JP2007243347A - 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】 故障発生状況の診断精度が向上した画像形成装置の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】 電子化された原稿データを用紙に出力する画像形成装置の故障診断システム１００において、再度用紙に出力された原稿データから原稿データの画像の特性値に関する原稿画像特性情報を抽出する原稿画像特性抽出部１０１１と、前記原稿データを再度用紙に出力する頻度に関する再出力頻度情報を算出する再出力パターン分析部１０１４と、原稿画像特性情報と再出力頻度情報とに基づいて故障発生状況を診断する一次診断部１０１とを備えている。
【選択図】 図２

Description

本発明は、複写機やプリンタ等の画像形成装置の故障箇所を特定す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。

電子写真方式の複写機やプリンタは、高圧電源による帯電・現像・転写、高温での定着、高分子製トナーの飛散、高速の用紙搬送、用紙の紙粉発生等、非常に厳しい機内環境で動作するよう構成されているため、良好な品質を維持するためには定期的にメンテナンスを入れる必要がある。従来、電子写真方式の複写機やプリンタのメンテナンスには、専門のサービスマンが派遣され、メンテナンスが実施されてきたが、電子写真方式の複写機やプリンタの価格低下に比較して、専門のサービスマンの派遣にかかるサービス費用が相対的に大きくなってきている。この課題に対して、電子写真方式の複写機やプリンタのユーザが故障箇所を診断し、簡単な故障であればユーザがパーツ交換や修復する、或いは正確な故障情報をサービスマンに連絡することにより、サービス費用を低減したいという要求が高くなっている。このような要求を満たすものとして、故障を引き起こす因果関係をモデル化した故障診断モデルに基づく推論処理を行うベイジアンネットワーク（Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ）を利用した故障診断システムがある（特許文献１参照）。

このようなベイジアンネットワークによる画像形成装置の故障診断システムでは、画像形成装置における故障発生状態情報、画像形成装置を構成する部品状態情報、画像形成装置の使用履歴情報、画像形成装置が使用されている環境情報、用紙やトナー等の消耗材情報、画像形成装置の仕様情報等に基づき故障箇所を特定することができる。また、ユーザ操作によりテストパターンを出力し、このテストパターンに基づく情報を入力することにより故障箇所の推定を行うこともできる。

また、故障発生状況を診断するシステムとしては、例えば特許文献２、特許文献３の提案がある。特許文献２は、ジョブデータと機械データに基づいて、診断推論エンジンにより、初期診断を行い、印刷するテストパターンと実行するイメージ品質テストを決定し、初期診断を精密化するものである。特許文献３は、ユーザの感覚的不具合を、不具合の種類及び度合いに関する階層的項目の中から不具合に対応する項目を選択する定量化情報として管理サーバーに送信して診断するものである。

特開２００５−３０９０７８号公報 特開２００１−２４５０９１号公報 特開２００１−３４４０８７号公報

しかしながら、特許文献１に開示されている技術を利用する場合であっても、以下のような不都合が生じると考えられる。より正確な故障箇所推定を行うためには、画像欠陥情報、装置状態情報、ユーザ操作情報だけでなく、当該画像欠陥の発生状況をベイジアンネットワーク診断モデルに入力する必要がある。
画像欠陥の発生に関しては、出力画像特性の観点から、当該出力画像特性に依存する欠陥、当該出力画像の直前画像特性に依存する欠陥、出力画像特性に依存しないで発生する欠陥などがある。また、発生頻度の観点からも、定常的に発生する欠陥、散発的に発生する欠陥、発生頻度が順次増加する欠陥等がある。

また、精度の高い画像欠陥診断のためには、テストパターンによる診断が不可欠であるが、故障発生状況に対応した適切なテストパターンが選択されないと画像欠陥が再現されない場合が発生する。例えば、感光体ドラムや中間転写体のクリーニング不良の場合、高密度の直前画像の残像が次出力の出力画像上に画像欠陥として発生し、発生頻度は発生頻度が順次増加する。従って、クリーニング不良の再現に関しては、高密度テストパターンと低密度テストパターンの組合せが必要となる。
また、画像形成部材のキズや露光光学系の汚れの場合、出力画像特性に依存しないで、定常的に発生する。この場合テストパターンは、故障欠陥が発生している画像特性に近いテストパターンを選択する必要がある。

また、特許文献２に開示されている技術の場合、定常的に発生する欠陥に関しては適切なテストパターン出力は可能となるが、散発的に発生する欠陥や出力履歴に依存して発生する欠陥に対しては、適切なテストパターン出力や診断を行うことができないという課題がある。
また、特許文献３に開示されている技術の場合、感覚的不具合情報のみに基づいて情報分析するため、トラブルの発生状況はユーザの感覚に依存する。また、予め設定された不具合情報から選択しなければならないため、故障発生状況の詳細は取得できないという課題がある。

そこで本発明は、故障発生状況の診断精度が向上した画像形成装置の故障診断システムを提供することを目的とする。

上記目的は、電子化された原稿データを用紙に出力する画像形成装置の故障診断システムにおいて、再度用紙に出力された原稿データから前記原稿データの画像の特性値に関する原稿画像特性情報を抽出する原稿画像特性抽出部と、前記原稿データを再度用紙に出力する頻度に関する再出力頻度情報を算出する再出力頻度算出部と、前記原稿画像特性情報と前記再出力頻度情報とに基づいて故障発生状況を診断する故障発生状況診断部とを備えた故障診断システムによって達成できる。

この構成により、原稿データの画像の特性値に関する原稿画像特性情報に基づいて故障発生状況を診断するので、原稿データの画像の特性に依存する画像欠陥であるのか、依存しない画像欠陥であるのかに基づいて、故障発生状況を診断することができる。
また、所定の出力数のうち再出力された頻度に関する再出力頻度情報とに基づいて故障発生状況を診断するので、画像欠陥が定常的に発生するものであるのか、散発的に発生するものであるのか、発生頻度が順次増加するものであるのかに基づいて、故障発生状況を診断することができる。
このように、原稿画像特性情報と再出力頻度情報とに基づいて故障発生状況を診断することにより、故障発生状況の診断の精度を向上することができる。
尚、「再度出力された原稿データ」とは、用紙に出力された画像に欠陥があり、ユーザによって取り直しされた（再度出力された）画像の元となる原稿データをいう。

また、上記構成において、前記故障発生状況診断部は、前記再度出力された原稿データに対応し再度出力される以前に出力された原稿データの出力時の前に出力された原稿データの画像の特性値に関する関連原稿画像特性情報に基づいて故障発生状況を診断する、構成を採用できる。

この構成により、再度出力された原稿データの画像特性のみならず、以前に出力時の前に出力された原稿データの画像特性に関する関連原稿画像特性情報に基づいて故障発生状況を診断するので、前に出力された原稿データの画像特性に依存する画像欠陥であるのか、依存しない画像欠陥であるのかに基づいて、故障発生状況を診断することができる。これにより、故障発生状況の診断の精度をより向上させることができる。
特に、直前に出力された原稿データの画像の特性値に関する関連原稿画像特性情報に基づいて、故障発生状況を診断することにより、クリーニング不良等、関連原稿画像特性値の影響を含めた故障発生状況をテストパターン及び故障発生箇所の特定に反映させることができる。
尚、「前記再度出力された原稿データに対応し再度出力される以前に出力された原稿データ」とは、同一の原稿又は同一の原稿データに基づいて、再度出力された原稿データが出力される以前に出力された原稿データをいう。

また、上記構成において、複数のテストパターンの集合であるテストパターンデータ群から選択されたテストパターンデータと、前記テストパターンデータに基づいて出力される診断画像を電子化した診断画像データとの比較に基づいて故障発生箇所を特定する故障発生箇所特定部を備え、前記テストパターンデータは、前記故障発生状況診断部により診断された故障発生状況に基づいて選択される、構成を採用できる。

この構成により、定常的に発生する欠陥や散発的に発生する欠陥などに対して、画像欠陥の再現性の高い最適なテストパターンを選択することができる。これにより、故障発生箇所の特定の精度を向上させることができる。

また、上記構成において、前記原稿画像特性情報及び前記用紙に対する前記原稿データの出力属性情報とに基づいて、前記出力された原稿データが前記再度出力された原稿データであるかどうかの判定を行う再出力判定部を備える、構成を採用できる。
この構成により、原稿画像特性情報と出力属性情報とに基づいて再度出力された原稿データの正確な判定を行うことができる。
尚、「出力属性情報」とは、原稿データが用紙に出力される方式に関する情報をいい、例えば、１枚の用紙に出力される原稿データ数や、出力される面、複数の原稿データの配置順、白黒又はカラーなどの情報をいう。

また、上記構成において、前記原稿データが文章ファイルの一部として作成された場合に、前記原稿データの属性情報に基づいて、出力された原稿データが前記再度出力された原稿データであるかどうかの判定を行う再出力判定部を備える、構成を採用できる。
この構成により、原稿データが文章ファイルの一部として作成された場合に、前記原稿データの属性情報に基づいて、再度出力された原稿データの正確な判定を行うことができる。
尚、「原稿データの属性情報」とは、各原稿データ毎に異なる固有の情報をいい、例えば、原稿データのＩＤ、原稿データ毎のデータサイズ等をいう。

また、上記構成において、前記再度出力された原稿データは、ユーザの操作によって、出力された原稿データ群から選択される、構成を採用できる。
この構成により、再度出力された原稿データを確実に特定することができる。

また、上記構成において、前記故障発生箇所特定部は、画像欠陥診断に関するベイジアンネットワークによる推論モデルである、構成を採用できる。
この構成により、ベイジアンネットワークを利用することにより、故障判定箇所が画像読取部か、原稿データ出力部かを判定するための情報を０か１かといった二値情報としてではなく、多値レベルの情報として扱うことができる。

また、上記の故障診断システムを搭載した画像形成装置によれば、故障発生状況の診断の精度が向上された画像形成装置を提供できる。

また、上記目的は、電子化された原稿データを用紙に出力する画像形成装置の故障診断方法において、再度用紙に出力された原稿データから前記原稿データの画像の特性値に関する原稿画像特性情報を抽出するステップと、前記原稿データを再度用紙に出力する頻度に関する再出力頻度情報を算出するステップと、前記原稿画像特性情報と前記再出力頻度情報とに基づいて故障発生状況を診断するステップとを有する故障診断方法によって達成できる。

この構成により、原稿データの画像の特性値に関する原稿画像特性情報に基づいて故障発生状況を診断するので、原稿データの画像の特性に依存する画像欠陥であるのか、依存しない画像欠陥であるのかに基づいて、故障発生状況を診断することができる。
また、所定の出力数のうち再出力された頻度に関する再出力頻度情報とに基づいて故障発生状況を診断するので、画像欠陥が定常的に発生するものであるのか、散発的に発生するものであるのか、発生頻度が順次増加するものであるのかに基づいて、故障発生状況を診断することができる。
このように、原稿画像特性情報と再出力頻度情報とに基づいて故障発生状況を診断することにより、故障発生状況の診断の精度を向上することができる。

故障発生状況の診断精度が向上した画像形成装置の故障診断システムを提供できる。

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は本発明が適用される故障診断システムが搭載される画像形成装置１の概略構成図の一例である。
画像形成装置１は、原稿データ出力部１０、画像読取部３０、操作パネル部４０で構成されている。操作パネル部４０は、画像形成装置の動作指示入力、装置情報表示、診断操作等、画像形成装置と使用者とのユーザインターフェースとなる。以下、図１に基づいて、原稿データ出力部１０、画像読取部３０による画像形成装置における画像記録の動作を説明する。

原稿データ出力部１０は、光走査装置（ラスタ出力スキャン:ＲＯＳ）を利用した画像記録装置の一例である画像形成部をＫ、Ｙ、Ｍ、Ｃの各色に対応するように４組備えたいわゆるタンデム構成のものである。
この原稿データ出力部１０は、一方向に順次一定間隔をおいて並置されたＫ、Ｙ、Ｍ、Ｃの各色の画像形成部と、中間転写ベルト１７とを備える。

また、画像形成部は、図示されない半導体レーザと、半導体レーザから発せられたレーザ光（レーザビーム）を感光性部材の一例である感光体ドラムロール１３に向けて反射させるポリゴンミラー（回転多面鏡）１１とを有する光走査装置を備えている。
また、原稿データ出力部１０下部には、給紙トレイ２１から用紙を中間転写ベルト側へ搬送するため、用紙搬送路上には、ロール部材として、ピックアップロール２２、複数の搬送ロール群２３が設けられている。

このような構成の原稿データ出力部１０においては先ず、たとえばブラック(Ｋ)系の画像形成部では、先ず半導体レーザは、図示されない画像処理部からのブラックの画像形成信号によって駆動されることで、ブラックの画像形成信号を光信号に変換し、この変換されたレーザ光をポリゴンミラー１１に向けて照射する。

このレーザ光は、さらに反射ミラー群１２Ｋを介して一次帯電器１４Ｋによって帯電された感光体ドラムロール１３Ｋ上を走査することで、感光体ドラムロール１３Ｋ上に静電潜像を形成する。
この静電潜像は、ブラックのトナーが供給される現像器１５Ｋによってトナー像とされる。このトナー像は、中間転写ベルト１７が感光体ドラムロール１３Ｋを通過する間に一次転写帯電器１６Ｋによって中間転写ベルト１７上に転写される。
そして転写後は、クリーナ１８Ｋによって感光体ドラムロール１３Ｋ上から余分なトナーが除去される。

同様に、画像処理部からブラックの画像形成信号に対して順次一定間隔をおいて得られる対応するＹ、Ｍ、Ｃの各色の画像形成信号によって感光体ドラムロール１３Ｙ、１３Ｍ、１３Ｃ上に静電潜像が形成され、各静電潜像は、各色のトナーが供給される現像器１５Ｙ、１５Ｍ、１５Ｃによって順次トナー像とされ、各トナー像は、中間転写ベルト１７が対応する感光体ドラムロール１３Ｙ、１３Ｍ、１３Ｃを通過する間に対応する一次転写帯電器１６Ｙ、１６Ｍ、１６Ｃによって中間転写ベルト１７上に順次転写される。

Ｋ、Ｙ、Ｍ、Ｃの各色のトナー像が順次多重転写された中間転写ベルト１７上のトナーは、二次転写帯電器１９によって中間転写ベルト１７上から剥離され、定着ローラ２０によってトナーが定着されて、複写機の外部に排出される。
定着ローラ２０の後流側には、用紙を機外に排出する排出路が設けられ、原稿データ出力部１０にて印刷用紙上に画像形成された印刷済み用紙を機外にて受け取るための排紙トレイ２４も設けられる。

画像読取部３０は、読取対象となるシート状の原稿から、その原稿上に描かれた画像を光学的に読み取るものであり、プラテンカバー３２を備える。
また、画像読取部３０は、読取対象となる原稿が載置されるプラテンガラス３１を有し、その下部に、原稿を読み取る受光部３６を含む光学系や、画像読取部側の画像処理部を有している。

また、画像読取部３０は、プラテンガラス３１の下方に、プラテンガラス３１の原稿載置面と反対側の面に向かって光を照射する光源３３を含むとともに、光源３３から発せられた光をプラテンガラス３１側に反射させる反射笠、反射鏡、プラテンガラス３１側からの反射光をプラテンガラス３１に略平行の方向に偏向する反射ミラー３４などを有するフルレートキャリッジを備える。

光源３３としては、主走査方向（図における紙面直交方向）を長手方向とする蛍光ランプが使用されている。光源３３から発せられる照明光の色としては、受光部３６を構成する各ラインセンサの分光光学特性に合わせたものが使用され、たとえば白色光や緑色光が使用される。

また、画像読取部３０は、筐体内に、ハーフレートキャリッジの反射ミラー３４により偏向された反射光を所定の焦点位置に集光するレンズ３５を備える。
受光部３６は、レンズ３５で収束された反射光を受光して副走査方向と略直交する主走査方向に画像を読み取り、濃度に応じた画像信号を順次出力する。画像読取部３０からの画像信号は図示されない読取画像処理部を経由して、原稿データ記憶部に画像信号を順次出力する。

原稿データ記憶部に格納された原稿データは、操作パネル部４０から入力された画像形成装置の動作指示（多数枚、帳合、Ｎアップ、両面、冊子両面、拡大連写等）に基づいて、原稿データ出力部１０に順次出力される。

図２は、故障診断システムの概略構成を示す構成図である。
図２に示すように、故障診断システム部は、一次診断部（故障発生状況診断部）１０１、テストパターン選択部１０２、テストパターン記憶部１０３、診断画像データ記憶部１０４、欠陥画像検出部１０５、欠陥画像特徴量抽出部１０６、二次診断部（故障発生箇所特定部）１０７、故障箇所表示部１０８で構成される。

一次診断部１０１は、再度用紙に出力された原稿データの画像の特性値に関する原稿画像特性情報と、原稿データを再度用紙に出力する頻度に関する再出力頻度情報とに基づいて故障発生状況を診断する。詳しくは後述する。
テストパターン選択部１０２は、一次診断部１０１により診断された故障発生状況に基づいて、テストパターンを選択する。
テストパターン記憶部１０３は、テストパターン選択部１０２により選択されるテストパターンの集合であるテストパターンデータ群を記憶している。
二次診断部１０７は、選択されたテストパターンデータと、テストパターンデータに基づいて出力される診断画像を電子化した診断画像データとの比較に基づいて故障発生箇所を特定する。詳しくは以下に述べる。

以下、図３に基づいて故障診断システム１００の故障診断処理の動作を説明する。図３は、故障診断システムの動作を示すフローチャートである。
本実施例に係わる故障診断システム１００では、画質トラブルを診断したい場合、ユーザは画像形成装置１の操作パネル部４０の操作により診断モードに入る。
診断モードに入ると、先ず一次診断部１０１が、故障診断時に出力画像履歴における再度出力された原稿データの画像の特性に関する原稿画像特性情報と、原稿データを再度用紙に出力する頻度に関する再出力頻度情報とに基づいて、再度出力のパターン分析に基づいて故障発生状況の診断を行う（ステップＳ１）。
次に、一次診断部１０１は、故障発生状況の診断結果を、テストパターン選択部１０２及び二次診断部１０７に故障発生状況を出力する。

次に、テストパターン選択部１０２は、一次診断部１０１の故障発生状況情報に基づいて、テストパターン記憶部１０３に格納されている複数のテストパターンから当該画質トラブルの再現に適したテストパターンを選択する（ステップＳ２）。

本実施例では、例えば、テストパターン選択部１０２は複数の故障発生状況情報に対するテストパターン選択テーブルを備えており、テストパターンを選択するよう構成されている。次に、テストパターン選択部１０２で選択されたテストパターンデータが画像形成部の原稿データ出力部１０を通して出力用紙が出力される。

出力用紙は、ユーザ操作によって画像読取部３０で診断画像として読み込まれ、診断画像データ記憶部１０４に蓄積される（ステップＳ３）。
欠陥画像検出部１０５は、診断画像データ記憶部１０４に蓄積に蓄積された診断画像データと当該テストパターンデータの比較により欠陥画像を検出する（ステップＳ４）。

欠陥画像検出部１０５の画像欠陥の検出は、テストパターン画像を小領域に分割するとともに、診断画像データをテストパターン画像の分割領域より若干大きい小領域に分割し、小領域毎のパターンマッチングにより位置合わせを行った後、差分が大きい領域を欠陥画像領域として検出する。さらに、欠陥画像領域の差分画像を欠陥画像として検出する。

次に、欠陥画像特徴量抽出部１０６は、欠陥画像検出部１０５で検出された欠陥画像領域と欠陥画像データから、診断モデル選択情報、欠陥の周期情報、線幅情報、欠陥サイズ情報、輪郭情報、色情報、長さ情報、縁消しエリア発生有無情報を抽出し、二次診断部１０７に出力する（ステップＳ５）。

二次診断部では、欠陥画像特徴量抽出部１０６から出力される欠陥画像特徴量情報、診断モデル選択情報、一次診断部１０１の故障発生状況情報、その他カウンタ情報、環境情報等に基づいて、ベイジアンネットワーク故障診断モデルにより、画像形成装置の構成部材の故障確率を推論する。また、故障箇所表示部１０８は、操作パネル部４０上に、故障原因確立が上位のものを表示する（ステップＳ６）。

図４は、故障診断システムで用いる線・筋欠陥に関するベイジアンネットワーク故障診断モデルの一例を示す図である。ベイジアンネットワーク故障診断モデルでは、図４に示すように各ノードが「原因」→「結果」の関係になるように結線されているとともに、各ノードが、親ノードが所定の確率の際、子ノードに発生する状態の確率を表す条件確率テーブルを備えており、証拠情報(欠陥画像特徴量情報、装置状態情報等)に基づいて状態確率を再計算することにより、故障箇所の推論が行われる。

図５は、一次診断部１０１の構成図である。本実施例の一次診断部１０１は、原稿画像特性抽出部１０１１、原稿画像特性記憶部１０１２、再出力判定部１０１３、再出力パターン分析部（再出力頻度算出部）１０１４で構成される。

原稿画像特性抽出部１０１１は、原稿データ出力制御部７０から出力制御特性、原稿データ記憶部６０より原稿データを取得し、原稿画像特性情報を抽出する。また、原稿画像特性抽出部１０１１は、再度用紙に出力された原稿データから原稿データの画像の特性値に関する原稿画像特性情報を抽出する。
この原稿画像特性情報は、後段の再出力判定部１０１３にて出力された原稿データが再出力原稿データであるかどうかの判定するために用いられる。

原稿画像特性抽出部１０１１にて抽出される特性値は、例えば、複写データの場合、原稿画像特性値や、出力制御特性である。原稿画像特性値とは、投影プロファイル、カバレッジ、濃度累積値、カラー度等である。また、出力制御特性とは、両面、Ｎアップ、出力モード(白黒/カラー)等である。
また、原稿データが文章ファイルの一部として作成された場合、原稿画像特性抽出部１０１１は、原稿画像特性値、出力制御特性値の他、原稿データの属性を抽出する。原稿データの属性情報とは、原稿データのＩＤ、原稿データ毎のデータサイズ等をいう。

原稿画像特性記憶部１０１２は、原稿画像特性抽出部１０１１より出力される原稿画像特性値、出力制御特性値、原稿データ特性値を、所定枚数分蓄積し、再出力判定部１０１３の要求に応じて、再出力判定部１０１３に出力する。

再出力判定部１０１３では、原稿画像特性抽出部１０１１より出力される出力履歴および原稿画像特性情報の一致性に基づいて、出力履歴中の個々の原稿データが再出力された原稿データであるか否かを判定する。再出力判定部１０１３また、再度出力された原稿データに対応し、再度出力される以前に出力された原稿データの出力時の前に出力された原稿データの画像の特性値に関する関連原稿画像特性情報を後段の再出力パターン分析部１０１４に出力する。また、再出力パターン分析部１０１４は、原稿データを再度用紙に出力する頻度に関する再出力頻度情報を算出する。

再出力パターン分析部１０１４では、本実施例では、カバレッジ、カラー度等の再度出力された原稿データの画像の特性と、再度出力された原稿データに対応し、再度出力される以前に出力された原稿データの出力時の前に出力された原稿データの画像の特性と、原稿データを再度用紙に出力する頻度から故障発生状況を特定する。

以上のように、一次診断部１０１は、原稿画像特性情報と再出力頻度情報とに基づいて故障発生状況を診断する。この構成により、原稿データの画像の特性値に関する原稿画像特性情報に基づいて故障発生状況を診断するので、原稿データの画像の特性に依存する画像欠陥であるのか、依存しない画像欠陥であるのかに基づいて、故障発生状況を診断することができる。また、所定の出力数のうち再出力された頻度に関する再出力頻度情報とに基づいて故障発生状況を診断するので、画像欠陥が定常的に発生するものであるのか、散発的に発生するものであるのか、発生頻度が順次増加するものであるのかに基づいて、故障発生状況を診断することができる。このように、原稿画像特性情報と再出力頻度情報とに基づいて故障発生状況を診断することにより、故障発生状況の診断の精度を向上することができる。

また、一次診断部１０１は、再度出力された原稿データに対応し再度出力される以前に出力された原稿データの出力時の前に出力された原稿データの画像の特性値に関する関連原稿画像特性情報に基づいて故障発生状況を診断する。
この構成により、再度出力された原稿データの画像特性のみならず、以前の出力時の前に出力された原稿データの画像特性に関する関連原稿画像特性情報に基づいて故障発生状況を診断するので、前に出力された原稿データの画像特性に依存する画像欠陥であるのか、依存しない画像欠陥であるのかに基づいて、故障発生状況を診断することができる。これにより、故障発生状況の診断の精度をより向上させることができる。
特に、直前に出力された原稿データの画像の特性値に関する関連原稿画像特性情報に基づいて、故障発生状況を診断することにより、クリーニング不良等、関連原稿画像特性値の影響を含めた故障発生状況をテストパターン及び故障発生箇所の特定に反映させることができる。
尚、「前記再度出力された原稿データに対応し再度出力される以前に出力された原稿データ」とは、同一の原稿又は同一の原稿データに基づいて、再度出力された原稿データが出力される以前に出力された原稿データをいう。

次に、出力された原稿データが再度出力された原稿データであるどうかの判定について、模式的に説明する。図６は、出力された原稿データが再度出力された原稿データであるどうかの判定について説明するための模式図である。

ユーザが、原稿１Ａ〜５Ａまでを順にコピーした場合を想定する。
図６に示すように、原稿１Ａ〜５Ａまでを順に画像読取部３０で読み取った場合、原稿データ処理部５０は、読み取られた各原稿に対応する原稿データ１Ｄ〜５Ｄを作成し、各原稿データが原稿データ記憶部６０に記憶される。記憶された各原稿データは、原稿データ出力制御部７０において印刷属性などを考慮して、原稿データ出力部１０においてコピー用紙１Ｃ〜５Ｃに出力される。

また、原稿データ１Ｄ〜５Ｄの画像の特性情報１ｄ〜５ｄは、原稿画像特性抽出部１０１１により、原稿データ１Ｄ〜５Ｄから抽出される。尚、原稿画像特性抽出部１０１１は、前述したように原稿データ出力制御部７０から出力属性情報を抽出する。
抽出された特性情報１ｄ〜５ｄは、原稿画像特性記憶部１０１２に記憶される。

ここで、３枚目に出力されたコピー用紙３Ｃの画像に欠陥が発生した場合を想定する。ユーザは、原稿３Ａを取り直しするために、再度画像読取部３０に原稿３Ａを読み取らせる。原稿データ処理部５０は、再度読み取られた原稿３Ａに対応する原稿データ６Ｄを作成し、原稿データ記憶部６０に記憶される。記憶された原稿データ６Ｄは、原稿データ出力制御部７０において印刷属性などを考慮して、原稿データ出力部１０においてコピー用紙６Ｃに出力される。また、原稿データ６Ｄの画像の特性情報６ｄは、原稿画像特性抽出部１０１１により、原稿データ６Ｄから抽出され、原稿画像特性記憶部１０１２に記憶される。

次に、再出力判定部１０１３は、原稿データ６Ｄの画像の特性情報６ｄと、原稿データ６Ｄの出力属性情報とに基づいて、原稿データ６Ｄが再度出力された原稿データであるかどうかの判定をする。具体的には、原稿データ６Ｄの特性情報６ｄ及び原稿データ６Ｄの出力属性情報と、原稿画像特性記憶部１０１２に記憶されているその他の特性情報１ｄ〜５ｄ及び原稿データ１Ｄ〜５Ｄの出力属性情報との一致性に基づいて、再出力判定部１０１３は、原稿データ６Ｄが再度出力された原稿データであるかどうかの判定をする。この場合、原稿データ６Ｄは、原稿データ３Ｄと一致していると判定される。従って、原稿データ６Ｄに対応する特性情報６ｄと、原稿データ３Ｄに対応する特性情報３ｄとは、同一であると判定され、原稿データ３Ｄに対応する特性情報３ｄが、再度出力された原稿データの画像の特性値に関する原稿画像特性情報と判定される。

以上のように、再出力判定部１０１３は、原稿画像特性情報及び用紙に対する原稿データの出力属性情報とに基づいて、前記出力された原稿データが前記再度出力された原稿データであるかどうかの判定を行う。
この構成により、原稿画像特性情報と出力属性情報とに基づいて再度出力された原稿データの正確な判定を行うことができる。
尚、「出力属性情報」とは、原稿データが用紙に出力される方式に関する情報をいい、例えば、１枚の用紙に出力される原稿データ数や、出力される面、複数の原稿データの配置順、白黒又はカラーなどの情報をいう。

また、再出力判定部１０１３は、原稿データが文章ファイルの一部として作成された場合に、原稿データの属性情報に基づいて、出力された原稿データが再度出力された原稿データであるかどうかの判定を行う。
この構成により、原稿データが文章ファイルの一部として作成された場合に、前記原稿データの属性情報に基づいて、再度出力された原稿データの正確な判定を行うことができる。
尚、「原稿データの属性情報」とは、各原稿データ毎に異なる固有の情報をいい、例えば、原稿データのＩＤ、原稿データ毎のデータサイズ等をいう。

図７は、再出力パターン分析部の分析例を示す図である。図７（ａ）は、再度出力された原稿データの直前に出力された原稿データの画像の特性を示している。図７（ｂ）は、再度出力された原稿データの画像の特性を示している。図７（ｃ）は、再出力された頻度を示している。
ここで、カラー度は、全カバレッジに対するカラーカバレッジの割合である。
また、図７のカバレッジ、カラー度の２次元プロットに関しては、所定出力履歴中の出力画像の平均が中央になるよう正規化されている。また、再出力頻度は、所定出力における再出力数である。

図７の画像欠陥に関しては、図７（ｂ）に示すように、再度出力された原稿データの画像の特性はカバレッジおよびカラー度に関してランダムである。また、図７（ａ）に示すように、再度出力された原稿データの直前に出力された原稿データの画像の特性は、カバレッジ、カラー度の高い領域の頻度が高い。また、図７（ｃ）に示すように、再出力頻度は増加する傾向である。従って、後段のテストパターン選択部１０２、二次診断部１０７に対しては、故障発生状況情報として、再度出力された原稿データの画像の特性はカバレッジ、カラー度依存性低い、再度出力された原稿データの直前に出力された原稿データの画像の特性は、カバレッジ、カラー度の高い領域で発生確率高い、再出力頻度は増加傾向を出力する。

二次診断部１０７は、前記したようにベイジアンネットワーク故障診断モデルで構成されており、故障発生状況情報は、故障原因、故障箇所を特定するための証拠情報として入力される。また、図５に示した線・筋欠陥に関するベイジアンネットワーク故障診断モデルでは、直前画像特性は前画像特性情報、再出力頻度は発生頻度情報として入力され、上記故障発生状況情報を入力すると、ＩＢＴクリーニング不良、フューザオフセットの確率が高くなるよう前画像特性情報ノード及び発生頻度情報ノードの条件確率表は構成されている。

次に、図８を参照して実施例２に係る故障診断システムを含む画像形成装置について説明する。図８は、画像形成装置が備える欠陥画像再出力インターフェースである。
実施例１の一次診断部１０１の再出力判定部１０１３では、出力された原稿データが再度出力された原稿データであるかどうかの判定を自動化する構成としたが、実施例２に係る画像形成装置は、操作パネル部４０に既に出力された原稿データを再度出力するためのインターフェースを表示する。操作パネル４０には、既に出力され、原稿データ記憶部６０に蓄積された原稿データのサムネイル画像から構成されるサムネイル画像群４０ａが表示され、ユーザは操作パネル４０に表示された所望のサムネイル画像に触れることにより、再度出力する原稿データを特定することができる。
このように、実施例２に係る画像形成装置は、再度出力された原稿データは、ユーザの操作によって、出力された原稿データ群から選択される。この構成により、再度出力された原稿データを確実に特定することができる。
このように、ユーザ操作により再出力指示を行うことにより、画像欠陥に基づく再度用紙に出力された原稿データの画像の特性値に関する原稿画像特性情報をより正確に入手することが可能となるため、画像欠陥の再現性の高いテストパターンを選択することが可能となるとともに、より高い診断性能を得ることができる。

故障診断システムが搭載される画像形成装置１の概略構成図の一例である。 実施例の故障診断システムの概略構成を示す構成図である。 故障診断システムの動作を示すフローチャートである。 故障診断システムで用いる線・筋欠陥に関するベイジアンネットワーク故障診断モデルの一例を示す図である。 一次診断部の構成図である。 出力された原稿データが再度出力された原稿データであるどうかの判定について説明するための模式図である。 再出力パターン分析部の分析例を示す図である。 欠陥画像を再出力するためのインターフェースの一例を示す図である。

符号の説明

１ 画像形成装置
１０ 原稿データ出力部
１１ ポリゴンミラー
１２Ｋ 反射ミラー群
１３Ｋ、１３Ｙ、１３Ｍ、１３Ｃ 感光体ドラムロール
１４Ｋ、１４Ｙ、１４Ｍ、１４Ｃ 一次帯電器
１５Ｋ、１５Ｙ、１５Ｍ、１５Ｃ 現像器
１６Ｋ、１６Ｙ、１６Ｍ、１６Ｃ 一次転写帯電器
１７ 中間転写ベルト
１８Ｋ、１８Ｙ、１８Ｍ、１８Ｃ クリーナ
１９ 二次転写帯電器
２０ 定着ローラ
２２ ピックアップロール
２３ 搬送ロール群
２４ 排紙トレイ
３０ 画像読取部
３１ プラテンガラス
３２ プラテンカバー
３３ 光源
３４ 反射ミラー
３５ レンズ
３６ 受光部
４０ 操作パネル部
５０ 原稿データ処理部
６０ 原稿データ記憶部
７０ 原稿データ出力制御部
１００ 故障診断システム
１０１ 一次診断部（故障発生状況診断部）
１０１１ 原稿画像特性抽出部
１０１２ 原稿画像特性記憶部
１０１３ 再出力判定部
１０１４ 再出力パターン分析部（再出力頻度算出部）
１０２ テストパターン選択部
１０３ テストパターン記憶部
１０４ 診断画像データ記憶部
１０５ 欠陥画像検出部
１０６ 欠陥画像特徴量検出部
１０７ 二次診断部（故障発生箇所特定部）
１０８ 故障箇所表示部

Claims (9)

1. 電子化された原稿データを用紙に出力する画像形成装置の故障診断システムにおいて、
   再度用紙に出力された原稿データから前記原稿データの画像の特性値に関する原稿画像特性情報を抽出する原稿画像特性抽出部と、
   前記原稿データを再度用紙に出力する頻度に関する再出力頻度情報を算出する再出力頻度算出部と、
   前記原稿画像特性情報と前記再出力頻度情報とに基づいて故障発生状況を診断する故障発生状況診断部とを備えたことを特徴とする故障診断システム。
2. 前記故障発生状況診断部は、前記再度出力された原稿データに対応し再度出力される以前に出力された原稿データの出力時の前に出力された原稿データの画像の特性値に関する関連原稿画像特性情報に基づいて故障発生状況を診断することを特徴とする請求項１に記載の故障診断システム。
3. 複数のテストパターンの集合であるテストパターンデータ群から選択されたテストパターンデータと、前記テストパターンデータに基づいて出力される診断画像を電子化した診断画像データとの比較に基づいて故障発生箇所を特定する故障発生箇所特定部を備え、
   前記テストパターンデータは、前記故障発生状況診断部により診断された故障発生状況に基づいて選択されることを特徴とする請求項１又は２に記載の故障診断システム。
4. 前記原稿画像特性情報及び前記用紙に対する前記原稿データの出力属性情報とに基づいて、前記出力された原稿データが前記再度出力された原稿データであるかどうかの判定を行う再出力判定部を備えることを特徴とする請求項１乃至３の何れかに記載の故障診断システム。
5. 前記原稿データが文章ファイルの一部として作成された場合に、前記原稿データの属性情報に基づいて、出力された原稿データが前記再度出力された原稿データであるかどうかの判定を行う再出力判定部を備えることを特徴とする請求項１乃至３の何れかに記載の故障診断システム。
6. 前記再度出力された原稿データは、ユーザの操作によって、出力された原稿データ群から選択されることを特徴とする請求項１乃至３の何れかに記載の故障診断システム。
7. 前記故障発生箇所特定部は、画像欠陥診断に関するベイジアンネットワークによる推論モデルであることを特徴とする請求項１乃至６の何れかに記載の故障診断システム。
8. 請求項１乃至７の何れか一項に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。
9. 電子化された原稿データを用紙に出力する画像形成装置の故障診断方法において、
   再度用紙に出力された原稿データから前記原稿データの画像の特性値に関する原稿画像特性情報を抽出するステップと、
   前記原稿データを再度用紙に出力する頻度に関する再出力頻度情報を算出するステップと、
   前記原稿画像特性情報と前記再出力頻度情報とに基づいて故障発生状況を診断するステップとを有することを特徴とする故障診断方法。
   
   
   

Images