JP7647480B2 - 騒音要因判定装置、及び騒音要因判定方法 - Google Patents

Description

本発明は、駆動中の製品から聞こえる騒音の要因を判定する騒音要因判定装置、及び騒音要因判定方法に関する。

従来、駆動系製品の駆動音の中に異音が含まれているか否かを判定する異音判定装置が周知である（特許文献１参照）。特許文献１では、駆動音集音器によって集音された駆動音の音データに関し、周波数帯域の音圧レベルを演算する。さらに、異音判定の対象とする複数の周波数帯域において判定パラメータを設定し、演算した音圧レベルと判定パラメータとを各々の周波数帯域単位で比較する。そして、この比較結果から、異音の有無を判定する。

特開２００６－１２６１４０号公報

ところで、駆動系製品は、駆動速度が一定ではなく、設定条件に応じて駆動速度が速い場合、或いは駆動速度が低くなる場合がある。一般的に、駆動速度が速い場合、音圧レベルは高くなる傾向をとるので、特許文献１のように、判定パラメータが駆動速度に関係なく一定に設定された場合、正常な駆動音であるにも関わらず、その駆動音が異音と判定されてしまう状況があった。よって、駆動速度が相対的に速い、或いは遅い場合、異音の判定精度が低くなってしまう可能性があった。

本発明の目的は、騒音の要因を精度よく判定できる騒音要因判定装置、及び騒音要因判定方法を提供することにある。

前記課題を解決する騒音要因判定装置（１）は、製品（２）の駆動時に周囲に発生する音データ（Ｄａ）が集音部（５）によって集音された場合に、前記音データの周波数に対する音圧レベルの変化を表す周波数分析波形（Ｐ(x)）を求める分析部（１３）と、前記製品の駆動状態ごとに用意されたベースサンプル（２０）の前記周波数分析波形である基準周波数分析波形（Ｐａ(x)）のうち、検査サンプル（２１）と同一の駆動状態の前記基準周波数分析波形と、前記検査サンプルの前記周波数分析波形である検査周波数分析波形（Ｐｂ(x)）との差をとることにより、騒音特定波形（Ｔ(x)）を求める波形抽出部（１４）と、前記騒音特定波形に基づき、測定環境下に存在する騒音の要因を判定する判定部（２５）とを備えている。

前記課題を解決する騒音要因判定方法は、製品（２）の駆動時に測定環境下に存在する騒音の要因を判定する騒音要因判定装置（１）で使用される方法であって、前記製品の駆動時に周囲に発生する音データ（Ｄａ）が集音部（５）によって集音された場合に、前記音データの周波数に対する音圧レベルの変化を表す周波数分析波形（Ｐ(x)）を求めることと、前記製品の駆動状態ごとに用意されたベースサンプル２０の前記周波数分析波形である基準周波数分析波形（Ｐａ(x)）のうち、検査サンプル２１と同一の駆動状態の前記基準周波数分析波形と、前記検査サンプルの前記周波数分析波形である検査周波数分析波形（Ｐｂ(x)）との差をとることにより、騒音特定波形（Ｔ(x)）を求めることと、前記騒音特定波形に基づき、測定環境下に存在する騒音の要因を判定することとを前記騒音要因判定装置に実行させる。

本構成によれば、検査サンプルに応じた基準周波数分析波形を用いて騒音要因を判定する。また、検査サンプルの周波数分析波形である検査周波数分析波形と、検査サンプルの測定のときと製品が同一駆動状態のベースサンプルの検査周波数分析波形との差自体を求め、この波形の差である騒音特定波形を分析することにより、騒音要因を判定する。このように、最適な基準周波数分析波形を利用するとともに、基準周波数分析波形と検査周波数分析波形との差である騒音特定波形の波形変化から、騒音の要因を適切に見分けることが可能となる。よって、騒音の要因を精度よく判定できる。

なお、定義として、同一の駆動状態とは、製品の駆動に複数の設定がある場合、全ての設定が同一であることに限定されず、一部の設定が異なる状態も含む。

一実施形態の騒音要因判定装置の構成図である。 周波数分析波形の波形図である。 騒音特定波形の波形図である。 構造化データの概要図である。 騒音特定波形の補正の仕方を示す説明図である。 学習モデルを用いた騒音要因判定の概要図である。 学習データとして用いる構造化データ群を示す説明図である。 検査サンプルの音データをモバイルデバイスで集音する際の概要図である。 学習モデルにより分析された検査サンプルのピーク分布図である。 学習モデルの判定結果の判定過程を示すモデル図である。 特性値の変動により誤判定が生じる例を示す説明図である。 駆動条件又は組立状態を変更させる指示を出して最終的な騒音要因を特定する際の手順図である。

以下、本開示の一実施形態を説明する。
［全体構成］
図１に示すように、騒音要因判定装置１は、製品２が駆動された際の測定環境下に発生する騒音の要因を判定する。製品２は、例えば、車載用製品である。車載用製品は、例えば、車内への送風を実行するブロワなどが挙げられる。また、騒音の要因は、例えば、製品２の振動、製品２の部品の摺動音や摩擦音などが挙げられる。

［騒音要因判定装置１の前提構成］
騒音要因判定装置１は、騒音要因の判定作業の際に作業者によって操作されるモバイルデバイス３に設けられている。モバイルデバイス３は、例えば、ノート型パーソナルコンピュータ、専用のツールなどである。モバイルデバイス３は、制御部４、集音部５、操作部６、及び表示部７を備えている。制御部４は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などのデバイスから構築されている。制御部４は、モバイルデバイス３の作動を制御する。

集音部５は、モバイルデバイス３のインターフェース８を介して制御部４に接続されている。集音部５は、例えば、マイクであって、集音したデータを、インターフェース８を介して制御部４に出力する。本例の場合、集音部５は、駆動時の製品２から出力される音データＤａを集音して、制御部４に出力する。

操作部６は、モバイルデバイス３のインターフェース９を介して制御部４に接続されている。操作部６は、例えば、モバイルデバイス３のテンキー、キーボード、マウスなどである。操作部６は、操作された際の操作信号を、インターフェース９を介して制御部４に出力する。

表示部７は、モバイルデバイス３のインターフェース１０を介して制御部４に接続されている。表示部７は、例えば、ディスプレイである。表示部７は、インターフェース１０を介して制御部４から画像信号を入力すると、画像信号を画面表示する。

［騒音要因判定装置１の具体的構成］
騒音要因判定装置１は、分析部１３、波形抽出部１４、波形出力処理部１５、補正部１６、及び操作指示部１７を備えている。分析部１３、波形抽出部１４、波形出力処理部１５、補正部１６、及び操作指示部１７は、制御部４に設けられている。

図２に示すように、分析部１３は、駆動時の製品２から出力される音データＤａが集音部５によって集音された場合に、音データＤａの周波数に対する音圧レベルの変化を表す周波数分析波形Ｐ(x)を求める。周波数分析波形Ｐ(x)は、どの周波数のときにどの程度の音圧レベルが発生しているのかを表す「周波数－音圧レベル」の変化特性である。一般的には、周波数が低い場合、音圧レベルが高い傾向にあり、周波数が高くなるに連れて、音圧レベルが低くなっていく変化をとる。

波形出力処理部１５は、分析部１３によって求められた周波数分析波形Ｐ(x)を表示部７に出力する。本例の場合、波形出力処理部１５は、周波数分析波形Ｐ(x)の波形自体を表示部７に表示することが好ましい。

図３に示すように、波形抽出部１４は、製品２の駆動状態ごとに用意されたベースサンプル２０の周波数分析波形Ｐ(x)である基準周波数分析波形Ｐａ(x)のうち、検査サンプル２１と同一の駆動状態の基準周波数分析波形Ｐａ(x)と、検査サンプル２１の周波数分析波形Ｐ(x)である検査周波数分析波形Ｐｂ(x)との差をとることにより、騒音特定波形Ｔ(x)を求める。製品２の駆動状態は、例えば、製品２に設けられたスイッチのオンオフ状態、製品２のアクチュエータの駆動速度、製品２に設定された駆動モードなどが挙げられる。検査サンプル２１に騒音の成分が含まれている場合、騒音特定波形Ｔ(x)の所定箇所にピーク波形２２が立つ。

なお、「同一の駆動状態」は、製品２の設定が全て同一であることに限定されない。例えば、前述のように、［１］製品２のスイッチのオンオフ状態、［２］製品２のアクチュエータの駆動速度、［３］製品２の駆動モードのうち、［１］及び［２］が同一で、［３］のみ異なるように、設定が一部異なることを含む。すなわち、［１］～［３］のいずれか１つが異なることも含む。スイッチのオンオフ状態は、例えばブロワの場合、送風スイッチのオンオフである。アクチュエータの駆動速度は、例えばブロワの場合、風量の調節である。駆動モードは、例えばブロワの場合、吹き出し口（フット、フェイス、デフ等）の設定、及び温度調節機能のオンオフである。

図４に示すように、波形抽出部１４は、区分けされた周波数領域Ｅｆごとに基準周波数分析波形Ｐａ(x)と検査周波数分析波形Ｐｂ(x)との差に応じた特性値Ｋｘを抽出することにより、騒音特定波形Ｔ(x)の生データを構造化データＤｋに変換する。特性値Ｋｘは、周波数領域Ｅｆの各々において検出されたピーク波形２２の突出量Ｈに基づく値ある。ピーク波形２２は、規定値Ｈbs以上の突出量Ｈをとり、かつ、周波数領域Ｅｆの領域内で最も値が大きい箇所である。

周波数領域Ｅｆの各々は、測定環境下において想定される騒音の種類に応じた範囲をとるように、範囲が不均一に設定されている。図４では、「Ｆａ」、「Ｆｂ」、「Ｆｃ」、「Ｆｄ」、「Ｆｅ」、「Ｆｆ」が図示されている。周波数領域Ｅｆの不均一設定の仕方としては、例えば、「Ｆａ」が１kHz範囲で設定され、その隣の「Ｆｂ」が４kHz範囲で設定され、更にその隣の「Ｆｃ」が２kHz範囲で設定するなどの例が挙げられる。

図５に示すように、補正部１６は、騒音特定波形Ｔ(x)を音圧レベルの軸方向において補正する。本例の場合、補正部１６は、騒音特定波形Ｔ(x)の音圧レベルの平均値Ｔavrを求め、平均値Ｔavrの値分、騒音特定波形Ｔ(x)を音圧レベルの軸方向（具体的には、縦軸方向）にオフセットすることにより、補正を実行することが好ましい。

図１に示す通り、騒音要因判定装置１は、製品２を駆動させた際の測定環境下に存在する騒音の要因を判定する判定部２５を備えている。判定部２５は、制御部４に設けられている。判定部２５は、波形抽出部１４によって求められた騒音特定波形Ｔ(x)（構造化データＤｋ）に基づき、騒音の要因を判定する。

［学習を利用して騒音要因を判定する構成］
騒音要因判定装置１は、学習モデル２８、及び判定過程出力部２９を備えている。判定部２５は、過去の音データＤａを学習することで生成された学習モデル２８によって騒音の要因を判定する。学習モデル２８は、モバイルデバイス３のメモリ３０に書き込み保存されている。学習モデル２８は、例えば、定期的に新しいモデルに更新されることが好ましい。判定過程出力部２９は、制御部４に設けられている。判定過程出力部２９は、学習モデル２８で騒音要因の判定を実行した際の判定過程を表示部７に出力する。

図６に示すように、学習モデル２８は、良品の音データＤa0と過去の不良品の音データＤa1とに基づき生成された構造化データＤｋ（学習用構造化データＤk1）の特徴量が用いられ、この特徴量が学習されることによって生成されている。学習用構造化データＤk1は、過去の不良品の音データＤa1を、良品の音データＤa0を用いて前処理することにより生成される。前処理は、例えば、良品の音データＤa0をベースサンプル２０として各不良品の騒音特定波形Ｔ(x)を求め、これら騒音特定波形Ｔ(x)の学習用構造化データＤk1を生成する処理であることが好ましい。

本例の場合、学習は、検査サンプル２１の音データＤa2においてピーク有無を見分けるのに用いる判定閾値Ｒpkを周波数領域Ｅｆごとに自動作成する。このように、判定閾値Ｒpkは、周波数領域Ｅｆごとに値が学習によって自動で設定される。判定閾値Ｒpkは、検査サンプル２１の検査用構造化データＤk2において、周波数領域Ｅｆごとの特性値Ｋｘをピーク有り無しのどちらに設定するのかを判定する場合に用いる。生成された学習モデル２８は、モバイルデバイス３のメモリ３０に書き込み保存される。

検査サンプル２１の騒音の要因を判定する場合、騒音要因判定装置１は、検査サンプル２１の音データＤa2を、インターフェース８を介して入力する。この音データＤa2は、分析部１３及び波形抽出部１４で前処理されることにより、構造化データＤｋ（検査用構造化データＤk2）に変換される。前処理は、例えば、良品の音データＤa0をベースサンプル２０として検査サンプル２１の騒音特定波形Ｔ(x)を求め、この騒音特定波形Ｔ(x)の検査用構造化データＤk2を生成する処理であることが好ましい。

判定部２５は、学習モデル２８（判定閾値Ｒpk）を用いて検査サンプル２１の検査用構造化データＤk2を分析することにより、検査サンプル２１の騒音の要因を判定する。検査サンプル２１の検査用構造化データＤk2は、それぞれの周波数領域Ｅｆにおいて、特性値Ｋｘが判定閾値Ｒpk以上となる箇所が「ピーク有」と判断され、特性値Ｋｘが判定閾値Ｒpk未満となる箇所が「ピーク無」と判断される。判定部２５は、この判定結果に関係する画像信号を、インターフェース１０を介して表示部７に出力することにより、騒音要因の判定結果を表示部７に画面表示する。

次に、本実施形態の騒音要因判定装置１（騒音要因判定方法）の作用について説明する。
［学習モデル２８の構築］
図７に示すように、学習モデル２８を構築するにあたり、まずは、過去の不良品の音データＤa2から生成した騒音特定波形Ｔ(x)の生データ（非構造化データ）を構造化データＤｋに変換し、これを学習用構造化データＤk1として蓄積する。学習用構造化データＤk1は、生データ（非構造化データ）を予め定めた形式に整理したデータであって、本例の場合、周波数領域Ｅｆごとの特性値Ｋｘの分布を表したものとなっている。

学習用構造化データＤk1は、過去の不良品の音データＤa1の周波数分析波形Ｐ(x)と、ベースサンプル２０の周波数分析波形Ｐ(x)との差から求められる騒音特定波形Ｔ(x)を変換することにより生成される。本例の場合、ベースサンプル２０は、例えば、良品の音データＤa0が使用される。また、ベースサンプル２０は、学習の際、不良品の音データＤa1を測定したときと同じ製品駆動状態（製品２の駆動状態）とされたときのサンプルが使用される。

学習用構造化データＤk1は、学習用構造化データＤk1が羅列された分布表３３としてまとめられる。分布表３３の縦軸は、各検査サンプル２１のＩＤ番号が入力されるＩＤ欄である。分布表３３の横軸は、周波数領域Ｅｆごとに特性値Ｋｘが入力されるパラメータ入力欄３４と、騒音の要因が書き込まれる要因書込欄３５とを含む。本例の場合、分布表３３に表記の「ＩＤ１」は、便宜上、ベースサンプル２０のデータが書き込まれ、全てのパラメータ欄の特性値Ｋｘが「１」となっている。

学習用構造化データＤk1の「ＩＤ２」は、周波数領域「Ｆｄ」、「Ｆｇ」で特性値Ｋｘが「２」、周波数領域「Ｆｅ」、「Ｆｆ」で特性値Ｋｘが「５」となっている。それ以外の周波数領域Ｅｆは、特性値Ｋｘが「１」、すなわちベースサンプル２０相当の値（ピーク波形２２なし）となっている。また、学習用構造化データＤk1の「ＩＤ２」は、騒音の要因が「要因Ａ」で設定されている。すなわち、「ＩＤ２」のような特性値Ｋｘの分布をとる場合、騒音の要因が「要因Ａ」であると特定される。ちなみに、「ＩＤ３」の騒音の要因が「要因Ｂ」、「ＩＤ４」の騒音の要因が「要因Ｃ」、「ＩＤ５」の騒音の要因が「要因Ｄ」として各々設定されている。

学習モデル２８は、分布表３３でまとめた学習用構造化データＤk1のデータ群を学習データとして学習することにより、生成される。具体的には、学習用構造化データＤk1の各々において特徴量が抽出され、これら特徴量を分析することにより、最適な学習モデル２８が演算される。学習方法は、例えば、ランダムフォレスト、ディシジョンツリー、サポートベクターマシン、線形回帰、ロジスティック回帰など、種々の方法が挙げられる。

本例の場合、学習モデル２８の生成は、検査サンプル２１の検査用構造化データＤk2の周波数領域Ｅｆごとの特性値Ｋｘについて、ピーク有無を設定するための判定閾値Ｒpkを自動生成する処理である。例えば、周波数領域「Ｆｅ」の場合、「ＩＤ２」の特性値Ｋｘの「５」、「ＩＤ３」の特性値Ｋｘの「５」、「ＩＤ４」の特性値Ｋｘの「１」、「ＩＤ５」の特性値Ｋｘの「１」を指標（ＩＤ５以降は省略）として学習を実行することにより、周波数領域「Ｆｅ」の判定閾値Ｒpkが自動生成される。同様の処理が他の周波数領域Ｅｆでも実行されることにより、周波数領域Ｅｆの各々で個別の判定閾値Ｒpkが自動で設定される。これら判定閾値Ｒpkは、学習モデル２８としてメモリ３０に書き込み保存される。

［騒音要因の判定作業］
図８に示すように、検査サンプル２１の音データＤa2において騒音の要因を判定したい場合、モバイルデバイス３の操作部６で集音実行の操作を実行することにより、検査サンプル２１の音データＤa2をモバイルデバイス３の集音部５で集音する。集音された音データＤa2は、インターフェース８を介して制御部４に入力される。制御部４に入力された音データＤa2は、制御部４によって前処理が実行される。前処理は、収集した音データＤa2を検査用構造化データＤk2に変換する処理である。

前処理を以下に説明すると、まず、分析部１３は、音データＤa2の周波数に対する音圧レベルの変化を表す周波数分析波形Ｐ(x)を求める（図２参照）。具体的には、分析部１３は、集音した検査サンプル２１の音データＤa2から、検査サンプル２１の周波数分析波形Ｐ(x)である検査周波数分析波形Ｐｂ(x)を求める。

続いて、波形抽出部１４は、この検査サンプル２１と同じ製品駆動条件（製品２の駆動条件）のベースサンプル２０を用意する。そして、波形抽出部１４は、前述した検査周波数分析波形Ｐｂ(x)と、用意したベースサンプル２０の周波数分析波形Ｐ(x)（基準周波数分析波形Ｐａ(x)）との差をとることにより、この検査サンプル２１の騒音特定波形Ｔ(x)を抽出する（図３参照）。

補正部１６は、検査サンプル２１の騒音特定波形Ｔ(x)を補正することが好ましい（図５参照）。補正を行う場合、まず、補正部１６は、騒音特定波形Ｔ(x)の音圧レベル（波形の振幅）の平均値Ｔavrを算出する。続いて、補正部１６は、騒音特定波形Ｔ(x)を平均値Ｔavrの値だけ縦軸方向（音圧レベルの軸方向）にオフセットして、縦軸のゼロ点に位置補正する。例えば、平均値Ｔavrがプラス値で求まった場合には、騒音特定波形Ｔ(x)を縦軸方向において平均値Ｔavr分減算する。一方、平均値Ｔavrがマイナス値で求まった場合には、騒音特定波形Ｔ(x)を縦軸方向において平均値Ｔavr分加算する。

波形抽出部１４は、騒音特定波形Ｔ(x)を抽出した後、区分けされた周波数領域Ｅｆごとに騒音特定波形Ｔ(x)の波形に応じた特性値Ｋｘを抽出することにより、騒音特定波形Ｔ(x)の生データを検査用構造化データＤk2に変換する（図４参照）。本例の場合、特性値Ｋｘとして、周波数領域Ｅｆごとに基準周波数分析波形Ｐａ(x)と検査周波数分析波形Ｐｂ(x)との差が数値化される。特性値Ｋｘは、数値が大きいほど、波形差が大きいことを表す。

図９に示すように、検査用構造化データＤk2の生成後、判定部２５は、生成された検査用構造化データＤk2を学習モデル２８に入力することにより、検査サンプル２１の騒音要因を判定する。具体的には、判定部２５は、検査サンプル２１の検査用構造化データＤk2の各々の周波数領域Ｅｆにおいて、特性値Ｋｘ及び判定閾値Ｒpkの比較を行い、特性値Ｋｘが判定閾値Ｒpk以上となる周波数領域Ｅｆを「ピーク有」とし、特性値Ｋｘが判定閾値Ｒpk未満となる周波数領域Ｅｆを「ピーク無」とする。図の例の場合、周波数領域「Ｆｅ」、「Ｆｆ」、「Ｆｊ」の領域が「ピーク有」と判断され、それ以外は「ピーク無」と判断されている。

判定部２５は、ピーク有無が判定された検査用構造化データＤk2を用いて、騒音要因を特定する。具体的には、ピーク有無が判定された検査用構造化データＤk2は、「ピーク無」が特性値「１」とされ、「ピーク有」の領域が特性値「２以上」とされて、これら特性値Ｋｘの組み合わせから、騒音要因が特定される。本例の場合、周波数領域「Ｆｅ」、「Ｆｆ」、「Ｆｊ」にピークが立っているので、このパラメータ組み合わせと類似する「ＩＤ３」に紐付く騒音要因（要因Ｂ）が、検査サンプル２１の騒音要因として特定される。

判定部２５は、判定結果のデータを、インターフェース１０を介して表示部７に画面表示する。作業者は、表示部７に表示された判定結果を確認することにより、検査サンプル２１の騒音要因が分かる。

［判定結果に至る判定過程の可視化］
図１０に示すように、判定過程出力部２９は、学習モデル２８で騒音判定を実行した際の判定過程を表示部７に出力する。本例の場合、判定過程は、判定結果に至るまでの判定過程を目視確認できる形式で表された判定過程表示画面３８として表示部７に表示される。また、判定過程出力部２９は、判定結果に至るまでの判定過程を、判定の分岐をツリー状で表した形式によって表示部７に表示する。

同図に示す通り、判定過程表示画面３８は、確認したい検査サンプル２１の構造化データＤｋ（検査用構造化データＤk2）のデータ表示３９と、判定過程を図によってモデル化した分析モデル４０とを含む。作業者は、データ表示３９と分析モデル４０とを見比べながら、判定部２５が騒音要因の判定結果を出すまでの過程を確認する。データ表示３９には、検査用構造化データＤk2の特性値Ｋｘが羅列されている。

分析モデル４０は、特性値Ｋｘと判定閾値Ｒpkとの比較を、周波数領域Ｅｆを変えながら順に判定していった際の判定結果をモデル化したものである。なお、判定部２５は、騒音要因（図中の要因Ａ～要因Ｆ）を効率的に分類しようとする。このため、図中に示すような、騒音要因の判定に用いない周波数領域Ｅｆ（周波数領域Ｆａ、Ｆｄ）が存在したり、周波数領域Ｅｆ（周波数領域Ｆｃ）が複数存在したりする。

本例の場合、分析モデル４０の１段目では、周波数領域Ｆｆにおいて特性値Ｋｘが判定閾値Ｒpk以下となったか否かを確認する（ステップ１０１）。周波数領域Ｆｆで特性値Ｋｘが判定閾値Ｒpk以下であれば、ステップ１０２に移行し、周波数領域Ｆｆで特性値Ｋｘが判定閾値Ｒpkを超えれば、ステップ１０３に移行する。本例の分析モデル４０の場合、周波数領域Ｆｆの特性値Ｋｘが判定閾値Ｒpk以下であるので、ステップ１０２に移行する。

分析モデル４０の２段目では、周波数領域Ｆｂにおいて特性値Ｋｘが判定閾値Ｒpk以下となったか否かを確認する（ステップ１０２）。周波数領域Ｆｂで特性値Ｋｘが判定閾値Ｒpk以下であれば、ステップ１０４に移行し、周波数領域Ｆｂで特性値Ｋｘが判定閾値Ｒpkを超えれば、ステップ１０５に移行する。

分析モデル４０の３段目では、周波数領域Ｆｃにおいて特性値Ｋｘが判定閾値Ｒpk以下となったか否かを確認する（ステップ１０４）。周波数領域Ｆｃで特性値Ｋｘが判定閾値Ｒpk以下であれば、「異常なし」の判定結果が導かれ、周波数領域Ｆｃで特性値Ｋｘが判定閾値Ｒpkを超えれば、騒音要因が「要因Ａ」であるとの判定結果が導かれる。このようにして、騒音要因の判定結果に至るまでの判定過程を、表や図から追って確認することが可能となる。

［騒音要因の層別分析］
図１１に示すように、駆動中の製品２（図中の「ＩＤ１３」）に騒音が生じている場合、ピーク波形２２が立つ周波数領域Ｅｆの特性値Ｋｘは、製品２の駆動系の機器に介在する異物の数や大きさによって変化する。図の例に示すように、異物を要因とする騒音の周波数領域「Ｆｄ」の場合、「Ｆｄ」の特性値Ｋｘは、異物の数や大きさのばらつきによって変動する。すなわち、仮に異物が小さく特性値Ｋｘが低い値（例えば、「２」）をとる場合、自動生成される判定閾値Ｒpkの値によっては、「Ｆｄ」に「ピーク無」と判定されてしまうことがある。こうなると、正しい判定結果が「要因Ｆ」のところ、ピーク分布が近似する「ＩＤ１２」に紐付く「要因Ｆ」が判定結果として出力され、誤判定されてしまう。

そこで、図１２に示すように、操作指示部１７は、検査サンプル２１の検査用構造化データＤk2に類似する別の構造化データＤｋ（学習用構造化データＤk1のどれか）が存在する場合、騒音の要因を層別分析する。本例の場合、操作指示部１７は、作業者に対し、製品２の駆動条件又は組立状態を変更させる指示を出す。この指示は、例えば、表示部７を介して実行されることが好ましい。騒音の要因を判定する一連の処理は、駆動条件又は組立状態の変更後、同様に実行される。操作指示部１７は、駆動条件又は組立状態の変更の指示を、騒音の要因が特定されるまで、内容を変えて繰り返し実行する。

騒音要因の層別分析を具体的に説明する。まず、ステップ２０１において、操作指示部１７は、検査サンプル２１の検査用構造化データＤk2に類似する別データ（学習用構造化データＤk1）が存在するか否かを判定する。本例の場合、操作指示部１７は、検査サンプル２１の特性値Ｋｘの数値分布に基づき、検査サンプル２１の特性値Ｋｘの数値分布と似た分布を持つ他の学習用構造化データＤk1の有無を確認する。例えば、特性値Ｋｘが一致する周波数領域Ｅｆの総数が所定数以上の場合、類似する別データが存在すると判定することが好ましい。類似する別データが存在しなければ、ステップ２０２に移行し、存在すれば、類似する別データが存在すれば、ステップ２０３に移行する。

ステップ２０２において、類似する別データが存在しない場合、操作指示部１７は、判定部２５に通常通り騒音要因を判定させる。このため、判定部２５は、通常通りの手順に沿って騒音要因の判定を実行する。

ステップ２０３において、類似する別データが存在する場合、操作指示部１７は、製品２の駆動条件又は組立状態を変更させる指示を出力する。駆動条件の変更とは、例えば、スイッチのオンオフを切り替えたり、製品２の駆動速度を変更したり、製品２の駆動モードを変更したりする例が挙げられる。また、組立状態の変更とは、例えば、製品２を分解したり、特定の部品を取り外したりする例が挙げられる。

ステップ２０４において、操作指示部１７は、判定部２５に騒音要因を再度判定させる。このため、判定部２５は、通常通りの手順に沿った判定を再度実行する。また、製品２の組立状態を変更させた場合には、作業者に対し、組立状態を変更した製品２について、目視による騒音要因の確認を実行させてもよい。

ステップ２０５において、操作指示部１７は、騒音要因の再判定の実行後、騒音要因を特定できたか否かを判定する。騒音要因が特定できれば、層別分析の処理を終了する。一方、要因特定を特定できなければ、ステップ２０３に戻り、駆動条件又は組立状態の変更を指示して騒音要因を再度判定する作業を再実行される。そして、以上の一連の処理が、騒音要因を判定できるまで繰り返される。

上記実施形態の騒音要因判定装置１（騒音要因判定方法）によれば、以下のような効果を得ることができる。
（１）騒音要因判定装置１の分析部１３は、製品２の駆動時に周囲に発生する音データＤａが集音部５によって集音された場合に、音データＤａの周波数に対する音圧レベルの変化を表す周波数分析波形Ｐ(x)を求める。騒音要因判定装置１の波形抽出部１４は、製品２の駆動状態ごとに用意されたベースサンプル２０の周波数分析波形Ｐ(x)である基準周波数分析波形Ｐａ(x)のうち、検査サンプル２１と同一の駆動状態の基準周波数分析波形Ｐａ(x)と、検査サンプル２１の周波数分析波形Ｐ(x)である検査周波数分析波形Ｐｂ(x)との差をとることにより、騒音特定波形Ｔ(x)を求める。騒音要因判定装置１の判定部２５は、騒音特定波形Ｔ(x)に基づき、測定環境下に存在する騒音の要因を判定する。

本例の構成によれば、検査サンプル２１に応じた基準周波数分析波形Ｐａ(x)を用いて騒音要因を判定する。また、検査サンプル２１の周波数分析波形Ｐ(x)である検査周波数分析波形Ｐｂ(x)と、検査サンプル２１の測定のときと製品２が同一駆動状態のベースサンプル２０の基準周波数分析波形Ｐａ(x)との差自体を求め、この波形の差である騒音特定波形Ｔ(x)を分析することにより、騒音要因を判定する。このように、最適な基準周波数分析波形Ｐａ(x)を利用するとともに、基準周波数分析波形Ｐａ(x)と検査周波数分析波形Ｐｂ(x)との差である騒音特定波形Ｔ(x)の波形変化から、騒音の要因を適切に見分けることが可能となる。よって、騒音の要因を精度よく判定できる。

（２）騒音要因判定装置１の補正部１６は、騒音特定波形Ｔ(x)を音圧レベルの軸方向において補正する。この構成によれば、騒音特定波形Ｔ(x)において音圧レベルの軸方向の位置を補正によって最適化することが可能となる。これにより、騒音でないにも関わらず騒音が有ると判定されたり、騒音であるにも関わらず騒音は無いと判定されたりする状況を生じ難くすることができる。

（３）波形抽出部１４は、区分けされた周波数領域Ｅｆごとに基準周波数分析波形Ｐａ(x)と検査周波数分析波形Ｐｂ(x)との差に応じた特性値Ｋｘを抽出することにより、騒音特定波形Ｔ(x)の生データを構造化データＤｋに変換する。判定部２５は、構造化データＤｋに基づき、騒音の要因を判定する。この構成によれば、周波数領域Ｅｆごとに基準周波数分析波形Ｐａ(x)と検査周波数分析波形Ｐｂ(x)との差に応じた値で求まる特性値Ｋｘを特定の形に整理した構造化データＤｋによって騒音要因を判定するので、判定の処理が複雑化せずに済む。

（４）特性値Ｋｘは、周波数領域Ｅｆの各々において検出されたピーク波形２２の突出量Ｈに基づく値である。この構成によれば、音が大きい騒音の要因を精度よく判定して、その騒音に対処することができる。

（５）ピーク波形２２は、規定値Ｈbs以上の突出量Ｈをとり、かつ、周波数領域Ｅｆの領域内で最も値が大きい箇所である。この構成によれば、周波数領域Ｅｆの領域内の規定の１箇所をピーク波形２２として特定することが可能となる。よって、ピーク波形２２が複数立ってしまうような状況が生じない。

（６）周波数領域Ｅｆの各々は、測定環境下において想定される騒音の種類に応じた範囲をとるように、範囲が不均一に設定されている。この構成によれば、周波数領域Ｅｆと騒音要因とを関連付けするので、検査サンプル２１において特異な特性値Ｋｘが生じた周波数領域Ｅｆが分かれば、それにより、騒音要因も特定することが可能となる。よって、騒音要因の判定精度の向上に寄与する。

（７）騒音要因判定装置１の操作指示部１７は、検査サンプル２１の構造化データＤｋに類似する別の構造化データＤｋが存在する場合、作業者に対し、製品２の駆動条件又は組立状態を変更させる指示を出す。騒音の要因を判定する一連の処理は、駆動条件又は組立状態の変更後、同様に実行される。操作指示部１７は、駆動条件又は組立状態の変更の指示を、騒音の要因が特定されるまで、内容を変えて繰り返し実行する。この構成によれば、検査サンプル２１の構造化データＤｋに類似する別の構造化データＤｋが存在していても、駆動条件や組立状態の変更を通じた再判定を通じて、騒音要因を絞り込んでいくことが可能となる。よって、正しい騒音要因を特定するのに一層有利となる。

（８）判定部２５は、過去の音データＤａを学習することによって生成された学習モデル２８によって、騒音の要因を判定する。この構成によれば、騒音要因を学習によって判定するので、人が騒音要因を特定する場合に比べて、判定のばらつきを少なく抑えることが可能となる。よって、騒音要因の判定精度の向上に寄与する。

（９）学習モデル２８は、良品の音データＤa0と過去の不良品の音データＤa1とに基づき生成された構造化データＤｋ（学習用構造化データＤk1）の特徴量が用いられ、この特徴量が学習されることによって生成されている。この構成によれば、騒音特定波形Ｔ(x)を特定の形に整理した構造化データＤｋ（学習用構造化データＤk1）を学習データとして、学習を実行することが可能となる。よって、学習データの取り扱いが容易になるので、学習モデル２８を生成する作業が複雑にならずに済む。

（１０）学習は、検査サンプル２１の音データＤa2においてピーク有無を見分けるのに用いる判定閾値Ｒpkを周波数領域Ｅｆごとに自動作成する。この構成によれば、判定閾値Ｒpkを学習によって自動生成することが可能となるので、騒音要因の判定に最適な判定閾値Ｒpkを周波数領域Ｅｆごとに設定することが可能となる。よって、騒音要因の判定精度の向上に寄与する。

（１１）騒音要因判定装置１の判定過程出力部２９は、学習モデル２８で騒音要因の判定を実行した際の判定過程を表示部７に出力する。この構成によれば、判定結果に至るまでの判定過程を作業者がチェックすることが可能となる。このため、騒音要因の判定内容についての疑問の払拭や、判定処理のプログラム是正などに対し、直ぐに対処することができる。

（１２）判定過程出力部２９は、判定結果に至るまでの判定過程を、判定の分岐をツリー状で表した形式によって表示部７に表示する。この構成によれば、ツリー状という見易い形式によって、判定結果に至るまでの判定過程を作業者に通知することができる。

（１３）騒音要因判定装置１の波形出力処理部１５は、分析部１３によって求められた周波数分析波形Ｐ(x)を表示部７に出力する。この構成によれば、周波数分析波形Ｐ(x)を目視によって直に確認することが可能となるので、騒音要因を特定する際の手掛かりとすることが可能となる。よって、騒音要因の判定精度の向上に寄与する。

なお、本実施形態は、以下のように変更して実施することができる。本実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・学習用の音データＤａ（Ｄa0、Ｄa1）は、集音部５で集音したデータに限らず、他デバイスで測定された音データＤａを外部からデータとして取り込んでもよい。

・学習で使用する過去の不良品の音データＤa1の騒音特定波形Ｔ(x)も、補正部１６による補正が実行されることが好ましい。
・周波数領域Ｅｆの各々は、隣同士と領域が連続するように範囲設定されることに限らず、隣同士と領域が非連続となるように範囲設定されてもよい。

・集音部５は、モバイルデバイス３に備え付けられた部材に限定されず、モバイルデバイス３とは別部材としてもよい。
・騒音特定波形Ｔ(x)の補正方法は、平均値Ｔavrを求めて波形を軸方向にオフセットする方法に限定されない。例えば、波形のピーク値のみを最適値に補正するなど、他の方法を採用してもよい。

・特性値Ｋｘの数値は、ピーク波形２２の突出量Ｈに応じた値に限定されない。例えば、ピーク有り無しの２値としてもよいし、波形差が大きくなるに連れて指数関数的に増加する値としてもよい。

・特性値Ｋｘは、波形のピーク値に限らず、例えば、ピークの平均値や個数、或いはこれらの複合値としてもよい。
・判定過程の表示は、図１０に示すようなツリー状の形式に限定されず、例えば、説明文の羅列などの他の形式に変更してもよい。

・学習モデル２８は、生成された後、テストデータを用いて評価を実行してもよい。評価方法としては、例えば、ホールドアウト法、交差検証法などがある。
・学習モデル２８は、例えば、ディープラーニング（ニューラルネットワーク）によって生成されてもよい。

・騒音要因の判定は、学習モデル２８を用いた方法に限定されない。すなわち、学習モデル２８を用いずに、単に、ベースサンプル２０と検査サンプル２１との波形差から騒音要因を判定する方法としてもよい。

・分析部１３、波形抽出部１４、波形出力処理部１５、補正部１６、操作指示部１７、判定部２５、及び判定過程出力部２９は、［１］コンピュータプログラム（ソフトウェア）に従って動作する１つ以上のプロセッサによって構成されてもよいし、［２］そのようなプロセッサと、各種処理のうち少なくとも一部の処理を実行する特定用途向け集積回路（ＡＳＩＣ）等の１つ以上の専用のハードウェア回路との組み合わせによって構成されてもよい。プロセッサは、ＣＰＵ並びに、ＲＡＭ及びＲＯＭ等のメモリを含み、メモリは、処理をＣＰＵに実行させるように構成されたプログラムコード、又は指令を格納している。メモリ（コンピュータ可読媒体）は、汎用、又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含む。或いは、上記プロセッサを含むコンピュータに代えて、各種処理の全てを実行する１つ以上の専用のハードウェア回路によって構成された処理回路が用いられてもよい。

・分析部１３、波形抽出部１４、波形出力処理部１５、補正部１６、操作指示部１７、判定部２５、及び判定過程出力部２９は、独立したプロセッサから構成されてもよいし、機能の一部分が共用のプロセッサから構築されてもよい。このように、分析部１３、波形抽出部１４、波形出力処理部１５、補正部１６、操作指示部１７、判定部２５、及び判定過程出力部２９は、独立した機能ブロックに限らず、１つの機能ブロックから構成されてもよいし、一部分が共用された機能ブロックから構成されてもよい。

・本開示は、実施例に準拠して記述されたが、本開示は当該実施例や構造に限定されるものではないと理解される。本開示は、様々な変形例や均等範囲内の変形をも包含する。加えて、様々な組み合わせや形態、さらには、それらに一要素のみ、それ以上、あるいはそれ以下、を含む他の組み合わせや形態をも、本開示の範疇や思想範囲に入るものである。

１…騒音要因判定装置、２…製品、５…集音部、７…表示部、１３…分析部、１４…波形抽出部、１５…波形出力処理部、１６…補正部、１７…操作指示部、２０…ベースサンプル、２１…検査サンプル、２２…ピーク波形、２５…判定部、２８…学習モデル、２９…判定過程出力部、Ｄａ…音データ、Ｐ(x)…周波数分析波形、Ｐａ(x)…基準周波数分析波形、Ｐｂ(x)…検査周波数分析波形、Ｔ(x)…騒音特定波形、Ｅｆ…周波数領域、Ｐｘ…特性値、Ｄｋ…構造化データ、Ｈ…突出量、Ｈbs…規定量、判定閾値…Ｒpk。

Claims (12)

1. 製品（２）の駆動時に周囲に発生する音データ（Ｄａ）が集音部（５）によって集音された場合に、前記音データの周波数に対する音圧レベルの変化を表す周波数分析波形（Ｐ(x)）を求める分析部（１３）と、
   前記製品の駆動状態ごとに用意されたベースサンプル（２０）の前記周波数分析波形である基準周波数分析波形（Ｐａ(x)）のうち、検査サンプル（２１）と同一の駆動状態の前記基準周波数分析波形と、前記検査サンプルの前記周波数分析波形である検査周波数分析波形（Ｐｂ(x)）との差をとることにより、騒音特定波形（Ｔ(x)）を求める波形抽出部（１４）と、
   前記騒音特定波形に基づき、測定環境下に存在する騒音の要因を判定する判定部（２５）と
   を備えており、
   前記波形抽出部は、区分けされた周波数領域（Ｅｆ）ごとに前記基準周波数分析波形と前記検査周波数分析波形との差に応じた特性値（Ｐｘ）を抽出することにより、前記騒音特定波形の生データを構造化データ（Ｄｋ）に変換し、
   前記判定部は、前記構造化データに基づき、騒音の要因を判定し、
   前記検査サンプルの前記構造化データに類似する別の前記構造化データが存在する場合、作業者に対し、前記製品の駆動条件又は組立状態を変更させる指示を出す操作指示部（１７）をさらに備え、
   騒音の要因を判定する一連の処理は、前記駆動条件又は前記組立状態の変更後、同様に実行され、
   前記操作指示部は、前記駆動条件又は前記組立状態の変更の指示を、騒音の要因が特定されるまで、内容を変えて繰り返し実行する騒音要因判定装置。
2. 前記騒音特定波形を前記音圧レベルの軸方向において補正する補正部（１６）を備えている
   請求項１に記載の騒音要因判定装置。
3. 前記特性値は、前記周波数領域の各々において検出されたピーク波形（２２）の突出量（Ｈ）に基づく値である
   請求項１又は請求項２に記載の騒音要因判定装置。
4. 前記ピーク波形は、規定値（Ｈbs）以上の突出量をとり、かつ、前記周波数領域の領域内で最も値が大きい箇所である
   請求項３に記載の騒音要因判定装置。
5. 前記周波数領域の各々は、測定環境下において想定される騒音の種類に応じた範囲をとるように、範囲が不均一に設定されている
   請求項１～請求項４のいずれか一項に記載の騒音要因判定装置。
6. 前記判定部は、過去の前記音データを学習することによって生成された学習モデル（２８）によって、騒音の要因を判定する
   請求項１～請求項５のいずれか一項に記載の騒音要因判定装置。
7. 前記学習モデルは、良品の前記音データと過去の不良品の前記音データとに基づき生成された前記構造化データの特徴量が用いられ、前記特徴量が学習されることによって生成されている
   請求項６に記載の騒音要因判定装置。
8. 前記学習は、前記検査サンプルの前記音データにおいてピーク有無を見分けるのに用いる判定閾値（Ｒpk）を前記周波数領域ごとに自動作成する
   請求項７に記載の騒音要因判定装置。
9. 前記学習モデルで騒音要因の判定を実行した際の判定過程を表示部（７）に出力する判定過程出力部（２９）を備えている
   請求項６～請求項８のいずれか一項に記載の騒音要因判定装置。
10. 前記判定過程出力部は、判定結果に至るまでの前記判定過程を、判定の分岐をツリー状で表した形式によって前記表示部に表示する
    請求項９に記載の騒音要因判定装置。
11. 前記分析部によって求められた前記周波数分析波形を表示部に出力する波形出力処理部（１５）を備えている
    請求項１～請求項１０のいずれか一項に記載の騒音要因判定装置。
12. 製品（２）の駆動時に測定環境下に存在する騒音の要因を判定する騒音要因判定装置（１）で使用される騒音要因判定方法であって、
    前記製品の駆動時に周囲に発生する音データ（Ｄａ）が集音部（５）によって集音された場合に、前記音データの周波数に対する音圧レベルの変化を表す周波数分析波形（Ｐ(x)）を求めることと、
    前記製品の駆動状態ごとに用意されたベースサンプル（２０）の前記周波数分析波形である基準周波数分析波形（Ｐａ(x)）のうち、検査サンプル（２１）と同一の駆動状態の前記基準周波数分析波形と、前記検査サンプルの前記周波数分析波形である検査周波数分析波形（Ｐｂ(x)）との差をとることにより、騒音特定波形（Ｔ(x)）を求めることと、
    区分けされた周波数領域（Ｅｆ）ごとに前記基準周波数分析波形と前記検査周波数分析波形との差に応じた特性値（Ｐｘ）を抽出することにより、前記騒音特定波形の生データを構造化データ（Ｄｋ）に変換することと、
    前記構造化データに基づき、測定環境下に存在する騒音の要因を判定することと、
    前記検査サンプルの前記構造化データに類似する別の前記構造化データが存在する場合、作業者に対し、前記製品の駆動条件又は組立状態を変更させる指示を出すことと
    を前記騒音要因判定装置に実行させ、
    騒音の要因を判定する一連の処理を、前記駆動条件又は前記組立状態の変更後、同様に前記騒音要因判定装置に実行させ、
    前記駆動条件又は前記組立状態の変更の指示を、騒音の要因が特定されるまで、内容を変えて繰り返し前記騒音要因判定装置に実行させる騒音要因判定方法。

Images