JPH0816207A - 電子回路パッケージ調整方法および自動調整装置 - Google Patents

Abstract

(57)【要約】 【目的】各種の電子回路パッケージの調整に適用でき、
熟練度に依存せず誰にでも使用可能で、工数削減，時間
短縮ができ自動化も容易な方法を提供する。 【構成】調整対象の電子回路パッケージに規定信号を供
給し、ｍ個の調整用トリマを初期設定位置（β種設定）
に固定したときのｎ個の出力の出力値Ｘｓを、遺伝的ア
ルゴリズムの手法を実行するＧＡ操作部１に与え、電子
回路パッケージの出力を基準出力値Ｘｏに調整するため
の調整用トリマの回転量を求め、これを教師信号Ｚｓと
してニューラルネットワーク２に学習させる。この学習
動作をβ種の初期設定位置に対して行う。調整時には、
実際に調整対象となる電子回路パッケージの出力値Ｘを
学習後のニューラルネットワーク２に入力し、出力され
る回転量Ｙに従って調整用トリマの回転を行う。１回の
回転調整で基準出力値Ｘｏとならない場合は、回転後の
出力値を入力して同様な操作を繰り返し行う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、電子回路パッケージ調
整方法および自動調整装置に関する。

【０００２】

【従来の技術】可変抵抗や可変コンデンサなどの調整用
トリマを有する電子回路パッケージの調整は、電子回路
パッケージを製造する際などに、製品に望ましい出力特
性を与えるための最終工程としてしばしば必要となる。
従来、このような電子回路パッケージの調整は、図６に
示すように、作業者１０が、電子回路パッケージ６から
の出力値を測定器１１で観測しながら、ビット１２を用
いて調整用トリマ７を回転することにより行っている。

【０００３】一方、このような電子回路パッケージの調
整作業を、作業者の技能に頼らずに自動化しようとする
従来の技術としては、例えば、特開平２―９２００４号
公報記載の電子回路の調整装置がある。この電気回路の
調整装置は、規定の振幅の正弦波入力を与えたときの電
子回路の出力の交流成分と直流成分とから、ファジィ推
論によって電子回路のゲイン及びオフセット調整用の二
つの可変抵抗の調整量（トリマ回転量）を求め、モータ
駆動の抵抗値調整器によりその分量だけ各可変抵抗の調
整用トリマを回転させる動作を、各調整量が“０”に収
束するまで繰り返し行うものである。

【０００４】

【発明が解決しようとする課題】上述した従来の作業者
による電子回路パッケージの調整方法は、作業者が測定
器で観測しながら調整用トリマを回転して調整を行うた
め、調整に要する時間は作業者の熟練の度合いに大きく
依存する。特に、電子回路パッケージの規模が大きくな
り調整用トリマの数が増えて相互の干渉が起こる場合に
は、調整時間が長くなり熟練度への依存の度合いが高ま
るばかりか、熟練の度合いが十分でない作業者には調整
できない事態も発生するという問題点がある。

【０００５】一方、上述のファジィ推論を利用した調整
装置は、作業者の熟練度には影響されないが、ファジィ
推論によるため一般に何回かの繰り返し調整（調整用ト
リマの回転操作）が必要となり調整時間が長くなるほ
か、ファジィ推論を行うためのルールであるメンバーシ
ップ関数をあらかじめ決定して置かなければならないと
いう問題点がある。すなわち、調整対象である電子回路
パッケージの構成および動作を十分熟知した技術者が、
あらかじめメンバーシップ関数を設定しなければならな
い上に、調整用トリマの数が増えるに伴ってこのメンバ
ーシップ関数の設定は煩雑で困難な作業となる欠点があ
る。

【０００６】本発明の目的は、近年注目されている学習
機能を有するニューラルネットワークと、膨大な探索空
間の効率的かつ実用的な探索手法である遺伝的アルゴリ
ズムの手法とを用いることにより、上述の欠点が除去さ
れた汎用的に使用可能な電子回路パッケージ調整方法お
よび自動調整装置を提供することにある。

【０００７】

【課題を解決するための手段】請求項１の電子回路パッ
ケージ調整方法は、規定の入力信号を与えたときの出力
値を基準出力値に対して所定の許容範囲内とするための
電子回路パッケージの調整用トリマの回転量を、前記調
整用トリマの複数の初期設定状態に対して遺伝的アルゴ
リズムの手法により求め、これらを教師信号として中間
層を有する階層型のニューラルネットワークに学習させ
た後、調整しようとする個々の電子回路パッケージに前
記規定の入力信号を与えたときの出力値に基づいて前記
ニューラルネットワークから前記調整用トリマの回転量
を求め、求められた回転量に従って前記調整用トリマを
回転して出力値が前記基準出力値に対して所定の許容範
囲内となるように調整することを特徴としている。

【０００８】請求項２の電子回路パッケージ自動調整装
置は、調整対象となる電子回路パッケージに規定の入力
信号を与えて出力値を測定する測定部と、制御情報に従
って前記電子回路パッケージの調整用トリマの回転を行
う機構部と、中間層を有する階層型のニューラルネット
ワークを含み前記測定部から前記電子回路パッケージの
出力値を入力して学習済みの前記ニューラルネットワー
クにより前記調整用トリマの回転量を求めて前記機構部
に前記制御情報を出力する調整手段を有する制御部とを
備えて構成されている。

【０００９】請求項３の電子回路パッケージ自動調整装
置は、請求項２の電子回路パッケージ自動調整装置にお
いて、前記制御部が、前記調整用トリマの複数の初期設
定状態に対して規定の入力信号を与えたときの出力値を
基準出力値に対して所定の許容範囲内とするための電子
回路パッケージの調整用トリマの回転量を遺伝的アルゴ
リズムの手法に基づいて求め、これらを教師信号として
前記ニューラルネットワークの学習を行う学習手段を含
むことを特徴としている。

【００１０】

【作用】ここで、本発明を構成する基本的な技術思想に
ついて説明する。前述したように、本発明の目的は、作
業者の熟練度に依存することなく、しかも各種の電子回
路パッケージに汎用的に適用できる調整方法および自動
調整装置の提供であり、この目的を達成するために、学
習機能を有するニューラルネットワークと遺伝的アルゴ
リズムの手法とを用いたことを特徴とするものである。
更に詳しく説明すると、本発明の基本的な技術思想の内
容は、図１（ａ）に示す遺伝的アルゴリズムの手法によ
るニューラルネットワークの学習と、図１（ｂ）に示す
学習済みのニューラルネットワークによる調整の実行と
の２段階に分けられる。

【００１１】ニューラルネットワークは、人間の脳神経
細胞構造をモデルに形成された情報処理システムであ
り、可変重み付け機能を有するリンクによって相互に接
続された多数の非線形処理ユニットから成る大規模な並
列ネットワークである。入力パターンが供給される処理
ユニットから成る入力層と、出力パターンを発生する処
理ユニットから成る出力層との間に、中間層を構成する
隠れユニットを有する階層型ネットワークでは、既知の
入出力関係を教師信号として学習させることにより、リ
ンクの可変重み付けが修正されてネットワークの内部状
態が変化し、学習した以外の類似の入力パターンに対し
ても適切な出力パターンを出力することができるように
なる学習機能を持つことが知られている。

【００１２】本発明が対象とする電子回路パッケージ
は、一般的にｋ個の入力とｎ個の出力とｍ個の調整用ト
リマ（ｋ，ｎ，ｍはいずれも正の整数）とを備えた電子
回路であり、ｋ個の入力に規定の入力信号を与えた状態
で、ｎ個の出力値がそれぞれの基準出力値に対して所定
の許容範囲内となるように、ｍ個の調整用トリマを用い
て調整できるように設計されているものとする。前述し
た特開平２―９２００４号公報記載のファジィ推論によ
る電子回路のゲイン及びオフセット調整の例は、対象と
なる電子回路が、ｋ＝１，ｍ＝ｎ＝２の場合に該当す
る。

【００１３】学習時には、調整対象の回路と同等な１個
又は少数の電子回路パッケージを使用する。電子回路パ
ッケージのｋ個の入力にそれぞれ規定の入力信号を供給
し、ｍ個の調整用トリマを複数設定した初期状態（調整
用トリマの初期位置の組み合わせ）の一つに固定し、そ
のときのｎ個の出力の出力値Ｘｓを、図１（ａ）に示す
ように、遺伝的アルゴリズムの手法を実行するＧＡ操作
部１とニューラルネットワーク２とに入力する。まず、
ＧＡ操作部１により、電子回路パッケージの出力値Ｘｓ
を基準出力値Ｘｏに調整するために必要なｍ個の調整用
トリマの回転量を求め、これを教師信号Ｚｓとしてニュ
ーラルネットワーク２に学習させる。この学習動作は、
ニューラルネットワーク２から出力される回転量Ｙｓと
教師信号Ｚｓとの誤差を入力層側に送り返すバックプロ
パゲーションにより、ニューラルネットワーク２の内部
で実行される。ここで、出力値Ｘｓ，基準出力値Ｘｏ，
回転量Ｙｓ及び教師信号Ｚｓは、図１（ａ）に示すよう
に、それぞれｎ個およびｍ個の要素から成る１列のマト
リクスであり、ニューラルネットワーク２の入出力の関
係をＹｓ＝Ｆ（Ｘｓ）で表すと、Ｆはｍ×ｎ次の複雑な
関数となる。

【００１４】以上の操作を電子回路パッケージの初期状
態を変えてβ回繰り返し行うことにより、ニューラルネ
ットワーク２は内部状態を変化させて学習を完了し、学
習した以外の類似の入力パターンに対しても適切な出力
パターンが得られるようになる。この学習は、特定の１
個の電子回路パッケージのみで行ってもよいが、何個か
の電子回路パッケージを取り替えて行ってもよい。

【００１５】遺伝的アルゴリズムの手法は、膨大な領域
の探索問題を効率的に解決する方法として生物の進化の
過程にヒントを得て開発されたものであり、多ビットの
情報を表す遺伝子の集団を想定し、この集団に対して淘
汰，増殖，遺伝子型の交差，突然変異などの一連の操作
を加えて世代交代シミュレーションを繰り返すことによ
り、条件に一致した最適解を求めるものである。具体的
には電子回路パッケージのｍ個の調整用トリマの回転量
を一つの遺伝子にコーディングし、適応度として遺伝子
情報に基づき調整用トリマの回転を行った場合の出力値
と調整目標である基準出力値との誤差を用いて最適解
（教師信号）を求める。ランダムに選択した遺伝子情報
を持つ遺伝子の集団から出発し、単純な基本操作を繰り
返し実行することにより目的とする進化した遺伝子を得
ることができるため、対象とする電子回路パッケージの
構成や特性などの技術的内容を知らなくても、誰にでも
容易に教師信号を作成することができる。

【００１６】次に、調整時においては、図１（ｂ）に示
すように、学習後のニューラルネットワーク２を用い、
実際に調整対象となる電子回路パッケージの出力値Ｘを
入力し、その入力に対応する調整用トリマの回転量Ｙを
算出し、算出された回転量Ｙに従って調整用トリマの回
転を行い調整を実行する。１回の調整で目的とする基準
出力値とならない場合は、同様な操作を繰り返し行う。

【００１７】なお、ニューラルネットワーク、特に階層
型ネットワークとバックプロパゲーションについては、
例えば、「ＰＤＰモデル―認知科学とニューロン回路網
の探索―（初版）」（Ｄ．Ｅ．ラメルハートらＰＤＰリ
サーチグループ著、甘利俊一監訳、産業図書、１９８９
年２月２７日発行）の第８章（Ｐ３２２〜Ｐ３３３）に
詳細な記述がある。更に、遺伝的アルゴリズムについて
は、例えば、「ジェネティックアルゴリズム（初版）」
（安居院猛，長尾智晴共著、照光堂、１９９３年９月２
２日発行）の第１章（Ｐ１〜Ｐ１５）に概括的に説明さ
れている。

【００１８】

【実施例】次に、本発明の実施例について図面を参照し
て説明する。

【００１９】図２は本発明による電子回路パッケージ自
動調整装置の一実施例の構成を示すブロック図である。

【００２０】本実施例の電子回路パッケージ自動調整装
置は、図２に示すように、調整対象となる電子回路パッ
ケージ６に測定器から規定の入力信号を与えて出力値を
測定しディジタル情報として出力する測定部３と、調整
用ヘッド９を備えたロボット機構８により制御情報に従
って電子回路パッケージ６の調整用トリマ７の回転を行
う機構部４と、測定部３及び機構部４を制御し電子回路
パッケージ６の調整を行う制御部５とで構成されてい
る。制御部５は、例えばワークステーションやパソコン
などの情報処理装置で構成され、ソフトウェアシミュレ
ーションにより学習能力を有するニューラルネットワー
クを実現する機能と、遺伝的アルゴリズムの手法に基づ
いて情報の更新を行う機能と、測定部３及び機構部４を
制御し電子回路パッケージ６を用いて遺伝的アルゴリズ
ムの手法で教師信号を作成しニューラルネットワークに
学習させる機能と、学習済みのニューラルネットワーク
を用いて調整対象の電子回路パッケージ６の調整を実行
する機能とを備えている。

【００２１】学習の場合、制御部５は、測定部３を制御
して電子回路パッケージ６からの出力値をディジタル情
報として受け取り、機構部４を制御しながら遺伝的アル
ゴリズムの手法で教師信号を作成し、ニューラルネット
ワークに学習させる動作を規定の手順に従って繰り返
す。調整を実施する場合には、測定部３から受けた電子
回路パッケージ出力値のディジタル情報をニューラルネ
ットワークに入力し、得られた結果で機構部４を制御
し、電子回路パッケージ６の調整用トリマ７を回転す
る。その結果、測定部３からのディジタル情報が基準出
力値と一致すれば調整は終了する。一致しない場合に
は、同様にして再調整を行う。

【００２２】図３は、学習時の詳細な動作を示すフロー
チャートである。以下、図２及び図１（ａ）を参照しな
がら学習時の動作について説明するまず、学習に使用す
る教師信号の数（β個とする）を決定し、その数だけの
異なる初期設定条件（ｍ個の調整用トリマ７の初期位置
の組み合わせ）を設定する（ステップＳ１）。続いて、
ｍ個の調整用トリマ７の回転量情報を格納する複数（α
個とする）の遺伝子を設定し、すべての遺伝子をランダ
ムに初期化する（ステップＳ２）。調整用トリマ７の回
転量を８ビットのディジタル情報で表すと、一つの遺伝
子は８ｍビットの情報量を持つことになる。次に、ステ
ップＳ１で先に設定した初期設定条件のどれを使用する
かを決定する（ステップＳ３）。

【００２３】制御部５は、機構部４を制御して電子回路
パッケージ６の調整用トリマ７の位置を指定した初期設
定条件の状態に調整した後（ステップＳ４）、測定部３
から電子回路パッケージ６に規定の入力信号を供給し
（ステップＳ５）、出力値を測定しその初期設定条件に
対する出力値Ｘｓとして記憶する（ステップＳ６）。そ
して、ステップＳ２で設定したα個の遺伝子の１個を選
択し（ステップＳ７）、その遺伝子にコーディングされ
た回転量情報に基づいて各調整用トリマ７の回転を行っ
た後（ステップＳ８）、電子回路パッケージ６からの出
力値を再び測定し記憶する（ステップＳ９）。以上のス
テップＳ４からステップＳ９までの処理を設定したα個
のすべての遺伝子に対して実行した後（ステップＳ１
０）、ステップＳ９で記憶した出力値を調整目標の基準
出力値Ｘｏと比較して適応度を算出する（ステップＳ１
１）。適応度はｎ個の出力ごとに対応する基準値との誤
差を評価すると共に、それらを基に総合的な適応度の数
量評価も行う。この評価結果に基づいて、すべての出力
に対する適応度が所定の条件を満足する遺伝子があるか
否の判定を行う（ステップＳ１２）。条件を満足する遺
伝子がなければ、遺伝的アルゴリズムの手法による遺伝
子操作を行い（ステップＳ１３）、ステップＳ４に戻り
上述の処理を継続する。一方、条件を満足する遺伝子が
あれば、総合評価の最もよい遺伝子を選択し、先にステ
ップＳ６で記憶した出力値Ｘｓと対応させて教師信号Ｚ
ｓとして登録する（ステップＳ１４）。次に、登録され
た教師信号の数を判定し（ステップＳ１５）、ステップ
Ｓ１で設定したβ個に達していない場合は、ステップＳ
２に戻り、未処理の初期設定条件を選択して同様な処理
を繰り返す。すべての初期設定条件に対する処理が終了
し、β個の教師信号が登録されると、ニューラルネット
ワーク２の学習に移る。

【００２４】ニューラルネットワーク２は、電子回路パ
ッケージ６のｎ個の出力の出力値を入力して、ｍ個の調
整用トリマ７の回転量を出力するための階層型ネットワ
ークであり、出力値および回転量をそれぞれ８ビットの
ディジタル情報で表す場合には、少なくとも入力層には
８ｎ個の２値入力端子を、出力層には８ｍ個の２値出力
端子を備えている。ニューラルネットワーク２の入力端
子に出力値Ｘｓを、出力端子に教師信号Ｚｓを与えて順
次学習動作を行わせ（ステップＳ１６）、登録されたす
べての教師信号に対する学習が終われば（ステップＳ１
７）、学習過程のすべての動作が終了する。

【００２５】図４は、学習時における他の動作例を示す
フローチャートである。図４において、ステップＳ２１
からステップＳ３３までの各ステップの動作は、図３に
示したステップＳ１からステップＳ１３までの各ステッ
プの動作と同じである。図４の場合は、ステップＳ３３
における遺伝子操作を繰り返し、ステップＳ３２の適応
度判定の結果、条件を満足する遺伝子があれば総合評価
の最もよい遺伝子を選択し、それを教師信号Ｚｓとして
ステップＳ３４において直ちにニューラルネットワーク
２の学習を実行する。学習後、ステップＳ２１で設定し
た学習条件（教師信号の数および初期設定条件）のすべ
ての学習が終了したかを判定し（ステップＳ３５）、終
了していなければステップＳ２２に戻り同様な処理を繰
り返し、設定した個数の学習をすべて実行すると学習過
程が終了する。

【００２６】図５は、図２の実施例の調整時の動作を示
すフローチャートである。まず、調整対象となる電子回
路パッケージ６に測定部３から入力信号を供給し（ステ
ップＳ４１）、ｎ個の出力の出力値Ｘを測定する（ステ
ップＳ４２）。制御部５はこれをディジタル情報として
受け取り、学習済みのニューラルネットワーク２に入力
して対応する回転量Ｙを決定する（ステップＳ４３）。
そして、決定した回転量Ｙに基づいて機構部４を制御
し、電子回路パッケージ６のｍ個の調整用トリマ７の回
転を行う（ステップＳ４４）。回転後、再び電子回路パ
ッケージ６の出力値を測定し（ステップＳ４５）、この
回転後の出力値（Ｘａとする）を目標とする基準出力値
Ｘｏと比較し、ｎ個の出力の差がすべて調整の目標条件
を満足しているか否かの判定を行い（ステップＳ４
６）、条件を満足していなければステップＳ４３に戻
り、回転後の出力値Ｘａをニューラルネットワーク２に
入力して同様な処理を継続し、条件を満足すれば調整を
終了する。

【００２７】上述の実施例では、制御部には遺伝的アル
ゴリズムの手法で教師信号を作成しニューラルネットワ
ークの学習を行う学習機能と、学習済みのニューラルネ
ットワークで実際の調整を行う調整機能の双方を備える
ものとした。しかしながら、これまでの説明で明らかな
ように、ニューラルネットワークの学習と調整の実行と
は独立に実行され得るものであるから、自動調整装置と
しては遺伝的アルゴリズムによる教師信号の作成機能を
含まなくてもよい。又、ニューラルネットワークは、コ
ンピュータによるソフトウェアシミュレーションで実現
されるものとしたが、ハードウェアとの併用またはハー
ドウェアのみにより実現することもできる。

【００２８】

【発明の効果】以上説明したように、本発明の電子回路
パッケージ調整方法および自動調整装置は、あらかじめ
調整対象となる電子回路パッケージからの出力値に対応
する調整用トリマの回転量を遺伝的アルゴリズムの手法
により求めてニューラルネットワークに学習させ、調整
実行時には学習済みのニューラルネットワークを用いて
必要な調整用トリマの回転量を決定し調整を行うため、
熟練した作業者でなくても容易に調整でき、調整工数の
削減および時間短縮ができる効果がある。

【００２９】又、ニューラルネットワークの学習に必要
な教師信号を遺伝的アルゴリズムの手法により求めるた
め、機械的な操作手順のみを知っていれば対象となる電
子回路パッケージの構成や特性を知らなくてもニューラ
ルネットワークの学習が可能であり、特に利用者を限定
することなく広く一般的な電子回路パッケージの調整に
適用できるという効果がある。

【図面の簡単な説明】

【図１】本発明の基本的な技術思想を説明するためのブ
ロック図である。

【図２】本発明の一実施例の構成を示すブロック図であ
る。

【図３】図２の実施例における学習時の動作の一例を示
すフローチャートである。

【図４】図２の実施例における学習時の動作の他の例を
示すフローチャートである。

【図５】図２の実施例における調整時の動作の一例を示
すフローチャートである。

【図６】従来の一般的な電子回路パッケージの調整方法
の説明図である。

【符号の説明】

１ ＧＡ操作部 ２ ニューラルネットワーク ３ 測定部 ４ 機構部 ５ 制御部 ６ 電子回路パッケージ ７ 調整用トリマ ８ ロボット ９ 調整用ヘッド １０ 作業者 １１ 測定器 １２ ビット Ｘ，Ｘｓ 出力値 Ｘｏ 基準出力値 Ｙ，Ｙｓ 回転量 Ｚｓ 教師信号

Claims (3)

【特許請求の範囲】
1. 【請求項１】 規定の入力信号を与えたときの出力値を
   基準出力値に対して所定の許容範囲内とするための電子
   回路パッケージの調整用トリマの回転量を、前記調整用
   トリマの複数の初期設定状態に対して遺伝的アルゴリズ
   ムの手法により求め、これらを教師信号として中間層を
   有する階層型のニューラルネットワークに学習させた
   後、調整しようとする個々の電子回路パッケージに前記
   規定の入力信号を与えたときの出力値に基づいて前記ニ
   ューラルネットワークから前記調整用トリマの回転量を
   求め、求められた回転量に従って前記調整用トリマを回
   転して出力値が前記基準出力値に対して所定の許容範囲
   内となるように調整することを特徴とする電子回路パッ
   ケージ調整方法。
2. 【請求項２】 調整対象となる電子回路パッケージに規
   定の入力信号を与えて出力値を測定する測定部と、制御
   情報に従って前記電子回路パッケージの調整用トリマの
   回転を行う機構部と、中間層を有する階層型のニューラ
   ルネットワークを含み前記測定部から前記電子回路パッ
   ケージの出力値を入力して学習済みの前記ニューラルネ
   ットワークにより前記調整用トリマの回転量を求めて前
   記機構部に前記制御情報を出力する調整手段を有する制
   御部とを備えたことを特徴とする電子回路パッケージ自
   動調整装置。
3. 【請求項３】 前記制御部が、前記調整用トリマの複数
   の初期設定状態に対して規定の入力信号を与えたときの
   出力値を基準出力値に対して所定の許容範囲内とするた
   めの電子回路パッケージの調整用トリマの回転量を遺伝
   的アルゴリズムの手法に基づいて求め、これらを教師信
   号として前記ニューラルネットワークの学習を行う学習
   手段を含むことを特徴とする請求項２記載の電子回路パ
   ッケージ自動調整装置。