JP3743001B2 - 異常判定方法および装置 - Google Patents
異常判定方法および装置 Download PDFInfo
- Publication number
- JP3743001B2 JP3743001B2 JP26468599A JP26468599A JP3743001B2 JP 3743001 B2 JP3743001 B2 JP 3743001B2 JP 26468599 A JP26468599 A JP 26468599A JP 26468599 A JP26468599 A JP 26468599A JP 3743001 B2 JP3743001 B2 JP 3743001B2
- Authority
- JP
- Japan
- Prior art keywords
- inspection
- determination
- result
- determination result
- measurement data
- 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 - Fee Related
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
【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３４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＝１０〜３０）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１０２）。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１０６）。
【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に基づいて判別してその判別結果を出力する識別手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、計測データと識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する検査実績記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力された計測データと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうち判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する
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入力して該検査対象物の異常を所定の判定基準に基づいて判別してその判別結果を出力する識別手段、計測データを保存する計測データ保存手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する判定結果記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を判定結果記録手段へ出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
コントローラ手段が管理する検査ＩＤとともに入力した計測データを計測データ保存手段に保存し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、その検査ＩＤに基づいて計測データ保存手段に記録されている該当ＩＤの計測データを利用して官能検査員がその計測データを確認して検証できるようにした
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入力して該検査対象物の異常を所定の判定基準に基づいて判別してその判別結果を出力する識別手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、計測データと識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する検査実績記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力された計測データと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正し、
識別手段は、検査実績記録手段に記録されている計測データを読み込み、読み込んだ計測データを再トライシミュレーション処理によって修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力して検査実績記録手段の新しい検査実績ファイルに記録する
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に基づいて判定する異常判定方法において、
計測データを入力して検査対象物の異常を判別してその判別結果を出力する識別手段および識別手段が出力した判別結果を記録する検査実績記録手段からなる判定装置と、
計測データを入力してその計測データを記録するとともに官能検査員へ出力する計測データ保存装置、および官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力装置と、
検査対象物を識別するための検査ＩＤの管理、判定装置への検査指示、計測データ保存装置への保存指示、官能検査判定入力装置からの判定結果の入力等の処理を行う検査コントローラと、を備え、
判定装置および計測データ保存装置に、計測データをそれぞれ入力し、
判定装置の識別手段は、検査コントローラからの検査指示によって識別手段にて入力した計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
検査対象物の１回の検査毎に、入力した計測データを検査コントローラの検査ＩＤの管理に基づいて計測データ保存装置に保存するとともに、計測データを官能検査員へ出力し、
官能検査員によってなされた判定結果を官能検査判定入力装置により入力し、その判定結果を検査コントローラへ出力し、
検査対象物の１回の検査毎に、検査コントローラが管理する検査ＩＤと、入力した計測データと、識別手段が出力した判別結果と、官能検査判定入力装置により入力された判定結果と、を１つのレコードとして検査実績記録手段に記録し、生成された検査実績レコードを検査実績ファイルに格納し、
判定装置は、検査実績ファイルに記録されている複数レコード分のデータから、識別手段が出力した判別結果と官能検査判定入力装置により入力された判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、検証結果に基づいて当該判定装置による自動検査の運用の可否を判断し、
計測データ保存装置に保存された保存データを検査コントローラの制御により検査対象物の１回の検査毎に官能検査員が検査できるようにし、
検査実績記録手段の検査実績ファイルから識別手段の判別結果と官能検査員の判定結果とが不一致である検査対象物を抽出し、検査実績記録手段に記録した該当の検査ＩＤの計測データに基づいて前記所定判定基準を修正し、
識別手段は、検査実績記録手段の検査実績ファイルの計測データを読み込み、再トライシミュレーションによって読み込んだ計測データを修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
再トライシミュレーションによるその判別結果を検査実績記録手段の新しい検査実績ファイルに記録する
ことを特徴とする異常判定方法。
【００３９】
また、請求項５の発明は、
検査対象物の計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤの管理と、官能検査判定入力手段からの判定結果の入力とを含む処理を行うコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力した計測データと、識別手段が出力した判別結果と、コントローラ手段を介して入力された判定結果とを１つのレコードとして記録する検査実績記録手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する判定基準修正手段と、
を有することを特徴とする。
【００４０】
また、請求項６の発明は、
検査対象物の振動計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤを管理するコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして記録する検査実績記録手段と、
コントローラ手段が管理する検査ＩＤとともに入力した振動計測データを保存する計測データ保存手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の振動計測データについて、その検査ＩＤに基づいて計測データ保存手段に保存されている該当ＩＤの振動計測データを出力して官能検査員に音で聴かせる手段と、
を有することを特徴とする。
また、請求項７の発明は、
検査対象物の計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤの管理と、官能検査判定入力手段からの判定結果の入力とを含む処理を行うコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力した計測データと、識別手段の判別結果と、コントローラ手段を介して入力した判定結果とを１つのレコードとして記録する検査実績記録手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する判定基準修正手段と、からなり、
識別手段は、さらに、検査実績記録手段に記録されている計測データを読み込み、読み込んだ計測データを再トライシミュレーション処理によって修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
その判別結果が検査実績記録手段の新しい検査実績ファイルに記録される
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５０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ＩＤ，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＝１０〜３０）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１３２）。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５３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１４２）。
【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１０５３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、１４４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ＴＳ秒，１フレームの長さをｔＦ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２０３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２０２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２１０）、次にフレーム毎の特徴量を演算し（ステップ２１２）、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ＴＳ秒，Ａ／Ｄ変換器のサンプリング周波数をｆＳｋＨｚとすると、集録されるディジタルデータ数は、ＴＳ×ｆＳ×１０３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＝２ｎとする。
【０１１６】
例えば、ＴＳ＝１０秒，ｆＳ＝１０ＫＨｚ，データブロック長を２１０（＝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ＮＯ）、ｉの値を１インクリメントし（ステップ２２８）、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（ＦＦＴ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２３２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２３１−１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、ＭＶＤ１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２３２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２３２−１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、ＭＶＤ２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２３３−６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、２３２−１〜２３２−３、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ｆＬ〜ｆＨ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、２３３−４〜２３３−６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〜ｔｈｅｎ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】
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ＯＫ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２５１に入力してｎ個の推論値を得て、その値から判定部２５２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（ｍａｘ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ＲＭＳ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ＭＤＬ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３０２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３１０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
【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３４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＝１０〜３０）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１０２）。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１０６）。
【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に基づいて判別してその判別結果を出力する識別手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、計測データと識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する検査実績記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力された計測データと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうち判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する
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入力して該検査対象物の異常を所定の判定基準に基づいて判別してその判別結果を出力する識別手段、計測データを保存する計測データ保存手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する判定結果記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を判定結果記録手段へ出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
コントローラ手段が管理する検査ＩＤとともに入力した計測データを計測データ保存手段に保存し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、その検査ＩＤに基づいて計測データ保存手段に記録されている該当ＩＤの計測データを利用して官能検査員がその計測データを確認して検証できるようにした
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入力して該検査対象物の異常を所定の判定基準に基づいて判別してその判別結果を出力する識別手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、計測データと識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する検査実績記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力された計測データと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正し、
識別手段は、検査実績記録手段に記録されている計測データを読み込み、読み込んだ計測データを再トライシミュレーション処理によって修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力して検査実績記録手段の新しい検査実績ファイルに記録する
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に基づいて判定する異常判定方法において、
計測データを入力して検査対象物の異常を判別してその判別結果を出力する識別手段および識別手段が出力した判別結果を記録する検査実績記録手段からなる判定装置と、
計測データを入力してその計測データを記録するとともに官能検査員へ出力する計測データ保存装置、および官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力装置と、
検査対象物を識別するための検査ＩＤの管理、判定装置への検査指示、計測データ保存装置への保存指示、官能検査判定入力装置からの判定結果の入力等の処理を行う検査コントローラと、を備え、
判定装置および計測データ保存装置に、計測データをそれぞれ入力し、
判定装置の識別手段は、検査コントローラからの検査指示によって識別手段にて入力した計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
検査対象物の１回の検査毎に、入力した計測データを検査コントローラの検査ＩＤの管理に基づいて計測データ保存装置に保存するとともに、計測データを官能検査員へ出力し、
官能検査員によってなされた判定結果を官能検査判定入力装置により入力し、その判定結果を検査コントローラへ出力し、
検査対象物の１回の検査毎に、検査コントローラが管理する検査ＩＤと、入力した計測データと、識別手段が出力した判別結果と、官能検査判定入力装置により入力された判定結果と、を１つのレコードとして検査実績記録手段に記録し、生成された検査実績レコードを検査実績ファイルに格納し、
判定装置は、検査実績ファイルに記録されている複数レコード分のデータから、識別手段が出力した判別結果と官能検査判定入力装置により入力された判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、検証結果に基づいて当該判定装置による自動検査の運用の可否を判断し、
計測データ保存装置に保存された保存データを検査コントローラの制御により検査対象物の１回の検査毎に官能検査員が検査できるようにし、
検査実績記録手段の検査実績ファイルから識別手段の判別結果と官能検査員の判定結果とが不一致である検査対象物を抽出し、検査実績記録手段に記録した該当の検査ＩＤの計測データに基づいて前記所定判定基準を修正し、
識別手段は、検査実績記録手段の検査実績ファイルの計測データを読み込み、再トライシミュレーションによって読み込んだ計測データを修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
再トライシミュレーションによるその判別結果を検査実績記録手段の新しい検査実績ファイルに記録する
ことを特徴とする異常判定方法。
【００３９】
また、請求項５の発明は、
検査対象物の計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤの管理と、官能検査判定入力手段からの判定結果の入力とを含む処理を行うコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力した計測データと、識別手段が出力した判別結果と、コントローラ手段を介して入力された判定結果とを１つのレコードとして記録する検査実績記録手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する判定基準修正手段と、
を有することを特徴とする。
【００４０】
また、請求項６の発明は、
検査対象物の振動計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤを管理するコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして記録する検査実績記録手段と、
コントローラ手段が管理する検査ＩＤとともに入力した振動計測データを保存する計測データ保存手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の振動計測データについて、その検査ＩＤに基づいて計測データ保存手段に保存されている該当ＩＤの振動計測データを出力して官能検査員に音で聴かせる手段と、
を有することを特徴とする。
また、請求項７の発明は、
検査対象物の計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤの管理と、官能検査判定入力手段からの判定結果の入力とを含む処理を行うコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力した計測データと、識別手段の判別結果と、コントローラ手段を介して入力した判定結果とを１つのレコードとして記録する検査実績記録手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する判定基準修正手段と、からなり、
識別手段は、さらに、検査実績記録手段に記録されている計測データを読み込み、読み込んだ計測データを再トライシミュレーション処理によって修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
その判別結果が検査実績記録手段の新しい検査実績ファイルに記録される
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５０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ＩＤ，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＝１０〜３０）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１３２）。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５３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１４２）。
【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１０５３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、１４４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ＴＳ秒，１フレームの長さをｔＦ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２０３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２０２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２１０）、次にフレーム毎の特徴量を演算し（ステップ２１２）、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ＴＳ秒，Ａ／Ｄ変換器のサンプリング周波数をｆＳｋＨｚとすると、集録されるディジタルデータ数は、ＴＳ×ｆＳ×１０３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＝２ｎとする。
【０１１６】
例えば、ＴＳ＝１０秒，ｆＳ＝１０ＫＨｚ，データブロック長を２１０（＝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】
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ＮＯ）、ｉの値を１インクリメントし（ステップ２２８）、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（ＦＦＴ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２３２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２３１−１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、ＭＶＤ１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２３２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２３２−１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、ＭＶＤ２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２３３−６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、２３２−１〜２３２−３、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】
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ｆＬ〜ｆＨ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、２３３−４〜２３３−６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〜ｔｈｅｎ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】
【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ＯＫ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２５１に入力してｎ個の推論値を得て、その値から判定部２５２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】
【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（ｍａｘ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ＲＭＳ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ＭＤＬ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３０２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３１０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 (7)
- 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に基づいて判別してその判別結果を出力する識別手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、計測データと識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する検査実績記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力された計測データと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうち判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する
ことを特徴とする異常判定方法。 - 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に基づいて判別してその判別結果を出力する識別手段、計測データを保存する計測データ保存手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する判定結果記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を判定結果記録手段へ出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
コントローラ手段が管理する検査ＩＤとともに入力した計測データを計測データ保存手段に保存し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、その検査ＩＤに基づいて計測データ保存手段に記録されている該当ＩＤの計測データを利用して官能検査員がその計測データを確認して検証できるようにした
ことを特徴とする異常判定方法。 - 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に基づいて判別してその判別結果を出力する識別手段、官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段、計測データと識別手段が出力した判別結果と官能検査判定入力手段により入力された判定結果とを記録する検査実績記録手段、および検査対象物を識別するための検査ＩＤを管理するコントローラ手段からなる異常判定装置における異常判定方法であって、
識別手段は、入力された計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を出力し、
官能検査員によってなされた判定結果を官能検査判定入力手段により入力し、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力された計測データと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして検査実績記録手段に記録し、
当該異常判定装置は、検査実績記録手段が記録している複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正し、
識別手段は、検査実績記録手段に記録されている計測データを読み込み、読み込んだ計測データを再トライシミュレーション処理によって修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力して検査実績記録手段の新しい検査実績ファイルに記録する
ことを特徴とする異常判定方法。 - 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に基づいて判定する異常判定方法において、
計測データを入力して検査対象物の異常を判別してその判別結果を出力する識別手段および識別手段が出力した判別結果を記録する検査実績記録手段からなる判定装置と、
計測データを入力してその計測データを記録するとともに官能検査員へ出力する計測データ保存装置、および官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力装置と、
検査対象物を識別するための検査ＩＤの管理、判定装置への検査指示、計測データ保存装置への保存指示、官能検査判定入力装置からの判定結果の入力等の処理を行う検査コントローラと、を備え、
判定装置および計測データ保存装置に、計測データをそれぞれ入力し、
判定装置の識別手段は、検査コントローラからの検査指示によって識別手段にて入力した計測データに基づいて検査対象物が正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
検査対象物の１回の検査毎に、入力した計測データを検査コントローラの検査ＩＤの管理に基づいて計測データ保存装置に保存するとともに、計測データを官能検査員へ出力し、
官能検査員によってなされた判定結果を官能検査判定入力装置により入力し、その判定結果を検査コントローラへ出力し、
検査対象物の１回の検査毎に、検査コントローラが管理する検査ＩＤと、入力した計測データと、識別手段が出力した判別結果と、官能検査判定入力装置により入力された判定結果と、を１つのレコードとして検査実績記録手段に記録し、生成された検査実績レコードを検査実績ファイルに格納し、
判定装置は、検査実績ファイルに記録されている複数レコード分のデータから、識別手段が出力した判別結果と官能検査判定入力装置により入力された判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証し、検証結果に基づいて当該判定装置による自動検査の運用の可否を判断し、
計測データ保存装置に保存された保存データを検査コントローラの制御により検査対象物の１回の検査毎に官能検査員が検査できるようにし、
検査実績記録手段の検査実績ファイルから識別手段の判別結果と官能検査員の判定結果とが不一致である検査対象物を抽出し、検査実績記録手段に記録した該当の検査ＩＤの計測データに基づいて前記所定判定基準を修正し、
識別手段は、検査実績記録手段の検査実績ファイルの計測データを読み込み、再トライシミュレーションによって読み込んだ計測データを修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
再トライシミュレーションによるその判別結果を検査実績記録手段の新しい検査実績ファイルに記録する
ことを特徴とする異常判定方法。 - 検査対象物の計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤの管理と、官能検査判定入力手段からの判定結果の入力とを含む処理を行うコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力した計測データと、識別手段が出力した判別結果と、コントローラ手段を介して入力された判定結果とを１つのレコードとして記録する検査実績記録手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する判定基準修正手段と、
を有することを特徴とする異常判定装置。 - 検査対象物の振動計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤを管理するコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、識別手段が出力した判別結果と、官能検査判定入力手段により入力された判定結果とを１つのレコードとして記録する検査実績記録手段と、
コントローラ手段が管理する検査ＩＤとともに入力した振動計測データを保存する計測データ保存手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の振動計測データについて、その検査ＩＤに基づいて計測データ保存手段に保存されている該当ＩＤの振動計測データを出力して官能検査員に音で聴かせる手段と、
を有することを特徴とする異常判定装置。 - 検査対象物の計測データを入力して、その検査対象物が正常か異常かを所定の判定基準に基づいて判別し、その判別結果を出力する識別手段と、
官能検査員によってなされた検査対象物の正常か異常かの判定結果を入力する官能検査判定入力手段と、
検査対象物を識別するための検査ＩＤの管理と、官能検査判定入力手段からの判定結果の入力とを含む処理を行うコントローラ手段と、
検査対象物の１回の検査毎に、コントローラ手段が管理する検査ＩＤと、入力した計測データと、識別手段の判別結果と、コントローラ手段を介して入力した判定結果とを１つのレコードとして記録する検査実績記録手段と、
検査実績記録手段に記録されている複数レコード分の判別結果と判定結果とに基づいて、判定結果が異常であった検査対象物のうち判別結果が正常であった率と、判定結果が正 常であった検査対象物のうちの判別結果が異常であった率とを検証する判定基準検証手段と、
判別結果と判定結果とが不一致であった検査対象物の計測データについて、検査実績記録手段に記録されている検査ＩＤに基づいて、検査実績記録手段に記録されている該当ＩＤの計測データを利用して前記所定の判定基準を修正する判定基準修正手段と、からなり、
識別手段は、さらに、検査実績記録手段に記録されている計測データを読み込み、読み込んだ計測データを再トライシミュレーション処理によって修正後の所定判定基準に基づいて正常か異常かを判別し、その判別結果を検査実績記録手段へ出力し、
その判別結果が検査実績記録手段の新しい検査実績ファイルに記録される
ことを特徴とする異常判定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26468599A JP3743001B2 (ja) | 1999-09-17 | 1999-09-17 | 異常判定方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26468599A JP3743001B2 (ja) | 1999-09-17 | 1999-09-17 | 異常判定方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001091414A JP2001091414A (ja) | 2001-04-06 |
| JP3743001B2 true JP3743001B2 (ja) | 2006-02-08 |
Family
ID=17406784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26468599A Expired - Fee Related JP3743001B2 (ja) | 1999-09-17 | 1999-09-17 | 異常判定方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3743001B2 (ja) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3835386B2 (ja) * | 2002-09-25 | 2006-10-18 | オムロン株式会社 | 波形データ再生装置及び波形データ再生方法並びに波形データ再生プログラム |
| JP2004191076A (ja) * | 2002-12-06 | 2004-07-08 | Omron Corp | 波形検査装置及び波形検査システム並びにプログラム製品 |
| JP3743515B2 (ja) * | 2003-03-14 | 2006-02-08 | オムロン株式会社 | 知識作成支援装置及びパラメータ探索方法並びにプログラム製品 |
| JP2005121639A (ja) | 2003-09-22 | 2005-05-12 | Omron Corp | 検査方法および検査装置ならびに設備診断装置 |
| JP2006292734A (ja) * | 2005-03-15 | 2006-10-26 | Omron Corp | 検査装置用の判定モデル作成支援装置および検査装置ならびに耐久試験装置および耐久試験方法 |
| JP2007101245A (ja) * | 2005-09-30 | 2007-04-19 | Omron Corp | 支援装置 |
| JP4359777B2 (ja) * | 2005-09-30 | 2009-11-04 | オムロン株式会社 | 支援装置 |
| 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 |
| JP5046000B2 (ja) * | 2007-02-21 | 2012-10-10 | ソニー株式会社 | 検出装置、方法、及びプログラム |
| JP5018415B2 (ja) * | 2007-11-14 | 2012-09-05 | トヨタ紡織株式会社 | 部材の検査方法 |
| JP2015078884A (ja) * | 2013-10-16 | 2015-04-23 | 富士通株式会社 | 監視装置、監視プログラムおよび監視方法 |
| CN103698489B (zh) * | 2013-12-30 | 2015-07-29 | 力合科技（湖南）股份有限公司 | 测试数据的验证方法及装置 |
| JP6968155B2 (ja) * | 2017-04-13 | 2021-11-17 | 株式会社日立製作所 | 複数品種混合製造装置用データ処理システム及びデータ処理方法 |
| CN111191863A (zh) * | 2018-11-15 | 2020-05-22 | 鸿富锦精密电子（成都）有限公司 | 测试信息分类方法、计算机装置及计算机可读存储介质 |
| CN112561389B (zh) * | 2020-12-23 | 2023-11-10 | 北京元心科技有限公司 | 确定设备检测结果的方法、装置以及电子设备 |
-
1999
- 1999-09-17 JP JP26468599A patent/JP3743001B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001091414A (ja) | 2001-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3743001B2 (ja) | 異常判定方法および装置 | |
| JP3484665B2 (ja) | 異常判定方法および装置 | |
| JP5380362B2 (ja) | 品質検査方法および品質検査装置 | |
| JP6882397B2 (ja) | 異音等検出システム、装置、方法及びプログラム | |
| CN112504673B (zh) | 基于机器学习的托辊故障诊断方法、系统及存储介质 | |
| JP2002090267A (ja) | 異常診断方法 | |
| CN113259832B (zh) | 麦克风阵列的检测方法、装置、电子设备及存储介质 | |
| JP4412306B2 (ja) | 異常判定方法および異常判定装置 | |
| CN117390591B (zh) | 基于电参量分析的输煤皮带采样机运行监测方法及系统 | |
| JP2005283227A (ja) | 異音検査方法およびその装置 | |
| JP4029405B2 (ja) | 異常判定方法および装置 | |
| JP3473008B2 (ja) | 品質判定方法および装置 | |
| JP2004020484A (ja) | 異常監視装置および異常監視プログラム | |
| WO2022061515A1 (zh) | 基于人耳听觉特性检测轴承故障的方法和设备 | |
| JP2006300524A (ja) | 異音検査方法 | |
| JP3132388B2 (ja) | 回転機械の異音検査方法およびその装置 | |
| CN114566185A (zh) | 一种异响自动检测方法、设备及计算机可读存储介质 | |
| CN112927720A (zh) | 一种音频异常的检测方法及装置 | |
| KR101518849B1 (ko) | 케이블 커넥터의 체결 상태 검사용 장치와 이를 이용한 검사 방법 | |
| JPH11278041A (ja) | モータアクチュエータの異常判定装置 | |
| JPH08320251A (ja) | 設備における音響および振動の診断方法 | |
| CN114862283B (zh) | 机床加工的质检方法、质检装置 | |
| CN115602195B (zh) | 一种汽车后视镜电机转动异响测试的方法 | |
| JPH06300826A (ja) | 電動機の検査装置 | |
| JPH0452524A (ja) | 騒音判別方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040907 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040929 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041129 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050606 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050805 |
|
| 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: 20051024 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051106 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081125 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091125 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101125 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |