WO2020003635A1 - 測定端末、測定システム、測定方法およびプログラム - Google Patents

測定端末、測定システム、測定方法およびプログラム Download PDF

Info

Publication number
WO2020003635A1
WO2020003635A1 PCT/JP2019/010422 JP2019010422W WO2020003635A1 WO 2020003635 A1 WO2020003635 A1 WO 2020003635A1 JP 2019010422 W JP2019010422 W JP 2019010422W WO 2020003635 A1 WO2020003635 A1 WO 2020003635A1
Authority
WO
WIPO (PCT)
Prior art keywords
sound data
inspection
abnormality
inspection object
sound
Prior art date
Application number
PCT/JP2019/010422
Other languages
English (en)
French (fr)
Inventor
亮太 藤井
Original Assignee
パナソニックＩｐマネジメント株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to US17/255,279 priority Critical patent/US11629993B2/en
Priority to CN201980056209.0A priority patent/CN112639420B/zh
Publication of WO2020003635A1 publication Critical patent/WO2020003635A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/002—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means for representing acoustic field distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/04—Frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
    • G01H11/06—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties by electric means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G01H3/005—Testing or calibrating of detectors covered by the subgroups of G01H3/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present disclosure relates to a measurement terminal, a measurement system, a measurement method, and a program for acquiring sound data of an inspection target.
  • Patent Literature 1 discloses a time axis waveform analysis in which a time axis waveform is obtained from measurement data measured by a measurement sensor (for example, an acceleration sensor) attached to a product having a vibrating portion such as a motor or a compressor, and the time axis waveform is analyzed.
  • An abnormality determination device that performs in parallel a frequency axis waveform analysis for obtaining a frequency axis waveform and analyzing the frequency axis waveform is disclosed. This abnormality determination device determines an abnormality of a product from the comprehensive determination result of the time axis waveform analysis and the frequency axis waveform analysis.
  • Patent Literature 1 a data block in which measurement data from a measurement sensor attached to a product having a vibrating portion is fixed at, for example, 1024 points is used every time an abnormality is determined. For this reason, it is not considered how long measurement data is required to quickly determine the presence or absence of an abnormality in the inspection target. Therefore, the configuration of Patent Literature 1 has a problem that it is difficult to quickly and efficiently determine the presence or absence of an abnormality in an inspection target.
  • the present disclosure has been devised in view of the above-described conventional situation, and derives an appropriate measurement time of measurement data for determining the presence or absence of an abnormality in consideration of each characteristic of the inspection of the inspection target and the abnormality. It is an object of the present invention to provide a measuring terminal, a measuring system, a measuring method, and a program that support quick and efficient determination of the presence or absence of an abnormality.
  • the present disclosure relates to an acquisition unit that acquires sound data from an inspection target, a memory that holds setting information including parameters related to inspection and abnormal characteristics of the inspection target for each inspection target, A deriving unit that derives a required time for acquiring sound data from the test object used to determine whether or not there is an abnormality in the test object, based on the setting information corresponding to An analysis unit for determining whether there is an abnormality in the inspection target based on sound data from the inspection target for a required time is provided.
  • the present disclosure transmits an acquisition unit that acquires sound data from the inspection target, and an analysis instruction of the acquired sound data and the sound data from the inspection target, and transmits the sound data from the inspection target.
  • a first communication unit that receives a determination result of the presence or absence of an abnormality based on the measurement terminal that displays the determination result on a display; and the sound data from the test object and the analysis instruction from the measurement terminal.
  • An analysis device comprising a second communication unit for receiving and transmitting the determination result to the measurement terminal, the analysis device further comprising: A memory for holding setting information including parameters relating to characteristics for each of the inspection objects, and determining whether or not the inspection object has an abnormality based on the setting information corresponding to the inspection objects.
  • a deriving unit that derives a required time for acquiring sound data from the inspection object used for the inspection, and the inspection object based on sound data from the inspection object for the derived required time.
  • an analysis unit that determines the presence or absence of an abnormality in the measurement system.
  • the present disclosure is a step of obtaining sound data from the inspection object, a step of storing setting information including parameters related to inspection and abnormal characteristics of the inspection object in a memory for each inspection object, Deriving a required time for acquiring sound data from the inspection object used to determine whether or not the inspection object is abnormal based on the setting information corresponding to the inspection object; and Determining the presence or absence of an abnormality in the inspection object based on the sound data from the inspection object for the required time.
  • the present disclosure provides a measuring terminal which is a computer, a step of acquiring sound data from an inspection target, and setting information including parameters relating to inspection and abnormal characteristics of the inspection target for each inspection target. And, based on the setting information corresponding to the inspection object, the time required to obtain sound data from the inspection object used to determine the presence or absence of abnormality of the inspection object.
  • a program for executing a deriving step and a step of determining whether or not the inspection target has an abnormality based on the derived required time of sound data from the inspection target is provided.
  • the present disclosure acquires sound data from the inspection object, transmits the acquired sound data from the inspection object, and an analysis instruction of the sound data, and based on the sound data from the inspection object.
  • a measurement system is configured with a measurement terminal that receives a determination result of the presence or absence of an abnormality and displays the result on a display.
  • the analysis device which is a computer, issues an instruction to analyze sound data from the test object and an instruction to analyze the sound data.
  • Receiving from a measuring terminal storing setting information including parameters relating to inspection and abnormal characteristics of the inspection object in a memory for each inspection object, and based on the setting information corresponding to the inspection object. Derive a required time for acquiring sound data from the inspection object used for determining whether or not the inspection object is abnormal.
  • FIG. 2 is a block diagram showing a hardware configuration example of the sound inspection system according to the first embodiment.
  • Waveform diagram showing an example of time change of normal vibration sound emitted from the inspection object Waveform diagram showing an example of the time change of abnormal vibration sound emitted from the inspection object
  • Diagram showing an example of the operation of a measurement terminal 4 is a flowchart illustrating an example of an operation procedure of a measurement time calculation process of the measurement terminal according to the first embodiment.
  • Table showing registered contents example of parameter table 4 is a flowchart illustrating an example of an operation procedure of an inspection process of the measurement terminal according to the first embodiment.
  • FIG. 1 is a diagram showing an example of a usage state at the time of inspection in the sound inspection system 5 according to the first embodiment.
  • the inspection object to be inspected by the sound inspection system 5 is, for example, a product that emits a vibration sound.
  • many inspection objects such as an air conditioning fan 102, a compressor 101, and a heat pump 103 for an electric water heater are installed in a building 100 such as a factory or a commercial facility.
  • the product to be inspected is not limited to these devices, but may be various types of devices that generate vibration noise, such as a generator, an elevator, an automatic door, a vacuum cleaner, and a forklift.
  • the inspector hm periodically patrols these inspection objects, and measures the vibration sound emitted by the inspection objects using the measurement terminal 10.
  • the inspector hm holds the measuring terminal 10 over the compressor 101 installed on the ground adjacent to the building 100 and measures the vibration sound emitted by the compressor 101.
  • the inspector hm approaches the air conditioning fan 102 and the heat pump 103 adjacent to the fuel tank mounted on the wall surface of the building 100 and turns the measuring terminal 10 to measure the vibration sounds emitted by the air conditioning fan 102 and the heat pump 103, respectively. .
  • FIG. 2 is a block diagram showing a hardware configuration example of the sound inspection system 5 according to the first embodiment.
  • the sound inspection system 5 is configured to include a measurement terminal 10, a cloud server 40, and a storage 50.
  • the measurement terminal 10, the cloud server 40, and the storage 50 are communicably connected to each other via a network NW.
  • the measurement terminal 10 is configured to include a processor 11, a memory 12, a microphone 13, a recording device 14, a communication circuit 15, a display 16, an input device 17, and a timer counter 18.
  • the processor 11 activates the measurement time calculation application stored in the memory 12 and calculates a sound measurement time for the microphone 13 to pick up sound during the execution of the measurement time calculation application when inspecting the inspection object. .
  • the processor 11 activates an inspection application stored in the memory 12 and performs an inspection operation on the inspection object during execution of the inspection application.
  • a CPU Central Processing Unit
  • MPU Micro Processor Unit
  • DSP Digital Signal Processor
  • FPGA Field Programmable Gate Array
  • the memory 12 has a RAM (Random Access Memory) and temporarily stores the sound data of the sound collected by the microphone 13.
  • the memory 12 has a ROM (Read Only Memory) and stores programs and data of a measurement time calculation application and an inspection application, respectively.
  • the microphone 13 collects the vibration sound emitted from the inspection object, generates sound data, and outputs the sound data to the processor 11.
  • the microphone 13 may be, for example, an omnidirectional microphone or a directional microphone.
  • a dynamic microphone moving coil type, ribbon type
  • a condenser microphone for example, ECM (Electrec condenser microphone) or the like is used.
  • the recording device 14 (an example of a memory) stores normal sound data and abnormal sound data to be compared with the measured sound data.
  • the recording device 14 stores a parameter table 90 in which different parameters and measurement times are registered for each inspection object.
  • the recording device 14 includes, for example, a solid state drive (SSD), a hard disk drive (HDD), and a rewritable ROM (for example, electrically erasable programmable read-only memory (EEPROM)).
  • SSD solid state drive
  • HDD hard disk drive
  • EEPROM electrically erasable programmable read-only memory
  • the communication circuit 15 is connected to the network NW via a wireless LAN (Local Area Network) or a mobile communication network (for example, a cellular network such as 4G (fourth generation mobile communication system) or 5G (fifth generation mobile communication system)). , And can communicate with the cloud server 40 or the storage 50.
  • a wireless LAN Local Area Network
  • a mobile communication network for example, a cellular network such as 4G (fourth generation mobile communication system) or 5G (fifth generation mobile communication system)
  • 4G fourth generation mobile communication system
  • 5G fifth generation mobile communication system
  • the display 16 is composed of a display device such as a liquid crystal display, an organic EL (Electroluminescence), and a plasma display.
  • the display 16 displays a setting screen for setting setting information for each inspection object.
  • the input device 17 accepts an operation by the inspector hm when setting information for each inspection object or the like.
  • the input device 17 includes, for example, a mouse, a trackball, a keyboard, a touch pad, and the like.
  • the display 16 and the input device 17 are integrally configured by a touch panel TP.
  • the timer counter 18 is a down timer that subtracts (counts down) the preset value set by the processor 11 over time.
  • the configuration of the timer counter 18 may be implemented in the processor 11 as software.
  • the cloud server 40 is communicably connected to the measurement terminal 10 and the like via the network NW.
  • the cloud server 40 stores the sound data transmitted from the measurement terminal 10 in an internal memory (not shown), and uses the sound data stored in the internal memory and the sound data stored in the storage 50 to store the sound data. Perform the process of analyzing.
  • the cloud server 40 is configured to include a processor 41, a memory 42, a recording device 44, and a communication circuit 45. Details of these units will be described later in a second modification.
  • the storage 50 is connected to the measurement terminal 10 and the cloud server 40 via the network NW, and enormously stores sound data transmitted from the measurement terminal 10 and other devices.
  • the network NW is the Internet, a wired LAN (Local Area Network), or the like, and communicably connects various devices.
  • the sound inspection system 5 determines the presence or absence of an abnormality in the inspection target based on the vibration sound emitted from the product as the inspection target.
  • Vibration sounds emitted from the inspection object include vibration sounds that are abnormal sounds and vibration sounds that are normal sounds.
  • FIG. 3 is a waveform diagram showing an example of a time change of a normal vibration sound emitted from the inspection object.
  • the vertical axis of FIG. 3 represents a sound pressure level
  • the horizontal axis of FIG. 3 represents time.
  • the vibration sound When the vibration sound is normal, for example, in the section tp in which the product of the inspection object is running, the vibration sound shows a substantially uniform sound pressure level below the threshold th.
  • FIG. 4 is a waveform diagram showing an example of a time change of an abnormal vibration sound emitted from the inspection object.
  • the vertical axis of FIG. 4 represents a sound pressure level
  • the horizontal axis of FIG. 4 represents time.
  • the vibration sound is abnormal, for example, in FIG. 4, in the same section tp as in FIG. 3, a large vibration sound sd such that the sound pressure level exceeds the threshold th is generated intermittently (irregularly). .
  • the abnormal vibration sound is an irregular abnormal sound, that is, an abnormal sound that occurs irregularly, but the same applies to an abnormal sound that generates a loud sound constantly.
  • These vibration sounds are represented by a graph representing a sound pressure level with respect to a time axis. In this case, if the vibration sound includes a loud sound exceeding the threshold, it is determined that the sound is abnormal.
  • the vibration sound is represented by a graph representing a sound pressure level with respect to a frequency axis. In this case, even if the sound pressure level is less than the threshold value, the vibration sound includes a sound of a specific frequency component, and thus is determined to be an abnormal sound.
  • the determination of the abnormal sound may be made based on the sound pressure level for not only one of the time axis and the frequency axis but also both.
  • FIG. 5 is a diagram illustrating an example of an operation outline of the measurement terminal 10.
  • the display 16 of the measurement terminal 10 displays a setting screen GM1 for setting setting information for each inspection object according to an instruction from the processor 11.
  • “every day” indicating that the inspection is performed every day
  • “ ⁇ times a day” indicating that the inspection is performed every predetermined number of days can be selected. Examples of “ ⁇ times a day” include, for example, “once every two days”. Note that “once every three days”, “once every four days”, or the like may be selectable.
  • the selection items of the abnormal occurrence pattern include “continuous abnormal noise” indicating that abnormal noise occurs steadily and “irregular noise occurring irregularly” indicating that abnormal noise occurs irregularly. Can be selected.
  • the inspector hm can select the selection item by touching the selection item displayed on the display 16 of the touch panel TP with a finger.
  • the processor 11 When the processor 11 receives a selection operation performed on the setting screen GM1 by the inspector hm via the input device 17 of the touch panel TP, the processor 11 creates setting information for each inspection object.
  • the processor 11 has a function of a measurement time calculation unit 11z that can be realized in cooperation with the memory 12, and calculates a measurement time Tm that is a time during which sound is continuously collected by the microphone 13 according to the created setting information.
  • the display 16 displays the inspection screen GM2.
  • a measurement start button bt is displayed on the inspection screen GM2.
  • the display 16 displays a pop-up screen pgm for prompting sound pickup at the start of measurement.
  • a message “Please collect sound for XX seconds” is displayed on the pop-up screen pgm.
  • FIG. 6 is a flowchart showing an operation procedure example of the measurement time calculation process of the measurement terminal 10 according to the first embodiment.
  • the measurement time calculation application installed in the measurement terminal 10 in advance has been started.
  • the calculation of the measurement time Tm is performed for each inspection object.
  • the inspector hm collects in advance the vibration sound emitted from the product to be inspected by the microphone 13 in order to calculate the measurement time Tm.
  • the processor 11 temporarily stores sound data of the vibration sound in the memory 12.
  • the processor 11 determines whether the sound data stored in the memory 12 is a sound that is constantly generated (that is, a steady sound) or a sound that is generated non-stationarily (for the measurement time calculation). That is, it is determined whether the sound is an irregular sound) (S1).
  • the processor 11 sets the measurement time Tm to the basic time T0 (for example, 10 seconds) (S2).
  • the basic time T0 may be a fixed value or a different value for each product regardless of the product to be inspected. After that, the processor 11 ends the measurement time calculation process shown in FIG.
  • the processor 11 calculates a parameter for calculating the measurement time Tm. Specifically, the processor 11 calculates the coefficient ⁇ based on the inspection schedule included in the setting information for each inspection object (S3).
  • the coefficient ⁇ is a value in the range of values 0 to 1, and as an example, is 1.0 when performing daily inspection, and 0.5 when performing inspection once every two days.
  • the coefficient ⁇ increases as the number of inspections increases.
  • the processor 11 calculates the coefficient ⁇ based on the abnormality importance included in the setting information for each inspection object (S4).
  • the coefficient ⁇ is an arbitrary value. For example, if the inspection object is of high importance and you want to inspect as soon as possible, a value of 5 is used, and if the inspection object is not of high importance and can be inspected before it fails, The value 1 is used. Therefore, the coefficient ⁇ is set to a value of 5 so that an inspection object having a high degree of importance, which has an adverse effect when a failure occurs, can be quickly and accurately determined as to whether or not there is a failure portion and quickly repaired. Is set to a large value.
  • the processor 11 calculates the measurement time Tm according to the equation (1) using the coefficients ⁇ and ⁇ (S5).
  • the basic time T0 is set to the same value as the time (for example, 10 seconds) set for the steady abnormal sound in step S2. Note that the basic time T0 may be set to a value different from the time set for the steady abnormal sound. Further, the basic time T0 is a fixed value (for example, 10 seconds), but may be set to a different value for each product to be inspected.
  • step S5 the processor 11 registers the coefficients ⁇ and ⁇ and the measurement time Tm calculated for each product of the inspection object in the parameter table 90 stored in the recording device 14.
  • FIG. 7 is a table showing an example of registered contents of the parameter table 90.
  • the parameter table 90 is stored in the recording device 14.
  • coefficients ⁇ and ⁇ and the calculated measurement time Tm are registered for each product to be inspected.
  • two products AAA and BBC are registered as the air conditioning fan 102, which is the inspection object.
  • the compressor 101 two products KMK and MMM are registered.
  • the heat pump 103 one product PPP is registered.
  • the coefficients ⁇ and ⁇ and the measurement time Tm of the product AAA of the compressor 101 are value 1, value 5 and 50 seconds, respectively.
  • FIG. 8 is a flowchart illustrating an example of an operation procedure of an inspection process of the measurement terminal 10 according to the first embodiment.
  • the inspection application installed in advance on the measurement terminal 10 has been activated.
  • the inspector hm approaches the inspection object and turns the measuring terminal 10 toward the inspection object to collect sound.
  • the measurement start button bt displayed on the display 16 of the measurement terminal 10
  • the processor 11 starts an inspection operation.
  • the processor 11 instructs the microphone 13 to start collecting sound, and starts the counting operation of the timer counter 18.
  • the microphone 13 collects surrounding sounds including vibration sounds emitted from the inspection object, and generates sound data (S11).
  • the processor 11 temporarily stores sound data output from the microphone 13 in the memory 12.
  • sound data for a fixed time for example, 10 seconds
  • sound data for the measurement time Tm required for analyzing the sound data in step S19 may be stored. That is, after acquiring the sound data for the time required for the analysis, the processor 11 may proceed to the processing after step S12.
  • the processor 11 determines the sound of the sound collected by the microphone 13 (S12). In this sound determination, it is determined whether the collected sound is a known normal sound, a known abnormal sound, or an unknown sound. In the determination of the sound, for example, pattern matching of sound data is performed. In the recording device 14, sound data of normal sounds and sound data of abnormal sounds are registered. As a result of the pattern matching, when the collected sound data matches the sound data registered in the recording device 14 (including the sound data of the normal sound and the sound data of the abnormal sound), the sound of the known sound data Is determined.
  • Unknown sound data is sound data that is not registered in the recording device 14. Sound data that has not been registered includes sound data such as abnormal sound, ambient noise, and wind noise that have not occurred in the past.
  • the determination of the sound may be performed in a state where the sound data is accumulated for a predetermined time (however, less than the measurement time Tm), or may be performed sequentially. For example, when the sound data includes a specific frequency component, it is possible to immediately determine whether or not the sound is a known sound even in a short time.
  • step S12 If it is determined in step S12 that the sound is a known normal sound or a known abnormal sound (S12, known sound), the processor 11 calculates the measurement time in the measurement time calculation process of FIG.
  • the measurement time Tm corresponding to the inspection object is read and set as a preset value in the timer counter 18 (S13).
  • step S12 determines whether the sound is an unknown sound (S12, unknown sound). If the count has not been extended (S14, NO), the processor 11 reads the measurement time Tm corresponding to the inspection object registered in the parameter table 90, and calculates the time obtained by adding the extension time to the measurement time Tm to the timer counter. 18 is set as a preset value (S15). On the other hand, if the count has been extended (S14, YES), the process of the processor 11 proceeds to step S16.
  • the processor 11 After the processing in step S13 or step S15, the processor 11 starts counting down the timer counter 18 (S16). The processor 11 determines whether the count value of the timer counter 18 has reached the value 0 and a time-up signal has been input from the timer counter 18 (S17). If the count value has not reached value 0 (S17, NO), that is, if the measurement time Tm has not elapsed, the processor 11 returns to the process of step S16, and the collection by the microphone 13 is continued until the count value reaches value 0. Continue sound operation.
  • step S17 the processor 11 determines that the sound data necessary for the inspection has been accumulated, and ends the sound collection operation by the microphone 13 (S18).
  • the processor 11 analyzes the sound data based on the sound data for the measurement time Tm stored in the memory 12 (S19).
  • the processor 11 When the processor 11 analyzes the sound data in step S18, the processor 11 performs the analysis using artificial intelligence (AI).
  • AI artificial intelligence
  • the processor 11 is equipped with artificial intelligence, learns various abnormal sound data for each inspection object by machine learning such as deep learning, and generates a learned model obtained as a result of learning.
  • the processor 11 inputs the collected sound data to the learned model and outputs a result of determining whether the inspection object is normal or abnormal. If there is an abnormality, this determination result may include information such as the degree of the abnormality, the location of the abnormality, and the cause of the abnormality. Further, the determination result may include information such as necessity of repair, urgency, and the like.
  • the processor 11 mechanically analyzes the sound data collected using the learned model generated or updated by machine learning in advance, thereby determining whether or not the inspection target has an abnormality in the measurement terminal 10. The accuracy of the determination is increased.
  • machine learning for generating a learned model may be performed using one or more statistical classification techniques.
  • Statistical classification techniques include, for example, linear classifiers (linear classifiers), support vector machines (support vector machines), quadratic classifiers (quadratic classifiers), kernel density estimation (kernel estimation), decision trees (decision trees), Artificial neural networks, Bayesian techniques and / or networks, hidden Markov models, hidden classifiers, binary classifiers, multi-class classifiers ) Clustering (a clustering technique), random forest (a random forest technique), logistic regression (a logistic regression technique), linear regression (a linear regression technique), gradient boosting (a gradient boosting technique), and the like.
  • the statistical classification technique used is not limited to these.
  • pattern matching of sound data may be performed in the same manner as in step S12, instead of using artificial intelligence.
  • the pattern matching of the sound data in step S19 is performed in more detail than the discrimination of the sound data performed in step S12.
  • the recording device 14 a greater amount of sound data is registered than sound data of normal sound and abnormal sound used for discrimination of sound data.
  • the pattern matching of the sound data in step S18 the huge sound data and the collected sound data are compared. Therefore, the presence / absence of an abnormality in the inspection target can be determined accurately and in detail.
  • the processor 11 displays on the display 16 the determination result of the presence or absence of the abnormality of the inspection target (S20).
  • the inspector hm visually recognizes the determination result of the presence or absence of the abnormality displayed on the display 16. Thereafter, the processor 11 ends the inspection processing shown in FIG.
  • the microphone 13 collects the surrounding sound including the vibration sound emitted from the inspection object.
  • Generate ie, obtain) sound data.
  • the memory 12 stores (i.e., holds) setting information including a coefficient ⁇ based on the inspection schedule of the inspection target and a coefficient ⁇ based on the severity of the abnormality (an example of parameters related to characteristics of inspection and abnormality) for each inspection target. .
  • the processor 11 (an example of a deriving unit) measures a measurement time Tm (to obtain sound data from the inspection target) based on setting information corresponding to the inspection target, and determines whether or not the inspection target has an abnormality. Is calculated (that is, derived).
  • the processor 11 (an example of an analysis unit) determines whether there is an abnormality in the inspection target based on the sound data from the inspection target for the calculated measurement time Tm.
  • the measurement terminal 10 sets an appropriate measurement time of the measurement data for determining the presence or absence of an abnormality in consideration of characteristics such as parameters of the inspection and the abnormality of each inspection object. It can be derived to support quick and efficient determination of the presence or absence of an abnormality.
  • the processor 11 displays on the display 16 a display prompting the acquisition of sound data from the inspection object for the calculated measurement time Tm (an example of the required time).
  • Tm an example of the required time.
  • the display process for prompting the acquisition of the sound data is executed, for example, before the measurement terminal 10 determines whether the inspection target has an abnormality. Thereby, the inspector hm can visually and easily grasp the timing at the start of the measurement.
  • the setting information includes an inspection schedule of the inspection object, a pattern of occurrence of abnormality of the inspection object, and importance of occurrence of abnormality of the inspection object. Accordingly, the measurement terminal 10 can calculate an appropriate measurement time according to the operation state of the inspection target.
  • the processor 11 sequentially inputs the sound data from the test object and, when the sound data from the test object for the calculated measurement time Tm is input, detects an abnormality based on the sound data for the measurement time Tm.
  • the presence / absence determination result is displayed on the display 16. Thereby, the inspector hm can visually grasp the presence or absence of the abnormality of the inspection object.
  • the measuring terminal 10 is portable by the inspector hm (user). This allows the inspector hm to easily move to the place where the inspection object is installed when inspecting the plurality of inspection objects (such as the air conditioning fan and the compressor) installed in the building. Further, the inspector hm can easily operate the measurement terminal 10.
  • the plurality of inspection objects such as the air conditioning fan and the compressor
  • the recording device 14 stores (ie, holds) the calculated measurement time Tm for each inspection object. As described above, once the measurement terminal 10 registers the calculated measurement time in the recording device for each inspection object, the inspection terminal can read and use the registered measurement time when inspecting the inspection object. Can be. Therefore, the measuring terminal 10 can save the trouble of calculating the measurement time every time the inspection object is inspected, and can improve the work efficiency of the inspector hm.
  • the processor 11 registers in advance the sound data of the normal sound determined to be abnormal and the sound data of the abnormal sound determined to be abnormal in the recording device 14, and sequentially inputs the sound data by the microphone 13.
  • the sound data of the sound that is, sequentially collected
  • the measurement in which the sound is collected by the microphone 13 The time Tm is extended.
  • the measuring terminal 10 extends the measuring time Tm, thereby allowing the registered normal
  • the possibility of detecting sound data that matches the pattern of the sound data of the sound and the sound data of the abnormal sound increases, and it is possible to efficiently deal with unknown sound data.
  • the processor 11 derives the required time so as to expand and contract the length of the measurement time Tm according to the appearance frequency of the abnormal sound collected by the microphone 13. Accordingly, when it is determined that the frequency of occurrence of abnormal sound of the inspection object is high and the possibility of failure is high, the measuring terminal 10 can generate sound data of the vibration sound by extending the measurement time. Further, the measuring terminal 10 can accurately determine whether or not the inspection target has an abnormality based on the sound data of the collected vibration sound. On the other hand, when it is assumed that the frequency of occurrence of abnormal sounds of the inspection target is low and the possibility of failure is low, the measuring terminal 10 can shorten the measurement time and increase the efficiency of the inspection.
  • the processor 11 uses the learned model generated or updated in advance by machine learning (for example, machine learning using the above-described statistical classification technology) and stored (held) in the measurement terminal 10 by the microphone 13. By mechanically analyzing the collected sound data, it is determined whether or not the inspection object is abnormal. Thereby, the measuring terminal 10 can improve the accuracy of determining whether or not the inspection target has an abnormality.
  • machine learning for example, machine learning using the above-described statistical classification technology
  • the measurement time Tm is calculated by multiplying the basic time T0 by the coefficient ⁇ based on the inspection schedule and the coefficient ⁇ based on the abnormality importance.
  • a coefficient ⁇ corresponding to the appearance frequency is set, and this coefficient ⁇ is taken into account, and the measurement time Tm is calculated according to the equation (2). Is calculated.
  • the measurement terminal 10 can determine the length of the measurement time according to the appearance frequency of the abnormal sound.
  • the coefficient ⁇ may be set to a large value when the frequency of appearance of the abnormal sound of the test object is high, and the coefficient ⁇ may be set to a small value when the frequency of appearance of the abnormal sound of the test object is low.
  • an abnormal sound having a high appearance frequency is likely to cause a failure, and the sound collection time is extended so that sound data can be accurately analyzed.
  • it is determined that there is little fear of failure immediately for an abnormal sound with a low appearance frequency and the measurement time is shortened.
  • the coefficient ⁇ may be set to a small value, while if the frequency of occurrence is low, the coefficient ⁇ may be set to a large value.
  • the coefficient ⁇ may be set to a small value, while if the frequency of occurrence is low, the coefficient ⁇ may be set to a large value.
  • the measurement terminal collects the sound emitted from the inspection object, analyzes the sound data, and determines whether or not the inspection object is abnormal based on the sound data.
  • a cloud server which is an external device, analyzes sound data of sound collected by a measurement terminal and determines whether or not there is an abnormality in an inspection target based on the sound data.
  • the configuration of the measuring terminal 10 is the same as that of the measuring terminal 10 according to the first embodiment. Therefore, description of overlapping contents will be simplified or omitted, and different contents will be described.
  • the cloud server 40 receives and acquires the sound data of the inspection object collected by the microphone 13 of the measurement terminal 10 from the measurement terminal 10 like the measurement terminal 10 according to the first embodiment. I do.
  • the cloud server 40 determines the presence or absence of an abnormality in the inspection target by analyzing the received sound data of the inspection target, and transmits the determination result to the measurement terminal 10.
  • the cloud server 40 is configured to include a processor 41, a memory 42, a recording device 44, and a communication circuit 45.
  • the processor 41 calculates the sound measurement time for the microphone 13 to pick up sound while the measurement time calculation application is being executed in the measurement terminal 10. Further, the processor 41 performs an inspection operation on the inspection target using the sound data of the inspection target transmitted from the measurement terminal 10 while the measurement terminal 10 is executing the inspection application.
  • a CPU Central Processing Unit
  • MPU Micro Processor Unit
  • DSP Digital Signal Processor
  • FPGA Field Programmable Gate Array
  • the memory 42 has a RAM (Random Access Memory) and temporarily stores the sound data of the inspection object received by the communication circuit 45.
  • the memory 42 has a ROM (Read Only Memory) and stores programs and data for defining the processing of the processor 41.
  • the recording device 44 (an example of a memory) stores normal sound data and abnormal sound data to be compared with the sound data collected by the measurement terminal 10, respectively.
  • the recording device 44 stores a parameter table 90 in which different parameters and measurement times are registered for each inspection object.
  • the recording device 44 includes, for example, a solid state drive (SSD), a hard disk drive (HDD), and a rewritable ROM (e.g., electrically erasable programmable read-only memory (EEPROM)).
  • SSD solid state drive
  • HDD hard disk drive
  • EEPROM electrically erasable programmable read-only memory
  • the communication circuit 45 is a network NW via, for example, a wireless LAN (Local Area Network) or a mobile communication network (for example, a cellular network such as 4G (fourth generation mobile communication system) or 5G (fifth generation mobile communication system)). , And can communicate with the measurement terminal 10 or the storage 50.
  • a wireless LAN Local Area Network
  • a mobile communication network for example, a cellular network such as 4G (fourth generation mobile communication system) or 5G (fifth generation mobile communication system)
  • 4G fourth generation mobile communication system
  • 5G farth generation mobile communication system
  • FIG. 9 is a sequence diagram illustrating an operation procedure of the sound inspection system 5 according to the second modification.
  • the inspection application installed in the measuring terminal 10 in advance has been started.
  • the cloud server 40 is in a standby state to wait until sound data is received from the measurement terminal 10 (T1).
  • the inspector hm approaches the inspection object and turns the measuring terminal 10 toward the inspection object.
  • the measurement start button bt displayed on the display 16 of the measuring terminal 10
  • the measuring terminal 10 collects the surrounding sound including the vibration sound emitted from the inspection object by the microphone 13, and outputs the sound data.
  • T2 sequentially generated
  • the measurement terminal 10 transmits the sequentially generated sound data to the cloud server 40 via the communication circuit 15 and the network NW (T3).
  • the cloud server 40 receives the sound data transmitted from the measurement terminal 10 and stores it in an internal memory (not shown) (T4).
  • the measuring terminal 10 determines whether or not the value of the timer counter 18 becomes 0 and the measuring time Tm has elapsed (T5). When the value of the timer counter 18 is not 0, the measuring terminal 10 returns to the procedure T2 and continues the sound collection operation by the microphone 13.
  • the measuring terminal 10 transmits an analysis instruction to the cloud server 40 via the communication circuit 15 and the network NW (T6).
  • the cloud server 40 analyzes the sound data for the measurement time Tm accumulated in the internal memory (T7).
  • This analysis may be the same as the analysis performed by the measurement terminal 10 in step S19 of the above embodiment, or may be a more detailed analysis.
  • the learned model generated by the cloud server 40 may use sound data stored in the storage 50 as compared with the measurement terminal 10, and the amount of learning is enormous. Therefore, the generated learned model has high processing accuracy.
  • machine learning for generating a learned model may be performed using one or more statistical classification techniques.
  • Statistical classification techniques include, for example, linear classifiers (linear classifiers), support vector machines (support vector machines), quadratic classifiers (quadratic classifiers), kernel density estimation (kernel estimation), decision trees (decision trees), Artificial neural networks, Bayesian techniques and / or networks, hidden Markov models, hidden classifiers, binary classifiers, multi-class classifiers ) Clustering (a clustering technique), random forest (a random forest technique), logistic regression (a logistic regression technique), linear regression (a linear regression technique), gradient boosting (a gradient boosting technique), and the like.
  • the statistical classification technique used is not limited to these.
  • the cloud server 40 transmits the analysis result to the measurement terminal 10 via the network NW (T8).
  • the measurement terminal 10 receives the analysis result from the cloud server 40 via the communication circuit 15 and the network NW (T9).
  • the analysis result includes a determination result of the presence or absence of an abnormality of the inspection target based on the sound data.
  • the measurement terminal 10 displays this determination result on the display 16 (T10).
  • the inspector hm grasps the determination result of the presence or absence of the abnormality of the inspection object displayed on the display 16 and moves to the next inspection object.
  • the measurement terminal 10 includes the processor 11 (an example of an acquisition unit) that acquires sound data from an inspection target, and the acquired inspection.
  • a communication circuit 15 (an example of a first communication unit) that transmits sound data from the object and an analysis instruction of the sound data, and receives a determination result of the presence or absence of an abnormality based on the sound data from the inspection object.
  • the received determination result is displayed on the display 16.
  • the cloud server 40 (an example of an analysis device) receives the sound data and the analysis instruction from the inspection target from the measurement terminal 10 and transmits a determination result to the measurement terminal 10 (an example of a second communication unit). Is provided.
  • the memory 42 holds setting information including parameters related to inspection and abnormal characteristics of the inspection target for each inspection target.
  • the processor 41 (an example of a deriving unit) determines the time required to acquire sound data from the inspection target used to determine whether the inspection target has an abnormality based on the setting information corresponding to the inspection target. Derive.
  • the processor 41 (an example of an analysis unit) determines whether there is an abnormality in the inspection target based on the derived sound data from the inspection target for the required time.
  • the cloud server 40 By analyzing the sound data by the cloud server 40 as described above, it is possible to perform the analysis more precisely and more accurately than when the measurement terminal 10 analyzes the sound data. Therefore, the inspector hm can obtain a highly accurate determination result in determining whether or not the inspection target has an abnormality. Further, since the measurement terminal 10 does not need to perform the analysis process, the processing load on the measurement terminal 10 can be reduced, and the measurement terminal 10 can be provided as a simple and inexpensive device.
  • the processor 41 uses a learned model generated or updated in advance by machine learning (for example, machine learning using the above-described statistical classification technology) and stored (held) in the cloud server 40. Then, by analyzing the sound data collected by the microphone 13 of the measuring terminal 10 mechanically and with high precision, it is determined whether or not the inspection target has an abnormality. Thereby, the cloud server 40 can improve the accuracy of determining whether or not the inspection target has an abnormality as compared with the case where the measurement terminal 10 determines whether or not the inspection target has an abnormality.
  • machine learning for example, machine learning using the above-described statistical classification technology
  • the measuring terminal 10 is desirably a device such as a smartphone, a tablet terminal, and a notebook PC that can be carried by the inspector hm, but may be a portable device that can be mounted on a trolley or the like and movable.
  • the present disclosure supplies a program for realizing the function of the measuring terminal 10 according to the above-described embodiment to a measuring terminal which is a computer via a network or various storage media, and a processor of the measuring terminal reads and executes the program.
  • the program to be executed and the recording medium on which the program is stored are also applicable.
  • the present disclosure supplies a program that implements the function of the cloud server 40 of the sound inspection system 5 according to the above-described embodiment to the cloud server 40 that is a computer via a network or various storage media.
  • a program that is read and executed by the processor 41 of 40 and a recording medium on which the program is stored may be applied.
  • the present disclosure derives an appropriate measurement time of measurement data for determining the presence / absence of an abnormality in an inspection target, and can support a quick and efficient determination of the presence / absence of an abnormality in a measurement terminal, a measurement method, and a program Useful as

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

測定端末（１０）では、マイク（１３）は、検査対象物から発せられる振動音を含む周囲の音を収音し、音データを生成する。メモリ（１２）は、検査対象物の検査スケジュールに基づく係数αおよび異常重度度に基づく係数βを含む設定情報を検査対象物ごとに記憶する。プロセッサ（１１）は、検査対象物に対応する設定情報に基づいて、検査対象物の異常の有無を判定するために用いる測定時間（Ｔｍ）を算出する。プロセッサ（１１）は、算出された測定時間（Ｔｍ）分の検査対象物からの音データに基づいて、検査対象物の異常の有無を判定する。

Description

測定端末、測定システム、測定方法およびプログラム
　本開示は、検査対象物の音データを取得する測定端末、測定システム、測定方法およびプログラムに関する。
　特許文献１には、モータやコンプレッサ等の振動部を有する製品に取り付けられた計測センサ（例えば加速度センサ）により計測された計測データから時間軸波形を求めて時間軸波形を解析する時間軸波形解析と、周波数軸波形を求めて周波数軸波形を解析する周波数軸波形解析とを並列実行する異常判定装置が開示されている。この異常判定装置は、時間軸波形解析および周波数軸波形解析の総合判定結果から製品の異常を判定する。
日本国特開平１１－１７３９０９号公報
　しかし、特許文献１では、異常判定の度に、振動部を有する製品に取り付けられた計測センサからの計測データが例えば１０２４点の固定となるデータブロックが用いられる。このため、検査対象物の異常の有無を迅速に判定するために、どの程度の時間分の計測データが必要であるかについては考慮されていない。従って、特許文献１の構成では、検査対象物の異常の有無を迅速かつ効率的に判定することは困難であるという課題があった。
　本開示は、上述した従来の状況に鑑みて案出され、検査対象物の検査および異常のそれぞれの特徴を考慮して、異常の有無を判定するための測定データの適切な測定時間を導出し、異常の有無の迅速かつ効率的な判定を支援する測定端末、測定システム、測定方法およびプログラムを提供することを目的とする。
　本開示は、検査対象物からの音データを取得する取得部と、前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとに保持するメモリと、前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出する導出部と、前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定する解析部と、を備える、測定端末を提供する。
　また、本開示は、検査対象物からの音データを取得する取得部と、取得された前記検査対象物からの音データおよび前記音データの解析指示を送信し、前記検査対象物からの音データに基づく異常の有無の判定結果を受信する第１の通信部と、を備え、前記判定結果をディスプレイに表示する測定端末と、前記検査対象物からの音データおよび前記解析指示を前記測定端末より受信し、前記判定結果を前記測定端末に送信する第２の通信部を備える解析装置と、により構成される測定システムであって、前記解析装置は、さらに、前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとに保持するメモリと、前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出する導出部と、前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定する解析部と、を備える、測定システムを提供する。
　また、本開示は、検査対象物からの音データを取得するステップと、前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとにメモリに保持するステップと、前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出するステップと、前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定するステップと、を有する、測定方法を提供する。
　また、本開示は、コンピュータである測定端末に、検査対象物からの音データを取得するステップと、前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとにメモリに保持するステップと、前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出するステップと、前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定するステップと、を実行させるための、プログラムを提供する。
　また、本開示は、検査対象物からの音データを取得するとともに、取得された前記検査対象物からの音データおよび前記音データの解析指示を送信し、前記検査対象物からの音データに基づく異常の有無の判定結果を受信してディスプレイに表示する測定端末との間で測定システムを構成する、コンピュータである解析装置に、前記検査対象物からの音データおよび前記音データの解析指示を前記測定端末より受信するステップと、前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとにメモリに保持するステップと、前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出するステップと、前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定するステップと、前記検査対象物からの音データに基づく異常の有無の判定結果を前記測定端末に送信するステップと、を実行させるための、プログラムを提供する。
　本開示によれば、検査対象物の検査および異常のそれぞれの特徴を考慮して、異常の有無を判定するための測定データの適切な測定時間を導出でき、異常の有無の迅速かつ効率的な判定を支援できる。
実施の形態１に係る音検査システムにおける点検時の利用状況例を示す図 実施の形態１に係る音検査システムのハードウェア構成例を示すブロック図 検査対象物から発せられる正常な振動音の時間変化例を示す波形図 検査対象物から発せられる異常な振動音の時間変化例を示す波形図 測定端末の動作概要例を示す図 実施の形態１に係る測定端末の測定時間算出処理の動作手順例を示すフローチャート パラメータテーブルの登録内容例を示す表 実施の形態１に係る測定端末の点検処理の動作手順例を示すフローチャート 第２変形例に係る音検査システムの動作手順例を示すシーケンス図
　以下、適宜図面を参照しながら、本開示に係る測定端末、測定方法およびプログラムを具体的に開示した実施の形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。なお、添付図面及び以下の説明は、当業者が本開示を十分に理解するために提供されるのであって、これらにより特許請求の範囲に記載の主題を限定することは意図されていない。
　図１は、実施の形態１に係る音検査システム５における点検時の利用状況例を示す図である。音検査システム５の検査の対象となる検査対象物は、例えば振動音を発する製品である。例えば、工場および商業施設等の建物１００には、空調ファン１０２、コンプレッサ１０１、電気給湯器用のヒートポンプ１０３等、多くの検査対象物が設置されている。なお、検査対象物となる製品は、これらの機器に限らず、発電機、エレベータ、自動ドア、掃除機、フォークリフト等、振動音を発する種々の物であってよい。
　検査員ｈｍは、これらの検査対象物を定期的に巡回し、測定端末１０を用いて検査対象物が発する振動音を測定する。図１に示す利用状況では、検査員ｈｍは、建物１００に隣接する地面に設置されたコンプレッサ１０１に測定端末１０をかざし、コンプレッサ１０１が発する振動音を測定している。また、検査員ｈｍは、建物１００の壁面に取り付けられた空調ファン１０２、給油タンクに隣接するヒートポンプ１０３に近づいてそれぞれ測定端末１０を向け、空調ファン１０２、ヒートポンプ１０３がそれぞれ発する振動音を測定する。
　図２は、実施の形態１に係る音検査システム５のハードウェア構成例を示すブロック図である。音検査システム５は、測定端末１０と、クラウドサーバ４０と、ストレージ５０とを含む構成である。測定端末１０と、クラウドサーバ４０と、ストレージ５０とは、ネットワークＮＷを介して互いに通信可能に接続される。
　測定端末１０は、プロセッサ１１と、メモリ１２と、マイク１３と、記録装置１４と、通信回路１５と、ディスプレイ１６と、入力デバイス１７と、タイマカウンタ１８とを含む構成である。
　プロセッサ１１は、メモリ１２に記憶された測定時間算出アプリケーションを起動し、検査対象物を点検する際、この測定時間算出アプリケーションの実行中にマイク１３が収音するための音の測定時間を算出する。また、プロセッサ１１は、メモリ１２に記憶された点検アプリケーションを起動し、この点検アプリケーションの実行中に検査対象物の点検動作を行う。プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit），ＭＰＵ（Micro Processor Unit），ＤＳＰ（Digital Signal Processor）あるいはＦＰＧＡ（Field Programmable Gate Array）等が用いられる。
　メモリ１２は、ＲＡＭ（Random Access Memory）を有し、マイク１３で収音された音の音データを一時記憶する。メモリ１２は、ＲＯＭ（Read Only Memory）を有し、測定時間算出アプリケーション、点検アプリケーションのそれぞれプログラムおよびデータを格納する。
　マイク１３は、検査対象物が発する振動音を収音し、音データを生成してプロセッサ１１に出力する。マイク１３は、例えば無指向性マイクあるいは指向性マイクでよい。マイク１３として、例えばダイナミックマイク（ムービングコイル型、リボン型）、コンデンサマイク（例えばＥＣＭ（エレクトレックコンデンサマイク））等が用いられる。
　記録装置１４（メモリの一例）は、測定された音データと比較される、正常な音データおよび異常な音データをそれぞれ記憶する。記録装置１４は、検査対象物ごとに異なるパラメータおよび測定時間がそれぞれ登録されたパラメータテーブル９０を記憶する。記録装置１４は、例えばＳＳＤ（Solid State Drive）、ＨＤＤ（Hard Disk Drive）、書き換え可能なＲＯＭ（例えばＥＥＰＲＯＭ：Electrically Erasable Programmable Read-Only Memory）等で構成される。
　通信回路１５は、例えば無線ＬＡＮ（Local Area Network）、モバイル通信網（例えば４Ｇ（第４世代移動通信システム）、５Ｇ（第５世代移動通信システム）等のセルラネットワーク網）を介して、ネットワークＮＷに接続され、クラウドサーバ４０あるいはストレージ５０との間で通信可能である。
　ディスプレイ１６は、例えば液晶ディスプレイ、有機ＥＬ（Electroluminescence）、プラズマディスプレイ等の表示デバイスで構成される。ディスプレイ１６は、検査対象物ごとに設定情報を設定するための設定画面を表示する。
　入力デバイス１７は、検査対象物ごとの設定情報を設定する場合等、検査員ｈｍによる操作を受け付ける。入力デバイス１７は、例えばマウス、トラックボール、キーボード、タッチパッド等で構成される。ここでは、ディスプレイ１６および入力デバイス１７は、タッチパネルＴＰで一体に構成される。
　タイマカウンタ１８は、プロセッサ１１によりセットされたプリセット値を時間の経過と共に減算する（カウントダウンを行う）ダウンタイマである。なお、タイマカウンタ１８の構成は、プロセッサ１１においてソフトウェア的に実現されてもよい。
　クラウドサーバ４０は、ネットワークＮＷを介して、測定端末１０等に通信可能に接続される。クラウドサーバ４０は、測定端末１０から送信された音データを内部メモリ（図示略）に記憶し、また、内部メモリに記憶された音データやストレージ５０に蓄積された音データを使用して音データを解析する処理を行う。クラウドサーバ４０は、プロセッサ４１と、メモリ４２と、記録装置４４と、通信回路４５とを含む構成である。これらの各部の詳細については、後述する第２変形例において詳述する。
　ストレージ５０は、ネットワークＮＷを介して、測定端末１０やクラウドサーバ４０に接続され、測定端末１０や他の機器から送信された音データを膨大に蓄積する。
　ネットワークＮＷは、インターネットや有線ＬＡＮ（Local Area Network）等であり、各種の機器を通信可能に接続する。
　次に、実施の形態１に係る音検査システム５の動作を説明する。
　音検査システム５は、検査対象物である製品から発せられる振動音を基に、検査対象物の異常の有無を判定する。検査対象物から発せられる振動音には、異常な音である振動音と、正常な音である振動音とがある。
　図３は、検査対象物から発せられる正常な振動音の時間変化例を示す波形図である。図３の縦軸は音圧レベルを表し、図３の横軸は時間を表す。振動音が正常である場合、例えば検査対象物の製品が起動している区間ｔｐでは、振動音は、閾値ｔｈ以下でほぼ一様な音圧レベルを示す。
　図４は、検査対象物から発せられる異常な振動音の時間変化例を示す波形図である。図４の縦軸は音圧レベルを表し、図４の横軸は時間を表す。振動音が異常である場合、例えば、図４では、図３と同様の区間ｔｐにおいて、音圧レベルが閾値ｔｈを超えるような、大きな振動音ｓｄが間欠的（不定期）に発生している。
　ここでは、異常な振動音として、不定期な異常音、つまり非定常的に起きる異常音を示したが、定常的に大きな音が発生する異常音でも同じである。これらの振動音は、時間軸に対する音圧レベルを表すグラフで表現される。この場合、振動音が閾値を超える大きな音を含むことで、異常音と判定される。また、異常音が特定の周波数成分を含む場合、振動音は、周波数軸に対する音圧レベルを表すグラフで表現される。この場合、音圧レベルが閾値未満であっても、振動音が特定の周波数成分の音を含むことで、異常音と判定される。なお、異常音の判定は、時間軸および周波数軸の一方だけでなく両方に対する音圧レベルを基に、行われてもよい。
（測定時間の算出）
　図５は、測定端末１０の動作概要例を示す図である。測定端末１０のディスプレイ１６は、プロセッサ１１からの指示に従い、検査対象物ごとの設定情報を設定するための設定画面ＧＭ１を表示する。設定画面ＧＭ１には、検査スケジュール、異常発生パターン、および異音重要度の３つの選択項目が表示される。検査スケジュールの選択項目では、毎日検査を行うことを表す「毎日」と、所定の日数ごとに検査を行うことを表す「○日に△回」とが選択可能である。「○日に△回」として、例えば「２日に１回」が挙げられる。なお、「３日に１回」、「４日に１回」等が選択可能であってもよい。
　異常発生パターンの選択項目では、異音が定常的に発生することを表す「異音が続く」と、異音が非定常的に発生することを表す「異音が非定常に発生」とが選択可能である。
　異音重要度の選択項目では、重要度の高い検査対象物であることを表す「できるだけ早く検査したい」と、重要度の低い検査対象物であることを表す「故障前に検査したい」とが選択可能である。
　検査員ｈｍは、タッチパネルＴＰのディスプレイ１６に表示された選択項目を指でタッチすることで、上記選択項目を選択可能である。
　プロセッサ１１は、タッチパネルＴＰの入力デバイス１７を介して、検査員ｈｍによる設定画面ＧＭ１に対する選択操作を受け付けると、検査対象物ごとの設定情報を作成する。プロセッサ１１は、メモリ１２との協働により実現可能な測定時間算出部１１ｚの機能を有し、作成した設定情報に従い、マイク１３で収音し続ける時間である測定時間Ｔｍを算出する。
　ディスプレイ１６は、プロセッサ１１によって点検アプリケーションが起動すると、点検画面ＧＭ２を表示する。点検画面ＧＭ２には、測定開始ボタンｂｔが表示される。ディスプレイ１６は、プロセッサ１１からの指示に従い、測定開始時に収音を促すポップアップ画面ｐｇｍを表示する。ポップアップ画面ｐｇｍには、例えば「○○秒収音して下さい」のメッセージが表示される。検査員ｈｍは、このメッセージに従い、測定開始ボタンｂｔを押下すると、マイク１３による収音が開始する。
　図６は、実施の形態１に係る測定端末１０の測定時間算出処理の動作手順例を示すフローチャートである。図６の説明の前提として、測定端末１０に予めインストールされた測定時間算出アプリケーションは起動済みである。測定時間Ｔｍの算出は、検査対象物ごとに行われる。検査員ｈｍは、測定時間Ｔｍを算出するために、事前に検査対象物となる製品から発せられる振動音をマイク１３で収音する。マイク１３で振動音が収音されると、プロセッサ１１は、振動音の音データをメモリ１２に一時記憶する。
　プロセッサ１１は、測定時間算出用として、メモリ１２に記憶された音データが、定常的に発生している音（つまり、定常音）であるか、それとも、非定常的に発生している音（つまり、不定期音）であるかを判別する（Ｓ１）。
　定常音である場合（Ｓ１、定常的）、プロセッサ１１は、測定時間Ｔｍを基本時間Ｔ０（例えば１０秒）に設定する（Ｓ２）。基本時間Ｔ０は、検査対象物となる製品によらず、固定値であってもよいし、製品ごとに異なる値であってもよい。この後、プロセッサ１１は、図６に示す測定時間算出処理を終了する。
　一方、ステップＳ１で不定期音である場合（Ｓ１、不定期）、プロセッサ１１は、測定時間Ｔｍを算出するためのパラメータを算出する。具体的には、プロセッサ１１は、検査対象物ごとの設定情報に含まれる検査スケジュールを基に、係数αを算出する（Ｓ３）。係数αは、値０～値１の範囲の値であり、一例として、毎日点検を行う場合、値１．０であり、２日に１回点検を行う場合、値０．５である。点検回数が多いほど、係数αは大きな値となる。
　プロセッサ１１は、検査対象物ごとの設定情報に含まれる異常重要度を基に、係数βを算出する（Ｓ４）。係数βは、任意な値である。例えば、検査対象物が重要度の高いものであってできるだけ早く検査したい場合、値５が用いられ、検査対象物が重要度のそれほど高いものではなく故障する前に検査できればよいものである場合、値１が用いられる。従って、故障すると悪影響が出るような重要度の高い検査対象物に対しては、速やかにかつ的確に故障箇所の有無を判断して迅速に修理が可能となるように、係数βは、値５と大きな値に設定される。一方、故障してもそれほど悪影響の出ないような重要度の低い検査対象物に対しては、故障前に検査ができればよいので、緊急度が低く、係数βは、値１と小さな値に設定される。
　プロセッサ１１は、係数α，βを用いて、数式（１）に従って測定時間Ｔｍを算出する（Ｓ５）。
Figure JPOXMLDOC01-appb-M000001
　数式（１）において、基本時間Ｔ０は、ステップＳ２において定常的な異常音に設定される時間（例えば、１０秒）と同じ値に設定される。なお、基本時間Ｔ０は、定常的な異常音に設定される時間とは異なる値に設定されてもよい。また、基本時間Ｔ０は、固定値（例えば１０秒）であったが、検査対象物となる製品ごとに異なる値に設定されてもよい。
　プロセッサ１１は、ステップＳ５において、検査対象物の製品ごとに算出された係数α，βおよび測定時間Ｔｍを、記録装置１４に記憶されたパラメータテーブル９０に登録する。
　図７は、パラメータテーブル９０の登録内容例を示す表である。パラメータテーブル９０は、記録装置１４に記憶される。パラメータテーブル９０には、検査対象物である製品ごとに、係数α，β、および算出された測定時間Ｔｍが登録される。ここでは、検査対象物である、空調ファン１０２として、２台の製品ＡＡＡ，ＢＢＣが登録される。コンプレッサ１０１として、２台の製品ＫＭＫ，ＭＭＭが登録される。ヒートポンプ１０３として、１台の製品ＰＰＰが登録される。例えば、コンプレッサ１０１の製品ＡＡＡの係数α，βおよび測定時間Ｔｍは、それぞれ値１，値５および５０秒である。
（点検動作）
　図８は、実施の形態１に係る測定端末１０の点検処理の動作手順例を示すフローチャートである。図８の説明の前提として、測定端末１０に予めインストールされた点検アプリケーションは起動済みである。点検を開始する際、検査員ｈｍは、検査対象物に近づき、収音するために測定端末１０を検査対象物に向ける。検査員ｈｍが測定端末１０のディスプレイ１６に表示された測定開始ボタンｂｔを押下すると、プロセッサ１１は、点検動作を開始する。
　先ず、プロセッサ１１は、マイク１３に収音開始を指示し、タイマカウンタ１８のカウント動作を開始する。マイク１３は、検査対象物から発せられる振動音を含む周囲の音を収音し、音データを生成する（Ｓ１１）。プロセッサ１１は、マイク１３から出力される音データをメモリ１２に一時記憶する。ここでは、ステップＳ１２で音データを判別するために、測定時間Ｔｍより短い一定時間（例えば１０秒）分の音データが記憶される。なお、ステップＳ１９で音データの解析を行うために必要な測定時間Ｔｍ分の音データが記憶されてもよい。つまり、プロセッサ１１は、解析に必要な時間分の音データを取得した後、ステップＳ１２以降の処理に進むようにしてもよい。
　プロセッサ１１は、マイク１３で収音された音の音を判別する（Ｓ１２）。この音の判別では、収音された音が既知の正常音であるか、既知の異常音であるか、未知の音であるかが判別される。この音の判別では、例えば音データのパターンマッチングが行われる。記録装置１４には、正常音の音データおよび異常音の音データが登録されている。パターンマッチングの結果、収音された音データと、記録装置１４に登録されている音データ（正常音の音データ、異常音の音データを含む）とが一致する場合、既知の音データの音であると判定される。
　一方、不一致である場合、未知の音データの音であると判定される。未知の音データは、記録装置１４に登録されていない音データである。登録されていない音データとして、過去に発生していない異常音、周囲の騒音、風切り音等の音データが挙げられる。なお、この音の判別は、音データが所定時間分（ただし、測定時間Ｔｍ未満）蓄積された状態で行われてもよいし、逐次行われてもよい。例えば、音データが特定の周波数成分を含む場合、短時間であっても、既知の音であるか否かを即座に判別可能である。
　ステップＳ１２で既知の正常音あるいは既知の異常音であると判別された場合（Ｓ１２、既知の音）、プロセッサ１１は、図６の測定時間算出処理で算出されてパラメータテーブル９０に登録された、検査対象物に対応する測定時間Ｔｍを読み出し、タイマカウンタ１８にプリセット値としてセットする（Ｓ１３）。
　一方、ステップＳ１２で未知の音であると判別された場合（Ｓ１２、未知の音）、プロセッサ１１は、プリセット値のカウントを延長済みであるか否かを判別する（Ｓ１４）。カウント延長済みでない場合（Ｓ１４、ＮＯ）、プロセッサ１１は、パラメータテーブル９０に登録されている、検査対象物に対応する測定時間Ｔｍを読み出し、この測定時間Ｔｍに延長時間を加えた時間をタイマカウンタ１８にプリセット値としてセットする（Ｓ１５）。一方、カウント延長済みである場合（Ｓ１４、ＹＥＳ）、プロセッサ１１の処理はステップＳ１６に進む。
　ステップＳ１３またはステップＳ１５の処理後、プロセッサ１１は、タイマカウンタ１８のカウントダウンを開始する（Ｓ１６）。プロセッサ１１は、タイマカウンタ１８のカウント値が値０に達し、タイマカウンタ１８からタイムアップ信号が入力されたか否かを判別する（Ｓ１７）。カウント値が値０に達していない場合（Ｓ１７、ＮＯ）、つまり測定時間Ｔｍが経過していない場合、プロセッサ１１は、ステップＳ１６の処理に戻り、カウント値が値０になるまでマイク１３による収音動作を継続する。
　一方、ステップＳ１７でカウント値が値０に達した場合（Ｓ１７、ＹＥＳ）、プロセッサ１１は、検査に必要な音データを蓄積できたとして、マイク１３による収音動作を終了する（Ｓ１８）。プロセッサ１１は、メモリ１２に蓄積された、測定時間Ｔｍ分の音データを基に、音データを解析する（Ｓ１９）。
　プロセッサ１１は、ステップＳ１８で音データを解析する際、人工知能（ＡＩ：Artificial Intelligent）を用いて行う。プロセッサ１１は、人工知能を搭載し、予めディープラーニング等の機械学習によって、検査対象物ごとに種々の異常な音データを学習し、学習の結果得られた学習済みモデルを生成しておく。プロセッサ１１は、この学習済みモデルに対し、収音された音データを入力し、検査対象物の正常あるいは異常の判定結果を出力させる。異常があった場合、この判定結果は、異常の程度、異常箇所、異常原因等の情報を含んでよい。また、判定結果は、修理の要否、緊急度等の情報を含んでもよい。以上のように、プロセッサ１１は、予め機械学習によって生成あるいは更新された学習済みモデルを用いて収音された音データを機械的に解析することにより、測定端末１０における検査対象物の異常の有無の判定精度が高まる。なお、学習済みモデルを生成するための機械学習は、１つ以上の統計的分類技術を用いて行っても良い。統計的分類技術としては、例えば、線形分類器（linear classifiers）、サポートベクターマシン（support vector machines）、二次分類器（quadratic classifiers）、カーネル密度推定（kernel estimation）、決定木（decision trees）、人工ニューラルネットワーク（artificial neural networks）、ベイジアン技術および／またはネットワーク（Bayesian techniques and/or networks）、隠れマルコフモデル（hidden Markov models）、バイナリ分類子（binary classifiers）、マルチクラス分類器（multi-class classifiers）クラスタリング（a clustering technique）、ランダムフォレスト（a random forest technique）、ロジスティック回帰（a logistic regression technique）、線形回帰（a linear regression technique）、勾配ブースティング（a gradient boosting technique）等が挙げられる。ただし、使用される統計的分類技術はこれらに限定されない。
　なお、ステップＳ１９における音データの解析では、人工知能を用いる代わりに、ステップＳ１２と同様、音データのパターンマッチングが行われてもよい。ただし、ステップＳ１２で行われた音データの判別と比べ、ステップＳ１９における音データのパターンマッチングは、より詳細に行われる。例えば、記録装置１４には、音データの判別に用いられる正常音および異常音の音データに比べ、より膨大な音データが登録されている。ステップＳ１８における音データのパターンマッチングでは、これらの膨大な音データと収音された音データとが比較される。従って、検査対象物の異常の有無を正確かつ詳細に判定可能である。
　プロセッサ１１は、検査対象物の異常の有無の判定結果をディスプレイ１６に表示する（Ｓ２０）。検査員ｈｍは、ディスプレイ１６に表示された、異常の有無の判定結果を視認する。この後、プロセッサ１１は、図８に示す点検処理を終了する。
　以上により、実施の形態１に係る測定端末１０あるいは測定端末１０による測定方法によれば、マイク１３（取得部の一例）は、検査対象物から発せられる振動音を含む周囲の音を収音し、音データを生成する（つまり、取得する）。メモリ１２は、検査対象物の検査スケジュールに基づく係数αおよび異常重度度に基づく係数β（検査および異常の特徴に関するパラメータの一例）を含む設定情報を検査対象物ごとに記憶（つまり、保持）する。プロセッサ１１（導出部の一例）は、検査対象物に対応する設定情報に基づいて、検査対象物の異常の有無を判定するために用いる測定時間Ｔｍ（検査対象物からの音データを取得するための所要時間の一例）を算出（つまり、導出）する。プロセッサ１１（解析部の一例）は、算出された測定時間Ｔｍ分の検査対象物からの音データに基づいて、検査対象物の異常の有無を判定する。
　これにより、実施の形態１に係る測定端末１０は、検査対象物ごとの検査および異常のそれぞれのパラメータ等の特徴を考慮して、異常の有無を判定するための測定データの適切な測定時間を導出し、異常の有無の迅速かつ効率的な判定を支援することができる。
　また、プロセッサ１１（制御部の一例）は、算出された測定時間Ｔｍ分（所要時間分の一例）の検査対象物からの音データの取得を促す表示をディスプレイ１６に表示する。この音データの取得を促す表示の処理は、例えば、測定端末１０において検査対象物の異常の有無が判定されるよりも先立って実行される。これにより、検査員ｈｍは、測定開始のタイミンクを視覚的かつ簡易に把握できる。
　また、設定情報は、検査対象物の検査スケジュールと、検査対象物の異常の発生パターンと、検査対象物の異常の発生に関する重要度とを含む。これにより、測定端末１０は、検査対象物の動作状態に合わせて、適切な測定時間を算出できる。
　また、プロセッサ１１は、検査対象物からの音データを逐次入力し、算出された測定時間Ｔｍ分の検査対象物からの音データを入力した場合に、測定時間Ｔｍ分の音データに基づく異常の有無の判定結果をディスプレイ１６に表示する。これにより、検査員ｈｍは、検査対象物の異常の有無を視覚的に把握できる。
　また、測定端末１０は、検査員ｈｍ（ユーザ）が携帯可能である。これにより、検査員ｈｍが、建物に設置された、複数の検査対象物（空調ファン、コンプレッサ等）を巡回して検査する際、検査対象物が設置された場所に容易に移動できる。また、検査員ｈｍは、測定端末１０を操作し易い。
　また、記録装置１４（メモリの一例）は、算出された検査対象物ごとの測定時間Ｔｍを記憶（つまり、保持）する。このように、一度、測定端末１０は、算出した測定時間を検査対象物ごとに記録装置に登録しておくことで、検査対象物を点検する際、登録された測定時間を読み出して使用することができる。従って、測定端末１０は、検査対象物を点検する度に、測定時間を算出する手間を省くことができ、検査員ｈｍの作業効率を改善できる。
　また、プロセッサ１１は、異常無しであると判定された正常音の音データと、異常有りと判定された異常音の音データとを予め記録装置１４に登録するとともに、マイク１３で逐次入力された（つまり、逐次収音された）音の音データが記録装置１４に登録された正常音の音データおよび異常音の音データのいずれとも不一致である場合、マイク１３で音が収音される測定時間Ｔｍを延長する。これにより、測定端末１０は、検査対象物から測定端末１０が登録していない音データ（つまり、未知の音データ）を入力した場合でも、測定時間Ｔｍを延長することで、登録されている正常音の音データおよび異常音の音データのパターンに一致した音データを検知できる可能性が高まり、未知の音データにも効率的に対処できる。
　また、プロセッサ１１は、マイク１３で収音された異常音の出現頻度に応じて、測定時間Ｔｍの長さを伸縮させるように所要時間を導出する。これにより、測定端末１０は、検査対象物の異常音の出現頻度が多く、故障に至る可能性が高いと判断される場合、測定時間を延長して振動音の音データを生成できる。また、測定端末１０は、収音された振動音の音データを基に、検査対象物の異常の有無を正確に判定できる。一方、検査対象物の異常音の出現頻度が少なく、故障に至る可能性が低いと想定される場合、測定端末１０は、測定時間を短縮して検査を効率化できる。
　また、プロセッサ１１は、予め機械学習（例えば、上述した統計的分類技術を用いた機械学習）によって生成あるいは更新されて測定端末１０に保存（保持）された学習済みモデルを用いて、マイク１３により収音された音データを機械的に解析することにより、検査対象物の異常の有無を判定する。これにより、測定端末１０は、検査対象物の異常の有無の判定精度を高めることができる。
（第１変形例）
　第１変形例においても測定端末１０の構成は実施の形態１に係る測定端末１０と同一であるため、重複する内容の説明は簡略化または省略し、異なる内容について説明する。
　上述した実施の形態１では、基本時間Ｔ０に対し、検査スケジュールに基づく係数αと、異常重要度に基づく係数βとを乗算することによって、測定時間Ｔｍが算出された。第１変形例では、不定期に発生する異常音の出現頻度が予め分かっている場合、出現頻度に対応する係数γを設定し、この係数γを加味し、数式（２）に従って、測定時間Ｔｍを算出する。
Figure JPOXMLDOC01-appb-M000002
　これにより、測定端末１０は、異常音の出現頻度に応じて、測定時間の長短を決定できる。例えば、検査対象物の異常音の出現頻度が多い場合、係数γを大きな値に設定し、一方、検査対象物の異常音の出現頻度が少ない場合、係数γを小さい値に設定してもよい。出現頻度の高い異常音に対しては、故障に至る蓋然性が高いとし、収音時間を長くして正確に音データを解析できるようにする。一方、出現頻度の低い異常音に対しては、すぐに故障する心配は少ないと判断し、測定時間を短くする。
　逆に、検査対象物の異常音の出現頻度が多い場合、係数γを小さい値に設定し、一方、出現頻度が少ない場合、係数γを大きな値に設定してもよい。出現頻度の高い異常音に対しては、収音時間が短くても異常音の音データを収音できる。一方、出現頻度の低い異常音に対しては、異常音の音データを収音できる確率が高くなる。
（第２変形例）
　上述した実施の形態１では、測定端末が検査対象物から発せられる音を収音して音データを解析し、音データを基に検査対象物の異常の有無を判定した。第２変形例では、外部装置であるクラウドサーバが測定端末で収音された音の音データを解析し、音データを基に検査対象物の異常の有無を判定する場合を示す。
　第２変形例においても測定端末１０の構成は実施の形態１に係る測定端末１０と同一であるため、重複する内容の説明は簡略化または省略し、異なる内容について説明する。
　第２変形例において、クラウドサーバ４０は、実施の形態１に係る測定端末１０のように、測定端末１０のマイク１３により収音された検査対象物の音データを測定端末１０から受信して取得する。クラウドサーバ４０は、受信された検査対象物の音データを解析することにより、検査対象物の異常の有無を判定し、判定結果を測定端末１０に送信する。
　クラウドサーバ４０は、プロセッサ４１と、メモリ４２と、記録装置４４と、通信回路４５とを含む構成である。
　プロセッサ４１は、検査員ｈｍが検査対象物を点検する際、測定端末１０における測定時間算出アプリケーションの実行中にマイク１３が収音するための音の測定時間を算出する。また、プロセッサ４１は、測定端末１０が点検アプリケーションを実行中に、測定端末１０から送信されてくる検査対象物の音データを用いて、検査対象物の点検動作を行う。プロセッサ４１は、例えば、ＣＰＵ（Central Processing Unit），ＭＰＵ（Micro Processor Unit），ＤＳＰ（Digital Signal Processor）あるいはＦＰＧＡ（Field Programmable Gate Array）等が用いられる。
　メモリ４２は、ＲＡＭ（Random Access Memory）を有し、通信回路４５において受信された検査対象物の音データを一時記憶する。メモリ４２は、ＲＯＭ（Read Only Memory）を有し、プロセッサ４１の処理を規定するためのプログラムおよびデータを格納する。
　記録装置４４（メモリの一例）は、測定端末１０により収音された音データと比較される、正常な音データおよび異常な音データをそれぞれ記憶する。記録装置４４は、検査対象物ごとに異なるパラメータおよび測定時間がそれぞれ登録されたパラメータテーブル９０を記憶する。記録装置４４は、例えばＳＳＤ（Solid State Drive）、ＨＤＤ（Hard Disk Drive）、書き換え可能なＲＯＭ（例えばＥＥＰＲＯＭ：Electrically Erasable Programmable Read-Only Memory）等で構成される。
　通信回路４５は、例えば無線ＬＡＮ（Local Area Network）、モバイル通信網（例えば４Ｇ（第４世代移動通信システム）、５Ｇ（第５世代移動通信システム）等のセルラネットワーク網）を介して、ネットワークＮＷに接続され、測定端末１０あるいはストレージ５０との間で通信可能である。
　図９は、変形例２における音検査システム５の動作手順を示すシーケンス図である。図９の説明の前提として、測定端末１０に予めインストールされた点検アプリケーションは起動済みである。クラウドサーバ４０は、測定端末１０から音データを受信するまで待つ、待機状態にある（Ｔ１）。点検を開始する際、検査員ｈｍは、検査対象物に近寄り、測定端末１０を検査対象物に向ける。検査員ｈｍが測定端末１０のディスプレイ１６に表示された測定開始ボタンｂｔを押下すると、測定端末１０は、検査対象物から発せられる振動音を含む周囲の音をマイク１３で収音し、音データを逐次生成する（Ｔ２）。
　測定端末１０は、逐次生成した音データを、通信回路１５およびネットワークＮＷを介して、クラウドサーバ４０に送信する（Ｔ３）。クラウドサーバ４０は、測定端末１０から送信された音データを受信し、内部メモリ（図示略）に蓄積する（Ｔ４）。
　測定端末１０は、タイマカウンタ１８が値０になり、測定時間Ｔｍが経過したか否かを判別する（Ｔ５）。タイマカウンタ１８が値０でない場合、測定端末１０は、手順Ｔ２に戻り、マイク１３による収音動作を継続する。
　手順Ｔ５でタイマカウンタ１８が値０になると、測定端末１０は、通信回路１５およびネットワークＮＷを介して、クラウドサーバ４０に解析指示を送信する（Ｔ６）。クラウドサーバ４０は、ネットワークＮＷを介して、測定端末１０からの解析指示を受信すると、内部メモリに蓄積した測定時間Ｔｍ分の音データを解析する（Ｔ７）。この解析は、上記実施形態のステップＳ１９において、測定端末１０が行った解析と同じであってもよいし、より詳細な解析であってもよい。例えば、人工知能を用いて解析を行う場合、クラウドサーバ４０によって生成された学習済みモデルでは、測定端末１０と比べ、ストレージ５０に蓄積された音データを用いてもよく、学習量が膨大であると想定されるので、生成される学習済みモデルは処理精度の高いものとなる。従って、測定端末１０により収音された音データをクラウドサーバ４０で解析することで、クラウドサーバ４０における検査対象物の異常の有無の判定精度が高まる。なお、学習済みモデルを生成するための機械学習は、１つ以上の統計的分類技術を用いて行っても良い。統計的分類技術としては、例えば、線形分類器（linear classifiers）、サポートベクターマシン（support vector machines）、二次分類器（quadratic classifiers）、カーネル密度推定（kernel estimation）、決定木（decision trees）、人工ニューラルネットワーク（artificial neural networks）、ベイジアン技術および／またはネットワーク（Bayesian techniques and/or networks）、隠れマルコフモデル（hidden Markov models）、バイナリ分類子（binary classifiers）、マルチクラス分類器（multi-class classifiers）クラスタリング（a clustering technique）、ランダムフォレスト（a random forest technique）、ロジスティック回帰（a logistic regression technique）、線形回帰（a linear regression technique）、勾配ブースティング（a gradient boosting technique）等が挙げられる。ただし、使用される統計的分類技術はこれらに限定されない。
　クラウドサーバ４０は、ネットワークＮＷを介して、この解析結果を測定端末１０に送信する（Ｔ８）。測定端末１０は、通信回路１５およびネットワークＮＷを介して、クラウドサーバ４０からの解析結果を受信する（Ｔ９）。解析結果には、音データに基づく検査対象物の異常の有無の判定結果が含まれる。測定端末１０は、ディスプレイ１６にこの判定結果を表示する（Ｔ１０）。検査員ｈｍは、ディスプレイ１６に表示された、検査対象物の異常の有無の判定結果を把握し、次の検査対象物に移動する。
　以上により、第２変形例に係る音検査システム５（測定システムの一例）では、測定端末１０は、検査対象物からの音データを取得するプロセッサ１１（取得部の一例）と、取得された検査対象物からの音データおよび音データの解析指示を送信し、検査対象物からの音データに基づく異常の有無の判定結果を受信する通信回路１５（第１の通信部の一例）と、を備え、その受信された判定結果をディスプレイ１６に表示する。クラウドサーバ４０（解析装置の一例）は、検査対象物からの音データおよび解析指示を測定端末１０より受信し、判定結果を測定端末１０に送信する通信回路４５（第２の通信部の一例）を備える。クラウドサーバ４０では、メモリ４２は、検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を検査対象物ごとに保持する。プロセッサ４１（導出部の一例）は、検査対象物に対応する設定情報に基づいて、検査対象物の異常の有無を判定するために用いる検査対象物からの音データを取得するための所要時間を導出する。プロセッサ４１（解析部の一例）は、導出された所要時間分の検査対象物からの音データに基づいて、検査対象物の異常の有無を判定する。
　このように、クラウドサーバ４０が音データを解析することで、測定端末１０が音データの解析を行う場合に比べて、より詳細かつ高精度に行うことが可能である。従って、検査員ｈｍは、検査対象物の異常の有無の判定に対し、精度の高い判定結果を得ることができる。また、測定端末１０が解析処理を行わなくて済むので、測定端末１０による処理の負担を軽減でき、測定端末１０を簡易かつ安価な機器として提供できる。
　また、クラウドサーバ４０では、プロセッサ４１は、予め機械学習（例えば、上述した統計的分類技術を用いた機械学習）によって生成あるいは更新されてクラウドサーバ４０に保存（保持）された学習済みモデルを用いて、測定端末１０のマイク１３により収音された音データを機械的かつ高精度に解析することにより、検査対象物の異常の有無を判定する。これにより、クラウドサーバ４０は、検査対象物の異常の有無の判定精度を、測定端末１０が検査対象物の異常の有無を判定する場合に比べてより高めることができる。
　以上、図面を参照しながら各種の実施の形態について説明したが、本開示はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例、修正例、置換例、付加例、削除例、均等例に想到し得ることは明らかであり、それらについても当然に本開示の技術的範囲に属するものと了解される。また、発明の趣旨を逸脱しない範囲において、上述した各種の実施の形態における各構成要素を任意に組み合わせてもよい。
　例えば、測定端末１０は、検査員ｈｍが携帯可能なスマートフォン、タブレット端末、ノートＰＣ等の装置であることが望ましいが、台車等に載せられて移動可能な可搬型の装置であってもよい。
　また、本開示は、上述した実施の形態に係る測定端末１０の機能を実現するプログラムを、ネットワークあるいは各種記憶媒体を介してコンピュータである測定端末に供給し、この測定端末のプロセッサが読み出して実行するプログラム、およびこのプログラムが記憶された記録媒体も適用範囲である。また、本開示は、上述した実施の形態に係る音検査システム５のクラウドサーバ４０の機能を実現するプログラムを、ネットワークあるいは各種記憶媒体を介してコンピュータであるクラウドサーバ４０に供給し、このクラウドサーバ４０のプロセッサ４１が読み出して実行するプログラム、およびこのプログラムが記憶された記録媒体も適用範囲としてよい。
　なお、本出願は、２０１８年６月２７日出願の日本特許出願（特願２０１８－１２１５５６）に基づくものであり、その内容は本出願の中に参照として援用される。
　本開示は、検査対象物の異常の有無を判定するための測定データの適切な測定時間を導出し、異常の有無の迅速かつ効率的な判定を支援することができる測定端末、測定方法およびプログラムとして有用である。
５　音検査システム
１０　測定端末
１１　プロセッサ
１２　メモリ
１３　マイク
１４　記録装置
１５　通信回路
１６　ディスプレイ
１７　入力デバイス
１８　タイマカウンタ
４０　クラウドサーバ
５０　ストレージ
ＴＰ　タッチパネル

Claims (20)

  1. 　検査対象物からの音データを取得する取得部と、
    　前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとに保持するメモリと、
    　前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出する導出部と、
    　前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定する解析部と、を備える、
    　測定端末。
  2. 　前記導出された所要時間分の前記検査対象物からの音データの取得を促す表示をディスプレイに表示する制御部、をさらに備える、
    　請求項１に記載の測定端末。
  3. 　前記設定情報は、前記検査対象物の検査スケジュールと、前記検査対象物の異常の発生パターンと、前記検査対象物の異常の発生に関する重要度とを含む、
    　請求項１または２に記載の測定端末。
  4. 　前記解析部は、前記検査対象物からの音データを逐次入力し、前記導出された所要時間分の前記検査対象物からの音データを入力した場合に、前記所要時間分の音データに基づく前記異常の有無の判定結果をディスプレイに表示する、
    　請求項１～３のうちいずれか一項に記載の測定端末。
  5. 　前記解析部は、異常無しであると判定された正常音の音データと、異常有りと判定された異常音の音データとを前記メモリに登録するとともに、前記取得部に逐次入力された音データが前記正常音の音データおよび前記異常音の音データのいずれとも不一致である場合、前記導出された所要時間を延長する、
    　請求項１～４のいずれか一項に記載の測定端末。
  6. 　前記導出部は、前記取得部によって取得される異常音の音データの出現頻度に応じて、前記所要時間の長さを伸縮させるように前記所要時間を導出する、
    　請求項１～４のいずれか一項に記載の測定端末。
  7. 　前記解析部は、予め機械学習によって生成された学習済みモデルを用いて前記検査対象物の異常の有無を判定する、
    　請求項１～６のいずれか一項に記載の測定端末。
  8. 　検査対象物からの音データを取得する取得部と、取得された前記検査対象物からの音データおよび前記音データの解析指示を送信し、前記検査対象物からの音データに基づく異常の有無の判定結果を受信する第１の通信部と、を備え、前記判定結果をディスプレイに表示する測定端末と、
    　前記検査対象物からの音データおよび前記解析指示を前記測定端末より受信し、前記判定結果を前記測定端末に送信する第２の通信部を備える解析装置と、により構成される測定システムであって、
    　前記解析装置は、さらに、
    　前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとに保持するメモリと、
    　前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出する導出部と、
    　前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定する解析部と、を備える、
    　測定システム。
  9. 　前記解析部は、予め機械学習によって生成された学習済みモデルを用いて前記検査対象物の異常の有無を判定する、
    　請求項８に記載の測定システム。
  10. 　検査対象物からの音データを取得するステップと、
    　前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとにメモリに保持するステップと、
    　前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出するステップと、
    　前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定するステップと、を有する、
    　測定方法。
  11. 　前記検査対象物の異常の有無を判定するステップに先立って、前記導出された所要時間分の前記検査対象物からの音データの取得を促す表示をディスプレイに表示するステップ、をさらに有する、
    　請求項１０に記載の測定方法。
  12. 　前記設定情報は、前記検査対象物の検査スケジュールと、前記検査対象物の異常の発生パターンと、前記検査対象物の異常の発生に関する重要度とを含む、
    　請求項１０または１１に記載の測定方法。
  13. 　前記検査対象物の異常の有無を判定するステップは、前記検査対象物からの音データを逐次入力し、前記導出された所要時間分の前記検査対象物からの音データを入力した場合に、前記所要時間分の音データに基づく前記異常の有無の判定結果をディスプレイに表示するステップを含む、
    　請求項１０～１２のうちいずれか一項に記載の測定方法。
  14. 　前記検査対象物の異常の有無を判定するステップは、異常無しであると判定された正常音の音データと、異常有りと判定された異常音の音データとを前記メモリに登録するとともに、逐次入力された音データが前記正常音の音データおよび前記異常音の音データのいずれとも不一致である場合、前記導出された所要時間を延長するステップを含む、
    　請求項１０～１３のいずれか一項に記載の測定方法。
  15. 　前記所要時間を導出するステップは、前記取得される異常音の音データの出現頻度に応じて、前記所要時間の長さを伸縮させるように前記所要時間を導出する、
    　請求項１０～１３のいずれか一項に記載の測定方法。
  16. 　前記検査対象物の異常の有無を判定するステップは、予め機械学習によって生成された学習済みモデルを用いて前記検査対象物の異常の有無を判定するステップを含む、
    　請求項１０～１５のいずれか一項に記載の測定方法。
  17. 　コンピュータである測定端末に、
    　検査対象物からの音データを取得するステップと、
    　前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとにメモリに保持するステップと、
    　前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出するステップと、
    　前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定するステップと、を実行させるための、
    　プログラム。
  18. 　前記検査対象物の異常の有無を判定するステップを、前記測定端末に保持される、予め機械学習によって生成された学習済みモデルを用いて実行させる、
    　請求項１７に記載のプログラム。
  19. 　検査対象物からの音データを取得するとともに、取得された前記検査対象物からの音データおよび前記音データの解析指示を送信し、前記検査対象物からの音データに基づく異常の有無の判定結果を受信してディスプレイに表示する測定端末との間で測定システムを構成する、コンピュータである解析装置に、
    　前記検査対象物からの音データおよび前記音データの解析指示を前記測定端末より受信するステップと、
    　前記検査対象物の検査および異常の特徴に関するパラメータを含む設定情報を前記検査対象物ごとにメモリに保持するステップと、
    　前記検査対象物に対応する前記設定情報に基づいて、前記検査対象物の異常の有無を判定するために用いる前記検査対象物からの音データを取得するための所要時間を導出するステップと、
    　前記導出された所要時間分の前記検査対象物からの音データに基づいて、前記検査対象物の異常の有無を判定するステップと、
    　前記検査対象物からの音データに基づく異常の有無の判定結果を前記測定端末に送信するステップと、を実行させるための、
    　プログラム。
  20. 　前記検査対象物の異常の有無を判定するステップを、前記解析装置に保持される、予め機械学習によって生成された学習済みモデルを用いて実行させる、
    　請求項１９に記載のプログラム。
PCT/JP2019/010422 2018-06-27 2019-03-13 測定端末、測定システム、測定方法およびプログラム WO2020003635A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/255,279 US11629993B2 (en) 2018-06-27 2019-03-13 Measurement terminal, measurement system, measurement method, and program
CN201980056209.0A CN112639420B (zh) 2018-06-27 2019-03-13 测定终端、测定系统、测定方法以及程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-121556 2018-06-27
JP2018121556A JP7129647B2 (ja) 2018-06-27 2018-06-27 測定端末、測定システム、測定方法およびプログラム

Publications (1)

Publication Number Publication Date
WO2020003635A1 true WO2020003635A1 (ja) 2020-01-02

Family

ID=68986925

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/010422 WO2020003635A1 (ja) 2018-06-27 2019-03-13 測定端末、測定システム、測定方法およびプログラム

Country Status (4)

Country Link
US (1) US11629993B2 (ja)
JP (2) JP7129647B2 (ja)
CN (1) CN112639420B (ja)
WO (1) WO2020003635A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7129647B2 (ja) * 2018-06-27 2022-09-02 パナソニックＩｐマネジメント株式会社 測定端末、測定システム、測定方法およびプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS52129541A (en) * 1976-04-23 1977-10-31 Mitsubishi Electric Corp Signal judging system
JPH08122305A (ja) * 1994-10-25 1996-05-17 Koyo Seiko Co Ltd 軸受の異常診断装置
JP2015114214A (ja) * 2013-12-12 2015-06-22 Ntn株式会社 回転機械部品の携帯端末利用検査システムおよび検査方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58108419A (ja) * 1981-12-23 1983-06-28 Toshiba Corp 異常検査装置
JP3484665B2 (ja) 1997-12-15 2004-01-06 オムロン株式会社 異常判定方法および装置
JPH11326035A (ja) * 1998-05-19 1999-11-26 Ono Sokki Co Ltd 振動コンパレータ
JP2002181038A (ja) 2000-12-18 2002-06-26 Mitsubishi Heavy Ind Ltd 異常診断装置
JP4071161B2 (ja) 2003-06-05 2008-04-02 ニッテツ八幡エンジニアリング株式会社 回転機械の劣化診断方法
JP4078671B2 (ja) 2003-12-17 2008-04-23 株式会社日立製作所 プラント保全管理方法
JP2008232934A (ja) * 2007-03-22 2008-10-02 Jfe Advantech Co Ltd 設備診断システム
JP2009180648A (ja) * 2008-01-31 2009-08-13 Hitachi-Ge Nuclear Energy Ltd センサノード、センサネットワークシステム及び振動測定方法
CN101614583B (zh) * 2009-04-30 2011-06-22 上海电力学院 一种基于声音识别的堵料检测预警装置及方法
JP5460160B2 (ja) * 2009-07-22 2014-04-02 Ｊｆｅメカニカル株式会社 設備機器の診断装置
JP2012078288A (ja) 2010-10-05 2012-04-19 Asahi Kasei Engineering Kk 転がり軸受の診断方法
CN102243143B (zh) * 2011-04-20 2014-04-30 上海斐赛轴承科技有限公司 轴承异常声检测控制方法以及轴承振动测量仪
WO2015087732A1 (ja) 2013-12-12 2015-06-18 Ntn株式会社 回転機械部品の携帯端末利用検査システムおよび検査方法
JP7129647B2 (ja) * 2018-06-27 2022-09-02 パナソニックＩｐマネジメント株式会社 測定端末、測定システム、測定方法およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS52129541A (en) * 1976-04-23 1977-10-31 Mitsubishi Electric Corp Signal judging system
JPH08122305A (ja) * 1994-10-25 1996-05-17 Koyo Seiko Co Ltd 軸受の異常診断装置
JP2015114214A (ja) * 2013-12-12 2015-06-22 Ntn株式会社 回転機械部品の携帯端末利用検査システムおよび検査方法

Also Published As

Publication number Publication date
CN112639420A (zh) 2021-04-09
CN112639420B (zh) 2023-10-03
JP7442102B2 (ja) 2024-03-04
US11629993B2 (en) 2023-04-18
JP2020003282A (ja) 2020-01-09
JP7129647B2 (ja) 2022-09-02
JP2022160658A (ja) 2022-10-19
US20210262853A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
US11885667B2 (en) Systems and methods for monitoring of mechanical and electrical machines
JP7032408B2 (ja) 現場検知
US11215535B2 (en) Predictive maintenance for robotic arms using vibration measurements
CN113838480B (zh) 一种洗衣机异音检测方法、装置及电子设备
WO2020009210A1 (ja) 異常予測システム及び異常予測方法
US11425197B2 (en) Condition monitoring device and method
JP7442102B2 (ja) 測定端末、測定システム、測定方法およびプログラム
JP2010266327A (ja) 設備診断装置及び設備診断方法
US20210224672A1 (en) Endpoint detection in manufacturing process by near infrared spectroscopy and machine learning techniques
CN117010601B (zh) 数据处理方法、装置、计算机设备及计算机可读存储介质
CN117112336B (zh) 智能通信设备异常检测方法、设备、存储介质及装置
US20210263896A1 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
CN114254685A (zh) 声音检测模型的训练方法和装置、声音事件的检测方法
US10072968B2 (en) Vibration spectrum adjustment for scales
JP7288218B2 (ja) 異常音判定システム、異常音判定装置、及びプログラム
KR20240022944A (ko) 공정 운영 방법 및 상기 방법을 수행하는 전자 장치
CN114460918A (zh) 设备的检测方法、装置、设备和存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19827257

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19827257

Country of ref document: EP

Kind code of ref document: A1