JP2008193427A - 画像形成装置の故障診断システム - Google Patents

Abstract

【解決課題】市場導入後に不良箇所に対する対策品が導入された場合でも、対策導入済あるいは対策未導入に関わらず対策導入効果を反映する。
【解決手段】管理センタサーバー８０に備えられた機種毎、オプション構成毎、不良対策バージョン毎に形成されたＤＢ９２を構成部品の型式を表す型式情報に基づいて読取り、ＤＢ９２に含まれる故障診断モデルに基づいて、故障診断を行う。
【選択図】図８

Description

本発明は、画像形成装置の故障診断システムに係り、特に、故障診断モデルを利用し、複写機能、プリント機能、及びファクシミリ（ＦＡＸ）機能等を備えた電子写真方式の複合機において故障発生の原因となる故障箇所を特定する画像形成装置の故障診断システムに関するものである。

電子写真方式のプリンタは、高圧電源による帯電、現像、転写、高温の定着、高分子製トナーの飛散、高速の用紙搬送、及び用紙の紙粉等の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なメンテナンスが必要である。従来、電子写真方式の複写機やプリンタのメンテナンス時には、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を考慮すると、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るため、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ーが故障箇所を診断し、簡単な故障であればユーザーがパーツ交換や修復、ある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。

この課題に対し、本出願人は、複写機、プリンタの画像欠陥情報、装置状態情報、ユーザー操作情報等により、ベイジアンネットワークを用いて装置の故障箇所を推定する故障診断システムを提案している。ベイジアンネットワークを利用した故障診断システムによれば、正確かつ専門知識の無いユーザーにストレスを与えることなく、故障診断に必要となる種々の情報を取得すると共に、正確、均質、迅速な故障診断を可能としている。

一方、本発明に関わる電子写真方式の複写機やプリンタは、上記したように非常に厳しい機内環境で動作するよう構成するため、良好な品質を維持するために、市場導入後に不良箇所に対する対策が導入されることがある。市場導入後に不良箇所に対する対策が導入された場合、不良箇所に対応したベイジアンネットワークのノードの条件確率及び診断特徴量が変化するため、ベイジアンネットワークを利用した故障診断システムでは、正確な故障診断を維持するために、診断モデルの条件確率及び診断特徴量を更新する必要が生じる。さらに、不良箇所に対する対策の効果は市場導入後に効果が現れるため、市場データに基づく診断モデルの更新が不可欠となる。

そして、前述の各ノードの診断特徴量は、連続量から離散値に変換する必要があるが、市場導入後に不良箇所に対する対策が導入された場合には、その離散値変換閾値の最適化及び更新が不可欠となる。さらに、市場には不良箇所に対する対策が導入されたデバイスと対策が未導入のデバイスが存在するため、対策導入の有無によって診断モデルを切り替える必要がある。

そこで、個々の部品毎の管理情報を利用することで、不良解析やメンテナンス作業に活用する技術として、プリンタに設けられた各部品に関して、これらの使用回数、使用量、及び動作回数等を積算した情報を部品毎に記憶媒体に記憶させ、記憶させた情報に基づいて、予め定められた各部品の使用限度の目安量、もしくは回数等の使用限度値との比較を行うことで、部品毎の不良解析や不良予測を行い、プリンタの保守及び運用を容易、かつ細部にわたって行う技術が開示されている（特許文献１参照）。

また、プリンタに関する状態情報、保守員が行った作業内容の履歴情報、及び記録装置の品質管理情報をデータベースに蓄積し、蓄積した情報を加工することにより、部品の不良解析や不良予測を行い、交換時期、部品の交換時期の前後のプリンタの状態を把握する技術が開示されている（特許文献２参照）。

さらに、複数のプリンタにおいて、プリンタで発生した異常状態について、故障箇所の診断を行うために、各プリンタの使用時間や画像形成枚数等の情報や各プリンタの部品毎に故障の確率を示す情報に基づいてベイジアンネットワークを用いて故障箇所の特定を行う技術が開示されている（特許文献３参照）。
特開２００２−０６７４５０号公報 特開２００５−１７３２７８号公報 特開２００６−０９４０９８号公報

ところで、診断モデルが対象とする診断領域全体に対する個々の部品特性の影響を含めた不良解析や不良予測を行うことは困難であり、個々の部品故障確率を定量的に示し、診断システムに定量的に反映することが難しい、という問題がある。

本発明は、上記問題を解決するために成されたもので、ベイジアンネットワークを利用した故障診断モデルを構成する各ノードの条件確率テーブルを、構成部品の型式を表す型式情報に基づいて切り替えることによって、市場導入後に不良箇所に対する対策がなされた場合でも、故障診断モデルの対策効果を反映することが可能な故障診断装置を提供することを目的とする。

上記目的を達成するために、請求項１の発明は、画像形成装置の故障原因と故障箇所との因果関係を表す因果ネットワークを構成する各ノードに前記ノード自身の故障確率を決定するための規定及び構成部品の型式を表す型式情報を含む故障の発生度合を表す初期故障確率を含む故障診断モデルを記憶した故障診断モデル記憶部と、前記型式情報を含む故障診断箇所の故障診断を行うための診断特徴量を表す基本情報を取得する基本情報取得手段と、前記基本情報取得手段で取得した基本情報に基づいて、前記型式情報に該当するノードの初期故障確率を取得する初期故障確率取得手段と、前記初期故障確率取得手段で取得した前記ノードの初期故障確率及び前記故障診断モデル記憶部に記憶された前記ノードに関連するノードの規定に基づいて、前記関連するノードの故障診断モデルを取得する故障確率取得手段と、前記故障診断モデルに基づいて故障箇所を特定する情報を出力する出力手段と、を含んで構成したものである。

請求項１の発明では、画像形成装置の故障原因と故障箇所との因果関係を表す因果ネットワークを構成する各ノードに、ノード自身の故障確率を決定するための規定及び構成部品の型式を表す型式情報を含むノード自身の故障の発生度合を表す初期確率を含む故障診断モデルが故障診断モデル記憶部に記憶されている。

また、型式情報を含む故障診断箇所の故障診断を行うための診断特徴量を表す基本情報に基づいて、型式情報に該当するノードの故障診断データを取得し、さらに、該当したノードの初期故障確率及び該当したノードに関連するノードの規定に基づいて、関連するノードの故障診断モデルを取得し、ノードに設定された故障診断モデルに基づいて故障箇所を特定する情報を出力する。

これにより、市場導入後に不良箇所に対する対策が導入された場合でも、部品の型式情報に基づいて故障診断モデルを構成する各ノードの故障診断モデルを切替えることが可能となるため、故障診断モデルに対策導入効果を反映することが可能となる。

さらに、市場に不良箇所に対する対策が導入された画像形成装置と対策が未導入の画像形成装置が存在する場合にも、個々の画像形成装置の型式情報に基づいて、故障診断モデルを切り替えることが可能となるため、適切な故障診断モデルでの故障診断を行うことが可能となる。

請求項２の発明は、請求項１記載の画像形成装置の故障診断システムであって、前記型式情報に基づいて、故障診断を行うための診断特徴量を解析し、前記診断特徴量を連続量から離散値へ変換するための変換閾値を設定する変換閾値設定手段と、変換閾値設定手段によって設定された前記変換閾値に関連する前記ノードの変換閾値を更新する閾値パラメータ更新手段と、前記診断特徴量を前記連続量から離散値へ変換する変換手段と、を含んで構成されている。

請求項２の発明では、故障診断モデルを取得する際に、診断特徴量を連続量から離散値に変換する必要があるノードには、連続量から離散値へ変換するための変換閾値を設定し、さらに変換を行った変換閾値に関連するノードの変換閾値を更新する。

これにより、指定したノードの変換閾値を設定することで、指定されたノードに関連するノードの変換閾値を自動で更新が可能となるため、複数のノードに対して変換閾値を設定する煩わしさを避けることが可能となる。

請求項３の発明は、請求項１または請求項２記載の画像形成装置の故障診断システムにおいて、前記構成部品の交換頻度を表す交換頻度情報によって前記構成部品の故障発生確率を算出し、前記故障発生確率に基づいて故障診断モデルを形成することを特徴とする。

市場に導入された画像形成装置を構成する部品の交換頻度情報、例えば、所定期間において部品を交換する回数に基づいて、部品の故障確率を算出し、算出した故障確率に基づいて故障診断モデルを形成することによって、より精度良く故障診断を行うことが可能である。

請求項４の発明では、請求項１乃至請求項３の何れか１項に記載の画像形成装置の故障診断システムにおいて、ネットワークで接続された画像形成装置は、前記基本情報を部品交換時及び故障診断時に取得し管理センタサーバーに出力することを特徴とする。

請求項４の発明は、画像形成装置がネットワークを介して管理センタサーバーに接続され、部品交換時及び故障診断時に画像形成装置において基本情報を取得して、管理センタサーバーに出力することによって、より適切な故障診断モデルで故障診断を行うことが可能となる。

請求項５の発明では、請求項４記載の画像形成装置の故障診断システムであって、前記管理センタサーバーは、定期的及び部品交換時に取得した前記基本情報に基づいて、部品型式毎の故障発生分布及び診断特徴量分布を算出することを特徴とする。

請求項５の発明は、管理センタサーバーにおいて、定期的及び部品交換時に取得した基本情報に基づいて、部品型式毎の故障発生分布及び診断特徴量分布を算出することによって、現在の画像形成装置の使用状態を把握することが可能である。

請求項６の発明では、請求項４記載の画像形成装置の故障診断システムであって、前記管理センタサーバーは、部品型式毎の故障発生分布又は部品交換数分布に基づいて、故障診断モデルのノードの初期故障確率を更新することを特徴とする。

請求項６の発明は、管理センタサーバーにおいて、部品型式毎の故障発生分布又は部品交換数分布に基づいて、故障診断モデルのノードの初期故障確率を更新するため、市場に導入された画像形成装置の情報を一括して扱うことが可能となるため、より適切な初期故障確率で故障診断を行うことが可能となる。

請求項７の発明では、請求項４記載の画像形成装置の故障診断システムであって、前記管理センタサーバーは、部品型式毎に部品交換時に診断特徴量の分布に基づいて、前記変換閾値を変換することを特徴とする。

請求項７の発明は、管理センタサーバーにおいて、部品交換時に診断特徴量を取得し、当該診断特徴量の分布に基づいて、変換閾値を変換することで、より適切な故障診断モデルで故障診断を行うことが可能となる。

以上説明したように、本発明によれば、市場導入後に不良箇所に対する対策品が導入された場合でも、構成部品の型式情報に基づいて故障診断モデルを構成する各ノードの初期故障確率を切り替えることによって、対策導入済あるいは対策未導入に関わらず対策導入効果を反映する事が可能となる、という効果が得られる。

以下、図面を参照して本発明の実施形態について詳細に説明する。

図１に示すように画像形成装置２には、ナジャーソレノイド１６を駆動させることによって動作され、用紙トレイ１０に保管された記録用紙１２を所定のタイミングにて給紙するピックアップロール１４が備えられている。

また、画像形成装置２には、フィードモータ２０の駆動によって回転される１対のフィードロール１８が設けられており、フィードロール１８の給紙側には、給紙された記録用紙１２を搬送する１対の搬送ロール２２、２４、２６によって構成された記録用紙フィーダ部が設けられている。

また、露光部には感光体ドラム２８が設けられており、帯電装置３０によって、感光体ドラム２８が所定電位で帯電され、感光体ドラム２８は、レーザースキャナ装置３２によって画像記録データに基づいて露光されて潜像が形成され、現像装置３４によって現像されることによって感光体ドラム２８上に画像記録データに応じたトナー像が形成される。感光体ドラム２８上に形成されたトナー像は、転写装置３６によって記録用紙１２に転写される。転写装置３６における転写工程の後、感光体ドラム２８上に残されたトナーはクリーニング装置３８によって除去される。トナーが除去された後に除電装置４０によって、感光体ドラム２８は除電される。

次に、記録用紙１２に転写されたトナー像は、記録用紙１２を挟持して配置された定着装置４２において記録用紙１２に定着される。定着装置４２から搬出された記録用紙１２は、１対の排出ロール４４を介して、出力トレイ４６に排出される。

上記記録用紙１２の搬送工程にて、記録用紙１２が所定のタイミングで搬送されているかどうか検出するために、プレフィードセンサ４７、記録用紙タイミングセンサ４８、５０、５２、５４、５６が設置されている。上記記録用紙１２の搬送タイミングを検出するセンサは、設置場所に応じて様々な形状に形成されているが、基本的に記録用紙１２を挟むように配置された一対の発光素子と受光素子とからなり、記録用紙１２によって発光素子から発光された光が遮断されたか否かで記録用紙１２を検出する。

記録用紙１２が存在していない状態では、受光素子は発光素子の光を受光しオン状態となり、記録用紙１２が上記記録用紙タイミングを検出するセンサを通過する状態では、発光素子の光が記録用紙１２によって遮光されオフ状態となる。一般的に上記記録用紙の搬送タイミングを検出するセンサは、記録用紙１２の先端部の通過を検知し、所定のタイミングの範囲内であるか否かを判定し、所定のタイミングの範囲外である場合、記録用紙１２の搬送工程の部品等に故障が発生したと判断し、以降の記録用紙１２の搬送工程を中止する。

上記記録用紙１２の搬送工程の故障としては、ピックアップロール１４、ナジャーソレノイド１６、フィードロール１８、フィードモータ２０、搬送ロール２２、２４、２６、排出ロール４４の摩耗、劣化、駆動回路故障、モータ故障、駆動ギア破損、ソレノイド故障等がある。例えば、記録用紙１２の搬送工程に関わる本実施形態では、故障診断を行うための診断特徴量として、記録用紙１２が各記録用紙の搬送タイミングを検出するセンサを通過する時間の平均値、標準偏差、上記フィードモータ２０、ナジャーソレノイド１６、及び図示しないクラッチの各アクチュエータの動作に関わる振動データの積算値、電流データの積算値を利用している。

さらに、画像形成装置２においては、当該画像形成装置２の処理の制御を行う制御部５８が備えられ、さらに画像形成装置２の処理において作成されたデータを当該画像形成装置２以外の装置にデータの送受信を行うためのデータ送受信部６０が備えられている。

図２は、本実施形態の故障診断システムが、ネットワークに接続された画像形成装置１２であるデバイス７０、７２、７４、７６、７８と管理センタサーバー８０に機能分割して構成された例を示している。デバイス７０は、基本情報取得部８２、該デバイスを制御する制御部５８、各画像形成装置間のデータの送受信を行うデータ送信部６０を含んだ構成から成る。なお、デバイス７０と同様に、デバイス７２、７４、７６、７８も基本情報取得部８２、制御部５８、及びデータ送信部６０を含んだ構成からなる。

制御部５８は、ＣＰＵ、ＲＡＭ、及びＲＯＭを備えたマイクロコンピュータで構成されており、システムバス等を介して相互に接続されており、ＲＯＭには印刷処理を行うための処理ルーチンプログラムやデータ等が記憶されている。

基本情報取得部８２においては、当該デバイス７０を構成する部品の型式を表す型式情報（例えば、機種番、型番等）を予め記憶されたＲＯＭ（例えば、ＥＥＰＲＯＭ）等から取得すると共に、当該デバイス７０の故障診断時に用いるための診断特徴量を各構成部品から取得する。さらに、診断特徴量は、各構成部品によって多種の特徴量を有するため、取得した診断特徴量を識別するための識別情報を付加してＲＡＭに記憶させる。

また、基本情報取得部８２において取得された型式情報、診断特徴量、及び診断特徴量を識別するための識別情報は、データ送受信部６０によって転送され、ネットワークを介して当該デバイス７０に接続された管理センタサーバー８０へ出力される。

さらに、デバイス７０における故障診断を開始する指示の入力や故障診断の結果を出力するためのユーザーインタフェースであるＵＩ８４が、デバイス７０に接続されている。

図３は、診断特徴量の取得結果をＵＩ８４に表示した一例を示している。具体的には、記録用紙１２が各記録用紙の搬送タイミングを検出するセンサを通過する時間が異常であるか否かを通知している状態を表している。

また、図３は、故障診断時において、記録用紙１２が各記録用紙の搬送タイミングを検出するセンサを通過する時間の平均値、標準偏差に対して、過去の正常時の搬送タイミングを検出するセンサを通過する時間の平均値、標準偏差との差異を算出し、所定以上の差異が生じるようであるならば、差異が生じたセンサ付近の工程に故障が発生している可能性があるため、その旨をＵＩ８４に通知している。

例えば、図３に示すように、記録用紙１２がプレフィードセンサ４７を通過した時間の平均値と過去の正常時における記録用紙１２がプレフィードセンサ４７を通過した時間との平均値（ＰｒｅＦｅｅｄＳＮＲ＝９７．６）との差異は、ＰｒｅＦｅｅｄ＝０であるため差異が生じていないが、記録用紙１２がプレフィードセンサ４７を通過した時間の標準偏差と過去の正常時における記録用紙１２がプレフィードセンサ４７を通過した時間との標準偏差（ＰｒｅＦｅｅｄＳＮＲ＝１３．６）との差異は、ＰｒｅＦｅｅｄ＝−３３８．０であるため差異が生じており、ＰｒｅＦｅｅｄ１＿ＴｉｍｅがＦａｉｌｕｒｅと表示され、プレフィードセンサ４７より手前のエリア「１」で用紙搬送ジャムが発生したことを示している。

図４は、デバイス７０の故障診断の指示を入力後、故障診断結果を出力した状態をＵＩ８４に表示した一例を表す。

また、図４は、図３において用紙搬送ジャムが発生した場合に、用紙搬送ジャムの発生が生じたことを表示し、診断を行う対象のエリアを選択した後に、選択したエリアに対して構成部品に関する診断特徴量を収集し、収集した診断特徴量に基づいて、各構成部品の故障確率を算出し、その結果を出力する。

図５は、診断を行う対象のエリアの構成部品に対して、故障診断を行うための診断特徴量を収集した結果をＵＩ８４に表示した一例を示す。

例えば、図４及び図５は、図３において、Ａｒｅａ「１」におけるＰｒｅＦｅｅｄ１＿ＴｉｍｅがＦａｉｌｕｒｅと表示されているので、エリア「１」で用紙搬送ジャムが発生しているため、図４に「ＪＡＭが発生しました。診断を行いますか？ 診断する場合、機械内用紙を取り除いてから診断ボタンを押す。」と表示され、エリアＮＯに「１」を設定するか、あるいはエリア１ボタンを押下後、診断ボタンを押下する。診断ボタンを押下後、エリア「１」に該当する構成部品の診断特徴量を収集し（図５参照）、収集を行った診断特徴量に基づいて故障確率を算出し、ｎｎ＝Ｌｏｏｓｅ＿Ｃｏｎｎｅｃｔ１＿Ｆｅｅｄｅｒ ０.０、ｎｎ＝ＰｒｅＦｅｅｄｅｒ１＿Ｓｅｓｓｏｒ ６．７・・・として算出結果を図４に表示し、故障確率の高いものについては、Ｆｅｅｄｅｒ１＿Ｒｏｌｌ＿Ｋｉｔ＿Ｓｔａｔｅ ４５．６、ＴＡ＿Ｒｏｌｌ１＿Ｓｔａｔｅ ５．７・・・として降順に上位の故障箇所の候補を表示している。

次に、管理センタサーバー８０は、各画像形成装置間のデータの送受信を行うデータ送信部８６、及び制御部８８を含んで構成されており、制御部８８は、ＣＰＵ、ＲＡＭ、及びＲＯＭを備えたマイクロコンピュータで構成され、ＣＰＵ、ＲＡＭ、及びＲＯＭは、システムバス等を介して相互に接続されている。ＲＯＭには管理センタサーバー８０における処理を行うための処理ルーチンプログラムやデータ等が記憶されている。

また、管理センタサーバー８０は、市場に設置されたデバイス７０、７２、７４、７６、７８の構成部品毎に型式情報、診断特徴量、及び交換頻度情報等の情報を管理すると共に、故障診断時に故障の生じた各デバイス７０、７２、７４、７６、７８の故障診断を行う。

上記管理及び故障診断を行うために、管理センタサーバー８０には、各デバイス７０、７２、７４、７６、７８から出力された型式情報、診断特徴量、及び交換頻度情報を構成部品毎に記憶するためのデータベースであるＤＢ９２が備えられ、機種毎、オプション構成毎に故障診断モデルで利用する条件確率テーブルを構成するための条件確率データが格納されている。

本実施形態においては、診断対象については、用紙搬送故障診断について後述しているが、その他の診断対象としては、画質欠陥診断、機械動作故障診断等を用いることができる。

図６は、ＤＢ９２に記憶された用紙搬送故障診断モデルの一部を概略的に示す図であり、出力トレイ４６から記録用紙１２を送り出す記録用紙フィーダ部の故障診断モデルの一例を示す。図６において、白地ノードであるフィードモータドライブ回路ノード１００、フィードコネクタ接触状態ノード１０２、ナジャーソレノイドドライブ回路ノード１０４、フィードモータ状態ノード１０６、フィード部ギア状態ノード１０８、プレフィードセンサ状態ノード１１０、サーマルヒューズノード１１２、用紙の状態ノード１１４、ナジャーソレイド状態ノード１１６、及びロールキット状態ノード１１８が故障箇所ノードに対応し、グレー地ノードであるフィードモータ電流ノード１２０、フィードモータオン信号ノード１２２、ナジャーソレノイドオン信号ノード１２４、フィードモータのフィード数履歴情報ノード１２６、ナジャーソレノイド振動ノード１２８、ナジャーソレノイド電流１３０、フィードモータによる振動ノード１３２、フィード部フィード数ノード１３４、プレフィードセンサ通過時間ノード１３６、プレフィードセンサ通過時間標準偏差ノード１３８、及びフィードアウトセンサ通過時間ノード１４０が故障箇所を決定するための証拠ノードであり、各ノードには、原因から結果に向かって、ノード間を結ぶ矢印が付けられている。

図６の故障診断モデルにおいて、プレフィードセンサ通過時間が異常状態であるとき、記録用紙フィーダ部の診断モデルの診断開始となる診断情報で、プレフィードセンサ通過時間の異常状態に対する故障確率が、プレフィードセンサ時間ノード１３６に接続されている故障箇所ノードの矢印の数字に反映されている（全体で１００となるように設定されている）。

プレフィードセンサ通過時間ノード１３６とロールキット状態ノード１１８との矢印上の数字「４０」、プレフィードセンサ通過時間ノード１３６とナジャーソレノイド状態ノード１１６との矢印上の数字「２７」等が、初期故障確率を表している。

「フィードモータドライブ回路ノード１００」や「フィード部コネクタ接触状態ノード１０２」は、２次的要因ノードとして、２次的要因の結果が反映されている１次的要因ノードに加算されている。例えば、２次的要因ノードである「フィードモータドライブ回路ノード１００」の初期故障確率は、「フィードモータドライブ回路ノード１００」が原因となる１次的要因ノード「フィードモータの状態ノード１０６」の初期故障確率に加算されている。

故障診断は、前述したように所定の故障状態に対する各故障箇所ノードの初期故障確率に基づいて行われるが、これらの初期故障確率を算出する際には、前述したように、図７に示すような、各ノードに対応させた条件確率テーブルが管理センタサーバー８０に設けられている。

フィードモータの状態及びフィードモータによる振動に関する条件確率テーブルは、図６のフィードモータ状態ノード１０６及びフィードモータによる振動ノード１３２に対応させてＤＢ９２に備えられている。

例えば、図７のフィードモータの状態に関する条件確率テーブルは、ノード自身の故障確率を決定するための要因として、フィードモータのフィード数履歴、フィードモータの電流、及びフィードモータの状態を表す正常／異常について示したものであり、ノード自身の状態を表す特徴量として、フィードモータのフィード数履歴については、５０００００枚以下／５０００００枚以上を示し、フィードモータの電流については、ゼロ／小／正常／大を示しており、故障確率については、フィードモータの状態が正常／異常であるかの確率を示している。

但し、図６に示す通り、各証拠ノードにおいて、フィードモータオン信号ノード１２２、ナジャーソレノイド信号ノード１２４を除いて、診断特徴量は、連続量であるため、前述の条件確率テーブルの特徴量に応じるよう離散値に変換し、診断モデルに入力する必要性がある。

そこで、診断特徴量を連続量から離散値に変換するには、管理センタサーバー８０に、各デバイス７０、７２、７４、７６、７８から出力された型式情報毎に診断特徴量を統計解析し、連続量から離散値に変換する変換閾値が機種毎にＤＢ９２に記憶されている。これらの変換閾値はユーザーインタフェースであるＵＩ９０においてユーザーによって入力され、診断モデルを構成する各ノードの入力仕様に基づいて複数設定することも可能である。

例えば、図１８に示す用紙搬送故障診断モデルの電流データ（積算値）、振動データ（積算値、対数変換後）に関しては、基準値（正常値）に対し、ゼロ／小／正常／大の４つに分類し、故障診断モデルに入力するために、３つの変換閾値（σ）が設定される。具体的には、正常時に収集された診断特徴量を基準特徴量としてＤＢ９２に記憶し、該基準特徴量に対して、−４σ、−２σ、＋２σとＵＩ９０より入力することによって、閾値（数値）が自動的に算出することが可能である。尚、σは標準偏差を表している。

さらに、ＤＢ９２には、前述の故障診断モデルで利用する条件確率テーブルの条件確率データの保管や各ノードの連結先等が記憶されている。

より詳細には、例えば、図８に示される構成でＤＢ９２は作成されており、診断モデル部におけるノード名には、故障診断モデルを構成するノードを一意に識別するようなノードＩＤ等の情報が記憶され、ノードヘッダーには、前述した型式情報や診断特徴量を識別するための識別情報、ノードの種類（証拠ノードであるか故障箇所ノードであるかを区別する情報）を表す情報、作成日、ファイルのサイズ等の情報が記憶され、また条件確率テーブルには、前述のノードで利用する条件確率テーブルを構成する条件確率データが記憶され、リンクリストには、前述のノードに連結されるリンク先のノードＩＤ等が記憶されている。

また、証拠情報閾値リスト部においては、ノード名には、前述の診断モデル部のノード名と同様にノードＩＤ等の情報が記憶され、閾値種には、前述した型式情報や診断特徴量を識別するための識別情報が記憶され、閾値数には、当該ノードの型式情報及び識別情報毎に連続量を離散値に変換するための閾値の数が記憶され、閾値には変換閾値（σ）あるいは閾値（数値）が記憶されている。

なお、閾値種については、各ノードで用いられる閾値が複数種類存在するケースがあるため、それらを区別するとともに、さらに、ノードに対応した変換閾値（σ）の変更を行う場合には、ＵＩ９０から、変更対象となるノードを指定し、該ノードに設定する変換閾値（σ）を設定し、ＤＢ９２のデータを書き換えると共に、ＤＢ９２に記憶された診断特徴量に基づいて、閾値（数値）を算出する。

さらに、ＵＩ９０で指定されたノードに関連するノードが存在する場合には、指定されたノードと指定されたノードに関連するノードと、同一の変換閾値（σ）、あるいは閾値（数値）を使用している場合が存在するため、前述の閾値種に基づいて、指定されたノードに関連するノードの閾値（数値）を自動更新する。

次に、本第１実施形態における故障診断モデルの処理概要をフローチャートに基づいて説明する。

まず、図９は、各デバイス７０、７２、７４、７６、７８（以下、各デバイスは同一の処理概要であるため、本実施形態では、デバイス７０について説明する。）における故障診断を行うための初期故障確率を作成する処理を表しており、ステップ１００では、デバイス７０に備えられたＵＩ８４から、故障診断モデルのデータを作成する指示がユーザーによって入力され、入力された指示によって初期故障確率を作成するか否かの判断を行い、初期故障確率を作成する場合には、ステップ１０２に進む。

ステップ１０２では、デバイス７０のＲＯＭに記憶された構成部品の型式情報及び構成部品の診断特徴量を取得した日付を取得し、次のステップ１０４では、変更のあった構成部品あるいは全ての構成部品についての診断特徴量を対象の構成部品より取得しＲＡＭへ記憶する。変更のあった構成部品の診断特徴量のみを取得する場合には、ステップ１０２で取得した構成部品の診断特徴量を取得した日付がＲＯＭに記憶されていないため、日付の記憶されていない構成部品の型式情報に基づいて、構成部品の診断特徴量及び診断特徴量を識別する情報を取得し型式情報に対応させてＲＡＭへ記憶する。

また、日付の記憶されていない構成部品について、構成部品の診断特徴量を取得したものに対しては、システム日付を取得後、構成部品の診断特徴量を取得した日付としてＲＯＭへ記憶する。

なお、該診断特徴量については、予め定められた実測回数分の診断特徴量を取得する。

次のステップ１０６では、ステップ１０４で取得した型式情報、診断特徴量及び診断特徴量を識別する情報をＲＡＭから取得し管理センタサーバー８０へ送信し、処理を終了する。

図１０は、管理センタサーバー８０における故障診断を行うための初期故障確率を作成する処理を表しており、ステップ２００では、図９のステップ１０６でデバイス７０から送信された型式情報、診断特徴量及び診断特徴量を識別する情報に関するデータが受信されたか否かの判断を行い、データが受信された場合は、ステップ２０２に進む。

ステップ２０２は、ステップ２００で受信したデータである型式情報及び診断特徴量を識別する情報に対応させて、診断特徴量を基準特徴量としてＤＢ９２へ記憶し、ステップ２０４へ進む。

ステップ２０４では、ＤＢ９２へ予め記憶された型式情報毎の交換頻度情報に基づいて、故障診断モデルの初期故障確率のベースとなる型式情報毎の故障確率を算出する。故障確率の算出は、対象とする故障診断モデルに関わる部品群毎に、所定の期間毎、例えば３月毎に算出する。例えば、後述するように本実施例に関わる用紙搬送故障診断モデルでは、上記搬送タイミングを検出するセンサ毎に定められた小診断モデルを連結して構成されており、個々の小診断モデルに関わる部品群を単位として、故障確率を算出し、型式情報に該当するＤＢ９２に記憶された条件確率テーブルの条件確率データを更新する。

条件確率テーブルのデータを更新した後に、更新した条件確率テーブルのノードに連結された証拠ノード及び故障箇所ノードの条件確率テーブルをノード間で定めた規定（例えば、条件付確率式等を用いてノード間の規定を定める。当該規定は、ＤＢ９２にノード毎に設定しても良いし、別途、ＤＢやファイル等の記憶媒体に記憶させても良い）に基づいて故障確率を更新する。故障確率を更新するには、前述の図８のＤＢ９２に記録されたノード毎のリンクリストより、リンク先のノードＩＤ等を読取り、読取ったリンク先のノードに対する条件確率テーブルの条件確率データに対して、連結されたノード間の規定に基づいて故障確率を更新する。

また、ステップ２０６では、ＵＩ９０から入力されＤＢ９２に設定された変換閾値（現時点では、例えばＵＩ９０で入力された−４σ、−２σ、＋２σというσ値でＤＢ９２に設定されている。）を閾値（数値）に変換するため、ＤＢ９２に記憶された基準特徴量を型式情報及び診断特徴量を識別するための識別情報に基づいて取得し、該基準特徴量の平均値、標準偏差を算出後、該標準偏差の値をσ値として、型式情報及び診断特徴量を識別する識別情報すなわち閾値種に応じた各ノードの変換閾値（σ）を閾値（数値）に変換して設定する。

なお、上記の各ノードの変換閾値の設定に関しては、図１１に示す変換閾値を設定する処理を表すフローチャートに従って行われる。すなわち、ステップ３００では、変換閾値（σ）を設定あるいは変更する場合に、ユーザーによってＵＩ９０から対象となる証拠ノードが入力され、変換閾値（σ）の入力を判断した場合に、次のステップ３０２へ進み、ステップ３０２では、ＵＩ９０で選択された証拠ノードは、ＤＢ９２の証拠情報閾値リスト部のノード名（ノードＩＤ）に該当するため、当該ノード名に対する閾値種に含まれる型式情報及び診断特徴量を識別するための識別情報に基づいて、選択された証拠ノードに関連する全ての証拠ノード及び故障箇所ノードに対して、同一の閾値種を有するノードについては、ステップ３００で算出した変換閾値（σ）に基づいて、ＤＢ９２のデータを更新する。

図１２は、デバイス７０の故障診断に関する処理を表しており、ステップ４００では、デバイス７０において記録用紙１２がプレフィードセンサ４７、記録用紙タイミングセンサ４８、５０、５２、５４、５６を通過する通過時間を計測する。

次のステップ４０２では、各記録用紙タイミングを検出するセンサにおいて計測した通過時間が、予め定められた基準内であるならば、本処理ルーチンを終了し、基準外であるならば、ＵＩ８４へ処理結果を出力し（図３参照）、次のステップ４０４において、型式情報毎に診断特徴量を取得し、取得後（図５参照）、ステップ４０６において、型式情報及び診断特徴量に診断特徴量を識別するための識別情報を付加し、これらの情報をＲＡＭに記憶する。

次のステップ４０８では、ステップ４０６においてＲＡＭに記憶された型式情報、診断特徴量、及び診断特徴量を識別するための識別情報を管理センタサーバー８０へ送信する。

次に、ステップ４１０において、ステップ４０８で管理センタサーバー８０へ送信した型式情報に該当するＤＢ９２に記憶された故障診断モデル（後述する）の受信があったか否かの判断を行い、受信があった場合には、故障診断モデルをハードディスク（図示しない）等の記憶媒体に記憶し、ステップ４１２へ進む。

次にステップ４１２では、ステップ４０８で送信した診断対象の構成部品の型式情報に該当する故障診断モデルに基づいて故障診断を行うが、詳細には、図１３に示すフローチャートに基づいて説明する。

まず、ステップ５００では、診断特徴量を連続量から離散値へ変換するために、ステップ４１０でハードディスク（図示しない）に記憶した診断特徴量に対して、診断特徴量を識別するための識別情報に基づいて、診断特徴量を連続量から離散値へ変換する。変換方法は、例えば、前述の通り、診断特徴量が−４σ以下の範囲ならばゼロ、−４σ以上−２σ以下の範囲ならば小、−２σ以上＋２σ以下の範囲ならば正常、＋２σ以上の範囲ならば大という具合に離散値に変換する。

次のステップ５０２では、診断特徴量を故障診断モデルに入力し、各故障箇所ノードの故障確率を算出する。

ステップ５０２の処理終了後、ステップ５０４では、診断対象の構成部品の型式情報に該当する故障箇所ノードの条件確率テーブルの故障確率を故障確率の高いものから降順に、故障箇所を特定するための情報と共に出力し（図４参照）、処理を終了すると共に、図１２におけるフローチャートに示す処理を終了する。

図１４は、故障診断を行う管理センタサーバー８０における処理を表しており、ステップ６００では、ステップ４０８においてデバイス７０からの受信データがあるか否かの判断を行い、受信データがあった場合には、ステップ６０２へ進み、ステップ６０２では、型式情報に該当するＤＢ９２に記憶された故障診断モデルを取得し、次のステップ６０４では、取得した故障診断モデルをデバイス７０へ送信し処理を終了し、前述のステップ４１０へ進む。
〔第２実施形態〕
以下、図面を参照して本発明の第２実施形態について詳細に説明する。

上記第１実施形態では、デバイス側での故障診断を行ったが、本第２実施形態では、管理センタサーバー８０側での故障診断を行う。各デバイス７０、７２、７４、７６、７８、及び管理センタサーバー８０の構成については、デバイス７０において故障診断を行うためのユーザーインタフェースであるＵＩ８４の機能（図３、図４及び図５）を管理センタサーバー８０のユーザーインタフェースである９０の機能としており、その他の図１及び図２に示された各デバイス及び管理センタサーバー８０は、同一構成であるため同一符号を用い、構成の説明については省略する。

図１５は、各デバイス７０、７２、７４、７６、７８（以下、各デバイスは同一の処理概要であるため、本実施形態では、デバイス７０について説明する。）における故障診断に関する処理を表しており、ステップ７００では、故障診断を実施するか否かの判定を行うが、デバイス７０に接続されたＵＩ８４においてユーザーからの入力指示によって判定を行い、故障診断を実施する場合には、ステップ７０２へ進む。

次のステップ７０２では、デバイス７０において記録用紙１２がプレフィードセンサ４７、記録用紙タイミングセンサ４８、５０、５２、５４、５６を通過する通過時間を計測する。

ステップ７０４では、各記録用紙タイミングを検出するセンサにおいて計測した通過時間が、予め定められた基準内であるならば、本処理ルーチンを終了し、基準外であるならば、ＵＩ９０へ処理結果を出力し（図３参照）、次のステップ７０６において、型式情報毎に診断特徴量を取得し、取得後（図５参照）、ステップ７０８において、型式情報及び診断特徴量に診断特徴量を識別するための識別情報を付加し、これらの情報をＲＡＭに記憶する。

次のステップ７１０では、型式情報、診断特徴量及び診断特徴量を識別するための識別情報を管理センタサーバー８０へ送信し処理を終了する。

図１６は、管理センタサーバー８０における故障診断に関する処理を表しており、ステップ８００では、ステップ７１０でデバイス７０から送信された受信データがあるか否かの判断を行い、受信データがあった場合には、ステップ８０２へ進み、ステップ８０２では、診断特徴量を連続量から離散値へ変換するために、型式情報に該当するＤＢ９２に記憶されたデータに対して、型式情報及び診断特徴量を識別するための識別情報に基づいて、診断特徴量を連続量から離散値へ変換する。変換方法は、例えば、前述の通り、診断特徴量が−４σ以下の範囲ならばゼロ、−４σ以上−２σ以下の範囲ならば小、−２σ以上＋２σ以下の範囲ならば正常、＋２σ以上の範囲ならば大という具合に離散値に変換する。

次のステップ８０４では、診断特徴量を故障診断モデルに入力し、各故障箇所ノードの故障確率を算出する。

ステップ８０４の処理終了後、ステップ８０６では、デバイス７０において故障が発生している旨をＵＩ９０へ通知し、次のステップ８０４で算出した、故障箇所ノードの条件確率テーブルの故障確率を故障確率の高いものから降順に、故障箇所を特定するための情報と共に出力し（図４参照）、処理を終了する。

なお、本第１実施形態及び本第２実施形態においては、ＤＢ９２は、機種毎、オプション構成毎に形成されているが、画像形成装置の不良箇所に対応するための対策として、対策品の導入を行った場合には、すべての同一機種に対して対策が導入済である場合には、当該ＤＢ９２の内容を更新することで対応を行うが、同一機種に対しても不良対策済の画像形成装置と未対策の画像形成装置が存在する場合には、不良対策バージョン毎にＤＢ９２を作成し、画像形成装置毎に読込むＤＢ９２を切り替えることによって故障診断を行うことも可能である。

これらの画像形成装置の不良箇所の対策を行ったか否かの判断は、例えば、ＤＢ９２に記録される各画像形成装置に関するデータとして不良対策のバージョンに関する情報を記憶することによって対応することで可能である。

また、用紙搬送故障診断モデル以外にも、前述した画質欠陥診断、機械動作故障診断等の診断を行う場合には、診断対象毎にＤＢ９２を形成し、対象の故障診断モデルを選択することで、選択された故障診断モデルに応じて、該当のＤＢ９２を読込むことによって故障診断を行うことも可能である。

また、ＤＢ９２のデータについて、故障確率を算出する順にノードを並べても良いし、計算を行う優先順位を表す情報を記憶させて故障診断を行っても良い。

また、市場に導入された複数の画像形成装置の情報を、ネットワークを介して接続された管理センタサーバー８０において一括で管理し、部品型式毎の故障発生分布又は部品交換数分布を算出し、当該故障発生分布又は部品交換数分布に基づいて証拠ノードの故障確率テーブルを更新することで、適切なデータを用いて故障診断を行うことが可能となる。

さらに、図１７（Ａ）は、診断特徴量として利用する記録用紙１２が各記録用紙の搬送タイミングを検出するセンサを通過する記録用紙通過時間の時間分布を、画像形成装置が正常に動作している時に計測した値を示したものである。図１７（Ｂ）は、画像形成装置が異常な動作を行っている場合の各記録用紙の搬送タイミングを検出するセンサを通過する記録用紙通過時間の時間分布を表している。

これらのデータは、例えば、正常時の記録用紙通過時間の平均値、標準偏差を算出し、画像形成装置のＲＯＭに基準特徴量として記憶させ、前述の診断特徴量と比較することによって近い将来に故障が発生し得る箇所の想定が可能となる。

例えば、異常時の記録用紙通過時間の平均値、標準偏差を算出すると、正常時に比較して、ばらつきが大きくなるため、前述のメモリに記憶された基準特徴量の標準偏差との比較から、３〜４倍程度の値をとる場合には、近い将来、故障を起こす確率が高くなるため、この情報に基づいて、故障診断を行うことも可能である。

このように、本実施形態では、部品の型式情報に基づいて故障診断モデルの条件確率テーブルを切り替えることが可能となるため、市場導入後に不良箇所に対する対策品が導入された場合でも、対策導入済あるいは対策未導入に関わらず対策導入効果を反映する事が可能となる。

本発明の実施形態に係る画像形成装置を表す概略構成図である。 本発明の実施形態に係る故障診断システムのシステム構成の一例を示した構成図である。 本発明の実施形態に係る故障診断システムの各記録用紙タイミングを検出するセンサにおいて、記録用紙の通過時間に基づいて、通過時間が正常であるか否かを表示するユーザーインタフェースを表す構成図である。 本発明の実施形態に係る故障診断システムに関して、ベイジアンネットワークによる診断を行うためのユーザーインタフェースを表す構成図である。 本発明の実施形態に係る故障診断システムに関して、故障診断を行うための診断特徴量を収集した結果を表示するユーザーインタフェースを表す構成図である。 本発明の実施形態に係る記録用紙フィーダ部の故障診断モデルの一例を示したモデル図である。 本発明の実施形態に係る故障診断モデルで利用する条件確率テーブルの一例を説明するための構成図である。 本発明の実施形態に係る故障診断モデルの各ノードの情報を記録したデータベースについて説明した構成図である。 本発明の実施形態に係る故障診断モデルで用いるデータの作成を行うデバイス側の処理を表したフローチャートである。 本発明の実施形態に係る故障診断モデルで用いるデータの作成を行う管理センタサーバー側の処理を表したフローチャートである。 本発明の実施形態に係る故障診断モデルで用いる変換閾値の設定を行う処理を表したフローチャートである。 本第１実施形態に係る故障診断を行うデバイスにおける処理を表したフローチャートである。 本第１実施形態に係る故障診断を行うデバイスにおける故障診断の処理を詳細に表したフローチャートである。 本第１実施形態に係る故障診断を行う管理サーバにおける処理を表したフローチャートである。 本第２実施形態に係る故障診断を行うデバイスにおける故障診断の処理を詳細に表したフローチャートである。 本第２実施形態に係る故障診断を行う管理サーバにおける処理を表したフローチャートである。 故障診断時に診断特徴量として利用する記録用紙タイミングセンサを記録用紙が通過する時間を表した棒グラフであり、（Ａ）は、正常時における記録用紙が通過する時間を表し、（Ｂ）は、故障時における記録用紙が通過する時間を表している。 振動データの積算値、電流データの積算値を診断特徴量として利用するモータユニットの故障判別事例を示すプロット図である。

符号の説明

２ 画像形成装置
１０ 用紙トレイ
１２ 記録用紙
１４ ピックアップロール
１６ ナジャーソレノイド
１８ フィードロール
２０ フィードモータ
２２、２４、２６ 搬送ロール
２８ 感光体ドラム
３０ 帯電装置
３２ レーザースキャナ装置
３４ 現像装置
３６ 転写装置
３８ クリーニング装置
４０ 除電装置
４２ 定着装置
４４ 排出ロール
４６ 出力トレイ
４７ プレフィードセンサ
４８、５０、５２、５４、５６ 記録用紙タイミングセンサ
６０ データ送受信部

Claims (7)

1. 画像形成装置の故障原因と故障箇所との因果関係を表す因果ネットワークを構成する各ノードに前記ノード自身の故障確率を決定するための規定及び構成部品の型式を表す型式情報を含む故障の発生度合を表す初期故障確率を含む故障診断モデルを記憶した故障診断モデル記憶部と、
   前記型式情報を含む故障診断箇所の故障診断を行うための診断特徴量を表す基本情報を取得する基本情報取得手段と、
   前記基本情報取得手段で取得した基本情報に基づいて、前記型式情報に該当するノードの初期故障確率を取得する初期故障確率取得手段と、
   前記初期故障確率取得手段で取得した前記ノードの初期故障確率及び前記故障診断モデル記憶部に記憶された前記ノードに関連するノードの規定に基づいて、前記関連するノードの故障診断モデルを取得する故障確率取得手段と、
   前記故障診断モデルに基づいて故障箇所を特定する情報を出力する出力手段と、
   を含む画像形成装置の故障診断システム。
2. 前記型式情報に基づいて、故障診断を行うための診断特徴量を解析し、前記診断特徴量を連続量から離散値へ変換するための変換閾値を設定する変換閾値設定手段と、
   変換閾値設定手段によって設定された前記変換閾値に関連する前記ノードの変換閾値を更新する閾値パラメータ更新手段と、
   前記診断特徴量を前記連続量から離散値へ変換する変換手段と、
   を含む請求項１記載の画像形成装置の故障診断システム。
3. 前記構成部品の交換頻度を表す交換頻度情報によって前記構成部品の故障発生確率を算出し、前記故障発生確率に基づいて故障診断モデルを形成することを特徴とする請求項１または請求項２記載の画像形成装置の故障診断システム。
4. ネットワークで接続された画像形成装置は、前記基本情報を部品交換時及び故障診断時に取得し管理センタサーバーに出力することを特徴とする請求項１乃至請求項３の何れか１項に記載の画像形成装置の故障診断システム。
5. 前記管理センタサーバーは、定期的及び部品交換時に取得した前記基本情報に基づいて、部品型式毎の故障発生分布及び診断特徴量分布を算出することを特徴とする請求項４記載の画像形成装置の故障診断システム。
6. 前記管理センタサーバーは、部品型式毎の故障発生分布又は部品交換数分布に基づいて、故障診断モデルのノードの初期故障確率を更新することを特徴とする請求項４記載の画像形成装置の故障診断システム。
7. 前記管理センタサーバーは、部品型式毎に定期的及び部品交換時に診断特徴量の分布に基づいて、前記変換閾値を変換することを特徴とする請求項４記載の画像形成装置の故障診断システム。

Images