すべてのスマートフォンには、多くの人が画面の自動回転のときぐらいしか意識しないセンサー、すなわち加速度センサーが搭載されています。このセンサーは、スマートフォンの動きを3軸方向で1秒間に数百回サンプリングします。スマートフォンが大きく振り回されているときだけでなく、ベアリングの異常を機械特有の静かな方法で訴えかけている洗濯機の上に、完全に静止して置かれているときでも、その揺れを測定しています。

「振動」ツールはこのセンサーを測定器へと変貌させます。スマートフォンを機械や床の上に置き、一定時間の低周波の動きを記録することで、その下にある物体がどのように揺れているかを視覚化できます。これは、音のスペクトルの接触測定版とも言えるもので、コンセプトは同じですが、異なる物理チャネルを利用しています。そして、このチャネルの違いが、一見するよりもはるかに重要な意味を持つのです。

加速度センサーが見て、マイクが見落とすもの

マイクが拾うのは、空気中に伝わった音です。これには、二重の大きな限界があります。第一に、空気は低周波の伝達が苦手です。バランスの崩れた回転ドラムや、きしむ床のゆっくりとした重い揺れは、空気中にはほとんど、あるいはまったく放射されません。機械の挙動に関する情報の多くは、耳で聞く音というよりも、足の裏で感じるような周波数帯に存在しています。第二に、空気はあらゆる音を混ぜ合わせてしまいます。気になるコンプレッサーの作動音も、外の道路の交通音も、隣の部屋の話し声も、すべて混ざって聞こえてしまいます。

機械に接触した加速度センサーは、固体伝搬振動、すなわち機械自体の筐体を通って、その上に置かれたスマートフォンに伝わる揺れを読み取ります。低い周波数は減衰せずにそのまま伝わり、センサーは空気中のノイズをほとんど拾わないため、記録されるのは部屋の音ではなく、純粋に機械そのものの振動です。マイクがハム音やうなり音の測定を得意とするのに対し、加速度センサーはその下にある領域、すなわちガタつき、ふらつき、地なり技術のような振動の領域において威力を発揮します。

周波数領域において、回転機械の状態は、音の場合と同様にここでも明確に判読できます。一定の速度で回転するドラムは、その回転周波数にピークを作ります。負荷のバランスが崩れるとそのピークが大きくなり、ベアリングの摩耗が進むと、より高い整数倍の周波数にエネルギーが加わり、全体的なシグネチャが乱れて不規則になります。メリットを享受するために、どのパターンがどの故障に対応するかを詳しく知る必要はありません。必要なのは、機械が正常だったときのシグネチャと、それと比較してみようとする意欲だけです。

スマートフォンの置き場所

想定されるユースケースは、きわめて身近な測定値の活用例ばかりです：

設置場所はスマートフォンの機種よりも重要

測定値に互換性があるかどうかを左右する実用的なルールは、次のとおりです。どのスマートフォンを使うかよりも、スマートフォンをどこにどのように置くかの方が重要なのです。

その理由は、特徴量がどのように構築されているかにあります。機種が違えば加速度センサーも異なり、その感度も異なるため、測定値の絶対的な大きさはある程度センサー自体の特性に左右されます。だからこそ、解析では絶対的なレベルに依存しないのです。依存するのは、振動の構造です。すなわち、ピークがどこにあるか、それらが互いにどのように関連しているか、シグネチャーがどのような形状をしているかです。これらは対象となる機械の特性であり、スマートフォンの機種が変わっても失われません。これは、このプラットフォームのすべてのツールに貫かれている共通の設計ルール（絶対レベルではなく、相対的で加振の影響を受けにくい特徴量を用いること）であり、デバイスごとのキャリブレーションを行わなくても、測定値に意味を持たせることができる理由です。

一方、置く場所は、測定値そのものの物理的特性を変えてしまいます。機械の角に置いたスマートフォンは、中央に置いたものとは異なる動きを感知します。折りたたんだタオルの上に置いたスマートフォンは、タオルを測定していることになります。硬いパネルにぴったりと押し付けられたスマートフォンは機械と結合（カップリング）しますが、上に緩く載ってガタガタ音を立てているスマートフォンは、それ自体の打撃音を加えてしまいます。したがって、守るべきルールはシンプルです。同じ場所、同じ向き、しっかりと平らに接触させ、機械を同じ動作状態にすることです。脱水中は脱水中同士で比較すべきであり、給水中と比較してはいけません。

基本ルール：最も価値のある振動の測定値は、何も問題が起きていないときに取得したものです。シグネチャーは単体ではほとんど意味を持ちませんが、先月のものと並べることで大きな意味を持ちます。機械が正常なうちに測定して記録（ファイル）しておけば、その機械の将来の測定値はすべて、憶測ではなく比較対象になります。

時間の経過に伴うシグネチャー：カタログが記憶を代行する

ここで、プラットフォームの構造が本領を発揮します。キャプチャされた各データは、カタログ内のオブジェクト（「この洗濯機」、「あのプリンター」など）の下にファイルされ、繰り返された測定値はその下に順番に蓄積されていきます。「以前より悪くなっているか？」という問いは、3ヶ月前の感触に関する誰かの記憶に頼る必要がなくなります。その答えは、同じ画面に並んだ2つのシグネチャーとして示されます。

そして、問題が解決したとき（修理技術者が機械を開けて摩耗したベアリングを発見したとき、あるいは恐ろしいガタつきの原因が紛失した靴下だったと分かったとき）、その測定値に後から実際の原因（グラウンドトゥルース）をラベル付けすることができます。振動シグネチャーと、実際の原因が何であったかの組み合わせは、実際のスマートフォンで測定された実機のラベル付きサンプルとなります。多くの機械や多くのユーザーから集められたこれらのコレクションこそが、将来の自動診断システムを学習させるために不可欠なデータとなります。今日の疑問に答えるために取得する測定値が、明日のためのデータセットになるのです。

すべてはオンデバイスで実行されます。解析はスマートフォン上オフラインで行われ、測定値に関してネットワークは一切不要です。加速度センサーには「アクティブ」な相棒もいます。機械が揺れるのを待つ代わりに、スマートフォン自体の振動モーターを使って自ら振動を起こし、オブジェクトがどのように反応するかを読み取ることができるのです。これが 触覚応答ツール です。スマートフォンのセンサーが測定できるものの全体像については、まず ツールの概要 をご覧ください。