワークは、入力層に制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量とを入力して、出力層から出力された結果が、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データ（正解）に近づくように重みＷ１とＷ２とを調整することで学習を実行する。

図８は、第１の推論装置２４の構成を表わす図である。
第１の推論装置２４は、制御パラメータ設定部３６と、温度分布データ作成部３１と、温度差分布データ作成部３２と、特徴量抽出部３３と、第１の推定部３４と、データ出力部３５とを備える。

制御パラメータ設定部６２は、制御パラメータを標準値に設定する。
温度分布データ作成部３１は、第１の学習装置２２内の温度分布データ作成部５１と同様に、温度測定装置１７から基板１０の表面の温度分布の情報を取得し、基板１０の表面の温度分布データを作成する。

温度差分布データ作成部３２は、第１の学習装置２２内の温度差分布データ作成部５２と同様に、基板１０の表面の温度分布データと、目標温度分布記憶部７６に記憶されている基板１０の表面の目標温度分布データとの差分を表わす基板１０の表面の温度差分布データを作成する。

特徴量抽出部３３は、第１の学習装置２２内の特徴量抽出部５３と同様に、基板１０の表面の温度差分布データの特徴量を抽出する。

第１の推定部３４は、第１の学習済みモデル記憶部７２から基板１０の表面の温度差分布データの特徴量から基板１０のはんだ付けの良否を推定する第１の学習済みモデルを読み出す。第１の推定部３４は、第１の学習済みモデルに特徴量抽出部３３から出力される基板１０の表面の温度差分布データの特徴量を入力することによって、基板１０のはんだ付けの良否を表わすデータを得る。

データ出力部３５は、第１の推定部３４によって、基板１０のはんだ付けが不良と推定されたときに、温度差分布データ作成部３２によって生成された制御パラメータが標準値のときの基板１０の表面の温度差分布データを出力する。

図９は、第２の推論装置２５の構成を表わす図である。
第２の推論装置２５は、データ取得部４１と、第２の推定部４２と、制御パラメータ設定部４３とを備える。

制御パラメータ設定部４３は、制御パラメータを標準値または標準値から修正量だけ修正した値に設定する。

データ取得部４１は、第１の推論装置２４のデータ出力部３５から出力された制御パラメータが標準値のときの基板１０の表面の温度差分布データを取得する。

第２の推定部４２は、第２の学習済みモデル記憶部７５から、制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量とから、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを推定する第２の学習済みモデルを読み出す。

第２の推定部４２は、第２の学習済みモデルにデータ取得部４１から出力される制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータ設定部４３によって修正された制御パラメータの修正量とを入力することによって、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを得る。

図１０は、実施の形態１における第１の学習装置２２および第２の学習装置２３による学習手順を表わすフローチャートである。

ステップＳ１０１において、図示しない駆動スイッチがオンに設定される。これによって、搬送機構２によって、基板１０がはんだ槽５の上部に搬送される。

ステップＳ１０２において、制御パラメータ設定部６２は、制御パラメータを標準値に設定する。

ステップＳ１０３において、温度分布データ作成部５１は、基板１０の表面の温度分布データを作成する。

ステップＳ１０４において、温度差分布データ作成部５２は、基板１０の表面の温度分布データと、目標温度分布記憶部７６に記憶されている基板１０の表面の目標温度分布データとの差分を表わす基板１０の表面の温度差分布データを作成する。

ステップＳ１０５において、特徴量抽出部５３は、基板１０の表面の温度差分布データの特徴量を抽出する。

ステップＳ１０６において、はんだ付け検査装置１６は、基板１０のはんだ付けの良否を検査する。

ステップＳ１０７において、第１の学習データ作成部５４は、ステップＳ１０５において得られた基板１０の表面の温度差分布データの特徴量と、ステップＳ１０６において得られた基板１０のはんだ付けの良否のラベル（正解）とのセットを第１の学習データ記憶部７１内の第１の学習データに追加する。

ステップＳ１０８において、終了指示が入力されたときには、処理がステップＳ１０９に進む。終了指示が入力されないときには、処理がステップＳ１０３に戻り、搬送される次の基板１０について、ステップＳ１０３～Ｓ１０７の処理が繰り返される。

ステップＳ１０９において、図示しない駆動スイッチがオフに設定される。これによって、搬送機構２による基板１０の搬送が停止される。

ステップＳ１１０において、第１の学習済みモデル生成部５５は、第１の学習データ記憶部７１に記憶されている第１の学習データを用いて、基板１０の表面の温度差分布データの特徴量から基板１０のはんだ付けの良否を推定する第１の学習済みモデルを生成する。第１の学習済みモデル生成部５５は、生成した第１の学習済みモデルを第１の学習済みモデル記憶部７２に記憶させる。

ステップＳ１１１において、第２の学習装置２３のデータ取得部６１は、第１の学習装置２２からはんだ付けが不良となったときの基板１０の表面の温度差分布データを１つ取得する。

ステップＳ１１２において、制御パラメータ設定部６２は、制御パラメータを標準値からΔＰ、２×ΔＰ、３×ΔＰ、・・・およびｎ×ΔＰだけ修正する。

ステップＳ１１３において、シミュレーション部６３は、制御パラメータ設定部６２から出力される修正後の制御パラメータに基づいて、シミュレーションによって、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度分布データを得る。シミュレーション部６３は、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度分布データと、目標温度分布記憶部７６に記憶されている基板１０の表面の目標温度分布データとの差分を表わす制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを出力する。修正されたｎ個の制御パラメータについて、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データが出力される。

ステップＳ１１４において、第２の学習データ作成部６４は、ステップＳ１１１で取得した制御パラメータが標準値のときの基板１０の表面の温度差分布データと、ステップＳ１１２における制御パラメータの修正量と、ステップＳ１１３で得られた制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データ（正解）とのセットを第２の学習データ記憶部７４内の第２の学習データに追加する。修正されたｎ個の制御パラメータについて、上記のセットが第２の学習データに追加される。

ステップＳ１１５において、終了指示が入力されたときには、処理がステップＳ１１６に進む。終了指示が入力されないときには、処理がステップＳ１１１に戻り、はんだ付けが不良となった別の基板１０について、ステップＳ１１１～Ｓ１１４の処理が繰り返される。

ステップＳ１１６において、第２の学習済みモデル生成部６５は、第２の学習データ記憶部７４に記憶されている第２の学習データを用いて、制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量とから、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを推定する第２の学習済みモデルを生成する。第２の学習済みモデル生成部６５は、生成した第２の学習済みモデルを第２の学習済みモデル記憶部７５に記憶させる。

図１１は、実施の形態１における第１の推論装置２４および第２の推論装置２５による推論手順を表わすフローチャートである。

ステップＳ２０１において、図示しない駆動スイッチがオンに設定される。これによって、搬送機構２によって、基板１０がはんだ槽５の上部に搬送される。

ステップＳ２０２において、制御パラメータ設定部３６は、制御パラメータを標準値に設定する。

ステップＳ２０３において、温度分布データ作成部３１は、基板１０の表面の温度分布データを作成する。

ステップＳ２０４において、温度差分布データ作成部３２は、基板１０の表面の温度分布データと、目標温度分布記憶部７６に記憶されている基板１０の表面の目標温度分布データとの差分を表わす基板１０の表面の温度差分布データを作成する。

ステップＳ２０５において、特徴量抽出部３３は、基板１０の表面の温度差分布データの特徴量を抽出する。

ステップＳ２０６において、第１の推定部３４は、第１の学習済みモデル記憶部７２から基板１０の表面の温度差分布データの特徴量から基板１０のはんだ付けの良否を推定する第１の学習済みモデルを読み出す。

ステップＳ２０７において、第１の推定部３４は、第１の学習済みモデルに特徴量抽出部３３から出力される基板１０の表面の温度差分布データの特徴量を入力することによって、基板１０のはんだ付けの良否を表わすデータを得る。

ステップＳ２０８において、基板１０のはんだ付けが不良の場合には、処理がステップＳ２０９に進む。基板１０のはんだ付けが良の場合には、処理が終了する。

ステップＳ２０９において、データ取得部４１は、ステップＳ２０４において温度差分布データ作成部３２によって作成された制御パラメータが標準値のときの基板１０の表面の温度差分布データを取得する。

ステップＳ２１０において、第２の推定部４２は、第２の学習済みモデル記憶部７５から、制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量とから、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを推定する第２の学習済みモデルを読み出す。

ステップＳ２１１において、第２の推定部４２は、Ｋ＝１に設定する。
ステップＳ２１２において、第２の推定部４２は、制御パラメータの修正量をＫ×ΔＰに設定する。

ステップＳ２１３において、第２の推定部４２は、第２の学習済みモデルにデータ取得部４１から出力される制御パラメータが標準値のときの基板１０の表面の温度差分布データと、制御パラメータの修正量とを入力することによって、制御パラメータが修正された後設定された時間経過後の基板の温度差分布データを得る。

ステップＳ２１４において、第２の推定部４２は、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データの各位置の温度差が、許容温度差分布記憶部７３内の許容温度差分布データの各位置の温度差以下のときには、基板１０の表面の温度差分布データが許容範囲内と判断する。第２の推定部４２は、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データの各位置の温度差が、許容温度差分布データの各位置の温度差を越えるときには、基板１０の表面の温度差分布データが許容範囲外と判断する。基板１０の表面の温度差分布データが許容範囲内のときには、処理がステップＳ２１６に進み、許容範囲外のときには、処理がステップＳ２１５に進む。

ステップＳ２１５において、第２の推定部４２は、Ｋを１だけインクリメントする。その後、処理がステップＳ２１１に戻る。

ステップＳ２１６において、制御パラメータ設定部４３は、制御パラメータを修正量だけ修正する。修正された制御パラメータは、駆動制御部２６に出力される。駆動制御部２６は、修正後の制御パラメータに基づいて、はんだ付けシステム１を駆動する。これにより、たとえば、滞留していたドロスの溶解又はドロスの滞留位置の移動が起こる。そして、噴流ノズル１３から均一に噴出され、基板１０の表面の温度分布は、許容温度分布の範囲内に収まる。

実施の形態２．
図１２は、実施の形態２における第１の学習装置２２および第２の学習装置２３による学習手順を表わすフローチャートである。図１２のフローチャートのステップＳ１０１～Ｓ１１１は、図１０のフローチャートのステップＳ１０１～Ｓ１１１と同様なので、説明を繰り返さない。

ステップＳ３１２において、制御パラメータ設定部６２は、Ｋ＝１に設定する。
ステップＳ３１３において、制御パラメータ設定部６２は、制御パラメータを標準値からＫ×ΔＰだけ修正する。

ステップＳ３１４において、シミュレーション部６３は、制御パラメータ設定部６２から出力される修正後の制御パラメータに基づいて、シミュレーションによって、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度分布データを得る。シミュレーション部６３は、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度分布データと、目標温度分布記憶部７６に記憶されている基板１０の表面の目標温度分布データとの差分を表わす制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データを出力する。

ステップＳ３１５において、第２の学習データ作成部６４は、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データの各位置の温度差が、許容温度差分布記憶部７３内の許容温度差分布データの各位置の温度差以下のときには、基板１０の表面の温度差分布データが許容範囲内と判断する。第２の学習データ作成部６４は、制御パラメータが修正された後設定された時間経過後の基板１０の表面の温度差分布データの各位置の温度差が、許容温度差分布データの各位置の温度差を越えるときには、基板１０の表面の温度差分布データが許容範囲外と判断する。基板１０の表面の温度差分布データが許容範囲内のときには、処理がステップＳ３１７に進み、許容範囲外のときには、処理がステップＳ３１６に進む。

ステップＳ３１６において、制御パラメータ設定部６２は、Ｋを１だけインクリメントする。その後、処理がステップＳ３１３に戻る。

ステップＳ３１７において、第２の学習データ作成部６４は、ステップＳ１１１において取得した制御パラメータが標準値のときの基板１０の表面の温度差分布データと、ステップＳ３１３において設定された制御パラメータの修正量（正解）とのセットを第２の学習データ記憶部７４内の第２の学習データに追加する。

ステップＳ３１８において、終了指示が入力されたときには、処理がステップＳ３１９に進む。終了指示が入力されないときには、処理がステップＳ１１１に戻り、はんだ付けが不良となった別の基板１０について、ステップＳ１１１、およびＳ３１２～Ｓ３１７の処理が繰り返される。

ステップＳ３１９において、第２の学習済みモデル生成部６５は、第２の学習データ記憶部７４に記憶されている第２の学習データを用いて、制御パラメータが標準値のときの基板１０の表面の温度差分布データから、制御パラメータの修正量を推定する第２の学習済みモデルを生成する。第２の学習済みモデル生成部６５は、生成した第２の学習済みモデルを第２の学習済みモデル記憶部７５に記憶させる。

図１３は、実施の形態２における第１の推論装置２４および第２の推論装置２５による推論手順を表わすフローチャートである。図１３のフローチャートのステップＳ２０１～Ｓ２０９は、図１１のフローチャートのステップＳ１０１～Ｓ２０９と同様なので、説明を繰り返さない。

ステップＳ４１０において、第２の推定部４２は、第２の学習済みモデル記憶部７５から、制御パラメータが標準値のときの基板１０の表面の温度差分布データから制御パラメータの修正量を推定する第２の学習済みモデルを読み出す。

ステップＳ４１１において、第２の推定部４２は、第２の学習済みモデルにデータ取得部４１から出力される制御パラメータが標準値のときの基板１０の表面の温度差分布データを入力することによって、制御パラメータの修正量を得る。

ステップＳ４１２において、制御パラメータ設定部４３は、制御パラメータを修正量だけ修正する。

実施の形態３．
図１４は、実施の形態３における第１の推論装置２４および第２の推論装置２５による推論および再学習の手順を表わすフローチャートである。図１４のフローチャートのステップＳ２０１～Ｓ２０９、Ｓ４１０～Ｓ４１２は、図１３のフローチャートのステップＳ２０１～Ｓ２０９、Ｓ４１０～Ｓ４１２と同様なので、説明を繰り返さない。

ステップＳ２０７の後、ステップＳ２０８の前までに、ステップＳ５０１およびステップＳ５０２が実行される。

ステップＳ５０１において、第１の学習データ作成部５４は、ステップＳ２０５において得られた基板１０の表面の温度差分布データの特徴量と、ステップＳ２０７において得られた基板のはんだ付けの良否のラベル（正解）とのセットを第１の学習データ記憶部７１内の第１の学習データに追加する。

ステップＳ５０２において、第１の学習済みモデル生成部５５は、第１の学習データ記憶部７１に記憶されている第１の学習データを用いて、基板１０の表面の温度差分布データの特徴量から基板１０のはんだ付けの良否を推定する第１の学習済みモデルを更新する。第１の学習済みモデル生成部５５は、更新した第１の学習済みモデルを第１の学習済みモデル記憶部７２に記憶させる。

ステップＳ５０１およびステップＳ５０２によって、はんだ付けシステム１の運用を継続するに伴い、第１の学習データの蓄積量が増加し、第１の学習データの蓄積量の増加に伴って、第１の学習済みモデルの推定精度が高くなる。

ステップＳ４１２の後、ステップＳ５０３およびステップＳ５０４が実行される。
ステップＳ５０３において、第２の学習データ作成部６４は、ステップＳ２０４において取得した制御パラメータが標準値のときの基板１０の表面の温度差分布データと、ステップＳ４１１において得られた制御パラメータの修正量（正解）とのセットを第２の学習データ記憶部７４内の第２の学習データに追加する。

ステップＳ５０４において、第２の学習済みモデル生成部６５は、第２の学習データ記憶部７４に記憶されている第２の学習データを用いて、制御パラメータが標準値のときの基板１０の表面の温度差分布データから、制御パラメータの修正量を推定する第２の学習済みモデルを更新する。第２の学習済みモデル生成部６５は、更新した第２の学習済みモデルを第２の学習済みモデル記憶部７５に記憶させる。

ステップＳ５０３およびステップＳ５０４によって、はんだ付けシステム１の運用を継続するに伴い、第２の学習データの蓄積量が増加し、第２の学習データの蓄積量の増加に伴って、第２の学習済みモデルの推定精度が高くなる。

実施の形態４．
本実施の形態では、温度測定装置１７は、赤外線カメラ７を備える。

図１５は、実施の形態４における赤外線カメラ７の配置を表わす図である。
図１５に示すように、搬送機構２によって、基板１０は、水平方向と一定角度（５±１°）だけ相違する方向に搬送される。

赤外線カメラ７の光軸Ｋの方向は、搬送される基板１０の面に対して垂直となるように赤外線カメラ７が配置される。すなわち、赤外線カメラ７の光軸Ｋの方向は、水平方向から、９０°―（５±１）°だけ相違する方向である。

また、水平方向については、２次ノズル１３ｂの後端ＰＮから上流の水平方向に２２０［ｍｍ］の位置ＰＡと、下流の水平方向に３００［ｍｍ］の位置ＰＢとの間に、赤外線カメラ７が設置される。このように赤外線カメラ７の設置範囲に幅を持たせているのは、はんだ付けシステム１の構造の差異によって、赤外線カメラ７が２次ノズル１３ｂの後端ＰＮの位置に設置できない場合があるからである。

上述のように赤外線カメラ７を設置することによって、赤外線カメラ７によって撮影される熱画像のゆがみを除外して、正確な測定をすることができる。さらには、赤外線カメラ７を設置することによって、基板１０に搭載された部品の影になる面積を小さくすることができるので、温度測定に必要な面積を確保しやすくなる。

実施の形態５．
図１６は、基板１０の表面温度の時間変化を表わす図である。

実線が、基板１０と溶融はんだとの接触時間が長い場合の基板１０の表面の温度変化を表わす。時刻ｔ１において、基板１０が溶融はんだから離脱する。

破線が、基板１０と溶融はんだとの接触時間が短い場合の基板１０の表面の温度変化を表わす時刻ｔ２において、基板１０が溶融はんだから離脱する。

基板１０が溶融はんだから離脱した後の方が、基板１０と溶融はんだとの接触時間の違いによる基板１０の表面の温度差が大きい。基板１０が、溶融はんだから離脱したときの基板１０の温度を測定することによって、基板１０の入熱量の差異を明確に検出することができる。

図１７（ａ）は、基板１０が溶融はんだに接触したときの状態を表わす図である。
図１７（ｂ）は、基板１０が溶融はんだから離脱した直後の状態を表わす図である。

本実施の形態では、温度測定装置１７は、噴流ノズル１３から噴流された溶融はんだから基板１０が離脱した後の基板１０の上面の温度を測定する。

実施の形態６．
図１８は、実施の形態６のはんだ付けシステム１ｂを示す概略図である。

はんだ付けシステム１の外装９１に穴１５１が形成されている。温度測定装置１７に含まれる赤外線カメラ７が、はんだ付けシステム１ｂの外装９１の外側に配置され、赤外線カメラ７のレンズは、穴１５１の部分に配置される。これによって、揮発したフラックスの溶剤が赤外線カメラ７に付着するのを回避できるため、正確な温度測定ができる。

赤外線カメラ７は、はんだ付けシステム１ｂの外側にあるため、メンテナンス時等における赤外線カメラ７の温度変化の影響を少なくすることができる。一般的な赤外線カメラは、カメラ本体に温度変化がある場合、測定温度も変化してしまうが、本構成をとることで、より正確な測定をすることができる。

実施の形態７．
図１９は、実施の形態７のはんだ付けシステム１ａの構成を表わす図である。

実施の形態７のはんだ付けシステム１ａは、保護窓９８を備える。
保護窓９８は、赤外線カメラ７のレンズを保護するために設けられる。このようにすることで、長期間の稼働においても、フラックスが赤外線カメラ７に付着を防止することができるため、赤外線が遮られず、正確な温度測定が可能となる。

実施の形態８．
図２０は、制御装置９のハードウェア構成を表わす図である。

制御装置９は、相当する動作をデジタル回路のハードウェアまたはソフトウェアで構成することができる。制御装置９の機能をソフトウェアを用いて実現する場合には、制御装置９は、例えば、図２０に示すように、バス１００１によって接続されたプロセッサ１００２とメモリ１００３とを備える。メモリ１００３は、ＲＯＭ（Read Only Memory）と、ＲＡＭ（Random Access Memory）とを含む。プロセッサ１００２が実行するプログラムとプログラムを実行するために必要なデータが、ＲＯＭに記憶されている。プログラム実行中に作成されるデータが、ＲＡＭに記憶される。

変形例．
本開示は、次のような変形例を含む。

（１）赤外線カメラの位置
温度測定装置１７に含まれる赤外線カメラをはんだ付けシステム１に設けられた排気ダクト（図示しない）直下から、離して設置することによって、赤外線カメラが備えるレンズにフラックス蒸気が付着することを防止してもよい。

（２）温度分布データ作成
温度分布データ作成部は、基板１０の表面を１０００×１０００の２次元マトリクスに分割した。基板１０の表面の分割は、これに限定されない。温度分布データ作成部は、基板１０の表面を、基板１０の大きさ、温度分布の解析精度、はんだ付けシステム１の制御精度等に応じて、分割しても良い。例えば、温度分布データ作成部は、基板１０の表面を、５０×５０、１００×８００、７０００×３０００等に分割しても良い。

（３）はんだ付け検査
はんだ付けの良否の評価は、作業者によって行われても良い。

（４）シミュレーション
シミュレーション結果の判別方法は、上記の実施形態に記載されたものに限定されない。例えば、シミュレーションにより得られた温度分布をサポートベクトルマシンに入力し、はんだ付けの不良に属するグループとはんだ付けが正常に属するグループの何れに属するかを識別してもよい。

第１の学習済みモデルの精度が一定値以上に達した場合に、第１の学習済みモデルの再学習を停止するものとしてもよい。第２の学習済みモデルの精度が一定値以上に達した場合に、第２の学習済みモデルの再学習を停止するものとしてもよい。再学習を停止することによって、制御装置９における処理負荷を軽減できる。

（５）第１の学習済みモデルの入力
上記の実施形態では、第１の学習済みモデルの入力は、温度差分布データの特徴量としたが、これに限定されるものではない。第１の学習済みモデルの入力は、基板の温度分布を表わすデータであればよい。たとえば、第１の学習済みモデルの入力は、温度分布データ作成部によって作成された温度分布データ、あるいは温度差分布データ作成部によって作成された温度差分布データであってもよい。

（６）第２の学習済みモデルの入力
上記の実施形態では、第２の学習済みモデルの入力は、温度差分布データとしたが、これに限定されるものではない。第２の学習済みモデルの入力は、基板の温度分布を表わすデータであればよい。たとえば、第２の学習済みモデルの入力は、温度分布データ作成部によって作成された温度分布データであってもよい。

（７）温度測定装置
温度測定装置の計測方式としては、レーザ方式、超音波方式、または電磁波方式を用いることができる。温度測定装置は、赤外線カメラではなく、放射温度計を備えるものとしてもよい。

（８）学習
本実施の形態では、第１の学習済みモデル生成部および第２の学習済みモデル生成部が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習以外にも、強化学習、教師なし学習、または半教師あり学習等を適用することも可能である。

第１の学習済みモデル生成部、第２の学習済みモデル生成部は、複数のはんだ付けシステムにおいて作成される第１の学習データ、第２の学習データを用いて、第１の学習済モデル、第２の学習済みモデルを生成するようにしてもよい。第１の学習済みモデル生成部、第２の学習済みモデル生成部は、同一のエリアで使用される複数のはんだ付けシステムから第１の学習データ、第２の学習データを取得してもよいし、異なるエリアで独立して動作する複数のはんだ付けシステムから収集される第１の学習データ、第２の学習データを利用しもよい。

第１の学習済モデル、第２の学習済みモデルを収集するはんだ付けシステムを途中で対象に追加したり、対象から除去することも可能である。さらに、あるはんだ付けシステムに関して生成した第１の学習済モデル、第２の学習済みモデルを、別のはんだ付けシステムに適用し、再学習によって第１の学習済モデル、第２の学習済みモデルを更新するようにしてもよい。

第１の学習済みモデル生成部および第２の学習済みモデル生成部に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いることもでき、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、またはサポートベクトルマシンなどに従って機械学習を実行してもよい。

第１の学習装置、第１の推論装置、第２の学習装置、および第２の推論装置は、はんだ付けシステムに内蔵されていてもよい。さらに、第１の学習装置、第１の推論装置、第２の学習装置、および第２の推論装置は、クラウドサーバ上に存在していてもよい。

第１の推論装置、第２の推論装置は、他のはんだ付けシステムなどの外部から第１の学習済モデル、第２の学習済みモデルを取得し、これらに基づいて、推論を実行することとしてもよい。

（９）実施形態の組み合わせ
上記の各実施形態を任意に組み合わせて実施することとしてもよい。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は上記した説明ではなくて請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１，１ａ，１ｂ はんだ付けシステム、２ 搬送機構、３ フラックス塗布機、４ プリヒータ、５ はんだ槽、７ 赤外線カメラ、９ 制御装置、１０ 基板、１１ フラックス、１３ 噴流ノズル、１３ａ １次ノズル、１３ｂ ２次ノズル、１４ はんだ槽ヒータ、１５ 噴流モータ、１６ はんだ付け検査装置、１７ 温度測定装置、１８ フラクサー制御部、２１ 識別および設定部、２２ 第１の学習装置、２３ 第２の学習装置、２４ 第１の推論装置、２５ 第２の推論装置、２６ 駆動制御部、２７ 記憶装置、３１，５１ 温度分布データ作成部、３２，５２ 温度差分布データ作成部、３３，５３ 特徴量抽出部、３４ 第１の推定部、３５ データ出力部、３６，４３，６２ 制御パラメータ設定部、４１，６１ データ取得部、４２ 第２の推定部、５４ 第１の学習データ作成部、５５ 第１の学習済みモデル生成部、６３ シミュレーション部、６４ 第２の学習データ作成部、６５ 第２の学習済みモデル生成部、７１ 第１の学習データ記憶部、７２ 第１の学習済みモデル記憶部、７３ 許容温度差分布記憶部、７４ 第２の学習データ記憶部、７５ 第２の学習済みモデル記憶部、７６ 目標温度分布記憶部、９１ 外装、９８ 保護窓、１５１ 穴、２０１ 電子部品、１００１ バス、１００２ プロセッサ、１００３ メモリ、Ｋ 光軸。

Claims (3)

1. はんだ付けシステムであって、
   溶融はんだを貯留するはんだ槽と、
   基板に向けて前記はんだ槽内の前記溶融はんだを噴流する噴流ノズルと、
   前記はんだ槽の上方に前記基板を順次搬送する搬送機構と、
   前記噴流ノズルの上方に配置され、前記基板の上面の温度を測定する温度測定装置と、
   制御パラメータに基づいて、前記はんだ付けシステムを制御する駆動制御部と、
   前記制御パラメータが標準値のときに前記温度測定装置によって測定された温度に基づく前記搬送機構によって搬送された基板の温度分布と目標温度分布との差を表わすデータと、はんだ付け検査装置による検査結果を表わす前記搬送機構によって搬送された基板のはんだ付けの良否を表わすデータとのセットを複数個含む第１の学習データを記憶する第１の学習データ記憶部と、
   前記第１の学習データを用いて、基板の温度分布と前記目標温度分布との差を表わすデータから基板のはんだ付けの良否を推定する第１の学習済みモデルを生成する第１の学習装置と、
   前記第１の学習装置から取得したはんだ付けが不良のときの前記搬送機構によって搬送された基板の温度分布と目標温度分布との差を表わすデータと、シミュレーションによって求めた前記搬送機構によって搬送された基板の温度分布と前記目標温度分布との差が許容範囲となるような前記制御パラメータの修正量とのセットを複数個含む第２の学習データを記憶する第２の学習データ記憶部と、
   前記第２の学習データを用いて、前記制御パラメータが標準値のときの基板の温度分布と前記目標温度分布との差を表わすデータのみから前記制御パラメータの修正量を推定する第２の学習済みモデルを生成する第２の学習装置と、を備える、はんだ付けシステム。
2. 前記第２の学習装置は、はんだ付けが不良となったときの前記基板の温度分布と前記目標温度分布との差を表わすデータを取得し、前記制御パラメータを標準値から修正し、前記修正した制御パラメータに基づいて、前記搬送機構によって搬送された基板の温度分布と前記目標温度分布との差をシミュレーションで求め、記基板の温度分布と前記目標温度分布との差が許容範囲となるまで、前記制御パラメータの修正量を段階的に変化させることによって、前記基板の温度分布と前記目標温度分布との差が許容範囲となるような前記制御パラメータの修正量を求めることによって前記第２の学習データを作成する、請求項１記載のはんだ付けシステム。
3. はんだ付けシステムであって、
   溶融はんだを貯留するはんだ槽と、
   基板に向けて前記はんだ槽内の前記溶融はんだを噴流する噴流ノズルと、
   前記はんだ槽の上方に前記基板を順次搬送する搬送機構と、
   前記噴流ノズルの上方に配置され、前記基板の上面の温度を測定する温度測定装置と、
   制御パラメータに基づいて、前記はんだ付けシステムを制御する駆動制御部と、
   基板の温度分布と目標温度分布との差を表わすデータから基板のはんだ付けの良否を推定する第１の学習済みモデルを記憶する第１の記憶部と、
   前記制御パラメータが標準値のときに前記温度測定装置によって測定された温度に基づいて前記搬送機構によって搬送された基板の温度分布と目標温度分布との差を表わすデータを生成し、前記第１の記憶部に記憶されている前記第１の学習済みモデルを用いて、前記生成された前記基板の温度分布と前記目標温度分布との差を表わすデータから、前記搬送機構によって搬送された基板のはんだ付けの良否を推定し、前記基板のはんだ付けが不良と推定したときに、前記制御パラメータが標準値のときの前記基板の温度分布と前記目標温度分布との差を表わすデータを出力する第１の推論装置と、
   前記制御パラメータが標準値のときの基板の温度分布と目標温度分布との差を表わすデータと、前記制御パラメータの修正量とから前記制御パラメータが修正された後の設定時間経過後の基板の温度分布と前記目標温度分布との差を表わすデータを推定する第２の学習済みモデルを記憶する第２の記憶部と、
   前記制御パラメータが標準値のときの前記基板の温度分布と前記目標温度分布との差を表わすデータを前記第１の推論装置から取得し、前記制御パラメータの修正量を生成し、前記第２の記憶部に記憶されている前記第２の学習済みモデルを用いて、前記取得された基板の温度分布と前記目標温度分布との差を表わすデータと、前記生成された制御パラメータの修正量とから、前記制御パラメータが修正された後の設定時間経過後の基板の温度分布と前記目標温度分布との差を表わすデータを推定する第２の推論装置とを、備え、
   前記第１の推論装置が出力する基板の表面の温度差分布データは、はんだ付けが不良となった時の基板の表面の温度差分布データである、はんだ付けシステム。

Images