CN111381472A - 图像形成装置和图像形成方法 - Google Patents

Abstract

本发明提供图像形成装置和图像形成方法。图像形成装置具备图像形成部、测量部、生成部和预测部。图像形成部在片材上形成图像。测量部对图像形成部中的声音或振动进行测量。生成部对测量部的测量结果进行频率分析，并生成频率数据。预测部基于频率数据对图像形成部进行不良状态预测。

Description

图像形成装置和图像形成方法

技术领域

本发明涉及图像形成装置和图像形成方法。

背景技术

为了在图像形成装置中快速解决故障，目前正在研究对图像形成装置进行故障预测。这样的图像形成装置中，基于所形成的输出图像进行图像形成装置的故障预测。

发明内容

然而，图像形成装置中，有时不能高精度地预测不良状态。

本发明是鉴于上述课题而作出的，其目的在于提供能够高精度地预测不良状态的图像形成装置和图像形成方法。

本发明的图像形成装置具备图像形成部、测量部、生成部和预测部。所述图像形成部在片材上形成图像。所述测量部对所述图像形成部的声音或振动进行测量。所述生成部对所述测量部的测量结果进行频率分析，并生成频率数据。所述预测部基于所述频率数据对所述图像形成部进行不良状态预测。

本发明的图像形成方法包含：图像形成部在片材上形成图像的步骤、对所述图像形成部的声音或振动进行测量的步骤、对所述测量的步骤中的测量结果进行频率分析并生成频率数据的步骤以及基于所述频率数据对所述图像形成部进行不良状态预测的步骤。

根据本发明，能够高精度地预测图像形成装置的不良状态。

附图说明

图1是本实施方式的图像形成装置的示意图。

图2是本实施方式的图像形成装置的框图。

图3(a)是本实施方式的图像形成装置的测量部的测量结果图表，图3(b)是本实施方式的图像形成装置的生成部中生成的频率数据图表，图3(c)是本实施方式的图像形成装置的学习数据表格，图3(d)是本实施方式的图像形成装置中的声音频率数据、振动频率数据和不良状态发生概率的表格。

图4是用于说明本实施方式的图像形成方法的流程图。

图5(a)是本实施方式的图像形成装置的学习数据表格，图5(b)是本实施方式的图像形成装置中的声音频率数据、振动频率数据、印刷条件、累计打印张数和不良状态发生概率的表格。

图6是本实施方式的图像形成装置的示意图。

图7(a)是本实施方式的图像形成装置的学习数据表格，图7(b)是本实施方式的图像形成装置中各传感器的声音频率数据、振动频率数据和不良状态发生概率的表格。

图8是具备本实施方式图像形成装置的图像形成系统的示意图。

图9(a)是本实施方式的图像形成系统的学习数据表格，图9(b)是本实施方式的图像形成装置中各图像形成装置的声音频率数据、振动频率数据和不良状态发生概率的表格。

具体实施方式

以下，参照附图对本发明实施方式进行说明。另外，在图中对相同或者相应的部分标上相同的附图标记，不再重复说明。

首先，参照图1，对本实施方式的图像形成装置100的结构进行说明。图1是图像形成装置100的示意图。图像形成装置100在片材S上形成图像。图像形成装置100例如是打印机、复印机或多功能一体机。图像形成装置100也可以具有传真功能。本实施方式中，图像形成装置100是电子照相方式。

图像形成装置100具备图像形成部110、测量部120、生成部130和预测部140。图像形成部110、测量部120、生成部130和预测部140设置在图像形成装置100的壳体内。

图像形成部110在片材S上形成图像。例如，片材S是普通纸、再生纸、薄纸、厚纸、铜版纸或OHP(Overhead Projector)片材。

测量部120对图像形成部110的声音或振动进行测量。例如，测量部120具有测量声音的麦克风。或者，测量部120具有测量振动的振动计。

生成部130对测量部120的测量结果进行频率分析，并生成频率数据。生成部130根据测量部120的声音测量结果来生成声音频率数据。或者，生成部130根据测量部120的振动测量结果来生成振动频率数据。例如，生成部130通过对测量部120的测量结果进行高速傅立叶变换(Fast Fourier Transform：FFT)处理，由此生成频率数据。例如，频率数据也可以用作学习数据。

预测部140基于生成部130所生成的频率数据，来预测图像形成部110的不良状态。例如，预测部140对生成部130所生成的频率数据进行机器学习，利用机器学习的结果来预测图像形成部110的不良状态。预测部140也可以在机器学习时使用卷积神经网络(Convolutional Neural Network：CNN)处理。

进行用于CNN处理的学习时，使用频率数据作为输入，使用图像形成部110的状态(故障的有无或不良状态的有无)作为输出。另外，隐藏层可以是1层，也可以是2层以上。这样的情况下，进行CNN处理时，随着频率数据的输入，输出图像形成部110的不良状态发生概率。

例如，图像形成部110的不良状态包含在图像形成部110中产生的异常。通常情况下，在图像形成部110中产生异常后，图像形成部110停止工作。例如，异常包括堵塞。或者，异常包括需要请求呼叫维修人员的情况。

或者，图像形成部110的不良状态包括图像形成动作的变化。例如，在图像形成部110中片材S被少许倾斜地输送的情况下，只要在正常的范围内，图像形成部110就不停止工作。这样的情况下，也可以判断为图像形成部110产生了不良状态。

在预测部140进行学习的情况下，预测部140对图像形成部110的历史频率数据和历史状态进行学习。使用分类器执行这种学习。预测部140基于频率数据来预测图像形成部110的不良状态。

预测部140也可以求出不良状态发生概率来作为图像形成部110的不良状态预测结果。不良状态发生概率由0％～100％表示。

控制部130A包含生成部130和预测部140。控制部130A对图像形成部110进行控制。控制部130A含有运算元件。运算元件含有处理器。一个例子中，处理器含有中央处理器(CPU)。处理器也可以含有专用集成电路(Application Specific Integrated Circuit：ASIC)。

图像形成部110含有进给部112、输送部114和成像部116。进给部112收纳片材S。还有，进给部112根据需要对片材S进行一张一张地进给。

进给部112具备匣盒112a和进给辊112b。匣盒112a收纳若干张片材S。进给辊112b对匣盒112a中收纳的片材S进行进给。进给辊112b将匣盒112a中收纳的若干张片材S中最上面的片材S一张一张地进行进给。本实施方式中，进给部112具备若干个匣盒112a，若干个匣盒112a中各自设置进给辊112b。

输送部114将进给部112进给来的片材S输送到成像部116。详细而言，输送部114将进给部112进给来的片材S一张一张地输送到成像部116。成像部116在片材S上形成图像之后，输送部114从成像部116开始输送片材S，将片材S排出到图像形成装置100的外部。

输送部114包含若干个输送辊114a。输送辊114a对片材S进行输送。输送部114中，若干个输送辊114a形成片材S的输送路。

输送辊114a含有旋转辊。旋转辊以旋转轴为中心进行旋转。通常情况下，输送辊114a含有一对旋转辊。一对旋转辊彼此相对并以旋转轴为中心进行旋转。一个例子中，一对旋转辊中的一个旋转辊根据马达的动力而旋转，另一个旋转辊从动地旋转。片材S进入旋转的一对旋转辊之间，被旋转辊推压，并从旋转辊被推出。

输送辊114a含有配准辊114r。配准辊114r调整片材S输送到成像部116的时间。配准辊114r使片材S的输送暂时停止，配合成像部116的规定时间，将片材S输送成像部116。

调色剂容器Ca～Cd安装在图像形成装置100中。调色剂容器Ca～Cd各自相对于图像形成装置100都可装拆。调色剂容器Ca～Cd中，各自收纳不同颜色的调色剂。调色剂容器Ca～Cd的调色剂供给到图像形成部110。图像形成部110使用由调色剂容器Ca～Cd供给来的调色剂进行图像的形成。

例如，调色剂容器Ca收纳黄色调色剂，将黄色调色剂供给到成像部116。调色剂容器Cb收纳品红色调色剂，将品红色调色剂供给到成像部116。调色剂容器Cc收纳青色调色剂，将青色调色剂供给到成像部116。调色剂容器Cd收纳黑色调色剂，将黑色调色剂供给到成像部116。

成像部116使用调色剂容器Ca～Cd中收纳的调色剂，基于图像数据将图像形成在片材S上。其中，成像部116含有曝光部116a、感光鼓116b、带电部116c、显影部116d、一次转印辊116e、清洁部116f、中间转印带116g、二次转印辊116h和定影部116i。

旋转辊根据马达的动力进行旋转，中间转印带116g根据旋转辊而旋转。显影部116d中，安装了马达。显影部116d内的调色剂随着马达的旋转被搅拌。

对应于调色剂容器Ca～Cd的每一个，设置感光鼓116b、带电部116c、显影部116d、一次转印辊116e和清洁部116f。若干个感光鼓116b沿着中间转印带116g的旋转方向配置成抵接到中间转印带116g的外表面。若干个一次转印辊116e设置成对应于若干个感光鼓116b。若干个一次转印辊116e隔着中间转印带116g与若干个感光鼓116b相对。

带电部116c使感光鼓116b的周面带电。曝光部116a基于图像数据将光照射到感光鼓116b的每一个上，在感光鼓116b的周面形成静电潜像。显影部116d使调色剂附着到静电潜像上，由此使静电潜像显影，在感光鼓116b的周面上形成调色剂像。还有，感光鼓116b承载调色剂像。一次转印辊116e将感光鼓116b上形成的调色剂像转印到中间转印带116g的外表面上。清洁部116f将残留在感光鼓116b的周面上的调色剂去除。

对应于调色剂容器Ca的感光鼓116b基于静电潜像形成黄色调色剂像，对应于调色剂容器Cb的感光鼓116b基于静电潜像形成品红色调色剂像。对应于调色剂容器Cc的感光鼓116b基于静电潜像形成青色调色剂像，对应于调色剂容器Cd的感光鼓116b基于静电潜像形成黑色调色剂像。

多种颜色的调色剂像从感光鼓116b重叠地转印到中间转印带116g的外表面上，由此形成图像。因此，中间转印带116g承载图像。二次转印辊116h将形成在中间转印带116g的外表面上的图像转印到片材S上。

定影部116i对已转印上调色剂像的片材S进行加热和加压，由此使调色剂像定影在片材S上。定影部116i具备加热辊116j和加压辊116k。加热辊116j和加压辊116k配置成彼此相对，由此形成定影夹持部。通过了中间转印带116g与二次转印辊116h之间的片材S通过定影夹持部时，被规定的定影温度进行加热，并被加压。其结果，调色剂像定影在片材S上。输送部114将调色剂像已定影的片材S排出到图像形成装置100的外部。

本实施方式中，测量部120包含声音测量部122和振动测量部124。声音测量部122对图像形成部110中产生的声音进行测量。例如，声音测量部122对图像形成部110的马达产生的声音进行测量。或者，声音测量部122对输送部114中所输送的片材S的声音进行测量。

振动测量部124对图像形成部110中产生的振动进行测量。例如，振动测量部124对图像形成部110的马达产生的振动进行测量。或者，振动测量部124对伴随着输送部114中所输送的片材S而产生的振动进行测量。

图像形成装置100也可以进一步具备输出部150。在预测部140预测到了图像形成部110的不良状态时，输出部150向使用者输出预测部140的预测结果。

输出部150含有显示部152、音频输出部154和通信部156。显示部152可显示各种图像。显示部152也可以含有液晶显示器。显示部152将预测部140的预测结果显示在显示画面上。

音频输出部154输出音频。音频输出部154以音频的方式向使用者输出预测部140的预测结果。

通信部156用于向外部机器发送信息或数据，并接收来自外部机器的信息或数据。外部机器例如是服务器。或者，外部机器是使用者、图像形成装置100的管理员或维护保养员的信息处理终端。通信部156将预测部140的预测结果发送到外部机器。

另外，通信部156也可以将生成部130中生成的声音频率数据、振动频率数据和状态数据发送到外部机器。这种情况下，该图像形成装置100中生成的数据也可以用作其它图像形成装置的学习数据。

或者，通信部156也可以从外部机器接收其它图像形成装置的生成部中生成的声音频率数据、振动频率数据和状态数据。这种情况下，其它图像形成装置中生成的数据也可以用作该图像形成装置100的学习数据。

或者，图像形成装置100也可以使用便携式信息记录介质与其它图像形成装置进行数据交换。例如，生成部130中生成的声音频率数据、振动频率数据和状态数据也可以通过USB(Universal Serial Bus)存储器被用在其它图像形成装置中。或者，图像形成装置100也可以通过USB存储器接收其它图像形成装置的生成部中生成的声音频率数据、振动频率数据和状态数据。另外，在预测部140基于图像形成装置100的生成部130中生成的数据以及其它图像形成装置的生成部中生成的数据来预测图像形成部110的不良状态时，也可以使对应的生成部130中生成的数据的权重高于其它图像形成装置的生成部中生成的数据。

图像形成装置100也可以进一步具备输入部160。来自使用者的操作输入的输入部160中。输入部160也可以与显示部152成一体化。输入部160含有触控面板。触控面板通过检测使用者的接触来受理使用者的输入操作。

图像形成装置100进一步具备温度测量部170。温度测量部170对图像形成装置100内的温度进行测量。例如，温度测量部170含有热敏电阻器。热敏电阻器根据电阻的变化来检测温度。

接下来，参照图1和图2，对图像形成装置100的结构进行说明。图2是本实施方式的图像形成装置100的框图。

除了生成部130和预测部140，控制部130A还进一步具备装置控制部132。装置控制部132对图像形成部110进行控制。

还有，图像形成装置100进一步具备存储部135。存储部135含有存储元件。存储部135也可以具备半导体存储器之类的存储器。存储部135含有半导体存储器之类的主存储元件和半导体存储器和/或硬盘驱动器之类的辅助存储元件。存储部135也可以含有可移动介质。

存储部135存储各种数据。例如，存储部135存储控制程序。控制部130A通过执行控制程序，对图像形成装置100的动作进行控制。详细而言，控制部130A的处理器执行存储部135的存储元件中存储的计算机程序，对图像形成装置100的各结构进行控制。例如，生成部130和预测部140通过控制部130A执行计算机程序来实现。

例如，计算机程序存储在非暂时性计算机可读取存储介质中。非暂时性计算机可读取存储介质包含ROM(Read Only Memory)、RAM(Random Access Memory)、CD-ROM、磁带、磁盘或光数据存储装置。

生成部130、装置控制部132和/或预测部140将信息或数据存储在存储部135中。还有，生成部130、装置控制部132和/或预测部140从存储部135中读出信息或数据。

接下来，参照图1～图3(d)，对本实施方式的图像形成装置100的不良状态预测进行说明。图3(a)～图3(d)是用于说明图像形成装置100的不良状态预测的图表。

图3(a)是测量部120的测量结果图表。如图3(a)所示，测量部120对图像形成部110中的声音或振动的振幅随时间的变化进行测量。生成部130对测量部120的测量结果进行频率分析，并生成频率数据。

图3(b)是生成部130中所生成的频率数据的图表。如图3(b)所示，频率数据是指各频率的频度。生成部130基于测量部120所测量的声音测量结果，生成声音频率数据。还有，生成部130基于测量部120所测量的振动测量结果，生成振动频率数据。

图3(c)是声音频率数据、振动频率数据和状态的表格。存储部135对数据表进行存储。本实施方式中，如图3(c)所示，存储部135对图像形成部110的各动作的声音频率数据和振动频率数据进行存储，同时存储图像形成部110的相应状态。声音频率数据、振动频率数据和状态用作学习数据。

状态是指图像形成部110中有无发生异常。在图像形成部110中发生了不良状态的情况下，表格中是异常，在图像形成部110中没有发生不良状态的情况下，表格中是正常。例如，在图像形成部110中发生了堵塞的情况下，表格中存储异常。或者，在显示部152显示服务电话画面的情况下，表格中存储异常。例如，引擎软件的驱动被锁定时或者特定的马达或风扇的动作异常时，在显示部152上显示服务电话画面。

图3(c)的表格显示数据序号、声音和振动的测量日期时间、声音频率数据、振动频率数据和状态。图3(c)的表格中，第36号数据指出：在2018年9月1日10时08分，声音频率数据为D36、振动频率数据为d36、图像形成部110为正常。还有，第37号数据指出：在2018年9月1日11时22分，声音频率数据为D37，振动频率数据为d37，图像形成部110为正常。

第38号数据指出：在2018年9月1日13时35分，声音频率数据为D38，振动频率数据为d38，图像形成部110为异常。还有，第39号数据指出：在2018年9月1日14时46分，声音频率数据为D39，振动频率数据为d39，图像形成部110为正常。由此可知，在2018年9月1日13时前后，图像形成部110中出现了不良状态，然后通过某种处理解除了不良状态。

还有，第62号数据指出：在2018年9月4日10时48分，声音频率数据为D62，振动频率数据为d62，图像形成部110为正常。还有，第63号数据指出：在2018年9月4日11时25分，声音频率数据为D63，振动频率数据为d63，图像形成部110为异常。

第64号数据指出：在2018年9月4日12时07分，声音频率数据为D64，振动频率数据为d64，图像形成部110为正常。由此可知，在2018年9月4日11时前后，图像形成部110中出现了不良状态，然后通过某种处理解除了不良状态。

预测部140基于学习数据来预测图像形成部110的不良状态。图3(d)是本实施方式的图像形成装置100中的声音频率数据、振动频率数据和不良状态发生概率的表格。

如图3(d)所示，2018年9月9日11时36分测量的第115号数据是声音频率数据D115和振动频率数据d115的情况下，预测部140基于频率数据D115、频率数据d115和学习数据来预测图像形成部110的不良状态发生。例如，不良状态发生的概率是20％。

2018年9月9日12时54分测量的第116号数据是声音频率数据D116和振动频率数据d116的情况下，预测部140基于频率数据D116、频率数据d116和学习数据来预测图像形成部110的不良状态发生。例如，不良状态发生的概率是80％。

另外，根据不良状态发生概率，也可以向使用者输出图像形成部110的不良状态发生的可能性。例如，存储部135中，存储了用于将不良状态发生通知给使用者的阈值。一个例子中，阈值是75％。

在预测部140所预测的不良状态发生概率超过阈值的情况下，装置控制部132控制输出部150，向使用者输出图像形成部110的不良状态发生可能性。例如，在测量了第116号数据之后，输出部150向使用者输出图像形成部110的不良状态发生可能性。

一个例子中，显示部152在显示画面上显示用于通知图像形成部110的不良状态发生可能性的消息。或者，音频输出部154通过音频输出用于通知图像形成部110的不良状态发生可能性的消息。

另外，一般而言，声音的强度和振动的强度只是若干个频率成分的合计振幅，因此在基于声音强度和振动强度的情况下有时会错过图像形成装置的变化。本实施方式中，使用声音频率数据和振动频率数据来预测图像形成部110的不良状态，因此能够高精度地预测图像形成部110的不良状态。

另外，图3(c)中，存储部135按照图像形成部110的各动作存储了声音频率数据、振动频率数据和状态，但本实施方式不限于此。存储部135也可以定期地按照图像形成部110的各动作来测量声音频率数据和振动频率数据，并进行状态存储。例如，存储部135也可以每5分钟按照图像形成部110的各动作来测量声音频率数据和振动频率数据，并进行状态存储。或者，也可以是图像形成部110每次在片材S上形成图像时，存储部135对声音频率数据、振动频率数据和状态进行存储。

另外，通常情况下，图3(d)的数据是使用者使用图像形成装置100时得到的数据，不过，图3(c)的数据可以是使用者使用图像形成装置100时得到的数据，也可以是图像形成装置100的开发者或制造者在开发或制造图像形成装置100的过程中得到的数据。例如，图3(c)的数据也可以在开发过程中的耐印刷试验时获得。

还有，在预测部140进行机器学习的情况下，如图3(c)所示，存储部135优选为按照图像形成部110的各个动作对声音频率数据和振动频率数据进行存储。另一方面，如图3(d)所示，在预测部140进行图像形成部110的不良状态预测时，可以只在图像形成部110中由测量部120测量的声音或振动的振幅超过规定值的情况下，生成部130生成声音频率数据和振动频率数据。由此，只有当图像形成部110的不良状态发生概率可能较高时，预测部140进行图像形成部110的不良状态预测，因此能够有效地抑制问题发生可能性低时的运算。

另外，在参照图3(a)～图3(d)的上述说明中，图像形成部110在普通印刷模式下对在片材S上形成图像时的声音和振动进行测量，但本实施方式不限于此。也可以在图像形成部110的测试模式下，对装置控制部132工作时的声音和振动进行测量，测试模式与普通印刷模式不同。

例如，输送辊114a的转速发生变化时，图像形成部110的声音和振动发生变化。例如，也可以在输送辊114a以相对于普通印刷模式的输送速度为0.5倍以上0.9倍以下的输送速度时的测试模式进行旋转的情况下，测量部120对图像形成部110的声音和振动进行测量。还有，也可以在输送辊114a以相对于普通印刷模式的输送速度为1.1倍以上2.0倍以下的输送速度时的测试模式进行旋转的情况下，测量部120对图像形成部110的声音和振动进行测量。

或者，定影部116i的温度上升时，由于定影部116i的膨胀，图像形成部110的声音和振动发生变化。例如，也可以在定影部116i以相对于普通印刷模式的定影温度为0.5倍以上0.9倍以下的温度时的测试模式进行加热的情况下，测量部120对图像形成部110的声音和振动进行测量。还有，也可以在定影部116i以相对于普通印刷模式的定影温度为1.1倍以上1.5倍以下的温度时的测试模式进行加热的情况下，测量部120对图像形成部110的声音和振动进行测量。

另外，图3(c)中，为了便于理解本发明，存储部135存储了作为学习数据依次测量的声音频率数据和振动频率数据，但本实施方式不限于此。通过CNN处理进行学习的情况下，存储部135也可以不逐次存储学习数据。存储部135也可以依次更新权重系数，来对应作为学习数据的声音频率数据、振动频率数据和状态。

另外，在参照图3(a)～图3(d)的上述说明中，测量部120对声音和振动都进行测量，但本实施方式不限于此。测量部120也可以只测量声音或振动。

接下来，参照图1～图4，对本实施方式的图像形成装置100的图像形成方法进行说明。图4是用于说明本实施方式的图像形成装置100的图像形成处理的流程图。

步骤S402中，开始形成图像。图像形成部110在片材S上形成图像。

步骤S404中，图像形成部110将图像形成在片材S上时，测量部120对图像形成部110的声音或振动进行测量。例如，在图像形成部110中，开始输送片材S之前、输送片材S的期间或者图像已形成的片材S被排出到图像形成装置100的外部之后，测量部120对声音或振动进行测量。

声音测量部122对图像形成部110的马达声音进行测量。或者，声音测量部122对图像形成部110中输送的片材S的声音进行测量。或者，振动测量部124对图像形成部110的马达带来的振动进行测量。或者，振动测量部124对伴随着图像形成部110中输送的片材S产生的振动进行测量。

步骤S406中，生成部130对测量部120的测量结果进行频率分析，并生成频率数据。

步骤S408中，预测部140对图像形成部110进行不良状态预测。预测部140利用含有历史频率数据和历史状态的学习数据，基于频率数据对图像形成部110进行不良状态预测。例如，预测部140预先学习了图像形成部110的历史频率数据和历史状态。通过这样的学习，创建分类器。预测部140基于频率数据对图像形成部110进行不良状态预测。

步骤S410中，输出部150将预测结果进行输出。通常情况下，在预测部140预测图像形成部110中将产生不良状态的情况下，输出部150将预测结果进行输出。不过，即使在预测部140预测图像形成部110中不会产生不良状态的情况下，输出部150也可以输出预测结果。

步骤S412中，存储部135将声音频率数据和振动频率数据与图像形成部110的状态一起进行存储。由此，可以将本次的测量结果和生成结果用作将来的学习数据。如上所述，能够进行图像形成处理。

另外，步骤S410中，预测到图像形成部110高概率会发生不良状态的情况下，输出部150也可以提示使用者进行设定的变更，使得从现在到图像形成单元110发生不良状态的期间变长。例如，显示部152可以显示提示画面，提示使用者进行设定变更来降低片材的输送速度。或者，显示部152可以显示提示画面，提示使用者进行上油操作来减少不良状态发生可能性高的部件的磨损。例如，显示部152可以显示提示画面，提示使用者对输送辊114a进行上油操作。

或者，显示部152可以显示提示画面，提示使用者直接或间接地暂时按压不良状态发生可能性高的部件。例如，显示部152可以显示提示画面，提示使用者按压图像形成装置100的壳体中的特定位置。

另外，在参照图3(c)的上述说明中，学习数据包含声音频率数据、振动频率数据和图像形成部110的状态，但本实施方式不限于此。学习数据也可以进一步包含其它数据。例如，学习数据也可以在含有声音频率数据、振动频率数据和图像形成部110的状态的基础上，含有图像形成部110的动作的种类和/或图像形成部110的累计打印张数。

接下来，参照图1～图5(b)，对本实施方式的图像形成装置100进行说明。图5(a)是学习数据的表格。存储部135将学习数据存储为表格。其中，如图5(a)所示，存储部135对表格进行存储，表格包含声音和振动的测量日期和时间、声音频率数据、振动频率数据、印刷条件、累计打印张数和状态。

图5(a)的表格中，第51号数据指出：在2018年9月2日14时26分，声音频率数据为D51，振动频率数据为d51，印刷条件是单色2in1的4张印刷，累计打印张数为5030张，图像形成部110为正常。还有，第52号数据指出：在2018年9月2日14时43分，声音频率数据为D52，振动频率数据为d52，印刷条件是彩色的2张印刷，累计打印张数为5032张，图像形成部110为正常。

还有，第53号数据指出：在2018年9月2日14时57分，声音频率数据为D53，振动频率数据为d53，印刷条件是单色4in1的16张印刷，累计打印张数为5048张，图像形成部110为异常。还有，第54号数据指出：在2018年9月2日15时01分，声音频率数据为D54，振动频率数据为d54，印刷条件是彩色2in1的2张印刷，累计打印张数为5050张，图像形成部110为正常。由此可知，在2018年9月2日15时之前，图像形成部110中出现了不良状态，然后通过某种处理解除了不良状态。

预测部140基于学习数据对图像形成部110进行不良状态预测。另外，学习数据不限于本实施方式的图像形成装置100中测量或生成的数据，也可以使用其它图像形成装置中测量或生成的数据。这样的情况下，利用数据的图像形成装置优选为与本实施方式的图像形成装置100具有同样的结构。

图5(b)是本实施方式的图像形成装置100中的声音频率数据、振动频率数据、印刷条件、累计打印张数和不良状态发生概率的表格。其中，第153号数据指出：在2018年9月8日10时08分、声音频率数据为D153、振动频率数据为d153、印刷条件是单色2in1的4张印刷、累计打印张数为4258张的情况下，预测部140根据频率数据D153、频率数据d153、印刷条件、累计打印张数和学习数据，预测图像形成部110的不良状态发生情况。该情况下，不良状态发生概率是10％。

还有，第154号数据指出：在2018年9月8日10时53分、声音频率数据为D154、振动频率数据为d154、印刷条件是彩色的2张印刷，累计打印张数为4260张的情况下，预测部140根据频率数据D154、频率数据d154、印刷条件、累计打印张数和学习数据，预测图像形成部110的不良状态发生情况。该情况下，不良状态发生概率是15％。

还有，第155号数据指出：在2018年9月8日11时27分，声音频率数据为D155，振动频率数据为d155，印刷条件是单色4in1的16张印刷，累计打印张数为4276张。此时，预测部140根据频率数据D155、频率数据d155、印刷条件、累计打印张数和学习数据，预测图像形成部110的不良状态发生情况。该情况下，不良状态发生概率是80％。如上所述，能够对图像形成部110的不良状态进行预测。

另外，在参照图5(a)和图5(b)的说明中，学习数据含有声音频率数据和振动频率数据，还含有印刷条件和累计打印张数，但本实施方式不限于此。学习数据也可以含有声音频率数据和振动频率数据，并含有印刷条件和累计打印张数中的其中一只。

或者，学习数据含有声音频率数据和振动频率数据，也可以再含有环境条件。例如，学习数据可以包含由温度测量部170测量的温度。或者，学习数据也可以含有图像形成部110的湿度。

另外，图1的图像形成装置100中，声音测量部122和振动测量部124对图像形成部110整体的声音和振动进行测量，但本实施方式不限于此。也可以对应于图像形成部110的位置，放置若干个声音测量部122和振动测量部124，按照图像形成部110的不同部分进行不良状态预测。

接下来，参照图6，本对实施方式的图像形成装置100进行说明。图6是本实施方式的图像形成装置100的示意图。图6的图像形成装置100除了具备若干个声音传感器和若干个振动传感器以外，与参照图1的上述图像形成装置相同。因此，为了避免不必要的重复，而省略了重复的说明。

其中，声音测量部122含有若干个声音传感器。例如，声音测量部122含有第一声音传感器122a、第二声音传感器122b、第三声音传感器122c和第四声音传感器122d。

还有，振动测量部124含有若干个振动传感器。例如，振动测量部124含有第一振动传感器124a、第二振动传感器124b、第三振动传感器124c和第四振动传感器124d。

其中，声音传感器和振动传感器成对地设置。第一声音传感器122a和第一振动传感器124a配置在进给辊112b的附近，第二声音传感器122b和第二振动传感器124b配置在中间转印带116g的附近。还有，第三声音传感器122c和第三振动传感器124c配置在定影部116i的附近，第四声音传感器122d和第四振动传感器124d配置在通过定影部116i的输送路径上的输送辊114a的附近。

接下来，参照图1、图6、图7(a)和图7(b)，对本实施方式的图像形成装置100进行说明。图7(a)是第一声音传感器122a～第四声音传感器122d的频率数据、第一振动传感器124a～第四振动传感器124d的频率数据和状态的表格。存储部135对表格进行存储。其中，如图7(a)所示，存储部135将表格作为学习数据进行存储，表格中包含第一声音传感器122a～第四声音传感器122d的频率数据、第一振动传感器124a～第四振动传感器124d的频率数据和状态。

图7(a)的表格中，第42号数据指出：在2018年9月5日10时36分，第一声音传感器122a的频率数据是Da42，第一振动传感器124a的频率数据是da42，进给辊112b为正常。还有，第42号数据指出：第二声音传感器122b的频率数据是Db42，第二振动传感器124b的频率数据是db42，中间转印带116g为正常。另外，图7(a)的表格包含第三声音传感器122c、第四声音传感器122d的频率数据、第三振动传感器124c、第四振动传感器124d的频率数据和对应机器的状态结果，但在图7(a)中省略了这些数据的显示。

第43号数据指出：在2018年9月5日10时58分，第一声音传感器122a的频率数据是Da43，第一振动传感器124a的频率数据是da43，进给辊112b为正常。还有，第43号数据指出：第二声音传感器122b的频率数据是Db43，第二振动传感器124b的频率数据是db43，中间转印带116g为异常。

第44号数据指出：在2018年9月5日11时42分，第一声音传感器122a的频率数据是Da44，第一振动传感器124a的频率数据是da44，进给辊112b为异常。还有，第44号数据指出：第二声音传感器122b的频率数据是Db44，第二振动传感器124b的频率数据是db44，中间转印带116g为正常。由此可知，在2018年9月5日11时前后，图像形成部110的中间转印带116g中出现了不良状态，然后通过某种处理解除了不良状态。

第45号数据指出：在2018年9月5日12时15分，第一声音传感器122a的频率数据是Da45，第一振动传感器124a的频率数据是da45，进给辊112b为正常。还有，第45号数据指出：第二声音传感器122b的频率数据是Db45，第二振动传感器124b的频率数据是db45，中间转印带116g为正常。由此可知，在2018年9月5日12时前后，图像形成部110的进给辊112b中出现了不良状态，然后通过某种处理解除了不良状态。

预测部140基于学习数据对图像形成部110的各部分进行不良状态预测。图7(b)是本实施方式的图像形成装置100中的第一声音传感器122a～第四声音传感器122d的频率数据、第一振动传感器124a～第四振动传感器124d的频率数据和不良状态发生概率的表格。

其中，第122号数据指出：在2018年9月8日13时22分，第一声音传感器122a的频率数据是Da122，第一振动传感器124a的频率数据是da122，进给辊112b的不良状态发生概率为15％。还有，第122号数据指出：第二声音传感器122b的频率数据是Db122，第二振动传感器124b的频率数据是db122，中间转印带116g的不良状态发生概率是2％。

第123号数据指出：在2018年9月8日14时51分，第一声音传感器122a的频率数据是Da123，第一振动传感器124a的频率数据是da123，进给辊112b的不良状态发生概率是3％。还有，第123号数据指出：第二声音传感器122b的频率数据是Db123，第二振动传感器124b的频率数据是db123，中间转印带116g的不良状态发生概率是95％。

第124号数据指出：在2018年9月8日15时36分，第一声音传感器122a的频率数据是Da124，第一振动传感器124a的频率数据是da124，进给辊112b的不良状态发生概率是85％。还有，第124号数据指出：第二声音传感器122b的频率数据是Db124，第二振动传感器124b的频率数据是db124，中间转印带116g的不良状态发生概率是10％。

根据本实施方式的图像形成装置100，能够按照图像形成部110的各位置进行图像形成部110的不良状态发生预测。因此，图像形成装置100的使用者、管理员或维护保养者可以预先准备将要出现不良状态的部件，能够迅速更换出现不良状态的部件。

另外，在参照图6、图7(a)和图7(b)的上述说明中，图像形成装置100具备4个声音传感器和4个振动传感器，但本实施方式不限于此。声音传感器和振动传感器的数量也可以是4以外的任何数。或者，不良状态发生例如也可以使用声音传感器和振动传感器中的至少一个测量结果进行预测。

接下来，参照图1、图2和图8，对具备本实施方式图像形成装置的图像形成系统200进行说明。图8是图像形成系统200的示意图。

图像形成系统200具备第一图像形成装置100A、第二图像形成装置100B、第三图像形成装置100C和信息处理装置100S。第一图像形成装置100A～第三图像形成装置100C和信息处理装置100S彼此通过网络N进行连接。例如，信息处理装置100S可以是服务器。

第一图像形成装置100A～第三图像形成装置100C具有与参照图1～图7(b)说明的图像形成装置100同样的结构。其中，第一图像形成装置100A的图像形成部110、生成部130和预测部140有时记载为第一图像形成部、第一生成部和第一预测部，第一图像形成装置100A的声音测量部122和振动测量部124有时记载为第一声音测量部和第一振动测量部。

同样地，第二图像形成装置100B的图像形成部110、生成部130和预测部140有时记载为第二图像形成部、第二生成部和第二预测部，第二图像形成装置100B的声音测量部122和振动测量部124有时记载为第二声音测量部和第二振动测量部。还有，第三图像形成装置100C的图像形成部110、生成部130和预测部140有时记载为第三图像形成部、第三生成部和第三预测部，第三图像形成装置100C的声音测量部122和振动测量部124有时记载为第三声音测量部和第三振动测量部。

信息处理装置100S含有生成部130S、存储部135S和预测部140S。第一图像形成装置100A～第三图像形成装置100C可以将第一～第三测量部所测量的声音和振动的测量结果发送到信息处理装置100S，并且存储部135S对第一～第三测量部所测量的声音和振动的测量结果进行存储。还有，第一图像形成装置100A～第三图像形成装置100C也可以将测量时的状态与声音和振动的测量结果一起发送到信息处理装置100S，并且存储部135S将第一图像形成装置100A～第三图像形成装置100C的状态与声音和振动的测量结果一起进行存储。

信息处理装置100S可以向一台图像形成装置发送其它图像形成装置的测量结果和/或状态。例如，信息处理装置100S可以向第一图像形成装置100A发送第二、第三图像形成装置100B、100C的测量结果和/或状态。

生成部130S能够基于第一～第三测量部中的声音和振动的测量结果来生成频率数据。然后，信息处理装置100S可以向一台图像形成装置发送其它图像形成装置的频率数据。例如，信息处理装置100S可以向第一图像形成装置100A发送基于第二、第三图像形成装置100B、100C的测量结果的频率数据。

预测部140S基于声音频率数据、振动频率数据和状态数据，能够对第一图像形成装置100A～第三图像形成装置100C进行不良状态预测。然后，信息处理装置100S可以向第一图像形成装置100A～第三图像形成装置100C发送第一～第三图像形成部的不良状态预测结果。例如，信息处理装置100S向第一图像形成装置100A发送第一图像形成部的不良状态预测结果。该情况下，第一图像形成装置100A的第一预测部利用从信息处理装置100S接收来的预测结果，对第一图像形成部进行不良状态预测。

另外，自身图像形成装置的生成部中生成的数据的权重也可以高于其它图像形成装置的生成部中生成的数据。例如，第一图像形成装置100A中，第一预测部基于第一生成部中生成的数据以及第二生成部和第三生成部中生成的数据对第一图像形成部进行不良状态预测的情况下，可以使第一生成部中生成的数据的权重高于第二生成部和第三生成部中生成的数据。

接下来，参照图1、图8、图9(a)和图9(b)，对本实施方式的图像形成系统200进行说明。图9(a)是第一声音测量部～第三声音测量部的频率数据、第一振动测量部～第三振动测量部的频率数据和状态的表格。存储部135S对表格进行存储。其中，如图9(a)所示，存储部135S将表格作为学习数据进行存储，表格中包含第一声音测量部～第三声音测量部的频率数据、第一振动测量部～第三振动测量部的频率数据和状态。

图9(a)的表格中，第28号数据指出：在2018年9月3日10时05分，第一声音测量部的频率数据是Da28，第一振动测量部的频率数据是da28，第一图像形成部为正常。第28号数据还指出：第二声音测量部的频率数据是Db28，第二振动测量部的频率数据是db28，第二图像形成部为正常。另外，图9(a)的表格包含第三图像形成装置的数据，但图9(a)中省略了这些数据的显示。

第29号数据指出：在2018年9月3日11时30分，第一声音测量部的频率数据是Da29，第一振动测量部的频率数据是da29，第一图像形成部为正常。第29号数据还指出：第二声音测量部的频率数据是Db29，第二振动测量部的频率数据是db29，第二图像形成部为异常。

第30号数据指出：在2018年9月3日13时45分，第一声音测量部的频率数据是Da30，第一振动测量部的频率数据是da30，第一图像形成部为异常。第30号数据还指出：第二声音测量部的频率数据是Db30，第二振动测量部的频率数据是db30，第二图像形成部为正常。由此可知，在2018年9月3日13时前后，第二图像形成装置100B中出现了不良状态，然后通过某种处理解除了不良状态。

第31号数据指出：在2018年9月3日14时15分，第一声音测量部的频率数据是Da31，第一振动测量部的频率数据是da31，第一图像形成部为正常。由此可知，在2018年9月3日14时前后，第一图像形成装置100A中出现了不良状态，然后通过某种处理解除了不良状态。第31号数据还指出：第二声音测量部的频率数据是Db31，第二振动测量部的频率数据是db31，第二图像形成部为正常。

预测部140S基于学习数据，对第一图像形成部～第三图像形成部进行不良状态预测。图9(b)是本实施方式的图像形成系统200中的第一声音测量部～第三声音测量部的频率数据、第一振动测量部～第三振动测量部的频率数据和各图像形成装置的不良状态发生概率的表格。

其中，第86号数据指出：在2018年9月9日11时12分、第一声音测量部的频率数据是Da86、第一振动测量部的频率数据是da86的情况下，预测部140S预测第一图像形成装置100A的不良状态发生情况。该情况下，不良状态发生概率是3％。还有，第86号数据指出：在第二声音测量部的频率数据是Db86、第二振动测量部的频率数据是db86的情况下，预测部140S预测第二图像形成装置100B的不良状态发生情况。不良状态发生概率是2％。

第87号数据指出：在2018年9月9日13时04分、第一声音测量部的频率数据是Da87、第一振动测量部的频率数据是da87的情况下，预测部140S预测第一图像形成装置100A的不良状态发生情况。不良状态发生概率是4％。还有，第87号数据指出：在第二声音测量部的频率数据是Db87、第二振动测量部的频率数据是db87的情况下，预测部140S预测第二图像形成装置100B的不良状态发生情况。不良状态发生概率是96％。

第88号数据指出：在2018年9月9日14时50分、第一声音测量部的频率数据是Da88、第一振动测量部的频率数据是da88的情况下，预测部140S预测第一图像形成装置100A的不良状态发生情况。不良状态发生概率是89％。还有，第88号数据指出：在第二声音测量部的频率数据是Db88、第二振动测量部的频率数据是db88的情况下，预测部140S预测第二图像形成装置100B的不良状态发生情况。不良状态发生概率是5％。

如上所述，根据本实施方式的图像形成系统200，利用第一图像形成装置100A～第三图像形成装置100C的数据作为学习数据，能够分别对第一图像形成装置100A～第三图像形成装置100C进行不良状态发生预测。

另外，上述的说明中，图像形成装置100是电子照相方式，但本实施方式不限于此。图像形成装置100也可以是其它方式。例如，图像形成装置100也可以是喷墨方式。

如上所述，参照附图说明了本发明的实施方式。但本发明不限于上述的实施方式，可以在不脱离其要旨的范围内以各种方式进行实施。还有，可以通过适当组合上述各实施方式中的若干个结构要素，来形成各种发明。例如，可以从实施方式所示的全部结构要素中删除几个结构要素。而且，也可以适当组合不同实施方式中的结构要素。为了便于理解，附图中主要对各结构要素进行了示意性地表示，为了方便作图，图示各结构要素的厚度、长度、个数、间隔等可能与实际有出入。还有，上述实施方式所示的各结构要素的材质、形状、尺寸等只是一个例子，不是特别限定，可以在实质上不脱离本发明效果的范围内进行各种变更。

Claims (9)

1.一种图像形成装置，具备：

图像形成部，在片材上形成图像；

测量部，对所述图像形成部的声音或振动进行测量；

生成部，对所述测量部的测量结果进行频率分析，并生成频率数据；以及

预测部，基于所述频率数据对所述图像形成部进行不良状态预测。

2.根据权利要求1所述的图像形成装置，其特征在于，

所述预测部基于所述频率数据对所述图像形成部进行故障预测。

3.根据权利要求1或2所述的图像形成装置，其特征在于，

所述预测部使用卷积神经网络处理。

4.根据权利要求1或2所述的图像形成装置，其特征在于，

所述生成部对所述测量部的测量结果进行高速傅立叶变换处理。

5.根据权利要求1或2所述的图像形成装置，其特征在于，

进一步具备与外部机器进行通信的通信部。

6.根据权利要求5所述的图像形成装置，其特征在于，

所述通信部发送所述测量部的测量结果或所述生成部中生成的所述频率数据。

7.根据权利要求5所述的图像形成装置，其特征在于，

所述通信部接收其它图像形成装置的声音或振动的测量结果或者其它图像形成装置中生成的频率数据。

8.根据权利要求5所述的图像形成装置，其特征在于，

所述通信部将所述预测部的预测结果发送到所述外部机器。

9.一种图像形成方法，包含：

图像形成部在片材上形成图像的步骤；

对所述图像形成部的声音或振动进行测量的步骤；

对所述测量的步骤中的测量结果进行频率分析并生成频率数据的步骤；以及

基于所述频率数据对所述图像形成部进行不良状态预测的步骤。

Images