JP2020106773A - 画像形成装置および画像形成方法 - Google Patents

Abstract

【課題】画像形成部の不具合を高精度に予測する。【解決手段】画像形成装置（１００）は、画像形成部（１１０）と、計測部（１２０）と、生成部（１３０）と、予測部（１４０）とを備える。画像形成部（１１０）は、シートに画像を形成する。計測部（１２０）は、画像形成部（１１０）における音または振動を計測する。生成部（１３０）は、計測部（１２０）の計測結果を周波数解析して周波数データを生成する。予測部（１４０）は、周波数データに基づいて画像形成部（１１０）の不具合を予測する。【選択図】図１

Description

本発明は、画像形成装置および画像形成方法に関する。

画像形成装置では、故障を速やかに解消するために、画像形成装置の故障を予測することが検討されている（特許文献１）。特許文献１の画像形成装置では、形成された出力画像に基づいて画像形成装置の故障を予測している。

特開２００５−３０９０７８号公報

しかしながら、特許文献１の画像形成装置では、不具合を高精度に予測できないことがあった。

本発明は上記課題に鑑みてなされたものであり、その目的は、不具合を高精度に予測可能な画像形成装置および画像形成方法を提供することにある。

本発明による画像形成装置は、画像形成部と、計測部と、生成部と、予測部とを備える。前記画像形成部は、シートに画像を形成する。前記計測部は、前記画像形成部における音または振動を計測する、前記生成部は、前記計測部の計測結果を周波数解析して周波数データを生成する。前記予測部は、前記周波数データに基づいて前記画像形成部の不具合を予測する。

本発明による画像形成方法は、画像形成部がシートに画像を形成するステップと、前記画像形成部における音または振動を計測するステップと、前記計測するステップにおける計測結果を周波数解析して周波数データを生成するステップと、前記周波数データに基づいて前記画像形成部の不具合を予測するステップとを包含する。

本発明によれば、画像形成装置における不具合を高精度に予測できる。

本実施形態の画像形成装置の模式図である。 本実施形態の画像形成装置のブロック図である。 （ａ）は本実施形態の画像形成装置における計測部の計測結果を示すグラフであり、（ｂ）は本実施形態の画像形成装置における生成部において生成された周波数データを示すグラフであり、（ｃ）は本実施形態の画像形成装置における学習データを示すテーブルであり、（ｄ）は本実施形態の画像形成装置において音の周波数データ、振動の周波数データおよび不具合発生確率を示すテーブルである。 本実施形態の画像形成方法を説明するためのフローチャートである。 （ａ）は本実施形態の画像形成装置における学習データを示すテーブルであり、（ｂ）は本実施形態の画像形成装置における音の周波数データ、振動の周波数データ、印刷条件、累計印刷枚数および不具合発生確率を示すテーブルである。 本実施形態の画像形成装置の模式図である。 （ａ）は本実施形態の画像形成装置における学習データを示すテーブルであり、（ｂ）は本実施形態の画像形成装置のセンサーごとの音の周波数データ、振動の周波数データおよび不具合発生確率を示すテーブルである。 本実施形態の画像形成装置を備えた画像形成システムの模式図である。 （ａ）は本実施形態の画像形成システムにおける学習データを示すテーブルであり、（ｂ）は本実施形態の画像形成装置における画像形成装置ごとの音の周波数データ、振動の周波数データおよび不具合発生確率を示すテーブルである。

以下、図面を参照して本発明の実施形態を説明する。なお、図中、同一または相当部分については同一の参照符号を付して説明を繰り返さない。

まず、図１を参照して、本実施形態の画像形成装置１００の構成を説明する。図１は、画像形成装置１００の模式図である。画像形成装置１００は、シートＳに画像を形成する。画像形成装置１００は、例えば、プリンター、コピー機または複合機である。画像形成装置１００は、ファクシミリ機能を有してもよい。ここでは、画像形成装置１００は電子写真方式である。

画像形成装置１００は、画像形成部１１０と、計測部１２０と、生成部１３０と、予測部１４０とを備える。画像形成部１１０、計測部１２０、生成部１３０および予測部１４０は、画像形成装置１００の筐体内に設置される。

画像形成部１１０は、シートＳに画像を形成する。例えば、シートＳは、普通紙、再生紙、薄紙、厚紙、コート紙またはＯＨＰ（Ｏｖｅｒｈｅａｄ Ｐｒｏｊｅｃｔｏｒ）シートである。

計測部１２０は、画像形成部１１０における音または振動を計測する。例えば、計測部１２０は、音を計測するマイクロフォンを含む。あるいは、計測部１２０は、振動を計測する振動計を含む。

生成部１３０は、計測部１２０の計測結果を周波数解析して周波数データを生成する。生成部１３０は、計測部１２０の音の計測結果から音の周波数データを生成する。あるいは、生成部１３０は、計測部１２０の振動の計測結果から振動の周波数データを生成する。例えば、生成部１３０は、計測部１２０の計測結果を高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ：ＦＦＴ）処理することにより、周波数データを生成する。例えば、周波数データは、学習データとしても利用される。

予測部１４０は、生成部１３０で生成された周波数データに基づいて画像形成部１１０の不具合を予測する。例えば、予測部１４０は、生成部１３０で生成された周波数データを機械学習し、機械学習の結果を利用して画像形成部１１０の不具合を予測する。予測部１４０は、機械学習の際に、畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）処理を用いてもよい。

ＣＮＮ処理のための学習を行う場合、入力として周波数データを用い、出力として画像形成部１１０の状態（故障の有無または不具合の有無）を用いる。なお、隠れ層は、１層であってもよく、２層以上であってもよい。この場合、ＣＮＮ処理を行うと、周波数データの入力に伴い、画像形成部１１０の不具合発生確率が出力される。

例えば、画像形成部１１０の不具合は、画像形成部１１０において発生する異常を含む。典型的には、画像形成部１１０において異常が発生すると、画像形成部１１０は駆動を停止する。例えば、異常は、ＪＡＭを含む。あるいは、異常は、保守者の呼び出し要求を含む。

あるいは、画像形成部１１０の不具合は、画像形成動作の変化を含む。例えば、画像形成部１１０においてシートＳが若干斜めに搬送される場合、画像形成部１１０は正常の範囲内であれば、画像形成部１１０の駆動は停止しない。この場合でも、画像形成部１１０に不具合が発生していると判定してもよい。

予測部１４０が学習する場合、予測部１４０は、画像形成部１１０の過去の周波数データと過去の状態を学習する。このような学習は、分類器を用いて行われる。予測部１４０は、周波数データに基づいて画像形成部１１０の不具合を予測する。

予測部１４０は、画像形成部１１０の不具合の予測結果を不具合発生確率として求めてもよい。不具合発生確率は、０％〜１００％で表される。

生成部１３０および予測部１４０は、制御部１３０Ａに含まれる。制御部１３０Ａは、画像形成部１１０を制御する。制御部１３０Ａは、演算素子を含む。演算素子は、プロセッサーを含む。一例では、プロセッサーは、中央処理演算機（ＣＰＵ）を含む。プロセッサーは、特定用途集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）を含んでもよい。

画像形成部１１０は、給送部１１２と、搬送部１１４と、作像部１１６とを含む。給送部１１２は、シートＳを収容する。また、給送部１１２は、必要に応じてシートＳを１枚ずつ給送する。

給送部１１２は、カセット１１２ａと、給送ローラー１１２ｂとを備える。カセット１１２ａは、複数枚のシートＳを収容する。給送ローラー１１２ｂは、カセット１１２ａに収容されたシートＳを給送する。給送ローラー１１２ｂは、カセット１１２ａに収容された複数枚のシートＳのうち最上面に位置するシートＳを１枚ずつ給送する。ここでは、給送部１１２は、複数のカセット１１２ａを備え、複数のカセット１１２ａごとに給送ローラー１１２ｂが設置されている。

搬送部１１４は、給送部１１２によって給送されたシートＳを作像部１１６に搬送する。詳細には、搬送部１１４は、給送部１１２によって給送されたシートＳを１枚ずつ作像部１１６に搬送する。作像部１１６がシートＳに画像を形成した後、搬送部１１４は、作像部１１６からシートＳを搬送し、シートＳを画像形成装置１００の外部に排出する。

搬送部１１４は、搬送ローラー１１４ａを複数含む。搬送ローラー１１４ａは、シートＳを搬送する。搬送部１１４において、複数の搬送ローラー１１４ａによってシートＳの搬送路が形成される。

搬送ローラー１１４ａは、回転ローラーを含む。回転ローラーは、回転軸を中心に回転する。典型的には、搬送ローラー１１４ａは、一対の回転ローラーを含む。一対の回転ローラーは、互いに対向して回転軸を中心に回転する。一例では、一対の回転ローラーのうちの一方の回転ローラーはモーターの動力に従って回転し、他方の回転ローラーは従動して回転する。シートＳは、回転する一対の回転ローラーの間に進入し、回転ローラーによって付勢されて回転ローラーから押し出される。

搬送ローラー１１４ａは、レジストローラー１１４ｒを含む。レジストローラー１１４ｒは、作像部１１６にシートＳを搬送するタイミングを調整する。レジストローラー１１４ｒは、シートＳの搬送を一旦停止し、作像部１１６の所定のタイミングに合わせて作像部１１６にシートＳを搬送する。

トナーコンテナＣａ〜Ｃｄは画像形成装置１００に装着される。トナーコンテナＣａ〜Ｃｄの各々は画像形成装置１００に対して着脱自在である。トナーコンテナＣａ〜Ｃｄのそれぞれには異なる色のトナーが収容される。トナーコンテナＣａ〜Ｃｄのトナーは画像形成部１１０に供給される。画像形成部１１０は、トナーコンテナＣａ〜Ｃｄから供給されたトナーを用いて画像を形成する。

例えば、トナーコンテナＣａは、イエロー色のトナーを収容し、作像部１１６にイエロー色のトナーを供給する。トナーコンテナＣｂは、マゼンタ色のトナーを収容し、作像部１１６にマゼンタ色のトナーを供給する。トナーコンテナＣｃは、シアン色のトナーを収容し、作像部１１６にシアン色のトナーを供給する。トナーコンテナＣｄは、ブラック色のトナーを収容し、作像部１１６にブラック色のトナーを供給する。

作像部１１６は、トナーコンテナＣａ〜Ｃｄに収容されたトナーを用いて、画像データに基づく画像をシートＳに形成する。ここでは、作像部１１６は、露光部１１６ａ、感光体ドラム１１６ｂ、帯電部１１６ｃ、現像部１１６ｄ、１次転写ローラー１１６ｅ、クリーニング部１１６ｆ、中間転写ベルト１１６ｇ、２次転写ローラー１１６ｈ、および、定着部１１６ｉを含む。

中間転写ベルト１１６ｇは、モーターの動力に従って回転する回転ローラーによって回転する。現像部１１６ｄには、モーターが取り付けられている。現像部１１６ｄ内のトナーは、モーターの回転に伴って攪拌される。

感光体ドラム１１６ｂ、帯電部１１６ｃ、現像部１１６ｄ、１次転写ローラー１１６ｅおよびクリーニング部１１６ｆは、トナーコンテナＣａ〜Ｃｄのそれぞれに対応して設けられる。複数の感光体ドラム１１６ｂは、中間転写ベルト１１６ｇの外表面に当接し、中間転写ベルト１１６ｇの回転方向に沿って配置される。複数の１次転写ローラー１１６ｅは、複数の感光体ドラム１１６ｂに対応して設けられる。複数の１次転写ローラー１１６ｅは、中間転写ベルト１１６ｇを介して、複数の感光体ドラム１１６ｂに対向する。

帯電部１１６ｃは、感光体ドラム１１６ｂの周面を帯電する。露光部１１６ａは、画像データに基づく光を感光体ドラム１１６ｂの各々に照射し、感光体ドラム１１６ｂの周面には静電潜像が形成される。現像部１１６ｄは、静電潜像にトナーを付着させて静電潜像を現像し、感光体ドラム１１６ｂの周面にトナー像を形成する。したがって、感光体ドラム１１６ｂはトナー像を担持する。１次転写ローラー１１６ｅは、感光体ドラム１１６ｂに形成されたトナー像を中間転写ベルト１１６ｇの外表面に転写する。クリーニング部１１６ｆは、感光体ドラム１１６ｂの周面に残留しているトナーを除去する。

トナーコンテナＣａに対応する感光体ドラム１１６ｂは、静電潜像に基づきイエロー色のトナー像を形成し、トナーコンテナＣｂに対応する感光体ドラム１１６ｂは、静電潜像に基づきマゼンタ色のトナー像を形成する。トナーコンテナＣｃに対応する感光体ドラム１１６ｂは、静電潜像に基づきシアン色のトナー像を形成し、トナーコンテナＣｄに対応する感光体ドラム１１６ｂは、静電潜像に基づきブラック色のトナー像を形成する。

中間転写ベルト１１６ｇの外表面には、感光体ドラム１１６ｂから複数色のトナー像が重畳して転写され、画像が形成される。このため、中間転写ベルト１１６ｇは、画像を担持する。２次転写ローラー１１６ｈは、中間転写ベルト１１６ｇの外表面に形成された画像をシートＳに転写する。

定着部１１６ｉは、トナー像が転写されたシートＳを加熱および加圧することによって、トナー像をシートＳに定着させる。定着部１１６ｉは、加熱ローラー１１６ｊおよび加圧ローラー１１６ｋを備える。加熱ローラー１１６ｊおよび加圧ローラー１１６ｋは互いに対向して配置され、定着ニップを形成する。中間転写ベルト１１６ｇと２次転写ローラー１１６ｈとの間を通過したシートＳは、定着ニップを通過することにより所定の定着温度で加熱されながら、加圧される。この結果、トナー像がシートＳに定着する。搬送部１１４は、トナー像の定着されたシートＳを画像形成装置１００の外部に排出する。

ここでは、計測部１２０は、音計測部１２２および振動計測部１２４を含む。音計測部１２２は、画像形成部１１０において発生する音を計測する。例えば、音計測部１２２は、画像形成部１１０のモーターによって発生する音を計測する。あるいは、音計測部１２２は、搬送部１１４において搬送されるシートＳの音を計測する。

振動計測部１２４は、画像形成部１１０において発生する振動を計測する。例えば、振動計測部１２４は、画像形成部１１０のモーターによって発生する振動を計測する。あるいは、振動計測部１２４は、搬送部１１４において搬送されるシートＳに伴う振動を計測する。

画像形成装置１００は、出力部１５０をさらに備えてもよい。予測部１４０が画像形成部１１０の不具合を予測した場合、出力部１５０は、予測部１４０による予測結果をユーザーに出力する。

出力部１５０は、表示部１５２、音声出力部１５４および通信部１５６を含む。表示部１５２は、種々の画像を表示可能である。表示部１５２は、液晶ディスプレーを含んでもよい。表示部１５２は、予測部１４０による予測結果を表示画面に表示する。

音声出力部１５４は、音声を出力する。音声出力部１５４は、予測部１４０による予測結果をユーザーに音声で出力する。

通信部１５６は、外部機器に情報またはデータを送信し、外部機器からの情報またはデータを受信する。外部機器は、例えば、サーバーである。あるいは、外部機器は、ユーザー、画像形成装置１００の管理者または保守者の情報処理端末である。通信部１５６は、予測部１４０による予測結果を外部機器に送信する。

なお、通信部１５６は、生成部１３０において生成された音の周波数データ、振動の周波数データおよび状態を示すデータを外部機器に送信してもよい。この場合、この画像形成装置１００において生成されたデータは、別の画像形成装置の学習データとして利用されてもよい。

あるいは、通信部１５６は、別の画像形成装置の生成部において生成された音の周波数データ、振動の周波数データおよび状態を示すデータを外部機器から受信してもよい。この場合、別の画像形成装置において生成されたデータは、この画像形成装置１００の学習データとして利用されてもよい。

あるいは、画像形成装置１００は、携帯型情報記録媒体を用いて他の画像形成装置とデータをやり取りしてもよい。例えば、生成部１３０において生成された音の周波数データ、振動の周波数データおよび状態を示すデータは、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリーを介して、別の画像形成装置において利用されてもよい。あるいは、画像形成装置１００は、ＵＳＢメモリーを介して、別の画像形成装置の生成部において生成された音の周波数データ、振動の周波数データおよび状態を示すデータを受信してもよい。なお、予測部１４０が、画像形成装置１００の生成部１３０において生成されたデータとともに別の画像形成装置の生成部において生成されたデータに基づいて画像形成部１１０の不具合を予測する場合、対応する生成部１３０において生成されたデータを別の画像形成装置の生成部において生成されたデータよりも高く重みづけて用いてもよい。

画像形成装置１００は、入力部１６０をさらに備えてもよい。入力部１６０には、ユーザーからの操作が入力される。入力部１６０は、表示部１５２と一体的に設けられてもよい。入力部１６０は、タッチパネルを含む。タッチパネルは、ユーザーの接触を検知することによってユーザーからの入力操作を受け付ける。

画像形成装置１００は、温度測定部１７０をさらに備える。温度測定部１７０は、画像形成装置１００内の温度を測定する。例えば、温度測定部１７０は、サーミスターを含む。サーミスターは、電気抵抗の変化によって温度を検知する。

次に、図１および図２を参照して、画像形成装置１００の構成を説明する。図２は、本実施形態の画像形成装置１００のブロック図である。

制御部１３０Ａは、生成部１３０および予測部１４０に加えて、装置制御部１３２をさらに備える。装置制御部１３２は、画像形成部１１０を制御する。

また、画像形成装置１００は、記憶部１３５をさらに備える。記憶部１３５は、記憶素子を含む。記憶部１３５は、半導体メモリーのようなメモリーを備えてもよい。記憶部１３５は、半導体メモリーのような主記憶素子と、半導体メモリーおよび／またはハードディスクドライブのような補助記憶素子とを含む。記憶部１３５は、リムーバブルメディアを含んでいてもよい。

記憶部１３５は、種々のデータを記憶する。例えば、記憶部１３５は、制御プログラムを記憶する。制御部１３０Ａは、制御プログラムを実行することによって、画像形成装置１００の動作を制御する。詳細には、制御部１３０Ａのプロセッサーは、記憶部１３５の記憶素子の記憶しているコンピュータープログラムを実行して、画像形成装置１００の各構成を制御する。例えば、生成部１３０および予測部１４０は、制御部１３０Ａがコンピュータープログラムを実行することによって具現化される。

例えば、コンピュータープログラムは、非一時的コンピューター読取可能記憶媒体に記憶される。非一時的コンピューター読取可能記憶媒体は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＣＤ−ＲＯＭ、磁気テープ、磁気ディスクまたは光データ記憶装置を含む。

生成部１３０、装置制御部１３２および／または予測部１４０は、記憶部１３５に情報またはデータを記憶する。また、生成部１３０、装置制御部１３２および／または予測部１４０は、記憶部１３５から情報またはデータを読み出す。

次に、図１〜図３を参照して、本実施形態の画像形成装置１００による不具合の予測を説明する。図３は、画像形成装置１００による不具合の予測を説明するための模式図である。

図３（ａ）は、計測部１２０による計測結果を示すグラフである。図３（ａ）に示すように、計測部１２０は、画像形成部１１０における音または振動の振幅の時間変化を計測する。生成部１３０は、計測部１２０の計測結果を周波数解析して周波数データを生成する。

図３（ｂ）は、生成部１３０によって生成された周波数データを示すグラフである。図３（ｂ）に示すように、周波数データは、周波数ごとの頻度を示す。生成部１３０は、計測部１２０によって計測された音の計測結果に基づいて音の周波数データを生成する。また、生成部１３０は、計測部１２０によって計測された振動の計測結果に基づいて振動の周波数データを生成する。

図３（ｃ）は、音の周波数データ、振動の周波数データおよび状態を示すテーブルである。記憶部１３５はテーブルを記憶する。ここでは、記憶部１３５は、図３（ｃ）に示すように、画像形成部１１０の動作毎に音の周波数データおよび振動の周波数データを記憶するとともに画像形成部１１０の状態を記憶する。音の周波数データ、振動の周波数データおよび状態は、学習データとして用いられる。

状態は、画像形成部１１０における異常の発生の有無を示す。画像形成部１１０において不具合が発生した場合、テーブルは異常であることを示し、画像形成部１１０において不具合が発生しなかった場合、テーブルは正常であることを示す。例えば、画像形成部１１０にＪＡＭが発生した場合、テーブルには異常であることが記憶される。あるいは、表示部１５２がサービスコール画面を表示した場合、テーブルには異常であることが記憶される。例えば、サービスコール画面は、エンジンソフトの駆動がロックされた場合、または、特定のモーターまたはファンの動作が異常である場合に、表示部１５２に表示されるように設定されている。

図３（ｃ）のテーブルは、データ番号、音および振動の計測日時、音の周波数データおよび振動の周波数データおよび状態を示す。図３（ｃ）に示したテーブルでは、第３６番目のデータは、２０１８年９月１日１０時０８分に、音の周波数データがＤ３６であり、振動の周波数データがｄ３６であり、画像形成部１１０が正常であったことを示す。また、第３７番目のデータは、２０１８年９月１日１１時２２分に、音の周波数データがＤ３７であり、振動の周波数データがｄ３７であり、画像形成部１１０が正常であったことを示す。

第３８番目のデータは、２０１８年９月１日１３時３５分に、音の周波数データがＤ３８であり、振動の周波数データがｄ３８であり、画像形成部１１０が異常であったことを示す。また、第３９番目のデータは、２０１８年９月１日１４時４６分に、音の周波数データがＤ３９であり、振動の周波数データがｄ３９であり、画像形成部１１０が正常であったことを示す。このことから、２０１８年９月１日１３時前後に、画像形成部１１０において不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解される。

また、第６２番目のデータは、２０１８年９月４日１０時４８分に、音の周波数データがＤ６２であり、振動の周波数データがｄ６２であり、画像形成部１１０が正常であったことを示す。また、第６３番目のデータは、２０１８年９月４日１１時２５分に、音の周波数データがＤ６３であり、振動の周波数データがｄ６３であり、画像形成部１１０が異常であったことを示す。

第６４番目のデータは、２０１８年９月４日１２時０７分に、音の周波数データがＤ６４であり、振動の周波数データがｄ６４であり、画像形成部１１０が正常であったことを示す。このことから、２０１８年９月４日１１時前後に、画像形成部１１０において不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解される。

予測部１４０は、学習データに基づいて画像形成部１１０の不具合を予測する。図３（ｄ）は、本実施形態の画像形成装置１００において、音の周波数データ、振動の周波数データおよび不具合発生確率を示すテーブルである。

図３（ｄ）に示すように、２０１８年９月９日１１時３６分に計測した第１１５番目のデータが、音の周波数データＤ１１５および振動の周波数データｄ１１５である場合、予測部１４０は、周波数データＤ１１５、周波数データｄ１１５および学習データに基づいて画像形成部１１０の不具合の発生を予測する。例えば、不具合発生の確率は２０％である。

２０１８年９月９日１２時５４分に計測した第１１６番目のデータが、音の周波数データＤ１１６および振動の周波数データｄ１１６である場合、予測部１４０は、周波数データＤ１１６、周波数データｄ１１６および学習データに基づいて画像形成部１１０の不具合の発生を予測する。例えば、不具合発生の確率は８０％である。

なお、不具合発生確率に応じてユーザーに画像形成部１１０の不具合発生の可能性をユーザーに出力してもよい。例えば、記憶部１３５には、不具合発生をユーザーに知らせるための閾値が記憶されている。一例では、閾値は、７５％である。

予測部１４０によって予測された不具合発生確率が閾値を超える場合、装置制御部１３２は、画像形成部１１０の不具合発生の可能性をユーザーに出力するように出力部１５０を制御する。例えば、第１１６番目のデータを計測した後、出力部１５０は、画像形成部１１０の不具合発生の可能性をユーザーに出力する。

一例では、表示部１５２は、表示画面に画像形成部１１０の不具合発生の可能性を知らせる旨を表示する。あるいは、音声出力部１５４は、画像形成部１１０の不具合発生の可能性を知らせる旨を音声で出力する。

なお、一般に、音の強度および振動の強度は複数の周波数成分の振幅の合計を示すものにすぎないため、音の強度および振動の強度に基づいた場合には画像形成装置の変化を見逃してしまうことがある。本実施形態では、音の周波数データおよび振動の周波数データを用いて画像形成部１１０の不具合を予測するため、画像形成部１１０の不具合を高精度に予測できる。

なお、図３では、記憶部１３５は、画像形成部１１０の動作ごとに音の周波数データ、振動の周波数データおよび状態を記憶したが、本実施形態はこれに限定されない。記憶部１３５は、定期的に、画像形成部１１０の動作ごとに音の周波数データおよび振動の周波数データを計測するとともに、状態を記憶してもよい。例えば、記憶部１３５は、５分間隔で、画像形成部１１０の動作ごとに音の周波数データおよび振動の周波数データを計測するとともに、状態を記憶してもよい。あるいは、記憶部１３５は、画像形成部１１０がシートＳに画像を形成するごとに音の周波数データ、振動の周波数データおよび状態を記憶してもよい。

なお、典型的には、図３（ｄ）に示したデータは、ユーザーが画像形成装置１００を使用した際に得られたデータであるが、図３（ｃ）に示したデータは、ユーザーが画像形成装置１００を使用した際に得られたデータであってもよく、画像形成装置１００の開発者または製造者が画像形成装置１００を開発または製造中に得られたデータであってもよい。例えば、図３（ｃ）に示したデータは、開発中の耐刷試験時に取得することもできる。

また、予測部１４０が機械学習をする場合、図３（ｃ）に示すように、記憶部１３５は、画像形成部１１０の動作ごとに音の周波数データおよび振動の周波数データを記憶することが好ましい。一方、図３（ｄ）に示すように、予測部１４０が画像形成部１１０の不具合を予測する場合、計測部１２０の計測した画像形成部１１０の音または振動の振幅が所定の値を越えた場合にのみ、生成部１３０が音の周波数データおよび振動の周波数データを生成してもよい。これにより、画像形成部１１０の不具合発生確率が高くなりそうなときのみ予測部１４０が画像形成部１１０の不具合を予測することになり、不具合発生の可能性の低い場合の演算を効率的に抑制できる。

なお、図３を参照した上述の説明では、画像形成部１１０は通常印刷モードでシートＳに画像を形成する際の音および振動を計測したが、本実施形態はこれに限定されない。装置制御部１３２が画像形成部１１０の通常印刷モードとは異なるテストモードで駆動した際の音および振動が計測されてもよい。

例えば、搬送ローラー１１４ａの回転速度が変化すると、画像形成部１１０の音および振動が変化する。例えば、搬送ローラー１１４ａが通常印刷モードの搬送速度に対して０．５倍以上０．９倍以下の搬送速度に相当するテストモードで回転する場合に、計測部１２０は、画像形成部１１０の音および振動を計測してもよい。または、搬送ローラー１１４ａが通常印刷モードの搬送速度に対して１．１倍以上２．０倍以下の搬送速度に相当するテストモードで回転する場合に、計測部１２０は、画像形成部１１０の音および振動を計測してもよい。

あるいは、定着部１１６ｉの温度が上昇すると、定着部１１６ｉの膨張により、画像形成部１１０の音および振動が変化する。例えば、定着部１１６ｉが通常印刷モードの定着温度に対して０．５倍以上０．９倍以下の温度に相当するテストモードで加熱する場合に、計測部１２０は、画像形成部１１０の音および振動を計測してもよい。または、定着部１１６ｉが通常印刷モードの定着温度に対して１．１倍以上１．５倍以下の温度に相当するテストモードで加熱する場合に、計測部１２０は、画像形成部１１０の音および振動を計測してもよい。

なお、図３（ｃ）には、発明の理解を容易にするために、記憶部１３５は、学習データとして順次計測された音の周波数データおよび振動の周波数データを記憶することを示したが、本実施形態はこれに限定されない。ＣＮＮ処理で学習する場合、記憶部１３５は、学習データを逐次記憶しなくてもよい。記憶部１３５は、学習データとして、音の周波数データ、振動の周波数データおよび状態に対応するように重み係数を順次更新してもよい。

なお、図３を参照した上述の説明では、計測部１２０は音および振動の両方を計測したが、本実施形態はこれに限定されない。計測部１２０は音および振動の一方のみを計測してもよい。

次に、図１〜図４を参照して本実施形態の画像形成装置１００における画像形成方法を説明する。図４は、本実施形態の画像形成装置１００における画像形成処理を説明するためのフローチャートである。

ステップＳ４０２において、画像形成を開始する。画像形成部１１０は、シートＳに画像を形成する。

ステップＳ４０４において、画像形成部１１０が画像をシートＳに形成する際に、計測部１２０は画像形成部１１０の音または振動を計測する。例えば、計測部１２０は、画像形成部１１０においてシートＳの搬送が開始する前、シートＳの搬送最中、または、画像の形成されたシートＳが画像形成装置１００の外部に排出された後に、計測部１２０は、音または振動を計測する。

音計測部１２２は、画像形成部１１０のモーターの音を計測する。または、音計測部１２２は、画像形成部１１０において搬送されるシートＳの音を計測する。あるいは、振動計測部１２４は、画像形成部１１０のモーターによる振動を計測する。または、振動計測部１２４は、画像形成部１１０において搬送されるシートＳに伴う振動を計測する。

ステップＳ４０６において、生成部１３０は、計測部１２０の計測結果を周波数解析して周波数データを生成する。

ステップＳ４０８において、予測部１４０は、画像形成部１１０の不具合を予測する。予測部１４０は、過去の周波数データと過去の状態とを含む学習データを利用して、周波数データに基づいて画像形成部１１０の不具合を予測する。例えば、予測部１４０は、予め、画像形成部１１０の過去の周波数データと過去の状態を学習している。このような学習により、分類器が作製される。予測部１４０は、周波数データに基づいて画像形成部１１０の不具合を予測する。

ステップＳ４１０において、出力部１５０は、予測結果を出力する。典型的には、予測部１４０が画像形成部１１０において不具合が発生することを予測した場合、出力部１５０は、予測結果を出力する。ただし、予測部１４０が画像形成部１１０において不具合が発生しないことを予測した場合でも、出力部１５０は、予測結果を出力してもよい。

ステップＳ４１２において、記憶部１３５は、音の周波数データおよび振動の周波数データを画像形成部１１０の状態とともに記憶する。これにより、今回の計測結果および生成結果を将来の学習データとして利用できる。以上のようにして、画像形成処理を行うことができる。

なお、ステップＳ４１０において、画像形成部１１０に高い確率で不具合が発生することが予測された場合、出力部１５０は、画像形成部１１０の不具合が発生するまでの期間が長くなるように設定の変更をユーザーに促してもよい。例えば、表示部１５２は、シートの搬送速度を低下させるように設定の変更をユーザーに促す画面を表示してもよい。あるいは、表示部１５２は、不具合の発生する可能性の高い部材の摩耗を減らすようにオイルを塗布するようにユーザーに促す画面を表示してもよい。例えば、表示部１５２は、搬送ローラー１１４ａにオイルを塗布するようにユーザーに促す画面を表示してもよい。

あるいは、表示部１５２は、不具合の発生する可能性の高い部材を直接的または間接的に一時的に押すようにユーザーに促す画面を表示してもよい。例えば、表示部１５２は、画像形成装置１００の筐体の特定箇所を押すようにユーザーに促す画面を表示してもよい。

なお、図３を参照した上述の説明では、学習データは、音の周波数データ、振動の周波数データおよび画像形成部１１０の状態を含んだが、本実施形態は、これに限定されない。学習データは、さらに他のデータを含んでもよい。例えば、学習データは、音の周波数データ、振動の周波数データおよび画像形成部１１０の状態とともに、画像形成部１１０の動作の種類および／または画像形成部１１０の累計印刷枚数を含んでもよい。

次に、図１〜図５を参照して、本実施形態の画像形成装置１００を説明する。図５（ａ）は、学習データを示すテーブルである。記憶部１３５は、学習データとしてテーブルを記憶する。ここでは、図５（ａ）に示すように、記憶部１３５は、音および振動の計測日時、音の周波数データ、振動の周波数データ、印刷条件、累計印刷枚数および状態を示すテーブルを記憶する。

図５（ａ）に示したテーブルでは、第５１番目のデータは、２０１８年９月２日１４時２６分に、音の周波数データがＤ５１であり、振動の周波数データがｄ５１であり、印刷条件がモノクロの２ｉｎ１で４枚の印刷であり、累計印刷枚数が５０３０枚であり、画像形成部１１０が正常であったことを示す。また、第５２番目のデータは、２０１８年９月２日１４時４３分に、音の周波数データがＤ５２であり、振動の周波数データがｄ５２であり、印刷条件がカラーの２枚の印刷であり、累計印刷枚数が５０３２枚であり、画像形成部１１０が正常であったことを示す。

また、第５３番目のデータは、２０１８年９月２日１４時５７分に、音の周波数データがＤ５３であり、振動の周波数データがｄ５３であり、印刷条件がモノクロの４ｉｎ１で１６枚の印刷であり、累計印刷枚数が５０４８枚であり、画像形成部１１０が異常であったことを示す。また、第５４番目のデータは、２０１８年９月２日１５時０１分に、音の周波数データがＤ５４であり、振動の周波数データがｄ５４であり、印刷条件がカラーの２ｉｎ１で２枚の印刷であり、累計印刷枚数が５０５０枚であり、画像形成部１１０が正常であったことを示す。このことから、２０１８年９月２日１５時前に、画像形成部１１０において不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解される。

予測部１４０は、学習データに基づいて画像形成部１１０の不具合を予測する。なお、学習データは、本実施形態の画像形成装置１００において計測または生成したデータに限られず、別の画像形成装置において計測または生成したデータを利用してもよい。この場合、データを利用する画像形成装置は、本実施形態の画像形成装置１００と同様の構成を有していることが好ましい。

図５（ｂ）は、本実施形態の画像形成装置１００において、音の周波数データ、振動の周波数データ、印刷条件、累計印刷枚数および状態を示すテーブルである。ここでは、１５３番目のデータは、２０１８年９月８日１０時０８分に、音の周波数データがＤ１５３であり、振動の周波数データがｄ１５３であり、印刷条件がモノクロの２ｉｎ１で４枚の印刷であり、累計印刷枚数が４２５８枚である場合、予測部１４０は、周波数データＤ１５３、周波数データｄ１５３、印刷条件、累計印刷枚数および学習データから、画像形成部１１０の不具合の発生を予測する。この場合、不具合発生確率は１０％である。

また、１５４番目のデータは、２０１８年９月８日１０時５３分に、音の周波数データがＤ１５４であり、振動の周波数データがｄ１５４であり、印刷条件がカラーの２枚の印刷であり、累計印刷枚数が４２６０枚である場合、予測部１４０は、周波数データＤ１５４、周波数データｄ１５４、印刷条件、累計印刷枚数および学習データから、画像形成部１１０の不具合の発生を予測する。この場合、不具合発生確率は１５％である。

さらに、１５５番目のデータは、２０１８年９月８日１１時２７分に、音の周波数データがＤ１５５であり、振動の周波数データがｄ１５５であり、印刷条件がモノクロの４ｉｎ１で１６枚の印刷であり、累計印刷枚数が４２７６枚である。このとき、予測部１４０は、周波数データＤ１５５、周波数データｄ１５５、印刷条件、累計印刷枚数および学習データから、画像形成部１１０の不具合の発生を予測する。この場合、不具合発生確率は８０％である。以上のように、画像形成部１１０の不具合を予測できる。

なお、図５を参照した説明では、学習データは、音の周波数データおよび振動の周波数データとともに、印刷条件および累計印刷枚数を含んだが、本実施形態はこれに限定されない。学習データは、音の周波数データおよび振動の周波数データとともに、印刷条件および累計印刷枚数の一方を含んでもよい。

あるいは、学習データは、音の周波数データおよび振動の周波数データとともに、環境条件を含んでもよい。例えば、学習データは、温度測定部１７０で測定した温度を含んでもよい。あるいは、学習データは、画像形成部１１０の湿度を含んでもよい。

なお、図１に示した画像形成装置１００では、音計測部１２２および振動計測部１２４は、画像形成部１１０全体の音および振動を計測したが、本実施形態は、これに限定されない。画像形成部１１０の場所に応じて複数の音計測部１２２および振動計測部１２４を配置し、画像形成部１１０の部分ごとに不具合を予測してもよい。

次に、図６を参照して、本実施形態の画像形成装置１００を説明する。図６は、本実施形態の画像形成装置１００の模式図である。図６に示した画像形成装置１００は、複数の音センサーおよび複数の振動センサーを備える点を除き、図１を参照して上述した画像形成装置と同様である。このため、冗長を避ける目的で重複する記載を省略する。

ここでは、音計測部１２２は、複数の音センサーを含む。例えば、音計測部１２２は、第１音センサー１２２ａ、第２音センサー１２２ｂ、第３音センサー１２２ｃおよび第４音センサー１２２ｄを含む。

また、振動計測部１２４は、複数の振動センサーを含む。例えば、振動計測部１２４は、第１振動センサー１２４ａ、第２振動センサー１２４ｂ、第３振動センサー１２４ｃおよび第４振動センサー１２４ｄを含む。

ここでは、音センサーおよび振動センサーは一対のセットで設置される。第１音センサー１２２ａおよび第１振動センサー１２４ａは、給送ローラー１１２ｂの近傍に配置され、第２音センサー１２２ｂおよび第２振動センサー１２４ｂは、中間転写ベルト１１６ｇの近傍に配置される。また、第３音センサー１２２ｃおよび第３振動センサー１２４ｃは、定着部１１６ｉの近傍に配置され、第４音センサー１２２ｄおよび第４振動センサー１２４ｄは、定着部１１６ｉを通過した搬送経路上の搬送ローラー１１４ａの近傍に配置される。

次に、図１、図６および図７を参照して、本実施形態の画像形成装置１００を説明する。図７（ａ）は、第１音センサー１２２ａ〜第４音センサー１２２ｄの周波数データ、第１振動センサー１２４ａ〜第４振動センサー１２４ｄの周波数データおよび状態を示すテーブルである。記憶部１３５はテーブルを記憶する。ここでは、図７（ａ）に示すように、記憶部１３５は、第１音センサー１２２ａ〜第４音センサー１２２ｄの周波数データ、第１振動センサー１２４ａ〜第４振動センサー１２４ｄの周波数データおよび状態を示すテーブルを学習データとして記憶する。

図７（ａ）に示したテーブルにおいて、第４２番目のデータは、２０１８年９月５日１０時３６分に、第１音センサー１２２ａの周波数データがＤａ４２であり、第１振動センサー１２４ａの周波数データがｄａ４２であり、給送ローラー１１２ｂが正常であったことを示す。また、第４２番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ４２であり、第２振動センサー１２４ｂの周波数データがｄｂ４２であり、中間転写ベルト１１６ｇが正常であったことを示す。なお、図７（ａ）に示したテーブルは、第３音センサー１２２ｃ、第４音センサー１２２ｄの周波数データ、第３振動センサー１２４ｃ、第４振動センサー１２４ｄの周波数データおよび対応する機器の状態の結果を含むが、図７（ａ）には、これらのデータを省略して示している。

第４３番目のデータは、２０１８年９月５日１０時５８分に、第１音センサー１２２ａの周波数データがＤａ４３であり、第１振動センサー１２４ａの周波数データがｄａ４３であり、給送ローラー１１２ｂが正常であったことを示す。また、第４３番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ４３であり、第２振動センサー１２４ｂの周波数データがｄｂ４３であり、中間転写ベルト１１６ｇが異常であったことを示す。

第４４番目のデータは、２０１８年９月５日１１時４２分に、第１音センサー１２２ａの周波数データがＤａ４４であり、第１振動センサー１２４ａの周波数データがｄａ４４であり、給送ローラー１１２ｂが異常であったことを示す。このことから、２０１８年９月５日１１時前後に、画像形成部１１０の中間転写ベルト１１６ｇにおいて不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解されるまた、第４４番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ４４であり、第２振動センサー１２４ｂの周波数データがｄｂ４４であり、中間転写ベルト１１６ｇが正常であったことを示す。

第４５番目のデータは、２０１８年９月５日１２時１５分に、第１音センサー１２２ａの周波数データがＤａ４５であり、第１振動センサー１２４ａの周波数データがｄａ４５であり、給送ローラー１１２ｂが正常であったことを示す。また、第４５番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ４５であり、第２振動センサー１２４ｂの周波数データがｄｂ４５であり、中間転写ベルト１１６ｇが正常であったことを示す。このことから、２０１８年９月５日１２時前後に、画像形成部１１０の給送ローラー１１２ｂにおいて不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解される。

予測部１４０は、学習データに基づいて画像形成部１１０の各部分の不具合を予測する。図７（ｂ）は、本実施形態の画像形成装置１００において、第１音センサー１２２ａ〜第４音センサー１２２ｄの周波数データ、第１振動センサー１２４ａ〜第４振動センサー１２４ｄの周波数データおよび不具合発生確率を示すテーブルである。

ここでは、１２２番目のデータは、２０１８年９月８日１３時２２分に、第１音センサー１２２ａの周波数データがＤａ１２２であり、第１振動センサー１２４ａの周波数データがｄａ１２２であり、不具合発生確率が１５％であることを示す。さらに、１２２番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ１２２であり、第２振動センサー１２４ｂの周波数データがｄｂ１２２であり、不具合発生確率が２％であることを示す。

１２３番目のデータは、２０１８年９月８日１４時５１分に、第１音センサー１２２ａの周波数データがＤａ１２３であり、第１振動センサー１２４ａの周波数データがｄａ１２３であり、給送ローラー１１２ｂの不具合発生確率が３％であることを示す。さらに、１２３番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ１２３であり、第２振動センサー１２４ｂの周波数データがｄｂ１２３であり、中間転写ベルト１１６ｇの不具合発生確率が９５％であることを示す。

１２４番目のデータは、２０１８年９月８日１５時３６分に、第１音センサー１２２ａの周波数データがＤａ１２４であり、第１振動センサー１２４ａの周波数データがｄａ１２４であり、給送ローラー１１２ｂの不具合発生確率が８５％であることを示す。さらに、１２４番目のデータは、第２音センサー１２２ｂの周波数データがＤｂ１２４であり、第２振動センサー１２４ｂの周波数データがｄｂ１２４であり、中間転写ベルト１１６ｇの不具合発生確率が１０％であることを示す。

本実施形態の画像形成装置１００によれば、画像形成部１１０の場所ごとに画像形成部１１０の不具合の発生を予測できる。このため、画像形成装置１００のユーザー、管理者または保守者は、不具合の発生しそうな部品を予め用意可能であり、不具合の発生した部品を速やかに交換できる。

なお、図６および図７を参照した上述の説明では、画像形成装置１００が４つの音センサーおよび４つの振動センサーを備えたが、本実施形態はこれに限定されない。音センサーおよび振動センサーは４以外の任意の数であってもよい。あるいは、不具合の発生は、例えば、音センサーおよび振動センサーの少なくとも一方の計測結果を用いて予測してもよい。

次に、図１、図２および図８を参照して、本実施形態の画像形成装置を備える画像形成システム２００を説明する。図８は、画像形成システム２００の模式図である。

画像形成システム２００は、第１画像形成装置１００Ａと、第２画像形成装置１００Ｂと、第３画像形成装置１００Ｃと、情報処理装置１００Ｓとを備える。第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃおよび情報処理装置１００Ｓは、互いにネットワークＮを介して接続される。例えば、情報処理装置１００Ｓは、サーバーであってもよい。

第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃは、図１〜図７を参照して上述した画像形成装置１００と同様の構成を有する。なお、ここでは、第１画像形成装置１００Ａの画像形成部１１０、生成部１３０および予測部１４０を第１画像形成部、第１生成部および第１予測部と記載し、第１画像形成装置１００Ａの音計測部１２２および振動計測部１２４を第１音計測部および第１振動計測部と記載することがある。

同様に、第２画像形成装置１００Ｂの画像形成部１１０、生成部１３０および予測部１４０を第２画像形成部、第２生成部および第２予測部と記載し、第２画像形成装置１００Ｂの音計測部１２２および振動計測部１２４を第２音計測部および第２振動計測部と記載することがある。さらに、第３画像形成装置１００Ｃの画像形成部１１０、生成部１３０および予測部１４０を第３画像形成部、第３生成部および第３予測部と記載し、第３画像形成装置１００Ｃの音計測部１２２および振動計測部１２４を第３音計測部および第３振動計測部と記載することがある。

情報処理装置１００Ｓは、生成部１３０Ｓ、記憶部１３５Ｓおよび予測部１４０Ｓを含む。第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃは、第１〜第３計測部において計測した音および振動の計測結果を情報処理装置１００Ｓに送信し、記憶部１３５Ｓは、第１〜第３計測部において計測された音および振動の計測結果を記憶してもよい。また、第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃは、音および振動の計測結果とともに計測時の状態を情報処理装置１００Ｓに送信し、記憶部１３５Ｓは、音および振動の計測結果とともに第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃの状態を記憶してもよい。

情報処理装置１００Ｓは、画像形成装置に、他の画像形成装置の計測結果および／または状態を送信してもよい。例えば、情報処理装置１００Ｓは、第１画像形成装置１００Ａに、第２、第３画像形成装置１００Ｂ、１００Ｃの計測結果および／または状態を送信してもよい。

生成部１３０Ｓは、第１〜第３計測部における音および振動の計測結果に基づいて周波数データを生成できる。その後、情報処理装置１００Ｓは、画像形成装置に、他の画像形成装置の周波数データを送信してもよい。例えば、情報処理装置１００Ｓは、第１画像形成装置１００Ａに、第２、第３画像形成装置１００Ｂ、１００Ｃの計測結果に基づく周波数データを送信してもよい。

予測部１４０Ｓは、音の周波数データ、振動の周波数データおよび状態を示すデータに基づいて、第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃの不具合を予測できる。その後、情報処理装置１００Ｓは、第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃに、第１〜第３画像形成部の不具合の予測結果を送信してもよい。例えば、情報処理装置１００Ｓは、第１画像形成装置１００Ａに、第１画像形成部の不具合の予測結果を送信する。この場合、第１画像形成装置１００Ａの第１予測部は、情報処理装置１００Ｓから受信した予測結果を利用して、第１画像形成部の不具合を予測する。

なお、画像形成装置の生成部において生成されたデータは、別の画像形成装置の生成部において生成されたデータよりも高く重みづけしてもよい。例えば、第１画像形成装置１００Ａにおいて、第１予測部が、第１生成部において生成されたデータとともに第２生成部および第３生成部において生成されたデータに基づいて第１画像形成部の不具合を予測する場合、第１生成部において生成されたデータを第２生成部および第３生成部において生成されたデータよりも高く重みづけしてもよい。

次に、図１、図８および図９を参照して、本実施形態の画像形成システム２００を説明する。図９（ａ）は、第１音計測部〜第３音計測部の周波数データ、第１振動計測部〜第４振動計測部の周波数データおよび状態を示すテーブルである。記憶部１３５Ｓはテーブルを記憶する。ここでは、図９（ａ）に示すように、記憶部１３５Ｓは、第１音計測部〜第３音計測部の周波数データ、第１振動計測部〜第４振動計測部の周波数データおよび状態を示すテーブルを学習データとして記憶する。

図９（ａ）に示したテーブルでは、第２８番目のデータは、２０１８年９月３日１０時０５分に、第１音計測部の周波数データがＤａ２８であり、第１振動計測部の周波数データがｄａ２８であり、第１画像形成部が正常であったことを示す。第２８番目のデータは、さらに、第２音計測部の周波数データがＤｂ２８であり、第２振動計測部の周波数データがｄｂ２８であり、第２画像形成部が正常であったことを示す。なお、図９（ａ）に示したテーブルは、第３画像形成装置のデータを含むが、図９（ａ）は、これらのデータを省略して示している。

第２９番目のデータは、２０１８年９月３日１１時３０分に、第１音計測部の周波数データがＤａ２９であり、第１振動計測部の周波数データがｄａ２９であり、第１画像形成部が正常であったことを示す。第２９番目のデータは、さらに、第２音計測部の周波数データがＤｂ２９であり、第２振動計測部の周波数データがｄｂ２９であり、第２画像形成部が異常であったことを示す。

第３０番目のデータは、２０１８年９月３日１３時４５分に、第１音計測部の周波数データがＤａ３０であり、第１振動計測部の周波数データがｄａ３０であり、第１画像形成部が異常であったことを示す。第３０番目のデータは、さらに、第２音計測部の周波数データがＤｂ３０であり、第２振動計測部の周波数データがｄｂ３０であり、第２画像形成部が正常であったことを示す。このことから、２０１８年９月３日１３時前後に、第２画像形成装置１００Ｂにおいて不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解される。

第３１番目のデータは、２０１８年９月３日１４時１５分に、第１音計測部の周波数データがＤａ３１であり、第１振動計測部の周波数データがｄａ３１であり、第１画像形成部が正常であったことを示す。このことから、２０１８年９月３日１４時前後に、第１画像形成装置１００Ａにおいて不具合が発生し、その後、何らかの手法によって不具合が解消されたことが理解される。第３１番目のデータは、さらに、第２音計測部の周波数データがＤｂ３１であり、第２振動計測部の周波数データがｄｂ３１であり、第２画像形成部が正常であったことを示す。

予測部１４０Ｓは、学習データに基づいて第１画像形成部〜第３画像形成部の不具合を予測する。図９（ｂ）は、本実施形態の画像形成システム２００において、第１音計測部〜第３音計測部の周波数データ、第１振動計測部〜第３振動計測部の周波数データおよび各画像形成装置の不具合発生確率を示すテーブルである。

ここでは、８６番目のデータは、２０１８年９月９日１１時１２分に、第１音計測部の周波数データがＤａ８６であり、第１振動計測部の周波数データがｄａ８６である場合、予測部１４０Ｓは、第１画像形成装置１００Ａの不具合の発生を予測する。この場合、不具合発生確率は３％である。さらに、８６番目のデータは、第２音計測部の周波数データがＤｂ８６であり、第２振動計測部の周波数データがｄｂ８６である場合、予測部１４０Ｓは、第２画像形成装置１００Ｂの不具合の発生を予測する。不具合発生確率は２％である。

８７番目のデータは、２０１８年９月９日１３時０４分に、第１音計測部の周波数データがＤａ８７であり、第１振動計測部の周波数データがｄａ８７である場合、予測部１４０Ｓは、第１画像形成装置１００Ａの不具合の発生を予測する。不具合発生確率は４％である。さらに、８７番目のデータは、第２音計測部の周波数データがＤｂ８７であり、第２振動計測部の周波数データがｄｂ８７である場合、予測部１４０Ｓは、第２画像形成装置１００Ｂの不具合の発生を予測する。不具合発生確率は９６％である。

８８番目のデータは、２０１８年９月９日１４時５０分に、第１音計測部の周波数データがＤａ８８であり、第１振動計測部の周波数データがｄａ８８である場合、予測部１４０Ｓは、第１画像形成装置１００Ａの不具合の発生を予測する。不具合発生確率は８９％である。さらに、８８番目のデータは、第２音計測部の周波数データがＤｂ８８であり、第２振動計測部の周波数データがｄｂ８８である場合、予測部１４０Ｓは、第２画像形成装置１００Ｂの不具合の発生を予測する。不具合発生確率は５％である。

以上のように、本実施形態の画像形成システム２００によれば、第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃのデータを学習データとして利用して、第１画像形成装置１００Ａ〜第３画像形成装置１００Ｃごとの不具合の発生を予測できる。

なお、上述した説明では、画像形成装置１００は、電子写真方式であったが、本実施形態はこれに限定されない。画像形成装置１００は、他の方式であってもよい。例えば、画像形成装置１００は、インクジェット方式であってもよい。

以上、図面を参照しながら本発明の実施形態について説明した。但し、本発明は、上記の実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々の態様において実施することが可能である。また、上記の実施形態に開示されている複数の構成要素を適宜組み合わせることによって、種々の発明の形成が可能である。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。図面は、理解しやすくするために、それぞれの構成要素を主体に模式的に示しており、図示された各構成要素の厚さ、長さ、個数、間隔等は、図面作成の都合上から実際とは異なる場合もある。また、上記の実施形態で示す各構成要素の材質、形状、寸法等は一例であって、特に限定されるものではなく、本発明の効果から実質的に逸脱しない範囲で種々の変更が可能である。

本発明は、画像形成装置および画像形成方法に関するものであり、産業上の利用可能性を有する。

１００ 画像形成装置
１１０ 画像形成部
１２０ 計測部
１３０ 生成部
１４０ 予測部

Claims (9)

1. シートに画像を形成する画像形成部と、
   前記画像形成部における音または振動を計測する計測部と、
   前記計測部の計測結果を周波数解析して周波数データを生成する生成部と、
   前記周波数データに基づいて前記画像形成部の不具合を予測する予測部と
   を備える、画像形成装置。
2. 前記予測部は、前記周波数データに基づいて前記画像形成部の故障を予測する、請求項１に記載の画像形成装置。
3. 前記予測部は、畳み込みニューラルネットワーク処理を用いる、請求項１または２に記載の画像形成装置。
4. 前記生成部は、前記計測部の計測結果を高速フーリエ変換処理する、請求項１から３のいずれかに記載の画像形成装置。
5. 外部機器と通信する通信部をさらに備える、請求項１から４のいずれかに記載の画像形成装置。
6. 前記通信部は、前記計測部の計測結果または前記生成部において生成された前記周波数データを送信する、請求項５に記載の画像形成装置。
7. 前記通信部は、他の画像形成装置における音または振動の計測結果または他の画像形成装置において生成された周波数データを受信する、請求項５または６に記載の画像形成装置。
8. 前記通信部は、前記予測部による予測結果を前記外部機器に送信する、請求項５から７のいずれかに記載の画像形成装置。
9. 画像形成部がシートに画像を形成するステップと、
   前記画像形成部における音または振動を計測するステップと、
   前記計測するステップにおける計測結果を周波数解析して周波数データを生成するステップと、
   前記周波数データに基づいて前記画像形成部の不具合を予測するステップと
   を包含する、画像形成方法。

Images