JP2015028475A - 潤滑剤の劣化診断方法 - Google Patents

Abstract

【課題】診断精度の高い、潤滑剤の劣化診断方法を提供すること。【解決手段】診断対象試料と良品である複数の正常試料とについて、あらかじめ決められた静的特性を評価、測定し、診断対象試料と複数の正常試料とについて、あらかじめ決められた動的特性を評価、測定し、複数の正常試料についての、静的特性の評価測定結果および動的特性の評価測定結果に基づいて、静的特性の各要素および動的特性の各要素を変数とする共分散行列を算出し、共分散行列から該共分散行列の逆行列を算出し、診断対象試料についての、静的特性の評価測定結果および動的特性の評価測定結果に基づいて、静的特性の各要素および動的特性の各要素を成分とする横ベクトルと縦ベクトルとを用い、該横ベクトル?前記逆行列?該縦ベクトルの式でマハラノビス距離の自乗値を算出し、自乗値の大きさを評価する。【選択図】図１

Description

本発明の実施形態は、潤滑剤の劣化診断方法に関する。

電路用開閉器や機構構造部を構成する操作機構の摺動部や摺動通電部には、グリースや油などの、粘稠性を有した物質である潤滑剤が用いられている。潤滑剤は、一般的に、使用状況や使用環境に依存して経年劣化し、これにより潤滑部の駆動力に対する抵抗や摩擦力が増大し、機器の動作特性に影響を与える。このため、動作特性に支障が生じる前に潤滑剤の劣化の兆候を把握する必要があり、一般的に、定期的な点検を行いその劣化を診断している。

劣化診断方法としては、試料として必要な量が少なくかつちょう度（「ちょう度」は、「稠度」とも表記し得るが、以下ではＪＩＳに倣い「ちょう度」と表記する）などの物理量の測定やその処理に手間がかからない方法がより有用である。こうした視点で、試料の粘弾性を物理量として採用したり、複数のパラメータ（評価物理量）についてマハラノビス距離を算出して劣化を判断したりする方法が存在している。ただし、診断精度も実用的に十分であることが当然ながら求められることから、要求に沿う合理性のある解決を得るには一定の困難性がある。

特開２００８−５８１５２号公報 特開２０１０−１３３７８８号公報 特開２００４−１９５０８０号公報 特開２００７−１３９６２１号公報 特開２００５−２４１０８９号公報

本発明は、診断精度の高い、潤滑剤の劣化診断方法を提供することを目的とする。

実施形態の潤滑剤の劣化診断方法は、（１）診断対象試料と良品である複数の正常試料とについて、あらかじめ決められた静的特性を評価、測定する。（２）前記診断対象試料と前記複数の正常試料とについて、あらかじめ決められた動的特性を評価、測定する。（３）前記複数の正常試料についての、前記静的特性の評価測定結果および前記動的特性の評価測定結果に基づいて、前記静的特性の各要素および前記動的特性の各要素を変数とする共分散行列を算出する。（４）前記共分散行列から該共分散行列の逆行列を算出する。（５）前記診断対象試料についての、前記静的特性の評価測定結果および前記動的特性の評価測定結果に基づいて、前記静的特性の各要素および前記動的特性の各要素を成分とする横ベクトルと縦ベクトルとを用い、該横ベクトル×前記逆行列×該縦ベクトルの式でマハラノビス距離の自乗値を算出する。（６）前記自乗値の大きさを評価する。

実施形態の、潤滑剤の診断方法の手順を示す流れ図。 図１中にある「静的特性項目」について、その例を示す項目表。 図１中にある「動的特性項目」について、その例を示す項目表。 図２中にある「拡がりちょう度」について、その測定態様を例示する説明図。 図３中にある「測定時間内における平均粘性率」について、その測定態様を例示する説明図。 図１中にある「共分散行列」について、その各成分の定義（計算方法）を示す説明図。 図１中にある「マハラノビス距離の自乗値」について、その定義（計算方法）を示す説明図。 質不良品である診断対象品につき図１に示した手順で算出した、マハラノビス距離の自乗値による分布を比較例とともに示すヒストグラム。 質不良品である診断対象品につき図１に示した手順で算出した、マハラノビス距離の自乗値による分布を、良品とされている試料につき算出したマハラノビス距離の自乗値による分布とともに示すヒストグラム。 図２に示した「静的特性項目」により、３つの試料（診断対象品）の評価、測定をした結果を例示する評価表。 図２に示した「動的特性項目」により、３つの試料（診断対象品）を評価、測定をした結果を例示する評価表。 図１０、図１１に測定結果を示した試料について、図１に示した手順でマハラノビス距離の自乗値を算出しそれに基づき劣化の判定を行った結果を示す表。 総数１８６の試料を用いて図１に示した手順でマハラノビス距離の自乗値を求めた結果によるその分布を示す表（単位空間をすべての良品で設定した場合）。 図１３と同じく、総数１８６の試料を用いて図１に示した手順でマハラノビス距離の自乗値を求めた結果によるその分布を示す表（ただし単位空間を閾値で選別した良品で設定した場合）。 良品と質不良品とを含むある試料群におけるマハラノビス距離の自乗値と特定の動的特性の値との関係をプロットしたグラフ。 図１５に示したグラフを用いて、特定の動的特性の値からマハラノビス距離の自乗値を推定する方法をグラフ上で示す説明図。

以下では実施形態の、潤滑剤の劣化診断方法を図面を参照しながら説明する。図１は、実施形態の、潤滑剤の診断方法の手順を示している。以下では、図１に示す流れに従って当該方法を説明するが、途中適宜図２から図７を参照して説明を補足する。

まず、フィールドの試料を採取する（ステップ１１）。すなわち、稼働後数年経過した機器の定期点検等の際、作業員が設備の可動部や摺動部、摺動通電部に使用されている潤滑剤を都度、例えば数十ｍｇ採取する。その際、正常に動作していた機器のもの（良品）と動作不良が確認されている機器のもの（質不良品）とは、区別（層別）しておく。また、劣化を診断する対象である試料（診断対象品）も同様に採取しておく（この採取については、診断が必要なときに別途行ってもよい）。良品は、マハラノビスタグチ法（ＭＴ法）における単位空間（基準の分布）を以下で説明するように決定するために用いるものである。

次に、試料についての静的特性項目および動的特性項目を選定する（ステップ１２）。図２は、この静的特性項目について、その例を示している。＃１の「色調」は、潤滑剤（潤滑油）の試験項目としてごく普通の項目である。この色調は、例えば、ＡＳＴＭ色の色見本に照らし合わせ、黄色＝１、黄土色＝２、濃黄土色＝３、褐色＝４、濃褐色＝５、茶色＝６のような数値への対応づけにより、数値化する。測定態様としては、実体顕微鏡を用い試料の色調を観察することができる。その際、混入物が多い場合は細かいメッシュの金網であらかじめ裏ごししておく。

図２中に示す＃２の「拡がりちょう度」は、ＪＩＳで定められているちょう度（例えばＪＩＳ Ｋ ２２２０で定められる針入法によるちょう度）を直接得るのではなく、ここでは以下説明のようにして得る値である。「ちょう度」も潤滑剤の試験項目としては非常に一般的である。図４は、図２中にある「拡がりちょう度」について、その測定態様を例示している。すなわち、清浄なガラス板２１の中央に試料２３を例えば２ｍｇ秤取し、その上に同様のガラス板２２を載せ、ガラス板２２の上に例えば５０ｇの分銅２４を載せて、例えば３分間加圧する。３分経過したら分銅２４を取り除き、ガラス板２１、２２の間に拡がった試料２３の直径を複数個所（例えば縦径、横径の２箇所）測定する。複数個所の直径の平均値を試料の拡がり径とする。

この得られた拡がり径をＪＩＳで定められているちょう度に換算する。そのためには、既知のちょう度を有している複数の既知試料について、図４に示した測定で同様の拡がり径をあらかじめ取得しておく。この測定により、拡がり径とちょう度との対応グラフ（検量線）を作成することができる。この対応グラフにおいて、上記で得られた、試料についての拡がり径を突き合わせれば、ちょう度の数値を得ることができる。この数値をここでは「拡がりちょう度」とする。このような「拡がりちょう度」の値の取得は、上記の針入法によるちょう度測定（例えば５ｇ以上必要）より遥かに試料がわずかで済む（例えば２ｍｇ）。

また、図４に示したような測定態様によれば、拡がりちょう度が得られるだけでなく、透明なガラス板２１、２２の間に試料２３を拡げるので塵埃や異物、金属の摩耗粉などの混入を観察することも容易である。このような情報は別途活用できる可能性がある。

図２中に示す＃３の「酸化度」は、やはり潤滑剤の劣化を知る指標として一般的である。ここでは、例えば、赤外分光分析法により試料の赤外吸収スペクトラムを測定し、酸化劣化により変化する波長と、酸化劣化により変化しない波長との各値での比率（前者／後者）を求め、この比率を「酸化度」とする。

赤外分光分析法を用いると、酸化度が分かるだけでなく、試料の定性的な成分や、異物の混入、異種油の混合、給油の有無などの情報を得ることができる。このような情報も、別途活用できる可能性がある。

実施形態における以上の静的特性項目の選定は、特に、微量な試料を用意すれば評価、測定が可能であることを条件としている。微量で済めば、実用的な価値はおのずから高くなる。また、このように複数の静的特性項目を組み合わせ採用すれば、例えば、給油して見せかけのちょう度を回復させた場合のように実際には劣化して機能を果たさない場合を見逃すのを避けられる可能性が高くなる。

次に、図３は、図２中のステップ１２にある「動的特性項目」に関連して、この動的特性項目の例を示している。静的特性に加えて動的特性をも項目に加えるのは、端的に言って診断精度を向上させるためである。逆に言うと、静的測定についてその選定をいかように工夫しても診断精度の向上という意味では、一定の限界があることが実用的に確かめられている。これは、動的特性は、実機の動作に近い特性をより濃く反映していると考えられ、また実際の初動動作に関連性がより高いと考えられ、逆に静的特性ではこのような性質が薄いと考えられるためである。

動的特性項目の選定には、具体的に種々その項目が考えられるが、ここでは、図３に示すように、「測定時間内における平均粘性率」、「測定時間内における粘性率の変化の標準偏差」、「平均粘性率の自乗を上記標準偏差の自乗で除した値（ＳＮ比）」、「ＳＮ比の対数値（１０ｌｏｇ（ＳＮ比））」の４項目を選定、採用している。これらの４項目の特性の評価、測定の方法を以下で順次説明する。これらの項目の特性の値を得るため、動的粘弾性測定装置を利用する。

図５は、図３中にある各動的特性項目について、動的粘弾性測定装置を利用したその測定の態様を例示している。すなわち、加振部３１の加振軸と軸を共有する、加振部３１の上方に設けられた加振側円盤３２上に試料３３を塗り、続いて応力検出部３５の軸と軸を共有する応力検出側円盤３４を試料３３上に、円盤３２、３４の軸が一致する方向で下げ、試料３３の厚さが規定の厚さになるように円盤３２、３４間の寸法を設定する。円盤３２、３４からはみ出た試料は拭き取る。これで測定準備が整う。

測定条件は、例えば、測定時間１５０ｓ、測定周波数５Ｈｚ、円盤直径（試料塗布直径）５ｍｍ、試料厚さ０．１ｍｍ（試料の比重０．９ならばその質量は１．８ｍｇになる）とすることができる。この条件で動的粘弾性測定装置を動作させると、貯蔵弾性率Ｇ’、損失弾性率Ｇ”、損失係数ｔａｎδ（Ｇ’とＧ”との比率）、粘度η’などの値が、１５０ｓの間変化する値として順次出力される。なお、貯蔵弾性率Ｇ’は、単に「弾性率」とも呼ばれているので、紛れがない限り以下「弾性率」ともいう。また、損失弾性率Ｇ”は、「粘性率」とも呼ばれているので、紛れがない限り以下「粘性率」ともいう。

そこで、「測定時間内における平均粘性率」は、測定時間１５０ｓの間に順次（例えば１０秒ごとに）出力される粘性率を使ってそれらの時間平均をとった値である。また、「測定時間内における粘性率の変化の標準偏差」は、測定時間１５０ｓの間に順次出力される粘性率を使ってそれらの標準偏差を求めたものである。また、「平均粘性率の自乗を上記標準偏差の自乗で除した値（ＳＮ比）」は、この定義に従い上記の値を使って計算して得た値である。さらに、「ＳＮ比の対数値（１０ｌｏｇ（ＳＮ比））」も、この定義に従い計算して得た値である。

図３中に示す＃４の平均粘性率のほか、＃５の標準偏差を採用したのは、一般に、潤滑剤が劣化して粘性が増すと、粘性率が上昇するだけでなく、測定時間内に測定される粘性率のばらつきが小さくなることが判明し、よって潤滑剤の劣化を計る指標として適当と考えられるためである。さらに、これらの「粘性率」および「標準偏差」から派生される、＃６の「平均粘性率の自乗を上記標準偏差の自乗で除した値（ＳＮ比）」、＃７の「ＳＮ比の対数値（１０ｌｏｇ（ＳＮ比））」も同様の趣旨で潤滑剤の劣化を計る指標として適当と考えられるためである。

図３に示した動的特性項目は一例である。診断精度を向上するという目的に合致すれば別の動的特性項目を採用することに何ら不都合はない。例えば、図３に示した項目では、粘性率とその関連した量が動的特性項目として挙げられているが、動的特性項目としては弾性率やその関連した量を活用することも考えられる。いずれにしても、微量な試料を用意すれば評価、測定が可能であることは実用的な意味で重要である。

一般には、実際の診断においてその精度を高くすることができる限り、静的特性項目および動的特性項目として限られた項目を採用することは、物理量の測定やその処理の手間は比較的小さなものとすることができるので大きな利点になる。

図１を参照する説明に戻り、次に、ひとつの良品について静的特性を評価、測定する（ステップ１３）。続いて、その良品について動的特性を評価、測定する（ステップ１４）。これらの評価、測定は、上記で説明したように図２、図３に掲げた項目についての評価、測定である。ステップ１３、１４は、評価された良品のデータ数が例えば１００以上になるまで行う（ステップ１５）。これは、ＭＴ法を精度高く実行するため一般に求められている試料の数である。

次に、評価、測定が済んだ良品についての、静的特性の各要素（各項目）および動的特性の各要素（各項目）を変数とする共分散行列を算出する（ステップ１６）。換言すると、ＭＴ法における単位空間のデータ群を共分散行列で記述する、ということである。この共分散行列は、正方行列であり、より具体的には、図６に示すような定義式に基づいてこの行列［Ｃ_ｉｊ］を求めることができる。なお、定義式の右辺冒頭の「（１／Ｎ）」は、厳密性を増すため「（１／（Ｎ−１））」と置き換えてもよい。

共分散行列が算出できたら、次に、この共分散行列を用いてその逆行列［Ｃ_ｉｊ］^−１を算出する（ステップ１７）。逆行列とは、もとの行列と掛け合わせると単位行列になる行列のことである。逆行列が算出されることにより、診断対象品についての診断の準備が整うことになる。

そこで、次に、診断対象品について、静的特性および動的特性を評価、測定する（ステップ１８）。この評価、測定は、良品についてと同様に図２、図３に掲げた項目についての評価、測定である。

診断対象品について静的特性および動的特性が評価、測定が済んだら、次に、それらの値とステップ１７で求められている逆行列とを用いて、マハラノビス距離の自乗値を算出する（ステップ１９）。より具体的には、図７に示す定義式に基づいてこの自乗値を算出することができる。すなわち、静的特性の各要素および動的特性の各要素を成分とする横ベクトルと縦ベクトルとを用い、横ベクトル×逆行列×縦ベクトルの式で算出する。なお、マハラノビス距離とは、マハラノビスの汎距離とも呼ばれ、多次元空間内の２点間の距離（図７に示す定義式の場合、単位空間の中心からの距離）を、変数間の相関性をも加味して評価した値である。

そして、算出されたマハラノビス距離の自乗値の大きさに基づいて、診断対象品の劣化を判定する（ステップ２０）。より具体的な、自乗値の大きさの評価については、実際の例を後述する。なお正常と判定の場合、この診断対象品につきデータ反映対象品として単位空間のデータ群に加えるようにしてもよく、劣化と判定の場合、この診断対象品につき信号空間のデータ群に加えるようにしてもよい。

単位空間のデータ群に加える点については、ステップ１６、１７の計算のし直しと捉えることができる。すなわち、正常と判定された試料の静的特性および動的特性の評価測定結果を加味するように共分散行列を算出し直して共分散行列を更新する。単位空間のデータ群は、一種のデータベースを構成するものであり、新たな正常と判定された試料のデータを単位空間のデータ群に加えることは、データベースの信頼性を高める意味で好ましい。

なお、「信号空間」とは、「単位空間」から区別された分布のことであり、信号空間のデータ群と単位空間のデータ群とでマハラノビス距離が差別化されるように因子（上記の説明では「項目」）が選定されていることがＭＴ法を活用する上で必要である。このような意味で、図２、図３に示した「項目」の選定が適当であることを後述する。

以上、実施形態の、潤滑剤の劣化診断方法を図１、および図２から図７を参照してひととおり説明した。以下では、実際の試料を用いて図１に示した診断方法を実行した例について説明する。

図８は、質不良品である診断対象品につき図１に示した手順で算出した、マハラノビス距離の自乗値による分布（図８（ａ））を比較例（図８（ｂ））とともに示すヒストグラムである。図８（ａ）と図８（ｂ）との対比は、図２、図３に示した「項目」の選定が非常に適当であることを示すものである。

すなわち、図８（ａ）は、特性項目として、上記説明したように図２、図３に掲げた＃１〜＃７のすべて使用した場合の、質不良品である診断対象品につき図１に示した手順で算出したマハラノビス距離の自乗値の分布であり、単位空間（そのデータ群のマハラノビス距離の自乗値の平均は、定義により１になる）からの分離が非常に明確であり、かつそのばらつきも小さい。

比較例である図８（ｂ）は、特性項目として、図２に掲げた＃１〜＃３のみ使用した場合の、質不良品である診断対象品につき図１に示した手順で算出したマハラノビス距離の自乗値の分布である。この場合当然ながら、良品についてのステップ１３、１４も特性項目として、図２に掲げた＃１〜＃３のみ使用し、それに基づき共分散行列およびその逆行列は算出されている。

図８（ｂ）に示す場合、単位空間からの分離が明確でないだけでなく、そのばらつきも非常に大きくなっている。すなわち、この場合、診断精度という観点からは実用に供しないものと考えられる。ちなみに、図８（ａ）と図８（ｂ）とでばらつきを定量的に評価、比較すると、平均値を分散で除した値であるＳＮ比が、図８（ａ）の場合では９．９であるのに対し、図８（ｂ）の場合は１．４である。よってその差は歴然であり、図３に示した動的特性項目の選定、追加が診断精度の向上に大きく寄与していることがわかる。

次に図９は、質不良品である診断対象品につき図１に示した手順で算出した、マハラノビス距離の自乗値による分布を、良品とされている試料につき算出したマハラノビス距離の自乗値による分布とともに示すヒストグラムである。

図９に示すヒストグラムで注意する点は、良品とされている試料についてのマハラノビス距離の自乗値と、質不良品とされている試料についてのマハラノビス距離の自乗値とが混在する数値範囲（おおよそＤ^２＝４〜８の範囲）が存在していることである。これは、診断精度を向上してもなお、実際には、良品と質不良品とで数値が分離し切れない場合があることを示している。

より具体的に、Ｄ^２＝４〜８の範囲にある良品とされている試料を見てみると、Ｄ^２＝５．１のものは、拡がりちょう度が低く（硬い）、Ｄ^２＝６．５のものは、酸化度が高く（酸化劣化が著しい）、Ｄ^２＝７．３のものは、粘性率が高いことがわかっており、これらの値は、あらかじめ定めた正常値の上下限（閾値）を外れるものであった。

したがって、このような場合が発生することに合理的に対処するには、以下のようにすることが適当と考えられる。すなわち、マハラノビス距離の自乗値が４から８のとき、この自乗値を算出させた診断対象試料を要注意試料と判定する。要注意試料と判定するようにすることで、別の判定手順に供するようにできる。そして、具体的な別の判定手順としては、要注意試料についての静的特性または動的特性が、あらかじめ設定された静的特性または動的特性の各閾値のうちのひとつでも超えている場合に、この要注意試料を劣化品と判定する。このような判定は、非常に実際的である。

また、別の考え方による対処として、良品とされている試料についてのマハラノビス距離の自乗値と、質不良品とされている試料についてのマハラノビス距離の自乗値とが混在する数値範囲ができるだけ生じないようにあらかじめ対処することが考えられる。その対処のひとつとして、良品とされている試料を最初に層別するときに、その静的特性または動的特性が、あらかじめ設定された静的特性または動的特性の各閾値のうちのひとつでも外れている場合には、その試料を良品には含めないと判定し、この試料を良品として扱わないようにすることが考えられる。これによれば、単位空間のデータ群の信頼性が向上すると考えられ、数値上の分離性が増して上記のような混在が減少すると考えられる。これについては実際の試料群を用いて検証した結果を後述する。

次に図１０は、図２に示した「静的特性項目」により、３つの試料（診断対象品）の評価、測定をした結果を例示する評価表である。図１１は、図２に示した「動的特性項目」により、この３つの試料（診断対象品）を評価、測定をした結果を例示する評価表である。そして、図１２は、図１０、図１１に測定結果を示した試料について、図１に示した手順でマハラノビス距離の自乗値を算出しそれに基づき劣化の判定を行った結果を示す表である。

図１０、図１１、図１２についての理解は、これまでに説明した点から容易であると考えられる。補足すると、図１２において試料３は、マハラノビス距離の自乗値が６．３であり、図９を参照して説明した点に基づき「劣化」と判定されたものである。より具体的に、試料３は、拡がりちょう度の値が正常値の下限（閾値）を外れているという結果により、診断結果として劣化になっている。

以上のようにこの診断方法では、診断対象試料と良品である複数の正常試料とについて、既定の静的特性のほか、既定の動的特性をも評価、測定する。正常試料について得られた結果は、その静的および動的特性の各要素を変数とする共分散行列の算出のため用いられる。診断対象試料について得られた結果は、上記の共分散行列を介在としたマハラノビス距離の自乗値の算出のため用いられる。

このように動的特性も加味することで、質不良品である診断対象試料でのマハラノビス距離の自乗値の分布は、良品での分布とは数値的に分離性がよくかつそのばらつきも非常に小さくなる。このような効果は、説明したように、実際のデータで比較することにより、動的特性の加味が大きく寄与したものと判明した。すなわち、これにより実際のデータにおいて診断精度の高い、潤滑剤の劣化診断方法が得られた。

また、診断対象品の劣化度は、マハラノビスの自乗値として数値として表わされるので、現時点で正常品として扱い得る場合でも数年後に動作不良を引き起こし得る指標として扱い、この自乗値を活用することもできる。具体的にこのような場合として、マハラノビスの距離の自乗値＝２以上４未満などとすることができる。

次に、図１３は、総数１８６の試料を用いて図１に示した手順でマハラノビス距離の自乗値を求めた結果によるその分布を示す表である。諸条件が以上で説明した内容と異なる点もあるので、これを以下確認する。前提として、単位空間は、すべての良品を使って設定している。そして、静的特性項目である図２に示した＃１から＃３についてはそのまま用い、動的特性項目については図３中に示したもののうち＃４（想定時間内における平均粘性率）のみを用いている。総数１８６のうち２２試料が、動作不良が確認されている機器のもの（質不良品）である。マハラノビス距離の自乗値は、１８６試料すべてについて算出している。

図１４は、図１３と同じく総数１８６の試料を用いて図１に示した手順でマハラノビス距離の自乗値を求めた結果によるその分布を示す表である。図１３の結果が得られた場合との条件の違いとしては以下である。まず、前提として、単位空間は、良品のうちあらかじめ設定した閾値で選別したものを使って設定している。使用した静的特性項目および動的特性項目について図１３での説明と同じである。マハラノビス距離の自乗値を１８６試料すべてについて算出している点も図１３での説明と同じである。

あらかじめ設定した閾値は、具体的に以下である。＃１の「色調」についての選別閾値は、例えば、前述したＡＳＴＭ色の色見本の「褐色」付近を閾値とすることができる。＃２の「広がりちょう度」についての選別閾値は、新しい潤滑剤（未使用）での値に対して２０％程度低下した値を閾値とすることができる。＃３の「酸化度」についての選別閾値は、前述した「酸化劣化により変化する波長」と「酸化劣化により変化しない波長」との各値での比率が０．２程度を閾値とすることができる。これらの閾値は、経験的に得られるものでありかつ劣化診断の対象とする潤滑剤によっても異なるため、あらかじめ実験等によりデータベース化しておくことが望ましい。これらの選別によって、ひとつでも閾値を外れていれば良品として扱わないようにする。

図１３と図１４とを比較すると、良品とされている試料についてのマハラノビス距離の自乗値と、質不良品とされている試料についてのマハラノビス距離の自乗値との分離性が、図１４に示す場合の方が確実に向上していることがわかる。したがって、正常に動作していた機器のもののうちからあらかじめ閾値で試料を選別して単位空間を設定するようにすることは、劣化診断の精度を向上する上で効果的である。

次に、図１５は、良品と質不良品とを含むある試料群におけるマハラノビス距離の自乗値と特定の動的特性の値との関係をプロットしたグラフである。諸条件が以上で説明した内容と異なる点もあるので、これを以下確認する。前提として、単位空間は、すべての良品を使って設定している。そして、静的特性項目である図２に示した＃１から＃３についてはそのまま用い、動的特性項目については図３中に示したもののうち＃４（測定時間内における平均粘性率）のみを用いている。よって、「特定の動的特性」は、ここでは、図３中に示した＃４「測定時間内における平均粘性率」である。

図１５では、良品のプロット点と質不良品のプロット点とでそれらの分布の傾向が顕著に異なることが分かる。したがって、図１５に示す分布から、特定の動的特性における良否を分けるための閾値を決定すると、単位空間のデータ群の信頼性向上に寄与できると考えられる。すなわち、診断対象試料のうち、マハラノビスの距離の自乗値が所定の値以下であることで一応正常品と判定されたものから選別して、特定動的特性がこの閾値の良側に収まっている試料を単位空間のデータ群に加えるべきデータ反映対象品と判定すれば、一応正常品とされたもののうち劣化品に近いものが除かれると考えられるから、単位空間の信頼性は向上する。

より具体的に、その閾値は、図１５中に示した「質不良品」のプロットのうちのもっとも低い動的特性値を有するプロット（図１５中でドットパターンが付されたプロット）のその動的特性値とすることができる。なお、このように決定する閾値は、動作不良が確認されている機器のもの（「質不良品」）である試料についての動的特性値であることから、フィールドから試料の回収が進むにつれて変更になる可能性がある。

次に、図１６は、図１５に示したグラフを用いて、特定の動的特性の値からマハラノビス距離の自乗値を推定する方法をグラフ上で示す説明図である。図１５に示したグラフを利用すると、以下説明するように、動作不良が確認されている機器に使用されていた試料の動的特性値を測定、評価するだけで、その劣化度（つまりマハラノビス距離の自乗値）を推定することができる。

図１６中において、直線は、質不良品のプロットから求めた、残差最小とする近似直線であり、横軸をｘ、縦軸ｙとすると、ｙ＝２４５０．３ｘ^{０．４０１２}になっている。したがって、例えば、回収された試料の動的特性値（ｙ）が１００００であれば、その劣化度（ｘ）はこの式を用いた計算により３３．６と推定することができる。

このような推定は、試料の量がごく微量で「広がりちょう度」や「酸化度」を測定するに十分な量が得られなかった場合に活用できる。すなわち、そのような場合であっても、動的特性（ここでは「測定時間内における平均粘性率」）を測定、評価するだけで劣化度を推定でき、これには試料として例えば２ｍｇ程度あればよく非常に有用である。

以上、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これらの新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

２１…ガラス板、２２…ガラス板、２３…試料、２４…分銅、３１…加振部、３２…加振側円盤、３３…試料、３４…応力検出側円盤、３５…応力検出部。

Claims (10)

1. 診断対象試料と良品である複数の正常試料とについて、あらかじめ決められた静的特性を評価、測定し、
   前記診断対象試料と前記複数の正常試料とについて、あらかじめ決められた動的特性を評価、測定し、
   前記複数の正常試料についての、前記静的特性の評価測定結果および前記動的特性の評価測定結果に基づいて、前記静的特性の各要素および前記動的特性の各要素を変数とする共分散行列を算出し、
   前記共分散行列から該共分散行列の逆行列を算出し、
   前記診断対象試料についての、前記静的特性の評価測定結果および前記動的特性の評価測定結果に基づいて、前記静的特性の各要素および前記動的特性の各要素を成分とする横ベクトルと縦ベクトルとを用い、該横ベクトル×前記逆行列×該縦ベクトルの式でマハラノビス距離の自乗値を算出し、
   前記自乗値の大きさを評価する
   潤滑剤の劣化診断方法。
2. 前記静的特性に、前記診断対象試料または前記複数の正常試料の、色調、ちょう度、および酸化度、の３項目の特性が要素として含まれる請求項１記載の方法。
3. 前記動的特性に、前記診断対象試料または前記複数の正常試料の、測定時間内における平均粘性率、該測定時間内における粘性率の変化の標準偏差、該平均粘性率の自乗を該標準偏差の自乗で除した値であるＳＮ比、および該ＳＮ比の対数値、の４項目の特性が要素として含まれる請求項１記載の方法。
4. 前記静的特性が、前記診断対象試料または前記複数の正常試料の、色調、ちょう度、および酸化度、の３項目の特性であってそれ以外は含まず、
   前記動的特性が、前記診断対象試料または前記複数の正常試料の、測定時間内の平均粘性率、該測定時間内の粘性率の変化の標準偏差、該粘性率の自乗を該標準偏差の自乗で除した値であるＳＮ比、および該ＳＮ比の対数値、の４項目の特性であってそれ以外は含まない
   請求項１記載の方法。
5. 前記自乗値が４から８のとき、該自乗値を算出させた前記診断対象試料を要注意試料と判定する請求項１記載の方法。
6. 前記要注意試料についての、前記静的特性または前記動的特性が、あらかじめ設定された該静的特性または該動的特性の各閾値のうちのひとつでも超えているか否かに基づいて、ひとつでも超えている場合に前記要注意試料が劣化していると判定する請求項５記載の方法。
7. 前記複数の正常試料が、前記静的特性と同一の静的特性をあらかじめ評価、測定した結果として、該静的特性が第１の一定の閾値内に収まっていた試料であって、かつ、前記動的特性と同一の動的特性をあらかじめ評価、測定した結果として、該動的特性が第２の一定の閾値内に収まっていた試料としてあらかじめ選別された試料である請求項１記載の方法。
8. 前記診断対象試料のうち、前記自乗値の大きさが所定の値以下である試料を正常品と判定し、
   前記正常品である試料についての前記静的特性および前記動的特性の評価測定結果を加味するように前記共分散行列を算出し直して該共分散行列を更新する
   請求項１記載の方法。
9. 前記診断対象試料について、正常に動作していた機器に使用されていた試料には良品なる属性を与え、動作不良が確認されている機器に使用されていた試料には質不良品なる属性を与え、
   前記診断対象試料のそれぞれについて算出された前記自乗値をそれぞれ横軸に取り、該診断対象試料のそれぞれにおける前記動的特性のうちのいずれか１つである特定動的特性の評価測定結果を縦軸に取るプロットによりグラフを作成し、
   前記グラフ上における前記良品および前記質不良品の分布に基づいて、前記特定動的特性における良否を分ける閾値を決定し、
   前記診断対象試料のうち、前記自乗値の大きさが所定の値以下であってかつ前記特定動的特性が前記閾値の良側に収まっている試料をデータ反映対象品と判定し、
   前記データ反映対象品である試料についての前記静的特性および前記動的特性の評価測定結果を加味するように前記共分散行列を算出し直して該共分散行列を更新する
   請求項１記載の方法。
10. 前記診断対象試料のそれぞれについて算出された前記自乗値をそれぞれ横軸に取り、該診断対象試料のそれぞれにおける前記動的特性のうちのいずれか１つである特定動的特性の評価測定結果を縦軸に取るプロットによりグラフを作成し、
    前記診断対象試料とは異なる新たな診断対象試料である第２の診断対象試料について前記特定動的特性を評価、測定し、
    前記第２の診断対象試料についての、前記特定動的特性の評価測定結果を前記グラフに突き合せて、該第２の診断対象試料についての前記自乗値を推定する
    請求項１記載の方法。

Images