JP3733094B2 - 良否判定装置、良否判定プログラムおよび良否判定方法 - Google Patents
良否判定装置、良否判定プログラムおよび良否判定方法 Download PDFInfo
- Publication number
- JP3733094B2 JP3733094B2 JP2002242544A JP2002242544A JP3733094B2 JP 3733094 B2 JP3733094 B2 JP 3733094B2 JP 2002242544 A JP2002242544 A JP 2002242544A JP 2002242544 A JP2002242544 A JP 2002242544A JP 3733094 B2 JP3733094 B2 JP 3733094B2
- Authority
- JP
- Japan
- Prior art keywords
- pass
- fail judgment
- category
- fail
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- General Factory Administration (AREA)
- Supply And Installment Of Electrical Components (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、良否判定装置、良否判定プログラムおよび良否判定方法に関する。
【０００２】
【従来の技術】
各種製品の製造工場において製品出荷前の良否チェックが行われるのが通常である。良否チェックの項目としては種々のものが存在するが、良否を人間の目視に頼ると高速かつ大量にチェックを行うのが困難になるとともにコストが増大してしまう。特に、チェック項目が膨大であると目視による良否チェックの運用が実質的に不可能になる。そこで、各種製品に対して自動で良否チェックを行う種々の良否判定装置が提供されている。
【０００３】
良否判定を自動化するに際しては、一般に良否判定装置においていかなる製品状態を良状態あるいは否状態とするのか、客観的基準に基づいて明確に規定して装置として組み上げるのが非常に困難である。また、装置組み上げ時に人間の主観によって良否判定規則を特定したとしても、その規則があらゆる状態について汎用的に適用でき、良否判定装置が使用に堪えることはまれである。実装部品のはんだ付け状態の検査等のように多種多様な製品状態があり得る検査対象に対しての良否判定は特に困難である。
【０００４】
図２２は、基板に対して各種部品をはんだ付けする際の各種状態例を説明する説明図であり、各種部品を基板側面から眺めた状態を示している。同図最上段では抵抗素子１を基板に対してはんだ付けする際の良好なはんだ状態を左側、接点が浮いている状態を右側に示している。左側の良状態では、はんだ１ａが上面に対して凹面を形成しており、右側の浮き状態では、はんだ１ｂが上面に対して凸面を形成している。これら良状態と浮き状態とを比較すると、少なくともはんだの端部１ｃ，１ｄにおいて双方のはんだの形状が異なり、この形状の差異を特徴づけるに十分なデータを収集するとともにこの形状の差異を特徴づける良否判定規則を特定する必要がある。
【０００５】
また、図２２の中上段には抵抗素子１を基板に対してはんだ付けする際の良好なはんだ状態を左側、はんだが無い状態を右側に示している。これら良状態とはんだ無し状態とを比較すると、はんだの中央位置１ｅにおいて双方のはんだ形状やその量が明らかに異なる。さらに、図２２の中下段には抵抗素子１および抵抗素子１と大きさの異なる抵抗素子２を基板に対してはんだ付けした状態を示している。この図においては双方とも良好にはんだ付けがなされた状態を示しているが、抵抗素子１，２の大きさが異なるため、はんだの量およびその上面の傾斜が異なる。同図においては、抵抗素子２のはんだ２ａの方がはんだ上面が急峻である。
【０００６】
さらに、図２２の最下段には形状の異なる実装部品３，４を基板に対してはんだ付けした状態を示している。ここでも双方が良好にはんだ付けされた状態を示しているが、実装部品３，４の形状が異なるため、はんだの量やその上面の角度が異なる。以上のように、はんだの良否および部品の形状によってはんだの形状や量が異なるし、実際のはんだにおいては、同じ現象、例えば同じ浮きにおいてもはんだ形状は様々であり、良否判定装置を運用するに際してこれらはんだの形状の差異を特徴づけるに十分なデータを収集するとともにこのデータに基づいて形状の差異を明確にして確実に良否を判定する良否判定規則を特定する必要がある。
【０００７】
すなわち、上述の各状態それぞれにおいて、異なる箇所のデータ収集と当該異なる箇所についての良否判定規則の特定が必要になる。図２２のようなはんだ付けにおいては、はんだの良否を特定し得る特徴的な形状は数百箇所（例えば２００箇所）想定され、これらの中から不良の種類および部品の種類に応じて的確に良否を判定可能な特徴を抽出する必要がある。しかし、このような膨大な数の特徴形状から適切なもののみを抽出して良否判定規則を特定するのは実際問題として不可能である。通常、基板上には膨大な数の部品が実装されており、そのはんだ付け箇所について数百の特徴が存在するときに人為的に適切な特徴形状を抽出するのは実質上不可能になるからである。
【０００８】
そこで、従来、統計的処理を行って人間の主観をなるべく排除した良否判定装置が提供されており、例えば、判別分析を利用して膨大な数の特徴形状から良否判定に適切な特徴形状を選定して判定を行う良否判定装置が提供されている。判別分析の適用例としては良否判定装置から得られた所定の測定データを多数の良否判定パラメータ（特徴形状を表現し得るパラメータ）に変換し、これらパラメータに対するヒストグラムを良カテゴリーと否カテゴリーに分けて生成する。そして、新たな変数Ｚを規定する判別関数を算出し、当該変数Ｚが”０”であるか否かを閾値にして良否を判定する。尚、変数Ｚは当該変数Ｚに対して良カテゴリーと否カテゴリーの度数分布を形成したときに、両カテゴリーの分布をなるべく分離できるようにして決定される変数であり、上記良否判定パラメータの線形結合である。
【０００９】
【発明が解決しようとする課題】
上述した従来の良否判定装置において、上記変数Ｚ＝０での閾値判別を行ったとしても必ずしも高性能の良否判定にならず、人間の目視や実際の運用によってノウハウを蓄積し、上記パラメータの選び方等、非常に微妙な調整を繰り返して良否判定の高性能化をしなければならなかった。すなわち、良否判定の性能としては、不合格品を良判定することによって不合格品を流出させてしまう流出率ができるだけ少なく、また、合格品を否判定することによって合格品を不合格としてしまう見過ぎ率ができるだけ少ないことが要求されるが、上述の従来例ではこの意味での高性能化が非常に困難であった。
【００１０】
上述のようなはんだの良否判定を例にすると、判別分析で浮きやはんだ無し等の各種特徴形状に対応したパラメータを選定し、上記変数がＺ＝０より大きいか否かで良否判定を行うことになる。この判別分析において、Ｚ＝０は良カテゴリーの平均値と否カテゴリーの平均値との中間点であるから、このＺ＝０による閾値判別では流出率あるいは見過ぎ率と無関係に閾値が決定され、所望の流出率あるいは見過ぎ率になるよう事前に調整することができない。所望の流出率あるいは見過ぎ率になっているか否かを判断するためには、一旦良否判定を行って良判定されたはんだに不良品が存在するか否かを検証し、不良判定されたはんだに良品が存在するか否かを検証する必要がある。
【００１１】
さらに、所望の流出率あるいは見過ぎ率になっていない場合には、上記パラメータの選び方を変更することにより、判別関数自体を変更し、再度良否判定を行って上述の検証を繰り返す必要がある。すなわち、従来の良否判定装置の性能を向上するためには、非常に膨大な回数の良否判定の繰り返しが必要であるとともに試行錯誤によってノウハウを蓄積して適切なパラメータを選定する必要があった。従って、従来の良否判定装置では実際に膨大な回数の良否判定を行わないと、判定性能を向上することができなかった。
本発明は、上記課題にかんがみてなされたもので、流出率や見過ぎ率を意図通りに制御することができ、ノウハウの蓄積によらないで高性能な良否判定を実現することが可能な良否判定装置、良否判定プログラムおよび良否判定方法の提供を目的とする。
【００１２】
【課題を解決するための手段】
上記目的を達成するため、請求項１にかかる発明では、複数のパラメータ情報と良否判定結果情報から多変量統計解析によって良カテゴリーと否カテゴリーとの度数分布を分離させる変数を与える判別関数を算出する。さらに当該変数のいずれかの値を良否判定の閾値にするにあたり、上記カテゴリーの度数分布に関する統計指標によって良否いずれかのカテゴリーで特定の分布確率になるように閾値を決定する。そして、個別の良否判定対象について、当該良否判定対象の複数のパラメータ情報を判別関数に代入し、その値と閾値とを比較することによって良否判定を行う。
【００１３】
ここで、否カテゴリーにおいて特定の確率分布となる変数値を閾値とすることにより、否カテゴリー内に含まれる良否判定対象のうち特定の確率の対象のみを良判定にすることができる。すなわち、「不良」であるにもかかわらず「良」であると判定して「不良」が流出する確率（流出率）を意図通りの値に収束させることができる。また、良カテゴリーにおいて特定の確率分布となる変数値を閾値とすることにより、良カテゴリー内に含まれる良否判定対象のうち特定の確率の対象のみを否判定にすることができる。すなわち、「良」であるにもかかわらず「不良」であると判定してしまう確率（見過ぎ率）を意図通りの値に収束させることができる。
【００１４】
上述の従来例においては、判別関数によって規定される変数の値”０”と個別の良否判定対象での変数値とを比較して良否判定を行っていたが、この変数の値”０”は誤判定の数が最小となる値である。この値を閾値にすると誤判定率は少なくなるかもしれないが、実際の良否判定装置の性能として最も重要なことは「不良」の流出をいかにして抑えるかである。その理由は、良否判定装置の本来の目的が製品検査等での不合格品検出等である場合が多いからである。従って、本発明のように閾値をカテゴリーの確率分布から決定することによって、非常に高性能な良否判定装置を提供することができる。
【００１５】
また、良否判定装置の性能として見過ぎ率を少なくすることが重要である場合にも、上記良カテゴリーにおいて特定の確率分布となる変数値を閾値とすることによって非常に高性能の良否判定装置を提供することができる。さらに、確率分布に基づく閾値であれば、所望の確率分布にならないときにパラメータ情報の設定を再考することができるが、従来例であるとその段階で流出率あるいは見過ぎ率を把握することができず、これらを把握できるのは実際の運用を開始した後である。
【００１６】
従って、従来の良否判定装置において性能向上を図るにはノウハウを蓄積するしかないが、本発明では確率分布を考慮することによって、上記流出率および見過ぎ率を意図通りに制御できるようになるまで上記パラメータ情報の設定等を再考することができ、良否判定装置の運用当初から所望の性能を得ることができる。運用による性能向上を必須とするか否かは良否判定装置の価値として非常に重要な要素であるとともに、実際の運用においての作業煩雑性，コストにも甚大な影響を与え、この意味からも本発明における構成は良否判定装置の価値を非常に高めるものである。
【００１７】
さらに、上記パラメータ情報や良否判定結果情報とによる多変量統計解析を行うとともに統計指標から閾値を決定しているので、予め用意されたこれらの情報が取得できれば自動で閾値を決定することができる。従って、個別の良否判定対象についてのパラメータ情報を取得することができれば、良否判定を自動化することができ、良否判定対象について上記複数のパラメータ情報を取得するための検査装置等に良否判定装置を適用することによって、自動判定を実施可能な検査装置等を提供することができる。
【００１８】
ここで、複数のパラメータ情報は良否判定要因を形成すれば良く、本発明においては多変量統計解析によって判別関数を算出しているので、判別関数を算出する際に適宜必要なパラメータを選択することも可能である。従って、パラメータ情報としては、多種多様なパラメータを採用することができ、非常に多くのパラメータ（例えば２００個）を採用することによって多種多様な視点から良否を判断することが可能になるとともに、パラメータ選択に人間の主観が入り込む余地を少なくすることができる。すなわち、適切なパラメータであるか否かの詳細な検証をすることなくパラメータとして採用しておき、多変量統計解析によって適切なパラメータを選別することによって、人間の主観を排除し、客観的な判断が可能になる。
【００１９】
パラメータ情報としては個別の良否判定対象から得られる情報であり、ある種の検査装置に良否判定装置を適用する場合には、当該検査装置の検査データから生成すればよい。むろん、検査データは一つのデータであっても良いし、検査装置において複数の観点でデータを収集して上記複数のパラメータ情報を生成しても良いし、複数の検査装置から得られた複数のデータを利用してパラメータ情報を生成しても良い。また、検査装置以外にも画像認識、例えば、画像中に現れるパターンが特定のパターンに合致しているか否かを判定するに当たり、判定対象の画像データから複数のパラメータ情報を取得しても良い。
【００２０】
上記良否判定結果情報は、上記複数のパラメータのそれぞれに具体的な値を与えたときにその良否判定結果が「良」であるか「不良」であるかを示す情報であり、運用初期に予め複数の良否判定対象について判定を行った結果取得される情報であるが、運用とともに追加取得することもできる。また、上記良カテゴリーと否カテゴリーは上記良否判定結果情報によって規定されるカテゴリーであり、少なくとも「良」と「否」のカテゴリー分類が必要であるが、より細分化しても良い。例えば、否カテゴリーについて「不良」の原因別にサブカテゴリーを作成し、上記複数のパラメータに具体的な値を与えたときにいずれのサブカテゴリーに属するかを良否判定結果として記憶しても良い。むろん、良カテゴリーについてサブカテゴリーを作成することも可能である。
【００２１】
判別関数は、上記変数に対して度数分布を考えたときに良カテゴリーと否カテゴリーの度数分布を分離させる関数であるが、これらの分布は統計的な分布であるため、両者が完全に分離されることが必要になるわけではなく、分布の裾が重複するとしてもその分布がなるべく分離する（例えば、カテゴリー間の分散／全分散が最大になる状態）ようにすればよい。尚、この変数は上記複数のパラメータの関数（例えば、線形結合）である。また、多変量統計解析の手法としては、判別分析や重回帰分析等を採用可能である。
【００２２】
統計指標算出手段では、上記カテゴリーの度数平均と分布の広がりを示す指標とを算出することができればよい。分布の広がりを示す指標としては種々の指標が採用可能であり、例えば、標準偏差や分散を採用可能であるが、むろん、各指標を算出するに当たり全サンプル数での除算を省いて考えるなど種々の工夫を採用可能である。全サンプル数での除算を省いても各カテゴリーの分布の広がりを示す指標であることに相違ないからである。閾値決定手段としては、上記カテゴリーの分布において特定の分布確率となる変数値を閾値とすることができれば良く、予め決められた分布確率になるように閾値を決定しても良いし、利用者所望の値を入力可能に構成して当該入力された特定の分布確率になるように閾値を決定しても良い。
【００２３】
パラメータ情報取得手段は、個別の良否判定対象について上記複数のパラメータ情報を取得することができれば良く、例えば、上記検査装置に対して本発明にかかる良否判定装置を適用する際には、当該検査装置によって個別の良否判定対象を検査して得られる検査データから複数のパラメータ情報を生成すればよいし、他の機器に対して本発明にかかる良否判定装置を適用する場合に、個別の良否判定対象特有のデータから複数のパラメータ情報を取得すればよい。このようにして個別の良否判定対象について複数のパラメータ情報が得られれば、これらパラメータの関数である上記判別関数に各パラメータ値を代入することによって上記変数と同じ次元の値を得ることができ、当該変数の次元で規定された閾値と比較することで良否を判定することができる。
【００２４】
また、請求項２にかかる発明では、上記統計指標として否カテゴリーの度数平均と標準偏差とを利用し、これらの統計指標から上記特定の分布確率となる閾値を決定するに当たり、否カテゴリーの度数平均からその標準偏差の定数倍に該当する変数値を閾値にする。すなわち、上記判別関数で規定される変数に対する分布を考えるとともに度数平均から標準偏差の定数倍離れた値を閾値とする。正規分布において標準偏差の各値は、その値より大きな変数値（あるいは小さな変数値）が発生する確率を示している。例えば、標準偏差をσとして３σ以上の変数値は全体を１とすると０．００１３の発生確率である。
【００２５】
そこで、否カテゴリーの分布が正規分布になると想定すれば、その度数平均から標準偏差の定数倍離れた値を閾値にすることにより当該閾値によって否カテゴリー内に含まれる良否判定対象がどれほどの確率で良判定されるのか、制御することができる。また、ここで否カテゴリーの度数平均および標準偏差に基づいて閾値を決定することにより、否カテゴリーに含まれる（不合格であることが予想される）良否判定対象について「良」であると判定して「不良」が流出する確率を制御することになり、上記「流出率」を意のままに管理することができるし、「流出率」を非常に確かな情報として予め知ることができる。むろん、良カテゴリーについて同様の制御をすることも可能である。すなわち、良カテゴリーの度数平均および標準偏差を算出し、当該度数平均から標準偏差の定数倍離れた値を閾値にすることにより、「見過ぎ率」を管理することができる。
【００２６】
さらに、請求項３に記載の発明のように両者を併用することも可能である。すなわち、否カテゴリーにおける度数平均とその標準偏差から意図通りの流出率になるように閾値を決定した場合、さらに、良カテゴリー側から見るとその閾値における「見過ぎ率」を判定することができる。この結果、「見過ぎ率」から見た場合に好ましい閾値であるか否かを判断することができ、「見過ぎ率」が意図した確率よりも多い場合には、上記判別関数算出手段における上記複数のパラメータ情報を再考したり、判別関数を再考するなどして、良否判定装置を実際に運用する前に意図通りの「流出率」および「見過ぎ率」になるまで良否判定装置の調整を行うことができる。従って、運用に際してノウハウを蓄積することが必須にはならず、良否判定装置の運用当初から非常に高性能の良否判定を実現することができる。
【００２７】
このように、ノウハウ蓄積が必須にならないと言っても運用に伴ってさらに良否判定性能を向上するには、運用時の良否判定結果をフィードバックすることが好ましい。その際に好適な構成の一例として請求項４に記載の発明を採用することができる。すなわち、複数のパラメータ情報は各良否判定対象の良否を判定するための判定要因になることが必要であり、この判定要因を客観的に特定するために検査装置による検査データを変換式にてパラメータに変換する。また、良否判定対象の良否を異なる多数の視点から判断するために、同じ検査データについて異なる複数の変換式によってパラメータに変換する。このパラメータおよび変換式は所定の記憶媒体に記憶される。
【００２８】
上記複数の変換式は、良否判定装置の運用前に予め多数用意しておく。この際に、各パラメータが良否判定に対して実際に大きく寄与するか否かは詳細に検討する必要がない。上記判別関数を決定する際に、多変量統計解析の各手法によって適切なパラメータを選択することができるからである。このように複数のパラメータおよび変換式を予め用意し、記憶媒体に記憶しておくことによって運用開始当初から高性能での良否判定を実現する構成において、上記検査装置で個別の良否判定対象について検査して得られる検査データを上記各変換式で変換して良否判定結果とともに追加記憶する。
【００２９】
本発明においては多変量統計解析を実行しており、上記良カテゴリーと否カテゴリーとの分布について統計的な解析を行うものである。従って、実際の運用に伴って新たなデータを逐次追加記憶することによって、統計精度が経時的に向上する。このように、データの追加記憶によって統計精度を経時的に向上する構成であれば、良否判定性能の向上に人間の主観が入る余地が無く、非常に効率的に統計精度を向上することができる。尚、検査装置においては、良否判定対象についての検査データが得られれば良く、その態様は限定されない。検査装置と良否判定装置とを別体の装置にて実現し、双方向通信を介して両者のデータを授受しても良いし、両者を単体の装置で形成しても良い。
【００３０】
良否判定装置の運用とともに判定性能を向上させる際の好適な構成例として、請求項５に記載の発明のように、人間による目視の良否判定結果を反映させる構成を採用することもできる。すなわち、目視による良否判定結果を入力させて当該判定結果とそのパラメータ情報をも追加記憶するとともに上記閾値による判定と目視による判定が異なる場合に目視による良否判定結果が正しい判定結果であるとする。すなわち、目視による判定結果は良否判定対象についての実際的かつ確実な判定結果であり、上記閾値による判定と目視による判定とが異なっている場合には閾値による判定が誤りであったことになる。
【００３１】
また、上記閾値によって良否判定を行ったとしても個別の良否判定対象について取得される上記複数のパラメータ情報は異なっており、これらのパラメータを上記判別関数に代入して得られる変数値は個別の良否判定対象で異なっている。この値から上記閾値によって結論づけられる良否判定結果は、上記分布確率に従った「確からしさ」での良否判定結果である。そこで、個別の良否判定対象についての正しい良否判定結果情報を目視で把握することにより、それぞれのパラメータによって判別関数から得られる変数値について確実に正しい良否判定情報を対応づけることができる。
【００３２】
従って、目視による良否判定結果をパラメータ情報に対応づけつつ追加記憶することによって、上記判別関数算出手段での判別関数算出時に統計精度をより向上することができる。良否判定結果情報を上記判別関数算出時に反映させる手法としては種々の手法が採用可能である。例えば、上記閾値による良否判定で「良判定」であったが、目視にて「不良」であることが判明した良否判定対象がある場合、上記閾値による良否判定は当該良否判定対象に関しては精度良く機能していなかったことになるが、目視結果が正しいことを逐次追加記憶し、追加記憶した良否判定結果情報に基づいて判別関数を算出すれば、追加記憶数の増加とともに統計精度が向上する。むろん、統計的に有意な母数の目視判定結果を蓄積してから新たな判別関数を算出しても良いし、上記閾値にて「否判定」であったが、目視では「良」であったものについても同様である。
【００３３】
さらに、良否判定対象の良否を生じさせる原因としては種々の原因が想定され、本発明において良否判定結果を良カテゴリーと否カテゴリーとに二分して判別関数を算出すると、総ての不良原因について包括的に精度良く良否判定を実施可能な判別関数を算出することができるが、原因別に判別関数を規定するとより高精度に良否判定を実施することができる。そこで、請求項６に記載した発明のように、目視によって良否判定の原因とその判定結果を入力するようにしても良い。これにより、原因別に細分化カテゴリー毎に当該細分化した良カテゴリーと否カテゴリーとを分離する判別関数を算出することができる。
【００３４】
判別関数を算出する際には、上記パラメータ情報を適宜選択しつつ良カテゴリーと否カテゴリーとを分離する変数を算出するが、以上のように原因別の判別関数を算出すると各細分化カテゴリー毎に最適な判別関数を算出することになる。すなわち、ある原因については良カテゴリーと否カテゴリーとを分離するに当たり好ましいパラメータ情報であるが、他の原因については良カテゴリーと否カテゴリーとを分離するに当たり好ましくないパラメータ情報であるといった状況において、的確に好ましいパラメータ情報を選択しつつ的確に良否カテゴリーを分離する判別関数を算出することが可能になる。この結果、あらゆる不良原因について精度良く良否判定を行うことができ、誤判定の確率を非常に小さい値に収束させることができる。
【００３５】
むろん、上述の細分化によって判定精度が非常に高くなるものの、本発明においては上述のように意図通りの流出率で運用を開始することができるので、たとえ細分化を行わなかったとしても運用開始当初から非常に高性能の良否判定装置を提供可能であることには相違ない。また、カテゴリーを細分化するために良否判定の原因およびその判定結果を入力する構成においても、複数の対象について入力を実施し、統計的に有意になる程度の母数を確保することが好ましい。尚、目視によって良否判定結果を入力する構成や良否判定の原因等を入力する構成において誤入力を行う確率は母数が増加するに従って増加する傾向にある。誤入力をした場合には、例えば良カテゴリーの分布内に「不良」判定の対象が散見されるようになる。このような入力をしてしまった場合に、良カテゴリーと否カテゴリーの度数分布を表示すれば、明らかに良カテゴリーとなるべきパラメータ値に対して否判定のデータが散見されることになる。この場合には、当該否判定のデータを上記判別関数算出手段での多変量統計解析に利用しないようにしたり、このデータ自体を上記記憶媒体から削除する等の構成が採用可能である。
【００３６】
本発明においては、適切なパラメータであるか否かの詳細な検証をすることなくパラメータとして採用しておき、多変量統計解析によって適切なパラメータを選別することによって、人間の主観を排除し、客観的な判断が可能になる。また、多変量統計解析を実施するに当たり、パラメータを選別する前処理として多重共線性を除去する必要がある。そこで、その手法の具体例として、請求項７に記載の発明では、相関係数に基づいて非使用パラメータを決定している。
【００３７】
すなわち、相関係数は、一方のパラメータ値が増加すると他方のパラメータ値も増加する傾向にあるなど、二つの変数相互の相関の強さを定量化した値であり、相関の強いパラメータを複数使用しても精度良く良否判定を実施可能な判別関数を算出できない場合がある。そこで、相関係数が一定値以上になるパラメータの数が多いものから除去することにしてある。但し、本発明においては少なくとも良カテゴリーと否カテゴリーとについてのヒストグラムを与えることのできる判別関数が必要であるから、両カテゴリーで共通のパラメータを残す必要がある。そこで、両カテゴリーについて相関係数が所定値以上になるパラメータの数を集計し、集計値の大きいものから非使用にして多重共線性を効果的に除去することとした。
【００３８】
また、多重共線性を除去する際に好適な例として請求項８に記載された発明のように、予め決められた優先度に従って低優先度のパラメータから非使用にするようにしても良い。尚、この構成は上記相関係数の大きいパラメータを集計する構成と併用して使用するのが好ましい。すなわち、上記集計値の大きいものから非使用にする構成において同一集計値になるパラメータが存在したときに優先度に従って非使用パラメータを決定する構成にすることができる。
【００３９】
さらに、本発明にかかる良否判定装置の具体的な適用例として請求項９に記載の発明を採用することも可能である。すなわち、良否判定対象を所定の電磁波で照射すれば良否判定対象の形状に対応した反射電磁波あるいは透過電磁波が発生するので、当該反射電磁波あるいは透過電磁波の検出値を示す電磁波データを生成すれば良否判定対象の形状に対応した電磁波データを得ることができる。従って、この反射電磁波データあるいは透過電磁波データを所定の変換式によって変換して良否判定対象の形状に対応した値を算出することができる。
【００４０】
この変換式は複数個考えることができ、形状に対応した複数の値によって良否判定対象を捉えることができる。従って、当該良否判定対象の形状に対応した値を上記複数のパラメータ情報にすることで良否判定対象の形状を良否判定要因とした良否判定装置を提供することができる。良否判定対象の形状を良否判定要因とする良否判定装置の具体例としては、基板上の実装部品の接点とはんだとの形状からはんだ付けの良否を判定する装置や部品実装前の基板に印刷するはんだペーストの形状から印刷の良否を判定する装置等、種々の適用例が挙げられる。
【００４１】
尚、後者においては、部品実装後のはんだ付けの良否を良カテゴリーと否カテゴリーとにする態様、すなわち、上記ペーストの形状自体の良否ではなく部品実装後のはんだ付けの良否を判定し、これによって間接的に上記ペーストの形状の良否を判定する構成にしても良い。すなわち、上記ペーストの形状が部品実装時のはんだ付け自体に大きな影響を与えるような場合に、当該はんだ付けの良否とペーストの良否とが密接に対応していることを利用して良否判定を行うことも可能である。本発明において、電磁波としては種々の波長を採用可能であって可視光、赤外線、Ｘ線等を採用可能であるし、その態様としても種々のものが採用可能である。電磁波の性質および良否判定対象の材質によって電磁波が反射され、また、透過するので、これら電磁波の性質および良否判定対象の材質によって適宜反射波や透過波を利用すればよい。
【００４２】
例えば、可視光や赤外線等を金属に照射した場合には反射光が得られるので、反射光を検出すればよいし、Ｘ線を金属に照射した場合には所定の透過率で透過Ｘ線を得ることができるので、透過Ｘ線を検出すればよい。むろん、反射Ｘ線を利用してもかまわない。電磁波の検出手法としても種々の方法が採用可能である。例えば、径を絞ったレーザーにて良否判定対象を線状あるいは面状に掃引し、特定位置に配設されたセンサにて反射光を検出しても良いし、良否判定対象の一方側からＸ線を照射し、反対側にて２次元的に配設されたＣＣＤセンサにて透過Ｘ線を検出しても良いし、可視光によって照明した良否判定対象をＣＣＤセンサによって撮像しても良い。良否判定対象の形状に対応した値としては種々の値を採用可能であり、反射電磁波の連続的な変化によって傾斜の変化具合を推定して高さを算出しても良いし、傾いた方向への反射の開始時点からはんだの長さを推定しても良い。むろん、他にも種々の形状を特徴づける値をパラメータ情報とすることができる。
【００４３】
さらに、照射電磁波の反射を検出して反射電磁波データを生成する装置に良否判定装置を適用する際に好適な構成例として請求項１０に記載の構成を採用し、多重反射による影響を排除するようにしても良い。すなわち、複数の良否判定対象が特定の狭い場所に配置されていると、特定の良否判定対象に到達した電磁波が反射によって他の良否判定対象に到達し、さらに当該他の良否判定対象での反射が電磁波検出手段に到達することが考えられる。このように２回以上の反射によって電磁波が電磁波検出手段に到達するような多重反射が生じた場合、上記反射電磁波データは多重反射が生じていないときと異なるデータになる。
【００４４】
このデータをそのまま利用すると統計精度が落ちるため、配置分析手段によって多重反射が発生しうる良否判定対象の配置を把握し、その良否判定対象において多重反射からの寄与が大きなパラメータを非使用あるいは低優先度にする。これによりそのパラメータからの影響を排除したり低減することができる。むろん、多重反射の発生個所と非発生個所とで異なる閾値を算出する構成を採用することは可能である。
【００４５】
本発明にかかる良否判定装置は単独で存在する場合もあるし、ある機器に組み込まれた状態で利用されることもあるなど、発明の思想としてはこれに限らず、各種の態様を含むものである。従って、ソフトウェアであったりハードウェアであったりするなど、適宜、変更可能である。発明の思想の具現化例として良否判定装置を制御するためのソフトウェアとなる場合には、かかるソフトウェアを記録した記録媒体上においても当然に存在し、利用されるし、当該ソフトウェア自体としても発明は成立する。このため、上記請求項１１にかかる発明は、上記請求項１に対応させた機能をコンピュータに実現させる構成としてある。むろん、請求項２〜請求項１０に対応させた機能をコンピュータに実現させる構成も実現可能であることは言うまでもない。
【００４６】
むろん、このプログラムの記録媒体は、磁気記録媒体であってもよいし光磁気記録媒体であってもよいし、今後開発されるいかなる記録媒体においても全く同様に考えることができる。また、一次複製品、二次複製品などの複製段階については全く問う余地無く同等である。上記媒体とは異なるが、供給方法として通信回線を利用して行なう場合であれば通信回線が伝送媒体となって本発明が利用されることになる。さらに、一部がソフトウェアであって、一部がハードウェアで実現されている場合においても発明の思想において全く異なるものではなく、一部を記録媒体上に記憶しておいて必要に応じて適宜読み込まれるような形態のものとしてあってもよい。
【００４７】
また、このような良否判定装置の制御においては各手段が所定の制御手順で処理を進めていく上で、その根底にはその手順に発明が存在するということは当然であり、方法としても適用可能である。このため、請求項１２にかかる発明は、上記請求項１に対応させた工程からなる構成としてある。むろん、請求項２〜請求項１０に対応させた工程からなる構成も実現可能であることは言うまでもない。
【００４８】
【発明の効果】
以上説明したように請求項１，請求項１１，請求項１２にかかる発明によれば、運用当初から非常に高性能であるとともにノウハウの蓄積を必須としない良否判定装置、良否判定プログラムおよび良否判定方法を提供することができる。
また、請求項２にかかる発明によれば、「流出率」を意のままに管理することができるし、「流出率」を非常に確かな情報として予め知ることができる。
さらに、請求項３にかかる発明によれば、良否判定装置を実際に運用する前に意図通りの「流出率」および「見過ぎ率」になるまで良否判定装置の調整を行うことができる。
さらに、請求項４にかかる発明によれば、効率的に統計精度を向上することができる。
さらに、請求項５にかかる発明によれば、効率的に統計精度を向上することができる。
【００４９】
さらに、請求項６にかかる発明によれば、良否を発生させる各原因別に適切なパラメータを使用することができる。
さらに、請求項７にかかる発明によれば、容易かつ適切に多重共線性を除去することができる。
さらに、請求項８にかかる発明によれば、容易に多重共線性を除去することができる。
さらに、請求項９にかかる発明によれば、電磁波を利用した検査装置に対して本発明にかかる良否判定装置を適用することができる。
さらに、請求項１０にかかる発明によれば、多重反射による影響を容易かつ効率的に排除することができる。
【００５０】
【発明の実施の形態】
ここでは、下記の順序に従って本発明の実施の形態について説明する。
（１）本発明の概略構成：
（２）レーザー検査装置の構成：
（３）データ蓄積装置の構成：
（４）目視入力装置の構成：
（５）多変量統計解析装置の構成：
（６）他の実施形態：
【００５１】
（１）本発明の概略構成：
図１は本発明にかかる良否判定装置を構成するシステムの概略図である。本システムはレーザー検査装置１００とデータ蓄積装置２００と目視入力装置３００と多変量統計解析装置４００とを備えており、それぞれがハブＨを介して通信回線にて接続されている。すなわち、各装置は通信回線を介して互いに双方向通信可能である。レーザー検査装置１００は、基板に貼り付けられたラベルを読みとることによって基板に実装される各部品の各接点を識別しつつ、当該接点付近にレーザーを照射する装置である。
【００５２】
本発明において、良否判定はレーザー検査装置１００にて実行され、その処理手順は概略図２に示すフローに従う。すなわち、ステップＳ１００にて上記基板に貼り付けられたラベルを読みとり、基板を特定するとともに後述する部品の実装位置や部品の種別等を特定する。すなわち、ラベルは基板の種類を特定する情報が記載されている。尚、本実施形態においては、基板の種類を特定するための情報に加えて基板の個体を特定するための情報（例えば、シリアルナンバー等）が記載されており、基板の個体を特定するための情報にて基板の個体を特定し、各個体別に良否判定結果を記録あるいは表示させることができる。
【００５３】
また、基板の特定手法は上述の態様に限られず、種々の態様を採用可能である。例えば、レーザー検査装置１００によって検査を行った後に既知のシリアルナンバー等を付したラベルを貼り付ける構成等を採用しても良い。各部品の各接点は、はんだによって基板に取り付けられており、照射されたレーザーは接点付近で反射する。レーザー検査装置１００はレーザーによって接点付近を掃引し、反射方向を認識しつつ反射光を検出可能であり、ステップＳ１１０ではこの掃引によって発生する反射光の検出値を形状データとして取得する。
【００５４】
形状データは各接点付近のはんだ形状によって異なるデータとなっており、ステップＳ１２０にてこの形状データを良否判定要因となる複数のパラメータに変換する。各パラメータについての多変量統計解析は予め上記多変量統計解析装置４００にて実施されており、この結果として良否を判断するための閾値が予め決定されている。本実施形態においてこの閾値は判別関数の次元で規定されており、また、判別関数は上記ステップＳ１２０にて算出したパラメータの関数である。良否判定はステップＳ１３０にて上記パラメータを判別関数に代入し算出した値と上記閾値とを比較することによって行われ、その結果は、レーザー検査装置１００に搭載されたディスプレイ上に表示され、利用者はこのディスプレイを視認することによって良否を知ることができる。むろん、良否は部品毎に表示することが可能であるし、一つの基板について一画面で表示することも可能であるし、「否」判定発生時のみに表示を行うようにしても良い。
【００５５】
本実施形態においては、統計精度を向上させるため、ステップＳ１３０にて良否判定を行った良否判定対象、すなわち、各部品の各接点についてのはんだ接続の良否判定結果情報およびそのパラメータ情報を対応づけつつ上記データ蓄積装置２００に蓄積するようになっている。また、データ蓄積装置２００には、本実施形態にかかる良否判定装置を運用する際に必要な各種データがデータベースとして登録されており、レーザー検査装置１００と目視入力装置３００と多変量統計解析装置４００から各種データを取得して蓄積可能であるとともに、適宜蓄積データを出力することが可能である。尚、本実施形態においては、上記パラメータ情報に対して上記形状データを対応づけつつ記憶している（図示せず）。そして、データ蓄積装置２００においてキーボード等の入力機器を操作して、ディスプレイ上に形状データを表示できるようにしてある。これにより、各形状データから算出された各パラメータがもっともらしい値になっているか否か等、事後的にチェックすることが可能である。
【００５６】
また、目視入力装置３００においては、自動の良否判定で誤りが生じていた場合にデータを訂正して統計精度を向上させるために、目視による良否判定結果を入力可能に構成されている。尚、これらのレーザー検査装置１００，データ蓄積装置２００，目視入力装置３００，多変量統計解析装置４００とに備えられたコンピュータは汎用的なコンピュータを利用することができ、詳細なハードウェアの説明は省略する。
【００５７】
さらに、本実施形態にかかるシステムは上述の各装置にて分散処理を行っているが、むろん、単体のコンピュータによって上記各装置を構成しても良いし、特定の２以上あるいは３以上のコンピュータが上記各装置を構成しても良い。本実施形態においては、以上の構成によって良否カテゴリーにおいて特定の分布確率を与えるような閾値を決定しており、これにより流出率や見過ぎ率を容易に管理可能であるとともにノウハウの蓄積が必須にはならないシステムを提供しており、以下各装置を詳細に説明する。
【００５８】
（２）レーザー検査装置の構成：
図３はレーザー検査装置１００の概略構成を示している。同図左側にはその光学系を模式的に示しており、右側には制御系を示している。レーザー検査装置１００は、レーザー発振器１２６を備えており、所定のレーザー光を発振出力することができる。ガルバノメータ１２４はその内部に２枚の角度可変ミラーを備えており、ガルバノメータ制御部１２８の制御によって当該角度可変ミラーの配向角を調整することができる。
【００５９】
すなわち、当該角度可変ミラーの配向角を調整することによってガルバノメータ１２４から出力するレーザー光の配向角を調整することができ、これによって後述する掃引を実現している。ガルバノメータ１２４から出力されるレーザー光はレンズ１２３によって集光された後、受光ボックス１１０に入射される。従って、受光ボックス１１０には細く絞った状態のレーザー光が入射され、この状態で掃引されるので、後述するセンサでははんだ１３３付近の微視的状態に対応したレーザー光を検出することができる。尚、掃引は後述するように接点側から部品本体方向に向けて行われ、その軌跡が１本の線を形成するが、高精度の掃引データが必要な部品等、種々の条件に応じて２本以上の線を形成するように掃引を行って、実質的に面の情報を取得しても良い。
【００６０】
受光ボックス１１０はレーザー光の適切な光学経路を形成し、反射光の有無をその方向とともに取得するための機器を備えている。受光ボックス１１０内の上部にはトップセンサ１１２が配設されており、その下方にアップセンサ１１４およびサイドセンサ１１６が配設されている。図４はこれらセンサの配置関係を示す図である。すなわち、アップセンサ１１４は中央に矩形の穴を形成しており、サイドセンサ１１６はアップセンサ１１４の下方四側面に形成されている。
【００６１】
トップセンサ１１２は矩形平板状であり、一方の面を下方に配向させつつ上記アップセンサ１１４の中央に形成された矩形の穴の上方に配設されている。また、トップセンサ１１２とアップセンサ１１４との間はレーザー光の光学経路になっており、平板状のハーフミラー１１８が配設されている。当該ハーフミラー１１８は、その平板面がトップセンサ１１２の下面に対して略４５°を形成するとともに上記レンズ１２３からのレーザー光を反射して下方に進行させる方向に配向されている。尚、受光ボックス１１０の下方は開口しており、レーザー光は受光ボックス１１０内から下方に進行することも可能であるし、下方から受光ボックス１１０内に進行することも可能である。
【００６２】
ハーフミラー１１８は受光ボックス１１０の下方から進行するレーザー光の一部を透過させることができ、透過されたレーザー光はトップセンサ１１２の方向に進行する。また、上記トップセンサ１１２とアップセンサ１１４とはその下面に照射されるレーザー光を検出することが可能であり、サイドセンサ１１６は互いに向かい合う面にてレーザー光を検出することが可能である。受光ボックス１１０の下方にはＸ−Ｙステージ１３０が配設されており、良否判定対象の接点を備えた部品が実装される基板を載置可能である。また、Ｘ−Ｙステージ１３０はＸ−Ｙステージ制御部１３５に接続されており、同Ｘ−Ｙステージ制御部１３５が出力する所定の制御信号によってＸ−Ｙステージ１３０をＸ−Ｙ平面上で移動させることができる。
【００６３】
従って、Ｘ−Ｙステージ１３０に基板を載置した状態で当該Ｘ−Ｙステージ１３０を移動させることによって、所望の良否判定対象を受光ボックス１１０の下方のレーザー光経路内に配設することができる。図３においては、Ｘ−Ｙステージ１３０上に実装部品１３２を模式的に示している。同実装部品１３２は矩形のチップ部品であるとともにその両端が接点１３２ａになっており、当該接点をはんだ１３３で接合するようになっている。
【００６４】
上記ハーフミラー１１８にて反射されたレーザー光は上記受光ボックス１１０の下方に進行し、このはんだ１３３の付近に到達する。この結果はんだ１３３付近で当該レーザー光が反射され、再び上方に向けて進行する。この反射光はその進行角度によって上記トップセンサ１１２，アップセンサ１１４，サイドセンサ１１６あるいはその外側に向けて進行する。レーザー光がトップセンサ１１２，アップセンサ１１４，サイドセンサ１１６に到達したときには、各センサから所定の検出信号が出力される。
【００６５】
各センサはアンプ１２０に接続されており、上記検出信号は当該アンプ１２０にて所定の増幅が施されるとともに、コード生成部１２２に入力される。上記各センサでは検出位置毎に所定閾値以上のレベルの反射光の有無を検出可能であり、コード生成部１２２はその入力信号に基づいて上記反射光の反射角度を示すコードを生成する。図５は、生成されるコードを説明する説明図である。同図に示すように反射光がトップセンサ１１２で検出されたときにはコード”６”が生成される。
【００６６】
また、アップセンサ１１４の一方で検出される反射光はその角度によって”５”〜”３”のコードが生成され、サイドセンサ１１６の一方で検出される反射光では”３”〜”２”のコードが生成される。反対側のセンサで反射光を検出したときには”Ａ”〜”Ｄ”のコードが生成される。サイドセンサ１１６の両外側に反射光が進行するときにはコード”０”が生成される。また、レーザー光によって上記はんだ１３３付近が掃引されるので、掃引の各段階でコードが生成され、この結果、コード生成部１２２は一回の掃引に対して複数の数値あるいはアルファベットを有するデータを出力する。むろん、ここに示す構成は一例であり、上記センサにてコード値が変動するピッチをより狭くしたり広くしたりすることは可能であるし、掃引は一回ではなく複数回検出しても良い。さらに、一方向のみの掃引を行うのではなく、複数方向の掃引を行っても良い。
【００６７】
上述のコード生成部１２２とガルバノメータ制御部１２８とＸ−Ｙステージ制御部１３５とはＣＰＵ１４０に接続されており、同ＣＰＵ１４０が出力する制御信号によって制御され、また、同ＣＰＵ１４０に対してデータを出力する。すなわち、ＣＰＵ１４０は図示しないＲＯＭやＲＡＭとともにプログラム実行環境を形成しており、ＣＰＵ１４０は所定のプログラムを実行しつつコード生成部１２２とガルバノメータ制御部１２８とＸ−Ｙステージ制御部１３５とを介してレーザー検査装置１００を制御する。
【００６８】
また、ＣＰＵ１４０が上記プログラムに従って所定の演算処理を実行することにより、良否判定を行うようになっており、必要なデータを記憶部１４６に書き込み、また、通信Ｉ／Ｏ１４４を介して上記データ蓄積装置２００や多変量統計解析装置４００と必要に応じて通信を行い、表示部１４２に良否判定結果を表示する。尚記憶部１４６はデータの書き込みと読み出しとを行うことができる記憶媒体であれば良く、ハードディスクドライブやＲＡＭ，ＲＯＭ等種々の媒体を採用可能である。また、レーザー検査装置１００は良否判定対象が搭載される基板を識別するために各基板に貼り付けられたラベルを読みとる図示しないラベル読取装置を備えている。
【００６９】
図６は、レーザー検査装置１００にて実行される良否判定プログラムの機能ブロック図である。レーザー検査装置１００においては、ＯＳ１５０の制御下で良否判定プログラム１６０が実行される。ＯＳ１５０は上記通信Ｉ／Ｏ１４４を介してのデータ送受信や記憶部１４６からのファイル読み出しを制御し、良否判定プログラム１６０に対して必要なデータを供給するが、図６ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ１４４と良否判定プログラム１６０と記憶部１４６とにおいてデータの授受を矢印で示している。
【００７０】
良否判定プログラム１６０は、ラベル読取部１６２と形状測定部１６４と良否判定部１６６とを備えている。ラベル読取部１６２は上記通信Ｉ／Ｏ１４４を介して上記図示しないラベル読取装置を制御して、良否判定対象が搭載される基板のラベルを識別するラベルデータを取得し、記憶部１４６に記憶する（ラベルデータ１４６ａ）。形状測定部１６４は上記ガルバノメータ制御部１２８を制御してレーザー光を掃引させ、Ｘ−Ｙステージ制御部１３５を制御してＸ−Ｙステージ１３０を駆動して所望の良否判定対象に対してレーザー光が照射されるように制御し、さらにコード生成部１２２が出力する上記コードからなる形状データを取得して記憶部１４６に記憶する（形状データ１４６ｂ）。
【００７１】
ここで、形状測定部１６４は上記ラベルデータ１４６ａにて特定される基板についての製品データを上記通信Ｉ／Ｏ１４４を介して取得する。当該製品データは、後述するようにデータ蓄積装置２００に蓄積された基板に関するデータであり、各ラベルの基板において実装される部品の種類や部品上のピン数，その相対位置等が含まれる。形状測定部１６４はこれらのデータを取得することによって検査対象となるピンの位置を判定し、当該ピンの位置付近を掃引できるように上記Ｘ−Ｙステージ制御部１３５を制御して基板の位置決めを実施する。
【００７２】
形状測定部１６４は、以上のように位置決めを実施しつつ基板上の検査対象総てについて形状データ１４６ｂを取得する。良否判定部１６６はこれらの形状データ１４６ｂを利用してそれぞれの良否判定対象、すなわち、接点に対するはんだ付けの良否を判定する演算処理を行っており、そのためのパラメータ算出部１６６ａと閾値判定部１６６ｂとを備えている。パラメータ算出部１６６ａは、上記形状データ１４６ｂを後述する図８で説明する式等によってパラメータを算出する。ここにおいては、形状データ１４６ｂを複数の変換式にて複数のパラメータに変換する。このパラメータは、はんだ自体の形状やはんだ周囲の形状に相当するパラメータであり、後述する図７に示すようなはんだ形状の差異に応じて異なる値となるパラメータである。
【００７３】
当該パラメータは、はんだおよびその周囲の形状に相当する値であれば、種々の値を採用することができる。このパラメータは良否判定要因となりうるが、後述する判別分析の手法によって適切なパラメータ以外は除外されるので、良否判定要因として適切であるか否かを詳細に検討する必要はなく、形状を特定しうるパラメータであるかぎりパラメータとして採用しておいてかまわない。
【００７４】
図７は、実装部品１３２についての「良」状態と３種の「不良」状態とを説明する説明図である。同図に示すように、「良」状態では実装部品１３２の上面が基板の上面に対して略平行であるとともにはんだ１３３が接点１３２ａの下側に入り込み、さらに、はんだ１３３の上面は凹面状になっている。上記形状データ１４６ｂは、図７のＡ〜Ｃおよび接点１３２ａ部分からの反射に基づくデータであって、これらの形状に対応している。同図における「良」状態においては、上記レーザー光にて紙面左側から順に掃引したときに形状データ１４６ｂのコードが例えば「６６５５４４４３３３２２０００６６」となる。
【００７５】
はんだ１３３の形状の特徴を捉えるに際しては種々の特徴によって形状を特定することができ、例えば上記図７のＡ〜Ｃの各位置からの反射に基づくデータを利用して形状を特定することができる。すなわち、上記コードは、はんだ１３３の凹面形状に対応した数値および順序になっており、同図の位置Ａでは、基板面に対して略垂直に上方から下方に向かって進行するレーザー光がはんだ１３３で基板面に対して略垂直かつ下方から上方に向かって進行する光として反射するのでこの近辺ではコード値”６”となる。位置Ａから位置Ｂに向けて掃引すると、はんだ１３３の傾斜が徐々に急になることに対応して反射光は紙面左側に配向する。従って、コード値は”５”〜”０”に向けて徐々に小さくなる減少数列になる。そして、接点１３２ａの上面は基板に対して略平行であることから、再びコード値”６”が出現する。
【００７６】
図７の不良（浮き）においては、実装部品１３２の接点１３２ａがはんだ１３３となじんでおらず、浮いている状態である。この場合、はんだ１３３の上面は凸面状になるので、はんだ１３３上面すなわち反射面の角度やはんだの高さ等は「良」状態と異なっており、形状データ１４６ｂは「良」状態と不良（浮き）とで異なってくる。例えば、同図に示す「不良（浮き）」状態においては、形状データ１４６ｂのコードが「０２２３３３４４４５６６６６６ＤＤ」となる。すなわち、はんだ１３３上面が凸面状であることに対応してコード値は増加数列になるとともに、コード値”６”の隣に接点１３２ａの位置に対応したコード”Ｄ”（紙面右側への反射）が出現する様な数列になる。このように、「良」状態と「不良（浮き）」状態とを比較すると、コード値およびその連続の様子に、はんだ上面の形状に対応した差異が存在する。そこで、コード値の増加／減少傾向を示すパラメータによってはんだ上面の形状を特定するパラメータを規定することができる。
【００７７】
図７の不良（はんだ少）においては、実装部品１３２の接点１３２ａの周囲に十分な量のはんだ１３３が存在せず、はんだ１３３の長さ等が上記「良」状態と異なっており、上記Ａ〜Ｃの形状データ１４６ｂが「良」状態と不良（はんだ少）とで異なってくる。同図に示す「不良（はんだ少）」状態における形状データ１４６ｂのコード例としては「６６６６６６６６６６６５３２０６６」のような数列が挙げられる。すなわち、はんだ１３３がほとんど存在しないことに対応して多くのコード値”６”が連続し、わずかなはんだ１３３に対応して”５３２０”のように減少数列がわずかに存在する。「良」状態と「不良（はんだ少）」状態とを比較しても、コード値およびその連続の様子に、はんだ上面の形状に対応した差異が存在する。そこで、これらの形状データ１４６ｂにおいてコード値”６”が連続する数や”６”以外のコードが連続する数およびその増加／減少傾向を示すパラメータによってはんだの形状を特定するパラメータを規定することができる。
【００７８】
図７の不良（部品無し）においては、実装部品１３２がはんだ１３３上に存在せず、はんだ１３３上面すなわち反射面の角度や実装部品装着位置からの反射が上記「良」状態と異なっており、上記Ａ〜Ｃの形状データ１４６ｂが「良」状態と不良（部品無し）とで異なってくる。同図に示す「不良（部品無し）」状態における形状データ１４６ｂのコード例としては「０２２３３３４４４５６６６６６ＤＣ」のような数列が挙げられる。すなわち、はんだ１３３上面が凸面状であることに対応してコード値は増加数列になるとともに、コード値”６”の隣にはんだの凸面に対応したコード”Ｄ””Ｃ”が出現する様な数列になる。このように、「良」状態と「不良（部品無し）」状態とを比較すると、コード値およびその連続の様子に、はんだ上面の形状に対応した差異が存在する。そこで、コード値の増加／減少傾向や実装部品位置でのコード値変動の有無等を示すパラメータによってはんだ上面の形状を特定するパラメータを規定することができる。
【００７９】
図８は、これらパラメータのうちの一例を説明する説明図であり、形状としてはんだの高さを特定する際の例である。上述のように形状データ１４６ｂの各コードは、反射光が図５に示す各センサに到達する位置に対応しており、当該到達位置は照射レーザー光に対する反射角に対応しており、当該反射角は、はんだの面の配向角に対応していると考えられる。そこで、掃引時のデータ取得ピッチＰと反射面の配向角を考慮すれば、各ピッチＰでのはんだの高さが判明する。具体的には、図８に示すように形状データ１４６ｂのコードが”６”のときは基板面に対して略垂直な光路なので反射面は基板に対して略平行であると考え、コードが”５”のときはその反射方向から反射面の基板に対する配向角をαと考える。
【００８０】
配向角αが判明すれば、上記ピッチＰでのはんだの高さが判明する。図８に示す例で配向角αに対する高さは１０である。同様にコード”４”〜”２”について各ピッチでのはんだの高さを考えることができ、各コードから判明する各ピッチでのはんだの高さを積算すると、上記形状データ１４６ｂでのはんだの高さに該当する。そこで、図８に示す例では”６６５４３２”という形状データ１４６ｂを”０＋０＋１０＋２０＋４０＋５０”に変換してはんだの高さを”１２０”とする。これが形状を特定しうるパラメータの一例である。尚、図８では簡略化して示しており、実際は同図に示す掃引データ取得回数より多数回のデータを取得しており、形状データ１４６ｂの数値列は同図に示す例より多い。
【００８１】
本実施形態におけるパラメータは上述のように例えば２００個存在し、上記形状データ１４６ｂを種々の変換式に代入してパラメータを算出することができる。例えば、上記図７に示す不良（はんだ少）においては、はんだの量が少なくなるほどコード値”６”が多くなるので、（コード値”６”の数）／（コード値の総数）を算出すれば、はんだ位置の平坦性を特徴づけるパラメータを算出することができる。他にも、はんだ上面に凹凸が存在する場合には、コード値が単調変化せず”４５６５４５４３２”等のようにコード値の増減を繰り返すので、連続する二つの数列において数値が増加する場合と減少する場合とを計測し、（増加数−減少数）を算出すれば、はんだ上面の凹凸を特徴づけるパラメータを算出することができる。
【００８２】
以上のように、パラメータ算出部１６６ａでは、予め決められた変換式に従って、形状データ１４６ｂから特定される形状を特徴づける複数のパラメータを算出する。尚、基板上には各種部品が実装され、部品種別によってはんだの形状が異なる場合もあるので、その場合には形状データ１４６ｂに基づくパラメータの算出式も変更する。むろん、この場合、良否判定は部品種別毎に行われる。また、パラメータ算出部１６６ａは製品データとして各部品についてのパラメータの算出式を取得して計算するが、特定の算出式での演算を実行する様なアルゴリズムでプログラムを作成し、当該プログラムの実行によってパラメータが算出されるように構成しても良い。
【００８３】
閾値判定部１６６ｂは、上記通信Ｉ／Ｏ１４４を介して上記多変量統計解析装置４００から後述する判別関数データと閾値データとを取得して、閾値による良否判定を実施する。判別関数データは、上記パラメータ算出部１６６ａが算出するパラメータのうちのいくつかを変数とした関数であり、閾値判定部１６６ｂは上記算出したパラメータを当該判別関数に代入して判定用の値を算出する。さらに、この判定用の値と閾値とを比較し、判定用の値が閾値を境にして良カテゴリー側にある場合には「良」判定、閾値を境にして否カテゴリー側にある場合には「否」判定をする。
【００８４】
閾値判定部１６６ｂは、当該良否判定結果を表示部１４２に対して出力し、レーザー検査装置１００に備えられたディスプレイに良否判定結果を表示させる。また、この良否判定結果は良否判定結果データとして通信Ｉ／Ｏ１４４を介して出力され、後述するデータ蓄積装置２００に蓄積される。以上のように、レーザー検査装置１００においては、データ蓄積装置２００や多変量統計解析装置４００から適宜データを取得して、基板上に実装される各部品の各接点についてはんだ形状に基づいて実装の良否を判定することができる。
【００８５】
（３）データ蓄積装置の構成：
図９はデータ蓄積装置２００にて実行される通信制御プログラムの機能ブロック図である。データ蓄積装置２００においては、ＯＳ２５０の制御下で通信制御プログラム２６０が実行される。ＯＳ２５０は上記通信Ｉ／Ｏ２４４を介してのデータ送受信や記憶部２４６からのファイル読み出しを制御し、通信制御プログラム２６０に対して必要なデータを供給するが、図９ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ２４４と通信制御プログラム２６０と記憶部２４６とにおいてデータの授受を矢印で示している。
【００８６】
通信制御プログラム２６０は、通信Ｉ／Ｏ２４４を介してデータを送受信するプログラムであり、外部からの要求に応じて製品データと良否判定結果データを出力する。また、記憶部２４６は製品データベース２４６ａと良否判定結果データ２４６ｂとを蓄積するハードディスクドライブであり、本発明にかかるシステムの運用開始時に予め製品データベース２４６ａと良否判定結果データ２４６ｂとが蓄積されるが、システムの運用とともに更新していくこともでき、上記閾値判定部１６６ｂが出力する良否判定結果データを取得して追加記録したり、後述する目視入力装置３００が出力する目視判定データを新たな良否判定結果データとして追加することも可能である。
【００８７】
図１０は、製品データベース２４６ａに蓄積される製品データの例である。この製品データにおいては、上記基板に貼り付けられるラベル毎に各基板上の部品および各部品が備える接点位置を特定するデータおよび各部品毎に実際に算出されたパラメータが記録されている。前者はレーザー検査装置１００にてレーザー光を照射する良否判定対象の位置を特定する等のために使用され、後者は各部品について良否判定を行った場合の実際のパラメータ値であり、後述する良否判定結果データと対応づけられつつ記録される。
【００８８】
各ラベルに対応したデータとしては、図１０の左側に示すデータと部品毎のパラメータ算出式とがある。図１０の左側に示すデータにおいては、装着情報として基板上の部品座標（Ｘ，Ｙ）と部品の方向等が記録され、部品情報として部品の種別やリード（接点）数，リードピッチ等が記録されている。これによって、レーザーの照射対象位置を特定する。図１１はレーザーの照射対象位置を特定する様子を示す図である。同図左側に示すように部品座標は基板上の一点を特定する座標であり、同図中央に示すようにこの座標が部品の特定位置（図１１では×印）に該当することが予め決められている。
【００８９】
また、装着情報の「部品の方向」から基板に対してどのような方向に部品が実装されるのかが特定され、リード数やそのピッチ数によって各リードの位置が特定される。上記掃引はリードの前側から部品本体方向に向けて実施され、リードの位置が特定されることによって掃引開始位置が特定される。従って、上記レーザー検査装置１００はこれら製品データによって掃引の開始位置を特定することができ、当該開始位置にレーザーを照射できるように上記Ｘ−Ｙステージ１３０を制御する。
【００９０】
製品データには、さらに掃引情報やセンサ閾値が記録されている。掃引情報には掃引回数や掃引ピッチが記録されており、センサ閾値は上記各センサにてレーザー光の受光の有無を特定する閾値が記録されている。従って、上記レーザー検査装置１００はこれら製品データによって掃引手法を特定することができ、上記ガルバノメータ１２４やコード生成部１２２を制御して掃引およびコードデータの取得を実施する。
【００９１】
上記製品データベース２４６ａには、さらに各部品毎のパラメータ算出式２４６ａ１が記録されている。すなわち、各部品毎に接点形状が異なる場合があり、この結果、形状データ１４６ｂから推測されるはんだの形状も異なるので、各部品毎にパラメータ算出式が規定され、記録される。各部品毎に実際に算出されたパラメータは図１０において部品Ａ−１，Ａ−２等として示している。すなわち、いずれの部品であるかを特定可能にするとともに各パラメータについての計算値（図１０ではｘ1〜ｘ200等）を記録する。
【００９２】
実際に算出されたパラメータは運用開始の段階で、複数のデータが記録されているが、運用に伴って総ての良否判定対象について追記していっても良いし、一部について追記していっても良い。本実施形態において、このデータを追記する場合には上記パラメータ算出部１６６ａが算出したパラメータ値を通信Ｉ／Ｏ１４４を介して取得する。各部品のパラメータについては、上記良否判定結果データ２４６ｂが対応づけられており、良否判定結果データ２４６ｂではその良否判定結果（「良」，「否（浮き）」等）が記録されている。すなわち、上記パラメータ値と良否判定結果データ２４６ｂとの対応によって、各パラメータである場合に判定結果が「良」であるか「否（不良）」であるかを判定することができる。
【００９３】
尚、良否判定結果データ２４６ｂは良否判定対象（接点）の良否をカテゴリー化する際に利用される。すなわち、上記レーザー検査装置１００において各パラメータを判別関数に代入すると判別関数の次元である値が算出されるが、この値について良否判定結果に対応させつつヒストグラムを作成すると、変数Ｚに対して良判定の分布と否判定の分布が得られる。そこで、それぞれの分布を良カテゴリーと否カテゴリーと定義する。また、否カテゴリーとしては、上述のように浮きやはんだ少，部品無しなど、種々の原因が存在するので、各原因毎に否カテゴリーを細分化しても良い。
【００９４】
以上のように、データ蓄積装置２００に適切なデータを蓄積し、上記レーザー検査装置１００にて参照可能に提供することにより、良否判定を実施することができる。尚、データ蓄積装置２００に対して新たなラベルについての製品データその搭載部品のデータ等を追加することにより、運用開始当初に蓄積されていない基板や部品についての良否判定を実施することが可能になる。
【００９５】
（４）目視入力装置の構成：
図１２は、目視入力装置３００にて実行される目視入力プログラムの機能ブロック図である。目視入力装置３００においては、ＯＳ３５０の制御下で目視入力プログラム３６０が実行される。ＯＳ３５０は通信Ｉ／Ｏ３４４を介してのデータ送受信や記憶部３４６からのファイル読み出しを制御し、目視入力プログラム３６０に対して必要なデータを供給するが、図１２ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ３４４と目視入力プログラム３６０と記憶部３４６とにおいてデータの授受を矢印で示している。
【００９６】
目視入力プログラム３６０は、ラベル読取部３６１と判定結果取得部３６２と表示制御部３６３と入力受付部３６４と目視判定情報送信部３６５とを備えている。ラベル読取部３６１は通信Ｉ／Ｏ３４４を介して上記図示しないラベル読取装置を制御して、基板のラベルを識別するためのラベルデータを取得し、記憶部３４６に記憶する（ラベルデータ３４６ａ）。ここでは、良否判定対象が搭載された基板の総てではなく否判定された対象を含む基板について読取作業を行えばよい。
【００９７】
判定結果取得部３６２は通信Ｉ／Ｏ３４４を介して上記データ蓄積装置２００から上記読取りを行ったラベルに該当する基板に関する上記製品データおよびその良否判定結果データを取得し、記憶部３４６に保存する。表示制御部３６３は当該記憶部３４６に保存された製品データおよび良否判定結果データを参照し、基板平面上のイメージデータを生成し、表示部３１０（ディスプレイ）に出力することによってディスプレイ上にイメージを表示させる。図１３は、このイメージ表示例を示している。
【００９８】
同図に示すように、イメージ表示では基板に搭載された各部品およびその接点の模式図が示されている。同画面を表示した状態において、入力受付部の制御によって目視入力装置３００が備えるキーボード等からなる入力部３２０を介して入力を受け付けることが可能であり、画面上で種々の操作が可能である。例えば、図１３の左上に示すように各部品の拡大図を表示させることが可能である。図１３においては、各接点についての良否判定を合わせて表示（例えば「否」判定について赤色で表示）することが可能であり、利用者は「否」判定された接点について真に否であるのか目視にて判定する。
【００９９】
さらに、利用者はこの目視判定結果を上記入力部３２０の操作にて入力することが可能であり、入力受付部３６４が入力結果を受け付けると目視判定情報送信部３６５に対して目視の判定結果を受け渡す。同目視判定情報送信部３６５は、目視判定結果を示す目視判定データを通信Ｉ／Ｏ３４４を介して出力する。同目視判定データは上記データ蓄積装置２００に対して追記される良否判定結果データ２４６ｂである。ここで、むろん「良」判定された接点について真に良であるのかを目視にて判定し、その結果をデータ蓄積装置２００に対して送信しても良い。また、目視判定結果とそのパラメータ情報とは対応づけられており、どのようなパラメータに対して目視によって「不良」あるいは「良」と判定したのかを把握できるようになっている。
【０１００】
これらの目視判定データは、多変量統計解析装置４００において統計精度向上のために利用される。以上のように、目視入力装置３００によれば、多変量統計解析装置４００によって解析をする際に、目視入力の結果を本発明における良否判定に反映させることができる。運用開始当初には、この目視結果の反映が必須とはならない（運用開始から高精度で良否判定可能であるため）が、この目視による補正によれば容易に統計精度を向上させることができ、非常に信頼性の高い高性能の良否判定装置を提供することができる。
【０１０１】
さらに、目視入力装置３００における入力によってカテゴリーを細分化することも可能である。すなわち、はんだ付けが不良になる原因としては種々の原因があり、後述するように不良の原因毎にその原因に特徴的なはんだ形状が異なるので、原因毎に異なる判別関数を規定すれば、非常に高い精度で判定を実施することが可能になる。また、目視入力装置３００における入力の際には目視によってはんだの形状を確認するので、そのはんだ形状に対応した不良原因を入力することは容易である。
【０１０２】
そこで、目視入力装置３００において不良の原因を合わせて入力し、当該入力された原因を示すデータを良否判定結果情報とすれば、原因毎に別個の否カテゴリーと良カテゴリーとを分離する判別関数を算出することが可能になる。ここでは目視によって不良の原因を確認して入力するので、原因が厳密に正しいとは限らないが、少なくとも、見かけ上のはんだ形状が異なれば不良原因が異なると考えられるので、見かけ上の差異によって別個の原因に細分化すればよい。例えば、実装部品１３２がはんだ１３３から浮いているもの、はんだが少ないもの、実装部品１３２が欠けているものなど目視で明らかに判定できる程度で原因別に細分化すれば十分である。
【０１０３】
（５）多変量統計解析装置の構成：
本実施形態においては、多変量統計解析装置４００による解析を行うことによって意図からはずれた流出率および見過ぎ率を発生させない閾値を決定することができ、これによって高性能の良否判定装置を実現している。以下、当該多変量統計解析装置４００の構成および処理を説明する。図１４は、多変量統計解析装置４００にて実行される多変量解析プログラムの機能ブロック図であり、図１５，図１７，図１９は多変量統計解析プログラムが備える各モジュールでの処理を示すフローチャートである。
【０１０４】
図１４に示す多変量統計解析装置４００においては、ＯＳ４５０の制御下で多変量解析プログラム４６０が実行される。ＯＳ４５０は通信Ｉ／Ｏ４４４を介してのデータ送受信や記憶部４４６（ハードディスクドライブ等）からのファイル読み出しを制御し、多変量解析プログラム４６０に対して必要なデータを供給するが、図１４ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ４４４と多変量解析プログラム４６０と記憶部４４６とにおいてデータの授受を矢印で示している。
【０１０５】
モード分類部４６０ａは、カテゴリーの細分化処理を行う。モード分類部４６０ａでは、図１５に示すようにまずステップＳ２００にて通信Ｉ／Ｏ４４４を介して目視入力装置３００に記録された目視判定データとデータ蓄積装置２００に記録されたパラメータ値データおよび良否判定結果データとを取得する。パラメータ値データは各部品毎に実際に計算されたパラメータ値である。これら、取得したデータは記憶部４４６に保存（目視判定データ４４６ａ，パラメータ値データ４４６ｂ，良否判定結果データ４４６ｃ）され、多変量解析プログラム４６０の各モジュールに利用される。尚、パラメータ値データ４４６ｂのそれぞれとその良否判定結果データ４４６ｃ（または目視判定データ４４６ａ）とは対応づけられており、各パラメータにおける良否判定結果が判明するようになっている。
【０１０６】
ステップＳ２１０ではパラメータ数（本実施形態では１〜２００）のカウンタｎを初期化（ｎ＝１）し、ステップＳ２２０ではパラメータｎについて、良カテゴリーと否カテゴリーとのヒストグラムを生成し、多変量統計解析装置４００が備えるディスプレイに表示させる。ここで、各パラメータ値に対する良否は上記良否判定結果データ４４６ｃに依存するが、目視入力装置３００において目視判定が行われたものについては目視判定結果に従って良否をカテゴリー化する。すなわち、目視判定が行われた対象については目視による良否判定結果とパラメータ値データとが対応づけられており、この対応関係に従ってヒストグラムを生成／表示する。この結果、目視によって「不良」とされた対象であってそのパラメータがレーザー検査装置１００において良カテゴリーに入るものについて否カテゴリーであることを明示することができる。
【０１０７】
図１６はヒストグラムの表示例であり、同図上側ではパラメータｎ1についての例を示しており、この例においてヒストグラムは良カテゴリーと否カテゴリーとについて略正規分布を形成するとともに２つの分布に分かれている。同図下側ではパラメータｎ2についての例を示しており、この例においてヒストグラムは良カテゴリーと否カテゴリーとについて略正規分布を形成するとともに３つの分布に分かれている。後者のパラメータｎ2に対するヒストグラムでは、否カテゴリーが分布Ｅ，分布Ｆという２つの分布に分かれており、分布Ｅはレーザー検査装置１００における良カテゴリーに含まれるが分布Ｆは当該良カテゴリーと分離している。
【０１０８】
この状況においては、パラメータｎ2にて特徴づけられる形状が、分布Ｆの不良を生じさせる原因に特有の形状であると言えるが、分布Ｅの不良を生じさせる原因に特有の形状であるとは言えない。パラメータｎ2が分布Ｅの不良を生じさせる原因に特有の形状であるならば、分布Ｅは図１６の良カテゴリーと分離しているはずである。従って、分布Ｅ，Ｆにおいては不良を生じさせる原因が異なるととともに、パラメータｎ2は分布Ｆと良カテゴリーとを分離する判別関数において好ましいパラメータであり、分布Ｅと良カテゴリーとを分離する判別関数においては好ましくないパラメータである。そこで、分布Ｅと分布Ｆとについては異なる判別関数にて良否判定を行うべく、否カテゴリーを細分化する。
【０１０９】
図１６のようにディスプレイにパラメータ毎のヒストグラムを表示するとカテゴリを細分化すべきか否かを把握することができ、多変量統計解析装置４００にてその指示を行うことができる。すなわち、多変量統計解析装置４００はキーボード等の操作入力機器にて構成される入力部４２０を備えており、ステップＳ２３０では当該入力部４２０を介してカテゴリーを細分化する指示を受け付けたか否かを判別する。同ステップＳ２３０にてカテゴリーを細分化する指示を受け付けたときには、ステップＳ２４０にてカテゴリーの細分化を行う。この細分化がなされたときには、後述する判別関数算出処理において当該細分化した否カテゴリーと良カテゴリーとの度数分布を分離する判別関数を算出する。
【０１１０】
このとき、図１６に示す例では、分布Ｅと良カテゴリーとを分離する判別関数にパラメータｎ2は含まれず、分布Ｆと良カテゴリーとを分離する判別関数にパラメータｎ2が含まれることになる。上述の図７のような具体例においては、不良（浮き），不良（はんだ少），不良（部品無し）をそれぞれ異なる判別関数によって評価することが可能になり、不良（浮き）ではコード値の増加／減少傾向を示すパラメータを含む判別関数にすることができる。不良（はんだ少）ではコード値の増加／減少傾向を示すパラメータやコード値”６”の連続数を示すパラメータを含む判別関数にすることができるし、不良（部品無し）ではコード値の増加／減少傾向を示すパラメータや実装部品位置でのコード値変動の有無を示すパラメータを含む判別関数にすることができる。
【０１１１】
以上のような処理により、確実に良カテゴリーと否カテゴリーとを分離する判別関数を規定し、精度良く良否判定を行うことが可能になる。ステップＳ２５０では上記カウンタｎをインクリメントし、ステップＳ２６０にて全パラメータについてカテゴリーの細分化処理が終了したと判別されるまで上記ステップＳ２２０以降の処理を繰り返す。尚、目視入力装置３００において目視入力を誤ったときには、上記図１６に示すようなヒストグラムにおいて異常データが散見される（良カテゴリー内に「不良」が散見されたり、否カテゴリー内に「良」が散見されたりするような状況）ことがあり、この場合には異常データを与える目視判定データ４４６ａを削除したり、利用しないようにすることも可能である。
【０１１２】
また、本実施形態においては実際にヒストグラムを表示させて利用者にカテゴリー細分指示を入力させているが、むろん、ここで統計解析による自動化を行っても良い。すなわち、否カテゴリーの分布内で複数のピークが存在するか否かを判別するとともに、ピークが存在する場合は各ピークを与えるパラメータ値を正規分布でフィッティングし、フィッティングされた分布関数のσによって両分布が所定距離以上離れているかどうかを判別する。そして、所定距離以上離れているときにはステップＳ２４０におけるカテゴリーの細分化を行う。すなわち、否カテゴリーの分布内でピークが複数になっている場合には、同じ否カテゴリーであっても分布が分離している可能性があるとして分布の距離を評価する処理を行う。ここで、両分布の距離を評価する際には、上述のように各分布のσによって距離を評価しても良いし、平均値や最頻値同士が所定距離以上離れているか否かを評価しても良い。
【０１１３】
さらに、上述の処理においては、モード分類処理としてカテゴリーの細分化を実施する態様を説明したが、上記目視入力装置３００にて良否カテゴリーのいずれかについての目視判定結果を入力する際に、カテゴリーを細分化した場合においても、図１６と同様の原理によって各判別関数毎に適切なパラメータが選択されて各原因毎に良カテゴリーと否カテゴリーとを的確に分離しつつ良否判定を実施することができる。むろん、目視入力によるカテゴリーの細分化と上記ステップＳ２３０のような細分指示によるカテゴリーの細分化を併用してもかまわない。
【０１１４】
判別関数算出部４６０ｂは、ある変数を与える関数であって、当該変数に対して良カテゴリーと否カテゴリーとの度数分布を作成した場合に、両分布が良く分かれる判別関数を算出する処理を行う。この変数は上記複数のパラメータの関数である。本実施形態において上記パラメータはパラメータ１〜２００まで存在するが、本実施形態においては両分布を分離する際に効果的な変数を選別して所定数のパラメータで判別関数を規定しており、所定数のパラメータを選別するに際して以下の相関係数およびパラメータの重要度に基づいて多重共線性を除去している。
【０１１５】
本実施形態において、相関係数は２つのパラメータ間に何らかの相関関係（例えば、一方のパラメータ値が増加すると他方のパラメータ値も増加する傾向にあるなど）がある場合にその相関の強さを定量化した値であり、以下の式（１）にて算出される。
【数１】
尚、ｉ，ｊはそれぞれパラメータの番号であり本実施形態においては１〜２００である。また、ｘikはパラメータ番号ｉのｋ番目の値でありｎはパラメータ値データ４４６ｂと良否判定結果データ２４６ｂとのサンプル数である。文字上の水平線は平均を示している。
【０１１６】
上記定義の相関係数は−１〜１の値であり、絶対値が１に近いほど相関が強い。相関が強い変数を２種以上組み込むと、精度良く良否判定を実施可能な判別関数にならない。そこで、本実施形態においては、あるパラメータにおいて他の複数のパラメータと比較して０．９以上の相関係数が多いパラメータから順に削除する処理を行っている。具体的には図１７に示すステップＳ３００〜Ｓ３６０にて処理を行っている。ステップＳ３００では、上記良否判定結果データ４４６ｃからその良否を把握しつつ、各パラメータ値データ４４６ｂに基づいて上記式（１）を計算し、良カテゴリーと否カテゴリーとのそれぞれについて相関係数を算出して相関係数行列を作成する。カテゴリーが細分化されているときには細分化されているカテゴリー毎に相関係数行列を作成する。
【０１１７】
図１８の上部には良カテゴリーの相関係数行列を示している。同図に示すように相関係数行列の各要素は番号ｉｊにて指定され、上記式（１）の定義式より対角成分は”１”である。ステップＳ３１０においては、相関係数が”０．９”以上になっているパラメータの数Ｎを集計する。図１８の中段と下段には良カテゴリーと否カテゴリーとのそれぞれにおいて相関係数が”０．９”以上になるパラメータの数Ｎを集計する様子を示している。
【０１１８】
同図においては、簡単のためパラメータの総数を８個としているが実際にはより多数のパラメータについて同様の処理を実施する。また、同図において格子の一マスは相関係数行列の一成分に該当し、例えば、良カテゴリーの相関係数ｒ12は中段の左から２つ目，上から１つ目の格子に該当する。（ここでｒ12は０．９より小さいとする。）図において、相関係数が”０．９”以上になるものは格子上に丸で示しており、相関係数が”０．９”以上になるパラメータの数Ｎは図において縦方向に丸の数と１の数を集計した値になる。図においては、良カテゴリーについて良計Ｎ、否カテゴリーについて否計Ｎとして示している。
【０１１９】
相関係数が”０．９”以上になるものが多いパラメータを削除するにしても、本実施形態は判別分析により最終的に良カテゴリーと否カテゴリーとを良く分離する判別関数を算出する必要があり、良カテゴリーと否カテゴリーとで異なるパラメータで判別関数を規定しても意味がない。そこで、ステップＳ３２０においては良カテゴリーと否カテゴリーそれぞれのパラメータの数、すなわち、良計Ｎと否計Ｎとを足し合わせ、新たにＮ’とし、最大値Ｎ’ｍａｘを与えるパラメータを削除する。
【０１２０】
このとき、ステップＳ３３０にてＮ’ｍａｘの値が２であるか否かを判別する。すなわち、上記相関係数の対角成分は常に”１”であることから、対角成分以外の総ての相関係数が０．９より小さい場合には、良計Ｎと否計Ｎとを足し合わせたときにＮ’ｍａｘの値が２になり、これ以上パラメータを削除する必要がない。そこで、ステップＳ３３０にてＮ’ｍａｘの値が２であると判別されたときには、ステップＳ３７０以降の処理を行う。ステップＳ３３０にてＮ’ｍａｘの値が２であると判別されないときには、ステップＳ３４０にてＮ’ｍａｘを与えるパラメータの個数が１つであるか否かを判別する。
【０１２１】
ステップＳ３４０にてＮ’ｍａｘを与えるパラメータの個数が１つであると判別されたときにはステップＳ３６０にてＮ’ｍａｘを与えるパラメータを削除する。ステップＳ３４０にてＮ’ｍａｘを与えるパラメータの個数が１つであると判別されないときにはステップＳ３５０にてＮ’ｍａｘを与えるパラメータのうち低優先度のものを削除する。すなわち、Ｎ’ｍａｘを与えるパラメータの個数が２以上である時に、いずれを削除するのかを決定する必要があり、本実施形態においては、予め各パラメータについて規定された優先度に基づいて削除対象を決定する。
【０１２２】
ここで、パラメータの優先度としては種々の規則に基づいて決定することができる。例えば、パラメータが示す形状の精度に基づいて決定することができる。上述のように共通の良否判定対象について２本以上の線を形成するように掃引を行った場合は、１本の線を形成するように掃引を行った場合よりデータとしての信頼性が高いので、前者の掃引により取得した形状データ１４６ｂから得られるパラメータの優先度を高くすると好ましい。また、１本の線を形成するように掃引を行った場合であっても、パラメータ算出時に使用されるコードの数やパラメータ算出式自体の差異によって、パラメータが規定する形状の精度として差が生じるので、これらを加味して優先度を決定しても良い。むろん、このように精度に基づいて優先度を決定する構成は一例であり、他の視点に基づいて優先度を決定しても良い。尚、上記数値は一例であり、むろん、相関係数の値を集計する閾値が０．９であることが必須ではないし、負の相関係数についてもその絶対値が大きいものを集計する処理を行って多重共線性を除去する構成を採用可能である。
【０１２３】
以上の処理によって、多重共線性を除去した後は、残りのパラメータの中からステップＳ３７０にて判別関数の変数として組み入れるパラメータを選択する。このパラメータの選択においては公知の手法、例えば、総当たり法，前進選択法，後退消去法，逐次法等を採用可能である。以上のようにして、判別関数の変数として採用すべきパラメータを選択すると、これらのパラメータを変数とした判別関数をステップＳ３８０にて算出する。判別関数は
Ｚ＝ａ1ｘ1＋ａ2ｘ2＋ａ3ｘ3＋・・・＋ａnｘn
で表現される。尚、ここで、ａiは係数，ｘiは各パラメータが代入される変数，ｎは選択されたパラメータの数である。
【０１２４】
判別関数は、当該Ｚについて上記良カテゴリーと否カテゴリーとの度数分布を作成した際に両者を最も分離するようなＺを与えるように上記係数が決定されることによって算出され、例えば、下記式（２）におけるの相関比η2を最大にする係数を決定して算出することができる。
【数２】
尚、上記式でｌは良カテゴリーあるいは否カテゴリーを識別する識別符号であり、ｎlはカテゴリー毎のサンプル数であり、上部に直線が付されたｘは総平均である。
【０１２５】
すなわち、相関比η2が最大になると全平方和ＳTと群間平方和ＳBの比が最大になる。この状態においては両カテゴリーの群間分散がなるべく大きく（各カテゴリーの平均がなるべく離れる）、各カテゴリーの分散がなるべく小さくなる。従って、判別関数に対する度数分布においては両カテゴリーが非常に良く分離する。尚、以上のような判別関数の算出は、現代数学社１９８３年５月１日初版発行、田中豊・脇本和昌著「多変量統計解析法」等に詳述されている。以上のような判別分析を行う手法としては、上記判別関数Ｚによる判別以外にも種々の手法を採用可能であり、マハラノビスの汎距離によって良否を判定する判別分析に本発明を適用しても良い。また、良カテゴリーと細分化された否カテゴリーとを同時に判別する多群の判別分析を利用しても良い。判別関数算出部４６０ｂが以上のようにして各係数ａiを算出すると、当該係数およびパラメータを示すデータを判別関数データ４４６ｄとして記憶部４４６に保存する。
【０１２６】
統計指標算出部４６０ｃは、上記判別関数に対する良カテゴリーと否カテゴリーとの度数分布において閾値を算出する際に利用される統計指標を算出し、閾値決定部４６０ｄは当該統計指標を利用して閾値を決定する。すなわち、従来の判別分析においては閾値を画一的にＺ＝０（両カテゴリーの中間点）としていたが、本発明においては、この閾値決定の際に統計指標を参酌している。具体的な処理は図１９に示すフローチャートに従う。
【０１２７】
同図において、ステップＳ４００では上記判別関数データ４４６ｄを取得し、ステップＳ４１０では判別関数に対する各カテゴリーのヒストグラムを作成する。すなわち、上記パラメータ値データ４４６ｂと良否判定結果データ４４６ｃとを取得し、判別関数データ４４６ｄの変数として規定されたパラメータに各パラメータ値を代入してＺの値を算出し、その良否に基づいて良否別に度数を計測してヒストグラムを作成する。このようにして作成されたヒストグラムは例えば図２０のようになる。すなわち、各カテゴリー毎の分布は概略正規分布になり、両者の裾がオーバーラップする。尚、実際の基板検査においては否カテゴリーの分布数が同図より大幅に少ないことが多い。
【０１２８】
ステップＳ４２０では、上記図２０のように作成されたヒストグラムにおいて各カテゴリー別に度数平均と標準偏差を算出する。同図において判別関数Ｚ＝０が両カテゴリーの度数平均の中心に位置しており、否カテゴリーの度数平均を”Ａｖｅ”、良カテゴリーの度数平均を”−Ａｖｅ”と示している。また、否カテゴリーの標準偏差をσn、良カテゴリーの標準偏差をσoとして示している。
【０１２９】
ステップＳ４２０にて度数平均および標準偏差を算出すると、ステップＳ４３０にて入力部４２０での流出率入力を受け付ける。すなわち、多変量統計解析装置４００においては入力部４２０によって流出率を入力できるようになっており、この流出率に基づいて閾値を決定する。すなわち、流出率は良否判定対象が不良であるにもかかわらず良判定してしまうことによって、不良品が検出されることなく流出する確率であり、否カテゴリーの標準偏差σnによって算出することができる。
【０１３０】
標準偏差σnによれば正規分布において、変数が度数平均と標準偏差との間に含まれる確率あるいは変数が標準偏差より外側の裾部分に含まれる確率を容易に特定することができ、標準偏差を定数倍することによって、入力された流出率にすることができる。例えば、図２０に示す４σnであれば否カテゴリーの度数分布のうち、全体の０．０００３１が流出することになる。尚、ステップＳ４３０においては、流出率自体の入力を受け付けても良いし、標準偏差に対して乗じる係数の入力を受け付けても良いし、図１４に示すように予め保存された流出率データ４４６ｅ（あるいは標準偏差データ）に基づいて流出率を特定しても良い。
【０１３１】
いずれにしても、ステップＳ４３０にて流出率を受け付けてその値を特定すると、ステップＳ４４０においては当該流出率を与えるような閾値Ｔを仮決定する。図２０に示す例では、Ｔ＝Ａｖｅ−４σnにて閾値Ｔを仮決定している。本実施形態においては、流出率の管理に加えて見過ぎ率の管理をも実施しており、この意味でステップＳ４４０の閾値Ｔは仮決定された値である。見過ぎ率は良否判定対象が良品であるにもかかわらず不良判定がなされることによって、いわば過剰に閾値を厳しくしている状況（見過ぎ）が発生する確率であり、良カテゴリーの標準偏差σoによって算出することができる。
【０１３２】
本実施形態においては、ステップＳ４５０にて見過ぎ率データ４４６ｆを取得し、（Ｔ＋Ａｖｅ）／σoが９より大きいか否かを判別して、上記仮決定された閾値Ｔが良カテゴリーの度数平均からその標準偏差σoの９倍より遠いか否かを判別する。同ステップＳ４５０にて（Ｔ＋Ａｖｅ）／σoが９より大きいと判別されたときには上記仮決定された閾値Ｔが流出率と見過ぎ率との双方から十分な値であるとして、閾値Ｔを閾値データ４４６ｇとして記憶部４４６に保存する。ステップＳ４５０にて（Ｔ＋Ａｖｅ）／σoが９より大きいと判別されないときには、見過ぎ率が高いとしてパラメータの再決定を実施する。
【０１３３】
すなわち、良否判定対象の形状について良否を適正に判定できるパラメータが得られてなかったとしてパラメータ自体を再検討し、再決定する。この再決定を行うことによって、十分な流出率および見過ぎ率を確保できない状態で良否判定装置の運用を開始してしまうことを防止することができ、運用開始から高性能の判定を実施できるような装置を提供することができる。また、ノウハウの蓄積をしなくても高性能で装置の運用を開始することができる。尚、本実施形態では見過ぎ率データ４４６ｆを予め記憶部４４６に保存していたが、むろん、入力部４２０を介してこの見過ぎ率を特定するための値を入力させる構成等を採用可能である。
【０１３４】
以上のようにして閾値Ｔを決定すると、上記レーザー検査装置１００において当該閾値Ｔを特定する閾値データ４４６ｇを取得することによって所望の流出率および見過ぎ率になるように良否判定を行うことができる。尚、上記例ではモード分類部４６０ａ〜閾値決定部４６０ｄの処理において、良カテゴリーと否カテゴリーとの２つのカテゴリーで良否判定を行っていたが、むろん、否カテゴリーをより細分化して「浮き」「はんだ少」等の原因別にカテゴリーを作成しても良い。この場合、原因別の良否判定を行うことが好ましく、判別関数算出部４６０ｂ〜閾値決定部４６０ｄにおいて良カテゴリーと原因別の細分化カテゴリーとについて解析を行って閾値を決定する。
【０１３５】
（６）他の実施形態：
本発明においては、良カテゴリーあるいは否カテゴリーの少なくとも一方において特定の分布確率となる変数値を閾値にすることによって、流出率や見過ぎ率を所望の値に制御することができれば良く、種々の構成が採用可能である。むろん、上述の製品データや良否判定結果データ，流出率データ，見過ぎ率データ等を予め特定して保存しておくことにより、自動で閾値を決定し、また良否判定を実施する装置を提供することが可能である。
【０１３６】
さらに、各装置において種々の工夫を採用することができる。例えば、基板上には複数の実装部品が並設されるのが通常であり、ある実装部品の接点近傍に他の実装部品の接点が存在する場合、両接点間での対向反射に起因して形状データを正しく検出できない場合もある。図２１はこの対向反射が発生する際の例を示している。実装部品１３２ｂと実装部品１３２ｃとは基板上に並べらており、その接点１３２ｂ１，１３２ｃ１とはんだ１３２ｂ２，１３２ｃ２とが互いに対向している。
【０１３７】
レーザー検査装置１００において、はんだ１３２ｂ２に対してレーザー光を照射し、当該はんだ１３２ｂ２の上面中央でレーザー光が実装部品１３２ｃ方向に反射した場合、はんだ１３２ｃ２の上面でレーザー光がさらに反射して上方に向けて進行する場合がある。この上方に進行するレーザー光が上記受光ボックス１１０内の各センサのいずれかに達した場合には、対向反射が発生しないときと発生したときで形状データ１４６ｂが異なってしまう。
【０１３８】
本発明においてこの対向反射に対する対策を実施しても良い。例えば、対向反射が発生する接点と対向反射が発生しない接点とで異なる判定基準（異なるパラメータや異なる閾値）を採用することができる。本発明においては、上述のように運用開始前にある程度の数の良否判定結果データ２４６ｂを蓄積しておく必要があるが、上記図２１に示すような対向反射が発生する部位や数は限られており、限られた部位や数について事前に多数の良否判定を行ってサンプルを取得したり、人為的にサンプルを作成したりするのは非効率的である。
【０１３９】
そこで、対向反射が発生しない箇所と同様の形状データ１４６ｂおよびパラメータを蓄積しつつも、対向反射発生個所と非発生個所とでは上記ステップＳ３００〜Ｓ３７０でのパラメータ削除／選択基準を変更することによって結果として異なるパラメータによる異なる判定基準とすることができる。その手法のより具体的な例としては、対向反射によって影響を受けることが想定される上記コード値を多く使って生成されるパラメータについては上記ステップＳ３５０にて考慮する優先度を低くする例が挙げられる。また、当該パラメータ自体を削除しても良い。かかる処理により、対向反射の有無によって全く異なるパラメータを最初から作成するような作業が不要になり、簡単に異なる判定基準を作成することが可能になる。
【０１４０】
また、上記多変量統計解析においては、各カテゴリーの度数分布が正規分布に従うとして統計指標による閾値決定を行っている。従って、この度数分布と正規分布とが類似していないと統計指標が適切に算出されないおそれがあり、この対策をしても良い。例えば、正規分布と比較して度数分布に歪みや尖りが発生しているか否かを各変数について実際の度数と正規分布での値との相対値で表現し、相対値が所定値を超える場合に度数をｌｏｇ変換等により変換して基準相対値以内に収まるようにする構成を採用可能である。
【０１４１】
さらに、上記実施形態においては多変量統計解析として判別分析を採用していたが、本発明においては、良カテゴリーと否カテゴリーとについての度数分布を分離させる変数とその統計指標とが取得できればよいので、判別分析が好ましいものの必須ではない。例えば、重回帰分析を利用することができる。すなわち、重回帰分析において上記各パラメータが代入される説明変数の線形結合によって、良判定あるいは否判定の結果を目的変数とした重回帰式を算出する。そして、重回帰式の目的変数のヒストグラムを作成し、当該ヒストグラムにおいて上記特定の分布確率となる変数値を算出し、閾値とすればよい。むろん、他の解析手法を採用することも可能である。
【０１４２】
さらに、上記実施形態においては、レーザー検査装置１００に良否判定装置を適用して実装部品のはんだ形状から実装部品装着の良否を判定していたが、むろん良否判定対象はこれに限らず種々のものを採用可能である。例えば、形状データ１４６ｂを取得するための手段は上記照射レーザー光の反射光を検出するセンサに限られない。照射電磁波をＸ線に置換し、センサをＸ線ディテクタに置換すれば、同様の検査装置を提供することができ、同様の多変量解析によって高性能の良否判定装置を提供することができる。むろん、形状データを取得するために反射光の方向を検出することが必須になるわけではなく、透過光でも良いし、光の方向ではなく強度を検出しても良い。
【０１４３】
可視光や赤外線等を利用しても良いし、画像を撮像するとともに当該画像の画像データを種々の変換式にて複数のパラメータに変換して本発明にかかる多変量解析によって高性能の良否判定を行っても良い。撮像対象としては、実装部品に付された極性マークや人間の顔や道路の模様などパターン認識対象等を採用可能である。前者の例としては、ダイオードのように電気特性に方向性がある素子に付された極性マークが挙げられる。
【０１４４】
極性マークによれば実装部品の方向の良否を判定することができるので、上記撮像した画像データに基づいて、良方向のマークとの一致度や否方向のマークとの一致度をパラメータとし、各パラメータ値における良否判定結果を登録すれば、本発明による良否判定を実施することが可能になる。パターン認識等においても特定のパターンとの一致度や特定の形状，画像のエッジ位置等を表すパラメータを決定し、認識結果の良否とともに登録することによって本発明による良否判定を実施することが可能になる。
【０１４５】
上述の実施形態においては、良否判定対象についてレーザー光を照射するとともにその反射光を利用して形状データおよび複数のパラメータを作成していた。すなわち、良否判定対象について直接的に観測して得られるデータを利用して良否判定を行っていた。しかし、観測データによって間接的に推測可能な現象についての良否を判定する装置にすることも可能である。
【０１４６】
例えば、上述のように基板に対して複数の実装部品を実装する前のはんだ印刷の良否を判定する装置を形成することができ、この場合、部品実装前のはんだの印刷状態をレーザー光の照射およびその反射光の検出等によって計測し、この印刷状態のデータから上記複数のパラメータを算出する。良否判定結果としては部品実装の良否を採用するとともに上記各パラメータの組を対応づける。これらのパラメータおよび良否判定結果によって上記多変量統計解析を行えば、上記と同様にして閾値を特定することができ、当該閾値によって意図通りの流出率および見過ぎ率になるようにしつつ良否判定を行うことができる。
【０１４７】
以上説明したように、本発明においては良否判定要因となる複数のパラメータとその良否判定結果とを用いて判別関数を算出する。判別関数においては良カテゴリーと否カテゴリーとについてのヒストグラムを生成し、各カテゴリーにおける標準偏差に基づいて意図通りの流出率および見過ぎ率になるように閾値を決定する。この閾値に基づいて良否判定対象の良否を判定することによって、流出率や見過ぎ率を意図通りに制御することができ、ノウハウの蓄積によらないで高性能な良否判定を実現することができる。
【図面の簡単な説明】
【図１】良否判定装置を構成するシステムの概略ハードウェア構成を示す図である。
【図２】レーザー検査装置における概略フローチャートである。
【図３】レーザー検査装置の概略構成を示す図である。
【図４】センサの配置関係を示す図である。
【図５】生成されるコードを説明する説明図である。
【図６】良否判定プログラムの機能ブロック図である。
【図７】実装部品についての「良」状態と「不良」状態とを説明する説明図である。
【図８】パラメータの一例を説明する説明図である。
【図９】通信制御プログラムの機能ブロック図である。
【図１０】製品データベースに蓄積される製品データの例を示す図である。
【図１１】レーザーの照射対象位置を特定する様子を示す図である。
【図１２】目視入力プログラムの機能ブロック図である。
【図１３】基板平面のイメージ表示例を示す図である。
【図１４】多変量解析プログラムの機能ブロック図である。
【図１５】モード分類処理のフローチャートである。
【図１６】ヒストグラムの例を示す図である。
【図１７】判別関数算出処理のフローチャートである。
【図１８】良カテゴリーの相関係数行列を示す図である。
【図１９】閾値決定処理のフローチャートである。
【図２０】ヒストグラムの例を示す図である。
【図２１】対向反射が発生する際の例を示す図である。
【図２２】基板に対して各種部品をはんだ付けする際の各種状態例を説明する説明図である。
【符号の説明】
１００…レーザー検査装置
１１０…受光ボックス
１１２…トップセンサ
１１４…アップセンサ
１１６…サイドセンサ
１１８…ハーフミラー
１２０…アンプ
１２２…コード生成部
１２３…レンズ
１２４…ガルバノメータ
１２６…レーザー発振器
１２８…ガルバノメータ制御部
１３０…Ｘ−Ｙステージ
１３２…実装部品
１３２ａ…接点
１３２ｂ…実装部品
１３３…はんだ
１３５…Ｘ−Ｙステージ制御部
１４２…表示部
１４６…記憶部
１４６ａ…ラベルデータ
１４６ｂ…形状データ
１６０…良否判定プログラム
１６２…ラベル読取部
１６４…形状測定部
１６６…良否判定部
１６６ａ…パラメータ算出部
１６６ｂ…閾値判定部
２００…データ蓄積装置
２４６…記憶部
２４６ａ…製品データベース
２４６ｂ…良否判定結果データ
２６０…通信制御プログラム
３００…目視入力装置
３１０…表示部
３２０…入力部
３４６…記憶部
３４６ａ…ラベルデータ
３６０…目視入力プログラム
３６１…ラベル読取部
３６２…判定結果取得部
３６３…表示制御部
３６４…入力受付部
３６５…目視判定情報送信部
４００…多変量統計解析装置
４２０…入力部
４４６…記憶部
４４６ａ…目視判定データ
４４６ｂ…パラメータ値データ
４４６ｃ…良否判定結果データ
４４６ｄ…判別関数データ
４４６ｅ…流出率データ
４４６ｆ…見過ぎ率データ
４４６ｇ…閾値データ
４６０…多変量解析プログラム
４６０ａ…モード分類部
４６０ｂ…判別関数算出部
４６０ｃ…統計指標算出部
４６０ｄ…閾値決定部
【発明の属する技術分野】
本発明は、良否判定装置、良否判定プログラムおよび良否判定方法に関する。
【０００２】
【従来の技術】
各種製品の製造工場において製品出荷前の良否チェックが行われるのが通常である。良否チェックの項目としては種々のものが存在するが、良否を人間の目視に頼ると高速かつ大量にチェックを行うのが困難になるとともにコストが増大してしまう。特に、チェック項目が膨大であると目視による良否チェックの運用が実質的に不可能になる。そこで、各種製品に対して自動で良否チェックを行う種々の良否判定装置が提供されている。
【０００３】
良否判定を自動化するに際しては、一般に良否判定装置においていかなる製品状態を良状態あるいは否状態とするのか、客観的基準に基づいて明確に規定して装置として組み上げるのが非常に困難である。また、装置組み上げ時に人間の主観によって良否判定規則を特定したとしても、その規則があらゆる状態について汎用的に適用でき、良否判定装置が使用に堪えることはまれである。実装部品のはんだ付け状態の検査等のように多種多様な製品状態があり得る検査対象に対しての良否判定は特に困難である。
【０００４】
図２２は、基板に対して各種部品をはんだ付けする際の各種状態例を説明する説明図であり、各種部品を基板側面から眺めた状態を示している。同図最上段では抵抗素子１を基板に対してはんだ付けする際の良好なはんだ状態を左側、接点が浮いている状態を右側に示している。左側の良状態では、はんだ１ａが上面に対して凹面を形成しており、右側の浮き状態では、はんだ１ｂが上面に対して凸面を形成している。これら良状態と浮き状態とを比較すると、少なくともはんだの端部１ｃ，１ｄにおいて双方のはんだの形状が異なり、この形状の差異を特徴づけるに十分なデータを収集するとともにこの形状の差異を特徴づける良否判定規則を特定する必要がある。
【０００５】
また、図２２の中上段には抵抗素子１を基板に対してはんだ付けする際の良好なはんだ状態を左側、はんだが無い状態を右側に示している。これら良状態とはんだ無し状態とを比較すると、はんだの中央位置１ｅにおいて双方のはんだ形状やその量が明らかに異なる。さらに、図２２の中下段には抵抗素子１および抵抗素子１と大きさの異なる抵抗素子２を基板に対してはんだ付けした状態を示している。この図においては双方とも良好にはんだ付けがなされた状態を示しているが、抵抗素子１，２の大きさが異なるため、はんだの量およびその上面の傾斜が異なる。同図においては、抵抗素子２のはんだ２ａの方がはんだ上面が急峻である。
【０００６】
さらに、図２２の最下段には形状の異なる実装部品３，４を基板に対してはんだ付けした状態を示している。ここでも双方が良好にはんだ付けされた状態を示しているが、実装部品３，４の形状が異なるため、はんだの量やその上面の角度が異なる。以上のように、はんだの良否および部品の形状によってはんだの形状や量が異なるし、実際のはんだにおいては、同じ現象、例えば同じ浮きにおいてもはんだ形状は様々であり、良否判定装置を運用するに際してこれらはんだの形状の差異を特徴づけるに十分なデータを収集するとともにこのデータに基づいて形状の差異を明確にして確実に良否を判定する良否判定規則を特定する必要がある。
【０００７】
すなわち、上述の各状態それぞれにおいて、異なる箇所のデータ収集と当該異なる箇所についての良否判定規則の特定が必要になる。図２２のようなはんだ付けにおいては、はんだの良否を特定し得る特徴的な形状は数百箇所（例えば２００箇所）想定され、これらの中から不良の種類および部品の種類に応じて的確に良否を判定可能な特徴を抽出する必要がある。しかし、このような膨大な数の特徴形状から適切なもののみを抽出して良否判定規則を特定するのは実際問題として不可能である。通常、基板上には膨大な数の部品が実装されており、そのはんだ付け箇所について数百の特徴が存在するときに人為的に適切な特徴形状を抽出するのは実質上不可能になるからである。
【０００８】
そこで、従来、統計的処理を行って人間の主観をなるべく排除した良否判定装置が提供されており、例えば、判別分析を利用して膨大な数の特徴形状から良否判定に適切な特徴形状を選定して判定を行う良否判定装置が提供されている。判別分析の適用例としては良否判定装置から得られた所定の測定データを多数の良否判定パラメータ（特徴形状を表現し得るパラメータ）に変換し、これらパラメータに対するヒストグラムを良カテゴリーと否カテゴリーに分けて生成する。そして、新たな変数Ｚを規定する判別関数を算出し、当該変数Ｚが”０”であるか否かを閾値にして良否を判定する。尚、変数Ｚは当該変数Ｚに対して良カテゴリーと否カテゴリーの度数分布を形成したときに、両カテゴリーの分布をなるべく分離できるようにして決定される変数であり、上記良否判定パラメータの線形結合である。
【０００９】
【発明が解決しようとする課題】
上述した従来の良否判定装置において、上記変数Ｚ＝０での閾値判別を行ったとしても必ずしも高性能の良否判定にならず、人間の目視や実際の運用によってノウハウを蓄積し、上記パラメータの選び方等、非常に微妙な調整を繰り返して良否判定の高性能化をしなければならなかった。すなわち、良否判定の性能としては、不合格品を良判定することによって不合格品を流出させてしまう流出率ができるだけ少なく、また、合格品を否判定することによって合格品を不合格としてしまう見過ぎ率ができるだけ少ないことが要求されるが、上述の従来例ではこの意味での高性能化が非常に困難であった。
【００１０】
上述のようなはんだの良否判定を例にすると、判別分析で浮きやはんだ無し等の各種特徴形状に対応したパラメータを選定し、上記変数がＺ＝０より大きいか否かで良否判定を行うことになる。この判別分析において、Ｚ＝０は良カテゴリーの平均値と否カテゴリーの平均値との中間点であるから、このＺ＝０による閾値判別では流出率あるいは見過ぎ率と無関係に閾値が決定され、所望の流出率あるいは見過ぎ率になるよう事前に調整することができない。所望の流出率あるいは見過ぎ率になっているか否かを判断するためには、一旦良否判定を行って良判定されたはんだに不良品が存在するか否かを検証し、不良判定されたはんだに良品が存在するか否かを検証する必要がある。
【００１１】
さらに、所望の流出率あるいは見過ぎ率になっていない場合には、上記パラメータの選び方を変更することにより、判別関数自体を変更し、再度良否判定を行って上述の検証を繰り返す必要がある。すなわち、従来の良否判定装置の性能を向上するためには、非常に膨大な回数の良否判定の繰り返しが必要であるとともに試行錯誤によってノウハウを蓄積して適切なパラメータを選定する必要があった。従って、従来の良否判定装置では実際に膨大な回数の良否判定を行わないと、判定性能を向上することができなかった。
本発明は、上記課題にかんがみてなされたもので、流出率や見過ぎ率を意図通りに制御することができ、ノウハウの蓄積によらないで高性能な良否判定を実現することが可能な良否判定装置、良否判定プログラムおよび良否判定方法の提供を目的とする。
【００１２】
【課題を解決するための手段】
上記目的を達成するため、請求項１にかかる発明では、複数のパラメータ情報と良否判定結果情報から多変量統計解析によって良カテゴリーと否カテゴリーとの度数分布を分離させる変数を与える判別関数を算出する。さらに当該変数のいずれかの値を良否判定の閾値にするにあたり、上記カテゴリーの度数分布に関する統計指標によって良否いずれかのカテゴリーで特定の分布確率になるように閾値を決定する。そして、個別の良否判定対象について、当該良否判定対象の複数のパラメータ情報を判別関数に代入し、その値と閾値とを比較することによって良否判定を行う。
【００１３】
ここで、否カテゴリーにおいて特定の確率分布となる変数値を閾値とすることにより、否カテゴリー内に含まれる良否判定対象のうち特定の確率の対象のみを良判定にすることができる。すなわち、「不良」であるにもかかわらず「良」であると判定して「不良」が流出する確率（流出率）を意図通りの値に収束させることができる。また、良カテゴリーにおいて特定の確率分布となる変数値を閾値とすることにより、良カテゴリー内に含まれる良否判定対象のうち特定の確率の対象のみを否判定にすることができる。すなわち、「良」であるにもかかわらず「不良」であると判定してしまう確率（見過ぎ率）を意図通りの値に収束させることができる。
【００１４】
上述の従来例においては、判別関数によって規定される変数の値”０”と個別の良否判定対象での変数値とを比較して良否判定を行っていたが、この変数の値”０”は誤判定の数が最小となる値である。この値を閾値にすると誤判定率は少なくなるかもしれないが、実際の良否判定装置の性能として最も重要なことは「不良」の流出をいかにして抑えるかである。その理由は、良否判定装置の本来の目的が製品検査等での不合格品検出等である場合が多いからである。従って、本発明のように閾値をカテゴリーの確率分布から決定することによって、非常に高性能な良否判定装置を提供することができる。
【００１５】
また、良否判定装置の性能として見過ぎ率を少なくすることが重要である場合にも、上記良カテゴリーにおいて特定の確率分布となる変数値を閾値とすることによって非常に高性能の良否判定装置を提供することができる。さらに、確率分布に基づく閾値であれば、所望の確率分布にならないときにパラメータ情報の設定を再考することができるが、従来例であるとその段階で流出率あるいは見過ぎ率を把握することができず、これらを把握できるのは実際の運用を開始した後である。
【００１６】
従って、従来の良否判定装置において性能向上を図るにはノウハウを蓄積するしかないが、本発明では確率分布を考慮することによって、上記流出率および見過ぎ率を意図通りに制御できるようになるまで上記パラメータ情報の設定等を再考することができ、良否判定装置の運用当初から所望の性能を得ることができる。運用による性能向上を必須とするか否かは良否判定装置の価値として非常に重要な要素であるとともに、実際の運用においての作業煩雑性，コストにも甚大な影響を与え、この意味からも本発明における構成は良否判定装置の価値を非常に高めるものである。
【００１７】
さらに、上記パラメータ情報や良否判定結果情報とによる多変量統計解析を行うとともに統計指標から閾値を決定しているので、予め用意されたこれらの情報が取得できれば自動で閾値を決定することができる。従って、個別の良否判定対象についてのパラメータ情報を取得することができれば、良否判定を自動化することができ、良否判定対象について上記複数のパラメータ情報を取得するための検査装置等に良否判定装置を適用することによって、自動判定を実施可能な検査装置等を提供することができる。
【００１８】
ここで、複数のパラメータ情報は良否判定要因を形成すれば良く、本発明においては多変量統計解析によって判別関数を算出しているので、判別関数を算出する際に適宜必要なパラメータを選択することも可能である。従って、パラメータ情報としては、多種多様なパラメータを採用することができ、非常に多くのパラメータ（例えば２００個）を採用することによって多種多様な視点から良否を判断することが可能になるとともに、パラメータ選択に人間の主観が入り込む余地を少なくすることができる。すなわち、適切なパラメータであるか否かの詳細な検証をすることなくパラメータとして採用しておき、多変量統計解析によって適切なパラメータを選別することによって、人間の主観を排除し、客観的な判断が可能になる。
【００１９】
パラメータ情報としては個別の良否判定対象から得られる情報であり、ある種の検査装置に良否判定装置を適用する場合には、当該検査装置の検査データから生成すればよい。むろん、検査データは一つのデータであっても良いし、検査装置において複数の観点でデータを収集して上記複数のパラメータ情報を生成しても良いし、複数の検査装置から得られた複数のデータを利用してパラメータ情報を生成しても良い。また、検査装置以外にも画像認識、例えば、画像中に現れるパターンが特定のパターンに合致しているか否かを判定するに当たり、判定対象の画像データから複数のパラメータ情報を取得しても良い。
【００２０】
上記良否判定結果情報は、上記複数のパラメータのそれぞれに具体的な値を与えたときにその良否判定結果が「良」であるか「不良」であるかを示す情報であり、運用初期に予め複数の良否判定対象について判定を行った結果取得される情報であるが、運用とともに追加取得することもできる。また、上記良カテゴリーと否カテゴリーは上記良否判定結果情報によって規定されるカテゴリーであり、少なくとも「良」と「否」のカテゴリー分類が必要であるが、より細分化しても良い。例えば、否カテゴリーについて「不良」の原因別にサブカテゴリーを作成し、上記複数のパラメータに具体的な値を与えたときにいずれのサブカテゴリーに属するかを良否判定結果として記憶しても良い。むろん、良カテゴリーについてサブカテゴリーを作成することも可能である。
【００２１】
判別関数は、上記変数に対して度数分布を考えたときに良カテゴリーと否カテゴリーの度数分布を分離させる関数であるが、これらの分布は統計的な分布であるため、両者が完全に分離されることが必要になるわけではなく、分布の裾が重複するとしてもその分布がなるべく分離する（例えば、カテゴリー間の分散／全分散が最大になる状態）ようにすればよい。尚、この変数は上記複数のパラメータの関数（例えば、線形結合）である。また、多変量統計解析の手法としては、判別分析や重回帰分析等を採用可能である。
【００２２】
統計指標算出手段では、上記カテゴリーの度数平均と分布の広がりを示す指標とを算出することができればよい。分布の広がりを示す指標としては種々の指標が採用可能であり、例えば、標準偏差や分散を採用可能であるが、むろん、各指標を算出するに当たり全サンプル数での除算を省いて考えるなど種々の工夫を採用可能である。全サンプル数での除算を省いても各カテゴリーの分布の広がりを示す指標であることに相違ないからである。閾値決定手段としては、上記カテゴリーの分布において特定の分布確率となる変数値を閾値とすることができれば良く、予め決められた分布確率になるように閾値を決定しても良いし、利用者所望の値を入力可能に構成して当該入力された特定の分布確率になるように閾値を決定しても良い。
【００２３】
パラメータ情報取得手段は、個別の良否判定対象について上記複数のパラメータ情報を取得することができれば良く、例えば、上記検査装置に対して本発明にかかる良否判定装置を適用する際には、当該検査装置によって個別の良否判定対象を検査して得られる検査データから複数のパラメータ情報を生成すればよいし、他の機器に対して本発明にかかる良否判定装置を適用する場合に、個別の良否判定対象特有のデータから複数のパラメータ情報を取得すればよい。このようにして個別の良否判定対象について複数のパラメータ情報が得られれば、これらパラメータの関数である上記判別関数に各パラメータ値を代入することによって上記変数と同じ次元の値を得ることができ、当該変数の次元で規定された閾値と比較することで良否を判定することができる。
【００２４】
また、請求項２にかかる発明では、上記統計指標として否カテゴリーの度数平均と標準偏差とを利用し、これらの統計指標から上記特定の分布確率となる閾値を決定するに当たり、否カテゴリーの度数平均からその標準偏差の定数倍に該当する変数値を閾値にする。すなわち、上記判別関数で規定される変数に対する分布を考えるとともに度数平均から標準偏差の定数倍離れた値を閾値とする。正規分布において標準偏差の各値は、その値より大きな変数値（あるいは小さな変数値）が発生する確率を示している。例えば、標準偏差をσとして３σ以上の変数値は全体を１とすると０．００１３の発生確率である。
【００２５】
そこで、否カテゴリーの分布が正規分布になると想定すれば、その度数平均から標準偏差の定数倍離れた値を閾値にすることにより当該閾値によって否カテゴリー内に含まれる良否判定対象がどれほどの確率で良判定されるのか、制御することができる。また、ここで否カテゴリーの度数平均および標準偏差に基づいて閾値を決定することにより、否カテゴリーに含まれる（不合格であることが予想される）良否判定対象について「良」であると判定して「不良」が流出する確率を制御することになり、上記「流出率」を意のままに管理することができるし、「流出率」を非常に確かな情報として予め知ることができる。むろん、良カテゴリーについて同様の制御をすることも可能である。すなわち、良カテゴリーの度数平均および標準偏差を算出し、当該度数平均から標準偏差の定数倍離れた値を閾値にすることにより、「見過ぎ率」を管理することができる。
【００２６】
さらに、請求項３に記載の発明のように両者を併用することも可能である。すなわち、否カテゴリーにおける度数平均とその標準偏差から意図通りの流出率になるように閾値を決定した場合、さらに、良カテゴリー側から見るとその閾値における「見過ぎ率」を判定することができる。この結果、「見過ぎ率」から見た場合に好ましい閾値であるか否かを判断することができ、「見過ぎ率」が意図した確率よりも多い場合には、上記判別関数算出手段における上記複数のパラメータ情報を再考したり、判別関数を再考するなどして、良否判定装置を実際に運用する前に意図通りの「流出率」および「見過ぎ率」になるまで良否判定装置の調整を行うことができる。従って、運用に際してノウハウを蓄積することが必須にはならず、良否判定装置の運用当初から非常に高性能の良否判定を実現することができる。
【００２７】
このように、ノウハウ蓄積が必須にならないと言っても運用に伴ってさらに良否判定性能を向上するには、運用時の良否判定結果をフィードバックすることが好ましい。その際に好適な構成の一例として請求項４に記載の発明を採用することができる。すなわち、複数のパラメータ情報は各良否判定対象の良否を判定するための判定要因になることが必要であり、この判定要因を客観的に特定するために検査装置による検査データを変換式にてパラメータに変換する。また、良否判定対象の良否を異なる多数の視点から判断するために、同じ検査データについて異なる複数の変換式によってパラメータに変換する。このパラメータおよび変換式は所定の記憶媒体に記憶される。
【００２８】
上記複数の変換式は、良否判定装置の運用前に予め多数用意しておく。この際に、各パラメータが良否判定に対して実際に大きく寄与するか否かは詳細に検討する必要がない。上記判別関数を決定する際に、多変量統計解析の各手法によって適切なパラメータを選択することができるからである。このように複数のパラメータおよび変換式を予め用意し、記憶媒体に記憶しておくことによって運用開始当初から高性能での良否判定を実現する構成において、上記検査装置で個別の良否判定対象について検査して得られる検査データを上記各変換式で変換して良否判定結果とともに追加記憶する。
【００２９】
本発明においては多変量統計解析を実行しており、上記良カテゴリーと否カテゴリーとの分布について統計的な解析を行うものである。従って、実際の運用に伴って新たなデータを逐次追加記憶することによって、統計精度が経時的に向上する。このように、データの追加記憶によって統計精度を経時的に向上する構成であれば、良否判定性能の向上に人間の主観が入る余地が無く、非常に効率的に統計精度を向上することができる。尚、検査装置においては、良否判定対象についての検査データが得られれば良く、その態様は限定されない。検査装置と良否判定装置とを別体の装置にて実現し、双方向通信を介して両者のデータを授受しても良いし、両者を単体の装置で形成しても良い。
【００３０】
良否判定装置の運用とともに判定性能を向上させる際の好適な構成例として、請求項５に記載の発明のように、人間による目視の良否判定結果を反映させる構成を採用することもできる。すなわち、目視による良否判定結果を入力させて当該判定結果とそのパラメータ情報をも追加記憶するとともに上記閾値による判定と目視による判定が異なる場合に目視による良否判定結果が正しい判定結果であるとする。すなわち、目視による判定結果は良否判定対象についての実際的かつ確実な判定結果であり、上記閾値による判定と目視による判定とが異なっている場合には閾値による判定が誤りであったことになる。
【００３１】
また、上記閾値によって良否判定を行ったとしても個別の良否判定対象について取得される上記複数のパラメータ情報は異なっており、これらのパラメータを上記判別関数に代入して得られる変数値は個別の良否判定対象で異なっている。この値から上記閾値によって結論づけられる良否判定結果は、上記分布確率に従った「確からしさ」での良否判定結果である。そこで、個別の良否判定対象についての正しい良否判定結果情報を目視で把握することにより、それぞれのパラメータによって判別関数から得られる変数値について確実に正しい良否判定情報を対応づけることができる。
【００３２】
従って、目視による良否判定結果をパラメータ情報に対応づけつつ追加記憶することによって、上記判別関数算出手段での判別関数算出時に統計精度をより向上することができる。良否判定結果情報を上記判別関数算出時に反映させる手法としては種々の手法が採用可能である。例えば、上記閾値による良否判定で「良判定」であったが、目視にて「不良」であることが判明した良否判定対象がある場合、上記閾値による良否判定は当該良否判定対象に関しては精度良く機能していなかったことになるが、目視結果が正しいことを逐次追加記憶し、追加記憶した良否判定結果情報に基づいて判別関数を算出すれば、追加記憶数の増加とともに統計精度が向上する。むろん、統計的に有意な母数の目視判定結果を蓄積してから新たな判別関数を算出しても良いし、上記閾値にて「否判定」であったが、目視では「良」であったものについても同様である。
【００３３】
さらに、良否判定対象の良否を生じさせる原因としては種々の原因が想定され、本発明において良否判定結果を良カテゴリーと否カテゴリーとに二分して判別関数を算出すると、総ての不良原因について包括的に精度良く良否判定を実施可能な判別関数を算出することができるが、原因別に判別関数を規定するとより高精度に良否判定を実施することができる。そこで、請求項６に記載した発明のように、目視によって良否判定の原因とその判定結果を入力するようにしても良い。これにより、原因別に細分化カテゴリー毎に当該細分化した良カテゴリーと否カテゴリーとを分離する判別関数を算出することができる。
【００３４】
判別関数を算出する際には、上記パラメータ情報を適宜選択しつつ良カテゴリーと否カテゴリーとを分離する変数を算出するが、以上のように原因別の判別関数を算出すると各細分化カテゴリー毎に最適な判別関数を算出することになる。すなわち、ある原因については良カテゴリーと否カテゴリーとを分離するに当たり好ましいパラメータ情報であるが、他の原因については良カテゴリーと否カテゴリーとを分離するに当たり好ましくないパラメータ情報であるといった状況において、的確に好ましいパラメータ情報を選択しつつ的確に良否カテゴリーを分離する判別関数を算出することが可能になる。この結果、あらゆる不良原因について精度良く良否判定を行うことができ、誤判定の確率を非常に小さい値に収束させることができる。
【００３５】
むろん、上述の細分化によって判定精度が非常に高くなるものの、本発明においては上述のように意図通りの流出率で運用を開始することができるので、たとえ細分化を行わなかったとしても運用開始当初から非常に高性能の良否判定装置を提供可能であることには相違ない。また、カテゴリーを細分化するために良否判定の原因およびその判定結果を入力する構成においても、複数の対象について入力を実施し、統計的に有意になる程度の母数を確保することが好ましい。尚、目視によって良否判定結果を入力する構成や良否判定の原因等を入力する構成において誤入力を行う確率は母数が増加するに従って増加する傾向にある。誤入力をした場合には、例えば良カテゴリーの分布内に「不良」判定の対象が散見されるようになる。このような入力をしてしまった場合に、良カテゴリーと否カテゴリーの度数分布を表示すれば、明らかに良カテゴリーとなるべきパラメータ値に対して否判定のデータが散見されることになる。この場合には、当該否判定のデータを上記判別関数算出手段での多変量統計解析に利用しないようにしたり、このデータ自体を上記記憶媒体から削除する等の構成が採用可能である。
【００３６】
本発明においては、適切なパラメータであるか否かの詳細な検証をすることなくパラメータとして採用しておき、多変量統計解析によって適切なパラメータを選別することによって、人間の主観を排除し、客観的な判断が可能になる。また、多変量統計解析を実施するに当たり、パラメータを選別する前処理として多重共線性を除去する必要がある。そこで、その手法の具体例として、請求項７に記載の発明では、相関係数に基づいて非使用パラメータを決定している。
【００３７】
すなわち、相関係数は、一方のパラメータ値が増加すると他方のパラメータ値も増加する傾向にあるなど、二つの変数相互の相関の強さを定量化した値であり、相関の強いパラメータを複数使用しても精度良く良否判定を実施可能な判別関数を算出できない場合がある。そこで、相関係数が一定値以上になるパラメータの数が多いものから除去することにしてある。但し、本発明においては少なくとも良カテゴリーと否カテゴリーとについてのヒストグラムを与えることのできる判別関数が必要であるから、両カテゴリーで共通のパラメータを残す必要がある。そこで、両カテゴリーについて相関係数が所定値以上になるパラメータの数を集計し、集計値の大きいものから非使用にして多重共線性を効果的に除去することとした。
【００３８】
また、多重共線性を除去する際に好適な例として請求項８に記載された発明のように、予め決められた優先度に従って低優先度のパラメータから非使用にするようにしても良い。尚、この構成は上記相関係数の大きいパラメータを集計する構成と併用して使用するのが好ましい。すなわち、上記集計値の大きいものから非使用にする構成において同一集計値になるパラメータが存在したときに優先度に従って非使用パラメータを決定する構成にすることができる。
【００３９】
さらに、本発明にかかる良否判定装置の具体的な適用例として請求項９に記載の発明を採用することも可能である。すなわち、良否判定対象を所定の電磁波で照射すれば良否判定対象の形状に対応した反射電磁波あるいは透過電磁波が発生するので、当該反射電磁波あるいは透過電磁波の検出値を示す電磁波データを生成すれば良否判定対象の形状に対応した電磁波データを得ることができる。従って、この反射電磁波データあるいは透過電磁波データを所定の変換式によって変換して良否判定対象の形状に対応した値を算出することができる。
【００４０】
この変換式は複数個考えることができ、形状に対応した複数の値によって良否判定対象を捉えることができる。従って、当該良否判定対象の形状に対応した値を上記複数のパラメータ情報にすることで良否判定対象の形状を良否判定要因とした良否判定装置を提供することができる。良否判定対象の形状を良否判定要因とする良否判定装置の具体例としては、基板上の実装部品の接点とはんだとの形状からはんだ付けの良否を判定する装置や部品実装前の基板に印刷するはんだペーストの形状から印刷の良否を判定する装置等、種々の適用例が挙げられる。
【００４１】
尚、後者においては、部品実装後のはんだ付けの良否を良カテゴリーと否カテゴリーとにする態様、すなわち、上記ペーストの形状自体の良否ではなく部品実装後のはんだ付けの良否を判定し、これによって間接的に上記ペーストの形状の良否を判定する構成にしても良い。すなわち、上記ペーストの形状が部品実装時のはんだ付け自体に大きな影響を与えるような場合に、当該はんだ付けの良否とペーストの良否とが密接に対応していることを利用して良否判定を行うことも可能である。本発明において、電磁波としては種々の波長を採用可能であって可視光、赤外線、Ｘ線等を採用可能であるし、その態様としても種々のものが採用可能である。電磁波の性質および良否判定対象の材質によって電磁波が反射され、また、透過するので、これら電磁波の性質および良否判定対象の材質によって適宜反射波や透過波を利用すればよい。
【００４２】
例えば、可視光や赤外線等を金属に照射した場合には反射光が得られるので、反射光を検出すればよいし、Ｘ線を金属に照射した場合には所定の透過率で透過Ｘ線を得ることができるので、透過Ｘ線を検出すればよい。むろん、反射Ｘ線を利用してもかまわない。電磁波の検出手法としても種々の方法が採用可能である。例えば、径を絞ったレーザーにて良否判定対象を線状あるいは面状に掃引し、特定位置に配設されたセンサにて反射光を検出しても良いし、良否判定対象の一方側からＸ線を照射し、反対側にて２次元的に配設されたＣＣＤセンサにて透過Ｘ線を検出しても良いし、可視光によって照明した良否判定対象をＣＣＤセンサによって撮像しても良い。良否判定対象の形状に対応した値としては種々の値を採用可能であり、反射電磁波の連続的な変化によって傾斜の変化具合を推定して高さを算出しても良いし、傾いた方向への反射の開始時点からはんだの長さを推定しても良い。むろん、他にも種々の形状を特徴づける値をパラメータ情報とすることができる。
【００４３】
さらに、照射電磁波の反射を検出して反射電磁波データを生成する装置に良否判定装置を適用する際に好適な構成例として請求項１０に記載の構成を採用し、多重反射による影響を排除するようにしても良い。すなわち、複数の良否判定対象が特定の狭い場所に配置されていると、特定の良否判定対象に到達した電磁波が反射によって他の良否判定対象に到達し、さらに当該他の良否判定対象での反射が電磁波検出手段に到達することが考えられる。このように２回以上の反射によって電磁波が電磁波検出手段に到達するような多重反射が生じた場合、上記反射電磁波データは多重反射が生じていないときと異なるデータになる。
【００４４】
このデータをそのまま利用すると統計精度が落ちるため、配置分析手段によって多重反射が発生しうる良否判定対象の配置を把握し、その良否判定対象において多重反射からの寄与が大きなパラメータを非使用あるいは低優先度にする。これによりそのパラメータからの影響を排除したり低減することができる。むろん、多重反射の発生個所と非発生個所とで異なる閾値を算出する構成を採用することは可能である。
【００４５】
本発明にかかる良否判定装置は単独で存在する場合もあるし、ある機器に組み込まれた状態で利用されることもあるなど、発明の思想としてはこれに限らず、各種の態様を含むものである。従って、ソフトウェアであったりハードウェアであったりするなど、適宜、変更可能である。発明の思想の具現化例として良否判定装置を制御するためのソフトウェアとなる場合には、かかるソフトウェアを記録した記録媒体上においても当然に存在し、利用されるし、当該ソフトウェア自体としても発明は成立する。このため、上記請求項１１にかかる発明は、上記請求項１に対応させた機能をコンピュータに実現させる構成としてある。むろん、請求項２〜請求項１０に対応させた機能をコンピュータに実現させる構成も実現可能であることは言うまでもない。
【００４６】
むろん、このプログラムの記録媒体は、磁気記録媒体であってもよいし光磁気記録媒体であってもよいし、今後開発されるいかなる記録媒体においても全く同様に考えることができる。また、一次複製品、二次複製品などの複製段階については全く問う余地無く同等である。上記媒体とは異なるが、供給方法として通信回線を利用して行なう場合であれば通信回線が伝送媒体となって本発明が利用されることになる。さらに、一部がソフトウェアであって、一部がハードウェアで実現されている場合においても発明の思想において全く異なるものではなく、一部を記録媒体上に記憶しておいて必要に応じて適宜読み込まれるような形態のものとしてあってもよい。
【００４７】
また、このような良否判定装置の制御においては各手段が所定の制御手順で処理を進めていく上で、その根底にはその手順に発明が存在するということは当然であり、方法としても適用可能である。このため、請求項１２にかかる発明は、上記請求項１に対応させた工程からなる構成としてある。むろん、請求項２〜請求項１０に対応させた工程からなる構成も実現可能であることは言うまでもない。
【００４８】
【発明の効果】
以上説明したように請求項１，請求項１１，請求項１２にかかる発明によれば、運用当初から非常に高性能であるとともにノウハウの蓄積を必須としない良否判定装置、良否判定プログラムおよび良否判定方法を提供することができる。
また、請求項２にかかる発明によれば、「流出率」を意のままに管理することができるし、「流出率」を非常に確かな情報として予め知ることができる。
さらに、請求項３にかかる発明によれば、良否判定装置を実際に運用する前に意図通りの「流出率」および「見過ぎ率」になるまで良否判定装置の調整を行うことができる。
さらに、請求項４にかかる発明によれば、効率的に統計精度を向上することができる。
さらに、請求項５にかかる発明によれば、効率的に統計精度を向上することができる。
【００４９】
さらに、請求項６にかかる発明によれば、良否を発生させる各原因別に適切なパラメータを使用することができる。
さらに、請求項７にかかる発明によれば、容易かつ適切に多重共線性を除去することができる。
さらに、請求項８にかかる発明によれば、容易に多重共線性を除去することができる。
さらに、請求項９にかかる発明によれば、電磁波を利用した検査装置に対して本発明にかかる良否判定装置を適用することができる。
さらに、請求項１０にかかる発明によれば、多重反射による影響を容易かつ効率的に排除することができる。
【００５０】
【発明の実施の形態】
ここでは、下記の順序に従って本発明の実施の形態について説明する。
（１）本発明の概略構成：
（２）レーザー検査装置の構成：
（３）データ蓄積装置の構成：
（４）目視入力装置の構成：
（５）多変量統計解析装置の構成：
（６）他の実施形態：
【００５１】
（１）本発明の概略構成：
図１は本発明にかかる良否判定装置を構成するシステムの概略図である。本システムはレーザー検査装置１００とデータ蓄積装置２００と目視入力装置３００と多変量統計解析装置４００とを備えており、それぞれがハブＨを介して通信回線にて接続されている。すなわち、各装置は通信回線を介して互いに双方向通信可能である。レーザー検査装置１００は、基板に貼り付けられたラベルを読みとることによって基板に実装される各部品の各接点を識別しつつ、当該接点付近にレーザーを照射する装置である。
【００５２】
本発明において、良否判定はレーザー検査装置１００にて実行され、その処理手順は概略図２に示すフローに従う。すなわち、ステップＳ１００にて上記基板に貼り付けられたラベルを読みとり、基板を特定するとともに後述する部品の実装位置や部品の種別等を特定する。すなわち、ラベルは基板の種類を特定する情報が記載されている。尚、本実施形態においては、基板の種類を特定するための情報に加えて基板の個体を特定するための情報（例えば、シリアルナンバー等）が記載されており、基板の個体を特定するための情報にて基板の個体を特定し、各個体別に良否判定結果を記録あるいは表示させることができる。
【００５３】
また、基板の特定手法は上述の態様に限られず、種々の態様を採用可能である。例えば、レーザー検査装置１００によって検査を行った後に既知のシリアルナンバー等を付したラベルを貼り付ける構成等を採用しても良い。各部品の各接点は、はんだによって基板に取り付けられており、照射されたレーザーは接点付近で反射する。レーザー検査装置１００はレーザーによって接点付近を掃引し、反射方向を認識しつつ反射光を検出可能であり、ステップＳ１１０ではこの掃引によって発生する反射光の検出値を形状データとして取得する。
【００５４】
形状データは各接点付近のはんだ形状によって異なるデータとなっており、ステップＳ１２０にてこの形状データを良否判定要因となる複数のパラメータに変換する。各パラメータについての多変量統計解析は予め上記多変量統計解析装置４００にて実施されており、この結果として良否を判断するための閾値が予め決定されている。本実施形態においてこの閾値は判別関数の次元で規定されており、また、判別関数は上記ステップＳ１２０にて算出したパラメータの関数である。良否判定はステップＳ１３０にて上記パラメータを判別関数に代入し算出した値と上記閾値とを比較することによって行われ、その結果は、レーザー検査装置１００に搭載されたディスプレイ上に表示され、利用者はこのディスプレイを視認することによって良否を知ることができる。むろん、良否は部品毎に表示することが可能であるし、一つの基板について一画面で表示することも可能であるし、「否」判定発生時のみに表示を行うようにしても良い。
【００５５】
本実施形態においては、統計精度を向上させるため、ステップＳ１３０にて良否判定を行った良否判定対象、すなわち、各部品の各接点についてのはんだ接続の良否判定結果情報およびそのパラメータ情報を対応づけつつ上記データ蓄積装置２００に蓄積するようになっている。また、データ蓄積装置２００には、本実施形態にかかる良否判定装置を運用する際に必要な各種データがデータベースとして登録されており、レーザー検査装置１００と目視入力装置３００と多変量統計解析装置４００から各種データを取得して蓄積可能であるとともに、適宜蓄積データを出力することが可能である。尚、本実施形態においては、上記パラメータ情報に対して上記形状データを対応づけつつ記憶している（図示せず）。そして、データ蓄積装置２００においてキーボード等の入力機器を操作して、ディスプレイ上に形状データを表示できるようにしてある。これにより、各形状データから算出された各パラメータがもっともらしい値になっているか否か等、事後的にチェックすることが可能である。
【００５６】
また、目視入力装置３００においては、自動の良否判定で誤りが生じていた場合にデータを訂正して統計精度を向上させるために、目視による良否判定結果を入力可能に構成されている。尚、これらのレーザー検査装置１００，データ蓄積装置２００，目視入力装置３００，多変量統計解析装置４００とに備えられたコンピュータは汎用的なコンピュータを利用することができ、詳細なハードウェアの説明は省略する。
【００５７】
さらに、本実施形態にかかるシステムは上述の各装置にて分散処理を行っているが、むろん、単体のコンピュータによって上記各装置を構成しても良いし、特定の２以上あるいは３以上のコンピュータが上記各装置を構成しても良い。本実施形態においては、以上の構成によって良否カテゴリーにおいて特定の分布確率を与えるような閾値を決定しており、これにより流出率や見過ぎ率を容易に管理可能であるとともにノウハウの蓄積が必須にはならないシステムを提供しており、以下各装置を詳細に説明する。
【００５８】
（２）レーザー検査装置の構成：
図３はレーザー検査装置１００の概略構成を示している。同図左側にはその光学系を模式的に示しており、右側には制御系を示している。レーザー検査装置１００は、レーザー発振器１２６を備えており、所定のレーザー光を発振出力することができる。ガルバノメータ１２４はその内部に２枚の角度可変ミラーを備えており、ガルバノメータ制御部１２８の制御によって当該角度可変ミラーの配向角を調整することができる。
【００５９】
すなわち、当該角度可変ミラーの配向角を調整することによってガルバノメータ１２４から出力するレーザー光の配向角を調整することができ、これによって後述する掃引を実現している。ガルバノメータ１２４から出力されるレーザー光はレンズ１２３によって集光された後、受光ボックス１１０に入射される。従って、受光ボックス１１０には細く絞った状態のレーザー光が入射され、この状態で掃引されるので、後述するセンサでははんだ１３３付近の微視的状態に対応したレーザー光を検出することができる。尚、掃引は後述するように接点側から部品本体方向に向けて行われ、その軌跡が１本の線を形成するが、高精度の掃引データが必要な部品等、種々の条件に応じて２本以上の線を形成するように掃引を行って、実質的に面の情報を取得しても良い。
【００６０】
受光ボックス１１０はレーザー光の適切な光学経路を形成し、反射光の有無をその方向とともに取得するための機器を備えている。受光ボックス１１０内の上部にはトップセンサ１１２が配設されており、その下方にアップセンサ１１４およびサイドセンサ１１６が配設されている。図４はこれらセンサの配置関係を示す図である。すなわち、アップセンサ１１４は中央に矩形の穴を形成しており、サイドセンサ１１６はアップセンサ１１４の下方四側面に形成されている。
【００６１】
トップセンサ１１２は矩形平板状であり、一方の面を下方に配向させつつ上記アップセンサ１１４の中央に形成された矩形の穴の上方に配設されている。また、トップセンサ１１２とアップセンサ１１４との間はレーザー光の光学経路になっており、平板状のハーフミラー１１８が配設されている。当該ハーフミラー１１８は、その平板面がトップセンサ１１２の下面に対して略４５°を形成するとともに上記レンズ１２３からのレーザー光を反射して下方に進行させる方向に配向されている。尚、受光ボックス１１０の下方は開口しており、レーザー光は受光ボックス１１０内から下方に進行することも可能であるし、下方から受光ボックス１１０内に進行することも可能である。
【００６２】
ハーフミラー１１８は受光ボックス１１０の下方から進行するレーザー光の一部を透過させることができ、透過されたレーザー光はトップセンサ１１２の方向に進行する。また、上記トップセンサ１１２とアップセンサ１１４とはその下面に照射されるレーザー光を検出することが可能であり、サイドセンサ１１６は互いに向かい合う面にてレーザー光を検出することが可能である。受光ボックス１１０の下方にはＸ−Ｙステージ１３０が配設されており、良否判定対象の接点を備えた部品が実装される基板を載置可能である。また、Ｘ−Ｙステージ１３０はＸ−Ｙステージ制御部１３５に接続されており、同Ｘ−Ｙステージ制御部１３５が出力する所定の制御信号によってＸ−Ｙステージ１３０をＸ−Ｙ平面上で移動させることができる。
【００６３】
従って、Ｘ−Ｙステージ１３０に基板を載置した状態で当該Ｘ−Ｙステージ１３０を移動させることによって、所望の良否判定対象を受光ボックス１１０の下方のレーザー光経路内に配設することができる。図３においては、Ｘ−Ｙステージ１３０上に実装部品１３２を模式的に示している。同実装部品１３２は矩形のチップ部品であるとともにその両端が接点１３２ａになっており、当該接点をはんだ１３３で接合するようになっている。
【００６４】
上記ハーフミラー１１８にて反射されたレーザー光は上記受光ボックス１１０の下方に進行し、このはんだ１３３の付近に到達する。この結果はんだ１３３付近で当該レーザー光が反射され、再び上方に向けて進行する。この反射光はその進行角度によって上記トップセンサ１１２，アップセンサ１１４，サイドセンサ１１６あるいはその外側に向けて進行する。レーザー光がトップセンサ１１２，アップセンサ１１４，サイドセンサ１１６に到達したときには、各センサから所定の検出信号が出力される。
【００６５】
各センサはアンプ１２０に接続されており、上記検出信号は当該アンプ１２０にて所定の増幅が施されるとともに、コード生成部１２２に入力される。上記各センサでは検出位置毎に所定閾値以上のレベルの反射光の有無を検出可能であり、コード生成部１２２はその入力信号に基づいて上記反射光の反射角度を示すコードを生成する。図５は、生成されるコードを説明する説明図である。同図に示すように反射光がトップセンサ１１２で検出されたときにはコード”６”が生成される。
【００６６】
また、アップセンサ１１４の一方で検出される反射光はその角度によって”５”〜”３”のコードが生成され、サイドセンサ１１６の一方で検出される反射光では”３”〜”２”のコードが生成される。反対側のセンサで反射光を検出したときには”Ａ”〜”Ｄ”のコードが生成される。サイドセンサ１１６の両外側に反射光が進行するときにはコード”０”が生成される。また、レーザー光によって上記はんだ１３３付近が掃引されるので、掃引の各段階でコードが生成され、この結果、コード生成部１２２は一回の掃引に対して複数の数値あるいはアルファベットを有するデータを出力する。むろん、ここに示す構成は一例であり、上記センサにてコード値が変動するピッチをより狭くしたり広くしたりすることは可能であるし、掃引は一回ではなく複数回検出しても良い。さらに、一方向のみの掃引を行うのではなく、複数方向の掃引を行っても良い。
【００６７】
上述のコード生成部１２２とガルバノメータ制御部１２８とＸ−Ｙステージ制御部１３５とはＣＰＵ１４０に接続されており、同ＣＰＵ１４０が出力する制御信号によって制御され、また、同ＣＰＵ１４０に対してデータを出力する。すなわち、ＣＰＵ１４０は図示しないＲＯＭやＲＡＭとともにプログラム実行環境を形成しており、ＣＰＵ１４０は所定のプログラムを実行しつつコード生成部１２２とガルバノメータ制御部１２８とＸ−Ｙステージ制御部１３５とを介してレーザー検査装置１００を制御する。
【００６８】
また、ＣＰＵ１４０が上記プログラムに従って所定の演算処理を実行することにより、良否判定を行うようになっており、必要なデータを記憶部１４６に書き込み、また、通信Ｉ／Ｏ１４４を介して上記データ蓄積装置２００や多変量統計解析装置４００と必要に応じて通信を行い、表示部１４２に良否判定結果を表示する。尚記憶部１４６はデータの書き込みと読み出しとを行うことができる記憶媒体であれば良く、ハードディスクドライブやＲＡＭ，ＲＯＭ等種々の媒体を採用可能である。また、レーザー検査装置１００は良否判定対象が搭載される基板を識別するために各基板に貼り付けられたラベルを読みとる図示しないラベル読取装置を備えている。
【００６９】
図６は、レーザー検査装置１００にて実行される良否判定プログラムの機能ブロック図である。レーザー検査装置１００においては、ＯＳ１５０の制御下で良否判定プログラム１６０が実行される。ＯＳ１５０は上記通信Ｉ／Ｏ１４４を介してのデータ送受信や記憶部１４６からのファイル読み出しを制御し、良否判定プログラム１６０に対して必要なデータを供給するが、図６ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ１４４と良否判定プログラム１６０と記憶部１４６とにおいてデータの授受を矢印で示している。
【００７０】
良否判定プログラム１６０は、ラベル読取部１６２と形状測定部１６４と良否判定部１６６とを備えている。ラベル読取部１６２は上記通信Ｉ／Ｏ１４４を介して上記図示しないラベル読取装置を制御して、良否判定対象が搭載される基板のラベルを識別するラベルデータを取得し、記憶部１４６に記憶する（ラベルデータ１４６ａ）。形状測定部１６４は上記ガルバノメータ制御部１２８を制御してレーザー光を掃引させ、Ｘ−Ｙステージ制御部１３５を制御してＸ−Ｙステージ１３０を駆動して所望の良否判定対象に対してレーザー光が照射されるように制御し、さらにコード生成部１２２が出力する上記コードからなる形状データを取得して記憶部１４６に記憶する（形状データ１４６ｂ）。
【００７１】
ここで、形状測定部１６４は上記ラベルデータ１４６ａにて特定される基板についての製品データを上記通信Ｉ／Ｏ１４４を介して取得する。当該製品データは、後述するようにデータ蓄積装置２００に蓄積された基板に関するデータであり、各ラベルの基板において実装される部品の種類や部品上のピン数，その相対位置等が含まれる。形状測定部１６４はこれらのデータを取得することによって検査対象となるピンの位置を判定し、当該ピンの位置付近を掃引できるように上記Ｘ−Ｙステージ制御部１３５を制御して基板の位置決めを実施する。
【００７２】
形状測定部１６４は、以上のように位置決めを実施しつつ基板上の検査対象総てについて形状データ１４６ｂを取得する。良否判定部１６６はこれらの形状データ１４６ｂを利用してそれぞれの良否判定対象、すなわち、接点に対するはんだ付けの良否を判定する演算処理を行っており、そのためのパラメータ算出部１６６ａと閾値判定部１６６ｂとを備えている。パラメータ算出部１６６ａは、上記形状データ１４６ｂを後述する図８で説明する式等によってパラメータを算出する。ここにおいては、形状データ１４６ｂを複数の変換式にて複数のパラメータに変換する。このパラメータは、はんだ自体の形状やはんだ周囲の形状に相当するパラメータであり、後述する図７に示すようなはんだ形状の差異に応じて異なる値となるパラメータである。
【００７３】
当該パラメータは、はんだおよびその周囲の形状に相当する値であれば、種々の値を採用することができる。このパラメータは良否判定要因となりうるが、後述する判別分析の手法によって適切なパラメータ以外は除外されるので、良否判定要因として適切であるか否かを詳細に検討する必要はなく、形状を特定しうるパラメータであるかぎりパラメータとして採用しておいてかまわない。
【００７４】
図７は、実装部品１３２についての「良」状態と３種の「不良」状態とを説明する説明図である。同図に示すように、「良」状態では実装部品１３２の上面が基板の上面に対して略平行であるとともにはんだ１３３が接点１３２ａの下側に入り込み、さらに、はんだ１３３の上面は凹面状になっている。上記形状データ１４６ｂは、図７のＡ〜Ｃおよび接点１３２ａ部分からの反射に基づくデータであって、これらの形状に対応している。同図における「良」状態においては、上記レーザー光にて紙面左側から順に掃引したときに形状データ１４６ｂのコードが例えば「６６５５４４４３３３２２０００６６」となる。
【００７５】
はんだ１３３の形状の特徴を捉えるに際しては種々の特徴によって形状を特定することができ、例えば上記図７のＡ〜Ｃの各位置からの反射に基づくデータを利用して形状を特定することができる。すなわち、上記コードは、はんだ１３３の凹面形状に対応した数値および順序になっており、同図の位置Ａでは、基板面に対して略垂直に上方から下方に向かって進行するレーザー光がはんだ１３３で基板面に対して略垂直かつ下方から上方に向かって進行する光として反射するのでこの近辺ではコード値”６”となる。位置Ａから位置Ｂに向けて掃引すると、はんだ１３３の傾斜が徐々に急になることに対応して反射光は紙面左側に配向する。従って、コード値は”５”〜”０”に向けて徐々に小さくなる減少数列になる。そして、接点１３２ａの上面は基板に対して略平行であることから、再びコード値”６”が出現する。
【００７６】
図７の不良（浮き）においては、実装部品１３２の接点１３２ａがはんだ１３３となじんでおらず、浮いている状態である。この場合、はんだ１３３の上面は凸面状になるので、はんだ１３３上面すなわち反射面の角度やはんだの高さ等は「良」状態と異なっており、形状データ１４６ｂは「良」状態と不良（浮き）とで異なってくる。例えば、同図に示す「不良（浮き）」状態においては、形状データ１４６ｂのコードが「０２２３３３４４４５６６６６６ＤＤ」となる。すなわち、はんだ１３３上面が凸面状であることに対応してコード値は増加数列になるとともに、コード値”６”の隣に接点１３２ａの位置に対応したコード”Ｄ”（紙面右側への反射）が出現する様な数列になる。このように、「良」状態と「不良（浮き）」状態とを比較すると、コード値およびその連続の様子に、はんだ上面の形状に対応した差異が存在する。そこで、コード値の増加／減少傾向を示すパラメータによってはんだ上面の形状を特定するパラメータを規定することができる。
【００７７】
図７の不良（はんだ少）においては、実装部品１３２の接点１３２ａの周囲に十分な量のはんだ１３３が存在せず、はんだ１３３の長さ等が上記「良」状態と異なっており、上記Ａ〜Ｃの形状データ１４６ｂが「良」状態と不良（はんだ少）とで異なってくる。同図に示す「不良（はんだ少）」状態における形状データ１４６ｂのコード例としては「６６６６６６６６６６６５３２０６６」のような数列が挙げられる。すなわち、はんだ１３３がほとんど存在しないことに対応して多くのコード値”６”が連続し、わずかなはんだ１３３に対応して”５３２０”のように減少数列がわずかに存在する。「良」状態と「不良（はんだ少）」状態とを比較しても、コード値およびその連続の様子に、はんだ上面の形状に対応した差異が存在する。そこで、これらの形状データ１４６ｂにおいてコード値”６”が連続する数や”６”以外のコードが連続する数およびその増加／減少傾向を示すパラメータによってはんだの形状を特定するパラメータを規定することができる。
【００７８】
図７の不良（部品無し）においては、実装部品１３２がはんだ１３３上に存在せず、はんだ１３３上面すなわち反射面の角度や実装部品装着位置からの反射が上記「良」状態と異なっており、上記Ａ〜Ｃの形状データ１４６ｂが「良」状態と不良（部品無し）とで異なってくる。同図に示す「不良（部品無し）」状態における形状データ１４６ｂのコード例としては「０２２３３３４４４５６６６６６ＤＣ」のような数列が挙げられる。すなわち、はんだ１３３上面が凸面状であることに対応してコード値は増加数列になるとともに、コード値”６”の隣にはんだの凸面に対応したコード”Ｄ””Ｃ”が出現する様な数列になる。このように、「良」状態と「不良（部品無し）」状態とを比較すると、コード値およびその連続の様子に、はんだ上面の形状に対応した差異が存在する。そこで、コード値の増加／減少傾向や実装部品位置でのコード値変動の有無等を示すパラメータによってはんだ上面の形状を特定するパラメータを規定することができる。
【００７９】
図８は、これらパラメータのうちの一例を説明する説明図であり、形状としてはんだの高さを特定する際の例である。上述のように形状データ１４６ｂの各コードは、反射光が図５に示す各センサに到達する位置に対応しており、当該到達位置は照射レーザー光に対する反射角に対応しており、当該反射角は、はんだの面の配向角に対応していると考えられる。そこで、掃引時のデータ取得ピッチＰと反射面の配向角を考慮すれば、各ピッチＰでのはんだの高さが判明する。具体的には、図８に示すように形状データ１４６ｂのコードが”６”のときは基板面に対して略垂直な光路なので反射面は基板に対して略平行であると考え、コードが”５”のときはその反射方向から反射面の基板に対する配向角をαと考える。
【００８０】
配向角αが判明すれば、上記ピッチＰでのはんだの高さが判明する。図８に示す例で配向角αに対する高さは１０である。同様にコード”４”〜”２”について各ピッチでのはんだの高さを考えることができ、各コードから判明する各ピッチでのはんだの高さを積算すると、上記形状データ１４６ｂでのはんだの高さに該当する。そこで、図８に示す例では”６６５４３２”という形状データ１４６ｂを”０＋０＋１０＋２０＋４０＋５０”に変換してはんだの高さを”１２０”とする。これが形状を特定しうるパラメータの一例である。尚、図８では簡略化して示しており、実際は同図に示す掃引データ取得回数より多数回のデータを取得しており、形状データ１４６ｂの数値列は同図に示す例より多い。
【００８１】
本実施形態におけるパラメータは上述のように例えば２００個存在し、上記形状データ１４６ｂを種々の変換式に代入してパラメータを算出することができる。例えば、上記図７に示す不良（はんだ少）においては、はんだの量が少なくなるほどコード値”６”が多くなるので、（コード値”６”の数）／（コード値の総数）を算出すれば、はんだ位置の平坦性を特徴づけるパラメータを算出することができる。他にも、はんだ上面に凹凸が存在する場合には、コード値が単調変化せず”４５６５４５４３２”等のようにコード値の増減を繰り返すので、連続する二つの数列において数値が増加する場合と減少する場合とを計測し、（増加数−減少数）を算出すれば、はんだ上面の凹凸を特徴づけるパラメータを算出することができる。
【００８２】
以上のように、パラメータ算出部１６６ａでは、予め決められた変換式に従って、形状データ１４６ｂから特定される形状を特徴づける複数のパラメータを算出する。尚、基板上には各種部品が実装され、部品種別によってはんだの形状が異なる場合もあるので、その場合には形状データ１４６ｂに基づくパラメータの算出式も変更する。むろん、この場合、良否判定は部品種別毎に行われる。また、パラメータ算出部１６６ａは製品データとして各部品についてのパラメータの算出式を取得して計算するが、特定の算出式での演算を実行する様なアルゴリズムでプログラムを作成し、当該プログラムの実行によってパラメータが算出されるように構成しても良い。
【００８３】
閾値判定部１６６ｂは、上記通信Ｉ／Ｏ１４４を介して上記多変量統計解析装置４００から後述する判別関数データと閾値データとを取得して、閾値による良否判定を実施する。判別関数データは、上記パラメータ算出部１６６ａが算出するパラメータのうちのいくつかを変数とした関数であり、閾値判定部１６６ｂは上記算出したパラメータを当該判別関数に代入して判定用の値を算出する。さらに、この判定用の値と閾値とを比較し、判定用の値が閾値を境にして良カテゴリー側にある場合には「良」判定、閾値を境にして否カテゴリー側にある場合には「否」判定をする。
【００８４】
閾値判定部１６６ｂは、当該良否判定結果を表示部１４２に対して出力し、レーザー検査装置１００に備えられたディスプレイに良否判定結果を表示させる。また、この良否判定結果は良否判定結果データとして通信Ｉ／Ｏ１４４を介して出力され、後述するデータ蓄積装置２００に蓄積される。以上のように、レーザー検査装置１００においては、データ蓄積装置２００や多変量統計解析装置４００から適宜データを取得して、基板上に実装される各部品の各接点についてはんだ形状に基づいて実装の良否を判定することができる。
【００８５】
（３）データ蓄積装置の構成：
図９はデータ蓄積装置２００にて実行される通信制御プログラムの機能ブロック図である。データ蓄積装置２００においては、ＯＳ２５０の制御下で通信制御プログラム２６０が実行される。ＯＳ２５０は上記通信Ｉ／Ｏ２４４を介してのデータ送受信や記憶部２４６からのファイル読み出しを制御し、通信制御プログラム２６０に対して必要なデータを供給するが、図９ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ２４４と通信制御プログラム２６０と記憶部２４６とにおいてデータの授受を矢印で示している。
【００８６】
通信制御プログラム２６０は、通信Ｉ／Ｏ２４４を介してデータを送受信するプログラムであり、外部からの要求に応じて製品データと良否判定結果データを出力する。また、記憶部２４６は製品データベース２４６ａと良否判定結果データ２４６ｂとを蓄積するハードディスクドライブであり、本発明にかかるシステムの運用開始時に予め製品データベース２４６ａと良否判定結果データ２４６ｂとが蓄積されるが、システムの運用とともに更新していくこともでき、上記閾値判定部１６６ｂが出力する良否判定結果データを取得して追加記録したり、後述する目視入力装置３００が出力する目視判定データを新たな良否判定結果データとして追加することも可能である。
【００８７】
図１０は、製品データベース２４６ａに蓄積される製品データの例である。この製品データにおいては、上記基板に貼り付けられるラベル毎に各基板上の部品および各部品が備える接点位置を特定するデータおよび各部品毎に実際に算出されたパラメータが記録されている。前者はレーザー検査装置１００にてレーザー光を照射する良否判定対象の位置を特定する等のために使用され、後者は各部品について良否判定を行った場合の実際のパラメータ値であり、後述する良否判定結果データと対応づけられつつ記録される。
【００８８】
各ラベルに対応したデータとしては、図１０の左側に示すデータと部品毎のパラメータ算出式とがある。図１０の左側に示すデータにおいては、装着情報として基板上の部品座標（Ｘ，Ｙ）と部品の方向等が記録され、部品情報として部品の種別やリード（接点）数，リードピッチ等が記録されている。これによって、レーザーの照射対象位置を特定する。図１１はレーザーの照射対象位置を特定する様子を示す図である。同図左側に示すように部品座標は基板上の一点を特定する座標であり、同図中央に示すようにこの座標が部品の特定位置（図１１では×印）に該当することが予め決められている。
【００８９】
また、装着情報の「部品の方向」から基板に対してどのような方向に部品が実装されるのかが特定され、リード数やそのピッチ数によって各リードの位置が特定される。上記掃引はリードの前側から部品本体方向に向けて実施され、リードの位置が特定されることによって掃引開始位置が特定される。従って、上記レーザー検査装置１００はこれら製品データによって掃引の開始位置を特定することができ、当該開始位置にレーザーを照射できるように上記Ｘ−Ｙステージ１３０を制御する。
【００９０】
製品データには、さらに掃引情報やセンサ閾値が記録されている。掃引情報には掃引回数や掃引ピッチが記録されており、センサ閾値は上記各センサにてレーザー光の受光の有無を特定する閾値が記録されている。従って、上記レーザー検査装置１００はこれら製品データによって掃引手法を特定することができ、上記ガルバノメータ１２４やコード生成部１２２を制御して掃引およびコードデータの取得を実施する。
【００９１】
上記製品データベース２４６ａには、さらに各部品毎のパラメータ算出式２４６ａ１が記録されている。すなわち、各部品毎に接点形状が異なる場合があり、この結果、形状データ１４６ｂから推測されるはんだの形状も異なるので、各部品毎にパラメータ算出式が規定され、記録される。各部品毎に実際に算出されたパラメータは図１０において部品Ａ−１，Ａ−２等として示している。すなわち、いずれの部品であるかを特定可能にするとともに各パラメータについての計算値（図１０ではｘ1〜ｘ200等）を記録する。
【００９２】
実際に算出されたパラメータは運用開始の段階で、複数のデータが記録されているが、運用に伴って総ての良否判定対象について追記していっても良いし、一部について追記していっても良い。本実施形態において、このデータを追記する場合には上記パラメータ算出部１６６ａが算出したパラメータ値を通信Ｉ／Ｏ１４４を介して取得する。各部品のパラメータについては、上記良否判定結果データ２４６ｂが対応づけられており、良否判定結果データ２４６ｂではその良否判定結果（「良」，「否（浮き）」等）が記録されている。すなわち、上記パラメータ値と良否判定結果データ２４６ｂとの対応によって、各パラメータである場合に判定結果が「良」であるか「否（不良）」であるかを判定することができる。
【００９３】
尚、良否判定結果データ２４６ｂは良否判定対象（接点）の良否をカテゴリー化する際に利用される。すなわち、上記レーザー検査装置１００において各パラメータを判別関数に代入すると判別関数の次元である値が算出されるが、この値について良否判定結果に対応させつつヒストグラムを作成すると、変数Ｚに対して良判定の分布と否判定の分布が得られる。そこで、それぞれの分布を良カテゴリーと否カテゴリーと定義する。また、否カテゴリーとしては、上述のように浮きやはんだ少，部品無しなど、種々の原因が存在するので、各原因毎に否カテゴリーを細分化しても良い。
【００９４】
以上のように、データ蓄積装置２００に適切なデータを蓄積し、上記レーザー検査装置１００にて参照可能に提供することにより、良否判定を実施することができる。尚、データ蓄積装置２００に対して新たなラベルについての製品データその搭載部品のデータ等を追加することにより、運用開始当初に蓄積されていない基板や部品についての良否判定を実施することが可能になる。
【００９５】
（４）目視入力装置の構成：
図１２は、目視入力装置３００にて実行される目視入力プログラムの機能ブロック図である。目視入力装置３００においては、ＯＳ３５０の制御下で目視入力プログラム３６０が実行される。ＯＳ３５０は通信Ｉ／Ｏ３４４を介してのデータ送受信や記憶部３４６からのファイル読み出しを制御し、目視入力プログラム３６０に対して必要なデータを供給するが、図１２ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ３４４と目視入力プログラム３６０と記憶部３４６とにおいてデータの授受を矢印で示している。
【００９６】
目視入力プログラム３６０は、ラベル読取部３６１と判定結果取得部３６２と表示制御部３６３と入力受付部３６４と目視判定情報送信部３６５とを備えている。ラベル読取部３６１は通信Ｉ／Ｏ３４４を介して上記図示しないラベル読取装置を制御して、基板のラベルを識別するためのラベルデータを取得し、記憶部３４６に記憶する（ラベルデータ３４６ａ）。ここでは、良否判定対象が搭載された基板の総てではなく否判定された対象を含む基板について読取作業を行えばよい。
【００９７】
判定結果取得部３６２は通信Ｉ／Ｏ３４４を介して上記データ蓄積装置２００から上記読取りを行ったラベルに該当する基板に関する上記製品データおよびその良否判定結果データを取得し、記憶部３４６に保存する。表示制御部３６３は当該記憶部３４６に保存された製品データおよび良否判定結果データを参照し、基板平面上のイメージデータを生成し、表示部３１０（ディスプレイ）に出力することによってディスプレイ上にイメージを表示させる。図１３は、このイメージ表示例を示している。
【００９８】
同図に示すように、イメージ表示では基板に搭載された各部品およびその接点の模式図が示されている。同画面を表示した状態において、入力受付部の制御によって目視入力装置３００が備えるキーボード等からなる入力部３２０を介して入力を受け付けることが可能であり、画面上で種々の操作が可能である。例えば、図１３の左上に示すように各部品の拡大図を表示させることが可能である。図１３においては、各接点についての良否判定を合わせて表示（例えば「否」判定について赤色で表示）することが可能であり、利用者は「否」判定された接点について真に否であるのか目視にて判定する。
【００９９】
さらに、利用者はこの目視判定結果を上記入力部３２０の操作にて入力することが可能であり、入力受付部３６４が入力結果を受け付けると目視判定情報送信部３６５に対して目視の判定結果を受け渡す。同目視判定情報送信部３６５は、目視判定結果を示す目視判定データを通信Ｉ／Ｏ３４４を介して出力する。同目視判定データは上記データ蓄積装置２００に対して追記される良否判定結果データ２４６ｂである。ここで、むろん「良」判定された接点について真に良であるのかを目視にて判定し、その結果をデータ蓄積装置２００に対して送信しても良い。また、目視判定結果とそのパラメータ情報とは対応づけられており、どのようなパラメータに対して目視によって「不良」あるいは「良」と判定したのかを把握できるようになっている。
【０１００】
これらの目視判定データは、多変量統計解析装置４００において統計精度向上のために利用される。以上のように、目視入力装置３００によれば、多変量統計解析装置４００によって解析をする際に、目視入力の結果を本発明における良否判定に反映させることができる。運用開始当初には、この目視結果の反映が必須とはならない（運用開始から高精度で良否判定可能であるため）が、この目視による補正によれば容易に統計精度を向上させることができ、非常に信頼性の高い高性能の良否判定装置を提供することができる。
【０１０１】
さらに、目視入力装置３００における入力によってカテゴリーを細分化することも可能である。すなわち、はんだ付けが不良になる原因としては種々の原因があり、後述するように不良の原因毎にその原因に特徴的なはんだ形状が異なるので、原因毎に異なる判別関数を規定すれば、非常に高い精度で判定を実施することが可能になる。また、目視入力装置３００における入力の際には目視によってはんだの形状を確認するので、そのはんだ形状に対応した不良原因を入力することは容易である。
【０１０２】
そこで、目視入力装置３００において不良の原因を合わせて入力し、当該入力された原因を示すデータを良否判定結果情報とすれば、原因毎に別個の否カテゴリーと良カテゴリーとを分離する判別関数を算出することが可能になる。ここでは目視によって不良の原因を確認して入力するので、原因が厳密に正しいとは限らないが、少なくとも、見かけ上のはんだ形状が異なれば不良原因が異なると考えられるので、見かけ上の差異によって別個の原因に細分化すればよい。例えば、実装部品１３２がはんだ１３３から浮いているもの、はんだが少ないもの、実装部品１３２が欠けているものなど目視で明らかに判定できる程度で原因別に細分化すれば十分である。
【０１０３】
（５）多変量統計解析装置の構成：
本実施形態においては、多変量統計解析装置４００による解析を行うことによって意図からはずれた流出率および見過ぎ率を発生させない閾値を決定することができ、これによって高性能の良否判定装置を実現している。以下、当該多変量統計解析装置４００の構成および処理を説明する。図１４は、多変量統計解析装置４００にて実行される多変量解析プログラムの機能ブロック図であり、図１５，図１７，図１９は多変量統計解析プログラムが備える各モジュールでの処理を示すフローチャートである。
【０１０４】
図１４に示す多変量統計解析装置４００においては、ＯＳ４５０の制御下で多変量解析プログラム４６０が実行される。ＯＳ４５０は通信Ｉ／Ｏ４４４を介してのデータ送受信や記憶部４４６（ハードディスクドライブ等）からのファイル読み出しを制御し、多変量解析プログラム４６０に対して必要なデータを供給するが、図１４ではデータの授受関係を明確に示すため、通信Ｉ／Ｏ４４４と多変量解析プログラム４６０と記憶部４４６とにおいてデータの授受を矢印で示している。
【０１０５】
モード分類部４６０ａは、カテゴリーの細分化処理を行う。モード分類部４６０ａでは、図１５に示すようにまずステップＳ２００にて通信Ｉ／Ｏ４４４を介して目視入力装置３００に記録された目視判定データとデータ蓄積装置２００に記録されたパラメータ値データおよび良否判定結果データとを取得する。パラメータ値データは各部品毎に実際に計算されたパラメータ値である。これら、取得したデータは記憶部４４６に保存（目視判定データ４４６ａ，パラメータ値データ４４６ｂ，良否判定結果データ４４６ｃ）され、多変量解析プログラム４６０の各モジュールに利用される。尚、パラメータ値データ４４６ｂのそれぞれとその良否判定結果データ４４６ｃ（または目視判定データ４４６ａ）とは対応づけられており、各パラメータにおける良否判定結果が判明するようになっている。
【０１０６】
ステップＳ２１０ではパラメータ数（本実施形態では１〜２００）のカウンタｎを初期化（ｎ＝１）し、ステップＳ２２０ではパラメータｎについて、良カテゴリーと否カテゴリーとのヒストグラムを生成し、多変量統計解析装置４００が備えるディスプレイに表示させる。ここで、各パラメータ値に対する良否は上記良否判定結果データ４４６ｃに依存するが、目視入力装置３００において目視判定が行われたものについては目視判定結果に従って良否をカテゴリー化する。すなわち、目視判定が行われた対象については目視による良否判定結果とパラメータ値データとが対応づけられており、この対応関係に従ってヒストグラムを生成／表示する。この結果、目視によって「不良」とされた対象であってそのパラメータがレーザー検査装置１００において良カテゴリーに入るものについて否カテゴリーであることを明示することができる。
【０１０７】
図１６はヒストグラムの表示例であり、同図上側ではパラメータｎ1についての例を示しており、この例においてヒストグラムは良カテゴリーと否カテゴリーとについて略正規分布を形成するとともに２つの分布に分かれている。同図下側ではパラメータｎ2についての例を示しており、この例においてヒストグラムは良カテゴリーと否カテゴリーとについて略正規分布を形成するとともに３つの分布に分かれている。後者のパラメータｎ2に対するヒストグラムでは、否カテゴリーが分布Ｅ，分布Ｆという２つの分布に分かれており、分布Ｅはレーザー検査装置１００における良カテゴリーに含まれるが分布Ｆは当該良カテゴリーと分離している。
【０１０８】
この状況においては、パラメータｎ2にて特徴づけられる形状が、分布Ｆの不良を生じさせる原因に特有の形状であると言えるが、分布Ｅの不良を生じさせる原因に特有の形状であるとは言えない。パラメータｎ2が分布Ｅの不良を生じさせる原因に特有の形状であるならば、分布Ｅは図１６の良カテゴリーと分離しているはずである。従って、分布Ｅ，Ｆにおいては不良を生じさせる原因が異なるととともに、パラメータｎ2は分布Ｆと良カテゴリーとを分離する判別関数において好ましいパラメータであり、分布Ｅと良カテゴリーとを分離する判別関数においては好ましくないパラメータである。そこで、分布Ｅと分布Ｆとについては異なる判別関数にて良否判定を行うべく、否カテゴリーを細分化する。
【０１０９】
図１６のようにディスプレイにパラメータ毎のヒストグラムを表示するとカテゴリを細分化すべきか否かを把握することができ、多変量統計解析装置４００にてその指示を行うことができる。すなわち、多変量統計解析装置４００はキーボード等の操作入力機器にて構成される入力部４２０を備えており、ステップＳ２３０では当該入力部４２０を介してカテゴリーを細分化する指示を受け付けたか否かを判別する。同ステップＳ２３０にてカテゴリーを細分化する指示を受け付けたときには、ステップＳ２４０にてカテゴリーの細分化を行う。この細分化がなされたときには、後述する判別関数算出処理において当該細分化した否カテゴリーと良カテゴリーとの度数分布を分離する判別関数を算出する。
【０１１０】
このとき、図１６に示す例では、分布Ｅと良カテゴリーとを分離する判別関数にパラメータｎ2は含まれず、分布Ｆと良カテゴリーとを分離する判別関数にパラメータｎ2が含まれることになる。上述の図７のような具体例においては、不良（浮き），不良（はんだ少），不良（部品無し）をそれぞれ異なる判別関数によって評価することが可能になり、不良（浮き）ではコード値の増加／減少傾向を示すパラメータを含む判別関数にすることができる。不良（はんだ少）ではコード値の増加／減少傾向を示すパラメータやコード値”６”の連続数を示すパラメータを含む判別関数にすることができるし、不良（部品無し）ではコード値の増加／減少傾向を示すパラメータや実装部品位置でのコード値変動の有無を示すパラメータを含む判別関数にすることができる。
【０１１１】
以上のような処理により、確実に良カテゴリーと否カテゴリーとを分離する判別関数を規定し、精度良く良否判定を行うことが可能になる。ステップＳ２５０では上記カウンタｎをインクリメントし、ステップＳ２６０にて全パラメータについてカテゴリーの細分化処理が終了したと判別されるまで上記ステップＳ２２０以降の処理を繰り返す。尚、目視入力装置３００において目視入力を誤ったときには、上記図１６に示すようなヒストグラムにおいて異常データが散見される（良カテゴリー内に「不良」が散見されたり、否カテゴリー内に「良」が散見されたりするような状況）ことがあり、この場合には異常データを与える目視判定データ４４６ａを削除したり、利用しないようにすることも可能である。
【０１１２】
また、本実施形態においては実際にヒストグラムを表示させて利用者にカテゴリー細分指示を入力させているが、むろん、ここで統計解析による自動化を行っても良い。すなわち、否カテゴリーの分布内で複数のピークが存在するか否かを判別するとともに、ピークが存在する場合は各ピークを与えるパラメータ値を正規分布でフィッティングし、フィッティングされた分布関数のσによって両分布が所定距離以上離れているかどうかを判別する。そして、所定距離以上離れているときにはステップＳ２４０におけるカテゴリーの細分化を行う。すなわち、否カテゴリーの分布内でピークが複数になっている場合には、同じ否カテゴリーであっても分布が分離している可能性があるとして分布の距離を評価する処理を行う。ここで、両分布の距離を評価する際には、上述のように各分布のσによって距離を評価しても良いし、平均値や最頻値同士が所定距離以上離れているか否かを評価しても良い。
【０１１３】
さらに、上述の処理においては、モード分類処理としてカテゴリーの細分化を実施する態様を説明したが、上記目視入力装置３００にて良否カテゴリーのいずれかについての目視判定結果を入力する際に、カテゴリーを細分化した場合においても、図１６と同様の原理によって各判別関数毎に適切なパラメータが選択されて各原因毎に良カテゴリーと否カテゴリーとを的確に分離しつつ良否判定を実施することができる。むろん、目視入力によるカテゴリーの細分化と上記ステップＳ２３０のような細分指示によるカテゴリーの細分化を併用してもかまわない。
【０１１４】
判別関数算出部４６０ｂは、ある変数を与える関数であって、当該変数に対して良カテゴリーと否カテゴリーとの度数分布を作成した場合に、両分布が良く分かれる判別関数を算出する処理を行う。この変数は上記複数のパラメータの関数である。本実施形態において上記パラメータはパラメータ１〜２００まで存在するが、本実施形態においては両分布を分離する際に効果的な変数を選別して所定数のパラメータで判別関数を規定しており、所定数のパラメータを選別するに際して以下の相関係数およびパラメータの重要度に基づいて多重共線性を除去している。
【０１１５】
本実施形態において、相関係数は２つのパラメータ間に何らかの相関関係（例えば、一方のパラメータ値が増加すると他方のパラメータ値も増加する傾向にあるなど）がある場合にその相関の強さを定量化した値であり、以下の式（１）にて算出される。
【数１】
【０１１６】
上記定義の相関係数は−１〜１の値であり、絶対値が１に近いほど相関が強い。相関が強い変数を２種以上組み込むと、精度良く良否判定を実施可能な判別関数にならない。そこで、本実施形態においては、あるパラメータにおいて他の複数のパラメータと比較して０．９以上の相関係数が多いパラメータから順に削除する処理を行っている。具体的には図１７に示すステップＳ３００〜Ｓ３６０にて処理を行っている。ステップＳ３００では、上記良否判定結果データ４４６ｃからその良否を把握しつつ、各パラメータ値データ４４６ｂに基づいて上記式（１）を計算し、良カテゴリーと否カテゴリーとのそれぞれについて相関係数を算出して相関係数行列を作成する。カテゴリーが細分化されているときには細分化されているカテゴリー毎に相関係数行列を作成する。
【０１１７】
図１８の上部には良カテゴリーの相関係数行列を示している。同図に示すように相関係数行列の各要素は番号ｉｊにて指定され、上記式（１）の定義式より対角成分は”１”である。ステップＳ３１０においては、相関係数が”０．９”以上になっているパラメータの数Ｎを集計する。図１８の中段と下段には良カテゴリーと否カテゴリーとのそれぞれにおいて相関係数が”０．９”以上になるパラメータの数Ｎを集計する様子を示している。
【０１１８】
同図においては、簡単のためパラメータの総数を８個としているが実際にはより多数のパラメータについて同様の処理を実施する。また、同図において格子の一マスは相関係数行列の一成分に該当し、例えば、良カテゴリーの相関係数ｒ12は中段の左から２つ目，上から１つ目の格子に該当する。（ここでｒ12は０．９より小さいとする。）図において、相関係数が”０．９”以上になるものは格子上に丸で示しており、相関係数が”０．９”以上になるパラメータの数Ｎは図において縦方向に丸の数と１の数を集計した値になる。図においては、良カテゴリーについて良計Ｎ、否カテゴリーについて否計Ｎとして示している。
【０１１９】
相関係数が”０．９”以上になるものが多いパラメータを削除するにしても、本実施形態は判別分析により最終的に良カテゴリーと否カテゴリーとを良く分離する判別関数を算出する必要があり、良カテゴリーと否カテゴリーとで異なるパラメータで判別関数を規定しても意味がない。そこで、ステップＳ３２０においては良カテゴリーと否カテゴリーそれぞれのパラメータの数、すなわち、良計Ｎと否計Ｎとを足し合わせ、新たにＮ’とし、最大値Ｎ’ｍａｘを与えるパラメータを削除する。
【０１２０】
このとき、ステップＳ３３０にてＮ’ｍａｘの値が２であるか否かを判別する。すなわち、上記相関係数の対角成分は常に”１”であることから、対角成分以外の総ての相関係数が０．９より小さい場合には、良計Ｎと否計Ｎとを足し合わせたときにＮ’ｍａｘの値が２になり、これ以上パラメータを削除する必要がない。そこで、ステップＳ３３０にてＮ’ｍａｘの値が２であると判別されたときには、ステップＳ３７０以降の処理を行う。ステップＳ３３０にてＮ’ｍａｘの値が２であると判別されないときには、ステップＳ３４０にてＮ’ｍａｘを与えるパラメータの個数が１つであるか否かを判別する。
【０１２１】
ステップＳ３４０にてＮ’ｍａｘを与えるパラメータの個数が１つであると判別されたときにはステップＳ３６０にてＮ’ｍａｘを与えるパラメータを削除する。ステップＳ３４０にてＮ’ｍａｘを与えるパラメータの個数が１つであると判別されないときにはステップＳ３５０にてＮ’ｍａｘを与えるパラメータのうち低優先度のものを削除する。すなわち、Ｎ’ｍａｘを与えるパラメータの個数が２以上である時に、いずれを削除するのかを決定する必要があり、本実施形態においては、予め各パラメータについて規定された優先度に基づいて削除対象を決定する。
【０１２２】
ここで、パラメータの優先度としては種々の規則に基づいて決定することができる。例えば、パラメータが示す形状の精度に基づいて決定することができる。上述のように共通の良否判定対象について２本以上の線を形成するように掃引を行った場合は、１本の線を形成するように掃引を行った場合よりデータとしての信頼性が高いので、前者の掃引により取得した形状データ１４６ｂから得られるパラメータの優先度を高くすると好ましい。また、１本の線を形成するように掃引を行った場合であっても、パラメータ算出時に使用されるコードの数やパラメータ算出式自体の差異によって、パラメータが規定する形状の精度として差が生じるので、これらを加味して優先度を決定しても良い。むろん、このように精度に基づいて優先度を決定する構成は一例であり、他の視点に基づいて優先度を決定しても良い。尚、上記数値は一例であり、むろん、相関係数の値を集計する閾値が０．９であることが必須ではないし、負の相関係数についてもその絶対値が大きいものを集計する処理を行って多重共線性を除去する構成を採用可能である。
【０１２３】
以上の処理によって、多重共線性を除去した後は、残りのパラメータの中からステップＳ３７０にて判別関数の変数として組み入れるパラメータを選択する。このパラメータの選択においては公知の手法、例えば、総当たり法，前進選択法，後退消去法，逐次法等を採用可能である。以上のようにして、判別関数の変数として採用すべきパラメータを選択すると、これらのパラメータを変数とした判別関数をステップＳ３８０にて算出する。判別関数は
Ｚ＝ａ1ｘ1＋ａ2ｘ2＋ａ3ｘ3＋・・・＋ａnｘn
で表現される。尚、ここで、ａiは係数，ｘiは各パラメータが代入される変数，ｎは選択されたパラメータの数である。
【０１２４】
判別関数は、当該Ｚについて上記良カテゴリーと否カテゴリーとの度数分布を作成した際に両者を最も分離するようなＺを与えるように上記係数が決定されることによって算出され、例えば、下記式（２）におけるの相関比η2を最大にする係数を決定して算出することができる。
【数２】
【０１２５】
すなわち、相関比η2が最大になると全平方和ＳTと群間平方和ＳBの比が最大になる。この状態においては両カテゴリーの群間分散がなるべく大きく（各カテゴリーの平均がなるべく離れる）、各カテゴリーの分散がなるべく小さくなる。従って、判別関数に対する度数分布においては両カテゴリーが非常に良く分離する。尚、以上のような判別関数の算出は、現代数学社１９８３年５月１日初版発行、田中豊・脇本和昌著「多変量統計解析法」等に詳述されている。以上のような判別分析を行う手法としては、上記判別関数Ｚによる判別以外にも種々の手法を採用可能であり、マハラノビスの汎距離によって良否を判定する判別分析に本発明を適用しても良い。また、良カテゴリーと細分化された否カテゴリーとを同時に判別する多群の判別分析を利用しても良い。判別関数算出部４６０ｂが以上のようにして各係数ａiを算出すると、当該係数およびパラメータを示すデータを判別関数データ４４６ｄとして記憶部４４６に保存する。
【０１２６】
統計指標算出部４６０ｃは、上記判別関数に対する良カテゴリーと否カテゴリーとの度数分布において閾値を算出する際に利用される統計指標を算出し、閾値決定部４６０ｄは当該統計指標を利用して閾値を決定する。すなわち、従来の判別分析においては閾値を画一的にＺ＝０（両カテゴリーの中間点）としていたが、本発明においては、この閾値決定の際に統計指標を参酌している。具体的な処理は図１９に示すフローチャートに従う。
【０１２７】
同図において、ステップＳ４００では上記判別関数データ４４６ｄを取得し、ステップＳ４１０では判別関数に対する各カテゴリーのヒストグラムを作成する。すなわち、上記パラメータ値データ４４６ｂと良否判定結果データ４４６ｃとを取得し、判別関数データ４４６ｄの変数として規定されたパラメータに各パラメータ値を代入してＺの値を算出し、その良否に基づいて良否別に度数を計測してヒストグラムを作成する。このようにして作成されたヒストグラムは例えば図２０のようになる。すなわち、各カテゴリー毎の分布は概略正規分布になり、両者の裾がオーバーラップする。尚、実際の基板検査においては否カテゴリーの分布数が同図より大幅に少ないことが多い。
【０１２８】
ステップＳ４２０では、上記図２０のように作成されたヒストグラムにおいて各カテゴリー別に度数平均と標準偏差を算出する。同図において判別関数Ｚ＝０が両カテゴリーの度数平均の中心に位置しており、否カテゴリーの度数平均を”Ａｖｅ”、良カテゴリーの度数平均を”−Ａｖｅ”と示している。また、否カテゴリーの標準偏差をσn、良カテゴリーの標準偏差をσoとして示している。
【０１２９】
ステップＳ４２０にて度数平均および標準偏差を算出すると、ステップＳ４３０にて入力部４２０での流出率入力を受け付ける。すなわち、多変量統計解析装置４００においては入力部４２０によって流出率を入力できるようになっており、この流出率に基づいて閾値を決定する。すなわち、流出率は良否判定対象が不良であるにもかかわらず良判定してしまうことによって、不良品が検出されることなく流出する確率であり、否カテゴリーの標準偏差σnによって算出することができる。
【０１３０】
標準偏差σnによれば正規分布において、変数が度数平均と標準偏差との間に含まれる確率あるいは変数が標準偏差より外側の裾部分に含まれる確率を容易に特定することができ、標準偏差を定数倍することによって、入力された流出率にすることができる。例えば、図２０に示す４σnであれば否カテゴリーの度数分布のうち、全体の０．０００３１が流出することになる。尚、ステップＳ４３０においては、流出率自体の入力を受け付けても良いし、標準偏差に対して乗じる係数の入力を受け付けても良いし、図１４に示すように予め保存された流出率データ４４６ｅ（あるいは標準偏差データ）に基づいて流出率を特定しても良い。
【０１３１】
いずれにしても、ステップＳ４３０にて流出率を受け付けてその値を特定すると、ステップＳ４４０においては当該流出率を与えるような閾値Ｔを仮決定する。図２０に示す例では、Ｔ＝Ａｖｅ−４σnにて閾値Ｔを仮決定している。本実施形態においては、流出率の管理に加えて見過ぎ率の管理をも実施しており、この意味でステップＳ４４０の閾値Ｔは仮決定された値である。見過ぎ率は良否判定対象が良品であるにもかかわらず不良判定がなされることによって、いわば過剰に閾値を厳しくしている状況（見過ぎ）が発生する確率であり、良カテゴリーの標準偏差σoによって算出することができる。
【０１３２】
本実施形態においては、ステップＳ４５０にて見過ぎ率データ４４６ｆを取得し、（Ｔ＋Ａｖｅ）／σoが９より大きいか否かを判別して、上記仮決定された閾値Ｔが良カテゴリーの度数平均からその標準偏差σoの９倍より遠いか否かを判別する。同ステップＳ４５０にて（Ｔ＋Ａｖｅ）／σoが９より大きいと判別されたときには上記仮決定された閾値Ｔが流出率と見過ぎ率との双方から十分な値であるとして、閾値Ｔを閾値データ４４６ｇとして記憶部４４６に保存する。ステップＳ４５０にて（Ｔ＋Ａｖｅ）／σoが９より大きいと判別されないときには、見過ぎ率が高いとしてパラメータの再決定を実施する。
【０１３３】
すなわち、良否判定対象の形状について良否を適正に判定できるパラメータが得られてなかったとしてパラメータ自体を再検討し、再決定する。この再決定を行うことによって、十分な流出率および見過ぎ率を確保できない状態で良否判定装置の運用を開始してしまうことを防止することができ、運用開始から高性能の判定を実施できるような装置を提供することができる。また、ノウハウの蓄積をしなくても高性能で装置の運用を開始することができる。尚、本実施形態では見過ぎ率データ４４６ｆを予め記憶部４４６に保存していたが、むろん、入力部４２０を介してこの見過ぎ率を特定するための値を入力させる構成等を採用可能である。
【０１３４】
以上のようにして閾値Ｔを決定すると、上記レーザー検査装置１００において当該閾値Ｔを特定する閾値データ４４６ｇを取得することによって所望の流出率および見過ぎ率になるように良否判定を行うことができる。尚、上記例ではモード分類部４６０ａ〜閾値決定部４６０ｄの処理において、良カテゴリーと否カテゴリーとの２つのカテゴリーで良否判定を行っていたが、むろん、否カテゴリーをより細分化して「浮き」「はんだ少」等の原因別にカテゴリーを作成しても良い。この場合、原因別の良否判定を行うことが好ましく、判別関数算出部４６０ｂ〜閾値決定部４６０ｄにおいて良カテゴリーと原因別の細分化カテゴリーとについて解析を行って閾値を決定する。
【０１３５】
（６）他の実施形態：
本発明においては、良カテゴリーあるいは否カテゴリーの少なくとも一方において特定の分布確率となる変数値を閾値にすることによって、流出率や見過ぎ率を所望の値に制御することができれば良く、種々の構成が採用可能である。むろん、上述の製品データや良否判定結果データ，流出率データ，見過ぎ率データ等を予め特定して保存しておくことにより、自動で閾値を決定し、また良否判定を実施する装置を提供することが可能である。
【０１３６】
さらに、各装置において種々の工夫を採用することができる。例えば、基板上には複数の実装部品が並設されるのが通常であり、ある実装部品の接点近傍に他の実装部品の接点が存在する場合、両接点間での対向反射に起因して形状データを正しく検出できない場合もある。図２１はこの対向反射が発生する際の例を示している。実装部品１３２ｂと実装部品１３２ｃとは基板上に並べらており、その接点１３２ｂ１，１３２ｃ１とはんだ１３２ｂ２，１３２ｃ２とが互いに対向している。
【０１３７】
レーザー検査装置１００において、はんだ１３２ｂ２に対してレーザー光を照射し、当該はんだ１３２ｂ２の上面中央でレーザー光が実装部品１３２ｃ方向に反射した場合、はんだ１３２ｃ２の上面でレーザー光がさらに反射して上方に向けて進行する場合がある。この上方に進行するレーザー光が上記受光ボックス１１０内の各センサのいずれかに達した場合には、対向反射が発生しないときと発生したときで形状データ１４６ｂが異なってしまう。
【０１３８】
本発明においてこの対向反射に対する対策を実施しても良い。例えば、対向反射が発生する接点と対向反射が発生しない接点とで異なる判定基準（異なるパラメータや異なる閾値）を採用することができる。本発明においては、上述のように運用開始前にある程度の数の良否判定結果データ２４６ｂを蓄積しておく必要があるが、上記図２１に示すような対向反射が発生する部位や数は限られており、限られた部位や数について事前に多数の良否判定を行ってサンプルを取得したり、人為的にサンプルを作成したりするのは非効率的である。
【０１３９】
そこで、対向反射が発生しない箇所と同様の形状データ１４６ｂおよびパラメータを蓄積しつつも、対向反射発生個所と非発生個所とでは上記ステップＳ３００〜Ｓ３７０でのパラメータ削除／選択基準を変更することによって結果として異なるパラメータによる異なる判定基準とすることができる。その手法のより具体的な例としては、対向反射によって影響を受けることが想定される上記コード値を多く使って生成されるパラメータについては上記ステップＳ３５０にて考慮する優先度を低くする例が挙げられる。また、当該パラメータ自体を削除しても良い。かかる処理により、対向反射の有無によって全く異なるパラメータを最初から作成するような作業が不要になり、簡単に異なる判定基準を作成することが可能になる。
【０１４０】
また、上記多変量統計解析においては、各カテゴリーの度数分布が正規分布に従うとして統計指標による閾値決定を行っている。従って、この度数分布と正規分布とが類似していないと統計指標が適切に算出されないおそれがあり、この対策をしても良い。例えば、正規分布と比較して度数分布に歪みや尖りが発生しているか否かを各変数について実際の度数と正規分布での値との相対値で表現し、相対値が所定値を超える場合に度数をｌｏｇ変換等により変換して基準相対値以内に収まるようにする構成を採用可能である。
【０１４１】
さらに、上記実施形態においては多変量統計解析として判別分析を採用していたが、本発明においては、良カテゴリーと否カテゴリーとについての度数分布を分離させる変数とその統計指標とが取得できればよいので、判別分析が好ましいものの必須ではない。例えば、重回帰分析を利用することができる。すなわち、重回帰分析において上記各パラメータが代入される説明変数の線形結合によって、良判定あるいは否判定の結果を目的変数とした重回帰式を算出する。そして、重回帰式の目的変数のヒストグラムを作成し、当該ヒストグラムにおいて上記特定の分布確率となる変数値を算出し、閾値とすればよい。むろん、他の解析手法を採用することも可能である。
【０１４２】
さらに、上記実施形態においては、レーザー検査装置１００に良否判定装置を適用して実装部品のはんだ形状から実装部品装着の良否を判定していたが、むろん良否判定対象はこれに限らず種々のものを採用可能である。例えば、形状データ１４６ｂを取得するための手段は上記照射レーザー光の反射光を検出するセンサに限られない。照射電磁波をＸ線に置換し、センサをＸ線ディテクタに置換すれば、同様の検査装置を提供することができ、同様の多変量解析によって高性能の良否判定装置を提供することができる。むろん、形状データを取得するために反射光の方向を検出することが必須になるわけではなく、透過光でも良いし、光の方向ではなく強度を検出しても良い。
【０１４３】
可視光や赤外線等を利用しても良いし、画像を撮像するとともに当該画像の画像データを種々の変換式にて複数のパラメータに変換して本発明にかかる多変量解析によって高性能の良否判定を行っても良い。撮像対象としては、実装部品に付された極性マークや人間の顔や道路の模様などパターン認識対象等を採用可能である。前者の例としては、ダイオードのように電気特性に方向性がある素子に付された極性マークが挙げられる。
【０１４４】
極性マークによれば実装部品の方向の良否を判定することができるので、上記撮像した画像データに基づいて、良方向のマークとの一致度や否方向のマークとの一致度をパラメータとし、各パラメータ値における良否判定結果を登録すれば、本発明による良否判定を実施することが可能になる。パターン認識等においても特定のパターンとの一致度や特定の形状，画像のエッジ位置等を表すパラメータを決定し、認識結果の良否とともに登録することによって本発明による良否判定を実施することが可能になる。
【０１４５】
上述の実施形態においては、良否判定対象についてレーザー光を照射するとともにその反射光を利用して形状データおよび複数のパラメータを作成していた。すなわち、良否判定対象について直接的に観測して得られるデータを利用して良否判定を行っていた。しかし、観測データによって間接的に推測可能な現象についての良否を判定する装置にすることも可能である。
【０１４６】
例えば、上述のように基板に対して複数の実装部品を実装する前のはんだ印刷の良否を判定する装置を形成することができ、この場合、部品実装前のはんだの印刷状態をレーザー光の照射およびその反射光の検出等によって計測し、この印刷状態のデータから上記複数のパラメータを算出する。良否判定結果としては部品実装の良否を採用するとともに上記各パラメータの組を対応づける。これらのパラメータおよび良否判定結果によって上記多変量統計解析を行えば、上記と同様にして閾値を特定することができ、当該閾値によって意図通りの流出率および見過ぎ率になるようにしつつ良否判定を行うことができる。
【０１４７】
以上説明したように、本発明においては良否判定要因となる複数のパラメータとその良否判定結果とを用いて判別関数を算出する。判別関数においては良カテゴリーと否カテゴリーとについてのヒストグラムを生成し、各カテゴリーにおける標準偏差に基づいて意図通りの流出率および見過ぎ率になるように閾値を決定する。この閾値に基づいて良否判定対象の良否を判定することによって、流出率や見過ぎ率を意図通りに制御することができ、ノウハウの蓄積によらないで高性能な良否判定を実現することができる。
【図面の簡単な説明】
【図１】良否判定装置を構成するシステムの概略ハードウェア構成を示す図である。
【図２】レーザー検査装置における概略フローチャートである。
【図３】レーザー検査装置の概略構成を示す図である。
【図４】センサの配置関係を示す図である。
【図５】生成されるコードを説明する説明図である。
【図６】良否判定プログラムの機能ブロック図である。
【図７】実装部品についての「良」状態と「不良」状態とを説明する説明図である。
【図８】パラメータの一例を説明する説明図である。
【図９】通信制御プログラムの機能ブロック図である。
【図１０】製品データベースに蓄積される製品データの例を示す図である。
【図１１】レーザーの照射対象位置を特定する様子を示す図である。
【図１２】目視入力プログラムの機能ブロック図である。
【図１３】基板平面のイメージ表示例を示す図である。
【図１４】多変量解析プログラムの機能ブロック図である。
【図１５】モード分類処理のフローチャートである。
【図１６】ヒストグラムの例を示す図である。
【図１７】判別関数算出処理のフローチャートである。
【図１８】良カテゴリーの相関係数行列を示す図である。
【図１９】閾値決定処理のフローチャートである。
【図２０】ヒストグラムの例を示す図である。
【図２１】対向反射が発生する際の例を示す図である。
【図２２】基板に対して各種部品をはんだ付けする際の各種状態例を説明する説明図である。
【符号の説明】
１００…レーザー検査装置
１１０…受光ボックス
１１２…トップセンサ
１１４…アップセンサ
１１６…サイドセンサ
１１８…ハーフミラー
１２０…アンプ
１２２…コード生成部
１２３…レンズ
１２４…ガルバノメータ
１２６…レーザー発振器
１２８…ガルバノメータ制御部
１３０…Ｘ−Ｙステージ
１３２…実装部品
１３２ａ…接点
１３２ｂ…実装部品
１３３…はんだ
１３５…Ｘ−Ｙステージ制御部
１４２…表示部
１４６…記憶部
１４６ａ…ラベルデータ
１４６ｂ…形状データ
１６０…良否判定プログラム
１６２…ラベル読取部
１６４…形状測定部
１６６…良否判定部
１６６ａ…パラメータ算出部
１６６ｂ…閾値判定部
２００…データ蓄積装置
２４６…記憶部
２４６ａ…製品データベース
２４６ｂ…良否判定結果データ
２６０…通信制御プログラム
３００…目視入力装置
３１０…表示部
３２０…入力部
３４６…記憶部
３４６ａ…ラベルデータ
３６０…目視入力プログラム
３６１…ラベル読取部
３６２…判定結果取得部
３６３…表示制御部
３６４…入力受付部
３６５…目視判定情報送信部
４００…多変量統計解析装置
４２０…入力部
４４６…記憶部
４４６ａ…目視判定データ
４４６ｂ…パラメータ値データ
４４６ｃ…良否判定結果データ
４４６ｄ…判別関数データ
４４６ｅ…流出率データ
４４６ｆ…見過ぎ率データ
４４６ｇ…閾値データ
４６０…多変量解析プログラム
４６０ａ…モード分類部
４６０ｂ…判別関数算出部
４６０ｃ…統計指標算出部
４６０ｄ…閾値決定部
Claims (12)
- 良否判定要因となる複数のパラメータ情報とその良否判定結果情報とから良カテゴリーと否カテゴリーとの度数分布を分離させる変数を与える判別関数を算出する判別関数算出手段と、
上記良カテゴリーと否カテゴリーとの少なくとも一方について上記変数に対する度数平均とその分布の広がりを示す分布指標とを算出する統計指標算出手段と、
上記少なくとも一方のカテゴリーにおいて特定の分布確率となる上記変数値を上記度数平均と分布指標とから算出して良否判定の閾値とする閾値決定手段と、
良否判定対象について上記複数のパラメータ情報を取得するパラメータ情報取得手段と、
同パラメータ情報を上記判別関数に代入して得られる上記変数の値と上記閾値とを比較することによって良否判定を行う良否判定手段とを備えることを特徴とする良否判定装置。 - 上記統計指標算出手段は否カテゴリーの度数平均と標準偏差とを算出し、上記閾値決定手段は上記否カテゴリーの度数平均からその標準偏差の定数倍に該当する上記変数値を上記閾値とすることを特徴とする上記請求項１に記載の良否判定装置。
- 上記統計指標算出手段は良カテゴリーの度数平均と標準偏差とを算出し、上記閾値決定手段は上記否カテゴリーの度数平均と標準偏差とから決定した閾値が上記良カテゴリーの度数平均からその標準偏差の何倍に該当するかを判定することによって当該閾値における見過ぎの発生率を算出することを特徴とする上記請求項２に記載の良否判定装置。
- 上記複数のパラメータ情報は所定の検査装置にて予め複数の良否判定対象を検査した結果得られる所定の検査データを異なる複数の変換式によって異なる良否判定要因を示すパラメータに変換することによって得られるとともに所定の記憶媒体に記憶されており、上記パラメータ情報取得手段にて取得した良否判定対象についての複数のパラメータ情報および上記良否判定手段による良否判定結果は当該所定の記憶媒体に追加記憶されることを特徴とする上記請求項１〜請求項３のいずれかに記載の良否判定装置。
- 上記良否判定対象について目視による良否判定結果を入力する手段を備え、当該目視による良否判定結果を示す上記良否判定結果情報と上記良否判定対象のパラメータ情報とを対応づけるとともに、上記良否判定手段による良否判定結果と上記目視による良否判定結果とが異なるときには目視による良否判定結果を正しい判定結果として上記所定の記憶媒体に追加記憶することを特徴とする上記請求項４に記載の良否判定装置。
- 上記良否判定対象について目視によって良否判定の原因およびその良否判定結果を入力する手段を備え、当該良否判定の原因別に上記良カテゴリーと否カテゴリーとの少なくとも一方についてカテゴリーを判定原因別に細分化して上記良否判定結果情報とし、上記判別関数算出手段は細分化した良カテゴリーと否カテゴリーの度数分布を分離させる変数を与える判別関数を算出することを特徴とする上記請求項４または請求項５のいずれかに記載の良否判定装置。
- 上記判別関数算出手段は、上記複数のパラメータのいずれかを変数として有する判別関数を算出するに当たり、各パラメータ相互の相関係数を算出し相関係数が所定値以上になるパラメータの数を上記良カテゴリーと否カテゴリーとにて集計し、集計値が大きいパラメータを非使用パラメータにする処理を繰り返して多重共線性を除去することを特徴とする請求項１〜請求項５のいずれかに記載の良否判定装置。
- 上記判別関数算出手段は、上記複数のパラメータのいずれかを変数として有する判別関数を算出するに当たり、各パラメータに対して予め与えられた優先度の低い順にパラメータを非使用パラメータにする処理を繰り返して多重共線性を除去することを特徴とする請求項１〜請求項７のいずれかに記載の良否判定装置。
- 所定の電磁波で良否判定対象を照射する電磁波照射手段と、
同電磁波の照射によって生ずる反射電磁波あるいは透過電磁波を検出する電磁波検出手段と、
同電磁波検出手段にて検出した反射電磁波あるいは透過電磁波の検出値から電磁波データを生成する電磁波データ生成手段とを備え、
上記判別関数算出手段とパラメータ情報取得手段とは上記電磁波データを異なる複数の変換式に代入することによって良否判定対象の形状に対応した値を算出して上記複数のパラメータ情報とすることを特徴とする上記請求項１〜請求項８のいずれかに記載の良否判定装置。 - 良否判定対象の位置情報を取得する位置情報取得手段と、複数の良否判定対象にて複数回反射した電磁波が上記電磁波検出手段にて検出され得る場合に、その良否判定対象の配置を上記位置情報から把握する配置分析手段とを備え、
上記判別関数算出手段は、上記複数回反射した電磁波の寄与が大きい上記パラメータを非使用あるいは低優先度にすることを特徴とする上記請求項９に記載の良否判定装置。 - 良否判定要因となる複数のパラメータ情報とその良否判定結果情報とから良カテゴリーと否カテゴリーとの度数分布を分離させる変数を与える判別関数を算出する判別関数算出機能と、
上記良カテゴリーと否カテゴリーとの少なくとも一方について上記変数に対する度数平均とその分布の広がりを示す分布指標とを算出する統計指標算出機能と、
上記少なくとも一方のカテゴリーにおいて特定の分布確率となる上記変数値を上記度数平均と分布指標とから算出して良否判定の閾値とする閾値決定機能と、
良否判定対象について上記複数のパラメータ情報を取得するパラメータ情報取得機能と、
同パラメータ情報を上記判別関数に代入して得られる上記変数の値と上記閾値とを比較することによって良否判定を行う良否判定機能とをコンピュータに実現させることを特徴とする良否判定プログラム。 - 良否判定要因となる複数のパラメータ情報とその良否判定結果情報とから良カテゴリーと否カテゴリーとの度数分布を分離させる変数を与える判別関数を算出する判別関数算出工程と、
上記良カテゴリーと否カテゴリーとの少なくとも一方について上記変数に対する度数平均とその分布の広がりを示す分布指標とを算出する統計指標算出工程と、
上記少なくとも一方のカテゴリーにおいて特定の分布確率となる上記変数値を上記度数平均と分布指標とから算出して良否判定の閾値とする閾値決定工程と、
良否判定対象について上記複数のパラメータ情報を取得するパラメータ情報取得工程と、
同パラメータ情報を上記判別関数に代入して得られる上記変数の値と上記閾値とを比較することによって良否判定を行う良否判定工程とを具備することを特徴とする良否判定方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002242544A JP3733094B2 (ja) | 2002-08-22 | 2002-08-22 | 良否判定装置、良否判定プログラムおよび良否判定方法 |
| US10/646,942 US7610168B2 (en) | 2002-08-22 | 2003-08-21 | Pass/fail judgment device, pass/fail judgment program, pass/fail judgment method, and multivariate statistics analyzer |
| CNB031543952A CN1312469C (zh) | 2002-08-22 | 2003-08-21 | 良否判定装置、判定程序、方法以及多变量统计解析装置 |
| HK04107627.2A HK1064739B (en) | 2002-08-22 | 2004-10-05 | Pass/fail judgment device, pass/fail judgment program, pass/fail judgment method, and multivariate statistics analyzer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002242544A JP3733094B2 (ja) | 2002-08-22 | 2002-08-22 | 良否判定装置、良否判定プログラムおよび良否判定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004085216A JP2004085216A (ja) | 2004-03-18 |
| JP3733094B2 true JP3733094B2 (ja) | 2006-01-11 |
Family
ID=32051599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002242544A Expired - Lifetime JP3733094B2 (ja) | 2002-08-22 | 2002-08-22 | 良否判定装置、良否判定プログラムおよび良否判定方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US7610168B2 (ja) |
| JP (1) | JP3733094B2 (ja) |
| CN (1) | CN1312469C (ja) |
Families Citing this family (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1751628A4 (en) * | 2004-05-20 | 2007-12-05 | Univ Mcmaster | METHOD FOR CONTROLLING THE APPEARANCE OF PRODUCTS AND PROCESS PERFORMANCE THROUGH IMAGE ANALYSIS |
| US8891852B2 (en) | 2004-06-09 | 2014-11-18 | Cognex Technology And Investment Corporation | Method and apparatus for configuring and testing a machine vision detector |
| US8127247B2 (en) | 2004-06-09 | 2012-02-28 | Cognex Corporation | Human-machine-interface and method for manipulating data in a machine vision system |
| JP2008511086A (ja) * | 2004-10-01 | 2008-04-10 | メンター・グラフィクス・コーポレーション | 特徴の故障の補正 |
| US9292187B2 (en) | 2004-11-12 | 2016-03-22 | Cognex Corporation | System, method and graphical user interface for displaying and controlling vision system operating parameters |
| US20130074005A1 (en) * | 2004-11-12 | 2013-03-21 | Cognex Corporation | System, method and graphical user interface for displaying and controlling vision system operating parameters |
| JP2006184254A (ja) * | 2004-12-28 | 2006-07-13 | Meiji Milk Prod Co Ltd | 検査装置における良品判定基準設定方法及び判定処理精度判定方法並びに、良品判定基準設定装置及び判定処理精度判定装置 |
| JP4610364B2 (ja) * | 2005-02-15 | 2011-01-12 | 名古屋電機工業株式会社 | 良否判定装置、良否判定方法および良否判定プログラム |
| JP2007017311A (ja) * | 2005-07-08 | 2007-01-25 | Matsushita Electric Ind Co Ltd | 外観検査システム |
| JP4645422B2 (ja) * | 2005-11-18 | 2011-03-09 | オムロン株式会社 | 判定装置、判定装置の制御プログラム、および判定装置の制御プログラムを記録した記録媒体 |
| WO2007066404A1 (ja) * | 2005-12-08 | 2007-06-14 | Spansion Llc | 半導体製造装置、その制御システムおよびその制御方法 |
| US20080167843A1 (en) * | 2007-01-08 | 2008-07-10 | Is Technologies, Llc | One pass modeling of data sets |
| US7937350B2 (en) * | 2007-02-14 | 2011-05-03 | International Business Machines Corporation | Method, system and program product for determining a time for retraining a data mining model |
| JP5152081B2 (ja) * | 2009-04-09 | 2013-02-27 | 株式会社デンソー | 外観検査装置 |
| GB2477324A (en) * | 2010-02-01 | 2011-08-03 | Rolls Royce Plc | Device monitoring |
| JP5116798B2 (ja) * | 2010-05-06 | 2013-01-09 | 株式会社明治 | 検査装置における良品判定処理精度判定方法及び良品判定処理精度判定装置 |
| JP2014230553A (ja) * | 2011-09-22 | 2014-12-11 | 株式会社ティーティーシー | ストレス感受性評価用紙及びプログラム |
| JP5868210B2 (ja) * | 2012-02-22 | 2016-02-24 | Ｊｕｋｉオートメーションシステムズ株式会社 | 実装装置、電子部品の良否判定方法、プログラム及び基板の製造方法 |
| JP5390652B2 (ja) * | 2012-03-01 | 2014-01-15 | 株式会社明治 | 検査装置における良品判定基準設定方法及び良品判定基準設定装置 |
| KR101614061B1 (ko) * | 2012-03-29 | 2016-04-20 | 주식회사 고영테크놀러지 | 조인트 검사 장치 |
| US9286585B2 (en) * | 2012-10-26 | 2016-03-15 | International Business Machines Corporation | Automated data-driven closed-loop-feedback method for adaptive and comparative quality control in a discrete data aggregation environment |
| JP5959444B2 (ja) * | 2013-01-11 | 2016-08-02 | 名古屋電機工業株式会社 | 印刷検査装置による不良原因の推定（分類）方法 |
| JP2015094589A (ja) * | 2013-11-08 | 2015-05-18 | 株式会社リコー | 外観検査装置 |
| US9933371B2 (en) * | 2014-01-08 | 2018-04-03 | Yamaha Hatsudoki Kabushiki Kaisha | Visual inspection apparatus and visual inspection method |
| JP6199497B2 (ja) * | 2014-08-18 | 2017-09-20 | 株式会社日立製作所 | データ処理システム |
| CN106383098A (zh) * | 2016-02-01 | 2017-02-08 | 北京朗迪森科技有限公司 | 一种液体样品稳定性检测方法及装置 |
| BR112018014159A2 (pt) * | 2016-05-16 | 2018-12-11 | Sintokogio Ltd | método de processamento de tratamento de superfície e dispositivo de processamento de tratamento de superfície |
| KR20180054063A (ko) * | 2016-11-14 | 2018-05-24 | 주식회사 고영테크놀러지 | 검사체에 대한 양부 판정 조건을 조정하는 방법 및 장치 |
| JP6942617B2 (ja) * | 2017-11-30 | 2021-09-29 | 株式会社日立製作所 | データ分析システムおよびデータ分析装置 |
| JP6730354B2 (ja) * | 2018-03-23 | 2020-07-29 | ファナック株式会社 | 入力ミス検出装置 |
| CN109613108B (zh) * | 2018-12-27 | 2022-09-20 | 帝沃检测技术(上海)有限公司 | 阈值选择方法及设备 |
| WO2020183735A1 (ja) * | 2019-03-14 | 2020-09-17 | 株式会社Ｆｕｊｉ | 良否判定装置および良否判定方法 |
| JP7406441B2 (ja) * | 2020-04-08 | 2023-12-27 | 株式会社日立製作所 | 製造不良要因探索方法、及び製造不良要因探索装置 |
| JP7517680B2 (ja) * | 2020-04-15 | 2024-07-17 | ヤマハファインテック株式会社 | 検査装置、及び検査方法 |
| DE102020209086A1 (de) * | 2020-07-21 | 2022-01-27 | MTU Aero Engines AG | Bauteilprüfung |
| CN112434738A (zh) * | 2020-11-24 | 2021-03-02 | 英业达(重庆)有限公司 | 基于决策树算法的锡膏检测方法、系统、电子设备及介质 |
| JP7520463B2 (ja) * | 2020-12-03 | 2024-07-23 | ヤマハ発動機株式会社 | 基板生産システムおよび基板生産方法 |
| CN114877819A (zh) * | 2021-02-05 | 2022-08-09 | 苏州汉扬精密电子有限公司 | 一种产品变形检测系统及方法 |
| JP7726083B2 (ja) * | 2022-01-25 | 2025-08-20 | オムロン株式会社 | 制御装置および制御方法 |
| CN115265635B (zh) * | 2022-09-29 | 2023-04-07 | 浙江中科凯泽科技有限公司 | 一种基于数据分析的工业机器视觉检测管理系统 |
| WO2024171430A1 (ja) * | 2023-02-17 | 2024-08-22 | 三菱電機株式会社 | 情報処理装置、検出方法、及び検出プログラム |
| CN118245766B (zh) * | 2024-05-23 | 2024-07-30 | 深圳市瀚天鑫科技有限公司 | 基于多设备指纹识别性能的评估方法和系统 |
| CN119545774B (zh) * | 2024-11-19 | 2025-07-11 | 广州锐新电子有限公司 | 一种应用于pcba板加工流程的智能化监测系统及方法 |
| CN119702509B (zh) * | 2025-02-26 | 2025-06-06 | 江苏满旺半导体科技股份有限公司 | 一种基于数据分析的芯片质量评估系统及方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06174444A (ja) | 1992-12-02 | 1994-06-24 | Rozefu Technol:Kk | ディスクリート型電子部品のはんだ形態検査方法 |
| JP3417051B2 (ja) * | 1994-05-20 | 2003-06-16 | 東洋インキ製造株式会社 | 光源に依存しない特徴パラメータ値を用いた色情報処理方法および装置 |
| JP3516719B2 (ja) * | 1994-07-11 | 2004-04-05 | アピックヤマダ株式会社 | 片面樹脂モールド製品の製造方法及び樹脂モールド装置 |
| JPH08254501A (ja) | 1995-03-16 | 1996-10-01 | Hitachi Denshi Ltd | 外観検査方法及び装置 |
| JP3216033B2 (ja) * | 1995-04-20 | 2001-10-09 | オムロン株式会社 | 検査結果出力装置および検査結果出力方法、ならびにこの検査結果出力装置を用いた基板検査システムおよびこの検査結果出力方法を用いた基板検査方法 |
| JPH09229644A (ja) | 1996-02-21 | 1997-09-05 | Hitachi Denshi Ltd | 外観検査方法及び装置 |
| JPH10214327A (ja) * | 1997-01-30 | 1998-08-11 | Nippon Telegr & Teleph Corp <Ntt> | 画像を用いた表面欠陥検出方法 |
| JP4387469B2 (ja) | 1997-05-23 | 2009-12-16 | パナソニック株式会社 | プリント基板の検査プログラム設定方法 |
| US20040224301A1 (en) * | 1998-06-01 | 2004-11-11 | Weyerhaeuser Company | Methods for classification of somatic embryos |
| US6633376B1 (en) * | 1998-08-10 | 2003-10-14 | Mitsubishi Denki Kabushiki Kaisha | Apparatus for inspecting a printed circuit board |
| CN1137387C (zh) * | 2000-03-14 | 2004-02-04 | 武原庆 | 测试印刷线路板上电子元器件异常的方法 |
| US6606579B1 (en) * | 2000-08-16 | 2003-08-12 | Ncr Corporation | Method of combining spectral data with non-spectral data in a produce recognition system |
| US6868342B2 (en) * | 2000-10-13 | 2005-03-15 | The Brigham & Women's Hospital, Inc. | Method and display for multivariate classification |
| JP4393720B2 (ja) * | 2001-01-31 | 2010-01-06 | 富士通株式会社 | パターン認識装置および方法 |
| US7206351B2 (en) * | 2001-05-28 | 2007-04-17 | Sharp Kabushiki Kaisha | Signal evaluation devices and signal evaluation methods, signal quality evaluation methods and reproducing devices and recording devices |
| US6584413B1 (en) * | 2001-06-01 | 2003-06-24 | Sandia Corporation | Apparatus and system for multivariate spectral analysis |
| US7194369B2 (en) * | 2001-07-23 | 2007-03-20 | Cognis Corporation | On-site analysis system with central processor and method of analyzing |
| US6687620B1 (en) * | 2001-08-01 | 2004-02-03 | Sandia Corporation | Augmented classical least squares multivariate spectral analysis |
| US7561971B2 (en) * | 2002-03-28 | 2009-07-14 | Exagen Diagnostics, Inc. | Methods and devices relating to estimating classifier performance |
-
2002
- 2002-08-22 JP JP2002242544A patent/JP3733094B2/ja not_active Expired - Lifetime
-
2003
- 2003-08-21 CN CNB031543952A patent/CN1312469C/zh not_active Expired - Lifetime
- 2003-08-21 US US10/646,942 patent/US7610168B2/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| CN1312469C (zh) | 2007-04-25 |
| US7610168B2 (en) | 2009-10-27 |
| US20040220770A1 (en) | 2004-11-04 |
| HK1064739A1 (en) | 2005-02-04 |
| JP2004085216A (ja) | 2004-03-18 |
| CN1488933A (zh) | 2004-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3733094B2 (ja) | 良否判定装置、良否判定プログラムおよび良否判定方法 | |
| US6936835B2 (en) | Method and its apparatus for inspecting particles or defects of a semiconductor device | |
| US6797975B2 (en) | Method and its apparatus for inspecting particles or defects of a semiconductor device | |
| US7062081B2 (en) | Method and system for analyzing circuit pattern defects | |
| CN115032493B (zh) | 一种基于管芯参数显示的晶圆测试方法及系统 | |
| CN117541483B (zh) | 一种扩散板的结构性能评估方法及系统 | |
| CN119559173B (zh) | 一种基于识别模型的pcb生产线残缺检测分析方法及系统 | |
| CN118655144A (zh) | 芯片电路板的生产质量检测方法及相关设备 | |
| US6738450B1 (en) | System and method for cost-effective classification of an object under inspection | |
| CN119304387B (zh) | 一种金属板材激光切割作业用自动化监测方法和系统 | |
| CN118608514B (zh) | 一种用于实现pcba板测试的智能方法及系统 | |
| CN119125163A (zh) | 一种用于bga封装电路质量的自动化检测系统及方法 | |
| CN120668678A (zh) | 半导体芯片的高精度缺陷检测方法及系统 | |
| JP4109630B2 (ja) | 良否判定装置、良否判定プログラムおよび良否判定方法 | |
| JP4235074B2 (ja) | 良否判定装置、良否判定プログラム及び良否判定方法 | |
| CN120385698A (zh) | 一种电路板生产智能在线分析监测系统及其方法 | |
| US8072597B2 (en) | Method and its apparatus for inspecting particles or defects of a semiconductor device | |
| CN118777336A (zh) | 一种石墨烯薄膜的无损检测系统及方法 | |
| CN119594924B (zh) | 一种探针卡孔径的自适应检测方法及系统 | |
| HK1064739B (en) | Pass/fail judgment device, pass/fail judgment program, pass/fail judgment method, and multivariate statistics analyzer | |
| CN120629359B (zh) | 一种基于塑料内胆焊接的工艺监测方法、设备及介质 | |
| CN119972541A (zh) | 基于神经网络的swir6毫米镜头的工业检测系统 | |
| CN119125312A (zh) | 基于图像识别的轮毂智能识别方法 | |
| CN120275399A (zh) | 一种光电子器件表面缺陷检测装置 | |
| CN121499528A (zh) | 一种晶圆级封装图谱处理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050210 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050928 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051014 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3733094 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091021 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091021 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101021 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111021 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121021 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121021 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131021 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |