CN112590393A - 信息处理装置、学习装置以及信息处理方法 - Google Patents
信息处理装置、学习装置以及信息处理方法 Download PDFInfo
- Publication number
- CN112590393A CN112590393A CN202011040127.8A CN202011040127A CN112590393A CN 112590393 A CN112590393 A CN 112590393A CN 202011040127 A CN202011040127 A CN 202011040127A CN 112590393 A CN112590393 A CN 112590393A
- Authority
- CN
- China
- Prior art keywords
- information
- ink
- pump
- pressure
- air pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/015—Ink jet characterised by the jet generation process
- B41J2/04—Ink jet characterised by the jet generation process generating single droplets or particles on demand
- B41J2/045—Ink jet characterised by the jet generation process generating single droplets or particles on demand by pressure, e.g. electromechanical transducers
- B41J2/04501—Control methods or devices therefor, e.g. driver circuits, control circuits
- B41J2/0451—Control methods or devices therefor, e.g. driver circuits, control circuits for detecting failure, e.g. clogging, malfunctioning actuator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/17—Ink jet characterised by ink handling
- B41J2/175—Ink supply systems ; Circuit parts therefor
- B41J2/17596—Ink pumps, ink valves
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/015—Ink jet characterised by the jet generation process
- B41J2/04—Ink jet characterised by the jet generation process generating single droplets or particles on demand
- B41J2/045—Ink jet characterised by the jet generation process generating single droplets or particles on demand by pressure, e.g. electromechanical transducers
- B41J2/04501—Control methods or devices therefor, e.g. driver circuits, control circuits
- B41J2/04586—Control methods or devices therefor, e.g. driver circuits, control circuits controlling heads of a type not covered by groups B41J2/04575 - B41J2/04585, or of an undefined type
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
- B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
- B41J2/01—Ink jet
- B41J2/17—Ink jet characterised by ink handling
- B41J2/175—Ink supply systems ; Circuit parts therefor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
- B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
- B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
- B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
- B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
- B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本发明提供一种用于实施能够抑制喷出不良等的产生的压力控制的信息处理装置、学习装置以及信息处理方法等。信息处理装置(200)包括:存储部(230),其存储学习完毕模型;接受部(210),其接受油墨喷出时的气压信息和温度信息;处理部(220),其基于所接受到的气压信息以及温度信息和学习完毕模型而对加压泵(81)进行控制。学习完毕模型为,基于将印刷装置(1)的使用环境中的气压信息、使用环境中的温度信息和向印刷头(30)供给油墨的加压泵(81)的加压力信息建立了对应关系的数据组,而对被判断为不会产生喷出不良的加压力的条件进行机器学习而得到的学习完毕模型。
Description
技术领域
本发明涉及一种信息处理装置、学习装置以及信息处理方法等。
背景技术
已知有如下情况,即,在印刷装置中,会因该印刷装置被使用的环境的气压而产生喷出不良的情况。例如,在气压较低的地区中,有可能会因流道以及印刷头内的负压与大气压之差较小,从而使供给至头的油墨量减少,因此产生喷出不良。在专利文献1中,公开了一种通过使覆盖印刷头的喷出口面的帽盖内部成为负压而实施抽吸动作的印刷装置,并公开了一种根据气压而对该抽吸动作进行控制的方法。
在专利文献1中,并没有考虑由加压实施的油墨供给。此外,在用于油墨供给的压力控制中,也未考虑气压以外的信息。例如,在现有的方法中,并未考虑与温度相应的油墨的粘度变化。
专利文献1:日本特开2016-215478号公报
发明内容
本公开的一个方式涉及一种信息处理装置,其包括:存储部,其存储基于如下数据组而对被判断为不会产生喷出不良的加压力的条件进行机器学习而得到的学习完毕模型,其中,所述数据组为,将具有印刷头的印刷装置的使用环境中的气压信息、所述使用环境中的温度信息和向所述印刷头供给油墨的加压泵的加压力信息建立了对应关系的数据组;接受部,其接受油墨喷出时的所述气压信息和所述温度信息;处理部,其基于所接受到的所述气压信息、所述温度信息和所述学习完毕模型而对所述加压泵进行控制。
附图说明
图1为印刷装置的结构例。
图2为表示印刷头周边的结构的图。
图3为油墨供给单元的结构例。
图4为对抽吸驱动进行说明的图。
图5为对喷出驱动进行说明的图。
图6为油墨供给单元的结构例。
图7为学习装置的结构例。
图8为神经网络的说明图。
图9为神经网络的输入和输出的示例。
图10为神经网络的输入和输出的示例。
图11为信息处理装置的结构例。
图12为信息处理装置的其它结构例。
图13为对信息处理装置中的处理进行说明的流程图。
具体实施方式
以下,对本实施方式进行说明。另外,在下文中所说明的本实施方式并非对权利要求书中所记载的内容进行不当限定。此外,在本实施方式中所说明的结构的全部内容并不一定都是必须结构要件。
1.概要
1.1印刷装置的结构例
图1为,表示本实施方式所涉及的印刷装置1的结构的图。如图1所示那样,印刷装置1包括:输送单元10、滑架单元20、印刷头30、驱动信号生成部40、油墨抽吸单元50、擦拭单元55、冲洗单元60、摄像单元70、油墨供给单元80、检测器组90和控制器100。印刷装置1为朝向印刷介质喷出油墨的装置,且以能够通信的方式而与计算机CP连接在一起。计算机CP为了使印刷装置1印刷图像,而将与该图像相对应的印刷数据发送至印刷装置1。在印刷数据中,除了包括表示上述图像的印刷图像数据之外,还包括印刷设定信息。印刷设定信息为,用于决定印刷介质的尺寸、印刷品质、颜色设定等的信息。
图2为,对印刷头30周边的结构进行说明的图。印刷介质通过输送单元10而在预定的方向上被输送。印刷介质为,例如纸张S。纸张S既可以为预定尺寸的印刷纸张,也可以为连续纸。此外,印刷介质并不限定于纸,也可以使用布、薄膜、PVC(polyvinyl chloride:聚氯乙烯)等各种各样的介质。以下,将印刷介质被输送的方向记载为输送方向。输送方向与图2中的D1相对应。输送单元10包括未图示的输送辊以及输送电机等。输送电机使输送辊旋转。被实施了供纸的印刷介质通过输送辊的旋转,从而被输送至作为可执行印刷处理的区域的印刷区域为止。印刷区域是指,能够与印刷头30对置的区域。
印刷头30被搭载在滑架单元20上。滑架单元20具有滑架21和未图示的滑架电机,所述滑架21以能够沿着导轨22而向纸张S的纸张宽度方向进行往复移动的方式被支承。滑架电机基于来自处理器102的滑架控制信号而被驱动。滑架21通过该滑架电机的驱动,从而与印刷头30成为一体并移动。例如像图2所示的那样,本实施方式的印刷装置1为串行头式的印刷装置。串行头式是指,通过使印刷头30在纸张宽度方向上往复从而实施纸张宽度量的印刷的方式。另外,所谓纸张宽度方向也可以换一种表达为主扫描方向。纸张宽度方向或者主扫描方向与图2中的D2相对应。
印刷头30包括多个头单元31。各个头单元31包括例如沿着输送方向而被配置的多个喷嘴和头控制部。另外,在印刷头30中,通过后文叙述的油墨供给单元80而被供给有被收纳在油墨罐中的油墨。
驱动信号生成部40生成驱动信号。当有驱动信号被施加在作为驱动元件的压电元件上时,压电元件进行伸缩,从而从各个喷嘴中喷出油墨。头控制部基于来自处理器102的头控制信号以及来自驱动信号生成部40的驱动信号,从而实施从喷嘴向印刷介质喷出油墨的控制。由此,在印刷介质上形成了图像。
油墨抽吸单元50从印刷头30的喷嘴中对头内的油墨进行抽吸并将其向头外排出。油墨抽吸单元50在使未图示的帽盖紧贴于印刷头30的喷嘴面上的状态下,通过使未图示的抽吸泵进行动作而使帽盖的空间成为负压,从而对印刷头30内的油墨与混入到印刷头30内的气泡一起进行抽吸。由此,能够使喷嘴的喷出不良恢复。
擦拭单元55将附着在印刷头30的喷嘴板上的液滴去除。擦拭单元55具有能够与印刷头30的喷嘴板抵接的擦拭器。擦拭器为,具有可挠性的弹性部件。当滑架21通过滑架电机的驱动而在纸张宽度方向上进行移动时,擦拭器的顶端部与印刷头30的喷嘴板抵接并发生挠曲。由此,擦拭单元55将附着在喷嘴板上的液滴去除掉。或者,擦拭单元55也可以包括布等的擦抹部件、缠绕有该擦抹部件的第一卷轴以及第二卷轴。被缠绕在第一卷轴上的擦抹部件通过给定的给送单元而被送至第二卷轴上。在该路径上,通过擦抹部件相对于喷嘴板而进行按压,从而除去了附着在喷嘴板上的液滴。通过擦拭单元55的擦拭,从而能够抑制因结露而导致的飞行弯曲的发生。另外,擦拭单元55也可以被用于去除掉附着在喷嘴板上的纸粉等异物。在这种情况下,能够使因该异物而发生了堵塞的喷嘴正常地喷出油墨。
冲洗单元60接受通过印刷头30实施喷射动作而被喷出的油墨并将其贮留。冲洗动作是指,将与所印刷的图像无关的驱动信号施加到驱动元件上,从而强制性地连续地使油墨滴从喷嘴喷出的动作。因此,由于能够抑制头内的油墨发生增稠、干燥而无法喷出适当的量的油墨的情况,因此能够使喷嘴的喷出不良恢复。
摄像单元70基于被形成在纸张S上的印刷图像的状态来检查喷出不良。摄像单元70包括摄像部71和图像处理部72。例如,摄像单元70通过对油墨被喷出到印刷介质上的结果进行拍摄,从而取得喷出结果图像信息。另外,虽然在图1中分别记载了图像处理部72和控制器100,但图像处理部72也可以通过控制器100来实现。例如,如图2所示的那样,摄像单元70被搭载在滑架21上。如果采用这种方式,则即使在摄像部71的视角窄于纸张宽度的情况下,也能够有效地对较宽广的范围的印刷结果进行拍摄。
油墨供给单元80将被收纳在油墨罐IT中的油墨向印刷头30进行供给。本实施方式中的印刷装置1被假定为油墨罐IT未被搭载在滑架21上的非托架装载型的印刷装置。在这种情况下,由于油墨供给路径与托架装载型的印刷装置相比较长,因此较难进行由油墨抽吸单元50实施的从喷嘴侧的抽吸、或由水位差实现的油墨供给。因此,本实施方式的油墨供给单元80具有用于以加压状态而将油墨供给至印刷头30的附近为止的加压泵81。关于油墨供给单元80的详细内容将在下文中进行叙述。
控制器100为,用于实施印刷装置1的控制的控制单元。控制器100包括:接口部101、处理器102、存储器103和单元控制电路104。接口部101在作为外部装置的计算机CP与印刷装置1之间实施数据的接收与发送。处理器102为,用于实施印刷装置1整体的控制的运算处理装置。处理器102为,例如CPU(Central Processing Unit:中央处理器)。存储器103为,用于确保对处理器102的程序进行存储的区域或工作区域等的部件。处理器102通过按照被储存在存储器103中的程序的单元控制电路104而对各个单元进行控制。
检测器组90为对印刷装置1的工作状况进行监视的部件,并且包括例如温度传感器91、湿度传感器92和气压传感器93。检测器组90也可以包括气泡传感器、灰尘传感器、摩擦传感器等未图示的传感器。此外,检测器组90也可以包括被利用于印刷介质的输送等的控制中的旋转编码器、对被输送的印刷介质的有无进行检测的纸张检测传感器、用于对滑架21的移动方向的位置进行检测的线性编码器等的结构。
另外,在上文中,对串行头式的印刷装置1进行了说明。但是,本实施方式的印刷装置1也可以为印刷头30以覆盖纸张宽度的方式而被设置的行式头的印刷装置。
1.2油墨供给单元的结构例
如专利文献1等所公开的那样,在气压较低的地区内,存在有油墨未被供给至印刷头30而发生喷出不良的情况。气压较低的地区是指,例如南美等的高地。即,已知气压会影响从油墨罐IT向印刷头30的油墨供给。
在专利文献1中,公开了一种对头内的负压进行控制的方法。头内的负压的控制与本实施方式的印刷装置1中的使用了油墨抽吸单元50的控制相对应。在墨盒和印刷头这双方被搭载在滑架上的托架装载型的印刷装置中,由于油墨供给路径的长度较短,因此容易进行由油墨抽吸单元50实施的油墨的供给。
但是,在本实施方式中,假设为在工厂等的生产中所使用的大型的印刷装置1。由于在作为生产机器的印刷装置1中使用大容量的油墨罐IT,因此假设为非托架装载型的装置。在这种情况下,从油墨罐IT到印刷头30为止的油墨供给路径的长度与托架装载型相比变长。因此,较难进行使用油墨抽吸单元50的油墨供给。另外,能够通过将油墨罐IT的铅直方向上的位置设得高于印刷头30,从而利用水位差来进行油墨供给。但是,在将大容量的油墨罐IT配置于较高位置的情况下,较难进行油墨的补充。此外,由于在水位差的大小上也是有限度的,因此较难平顺地进行油墨供给。
考虑以上方面,本实施方式的印刷装置1包括与油墨抽吸单元50不同的油墨供给单元80。而且,油墨供给单元80包括用于将油墨以加压状态而供给至印刷头30的附近为止的加压泵81。如果采用这种方式,则在非托架装载型的印刷装置1中,能够向印刷头30适当地供给油墨。以下,对油墨供给单元80的具体例进行说明。
图3为表示油墨供给单元80的结构的图。油墨供给单元80包括加压泵81、减压泵82和流道泵83。流道泵83被设置在从油墨罐IT起到印刷头30为止的流道上,并且进行由加压泵81实施的加压以及由减压泵82实施的减压。
图4为对流道泵83的抽吸驱动进行说明的图,图5为对流道泵83的喷出驱动进行说明的图。在油墨供给单元80从油墨罐IT侧向印刷头30侧供给油墨的情况下,首先,密封阀87以如下方式被控制,即,使减压泵82与流道泵83之间成为连通状态,并使加压泵81与流道泵83之间成为密封状态。处理器102为了使流道泵83进行泵驱动,而对减压泵82的泵电机进行驱动。由此,产生负压,通过该负压,从而使第二空间83b成为负压状态。因此,流道泵83的隔膜83c向第二空间83b侧进行弹性变形,从而使第二空间83b的容积减小。伴随着第二空间83b的容积减少,从而经由隔膜83c而与第二空间83b划分开来的第一空间83a相反地容积增加。此时,抽吸用单向阀86a为开阀状态,喷出用单向阀86b为闭阀状态。从油墨罐IT起到流道泵83为止的油墨流道成为连通状态,从而来自油墨罐IT的油墨被抽吸到第一空间83a中。
另外,流道泵83也可以包括对负压成为预定以上的情况进行检测的传感器。处理器102使减压泵82的泵电机进行驱动,直至通过该传感器而检测出负压为预定以上为止。例如,流道泵83包括随着隔膜83c的弹性变形而进行移动的导体部。该导体部被配置为,在隔膜83c向第二空间83b侧弹性变形了预定量以上的情况下,与第二导体部以及第三导体部接触。即,第二导体部与第三导体部之间,在隔膜83c向第二空间83b侧弹性变形了预定量以上的情况下成为通电状态,在除此以外的情况下成为绝缘状态。如果采用这种方式,则通过对第二导体部与第三导体部之间的电阻值或电流值进行检测,就能够对隔膜83c是否向第二空间83b侧弹性变形了预定量以上,也就是负压是否为预定以上进行检测。例如,在尽管负压为预定以上但是油墨未被抽吸的情况下,能够判断为油墨罐IT的油墨变少了。
接下来,密封阀87以如下方式被控制,即,使加压泵81与流道泵83之间成为连通状态,并使减压泵82与流道泵83之间成为密封状态。处理器102对加压泵81的泵电机进行驱动。由此,产生加压,通过该加压,从而使第二空间83b成为加压状态。其结果为,如图5所示那样,隔膜83c向第一空间83a的内底面侧进行弹性变形,从而使第二空间83b的容积增加。伴随着该第二空间83b的容积增加,从而经由隔膜83c而与第二空间83b被划分开来的流道泵83的第一空间83a相反地容积减小。此时,抽吸用单向阀86a为闭阀状态,喷出用单向阀86b为开阀状态。由于隔膜83c向下方位移,从而使被抽吸至第一空间83a内的油墨以预定的压力进行加压,因此油墨从第一空间83a内被喷出。另外,通过设置抽吸用单向阀86a,从而可限制伴随着喷出驱动而有从第一空间83a被喷出的油墨向油墨罐IT侧倒流的情况。
通过交替地反复进行抽吸驱动和喷出驱动,从而使油墨罐IT的油墨被供给至印刷头30。但是,由于抽吸驱动和喷出驱动以互斥的方式被实施,因此在抽吸驱动中,油墨不会从流道泵83被喷出。因此,如图3所示那样,油墨供给单元80包括被设置在与喷出用单向阀86b相比靠下游侧的流道缓冲器84。即使当在抽吸驱动中油墨在印刷头30中被消耗了的情况下,也能够供给被贮留在流道缓冲器84中的油墨。油墨供给单元80还可以包括辅助用流道缓冲器85。
但是,为了使油墨供给更加稳定,上述的结构也可以被多重化。如果为图3所示的示例,则油墨罐IT、流道泵83、流道缓冲器84、抽吸用单向阀86a、喷出用单向阀86b可分别设置两个。一个流道泵83处于抽吸驱动中,另一个流道泵83实施喷出驱动。如果采用这种方式,则由于即使任意一个流道泵83处于抽吸驱动中,也能够从另一个流道泵83供给油墨,因此能够使从油墨罐IT向印刷头30的油墨供给稳定。另外,在图3中,示出了减压泵82设置有两个,加压泵81的一个泵在两个流道泵83中共用的示例。但是,加压泵81也可以设置多个。
图6为表示油墨供给单元80的其他结构的图。油墨供给单元80也可以包括中间罐88,所述中间罐88对通过减压泵82而被抽吸的油墨进行蓄积。加压泵81通过实施针对中间罐88的加压,从而向印刷头30供给油墨。
具体而言,首先,密封阀87以如下方式被控制,即,使减压泵82与中间罐88之间成为连通状态,并使加压泵81与中间罐88之间成为密封状态。处理器102对减压泵82的泵电机进行驱动。由此,产生负压,通过该负压而使中间罐88成为负压状态。由此,来自油墨罐IT的油墨被抽吸到中间罐88中。此时,抽吸用单向阀89a为开阀状态,喷出用单向阀89b为闭阀状态。
接下来,密封阀87以如下方式被控制,即,使加压泵81与中间罐88之间成为连通状态,并使减压泵82与中间罐88之间成为密封状态。处理器102对加压泵81的泵电机进行驱动。由此,产生加压,通过该加压而使中间罐88成为加压状态。更具体而言,加压泵81实施被设置于中间罐88的内部的气球88a的加压。由于因气球88a的体积增大,该气球88a将以预定的压力而对油墨进行加压,因此油墨会从中间罐88被喷出。此时,抽吸用单向阀89a为闭阀状态,喷出用单向阀89b为开阀状态。
如图6所示那样,油墨供给单元80也可以包括压力检测传感器94。虽然压力检测传感器94为使用例如MEMS(Micro Electro Mechanical Systems:微电子机械系统)压力传感器,但也可以为其他结构的传感器。在抽吸驱动中,处理器102例如在使减压泵82的泵电机仅旋转预定数之后,取得压力检测传感器94的检测值,并对该检测值是否达到了设定值进行判断。在达到了设定值的情况下,处理器102停止泵电机的驱动。在未达到设定值的情况下,在再次使泵电机仅旋转预定数之后,取得压力检测传感器94的检测值。对于喷出驱动而言,也是同样的,处理器102通过将压力检测传感器94的值与设定值进行比较,从而对加压泵81的泵电机进行控制。
另外,压力检测传感器94也可以具有空气流道并能够通过开放该空气流道从而对相当于大气压的压力进行检测。在这种情况下,上述设定值也可以以相当于大气压的压力值为基准而被设定。例如,实施像使压力与相当于大气压的压力值相比仅高出第一设定值这样的加压控制、以及像使压力与相当于大气压的压力值相比仅低出第二设定值这样的减压控制。
如上文那样,在使用中间罐88的情况下,通过实施抽吸驱动和喷出驱动,也向印刷头30供给了油墨。但是,中间罐88与流道泵83或流道缓冲器84相比能够贮留的油墨量较多。因此,图6的油墨供给单元80能够降低抽吸驱动和喷出驱动的切换频率。
此外,虽然在图6中省略掉了,但与图3的示例同样地,油墨供给单元80的一部分结构也可以被多重化。例如,油墨供给单元80也可以分别包括两个油墨罐IT和中间罐88。如果采用这种方式,则能够使从油墨罐IT向印刷头30的油墨供给稳定。
1.3本实施方式的方法
如上文所述,通过使用具有加压泵81的油墨供给单元80,从而能够将加压状态的油墨供给至印刷头30的附近。在此,所谓印刷头30的附近,具体而言,是表示直至被设置于印刷头30上的自密封阀的跟前为止。但是,专利文献1等现有的方法并没有设想加压力的控制。即,虽然由加压泵81实现的加压力也会受到由大气压造成的影响,但在现有方法中,关于如何调节该加压力并没有进行公开。特别是,虽然减压力的控制被限定在最大-1气压、即实现接近真空的状态的控制中,但加压力能够为+10气压或+20气压等的、与减压相比较大范围内的控制。虽然如果加压力不足则产生喷出不良,但由于也不希望发生加压力过度的情况,因此加压力与减压力相比控制较难。
因此,在本实施方式中,基于印刷装置1的使用环境中的气压信息,而对加压泵81的加压力进行控制。使用环境是表示,印刷装置1被使用的环境。由于假设印刷装置1在室内被使用,因此所谓使用环境中的气压狭义而言是指,在该室内被测量出的气压。但是,在判断为室内外的气压较小的情况下,也可以将室外的气压、例如像后述那样基于海拔而计算出的大气压等作为使用环境中的气压信息。如果采用这种方式,则即使在使用环境的气压发生了变动的情况下,也能够实施可抑制喷出不良的加压力控制。
另外,如图6所示那样,也存在油墨供给单元80包括能够测量加压力的压力检测传感器94的情况。在这种情况下,处理器102能够通过对该压力检测传感器94的输出进行监控,从而对是否得到了所希望的加压力进行判断。特别是,在使用可测量以大气压为基准的加压力的压力检测传感器94的情况下,由于也考虑了由大气压的变动造成的影响,因此可认为是加压力控制较容易。
但是,对于在本实施方式中所设想的流体即油墨而言,已知粘度会因温度等周边环境而发生变化。因为所期望的加压力会根据油墨的增稠程度而变化,因此即使在使用压力检测传感器94的情况下,仅根据气压信息来实现适当的加压力控制是比较难的。此外,广义而言,可认为是,与油墨供给相关的部件的物性或者动作特性也依赖于温度。在这种情况下,为了从油墨罐IT到印刷头30适当地供给油墨而需要的控制内容也会根据温度而变化。即,由于加压泵81的适当的控制内容根据油墨或者油墨供给单元80的温度特性而变化,因此仅根据气压信息来实现适当的加压力控制是比较难的。
考虑以上内容,在本实施方式中,除了基于气压信息之外,还基于使用环境中的温度信息来对加压泵81的加压力进行控制。所谓使用环境中的温度,既可以为印刷装置1被设置的室内温度,也可以为印刷装置1的内部温度。如果采用这种方式,则能够实现连油墨的增稠等的、与油墨供给相关联的温度特性都考虑到的所期望的加压力控制。进一步地,在本实施方式中,通过应用机器学习,从而实现了更高精度的加压力控制。以下,对学习处理和使用学习结果的推论处理进行说明。
2.学习处理
2.1学习装置的结构例
图7为,表示本实施方式的学习装置400的结构例的图。学习装置400包括取得在学习中被使用的训练数据的取得部410、和基于该训练数据而实施机器学习的学习部420。
取得部410为,例如从其他的设备取得训练数据的通信接口。或者,取得部410也可以取得学习装置400所保持的训练数据。例如,学习装置400包括未图示的存储部,取得部410为用于从该存储部读取训练数据的接口。本实施方式中的学习为,例如有监督学习(supervised learning)。有监督学习中的训练数据为,将输入数据和正解标签建立了对应关系的数据组。
学习部420实施基于取得部410所取得的训练数据的机器学习,并生成学习完毕模型。另外,本实施方式的学习部420由下述的硬件构成。硬件能够包括对数字信号进行处理的电路以及对模拟信号进行处理的电路中的至少一方。例如,硬件能够由被安装于电路基板上的一个或者多个电路装置、或一个或者多个电路元件构成。一个或者多个电路装置为,例如IC等。一个或者多个电路元件为,例如电阻、电容器等。
此外,学习部420也可以由下述的处理器来实现。本实施方式的学习装置400包括对信息进行存储的存储器、和基于被存储于存储器中的信息而进行动作的处理器。信息为,例如程序和各种的数据等。处理器包括硬件。处理器可以使用CPU、GPU(GraphicsProcessing Unit:图形处理器)、DSP(Digital Signal Processor:数字信号处理器)等各种处理器。存储器既可以为SRAM(Static Random Access Memory:静态随机存储器)、DRAM(Dynamic Random Access Memory:动态随机存储器)等半导体存储器,又可以为寄存器,也可以为硬盘装置等磁存储装置,还可以为光盘装置等光学式存储装置。例如,存储器对能够由计算机读取的命令进行存储,并通过该命令被处理器执行,从而使学习装置400的各部的功能作为处理而被实现。这里的命令既可以为构成程序的命令集的命令,也可以为针对处理器的硬件电路而指示动作的命令。例如,通过存储器对规定学习算法的程序进行存储且处理器根据该学习算法而进行动作,从而执行学习处理。
更具体而言,取得部410取得将气压信息、温度信息和加压力信息建立了对应关系的数据组。气压信息为,表示印刷装置1的使用环境中的气压的信息。温度信息为,表示印刷装置1的使用环境中的温度的信息。加压力信息为,表示用于向印刷头30供给油墨的加压泵81的加压力的信息。
根据本实施方式的方法,不仅使用气压信息,而且还使用温度信息来进行机器学习。通过使用该机器学习的结果,从而能够实施连油墨的增稠都考虑到了的适当的加压力控制。例如,在易于因油墨增稠而产生喷出不良的情况下,能够实施增大加压力的控制。此外,在油墨的粘度降低了的情况下,通过实施减小加压力的控制,从而对因过剩的压力而导致的不良状况进行抑制。
图7所示的学习装置400也可以被包括在例如图1所示的印刷装置1中。在这种情况下,学习部420与印刷装置1的控制器100相对应。更具体而言,学习部420也可以为处理器102。印刷装置1将气压信息以及温度信息存储在存储器103中。取得部410也可以为读取被存储于存储器103中的气压信息以及温度信息的接口。此外,印刷装置1也可以将所存储的气压信息以及温度信息发送至计算机CP或服务器系统等外部设备中。取得部410也可以为从该外部设备接收学习所需的训练数据的接口部101。加压力信息既可以为例如加压泵81的控制信息其本身,也可以为表示根据控制信息而被推断的压力值的信息。在这种情况下,加压力信息既可以与气压信息以及温度信息一样被存储在存储器103中,也可以被发送至外部设备。或者,加压力信息也可以为用户通过手动而输入的信息。这里的用户为,例如印刷装置1的开发者或熟练的服务人员等的、对于油墨供给中的加压力有知识和见识的用户。
此外,学习装置400也可以被包括在与印刷装置1不同的设备中。例如,学习装置400也可以被包括在经由网络而与印刷装置1连接的外部设备中。这里的网络既可以为内部网络等的专用网络,也可以为因特网等的公共通信网。此外,对于网络而言,有线、无线都可以。
2.2神经网络
作为机器学习的具体例,对使用了神经网络的机器学习进行说明。图8为,神经网络的基本的结构例。神经网络为,在计算机上对脑功能进行模拟的数学模型。将图8的一个圆圈称为节点或者神经元。在图8的示例中,神经网络具有输入层、两个中间层和输出层。输入层为I,中间层为H1以及H2,输出层为O。此外,在图8的示例中,输入层的神经元数为3,中间层的神经元数分别为4,输出层的神经元数为1。但是,中间层的层数、或者各层中所包括的神经元的数量能够进行各种各样的变形实施。输入层中所包含的神经元分别与第一中间层即H1的神经元相结合。第一中间层中所包含的神经元分别与第二中间层即H2的神经元相结合,第二中间层中所包含的神经元分别与输出层的神经元相结合。另外,中间层也可以换一种表达成称为隐藏层。
输入层为,分别输出输入值的神经元。在图8的示例中,神经网络作为输入而接受x1、x2、x3,输入层的各个神经元分别输出x1、x2、x3。另外,也可以针对输入值而实施一些预处理,输入层的各个神经元输出预处理后的值。
在中间层以后的各个神经元中,实施模拟了在脑中信息作为电气信号而被传递的情况的运算。由于在脑中,信息传递的容易度是根据突触的结合强度而变化的,因此在神经网络中用权重W来表现该结合强度。图8的W1为,输入层与第一中间层之间的权重。W1表示输入层中所包含的给定的神经元与第一中间层中所包含的给定的神经元之间的权重的集合。在将输入层的第p个神经元数与第一中间层的第q个神经元之间的权重表现为w1 pq的情况下,图8的W1为包括w1 11~w1 34这12个权重的信息。更广义而言,权重W1为,仅由输入层的神经元数与第一中间层的神经元数的乘积的个数的权重构成的信息。
在第一中间层中的第1个神经元中,实施下式(1)所示的运算。在一个神经元中实施如下运算,即,对与该神经元相连接的前一层的各个神经元的输出进行乘积求和,再加上偏差值的运算。下式(1)中的偏差值为b1。
数学式1
此外,如上式(1)所示那样,在一个神经元内的运算中,使用作为非线性函数的激活函数f。激活函数f使用例如下式(2)所示的ReLU函数。ReLU函数为,如果变量为0以下,则为0,如果大于0,则成为变量本身的值的函数。但是,已知激活函数f可以利用各种函数,既可以利用S形函数,也可以利用改良了ReLU函数的函数。虽然在上式(1)中,例示了关于h1的运算式,但只要在第一中间层的其他神经元中也实施相同的运算即可。
数学式2
此外,对于这之后的层而言,也是同样的。例如,在将第一中间层与第二中间层之间的权重设为W2的情况下,在第二中间层的神经元中,实施使用了第一中间层的输出和权重W2的积和运算,并实施加上偏差值而应用激活函数的运算。在输出层的神经元中,实施对其前一层的输出进行加权相加,并加上偏差值的运算。如果为图8的示例,则输出层的前一层为第二中间层。神经网络将输出层中的运算结果设为该神经网络的输出。
由以上的说明中可知,为了从输入获得所期望的输出,需要设定适当的权重和偏差值。另外,在下文中,也将权重记载为加权系数。此外,假设也可以在加权系数中包括偏差值。在学习中,预先准备将给定的输入x、和在该输入下的正确的输出建立了对应关系的数据组。正确的输出为正解标签。所谓神经网络的学习处理能够认为是,基于该数据组而求出最似然的加权系数的处理。另外,在神经网络的学习处理中,已知有误差反向传播法(Backpropagation)等各种各样的学习方法。在本实施方式中,由于能够广泛地应用这些学习方法,因此省略详细的说明。在使用神经网络的情况下的学习算法是指,例如实施进行上式(1)等的运算而取得正向结果的处理、以及使用误差反向传播法来更新加权系数信息的处理这两方的算法。
此外,神经网络并不限定于图8所示的结构。例如,在本实施方式的学习处理、以及后述的推论处理中,也可以使用广泛公知的卷积神经网络(CNN:Convolutional neuralnetwork)。CNN具有卷积层以及池化层。卷积层实施卷积运算。具体而言,这里的卷积运算是指过滤器处理。池化层实施缩小数据的纵横的尺寸的处理。在CNN中,通过实施使用了误差反向传播法等的学习处理,从而学习用于卷积运算的过滤器的特性。即,在神经网络中的加权系数中,包括CNN中的过滤器特性。CNN在使用二维图像数据作为喷出结果图像信息的情况下等,较为优选。
另外,在上文中,对学习完毕模型为使用了神经网络的模型的示例进行了说明。但是,本实施方式中的机器学习并不限定于使用神经网络的方法。例如,在本实施方式的方法中,能够应用SVM(support vector machine:支持向量机)等广泛公知的各种方式的机器学习、或者从这些方式发展出来的方式的机器学习。
2.3训练数据的示例和学习处理的详细内容
如上述那样,作为与压力控制相关联的信息而考虑到气压信息以及温度信息。温度信息为,例如℃单位的数值数据。但是,温度数据也可以使用其他形式的数据。温度信息优选为,反映了从油墨罐IT起到印刷头30为止的油墨的温度的信息。由此,对温度信息进行检测的温度传感器91被设置在例如印刷装置1中的、距油墨罐IT或者油墨供给路径的距离为预定阈值以下的位置处。但是,温度传感器91的位置并不限定于此,也可以被设置在印刷装置1的其他位置上。此外,温度信息也可以为,通过被配置在与印刷装置1相同空间内的印刷装置外部的温度传感器而取得的信息。
此外,气压信息为表示印刷装置1的气压的信息,且为例如使用帕斯卡(Pascal)或N/m2等单位来表现的信息。或者,如果鉴于在气压和海拔中存在关联的情况,则气压信息也可以基于海拔信息而被计算出来。海拔信息既可以为从例如GPS(Global PositioningSystem:全球定位系统)取得的信息中的表示高度的信息,也可以为通过GPS的信息与地图信息的组合而取得的信息。或者,也可以通过GPS以外的手段来取得印刷装置1的位置信息,并通过该位置信息和地图信息的组合从而特别指定海拔信息。以此方式,气压信息能够通过各种各样的方法来取得。
本实施方式的数据组包括在通过给定的气压信息、温度信息而被特别指定的状况中,表示所期望的加压力的加压力信息。加压力信息既可以表示以帕斯卡或N/m2等单位来表现的加压力的值的信息,也可以为用于实现所期望的加压力的加压泵81的控制信息。加压泵81的控制信息为,例如能够特别指定泵电机的工作时间、工作量的信息。工作量是指,例如泵电机的旋转量。
例如印刷装置1取得并存储工作中的气压信息、温度信息、加压泵81的控制信息。例如,考虑如下情况,即,在给定的定时之前并未产生喷出不良,并且在该给定的定时下被检测出喷出不良的情况。喷出不良的检测也可以是,例如处理器102基于喷出结果图像信息而实施。或者,也可以通过用户以目视的方式来确认被实施了印刷的印刷介质并将确认结果输入到印刷装置1或外部设备,从而判断是否产生了喷出不良。此外,这里的喷出不良假设为因加压力不足而导致的不良。因此,关于是否产生了喷出不良,也可以基于油墨是否沿着油墨供给路径而被供给至印刷头30来进行判断。例如,在学习阶段中,既可以设置对油墨供给路径进行监视的传感器,也可以在产生了喷出不良的情况下,通过用户来实施印刷头30的拆卸以及由目视进行的确认。虽然需要进行专用的传感器的设置或需要进行用户工作,但这里是以生成训练数据为目的的,从而不考虑成本增加与停机时间。
当在给定的定时下确认了喷出不良的情况下,可推断为,在该给定的定时下,在印刷装置1中加压力不足。因此,通过相对于在该定时下所取得的气压信息以及温度信息而与表示大于此时的加压力的压力值的加压力信息建立对应关系,从而生成训练数据。此外,在与上述给定的定时相比靠前的预定期间中,推断为虽然没有产生喷出不良,但是处于加压力不足而易于产生喷出不良的状态。因此,即使在该预定期间内,也可以通过与表示大于此时的加压力的压力值的加压力信息建立对应关系,从而生成训练数据。另一方面,在除了上述给定的定时以及预定期间之外的期间中,推断为加压力是正常的。因此,通过相对于在该期间内所取得的气压信息以及温度信息而与表示此时的加压力的加压力信息建立对应关系,从而生成训练数据。
虽然在上文中对加压力不足的示例进行了说明,但关于加压力过剩的情况也是同样的。当在给定的定时下确认为是因加压力过剩而引起的不良状况的情况下,相对于在该给定的定时或与该给定的定时相比靠前的预定期间内所取得的气压信息以及温度信息而与降低加压力这样的加压力信息建立对应关系,从而生成训练数据。例如,在通过由服务人员实施的维护从而实施密封阀等的油墨供给路径上的部件的修理、更换的情况下,判断为产生了因加压力过剩而引起的不良状况。另外,取得部410也可以基于由服务人员等所实施的用户输入,从而取得表示维护内容的维护信息。或者,也可以采用如下方式,即,维护信息被发送到服务器系统等的外部设备中,取得部410从该外部设备中取得维护信息。
图9为,表示本实施方式中的神经网络的模型的一个示例。NN1所表示的神经网络将气压信息和温度信息作为输入而接受,并将被判断为不会产生喷出不良等的加压力信息作为输出数据而输出。
例如,基于训练数据的学习处理按照以下的流程来实施。首先,学习部420向神经网络输入输入数据,并通过使用此时的权重来实施正向的运算,从而取得输出数据。在本实施方式中,输入数据为气压信息和温度信息。如上述那样,通过正向的运算而求出来的输出数据为,表示所推荐的加压力的信息。
学习部420基于所求出的输出数据、正解标签而对误差函数进行运算。学习部420在误差变小的方向上对加权系数信息进行更新。另外,误差函数已知有各种各样的形式,在本实施方式中,能够广泛地应用它们。此外,虽然加权系数信息的更新使用例如误差反向传播法来进行,但是也可以使用其他方法。
以上为基于一个训练数据的学习处理的概要。学习部420也通过针对其他训练数据而反复进行同样的处理,从而学习适当的加权系数信息。例如,学习部420将所取得的数据的一部分作为训练数据,并将剩余部分作为测试数据。测试数据也可以换一种表达为评价数据、验证数据。并且,学习部420针对通过训练数据而生成的学习完毕模型而应用测试数据,并进行学习,直到正解率为规定阈值以上为止。
另外,数据组中所包括的信息并不限定于气压信息、温度信息和加压力信息。例如,数据组也可以包括从油墨罐IT抽吸油墨的减压泵82的减压力信息。减压力信息既可以为表示以帕斯卡或N/m2等单位来表现的期望的减压力的值的信息,也可以为用于实现期望的减压力的减压泵82的控制信息。减压力信息也可以与例如上述的加压力信息同样地,为基于是否产生喷出不良而被决定的信息。或者,减压力信息也可以为通过对油墨是否被适当地从油墨罐IT被供给至流道泵83或中间罐88进行感测或者目视确认而被决定的信息。
如果采用这种方式,则不仅对于加压泵81,即使对于减压泵82而言,也能够实施考虑了由温度导致的油墨的增稠的控制。
此外,数据组也可以包括向印刷头30供给油墨的加压泵81的类别信息,或者印刷装置1的类别信息。所谓加压泵81的类别信息,例如,既可以为对型号进行特别指定的信息,又可以为对厂家进行特别指定的信息,也可以为这双方,还可以为其他信息。印刷装置1的类别信息也是同样的,为对厂家或型号进行特别指定的信息。
根据加压泵81不同,作为使用环境而被推荐的大气压的范围、或可实现的加压力的范围也不同。因此,对于所期望的加压力而言,也存在有根据加压泵81而不同的情况。通过在机器学习中使用加压泵81的类别信息,从而能够对更高精度的加压力信息进行推断。此外,由于能够基于印刷装置1的类型而对加压泵81的类型进行特别指定,因此即使在使用印刷装置1的类别信息的情况下,也同样地能够对精度较高的加压力信息进行推断。另外,在使用了印刷装置1的类别信息的情况下,能够使用图3或图6而进行考虑了上述的油墨供给单元80的具体的结构、加压泵81以外的部件的类型等的处理。
此外,数据组也可以包括通过对从印刷头30向印刷介质喷出了油墨的结果进行拍摄而取得的喷出结果图像信息。喷出结果图像信息既可以为使用摄像部71而对被形成有图像的印刷介质进行拍摄而得到的结果即喷出结果图像本身,也可以为进行由图像处理部72实施的图像处理的结果。图像处理部72通过例如对是否在基于印刷数据而被特别指定的位置上形成了点进行判断,从而对喷出不良的有无进行判断。
通过使用喷出结果图像信息,从而能够进行考虑了实际上是否产生了喷出不良的机器学习。因此,能够生成可推断适当的加压力信息的学习完毕模型。
此外,数据组也可以包括表示油墨的类型的油墨类别信息。所谓油墨类别信息为,例如对颜色材料进行特别指定的信息,狭义而言为表示是颜料油墨还是染料油墨的信息。但是,油墨类别信息既可以为能够对更详细的原材料进行特别指定的原材料信息,又可以为表示厂家或型号的信息,也可以为表示颜色的信息。此外,油墨类别信息也可以为这些信息中的两个以上的组合。
油墨的粘度可视为有温度越变高则越降低的倾向。但是,可认为是,相对于温度变化的具体的粘度变化根据油墨的特性不同而不同。通过在机器学习中使用油墨类别信息,从而能够对更高精度的加压力信息进行推断。
图10为,表示本实施方式中的神经网络的模型的一个示例。神经网络为,将气压信息、温度信息、机器类别信息、油墨类别信息和喷出结果图像信息作为输入而接受,并输出加压力信息以及减压力信息的网络。如上述那样,机器类别信息既可以为表示加压泵81的类型的信息,也可以为表示印刷装置1的类型的信息。如果采用这种方式,则能够生成可执行考虑了气压以及温度以外的条件的推论处理的学习完毕模型。此外,不仅对于加压力信息,即使对于减压力信息也能够生产可推断的学习完毕模型。另外,由于学习处理的流程与图9的示例相同,因此省略详细的说明。
3.推论处理
3.1信息处理装置的结构例
图11为,表示本实施方式的推论装置的结构例的图。推论装置为,信息处理装置200。信息处理装置200包括接受部210、处理部220和存储部230。
存储部230对如下学习完毕模型进行存储,所述学习完毕模型为,基于将气压信息、温度信息和加压力信息建立了对应关系的数据组,从而对被判断为不会产生喷出不良的加压力的条件进行机器学习而得到的模型。所谓“被判断为不会产生喷出不良的加压力的条件”是表示,当在该气压、该温度中使用印刷装置1的情况下,如果加压力为该数值或者在数值范围内,则能够判断为不会产生喷出不良的气压、温度以及加压力的彼此的关系性。接受部210将油墨喷出时的气压信息和温度信息作为输入而接受。处理部220基于作为输入而接受的气压信息、温度信息和学习完毕模型来控制加压泵81。
如上述那样,通过使用气压信息以及温度信息,从而也考虑了油墨的增稠的加压力的条件被机器学习。由于通过在由该机器学习而生成的学习完毕模型中,输入油墨喷出时的气压信息以及温度信息,从而输出表示所期望的加压力的信息,因此能够实施可抑制喷出不良的加压泵81的控制。
另外,学习完毕模型作为人工智能软件的一部分即程序模块而被利用。处理部220根据来自被存储于存储部230中的学习完毕模型的指令,而输出表示与作为输入的气压信息和温度信息相应的加压力信息的数据。
与学习装置400的学习部420同样地,信息处理装置200的处理部220由包括对数字信号进行处理的电路以及对模拟信号进行处理的电路中的至少一方的硬件构成。此外,处理部220也可以通过下述的处理器来实现。本实施方式的信息处理装置200包括对信息进行存储的存储器、和基于被存储于存储器中的信息而进行动作的处理器。处理器可以使用CPU、GPU、DSP等的各种处理器。存储器既可以为半导体存储器,又可以为寄存器,也可以为磁存储装置,还可以为光学式存储装置。这里的存储器为,例如存储部230。即,存储部230为半导体存储器等的信息存储介质,学习完毕模型等的程序被存储在该信息存储介质中。
另外,按照学习完毕模型的处理部220中的运算,也就是用于基于输入数据而输出输出数据的运算既可以通过软件来执行,也可以通过硬件来执行。换而言之,上式(1)等的积和运算也可以以软件的方式被执行。或者,上述运算也可以通过FPGA(field-programmable gate array:现场可编程门阵列)等的电路装置来执行。此外,上述运算也可以通过软件和硬件的组合来执行。以此方式,按照来自被存储于存储部230中的学习完毕模型的指令的处理部220的动作能够通过各种方式来实现。例如学习完毕模型包括推论算法、和在该推论算法中所使用的参数。推论算法是指,基于输入数据来实施上式(1)的积和运算等的算法。参数是指,通过学习处理而取得的参数,且例如为加权系数信息。在这种情况下,推论算法和参数这双方被存储在存储部230中,处理部220也可以通过读取该推论算法和参数,从而以软件的方式实施推论处理。或者,推论算法也可以通过FPGA等来实现,存储部230也可以存储参数。
图11所示的信息处理装置200被包括在例如图1所示的印刷装置1中。即,本实施方式的方法能够应用在包括信息处理装置200的印刷装置1中。在这种情况下,处理部220与印刷装置1的控制器100相对应,狭义而言与处理器102相对应。存储部230与印刷装置1的存储器103相对应。接受部210与读取被存储在存储器103中的气压信息以及温度信息的接口相对应。此外,印刷装置1也可以将所存储的工作信息向计算机CP或服务器系统等外部设备进行发送。接受部210也可以为,从该外部设备接受推论所需的气压信息以及温度信息的接口部101。但是,信息处理装置200也可以被包含在与印刷装置1不同的设备中。例如,信息处理装置200被包含在从多个印刷装置1对工作信息进行收集的服务器系统等外部设备中。外部设备实施基于所收集到的工作信息来推断针对各个印刷装置1而推荐的加压力信息的处理,并实施将推断结果向印刷装置1进行发送的处理。
在上文中,分开对学习装置400和信息处理装置200进行了说明。但是,本实施方式的方法并未被限定于此。例如,如图12所示那样,信息处理装置200也可以包括取得部410和学习部420,其中,所述取得部410取得将气压信息、温度信息和加压力信息建立了对应关系的数据组,所述学习部420基于该数据组而对被判断为不会发生喷出不良的加压力的条件进行机器学习。换而言之,信息处理装置200除了图11的结构之外,还包括与图7所示的学习装置400相对应的结构。如果采用这种方式,则能够在相同的装置中有效地执行学习处理和推论处理。
此外,本实施方式的信息处理装置200所实施的处理也可以作为信息处理方法来实现。信息处理方法为,取得学习完毕模型,接受油墨喷出时的气压信息和温度信息,基于所接受到的气压信息以及温度信息和学习完毕模型来控制加压泵81的方法。这里的学习完毕模型如上述那样,为基于将具有印刷头30的印刷装置1的使用环境中的气压信息、使用环境中的温度信息和向印刷头30供给油墨的加压泵81的加压力信息建立了对应关系的数据组,而对被判断为不会发生喷出不良的加压力的条件进行机器学习而得到的学习完毕模型。
3.2推论处理的流程
图13为,对信息处理装置200中的处理进行说明的流程图。当开始该处理时,首先,接受部210接受气压信息以及温度信息(S101、S102)。
接下来,处理部220实施如下处理,即,基于所取得的气压信息以及温度信息和被存储于存储部230中的学习完毕模型而对能够抑制喷出不良等不良状况的加压力信息进行推断的处理(S103)。此外,在S103中,处理部220也可以执行对能够抑制喷出不良等不良状况的减压力信息的处理。
接下来,处理部220基于S103中的推论处理结果,而实施加压泵81以及减压泵82的控制(S104)。即,处理部220基于取得部410所取得的气压信息以及温度信息、学习完毕模型而对加压泵81以及减压泵82进行控制。
加压泵81越是使泵电机长时间地工作、或者大量地工作,则加压力越大。但是,加压力的上升量会伴随着工作时间的经过、或者工作量的增加而发生钝化,加压力基本会收敛在与加压泵81的能力相对应的值内。如此,加压泵81的加压力与工作时间或者工作量具有对应关系。
因此,具体而言,处理部220在S104中,对加压泵81的工作时间或者工作量进行控制。同样地,处理部220在S104中,对减压泵82的工作时间或者工作量进行控制。例如,处理部220实施如下控制,即,在S103中作为加压力信息而对加压泵81的控制信息进行推断,并仅以按照该控制信息的工作时间或者工作量而使加压泵81进行工作的控制。或者,处理部220在S103中作为加压力信息而对目标加压量进行推断。然后,处理部220实施如下控制,即,依次取得压力检测传感器94的值,并仅以使通过压力检测传感器94而检测出的加压力成为目标加压量为止的时间或者量而使加压泵81进行工作的控制。例如,处理部220基于气压信息、温度信息和学习完毕模型,而实施使用了流道泵83的油墨供给控制。或者,处理部220基于气压信息、温度信息和学习完毕模型,而实施使用了中间罐88的油墨供给控制。
另外,在图13中,对加压力信息以及减压力信息的推断、和基于所推断出的信息的加压泵81以及减压泵82的控制为一系列处理的示例进行了说明。例如,在开始进行印刷任务时,每次都实施加压力信息以及减压量信息的推断处理。但是,本实施方式的处理并未被限定于此。例如,也可以在印刷装置1的电源接通时实施S101~S103的处理,并在直到电源被关闭为止的期间内,持续使用在S103中被推断出的信息。另外,本实施方式中的处理的流程能够为各种变形方式。
4.追加学习
在本实施方式中,也可以明确地区分学习阶段和推论阶段。例如,学习处理预先在印刷装置1的厂家等处实施,并在印刷装置1出厂时在该印刷装置1的存储器103中存储有学习完毕模型。然后,在使用印刷装置1的阶段中,固定地使用被存储的学习完毕模型。
但是,本实施方式的方法并不限定于此。本实施方式的学习处理也可以包括生成初期学习完毕模型的初期学习、和对学习完毕模型进行更新的追加学习。初期学习完毕模型是指,例如上文所述那样,在出厂前被预先存储于印刷装置1中的通用的学习完毕模型。然后,追加学习是指,用于例如根据个别用户的使用状况而对学习完毕模型进行更新的学习处理。
追加学习也可以在学习装置400中被执行,学习装置400也可以为与信息处理装置200不同的装置。但是,信息处理装置200为了推论处理而实施取得气压信息以及温度信息的处理。该气压信息以及温度信息能够作为追加学习中的训练数据的一部分来利用。如果考虑这点,则追加学习也可以在信息处理装置200中被实施。具体而言,如图12所示那样,信息处理装置200包括取得部410和学习部420。取得部410取得气压信息以及温度信息。例如,取得部410取得接受部210在图13的S101以及S102中所接受的信息。学习部420基于加压力信息与气压信息和温度信息建立了对应关系的数据组而对学习完毕模型进行更新。
这里的加压力信息例如上述那样,既可以为基于喷出结果图像信息而求出的信息,也可以为服务人员等用户所输入的信息。如果采用这种方式,则能够在工作中的印刷装置1之中存储训练数据。关于训练数据取得后的追加学习处理,由于与上述的学习处理的流程相同,因此省略详细的说明。
如上述那样,本实施方式的信息处理装置包括:存储部,其对学习完毕模型进行存储;接受部,其接受油墨喷出时的气压信息和温度信息;处理部,其基于所接受到的气压信息以及温度信息和学习完毕模型而对加压泵进行控制。学习完毕模型为,基于将气压信息、温度信息和加压力信息建立了对应关系的数据组,而对被判断为不会发生喷出不良的加压力的条件进行机器学习而得到的学习完毕模型。气压信息为,表示具有印刷头的印刷装置的使用环境中的气压的信息。温度信息为,表示印刷装置的使用环境中的温度的信息。加压力信息为,表示向印刷头供给油墨的加压泵的加压力的信息。
根据本实施方式的方法,能够使用学习完毕模型而对用于油墨供给的加压泵进行控制。此时,通过使用基于除了气压信息之外还包括温度信息的数据组而实施机器学习而得到的学习完毕模型,从而能够实施考虑了油墨的增稠等的温度特性的控制。
此外,数据组也可以包括向印刷头供给油墨的加压泵的类别信息、或者印刷装置的类别信息。
如果采用这种方式,则能够实施与加压泵或油墨供给单元等的具体的结构相应的控制。
此外,数据组也可以包括通过对从印刷头向印刷介质喷出了油墨的结果进行拍摄而取得的喷出结果图像信息。
如果采用这种方式,则能够实施考虑了具体的油墨的喷出状态的控制。
此外,处理部也可以对加压泵的工作时间或者工作量进行控制。
如果采用这种方式,则能够基于学习完毕模型的输出而适当地对加压泵进行控制。
此外,气压信息也可以基于海拔信息来计算。
如果采用这种方式,则能够基于海拔来实施气压信息的计算。例如,在印刷装置在高地处被利用的情况下,能够适当地对加压泵进行控制。
此外,数据组也可以包括从油墨罐抽吸油墨的减压泵的减压力信息。处理部基于接受部所接受到的气压信息、温度信息和学习完毕模型而对减压泵进行控制。
如果采用这种方式,则能够使用学习完毕模型而对用于油墨供给的减压泵进行控制。此时,通过基于除了气压信息之外还包括温度信息的数据组而进行机器学习而得到的学习完毕模型,从而能够实施考虑了油墨的增稠的控制。
此外,处理部也可以对减压泵的工作时间或者工作量进行控制。
如果采用这种方式,则能够基于学习完毕模型的输出而适当地对减压泵进行控制。
此外,印刷装置也可以包括加压泵、减压泵和被设置在从油墨罐起到印刷头为止的流道上的流道泵。处理部基于气压信息、温度信息和学习完毕模型而实施使用了流道泵的油墨供给控制。
如果采用这种方式,则能够使用流道泵而向印刷头供给油墨罐的油墨。
此外,印刷装置也可以包括中间罐,该中间罐对通过减压泵而被抽吸的油墨进行积存。加压泵通过实施针对中间罐的加压,从而向印刷头供给油墨。处理部基于气压信息、温度信息和学习完毕模型而实施使用了中间罐的油墨供给控制。
如果采用这种方式,则能够使用中间罐而向印刷头供给油墨罐的油墨。
此外,本实施方式的学习装置包括:取得部,其取得如下数据组,所述数据组为,将具有印刷头的印刷装置的使用环境中的气压信息、使用环境中的温度信息和向印刷头供给油墨的加压泵的加压力信息建立了对应关系的数据组;学习部,其基于所取得的数据组而对被判断为不会产生喷出不良的加压力的条件进行机器学习。
根据本实施方式的方法,能够在通过气压信息以及温度信息而被特别指定的状况中,输出可推断出被认为是适当的加压力的学习结果。
此外,在本实施方式的信息处理方法中,取得学习完毕模型,接受油墨喷出时的气压信息和温度信息,基于所接受到的气压信息、温度信息和学习完毕模型而对加压泵进行控制。学习完毕模型基于将具有印刷头的印刷装置的使用环境中的气压信息、使用环境中的温度信息和向印刷头供给油墨的加压泵的加压力信息建立了对应关系的数据组,从而对被判断为不会产生喷出不良的加压力的条件进行机器学习。
另外,虽然如上述那样对本实施方式进行了详细地说明,但是本领域技术人员理应很容易地理解到如下内容,即,能够进行实际上不脱离本实施方式的新颖事项以及效果的很多的变形。因此,设为这样的变形例全部被包含在本公开的范围内。例如,在说明书或者附图中,至少一次、与更广义或者同义的不同用语一起被记载的用语在说明书或者附图的任意位置均能够替换为该不同用语。此外,本实施方式以及变形例的所有组合也被包括在本公开的范围内。此外,学习装置、信息处理装置以及包括这些装置的系统的结构以及动作等也均不限定于在本实施方式中所说明的内容,能够进行各种各样的变形实施。
符号说明
1…印刷装置;10…输送单元;20…滑架单元;21…滑架;22…导轨;30…印刷头;31…头单元;40…驱动信号生成部;50…油墨抽吸单元;55…擦拭单元;60…冲洗单元;70…摄像单元;71…摄像部;72…图像处理部;80…油墨供给单元;81…加压泵;82…减压泵;83…流道泵;83a…第一空间;83b…第二空间;83c…隔膜;84…流道缓冲器;85…辅助用流道缓冲器;86a…抽吸用单向阀;86b…喷出用单向阀;87…密封阀;88…中间罐;88a…气球;89a…抽吸用单向阀;89b…喷出用单向阀;90…检测器组;91…温度传感器;92…湿度传感器;93…气压传感器;94…压力检测传感器;100…控制器;101…接口部;102…处理器;103…存储器;104…单元控制电路;200…信息处理装置;210…接受部;220…处理部;230…存储部;400…学习装置;410…取得部;420…学习部。
Claims (11)
1.一种信息处理装置,其特征在于,包括:
存储部,其存储基于如下数据组而对被判断为不会产生喷出不良的加压力的条件进行机器学习而得到的学习完毕模型,其中,所述数据组为,将具有印刷头的印刷装置的使用环境中的气压信息、所述使用环境中的温度信息和向所述印刷头供给油墨的加压泵的加压力信息建立了对应关系的数据组;
接受部,其接受油墨喷出时的所述气压信息和所述温度信息;
处理部,其基于所接受到的所述气压信息、所述温度信息和所述学习完毕模型而对所述加压泵进行控制。
2.如权利要求1所述的信息处理装置,其特征在于,
所述数据组包括向所述印刷头供给所述油墨的所述加压泵的类别信息、或者所述印刷装置的类别信息。
3.如权利要求1或2所述的信息处理装置,其特征在于,
所述数据组包括通过对从所述印刷头向所述印刷介质喷出了所述油墨的结果进行拍摄而取得的喷出结果图像信息。
4.如权利要求1所述的信息处理装置,其特征在于,
所述处理部对所述加压泵的工作时间或者工作量进行控制。
5.如权利要求1所述的信息处理装置,其特征在于,
所述气压信息基于海拔信息而被计算。
6.如权利要求1所述的信息处理装置,其特征在于,
所述数据组包括从油墨罐抽吸所述油墨的减压泵的减压力信息,
所述处理部基于所述接受部所接受到的所述气压信息、所述温度信息和所述学习完毕模型而对所述减压泵进行控制。
7.如权利要求6所述的信息处理装置,其特征在于,
所述处理部对所述减压泵的工作时间或者工作量进行控制。
8.如权利要求6或7所述的信息处理装置,其特征在于,
所述印刷装置包括所述加压泵、所述减压泵和被设置在从所述油墨罐起到所述印刷头为止的流道上的流道泵,
所述处理部基于所述气压信息、所述温度信息和所述学习完毕模型而实施使用了所述流道泵的油墨供给控制。
9.如权利要求6或7所述的信息处理装置,其特征在于,
所述印刷装置包括中间罐,所述中间罐对通过所述减压泵而被抽吸的所述油墨进行积存,
所述加压泵通过实施针对所述中间罐的加压,从而向所述印刷头供给所述油墨,
所述处理部基于所述气压信息、所述温度信息和所述学习完毕模型而实施使用了所述中间罐的油墨供给控制。
10.一种学习装置,其特征在于,包括:
取得部,其取得将具有印刷头的印刷装置的使用环境中的气压信息、所述使用环境中的温度信息和向所述印刷头供给油墨的加压泵的加压力信息建立了对应关系的数据组;
学习部,其基于所取得的所述数据组而对被判断为不会产生喷出不良的加压力的条件进行机器学习。
11.一种信息处理方法,其特征在于,
取得基于如下数据组而对被判断为不会产生喷出不良的加压力的条件进行机器学习而得到的学习完毕模型,其中,所述数据组为,将具有印刷头的印刷装置的使用环境中的气压信息、所述使用环境中的温度信息和向所述印刷头供给油墨的加压泵的加压力信息建立了对应关系的数据组,
接受油墨喷出时的所述气压信息和所述温度信息,
基于所接受到的所述气压信息、所述温度信息和所述学习完毕模型而对所述加压泵进行控制。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019181961A JP6954335B2 (ja) | 2019-10-02 | 2019-10-02 | 情報処理装置、学習装置及び情報処理方法 |
JP2019-181961 | 2019-10-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112590393A true CN112590393A (zh) | 2021-04-02 |
CN112590393B CN112590393B (zh) | 2022-04-29 |
Family
ID=75180178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011040127.8A Active CN112590393B (zh) | 2019-10-02 | 2020-09-28 | 信息处理装置、学习装置以及信息处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11565517B2 (zh) |
JP (1) | JP6954335B2 (zh) |
CN (1) | CN112590393B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113954541A (zh) * | 2021-09-01 | 2022-01-21 | 苏州鑫格雅电子科技有限公司 | 可移动式油墨印刷方法、系统、装置和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000015844A (ja) * | 1998-06-30 | 2000-01-18 | Canon Inc | インクジェット記録装置 |
JP2000108368A (ja) * | 1998-10-05 | 2000-04-18 | Seiko Epson Corp | インクジェット記録装置の回復方法 |
JP2000203050A (ja) * | 1999-01-14 | 2000-07-25 | Keyence Corp | インクジェット記録装置 |
JP2004130517A (ja) * | 2002-10-08 | 2004-04-30 | Hitachi Advanced Digital Inc | インクジェットプリンタ |
EP2500173A1 (en) * | 2011-03-15 | 2012-09-19 | Brother Kogyo Kabushiki Kaisha | Liquid ejection apparatus |
US20130141484A1 (en) * | 2011-11-25 | 2013-06-06 | Seiko Epson Corporation | Liquid ejection inspection device and liquid ejection inspection method |
JP2015178178A (ja) * | 2014-03-18 | 2015-10-08 | セイコーエプソン株式会社 | 液体噴射装置 |
WO2018051771A1 (ja) * | 2016-09-13 | 2018-03-22 | サトーホールディングス株式会社 | プリンタ |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6450625B1 (en) * | 1998-03-18 | 2002-09-17 | Seiko Epson Corporation | Electrostatic actuator, manufacturing method therefor, and liquid discharging device using the same |
JP2003305854A (ja) * | 2002-04-16 | 2003-10-28 | Canon Inc | インクジェット記録装置 |
JP5298410B2 (ja) * | 2006-07-12 | 2013-09-25 | 株式会社リコー | 画像形成装置 |
JP5397022B2 (ja) * | 2009-05-29 | 2014-01-22 | コニカミノルタ株式会社 | 液体供給装置及び液滴吐出装置 |
JP2012000777A (ja) * | 2010-06-14 | 2012-01-05 | Seiko Epson Corp | 液体噴射装置、液体噴射システム及び液体噴射装置の制御方法 |
JP2012020428A (ja) * | 2010-07-13 | 2012-02-02 | Seiko Epson Corp | 液体噴射装置および液体噴射方法 |
JP5438622B2 (ja) * | 2010-07-30 | 2014-03-12 | 富士フイルム株式会社 | 液体供給装置及び液体吐出装置並びに圧力制御方法 |
JP6463219B2 (ja) * | 2015-05-19 | 2019-01-30 | キヤノン株式会社 | 記録装置 |
JP7081244B2 (ja) * | 2018-03-19 | 2022-06-07 | 株式会社リコー | 液体回収装置、液体付着装置、液体回収装置の液体回収方法、及び液体回収プログラム |
JP7222300B2 (ja) * | 2019-04-24 | 2023-02-15 | コニカミノルタ株式会社 | インクジェット記録装置及び異常検出方法 |
JP7081565B2 (ja) * | 2019-05-16 | 2022-06-07 | セイコーエプソン株式会社 | 情報処理装置、印刷装置、学習装置及び情報処理方法 |
-
2019
- 2019-10-02 JP JP2019181961A patent/JP6954335B2/ja active Active
-
2020
- 2020-09-28 CN CN202011040127.8A patent/CN112590393B/zh active Active
- 2020-10-01 US US17/061,072 patent/US11565517B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000015844A (ja) * | 1998-06-30 | 2000-01-18 | Canon Inc | インクジェット記録装置 |
JP2000108368A (ja) * | 1998-10-05 | 2000-04-18 | Seiko Epson Corp | インクジェット記録装置の回復方法 |
JP2000203050A (ja) * | 1999-01-14 | 2000-07-25 | Keyence Corp | インクジェット記録装置 |
JP2004130517A (ja) * | 2002-10-08 | 2004-04-30 | Hitachi Advanced Digital Inc | インクジェットプリンタ |
EP2500173A1 (en) * | 2011-03-15 | 2012-09-19 | Brother Kogyo Kabushiki Kaisha | Liquid ejection apparatus |
US20130141484A1 (en) * | 2011-11-25 | 2013-06-06 | Seiko Epson Corporation | Liquid ejection inspection device and liquid ejection inspection method |
JP2015178178A (ja) * | 2014-03-18 | 2015-10-08 | セイコーエプソン株式会社 | 液体噴射装置 |
WO2018051771A1 (ja) * | 2016-09-13 | 2018-03-22 | サトーホールディングス株式会社 | プリンタ |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113954541A (zh) * | 2021-09-01 | 2022-01-21 | 苏州鑫格雅电子科技有限公司 | 可移动式油墨印刷方法、系统、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20210101384A1 (en) | 2021-04-08 |
JP2021054017A (ja) | 2021-04-08 |
CN112590393B (zh) | 2022-04-29 |
JP6954335B2 (ja) | 2021-10-27 |
US11565517B2 (en) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7003981B2 (ja) | 情報処理装置、学習装置及び情報処理方法 | |
CN111942022B (zh) | 信息处理装置、印刷装置、学习装置以及信息处理方法 | |
CN111942023B (zh) | 信息处理装置、印刷装置、学习装置以及信息处理方法 | |
US10569560B2 (en) | Inkjet printing apparatus and ink filling method for the same | |
CN112590393B (zh) | 信息处理装置、学习装置以及信息处理方法 | |
JP2016198894A (ja) | 液体吐出装置、液体吐出装置の制御方法、及び、液体吐出装置の制御プログラム | |
US10532576B2 (en) | Liquid jetting apparatus | |
US10926534B2 (en) | Circuit and method for detecting nozzle failures in an inkjet print head | |
CN114261203B (zh) | 信息处理系统、学习装置以及信息处理方法 | |
CN114261202B (zh) | 信息处理系统、学习装置以及信息处理方法 | |
CN114193929B (zh) | 信息处理系统、信息处理方法以及学习装置 | |
JP5777328B2 (ja) | インクジェット記録装置および圧力異常検知方法 | |
JP6693070B2 (ja) | 液体吐出装置、ヘッドユニット、及び、液体吐出装置の制御方法 | |
EP3785918B1 (en) | Valve device, image forming apparatus, and method for determining the deterioration degree of a valve | |
US20220371327A1 (en) | Pressure fluctuation suppression device and image forming device | |
JP2021062555A (ja) | 画像形成装置 | |
JP2021062556A (ja) | 画像形成装置 | |
JP2007313732A (ja) | 画像形成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |