JP2015170200A - 故障予測装置及び故障予測方法 - Google Patents

Abstract

【課題】ユーザーの負荷を軽減し、かつ制度の高い故障予測を行なうこと。【解決手段】故障予測装置は、画像形成装置にテスト画像を出力させるスケジュールを決定する決定手段と、前記決定したスケジュールに従って前記画像形成装置から送信されるテスト画像を受信する受信手段と、前記受信手段で受信したテスト画像を解析する解析手段と、前記解析手段での解析結果の時系列の推移に基づいて前記画像形成装置が故障するかを判定する判定手段と、前記解析手段での解析結果の時系列の推移に基づいて前記テスト画像の評価値を算出する算出手段とを有し、前記決定手段は、前記算出手段で算出されたテスト画像の評価値に応じて前記スケジュールを決定する。【選択図】図７

Description

本発明は、画像形成装置で形成された画像を診断して故障箇所を予測する技術に関する。

近年、画像形成装置で発生した画像障害の原因を特定する際、サービスマンが直接現地に赴くのではなく、ユーザーに画像を送ってもらい画像診断を行うことで画像障害の原因を特定する技術が知られている。

例えば、特定のテスト画像を複数枚ユーザーに出力してもらい、さらに出力された画像を画像形成装置に接続されているスキャナで読み取り、読みとった画像を適切な場所へ送信してもらう。そして、送信された場所では、過去のデータと送られてきた画像解析の結果から画像障害の原因を特定する。このような手法により、サービスマンは現地に行って原因を特定し、故障部品を取りにサービス拠点に戻り、再度故障部品を持って現地に赴くという無駄を省くことができる。

しかし、画像診断を行った結果、部品交換が必要だと判定されにもかかわらず、その必要な部品が、サービスマンが駐在しているサービス拠点にない場合、部品を取り寄せる必要がある。そのような場合、ユーザーは部品が取り寄せられる間、画像形成装置を使うことが出来なくなる。

このような問題が発生しないようにないように事前に故障を予測する技術が開示されている。特許文献１では、画像形成装置から情報を収集し、その情報に基づいて将来起こり得る故障を予測する技術が開示されている。

特許第４６１８２４５号

故障を精度よく予測するためには、様々な情報をより多く収集したほうが良い。しかしながら、画像形成装置で出力された画像を診断した結果を用いて故障を予測する場合、ユーザーが画像形成装置から出力されたテスト画像をスキャンして送信するので、多くの情報を収集しようとするとユーザーに負荷が発生する。

本発明に係る故障予測装置は、画像形成装置にテスト画像を出力させるスケジュールを決定する決定手段と、前記決定したスケジュールに従って前記画像形成装置から送信されるテスト画像を受信する受信手段と、前記受信手段で受信したテスト画像を解析する解析手段と、前記解析手段での解析結果の時系列の推移に基づいて前記画像形成装置が故障するかを判定する判定手段と、前記解析手段での解析結果の時系列の推移に基づいて前記テスト画像の評価値を算出する算出手段とを有し、前記決定手段は、前記算出手段で算出されたテスト画像の評価値に応じて前記スケジュールを決定することを特徴とする。

発明によれば、ユーザー負荷の負荷を軽減しつつ、精度良く故障を予測することができる。

実施形態に係るシステムの例を示す図である。 実施形態に係る画像形成装置のハードウェア構成例を示すブロック図である。 実施形態に係る画像形成装置内の処理構成例を示すブロック図である。 実施形態に係るサーバーのハードウェア構成例を示すブロック図である。 実施形態に係るサーバー内の処理構成例を示すブロック図である。 実施形態１に係る一連の処理を実行する動作を説明するシーケンス図である。 実施形態１に係るサーバー内の処理を説明するフローチャートである。 実施形態１に係るスコアの推移分析をする際のイメージ図である。 実施形態１に係るリスク算出と出力枚数決定の際のイメージ図である。 実施形態２に係る階調画像とテスト画像との出力タイミングを示したイメージ図である。 実施形態２に係る一連の処理を実行する動作を説明するシーケンス図である。 実施形態２に係る画像形成装置内の処理を説明するフローチャートである。 実施形態３に係る予測部が行う推移分析のフローを説明するフローチャートである。 実施形態３に係る画像形成装置のスコア推移を示した図である。

（実施形態１）
以下、本発明を実施するための形態について図面を用いて説明する。以下の実施形態は特許請求の範囲に係る発明を限定するものでなく、また実施形態で説明されている特徴の組み合わせの全てが発明の解決手段に必須のものとは限らない。

第１の実施形態では、画像形成装置から送信された画像をサーバーで解析し、その解析内容に基づいて複数のテスト画像の出力方法を変更しながらサーバーで故障予測を行う方法について述べる。その結果、画像形成装置が出力するテスト画像の総枚数はほとんど変わらないが、故障を予測する上で評価値の高いテスト画像を重点的に出力することが出来るため、精度よく故障を予測することができる。

《システム全体構成》
図１は、本実施形態における故障予測システムの全体図である。ＬＡＮ１１０には、画像形成装置１０１、１０３および端末１０２が接続されている。また、ＬＡＮ１１０はインターネット１２０に接続されており、画像診断や故障予測サービスを提供するサーバー１３１もインターネット１２０経由で接続されている。ここでは、画像形成装置１０１、１０３、端末１０２はＬＡＮ１１０に接続されているが、その限りではなく、サーバー１３１に接続可能であればよい。サーバー１３１とサービス拠点１３２はＬＡＮ１１１を介して接続されている。ここでサービス拠点１３２とは、画像形成装置１０１，１０３の保守等を行う拠点を指す。なお、サーバー１３１はサービス拠点１３２に設置されていてもよいし、サーバー１３１とサービス拠点との間がインターネット１２０経由で接続されていてもよい。以下では、画像形成装置１０１からの画像をサーバー１３１が診断して故障を予測する例について説明する。

《ハードウェア構成例−画像形成装置》
図２は、画像形成装置１０１のハードウェア構成を示すブロック図である。画像形成装置１０１は、制御部２１０、操作部２１９、プリンタ２２０、及びスキャナ２２１を有する。制御部２１０は、ＣＰＵ２１１、ＲＯＭ２１２、ＲＡＭ２１３、ＨＤＤ２１４、操作部Ｉ／Ｆ２１５、プリンタＩ／Ｆ２１６、スキャナＩ／Ｆ２１７、ネットワークＩ／Ｆ２１８を有する。

ＣＰＵ２１１を含む制御部２１０は、画像形成装置１０１全体の動作を制御する。ＣＰＵ２１１は、ＲＯＭ２１２に記憶された制御プログラムを読み出して読取制御や送信制御などの各種制御を行う。ＲＡＭ２１３は、ＣＰＵ２１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。

ＨＤＤ２１４は、画像データや各種プログラム、或いは各種情報テーブルを記憶する。操作部Ｉ／Ｆ２１５は、操作部２１９と制御部２１０とを接続する。操作部２１９には、タッチパネル機能を有する液晶表示部やキーボードなどが備えられている。また、カード等でユーザー認証を行う場合、ユーザー認証を受け付けるユーザー認証部などが備えられている。

プリンタＩ／Ｆ２１６は、プリンタ２２０と制御部２１０とを接続する。プリンタ２２０で印刷すべき画像データはプリンタＩ／Ｆ２１６を介して制御部２１０から転送され、プリンタ２２０において記録媒体上に印刷される。

スキャナＩ／Ｆ２１７は、スキャナ２２１と制御部２１０とを接続する。スキャナ２２１は、原稿上の画像を読み取って画像データを生成し、スキャナＩ／Ｆ２１７を介して制御部２１０に入力する。

ネットワークＩ／Ｆ２１８は、制御部２１０をＬＡＮ１１０に接続する。ネットワークＩ／Ｆ２１８は、外部装置（例えば、サーバー１３１）に画像データや情報を送信し、外部装置から各種情報を受信する。画像形成装置１０３も画像形成装置１０１と同じ構成を持つ。

《ソフトウェア構成例−画像形成装置》
図３は画像形成装置１０１のソフトウェア構成を説明するための図である。図３に示す各機能部は、画像形成装置１０１のＣＰＵ２１１が制御プログラムを実行することにより実現される。

画像形成装置１０１は、画面表示部３００、画像取得部３０１、画像処理部３０２、通信部３０３、情報管理部３０４、画像出力部３０５を有する。

以下、各機能の説明を行う。まず、画面表示部３００は、図２の操作部２１９、操作部Ｉ／Ｆ２１５を介してユーザーに対する設定値の表示や、ユーザーからの設定の受け付け等を行う。画像取得部３０１はスキャナＩ／Ｆ２１７、ネットワークＩ／Ｆ２１８を介して受信した入力画像データを取得する。例えば、スキャナ２２１から入力された画像をコピーする場合は、スキャンした画像データを取得し、ＰＣなどの端末１０２からプリントされる場合は、ＰＤＬ言語等を取得する。また、画像取得部３０１は、ＨＤＤ２１４に格納されている画像データを取得してもよい。

画像処理部３０２は、取得した画像データに対してさまざまな画像処理を行う。例えば、コピーの場合は、ＭＴＦ補正、色変換や像域判定などが行われ、プリントの場合は、ＰＤＬ言語を解釈しビットマップに変換する処理や色変換処理などが行われる。そして、コピー、プリントいずれの場合でもガンマ補正やディザ処理を行う。

通信部３０３は、画像データやパラメータなどの情報の送信や受信を行う。情報管理部３０４は、画像形成装置１０１に格納している画像データや情報を管理する。画像出力部３０５は、処理後の画像をプリンタＩ／Ｆ２１６を介してプリンタ２２０にて出力する。

《ハードウェア構成例−サーバー》
図４は、サーバー１３１の構成を示すブロック図である。サーバー１３１は制御部４１０を有する。制御部４１０は、ＣＰＵ４１１、ＲＯＭ４１２、ＲＡＭ４１３、ＨＤＤ４１４、ネットワークＩ／Ｆ４１５を有する。ＣＰＵ４１１を含む制御部４１０は、サーバー１３１全体の動作を制御する。ＣＰＵ４１１は、ＲＯＭ４１２に記憶された制御プログラムを読み出して各種制御処理を実行する。ＲＡＭ４１３は、ＣＰＵ４１１の主メモリ、ワークエリア等の一時記憶領域として用いられる。ＨＤＤ４１４は、画像データや各種プログラム、或いは後述する各種情報テーブルを記憶する。

ネットワークＩ／Ｆ４１５は、制御部４１０（サーバー１３１）をＬＡＮ１１１を介してインターネット１２０に接続する。ネットワークＩ／Ｆ４１５は、ＬＡＮ１１１を介して他の装置との間で各種情報を送受信する。

《ソフトウェア構成例−サーバー》
図５はサーバー１３１のソフトウェア構成を説明するための図である。図５に示す各機能部は、サーバー１３１のＣＰＵ４１１が制御プログラムを実行することにより実現される。

サーバー１３１は、画像処理アプリケーション５０１を有する。そして、画像処理アプリケーション５０１は、通信部５１１、画像解析部５１２、予測部５１３、スケジュール管理部５１４、情報管理部５１５、故障判定部５１６、リスク算出部５１７を有する。以下、それぞれの機能の働きについて説明を行う。

通信部５１１は、ネットワークＩ／Ｆ４１５を介して画像形成装置１０１からの画像データやパラメータ等の情報を受信し、受信した情報を情報管理部５１５に保存する。通信部５１１はまた、画像形成装置１０１へ情報管理部５１５に保存された情報の送信や、サービス拠点１３２へ故障予測結果や故障原因の通知等を行う。

画像解析部５１２は、情報管理部５１５に格納された画像データをパラメータ等の情報をもとに解析する。そして、解析結果を情報管理部５１５へ通知する。予測部５１３は、情報管理部５１５に保存している解析結果や過去の解析結果などをもとに時系列化し、推移を分析し、将来のある時点における診断結果を予測する。そしてその結果を示す予測情報を情報管理部５１５に通知する。

情報管理部５１５は、画像処理アプリケーション５０１内で生成された情報や通信部５１１を介して受信した情報を保存する。故障判定部５１６は、情報管理部５１５に格納されている予測情報を用いて故障原因を判定し情報管理部５１５にその故障判定結果を通知する。リスク算出部５１７は、情報管理部５１５に保存されている解析結果等からテスト画像ごとに評価値（以下、リスクという）を算出し、その結果を情報管理部５１５に通知する。スケジュール管理部５１４は、情報管理部５１５に格納されている評価値をもとにテスト画像の出力方法を決定し決定結果を情報管理部５１５に保存する。

以下、図６を用いて本実施形態の画像形成装置１０１とサーバー１３１のシーケンスについて説明を行う。

ステップＳ６０１において、サーバーのスケジュール管理部５１４は、テスト画像の出力方法を決定し、通信部５１１へ通知する。ここで、テスト画像の出力方法とは、画像形成装置１０１において、何時どの種類のテスト画像を出力させるかの出力方法を示す。画像診断で故障を予測する際には、複数種類の画像の診断が必要になる場合がある。また、定期的に画像を診断することにより将来的に起こり得る故障の予測の精度を高めることができる。そこで、ここでは故障の診断に必要なテスト画像の出力方法をスケジュール管理部５１４で決定する。例えば、テスト画像の種類として、テスト画像１からＮまでのＮ枚を用いるものと仮定する。スケジュール管理部５１４では、リスク算出部５１７で算出されるリスク（評価値）に応じてテスト画像１からＮまでのそれぞれの出力枚数を決定する。本実施形態では、一定期間内にＮ×Ｍ枚を出力するものとする。つまり、Ｎ種類のテスト画像を複数回出力するものとし、ここでの出力回数はそれぞれＭ回とする。この最初のステップＳ６０１においては、まずは、各テスト画像のリスクが同じであるとして、各テスト画像の出力枚数は同じとし、テスト画像１からＮまでを１枚ずつ出力するサイクルをＭセット出力するものとする。なお、本実施形態においては、後述するように各リスクに応じて出力するテスト画像の種類や枚数が変更される。つまり、故障のリスクが高いことを示す画像をより高い頻度で出力するように制御する。詳細については後述する。スケジュール管理部５１４はこの最初のステップＳ６０１の段階では、テスト画像をＮ×Ｍ枚出力することを決定する。

次にステップＳ６０２において、サーバーの通信部５１１は、ステップＳ６０１で決定されたテスト画像の出力方法に従ったスケジュールを画像形成装置１０１内の通信部３０３に通知する。例えば、何時、どの種類のテスト画像を出力すべきかを示したスケジュールを通知する。なお、必要に応じてテスト画像を出力するための画像データを画像形成装置に送信してもよい。

ステップＳ６０３において、画像形成装置の通信部３０３は、ステップＳ６０２で送信されたスケジュールを受信してその内容を情報管理部３０４へ通知する。次に、ステップＳ６０４において、画像形成装置の画面表示部３００は、情報管理部３０４に保存したスケジュールに従ってテスト画像１の出力を表示する。そして、ユーザーはステップＳ６０４における表示を受け、出力指示を行う。ステップＳ６０５において画像形成装置はユーザーからの出力指示を受ける。なお、ユーザーにボタンを押してテスト画像１を出力してもらうのではなく自動で出力する形態でもよい。その時は、ステップＳ６０４において「テスト画像を出力しました」という旨の表示を行ってもよい。

ステップＳ６０５において出力指示されると、ステップＳ６０６にて画像形成装置においてテスト画像１が出力される。その後、ステップＳ６０７において、ユーザーは、出力された画像をスキャナ２２１を用いてスキャンしてサーバー１３１への送信指示を行う。ステップＳ６０８にて画像形成装置の通信部３０３は、テスト画像１をスキャンした画像をサーバー１３１へ送信する。

ステップＳ６０９にてサーバー１３１の通信部５１１は、テスト画像１を受信する。通信部５１１は、受信したテスト画像１を画像解析部５１２へ送信する。画像解析部５１２は、テスト画像１を解析し、解析結果を情報管理部５１５へ通知する。

以降、テスト画像１からＮまで同様な処理を行う。すなわち、ステップＳ６０１で決定されたスケジュールに従って、画像形成装置はテスト画像を出力してスキャンし、サーバー１３１に送信する。サーバー１３１は、受信したテスト画像を解析し、解析結果を情報管理部５１５へ通知する。以上の処理を繰り返す。なお、ここでは、テスト画像１とテスト画像２を出力するタイミングは離れているものとする。例えば１週間後などである。そして、そのテスト画像１からＮのＮ種類をＭセット出力する。

ステップＳ６１０からは、最後のＭセット目の最後のテスト画像Ｎを出力し、サーバー１３１で解析するステップを説明する。

ステップＳ６１０において、画像形成装置の画面表示部３００は、情報管理部３０４で格納しているテスト画像の出力方法（ステップＳ６０１で決定された方法）に従ってテスト画像Ｎの出力を表示する。

そして、ユーザーはステップＳ６１０においてテスト画像Ｎの表示を受け、テスト画像Ｎの出力を指示する。ステップＳ６１１において画像形成装置はテスト画像Ｎの出力指示を受ける。ステップＳ６１１で出力指示されると、ステップＳ６１２に画像形成装置はテスト画像Ｎを出力する。その後、ステップＳ６１３において、ユーザーは、スキャナ２２１においてテスト画像Ｎをスキャンし、スキャンしたテスト画像Ｎの送信指示を行う。すると、ステップＳ６１４にて画像形成装置の通信部３０３は、テスト画像Ｎをサーバー１３１へ送信する。

ステップＳ６１５にてサーバー１３１の通信部５１１はテスト画像Ｎを受信し画像解析部５１２へ送信する。画像解析部５１２は、テスト画像Ｎを解析し、解析結果を情報管理部５１５へ通知する。予測部５１３は情報管理部５１５に格納している過去の解析結果をもとに解析結果の予測を行いその情報を情報管理部５１５に格納する。過去の解析結果は、テスト画像１からテスト画像ＮまでのＭセットの解析結果や、それ以前の解析結果などのことである。

ステップＳ６１６にて、サーバーの故障判定部５１６は、解析結果の予測によって得られる情報を用いて将来のある時点において故障が生じるか否か判定する。ここで、故障が生じると判定されればサービス拠点１３２へその旨を通知する。

ステップＳ６１７にて、サーバーのリスク算出部５１７は、情報管理部５１５に格納されている情報をもとにリスクを算出し、その結果を情報管理部５１５に保存する。

ステップＳ６１８にて、サーバーのスケジュール管理部５１４は、ステップＳ６１７で算出されたリスクを用いて再度テスト画像１からＮまでのＮ枚の出力方法を決定する。そして、決定した出力方法に従ったスケジュールを通信部５１１へ通知する。詳細処理は後述する。ステップＳ６１９においてサーバーの通信部５１１は、ステップＳ６１８で決定したテスト画像出力のスケジュールを画像形成装置１０１内の通信部３０３に通知する。以上によって、画像形成装置１０１とサーバー１３１のシーケンスについて説明を終了する。

次にサーバー内での処理フローについて図７を用いて説明を行う。ここでは処理フローを中心に説明し詳細処理は別途説明する。

ステップＳ７００においてサーバー１３１のスケジュール管理部５１４はＮ種類のテスト画像の出力順序、枚数等の出力方法を決定し、テスト画像出力のスケジュールを画像形成装置１０１内の通信部３０３へ通知する。また一方でスケジュール管理部５１４はそのスケジュールをサーバー内の情報管理部へも通知する。出力方法は例えば、Ｎ種類のテスト画像を１からＮまで順に出力しそれを、Ｍ回出力するなどの方法である。また、どのくらいの期間でテスト画像の出力を行なうかを含めてもよく、あるいは個々のテスト画像を出力する具体的な日時の指定を含めても良い。

ステップＳ７０１において通信部５１１は、画像形成装置から送信されたテスト画像を受信し、画像解析部５１２へ送信する。そして、ステップＳ７０２において画像解析部５１２は、テスト画像を解析して、スコアを算出し情報管理部５１５へ通知する。ここでは、テスト画像ごとに解析すべき項目が定まっており、テスト画像に応じて例えば、周波数解析を行いその結果を正規化しスコア化する。スコア化とは、周波数解析の結果から０−１０の点数をつけ分類を行いやすくするものである。

次に、ステップＳ７０３において情報管理部５１５は、ステップＳ７００で決定した出力方法に従ったテスト画像を全て受信したかを判定する。例えば、Ｎ種類のテスト画像の出力をＭ回出力するという出力方法が決定されている場合には、その全てのテスト画像（Ｎ×Ｍのテスト画像）を受信したかを判定する。受信していなければ、ＮｏでステップＳ７０１へ進み、受信していればＹｅｓでステップＳ７０４へ進む。将来的な予測を行なうために、ある程度のサンプリング数が必要になるので、ここではステップＳ７００で決定した出力方法に従ったテスト画像を全て受信した時点でステップＳ７０４に進む例を示している。なお、何らかの事情で画像形成装置からテスト画像が送信されない場合も想定される。そこで、ここではステップＳ７００で決定したスケジュールに従った日時が経過した時点でステップＳ７０４に進む処理としてもよい。全てのテスト画像が受信されていない場合でも、それまでに受信したテスト画像から故障の予測は可能だからである。

ステップＳ７０４で予測部５１３は、情報管理部５１５に保存している各テスト画像のスコアを時系列化する。次に、ステップＳ７０５において予測部５１３は、時系列化した情報をもとに推移分析を行う。例えば、予測部５１３は回帰分析などを行い、傾きなどを算出し、ステップＳ７０２で算出した現在までのスコアを修正した将来のある時点におけるスコアを作成し情報管理部５１５に保存する。

ステップＳ７０６において故障判定部５１６は、情報管理部５１５で保持しているデータから故障するか否かを判定する。この情報管理部５１５が保持しているデータとは、ステップＳ７０２で解析した結果得られる現在までのスコアと、推移分析に基づいて現在までのスコアを修正した将来のある時点におけるスコアを含むものである。さらに、画像形成装置１０１だけではなく別の画像形成装置でのスコアと故障の関係を記した学習データも含むものである。故障するか否かの判定は、近い将来故障が生じる可能性が高いか否かを判定する。なお、現在故障が発生しているか否かを判定してももちろんよい。ここでは、故障すると判定されればＹｅｓでステップＳ７０８へ進み、故障しないと判定されればＮｏでステップＳ７０７へ進む。

ステップＳ７０７で予測部５１３は、テスト画像ごとにリスク（評価値）を算出し情報管理部５１５へ通知する。ここでリスク算出とは、ステップＳ７０２で算出した解析結果やステップＳ７０５で算出した推移分析結果等を用いて、時間が経つと故障に寄与しそうか否かを判定するために数値化することを指す。つまり、予測部５１３は、故障するリスクを表す評価値をテスト画像ごとに算出する。

その後、ステップＳ７００へ進みスケジュール管理部５１４は、再度出力方法を決定する。この時、スケジュール管理部５１４は、ステップＳ７０７で算出したリスクに応じてテスト画像を出力する。したがって、リスクが高いテスト画像は多めに出力される一方でリスクの低いテスト画像は少なく出力されるよう出力方法が決定される。

一方、故障すると判定された場合、ステップＳ７０８で通信部５１１は、画像形成装置１０１に近いサービス拠点１３２に対してある部品が故障するだろう旨を通知する。故障するであろうある部品は、スコアが高いテスト画像の種別や、スコアが高いテスト画像の組み合わせ等などから特定することができる。ある部品が故障するだろう旨を通知することで、サービス拠点１３２では、部品の在庫調整を行うことが出来る。また、ステップＳ７０８では、場合によっては直接ユーザーに知らせてもよく、さらに適切なパラメータをユーザーまたはサーバーが画像形成装置１０１にセットすることで修正を行ってもよい。

なお、ステップＳ７０８で部品の交換や適切なパラメータの調整によって故障を回避できた場合、スケジュール管理部５１４で再度の出力方法を決定する場合にはその交換等を考慮したリスクに応じてテスト画像の出力方法を決定してもよい。例えば、故障に寄与するであろう部品を交換することで、その故障に寄与するであろうリスクは低く設定することができる。一方で、これまでの処理で得られた他の解析結果や予測に基づくリスクはそのまま維持することで、テスト画像の出力方法のスケジューリングの更なる最適化を行なうことができる。

以上、サーバー内での処理フローについて説明を行った。以下、図９における処理フロー中の処理の詳細について説明を加える。

まず、ステップＳ７０２に記載の画像解析部５１２の画像解析方法についてその方法について例をあげて説明を加える。例えば、均一濃度で出力されるべき箇所が均一に出力されているかを調べる場合、均一濃度の箇所を含む特有のテスト画像に対して、周波数解析を行い、ノイズ等が載っているか否かを判定しその度合いを０‐１０にスコア化する。また、特定の色値の画像が出力されたとき、所望の濃度になっているか否かを判定する場合、特定の色値を含む特有のテスト画像をリファレンスとなるＬａｂと比較し色差ΔＥを算出する。そして、色差ΔＥを０‐１０にスコア化する処理を行う。

ここで、スコア化する際に数値の大きいと画像障害があると判定される。ここでは、スコア化する際の数値の意味を各解析結果の際にそろえておくと良い。例えば、その数値の大きさが５を超えると画像障害になる恐れがあり、７を超えると画像障害である、と判定するように各テスト画像における数値の意味を共通化しておくとよい。

次に、ステップＳ７０４における時系列化について説明を加える。前述の通り、情報管理部においてはステップＳ７０４の時点においてステップＳ７００において決定された出力方法に従ったテスト画像を保持している。先に説明した例では、スケジュール管理部５１４は、一つのテスト画像についてＭ枚取得する出力方法を決定しているので、各テスト画像につき最低Ｍ個のスコアを保持している。しかし、Ｍが少ない場合、ステップＳ７０５での推移分析の精度が下がるため、それ以前にスコアが算出され情報管理部５１５に保存されている各テスト画像のスコアも含めて時系列化していく。そうすることでステップＳ７０５において多くのデータから推移分析を行うことが出来る。つまり、ステップＳ７００で決定された出力方法に従ったテスト画像以前のテスト画像も含めて推移分析を行なってもよい。

そして、ステップＳ７０５における推移分析について図８を用いて説明を加える。ここでは、予測部５１３は、ステップＳ７０４において情報管理部５１５に保存したスコアを用いて回帰分析等を行い実線８０２で示すＹ＝αｔ＋Ｓにおける傾きα、切片Ｓを得る。そして近い将来であるｔ０時におけるスコアを算出する。この近い将来におけるスコアを、現在までに得られたスコアを修正したスコアとして、情報管理部５１５に保持する。そしてこの分析をテスト画像ごとに行う。

次に、ステップＳ７０６における故障判定部５１６の故障判定方法について例をあげて説明を加える。ここでは、情報管理部５１５には、テスト画像のスコアと各部品の故障との対応関係を示す学習データが保持されている。この学習データは、過去の故障判定の結果が蓄積されて得られたものである。学習データの例としては、｛（テスト画像１、スコア３）、・・・（テスト画像Ｎ、スコア１）｝＝｛定着器の故障｝、｛（テスト画像１、スコア０）、・・・（テスト画像Ｎ、スコア７）｝＝｛感光ドラムの故障｝・・・が保持されている。前者は定着器の故障を判定するための学習データであり、各テスト画像のスコアがどの値であれば定着器の故障が生じるかを判定するためのものである。後者も同様であり、感光ドラムの故障が生じる場合には、各テスト画像のスコアがどの値であるかを示すものである。故障判定部５１６は、スコアを用いて各部品や画像障害原因の発生する確率を推定する。例えば、ステップＳ７０２において画像解析部５１２が算出したスコアである｛（テスト画像１、スコア３）、・・・（テスト画像Ｎ、スコア１）｝、ステップＳ７０５で予測部５１３が算出した修正したスコア、またはそれらの組み合わせを用いて推定する。推定方法は例えば、ベイズ理論を用いて推定する。

ベイズの定理により、

が導かれる。式（１）においては以下の通りである。
i＝｛0,1,2,・・・,C｝
P(θ_i│D):Dが発生したときにθ_iが生起する確率（事後確率）
P(θ_i ):事象θ_iが生起する確率（事前確率）
P(D|θ_i):θ_iが発生したときのDを得る確率(尤度)
Ｃは事象の数でありここでは定着器の故障や感光ドラムの故障などの事象の数を指す。

ＤはステップＳ７０２において画像解析部５１２が算出したスコアまたは、ステップＳ７０５で予測部５１３が算出した修正されたスコアを指す。

これによって事象Ｄ＝（画像解析部５１２が算出したスコア）を得た時に各事象θｉの発生する確率が算出される。算出結果として例えば、Ｐ（定着器の故障｜Ｄ）＝０．０２、Ｐ（感光ドラムの故障｜Ｄ）｝＝０．３、・・・が算出され、発生確率の大きいものがある閾値以上であれば故障と判定する。この結果から現在の故障可能性が判定できる。

上記のように計算を行なうことで現在の故障可能性を判定できるが、本実施形態では特に将来のある時点における故障可能性を予測する。具体的には、事象Ｄ’＝（予測部５１３が算出した修正されたスコア）を得た時に各事象θｉの発生する確率を算出する。算出結果として例えば、Ｐ（定着器の故障｜Ｄ’）＝０．０２、Ｐ（感光ドラムの故障｜Ｄ’）＝０．５、・・・が算出され、発生確率の大きいものがある閾値以上であれば故障と判定する。この結果から将来の故障可能性が判定できる。

そして以上の処理の結果からある閾値以上の確率を有する事象があれば将来故障すると判定し、サービス拠点１３２にその旨を通知する。

次に、ステップＳ７０７におけるリスク算出について図９を用いて説明を加える。リスク算出部５１７は、情報管理部５１５に保存してあるデータをもとにリスク９０６を算出する。図９は、情報管理部５１５に保存してあるデータの例を示す図である。情報管理部５１５に保存してあるデータとは、図９に示すように、画像解析部５１２が算出したスコアや、予測部５１３が推移分析して算出した傾き９０１や、平均９０２や、過去の傾き９０３や過去の平均９０４などである。図９では、スコアとして最近のスコア９０５のみを例示しているが、過去のスコアも含まれる。これらの値がテスト画像ごとに保持されている。ここでは、主にステップＳ７０２で画像解析部５１２が算出した最近のスコア９０５と、ステップＳ７０５で予測部５１３が推移分析を行い算出した傾き９０１とからリスクを算出する。

リスクの算出方法は様々である。例えば、最近のスコア９０５に単純に傾き９０１を用いることでリスクを算出してもよい。あるいは、スコアの平均９０２、９０４やその他の過去の傾き９０３などを加味して最近のスコア９０５に対して微修正を加えてもよい。そして、微修正を加えたスコアに対して傾き９０１からリスク９０６を算出する。ここではリスク９０６は０以上になるようにする。

最後に、ステップＳ７００での出力方法の決定方法について説明を加える。スケジュール管理部５１４は、ステップＳ７０７において算出されたリスクを用いてリスクの多いものを多めに出力枚数を決定する。例えば、テスト画像ＩのリスクがＲｉｓｋ_Ｉであれば、テスト画増Ｉを一定期間に出力する枚数は、

ここで、(テスト画像の総出力枚数)=M×N
である。

この式によって、Ｒｉｓｋ_Ｉの大きさによってテスト画像Ｉの出力枚数が変化するが、総出力枚数はＭ×Ｎで変化しない。そして、リスクの大きいテスト画像が多く出力される一方でリスクの小さいテスト画像が少なく出力される。もちろん、上記式だけでは、割り切れない場合や、１枚も出力されない場合があるので総枚数が変わらないように最低１枚以上は出力するように調整する。図９（ｂ）は、各テスト画像のリスクと出力枚数との関係を示す図である。スケジュール管理部５１４は、このように算出されたリスクに基づいて各テスト画像の出力枚数を決定する。

そして、各テスト画像の出力枚数をもとに、一定期間内にそれぞれのテスト画像が分散するように出力順序が決定される。以上により、図９における処理フロー中の処理の詳細説明を終える。

本実施形態によれば、まず、１度に送信するテスト画像の枚数は１〜数枚にすることでユーザーの負荷を抑える。次に、故障にかかわりそうなテスト画像を多めに出力することで精度が高い推定を行うことが出来るようにする一方で故障にかかわりそうにないテスト画像は少なく出力することが出来る。従って、ユーザーが出力するテスト画像の総枚数はほとんど変わらないが、故障予測をするうえで必要なテスト画像を多く取得することが出来ることで精度の高い予測を行うことが出来る。その結果、サービス拠点１３２に故障しそうな部品の在庫確保を行うことや、適切なパラメータ等を画像形成装置１０１に通知することで画像形成装置１０１を遠隔地からメンテナンスすることが出来る。

また、本実施形態では、ステップＳ７０３において、Ｎ×Ｍ枚全て取り終えることを前提とした例を示したが、ステップＳ７０３を抜かしてもよい。こうすることで早い段階でステップＳ７０６の故障判定を行うことが出来る。

また、テスト画像の総枚数をＮ×ＭとしたがステップＳ７０１で得られたスコアがどのテスト画像も小さい場合、総枚数を減らしてもよい。そうすることでユーザーの負荷や無駄なトナーやメディアの消費が少なくなる。

（実施形態２）
実施形態１では、故障を予測するためのテスト画像をユーザーが出力し、スキャンして送信するというシステムにおいて少しでもユーザーの負担が少なくなるような方法について述べた。

しかし、故障予測のためだけにテスト画像を出力してスキャンするのはユーザーにとっては負荷がある場合がある。そこで、ユーザーが何かしらかの画像を出力し、スキャンをするタイミングでテスト画像も合わせて出力し、スキャンすればユーザーの負担はさらに軽減する。

そこで、実施形態２では、ユーザーが画像を出力してその画像をスキャンする画像形成装置１０１が有する機能の一つである自動で階調を補正する機能（以下、自動階調補正と呼ぶ）と同じタイミングでテスト画像を出力する方法について述べる。自動階調補正とは画像形成装置１０１が出力する画像の階調を補正するための機能である。この機能は、ユーザーが階調を補正するための画像（以下、階調画像という）を出力し、スキャナ２２１でスキャンすることで、その時の階調特性を把握し、あらかじめ定められた階調特性となるよう補正する。例えばルックアップテーブル（以下、ＬＵＴと記す）などで補正する。

本実施形態では自動階調補正と同じタイミングでテスト画像を出力することで故障の予測だけのためにユーザーに負荷をかけるということを避ける。

しかし、自動階調補正と故障予測とでは必要となるタイミングが異なる。具体的には、自動階調補正の方が故障予測よりも行なわれる頻度が高い。自動階調補正を行うたびに故障予測用のテスト画像を出力するのは、ユーザーに負荷をかけ、またトナー等の無駄になる。そこで自動階調補正のＬ回につき１回の間隔でテスト画像を出力するのが望ましい。ここでＬは１より大きく、一定期間内に自動階調補正が実施される回数によって決定される。例えば、図１０に示すようにテスト画像を出力するタイミングは自動階調補正を行うタイミングであり、自動階調補正をＬ回行った時、テスト画像を１回出力していく。

本実施形態では故障予測する方法は実施形態１と同じなので、階調画像とテスト画像の出力方法について説明を行う。

初めに、図１１を用いて画像形成装置１０１とサーバー１３１のシーケンスについて説明を行う。ステップＳ１１０１において、スケジュール管理部５１４は、テスト画像１からＮまでのＮ枚の出力方法を決定し、テスト画像出力のスケジュールを通信部５１１へ通知する。ここでは、実施形態１での説明に加え、ユーザーが過去どのくらいの頻度で自動階調補正を行っているかの情報をもとに、自動階調補正のタイミングでテスト画像を出力する頻度を決定する。

ステップＳ１１０２において、通信部５１１は、スケジュールを画像形成装置１０１内の通信部３０３に通知する。ステップＳ１１０３において、通信部３０３は、スケジュールを受信してその内容を情報管理部３０４へ通知する。

ステップＳ１１０４において、ユーザーは自動階調補正を行う旨を画面表示部３００に通知する。ステップＳ１１０５において、画像出力部３０５は情報管理部３０４に保存されているスケジュールに従って階調画像とテスト画像の出力を行う。ここでは、情報管理部３０４に保存されているスケジュールには自動階調補正Ｌ回につき１回テスト画像を出力する旨が示されていて、さらにテスト画像の出力順序が記載されている。そして、ステップＳ１１０６では、テスト画像１を出力すると記載されているものとすると、階調画像とテスト画像１の出力を行う。ステップＳ１１０７において、ユーザーは、スキャナ２２１において階調画像とテスト画像とをスキャンをし、合わせてスキャンしたテスト画像の送信指示を行う。

ステップＳ１１０８で画像処理部３０２は、階調画像から補正ＬＵＴを作成し画像処理部３０２へ補正ＬＵＴを設定する。ステップＳ１１０９にて通信部３０３は、テスト画像をサーバー１３１へ送信する。なお、ここでは階調画像も同時に転送してもよい。

ここで、ステップＳ１１１０にてサーバー１３１内の通信部５１１は、テスト画像１を受信し画像解析部５１２へ送信し、画像解析部５１２は、テスト画像１を解析し、解析結果を情報管理部５１５へ通知する。

次に一定時間後、ステップＳ１１１１において、ユーザーは自動階調補正を行う旨を画面表示部３００に通知する。そして、ステップＳ１１１２において、画像出力部３０５は情報管理部３０４に保存されているスケジュールに従って階調画像とテスト画像の出力を行う。なお、本ステップのタイミングでは、テスト画像を出力しない旨が記載されているものとすると、階調画像のみを出力する。

そして、ステップＳ１１１３において、ユーザーは、スキャナ２２１においてスキャンする指示を行う。ステップＳ１１１４で画像処理部３０２は、階調画像から補正ＬＵＴを作成し画像処理部３０２へ補正ＬＵＴを設定する。ステップＳ１１１５からステップＳ１１２０は、図６のステップＳ６１４からステップＳ６１９と同様の処理を行なう。以上によって、画像形成装置１０１とサーバー１３１のシーケンスについて説明を終了する。

本シーケンスではユーザーが自動階調補正を意図的に行う場合について説明したがテスト画像の出力方法を決定する際に自動階調補正の出力方法も決定し、出力方法に従って画像形成装置が自動でテスト画像と階調画像とを出力してもよい。そして、出力した旨だけを画面表示部３００などに通知してもよい。そうすれば、ユーザーはスキャナ２２１においてスキャンを行うだけで良い。

次に、ユーザーが自動階調補正を指示した際の画像形成装置１０１内の処理フローについて図１２を用いて説明する。ステップＳ１２００において、情報管理部３０４は、画像を出力するタイミングであるか否かをサーバー１３１から送信されたスケジュールから判定する。判定の結果、テスト画像を出力するタイミングであると判定したらＹｅｓでステップＳ１２０１へ進み、テスト画像を出力するタイミングでないと判定したらＮｏでステップＳ１２０２へ進む。

ステップＳ１２０１で画像出力部３０５は、プリンタ２２０を介して自動階調補正用の階調画像と、テスト画像Ｉとを出力する。一方で、ステップＳ１２０２で画像出力部３０５は、プリンタ２２０を介して自動階調補正用の階調画像のみを出力する。

ステップＳ１１０３でスキャナ２２１は、出力された画像をスキャンする。その後、ステップＳ１１０４で画像処理部３０２は、スキャンした画像がテスト画像Ｉであるか否かを判定する。その結果テスト画像Ｉであると判定すればＹｅｓでステップＳ１２０５へ進み、テスト画像Ｉでないと判定すればＮｏでステップＳ１２０６へ進む。スキャンした画像がテスト画像Ｉであるか否かは、ユーザー指示に基づいて行なわれてもよいし、スキャンした画像に含まれる所定のパターンなどから判定してもよい。

そして、ステップＳ１２０５で通信部３０３は、スキャンしたテスト画像Ｉをサーバー１３１に送信する。一方、ステップＳ１２０６で画像処理部３０２は、スキャンした階調画像を用いて階調補正するための補正ＬＵＴを作成する。以上によってユーザーが自動階調補正を指示した際の画像形成装置１０１内の処理フローについての説明を終える。

本実施形態によれば、テスト画像の出力タイミングが自動階調補正を行うタイミングに対応するのでユーザーの負荷を少なくすることが出来る。

（実施形態３）
実施形態１、２では画像形成装置１０１の情報から故障を予測するシステムについて説明した。実施形態３では、画像形成装置１０１とは別の機体、例えば、画像形成装置１０３からの情報も用いて予測する場合について説明を行う。本実施形態においても実施形態１、２と同じシーケンスや処理フローの説明は省略する。

本実施形態では、予測部５１３においてスコアの予測を行う上で、画像形成装置１０１以外の画像形成装置１０３やその他の機体の故障履歴やテスト画像のスコア、及びスコアの推移状況などから将来のスコアを推定する方法について述べる。

以下、図７のステップＳ７０５の推移分析の詳細フローについて図１３を用いて説明を行う。ステップＳ７０５における推移分析は実施形態１で説明したものと同様である。ステップＳ１３０１において予測部５１３は、類似する他の機体、例えば画像形成装置１０３の事例から同じテスト画像の一定区間におけるスコア推移で、推移が似ている箇所を探索する。似ている事象があればＹｅｓとなりステップＳ１３０２へ進む。似ている事象がなければＮｏとなり終了する。似ている事象の判定方法は、一定期間の傾き、切片、平均値などのパラメータの組み合わせから判定してもよい。ステップＳ１３０２において、予測部５１３は、類似するスコア推移の結果を用いて、将来におけるｔ０時のスコアを修正する。ステップＳ１３０２の後は図７のステップＳ７０６へ進む。

以下、ステップＳ１３０２のスコア修正の例を図１４を用いて説明する。ここで、図１４（ａ）及び（ｂ）はいずれも画像形成装置１０１のスコア推移状況と画像形成装置１０３のスコア推移状況とを示す図である。予測部５１３が、画像形成装置１０１でのスコア予測を画像形成装置１０３のスコア推移を用いて行う例について図１４を用いて説明する。

なお、図１４（ａ）及び（ｂ）にある×の推移が画像形成装置１０１から得られた画像をもとにスコア算出したスコアの推移状況であり、その回帰分析で得られた回帰式は実線１４０２に示すグラフである。一方で○の推移が画像形成装置１０３から得られた推移状況であり、回帰分析で得られた回帰式はそれぞれ点線１４０３、１４０４に示すグラフである。

まず図１４（ａ）の場合を説明する。図１４（ａ）に示すように、画像形成装置１０１のスコアを予測する際に、途中まで同じような推移をしていてさらに、画像形成装置１０１の将来におけるｔ０時のスコア１４００は、画像形成装置１０３の実測スコアとさほど変わらない。したがって、画像形成装置１０１の回帰式１４０２はある程度の確からしさがある。

一方で図１４（ｂ）のように途中まで画像形成装置１０１から得られた推移と、画像形成装置１０３から得られた推移が似ているが、画像形成装置１０１の将来におけるｔ０時のスコア１４００は、画像形成装置１０３の実測スコアと大きく差が開いている。このような場合、画像形成装置１０１はスコアを大きく見積もりすぎており、その結果、リスク算出部５１７でリスクを大きく算出してしまうため、スケジュール管理部５１４で出力枚数を算出する際、このテスト画像を多く出力しすぎてしまう可能性がある。

以上を踏まえ、推移分析をおこなう際のステップＳ１３０２は、以下の方法を用いてもよい。すなわち、ステップＳ１３０２において似ている事象が以下の複数現象であれば
Ｙ＝α０ｔ＋Ｓ０（１４０２）
Ｙ＝α１ｔ＋Ｓ１（１４０３）
：
上記の各係数を重みづけして予測を修正する。

例えば、重みを一定にするならば、

としてｔ＝ｔ０時のＹを算出してもよいし、特定の現象の重みを重くしてもよい。故障判定部５１６は、このように修正された予測結果を用いて故障するかを判定することができる。また、リスク算出部５１７も、このように修正された予測結果を用いてリスクを算出することができる。

以上によって、将来のスコア推移の予測精度を高めることが出来、その結果、将来の故障予測精度やリスクの算出精度が上がる。したがって、サービス拠点１３２で保持する部品の在庫管理の精度向上や、テスト画像の出力方法をより正確に行うことが出来る。

（他の実施形態）
上記の各実施形態においては、現在までに得られたデータと、そのデータの推移分析を行なった結果得られるデータとからリスクを算出し、そのリスクに基づいて出力方法を決定する例を説明した。しかしながら、リスクを算出せずに現在までに得られたデータと、そのデータの推移分析を行なった結果得られるデータとから直接出力方法を決定してもよい。

また、上記の各実施形態においては、画像形成装置から送信されたテスト画像の解析等をサーバーで行なう例を挙げて説明した。しかしながら、画像形成装置内に前述の学習データ等を保持しておき、画像形成装置内において前述のサーバー側の処理を行なわせてもよい。また、サーバーで行なう例に挙げた一部の機能（例えば、画像解析）までを画像形成装置で行い、その他の機能（例えば、推移分析等）をサーバー側で行なう形態であってもよい。

また、実施形態２では、自動階調補正の階調画像とともにテスト画像を出力する例を説明した。実施形態２では、階調画像とテスト画像がそれぞれ別の用紙に出力される形態について説明したが、階調画像とテスト画像とが１枚の用紙に出力されてもよい。つまり、階調画像とテスト画像とを含む画像を出力してもよい。この場合、実施形態２で説明した階調画像のみを出力するタイミングでは、階調画像のみを出力し、階調画像とテスト画像を出力するタイミングでは、両者を含む画像を出力する形態とすることができる。

なお、本発明の目的は、以下の処理を実行することによっても達成される。即ち、前記実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体を、システム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）が記憶媒体に格納されたプログラムコードを読み出す処理である。

この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコード及び該プログラムコードを記憶した記憶媒体は本発明を構成することになる。

Claims (24)

1. 画像形成装置にテスト画像を出力させるスケジュールを決定する決定手段と、
   前記決定したスケジュールに従って前記画像形成装置から送信されるテスト画像を受信する受信手段と、
   前記受信手段で受信したテスト画像を解析する解析手段と、
   前記解析手段での解析結果の時系列の推移に基づいて前記画像形成装置が故障するかを判定する判定手段と、
   前記解析手段での解析結果の時系列の推移に基づいて前記テスト画像の評価値を算出する算出手段と
   を有し、
   前記決定手段は、前記算出手段で算出されたテスト画像の評価値に応じて前記スケジュールを決定することを特徴とする故障予測装置。
2. 前記決定手段は、複数の異なる種類のテスト画像を出力するスケジュールを決定することを特徴とする請求項１に記載の故障予測装置。
3. 前記決定手段は、複数の異なる種類のテスト画像を複数回出力するスケジュールを決定する請求項１または２に記載の故障予測装置。
4. 前記算出手段は、前記決定手段で決定したスケジュールに従った各テスト画像を前記画像形成装置から前記受信手段が受信した後で、前記評価値を算出することを特徴とする請求項１から３のいずれか一項に記載の故障予測装置。
5. 前記算出手段は、前記決定手段で決定したスケジュールに従った時間が経過した後で、前記評価値を算出する請求項１から３のいずれか一項に記載の故障予測装置。
6. 前記受信手段で受信するテスト画像は、前記画像形成装置で出力され、かつ前記画像形成装置にてスキャンされることで得られた画像であることを特徴とする請求項１から５のいずれか一項に記載の故障予測装置。
7. 前記テスト画像は、前記画像形成装置における各部品の故障を特定するためのパターンを示すことを特徴とする請求項１から６のいずれか一項に記載の故障予測装置。
8. 前記算出手段は、前記解析結果を回帰分析することで前記時系列の推移を求めることを特徴とする請求項１から７のいずれか一項に記載の故障予測装置。
9. 前記決定手段は、一定期間におけるテスト画像の出力回数がほぼ一定となるように前記スケジュールを決定することを特徴とする請求項１から８のいずれか一項に記載の故障予測装置。
10. 前記決定手段は、前記算出手段で算出された評価値が高いテスト画像を、評価値が低いテスト画像よりも多く出力するように前記スケジュールを決定する請求項１から９のいずれか一項に記載の故障予測装置。
11. 前記判定手段は、前記画像形成装置が将来におけるある時点で故障するかを判定することを特徴とする請求項１から１０のいずれか一項に記載の故障予測装置。
12. 前記判定手段は、前記解析結果と特定の部品の故障可能性との対応関係を示す学習データと、前記解析結果の時系列の推移とに基づいて前記画像形成装置における特定の部品が故障するかを判定することを特徴とする請求項１から１１のいずれか一項に記載の故障予測装置。
13. 前記決定手段は、前記画像形成装置における階調画像のタイミングに応じて前記テスト画像を出力するタイミングを変更するスケジュールを決定することを特徴とする請求項１から１２のいずれか一項に記載の故障予測装置。
14. 前記決定手段は、前記階調画像のみを少なくとも１回出力した後に、前記テスト画像を前記階調画像と共に出力するスケジュールを決定することを特徴とする請求項１３に記載の故障予測装置。
15. 前記決定手段は、前記テスト画像を前記階調画像と共に出力した後に、前記階調画像のみを少なくとも１回出力するスケジュールを決定することを特徴とする請求項１３または１４に記載の故障予測装置。
16. 前記判定手段は、他の画像形成装置におけるテスト画像の解析結果の時系列の推移をさらに用いて前記判定を行うことを特徴とする請求項１から１５のいずれか一項に記載の故障予測装置。
17. 前記算出手段は、他の画像形成装置におけるテスト画像の解析結果の時系列の推移に基づいて、評価値を修正することを特徴とする請求項１から１６のいずれか一項に記載の故障予測装置。
18. 前記判定手段は、前記解析手段での解析結果の時系列の推移と、他の画像形成装置におけるテスト画像の解析結果の時系列の推移とを重み付けすることで前記画像形成装置が故障するかを判定する請求項１から１７のいずれか一項に記載の故障予測装置。
19. 前記算出手段は、前記解析手段での解析結果の時系列の推移と、他の画像形成装置におけるテスト画像の解析結果の時系列の推移とを重み付けすることで前記評価値を修正することを特徴とする請求項１から１８のいずれか一項に記載の故障予測装置。
20. 請求項１から１９のいずれか一項に記載の故障予測装置を備えることを特徴とする画像形成装置。
21. 画像形成手段の故障を予測するシステムであって、
    前記画像形成手段がテスト画像を出力するスケジュールを決定する決定手段と、
    前記決定したスケジュールに従って前記画像形成手段において出力され、スキャンされたテスト画像を取得する取得手段と、
    前記取得手段で取得したテスト画像を解析する解析手段と、
    前記解析手段での解析結果の時系列の推移に基づいて前記画像形成手段が故障するかを判定する判定手段と、
    前記解析手段での解析結果の時系列の推移に基づいて前記テスト画像の評価値を算出する算出手段と
    を有し、
    前記決定手段は、前記算出手段で算出された前記テスト画像の評価値に従って前記スケジュールを決定することを特徴とするシステム。
22. 画像形成装置にテスト画像を出力させるスケジュールを決定する決定ステップと、
    前記決定したスケジュールに従って前記画像形成装置から送信されるテスト画像を受信する受信ステップと、
    前記受信ステップで受信したテスト画像を解析する解析ステップと、
    前記解析ステップでの解析結果の時系列の推移に基づいて前記画像形成装置が故障するかを判定する判定ステップと、
    前記解析ステップでの解析結果の時系列の推移に基づいて前記テスト画像の評価値を算出する算出ステップと
    を有し、
    前記決定ステップは、前記算出手段で算出されたテスト画像の評価値に応じて前記スケジュールを決定することを特徴とする故障予測方法。
23. 画像形成手段の故障を予測するシステムにおける制御方法であって、
    前記画像形成手段がテスト画像を出力するスケジュールを決定する決定ステップと、
    前記決定したスケジュールに従って前記画像形成手段において出力され、スキャンされたテスト画像を取得する取得ステップと、
    前記取得ステップで取得したテスト画像を解析する解析ステップと、
    前記解析ステップでの解析結果の時系列の推移に基づいて前記画像形成手段が故障するかを判定する判定ステップと、
    前記解析ステップでの解析結果の時系列の推移に基づいて前記テスト画像の評価値を算出する算出ステップと
    を有し、
    前記決定ステップは、前記算出ステップで算出された前記テスト画像の評価値に従って前記スケジュールを決定することを特徴とする制御方法。
24. コンピュータを請求項１から１９のいずれか一項に記載の故障予測装置として機能させるためのプログラム。

Images