MAHALANOBIS TAGUCHI（MT）系统。
ovit阿尔卑斯电气的质量工程方法在最近一期的《日刊工业新闻》中得到了介绍。
这篇文章是关于该公司通过采用MT系统来消除缺陷产品的流出的努力。
由于我的无知，我对MT系统知之甚少，但这个概念与FlexInspector的理念如此接近（或者相反更准确？我很感兴趣。我立即拿起文件，研究哪些地方相同，哪些地方不同。
毕竟，在图像的情况下，数据量太大（如果从图像中提取特征并应用于它，并非不可能。然而，这是不强行提取特征值的FI方式）。我们发现，不可能正确应用。
然而，将 "好产品 "定义为一个同质群体（单位空间），并假设如果与它的距离增加，它就是不正常的，这种想法几乎可以说是相同的，MT系统获得的许多优势与FlexInspector的优势重叠了。虽然是巧合，但也很精彩。
我再次以为，目前的机器视觉行业与质量工程没有什么联系。我觉得，这可能是制造商和用户之间很深很深的鸿沟。我有一种感觉，这就是我一直觉得质量工程师越是谈论质量，他们就越是欣赏FlexInspector的原因。
被称为 "Kaizen Demon "的山田英寿先生，追随丰田生产系统的大野先生的脚步，有很多东西值得我们学习。
他说："如果制造业的存在是为了'制造垃圾'，那么制造场所自然就会变成没有工作动力和希望的工作场所。
制造业将成为一个没有工作欲望和希望的地方，这是很自然的。
大量的工业产品开始破坏环境，造成能源问题，使地球上的人和自然都无法生存。
地球对人和自然来说都变得无法生存了......"
制造商规划好产品的生产和销售，只生产和销售好产品，这是对人和自然环境的贡献。
我们觉得这种思维方式和FI的世界观有相同的特质。
我认为MTS方法的原理和变异是同一个思维方式。
我们曾经使用MTS方法进行缺陷分类，并对感官评价进行量化。然而，如果我们考虑到模式识别领域，MTS方法只是其中一种方法，所以现在我们使用适合应用的模式识别方法。
回到MTS方法，分类一般使用从图像中获得的特征，但也有MTS方法的应用实例，直接使用灰度值进行字符识别和缺陷检测。然而，这与田口方法一样，都是基于使用蛮力的想法，因为它没有得到很好的理解，我认为它没有任何理论和好处，因为它只是碰巧有效。
即使是FlexInspector，也有一个阈值来决定最终检测到的是垃圾还是缺陷，但难道不需要让这个判断更复杂吗？
我认为，无论你做什么样的图像处理，你至少要对最终的东西是否合格作出黑白分明的判断。
谢谢你的评论。
我个人认为，机器视觉的某些领域需要 "模式识别"（即图像理解），有些则不需要。我认为，从图像中提取特征值（如尺寸）是一种模式识别。我们还认为，使用各种方法从单一图像中提取信息，本身就是一项非常有意义的研究。
问题是，在视觉检测领域，有一个比较简单的领域："如果和好的产品一样，就可以了，如果不一样，就NG了。在FlexInspector中，基本政策是使配置尽可能简单，所以 "NG类型 "被截断了。相反，我们让它变得简单而多变。(FlexInspector将NG视为垃圾或缺陷，如果它们与好产品不同。) 有一些功能，如面积阈值，可以进行简单的基于尺寸的划分，但根本没有高级分类功能。
然而，必须明白，FlexInspector不可能检查所有的东西，好产品需要统一。底线是取决于产品，在投入生产之前，你不知道结果会是什么。这被公认为是最大的弱点。
如果有些东西不起作用，这时你就需要进行'模式识别'。一旦你进入这个领域，我认为要摆脱一个产品适合所有产品的做法和以往一样困难。