JPH1145337A - 塗装システム - Google Patents
塗装システムInfo
- Publication number
- JPH1145337A JPH1145337A JP9201967A JP20196797A JPH1145337A JP H1145337 A JPH1145337 A JP H1145337A JP 9201967 A JP9201967 A JP 9201967A JP 20196797 A JP20196797 A JP 20196797A JP H1145337 A JPH1145337 A JP H1145337A
- Authority
- JP
- Japan
- Prior art keywords
- coating
- image
- image feature
- coating system
- particulate
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】粒子状模様の塗装または粒子状物の塗布におい
て、その塗装または塗布結果を評価する手段、さらに、
塗装または塗布装置を制御する手段を提供する。 【解決手段】粒子状模様の塗装または粒子状物の塗布を
行うシステムにおいて、その塗装または塗布結果を撮像
する撮像手段２と、撮像した画像を処理して画像特徴量
を求める画像処理手段３と、予め見本を撮像した画像を
処理して求めた画像特徴量を記憶しておく記憶手段４
と、見本の画像特徴量と検査対象の画像特徴量を比較す
ることにより塗装または塗布結果を評価する評価手段５
とを有する。
て、その塗装または塗布結果を評価する手段、さらに、
塗装または塗布装置を制御する手段を提供する。 【解決手段】粒子状模様の塗装または粒子状物の塗布を
行うシステムにおいて、その塗装または塗布結果を撮像
する撮像手段２と、撮像した画像を処理して画像特徴量
を求める画像処理手段３と、予め見本を撮像した画像を
処理して求めた画像特徴量を記憶しておく記憶手段４
と、見本の画像特徴量と検査対象の画像特徴量を比較す
ることにより塗装または塗布結果を評価する評価手段５
とを有する。
Description
【０００１】
【発明の属する技術分野】本発明は、スプレー等による
粒子状模様の塗装または粒子状物の塗布における、塗装
または塗布の品質検査を定量的に行い、また、塗装また
は塗布装置に適切な操作量を与える塗装システムに関す
るものである。
粒子状模様の塗装または粒子状物の塗布における、塗装
または塗布の品質検査を定量的に行い、また、塗装また
は塗布装置に適切な操作量を与える塗装システムに関す
るものである。
【０００２】
【従来の技術】従来、スプレー等による粒子状模様の塗
装または粒子状物の塗布における、塗装または塗布の品
質検査は、塗装または塗布後に作業員が良品見本と比較
することによる目視検査で行われていた。そして、目視
検査結果に従い、作業員はノウハウによって塗装または
塗布装置を制御していた。
装または粒子状物の塗布における、塗装または塗布の品
質検査は、塗装または塗布後に作業員が良品見本と比較
することによる目視検査で行われていた。そして、目視
検査結果に従い、作業員はノウハウによって塗装または
塗布装置を制御していた。
【０００３】
【発明が解決しようとする課題】しかしながら、作業員
の目視による検査では、良品見本と検査する品物とにど
の程度の違いがあれば不良と判定するかの検査基準が定
量化されておらず、作業員の感覚によるため、検査する
度に基準が変化したり、作業員間の個人差があり、品質
が安定しないという問題があった。例えば、壁材などに
スプレーで粒子状の塗装をする場合、異なるロットの壁
材を壁に貼ると、壁全体にむらが生じるという問題点が
ある。
の目視による検査では、良品見本と検査する品物とにど
の程度の違いがあれば不良と判定するかの検査基準が定
量化されておらず、作業員の感覚によるため、検査する
度に基準が変化したり、作業員間の個人差があり、品質
が安定しないという問題があった。例えば、壁材などに
スプレーで粒子状の塗装をする場合、異なるロットの壁
材を壁に貼ると、壁全体にむらが生じるという問題点が
ある。
【０００４】また、不良が発生した場合にはスプレーの
制御を行うが、制御にとりかかるまでに時間がかかり、
最適な操作量が得られない場合には、試行錯誤のための
時間が必要となり、その間は不良品が生産されることに
なるという問題点がある。
制御を行うが、制御にとりかかるまでに時間がかかり、
最適な操作量が得られない場合には、試行錯誤のための
時間が必要となり、その間は不良品が生産されることに
なるという問題点がある。
【０００５】本発明はこのような点に鑑みてなされたも
のであり、その目的とするところは、粒子状模様の塗装
または粒子状物の塗布において、その塗装または塗布結
果を評価する手段を提供し、また、塗装または塗布装置
を制御する手段を提供することにある。
のであり、その目的とするところは、粒子状模様の塗装
または粒子状物の塗布において、その塗装または塗布結
果を評価する手段を提供し、また、塗装または塗布装置
を制御する手段を提供することにある。
【０００６】
【課題を解決するための手段】本発明にあっては、上記
の課題を解決するために、図１に示すように、粒子状模
様の塗装または粒子状物の塗布を行うシステムにおい
て、その塗装または塗布結果を撮像する撮像手段２と、
撮像した画像を処理して画像特徴量を求める画像処理手
段３と、予め見本を撮像した画像を処理して求めた画像
特徴量を記憶しておく記憶手段４と、見本の画像特徴量
と検査対象の画像特徴量を比較することにより塗装また
は塗布結果を評価する評価手段５とを有することを特徴
とするものである。
の課題を解決するために、図１に示すように、粒子状模
様の塗装または粒子状物の塗布を行うシステムにおい
て、その塗装または塗布結果を撮像する撮像手段２と、
撮像した画像を処理して画像特徴量を求める画像処理手
段３と、予め見本を撮像した画像を処理して求めた画像
特徴量を記憶しておく記憶手段４と、見本の画像特徴量
と検査対象の画像特徴量を比較することにより塗装また
は塗布結果を評価する評価手段５とを有することを特徴
とするものである。
【０００７】
【発明の実施の形態】図１は本発明の実施例１の概略構
成図である。この実施例は、請求項１に対応しており、
粒子状模様の塗装または粒子状物の塗布を行うシステム
において、その塗装または塗布結果を撮像し、撮像した
画像を処理して求めた画像特徴量を、予め見本を撮像し
た画像を処理して求めた画像特徴量と比較することによ
り、塗装または塗布結果を評価するものである。図中、
１は検査品であり、例えば、表面に粒子状模様をスプレ
ー塗装した壁材のようなものである。２はＣＣＤカメラ
のような撮像手段であり、検査品１の表面を撮像して映
像信号を出力する。３は画像処理装置であり、カメラ２
から取り込んだ映像信号を処理して、様々な画像特徴量
を出力する。例えば、粒子状部の密度（個数／面積）、
粒子状部の面積分布、粒子状部とそれ以外の部分の面積
比、粒子状部の色、粒子状部以外の色、などの特徴量を
出力する。４は見本画像データであり、検査品１として
良品見本をカメラ２で撮像したときに、画像処理装置３
から得られた画像特徴量を予め記憶している。５は評価
装置であり、検査品１をカメラで撮像したときに、画像
処理装置３から得られる画像特徴量を、予め記憶された
見本画像データ４と比較して、塗装または塗布の品質を
定量的に評価する。６は出力装置であり、評価結果を数
値データとして定量的に出力したり、あるいは、良／不
良の判定結果として出力する。このシステムを用いる
と、塗装または塗布の品質を定量的に評価することがで
きる。
成図である。この実施例は、請求項１に対応しており、
粒子状模様の塗装または粒子状物の塗布を行うシステム
において、その塗装または塗布結果を撮像し、撮像した
画像を処理して求めた画像特徴量を、予め見本を撮像し
た画像を処理して求めた画像特徴量と比較することによ
り、塗装または塗布結果を評価するものである。図中、
１は検査品であり、例えば、表面に粒子状模様をスプレ
ー塗装した壁材のようなものである。２はＣＣＤカメラ
のような撮像手段であり、検査品１の表面を撮像して映
像信号を出力する。３は画像処理装置であり、カメラ２
から取り込んだ映像信号を処理して、様々な画像特徴量
を出力する。例えば、粒子状部の密度（個数／面積）、
粒子状部の面積分布、粒子状部とそれ以外の部分の面積
比、粒子状部の色、粒子状部以外の色、などの特徴量を
出力する。４は見本画像データであり、検査品１として
良品見本をカメラ２で撮像したときに、画像処理装置３
から得られた画像特徴量を予め記憶している。５は評価
装置であり、検査品１をカメラで撮像したときに、画像
処理装置３から得られる画像特徴量を、予め記憶された
見本画像データ４と比較して、塗装または塗布の品質を
定量的に評価する。６は出力装置であり、評価結果を数
値データとして定量的に出力したり、あるいは、良／不
良の判定結果として出力する。このシステムを用いる
と、塗装または塗布の品質を定量的に評価することがで
きる。
【０００８】図２は本発明の実施例２における検査画像
表示画面の一例を示す説明図である。この実施例は、請
求項１、２に対応するものであり、上述の実施例１にお
いて、カメラ２により得られた撮像画像を画像処理装置
３で２値化して、粒子状部を決定し、少なくとも、粒子
状部の密度、及び面積分布を画像特徴量のデータとし、
見本品の画像特徴量のデータとともに画面に表示する。
図２の表示例では、粒子状部の密度は、単位面積当たり
の個数として表示されており、検査品の密度、見本品の
密度、両者の差が並べて表示されている。また、粒子状
部の面積分布については、面積を縦軸、個数を横軸にと
ってグラフ化して表示すると共に、面積の平均値も併せ
て表示している。この方法を用いると、作業員が出力装
置６の表示画面を見て塗装結果の特徴量を定量的に把握
することができる。
表示画面の一例を示す説明図である。この実施例は、請
求項１、２に対応するものであり、上述の実施例１にお
いて、カメラ２により得られた撮像画像を画像処理装置
３で２値化して、粒子状部を決定し、少なくとも、粒子
状部の密度、及び面積分布を画像特徴量のデータとし、
見本品の画像特徴量のデータとともに画面に表示する。
図２の表示例では、粒子状部の密度は、単位面積当たり
の個数として表示されており、検査品の密度、見本品の
密度、両者の差が並べて表示されている。また、粒子状
部の面積分布については、面積を縦軸、個数を横軸にと
ってグラフ化して表示すると共に、面積の平均値も併せ
て表示している。この方法を用いると、作業員が出力装
置６の表示画面を見て塗装結果の特徴量を定量的に把握
することができる。
【０００９】図３は本発明の実施例３の概略構成図であ
る。この実施例は、請求項１、３に対応しており、上述
の実施例１において、検査品と見本品の複数の画像特徴
量を基に演算して良／不良の評価を行うものである。図
中、見本品画像特徴量１，２，…，ｎは、図１の見本画
像データ４として予め記憶された画像特徴量のデータで
あり、良品見本における粒子状部の密度（個数／面
積）、粒子状部の面積分布、粒子状部とそれ以外の部分
の面積比、粒子状部の色、粒子状部以外の色、…などで
ある。検査品画像特徴量１，２，…，ｎは、図１の画像
処理装置３から得られる検査品１の画像特徴量のデータ
であり、検査品における粒子状部の密度（個数／面
積）、粒子状部の面積分布、粒子状部とそれ以外の部分
の面積比、粒子状部の色、粒子状部以外の色、…などで
ある。評価演算部５ａでは、見本品と検査品の複数の画
像特徴量１，２，…，ｎをそれぞれ対比した結果として
良／不良判定のデータを出力するものであり、これによ
り、人間の感覚に近い総合的な評価を行うことができ
る。複数の画像特徴量１，２，…，ｎを総合的に考慮し
て良／不良判定を行う手段の具体例については、実施例
４〜６として以下に説明する。
る。この実施例は、請求項１、３に対応しており、上述
の実施例１において、検査品と見本品の複数の画像特徴
量を基に演算して良／不良の評価を行うものである。図
中、見本品画像特徴量１，２，…，ｎは、図１の見本画
像データ４として予め記憶された画像特徴量のデータで
あり、良品見本における粒子状部の密度（個数／面
積）、粒子状部の面積分布、粒子状部とそれ以外の部分
の面積比、粒子状部の色、粒子状部以外の色、…などで
ある。検査品画像特徴量１，２，…，ｎは、図１の画像
処理装置３から得られる検査品１の画像特徴量のデータ
であり、検査品における粒子状部の密度（個数／面
積）、粒子状部の面積分布、粒子状部とそれ以外の部分
の面積比、粒子状部の色、粒子状部以外の色、…などで
ある。評価演算部５ａでは、見本品と検査品の複数の画
像特徴量１，２，…，ｎをそれぞれ対比した結果として
良／不良判定のデータを出力するものであり、これによ
り、人間の感覚に近い総合的な評価を行うことができ
る。複数の画像特徴量１，２，…，ｎを総合的に考慮し
て良／不良判定を行う手段の具体例については、実施例
４〜６として以下に説明する。
【００１０】まず、実施例４は良／不良判定の演算に線
型判別関数を用いるものであり、請求項１、３、４に対
応する。この実施例では、実施例３において、良／不良
判定の演算に用いる画像特徴量として、粒子状部の密度
Ｄ＝（個数／面積）、及び、粒子状部とそれ以外の部分
の面積比Ｓ＝（粒子状部の面積）／（粒子状部以外の部
分の面積）を採用し、それぞれ良品見本画像特徴量と検
査品画像特徴量との差をとりΔＤ、ΔＳとする。予め、
複数の検査対象を用いてΔＤ、ΔＳ及びそのとき作業員
が行った良／不良判定結果のデータを集める。集めたデ
ータを用いて線形判別関数を求める。得られる線形判別
関数は、ｚ＝Ａ１×ΔＤ＋Ａ２×ΔＳ＋Ａ０となる。た
だし、Ａ０〜Ａ２は重み付けのための係数である。生産
を行う場合は、ΔＤ，ΔＳを式に代入し、ｚの正負で良
／不良判定を実施する。ｚの値は判別得点と呼ばれ、良
／不良の度合いを知ることができる。また、マハラノビ
スの距離を用いても、良／不良判定を実施できる。この
方法を用いると、複数の条件から簡単な演算で良／不良
の判定ができ、その度合いも知ることができる。
型判別関数を用いるものであり、請求項１、３、４に対
応する。この実施例では、実施例３において、良／不良
判定の演算に用いる画像特徴量として、粒子状部の密度
Ｄ＝（個数／面積）、及び、粒子状部とそれ以外の部分
の面積比Ｓ＝（粒子状部の面積）／（粒子状部以外の部
分の面積）を採用し、それぞれ良品見本画像特徴量と検
査品画像特徴量との差をとりΔＤ、ΔＳとする。予め、
複数の検査対象を用いてΔＤ、ΔＳ及びそのとき作業員
が行った良／不良判定結果のデータを集める。集めたデ
ータを用いて線形判別関数を求める。得られる線形判別
関数は、ｚ＝Ａ１×ΔＤ＋Ａ２×ΔＳ＋Ａ０となる。た
だし、Ａ０〜Ａ２は重み付けのための係数である。生産
を行う場合は、ΔＤ，ΔＳを式に代入し、ｚの正負で良
／不良判定を実施する。ｚの値は判別得点と呼ばれ、良
／不良の度合いを知ることができる。また、マハラノビ
スの距離を用いても、良／不良判定を実施できる。この
方法を用いると、複数の条件から簡単な演算で良／不良
の判定ができ、その度合いも知ることができる。
【００１１】次に、実施例５は良／不良判定の演算にフ
ァジィ推論を用いるものであり、請求項１、３、５に対
応する。この実施例でも、良／不良判定の演算に用いる
画像特徴量として、粒子状部の密度Ｄ＝（個数／面
積）、及び、粒子状部とそれ以外の部分の面積比Ｓ＝
（粒子状部の面積）／（粒子状部以外の部分の面積）を
採用し、それぞれ良品見本画像特徴量と検査品画像特徴
量との差をとりΔＤ，ΔＳとする。そして、図４に示す
ように、ΔＤ，ΔＳをファジィ推論規則の前件部入力変
数とし、判定データを後件部出力変数とする。判定デー
タは、例えば、不良（ＮＧ）を０点、良品（ＯＫ）を１
００点とした場合の、作業者の付けた点数を用いる。作
業者の判定規則を用いて以下のようなルールを作成し、
複数のデータを用いてメンバーシップ関数のチューニン
グを行う。
ァジィ推論を用いるものであり、請求項１、３、５に対
応する。この実施例でも、良／不良判定の演算に用いる
画像特徴量として、粒子状部の密度Ｄ＝（個数／面
積）、及び、粒子状部とそれ以外の部分の面積比Ｓ＝
（粒子状部の面積）／（粒子状部以外の部分の面積）を
採用し、それぞれ良品見本画像特徴量と検査品画像特徴
量との差をとりΔＤ，ΔＳとする。そして、図４に示す
ように、ΔＤ，ΔＳをファジィ推論規則の前件部入力変
数とし、判定データを後件部出力変数とする。判定デー
タは、例えば、不良（ＮＧ）を０点、良品（ＯＫ）を１
００点とした場合の、作業者の付けた点数を用いる。作
業者の判定規則を用いて以下のようなルールを作成し、
複数のデータを用いてメンバーシップ関数のチューニン
グを行う。
【００１２】 実際に検査を行う場合には、ΔＤ，ΔＳを求めて、チュ
ーニング後のメンバーシップ関数を用いて判定データを
演算し、予め設定したしきい値により良／不良の判定を
行う。この方法を用いると、作業者の規則に応じた良／
不良の判定ができ、また、その度合いも知ることができ
る。
ーニング後のメンバーシップ関数を用いて判定データを
演算し、予め設定したしきい値により良／不良の判定を
行う。この方法を用いると、作業者の規則に応じた良／
不良の判定ができ、また、その度合いも知ることができ
る。
【００１３】次に、実施例６は良／不良判定の演算にニ
ューラルネットワーク（ＮＮ）を用いるものであり、請
求項１、３、６に対応する。この実施例でも、良／不良
判定の演算に用いる画像特徴量として、粒子状部の密度
Ｄ＝（個数／面積）、及び、粒子状部とそれ以外の部分
の面積比Ｓ＝（粒子状部の面積）／（粒子状部以外の部
分の面積）を採用し、それぞれ良品見本画像特徴量と検
査品画像特徴量との差をとりΔＤ，ΔＳとする。そし
て、図５に示すように、ΔＤ，ΔＳをニューラルネット
ワークの入力変数とし、判定データを教師データとして
ニューラルネットワークを学習させる。判定データは、
例えば、不良を０点、良品を１００点とした場合の、作
業者の付けた点数を用いる。
ューラルネットワーク（ＮＮ）を用いるものであり、請
求項１、３、６に対応する。この実施例でも、良／不良
判定の演算に用いる画像特徴量として、粒子状部の密度
Ｄ＝（個数／面積）、及び、粒子状部とそれ以外の部分
の面積比Ｓ＝（粒子状部の面積）／（粒子状部以外の部
分の面積）を採用し、それぞれ良品見本画像特徴量と検
査品画像特徴量との差をとりΔＤ，ΔＳとする。そし
て、図５に示すように、ΔＤ，ΔＳをニューラルネット
ワークの入力変数とし、判定データを教師データとして
ニューラルネットワークを学習させる。判定データは、
例えば、不良を０点、良品を１００点とした場合の、作
業者の付けた点数を用いる。
【００１４】実際に検査を行う場合には、ΔＤ，ΔＳを
求めて、学習後のニューラルネットワークを用いて判定
データを演算し、予め設定したしきい値により良／不良
の判定を行う。この方法を用いると、ΔＤ，ΔＳと判定
データとの関係が非線形であっても良／不良の判定がで
き、また、その度合いも知ることができる。
求めて、学習後のニューラルネットワークを用いて判定
データを演算し、予め設定したしきい値により良／不良
の判定を行う。この方法を用いると、ΔＤ，ΔＳと判定
データとの関係が非線形であっても良／不良の判定がで
き、また、その度合いも知ることができる。
【００１５】図６は本発明の実施例７における検査画像
表示画面の一例を示す説明図である。この実施例は、請
求項１〜９に対応しており、上述の実施例１〜６におい
て、画像特徴量および評価結果を時系列的にモニター表
示するものである。この表示例では、良品見本と検査品
の画像特徴量として、粒子状部の密度Ｄ、及び、粒子状
部とそれ以外の部分の面積比Ｓを比較して、それぞれの
差ΔＤ，ΔＳの時間的な変化を画面に表示している。ま
た、判定データとして良／不良（ＯＫ／ＮＧ）の度合い
を時系列的に画面に表示している。この方法を用いる
と、判定データの変動を予測することができ、したがっ
て、不良品が出る前に、作業者の判断で塗布装置の調整
が可能となる。
表示画面の一例を示す説明図である。この実施例は、請
求項１〜９に対応しており、上述の実施例１〜６におい
て、画像特徴量および評価結果を時系列的にモニター表
示するものである。この表示例では、良品見本と検査品
の画像特徴量として、粒子状部の密度Ｄ、及び、粒子状
部とそれ以外の部分の面積比Ｓを比較して、それぞれの
差ΔＤ，ΔＳの時間的な変化を画面に表示している。ま
た、判定データとして良／不良（ＯＫ／ＮＧ）の度合い
を時系列的に画面に表示している。この方法を用いる
と、判定データの変動を予測することができ、したがっ
て、不良品が出る前に、作業者の判断で塗布装置の調整
が可能となる。
【００１６】図７は本発明の実施例８の概略構成図であ
る。この実施例は、請求項１、２、１１に対応してお
り、図１に示した実施例１の塗装システムにおいて、出
力装置６に代えて、塗装制御変数操作量生成装置７を設
けて、評価装置５の評価結果に基づいて塗装制御変数操
作量を生成し、コントローラ８を介して塗装装置９を制
御するようにしたものである。このようにすれば、塗装
結果の評価に応じて塗装装置９をリアルタイムに調整で
き、高品質の塗装が実現できる。
る。この実施例は、請求項１、２、１１に対応してお
り、図１に示した実施例１の塗装システムにおいて、出
力装置６に代えて、塗装制御変数操作量生成装置７を設
けて、評価装置５の評価結果に基づいて塗装制御変数操
作量を生成し、コントローラ８を介して塗装装置９を制
御するようにしたものである。このようにすれば、塗装
結果の評価に応じて塗装装置９をリアルタイムに調整で
き、高品質の塗装が実現できる。
【００１７】ここで、塗装制御変数としては、例えば、
塗料噴射圧Ｐ、塗料噴射高さＨなどが考えられる。これ
らの塗装制御変数の操作量を生成する手段の具体例につ
いて、以下、実施例９〜１１として説明する。
塗料噴射圧Ｐ、塗料噴射高さＨなどが考えられる。これ
らの塗装制御変数の操作量を生成する手段の具体例につ
いて、以下、実施例９〜１１として説明する。
【００１８】まず、実施例９は塗装制御変数操作量の演
算に重回帰式を用いるものであり、請求項１、２、１
１、１２に対応する。この実施例では、実施例８におい
て、画像特徴量として、粒子状部の密度Ｄ＝（個数／面
積）、及び、粒子状部とそれ以外の部分の面積比Ｓ＝
（粒子状部の面積）／（粒子状部以外の部分の面積）を
使用し、また、塗装制御変数として、塗料噴射圧Ｐと塗
料噴射高さＨを用いる。そして、塗装制御変数設定値
（ΔＰ，ΔＨ）を変化させたときの画像特徴量の変化量
（ΔＤ，ΔＳ）のデータを複数収集し、回帰用データと
する。回帰用データを基に次の重回帰式を求める。
算に重回帰式を用いるものであり、請求項１、２、１
１、１２に対応する。この実施例では、実施例８におい
て、画像特徴量として、粒子状部の密度Ｄ＝（個数／面
積）、及び、粒子状部とそれ以外の部分の面積比Ｓ＝
（粒子状部の面積）／（粒子状部以外の部分の面積）を
使用し、また、塗装制御変数として、塗料噴射圧Ｐと塗
料噴射高さＨを用いる。そして、塗装制御変数設定値
（ΔＰ，ΔＨ）を変化させたときの画像特徴量の変化量
（ΔＤ，ΔＳ）のデータを複数収集し、回帰用データと
する。回帰用データを基に次の重回帰式を求める。
【００１９】 ΔＰ＝Ａ１１×ΔＤ＋Ａ１２×ΔＳ＋Ａ１０ ΔＨ＝Ａ２１×ΔＤ＋Ａ２２×ΔＳ＋Ａ２０ ただし、Ａｉｊ（ｉ＝１，２；ｊ＝０，１，２）は求め
る係数である。実際に生産を行う場合には、上式のΔＤ
とΔＳに良品見本画像特徴量と検査品画像特徴量との差
を代入し、ΔＰ，ΔＨを求めて、これらを塗装制御変数
の操作量とする。生産する対象によって、塗装制御変数
操作量生成装置７へ入力される画像特徴量データの種類
や塗装制御変数の数を変更する必要があるが、それに応
じて、重回帰式中の変数の種類・数を変化させて、制御
変数の数の分だけ重回帰式を導けば良い。このようにす
れば、複数の画像特徴量から、簡単な演算で塗装制御操
作量が得られる。
る係数である。実際に生産を行う場合には、上式のΔＤ
とΔＳに良品見本画像特徴量と検査品画像特徴量との差
を代入し、ΔＰ，ΔＨを求めて、これらを塗装制御変数
の操作量とする。生産する対象によって、塗装制御変数
操作量生成装置７へ入力される画像特徴量データの種類
や塗装制御変数の数を変更する必要があるが、それに応
じて、重回帰式中の変数の種類・数を変化させて、制御
変数の数の分だけ重回帰式を導けば良い。このようにす
れば、複数の画像特徴量から、簡単な演算で塗装制御操
作量が得られる。
【００２０】次に、実施例１０は塗装制御変数操作量の
演算にファジイ推論を用いるものであり、請求項１、
２、１１、１３に対応する。この実施例でも、画像特徴
量として、粒子状部の密度Ｄ＝（個数／面積）、及び、
粒子状部とそれ以外の部分の面積比Ｓ＝（粒子状部の面
積）／（粒子状部以外の部分の面積）を使用し、また、
塗装制御変数として、塗料噴射圧Ｐと塗料噴射高さＨを
用いる。そして、検査品画像特徴量と良品見本画像特徴
量との間に差（ΔＤ，ΔＳ）がある場合に、塗装制御変
数の操作量（ΔＰ，ΔＨ）を設定する作業者のノウハウ
から、ΔＤ・ΔＳを前件部、ΔＰ・ΔＨを後件部とした
ルールを作成する。例えば、次のようなルールを作成す
る。
演算にファジイ推論を用いるものであり、請求項１、
２、１１、１３に対応する。この実施例でも、画像特徴
量として、粒子状部の密度Ｄ＝（個数／面積）、及び、
粒子状部とそれ以外の部分の面積比Ｓ＝（粒子状部の面
積）／（粒子状部以外の部分の面積）を使用し、また、
塗装制御変数として、塗料噴射圧Ｐと塗料噴射高さＨを
用いる。そして、検査品画像特徴量と良品見本画像特徴
量との間に差（ΔＤ，ΔＳ）がある場合に、塗装制御変
数の操作量（ΔＰ，ΔＨ）を設定する作業者のノウハウ
から、ΔＤ・ΔＳを前件部、ΔＰ・ΔＨを後件部とした
ルールを作成する。例えば、次のようなルールを作成す
る。
【００２１】 ｉｆ ΔＤ＝大 ｔｈｅｎ 塗装噴射高さＨを上げる ｉｆ ΔＳ＝大 ｔｈｅｎ 塗装噴射圧Ｐを下げる …（後略）… 次に、塗装制御変数設定値を所定の操作量（ΔＰ，Δ
Ｈ）で変化させたときの画像特徴量の変化量（ΔＤ，Δ
Ｓ）のデータを複数収集し、チューニング用データとす
る。このチューニング用データで上のルールに基づき、
図８に示すようなメンバーシップ関数をチューニングす
る。
Ｈ）で変化させたときの画像特徴量の変化量（ΔＤ，Δ
Ｓ）のデータを複数収集し、チューニング用データとす
る。このチューニング用データで上のルールに基づき、
図８に示すようなメンバーシップ関数をチューニングす
る。
【００２２】実際に生産を行う場合には、画像特徴量の
変化量（ΔＤ，ΔＳ）として、良品見本画像特徴量と検
査品画像特徴量との差を用いてファジィ推論を行い、塗
装制御変数の操作量（ΔＰ，ΔＨ）を求める。生産する
対象によって、塗装制御変数操作量生成装置７へ入力さ
れる画像特徴量データの種類や塗装制御変数の数を変更
する必要があるが、それに応じて、前件部入力及び後件
部出力の数を変更してファジィ推論部を構成する。本実
施例によれば、複数の画像特徴量から、簡単な演算で塗
装制御操作量が得られる。
変化量（ΔＤ，ΔＳ）として、良品見本画像特徴量と検
査品画像特徴量との差を用いてファジィ推論を行い、塗
装制御変数の操作量（ΔＰ，ΔＨ）を求める。生産する
対象によって、塗装制御変数操作量生成装置７へ入力さ
れる画像特徴量データの種類や塗装制御変数の数を変更
する必要があるが、それに応じて、前件部入力及び後件
部出力の数を変更してファジィ推論部を構成する。本実
施例によれば、複数の画像特徴量から、簡単な演算で塗
装制御操作量が得られる。
【００２３】次に、実施例１１は塗装制御変数操作量の
演算にニューラルネットワークを用いるものであり、請
求項１、２、１１、１４に対応する。この実施例でも、
画像特徴量として、粒子状部の密度Ｄ＝（個数／面
積）、及び、粒子状部とそれ以外の部分の面積比Ｓ＝
（粒子状部の面積）／（粒子状部以外の部分の面積）を
使用し、また、塗装制御変数として、塗料噴射圧Ｐと塗
料噴射高さＨを用いる。そして、塗装制御変数の設定値
を所定の操作量（ΔＰ，ΔＨ）で変化させたときの画像
特徴量の変化量（ΔＤ，ΔＳ）のデータを複数収集し、
学習データとする。この学習データを基にバックプロパ
ゲーション等の方法を用いてニューラルネットワークの
学習を行う。
演算にニューラルネットワークを用いるものであり、請
求項１、２、１１、１４に対応する。この実施例でも、
画像特徴量として、粒子状部の密度Ｄ＝（個数／面
積）、及び、粒子状部とそれ以外の部分の面積比Ｓ＝
（粒子状部の面積）／（粒子状部以外の部分の面積）を
使用し、また、塗装制御変数として、塗料噴射圧Ｐと塗
料噴射高さＨを用いる。そして、塗装制御変数の設定値
を所定の操作量（ΔＰ，ΔＨ）で変化させたときの画像
特徴量の変化量（ΔＤ，ΔＳ）のデータを複数収集し、
学習データとする。この学習データを基にバックプロパ
ゲーション等の方法を用いてニューラルネットワークの
学習を行う。
【００２４】実際に生産を行う場合には、図９に示すよ
うに、学習済みニューラルネットワークの入力（ΔＤ，
ΔＳ）に良品見本画像特徴量と検査品画像特徴量との差
を代入し、ニューラルネットワークからの出力（ΔＰ，
ΔＨ）を塗装制御変数の操作量とする。生産する対象に
よって、塗装制御変数操作量生成装置７へ入力される画
像特徴量データの種類や塗装制御変数の数を変更する必
要があるが、それに応じて、ニューラルネットワークの
入力・出力の数を変更する。本実施例では、画像特徴量
と塗装制御変数操作量との関係が非線形であっても適切
な塗装制御操作量が得られる。
うに、学習済みニューラルネットワークの入力（ΔＤ，
ΔＳ）に良品見本画像特徴量と検査品画像特徴量との差
を代入し、ニューラルネットワークからの出力（ΔＰ，
ΔＨ）を塗装制御変数の操作量とする。生産する対象に
よって、塗装制御変数操作量生成装置７へ入力される画
像特徴量データの種類や塗装制御変数の数を変更する必
要があるが、それに応じて、ニューラルネットワークの
入力・出力の数を変更する。本実施例では、画像特徴量
と塗装制御変数操作量との関係が非線形であっても適切
な塗装制御操作量が得られる。
【００２５】図１０は本発明の実施例１２の概略構成図
である。この実施例は、請求項１、２、１１〜１８に対
応しており、図７に示した実施例８〜１１の塗装システ
ムにおいて、塗装制御変数操作量生成装置７での演算則
を構築するために使用したデータ（実施例９では回帰用
データ、実施例１０ではチューニング用データ、実施例
１１では学習用データ）を実績データとして保存してお
くものである。実績データ生成装置１０では、生産時に
おいて、塗装制御変数操作量と検査品画像特徴量をモニ
ターしておき、操作量が一つでも変化した場合に、全て
の操作量の変化量と、それに対応する画像特徴量の変化
量を生成し、実績データ１１に加える。適切な操作量が
得られなくなった場合、あるいは定期的な更新の機会な
どに、実績データ１１を用いて演算則を再構築する。す
なわち、実施例９の重回帰分析、実施例１０のファジィ
チューニング、実施例１１のニューラルネットワーク学
習等を再度行う。実績データ１１は蓄積したデータを全
て使う必要はなく、最近のもの等、必要なものだけを使
っても良い。この実施例によれば、生産条件やシステム
の経時変化等があっても、演算則が更新されるため、適
切な操作量が得られる。
である。この実施例は、請求項１、２、１１〜１８に対
応しており、図７に示した実施例８〜１１の塗装システ
ムにおいて、塗装制御変数操作量生成装置７での演算則
を構築するために使用したデータ（実施例９では回帰用
データ、実施例１０ではチューニング用データ、実施例
１１では学習用データ）を実績データとして保存してお
くものである。実績データ生成装置１０では、生産時に
おいて、塗装制御変数操作量と検査品画像特徴量をモニ
ターしておき、操作量が一つでも変化した場合に、全て
の操作量の変化量と、それに対応する画像特徴量の変化
量を生成し、実績データ１１に加える。適切な操作量が
得られなくなった場合、あるいは定期的な更新の機会な
どに、実績データ１１を用いて演算則を再構築する。す
なわち、実施例９の重回帰分析、実施例１０のファジィ
チューニング、実施例１１のニューラルネットワーク学
習等を再度行う。実績データ１１は蓄積したデータを全
て使う必要はなく、最近のもの等、必要なものだけを使
っても良い。この実施例によれば、生産条件やシステム
の経時変化等があっても、演算則が更新されるため、適
切な操作量が得られる。
【００２６】図１１は本発明の実施例１３の概略構成図
である。この実施例は、請求項１、２、１１〜１９に対
応しており、図１０に示した実施例１２の塗装システム
において、塗装装置９がスプレーによる塗料の吹き付け
塗装を行う場合、塗料の粘性を画像特徴量データと同
様、塗装制御変数操作量生成装置７の入力とするもので
ある。この実施例によると、塗装品質に影響を与える塗
料の粘度が塗料のロット間で変動したり、同一ロットで
も最初と最後で変化する場合でも、適切な塗装制御変数
操作量が得られる。
である。この実施例は、請求項１、２、１１〜１９に対
応しており、図１０に示した実施例１２の塗装システム
において、塗装装置９がスプレーによる塗料の吹き付け
塗装を行う場合、塗料の粘性を画像特徴量データと同
様、塗装制御変数操作量生成装置７の入力とするもので
ある。この実施例によると、塗装品質に影響を与える塗
料の粘度が塗料のロット間で変動したり、同一ロットで
も最初と最後で変化する場合でも、適切な塗装制御変数
操作量が得られる。
【００２７】
【発明の効果】請求項１の発明によれば、検査工程の自
動化ができ、塗装または塗布品質を定量的に評価できる
という効果がある。請求項２の発明によれば、作業員が
塗装品質を定量的に評価できるという効果がある。請求
項３の発明によれば、複数の画像特徴量を考慮でき、人
間の感覚に近い総合的な評価を行うことができるという
効果がある。請求項４の発明によれば、複数の条件から
簡単な演算で良／不良の判定ができるという効果があ
る。請求項５の発明によれば、判定規則を簡単に演算則
に置き換えることができるという効果がある。請求項６
の発明によれば、画像特徴量と判定の関係が非線形であ
っても演算ができるという効果がある。
動化ができ、塗装または塗布品質を定量的に評価できる
という効果がある。請求項２の発明によれば、作業員が
塗装品質を定量的に評価できるという効果がある。請求
項３の発明によれば、複数の画像特徴量を考慮でき、人
間の感覚に近い総合的な評価を行うことができるという
効果がある。請求項４の発明によれば、複数の条件から
簡単な演算で良／不良の判定ができるという効果があ
る。請求項５の発明によれば、判定規則を簡単に演算則
に置き換えることができるという効果がある。請求項６
の発明によれば、画像特徴量と判定の関係が非線形であ
っても演算ができるという効果がある。
【００２８】請求項１０の発明によれば、熟練作業者の
ノウハウにより塗装条件の微妙な調整が行えるという効
果がある。請求項１１の発明によれば、塗装または塗布
条件を結果に応じてリアルタイムに調整でき、高品質の
塗装が実現できるという効果がある。請求項１２の発明
によれば、複数の条件から簡単な演算で塗装制御変数操
作量が得られるという効果がある。請求項１３の発明に
よれば、作業者の塗装制御則を演算に簡単に取り込むこ
とができるという効果がある。請求項１４の発明によれ
ば、画像特徴量と塗装制御量との関係が非線形であって
も演算できるという効果がある。
ノウハウにより塗装条件の微妙な調整が行えるという効
果がある。請求項１１の発明によれば、塗装または塗布
条件を結果に応じてリアルタイムに調整でき、高品質の
塗装が実現できるという効果がある。請求項１２の発明
によれば、複数の条件から簡単な演算で塗装制御変数操
作量が得られるという効果がある。請求項１３の発明に
よれば、作業者の塗装制御則を演算に簡単に取り込むこ
とができるという効果がある。請求項１４の発明によれ
ば、画像特徴量と塗装制御量との関係が非線形であって
も演算できるという効果がある。
【００２９】請求項１８の発明によれば、より適切な塗
装制御操作量が得られるという効果がある。請求項１９
の発明によれば、塗料もしくは粒子状物の特性値が安定
していない場合でも適切な塗装ができるという効果があ
る。
装制御操作量が得られるという効果がある。請求項１９
の発明によれば、塗料もしくは粒子状物の特性値が安定
していない場合でも適切な塗装ができるという効果があ
る。
【図１】本発明の実施例１の概略構成図である。
【図２】本発明の実施例２における検査画像表示画面の
一例を示す説明図である。
一例を示す説明図である。
【図３】本発明の実施例３の概略構成図である。
【図４】本発明の実施例５に用いるメンバーシップ関数
の説明図である。
の説明図である。
【図５】本発明の実施例６に用いるニューラルネットワ
ークの説明図である。
ークの説明図である。
【図６】本発明の実施例７における検査画像表示画面の
一例を示す説明図である。
一例を示す説明図である。
【図７】本発明の実施例８の概略構成図である。
【図８】本発明の実施例１０に用いるメンバーシップ関
数の説明図である。
数の説明図である。
【図９】本発明の実施例１１に用いるニューラルネット
ワークの説明図である。
ワークの説明図である。
【図１０】本発明の実施例１２の概略構成図である。
【図１１】本発明の実施例１３の概略構成図である。
１ 検査品（被検査物） ２ カメラ ３ 画像処理装置 ４ 見本画像（特徴量）データ ５ 評価装置 ６ 出力装置
Claims (19)
- 【請求項１】 粒子状模様の塗装または粒子状物の塗
布を行うシステムにおいて、その塗装または塗布結果を
撮像する撮像手段と、撮像した画像を処理して画像特徴
量を求める画像処理手段と、予め見本を撮像した画像を
処理して求めた画像特徴量を記憶しておく記憶手段と、
見本の画像特徴量と検査対象の画像特徴量を比較するこ
とにより塗装または塗布結果を評価する評価手段とを有
することを特徴とする塗装システム。 - 【請求項２】 画像処理手段は、撮像した画像中の粒
子状部を計数し、少なくとも単位面積当たりの粒子状部
の個数を画像特徴量とすることを特徴とする請求項１記
載の塗装システム。 - 【請求項３】 評価手段は、複数の種類の画像特徴量
に基づいて検査対象の良／不良の判定を行うことを特徴
とする請求項１記載の塗装システム。 - 【請求項４】 評価手段は、検査対象の良／不良の判
定に、複数の種類の画像特徴量に個別の重み付けを与え
る線形関数を用いることを特徴とする請求項３記載の塗
装システム。 - 【請求項５】 評価手段は、複数の種類の画像特徴量
に基づく検査対象の良／不良の判定に、ファジィ推論を
用いることを特徴とする請求項３記載の塗装システム。 - 【請求項６】 評価手段は、複数の種類の画像特徴量
に基づく検査対象の良／不良の判定に、学習済みのニュ
ーラルネットワークを用いることを特徴とする請求項３
記載の塗装システム。 - 【請求項７】 画像特徴量として、少なくとも粒子状
部の単位面積当たりの個数を用いることを特徴とする請
求項３乃至６のいずれかに記載の塗装システム。 - 【請求項８】 画像特徴量として、少なくとも粒子状
部の面積分布を用いることを特徴とする請求項３乃至７
のいずれかに記載の塗装システム。 - 【請求項９】 画像特徴量として、少なくとも粒子状
部とそれ以外の部分の面積比を用いることを特徴とする
請求項３乃至８のいずれかに記載の塗装システム。 - 【請求項１０】 画像処理手段により得られた画像特
徴量、及び評価手段により得られた評価結果を時系列的
に表示する出力手段を更に備えることを特徴とする請求
項１乃至９のいずれかに記載の塗装システム。 - 【請求項１１】 評価手段の出力に基づいて塗装制御
変数の操作量を生成する演算手段と、該操作量に従って
塗装条件を変更する制御手段を更に備えることを特徴と
する請求項１又は２に記載の塗装システム。 - 【請求項１２】 操作量生成演算に重回帰分析を用い
ることを特徴とする請求項１又は２又は１１に記載の塗
装システム。 - 【請求項１３】 操作量生成演算にファジィ推論を用
いることを特徴とする請求項１又は２又は１１に記載の
塗装システム。 - 【請求項１４】 操作量生成演算に学習済みのニュー
ラルネットワークを用いることを特徴とする請求項１又
は２又は１１に記載の塗装システム。 - 【請求項１５】 塗装制御変数として、少なくとも塗
料噴射圧を用いることを特徴とする請求項１２又は１３
又は１４に記載の塗装システム。 - 【請求項１６】 塗装制御変数として、少なくとも塗
料噴射高さを用いることを特徴とする請求項１２又は１
３又は１４に記載の塗装システム。 - 【請求項１７】 塗装制御変数として、塗料噴射圧と
塗料噴射高さの組み合わせを用いることを特徴とする請
求項１２又は１３又は１４に記載の塗装システム。 - 【請求項１８】 操作量が変化した場合に、操作量変
化量とそれに対応する画像特徴量の変化を実績データと
して蓄積する手段と、蓄積された実績データを用いて操
作量生成演算の更新を行う手段を更に備えることを特徴
とする請求項１１乃至１７のいずれかに記載の塗装シス
テム。 - 【請求項１９】 塗料もしくは粒子状物の特性値を操
作量生成演算に用いることを特徴とする請求項１又は２
又は１１乃至１８のいずれかに記載の塗装システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9201967A JPH1145337A (ja) | 1997-07-28 | 1997-07-28 | 塗装システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9201967A JPH1145337A (ja) | 1997-07-28 | 1997-07-28 | 塗装システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1145337A true JPH1145337A (ja) | 1999-02-16 |
Family
ID=16449741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9201967A Pending JPH1145337A (ja) | 1997-07-28 | 1997-07-28 | 塗装システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1145337A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007037074A1 (ja) * | 2005-09-27 | 2007-04-05 | Kansai Paint Co., Ltd. | 多彩模様塗膜の塗料条件・塗装条件の決定装置、決定方法、決定プログラム及びその記録媒体 |
| JP2007225158A (ja) * | 2006-02-21 | 2007-09-06 | Mitsubishi Electric Corp | 除霜運転制御装置および除霜運転制御方法 |
| JP6216024B1 (ja) * | 2016-11-15 | 2017-10-18 | 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ | 学習済モデル生成方法及び信号データ判別装置 |
| WO2019171498A1 (ja) * | 2018-03-07 | 2019-09-12 | 日立化成株式会社 | 塗布制御システム、塗布制御方法、および塗布制御プログラム |
| KR20200063302A (ko) * | 2018-11-19 | 2020-06-05 | 박상현 | 이미지 분석을 이용한 선박 도장상태 검사 시스템 및 방법 |
| JP2021109173A (ja) * | 2020-01-10 | 2021-08-02 | 株式会社大気社 | 品質管理システム、品質管理方法、および品質管理プログラム |
-
1997
- 1997-07-28 JP JP9201967A patent/JPH1145337A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007037074A1 (ja) * | 2005-09-27 | 2007-04-05 | Kansai Paint Co., Ltd. | 多彩模様塗膜の塗料条件・塗装条件の決定装置、決定方法、決定プログラム及びその記録媒体 |
| JP2007090171A (ja) * | 2005-09-27 | 2007-04-12 | Kansai Paint Co Ltd | 多彩模様塗膜の塗料条件・塗装条件の決定装置、決定方法、決定プログラム及びその記録媒体 |
| JP2007225158A (ja) * | 2006-02-21 | 2007-09-06 | Mitsubishi Electric Corp | 除霜運転制御装置および除霜運転制御方法 |
| JP6216024B1 (ja) * | 2016-11-15 | 2017-10-18 | 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ | 学習済モデル生成方法及び信号データ判別装置 |
| WO2018092747A1 (ja) * | 2016-11-15 | 2018-05-24 | 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ | 学習済モデル生成方法、学習済モデル生成装置、信号データ判別方法、信号データ判別装置及び信号データ判別プログラム |
| JP2018081442A (ja) * | 2016-11-15 | 2018-05-24 | 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ | 学習済モデル生成方法及び信号データ判別装置 |
| WO2019171498A1 (ja) * | 2018-03-07 | 2019-09-12 | 日立化成株式会社 | 塗布制御システム、塗布制御方法、および塗布制御プログラム |
| KR20200063302A (ko) * | 2018-11-19 | 2020-06-05 | 박상현 | 이미지 분석을 이용한 선박 도장상태 검사 시스템 및 방법 |
| JP2021109173A (ja) * | 2020-01-10 | 2021-08-02 | 株式会社大気社 | 品質管理システム、品質管理方法、および品質管理プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8782026B2 (en) | Color harmony with process and environmental feedback | |
| US6330487B1 (en) | Computerized virtual paint manufacturing and application system | |
| EP2964449B1 (de) | Verfahren und vorrichtung zur qualitätsbeurteilung eines mittels eines generativen lasersinter- und/oder laserschmelzverfahrens hergestellten bauteils | |
| DE102011102034B4 (de) | Online-Abgleich eines prozessanalytischen Modells mit effektivem Prozessbetrieb | |
| JP3443873B2 (ja) | 自動車の塗装条件管理装置 | |
| DE10136328A1 (de) | Integriertes Lackqualitäts-Steuersystem | |
| EP1763756A2 (en) | Graphical re-inspection user setup interface | |
| JP2001256480A (ja) | 画像自動分類方法及び装置 | |
| DE102018002785B4 (de) | 1 - 8CController und maschinelle Lernvorrichtung | |
| CN108227664A (zh) | 基于样本数据训练的产品质量控制设备及质量控制方法 | |
| JPH1145337A (ja) | 塗装システム | |
| US5323837A (en) | Method of determining unacceptable deviations from process parameters | |
| JP7148858B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| JP6035794B2 (ja) | ムラ情報生成装置、ムラ情報生成プログラム及びムラ情報生成方法 | |
| DE60220327T2 (de) | Verfahren und Vorrichtung zur Bewertung von Kunststoffen unter Verwendung einer Spritzgiessmaschine | |
| EP0257395B1 (de) | Verfahren zum Überwachen der Breite eines bandförmigen Gutes | |
| JPH08126835A (ja) | バッチプラントの運転管理方法 | |
| JPH0623417A (ja) | 熱間粗圧延における板幅制御装置 | |
| JPH032649A (ja) | 地合計測方法及び該地合計測方法を用いた地合制御方法 | |
| DE19846530A1 (de) | Verfahren zur Kontrolle einer flächigen oder räumlichen Verteilung | |
| JPH06148090A (ja) | 塗装検査情報解析装置 | |
| WO2009068654A2 (de) | Verfahren zum lackieren und zur qualitätskontrolle von oberflächen | |
| JP2000206029A (ja) | 粒状模様測定装置及び粒状模様評価方法、並びに粒状模様測定プログラム若しくは粒状模様評価プログラムを記録したコンピュ―タ読み取り可能な記録媒体、並びに粒状模様評価方法を用いた塗装条件設定方法 | |
| JP2738066B2 (ja) | 抄紙機における地合制御方法及び装置 | |
| JPH04317771A (ja) | 噴射ノズルの検査データ作成方法 |