JP7236572B2 - 異音検査方法、異音検査プログラム、異音検査機能付モータ - Google Patents

Description

本発明は、製品の動作音における異音を検出して製品が異常かどうか検査することを可能にした異音検査方法、異音検査プログラム、異音検査機能付モータに関する。

製品の製造現場において、出荷前製品の動作音の異音検査が行われる。モータ動作音の検査方法としては、検査者の聴覚によって異音の有無を判断したり、またはマハラノビス距離を用いたＭＴ（マハラノビス・タグチ）法（マハラノビス距離をＳ／Ｎ比で評価する手法）等が採用されていた。マハラノビス距離を用いたＭＴ法とは、簡単にいうと、新規の標本と既知の標本とを比較する際に正常値の範囲から所定の距離離れた値を異常と判断する手法である。

マハラノビス距離を用いて、被評価対象装置の動作音を取得して異音を評価する装置及び方法が、特許文献１（特開２０１９－７８５４３号公報）に開示されている。この評価方法は、被評価対象装置の動作音の周波数スペクトルを算出し、周波数スペクトルを所定の周波数幅ごとの周波数軸と周波数スペクトルグラフで区画される面積を評価音面積として算出し、あらかじめ取得しておいた正常音における評価音面積である正常音面積と評価音面積とを比較してマハラノビス距離が閾値以上のときに、不良と判定するものである。

特開２０１９－７８５４３号公報

異音を検出する方法として従来用いられてきたマハラノビス距離によると演算量が多いので、演算装置を高性能化しないと異音検出に時間がかかりすぎてしまうという課題がある。また、上記の特許文献１のように、正常音面積と評価音面積とを比較してマハラノビス距離が閾値以上のときに、不良と判定する場合、閾値をどのように設定すべきか、という点について課題がある。この閾値を設定するにあたり、例えば検査対象物の機構設計的な仕様として許容される振動について、これを指標として用いた場合には、閾値の設定に合理的な根拠が存在する。

一方、このような合理的な根拠をもった閾値に基づいて、許容範囲に含まれると判断できたとしても、人間の聴覚で判断した場合には「異常が発生しているのではないか」と不安を抱くケースが実際に存在する。人間が動作音を聞いて異常を感じるか否か判断するには、単なる動作音の振幅の大きさだけでなく、振幅の変動幅、変化の周期性、スペクトラムのパターン変動、過去の経験に基づく感覚等、人間の感性に直接訴えかけられる一概に数値化できないものを基準としている。また、人間の異音に対する感性には個人差があり、さらに同一人であっても環境、時刻、体調によっても変動する。

このように、人間が異音検査を行うには工数がかかり、また、異音に対する感性も個人差があり、しかも同一人でも変動があるので、検査結果にはバラつきが生じる。これらに対応するためには余裕をもって検査者を用意しておく必要があり生産効率向上の妨げとなっているという課題がある。また、人間による「異常ではないかと不安を感じる」という基準における定義が困難であるため、自動化、省力化できないという課題がある。

そこで、本発明は上記課題を解決すべくなされ、その目的とするところは、製品の異音検査における生産効率向上、自動化、省力化、精度の向上を可能にした異音検査方法、異音検査プログラム、異音検査機能付モータを提供することにある。

本発明にかかる異音検査方法によれば、人間によって動作音の異音検査が実行されて問題無しと判断された良品の前記動作音を良品動作音データとして取得する工程と、前記良品動作音データを周波数毎に統計処理して良品基準データを作成する工程と、前記良品基準データに基づいて、製品の前記動作音の異音検査を実行する工程と、を含み、前記良品基準データを作成する工程は、（ａ）１つの前記製品の前記動作音のデータを所定のサンプリング周波数によってＡ／Ｄ変換してデジタル動作音データを得て、（ｂ）前記デジタル動作音データを、時系列順に所定範囲で区切った複数のブロックに分割し、（ｃ）複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの区間データとして、複数の前記区間データを生成し、（ｄ）各前記区間データに窓関数を乗じ、（ｅ）前記窓関数を乗じた各前記区間データに対してフーリエ変換を行い、所定周波数毎における周波数特性を算出し、（ｆ）前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、（ｇ）前記（ａ）～（ｆ）までの工程を、複数の良品の数だけ実行し、複数の良品それぞれに対して、前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、（ｈ）複数の良品における、前記周波数毎の平均値、相対分布幅値、相対標準偏差値それぞれの平均値と標準偏差を算出して、これらを前記良品基準データとし、前記製品の前記動作音の異音検査を実行する工程は、（ｉ）検査対象製品の前記動作音を所定のサンプリング周波数によってＡ／Ｄ変換して検査対象製品デジタル動作音データを得て、（ｊ）前記検査対象製品デジタル動作音データを、時系列順に所定範囲で区切った複数の検査対象製品ブロックに分割し、（ｋ）複数の前記検査対象製品ブロックのうち、連続する前記検査対象製品ブロックを複数繋げて１つの検査対象製品区間データとして、複数の前記検査対象製品区間データを生成し、（ｌ）各前記検査対象製品区間データに前記窓関数を乗じ、（ｍ）前記窓関数を乗じた各前記検査対象製品区間データに対してフーリエ変換を行い、所定周波数毎における検査対象製品周波数特性を算出し、（ｎ）前記所定周波数毎の前記検査対象製品周波数特性に対して、複数の前記検査対象製品区間データにおける平均値、相対分布幅値、相対標準偏差値を算出して、これらを評価指標統計値とし、（ｏ）前記評価指標統計値と、前記良品基準データとを比較することを特徴とする。

この異音検査方法を採用することによって、人間の聴覚によって良品として判断された製品の動作音を基準として、すなわち人間の感覚を取り入れた基準に基づいて異音検査を正確に実行することができる。

また、前記工程（ｃ）において、複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの前記区間データとして、複数の前記区間データを生成する際に、複数の前記区間データにおける連続する２つの前記区間データは、先の前記区間データにおける最後の前記ブロックと後の前記区間データにおける最初の前記ブロックが同一の前記ブロックにより構成されていることを特徴としてもよい。

この方法によれば、窓関数を乗じる際の波形の取りこぼしを防ぐことができる。

また、前記工程（ｏ）は、前記評価指標統計値および前記良品基準データにおける前記平均値、前記相対分布幅値、前記相対標準偏差値のそれぞれにおいて、各周波数成分の特性値である評価指標統計値周波数特性値の差異を統計学的標準化によるσ換算をして、前記σ換算の最大値と二乗平均平方根値を計算することを特徴としてもよい。

この方法によれば、評価指標統計値と良品基準データとの比較を行う際に、周波数に応じて比較する際の精度を変更することができるため、異音の有無に対する判断を正確に行うことができる。

また、人間によって動作音の異音検査が実行されて問題無しと判断された良品の前記動作音を良品動作音データとして取得する機能と、前記良品動作音データを周波数毎に統計処理して良品基準データを作成する機能と、前記良品基準データに基づいて、製品の前記動作音の異音検査を実行する機能と、をコンピュータに実行させる異音検査プログラムであって、前記良品基準データを作成する機能は、（ａ）１つの前記製品の前記動作音のデータを所定のサンプリング周波数によってＡ／Ｄ変換してデジタル動作音データを得て、（ｂ）前記デジタル動作音データを、時系列順に所定範囲で区切った複数のブロックに分割し、（ｃ）複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの区間データとして、複数の前記区間データを生成し、（ｄ）各前記区間データに窓関数を乗じ、（ｅ）前記窓関数を乗じた各前記区間データに対してフーリエ変換を行い、所定周波数毎における周波数特性を算出し、（ｆ）前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、（ｇ）前記（ａ）～（ｆ）までの処理を、複数の良品の数だけ実行し、複数の良品それぞれに対して、前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、（ｈ）複数の良品における、前記周波数毎の平均値、相対分布幅値、相対標準偏差値それぞれの平均値と標準偏差を算出して、これらを前記良品基準データとし、前記製品の前記動作音の異音検査を実行する機能は、（ｉ）検査対象製品の前記動作音を所定のサンプリング周波数によってＡ／Ｄ変換して検査対象製品デジタル動作音データを得て、（ｊ）前記検査対象製品デジタル動作音データを、時系列順に所定範囲で区切った複数の検査対象製品ブロックに分割し、（ｋ）複数の前記検査対象製品ブロックのうち、連続する前記検査対象製品ブロックを複数繋げて１つの検査対象製品区間データとして、複数の前記検査対象製品区間データを生成し、（ｌ）各前記検査対象製品区間データに前記窓関数を乗じ、（ｍ）前記窓関数を乗じた各前記検査対象製品区間データに対してフーリエ変換を行い、所定周波数毎における検査対象製品周波数特性を算出し、（ｎ）前記所定周波数毎の前記検査対象製品周波数特性に対して、複数の前記検査対象製品区間データにおける平均値、相対分布幅値、相対標準偏差値を算出して、これらを評価指標統計値とし、（ｏ）前記評価指標統計値と、前記良品基準データとを比較することを特徴とする異音検査プログラムの発明もある。

この異音検査プログラムを採用することによって、人間の聴覚によって良品として判断された製品の動作音を基準として、すなわち人間の感覚を取り入れた基準に基づいて異音検査を正確に実行することができる。

また、前記（ｃ）の処理において、複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの区間データとして、複数の前記区間データを生成する際に、複数の前記区間データにおける連続する２つの前記区間データは、先の前記区間データにおける最後の前記ブロックと後の前記区間データにおける最初の前記ブロックが同一の前記ブロックにより構成されていることを特徴としてもよい。

この構成によれば、窓関数を乗じる際の波形の取りこぼしを防ぐことができる。

また、前記（ｏ）の処理は、前記評価指標統計値および前記良品基準データにおける前記平均値、前記相対分布幅値、前記相対標準偏差値のそれぞれにおいて、各周波数成分の特性値である評価指標統計値周波数特性値の差異を統計学的標準化によるσ換算をして、前記σ換算の最大値と二乗平均平方根値を計算することを特徴としてもよい。

この構成によれば、評価指標統計値と良品基準データとの比較を行う際に、周波数に応じて比較する際の精度を変更することができるため、異音の有無に対する判断を正確に行うことができる。

また、モータと、前記モータの外部と通信可能な通信部と、前記モータの動作を制御する制御部とを具備し、前記制御部は、記憶装置とＣＰＵを有し、前記記憶装置には上記のうちいずれかに記載の異音検査プログラムが格納されており、前記ＣＰＵは、前記通信部を通じて受信したトリガーに基づいて前記異音検査プログラムを実行することを特徴とする異音検査機能付モータとしての発明もある。

これにより、高付加価値のモータを提供することができる。

本発明の異音検査方法および異音検査プログラムによれば、製品の異音検査において、人間の聴覚に基づく判断を取り入れ、且つ生産効率向上、自動化、省力化、精度の向上が可能になる。また、モータが自らの異音検査を実行することが可能な高付加価値のモータを提供することができる。

本実施形態における異音検査装置の概略構成図である。 本実施形態における動作音データのサンプルデータおよび区間データの構成を示す説明図である。 ある区間データに乗じる窓関数の説明図である。 区間データを高速フーリエ変換処理して周波数特性算出する際の説明図である。 周波数特性の内容を示す説明図である。 周波数特性から評価指標統計値周波数特性を算出する際の説明図である。 評価指標統計値周波数特性の内訳を示す説明図である。 すべての良品モータの評価指標統計値周波数特性の一覧図である。 評価指標統計値周波数特性ＨＳＴＳＴの算出における演算例を示す説明図である。 良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒの算出における演算例を示す説明図である。 評価指標統計値周波数特性から求めた代表評価指標統計値周波数特性の説明図である。 代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒの算出における演算例を示す説明図である。 図１１に示す代表評価指標統計値周波数特性の内訳を示す説明図である。 検査対象のモータの動作音の周波数特性から評価指標統計値周波数特性を算出する説明図である。 検査対象のモータの評価指標統計値周波数特性と良品群モータ代表評価指標統計値周波数特性との比較を示す説明図である。 検査対象のモータの評価指標統計値周波数特性の平均値Ａｖｇについてσ換算する際の説明図である。 平均値Ａｖｇの最大値σ（Ａｖｇ）_ｍａｘおよび二乗平均平方根値σ（Ａｖｇ）_ＲＭＳを算出する際の演算例を示す説明図である。 本実施形態における異音検査機能付モータの概略構成図である。

以下、本実施形態における異音検査方法について説明する。なお、以下製品としてはモータを例として挙げ、モータの生産時における動作音の検査について説明するが、製品はモータに限定するものではない。

（良品基準データの生成）
検査対象製品（ここではモータＴ）に対して良品（以下、良品モータ１０という）か否かの判断の基準とする良品基準データは、品質管理基準に関する所定の訓練を行った人間の聴覚によって良品として判断（問題無しと判断）された製品の動作音から生成する。良品基準データは、図１に示す異音検査装置１００が良品モータ１０の動作音データ（良品動作音データ）を加工することにより得られる。良品モータ１０とは、人間の聴覚により良品として判断されたものであり、良品モータ１０を動作させることにより生じた動作音が良品動作音になる。良品動作音はマイクロフォン１２によって取得され、マイクロフォン１２からアナログ電気信号としてＡ／Ｄ変換回路１４へ出力される。Ａ／Ｄ変換回路１４は、所定のサンプリング周波数および量子化ビット数によってデジタル化された良品動作音データ（良品のデジタル動作音データ）を生成する。

ここで、Ａ／Ｄ変換の例としては、量子化ビット数１６で、サンプリング周波数を２２．０５ｋＨｚ（音楽ＣＤ等のサンプリング周波数の半分の周波数）とし、本実施形態では約２秒間のサンプリングを良品動作音に対して実行する場合を説明する。なお、良品動作音を取得する約２秒間という時間については、後述する処理装置２０の性能等を勘案して適宜決定できるものであり、約２秒間に限定するものではない。

Ａ／Ｄ変換回路１４によってデジタル化して生成された良品動作音データは、補助記憶装置又は主記憶装置からなる記憶装置１６に記憶される。なお、良品動作音データは、人間の聴覚によって良品と判断された複数の良品モータ１０に対して取得されるため、記憶装置１６には複数個の良品動作音データを記憶させることができる。記憶装置１６から良品動作音データが処理装置２０に出力され、処理装置２０によって良品動作音データから良品基準データが生成される。処理装置２０は、ＲＯＭ，ＲＡＭ，ＣＰＵ等から構成されている。

次に、処理装置２０における良品基準データの生成について説明する。まず、１個の良品モータ１０の良品動作音データにおける処理について説明する。上記のように良品動作音データは、約２秒間のデータを２２．０５ｋＨｚでサンプリングしているため、４４２８８個のサンプルデータを有している。

処理装置２０は、図２に示すように、１個の良品動作音データにおける４４２８８個のサンプルデータについて、時系列順に並んだ２５６個のサンプルデータを１つのブロックとし、１７３個のブロック（時系列順に所定範囲で区切ったブロック）に分割する。

次に処理装置２０は、動作音データの加工を行う。具体的には図２に示すように、処理装置２０は先に１個の良品動作音データ（サンプルデータ）から分割した１７３個のブロックについて、所定区間で分割した区間データを生成する。本実施形態における区間データは、２つの連続するブロックを繋げて生成されるが、連続する２つの区間データにおいてブロックの一部を重複させている。具体的には、処理装置２０は、ブロック１とブロック２を繋げて区間データ１を生成し、ブロック２とブロック３を繋げて区間データ２を生成し、ブロック３とブロック４を繋げて区間データ３を生成し、・・・ブロック１７１とブロック１７２を繋げて区間データ１７１を生成し、ブロック１７２とブロック１７３を繋げて区間データ１７２を生成する。このように前後に連続する区間データにおいて、先の区間データの最終ブロックと次の区間データの先頭ブロックを重複させている。

本実施形態においては、１ブロックあたり２５６個のサンプルデータが存在しているので、生成された区間データは５１２個のサンプルデータを有することになる。このように１つの区間データ内のサンプルデータ数を５１２という２のｎ乗としたことにより、後述の高速フーリエ変換の処理速度の面で都合がよいというメリットがある。ただし、良品動作音データの取得時間、１ブロックのサンプルデータ数、１区間データのブロック数およびサンプルデータ数は本実施形態で説明した具体的数値に限定されるものではない。また、このように区間データを構成する２つのブロックのうちの１つのブロックを重複させて（所定割合（ここでは５０％）の時系列区間でブロックを重複させて）区間データを構成することによって、後述する工程である窓関数を乗じる際の波形の取りこぼしを防ぐことができる。

次に、図３に示すように処理装置２０は、それぞれの区間データに対して窓関数を乗じる（窓関数処理）。このような窓関数処理は、フーリエ変換（周波数解析）時に一般的に行うものであり、各区間データに窓関数を乗じることにより各区間データの時間軸上の両端部を０にして、フーリエ変換の際に連続した波形として処理することにより、周波数解析を容易にするという効果がある。窓関数には様々な種類のものがあるが、本実施形態ではハニング窓を採用している。ただし、窓関数としてはハニング窓に限定するものではない。

次に、図４に示すように処理装置２０は、窓関数を乗じた各区間データに対してフーリエ変換を行う。本実施形態における処理装置２０におけるフーリエ変換は、高速フーリエ変換（ＦＦＴ）を行うため、以下、本実施形態においてはフーリエ変換のことを単にＦＦＴと称する。１つの区間データＫＤがＦＦＴされた結果を周波数特性ＳＴとすると、周波数特性ＳＴは、離散的な所定周波数毎の各成分の特性値を持つ。例えば、周波数分解能Δｆを１００Ｈｚとすると、１００Ｈｚ，２００Ｈｚ，３００Ｈｚ，・・・のように１００Ｈｚ毎の各成分の特性値を持つことになる。

本実施形態では、サンプリング周波数が２２．０５ｋＨｚでサンプリング数が５１２であるので、周波数分解能Δｆは約８６．１３Ｈｚであり、周波数特性ＳＴはサンプリング数５１２の半分である２５６個の特性値を持つ。すなわち、本実施形態における周波数特性ＳＴは、８６．１３Ｈｚ(Δｆ)，１７２．２７Ｈｚ(Δｆ＊２)，２５８．４０Ｈｚ（Δｆ＊３），３４４．５３Ｈｚ(Δｆ＊４)，・・・，２２０５０．００Ｈｚ(Δｆ＊２５６)のそれぞれの周波数について、各周波数の成分であるＶ_１，Ｖ_２，Ｖ_３，Ｖ_４，・・・，Ｖ_２５６のように特性値を２５６個持つことになる。この周波数特性ＳＴを周波数ｆ、特性値ＳＴ_ｆで表すと図５のような表になる。なお、以下、所定の周波数特性ＳＴにおいて周波数ｆに対する特性値ＳＴ_fを、ＳＢ（ＳＴ，ｆ）と表すこととする。例えば、周波数ｆが２５８．４０Ｈｚ（Δｆ＊３）の場合、ＳＢ（ＳＴ，Δｆ＊３）は、周波数Δｆ＊３の成分である特性値Ｖ_３を意味する。

上述の通り、処理装置２０により１つの動作音データから１７２の区間データＫＤが生成され（１７２の区間データＫＤはＫＤ［１］～ＫＤ［１７２］と表現する）、各区間データについて処理装置２０がＦＦＴを行い、ＦＦＴの結果が１７２の周波数特性ＳＴに格納される（１７２の周波数特性ＳＴはＳＴ［１］～ＳＴ［１７２］と表現する）。

次に処理装置２０は、１個の良品モータ１０について１７２の周波数特性ＳＴ全てを対象として、各周波数（Δｆ，Δｆ*２，Δｆ*３，Δｆ*４，・・・，Δｆ*２５６）成分の特性値に対して統計的演算を行って、所定周波数毎の特性値における「平均値」「標準偏差値」「最大値」「最小値」「相対分布幅値（最大値と最小値の差を平均値で除した値）」「相対標準偏差値（標準偏差値を平均値で除した値）」を求める。これらの統計値のうち所定周波数毎の特性値における「平均値Ａｖｇ」「相対分布幅値ＲｔＲｇ」「相対標準偏差値ＲｔＳｔＤ」の３つのことを評価指標統計値と呼ぶことにする。「最大値」「最小値」「標準偏差値」は評価指標統計値としては用いないが、評価指標統計値を算出する上で必要であるため算出する。

処理装置２０における評価指標統計値の算出工程について以下に説明する。例として、１個目の良品モータ１０における周波数特性ＳＴ１について検討する。処理装置２０は、図６に示すように、各周波数がΔｆ，Δｆ＊２，Δｆ＊３，・・・，Δｆ＊２５６において一番低い周波数である周波数特性ＳＴのΔｆに注目し、ＳＢ（ＳＴ_１[１]，Δｆ），ＳＢ（ＳＴ_１[２]，Δｆ），ＳＢ（ＳＴ_１[３]，Δｆ），・・・，ＳＢ（ＳＴ_１[１７２]，Δｆ）によって得られる「周波数Δｆ成分についての」１７２個の周波数特性ＳＴ_１［１～１７２］を母集団とする。そして処理装置２０は、この母集団に基づいて３つの評価指標統計値である平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤを算出する。処理装置２０は、他の周波数（Δｆ＊２，Δｆ＊３，・・・，Δｆ＊２５６）成分についても同様にして評価指標統計値（平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤ）を算出する。

例えば１個目の良品モータ１０の評価指標統計値における平均値Ａｖｇは、Ａｖｇ_{１_Δｆ}，Ａｖｇ_{１_Δｆ*２}，Ａｖｇ_{１_Δｆ*３}，・・・，Ａｖｇ_{１_Δｆ*２５６}となる。同様にして、評価指標統計値における相対分布幅値ＲｔＲｇは、ＲｔＲｇ_{１_Δｆ}，ＲｔＲｇ_{１_Δｆ*２}，ＲｔＲｇ_{１_Δｆ*３}，・・・，ＲｔＲｇ_{１_Δｆ*２５６}となる。さらに同様にして、評価指標統計値における相対標準偏差値ＲｔＳｔＤは、ＲｔＳｔＤ_{１_Δｆ}，ＲｔＳｔＤ_{１_Δｆ*２}，ＲｔＳｔＤ_{１_Δｆ*３}，・・・，ＲｔＳｔＤ_{１_Δｆ*２５６}となる。

すなわち、１つの良品モータ１０について、評価指標統計値（平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤ）におけるそれぞれの周波数特性（評価指標統計値周波数特性値）を得ることができる。また、平均値Ａｖｇの周波数特性を平均値周波数特性ＡｖｇＳＴとし、相対分布幅値ＲｔＲｇの周波数特性を相対分布幅値周波数特性ＲｔＲｇＳＴとし、相対標準偏差値ＲｔＳｔＤの周波数特性を相対標準偏差値周波数特性ＲｔＳｔＤＳＴとしている。これら求められた評価指標統計値は図７のようなイメージとなる。続けて、処理装置２０は、図８に示すように、良品モータ１０のすべてに対する平均値周波数特性ＡｖｇＳＴ，相対分布幅値周波数特性ＲｔＲｇＳＴ，相対標準偏差値周波数特性ＲｔＳｔＤＳＴの算出を実行する。このようにして算出された１７２個の周波数特性ＳＴ（ＳＴ［１］～ＳＴ［１７２］）から得られる良品モータ１０に対する平均値周波数特性ＡｖｇＳＴ，相対分布幅値周波数特性ＲｔＲｇＳＴ，相対標準偏差値周波数特性ＲｔＳｔＤＳＴのことを総体的に評価指標統計値周波数特性ＨＳＴＳＴと称する。

以降、評価指標統計値周波数特性ＨＳＴＳＴは、ＨＳＴＳＴ（ｋ，ｆ）のように表す。ここで、ｋは評価指標統計値の種類を表し、Ａｖｇ，ＲｔＲｇ，ＲｔＳｔＤのいずれかである。ｆは周波数を表し、Δｆ，Δｆ＊２，Δｆ＊３，・・・，Δｆ＊２５６のいずれかである。例えば、評価指標統計値周波数特性ＨＳＴＳＴのΔｆ＊４成分の特性値の平均値であるＡｖｇ__Δｆ＊４は、ＨＳＴＳＴ（ｋ＝Ａｖｇ，ｆ＝Δｆ＊４）と表現する。評価指標統計値周波数特性ＨＳＴＳＴは、例えば図９に示すような演算によって算出される。

次に良品基準データについて説明する。検査者は、ＲＭ個ある良品モータ１０のそれぞれについて規定の動作をさせ、その動作音を取得し動作音データを得る。そして得られた動作音データから、ＲＭ個の良品モータ１０についてそれぞれの評価指標統計値周波数特性ＨＳＴＳＴを求める。仮に１つ目の良品モータ１０の動作音データについて説明すると、上述の通り１つの動作音データから１７２の区間データＫＤ_１（ＫＤ_１［１］～ＫＤ_１［１７２］）が生成され、各区間データについてＦＦＴを行い、結果が周波数特性ＳＴ_１（ＳＴ_１［１］～ＳＴ_１［１７２］）に格納されることになる。

これと同様にして、２つ目の良品モータ１０について区間データＫＤ_２を生成し、ＳＴ_２を得る。３つ目の良品モータ１０について区間データＫＤ_３を生成し周波数特性ＳＴ_３を得る。良品モータ１０のＲＭ個目のＫＤ_ＲＭとＳＴ_ＲＭまで同様のことを行う。結果として、１つ目～ＲＭ目の良品モータ１０のそれぞれの動作音データを加工してＲＭ個の区間データＫＤ_１～ＲＭ（ＫＤ_１［１～１７２］，ＫＤ_２［１～１７２］，ＫＤ_３［１～１７２］，・・・，ＫＤ_ＲＭ［１～１７２］）が生成され、ＲＭ個の周波数特性ＳＴ_１～ＲＭ（ＳＴ_１［１～１７２］，ＳＴ_２［１～１７２］，ＳＴ_３［１～１７２］，・・・，ＳＴ_ＲＭ［１～１７２］）が得られる。

ＲＭ個ある「１７２ある周波数特性ＳＴ（ＳＴ［１～１７２］）」から、ＲＭ個の平均値周波数特性ＡｖｇＳＴ，相対分布幅値周波数特性ＲｔＲｇＳＴ，相対標準偏差値周波数特性ＲｔＳｔＤＳＴを求める。これら「ＲＭ個ある良品モータ１０の評価指標統計値周波数特性」のことを総体的に良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒとする。

以降、良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_ＲはＨＳＴＳＴ_Ｒ（ｍ，ｋ，ｆ）と表し、ｍは個別の良品モータを表す番号（１～ＲＭ）であり、ｋは評価指標統計値の種類を表す記号（Ａｖｇ，ＲｔＲｇ，ＲｔＳｔＤ）であり、ｆは周波数（Δｆ，Δｆ*２，Δｆ*３，Δｆ*４，・・・，Δｆ*２５６）である。例えば、「３個目の良品モータの１７２ある周波数特性ＳＴのΔｆ＊４成分における特性値の相対標準偏差値ＲｔＳｔＤ_{３_Δｆ＊４}」は、ＨＳＴＳＴ_Ｒ（ｍ＝３，ｋ＝ＲｔＳｔＤ，ｆ＝Δｆ＊４）と表現する。良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒは、例えば図１０に示すような演算によって算出される。これは先に説明した評価指標統計値周波数特性ＨＳＴＳＴを単純に良品群モータ全てについて求めるものである。

良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒは、図８に示すように良品基準データとしては非常に数が多くなり、処理装置２０の演算能力が不足するおそれがある。このため、良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒのデータ量を削減する必要がある。そこで本実施形態における処理装置２０は、図１１に示すように、良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒに基づいて、その代表値である良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒの算出を行う。

良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとは、良品モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒの各ｋ（評価指標統計値の種類）に対し、処理装置２０が、それぞれの良品モータ１０を対象として周波数成分毎の平均値および標準偏差値である良品群平均値ＡＶＧおよび良品群標準偏差値ＳＴＤを求めたものである。具体的には、周波数Δｆの平均値Ａｖｇについては、ＨＳＴＳＴ_Ｒ（ｍ＝１，ｋ＝Ａｖｇ，ｆ＝Δｆ），ＨＳＴＳＴ_Ｒ（ｍ＝２，ｋ＝Ａｖｇ，ｆ＝Δｆ），ＨＳＴＳＴ_Ｒ（ｍ＝３，ｋ＝Ａｖｇ，ｆ＝Δｆ），・・・，ＨＳＴＳＴ_Ｒ（ｍ＝ＲＭ，ｋ＝Ａｖｇ，ｆ＝Δｆ）のＲＭ個のデータを母集団として、（平均値Ａｖｇの）良品群平均値ＡＶＧ_{Ａｖｇ_Δｆ}と（平均値Ａｖｇの）良品群標準偏差値ＳＴＤ_{Ａｖｇ_Δｆ}の値が求められる。

これと同様にして処理装置２０は各周波数成分（Δｆ，Δｆ＊２，Δｆ＊３，・・・，Δｆ＊２５６）についても良品群平均値ＡＶＧ_{Ａｖｇ_Δｆ}と良品群標準偏差値ＳＴＤ_{Ａｖｇ_Δｆ}を算出する。すなわち、ＡＶＧ_{ＡＶＧ_Δｆ}およびＳＴＤ_{ＡＶＧ_Δｆ}，ＡＶＧ_{ＡＶＧ_Δｆ＊２}およびＳＴＤ_{ＡＶＧ_Δｆ＊２}，ＡＶＧ_{ＡＶＧ_Δｆ＊３}およびＳＴＤ_{ＡＶＧ_Δｆ＊３}，・・・，ＡＶＧ_{ＡＶＧ_Δｆ＊２５６}およびＳＴＤ_{ＡＶＧ_Δｆ＊２５６}の値を求める。さらに、処理装置２０は、各ｋ（評価指標統計値の種類）についても同様にして良品群平均値ＡＶＧと良品群標準偏差値ＳＴＤの値を求める。

本実施形態においては、以上のようにして算出された良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_ＲをＤＨＳＴＳＴ_Ｒ（ｓ，ｋ，ｆ）と表現する。ｓは代表評価指標統計値の統計種類（ＡＶＧ，ＳＴＤ）であり、ｋは評価指標統計値の種類（Ａｖｇ，ＲｔＲｇ，ＲｔＳｔＤ）であり、ｆは周波数（Δｆ，Δｆ＊２，Δｆ＊３，・・・，Δｆ＊２５６）である。例えば「それぞれの良品モータ１０の周波数Δｆ＊２での平均値Ａｖｇについての良品群標準偏差値ＳＴＤ_{Ａｖｇ_Δｆ＊２}」は、ＤＨＳＴＳＴ_Ｒ（ｓ＝ＳＴＤ，ｋ＝Ａｖｇ，ｆ＝Δｆ＊２）と表されることになる。良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒは、例えば図１２に示すような演算によって算出される。

なお、図１１に示すように、良品群の平均値周波数特性ＡｖｇＳＴから求めた良品群平均値の周波数特性を平均値良品平均周波数特性ＡｖｇＡＶＧＳＴとする。また、良品群の平均値周波数特性ＡｖｇＳＴから求めた良品群標準偏差値の周波数特性を平均値良品標準偏差周波数特性ＡｖｇＳＴＤＳＴとする。また、良品群の相対分布幅値周波数特性ＲｔＲｇＳＴから求めた良品群平均値の周波数特性を相対分布幅値良品平均周波数特性ＲｔＲｇＡＶＧＳＴとする。また、良品群の相対分布幅値周波数特性ＲｔＲｇＳＴから求めた良品群標準偏差値の周波数特性を相対分布幅値良品標準偏差周波数特性ＲｔＲｇＳＴＤＳＴとする。さらに、良品群の相対標準偏差値周波数特性ＲｔＳｔＤＳＴから求めた良品群平均値の周波数特性を相対標準偏差値良品平均周波数特性ＲｔＳｔＤＡＶＧＳＴとする。同じく良品群の相対標準偏差値周波数特性ＲｔＳｔＤＳＴから求めた良品群標準偏差値の周波数特性を相対標準偏差値良品標準偏差周波数特性ＲｔＳｔＤＳＴＤＳＴとする。

以上のようにして良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒを構成する各特性を得ることができる。良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒは予め準備したものを異音検査装置１００の記憶装置１６に記憶させておくことが好ましい。なお、良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒを構成する各特性は図１３に示すような構成になっている。以降、（量産工程を稼働させた際の）異音検査に用いる良品基準データとして良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒを使用する。

（異音検査方法）
続いて、異音検査装置１００を用いたモータＴの異音検査方法について説明する。以上に説明したように、良品基準データとしての良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒが準備された後に、検査者は異音検査装置１００を用いたモータＴの異音検査を行う。検査者は、検査対象であるモータＴの製造ラインや検査ラインにおいてそれぞれのモータＴを予め設定した同一条件で作動させ、動作音をマイクロフォン１２で取得し、処理装置２０が動作音データ（検査対象製品デジタル動作音データに相当する）として記憶装置１６に記憶させる。先に説明した評価指標統計値周波数特性ＨＳＴＳＴの算出手法と同様にして、ある検査対象製品である検査対象のモータＴについての１７２個の区間によって構成される区間データ（検査対象製品区間データに相当する）ＫＤ_Ｔ（ＫＤ_Ｔ［１～１７２］）を生成し、それぞれの区間データに対して処理装置２０が窓関数を乗じた後にＦＦＴを実行し、所定周波数毎における検査対象製品周波数特性としての、ある周波数特性ＳＴ_Ｔ（ＳＴ_Ｔ［１～１７２］）が算出される。なお、検査対象製品区間データに相当する区間データＫＤ_Ｔ（ＫＤ_Ｔ［１～１７２］）の生成においては、良品基準データの生成時に説明したブロック（段落００３４を参照）と同様にして検査対象製品ブロックを得ている。

続いて処理装置２０は、先に説明した評価指標統計値周波数特性ＨＳＴＳＴの算出方法と同様にして、図１４に示すように検査対象であるモータＴの周波数特性ＳＴ_Ｔに基づいて、モータＴの評価指標統計値周波数特性ＨＳＴＳＴ_Ｔを算出する。以下、評価指標統計値周波数特性ＨＳＴＳＴ_ＴをＨＳＴＳＴ_Ｔ（ｋ，ｆ）と表し、ｋを評価指標統計値の種類（Ａｖｇ，ＲｔＲｇ，ＲｔＳｔＤ）とし、ｆを周波数（Δｆ，Δｆ＊２，Δｆ＊２，・・・，Δｆ＊２５６）とする。

検査対象のモータＴにおける評価指標統計値周波数特性ＨＳＴＳＴ_Ｔが算出された後、処理装置２０は、図１５に示すように検査対象のモータＴにおける評価指標統計値周波数特性ＨＳＴＳＴ_Ｔと良品基準データである良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとの比較を行う。ここで、「比較」とは、評価指標統計値の種類毎に、それぞれの周波数成分の特性値の差異を統計学的標準化（いわゆるσ換算）して、最大値と二乗平均平方根値（ＲＭＳ）を計算することである。例えば、平均値Ａｖｇのσ換算は（数１）の計算式に基づいて計算することができる。

図１６に示した例は、評価指標統計値の中で平均値Ａｖｇについて注目し、良品基準データである良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒと「比較」したものである。より詳細には、図１６に示すように、検査対象のモータＴにおける評価指標統計値周波数特性ＨＳＴＳＴ_Ｔの中の平均値Ａｖｇについて、処理装置２０が「良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒの良品群平均値ＡＶＧ（平均値良品平均周波数特性ＡｖｇＡＶＧＳＴ）と検査対象のモータＴの評価指標統計値周波数特性ＨＳＴＳＴ_Ｔ（平均値周波数特性ＡｖｇＳＴ）との差を、良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒの良品群標準偏差値（平均値良品標準偏差周波数特性ＡｖｇＳＴＤＳＴ）で割る演算（σ換算）」を周波数（Δｆ，Δｆ＊２，Δｆ＊３，・・・Δｆ＊２５６）毎に行ってσ値（σ_Δｆ，σ_Δｆ＊２，σ_Δｆ＊３，・・・，σ_{Δｆ＊２５６}）を求めている。続いて処理装置２０は、これら２５６個のσ値を母集団として平均値Ａｖｇの最大値σ（Ａｖｇ）_ｍａｘおよび二乗平均平方根値σ（Ａｖｇ）_ＲＭＳを算出する。これら平均値Ａｖｇの最大値σ（Ａｖｇ）_ｍａｘおよび二乗平均平方根値σ（Ａｖｇ）_ＲＭＳの算出は、例えば図１７に示すような演算によって行われる。

処理装置２０は、以上に説明した平均値Ａｖｇにおける最大値σ（Ａｖｇ）_ｍａｘおよび二乗平均平方根値σ（Ａｖｇ）_ＲＭＳの算出方法と同様にして、他の評価指標統計値である相対分布幅値ＲｔＲｇと相対標準偏差値ＲｔＳｔＤについての最大値σ（ＲｔＲｇ_）ｍａｘおよびσ（ＲｔＳｔＤ）_ｍａｘと二乗平均平方根値σ（ＲｔＲｇ）_ＲＭＳおよびσ（ＲｔＳｔＤ）_ＲＭＳの算出を行う。

良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒは、各周波数成分（Δｆ，Δｆ*２，Δｆ*３，・・・，Δｆ*２５６の成分）において評価指標統計値（平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤ）がどのような統計的特徴を有しているのかを複数の良品モータ１０の動作音データに基づいて定義しているものである。このような良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒを良品基準データにすることで、検査対象のモータＴの評価指標統計値周波数特性ＨＳＴＳＴ_Ｔの評価指標の各周波数成分が良品群モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒの評価指標の各周波数成分と比較してどの程度乖離しているのか、或いは、検査対象のモータＴの評価指標の各周波数成分が良品モータ１０の分布において信頼性の高い区間に位置している（これを換言すると、複数の良品モータ１０と比較して統計的に差異が無い）か否かを判断することができる。

ところで、良品モータ１０といえども動作音が無い訳ではなく、動作中は然るべき動作音が発生する。そして良品モータ１０の動作音は全て同じ周波数特性を有しているものでも無く、それぞれの動作音には差異がある。具体的には、複数の良品モータ１０に共通して特性値の低い周波数（特定周波数Ａ）や、複数の良品モータ１０の動作音において特性値にバラつきのある周波数（特定周波数Ｂ）、および、複数の良品モータ１０の動作音において動作時の回転数に起因する固有周波数に比例して特性値が高くなる周波数(特定周波数Ｃ)等が存在する。

本実施形態のように各周波数成分をσ値として比較することで、特定周波数Ａについては特性値が厳しく吟味され、特定周波数Ｂについては特性値が広い幅を以って比較され、特定周波数Ｃについては検査として緩い判定を行うことができる。すなわち、各周波数成分をσ値として比較することにより、特定の周波数ごとに比較の精度を調整することが可能になる。また、複数の良品モータ１０を事前に選別して動作音データを取得し統計的処理を行うことによってσ値を算出しているので、検査員は特定の周波数を意識して検査をする必要が無くなり、人間の感覚に依らないモータＴの良否判断が可能である。

また本来、評価指標統計値（平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤ）はそれぞれ別の概念であり、数値として同じレンジで比較することはできない。しかしながら、これら評価指標をσ換算することで正規化され、σ値として統計上の比較を同一の水準で相互に確認が可能となり、同一グラフ上にプロットして視覚的に鳥瞰することもでき、モータＴの良否判断の均整化を実現できる。加えて、評価指標に新たな統計計算値を採用した場合であっても、その値をσ換算することで同様に比較を行うことが可能であり、評価手法の拡張性を高めることができる点においても好都合である。

また、上述のσ換算の例では最大値σ_maxと二乗平均平方根値σ_RMSを求める際に各周波数成分（Δｆ，Δｆ*２，Δｆ*３，・・・，Δｆ*２５６の成分）をそのまま演算に用いてσ値（σ_Δｆ，σ_Δｆ*２，σ_Δｆ*３，・・・，σ_{Δｆ*２５６}）を求めたが、各周波数成分に人間の聴覚の周波数特性（人間の可聴周波数帯において０．０～１．０の係数を持つ）を乗じた後にσ値を求める演算処理をすることも可能である。このような周波数特性を乗じてからσ値を求めることで、より人間の感覚に近い評価を行うことが可能となる。

図１６のσの特性値に記載されているように、検査対象のモータＴの良否判断におけるσ換算を行う際には、検査対象のモータＴの動作音における評価指標統計値周波数特性ＨＳＴＳＴ_Ｔと良品モータ１０の動作音における良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとの差を算出している。この差には正の値と負の値が存在することになる。評価指標統計値（平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤ）は、数値が大きいものほど動作音としての当該周波数成分のエネルギーが高いことになる。すなわち異音という意味においては、評価指標統計値の数値は小さい方が良いことになる。

そして、検査対象のモータＴの評価指標統計値が複数の良品モータ（良品群モータ）１０の評価指標統計値より小さい値となる可能性もあるので、検査対象のモータＴの動作音における評価指標統計値周波数特性ＨＳＴＳＴ_Ｔと良品モータ１０の動作音における良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとの差が負の値になった場合には、σ_maxを算出するための数値に、検査対象のモータＴの動作音における評価指標統計値周波数特性ＨＳＴＳＴ_Ｔと良品モータ１０の動作音における良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとの差を０として扱うこともできる。

σ_maxを算出する際に処理装置２０に以上のような演算処理を実行させることにより、検査対象のモータＴの動作音が静寂な場合、その評価指標は低い数値を示すことになり、良品として判断される可能性を高めることができる。

また、本実施形態における処理装置２０は、σ_maxを算出する際において、検査対象のモータＴの動作音における評価指標統計値周波数特性ＨＳＴＳＴ_Ｔと良品モータ１０の動作音における良品モータ１０の動作音における良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとの差が正の値において最大となるものを算出しているがこれに限定されない。例えば、検査対象のモータＴの動作音における評価指標統計値周波数特性ＨＳＴＳＴ_Ｔと良品モータ１０の動作音における良品群モータ代表評価指標統計値周波数特性ＤＨＳＴＳＴ_Ｒとの差が絶対値として最大となるものを算出させてもよい。こうすることで、複数の良品モータ１０の評価指標から動作音が大きい方向にも小さい方向にも最も逸脱しているものを検出することができる。

前述にもあるように、異音という意味では動作音が大きい方向に最も逸脱しているものの意義は大きい（符号付σで演算したσ_maxが動作音の最大値の目安になる）が、絶対値σで演算したσ_maxで評価すると良品モータ１０に近しいか否かということが検出できる。これは検査対象のモータＴが特定の動作音を発生しているか否かを区別できることにもなる。

良品モータ１０の動作音から統計的に逸脱しているか否かについては、異音検査のみに使用可能なのではなく、検査対象のモータＴの動作音が人間に所定の感覚が発生しているか否かをも評価できる。例えば、電気自動車の駆動用モータの場合、評価指標統計値は騒音としては低い方が良いが、運転手の運転感（ドライバビリティー）としては車両の性格に特徴付けられた動作音（通常動作時とは異なる加速時における動作音（内燃機関エンジン車でいうエンジン音や排気音））をマーケティング的に好適と判断する場合があり、製品の顧客訴求力として一定の特徴を有した動作音のモータを弁別できるようにすることが可能になる。

σを用いた判定について、良品モータ１０のσ_RMS（図１７のavg_sig_rms相当値）は１．０近傍となるが、異音のレベルが高いものほどσ_RMSも大きくなる。例えばσ_RMSが１．５以下のモータＴをＯＫ品、σ_RMSが２．５以上のモータＴをＮＧ品、その間の値のσ_RMSを有するモータＴを用途限定のＢ級品、とする等して選別が可能となる。σ_maxについても同様なことがいえる。

以上のように評価指標統計値として平均値Ａｖｇを用いる場合について説明してきたが、引き続き、評価指標統計値である、平均値Ａｖｇ，相対分布幅値ＲｔＲｇ，相対標準偏差値ＲｔＳｔＤのそれぞれの特性について説明する。

動作音データがＦＦＴされて周波数特性ＳＴが生成された際、エネルギースペクトラムが集中している周波数成分を有意に区別するうえで平均値Ａｖｇは総合的指標として有用である。評価指標統計値は数値としてみた場合に大きいほど異常の度合いが高いことを示し、異音が特定の周波数帯で恒常的に発生するような状況を明確にすることができる。このように平均値Ａｖｇを用いた評価は、第一次的な検査に適している指標であることがいえる。

また、相対分布幅値ＲｔＲｇによれば、特定の周波数成分が突発的に高くなるような異音の特性を有意に区別することができる。平均値Ａｖｇでは時間軸方向で特定の周波数成分の特性が希釈（平均化）されてしまうため、時間軸方向における突発的な周波数成分の高まりを区別できない。これに対して相対分布幅値ＲｔＲｇでは、一度の突発的な高まりであっても検出することができ、検査対象のモータＴの異音をさらに精度よく区別することが可能になる。

すなわち相対分布幅値ＲｔＲｇを用いることで、ボールベアリングが不規則に回転して希に疵のある部分が接触して生じる異音や、異物が回転子と固定子の間に侵入して不規則に生じる異音等を検知することができる。また、分布幅を相対値とすることで各周波数成分の変動幅が正規化されて表されることにもなり、各周波数成分を相互に比較する際に都合が良く、またこれは動作音データを取得する際の音圧のバラつきを補正する効果があり、生産ラインで検査品質の安定化に貢献する。

相対標準偏差値ＲｔＳｔＤを用いると、特定の周波数成分が断続的に高くなる異音の特性を有意に弁別する。平均値Ａｖｇや相対分布幅値ＲｔＲｇでは時間軸方向で特定の周波数成分の断続的な変化が希釈（平均化）されてしまうため、このような特性は弁別できないが、相対標準偏差値ＲｔＳｔＤでは標準偏差値の特徴でこの種の変動を有意に検出でき、検査対象のモータＴの異音を精度よく弁別することが可能である。

相対標準偏差値ＲｔＳｔＤによれば、回転軸が接触する箇所に傷がある場合や、回転子の回転によって発生する気流が内部構造と干渉している場合等により生じる異音を検知することができる。さらに標準偏差を相対値とすることで、各周波数成分のバラつきの程度が正規化されて表されることにもなる。上述の相対分布幅値ＲｔＲｇと同様に、各周波数成分を相互に比較する際に都合が良く、動作音データを取得する際の音圧のバラつきを補正する効果があり、生産ラインでの検査品質の安定化に貢献する。

以上に説明した本発明の異音検査方法のＭＴ法（マハラノビス・タグチ法）に対する優位な点について説明する。ＭＴ法は、多変量多数個の群を基準としてこれに対する乖離度合を判定する上では本件発明と類似する効果が期待できる。しかしながら、モータの異音のような複数の発生要因が複雑に関係しあう状況においては効果的に利用できない場合がある。

一般に、ＭＴ法においては、基準となるデータ群として変量数ｋとデータ個数ｎを用意したうえでｋ^２の相関行列Ｒを算出し、その逆行列Ａを元にマハラノビス距離を算出し、判定に用いる。またデータ個数ｎは変量数ｋより大きい数となる必要がある。これを本発明の区間データＫＤから得られる周波数特性ＳＴに当て嵌めると、変量は周波数特性ＳＴにおける各周波数成分の特性値であり、変量数ｋは２５６となる。データは周波数特性ＳＴを複数の良品モータの分を集めることによりデータ個数ｎを変量数ｋ以上にすることとなる。

上述の状況においてＭＴ法の相関行列Ｒは、周波数特性ＳＴの各周波数成分の相関（相互の関係性）を算出することになる。しかしながら、モータの異音においては回転周波数とその逓倍の周波数を除くと必ずしも周波数成分間の相関があるとは言えず、良品群モータの選択の仕方によっては相関行列Ｒの内容が大きく異なってしまい、ＭＴ法では安定した判定が行えない場合がある。本発明の手法では、各周波数成分の相互の関係性は計算の上では加味せず、各周波数成分において単純な統計的演算を行うものである。また、モータの異音の特徴に適するような評価指標統計値を設定しているため、汎用的なＭＴ法より適切に異音検査を行うことができる。

くわえて、ＭＴ法においてはデータ個数ｎを大きくする必要がある。前述の通り周波数特性ＳＴをＭＴ法で評価すると各周波数成分の相関が結果に影響を及ぼすため、一般には多数のデータ個数ｎを用意する必要がある。仮に本発明の事例に合わせて１つのモータにつき１７２の周波数特性ＳＴが得られたとしても、安定した結果を期待して良品群を設定する場合には少なくても数十の良品モータが必要となる。これに対して本発明にかかる異音検査方法では、周波数特性ＳＴの各周波数成分の相関を必要としないため、ＭＴ法と比較して少ない個数の良品群モータであっても良品基準データを構築することが可能である。よって、新規機種の量産準備のために行う試作量産、大量生産に先立って確認的に行う先行量産、および、少数個のみを限定生産するカスタム生産等において、迅速に異音検査環境を整えることができる。

前述の通り、ＭＴ法では相関行列Ｒとその逆行列Ａを求めて演算に用いることが特徴であるが、この相関行列Ｒはｋ^２であるため、本発明の周波数特性ＳＴを用いる場合にはｋ＝２５６となる。２５６^２の正則行列の各要素には_２５６Ｃ_２回（３２６４０回）の相関計算を必要とし、さらに２５６^２の逆行列を求める処理には多大な演算量が必要とされる。これに対して本発明にかかる異音検査方法では、周波数特性ＳＴの各周波数成分毎に対して単純な統計的演算を行うことによって評価指標統計値を求め、それらをまとめて代表値とし、比較を行う。このような手法の採用により、ＭＴ法と比較してはるかに少ない必要演算量にすることができる。

また、代表値を得た後には、その元となった評価指標統計値のデータは不要になるため、実際の異音検査を行う際には主記憶装置に格納しておく必要が無く、ＭＴ法の相関逆行列の演算に必要な容量より少ない主記憶装置で運用が可能となる。このように、比較の基準となる良品群のデータを準備するまでに必要な演算量（準備演算量）や主記憶容量を大幅に簡素化することができ、モータ個別の制御システム（コンピュータ）の記憶装置に上述の異音検査方法を実行させることが可能な異音検査プログラムＰＧＭを組み込み、モータ単独で自身の異音検査を行えるようにした異音検査機能付モータ２００を提供することも可能になる。以下、異音検査方法そのものを独立した機能として組み込まれた異音検査機能付モータ２００について説明する。

上記の異音検査機能付モータ２００は、図１８に示すように、電機本体ＤＨと、電機本体ＤＨの動作を制御する制御部３０を具備している。制御部３０は、電機本体ＤＨを駆動させる駆動部３２、音響ピックアップとしてのマイクロフォン１２、外部と通信を行う通信部３４、記憶装置３６およびこれらの動作を制御するＣＰＵ３８を有する。なお、音響ピックアップはマイクロフォン１２に限定されるものではない。記憶装置３６には以上に説明した異音検査方法をＣＰＵ３８（コンピュータ）に実行させることが可能な異音検査プログラムＰＧＭが格納されている。

このような異音検査機能付モータ２００によれば、電機本体ＤＨが自身の動作音データを取得可能であり、記憶装置３６に良品基準データを格納可能であり、取得した電機本体ＤＨ自身の動作音データと記憶装置３６に格納されている良品基準データとを比較して電機本体ＤＨ自身の動作音に対してＯＫ／ＮＧ判定することができる（以下、自己診断という）。このような自己診断を定期的に行い、異常の有無を通信部３４から異音検査機能付モータ２００の外部（例えば後述する統括制御システム（図示はせず））へ通知することが可能である。加えて、通信部３４を介して異音検査機能付モータ２００の外部へ異常の有無を通知する以外に、電機本体ＤＨ自身の動作音に対してＮＧを判定した場合にフェールセーフ的な挙動として駆動部３２を制御して電機本体ＤＨの動作を停止あるいは出力低減する等も可能である。

また、統括制御システムが、トリガーとしての自己診断の実行指令を送信し、通信部３４から受信したトリガーに基づいて異音検査機能付モータ２００のＣＰＵ３８に異音検査プログラムＰＧＭを実行させるようにしてもよい。ＣＰＵ３８が異音検査プログラムＰＧＭを実行した後、ＣＰＵ３８は通信部３４から異常の有無（自己診断結果）を電機本体ＤＨの外部へ通知することも可能である。このように、記憶装置３６に異音判定の基準データとして良品基準データを格納した異音検査機能付モータ２００によって、良品基準データに基づいた電機本体ＤＨ自身の動作中の異音の検出と、それに応じた応答（フェールセーフ・外部への通知・外部からの自己診断指示に対する結果の通知）が可能な自己診断機能を実現することができるのである。

上述の自己診断における異音検査の基準となるデータとして良品基準データを記憶装置３６に格納する以外に、上述の良品基準データ以外のものを異音判定の基準データとして採用することで異なる機能を実現することもできる。一般的に電機本体ＤＨは、負荷に接続されて動作する際には、無負荷状態とは異なった動作音を発する。電機本体ＤＨの筐体や回転軸に対する応力や負荷から伝達される振動等が影響するからである。当然ながら、電機本体ＤＨからは「負荷の接続の有無」や「接続されている負荷がどのような状態であるか」ということは把握することはできない。電機本体ＤＨとその外部にある負荷との総体（運転機械）を全体的に制御する統括制御システムが全体の状況を把握して通信部３４を通して異音検査機能付モータ２００に指令を行うといった構成が考えられる。

このような運転機械としての構成において前述の「動作音の自己診断」は、電機本体ＤＨが運転機械に組付けられた際には行うことができない。何故ならば負荷が接続された状態での異音判定の基準データが存在せず良品基準データをそのまま使用することができないからである。この初期の状態において、統括制御システムまたは駆動部３２およびＣＰＵ３８は、電機本体ＤＨの負荷の状態を想定可能な範囲内で複数段階に変化させながらそれぞれの状態において動作音データを取得する。この際には当該運転機械の動作音に精通した聴覚検査員が動作音を傾聴し異音が無いことを確認することが好ましい。

ＣＰＵ３８が前述の複数の電機本体ＤＨの動作音データを取得後、統括制御システムは、取得した複数の動作音を元にＣＰＵ３８に異音判定の基準データの作成を指令する。動作音データから基準データを作成する方法は前述の「良品群モータ評価指標統計値周波数特性ＨＳＴＳＴ_Ｒ」を算出する方法と同様である。このようにして「負荷の状態」と「その負荷の際の動作音を元に作成した基準データ」とを紐づけした複数の基準データを記憶装置３６に格納する。以降、統括制御システムはＣＰＵ３８に対して通信部３４を通じて「電機本体ＤＨの始動」を指令して「現在の負荷の状態」の通知と「自己診断の実施」を指令し、ＣＰＵ３８は通知された現在の負荷に紐づけされた基準データを用いて電機本体ＤＨの動作音について異常の有無を確認し、統括制御システムへ通信部３４を通じて結果を通知する。このように、特定の運転機械環境における異音判定の基準データをその環境において実地に取得しその基準データに基づいて異音判定を行うことにより、精度の高い異常の有無の確認が実現できるのである。

しかしながら、運転機械の負荷が動作音データを取得した想定の範囲外となった場合には、自己診断が良好に機能しないことになる。その場合には、その時点での負荷において、統括制御システムは異音検査機能付モータ２００に対して通信部３４を通じて現在の電機本体ＤＨの負荷の状態を通知し、新規に電機本体ＤＨの動作音データを取得してこの負荷における基準データの作成を指令する。このような想定を逸脱した負荷状態の場合には、共振等で発振的な異常振動が発生し急速に破壊モードへ移行することがあるため、電機本体ＤＨの動作音から新規に基準データを急遽生成する必要が生じる。このとき統括制御システムは、電機本体ＤＨのＣＰＵ３８に対し、急遽生成された基準データに基づいた自己診断実施の指令を出す。

発振的な異常振動等を検知して異音検査自己診断の結果としてＮＧと判定した場合には、通信部３４を通じて電機本体ＤＨからのその旨の通知を統括制御システムが受信する。そして統括制御システムは、電機本体ＤＨのＣＰＵ３８に対して電機本体ＤＨの出力を落とす旨を指令したり、負荷を切り離す等して運転機械をセーフモードへ移行するよう制御することになる。異常振動が自己診断でＮＧとならない場合には、統括制御システムは穏やかに電機本体ＤＨの負荷を制御して運転機械の動作継続に努めることになる。

このような異音検査機能付モータ２００において、コストを抑えるためには制御部３０のＣＰＵ３８の性能はなるべく低いものを採用し、また記憶装置３６の容量もなるべく少ないものを採用する。いうまでもなく、この種の組込み用途で採用されるＣＰＵ３８や記憶装置３６は、一般的なパーソナルコンピュータの性能と比較すると圧倒的に低性能で少容量である。

以上に説明した異音検査機能付モータ２００によって新規に動作音データを取得して基準データの作成において、ＭＴ法のような準備演算量が大きな方法であると、電機本体ＤＨの制御部３０に採用されるようなＣＰＵ３８や記憶装置３６では処理に遅延を生じてしまう可能性があり、異音検査機能付モータ２００の実現を困難にしてしまう。その点、本発明の方法では準備演算量が少ないので、より低性能なＣＰＵ３８がより少容量の記憶装置３６を以って高速に処理可能であるため、異音検査機能付モータ２００をより低コストで実現できるという有利な作用がある。

以上本発明において好適な実施形態を挙げて説明したが、本発明の技術的範囲は以上に示した実施形態に限定されるものではなく、発明の精神を逸脱しない範囲内で多くの改変を施し得るのはもちろんである。

例えば、以上の実施形態においては、異音検査方法を異音検査機能付モータ２００のＣＰＵ３８に実行させることを可能にした異音検査プログラムＰＧＭを異音検査機能付モータ２００の記憶装置３６に格納した形態について説明しているが、この形態に限定されるものではない。異音検査プログラムＰＧＭは、統括制御システムや電機本体ＤＨに接続可能なパーソナルコンピュータ（図示はせず）の記憶装置に格納することもできるし、ネットワークストレージ（図示はせず）にダウンロード可能な状態で格納することもできる。さらには、統括制御システムやパーソナルコンピュータが読み出し可能な記録媒体に格納することもできる。

１０ 良品モータ，
１２ マイクロフォン，
１４ Ａ／Ｄ変換回路，
１６ 記憶装置，
２０ 処理装置，
３０ 制御部,
３２ 駆動部，
３４ 通信部，
３６ 記憶装置，
３８ ＣＰＵ，
１００ 異音検査装置，
２００ 異音検査機能付モータ，
Ｔ （検査対象の）モータ，
ＰＧＭ 異音検査プログラム，
ＤＨ 電機本体

Claims (7)

1. 人間によって動作音の異音検査が実行されて問題無しと判断された良品の前記動作音を良品動作音データとして取得する工程と、
   前記良品動作音データを周波数毎に統計処理して良品基準データを作成する工程と、
   前記良品基準データに基づいて、製品の前記動作音の異音検査を実行する工程と、を含み、
   前記良品基準データを作成する工程は、
   （ａ）１つの前記製品の前記動作音のデータを所定のサンプリング周波数によってＡ／Ｄ変換してデジタル動作音データを得て、
   （ｂ）前記デジタル動作音データを、時系列順に所定範囲で区切った複数のブロックに分割し、
   （ｃ）複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの区間データとして、複数の前記区間データを生成し、
   （ｄ）各前記区間データに窓関数を乗じ、
   （ｅ）前記窓関数を乗じた各前記区間データに対してフーリエ変換を行い、所定周波数毎における周波数特性を算出し、
   （ｆ）前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、
   （ｇ）前記（ａ）～（ｆ）までの工程を、複数の良品の数だけ実行し、複数の良品それぞれに対して、前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、
   （ｈ）複数の良品における、前記周波数毎の平均値、相対分布幅値、相対標準偏差値それぞれの平均値と標準偏差を算出して、これらを前記良品基準データとし、
   前記製品の前記動作音の異音検査を実行する工程は、
   （ｉ）検査対象製品の前記動作音を所定のサンプリング周波数によってＡ／Ｄ変換して検査対象製品デジタル動作音データを得て、
   （ｊ）前記検査対象製品デジタル動作音データを、時系列順に所定範囲で区切った複数の検査対象製品ブロックに分割し、
   （ｋ）複数の前記検査対象製品ブロックのうち、連続する前記検査対象製品ブロックを複数繋げて１つの検査対象製品区間データとして、複数の前記検査対象製品区間データを生成し、
   （ｌ）各前記検査対象製品区間データに前記窓関数を乗じ、
   （ｍ）前記窓関数を乗じた各前記検査対象製品区間データに対してフーリエ変換を行い、所定周波数毎における検査対象製品周波数特性を算出し、
   （ｎ）前記所定周波数毎の前記検査対象製品周波数特性に対して、複数の前記検査対象製品区間データにおける平均値、相対分布幅値、相対標準偏差値を算出して、これらを評価指標統計値とし、
   （ｏ）前記評価指標統計値と、前記良品基準データとを比較することを特徴とする異音検査方法。
2. 前記工程（ｃ）において、
   複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの前記区間データとして、複数の前記区間データを生成する際に、
   複数の前記区間データにおける連続する２つの前記区間データは、先の前記区間データにおける最後の前記ブロックと後の前記区間データにおける最初の前記ブロックが同一の前記ブロックにより構成されていることを特徴とする請求項１記載の異音検査方法。
3. 前記工程（ｏ）は、
   前記評価指標統計値および前記良品基準データにおける前記平均値、前記相対分布幅値、前記相対標準偏差値のそれぞれにおいて、各周波数成分の特性値である評価指標統計値周波数特性値の差異を統計学的標準化によるσ換算をして、前記σ換算の最大値と二乗平均平方根値を計算することを特徴とする請求項１または２記載の異音検査方法。
4. 人間によって動作音の異音検査が実行されて問題無しと判断された良品の前記動作音を良品動作音データとして取得する機能と、
   前記良品動作音データを周波数毎に統計処理して良品基準データを作成する機能と、
   前記良品基準データに基づいて、製品の前記動作音の異音検査を実行する機能と、をコンピュータに実行させる異音検査プログラムであって、
   前記良品基準データを作成する機能は、
   （ａ）１つの前記製品の前記動作音のデータを所定のサンプリング周波数によってＡ／Ｄ変換してデジタル動作音データを得て、
   （ｂ）前記デジタル動作音データを、時系列順に所定範囲で区切った複数のブロックに分割し、
   （ｃ）複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの区間データとして、複数の前記区間データを生成し、
   （ｄ）各前記区間データに窓関数を乗じ、
   （ｅ）前記窓関数を乗じた各前記区間データに対してフーリエ変換を行い、所定周波数毎における周波数特性を算出し、
   （ｆ）前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、
   （ｇ）前記（ａ）～（ｆ）までの処理を、複数の良品の数だけ実行し、複数の良品それぞれに対して、前記所定周波数毎の前記周波数特性に対して、複数の前記区間データにおける平均値、相対分布幅値、相対標準偏差値を算出し、
   （ｈ）複数の良品における、前記周波数毎の平均値、相対分布幅値、相対標準偏差値それぞれの平均値と標準偏差を算出して、これらを前記良品基準データとし、
   前記製品の前記動作音の異音検査を実行する機能は、
   （ｉ）検査対象製品の前記動作音を所定のサンプリング周波数によってＡ／Ｄ変換して検査対象製品デジタル動作音データを得て、
   （ｊ）前記検査対象製品デジタル動作音データを、時系列順に所定範囲で区切った複数の検査対象製品ブロックに分割し、
   （ｋ）複数の前記検査対象製品ブロックのうち、連続する前記検査対象製品ブロックを複数繋げて１つの検査対象製品区間データとして、複数の前記検査対象製品区間データを生成し、
   （ｌ）各前記検査対象製品区間データに前記窓関数を乗じ、
   （ｍ）前記窓関数を乗じた各前記検査対象製品区間データに対してフーリエ変換を行い、所定周波数毎における検査対象製品周波数特性を算出し、
   （ｎ）前記所定周波数毎の前記検査対象製品周波数特性に対して、複数の前記検査対象製品区間データにおける平均値、相対分布幅値、相対標準偏差値を算出して、これらを評価指標統計値とし、
   （ｏ）前記評価指標統計値と、前記良品基準データとを比較する
   ことを特徴とする異音検査プログラム。
5. 前記（ｃ）の処理において、
   複数の前記ブロックのうち、連続する前記ブロックを複数繋げて１つの区間データとして、複数の前記区間データを生成する際に、
   複数の前記区間データにおける連続する２つの前記区間データは、先の前記区間データにおける最後の前記ブロックと後の前記区間データにおける最初の前記ブロックが同一の前記ブロックにより構成されていることを特徴とする請求項４記載の異音検査プログラム。
6. 前記（ｏ）の処理は、
   前記評価指標統計値および前記良品基準データにおける前記平均値、前記相対分布幅値、前記相対標準偏差値のそれぞれにおいて、各周波数成分の特性値である評価指標統計値周波数特性値の差異を統計学的標準化によるσ換算をして、前記σ換算の最大値と二乗平均平方根値を計算することを特徴とする請求項４または５記載の異音検査プログラム。
7. モータと、前記モータの外部と通信可能な通信部と、前記モータの動作を制御する制御部とを具備し、
   前記制御部は、記憶装置とＣＰＵを有し、前記記憶装置には請求項４～６のうちいずれか一項に記載の異音検査プログラムが格納されており、
   前記ＣＰＵは、前記通信部を通じて受信したトリガーに基づいて前記異音検査プログラムを実行することを特徴とする異音検査機能付モータ。

Images