研究内容　カタログマイニング

DOSHISHA Univ. Manufacturing System and Design Lab.
同志社大学大学院
理工学研究科機械工学専攻
田端章吾
データマイニングによる
プリント基板用ドリルカタログの
穴あけ加工条件についての考察

背景－プリント基板の傾向と生産性－
電気機器や電子機器等に内蔵されているプリント基板
傾向・・・プリント基板の多層化
加工穴の高密度化，小径化
電子・電気機器の小型化や高性能
2008
H106×W51×L19(mm)
Weight 132(g)
H175×W42×L92(mm)
Weight 900(g)
1987
H190×W55×L220(mm)
Weight 3000(g)
1985 現在
H115.5×W62.1×L192.3mm)
Weight 133(g)
電子端末の小型化・高機能化
Printed Circuit Board (PCB)

複雑化してきているプリント基板の穴あけ加工において
優れた加工条件の設定，そして加工条件決定ための
システムの設定が必要である
背景－加工条件の設定－
加工穴の高密度化，小径化，多層化により加工条件の設定は難化している
穴あけ加工においての生産性（Speed and Quality）
工具の長寿命化，良質な加工穴品質
課題
加工条件の決定は熟練技術者の知識や経験に頼ることが多い

目的
工具カタログに
データマイニング手法を適用
工具カタログは加工に関する
情報量が多く、良質なデータベース
切削条件決定式の導出を行い,その有効性を検討
データマイニング手法
とは膨大なデータ群から
価値ある情報を発掘する
データ解析手法
導出された加工条件とカタログ記載条件による結果を比較
(a)Data select
Data base
Target data
Preprocessed data
Result
New knowledge
Feed back loops
(b)Data cleansing
(b)Statistic analysis
(d)Interpretation
（カタログマイニングと称する）

カタログマイニング手法
K-means法
カタログより
データの抽出
変数クラスター分析
主成分回帰
応答曲面法
Data base
Target date
Preprocessed
data
Result
New knowledge
Feed back loops
(a) Data selection
(b) Data cleansing
(c) Statistic analysis
(d) Interpretation
K-means method
Response surface methodology
Principal component regression
Variable regression analysis
Tool catalog data
Catalog mining process

基板厚さ
Bt
説明変数
工具に関する説明変数
基板に関する説明変数
マイクロドリルでは，L，DSは業界で
規格化が進んでおり, 2種類に
以下のように統一されている
DS 3.175 mmの場合L 38.1 mm
DS 2.0 mmの場合はL 31.75 mm
銅箔層数 LN
ウェブ厚
tw
先端角
β ねじれ角
α
copper foil
GFRP
PCBs

カタログデータ
カタログ：国内最大手社A社
選択した工具：プリント基板用マイクロドリル
被削材： FR-4基板(両面および4~10層以上)
工具カタログに記載
説明変数
NCプログラムに入力する値
目的変数
回転数 S
送り速度 F
重ね枚数 Sh
工具外形D，工具刃長l，
全長L，シャンク径Ds，
層数LN，ねじれ角α，
基板厚さBt，
先端角β，ウェブ厚tw
データベース

K-means法
クラスタ1 D 0.05~0.25 mm l 0.9~3.0 mm
クラスタ2 D 0.15~0.65 mm l 3.0~8.5 mm
クラスタ3 D 0.7~6.5 mm l 8.5~12 mm
0
0.5
1
1.5
2
2.5
0 20 40 60
D/Ds
L/l
Cluster 1
Cluster 2
Cluster 3
Cluster 3
Size:569
Cluster 2
Size:432
Cluster 1
Size:206
工具外径 D 0.05～6.5 mm
刃長 l 0.8 ～ 12 mm
形状特徴をもとに3クラスタに分類

D
tw
β
l
Bｔ
LN
Bt
-0.8 -0.4 0 0.4 0.8
D
tw
β
l
B
LN
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
D tw β l Sh B LN S
F
V
解析結果－変数クラスター分析＆主成分回帰－
変数クラスター分析主成分回帰
D，tw，β，l
Bt
LN
説明変数間の相関の高い
三つのグループに分類
各グループより
目的変数と
相関の高い
説明変数を選択
D，Bt，LNが
選択される
Regression coefficient
Bt
切削条件決定式に用いる

解析結果－切削条件決定式－
222
222
14.048.01.4100.1
6.6104.31.29.2114.4)95.0(
LNLNBtBtLND
BtDDLNBtDShRad




2222
22222
101.241107.5
101.16.2100.2107.1)73.0(
LNBtBtD
BtDDDSRad



2322
3222
107.2106.138.0
109.1104.466.051.08.1)89.0(
LNLNBtBt
LNDDBtDFRad




0
20
40
60
80
0 20 40 60 80
CatalogvalueS[krpm]
Estimated value S [krpm]
0
0.5
1
1.5
2
0 0.5 1 1.5 2
CatalogvalueF[m/min]
Estimated value F [m/min]
0
2
4
6
0 2 4 6
CatalogvalueSh
Estimated value Sh

実験装置
Spindle
Work piece
Dynamometer
圧電型2成分センサ
X
Y
Z
スピンドル回転数：20000～ 60000 rpm
（HS600，日本精密工作機械製）
立形マシニングセンタ
（森精機製作所製 Accumill 4000）
（9345A，KISTLER Co., Ltd.）
切削抵抗，ドリル摩耗，加工穴品質を比較

新品ドリル加工後ドリル
0.1mm0.1mm
100 μm 100 μm
ドリル切れ刃逃げ面外周の
摩耗幅をドリル摩耗として評価W
ドリル摩耗評価方法

実験方法
マシニングセンタのテーブル上に
動力計を設置．
1～3000穴加工時の1000穴目ごとの
切削抵抗（スラスト力とトルク）
ドリル摩耗を測定する．
赤色波形：スラスト力
青色波形：トルク
最大スラスト力と最大トルクを
切削抵抗として評価

実験条件
使用工具
外径D 1.0 mm
刃長l 10 mm
全長L 38.1 mm
シャンク径Ds 3.175 mm
加工条件
加工試料
FR-4 基板厚さBt 1.6 mm
層数LN 8，2(両面)層
1.8 mm
1.0mm
Hole
Tool path ツールパス
Catalog Mining Catalog Mining
Work piece Double-sided 8 layers
Spindle speed S [krpm] 48 43 48 42
Feed rate F [m/min] 1.4 1.5 1.3 1.5
Chip load C [μm/rev] 30 38 30 39
Stack height Sh 4 4 4 4
3000穴加工
1.0mm

実験結果－ドリル摩耗－
ドリル摩耗は8層基板，両面基板共にマイニング条件の方が低くなった．
(両面基板) (8層基板)
C
DBtShn
L


L：切削距離，n：穴数，Sh：基板重ね枚数，
D：工具外径， Bt：基板厚さ，C：チップロード
マイニング推奨条件ではチップロードがカタログ推奨条件より
大きいので切削距離も小さいくなり，摩耗量が小さくなった．
0
10
20
30
40
50
60
0 1000 2000 3000
Drillwear[μm]
Hole number
Mining condition
Catalog condition
0
10
20
30
40
50
60
0 1000 2000 3000
Drillwear[μm]
Hole number
Mining Condition
Catalog condition

0
5
10
15
20
0 1000 2000 3000
Thrust[N]
Hole number
Mining condition(8 layer)
Catalog condition(8layer)
Mining condition(double side)
Catalog condition(double side)
0
0.5
1
1.5
2
2.5
0 1000 2000 3000
Torque[N·cm]
Hole number
-0.2
0
0.2
0.4
0.6
0.8
1
0 500 1000 1500 2000
Torque[N·cm]
Time [ms]
8layer(1st hole)
Double side(1st hole)
実験結果－切削抵抗－
8層基板の切削抵抗は両面に基板に比べ1.5～2.0倍大きくなった
切り屑が長くなりやすい銅箔量が多いために切削抵抗は大きくなった
-2
0
2
4
6
8
10
0 500 1000 1500 2000
Thrust[N]
Time [ms]
8layer(1st hole)
GFRP

0
5
10
15
20
0 20 40 60
Thrust[N]
Drill wear [μm]
0
0.5
1
1.5
2
2.5
0 20 40 60
Torque[N·cm]
Drill wear [μm]
スラスト力，トルクはドリル摩耗に対して線形的な傾向が見られる
・スラスト力が大きくなった原因として送り速度が
大きいマイニング推奨条件のスラスト力は大きくなった．
・トルクはマイニング推奨条件の方がチップロードが大きい
ために加工時の力が必要なためにトルクは大きくなった.
加工穴数の増加に伴ってドリル摩耗が増加したので切削抵抗が大きくなった
切削抵抗はマイニング推奨条件のほうが大きくなった

実験結果－加工穴壁面粗さ－
両面基板
8層基板
(a) 1st hole (b) 3000th hole (a) 1st hole (b) 3000th hole
(a) 1st hole (b) 3000th hole (a) 1st hole (b) 3000th hole
Mining condition
Mining condition
Catalog condition
Catalog condition
50μm
50μm
50μm
50μm

実験結果－加工穴壁面粗さ－
加工穴壁面粗さはマイング条件の方が小さく，穴品質は向上した．
加工穴壁面粗さにはドリル摩耗量の影響が大きいことがわかる
0
10
20
30
40
0 20 40 60
Roughness[μm]
Drill wear [μm]
Catalog condition(8 layer)
Mining codition(double side)
加工穴壁面品質評価方法
最大粗さを加工穴品質として評価
加工穴壁面粗さはドリル摩耗に対して線形的に増加していくことがわかる
Rmax
Rz

実験結果－ネイルヘッド－
b a
b a
b a
ネイルヘッド評価方法
100
a
b
N
GFRP
Copper foil
(a) Mining condition (b) Catalog condition
(3000th hole) (3000th hole)
N = 180 % N = 200 %
ネイルヘッドの
一般的な評価の目安
となる大きさは
150~200%とされている．
加工穴品質は向上しマイニング推奨条件は有効であったと言える

結言
・カタログマイニングを適用した結果，加工に有意
なパラメータとしてD，Bt，LNであることが分かった．
・導出した加工条件は詳細な条件決定を行うこと
ができる
・導出した加工条件で穴あけ加工を行うと，ドリル
摩耗，加工穴品質は向上した．
・カタログデータにデータマイニング手法を適用す
ることで導出した切削条件式有効であったと言える．

Appendix

マンハッタン距離
最初はランダムに
クラスタが割り振られる
0
2
4
6
8
10
0 2 4 6 8 10
0
2
4
6
8
10
0 2 4 6 8 10
(d)
0
2
4
6
8
10
0 2 4 6 8 10
(a)
(c)
0
2
4
6
8
10
0 2 4 6 8 10
(b)
K-means法


n
ji
ji VxVxd
1,
),(

階層的手法：変数クラスタ分析
Ward method
pC
pqD
poD
koD
qoDkC
qC
oC
A
BE
C D
Tree diagram
B
E
C
A
D
   
ok
pqoqooqpoop
ko
mm
DmDmmDmm
D



222
2
新たに結合されるクラスター内
の平方和を最も小さくするという
基準でクラスターを形成していく
Dko
2 : 平方和の増加分
→Dk と Do の距離に相当
変数クラスタ分析

データマイニング
Quantity
Quality
Valuable new information
Data
?
?
?
?
New knowledge
Result
Preprocessed data
Target data
Data base/
Data warehouse Feed Back Loop
(d) Interpretation
(c) Statistic analysis
(b) Data cleansing
(a) Selection
有益なパターンやルールを含むデータベースに
蓄積された膨大なデータからノイズを取り除いて
価値ある情報を発掘する方法

0
50
100
150
200
250
300
350
0 1 2 3 4 5 6 7
周速V[m/min]
工具外径D[mm]
Drilling condition
0
50
100
150
200
250
0 2 4 6 8
回転数S[krpm]
工具外径D[mm]
0
10
20
30
40
50
60
70
0 2 4 6 8
チップロードC[μm/rev]
工具外径D[mm]
0
0.5
1
1.5
2
2.5
3
0 2 4 6 8
送り速度F[mm/min]
工具外径D[mm]

Web thickness
0
0.2
0.4
0.6
0.8
0 2 4 6 8
Webthicknesst[mm]
Drill diameter D [mm]

100
120
140
160
180
0 2 4 6 8
Pointangleβ[°]
Drill diameter D [mm]
Point angle

0
10
20
30
40
50
0 2 4 6 8
Helixangleα[°]
Drill daimeter D [mm]
Helix angle

0
0.2
0.4
0.6
0.8
0 2 4 6 8
tw[mm]
D [mm]
Cluster 1
Cluster 2
Cluster 3
K-means法

多重共線性
多重共線性（Multicollinearity）とは，説明変数
間で相関の高いものが存在する場合，目的変
数に対してどちらの影響度合いが強いか判然
とせず，適切な偏回帰係数が算出できない．
精度のよい解析結果が得られない

0
5
10
15
20
0 1000 2000 3000
Thrust[N]
Hole number
0
0.5
1
1.5
2
2.5
0 1000 2000 3000
Torque[N·cm]
Hole number
加工穴数の増加に伴ってスラスト力，トルクは増加していく
8層基板の切削抵抗は両面に基板に比べ1.5～2.0倍大きくなった
切り屑が長くなりやすい銅箔量が多いために切削抵抗が大きくなった．

切削抵抗
(スラスト力，トルク)は
銅箔層を加工するときに
特に大きな力が発生している．
銅箔は延性に優れているた
めに切り屑が長くなりやすく
切削抵抗が大きくなった．
-0.5
0
0.5
1
1.5
2
0 500 1000 1500 2000
Torque[N·cm]
Time [ms]
8layer(1st hole)
8layer(3000th hole)
Double side(3000th hole)
-5
0
5
10
15
20
0 500 1000 1500 2000
Thrust[N]
Time [ms]
8layer(1st hole)
8layer(3000th hole)
Double side(3000th hole)

0
500
1000
1500
2000
2500
3000
0 1000 2000 3000
Time[s]
Hole number
Mining condition
Catalog condition
0
500
1000
1500
2000
2500
3000
3500
0 1000 2000 3000
Time[s]
Hole number
Mining condition
Catalog condition
加工能率
加工能率は送り速度により決定する
マイニング条件は送り速度が大きく，加工能率が向上した．

0
10
20
30
40
0 1000 2000 3000
Roughness[μm]
Hole number
Catalog condition(8 layer)
Mining codition(double side)
加工穴壁面粗さ

加工穴壁面
0
10
20
30
40
0 20 40 60 80 100
Roughness[μm]
Temperature [℃]
Catalog Condition(8 layer)
Mining Condition(double side)

研究内容　カタログマイニング

Recommended

Recommended

More Related Content

Similar to 研究内容　カタログマイニング

Similar to 研究内容　カタログマイニング (20)