JP2001091414A

JP2001091414A - 異常判定方法および装置

Info

Publication number: JP2001091414A
Application number: JP26468599A
Authority: JP
Inventors: Katsuhisa Furuta; 勝久古田
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1999-09-17
Filing date: 1999-09-17
Publication date: 2001-04-06
Anticipated expiration: 2019-09-17
Also published as: JP3743001B2

Abstract

(57)【要約】【課題】振動部を有する製品の種々の正常、異常を安
定して判定することができるようにした異常判定方法お
よび装置を提供する。【解決手段】計測データを保存することと、入力され
た計測データまたは保存データから人による検査対象物
の異常判定結果と装置による検査対象物の異常判定結果
とを記録することと、記録した人による異常判定結果と
装置による異常判定結果との一致度合いを検証すること
と、検証結果が所定レベル以下の場合は保存データを元
にして上記判定基準値を修正することと、を行なう。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、モータやコンプ
レッサ等の振動部を有する製品の異常を判定する異常判
定方法および装置に関し、詳しくは、異常判定の自動化
立ち上げをシミュレーションで実施することにより最適
な異常判定基準を簡易迅速に獲得することができ、かつ
精度のよい異常判定ができるようにした異常判定方法お
よび装置に関する。

【０００２】

【従来の技術】一般に、生産工場において、モータやコ
ンプレッサ等の振動部を有する機器やこれら振動部を有
する機器を用いた製品、これら振動部を有する機器によ
り駆動される製品の正常、異常を判定する場合は、製品
出荷前に製品を実際に稼動させて、検査員が、異常音が
発生しないか否かを耳で聞いたり、手で触って振動を確
認したりするいわゆる官能検査で正常、異常を判定し、
これによって品質保証を行なっている。

【０００３】しかし、上記検査員による官能検査による
製品の正常、異常の判定結果は、個人差や時間による変
化などによりばらつきが大きく、さらに、上記官能検査
による判定結果は、データ化、数値化が難しく、その管
理も困難であるという問題がった。

【０００４】そこで、上記製品の正常、異常の判定の自
動化が考えられており、この自動化を可能にする従来の
技術としては、図３１に示す自動判定装置が提案されて
いる。

【０００５】図３１において、この自動判定装置は、検
査対象物１０に、加速度センサ１１を配設し、この加速
度センサ１１の計測信号に基づき検査対象物１０の正
常、異常を判定する。

【０００６】検査対象物１０に配設された加速度センサ
１１から出力される検査対象物１０の測定信号は、ま
ず、アンプ１２で増幅され、その後、Ａ／Ｄ変換器（ア
ナログ／ディジタル変換器）１３でディジタル計測デー
タに変換され、特徴量抽出部１４に入力される。特徴量
抽出部１４では、上記ディジタル計測データの特徴量を
抽出し、この特徴量データを判定部１５に入力する。判
定部１５では特徴量抽出部１４から入力された特徴量デ
ータに基づいて検査対象物１０の正常、異常を判定し、
外部に判定結果を出力する。図３１において、Ａ／Ｄ変
換器１３、特徴量抽出部１４及び判定部１５より識別機
構２０が構成されている。

【０００７】図３２は、図３１に示した識別機構２０を
ＦＦＴ（高速フーリエ変換）アナライザという計測器を
組み込んだコンピュータシステムで構成した場合の構成
図である。

【０００８】図３２において、検査対象となる製品に取
り付けた加速度センサ等のセンサからのアナログ信号は
まずＦＦＴアナライザ１７に入力される。ＦＦＴアナラ
イザ１７では、入力されたアナログ信号をディジタル信
号に変換するとともに所定の前処理をしてＦＦＴによる
周波数軸波形へ変換し、この周波数軸波形へ変換された
信号から特定周波数帯の成分を抽出する。コンピュータ
１８は、この抽出された特定周波数帯の成分から特定周
波数帯の特徴量を算出し、この特徴量を予め設定された
しきい値と比較して検査対象物１０の正常、異常を判定
する。

【０００９】ここで、ＦＦＴアナライザ１７における処
理は、図３３に示すように、時間波形χ（ｔ）はフーリ
エ変換により周波数成分Ｘ（ω）に変換することがで
き、周波数成分Ｘ（ω）はフーリエ逆変換により時間波
形χ（ｔ）に変換できるという関係を利用したＦＦＴを
用いて周波数解析を行なうもので、前処理された信号を
ＦＦＴを用いた周波数解析技術を用いて周波数成分Ｘ
（ω）の集合からなる周波数軸波形へ変換するものであ
る。

【００１０】また、上記ＦＦＴを用いた周波数解析以外
の手法を用いた技術としては、図３４に示すような、い
わゆるフィルタ方式という手法が知られている。

【００１１】図３４において、このフィルタ方式による
解析手法は、検査対象となる製品に取り付けた加速度セ
ンサ等のセンサからのセンサ信号をアナログ／ディジタ
ル変換部（Ａ／Ｄ変換部）３１によりディジタル信号に
変換する。このＡ／Ｄ変換部３１により変換されたディ
ジタル信号を周波数フィルタなどの前処理部３２で前処
理し、この前処理された信号から特定周波数帯成分や指
標関数による特徴量抽出部３３で特徴量を抽出する。そ
して、この特徴量をファジィやニューロによる判定部３
４で予め設定されたしきい値と比較して判定することに
より製品の正常、異常を判定する。

【００１２】ここで、検査対象物１０の正常、異常は、
図３２に示したコンピュータ１８、図３４に示した判定
部３４で行なわれるが、図３２では抽出された特定周波
数帯の特徴量を予め設定されたしきい値と比較すること
によって検査対象物１０の正常、異常を判定し、図３４
では特定周波数帯成分や指標関数による特徴量を予め設
定されたしきい値と比較することによって製品の正常、
異常を判定している。

【００１３】ところで、上記の如く、人間の官能検査に
代って自動化しようとする場合、それまでの人間の官能
検査が一般に高い水準にあったので、従来の人間による
官能検査と同等以上の判定能力を具備させるためには、
上記判定のためのしきい値の設定作業に膨大な時間を要
した。

【００１４】図３５は、従来の上記しきい値の設定作業
の処理手順を示すフローチャートである。

【００１５】この処理では、まず、試料をｎ個（ｎ＝１
０〜３０）用意し、サンプルテストを行なう（ステップ
１００）。このサンプルテストは同一試料について従来
の官能検査員の聴感による検査と、装置による検査を行
ない、官能検査員の聴感による検査結果と装置による検
査結果に一定以上の相関性があるかどうかを調べるため
のものである。試料が片寄っている場合、テスト方法や
テスト対象となる特徴量が適当でない場合等では、正確
な検査ができないからである。

【００１６】検査は、例えば図３６の評点表４０に示す
ごとく、製品（検査対象物）の状態について、「非常に
悪い」の１から「非常に良い」の５までの５段階で評価
し、「非常に悪い」と「悪い」を不合格とし、「やや悪
いが合格レベル」、「良い」及び「非常に良い」を合格
とする。

【００１７】次に、ステップ１００のサンプルテストが
終了すると、テスト結果を検証する（ステップ１０
２）。検証では、同一試料についての官能検査員の聴感
による検査結果と装置による検査結果とを照合し、両者
に一定以上の相関性があるかどうかを調べる。

【００１８】次に、テスト結果は良好であるか否かが調
べられ（ステップ１０４）、テスト結果が良好でない場
合は（ステップ１０４でＮＯ）、ステップ１００の処理
に戻り、試料、テスト方法、テスト対象となる特徴量の
再検討を行ない、ステップ１００〜ステップ１０４の処
理を繰り返す。

【００１９】一方、テスト結果が良好である場合、すな
わち、同一試料についての官能検査員の聴感による検査
結果と装置による検査結果とに一定以上の相関性がある
場合は（ステップ１０４でＹＥＳ）、次に、試料数ｎを
増やして（ｎ＝２００〜１０００）、実際の生産ライン
上でのオンライン検査に移行するので、まず、オンライ
ントライ用装置の実際の生産ライン上への設置と、テス
ト条件・しきい値の設定が行なわれる（ステップ１０
６）。

【００２０】次に、ステップ１０６で設定されたテスト
条件・しきい値で装置によるｎ増しテスト、すなわち、
試料数ｎをｎ＝２００〜１０００に増やして装置による
テストを行なう（ステップ１０８）。なお、このステッ
プ１０８のｎ増しテストでは、次のステップ１１０の官
能検査員の聴感による検査結果と検査結果を照合できる
ように、各試料（検査対象物）に番号を付け、紙などに
その番号と検査結果を記録する。

【００２１】次に、装置による検査の後に、官能検査員
の聴感による検査を行なう（ステップ１１０）。ここで
も、紙などにその番号と検査結果を記録する。

【００２２】次に、装置による検査結果と官能検査員の
聴感による検査結果を照合し一致度合いを検証する（ス
テップ１１２）。これは、官能検査員の聴感による検査
結果を基準にして、装置がどのような誤判定をしている
かを検証するもので、具体的には以下の２点について調
べる。

【００２３】（１）官能検査員が不合格と判定したもの
を装置がＯＫと判定した場合、装置の見逃しとみなし、
この見逃し率αを調べる。

【００２４】（２）官能検査員が合格と判定したものを
装置がＮＧと判定した場合、装置の過検出とみなし、こ
の過検出率βを調べる。

【００２５】次に、ステップ１１２の検証結果に基づい
て、装置による自動検査の運用の可否を判断する（ステ
ップ１１４）。これは上記見逃し率αおよび過検出率β
が予め設定した目標値に達しているか否かを調べること
によって行なわれる。なお、この判定にあたっては、特
定の官能検査員について上記見逃し率αおよび過検出率
βが大きい場合、該検査員のステップ１１０における官
能検査の誤り率を繰り返しテスト等で検出し、該検出結
果を自動検査の運用の可否判断に反映させるようにする
とよい。

【００２６】そして、装置による自動検査の運用が可と
判断されると（ステップ１１４でＹＥＳ）、当処理を終
了し、ステップ１０６で設定したテスト条件・しきい値
を使用して自動官能検査を行なう。

【００２７】一方、装置による自動検査の運用が否と判
断されると（ステップ１１４でＮＯ）、ステップ１０６
で設定したテスト条件・しきい値の再分析を行ない（ス
テップ１１６）、ステップ１０６で設定したテスト条件
・しきい値の再設定を行ない、ステップ１０６〜ステッ
プ１１４の処理を行なう。この処理は、ステップ１１４
の自動検査の運用の可否判断で、自動検査の運用可の判
断が出るまで何回でも行なわれる。

【００２８】しかしながら、上記の如き従来の手法では
以下の問題点があった。

【００２９】（１）ステップ１０８のｎ増しテストで
は、次のステップ１１０の官能検査員の聴感による検査
結果と検査結果を照合できるように、各試料（検査対象
物）に番号を付けなければならない。

【００３０】また、ステップ１０８とステップ１１０の
処理ではそれぞれ検査結果を上記試料番号と対応付けて
紙などに記録しなければならない。

【００３１】（２）ステップ１１２の検証処理では、装
置による検査結果と官能検査員の聴感による検査結果
を、各試料（検査対象物）番号と照らし合わせながら検
証しなければならず、この作業は手作業で行なわなけれ
ばならない。

【００３２】（３）ステップ１１２の検証処理で自動検
査不可と判断されると、ステップ１１２の検証処理で自
動検査可と判断されるまで、ステップ１０６以下の全て
の処理をやり直さなければならない。

【００３３】従って、従来は、人による官能検査から装
置による自動検査に代替するまでには、膨大な時間と工
数をかける必要があり、何度かステップ１０６以下の処
理をやり直すうちに計画断念に追い込まれる場合も稀で
はないという不具合があった。

【００３４】

【発明が解決しようとする課題】そこで、この発明は、
振動部を有する製品の種々の正常、異常を安定して簡易
迅速に判定することができるようにした異常判定方法お
よび装置を提供することを目的とする。

【００３５】

【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の発明は、検査対象物の計測データを入力
して該検査対象物の異常を所定の判定基準値に基づいて
判定する異常判定方法において、上記計測データを保存
することと、該入力された計測データまたは保存データ
から人による上記検査対象物の異常判定結果と装置によ
る上記検査対象物の異常判定結果とを記録することと、
上記記録した人による異常判定結果と装置による異常判
定結果との一致度合いを検証することと、検証結果が所
定レベル以下の場合は上記保存データを元にして上記判
定基準値を修正することと、を行なうことを特徴とす
る。

【００３６】また、請求項２の発明は、検査対象物の計
測データを測定して該検査対象物の異常を判定する異常
判定方法において、上記計測データを複数のデータブロ
ックに分割し、上記分割されたデータブロック単位で複
数の特徴量を並列して演算し、上記分割されたデータブ
ロック単位での特徴量演算により検査対象物の異常を判
定することを特徴とする。

【００３７】また、請求項３の発明は、検査対象物の計
測データを測定してファジィ推論によって該検査対象物
の異常を判定する異常判定方法において、上記ファジィ
推論においては、結論信号について異常と判定されるル
ールだけを用いてファジィ推論することを特徴とする。

【００３８】また、請求項４の発明は、検査対象物の計
測データを入力して該検査対象物の異常を所定の判定基
準値に基づいて判定する異常判定装置において、上記計
測データを保存する計測データ保存手段と、上記入力し
た計測データまたは上記計測データ保存手段の保存デー
タに基づいて人による上記検査対象物の異常判定結果と
装置による上記検査対象物の異常判定結果とを記録する
判定結果記録手段と、上記判定結果記録手段に記録され
た２つの異常判定結果から上記判定基準値を検証する判
定基準値検証手段と、装置による異常判定が所定レベル
以下の場合は上記計測データ保存手段の計測データを元
にして上記判定基準値を修正する判定基準値修正手段
と、を有することを特徴とする。

【００３９】また、請求項５の発明は、検査対象物の計
測データを測定して該検査対象物の異常を判定する異常
判定装置において、上記計測データを複数のデータブロ
ックに分割する計測データ分割手段と、上記計測データ
分割手段で分割されたデータブロック単位で複数の特徴
量を並列して演算する特徴量演算手段と、上記特徴量演
算手段の演算により検査対象物の異常を判定する異常判
定手段と、を有することを特徴とする。

【００４０】また、請求項６の発明は、検査対象物の計
測データを測定してファジィ推論によって該検査対象物
の異常を判定する異常判定装置において、結論信号につ
いて異常と判定されるルールを作成するファジィルール
作成手段と、上記ファジィルール作成手段で作成された
ルールに基づいてファジィ推論するファジィ推論手段
と、を有することを特徴とする。

【００４１】

【発明の実施の形態】以下、この発明の実施の形態につ
いて添付図面を参照して詳細に説明する。

【００４２】図１は、この発明に係わる異常判定方法お
よび装置を適用して構成した異常判定システムにおける
異常判定手法の一実施の形態を機能ブロック図で示した
ものである。

【００４３】図１において、この異常判定システムにお
ける異常判定手法においては、振動部を有する製品に取
り付けられた計測センサにより計測された計測データの
加工を行ない、その加工データから特徴量を演算し、そ
れを推論することにより製品の正常、異常を判定する。

【００４４】すなわち、この異常判定システムは、計測
センサ４５と、アンプ４６と、判定装置５０と、音録音
装置７０と、官能検査判定入力装置８０と、検査コント
ローラ９０を具備して構成される。

【００４５】ここで、計測センサ４５は、ピックアップ
などの振動センサやマイクロホンより構成され、検査対
象物１０に取り付けられて検査対象物１０の振動データ
を検知する。

【００４６】アンプ４６は、計測センサ４５から入力さ
れる振動データを増幅してアナログの振動計測データを
判定装置５０と音録音装置７０に出力する。

【００４７】判定装置５０はパーソナルコンピュータ等
より構成されて識別機構５１と検査実績記録装置６０を
具備し、アンプ４６から入力される振動データを加工し
て検査対象物１０の正常、異常を判定する。

【００４８】音録音装置７０はＭＤデッキやＤＡＴレコ
ーダ等のオーディオ機器より構成され、アンプ４６から
入力される振動データを音記録ディスク７１に記録する
とともにヘッドホン７２やスピーカ（図示せず）などの
音出力装置へ出力し、検査員に測定した音を聴かせる。
このとき、計測センサ４５がマイクロホンの場合は、マ
イクの位置で聴こえるのと同等の音を聴かせることがで
きる。また、センサが加速度ピックアップなどの振動セ
ンサの場合は、聴診棒や聴診器などを介して聴こえるよ
うな音を聴かせることができる。

【００４９】また、検査コントローラ９０からの信号に
より録音する検査対象物１０（ＩＤ）の更新をする。

【００５０】検査コントローラ９０はプログラマブルコ
ントローラ（ＰＬＣ）等より構成され、検査対象物１０
を扱う機械の制御、判定装置５０を構成する識別機構５
０への検査指示や人の判定信号の入力、検査実績記録装
置６０への出力、音録音装置７０のトラック更新制御等
の処理を行う。

【００５１】官能検査判定入力装置８０は、官能検査員
８１が、ヘッドホン７２あるいはスピーカ出力を聴い
て、合格・不合格を判定した結果を入力する装置であ
る。合格、不合格のどちらか判定した方のスイッチを入
力する。スイッチは図３６の評点表のように５段階構成
にすることもできる。５段階の評点がされた方が、より
装置と人の相関性を検証することができる。

【００５２】図２は、図１に示した判定装置５０の詳細
を示すブロック図で、判定装置５０は識別機構５１と検
査実績記録装置６０を具備する。

【００５３】ここで、判定装置５０は、検査対象物１０
に配設された計測センサ４５から出力される検査対象物
１０の測定信号をアンプ４６で増幅したアナログの振動
計測信号をディジタル信号に変換するアナログ／ディジ
タル変換器（Ａ／Ｄ変換部）５２と、Ａ／Ｄ変換器５２
からのディジタル計測データを格納するメモリ５３と、
メモリ５３に格納された計測データに基づき計測データ
の特徴量を演算する特徴量演算部５４と、特徴量演算部
５４の演算結果に基づきファジィ演算を行なうことで検
査対象物の正常、異常を判定するファジィ判定部５５
と、検査コントローラ９０との信号の授受で検査データ
を管理する検査管理部５６より構成されている。

【００５４】また、検査実績記録装置は、識別機構５１
から出力される検査データをファイルとして記憶するも
ので、波形データファイル６１と検査実績ファイル６２
より構成されている。識別機構５１にパーソナルコンピ
ュータを使用した場合、検査実績記録装置６０はハード
ディスクが使用できる。

【００５５】ここで、波形データファイル（測定デー
タ）６１は識別機構５１でＡ／Ｄ変換器５２によりディ
ジタル化された計測信号を、検査ＩＤをファイル名とし
て記憶する。なお、検査ＩＤとは、検査対象物１０を識
別する識別符号である。

【００５６】また、検査実績ファイル６２は、検査Ｉ
Ｄ，検査日時，検査結果，人の判定結果，特徴量値等を
１回の検査毎に１つのレコードとして記録する（図４参
照）。

【００５７】図３は、本実施形態におけるしきい値の設
定作業の処理手順を示すフローチャートである。

【００５８】この処理では、まず、試料をｎ個（ｎ＝１
０〜３０）用意し、サンプルテストを行なう（ステップ
１３０）。このサンプルテストは同一試料について従来
の官能検査員の聴感による検査と、本実施形態に係わる
装置による検査を行ない、官能検査員の聴感による検査
結果と装置による検査結果に一定以上の相関性があるか
どうかを調べるためのものである。試料が片寄っている
場合、あるいはテスト方法やテスト対象となる特徴量が
適当でない場合等では、正確な検査ができないからであ
る。

【００５９】検査は、例えば図３６の評点表４０に示す
ごとく、製品（検査対象物）の状態について、「非常に
悪い」の１から「非常に良い」の５までの５段階で評価
し、「非常に悪い」と「悪い」を不合格とし、「やや悪
いが合格レベル」、「良い」及び「非常に良い」を合格
とする。

【００６０】次に、ステップ１３０のサンプルテストが
終了すると、テスト結果を検証する（ステップ１３
２）。検証では、同一試料についての官能検査員の聴感
による検査結果と装置による検査結果とを照合し、両者
に一定以上の相関性があるかどうかを調べる。

【００６１】次に、テスト結果は良好であるか否かが調
べられ（ステップ１３４）、テスト結果が良好でない場
合は（ステップ１３４でＮＯ）、ステップ１３０の処理
に戻り、試料、テスト方法、テスト対象となる特徴量の
再検討を行ない、ステップ１３０〜ステップ１３４の処
理を繰り返す。

【００６２】一方、テスト結果が良好である場合、すな
わち、同一試料についての官能検査員の聴感による検査
結果と装置による検査結果とに一定以上の相関性がある
場合は（ステップ１３４でＹＥＳ）、次に、試料数ｎを
増やして（ｎ＝２００〜１０００）、実際の生産ライン
上でのオンライン検査に移行する。

【００６３】そこで、まず、オンライントライ用装置の
実際の生産ライン上への設置と、テスト条件・しきい値
の設定が行なわれる（ステップ１３６）。

【００６４】ここまでの処理は、図３５に示した従来例
と同一である。

【００６５】次に、ステップ１３６で設定されたテスト
条件・しきい値でｎ増しテスト、すなわち、試料数ｎを
ｎ＝２００〜１０００に増やして装置によるテストを行
なう。

【００６６】ここで、本実施形態では、検査対象物１０
に配設された計測センサ４５から出力される検査対象物
１０の測定信号をアンプ４６で増幅したアナログの振動
計測信号は判定装置５０と音録音装置７０にそれぞれ入
力され、識別機構５０による判定と検査員８１による判
定が同時に行なわれる（ステップ１３８）。

【００６７】すなわち、検査コントローラ９０は、生産
のタイミングにより検査対象物１０を扱う機械装置を制
御して、測定する状態としたところで、識別装置５０に
対して検査指示を送信する。識別装置５０は、その指示
タイミングによりセンサ４５からのアナログ信号の計測
を開始する。

【００６８】そして、アンプ４６から直接識別機構５０
に入力された計測信号は、Ａ／Ｄ変換器５２、メモリ５
３を介してと特徴量演算部５４に入力され、ファジィ判
定部５５で検査対象物１０の正常、異常が判別され、該
判別結果は検査ＩＤとともに検査管理部５６に入力され
る。

【００６９】一方、音録音装置７０に入力された計測信
号は例えばヘッドホン７２等によって検査員８１に聴か
され、これによって検査対象物１０の正常、異常が判別
され、該判別結果は官能検査判定入力装置８０、検査コ
ントローラ９０を介して検査ＩＤとともに識別機構５１
の検査管理部５６に入力される。

【００７０】こうして、装置による検査と官能検査員の
聴感による判定が同時に行なわれると、次に検査実績の
自動記録が行なわれる（ステップ１４０）。

【００７１】識別装置５０の検査管理部５６は、こうし
て、検査ＩＤ毎に、識別装置５０と検査員８１の判定結
果を記録し（検査実績レコード生成）、生成された検査
実績レコードは検査実績記録装置６０の検査実績ファイ
ル６２に格納される。

【００７２】図４には、検査実績ファイル６２に格納さ
れるファイルの一例が示されており、記録される情報
は、検査ＩＤ，検査日時，検査結果，人の判定結果，特
徴量値などの項目である。

【００７３】次に、装置に記録された検査実績ファイル
６２のデータから、検査員の判定結果に対する識別機構
５１による判定の一致度合いを検証する（ステップ１４
２）。

【００７４】これは、官能検査員の聴感による検査結果
を基準にして、装置がどのような誤判定をしているかを
検証するもので、具体的には、図５に示した検証項目に
基づいて以下の３点について調べる。

【００７５】（１）サンプル数（ｎ）：ｎ増しテスト
サンプル数として十分であるか確認する。

【００７６】（２）見逃し率（α）：検査員がＮＧ
（不良）判定した検査対象物の内、装置がＯＫ検出した
比率。

【００７７】（３）過検出率（β）：検査員がＯＫ
（良品）判定した検査対象物の内、装置がＮＧ判定した
比率。

【００７８】次に、ステップ１４２の検証結果に基づい
て、装置による自動検査の運用の可否を判断する（ステ
ップ１４４）。これは上記見逃し率αおよび過検出率β
が予め設定した目標値に達しているか否かを調べること
によって行なわれる。

【００７９】すなわち、このα及びβが、計画時の目標
値と比較して、両方とも目標値以上であれば検証結果
‘合格’となり（ステップ１４４でＹＥＳ）、当処理を
終えて正式な運用（異音検査工程の機械化）に入る。ま
た、両方とも、またはどちらかが目標値以下であれば、
検証結果‘不合格’と判断し、ステップ１４６に進む
（ステップ１４４でＮＯ）。

【００８０】また、検証に当たっては、ｎ増しテストの
際、音録音装置７０により音データが録音されているの
で、検査員の判定ミスを後から発見することができる。
その際は、音録音装置７０による録音データを検査コン
トローラ９０の制御により、検査検査対象物毎にＩＤを
インクリメントすることにより検査することができる。

【００８１】次に、自動検査による運用が否と判別され
た場合は、ステップ１４６に進み、図４のデータ中の
‘見逃し’と‘過検出’にあたる検査対象物を抽出し
て、該当する検査ＩＤの波形データ（検査実績記録装置
６０の波形データファイル６１に保存した測定データ）
の再分析やしきい値の見直しを行い、期待どおりに判定
ができるようにパラメータ判定知識の修正作業を行う。

【００８２】その際、それまでの前提が検査員の判定結
果が正しいとして進めているので、ここで特に、過検出
となっている検査対象物の音について複数の検査員で確
認し、誤りがわかれば後述のコンピュータシミュレーシ
ョンの対象から外すか実績を修正してより正しい結果が
出せるようにするとよい。

【００８３】次にステップ１４８に進み、コンピュータ
による再トライシミュレーションを行なう。すなわち、
修正したパラメータと判定知識であれば、判定結果はど
うなるのかを実際の検査対象物を再度測定することなく
検証する。

【００８４】図６に、再トライシミュレーションの処理
の流れを記す。例として、ｎ増しテスト時，人の判定が
ＮＧ，装置の判定がＯＫであった‘ＡＡＡ’という検査
対象物について説明をする。

【００８５】検査記録装置６０には‘ＡＡＡ.dat’とい
う波形データファイルと，検査実績ファイルに検査ＩＤ
‘ＡＡＡ’は、人の判定ＮＧ，装置判定ＯＫというレコ
ードが記録されている。

【００８６】実検査対象物テストでは、検査対象物を測
定したセンサ信号をＡ／Ｄ変換してメモリにロードする
が、ここでは、波形データファイル‘ＡＡＡ.dat’を読
み込み、メモリ５３にロードし、新たなパラメータと判
定知識による再検査結果が新しい検査実績ファイル６２
へ書き込まれる。このとき、人の判定データは元のファ
イルから新しいファイルにも同じ情報を記録する。その
実績ファイルを参照すれば、再分析の結果求めるような
判定ができたかどうかを調べることができる。

【００８７】例えば、図７に示すように元の検査記録装
置に１０５３件の検査実績と対応する波形データファイ
ルがあると、検査ＩＤの昇順から順に、該当波形データ
ファイルをメモリにロードし、仮想検査した新しい１０
５３件の検査実績ファイルを生成する。これにより、従
来のｎ増しテストやり直しをする必要がなくなる。

【００８８】次に、判定の対象となるデータが測定した
データの一部であるときの対処法について説明する。

【００８９】検査対象物の駆動に方向性があるなど、測
定・記録した波形データファイルに対し、判定となる対
象がその内の一部の時間である場合がある。例えば、モ
ータが停止→右回転→停止→左回転→停止と駆動し、そ
の間全体を一つの波形データファイルとして記録した場
合、判定の対象となるべきデータはその一部である。こ
の場合は、検査実績ファイルに分析開始位置と分析終了
位置を示すデータを記録する。その上で図６のように再
テストを行う場合に、その２つのデータを読み込み、そ
の部分について処理を行い、正しい結果を得ることがで
きる。この場合は、新しい検査実績ファイルにも元の分
析開始位置と分析終了位置を示すデータを記録する。こ
の方法は、トリガ信号に対して、検査対象物毎の分析対
象となるタイミングが異なる場合にも有効となる。

【００９０】上記の如きコンピュータによる再トライシ
ミュレーションを行ない、更に再度ステップ１４２、１
４４の処理を行ない、自動検査による運用が可と判断さ
れると（ステップ１４４でＹＥＳ）、当処理を終える。

【００９１】以上説明したように、本実施形態では以下
の効果を奏する。

【００９２】（１）まず、図３のステップ１３８に示す
ごとく、計測センサ（マイクロホンや振動センサ）４５
からの計測信号を識別装置５０への入力前に分配し、音
として検査員側へ出力することにより、従来別々に行う
必要があった工程を１つにして、同時に装置と検査員に
よる検査をすることができる。

【００９３】（２）また、ステップ１４０に示す如く、
装置による検査と官能検査員の聴感による判定が同時に
行なわれ、さらに検査実績が自動記録されるので、従来
のように、装置による検査結果と官能検査員の聴感によ
る検査結果を、各試料（検査対象物）番号と照らし合わ
せながら検証するという作業を省くことができる。

【００９４】（３）また、ステップ１４２に示す如く、
検証は、図４のような検査実績ファイルがあるので、こ
の検査実績ファイルを利用してそのままコンピュータを
使って検証でき、省力化できる。

【００９５】また、検証に当たっては、音録音装置７０
に記録された音データより、検査員の判定ミスを後から
発見することができるので、検査精度を向上させること
ができる。

【００９６】（４）また、ステップ１４６に示す如く、
判定知識の修正作業では、それまでの前提が検査員の判
定結果が正しいとして進めているので、さらに、過検出
となっている検査対象物の音について複数の検査員で確
認し、誤りがわかれば後のコンピュータシミュレーショ
ンの対象から外すか実績を修正して、より正しい結果が
出せるようになる。

【００９７】（５）また、ステップ１４８に示す如く、
コンピュータによる再トライシミュレーションを行なう
ので、従来のｎ増しテストやり直しをする必要がなくな
り、従来膨大な工数を要した修正工程をコンピュータを
利用して大幅に省力化することができる。

【００９８】次に、本発明の第２の実施形態について説
明する。

【００９９】ところで、モータやモータ応用製品などの
完成品・半完成品について、異音の検査を目的として、
官能検査工程を機械化する自動官能検査装置において、
従来のこの分野のシステムでは、分析対象のデータに対
し一度の処理で最終的な特徴量を抽出していた。また、
データブロック単位で特徴量を抽出した場合でも、全体
の平均値を求めて計算していた。

【０１００】しかしながら、官能検査は人間の耳に頼っ
て行っているが、人間は限度見本を規準とした絶対値比
較のような検査は不得意であり、逆に時系列の音の変化
に敏感に反応する。すなわち、人間が異音と感じるのは
絶対値としての差よりも、音の変化をとらえて不快に感
じる。一般に「騒音とは、聞き手にとって好ましくない
音」とされているように、このような不快に感じる音の
変化をとらえる必要はある。

【０１０１】一例として図８に特徴量ＲＭＳ（自乗平方
根）のデータ配列のグラフを示す。このグラフは横軸に
各フレームの値をとっており、全体の時間をＴ_Ｓ秒，１
フレームの長さをｔ_Ｆ秒とする時間による特徴量ＲＭＳ
の値の変化を示している。同図では、ＮＧとした試料は
ＯＫとした試料より平均値は低い。

【０１０２】ここで、図８の例において、‘平均値’と
‘降順（大きい値から順に）５個の平均値’及び‘前デ
ータとの差の絶対値・降順５個の平均値’は図９のよう
になる。

【０１０３】図９のように、単なる平均ではなく、他の
特徴量で有効な代表値が得られる場合がある。

【０１０４】そこで、第２の実施形態では、特徴量毎の
データ配列から以下のような抽出法を用いることで有効
な代表値を得ることができるようにする。

【０１０５】［代表値抽出法］・平均値・ピーク値：降順（大きい順）ｍ番目からｎ個の平均値
〔ｍ≧１〕・変化量：前データとの差の絶対値の降順ｍ番目から
ｎ個の平均値〔ｍ≧１〕・ボトム値：昇順（小さい順）ｍ番目からｎ個の平均値
〔ｍ≧１〕また、代表値はこれ以外にも他の数学・統計処理を使用
することも有効である。

【０１０６】このようにして、第２の実施形態の特徴量
演算部はファジィ判定部へ入力する代表特徴量を求め
る。

【０１０７】次に、第２の実施形態に係わる異常判定シ
ステムの概略構成を図１０に示す。

【０１０８】図１０において、検査対象物に配設された
計測センサから出力される検査対象物の測定信号は、Ａ
／Ｄ変換器（アナログ／ディジタル変換器）２０１でデ
ィジタル計測データに変換され、メモリ２０２に格納さ
れる。メモリ２０２に格納されたディジタル計測データ
は特徴量演算部２０３に入力される。特徴量演算部２０
３では、上記ディジタル計測データの特徴量を抽出し、
この特徴量データをファジィ判定部２０４に入力する。
ファジィ判定部２０４では特徴量演算部２０３から入力
された特徴量データに基づいて検査対象物の正常、異常
を判定し、外部に判定結果を出力する。

【０１０９】ここで、特徴量演算部２０３は、メモリ２
０２に格納した集録データから、ファジィ判定部２０４
に渡す特徴量群を演算するが、この特徴量演算部２０３
の処理手順を図１１に示す。

【０１１０】特徴量演算部２０３は、メモリ２０２に格
納された量子化データをフレーム分割し（ステップ２１
０）、次にフレーム毎の特徴量を演算し（ステップ２１
２）、代表特徴量演算する（ステップ２１４）。そし
て、この値を特徴量値として出力する。

【０１１１】図１２に上記ステップ２１０のフレーム分
割の処理内容を示す。

【０１１２】図１２において、（ａ）は検査対象物に配
設された計測センサから出力される検査対象物のアナロ
グ測定信号であり、（ｂ）はＡ／Ｄ変換器（アナログ／
ディジタル変換器）２０１でディジタル計測データに変
換され、メモリ２０２に格納された量子化データ配列で
ある。特徴量演算部２０３は、（ｃ）に示す如く、メモ
リ２０２に格納された量子化データをフレーム分割す
る。

【０１１３】ここで、連続信号であるアナログ信号につ
いて、実際の装置での測定は有限の時間について判定を
行わなければならない。そこでサンプリング時間をＴ_Ｓ
秒，Ａ／Ｄ変換器のサンプリング周波数をｆ_ＳｋＨｚと
すると、集録されるディジタルデータ数は、Ｔ_Ｓ×ｆ_Ｓ
×１０^３となる。

【０１１４】特徴量演算部２０３は、集録したデータ配
列を一定長さＮのデータブロックに分割して処理を行
う。そして、分割されたデータブロック（フレームと呼
ぶ）毎に実際の特徴量演算は行なっていく。

【０１１５】特徴量演算で使用するＦＦＴアルゴリズム
は周知のとおり元データ点数は２のべき乗であると非常
に効率的な演算ができることから、Ｎ＝２^ｎとする。

【０１１６】例えば、Ｔ_Ｓ＝１０秒，ｆ_Ｓ＝１０ＫＨ
ｚ，データブロック長を２^１０（＝1,024点）とする
と、以下に示す如く、分割できるフレーム数ｍは、小数
点以下を切り捨て９７フレームを有効フレームとする。

【０１１７】

【数１】

【０１１８】上記の如く、判定の対象となるフレームが
確定したら、１フレーム毎に特徴量演算を行っていく。
図１３はこの場合の処理手順を示すフローチャートであ
る。

【０１１９】この処理は、フレームｉについてｉ＝１か
らｐまでのフレーム毎の特徴量を演算するもので、ファ
ジィめはフレーム１（ｉ＝１）のデータを抽出し（ステ
ップ２２０）、順次フレームｉのデータを抽出する（ス
テップ２２２）。そして、抽出されたフレームｉ毎のフ
レーム特徴量を演算する（ステップ２２４）。

【０１２０】次に、ｉ＝ｐか否かが調べられ（ステップ
２２６）、ｉ＝ｐでない場合は（ステップ２２６でＮ
Ｏ）、ｉの値を１インクリメントし（ステップ２２
８）、ステップ２２２以下の処理を繰り返す。そして、
ｉ＝ｐとなると（ステップ２２６でＹＥＳ）、当処理を
終える。

【０１２１】次に、ステップ２２４のフレーム毎の特徴
量演算の内容を図１４を参照しながら説明する。本実施
形態では特徴量演算はフレーム単位で行い、フレーム毎
に複数の特徴量演算を行う。

【０１２２】すなわち、メモリ２０２に格納されたフレ
ームデータは、まず、前処理１（ＢＰＦ１）部２３１、
前処理２（ＢＰＦ２＋積分）部２３２、前処理３（ＦＦ
Ｔによる周波数変換）部２３３に渡され、ここで上記前
処理が並列に実行される。

【０１２３】ここで、前処理１（ＢＰＦ１）部２３１に
よる前処理は、１）フレームデータをハイパスフィルタを通す２）ハイパスフィルタ等のフィルタを通したフレームデ
ータを微小時間にて微分する等の処理により行われる。この前処理１（ＢＰＦ１）部
２３１による前処理は、正常状態のフレームデータにあ
る程度の高周波成分が含まれており、検出すべき異常信
号が高周波領域に存在する場合等に有効である。

【０１２４】また、前処理２（ＢＰＦ２＋積分）部２３
２による前処理は、１）フレームデータをローパスフィルタを通す２）ローパスフィルタを通したフレームデータを微小時
間にて積分する等の処理により行われる。この前処理２（ＢＰＦ２＋積
分）部２３２による前処理は、正常状態のフレームデー
タにある程度の低周波成分が含まれており、検出すべき
異常信号が低周波領域に存在する場合に有効である。

【０１２５】また、前処理３（ＦＦＴによる周波数変
換）部２３３による前処理は、フレームデータである時
間軸波形をＦＦＴ（高速フーリエ変換）により周波数軸
データに変換するもので、このＦＦＴ（高速フーリエ変
換）により変換された周波数軸データを用いると、任意
の周波数帯における成分を特徴量とすることで、異常成
分の含まれている状態を定量化することが可能になる。
なお、ＦＦＴ（高速フーリエ変換）処理により損失した
情報や検出できない異常状態もあるが、これらの異常状
態の検出はメモリ２０２に格納されたフレームデータに
基づき行われる上記前処理２３１、２３２の処理を用い
た解析で補うことができる。

【０１２６】前処理１（ＢＰＦ１）部２３１で前処理さ
れたデータは、ＲＭＳ（自乗平方根）１演算２３１−
１、ピーク値１演算２３１−２、ＭＶＤ（極値差）１演
算２３１−３による特徴量演算が行なわれ、高周波増幅
処理により前処理されたデータの特徴量演算が実行され
る。

【０１２７】そして、ＲＭＳ（自乗平方根）１演算２３
１−１の演算結果によりＲＭＳ１データ配列２３１−４
が実行され、ピーク値１演算２３１−２の演算結果によ
りピーク値１データ配列２３１−５が実行され、ＭＶＤ
１演算２３１−３の演算結果によりＭＶＤ１のデータ配
列２３１−６が実行される。

【０１２８】また、前処理２（ＢＰＦ２＋積分）部２３
２で前処理されたデータは、ＲＭＳ（自乗平方根）２演
算２３２−１、ピーク値２演算２３２−２、ＭＶＤ２演
算２３２−３による特徴量演算が行なわれ、低周波増幅
処理により前処理されたデータの特徴量演算が実行され
る。

【０１２９】そして、ＲＭＳ（自乗平方根）２演算２３
２−１の演算結果によりＲＭＳ２データ配列２３２−４
が実行され、ピーク値２演算２３２−２の演算結果によ
りピーク値２データ配列２３２−５が実行され、ＭＶＤ
２演算２３２−３の演算結果によりＭＶＤ２のデータ配
列２３２−６が実行される。

【０１３０】また、前処理３（ＦＦＴによる周波数変
換）部２３３で前処理されたデータは、ｆｐａ（特定周
波数ａ成分）演算２３３−１、ｆｐｂ（特定周波数ｂ成
分）演算２３３−２、ｆｐｃ（特定周波数ｃ成分）演算
２３３−３による特徴量演算が行なわれ、ＦＦＴによる
周波数変換により前処理されたデータの特徴量演算が実
行される。

【０１３１】そして、ｆｐａ（特定周波数ａ成分）演算
２３３−１の演算結果によりｆｐａ（特定周波数ａ成
分）のデータ配列２３３−４が実行され、ｆｐｂ（特定
周波数ｂ成分）演算２３３−２の演算結果によりｆｐｂ
（特定周波数ａ成分）のデータ配列２３３−５が実行さ
れ、ｆｐｃ（特定周波数ｃ成分）演算２３３−３の演算
結果によりｆｐｃ（特定周波数ｃ成分）のデータ配列２
３３−６が実行される。

【０１３２】ここで、上記各特徴量演算及びデータ配列
は、上記前処理２３１〜２３３と同様に並列実行され
る。

【０１３３】特徴量演算２３１−１〜２３１−３、２３
２−１〜２３２−３、２３３−１〜２３３−３における
特徴量演算処理は、計測データの特徴を定量化するもの
で、前処理２３１〜２３３で前処理されたデータに基づ
き特定の関数演算を実行することで異常の度合いを示す
情報としての特徴量を抽出する。

【０１３４】図１４のように処理することにより、特徴
量演算は、複数の前処理を行った後、複数の特徴量演算
を行って、フレーム毎に多くの特徴量を計算することが
できる。

【０１３５】ここで、前処理は、以下のようなものを単
独あるいは組み合わせて使用することができる。なお、
バンドパスフィルタのようにパラメータを変更して異な
る前処理効果を出せるものがあるので、同じ前処理を複
数使用してもよい。

【０１３６】（１）周波数フィルタリング（バンドパス
フィルタ、ローパスフィルタ）（２）微積分処理（３）ＦＦＴ（高速フーリエ変換）による周波数軸変換

【０１３７】また、その他、従来から一般的に用いられ
ているＲＭＳ（自乗平方根）演算、平均演算等の数学関
数、統計関数を用いた演算等を用いることもできる。

【０１３８】本実施形態で使用する上記ＲＭＳ（自乗平
方根）は以下のように求める。

【０１３９】

【数２】

【０１４０】また、ｆｐａ、ｆｐｂ、ｆｐｃは、前処理
ＦＦＴによる周波数軸の成分配列から任意周波数帯ｆ_Ｌ
〜ｆ_Ｈの間のピーク成分を求める。

【０１４１】また、ＭＶＤ（極値差）を求める特徴量演
算関数は、元データ配列あるいは前処理後のデータ配列
から波形の極値差を検出する演算を実行するものであ
る。

【０１４２】極値差を求める特徴量演算関数において
は、極値数を求める特徴量演算関数により求めたデータ
配列中の極値について、前後極値の差の絶対値を計算し
たものの配列を求め、そこから、以下の手順により計算
したものを極値差として演算する。

【０１４３】すなわち、上記前後極値の差の絶対値を計
算したものの配列内のデータをＤ１、Ｄ２、…Ｄｎとす
ると、その中から大きい順にｋ個のデータを抽出し、そ
の平均を求めた値を極値差とする。ここで、ｋは変数で
ある。

【０１４４】この極値差を求める特徴量演算関数は、変
数ｋを適当に設定することにより、一定時間内の平均値
やＲＭＳ演算などでは正常状態と比べて差異が検出でき
ないが、測定データに一時的あるいは断続的に高周波レ
ベル変化が含まれている場合における正常、異常の検出
に有効である。

【０１４５】次に、特徴量値のデータ配列２３１−４〜
２３１−６、２３２−４〜２３２−６、２３３−４〜２
３３−６は、フレームデータ単位でデータを配列するも
ので、一例として図１５にＲＭＳ１のデータ配列２３１
−４を示す。

【０１４６】こうしてフレームデータ単位でデータを配
列すると、すでに述べたように、本実施形態では、特徴
量毎のデータ配列から以下のような抽出法を用いること
で有効な代表値を得るようにする。

【０１４７】［代表値抽出法］（１）平均値（２）ピーク値：降順（大きい順）ｍ番目からｎ個の平
均値〔ｍ≧１〕（３）変化量：前データとの差の絶対値の降順ｍ番目
からｎ個の平均値〔ｍ≧１〕（４）ボトム値：昇順（小さい順）ｍ番目からｎ個の平
均値〔ｍ≧１〕また、代表値はこれ以外にも他の数学・統計処理を使用
することも有効である。

【０１４８】このようにして、第２の実施形態の識別装
置は、特徴量演算部として、ファジィ判定部へ入力する
代表特徴量を求める。

【０１４９】次に、第３の実施形態として本発明に係わ
る異常判定システムで使用される官能検査に適したファ
ジィ推論法について説明する。

【０１５０】官能検査の自動化を前提とした判定部にフ
ァジィ推論を応用することは以下の点で効果がある。

【０１５１】（１）ファジィ推論は多入力であり、本構
成のような多くの特徴量を入力信号とし、ＡＮＤ条件，
ＯＲ条件を組み合わせた複雑な知識が作成できること。

【０１５２】（２）単純な各特徴量を管理基準値と比較
して上回っている場合ＮＧ判定とするような２値理論的
判定と異なり、欠点度合いを推論値として表現できるこ
と。

【０１５３】しかしながら、一般的にファジィ制御とし
て知られているファジィ推論の仕組みは、ｉｆ〜ｔｈｅ
ｎ形式のルールとメンバーシップ関数から成るファジィ
知識に対し、推論方式としてＭＡＸ−ＭＩＮ論理積、確
定出力演算方式として面積重心法が一般的である。

【０１５４】図１６に従来のファジィ推論（面積重心
法）の構成を示す。図１６では、特徴量２０件を、あら
かじめ作成したファジィ知識にかけて、結論信号である
ＳＰＣ値、ＷＲＧ値を出力する。

【０１５５】その後、図１７の判定部にて、ＳＰＣ値、
ＷＲＧ値を入力し、ＯＫ，ＧＲＡＹ，ＮＧのいずれかに
判定する。

【０１５６】ここで、上記ファジィ推論においては、以
下のファジィ知識が使用される。（）内は使用するラベ
ルを示す。

【０１５７】・使用入力信号：ＲＭＳ（ＳＭＬ，ＭＤＬ，ＬＲＧ）ＳＨＰ（ＳＭＬ，ＭＤＬ，ＬＲＧ）・結論部出力信号：ＳＰＣ（ＯＫ，ＧＲＹ）ＷＲＧ（ＯＫ，ＧＲＹ）また、入力信号のメンバーシップ関数を図１８に示す
が、ＲＭＳ，ＳＨＰとも同じである。

【０１５８】また、ＳＰＣとＷＲＧのメンバーシップ関
数を図１９に示す。

【０１５９】ところで、このファジィ推論モデルでは、
条件部の信号が△△であれば、結論側の信号は××であ
るというようなファジィルールをあらかじめ作成し、正
常品をＯＫ判定、欠点をもつ品をＮＧ、その中間に位置
するようなものをＧＲＡＹと判定する。

【０１６０】従って、不良の検出に有効な特徴量ＲＭＳ
とＳＨＰの２つの条件信号が両方ともＳＭＬであればＯ
Ｋ品、どちらかがＬＲＧであればＮＧ，両方がＭＤＬで
あればＮＧという法則をみつけたときは、図２０に示す
ルールの作成しなければならない。

【０１６１】すなわち、ａｎｄルールを作成した場合
は、そのａｎｄに使用した信号の使用したラベルの組み
合わせ以外のラベルの組み合わせが生じた場合に、それ
がどのような判定となるべきかを検証した上でルールと
して作成しておかなければ正しい判定ができない。

【０１６２】原因として、このファジィモデルは結論の
ＳＰＣ及びＷＲＧについてそれぞれ、‘良い’と‘悪
い’の２つが結論側ラベルとして出力される仕組みであ
るため、図２０のルール２のようにこの組み合わせであ
れば悪いというａｎｄルールを加える場合には、組み合
わせで使用した信号の他の全ラベルの組み合わせがでた
ときに推論異常が発生してしまう。ファジィモデルは多
くの特徴量信号に複数のラベルを使用しているため、３
つあるいは４つの信号のａｎｄルールを作成した場合
に、それ以外の組み合わせのルールを全て検証して作成
するのは非常に多くの工数がかかってしまう。

【０１６３】また結論側の信号ＷＲＧについて、ＮＧラ
ベルになるａｎｄルールを作成したときに、もう一方の
ＯＫになる他のａｎｄルールを正しく作成できないと、
推論異常が出ない場合でも、期待する推論値が出力され
なくなってしまう。

【０１６４】これは、面積重心法が、λをラベルＯＫの
適合度、μをＧＲＹの適合度としたときにＳＰＣ推論値＝（０×λ＋１×μ）／（λ＋μ）で計算しているため、ＯＫ側の適合ルールが不足してし
まうことによる。

【０１６５】つまり、ひとつの結論信号について、悪い
場合のラベルと良いラベルの適合度から、推論値を計算
させるシステムの場合は、以下の２つの問題が発生す
る。

【０１６６】（１）ａｎｄルールを使用するときは、そ
れ以外の組み合わせルールを作成する必要がある。

【０１６７】（２）それが完全でないと推論値が期待す
る値に対し大きな差が発生してしまう。

【０１６８】そこで、第３の実施形態では図２１、２２
のブロック図に示す構成で、複数の特徴量からファジィ
推論を応用して人による官能検査に代わる判定結果を出
力する。

【０１６９】以下、図１０の識別装置ブロック図のファ
ジィ判定部２０４について説明する。

【０１７０】図２１において、ファジィ判定部２０４
は、ファジィ推論部２５１と判定部２５２から成る。こ
こで、図１４で求めた代表特徴量をファジィ推論部２５
１に入力してｎ個の推論値を得て、その値から判定部２
５２は総合判定及びモード別判定を行う。

【０１７１】また、上記ファジィ推論においては、以下
のファジィ知識が使用される。（）内は使用するラベル
を示す。

【０１７２】また、ＳＰＣとＷＲＧのメンバーシップ関数を図２３に
示す。

【０１７３】このとき、結論信号であるＳＰＣとＷＲＧ
は、悪いメンバーシップラベルを最も右のラベルに設定
する。

【０１７４】ところで、例えば、風呂のわき加減をファ
ジィシステムのメンバーシップ関数で表すとすると、本
来、「冷たい、ぬるい、適温、熱い、非常に熱い」など
多くのラベルがある方がよい。しかし、官能検査のよう
に人によって欠点のある検査対象物を検出させたい場合
には「悪い」というラベルがあり、その度合いにより、
悪いか悪くないかを判断できればよい。

【０１７５】そこで、本実施形態では、図２２に示した
総合判定部は条件部である特徴量の信号数やラベル数に
制限はないが、結論部の信号のメンバーシップラベル形
状はシングルトンを使用する。

【０１７６】このファジィ推論の処理として、ＭＡＸ−
ＭＩＮ法によって、各結論信号のラベル毎の値を求める
ところまでは、従来と同様に処理する。

【０１７７】以下、図２４のフローチャートを参照しな
がら、この場合の処理手順を説明する。

【０１７８】まず、入力した特徴量（条件部信号）の値
から、適合するルール行毎の適合度を参照する（ステッ
プ２６０）。このとき、ａｎｄ条件であるルールは、最
小値を選ぶ（ｍｉｎ法）。

【０１７９】次に、適合する全てのルール行の適合度か
ら、各結論信号のラベルについて最大値を演算する（ｍ
ａｘ法）（ステップ２６２）。

【０１８０】そして、各結論信号の最右ラベルの値を、
その信号の結論値として代入する（ステップ２６４）。

【０１８１】上記ステップ２６４の処理は、ファジィ推
論でいう確定演算方式（ディ・ファジィファイ）である
が、この処理を右側高さ代入法とする。

【０１８２】この方法により、ａｎｄ条件を使用する場
合も含めて、悪い側のルールだけを作成するだけで良い
ことになる。

【０１８３】例えば、上記不良の検出に有効な特徴量Ｒ
ＭＳとＳＨＰの２つの条件信号が両方ともＳＭＬであれ
ばＯＫ品、どちらかがＬＲＧであればＮＧ、両方がＭＤ
ＬであればＮＧという法則をみつけたときは、図２５に
示すルールを作成するだけでよい。

【０１８４】この方法により、ファジィ知識の作成が容
易になり、期待する推論値が得られる。

【０１８５】次に、第４の実施形態としてファジィ推論
を応用した不良原因推論の仕組みについて説明する。

【０１８６】製造現場では、従来、人により行ってきた
官能検査を自動化し、不良品の検出ができることのメリ
ットは非常に大きいが、検査対象製品の構造が複雑にな
るほど、その不良は複数の要因・種類に起因する。

【０１８７】そこで、さらに検査装置に不良種類の推論
の機能があることが望まれる。

【０１８８】例えば、‘モータ＋ギヤ’の駆動源を持つ
製品であれば、不良の種類としては、（１）モータ内ベアリング不良（２）モータ内コンミテータ・巻線・回転子の異常スレ
不良（３）ギヤの欠け（４）ギヤのかみ合わせ不良（５）カバーの共振による異常振動等を代表として多くの不良種類があり、不良の種類がわ
かれば一部の構成部品を組み直せばよいのか、廃棄すべ
き不良なのかといった対処法がわかり、生産効率の向上
につなげることができる。

【０１８９】そこで、次に説明する異常判定システムで
は、総合判定のファジィ知識から、判定ルールを追加せ
ずに不良要因の推論機能を持つことができる。

【０１９０】図２６はこの場合の構成を示すブロック図
である。

【０１９１】ファジィ推論部３０１及び総合判定部３０
２は１台のコンピュータ３００で構成され、モード別判
定部３１０は、検査コントローラ３２０内の機能として
構成される。なお、構成としては、モード別判定部３１
０も１台のコンピュータで構築してもよいが、より製造
現場での対応が可能となるように、ここではＰＬＣ側の
機能にしている。

【０１９２】以下に、総合判定を行う場合のファジィ知
識の作成例を示す。

【０１９３】ファジィ知識はｉｆ〜ｔｈｅｎ形式のルー
ル部と各ルールで使用したラベルのメンバーシップ関数
を記述するＭＦ部から成る。

【０１９４】＜ルール部＞ルールは図２７に示す如く、
表形式で記述する。

【０１９５】ここで、ルール６の行のように、同一行の
条件部に複数のラベルが記述されているとａｎｄルール
であることを意味する。

【０１９６】＜ＭＦ例＞図２８に各ルールで使用するラ
ベルのメンバーシップ関数を示す。

【０１９７】次に、不良原因別判定をさせるためのファ
ジィ知識の作成方法を説明する。

【０１９８】上記の如く、一つの製品種類が対象であっ
ても、検出すべき不良種類は複数あり、装置として判定
用のルールを非常に多く作成する必要があるのはその為
である。

【０１９９】すなわち、ルールを作成した時点で、この
ルールは何不良に対して有効なものかはサンプルテスト
の結果からだいたい推測ができる。

【０２００】そこで、図２６のファジィモデルのように
ＳＰＣ推論値とＷＲＧ推論値の他にファジィ出力として
モード別推論も出力するようにし、考えられる不良種類
を割り付けていく。

【０２０１】例えば、対象となる不良種類を以下のよう
に割り付ける。

【０２０２】モード１：ベアリング不良モード２：スレ不良モード３：ギヤの欠け不良モード４：製品カバーのびびり

【０２０３】ここで、サンプルテスト結果から、どのサ
ンプルがどのルールにより検出されるかを先ほどの表に
追加して図２９に示すような不良原因判定ルールを作成
する。

【０２０４】作成に関しては、一つのラベルを使用して
表せばよい。図２９では、全てＮＧとしている。

【０２０５】ルール６のように、そのルールより検出さ
れる不良種類として２つ以上ある場合には、複数記述し
てもよいし、同じ原因に対し複数のルールが該当しても
よい。このように総合判定を行うためのファジィ知識作
成に対し、ルール行毎に不良原因を割り付けていくだけ
で判定知識ができる。

【０２０６】次に、不良原因別ファジィ出力について説
明する。

【０２０７】この装置では、コンピュータ側でファジィ
出力の一部であるＳＰＣ推論値とＷＲＧ推論値を元に図
２２のロジックで総合判定がなされる。

【０２０８】一方、ＰＬＣ側では個別のモード推論値毎
に基準値に対する比較を行い、どの不良原因とされるか
を判定する。例えば、基準値０．５に対しモード別推論
値が０．５以上であれば該当するロジックで判定を行
い、表示器により作業者に通知することが可能になる。

【０２０９】次に、不良原因の作業者への表示器による
通知例を図３０に示す。

【０２１０】これによって、従来、総合判定を正しく出
すことが第一の目的になり、原因推論まで自動検査装置
を発展させていくことは非常に労力がかかり現実的には
困難であったが、本実施形態では、総合判定の知識を確
立中にその進行には影響を与えずに原因推論のしくみを
確立させていくことができる。

【０２１１】また、検査記録装置に保存する検査実績フ
ァイルに各モード推論値も記録することにより、生産
後、どのワークが何の不良であったかを調査することに
より原因推論の知識も改良していくことができる。

【０２１２】

【発明の効果】以上説明したようにこの発明によれば、
以下の効果を奏する。

【０２１３】請求項１の発明では、検査対象物の計測デ
ータを入力して該検査対象物の異常を所定の判定基準値
に基づいて判定する異常判定方法において、上記計測デ
ータを保存することと、該入力された計測データまたは
保存データから人による上記検査対象物の異常判定結果
と装置による上記検査対象物の異常判定結果とを記録す
ることと、上記記録した人による異常判定結果と装置に
よる異常判定結果との一致度合いを検証することと、検
証結果が所定レベル以下の場合は上記保存データを元に
して上記判定基準値を修正することと、を行なうように
したので、（１）従来人と装置別々に行う必要があった
工程を１つにして、同時に装置と人による検査をするこ
とができる、（２）装置による検査と人による判定が同
時に行なわれ、さらに計測データが保存されるので、従
来のように、装置による検査結果と人による検査結果
を、検査対象物番号と照らし合わせながら検証するとい
う作業を省くことができる、（３）検証は記録した人に
よる異常判定結果と装置による異常判定結果を利用して
そのままコンピュータを使って検証でき、省力化でき
る、（４）判定基準値の修正作業は、保存データを元に
して行なうのでシミュレーションによる修正によって、
より正しい結果が出せるようになる、等の効果を奏す
る。

【０２１４】また、請求項２の発明では、計測データを
複数のデータブロックに分割し、分割されたデータブロ
ック単位で複数の特徴量を並列して演算し、分割された
データブロック単位での特徴量演算により検査対象物の
異常を判定するようにしたので、官能検査等に好適な特
徴量演算ができる等の効果を奏する。

【０２１５】また、請求項３の発明では、ファジィ推論
においては、結論信号について異常と判定されるルール
だけを用いてファジイ推論するようにしたので、ファジ
ィ知識の作成が容易になり、期待する推論値が得られる
等の効果を奏する。

【図面の簡単な説明】

【図１】この発明に係わる異常判定方法および装置を適
用して構成した異常判定システムにおける異常判定手法
の一実施の形態を示す機能ブロック図。

【図２】図１に示した判定装置の詳細を示すブロック
図。

【図３】第１の実施形態におけるしきい値の設定作業の
処理手順を示すフローチャート。

【図４】図２に示した検査実績ファイルに格納されるフ
ァイルの一例を示す図。

【図５】官能検査員の聴感による検査結果を基準にし
て、装置がどのような誤判定をしているかを検証するた
めの検証項目を示す図。

【図６】再トライシミュレーションの処理の流れを示す
ブロック図。

【図７】元の検査記録装置に検査実績と対応する波形デ
ータファイルがあり、検査ＩＤの昇順から順に、該当波
形データファイルをメモリにロードし、仮想検査した新
しい検査実績ファイルを生成する場合の説明図。

【図８】異常判定のための特徴量ＲＭＳ（自乗平方根）
のデータ配列を示す図。

【図９】図８の例における‘平均値’と‘降順（大きい
値から順に）５個の平均値’及び‘前データとの差の絶
対値・降順５個の平均値’の説明図。

【図１０】第２の実施形態に係わる異常判定システムの
概略構成を示す図。

【図１１】図１０に示した特徴量演算部の処理手順を示
す図。

【図１２】図１１に示したステップ２１０のフレーム分
割の処理内容を示す図。

【図１３】判定の対象となるフレームが確定したら、１
フレーム毎に特徴量演算を行っていく場合の処理手順を
示すフローチャート。

【図１４】図１３に示したステップ２２４のフレーム毎
の特徴量演算の内容を示す図。

【図１５】フレームデータ単位で特徴量データを配列す
る場合の説明図。

【図１６】従来のファジィ推論（面積重心法）の構成を
示す図。

【図１７】従来の判定部の構成図。

【図１８】従来の入力信号のメンバーシップ関数を示す
図。

【図１９】従来のＳＰＣとＷＲＧのメンバーシップ関数
を示す図。

【図２０】従来のファジィ推論モデルにおいてルールの
作成する場合の説明図。

【図２１】第３の実施形態におけるファジィ推論モデル
の構成を示すブロック図。

【図２２】同じく第３の実施形態におけるファジィ推論
モデルの構成を示すブロック図。

【図２３】第３の実施形態で使用されるＳＰＣとＷＲＧ
のメンバーシップ関数を示す図。

【図２４】第３の実施形態の処理手順を示すフローチャ
ート。

【図２５】第３の実施形態で作成されるルールの説明
図。

【図２６】第４の実施形態の構成を示すブロック図。

【図２７】総合判定を行う場合のファジィ知識の作成例
を示す図で、表形式でルールを記述する場合の一例を示
す図。

【図２８】各ルールで使用するラベルのメンバーシップ
関数の説明図。

【図２９】サンプルテスト結果から、不良原因判定ルー
ルを作成する場合の説明図。

【図３０】不良原因の作業者への表示器による通知例を
示す図。

【図３１】従来の製品の正常、異常を自動判定する自動
判定装置の概略ブロック図。

【図３２】ＦＦＴアナライザを組み込んで構成した従来
のコンピュータシステムによる処理手法を示すブロック
図。

【図３３】ＦＦＴアナライザにおける処理の説明図。

【図３４】フィルタ方式ＦＦＴを用いた周波数解析によ
る従来のコンピュータシステムによる処理手法を示すブ
ロック図。

【図３５】従来の判定のためのしきい値の設定作業の処
理手順を示すフローチャート。

【図３６】検査のために使用される評点表の説明図。

【符号の説明】

１０検査対象物４５計測センサ４６アンプ５０判定装置５１識別機構５２アナログ／ディジタル変換器（Ａ／Ｄ変換部）５３メモリ５４特徴量演算部５５ファジィ判定部５６検査管理部６０検査実績記録装置７０音録音装置７２ヘッドホン８０官能検査判定入力装置８１官能検査員９０検査コントローラ

Claims

【特許請求の範囲】

【請求項１】検査対象物の計測データを入力して該検
査対象物の異常を所定の判定基準値に基づいて判定する
異常判定方法において、上記計測データを保存することと、該入力された計測データまたは保存データから人による
上記検査対象物の異常判定結果と装置による上記検査対
象物の異常判定結果とを記録することと、上記記録した人による異常判定結果と装置による異常判
定結果との一致度合いを検証することと、検証結果が所定レベル以下の場合は上記保存データを元
にして上記判定基準値を修正することと、を行なうことを特徴とする異常判定方法。
【請求項２】検査対象物の計測データを測定して該検
査対象物の異常を判定する異常判定方法において、上記計測データを複数のデータブロックに分割し、上記分割されたデータブロック単位で複数の特徴量を並
列して演算し、上記分割されたデータブロック単位での特徴量演算によ
り検査対象物の異常を判定することを特徴とする異常判
定方法。
【請求項３】検査対象物の計測データを測定してファ
ジィ推論によって該検査対象物の異常を判定する異常判
定方法において、上記ファジィ推論においては、結論信号について異常と
判定されるルールだけを用いてファジィ推論することを
特徴とする異常判定方法。
【請求項４】検査対象物の計測データを入力して該検
査対象物の異常を所定の判定基準値に基づいて判定する
異常判定装置において、上記計測データを保存する計測データ保存手段と、上記入力した計測データまたは上記計測データ保存手段
の保存データに基づいて人による上記検査対象物の異常
判定結果と装置による上記検査対象物の異常判定結果と
を記録する判定結果記録手段と、上記判定結果記録手段に記録された２つの異常判定結果
から上記判定基準値を検証する判定基準値検証手段と、装置による異常判定が所定レベル以下の場合は上記計測
データ保存手段の計測データを元にして上記判定基準値
を修正する判定基準値修正手段と、を有することを特徴とする異常判定装置。
【請求項５】検査対象物の計測データを測定して該検
査対象物の異常を判定する異常判定装置において、上記計測データを複数のデータブロックに分割する計測
データ分割手段と、上記計測データ分割手段で分割されたデータブロック単
位で複数の特徴量を並列して演算する特徴量演算手段
と、上記特徴量演算手段の演算により検査対象物の異常を判
定する異常判定手段と、を有することを特徴とする異常判定装置。
【請求項６】検査対象物の計測データを測定してファ
ジィ推論によって該検査対象物の異常を判定する異常判
定装置において、結論信号について異常と判定されるルールを作成するフ
ァジィルール作成手段と、上記ファジィルール作成手段で作成されたルールに基づ
いてファジィ推論するファジィ推論手段と、を有することを特徴とする異常判定装置。