JP2018081465A - 遠隔保守装置、遠隔保守方法及び遠隔保守プログラム - Google Patents
遠隔保守装置、遠隔保守方法及び遠隔保守プログラム Download PDFInfo
- Publication number
- JP2018081465A JP2018081465A JP2016222804A JP2016222804A JP2018081465A JP 2018081465 A JP2018081465 A JP 2018081465A JP 2016222804 A JP2016222804 A JP 2016222804A JP 2016222804 A JP2016222804 A JP 2016222804A JP 2018081465 A JP2018081465 A JP 2018081465A
- Authority
- JP
- Japan
- Prior art keywords
- image forming
- remote maintenance
- normal individual
- forming apparatuses
- forming apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Accessory Devices And Overall Control Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Paper Feeding For Electrophotography (AREA)
- Control Or Security For Electrophotography (AREA)
- Controlling Sheets Or Webs (AREA)
Abstract
【課題】簡易な手段で立ち上がりの早い故障検知技術を提供することができる。【解決手段】本発明は、通信回線で接続され、印刷媒体を搬送しつつ印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守装置を提供する。遠隔保守装置は、複数の画像形成装置のそれぞれから搬送に起因して発生する音声を含む音声情報を取得する情報取得部と、音声情報を複数の画像形成装置毎に紐づけて収集し、紐づけて収集された音声情報を使用して複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成部と、生成された複数の正常個体モデルの中から音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、選択された正常個体モデルにおける音声情報の出現確率に応じて画像形成装置の異常診断を行う異常診断部とを備える。【選択図】図1
Description
本発明は、画像形成装置の遠隔保守装置、遠隔保守方法及び遠隔保守プログラムに関する。
典型的な画像形成装置(たとえばプリンター、多機能プリンター、又は複合機(Multifunction Printer)は、印刷媒体を搬送させつつ画像を形成し、画像が形成されている印刷媒体を排出する。印刷媒体の搬送では、画像形成装置の搬送駆動装置は、たとえば給紙トレイに格納されている印刷用紙(印刷媒体の一例)をピックアップローラで取り出し、搬送しつつ転写工程や定着工程を実行し、画像形成装置から排出する。搬送駆動装置には可動部分が多いため、摩耗や経年変化によってジャム(紙詰まり)が発生することが想定されている。
これに対して、画像形成装置の故障診断方法が提案されている。たとえば特許文献1は、ベイジアンネットワークモデルなどの確率に基づく情報処理モデルのように、装置の故障を引き起こす原因をモデル化して解析することで、搬送装置や画像形成装置などの自動診断を行なう技術を提案している。
しかしながら、ベイジアンネットワークモデルなどの確率に基づく情報処理モデルは、ある程度の事前のモデル化が必要である一方、機械学習には膨大な時間とデータ量が必要となるという問題があった。一方、新機種が市場投入された直後には、搬送駆動装置の特性が従来と大きく相違し、機械学習の有効性が問題となることもある。
本発明は、このような状況に鑑みてなされたものであり、簡易な手段で立ち上がりの早い故障検知技術を提供することを目的とする。
本発明は、通信回線で接続され、印刷媒体を搬送しつつ前記印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守装置を提供する。前記遠隔保守装置は、前記複数の画像形成装置のそれぞれから前記搬送に起因して発生する音声を含む音声情報を取得する情報取得部と、前記音声情報を前記複数の画像形成装置毎に紐づけて収集し、前記紐づけて収集された音声情報を使用して前記複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成部と、前記生成された複数の正常個体モデルの中から前記音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、前記選択された正常個体モデルにおける前記音声情報の出現確率に応じて前記画像形成装置の異常診断を行う異常診断部とを備える。
本発明は、通信回線で接続され、印刷媒体を搬送しつつ前記印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守方法を提供する。前記遠隔保守方法は、前記複数の画像形成装置のそれぞれから前記搬送に起因して発生する音声を含む音声情報を取得する情報取得工程と、前記音声情報を前記複数の画像形成装置毎に紐づけて収集し、前記紐づけて収集された音声情報を使用して前記複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成工程と、前記生成された複数の正常個体モデルの中から前記音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、前記選択された正常個体モデルにおける前記音声情報の出現確率に応じて前記画像形成装置の異常診断を行う異常診断工程とを備える。
本発明は、通信回線で接続され、印刷媒体を搬送しつつ前記印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守装置を制御する遠隔保守プログラムを提供する。前記遠隔保守プログラムは、前記複数の画像形成装置のそれぞれから前記搬送に起因して発生する音声を含む音声情報を取得する情報取得部、前記音声情報を前記複数の画像形成装置毎に紐づけて収集し、前記紐づけて収集された音声情報を使用して前記複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成部、及び前記生成された複数の正常個体モデルの中から前記音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、前記選択された正常個体モデルにおける前記音声情報の出現確率に応じて前記画像形成装置の異常診断を行う異常診断部として前記遠隔保守装置を機能させる。
本発明によれば、簡易な手段で立ち上がりの早い故障検知技術を提供することができる。
以下、本発明を実施するための形態(以下、「実施形態」という)を、図面を参照して説明する。
図1は、本発明の一実施形態に係る遠隔保守システム1の機能構成を示すブロックダイアグラムである。遠隔保守システム1は、遠隔保守装置900と、複数の社内ネットワーク20内に設置されている複数の画像形成装置21(21a〜21c)と、サービスマンが使用する複数のモバイル端末960とを備えている。複数の画像形成装置21a〜21cは、インターネット30その他の通信回線を介して遠隔保守装置900の遠隔保守の対象となっている。遠隔保守には、複数の画像形成装置21の一般的な保守作業(たとえばトナー残量の管理や課金処理(印刷枚数のカウント))だけでなく、異常診断等も含まれている。
遠隔保守装置900は、制御部910と、通信インターフェイス部930と、操作表示部940と、記憶部950とを備えている。制御部910は、統計処理部911と、異常診断部912とを備えている。記憶部950には、知識データベース920が格納されている。
制御部910は、RAMやROM等の主記憶手段、及びMPU(Micro Processing Unit)やCPU(Central Processing Unit)等の制御手段を備えている。また、制御部100は、各種I/O、USB(ユニバーサル・シリアル・バス)、バス、その他ハードウェア等のインターフェイスに関連するコントローラ機能を備え、遠隔保守装置900全体を制御する。
記憶部950は、非一時的な記録媒体であるハードディスクドライブやフラッシュメモリー等からなる記憶装置で、制御部910が実行する処理の制御プログラムやデータ(設定データを含む)を記憶する。記憶部950は、前述のように、さらに、知識データベース920を格納している。
遠隔保守装置900は、記憶部950に格納されている知識データベース920を利用する機械学習に基づいて故障診断や故障予測を行うことができる。知識データベース920は、複数の画像形成装置21a〜21cから取得した音声情報に基づいて統計処理部911によって半自動的に生成される。遠隔保守装置900は、いわゆるビッグデータを扱って機械学習を行うことができるように構成されている。
知識データベース920は、個体時系列データ921と、正常モデル922a〜922cと、異常モデル923a〜923cとを含んでいる。個体時系列データ921は、管理対象となっている複数の画像形成装置21a〜21cのそれぞれから受信した音声情報を画像形成装置21a〜21c毎に紐づけて時系列順に格納するデータである。
正常モデル922a〜922cは、複数の画像形成装置21a〜21cから受信した音声情報に基づいて確率分布として生成されている統計モデルである。正常モデル922a〜922cは、この例では、3台の画像形成装置21a〜21c毎に生成される。正常モデル922aは、画像形成装置21aのために生成される。正常モデル922bは、画像形成装置21bのために生成される。正常モデル922cは、画像形成装置21cのために生成される。このように、画像形成装置21a〜21c毎に紐づけられている正常モデルは、正常個体モデルとも呼ばれる。
なお、この例では、異常モデル923a〜923cは、複数の画像形成装置21a〜21cにおいて異常状態が確認されたときの、この例では3つの故障モード毎に生成される。
複数の社内ネットワーク20は、それぞれ複数の画像形成装置21a〜21cと、複数のパーソナルコンピュータ22と、ルーター23とを備えている。画像形成装置21a〜21cは、それぞれ制御部100と、印刷用紙搬送部200と、音声センサ300と、画像読取部400と、印刷媒体に画像を形成して印刷物として排出する画像形成部500と、記憶部600と、通信インターフェイス部700と、操作表示部800とを備えている。通信インターフェイス部700は、ルーター23を介して複数のパーソナルコンピュータ22と、インターネット30とに接続されている。
図2は、本発明の一実施形態に係る画像形成装置21の全体構成を示す断面図である。本実施形態の画像形成装置21は、タンデム型のカラープリンターである。画像形成装置21は、その筐体10内に、画像形成部として、マゼンタ、シアン、イエロー、及びブラックの各色に対応させて感光体ドラム(像担持体)30m、30c、30y及び30kが一列に配置されている。感光体ドラム30m、30c、30y及び30kのそれぞれに隣接して、現像装置100m、100c、100y及び100kが配置されている。
感光体ドラム30m、30c、30y及び30kには、露光ユニット50から各色用のレーザー光Lm、Lc、Ly及びLkが照射される。この照射によって、感光体ドラム30m、30c、30y及び30kに静電潜像が形成される。現像装置100m、100c、100y及び100kは、トナーを攪拌しながら、感光体ドラム30m、30c、30y及び30kの表面に形成された静電潜像にトナーを付着させる。これにより、現像工程が完了し、感光体ドラム30m、30c、30y及び30kの表面に各色のトナー像が形成される。
画像形成装置21は、無端状の中間転写ベルト220を有している。中間転写ベルト220は、テンションローラ224、駆動ローラ222a(図3参照)及び従動ローラ221に張架されている。中間転写ベルト220は、駆動ローラ222aの回転によって循環駆動させられる。
たとえば感光体ドラム30k上のブラックのトナー像は、感光体ドラム30kと一次転写ローラ23kとで中間転写ベルト220を挟み、中間転写ベルト220が循環駆動させられることによって中間転写ベルト220に一次転写される。この点は、シアン、イエロー、ブラックの3色についても同様である。中間転写ベルト220の表面には、所定のタイミングで相互に重ね合わせられるように一次転写が行われることによってフルカラートナー像が形成される。
画像形成装置21の印刷用紙搬送部200は、印刷媒体としての印刷用紙P及び非定形用紙Ptを供給して搬送するために、手差しトレイ235と、給紙カセット260と、第1搬送路271と、第2搬送路272と、第3搬送路273と、第4搬送路274と、反転搬送路275とを備えている。反転搬送路275は、両面印刷で使用される搬送路である。
給紙カセット260は、印刷用紙Pを供給することができる。給紙カセット260は、画像形成装置21の筐体10の下部に配置され、画像形成装置21の筐体10の外部に引き出すことによって印刷用紙Pの補充を可能としている。印刷用紙Pは、ピックアップローラ262と給紙ローラ対261とによって、給紙カセット260から1枚ずつ第2搬送路272に供給される。
一方、手差しトレイ235は、画像形成装置21の筐体10の右側に配置され、非定形用紙Ptを供給することができる。非定形用紙Ptは、給紙ローラ236によって1枚ずつ第1搬送路271に供給される。第1搬送路271は、第2搬送路272に接続されている。第2搬送路272は、前述のように定形の印刷用紙Pを供給する給紙カセット260にも接続されている。
図3は、一実施形態に係る印刷用紙搬送部200の一部を示す拡大断面図である。印刷用紙搬送部200では、印刷媒体は、第2搬送路272を通過して経路Tに沿って搬送される。印刷用紙搬送部200は、さらに、駆動回路120と、音声センサ300と、4個の駆動モータ222m,231m,236m,262mと、排出検知スイッチDsと、レジストスイッチRsとを備えている。
駆動回路120は、4個の駆動モータ222m,231m,236m,262mのそれぞれを駆動する。音声センサ300は、印刷用紙搬送部200の搬送に起因して発生する音声を含む音声情報を取得する。駆動回路120は、4個の駆動モータ222m,231m,236m,262mのそれぞれに実際に流れたモータ電流値を制御部100に送信する。
第2搬送路272は、印刷媒体をレジストローラ233まで搬送する。レジストスイッチRs(図3参照)は、印刷媒体がレジストローラ233に到達したことを検知する。
画像形成装置21は、第3搬送路273では、中間転写ベルト220の表面に転写されたフルカラートナー像を印刷媒体上に二次転写することができる。二次転写は、駆動ローラ222aと二次転写ローラ222bとを有する転写ローラ対222によって行われる。レジストローラ233は、印刷媒体が検知されると、中間転写ベルト220上のフルカラートナー像にタイミングを合わせて転写ローラ対222に印刷媒体の搬送を開始することによって二次転写を可能とする。転写後に、ベルトクリーニング装置(図示略)が中間転写ベルト220に残存するトナーを清掃する。
画像形成装置21は、第3搬送路273では、さらに、印刷媒体上に二次転写されたフルカラートナー像を印刷媒体上に定着させることができる。定着は、加圧ローラ231aとヒートローラ231bとを有する定着ローラ対231によって行われる。加圧ローラ231aとヒートローラ231bとは、相互に圧力をかけて変形した状態で接することによってニップ部(図示せず)を形成している。印刷媒体がニップ部を通過する際に、加圧・加熱され、フルカラートナー像が印刷媒体に定着することになる。
ヒートローラ231bは、一般にアルミニウムのパイプの芯金ローラを有し、その外周面にフッ素樹脂層やシリコンゴム層が形成されている。一方、加圧ローラ231aは、金属製のローラ軸の外周面に厚さ数mm程度の周密な弾性変形可能なシリコンゴム層が形成されている。このような構成によって、加圧ローラ231aの弾性変形を利用して定着ローラ対231間に適正な均一な幅のニップが形成される。加圧ローラ231aは、駆動手段として用いられるDCモータやステッピングモータといった駆動モータ231mによって駆動される。駆動モータ231mは、記憶部600に記憶されたプログラムに従って制御部100によって制御される。定着ローラ対231及び駆動モータ231mは、定着部とも呼ばれる。
第4搬送路274は、印刷が完了した印刷媒体を画像形成装置21から排出するための搬送路である。印刷媒体は、2つの排出ローラ232a,232bを有する排出ローラ対232を介して画像形成装置21の外部に排出される。排出検知スイッチDsは、排出ローラ対232から排出される印刷媒体を検知することができる。
駆動モータ222mは、主として転写ローラ対222を回転駆動するモータである。駆動モータ231mは、主として定着ローラ対231を回転駆動するモータである。駆動モータ236mは、主として給紙ローラ236を回転駆動するモータである。駆動モータ262mは、主としてピックアップローラ262及び給紙ローラ対261を回転駆動するモータである。このような、印刷用紙搬送部200における搬送動作に伴って回転する部品は、回転部品とも呼ばれる。
排出検知スイッチDs及びレジストスイッチRsは、各位置において、経路Tにおける印刷媒体の到達を検知するので、印刷用紙Pでジャム(紙詰まり)が発生せず、実際に搬送されていることを確認するための用途にも利用される。
具体的には、たとえば制御部100から駆動モータ262mや駆動モータ236mに駆動指令が発せられた後に、予め設定された時間経過後にレジストスイッチRsに印刷媒体が検知されなかった場合には、レジストスイッチRsよりも上流側(たとえば第1搬送路271や第2搬送路272)におけるジャムを検知することができる。一方、レジストスイッチRsで印刷媒体が検知され、排出検知スイッチDsで印刷媒体が検知されなかった場合には、レジストスイッチRsよりも下流側(たとえば第3搬送路273、第4搬送路274及び反転搬送路275のいずれか)でジャムが発生したことを検知することができる。
図4は、一実施形態に係る異常診断処理の内容を示す説明図である。図5は、一実施形態に係る機械学習における標本データ群D(図5の式F1参照)の内容の一例を示す説明図である。本異常診断処理は、複数の画像形成装置21a〜21cのそれぞれから収集した音声情報を使用して機械学習を実行し、この学習結果を利用して異常診断を行う処理である。
ステップS10では、複数の画像形成装置21a〜21cは、予め設定されているタイミング(たとえば印刷開始時)で音声データ収集処理を起動する。音声データ収集処理では、制御部100の音声処理部110は、記憶部600に音声データを圧縮して記憶する。圧縮方式は、可逆圧縮方式を採用する。不可逆圧縮方式では、人間の聴覚特性に基づいてカットされた情報を再現することができなくなるからである。
音声処理部110は、音声データを処理して音声振幅ヒストグラム及び音声フーリエ変換値を生成する。ローラ回転数及びモータ電流値は、音声データと同様に処理しても良いし、あるいは平均値、一定時間(たとえば10秒間)の時系列値、ヒストグラム及びフーリエ変換値のように画像形成装置21で処理された形で音声情報を表すデータとすることもできる。
音声情報(標本データ)には、一例として、音声振幅ヒストグラム(定型:x1(n))、音声フーリエ変換値(非定型:x2(n))、モータ回転数(RPM:x3(n))、ローラ回転数(RPM:x4(n))、モータ電流値(x5(n))といった5次元の画像形成装置21の搬送に関する状態である搬送関連状態を表す情報が標本データx(n)として含まれている。これらの搬送関連状態を表す情報は、統計処理において確率変数として取り扱われる。
このように、本実施形態では、標本データ群Dは、複数の画像形成装置21a〜21cのそれぞれに対して標本数N個の5次元ベクトルとして構成されている(式F1、F2参照)。各標本データx(n)には、さらに標本ラベルy(n)が含まれている。
標本ラベルy(n)は、異常又は正常を表すフラグFと、故障モードを表すモードMとが含まれている(式F3参照)。フラグFの初期値は、「0」(正常)に設定され、モードMの初期値は、「0」(モータ故障)に設定されている。モータ故障は、4個の駆動モータ222m,231m,236m,262mのいずれかの故障を意味している。モードMの値「1」は、給紙ローラ236やピックアップローラ262の過摩耗を意味している。
図6は、一実施形態に係る画像形成装置21が送信する音声情報の例を示す説明図である。図6(a)は、音声振幅ヒストグラムの一例を示している。度数とは、各振幅値(横軸)における出現値である。この例は、最小振幅値(負の値)と最大振幅値(正の値)で正規化されている。この音声振幅ヒストグラムは、振幅ゼロの近傍をピークとする山形の特性を有している。
図6(b)は、音声フーリエ変換値の一例を示している。この例は、たとえば給紙ローラ236を発信源とする音声データの音声フーリエ変換値である。この音声フーリエ変換値は、基本振動数として給紙ローラ236の回転数ω0に応じた周波数にピークを有していることが分かる。この音声フーリエ変換値は、さらに、回転数ω0の第1高調波ω1と第2高調波ω2にもピークを有している。
音声フーリエ変換値は、回転部品の回転数の変化に応じて変化することが分かる。したがって、4個の駆動モータ222m,231m,236m,262mやこれらに駆動されるローラの回転数に変化が生じている場合には、観測値と、正常モデル922a〜922c及び異常モデル923a〜923cとの少なくとも一方を補正することが好ましい。
ステップS20では、遠隔保守装置900の統計処理部911は、情報取得部として機能し、音声データ受信処理を実行する。音声データ受信処理では、遠隔保守装置900の統計処理部911は、先ず個体時系列データ921に音声情報を格納する。音声情報は、複数の画像形成装置21a〜21cのそれぞれに紐付けられて時系列毎に格納される。
本実施形態では、遠隔保守装置900は、最初に、製造時(出荷前)における正常に作動している試験作動の音声データを複数の画像形成装置21a〜21cの製造者から受信する。この音声データは、製造者によって正常作動が確認されている状態での作動音である。統計処理部911は、正常個体モデル生成部として機能し、前述のように初期状態の統計モデル(初期モデルとも呼ばれる。)としての正常モデル922a〜922cを3台の画像形成装置21a〜21c毎に生成する。
複数の画像形成装置21a〜21cは、ユーザーのオフィスへの設置後においては、予め設定されている間隔(たとえば毎日1回)で音声データ収集処理を実行する。画像形成装置21は、さらに、排出検知スイッチDs及びレジストスイッチRsを使用してジャムを検知したときにも遠隔保守装置900に個体データを送信する。これに応じて、遠隔保守装置900は、音声データ受信処理を実行する。
なお、単なるジャムの発生自体は、異常や故障ではなく、たとえばユーザーによる非定形用紙Ptの不適切な裁置によって発生することもある。本実施形態では、異常や故障は、ユーザーの操作や再現性のない突発的な事象に起因せず、経年変化やピックアップローラ262等の過摩耗、駆動モータ222m等の故障等によって予め想定されている頻度より多く発生する状態を意味している。
一方、過摩耗や故障は、正常時には発生しない音(たとえばローラーの滑りやきしみ)が発生し、正常時とは音の特性が大きく変化する。よって、単に画像形成装置21a〜21cの内部の音声に大きな変化があった場合や新規の特徴(周波数や振幅等)を有する音声が発生した場合に異常の可能性を検知することができる。
ステップS30では、遠隔保守装置900は、異常診断処理を実行する。異常診断処理では、遠隔保守装置900の異常診断部912は、正常モデル922a〜922cのうち異常診断の対象となる画像形成装置21に対応するモデルを選択し、選択された正常モデルに基づいて異常度Aの大きさに基づいて異常の有無を診断する。異常度Aは、たとえば正常モデル922aにおいて画像形成装置21aの出現確率pが低い、すなわち正常である確率が低いことで、異常である確率が高いとして確率論的に定義することができる。
図7は、一実施形態に係る統計処理としての異常診断の方法を示す説明図である。図7(a)は、画像形成装置21aの観測値(実測値)の分布と正規分布としての正常モデル922aを示している。観測値の分布は、実線で示されている。正規分布は、点線で示されている。正常モデル922aは、この例では、観測値の分布が正規分布を有していると仮定して算出されたモデルである。
正常モデルに基づく異常度Aは、たとえばホテリングのT2法やマハラノビス・タグチ法に基づき、出現確率pが小さいとき、すなわち、観測された標本データの値(画像形成装置21から取得した音声情報)が平均値から外れるほど大きく、正常モデルの標準偏差が小さいほど大きくなる指標として異常診断に使用できる。
このように、正常モデルの標本データにばらつきが小さく、平均値から外れた標本データは、高い異常度Aを有することになる。この例では、たとえば式F4で定義される異常度Aが予め設定されている閾値よりも大きな場合に異常であると診断される。なお、この際、画像形成装置21aの観測値は、これまでに観測されている観測値の分布からは外れている場合が多いと考えられる。
図7(b)は、あるクラスターの正規分布としての正常モデルと異常モデルとを示している。正常モデル及び異常モデルに基づく異常度Aは、たとえばネイマン・ピアソン決定則に基づき、正常モデルにおける出現確率p0と異常モデルにおける出現確率p1の比の自然対数として算出される。
このように、異常度Aは、異常モデルにおいて出現確率p1が高く、正常モデルにおいて出現確率p0が低い指標として異常診断に使用できる。この例では、たとえば式F5で定義される異常度Aが予め設定されている閾値よりも大きな場合に異常であると診断される。なお、異常モデル923a〜923cは、後述の故障モード毎に複数のクラスターとして生成され、故障モードの推定にも利用できる。
ステップS40では、異常診断部912は、異常度Aが予め設定されている閾値Th以上である場合には、異常であると診断し、異常度Aが予め設定されている閾値Th未満である場合には、正常であると診断する。異常診断部912は、異常であると診断したときには、処理をステップS50に進め、正常であると診断したときには、処理をステップS80に進める。
ステップS50では、遠隔保守装置900は、異常通知処理を実行する。異常通知処理は、遠隔保守装置900の操作表示部940を使用して画像形成装置21の異常をオペレータに知らせる処理である。異常通知処理では、オペレータは、操作表示部940を使用して音声データ受信処理で取得した音声情報の内容及び異常判定の内容を確認することができる。異常判定の内容は、異常判定の判断となった理由(特に異常判定の主要因となったデータ(たとえば音声フーリエ変換値)、異常度A及び異常判定の基準(閾値Th)を含んでいる。
ステップS60では、オペレータは、サービスマンの派遣が必要か否かを判断する。派遣が必要と判断した場合には、複数のモバイル端末960に対して、異常と診断された画像形成装置21の位置と異常内容とを一斉配信する。オペレータは、サービスマンからの返信に応じて、異常と診断された画像形成装置21を設置する会社を訪問するサービスマンを決定し、その旨を複数のモバイル端末960に対して一斉配信する。
ステップS70では、サービスマンは、個体状況確認処理を実行する。個体状況確認処理では、サービスマンは、異常内容をモバイル端末960で確認しつつ異常と診断された画像形成装置21の状態を調査する。
サービスマンは、たとえば異常の原因が給紙カセット260のピックアップローラ262の過摩耗であると判断した場合、ピックアップローラ262を交換する。この場合には、サービスマンは、モバイル端末960においてピックアップローラ262を交換した旨を遠隔保守装置900に送信する。遠隔保守装置900は、個体時系列データ921に格納されている当該標本データの標本ラベルy(n)のフラグFの値を「1」(異常)とし、モードMの値を「1」(ローラの過摩耗)とする。
ステップS80では、遠隔保守装置900の統計処理部911は、学習処理を実行する。学習処理では、統計処理部911は、標本データの標本ラベルy(n)のフラグFの値を「1」とし、モードMの値を「1」とし、該当するクラスターの異常モデル923a〜923cの標本データとして学習処理(統計用標本データとして追加処理)を実行する。一方、正常モデル922a〜922cの標本データから削除する。
なお、ステップS40において、正常と判断された場合には、統計処理部911は、標本データの標本ラベルy(n)を初期値としたままで、正常モデル922a〜922cの該当するクラスターの標本データとして学習処理(統計用標本データとして追加処理)を完了する。一方、異常モデル923a〜923cの標本データとしては使用されない。
これにより、統計処理部911は、画像形成装置21a〜21cのそれぞれの自己の標本データの各確率変数の平均、分散、確率分布間の共分散といった種々の統計量を含む正常モデル922a〜922cと異常モデル923a〜923cとを生成することができる。この結果、異常診断部912は、画像形成装置21a〜21cの継続的な音情報の変化を検出することによって異常診断を実現することができる。具体的な実装では、これらのモデル922a〜922c、923a〜923cに基づいてホテリングのT2法やマハラノビス・タグチ法、ネイマン・ピアソン決定則といった種々の方法を採用することができる。
このように、本実施形態に係る遠隔保守システム1は、専門家による事前のモデル設定の負担を軽減し、新機種が市場投入された直後においても、適切に故障診断を行うことができる。このように、本実施形態に係る遠隔保守システム1は、簡易な手段で立ち上がりの早い故障検知技術を提供することができる。
本発明は、上記各実施形態だけでなく、以下のような変形例でも実施することができる。
変形例1:上記実施形態では、標本ラベルy(n)には、異常と正常のいずれかを示すフラグFと、故障モードを表すモードMとが含まれているが、これらには限られない。具体的には、たとえば故障前状態を示すフラグをさらに追加してもよいし、故障モードに故障前状態を含めてもよい。
故障前状態を示す前兆フラグは、たとえば特定の固体においてサービスマンによって故障が確認された場合には、個体時系列データ921から当該特定の固体から取得した過去の標本データを取得し、故障前状態を示す値に変更して使用される。
このような、音声情報のうち、異常が後に確認され、異常が確認される前の音声情報は、特定の音声情報と呼ばれる。これにより、故障前状態フラグは、特定の音声情報を使用により前兆モデルの生成を実現し、時系列的な音声情報の変化をも使用して故障前に早期に故障を予測する学習モデルの生成に使用することができる。
変形例2:上記実施形態や変形例では、音声情報として音声振幅ヒストグラム及び音声フーリエ変換値が使用されているが、必ずしも双方を利用する必要はなく一方のみを使用しても良い。さらに、音声振幅ヒストグラムや音声フーリエ変換値の代わりに、たとえば図8に示されるような音声サンプルデータを使用しても良いし、両者を組み合わせて使用しても良い。さらに、遠隔保守装置900は、異常発生時に音声サンプルデータをオペレータに提示するように構成されていてもよい。この例では、周期性の乱れや周波数の変化が発生し、変化点として検知可能である。
変形例3:上記実施形態や変形例では、単一の音声センサ300を使用しているが、複数の音声センサを使用して、印刷用紙搬送部200の各領域の音声を取得するようにしてもよい。さらに、音声センサとともに、あるいは音声センサの代わりに振動センサをしようしてもよい。音声情報には、広く振動センサの出力も含まれる。
変形例4:上記実施形態や変形例では、遠隔保守装置900の統計処理部911は、画像形成装置21a〜21c毎に紐づけられている正常モデル(正常個体モデル)を生成しているが、正常モデルは、このようなモデルに限られない。正常モデルは、以下のような他の方法でクラスター化されていても良い。
正常モデル922aは、複数の画像形成装置21a〜21cの機種毎に分類され、クラスター化されている統計モデルとしてもよい。正常モデル922bは、複数の画像形成装置21a〜21cの印刷枚数毎(たとえば1万枚毎)に分類され、クラスター化されている統計モデルとしてもよい。正常モデル922cは、複数の画像形成装置21a〜21cの設置期間毎(データ量に応じて、たとえば1年毎あるいは1月毎)に分類され、クラスター化されている統計モデルとしてもよい。
変形例5:上記実施形態や変形例では、遠隔保守装置900は、異常診断のみを行っている。しかしながら、遠隔保守装置900は、検出された異常に対してサービスマンの派遣を行うだけでなく、たとえば遠隔操作で画像形成装置21の駆動モータの回転数を仕様値よりも低下させ、印刷媒体の搬送速度を低下させてジャムを抑制する特定の作動モードに設定変更するように構成してもよい。これにより、サービスマンによる訪問前においてもジャムを抑制しつつ画像形成装置21の利用を可能とすることができる。
変形例6:上記実施形態や変形例では、遠隔保守装置900は、各確率変数の統計量を使用してホテリングのT2法やマハラノビス・タグチ法、ネイマン・ピアソン決定則といった方法で異常診断を行っているが、統計処理としては、ベイズ法その他の方法を採用してもよい。さらに、遠隔保守装置900は、機械学習に必ずしも統計処理を採用する必要はなく、たとえばオートエンコーダーでディープ・ニューラルネットワークを構成し、ディープラーニングを使用して機械学習を実現するようにしてもよい。
1 遠隔保守システム
20 社内ネットワーク
21 画像形成装置
22 パーソナルコンピュータ
23 ルーター
30 インターネット
100 制御部
110 音声処理部
200 印刷用紙搬送部
220 中間転写ベルト
260 給紙カセット
300 音声センサ
400 画像読取部
500 画像形成部
600 記憶部
900 遠隔保守装置
910 制御部
920 知識データベース
930 通信インターフェイス部
940 操作表示部
950 記憶部
960 モバイル端末
20 社内ネットワーク
21 画像形成装置
22 パーソナルコンピュータ
23 ルーター
30 インターネット
100 制御部
110 音声処理部
200 印刷用紙搬送部
220 中間転写ベルト
260 給紙カセット
300 音声センサ
400 画像読取部
500 画像形成部
600 記憶部
900 遠隔保守装置
910 制御部
920 知識データベース
930 通信インターフェイス部
940 操作表示部
950 記憶部
960 モバイル端末
Claims (8)
- 通信回線で接続され、印刷媒体を搬送しつつ前記印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守装置であって、
前記複数の画像形成装置のそれぞれから前記搬送に起因して発生する音声を含む音声情報を取得する情報取得部と、
前記音声情報を前記複数の画像形成装置毎に紐づけて収集し、前記紐づけて収集された音声情報を使用して前記複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成部と、
前記生成された複数の正常個体モデルの中から前記音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、前記選択された正常個体モデルにおける前記音声情報の出現確率に応じて前記画像形成装置の異常診断を行う異常診断部と、
を備える遠隔保守装置。 - 請求項1記載の遠隔保守装置であって、
前記情報取得部は、前記画像形成装置の出荷前における前記音声情報を取得し、前記取得した音声情報を使用して前記画像形成装置の正常個体モデルを初期モデルとして生成する遠隔保守装置。 - 請求項1又は2に記載の遠隔保守装置であって、
前記情報取得部は、異常が確認された前記画像形成装置における前記音声情報を取得し、前記取得した音声情報を使用して前記画像形成装置の異常モデルを生成し、
前記異常診断部は、前記異常モデルにおける出現確率と前記正常個体モデルにおける出現確率とを使用して前記異常診断を行う遠隔保守装置。 - 請求項1乃至3のいずれか1項に記載の遠隔保守装置であって、
前記情報取得部は、前記搬送に使用される回転部品の回転数を取得し、
前記異常診断部は、前記取得した回転数を使用して前記音声情報と前記正常個体モデルの少なくとも一方を補正して前記異常診断を行う遠隔保守装置。 - 請求項1乃至4のいずれか1項に記載の遠隔保守装置であって、
前記正常個体モデル生成部は、複数の画像形成装置のうち異常が確認された画像形成装置において前記異常が確認される前の特定の音声情報を使用し、前記特定の音声情報を確率変数とする確率分布を生成し、
前記異常診断部は、前記特定の音声情報を使用して前記生成された確率分布に基づき、前記異常の発生を予測する遠隔保守装置。 - 請求項1乃至5のいずれか1項に記載の遠隔保守装置であって、
前記画像形成装置は、前記印刷媒体の搬送速度を低下させて、前記印刷媒体のジャムの発生を抑制する特定の作動モードを有し、
前記遠隔保守装置は、前記異常診断の結果に基づいて、前記画像形成装置の作動モードを遠隔操作で前記特定の作動モードに変更する遠隔保守装置。 - 通信回線で接続され、印刷媒体を搬送しつつ前記印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守方法であって、
前記複数の画像形成装置のそれぞれから前記搬送に起因して発生する音声を含む音声情報を取得する情報取得工程と、
前記音声情報を前記複数の画像形成装置毎に紐づけて収集し、前記紐づけて収集された音声情報を使用して前記複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成工程と、
前記生成された複数の正常個体モデルの中から前記音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、前記選択された正常個体モデルにおける前記音声情報の出現確率に応じて前記画像形成装置の異常診断を行う異常診断工程と、
を備える遠隔保守方法。 - 通信回線で接続され、印刷媒体を搬送しつつ前記印刷媒体に画像を形成する複数の画像形成装置の保守を行う遠隔保守装置を制御する遠隔保守プログラムであって、
前記遠隔保守プログラムは、
前記複数の画像形成装置のそれぞれから前記搬送に起因して発生する音声を含む音声情報を取得する情報取得部、
前記音声情報を前記複数の画像形成装置毎に紐づけて収集し、前記紐づけて収集された音声情報を使用して前記複数の画像形成装置毎に正常個体モデルを生成する正常個体モデル生成部、及び
前記生成された複数の正常個体モデルの中から前記音声情報を送信した画像形成装置に対応する正常個体モデルを選択し、前記選択された正常個体モデルにおける前記音声情報の出現確率に応じて前記画像形成装置の異常診断を行う異常診断部、
として前記遠隔保守装置を機能させる遠隔保守プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016222804A JP2018081465A (ja) | 2016-11-15 | 2016-11-15 | 遠隔保守装置、遠隔保守方法及び遠隔保守プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016222804A JP2018081465A (ja) | 2016-11-15 | 2016-11-15 | 遠隔保守装置、遠隔保守方法及び遠隔保守プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018081465A true JP2018081465A (ja) | 2018-05-24 |
Family
ID=62198866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016222804A Pending JP2018081465A (ja) | 2016-11-15 | 2016-11-15 | 遠隔保守装置、遠隔保守方法及び遠隔保守プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018081465A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022230249A1 (ja) * | 2021-04-28 | 2022-11-03 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 紙詰まり予兆推定装置、紙詰まり予兆推定方法、及び、プログラム |
US20230012285A1 (en) * | 2020-01-10 | 2023-01-12 | Hewlett-Packard Development Company, L.P. | Audio samples to detect device anomalies |
-
2016
- 2016-11-15 JP JP2016222804A patent/JP2018081465A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230012285A1 (en) * | 2020-01-10 | 2023-01-12 | Hewlett-Packard Development Company, L.P. | Audio samples to detect device anomalies |
US12014749B2 (en) * | 2020-01-10 | 2024-06-18 | Hewlett-Packard Development Company, L.P. | Audio samples to detect device anomalies |
WO2022230249A1 (ja) * | 2021-04-28 | 2022-11-03 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 紙詰まり予兆推定装置、紙詰まり予兆推定方法、及び、プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018170629A (ja) | 遠隔保守装置及び遠隔保守方法 | |
JP5369949B2 (ja) | 故障診断装置、故障診断方法及び記録媒体 | |
JP5598293B2 (ja) | 画像形成システム、予測基準設定装置、予測装置、画像形成装置及びプログラム | |
JP2011215605A (ja) | 電子機器、異常判定方法およびプログラム | |
JP2018081465A (ja) | 遠隔保守装置、遠隔保守方法及び遠隔保守プログラム | |
US11360420B2 (en) | Image forming apparatus, abnormality diagnosis method, and image forming system | |
JP5716403B2 (ja) | 故障予測装置、画像形成装置及びプログラム | |
JP3090517B2 (ja) | 診断装置 | |
US10877421B2 (en) | Image forming apparatus and image forming method | |
JP2013029987A (ja) | 監視システム、プログラム | |
JP2019116007A (ja) | 故障診断システムおよび故障診断方法 | |
JP5942401B2 (ja) | 障害予測システム、障害予測装置及びプログラム | |
US10642208B2 (en) | Image forming apparatus with abnormality diagnosis, image forming system with abnormality diagnosis, and control program of image forming apparatus with abnormality diagnosis | |
JP5041712B2 (ja) | 画像形成装置及び画像形成装置制御システム | |
JP6160242B2 (ja) | 故障診断装置、画像形成装置及び故障診断システム | |
JP2959251B2 (ja) | 診断装置 | |
JP2005301122A (ja) | 装置異常の要因推定方法及び画像形成装置 | |
US11768639B2 (en) | Printer and component replacement recommendation method | |
JP7292118B2 (ja) | 画像形成装置、画像形成システム及び情報処理装置 | |
US12050425B2 (en) | Management system and image forming apparatus | |
JP2013025196A (ja) | 故障診断方法、故障診断装置、これを用いた画像形成装置 | |
US20240118652A1 (en) | Method of analyzing state of image forming apparatus based on running sound | |
US20230127482A1 (en) | Management system and image forming apparatus | |
WO2024025593A1 (en) | Determining cause of paper jam | |
JP2024025501A (ja) | 画像形成システム、画像形成装置、サーバ装置、クライアント装置およびプログラム |