JP7094608B2

JP7094608B2 - 不良判定方法

Info

Publication number: JP7094608B2
Application number: JP2018002614A
Authority: JP
Inventors: 孝昌内藤; 昭彦西尾
Original assignee: KYB Corp
Current assignee: KYB Corp
Priority date: 2018-01-11
Filing date: 2018-01-11
Publication date: 2022-07-04
Anticipated expiration: 2038-01-11
Also published as: WO2019138704A1; JP2019118954A

Description

本発明は不良判定方法に関する。

物品に対して行った溶接が正常か否かを判定する方法として、溶接を行った後に、溶接の状態を目視で確認したり、溶接された物品をロット毎に所定の数取り出して破壊検査したりすることが知られている。これに対して、特許文献１には、物品に対する溶接における電流や電圧に基づいて、行われた溶接が正常か否かをスコア化する方法が開示されている。

特表２０１３－５１０７２５号公報

しかし、特許文献１の不良判定方法は、所定の時間内の電流を平均した平均電流値を算出し、平均電流値と正常データを差分して、この差分値が閾値以上か否かを溶接の不良の判断要素の１つとして用いている。しかし、この判定方法では、所定時間内に正常データに対し、局所的に離間し、全体的に近接する電流を検出した場合、これらの電流が平均されることで、局所的に離間した電流を識別できなくなる。そのため、電流が局所的に離間することにより発生する溶け込み深さの局所的な増減に起因する溶接不良等を検出できず、溶接が正常に行われたか否かを精度よく判定できないおそれがある。

本発明は、上記従来の実情に鑑みてなされたものであって、物品の加工が正常か否かを容易に判定することができる不良判定方法を提供することを解決すべき課題としている。

本発明の不良判定方法は、良品データ取得工程、変位量取得工程、差分取得工程、第１計算工程、差分値除外工程、及び判定工程を備えている。良品データ取得工程は物品の任意の加工工程における物品の品質に影響を与え経時的に変化する物品の正常変位量を取得する。変位量取得工程は物品の任意の加工工程における物品の品質に影響を与え経時的に変化する加工変位量を取得する。差分取得工程は加工工程における正常変位量に対する加工変位量の差分値を単位時間毎に取得する。第１計算工程は差分値の絶対値の総和、及び差分値の絶対値の最大値を求める。差分値除外工程は、差分値の中から、正常変位量に対して所定の範囲を除外する。判定工程は第１計算工程において求められた差分値の絶対値の総和、及び差分値の絶対値の最大値が閾値から外れるか否かを判定する。差分値除外工程では、正常変位量から得た複数の標準偏差の平均である平均標準偏差に基づいた値より小さい差分値を除外する。

本発明の不良判定方法は、良品データ取得工程、変位量取得工程、差分取得工程、第１計算工程、差分値除外工程、及び判定工程を備えている。良品データ取得工程は物品の溶接工程における物品の品質に影響を与え経時的に変化する物品の正常変位量を取得する。変位量取得工程は物品の溶接工程における物品の品質に影響を与え経時的に変化する加工変位量を取得する。差分取得工程は溶接工程における正常変位量に対する加工変位量の差分値を単位時間毎に取得する。第１計算工程は差分値の絶対値の総和、及び差分値の絶対値の最大値を求める。差分値除外工程は、差分値の中から、正常変位量に対して所定の範囲を除外する。判定工程は第１計算工程において求められた差分値の絶対値の総和、及び差分値の絶対値の最大値が閾値から外れるか否かを判定する。差分値除外工程では、正常変位量から得た複数の標準偏差の平均である平均標準偏差に基づいた値より小さい差分値をゼロにして除外し、平均標準偏差に基づいた値より大きい差分値を保持する。

本発明の不良判定方法は、第１計算工程において求められた差分値の絶対
値の総和を溶接工程における溶接時間で除する第２計算工程を備え得る。こ
の場合、この不良判定方法は、物品に対する任意の加工工程における加工時
間の長さ（すなわち、加工開始から加工終了までの変位量の波形の長さ）を
考慮しなくて済む。

本発明の不良判定方法を実施する溶接装置を示す概略図である。本発明の不良判定方法を実施するための事前処理を示すフローチャートである。（Ａ）は物品の溶接加工における複数の電流波形、及び複数の電流波形のそれぞれの単位時間毎の電流値を示すグラフであり、（Ｂ）は複数の電流波形のそれぞれの単位時間毎の電流値の平均値を示す式である。良品のデータである複数の電流波形のそれぞれの単位時間毎の差分値を示す表である。（Ａ）は良品のデータである複数の電流波形のそれぞれの標準偏差を示す表であり、（Ｂ）は平均標準偏差を示す式である。実施形態の不良判定方法を実施するための機械学習処理を示すフローチャートである。学習用データである複数の電流波形のそれぞれの単位時間毎の差分値を示す表である。（Ａ）は学習用データである複数の電流波形のそれぞれにおいて抽出した差分値を示す表であり、（Ｂ）は学習用データである複数の電流波形のそれぞれの特徴量を示す表である。本発明の不良判定方法の判定処理を示すフローチャートである。判定するデータである電流波形の単位時間毎の差分値を示す表である。（Ａ）は判定するデータの電流波形において抽出した差分値を示す表であり、（Ｂ）は判定するデータの電流波形の特徴量を示す表である。横軸に差分値の絶対値の総和をとり、縦軸に差分値の絶対値の最大値をとったグラフであって、分離超平面（判定器）である線分が、差分値の絶対値の総和及び差分値の絶対値の最大値のそれぞれが正になる領域を２つの領域に分割した状態を示す。

本発明の不良判定方法を具体化した実施形態について、図面を参照しつつ説明する。

＜実施形態＞
先ず、この不良判定方法が用いられる溶接装置１について、図１を参照しつつ説明する。この溶接装置１はトーチ部１０、電源部１０Ａ、電流値検知部１０Ｂ、第１電圧値検知部１０Ｃ、第２電圧値検知部１０Ｄ、及び制御部１０Ｅを備えている。この溶接装置１では、部材１１Ａ及び部材１１Ｂの被溶接部１１Ｃを溶接して、物品１１を得ることができる。

トーチ部１０は、アーク溶接を行うための電極を構成し、棒状に形成された溶接部材１０Ｆを繰り出す。溶接部材１０Ｆは、溶接中に連続してトーチ部１０から繰り出される。また、トーチ部１０は移動機構(図示せず)によって部材１１Ａ及び部材１１Ｂの被溶接部１１Ｃ(以降、被溶接部１１Ｃという)に沿って移動することができる。トーチ部１０と被溶接部１１Ｃとの間にアークが発生するのに必要な電圧が後述する電源部１０Ａによって電圧を印加されると、トーチ部１０と被溶接部１１Ｃとの間にアークが発生して、トーチ部１０と被溶接部１１Ｃとの間に電流が流れる。これにより、被溶接部１１Ｃの溶接が実行される。これに合わせて、溶接部材１０Ｆが連続的にトーチ部１０の先端から繰り出されつつ、トーチ部１０が移動機構によって被溶接部１１Ｃに沿って移動することによって、被溶接部１１Ｃを連続して溶接を行うことができる。

電源部１０Ａは溶接に用いる電力をトーチ部１０に供給する。電源部１０Ａは第１導電路１０Ｇを介してトーチ部１０に電気的に接続されている。また、電源部１０Ａは第２導電路１０Ｈを介して部材１１Ａ、及び部材１１Ｂに電気的に接続される。

また、第１導電路１０Ｇには第１導電路１０Ｇに流れる電流を検知する電流値検知部１０Ｂが介在して設けられている。電流値検知部１０Ｂは第１導電路１０Ｇに流れる電流を検知して、検知した電流の大きさに対応する値を後述する制御部１０Ｅに出力する。

制御部１０Ｅは本発明の不良判定方法を実行する。具体的には、制御部１０ＥはＲＯＭ（リードオンリメモリ）、ＣＰＵ（中央演算処理装置）、及びＲＡＭ（ランダムアクセスメモリ）等を有している(図示せず。)。ＲＯＭはＣＰＵで実行される制御プログラム等を予め記憶する。ＣＰＵはＲＯＭに格納されたプログラム等を実行する。ＲＡＭはＣＰＵによって実行されたプログラムにしたがって動作する。

次に、この溶接装置１の動作について説明する。先ず、部材１１Ａ及び部材１１Ｂを溶接装置１に配置する。このとき、トーチ部１０が被溶接部１１Ｃの溶接を開始する部分の近傍に位置するように部材１１Ａ及び部材１１Ｂを溶接装置１に配置する。

次に、電源部１０Ａからトーチ部１０と被溶接部１１Ｃとの間にアークの発生に必要な電圧を印加する。そして、トーチ部１０から溶接部材１０Ｆを繰り出す。そして、電流値検知部１０Ｂがトーチ部１０と、部材１１Ａ及び部材１１Ｂの被溶接部１１Ｃとの間に流れる電流値の検知を開始する。そして、トーチ部１０と被溶接部１１Ｃとの間にアークが発生するのに必要な電圧が印加されると、トーチ部１０と被溶接部１１Ｃとの間にアークが発生して、トーチ部１０と被溶接部１１Ｃとの間に電流が流れる。こうして、被溶接部１１Ｃの溶接を開始する部分において溶接が開始（加工開始）する。

そして、溶接部材１０Ｆが連続してトーチ部１０から繰り出されつつ、トーチ部１０が移動機構によって被溶接部１１Ｃに沿って移動する。これにより、被溶接部１１Ｃが連続して溶接される。そして、トーチ部１０が被溶接部１１Ｃの溶接を終了する部分に到達する。すると、溶接装置１はトーチ部１０と被溶接部１１Ｃとの間に印加していた電圧の印加を停止する。こうして被溶接部１１Ｃの溶接が終了（加工終了）し、物品１１を得る。そして、溶接装置１から物品１１を取り出して、次に溶接する部材１１Ａ及び部材１１Ｂを溶接装置１に配置する。こうして、この溶接装置１を用いて、複数の部材１１Ａ及び部材１１Ｂの溶接を繰り返し実行して、複数の物品１１を得る。

次に、本発明の不良判定方法を用いて、溶接装置１によって得られた物品１１の溶接の品質が正常か否かを判定する手順について図２～１２を参照しつつ説明する。この不良判定方法は、制御部１０Ｅによって実行される。

≪事前処理≫
事前処理は、被溶接部１１Ｃにおいて正常に溶接が実行されたときに第１導電路１０Ｇに流れる電流値の波形を取得して、不良判定方法を実行する際に用いる値を計算して得る処理である。

先ず、図２に示すように、良品のデータを取得する（ステップＳ１）。ここで、良品のデータとは被溶接部１１Ｃにおいて正常に溶接が実行されたときに第１導電路１０Ｇを流れる電流値の波形である。つまり、この電流値の波形は正常変位量である。具体的には、複数の被溶接部１１Ｃにおいて、溶接の開始から終了までに電流値検知部１０Ｂが検知した電流値に対応する値の波形（以降、複数の電流波形Ｗ1～Ｗnという）を取得する。ここで、nは取得した良品のデータの数である。また、複数の電流波形Ｗ1～Ｗnは正常変位量であり、物品１１の品質に影響を与え経時的に変化する。つまり、ステップＳ１は良品データ取得工程であり、物品１１の任意の加工工程である溶接工程における溶接開始から溶接終了までの物品１１の複数の電流波形Ｗ1～Ｗn（正常変位量）を取得する。

次に、取得した良品のデータの平均値を計算する（ステップＳ２）。具体的には、ステップＳ１で取得した、複数の電流波形Ｗ1～Ｗnの平均値を計算する。複数の電流波形Ｗ1～Ｗnは、図３(Ａ)に示すように、経時的に互いがおおよそ同様に変化しているが、同一でない。つまり、複数の電流波形Ｗ1～Ｗnはばらつきを有している。

ステップＳ２では、これら複数の電流波形Ｗ1～Ｗnのそれぞれの単位時間毎の電流値の大きさの平均値を計算する。具体的には、溶接の開始から終了までの加工時間である溶接時間Ｔendにおいて、単位時間である所定の時間(Ｔ1～Ｔm)毎に複数の電流波形Ｗ1～Ｗnのそれぞれの電流値の大きさの平均値を計算する。ここで、mは１より大きい整数である。また、所定の時間Ｔ1における電流波形Ｗ1～Ｗnのそれぞれの電流値をＡ11～Ａn1とし、時間Ｔmにおける電流波形Ｗ1～Ｗnのそれぞれの電流値をＡ1m～Ａnmとする。ここで、所定の時間Ｔ1における電流値Ａ11～Ａn1の大きさの平均を平均値Ｈ1とし、時間Ｔmにおける電流値Ａ1m～Ａnmの大きさの平均を平均値Ｈmとする(図３(Ｂ)参照。)。これにより、複数の電流波形Ｗ1～Ｗnの平均値Ｈ1～Ｈmを得る。つまり、平均値Ｈ1～Ｈmは、複数の電流波形Ｗ1～Ｗnの平均値である。

次に、良品のデータから平均値Ｈ1～Ｈmを減ずる（ステップＳ３）。具体的には、図４に示すように、複数の電流波形Ｗ1～Ｗnのそれぞれの電流値（Ａ11～Ａn1）～（Ａ1m～Ａnm）（以降、電流値Ａという）からステップＳ２で得た平均値Ｈ1～Ｈmを減ずる。これにより、複数の電流波形Ｗ1～Ｗnのそれぞれの所定の時間Ｔ1～Ｔmにおける電流値Ａの平均値Ｈ1～Ｈmからの差分値を得る。ここで、電流波形Ｗ1における差分値は差分値Ｄ11～Ｄ1mとし、電流波形Ｗnにおける差分値は差分値Ｄn1～Ｄnmとする。以降、差分値（Ｄ11～Ｄ1m）～（Ｄn1～Ｄnm）を差分値Ｄという。

次に、平均標準偏差σを求める(ステップＳ４)。具体的には、図５(Ａ)に示すように、ステップＳ３で得た差分値Ｄから複数の電流波形Ｗ1～Ｗnのそれぞれの標準偏差Ｓ1～Ｓnを計算する。ここで、標準偏差Ｓ1は電流波形Ｗ1に対応し、標準偏差Ｓnは電流波形Ｗnに対応する。そして、こうして得られた標準偏差Ｓ1～Ｓnの平均値が平均標準偏差σである(図５(Ｂ)参照。)。こうして、事前処理を終了する。また、標準偏差Ｓ1～Ｓnに替えて、複数の電流波形Ｗ1～Ｗnのそれぞれの不偏標準偏差を計算し、各不偏標準偏差を用いて平均標準偏差を計算しても良い。また、ステップＳ４において、所定の時間Ｔ1～Ｔmのそれぞれにおける電流値Ａの標準偏差を計算し、こうして得られた標準偏差の平均値を平均標準偏差σとしても良い。

≪機械学習処理≫
機械学習処理は、事前処理で得た値に基づいて、溶接が正常か否かを判定するための分離超平面（判定器）を生成する処理である。一般的に設備・加工条件が変更される度に作業者がプログラムを変更し分離超平面（閾値）を再度算出・設定する必要があるが、機械学習処理を実行することで作業者がプログラムを変更しなくても設備・加工条件の変更に対応できる。

先ず、図６に示すように、学習用データを取得する（ステップＳ１１）。ここで、学習用データとは、溶接が正常か否かを判定する分離超平面（閾値）を算出するためのデータであって、被溶接部１１Ｃにおいて正常に溶接が実行されたときの電流値の波形に限らず、被溶接部１１Ｃにおいて正常でない溶接が実行されたときの電流値も取得する。具体的には、ステップＳ１１では、複数の電流波形Ｍ1～Ｍiを取得する（図３参照。）。ここで、iは取得した学習用データの数である。

次に、学習用データから平均値Ｈ1～Ｈmを減ずる（ステップＳ１２）。具体的には、図７に示すように、ステップＳ２で得た平均値Ｈ1～Ｈmを複数の電流波形Ｍ1～Ｍiのそれぞれの単位時間毎の電流値（Ｂ11～Ｂi1）～（Ｂ1m～Ｂim）(以降、電流値Ｂという)から減ずる。これにより、複数の電流波形Ｍ1～Ｍiのそれぞれの所定の時間Ｔ1～Ｔmにおける電流値Ｂの平均値Ｈ1～Ｈmからの差分値を得る。ここで、電流波形Ｍ1における差分値は差分値Ｅ11～Ｅ1mとし、電流波形Ｍiにおける差分値は差分値Ｅi1～Ｅimとする。以降、差分値（Ｅ11～Ｅ1m）～（Ｅi1～Ｅim）を差分値Ｅという。

次に、平均標準偏差σに基づいた値より大きい差分値Ｅを抽出する(ステップＳ１３)。具体的には、差分値ＥとステップＳ４で得た平均標準偏差σに基づいた値との大きさを比較する。ここで、平均標準偏差σに基づいた値とは、平均標準偏差σの大きさを任意の大きさ(例えば１倍や２倍や３倍等)に変更したものである。

そして、差分値Ｅが平均標準偏差σに基づいた値より小さい場合、この差分値Ｅをゼロにする。また、差分値Ｅが平均標準偏差σに基づいた値より大きい場合、差分値Ｅを保持する。こうして、平均標準偏差σに基づいた値より大きい差分値Ｅを抽出する。こうして抽出された複数の電流波形Ｍ1～Ｍiのそれぞれの差分値Ｅの一例を図８（Ａ）に示す。

なお、平均標準偏差σに基づいた値の大きさを変更することによって、抽出される差分値Ｅの数を調節することができる。例えば、平均標準偏差σに基づいた値を大きくすると、抽出される差分値Ｅの数は少なくなり、平均標準偏差σに基づいた値を小さくすると、抽出される差分値Ｅの数は多くなる。つまり、平均標準偏差σに基づいた値の大きさを任意の大きさに変更することによって、抽出する差分値Ｅの数を所望の数に調節することができる。これにより、後述する判定処理における異常判定の度合いを調整することができる。具体的には、平均標準偏差σに基づいた値を大きくすると大きな差分値Ｅ（すなわち、大きな変動があったもの）が異常であると判定され、平均標準偏差σに基づいた値を小さくすると小さな差分値Ｅ（すなわち、小さな変動があったもの）でも異常であると判定することができる。

次に、学習用データ毎の特徴量を求める（ステップＳ１４）。具体的には、図８（Ｂ）に示すように、複数の電流波形Ｍ1～Ｍiのそれぞれにおいて抽出された差分値Ｅにおいて二乗和平方根の値を合計する。これにより、複数の電流波形Ｍ1～Ｍiのそれぞれにおいて抽出された差分値Ｅの絶対値の総和Ｇ1～Ｇi（以降、総和Ｇ1～Ｇiという）を得る。また、複数の電流波形Ｍ1～Ｍiにおいて抽出された差分値Ｅにおいて求めた二乗和平方根の値の内、最も大きな値が最大値Ｅ1（max）～Ｅi（max）（以降、最大値Ｅ1（max）～Ｅi（max）という）である。こうして得られたこれら総和Ｇ1～Ｇi、及びＥ1（max）～Ｅi（max）が複数の電流波形Ｍ1～Ｍiのそれぞれの特徴量Ｋ1～Ｋiである（図８（Ｂ）、図１２参照。）。特徴量Ｋi（総和Ｇi、及び最大値Ｅi（max））は、その値がより大きくなるほど、電流波形Ｍiの電流値Ｂi1～Ｂimが平均値Ｈ1～Ｈmからより乖離することを示す。

次に、溶接が正常か否かを判定する分離超平面（判定器）を生成する(ステップＳ１５)。具体的には、ステップＳ１４で得られた特徴量Ｋ1～Ｋi、及び最大値Ｅ1（max）～Ｅi（max）を説明変数とし、溶接が正常か否かのいずれかの判定結果を目的変数とする。そして、これら説明変数と目的変数とを用い、機械学習することによって、溶接が正常か否かを判定する分離超平面Ｌ（閾値）を判定器として算出して生成する（図１２参照。）。ここで、機械学習とは、人間が自然に行っている学習能力と同様の機能をコンピュータで実現する公知の手法である。機械学習はデータの集合について解析し、有意な規則や判断基準等を抽出するものである。機械学習の手法として、例えば、教師あり学習や、教師なし学習等が知られている。教師あり学習は、説明変数と説明変数に対応する目的変数とを紐付けする関数を生成する手法である。教師なし学習は、説明変数のみから関数を生成する手法である。こうして生成された分離超平面Ｌ（判定器）はコンピュータプログラムの関数であり、例えば制御部１０ＥのＲＡＭ等に保存される。こうして、機械学習処理を終了する。

≪判定処理≫
本発明の不良判定方法であって、事前処理、及び機械学習処理において得られた値等を用いて溶接が正常か否かを判定する処理である。

先ず、図９に示すように、判定するデータを取得する（ステップＳ２１）。具体的には、ステップＳ２１では、加工変位量である電流波形Ｘpを取得する。電流波形Ｘpは、物品１１の品質に影響を与え経時的に変化する（図３参照。）。つまり、ステップ２１は変位量取得工程であり、物品１１の任意の加工工程である溶接工程における溶接開始から溶接終了までの電流波形Ｘp（加工変位量）を取得する。ここで、pは任意の整数であり、判定するデータの数である。なお、電流波形Ｘpは、例えば、溶接開始から溶接終了までの全てのデータが制御部１０ＥのＲＡＭ等に一旦保存される。

次に、判定するデータから平均値Ｈ1～Ｈmを減ずる（ステップＳ２２）。具体的には、図１０に示すように、ステップＳ２で得た平均値Ｈ1～Ｈmを制御部１０ＥのＲＡＭ等に一旦保存された電流波形Ｘpの単位時間毎の電流値Ｃp1～Ｃpm（以降、電流値Ｃという）から減ずる。これにより、電流波形Ｘpの所定の時間Ｔ1～Ｔmにおける電流値Ｃの平均値Ｈ1～Ｈmからの差分値を得る。ここで、電流波形Ｘpにおける差分値は差分値Ｑp1～Ｑpmとする。以降、差分値Ｑという。つまり、ステップＳ２２は差分取得工程であり、溶接工程における溶接開始から溶接終了までの電流波形Ｗ1～Ｗn（正常変位量）に対する電流波形Ｘp（加工変位量）の差分値Ｑを所定の時間Ｔ1～Ｔm毎に取得する。

次に、平均標準偏差σに基づいた値より大きい差分値Ｑを抽出する(ステップＳ２３)。具体的には、差分値ＱとステップＳ４で得た平均標準偏差σに基づいた値との大きさを比較する。そして、差分値Ｑが平均標準偏差σに基づいた値より小さい場合、この差分値Ｑをゼロにする。また、差分値Ｑが平均標準偏差σに基づいた値より大きい場合、差分値Ｑを保持する。こうして、平均標準偏差σに基づいた値より大きい差分値Ｑを抽出し、平均標準偏差σに基づいた値より小さい差分値Ｑを除外する。つまり、こうして抽出された差分値Ｑは、電流波形Ｗ1～Ｗnの電流値Ａから得た平均値Ｈ1～Ｈmに対して、電流波形Ｗ1～Ｗnから得た標準偏差Ｓ1～Ｓnの平均値である平均標準偏差σに基づいた値より離れている。こうして抽出された電流波形Ｘpの差分値Ｑの一例を図１１（Ａ）に示す。つまり、ステップＳ２３は差分値除外工程であり、差分値Ｑの中から電流波形Ｗ1～Ｗn（正常変位量）に対して所定の範囲である電流波形Ｗ1～Ｗnから得た平均標準偏差σに基づいた範囲を所定の時間Ｔ1～Ｔm毎に除外する。

次に、判定するデータの特徴量を求める(ステップＳ２４)。具体的には、図１１（Ｂ）に示すように、電流波形Ｘpにおいて抽出値として抽出された差分値Ｑにおいて二乗和平方根の値を合計する。これにより、電流波形Ｘpにおいて抽出された差分値Ｑの絶対値の総和Ｒp（以降、総和Ｒpという）を得る。また、電流波形Ｘpにおいて抽出された差分値Ｑにおいて計算した二乗和平方根の値の内、最も大きな値が最大値Ｑp(max)（以降、最大値Ｑp(max)という）である。こうして得られたこれら総和Ｒp、及び最大値Ｑp(max)が電流波形Ｘpの特徴量Ｕpである(図１１(Ｂ)参照。)。つまり、ステップＳ２４は第１計算工程であり、総和Ｒp、及び最大値Ｑp(max)を求める。特徴量Ｕp（総和Ｒp、及び最大値Ｑp(max)）は、その値がより大きくなるほど、電流波形Ｘpの電流値Ｃp1～Ｃpmが平均値Ｈ1～Ｈmからより乖離することを示す。

次に、ステップＳ１５で生成された分離超平面Ｌ（判定器）を読み込む(ステップＳ２５)。具体的には、制御部１０ＥのＲＡＭ等に保存されたコンピュータプログラムの関数である分離超平面Ｌ（判定器）が、ＣＰＵに読み込まれる。

次に、分離超平面Ｌ（判定器）と特徴量Ｕpとを比較して、判定するデータが正常か否かを判定する(ステップＳ２６)。具体的には、分離超平面Ｌ（判定器）は、図１２に示すように、横軸に総和Ｒpをとり、縦軸に最大値Ｑp(max)をとった平面Ｊであって、総和Ｒp、及び最大値Ｑp(max)のそれぞれが正になる領域を２つの領域Ｊ１，Ｊ２に分割する線分として表される。この場合、特徴量Ｕp（電流波形Ｘpの総和Ｒp、及び最大値Ｑp(max)）が、分離超平面Ｌ（閾値）によって分割された一方の領域Ｊ１に位置するとき、電流波形Ｘpは良品と判定され、特徴量Ｕp（電流波形Ｘpの総和Ｒp、及び最大値Ｑp(max)）が、分離超平面Ｌ（閾値）によって分割された他方の領域Ｊ２に位置するとき、電流波形Ｘpは不良品と判定される。つまり、ステップＳ２６は判定工程であり、ステップＳ２４において求められた総和Ｒp、及び最大値Ｑp(max)が分離超平面Ｌ（閾値）から外れるか否かを判定する。なお、分離超平面Ｌの形は、図１２に開示された形に限定されない。

また、ステップＳ２６において、溶接時間Ｔendで総和Ｒpを除する。これにより得られた値Ｆは、単位時間（例えば１秒）に対する総和Ｒpの大きさを示すものである。つまり、ステップＳ２６は第２計算工程も備えており、ステップＳ２４において求められた総和Ｒpを溶接工程における溶接時間Ｔendで除する。これにより、例えば、この溶接装置１を用いて異なる溶接時間の溶接を実行した場合、溶接時間に影響されずに互いの値Ｆを区別することなく扱うことができる。こうして、判定処理を終了する。

このように、この不良判定方法は、経時的に変化する電流波形Ｘpにおいて、電流波形Ｗ1～Ｗnに対する差分値Ｑを所定の時間Ｔ1～Ｔm毎に取得して、差分値Ｑの絶対値の総和Ｒp、及び差分値Ｑの絶対値の最大値Ｑp(max)を求め、この差分値Ｑの絶対値の総和Ｒp、及び差分値Ｑの絶対値の最大値Ｑp(max)を分離超平面Ｌ（閾値）から外れるか否かを判定している。つまり、差分値Ｑの絶対値の総和Ｒpにより全体の差分値を算出し、差分値Ｑの絶対値の最大値Ｑp(max)により最大の差分値を算出し、算出結果を分離超平面Ｌ（閾値）により判定することで、電流波形Ｘpが電流波形Ｗ1～Ｗnに対し全体的に離間する場合だけでなく、電流波形Ｘpが電流波形Ｗ1～Ｗnに対して局所的に離間する場合であっても異常として検出することができる。そのため、物品１１対して溶接加工が正常に行われたか否かを精度よく判定できる。

したがって、本発明の不良判定方法は、物品１１の加工が正常か否かを容易に判定することができる。

また、この不良判定方法は、差分値Ｑの中から、電流波形Ｗ1～Ｗnに対して電流波形Ｗ1～Ｗnから得た平均標準偏差σに基づいた範囲を除外する差分値除外工程を備えている。このため、この不良判定方法は、物品１１に対する溶接加工において発生する差分値Ｑが電流波形Ｗ1～Ｗnから得た平均標準偏差σに基づいた範囲より離れていない場合には差分値Ｑを抽出しない。これによって、正常な加工を異常な加工と誤判定することを防ぐことができる。例えば、差分値Ｑとして微小なずれも累積されれば大きな差になる。しかし、この微小なずれは本来の正常な加工の範囲内であり、抽出すべきではない値である。正常な加工で発生する差分値Ｑから電流波形Ｗ1～Ｗnに対して電流波形Ｗ1～Ｗnから得た平均標準偏差σに基づいた範囲を除外することで、正常な加工を異常な加工であると誤判定することを防ぐものである。そして、こうして差分値Ｑの絶対値の総和Ｒpを求めると共に、差分値Ｑの絶対値の最大値Ｑp(max)を求めることによって、加工が正常に行われたか否かを精度よく判定できる。

また、この不良判定方法の所定の範囲は、電流波形Ｗ1～Ｗnから得た平均標準偏差σに基づいた範囲である。一般的に設備毎に正常な加工で発生する差分値Ｑのばらつきの範囲は異なるが、この不良判定方法は、電流波形Ｗ1～Ｗnから得た平均標準偏差σを用いることで、所定の範囲を全体のばらつきに対して所望の割合に設定できる。これにより、差分値Ｑのばらつきの範囲が異なる設備に対しても、所定の範囲を変更しなくとも物品１１に対する溶接加工が正常に行われたか否かを精度よく判定できる。

また、この不良判定方法は、ステップＳ２４において求められた差分値Ｑの絶対値の総和Ｒpを溶接工程における溶接時間Ｔendで減ずる第２計算工程を備えている。このため、この不良判定方法は、物品１１の被溶接部１１Ｃに対する溶接工程における溶接時間Ｔendの長さ（すなわち、溶接開始から溶接終了までの電流波形Ｘpの波形の長さ）を考慮しなくて済む。

本発明は上記記述及び図面によって説明した実施形態に限定されるものではなく、例えば次のような実施形態も本発明の技術的範囲に含まれる。
（１）実施形態では、変位量として電流波形を取得しているが、変位量として電圧波形や被溶接部に対するトーチ部の移動量等を取得して用いても良い。また、これらの値を複合的に用いてもよい。
（２）実施形態では、平均標準偏差を１倍や２倍や３倍等に変更し、差分値との大きさを比較しているが、平均標準偏差を１倍より小さく変更しても良く、３倍より大きく変更しても良い。
（３）実施形態では、溶接加工を例示しているが、切削加工や折り曲げ加工等の他の加工であっても良い。
（４）実施形態では、トーチ部が移動機構によって被溶接部に沿って移動することが例示されているが、被溶接部をトーチ部に沿って移動させても良い。

１１…物品、Ｌ…分離超平面（閾値）、Ｑ（Ｑp1～Ｑpm）…差分値、Ｑp(max)…差分値の絶対値の最大値、Ｒp…差分値の絶対値の総和、Ｔend…溶接時間（加工時間）、Ｘp…電流波形（加工変位量）、σ…平均標準偏差（正常変位量から得た標準偏差）、Ｗ1～Ｗn…複数の電流波形（正常変位量）

Claims

物品の溶接工程における前記物品の品質に影響を与え経時的に変化する前記物品の正常変位量を取得する良品データ取得工程と、
前記物品の溶接工程における前記物品の品質に影響を与え経時的に変化する加工変位量を取得する変位量取得工程と、
前記溶接工程における前記正常変位量に対する前記加工変位量の差分値を単位時間毎に取得する差分取得工程と、
前記差分値の絶対値の総和、及び前記差分値の絶対値の最大値を求める第１計算工程と、
前記差分値の中から、前記正常変位量に対して所定の範囲を除外する差分値除外工程と、
前記第１計算工程において求められた前記差分値の絶対値の総和、及び前記差分値の絶対値の最大値が閾値から外れるか否かを判定する判定工程と、
を備え、
前記差分値除外工程では、前記正常変位量から得た複数の標準偏差の平均である平均標準偏差に基づいた値より小さい前記差分値をゼロにして除外し、前記平均標準偏差に基づいた値より大きい前記差分値を保持することを特徴とする不良判定方法。
前記第１計算工程において求められた前記差分値の絶対値の総和を前記溶接工程における溶接時間で除する第２計算工程を備えていることを特徴とする請求項１に記載の不良判定方法。