MXPA02003615A - Sistema evaluador de la vida de elemento mecanico y metodo para el mismo. - Google Patents

Abstract

Un sistema evaluador de vida incluye una unidad de digitalizacion, una unidad de adquisicion y una unidad de determinacion. La unidad de digitalizacion y una unidad de determinacion. La unidad de digitalizacion digitaliza una imagen metalografica original de un elemento mecanico para formar una imagen digital. La unidad de adquisicion adquiere una pluralidad de marcas a partir de la imagen digital. Aqui, cada una de la pluralidad de marcas es un conjunto de pixeles con una propiedad predeterminada. La unidad de determinacion clasifica la pluralidad de marcas en una clase de huecos y una clase de no huecos con base en los datos de evaluacion. Una vida del elemento mecanico es determinada con base en el numero de marcas en la clase de huecos y el tamano de cada una las marcas en la clase de huecos (Fig. 2).

Description

SISTEMA EVALUADOR DE LA VIDA DE ELEMENTO MECANICO Y METODO PARA EL MISMO Antecedentes de la invención 1. Campo de la invención La presente invención se refiere a un sistema evaluador de la vida de material de un elemento mecánico y un método para el mismo. 2. Descripción de la técnica relacionada Una máquina tal como una turbina de una planta de generación de energía térmica tiene un elemento de máquina, el cual opera a alta temperatura y en el cual el inicio y paro de la operación frecuentemente son repetidos. Tal elemento mecánico tiene una vida finita debido a la fatiga térmica y deslizamiento. Por lo tanto, es importante mantener la planta para permitir la operación durante un plazo largo. En especial, la prolongación de años durables es económicamente importante. Para este fin, se ha desarrollado una técnica de evalución de la vida y requiere alta confiabilidad. Una evaluación de la vida convencional se realiza a través de una verificación metalográfica por un experto. Como un método de diagnóstico de la vida no destructivo, en el cual se evalúa el cambio metalográfico de material metálico, se conoce un método metalográfico de comparación. El método metalográfico de comparación ha sido desarrollado como el método evaluador de la vida de degradación de deslizamiento quebradizo en una porción de soldadura de acero de baja aleación teniendo una estructura de martensita. El método metalográfico de comparación es eval uada a alta precisión y es ampliamente usado como un método de prueba periódica. En el método metalográfico de com paración, como se muestra en la Fig . 1 , la estructura metalográfica de una porción de objeto de prueba de un elemento mecánico es copiada como una réplica 1 01 . Además, se produce una tabla de comparación 1 09 a través de la observación de cavidades de deslizamiento 1 03 mediante un microscopio electrónico de tipo exploración 102, la observación de una microgrieta 1 05 y la estructura metalográfica 1 06 por un microscopio óptico 1 04, y la observación de producto de precipitación 108 mediante un microscopio de análisis electrón ico 107. En la tabla de comparación 1 09, el estado de daño de la porción de objeto de prueba es clasificado en daño mecánico, daño metalográfico de microscopio óptico y daño de distribución de producto de precipitación con base en los factores de daño. El daño metalog ráfico de microscopio óptico y el daño de distribución de producto de precipitación contienen cambios metalográficos, tales como la recuperación de la estructura de martensita en la primera mitad de la vida del elemento mecánico y cambios de una distribución de producto de precipitación. El daño mecánico contiene un cambio mecán ico, tal como generación, combinación y crecimiento de huecos de deslizamiento y microgrietas en la seg unda mitad de la vida. La degradación de la porción de objeto de prueba es determinada con base en una combinación de los tres estados de daño. Cada estado de daño es clasificado en clases. La clasificación es realizada con base en la comparación de una muestra con un espécimen estándar. Las clases de la degradación corresponden a los porcentajes consumidos de vida mostrados en la tabla de comparación 1 09. La clasificación y comparación se realizan por el experto con conocimiento de materiales. La clasificación con respecto a la estructura microscópica es ejem plificada como sigue. Se forma una porción de soldadura de acero CrMo para tener la estructura de martensita. Cuando se aplica tensión a la estructura de martensita a alta temperatura, la estructura es cambiada a través de la transformación de deslizamiento. Tal proceso de cambio es clasificado en clases de degradación lM, l lM y l l lM por el experto, como se muestra en la columna de la estructura microscópica de la tabla de comparación 1 09. La clase de degradación lM es equivalente a un estado no usado, en el cual una estructura lineal llamada listón de martensita puede observarse claramente en un grano. El porcentaje consumido de vida de la porción de soldadura es 0-20% . La clase de degradación l lM es un estado, en el cual el carburo es precipitado en la cercan ía del l ímite del listón de martensita. El porcentaje consumido de vida de la porción de soldadura es 20-40%. La clase de degradación l ll es un estado, en el cual desaparece el listón de martensita y el carburo es precipitado en límites de grano de austenita vieja. El porcentaje consumido de vida de la porción de soldadura es 40-1 00% . Como se menciona antes, el punto en el cual el experto pone la mayor atención en la clasificación de la degradación es la desaparición de los listones de martensita . La estructura lineal puede confirmarse claramente en un estado no dañado, pero se vuelve poco claro gradualmente con el tiempo de uso del elemento mecán ico. El experto determina la degradación con base en una proporción de listones de martensita. La clasificación con respecto al daño mecánico es ejemplificada como sigue. El daño mecánico de la porción de soldadura de acero Cr o es clasificado por el experto a través de la cuantificación de huecos de deslizamiento generados conforme progresa el daño de deslizamiento y microgrietas formadas por combinación de los huecos de deslizamiento. El daño mecánico es clasificado en cuatro clases de degradación l D, U D , 111 D y IVD. La clase de degradación lD es un estado, en el cual no se generan huecos de deslizamiento o se generan huecos de deslizam iento independientes. El porcentaje consumido de vida es 0-50% . La clase de degradación l l D es un estado, en el cual los h uecos de deslizamiento están eslabonados unos con otros y el porcentaje consumido de vida es 50-75% . La clase de degradación lllD es un estado, en el cual los huecos de deslizamiento se eslabonan a lo largo del l ímite completo de un grano de cristal para generar una microgrieta . El porcentaje consum ido de vida es 75-80% . La clase de degradación IVD es un estado, en el cual los huecos de deslizamiento se eslabonan sobre los límites de dos o más granos de cristal para generar las microgrietas. El porcentaje consum ido de vida es 80-1 00%. Este método de evaluación depende fuertemente de la capacidad humana del experto y es difícil salir adelante con el rápido aumento de las plantas objeto de evaluación de vida. Más aún, es necesario llevar la muestra o los datos desde los sitios de instalación de la planta de vuelta a un laboratorio, resultando en el requerim iento de mucho tiempo.

Breve descripción de la invención Por lo tanto, un objetivo de la presente invención es proporcionar un sistema evaluador de vida y un método para lo mismo, en el cual pueda evaluarse la vida restante de un elemento mecánico en un corto tiempo. Otro objetivo de la presente invención es proporcionar un sistema evaluador de vida y un método para lo mismo, en el cual la evaluación de la vida restante sea una evaluación tan precisa como la de un experto. Todavía otro objetivo de la presente invención es proporcionar un sistema evaluador de vida y un método para lo mismo, en el cual la evaluación pueda ser automatizada. En un aspecto de la presente invención, un sistema de evaluador de vida incluye una unidad de digitalización, una unidad de adquisición y una unidad de determinación. La unidad de digitalización digitaliza una imagen metalográfica original de un elemento mecánico para formar una imagen digital. La unidad de adquisión adquiere una pluralidad de marcas de la imagen digital. Aquí, cada una de la pluralidad de marcas es un conjunto de pixeles con una propiedad predeterminada. Una unidad de determinación clasificaca la pluralidad de marcas en una clase de huecos y una clase de no huecos basados en datos de evaluación. La vida del elemento mecánico es determinada con base en una variedad de marcas en la clase de huecos y un tamaño de cada una de las marcas en la clase de huecos.

El sistema evaluador de vida puede incluir adicionalmente una unidad de cálculo, la cual calcula los datos de evaluación de las marcas maestras. La unidad de determinación determina la vida del elemento mecánico con base en el número de marcas en la clase de huecos y el tamaño de cada una de las marcas en la clase de huecos. Además, la digitalización puede ser una codificación binaria y la propiedad predeterminada puede ser la brillantez del pixel. Además, los datos de evaluación incluyen un porcentaje de llenado rc definido en la siguiente ecuación, rc = NA / NR en donde NA es el número de pixeles en cada una de la pluralidad de marcas y NR es el número de pixeles alrededor de la marca. Además, los datos de evaluación incluyen un porcentaje de área rHAz definido por la siguiente ecuación, NM / NT donde NM es un número total de pixeles en la marca y NT es un número total de pixeles de la imagen digital. Además, los datos de evaluación pueden incluir un vector de coeficiente y un valor de umbral. Además, la unidad de determinación puede generar un vector de característica de cada una de la pluralidad de marcas y clasifica la pluralidad de marcas en la clase de huecos y la clase de no huecos con base en los vectores de característica, el vector de coeficiente y el valor de umbral.

En este caso, la unidad de determinación puede calcular un producto interno de cada uno de los vectores de característica y el vector de coeficiente y clasifica los productos internos con base en el valor de umbral. Además, el vector de característica puede tener cantidades de características geométricas y cantidades de características ópticas. En este caso, una de las cantidades de características geométricas puede ser un porcentaje de llenado rc, y una de las cantidades de características ópticas puede ser un promedio de brillantez normalizada, el porcentaje de llenado es mostrado por la siguiente ecuación, rc = NA / NR en donde NA es el número de pixeles en cada una de la pluralidad de marcas y NR es el número de pixeles alrededor de la marca, y la brillantez normalizada SA es mostrada por n donde BL es la brillantez promedio de una marca, BA es la brillantez promedio de un todo de la imagen digital, y HA es la desviación estándar de la brillantez de un todo de la imagen digital. Además, una de las cantidades de características ópticas puede ser un promedio de brillantez normalizada SH definida por la siguiente ecuación, donde HL es la desviación estándar de brillantez de una marca y HA es la desviación estándar de brillantez de un todo de la imagen digital. Además, una de las cantidades de características geométricas puede ser una proporción de aspecto rA definida por la siguiente ecuación, donde AL es la longitud de eje largo de una marca y As es la longitud de eje corto. Además, una de las cantidades de características geométricas puede ser un porcentaje de área definido por la siguiente ecuación, N / NT donde NM es el número total de pixeles en la marca y NT es el número total de pixeles de la imagen digital. Aquí, en una separación T entre la clase de huecos y la clase de no huecos, un denominador de la separación T es una suma de una intra-varianza de la clase de huecos y aquélla de la clase de no huecos, y un numerador de la separación T es una varianza inter-clase, y el vector de coeficiente es calculado de manera que la separación T es maximizada. En este caso, T = (lTd)2/[{lT(SCi + SC2)l}(nCi + nC2 -2)] donde nCi es el número de marcas en la clase de huecos, nC2 es el número de marcas en la clase de no huecos, I es una matriz del vector de coeficiente, T de subíndice superior derecho significa la transposición de una matriz, SCi es una matriz que tiene como un elemento, una suma de cuadrados de la diferencia de una de las cantidades de característica de cada uno de los vectores de característica de un promedio correspondiente a la cantidad de característica en la clase de huecos, SC2 es una matriz que tiene como un elemento, una suma de cuadrados de la diferencia de una de las cantidades de característica de cada uno de los vectores de característica de un promedio correspondiente a la cantidad de característica en la clase de no huecos, y d es una matriz de la diferencia de un vector promedio de característica en la clase de huecos y un vector promedio de característica en la clase de no huecos. En otro aspecto de la presente invención, un método evaluador de vida se logra al (a) digitalizar una imagen metalográfica original de un elemento mecánico para formar una imagen digital; al (b) adquirir una pluralidad de marcas de la imagen digital, en donde cada una de la pluralidad de marcas es un conjunto de pixeles con una propiedad predeterminada; al (c) clasificar la pluralidad de marcas en una clase de huecos y una clase de no huecos basada en los datos de evaluación; y al (d) determinar la vida del elemento mecánico con base en el número de marcas en la clase de huecos y el tamaño de cada una de las marcas en la clase de huecos. El método de evaluación de vida puede incluir además (e) calcular los datos de evaluación de marcas maestras. Cuando los datos de evaluación incluye un vector coeficiente y un valor de umbral, el paso de clasificación (c) puede lograrse al generar un vector de característica de cada una de la pluralidad de marcas, el vector de característica tiene una pluralidad de cantidades de característica como elementos; y al clasificar la pluralidad de marcas en la clase de huecos y la clase de huecos con base en los vectores de característica, el vector de coeficiente y el valor de umbral. El paso de clasificación (c) puede lograrse al calcular un producto interno de cada uno de dichos vectores dé característica y dicho vector de coeficiente; y al clasificar las marcas de detección con base en los productos internos y dicho valor de umbral. Además, una de la pluralidad de cantidades de característica puede ser un porcentaje de llenado rc definido en la siguiente ecuación, rc = NA / R en donde NA es el número de pixeles en cada una de la pluralidad de marcas y NR es el número de pixeles alrededor de la marca . Además, una de la pluralidad de cantidades de característica puede ser un porcentaje de área G??? definido por la siguiente ecuación , G??? = N M / NT donde N M es el número total de pixeles en la marca y NT es el n úmero total de pixeles de la imagen digital. Además, una de las cantidades de característica geométricas puede ser un porcentaje de llenado rc, y una de las cantidades de característica óptica es un promedio de brillantez normalizada , el porcentaje de llenado es mostrado por la siguiente ecuación , rc = NA / N R en donde NA es el número de pixeles en cada una de la pluralidad de marcas y NR es el número de pixeles alrededor de la marca, y la brillantez normalizada SA es mostrada por n SA = (B|_ - BA) / HA donde BL es la brillantez promedio de una marca, BA es la brillantez promedio de un todo de la imagen digital, y HA es la desviación estándar de brillantez de un todo de la imagen digital .

Además, una de las cantidades de característica óptica puede ser un promedio de brillantez normalizada SH defin ido por la siguiente ecuación, donde H L es la desviación estándar de brillantez de una marca y HA es la desviación estándar de brillantez de un todo de la imagen digital. Además, una de la pluralidad de cantidades de característica puede ser una proporción de aspecto rA definida por la sigu iente ecuación , rA = AL / As donde AL es la longitud de eje largo de una marca y As es la longitud de eje corto. Además, en una separación T entre la clase de huecos y la clase de no huecos, un denominador de la separación T es una suma de una intra-varianza de la clase de huecos y aquélla de la clase de no huecos, y un numerador de la separación T es una varianza inter-clase y el vector de coeficiente es calculada de manera que la separación T es maxim izada. Todavía en otro aspecto de la presente invención , un programa para ejecutarse por un sistema de com putadora, cualquiera de los métodos de evaluación de vida mencionados antes.

Breve descri pción de los d i bujos La Fig. 1 es un diagrama que muestra un método de evaluación de vida de material convencional; La Fig . 2 es un diagrama de bloques q ue muestra un sistema evaluador de vida de acuerdo con una modalidad de la presente invención; Las Figs. 3A a 3C son diagramas que muestran los niveles de degradación de material; Las Figs. 4A y 4B son diagramas que m uestran dos estados de listón de martensita; La Fig . 5 es un diagrama que muestra un proceso de codificación binaria ; La Fig. 6 es un diagrama que m uestra la clasificación de marcas; Las Figs. 7A a 7C son fotografías que muestran 3 imágenes de un listón; La Fig . 8 es una fotografía que muestra huecos de deslizamiento; La Fig. 9 es una tabla de determinación que muestra una relación entre huecos de deslizamiento y microgrietas y vida restante; La Fig. 1 0 es una gráfica que muestra la correlación entre cantidad de característica y parámetro idiomático; La Fig. 1 1 es una tabla que muestra la influencia de la cantidad de característica; La Fig. 1 2 es una gráfica que muestra la varianza angular del factor de evaluación ; La Fig. 1 3 es una gráfica que muestra la varianza angular de la cantidad de característica; La Fig . 14 es una gráfica que m uestra otra varianza angular del factor de evaluación; La Fig . 1 5 es una gráfica que muestra otra varianza angular de la cantidad de característica; La Fig . 16 es una gráfica del factor de eval uación m uestra la otra varianza angular; La Fig . 1 7 es una gráfica de la cantidad de característica que muestra otra varianza angular; La Fig. 18 es una gráfica del factor de evaluación que muestra otra varianza angular; y La Fig . 19 es una gráfica de la cantidad de característica que muestra otra varianza angular.

Descripción de las modalidades preferidas De aqu í en adelante, un sistema evaluador de vida de la presente invención será descrito en detalle con referencia a los dibujos adjuntos. La Fig . 2 muestra el sistema evaluador de vida de acuerdo con la primera modalidad de la presente invención . Haciendo referencia a la Fig . 2, el sistema evaluador de vida en la primera modal idad está comprendido por una unidad generadora de datos 1 , la cual realiza un proceso de adquisición de datos, una unidad de cálculo 3, la cual realiza un proceso de aprendizaje para sacar un vector de coeficiente y un valor de umbral , y una unidad de determinación de huecos 6, la cual realiza un proceso de determinación de huecos. Como se muestra en la Fig . 2, la unidad generadora de datos 1 genera y produce marcas de detección 2 como datos básicos para determ inación de huecos en una imagen metalográfica original . Las marcas de detección 2 son suministradas a la unidad de cálculo de h uecos 3 como datos maestros o a la unidad de determi nación de huecos 6 como datos de prueba. La unidad de cálculo de huecos 3 calcula u na pluralidad de cantidades de característica de una clase de huecos. La unidad de cálculo de huecos 3 calcula un vector de coeficiente I y un valor de umbral T con base en la priualidad de cantidades de característica de una clase de huecos. La unidad de cálculo de huecos 3 calcula un vector de coeficiente I y un valor de umbral T con base en la pluralidad de cantidades de característica al usar un método de determinación canónico y produce el vector de coeficiente I 4 y el valor de umbra T 5 para la unidad de determinación de huecos 6. La unidad de determinación de huecos 6 distingue los huecos 8 de los no huecos 7 diferentes a huecos, y determina la vida del elemento mecánico. El método metalográfico de comparación tiene un proceso de representación cuantitativa de listones de martensita, los cuales son una estructura lineal en un grano que aparece en la superficie de estructura metalográfica, como se menciona antes. Las Figs. 3A a 3C muestran fotografías de rango amplio de los listones de martensita en una región de grano grueso influenciada por calor de soldadura y muestran respectivamente tres clases de degradación de un nivel bajo de degradación, un nivel medio de degradación y un nivel alto de degradación. Las Figs. 4A y 4B muestran m icrofotog rafías de los listones de martensita de la región de grano grueso. La Fig. 4A muestra listones de martensita 9 en el nivel bajo de degradación y la Fig . 4B muestra listones de martensita 1 1 en el nivel medio de degradación, el cual está creciendo ahora. Las Figs. 4A y 4B muestra que los listones de martensita se vuelven ilegibles y desaparecen si procede la deg radación.

La relación de la desaparición de los listones de martensita y la degradación de estructura proporciona datos de base importantes para la evaluación de vida restante. Las regiones de listón no degradada son extraídas de una imagen original para proporcionar los datos de base para distinguir regiones de listón degradadas. La Fig. 2 muestra un proceso para evaluar una vida de material de acuerdo con la presente invención con la configuración de la unidad de computadora anterior, la cual ejecuta un programa para el proceso. Una imagen metalográfica original 12 es obtenida por un microscopio en un paso S 1 . En el paso S2, se realiza un proceso de codificación binaria con respecto a brillantez. La imagen original 12 es producida como un conjunto de pixeles. La imagen original 12, la cual ha estado sujeta al proceso de codificación binaria, se divide en una región objetivo y una región de soporte. La región objetivo es un conjunto de pixeles con la brillantez de 1 y la región de soporte es un conjunto de pixeles con la brillantez de 0. El límite de grano de cristal es extraído como la región de listón no degradada y la extracción del límite de grano de cristal tiene una influencia en la evaluación de vida restante. Las imágenes brillantes en la región objetivo son asignadas con marcas. Aqu í, en el proceso de codificación binario, un pixel es distinugido en base en si el pixel tiene o no brillantez mayor que un valor de umbral. El valor de umbral es definido como (brillantez promedio - 2.0 X desviación estándar de brillantez). Sin embargo, el valor de umbral no está limitado a tal definición, y puede definirse otro valor de umbral. La Fig. 5 muestra un método de determinación de valor de umbral para el proceso de codificación binario usando un método de determinación canón ico. La brillantez, con base en la cual pueden clasificarse los pixeles en una reg ión objetivo y una región de soporte, es seleccionada como el valor de umbral. En el paso S3, se remueven pequeñas imágenes en la región objetivo. Un valor de referencia para la remoción es 40 pixeles. Las Figs. 7A a 7C muestran la imagen metalográfica original 12, la imagen codificada binaria 15 y una imagen clara 16 después de la remoción de las pequeñas imágenes, respectivamente. Las imágenes claras extraídas en esta manera son correg idas usando un proceso de expansión y encongimiento en el paso S4. El proceso de expansión y encogimiento es un proceso matemático, en el cual el valor binario de pixeles alrededor de una marca es cambiado al valor binario de la marca para producir una nueva marca más grande y entnces el valor binario de los pixeles alrededor de la nueva marca más grande es invertido al valor binario original . Por ejemplo, cuando existen dos marcas de nueve pixeles de 3x3 separada u na de otra por 2 pixeles, las dos marcas de nueve pixeles son eslabonadas para producir una sola marca más g rande de 5x1 0 a través del proceso de expansión. Entonces, pixeles periféricos son removidos a través del proceso de encogimiento para producir una sola marca más pequeña de 3x8. El pixel cuyo valor binario es cambiado a través del proceso de expansión y encogimiento es estimado para ser un pixel generado con base en el ruido. Las imágenes claras son corregidas a través de la inversión del valor binario. La corrección puede lograrse a través de los dos ciclos del proceso de expansión y encogimiento. La correción de imagen anterior se realiza en el tamaño de 5x5 pixeles. Desués de la corrección de imagen, nuevas marcas son asignadas a las marcas después del proceso de expansión y encogim iento en el paso S5. Las marcas de las imágenes claras como marcas de detección 2 son producidas a partir de la unidad generadora de datos 1 a la unidad de cálculo de huecos 3 como marcas maestras o a la unidad de determinación de huecos 6 como marcas de prueba. En el paso S5, el experto clasifica las marcas de detección como los datos maestros en una clase de huecos y una clase de no huecos usando el método de evaluación de vida convencional. En el paso S7 , la unidad de cálculo 3 calcula las cantidades de característica de las marca en la clase de huecos y las cantidades de característica de las marcas en la clase de no huecos. Entonces, en el paso S8, la u nidad de cálcu lo 3 calcula un vector de coeficiente I 4 teniendo las cantidades de característica calculadas como elementos y un valor de umbral T 5 a través del proceso de aprendizaje para muchas muestras de marcas de detección. La unidad de cálculo 3 produce el vector de coeficiente I 4 y el valor de umbral T 5 a la unidad de determ inación de huecos 6. A continuación , las cantidades de característica serán descritas. Una cantidad de característica de la marca es un porcentaje de área R HAZ en la siguiente definición : RHAZ = N M / N R donde NM es el número de pixeles en la imagen de listón y Nr es el número total de pixeles. La Fig . 1 0 muestra la coincidencia del porcentaje de área RHAZ y el parámetro de Larson-Miller LMP, el cual es un factor usual de la determinación de la degradación. El parámetro de Larson-Mi ller LMP es definido como la siguiente ecuación LMP = T(C+logt)/1 00 donde T es una temperatura absoluta (K), C es un valor constante (20 es adoptado usualmente) y t es un tierno de calentamiento ( h) . Como los materiales usados para comparación , se seleccionan tres clases de materiales, tales como STBA22 , STBA23 y STBA24 , los cuales frecuentemente son usados en una porción de una tubería de transferencia de calor de una planta de gneración de energ ía térm ica, donde es alta la posibilidad de la ocurrencia de daño. Como muestras, se producen juntas de tope mediante un método de soldadura de arco de su perficie mate y son sometidas a tratamiento con calor en la siguiente condición. La condición de tratamiento con calor de soldadura es mantener a la temperatura de 71 5°C durante 15 minutos y enfriar en aire de manera natural. El eje horizontal de la Fig . 1 0 muestra LMP y el eje vertical muestra el porcentaje de área antes mencionado RHAZ- La correlación de LMP y el porcentaje de área RHAZ es 90%. Las exami naciones realizadas que cambian la condición de tratam iento con calor, muestran de manera diversa altas correlaciones. Las otras cantidades de característica también muestran correlación alta con LM P . La Fig . 8 muestra una imagen de m icroscopio de un hueco de deslizam iento en un círculo de líneas punteadas. El hueco es más circular, comparado con el límite de grano, y el límite de grano que tiene estructura linear es bajo en el grado circular, comparado con el hueco. La cantidad de característica de tal círculo es un factor importante para distinguir el hueco del no hueco. La característica de círculo es expresada como una cantidad de característica circular o un porcentaje de llenado. La cantidad de característica circular rc es definida por la siguiente ecuación para cada marca: rc = NA / NR donde NA es el número de pixeles en la marca y NR es el número de pixeles en una región vecina circular predeterm inada de la marca. Este valor rc tiene el valor más pequeño en el caso de un cículo completo. La degradación nunca aparece como solo una cantidad de característica. La cantidad de característica circular es un factor importante para indicar la degradación . Sin embargo, existen más cantidades de característica, la degradación puede ser determinada en mayor precisión. Las siguientes cuatro cantidades de característica efectivas existen. Como las cuatro cantidades de característica efectivas, existen el porcentaje de área antes mencionado R HAZ I una proporción de aspecto rA, un promedio de brillantez normalizada SA y una desviación estándar de brillantez normalizada SH. La proporción de aspecto rA es expresada por la siguiente ecuación, rA = AL / As donde AL es la longitud de eje más largo de la marca y As es la longitud de eje más corto de la marca (el eje más corto es ortogonal al eje más largo).

El promedio de brillantez normalizada SA es expresado por la siguiente ecuación, SA = ( B L - BA) / HA donde BL es la brillantez promedio de la marca, BA es la brillantez promedio de la imagen completa, y HA es la desviación estándar de brillantez de la imagen completa. La desviación estándar de brillantez normalizada SH es expresada por la siguiente ecuación, SH = H L / HA donde H L es la desviación estándar de brillantez de la marca y HA es la desviación estándar de brillantez de la imagen completa. En el paso S8, se calculan los coeficientes de pesado de las cinco cantidades de característica para la determinación de degradación. Si el número de cantidades de característica es 5, el número de coeficientes de pesado es 5. En el paso S8, los coeficientes de pesado del vector de coeficiente de pesado I son calculados a través del proceso de aprendizaje usando las cantidades de característica ' en la clase de huecos y las cantidades de característica en la clase de no hueco. El vector de coeficiente de peso I se muestra como una matriz lateral (11 , 12, 13, 14, 15) o una matriz transpuesta de esta matriz. Además, el valor de umbral T es calculado para separar la clase de huecos y la clase de no hueco. El vector de coeficiente I calculado y el valor de umbral T son suministrados a la unidad de determinación de huecos 6. El vector de coeficiente de pesado I y el valor de umbral T son calculados de manera que T de la siguiente ecuación (1 ) es maximizado. ? = qZ2/{Vz(nCi + nC2 -2)} = (lTd)2/[{lT{SCi + SC2)l}(nCi + nC2 - 2)] (1 ) donde el subíndice superior derecho T muestra la transposición de la mariz y qZ es una varianza inter-clase y se muestra mediante la siguiente ecuación (2). = {lT(x Ci - lTx C2)}2 = dTd)2 (2) donde d y C2 muestran la clase 1 (correspondiente a la clase de huecos) y la clase 2 (correspondiente a la clase de no huecos), respectivamente, y el símbolo "-" como el subíndice superior derecho muestra un promedio. Vz de la ecuación (1 ) tiene la suma de cuadrados en cada una de las clases como un elemento y se muestra como la siguiente ecuación (3). = Scil + sC2i Vz,c representa cada una de las sumas de cuadrados VZ Ci y Vz,c2 en las clases y se muestra como la siguiente ecuación (4). Vz,c = (?¡=i p?j= 1 pl¡lj{?kec(Xki - x"¡) (Xkj - x"j)} = lTSC i = cada término del lado derecho en la ecuación (3) (4) donde Sc es la suma de la matriz de producto de sumas de cuadrados de desviaciones de vectores de cantidad de característica x de la clase C y se muestra como la siguiente ecuación (5). El subíndice inferior derecho kec de ?kec significa la suma con respecto a k perteneciente a u n conjunto C. el subíndice superior derecho y el subíndice inferior derecho de ?j= 1 p significan una suma de j=1 a j=p. Aquí, p es el número de cantidades de característica y es 5 en este caso. La variable k muestra el número de marcas de huecos. Sc = {?kec(Xk - x"c) (Xk - x'c)T (5) nC (nCi , nC2) de la ecuación (1 ) es el número de datos, es decir, el número de huecos o marcas en la clase C (C i , C2) . El vector d de la ecuación ( 1 ) es la diferencia de los vectores promedio de cantidad de característica para dos clases y se muestra mediante la siguiente ecuación (6). La sig uiente ecuación es satisfecha entre Sc e I de manera que T de la ecuación (1 ) toma el máximo. El vector de coeficiente de pesado I es calculado a partir de esta ecuación . donde C en el lado derecho de la ecuación (7) es una constante definida de manera apropiada. La unidad de cálculo de huecos 3 calcula el valor de um bral de cantidad de característica T para cada cantidad de característica para distinguir los huecos de los no huecos claramente en el paso 8. El cálculo del valor de umbral T es adoptado apropiadamente a partir de métodos de procesamiento matemático y en especial , puede adoptarse el método de determinación canónico. El vector de coeficiente de pesado I 4 y el valor de umbral T 5 son producidos a partir de la unidad de cálculo de huecos 3 a la unidad de determinación de huecos 6. De manera más específica, las marcas maestras son dos clases clasificadas C 1 y C2 como sigue con más detalle. La imagen metalográfica original objetivo 1 2 es sometida al proceso de marcado antes mencionado en el paso S5 por la unidad generadora de datos 1 y un grupo de las marcas de detección son producidas. La imagen metalográfica original objetivo 12 es el grupo de marcas que ha sido confirmado y preparado por el experto y el cual es llamado una marca maestra. La marca maestra es sometida al proceso de codificación binario antes mencionado en el paso S2, el proceso de remoción de marca pequeña en el paso S3, el proceso de expansión y encongimiento en el paso S4 y el proceso de marcado en el paso S5. Las marcas son clasificadas en los siguientes tres grupos con base en las marcas de detección y la marca maestra . Tres marcas son definidas como sigue. Una marca correcta: un conjunto parcial donde la marca maestra y la marca objetivo de determinación se traslapan una con otra . Una marca de detección de error: un conjunto donde la marca maestra y la marca objetivo de determinación no se traslapan una con otra.

Una marca de fallo: un conjunto parcial de la marca maestra, donde la marca maestra y la marca objetivo de determinación no se traslapan una con otra.

La clase C 1 antes mencionada es el conjunto total de la marca correcta y la marca de detección de error y se llama una clase de hueco. La clase C2 antes mencionada es la marca de fallo y es llamada la clase de no hueco. La Fig. 1 1 muestra el resultado de cálculo sobre 4 áreas como las partes objetivo de evaluación de la muestra . La colum na izquierda m uestra cinco componentes de cantidad de característica x. Las otras colum nas muesstran los valores correspondientes al vector de coeficiente I como {valor absoluto de (los coeficientes de pesado x desviación estándar) de cada cantidad de característica}/{una suma de los valores absolutos de (los coeficientes de pesado x desviación estándar) de la cantidad de característica}. Los valores corrrespondientes son calculados para cuatro áreas (región de grano grueso, región de grano pequeño, región de mezcla de granos y una región de soldadura). Como se muestra en la tabla de la Fig . 1 1 , la cantidad de característica circular antes mencionada (el porcentaje de llenado) como el grado de influencia es grande en las áreas completas. Cuatro conjuntos de Fig . 1 2 y Fig. 13; Fig . 14 y Fig. 15; Fig . 16 y Fig . 1 7 ; y Fig . 1 8 y Fig. 19, muestran alta correlación entre el factor de evaluación (el factor de determ inación) y el porcentaje de llenado. El conjunto de la Fig. 12 y Fig . 1 3 muestra la correlación de la región de grano g rueso, el conjunto de Fig. 14 y Fig. 15 muestra la correlación de la reg ión de grano pequeño, el conjunto de Fig. 16 y Fig. 17 muestra la correlación de la región de mezcla de granos y el conj unto de Fig . 1 8 y Fig. 19 muestra la correlación de la región de soldadura.

El eje horizontal de la Fig . 1 2 muestra el factor de evaluación, el eje vertical muestra el número de marcas y Fig . 1 2 muestra el espectro del factor de evaluación. El símbolo "O" muestra la marca correcta, el símbolo "?" muestra la marca de detección de erro, el símbolo "@" muestra una marca de fallo y el símbolo "X" muestra una marca de falla de codificación binaria. El eje horizontal de Fig . 1 3 muestra el porcentaje de llenado como uno de los componentes de cantidad de característica . En la Fig . 12, un punto de intersección de la línea @ y la l ínea de círculo corresponde al valor de umbral calculado T (=1 .96). Un punto de intersección de la línea @ y la línea de círculo es un valor de umbral (=0.33) del porcentaje de llenado en la Fig. 13. La relación de la Fig . 1 2 y la Fig. 1 3 se vuelve el viraje (casi simétrico de espejo con respecto al valor de umbral) . La Fig. 12 y la Fig. 13 muestran la altura de la correlación entre el factor de determinación y el porcentaje de llenado. En la Fig . 14, un punto de intersección de la l ínea @ y la l ínea de círcu lo corresponde al valor de umbral calculado T (=-2.38) . En la Fig. 15, el punto de intersección de la línea @ y la línea de círculo se vuelve el valor de umbral (=0.47) del porcentaje de llenado. La relación de la Fig. 14 y la Fig. 1 5 se vuelve el viraje (casi simétrico de espejo con respecto al valor de umbral) . La Fig. 14 y la Fig . 15 muestran la altura de correlación entre el factor de determinación y el porcentaje de llenado. En la Fig. 16, la cercanía del punto de intersección de la línea @ y la línea de círculo corresponde al valor de umbral calculado T (=-349). En la Fig . 1 7, la cercanía del punto de intersección de la línea @ y la línea de círculo es el valor de umbral (=0.53) del porcentaje de llenado. La relación de la Fig . 16 y la Fig . 17 se vuelve el viraje (casi simétrico de espejo con respecto al valor de umbral) . La Fig. 16 y la Fig . 17 muestran la altura de la correlación entre el factor de determinación y el porcentaje de llenado. En la Fig . 1 8, la cercanía del punto de intersección de la l ínea @ y la línea de círculo corresponde al valor de umbral calculado T (=-4.79). La cercan ía del punto de intersección de la línea @ y la l ínea de círculo es el valor de um bral (=0.48) del porcentaje de llenado en la Fig. 19. La relación de la Fig. 18 y la Fig. 1 9 se vuelve el viraje (casi simétrico de espejo con respecto al valor de umbral). La Fig . 18 y Fig . 1 9 muestran la altura de la correlación entre el factor de determinación y el porcentaje de llenado. El número de huecos y el tamaño de cada uno de los huecos son importantes de manera decisiva para evaluar la vida restante y el material de el elemento mecán ico es clasificado en u na clase C 1 (correspondiente a la clase de huecos), en la cual el material está en la primera m itad de la vida o una clase C2 (correspondiente a la clase de no huecos) en la cual el material está en la segunda mitad de la vida. A continuación, una operación de la unidad de determ inación de huecos 6 será descrita más adelante. La unidad de determinación de huecos 6 recibe las marcas de detección como los datos de prueba. La unidad de determinación de huecos 6 calcula las cantidades de característica de cada una de las marcas de detección para generar un vector de cantidad de característica X (x1 , x2, x3 , x4, x5). En el paso S9, la unidad de determinación de huecos 6 recibe el vector de coeficiente I 4 a partir de la unidad de cálculo 3. La unidad de determinación de huecos 6 calcula un producto interno de cada uno del vector de cantidad de característica X y el vector de coeficiente I para producir una cantidad de determinación F. La cantidad de determinación F se muestra como el producto interno definido en la siguiente ecuación. F = I X = Xi + l2X2 + I 3X3 + I X4 + I 5X5 En el paso s1 0, la unidad de determinación de huecos 6 recibe el valor de umbral T. La unidad de determinación de huecos 6 clasifica las marcas de detección en la clase de huecos y la clase de no huecos con base en las cantidades de determinación y el valor de umbral . De esta manera, a través de una serie de procesos de cálculo, todas las marcas son separadas en la clase de huecos y la clase de no huecos. La clase de huecos incluye marcas de huecos detectadas normalmente como la marca de huecos y las marcas de no huecos detectadas de manera errónea como las marcas de huecos. El eje qué el grado de separación de dos clases vuelve alto es calculado a partir del vector de cantidad de característica de espacio dimensional N (N es un entero positivo y 5 en este caso) mediante el método de determinación canónico. El grado de separación alto de dos clases es equivalente al cálculo del eje por el cual la proporción de la varianza ínter-clase (el numerador de la ecuación ( 1 )) y las varianzas intra-clase (el denominador de la ecuación ( 1 )) se vuelve la más grande. Una función de evaluación como la cantidad de determ inación F es un mapeo del vector de cantidad de característica al eje. Este mapeo es la suma lineal de las cantidades de característica dimensional N x¿ (j=5 en este caso) y se calcula como el producto interno antes mencionado.

A continuación, el valor de umbral del producto i nterior I X como la cantidad de determ inación (un factor de evaluación) es calculado a partir de las tres marcas de subconjunto anteriores. El factor de evaluación I X es calculado alrededor de todas las marcas, las cuales son (marca correcta + marca de detección de error + marca de fallo). La diferencia entre el máximo y el mínimo se divide igualmente en 100. El producto interno I X que el número de marcas de (la marca de detección de error + marcas de fallo) es el más pequeño, es determinado como el valor de umbral de la determinación de huecos/no huecos. La unidad de cálculo de huecos 3 calcu la el producto interno I Xk (=F) alrededor de todas las marcas en el paso S9, donde k es el número de marcas continuas. El vector Xk es el vector de 5 dimensiones que tiene cinco cantidades de característica como se menciona antes. Laun idad de determinación de huecos 6 calcula el factor de evaluación alrededor de todas las marcas en el paso S9 con base en el vector de coeficiente I . A continuación, la siguiente determinación es realizada en el paso S 10. Fk = I Xk >= T: La marca Xk es hueco. Fk = I Xk < T: La marca Xk es no hueco. Más aún , si F >=T, el tamaño del hueco es determinado. E l número de huecos y el tamaño de cada uno de los huecos es obtenido de la unidad de determinación de huecos 6. En esta manera, como se muestra en la Fig . 6, las marcas de huecos 14 pueden distinguirse de las marcas de no huecos 14. En este momento, debido a que el número de huecos y el tamaño de cada uno de los huecos son determinados, la unidad de determinación de huecos 6 se refiere a una tabla de determinación mostrada en la Fig . 9 con base en el número de huecos y el tamaño de cada uno de los huecos para determ inar la vida restante del material del elemento mecánico. La Fig. 9 muestra la tabla de determinación de huecos de deslizamiento en los cuatro niveles de daño de lD, M D . " I D y IVD - Si la degradación progresa, tanto el número de huecos de desl izamiento como el tamaño de los huecos de deslizamiento aumentan. Con base en este hecho, la tabla de determ inación es preparada previamente. El porcentaje de relleno es el criterio importante de la determinación de la degradación. La precisión de la diagnóstico de degradación se vuelve mayor al adoptar los otros cuatro criterios y usar un factor de determinación como el mapeo en el espacio de 5 dimensiones. El diagnóstico dependiente 100% de la computadora no es inferior al diagnóstico aprendido del experto. Más aún, al experimentar aprendizaje, se estima fuertemente que se hace posible diagnosticar con alta precisión.

El sistema evaluador de vida de un material de un elemento mecán ico y el método para evaluar la vida del material, de acuerdo con la presente invención pueden calcular la vida restante sin el experto en un corto tiem po. La evaluación es equivalente a la evalución por el experto apropiado de la precisión . En especial, la evaluación de vida restante se vuelve posible de manera más apropiada al referirse al conocimiento que se aprende del experto y calcular un factor de evaluación y un valor de umbral.

Claims (7)

1. REIVI NDICACIONES 1 . Un sistema de evaluación de vida que comprende: una unidad de digitalización, la cual dig italiza una imagen metalográfica original de un elemento mecánico para formar una imagen digital ; una unidad de adquisición, la cual adquiere una pluralidad de marcas de dicha imagen digital , en donde cada una de dicha pluralidad de marcas es un conjunto de pixeles con una propiedad predeterminada; y una unidad de determinación , la cual clasifica dicha pluralidad de marcas en una clase de huecos y una clase de no huecos con base en datos de evaluación , en donde la vida de dicho elemento mecánico es determinado con base en el número de marcas en dicha clase de huecos y un tamaño de cada una de dichas marcas en dicha clase de huecos. 2. El sistema evaluador de vida de acuerdo con la reivindicación 1 , que comprende además: una unidad de cálculo, la cual calcula dichos datos de evaluación a partir de marcas maestras. 3. El sistema eval uador de vida de acuerdo con la reividicación 1 o 2 , en donde dicha unidad de determinación determ ina dicha vida de dicho elemento mecánico basado en el número de marcas en dicha clase de huecos y el tamaño de cada una de dichas marcas en dicha clase de huecos. 4. El sistema evaluador de vida de acuerdo con cualq uiera de las reivindicaciones 1 a 3, en donde dicha digital ización es una codificación binaria, y la propiedad predeterminada es la brillantez del pixel . 5. El sistema evaluador de vida de acuerdo con cualquiera de las reivindicaciones 1 a 4, en donde dichos datos de evaluación incluyen un porcentaje de llenado rc definido en la siguiente ecuación ( 1 ) , rc = NA / NR (1 ) en donde NA es el número de pixeles en cada una de dicha pluralidad de marcas y NR es el número de pixeles alrededor de dicha marca. 6. El sistema evaluador de vida de acuerdo con cualquiera de las reivindicaciones 1 a 5, en donde dichos datos de evaluación incluye un porcentaje de área rHAz definido por la siguiente ecuación (2) , rHAz = NM / NT (2) donde NM es el número total de pixeles en dicha marca y NT es el número total de pixeles de dicha imagen digital. 7. El sistema evaluador de vida de acuerdo con cualquiera de las reivind icaciones 1 a 6, en donde dichos datos de evaluación incluye un vector de coeficiente y un valor de umbral, y dicha unidad de determinación genera un vector de característica a partir de cada u na de dicha pluralidad de marcas, y clasifica dicha pluralidad de marcas en dicha clase de huecos y dicha clase de no huecos con base en dichos vectores de característica, dicho vector de coeficiente y dicho valor de umbral. 8. El sistema evaluador de vida de acuerdo con la reivindicación 7, en donde dicha unidad de determinación calcula un producto interno de cada uno de dichos vectores de característica ydicho vector de coeficiente y clasifica los productos internos basados en dicho valor de umbral, s 9. El sistema evaluador de vida de acuerdo con la reivindicación 7 o 8, en donde dicho vector de característica tiene cantidades de características geométricas y cantidades de características ópticas. 1 0. El sistema evaluador de vida de acuerdo con la reivindicación 9, en donde una de dichas cantidades de características geométricas es un 0 porcentaje de llenado rc, y una de dichas cantidades de características ópticas es un promedio de brillantez normalizada, dicho porcentaje de llenado es mostrado por la siguiente ecuación (3), rc = NA / NR (3) 5 en donde NA es el número de pixeles en cada una de dicha pluralidad de marcas y NR es el número de pixeles alrededor de dicha marca, y dicha brillantez normalizada SA es mostrada por la siguiente ecuación (4), SA = (BL - BA) / HA (4) donde BL es la brillantez promedio de una marca, BA es la brillantez promedio de un todo de la imagen digital, y HA es la desviación estándar de la brillantez de un todo de la imagen digital. 1 1 . El sistema evaluador de vida de acuerdo con la reivindicación 9, en donde una de dichas cantidades de características ópticas es el promedio de brillantez normalizada SH definida por la siguiente ecuación (5), donde HL es dicha desviación estándar de bril lantez de una marca y HA es la desviación estándar de brillantez de un todo de la imagen digital. 12. El sistema evaluador de vida de acuerdo con la reivindicación 9, en s donde una de dichas cantidades de características geométricas es una proporción de aspecto rA definida por la siguiente ecuación (6) , rA = AL / As (6) donde AL es la longitud de eje largo de una marca y As es la longitud de eje corto. o 1 3. El sistema evaluador de vida de acuerdo con la reivindicación 9, en donde una de dichas cantidades de características geométricas es un porcentaje de área rHAz definido por la siguiente ecuación (7) , ??? = NM / NT (7) donde Nu es el número total de pixeles en la marca y NT es el n úmero total s de pixeles de la imagen digital. 14. El sistema evaluador de vida de acuerdo con la reivindicación 9, en donde en una separación T entre dicha clase de huecos y dicha clase de no huecos, un denominador de la separación T es una suma de una intra- varianza de la clase de huecos y aquélla de la clase de no huecos, y un 0 numerador de la separación T es una varianza inter-clase, y dicho vector de coeficiente es calcu lado de manera que la separación T es maximizada. 1 5. El sistema evaluador de vida de acuerdo con la reivindicación 14, en donde 5 T = (lTd)2/[{lT(SCi + SC2)l}(nCi + nC2 -2)] donde nCi es el número de marcas en dicha clase de huecos, nC 2 es el número de marcas en dicha clase de no huecos, I es una matriz del vector de coeficiente, T de subíndice superior derecho significa la transposición de una matriz, SCi es una matriz que tiene como un elemento, una suma de cuadrados de la diferencia de una de las cantidades de característica de cada uno de los vectores de característica de un promedio correspondiente a la cantidad de característica en la clase de huecos, SC2 es una matriz q ue tiene como un elemento, una suma de cuadrados de la diferencia de una de las cantidades de característica de cada uno de los vectores de característica de un promedio correspondiente a la cantidad de característica en dicha clase de no huecos, y d es una matriz de la diferencia de un vector promedio de característica en d icha clase de huecos y un vector promedio de característica en dicha clase de no huecos. 1 6. Un método de evaluación de vida que comprende los pasos de: (a) digitalizar una imagen metalográfica original de un elemento mecánico para formar una imgen digital; (b) adquirir una pluralidad de marcas de dicha imagen digital, en donde cada una de dicha pluralidad de marcas es u n conjunto de pixeles con una propiedad predetermi nada; (c) clasificar dicha pluralidad de marcas en una clase de huecos y una clase de no huecos con base en los datos de evaluación; y (d) determ inar la vida de dicho elemento mecánico con base en el n úmero de marcas en dicha clase de huecos y el tamaño de cada una de dichas marcas en dicha clase de huecos. 1 7. El método de evaluación de vida de acuerdo con la reivi ndicación 16, que comprende además el paso de: (e) calcular dichos datos de evalución a partir de marcas maestras. 1 8. El método de evalución de vida de acuerdo con la reivindicación 16 o 1 7 , en donde dichos datos de evaluación incluyen un vector de coeficiente y un valor de umbral, dicho paso de clasificación (c) comprende los pasos de: generar un vector de característica de cada una de dicha pluralidad de marcas, dicho vector de característica tiene u na pluralidad de cantidades de característica como elementos; y clasificar dicha pluralidad de marcas en dicha clase de huecos y dicha clase de no huecos con base en dichos vectores de característica, dicho vector de coeficiente y dicho valor de umbral. 1 9. El sistema evaluador de vida de acuerdo con la reivindicación 1 8, en donde dicho paso de clasificación (c) comprende los pasos de: calcular un producto interno de cada uno de dichos vectores de característica y dicho vector de coeficiente; y clasificar las marcas de detección con base en los productos internos y dicho valor de umbral . 20. El método de evaluación de vida de acuerdo con la reivindicación 18 o 19, en donde una de dicha pluralidad de cantidades de característica es un porcentaje de llenado rc definido en la siguiente ecuación (1 ) , rc = NA / NR (1 ) en donde NA es el número de pixeles en cada una de dicha pluralidad de marcas y NR es el número de pixeles alrededor de dicha marca . 21 . El método de evaluación de vida de acuerdo con cualquiera de las reivindicaciones 18 a 20, en donde una de dicha pluralidad de cantidades de característica es un porcentaje de área rHAz definido por la sig uiente ecuación (2), rHAz = NM / NT (2) donde NM es el número total de pixeles en dicha marca y NT es el número total de pixeles de dicha imagen digital. 22. El sistema evaluador de vida de acuerdo con cualquiera de las reivindicaciones 18 a 21 , en donde una de dichas cantidades de características geométricas es un porcentaje de llenado rc, y una de dichas cantidades de características ópticas es un promedio de brillantez normalizada, dicho porcentaje de llenado es mostrado por la siguiente ecuación (3), rc = NA / NR (3) en donde NA es el número de pixeles en cada una de dicha pluralidad de marcas y NR es el número de pixeles alrededor de dicha marca, y dicha brillantez normalizada SA es mostrada por la siguiente ecuación (4), SA = (B|_ - BA) / HA (4) donde BL es la brillantez promedio de una marca, BA es la brillantez promedio de un todo de la imagen digital , y HA es la desviación estándar de la bril lantez de un todo de la imagen digital . 23. El método de evaluación de vida de acuerdo con cualquiera de las reivindicaciones 18 a 22, la reivindicación 9, en donde una de dichas cantidades de características ópticas es el promedio de brillantez normalizada SH definida por la siguiente ecuación (5), SH = HL / HA (5) donde HL es dicha desviación estándar de brillantez de una marca y HA es la desviación estándar de brillantez de un todo de la imagen d igital. 24. El método evaluador de vida de acuerdo con cualquiera de las reivindicaciones 18 a 23, en donde una de dichas cantidades de característica es una proporción de aspecto rA defin ida por la siguiente ecuación (6), rA = AL / As (6) donde AL es la longitud de eje largo de una marca y As es la longitud de eje corto. 25. El método evaluador de vida de acuerdo con cualquiera de las reivindicaciones 16 a 24, en donde en una separación T entre dicha clase de huecos y dicha clase de no huecos, un denominador de la separación T es una suma de una intra-varianza de la clase de huecos y aquélla de la clase de no huecos, y un numerador de la separación T es una varianza inter-clase, y dicho vector de coeficiente es calculado de manera que la separación T es maxim izada. 26. Un programa para ejecutar mediante un sistema de computadora, el método de evaluación de vida de acuerdo con cualqu iera de las reivindicaciones 16 a 25.