株式会社 新興技術研究所 取締役会長

熊谷 卓

1955年03月 東京大学工学部精密工学科卒業
...もっと見る 1955年03月 東京大学工学部精密工学科卒業
1955年04月 マミヤ光機株式会社入社
1962年11月 技術士国家試験合格・機械部門技術士登録
1963年03月 株式会社 新興技術研究所設立　代表取締役就任、現在　同社取締役会長（業務内容：自動組立機をはじめ各種自動化設備機器等の開発・製作・技術指導）

【歴任】
米国・欧州自動化技術視察団コーディネータ　8 回
自動化推進協会　理事・副会長
精密工学会　自動組立専門委員会　常任幹事
日本技術士会　理事・機械部会長
中小企業大学校講師
日本産業用ロボット工業会　各種委員
神奈川大学講師
自動化推進協会理事
高度職業能力開発促進センター講師
等を歴任

【業績】
著書
自動化機構300選（日刊工業新聞社）、メカトロニクス技術認定試験教本（工業調査会）ほか多数
講演
アジア生産性機構講演で自動化システムを W・T・MACS で表示・解析を提示（世界初）ほか多数
論文
自動化システムのデバッギング理論「チェック機構と最適稼働率」が欧州年間論文大賞にノミネイトほか多数
発明
メカトロニクス技術実習モジュールの発明、地震予知システム「逆ラジオ」の発明ほか多数

株式会社新興技術研究所 熊谷会長様のご好意による「生産性向上とメカトロニクス技術講座」の 17 回目です。前号に引き続き「W・T・MACS の他の要素群」から「センサによる代替特性検出」（その1）を紹介します。

2 巧妙性実現の手段群（14）

2-3 W・T・MACS の他の要素群

［ S ］センサによる代替特性検出（その 2）

さてもう一度、図 1-17（a）「W・T・MACS の要素分類」を見てください。

センサの入力を「物理現象」と置いてあることを改めて考えてみます。
物理現象とは？
たとえば長さが長い、重さが軽い、色が赤い、ワークが存在するなど、物理現象にはいろいろあります。
試験管の中の薬品が溶けた、というのも狭い意味では化学現象ですが、ここでは物質の溶解という物理現象と考えます。
風が吹いた、のは空気の移動という物理現象で、地震も地殻の移動という物理現象です。
こう考えると物理現象というのは極めて範囲が広いことがわかります。

ここでクイズです。

これは心の動きであって物理的な現象とは考えられません。
したがってこれを直接検出する方法は今のところない、と言えます。
しかし、嘘発見器など、心の動きを検出するように思われるものもありますが、実は心の動きを検出してはいないのです。例えば嘘をついたことによる心の動揺から、手に汗をかいたりするので、手の湿度を測る方法とか、脳波の変動を測るとか、その他いくつかの方法を用いるようです。
心の動揺は直接検出できないので、手の湿度の変化という付随的な物理現象を検出したり、脳波の変動つまり電流値の変化という付随的な物理現象を検出したりするのです。
要するに、直接測れないときにはその「代替特性を検出」するのです。
「当社は嘘発見器を作るわけではないので、代替特性検出など考える必要はない」とは思わないでください。
実は、自動化システムでは「代替特性検出」は非常に重要で、随所に使われているのです。

以前掲載した図 1-7「ドリルによる手作業穴あけを自動化した例」を見直してみましょう。
この装置はワークに、ある深さの穴をあけることが目的です。したがって、所定の深さの穴があいたことを検出してドリルを上に戻すのが最も正しいのですが、ワークにどこまでの穴があいたかを通常は直接検出できません（透明なワークならできるでしょうが・・）。
またはドリルの先端がどこまで行ったかを検出できればいいのですがこれもできません。
やむを得ず、ドリルを駆動するメカニズムの移動量が所定の値になったことを検出するリミットスイッチ「下端センサ」を用いているのです。
つまり、典型的な「代替特性検出」手法なのです。

世の中の自動化システムは「代替特性検出」だらけ

実は世の中の自動化システムにあるセンサは「代替特性検出」だらけなのです。

風力計を考えてください。4 本の柄杓のようなツールが風でくるくる回されています。センサは風力を計測しているのではなく柄杓を持った軸の回転を検出しているのです。したがって誰かが手で回転させれば風速 2～3 メートル程度の擬似信号は簡単に作れるでしょう。
しかし殆どの場合人が簡単に触れるところには置いてないので、風力専用センサとなっています。

また、有料駐車場の入車口には、多くの場合透過型光電センサを設置してあり、車が来ると「Dark ON」で駐車券を発行します。
この場合、光電センサは「自動車を検出するセンサ」と命名しますが、その内容は「何かで光が遮られたことを検出して信号を出力するセンサ」なのです。たまたま其処へ来たのが自動車だったので駐車券を発行してOKだったのです。
殆どの場合、自動車しか来ないからいいでしょうが、ことによるとカラスが飛んできて受光器の前にとまっても、このままではやはり駐車券を発行するかもしれません。
これを避けるにはいくつもの方法がありますが、仮に光電センサをもう 1 個、間隔をあけて設置して、両方オンしたら「大きいものが来た、きっと車だ」と認識して駐車券を発行することにすれば、いかにも「車を検出する」という目的意識を持っているように見えます。
この場合でも、一方にカラスがいて、もう一つのセンサの前にはこれを狙った猫がいたら、当然駐車券を発行するでしょうが、このような確率はきわめて低いから無視して良いでしょう。
（この他にも代替特性検出はいろいろあります。一番身近なものでは時計も「時間」の代替特性検出装置なのです。）

代替特性検出による信頼性向上の例

さて、もう一度図 1-17（a）を見直してみることにします。

第 1 章図 1-17（a）について、フィードバック信号をどこから取ったかがシステム上の大きな問題であり、フィードバック信号を検出した要素よりワーク側については、システムは一切保障しないので、できる限り ① のClosed Loop Control System にするのが良いと述べました。
ここで、②、③、④ は代替特性検出です。
では、だいたい特性検出は必ず信頼度が下がるでしょうか？
実は対象物を直接検出するのが常に最高の信頼性を保つとは限らないのです。

特に検出されるものの姿・形・大きさなどにバラツキがあるような場合問題を伴うことが多いのです。このような場合、逆に代替特性検出を積極的に使った方がいい例もよくあります。
例えばいろいろなイベント会場への入場者・出場者の計数には、金属のバーを体で回転して入るようにしてあることが多いことはご存知でしょう。人間の姿、形、大きさにかなりのばらつきがあるので「一人通るたびに必ずバーが一定の角度回転する」ようにして、バーの回転数という代替特性を検出することで信頼性を上げているのです。

目的意識を模倣する

いずれにしても、何らかの工夫でセンサをうまく設定し、いかにもシステムが目的を理解しているように見えるシステムにする必要があります。これを目的意識の模倣（イミテーション）と呼びます。

最終的にはシステムのコントローラが本当に目的意識をもって動作を的確に制御してくれるのが理想ですが、今のところかなり高度の人工知能を使っても困難ではないかと思われます。
われわれはまだ当分「目的意識のイミテーション」に工夫を凝らすことになりそうです。
次回は、巧妙性が面白い第 2 世代・メカニカルカムのシステムについて説明します。

株式会社新興技術研究所 熊谷 卓 による「生産性向上とメカトロニクス技術講座」は、クリエイティブ・コモンズ
表示 – 非営利 – 継承 2.1 ライセンスの下に提供されています。
Creative Commons Attribution-NonCommercial-ShareAlike 2.1 Japan License