KR20060100248A - 검사 장치, 검사 장치용 판정 모델 생성 지원 장치, 내구성테스트 장치용 이상 검출 장치 및 내구성 테스트 방법 - Google Patents

Abstract

안정적으로 동작하는 동안 테스트 장치로부터 구해진 정상 데이터로부터 판정 모델이 생성된 후 내구성 테스트가 수행되고, 생성된 판정 모델을 사용함으로써, 상기 테스트 동안 구해진 파형 데이터로부터 검사 대상물에 이상이 있는지 여부가 판정된다. 지원 장치는 단위 시간당 구해진 파형 데이터를 분할하여 분할 파형 데이터를 생성하고 단위 시간당 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터의 단위로 특징량을 구함으로써 이러한 판정 모델을 자동적으로 생성한다. 판정 모델은 구해진 특징량에 의거하여 단위 시간당 생성된다.

검사 장치, 내구성 테스트

Description

검사 장치, 검사 장치용 판정 모델 생성 지원 장치, 내구성 테스트 장치용 이상 검출 장치 및 내구성 테스트 방법{INSPECTION APPARATUS, AID DEVICE FOR CREATING JUDGMENT MODEL THEREFOR, ABNORMALITY DETECTION DEVICE FOR ENDURANCE TEST APPARATUS AND ENDURANCE TEST METHOD}

도 1은 본 발명에 따른 내구성 테스트 시스템의 개략적인 블록도.

도 2는 본 발명에 따라 수행된 내구성 테스트의 전체 흐름도.

도 3의 A 내지 B는 판정 알고리즘 생성 및 그것에 근거한 판정 처리를 설명하기 위한 개념도.

도 4는 검사 장치의 기능적 블록도.

도 5 및 도 6은 파형 분할 수단의 기능을 나타내는 도면.

도 7은 더미 NG 생성 수단의 내부 구조도.

도 8은 특징량-이력 데이터베이스의 데이터 구조의 예를 나타내는 도면.

도 9, 도 10 및 도 11은 수치화 처리를 설명하기 위한 도면.

도 12는 테스트 제품이 구동되고 있는 동안 테스트 제품으로부터의 소리의 주파수 패턴의 예를 도시하는 그래프.

도 13은 파형 데이터 수치화 수단의 예의 내부 구조를 나타내는 도면.

도 14는 파형 데이터 수치화 수단의 기능의 일부의 순서도.

도 15, 도 16, 도 17, 및 도 18은 판정 모델 생성 수단의 상이한 내부 구조를 도시하는 도면.

도 19 및 도 20은 임계값 설정 수단의 상이한 내부 구조를 나타내는 도면.

도 21은 동작 동안 본 발명의 검사 장치의 블록도.

도 22의 A 내지 E는 본 발명의 검사 장치의 기능을 도시하는 도면.

도 23의 A 내지 C는 다른 예에서의 본 발명의 검사 장치의 기능을 나타내는 도면.

도 24 및 도 25는 상이한 동작 프로파일에 기초한 판정 모델 생성 기능을 설명하기 위한 도면.

도 26 및 도 27은 상이한 동작 프로파일에 기초한 다른 실시예를 설명하기 위한 도면.

도 28 및 도 29는 정상 상태에서의 표시의 변화의 예를 나타내는 도면.

본 발명은 2005년 3월 15일자 출원된 일본 특허출원 2005-074120호를 우선권으로 주장한다.

발명의 배경

본 발명은 검사 장치, 검사 장치용 판정 모델 생성 지원 장치, 내구성 테스트 장치용 이상 검출 장치 및 내구성 테스트 방법에 관한 것이다. 특히, 본 발명은 입력 파형 신호로부터 특징량을 추출하고 추출된 특징량에 기초하여 상태를 판정하는 기술에 관한 것이다.

검사 대상물로부터 발생한 음 등에 기초하여, 그 검사 대상물이 정상 상태인지 이상 상태인지를 판정하는 제품 검사 및 설비 진단용 기술이 존재한다. 설비 진단은, 공작 기계나 생산 설비 자체에서 발생된 진동이나 소리에 근거하여, 공작 기계나 생산 설비 자체가 정상적으로 동작하고 있는지의 여부 또는 메인티넌스 조작 또는 조정을 필요로 하는지의 여부를 진단하는 기술이다. 진단 대상물의 예로는 NC 가공기, 반도체 플랜트, 식품 플랜트 등이 있다. 제품 검사는, 제품에서 발생된 진동이나 소리에 근거하여 그 제품이 정상품인지 불량품인지를 검사하는 것이다. 이드은 진동 또는 소리에 근거하여 검사가 수행된다는 점에서 공통이다.

예로서 제품 검사를 고려한다. 생산 설비나 생산 시스템에 의해 제조된 제품은, 그 내부에 음원이나 진동원을 내장한 것이 있다. 또 동작시 소리나 진동을 발생하는 제품이 존재한다. 예를 들면, 가전 제품인 냉장고, 에어컨, 세탁기에서는, 모터 등의 부품이 포함되고 있고, 가동시 모터의 회전에 의해 소리나 진동을 발생한다. 자동차의 경우, 엔진, 파워 스티어링 장치 및 트랜스미션과 같은 많은 음원 및 진동원이 존재한다.

이들 소리 또는 진동의 일부는 제품의 정상 동작의 일부로서 필수적으로 발생하지만, 일부는 이상이 있을 경우에만 발생한다. 불량에 수반하는 이상 음(abnormal sounds) 및 진동은, 모터 내부의 이상 접촉, 회전기구용 베어링의 이상, 회전기구 내부의 이상 접촉, 회전기구의 언밸런스 상태 또는 이물 혼입 등에 기인 하여 발생한다. 보다 구체적으로는, 모터의 고정부와 이동부가 서로 순간적으로 접촉하는 것과 같이 순간적으로만 발생하는 종류의 이상 음이 존재한다. 회전기구의 경우, 주기적으로 발생하는 즉, 회전 기어의 1 회전마다 발생하는 종류의 이상 음이 있을 수도 있다. 이러한 종류의 노이즈의 예는 이가 빠진 기어, 기어 박스 내의이물 및 베어링의 국소적인 손상에 의해 야기되는 것을 포함한다.

사람에게 불쾌감을 주는 노이즈의 예는 일정한 동작음에 섞인 순간적으로 한 번만 소리가 발생하는 스크리치를 포함한다. 정상 제품의 동작으로부터 일정한 노이즈가 예측되면, 스크리치를 발생하는 제품은 불량품으로 간주될 수 있을 것이다.

도기 제품 또는 수지 부품을 조합시키는 제품의 경우, 소리나 진동의 원인으로서 기능할 수 있는 어떠한 부품도 포함하지 않지만, 이러한 제품에 대해 균열의 존재를 테스트하는 경우가 있다. 이것은 햄머와 같은 공구로 제품을 쳐서 소리를 내게함으로써 이루어진다. 균열이 없는 제품은 고음을 내지만 균열이 있는 경우에는 무딘 소리가 나게 된다.

본원에서, "음"은 진동을 포함하며, "진동"은 소리를 포함한다. 즉, 편의상, "음" 및 "진동"이라는 표현을 혼용한다.

이상과 관련된 음은 듣는 사람에게 불쾌감을 줄 뿐만 아니라 제품 자체에도 고장을 발생시킬 우려가 있다. 따라서, 이러한 음을 내는 제품은 제품 생산 과정에서의 검사에 의해 정상 제품으로부터 분리되어야만 한다. 그에 따라, 생산 설비 또는 생산 시스템에 의해 생산된 각각의 제품에 대해, 생산지의 검사원의 오감에 따른 소위 관능 검사를 수행해오고 있다. 보다 상세하게는, 소리를 듣거나 진동을 느 끼기 위한 터치에 의한 검사가 수행되고 있다. 관능 검사는 JIS(Japanes Industrial Standard)의 Z8144에 정의되어 있다.

검사자의 오감에 의존하는 관능 검사는 숙련된 검사자를 필요로 할 뿐만 아니라 검사 결과의 개인적인 편차가 크다는 점에서 불리하다. 또한, 테스트 결과를 수치적인 데이터로 변환하여 관리하기가 어렵다. 이러한 문제점에 대응하여, 명확하고 정량적인 표준에 따른 검사를 수행하기 위한 노이즈 검사 장치가 개발되었다. 이들 노이즈 검사 장치는 관능 검사의 단계를 자동화하기 위한 것으로, 센서에 의해 제품 구동부의 진동 또는 소리를 측정하고 센서에 의해 취해진 아날로그 신호를 분석하고 검사하게 된다.

일본 특허 제3484665호는 대상물로부터 얻어진 진동 파형으로부터 정상 제품과 불량 제품을 자동적으로 판정하는 장치를 개시한다. 이 장치는 시간축을 따른 파형으로부터 얻어지는 특징량과 주파수 파형으로부터 얻어지는 특징량을 사용하는 것에 의해 종합적인 판정을 제공하는 것을 특징으로 한다.

한편, 일본 특허 제3103193호는, 정상 제품으로부터 얻어진 정상 데이터로부터만 정상 제품에 대한 정상 범위가 초기에 형성되고 한 제품으로부터 얻어진 검사값이 이 범위 내에 있는 경우에 그 제품을 정상이라고 판정하는 기술을 개시하고 있다. 다차원 벡터에 의해 정상 범위를 설정하기 위해 다수의 입력 데이터가 사용된다.

엔진, 트랜스미션 및 타이어와 같은 제품의 개발에 있어서는, 약한 부품(테스트중에 파손되는 부품)이 있는지의 여부를 확인하기 위해 테스트 단계 동안 내구 성 테스트가 빈번히 수행된다. 이러한 내구성 테스트 동안, 테스트 제품(test workpiece)(테스트 엔진, 테스트 트랜스미션 및 테스트 타이어)의 상태를 실시간으로 기록하기 위해서 회전계, 온도 센서 및 진동계와 같은 센서가 필요하게 된다. 테스트되는 대상물의 일부가 처음으로 파손되었을 때, 이러한 테스트가 즉각 정지되지 않으면, 이 초기 손상(1차 손상)은 곧 다른 곳에 2차 손상을 야기시키게 되고, 계속해서 3차 손상, 4차 손상 등으로 그 손상이 확대될 것이다. 이러한 일련의 손상이 발생한 후 테스트가 정지되어 테스트 제품에 대한 분석이 시도되면, 가장 취약한 부분을 나타내는 1차 손상의 부분을 파악하는 것이 아주 어렵다. 또한, 이러한 파악이 가능하더라도, 많은 노동과 시간을 필요로 하게 된다.

가장 먼저 파손된 가장 취약한 부품은 항상 갑자기 파손되는 것은 아니다. 1차 손상의 전조로서 어떤 사건이 발생하는 경우가 대부분이다. 예를 들면, 파손이 있기 이전에, 통상적으로 마모나 변형으로 인해 발생하는 작은 이상이 있게 된다. 내구성 테스트가 계속되면, 부품이 더 이상 견디지 못하고 파손되어 1차 손상으로 나타날 때까지 이러한 이상은 점점 더 커지게 된다. 이러한 경우, 테스트 제품의 구성 요소의 동작은 변하게 되어 그 진동이 변하게 된다. 테스트 제품의 구동 부하, 온도 및 변형은 변하게 될 것이고, 이들 변화는 테스트 제품에 의해 생성되는 노이즈를 변화시킨다. 즉, 이들 복합적인 데이터가 소리로서 나타나게 된다.

내구성 테스트를 받고 있는 제품으로부터의 음색은 1차 손상 전후에 차이를 나타낸다. 테스트 제품에 대해 숙련된 검사자가 내구성 테스트 동안 테스트 제품 옆에 머물면서 그 소리를 계속 듣게 되면, 음색에서의 변화를 검출하는 것에 의해 1차 손상의 발생을 검출하는 것이 가능할 것이다. 즉, 검사자가 특정한 종류의 데이터(특정 주파수, 특정 진동수, 또는 특정 제어의 온도)에 집중하는 것이 아니라 음색과 같은 전체 주파수 범위의 패턴으로부터 판정을 하기 때문에, 정상 상태와 이상 상태 사이의 차이를 인식할 수 있다. 따라서, 종래의 내구성 테스트에서 사용된 검사 시스템에서와 같이, 특정 종류의 데이터에 기초해서만 판정이 이루어지는 경우에는, 1차 손상의 시점 또는 1차 손상에 대한 전조를 나타내는 전조 단계에서 이상을 검출할 수 없게 된다.

따라서, 검사자의 청감(sense of hearing)에 따라 1차 손상 단계 또는 1차 손상의 전조 단계에서 이상을 검출할 수 있다는 점이 사실이지만, 많은 내구성 테스트가 24시간에서 한 주 동안 지속하고 사람의 감수성이 일정하지 않기 때문에 문제를 해결하는데 실용적인 해법은 아니다. 검사자는 어떤 경우에는 1차 손상의 단계에서 이상을 검출하지만 몇몇 다른 경우에는 2차 또는 3차 손상까지 도달할 때까지 알아차리지 못할 수도 있다.

소리 또는 진동의 파형 신호에 기초하여 정상 또는 이상 상태를 판정하는 상기 상술된 일본 특허에서 개시된 바와 같은 검사 장치의 경우에, 테스트 제품이 구동되고 있는 동안 5 내지 30초의 소정의 시간 길이에 대한 데이터 파형이 취해지고 이 파형에 대한 판정이 이루어진다. 즉, 판정은, 소정의 시간 길이 동안 테스트 제품을 구동하는 것에 의해 얻어지는 소정 시간의 전체 데이터 파형에 기초한다.

한편, 내구성 테스트의 경우, 24시간 이상 지속하는 파형 데이터가 연속적으로 입력되고 이러한 긴 데이터에 대해 실시간 판정이 이루어진다. 따라서, 상기 상 술된 형태의 종래의 검사 장치는 내구성 테스트에는 직접적으로 사용될 수 없다.

또한, 내구성 테스트에서의 응용에 대해서는, 손상의 발생과 테스트 정지 사이에 허용된 시간 길이가 아주 짧고, 0.1초 내지 1초 사이의 아주 짧은 기간의 파형 데이터로부터 정확한 판정이 요구되기 때문에, 수 초의 파형 데이터에 기초한 정상 및 이상 상태의 판정을 위한 종래 기술의 알고리즘은 직접적으로 쉽게 사용될 수 없다.

따라서, 본 발명의 목적은 단시간의 파형 데이터로부터도 정상 및 이상 판정을 할 수 있고, 또한 상대적으로 아주 긴 시간 동안 연속적으로 구동되고 있는 테스트 제품으로부터 파형 데이터가 얻어지고 있는 동안에도 짧은 시간 내에 이상을 검출할 수 있는, 검사 장치, 검사 장치용 판정 모델 생성 지원 장치, 내구성 테스트 장치용 이상 검출 장치 및 내구성 테스트 방법을 제공하는 것이다.

본 발명에 따른 지원 장치는 입력 파형 신호로부터 특징량을 추출하기 위한 검사 장치용 판정 모델을 생성하기 위한 것으로, 얻어진 파형 데이터를 N초의 단위 시간분으로 분할하는 것에 의해 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단과, 단위 시간에 대한 다수의 분할 파형 데이터에 기초하여 분할 파형 데이터의 단위로 특징량을 얻기 위한 연산 수단, 및 얻어진 특징량에 기초하여 단위 시간에 대한 대상물의 상태를 판정하기 위한 판정 모델을 생성하기 위한 모델 생성 수단을 포함하는 것을 특징으로 한다. 이러한 구조의 지원 장치를 통해, 상이한 분 할 파형 데이터가 사용되기 때문에 단위 시간이 짧은 경우에도 정확한 판정 모델이 생성될 수 있다.

분할 파형 데이터 생성 수단은 파형 데이터를 소정의 위치로부터 규칙적으로 단위 시간분으로 분할하는 기능을 가질 수 있다. 또한, 이 소정의 위치를 임의로 결정하는 기능을 구비할 수 있다. 어느 경우에 있어서도, 실제에 있어서는 언제 어디서 이상이 발생할지 예측할 수 없기 때문에 수많은 분할 파형 데이터가 수집될 수 있고 그에 따라 정확한 모델이 생성될 수 있다.

본 발명의 다른 실시예에 따른 지원 장치는 얻어진 파형 데이터를 순차적으로 그리고 규칙적으로 단위 시간분으로 분할하는 것에 의해 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단과, 단위 시간에 대한 다수의 분할 파형 데이터에 기초하여 분할 파형 데이터의 단위로 특징량을 얻기 위한 연산 수단, 및 얻어진 특징량에 기초하여, 상기 분할 파형 데이터 생성 수단에 의해 패턴이 분할된 각각의 영역에 대한 판정 모델을 생성하기 위한 모델 생성 수단을 포함하는 것을 특징으로 한다. 이러한 지원 장치는 검사 대상물의 액션 프로파일이 주기적으로 반복될 때 편리하다.

상기에 있어서, 연산 수단은, 분할 파형 데이터를 소정 크기의 프레임으로 더 분할하고, 분할 프레임에 기초하여 특징량을 추출하고, 이 소정 크기를 임의로 결정하는 것에 의해 프레임 분할 처리를 수행하는 기능을 구비할 수도 있다. 이렇게 하여, 많은 프레임이 수집될 수 있고 그에 따라 정확한 판정 모델이 생성될 수 있다.

본 발명의 검사 장치는 본 발명의 지원 장치에 의해 생성된 판정 모델에 기초하여 검사의 대상물에 대한 상태 판정을 수행하는 판정 수단을 포함하는 것을 특징으로 한다.

본 발명의 내구성 테스트 장치는 대상물의 내구성을 테스트하기 위해 사용되는 이상 검출기이고, 테스트 시작 직후에 장치가 안정적으로 동작하고 있는 동안 검출 데이터 파형 데이터를 수집하고 이러한 데이터를 정상 데이터로 가정하는 것에 의해 판정 모델을 생성하는 판정 모델 생성 기능을 가지며, 내구성 테스트 동안 얻어진 파형 데이터에 기초하여 생성된 판정 모델을 사용하는 것에 의해 대상물이 정상인지 이상인지를 판정하는 판정 수단을 포함한다.

본 발명의 내구성 테스트 방법은 소정의 시간 길이 동안 회전 동작을 야기시키고 그 동안 얻어진 파형 데이터를 본 발명의 지원 장치에 제공하는 단계와, 제공된 파형 데이터를 정상 데이터로서 사용하는 것에 의해 상기 지원 장치가 판정 모델을 생성하도록 하는 단계와, 그 후, 생성된 판정 모델을 사용하는 것에 의해 내구성 테스트 동안 얻어진 파형 데이터에 기초한 이상의 존재 유무를 판정하는 내구성 테스트를 수행하는 단계, 및 이상이 검출된 경우 경보 신호를 출력하는 단계를 포함하는 것을 특징으로 한다.

발명을 실시하기 위한 최선의 형태

도 1은 본 발명의 양호한 실시예에 따른 내구성 테스트 시스템의 개략적인 구조를 도시한다. 모터링 벤치(motoring bench)와 같은 구동 장치(2)는 엔진(1)을 강제적으로 회전시킬 수 있도록 테스트될 대상물인 엔진(1)의 회전축에 연결된다. 구동 장치(2)는 서보모터와 이 서보모터의 회전을 제어하기 위한 서보-드라이버를 구비하며, 서보모터는 PLC(3)로부터 수신된 제어 명령에 따라 소정의 회전 속도로 회전하게 된다. 이것이 서보모터이기 때문에, 일정한 속도로 회전될 수 있고 그 회전 속도는 적절히 증가되거나 감소될 수 있다. 따라서, 엔진(1)은 소정의 속도로 상대적으로 긴 시간 동안(하루에서 2주 또는 그 이상) 연속적으로 회전하게 된다.

엔진(1)으로부터의 소리를 검출하기 위한 센서인 마이크(4)는 엔진(1) 주위에 배치되고, 엔진(1)의 진동을 검출하기 위한 진동 센서(5)는 엔진(1)의 소정 부위와 접촉하도록 위치된다. 도 1에 도시된 예에 따르면, 두 개의 마이크가 사용되며, 하나는 엔진(1) 위에 나머지 하나는 엔진(1) 아래에 위치되지만, 사용되는 마이크의 수와 이들의 설치 위치는 임의적이며, 진동 센서에 대해서도 마찬가지이다. 본 발명에서는, 마이크 및 진동 센서와 같은 상이한 종류의 센서가 엔진에 대해 반드시 설치될 필요는 없고, 이상을 검출할 수 있는 파형 데이터를 얻는 것이 중요하다.

마이크(4)와 진동 센서(5)로부터 출력된 아날로그 파형 데이터는 AD 변환기(6)에 의해 디지털 데이터로 변환된 후 검사 장치(10)로 전달된다. 검사 장치(10)는 또한 PLC(3)로부터 동작 타이밍을 수신하고, 구동 장치(2)에 설치된 모니터링 센서(인코더와 토크계 등)로부터의 파형 데이터가 AD 변환기(6)를 통해 구동 장치(2)로부터 수신된다.

검사 장치(10)는 이상을 검출하기 위한 판정 룰과 판정 모델과 같은 데이터를 저장하는 데이터베이스(7)를 구비하고 이 데이터베이스(7)로부터 수신된 판정 모델 등에 따라 AD 변환기(6)로부터 수신된 파형 데이터에서 이상의 유무를 판정하는 기능을 수행하고, 이상이 검출된 경우 이상의 발생에 대한 보고를 PLC(3)로 전달한다. 이러한 이상에 대한 보고가 수신되면, PLC(3)는 상대적으로 빨리 정지할 수 있고, 그에 따라 테스트되고 있는 엔진(1)의 회전을 또한 정지할 수 있는 구동 장치(2)의 서보모터의 회전을 순간적으로 정지시키도록 구동 장치(2)에 순간 정지 명령을 출력한다.

하기에 설명되는 바와 같이, 이상의 검출은 약 1초만의 파형 데이터에 기초하여, 즉 이상의 발생과 거의 동시적으로 수행될 수 있다. 상기에 있어서, 검출될 이상의 예는 엔진(1)의 부품에 대한 1차 손상의 발생뿐만 아니라 동일한 방식으로 구동이 계속될 경우 1차 손상으로 나타날 수 있는 상태도 포함한다. 이와 같이, 이상의 판정이 1초만의 파형 데이터에 기초하여 빠르고 정확하게 이루어질 수 있고, 검출이 PLC(3)로 통신되기 때문에, 엔진(1)도 이상의 검출 순간에 재빨리(1초 약간 상회) 정지될 수 있다.

도 2는 본 발명에 따라 수행되는 내구성 테스트의 전체 흐름도를 도시하는 도면이다. 먼저, 센서를 테스트될 제품에 부착하는 것에 의해 테스트가 시작된다(단계 S1). 도 1의 예에 따르면, 엔진(1)은 테스트될 제품이고 모터링 벤더와 같은 구동 장치(2)에 엔진을 설치한 후 센서(4 및 5)를 엔진(1)의 소정의 위치에 설치한다. 부착 방법은 센서의 종류에 따라 다르다. 몇몇 센서는 엔진(1)에 직접적으로 부착될 수 있고, 몇몇 센서는 소정의 간격을 띄우고 부착될 수 있다. 이들 센서의 설치 방법은 종래의 노이즈 검출 방법에서 사용된 방법과 동일하다.

센서가 설치된 후, 내구성 테스트가 시작된다(단계 S2). 소정의 기간 동안의 소정 속도에서의 회전, 가속, 감속 또는 가속, 감속 및 일정한 속도의 모션을 포함하는 소정 패턴을 반복하는 것과 같은 모션의 여러가지 프로파일을 반복하는 것에 의해 수행된다. 이들 여러가지 프로파일이 수행되는 동안, 설치된 여러가지의 센서(마이크, 진동 센서 및/또는 구동 장치에 장착된 모니터링 센서)로부터 얻어진 검출 데이터(파형 데이터)는 AD 변환기(6)에 의해 디지털 데이터로 변환되어 검사 장치(10)에 입력된다. 검사 장치(10)에 의해 이렇게 수신된 파형 데이터는 데이터베이스(7) 또는 검사 장치(10) 내부의 1차 메모리 수단에 저장될 것이다. 기본적으로, 테스트되는 엔진이 정상 제품이기 때문에, 내구성 테스트의 시작 직후에 얻어지는 파형 데이터는 정상 제품으로부터 예측되는 정상의 파형 데이터로서 간주될 수 있을 것이다.

내구성 테스트의 시작으로부터 소정 시간 경과 후, 테스트가 정지되고(S3) 지금까지 얻어진 검출 데이터는 정상 데이터로서 검사 장치(10) 내에 장착된 판정 알고리즘 생성 수단(또는 판정 모델 생성 지원 장치)에 전달된다(단계 S4). 판정 알고리즘 생성 수단은, 정상 파형 데이터를 수신하면, 수치 데이터로 변환하고 정상 영역을 정의하는 표준 공간과 판정 모델을 생성하고 판정 알고리즘에 등록한다(단계 S5). 이 판정 알고리즘은 검사 장치(10)에 설치된 응용 프로그램 중 하나이며 내구성 테스트시 상태 판정(또는 이상이 발생하였는지의 여부의 판정)을 수행하기 위한 이상 검출 수단(기능)을 실현하기 위한 것이다. 실제에 있어서, 이 "등록"은 데이터베이스(7)에 유효할 것이다.

웜업 동작을 필요로 하는 테스트 제품(예를 들면, 엔진)의 경우, 검출 데이터는 웜업 동작 완료 이후에 초기 정상 상태로서 여러 번 얻어지고, 판정 알고리즘(판정 모델)은 이들에 기초하여 생성된다.

엄밀하게 말하자면, 정상 제품의 파형 데이터는 엔진마다 다르고 구동 장치(2)와 엔진(1)의 조합, 이들 사이의 연결 방법 및 주변 환경에 따라서도 달라진다. 따라서, 본 발명에 따라 엔진에 대한 내구성 테스트가 수행될 때마다, 긴 시간 동안의 연속적인 동작이 수행되기 이전에 소정 시간 동안 동작시키고, 주변 환경을 고려한 상태에서 정상 파형 데이터를 취득하여 표준 공간과 판정 모델을 생성한다.

단계 S4 및 S5가 완료되고 모니터링 알고리즘이 생성된 후, 판정 모델로부터 이상의 판정을 위한 임계값(또는 표준 공간으로부터 분리된 영역을 정의하고 검출하기 위한 값)이 설정된다(단계 S6). 이 임계값은 검사 장치(10)의 판정 알고리즘(또는 이 알고리즘을 수행하기 위한 기능)에 등록된다.

그리고, 요구되는 프로파일에 따라 장시간 동안 엔진을 연속적으로 동작시키는 것에 의해 단계 S2에서 정지된 내구성 테스트가 재시작되거나, 실제 내구성 테스트가 시작된다(단계 S7). 이 시간 동안, 여러가지 센서로부터 얻어지는 여러가지 검출 데이터(파형 데이터)는 검사 장치(10)의 판정 알고리즘에 제공되어 실시간 상태 판정을 수행한다(단계 S8). 임계값을 초과하면, 순간 정지 명령이 테스터(구동 장치(2))로 출력된다(단계 S9).

요약하면, 검사 장치(10)는 각 시간 단위에 대응하는 파형 데이터에 기초하여 이상의 유무를 판정할 수 있고 임계값이 초과되면 판정 결과로서 이상의 검출을 PLC(3)에 통지한다, 즉, 판정 결과 비트를 "0"에서 "1"로 변환한다. 이 보고를 수신하면, PLC(3)는 순간 정지 명령을 구동 장치(2)에 출력한다. 결과적으로, 구동 장치(2)의 서보모터가 순간적으로 정지되고 대응하는 내구성 테스트 또한 2차 손상이 발생하기 이전에 즉시 정지될 수 있다. 따라서, 1차 손상이 이미 발생한 경우, 손상된 부품이 쉽게 식별될 수 있다. 만약 1차 손상의 발생 이전에 동작이 정지하면, 곧 손상을 입을 것 같은 약화된 부품이 상대적으로 쉽게 식별될 수 있다. 따라서, 내구성 테스트와 그 분석에 요구되는 시간이 상당히 감소될 수 있다.

도 3의 A는 종래 기술의 인라인 노이즈 검출 장치의 경우에서의 판정 모델의 개념을 도시하는 도면이다. 인라인 검사 장치의 경우, 소정의 기간(예를 들면, 본 예에 따른 6초) 전체에 걸친 정상 소리 톤에 기초하여 판정 모델이 생성되고 이 판정 모델에 기초하여 판정이 이루어진다. 인라인 검사 장치용의 이 종래 기술의 판정 알고리즘이 직접적으로 사용되면, 판정 모델이 6초동안의 파형 데이터로부터 생성되기 때문에, 이 6초의 기간 동안의 어떤 시간에서의 이상의 발생은 확인될 수 있지만, 그 발생과 동시에 검사 장치는 정지될 수 없다. 이것은 종래 기술의 인라인 검사 장치가 검사의 대상물이 정상인지 아닌지만을 판정하고 파형 데이터의 어느 위치에서 이상이 발생하였는지를 판정할(또는 검사 장치를 즉시 정지할) 필요가 없었기 때문이다.

본 발명에 따르면, 정상 상태에 대한 파형 데이터가 얻어진 후, 얻어진 파형 데이터 전체로부터 판정 모델이 생성되는 것이 아니라 파형 데이터가, 도 3의 B에 도시한 바와 같이, 시간 세그먼트(본 예에서는 각각 1초)로 분할된다. 판정 모델은 그 시간에서의 정상 상태의 음색을 사용하여 각 시간 세그먼트에 대해 생성되고 이들 판정 모델에 기초한 판정 알고리즘이 수행된다. 따라서, 정지 명령을 출력하기 위해 약간의 시간을 필요로 하겠지만, 이상의 유무가 각 1초마다 판정될 수 있고 판정 결과를 알기 위해 6초를 기다릴 필요가 없다.

도 3의 B가 6초 동안의 파형 데이터가 1초에 각각 대응하는 부분으로 나누어져서 6개의 시간 세그먼트 각각에 대한 모델1 내지 모델6을 생성하는 예를 나타내지만, 예를 들어, 만약 내구성 테스트가 일정한 속도의 회전 모션에 의한 장시간에 걸친 상태 상태 변화를 검사하기 위한 것이고 외부 조건이 그 동안 크게 변하지 않는다면, 1초 기간에 대한 판정 모델은 상기 얻어진 모델1 내지 모델6으로부터 생성될 수 있을 것이다. 가속 및 감속이 소정의 패턴(일정한 속도 모션을 포함할 수도 있다)에 따라 반복되는 내구성 테스트의 경우, 속도를 포함하는 이와 같은 상이한 외부 조건에 따라 모델이 생성될 수 있고 그 결과 판정은 이들 모델로부터 이루어질 수 있다. 중요한 것은 판정 모델이 얻어진 파형 전체로부터 생성되는 것이 아니라 파형 데이터의 시간을 세그먼트로 분할하는 것에 의해 개별적인 모델이 생성된다는 것이다. 단위 시간은 고정될 필요가 없고, 예를 들면, 0.5초 또는 1초 이상으로 변할 수 있다. 이 시간 길이는 장치가 정지하여야 할 때까지 이상이 발생으로부터 요구되는(허용되는) 시간 길이(또는 검출 시간)에 따라 결정될 수 있을 것이다.

다음에, 판정 알고리즘을 생성하기 위한 검사 장치의 기능 블록도인 도 4를 참조하여 검사 장치(10)의 내부 구조를 설명한다. 검사 장치(10)는 엔진 또는 그 구동 장치에 마련된 마이크 및 진동 센서와 같은 여러가지 측정 장치로부터 파형 데이터를 수신한다. 다수의 위치로부터 복수 종류의 파형 데이터가 얻어질 수 있고 따라서 검사 장치(10)는 복수 종류의 파형 데이터를 취급한다.

도 2의 단계 S2 및 S3에 의해 얻어진 파형 데이터는 데이터 분할 수단(11), 더미 NG 생성 수단(12) 및 파형 기록 표시 수단(13)에 제공된다. 파형 분할 수단(11)은 수신된 파형 데이터를 다수의 부분으로 분할하기 위한 것이며, 특징량은 각각의 분할 파형 데이터 부분에 대해 얻어지고 최종 판정 모델이 생성된다.

도 5는 파형 분할 수단(11)이 얻어진 연속 파형 데이터를 N초(도시된 예에서 N=1)의 단위로 어떻게 분할하는지의 예를 나타내는데, 이 N초는 이상이 발생한 순간부터 대상물 장치가 정지되어야할 때까지의 필요한 시간처럼 사용자에 의해 요구되는 시간으로서 결정될 수 있다. 도 5는 일정한 토크와 일정한 속도에서 회전의 연속 테스트로부터 얻어지는 6초의 파형 데이터에 대응하는 부분을 나타낸다.

상기 설명된 바와 같이 분할 파형 데이터로부터 생성된 판정 모드가 사용되면, 이상은 그 발생의 1초 이내에 검출될 수 있고 순간적으로 정지하는데 필요한 시간은 약 1초가 된다.

시간 세그먼트로 분할하기 위한 방법 중 하나는, 도 5에 실선으로 도시된 바와 같이, N=1초의 단위로 시작에서부터 순차적으로 그리고 규칙적으로 분할하는 것이다. 이 방법에 의하면, 하기에 설명하는 바와 같이, 분할 파형 데이터의 6개의 부분이 추출되고, 이들 부분의 각각에 대해 특징량이 추출된다. 이들 6초 동안 존재하는 모든 파형 데이터가 분할 파형 데이터 부분 중 적어도 하나에 존재하기 때문에, 특징량 생성 효과는 이들 데이터의 어딘가에서 나타나게 된다.

시간 세그먼트로 분할하기 위한 다른 방법은 시작 시간을 임의로 선택하여 추출된 파형 데이터 부분이 서로 중첩하거나 또는 분할 파형 데이터 부분의 어디에도 속하지 않는 영역에 남도록 소정 수의 파형 데이터를 추출하는 것이다. 어디에도 속하지 않는 이러한 영역이 존재하더라도, 첫 번째 처리에 의해 분할 파형 데이터의 어딘가에 속할 것이기 때문에 문제가 없다. 예를 들면, 0.7 내지 1.7초, 0.75 내지 1.75초, 0.9초 내지 1.9초 및 0.5초 내지 1.5초의 세그먼트가 추출될 수 있지만 각각의 추출된 파형 데이터 부분은 1초에 대한 것이다.

도 6은 N=2초인 경우의 예를 도시한다. 이 경우에도, 분할은 실선으로 도시된 바와 같이 시작에서부터 규칙적으로 그리고 순차적으로 이루어지거나 또는 파선의 양방향의 화살표에 의해 임의적으로 시작하여 소정 수(본 예에서는 3)의 파형 데이터 부분을 추출하는 것에 의해 이루어진다. 물론 N의 최대 수는 얻어진 파형 데이터의 길이이다(본 예에서는 6초).

이상의 발생과 즉각적인 정지의 시간 사이에 필요한 시간이 1초이더라도, 1초에 대응하는 분할 파형 데이터에 의해 검출될 수 없지만 2초와 같은 더 긴 시간에 대응하는 분할 파형 데이터에 기초한 특징량을 필요로 하는 종류의 이상이 있을 수 있다. 이러한 상황에서, 이상의 검출 후 모션을 정지시키는데 사용자에 의해 요구된 시간 길이보다 더 긴 약 2초가 걸릴 수 있다. 이러한 상황이 고려되더라도, 종래 기술에 따른 6초를 기다리는 것보다는 훨씬 더 나으며, 이상의 원인 식별이 보다 쉽게 검출될 수 있다. 실제 응용에 있어서, N의 값은 임의로 설정될 수 있다. N은 정수일 것이지만 반드시 정수일 필요는 없다.

이상의 검출로부터 1초후에 정지할 것이 요구되면, 기본적으로 매1초마다 잘려진 파형 데이터로부터 생성된 판정 모델이 메인 모델로서 사용되어야만 한다. 그러나, 1초를 넘는 경향의 데이터가 판정을 위해 사용되면, 그러한 시간 길이에 대응하는 파형 데이터로부터 생성된 판정 모델을 사용하는 것이 바람직하다. 물론, N은 자유롭게 선택될 수 있으며 다수의 데이터베이스와 판정 모델이 마련될 수 있다.

따라서, N을 1초보다 길게 설정함으로써 생성되는 판정 룰(판정 모델)은 1초 이내의 순간적인 정지에는 기여를 하지 않지만, 판정에 대해 긴 시간이 경향을 갖는 데이터를 편입할 수 있다는 이점을 갖기 때문에, 여러가지 시간 길이에 기초한 파형 데이터로부터 생성된 판정 모델을 편입하는 것이 바람직하다.

더미 NG 생성 수단(12)은 단계 S2 및 S3를 수행하는 것에 의해 얻어진 정상 파형 데이터를 변형하기 위한 것이다. 이 더미 NG 생성 수단(12)에 의해 생성된 더미 NG 데이터는 파형 분할 수단(11)에 제공된다. 상기 상술된 예의 경우에, 정상 제품에 관련된 샘플 데이터는 얻어질 수 있지만 이상(불량) 제품에 관련된 샘플 데이터는 얻을 수 없다. 이것은 내구성 테스트에서 초기에 얻어진 데이터가 정상 데이터로서 간주되고 테스트의 목적이 장시간에 걸친 연속적인 동작에 의해 야기되는 이상의 발생을 검출하는 것이기 때문이다.

따라서, NG 데이터는 정상 샘플 데이터(파형 데이터)를 얻고 이들 얻어진 정상 파형 데이터에 기초하여 가상으로 생성된다. 이렇게 생성된 더미 NG 데이터는 생성된 판정 알고리즘을 평가하기 위해 사용된다. 예를 들면, 더미 NG 생성 수단 (12)은 더미 NG 데이터를 하류측의 각 수단으로 제공하고 이들에 기초하여 판정을 행한 후, 생성된 인식 알고리즘의 정확도는, 이상으로서의 판정이 정확하게 이루어질 수 있는지에 따라, 추정될 수 있다. 다시 말하면, 초기(정상) 상태로부터 만들어진 변화가 판정 모델에 의해 정확하게 검출될 수 있는지를 점검하기 위해 사용될 수 있다.

도 7은 더미 NG 생성 수단(12)의 내부 구조를 나타내는데, 입력측에 입력 파형 데이터를 변형하기 위한 파라미터를 설정하기 위한 파형 변형 파라미터 설정 수단(12a)을 구비한다.

이 파형 변형 파라미터 설정 수단(12a)에 의해 설정된 파라미터의 예는 (1) 파형 라이브러리의 이상 모드 파형의 합성(편심 이상 파형과 충격파 파형의 합성), (2) 구동 조건의 특징 주파수의 n차 증폭(회전 및 맞물림 주파수의 1 내지 4차 진폭을 1.5배화), (3) 특정 또는 랜덤 주파수의 증폭(주파수 500 내지 1000㎐의 진폭을 1.2배화), (4) FM 및 AM 변조 및 (5) 위상 시프트(원래 파형의 위상을 약간 시프트하고 원래 파형과 합성)에 관련된 것을 포함한다.

상기에 있어서, (1)의 파형 합성은 정상 파형으로부터는 생성되지 않는 이상 파형을 합성하는 것을 의미하며, 합성된 이상 파평 부분의 영향으로부터 합성된 파형의 중첩 부분에 정상 파형과는 다른 파형이 나타나게 되고 이상 데이터가 된다. (2)의 파라미터는, 예를 들면, 기어의 경우, 맞물림 주파수에 따라, 특정 주파수에서 이상시 나타나는 소리 또는 진동으로서 나타나게 된다. 맞물림 주파수는 톱니바퀴의 이의 수와 회전 주파수로부터 계산될 수 있다. 따라서, 각 주파수의 n차 진폭 이 (정상 제품의 파워를 증가시키는 것에 의해) 증가되면, 정상 데이터와는 다른 데이터가 얻어진다. 상세한 설명은 생략하지만, 다른 경우에도 정상적으로는 얻을 수 없는 파형 데이터가 얻어질 수 있다.

다음 단계에서 설정된 파라미터가 파형 데이터와 함께 변형 방법 설정 수단(12b)으로 제공된다. 변형 방법 설정 수단(12b)은 실험 계획의 목록에 따라 파형 변형 파라미터의 방법을 설정하기 위한 것으로, 그 예는 파형 합성에 대해 ON 및 OFF의 두 표준, 특정 주파수에 대한 세 개의 주파수 표준 및 증폭에 관한 세 개의 표준(1.2배, 1.5배 및 2배)을 포함한다. 파형 변형에 대해 이러한 파라미터 값이 설정된다.

더미 NG 생성 수단(12)은 계획 목록에 있는 실험 수만큼의 파형 데이터를 임의적으로 선택하기 위한 파형 데이터 선택 수단(12c)과 계획 목록에 기초하여 변형 방법 설정 수단(12b)에 의해 선택된 변형량에 따라 이들 선택된 파형을 변경하기 위한 파형 변형 수단(12d)을 포함한다. 따라서, 더미 NG 파형이 최종적으로 생성되고 파형 데이터로서 정상 파형 데이터에 부가된다. 정상 및 이상의 판정은 이들 파형 데이터에 기초하여서도 이루어질 수 있으며 이상 제품으로서 판정이 이루어질 수 있다면, 이것은 검사 장치(10)의 검사 알고리즘의 신뢰성이 향상되었음을 의미한다.

파형 기록 표시 수단(13)은 여러 측정 장치로부터 받아들여진 파형 데이터 또는 기록 수단에 저장된 기록 파형 데이터를 표시하기 위한 것이다. 검사 장치(10)가 다목적용의 퍼스널 컴퓨터 등을 포함할 수 있기 때문에, 파형 기록 표시 수 단(13)은 이러한 퍼스널 컴퓨터의 표시 모니터에 의해 실현될 수 있다. 내구성 테스트의 경우, 연속적인 파형 데이터가 받아들여지고 실시간 이상 판정이 수행된다. 따라서, 통상의 작업 환경에서, 파형 기록 표시 수단(13)은 실시간으로 연속적으로 입력되는 파형 데이터를 표시한다. 이렇게 연속적으로 받아들여진 파형 데이터가 데이터베이스(7) 또는 다른 메모리 수단에 저장되기 때문에, 이상이 발생하여 분석을 수행하기 위한 동작이 정지되면, 이와 같이 저장된 파형 데이터는 분석의 목적을 위한 표시용으로 판독될 수 있다.

데이터 분할 수단(11)에 의해 분할 파형 데이터는, 주어진 분할 파형 데이터를 수치화하고(또는 수치화 데이터로 변환하고) 특징량으로 표현하는 다음 단의 파형 데이터 수치화 수단(14)으로 제공된다.

파형 데이터 수치화 수단(14)은 수치화 수단 조정 수단(9)과 파형 데이터에 대한 이력 기록 수단(데이터베이스; 7)에 연결된다. 수치화 수단 조정 수단(9)은 파형 데이터 수치화 수단(14)에 의해 추출된 특징량의 파라미터를 조정하기 위한 것이다. 이것은 이와 같은 파라미터 조정을 위한 명령을 파형 데이터 수치화 수단(14)에 제공하는 기능을 또한 구비하며, 대역 분할 설정, 프레임 분할 설정 및 프레임 변화수 설정을 수행한다.

파형 데이터 이력 기록 수단(7)은 엔진(1)이 구동 장치(2)의 수단에 의해 강제적으로 회전하도록 구동될 때 생성되는 소리 등의 파형 데이터를 기록하기 위한 것이다. 정상 및 이상 판정 결과도 상관 관계를 가지고 또한 기록된다. 기록된 파형 데이터는 재생되어 판정되며 판정의 결과는 수동으로 수정될 수도 있다.

파형 데이터 수치화 수단(14)은 주어진 분할 파형 데이터로부터 특정한 특징량을 추출하기 위한 것이다. 추출될 특징량의 예는 평균 진동 레벨과 크기를 나타내는 평균 제곱근(RMS; root mean square)값과 다른 여러 종류를 포함한다. 이러한 특징량은 분할 파형 데이터와 같은 조건이 생성될 때 각각의 단위 시간(N)에 대해 생성된다. 또한, 도시하진 않았지만, 주변 온도, 회전 속도, 및 가속 및 감속의 상태와 같은 동작의 프로파일 각각에 대해 생성한다. 파형 데이터 수치화 수단(14)은, 파형 데이터의 수치화 결과(즉, 얻어진 각 특징량)를 결과 표시 수단(13")에 출력한다.

일정한 속도에서의 모션의 경우, 동일한 값의 N을 갖는 분할 파형 데이터의 단위로 특징량이 얻어진다. 예를 들어 만약 N=1이면, (1) 및 (2)의 방법에 의해 매초 추출된 분할 파형 데이터의 각각에 대해 특징량이 얻어진다. 파형 데이터 수치화 수단(14)에 의해 얻어진 특징량과 판정 결과(이상 또는 정상)는 서로 관련되며 특징량-이력 데이터베이스(15)에 저장된다. 특징량 및 이력은, 예를 들면 도 8에 도시된 바와 같이 이들이 저장될 때 레코드 번호에 의해 관련된다. 이력(정상 또는 (이상 종류를 갖는) 이상)에 대한 난(column)은 파형 데이터 이력 기록 수단(7)으로부터 수신된 데이터(이력 형태)를 저장하고 파형 데이터 수치화 수단(14)으로부터 수신된 특징량은 후속하는 난에 저장된다. 모델(판정 알고리즘)이 생성되면, 이력(HIST)을 위한 난은 모두 정상(OK)이 된다.

도 8에 도시된 예에 있어서, Fx1, Fx2 등의 난은 레코드 번호에 의해 식별된 분할 파형 데이터에 대응하는 특징량을 포함한다. 예를 들면, 레코드 No.1은 첫 번 째 분할 파형 데이터에 대응하는 특징량을 나타내고, 레코드 No.2는 다음 번 분할 파형 데이터에 대응하는 특징량을 나타내며, 레코드 No.6은 마지막의 분할 파형 데이터에 대응하는 특징량을 나타낸다. 도 8에 도시되진 않았지만, 시작 위치가 임의적인 (2)의 방법에 따른 분할 파형 데이터에 대응하는 특징량이 그 후 기록된다.

상기 상술된 추출 처리는 시간축을 따라 분할된 분할 파형 데이터에 기초하여 수행되지만, FFT가 수행된 목표 파형 데이터도 또한 분할 파형 데이터이기 때문에 FFT 또는 차수 변환에 의해 얻어지는 것과 같은 주파수축에 관련된 특징량이 추출될 것이다. 도 9는 특정한 프레임 크기를 갖는 분할 파형 데이터 부분에 대해 수행된 (m부분으로의) 프레임 분할의 예를 도시한다. N(본 실시예에서 N=1)초보다 작은 프레임 크기가 임의적으로 선택된다. 디지털 처리이기 때문에, 이 숫자는 2의 멱승이 되도록 선택된다.

각 프레임마다 FFT를 수행하여 모든 주파수 대역(F1에서 Fn)에 대한 주파수 성분을 구한다. 그 결과 도 10에 도시된 바와 같이 주파수 대역(F1에서 Fn) 과 프레임(T1 에서 Tm)에 대해 매트릭스 형태로 주파수 성분이 얻어진다. 이 매트릭스로부터, 시간 방향에서의 표준 편차와 평균 파워 값이 각각의 주파수 대역에 대해 계산된다. 이렇게 얻어진 평균 및 표준 편차는 도 11에 도시된 바와 같이 단일 열에 정렬되는데, 이것을 특징량(1)로 칭한다.

다음에, 프레임 크기가 임의적으로 재정의되고 이들 재정의된 프레임을 사용하는 것에 의해 상기 상술된 처리를 반복하여 특징량(2)를 얻는다. 이것을 소정 횟수(n) 반복하고 도 11에 도시된 바와 같이 그 모두를 수평의 열에 정렬하는 것에 의해 최종 특징량 데이터를 얻는다. 이 열에 대해 로그 변환을 수행하여 최종 특징량을 정의한다.

도 12는 선택된 주파수 대역을 40 부분으로 분할하는 것에 의해 테스트 제품이 구동되고 있는 동안의 테스트 제품의 소리(톤)를, 주파수 패턴으로서 나타내는 그래프이다. 인간의 청감은, 특정 주파수 성분뿐만 아니라 가청 범위의 전체 주파수 대역을 소정의 패턴으로 검출하는 측정 센서와는 상이하다. 이 때문에, 어느 주파수 대역의 파워가 변경되면, 소리 톤의 변화로서 인식된다. 종래의 인라인 검소용의 검사 장치의 경우에서와 같이 특정 종류의 손상을 검출하는 것이 목적이라면, 예비 처리로서 특정 주파수를 추출하기 위한 필터링 처리가 수행될 것인데, 그 이유는 이러한 특정 주파수에 기초하여 판정이 가능할 것이기 때문이다. 그러나, 내구성 테스트의 경우, 어느 구성 요소에서 1차 손상이 발생할지를 예측할 수 없고 그에 따라 어떤 주파수 영역에서 소리의 변화가 발생할지를 예측할 수 없다. 따라서, 본 발명의 실시예에 따르면, 판정 모델을 생성하기 위해 전체 주파수 대역을 검사 목표로 간주하는 것에 의해 특징량이 얻어지고 그 결과 전체 주파수 대역이 하나의 패턴으로서 인식될 것이다.

요약하면, 본 발명에 따르면 단지 하나의 선택된 주파수만이 고려되는 것이 아니라 주파수 대역 전체(F1에서 Fn)가 고려되며 주파수 패턴은 몇몇 수단에 의해 수로서 표현되어 사람의 청감을 흉내내게 된다. 소리가 진동의 형태이기 때문에, 본 발명의 기본 원리는 진동을 포함하는 경우에 일반적으로 적용가능하다. 예를 들면, 진동은 진동 센서(가속 센서)에 의해 감지될 수 있는데, 이 파형이 스피커에 의해 재생되면, 마이크를 통해 느끼게 되는 변화와 유사한 변화가 사람에 의해 감지될 수 있다. 가속 센서가 아닌 온도 센서 또는 변형 게이지에 대해서도 마찬가지이다.

도 13은 파형 데이터 수치화 수단(14)의 예의 내부 구조를 도시한다. 도시된 바와 같이, 이 파형 데이터 수치화 수단(14)은 파형 분할 수단(11)으로부터 얻어진 분할 파형 데이터를 저장하기 위한 제 1의 템플릿 메모리(14a)와 분할 파형 데이터 각각에 대해 프레임 분할 처리를 수행하는 프레임 분할부(14f)를 구비한다. 프레임 분할부(14f)의 기능은, 도 9를 참조로 상기 설명된 바와 같이, 프레임 크기를 임의로 선택하고 분할 파형 데이터 각각을 선택된 프레임 크기에 따라 프레임으로 분할하는 기능을 갖는다. 이러한 프레임 분할 처리는 프레임 크기를 변경하면서 소정 횟수 반복된다. 프레임 분할부(14f)에 의해 생성된 파형 데이터는, 프레임 단위로 제공된 파형 데이터에 대해, FFT와 차수 변환과 같은, 도 10을 참조로 설명된 종류의 주파수 분석 처리를 수행하는 주파수 분석부(14b)에 의해 수신된다. 이렇게 얻어진 특징량 데이터는 2차 템플릿 메모리(14c)에 저장된다. 동일한 분할 파형 데이터로부터 추출된 복수 종류의 특징 데이터는 이들 템플릿 메모리(14a 및 14c)에 저장된다. 이들 특징량 데이터는 각각 특정 함수에 의해 얻어진다.

이들 특정 함수를 사용하는 것에 의해 파형 데이터 수치화 수단(14)에 의해 얻어지는 항목은, 다른 항목이 때때로 부가되는 것에 비해, 평균값 및 최대값과 같이 보통 미리 선정되지만, 이들 함수는 계수나 정수와 같은 조정 가능한 파라미터를 포함하며 이들 파라미터가 적절하게 설정되면 (이상 검출의) 판정의 정확도가 향상된다. 이것은 선택이 잘못 이루어진 경우에는 정확도가 떨어지게 된다는 것을 의미한다. 통상적으로, 이러한 파라미터는 시행 착오의 방법에 의해 숙련자에 의해 설정된다. 본 발명은 시행착오 방법에 의한 파라미터의 선택을 배제하지는 않지만 검사 장치(10)는 본 발명의 양호한 실시예에 따라 파라미터를 자동적으로 최적화하고, 최적으로 설정된 파라미터가 파형 데이터를 수치화하는데(특징량을 추출하는데) 사용된다.

보다 상세히 설명하면, 파형 데이터 수치화 수단(14)은 수치화 수단 조정 수단(9)으로부터의 명령에 따라 여러 파라미터를 변경하는 것에 의해 파형 데이터를 수치화하기 위해 사용될 특정 함수를 마련하고 최적화하기 위한 함수 최적화부(14d)를 포함한다. 도 14는 함수 최적화부(14d)에 의해 수행되는 함수의 순서도이다.

함수 최적화부(14d)는 특정 함수의 계수와 정수의 결합 효과를 조사하고 실험 계획의 목록에 기초하여 조사 조건을 설정한다(단계 S11). 이것은 수치화 수단 조정 수단(9)으로부터의 명령에 따라 계수와 정수의 복수 결합을 설정하여 조사 조건(조사 방법)과 관련하여 계획 목록을 생성하는 것에 의해 이루어진다. 다음에, 신호 요소로서 정상 및 이상을 가지며 에러 요소로서 데이터 수를 가지고 각각의 조사 방법(실험 No.) 각각에 대한 동적 특징(SN비)이 산출된다(단계 S12). 상기는, 각 조사 방법에 의해 지정된 파라미터(계수 및 정수)에 의해 설정된 특정 함수를 사용하여 복수의 주어진 파형 데이터에 대해 특징량을 구하고 OK(정상품)로 나타내는 특징량(수치값)의 그룹과 NG(이상 또는 불량품)로 나타내는 특징량(수치값)의 그룹 사이의 거리를 산출함으로써, 완료된다.

그리고, 특정 함수의 계수 및 정수의 처리 평균이 산출되고(단계 S13), 특정 함수(단계 S14)의 각 계수 및 정수중에서 높은 SN비의 값이 선택된다. 특정 함수의 파라미터(계수 및 정수)는 이들 선택된 값 및 이들 계수를 사용하는 특정 함수로부터 결정되고, 정수가 최적으로 설정된다(단계 S15). 특정 함수의 파라미터의 평가 및 설정은 각 특정 함수마다, 즉, 각 특징량마다 수행된다.

최적화된 특정 함수는, 파형 데이터를 수치화하고 구해진 특징량을 출력하도록 설정되는 최적화 특정 함수를 사용하는 수치화 처리부(14e)로 전송된다. 이들 출력된 특징량은 파형 데이터 이력 기록 수단(7)에 기록된다.

특징량-이력 데이터베이스(15)에 기록된 데이터는 등록 컨텐츠 표시 수단(13')에 표시되거나 편집 수단(16)을 동작시킴으로써 변경될 수 있다. 상기 등록 컨텐츠 표시 수단(13') 및 상술한 파형 기록 표시 수단(13)은 단일 모니터에 의해 물리적으로 구현될 수 있다. 특징량-이력 데이터베이스(15)에 기록된 데이터는 분할 시간마다 시분할 데이터베이스(18)에 기록된다. 이 시분할 데이터베이스(18)에 저장된 데이터는 등록 컨텐츠 표시 수단(13')에 출력되어 표시된다. 상기 편집 수단(16)은 시분할 데이터베이스(18)에 기록된 데이터를 삭제하고 편집한다.

시분할 데이터베이스(18)에서 기록된 각 데이터가 각 시분할마다 다음 단계의 판정 모델 생성 수단(각 시간당)(19)으로 전송된다. 상기 판정 모델 생성 수단(19)은 각 시간당의 특징량에 의거하여, 검사 대상물의 파형 데이터(특징량)이 각 이력 종류와 일치하는지 아닌지 여부를 판정하기 위한 판정식, 즉, 정상 이력 종류 의 정상 데이터에 근거한 정상 판정을 수행하기 위한 판정식을 생성한다.

조건 판정식은 마하라노비스 거리 방식, 유클리드 거리 방식, 정상-이상 비교 방식, 뉴럴 네트워크 방식 및 멤버쉽 함수를 이용한 퍼지 방식과 같은 어떠한 형태도 가능하다. 이하에 설명한 바와 같이, 자동으로 생성하는 것 및 종래와 같이 수동으로 생성하는 것 모두 가능하다.

일정 속도로 테스트하는 경우, 단 한종류의 모델이 생성되지만, 판정 모델은 수 초에 대응하는 데이터로부터 생성된다. 상기는 모델이 1초마다 분할된 복수의 파형 데이터의 특징량으로부터 생성된다는 것을 말한다. 여기에서 생성된 판정 모델(판정 룰)은 각 특징량의 평균 및 표준 편차로부터 정상 범위를 특정하고(즉, 평균의 ±σ 이내), 정상 범위로부터의 괴리도(degree of distance)에 따라 정상 또는 이상을 판정하기 위해 생성된다. 판정 모델은, 먼저 각 특징량에 대한 정상 범위를 얻고, 각 초당 얻어진 파형 데이터로부터 각 특징량을 얻고, 각 특징량이 상술한 정상 범위(특정 거리 내)내에 있는지 여부를 판정하고, 특징량중에서 이상으로 판정된 것이 하나라도(또는, 소정수) 있으면 이상으로 판정하도록 할 수 있다. 이상의 존재여부는, 각 특징량을 나타내는 다차원 벡터를 미리 고려함으로써 판단할 수도 있고, 상기 다차원 벡터와, 검사 대상물의 파형 데이터로부터 얻어진 다른 다차원 벡터와의 사이의 거리에 의거하여 판단하는 것도 가능하다

정상 데이터에 의해서만 생성된 판정식에 근거한 판정 실행 수단(21)에 의해 본 발명에 따른 판정식이 처음에 주어지므로, 정상 이력을 갖는 데이터만이 특징량-이력 데이터베이스(15)에 저장되고, 도 8에 도시된 정상 이력 종류를 갖는 데이터 만이 시분할 데이터베이스(18)에 저장된다. 따라서, 판정 모델 생성 수단(19)은 판정 실행 수단(21)에 설정된 정상 판정을 행하기 위한 판정식을 생성한다.

특징량 값은 다음과 같은 행(row) 벡터의 형태이며;

정상 = f(CV1, CV2, ...., CVn),

정상 레벨은 “1”과 같은 정규화된 형태로 취급된다(“1”이외로 하여도 좋다). 각 특징량값이 내구성 테스트 시작 직후의 초기값과는 상이한 값으로 되므로, f(CV1, CV2, ...., CVn)의 값은 1에 가까운 값이 된다. 따라서, 정상과 가까운지 여부가 f(CV1, CV2, ...., CVn)의 값으로부터 판정될 수 있다.

f(CV1, CV2, ...., CVn)와 같은 식을 사용하여 정상품과의 차이를 계산하기 위한 알고리즘의 예는 유클리드 거리, 마하라노비스 거리 및 뉴럴 네트워크 모델을 사용하는 방법을 포함한다.

시분할 데이터베이스(18)에 기록된 각 데이터는 엔진(1)으로부터 얻어진 파형 데이터에 근거하여 얻어진 특징값을 갖는 판정식을 사용하여 연산된 결과가 각 이력 종류에 맞는지 여부를 판정하기 위한 임계값을 설정하기 위한 임계값 설정 수단(20)으로도 전송된다.

판정 알고리즘(판정 모델)이 생성되고, 판정 실행 수단(21)은 검사 대상물의 파형 데이터(특징량)에 근거하고 판정식 및 임계값을 사용하여 정상-이상 판정을 수행한다. 판정 결과는 표시 수단(23) 또는 출력 수단(24)을 통해 출력될 뿐만 아니라, 결과 메모리(25)에 저장된다. 결과 메모리(25)는 조건 판정 결과뿐만 아니라 사람에 의해 이루어진 판정(이력), 파형 데이터 및 특징량을 관련된 형태로 저장한 다. 표시 수단(23)은 상술한 파형 기록 표시 수단(13)과 물리적으로 동일하다.

상술한 바와 같이, 판정 모델 생성 수단(19)은 다양한 종류일 수 있다. 도 15는 유클리드 거리 방식을 수행하기 위해 취해진 내부 구조를 나타낸다. 우선, 시분할 데이터베이스(18)의 정상 데이터베이스(18a) 및 이상 데이터베이스(18b)에 저장된(더미 NG 생성 수단(12)에 의해 생성된) 각 이력 종류에 대한 특징량 데이터가 대응하는 유클리드 거리의 산출 저장 수단(19a 및 19b)으로 전송된다. 정상 데이터(19a)에 대한 유클리드 거리 산출 저장 수단은 얻어진 정상 데이터(특징량)에 의거하여, 이들 특징량의 제곱의 총합의 제곱근을 산출함으로써 유클리드 거리를 구하고, 이를 저장한다. 이상 데이터(19b)에 대한 유클리드 거리 산출-저장 수단은 처리 대상물이 이상 데이터라는 것을 제외하고는 동일한 연산을 수행하고, 그 결과를 저장한다. 이상 데이터가 이상 종류에 따라 분류되면, 유클리드 거리는 각 이상 종류마다 산출되고 저장된다.

상술한 바와 같이 산출되고 저장된 각 유클리드 거리는 대응하는 통계량 연산 수단(19c 또는 19d)에 전송된다. 정상 통계량 연산 수단(19c)은 정상 통계량을 산출하고, 최대, 평균, 표준 편차값과 같이 주어진 복수의 정상 데이터의 유클리드 거리의 통계량을 산출한다. 마찬가지로, 이상 통계량 연산 수단(19d)은 이상 통계량을 산출하고, 최대, 평균, 표준 편차값과 같이 주어진 복수의 이상 데이터의 유클리드 거리의 통계량을 산출한다. 이러한 경우, 역시, 각 이상 종류마다 구해진다.

통계량 연산 수단(19c 및 19d)에 의해 얻어진 이들 통계량은 판정식 판단부 (19e)로 전송된다.

정상 통계량 연산 수단(19c)에 의해 얻어진 정상 통계량의 최대(최대 정상값)와 이상 통계량 판정 연산 수단(19d)에 의해 얻어진 이상 통계량의 최소(최소 이상값)을 비교하여, (최대 정상값)<(최소 이상값)인지 여부를 판단한다. 부등식이 만족되면, 그 때 설정된 특징량의 유클리드 거리를 구한 식이 올바르다고 판단하고，판정 실행 수단(21)에 세트한다．이것에 의해，판정 실행 수단(21)은, 주어진 특징량의 제곱의 총합의 제곱근을 구한 것에 의하여 유클리드 거리를 산출한다．

상기 부등식이 만족하지 못하면, 특징량을 산출한 특정 함수의 설정이 부적적하다고 되기 때문에, 판정식 결정부(19e)는, 수치화 수단 조정 수단(9)에 그 파라미터(특정 함수의 계수 및 정수)의 변경 요구를 한다．이 요구를 수신하면, 수치화 조정 수단(9)이 특정 함수의 계수 및 정수에 다른 값을 설정한다. 특정 함수가 변경되기 때문에, 변경된 특정 함수에 의거하여 수치화된 특징량이 변화하고，통계치도 변경된다. 이 처리를 반복하고 실행한 것에 의하여，판정식 결정부(19e)에 조건을 만족한 것이 생성된다．

판정 모델 생성 수단(19)이, 상술한 바와 같이 유클리드 거리 방식에 의해 산출된 것이면, 정상 데이터의 유클리드 거리(특징량의 2승의 총화의 제곱근)를 산출하는 기능을 판정 실행 수단(21)에 지정한다.

도 16은 정상-이상 비교 방법을 위해 사용되는 판정 모델 생성 수단(19)의 또다른 구조를 나타낸다. 이 방법에 의해, 시분할 데이터베이스(18)의 정상 데이터베이스(18a) 및 이상 데이터베이스(18b)에 저장된 특징 데이터가, 특정함수를 선택 하고 이들 데이터베이스에 저장된 데이터의 특징량을 산출하기위해 사용되는, 특징량 연산 수단(19f)에 전송된다. 정상 데이터의 특징량이 정상 특징량 데이터 저장 수단(19g)에 저장되고, 이상 데이터의 특징량이 이상 특징량 데이터 저장 수단(19h)에 저장된다.

상기와 같이 산출되고 저장된 이들 특징량은 각각 대응하는 통계량 연산 수단(19i 및 19j)에 각각 전송된다. 정상 통계량 연산 수단(19i)은 정상 데이터의 특징량의 통계량을 산출하기 위한 것이며, 주어진 복수의 정상 데이터의 특징량의 최대, 평균, 표준 편차값을 산출한다. 마찬가지로, 이상 통계량 연산 수단(19j)은 이상 데이터의 특징량의 통계량을 산출하기 위한 것이고, 주어진 복수의 이상 데이터의 특징량의 최대, 평균, 표준 편차값을 산출한다.

통계량 연산 수단(19i 및 19j)에 의해 얻어진 통계량은, 정상 통계량 연산 수단(19i)에 의해 얻어진 정상 통계량의 최대(최대 정상값)과 이상 통계량 연산 수단(19j)에 의해 얻어진 이상 통계량의 최소(최소 이상값)을 비교하여 (최대 정상값)<(최소 이상값)인지 여부를 판정하는, 판정식 결정부(19k)로 전송된다. 이 부등식이 만족하면, 특징량 연산 수단(19f)에 의해 도출된 특정 함수가 올바르다고 판정되고, 판정 실행 수단(21)에 정의된다. 따라서, 판정 실행 수단(21)은 주어진 특징량의 제곱의 총합의 제곱근을 구함으로써 유클리드 거리를 산출하고, 이 유클리드 거리가 입계값 이상인지 아닌지 여부에 의해 상태를 판정한다.

상기 부등식이 만족하지 못하면, 도출된 함수가 부적절하다고 판정되므로, 특징량 연산 수단(19f)에 대하여, 사용한 특정 함수를 변경해 달라는 요구를 청한 다. 상기 요구를 수신하면, 특징량 연산 수단(19f)은, 다른 특정 함수를 선택하고, 다시 특징량을 산출한다. 특징 함수가 변경되기 때문에, 변경된 특징 함수에 의거하여 수치화된 특징량도 변경되고, 통계량도 변경된다. 상기 처리를 반복하면, 판정식 결정부(19k)는 만족스러운 조건을 구비한 것을 선택한다.

각종 조건이 판정식 결정부(19k)에 의해 고려될 수 있다. 예를 들어, 최대값이 (정상 평균값)+3σ으로 설정되고, 최소값이 (평균 이상값)-3σ으로 설정될 수 있다.

판정 모델 생성 수단(19)이 상기 정상-이상 비교 방법을 사용하면, 판정 실행 수단(21)에 대해 선택된 특정 함수가 정의된다.

도 17은 뉴럴 네트워크 방법에 대해 채택된 판정 모델 생성 수단(19)의 또 다른 구조를 나타낸다. 상기 방법에 의해, 시분할 데이터베이스(18)의 정상 데이터베이스(18a) 및 이상 데이터베이스(18b)에 저장된 각 이력 종류에 대한 특징 데이터가, 각 데이터베이스에 대한 배제값(exclusion value)을 산출하는 기능을 하고 이 데이터를 삭제하는, 스크리닝 수단(19m)으로 전송된다. 예를 들면 배제는: (1)(평균값)±σ으로부터 벗어나는 것, (2)(최대값을 포함하여)가장 큰 3번째까지의 데이터와 (최소값을 포함하여)가장 작은 3개째까지의 데이터를 배제함으로써 평균과 표준 편차를 계산하고, (평균값)±σ으로부터 벗어나는 것을 포함한다.

스크리닝 수단(19m)에 의해 스크리닝한 후 남은 데이터가 통합 수단(19n)으로 전송되어 데이터를 통합한다. 학습 수단(19p)은 이력 레벨을 출력으로 하고 통합 데이터베이스에 저장된 특징량 데이터를 입력으로 갖는 뉴럴 네트워크 모델을 학습(클러스터링 모델을 구축)하는 기능을 한다. 뉴럴 네트워크에 사용된 다양한 방법이 학습 처리에 사용될 수 있다. 이 처리가 종료되면, 이 학습 처리의 결과로서 뉴럴 네트워크 모델을 조건 판정 수단으로서 정의하고, 판정 실행 수단(21)에 설정한다.

도 18은 정상 데이터에만 의거하여 복수의 특징량을 통합하고 마하라노비스 거리를 사용하여 판정 모델을 생성하는 판정 모델 생성 수단(19)의 또 다른 구조를 나타낸다. 정상 데이터베이스(18a)에 저장된 정상 데이터의 특징량은, 모든 특징량의 통계량을 산출하는, 통계 처리 수단(19q)으로 전송된다. 평균 및 표준 편차는 구해진 통계량이다. 환언하면, 평균값과 표준 편차는 각 특징량에 대해 구해지고, 특징량의 평균값과 함께인 평균 백터와 특징량의 표준 편차와 함께인 표준 편차 벡터가 구해진다.

구해진 통계량은 평균 벡터 및 표준 편차 벡터에 의해 정상 데이터베이스(18a)에 저장된 데이터를 표준화하기 위한 표준화 수단(19r)으로 전송된다. 상기는 특징량의 수치 크기의 변동 때문에 정규화 및 기준화를 도모한 것이다. 그리고, 행렬 획득 수단(19s)에 의해 각 특징량의 상관 행렬을 구하고, 역행렬 획득 수단(19t)에 의해 상관 행렬의 역행렬을 구한다.

이들 행열은 메모리 수단(19u)에 저장되고 마하라노비스 거리를 산출하기 위한 연산식을 구하기 위해 수식 생성 수단(19v)으로 전송된다.

마하라노비스 거리(D^2)는 다음과 같이 산출된다. 특징량의 수=k이고 아이템의 값을 X1, X2, ..., Xk로 하고 n개의 데이터가 검사 대상물인 테스트 제품으로부 터 측정되는 경우를 고려한다. 각 특징량의 평균 및 표준 편차가 m1, m2, ..., mk 및 σ1, σ2, ..., σk이고 상관 행렬의 역행렬의 성분을 aij라고 하면, 마하라노비스 거리는 다음과 같이 규정된다.

n개의 데이터는 동일한 이력 종류가 되도록 미리 마련되어야 한다. 상기 식은 수식 생성 수단(31f) 에 의해 생성되고, 생성된 수식은 판정 실행 수단(21)에 설정된다.

내구성 테스트의 시작 및 초기 단계에 얻어진 정상 데이터는 이상적인 정상 데이터와 패턴이 비슷하기 때문에, 평가 기준에 가까운 위치에 플롯된다. 마하라노비스의 거리가 1에 근사한 값이 된다. 이것에 대하여，1차적 손상등이 생긴 후에 얻어진 이상 데이터는 정상 데이터와의 패턴으로부터의 거리에 따라 평가 기준으로부터 멀리 떨어진 곳에 플롯된다. 이 경우 마하라노비스의 거리는 큰 값이 된다. 따라서, 마하라노비스의 거리가 1에 근사한가 여부의 검사에 의해 정상이나 아닌가의 판정을 간단하게 행할 수 있다. 또한, 사용한 특정 함수에 의해 마하라노비스 거리의 신뢰성에 대한 기여율을 평가하고，기여율이 낮은 것을 삭제한 기능을 부가해도 좋다.

종래의 검사 장치는 전체 샘플링 시간의 파형 데이터로부터 특정 시간 기간에 대응하는 데이터의 일부를 컷아웃하고, 또한 그 반출 데이터를 일정 데이터 수 로 분할하여 얻어진 데이터 그룹을 프레임으로 하고, 그 프레임 단위로 복수의 특징량을 추출한다. 모든 프레임으로부터 얻어진 각 특징량에 관하여, 동일 종류의 특징량마다 평균과 같은 각종의 방법에 의하여 대표 특징량 연산값를 구한다. 따라서, 상이한 종류의 대표량의 수로서 동일한 수의 대표 연산값이 산출된다. 이상-정상 판정은 이들 모든 대표 연산값 또는 선택된 하나의 소정수를 사용하여 이루어진다. 판정에 사용한 대표 연산값의 수는 어떻든 간에, 판정을 위해 특징량(스칼라양)의 단위로 비교가 이루어진다.

본 발명에 따르면, 구해진 복수의 특징량이 다차원 파형 평가로 단일 벡터량으로 변환된다. 그 결과, 정상-이상 판정에 사용되는 모델은 복수의 특징량을 구함으로써 생성된 벡터량이다. 따라서, 판정은 이러한 모델 및 검사 대상물의 파령 데이터에 의거하여 벡터량을 비교함으로써 이루어진다. 두 벡터 사이의 거리가 작으면, 파형 데이터는 모델과 일치한다고 판정하고, 그 거리가 크면, 파형 데이터가 모델과 상이하다고 판정한다.

정상 판정만을 받은 경우, 하나의 표준 모델만이 복수 종류의 특징값을 통합함으로써 얻어진 하나의 수치값(다차원 파형 평가에 대한 벡터량)이 필요하고, 이로부터의 거리를 얻음으로써 정상 판정이 이루어질 수 있다. 즉, 각 특징량(복수의 프레임에 의거한 대표 연산값)을 통합함으로써 벡터량이 산출된 후, 판정이 거리를 구하기 위해 단일 처리에 의해 이루어질 수 있다. 두 벡터량 사이의 거리는 마하라노비스 거리, 유클리드 거리 또는 이외의 방법에 의해 구해질 수 있다.

이 특징량의 통합은 복수의 파형 데이터의 특징량의 통합에 이용될 수 있다. 상이한 센서 또는 상이한 계측 장소로부터의 파형 데이터인 경우, 특징량이 상술한 바와 같이 통합되는 것이 아니라, 파형 데이터의 소스로서 각 센서에 의해 얻어진 파형에 의거하여 판정이 각각 이루어지고, (예를 들어, 어느 하나의 센서에 의해 이상이 발견되면 1차 손상이 있다고 결론내림으로써) 종합적인 판정이 이루어질 수 있다. 복수의 검출 데이터(소리, 온도, 진동 등)가 있으면, 판정 알고리즘은, 상술한 어느 방법을 사용하여 각 파형을 판정하고 최종적으로 판정 알고리즘에 의한 판정 결과를 통합함으로써 생성될 수 있다.

임계값 설정 수단(20)은 매뉴얼 조작에 의해 임계값을 설정하기 위한 것이다. 도 19에 도시된 바와 같이, 시분할 데이터베이스(18)에 저장된 정상 데이터의 특징량 데이터는 정상 분포 확인 수단(20a)으로 전송되고, 시분할 데이터베이스(18)에 저장된 이상 데이터의 특징량 데이터(더미 NG 데이터)는 더미 NG 분포 확인 수단(20b)에 전송된다. 이상의 종류가 설정되면, 각 이상 종류마다 수행된다. 상기에서, 정상 및 이상 데이터는 이력 데이터 또는 사람의 판정에 의거하여 나누어질 수 있다.

이들 각 분포 확인 수단(20a 및 20b)은, 구해진 각 이력 종류에 대한 특징량의 분포 조건을 구하고, 예를 들어, 평균값, 중앙값, 표준 편차, 4분위점 및 nσ(n=1, 2,...)을 산출하고, 정상 분포와 하나의 이상 분포 사이의 위치 관계(TX)를 구하기 위한 위치 관계 연산 수단(20c)에 산출한 값을 제공하는 것이다. 예를 들어, 모든 이상 종류의 분포와 정상 분포와 이상 종류(A)의 분포 사이의 위치 관계(TA), 정상 분포와 이상 종류(B)의 분포 사이의 위치 관계(TB) 등과 같은 정상 분 포와의 사이의 위치 관계가 구해진다.

상기에서, 위치 관계(TX)(X=A, B, C, ...)는 특징값상의 수치값이고, 다음과 같이 구해질 수 있다.

TX=(정상)(평균+3σ)-(이상 종류(X))(평균-3σ)

이 식에서, (평균)은 (중앙값)으로 대체될 수 있고, “3σ”은 “4분위점” 또는 nσ(n=1, 2, ...)으로 대체 가능하다.

이 위치 관계 연산 수단(20c)에 의해 얻어진 각 이상 종류와의 위치 관계(TX)가, TX의 부호를 확인하고 하기에 주어진 룰에 따라 ΔX를 구하는 임계값 결정 수단(20d)으로 전송된다.

TX가 부(negative)이면, 이 수단은 정상 분포 및 이상 분포가 부분적으로 오버랩되고, 다음과 같이 ΔX는 TX의 중간점으로 규정된다.

ΔX = 1/2{(정상)(평균+3σ)+(이상 종류(X))(평균-3σ)}

T=0 또는 정(positive)이면, 이들 분포가 오버랩되지 않으므로, ΔX가 이상 종류(X)의 분포측 상에 설정된다. 또는,

ΔX = (이상 종류(X))(평균-3σ)

모든 이상 종류에 대한 ΔX의 값이 구해진 후, 이중 가장 작은 것이 임계값(Δ) 또는 Δ=min(ΔX)로서 규정된다. 상술한 바와 같이, 상기 방정식에서 평균은 중앙값, 4분위값 또는 nσ(n=1, 2, ...)에 의해 대체될 수 있다.

도 20은 임계값 설정 수단(20)의 다른 내부 구조를 나타낸다. 정상 및 이상(더미 NG) 분포가 도 19의 경우에 필요했지만, 도 20에 도시된 내부 구조를 갖는 임 계값 설정 수단(20)은 하나의 분포에만 의거하여 임계값을 설정할 수 있다. 좀더 상세히 설명하면, 시분할 데이터베이스(18)에 저장된 데이터가 수집되고, 검사 장치(10)에 의해 검사된 엔진(1)의 모든 특징량의 값이 집계되고, 또는 특징량값의 표준 편차(σ)가 구해진다.

도 20에 도시된 임계 설정 수단(20)은 예를 들어, (1)엔진(1)의 폐기 비용(A0), (2)폐기 판정을 위한 최소의 임계값(Δ0)(임의의 특징량의 레벨) 및 (3)엔진(1)의 재가공 비용(A)의 상이한 종류의 등록 수단(20f)을 포함한다. 상기에서, 폐기 비용은, 제조 비용 및 폐기시 발생한 비용을 포함하는, 이상 판정 결과 폐기 처리를 수행한 비용을 뜻한다. 재가공 비용은 이상이 판정된 엔진의 부품을 교체하여 정상품으로 만들기 위한 비용을 뜻한다. 특징량 집계 수단(20e)에 의해 집계된 특징량 및 등록 수단(20f)에 입력된 등록 데이터가 손실 함수 연산 수단(20g)에 전송된다. 손실 함수(L)은 다음과 같이 산출된다.

L = (A0/Δ0^s)σ^2

이와 같이 구해진 손실 함수(L)는 다음 단의 임계값 연산 수단(20h)에 전송된다. 임계값(Δ)은 다음과 같이 산출된다.

Δ = (A/A0)^(1/2)Δ0

상술한 바와 같이, 판정 모델은 도 2의 단계(S4 및 S5)에 도시된 정상 조건하의 데이터에만 의거하여 본 실시예에 따라 생성되지만 이상 조건의 데이터(더미 NG 데이터)는 더 정확한 판정룰 또는 모델을 생성하기 위해 사용되기도 한다.

도 21은 검사 동작시 검사 장치(10)의 내부 구조를 도시한다. 그 동안, 도 4 에 도시된 알고리즘 중, 판정 모델을 생성하고 조정하기 위한 기능(또는 수치화 수단 조정 수단(9), 더미 NG생성 수단(12), 및 판정 모델 생성 수단(19))이 불필요하다. 단순히 이상 검출만을 고려하면 편집 수단(16)도 불필요하지만, 검사 장치의 판정이 틀린 경우 수동 교정이 가능하도록 하기 위해 설치한다.

엔진(1)의 내구성 테스트 동안, 파형 데이터가 각종 센서로부터 연속 입력되므로, 파형 분할 수단(11)이 N초의 단위로 파형을 분할함으로써 분할된 파형을 생성하고, 그 결과를 파형 데이터 수치화 수단(14)으로 전송한다. 분할 처리가 시작으로부터 규칙적이고 순차적으로 수행된다. 모델(알고리즘 생성)에 N이 임의로 설정되고 분할 파형 데이터가 이에 의거하여 생성되면, 분할 파형 데이터는 각 단위 시간당 생성된다. 따라서, 상이한 단위 시간(1초, 2초, 3초 등..)으로 분할 파형 데이터가 생성된다.

파형 데이터 수치화 수단(14)은 엔진(1)의 내구성 테스트동안 얻어진 검출 데이터로부터 생성된 분할 파형 데이터를 수치화함으로써 특징량을 구하고, 특징량-이력 데이터베이스(15)에 저장된 이들 특징량을 갖는다. 동일 대상물에 대해 사람에 의한 판정이 동시에 이루어지면, 이러한 사람의 판정의 결과는 특징량-이력 데이터베이스(15)에 저장될 수도 있다. 그러나, 엔진(1)이 장시간 연속하여 동작하는 동안 내구성 테스트를 하는 경우에는, 검사원이 계속 상주하거나 사람의 판정을 연속하여 입력할 필요는 없다. 이러한 판정이 적정한 타이밍(주기적으로)에 기록되고 보조적으로 등록되면, 검사 장치(10)의 판정 모델의 정밀성의 판정 및 분석등에 도움이 된다.

특징량-이력 데이터베이스(15)에 저장된 특징량 데이터는 상태 판정(이상 판정)이 수행되는 판정 실행 수단(21)에 전송된다. 이 판정 결과는 표시 수단(23)에 의해 표시되고, 출력 수단(24)에 출력되고, 결과 메모리(25)에 저장된다.

알고리즘(판정 모델)이 생성된 후, 테스트 프로파일이 실제 내구성 테스트로서 반복적으로 수행된다. 시작 시간(제 0초째)으로부터 종료 시간(제 X초째)까지의 N초 단위로 정상 정도를 평가함으로써 이상을 실시간으로 검출한다. 도 22에 도시된 예에서, N=1이고 수치화된 결과(도 23의 A에 도시된 행 벡터의 형태의 특징량)가 파형으로부터 1초마다 구해진다. 이러한 행 벡터 데이터는 테스트 동안 1초단위로 연속적으로 생성된다.

도 22는 일정 속도로 회전 운동하는 예를 나타내며, 단일 판정 모델(모델(1))이 사용된다(도 22의 B에 도시). 정상 정도는 도 22의 C에 도시된 바와 같이, 각 분할 파형 데이터에 대해 산출된다. 판정 모델은 데이터가 정상 데이터에 가까워지도록 정상 정도가 1에 가까워지도록 생성되고 정상 데이터로부터의 거리가 증가하도록 더 커지게 된다. 내구성 테스트의 경우, 정상 정도가 테스트의 초기 기간동안 보통 1.0과 근사하게 된다.

단위 시간(N)이 (순간 정지에 필요한 시간인)1초뿐만 아니라 3초 및 6초와 같은 다른 시간도 설정된다. 도 22의 D 및 E에 도시된 바와 같이, 정상 정도는 분할 파형 데이터에 의거하여 산출된다.

도 23은 제 4초째동안은 정상 정도 판정 결과가 1에 근사하고 제 5초째에서는 2.3, 제 6초째에서는 3.4로 빠르게 1로부터 멀어지는 또다른 예를 나타낸다. 이 상 판정에 대한 임계값이 2.3 미만이면, 제 5초째에서 판정시에 정지 명령이 출력된다. 엔진(1)에 대한 내구성 테스트가 정지되고 제 6초째에 대한 파형 데이터가 입력되지 않게 되어 판정 처리도 되지 않는다.(도 23에서 임계값이 2.3미만이 아니므로, 제 6초째까지 판정 결과가 출력된다.)

일정 속도로 동작하는 예가 상술되었고 따라서 공통 판정 모델이 각 분할 파형 데이터에 대해 사용되었지만, 본 발명은 이에 한정되는 것이 아니며 가변 속도의 동작 프로파일에도 적용가능하다. 도 24는 제 1초째동안 엔진(1)의 회전이 가속되고 제 2초째 및 제 3초째 동안은 일정 속도를 유지하고 그 이후에는 감속과 가속을 교대로 수행하는 다른 예를 나타낸다.

이러한 상황에서 판정 모델(알고리즘)은 우선 파형 분할 수단(11)에 의해 1초 단위로 초기 기간동안 구해진 정상 파형 데이터를 분할함으로써 생성된다. 동일한 동작이 일정 시간 계속되는 경우에는 분할 개시 시간의 임의 변경이 사용될 수 있지만, 이 예에서 회전속도가 빠르게 변하면, 분할 개시 시간의 임의 변경이 수행되지 않는다. 도 24는 1초 단위로 각각 동일한 동작 상태가 유지되는 예이지만, 항상 이렇게 될 필요는 없다. 가속이 0.5초만 지속되고, 나머지 0.5동안 일정 속도로 동작이 이어지면, 예를 들어, 이러한 변경이 파형부의 특성으로서 검출되면, 타이밍을 적절하게 맞춤으로써 판정이 이루어진다면 문제는 없다.

그리고, 파형 데이터 수치화 수단(14)이 취득한 분할 파형 데이터에 대해, 프레임 분할 처리를 수행하여 특징량을 구한다．프레임 분할 처리는 1초간의 파형 데이터만을 취득할 수 없더라도, 정밀한 판정 모델을 생성할 수 있도록 프레임 사 이즈를 임의로 변화시킴으로써 수행될 수 있다. 실제 동작에서, 도 24에 도시된 테스트 프로파일은 판정 모델을 생성하기 위해 동일한 타이밍의 파형 데이터를 수집하는 것을 몇 번 반복하여 보다 정밀한 판정 알고리즘(판정 모델)이 생성될 수 있다. 도 25는 각 분할 파형 데이터에 대해 파형 데이터가 8회 수집되고, 모델을 생성하기 위해 충분한 수의 데이터가 얻어질 수 있도록 반복하는 예를 나타낸다. 판정 모델1 내지 모델6은 이 예에서 제 1초째로부터 제 6초째까지 생성된 것이다.

제 1초째로부터 제 6초째에 대응하여 모델1 내지 모델6이 생성된 후, 동작 프로파일의 각 상태에 대응하는 판정 모델을 사용함으로써 내구성 테스트에 대한 실제 판정 처리가 수행된다. 각 분할 파형 데이터는 PLC(3)로부터 타이밍 신호를 수신함으로써 정밀하게 구해질 수 있다. 판정 결과가 도 26에 도시된 바와 같다면, 판정값이 각 판정 모델에 의해 1에 근사한 값이므로 정상적으로 동작한다고 결론내릴 수 있다.

장시간동안 테스트가 지속된다면, 그 결과는 도 27에 도시된 바와 같고, 도 23의 경우와 같이, 제 5초째에 대한 판정 모델(5)에 근거한 판정 결과는 2.3만큼 크고, 제 6초째에 대한 판정 모델(6)에 근거한 판정 결과는 3.4정도로 크다. 이러한 경우, 거리가 1로부터 점차 증가하거나 가속(제 5초째 동안) 및 감속(제 6초째 동안) 사이에 다른 부품에 1차 손상이 발생하는지 여부는 확실하지 않지만, 어떠한 약한 부품이 파손되거나 파손될 우려가 있는 것은 분명하다.

이상의 판정에 대한 임계값이 매 판정 모델마다 2.3 미만이면, 모델(5)에 의한 판정 시점에서 정지 명령이 출력되고 엔진(1)의 내구성 테스트가 정지되고 제 6 초째의 파형 데이터가 입력되지 않거나 처리되지 않는다. 도 27은 임계값이 2.3미만인 것을 나타내고 상기는 제 6초째 동안에 판정이 이루어지는 이유이다. 상이한 임게값이 상이한 판정 모델에 대해 설정될 수 있다.

도 28 및 도 29는 정상 정도의 변화의 표시의 예 또는 내구성 테스트 장치를 사용한 방법을 나타낸다. 이 예는 판정값이 2.1로 올라가고(음색이 순간적으로 변화) 그 후 즉시 정상 상태로 돌아오도록 경미한 이상이 테스트 시작후 2초 검출되지만, 판정값은 10이상의 큰 값으로 갑자기 변하게 되는 것을 나타낸다. 이러한 경우에, 사용자는 판정값이 2.1인 경미한 이상을 순간 정지시키기 위한 정상 이상으로서 처리해야하는지 여부를 결정해야만 한다. 처음 나타난 경미한 이상은 정상 동작 동안 1차 손상 또는 단순 변동의 조짐일 수 있다. 따라서, 임계값은 정상시(초기 상태)에서 정상 정도의 분포 곡선의 하향 경사를 연구함으로써 산출될 수 있다. 예를 들어, 정상 범위가 평균의 ±3σ내로 규정되면, 99.7%가 이 범위내에 포함되고 이 범위를 초과하면 이상으로 판정될 수 있다.

도 1은 검사 장치(10)에 전송되고 AD 컨버터(6)에 의해 변환되는 아날로그 신호로서 파형 데이터를 출력하는 센서를 갖는 내구성 테스트의 예를 나타내지만, 이들 센서 자체는 데이터 프로세서를 포함하고, DD 컨버터를 통해 검사 장치(10)로 디지털 신호를 출력하거나 파형 데이터를 출력한다. 각종 데이터 장치의 능력에 의해, 검사 장치(10)의 몇몇 기능이 이러한 데이터 프로세서에 의해 수행될 수 있다.

도 1에 도시된 예에서, 내구성 테스트에 대한 대상물은 단 하나지만 내구성 테스트가 복수의 대상물에 대해 지속적으로 수행되는 경우도 있다. 이러한 경우, 각 검사 대상물에 검사 장치를 접속하는 것은 비효율적일 뿐만 아니라 비용의 면에서도 바람직하지 못하므로, 검사 장치(10) 하나만이 복수의 내구성 테스트를 모니터하는데에 사용되도록 배치될 수 있다. 이러한 경우 엔진(1)과 그 구동 장치(2)가 동일한 종류이면, 단일 판정 모델이 공통으로 사용될 수 있지만, 바람직한 것은, 각각에 대한 내구성 테스트의 시작 직후의 초기에 얻어지는 정상 데이터에 근거하여 판정 모델 알고리즘을 생성하고, 각각에 대해 개별적으로 판단하는 것이다. 상기는 대상물이 동일한 종류이기 때문이며, 환경 상태의 영향을 고려해야 하며 검사 대상물에 대해 어느 정도의 변동을 예상해야 한다.

검사 장치를 내구성 테스트를 행한 현장에 설치하도록 한 예가 도시되었지만, 본 발명은 이에 한정되지 않는다. 검사 장치는 멀리 떨어진 곳에 위치할 수 있으며 테스트 장소에 컴퓨터(데이터 수집 수단으로서 기능)와 고속의 전용 회선 또는 그 외의 통신망을 접속하여 검사 장치에 의해 실시간 파형 데이터가 구해질 수 있으며, 동일하거나 상이한 통신망을 사용함으로써 필요하다면 판정을 수행하거나 정지 신호를 출력한다. 특히, 판정 모델 생성시 설정 또는 조정이 필요한 경우, 사람이 현장에 가는 일이 없이 모니터링 센터에서 필요한 일을 완수할 수 있다. 데이터 로거와 같은 데이터 수집 수단이 데이터의 수집을 위해 사용된다.

즉. 본 명세서는 폭넓게 해석될 수 있다. 본 발명의 범주내에서 다양한 변형예 및 수정예가 이루어질 수 있으며, 이러한 변형예 및 수정예는 본 발명의 범주 내에서 당업자에 의해 수행될 수 있다.

본 발명에 따르면 단시간의 파형 데이터로부터도 정상 및 이상 판정을 할 수 있고, 또한 상대적으로 아주 긴 시간 동안 연속적으로 구동되고 있는 테스트 제품으로부터 파형 데이터가 얻어지고 있는 동안에도 짧은 시간 내에 이상을 검출할 수 있게 된다.

Claims (20)

1. 검사 대상물로부터 구해진 파형 데이터로부터 특징량을 추출하고 추출된 특징량에 의거하여 검사 대상물의 상태를 판정하기 위한 검사 장치용 판정 모델을 생성하기 위한 지원 장치로서,

   구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

   단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

   구해진 특징량에 의거하여 단위 시간당 상기 검사 대상물의 상태를 판정하기 위해 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 지원 장치.
2. 제 1항에 있어서,

   상기 분할 파형 데이터 생성 수단은 특정 위치로부터 상기 단위 시간분으로 파형 데이터를 분할하는 기능을 하는 것을 특징으로 하는 지원 장치.
3. 제 1항에 있어서,

   상기 분할 파형 데이터 생성 수단은 임의로 상기 특정 위치를 결정하는 기능을 하는 것을 특징으로 하는 지원 장치.
4. 제 2항에 있어서,

   상기 분할 파형 데이터 생성 수단은 임의로 상기 특정 위치를 결정하는 기능을 하는 것을 특징으로 하는 지원 장치.
5. 제 1항에 있어서,

   상기 분할 파형 데이터 생성 수단은 임의로 상기 단위 시간을 결정하는 기능을 하는 것을 특징으로 하는 지원 장치.
6. 제 2항에 있어서,

   상기 분할 파형 데이터 생성 수단은 임의로 상기 단위 시간을 결정하는 기능을 하는 것을 특징으로 하는 지원 장치.
7. 제 3항에 있어서,

   상기 분할 파형 데이터 생성 수단은 임의로 상기 단위 시간을 결정하는 기능을 하는 것을 특징으로 하는 지원 장치.
8. 제 4항에 있어서,

   상기 분할 파형 데이터 생성 수단은 임의로 상기 단위 시간을 결정하는 기능을 하는 것을 특징으로 하는 지원 장치.
9. 특정 패턴으로 반복적인 검사 동작을 수행한 검사 대상물로부터 구해진 파형 데이터로부터 특징량을 추출하고, 추출된 특징량에 의거하여 상기 검사 대상물의 상태를 판정하기 위한 검사 장치용 판정 모델을 생성하기 위한 지원 장치에 있어서,

   구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

   단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

   상기 분할 파형 데이터 생성 수단에 의해 상기 패턴이 분할된 각 영역에 대해, 구해진 특징량에 의거하여, 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 지원 장치.
10. 제 1항에 있어서,

    상기 연산 수단은,

    소정 크기의 프레임으로 상기 분할 파형 데이터를 더 분할함으로써 프레임 분할 처리를 수행하는 기능;

    상기 분할 프레임에 의거하여 상기 특징량을 추출하는 기능; 및

    임의로 상기 소정 크기를 결정하는 기능을 갖는 것을 특징으로 하는 지원 장치.
11. 제 9항에 있어서,

    상기 연산 수단은,

    소정 크기의 프레임으로 상기 분할 파형 데이터를 더 분할함으로써 프레임 분할 처리를 수행하는 기능;

    상기 분할 프레임에 의거하여 상기 특징량을 추출하는 기능; 및

    임의로 상기 소정 크기를 결정하는 기능을 갖는 것을 특징으로 하는 지원 장치.
12. 제 10항에 있어서,

    상기 연산 수단은 상기 프레임 분할 처리를 수행함으로써 구해진 상기 각 프레임에 주파수 분석을 수행하는 기능을 더 갖는 것을 특징으로 하는 지원 장치.
13. 제 11항에 있어서,

    상기 연산 수단은 상기 프레임 분할 처리를 수행함으로써 구해진 상기 각 프레임에 주파수 분석을 수행하는 기능을 더 갖는 것을 특징으로 하는 지원 장치.
14. 지원 장치에 의해 생성된 판정 모델에 의거하여, 구해진 검사 대상물에 상태 판정을 수행하는 판정 수단을 포함하는 검사 장치에 있어서,

    상기 지원 장치는,

    구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

    단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

    구해진 특징량에 의거하여, 단위 시간에 대한 상기 검사 대상물의 상태를 판정하기 위한 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 검사 장치.
15. 소정 패턴을 반복함으로써 검사 대상물을 검사하는 검사 장치에 있어서,

    상기 검사 장치는,

    지원 장치를 사용함으로써 상기 반복된 소정 패턴중 하나에 의거하여 판정 모델을 구하는 기능; 및

    구해진 파형 일부에 대응하는 상기 구해진 판정 모델을 사용함으로써 판정 처리를 수행하는 기능을 갖는 판정 수단을 포함하고,

    상기 지원 장치는,

    구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

    단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

    상기 분할 파형 데이터 생성 수단에 의해 상기 패턴이 분할된 각 영역 에 대해, 구해진 특징량에 의거하여, 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 검사 장치.
16. 검사 대상물의 내구성을 테스트하기 위한 내구성 테스트를 수행하는 내구성 테스트 장치에 있어서,

    상기 내구성 테스트 장치는, 상기 내구성 테스트 장치가 안정적으로 동작할 때 상기 내구성 테스트의 초기 기간 동안 구해진 데이터를 정상 데이터로서 사용함으로써 생성된 판정 모델을 사용하고, 상기 내구성 테스트동안 구해진 파형 데이터에 의거하여 검사 대상물이 정상인지 이상인지 여부를 판정하기 위한 판정 수단을 포함하는 것을 특징으로 하는 내구성 테스트 장치.
17. 제 16항에 있어서,

    상기 판정 모델은 지원 장치를 사용함으로써 생성되며, 상기 지원 장치는.

    구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

    단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

    구해진 특징량에 의거하여, 단위 시간에 대한 상기 검사 대상물의 상태를 판정하기 위한 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 내구성 테스트 장치.
18. 제 16항에 있어서,

    상기 판정 모델은 지원 장치를 사용함으로써 생성되며, 상기 지원 장치는.

    구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

    단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

    상기 분할 파형 데이터 생성 수단에 의해 상기 내구성 테스트 장치의 동작 패턴이 분할된 각 영역에 대해, 구해진 특징량에 의거하여, 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 내구성 테스트 장치.
19. 내구성 테스트 방법에 있어서,

    소정 시간동안 회전 동작을 일으키고, 구해진 파형 데이터를 지원 장치에 공급하는 단계;

    상기 공급된 파형 데이터를 정상 데이터로 사용함으로써 상기 지원 장치가 판정 모델을 생성하도록 하는 단계;

    그 후, 상기 생성된 판정 모델을 사용함으로써 상기 내구성 테스트동안 구해진 파형 데이터에 의거하여 이상의 존재 유무를 판정하는 내구성 테스트를 수행하는 단계; 및

    이상이 검출되면 경보 신호를 출력하는 단계를 포함하고,

    상기 지원 장치는,

    구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생성하는 분할 파형 데이터 생성 수단;

    단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

    구해진 특징량에 의거하여, 단위 시간에 대한 상기 검사 대상물의 상태를 판정하기 위한 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 내구성 테스트 방법.
20. 내구성 테스트 방법에 있어서,

    소정 시간동안 회전 동작을 일으키고, 구해진 파형 데이터를 지원 장치에 공급하는 단계;

    상기 공급된 파형 데이터를 정상 데이터로 사용함으로써 상기 지원 장치가 판정 모델을 생성하도록 하는 단계;

    그 후, 상기 생성된 판정 모델을 사용함으로써 상기 내구성 테스트동안 구해진 파형 데이터에 의거하여 이상의 존재 유무를 판정하는 내구성 테스트를 수행하는 단계; 및

    이상이 검출되면 경보 신호를 출력하는 단계를 포함하고,

    상기 지원 장치는,

    구해진 파형 데이터를 단위 시간분으로 분할함으로써 분할 파형 데이터를 생 성하는 분할 파형 데이터 생성 수단;

    단위 시간에 대한 복수의 분할 파형 데이터에 의거하여 분할 파형 데이터 단위로 특징량을 구하는 연산 수단; 및

    상기 분할 파형 데이터 생성 수단에 의해 상기 내구성 테스트 장치의 동작 패턴이 분할된 각 영역에 대해, 구해진 특징량에 의거하여, 판정 모델을 생성하는 모델 생성 수단을 포함하는 것을 특징으로 하는 내구성 테스트 방법.

Images