熟練者が聞き分けられる異音を、
機械にも聞き分けさせる。

機械は2本の音を直接比べられません。そのため、まず4秒の録音を5つの異なる角度からそれぞれ測定し、一連の読み値を首尾つなげて1本の「フィンガープリント」にします。2つの製品が似ているかどうかの判定は、この約400個の数字が十分近いかどうかの比較です。

どの読み値にも物理的な意味があります —— どの周波数帯にエネルギーが多いか、聴き心地がざらつくか、各帯域の変動が同調しているか、波形のミリ秒レベルの繰り返しパターン、この製品自身の普段の姿とどれだけ違うか。誤判定すれば、どの項目が効いたかまで遡って調べられます。

同一音声の398個の読み値を5グループに分けてつないだもの。色の濃さ = その読み値のグループ内での順位。

検出ポイントごとに「最も利く」視点は同じではありません。ある自動車部品工場の4ポイントでは聴感指標が最も正確でした。ある音響機器メーカー、あるベアリング工場の大半のポイントでは、最も基本的な「各周波数帯のエネルギー分布」の方が正確でした。

だからどれか1つの視点に賭けるのではなく、5つ一緒に測り、統合して使います ——12の実ポイントのうち11が、統合後にどの単一視点にも劣らなかったのです。

12の実ポイント × 5視点 + 統合列。5折のサンプル外交差検証。

同じ固定しきい値で12ポイントを判定すると、誤って止められる良品の割合は0.9%から14.4%までばらつきました—— モデルが不正確なのではなく、ラインごとに暗騒音・運転条件・マイク位置がもともと違うからです。

やり方は、スコアを「このポイントの良品の中で何パーセンタイルに当たるか」に換算し、統一された誤停止予算でしきい値を決めることです。換算後は、同じ12ポイントが10.0%〜10.5%に収まり、あるラインで決めた基準を別のラインにそのまま伝えられます。

左：同じ固定しきい値。右：自ポイントのパーセンタイルに換算し10%予算でしきい値を設定。両図とも同座標・同レンジ。

立ち上げ直後の2週間が最も不安定な段階です：サンプルがまだ少なく、判定しきい値も定まっていないため、検出率は低め、誤停止は高めになります。システムは日常で積み重なるラベリング結果で継続的に校正し、1ヶ月ほどで実用区間へ収束します。

安定後の典型的な区間は、検出率9割前後、誤停止率は10%の予算付近に貼り付きます。立ち上げに長い蓄積は不要です —— 実測の学習曲線では、約10件の不良サンプルで検出率8割近くに達し、その後も蓄積とともに上昇し続けます。

ある自動車部品工場の1つの検出ポイントの実ラベリング日。毎日、前日までの知識だけで当日の製品を判定。この図は立ち上げから収束までの区間のみ表示。曲線は移動平均であり、傾向を示すものであって単日の結果ではありません。