JP2534395B2 - 画像形成装置のための自己診断および自己修復システム - Google Patents

Description

【発明の詳細な説明】 〈産業上の利用分野〉 この発明は、画像形成装置のための自己診断および自
己修復システムに関するものである。より詳しくは、近
年盛んに研究が行われている人工知能、知識工学を利用
して、画像形成装置の動作状態等を自己診断し、自己修
復し得るような装置やシステムに関するものである。

〈従来の技術〉 精密機械や産業機械等の開発分野においては、保全作
業の省力化や自動運転の長期化を実現するために、最
近、人工知能（Artificial Intelligence:いわゆるAI）
技術を利用したエキスパートシステムの研究が盛んに行
われている。エキスパートシステムの中には、装置に故
障が生じたか否かを自己診断し、また生じた故障を自己
修復するものが見受けられる。

〈発明が解決しようとする課題〉 ところが、従来のエキスパートシステムによる故障診
断システムでは、（ａ）知識に汎用性がなく、様々な対
象に対しての故障診断ができないこと、（ｂ）未知の故
障に対する診断ができないこと、（ｃ）対象が複雑にな
ると、故障診断に必要な知識量が爆発的に増大するの
で、実現性が困難になること、（ｄ）知識獲得が難しい
こと、等の限界が指摘されていた。

より具体的に説明すると、従来の自動調節システムや
故障診断システムは、基本的には、或るセンサの出力に
基づいて対応するアクチュエータを作動させるようにな
っていた。つまり、予め定めるセンサおよびアクチュエ
ータの組合わせにより、一種の自動調節や故障診断がな
されていた。よって、基本的には、或るセンサは特定の
アクチュエータと対応しており、両者の関係は固定的で
あった。

それゆえ、 （１） センサのパラメータとアクチュエータのパラメ
ータとの関係は数値的に明示されていなければならない
こと。

（２） 上記（１）の理由から、センサのパラメータと
アクチュエータのパラメータとの関係は対象に強く依存
しており、汎用性に乏しいこと。つまり様々な対象に対
して利用ができないこと。

（３） 各センサ同士のパラメータ間または各アクチュ
エータ同士のパラメータ間の関係は制御と無関係であ
る。したがって、対応するセンサのパラメータとアクチ
ュエータのパラメータとの関係のみに基づく単純な制御
しか行えず、対処できる故障が予め限定されているこ
と。

つまり、設計段階で、起こり得る故障を予測し、その
故障対策の機構を盛込まなければならず、未知の故障は
扱えないこと。

（４） 上記（３）の理由から、任意のアクチュエータ
のパラメータを操作したことにより生じ得る他のアクチ
ュエータのパラメータへの副次的影響を予測できないこ
と。

等の問題点があった。

このように、従来の自動調節システムや故障診断シス
テムでは、予測故障ＡはセンサＡおよびアクチュエータ
Ａの組Ａに基づいて行われ、予測故障ＢはセンサＢおよ
びアクチュエータＢの組Ｂに基づいて行われ、予測故障
ＣはセンサＣおよびアクチュエータＣの組Ｃに基づいて
行われるという具合に、それぞれ独立したセンサおよび
アクチュエータの組に基づく故障診断が行われ、またそ
れに基づく故障修復が行われていたにすぎなかった。

この発明は、このような従来技術を背景になされたも
ので、従来技術の欠点を解消した、画像形成装置のため
の新規な自己診断および自己修復システムを提供するこ
とを目的とする。

この発明のより具体的な目的は、事例を適用して故障
修復を行う自己診断および自己修復システムにおいて、 事例を適用して修復を行った結果、修復作業が成功し
なかったときに、その事例適用による失敗の回避を図
り、事例の適用成功率を高めるようにしたシステムを提
供することである。

〈課題を解決するための手段〉 この発明は、画像データを具現化して視認可能な画像
を生成する画像形成装置のための自己診断および自己修
復システムであって、 画像形成装置を複数個のパラメータを用いて定性的に
表わした定性データ、前記パラメータのうちの予め定め
るパラメータについての定性値の範囲を特定する基準値
データ、および前記パラメータのうちの特定のパラメー
タについて、そのパラメータがとり得るべき条件を設定
する故障診断知識、が記憶された対象モデル記憶手段、 画像形成装置の予め定める箇所における機能状態を検
出して出力するための複数個のセンサ手段、 各センサ手段の出力を前記記憶手段に記憶された基準
値データと比較することにより定性的な状態データに変
換する手段、 変換された状態データを前記記憶手段に記憶された故
障診断知識と比較して、画像形成装置に故障症状が発生
しているか否かを判別し、故障症状が発生しているとき
には、その故障症状を引き起こす故障原因を、前記定性
データのパラメータ状況に基づいて推論し、決定する故
障診断およびシミュレーション手段、 最小単位の作業が作業番号を付して列挙されており、
各作業は、レール形式で、前件部状況のとき、前件部操
作を行うと、後件部状況が得られるという内容で表わさ
れている、故障原因ごとに設定された複数の作業スクリ
プトを記憶する作業スクリプト記憶手段、 それぞれに前記複数個のパラメータの状況によって表
わされた故障修復前の装置の状態、および故障修復のた
めに必要な前記作業の作業番号が記述されており、故障
症状および故障原因によって分類されている複数の事例
を記憶する事例記憶手段、 故障診断およびシミュレーション手段により得られる
故障症状および故障原因に基づいて、事例記憶手段に記
憶された複数の事例の中から、適用可能な事例を検出す
る事例検出手段、 事例検出手段によって検出された事例と同じ故障原因
の作業スクリプトを前記作業スクリプト記憶手段から読
出す手段、 前記検出された事例に記述されている作業番号に対応
した作業を前記読出された作業スクリプトから選択し、
その作業を実行する修復実行手段、 修復実行手段により選択された作業が実行された後、
その作業により達成されるべき結果が得られたか否かを
判定する作業結果判定手段、 検出された事例に記述された故障修復前の装置の状態
と故障診断およびシミュレーション手段で得られたパラ
メータ状況とが完全に一致していないときには、作業結
果判定手段が作業は不成功と判定したことに応答して、
作業失敗の原因を回避するための追加の作業を前記読出
された作業スクリプトに列挙された作業の中から検出
し、その作業を行う追加処理手段、ならびに 追加処理手段により検出された追加作業が実行された
後、前記選択された作業を再度実行する修復作業実行手
段、 を含むことを特徴とする画像形成装置のための自己診断
および自己修復システムである。

またこの発明は、上述の構成において、前記修復作業
再実行手段により作業が実行されたことによって故障修
復が成功したか否かを前記故障診断およびシミュレーシ
ョン手段によって診断させ、成功したときには、その成
功にかかる作業番号および故障修復前の装置の状態が記
述された新たな事例を作成して、前記事例記憶手段に記
憶させる成功事例作成手段、をさらに含むことを特徴と
する画像形成装置のための自己診断および自己修復シス
テムである。

〈作用〉 この発明によれば、センサ手段の出力は、基準値デー
タと比較されて定性的な状態データに変換される。各状
態データは、故障診断知識と比較される。その結果、た
とえばある状態データが故障診断知識で設定されている
条件を満たしていないときには、故障症状が発生してい
ると判別される。故障症状が発生していると判別された
ときには、各状態データが定性データに当てはめられ
て、その故障症状を引き起こす故障原因が推論され、そ
のときのパラメータの状態がシミュレーションされる。

一方、故障修復に必要な情報として、作業スクリプト
および事例が記憶されている。作業スクリプトは、故障
ごとに設定されている。

各作業スクリプトには、最小単位の作業が作業番号を
付して列挙されている。各作業は、ルール形式で、前件
部状況のとき、前件部操作を行うと、後件部状況が得ら
れるという内容で表わされている。

事例は、故障症状および故障原因によって分類されて
いる。各事例には、複数個のパラメータの状況によって
表わされた故障修復前の装置の状態、および故障修復の
ために必要な作業の作業番号が記述されている。

故障診断およびシミュレーション手段により故障症状
および故障原因が得られると、事例記憶手段に記憶され
た事例の中から、得られた故障症状および故障原因に合
った適用可能な事例が検出される。また、検出された事
例と同じ故障原因の作業スクリプトが読出される。そし
て検出された事例に記述されている作業番号に対応した
作業が作業スクリプトから選択される。選択された作業
は、修復実行手段により実行される。作業が実行された
結果、その作業により達成されるべき結果が得られなか
ったときは、作業失敗と判定されて、失敗の原因を回避
するための追加作業が決められる。この追加の作業は、
読出された作業スクリプトに列挙された作業の中から検
出されて決められる。そして、追加作業が行われた後、
再び、上述の選択された作業が実行される。

修復が行われた結果、その修復が成功した場合には、
検出された追加作業および選択された作業が記述された
新たな事例が作成され、事例の豊富化が図られる。

〈実施例〉 具体的な実施例の説明に先立ち、特許請求の範囲に記
載の構成要件と、実施例記載の構成要件との対応関係を
述べておく。

特許請求の範囲の「対象モデル記憶手段」は、第１図
の「対象モデル記憶部14」が対応している。

特許請求の範囲の「複数個のセンサ手段」は、第１図
の「センサ1a,1b,1c」が対応している。

特許請求の範囲の「定性的な状態データに変換する手
段」は、第１図の「ディジタル信号／シンボル変換部1
1」が対応している。

特許請求の範囲の「故障診断およびシミュレーション
手段」は、第１図の「故障診断部12」および「故障シミ
ュレーション部13」が対応している。

特許請求の範囲の「事例記憶手段」は、第１図の「事
例ベース記憶部17」および「作業スクリプト記憶部18」
が対応している。

特許請求の範囲の「事例検出手段」は、第１図の「修
復計画部15」が対応している。

特許請求の範囲の「修復実行手段」は、第１図の「修
復計画部15」および「アクチュエータ6a,6b,6c」が対応
している。

システム構成の概要 第１図は、この発明の一実施例のシステム構成を示す
ブロック図である。このシステムには、対象機械上に設
置された複数のセンサ1a,1b,1cおよび対象機械の機能状
態等を変化させるための複数のアクチュエータ6a,6b,6c
が含まれている。

複数のセンサ1a,1b,1cは、それぞれ、この対象機械の
作動によって生じる対象機械の要素または該機械要素間
の関連状態の変化を検出するためのものである。複数の
センサ1a,1b,1cからそれぞれ取込まれる情報は、増幅回
路２で増幅され、A/D変換回路３でアナログ信号からデ
ィジタル信号に変換され、システム制御回路10へ与えら
れる。

システム制御回路10には、ディジタル信号／シンボル
変換部11、故障診断部12、故障シミュレーション部13、
対象モデル記憶部14、修復計画部15およびシンボル・デ
ィジタル信号変化部16が含まれている。また、修復計画
部15には事例ベース記憶部17および作業スクリプト記憶
部18が接続されている。

ディジタル信号／シンボル変換部11は、A/D変換回路
３から与えられるディジタル信号を、定性的な情報に変
換するためのものである。すなわち、ディジタル信号
を、たとえば、ノーマル，ハイおよびローの３つのシン
ボルのいずれかに変換するための変換機能が備えられて
いる。センサ1a,1b,1cから与えられる信号を、シンボル
化されたこのような定性的な情報に変換することによ
り、故障診断に対するアプローチが容易になる。なお、
シンボルは、この例のようにノーマル，ハイおよびロー
の３つに限らず、オンおよびオフまたはA,B,CおよびＤ
等の他の表現であってもよい。変換部11においてディジ
タル信号がシンボルに変換される際には、対象モデル記
憶部14に記憶されている対象機械に特有の特徴データが
参照される。この特徴データおよび信号変換の詳細につ
いては、後述する。

故障診断部12および故障シミュレーション部13は、デ
ィジタル信号／シンボル変換部11で変換されたシンボル
を対象モデル記憶部14に記憶されている故障診断知識と
比較することにより、故障の有無を判別し、かつ故障診
断を行い、その結果として、対象機械の故障状態を、定
性的な情報、すなわちシンボルによって表現し出力する
構成部である。

修復計画部15、事例ベース記憶部17および作業スクリ
プト記憶部18は、故障がある場合に、故障診断の推論結
果に基づいて、修復計画を推論し、修復作業を導出する
ための構成部である。修復計画を推論し、修復作業を導
出するにあたっては、事例ベース記憶部17に記憶された
過去の修復成功に関する事例が検索され、検索された成
功事例を実行するための作業スクリプト（修復操作を行
なうための作業単位の連なり）が作業スクリプト記憶部
18から選択される。また、対象モデル記憶部14に記憶さ
れている定性データ（後に詳述する）が活用される。

なお、故障診断部12、故障シミュレーション部13、修
復計画部15、事例ベース記憶部17および作業スクリプト
記憶部18における故障診断および故障シミュレーション
ならびに修復計画の推論および修復作業の導出の仕方に
ついては、後に詳述する。

修復計画部15から出力される修復作業は、シンボル／
ディジタル信号変換部16において、対象モデル記憶部14
の記憶情報が参照されて、ディジタル信号に変換され
る。

そして、ディジタル信号は、D/A変換回路４でディジ
タル信号からアナログ信号に変換され、アクチュエータ
制御回路５に与えられる。アクチュエータ制御回路５
は、与えられるアナログ信号、すなわちアクチュエータ
制御命令に基づいて、複数のアクチュエータ6a,6b,6cを
選択的に動作させ、修復作業を実行させる。

第２図は、第１図におけるシステム制御回路10の処理
を表わすフローチャートである。次に、第２図を参照し
て、第１図のシステム制御回路10の処理の概要について
説明をする。

センサ1a,1bまたは1cの検出信号は、増幅され、かつ
ディジタル信号に変換されて、たとえば所定の読込みサ
イクルごとにシステム制御回路10に読込まれる（ステッ
プS1）。

読込まれたディジタル信号は、ディジタル信号／シン
ボル変換部11においてシンボル化される（ステップS
2）。このシンボル化は、対象モデル記憶部14に予め設
定されている特徴データ、すなわち対象機械に特有の基
準値データに基づいてなされる。たとえば、対象モデル
記憶部14には、対象機械に特有の基準値データとして、
各センサ1a,1b,1cの出力範囲が、次のように設定されて
いる。

すなわち、 センサ1a :出力ka₁未満＝ロー 出力ka₁〜ka₂＝ノーマル 出力ka₂を超過＝ハイ センサ1b :出力kb₁未満＝ロー 出力kb₁〜kb₂＝ノーマル 出力kb₂を超過＝ハイ センサ1c :出力kc₁未満＝ロー 出力kc₁〜kc₂＝ノーマル 出力kc₂を超過＝ハイ と設定されている。ディジタル信号／シンボル変換部11
では、対象モデル記憶部14に設定されている上記対象機
械に特有の基準値データに基づいて、センサ1a〜1cから
のディジタル信号を、「ロー」「ノーマル」または「ハ
イ」というシンボルに変換する。

次いで、故障診断部12において、変換されたシンボル
が評価され、故障の有無判別および故障症状の特定がさ
れる（ステップS3）。シンボルの評価による故障の有無
判別および故障症状の特定には、対象モデル記憶部14に
記憶されている故障診断知識が活用される。故障診断知
識とは、たとえば、特定のパラメータは、たとえばノー
マルでなければならないという設定条件である。当該特
定のパラメータがノーマルでない場合、故障あり、と判
別され、該特定のパラメータが何かによって、故障症状
が特定される。故障がない場合には、ステップS1,S2お
よびS3のルーチンが繰返される。

ステップS3において故障ありと判別された場合には、
対象機械の状態の推論、すなわち故障診断および故障状
態のシミュレーションがされる（ステップS4）。

具体的には、対象モデル記憶部14に記憶されている、
装置を構成する各要素間の結合関係をパラメータを用い
て定性的に表わした定性データに基づいて、故障診断部
12において、故障を引起こしているパラメータが検索さ
れ、故障シミュレーション部13において、検索されたパ
ラメータが故障原因であると仮定して、故障状態のシミ
ュレーションがされる。さらに、故障診断部12におい
て、シミュレーション結果と現在のパラメータ値とが比
較され、検索されたパラメータが故障原因であるという
仮定の正当性が判断される。以上の処理が、検索される
複数のパラメータに対して行われる。

故障有無判別、故障診断および故障状態のシミュレー
ションの結果、対象機械の故障症状および故障原因が決
定される。ここに、故障症状とは、対象機械の出力状況
等（たとえば、複写機を例にとると、「コピー画像が薄
い」等）の変化であり、故障原因とは、シンボルの変化
原因となる対象機械の機構や構造の変化（たとえば、複
写機を例にとると、「ハロゲンランプの光量低下」等）
である。

次いで、修復計画部15によって、故障診断および故障
状態のシミュレーション結果に基づいて、事例ベース記
憶部17に記憶された多数の事例の検索が行われる（ステ
ップS5）。そして、現在の対象機械の状態に近い事例の
検出がされる（ステップS6）。この事例の検出は、故障
症状および故障原因が一致しているか否かに基づいて行
われる。

そして、検出された事例に基づく修復作業が実行され
る（ステップS7）。修復作業においては、必要に応じて
事例の修復作業の修正がなされ、修正された事例は、新
たな事例として登録される。

そして事例に基づく修復作業が成功した場合には処理
は終了する（ステップS8でYES）が、事例に基づく修復
作業が成功しなかった場合（ステップS8でNO）には、修
復方法の推論がなされ（ステップS9）、さらに、副次的
影響のシミュレーションがなされ（ステップS10）、修
復計画が決定されて、その決定に基づく修復作業が実行
される（ステップS11）。

ステップS9〜S11における推論および作業の実行は、
事例に基づくものではないが、この推論に基づく修復作
業が成功した場合には、その修復結果は新たな事例とし
て事例ベース記憶部17に登録される。

次に、故障診断および故障修復の仕方について、具体
例を参照しながら詳細に説明をする。以下の説明では、
一例として、小型普通複写機における感光体ドラム周辺
部を対象機械とした場合の仕方を説明する。

具体的な対象機械を例にとった説明 対象機構の構成および状態 第３図は、具体的な対象機械を表わす図解図である。
第３図において、21は感光体ドラム、22は主帯電チャー
ジャ、23は原稿照明用のハロゲンランプ、24は現像装
置、25は転写チャージャである。

この実施例では、たとえば３つのセンサ1a,1b,1cが設
けられている。すなわち、センサ1aは感光体ドラムに入
射する光量を測定するためのAEセンサ、センサ1bは感光
体ドラムの表面電位を測定する表面電位センサ、センサ
1cは用紙上にコピーされた画像の濃度を測定するための
濃度計である。

また、第３図に示されていないが３種類のアクチュエ
ータが設けられている。すなわち、感光体ドラムの主帯
電電圧を変化させるための主帯電ボリュームVR1、ハロ
ゲンランプの光量を制御するためのランプボリュームAV
Rおよび感光体ドラムとコピー用紙間の転写電圧を制御
するための転写ボリュームVR2、という３つのボリュー
ムがアクチュエータとして設けられている。

ところで、第３図に示す対象機械を物理的な視点から
捉え、実体レベルでその対象機械を複数個の要素の結合
として表現し、各要素間の結合関係をパラメータを用い
て定性的に表わすと、第１表に示すとおりとなる。この
第１表のような表現形式を「実体モデル」と呼ぶことに
する。ここに、「定性的」とは、たとえばＡとＢの間に
おける「Ａを上昇させれば、Ｂも上昇する」といった関
係をいう。具体的には、第１表の露光部を例にとれば、
Ｘ＝H_L−Ｄという式は、「Ｘが上昇するのは、H_Lが上昇
するか、Ｄが下降するかである。」というパラメータ間
の定性関係を示している。

また、実体モデルを抽象化して、各パラメータの結合
ツリーとして表わした第４図の表現を「数学モデル」と
呼ぶことにする。

そして、「実体モデル」と「数学モデル」とを併せて
「対象モデル」と呼ぶことにする。「対象モデル」は、
後述する故障修復のためにも活用される、画像形成装置
に共通の定性データである。

定性データとしての実体モデルおよび数学モデルの各
内容は、対象モデル記憶部14に記憶されている。

また、対象モデル記憶部14には、実体モデルに含まれ
ているパラメータのうちの所定のパラメータに関して、
たとえば工場出荷の際に測定された基準値データが記憶
されている。この基準値データは、この画像形成装置に
特有の特徴データである。

たとえば、この機械では、第５図のように、パラメー
タＸ、V_s、O_s、V_nについて、それぞれ、ロー、ノーマ
ル、ハイの範囲を特定する基準値データが記憶されてい
る。

なお、この実施例では、上記の基準値データは、後の
故障診断や故障修復過程におけるセンシングデータや機
械の動作状態の変化等に応答して、更新され得るように
されている。

また、対象モデル記憶部14には、変換されたシンボル
に基づいて、対象機械が正常に動作しているか否かを判
定するための基準となる故障診断知識の一例としての評
価機能知識が記憶されている。

なお、評価機能知識、換言すれば故障診断知識は、対
象装置に特有のものであってもよいし、特有のものでな
く、広く画像形成装置に共通のものであってもよい。

評価機能知識には、以下の知識が含まれている。

画像濃度O_s＝ノーマル かぶり度O_s′≦ノーマル 分離性能S_p≦ノーマル ここに、O_s、O_s′、S_pが上記条件でない場合には、対
象機械は正常に動作していないことになる。

さて、通常動作における対象機械のディジタル化され
たセンサ情報が次の値である場合を考える。

AEセンサの値Ｘ＝30 表面電位センサの値V_s＝300 濃度計の値O_s＝７ また、 光学濃度Ｄ＝０の白紙原稿を使用したときの濃度計の
値O_s＝かぶり度O_s′、 ハロゲンランプを消した状態での表面電位センサの値
V_s＝暗電位V_n、 と定め、それらの値は、それぞれ、 かぶり度O_s′＝50 暗電位V_n＝700 であったとする。

なお、これらかぶり度O_s′および暗電位V_nの測定は、
マニュアル操作によって行われてもよいし、一定条件
時、たとえば対象機械の電源がオンされる都度、または
コピー開始前毎に、センサによって自動的に測定される
ように、プログラミングされていてもよい。この実施例
では、後者が採用されている。

AEセンサ1a、表面電位センサ1bおよび濃度計1cによっ
て得られた各値Ｘ、V_s、O_s、O_S′、V_nは、それぞれ、デ
ィジタル信号／シンボル変換部11においてシンボルに変
換される。

変換は、前述したように、各センサ1a,1bまたは1cか
ら与えられるディジタル値が、対象モデル記憶部14に記
憶されている特徴データとしての基準値データと比較さ
れることにより行われ、ノーマル、ハイまたはローの３
種類のいずれかのシンボルに変換される。

この実施例では、各パラメータは次のようにシンボル
化される。

Ｘ＝ハイ V_s＝ロー O_s＝ロー V_n＝ノーマル 故障診断部12において、これらのシンボル化された各
パラメータが、対象モデル記憶部14に記憶されている故
障診断知識の一例としての評価機能知識と比較される。
その結果、画像濃度O_sがノーマルでないから、故障あり
と判定され、故障症状は「画像濃度が低すぎる（O_s＝ロ
ー）」であると判断される。そして、次には、「O_s＝ロ
ー」を故障症状として、故障診断、つまり故障原因が推
論される。

故障診断の手法 故障診断は、まず故障シミュレーション部13におい
て、第４図の数学モデルを用いて行われ、O_s＝ローを引
起こす可能性のあるパラメータが探索される。

第４図における数学モデルで、O_sを低下させる可能性
があるパラメータを指摘すると、第６図に示すようにな
る。第６図において、上向き矢印または下向き矢印が付
されたパラメータが、パラメータO_s＝ローを引起こす可
能性のあるパラメータであり、上向き矢印のものはその
パラメータが上昇した場合に、下向き矢印のものはその
パラメータが低下した場合に、O_s＝ローを引起こす。

次に、数学モデルにおいて探索されたO_s＝ローを引起
こす可能性のある各パラメータζ，D_s，V_t，γ_ｏ，V_b，
V_s，V_n,X,β，H_L,Dについて、故障診断部12でパラメー
タの変化を引起こす原因の検出がされる。

この検出は、第１表の実体モデルに基づいて行われ、
この実施例では、次のような故障原因候補が推論され
る。すなわち、 V_t＝ロー：→転写トランスの不良 ζ＝ロー：→用紙の劣化 V_b＝ハイ：→現像バイアスの不良 γ_ｏ＝ロー：→トナーの劣化 V_n＝ロー：→主帯電電圧の不良 H_L＝ハイ：→ハロゲンランプの設定不良 Ｄ＝ロー：→原稿が薄い V_t＝ローのときは転写トランスの不良であり、ζ＝ロ
ーは用紙の劣化を表わし、V_b＝ハイは現像バイアスの不
良を意味し、…という知識は、故障原因知識であり、こ
の知識は、画像形成装置に共通の定性データに含まれて
いる。

なお、パラメータのうち、βは感光体の感度であり、
これが上昇することはないから除外される。D_s，V_sおよ
びＸは、他のパラメータによって表わされるから、これ
も除外される。

そして、故障診断部12においてされた上記の推論に対
して、故障シミュレーション部13において、故障状態の
シミュレーションが行われる。

故障状態のシミュレーションとは、上記推論された故
障が生じたときの対象機械の状態を、それぞれ、推論す
ることである。より具体的には、O_s＝ローを引起こす原
因、つまり故障原因が、たとえば転写トランスの不良で
あると仮定し、正常状態のモデルに対してV_t＝ローを設
定する。そして、その状態における各パラメータに与え
られる影響を数学モデル上で検討するのである。V_t＝ロ
ーを設定した場合、O_s＝ローおよびS_p＝ローとなり、他
のパラメータはすべてノーマルであるから、これは、セ
ンサから得られるＸ＝ハイおよびV_s＝ローと矛盾する。
それゆえ、その故障原因の推論が誤っているという結果
を得る。

同様にして、ζ＝ローを正常状態の数学モデル上に設
定し、その結果をセンサから得られるシンボルと比較す
る。この場合も、数学モデル上ではＸ＝ノーマルに対
し、センサからのシンボルはＸ＝ハイであるから、矛盾
があり、その故障原因の推論は誤りであると判定され
る。

このようにして、全ての故障原因候補について、故障
状態のシミュレーションが行われ、故障原因の推論が正
しいか否かが確認される。

その結果、本例の場合には、故障原因を「ハロゲンラ
ンプの設定不良（H_L＝ハイ）」とした場合に、現実の対
象機械の状態と一致した結果が得られ、かつそれ以外の
故障原因候補はすべて現実の装置の状態と矛盾するとの
結論を得る。

よって、この場合の故障原因は、ハロゲンランプの設
定不良であると断定できる。そのときの対象機械の各パ
ラメータの状態を示すと、第２表のとおりとなる。

第２表に表わすパラメータの状態を数学モデル上にト
レースすると、第７図が得られる。第７図において、各
パラメータの右側に付された下向き矢印はロー、上向き
矢印はハイ、Ｎはノーマルを表わしている。

修復作業の実行 次に、故障診断部12および故障シミュレーション部13
で行われた故障診断の結果に基づいて、第8A図，第8B図
および第8C図に示すフローチャートに従い、修復作業が
実行される。

以下、第8A図，第8B図および第8C図に示すフローチャ
ートの流れに従って、修復作業について、順を追って説
明をする。

なお、第8A図，第8B図および第8C図のフローチャート
は、第２図のフローチャートにおけるステップS5,S6,S7
およびS8に対応するもので、修復処理の内容を具体的に
かつ詳細に表わしたものである。

事例の検索 前述した故障診断の手法に従って、発生している故障
症状を引起こす故障原因が推論される（ステップS2
1）。その結果に基づいて、事例ベース記憶部17（第１
図参照）に記憶されている多数の事例が検索され、その
中から、修復に利用できる事例が検出される（ステップ
S22）。

より具体的には、事例ベース記憶部17に記憶されてい
る全ての事例には、第３表に示すように、事例番号、修
復前のパラメータの状況、修復後のパラメータの状況、
故障症状、故障原因、修復作業、適用成功数および適用
失敗数が記録されている。

また、各事例は、故障症状および故障原因によって、
階層的に分類されている。

そこで、修復計画部15は、故障診断部12および故障シ
ミュレーション部13によって診断された故障症状「画像
濃度が低すぎる（O_s＝ロー）」および故障原因「ハロゲ
ンランプの設定不良（H_L＝ハイ）」をインデックスとし
て、該故障症状および該故障原因の両方を満足する事例
の検出を行う。それゆえ、たとえ故障症状が「画像濃度
が低い」であっても、故障原因が、たとえば「主帯電電
圧の不良」である事例については検出されない。

なおここで、「故障症状」とは、先にも述べたが、た
とえば「画像濃度が低い」とか「画像かぶり」等の対象
機械の不具合として認識される現象のことであり、「故
障原因」とは、「ハロゲンランプの設定不良」、「主帯
電電圧の不良」等の対象機械の機能や構造の変化を示
す。

今、故障症状「画像濃度が低すぎる」および故障原因
「ハロゲンランプ設定不良」によって事例の検索を行っ
た結果、下記の第４表〜第６表に示す事例（１）〜
（３）が検出されたとする。

ところで、検出された事例が複数、この場合は３つあ
るので、いずれの事例を先に修復作業に適用するかを決
める必要がある。

そこで、検出された３つの事例（１）〜（３）に対し
て、優先順位が付される（ステップS23〜S25）。適用順
位に関する優先順位は、各事例における修復前のパラメ
ータの状況と故障診断においてシミュレートされた対象
機械の現在のパラメータの状況（第２表参照）とが比較
され（ステップS23）、状況の一致しているパラメータ
数が多い事例の順に優先順位が付される。

具体的に、事例（１）〜（３）の各修復前のパラメー
タの状況を現在のパラメータの状況（第２表）と比較す
ると、事例（１）ではV_nの状態のみが異なっている。事
例（２）ではV_nおよびV_tの状態が異なっている。事例
（３）ではV_n、V_bおよびV_tの状態が異なっている。

したがって、事例（１）、事例（２）、事例（３）の
順に、適用順位に関する優先順位が付される。

なお、修復前のパラメータの状況と現在のパラメータ
の状況との一致数が等しい場合には、適用成功数が参酌
され（ステップS24）、適用成功数の多いものほど高い
優先順位が与えられる。

さらに、修復前のパラメータ状況と現在のパラメータ
状況との一致数が等しく、かつ、適用成功数も同じ場合
には、適用失敗数が参酌され（ステップS24）、適用失
敗数の少ないものほど高い優先順位が与えられる。

なお、ステップS22で検出された事例が１つだけの場
合には、上記適用順位に関する優先順位付けが省略され
ることは、もちろんである。

事例の適用 次に、第１優先順位の事例（検出された事例が１つだ
けのときは、該検出された事例）に基づく修復計画が実
行される。

修復計画の実行にあたっては、まず、第１優先順位が
付された事例（１）が、たとえばワークレジスタに設定
され、かつ事例（１）に基づいて、作業スクリプト記憶
部18に記憶されている作業スクリプトの中から故障原因
「ハロゲンランプ設定不良」の作業スクリプトが選択さ
れる、ワークレジスタに設定される（ステップS26）。

ハロゲンランプ設定不良の作業スクリプトの一例を第
７表に示す。

第７表に示すように、作業スクリプトには、インデッ
クスとなる故障原因「ハロゲンランプ設定不良」が表記
され、複数の作業1,2,3,…がリストアップされている。
各作業はルール形式で記述されており、前件部状況、前
件部操作および後件部状況からなっている。各作業は、
前件部状況のときに、前件部操作を行うと、後件部状況
が得られるという意味である。

より具体的に述べると、たとえば作業１の場合、前件
部状況としては、パラメータH_L＝ハイという状態であ
り、この状態において、ランプボリュームAVRを低下さ
せるという前件部操作を行うことにより、パラメータH_L
＝ノーマルというパラメータ変化、つまり後件部状況が
得られるという内容になっている。

なお、作業スクリプトは、故障原因ごとに設定され、
最小単位の作業が列挙されたものである。作業スクリプ
トは故障原因ごとに設定されているため、故障原因の数
だけ作業スクリプトは存在する。

事例（１）および第７表の作業スクリプトがワークレ
ジスタに設定されると（ステップS26）、次に、修復計
画部15によって、レジスタに設定された事例（１）の修
復前のパラメータの状況は現在のパラメータの状況と完
全に一致しているか否かが確認される（ステップS2
7）。

もし、事例（１）の修復前のパラメータの状況が現在
のパラメータの状況と完全に一致している場合には、事
例（１）の修復作業の欄に記載された番号の作業が、
「ハロゲンランプ設定不良」作業スクリプトから選ばれ
て実行される（ステップS28）（なお、実際には、事例
（１）のパラメータの状況は第２表に示す現在のパラメ
ータの状況と完全に一致していないから、実際の処理
は、後述するように、ステップS27→S34へと進むことに
なる）。

作業が実行された結果、後件部状況が得られた場合に
は、作業成功と判断され（ステップS29でYES）、さら
に、次の作業があるか否かの判別がされる（ステップS3
0）。修復作業の欄に次の作業番号があれば、その作業
が作業スクリプトから選ばれて実行され（ステップS2
8）、作業が成功か否かの判別がされる（ステップS29）
という処理が繰返される。

そして、次の作業がなくなった場合には（ステップS3
0でNO）、事例における適用成功数の欄の数値が１増加
され、成功数の登録がされる（ステップS31）。

作業が実行されても、その作業の後件部状況が得られ
なかった場合は、作業失敗と判別され（ステップS29でN
O）、適用失敗数の欄の数値が１増加されて失敗数の登
録がされる（ステップS32）。

そして、次の優先順位の事例があるか否かが判別され
（ステップS33）、ある場合には（ステップS33でYE
S）、次の優先順位の事例に対して、ステップS26からの
処理が行われる。

次の優先順位の事例がない場合には（ステップS33でN
O）、後に詳述する副次的影響も考慮した修復計画の推
論、すなわちQMS処理が行われる（ステップS34）。

そして、QMS処理が成功したか否かが判別され（ステ
ップS35）、QMS処理が成功したと判別されると（ステッ
プS35でYES）、QMS処理によって得られたデータに基づ
いて新たな事例が作成され、その事例は事例ベース記憶
部17に登録される（ステップS36）。そして、処理は終
了する。

QMS処理が不成功に終ったときには（ステップS35でN
O）、新規事例の登録はなく、処理は終了する。

さて、前述したように、事例（１）における修復前の
パラメータ状況は現在のパラメータ状況と完全に一致し
ておらず、パラメータV_nの状態が不一致であるから、実
際の処理は、ステップS27でNOと判断され、第8B図に示
すステップS37へと進む。

ステップS37では、事例（１）の修復作業の欄に記載
された番号の作業が、「ハロゲンランプ設定不良」作業
スクリプトから指定される。すなわち、作業１が指定さ
れる。そして、作業１の前件部状況と現在のパラメータ
状況とが比較され、両者の一致または不一致が判別され
る（ステップS38）。

作業の実行に際しては、現在のパラメータ状況が作業
の前件部状況と一致していなければならない。この具体
例では、作業１の前件部状況においても現在のパラメー
タ状況においても、共に、パラメータH_L＝ハイであるか
ら、前件部状況は現在のパラメータ状況と一致してい
る。一致している場合には（ステップS38でYES）、その
作業１が実行される（ステップS39）。そして、作業の
成否が判別され（ステップS40）、作業実行の結果、後
件部状況が得られた場合には作業成功と判別される（ス
テップS40でYES）。

そしてさらに、次の作業番号が事例（１）の修復作業
の欄に記載されているか否かによって次の作業の有無が
判別され（ステップS41）、次の作業がある場合には
（ステップS41でYES）、次の作業が指定され、その作業
の前件部状況と現在のパラメータ状況とが比較されて
（ステップS37）、上述と同様に、ステップS38以降の処
理が繰返される。

次の作業がなくなった場合には（ステップS41でN
O）、フラグＡまたはＢ（これらフラグＡおよびＢが何
のためのフフラグであるかについては、後述する）の状
態が判別され（ステップS42）、いずれのフラグＡもＢ
もセットされていなければ（ステップS42でNO）、事例
（１）の適用成功数の欄の数値が１増加されて、成功数
の登録がされ（ステップS43）、処理は終了する。

つまり、ステップS27で、事例の修復前のパラメータ
の状況が現在のパラメータの状況と完全に一致していな
いことが確認された場合であっても、事例に記述されて
いる作業を変更したり、作業を追加したりすることな
く、事例に記述されている作業を行うことができ、しか
も、作業が成功したときには、事例の成功数が増加され
る。なぜなら、事例を用いた修復処理は、現在の状態に
最も近い事例を参考にして、その事例を基に修復作業を
類推するものであるから、必ずしもパラメータ状態が完
全に一致する必要はないのである。

ところが、ステップS39において、前件部操作である
ランプボリュームAVRがダウンされても、その結果とし
てパラメータH_Lがノーマルに変化せず、ランプボリュー
ムAVRがその下限値までダウンされてもなお後件部状況
としてのパラメータH_L＝ノーマルが得られなかった場合
には、作業は失敗したと判断される（ステップS40でN
O）。

換言すれば、ある作業を行った結果のパラメータ状態
（作業後の現在のパラメータ状態）が修復作業において
設定されているパラメータ状態（後件部状況）にならな
かった場合、その作業は失敗と判断される。

そしてこのときは、以下に第8C図の流れに沿って説明
するような作業失敗の原因の回避するための第２の追加
処理が実行される。

すなわち、まず、故障症状「画像濃度が低すぎる（O_s
＝ロー）」でかつ故障原因「ハロゲンランプの設定不良
（H_L＝ハイ）」の全事例が検索され、それら事例のう
ち、修復作業の欄に、失敗と判断された作業番号、たと
えば作業１の番号が記載されているすべての事例が検出
される（ステップS49）。そして検出されたすべての事
例の修復前のパラメータ状況と、現在のパラメータ状況
とが比較され（ステップS50）、修復前のパラメータ状
況と現在のパラメータ状況との相違点であって、すべて
の事例において共通しているパラメータが検出される。
つまり、すべての事例の修復前のパラメータ状況の共通
点と、現在のパラメータ状況との差異が検出される（ス
テップS51）。

具体例では、修復作業の欄に作業１が記載されている
事例は、事例（１）および（２）であるから、それら事
例（１）および（２）の修復前のパラメータ状況と現在
のパラメータ状況とがそれぞれ比較されて、共通の差異
として、パラメータV_nが取上げられる。すなわち、修復
前のパラメータ状況においては、共通的にパラメータV_n
＝ローであるが、現在のパラメータ状況では、パラメー
タV_n＝ノーマルである。

そして、異なるパラメータがあると判別されると（ス
テップS51でYES）、そのパラメータ、つまり具体例では
パラメータV_n＝ノーマルが、今回の作業の失敗原因であ
ると仮説され、このパラメータV_nをノーマルからローに
することのできる作業が作業スクリプトの中から探され
（ステップS52）、その有無が判別される（ステップS5
3）。

第７表の作業スクリプトをみると、作業５によって、
パラメータV_nをノーマルからローに変更できることがわ
かるから、作業ありと判別される（ステップS53でYE
S）。

そして、この場合には、事例（１）の作業欄が仮訂正
され、作業５が挿入される。また、この仮訂正をしたこ
とを表わすため、フラグＢがセットされる（ステップS5
4）。次いで作業５が実行される（ステップS55）。

そして、作業５が実行された結果、V_n＝ローになった
場合、作業成功と判別される（ステップS56でYES）。

この場合において、V_n＝ローは、作業１の前件部状況
として必須の条件である。よって、第７表に示す作業ス
クリプトの作業１の前件部状況にV_n＝ローが追加される
よう訂正され、第７表の作業スクリプトは第８表に示す
ものに書換えられる（ステップS57）。

第８表に示す作業スクリプトでは、作業１の前件部状
況が「H_L＝ハイで、かつ、V_n＝ロー」になっている。

そして、再び、第8B図に示すステップS37からの処理
が行われる。この具体例では、作業１が行われ、それが
成功した場合（ステップS40においてYES）、さらに行う
べき作業はなく（ステップS41においてNO）、フラグＢ
がセットされていることが判断される（ステップS42でY
ES）。それゆえ、このときのパラメータ状況および処理
に基づき、新たに、事例（１−１）が作成されて登録さ
れる。また、フラグＡおよびＢはリセットされる（ステ
ップS44）。この新たな事例（１−１）を第９表に示
す。

この第９表に示す事例（１−１）が、第４表に示す事
例（１）と異なる点は、修復前のパラメータ状況におい
て、パラメータV_n＝ノーマルである点と、修復作業の欄
に、「5,1」という２つの作業が記載されている点であ
る。なお、事例（１−１）の適用成功数は今回の１回だ
けであり、適用失敗数は０である。

さて、第8C図のステップS56において、作業が成功し
なかったと判別された場合には、他にパラメータV_nをノ
ーマルからローにすることのできる作業が作業スクリプ
トの中にあるか否かが判別され（ステップS58）、作業
があれば、ステップS54からの処理が行われる。

さらにまた、ステップS51で、異なるパラメータはな
いと判別され、またはステップS53において、作業がな
いと判別された場合には、フラグＡおよびＢがリセット
された後（ステップS59）、他の事例、すなわち次の適
用優先順位の事例があるか否かが判別される（ステップ
S60）。

そして、次の事例がある場合には（ステップS60でYE
S）、その事例および対応する作業スクリプトがワーク
レジスタに設定され（ステップS61）、第8B図に示すス
テップS37からの処理が行われる。

一方、ステップS60において、次の適用優先順位の事
例がないと判別された場合には（ステップS60においてN
O）、処理は第8A図に示すステップS34へと進み、QMS処
理が行われる。

次に、上記具体例において、事例（１）に基づく修復
計画が失敗し、次の適用優先順位の事例である事例
（２）に基づく修復計画が行われる場合を考えてみる。

この場合、ステップS61で、事例（２）および事例
（２）に対応して選択された故障原因「ハロゲンランプ
設定不良」作業スクリプトがワークレジスタに設定され
る。

次いで、事例（２）修復作業の欄に表示された「１」
により、作業スクリプトの作業１が指定され、その前件
部状況と現在のパラメータ状況とが比較され（ステップ
S37）、両者の一致または不一致が判別される（ステッ
プS38）。第７表および第２表の比較から明らかなとお
り、作業１の前件部状況と現在のパラメータ状況とは、
H_L＝ハイで一致しているので、作業１が実行される（ス
テップS39）。

そして、H_L＝ノーマルになると、作業成功と判別され
（ステップS40でYES）、次の作業の有無が判別される
（ステップS41）。

事例（２）では、次の作業として作業２が存在するか
ら、処理はステップS37へ進み、次の作業２が指定さ
れ、その前件部状況と現在のパラメータ状況とが比較さ
れる。その結果、作業２の前件部状況V_t＝ローは、現在
のパラメータ状態V_t＝ノーマルと一致していないと判別
される（ステップS38でNO）。

前述したように、作業の実行に際しては、現在のパラ
メータ状況が作業の前件部状況と一致していなければな
らない。そこで、第１の追加処理が行われる。すなわ
ち、現在のパラメータ状況を前件部状況に一致させられ
るような別の作業が、第７表に示す当該作業スクリプト
の中に存在するか否かが検索される（ステップS45）。

第７表を見ると、作業４によって、H_L＝ノーマルのと
きにパラメータV_tをローにできることがわかる。よっ
て、ステップS46ではYESと判断されて、処理はステップ
S47へと進む。そして、事例（２）の修復作業の欄が
「1,4,2」に仮訂正されるとともに、該仮訂正があった
ことを表わすため、フラグＡがセットされる（ステップ
S47）。

次いで、仮訂正により加えられた作業４が実行され
（ステップS48）、該作業４が成功したか否かが判別さ
れる（ステップS40）。

この作業４の実行に成功した場合には（ステップS40
でYES）、次の作業の有無が判別される（ステップS4
1）。事例（２）では、次の作業として作業２が存在す
るから、処理は再びステップS37へ進み、次の作業２が
指定され、その前件部状況と現在のパラメータ状況とが
比較される。その結果、現在のパラメータ状況は、上記
ステップS48における作業４の実行によって、V_t＝ロー
となっているから、作業２の前件部状況と一致してい
る。

よって、ステップS38で、YESと判別され、作業２が実
行される（ステップS39）。

そして、作業２の実行に成功したか否かが判別され
（ステップS40）、成功した場合にはステップS41で、次
の作業の有無が判別される。

事例（２）では、次の作業はないから、処理はステッ
プS42へ進む。そして、フラグＡがセットされているこ
とが判別され（ステップS42でYES）、ステップS47で修
復作業の欄が仮修正された事例は、新たな事例（２−
１）として登録される（ステップS44）。また、フラグ
ＡおよびＢはリセットされる（ステップS44）。

この追加登録される事例（２−１）を第10表として示
す。

第10表に示す事例（２−１）が、第５表の事例（２）
と異なっている点は、修復前の状況においてパラメータ
V_n＝ノーマルである点、修復作業が「1,4,2」となって
いる点である。また、適用成功数は、今回の１であり、
適用失敗数は０である。

なお、ステップS46において、現在のパラメータ状況
を前件部状況に一致させられるような別の作業がないと
判別された場合には（ステップS46でNO）、処理は第8C
図に示すステップS59へと進む。

修復作業の実行にあたって、以上説明した事例の検索
および事例の適用という手法を採用することは、上記具
体例で説明したような小形普通複写機等の装置に対して
特に有効である。

なぜならば、小形普通複写機に代表されるような装置
は、その構成系中に、制御対象として不安定な要素（た
とえば化学的変化を積極的に利用すること等）を有して
いる。それゆえ、構成系が置かれる状態の変化、たとえ
ば環境変化や構造上の劣化等によって、センサのパラメ
ータおよびアクチュエータのパラメータ間の関係が変化
する可能性がある。上記具体例の説明における事例の検
索は、かかるパラメータ間の変化を装置がランニング中
に収集し、それを使った一種の学習を行わせ、知識のチ
ューニングをしているということができるから、上記の
パラメータ間の変化が生じても、それに有効に対処した
修復作業を行うことができる。

つまり、対象機械のパラメータ間の関係が変化した場
合、どの変化に基づいて事例が修正されて新しい事例が
作成され、また、作業スクリプトの内容が修正されてい
るのである。

以上の説明では、事例と作業スクリプトとはそれぞれ
別個に記憶されており、別個に選択設定されるものとし
て説明した。

しかし、このような実施例に代え、たとえば、各事例
における修復作業の欄に、作業スクリプトにおける作業
番号ではなく、作業そのものを記憶させておくようにす
れば、実行すべき具体的な作業が記憶された事例とする
ことができる。

換言すれば、事例および作業スクリプトを一体的にし
た事例とすることができる。

修復計画の推論 次に、修復計画の推論、すなわち第８図のステップS5
1に示すQMS処理について説明をする。

故障判別の結果、「画像濃度が低すぎる（O_s＝ロ
ー）」が故障症状として取上げられたから、修復の目標
は、O_sを上昇させることである。

そこで、第４図に示す数学モデル上の関係から、D_sを
上昇させるか、V_tを上昇させるか、または、ζを上昇さ
せるかによって、修復目標であるO_sを上昇させることが
できると推論される。

次に、D_sを上昇させることを目的に推論を行うと、V_s
を上昇させるか、V_bを下降させるか、または、γ_oを上
昇させるかのいずれかの結論を得る。このように、数学
モデルに基づいて、推論が繰返されることにより、修復
操作の候補を数学モデル上で得ることができる。得られ
た結果は、第11表に示すとおりである。

ところで、数学モデルに基づいて得られた修復候補に
は、実現できるものと実現できないものとがある。たと
えば、 D:原稿の光学濃度 は変更できないし、 β：感光体の感度 も変更し難い。

γ_o：トナーの感度 も変更できないし、 ζ：用紙の感度 も変化不可能である。

また、この具体例では、 V_b：バイアス電圧 も、アクチュエータがないから変化不可能である。もち
ろん、アクチュエータを追加することにより、V_bは変化
可能にすることができる。

さらに、 X:原稿反射光量の対数 V_s：露光後のドラムの表面電位 D_s：ドラム上でのトナー濃度 については、それ自体の変更は不可能で、間接的に他の
パラメータを変化させることで変化させられるだけであ
り、ここでは修復候補から除外する。

なお、この具体例では直接関係ないが、 A_sp：分離用AC電圧の振幅 も、アクチュエータ追加により、変化させることができ
る。

以上の次第で、この具体例では、修復候補として、 V_t：転写電圧 V_n：主帯電後の表面電位 H_L：ハロゲンランプ出力光量の対数 がとりあげられる。

一方、対象モデル記憶部14には、修復計画知識とし
て、次の知識が予め記憶されている。すなわち、 （ａ） V_tを上昇させる→転写トランスのコントロール
電圧を上げる （ｂ） V_tを下降させる→転写トランスのコントロール
電圧を下げる （ｃ） V_nを上昇させる→主帯電トランスのコントロー
ル電圧を上げる （ｄ） V_nを下降させる→主帯電トランスのコントロー
ル電圧を下げる （ｅ） H_Lを上昇させる→ハロゲンランプコントロール
信号を高電圧側にシフトする （ｆ） H_Lを下降させる→ハロゲンランプコントロール
信号を低電圧側にシフトする。

である。この対象モデル記憶部14に記憶された修復計画
知識は、この装置の特有の特徴データである。該修復計
画知識を数学モデルに基づいて得られた修復候補に適用
することにより、O_sを上昇させるための修復操作とし
て、 （ａ） V_tを上昇させる→転写トランスのコントロール
電圧を上げる （ｃ） V_nを上昇させる→主帯電トランスのコントロー
ル電圧を上げる （ｆ） H_Lを下降させる→ハロゲンランプコントロール
信号を低電圧側にシフトする の３方法が得られる。

画像濃度O_sを単に上昇させるだけであれば、これら３
方法のうちのいずれの方法を実行しても、修復が可能で
ある。

しかしながら、対象機械は、画像濃度O_sを上昇させる
ことにより、種々の副次的な影響を受けることが考えら
れる。そこで、この実施例では、以下に説明するよう
に、副次的な影響の推論を、数学モデルに基づいて行っ
ている。

副次的影響の推論 修復計画の推論において導かれた３つの修復計画を数
学モデル上に展開すると、第９図ないし第14図が得られ
る。つまり、（ａ）V_tを上昇させた場合が第９図および
第10図（第10図はＤ＝０とした場合のO_s′が数学モデル
上で表わされている）、（ｃ）V_nを上昇させた場合は、
第11図および第12図（第12図はＤ＝０とした場合のO_s′
が数学モデル上で表わされている）、（ｆ）H_Lを下降さ
せた場合は第13図および第14図（第14図はＤ＝０とした
場合のO_s′が数学モデル上で表わされている）となる。

そして、数学モデルに基づいて機能評価を行うと、次
の状態が推論される。

すなわち、 （１） V_tを上昇させた場合（第９図、第10図） （ａ） 出力画像濃度が上昇する。

（ｂ） Ｄ＝０のとき、O_s′＞ノーマルの場合がある。
つまり、かぶりが発生する可能性がある。

（ｃ） S_p＞ノーマルとなり、分離不良が発生する可能
性がある。

（２） V_nを上昇させた場合（第11図、第12図） （ａ） 出力画像濃度が上昇する。

（ｂ） Ｄ＝０のとき、O_s′＞ノーマルとなり、かぶり
が発生する可能性がある。

（３） H_Lを下降させた場合（第13図、第14図） （ａ） 出力画像濃度が上昇するだけで、他の副次的な
影響はない。

よって、修復計画部15では、副次的な影響の最も少な
い修復計画、すなわちH_Lを下降させるという修復計画が
選択される。この修復計画は、故障診断で得られた故障
原因を解消するための操作と一致している。

つまり、見方を変えると、故障診断における故障原因
の推論は、装置が故障したときの現実の状態を数学モデ
ル上でトレースし、装置が故障したときの各構成要素の
状態を把握することによって、故障原因を推定していた
のに対し、修復計画の推定では、装置が故障状態ではな
く、装置が正常であるという前提に立って、数学モデル
上で装置の状態をトレースし、それに基づいて修復計画
を推論している。

そして、上述の具体例では、故障診断における推論で
も、修復計画における推論でも、結果として同じ故障原
因および修復計画が得られたわけである。

しかし、場合によっては、故障診断の推論が故障状態
の装置を前提にしているのに対し、修復計画の推論は正
常状態の装置を前提にしているため、両者によって得ら
れる結果が異なることがある。かかる場合は、故障診断
の推論過程で得られる結論と矛盾しないものだけを修復
計画の推論の際に選択するようにすれば、修復計画の推
論処理をより短時間で行える。

上述の場合において、もしH_Lを下降させるという修復
計画が選択できない場合、たとえばハロゲンランプコン
トロール信号を低電圧側にシフトするためのAVRのボリ
ュームが既に下限であった場合には、次に副次的影響の
少ない（２）のV_nを上昇させるという修復計画が選択さ
れる。

しかしながら、V_nを上昇させるという修復計画が選択
された場合には、かぶり発生の可能性という副次的影響
が予測されているので、第12図の数学モデルにおいて、
O_s′を下降させるためにはいずれのパラメータを操作す
ればよいかが第12図の数学モデルに基づいて検討され、
かつ、修復計画知識に基づいて操作が選択される。その
結果、 H_Lを上昇させるか、 V_nを下降させるか、 V_tを下降させるか が選ばれ、かぶり発生を防止することを含めた修復計画
が行われる。

つまり、第15図に示すように、副次的影響を仮定し
て、修復操作の推論を展開する。第15図に示されるよう
な修復操作の推論展開においては、 （ａ） 数学モデル上で以前の修復計画と矛盾する枝は
選択しない （ｂ） 最も副次的影響の少ないものを選択する （ｃ） ループを形成したものはその時点で展開を止め
る という知識に基づいた展開が行われる。

第15図では、結局、 （１） V_n↑→H_L↑→V_n↑のループ、および （２） V_n↑→V_t↓→V_n↑のループ、 の２つの修復計画が残る。

今、（１）のループが修復計画として行われた場合に
おいて、画像濃度が適正な濃度、すなわちO_sがノーマル
になったとする。かかる場合、V_nおよびH_Lは上昇されて
いるから、画像濃度O_sがノーマルに戻った修復前の状態
において、センサ1bによって測定される表面電位の値
は、最初に測定される値に比べてかなり高いものに変化
しているはずである。しかしながら、修復作業が成功し
たわけであるから、修復後のパラメータV_sの状態はノー
マルにシンボル化されなければならない。よって、かか
る場合、修復が終了した時点で、センサ1bによって測定
される測定値に基づき、第５図に示すパラメータV_sのシ
ンボル化のための基準データが変更され、たとえば第16
図に示すデータに書換えられる。

このように、基準データの更新が、修復作業終了後に
必要に応じてなされる。

この実施例において、第14図における前述した（１）
のループが行われる場合、具体的には、主帯電ボリュー
ムVR1が操作されて感光体ドラム21の表面電位が上昇さ
れ、それによって得られるコピーにかぶれが発生する
と、ランプボリュームAVRが操作されてハロゲンランプ
の光量が増加され、コピーの画像濃度が薄められる。

そして、主帯電ボリュームVR1およびランプボリュー
ムAVRを交互に適宜上昇させながら、画像濃度が正常に
なったとき、すなわちパラメータO_sがノーマルになった
ことがセンサ1cである濃度計の検出出力から得られたと
き、修復処理は終了される。

さらに、上記２つの修復計画が実行不可能な場合は、
さらに、上述した（１）のV_tを上昇させるという修復計
画が選択され、その副次的影響であるかぶり発生と、分
離不良の２つを仮定した故障診断が行われ、修復計画が
選択される。

そして、選択された修復計画が行われ、ループ処理の
場合には、ループ上にあるパラメータの操作が限度に達
した時点で失敗と判断される。

また、この実施例の場合は、具体例でも説明したよう
に、O_sがノーマルになった時点で修復終了が判別され、
その状態で修復は停止される。

上述した副次的影響の推論においては、修復計画の推
論において導かれた３つの修復計画を順次数学モデル上
に展開し、３つの修復計画のそれぞれについて、まとめ
て、副次的影響が推論されている。

このような副次的影響の推論の仕方に代え、次のよう
な処理を行ってもよい。

すなわち、修復計画の推論において、たとえば３つの
修復計画が導き出されたとする。その場合、３つの中か
ら１つの修復計画だけをとりあげ、該修復計画に基づい
てアクチュエータ手段を作動された場合に生じるかもし
れない副次的な影響をシミュレートし、シミュレートさ
れた副次的な影響は、修復計画によって選択されたアク
チュエータ手段以外のアクチュエータ手段を作動させる
ことによって除去できるか否かを判別する。

そして、副次的な影響は除去できると判別されたとき
には、修復計画によって選択されたアクチュエータを実
際に作動させ、修復を実行するとともに、副次的な影響
を他のアクチュエータ手段を作動させることによって除
去するのである。

この結果、修復計画で導き出された他の２つの計画に
基づく副次的影響のシミュレートはする必要がなく、全
体として、修復操作時間を短縮できる。

上述の場合において、もし、第１番目に選択した修復
計画について、副次的な影響をシミュレートし、シミュ
レートされた副次的な影響が他のアクチュエータ手段を
作動させることによって除去できないと判別された場
合、その第１番目の修復計画は断念して、次に第２番目
の修復計画をとりあげ、該２番目の修復計画に基づいて
選択されたアクチュエータ手段を作動させた場合に生じ
るかもしれない副次的な影響をシミュレートし、シミュ
レートされた副次的な影響は、そのアクチュエータ手段
以外のアクチュエータ手段を作動させることによって除
去できるか否かを判別し、副次的な影響が除去できると
きには、該第２番目の修復計画に基づく修復作業を行
う。

このように、修復計画の推論において導かれた複数の
修復計画のうち、或る１つ目の修復計画を取出し、その
場合の副次的な影響を推論し、副次的な影響が除去でき
る場合には、直ちにその１つ目の修復計画に基づく修復
を実行するようにするのである。

そして、もしその修復計画では、副次的な影響が大き
すぎる場合には、それを断念し、次の修復計画を選び、
その場合の副次的な影響をシミュレートするのである。

かかる場合、修復計画の推論において導かれた複数の
修復計画のうち、いずれの修復計画をまず選択するかに
ついては、たとえば、故障診断において得られた故障原
因を参酌して選択するのが好ましい。

以上の実施例では、アクチュエータのパラメータ数が
少ないため、修復自体がかなりの制限を受けているが、
アクチュエータのパラメータ数を増やすことによってさ
らに修復の柔軟性および可能性を向上させることができ
る。

以上説明した具体例において、いずれかの修復作業が
成功した場合には、成功した後の装置の状態が正常な状
態であると判定されるわけであるから、各センサから与
えられるディジタルデータ値によって各パラメータの基
準値データ（第５図に示す基準値）が更新され、新たな
基準値データに基づいてパラメータがシンボル化される
ようにするのが好ましい。

また、上述の具体例では、各アクチュエータの作動範
囲については特に触れなかったが、対象モデル記憶部14
に記憶されている装置に特有の特徴データの中に、アク
チュエータの作動範囲を設定する作動範囲データを含ま
せておけば、アクチュエータの出力状態が記憶されてい
る作動範囲内のときはアクチュエータ操作可能と判別で
き、アクチュエータの出力状態が記憶されている作動範
囲の上限または下限に達した場合に、アクチュエータ操
作不能と判定して、修復作業の正否判定に利用すること
ができる。

さらに、上述の具体例では、センサ出力が変化したこ
とに基づいて、自動的に自己診断を行い、自己修復を行
うシステムをとりあげたが、画像形成装置に自己診断モ
ードの設定キー等を設け、該自己診断モード設定キーが
操作された場合にのみ、自己診断および／または自己修
復が行われるようにしてもよい。

上述の具体例の説明では、完全に自律した、すなわち
サービスマンやユーザが何ら操作をすることなく、故障
の有無を装置自体が自動的に自己診断を行いかつ故障が
あれば自己修復を行うシステムをとりあげて説明した。
しかしながら、この発明においては、センサを構成要件
から削除し、画像形成装置の予め定める箇所における機
能状態のデータをサービスマン等が測定し、該測定した
データを装置に入力することができる構成にすることに
より、自律しない自己診断を行いかつその自己診断に基
づいて自律した修復を行うことのできる画像形成装置を
構成することができる。

また、装置が行った自己診断の結果に基づき、故障を
修復するためのアクチュエータを選択するのみで、実際
にアクチュエータを動作させず、動作させるべきアクチ
ュエータを表示するようなシステムを構成すれば、サー
ビスマンがその表示されたアクチュエータを操作するだ
けでよい、自律しない修復システムを備えた画像形成装
置とすることができる。

もちろん、自己修復システムの構成要件を除外し、自
己診断システムのみを有する画像形成装置を構成するこ
ともできる。

つまり、この発明によれば、 （１） 完全に自律した自己診断および自己修復システ
ムを有する画像形成装置、 （２） 自律した自己診断システムおよび自律しない自
己修復システムを有する画像形成装置、 （３） 自律しない自己診断システムおよび自律しない
自己修復システムを有する画像形成装置、 （４） 自律しない自己診断システムおよび自律した自
己修復システムを有する画像形成装置、 または （５） 自律した自己診断システムのみを有する画像形
成装置、 を必要に応じて構成することができる。

またこの発明においては、修復計画の推論をする際
に、アクチュエータの調整範囲を考慮して、実際の調整
可能なアクチュエータだけを選択するようにしてもよ
い。

より具体的に説明すると、アクチュエータがたとえば
AVRの場合、AVRの下限値を「０」、上限値を「100」と
し、AVRの設定状態が０〜100のいずれかの整数値で検出
できるような構成にする。また、対象モデル記憶部14に
AVRの下限値「０」および上限値「100」を設定してお
く。したがって、AVRが調整されて或る状態になったと
き、AVRの調整状態は、その調整状態に対応した０〜100
のいずれかの整数値データとして把握される。

修復計画部15では、AVRの調整状態に応じて得られる
０〜100のいずれかの整数値データにより、AVRの調整状
態を把握し、AVRを故障修復用のアクチュエータとして
選択できるか否かを判別する。つまり、対象モデル記憶
部14に記憶されたAVRの下限値および上限値と現在の調
整状態値とが比較され、AVRはさらに下限方向に、また
は上限方向に作動させることができるか否かが判別され
るのである。

よって、複数個の各アクチュエータに対し、またはそ
の中の任意のアクチュエータに対し、このような構成を
採用することにより、修復計画の推論結果が、実際に作
動させることのできるアクチュエータ手段の組合わせと
して出力され、実用的な修復計画の推論ができるという
利点がある。

なお、作動範囲の設定の仕方は、上述の説明は一例で
あり、他の方法で作動範囲を設定し、実際のアクチュエ
ータの状態と比較してもよい。

また、修復計画部15において、設定されたアクチュエ
ータの調整可能範囲と実際の調整値とを比較するのみで
なく、故障診断部12において、故障診断を行う際に、設
定されたアクチュエータの調整可能範囲と実際の調整値
とを比較し、それを参照するようにしてもよい。

さらにまた、この発明の実施例にかかる画像形成装置
においては、自己診断モード設定手段として、たとえば
マニュアル操作される自己診断モード設定キーまたはス
イッチを設けておき、該自己診断モード設定キーまたは
スイッチが操作されたときにのみ、上述した自己診断ま
たは自己診断および自己修復を行うようにすることがで
きる。

自己診断モード設定キーまたはスイッチの配置位置
は、任意の場所でよいが、好ましくは、通常の画像形成
のための操作キー等とは異なる位置、たとえば画像形成
装置に備えられている前面パネルを開いた状態で操作で
きる装置内部等に設けるのがよいであろう。

〈発明の効果〉 この発明によれば、画像形成装置に故障が生じたか否
かが判別され、故障が生じているときは、その故障症
状、故障原因および装置の状態が推論される。そして、
推論結果に基づいて、予め記憶されている複数の事例が
検索され、故障修復に最も適した事例が検出される。ま
た、検出された事例は必要に応じて修正される。そし
て、事例に基づいた故障修復処理が行われる。事例に基
づく故障修復処理では、修復計画が予め事例に登録され
ているため、修復計画の推論を行わなくてよく、修復処
理着手までの時間を短縮でき、全体として短時間で故障
診断および故障修復を行える画像形成装置とすることが
できる。

また、この発明によれば、故障原因は、画像形成装置
に共通の定性データに基づいてなされるので、明示的に
記述されていない未知の故障をも扱うことのできる自己
診断および自己修復システムを有する画像形成装置とす
ることができる。

さらに、この発明にかかる自己診断および自己修復シ
ステムは、或る特定の画像形成装置に対してではなく、
多くの機種の画像形成装置に対して共通的に適用するこ
とができ、結果的に安価な自己診断および自己修復シス
テムを有する画像形成装置を提供することができる。

【図面の簡単な説明】 第１図は、この発明の一実施例のシステム構成を示すブ
ロック図である。 第２図は、第１図における制御回路の動作を表わすフロ
ーチャートである。 第３図は、普通紙複写機に利用した場合のこの発明の概
略構成を示す図である。 第４図は、この実施例の数学モデルを表わす図である。 第５図は、各パラメータをシンボル化する場合に必要な
各パラメータの基準値データを表わす図である。 第６図および第７図は、数学モデル上における故障診断
のための展開を表わす図である。 第8A図、第8B図および第8C図は、この発明の一実施例に
おける事例を適用した修復作業の処理を表わすフローチ
ャートである。 第９図ないし第14図は、数学モデル上における副次的影
響推論のための展開を表わす図である。 第15図は、修復計画を選択する場合の操作を表わす図で
ある。 第16図は、更新後の基準値データを表わす図である。 図において、1a,1b,1c……センサ、6a,6b,6c……アクチ
ュエータ、10……システム制御回路、11……ディジタル
信号／シンボル変換部、12……故障診断部、13……故障
シミュレーション部、14……対象モデル記憶部、15……
修復計画部、16……シンボル／ディジタル信号変換部、
17……事例ベース記憶部、18……作業スクリプト記憶
部、を示す。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０３Ｇ 15/08 ５０１ 7716−3Ｈ Ｇ０５Ｂ 23/02 ３０２Ｙ 15/16 Ｇ０３Ｇ 15/04 １２０ Ｇ０５Ｂ 23/02 ３０２ (56)参考文献 特開 昭63−106810（ＪＰ，Ａ) 特開 昭63−129405（ＪＰ，Ａ) 特開 昭63−182710（ＪＰ，Ａ) 特開 平１−274209（ＪＰ，Ａ) 特開 平１−284905（ＪＰ，Ａ) 特開 平２−2406（ＪＰ，Ａ) 特開 平２−42535（ＪＰ，Ａ) 特開 平２−155006（ＪＰ，Ａ) 特開 平３−68002（ＪＰ，Ａ) 特開 平２−162348（ＪＰ，Ａ) 特開 平２−71280（ＪＰ，Ａ) 特開 昭61−36780（ＪＰ，Ａ) 特開 昭63−225253（ＪＰ，Ａ) 特開 平２−20879（ＪＰ，Ａ) 特開 平３−27058（ＪＰ，Ａ) 特開 昭58−221856（ＪＰ，Ａ) 特開 昭63−262663（ＪＰ，Ａ) 特開 昭58−72165（ＪＰ，Ａ) 特開 昭64−81617（ＪＰ，Ａ) 特開 平２−37368（ＪＰ，Ａ) 特開 昭62−90669（ＪＰ，Ａ) 特開 平１−276175（ＪＰ，Ａ) 特開 昭60−20876（ＪＰ，Ａ) 特開 昭62−35916（ＪＰ，Ａ) 特開 平２−235074（ＪＰ，Ａ) 特開 平１−253764（ＪＰ，Ａ) 特開 平１−253763（ＪＰ，Ａ) 特開 昭58−94012（ＪＰ，Ａ) 特公 平７−48180（ＪＰ，Ｂ２)

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】画像データを具現化して視認可能な画像を
   生成する画像形成装置のための自己診断および自己修復
   システムであって、 画像形成装置を複数個のパラメータを用いて定性的に表
   わした定性データ、前記パラメータのうちの予め定める
   パラメータについての定性値の範囲を特定する基準値デ
   ータ、および前記パラメータのうちの特定のパラメータ
   について、そのパラメータがとり得るべき条件を設定す
   る故障診断知識、が記憶された対象モデル記憶手段、 画像形成装置の予め定める箇所における機能状態を検出
   して出力するための複数個のセンサ手段、 各センサ手段の出力を前記記憶手段に記憶された基準値
   データと比較することにより定性的な状態データに変換
   する手段、 変換された状態データを前記記憶手段に記憶された故障
   診断知識と比較して、画像形成装置に故障症状が発生し
   ているか否かを判別し、故障症状が発生しているときに
   は、その故障症状を引き起こす故障原因を、前記定性デ
   ータのパラメータ状況に基づいて推論し、決定する故障
   診断およびシミュレーション手段、 最小単位の作業が作業番号を付して列挙されており、各
   作業は、ルール形式で、前件部状況のとき、前件部操作
   を行うと、後件部状況が得られるという内容で表わされ
   ている、故障原因ごとに設定された複数の作業スクリプ
   トを記憶する作業スクリプト記憶手段、 それぞれに前記複数個のパラメータの状況によって表わ
   された故障修復前の装置の状態、および故障修復のため
   に必要な前記作業の作業番号が記述されており、故障症
   状および故障原因によって分類されている複数の事例を
   記憶する事例記憶手段、 故障診断およびシミュレーション手段により得られる故
   障症状および故障原因に基づいて、事例記憶手段に記憶
   された複数の事例の中から、適用可能な事例を検出する
   事例検出手段、 事例検出手段によって検出された事例と同じ故障原因の
   作業スクリプトを前記作業スクリプト記憶手段から読出
   す手段、 前記検出された事例に記述されている作業番号に対応し
   た作業を前記読出された作業スクリプトから選択し、そ
   の作業を実行する修復実行手段、 修復実行手段により選択された作業が実行された後、そ
   の作業により達成されるべき結果が得られたか否かを判
   定する作業結果判定手段、 検出された事例に記述された故障修復前の装置の状態と
   故障診断およびシミュレーション手段で得られたパラメ
   ータ状況とが完全に一致していないときには、作業結果
   判定手段が作業は不成功と判定したことに応答して、作
   業失敗の原因を回避するための追加の作業を前記読出さ
   れた作業スクリプトに列挙された作業の中から検出し、
   その作業を行う追加処理手段、ならびに 追加処理手段により検出された追加作業が実行された
   後、前記選択された作業を再度実行する修復作業再実行
   手段、 を含むことを特徴とする画像形成装置のための自己診断
   および自己修復システム。
2. 【請求項２】請求項１記載の画像形成装置のための自己
   診断および自己修復システムにおいて、 前記修復作業再実行手段により作業が実行されたことに
   よって故障修復が成功したか否かを前記故障診断および
   シミュレーション手段によって診断させ、成功したとき
   には、その成功にかかる作業番号および故障修復前の装
   置の状態が記述された新たな事例を作成して、前記事例
   記憶手段に記憶させる成功事例作成手段、をさらに含む
   ことを特徴とする画像形成装置のための自己診断および
   自己修復システム。