JP2013109483A

JP2013109483A - 障害予測システム、障害予測装置及びプログラム

Info

Publication number: JP2013109483A
Application number: JP2011252780A
Authority: JP
Inventors: Koki Uetoko; 弘毅上床
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2011-11-18
Filing date: 2011-11-18
Publication date: 2013-06-06
Anticipated expiration: 2031-11-18
Also published as: JP5867000B2

Abstract

【課題】監視対象の装置における障害発生の予測精度を高めることが可能な技術を提案する。
【解決手段】トラブル判定用確率分布蓄積部３０５に、画像形成装置１００の内部状態の特徴を示す複数種の特徴量の各々について、画像形成装置１００に障害が発生した場合の特徴量の発生頻度の分布と、画像形成装置１００に障害が発生しなかった場合の特徴量の発生頻度の分布とを記憶し、トラブル予兆判定部３０６が、監視対象の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報から各特徴量の値を算出し、当該算出した各特徴量の値とトラブル判定用確率分布蓄積部３０５に蓄積されている各分布に基づいて、監視対象の画像形成装置１００におけるトラブルの発生予兆確率を算出し、トラブル予兆通知部３０７が、トラブル予兆判定部３０６により算出されたトラブルの発生予兆確率を通知する。
【選択図】図１

Description

本発明は、障害予測システム、障害予測装置及びプログラムに関する。

例えば、用紙等の記録材に画像を形成して出力する画像形成装置において、その動作に支障をきたす障害（故障や不具合を含む）が発生すると、画像形成装置の利用者に不便を生じることになる。そこで、このような障害の発生について予測を行い、障害の発生に先立って或いは障害が発生した後に速やかに部品交換や修理等の必要な処置を施せるようにすることで、画像形成装置の利用が制限された状態となる時間を低減することが望まれている。

ここで、画像形成装置などの装置を対象とした障害予測に関して予測する種々の発明が提案されている。
例えば、駆動機構の動作状態信号の、予め定められている正常範囲に対するずれの程度に基づいて故障診断を行う発明が提案されている（特許文献１参照）。
また、例えば、センサデータから算出した指標値と閾値とを比較することにより故障種別を予測する発明が提案されている（特許文献２参照）。
また、例えば、異常予兆判定用の複数種の対象データと各基準値を比較し、対象データ毎に設定されている重みを付けて多数決により全体の異常予兆の有無を判定する発明が提案されている（特許文献３参照）。

特開２００５−０３３５５９号公報特開２００９−０２０３５１号公報特開２００９−０４２３６１号公報

本発明は、対象の装置に障害が発生する確率を精度良く算出することが可能な技術を提案することを目的とする。

請求項１に係る本発明は、装置の内部状態の特徴を示す複数種の特徴量の各々について、当該装置に障害が発生した場合の特徴量の発生頻度の分布を示す第１分布と、当該装置に障害が発生しなかった場合の特徴量の発生頻度の分布を示す第２分布とを記憶する記憶手段と、障害予測の対象となる装置における各特徴量の値を取得する取得手段と、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された各特徴量の第１分布及び第２分布とに基づいて、前記対象の装置における障害の発生確率を算出する算出手段と、前記算出手段により算出された障害の発生確率を通知する通知手段と、を備えたことを特徴とする障害予測システムである。

請求項２に係る本発明は、請求項１に係る本発明において、前記記憶手段は、障害の種類毎に、その種類の障害に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の種類毎の各特徴量の第１分布及び第２分布とに基づいて、障害の種類毎に、前記対象の装置における障害の発生確率を算出し、前記通知手段は、前記算出手段により算出された障害の種類毎の発生確率を通知する、ことを特徴とする障害予測システムである。

請求項３に係る本発明は、請求項１に係る本発明において、前記記憶手段は、障害の箇所毎に、その箇所に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の発生箇所毎の各特徴量の第１分布及び第２分布とに基づいて、障害の箇所毎に、前記対象の装置に障害が発生する確率を算出し、前記通知手段は、前記算出手段により算出された障害の箇所毎の発生確率を通知する、ことを特徴とする障害予測システムである。

請求項４に係る本発明は、請求項１に係る本発明において、前記記憶手段は、障害の種類毎に、その種類の障害に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、また、障害の箇所毎に、その箇所に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の種類毎の各特徴量の第１分布及び第２分布とに基づいて、障害の種類毎に、前記対象の装置における障害の発生確率を算出し、また、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の箇所毎の各特徴量の第１分布及び第２分布とに基づいて、障害の箇所毎に、前記対象の装置における障害の発生確率を算出し、前記通知手段は、前記算出手段により算出された障害の種類毎の発生確率と障害の箇所毎の発生確率を、障害の種類と障害の箇所との対応に従って障害の種類別に分類して通知する、ことを特徴とする障害予測システムである。

請求項５に係る本発明は、請求項１に係る本発明において、前記記憶手段は、障害の種類毎に、その種類の障害に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、また、障害の箇所毎に、その箇所に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の種類毎の各特徴量の第１分布及び第２分布とに基づいて、障害の種類毎に、前記対象の装置における障害の発生確率を算出し、また、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の箇所毎の各特徴量の第１分布及び第２分布とに基づいて、障害の箇所毎に、前記対象の装置における障害の発生確率を算出し、更に、障害の箇所毎の発生確率が閾値を超えか否かを判定し、閾値を超える箇所に対応する障害の種類を特定し、当該特定した種類についての障害の発生確率を増加させ、前記通知手段は、前記算出手段により算出された障害の種類毎の発生確率と障害の箇所毎の発生確率を、障害の種類と障害の箇所との対応に従って障害の種類別に分類して通知する、ことを特徴とする障害予測システムである。

請求項６に係る本発明は、装置の内部状態の特徴を示す複数種の特徴量の各々について、当該装置に障害が発生した場合の特徴量の発生頻度の分布を示す第１分布と、当該装置に障害が発生しなかった場合の特徴量の発生頻度の分布を示す第２分布とを記憶する記憶手段と、障害予測の対象となる装置における各特徴量の値を取得する取得手段と、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された各特徴量の第１分布及び第２分布とに基づいて、前記対象の装置における障害の発生確率を算出する算出手段と、前記算出手段により算出された障害の発生確率を通知する通知手段と、を備えたことを特徴とする障害予測装置である。

請求項７に係る本発明は、コンピュータに、装置の内部状態の特徴を示す複数種の特徴量の各々について、当該装置に障害が発生した場合の特徴量の発生頻度の分布を示す第１分布と、当該装置に障害が発生しなかった場合の特徴量の発生頻度の分布を示す第２分布とを記憶する記憶機能と、障害予測の対象となる装置における各特徴量の値を取得する取得機能と、前記取得機能により取得された各特徴量の値と前記記憶機能により記憶された各特徴量の第１分布及び第２分布とに基づいて、前記対象の装置における障害の発生確率を算出する算出機能と、前記算出機能により算出された障害の発生確率を通知する通知機能と、を実現させるためのプログラムである。

請求項１，６，７に係る本発明によれば、対象の装置における障害の発生確率を、本発明を適用しない場合に比べて精度良く算出することができる。

請求項２に係る本発明によれば、対象の装置における障害の発生確率を障害の種類毎に把握できるようになる。

請求項３に係る本発明によれば、対象の装置における障害の発生確率を障害の箇所毎に把握できるようになる。

請求項４に係る本発明によれば、対象の装置における障害の発生確率を障害の種類毎及び障害の箇所毎に把握できるようになり、更に、障害の種類と障害の箇所との対応をふまえて障害の発生確率を把握できるようになる。

請求項５に係る本発明によれば、対象の装置における障害の発生確率を障害の種類毎及び障害の箇所毎に把握できるようになり、更に、障害の種類と障害の箇所との対応をふまえて障害の発生確率を把握できるようになる。また、障害の種類毎の発生確率を、各障害の種類に対応する障害の箇所毎の発生確率を考慮して調整することができる。

本発明の一実施形態に係る障害予測システムの構成例を示す図である。トラブル判定用確率分布を生成する処理フローの例を示す図である。（ａ）は、トラブルが発生した期間における特徴量の算出値の頻度分布の例を示す図であり、（ｂ）は、トラブルが発生しなかった期間における特徴量の算出値の頻度分布の例を示す図である。トラブル発生確率を算出する処理フローの例を示す図である。トラブル発生確率を算出する処理フローの例を示す図である。発生予兆確率の通知例を示す図である。

本発明の一実施形態に係る障害予測システムについて、図面を参照して説明する。
図１には、本発明の一実施形態に係る障害予測システムの構成例を示してある。
本例の障害予測システムは、用紙等の記録材に画像を形成して出力する画像形成装置１００と、画像形成装置１００の管理者や保守担当者などに利用される保守情報入力端末２００と、を有している。図１の例では、２台の画像形成装置１００と２台の保守情報入力端末２００とを示してあるが、これらの台数は任意である。

また、本例の障害予測システムは、画像形成装置１００及び保守情報入力端末２００のそれぞれと通信網等を介して有線又は無線により通信可能に接続され、これらから収集した情報を用いて、各画像形成装置１００に障害（トラブル）が発生する確率を算出する管理装置３００を有している。図１の例では、管理装置３００を１台の装置により構成してあるが、後述する各機能部３０１〜３０６を複数台の装置に分散した構成としてもよい。

まず、画像形成装置１００について説明する。
画像形成装置１００は、用紙等の記録材に画像を形成して出力する画像形成機能を備えた装置である。画像形成装置１００としては、プリンタ（文書印刷装置）、コピー機（文書複写装置）、ファクシミリ装置（文書転送装置）などの装置が挙げられるほか、これらの装置の機能を複合的に備えた複合機も含まれる。

ここで、本例の画像形成装置１００は、その内部状態を示す複数の監視パラメータの値を画像形成動作中に随時検出する機能を有している。監視パラメータは、トラブルの発生の予測に寄与し得るパラメータとして予め定められたものであり、例えば、帯電電圧、現像バイアス、レーザ光量、トナー濃度等が挙げられる。監視パラメータの検出値としては、その監視パラメータに該当する部位で計測された計測値を用いてもよく、各部位を制御するための目標値を用いてもよく、計測値と目標値との差分などの他の種別の値を用いてもよい。

本例の画像形成装置１００では、１ページ或いは複数ページに係る画像形成処理の実行を指示するジョブ命令を受け付けると、当該ジョブ命令に従って画像を用紙に形成して出力する毎（１ページ毎）に各監視パラメータの値を検出し、当該ジョブ命令に係る全ての画像形成処理の終了後に、各監視パラメータの検出値を格納したマシン情報を管理装置６０へ送信する。
なお、本例において画像形成処理のジョブ命令毎に管理装置３００へ送信するマシン情報は、自装置を識別する装置ＩＤ、当該ジョブ命令を識別するジョブＩＤ、当該ジョブ命令に基づく画像形成処理毎の各監視パラメータの検出値及び検出日時などを格納した構造のデータとなっている。

ここで、上記のように、ジョブ命令に基づく画像形成処理の終了毎にマシン情報を管理装置３００へ送信する構成に代えて、マシン情報をメモリに一時的に蓄積しておき、予め定められた送信条件を満たしたことを契機に、蓄積しておいた未送信のマシン情報を送信する構成を採用してもよい。具体的には、例えば、予め定められた時間の経過を送信条件とし、当該時間の経過毎（例えば１時間毎）に送信してもよく、管理装置６０からの要求を送信条件とし、当該要求に応答して送信してもよい。

次に、保守情報入力端末２００について説明する。
本例の保守情報入力端末２００は、画像形成装置１００の設置場所に訪問して保守作業を実際に行った保守担当者やその報告を受けた者などから、その保守作業に関する保守情報の入力を受け付けて、管理装置３００へ送信する。また、本例の保守情報入力端末２００は、画像形成装置１００におけるトラブル発生の予測結果の情報を管理装置３００から受信して、保守情報入力端末２００に設けられた表示装置により表示出力する。
なお、本例の保守情報入力端末２００が管理装置３００へ送信する保守情報は、保守作業の対象となった画像形成装置１００を識別する装置ＩＤ、当該保守作業が実施された日時を示す保守日時、当該保守作業により除去されたトラブルの種類を示すトラブル種類、当該トラブルが発生した日時を示すトラブル日時、当該トラブルが発生した箇所を示すトラブル発生箇所などを格納した構造のデータとなっている。すなわち、保守情報は、トラブル発生事例の情報ともいえる。

次に、管理装置３００について説明する。
本例の管理装置３００は、画像形成装置１００におけるトラブルの発生について予測する装置であり、保守・マシン情報収集部３０１、保守情報蓄積部３０２、マシン情報蓄積部３０３、トラブル判定用確率分布生成部３０４、トラブル判定用確率分布蓄積部３０５、トラブル予兆判定部３０６、トラブル予兆判定部３０７を有している。

保守・マシン情報収集部３０１は、画像形成装置１００から送信されるマシン情報を収集（受信）してマシン情報蓄積部３０３に記憶させ、また、保守情報入力端末２００から送信される保守情報を収集（受信）して保守情報蓄積部３０２に記憶させる。
上述したように、監視情報蓄積部３０３に蓄積（記憶）されるマシン情報には、画像形成装置１０を識別する装置ＩＤ、当該画像形成装置１０で受けたジョブ命令を識別するジョブＩＤ、当該ジョブ命令に基づく画像形成処理毎の各監視パラメータの検出値及び検出日時などの情報が記録されている。また、保守情報蓄積部３０２に蓄積（記憶）される保守情報には、画像形成装置１００を識別する装置ＩＤ、当該画像形成装置１００に保守作業が施された日時を示す保守日時、保守作業により当該画像形成装置１００から除去されたトラブルの種類を示すトラブル種類、当該トラブルが発生した日時を示すトラブル日時、当該トラブルが発生した箇所を示すトラブル発生箇所などの情報が記録されている。

トラブル判定用確率分布生成部３０４は、保守情報蓄積部３０２に蓄積されている保守情報及びマシン情報蓄積部３０３に蓄積されているマシン情報に基づいて、トラブル予兆判定部３０６にて使用されるトラブル判定用確率分布を生成し、トラブル判定用確率分布蓄積部３０５に記憶させる。本例では、トラブル種類の判定に使用されるトラブル種類判定用確率分布と、トラブル発生箇所の判定に使用されるトラブル発生箇所判定用確率分布を生成する。

トラブル予兆判定部３０６は、障害予測対象（障害の発生確率の算出対象）の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報と、トラブル判定用確率分布蓄積部３０５に蓄積されているトラブル判定用確率分布に基づいて、障害予測対象の画像形成装置１００におけるトラブルの発生予兆確率を算出する。

トラブル予兆通知部３０７は、トラブル予兆判定部３０６により算出された障害予測対象の画像形成装置１００におけるトラブルの発生予兆確率を通知する。具体的には、例えば、算出結果（発生予兆確率）の情報を保守情報入力端末２００へ送信し、保守情報入力端末２００に設けられた表示装置により表示出力される。

トラブル判定用確率分布生成部３０４におけるトラブル判定用確率分布の生成を、図２に例示する処理フローを用いて説明する。
まず、保守情報蓄積部３０２を参照して、トラブル発生事例（保守情報）を抽出する（ステップＳ１１）。
次に、トラブル発生事例（保守情報）に対応する監視情報蓄積部３０３のマシン情報を参照して、トラブルが発生した（保守作業が施された）画像形成装置１００について、その装置に発生したトラブル種類との対応が予め設定された（その種類のトラブルの発生の予測に寄与し得る）監視パラメータ毎に、期間ΔＴ_１単位ずつデータ（検出値）を取得する（ステップＳ１２）。例えば、濃度変動に関わる画質トラブルの場合には、監視パラメータとして、帯電電圧、現像バイアス、レーザ光量等のデータを取得する。なお、期間ΔＴ_１は任意であり、比較的短い期間（例えば、１ジョブ単位、数ジョブ単位、１日単位、数日単位）が用いられる。

次に、トラブル種類毎に用意された１又は複数の特徴量算出部（図示せず）を用いて、画像形成装置１００毎に、その装置に発生したトラブル種類に関して期間ΔＴ_１単位ずつ取得した監視パラメータのデータに基づく特徴量を算出する（ステップＳ１３）。特徴量としては、ジョブ単位或いは１日単位の期間における監視パラメータのデータの標準偏差、数ジョブ単位或いは数日単位の期間における監視パラメータ間のデータ推移の相関係数、等が挙げられる。算出する特徴量の種類はトラブル種類毎に予め規定されており、その種類のトラブルの発生に関連して特徴的に変化する複数種類の特徴量を算出する。

次に、画像形成装置１００毎に、その装置に発生したトラブル種類に対応する複数種類の特徴量の各々について、トラブル発生日時以前の期間ΔＴ_２における特徴量の算出値の頻度分布（ヒストグラム）と、期間ΔＴ_２以外の期間における特徴量の算出値の頻度分布（ヒストグラム）を作成する（ステップＳ１４）。すなわち、図３（ａ）に例示するようなトラブル有りの頻度分布（トラブルが発生した期間における特徴量の算出値の頻度分布）と、図３（ｂ）に例示するようなトラブル無しの頻度分布（トラブルが発生しなかった期間における特徴量の算出値の頻度分布）を作成する。なお、特徴量の算出値の頻度分布は、特徴量の取り得る値の範囲を一定幅で区切った区間毎に、特徴量の算出値の個数（頻度値）を計数することで作成できる。また、期間ΔＴ_２は任意であり、期間ΔＴ_１より長い期間（例えば、５日間）が用いられる。
そして、画像形成装置１００毎に、その装置に発生したトラブル種類に対応する複数種類の特徴量の各々について作成した２つの頻度分布（トラブル有りの頻度分布とトラブル無しの頻度分布）における頻度値をそれぞれ正規化し、その結果をトラブル種類判定用確率分布としてトラブル判定用確率分布蓄積部３０５に記憶させる（ステップＳ１５）。
なお、装置間の特徴量のばらつきを補正するために、画像形成装置１００毎に各特徴量の平均値と標準偏差を算出し、特徴量を規格化して頻度分布を作成してもよい。

また、同様の手順により、トラブル発生箇所判定用確率分布を作成する。
すなわち、保守情報蓄積部３０２を参照して、トラブル発生事例（保守情報）を抽出する（ステップＳ１１）。
次に、トラブル発生事例（保守情報）に対応する監視情報蓄積部３０３のマシン情報を参照して、トラブルが発生した（保守作業が施された）画像形成装置１００について、その装置におけるトラブル発生箇所との対応が予め設定された（その箇所のトラブルの発生の予測に寄与し得る）監視パラメータ毎に、期間ΔＴ_１単位ずつデータ（検出値）を取得する（ステップＳ１２）。例えば、現像系が原因のトラブルの場合には、監視パラメータとして、現像バイアス、トナー濃度等のデータを取得する。

次に、トラブル発生箇所毎に用意された１又は複数の特徴量算出部（図示せず）を用いて、画像形成装置１００毎に、その装置のトラブル発生箇所に関して期間ΔＴ_１単位ずつ取得した監視パラメータのデータに基づく特徴量を算出する（ステップＳ１３）。算出する特徴量の種類はトラブル発生箇所毎に予め規定されており、その箇所のトラブルの発生に関連して特徴的に変化する複数種類の特徴量を算出する。

次に、画像形成装置１００毎に、その装置におけるトラブル発生箇所に対応する複数種類の特徴量の各々について、トラブル発生日時以前の期間ΔＴ_２における特徴量の算出値の頻度分布（ヒストグラム）と、期間ΔＴ_２以外の期間における特徴量の算出値の頻度分布（ヒストグラム）を作成する（ステップＳ１４）。
そして、画像形成装置１００毎に、その装置におけるトラブル発生箇所に対応する複数種類の特徴量の各々について作成した２つの頻度分布（トラブル有りの頻度分布とトラブル無しの頻度分布）における頻度値をそれぞれ正規化し、その結果をトラブル発生箇所判定用確率分布としてトラブル判定用確率分布蓄積部３０５に記憶させる（ステップＳ１５）。

なお、本例では、トラブル種類に対応する特徴量毎の正規化後の頻度分布をトラブル種類判定用確率分布として、画像形成装置１００毎に、トラブル判定用確率分布蓄積部３０５に記憶させているが、全ての画像形成装置１００分のトラブル種類に対応する特徴量毎の正規化後の頻度分布から、それぞれ平均頻度分布を算出して、これをトラブル種類判定用確率分布として、トラブル判定用確率分布蓄積部３０５に記憶させてもよい。
また、本例では、トラブル発生箇所に対応する特徴量毎の正規化後の頻度分布をトラブル発生箇所判定用確率分布として、画像形成装置１００毎に、トラブル判定用確率分布蓄積部３０５に記憶させているが、全ての画像形成装置１００分のトラブル発生箇所に対応する特徴量毎の正規化後の頻度分布から、それぞれ平均頻度分布を算出して、これをトラブル発生箇所判定用確率分布として、トラブル判定用確率分布蓄積部３０５に記憶させてもよい。

次に、トラブル予兆判定部３０６によるトラブル発生確率の算出について説明する。本例では、トラブルの発生確率を［方法１］〜[方法４]の４種類により算出できるようにしてあり、［方法１］〜［方法３］に係る処理フローの例を図４に、［方法４］に係る処理フローの例を図５に示してある。

［方法１］
まず、障害予測対象の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報を参照して、特徴量の算出に必要な分の監視パラメータのデータを取得し（ステップＳ２１）、トラブル判定用確率分布生成部３０４と同様の手法により各特徴量の算出を行う（ステップＳ２２）。
次に、トラブル判定用確率分布蓄積部３０５からトラブル種類判定用確率分布を取得し（ステップＳ２３）、トラブル種類毎に、その種類のトラブルが障害予測対象の画像形成装置１００に近い将来に発生する確率（発生予兆確率）を算出する（ステップＳ２４）。

本例では、トラブル発生確率の算出対象となるトラブル種類をトラブルＴとし、障害予測対象の画像形成装置１００における直近のマシン情報に含まれるｍ種のパラメータｐ_ｊ（１≦ｊ≦ｍ）に基づいて算出された、トラブルＴに関するｎ種の特徴量Ｘ_ｉ（１≦ｉ≦ｎ）の各値をそれぞれｘ_ｉとして、（式１）により、障害予測対象の画像形成装置１００にトラブルＴが発生する確率を算出する。なお、（式１）は、各々の特徴量の間に相関が無いことを前提としている。

ここで、Ｐ（Ｔ＝ｙｅｓ）は、トラブルＴが発生する確率（事前確率）であり、Ｐ（Ｔ＝ｎｏ）は、トラブルＴが発生しない確率（事前確率）であり、Ｐ（Ｔ＝ｙｅｓ）＋Ｐ（Ｔ＝ｎｏ）＝１という関係を有する。
また、Ｐ（ｘ_ｉ｜（Ｔ＝ｙｅｓ））は、トラブルＴが発生した場合にｉ番目の特徴量Ｘ_ｉの値がｘ_ｉであった確率であり、トラブルＴに対応する特徴量Ｘ_ｉについてのトラブル種類判定用確率分布（トラブル有り）におけるｘ_ｉの確率を用いる。
また、Ｐ（ｘ_ｉ｜（Ｔ＝ｎｏ））は、トラブルＴが発生しなかった場合にｉ番目の特徴量Ｘ_ｉの値がｘ_ｉであった確率であり、トラブルＴに対応する特徴量Ｘ_ｉについてのトラブル種類判定用確率分布（トラブル無し）におけるｘ_ｉの確率を用いる。

すなわち、（式１）では、トラブルＴが発生する確率（事前確率）と、トラブルＴが発生した場合にｎ種の特徴量Ｘ_ｉ（１≦ｉ≦ｎ）の各値として（ｘ_１，ｘ_２，・・・，ｘ_ｎ）という組み合わせが得られた確率とを乗じた値［Ｐ（Ｔ＝ｙｅｓ）・ΠＰ（ｘ_ｉ｜（Ｔ＝ｙｅｓ））］、及び、トラブルＴが発生しない確率（事前確率）と、トラブルＴが発生しなかった場合にｎ種の特徴量Ｘ_ｉ（１≦ｉ≦ｎ）の各値として（ｘ_１，ｘ_２，・・・，ｘ_ｎ）という組み合わせが得られた確率とを乗じた値［Ｐ（Ｔ＝ｎｏ）・ΠＰ（ｘ_ｉ｜（Ｔ＝ｎｏ））］を用いて、障害予測対象の画像形成装置１００にトラブルＴが発生する確率［Ｐ（（Ｔ＝ｙｅｓ）｜ｘ_１，ｘ_２，・・・，ｘ_ｎ）］を算出する。

その後、トラブル種類毎に算出した発生予兆確率を通知する（ステップＳ２５）。
なお、算出した全ての発生予兆確率を通知してもよく、予め定めた閾値を超えたものだけを通知してもよい。また、複数の発生予兆確率を通知する場合には、確率が高い順に通知することが好ましい。発生予兆確率の通知は、例えば、保守情報入力端末２００に設けられた表示装置により表示出力することにより行われる。
図６（ａ）には、トラブル種類毎の発生予兆確率をリスト形式で通知する例が示してあり、トラブル種類毎の発生予兆確率が確率の高い順に表示されている。

［方法２］
まず、障害予測対象の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報を参照して、特徴量の算出に必要な分の監視パラメータのデータを取得し（ステップＳ２１）、トラブル判定用確率分布生成部３０４と同様の手法により各特徴量の算出を行う（ステップＳ２２）。
次に、トラブル判定用確率分布蓄積部３０５からトラブル発生箇所判定用確率分布を取得し（ステップＳ２６）、トラブル発生箇所毎に、その箇所のトラブルが障害予測対象の画像形成装置１００に近い将来に発生する確率（発生予兆確率）を算出する（ステップＳ２７）。
本例では、トラブル発生確率の算出対象となるトラブル発生箇所をトラブルＴとし、障害予測対象の画像形成装置１００における直近のマシン情報に基づいて算出された、トラブルＴに関するｎ種の特徴量Ｘ_ｉ（１≦ｉ≦ｎ）の各値をそれぞれｘ_ｉとして、（式１）により、障害予測対象の画像形成装置１００にトラブルＴが発生する確率を算出する。

その後、トラブル発生箇所毎に算出した発生予兆確率を通知する（ステップＳ２５）。
なお、算出した全ての発生予兆確率を通知してもよく、予め定めた閾値を超えたものだけを通知してもよい。また、複数の発生予兆確率を通知する場合には、確率が高い順に通知することが好ましい。発生予兆確率の通知は、例えば、保守情報入力端末２００に設けられた表示装置により表示出力することにより行われる。
図６（ｂ）には、トラブル発生箇所毎の発生予兆確率をリスト形式で通知する例が示してあり、トラブル発生箇所毎の発生予兆確率が確率の高い順に表示されている。

［方法３］
まず、障害予測対象の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報を参照して、特徴量の算出に必要な分の監視パラメータのデータを取得し（ステップＳ２１）、トラブル判定用確率分布生成部３０４と同様の手法により各特徴量の算出を行う（ステップＳ２２）。
次に、トラブル判定用確率分布蓄積部３０５からトラブル種類判定用確率分布を取得し（ステップＳ２３）、トラブル種類毎に、その種類のトラブルが障害予測対象の画像形成装置１００に近い将来に発生する確率（発生予兆確率）を算出する（ステップＳ２４）。
また、トラブル判定用確率分布蓄積部３０５からトラブル発生箇所判定用確率分布を取得し（ステップＳ２６）、トラブル発生箇所毎に、その箇所のトラブルが障害予測対象の画像形成装置１００に近い将来に発生する確率（発生予兆確率）を算出する（ステップＳ２７）。

その後、トラブル種類毎に算出した発生予兆確率とトラブル発生箇所毎に算出した発生予兆確率をトラブル種類別に分類して通知する（ステップＳ２９）。トラブル発生箇所毎の発生予兆確率をトラブル種類別に分類するには、例えば、トラブル種類とトラブル発生箇所とを対応付けた対応表を予め用意しておき、当該対応表に従って行えばよい。
なお、算出した全ての発生予兆確率を通知してもよく、予め定めた閾値を超えたものだけを通知してもよい。また、複数の発生予兆確率を通知する場合には、確率が高い順に通知することが好ましい。発生予兆確率の通知は、例えば、保守情報入力端末２００に設けられた表示装置により表示出力することにより行われる。
図６（ｃ）には、トラブル種類毎の発生予兆確率とトラブル発生箇所毎の発生予兆確率をトラブル種類別に分類してリスト形式で通知する例が示してあり、トラブル種類毎の発生予兆確率が確率の高い順に表示されると共に、トラブル種類毎に対応するトラブル発生箇所の発生予兆確率が確率の高い順に表示されている。

［方法４］
まず、障害予測対象の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報を参照して、特徴量の算出に必要な分の監視パラメータのデータを取得し（ステップＳ２１）、トラブル判定用確率分布生成部３０４と同様の手法により各特徴量の算出を行う（ステップＳ２２）。
次に、トラブル判定用確率分布蓄積部３０５からトラブル種類判定用確率分布を取得し（ステップＳ２３）、トラブル種類毎に、その種類のトラブルが障害予測対象の画像形成装置１００に近い将来に発生する確率（発生予兆確率）を算出する（ステップＳ２４）。
また、トラブル判定用確率分布蓄積部３０５からトラブル発生箇所判定用確率分布を取得し（ステップＳ２６）、トラブル発生箇所毎に、その箇所のトラブルが障害予測対象の画像形成装置１００に近い将来に発生する確率（発生予兆確率）を算出する（ステップＳ２７）。

次に、トラブル発生箇所毎に算出した発生予兆確率の各々を予め定めた閾値と比較し（ステップＳ３１）、確率が閾値以上のトラブル発生箇所について、当該箇所を主原因とするトラブル種類を特定し、当該トラブル種類の発生予兆確率を予め定めた割合だけ増加させる補正を行う（ステップＳ３２）。なお、トラブル種類の特定は、例えば、トラブル種類とトラブル発生箇所との対応表に従って行えばよい。
このトラブル種類毎の発生予兆確率を補正する処理（ステップＳ３１，３２）を全てのトラブル発生箇所について行った後（ステップＳ３３）、トラブル種類毎に算出した発生予兆確率（補正前及び補正後）とトラブル発生箇所毎に算出した発生予兆確率をトラブル種類別に分類して通知する（ステップＳ３４）。トラブル発生箇所毎の発生予兆確率をトラブル種類別に分類するには、例えば、トラブル種類とトラブル発生箇所との対応表に従って行えばよい。

なお、算出した全ての発生予兆確率を通知してもよく、予め定めた閾値を超えたものだけを通知してもよい。また、複数の発生予兆確率を通知する場合には、確率が高い順に通知することが好ましい。
図６（ｄ）には、トラブル種類毎の発生予兆確率（補正前及び補正後）とトラブル発生箇所毎の発生予兆確率をトラブル種類別に分類してリスト形式で通知する例が示してあり、トラブル種類毎の発生予兆確率が補正後の確率の高い順に表示されると共に、トラブル種類毎に対応するトラブル発生箇所の発生予兆確率が確率の高い順に表示されている。

以上のように、本例の障害予測システムでは、管理装置３００のトラブル判定用確率分布蓄積部３０５に、画像形成装置１００の内部状態の特徴を示す複数種の特徴量の各々について、画像形成装置１００に障害が発生した場合の特徴量の発生頻度の分布を示すトラブル判定用確率分布と、画像形成装置１００に障害が発生しなかった場合の特徴量の発生頻度の分布を示すトラブル判定用確率分布とを記憶しており、管理装置３００のトラブル予兆判定部３０６が、障害予測対象の画像形成装置１００についてマシン情報蓄積部３０３に蓄積されている直近のマシン情報から各特徴量の値を算出し、当該算出した各特徴量の値とトラブル判定用確率分布蓄積部３０５に蓄積されている各特徴量のトラブル判定用確率分布に基づいて、障害予測対象の画像形成装置１００におけるトラブルの発生予兆確率を算出し、管理装置３００のトラブル予兆通知部３０７が、トラブル予兆判定部３０６により算出されたトラブルの発生予兆確率を通知するようにした。

すなわち、障害予測対象の画像形成装置１００における直近の各特徴量の値を算出し、当該算出した各特徴量の値と同様な値の組み合わせが得られた過去の事例においてトラブルが発生した確率及び発生しなかった確率を考慮して、障害予測対象の画像形成装置１００に近い将来にトラブルが発生する確率を算出するため、トラブルの発生確率を精度良く算出することができる。

ここで、本例の障害予測システムにおける管理装置３００は、各種演算処理を行うＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＣＰＵの作業領域となるＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）や基本的な制御プログラムを記録したＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）等の主記憶装置、各種のプログラムやデータを記憶するＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）等の補助記憶装置、各種の情報を表示出力するための表示装置及び操作者により入力操作に用いられる操作ボタンやタッチパネル等の入力機器とのインタフェースである入出力Ｉ／Ｆ、他の装置との間で有線又は無線により通信を行うインタフェースである通信Ｉ／Ｆ、等のハードウェア資源を有するコンピュータにより構成されている。

そして、本発明に係るプログラムを補助記憶装置等から読み出してＲＡＭに展開し、これをＣＰＵにより実行させることで、本発明に係る障害予測装置の機能を管理装置３００のコンピュータ上に実現している。
すなわち、本発明に係る記憶手段の機能をトラブル判定用確率分布蓄積部３０５により実現し、本発明に係る取得手段及び算出手段の機能をトラブル予兆判定部３０６により実現し、本発明に係る通知手段の機能をトラブル予兆通知部３０７により実現している。
なお、これらの機能部３０５〜３０７を画像形成装置１００に設け、作成したトラブル判定用確率分布を各画像形成装置１００に配布して記憶させる構成とすれば、画像形成装置１００単体で自己の障害予測を行うことができる。

また、トラブル判定用確率分布の作成に用いられる画像形成装置１００と障害予測対象の画像形成装置１００は、同じ装置であっても良く、異なる装置であってもよい。すなわち、サンプルとなる１以上の画像形成装置１００（障害予測対象の画像形成装置１００が含まれてもよい）における過去のマシン情報及び保守情報に基づいてトラブル判定用確率分布を作成しておくことで、障害予測対象の画像形成装置１００におけるトラブルの発生確率を算出することができる。
また、画像形成装置１００ではない装置を障害予測対象とするようにしてもよい。すなわち、内部状態を示す複数種の特徴量を算出可能な１以上の装置における過去のマシン情報及び保守情報に基づいてトラブル判定用確率分布を作成しておくことで、これと同種の装置を障害予測対象としてトラブルの発生確率を算出することができる。

また、本発明に係るプログラムは、例えば、当該プログラムを記憶したＣＤ−ＲＯＭ等の外部記憶媒体から読み込む形式や、通信網等を介して受信する形式などにより、本例に係るコンピュータに設定される。
また、本例のようなソフトウェア構成により各機能部を実現する態様に限られず、それぞれの機能部を専用のハードウェアモジュールで実現するようにしてもよい。

１００：画像形成装置、２００：保守情報入力端末、管理装置３００、
３０１：保守・マシン情報収集部、３０２：保守情報蓄積部、３０３：マシン情報蓄積部、３０４：トラブル判定用確率分布生成部、３０５：トラブル判定用確率分布蓄積部、３０６：トラブル予兆判定部、３０７：トラブル予兆通知部

Claims

装置の内部状態の特徴を示す複数種の特徴量の各々について、当該装置に障害が発生した場合の特徴量の発生頻度の分布を示す第１分布と、当該装置に障害が発生しなかった場合の特徴量の発生頻度の分布を示す第２分布とを記憶する記憶手段と、
障害予測の対象となる装置における各特徴量の値を取得する取得手段と、
前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された各特徴量の第１分布及び第２分布とに基づいて、前記対象の装置における障害の発生確率を算出する算出手段と、
前記算出手段により算出された障害の発生確率を通知する通知手段と、
を備えたことを特徴とする障害予測システム。
前記記憶手段は、障害の種類毎に、その種類の障害に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、
前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の種類毎の各特徴量の第１分布及び第２分布とに基づいて、障害の種類毎に、前記対象の装置における障害の発生確率を算出し、
前記通知手段は、前記算出手段により算出された障害の種類毎の発生確率を通知する、
ことを特徴とする請求項１に記載の障害予測システム。
前記記憶手段は、障害の箇所毎に、その箇所に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、
前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の発生箇所毎の各特徴量の第１分布及び第２分布とに基づいて、障害の箇所毎に、前記対象の装置に障害が発生する確率を算出し、
前記通知手段は、前記算出手段により算出された障害の箇所毎の発生確率を通知する、
ことを特徴とする請求項１に記載の障害予測システム。
前記記憶手段は、障害の種類毎に、その種類の障害に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、また、障害の箇所毎に、その箇所に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、
前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の種類毎の各特徴量の第１分布及び第２分布とに基づいて、障害の種類毎に、前記対象の装置における障害の発生確率を算出し、また、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の箇所毎の各特徴量の第１分布及び第２分布とに基づいて、障害の箇所毎に、前記対象の装置における障害の発生確率を算出し、
前記通知手段は、前記算出手段により算出された障害の種類毎の発生確率と障害の箇所毎の発生確率を、障害の種類と障害の箇所との対応に従って障害の種類別に分類して通知する、
ことを特徴とする請求項１に記載の障害予測システム。
前記記憶手段は、障害の種類毎に、その種類の障害に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、また、障害の箇所毎に、その箇所に予め関連付けられた複数種の特徴量の各々について第１分布及び第２分布を記憶し、
前記算出手段は、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の種類毎の各特徴量の第１分布及び第２分布とに基づいて、障害の種類毎に、前記対象の装置における障害の発生確率を算出し、また、前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された障害の箇所毎の各特徴量の第１分布及び第２分布とに基づいて、障害の箇所毎に、前記対象の装置における障害の発生確率を算出し、更に、障害の箇所毎の発生確率が閾値を超えか否かを判定し、閾値を超える箇所に対応する障害の種類を特定し、当該特定した種類についての障害の発生確率を増加させ、
前記通知手段は、前記算出手段により算出された障害の種類毎の発生確率と障害の箇所毎の発生確率を、障害の種類と障害の箇所との対応に従って障害の種類別に分類して通知する、
ことを特徴とする請求項１に記載の障害予測システム。
装置の内部状態の特徴を示す複数種の特徴量の各々について、当該装置に障害が発生した場合の特徴量の発生頻度の分布を示す第１分布と、当該装置に障害が発生しなかった場合の特徴量の発生頻度の分布を示す第２分布とを記憶する記憶手段と、
障害予測の対象となる装置における各特徴量の値を取得する取得手段と、
前記取得手段により取得された各特徴量の値と前記記憶手段に記憶された各特徴量の第１分布及び第２分布とに基づいて、前記対象の装置における障害の発生確率を算出する算出手段と、
前記算出手段により算出された障害の発生確率を通知する通知手段と、
を備えたことを特徴とする障害予測装置。
コンピュータに、
装置の内部状態の特徴を示す複数種の特徴量の各々について、当該装置に障害が発生した場合の特徴量の発生頻度の分布を示す第１分布と、当該装置に障害が発生しなかった場合の特徴量の発生頻度の分布を示す第２分布とを記憶する記憶機能と、
障害予測の対象となる装置における各特徴量の値を取得する取得機能と、
前記取得機能により取得された各特徴量の値と前記記憶機能により記憶された各特徴量の第１分布及び第２分布とに基づいて、前記対象の装置における障害の発生確率を算出する算出機能と、
前記算出機能により算出された障害の発生確率を通知する通知機能と、
を実現させるためのプログラム。