JP2022029246A - 管理装置、管理装置の制御方法、プログラム、及び管理システム - Google Patents
管理装置、管理装置の制御方法、プログラム、及び管理システム Download PDFInfo
- Publication number
- JP2022029246A JP2022029246A JP2020132484A JP2020132484A JP2022029246A JP 2022029246 A JP2022029246 A JP 2022029246A JP 2020132484 A JP2020132484 A JP 2020132484A JP 2020132484 A JP2020132484 A JP 2020132484A JP 2022029246 A JP2022029246 A JP 2022029246A
- Authority
- JP
- Japan
- Prior art keywords
- data
- image forming
- detection means
- forming apparatus
- feature extraction
- 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
- 238000000034 method Methods 0.000 title claims description 124
- 238000001514 detection method Methods 0.000 claims abstract description 208
- 238000012423 maintenance Methods 0.000 claims abstract description 75
- 238000012546 transfer Methods 0.000 claims description 73
- 238000003860 storage Methods 0.000 claims description 41
- 238000013213 extrapolation Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 abstract description 196
- 230000005856 abnormality Effects 0.000 abstract description 97
- 238000004891 communication Methods 0.000 abstract description 18
- 230000008569 process Effects 0.000 description 97
- 238000007726 management method Methods 0.000 description 91
- 230000005540 biological transmission Effects 0.000 description 70
- 238000012545 processing Methods 0.000 description 41
- 230000006870 function Effects 0.000 description 27
- 238000005259 measurement Methods 0.000 description 23
- 239000000463 material Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 11
- 238000012937 correction Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 239000006185 dispersion Substances 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 239000000428 dust Substances 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 4
- 230000002542 deteriorative effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Landscapes
- Accessory Devices And Overall Control Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
Abstract
【課題】通信環境の整備や維持にかかる費用を抑えつつ、画像形成装置のメンテナンス時期を予測することができる管理装置を提供する。【解決手段】異常予測システム100は、画像形成装置101、サーバ103、及び管理装置104を備える。管理装置104は、画像形成装置101によって生成された最新の濃度検知センサ220の特徴抽出データ311と当該特徴抽出データ311より前に生成された少なくとも1つの濃度検知センサ220の特徴抽出データ311とを取得し、取得した複数の濃度検知センサ220の特徴抽出データ311に基づいて画像形成装置101のメンテナンス時期を予測する。濃度検知センサ220の特徴抽出データ311は、濃度検知センサ220の光量調整制御にて設定された複数の光量制御値を含む光量データの特徴を示すデータであって光量データよりデータ量が小さいデータである。【選択図】図21
Description
本発明は、管理装置、管理装置の制御方法、プログラム、及び管理システムに関する。
画像形成装置の状態をモニタリングし、画像形成装置の状態情報に基づいて画像形成装置の異常の予兆を検知する管理システムが知られている。管理システムでは、画像形成装置の異常の予兆を検知した場合、保守担当者にメンテナンスの依頼が行われ、依頼を受けた保守担当者が画像形成装置のメンテナンスを実施する。このように異常の予兆を検知した段階で画像形成装置のメンテナンスを実施することで、画像形成装置が故障して稼働できなくなる前に適切な処置を行って、画像形成装置の故障によるダウンタイムの発生を防止することができる。
管理システムは、管理装置及び複数の画像形成装置で構成され、管理装置は、複数の画像形成装置とネットワークを介して接続されている。例えば、管理システムでは、画像形成装置は、当該画像形成装置が備える各種センサが計測した複数の計測値を含む状態情報を管理装置へ送信し、管理装置は複数の画像形成装置からそれぞれ受信した状態情報を蓄積する(例えば、特許文献1参照)。この管理システムでは、管理装置が、一の画像形成装置から受信した状態情報に基づいて一の画像形成装置の状態の特徴量を算出し、算出した特徴量の推移の傾向から一の画像形成装置の異常の予兆を検知する。この管理システムでは、複数の画像形成装置の状態情報が管理装置に集約されており、また、状態情報は画像形成装置の各種センサが計測した複数の計測値を含む。このため、これらの状態情報を異常の予兆の検知以外のデータ分析に活用して、例えば、異常の予兆が検知される前に画像形成装置のメンテナンスが必要となる時期(以下、単に「メンテナンス時期」という。)を予測することができる。一方、状態情報は上述したように複数の計測値を含むため、画像形成装置が管理装置へ状態情報を送信する際のデータ通信量が増え、このようなデータ通信を実現する通信環境の整備や維持に多くの費用がかかる。これに対し、例えば、他の管理システムでは、画像形成装置が、状態情報に基づいて画像形成装置の状態の特徴量を算出し、算出した特徴量の推移の傾向から検知した異常の予兆に関する情報を管理装置へ送信する(例えば、特許文献2参照)。異常の予兆に関する情報は、上述した各種センサが計測した複数の計測値等を含まず、異常の予兆が検知された部品を特定する情報等の限られた情報のみを含み、状態情報よりデータ量が小さい。このため、画像形成装置が管理装置へ状態情報を送信する構成より、通信環境の整備や維持にかかる費用を抑えることが可能となる。
しかしながら、画像形成装置が異常の予兆に関する情報を管理装置へ送信する構成では、管理装置に蓄積される情報は異常の予兆が検知された部品を特定する情報等の限られた情報のみである。このため、この情報を異常の予兆の検知以外のデータ分析に活用することができず、例えば、画像形成装置のメンテナンス時期を予測することができない。すなわち、従来では、通信環境の整備や維持にかかる費用を抑えつつ、画像形成装置のメンテナンス時期を予測することができない。
本発明の目的は、通信環境の整備や維持にかかる費用を抑えつつ、画像形成装置のメンテナンス時期を予測することができる管理装置、管理装置の制御方法、プログラム、及び管理システムを提供することにある。
上記目的を達成するために、本発明の管理装置は、転写体と前記転写体に転写されたトナー像を検出する検出手段とを備える画像形成装置を管理する管理装置であって、前記検出手段の制御データに基づいて前記画像形成装置によって生成された最新の検出手段特徴データと当該最新の検出手段特徴データより前に生成された少なくとも1つの検出手段特徴データとを取得する取得手段と、前記取得した複数の検出手段特徴データに基づいて前記画像形成装置のメンテナンス時期を予測する予測手段とを備え、前記検出手段特徴データは、前記検出手段の制御データの特徴を示すデータであって前記検出手段の制御データよりデータ量が小さいデータであることを特徴とする。
本発明によれば、通信環境の整備や維持にかかる費用を抑えつつ、画像形成装置のメンテナンス時期を予測することができる。
以下、本発明の実施の形態について図面を参照しながら詳述する。
図1は、本発明の実施の形態に係る管理システムとしての異常予測システム100の構成を概略的に示す構成図である。異常予測システム100は、1台以上の画像形成装置、サーバ103、及び管理装置104を備える。なお、本実施の形態では、一例として、異常予測システム100が2台の画像形成装置101,102を備える構成について説明する。画像形成装置101,102、サーバ103、及び管理装置104は、インターネット105を介して通信可能である。異常予測システム100は、画像形成装置101,102からデータを収集し、収集したデータに基づいて画像形成装置101や画像形成装置102の異常の予兆を検知する。
画像形成装置101,102は、スキャン機能、プリント機能、コピー機能、FAX通信機能等の複数の機能を備える装置であり、例えば、MFPである。なお、本実施の形態では、画像形成装置101及び画像形成装置102は同様の機能及び構成であり、以下では、一例として、画像形成装置101を用いてその機能及び構成を説明する。
画像形成装置101は、ユーザによる機能選択操作を受け付け、また、ユーザによって指示されたジョブを実行する。画像形成装置101が実行するジョブは、例えば、スキャンジョブ、印刷ジョブ、コピージョブ、FAX送信ジョブである。また、画像形成装置101は、当該画像形成装置101の異常の予兆を検知するために必要となる後述する図3のログデータ310や特徴抽出データ311を定期的にサーバ103へ送信する。
サーバ103は、画像形成装置101,102からそれぞれ受信したログデータ310及び特徴抽出データ311を蓄積する。また、サーバ103は、蓄積したログデータ310及び特徴抽出データ311を管理装置104へ送信する。
管理装置104は、サーバ103から、例えば、画像形成装置101のログデータ310及び特徴抽出データ311を受信すると、受信した特徴抽出データ311を分析して、画像形成装置101の異常の予兆を検知する。具体的に、管理装置104は、画像形成装置101が備える各種部品の故障や寿命等を予測する。予測した結果、画像形成装置101の部品の交換が必要である場合には、管理装置104は、保守点検員106に画像形成装置101のメンテナンス作業を依頼する。このようにして、本実施の形態では、異常予測システム100の管理対象となる画像形成装置に搭載された部品が故障する前に、寿命が近付いた部品を交換する等のメンテナンス作業を行うことができる。
図2は、図1の画像形成装置101の側面図である。なお、図2では理解を容易にするために内部の構成が透過して示される。図2において、画像形成装置101は、プリンタ部200及びリーダ部240を備える。
リーダ部240は、原稿245に形成された画像を読み取るスキャナである。原稿245は、原稿台246上に、画像が形成された面が原稿台246に接するように置かれる。リーダ部240は、読み取った画像を表す画像データをプリンタ部200へ送信する。リーダ部240は、読取ユニット249、及びリーダ画像処理部247を備える。
読取ユニット249は、発光部242、光学系243、及び受光部244が一体に構成される。読取ユニット249は、例えば、図中奥方向に伸びるラインセンサであり、矢印R248方向に移動しながら原稿245の画像を読み取る。発光部242は、原稿245を照射する。受光部244は、原稿245から反射した光を、光学系243を介して受光する。受光結果は、リーダ画像処理部247へ送信される。リーダ画像処理部247は、受信した受光結果に基づいて、原稿245に形成された画像を表す画像データを生成する。また、リーダ画像処理部247は、受信した受光結果に基づいて、原稿245に形成された画像の画像濃度を測定するセンサとしても機能する。リーダ画像処理部247は、画像データ及び測定した画像濃度をプリンタ部200に送信する。
画像形成装置101は、電子写真方式によりカラー画像を形成する。画像形成装置101は、中間転写タンデム方式の画像形成装置であり、プリンタ部200には、4つの画像形成部Pa~Pdが中間転写ベルト206(転写体)上に並べて配置されている。画像形成部Paは、イエローのトナー像を形成する。画像形成部Pbは、マゼンタのトナー像を形成する。画像形成部Pcは、シアンのトナー像を形成する。画像形成部Pdは、ブラックのトナー像を形成する。なお、本実施の形態では、形成されるトナー像の色の数は、4色に限定されるものではない。
画像が形成されるシート等の記録材Sは、プリンタ部200の記録材収納庫230a,230b内に積載されている。記録材Sは、画像形成部Pa~Pdによる画像形成が行われる際に、記録材収納庫230a(又は、記録材収納庫230b)から、摩擦分離方式を採用した給紙ローラ231a(又は、給紙ローラ231b)によって給紙される。給紙ローラ231a,231bは、搬送パスを介して、記録材Sをレジストローラ232へ搬送する。レジストローラ232は、記録材Sの斜行を補正し、タイミングを調整して二次転写部T2に記録材Sを搬送する。
プリンタ部200では、画像形成部Pa~Pdによって画像形成が行われる。なお、本実施の形態では、画像形成部Pa~Pdは同様の構成であり、以下では、一例として、画像形成部Paを用いてその構成を説明する。画像形成部Paは、感光体201a、帯電器202a、露光器203a、現像器204a、一次転写部T1a、及び感光体クリーナ205aを備える。帯電器202aは、回転駆動する感光体201aの表面を一様に帯電させる。露光器203aは、リーダ部240から受信した画像データに基づいて光を変調し、変調した光を感光体201aに照射する。これにより、感光体201aには、上記画像データに対応する静電潜像が形成される。
現像器204aは、感光体201aに形成された静電潜像を現像剤により現像する。本実施の形態では、現像剤にトナーが用いられる。なお、本実施の形態の現像器204aは、非磁性トナーと磁性キャリアとを混合した二成分現像剤を収容するが、磁性トナー又は非磁性トナーのみの一成分現像剤であってもよい。静電潜像が形成された感光体201aにトナーを付着させることにより、感光体201aにトナー像が形成される。一次転写部T1aは、所定量の圧力及び所定量の静電的負荷バイアスが加えられると、感光体201aに形成されたトナー像を中間転写ベルト206に転写する。同様にして、感光体201b~201dに形成されたトナー像が中間転写ベルト206に転写される。ここで、感光体201a~201dの各々に形成されたトナー像は、中間転写ベルト206に重畳するように転写される。このように、中間転写ベルト206には、イエロー、マゼンタ、シアン、ブラックのトナー像が重畳して転写され、フルカラーのトナー像が形成される。転写後に感光体201a~201dに残留するトナーは、感光体クリーナ205a~205dにより回収される。プリンタ部200では、例えば、現像器204aに収容されるトナーの量が所定量以下になると、現像剤の補給容器であるトナーボトルTaから現像器204aにトナーが補給される。
中間転写ベルト206は、中間転写ベルトフレーム(不図示)に設けられ、二次転写内ローラ208、テンションローラ212、及び二次転写上流ローラ213によって張架される無端ベルトである。中間転写ベルト206は、二次転写内ローラ208、テンションローラ212、及び二次転写上流ローラ213により矢印R207方向に回転駆動される。フルカラーのトナー像が形成された中間転写ベルト206は、回転することで二次転写部T2にトナー像を搬送する。
記録材S及び中間転写ベルト206に形成されたトナー像は、それぞれ二次転写部T2で合流するタイミングで搬送される。二次転写部T2は、対向して配置される二次転写内ローラ208及び二次転写外ローラ209により形成される転写ニップ部である。二次転写部T2は、所定量の圧力及び所定量の静電的負荷バイアスを加えることで、記録材S上にトナー像を吸着させる。このようにして、二次転写部T2は、中間転写ベルト206上のトナー像を記録材Sに転写する。転写後に中間転写ベルト206に残留するトナーは、転写クリーナ210により回収される。
トナー像が転写された記録材Sは、二次転写外ローラ209により、二次転写部T2から定着器211に搬送される。定着器211は、対向するローラにより形成される定着ニップ内で記録材Sに所定量の圧力及び所定の温度の熱を加えて、記録材S上にトナー像を溶融固着させる。定着器211は、熱源となるヒータ(不図示)を備え、常に最適な温度が維持されるように制御される。トナー像が定着された記録材Sは、排紙トレイ233に排出される。記録材Sの両面に画像を形成する場合、記録材Sは、反転搬送機構により反転されてレジストローラ232に搬送され、上記トナー像が定着されていない面に別のトナー像が形成される。
中間転写ベルト206の近傍にはトナー濃度を検知するための濃度検知センサ220が設けられている。濃度検知センサ220は、中間転写ベルト206上に形成された各色のトナーパターンを検出可能な位置、具体的に、感光体201dと二次転写外ローラ209の間に配置される。
図3は、図1の画像形成装置101のハードウェア構成を概略的に示すブロック図である。図3において、画像形成装置101は、上述したプリンタ部200及びリーダ部240の他に、制御部301、操作パネル304、記憶装置307、及びネットワークI/F312を備える。プリンタ部200、リーダ部240、制御部301、操作パネル304、記憶装置307、及びネットワークI/F312は、データバス315を介して互いに接続されている。
制御部301は、CPU302及びメモリ303を備える。制御部301は、画像形成装置101の動作を統括的に制御する。CPU302は、記憶装置307に格納された各種プログラムを実行するハードウェアプロセッサである。例えば、CPU302は、画像形成装置101に電源が投入されると、記憶装置307に記憶されているプログラム308を読み出して当該プログラム308を実行する。これにより、制御部301は、後述する図5のジョブ制御部501及びデータ管理部503として機能する。また、CPU302がプログラム308を実行することにより、後述する図9の特徴抽出データ送信制御処理が実行される。メモリ303は、CPU302の作業領域として、また、各データの一時記憶領域として用いられる。
操作パネル304は、表示部305及び操作部306を備える。表示部305は、例えば、カラー液晶ディスプレイで構成され、ユーザや保守点検員106が操作可能な各種操作画面やメンテナンスに必要な情報を表示する。操作部306は、例えば、表示部305に表示されるタッチパネルキーによって構成され、ユーザや保守点検員106による操作を受け付ける。
記憶装置307は、不揮発性の記憶装置であり、例えば、ハードディスクドライブ(HDD)である。記憶装置307は、プログラム308、内部データ309、ログデータ310、及び特徴抽出データ311を格納する。内部データ309は、リーダ部240やプリンタ部200が備える各種センサによって測定されたセンサ計測値の時系列データである。ログデータ310は、画像形成装置101におけるジョブの実行履歴等を記録したデータであり、実行したジョブの詳細情報やジョブの実行日時情報等を含む。特徴抽出データ311は、内部データ309に基づいて生成される。特徴抽出データ311は、画像形成装置101の特性を示すデータであって内部データ309よりデータ量が小さいデータである。ネットワークI/F312は、インターネット105を介するデータ通信を実現する。画像形成装置101は、ネットワークI/F312を介してサーバ103と通信を行う。
リーダ部240は、センサ群313を備える。センサ群313は、リーダ部240が原稿を読み取る際に動作する可動部品の動作状態を監視する複数のセンサを含む。センサ群313に含まれる各センサは、制御部301から受けた要求に基づいて可動部品の動作状態を計測したセンサ計測値を内部データ309の1つとして制御部301へ出力する。プリンタ部200は、センサ群314を備える。センサ群314は、濃度検知センサ220等といった、プリンタ部200が画像形成を行う際に動作する可動部品の動作状態を監視する複数のセンサを含む。センサ群314に含まれる各センサは、制御部301から受けた要求に基づいて可動部品の動作状態を計測したセンサ特性値を内部データ309の1つとして制御部301へ出力する。
次に、サーバ103及び管理装置104のハードウェア構成について説明する。なお、本実施の形態では、サーバ103及び管理装置104は同様の構成であり、以下では、一例として、管理装置104を用いてその構成を説明する。
図4は、図1の管理装置104のハードウェア構成を概略的に示すブロック図である。図4において、管理装置104は、CPU401、メモリ402、記憶装置403、及びネットワークI/F404を備える。CPU401、メモリ402、記憶装置403、及びネットワークI/F404は、システムバス405を介して互いに接続されている。
CPU401は、管理装置104全体の動作を制御する中央演算装置である。メモリ402は、CPU401の起動用プログラムや当該起動用プログラムの実行に必要となるデータを格納する。記憶装置403は、メモリ402より大容量の記憶装置であり、例えば、HDDである。なお、記憶装置403は、HDDに限られず、HDDと同等の機能を有する他の記憶装置、例えば、ソリッドステートドライブ(SSD)であっても良い。記憶装置403は、CPU401が実行する制御用プログラム等を格納する。
CPU401は、管理装置104の起動時、メモリ402に格納されている起動用プログラムを実行する。この起動用プログラムは、記憶装置403に格納された制御用プログラムをメモリ402に展開するためのプログラムである。次いで、CPU401は、メモリ402に展開された制御用プログラムを実行し、各種制御を行う。また、CPU401は、ネットワークI/F404により、インターネット105を介してサーバ103等の他の機器とデータ通信を行う。例えば、管理装置104は、ネットワークI/F404により画像形成装置101から受信したデータに基づいて、画像形成装置101の操作パネル304に表示された画面を共有し、管理装置104の表示部に当該画面を表示することができる。
図5は、図2の制御部301の機能構成を示すブロック図である。画像形成装置101において、CPU302がプログラム308を実行することにより、制御部301は、ジョブ制御部501及びデータ管理部503として機能する。
ジョブ制御部501は、画像形成装置101におけるジョブの実行を制御する。ジョブ制御部501は、リーダ部240、プリンタ部200の動作を制御することにより、ユーザによって指示されたジョブの実行を制御する。ジョブ制御部501は、ログ記録部502を含む。ログ記録部502は、ユーザによって指示されたジョブが実行された際にログデータ310にジョブの実行履歴を記録する。
データ管理部503は、内部データ309や特徴抽出データ311を管理する。データ管理部503は、タイミング判別部504、データ取得部505、特徴抽出部506、データ送信判定部507、及びデータ送信部508を含む。
タイミング判別部504は、サーバ103に対して特徴抽出データ311を送信するタイミング(以下、「データ送信タイミング」という。)であるか否かを判別する。例えば、タイミング判別部504は、特徴抽出データ311をサーバ103へ前回送信(以下、「特徴抽出データ311の前回送信時」という。)してから予め設定された所定の時間が経過した場合、データ送信タイミングであると判別する。
データ取得部505は、サーバ103に送信する特徴抽出データ311の生成に用いられる内部データ309を記憶装置307から取得する。具体的に、データ取得部505は、上述したセンサ群313,314に含まれる各センサに対し、センサ毎に定義された所定のタイミングでデータ取得要求を出力し、各センサからセンサ計測値を取得する。なお、所定のタイミングは、数msec~数sec間隔等といった一定の時間毎であっても良く、また、ユーザによって指示されたジョブを実行する前後のタイミングであっても良い。また、データ取得部505は、記憶装置307に保存されているログデータ310を取得する。
特徴抽出部506は、上記データ取得部505によって取得した内部データ309を特徴抽出データ311に変換する特徴抽出処理を実行する。データ送信判定部507は、後述する図11のデータ送信判定処理を実行し、生成した特徴抽出データ311をサーバ103へ送信するか否かを判定する。データ送信部508は、データ送信判定部507によって特徴抽出データ311をサーバ103へ送信すると判定された場合に、特徴抽出データ311をサーバ103へ送信する。このように、本実施の形態では、データ送信タイミングであり且つデータ送信判定部507によって特徴抽出データ311をサーバ103へ送信すると判定された場合にのみ、特徴抽出データ311がサーバ103へ送信される。これにより、サーバ103に特徴抽出データ311を送信する必要がない場合に、画像形成装置101がサーバ103へ不要なデータを送信するのを防止することができ、もって、画像形成装置101及びサーバ103の間の通信負荷を軽減することができる。
図6は、図1の異常予測システム100によって生成される特徴抽出データと当該特徴抽出データに関する処理について説明するための図である。図6(a)は、内部データ309と画像形成装置101が実行する特徴抽出処理と管理装置104が実行する異常予測処理との関係を表す。
図6(a)において、データ項目601は、内部データ309のデータ項目、具体的に、データ取得部505がリーダ部240やプリンタ部200から取得したセンサ計測値やカウント値等の項目名を表している。本実施の形態では、内部データ309のデータ項目には、それぞれデータ項目を識別するためのIDが割り当てられている。
データ取得元602は、データ項目601のデータが画像形成装置101の何れの構成要素から取得されたデータであるかを表している。データ種別603は、データ項目601のデータの属性を表している。特徴抽出処理604は、データ項目601のデータを用いて特徴抽出データ311を生成する特徴抽出処理の種別を表している。なお、図6(a)では、例えば、スキャンカウンタ、プリントカウンタ、ログデータのように、特徴抽出データ311が生成されないデータのデータ項目は、特徴抽出処理を実行しない旨を示す「-」で表されている。
判別処理605は、データ項目601のデータを用いて生成された特徴抽出データ311に基づいて管理装置104が実行する異常予測処理の種別を表している。異常予測システム100では、異常予測処理の種別が、当該異常予測処理に使用される特徴抽出データ311の生成に用いられるデータのデータ項目と対応付けられて管理されている。予測要求ID606は、判別処理605の異常予測処理に対応付けて割り当てられた固有の番号である。なお、管理装置104と画像形成装置101,102とで予測要求ID606の番号を共有する構成であれば、予測要求ID606の番号は、判別処理605の異常予測処理の各々に予め設定されていても良く、また、管理装置104が定期的に設定しても良い。管理装置104は、予測要求ID606の番号に基づいて、実行する異常予測処理を決定する。例えば、保守点検員106が、画像形成装置101の転写ローラの状態を確認するために予測要求ID「3」の異常予測処理の実行を管理装置104に指示した場合、管理装置104は、予測要求ID「3」に対応する分散率を求める異常予測処理の実行を決定する。管理装置104は、当該異常予測処理の実行に用いる転写ローラの走行距離に対応する特徴抽出データ311をサーバ103から取得し、取得した特徴抽出データ311に基づいて分散率を求める異常予測処理を実行する。
図6(b)は、図1の画像形成装置101がサーバ103へ送信する送信用データ607の一例を示す図である。送信用データ607は、複数の特徴抽出データ311で構成される。図6(b)において、送信用データ607は、データ項目608及び具体値609で構成される。データ項目608には、特徴抽出データのデータ項目が設定される。具体値609には、データ項目608の特徴抽出データの具体値が、元となる内部データ309の生成時刻毎に設定される。このような構成により、何れの生成時刻の内部データ309に基づいて生成された特徴抽出データであるかが確認可能となる。図6(b)の送信用データ607には、例えば、計測時刻t(2020/01/01/00:00:00)から所定の計測時刻までの定着器211の温度を示すセンサ計測値の最大値を算出する最大値算出処理が施された結果の値y(80)が設定されている。また、図6(b)の送信用データ607には、計測時刻t(2020/01/01/00:00:00)の転写ローラの走行距離を示すセンサ計測値に対し、所定のルールでヒストグラム化するヒストグラム化処理を施した結果、例えば、ヒストグラム処理の分類グループが(80)であることが設定されている。画像形成装置101は、送信用データ607をテキスト形式に変換し、また、テキスト形式に変換済みのデータを必要に応じて圧縮して、サーバ103へ送信する。
図7は、図1の異常予測システム100において特徴抽出データを生成してメンテンナンスが必要であることを通知する一連の処理の流れを説明するためのシーケンス図である。
図7において、画像形成装置101は、内部データ取得判別を行い(ステップS701)、リーダ部240やプリンタ部200からセンサ計測値やカウント値を取得するタイミング(以下、「内部データ取得タイミング」という。)であるか否かを判別する。内部データ取得タイミングであると判別した場合、画像形成装置101は、リーダ部240やプリンタ部200からセンサ計測値やカウント値等のデータを取得し(ステップS702)、取得したデータを含む内部データ309を生成する。内部データ309では、複数のセンサ計測値及びカウント値の時系列データが項目毎に管理されている。内部データ309に含まれるセンサ計測値の時系列データの一例として、図8(a)は、時刻Tにおける定着ベルトモータの回転加速度について、横軸を時刻(T)とし、縦軸を回転加速度として表したものである。
次いで、画像形成装置101は、取得したセンサ計測値やカウント値で構成される内部データ309に基づいて特徴抽出データ311を生成する(ステップS703)。例えば、画像形成装置101は、内部データ309に含まれるセンサ計測値である図8(a)の定着ベルトモータの回転加速度の時系列データに対し、ヒストグラム化処理を施して図8(b)の特徴抽出データ311を生成する。このように、定着ベルトモータの回転加速度に対してヒストグラム化処理を行うことで、定着ベルトモータの回転加速度を示すセンサ計測値の出現頻度に関する特性を示し且つ内部データ309よりデータ量が小さいデータを得ることができる。
次いで、画像形成装置101は、後述する図11のデータ送信判定処理を実行して(ステップS704)、特徴抽出データ311の送信を許可するか否かを判定する。特徴抽出データ311の送信を許可すると判定した場合、画像形成装置101は、特徴抽出データ311及びログデータ310をサーバ103へ送信する(ステップS705)。ステップS705では、画像形成装置101は、複数の特徴抽出データ311で構成される送信用データ607をサーバ103へ送信しても良い。また、画像形成装置101は、複数の特徴抽出データ311のうち、前回送信時から更新された特徴抽出データ311をサーバ103へ送信しても良い。その後、画像形成装置101は、ステップS701の処理を行う。このようにして、画像形成装置101は、ステップS701~S705の処理を繰り返し実行する。
画像形成装置101から特徴抽出データ311及びログデータ310を受信すると、サーバ103は、ステップS706の処理を行う。ステップS706では、サーバ103は、管理していた画像形成装置101の特徴抽出データ311及びログデータ310を、上記受信した特徴抽出データ311及びログデータ310に更新する。次いで、更新済みの特徴抽出データ311及びログデータ310を保存する(ステップS707)。その後、サーバ103は、ステップS706の処理を行う。このようにして、サーバ103は、ステップS706~S707の処理を繰り返し実行する。
管理装置104は、後述する図12のステップS1201の処理を行い、異常予測処理の実施タイミングであるか否かを判別する(ステップS708)。異常予測処理の実施タイミングであると判別した場合、管理装置104は、サーバ103から、上記異常予測処理の実行に必要となる予測用データを取得する(ステップS709)。予測用データは、画像形成装置101の特徴抽出データ311及びログデータ310である。次いで、管理装置104は、取得した予測用データに対応付けられた異常予測処理を実行する(ステップS710)。例えば、管理装置104は、定着ベルトモータの回転加速度に対してヒストグラム化処理が施された図8(b)の特徴抽出データ311を予測用データとして取得した際に、この特徴抽出データ311に基づいて、異常予測処理としてヒストグラムの分散率を用いた判別処理を実行する。管理装置104は、例えば、図8(c)に示すように、算出された分散率が所定の分散率の値以上である場合、定着ベルトモータは正常であると判別する。一方、図8(d)に示すように、算出された分散率が所定の分散率の値未満である場合、管理装置104は、定着ベルトモータにおいて異常の予兆があると判別する。なお、本実施の形態では、ヒストグラム化処理済みの特徴抽出データ311に対して、管理装置104が、分散率を求めて判別処理を行う例について説明したが、分散率以外の方法、例えば、平均、歪度、尖度等の方法で判別処理を行っても良い。
図7に戻り、管理装置104は、異常予測処理を実行した結果、保守点検員106への通知が必要であると判別した場合には、保守点検員106へ通知を行う(ステップS711)。その後、管理装置104は、ステップS708の処理を行う。このようにして、管理装置104は、ステップS708~S711の処理を繰り返し実行する。
図9は、図1の画像形成装置101によって実行される特徴抽出データ送信制御処理の手順を示すフローチャートである。図9の処理は、制御部301のCPU302がプログラム308を実行することによって実現される。図9の処理は、予め設定された所定の期間毎に、又は予め設定された所定の時刻に定期的に実行される。なお、図9の処理では、上述したステップS701~S702の処理が実行され、内部データ309が既に生成されていることとする。
図9において、まず、制御部301は、後述する図10の特徴抽出データ生成処理を実行し(ステップS901)、特徴抽出データ311を生成する(例えば、ステップS703を参照。)。次いで、制御部301は、データ送信タイミングであるか否かを判別する(ステップS902)。ステップS902では、例えば、特徴抽出データ311の前回送信時から予め設定された所定の時間が経過した場合、制御部301は、データ送信タイミングであると判別する。一方、特徴抽出データ311の前回送信時から上記所定の時間が経過しない場合、CPU302は、データ送信タイミングでないと判別する。
ステップS902の判別の結果、データ送信タイミングでない場合、特徴抽出データ送信制御処理は、後述するステップS905に進む。ステップS902の判別の結果、データ送信タイミングである場合、制御部301は、ステップS903の処理を行う。ステップS903では、制御部301は、ステップS903の処理を実行する。ステップS903では、制御部301は、後述する図11のデータ送信判定処理を実行し、特徴抽出データ311をサーバ103へ送信することを許可するか否かを決定する(例えば、ステップS704を参照。)。
ステップS903において、特徴抽出データ311をサーバ103へ送信することが許可された場合、制御部301は、ステップS901にて生成した特徴抽出データ311をサーバ103へ送信する(ステップS904)(例えば、ステップS705を参照。)。ステップS904では、上述したように、制御部301は、複数の特徴抽出データ311で構成される送信用データ607をサーバ103へ送信しても良い。また、制御部301は、複数の特徴抽出データ311のうち、前回送信時から更新された特徴抽出データ311をサーバ103へ送信しても良い。特徴抽出データ311の送信を完了すると、特徴抽出データ送信制御処理は、ステップS905に進む。一方、ステップS903において、特徴抽出データ311をサーバ103へ送信することが許可されない場合、特徴抽出データ311がサーバ103へ送信されずに、特徴抽出データ送信制御処理は、ステップS905に進む。ステップS905では、制御部301は、ユーザによるジョブの実行指示を受け付けたか否かを判別する。
ステップS905の判別の結果、ユーザによるジョブの実行指示を受け付けた場合、制御部301は、ユーザに指示されたジョブを実行する(ステップS906)。当該ジョブの実行を完了すると、制御部301は、ログデータ310を更新する(ステップS907)。具体的に、制御部301は、上記ジョブの実行記録をログデータ310に設定する。次いで、制御部301は、更新済みのログデータ310をサーバ103へ送信する(例えば、ステップS705を参照。)。その後、特徴抽出データ送信制御処理は終了する。
図10は、図9のステップS901の特徴抽出データ生成処理の手順を示すフローチャートである。
図10において、制御部301は、記憶装置307から内部データ309を読み出し、内部データ309が特徴抽出データ311の前回送信時から更新されているか否かを判別する(ステップS1001)。
ステップS1001の判別の結果、内部データ309が特徴抽出データ311の前回送信時から更新されている場合、制御部301は、ステップS1002の処理を行う。ステップS1002では、制御部301は、内部データ309において特徴抽出データ311の前回送信時から更新されているデータ項目を特定する。次いで、制御部301は、実行する特徴抽出処理を決定する(ステップS1003)。例えば、ステップS1002にて特定したデータ項目が図6(a)に示す「定着部温度」である場合、制御部301は、実行する特徴抽出処理を、特定したデータ項目の特徴抽出データを生成するための「最大値算出処理」に決定する。また、ステップS1002にて複数のデータ項目が特定された場合、制御部301は、特定した複数のデータ項目に対し、実行する特徴抽出処理をそれぞれ決定する。
次いで、制御部301は、決定した特徴抽出処理の実行に必要となるデータが内部データ309に含まれているか否かを判別する(ステップS1004)。ここで、例えば、最大値算出処理や移動平均処理では、特定したデータ項目の最新のデータだけでなく、それ以前の所定の期間又は所定数の過去データが必要となる。このように、本実施の形態では、実行に必要となるデータ数が特徴抽出処理毎に異なるため、特徴抽出処理において実行に必要となるデータ数が管理テーブル(不図示)で管理されている。ステップS1004では、上記過去データを含め、決定した特徴抽出処理の実行に必要となるデータが内部データ309に含まれているか否かが判別される。
ステップS1004の判別の結果、決定した特徴抽出処理の実行に必要となるデータが内部データ309に含まれている場合、制御部301は、内部データ309から、決定した特徴抽出処理の実行に必要となるデータを取得する(ステップS1005)。次いで、制御部301は、ステップS1003にて決定した特徴抽出処理を実行して、特徴抽出データ311を生成し(ステップS1006)、特徴抽出データ生成処理は終了する。
ステップS1001の判別の結果、内部データ309が特徴抽出データ311の前回送信時から更新されていない場合、又はステップS1004の判別の結果、決定した特徴抽出処理の実行に必要となるデータが内部データ309に含まれていない場合、特徴抽出データ311が生成されず、特徴抽出データ生成処理は終了する。
図11は、図9のステップS903のデータ送信判定処理の手順を示すフローチャートである。
図11において、制御部301は、記憶装置307からログデータ310を読み出し(ステップS1101)、ログデータ310に特徴抽出データ311の前回送信時以降のジョブの実行記録が含まれているか否かを判別する(ステップS1102)。
ステップS1102の判別の結果、ログデータ310に特徴抽出データ311の前回送信時以降のジョブの実行記録が含まれている場合、制御部301は、特徴抽出データ311の送信を許可し(ステップS1103)、データ送信判定処理は終了する。
ステップS1102の判別の結果、ログデータ310に特徴抽出データ311の前回送信時以降のジョブの実行記録が含まれていない場合、制御部301は、ステップS1104の処理を行う。ステップS1104では、制御部301は、特徴抽出データ311に含まれる更新日時情報に基づいて、特徴抽出データ311が前回送信時から更新されているか否かを判別する。
ステップS1104の判別の結果、特徴抽出データ311が前回送信時から更新されている場合、データ送信判定処理はステップS1103に進む。ステップS1104の判別の結果、特徴抽出データ311が前回送信時から更新されていない場合、制御部301は、特徴抽出データ311の送信を禁止する(ステップS1105)。すなわち、本実施の形態では、特徴抽出データ311の送信タイミングに到達し且つステップS901にて生成された特徴抽出データ311が直近で送信された特徴抽出データと同じデータである場合、ステップS901にて生成された特徴抽出データ311がサーバ103へ送信されない。その後、データ送信判定処理は終了する。
図12は、図1の管理装置104によって実行される異常予測制御処理の手順を示すフローチャートである。図12の処理は、管理装置104のCPU401がメモリ402や記憶装置403に格納されたプログラムを実行することによって実現される。
図12において、CPU401は、異常予測処理の実施タイミングであるか否かを判別する(ステップS1201)。本実施の形態では、管理装置104が実行可能な異常予測処理の予測要求IDに対し、所定の期間や所定の時刻といった実施タイミングが予め設定されている。また、管理装置104は、保守点検員106等が操作する画像形成装置から異常予測処理の実行要求を受け付けることも可能である。ステップS1201では、予め設定された異常予測処理の実施タイミングに到達した場合、又は画像形成装置101等から保守点検員106が指定した異常予測処理の予測要求IDを含む実行要求を受け付けた場合、CPU401は、異常予測処理の実施タイミングであると判別する。一方、予め設定された異常予測処理の実施タイミングに到達しない場合、又は画像形成装置101等の装置から異常予測処理の実行要求を受け付けない場合、CPU401は、異常予測処理の実施タイミングでないと判別する。
ステップS1201の判別の結果、異常予測処理の実施タイミングでない場合、異常予測制御処理は終了する。ステップS1201の判別の結果、異常予測処理の実施タイミングである場合、CPU401は、実行する異常予測処理を識別するための予測要求IDを取得する。例えば、保守点検員106が定着ベルトの状況を把握するために画像形成装置101から送信された予測要求ID「2」を含む実行要求を受け付けた場合、CPU401は、この予測要求ID「2」を取得する。
次いで、CPU401は、取得した予測要求IDに対応する異常予測処理の実行に必要となる特徴抽出データ311及びログデータ310をサーバ103から取得する(ステップS1202)。次いで、CPU401は、取得した特徴抽出データ311及びログデータ310に基づいて、取得した予測要求IDに対応する異常予測処理を実行する(ステップS1203)(異常予兆検知手段)。
例えば、予測要求ID「2」に対応する異常予測処理として、CPU401は、定着ベルトモータの回転加速度を示すセンサ計測値の時系列データに対してスペクトル化処理を施して生成された特徴抽出データ311を用いて周期解析を行う処理を実行し、異常の発生や異常の兆候があるか否かを判別する。例えば、図13(a)の点線1301のように、波形の周期が所定の値以内である場合、CPU401は、定着ベルトモータが正常であると判別する。一方、図13(a)の実線1302のように、波形の周期が所定の値より大きい場合、CPU401は、定着ベルトモータにおいて異常の兆候があると判別する。このように、本実施の形態では、センサ計測値の周波数成分の特性を示すデータであって内部データ309よりデータ量が小さい特徴抽出データ311に基づいて画像形成装置の異常の予兆の有無を判別することが可能となる。
また、CPU401は、中間転写ベルトの速度を示すセンサ計測値の時系列データに対して移動平均処理を施した特徴抽出データ311を用いて傾き分析処理を行うことで、異常の兆候があるか否かを判別する。例えば、図13(b)に示すように、波形の傾きが所定の値以内である場合、CPU401は、中間転写ベルトが正常であると判別する。一方、図13(c)に示すように、波形の傾きが所定の値より大きい場合、CPU401は、中間転写ベルトにおいて異常の兆候があると判別する。このように、本実施の形態では、センサ計測値に対して移動平均処理を施して生成された特徴抽出データ311を用いることで、少ないデータ量でセンサ計測値の傾向を把握可能となり、また、センサ計測値の計測誤差を削減可能となる。
次いで、CPU401は、異常予測処理の実行結果に基づいて、保守点検員106へ通知を行うか否かを判別する(ステップS1204)。ステップS1204では、例えば、異常予測処理の実行結果において異常の発生や異常の兆候が検知された場合、CPU401は、保守点検員106へ通知を行うと判別する。一方、異常予測処理の実行結果において異常の発生や異常の兆候が検知されない場合、CPU401は、保守点検員106へ通知を行わないと判別する。
ステップS1204において、保守点検員106へ通知を行わないと判別した場合、異常予測制御処理は終了する。ステップS1204において、保守点検員106へ通知を行うと判別した場合、CPU401は、異常が検知された部品に関する情報等を含む異常状態通知を生成する(ステップS1205)。次いで、CPU401は、異常状態通知を保守点検員106へ出力し(ステップS1206)、異常予測制御処理は終了する。
上述した実施の形態によれば、画像形成装置101(又は画像形成装置102)が、サーバ103を介して(間接的に)管理装置104へ特徴抽出データ311を送信する。特徴抽出データ311は、内部データ309よりデータ量が小さいデータである。これにより、画像形成装置101(又は画像形成装置102)がサーバ103を介して管理装置104へデータを送信する際のデータ通信量を抑えることができ、もって、通信環境の整備や維持にかかる費用を抑えることができる。また、特徴抽出データ311は、画像形成装置101(又は画像形成装置102)の特性を示すデータである。これにより、画像形成装置101(又は画像形成装置102)に関して、異常の予兆の検知以外のデータ分析に活用可能なデータを提供することができる。すなわち、本実施の形態では、通信環境の整備や維持にかかる費用を抑えつつ、異常の予兆の検知以外のデータ分析に活用可能なデータを提供することができる。
また、上述した実施の形態では、異常予測システム100は、複数の画像形成装置101,102を備える。これにより、サーバ103が各地に設置された複数の画像形成装置から特徴抽出データ311をそれぞれ収集する場合において、特徴抽出データ311を送信するための処理の負荷を軽減することが可能となる。その結果、異常予測システム100において、サーバ103が世界各地からビッグデータとして特徴抽出データ311を収集する場合に、効率的に処理を行うことが可能となる。
さらに、上述した実施の形態では、管理装置104が異常予測処理の実行機能を備える。ここで、異常予測システム100において、管理装置104ではなく、画像形成装置が異常予測処理の実行機能を備える構成である場合、画像形成装置101,102の各々に、異常予測処理の実行機能を実現するための大容量の記憶装置や演算装置を組み込む必要がある。このため、異常予測システム100の構築において、管理装置104が異常予測処理の実行機能を備える構成より、費用がかかる。これに対し、本実施の形態では、管理装置104が異常予測処理の実行機能を備える。これにより、画像形成装置が異常予測処理の実行機能を備える構成より、異常予測システム100の構築に要する費用を削減することができる。
上述した実施の形態では、特徴抽出データ311の送信タイミングに到達し且つステップS901にて生成された特徴抽出データ311が直近で送信された特徴抽出データと同じデータである場合、ステップS901にて生成された特徴抽出データ311がサーバ103へ送信されない。これにより、異常予測システム100において、サーバ103が既に保持しているデータが、画像形成装置101(又は画像形成装置102)からサーバ103へ送信されるといった不要なデータ送信が行われるのを防止することができる。
また、上述した実施の形態では、特徴抽出データ311は、内部データ309をヒストグラム化したデータである。これにより、内部データ309よりデータ量が小さく且つセンサ計測値の出現頻度に関する特性を示すデータを管理装置104へ提供することができる。
また、上述した実施の形態では、特徴抽出データ311は、内部データ309をスペクトル化したデータである。これにより、内部データ309よりデータ量が小さく且つセンサ計測値の周波数成分に関する特性を示すデータを管理装置104へ提供することができる。
以上、本発明について、上述した実施の形態を用いて説明したが、本発明は上述した実施の形態に限定されるものではない。例えば、異常予測システム100が、サーバ103を備えず、画像形成装置101,102が管理装置104へ直接的に特徴抽出データ311を送信する構成であっても良い。
また、上述した実施の形態では、生成された複数の特徴抽出データ311を集約した送信用データ607をサーバ103へ送信する構成について説明したが、本発明はこの構成に限られない。例えば、生成された複数の特徴抽出データ311をそれぞれサーバ103へ送信する構成であっても良い。
上述した実施の形態では、管理装置104は、サーバ103等から最新の特徴抽出データ311と当該最新の特徴抽出データ311より前に生成された少なくとも1つの特徴抽出データ311を取得し、取得した複数の特徴抽出データ311に基づいて画像形成装置101(又は画像形成装置102)のメンテナンス時期を予測しても良い。以下では、一例として、サーバ103から取得した濃度検知センサ220の特徴抽出データ311(検出手段特徴データ)に基づいて画像形成装置101のメンテナンス時期を予測する場合について説明する。
図14は、図2のプリンタ部200に含まれるプリンタ制御部1400の構成を概略的に示すブロック図である。図14において、プリンタ制御部1400は、CPU1401、濃度検知センサ駆動回路1402、シャッター駆動回路1403、濃度検知センサ検知回路1405、ROM1407、及びRAM1408を備える。CPU1401は、濃度検知センサ駆動回路1402、シャッター駆動回路1403、濃度検知センサ検知回路1405、ROM1407、及びRAM1408とそれぞれ接続されている。
CPU1401は、濃度検知センサ220を用いて濃度補正制御を行うための命令信号を生成する機能や当該濃度補正制御に関する演算処理を実行する機能を備える。濃度検知センサ220は、光学式のセンサであり、中間転写ベルト206上に形成されるトナーパターンの濃度を検知する。濃度検知センサ駆動回路1402は、濃度検知センサ220が備える図15の発光ダイオード(以下、「LED」とする。)1501及びフォトダイオード(以下、「PD」とする。)1502のオン・オフやLED1501及びPD1502の駆動電流を制御する機能を備える。
濃度補正制御の実行時には、CPU1401がシャッター駆動回路1403を制御して、プリンタ部200のシャッター駆動部1404へ駆動信号を送信する。この駆動信号を受信したシャッター駆動部1404は、濃度検知センサ220を汚れから保護する後述する図15のシャッター1500を開く制御を行う。また、CPU1401は、濃度検知センサ駆動回路1402を制御して濃度検知センサ220へ駆動信号を送信する。濃度検知センサ220は、受信した駆動信号に基づいて光を照射して、測定対象物からの反射光を検知する。濃度検知センサ220が検知する光はI-V変換される。濃度検知センサ検知回路1405は、濃度検知センサ220から受信した検知結果を示す信号をCPU1401のA/Dコンバータ1406に送信する。A/Dコンバータ1406は、濃度検知センサ検知回路1405から送信された信号を時系列に取り込み、取り込んだ信号に対してA/D変換を行う。CPU1401は、ROM1407に予め記憶された演算式とA/Dコンバータ1406によってA/D変換された信号とを用いて、濃度補正情報を算出するための演算を行う。CPU1401は、算出した濃度補正情報に基づいて、ルックアップテーブルの設定値を決定し、RAM1408に予め格納されている値を上記決定した設定値に基づいて更新する。画像形成時には、CPU1401がRAM1408からルックアップテーブルの設定値を読み出し、読み出した設定値に対応する条件で画像形成を行う。
図15は、図2の濃度検知センサ220によるトナーパターンの検知を説明するための図である。濃度検知センサ220は、図15(a)に示すように、中間転写ベルト206に対向するように配置され、中間転写ベルト206上に形成されたトナーパターン1504を検知する。濃度検知センサ220は、赤外線を発光するLED1501と、赤外線を受光するPD1502と、これらが実装される電気基板(不図示)とからなる。なお、濃度検知センサ220の受光部は、PDに限られず、フォトトランジスタであっても良い。
LED1501は、中間転写ベルト206に対して赤外線を入射角度20°で照射するように配置される。PD1502は、中間転写ベルト206及びトナーパターン1504に照射された光の拡散反射光1503を反射角度-50°で受光するように配置される。これらの光学素子は、LED1501に電流を供給する駆動回路(不図示)と、PD1502の受光量に応じて流れる電流を電圧に変換するIV変換機能を有する受光回路(不図示)とからなる電気基板(不図示)に実装されている。なお、本実施の形態では、濃度検知センサ220は、上述した構成に限られず、光学式の濃度検知センサであれば良い。例えば、濃度検知センサ220は、トナーパターン1504からの拡散反射光1503を検知する構成ではなく、中間転写ベルト206からの反射光を検知する構成であってトナーの付着量に応じて中間転写ベルト206からの反射光が減衰することを利用して濃度を検知する構成であっても良い。
画像形成装置101の内部では、搬送する記録材Sから発生する紙粉や中間転写ベルト206に付着させるトナーが飛散することがある。飛散した紙粉やトナーが濃度検知センサ220に付着してしまうと、濃度検知センサ220の照射光量及び受光量が低下し、その結果、濃度検知センサ220によるトナー濃度の検知精度が低下してしまう。濃度検知センサ220によるトナー濃度の検知精度の低下を抑制するために、プリンタ部200は、濃度検知センサ220の汚れを防止するためのシャッター1500を備える。シャッター1500は、濃度検知センサ220と中間転写ベルト206の間に配置されている。シャッター1500は、濃度検知センサ220及び中間転写ベルト206と平行となる方向に駆動する。シャッター1500の開閉制御は、シャッター駆動部1404によって行われる。例えば、濃度検知を行う場合、シャッター駆動部1404は、濃度検知センサ220の照射光や濃度検知センサ220が受光する反射光を遮らない位置にシャッター1500の開口部を形成するようにシャッター1500を開く(例えば、図15(a)を参照。)。一方、濃度検知を行わない場合、シャッター駆動部1404は、濃度検知センサ220の光学部(LED1501及びPD1502)と中間転写ベルト206の間を遮るようにシャッター1500を閉じる(例えば、図15(b)を参照。)。
このように、本実施の形態では、濃度検知を行わない場合にシャッター1500を閉じることにより、濃度検知センサ220への汚れの付着を大幅に減らすことが可能となる。しかし、濃度検知を行う場合には、シャッター1500が開き、濃度検知センサ220の光学部と中間転写ベルト206の間を遮るものがなくなるので、開口部を通って濃度検知センサ220に紙粉やトナーが付着する。トナーの付着量が増加するにつれて濃度検知センサ220の照射光量及び受光量が徐々に低下する。濃度検知センサ220の照射光量及び受光量が低下すると、同じトナー濃度のトナーパターン1504を検知しても検知値が低下するため、濃度検知センサ220によるトナー濃度の検知精度が低下してしまう。
このような紙粉やトナーの付着に起因する濃度検知センサ220によるトナー濃度の検知精度の低下を防止するために、プリンタ部200では、LED駆動電流を増加させ、濃度検知センサ220の光量を一定に保つ光量調整制御が行われる。光量調整制御では、常に一定の反射率を維持する基準板1505に光が照射され、反射光が検出される。基準板1505は、図15(b)に示すように、シャッター1500における濃度検知センサ220と向かい合う面に取り付けられている。プリンタ制御部1400は、シャッター駆動部1404を制御して、基準板1505を濃度検知センサ220の光学部と対向する位置に配置させた状態で光量調整制御を実行する。なお、本実施の形態では、光量調整制御は、上述したように基準板1505からの反射光を用いる方法に限られず、例えば、中間転写ベルト206からの反射光を用いて光量調整制御を行っても良い。
図16は、図2の濃度検知センサ220のLED駆動電流と濃度検知センサ220の検知値との関係を示す図である。図16において、横軸は濃度検知センサ220のLED駆動電流値を表し、縦軸は濃度検知センサ220の検知値を表す。光量調整制御では、LED1501の光量を制御する制御値となるLED駆動電流値が5段階に切り替えられ、各駆動電流時における基準板1505からの反射光が検知される。図16では、5段階のLED駆動電流値をI1~I5とし、I1~I5のLED駆動電流の供給時に得られる濃度検知センサ220の検知値をV1~V5とする。また、光量を調整するターゲットとなる濃度検知センサ220の検知値をVtとする。Vtは、画像形成装置101の初期設置時において、任意のLED駆動電流が供給された際に濃度検知センサ220が基準板1505からの反射光を検知した検知値である。初期設置時では、濃度検知センサ220に紙粉やトナーの飛散による汚れが付着しておらず、Vtは、汚れが最も少ない状態の検知値である。
プリンタ制御部1400は、測定したV1~V5とVtとを比較し、Vtを挟んだ2点、即ちVtよりも小さい値の中で最も大きい値と、Vtよりも大きい値の中で最も小さい値を抽出する。図16では、V3とV4が抽出される。プリンタ制御部1400は、抽出したV3とV4を線形補完し、Vtに対応するLED駆動電流値Itを算出する。プリンタ制御部1400は、算出したLED駆動電流値Itを調整後のLED駆動電流値とする。具体的に、プリンタ制御部1400は、RAM1408に保存されている濃度補正実行時のLED駆動電流値を、算出したLED駆動電流値Itに更新する。このように濃度補正実行時のLED駆動電流値を、算出したLED駆動電流値Itに設定することで、濃度検知センサ220の検知値の低下を防止することができ、もって、濃度検知センサ220によるトナー濃度の検知精度の低下を防止することができる。なお、Vtの値がV1より小さい場合、又はVtの値がV5より大きい場合には、濃度検知センサ220による検知が正常に行えなかった可能性がある。このため、RAM1408に保存されている濃度補正実行時のLED駆動電流値は、Vtに基づいて算出されたLED駆動電流値Itに更新されない。
図17は、図14のプリンタ制御部1400によって実行される光量調整制御の手順を示すフローチャートである。図17の処理は、プリンタ制御部1400のCPU1401がROM1407等に格納されたプログラムを実行することによって実現される。図17の処理は、例えば、プリンタ部200を使用するジョブの実行を完了した場合、画像形成装置101が起動した場合、画像形成装置101が節電モードから復帰した場合といった濃度検知センサ220の特性が変化する所定の条件を満たした場合に実行される。
図17において、まず、CPU1401は、基準板1505が濃度検知センサ220の光学部と対向するようにシャッター1500を移動させる(ステップS1701)。具体的に、CPU1401は、シャッター駆動回路1403を制御して、シャッター駆動部1404へシャッター1500の移動指示となる駆動信号を送信する。シャッター駆動部1404は、受信した駆動信号に従って、基準板1505が濃度検知センサ220の光学部と対向するようにシャッター1500を移動させる。次いで、CPU1401は、濃度検知センサ駆動回路1402を制御して濃度検知センサ220へ駆動信号を送信し、上述した5段階(I1~I5)のLED駆動電流でそれぞれ濃度検知センサ220を駆動させる(ステップS1702)。CPU1401は、5段階(I1~I5)のLED駆動電流を供給した際に得られた検知値V1~V5を濃度検知センサ220から取得する。次いで、CPU1401は、VtがV1~V5の範囲内であるか否かを判別する(ステップS1703)。
ステップS1703の判別の結果、VtがV1~V5の範囲内である場合、すなわち、VtがV1以上且つV5以下である場合、CPU1401は、V1~V5の中から、Vtを挟んだ2つの検知値を抽出する(ステップS1704)。ステップS1704では、CPU1401は、V1~V5においてVtより小さい検知値の中で最も大きい検知値(例えば、図16のV3)と、V1~V5においてVtより大きい検知値の中で最も小さい検知値(例えば、図16のV4)を抽出する。次いで、CPU1401は、抽出した2つの検知値を線形補完してVtに対応するLED駆動電流値Itを算出する(ステップS1705)。算出したLED駆動電流値Itが次回以降の濃度調整時のLED駆動電流値となる。濃度調整時のLED駆動電流値を以降では、濃度調整時の光量制御値と呼称する。次いで、CPU1401は、算出したLED駆動電流値Itを次回以降の濃度調整時の光量制御値として設定し(ステップS1706)、設定した光量制御値をRAM1408に記憶する。RAM1408には、ステップS1706にて設定された光量制御値の他に、過去に設定された複数の光量制御値が記憶されている。次いで、CPU1401は、ステップS1706にて設定した光量制御値を制御部301へ送信し(ステップS1707)、光量調整制御は終了する。
ステップS1703の判別の結果、VtがV1~V5の範囲内でない場合、すなわち、VtがV1より小さい又はV5より大きい場合、CPU1401は、濃度検知センサ220による検知が正常に行えなかったと判断する。CPU1401は、前回の光量調整制御時に設定した光量制御値を次回以降の濃度調整時の光量制御値として設定し(ステップS1708)、設定した光量制御値をRAM1408に記憶する。その後、光量調整制御は終了する。
図18は、図1の画像形成装置101によって実行される特徴抽出データ送信処理の手順を示すフローチャートである。図18の処理は、制御部301のCPU302がプログラム308を実行することによって実現される。図18の処理は、例えば、予め設定された所定の期間毎に、又は予め設定された所定の時刻に定期的に実行される。
図18において、CPU302は、プリンタ制御部1400に光量データ(制御データ)の送信要求を行う(ステップS1801)。光量データは、直近で設定された光量制御値やそれ以前に設定された光量制御値等の複数のデータを含む。次いで、CPU302は、プリンタ制御部1400から光量データを受信し(ステップS1802)、受信した光量データをメモリ303に記憶する(ステップS1803)。メモリ303には、ステップS1802にて受信した光量データの他に、過去にプリンタ制御部1400から受信した複数の光量データも記憶されている。次いで、CPU302は、ステップS1802にて受信した光量データに含まれるデータの数が予め設定された所定の数、例えば、30であるか否かを判別する(ステップS1804)。
ステップS1804の判別の結果、受信した光量データに含まれるデータの数が所定の数、例えば、30である場合、CPU302は、後述する図19のデータ生成処理を実行し(ステップS1805)、特徴抽出データ311を生成する。次いで、生成した特徴抽出データ311をサーバ103へ送信する(ステップS1806)。なお、管理装置104が過去データを含む複数の特徴抽出データ311を蓄積可能な構成である場合、上述したように、CPU302は、特徴抽出データ311を管理装置104へ直接送信する構成であっても良い。
次いで、CPU302は、メモリ303に記憶された複数の光量データのうち最も古い光量データを削除する(ステップS1807)。その後、特徴抽出データ送信処理は終了する。
ステップS1804の判別の結果、受信した光量データに含まれるデータの数が所定の数、例えば、30でない場合、CPU302は、特徴抽出データ311の生成及び送信を行わずに、特徴抽出データ送信処理は終了する。
なお、上述した図18の処理では、ステップS1804において、CPU302は、ステップS1802にて受信した光量データに含まれるデータの数が予め設定された所定の数、例えば、30以上であるか否かを判別しても良い。ステップS1802にて受信した光量データに含まれるデータの数が所定の数、例えば、30以上である場合、特徴抽出データ送信処理はステップS1805に進む。ステップS1802にて受信した光量データに含まれるデータの数が所定の数、例えば、30未満である場合、特徴抽出データ送信処理は終了する。
図19は、図18のステップS1805のデータ生成処理の手順を示すフローチャートである。
図19において、CPU302は、ステップS1802にて受信した光量データに含まれるデータのうち、最大値と最小値を除外する(ステップS1901)。次いで、CPU302は、ステップS1802にて受信した光量データに含まれるデータのうち、ステップS1901にて除外されなかったデータの平均値を算出する(ステップS1902)。ステップS1901、S1902の処理を行うことで、特徴抽出データにおける特徴量のばらつきを小さくすることが可能となる。光量制御値のばらつきの要因として、例えば、画像形成装置101の内部温度の変化に起因する濃度検知センサ220のLED1501の発光量の変化が考えられる。
次いで、CPU302は、算出した平均値を正規化する(ステップS1903)。具体的に、CPU302は、算出した平均値をLED駆動電流の制御範囲の上限値で除算する。制御範囲の上限値は、LED1501の素子特性に基づいて決定される値である。ここで、ステップS1903にて正規化された値は、ステップS1902にて算出した平均値がLED駆動電流の制御範囲の上限値と等しい場合に「1」となる。つまり、ステップS1903にて正規化された値が「1」であると、光量調整制御が実施されず、濃度検知センサ220によるトナー濃度の検知精度の低下を防止することができなくなる。このような事態を未然に防ぐために、異常予測システム100は、画像形成装置101のメンテナンス時期の算出に、ステップS1903にて正規化された値を用いる。なお、ステップS1903にて正規化された値が「1」に対してどの程度余裕があるかの度合いが、メンテナンスが必要となるまでの余裕度となる。
次いで、CPU302は、ステップS1903にて正規化された値を特徴抽出データ311としてメモリ303に記憶する(ステップS1904)。この特徴抽出データ311は、上述したように画像形成装置101のメンテナンス時期を算出するための濃度検知センサ220の光量データの特徴を示すデータであり、また、複数のデータを含む光量データよりデータ量が小さいデータである。その後、データ生成処理は終了する。
図20は、図1の管理装置104によって実行されるメンテナンス時期通知処理の手順を示すフローチャートである。図20の処理は、管理装置104のCPU401がメモリ402や記憶装置403に格納されたプログラムを実行することによって実現される。なお、本実施の形態では、管理装置104は、所定の期間や所定の時刻といった予め設定されている実施タイミングに基づいてメンテナンス時期通知処理を実行する。また、管理装置104は、保守点検員106等が操作する画像形成装置101等からメンテナンス時期通知処理の実行要求を受け付けた際にメンテナンス時期通知処理を実行する。
図20において、CPU401は、サーバ103から(又は画像形成装置101等から直接)濃度検知センサ220の特徴抽出データ311を受信し、受信した濃度検知センサ220の特徴抽出データ311を記憶装置403に記憶する(ステップS2001)。次いで、記憶装置403に記憶された濃度検知センサ220の特徴抽出データ311の数が2つ以上であるか否かを判別する(ステップS2002)。ステップS2002では、例えば、ステップS2001にて記憶された濃度検知センサ220の特徴抽出データ311の他に、当該濃度検知センサ220の特徴抽出データ311より前に受信した少なくとも1つの濃度検知センサ220の特徴抽出データ311が記憶装置403に記憶されている場合、記憶装置403に記憶された濃度検知センサ220の特徴抽出データ311の数が2つ以上であると判別する。一方、ステップS2001にて記憶された濃度検知センサ220の特徴抽出データ311以外の濃度検知センサ220の特徴抽出データが記憶装置403に記憶されていない場合、記憶装置403に記憶された濃度検知センサ220の特徴抽出データ311の数が2つ以上でないと判別する。
ステップS2002の判別の結果、記憶装置403に記憶された濃度検知センサ220の特徴抽出データ311の数が2つ以上である場合、CPU401は、記憶装置403に記憶された最新の濃度検知センサ220の特徴抽出データ311と当該特徴抽出データ311より前に記憶された少なくとも1つの濃度検知センサ220の特徴抽出データ311に基づいて画像形成装置101のメンテナンス時期を算出する(ステップS2003)。例えば、CPU401は、外挿法により、記憶装置403に記憶された最新の濃度検知センサ220の特徴抽出データ311(例えば、図21のCn)と、当該特徴抽出データ311の次に新しい濃度検知センサ220の特徴抽出データ311(例えば、図21のCn-1)と、各特徴抽出データ311の生成日時と用いて、特徴量が「1」となる日時を算出する。特徴量が「1」となる日時は、光量調整制御を実施できなくなり、濃度検知センサ220によるトナー濃度の検知精度の低下を防止することができなくなる日時である。この日時までに濃度検知センサ220のメンテナンスを行う必要がある。CPU401は、算出した日時をメンテナンスの実施期限日とし、また、保守点検員106がメンテンナス計画を立てることを加味して、メンテナンスの実施期限日から1か月前までの期間を画像形成装置101のメンテナンス時期として算出する。
次いで、CPU401は、算出したメンテナンス時期を通知し(ステップS2004)、メンテナンス時期通知処理は終了する。
ステップS2002の判別の結果、記憶装置403に記憶された濃度検知センサ220の特徴抽出データ311の数が2つ以上でない場合、CPU401はメンテナンス時期を通知せず、メンテナンス時期通知処理は終了する。
上述した実施の形態によれば、管理装置104は、画像形成装置101によって生成された最新の濃度検知センサ220の特徴抽出データ311と当該特徴抽出データ311より前に生成された少なくとも1つの濃度検知センサ220の特徴抽出データ311とを取得し、取得した複数の濃度検知センサ220の特徴抽出データに基づいて画像形成装置101のメンテナンス時期を予測する。濃度検知センサ220の特徴抽出データ311は、濃度検知センサ220の光量データの特徴を示すデータである。これにより、濃度検知センサ220の光量データの変動に基づいて画像形成装置101のメンテナンス時期を予測することができる。また、濃度検知センサ220の特徴抽出データ311は、複数のデータを含む光量データよりデータ量が小さいデータである。これにより、管理装置104がサーバ103等からデータを受信する際のデータ通信量を抑えることができ、もって、通信環境の整備や維持にかかる費用を抑えることができる。すなわち、本実施の形態では、通信環境の整備や維持にかかる費用を抑えつつ、画像形成装置101のメンテナンス時期を予測することができる。
上述した実施の形態では、濃度検知センサ220の特徴抽出データ311は、光量データに含まれる複数の光量設定値の少なくとも一部を平均化して得られた平均値をLED駆動電流の制御範囲の上限値で除算したデータである。このような画像形成装置101における光量調整制御の実施可否状況を判別可能な濃度検知センサ220の特性を示すデータを用いることにより、濃度検知センサ220のメンテナンスが必要な時期を算出することができる。その結果、当該濃度検知センサ220を備える画像形成装置101のメンテナンス時期を予測することができる。
また、上述した実施の形態では、外挿法により、蓄積されていた複数の濃度検知センサ220の特徴抽出データ311に基づいて濃度検知センサ220のメンテナンス時期が予測される。これにより、サーバ103等に蓄積されていた複数の濃度検知センサ220の特徴抽出データを用いて、濃度検知センサ220のメンテナンス時期を容易に予測することができる。
さらに、上述した実施の形態では、濃度検知センサ220は、中間転写ベルト206に形成されるトナーパターンの濃度を検知するセンサである。これにより、中間転写ベルト206に形成されるトナーパターンの濃度を検知できなくなるといった不具合が生じる前に、画像形成装置101のメンテナンスを行うことができる。
上述した実施の形態では、特徴抽出データがサーバ103に蓄積されるので、蓄積された特徴抽出データ311(以下、「蓄積データ」という。)を新たな技術開発に活用することができる。一例として、蓄積データを活用して故障箇所を特定する機能を追加する場合について説明する。
濃度検知センサ220の特性の変化の要因が上述したような濃度検知センサ220の汚れである場合、濃度検知センサ220の特性は、ある程度の時間をかけて緩やかに変化する傾向となる。一方、濃度検知センサ220の特性の変化の要因が濃度検知センサ220の故障である場合、濃度検知センサ220の特性は、故障した時点で急激に変化する傾向となる。例えば、濃度検知センサ220のシャッター駆動部1404が故障した場合、シャッター駆動部1404が故障した時点で、基準板1505が濃度検知センサ220の光学部と対向するような適切な位置にシャッター1500を移動させることができなくなる。つまり、光量調整制御において、濃度検知センサ220が基準板1505からの反射光を意図通りに検知できなくなる。その結果、光量調整制御において前回設定された光量制御値と大きく異なる光量制御値が設定される、つまり、濃度検知センサ220の特性が急激に変化する。このように濃度検知センサ220の特性の変化の傾向に基づいて、本実施の形態では、必要となるメンテナンスの内容を予測する。例えば、濃度検知センサ220の特性が比較的緩やかに変化する場合には、濃度検知センサ220の汚れを清掃するメンテナンスが必要であると予測する。また、濃度検知センサ220の特性が急激に変化する場合には、シャッター駆動部1404を修理するメンテナンスが必要であると予測する。
また、サーバ103の蓄積データと画像形成装置101の故障発生履歴を比較することで、故障発生時のデータの変化の傾向を明らかにすることができる。故障発生時のデータの傾向を明らかにすることで、蓄積データに基づいて故障箇所を特定するという機能を開発、実装することができる。この機能により、保守点検員106に故障箇所を予め通知することができ、保守点検員106は、交換部品を用意してメンテナンスに向かうことができ、もって、スムーズなメンテナンスを実施可能となる。
上述した実施の形態では、生成時刻が異なる複数の濃度検知センサ220の特徴抽出データ311に基づいて画像形成装置101のメンテナンス時期を予測する構成について説明したが、特徴抽出データ311の種別は、濃度検知センサ220の特徴抽出データ311に限られず、生成時刻が異なり且つ同じ種別の複数の特徴抽出データ311を比較することで特性の変動を判別可能な種別の特徴抽出データ311であれば良い。
本発明は、上述の実施の形態の1以上の機能を実現するプログラムをネットワーク又は記憶媒体を介してシステム又は装置に供給し、該システム又は装置のコンピュータにおける1つ以上のプロセッサがプログラムを読み出して実行する処理でも実現可能である。また、本発明は、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
100 異常予測システム
101 画像形成装置
102 画像形成装置
103 サーバ
104 管理装置
206 中間転写ベルト
220 濃度検知センサ
311 特徴抽出データ
401 CPU
404 ネットワークI/F
101 画像形成装置
102 画像形成装置
103 サーバ
104 管理装置
206 中間転写ベルト
220 濃度検知センサ
311 特徴抽出データ
401 CPU
404 ネットワークI/F
Claims (7)
- 転写体と前記転写体に転写されたトナー像を検出する検出手段とを備える画像形成装置を管理する管理装置であって、
前記検出手段の制御データに基づいて前記画像形成装置によって生成された最新の検出手段特徴データと当該最新の検出手段特徴データより前に生成された少なくとも1つの検出手段特徴データとを取得する取得手段と、
前記取得した複数の検出手段特徴データに基づいて前記画像形成装置のメンテナンス時期を予測する予測手段とを備え、
前記検出手段特徴データは、前記検出手段の制御データの特徴を示すデータであって前記検出手段の制御データよりデータ量が小さいデータであることを特徴とする管理装置。 - 前記検出手段の制御データは、前記検出手段が備える発光手段の光量を制御するための複数の制御値を含み、
前記検出手段特徴データは、前記複数の制御値の少なくとも一部を平均化して得られた値を前記制御値の制御範囲の上限値で除算したデータであることを特徴とする請求項1記載の管理装置。 - 前記予測手段は、外挿法により、前記取得した複数の検出手段特徴データに基づいて前記画像形成装置のメンテナンス時期を予測することを特徴とする請求項1又は2記載の管理装置。
- 前記検出手段は、前記転写体に転写されたトナー像の濃度を検知する濃度検知センサであることを特徴とする請求項1乃至3のいずれか1項に記載の管理装置。
- 転写体と前記転写体に転写されたトナー像を検出する検出手段とを備える画像形成装置を管理する管理装置の制御方法であって、
前記検出手段の制御データに基づいて前記画像形成装置によって生成された最新の検出手段特徴データと当該最新の検出手段特徴データより前に生成された少なくとも1つの検出手段特徴データとを取得する取得ステップと、
前記取得した複数の検出手段特徴データに基づいて前記画像形成装置のメンテナンス時期を予測する予測ステップとを有し、
前記検出手段特徴データは、前記検出手段の制御データの特徴を示すデータであって前記検出手段の制御データよりデータ量が小さいデータであることを特徴とする管理装置の制御方法。 - 請求項1乃至4のうちいずれか1項に記載の管理装置の各手段をコンピュータに実行させるためのプログラム。
- 転写体と前記転写体に転写されたトナー像を検出する検出手段を備える画像形成装置を管理する管理システムであって、
前記検出手段の制御データに基づいて前記画像形成装置によって生成された検出手段特徴データを受信する受信手段と、
前記受信した検出手段特徴データを蓄積する蓄積手段と、
前記蓄積手段に蓄積された最新の検出手段特徴データと当該最新の検出手段特徴データより前に前記蓄積手段に蓄積された少なくとも1つの検出手段特徴データとに基づいて前記画像形成装置のメンテナンス時期を予測する予測手段とを備え、
前記検出手段特徴データは、前記検出手段の制御データの特徴を示すデータであって前記検出手段の制御データよりデータ量が小さいデータであることを特徴とする管理システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020132484A JP2022029246A (ja) | 2020-08-04 | 2020-08-04 | 管理装置、管理装置の制御方法、プログラム、及び管理システム |
US17/375,059 US11378906B2 (en) | 2020-07-31 | 2021-07-14 | Image forming apparatus that provides management apparatus with data that can be utilized for data analysis, control method for the image forming apparatus, storage medium, and management system |
US17/831,825 US11644780B2 (en) | 2020-07-31 | 2022-06-03 | Image forming apparatus that provides management apparatus with data that can be utilized for data analysis, control method for the image forming apparatus, storage medium, and management system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020132484A JP2022029246A (ja) | 2020-08-04 | 2020-08-04 | 管理装置、管理装置の制御方法、プログラム、及び管理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022029246A true JP2022029246A (ja) | 2022-02-17 |
Family
ID=80271305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020132484A Pending JP2022029246A (ja) | 2020-07-31 | 2020-08-04 | 管理装置、管理装置の制御方法、プログラム、及び管理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022029246A (ja) |
-
2020
- 2020-08-04 JP JP2020132484A patent/JP2022029246A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8064782B2 (en) | Management device of an image forming apparatus | |
JP4431415B2 (ja) | 異常診断方法、状態判定装置及び画像形成装置 | |
US8531696B2 (en) | Management apparatus, management system, and management method | |
JP4933888B2 (ja) | 画像形成装置および画像形成方法 | |
US20050286916A1 (en) | Recording medium conveyance failure occurrence predicting apparatus, fixing device, image forming apparatus, and recording medium conveyance failure occurrence predicting method | |
JP5069971B2 (ja) | 画像形成装置及び管理システム | |
JP5122254B2 (ja) | 稼働状態判別方法および画像形成装置 | |
JP2015094919A (ja) | 故障予測装置および画像形成装置 | |
US5225873A (en) | Photoreceptor end of life predictor | |
JP2007127899A (ja) | 画像形成装置システム | |
JP2013257459A (ja) | 異常原因特定装置、これを備えた保守実行時期予測システム、及び、異常原因特定方法 | |
JP2005266380A (ja) | 状態判定装置、画像形成装置、外部情報処理装置、画質検知装置及び状態判定方法 | |
JP2008070800A (ja) | 異常発生予測システム・画像形成装置 | |
JP5618176B2 (ja) | 状態判別装置及びこれを用いた状態管理システム | |
JP2022029246A (ja) | 管理装置、管理装置の制御方法、プログラム、及び管理システム | |
US5949553A (en) | Image forming apparatus having remote maintenance function and method of remote maintenance | |
JP2011090580A (ja) | 画像形成装置管理システム | |
US11644780B2 (en) | Image forming apparatus that provides management apparatus with data that can be utilized for data analysis, control method for the image forming apparatus, storage medium, and management system | |
JP2005202045A (ja) | 画像形成装置の保守料金管理システム及び該システムに用いる保守料金管理装置 | |
JP2011166427A (ja) | 画像形成装置の管理システム | |
JP4734465B2 (ja) | 記録体異常発生予測装置および画像形成装置 | |
JP2022078709A (ja) | 情報処理装置、情報処理装置の制御方法、プログラム、及び管理システム | |
JP2022027081A (ja) | 画像形成装置、画像形成装置の制御方法、プログラム、及び管理システム | |
US11474764B2 (en) | Image forming apparatus that predicts maintenance time, management apparatus, management system, and control method therefor | |
JP2023150203A (ja) | 管理システム、画像処理装置、情報処理装置、それらの制御方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230724 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240530 |