JP4878674B2 - 電子システムのリアルタイム診断を行うためのハイブリッド診断システム - Google Patents
電子システムのリアルタイム診断を行うためのハイブリッド診断システム Download PDFInfo
- Publication number
- JP4878674B2 JP4878674B2 JP2000281082A JP2000281082A JP4878674B2 JP 4878674 B2 JP4878674 B2 JP 4878674B2 JP 2000281082 A JP2000281082 A JP 2000281082A JP 2000281082 A JP2000281082 A JP 2000281082A JP 4878674 B2 JP4878674 B2 JP 4878674B2
- Authority
- JP
- Japan
- Prior art keywords
- diagnostic
- data
- sensor
- event
- diagnostic system
- 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.)
- Expired - Fee Related
Links
- 238000003745 diagnosis Methods 0.000 title description 18
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 40
- 238000004458 analytical method Methods 0.000 description 37
- 230000008439 repair process Effects 0.000 description 15
- 238000013461 design Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000007619 statistical method Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000012631 diagnostic technique Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 230000009349 indirect transmission Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
- G05B23/0278—Qualitative, e.g. if-then rules; Fuzzy logic; Lookup tables; Symptomatic search; FMEA
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
- G06F3/121—Facilitating exception or error detection and recovery, e.g. fault, media or consumables depleted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1229—Printer resources management or printer maintenance, e.g. device status, power levels
- G06F3/1234—Errors handling and recovery, e.g. reprinting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1278—Dedicated interfaces to print systems specifically adapted to adopt a particular infrastructure
- G06F3/1279—Controller construction, e.g. aspects of the interface hardware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1278—Dedicated interfaces to print systems specifically adapted to adopt a particular infrastructure
- G06F3/1284—Local printer device
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00026—Methods therefor
- H04N1/00029—Diagnosis, i.e. identifying a problem by comparison with a normal state
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
- H04N1/00071—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for characterised by the action taken
- H04N1/00074—Indicating or reporting
- H04N1/00076—Indicating or reporting locally
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Artificial Intelligence (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、診断システムに関する。特に、本発明は、ハイブリッド診断技術を用いてシステムを診断するためのシステム及び方法に関する。
【０００２】
【従来の技術】
プリンタや写真複写機といった現行の電子システムは、故障が発生すれば運転が停止する。マシンに１つ又はそれ以上の故障が発生すると、マシン内の専用センサが、監視中のコンポーネント（構成要素）に故障が生じたことを表すエラーメッセージを例えばユーザインタフェースに表示する。このエラーメッセージは故障した監視中のコンポーネントに関する包括的な情報を含む。ユーザはこのエラーメッセージの内容に基づき自ら修理を行ったり、又は例えばカスタマーサービス技師に連絡をとり、マシンについてのサービスコールを利用することができる。
【０００３】
【発明が解決しようとする課題】
上記のシステムは感知できるコンポーネントについては有用であるが、故障箇所が監視中のコンポーネントでない場合には、どのコンポーネントに故障が発生したかを判断することができない。又、上記のシステムは事後的に故障を認識するため、故障又は潜在的な故障を動的にリアルタイムで診断することはできない。従って、サービスにかかる時間、コストは共に増大し、又マシンのダウン時間も長くなる。こういった事態はカスタマーの不満につながる。
【０００４】
【課題を解決するための手段】
本発明は、（１つ又は複数の）電子システムの１つ又はそれ以上のコンポーネントの状態を診断し及び/又は予知するハイブリッド診断方式において、質的モデルベースの推論と量的分析技術を組み合わせて用いるシステム及び方法を提供する。量的方式は、例えば従来の監視装置から送られるマシンデータの分析に依拠する。このハイブリッド診断方式では、マシンの通常運転に必要なセンサ以外にセンサをほとんど或いは全く用いずに、個々のコンポーネントレベルに至るまで診断及び予知を行うことができる。このハイブリッド技術により、例えばサービスコストの低減、マシンの動作可能時間の延長、及びカスタマー満足度の改善のため、電子システムはカスタマージョブの実行動作中に自己診断ができるようになる。或いは、本発明のシステム及び方法は、マシンの製造過程及び耐用期間中のあらゆる段階において、直接監視の有無を問わず、例えば個々のコンポーネントレベルに至るまで故障の診断を補助するために用いることができる。
【０００５】
本発明のシステム及び方法は、リアルタイムでの故障診断及び予知を行うことのできるハイブリッド診断方式を達成するため、質に関する離散事象システム診断方法論を量的分析方法論と組み合わせて用いている。
【０００６】
本発明は、プリンタ、写真複写機、スキャナ、ファクシミリ機などのドキュメント処理システムを診断するハイブリッド診断方式において、質的モデルベースの推論と量的分析を組み合わせて用いるシステム及び方法を別個に提供する。
【０００７】
本発明の診断システム及び方法は、知的自己診断機の設計及び製造を可能とする。特に、本発明の診断システム及び方法は１つ又はそれ以上のマシンのコンポーネントの信号変化を監視し追跡する。この監視はリアルタイムで、或いは所定の間隔、又はユーザの選択した間隔で行うことができる。監視はデバイスの通常動作モードで、又は特別な診断モードで行うことができる。
【０００８】
本発明のシステム及び方法は、システム中で発生する「事象」（例えば、コマンド、制御信号、センサの読込み、高から低の信号変化、試験結果、故障のフラグ、カウンタ、パラメータの変化など）を調べることにより１つ又はそれ以上のシステムの動作を監視する診断方法論を利用する。診断システムは、これらの事象の発生に基づいてシステム状態を評価することができ、この状態評価から、故障などシステムの現在の動作状態を推定する。
【０００９】
本発明の診断システム及び方法はハイブリッド方式による診断に依拠するため、診断システムは多数の診断情報源に対処し、例えば１つ又はそれ以上のバーチャル・センサから送られる１つ又はそれ以上の監視中の信号変化及びその他の情報に基づいてマシン状態を評価することができる。従って、診断システムはセンサ数及び/又はバーチャル・センサによる入力数によって制限されない。本発明のシステム及び方法におけるバーチャル・センサの使用はマシンセンサへの補助となり、又センサを追加設置する必要性を低減し又はなくしながら、個々のコンポーネントレベルでのマシンの診断を助ける。
【００１０】
従って、該診断システムは１つ又はそれ以上のシステムの動的追跡を行うことができ、又センサ、バーチャル・センサ及びインディケータなどの多数の情報源から推測することができる。更に、診断システムは、少なくとも故障したコンポーネント（例えば現場交換可能なユニットやカスタマー交換可能ユニットなど）にまで遡って、マシン状態（故障、故障の疑い又は予知された故障など）を識別することができる。
【００１１】
特に、システムコントローラ、システムセンサ及びバーチャル・センサのうち少なくとも１つが、１つ又はそれ以上のシステムから、又は必要に応じてサブシステムから事象ジェネレータへ情報を送る。事象ジェネレータは１つ又はそれ以上のシステム、コントローラセンサ、及び/又はバーチャル・センサからの情報をコンパイルし、受け取った情報に基づいて「事象」を発生する。この「事象」は診断システムへ送られる。診断システムは、事象を分析し、例えばシステム中の１つ又はそれ以上のコンポーネントの有限状態マシンモデル、システムの拘束ベースモデル、ルールベースのシステムなどに基づいてシステム状態を評価することができる。例えば、正常状態、故障モード、又は予知された故障モードなど、システム状態を反映する状態評価は、１つ又はそれ以上の出力デバイスへ出力されることができる。更に、システム状態に関する情報はユーザ、システムオペレータ、サービス及びカスタマーサポートの提供者、自律修復エージェント、連結された或いは遠隔の受け手、又は本願と同時係属中の代理人事件番号１０３２４４号（同出願の全文を参照として本明細書中に援用する）に記載されているような分散ネットワークのうち、少なくとも１つ又はそれ以上に送られる。
【００１２】
従って、本発明のハイブリッド診断システム及び方法は、例えば診断サーバに「フロントエンド」を提供することができる。この「フロントエンド」は、カスタマー、自律修復エージェント、サービス提供者及び/又は消耗部品の供給業者のうち１つ又はそれ以上に、特定のデータタイプを直接的或いは間接的に伝送するための適切な動作を決定し、故障を予知された、又は故障したシステムへの適切な補助、修理、又は部品供給業者に、マシンの修理又は整備のための適切な情報又は部品を通知することができる。
【００１３】
本発明の上述の及び他の特徴及び利点は、好適な実施形態を詳述した以下の記載より明らかとなろう。
【００１４】
【発明の実施の形態】
本発明の好適な実施形態を、添付の図面を適宜参照しながら以下に詳述する。
本発明のシステム及び方法は、ハイブリッド診断方法論を用いることにより、システムに関する状態データを取得することを必要とするプリンタ、写真複写機、又は他の任意のシステムなどのマシンの１つ又はそれ以上のコンポーネントの動作状態の決定に必要なデータを取得及び処理することができる。従って、本発明のシステム及び方法は、効率よく予知、診断、修理、計画を行い、及び/又は１つ又はそれ以上の監視中のシステムへサービス及び/又は部品を届けるために、複数のエンドユーザ、サービス/部品供給業者、及び/又は１つ又はそれ以上の診断サーバ及び２次情報源間で種々の状態データタイプを取得、処理及び巡回させることを可能とする「フロントエンド」を提供することができる。
【００１５】
図１は本発明に従ったハイブリッド診断システム１のシステム概観を示す。この例示的実施形態では、監視中のシステム５は診断システムとは別体である。但し、本発明のシステム及び方法に関連して記述される種々のコンポーネントは、監視中の実デバイス又はシステム内、例えば１つ又はそれ以上の配線により、或いはワイヤレス方式（ネットワーク、インターネット、イントラネット、或いは接続されたコンポーネント間で情報を伝達することのできる他の任意の公知のリンク、又は将来的に開発されるリンクなど）でシステム５に接続された専用診断デバイス上、及びそれらの組合せを含む、どの位置に置かれてもよいことを理解されたい。ハイブリッド診断システム１はシステムコントローラ２０、１つ又はそれ以上のシステムセンサ３０、１つ又はそれ以上のバーチャル・センサ１００、事象ジェネレータ２００、診断システム３００及び出力デバイス４００を含む。
【００１６】
システムコントローラ２０、システムセンサ３０及び/又はバーチャル・センサ１００はシステム５の状態に関する情報を収集し、この情報を事象ジェネレータ２００に送る。特に、システムコントローラ２００は、例えばシステム及びサブシステムコントローラ（図示せず）より発せられるコマンド、アクチュエータ信号、設定値信号、スケジューリング及びタイミングデータ、ジョブ情報、マシン動作モードなどのデータを事象ジェネレータ２００へ送る。制御コマンドはシステムのリアルタイム動作の一部として発せられてもよく、或いは特別な試験モード又は診断モードにおいて発せられる特別なコマンドであってもよい。更に、システムセンサ３０は、制御コマンド及び/又は試験コマンドに応答した信号変化、処理制御データなどの制御データと、特別の診断センサ及びカウンタからの出力、故障に応答した信号変化、摩耗情報、故障情報、状態情報などの監視データと、温度情報、湿度情報などの環境/動作状態データとを含むデータを事象ジェネレータ２００へ送る。センサ信号はアナログ/デジタルの別を問わず、又システムの正常動作の一部として、或いは特定の試験モード又は診断モードにおいて発せられる特別なコマンドに応答して生成される。
【００１７】
１つ又は複数のバーチャル・センサ１００は、分析手段即ち実システム情報の量的及び/又は質的処理を行うことにより、診断情報を事象ジェネレータに供給する。バーチャル・センサは１つ又はそれ以上のシステムコントローラ２０及びシステムセンサ３０より与えられる情報を補う。特に、１つ又はそれ以上のバーチャル・センサ１００は、例えば直接監視の有無に関わらずシステム５内の特定のコンポーネントに対し故障の分離を行うために、システムコントローラ２０及びシステムセンサ３０から得られるデータを用いて実行することのできる診断を改良する上での助けとなる。即ち、バーチャル・センサは「配線による」システムセンサにより供給される情報を補うために「間隙を埋める」のである。バーチャル・センサ１００に関しては種々の選択が可能である。最も簡単なバーチャル・センサ１００の例は、カウンタである。例えば、カウンタは診断目的のために印刷エンジンにおいて頻繁に用いられている。或いは、バーチャル・センサは閾値分析設計に依拠したものであってもよい。閾値分析では、システム５からの信号を所定値と比較し、信号値が上限或いは下限を越えているか否かを決定する。次いで、システム５の状態に関する有用な診断情報を提供するためにこの比較情報を分析することができる。或いは、バーチャル・センサ１００は符号分析モデルに依拠したものでもよい。ここでは、接地電流、センサ信号、アクチュエータ信号など、関連するあらゆるシステム信号及び/又はデータについて符号分析がなされ、有用な診断情報を包含する特徴が抽出される。更に、バーチャル・センサ技術１００は、システム５から得られるデータの統計的分析に依拠することもできる。例えば、平均分析及び分散分析、統計評価などは有用な診断指針であることが多い。或いは、バーチャル・センサは傾向分析、タイミング分析、及び速度分析に依拠してもよい。或いは、バーチャル・センサは、線形代数、微分学、質的計算、ロジック方程式、位相分析などの計算技術に依拠してもよい。
【００１８】
又、バーチャル・センサ１００は本願と同時係属中の代理人事件番号１０３０５９号、同１０４７０７号、同１０４７０８号、同１０４７０９号、同１０４７１０号、同１０４７５９号、同１０４７２８号（これらの出願の全文を参照として本明細書中に援用する）に記載されるような画像品質分析技術に基づいたものであってもよい。この場合、例えばプリンタ又は写真複写機からの出力画像に画像品質分析及び/又は欠陥認識分析を施す。この分析により得られたマトリックスを、システム５の状態を判断する助けとなるよう、事象ジェネレータ２００へ送ることができる。センサ信号を用いる場合、バーチャル・センサ信号はシステムの正常動作の一部として生成されてもよく、又は特別な試験モード又は診断モードにおいて発せられる特別なコマンドに応答する形で生成されてもよい。
【００１９】
事象ジェネレータ２００は、システムコントローラ２０、システムセンサ３０及びバーチャル・センサ１００から送られる１つ又はそれ以上のタイプのデータを取得し、分析する。事象ジェネレータ２００は、種々のセンサ、バーチャル・センサ、及び/又はコントローラから得られるデータを収集し、必要に応じて記憶するために、連続的に或いは所定の時系列で動作することができる。事象ジェネレータはこのデータを診断システム３００が認識できるフォーマットに変換する。この変換の例として、１つ又はそれ以上のセンサから得られるアナログデータを離散させ、質的な値へ変換することが挙げられる。或いは、この変換の例として、例えば高から低、オンからオフへの変化のような特別な信号変化を検出することにより、機械信号を離散事象のシーケンスへ変換することが挙げられる。
【００２０】
或いは、事象ジェネレータは、適切にフォーマットされたパス又はフェイル値などの特別なシステム試験結果を診断システム３００へ送ってもよい。最後に、事象ジェネレータ２００はバーチャル・センサの分析結果を診断システム３００のための量的フォーマットに変換することができる。事象ジェネレータにより送られるデータは、診断システム３００の性質及び要求に応じたものであれば、時刻を伴っているか否かは問わない。従って、事象ジェネレータ２００はセンサ、バーチャル・センサ、及びコントローラのうち１つ又はそれ以上からのデータを、システム５の動作に対応する離散事象へ変換する。これらの事象を適切な順序で診断システムへ送るため、例えば種々のコマンドやセンサ変化などの関連する信号変換、及びそれらの発生順序、試験シーケンス、及びバーチャル・センサ出力の順序は、例えば診断のための運転の開始時に参照されるテーブルなどに予め規定されている。このテーブルは、例えば診断システム３００が認識する「事象」のリストを含む。
【００２１】
次いで、診断システム３００は事象ジェネレータ２００が決定した離散事象を分析し、これらの事象に基づいてシステム５の状態を評価する。評価された状態は、例えば正常状態、故障モード、又は予知された故障モードなど、システム状態を反映している。診断システムは、モデルベースの推論、離散事象システム診断技術、拘束プログラミング、ベイズのネットワーク、因果関係ネットワーク、ニューラルネットワーク、エキスパートシステムなどのような質的推論方式に依拠している。殊に離散事象システムベースの診断エンジンは、共にM.Sampathらの「Diagnosibility of Discrete Event System(IEEE,1995)」及び「Failure Diagnosis Using Discrete Event Models(IEEE,1996)」（両文献の全文を参照として本明細書中に援用する）に議論されているように設計及び製造することができる。診断システムの出力（例えば故障モードなど）は、ユーザインタフェース、連結された或いは遠隔の監視位置又はユーザインタフェース、サービス技師、部品供給業者、ウエブページ、Ｅメールアドレスなどの出力デバイス４００へ出力され得る。或いは、又はこれに加えて、診断システムの出力は、故障に応じて適切な修復動作を決定する修復計画モジュール５００へ伝えられてもよい。修復動作はカスタマーによる修理、サービスコールの設置、及び/又は例えば自律修復エージェントにより行われる自律修復のうち１つ又はそれ以上、或いはこれらの組合せとすることができる。修復計画モジュール５００の出力は、例えばカスタマーへの「部品交換」メッセージであってもよく、或いは自動セットアップ手順の実行を含んでいてもよい。修復動作が決定されると、修復計画システムの出力は代理人事件番号１０３２４４号に記載されているような適切な受け手に送られる。
【００２２】
図２は、バーチャル・センサ技術を多数の特定の例として示したハイブリッド診断システムのブロック図である。特に、ハイブリッド診断システムは診断システム３００、事象ジェネレータ２００、１つ又はそれ以上のバーチャル・センサ１００、システム５、及びシステム５からバーチャルセンサ１００への１つ又はそれ以上の組のデータストリーム（例えば、アナログデータストリーム１０５０及びデジタルデータストリーム１０６０）を含む。バーチャル・センサ１００は符号分析モジュール１００５、統計分析モジュール１０１０、閾値分析モジュール１０１５、速度分析モジュール１０２０、量的状態評価モジュール１０２５、制御シーケンス監視モジュール１０３０、閾値分析モジュール１０３５、事象カウンタモジュール１０４０、及びタイマーモジュール１０４５のうち１つ又はそれ以上、或いはこれらの組合せとしてもよい。
【００２３】
符号分析モジュール１００５は、アナログ信号ストリーム１０５０から送られる信号を分析し、例えば感知した信号を記憶されている信号の符号と比較し、又は信号の所定パラメータを算出することができる。符号分析はアナログストリーム１０５０から送られる生の信号に対して、或いは例えば生の信号から抽出された１組の所定の特徴的変数に対して実行することができる。統計分析モジュール１０１０はアナログデータストリーム１０５０から１つ又はそれ以上のアナログ信号を受け取り、統計分析に基づいて（１つ又は複数の）データストリームの特徴（平均、分散、白色度など）を決定する。閾値分析モジュール１０１５は受け取ったデータを閾値と比較することにより状態情報を推論する。速度分析センサ１０２０は１つ又はそれ以上のシステム変数の増加/減少などの変化の速度を監視する。量的状態評価モジュール１０２５は例えばルエンベルガー(Luenberger)の観測器、ロバスト観測器、カルマン・フィルタ、故障検出フィルタ、パリティ空間方式、パラメータ推定技術などの方式に基づいた分析冗長度に依拠したものであってよい。制御シーケンス監視センサ１０３０はシステム制御コマンドを監視し、例えばシーケンス外れコマンド又はミッシングコマンドを決定する。閾値分析センサ１０３５は受け取ったデータを閾値と比較することにより状態情報を導出する。事象カウンタセンサ１０４０はシステム事象を計数し、タイマーセンサ１０４５はシステム５の事象のタイミングを監視し分析する。
【００２４】
図３は本発明に従った診断システムの別の例を示している。この例示的実施形態はシステム５、１つ又はそれ以上のシステムセンサ３０、ここでは状態評価部(estimator)１００であるバーチャル・センサ、フィードバックコントローラ９５、事象ジェネレータ２００及び診断エンジン３００を含む。特に、この実施形態は、閉ループ制御システムと例えばカルマン・フィルタのようなバーチャル・センサに基づいた統計による状態評価との相互作用を示している。
【００２５】
図４は、本発明に従ったシステムモデル及び診断システムの開発を示す、例示的な流れ図である。特に、システムモデルの生成のために、コンポーネントモデル、コントローラモデル、及び１つ又はそれ以上の故障徴候テーブルがコンパイルされている。コンポーネントモデルはシステムコンポーネントの正常モードと故障モードの両方を捕捉する。コントローラモジュールは、システムの正常動作の一部として、或いは動作の特別な試験又は診断モードの間に発せられる種々の順序の制御コマンドを捕捉する。コントローラモデルは診断システムの設計及び実施に応じて任意に用いるべきものであり、コントローラを明瞭に作成する際に必須のものでないことに留意されたい。故障徴候テーブルは、システム動作の正常モードと同様に、種々の故障モードのために診断システムが用いるセンサ及びバーチャル・センサからの出力が列挙されている。次いでこのシステムモデルは、診断要求の一覧表と共に、診断推定エンジンを生成するために用いられる。診断要求は、例えば各故障を個別に診断するべきか否か、或いは１区分の故障のうちの１つが発生しているか否かを決定することで十分か否かなど、それによって故障を診断すべき解決方法を特定する。特に、離散事象システム診断方式の場合、システムモデル及び診断エンジンの生成は、共にM. Sampathらによる「Diagnosibility of Discrete Event System(IEEE,1995)」及び「Failure Diagnosis Using Discrete Event Models(IEEE,1996)」（両文献の全文を参照として本明細書中に援用する）で議論されているアルゴリズムに従って行われる。又、診断エンジンは、システムモデルを生成する中間フェーズなしに、コンポーネントモデル、コントローラモデル及び故障徴候テーブルから直接合成されてもよいことに留意されたい。
【００２６】
図５乃至図１１は、例示的な簡単な電子システムにおける本発明に従ったシステムの作業の仕方を示したものである。特に、例示的電子システムはプリンタ及び写真複写機であり、診断されるサブシステムはプリンタや写真複写機中の給紙アセンブリである。
【００２７】
特に、図５は診断システムを組み込んだ給紙システムの例示的機能ブロック図を示す。この場合、システムコントローラにより発せられる制御コマンドは、種々の給紙システムコンポーネントを駆動する給紙モータ、用紙トレイ内の積み重ねた用紙を持ち上げるエレベータ・モータ、及びオンとオフで給紙を制御する取得ソレノイドを回転させるコマンドである。システム内のセンサは、用紙の到着を検出する待機ステーションセンサ、及び用紙トレイ内の用紙の高さを検査する積層高さセンサである。このシステムでは２種類のバーチャル・センサが用いられている。１つは特徴抽出及び判別分析ベースのバーチャル・センサ、もう１つは１組のカウンタ・センサである。１つのカウンタが連続した給紙について積層高さセンサの読取値を追跡し、他方のカウンタが給紙された紙数を追跡する。診断される故障としては、モータの空転、ソレノイドの破損及び劣化、給紙ローラの損傷、及び紙ずれが挙げられる。
【００２８】
図６は、図５の診断システムをより詳細に図示している。図５に関して既に議論したように、印刷システム１０は給紙サブシステム２０、給紙システムコントローラ３０、給紙システムセンサ４０を含む。更に、システム１０の診断部はバーチャル・センサシステム１００、事象ジェネレータシステム２００、診断システム３００及び出力デバイス４００を含む。これらは全てリンク５０で相互接続されている。
【００２９】
リンク５０は配線によるものでも、ワイヤレスリンクであっても、或いは接続されたコンポーネント間で電子データを授受することのできる他の公知の又は将来的に開発される（１つ又は複数の）要素であってもよい。
【００３０】
バーチャル・センサシステム１００はデータ収集デバイス１１０、特徴抽出デバイス１２０、判別分析デバイス１３０、ピーク電流検出回路１４０、パワースペクトル振幅決定回路１５０、分類回路１６０、給紙カウンタ１７０及び積層高さセンサカウンタ１８０を含む。
【００３１】
事象ジェネレータシステム２００は制御データ変換回路２１０、センサデータ変換回路２２０、バーチャル・センサ変換回路２３０及び事象シーケンサ回路２４０を含む。診断システム３００はコントローラ３１０、Ｉ/Ｏコントローラ３２０、状態評価部３３０、及びシステム状態情報アセンブラ３４０を含む。
【００３２】
前述の如く、給紙システムコントローラ３０、給紙システムセンサ４０、及びバーチャル・センサ１００からの情報は事象ジェネレータシステム２００へ送られる。即ち、その中から「事象」を直接的に相関させることのできる情報が事象ジェネレータシステム２００に直接送られる。
【００３３】
システムコントローラやセンサによって直接的に検出できる、或いは直接的には検出できない更なるシステム「事象」を生成するため、センサ４０からの情報、及び更に全ての給紙システムコンポーネントにより引き出される電流の集合体である接地電流からの情報がバーチャル・センサデバイス１００に送られる。データ収集デバイス１１０がこの情報を追跡し記憶する。取得したデータを用いて、又更に進んだシステム状態の決定のため、給紙カウンタ１７０、積層高さセンサカウンタ１８０、特徴抽出デバイス１２０及び判別分析デバイス１３０を用いて、システムコントローラ１２０及びシステムセンサ３０のうち１つ又はそれ以上からは容易に得ることのできないシステム状態に関する情報を抽出する。積層高さカウンタ１８０は、連続した給紙に関する積層高さセンサの読取値を追跡し、給紙カウンタ１７０は連続した給紙に関して待機ステーションセンサを監視することにより、給紙された紙数を追跡する。
【００３４】
例示的に、特徴抽出デバイス１１０はピーク電流検出回路１３０及びパワースペクトル振幅決定回路１４０を含む。但し、ピーク電流検出回路１３０とパワースペクトル振幅決定回路１４０に代えて、或いはこれらと共にパワースペクトル周波数、振動信号分析結果、時間−周波数信号などのような他の特徴を、バーチャル・センサシステム１００の動作に影響を及ぼすことなく用いることができることを理解されたい。この例では、ピーク電流検出回路１４０は、例えば給紙システムコンポーネントにより引き出されるピーク電流を監視し記憶する。更に、パワースペクトル振幅決定回路１５０は給紙システムコンポーネントにより引き出される接地電流のパワースペクトル振幅を監視し集合させる。（１つ又は複数の）所望の特徴が抽出されると、特徴は判別分析デバイス１３０へ送られる。
【００３５】
前述の如く、これらの特徴の計算を容易にし、又システムの対応する故障モードに特徴をマッピングすることを容易にするために、例えば、ピーク電流及びパワースペクトル振幅を選択する。但し、これらのマッピングはいずれも、システムの動作中に発生する特徴値における統計的変化を説明するものでなければならない。従って、判別分析デバイス１３０において多変量判別分析を行うことが好ましい。多変量解析についての議論はT. W. Andersonの「An Introduction to Multivariate Statistical Analysis」(Second Edition, 1984)及びD. Morrisonの「Multivariate Statistical Methods」(1976)を参照されたい（上記文献は何れも全文を参照として本明細書中に援用する）。
【００３６】
判別分析デバイス１２０は典型的には分類回路を含む。この例では、分類部は２次分類回路１６０である。但し、判別分析デバイスはあらゆる公知の多変量解析技術に依拠したものとすることができる。特に、この他にも、本発明の動作上の特徴に影響することなく本発明のシステム及び方法と組み合わせて用いることのできる、分類アルゴリズムが異なる数多くの、分類部の設計のためのアルゴリズムが存在する。これに関しては例えばR. Dudaの「Pattern Classification and Scene Analysis」(1973)（同文献の全文を参照として本明細書中に援用する）や先に引用した「An Introduction to Multivariate Statistical Analysis」や「Multivariate Statistical Methods」を参照されたい。実施例は線形分類、論理回帰、主成分分析、ベイズの分類などを含むが、これらに限定されない。
【００３７】
２次分類部１６０は、例えば総クラスタ数、それらに対応する識別数、クラスタの平均値及び共分散行列、及び各クラスタ毎のパラメトリック定数を含む分類部パラメータに基づいて動作する。一般的に、判別分析デバイス１３０は特徴抽出デバイス１２０により集合化されたデータを分析し、所与の特徴の標本集合の特徴変数により張られる多次元空間における各グループにより形成される領域又はクラスタからの距離に基づいて、特徴集合を所与のクラスタのうちの任意の１つに分類する。次いで、標本点を最も近似度の高いクラスタに分類する。バーチャル・センサシステム１００の場合、クラスタは異なる状態（例えば、故障モード）に対応する。クラスタ名又はクラスタ数が、バーチャル・センサシステム１００の出力である。次いで、事象ジェネレータシステム２００がこのクラスタを「事象」に変換する。
【００３８】
事象ジェネレータシステム２００はシステムセンサ、コントローラ、及びバーチャル・センサから送られた種々の情報を変換し、これらの情報を診断システム３００により認識可能な離散事象へ変換する。特に、制御データ変換回路２１０は１つ又はそれ以上のシステムコントローラからデータを受け取り、センサデータ変換回路２２０は１つ又はそれ以上のシステムセンサ３０からデータを受け取り、またバーチャル・センサ変換回路２３０はバーチャル・センサ１００のような１つ又はそれ以上のバーチャルセンサからデータを受け取る。事象ジェネレータシステム１００はこの情報を、例えばデータを「離散事象」データへ変換するためのルックアップテーブルと比較する。事象シーケンサ回路２４０は種々の事象を順に配列し、これらを正しい順序で診断システム３００へ送る。
【００３９】
診断システム３００は、事象ジェネレータシステム２００より送られる離散事象を解釈し、それに対応するマシン状態情報を生成する。診断システムは、質的情報が「事象」を通じて提供される、システムの質的モデルに依拠している。診断システムは、離散事象システム診断技術、モデルベースの推論、ベイズの推論、拘束ベースのプログラミング、ニューラルネットワーク、及び因果関係ネットワークなどの多数の異なる技術のうちの１つ又はそれ以上に依拠している。典型的には、診断システム３００の設計及び実行にあたり、２つの方法がある。第１の方法では、１つ又はそれ以上のコンポーネントモデル、コントローラモデル、及び故障システムテーブルを診断要求と組み合わせて用い、診断推定エンジンを生成する。生成された診断推定エンジンは、例えばルックアップテーブル又はルールベースのシステムなどの、診断システム３００のメモリに記憶される。実際の診断時には、推定は事象ジェネレータシステム２００により生成された「事象」に基づいて推定エンジンの状態を更新することにより容易に行われる。或いは、完全システムモデル又はコンポーネントモデル及び故障徴候テーブルのいずれかを診断システム３００のメモリに記憶させ、「事象」としてオンラインで行われる診断計算を事象ジェネレータシステム２００から受け取ることができる。即ち、診断推定エンジンは診断プロセスの間に累加的に生成され得る。
【００４０】
診断システムからの状態情報の出力は、例えば機械が正常作動しているか否か、即ち故障のないこと、或いは何らかの故障発生の有無、何らかの故障発生の疑いの有無、或いは故障発生の予知の有無を示すことができる。システムの現在の状態が決定されると、システム状態情報アセンブラ３４０が適切なメッセージを集め、リンク５０を介して出力デバイス４００へ伝送する。
【００４１】
出力デバイス４００は、診断システム３００により出力される状態情報又は故障情報を表示するためのユーザインタフェースなどの局所出力ディスプレイモジュールとしてもよい。出力デバイス４００は、例えば高レベルの状態インディケータ及び故障リストを表示するユーザインタフェースであってもよい。適切に着色できる、或いは音声により強調することのできる高レベルのインディケータは、現在のマシン状態を特定する。例えば、状態は正常、故障疑い、確定的故障としてもよい。故障リストは故障（故障疑いと確定的故障の両方）を例えばユーザインタフェースの別々の区分に表示する。或いは、出力デバイス４００は代理人事件番号１０３２４４号に記載されるような、診断情報の受取りと通信チャネルとを有する遠隔表示モジュールとすることもできる。
【００４２】
図７は、図６のシステムと関連する例示的なフローチャートである。制御は印刷及び/又は複写ジョブが開始されるステップＳ１０から始まる。次いで、ステップＳ２０で、給紙システム制御コマンド及びセンサ信号電荷を得る。更に、ステップＳ５０で、接地線電流のサンプルを得る。次にステップＳ３０で、制御及び/又はセンサ信号を分析し、図８の例で示すような例示的な事象ジェネレータシステム出力において特定されるような事象を得る。一方、ステップＳ６０では、バーチャル・センサがピーク電流及パワースペクトル振幅特徴を接地線電流サンプルから例示的に抽出する。次いで、ステップＳ７０で、抽出された特徴を、例えば特定された分類パラメータを用いて所定数のクラスタのうちの１つに分類し、分類番号を出力する。
【００４３】
ステップＳ４０で、事象ジェネレータが制御及び/又はセンサ事象を診断システムにより特定された順に分類部の出力と組み合わせる。次いで、ステップＳ８０でこれらの事象を診断システムへ送る。更に、ステップＳ９０で、診断システムが事象に基づいてシステム状態を決定する。次いで、ステップＳ１００で、診断システムにより決定された状態情報、又は故障を出力する。
【００４４】
図８は、例示的な給紙アセンブリに関する事象ジェネレータシステムの例示的出力を示す。特に、事象ジェネレータテーブルは、給紙システムの状態を評価するために診断システム３００に送られる事象番号及び/又は事象名を含む。前述の如く状態評価部３６０によりマシン状態が決定されると、システム状態情報アセンブラ３４０が適切な状態情報を出力デバイス４００又は修復計画モジュール５００へ送る。
【００４５】
図９及び図１０は２次分類回路１６０の例示的な動作を示す。例えば、図９に示す例示的給紙システムの場合、分類部のオフライン設計段階において、各クラスタ又はグループ毎に、即ち正常モードと各故障モード毎に、プリンタ及び/又は複写機に多数の給紙が行われ、これらの給紙に関わる特徴を得る。次いで、選択した分類部構成の区分（２次、線形構成など）に対して、統計ツールを用いて分類パラメータが決定される。
【００４６】
図１０には、オフライン設計又は学習段階が完了した後の、分類部のオンライン作業中のクラスタの決定方法が示されている。特に、各クラスタからの特徴ベクトルの距離は、オフライン設計段階において計算される分類部パラメータを用いて算出される。次いで、最も近似度の高いクラスタを事象ジェネレータシステム２００に出力する。
【００４７】
図１１は図６の例示的システムのための例示的な診断システムの一部を示す。この例における診断システムは、ルールベースのシステムとして示されている。診断推定エンジンを診断部とよぶ。
【００４８】
図１２は、本発明に従った診断システムの例示的一実施形態を概略した例示的フローチャートを示す。制御はステップＳ１０００より開始され、ステップＳ１１００へ続く。ステップＳ１１００では、１つ又はそれ以上のシステムセンサ及びコントローラを監視し、必要に応じてセンサから収集されたデータを記憶する。次の、或いはステップＳ１１００と並行するステップＳ１２００では、１つ又はそれ以上のバーチャル・センサを監視し、必要に応じてセンサより収集されたデータを記憶する。次いで、ステップＳ１３００で、収集されたデータを例えば事象シーケンステーブルに基づいて事象データに変換する。制御はステップＳ１４００に進む。
【００４９】
ステップＳ１４００では、システムの状態を評価するために事象データを分析する。次いで、ステップＳ１５００では、システムの故障状態に関する情報を出力する。制御はステップＳ１６００に進み、制御シーケンスが終了する。
【００５０】
図１乃至図１１に示す如く、診断及び故障予知システムは単体のプログラム汎用コンピュータ又は別体のプログラムされた汎用コンピュータのいずれかにおいて実施されることが好ましい。但し、診断及び故障予知システムは専用コンピュータ、プログラムされたマイクロプロセッサ又はマイクロコントローラ、及び（１つ又は複数の）周辺集積回路素子、ＡＳＩＣ及び他の集積回路、デジタル信号プロセッサ、離散素子回路などの配線による電子回路又はロジック回路、ＰＬＤ、ＰＬＡ、ＦＰＧＡ、ＰＡＬなどのプログラム可能ロジックデバイス上で実施することもできる。一般に、有限状態マシンを実施することのできる、即ち図１２に示すフローチャート及び作業流れ図を実施することのできるあらゆるデバイスを、診断及び故障予知システムの実施のために用いることができる。
【００５１】
更に、ここに開示された方法は、種々のコンピュータ又はワークステーションハードウェアプラットフォームで使用することのできるポータブルソースコードを提供するオブジェクト又はオブジェクト指向ソフトウェア開発環境を用いるソフトウェアにおいても容易に実施できる。或いは、開示された探索システムは標準的なロジック回路又はＶＬＳＩ設計を使用するハードウェアにおいて部分的に或いは完全に実施することができる。本発明に従ったシステム及び方法の実施にあたりソフトウェアを用いるかハードウェアを用いるかは、システム速度及び/又は効率上の要求、特定機能、及び利用される特定のソフトウェア又はハードウェアシステム或いはマイクロプロセッサ又はマイクロコンピュータシステムによって異なる。但し、それほど専門的な経験がなくとも、コンピュータ技術に関する一般的な知識を有する当業者は、本明細書中の機能に関する記載を読めば、上述した診断及び故障予知システム及び方法を、あらゆる公知の或いは将来的に開発されるシステム又は構造を用いるハードウェア又はソフトウェア、デバイス及び/又はソフトウェアにおいて容易に実施することができる。
【００５２】
更に、本明細書に開示された方法は、プログラムされた汎用コンピュータ、専用コンピュータ、マイクロプロセッサなどで実行されるソフトウェアとして容易に実施することができる。この場合、本発明の方法及びシステムは、Ｊａｖａ（登録商標）やＣＧＩスクリプトなどのような、パソコンに組み込まれたルーチンとして、サーバ又はワークステーションにあるリソースとして、或いは専用の診断及び故障予知システムに組み込まれたルーチンなどとして実施することができる。又、診断及び故障予知システムは、ワークステーション又は専用診断システムのハードウェア及びソフトウェアシステムなどのソフトウェア及び/又はハードウェアシステムにシステム及び方法を物理的に組み入れることにより、実施することができる。
【００５３】
よって、本発明に従って、電子システムの診断及び故障予知のためのシステム及び方法が提供されることは明らかである。本発明を好適な実施形態に関連させて記述したが、当然ながら当業者には多くの代替、修正、及び変更が可能である。従って、出願人は本発明の精神及び範囲内にある代替、修正及び変更を全て包括することを意図している。
【図面の簡単な説明】
【図１】本発明に従った診断システムの第１の実施形態を示す、機能を表すブロック図である。
【図２】本発明に従った診断システムの第２の実施形態を示す、機能を表すブロック図である。
【図３】本発明に従った診断システムの第３の実施形態を示す、機能を表すブロック図である。
【図４】本発明に従った診断システムを開発するための例示的な作業フローチャートである。
【図５】本発明に従った例示的な監視システムを示す。
【図６】図５の例示的監視システムの機能を表す詳細なブロック図である。
【図７】図６に示された例示的監視システムのための例示的な作業フローチャートである。
【図８】図６の例示的システムのための事象ジェネレータシステムの例示的な出力を示す図である。
【図９】図６に示した例示的システムのための分類部の設計を示す例示的な作業フローチャートである。
【図１０】図６に示した例示的システムのための分類部の動作を示す例示的な作業フローチャートである。
【図１１】図６に示した例示的システムのための例示的な診断システムの一部を示す。
【図１２】本発明に従った診断システムのための方法の第１の例示的実施形態の概要を示すフローチャートである。
【発明の属する技術分野】
本発明は、診断システムに関する。特に、本発明は、ハイブリッド診断技術を用いてシステムを診断するためのシステム及び方法に関する。
【０００２】
【従来の技術】
プリンタや写真複写機といった現行の電子システムは、故障が発生すれば運転が停止する。マシンに１つ又はそれ以上の故障が発生すると、マシン内の専用センサが、監視中のコンポーネント（構成要素）に故障が生じたことを表すエラーメッセージを例えばユーザインタフェースに表示する。このエラーメッセージは故障した監視中のコンポーネントに関する包括的な情報を含む。ユーザはこのエラーメッセージの内容に基づき自ら修理を行ったり、又は例えばカスタマーサービス技師に連絡をとり、マシンについてのサービスコールを利用することができる。
【０００３】
【発明が解決しようとする課題】
上記のシステムは感知できるコンポーネントについては有用であるが、故障箇所が監視中のコンポーネントでない場合には、どのコンポーネントに故障が発生したかを判断することができない。又、上記のシステムは事後的に故障を認識するため、故障又は潜在的な故障を動的にリアルタイムで診断することはできない。従って、サービスにかかる時間、コストは共に増大し、又マシンのダウン時間も長くなる。こういった事態はカスタマーの不満につながる。
【０００４】
【課題を解決するための手段】
本発明は、（１つ又は複数の）電子システムの１つ又はそれ以上のコンポーネントの状態を診断し及び/又は予知するハイブリッド診断方式において、質的モデルベースの推論と量的分析技術を組み合わせて用いるシステム及び方法を提供する。量的方式は、例えば従来の監視装置から送られるマシンデータの分析に依拠する。このハイブリッド診断方式では、マシンの通常運転に必要なセンサ以外にセンサをほとんど或いは全く用いずに、個々のコンポーネントレベルに至るまで診断及び予知を行うことができる。このハイブリッド技術により、例えばサービスコストの低減、マシンの動作可能時間の延長、及びカスタマー満足度の改善のため、電子システムはカスタマージョブの実行動作中に自己診断ができるようになる。或いは、本発明のシステム及び方法は、マシンの製造過程及び耐用期間中のあらゆる段階において、直接監視の有無を問わず、例えば個々のコンポーネントレベルに至るまで故障の診断を補助するために用いることができる。
【０００５】
本発明のシステム及び方法は、リアルタイムでの故障診断及び予知を行うことのできるハイブリッド診断方式を達成するため、質に関する離散事象システム診断方法論を量的分析方法論と組み合わせて用いている。
【０００６】
本発明は、プリンタ、写真複写機、スキャナ、ファクシミリ機などのドキュメント処理システムを診断するハイブリッド診断方式において、質的モデルベースの推論と量的分析を組み合わせて用いるシステム及び方法を別個に提供する。
【０００７】
本発明の診断システム及び方法は、知的自己診断機の設計及び製造を可能とする。特に、本発明の診断システム及び方法は１つ又はそれ以上のマシンのコンポーネントの信号変化を監視し追跡する。この監視はリアルタイムで、或いは所定の間隔、又はユーザの選択した間隔で行うことができる。監視はデバイスの通常動作モードで、又は特別な診断モードで行うことができる。
【０００８】
本発明のシステム及び方法は、システム中で発生する「事象」（例えば、コマンド、制御信号、センサの読込み、高から低の信号変化、試験結果、故障のフラグ、カウンタ、パラメータの変化など）を調べることにより１つ又はそれ以上のシステムの動作を監視する診断方法論を利用する。診断システムは、これらの事象の発生に基づいてシステム状態を評価することができ、この状態評価から、故障などシステムの現在の動作状態を推定する。
【０００９】
本発明の診断システム及び方法はハイブリッド方式による診断に依拠するため、診断システムは多数の診断情報源に対処し、例えば１つ又はそれ以上のバーチャル・センサから送られる１つ又はそれ以上の監視中の信号変化及びその他の情報に基づいてマシン状態を評価することができる。従って、診断システムはセンサ数及び/又はバーチャル・センサによる入力数によって制限されない。本発明のシステム及び方法におけるバーチャル・センサの使用はマシンセンサへの補助となり、又センサを追加設置する必要性を低減し又はなくしながら、個々のコンポーネントレベルでのマシンの診断を助ける。
【００１０】
従って、該診断システムは１つ又はそれ以上のシステムの動的追跡を行うことができ、又センサ、バーチャル・センサ及びインディケータなどの多数の情報源から推測することができる。更に、診断システムは、少なくとも故障したコンポーネント（例えば現場交換可能なユニットやカスタマー交換可能ユニットなど）にまで遡って、マシン状態（故障、故障の疑い又は予知された故障など）を識別することができる。
【００１１】
特に、システムコントローラ、システムセンサ及びバーチャル・センサのうち少なくとも１つが、１つ又はそれ以上のシステムから、又は必要に応じてサブシステムから事象ジェネレータへ情報を送る。事象ジェネレータは１つ又はそれ以上のシステム、コントローラセンサ、及び/又はバーチャル・センサからの情報をコンパイルし、受け取った情報に基づいて「事象」を発生する。この「事象」は診断システムへ送られる。診断システムは、事象を分析し、例えばシステム中の１つ又はそれ以上のコンポーネントの有限状態マシンモデル、システムの拘束ベースモデル、ルールベースのシステムなどに基づいてシステム状態を評価することができる。例えば、正常状態、故障モード、又は予知された故障モードなど、システム状態を反映する状態評価は、１つ又はそれ以上の出力デバイスへ出力されることができる。更に、システム状態に関する情報はユーザ、システムオペレータ、サービス及びカスタマーサポートの提供者、自律修復エージェント、連結された或いは遠隔の受け手、又は本願と同時係属中の代理人事件番号１０３２４４号（同出願の全文を参照として本明細書中に援用する）に記載されているような分散ネットワークのうち、少なくとも１つ又はそれ以上に送られる。
【００１２】
従って、本発明のハイブリッド診断システム及び方法は、例えば診断サーバに「フロントエンド」を提供することができる。この「フロントエンド」は、カスタマー、自律修復エージェント、サービス提供者及び/又は消耗部品の供給業者のうち１つ又はそれ以上に、特定のデータタイプを直接的或いは間接的に伝送するための適切な動作を決定し、故障を予知された、又は故障したシステムへの適切な補助、修理、又は部品供給業者に、マシンの修理又は整備のための適切な情報又は部品を通知することができる。
【００１３】
本発明の上述の及び他の特徴及び利点は、好適な実施形態を詳述した以下の記載より明らかとなろう。
【００１４】
【発明の実施の形態】
本発明の好適な実施形態を、添付の図面を適宜参照しながら以下に詳述する。
本発明のシステム及び方法は、ハイブリッド診断方法論を用いることにより、システムに関する状態データを取得することを必要とするプリンタ、写真複写機、又は他の任意のシステムなどのマシンの１つ又はそれ以上のコンポーネントの動作状態の決定に必要なデータを取得及び処理することができる。従って、本発明のシステム及び方法は、効率よく予知、診断、修理、計画を行い、及び/又は１つ又はそれ以上の監視中のシステムへサービス及び/又は部品を届けるために、複数のエンドユーザ、サービス/部品供給業者、及び/又は１つ又はそれ以上の診断サーバ及び２次情報源間で種々の状態データタイプを取得、処理及び巡回させることを可能とする「フロントエンド」を提供することができる。
【００１５】
図１は本発明に従ったハイブリッド診断システム１のシステム概観を示す。この例示的実施形態では、監視中のシステム５は診断システムとは別体である。但し、本発明のシステム及び方法に関連して記述される種々のコンポーネントは、監視中の実デバイス又はシステム内、例えば１つ又はそれ以上の配線により、或いはワイヤレス方式（ネットワーク、インターネット、イントラネット、或いは接続されたコンポーネント間で情報を伝達することのできる他の任意の公知のリンク、又は将来的に開発されるリンクなど）でシステム５に接続された専用診断デバイス上、及びそれらの組合せを含む、どの位置に置かれてもよいことを理解されたい。ハイブリッド診断システム１はシステムコントローラ２０、１つ又はそれ以上のシステムセンサ３０、１つ又はそれ以上のバーチャル・センサ１００、事象ジェネレータ２００、診断システム３００及び出力デバイス４００を含む。
【００１６】
システムコントローラ２０、システムセンサ３０及び/又はバーチャル・センサ１００はシステム５の状態に関する情報を収集し、この情報を事象ジェネレータ２００に送る。特に、システムコントローラ２００は、例えばシステム及びサブシステムコントローラ（図示せず）より発せられるコマンド、アクチュエータ信号、設定値信号、スケジューリング及びタイミングデータ、ジョブ情報、マシン動作モードなどのデータを事象ジェネレータ２００へ送る。制御コマンドはシステムのリアルタイム動作の一部として発せられてもよく、或いは特別な試験モード又は診断モードにおいて発せられる特別なコマンドであってもよい。更に、システムセンサ３０は、制御コマンド及び/又は試験コマンドに応答した信号変化、処理制御データなどの制御データと、特別の診断センサ及びカウンタからの出力、故障に応答した信号変化、摩耗情報、故障情報、状態情報などの監視データと、温度情報、湿度情報などの環境/動作状態データとを含むデータを事象ジェネレータ２００へ送る。センサ信号はアナログ/デジタルの別を問わず、又システムの正常動作の一部として、或いは特定の試験モード又は診断モードにおいて発せられる特別なコマンドに応答して生成される。
【００１７】
１つ又は複数のバーチャル・センサ１００は、分析手段即ち実システム情報の量的及び/又は質的処理を行うことにより、診断情報を事象ジェネレータに供給する。バーチャル・センサは１つ又はそれ以上のシステムコントローラ２０及びシステムセンサ３０より与えられる情報を補う。特に、１つ又はそれ以上のバーチャル・センサ１００は、例えば直接監視の有無に関わらずシステム５内の特定のコンポーネントに対し故障の分離を行うために、システムコントローラ２０及びシステムセンサ３０から得られるデータを用いて実行することのできる診断を改良する上での助けとなる。即ち、バーチャル・センサは「配線による」システムセンサにより供給される情報を補うために「間隙を埋める」のである。バーチャル・センサ１００に関しては種々の選択が可能である。最も簡単なバーチャル・センサ１００の例は、カウンタである。例えば、カウンタは診断目的のために印刷エンジンにおいて頻繁に用いられている。或いは、バーチャル・センサは閾値分析設計に依拠したものであってもよい。閾値分析では、システム５からの信号を所定値と比較し、信号値が上限或いは下限を越えているか否かを決定する。次いで、システム５の状態に関する有用な診断情報を提供するためにこの比較情報を分析することができる。或いは、バーチャル・センサ１００は符号分析モデルに依拠したものでもよい。ここでは、接地電流、センサ信号、アクチュエータ信号など、関連するあらゆるシステム信号及び/又はデータについて符号分析がなされ、有用な診断情報を包含する特徴が抽出される。更に、バーチャル・センサ技術１００は、システム５から得られるデータの統計的分析に依拠することもできる。例えば、平均分析及び分散分析、統計評価などは有用な診断指針であることが多い。或いは、バーチャル・センサは傾向分析、タイミング分析、及び速度分析に依拠してもよい。或いは、バーチャル・センサは、線形代数、微分学、質的計算、ロジック方程式、位相分析などの計算技術に依拠してもよい。
【００１８】
又、バーチャル・センサ１００は本願と同時係属中の代理人事件番号１０３０５９号、同１０４７０７号、同１０４７０８号、同１０４７０９号、同１０４７１０号、同１０４７５９号、同１０４７２８号（これらの出願の全文を参照として本明細書中に援用する）に記載されるような画像品質分析技術に基づいたものであってもよい。この場合、例えばプリンタ又は写真複写機からの出力画像に画像品質分析及び/又は欠陥認識分析を施す。この分析により得られたマトリックスを、システム５の状態を判断する助けとなるよう、事象ジェネレータ２００へ送ることができる。センサ信号を用いる場合、バーチャル・センサ信号はシステムの正常動作の一部として生成されてもよく、又は特別な試験モード又は診断モードにおいて発せられる特別なコマンドに応答する形で生成されてもよい。
【００１９】
事象ジェネレータ２００は、システムコントローラ２０、システムセンサ３０及びバーチャル・センサ１００から送られる１つ又はそれ以上のタイプのデータを取得し、分析する。事象ジェネレータ２００は、種々のセンサ、バーチャル・センサ、及び/又はコントローラから得られるデータを収集し、必要に応じて記憶するために、連続的に或いは所定の時系列で動作することができる。事象ジェネレータはこのデータを診断システム３００が認識できるフォーマットに変換する。この変換の例として、１つ又はそれ以上のセンサから得られるアナログデータを離散させ、質的な値へ変換することが挙げられる。或いは、この変換の例として、例えば高から低、オンからオフへの変化のような特別な信号変化を検出することにより、機械信号を離散事象のシーケンスへ変換することが挙げられる。
【００２０】
或いは、事象ジェネレータは、適切にフォーマットされたパス又はフェイル値などの特別なシステム試験結果を診断システム３００へ送ってもよい。最後に、事象ジェネレータ２００はバーチャル・センサの分析結果を診断システム３００のための量的フォーマットに変換することができる。事象ジェネレータにより送られるデータは、診断システム３００の性質及び要求に応じたものであれば、時刻を伴っているか否かは問わない。従って、事象ジェネレータ２００はセンサ、バーチャル・センサ、及びコントローラのうち１つ又はそれ以上からのデータを、システム５の動作に対応する離散事象へ変換する。これらの事象を適切な順序で診断システムへ送るため、例えば種々のコマンドやセンサ変化などの関連する信号変換、及びそれらの発生順序、試験シーケンス、及びバーチャル・センサ出力の順序は、例えば診断のための運転の開始時に参照されるテーブルなどに予め規定されている。このテーブルは、例えば診断システム３００が認識する「事象」のリストを含む。
【００２１】
次いで、診断システム３００は事象ジェネレータ２００が決定した離散事象を分析し、これらの事象に基づいてシステム５の状態を評価する。評価された状態は、例えば正常状態、故障モード、又は予知された故障モードなど、システム状態を反映している。診断システムは、モデルベースの推論、離散事象システム診断技術、拘束プログラミング、ベイズのネットワーク、因果関係ネットワーク、ニューラルネットワーク、エキスパートシステムなどのような質的推論方式に依拠している。殊に離散事象システムベースの診断エンジンは、共にM.Sampathらの「Diagnosibility of Discrete Event System(IEEE,1995)」及び「Failure Diagnosis Using Discrete Event Models(IEEE,1996)」（両文献の全文を参照として本明細書中に援用する）に議論されているように設計及び製造することができる。診断システムの出力（例えば故障モードなど）は、ユーザインタフェース、連結された或いは遠隔の監視位置又はユーザインタフェース、サービス技師、部品供給業者、ウエブページ、Ｅメールアドレスなどの出力デバイス４００へ出力され得る。或いは、又はこれに加えて、診断システムの出力は、故障に応じて適切な修復動作を決定する修復計画モジュール５００へ伝えられてもよい。修復動作はカスタマーによる修理、サービスコールの設置、及び/又は例えば自律修復エージェントにより行われる自律修復のうち１つ又はそれ以上、或いはこれらの組合せとすることができる。修復計画モジュール５００の出力は、例えばカスタマーへの「部品交換」メッセージであってもよく、或いは自動セットアップ手順の実行を含んでいてもよい。修復動作が決定されると、修復計画システムの出力は代理人事件番号１０３２４４号に記載されているような適切な受け手に送られる。
【００２２】
図２は、バーチャル・センサ技術を多数の特定の例として示したハイブリッド診断システムのブロック図である。特に、ハイブリッド診断システムは診断システム３００、事象ジェネレータ２００、１つ又はそれ以上のバーチャル・センサ１００、システム５、及びシステム５からバーチャルセンサ１００への１つ又はそれ以上の組のデータストリーム（例えば、アナログデータストリーム１０５０及びデジタルデータストリーム１０６０）を含む。バーチャル・センサ１００は符号分析モジュール１００５、統計分析モジュール１０１０、閾値分析モジュール１０１５、速度分析モジュール１０２０、量的状態評価モジュール１０２５、制御シーケンス監視モジュール１０３０、閾値分析モジュール１０３５、事象カウンタモジュール１０４０、及びタイマーモジュール１０４５のうち１つ又はそれ以上、或いはこれらの組合せとしてもよい。
【００２３】
符号分析モジュール１００５は、アナログ信号ストリーム１０５０から送られる信号を分析し、例えば感知した信号を記憶されている信号の符号と比較し、又は信号の所定パラメータを算出することができる。符号分析はアナログストリーム１０５０から送られる生の信号に対して、或いは例えば生の信号から抽出された１組の所定の特徴的変数に対して実行することができる。統計分析モジュール１０１０はアナログデータストリーム１０５０から１つ又はそれ以上のアナログ信号を受け取り、統計分析に基づいて（１つ又は複数の）データストリームの特徴（平均、分散、白色度など）を決定する。閾値分析モジュール１０１５は受け取ったデータを閾値と比較することにより状態情報を推論する。速度分析センサ１０２０は１つ又はそれ以上のシステム変数の増加/減少などの変化の速度を監視する。量的状態評価モジュール１０２５は例えばルエンベルガー(Luenberger)の観測器、ロバスト観測器、カルマン・フィルタ、故障検出フィルタ、パリティ空間方式、パラメータ推定技術などの方式に基づいた分析冗長度に依拠したものであってよい。制御シーケンス監視センサ１０３０はシステム制御コマンドを監視し、例えばシーケンス外れコマンド又はミッシングコマンドを決定する。閾値分析センサ１０３５は受け取ったデータを閾値と比較することにより状態情報を導出する。事象カウンタセンサ１０４０はシステム事象を計数し、タイマーセンサ１０４５はシステム５の事象のタイミングを監視し分析する。
【００２４】
図３は本発明に従った診断システムの別の例を示している。この例示的実施形態はシステム５、１つ又はそれ以上のシステムセンサ３０、ここでは状態評価部(estimator)１００であるバーチャル・センサ、フィードバックコントローラ９５、事象ジェネレータ２００及び診断エンジン３００を含む。特に、この実施形態は、閉ループ制御システムと例えばカルマン・フィルタのようなバーチャル・センサに基づいた統計による状態評価との相互作用を示している。
【００２５】
図４は、本発明に従ったシステムモデル及び診断システムの開発を示す、例示的な流れ図である。特に、システムモデルの生成のために、コンポーネントモデル、コントローラモデル、及び１つ又はそれ以上の故障徴候テーブルがコンパイルされている。コンポーネントモデルはシステムコンポーネントの正常モードと故障モードの両方を捕捉する。コントローラモジュールは、システムの正常動作の一部として、或いは動作の特別な試験又は診断モードの間に発せられる種々の順序の制御コマンドを捕捉する。コントローラモデルは診断システムの設計及び実施に応じて任意に用いるべきものであり、コントローラを明瞭に作成する際に必須のものでないことに留意されたい。故障徴候テーブルは、システム動作の正常モードと同様に、種々の故障モードのために診断システムが用いるセンサ及びバーチャル・センサからの出力が列挙されている。次いでこのシステムモデルは、診断要求の一覧表と共に、診断推定エンジンを生成するために用いられる。診断要求は、例えば各故障を個別に診断するべきか否か、或いは１区分の故障のうちの１つが発生しているか否かを決定することで十分か否かなど、それによって故障を診断すべき解決方法を特定する。特に、離散事象システム診断方式の場合、システムモデル及び診断エンジンの生成は、共にM. Sampathらによる「Diagnosibility of Discrete Event System(IEEE,1995)」及び「Failure Diagnosis Using Discrete Event Models(IEEE,1996)」（両文献の全文を参照として本明細書中に援用する）で議論されているアルゴリズムに従って行われる。又、診断エンジンは、システムモデルを生成する中間フェーズなしに、コンポーネントモデル、コントローラモデル及び故障徴候テーブルから直接合成されてもよいことに留意されたい。
【００２６】
図５乃至図１１は、例示的な簡単な電子システムにおける本発明に従ったシステムの作業の仕方を示したものである。特に、例示的電子システムはプリンタ及び写真複写機であり、診断されるサブシステムはプリンタや写真複写機中の給紙アセンブリである。
【００２７】
特に、図５は診断システムを組み込んだ給紙システムの例示的機能ブロック図を示す。この場合、システムコントローラにより発せられる制御コマンドは、種々の給紙システムコンポーネントを駆動する給紙モータ、用紙トレイ内の積み重ねた用紙を持ち上げるエレベータ・モータ、及びオンとオフで給紙を制御する取得ソレノイドを回転させるコマンドである。システム内のセンサは、用紙の到着を検出する待機ステーションセンサ、及び用紙トレイ内の用紙の高さを検査する積層高さセンサである。このシステムでは２種類のバーチャル・センサが用いられている。１つは特徴抽出及び判別分析ベースのバーチャル・センサ、もう１つは１組のカウンタ・センサである。１つのカウンタが連続した給紙について積層高さセンサの読取値を追跡し、他方のカウンタが給紙された紙数を追跡する。診断される故障としては、モータの空転、ソレノイドの破損及び劣化、給紙ローラの損傷、及び紙ずれが挙げられる。
【００２８】
図６は、図５の診断システムをより詳細に図示している。図５に関して既に議論したように、印刷システム１０は給紙サブシステム２０、給紙システムコントローラ３０、給紙システムセンサ４０を含む。更に、システム１０の診断部はバーチャル・センサシステム１００、事象ジェネレータシステム２００、診断システム３００及び出力デバイス４００を含む。これらは全てリンク５０で相互接続されている。
【００２９】
リンク５０は配線によるものでも、ワイヤレスリンクであっても、或いは接続されたコンポーネント間で電子データを授受することのできる他の公知の又は将来的に開発される（１つ又は複数の）要素であってもよい。
【００３０】
バーチャル・センサシステム１００はデータ収集デバイス１１０、特徴抽出デバイス１２０、判別分析デバイス１３０、ピーク電流検出回路１４０、パワースペクトル振幅決定回路１５０、分類回路１６０、給紙カウンタ１７０及び積層高さセンサカウンタ１８０を含む。
【００３１】
事象ジェネレータシステム２００は制御データ変換回路２１０、センサデータ変換回路２２０、バーチャル・センサ変換回路２３０及び事象シーケンサ回路２４０を含む。診断システム３００はコントローラ３１０、Ｉ/Ｏコントローラ３２０、状態評価部３３０、及びシステム状態情報アセンブラ３４０を含む。
【００３２】
前述の如く、給紙システムコントローラ３０、給紙システムセンサ４０、及びバーチャル・センサ１００からの情報は事象ジェネレータシステム２００へ送られる。即ち、その中から「事象」を直接的に相関させることのできる情報が事象ジェネレータシステム２００に直接送られる。
【００３３】
システムコントローラやセンサによって直接的に検出できる、或いは直接的には検出できない更なるシステム「事象」を生成するため、センサ４０からの情報、及び更に全ての給紙システムコンポーネントにより引き出される電流の集合体である接地電流からの情報がバーチャル・センサデバイス１００に送られる。データ収集デバイス１１０がこの情報を追跡し記憶する。取得したデータを用いて、又更に進んだシステム状態の決定のため、給紙カウンタ１７０、積層高さセンサカウンタ１８０、特徴抽出デバイス１２０及び判別分析デバイス１３０を用いて、システムコントローラ１２０及びシステムセンサ３０のうち１つ又はそれ以上からは容易に得ることのできないシステム状態に関する情報を抽出する。積層高さカウンタ１８０は、連続した給紙に関する積層高さセンサの読取値を追跡し、給紙カウンタ１７０は連続した給紙に関して待機ステーションセンサを監視することにより、給紙された紙数を追跡する。
【００３４】
例示的に、特徴抽出デバイス１１０はピーク電流検出回路１３０及びパワースペクトル振幅決定回路１４０を含む。但し、ピーク電流検出回路１３０とパワースペクトル振幅決定回路１４０に代えて、或いはこれらと共にパワースペクトル周波数、振動信号分析結果、時間−周波数信号などのような他の特徴を、バーチャル・センサシステム１００の動作に影響を及ぼすことなく用いることができることを理解されたい。この例では、ピーク電流検出回路１４０は、例えば給紙システムコンポーネントにより引き出されるピーク電流を監視し記憶する。更に、パワースペクトル振幅決定回路１５０は給紙システムコンポーネントにより引き出される接地電流のパワースペクトル振幅を監視し集合させる。（１つ又は複数の）所望の特徴が抽出されると、特徴は判別分析デバイス１３０へ送られる。
【００３５】
前述の如く、これらの特徴の計算を容易にし、又システムの対応する故障モードに特徴をマッピングすることを容易にするために、例えば、ピーク電流及びパワースペクトル振幅を選択する。但し、これらのマッピングはいずれも、システムの動作中に発生する特徴値における統計的変化を説明するものでなければならない。従って、判別分析デバイス１３０において多変量判別分析を行うことが好ましい。多変量解析についての議論はT. W. Andersonの「An Introduction to Multivariate Statistical Analysis」(Second Edition, 1984)及びD. Morrisonの「Multivariate Statistical Methods」(1976)を参照されたい（上記文献は何れも全文を参照として本明細書中に援用する）。
【００３６】
判別分析デバイス１２０は典型的には分類回路を含む。この例では、分類部は２次分類回路１６０である。但し、判別分析デバイスはあらゆる公知の多変量解析技術に依拠したものとすることができる。特に、この他にも、本発明の動作上の特徴に影響することなく本発明のシステム及び方法と組み合わせて用いることのできる、分類アルゴリズムが異なる数多くの、分類部の設計のためのアルゴリズムが存在する。これに関しては例えばR. Dudaの「Pattern Classification and Scene Analysis」(1973)（同文献の全文を参照として本明細書中に援用する）や先に引用した「An Introduction to Multivariate Statistical Analysis」や「Multivariate Statistical Methods」を参照されたい。実施例は線形分類、論理回帰、主成分分析、ベイズの分類などを含むが、これらに限定されない。
【００３７】
２次分類部１６０は、例えば総クラスタ数、それらに対応する識別数、クラスタの平均値及び共分散行列、及び各クラスタ毎のパラメトリック定数を含む分類部パラメータに基づいて動作する。一般的に、判別分析デバイス１３０は特徴抽出デバイス１２０により集合化されたデータを分析し、所与の特徴の標本集合の特徴変数により張られる多次元空間における各グループにより形成される領域又はクラスタからの距離に基づいて、特徴集合を所与のクラスタのうちの任意の１つに分類する。次いで、標本点を最も近似度の高いクラスタに分類する。バーチャル・センサシステム１００の場合、クラスタは異なる状態（例えば、故障モード）に対応する。クラスタ名又はクラスタ数が、バーチャル・センサシステム１００の出力である。次いで、事象ジェネレータシステム２００がこのクラスタを「事象」に変換する。
【００３８】
事象ジェネレータシステム２００はシステムセンサ、コントローラ、及びバーチャル・センサから送られた種々の情報を変換し、これらの情報を診断システム３００により認識可能な離散事象へ変換する。特に、制御データ変換回路２１０は１つ又はそれ以上のシステムコントローラからデータを受け取り、センサデータ変換回路２２０は１つ又はそれ以上のシステムセンサ３０からデータを受け取り、またバーチャル・センサ変換回路２３０はバーチャル・センサ１００のような１つ又はそれ以上のバーチャルセンサからデータを受け取る。事象ジェネレータシステム１００はこの情報を、例えばデータを「離散事象」データへ変換するためのルックアップテーブルと比較する。事象シーケンサ回路２４０は種々の事象を順に配列し、これらを正しい順序で診断システム３００へ送る。
【００３９】
診断システム３００は、事象ジェネレータシステム２００より送られる離散事象を解釈し、それに対応するマシン状態情報を生成する。診断システムは、質的情報が「事象」を通じて提供される、システムの質的モデルに依拠している。診断システムは、離散事象システム診断技術、モデルベースの推論、ベイズの推論、拘束ベースのプログラミング、ニューラルネットワーク、及び因果関係ネットワークなどの多数の異なる技術のうちの１つ又はそれ以上に依拠している。典型的には、診断システム３００の設計及び実行にあたり、２つの方法がある。第１の方法では、１つ又はそれ以上のコンポーネントモデル、コントローラモデル、及び故障システムテーブルを診断要求と組み合わせて用い、診断推定エンジンを生成する。生成された診断推定エンジンは、例えばルックアップテーブル又はルールベースのシステムなどの、診断システム３００のメモリに記憶される。実際の診断時には、推定は事象ジェネレータシステム２００により生成された「事象」に基づいて推定エンジンの状態を更新することにより容易に行われる。或いは、完全システムモデル又はコンポーネントモデル及び故障徴候テーブルのいずれかを診断システム３００のメモリに記憶させ、「事象」としてオンラインで行われる診断計算を事象ジェネレータシステム２００から受け取ることができる。即ち、診断推定エンジンは診断プロセスの間に累加的に生成され得る。
【００４０】
診断システムからの状態情報の出力は、例えば機械が正常作動しているか否か、即ち故障のないこと、或いは何らかの故障発生の有無、何らかの故障発生の疑いの有無、或いは故障発生の予知の有無を示すことができる。システムの現在の状態が決定されると、システム状態情報アセンブラ３４０が適切なメッセージを集め、リンク５０を介して出力デバイス４００へ伝送する。
【００４１】
出力デバイス４００は、診断システム３００により出力される状態情報又は故障情報を表示するためのユーザインタフェースなどの局所出力ディスプレイモジュールとしてもよい。出力デバイス４００は、例えば高レベルの状態インディケータ及び故障リストを表示するユーザインタフェースであってもよい。適切に着色できる、或いは音声により強調することのできる高レベルのインディケータは、現在のマシン状態を特定する。例えば、状態は正常、故障疑い、確定的故障としてもよい。故障リストは故障（故障疑いと確定的故障の両方）を例えばユーザインタフェースの別々の区分に表示する。或いは、出力デバイス４００は代理人事件番号１０３２４４号に記載されるような、診断情報の受取りと通信チャネルとを有する遠隔表示モジュールとすることもできる。
【００４２】
図７は、図６のシステムと関連する例示的なフローチャートである。制御は印刷及び/又は複写ジョブが開始されるステップＳ１０から始まる。次いで、ステップＳ２０で、給紙システム制御コマンド及びセンサ信号電荷を得る。更に、ステップＳ５０で、接地線電流のサンプルを得る。次にステップＳ３０で、制御及び/又はセンサ信号を分析し、図８の例で示すような例示的な事象ジェネレータシステム出力において特定されるような事象を得る。一方、ステップＳ６０では、バーチャル・センサがピーク電流及パワースペクトル振幅特徴を接地線電流サンプルから例示的に抽出する。次いで、ステップＳ７０で、抽出された特徴を、例えば特定された分類パラメータを用いて所定数のクラスタのうちの１つに分類し、分類番号を出力する。
【００４３】
ステップＳ４０で、事象ジェネレータが制御及び/又はセンサ事象を診断システムにより特定された順に分類部の出力と組み合わせる。次いで、ステップＳ８０でこれらの事象を診断システムへ送る。更に、ステップＳ９０で、診断システムが事象に基づいてシステム状態を決定する。次いで、ステップＳ１００で、診断システムにより決定された状態情報、又は故障を出力する。
【００４４】
図８は、例示的な給紙アセンブリに関する事象ジェネレータシステムの例示的出力を示す。特に、事象ジェネレータテーブルは、給紙システムの状態を評価するために診断システム３００に送られる事象番号及び/又は事象名を含む。前述の如く状態評価部３６０によりマシン状態が決定されると、システム状態情報アセンブラ３４０が適切な状態情報を出力デバイス４００又は修復計画モジュール５００へ送る。
【００４５】
図９及び図１０は２次分類回路１６０の例示的な動作を示す。例えば、図９に示す例示的給紙システムの場合、分類部のオフライン設計段階において、各クラスタ又はグループ毎に、即ち正常モードと各故障モード毎に、プリンタ及び/又は複写機に多数の給紙が行われ、これらの給紙に関わる特徴を得る。次いで、選択した分類部構成の区分（２次、線形構成など）に対して、統計ツールを用いて分類パラメータが決定される。
【００４６】
図１０には、オフライン設計又は学習段階が完了した後の、分類部のオンライン作業中のクラスタの決定方法が示されている。特に、各クラスタからの特徴ベクトルの距離は、オフライン設計段階において計算される分類部パラメータを用いて算出される。次いで、最も近似度の高いクラスタを事象ジェネレータシステム２００に出力する。
【００４７】
図１１は図６の例示的システムのための例示的な診断システムの一部を示す。この例における診断システムは、ルールベースのシステムとして示されている。診断推定エンジンを診断部とよぶ。
【００４８】
図１２は、本発明に従った診断システムの例示的一実施形態を概略した例示的フローチャートを示す。制御はステップＳ１０００より開始され、ステップＳ１１００へ続く。ステップＳ１１００では、１つ又はそれ以上のシステムセンサ及びコントローラを監視し、必要に応じてセンサから収集されたデータを記憶する。次の、或いはステップＳ１１００と並行するステップＳ１２００では、１つ又はそれ以上のバーチャル・センサを監視し、必要に応じてセンサより収集されたデータを記憶する。次いで、ステップＳ１３００で、収集されたデータを例えば事象シーケンステーブルに基づいて事象データに変換する。制御はステップＳ１４００に進む。
【００４９】
ステップＳ１４００では、システムの状態を評価するために事象データを分析する。次いで、ステップＳ１５００では、システムの故障状態に関する情報を出力する。制御はステップＳ１６００に進み、制御シーケンスが終了する。
【００５０】
図１乃至図１１に示す如く、診断及び故障予知システムは単体のプログラム汎用コンピュータ又は別体のプログラムされた汎用コンピュータのいずれかにおいて実施されることが好ましい。但し、診断及び故障予知システムは専用コンピュータ、プログラムされたマイクロプロセッサ又はマイクロコントローラ、及び（１つ又は複数の）周辺集積回路素子、ＡＳＩＣ及び他の集積回路、デジタル信号プロセッサ、離散素子回路などの配線による電子回路又はロジック回路、ＰＬＤ、ＰＬＡ、ＦＰＧＡ、ＰＡＬなどのプログラム可能ロジックデバイス上で実施することもできる。一般に、有限状態マシンを実施することのできる、即ち図１２に示すフローチャート及び作業流れ図を実施することのできるあらゆるデバイスを、診断及び故障予知システムの実施のために用いることができる。
【００５１】
更に、ここに開示された方法は、種々のコンピュータ又はワークステーションハードウェアプラットフォームで使用することのできるポータブルソースコードを提供するオブジェクト又はオブジェクト指向ソフトウェア開発環境を用いるソフトウェアにおいても容易に実施できる。或いは、開示された探索システムは標準的なロジック回路又はＶＬＳＩ設計を使用するハードウェアにおいて部分的に或いは完全に実施することができる。本発明に従ったシステム及び方法の実施にあたりソフトウェアを用いるかハードウェアを用いるかは、システム速度及び/又は効率上の要求、特定機能、及び利用される特定のソフトウェア又はハードウェアシステム或いはマイクロプロセッサ又はマイクロコンピュータシステムによって異なる。但し、それほど専門的な経験がなくとも、コンピュータ技術に関する一般的な知識を有する当業者は、本明細書中の機能に関する記載を読めば、上述した診断及び故障予知システム及び方法を、あらゆる公知の或いは将来的に開発されるシステム又は構造を用いるハードウェア又はソフトウェア、デバイス及び/又はソフトウェアにおいて容易に実施することができる。
【００５２】
更に、本明細書に開示された方法は、プログラムされた汎用コンピュータ、専用コンピュータ、マイクロプロセッサなどで実行されるソフトウェアとして容易に実施することができる。この場合、本発明の方法及びシステムは、Ｊａｖａ（登録商標）やＣＧＩスクリプトなどのような、パソコンに組み込まれたルーチンとして、サーバ又はワークステーションにあるリソースとして、或いは専用の診断及び故障予知システムに組み込まれたルーチンなどとして実施することができる。又、診断及び故障予知システムは、ワークステーション又は専用診断システムのハードウェア及びソフトウェアシステムなどのソフトウェア及び/又はハードウェアシステムにシステム及び方法を物理的に組み入れることにより、実施することができる。
【００５３】
よって、本発明に従って、電子システムの診断及び故障予知のためのシステム及び方法が提供されることは明らかである。本発明を好適な実施形態に関連させて記述したが、当然ながら当業者には多くの代替、修正、及び変更が可能である。従って、出願人は本発明の精神及び範囲内にある代替、修正及び変更を全て包括することを意図している。
【図面の簡単な説明】
【図１】本発明に従った診断システムの第１の実施形態を示す、機能を表すブロック図である。
【図２】本発明に従った診断システムの第２の実施形態を示す、機能を表すブロック図である。
【図３】本発明に従った診断システムの第３の実施形態を示す、機能を表すブロック図である。
【図４】本発明に従った診断システムを開発するための例示的な作業フローチャートである。
【図５】本発明に従った例示的な監視システムを示す。
【図６】図５の例示的監視システムの機能を表す詳細なブロック図である。
【図７】図６に示された例示的監視システムのための例示的な作業フローチャートである。
【図８】図６の例示的システムのための事象ジェネレータシステムの例示的な出力を示す図である。
【図９】図６に示した例示的システムのための分類部の設計を示す例示的な作業フローチャートである。
【図１０】図６に示した例示的システムのための分類部の動作を示す例示的な作業フローチャートである。
【図１１】図６に示した例示的システムのための例示的な診断システムの一部を示す。
【図１２】本発明に従った診断システムのための方法の第１の例示的実施形態の概要を示すフローチャートである。
Claims (1)
- ドキュメント処理システムを診断するためのハイブリッド診断システムであって、
前記ドキュメント処理システムより発せされる制御コマンドを転送するシステムコントローラと、
前記制御コマンドに応答した前記ドキュメント処理システムにおける制御データと、監視データと、環境/動作状態データとを含むデータを転送する、少なくとも１つのシステムセンサと、
前記ドキュメント処理システムの接地電流、センサ信号、アクチュエータ信号、及び、前記データについて分析を行い、有用な診断情報を包含する特徴を抽出する、少なくとも１つのバーチャル・センサと、
前記制御コマンド、前記データ、及び、前記特徴を取得し、記憶し、前記ドキュメント処理システムの動作に対応する離散事象へ変換し、前記離散事象を適切な順序で転送する、事象ジェネレータと、
前記事象ジェネレータが変換した前記離散事象を分析し、前記離散事象に基づいて前記ドキュメント処理システムの状態を評価する、診断システムと、
前記診断システムの前記評価の結果を出力する出力デバイスと、
を含む、ハイブリッド診断システム。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15401699P | 1999-09-15 | 1999-09-15 | |
| US154016 | 1999-09-15 | ||
| US09/522,082 US6519552B1 (en) | 1999-09-15 | 2000-03-10 | Systems and methods for a hybrid diagnostic approach of real time diagnosis of electronic systems |
| US522082 | 2000-03-10 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001175328A JP2001175328A (ja) | 2001-06-29 |
| JP4878674B2 true JP4878674B2 (ja) | 2012-02-15 |
Family
ID=26851064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000281082A Expired - Fee Related JP4878674B2 (ja) | 1999-09-15 | 2000-09-18 | 電子システムのリアルタイム診断を行うためのハイブリッド診断システム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US6519552B1 (ja) |
| EP (1) | EP1085416B1 (ja) |
| JP (1) | JP4878674B2 (ja) |
| DE (1) | DE60026796T2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102419795B1 (ko) | 2021-01-14 | 2022-07-12 | 인천대학교 산학협력단 | 가상센서를 이용한 진단과 제어가 가능한 난방 시스템 및 이를 이용한 진단 제어 방법 |
Families Citing this family (126)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6842877B2 (en) | 1998-12-18 | 2005-01-11 | Tangis Corporation | Contextual responses based on automated learning techniques |
| US7107539B2 (en) * | 1998-12-18 | 2006-09-12 | Tangis Corporation | Thematic response to a computer user's context, such as by a wearable personal computer |
| US6791580B1 (en) * | 1998-12-18 | 2004-09-14 | Tangis Corporation | Supplying notifications related to supply and consumption of user context data |
| US6968333B2 (en) * | 2000-04-02 | 2005-11-22 | Tangis Corporation | Soliciting information based on a computer user's context |
| US6801223B1 (en) | 1998-12-18 | 2004-10-05 | Tangis Corporation | Managing interactions between computer users' context models |
| US6513046B1 (en) | 1999-12-15 | 2003-01-28 | Tangis Corporation | Storing and recalling information to augment human memories |
| US9183306B2 (en) | 1998-12-18 | 2015-11-10 | Microsoft Technology Licensing, Llc | Automated selection of appropriate information based on a computer user's context |
| US7231439B1 (en) * | 2000-04-02 | 2007-06-12 | Tangis Corporation | Dynamically swapping modules for determining a computer user's context |
| US7046263B1 (en) * | 1998-12-18 | 2006-05-16 | Tangis Corporation | Requesting computer user's context data |
| US7225229B1 (en) | 1998-12-18 | 2007-05-29 | Tangis Corporation | Automated pushing of computer user's context data to clients |
| US6920616B1 (en) | 1998-12-18 | 2005-07-19 | Tangis Corporation | Interface for exchanging context data |
| US7779015B2 (en) * | 1998-12-18 | 2010-08-17 | Microsoft Corporation | Logging and analyzing context attributes |
| US8225214B2 (en) | 1998-12-18 | 2012-07-17 | Microsoft Corporation | Supplying enhanced computer user's context data |
| US8181113B2 (en) * | 1998-12-18 | 2012-05-15 | Microsoft Corporation | Mediating conflicts in computer users context data |
| US6892317B1 (en) * | 1999-12-16 | 2005-05-10 | Xerox Corporation | Systems and methods for failure prediction, diagnosis and remediation using data acquisition and feedback for a distributed electronic system |
| US6957172B2 (en) * | 2000-03-09 | 2005-10-18 | Smartsignal Corporation | Complex signal decomposition and modeling |
| US7464153B1 (en) * | 2000-04-02 | 2008-12-09 | Microsoft Corporation | Generating and supplying user context data |
| JP4132570B2 (ja) * | 2000-05-02 | 2008-08-13 | 株式会社リコー | 画像端末装置 |
| US7373382B2 (en) * | 2000-10-03 | 2008-05-13 | Sharp Kabushiki Kaisha | Electronic apparatus, information communications apparatus, management system for same electronic apparatus, and management method for same electronic apparatus |
| WO2002033541A2 (en) * | 2000-10-16 | 2002-04-25 | Tangis Corporation | Dynamically determining appropriate computer interfaces |
| US20020054130A1 (en) * | 2000-10-16 | 2002-05-09 | Abbott Kenneth H. | Dynamically displaying current status of tasks |
| JP2002132987A (ja) * | 2000-10-19 | 2002-05-10 | Nec Corp | インターネットを利用した集中保守管理システム及び方法 |
| US6556939B1 (en) * | 2000-11-22 | 2003-04-29 | Smartsignal Corporation | Inferential signal generator for instrumented equipment and processes |
| US7039014B1 (en) * | 2000-12-26 | 2006-05-02 | Cisco Technology, Inc. | Network-wide connection-based debug mechanism |
| US20020183971A1 (en) * | 2001-04-10 | 2002-12-05 | Wegerich Stephan W. | Diagnostic systems and methods for predictive condition monitoring |
| US7539597B2 (en) * | 2001-04-10 | 2009-05-26 | Smartsignal Corporation | Diagnostic systems and methods for predictive condition monitoring |
| US7069349B2 (en) * | 2002-01-10 | 2006-06-27 | Intel Corporation | IPMI dual-domain controller |
| TWI240881B (en) * | 2002-05-09 | 2005-10-01 | Taiwan Semiconductor Mfg | Monitor and diagnostic system and its method for breakdown facilities |
| US20030236998A1 (en) * | 2002-05-17 | 2003-12-25 | Sun Microsystems, Inc. | Method and system for configuring a computer system using field replaceable unit identification information |
| US7716334B2 (en) * | 2002-05-17 | 2010-05-11 | Oracle America, Inc. | Computer system with dynamically configurable capacity |
| US7137020B2 (en) * | 2002-05-17 | 2006-11-14 | Sun Microsystems, Inc. | Method and apparatus for disabling defective components in a computer system |
| US6892159B2 (en) * | 2002-05-17 | 2005-05-10 | Sun Microsystems, Inc. | Method and system for storing field replaceable unit operational history information |
| US7168007B2 (en) * | 2002-05-17 | 2007-01-23 | Sun Microsystems, Inc. | Field replaceable unit (FRU) identification system tool |
| US7131030B2 (en) * | 2002-05-17 | 2006-10-31 | Sun Microsystems, Inc. | Method and system for storing field replaceable unit repair history information |
| US20030217043A1 (en) * | 2002-05-17 | 2003-11-20 | Sun Microsystems, Inc. | Method and system for storing field replaceable unit dynamic information using tagged data elements |
| US20030217247A1 (en) * | 2002-05-17 | 2003-11-20 | Sun Microsystems, Inc. | Method and system for storing field replaceable unit static and dynamic information |
| US20030217067A1 (en) * | 2002-05-17 | 2003-11-20 | Sun Microsystems, Inc. | Method and system for conveying component data identifying a component and indicating component operating conditions |
| US6772099B2 (en) | 2003-01-08 | 2004-08-03 | Dell Products L.P. | System and method for interpreting sensor data utilizing virtual sensors |
| DE10307342B4 (de) * | 2003-02-21 | 2005-08-11 | Volkswagen Ag | Vorrichtung und Verfahren zur modellbasierten On-Board-Diagnose |
| DE10307343B4 (de) * | 2003-02-21 | 2005-10-06 | Volkswagen Ag | On-Board-Diagnosevorrichtung und On-Board-Diagnoseverfahren für Kraftfahrzeuge |
| JP4646287B2 (ja) * | 2003-06-02 | 2011-03-09 | 株式会社リコー | 画像形成システム、画像形成方法、画像形成プログラム、及び記録媒体 |
| JP4485759B2 (ja) | 2003-06-27 | 2010-06-23 | 株式会社リコー | 異常発生予測方法、状態判定装置及び画像形成装置 |
| US7079904B1 (en) * | 2003-09-12 | 2006-07-18 | Itt Manufacturing Enterprises, Inc. | Adaptive software management |
| US20050091642A1 (en) * | 2003-10-28 | 2005-04-28 | Miller William L. | Method and systems for learning model-based lifecycle diagnostics |
| US7203431B2 (en) | 2003-12-26 | 2007-04-10 | Ricoh Company, Ltd. | Abnormality determining method, abnormality determining apparatus, and image forming apparatus |
| US7234085B2 (en) * | 2004-01-13 | 2007-06-19 | International Business Machines Corporation | Method, system, and product for hierarchical encoding of field replaceable unit service indicators |
| JP4431415B2 (ja) | 2004-02-12 | 2010-03-17 | 株式会社リコー | 異常診断方法、状態判定装置及び画像形成装置 |
| JP4538845B2 (ja) * | 2004-04-21 | 2010-09-08 | 富士ゼロックス株式会社 | 故障診断方法および故障診断装置、画像形成装置、並びにプログラムおよび記憶媒体 |
| JP2005309077A (ja) * | 2004-04-21 | 2005-11-04 | Fuji Xerox Co Ltd | 故障診断方法および故障診断装置、並びに搬送装置および画像形成装置、並びにプログラムおよび記憶媒体 |
| US7363366B2 (en) * | 2004-07-13 | 2008-04-22 | Teneros Inc. | Network traffic routing |
| US20060015584A1 (en) * | 2004-07-13 | 2006-01-19 | Teneros, Inc. | Autonomous service appliance |
| US7363365B2 (en) | 2004-07-13 | 2008-04-22 | Teneros Inc. | Autonomous service backup and migration |
| US20060015764A1 (en) * | 2004-07-13 | 2006-01-19 | Teneros, Inc. | Transparent service provider |
| US7177706B2 (en) * | 2004-08-13 | 2007-02-13 | Disney Enterprises, Inc. | Automated attraction and ride maintenance verification system |
| US7173539B2 (en) * | 2004-09-30 | 2007-02-06 | Florida Power And Light Company | Condition assessment system and method |
| FR2876187B1 (fr) * | 2004-10-01 | 2006-12-15 | Airbus France Sas | Procede et dispositif de detection d'un phenomene d'arc electrique sur au moins un cable electrique |
| US20060101402A1 (en) * | 2004-10-15 | 2006-05-11 | Miller William L | Method and systems for anomaly detection |
| US7457550B2 (en) | 2005-01-18 | 2008-11-25 | Ricoh Company, Limited | Abnormality determining apparatus, image forming apparatus, copying machine, and information obtaining method |
| US20060179308A1 (en) * | 2005-02-07 | 2006-08-10 | Andrew Morgan | System and method for providing a secure boot architecture |
| US7793347B2 (en) * | 2005-02-07 | 2010-09-07 | Rozas Guillermo J | Method and system for validating a computer system |
| US20060247938A1 (en) * | 2005-04-28 | 2006-11-02 | Xerox Corporation | Method and system for activity reporting |
| US8175467B2 (en) * | 2005-06-14 | 2012-05-08 | Ricoh Company, Ltd. | Apparatus, method, and system for detecting a state of an apparatus |
| US7243048B2 (en) * | 2005-11-28 | 2007-07-10 | Honeywell International, Inc. | Fault detection system and method using multiway principal component analysis |
| WO2007140475A2 (en) * | 2006-05-31 | 2007-12-06 | Teneros, Inc. | Extracting shared state information from message traffic |
| JP4582062B2 (ja) * | 2006-07-07 | 2010-11-17 | 富士ゼロックス株式会社 | 画像形成装置、故障診断システム、故障診断方法、及び故障診断プログラム |
| US8275577B2 (en) * | 2006-09-19 | 2012-09-25 | Smartsignal Corporation | Kernel-based method for detecting boiler tube leaks |
| US8223385B2 (en) * | 2006-12-07 | 2012-07-17 | Xerox Corporation | Printer job visualization |
| US8311774B2 (en) * | 2006-12-15 | 2012-11-13 | Smartsignal Corporation | Robust distance measures for on-line monitoring |
| US8285513B2 (en) * | 2007-02-27 | 2012-10-09 | Exxonmobil Research And Engineering Company | Method and system of using inferential measurements for abnormal event detection in continuous industrial processes |
| US8099737B2 (en) * | 2007-06-05 | 2012-01-17 | Oracle International Corporation | Event processing finite state engine and language |
| US20090024356A1 (en) * | 2007-07-16 | 2009-01-22 | Microsoft Corporation | Determination of root cause(s) of symptoms using stochastic gradient descent |
| JP2009037141A (ja) | 2007-08-03 | 2009-02-19 | Ricoh Co Ltd | 画像形成装置の管理装置及び管理システム |
| US8339637B2 (en) | 2007-08-03 | 2012-12-25 | Ricoh Company, Ltd. | Management apparatus, management system, operation status determination method, and image forming apparatus |
| US8463641B2 (en) * | 2007-10-05 | 2013-06-11 | The Boeing Company | Method and system using linear programming for estimating test costs for bayesian diagnostic models |
| US8135995B2 (en) * | 2007-10-19 | 2012-03-13 | Oracle International Corporation | Diagnostic data repository |
| JP5168643B2 (ja) | 2008-06-23 | 2013-03-21 | 株式会社リコー | 状態判別方法、状態判別システム及び画像形成装置 |
| JP5124361B2 (ja) | 2008-06-25 | 2013-01-23 | 株式会社リコー | 状態判別方法及び画像形成装置 |
| US20090326890A1 (en) * | 2008-06-30 | 2009-12-31 | Honeywell International Inc. | System and method for predicting system events and deterioration |
| JP5182637B2 (ja) | 2008-10-09 | 2013-04-17 | 株式会社リコー | 故障予兆報知システム、故障予兆報知方法および画像形成装置の保守方法 |
| JP5299684B2 (ja) * | 2009-03-03 | 2013-09-25 | 富士ゼロックス株式会社 | 監視装置および情報処理システムおよび監視プログラム |
| US8265777B2 (en) * | 2009-06-02 | 2012-09-11 | Palo Alto Research Center Incorporated | Pervasive model adaptation: the integration of planning and information gathering in dynamic production systems |
| US8417656B2 (en) * | 2009-06-16 | 2013-04-09 | Oracle International Corporation | Techniques for building an aggregate model for performing diagnostics |
| US8140898B2 (en) * | 2009-06-16 | 2012-03-20 | Oracle International Corporation | Techniques for gathering evidence for performing diagnostics |
| US8171343B2 (en) | 2009-06-16 | 2012-05-01 | Oracle International Corporation | Techniques for determining models for performing diagnostics |
| US8600556B2 (en) * | 2009-06-22 | 2013-12-03 | Johnson Controls Technology Company | Smart building manager |
| US8306689B2 (en) * | 2009-08-11 | 2012-11-06 | The United States Of America As Represented By The Secretary Of The Navy | Integrated net-centric diagnostics dataflow for avionics systems |
| US8458116B2 (en) * | 2009-11-05 | 2013-06-04 | Qualcomm Incorporated | Generating a power model for an electronic device |
| US8612377B2 (en) * | 2009-12-17 | 2013-12-17 | Oracle International Corporation | Techniques for generating diagnostic results |
| US8620591B2 (en) * | 2010-01-14 | 2013-12-31 | Venture Gain LLC | Multivariate residual-based health index for human health monitoring |
| US8312324B2 (en) * | 2010-01-28 | 2012-11-13 | Xerox Corporation | Remote diagnostic system and method based on device data classification |
| US8086899B2 (en) * | 2010-03-25 | 2011-12-27 | Microsoft Corporation | Diagnosis of problem causes using factorization |
| US9336111B1 (en) * | 2010-07-30 | 2016-05-10 | Emc Corporation | System and method for data logging within a field replaceable unit |
| JP5625689B2 (ja) | 2010-09-29 | 2014-11-19 | 株式会社リコー | 管理装置、管理システムおよび管理方法 |
| US20130030768A1 (en) * | 2011-07-27 | 2013-01-31 | Honeywell International Inc. | Kalman filtering and inferential sensing for a system with uncertain dynamics |
| US8977373B2 (en) * | 2011-12-28 | 2015-03-10 | Caterpillar Inc. | Systems and methods for extending physical sensor range using virtual sensors |
| US9540769B2 (en) | 2013-03-11 | 2017-01-10 | International Paper Company | Method and apparatus for measuring and removing rotational variability from a nip pressure profile of a covered roll of a nip press |
| US9797788B2 (en) | 2014-05-02 | 2017-10-24 | International Paper Company | Method and system associated with a sensing roll including pluralities of sensors and a mating roll for collecting roll data |
| US10378980B2 (en) | 2014-05-02 | 2019-08-13 | International Paper Company | Method and system associated with a sensing roll and a mating roll for collecting roll data |
| US9804044B2 (en) | 2014-05-02 | 2017-10-31 | International Paper Company | Method and system associated with a sensing roll and a mating roll for collecting data including first and second sensor arrays |
| US10257017B2 (en) * | 2014-06-03 | 2019-04-09 | JumpCloud, Inc. | Autonomous server agents |
| US9916701B2 (en) * | 2014-09-10 | 2018-03-13 | The Boeing Company | Vehicle auditing and control of maintenance and diagnosis for vehicle systems |
| US9679411B2 (en) | 2014-12-19 | 2017-06-13 | International Business Machines Corporation | Hardware management and reconstruction using visual graphics |
| US9696226B2 (en) | 2015-06-10 | 2017-07-04 | International Paper Company | Count-based monitoring machine wires and felts |
| US9863827B2 (en) | 2015-06-10 | 2018-01-09 | International Paper Company | Monitoring machine wires and felts |
| US9677225B2 (en) | 2015-06-10 | 2017-06-13 | International Paper Company | Monitoring applicator rods |
| US10370795B2 (en) | 2015-06-10 | 2019-08-06 | International Paper Company | Monitoring applicator rods and applicator rod nips |
| US9534970B1 (en) | 2015-06-10 | 2017-01-03 | International Paper Company | Monitoring oscillating components |
| US9816232B2 (en) | 2015-06-10 | 2017-11-14 | International Paper Company | Monitoring upstream machine wires and felts |
| JP6657904B2 (ja) | 2015-12-14 | 2020-03-04 | 富士ゼロックス株式会社 | 機内環境管理装置、電子機器、画像形成装置、及び機内環境管理プログラム |
| US10962966B2 (en) | 2016-02-11 | 2021-03-30 | Intel Corporation | Equipment process monitoring system with automatic configuration of control limits and alert zones |
| EP3211501A1 (en) * | 2016-02-23 | 2017-08-30 | ABB Schweiz AG | Data acquisition device and process control system with improvements relating to trip cause study |
| JP6386488B2 (ja) * | 2016-03-17 | 2018-09-05 | ファナック株式会社 | 工作機械の稼働管理方法およびプログラム |
| FR3056318B1 (fr) * | 2016-09-20 | 2018-10-26 | Thales | Procede d'analyse de dysfonctionnements d'un systeme embarque, produit programme d'ordinateur et dispositif d'analyse associes |
| US10297162B2 (en) * | 2016-12-28 | 2019-05-21 | Honeywell International Inc. | System and method to activate avionics functions remotely |
| US10247032B2 (en) | 2017-03-28 | 2019-04-02 | Honeywell International Inc. | Gas turbine engine and test cell real-time diagnostic fault detection and corrective action system and method |
| US10737904B2 (en) | 2017-08-07 | 2020-08-11 | Otis Elevator Company | Elevator condition monitoring using heterogeneous sources |
| US10311404B1 (en) * | 2018-01-05 | 2019-06-04 | Accenture Global Solutions Limited | Software product development defect and issue prediction and diagnosis |
| JP6867967B2 (ja) * | 2018-03-16 | 2021-05-12 | 住友重機械工業株式会社 | 故障診断システム |
| CN112015581A (zh) * | 2020-08-28 | 2020-12-01 | 沃尔士环控系统工程(深圳)有限公司 | 一种清灰控制器备用点的冗余替换方法、系统及相关组件 |
| CN112285484B (zh) * | 2020-10-15 | 2022-10-11 | 国家电网公司华北分部 | 基于深度神经网络的电力系统故障诊断信息融合方法及装置 |
| CN112633245B (zh) * | 2020-12-31 | 2023-01-06 | 西安交通大学 | 基于深度强化学习模型的行星齿轮箱故障诊断方法 |
| CN113328527A (zh) * | 2021-06-09 | 2021-08-31 | 国网山东省电力公司莱芜供电公司 | 一种智能配电自动化终端装置及智能配电故障诊断方法 |
| WO2023033789A1 (en) * | 2021-08-30 | 2023-03-09 | Hewlett-Packard Development Company, L.P. | Printer anomaly detection |
| CN114035537B (zh) * | 2021-10-22 | 2024-03-01 | 上海发电设备成套设计研究院有限责任公司 | 一种燃气轮机控制系统综合诊断平台及方法 |
| CN114735045B (zh) * | 2022-06-14 | 2022-08-19 | 成都铁安科技有限责任公司 | 一种轮对检测设备的故障自诊断方法及系统 |
| DE102022211094A1 (de) * | 2022-10-20 | 2024-04-25 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Fehlererkennung in einem maschinellen System |
Family Cites Families (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4071911A (en) | 1975-04-22 | 1978-01-31 | Continental Can Co. Inc. | Machine control system with machine serializing and safety circuits |
| US4086434A (en) | 1976-09-07 | 1978-04-25 | Leo P. Christiansen | Remote condition reporting system |
| US4583834A (en) | 1977-09-16 | 1986-04-22 | Ricoh Company, Ltd. | Copying apparatus |
| SE463269B (sv) * | 1984-04-11 | 1990-10-29 | Sensodec Oy | Foerfarande och anordning foer att lokalisera fel i funktionen hos en pappersmaskins maskindelar |
| US5038319A (en) | 1989-04-24 | 1991-08-06 | Xerox Corporation | System for recording and remotely accessing operating data in a reproduction machine |
| US5084875A (en) | 1989-12-13 | 1992-01-28 | Joseph Weinberger | System for automatically monitoring copiers from a remote location |
| US5057866A (en) | 1990-05-04 | 1991-10-15 | Xerox Corporation | Remotely accessible copier calculator |
| US5680541A (en) | 1991-12-16 | 1997-10-21 | Fuji Xerox Co., Ltd. | Diagnosing method and apparatus |
| JP2907614B2 (ja) | 1991-12-19 | 1999-06-21 | 三田工業株式会社 | 機能冗長系を有する画像形成装置 |
| JPH05281809A (ja) * | 1992-04-01 | 1993-10-29 | Minolta Camera Co Ltd | 複写機 |
| JP3660363B2 (ja) | 1992-05-28 | 2005-06-15 | 株式会社リコー | 画像形成装置管理システムとその画像形成装置 |
| US5510896A (en) | 1993-06-18 | 1996-04-23 | Xerox Corporation | Automatic copy quality correction and calibration |
| US5406502A (en) * | 1993-06-29 | 1995-04-11 | Elbit Ltd. | System and method for measuring the operation of a device |
| JPH0728363A (ja) * | 1993-07-12 | 1995-01-31 | Canon Inc | 複写機診断装置 |
| US5365310A (en) | 1993-07-30 | 1994-11-15 | Xerox Corporation | Remote diagnosis of copy quality defects |
| US5539638A (en) * | 1993-08-05 | 1996-07-23 | Pavilion Technologies, Inc. | Virtual emissions monitor for automobile |
| US5580177A (en) | 1994-03-29 | 1996-12-03 | Hewlett-Packard Company | Printer/client network with centrally updated printer drivers and printer status monitoring |
| US5537644A (en) * | 1994-04-26 | 1996-07-16 | United Technologies Corporation | Machine failure isolation in multiple machine configurations using qualitative physics |
| US5724262A (en) * | 1994-05-31 | 1998-03-03 | Paradyne Corporation | Method for measuring the usability of a system and for task analysis and re-engineering |
| GB9411908D0 (en) * | 1994-06-14 | 1994-08-03 | John Heyer Paper Ltd | Web monitoring for paper machines |
| US5619307A (en) | 1994-07-07 | 1997-04-08 | Cannon Kabushiki Kaisha | Method of printing test pattern and apparatus for outputting test pattern |
| US5612902A (en) | 1994-09-13 | 1997-03-18 | Apple Computer, Inc. | Method and system for analytic generation of multi-dimensional color lookup tables |
| US5642202A (en) | 1994-12-01 | 1997-06-24 | Xerox Corporation | Scan image target locator system for calibrating a printing system |
| US5727135A (en) | 1995-03-23 | 1998-03-10 | Lexmark International, Inc. | Multiple printer status information indication |
| EP0733967B1 (en) | 1995-03-24 | 2005-02-09 | Hewlett-Packard Company, A Delaware Corporation | Methods and apparatus for monitoring events and implementing corrective action in a multi-entity computer system |
| US5748221A (en) | 1995-11-01 | 1998-05-05 | Xerox Corporation | Apparatus for colorimetry gloss and registration feedback in a color printing machine |
| US5864773A (en) * | 1995-11-03 | 1999-01-26 | Texas Instruments Incorporated | Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment |
| US5761505A (en) | 1995-11-17 | 1998-06-02 | Hewlett-Packard Co. | System and method for automatically and reliably managing global resources in a computer network |
| US5694528A (en) | 1995-11-22 | 1997-12-02 | Xerox Corporation | Apparatus and method for diagnosing printing machine operation with facsimile transmitted dialog screens |
| US6023595A (en) | 1996-05-07 | 2000-02-08 | Canon Kabushiki Kaisha | Image processing apparatus capable of remotely diagnosing failed portion of image processing unit |
| JP3604504B2 (ja) * | 1996-05-31 | 2004-12-22 | 株式会社リコー | 管理装置と画像形成装置サービスシステム並びに故障発生予測方法 |
| US5892451A (en) | 1996-10-09 | 1999-04-06 | Hewlett-Packard Company | Remote management of computing devices |
| JPH10157257A (ja) * | 1996-11-22 | 1998-06-16 | Xerox Corp | 故障検出用振動センサ及び該センサ付きプリンタシステム |
| US5884118A (en) | 1996-11-26 | 1999-03-16 | Xerox Corporation | Printer having print output linked to scanner input for automated image quality adjustment |
| JP3710580B2 (ja) | 1997-01-20 | 2005-10-26 | 株式会社東芝 | 画像形成装置と画像形成方法 |
| US5960374A (en) * | 1997-02-14 | 1999-09-28 | International Paper Company | System for time synchronous monitoring of product quality variable |
| US6023525A (en) | 1997-10-23 | 2000-02-08 | Xerox Corporation | Determining an optimal color space direction for selecting color modulations |
| US5996090A (en) * | 1997-10-29 | 1999-11-30 | International Business Machines Corporation | Method and apparatus for quantitative diagnosis of performance problems using external representations |
-
2000
- 2000-03-10 US US09/522,082 patent/US6519552B1/en not_active Expired - Lifetime
- 2000-09-15 DE DE60026796T patent/DE60026796T2/de not_active Expired - Lifetime
- 2000-09-15 EP EP00308026A patent/EP1085416B1/en not_active Expired - Lifetime
- 2000-09-18 JP JP2000281082A patent/JP4878674B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102419795B1 (ko) | 2021-01-14 | 2022-07-12 | 인천대학교 산학협력단 | 가상센서를 이용한 진단과 제어가 가능한 난방 시스템 및 이를 이용한 진단 제어 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001175328A (ja) | 2001-06-29 |
| EP1085416A3 (en) | 2002-05-08 |
| US6519552B1 (en) | 2003-02-11 |
| DE60026796D1 (de) | 2006-05-11 |
| EP1085416B1 (en) | 2006-03-22 |
| DE60026796T2 (de) | 2006-10-12 |
| EP1085416A2 (en) | 2001-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4878674B2 (ja) | 電子システムのリアルタイム診断を行うためのハイブリッド診断システム | |
| US6782345B1 (en) | Systems and methods for diagnosing electronic systems | |
| US6892317B1 (en) | Systems and methods for failure prediction, diagnosis and remediation using data acquisition and feedback for a distributed electronic system | |
| EP1688842B1 (en) | Automated performance analysis and failure remediation | |
| EP1109395B1 (en) | Systems and methods for automated image quality based diagnostics and remediation of document processing systems | |
| US6947675B2 (en) | Remote maintenance and diagnosis of office or domestic appliances | |
| US7418634B2 (en) | Remote monitoring system and remote monitoring method | |
| US7546044B2 (en) | Management apparatus, management method, and computer-readable medium storing a computer program for acquiring maintenance information from plurality of image forming apparatuses | |
| US9696947B1 (en) | Fault identification for a printing system | |
| EP1591898A2 (en) | Dynamic control system diagnostics for modular architectures | |
| JP4646287B2 (ja) | 画像形成システム、画像形成方法、画像形成プログラム、及び記録媒体 | |
| JP3913504B2 (ja) | 電子機器の管理方法、電子機器、電子機器の管理システム、および情報通信装置 | |
| US20100281188A1 (en) | Methods and Systems for Outlying Peripheral Device Management | |
| JP4784225B2 (ja) | 故障診断装置、画像形成装置及び故障診断方法 | |
| JP3822800B2 (ja) | 画像出力装置 | |
| CN113260984A (zh) | 监视系统、监视方法和监视程序 | |
| JP5906873B2 (ja) | 訪問発生解析装置および訪問発生解析プログラム | |
| US20240177541A1 (en) | Adaptive training of data driven analysis to characterize faults in physical systems | |
| JP2008097270A (ja) | 電子回路装置、故障診断装置、故障診断システム、及び故障診断プログラム。 | |
| JP2003169180A (ja) | 作業指示方法及び作業指示装置並びに作業指示システム | |
| JPH07206297A (ja) | エレベータの故障診断装置 | |
| JP2021026754A (ja) | 情報処理装置、その制御方法、およびプログラム | |
| CN110362849A (zh) | 基于使用的动力系统/机器部件的故障率估计 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070914 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100330 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100629 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101102 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110202 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110614 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20111101 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20111129 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141209 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |