JP2022078632A - 液体吐出装置および交換時期推測方法 - Google Patents

Abstract

【課題】適切な時期にフィルターを交換できる液体吐出装置および、液体吐出装置の制御方法を提供する。【解決手段】液体吐出装置１１は、液体を吐出するように構成された吐出ヘッド１３と、液体を吐出ヘッド１３に供給するための供給流路１５と、供給流路１５の途中に交換可能に配置されたフィルター１６と、取得部と、記憶部６０と、制御部と、を備える。取得部は、液体吐出装置１１の稼働情報と、フィルター１６の上流と下流との圧力差を示す圧力差情報６４と、を取得するように構成される。記憶部６０は、稼働情報と圧力差情報６４とを対応付けた教師データ１６１を用いて機械学習した学習済モデル１６５を記憶する。制御部は、フィルター１６が交換された後に取得された稼働情報を学習済モデル１６５に入力して出力された値に基づいて、フィルター１６の交換時期を推測するように構成される。【選択図】図１

Description

本開示は、液体吐出装置および交換時期推測方法に関する。

特許文献１は、記録ヘッドと、記録ヘッドにインクを供給するためのインク供給チューブと、インク供給チューブの途中に交換可能に配置されるフィルターと、フィルターの目詰まりの程度を判別する制御部とを備える液体噴射装置を開示している。

特開２０１０－２２８１４７号公報

制御部は、高流量でインクが流れる場合にフィルターの上流と下流との圧力差があらかじめ設定された閾値を超えたと判断すると、フィルターの交換時期であると判定するように構成されている。そのため、低流量でインクが流れるような使用状況が続く液体噴射装置では、まだ使用を継続できる状態でもフィルター交換が必要となってしまうときがある。

上記課題を解決する液体吐出装置は、液体を吐出するように構成された吐出ヘッドと、前記液体を前記吐出ヘッドに供給するための供給流路と、前記供給流路の途中に交換可能に配置されたフィルターと、前記液体吐出装置の稼働情報と、前記フィルターの上流と下流との圧力差を示す圧力差情報と、を取得するように構成された取得部と、前記稼働情報と前記圧力差情報とを対応付けた教師データを用いて機械学習した学習済モデルを記憶する記憶部と、前記フィルターが交換された後に取得された前記稼働情報を前記学習済モデルに入力して出力された値に基づいて、前記フィルターの交換時期を推測するように構成される制御部と、を備える。

上記課題を解決する、液体吐出装置が備えるフィルターの交換時期推測方法において、前記液体吐出装置は液体を吐出する吐出ヘッドを有し、前記フィルターは、前記吐出ヘッドに供給される前記液体を濾過するように配置され、前記方法は、前記液体吐出装置の稼働情報を取得することと、前記フィルターの上流と下流との圧力差を示す圧力差情報を取得することと、前記稼働情報と前記圧力差情報とを対応付けた教師データを用いて機械学習した学習済モデルに、前記フィルターが交換された後に取得された前記稼働情報を入力することと、前記学習済モデルから出力された値に基づいて、前記フィルターの交換時期を推測することと、を含む。

液体吐出装置と機械学習装置の概要図。 機械学習処理のフローチャート。 フィルターの時期交換通知処理のフローチャート。 図１の液体吐出装置の作用を説明する模式的なグラフ。

以下、図面を参照して、液体吐出装置１１、機械学習装置１００、および交換時期推測方法の実施形態について説明する。液体吐出装置１１は、例えば、媒体１０に対して印刷を行うインクジェット式のプリンターである。媒体１０は、例えば用紙である。

図１に示すように、液体吐出装置１１は、吐出ヘッド１３と、装着部１４と、供給流路１５と、フィルター１６と、第１圧力センサー１７と、第２圧力センサー１８と、を備える。供給流路１５は、液体を吐出ヘッド１３に供給するために設けられる。吐出ヘッド１３は、液体の吐出口である複数のノズル１９を有する。吐出ヘッド１３は、これらノズル１９を通じて液体を吐出するように構成される。吐出ヘッド１３が複数種類の液体を吐出する場合、液体吐出装置１１は、液体の種類に対応するように、供給流路１５、フィルター１６、第１圧力センサー１７、および第２圧力センサー１８のセットを複数有する。

装着部１４は１以上の液体収容体２０を保持する。液体収容体２０は、例えば液体を収容するタンク、カートリッジまたはパックである。液体収容体２０は、装着部１４に着脱可能に装着されてもよい。複数の液体収容体２０は、異なる種類の液体、例えば色が異なるインクを収容してもよい。

液体吐出装置１１は、加圧ポンプ２１を備えてもよい。液体収容体２０に収容された液体は、加圧ポンプ２１の加圧力により、供給流路１５を通じて吐出ヘッド１３に供給される。液体収容体２０内の液体は、吐出ヘッド１３内の液体との水頭差によって吐出ヘッド１３に流動するようにしてもよい。この場合、加圧ポンプ２１は後述する加圧クリーニングを実行するように構成されてもよい。

フィルター１６は、供給流路１５の途中に交換可能に配置されている。供給流路１５を流れる液体は、フィルター１６によって濾過される。フィルター１６は、目詰まりすると交換される。第１圧力センサー１７は、装着部１４とフィルター１６との間で供給流路１５内の液体の圧力を検出する。第２圧力センサー１８は、フィルター１６と吐出ヘッド１３の間で供給流路１５内の液体の圧力を検出する。

液体吐出装置１１は、搬送機構３０と、媒体１０を支持可能な支持台３１とを備えてもよい。搬送機構３０は、媒体１０を支持台３１に向けて搬送するように構成される。媒体１０は支持台３１上で、吐出ヘッド１３が吐出した液滴を受容する。

液体吐出装置１１は、メンテナンス装置４０を備えてもよい。メンテナンス装置４０は、例えば、キャップ４１、吸引チューブ４２、および吸引機構４３を備える。キャップ４１は、支持台３１から離れたホームポジションにおいて、複数のノズル１９が開口する閉空間４４を画定する。吸引チューブ４２は、キャップ４１に接続される第１端と、吸引機構４３に接続される第２端とを有する。吸引機構４３は、吸引チューブ４２を通じてキャップ４１内または閉空間４４内を吸引するように構成される。

吸引機構４３の吸引力によってノズル１９を通じて吐出ヘッド１３内の液体を吸引する動作を吸引クリーニングという。吸引クリーニングは、吸引力が相対的に強い強クリーニングと、吸引力が強クリーニングよりも弱い弱クリーニングとを含む。さらに、加圧ポンプ２１の加圧力によりノズル１９内の液体を排出する動作を加圧クリーニングという。これらクリーニング動作は、ノズル１９の目詰まりを予防または解消するためのメンテナンス動作である。クリーニング動作により、液体に含まれる気泡または異物が排出される。メンテナンス動作には、ノズル１９からキャップ４１に向けて液体を吐出するフラッシングが含まれる。

液体吐出装置１１は、処理回路５０、記憶部６０、通信部５２、操作部５３、温度センサー５４、および計時部５５を備えてもよい。記憶部６０は、例えば、ＲＡＭ及びＲＯＭのような不揮発性のメモリーを含む。液体吐出装置１１には、各種のリムーバブルメモリーが装着されてもよい。温度センサー５４は、フィルター１６が配置された環境の温度を検知するように構成される。一般的に、環境温度が下がると液体の粘度が高くなり、液体の粘度が高いとフィルター１６は目詰まりしやすくなる。

処理回路５０は、計時部５５から現在日時を取得することができる。記憶部６０は、各種プログラムおよびプロフラムを実行する際に使用される情報、例えば各種の閾値を記憶する。処理回路５０は、本開示に係るソフトウェア処理を実行するように構成される。処理回路５０は、ソフトウェア処理の少なくとも一部を処理する専用のハードウェア回路（たとえばＡＳＩＣ等）を備えてもよい。すなわち、ソフトウェア処理は、１または複数のソフトウェア処理回路および１または複数の専用のハードウェア回路の少なくとも一方を備えた処理回路（processing circuitry）によって実行されればよい。

通信部５２は、各種のリムーバブルメモリーおよび通信インターフェース回路を含んでもよい。通信インターフェース回路は、有線または無線で液体吐出装置１１に接続された他の装置２００と各種の通信プロトコルに従って通信するように構成される。処理回路５０は、通信部５２を介して、機械学習装置１００と通信するように構成される。処理回路５０は、通信部５２を介して、他の装置２００（例えば、使用者のコンピューター）から印刷用のデータである印刷ジョブを取得することができる。

操作部５３は、例えば、タッチパネル式のディスプレイ、キー、ボタン、またはスイッチを含む。処理回路５０は、操作部５３を介して使用者の操作内容を取得することができる。処理回路５０は、操作部５３のディスプレイに各種の情報を表示することができる。

処理回路５０は、通信部５２または操作部５３を通じた指示に基づいて、液体を吐出する。より詳細には、搬送機構３０に媒体１０を搬送させ、その媒体１０に対して吐出ヘッド１３から液滴を吐出させる。これにより、液体吐出装置１１がプリンターである場合には、印刷が行われる。

処理回路５０は、記憶部６０に記憶されたプログラムに基づいて、メンテナンス処理を実行する。より詳細には、処理回路５０は、キャップ４１および吸引機構４３を駆動させて吸引クリーニングを行い、また、加圧ポンプ２１を駆動させて加圧クリーニングを行う。

処理回路５０は、液体吐出装置１１の第１稼働情報６１として、特定の動作の履歴を記憶部６０に記憶する。すなわち、処理回路５０は、特定の動作を行ったことを、その動作を行った日時と対応付けて記憶部６０に記憶する。動作を行った日時は、計時部５５から取得することができる。

特定の動作には、液体の消費を伴う動作およびフィルター１６の交換が含まれる。液体の消費を伴う動作には、液体の吐出（液体吐出装置１１がプリンターの場合、印刷）および各種クリーニング動作が含まれる。よって、第１稼働情報６１は、吐出ヘッド１３から液体を排出するクリーニング動作の履歴を含む。

処理回路５０は、液体の消費を伴う動作を行った場合には、第２稼働情報６２として、その消費動作により吐出ヘッド１３を通じて流出した液体の総量Ｑａに関する情報を併せて記憶部６０に記憶する。例えば、クリーニングまたはフラッシングを行った場合、処理回路５０は、その動作で消費された液体の消費量Ｑｃを、その動作を行った日時と対応付けて、記憶部６０に記憶する。消費量Ｑｃは、吐出ヘッド１３から排出された液体の総量に関する情報である。

各種クリーニングにおける１回当たりの液体の消費量は、予め記憶部６０に記憶させておいてもよい。１回の強クリーニング、弱クリーニング、または加圧クリーニングでの液体の消費量は、例えば、それぞれＱ１，Ｑ２，Ｑ３（Ｑ１＞Ｑ２＞Ｑ３）である。

液体吐出装置１１がプリンターの場合、処理回路５０は、印刷動作の都度、その印刷での液体の単位時間当たりの吐出量Ｑｓおよびその吐出の継続時間Ｔｎを、その印刷を行った日時と対応付けて、記憶部６０に記憶してもよい。よって、第２稼働情報６２は、吐出ヘッド１３の単位時間当たりの液体の吐出量Ｑｓの経時変化に関する情報を含む。処理回路５０は、吐出量Ｑｓ（ｇ／秒）に継続時間Ｔｎ（秒）を乗じて、その印刷での液体の消費量Ｑｐ（ｇ）を算出してもよい。

処理回路５０は、印刷データおよび印刷モードから液体の吐出量Ｑｓ（ｇ／秒）および継続時間Ｔｎ（秒）を算出してもよい。処理回路５０は、算出した吐出量Ｑｓおよびその継続時間Ｔｎに基づいて、例えば、１パスの印刷毎、１枚の媒体１０毎、または、１回の印刷ジョブ毎に消費量Ｑｐ算出してもよい。

吐出量Ｑｓおよび継続時間Ｔｎは、対応する印刷データの印刷デューティー値に応じて変化する。印刷デューティー値は、媒体１０において単位面積当たりに印刷される（液体を受容する）面積の比率（％）を示す。印刷デューティー値が高いほど、消費量Ｑｐは多くなる。例えば、媒体１０の印刷領域全体に隙間なく液体を吐出する場合には、印刷領域に余白が多い場合に比べて、多くの液体を消費する。

吐出量Ｑｓおよび継続時間Ｔｎは、印刷モードに応じても変化する。例えば、印刷品質よりも印刷速度を優先する高速印刷モードでは、印刷速度よりも印刷品質を優先する低速印刷モードに比べて消費量Ｑｐが多い。各クリーニング時に流動する液体の量Ｑ１，Ｑ２，Ｑ３は、いずれも、印刷デューティー値に換算すると１００％を超える。

処理回路５０は、フィルター１６が交換されると、次にフィルター１６が交換されるまで、対応する吐出ヘッド１３で消費された液体の消費量Ｑｃ，Ｑｐを積算する。これにより、処理回路５０は、あるフィルター１６が装着されてから、そのフィルター１６を通過した液体の総量Ｑａを算出する。

総量Ｑａは、消費量Ｑｃ，Ｑｐの積算値である。総量Ｑａ、吐出量Ｑｓ、継続時間Ｔｎ、および消費量Ｑｃ，Ｑｐは、いずれも第２稼働情報６２であり、吐出ヘッド１３から排出された液体の総量に関する情報でもある。

処理回路５０は、第３稼働情報６３として、温度センサー５４が検知した温度Ｔｑを、その温度Ｔｑを検知した日時と対応付けて記憶部６０に記憶する。言い換えると、第３稼働情報６３は、フィルター１６が配置された環境の温度Ｔｑに関する情報を含む。処理回路５０は、液体吐出装置１１の稼働情報６１～６３を取得するように構成された取得部である。

処理回路５０は、第１圧力センサー１７が検出したフィルター１６より上流の圧力Ｐ１と、第２圧力センサー１８が検出したフィルター１６より下流の圧力Ｐ２との差分である圧力差Ｐｄを所定の間隔で算出する。処理回路５０は、フィルター１６の上流と下流との圧力差Ｐｄを示す圧力差情報を取得するように構成された取得部である。

圧力差Ｐｄはフィルター１６の圧力損失に相当する。フィルター１６は使用するにつれて、目詰まりしていく。そのため、概して、総量Ｑａが増加するにつれて圧力差Ｐｄは大きくなっていく。処理回路５０は、圧力差Ｐｄの情報を、圧力Ｐ１，Ｐ２を検知した日時と対応付けて記憶部６０に記憶する。この検知日時と対応付けられた圧力差Ｐｄの情報を、以下では圧力差情報６４という。

総量Ｑａ、吐出量Ｑｓ、継続時間Ｔｎ、消費量Ｑｃ，Ｑｐ、および温度Ｔｑ、並びに、これら値に基づいて算出されるその他の値のうち、少なくともいずれかは、機械学習モデルの入力データとして利用されてよい。これら値は、フィルター１６の交換時期の推測のために利用される。

フィルター１６が目詰まりして、吐出ヘッド１３は液体を適切に吐出することができなくなる圧力差Ｐｄが交換閾値Ｐｃである。圧力差Ｐｄが交換閾値Ｐｃに達する時期を交換時期Ｔｃという。フィルター１６の交換は、使用者または専門のサービスマンによって行われるが、交換の際には、新しいフィルター１６を用意する必要がある。そのため、液体吐出装置１１は、フィルター１６の交換時期が近づいたことを、例えばディスプレイへ表示することにより、使用者に通知してもよい。

機械学習装置１００は、処理回路１５０、記憶媒体１６０、および通信部１５２を備える。機械学習装置１００は、液体吐出装置１１に搭載されてもよい。記憶媒体１６０は、例えば、ＲＡＭ及びＲＯＭのような不揮発性のメモリーを含む。記憶媒体１６０は、各種プログラムおよびプロフラムを実行する際に使用される情報、例えば各種の閾値を記憶する。処理回路１５０は、例えばＣＰＵ、ＧＰＵ、または機械学習用に設計された各種のプロセッサーを備え、記憶媒体１６０に記録された図示しない機械学習プログラムを実行することにより、機械学習に関連した機能を実行するように構成される。

処理回路１５０は、ソフトウェア処理の少なくとも一部を処理する専用のハードウェア回路（たとえばＡＳＩＣ等）を備えてもよい。すなわち、ソフトウェア処理は、１または複数のソフトウェア処理回路および１または複数の専用のハードウェア回路の少なくとも一方を備えた処理回路（processing circuitry）によって実行されればよい。

機械学習装置１００は、液体吐出装置１１から稼働情報６１～６３および圧力差情報６４を取得し、それら情報６１～６４に基づいて教師データ１６１を蓄積する。機械学習装置１００は、蓄積した教師データ１６１に基づいて機械学習を行う。機械学習装置１００は、機械学習の結果、適切な稼働情報に基づいて圧力差情報、すなわちフィルター１６の交換時期を推測するための学習済モデル１６５を構築する。

次に、学習済モデル１６５の構築について説明する。
処理回路５０は、例えば、新品のフィルター１６に交換された後、そのフィルター１６が目詰まりして、別のフィルター１６に交換されるまでの期間、情報６１～６４を取得する。処理回路５０は、取得した情報６１～６４を機械学習装置１００に送信する。機械学習装置１００の処理回路１５０は、受信した情報６１～６４を記憶媒体１６０に記憶する。処理回路５０は、受信した情報を教師データ１６１とテストデータ１６３に分割してもよい。

教師データ１６１が既定量蓄積されると、処理回路５０は、教師データ１６１を用いて機械学習処理を実行する。機械学習処理は、既定量の教師データ１６１が蓄積された後、任意のタイミングで実行されてよい。

図２に示すように、機械学習処理が開始されると、処理回路１５０は、訓練モデル１６４を取得する（ステップＳ１００）。訓練モデル１６４は、予め決定されていてもよいし、機械学習装置１００を操作するオペレーターが、機械学習装置１００が備える操作部（不図示）を操作して入力することによって取得されてもよい。

モデルとは、推定対象のデータと推定結果のデータとの対応関係を導出する式を示す情報である。本実施形態のモデルは回帰モデルであり、１以上の入力変数ｘから、出力変数ｙとして、フィルター１６の上流と下流との圧力差Ｐｒを出力する。入力変数ｘは、例えば、吐出量Ｑｓ、継続時間Ｔｎ、消費量Ｑｃ、または温度Ｔｑのうち少なくとも２つであってもよい。

入力変数ｘとして選択するのは、稼働情報６１～６３のうち、出力変数ｙである圧力差Ｐｒの特徴となる特徴量のみでよい。モデルの構築にあたっては、圧力差Ｐｒの予測により強い関連のある特徴を選択すればよい。入力変数ｘとする情報のデータに対して、データのとり得る範囲をそろえるスケール変換処理をしてもよい。

訓練とは、学習対象であることを示す。訓練モデル１６４に選択された稼働情報を入力すると、圧力差Ｐｒを出力するが、稼働情報と圧力差Ｐｒとの対応関係は初期において正確ではない。訓練モデル１６４においては、ノードが構成する層の数およびノードの数は決められるが、入出力の関係を規定するパラメーター（たとえば、重みまたはバイアス）は最適化されていない。これらのパラメーターは、機械学習の過程で最適化される（すなわち、訓練される）。

次に、処理回路１５０は記憶媒体１６０から教師データ１６１を取得する（ステップＳ１０５）。続いて、処理回路１５０はテストデータ１６３を取得する（ステップＳ１１０）。テストデータ１６３は訓練には利用されない。

次に、処理回路１５０は、初期値を決定する（ステップＳ１１５）。より詳細には、処理回路１５０は、ステップＳ１００で取得した訓練モデル１６４のうち、可変のパラメーターに対して初期値を与える。初期値は、種々の手法で決定されてよい。例えば、ランダム値または０等を初期値とすることができ、重みとバイアスとで異なる思想で初期値が決定されてもよい。あるいは、学習の過程でパラメーターが最適化されるように初期値が調整されてもよい。

次に、処理回路１５０は、学習を行う（ステップＳ１２０）。すなわち、処理回路１５０は、ステップＳ１００で取得した訓練モデル１６４にステップＳ１０５で取得した教師データ１６１を入力し、出力値である圧力差Ｐｒを計算する。また、処理回路１５０は、出力された圧力差Ｐｒと教師データ１６１に含まれる圧力差Ｐｄとの誤差を示す損失関数によって誤差を特定する。そして、処理回路１５０は、損失関数のパラメーターによる微分に基づいてパラメーターを更新する処理を既定回数繰り返す。

損失関数は、種々の関数を採用可能であり、例えば、交差エントロピー誤差などを採用可能である。以上のような損失関数を算出する処理は、教師データ１６１に含まれる情報の全てまたは一部について実施され、その平均または総和によって１回の学習における損失関数が表現される。１回の学習における損失関数が得られたら、処理回路１５０は、既定の最適化アルゴリズム、例えば、確率的勾配降下法によってパラメーターを更新する。

以上のようにして、既定回数のパラメーターの更新が行われると、処理回路１５０は、訓練モデル１６４の汎化が完了したか否かを判定する（ステップＳ１２５）。すなわち、処理回路１５０は、ステップＳ１１０で取得したテストデータ１６３に含まれる稼働情報を訓練モデル１６４に入力して、出力値として圧力差Ｐｒを取得する。そして、処理回路１５０は、出力された圧力差Ｐｒと、テストデータ１６３に含まれる圧力差Ｐｄとが一致している度合いを取得する。処理回路１５０は、当該一致している度合いが汎化閾値以上である場合に汎化が完了したと判定してもよい。

汎化性能の評価に加え、ハイパーパラメーターの妥当性の検証が行われてもよい。すなわち、重みとバイアス以外の可変量であるハイパーパラメーター、例えば、ノードの数がチューニングされる構成において、処理回路１５０は、検証データに基づいてハイパーパラメーターの妥当性を検証してもよい。検証データは、受信した情報６１～６４から分割されてもよい。検証データもテストデータ１６３と同様に、訓練には使用されない。

ステップＳ１２５において、訓練モデル１６４の汎化が完了したと判定されない場合、処理回路１５０は、ステップＳ１２０を繰り返す。すなわち、さらに重みおよびバイアスを更新する。ステップＳ１２５において、訓練モデル１６４の汎化が完了したと判定された場合、処理回路１５０は、学習済モデル１６５を記録する（ステップＳ１３０）。より詳細には、処理回路１５０は、汎化が完了した訓練モデル１６４を学習済モデル１６５として記憶媒体１６０に記録する。

処理回路１５０は、通信部１５２を介して学習済モデル１６５を液体吐出装置１１に送信する。液体吐出装置１１の処理回路５０は、通信部５２を介して学習済モデル１６５を受信すると、その学習済モデル１６５を記憶部６０に記憶させる。これにより、記憶部６０は、稼働情報と圧力差情報とを対応付けた教師データ１６１を用いて機械学習した学習済モデル１６５を記憶する。

次に、図３を参照して、処理回路５０が行うフィルター１６の交換時期推測方法および時期交換通知処理について説明する。処理回路５０は、フィルター１６が交換された場合に、交換時期通知処理を開始する。

図３および図４に示すように、処理回路５０は、センサー１７，１８の検出値に基づいて算出された圧力差Ｐｄが開始閾値Ｐｓを超えたか否かを判定する（ステップＳ２１０）。開始閾値Ｐｓは、交換閾値Ｐｃよりも十分に小さい値である（Ｐｓ＜Ｐｃ）。

ステップＳ２１０において、圧力差Ｐｄが開始閾値Ｐｓを超えたと判定されない場合、処理回路５０は、ステップＳ２１０の処理を繰り返す。ステップＳ２１０において、圧力差Ｐｄが開始閾値Ｐｓを超えたと判定された場合、処理回路５０は、現在使用しているフィルター１６が装着されてから現在までの稼働情報を記憶部６０から取得する（ステップＳ２１５）。ここで取得する稼働情報は、稼働情報６１～６３のうち、学習済モデル１６５を構築する際に、入力変数ｘとして採用した情報である。例えば、入力変数ｘとして温度Ｔｑを採用しなかった場合、処理回路５０は、ステップＳ２１５で稼働情報６１，６２を取得すればよい。

次に、処理回路５０は、取得した稼働情報を学習済モデル１６５に入力する（ステップＳ２２０）。そして、処理回路５０は、学習済モデル１６５の出力結果を取得して、記憶部６０に記憶する。より詳細には、圧力差Ｐｄが交換閾値Ｐｃを超える交換時期Ｔｃの推測結果を取得する（ステップＳ２２５）。ステップＳ２１０～Ｓ２２５がフィルター１６の交換時期推測方法に相当する。

次に、処理回路５０は、取得した交換時期Ｔｃと現在Ｔｐとの差が予め決められた通知閾値Ｔ１（例えば、７日）未満であるか否かを判定する（ステップＳ２３０）。ステップＳ２３０において差が通知閾値Ｔ１未満でないと判定された場合、処理回路５０は、ステップＳ２３０の処理を繰り返す。ステップＳ２３０において差が通知閾値Ｔ１未満であると判定された場合、処理回路５０は、交換時期Ｔｃに関連する通知をする（ステップＳ２３５）。

例えば、処理回路５０は、推測された交換時期Ｔｃを操作部５３のディスプレイを介して液体吐出装置１１の使用者に通知する。このとき、処理回路５０は、例えば、交換用の新しいフィルター１６の手配を促すメッセージ、または、交換作業を行うサービスマンの手配を促すメッセージを併せて表示してもよい。

例えば、処理回路５０は、フィルター１６が交換されたか否かを判定する（ステップＳ２４０）ステップＳ２４０においてフィルター１６が交換されたと判定された場合、処理回路５０は、処理を終了する。ステップＳ２４０においてフィルター１６が交換されたと判定されない場合、処理回路５０は、ステップＳ２４５に進む。

ステップＳ２４５において、処理回路５０は、交換時期Ｔｃと現在Ｔｐとの差が予め決められた停止閾値Ｔ２（例えば、５時間）未満であるか否かを判定する。停止閾値Ｔ２は、通知閾値Ｔ１より小さい値である（Ｔ２＜Ｔ１）。ステップＳ２４５において交換時期Ｔｃと現在Ｔｐとの差が停止閾値Ｔ２未満でないと判定された場合、処理回路５０は、ステップＳ２４５を繰り返す。ステップＳ２４５において交換時期Ｔｃと現在Ｔｐとの差が停止閾値Ｔ２未満であると判定された場合、処理回路５０は、吐出ヘッド１３を停止する（ステップＳ２５０）。

そして、処理回路５０は、エラーの発生を通知して（ステップＳ２５５）、処理を終了する。ステップＳ２５５において、処理回路５０は、例えば、フィルター１６の交換時期であることを知らせるメッセージ、または、交換作業を行うサービスマンの手配を促すメッセージを併せて表示してもよい。ステップＳ２５５は、ステップＳ２５０の前、またはステップＳ２５０と同時に行ってもよい。

ステップＳ２３５，Ｓ２５５では、処理回路５０が、関連する通知を、液体吐出装置１１に印刷ジョブを送信した他の装置２００、または使用者が有する携帯端末またはタブレット端末に送信してもよい。あるいは、処理回路５０は、液体吐出装置１１と通信可能なサポートセンターのサーバーコンピューターに通知してもよい。サポートセンターに通知される場合、液体吐出装置１１の使用者は、交換部品またはサービスマンの手配を能動的に行う必要がない。そのため、使用者の手間を軽減することができる。処理回路５０は、通知の際に、液体吐出装置１１の型式、交換部品の種類、または保守作業の内容を併せて通知してもよい。

このように、処理回路５０は、フィルター１６が交換された後に取得された稼働情報を学習済モデル１６５に入力して出力された圧力差Ｐｒに基づいて、フィルター１６の交換時期を推測するように構成される制御部である。

次に、図４を参照して、本実施形態の作用を説明する。図４は、フィルター１６が交換されてから交換時期Ｔｃに至るまでの、フィルター１６の上流と下流との圧力差Ｐの経時変化を模式的に示す。

図４に示すように、フィルター１６の上流と下流との圧力差Ｐｄは、このフィルター１６を通る液体の量が増えるにつれて増加していく。これは、フィルター１６にトラップされる異物が増えて、目詰まりしていくためである。圧力差Ｐｄが交換閾値Ｐｃに達するまでの期間は、フィルター１６を通過した液体の総量によって一律に決まるのではなく、その液体吐出装置１１の稼働状況によって変動し得る。

液体吐出装置１１は、同液体吐出装置１１の稼働情報を教師データ１６１として構築した学習済モデル１６５に、同液体吐出装置１１の稼働情報を入力して、圧力差Ｐｒを予測する。処理回路５０は、予測された圧力差Ｐｒの経時変化に基づいて、交換時期Ｔｃを推測する。そして、処理回路５０は、推測された交換時期Ｔｃと現在Ｔｐとの差が予め決められた通知閾値Ｔ１未満となった場合に、交換時期に関連する通知をするように構成される。また、処理回路５０は、推測された交換時期Ｔｃと現在Ｔｐとの差が予め決められた停止閾値Ｔ２未満となった場合に、吐出ヘッド１３の駆動を停止するように構成される。

ただし、処理回路５０は、推測された交換時期Ｔｃと現在Ｔｐとの差分が停止閾値Ｔ２未満となった場合であっても、特定の印刷ジョブについては、吐出ヘッド１３を停止させず、液体の吐出を許容するように構成してもよい。特定の印刷ジョブには、例えば、吐出の継続時間Ｔｎが予め定められた猶予時間Ｔｄより短い印刷ジョブが含まれる。猶予時間Ｔｄは、例えば５秒である。これは、このように継続時間Ｔｎが短い印刷ジョブであれば、フィルター１６の目詰まりに起因する吐出不良が生じにくいためである。

本実施形態によれば、以下の効果を奏することができる。
（１）個々の液体吐出装置１１の稼働情報に応じて、より正確に交換時期Ｔｃを推測することができる。これにより、適切にフィルター交換の準備を行うことができるので、液体吐出装置１１のダウンタイムを短縮できる可能性を高めることができる。

（２）回帰モデルの入力変数として、クリーニング動作の履歴、単位時間当たりの液体の吐出量、その吐出継続時間、液体の吐出量の経時変化、または環境温度のうち何れか１以上を用いることにより、個々の液体吐出装置１１の特性をより適切に反映して、正確に交換時期Ｔｃを推測することができる。

（３）交換時期に関連する通知を行うことにより、使用者またはサービスマンは、時間に余裕を持ってフィルター交換の準備を行うことができる。
（４）交換時期Ｔｃと現在Ｔｐとの差が停止閾値Ｔ２未満になった場合に吐出ヘッド１３を停止することにより、液体の吐出不良の発生を抑制することができる。

上記の実施形態は以下に示す変更例のように変更してもよい。また、それらの実施形態に含まれる構成と下記変更例に含まれる構成とを任意に組み合わせてもよいし、下記変更例に含まれる構成同士を任意に組み合わせてもよい。

・機械学習装置１００は、例えば、同じ型式の複数の液体吐出装置から各液体吐出装置固有の情報を取得して教師データを蓄積し、その教師データを用いて機械学習した結果生成された学習済モデルを同じ型式の複数の液体吐出装置に配布するように構成されてもよい。

・機械学習の手法は、種々の手法であってよい。すなわち、液体吐出装置情報を入力し、圧力差Ｐｒを出力するモデルを構築し、当該モデルによる出力と教師データにおけるＰｄとの差分を極小化する学習を行うことができればよい。従って、例えばニューラルネットワークによる機械学習が行われる場合、モデルを構成する層の数やノードの数、活性化関数の種類、損失関数の種類、勾配降下法の種類、勾配降下法の最適化アルゴリズムの種類、ミニバッチ学習の有無やバッチの数、学習率、初期値、過学習抑制手法の種類や有無、畳み込み層の有無、畳み込み演算におけるフィルターのサイズ、フィルターの種類、パディングやストライドの種類、プーリング層の種類や有無、全結合層の有無、再帰的な構造の有無など、種々の要素を適宜選択して機械学習が行われればよい。むろん、他の機械学習、例えば、サポートベクターマシン、クラスタリング、または強化学習によって学習が行われてもよい。さらに、モデルの構造（例えば、層の数や層毎のノードの数等）が自動的に最適化される機械学習が行われてもよい。さらに、学習は複数段階に分割されて実行されてもよい。

さらに、フィルターの交換時期を推測する手法は、液体吐出装置１１および機械学習装置１００を備えるシステム、または上記処理を実行するプログラムとしても適用可能である。また、以上のようなシステム、プログラム、方法は、単独の装置として実現される場合もあれば、複数の装置が備える部品を利用して実現される場合もあり、各種の態様を含むものである。また、一部がソフトウェアであり一部がハードウェアであったりするなど、適宜、変更可能である。さらに、システムを制御するプログラムの記録媒体としても発明は成立する。むろん、そのプログラムの記録媒体は、磁気記録媒体であってもよいし半導体メモリーであってもよいし、今後開発されるいかなる記録媒体においても全く同様に考えることができる。

・液体吐出装置１１は、インク以外の他の液体を吐出する液体吐出装置１１であってもよい。液体吐出装置１１から微小量の液滴となって吐出される液体の状態としては、粒状、涙状、糸状に尾を引くものも含むものとする。ここでいう液体は、液体吐出装置１１から吐出させることができるような材料であればよい。例えば、液体は、物質が液相であるときの状態のものであればよく、粘性の高い又は低い液状体、ゾル、ゲル水、その他の無機溶剤、有機溶剤、溶液、液状樹脂、液状金属、金属融液、のような流状体を含むものとする。液体は、物質の一状態としての液体のみならず、顔料や金属粒子などの固形物からなる機能材料の粒子が溶媒に溶解、分散又は混合されたものなども含むものとする。液体の代表的な例としては上記実施形態で説明したようなインクや液晶等が挙げられる。ここで、インクとは一般的な水性インク及び油性インク並びにジェルインク、ホットメルトインク等の各種液体組成物を包含するものとする。液体吐出装置１１の具体例としては、例えば、液晶ディスプレイ、エレクトロルミネッセンスディスプレイ、面発光ディスプレイ、カラーフィルターの製造等に用いられる電極材や色材等の材料を分散又は溶解のかたちで含む液体を吐出する装置がある。液体吐出装置１１は、バイオチップ製造に用いられる生体有機物を吐出する装置、精密ピペットとして用いられ試料となる液体を吐出する装置、捺染装置やマイクロディスペンサー等であってもよい。液体吐出装置１１は、時計やカメラ等の精密機械にピンポイントで潤滑油を吐出する装置、光通信素子等に用いられる微小半球レンズ、光学レンズ、などを形成するために紫外線硬化樹脂等の透明樹脂液を基板上に吐出する装置であってもよい。液体吐出装置１１は、基板などをエッチングするために酸又はアルカリ等のエッチング液を吐出する装置であってもよい。

以下に、上述した実施形態及び変更例から把握される技術的思想及びその作用効果を記載する。
（Ａ）液体吐出装置は、液体を吐出するように構成された吐出ヘッドと、前記液体を前記吐出ヘッドに供給するための供給流路と、前記供給流路の途中に交換可能に配置されたフィルターと、前記液体吐出装置の稼働情報と、前記フィルターの上流と下流との圧力差を示す圧力差情報と、を取得するように構成された取得部と、前記稼働情報と前記圧力差情報とを対応付けた教師データを用いて機械学習した学習済モデルを記憶する記憶部と、前記フィルターが交換された後に取得された前記稼働情報を前記学習済モデルに入力して出力された値に基づいて、前記フィルターの交換時期を推測するように構成される制御部と、を備えることを特徴とする液体吐出装置。

この液体吐出装置によれば、その液体吐出装置の稼働情報を教師データとして構築した学習済モデルを用いてフィルターの交換時期を推測することができる。したがって、個々の液体吐出装置の稼働状況に応じて、適切な時期にフィルターを交換することができる。

（Ｂ）液体吐出装置において、前記稼働情報は、前記吐出ヘッドを通じて流出した前記液体の総量に関する情報を含んでもよい。
この液体吐出装置によれば、吐出ヘッドを通じて流出した液体の総量を考慮して、フィルターの交換時期を推測することができる。

（Ｃ）液体吐出装置において、前記稼働情報は、前記吐出ヘッドから前記液体を排出するクリーニング動作の履歴を含んでもよい。
この液体吐出装置によれば、クリーニング動作に伴う液体の消費量を考慮して、フィルターの交換時期を推測することができる。

（Ｄ）液体吐出装置において、前記稼働情報は、前記フィルターが交換された後の、前記吐出ヘッドの単位時間当たりの前記液体の吐出量に関する情報を含んでもよい。
この液体吐出装置によれば、単位時間当たりの液体の吐出量を考慮して、フィルターの交換時期を推測することができる。

（Ｅ）液体吐出装置において、前記稼働情報は、前記吐出ヘッドからの前記液体の吐出継続時間に関する情報を含んでもよい。
この液体吐出装置によれば、液体の吐出継続時間を考慮して、フィルターの交換時期を推測することができる。

（Ｆ）液体吐出装置において、前記稼働情報は、前記吐出ヘッドの単位時間当たりの液体の吐出量の経時変化に関する情報を含んでもよい。
この液体吐出装置によれば、吐出ヘッドの単位時間当たりの液体の吐出量の経時変化を考慮して、フィルターの交換時期を推測することができる。

（Ｇ）液体吐出装置において、前記稼働情報は、温度センサーにより検知された、前記フィルターが配置された環境の温度に関する情報を含んでもよい。
この液体吐出装置によれば、フィルターが配置された環境の温度を考慮して、フィルターの交換時期を推測することができる。

（Ｈ）液体吐出装置において、前記制御部は、推測された前記交換時期と現在との差が通知閾値未満となった場合に、前記交換時期に関連する通知を行うように構成されてもよい。

この液体吐出装置によれば、通知により使用者にフィルター交換の準備を促すことができる。
（Ｉ）液体吐出装置において、前記制御部は、推測された前記交換時期と現在との差が前記通知閾値よりも小さい停止閾値未満となった場合に、前記吐出ヘッドの稼働を停止するように構成されてもよい。

この液体吐出装置によれば、フィルターの目詰まりによる液体の吐出不良の発生を抑制することができる。
（Ｊ）液体吐出装置において、前記制御部は、推測された前記交換時期と現在との差が前記停止閾値未満となった場合であっても、前記吐出ヘッドからの前記液体の吐出継続時間が、予め定められた猶予時間より短い場合には、前記吐出ヘッドの稼働を停止させることなく、前記液体の吐出を許容するように構成されてもよい。

この液体吐出装置によれば、フィルターの目詰まりによる液体の吐出不良の発生を抑制しつつ、液体の吐出を行うことができる。
（Ｋ）液体吐出装置が備えるフィルターの交換時期推測方法であって、前記液体吐出装置は液体を吐出する吐出ヘッドを有し、前記フィルターは、前記吐出ヘッドに供給される前記液体を濾過するように配置される。前記方法は、前記液体吐出装置の稼働情報を取得することと、前記フィルターの上流と下流との圧力差を示す圧力差情報を取得することと、前記稼働情報と前記圧力差情報とを対応付けた教師データを用いて機械学習した学習済モデルに、前記フィルターが交換された後に取得された前記稼働情報を入力することと、前記学習済モデルから出力された値に基づいて、前記フィルターの交換時期を推測することと、を含む。

この方法によれば、上記液体吐出装置と同様の効果を奏することができる。

１０…媒体、１１…液体吐出装置、１３…吐出ヘッド、１４…装着部、１５…供給流路、１６…フィルター、１７…第１圧力センサー、１８…第２圧力センサー、１９…ノズル、２０…液体収容体、２１…加圧ポンプ、３０…搬送機構、３１…支持台、４０…メンテナンス装置、４１…キャップ、４２…吸引チューブ、４３…吸引機構、４４…閉空間、５０…処理回路、５２…通信部、５３…操作部、５４…温度センサー、５５…計時部、６０…記憶部、６１～６３…稼働情報、６４…圧力差情報、１００…機械学習装置、１５０…処理回路、１５２…通信部、１６０…記憶媒体、１６１…教師データ、１６３…テストデータ、１６４…訓練モデル、１６５…学習済モデル、Ｐｃ…交換閾値、Ｐｄ…圧力差、Ｐｒ…圧力差、Ｐｓ…開始閾値、Ｑａ…総量、Ｑｓ…吐出量、Ｔ１…通知閾値、Ｔ２…停止閾値、Ｔｃ…交換時期、Ｔｄ…猶予時間、Ｔｎ…継続時間、Ｔｑ…温度。

Claims (11)

1. 液体吐出装置であって、
   液体を吐出するように構成された吐出ヘッドと、
   前記液体を前記吐出ヘッドに供給するための供給流路と、
   前記供給流路の途中に交換可能に配置されたフィルターと、
   前記液体吐出装置の稼働情報と、前記フィルターの上流と下流との圧力差を示す圧力差情報と、を取得するように構成された取得部と、
   前記稼働情報と前記圧力差情報とを対応付けた教師データを用いて機械学習した学習済モデルを記憶する記憶部と、
   前記フィルターが交換された後に取得された前記稼働情報を前記学習済モデルに入力して出力された値に基づいて、前記フィルターの交換時期を推測するように構成される制御部と、
   を備えることを特徴とする液体吐出装置。
2. 前記稼働情報は、前記吐出ヘッドを通じて流出した前記液体の総量に関する情報を含む
   ことを特徴とする請求項１に記載の液体吐出装置。
3. 前記稼働情報は、前記吐出ヘッドから前記液体を排出するクリーニング動作の履歴を含む
   ことを特徴とする請求項１または２に記載の液体吐出装置。
4. 前記稼働情報は、前記フィルターが交換された後の、前記吐出ヘッドの単位時間当たりの前記液体の吐出量に関する情報を含む
   ことを特徴とする請求項１～３のうち何れか一項に記載の液体吐出装置。
5. 前記稼働情報は、前記吐出ヘッドからの前記液体の吐出継続時間に関する情報を含む
   ことを特徴とする請求項４に記載の液体吐出装置。
6. 前記稼働情報は、前記吐出ヘッドの単位時間当たりの液体の吐出量の経時変化に関する情報を含む
   ことを特徴とする請求項１～５のうち何れか一項に記載の液体吐出装置。
7. 前記稼働情報は、温度センサーにより検知された、前記フィルターが配置された環境の温度に関する情報を含む
   ことを特徴とする請求項１から請求項６のうち何れか一項に記載の液体吐出装置。
8. 前記制御部は、推測された前記交換時期と現在との差が通知閾値未満となった場合に、前記交換時期に関連する通知を行うように構成される
   ことを特徴とする請求項１から請求項７のうち何れか一項に記載の液体吐出装置。
9. 前記制御部は、推測された前記交換時期と現在との差が前記通知閾値よりも小さい停止閾値未満となった場合に、前記吐出ヘッドの稼働を停止するように構成される
   ことを特徴とする請求項８に記載の液体吐出装置。
10. 前記制御部は、推測された前記交換時期と現在との差が前記停止閾値未満となった場合であっても、前記吐出ヘッドからの前記液体の吐出継続時間が、予め定められた猶予時間より短い場合には、前記吐出ヘッドの稼働を停止させることなく、前記液体の吐出を許容するように構成される
    ことを特徴とする請求項９に記載の液体吐出装置。
11. 液体吐出装置が備えるフィルターの交換時期推測方法であって、
    前記液体吐出装置は液体を吐出する吐出ヘッドを有し、
    前記フィルターは、前記吐出ヘッドに供給される前記液体を濾過するように配置され、
    前記方法は、
    前記液体吐出装置の稼働情報を取得することと、
    前記フィルターの上流と下流との圧力差を示す圧力差情報を取得することと、
    前記稼働情報と前記圧力差情報とを対応付けた教師データを用いて機械学習した学習済モデルに、前記フィルターが交換された後に取得された前記稼働情報を入力することと、
    前記学習済モデルから出力された値に基づいて、前記フィルターの交換時期を推測することと、
    を含むことを特徴とする、交換時期推測方法。

Images