JP2011013440A - 状態判別装置及びこれを用いた故障予測システム - Google Patents

Abstract

【課題】故障危険度の高さと実際に故障が発生するまでの期間との間の整合性を高める。
【解決手段】本状態判別装置１は、各複写機の内部情報を使用情報と共に通信ネットワーク１１を介して収集し、収集した内部情報と回帰モデル設定部３が設定した回帰モデルとを用いて状態指標値Ｄを算出し、この算出時点から故障が発生するまでの予想猶予期間を示す使用ファクタを使用情報と算出式データとを用いて算出し、算出した状態指標値Ｄ及び使用ファクタから故障危険度を算出し、算出した故障危険度に基づいて当該複写機の状態を判別する。
【選択図】図１

Description

本発明は、画像形成装置などの対象機器の状態を判別する状態判別装置及びこれを用いた故障予測システムに関するものである。

従来、画像形成装置などの対象機器の故障を事前に予測する各種の故障予測システムが提供されている。例えば、特許文献１には、対象機器の内部情報からその対象機器の状態を示す状態指標値（同特許文献１では「故障危険度」と称している。）を算出し、その故障危険度により当該対象機器が故障予兆状態であるかどうかを判別する故障予測システムが開示されている。この故障予測システムにおいては、温度、湿度などの環境情報による故障予測結果の違いに注目し、その対象機器の環境情報によって故障危険度を算出するための回帰モデルを環境に応じて変更することで、環境の違いによる故障予測結果のブレを少なくし、より正確な故障予測を可能としている。

ところが、上記特許文献１に記載された故障予測システムでは、例えば、故障危険度が低いにもかかわらずすぐに故障する、あるいは逆に、故障危険度が高いにもかかわらず、１ヶ月以上故障が発生しないといった事態が発生する。そのため、同じ故障危険度と判別された場合であっても、その後実際に故障が発生するまでの期間には大きな差があり、故障危険度の高さと実際に故障が発生するまでの期間との間の整合性が悪いという問題があった。この問題により、サービスマンがメンテナンス計画に利用するには使いづらい面があった。

本発明は上記問題に鑑みなされたものであり、その目的とするところは、故障危険度の高さと実際に故障が発生するまでの期間との間の整合性が高い状態判別装置及びこれを用いた故障予測システムを提供することである。

上記目的を達成するために、請求項１の発明は、対象機器の内部情報を用いて該対象機器の状態を示す状態指標値を算出し、算出した状態指標値に基づいて該対象機器の状態を判別する状態判別装置であって、上記対象機器の内部情報を使用情報と共に収集する情報収集手段と、回帰モデルを設定する回帰モデル設定手段と、回帰モデル設定手段が設定した回帰モデル及び該情報収集手段が収集した該対象機器の内部情報を用いて、上記状態指標値を算出する状態指標値算出手段と、該状態指標値算出手段が状態指標値を算出した時点から故障が発生するまでの予想猶予期間を示す猶予期間指標値を使用情報から算出するための算出式データが記憶された算出式データ記憶手段と、該情報収集手段が収集した使用情報及び該算出式データ記憶手段に記憶されている算出式データを用いて上記猶予期間指標値を算出する猶予期間指標値算出手段と、該状態指標値算出手段が算出した状態指標値及び該猶予期間指標値算出手段が算出した猶予期間指標値から故障危険度を算出する故障危険度算出手段と、該故障危険度算出手段が算出した故障危険度に基づいて、該対象機器の状態を判別する判別手段とを有することを特徴とするものである。
また、請求項２の発明は、請求項１の状態判別装置において、上記情報収集手段は、対象機器の内部情報及び使用情報と共に環境情報も収集するものであり、上記回帰モデル設定手段は、環境に応じて区分される複数の回帰モデルを設定するものであり、上記情報収集手段が収集した環境情報に基づいて該回帰モデル設定手段の回帰モデルを選定する回帰モデル選定手段を設け、上記状態指標値算出手段は、該回帰モデル選定手段が選定した回帰モデルを用いて上記状態指標値を算出することを特徴とするものである。
また、請求項３の発明は、請求項１又は２の状態判別装置において、上記回帰モデル設定手段は、ロジスティック回帰分析を利用して上記回帰モデルを設定するものであることを特徴とするものである。
また、請求項４の発明は、請求項１乃至３のいずれか１項に記載の状態判別装置において、上記回帰モデル設定手段は、対象機器の内部情報を用いて上記回帰モデルを設定するものであり、上記回帰モデル設定手段が該回帰モデルを設定する際に用いる対象機器の内部情報には、対象機器が故障したときの内部情報と故障した対象機器を修理した後の内部情報とを含むことを特徴とするものである。
また、請求項５の発明は、請求項１乃至４のいずれか１項に記載の状態判別装置において、上記回帰モデル設定手段は、所定の更新条件が満たされたら上記回帰モデルを更新することを特徴とするものである。
また、請求項６の発明は、請求項１乃至５のいずれか１項に記載の状態判別装置において、上記回帰モデル設定手段は、上記回帰モデルを故障要因に応じて区分して得られる複数の回帰モデルを設定することを特徴とするものである。
また、請求項７の発明は、請求項１乃至６のいずれか１項に記載の状態判別装置において、上記判別手段は、故障危険度に応じて区分けされた複数の判別結果の中から、故障危険度算出手段が算出した故障危険度に対応する区分の判別結果を選択することにより、上記対象機器の状態を判別することを特徴とするものである。
また、請求項８の発明は、請求項７の状態判別装置において、上記判別手段が用いる複数の判別結果を区分けする故障危険度の閾値を変更する変更手段を有することを特徴とするものである。
また、請求項９の発明は、請求項７又は８の状態判別装置において、上記判別手段は、少なくとも故障危険度が最も高い区分に属する判別結果では、保守点検専門家の派遣を決定する状態であると判別することを特徴とするものである。
また、請求項１０の発明は、請求項１乃至９のいずれか１項に記載の状態判別装置において、上記判別手段の判別結果を表示する表示手段を有することを特徴とするものである。
また、請求項１１の発明は、請求項１乃至１０のいずれか１項に記載の状態判別装置において、上記情報収集手段は、各対象機器から定期的に内部情報及び使用情報を収集することを特徴とするものである。
また、請求項１２の発明は、請求項１乃至１１のいずれか１項に記載の状態判別装置において、上記情報収集手段は、各対象機器を特定する機器特定情報、及び、対象機器の内部情報、使用情報が収集される情報収集日時情報も併せて収集することを特徴とするものである。
また、請求項１３の発明は、請求項１乃至１２のいずれか１項に記載の状態判別装置において、上記対象機器として記録材上に画像を形成する画像形成装置の状態を判別することを特徴とするものである。
また、請求項１４の発明は、請求項１乃至１３のいずれか１項に記載の状態判別装置と、該状態判別装置による状態判別の対象となり得る対象機器とを、通信ネットワークを介して通信可能に接続してなる故障予測システムであって、上記状態判別装置の情報収集手段は、各対象機器の内部情報及び使用情報を通信ネットワークを介して収集するものであることを特徴とするものである。

本発明者らは、鋭意研究の結果、同じ故障危険度と判別された複数の対象機器間において、その後実際に故障が発生するまでの期間の差は、各対象機器のユーザーの使用状況に関する情報（使用情報）と高い相関関係があることを見出した。よって、その相関関係を表す算出式データを用いることで、各対象機器の使用情報から、その対象機器において実際に故障が発生するまでの期間（予想猶予期間）を精度よく予測することが可能となる。
本発明によれば、対象機器の内部情報に加えて、その対象機器の使用情報から算出される当該予想猶予期間を示す猶予期間指標値をも用いて、故障危険度を算出し、その故障危険度に基づいて当該対象機器の状態を判別する。したがって、同じ故障危険度と判別された複数の対象機器間においてその後実際に故障が発生するまでの期間の差は、上記のような使用情報を考慮しない場合と比較して小さいものとなる。

以上より、本発明によれば、故障危険度の高さと実際に故障が発生するまでの期間との間の整合性が高いという優れた効果が得られる。

実施形態に係る故障予測システムの概念図である。 同故障予測システムを構成する故障予測装置の概略構成を説明するための説明図である。 同故障予測システムを構成する複写機の概略構成を説明するための説明図である。 実施形態における故障予兆判別処理の流れを示すシーケンスフロー図である。 実施形態における回帰式の作成処理の流れを示すフローチャートである。 同故障予測装置の制御部が行う故障予兆状態の判別処理の流れを示すフローチャートである。

以下、本発明を適用して、複写機、プリンタ、ファクシミリ等の画像形成装置（本実施形態ではトナーを用いた電子写真方式の複写機である。）を対象機器としてその状態を判別して故障の予測を行うための故障予測システムの一実施形態について説明する。
なお、本発明は、対象機器が環境依存性の高い画像形成装置である場合に限らず、故障を事前に予測することが有用である機器であれば、どのような機器であっても適用可能である。

図１は、本実施形態に係る故障予測システムの概念図である。
この故障予測システムは、対象機器である複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄと、通信ネットワーク１１を介して各複写機と通信可能に接続された状態判別装置としての故障予測装置１とから校正されている。故障予測装置１は、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報を環境情報及び使用情報と共に収集する情報収集手段としての情報収集部２と、環境に応じて区分される複数の回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定する回帰モデル設定手段としての回帰モデル設定部３と、情報収集部２が収集した環境情報に基づいて回帰モデル設定部３の回帰モデルを選定する回帰モデル選定手段としての回帰モデル選定部４と、回帰モデル選定部４が選定した回帰モデル、及び、情報収集部２が収集した複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報を用いて状態指標値を算出する状態指標値算出手段としての状態指標値算出部５と、状態指標値算出部５が状態指標値を算出した時点から故障が発生するまでの予想猶予期間を示す猶予期間指標値である使用ファクタを使用情報から算出するための算出式データが記憶された図示しない算出式データ記憶手段としての算出式データ記憶部と、情報収集部２が収集した使用情報に基づいて使用状態を分類し、その分類に基づき、算出式データ記憶部に記憶されている算出式データを用いて使用ファクタを算出する猶予期間指標値算出手段としての使用ファクタ算出部６と、状態指標値算出部５が算出した状態指標値及び使用ファクタ算出部６が算出した使用ファクタから故障危険度を算出する故障危険度算出手段としての故障危険度算出部７と、故障危険度算出部７が算出した故障危険度に基づいて複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態を判別する判別手段としての故障予測判断部８とを備えている。

本実施形態の故障予測システムは、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態が故障予兆状態（故障の予兆が示された状態）であるかどうかを判別して、各複写機の故障を事前に予測して予防することを可能とするものである。

本実施形態において、対象機器の状態を示す状態指標値を算出するために用いる該対象機器の内部情報は、１種類の故障要因に関する情報でもよいが、故障予測を広範囲にわたって予測するという観点から、複数種類の故障要因に関する情報を収集することが好ましい。また、１種類の故障要因に関する内部情報は、１つでもよいが、その故障要因による故障を高精度で予測するという観点からは、２以上であるのが好ましい。
また、環境情報としては、温度情報及び湿度情報を用いることが好ましいが、これらのいずれか一方のみ用いてもよいし、故障発生に影響を与えうる当該複写機の内部又は周囲の環境に関する他の環境情報を用いてもよい。
また、使用情報としては、初期時からの総画像形成枚数をトータルカウンタでカウントした総画像形成枚数情報、初期時又は特定時（ユニット交換時）からの画像形成ユニットの使用度合いをユニットカウンタでカウントしたユニット使用情報、トナー消費量情報などが挙げられる。

情報収集部２は、本実施形態では、通信ネットワーク１１を通じて各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄから所定のタイミングで送られてくる内部情報、環境情報、使用情報を故障予測装置１で受信することにより収集するものであるが、これに限らず、可搬型の記録媒体を介して各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報、環境情報、使用情報を故障予測装置１で収集するものであってもよい。また、情報収集部２において、情報の収集効率を良好に保つという観点からすれば、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄから定期的に内部情報を環境情報および使用情報と共に収集する方式が好ましい。更に、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄを特定し、経時的変化を見ながら故障状態を正確に予測するという観点からすれば、情報収集部２は、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄを特定する処理対象情報及び複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報、環境情報、使用情報が収集される情報収集日時情報を併せて収集するものが好ましい。

回帰モデル設定部３は、状態指標値が算出可能な回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を、温度・湿度の違いによって区分された環境区分Ｅ１，Ｅ２，Ｅ３，Ｅ４ごとに区分されて設定するものであればよい。これらの回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４は、例えば、同一機種についての過去の故障事例における内部情報を用いて作成したり、同一機種の過去の事例がないような場合には関連する機種の故障事例における内部情報を用いて作成したりするなどすればよい。本実施形態における状態指標値は、近い将来にどれだけ故障しやすいかを示す指標になるものであればよい。また、本実施形態の回帰モデル設定部３は、予め作成された回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４が記憶されているものであるので、環境情報を用いて回帰モデルをいちいち作成する場合に比べて、環境情報が状態指標値の算出誤差に影響しにくい。

また、回帰モデル設定部３としては、公知の回帰分析を用いて回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定して差し支えない。代表的な手法としては、例えばロジスティック回帰分析を利用して複数の回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定することが挙げられる。更に、回帰モデル設定部３において、回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を簡単に構築するという観点からすれば、回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定する際に用いる複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報として、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄが故障したときの内部情報と、故障した複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄを修理した後の内部情報とを含むものを利用することが好ましい。更にまた、季節の影響をより正確に反映させるという観点からすれば、回帰モデル設定部３は回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を適宜更新するものであることが好ましい。この場合、更新の時期については定期的でもよいし、ユーザーの指定時期など適宜選定して差し支えない。また、回帰モデル設定部３は少なくとも環境区分Ｅ１，Ｅ２，Ｅ３，Ｅ４ごとに作成される回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を有していればよいが、故障予測をより細かく行うという観点からすれば、環境区分Ｅ１，Ｅ２，Ｅ３，Ｅ４ごとの回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を故障要因で複数に分類するようにしてもよい。

回帰モデル選定部４は、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄから収集した環境情報に基づいて環境区分Ｅ１，Ｅ２，Ｅ３，Ｅ４ごとに設定されている回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を少なくとも１つ選定するものであればよい。
状態指標値算出部５は、回帰モデル選定部４が選定した回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４及び情報収集部２が収集した各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報を用いて状態指標値を算出する処理を行う。
本実施形態において、回帰モデル選定部４による回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４の選定時期は、少なくとも状態指標値算出部５による状態指標値の算出処理前であればよく、回帰モデル選定部４の選定処理と状態指標値算出部５の算出処理とを並行して行うようにしても差し支えない。

使用ファクタ算出部６は、状態指標値算出部５が状態指標値を算出した時点から故障が発生するまでの予想猶予期間を示す猶予期間指標値である使用ファクタを使用情報から算出するための算出式データを記憶した算出式データ記憶部を備えており、情報収集部２が収集した使用情報に基づいて使用状態を分類し、その分類に基づき、算出式データ記憶部に記憶されている算出式データを用いて使用ファクタを算出する。

本実施形態における使用ファクタの算出方法は次のとおりであるが、これに限られるものではない。
まず、同一機種や関連する機種に関する過去の内部情報等の中から、ある時点において同じ状態指標値であったにもかかわらず、その後に故障が発生するまでの期間が異なった情報を集める。そして、ある状態指標値aであった状態から実際に故障が発生するまでの期間の逆数をＹとした場合、故障までの期間に影響を与える指標をＸｉとして、ＹをＸｉの線形和であると仮定し、係数を最小二乗法で求める。ここで、Ｘｉは使用情報であり、本実施形態では、上述したトータルカウンタやユニットカウンタのカウント値あるいはトナー消費量などのユーザーの使用状況に関する情報の単位時間あたり（例えば一月あたり）の増加量である。こうしてできあがる換算式は、算出式データとして算出式データ記憶部に記憶しておく。そして、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの使用ファクタを算出する際には、この換算式に対して各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの使用情報Ｘｉを代入してＹを算出する。このＹが本実施形態における使用ファクタである。

故障危険度算出部７は、状態指標値算出部５が算出した状態指標値及び使用ファクタ算出部６が算出した使用ファクタから、故障危険度を算出する。本実施形態では、上述したように算出される使用ファクタＹに、状態指標値算出部５が算出する状態指標値を乗じたものを故障危険度として用いるが、これに限られるものではない。

故障予測判断部８は、故障危険度算出部７が算出した故障危険度に基づいて各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態を判別するものであり、その閾値や故障予測対策については適宜選定して差し支えない。
本実施形態において、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態判別に用いる故障危険度は、ユーザーによる複写機の使用度合いを示す使用情報に基づいて算出されるものである。よって、この故障危険度に基づく状態判別結果には、ユーザーの使用状況が加味されており、ユーザーの使用状況を加味しない場合よりも、高い精度で故障予測を行うことが可能となる。

また、故障予測判断部８による代表的な判断方式としては、故障危険度算出部７により算出される故障危険度を区分けし、その区分に応じて故障予兆状態を判別するものが挙げられる。本実施形態において、故障危険度による故障予兆状態の判別基準を微調整するという観点からすれば、故障危険度が区分けされる閾値を可変設定するものが好ましい。更に、保守点検専門家（サービスエンジニア／サービスマン）の派遣を考慮する場合には、故障予測判断部８として、故障危険度が緊急性の高い所定の閾値を超える条件下では保守点検専門家の派遣を決定する態様が好ましい。更にまた、故障予兆状態の判別結果を正確に把握するという観点からすれば、故障予測判断部８にて判断された故障予兆状態が表示可能な表示部９を備えるようにすることが好ましい。

図２は、本実施形態に係る故障予測システムの故障予測装置１の概略構成を説明するための説明図である。
図示のように、本実施形態では、故障予測装置１は保守センターに設置されており、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄを一元管理している。故障予測装置１は、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄからの内部情報、環境情報、使用情報など各種管理に必要な情報（以下、適宜「管理情報」という。）を受信する通信部２１と、通信部２１で受信した管理情報や故障予兆判別を行う上で必要な回帰モデルである回帰式データなどを記憶する記憶部２２と、各種入力操作を行うための入力部２３と、入力部２３からの故障予兆判別要求に対する解析処理などを制御する制御部２４と、制御部２４による処理結果などを表示する表示部２５とを備えている。

図３は、本実施形態に係る故障予測システムの複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの概略構成を説明するための説明図である。
本複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄは、電子写真方式の作像部３１にて記録材としての用紙に画像を形成するものである。各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄは、作像部３１、作像処理プログラムなどを記憶する記憶部３２、故障予測装置１との通信を可能とする通信部３３と、記憶部３２及び通信部３３を制御する制御部３４とを備えている。更に、制御部３４には、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部若しくは周辺温度を検出するための温度検出器３６、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部若しくは周辺湿度を検出するための湿度検出器３７、用紙の搬送経路に設けられて用紙の搬送制御やジｆャム処理時に使用される位置検出器３８及び用紙の枚数を計数するための用紙計数器（トータルカウンタ）３９が接続されている。そして、制御部３４は、記憶部３２に予め記憶されている作像プログラムに従って作像部３１による作像処理を行ったり、記憶部３２に対して複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの各種管理情報を記憶したり、あるいは、故障予測装置１に対して管理情報を送信したりする。

上述した管理情報としては、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報に加えて、温度検出器３６からの温度情報及び湿度検出器３７からの湿度情報からなる環境情報、更には、画像形成装置の機械番号、及び、これらのデータ収集日情報が利用されている。更には、トータルカウンタである用紙計数器３９がカウントした総画像形成枚数情報からなる使用情報も、管理情報として利用される。

ここで、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報について補足すると、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄが、動作状態によって自動的に送出する警告やフェイル信号、制御に利用されている各設定値や観測値などが装置内にある記憶部３２としての不揮発性メモリに記憶されている。例えばフェイル信号なら、システムフェイル、ローカルフェイル、用紙ジャムフェイル、原稿ジャムフェイルの４種があり、それぞれの種類に対して、約２０〜３０程度のフェイルがある。これらは、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄ内に設けられた各種検出器（例えば位置検出器３８）やプログラムによって検出され、フェイルの内容と回数、又、過去に生じたフェイルの履歴もフェイル発生時の用紙カウント数とともに複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄ内に記憶されており、最新の一定（例えば各種類２０個）のフェイル数が保持されている。

図４は、本実施形態における故障予兆判別処理の流れを示すシーケンスフロー図である。
本実施形態の故障予測装置１は、処理対象である複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄに対して定期的に管理情報要求信号を送信し（Ｓ５１）、その応答として複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄから管理情報を受信し（Ｓ５２）、受信した管理情報を記憶部２２に記憶する（Ｓ５３）。

一方で、本実施形態では、図５に示すフローチャートに従って、初期時には回帰式データを作成し、その後は回帰式データの更新を行う（Ｓ５４）。具体的には、故障して修理依頼のあった複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報（以下「故障内部情報」という。）を温度湿度データとともに収集する。その後、修理されて正常に動作している複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報（以下「正常内部情報」という。）を温度湿度データとともに収集する。このとき、複数台の複写機から内部情報、温度湿度データを抽出することが好ましい。また、温度湿度データは、通常、温度データなら２０℃から６５℃の程度、湿度データなら１２４から１３５（任意の相対値）の値で分布する。本実施形態では、温度データ領域を２分割、湿度データ領域を２分割し、４つの環境区分Ｅ１〜Ｅ４に分ける。そして、４つの環境区分Ｅ１〜Ｅ４に入る故障内部情報と正常内部情報とを使って、環境区分Ｅ１〜Ｅ４ごとに４通りの回帰式を作成する。ここで、回帰式としては、例えば下記の数１に示すように、ロジスティック回帰分析を利用したものが採用される。作成された回帰式のデータは識別番号が付されて記憶部２２に記憶される。

ただし、Ｋ１，Ｋ２，Ｋ３は回帰係数であり、Ｄは状態指標値である。
また、Ｆは、フェイル情報の説明変数であり、下記の数２に示す式から算出される。

また、Ｊは、ジャム情報の説明変数であり、下記の数３に示す式から算出される。

また、Ｃは、用紙計数器（トータルカウンタ）３９における故障発生時のカウント値と現在のカウント値との差である。

このように、本実施形態では、環境区分Ｅ１〜Ｅ４ごとに１つの回帰式を作成するが、より細かい故障予兆判別を行うという観点からすれば、環境区分Ｅ１〜Ｅ４ごとに故障要因に関連して更にカテゴリー分けし、夫々のカテゴリーに対して状態指標値Ｄの回帰式を作成する方式が好ましい。つまり、状態指標値Ｄの回帰式作成には、上述したように過去の故障事例における複写機の内部情報を用いることになるが、過去に故障した複写機は、故障個所や故障要因がわかっているので、例えば故障要因を、紙送りトラブル（ジャムトラブル）、画質トラブル、機械トラブル等のカテゴリーに分け、その故障要因のカテゴリーごとに複写機の内部情報を利用して回帰式を作成するようにすればよい。

例えば紙送りトラブルであれば、紙送りトラブルの状態指標値Ｄ１の回帰式を作成する。紙送りトラブルに関する内部情報は、用紙ジャムフェイル、原稿ジャムフェイル、フェイル時のフィード数の間隔、ローカルフェイル（用紙位置を検出する位置検出器に関するフェイル）、消耗品の限界率等が挙げられる。ここで、消耗品の限界率とは、紙送りに用いられるロール、ソレノイド、モータ等の限界使用回数で現在の使用回数を割った値を意味する。したがって、紙送りトラブルの状態指標値Ｄ１の回帰式は、紙送りトラブルの状態指標値Ｄ１＝１／（１＋ｅｘｐ（−Ｘ））とすることができる。但し、Ｘ＝Ａ１×（用紙ジャムフェイル数の合計）＋Ｂ１×（原稿ジャムフェイル数の合計）＋Ｃ１×（フェイル間のフィード数の平均）＋Ｄ１×（紙送り全フィード数の合計）＋Ｅ１×（消耗品の限界率）である。この回帰式において、Ａ１〜Ｅ１の係数は、上記数１に示した式中のＫ１〜Ｋ３に相当するものであり、過去の故障事例の内部情報を利用して決定するようにすればよい。このとき、複写機の過去の故障事例で、サービスエンジニア（サービスマン）が紙送りトラブルの保守点検を実施する前の内部情報と保守点検を実施した後の内部情報（一部の内部情報は再設定される）から、保守点検前ならＤ１＝１とし、保守点検後ならＤ１＝０として、Ａ１〜Ｅ１の係数を求める。この手順は通常ロジスティック回帰分析と呼ばれている。

また、画質トラブルの状態指標値Ｄ２の回帰式は、画質にカテゴリー分けした内部情報を利用して作成される。この回帰式は、画質トラブルの状態指標値Ｄ２＝１／（１＋ｅｘｐ（−Ｙ））とすることができる。但し、Ｙ＝Ａ２×（システムフェイル数の合計）＋Ｂ２×（ローカルフェイル数の合計）＋Ｃ２×（画質に関わるセンサーの測定値）＋Ｄ２×（フェイル間のフィード数の平均）＋Ｅ２×（消耗品の限界率）である。ここで、消耗品の限界率は、画質に関わる消耗品で、ドラム、デベロッパー等の限界使用回数で現在の使用回数を割った値である。この回帰式において、Ａ２〜Ｅ２の係数は、上記数１に示した式中のＫ１〜Ｋ３に相当するものであり、紙送りトラブルの場合と同様に過去の故障事例の内部情報を利用して決定するようにすればよい。具体的には、サービスエンジニア（サービスマン）が過去に画質トラブルで訪問した日前後の内部情報からロジスティック回帰分析手法を使って、Ａ２〜Ｅ２の値を決定するようにすればよい。なお、過去の内部情報に関するデータが少ない場合には上述したように計算ができないことがある。更に、機種によって複写機の特性が異なるので、新規の新しい複写機導入時などの場合には、過去の故障事例の内部情報に関するデータがないので、他の機種の内部情報に関するデータを用いてもよい。

次に、故障予兆状態の判別処理について説明する。
図６は、故障予測装置１の制御部２４が行う故障予兆状態の判別処理の流れを示すフローチャートである。
例えばサービスエンジニア（サービスマン）が処理対象である複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄについて故障予兆判別を要求すると（Ｓ５５）、故障予兆状態の判別処理が開始される。故障予兆判別の要求時には、サービスエンジニアは、処理対象である複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの機械番号、データ収集日を入力部２３から入力するようにする。

故障予兆判別要求を受け付けた制御部２４は、まず、記憶部２２内の該当する内部情報、環境情報（温度湿度データ）及び使用情報を抽出する（Ｓ５６）。そして、環境情報（温度湿度データ）に基づいて回帰式の選定を行ってその回帰式に内部情報を入力して状態指標値Ｄを算出するとともに、使用情報から使用ファクタを算出し、算出した状態指標値Ｄに使用ファクタを乗じて故障危険度を算出する（Ｓ５７）。算出した故障危険度は、記憶部２２に機械番号、データ収集日、選定された回帰式の識別番号とともに記憶され（Ｓ５８）、表示部２５に機械番号、データ収集日とともに故障危険度が表示される（Ｓ５９）。但し、処理対象となる複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの機械番号とデータ収集日から既に故障危険度が計算され、記憶部２２に記憶されている場合には、記憶部２２から故障危険度を読み出し、表示部２５に機械番号、データ収集日とともに故障危険度を表示することが可能である。ここで、故障危険度の過去の履歴をグラフ化して表示する場合には、入力部２３から機械番号と表示したい日付の範囲を指定すればよく、上述の計算を自動的に繰り返し表示部２５に過去の履歴に相当するグラフを表示することが可能である。特に、状態指標値Ｄの回帰式として、故障要因ごとにカテゴリーを分類した態様にあっては、紙送りトラブルの故障危険度が、画質トラブルの故障危険度より大きな確率であれば、紙送りトラブルでの故障危険度が高いと判断でき、故障危険度の値を算出することができる。この値は、内部情報を与えたときにサービスエンジニアが保守点検が必要か否かの判定基準とすることができる。

本実施形態においては、故障危険度が０〜１の間の確率値として表示され、その値によって複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの故障予兆状態の程度を示す。所定の閾値（例えば０．５）未満ではサービスエンジニアがユーザーを訪問する必要がないと判断することが可能である。また、例えば０．５以上０．７以下の場合には、ユーザーまで訪問しなくても注意が必要ということでその処理対象である複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄを見守ることができる。また、所定の閾値（例えば０．７）を超えた場合には、その処理対象である複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの故障が近いと判断し、サービスエンジニア（サービスマン）の派遣を決定し、たとえユーザーから連絡がなくても、サービスエンジニア（サービスマン）がユーザーまで訪問し、予防メンテナンスを行うようにすればよい。これらの判別閾値については、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの機種によって特性が異なるため、実際に運用されてから閾値を変更することが好ましい（Ｓ６１）。
なお、複数の複写機について故障予兆判別を要求した場合には、他の処理対象についても同様な故障予兆判別処理が行われる。

また、故障予測装置１内の記憶部２２には、サービスエンジニアに付けられたコード番号と機械番号が関連づけられたデータが記憶されており、入力部２３からサービスエンジニアが自分のコードを入力すると、担当している機械番号の一覧を故障危険度とともに表示部２５に表示でき、保守点検の予防が必要な複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの全てを把握することが可能である。更に、故障予測装置１内の記憶部２２には、地域コードと機械番号とが関連づけられたデータが記憶されており、入力部２３から該当複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄが設置されている地域を特定できるコード、すなわち地域コードを入力すると、地域にある機械番号の一覧を故障危険度とともに表示部２５に表示でき、保守点検の予防が必要な複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの全てを把握することが可能である。

次に、回帰式の更新処理について説明する。
複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄで生じるフェイルの数は、使用条件、環境条件によっても変化することが経験的に知られているので、状態指標値Ｄを算出するための回帰式は、定期的に更新されるのが好ましい。例えばジャムフェイルは、湿度の関係から冬場増加することがわかっているので、季節の影響を反映させることを考えれば、定期的（例えば１ヶ月ごとで）又は不定期的に回帰式を再算出する方法がより好ましい。このとき、上述した判別閾値を変更してフェイルの変化に対応させることも可能であるが、回帰式を更新したほうがより良い。

なお、本実施形態では、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄから送信される管理情報を故障予測装置１で直接的に受信する場合について説明したが、サービスエンジニア等が所有している携帯情報端末（例えばノートパソコン、ＰＤＡ、携帯電話機等）から通信ネットワーク１１を介して管理情報を収集するようにしてもよい。この場合、サービスエンジニアが自分のコードを入力することで故障予測装置１にアクセスし、リモート操作で一連の故障予兆判別処理などを行うようにしてもよい。
また、本実施形態では、環境情報を利用して複数の回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４の中から状態指標値Ｄの算出に用いる回帰モデルを選定する例について説明したが、このような環境情報による選定作業を行わずに、予め決められた回帰モデルを用いるようにしてもよい。

以上、本実施形態に係る故障予測システムは、状態判別装置１と、その状態判別装置１による状態判別の対象となり得る対象機器としての複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄとを通信ネットワーク１１を介して通信可能に接続して構成されている。この状態判別装置１は、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態を示す状態指標値Ｄを算出するために用いる内部情報を用いて各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態を判別するもので、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報を使用情報と共に通信ネットワーク１１を介して収集する情報収集手段としての情報収集部２と、回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定する回帰モデル設定手段としての回帰モデル設定部３と、回帰モデル設定部３が設定した回帰モデル及び情報収集部２が収集した各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報を用いて上記状態指標値Ｄを算出する状態指標値算出手段としての状態指標値算出部５と、状態指標値算出部５が状態指標値Ｄを算出した時点から故障が発生するまでの予想猶予期間を示す猶予期間指標値としての使用ファクタＹを使用情報Ｘｉから算出するための算出式データが記憶された算出式データ記憶手段としての算出式データ記憶部と、情報収集部２が収集した使用情報Ｘｉ及び算出式データ記憶部に記憶されている算出式データを用いて使用ファクタＹを算出する猶予期間指標値算出手段としての使用ファクタ算出部６と、状態指標値算出部５が算出した状態指標値Ｄ及び使用ファクタ算出部６が算出した使用ファクタＹから故障危険度を算出する故障危険度算出手段としての故障危険度算出部７と、故障危険度算出部７が算出した故障危険度に基づいて当該複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態を判別する判別手段としての故障予測判断部８とを有している。この故障予測システムによれば、状態指標値算出部５が状態指標値Ｄを算出した時点から故障が発生するまでの予想猶予期間を示す使用ファクタ（猶予期間指標値）Ｙを考慮した故障危険度を算出することができる。よって、故障危険度の高さと実際に故障が発生するまでの期間との間の整合性が高い故障予測が可能となる。
また、本実施形態において、情報収集部２は、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの内部情報及び使用情報と共に環境情報である温度湿度データも収集し、回帰モデル設定部３は、環境（温度・湿度）に応じて区分される複数の回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定し、情報収集部２が収集した温度湿度データに基づいて回帰モデル設定部３の回帰モデルを選定する回帰モデル選定手段としての回帰モデル選定部４を設け、状態指標値算出部５は、回帰モデル選定部４が選定した回帰モデルを用いて状態指標値Ｄを算出する。これにより、温度、湿度などの環境の違いによる故障予測結果のブレを少なくし、より正確な故障予測が可能となる。
また、本実施形態では、ロジスティック回帰分析を利用して回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定するので、より正確な回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を簡単に設定することが可能となる。
また、本実施形態では、回帰モデル設定部３が回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を設定する際に用いる複写機の内部情報には、複写機が故障したときの内部情報と故障した複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄを修理した後の内部情報とを含むので、過去の故障事例を利用して回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を簡単に構築することができる。
また、本実施形態では、所定の更新条件が満たされたら回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を更新するので、季節の影響を有効に反映させ、故障をより正確に予測することが可能となる。
また、本実施形態において、回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４を故障要因に応じて更に区分して得られる複数の回帰モデルを設定してもよい。この場合、故障要因ごとの故障をより正確に予測することができる。
また、本実施形態において、故障予測判断部８は、故障危険度に応じて区分けされた複数の判別結果の中から、故障危険度算出部７が算出した故障危険度に対応する区分の判別結果を選択することにより、各複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄの状態を判別する。これにより、判別処理を容易化することができる。
特に、故障予測判断部８が用いる複数の判別結果を区分けする故障危険度の閾値を変更する変更手段を設ければ、故障予兆状態の判断基準を微調整することができる。
また、本実施形態では、少なくとも故障危険度が最も高い区分に属する判別結果では、保守点検専門家の派遣を決定する状態であると判別するので、複写機１０Ａ，１０Ｂ，１０Ｃ，１０Ｄに故障が発生する前に保守点検作業者を派遣し、事前に保守点検作業を行うことが可能となる。
また、本実施形態では、故障予測判断部８の判別結果を表示する表示手段としての表示部９，２５を設けているので、故障の予測結果を正確に把握することができる。

１ 故障予測装置
２ 情報収集部
３ 回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４設定部
４ 回帰モデルＭ１，Ｍ２，Ｍ３，Ｍ４選定部
５ 状態指標値算出部
６ 使用ファクタ算出部
７ 故障危険度算出部
８ 故障予測判断部
１０Ａ，１０Ｂ，１０Ｃ，１０Ｄ 複写機
１１ 通信ネットワーク
２１ 通信部
２２ 記憶部
２３ 入力部
２４ 制御部
２５ 表示部
３１ 作像部
３２ 記憶部
３３ 通信部
３４ 制御部
３６ 温度検出器
３７ 湿度検出器
３８ 位置検出器
３９ 用紙計数器

特開２００８−２５８８９７号公報

Claims (14)

1. 対象機器の内部情報を用いて該対象機器の状態を示す状態指標値を算出し、算出した状態指標値に基づいて該対象機器の状態を判別する状態判別装置であって、
   上記対象機器の内部情報を使用情報と共に収集する情報収集手段と、
   回帰モデルを設定する回帰モデル設定手段と、
   回帰モデル設定手段が設定した回帰モデル及び該情報収集手段が収集した該対象機器の内部情報を用いて、上記状態指標値を算出する状態指標値算出手段と、
   該状態指標値算出手段が状態指標値を算出した時点から故障が発生するまでの予想猶予期間を示す猶予期間指標値を使用情報から算出するための算出式データが記憶された算出式データ記憶手段と、
   該情報収集手段が収集した使用情報及び該算出式データ記憶手段に記憶されている算出式データを用いて上記猶予期間指標値を算出する猶予期間指標値算出手段と、
   該状態指標値算出手段が算出した状態指標値及び該猶予期間指標値算出手段が算出した猶予期間指標値から故障危険度を算出する故障危険度算出手段と、
   該故障危険度算出手段が算出した故障危険度に基づいて、該対象機器の状態を判別する判別手段とを有することを特徴とする状態判別装置。
2. 請求項１の状態判別装置において、
   上記情報収集手段は、対象機器の内部情報及び使用情報と共に環境情報も収集するものであり、
   上記回帰モデル設定手段は、環境に応じて区分される複数の回帰モデルを設定するものであり、
   上記情報収集手段が収集した環境情報に基づいて該回帰モデル設定手段の回帰モデルを選定する回帰モデル選定手段を設け、
   上記状態指標値算出手段は、該回帰モデル選定手段が選定した回帰モデルを用いて上記状態指標値を算出することを特徴とする状態判別装置。
3. 請求項１又は２の状態判別装置において、
   上記回帰モデル設定手段は、ロジスティック回帰分析を利用して上記回帰モデルを設定するものであることを特徴とする状態判別装置。
4. 請求項１乃至３のいずれか１項に記載の状態判別装置において、
   上記回帰モデル設定手段は、対象機器の内部情報を用いて上記回帰モデルを設定するものであり、
   上記回帰モデル設定手段が該回帰モデルを設定する際に用いる対象機器の内部情報には、対象機器が故障したときの内部情報と故障した対象機器を修理した後の内部情報とを含むことを特徴とする状態判別装置。
5. 請求項１乃至４のいずれか１項に記載の状態判別装置において、
   上記回帰モデル設定手段は、所定の更新条件が満たされたら上記回帰モデルを更新することを特徴とする状態判別装置。
6. 請求項１乃至５のいずれか１項に記載の状態判別装置において、
   上記回帰モデル設定手段は、上記回帰モデルを故障要因に応じて区分して得られる複数の回帰モデルを設定することを特徴とする状態判別装置。
7. 請求項１乃至６のいずれか１項に記載の状態判別装置において、
   上記判別手段は、故障危険度に応じて区分けされた複数の判別結果の中から、故障危険度算出手段が算出した故障危険度に対応する区分の判別結果を選択することにより、上記対象機器の状態を判別することを特徴とする状態判別装置。
8. 請求項７の状態判別装置において、
   上記判別手段が用いる複数の判別結果を区分けする故障危険度の閾値を変更する変更手段を有することを特徴とする状態判別装置。
9. 請求項７又は８の状態判別装置において、
   上記判別手段は、少なくとも故障危険度が最も高い区分に属する判別結果では、保守点検専門家の派遣を決定する状態であると判別することを特徴とする状態判別装置。
10. 請求項１乃至９のいずれか１項に記載の状態判別装置において、
    上記判別手段の判別結果を表示する表示手段を有することを特徴とする状態判別装置。
11. 請求項１乃至１０のいずれか１項に記載の状態判別装置において、
    上記情報収集手段は、各対象機器から定期的に内部情報及び使用情報を収集することを特徴とする状態判別装置。
12. 請求項１乃至１１のいずれか１項に記載の状態判別装置において、
    上記情報収集手段は、各対象機器を特定する機器特定情報、及び、対象機器の内部情報、使用情報が収集される情報収集日時情報も併せて収集することを特徴とする状態判別装置。
13. 請求項１乃至１２のいずれか１項に記載の状態判別装置において、
    上記対象機器として記録材上に画像を形成する画像形成装置の状態を判別することを特徴とする状態判別装置。
14. 請求項１乃至１３のいずれか１項に記載の状態判別装置と、該状態判別装置による状態判別の対象となり得る対象機器とを、通信ネットワークを介して通信可能に接続してなる故障予測システムであって、
    上記状態判別装置の情報収集手段は、各対象機器の内部情報及び使用情報を通信ネットワークを介して収集するものであることを特徴とする故障予測システム。

Images