JPH11173956A

JPH11173956A - 品質判定方法および装置

Info

Publication number: JPH11173956A
Application number: JP34485497A
Authority: JP
Inventors: Katsuhisa Furuta; 勝久古田
Original assignee: Omron Corp; Omron Tateisi Electronics Co
Current assignee: Omron Corp
Priority date: 1997-12-15
Filing date: 1997-12-15
Publication date: 1999-07-02
Anticipated expiration: 2017-12-15
Also published as: JP3473008B2

Abstract

(57)【要約】【課題】製品の状態等を可及的に明確に判断すること
を可能にした品質判定方法および装置を提供する。【解決手段】ＦＵＺＺＹ推論部（４３２−１）で複数
の特徴量に基づき製品の不良品の度合いおよび不明の度
合いを各特徴量毎にそれぞれファジイ推論し、このファ
ジイ推論の結果から総合判定部（４２３−２）で製品が
確実な良品であるか、確実な不良品であるか、中間グレ
ード品であるかを総合判定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、推論を用いて製
品の状態を判定する品質判定方法および装置に関し、詳
しくは、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
定する品質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
理も困難であった。

【０００４】すなわち、従来の検査員による官能検査に
おいては、１）検査員をいかに訓練してもその判断には個人差があ
り、その判断基準がばらつく２）官能検査の訓練や判定基準の構成のために限界見本
を用意しても、その見本は物理的に同じ振動や騒音の発
生の状態を維持できない３）同一の検査員であっても、日や時間によって判定レ
ベルが変化する（例えば、当日の始業直後に音の静かな
製品が続けば、そのロットの判定は厳しめとなる）４）検査員は長時間緊張していなければならず、ストレ
スの蓄積や場合により難聴になる等の安全衛生的な問題
がある５）検査員による官能検査には、必ずうっかり見逃しが
発生する６）検査員は無意識的に不良率のコントロールをし、判
定基準を調整する（例えば、当日のロットで、音のうる
さい製品の頻度が多ければ、無意識的に判定基準は甘い
ものとなる）７）検査員にかかる人件費や高価な防音設備が必要な
ど、製品原価低減を図る場合のネックになる等の問題があり、このために生産工場においては検査員
による官能検査の自動化が求められている。

【０００５】ところで、上記検査員による官能検査を自
動化するためには、１）検査対象物を判定するための物理量を計測できるセ
ンサから計測信号をセンシングする２）計測信号そのものを自動判定の判定材料となるよう
な情報へ加工する３）その情報を入力し判断を行ない、合格、不合格の判
定結果を出すという処理が必要になる。

【０００６】

【発明が解決しようとする課題】ところが、検査員によ
る官能検査を行なっている製品の品質は、定量的な尺
度、判断基準で示せることは一般的になく、また求めら
れている品質を示す値は直接計測できない場合が多い。

【０００７】例えば、家電製品では、静粛性が要求され
る場合でも、生産工場での官能検査の検査基準や設計品
質としては、単に、「異音なきこと」とされており、そ
れに対して実際の官能検査員が判別する基準としては、
騒音計で測れるような騒音値の大きさだけでなく、音
色、高周波性、すなわち、音の安定性や周波数成分など
人間が不快音と感じると不合格と判別しているのが現状
となっている。

【０００８】また、直接の品質を表わすデータが計測で
きる場合は、その計測信号そのものを判定のためのある
しきい値（判定基準値）を設け、２値論理的判断をする
ことにより自動検査を実現することができる。

【０００９】しかし、直接品質を表わすデータが計測で
きない場合には、そのように単純に判定することはでき
ない。

【００１０】すなわち、官能検査自動化においては、１）生産工程においてはっきりした判断ができない中間
グレードのものが多く、その中間グレードの微妙な差に
ついて官能検査の判定基準にバラツキが発生する２）その判定基準は定量的に表わすことができない３）自動化に当たり、仮に判断基準を一定にすると生産
ロットによる不良率の変動が発生する４）判定のためのデータは基本的には計測器で直接計測
することはできないという問題が発生する。

【００１１】また、官能検査の自動化のために２値論理
的判断を行なうと、１）検査員による官能検査で微妙となる中間グレードに
対しても具体的に製品の良否を見極める判定基準を設定
することが困難である２）検査員による官能検査により吸収されていた不良率
コントロールがなくなるため、製品出来高に与える影響
が大きいという問題が発生する。これらの問題は、２値論理的判
断を行なうと無理に合格、不合格の２つに分けようとす
るために発生すると考えられる。

【００１２】そこで、自動検査の判定手法としては、確
実な良品、確実な不良品、中間グレード品の３つに分類
して出力する手法が要求される。

【００１３】また、官能検査の自動化のために、ファジ
イ推論を利用することも提案されているが、結論として
１つの不良度合いを表わすグレードとして出力されるも
ので、この場合、１）どこまでが「異常性あり」で、どこまでが「不良
品」かがその出力グレードから判断がし難い２）メンバシップ関数の微妙な設定により中間レベル品
の判定が「ＯＫ」か「ＮＧ」かの最終判定がまるっきり
入れ替ってしまうという問題が発生する。

【００１４】このように、従来検査員の五感に頼った判
定を自動化して「ＯＫ」か「ＮＧ」かの判別を行なうの
は困難である。

【００１５】しかし、確実な合格品、不合格品と中間レ
ベルのものに自動で判断することができれば、初めから
完全に省力化することはできなくても検査員の負担を大
幅に軽減することができるし、見逃しによるミスもなく
なる。

【００１６】また、判定された中間レベルのものはその
データの解析や構造的な調査をすることにより、さらに
明確な判定領域を広げることが可能である。

【００１７】そこで、この発明は、製品の状態等を可及
的に明確に判断することを可能にした品質判定方法およ
び装置を提供することを目的とする。

【００１８】

【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、製品に取り付けられた計測手段
により計測された計測データから複数の特徴量を抽出
し、該抽出した複数の特徴量に基づき該製品が良品であ
るか不良品であるかを判別する品質判定方法において、
上記複数の特徴量に基づき上記製品の不良品の度合いお
よび不明の度合いを各特徴量毎にそれぞれ推論し、上記
推論の結果から前記製品が確実な良品であるか、確実な
不良品であるか、中間グレード品であるかを総合判定す
ることを特徴とする。

【００１９】また、請求項２の発明は、請求項１の発明
において、上記推論は、上記良品の特徴量の分布と上記
不良品の特徴量の分布が近接している場合は、上記確実
な良品、確実な不良品、中間グレード品のそれぞれに対
応する３つのメンバシップ関数を用いてファジイ推論
し、上記良品の特徴量の分布と上記不良品の特徴量の分
布が離れている場合は、上記確実な良品、確実な不良品
のそれぞれに対応する２つのメンバシップ関数を用いて
ファジイ推論することを特徴とする。

【００２０】また、請求項３の発明は、請求項１の発明
において、上記総合判定は、上記推論の各判定ルール出
力の合成出力から製品の不良品の度合いおよび不明の度
合いの総合出力値を求め、該総合出力値に基づき確実な
良品であるか、確実な不良品であるか、中間グレード品
であるかを判定することを特徴とする。

【００２１】また、請求項４の発明は、製品に取り付け
られた計測手段により計測された計測データから複数の
特徴量を抽出し、該抽出した複数の特徴量に基づき該製
品が良品であるか不良品であるかを判別する品質判定装
置において、上記複数の特徴量に基づき上記製品の不良
品の度合いおよび不明の度合いを各特徴量毎にそれぞれ
推論する推論手段と、上記推論手段による推論の結果か
ら前記製品が確実な良品であるか、確実な不良品である
か、中間グレード品であるかを総合判定する総合判定手
段と、を具備することを特徴とする。

【００２２】また、請求項５の発明は、請求項４の発明
において、上記推論手段は、上記良品の特徴量の分布と
上記不良品の特徴量の分布が近接している場合は、上記
確実な良品、確実な不良品、中間グレード品のそれぞれ
に対応する３つのメンバシップ関数を用いてファジイ推
論し、上記良品の特徴量の分布と上記不良品の特徴量の
分布が離れている場合は、上記確実な良品、確実な不良
品のそれぞれに対応する２つのメンバシップ関数を用い
てファジイ推論することを特徴とする。

【００２３】また、請求項６の発明は、請求項４の発明
において、上記総合判定手段は、上記推論手段の各判定
ルール出力の合成出力から製品の不良品の度合いおよび
不明の度合いの総合出力値を求め、該総合出力値に基づ
き確実な良品であるか、確実な不良品であるか、中間グ
レード品であるかを判定することを特徴とする。

【００２４】

【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。

【００２５】図１は、この発明に係わる品質判定方法お
よび装置を適用して構成した異常判定システムをブロッ
ク図で示したものである。

【００２６】図１において、この異常判定システムは、
検査対象物１００に、加速度センサ１０１を配設し、こ
の加速度センサ１０１の計測信号に基づき検査対象物１
００の正常、異常を判定する。

【００２７】検査対象物１００に配設された加速度セン
サ１０１から出力される検査対象物１００の測定信号
は、まず、アンプ２００で増幅され、その後、Ａ／Ｄ変
換ボード（アナログ／ディジタル変換ボード）３００で
ディジタル計測データに変換され、パソコン（パーソナ
ルコンピュータ）４００に入力されれる。

【００２８】パソコン（パーソナルコンピュータ）４０
０では、上記ディジタル計測データに対して以下に詳述
する処理を行なうことにより、検査対象１００の正常、
異常を判断する。

【００２９】図２は、図１に示したパソコン（パーソナ
ルコンピュータ）４００における処理の概要をブロック
図で示したものである。

【００３０】検査対象物１００に配設された加速度セン
サ１０１から出力される検査対象物１００の測定信号
は、Ａ／Ｄ変換ボード３００のアナログ／ディジタル変
換部（Ａ／Ｄ変換部）３１０によりディジタル計測デー
タに変換され、パソコン４００に入力されれる。

【００３１】パソコン４００は、上記Ａ／Ｄ変換ボード
３００からのディジタル計測データ（以下、単に計測デ
ータという）を格納するメモリ４１０および上記メモリ
４１０に格納された計測データ（元データ）に基づき上
記パソコン４００に内蔵されたＣＰＵ（中央演算処理
部）で所定の処理を実行するＣＰＵによる内部処理部４
２０を有しており、ＣＰＵによる内部処理部４２０は、
前処理部４２１、特徴量演算部４２２、ＦＵＺＺＹ判定
部４２３を有している。

【００３２】ここで、ＦＵＺＺＹ判定部４２３は、ＦＵ
ＺＺＹ推論部４２３−１および総合判定部４２３−２か
ら構成されている。

【００３３】なお、ＣＰＵによる内部処理部４２０にお
ける前処理部４２１および特徴量演算部４２２の処理
は、図３に示すように、メモリ４１０に格納された元デ
ータに基づき、ＦＦＴ処理部４３０、周波数処理部４４
０、断続成分増幅処理部４５０、低周波増幅処理部４６
０、高周波増幅処理部４７０の処理を並列実行すること
により行われる。

【００３４】以下、ＦＦＴ処理部４３０、周波数処理部
４４０、断続成分増幅処理部４５０、低周波増幅処理部
４６０、高周波増幅処理部４７０の処理の詳細を説明す
る。

【００３５】図４は、ＦＦＴ処理部４３０の処理の詳細
をブロック図で示したものである。

【００３６】図４において、メモリ４１０には、Ａ／Ｄ
変換ボード３００のアナログ／ディジタル変換部（Ａ／
Ｄ変換部）３１０の変換データ単位で、例えば１０２４
点ずつの固定のデータブロックに分けられ元データが格
納される。

【００３７】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、ＦＦＴ演算処理部４３１
で、ＦＦＴ（高速フーリエ変換）により周波数軸データ
に変換され、この周波数軸データに基づき、特徴量１抽
出部４３２−１で特定周波数帯ａ成分が抽出され、特徴
量２抽出部４３２−２で特定周波数帯ｂ成分が抽出さ
れ、特徴量３抽出部４３２−３で特定周波数帯ｃ成分が
抽出される。

【００３８】ここで、特徴量１抽出部４３２−１による
特定周波数帯ａ成分の抽出および特徴量２抽出部４３２
−２による特定周波数帯ｂ成分の抽出および、特徴量３
抽出部４３２−３による特定周波数帯ｃ成分の抽出は、
それぞれ上記データブロック単位でそのピーク値を抽出
し、この抽出したピーク値をそれぞれ複数の対象データ
ブロックで平均化処理することにより行われ、この平均
化処理により各データブロックによるバラツキを抑える
ことができる。

【００３９】このＦＦＴ処理部４３０の処理により抽出
される特徴量は、周波数帯の異なる設定を複数用いるこ
とにより、それぞれ異なる特徴量を抽出することが可能
になる。

【００４０】図５は、周波数処理部４４０の処理の詳細
をブロック図で示したものである。

【００４１】図５において、メモリ４１０には、図４の
場合と同様に、Ａ／Ｄ変換ボード３００のアナログ／デ
ィジタル変換部（Ａ／Ｄ変換部）３１０の変換データ単
位で、例えば１０２４点ずつの固定のデータブロックに
分けられ元データが格納される。

【００４２】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、バンドパスフィルタ処理部
４４１でそのノイズ成分や暗騒音的信号を除去する前処
理が行われる。そして、このノイズ成分や暗騒音的信号
が除去された前処理後のデータから特徴量が抽出され
る。

【００４３】この特徴量の抽出は、特徴量１抽出部４４
２−１、特徴量２抽出部４４２−２、特徴量３抽出部４
４２−３、特徴量４抽出部４４２−４、特徴量５抽出部
４４２−５で行われる。

【００４４】ここで、特徴量１抽出部４４２−１による
特徴量抽出は、上記前処理後のデータからＲＭＳ（自乗
平方根）演算により特徴量を抽出するものであり、特徴
量２抽出部４４２−２による特徴量抽出は、ピーク値を
求める特徴量演算関数によるもので、上記前処理後のデ
ータから各データブロック単位でそのピーク値を抽出す
る。

【００４５】また、特徴量３抽出部４４２−３による特
徴量の抽出は、極値数を求める特徴量演算関数によるも
ので、上記前処理後のデータのデータ配列の波形の極値
を判断し、そのデータ配列の上記極値の数をカウントし
た値がそのデータ配列の極値数となる。

【００４６】また、特徴量４抽出部４４２−４による特
徴量の抽出は、極値差を求める特徴量演算関数によるも
ので、上記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、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の中から大きい順に所
定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。

【００４７】また、特徴量５抽出部４４２−５による特
徴量の抽出は、上記前処理後のデータの傾き平均を求め
るものである。

【００４８】なお、ここでの特徴抽出は、上記特徴量抽
出手法の他に、一般的な振動解析指標や統計関数を用い
た手法を採用することができる。

【００４９】図６は、断続成分増幅処理部４５０の詳細
をブロック図で示したものである。

【００５０】図６において、この断続成分増幅処理部４
５０においては、まず、断続成分増幅前処理部４５１
で、１）元データをヒルバート変換する２）元データを実数部、ヒルバート変換後データを虚数
部として複素数配列を作る３）複素数配列の自乗平方根の配列を演算する移動平均
などの平滑処理をする４）ローパスフィルタを通す処理から構成される前処理が行われる。

【００５１】この断続成分増幅処理前処理部４５１の処
理によると、時間軸波形で傾きが強い信号成分だけが大
きな信号になりそれ以外は小さくなる信号が得られる。

【００５２】この断続成分増幅処理前処理部４５１の処
理により前処理がなされた波形は、特徴量１抽出部４５
７−１によるピーク値の抽出、特徴量２抽出部４５７−
２による極値差の抽出、特徴量３抽出部４５７−３によ
るデータブロック間の最大値最小値の差、すなわち、デ
ータブロック間最大−最小の抽出が行われる。

【００５３】図７は、上記断続成分増幅処理前処理部４
５１の詳細をブロック図で示したものである。

【００５４】図７に示すように、断続成分増幅処理前処
理部４５１は、メモリ４１０に格納された時間軸波形で
ある元データをヒルバート変換するヒルバート変換部４
５２、メモリ４１０に格納された時間軸波形である元デ
ータを実数部とし、ヒルバート変換部４５２によるヒル
バート変換後データを虚数部として複素数配列を作る複
素数計算部４５３、複素数計算部４５３で作られた複素
数配列の自乗平方根の配列を演算する自乗平方根計算部
４５４、自乗平方根計算部４５４で演算された自乗平方
根の配列を移動平均などの平滑処理をする平滑処理部４
５５、平滑処理部４５５で平滑処理された波形から雑音
成分等を除くローパスフィルタ４５６を具備して構成さ
れる。

【００５５】一般に、モータ等の回転駆動部を有する製
品、すなわち、検査対象物１００の状態異常の代表的な
ものにはベアリング不良がある。このベアリング不良等
に代表される断続的に発生する高周波成分を含む波形
（以下、断続高調波という）は、通常は、基本波の成分
よりも振幅が高い。その場合は、波形の実効値や最大値
を求めることで、正常状態と区別することができる。

【００５６】しかし、その断続高調波が、正常状態の基
本波の振幅成分と比較してあまり差がない場合や発生周
期が長い場合には、そのような異常状態を検出するのは
非常に困難になる。

【００５７】また、ＦＦＴ（高速フーリエ変換）により
元データの周波数軸へ変換を行なっても、発生頻度が少
ないため変換結果は対象時間の平均周波数成分として計
算されるため、有効な差は現れない。

【００５８】そこで、断続成分増幅処理前処理部４５１
においては、まず、包絡線処理すなわち、１）元データをヒルバート変換する（ヒルバート変換部
４５２）２）元データを実数部、ヒルバート変換後データを虚数
部として複素数配列を作る（複素数計算部４５３）３）複素数配列の自乗平方根の配列を演算する（自乗平
方根計算部４５４）処理を実効する。

【００５９】すなわち、まず、前包絡線Ψ（ｔ）を求め
る。この前包絡線Ψ（ｔ）は、元データにそのヒルバー
トを虚数部として付加した複素帯域通過信号で、以下の
式で求められる。

【００６０】元データをχ（ｔ）とし、χ（ｔ）のヒル
バート変換データをζ（ｔ）とすると、前包絡線Ψ
（ｔ）は、 Ψ（ｔ）＝χ（ｔ）＋ζ（ｔ）となる。

【００６１】また、包絡線ｗ（ｔ）は、前包絡線Ψ
（ｔ）の振幅として定義されるので、包絡線ｗ（ｔ）
は、χ（ｔ）の２乗とζ（ｔ）の２乗の和の平方根をと
ることにより、次式で求めることができる。ｗ（ｔ）＝（χ²（ｔ）＋ζ²（ｔ））

【００６２】この処理により、元データの波を中心で折
り返したような波形が得られる。この折り返しにより問
題となる断続高調波はその発生周期の観測が容易にな
る。

【００６３】次に、平滑処理が行われる。この平滑処理
は、１）複素数配列の自乗平方根の配列を演算する移動平均
などの平滑処理をする（平滑処理部４５５）２）ローパスフィルタを通す処理（ローパスフィルタ４
５６）により行われる。なお、上記平滑処理は、平滑処理部４
５５による処理とローパスフィルタ４５６による処理の
両者の組み合わせで行なうのが好ましいが、どちらか一
方の処理でも近似的な結果は得られる。

【００６４】すなわち、上記移動平均処理、すなわち、
平滑処理部４５５による処理により、小さな波はカット
される。

【００６５】上記処理により、処理後の波形は、異常部
で振幅の高い波となり、その結果正常、異常の区別を容
易に行なうことができる。

【００６６】図８は、低周波増幅処理部４６０の処理の
詳細をブロック図で示したものである。

【００６７】図８において、メモリ４１０には、図４の
場合と同様に、Ａ／Ｄ変換ボード３００のアナログ／デ
ィジタル変換部（Ａ／Ｄ変換部）３１０の変換データ単
位で、例えば１０２４点ずつの固定のデータブロックに
分けられ元データが格納される。

【００６８】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、低周波処理部４６１で前処
理が行われる。この前処理は、１）元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元データを微小時間にて
積分する処理により行われる。

【００６９】そして、この低周波処理部４６１で前処理
が施されたデータから、特徴量が抽出される。

【００７０】この特徴量の抽出は、特徴量１抽出部４６
２−１、特徴量２抽出部４６２−２、特徴量３抽出部４
６２−３で行われる。

【００７１】ここで、特徴量１抽出部４６２−１による
特徴量抽出は、ピーク値を求める特徴量演算関数による
もので、上記前処理後のデータから各データブロック単
位でそのピーク値を抽出する。

【００７２】また、特徴量２抽出部４６２−２による特
徴量の抽出は、上述した極値数を求める特徴量演算関数
によるもので、上記前処理後のデータのデータ配列の波
形の極値を判断し、そのデータ配列の上記極値の数をカ
ウントした値がそのデータ配列の極値数となる。

【００７３】また、特徴量３抽出部４６２−３による特
徴量の抽出は、データブロック間の最大値最小値の差、
すなわち、データブロック間最大−最小を演算すること
により行われる。

【００７４】図９は、高周波増幅処理４７０の処理の詳
細をブロック図で示したものである。

【００７５】図９において、メモリ４１０には、図４の
場合と同様に、Ａ／Ｄ変換ボード３００のアナログ／デ
ィジタル変換部（Ａ／Ｄ変換部）３１０の変換データ単
位で、例えば１０２４点ずつの固定のデータブロックに
分けられ元データが格納される。

【００７６】このメモリ４１０に格納された時間軸波形
からなる元データは、まず、高周波処理部４７１で前処
理が行われる。この前処理は、３）元データをローパスフィルタを通す４）ハイパスフィルタを通した元データを微小時間にて
微分する処理により行われる。

【００７７】そして、この高周波処理部４７１で前処理
が施されたデータから、特徴量が抽出される。

【００７８】この特徴量の抽出は、特徴量１抽出部４７
２で行われる。すなわち、特徴量１抽出部４７２による
特徴量抽出は、上述した極値差を求める特徴量演算関数
によるもので、上記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、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の中から大き
い順に所定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。

【００７９】このように、元データに対して複数の処理
を並列実行してその特徴量を抽出することで、あらゆる
異常状態の検出が可能になる。

【００８０】さて、検査対象物１００が、例えば、モー
タであった場合、その異常の種類としては、ベアリング
不良、ブラシと整流子とのスレ、軸や回転子の機械的不
釣り合いによるアンバランスなどの複数の要因のものが
存在する。

【００８１】例として、あるモータの不良品の種類を、
ベアリング不良、スレ不良、びびり不良の３つである場
合、これを集合的に表わすと、検査すべき不合格品の全
体集合をＸ、ベアリング不良の集合をＡ、スレ不良の集
合をＢ、びびり不良の集合をＣとすると、Ｘ＝ＡＵＢＵＣ（Ｕは論理和を示す）となる。

【００８２】したがって、この不合格品を判定する判定
装置としては、上記ベアリング不良の集合Ａ、スレ不良
の集合Ｂ、びびり不良の集合Ｃのいずれかを検出するだ
けでは不十分で、すべての不良種類において不合格レベ
ルのものを検出、判定できなければならない。

【００８３】いま、ひとつの不良を検査員がどのように
判定しているかを示すために、以下、「音がうるさい不
良」を例としてあげて説明する。

【００８４】図１０は、騒音計で測定した騒音のレベル
（デシベル）と検査員がうるさいと感じる関係をクリス
プ集合とファジイ集合で表わしたものである。図１０か
ら明らかになるように、検査員によるすべての判断は、
クリスプ集合で表わすよりもファジイ集合で表わす方が
適切である。また、検査員によるすべての判断は、個人
差もあれば、同じ検査員でも体調によりその判断は変わ
る。

【００８５】このため、検査員による判断の場合、はっ
きりした境界はないが、検査員は中間レベルのものも合
格か不合格かの２つに判断しなければならないため、そ
の都度無理矢理どちらかの判断を出している。その部分
が合格、不合格のバラツキの原因になっている。この結
果、騒音計を計測器としたシステムにおける判定と検査
員による判断とを完全に一致させることは極めて困難で
ある。

【００８６】良品と音がうるさい不良品について、ＪＩ
Ｓ（日本工業規格）に定められた騒音レベルの測定方法
に定められた方法で得た騒音値を特徴量として分布グラ
フで示すと図１１のようになる。

【００８７】図１１において、良品と不良品の分布の山
には交差する部分があり、判定装置において、この交差
部分のいずれかのデシベル値を判定基準として定めると
その基準値を上回る良品は、過検出となり、下回る不良
品は見逃しとなり、その結果判定装置としての信頼性が
得られない。

【００８８】もちろん、ある特徴量と検査員の判断結果
とを同様の手段でその分布で表わした場合は、その山と
山との間に判定基準値を設定した従来の２値論理判断に
よって判定することが可能になる。

【００８９】そこで、この実施の形態においては、ま
ず、はっきりした良品とはっきりした不良品のサンプル
を一定数以上収集し、図１１のようにその分布を調べ
る。

【００９０】このとき、良品と不良品の分布の山は離れ
なければならず、交差していれば、その横軸とした特徴
量が適切でないか、サンプルがおかしいことになる。

【００９１】次に、２つの判定基準値ＳＡおよびＳＢを
求める。この２つの判定基準値ＳＡおよびＳＢは、良品
の平均値をμ１、標準偏差をσ１とし、不良品の平均値
をμ２、標準偏差をσ２とすると、次式により求めるこ
とができる。ＳＡ＝μ１＋３σ１ＳＢ＝μ２−３σ２

【００９２】このときＳＡ＜ＳＢが成り立たなければな
らない。成り立たない場合は、やはりその不良を検出す
るための有効特徴量ではないかサンプル標本がおかしい
ということになる。

【００９３】次に、検査員の官能検査による良品と音が
うるさい不良のサンプルを収集する。ここで、良品と音
がうるさい不良のサンプルには中間グレードのものを含
む。これを同様に分布をとり、そのサンプルについて２
つの判定基準値ＳＡおよびＳＢを求める。

【００９４】図１２は、上記検査員の官能検査の場合の
上記２つの判定基準値ＳＡおよびＳＢを求めた結果を示
したものである。このとき、ＳＡ＞ＳＢが成り立てば、
ＳＡをＳＨとし、ＳＢをＳＬとする。また、ＳＡ≦ＳＢ
が成り立てば、ＳＡをＳＬとし、ＳＢをＳＨとする。

【００９５】ここで、製品不良の種類は複数あるので、
すべての製品不良の種類に対して、上記有効特徴量を決
定し、その特徴量毎に、上記ＳＬおよびＳＨを同様の手
法により決定していく。ここで、１つの不良種類に対し
て、有効特徴量は２つ以上の複数存在してもよい。

【００９６】さて、図２に戻り、この実施の形態の異常
判定システムにおいて、ＦＵＺＺＹ判定部４２３は、Ｆ
ＵＺＺＹ推論部４３２−１と、このＦＵＺＺＹ推論部４
３２−１による推論結果から検査対象物１００の総合判
定を行なう総合判定部４３２−２とから構成されてい
る。

【００９７】ここで、総合判定部４３２−２は、ＦＵＺ
ＺＹ推論部４３２−１による推論結果から検査対象物１
００の異常に関して「ＯＫ」、「ＧＬＡＹ」、「ＮＧ」
の３つに判断する。

【００９８】ＦＵＺＺＹ推論部４３２−１に入力する情
報としては、前述したようにして確定した有効特徴量が
前件部の変数となる。

【００９９】図１３は、ＦＵＺＺＹ判定部４２３のＦＵ
ＺＺＹ推論部４３２−１によるファジイ推論のための各
特徴量のメンバシップ関数を示したものである。

【０１００】図１３において、（ａ）は、ＳＡ＞ＳＢの
場合のメンバシップ関数を示す。ここで、このメンバシ
ップ関数のラベルは、ＳＭＬ、ＭＤＬ、ＬＧＬの３つの
ラベルからなり、台形型の横軸座標は、図１３（ａ）に
示すように、ＳＭＬとＭＤＬの交点が前述の手法で求め
たＳＬになるように設定され、ＭＤＬとＬＲＧの交点が
前述の手法で求めたＳＨになるように設定されている。

【０１０１】また、図１３において、（ｂ）は、ＳＡ≦
ＳＢの場合のメンバシップ関数を示す。この場合は、図
１３（ｂ）に示すように、ＳＭＬとＬＲＧの２つのメン
バシップ関数を設定する。

【０１０２】図１４は、ＦＵＺＺＹ判定部４２３のＦＵ
ＺＺＹ推論部４２３−１によるファジイ推論のための後
件部を示す。ここで、ＦＵＺＺＹ推論部４２３−１によ
るファジイ推論は、「悪い」、「おかしい」の２結論に
対して行なうことが特徴である。

【０１０３】また、「悪い」の後件部変数としては、図
１４（ａ）に示すように、「ＯＫ」と「ＮＧ」の２つの
シングルトンを持ち、「おかしい」の後件部変数として
は、図１４（ｂ）に示すように、「ＯＫ」と「ＧＲＡ
Ｙ」の２つのシングルトンを持つ。

【０１０４】図１５は、ＦＵＺＺＹ判定部４２３のＦＵ
ＺＺＹ推論部４２３−１においてファジイ推論を行なう
ためのファジイ判定ルールの一例を示す。ここで、ファ
ジイ推論のための特徴量は必要に応じて何種類まであっ
てもよいが、図１５に示すファジイ判定ルールにおいて
は、ファジイ推論のための特徴量として５種類の特徴量
を前件部として使用する場合を示している。

【０１０５】図１５において、ルールＮｏ．１は、２つ
の結論において「ＯＫ」となるルールを示す。全集合に
対し、複数の不良種類Ａ、Ｂ、Ｃがあった場合、良品の
集合は、Ａｃ＊Ｂｃ＊Ｃｃ（＊は論理積を示す）（ここで、Ａｃ、Ｂｃ、Ｃｃは、それぞれ、Ａ、Ｂ、Ｃ
の補集合である。）となるので、このルールＮｏ．１
は、すべての有効特徴量＝ＳＭＬの条件がアンド条件で
成立するときだけ明らかに良品であるというルールであ
る。

【０１０６】ルールＮｏ．２からルールＮｏ．５まで
は、結論２、すなわち「おかしい」に対するルールであ
る。すなわち、ルールＮｏ．２からルールＮｏ．５まで
によると、いずれかの特徴量がＭＤＬであれば、「おか
しい」の「ＧＲＡＹ」度合いが発生する。

【０１０７】ルールＮｏ．７からルールＮｏ．１１まで
は、結論１、すなわち「悪い」に対するルールである。
すなわち、ルールＮｏ．７からルールＮｏ．１１までに
よると、いずれかの特徴量がＬＲＧであれば、「悪い」
の「ＮＧ」度合いが発生する。

【０１０８】ルールＮｏ．１２、ルールＮｏ．１３は、
複数の特徴量の値がＭＤＬのグレードを持つ場合に、
「悪い」度合いが発生するルールである。これは、サン
プルから得たデータを検証した結果、該当するルールが
見つかった場合にその組み合わせで追加していくもの
で、特に各特徴量のメンバシップに、組み合わせ判定用
に新たなラベルを作成してもよい。

【０１０９】また、これ以外にも、組み合わせで「おか
しい」度合いが発生する特徴量候補がある場合は、それ
らをそのアンド条件と識別できるラベルで「おかしい」
の「ＧＲＡＹ」度合いが発生するルールを追加してもよ
い。

【０１１０】図１６は、各ルールから適合度α、βが求
められることを示す。各特徴量の適合度にミニ・マック
ス（ｍｉｎｉ−ｍａｘ）演算を行なうと、各出力の合成
としての各結論の２つのシングルトンの適合度が求めら
れる。

【０１１１】例えば、図１５のルールＮｏ．１では、す
べての特徴量毎のＳＭＬの適合度α１、α２、α３、α
４、α５とＬＲＧの適合度β１、β２、β３、β４、β
５を求める。条件部すべての適合度としては、ミニ演算
により、λ＝ｍｉｎ（α１、α２、α３、α４、α５）
で求められる最小値となり、その高さを結論２の「おか
しい」の「ＯＫ」グレードとする。同様に、βにより
「ＧＲＡＹ」のグレードμ＝ｍｉｎ（β１、β２、β
３、β４、β５）も求める。

【０１１２】また、同様に、結論１の「悪い」について
も適合度α、βを求める。

【０１１３】次に、マックス演算として、結論１および
結論２の各ラベル毎にそのラベルを出力する各ルールの
最大値を求める。

【０１１４】次に、重心法により、結論毎の合成ファジ
イ出力から１つの出力値（グレード；ｙ）を得る。

【０１１５】結論２の「おかしい」については、ｙ＝（０×λ＋１×μ）／（λ＋μ）同様に、結論１の「悪い」についてもグレードｚを求め
る。

【０１１６】こうして、ＦＵＺＺＹ判定部４２３のＦＵ
ＺＺＹ推論部４２３−１で、「おかしい」度合いおよび
「悪い」度合いを示すグレードが得られる。

【０１１７】ＦＵＺＺＹ判定部４２３の総合判定部４２
３−２では、「おかしい」に対するしきい値ｍと「悪
い」に対するしきい値ｎが設定されており、各グレード
としきい値が比較され、以下のような条件により分類さ
れる。ｉｆｙ＜ｍａｎｄｚ＜ｎｔｈｅｎ「ＯＫ」ｉｆｙ≧ｍａｎｄｚ＜ｎｔｈｅｎ「ＧＲＡ
Ｙ」ｉｆｚ≧ｎｔｈｅｎ「ＮＧ」この結果が最終的な判定結果となり、外部へ出力され
る。

【０１１８】上記手法によると、検査結果として、確実
な「ＯＫ」、確実な「ＮＧ」とそうでないものが判別で
き、さらに、「ＧＲＡＹ」として判定された検査対象物
１００とデータの解析を行なうことにより、「ＧＲＡ
Ｙ」の幅を狭めることが可能になる。

【０１１９】なお、本実施形態では、計測手段として、
検査対象物１００に取り付けられた加速度センサ１０１
を用いたが、その他音波やレーザ光を使って非接触で計
測したり、駆動電流を計測して手元で計測するという方
法もある。

【０１２０】

【発明の効果】以上説明したようにこの発明によれば、
複数の特徴量に基づき製品の不良品の度合いおよび不明
の度合いを各特徴量毎にそれぞれ推論し、該推論の結果
から製品が確実な良品であるか、確実な不良品である
か、中間グレード品であるかを総合判定するように構成
したので、製品の状態等を可及的に明確に判断すること
ができるという効果を奏する。

【図面の簡単な説明】

【図１】この発明に係わるファジイ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を示すブロック
図。

【図２】図１に示したパソコン（パーソナルコンピュー
タ）における処理の概要を示すブロック図。

【図３】図２に示したＣＰＵによる内部処理部における
前処理部および特徴量演算部の処理を説明するブロック
図。

【図４】図３に示したＦＦＴ処理部の処理の詳細を示す
ブロック図。

【図５】図３に示した周波数処理部の処理の詳細を示す
ブロック図。

【図６】図３に示した断続成分増幅処理部の詳細を示す
ブロック図。

【図７】図６に示した断続成分増幅処理前処理部４５１
の詳細を示すブロック図

【図８】図３に示した低周波増幅処理部の処理の詳細を
示すブロック図。

【図９】図３に示した高周波増幅処理の処理の詳細を示
すブロック図。

【図１０】騒音計で測定した騒音のレベル（デシベル）
と検査員がうるさいと感じる関係をクリスプ集合とファ
ジイ集合で表わした図。

【図１１】良品と音がうるさい不良品について、ＪＩＳ
（日本工業規格）に定められた騒音レベルの測定方法に
定められた方法で得た騒音値を特徴量として分布グラフ
で示した図。

【図１２】検査員の官能検査の場合の２つの判定基準値
ＳＡおよびＳＢを求めた結果を示した図。

【図１３】図２に示したＦＵＺＺＹ判定部におけるＦＵ
ＺＺＹ推論部によるファジイ推論のための各特徴量のメ
ンバシップ関数を示した図。

【図１４】図２に示したＦＵＺＺＹ判定部におけるＦＵ
ＺＺＹ推論部によるファジイ推論のための後件部を示す
図。

【図１５】図２に示したＦＵＺＺＹ判定部におけるＦＵ
ＺＺＹ推論部においてファジイ推論を行なうためのファ
ジイ判定ルールの一例を示す図。

【図１６】各ルールから適合度α、βが求められること
を説明する図。

【符号の説明】

１００検査対象物１０１加速度センサ２００アンプ３００Ａ／Ｄ変換ボード（アナログ／ディジタル変
換ボード）３１０アナログ／ディジタル変換部（Ａ／Ｄ変換
部）４００パソコン（パーソナルコンピュータ）４１０メモリ４２０ＣＰＵによる内部処理部４２１前処理部４２２特徴量演算部４２３ＦＵＺＺＹ判定部４２３−１ＦＵＺＺＹ推論部４２３−２総合判定部４３０ＦＦＴ処理部４３１ＦＦＴ演算処理部４３２−１特徴量１抽出部４３２−２特徴量２抽出部４３２−２４３２−３特徴量３抽出部４３２−３４４０周波数処理部４４１バンドパスフィルタ処理部４４２−１特徴量１抽出部４４２−２特徴量２抽出部４４２−３特徴量３抽出部４４２−４特徴量４抽出部４４２−５特徴量５抽出部４５０断続成分増幅処理部４５１断続成分増幅処理前処理部４５２ヒルバート変換部４５３複素数計算部４５４自乗平方根計算部４５５平滑処理部４５６ローパスフィルタ４５７−１特徴量１抽出部４５７−２特徴量２抽出部４５７−３特徴量３抽出部４６０低周波増幅処理部４６１低周波処理部４６２−１特徴量１抽出部４６２−２特徴量２抽出部４６２−３特徴量３抽出部４７０高周波増幅処理部４７１高周波処理部４７２特徴量１抽出部

Claims

【特許請求の範囲】

【請求項１】計測手段により計測された計測データか
ら複数の特徴量を抽出し、該抽出した複数の特徴量に基
づき該製品が良品であるか不良品であるかを判別する品
質判定方法において、上記複数の特徴量に基づき上記製品の不良品の度合いお
よび不明の度合いを各特徴量毎にそれぞれ推論し、上記推論の結果から前記製品が確実な良品であるか、確
実な不良品であるか、中間グレード品であるかを総合判
定することを特徴とする品質判定方法。
【請求項２】上記推論は、上記良品の特徴量の分布と上記不良品の特徴量の分布が
近接している場合は、上記確実な良品、確実な不良品、
中間グレード品のそれぞれに対応する３つのメンバシッ
プ関数を用いてファジイ推論し、上記良品の特徴量の分布と上記不良品の特徴量の分布が
離れている場合は、上記確実な良品、確実な不良品のそ
れぞれに対応する２つのメンバシップ関数を用いてファ
ジイ推論することを特徴とする請求項１記載の品質判定
方法。
【請求項３】上記総合判定は、上記推論の各判定ルール出力の合成出力から製品の不良
品の度合いおよび不明の度合いの総合出力値を求め、該総合出力値に基づき確実な良品であるか、確実な不良
品であるか、中間グレード品であるかを判定することを
特徴とする請求項１記載の品質判定方法。
【請求項４】計測手段により計測された計測データか
ら複数の特徴量を抽出し、該抽出した複数の特徴量に基
づき該製品が良品であるか不良品であるかを判別する品
質判定装置において、上記複数の特徴量に基づき上記製品の不良品の度合いお
よび不明の度合いを各特徴量毎にそれぞれ推論する推論
手段と、上記推論手段による推論の結果から前記製品が確実な良
品であるか、確実な不良品であるか、中間グレード品で
あるかを総合判定する総合判定手段と、を具備することを特徴とする品質判定装置。
【請求項５】上記推論手段は、上記良品の特徴量の分布と上記不良品の特徴量の分布が
近接している場合は、上記確実な良品、確実な不良品、
中間グレード品のそれぞれに対応する３つのメンバシッ
プ関数を用いてファジイ推論し、上記良品の特徴量の分布と上記不良品の特徴量の分布が
離れている場合は、上記確実な良品、確実な不良品のそ
れぞれに対応する２つのメンバシップ関数を用いてファ
ジイ推論することを特徴とする請求項４記載の品質判定
装置。
【請求項６】上記総合判定手段は、上記推論手段の各判定ルール出力の合成出力から製品の
不良品の度合いおよび不明の度合いの総合出力値を求
め、該総合出力値に基づき確実な良品であるか、確実な不良
品であるか、中間グレード品であるかを判定することを
特徴とする請求項４記載の品質判定装置。