JP2007102506A - 故障診断システム、画像形成装置及び故障診断方法 - Google Patents

Abstract

【課題】画像形成装置等の機器に搭載されているＰＷＢＡ等の回路の故障診断の精度を向上させることが可能な故障診断システムを提供することを目的とする。
【解決手段】故障診断システムは、画像形成装置の故障原因と、当該故障原因と因果関係を有する入力情報とを結線し、確率的に異常候補を抽出する故障診断モデルに基づく推論処理を行う故障診断部、前記画像形成装置の状態情報が記述されて作成されるログを取得するログ取得部、このログ取得部により取得した前記ログを解析し、解析済みデータを作成するログ解析部を有する。故障診断部は、ログ解析部における解析済みデータを故障確率の値が割り付けられる前記故障診断モデルの入力情報として推論処理を行う。
【選択図】図５

Description

本発明は、複写機やプリンタ等の画像形成装置における故障診断、特にプリント配線基板（ＰＷＢＡ）で実現されている電子回路の異常、故障を検出することができる故障診断システム、画像形成装置及び故障診断方法に関する。

パーソナルコンピュータ、複写機等の電子機器には、近年、性能、機能の向上に伴い、益々、それらを実現するための様々な用途のアナログ、及びデジタルの電子回路がプリント配線基板（ＰＷＢＡ）の形で格納されてきている。また、自動車や航空、ロボットや半導体設計装置、その他の産業機器等、あらゆるものにおける動作制御等の手段として、信頼性が高く、高速・高精度での動作が可能な電子回路基板が数多く搭載されている。これらの電子回路基板は一連の機能を実現するために、様々な形でケーブルを介して接続されることにより、所望のスペックが実現されている。このような基板が搭載される機器が使用される環境は、通常はオフィス内であったり、家屋内であったりするが、それ以外の過酷な環境下で使用される場合もあり、非常に多岐にわたっている。このような状況下、検出することが困難な様々な状態の異常、故障が発生し、その修復には多大な労力を要することになる。また、通常の使用環境下で使用している場合でも、電子回路基板自体の異常、故障は発生し、その頻度は必ずしも低いとは言えず、検出箇所を特定できないこともしばしば生じている。

このように、電子回路基板に異常が発生した場合には、安全性やコストなどの面から早急な対応が必要であるが、市場における複写機、プリンタ等に異常が発生した場合の対応として、過去の事例を参照し、故障現象と重ね合わせた結果を確率的に解析することが行われている。このような技術としては、例えば、特許文献１や特許文献２のような提案がされている。特許文献１では、過去の事例をデータベースとした故障原因の頻度分布から現在の故障箇所候補を確率分布として推定することが行われている。また、特許文献２では、データベースに故障原因に加えて施した処置等の入力まで行っている。このように、機能的に故障原因を追うのみでなく、過去の事例を参照することにより、機器に特有の故障の傾向を含めた故障診断を実施し、またその事例を新たな故障データとしてデータベースに登録して活用することが行われている。

特開平５-３５４８４号公報 特開平５-６１８７７号公報

しかしながら、特許文献１や特許文献２で開示されたような例では以下のような問題点が存在した。すなわち、故障原因に対して施した処置をそのまま事例として反映しているだけであるか、あるいは内部情報の利用に乏しいため、必ずしも精度のよい診断を行うための事例データを構築することが出来ておらず、また診断精度を向上させようとすると、現場での対応処置とそれに伴うチェック作業を非常に細かく実施する必要が出てくるため、作業が煩雑になってしまうという欠点があった。

本発明は以上のような点を考慮して行なわれたものであり、事例のみを参照した故障診断システムと比べて、機器に搭載されているＰＷＢＡ等の回路の故障診断の精度を向上させることが可能な故障診断システムを提供することを目的とする。

かかる目的を達成するための、本発明の故障診断システムは、画像形成装置の故障診断システムであって、画像形成装置の故障原因と、当該故障原因と因果関係を有する入力情報とを結線し、確率的に異常候補を抽出する故障診断モデルに基づく推論処理を行う故障診断部と、前記画像形成装置の状態情報が記述されて作成されるログを取得するログ取得部と、当該ログ取得部により取得した前記ログを解析し、解析済みデータを作成するログ解析部と、を有し、前記故障診断部は、前記ログ解析部における解析済みデータを故障確率の値（故障確率値）が割り付けられる前記故障診断モデルの入力情報として推論処理を行うことを特徴としている（請求項１）。ここで、前記故障診断システムは、規則に基づくシステム（ルール型システム、例えばベイジアンネットワーク）を使用した故障自動診断を行う仕組みを採用することができる。このような故障診断システムは、装置の動作異常を引き起こす過去の故障事例をベースに故障診断モデルを構築し、この故障診断モデルを用いて異常候補を確率的に求めることができる。本発明では、このような故障診断モデルによる故障診断の精度を向上させるべく、故障診断モデルへの更なる入力情報を与えている。更なる入力情報としているのは、制御システム間で交換しているログを解析、抽出することによって得られる情報である。画像形成装置は、ＥＳＳ（Ｅｌｅｃｔｒｉｃ Ｓｕｂ Ｓｙｓｔｅｍ）や、ＩＩＴ（Ｉｍａｇｅ Ｉｎｐｕｔ Ｔｅｒｍｉｎａｌ）、ＩＯＴ（Ｉｍａｇｅ Ｏｕｔｐｕｔ Ｔｅｒｍｉｎａｌ）等の制御システムを備えており、これらの制御システム間で画像形成装置の状態情報が記述されて作成されるログの交換を行っていることがある。本発明では、従来から作成されているこのようなログの中から故障診断に用いることができる情報を抽出し、故障診断モデルに反映させている。

このような構成とすれば、画像形成装置に組み込まれている電子回路の状態を把握し、従来、目視等で把握することが困難であったＰＷＢＡ等の電子回路の異常、故障も検出することができる。

なお、本発明におけるログの取得、ログの解析等は、画像形成装置を構成する要素に組み込まれたソフトウェアを駆動することによって行うことができる。

このような故障診断システムでは、前記故障診断部と、前記ログ取得部と、前記ログ解析部は、前記画像形成装置の外部に配置され、ネットワークを介して故障診断を行う構成とすることができる（請求項２）。このような構成とすることにより、故障診断をリモートで行うことができる。

また、このような故障診断システムでは、前記ログ解析部は、作成されたログから所定のキーワードの抽出を行って前記解析済みデータを作成し、前記故障診断部は、前記キーワードの有無に基づいて前記解析済みデータを前記入力情報として入力する際の故障確率の値を変更する構成とすることができる（請求項３）。さらに、このような構成とする際に、前記ログ解析部は、抽出したキーワードの前記ログ上における記述位置に関するデータを含めた解析済みデータを作成し、前記故障診断部は、前記キーワードの記述位置に基づいて前記解析済みデータを前記入力情報として入力する際の故障確率の値を変更する構成とすることができる（請求項４）。前記ログは、例えば、テキスト形式で作成されることがあるが、このようなテキスト形式で作成されたログからキーワードを抽出するためのＦｉｌｔｅｒｉｎｇ（フィルタリング）を行うことによって故障原因と因果関係を有する情報と抽出することができる。Ｆｉｌｔｅｒｉｎｇはソフトウェアを用いる等、従来知られている手順で行うことができる。ここで、Ｆｉｌｔｅｒｉｎｇを行うことによって抽出されたキーワードがログ上のどこに記述されていたかの情報（記述位置）まで考慮して解析済みデータを作成すれば、より正確な故障診断を行うことができる。

なお、以上説明したような故障診断システムを種々の画像形成装置に搭載すれば、本発明の画像形成装置を構成することができる（請求項５）。

また、本発明の故障診断方法は、画像形成装置の故障診断方法であって、画像形成装置の状態情報が記述されて作成されるログを取得する行程と、当該ログを解析してログ上のキーワードを抽出し、解析済みデータを作成する行程と、当該解析済みデータを故障確率値が割り付けられる故障診断モデルの入力情報として当該故障診断モデルによる推論処理を行う行程と、を有することを特徴とする（請求項６）。このような故障診断方法は、例えば、本発明の故障診断システムを稼働させることによって実施することができる。

本発明によれば、画像形成装置の故障原因と、当該故障原因と因果関係を有する入力情報とを結線し、確率的に異常候補を抽出する故障診断モデルに、ログに含まれる故障原因に結びつく情報を加味することにより、新たな異常情報を抽出することができ、電子回路の異常、故障を検出等も可能として故障原因特定の精度を向上させることができる。

以下、本発明を実施するための最良の形態を図面と共に詳細に説明する。

図１は、本発明の故障診断システムを適用するネットワークとそれに接続される機器について示している。リモートで接続したデスクトップ型のパソコン１１やオンサイトで接続したモバイルパソコン１２による診断、あるいはＬＡＮ等のネットワーク１４を介して画像形成装置１３の診断を行う。これらのパソコン１１やモバイルパソコン１２が本発明における故障診断部、ログ取得部、ログ解析部の機能を果たすことになり、これらの機能を実現することのできるソフトウェアが格納されている。また、画像形成装置１３は自己の状態情報を記述したログを作成する。

図２は画像形成装置１３の制御を司る回路となるＰＷＢＡの構成例を示している。それぞれのブロックは実際には複数のＰＷＢＡで構成されている。すなわちＥＳＳ２１は複数のＥＳＳ ＰＷＢＡ及びその周辺要素、ＩＩＴ２２は複数のＩＩＴ ＰＷＢＡ及びその周辺要素、ＩＯＴ２３は複数のＩＯＴ ＰＷＢＡ及びその周辺要素、ＦＡＸ２４は複数のＦＡＸ ＰＷＢＡ及びその周辺要素から構成されている。また、ＭＣＵ２５、ＨＤＤ２６はそれぞれ周辺要素を備えている。画像形成装置１３は、さらに、各種搭載メモリとしてＲＴＣ２７１、ＮＶ２７２、ＲＡＭ２７３、ＲＯＭ２７４、ＥＳＳ２１とＩＩＴ２２とを接続するケーブル２１２、ＥＳＳ２１とＩＯＴ２３とを接続するケーブル２１３、ＥＳＳ２１とＦＡＸ２４とを接続するケーブル２１４、ＥＳＳ２１とＭＣＵ２５とを接続するケーブル２１５、ＥＳＳ２１とＨＤＤ２６とを接続するケーブル２１６を備えている。また、ＥＳＳ２１はＰＳＷ（Ｐｏｒｔａｂｌｅ Ｓｅｒｖｉｃｅ Ｗｏｒｋｓｔａｔｉｏｎ）と接続されている。このような画像形成装置１３は外部通信可能なネットワークと接続されている。

図３は、画像形成装置１３内で作成され、ログ取得部、ログ解析部の機能を有するパソコン１１が取得したログ情報に基づき、作成するノードと確率表の値の考え方を示している。このようにして得られる情報（解析済みデータ）に基づき確率的に診断するモデルの一つとして考えるベイジアンネットワークのノードに適用して故障診断を実施する。あらかじめ組まれたベイジアンネットワークモデルに対して、ログを取得して解析を行った場合に明確化される異常に関連する確率項目をノード内に用意し、実際にログを取得して解析、すなわちＦｉｌｔｅｒｉｎｇした結果として、そのノードに関連する異常と判断される記述がある場合には、基本的にはログ取得時のＮＧの確率を１００％またはそれに準じた値に設定するようにしている。すなわち、そのような解析済みデータが得られた場合には当該箇所に異常が起こっている確率が高いとして、それに見合った値を入力する。ここにおけるログは、画像形成装置１３の起動時などにＰＷＢＡに関する機能等の内部状態をチェックした結果をテキストファイル等の形式で出力するものを想定している。また、メッセージの有無とＯＫ／ＮＧの確率との関係は、予めそれまでの事例を解析することによって蓄積されたデータに基づいて決めておくことができる。

図４（ａ）はログ解析部においてログをＦｉｌｔｅｒｉｎｇする記述例を示したものである。図４（ｂ）に示したメッセージをキーワード検出によって抽出した場合には、図４（ｂ）の表中、右列にある箇所（抽出箇所）のベイジアンネットワークを構成するノードのＮＧ確率を１００％かそれに準じた値に設定するようにする。例えば、図４（ａ）中、参照番号４１、４２、４３を付して示したように、ＮＶＭ ＰＷＢＡ本体、ＮＶＭ ＰＷＢＡ接続部、ＥＳＳ ＰＷＢＡ本体の３つのポイントについての異常可能性の記述が行われる。これらの情報は、既存の故障診断情報には反映されていない故障情報である。ここで、既存の故障診断情報とは、過去の故障事例のデータを蓄積することによって得られる故障診断情報を指す。なお、本実施例では、ＰＷＢＡについて、その本体自体と接続部とに分けて故障診断を行うようにしている。

参照番号４１を付した記述はＮＶＭの機能的な異常をメッセージとして伝えており、参照番号４２を付した記述はＮＶＭと接続されるＥＳＳ ＰＷＢＡの接続部の異常を、参照番号４３を付した記述はＮＶＭをＥＳＳ ＰＷＢＡが認識できない異常をメッセージとして伝えてきている。なお、この図では、あたかも１つの記述に１つの異常箇所があるように記されているが、実際には複数箇所にまたがった記述が行われたり、あるいは１つの記述の中に複数の情報が埋め込まれる場合もある。

図５は以上のような考え方に基づいて構成したベイジアンネットワークの例を画像形成装置１３に搭載されているＰＷＢＡを対象として示している。図中、参照番号５１、５２はそれぞれのノードに関する解析済みデータについて示したものである。すなわち、例えば、参照番号５１を付した解析済みデータであれば、図４（ａ）で示したようなログメッセージを包含している場合を考える。取得したログであるＬｏｇ１の記述内容を解析した結果、その中に参照番号４１や参照番号４２を付して示した、ＮＶＭ ＰＷＢＡ本体の異常と判断される内容が見つかった場合には、図３で説明したような方法で当該箇所に異常が認められる確率、すなわちＮＧとなる確率を高くする設定を行う。同様に、参照番号４３を付して示したように、ＥＳＳ ＰＷＢＡ本体に関する記述に異常と判断される内容が見つかった場合には、そのノードのＮＧの確率を高めるように作成してある。

以上のような確率の割り付けは各ノードにおいて行われているが、以下、ＮＶＭ ＰＷＢＡを例に図６を参照しつつ説明する。図６(ａ)〜（ｄ）は各ノードの具体的な確率についての記述内容を示している。故障診断は、図６（ａ）〜図（ｄ）までの確率の割り付け行程を順次辿ることによって行われる。図６中、（ａ）及び（ｂ）は、従来と同様に故障事例に基づく入力情報から得られる確率分布である。これに対し、図６中、（ｃ）及び（ｄ）は、本発明における特徴的な処理であるログ記述内容を加味した確率分布表である。

まず、図６（ａ）について説明する。図６（ａ）は、故障コード００１のノードにおける各部品の故障確率を示している。表の最右欄の値（故障コード００１のＮＧの値）が０％でないときに「ＮＧ」と表記される部品が異常候補、故障原因候補ということになる。図５に示すように故障コード００１はＥＳＳ ＰＷＢＡ Ｔｏｔａｌ、ＭＣＵ ＰＷＢＡ Ｔｏｔａｌ、ＮＶＭ ＰＷＢＡ Ｔｏｔａｌと結線されている。このため、図６（ａ）中、表の最右欄の値が５％であるときにＮＧを示すＮＶＭ ＰＷＢＡ Ｔｏｔａｌ、表の最右欄の値が９５％であるときにＮＧを示すＭＣＵ ＰＷＢＡ Ｔｏｔａｌが異常候補となる。

次に、図６（ｂ）は、図６（ａ）に示した確率表からから異常候補となったＮＶＭ ＰＷＢＡ Ｔｏｔａｌのノードにおける故障確率を示している。ここで、図５に示すようにＮＶＭ ＰＷＢＡ ＴｏｔａｌはＮＶＭ ＰＷＢＡ接続部と、ＮＶＭ ＰＷＢＡ本体と結線されていることからこれらの２つのノードに対する故障確率を示している。図６（ｂ）に示す表の最右欄の値（ＮＶＭ ＰＷＢＡ ＴｏｔａｌのＮＧの値）が０％でないときに「ＮＧ」と表記される部品が異常候補、故障原因候補ということになる。

次に、図６（ｃ）、図６（ｄ）について説明する。図６（ｃ）は、ログを解析した解析済みデータにメッセージがＮＶＭ ＰＷＢＡ接続部に異常がある可能性を示すメッセージを含んでいたときにはＮＶＭ ＰＷＢＡ接続部のＮＧ＝１００％とすることを示している。同様に図６（ｄ）は、ログを解析した解析済みデータにメッセージがＮＶＭ ＰＷＢＡ本体に異常がある可能性を示すメッセージを含んでいたときにはＮＶＭ ＰＷＢＡ本体のＮＧ＝１００％とすることを示している。すなわち、双方とも、ログ記述に異常を示唆するメッセージが解析の結果として見つかった場合には、異常とされたＰＷＢＡまたは接続部のＮＧの確率を１００％とする。これらの確率の割り付けは、過去の事例に基づいて行われるものであり、図６（ａ）や図６（ｂ）に示した確率の割り付けとは無関係なものである。すなわち、図６（ｃ）や図６（ｄ）に基づいた確率の割り付けを行って故障診断を行うことも可能であるが、本実施例では、図６（ａ）〜（ｄ）のすべてを考慮した故障診断を行い、故障診断の精度を向上させている。

このようにして各ノードの確率表を作成することにより、図７に示したような最終結果が得られる。ログの取得を行わない、通常の事例ベースのモデルで、故障可能性のある部位が順位付けされて示される構成では、図７の「故障表示番号００１ログメッセージ無」の列に記載されたように、ＥＳＳ ＰＷＢＡ、ＭＣＵ接続ケーブル、ＮＶＭ ＰＷＢＡ、ＮＶＭ接続部、ＨＤＤ本体・・・という故障順位で表示される。ログを取得した本発明では、ログメッセージの中にある利用されていない故障情報として、参照番号４１を付して示したＮＶＭに関する記述がＦｉｌｔｅｒｉｎｇして抽出され、「故障表示番号００１ログメッセージ有」の列に示したように、故障確率順位はＮＶＭ ＰＷＢＡが高確率でトップに示されるようになり、既存の事例を用いた順位と大きく変動することになる。このようにして、起動時に発するログをＦｉｌｔｅｒｉｎｇして解析し、これまで利用されていなかったメッセージを抽出することにより、既存の事例を用いた故障診断を確率的に行なうシステムにおける診断精度を向上させることが可能となる。

以下に、メッセージの抽出に関して述べる。図４で示したログのメッセージ内容の抽出は、あらかじめ登録された正常状態で出力されるメッセージとの比較で行なう、あるいは特定のメッセージ内容をキーワードで検索して抽出する、あるいは検索したキーワードの出現位置を診断結果に反映する、複数のキーワードが抽出される場合にはその順序に従って図７の所定箇所のＮＧの確率を１００％またはそれに準ずる値に設定する、特定の行に注目してその行を正常状態のそれと比較する、特定の数値の比較を行なう、などの方法を用いる。いわゆる故障診断用に作成されるログではなく、既存の状態情報を制御システム間で交換することを目的として作成されるログを使用することから、そこで出力されるメッセージの形態にあわせた抽出処理が必要となる。また、ログの解析結果を反映させる診断モデルのベースとなる事例データの格納場所についても言及しておく。事例データの格納は、各機器に搭載されるメモリに蓄積させておいてもよいし、あるいはネットワークを介して記憶先とアクセスして取り出してもよい。あるいは、チェック作業を行なうものが個別に現場で対応する場合には、作業を行なうＰＣやあるいは別途メモリ等の記憶媒体を用意してその中に格納しておき、それを診断時にセットして参照させるようにしてもよい。

以上、説明したように、本発明の特徴は、ベイジアンネットワーク等を用いた故障診断モデルにおいて、故障診断を行うための情報に画像形成装置が作成するログに基づく情報を加えた点にある。このため、故障診断システムのハード的な構成は、従来のシステムを用いることができる。

上記実施例は本発明を実施するための例にすぎず、本発明はこれらに限定されるものではなく、これらの実施例を種々変形することは本発明の範囲内であり、更に本発明の範囲内において、他の様々な実施例が可能であることは上記記載から自明である。また、本明細書では、画像形成装置の故障診断システムとして説明しているが、装置の起動中にログが作成され、このログから故障診断に用いることができるデータを抽出することができる装置であれば、当該装置は故障診断対象装置として、本発明の故障診断システムを用いた故障診断を行うことができる。

本発明の故障診断システムを適用するネットワークとそれに接続される機器を示した説明図である。 画像形成装置の電子回路の接続状態を示すブロック図である。 画像形成装置で作成されたログから確率表を作成する流れを示す説明図である。 （ａ）は、抽出したメッセージの表示例を示す説明図であり、（ｂ）は、メッセージと故障箇所との対応例を示す説明図である。 実施例に用いるベイジアンネットワークを示す説明図である。 （ａ）〜（ｄ）は、それぞれ、各ノードで割り付けられる故障確率を示した確率表である。 故障診断結果の一例を示す結果表である。

符号の説明

１１ デスクトップ型パソコン
１２ モバイルパソコン
１３ 画像形成装置
１４ ネットワーク
２１ ＥＳＳ
２２ ＩＩＴ
２３ ＩＯＴ
２４ ＦＡＸ
２５ ＭＣＵ
２６ ＨＤＤ
２１２、２１３、２１４、２１５、２１６ 接続ケーブル

Claims (6)

1. 画像形成装置の故障診断システムであって、
   画像形成装置の故障原因と、当該故障原因と因果関係を有する入力情報とを結線し、確率的に異常候補を抽出する故障診断モデルに基づく推論処理を行う故障診断部と、
   前記画像形成装置の状態情報が記述されて作成されるログを取得するログ取得部と、
   当該ログ取得部により取得した前記ログを解析し、解析済みデータを作成するログ解析部と、
   を有し、前記故障診断部は、前記ログ解析部における解析済みデータを故障確率の値が割り付けられる前記故障診断モデルの入力情報として推論処理を行うことを特徴とした故障診断システム。
2. 請求項１記載の故障診断システムにおいて、
   前記故障診断部と、前記ログ取得部と、前記ログ解析部は、前記画像形成装置の外部に配置され、ネットワークを介して故障診断を行うことを特徴とした故障診断システム。
3. 請求項１又は２記載の故障診断システムにおいて、
   前記ログ解析部は、作成されたログから所定のキーワードの抽出を行って前記解析済みデータを作成し、
   前記故障診断部は、前記キーワードの有無に基づいて前記解析済みデータを前記入力情報として入力する際の故障確率の値を変更することを特徴とする故障診断システム。
4. 請求項３記載の故障診断システムにおいて、
   前記ログ解析部は、抽出したキーワードの前記ログ上における記述位置に関するデータを含めた解析済みデータを作成し、
   前記故障診断部は、前記キーワードの記述位置に基づいて前記解析済みデータを前記入力情報として入力する際の故障確率の値を変更することを特徴とする故障診断システム。
5. 請求項１乃至４のいずれか一項記載の故障診断システムを搭載したことを特徴とする画像形成装置。
6. 画像形成装置の故障診断方法であって、
   画像形成装置の状態情報が記述されて作成されるログを取得する行程と、
   当該ログを解析してログ上のキーワードを抽出し、解析済みデータを作成する行程と、
   当該解析済みデータを故障確率の値が割り付けられる故障診断モデルの入力情報として当該故障診断モデルによる推論処理を行う行程と、
   を有することを特徴とする故障診断方法。
   

Images