検出データ処理装置及びプログラム
【課題】回路基板における異常又は故障を高精度に検出することを支援する。
【解決手段】故障診断装置１０の解析データ抽出部１０４は、回路基板の動作状態を検出する動作状態検出部１から取得された検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択し抽出する。第一マハラノビス距離算出部１０６は、正常な回路基板を動作させたときの検出データから解析データ抽出部１０４が抽出した解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの検出データと、に基づいて１段目のマハラノビス距離を算出する。
【解決手段】故障診断装置１０の解析データ抽出部１０４は、回路基板の動作状態を検出する動作状態検出部１から取得された検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択し抽出する。第一マハラノビス距離算出部１０６は、正常な回路基板を動作させたときの検出データから解析データ抽出部１０４が抽出した解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの検出データと、に基づいて１段目のマハラノビス距離を算出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、検出データ処理装置及びプログラムに関する。
【背景技術】
【０００２】
一般に、パーソナルコンピュータや複写機等の電子機器は、その性能や機能を実現するために、様々な用途のアナログおよびデジタルの電子回路が、ＰＷＢＡと呼ばれるプリント配線板アセンブリ（以下、単に「回路基板」という）の形で搭載されている。また、自動車、航空、ロボット、半導体設計装置等といった他の産業機器においても、動作制御等の手段として、信頼性が高く、高速・高精度での動作が可能な回路基板が数多く搭載されている。これらの回路基板は、一連の機能を実現するために、様々な形でケーブルを介して接続されることにより、所望のスペックが実現されている。
【０００３】
ところで、回路基板が搭載される機器が使用される環境は、通常はオフィス内であったり、家屋内であったりするが、それ以外の過酷な環境下で使用される場合もある。そのため、特に使用環境が劣悪である場合には、通常の方法で使用していたとしても、様々な異常や故障等が発生する可能性がある。また、通常の使用環境下で使用している場合でも、電子回路の異常や故障等は発生するが、その頻度は必ずしも低いとは言えない。このような回路基板に発生した異常や故障等については、安全性やコスト等の面から早急な対応が必要である。このことから、回路基板が搭載される機器においては、その回路基板の異常又は故障の検出を行うことがある。
【０００４】
一方、各種の装置の異常又は故障の検出においてマハラノビス距離を用いる技術が提案されている。
【０００５】
例えば、特許文献１には、紙葉類の良品または不良品の判別を行う技術において、紙葉類に対してレーザ光を走査したときの透過光量及び反射光量の測定データの平均値、標準偏差及びその参照データに基づいて相関係数を求め、この相関係数から紙葉類の良否を判別し、かつ平均値 、標準偏差、及び相関係数を用いてマハラノビスの距離を求め、このマハラノビス距離を閾値比較することで、紙葉類の良否判別を行う技術が開示されている。
【０００６】
また、特許文献２には、ＭＴ（マハラノビス・タグチ）システムを用い、移動体の各部における特性量を第１の信号として計測し、第１の信号に対して、移動体の故障に基づく波形成分を強調する所定の信号処理を施して第２の信号を生成し、マハラノビス距離算出式に第２の信号から複数ポイントの信号値を抽出してベクトルデータを代入してマハラノビス距離を算出することで、移動体の故障を検出する技術が開示されている。
【０００７】
また、特許文献３には、半導体製造装置の正常動作状態下で所定のパラメータについてデータをサンプリングし、サンプリングされたデータ群に基づいてマハラノビス空間を作成し、半導体製造装置の動作状態で得られる前記パラメータについてマハラノビス距離を算出し、マハラノビス距離の値が所定の値を超えたとき、半導体製造装置が異常動作を生じたと判定する技術が開示されている。特許文献３には、さらに、前記パラメータ以外の複数のパラメータであってそれぞれが異常状況を示す複数のパラメータのそれぞれに基づいて異常状況下のマハラノビス空間を予め作成しておき、前述の正常動作状態下のデータに基づくマハラノビス空間に対して得られたマハラノビス距離から半導体製造装置が異常動作を生じたと判定された場合に、各パラメータが故障状況下である場合のマハラノビス空間に対応するマハラノビス距離を算出し、算出したマハラノビス距離が最も近い異常状況を示すパラメータに故障があったことを推定する技術が開示されている。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開平１１−３３９０８９号公報
【特許文献２】特開２００８−１０８２５０号公報
【特許文献３】特開２０００−１１４１３０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
マハラノビス距離を用いて装置等の異常又は故障の検出を行う場合、その装置等の特徴をより良く表すパラメータに基づいてマハラノビス空間を生成すると、より高精度の検出結果が得られる。
【００１０】
ところで、電子機器に搭載される回路基板は、その電子機器の高性能化や多機能化等に伴い、例えば複数の回路基板が接続されて構成されるといったように、その構成が複雑化や多様化する傾向にある。よって、電子機器に搭載される回路基板において、異常又は故障の発生時の回路基板の動作状態を事前に予測することは困難である場合がある。
【００１１】
したがって、電子機器に搭載される回路基板の異常又は故障の検出にマハラノビス距離を用いる場合、マハラノビス空間を生成するのに適切なパラメータを選択して精度良く異常又は故障を検出することは困難である。
【００１２】
本発明の目的の１つは、回路基板における異常又は故障を高精度に検出することを支援する技術を提供することである。
【課題を解決するための手段】
【００１３】
請求項１に係る発明は、回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択する選択手段と、正常な回路基板を動作させたときの前記検出データから前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出する第一算出手段と、を備えることを特徴とする検出データ処理装置である。
【００１４】
請求項２に係る発明は、請求項１に係る発明において、前記検出手段は、回路基板において複数の検出位置の動作状態を検出し、前記選択手段は、前記複数の検出位置のそれぞれに対応する前記検出データについて前記解析データを選択し、前記第一算出手段は、前記複数の検出位置のそれぞれについて、正常な回路基板を動作させたときの当該検出位置の前記検出データについて前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの当該検出位置の前記検出データと、に基づいて前記第一のマハラノビス距離を算出する。
【００１５】
請求項３に係る発明は、請求項２に係る発明において、前記正常な回路基板を動作させたときの前記複数の検出位置のそれぞれに対応する前記検出データと、当該検出位置について生成された前記第一のマハラノビス空間と、に基づいて、前記正常な回路基板に関する前記複数の検出位置ごとのマハラノビス距離を算出し、当該算出したマハラノビス距離から生成される第二のマハラノビス空間と、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離と、に基づいて、前記診断対象の回路基板に関する第二のマハラノビス距離を算出する第二算出手段、をさらに備える。
【００１６】
請求項４に係る発明は、請求項３に係る発明において、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離に基づいて、前記第二のマハラノビス距離の算出を行うか否かを決定する決定手段、をさらに備え、前記第二算出手段は、前記第二のマハラノビス距離の算出を行うことを前記決定手段が決定した場合に、前記第二のマハラノビス距離の算出を行う。
【００１７】
請求項５に係る発明は、請求項２から４のいずれか１項に係る発明において、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離を使用するか否かの組み合わせ条件を予め記憶した記憶手段を参照し、前記組み合わせ条件に従って、前記診断対象の回路基板に関するＳＮ比を算出するＳＮ比算出手段、をさらに備える。
【００１８】
請求項６に係る発明は、請求項５に係る発明において、回路基板の故障原因ごとに、当該故障原因の故障の生じた回路基板に関して算出されたＳＮ比を予め記憶した記憶手段をさらに参照し、前記ＳＮ比算出手段が算出した前記診断対象の回路基板に関するＳＮ比と、前記記憶手段に記憶された前記故障原因ごとのＳＮ比と、を用いて、前記診断対象の回路基板と前記故障原因それぞれの故障の生じた回路基板との間の相関関係を求め、求めた相関関係を表す値が最も大きい故障原因を出力する出力手段、をさらに備える。
【００１９】
請求項７に係る発明は、回路基板の動作状態を検出する検出手段から正常な回路基板を動作させたときに取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択し、前記解析データを用いて生成されたマハラノビス空間を表す情報を記憶した記憶手段を参照し、前記記憶手段に記憶された前記マハラノビス空間と、診断対象の回路基板を動作させたときに前記検出手段から取得した検出データと、に基づいてマハラノビス距離を算出する算出手段、を備えることを特徴とする検出データ処理装置である。
【００２０】
請求項８に係る発明は、回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択するステップと、正常な回路基板を動作させたときの前記検出データから選択された前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出するステップと、をコンピュータに実行させることを特徴とするプログラムである。
【発明の効果】
【００２１】
請求項１、７、又は８に係る発明によると、正常な回路基板の動作状態に応じて選択された解析データに基づく第一のマハラノビス空間を用いて第一のマハラノビス距離を算出できる。
【００２２】
請求項２に係る発明によると、回路基板における複数の検出位置のそれぞれについて、正常な回路基板からの検出データに基づいて生成された第一のマハラノビス空間に対する第一のマハラノビス距離を算出できる。
【００２３】
請求項３に係る発明によると、正常な回路基板からの検出データと故障の発生した回路基板からの検出データとの間の差異を、第一のマハラノビス距離よりもさらに強調して表す第二のマハラノビス距離を算出できる。
【００２４】
請求項４に係る発明によると、第一のマハラノビス距離の算出結果に応じて第二のマハラノビス距離の算出を行うか否かを決定できる。
【００２５】
請求項５に係る発明によると、診断対象の回路基板における各検出位置に対応する第一のマハラノビス距離についてＳＮ比を求めることができる。
【００２６】
請求項６に係る発明によると、診断対象の回路基板の故障原因の特定を支援する情報を出力できる。
【図面の簡単な説明】
【００２７】
【図１】回路基板の動作状態を検出する検出手段を設けた回路基板の一例を示す図である。
【図２Ａ】回路基板に設けられた平面コイルの出力信号の時間変化の例を示す図である。
【図２Ｂ】回路基板に設けられた平面コイルの出力信号の時間変化の他の例を示す図である。
【図３】回路基板の動作状態を検出する検出手段の構成の例を示す図である。
【図４】図３に例示する配置の等価回路を示す図である。
【図５】回路基板の動作状態を検出する検出手段の構成の他の例を示す図である。
【図６】故障診断装置の構成の例を示すブロック図である。
【図７】故障診断装置で行われる処理の手順の例を示すフローチャートである。
【図８】検出データから特徴値を算出する処理の例を説明するための図である。
【図９】検出データを分割した期間ごとの特徴値間の相関係数を求める処理の例を説明するための図である。
【図１０】期間ごとの特徴値間の相関係数行列の例を示す図である。
【図１１Ａ】マハラノビス空間の生成に用いられる特徴値の例を示す表である。
【図１１Ｂ】正規化後の特徴値の例を示す表である。
【図１２】故障診断処理の手順の例を示すフローチャートである。
【図１３】マハラノビス距離算出処理の手順の例を示すフローチャートである。
【図１４】第一マハラノビス距離算出部が算出する１段目のマハラノビス距離の値の例を示す図である。
【図１５】２段目のマハラノビス距離の算出に用いられる値の例を示す図である。
【図１６】マハラノビス距離算出処理の手順の他の例を示すフローチャートである。
【図１７】故障診断装置の構成の他の例を示すブロック図である。
【図１８】故障診断処理の手順の他の例を示すフローチャートである。
【図１９】故障原因特定処理の手順の例を示すフローチャートである。
【図２０】Ｌ２８直交表の例を示す図である。
【図２１】各コイルのマハラノビス距離のＳＮ比に関して得られる要因効果図の例を示す図である。
【図２２】故障原因ごとに得られる１段目のマハラノビス距離の例を示す図である。
【図２３】故障原因ごとに算出されるＳＮ比の例を示す図である。
【図２４】故障診断装置の構成のさらに他の例を示す図である。
【図２５】コンピュータのハードウエア構成の例を示す図である。
【発明を実施するための形態】
【００２８】
以下で説明する本発明の各種の実施形態では、回路基板の動作状態を検出する検出手段から取得される検出データを用いて、回路基板の故障診断のための処理が行われる。
【００２９】
図１に、回路基板の動作状態を検出する検出手段を設けた回路基板の一例を示す。図１を参照し、回路基板Ｓには、ＣＰＵ（Central Processing Unit）、ＡＳＩＣ（Application Specific Integration Circuit）、及びＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）等の各部品及び部品間を電気的に接続する配線が設けられる。回路基板Ｓには、さらに、平面コイルｃ１，ｃ２，ｃ３，ｃ４が設けられる。平面コイルｃは、回路基板Ｓの動作状態を検出する検出手段である。平面コイルｃは、例えば、回路基板Ｓ上の各部品の付近及び／又は配線の付近に配置され、回路基板Ｓの動作中に発生する誘導起電力を検出する。この誘導機電力が検出データとして後述の実施形態の処理に用いられる。平面コイルｃは、平面コイルを配線したＦＰＣ（Flexible Printed Circuit）を回路基板Ｓに密着させる等の方法により回路基板Ｓに設けられる。
【００３０】
図２Ａ及び図２Ｂに、回路基板Ｓを動作させたときの平面コイルｃの出力信号の時間変化の例を示す。図２Ａは、回路基板Ｓの正常時の平面コイルｃの出力信号の一例を示す。図２Ｂは、回路基板Ｓの故障時の平面コイルｃの出力信号の一例を示す。図２Ａ及び図２Ｂに例示する出力波形は、回路基板Ｓ上の同じ位置に設けられた平面コイルｃから得られたものである。回路基板Ｓの故障時の平面コイルｃの出力信号の波形は正常時の波形と異なる。回路基板Ｓの故障時の平面コイルｃの出力信号は、回路基板Ｓの故障原因に応じて様々な波形を示し得る。故障原因としては、例えば、部品不良、断線、及び短絡などが挙げられる。
【００３１】
以下、図３〜図５を参照し、回路基板の動作状態を検出する検出手段を平面コイルの他の構成で実現する場合の例を述べる。
【００３２】
図３は、回路基板３１に設けられたＩＣ（Integrated Circuit）３３のピンから回路基板３１の入出力部へ直接接続される配線群３５における動作状態を検出する例を示す。配線群３５に垂直にインピーダンス成分として容量成分３４を配置し、信号の変化に際して発生するクロストークによってその両端に生ずる電位Ｖｃｏｕｐｌｅを測定する。図４は、図３に例示する配置の等価回路を示す。図４を参照し、配線群４３に直交するように容量成分４１を配置する。容量成分４１を構成するラインと各配線群３５との間にはクロストークを生じる原因となる浮遊容量成分４２が生じる。
【００３３】
図５では、回路基板５１の入出力部へ接続される単線の配線（マイクロストリップライン）５５において回路基板５１の面に垂直に容量成分５４を配置し、信号の変化に際して発生するクロストークによってその両端に生ずる電位Ｖｃｏｕｐｌｅを測定する。この例の場合、回路基板５１上の入出力配線ごとに、図５に例示するように容量成分５４を設けて電位Ｖｃｏｕｐｌｅを測定して信号変化の状態を得る。
【００３４】
図３〜図５を参照して説明した例では、電位Ｖｃｏｕｐｌｅの測定値が、回路基板の動作状態の検出データとして用いられる。
【００３５】
なお、以下の各種の実施形態の説明では、１つの回路基板に２４個の平面コイル（以下、単に「コイル」と言う）を設け、回路基板の動作状態を表す検出データとして各コイルが検出する誘導起電力を用いるものとする。しかしながら、回路基板に設けられる検出手段の種類及び個数はこれに限定されるものではない。以下で説明する各種の実施形態及び変形例における処理において、例えば、図３〜図５の例の容量成分のように、誘導起電力と異なる検出データを検出する検出手段を用いてもよい。また、１つの回路基板に設ける検出手段の個数は、例えば、回路基板の開発者などにより動作状態の検出が必要と判断された回路基板上の位置に応じて異なる数に設定してよい。
【００３６】
＜第１実施形態＞
図６に、第１実施形態における故障診断装置の構成の例を示す。故障診断装置１０は、回路基板の動作状態を検出する動作状態検出部１と電気的に接続される。本例において、動作状態検出部１は、上述のように、回路基板に設けられた２４個のコイルを備える。
【００３７】
故障診断装置１０は、動作状態検出部１からの検出データを用いて回路基板の故障診断を行う。故障診断装置１０の機能の一部が本発明の１つの実施形態の検出データ処理装置として機能する。故障診断装置１０は、動作状態データ格納部１００、正常データ格納部１０２、解析データ抽出部１０４、第一マハラノビス距離算出部１０６、第二マハラノビス距離算出部１０８、正常／故障判定部１１０、及び結果表示部１１２を備える。
【００３８】
動作状態データ格納部１００は、動作状態検出部１から取得した検出データを格納する。本例では、回路基板に設けられた２４個のコイルから取得される誘導起電力の検出データが動作状態データ格納部１００に格納される。
【００３９】
正常データ格納部１０２は、正常な回路基板を動作させたときに動作状態検出部１から取得される検出データを格納する。正常データ格納部１０２は、さらに、後述する解析データ及びマハラノビス空間など、正常な回路基板を動作させたときの検出データから得られる各種の情報を格納する。
【００４０】
解析データ抽出部１０４は、動作状態データ格納部１００に格納された診断対象の回路基板の検出データ及び正常データ格納部１０２に格納された検出データから故障診断装置１０における処理に用いる解析データを抽出する。
【００４１】
第一マハラノビス距離算出部１０６は、正常な回路基板の検出データから解析データ抽出部１０４が抽出した解析データを用いて生成したマハラノビス空間と、診断対象の回路基板の検出データから解析データ抽出部１０４が抽出した解析データと、に基づいてマハラノビス距離を算出する。
【００４２】
第二マハラノビス距離算出部１０８は、第一マハラノビス距離算出部１０６が用いたマハラノビス空間に対する正常な回路基板の解析データのマハラノビス距離と、第一マハラノビス距離算出部１０６が診断対象の回路基板に付いて算出したマハラノビス距離と、を用いて、再度マハラノビス距離を算出する。
【００４３】
正常／故障判定部１１０は、第二マハラノビス距離算出部１０８が算出したマハラノビス距離を用いて、診断対象の回路基板における故障の有無を判定する。
【００４４】
結果表示部１１２は、正常／故障判定部１１０による判定の結果を表示する。
【００４５】
以下、故障診断装置１０の各部が行う処理の詳細を説明する。
【００４６】
図７は、第一マハラノビス距離算出部１０６で用いるマハラノビス空間を生成する処理の手順の例を示すフローチャートである。図７の例の手順の処理は、診断対象の回路基板に対する故障診断処理のための準備に相当する処理である。
【００４７】
マハラノビス空間は、正常データ格納部１０２に格納された正常な回路基板の検出データに基づいて生成される。図７の例の処理の開始時には、正常データ格納部１０２に、正常な回路基板についての複数の事例の検出データが予め格納されているものとする。ここで、１つの「事例」の検出データとは、予め設定された長さの時間だけ正常な回路基板を動作させたときに動作状態検出部１から得られる検出データである。本例では、各事例の検出データは、正常な回路基板に設けられた２４個のコイルのそれぞれが検出した誘導起電力の時系列データ（例えば図２参照）を含む。なお、複数の事例の検出データは、１つの正常な回路基板を複数回動作させて得た検出データであってよいし、部品の配置及び部品間の配線とコイルの配置とが同じである複数の回路基板（いずれも正常であることがわかっているもの）をそれぞれ動作させて得た検出データであってもよい。また、複数の事例において両者が混在していてもよい。
【００４８】
図７の例の処理が開始されると、まず、解析データ抽出部１０４は、正常データ格納部１０２中の各事例の検出データについて、予め設定された期間に分割し、分割した期間ごとの特徴値を求める（ステップＳ１）。
【００４９】
図８を参照し、ステップＳ１の処理の例の詳細を説明する。図８（ａ）は、１つの事例の検出データに含まれる１つのコイルの検出データ（誘導起電力の時系列データ）の例を示し、図８（ｂ）は、図８（ａ）に例示する検出データから求められる特徴値の例を示す。解析データ抽出部１０４は、図８（ａ）に例示するように、コイルの検出データを予め設定された期間に分割する。そして、分割した期間ごとに、その期間に含まれる検出値（本例では誘導起電力の値）から得られる特徴値を算出する。この特徴値は、当該期間に含まれる検出値から算出される統計量（例えば、総和、二乗和、標準偏差、最大値、又は最小値など）であってよい。図８（ｂ）に例示するグラフ中の各点は、図８（ａ）に例示するグラフを分割した各期間の検出値から得られる特徴値を示す。
【００５０】
図７のステップＳ１では、解析データ抽出部１０４は、正常データ格納部１０２中の事例ごとに、２４個のコイルのそれぞれの検出データに対して、分割した期間ごとの特徴値（図８（ｂ）参照）を求める。
【００５１】
次に、解析データ抽出部１０４は、分割した期間ごとの特徴値の間の相関係数を求める（ステップＳ３）。例えば、ステップＳ１で、各事例の各コイルの検出データをＮＴ個の期間に分割して各期間の特徴値を求めたとすると、各コイルについて図９の例の表に示す特徴値が得られる。図９を参照すると、各列は期間１，２，〜ＮＴのそれぞれに対応し、各行は事例１〜Ｎｃａｓｅ（Ｎｃａｓｅは正常な事例の個数）のそれぞれに対応する。図９の例の表中のｆｉ，ｊは、ｉ番目の事例における期間ｊの特徴値を表す。図７のステップＳ３では、解析データ抽出部１０４は、期間ｊ（ｊ＝１，２，…，ＮＴ）の特徴値の系列｛ｆ１，ｊ，ｆ２，ｊ，…，ｆＮｃａｓｅ，ｊ｝から２つを選択した組のすべてについて、２つの特徴値の系列の間の相関係数を求める。
【００５２】
相関係数は、２つの変数間の相関を示す指標であり、２つのデータ列｛ｘ１，…，ｘｎ｝，｛ｙ１，…，ｙｎ｝の間の相関係数ｒは、次の式（１）で求められる。
【数１】
ただし、
【数２】
である。
【００５３】
解析データ抽出部１０４は、例えば、式（１）及び式（２）のｘｉ及びｙｉのそれぞれに、期間ｊ，ｋ（ｊ≠ｋ）の特徴値ｆｉ，ｊ，ｆｉ，ｋ（ｉ＝１，…，Ｎｃａｓｅ）を代入することで、期間ごとの特徴値間の相関係数を求める。
【００５４】
図７のステップＳ３の処理の結果として、動作状態検出部１が備える２４個のコイルのそれぞれについて、期間ごとの特徴値間の相関係数行列が得られる。図１０の例の表は、特徴値間の相関係数行列の一例である。図１０の例の表において、行と列とが交差する欄の値は、当該行の期間の特徴値の系列と当該列の期間の特徴値の系列との間の相関係数を示す。なお、相関係数行列は対称行列となる。
【００５５】
各コイルについて期間ごとの特徴値間の相関係数を求めると、解析データ抽出部１０４は、各コイルについて、予め設定された閾値以上の相関係数を有する特徴値の系列の組のうち、一方の特徴値の系列を削除する（ステップＳ５）。例えば、期間ｍの特徴値の系列と期間ｎの特徴値の系列との間の相関係数が予め設定された閾値以上である場合に、期間ｍ又は期間ｎの特徴値の系列を削除する。このとき、期間ｍ及び期間ｎのいずれの特徴値の系列を削除するかは、任意に決定してよい。例えば、２つの系列のうちより小さい（又はより大きい）番号の期間の特徴値の系列を削除するように予め設定しておいてもよいし、削除する系列を２つの系列からランダムに決定してもよい。なお、ステップＳ５の閾値は、例えば、０．８〜０．９の間に設定される。
【００５６】
ステップＳ５の処理により、各コイルについて、他の期間の特徴値の系列との間の相関係数が予め設定された閾値よりも小さい期間の特徴値の系列が削除されずに残ることになる。言い換えると、ステップＳ５の処理は、各コイルについて、前述の条件を満たす期間の特徴値の系列を選択する処理である。また、相関係数は、２つのデータ系列の間の類似性を表す数値であることから、ステップＳ５の処理では、他の期間の特徴値の系列との間の類似性の低い期間の特徴値を選択しているとも捉えられる。
【００５７】
各コイルについてステップＳ５の処理が終了すると、解析データ抽出部１０４は、各コイルについて選択された期間の特徴値の系列を正常事例の解析データとして抽出する（ステップＳ７）。解析データ抽出部１０４は、抽出した解析データを正常データ格納部１０２に格納する。例えば、各コイルの識別情報に対応づけて、当該コイルについて選択された期間を表す識別情報とともに選択された期間の特徴値の系列を正常データ格納部１０２に格納する。
【００５８】
ステップＳ７で抽出された正常事例の解析データを用いて、第一マハラノビス距離算出部１０６は、各コイルについてのマハラノビス空間を生成する（ステップＳ９）。マハラノビス空間とは、マハラノビス距離の算出における基準空間である。
【００５９】
１つのコイルについてのマハラノビス空間は、例えば以下のように生成される。当該コイルについてＫ個の期間の特徴値の系列がステップＳ７で抽出されたとし、各系列を｛ｘ１１，ｘ２１，…，ｘＮｃａｓｅ１｝，｛ｘ１２，ｘ２２，…，ｘＮｃａｓｅ２｝，…，｛ｘ１Ｋ，ｘ２Ｋ，…，ｘＮｃａｓｅＫ｝と表す（図１１Ａ参照。各系列は図１１Ａの表の列に対応）。まず、第一マハラノビス距離算出部１０６は、各系列の解析データを次の式（３）に従って正規化する。
【数３】
ただし、式（３）において、ｍｊは、ｊ番目の系列｛ｘ１ｊ，ｘ２ｊ，…，ｘＮｃａｓｅｊ｝の平均値であり、ｓｊは、ｊ番目の系列の標準偏差である。
【００６０】
そして、正規化後の解析データの各系列｛ｕ１１，ｕ２１，…，ｕＮｃａｓｅ１｝，｛ｕ１２，ｕ２２，…，ｕＮｃａｓｅ２｝，…，｛ｕ１Ｋ，ｕ２Ｋ，…，ｕＮｃａｓｅＫ｝（図１１Ｂ参照。各系列は図１１Ｂの表の列に対応）について、次の式（４）に示す相関係数行列Ｒを求める。
【数４】
【００６１】
式（４）に示す相関係数行列Ｒの要素ｒｉｊ（ｉ，ｊ＝１，２，…，Ｋ；ｉ≠ｊ）は、正規化後の解析データのｉ番目の系列｛ｕ１ｉ，ｕ２ｉ，…，ｕＮｃａｓｅｉ｝とｊ番目の系列｛ｕ１ｊ，ｕ２ｊ，…，ｕＮｃａｓｅｊ｝との間の相関係数である。また、相関係数行列Ｒにおいて、ｒｉｊ＝ｒｊｉであり、ｉ＝ｊのときｒｉｊ＝１である。
【００６２】
さらに、第一マハラノビス距離算出部１０６は、この相関係数行列Ｒの逆行列Ａ（式（５））を求める。
【数５】
【００６３】
行列Ａの要素ａｉｊ（ｉ，ｊ＝１，２，…，Ｋ）は、行列の逆行列を求める公知のアルゴリズムにより算出すればよい。この行列Ａを当該コイルについてのマハラノビス空間とする。
【００６４】
第一マハラノビス距離算出部１０６は、診断対象の回路基板に関するマハラノビス距離の算出（後に詳述）に用いるため、各コイルについて求めたマハラノビス空間Ａの各要素ａｉｊを正常データ格納部１０２に格納しておく。
【００６５】
図７の例の手順の処理の実行後、診断対象の回路基板に対する故障診断処理が行われる。
【００６６】
以下、図１２を参照し、回路基板に対する故障診断処理の例を説明する。図１２は、故障診断処理の手順の一例を示すフローチャートである。故障診断装置１０は、図１２の例の手順の処理の開始の前に診断対象の回路基板の検出データを取得しておく。例えば、診断対象の回路基板を予め設定された長さの時間だけ動作させ、その時間分の検出データを動作状態検出部１が取得して動作状態データ格納部１００に格納しておく。図１２の例の手順の処理は、例えば、ユーザが故障診断装置１０に対して入力装置（図示しない）を介して故障診断処理の開始を指示した場合に開始される。
【００６７】
図１２を参照し、まず、解析データ抽出部１０４は、診断対象の回路基板の検出データについて、正常事例の解析データに対応する期間ごとの特徴値を算出する（ステップＳ１０）。ステップＳ１０の処理において、解析データ抽出部１０４は、まず、動作状態データ格納部１００から診断対象の回路基板の検出データを取得する。本例では、検出データは、動作状態検出部１として回路基板に設けられた各コイルから検出される誘導起電力の時系列データである。次に、解析データ抽出部１０４は、正常データ格納部１０２を参照し、各コイルについて、正常事例の解析データとして抽出された期間（図７のステップＳ５で選択された期間）を特定する。そして、診断対象の回路基板の検出データに含まれる各コイルの時系列データを用いて、当該コイルに対応する正常事例のコイルについて抽出された期間の特徴値を算出する。ここで算出される特徴値の種類（総和、二乗和、標準偏差、最大値、又は最小値など）は、図７のステップＳ１で正常な回路基板の検出データから算出された特徴値の種類と同様とする。
【００６８】
ステップＳ１０の後、算出した特徴値を診断対象の解析データとして抽出する（ステップＳ２０）。ステップＳ１０及びステップＳ２０により、診断対象の回路基板に設けられた各コイルについて、正常事例の解析データに対応する期間ごとの特徴値が診断対象の解析データとして求められる。
【００６９】
次に、診断対象の解析データを用いたマハラノビス距離算出処理（ステップＳ３０）が行われる。
【００７０】
図１３は、マハラノビス距離算出処理（ステップＳ３０）の詳細手順の例を示すフローチャートである。
【００７１】
図１３を参照し、第一マハラノビス距離算出部１０６により、診断対象の解析データについてコイルごとのマハラノビス距離が算出される（ステップＳ３００）。以下、１つのコイルに対するステップＳ３００の処理の手順の例を説明する。まず、第一マハラノビス距離算出部１０６は、当該コイルについて図１２のステップＳ２０で抽出された特徴値｛ｘｐ１，ｘｐ２，…，ｘｐＫ｝を上記の式（３）に従って正規化し、正規化後の特徴値｛ｕｐ１，ｕｐ２，…，ｕｐＫ｝を求める。なお、式（３）中のｍｊ及びｓｊは、それぞれ、当該コイルに対応する正常事例のコイルについて図７のステップＳ５で選択されたＫ個の期間のうちｊ番目の期間の特徴値の系列｛ｘ１ｊ，ｘ２ｊ，…，ｘＮｃａｓｅｊ｝の平均値及び標準偏差である。正規化後の特徴値を求めると、第一マハラノビス距離算出部１０６は、当該コイルに対応するコイルのマハラノビス空間Ａ（式（５））の各要素ａｉｊを正常データ格納部１０２から読み出し、次の式（６）に従ってマハラノビス距離Ｄ２を算出する。
【数６】
【００７２】
以上で説明した処理を２４個のコイルのそれぞれについて実行することで、診断対象の各コイルの解析データについて、各コイルの正常事例の解析データから生成されたマハラノビス空間に対するマハラノビス距離が算出される。以下、各コイルのマハラノビス空間に対して算出されるマハラノビス距離を「１段目」のマハラノビス距離と呼ぶ。図１４に、１段目のマハラノビス距離の一例を示す。図１４の例のグラフは、コイル番号１〜２４のコイルのそれぞれについて算出された１段目のマハラノビス距離の値を示す。
【００７３】
第二マハラノビス距離算出部１０８は、コイルごとに算出された１段目のマハラノビス距離を用いて、再度マハラノビス距離を算出する（ステップＳ３０２）。以下では、第二マハラノビス距離算出部１０８が算出するマハラノビス距離を「２段目」のマハラノビス距離と呼ぶ。
【００７４】
図１５に、２段目のマハラノビス距離の算出に用いられる値の例を示す。図１５を参照し、破線で囲んだ部分に含まれる値は、正常な回路基板におけるＮｃａｓｅ個の事例のそれぞれについての、各コイルのマハラノビス空間Ａに対するマハラノビス距離ＭＤｍ，ｎ（ｍ＝１，…，Ｎｃａｓｅ；ｎ＝１，…，２４）である。事例ｍについてのコイルｎのマハラノビス距離ＭＤｍ，ｎは、コイルｎの事例ｍの正規化後の特徴値｛ｕｍ１，ｕｍ２，…，ｕｍＫ｝（図１１Ｂの表の行に対応）とコイルｎのマハラノビス空間Ａの各要素とを上記の式（６）に代入することで求められる。また、図１５の例の表の最終行のマハラノビス距離ＭＤｐ，１，…，ＭＤｐ，２４は、各コイルについて診断対象の解析データを用いて図１３のステップＳ３００で算出された１段目のマハラノビス距離である（例えば、図１４参照）。
【００７５】
図１３のステップＳ３０２で、第二マハラノビス距離算出部１０８は、まず、正常事例の各コイルの（１段目の）マハラノビス距離を用いて、マハラノビス空間を生成する。具体的には、コイルｎの正常事例のマハラノビス距離の系列｛ＭＤ１，ｎ，…ＭＤＮｃａｓｅ，ｎ｝を上記の式（３）に従って正規化し、正規化後のマハラノビス距離の系列から相関係数行列Ｒ（式（４））を生成する。このとき、式（３）のｍｊ及びｓｊは、それぞれ、コイルｎのマハラノビス距離の系列｛ＭＤ１，ｎ，…ＭＤＮｃａｓｅ，ｎ｝の平均値及び標準偏差である。さらに、生成した相関係数行列Ｒから、その逆行列Ａ＝Ｒ−１の各要素ａｉｊの値を算出する。この逆行列Ａは、２段目のマハラノビス距離を求める基準のマハラノビス空間となる。また、第二マハラノビス距離算出部１０８は、診断対象の解析データの各コイルについて算出された１段目のマハラノビス距離ＭＤｐ，１，…，ＭＤｐ，２４を式（３）に従って正規化する。そして、正規化後のマハラノビス距離ＭＤ´ｐ，１，…，ＭＤ´ｐ，２４を上記の式（６）のｕｐｉ（ｉ＝１，２，…，２４）とし、正常事例のマハラノビス距離から生成した上述のマハラノビス空間Ａの各要素ａｉｊとともに式（６）に代入することで、２段目のマハラノビス距離を算出する。
【００７６】
ステップＳ３０２の後、マハラノビス距離算出処理は終了し、処理は図１２のステップＳ４０に進む。
【００７７】
再び図１２を参照し、ステップＳ４０において、正常／故障判定部１１０は、診断対象の回路基板が故障しているか否かを判定する。本例では、正常／故障判定部１１０は、図１３のステップＳ３０２で算出された２段目のマハラノビス距離が予め設定された閾値を超えていれば故障と判定し、２段目のマハラノビス距離が予め設定された閾値以下であれば正常と判定する。
【００７８】
故障と判定されると（ステップＳ４０でＹＥＳ）、結果表示部１１２は診断対象の回路基板の故障発生を表す情報を表示し（ステップＳ５０）、正常と判定されると（ステップＳ４０でＮｏ）、結果表示部１１２は、診断対象の回路基板が正常である旨を表す情報を表示する（ステップＳ６０）。ステップＳ５０及びステップＳ６０では、結果表示部１１２による表示に換えて、あるいは結果表示部１１２による表示に加えて、故障診断装置１０に接続された他の装置（例えば、コンピュータ又はプリンタなど）に対して故障発生を表す情報（ステップＳ５０）及び正常の旨を表す情報（ステップＳ６０）を出力してもよい。
【００７９】
ステップＳ５０又はステップＳ６０の後、図１２の例の手順の故障診断処理は終了する。
【００８０】
以下、マハラノビス距離算出処理（図１２のステップＳ３０，図１３）の変形例を説明する。１つの変形例のマハラノビス距離算出処理では、１段目のマハラノビス距離の算出処理（図１３のステップＳ３００）だけを行い、２段目のマハラノビス距離の算出処理（ステップＳ３０２）を行わない。本変形例のマハラノビス距離算出処理を行う場合、故障の有無の判定（図１２のステップＳ４０）において、正常／故障判定部１１０は、各コイルについて算出された１段目のマハラノビス距離を用いて診断対象の回路基板の故障の有無を判定する。例えば、予め設定された閾値を超える１段目のマハラノビス距離を有するコイルが所定の個数（事前に設定しておく）を超えれば故障と判定し、所定の個数以下であれば正常と判定する。あるいは、例えば、すべてのコイルについての１段目のマハラノビス距離が予め設定された閾値以下である場合に正常と判定し、その他の場合に故障と判定してもよい。
【００８１】
他の１つの変形例のマハラノビス距離算出処理では、１段目のマハラノビス距離の算出結果に応じて２段目のマハラノビス距離の算出を実行するか否かを決定する。図１６に、本変形例のマハラノビス距離算出処理の手順の例を示す。図１６に例示するフローチャートは、図１３のステップＳ３００とステップＳ３０２との間にステップＳ３０１の判定処理を含む。ステップＳ３０１では、各コイルについて算出された１段目のマハラノビス距離を用いて２段目のマハラノビス距離の算出を行うか否かが決定される。例えば、予め設定された閾値を超える１段目のマハラノビス距離を有するコイルが所定の個数（事前に設定しておく）を超えれば２段目のマハラノビス距離の算出を行うことを決定し、所定の個数以下であれば２段目のマハラノビス距離の算出を行わないことを決定する。また例えば、すべてのコイルについての１段目のマハラノビス距離が予め設定された閾値以下である場合に２段目のマハラノビス距離の算出を行い、その他の場合は２段目のマハラノビス距離の算出を行わないことを決定する。２段目のマハラノビス距離の算出を行うことが決定されると（ステップＳ３０１でＹＥＳ）、ステップＳ３０２が実行され、２段目のマハラノビス距離の算出を行わないことが決定されると（ステップＳ３０１でＮＯ）、ステップＳ３０２を実行せずに図１６の例の手順の処理は終了する。本変形例の場合、正常／故障判定部１１０による判定処理（図１２のステップＳ４０）では、例えば、２段目のマハラノビス距離が算出されていない場合、又は２段目のマハラノビス距離が算出されているけれどもその値が予め設定された閾値以下である場合に、診断対象の回路基板が正常であると判定し、２段目のマハラノビス距離が算出されていてその値が予め設定された閾値を超える場合に、診断対象の回路基板が故障していると判定すればよい。
【００８２】
＜第２実施形態＞
図１７は、第２実施形態における故障診断装置の構成の例を示すブロック図である。図１７において、図６と同様の要素には同一の符号を付し、その詳細な説明を省略する。図１７の例の故障診断装置１０は、図６に例示する故障診断装置１０（第１実施形態）が備える各要素に加えて、ＳＮ比算出部１２０、直交表データ格納部１２２、故障原因特定部１２４、及び故障原因別ＳＮ比格納部１２６を備える。
【００８３】
ＳＮ比算出部１２０は、診断対象の回路基板について算出された１段目のマハラノビス距離に関するＳＮ比を算出する。ここでの「ＳＮ比」は、システムの出力のばらつきを表す尺度であり、品質工学（タグチメソッド）で用いられる尺度である。本実施形態の例において、ＳＮ比算出部１２０は、診断対象の回路基板に設けられる２４個のコイル（動作状態検出部１）についての１段目のマハラノビス距離のそれぞれをパラメータとし、これらのパラメータのうちＳＮ比の算出に使用するパラメータの組み合わせを定めた直交表に従って、各組み合わせについてのＳＮ比を算出する。この直交表は直交表データ格納部１２２に予め格納され、ＳＮ比算出部１２０は、直交表データ格納部１２２を参照してＳＮ比を算出する。
【００８４】
故障原因特定部１２４は、診断対象の回路基板で故障が発生していると正常／故障判定部１１０が判定した場合に、当該回路基板についてＳＮ比算出部１２０が算出したＳＮ比を用いて当該回路基板の故障の原因を特定する処理を行う。故障原因特定部１２４は、故障の原因が判明している回路基板について算出されたＳＮ比を故障原因別に予め格納した故障原因別ＳＮ比格納部１２６を参照して、診断対象の回路基板の故障原因を特定する。
【００８５】
図１８に、第２実施形態における回路基板の故障診断処理の手順の例を示す。図１８の例のフローチャートは、ステップＳ７０の故障原因特定処理を除いて、第１実施形態の故障診断処理の例を表す図１２のフローチャートと同様である。また、第１実施形態の故障診断処理に関して上述したのと同様、図１８の例の故障診断処理の前に、図７の例の手順の処理を実行し、正常な回路基板の検出データから解析データを抽出し、各コイルについてマハラノビス空間を生成しておく。
【００８６】
図１８を参照し、ステップＳ１０〜ステップＳ４０では、図１２を参照して説明したステップＳ１０〜ステップＳ４０と同様の処理が行われる。ステップＳ４０で診断対象の回路基板が故障していると判定されると、故障原因特定処理（ステップＳ７０）が行われる。
【００８７】
図１９は、故障原因特定処理の詳細手順の例を示すフローチャートである。図１８のステップＳ７０の処理が開始されると、図１９の例の手順の処理が開始される。
【００８８】
図１９を参照し、まず、ＳＮ比算出部１２０は、診断対象の解析データに関して算出された１段目のマハラノビス距離を用いて、直交表データ格納部１２２に格納された直交表に従ってＳＮ比を算出する（ステップＳ７００）。
【００８９】
本例では、図２０に例示する直交表Ｌ２８を表す情報が直交表データ格納部１２２に予め格納されているものとする。図２０の例の直交表Ｌ２８の列１〜２４は各コイル１〜２４（についてのマハラノビス距離）に対応し、列２５〜２７は誤差に対応する列とする。直交表Ｌ２８の各行は、ＳＮ比の算出に使用するコイルのマハラノビス距離の組み合わせを表す。直交表Ｌ２８において、行と列とが交差する欄の記号「○」は、当該行の組み合わせにおいて当該列のコイルのマハラノビス距離をＳＮ比の算出に使用することを表し、記号「×」は、当該行の組み合わせにおいて当該列のコイルのマハラノビス距離をＳＮ比の算出に使用しないことを表す。例えば、図２０の例の直交表Ｌ２８の行１は、すべての列の欄が「○」であるので、すべてのコイル１〜２４のマハラノビス距離をＳＮ比の算出に使用することを表す。
【００９０】
以下、ステップＳ７００において図２０の直交表Ｌ２８に従ってＳＮ比を算出する手順の例を説明する。ＳＮ比算出部１２０は、診断対象の解析データの各コイルについて算出された１段目のマハラノビス距離ＭＤｐ，１，…，ＭＤｐ，２４を用いて、直交表Ｌ２８の行１〜２８について、それぞれ、ＳＮ比ηＬ２８−１，ηＬ２８−２，…，ηＬ２８−２８を算出する。ここで、直交表Ｌ２８の行ｉのＳＮ比ηＬ２８−ｉは、次の式（７）に従って算出される。
ηＬ２８−ｉ＝１０・ｌｏｇ（ｙｉ２／Ｓｉ２） （７）
【００９１】
式（７）において、
ｙｉ＝ΣＭＤｐ，ｕｉ／２４ （８）
Ｓｉ２＝Σ（ＭＤｐ，ｕｉ−ＭＤｐ，ＡＶＥ）２／（２４−１） （９）
である。式（８）及び式（９）において、“ｕｉ”は、直交表Ｌ２８の行ｉにおいてＳＮ比の算出に使用するものとして設定されているコイル（記号「○」の欄に対応するコイル）の番号を表し、ＭＤｐ，ｕｉは、当該番号のコイルについてのマハラノビス距離を表す。
【００９２】
また、式（９）におけるＭＤｐ，ＡＶＥは、
ＭＤｐ，ＡＶＥ＝ΣＭＤｐ，ｋ／２４ （１０）
である（ｋ＝１，２，３，…，２４）。
【００９３】
行１〜２８のＳＮ比ηＬ２８−１，ηＬ２８−２，…，ηＬ２８−２８を算出した後、ＳＮ比算出部１２０は、診断対象の解析データについて、各コイルのマハラノビス距離のＳＮ比に対する要因効果を表す値（ＳＮ比ｋ−○−ＳＮ比ｋ−×）を求める（ステップＳ７０２）。ＳＮ比ｋ−○は、コイルｋを使用して算出されたＳＮ比から定まる値であり、ＳＮ比ｋ−×は、当該コイルｋを使用せずに算出されたＳＮ比から定まる値である。ＳＮ比ｋ−○及びＳＮ比ｋ−×は、それぞれ、以下の式（１１），式（１２）により求められる。
ＳＮ比ｋ−○＝ΣηＬ２８−ｗｉｔｈｋ （１１）
ＳＮ比ｋ−×＝ΣηＬ２８−ｗｉｔｈｏｕｔｋ （１２）
式（１１）において、“ｗｉｔｈｋ”は、直交表Ｌ２８において、コイルｋの欄が「○」である行の番号を表す。また、式（１２）において、“ｗｉｔｈｏｕｔｋ”は、コイルｋの欄が「×」である行の番号を表す。
【００９４】
図２１は、各コイルｋのＳＮ比ｋ−○及びＳＮ比ｋ−×を示す要因効果図の一例である。図２１の例において、各コイルｋに対応する左側の点がＳＮ比ｋ−○の値を表し、右側の点がＳＮ比ｋ−×の値を表す。
【００９５】
診断対象の解析データについてコイルｋごとにＳＮ比ｋ−○−ＳＮ比ｋ−×が求められると（ｋ＝１，２，３，…，２４）、故障原因特定部１２４により、診断対象の解析データについてのＳＮ比ｋ−○−ＳＮ比ｋ−×と、故障原因別のＳＮ比ｋ−○−ＳＮ比ｋ−×と、の間の相関係数が算出される（ステップＳ７０４）。
【００９６】
故障原因別のＳＮ比ｋ−○−ＳＮ比ｋ−×は、故障原因の識別情報と関連づけて予めＳＮ比格納部１２６に格納される。故障原因別のＳＮ比ｋ−○−ＳＮ比ｋ−×は、例えば、以下のように求められる。まず、故障原因が判明している回路基板からの検出データを処理対象として、図１２及び図１８のステップＳ１０，Ｓ２０、図１３のステップＳ３００に関して上述したのと同様の処理により、１段目のマハラノビス距離が算出される。
【００９７】
図２２に、故障原因ごとに算出される１段目のマハラノビス距離の例を示す。図２２の例の表は、故障原因「故障Ａ」，「故障Ｂ」，…ごとに、各事例の検出データから算出された各コイルについての１段目のマハラノビス距離を示す。図２２の例において、各「事例」のマハラノビス距離は、対応する故障原因の故障が発生した回路基板を予め設定された長さの時間だけ動作させて得られる検出データについて求めたマハラノビス距離である。図２２の例の表では、「故障Ａ」について１つの事例のマハラノビス距離ＭＤＡ，１，…，ＭＤＡ，２４を示し、「故障Ｂ」について２つの事例のマハラノビス距離ＭＤＢ，１−１，…，ＭＤＢ，１−２４及びＭＤＢ，２−１，…，ＭＤＢ，２−２４を示す。図２２に例示する故障原因ごとの１段目のマハラノビス距離を用いて、直交表Ｌ２８（図２０参照）の各行に対応するＳＮ比が故障原因ごとに算出される。
【００９８】
図２３に、直交表Ｌ２８の各行に対応するＳＮ比の例を示す。図２３を参照し、１つの事例のマハラノビス距離が算出された「故障Ａ」の行ｉのＳＮ比ηＡ−Ｌ２８−ｉは、上記の式（７）に従って求められる。式（７）のｙｉ及びＳｉ２は、式（８）〜式（１０）において、ＭＤｐ，ｕｉにＭＤＡ，ｕｉを代入し、ＭＤｐ，ｋにＭＤＡ，ｋを代入することで求められる。また、２つの事例についてマハラノビス距離が算出された「故障Ｂ」の各行のＳＮ比ηＢ−Ｌ２８−１，…，ηＢ−Ｌ２８−２８は、各事例１，２についての行ｉのＳＮ比ηＢ−Ｌ２８−１−ｉ，ηＢ−Ｌ２８−２−ｉを用いて、次の式（１３）に従って求められる。
ηＢ−Ｌ２８−ｉ＝１０・ｌｏｇ｛ｙＢｉ／｛（１／ηＢ−Ｌ２８−１−ｉ）２＋（１／ηＢ−Ｌ２８−２−ｉ）２｝｝ （１３）
ただし、ｙＢｉは故障Ｂのｙｉを表し、ｙＢ１は故障Ｂの事例１のｙｉを、ｙＢ２は故障Ｂの事例２のｙｉを表し、ｙＢｉ＝（ｙＢ１＋ｙＢ２）で表す。
【００９９】
ただし、「故障Ｂ」の事例１についての行ｉのＳＮ比ηＢ−Ｌ２８−１−ｉは、式（８）〜式（１０）において、ＭＤｐ，ｕｉにＭＤＢ，１−ｕｉを代入し、ＭＤｐ，ｋにＭＤＢ，１−ｋを代入することで求めたｙｉ，Ｓｉ２を式（７）に代入することで求められ、事例２についての行ｉのＳＮ比ηＢ−Ｌ２８−２−ｉは、式（８）〜式（１０）において、ＭＤｐ，ｕｉにＭＤＢ，２−ｕｉを代入し、ＭＤｐ，ｋにＭＤＢ，２−ｋを代入することで求めたｙｉ，Ｓｉ２を式（７）に代入することで求められる。
【０１００】
以上のように故障原因Ｘごとに直交表Ｌ２８の行ｉに対応するＳＮ比ηＸ−Ｌ２８−ｉを求めると、上記の式（１１）及び式（１２）に従って、当該故障原因Ｘにおける各コイルｋについてのＳＮ比ｋ−○及びＳＮ比ｋ−×が求められる。これにより、故障原因ごとのコイルｋの要因効果を表す値ＳＮ比ｋ−○−ＳＮ比ｋ−×が算出される。すなわち、故障原因ごとに、図２１に例示した要因効果図と同様の構成の要因効果図が得られることになる。故障原因別ＳＮ比格納部１２６には、各故障原因の識別情報に対応づけて、当該故障原因について求められたＳＮ比ｋ−○−ＳＮ比ｋ−×（ｋ＝１，２，…，２４）が格納される。
【０１０１】
図１９の説明に戻り、故障原因特定部１２４によるステップＳ７０４の処理により、上述のように算出されて予め故障原因別ＳＮ比格納部１２６に格納されたＳＮ比ｋ−○−ＳＮ比ｋ−×について、故障原因ごとに、ステップＳ７０２で診断対象の解析データから算出されたＳＮ比ｋ−○−ＳＮ比ｋ−×との間の相関係数が得られる。例えば、故障原因別ＳＮ比格納部１２６に故障原因Ａ〜ＦのＳＮ比ｋ−○−ＳＮ比ｋ−×が予め格納されていた場合、故障原因Ａ〜Ｆのそれぞれについて相関係数が得られる。
【０１０２】
その後、結果表示部１１２は、ステップＳ７０４で得られた相関係数が最大である故障原因を診断対象の回路基板の故障原因として表示する（ステップＳ７０６）。なお、ステップＳ７０６では、図１２のステップＳ５０，Ｓ６０を参照して説明したのと同様、結果表示部１１２による表示に換えて、あるいは結果表示部１１２による表示に加えて、故障診断装置１０に接続された他の装置に対して、相関係数が最大である故障原因を診断対象の回路基板の故障原因とする情報を出力してもよい。ステップＳ７０６が終了すると、図１９の例の手順の故障原因特定処理は終了する。
【０１０３】
再び図１８を参照し、ステップＳ７０（故障原因特定処理）又はステップＳ６０の終了後、故障診断処理は終了する。
【０１０４】
＜第３実施形態＞
図２４に、第３実施形態における故障診断装置１０の構成の例を示す。図２４に例示する故障診断装置１０は、図１７の例の故障診断装置１０が備える各要素に加えて、正常データ更新部１３０及び故障原因別ＳＮ比更新部１３２を備える。図２４において、図１７と同様の構成要素には同様の符号を付し、その詳細な説明を省略する。
【０１０５】
正常データ更新部１３０は、正常データ格納部１０２のデータ内容を更新する。例えば、正常データ更新部１３０は、正常な回路基板からの検出データを新たに取得し、新たに取得した検出データを処理対象として図７の例の手順の処理を行うことで、解析データを抽出し、新たなマハラノビス空間を生成する。あるいは、正常データ更新部１３０は、新たに取得した検出データと正常データ格納部１０２に格納済みの検出データとの両方を用いて新たなマハラノビス空間の生成を行ってもよい。正常データ更新部１３０は、新たに取得した検出データから抽出した解析データ及び生成した新たなマハラノビス空間を正常データ格納部１０２に格納することで正常データ格納部１０２を更新する。なお、正常データ更新部１３０が取得する「正常な回路基板からの検出データ」は、正常であることが既に判明している回路基板から取得した検出データであってもよいし、正常／故障判定部１１０が正常であると判定した回路基板の検出データであってもよい。
【０１０６】
故障原因別ＳＮ比更新部１３２は、故障原因別ＳＮ比格納部１２６を更新する。例えば、故障原因別ＳＮ比更新部１３２は、故障原因が判明している回路基板からの検出データを新たに取得し、当該検出データに係る故障原因について、当該検出データを用いて、コイルｋごとのＳＮ比ｋ−○−ＳＮ比ｋ−×を、図２２及び図２３を参照して上記で説明したとおりに再度算出する。そして、算出したＳＮ比ｋ−○−ＳＮ比ｋ−×を対応する故障原因の識別情報と関連づけて故障原因別ＳＮ比格納部１２６に格納することで、故障原因別ＳＮ比格納部１２６を更新する。故障原因別ＳＮ比更新部１３２が新たに取得する検出データは、例えば、故障原因特定部１２４により故障原因が特定された回路基板からの検出データであってよい。
【０１０７】
正常データ更新部１３０及び故障原因別ＳＮ比更新部１３２のそれぞれにおける上述の更新処理は、例えば予め設定された時間間隔で行ってもよいし、管理者又は回路基板の開発者などにより指定されたタイミングで行なってもよい。
【０１０８】
第３実施形態の変形例では、図６の例の故障診断装置１０の各構成要素に加えてさらに上述の正常データ更新部１３０を備える故障診断装置１０を実現してもよい。
【０１０９】
上述の各種の実施形態の例では、動作状態検出部１から取得される時系列の検出データを分割した期間ごとに特徴値を算出し、期間ごとの特徴値の系列の間の相関係数行列を求めることで、マハラノビス空間の生成に用いる解析データを抽出する（図７及び図８参照）。上述の各種の実施形態において、検出データを分割して期間ごとの検出値の統計量を特徴値として算出する代わりに、各時刻の検出値をそのまま当該時刻の特徴値として用いてもよい。この例において、マハラノビス空間を生成する処理では、例えば、図７の例の手順のステップＳ１を省略し、ステップＳ３において、複数の正常事例の検出データの各時刻ごとの検出値の系列の間の相関係数を求めて相関係数行列を生成する。例えば、図１０の例の表における期間１，２，…，ＮＴを検出データの各時刻に置き換えた相関係数行列が生成される。時刻ごとの検出値（特徴値）間の相関係数行列を用いて図７の例のステップＳ５以下の処理を行うことで、他の時刻の検出値の系列との間の相関係数が予め設定された閾値以下である時刻の検出値の系列が解析データとして抽出され、マハラノビス空間が生成される。本例の場合、故障診断処理において診断対象の回路基板の検出データから抽出される解析データは、正常時例の各コイルについて抽出された解析データに対応する時刻の検出値である。
【０１１０】
上述の各種の実施形態及び変形例の故障診断装置１０は、例えば、汎用のコンピュータにより実現される。また例えば、マイクロコンピュータにより演算を行う組み込みシステムとして故障診断装置１０を実現してもよい。いずれにしても、故障診断装置は、例えば、図２５の例のハードウエア構成を有する装置により実現される。図２５に例示する装置は、ＣＰＵ６０、メモリ（一次記憶）６２、各種Ｉ／Ｏ（入出力）インタフェース６４等がバス６６を介して接続された回路構成を有する。また、そのバス６６に対し、例えばＩ／Ｏインタフェース６４経由で、記憶装置６８や、動作状態検出部として機能する機器からの検出データなどの情報の入力を受け付ける入力部７０、処理の結果を表示する表示部７２などが接続される。上述の実施形態の処理内容が記述されたプログラムが記憶装置６８に記憶され、記憶されたプログラムがメモリ６２に読み出されＣＰＵ６０により実行されることにより、実施形態の処理が実現される。
【０１１１】
なお、上述の各種の実施形態及び変形例では、故障診断装置１０の各部の機能を１つのコンピュータで実現する態様を説明したが、これに限定されるものではない。故障診断装置１０の各部の機能は一般的なコンピュータをプログラムにより制御することによって実現できるものであり、これらの装置の各機能を適宜組み合わせて１つのコンピュータで処理させてもよいし、各機能をネットワーク等で接続された複数のコンピュータで分散処理させてもよい。
【符号の説明】
【０１１２】
１ 動作状態検出部、１０ 故障診断装置、３１，５１ 回路基板、３３ ＩＣ、３４，４１，５４ 容量成分、３５，４３ 配線群、４２ 浮遊容量成分、６０ ＣＰＵ、６２ メモリ、６４ Ｉ／Ｏインタフェース、６６ バス、６８ 記憶装置、７０ 入力部、７２ 表示部、１００ 動作状態データ格納部、１０２ 正常データ格納部、１０４ 解析データ抽出部、１０６ 第一マハラノビス距離算出部、１０８ 第二マハラノビス距離算出部、１１０ 正常／故障判定部、１１２ 結果表示部、１２０ ＳＮ比算出部、１２２ 直交表データ格納部、１２４ 故障原因特定部、１２６ 故障原因別ＳＮ比格納部、１３０ 正常データ更新部、１３２ 故障原因別ＳＮ比更新部。
【技術分野】
【０００１】
本発明は、検出データ処理装置及びプログラムに関する。
【背景技術】
【０００２】
一般に、パーソナルコンピュータや複写機等の電子機器は、その性能や機能を実現するために、様々な用途のアナログおよびデジタルの電子回路が、ＰＷＢＡと呼ばれるプリント配線板アセンブリ（以下、単に「回路基板」という）の形で搭載されている。また、自動車、航空、ロボット、半導体設計装置等といった他の産業機器においても、動作制御等の手段として、信頼性が高く、高速・高精度での動作が可能な回路基板が数多く搭載されている。これらの回路基板は、一連の機能を実現するために、様々な形でケーブルを介して接続されることにより、所望のスペックが実現されている。
【０００３】
ところで、回路基板が搭載される機器が使用される環境は、通常はオフィス内であったり、家屋内であったりするが、それ以外の過酷な環境下で使用される場合もある。そのため、特に使用環境が劣悪である場合には、通常の方法で使用していたとしても、様々な異常や故障等が発生する可能性がある。また、通常の使用環境下で使用している場合でも、電子回路の異常や故障等は発生するが、その頻度は必ずしも低いとは言えない。このような回路基板に発生した異常や故障等については、安全性やコスト等の面から早急な対応が必要である。このことから、回路基板が搭載される機器においては、その回路基板の異常又は故障の検出を行うことがある。
【０００４】
一方、各種の装置の異常又は故障の検出においてマハラノビス距離を用いる技術が提案されている。
【０００５】
例えば、特許文献１には、紙葉類の良品または不良品の判別を行う技術において、紙葉類に対してレーザ光を走査したときの透過光量及び反射光量の測定データの平均値、標準偏差及びその参照データに基づいて相関係数を求め、この相関係数から紙葉類の良否を判別し、かつ平均値 、標準偏差、及び相関係数を用いてマハラノビスの距離を求め、このマハラノビス距離を閾値比較することで、紙葉類の良否判別を行う技術が開示されている。
【０００６】
また、特許文献２には、ＭＴ（マハラノビス・タグチ）システムを用い、移動体の各部における特性量を第１の信号として計測し、第１の信号に対して、移動体の故障に基づく波形成分を強調する所定の信号処理を施して第２の信号を生成し、マハラノビス距離算出式に第２の信号から複数ポイントの信号値を抽出してベクトルデータを代入してマハラノビス距離を算出することで、移動体の故障を検出する技術が開示されている。
【０００７】
また、特許文献３には、半導体製造装置の正常動作状態下で所定のパラメータについてデータをサンプリングし、サンプリングされたデータ群に基づいてマハラノビス空間を作成し、半導体製造装置の動作状態で得られる前記パラメータについてマハラノビス距離を算出し、マハラノビス距離の値が所定の値を超えたとき、半導体製造装置が異常動作を生じたと判定する技術が開示されている。特許文献３には、さらに、前記パラメータ以外の複数のパラメータであってそれぞれが異常状況を示す複数のパラメータのそれぞれに基づいて異常状況下のマハラノビス空間を予め作成しておき、前述の正常動作状態下のデータに基づくマハラノビス空間に対して得られたマハラノビス距離から半導体製造装置が異常動作を生じたと判定された場合に、各パラメータが故障状況下である場合のマハラノビス空間に対応するマハラノビス距離を算出し、算出したマハラノビス距離が最も近い異常状況を示すパラメータに故障があったことを推定する技術が開示されている。
【先行技術文献】
【特許文献】
【０００８】
【特許文献１】特開平１１−３３９０８９号公報
【特許文献２】特開２００８−１０８２５０号公報
【特許文献３】特開２０００−１１４１３０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
マハラノビス距離を用いて装置等の異常又は故障の検出を行う場合、その装置等の特徴をより良く表すパラメータに基づいてマハラノビス空間を生成すると、より高精度の検出結果が得られる。
【００１０】
ところで、電子機器に搭載される回路基板は、その電子機器の高性能化や多機能化等に伴い、例えば複数の回路基板が接続されて構成されるといったように、その構成が複雑化や多様化する傾向にある。よって、電子機器に搭載される回路基板において、異常又は故障の発生時の回路基板の動作状態を事前に予測することは困難である場合がある。
【００１１】
したがって、電子機器に搭載される回路基板の異常又は故障の検出にマハラノビス距離を用いる場合、マハラノビス空間を生成するのに適切なパラメータを選択して精度良く異常又は故障を検出することは困難である。
【００１２】
本発明の目的の１つは、回路基板における異常又は故障を高精度に検出することを支援する技術を提供することである。
【課題を解決するための手段】
【００１３】
請求項１に係る発明は、回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択する選択手段と、正常な回路基板を動作させたときの前記検出データから前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出する第一算出手段と、を備えることを特徴とする検出データ処理装置である。
【００１４】
請求項２に係る発明は、請求項１に係る発明において、前記検出手段は、回路基板において複数の検出位置の動作状態を検出し、前記選択手段は、前記複数の検出位置のそれぞれに対応する前記検出データについて前記解析データを選択し、前記第一算出手段は、前記複数の検出位置のそれぞれについて、正常な回路基板を動作させたときの当該検出位置の前記検出データについて前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの当該検出位置の前記検出データと、に基づいて前記第一のマハラノビス距離を算出する。
【００１５】
請求項３に係る発明は、請求項２に係る発明において、前記正常な回路基板を動作させたときの前記複数の検出位置のそれぞれに対応する前記検出データと、当該検出位置について生成された前記第一のマハラノビス空間と、に基づいて、前記正常な回路基板に関する前記複数の検出位置ごとのマハラノビス距離を算出し、当該算出したマハラノビス距離から生成される第二のマハラノビス空間と、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離と、に基づいて、前記診断対象の回路基板に関する第二のマハラノビス距離を算出する第二算出手段、をさらに備える。
【００１６】
請求項４に係る発明は、請求項３に係る発明において、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離に基づいて、前記第二のマハラノビス距離の算出を行うか否かを決定する決定手段、をさらに備え、前記第二算出手段は、前記第二のマハラノビス距離の算出を行うことを前記決定手段が決定した場合に、前記第二のマハラノビス距離の算出を行う。
【００１７】
請求項５に係る発明は、請求項２から４のいずれか１項に係る発明において、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離を使用するか否かの組み合わせ条件を予め記憶した記憶手段を参照し、前記組み合わせ条件に従って、前記診断対象の回路基板に関するＳＮ比を算出するＳＮ比算出手段、をさらに備える。
【００１８】
請求項６に係る発明は、請求項５に係る発明において、回路基板の故障原因ごとに、当該故障原因の故障の生じた回路基板に関して算出されたＳＮ比を予め記憶した記憶手段をさらに参照し、前記ＳＮ比算出手段が算出した前記診断対象の回路基板に関するＳＮ比と、前記記憶手段に記憶された前記故障原因ごとのＳＮ比と、を用いて、前記診断対象の回路基板と前記故障原因それぞれの故障の生じた回路基板との間の相関関係を求め、求めた相関関係を表す値が最も大きい故障原因を出力する出力手段、をさらに備える。
【００１９】
請求項７に係る発明は、回路基板の動作状態を検出する検出手段から正常な回路基板を動作させたときに取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択し、前記解析データを用いて生成されたマハラノビス空間を表す情報を記憶した記憶手段を参照し、前記記憶手段に記憶された前記マハラノビス空間と、診断対象の回路基板を動作させたときに前記検出手段から取得した検出データと、に基づいてマハラノビス距離を算出する算出手段、を備えることを特徴とする検出データ処理装置である。
【００２０】
請求項８に係る発明は、回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択するステップと、正常な回路基板を動作させたときの前記検出データから選択された前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出するステップと、をコンピュータに実行させることを特徴とするプログラムである。
【発明の効果】
【００２１】
請求項１、７、又は８に係る発明によると、正常な回路基板の動作状態に応じて選択された解析データに基づく第一のマハラノビス空間を用いて第一のマハラノビス距離を算出できる。
【００２２】
請求項２に係る発明によると、回路基板における複数の検出位置のそれぞれについて、正常な回路基板からの検出データに基づいて生成された第一のマハラノビス空間に対する第一のマハラノビス距離を算出できる。
【００２３】
請求項３に係る発明によると、正常な回路基板からの検出データと故障の発生した回路基板からの検出データとの間の差異を、第一のマハラノビス距離よりもさらに強調して表す第二のマハラノビス距離を算出できる。
【００２４】
請求項４に係る発明によると、第一のマハラノビス距離の算出結果に応じて第二のマハラノビス距離の算出を行うか否かを決定できる。
【００２５】
請求項５に係る発明によると、診断対象の回路基板における各検出位置に対応する第一のマハラノビス距離についてＳＮ比を求めることができる。
【００２６】
請求項６に係る発明によると、診断対象の回路基板の故障原因の特定を支援する情報を出力できる。
【図面の簡単な説明】
【００２７】
【図１】回路基板の動作状態を検出する検出手段を設けた回路基板の一例を示す図である。
【図２Ａ】回路基板に設けられた平面コイルの出力信号の時間変化の例を示す図である。
【図２Ｂ】回路基板に設けられた平面コイルの出力信号の時間変化の他の例を示す図である。
【図３】回路基板の動作状態を検出する検出手段の構成の例を示す図である。
【図４】図３に例示する配置の等価回路を示す図である。
【図５】回路基板の動作状態を検出する検出手段の構成の他の例を示す図である。
【図６】故障診断装置の構成の例を示すブロック図である。
【図７】故障診断装置で行われる処理の手順の例を示すフローチャートである。
【図８】検出データから特徴値を算出する処理の例を説明するための図である。
【図９】検出データを分割した期間ごとの特徴値間の相関係数を求める処理の例を説明するための図である。
【図１０】期間ごとの特徴値間の相関係数行列の例を示す図である。
【図１１Ａ】マハラノビス空間の生成に用いられる特徴値の例を示す表である。
【図１１Ｂ】正規化後の特徴値の例を示す表である。
【図１２】故障診断処理の手順の例を示すフローチャートである。
【図１３】マハラノビス距離算出処理の手順の例を示すフローチャートである。
【図１４】第一マハラノビス距離算出部が算出する１段目のマハラノビス距離の値の例を示す図である。
【図１５】２段目のマハラノビス距離の算出に用いられる値の例を示す図である。
【図１６】マハラノビス距離算出処理の手順の他の例を示すフローチャートである。
【図１７】故障診断装置の構成の他の例を示すブロック図である。
【図１８】故障診断処理の手順の他の例を示すフローチャートである。
【図１９】故障原因特定処理の手順の例を示すフローチャートである。
【図２０】Ｌ２８直交表の例を示す図である。
【図２１】各コイルのマハラノビス距離のＳＮ比に関して得られる要因効果図の例を示す図である。
【図２２】故障原因ごとに得られる１段目のマハラノビス距離の例を示す図である。
【図２３】故障原因ごとに算出されるＳＮ比の例を示す図である。
【図２４】故障診断装置の構成のさらに他の例を示す図である。
【図２５】コンピュータのハードウエア構成の例を示す図である。
【発明を実施するための形態】
【００２８】
以下で説明する本発明の各種の実施形態では、回路基板の動作状態を検出する検出手段から取得される検出データを用いて、回路基板の故障診断のための処理が行われる。
【００２９】
図１に、回路基板の動作状態を検出する検出手段を設けた回路基板の一例を示す。図１を参照し、回路基板Ｓには、ＣＰＵ（Central Processing Unit）、ＡＳＩＣ（Application Specific Integration Circuit）、及びＳＤＲＡＭ（Synchronous Dynamic Random Access Memory）等の各部品及び部品間を電気的に接続する配線が設けられる。回路基板Ｓには、さらに、平面コイルｃ１，ｃ２，ｃ３，ｃ４が設けられる。平面コイルｃは、回路基板Ｓの動作状態を検出する検出手段である。平面コイルｃは、例えば、回路基板Ｓ上の各部品の付近及び／又は配線の付近に配置され、回路基板Ｓの動作中に発生する誘導起電力を検出する。この誘導機電力が検出データとして後述の実施形態の処理に用いられる。平面コイルｃは、平面コイルを配線したＦＰＣ（Flexible Printed Circuit）を回路基板Ｓに密着させる等の方法により回路基板Ｓに設けられる。
【００３０】
図２Ａ及び図２Ｂに、回路基板Ｓを動作させたときの平面コイルｃの出力信号の時間変化の例を示す。図２Ａは、回路基板Ｓの正常時の平面コイルｃの出力信号の一例を示す。図２Ｂは、回路基板Ｓの故障時の平面コイルｃの出力信号の一例を示す。図２Ａ及び図２Ｂに例示する出力波形は、回路基板Ｓ上の同じ位置に設けられた平面コイルｃから得られたものである。回路基板Ｓの故障時の平面コイルｃの出力信号の波形は正常時の波形と異なる。回路基板Ｓの故障時の平面コイルｃの出力信号は、回路基板Ｓの故障原因に応じて様々な波形を示し得る。故障原因としては、例えば、部品不良、断線、及び短絡などが挙げられる。
【００３１】
以下、図３〜図５を参照し、回路基板の動作状態を検出する検出手段を平面コイルの他の構成で実現する場合の例を述べる。
【００３２】
図３は、回路基板３１に設けられたＩＣ（Integrated Circuit）３３のピンから回路基板３１の入出力部へ直接接続される配線群３５における動作状態を検出する例を示す。配線群３５に垂直にインピーダンス成分として容量成分３４を配置し、信号の変化に際して発生するクロストークによってその両端に生ずる電位Ｖｃｏｕｐｌｅを測定する。図４は、図３に例示する配置の等価回路を示す。図４を参照し、配線群４３に直交するように容量成分４１を配置する。容量成分４１を構成するラインと各配線群３５との間にはクロストークを生じる原因となる浮遊容量成分４２が生じる。
【００３３】
図５では、回路基板５１の入出力部へ接続される単線の配線（マイクロストリップライン）５５において回路基板５１の面に垂直に容量成分５４を配置し、信号の変化に際して発生するクロストークによってその両端に生ずる電位Ｖｃｏｕｐｌｅを測定する。この例の場合、回路基板５１上の入出力配線ごとに、図５に例示するように容量成分５４を設けて電位Ｖｃｏｕｐｌｅを測定して信号変化の状態を得る。
【００３４】
図３〜図５を参照して説明した例では、電位Ｖｃｏｕｐｌｅの測定値が、回路基板の動作状態の検出データとして用いられる。
【００３５】
なお、以下の各種の実施形態の説明では、１つの回路基板に２４個の平面コイル（以下、単に「コイル」と言う）を設け、回路基板の動作状態を表す検出データとして各コイルが検出する誘導起電力を用いるものとする。しかしながら、回路基板に設けられる検出手段の種類及び個数はこれに限定されるものではない。以下で説明する各種の実施形態及び変形例における処理において、例えば、図３〜図５の例の容量成分のように、誘導起電力と異なる検出データを検出する検出手段を用いてもよい。また、１つの回路基板に設ける検出手段の個数は、例えば、回路基板の開発者などにより動作状態の検出が必要と判断された回路基板上の位置に応じて異なる数に設定してよい。
【００３６】
＜第１実施形態＞
図６に、第１実施形態における故障診断装置の構成の例を示す。故障診断装置１０は、回路基板の動作状態を検出する動作状態検出部１と電気的に接続される。本例において、動作状態検出部１は、上述のように、回路基板に設けられた２４個のコイルを備える。
【００３７】
故障診断装置１０は、動作状態検出部１からの検出データを用いて回路基板の故障診断を行う。故障診断装置１０の機能の一部が本発明の１つの実施形態の検出データ処理装置として機能する。故障診断装置１０は、動作状態データ格納部１００、正常データ格納部１０２、解析データ抽出部１０４、第一マハラノビス距離算出部１０６、第二マハラノビス距離算出部１０８、正常／故障判定部１１０、及び結果表示部１１２を備える。
【００３８】
動作状態データ格納部１００は、動作状態検出部１から取得した検出データを格納する。本例では、回路基板に設けられた２４個のコイルから取得される誘導起電力の検出データが動作状態データ格納部１００に格納される。
【００３９】
正常データ格納部１０２は、正常な回路基板を動作させたときに動作状態検出部１から取得される検出データを格納する。正常データ格納部１０２は、さらに、後述する解析データ及びマハラノビス空間など、正常な回路基板を動作させたときの検出データから得られる各種の情報を格納する。
【００４０】
解析データ抽出部１０４は、動作状態データ格納部１００に格納された診断対象の回路基板の検出データ及び正常データ格納部１０２に格納された検出データから故障診断装置１０における処理に用いる解析データを抽出する。
【００４１】
第一マハラノビス距離算出部１０６は、正常な回路基板の検出データから解析データ抽出部１０４が抽出した解析データを用いて生成したマハラノビス空間と、診断対象の回路基板の検出データから解析データ抽出部１０４が抽出した解析データと、に基づいてマハラノビス距離を算出する。
【００４２】
第二マハラノビス距離算出部１０８は、第一マハラノビス距離算出部１０６が用いたマハラノビス空間に対する正常な回路基板の解析データのマハラノビス距離と、第一マハラノビス距離算出部１０６が診断対象の回路基板に付いて算出したマハラノビス距離と、を用いて、再度マハラノビス距離を算出する。
【００４３】
正常／故障判定部１１０は、第二マハラノビス距離算出部１０８が算出したマハラノビス距離を用いて、診断対象の回路基板における故障の有無を判定する。
【００４４】
結果表示部１１２は、正常／故障判定部１１０による判定の結果を表示する。
【００４５】
以下、故障診断装置１０の各部が行う処理の詳細を説明する。
【００４６】
図７は、第一マハラノビス距離算出部１０６で用いるマハラノビス空間を生成する処理の手順の例を示すフローチャートである。図７の例の手順の処理は、診断対象の回路基板に対する故障診断処理のための準備に相当する処理である。
【００４７】
マハラノビス空間は、正常データ格納部１０２に格納された正常な回路基板の検出データに基づいて生成される。図７の例の処理の開始時には、正常データ格納部１０２に、正常な回路基板についての複数の事例の検出データが予め格納されているものとする。ここで、１つの「事例」の検出データとは、予め設定された長さの時間だけ正常な回路基板を動作させたときに動作状態検出部１から得られる検出データである。本例では、各事例の検出データは、正常な回路基板に設けられた２４個のコイルのそれぞれが検出した誘導起電力の時系列データ（例えば図２参照）を含む。なお、複数の事例の検出データは、１つの正常な回路基板を複数回動作させて得た検出データであってよいし、部品の配置及び部品間の配線とコイルの配置とが同じである複数の回路基板（いずれも正常であることがわかっているもの）をそれぞれ動作させて得た検出データであってもよい。また、複数の事例において両者が混在していてもよい。
【００４８】
図７の例の処理が開始されると、まず、解析データ抽出部１０４は、正常データ格納部１０２中の各事例の検出データについて、予め設定された期間に分割し、分割した期間ごとの特徴値を求める（ステップＳ１）。
【００４９】
図８を参照し、ステップＳ１の処理の例の詳細を説明する。図８（ａ）は、１つの事例の検出データに含まれる１つのコイルの検出データ（誘導起電力の時系列データ）の例を示し、図８（ｂ）は、図８（ａ）に例示する検出データから求められる特徴値の例を示す。解析データ抽出部１０４は、図８（ａ）に例示するように、コイルの検出データを予め設定された期間に分割する。そして、分割した期間ごとに、その期間に含まれる検出値（本例では誘導起電力の値）から得られる特徴値を算出する。この特徴値は、当該期間に含まれる検出値から算出される統計量（例えば、総和、二乗和、標準偏差、最大値、又は最小値など）であってよい。図８（ｂ）に例示するグラフ中の各点は、図８（ａ）に例示するグラフを分割した各期間の検出値から得られる特徴値を示す。
【００５０】
図７のステップＳ１では、解析データ抽出部１０４は、正常データ格納部１０２中の事例ごとに、２４個のコイルのそれぞれの検出データに対して、分割した期間ごとの特徴値（図８（ｂ）参照）を求める。
【００５１】
次に、解析データ抽出部１０４は、分割した期間ごとの特徴値の間の相関係数を求める（ステップＳ３）。例えば、ステップＳ１で、各事例の各コイルの検出データをＮＴ個の期間に分割して各期間の特徴値を求めたとすると、各コイルについて図９の例の表に示す特徴値が得られる。図９を参照すると、各列は期間１，２，〜ＮＴのそれぞれに対応し、各行は事例１〜Ｎｃａｓｅ（Ｎｃａｓｅは正常な事例の個数）のそれぞれに対応する。図９の例の表中のｆｉ，ｊは、ｉ番目の事例における期間ｊの特徴値を表す。図７のステップＳ３では、解析データ抽出部１０４は、期間ｊ（ｊ＝１，２，…，ＮＴ）の特徴値の系列｛ｆ１，ｊ，ｆ２，ｊ，…，ｆＮｃａｓｅ，ｊ｝から２つを選択した組のすべてについて、２つの特徴値の系列の間の相関係数を求める。
【００５２】
相関係数は、２つの変数間の相関を示す指標であり、２つのデータ列｛ｘ１，…，ｘｎ｝，｛ｙ１，…，ｙｎ｝の間の相関係数ｒは、次の式（１）で求められる。
【数１】
ただし、
【数２】
である。
【００５３】
解析データ抽出部１０４は、例えば、式（１）及び式（２）のｘｉ及びｙｉのそれぞれに、期間ｊ，ｋ（ｊ≠ｋ）の特徴値ｆｉ，ｊ，ｆｉ，ｋ（ｉ＝１，…，Ｎｃａｓｅ）を代入することで、期間ごとの特徴値間の相関係数を求める。
【００５４】
図７のステップＳ３の処理の結果として、動作状態検出部１が備える２４個のコイルのそれぞれについて、期間ごとの特徴値間の相関係数行列が得られる。図１０の例の表は、特徴値間の相関係数行列の一例である。図１０の例の表において、行と列とが交差する欄の値は、当該行の期間の特徴値の系列と当該列の期間の特徴値の系列との間の相関係数を示す。なお、相関係数行列は対称行列となる。
【００５５】
各コイルについて期間ごとの特徴値間の相関係数を求めると、解析データ抽出部１０４は、各コイルについて、予め設定された閾値以上の相関係数を有する特徴値の系列の組のうち、一方の特徴値の系列を削除する（ステップＳ５）。例えば、期間ｍの特徴値の系列と期間ｎの特徴値の系列との間の相関係数が予め設定された閾値以上である場合に、期間ｍ又は期間ｎの特徴値の系列を削除する。このとき、期間ｍ及び期間ｎのいずれの特徴値の系列を削除するかは、任意に決定してよい。例えば、２つの系列のうちより小さい（又はより大きい）番号の期間の特徴値の系列を削除するように予め設定しておいてもよいし、削除する系列を２つの系列からランダムに決定してもよい。なお、ステップＳ５の閾値は、例えば、０．８〜０．９の間に設定される。
【００５６】
ステップＳ５の処理により、各コイルについて、他の期間の特徴値の系列との間の相関係数が予め設定された閾値よりも小さい期間の特徴値の系列が削除されずに残ることになる。言い換えると、ステップＳ５の処理は、各コイルについて、前述の条件を満たす期間の特徴値の系列を選択する処理である。また、相関係数は、２つのデータ系列の間の類似性を表す数値であることから、ステップＳ５の処理では、他の期間の特徴値の系列との間の類似性の低い期間の特徴値を選択しているとも捉えられる。
【００５７】
各コイルについてステップＳ５の処理が終了すると、解析データ抽出部１０４は、各コイルについて選択された期間の特徴値の系列を正常事例の解析データとして抽出する（ステップＳ７）。解析データ抽出部１０４は、抽出した解析データを正常データ格納部１０２に格納する。例えば、各コイルの識別情報に対応づけて、当該コイルについて選択された期間を表す識別情報とともに選択された期間の特徴値の系列を正常データ格納部１０２に格納する。
【００５８】
ステップＳ７で抽出された正常事例の解析データを用いて、第一マハラノビス距離算出部１０６は、各コイルについてのマハラノビス空間を生成する（ステップＳ９）。マハラノビス空間とは、マハラノビス距離の算出における基準空間である。
【００５９】
１つのコイルについてのマハラノビス空間は、例えば以下のように生成される。当該コイルについてＫ個の期間の特徴値の系列がステップＳ７で抽出されたとし、各系列を｛ｘ１１，ｘ２１，…，ｘＮｃａｓｅ１｝，｛ｘ１２，ｘ２２，…，ｘＮｃａｓｅ２｝，…，｛ｘ１Ｋ，ｘ２Ｋ，…，ｘＮｃａｓｅＫ｝と表す（図１１Ａ参照。各系列は図１１Ａの表の列に対応）。まず、第一マハラノビス距離算出部１０６は、各系列の解析データを次の式（３）に従って正規化する。
【数３】
ただし、式（３）において、ｍｊは、ｊ番目の系列｛ｘ１ｊ，ｘ２ｊ，…，ｘＮｃａｓｅｊ｝の平均値であり、ｓｊは、ｊ番目の系列の標準偏差である。
【００６０】
そして、正規化後の解析データの各系列｛ｕ１１，ｕ２１，…，ｕＮｃａｓｅ１｝，｛ｕ１２，ｕ２２，…，ｕＮｃａｓｅ２｝，…，｛ｕ１Ｋ，ｕ２Ｋ，…，ｕＮｃａｓｅＫ｝（図１１Ｂ参照。各系列は図１１Ｂの表の列に対応）について、次の式（４）に示す相関係数行列Ｒを求める。
【数４】
【００６１】
式（４）に示す相関係数行列Ｒの要素ｒｉｊ（ｉ，ｊ＝１，２，…，Ｋ；ｉ≠ｊ）は、正規化後の解析データのｉ番目の系列｛ｕ１ｉ，ｕ２ｉ，…，ｕＮｃａｓｅｉ｝とｊ番目の系列｛ｕ１ｊ，ｕ２ｊ，…，ｕＮｃａｓｅｊ｝との間の相関係数である。また、相関係数行列Ｒにおいて、ｒｉｊ＝ｒｊｉであり、ｉ＝ｊのときｒｉｊ＝１である。
【００６２】
さらに、第一マハラノビス距離算出部１０６は、この相関係数行列Ｒの逆行列Ａ（式（５））を求める。
【数５】
【００６３】
行列Ａの要素ａｉｊ（ｉ，ｊ＝１，２，…，Ｋ）は、行列の逆行列を求める公知のアルゴリズムにより算出すればよい。この行列Ａを当該コイルについてのマハラノビス空間とする。
【００６４】
第一マハラノビス距離算出部１０６は、診断対象の回路基板に関するマハラノビス距離の算出（後に詳述）に用いるため、各コイルについて求めたマハラノビス空間Ａの各要素ａｉｊを正常データ格納部１０２に格納しておく。
【００６５】
図７の例の手順の処理の実行後、診断対象の回路基板に対する故障診断処理が行われる。
【００６６】
以下、図１２を参照し、回路基板に対する故障診断処理の例を説明する。図１２は、故障診断処理の手順の一例を示すフローチャートである。故障診断装置１０は、図１２の例の手順の処理の開始の前に診断対象の回路基板の検出データを取得しておく。例えば、診断対象の回路基板を予め設定された長さの時間だけ動作させ、その時間分の検出データを動作状態検出部１が取得して動作状態データ格納部１００に格納しておく。図１２の例の手順の処理は、例えば、ユーザが故障診断装置１０に対して入力装置（図示しない）を介して故障診断処理の開始を指示した場合に開始される。
【００６７】
図１２を参照し、まず、解析データ抽出部１０４は、診断対象の回路基板の検出データについて、正常事例の解析データに対応する期間ごとの特徴値を算出する（ステップＳ１０）。ステップＳ１０の処理において、解析データ抽出部１０４は、まず、動作状態データ格納部１００から診断対象の回路基板の検出データを取得する。本例では、検出データは、動作状態検出部１として回路基板に設けられた各コイルから検出される誘導起電力の時系列データである。次に、解析データ抽出部１０４は、正常データ格納部１０２を参照し、各コイルについて、正常事例の解析データとして抽出された期間（図７のステップＳ５で選択された期間）を特定する。そして、診断対象の回路基板の検出データに含まれる各コイルの時系列データを用いて、当該コイルに対応する正常事例のコイルについて抽出された期間の特徴値を算出する。ここで算出される特徴値の種類（総和、二乗和、標準偏差、最大値、又は最小値など）は、図７のステップＳ１で正常な回路基板の検出データから算出された特徴値の種類と同様とする。
【００６８】
ステップＳ１０の後、算出した特徴値を診断対象の解析データとして抽出する（ステップＳ２０）。ステップＳ１０及びステップＳ２０により、診断対象の回路基板に設けられた各コイルについて、正常事例の解析データに対応する期間ごとの特徴値が診断対象の解析データとして求められる。
【００６９】
次に、診断対象の解析データを用いたマハラノビス距離算出処理（ステップＳ３０）が行われる。
【００７０】
図１３は、マハラノビス距離算出処理（ステップＳ３０）の詳細手順の例を示すフローチャートである。
【００７１】
図１３を参照し、第一マハラノビス距離算出部１０６により、診断対象の解析データについてコイルごとのマハラノビス距離が算出される（ステップＳ３００）。以下、１つのコイルに対するステップＳ３００の処理の手順の例を説明する。まず、第一マハラノビス距離算出部１０６は、当該コイルについて図１２のステップＳ２０で抽出された特徴値｛ｘｐ１，ｘｐ２，…，ｘｐＫ｝を上記の式（３）に従って正規化し、正規化後の特徴値｛ｕｐ１，ｕｐ２，…，ｕｐＫ｝を求める。なお、式（３）中のｍｊ及びｓｊは、それぞれ、当該コイルに対応する正常事例のコイルについて図７のステップＳ５で選択されたＫ個の期間のうちｊ番目の期間の特徴値の系列｛ｘ１ｊ，ｘ２ｊ，…，ｘＮｃａｓｅｊ｝の平均値及び標準偏差である。正規化後の特徴値を求めると、第一マハラノビス距離算出部１０６は、当該コイルに対応するコイルのマハラノビス空間Ａ（式（５））の各要素ａｉｊを正常データ格納部１０２から読み出し、次の式（６）に従ってマハラノビス距離Ｄ２を算出する。
【数６】
【００７２】
以上で説明した処理を２４個のコイルのそれぞれについて実行することで、診断対象の各コイルの解析データについて、各コイルの正常事例の解析データから生成されたマハラノビス空間に対するマハラノビス距離が算出される。以下、各コイルのマハラノビス空間に対して算出されるマハラノビス距離を「１段目」のマハラノビス距離と呼ぶ。図１４に、１段目のマハラノビス距離の一例を示す。図１４の例のグラフは、コイル番号１〜２４のコイルのそれぞれについて算出された１段目のマハラノビス距離の値を示す。
【００７３】
第二マハラノビス距離算出部１０８は、コイルごとに算出された１段目のマハラノビス距離を用いて、再度マハラノビス距離を算出する（ステップＳ３０２）。以下では、第二マハラノビス距離算出部１０８が算出するマハラノビス距離を「２段目」のマハラノビス距離と呼ぶ。
【００７４】
図１５に、２段目のマハラノビス距離の算出に用いられる値の例を示す。図１５を参照し、破線で囲んだ部分に含まれる値は、正常な回路基板におけるＮｃａｓｅ個の事例のそれぞれについての、各コイルのマハラノビス空間Ａに対するマハラノビス距離ＭＤｍ，ｎ（ｍ＝１，…，Ｎｃａｓｅ；ｎ＝１，…，２４）である。事例ｍについてのコイルｎのマハラノビス距離ＭＤｍ，ｎは、コイルｎの事例ｍの正規化後の特徴値｛ｕｍ１，ｕｍ２，…，ｕｍＫ｝（図１１Ｂの表の行に対応）とコイルｎのマハラノビス空間Ａの各要素とを上記の式（６）に代入することで求められる。また、図１５の例の表の最終行のマハラノビス距離ＭＤｐ，１，…，ＭＤｐ，２４は、各コイルについて診断対象の解析データを用いて図１３のステップＳ３００で算出された１段目のマハラノビス距離である（例えば、図１４参照）。
【００７５】
図１３のステップＳ３０２で、第二マハラノビス距離算出部１０８は、まず、正常事例の各コイルの（１段目の）マハラノビス距離を用いて、マハラノビス空間を生成する。具体的には、コイルｎの正常事例のマハラノビス距離の系列｛ＭＤ１，ｎ，…ＭＤＮｃａｓｅ，ｎ｝を上記の式（３）に従って正規化し、正規化後のマハラノビス距離の系列から相関係数行列Ｒ（式（４））を生成する。このとき、式（３）のｍｊ及びｓｊは、それぞれ、コイルｎのマハラノビス距離の系列｛ＭＤ１，ｎ，…ＭＤＮｃａｓｅ，ｎ｝の平均値及び標準偏差である。さらに、生成した相関係数行列Ｒから、その逆行列Ａ＝Ｒ−１の各要素ａｉｊの値を算出する。この逆行列Ａは、２段目のマハラノビス距離を求める基準のマハラノビス空間となる。また、第二マハラノビス距離算出部１０８は、診断対象の解析データの各コイルについて算出された１段目のマハラノビス距離ＭＤｐ，１，…，ＭＤｐ，２４を式（３）に従って正規化する。そして、正規化後のマハラノビス距離ＭＤ´ｐ，１，…，ＭＤ´ｐ，２４を上記の式（６）のｕｐｉ（ｉ＝１，２，…，２４）とし、正常事例のマハラノビス距離から生成した上述のマハラノビス空間Ａの各要素ａｉｊとともに式（６）に代入することで、２段目のマハラノビス距離を算出する。
【００７６】
ステップＳ３０２の後、マハラノビス距離算出処理は終了し、処理は図１２のステップＳ４０に進む。
【００７７】
再び図１２を参照し、ステップＳ４０において、正常／故障判定部１１０は、診断対象の回路基板が故障しているか否かを判定する。本例では、正常／故障判定部１１０は、図１３のステップＳ３０２で算出された２段目のマハラノビス距離が予め設定された閾値を超えていれば故障と判定し、２段目のマハラノビス距離が予め設定された閾値以下であれば正常と判定する。
【００７８】
故障と判定されると（ステップＳ４０でＹＥＳ）、結果表示部１１２は診断対象の回路基板の故障発生を表す情報を表示し（ステップＳ５０）、正常と判定されると（ステップＳ４０でＮｏ）、結果表示部１１２は、診断対象の回路基板が正常である旨を表す情報を表示する（ステップＳ６０）。ステップＳ５０及びステップＳ６０では、結果表示部１１２による表示に換えて、あるいは結果表示部１１２による表示に加えて、故障診断装置１０に接続された他の装置（例えば、コンピュータ又はプリンタなど）に対して故障発生を表す情報（ステップＳ５０）及び正常の旨を表す情報（ステップＳ６０）を出力してもよい。
【００７９】
ステップＳ５０又はステップＳ６０の後、図１２の例の手順の故障診断処理は終了する。
【００８０】
以下、マハラノビス距離算出処理（図１２のステップＳ３０，図１３）の変形例を説明する。１つの変形例のマハラノビス距離算出処理では、１段目のマハラノビス距離の算出処理（図１３のステップＳ３００）だけを行い、２段目のマハラノビス距離の算出処理（ステップＳ３０２）を行わない。本変形例のマハラノビス距離算出処理を行う場合、故障の有無の判定（図１２のステップＳ４０）において、正常／故障判定部１１０は、各コイルについて算出された１段目のマハラノビス距離を用いて診断対象の回路基板の故障の有無を判定する。例えば、予め設定された閾値を超える１段目のマハラノビス距離を有するコイルが所定の個数（事前に設定しておく）を超えれば故障と判定し、所定の個数以下であれば正常と判定する。あるいは、例えば、すべてのコイルについての１段目のマハラノビス距離が予め設定された閾値以下である場合に正常と判定し、その他の場合に故障と判定してもよい。
【００８１】
他の１つの変形例のマハラノビス距離算出処理では、１段目のマハラノビス距離の算出結果に応じて２段目のマハラノビス距離の算出を実行するか否かを決定する。図１６に、本変形例のマハラノビス距離算出処理の手順の例を示す。図１６に例示するフローチャートは、図１３のステップＳ３００とステップＳ３０２との間にステップＳ３０１の判定処理を含む。ステップＳ３０１では、各コイルについて算出された１段目のマハラノビス距離を用いて２段目のマハラノビス距離の算出を行うか否かが決定される。例えば、予め設定された閾値を超える１段目のマハラノビス距離を有するコイルが所定の個数（事前に設定しておく）を超えれば２段目のマハラノビス距離の算出を行うことを決定し、所定の個数以下であれば２段目のマハラノビス距離の算出を行わないことを決定する。また例えば、すべてのコイルについての１段目のマハラノビス距離が予め設定された閾値以下である場合に２段目のマハラノビス距離の算出を行い、その他の場合は２段目のマハラノビス距離の算出を行わないことを決定する。２段目のマハラノビス距離の算出を行うことが決定されると（ステップＳ３０１でＹＥＳ）、ステップＳ３０２が実行され、２段目のマハラノビス距離の算出を行わないことが決定されると（ステップＳ３０１でＮＯ）、ステップＳ３０２を実行せずに図１６の例の手順の処理は終了する。本変形例の場合、正常／故障判定部１１０による判定処理（図１２のステップＳ４０）では、例えば、２段目のマハラノビス距離が算出されていない場合、又は２段目のマハラノビス距離が算出されているけれどもその値が予め設定された閾値以下である場合に、診断対象の回路基板が正常であると判定し、２段目のマハラノビス距離が算出されていてその値が予め設定された閾値を超える場合に、診断対象の回路基板が故障していると判定すればよい。
【００８２】
＜第２実施形態＞
図１７は、第２実施形態における故障診断装置の構成の例を示すブロック図である。図１７において、図６と同様の要素には同一の符号を付し、その詳細な説明を省略する。図１７の例の故障診断装置１０は、図６に例示する故障診断装置１０（第１実施形態）が備える各要素に加えて、ＳＮ比算出部１２０、直交表データ格納部１２２、故障原因特定部１２４、及び故障原因別ＳＮ比格納部１２６を備える。
【００８３】
ＳＮ比算出部１２０は、診断対象の回路基板について算出された１段目のマハラノビス距離に関するＳＮ比を算出する。ここでの「ＳＮ比」は、システムの出力のばらつきを表す尺度であり、品質工学（タグチメソッド）で用いられる尺度である。本実施形態の例において、ＳＮ比算出部１２０は、診断対象の回路基板に設けられる２４個のコイル（動作状態検出部１）についての１段目のマハラノビス距離のそれぞれをパラメータとし、これらのパラメータのうちＳＮ比の算出に使用するパラメータの組み合わせを定めた直交表に従って、各組み合わせについてのＳＮ比を算出する。この直交表は直交表データ格納部１２２に予め格納され、ＳＮ比算出部１２０は、直交表データ格納部１２２を参照してＳＮ比を算出する。
【００８４】
故障原因特定部１２４は、診断対象の回路基板で故障が発生していると正常／故障判定部１１０が判定した場合に、当該回路基板についてＳＮ比算出部１２０が算出したＳＮ比を用いて当該回路基板の故障の原因を特定する処理を行う。故障原因特定部１２４は、故障の原因が判明している回路基板について算出されたＳＮ比を故障原因別に予め格納した故障原因別ＳＮ比格納部１２６を参照して、診断対象の回路基板の故障原因を特定する。
【００８５】
図１８に、第２実施形態における回路基板の故障診断処理の手順の例を示す。図１８の例のフローチャートは、ステップＳ７０の故障原因特定処理を除いて、第１実施形態の故障診断処理の例を表す図１２のフローチャートと同様である。また、第１実施形態の故障診断処理に関して上述したのと同様、図１８の例の故障診断処理の前に、図７の例の手順の処理を実行し、正常な回路基板の検出データから解析データを抽出し、各コイルについてマハラノビス空間を生成しておく。
【００８６】
図１８を参照し、ステップＳ１０〜ステップＳ４０では、図１２を参照して説明したステップＳ１０〜ステップＳ４０と同様の処理が行われる。ステップＳ４０で診断対象の回路基板が故障していると判定されると、故障原因特定処理（ステップＳ７０）が行われる。
【００８７】
図１９は、故障原因特定処理の詳細手順の例を示すフローチャートである。図１８のステップＳ７０の処理が開始されると、図１９の例の手順の処理が開始される。
【００８８】
図１９を参照し、まず、ＳＮ比算出部１２０は、診断対象の解析データに関して算出された１段目のマハラノビス距離を用いて、直交表データ格納部１２２に格納された直交表に従ってＳＮ比を算出する（ステップＳ７００）。
【００８９】
本例では、図２０に例示する直交表Ｌ２８を表す情報が直交表データ格納部１２２に予め格納されているものとする。図２０の例の直交表Ｌ２８の列１〜２４は各コイル１〜２４（についてのマハラノビス距離）に対応し、列２５〜２７は誤差に対応する列とする。直交表Ｌ２８の各行は、ＳＮ比の算出に使用するコイルのマハラノビス距離の組み合わせを表す。直交表Ｌ２８において、行と列とが交差する欄の記号「○」は、当該行の組み合わせにおいて当該列のコイルのマハラノビス距離をＳＮ比の算出に使用することを表し、記号「×」は、当該行の組み合わせにおいて当該列のコイルのマハラノビス距離をＳＮ比の算出に使用しないことを表す。例えば、図２０の例の直交表Ｌ２８の行１は、すべての列の欄が「○」であるので、すべてのコイル１〜２４のマハラノビス距離をＳＮ比の算出に使用することを表す。
【００９０】
以下、ステップＳ７００において図２０の直交表Ｌ２８に従ってＳＮ比を算出する手順の例を説明する。ＳＮ比算出部１２０は、診断対象の解析データの各コイルについて算出された１段目のマハラノビス距離ＭＤｐ，１，…，ＭＤｐ，２４を用いて、直交表Ｌ２８の行１〜２８について、それぞれ、ＳＮ比ηＬ２８−１，ηＬ２８−２，…，ηＬ２８−２８を算出する。ここで、直交表Ｌ２８の行ｉのＳＮ比ηＬ２８−ｉは、次の式（７）に従って算出される。
ηＬ２８−ｉ＝１０・ｌｏｇ（ｙｉ２／Ｓｉ２） （７）
【００９１】
式（７）において、
ｙｉ＝ΣＭＤｐ，ｕｉ／２４ （８）
Ｓｉ２＝Σ（ＭＤｐ，ｕｉ−ＭＤｐ，ＡＶＥ）２／（２４−１） （９）
である。式（８）及び式（９）において、“ｕｉ”は、直交表Ｌ２８の行ｉにおいてＳＮ比の算出に使用するものとして設定されているコイル（記号「○」の欄に対応するコイル）の番号を表し、ＭＤｐ，ｕｉは、当該番号のコイルについてのマハラノビス距離を表す。
【００９２】
また、式（９）におけるＭＤｐ，ＡＶＥは、
ＭＤｐ，ＡＶＥ＝ΣＭＤｐ，ｋ／２４ （１０）
である（ｋ＝１，２，３，…，２４）。
【００９３】
行１〜２８のＳＮ比ηＬ２８−１，ηＬ２８−２，…，ηＬ２８−２８を算出した後、ＳＮ比算出部１２０は、診断対象の解析データについて、各コイルのマハラノビス距離のＳＮ比に対する要因効果を表す値（ＳＮ比ｋ−○−ＳＮ比ｋ−×）を求める（ステップＳ７０２）。ＳＮ比ｋ−○は、コイルｋを使用して算出されたＳＮ比から定まる値であり、ＳＮ比ｋ−×は、当該コイルｋを使用せずに算出されたＳＮ比から定まる値である。ＳＮ比ｋ−○及びＳＮ比ｋ−×は、それぞれ、以下の式（１１），式（１２）により求められる。
ＳＮ比ｋ−○＝ΣηＬ２８−ｗｉｔｈｋ （１１）
ＳＮ比ｋ−×＝ΣηＬ２８−ｗｉｔｈｏｕｔｋ （１２）
式（１１）において、“ｗｉｔｈｋ”は、直交表Ｌ２８において、コイルｋの欄が「○」である行の番号を表す。また、式（１２）において、“ｗｉｔｈｏｕｔｋ”は、コイルｋの欄が「×」である行の番号を表す。
【００９４】
図２１は、各コイルｋのＳＮ比ｋ−○及びＳＮ比ｋ−×を示す要因効果図の一例である。図２１の例において、各コイルｋに対応する左側の点がＳＮ比ｋ−○の値を表し、右側の点がＳＮ比ｋ−×の値を表す。
【００９５】
診断対象の解析データについてコイルｋごとにＳＮ比ｋ−○−ＳＮ比ｋ−×が求められると（ｋ＝１，２，３，…，２４）、故障原因特定部１２４により、診断対象の解析データについてのＳＮ比ｋ−○−ＳＮ比ｋ−×と、故障原因別のＳＮ比ｋ−○−ＳＮ比ｋ−×と、の間の相関係数が算出される（ステップＳ７０４）。
【００９６】
故障原因別のＳＮ比ｋ−○−ＳＮ比ｋ−×は、故障原因の識別情報と関連づけて予めＳＮ比格納部１２６に格納される。故障原因別のＳＮ比ｋ−○−ＳＮ比ｋ−×は、例えば、以下のように求められる。まず、故障原因が判明している回路基板からの検出データを処理対象として、図１２及び図１８のステップＳ１０，Ｓ２０、図１３のステップＳ３００に関して上述したのと同様の処理により、１段目のマハラノビス距離が算出される。
【００９７】
図２２に、故障原因ごとに算出される１段目のマハラノビス距離の例を示す。図２２の例の表は、故障原因「故障Ａ」，「故障Ｂ」，…ごとに、各事例の検出データから算出された各コイルについての１段目のマハラノビス距離を示す。図２２の例において、各「事例」のマハラノビス距離は、対応する故障原因の故障が発生した回路基板を予め設定された長さの時間だけ動作させて得られる検出データについて求めたマハラノビス距離である。図２２の例の表では、「故障Ａ」について１つの事例のマハラノビス距離ＭＤＡ，１，…，ＭＤＡ，２４を示し、「故障Ｂ」について２つの事例のマハラノビス距離ＭＤＢ，１−１，…，ＭＤＢ，１−２４及びＭＤＢ，２−１，…，ＭＤＢ，２−２４を示す。図２２に例示する故障原因ごとの１段目のマハラノビス距離を用いて、直交表Ｌ２８（図２０参照）の各行に対応するＳＮ比が故障原因ごとに算出される。
【００９８】
図２３に、直交表Ｌ２８の各行に対応するＳＮ比の例を示す。図２３を参照し、１つの事例のマハラノビス距離が算出された「故障Ａ」の行ｉのＳＮ比ηＡ−Ｌ２８−ｉは、上記の式（７）に従って求められる。式（７）のｙｉ及びＳｉ２は、式（８）〜式（１０）において、ＭＤｐ，ｕｉにＭＤＡ，ｕｉを代入し、ＭＤｐ，ｋにＭＤＡ，ｋを代入することで求められる。また、２つの事例についてマハラノビス距離が算出された「故障Ｂ」の各行のＳＮ比ηＢ−Ｌ２８−１，…，ηＢ−Ｌ２８−２８は、各事例１，２についての行ｉのＳＮ比ηＢ−Ｌ２８−１−ｉ，ηＢ−Ｌ２８−２−ｉを用いて、次の式（１３）に従って求められる。
ηＢ−Ｌ２８−ｉ＝１０・ｌｏｇ｛ｙＢｉ／｛（１／ηＢ−Ｌ２８−１−ｉ）２＋（１／ηＢ−Ｌ２８−２−ｉ）２｝｝ （１３）
ただし、ｙＢｉは故障Ｂのｙｉを表し、ｙＢ１は故障Ｂの事例１のｙｉを、ｙＢ２は故障Ｂの事例２のｙｉを表し、ｙＢｉ＝（ｙＢ１＋ｙＢ２）で表す。
【００９９】
ただし、「故障Ｂ」の事例１についての行ｉのＳＮ比ηＢ−Ｌ２８−１−ｉは、式（８）〜式（１０）において、ＭＤｐ，ｕｉにＭＤＢ，１−ｕｉを代入し、ＭＤｐ，ｋにＭＤＢ，１−ｋを代入することで求めたｙｉ，Ｓｉ２を式（７）に代入することで求められ、事例２についての行ｉのＳＮ比ηＢ−Ｌ２８−２−ｉは、式（８）〜式（１０）において、ＭＤｐ，ｕｉにＭＤＢ，２−ｕｉを代入し、ＭＤｐ，ｋにＭＤＢ，２−ｋを代入することで求めたｙｉ，Ｓｉ２を式（７）に代入することで求められる。
【０１００】
以上のように故障原因Ｘごとに直交表Ｌ２８の行ｉに対応するＳＮ比ηＸ−Ｌ２８−ｉを求めると、上記の式（１１）及び式（１２）に従って、当該故障原因Ｘにおける各コイルｋについてのＳＮ比ｋ−○及びＳＮ比ｋ−×が求められる。これにより、故障原因ごとのコイルｋの要因効果を表す値ＳＮ比ｋ−○−ＳＮ比ｋ−×が算出される。すなわち、故障原因ごとに、図２１に例示した要因効果図と同様の構成の要因効果図が得られることになる。故障原因別ＳＮ比格納部１２６には、各故障原因の識別情報に対応づけて、当該故障原因について求められたＳＮ比ｋ−○−ＳＮ比ｋ−×（ｋ＝１，２，…，２４）が格納される。
【０１０１】
図１９の説明に戻り、故障原因特定部１２４によるステップＳ７０４の処理により、上述のように算出されて予め故障原因別ＳＮ比格納部１２６に格納されたＳＮ比ｋ−○−ＳＮ比ｋ−×について、故障原因ごとに、ステップＳ７０２で診断対象の解析データから算出されたＳＮ比ｋ−○−ＳＮ比ｋ−×との間の相関係数が得られる。例えば、故障原因別ＳＮ比格納部１２６に故障原因Ａ〜ＦのＳＮ比ｋ−○−ＳＮ比ｋ−×が予め格納されていた場合、故障原因Ａ〜Ｆのそれぞれについて相関係数が得られる。
【０１０２】
その後、結果表示部１１２は、ステップＳ７０４で得られた相関係数が最大である故障原因を診断対象の回路基板の故障原因として表示する（ステップＳ７０６）。なお、ステップＳ７０６では、図１２のステップＳ５０，Ｓ６０を参照して説明したのと同様、結果表示部１１２による表示に換えて、あるいは結果表示部１１２による表示に加えて、故障診断装置１０に接続された他の装置に対して、相関係数が最大である故障原因を診断対象の回路基板の故障原因とする情報を出力してもよい。ステップＳ７０６が終了すると、図１９の例の手順の故障原因特定処理は終了する。
【０１０３】
再び図１８を参照し、ステップＳ７０（故障原因特定処理）又はステップＳ６０の終了後、故障診断処理は終了する。
【０１０４】
＜第３実施形態＞
図２４に、第３実施形態における故障診断装置１０の構成の例を示す。図２４に例示する故障診断装置１０は、図１７の例の故障診断装置１０が備える各要素に加えて、正常データ更新部１３０及び故障原因別ＳＮ比更新部１３２を備える。図２４において、図１７と同様の構成要素には同様の符号を付し、その詳細な説明を省略する。
【０１０５】
正常データ更新部１３０は、正常データ格納部１０２のデータ内容を更新する。例えば、正常データ更新部１３０は、正常な回路基板からの検出データを新たに取得し、新たに取得した検出データを処理対象として図７の例の手順の処理を行うことで、解析データを抽出し、新たなマハラノビス空間を生成する。あるいは、正常データ更新部１３０は、新たに取得した検出データと正常データ格納部１０２に格納済みの検出データとの両方を用いて新たなマハラノビス空間の生成を行ってもよい。正常データ更新部１３０は、新たに取得した検出データから抽出した解析データ及び生成した新たなマハラノビス空間を正常データ格納部１０２に格納することで正常データ格納部１０２を更新する。なお、正常データ更新部１３０が取得する「正常な回路基板からの検出データ」は、正常であることが既に判明している回路基板から取得した検出データであってもよいし、正常／故障判定部１１０が正常であると判定した回路基板の検出データであってもよい。
【０１０６】
故障原因別ＳＮ比更新部１３２は、故障原因別ＳＮ比格納部１２６を更新する。例えば、故障原因別ＳＮ比更新部１３２は、故障原因が判明している回路基板からの検出データを新たに取得し、当該検出データに係る故障原因について、当該検出データを用いて、コイルｋごとのＳＮ比ｋ−○−ＳＮ比ｋ−×を、図２２及び図２３を参照して上記で説明したとおりに再度算出する。そして、算出したＳＮ比ｋ−○−ＳＮ比ｋ−×を対応する故障原因の識別情報と関連づけて故障原因別ＳＮ比格納部１２６に格納することで、故障原因別ＳＮ比格納部１２６を更新する。故障原因別ＳＮ比更新部１３２が新たに取得する検出データは、例えば、故障原因特定部１２４により故障原因が特定された回路基板からの検出データであってよい。
【０１０７】
正常データ更新部１３０及び故障原因別ＳＮ比更新部１３２のそれぞれにおける上述の更新処理は、例えば予め設定された時間間隔で行ってもよいし、管理者又は回路基板の開発者などにより指定されたタイミングで行なってもよい。
【０１０８】
第３実施形態の変形例では、図６の例の故障診断装置１０の各構成要素に加えてさらに上述の正常データ更新部１３０を備える故障診断装置１０を実現してもよい。
【０１０９】
上述の各種の実施形態の例では、動作状態検出部１から取得される時系列の検出データを分割した期間ごとに特徴値を算出し、期間ごとの特徴値の系列の間の相関係数行列を求めることで、マハラノビス空間の生成に用いる解析データを抽出する（図７及び図８参照）。上述の各種の実施形態において、検出データを分割して期間ごとの検出値の統計量を特徴値として算出する代わりに、各時刻の検出値をそのまま当該時刻の特徴値として用いてもよい。この例において、マハラノビス空間を生成する処理では、例えば、図７の例の手順のステップＳ１を省略し、ステップＳ３において、複数の正常事例の検出データの各時刻ごとの検出値の系列の間の相関係数を求めて相関係数行列を生成する。例えば、図１０の例の表における期間１，２，…，ＮＴを検出データの各時刻に置き換えた相関係数行列が生成される。時刻ごとの検出値（特徴値）間の相関係数行列を用いて図７の例のステップＳ５以下の処理を行うことで、他の時刻の検出値の系列との間の相関係数が予め設定された閾値以下である時刻の検出値の系列が解析データとして抽出され、マハラノビス空間が生成される。本例の場合、故障診断処理において診断対象の回路基板の検出データから抽出される解析データは、正常時例の各コイルについて抽出された解析データに対応する時刻の検出値である。
【０１１０】
上述の各種の実施形態及び変形例の故障診断装置１０は、例えば、汎用のコンピュータにより実現される。また例えば、マイクロコンピュータにより演算を行う組み込みシステムとして故障診断装置１０を実現してもよい。いずれにしても、故障診断装置は、例えば、図２５の例のハードウエア構成を有する装置により実現される。図２５に例示する装置は、ＣＰＵ６０、メモリ（一次記憶）６２、各種Ｉ／Ｏ（入出力）インタフェース６４等がバス６６を介して接続された回路構成を有する。また、そのバス６６に対し、例えばＩ／Ｏインタフェース６４経由で、記憶装置６８や、動作状態検出部として機能する機器からの検出データなどの情報の入力を受け付ける入力部７０、処理の結果を表示する表示部７２などが接続される。上述の実施形態の処理内容が記述されたプログラムが記憶装置６８に記憶され、記憶されたプログラムがメモリ６２に読み出されＣＰＵ６０により実行されることにより、実施形態の処理が実現される。
【０１１１】
なお、上述の各種の実施形態及び変形例では、故障診断装置１０の各部の機能を１つのコンピュータで実現する態様を説明したが、これに限定されるものではない。故障診断装置１０の各部の機能は一般的なコンピュータをプログラムにより制御することによって実現できるものであり、これらの装置の各機能を適宜組み合わせて１つのコンピュータで処理させてもよいし、各機能をネットワーク等で接続された複数のコンピュータで分散処理させてもよい。
【符号の説明】
【０１１２】
１ 動作状態検出部、１０ 故障診断装置、３１，５１ 回路基板、３３ ＩＣ、３４，４１，５４ 容量成分、３５，４３ 配線群、４２ 浮遊容量成分、６０ ＣＰＵ、６２ メモリ、６４ Ｉ／Ｏインタフェース、６６ バス、６８ 記憶装置、７０ 入力部、７２ 表示部、１００ 動作状態データ格納部、１０２ 正常データ格納部、１０４ 解析データ抽出部、１０６ 第一マハラノビス距離算出部、１０８ 第二マハラノビス距離算出部、１１０ 正常／故障判定部、１１２ 結果表示部、１２０ ＳＮ比算出部、１２２ 直交表データ格納部、１２４ 故障原因特定部、１２６ 故障原因別ＳＮ比格納部、１３０ 正常データ更新部、１３２ 故障原因別ＳＮ比更新部。
【特許請求の範囲】
【請求項１】
回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択する選択手段と、
正常な回路基板を動作させたときの前記検出データから前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出する第一算出手段と、
を備えることを特徴とする検出データ処理装置。
【請求項２】
前記検出手段は、回路基板において複数の検出位置の動作状態を検出し、
前記選択手段は、前記複数の検出位置のそれぞれに対応する前記検出データについて前記解析データを選択し、
前記第一算出手段は、前記複数の検出位置のそれぞれについて、正常な回路基板を動作させたときの当該検出位置の前記検出データについて前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの当該検出位置の前記検出データと、に基づいて前記第一のマハラノビス距離を算出する、
ことを特徴とする請求項１に記載の検出データ処理装置。
【請求項３】
前記正常な回路基板を動作させたときの前記複数の検出位置のそれぞれに対応する前記検出データと、当該検出位置について生成された前記第一のマハラノビス空間と、に基づいて、前記正常な回路基板に関する前記複数の検出位置ごとのマハラノビス距離を算出し、当該算出したマハラノビス距離から生成される第二のマハラノビス空間と、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離と、に基づいて、前記診断対象の回路基板に関する第二のマハラノビス距離を算出する第二算出手段、
をさらに備えることを特徴とする請求項２に記載の検出データ処理装置。
【請求項４】
前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離に基づいて、前記第二のマハラノビス距離の算出を行うか否かを決定する決定手段、をさらに備え、
前記第二算出手段は、前記第二のマハラノビス距離の算出を行うことを前記決定手段が決定した場合に、前記第二のマハラノビス距離の算出を行う、
ことを特徴とする請求項３に記載の検出データ処理装置。
【請求項５】
前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離を使用するか否かの組み合わせ条件を予め記憶した記憶手段を参照し、前記組み合わせ条件に従って、前記診断対象の回路基板に関するＳＮ比を算出するＳＮ比算出手段、
をさらに備えることを特徴とする請求項２から４のいずれか１項に記載の検出データ処理装置。
【請求項６】
回路基板の故障原因ごとに、当該故障原因の故障の生じた回路基板に関して算出されたＳＮ比を予め記憶した記憶手段をさらに参照し、
前記ＳＮ比算出手段が算出した前記診断対象の回路基板に関するＳＮ比と、前記記憶手段に記憶された前記故障原因ごとのＳＮ比と、を用いて、前記診断対象の回路基板と前記故障原因それぞれの故障の生じた回路基板との間の相関関係を求め、求めた相関関係を表す値が最も大きい故障原因を出力する出力手段、をさらに備える、
ことを特徴とする請求項５に記載の検出データ処理装置。
【請求項７】
回路基板の動作状態を検出する検出手段から正常な回路基板を動作させたときに取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択し、前記解析データを用いて生成されたマハラノビス空間を表す情報を記憶した記憶手段を参照し、
前記記憶手段に記憶された前記マハラノビス空間と、診断対象の回路基板を動作させたときに前記検出手段から取得した検出データと、に基づいてマハラノビス距離を算出する算出手段、
を備えることを特徴とする検出データ処理装置。
【請求項８】
回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択するステップと、
正常な回路基板を動作させたときの前記検出データから選択された前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出するステップと、
をコンピュータに実行させることを特徴とするプログラム。
【請求項１】
回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択する選択手段と、
正常な回路基板を動作させたときの前記検出データから前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出する第一算出手段と、
を備えることを特徴とする検出データ処理装置。
【請求項２】
前記検出手段は、回路基板において複数の検出位置の動作状態を検出し、
前記選択手段は、前記複数の検出位置のそれぞれに対応する前記検出データについて前記解析データを選択し、
前記第一算出手段は、前記複数の検出位置のそれぞれについて、正常な回路基板を動作させたときの当該検出位置の前記検出データについて前記選択手段が選択した前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの当該検出位置の前記検出データと、に基づいて前記第一のマハラノビス距離を算出する、
ことを特徴とする請求項１に記載の検出データ処理装置。
【請求項３】
前記正常な回路基板を動作させたときの前記複数の検出位置のそれぞれに対応する前記検出データと、当該検出位置について生成された前記第一のマハラノビス空間と、に基づいて、前記正常な回路基板に関する前記複数の検出位置ごとのマハラノビス距離を算出し、当該算出したマハラノビス距離から生成される第二のマハラノビス空間と、前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離と、に基づいて、前記診断対象の回路基板に関する第二のマハラノビス距離を算出する第二算出手段、
をさらに備えることを特徴とする請求項２に記載の検出データ処理装置。
【請求項４】
前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離に基づいて、前記第二のマハラノビス距離の算出を行うか否かを決定する決定手段、をさらに備え、
前記第二算出手段は、前記第二のマハラノビス距離の算出を行うことを前記決定手段が決定した場合に、前記第二のマハラノビス距離の算出を行う、
ことを特徴とする請求項３に記載の検出データ処理装置。
【請求項５】
前記複数の検出位置のそれぞれについて算出された前記第一のマハラノビス距離を使用するか否かの組み合わせ条件を予め記憶した記憶手段を参照し、前記組み合わせ条件に従って、前記診断対象の回路基板に関するＳＮ比を算出するＳＮ比算出手段、
をさらに備えることを特徴とする請求項２から４のいずれか１項に記載の検出データ処理装置。
【請求項６】
回路基板の故障原因ごとに、当該故障原因の故障の生じた回路基板に関して算出されたＳＮ比を予め記憶した記憶手段をさらに参照し、
前記ＳＮ比算出手段が算出した前記診断対象の回路基板に関するＳＮ比と、前記記憶手段に記憶された前記故障原因ごとのＳＮ比と、を用いて、前記診断対象の回路基板と前記故障原因それぞれの故障の生じた回路基板との間の相関関係を求め、求めた相関関係を表す値が最も大きい故障原因を出力する出力手段、をさらに備える、
ことを特徴とする請求項５に記載の検出データ処理装置。
【請求項７】
回路基板の動作状態を検出する検出手段から正常な回路基板を動作させたときに取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択し、前記解析データを用いて生成されたマハラノビス空間を表す情報を記憶した記憶手段を参照し、
前記記憶手段に記憶された前記マハラノビス空間と、診断対象の回路基板を動作させたときに前記検出手段から取得した検出データと、に基づいてマハラノビス距離を算出する算出手段、
を備えることを特徴とする検出データ処理装置。
【請求項８】
回路基板の動作状態を検出する検出手段から取得した検出データの複数のグループについて互いに相関関係を求め、他のグループとの相関関係を表す値が予め設定された閾値よりも小さいグループの検出データを解析データとして選択するステップと、
正常な回路基板を動作させたときの前記検出データから選択された前記解析データを用いて生成された第一のマハラノビス空間と、診断対象の回路基板を動作させたときの前記検出データと、に基づいて第一のマハラノビス距離を算出するステップと、
をコンピュータに実行させることを特徴とするプログラム。
【図１】
【図２Ａ】
【図２Ｂ】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１Ａ】
【図１１Ｂ】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２Ａ】
【図２Ｂ】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１Ａ】
【図１１Ｂ】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【公開番号】特開２０１０−２１６９１２（Ｐ２０１０−２１６９１２Ａ）
【公開日】平成２２年９月３０日（２０１０．９．３０）
【国際特許分類】
【出願番号】特願２００９−６２４９７（Ｐ２００９−６２４９７）
【出願日】平成２１年３月１６日（２００９．３．１６）
【出願人】（０００００５４９６）富士ゼロックス株式会社 (21,908)
【Ｆターム（参考）】
【公開日】平成２２年９月３０日（２０１０．９．３０）
【国際特許分類】
【出願日】平成２１年３月１６日（２００９．３．１６）
【出願人】（０００００５４９６）富士ゼロックス株式会社 (21,908)
【Ｆターム（参考）】
[ Back to top ]