JP5168643B2 - 状態判別方法、状態判別システム及び画像形成装置 - Google Patents

Description

本発明は、画像形成装置等の対象機器の機器状態の異常を、対象機器の内部情報に基づき所定の判別基準に従って判別し得る状態判別方法、状態判別システム及び画像形成装置に関するものである。

従来、市場に出回っている画像形成装置等の様々な機器においては、機器に故障が発生すると、その内容によっては部品を交換したり清掃したりするまで当該機器を使用することができず、ユーザーに不便を強いてしまうことがある。特に、電子写真方式の画像形成装置では、構成が比較的複雑で部品点数が多いことから、各種の部品のメンテナンスを定期的に行わないと、故障が突然に発生してしまうという事態に陥り易い。

電子写真方式の画像形成装置は、通常の運転に伴う摩擦磨耗だけでなく、外部からの紙粉など有害物質の混入や、想定外の運転等によりもたらされるトナーの攪拌過剰に伴ったトナーの粘着力増大や外添材の脱落、クリーニングブレード等のクリーニング部材の磨耗や帯電手段の汚染劣化・偶発故障などによっても、緩やかに機能低下し、最終的には故障に至る。このような故障は、画像品質の低下、詳しくは、像担持体表面移動方向に対応する方向に延びたタテスジ状の異常画像、画像のボヤケ、像担持体表面移動方向に対応する方向に対して直交する方向に延びたヨコスジ状の異常画像、スポット状の汚点画像、白ヌケ画像、全面的な地汚れなど、さまざまなタイプの異常画像となって表面化することがある。このような異常画像に関する故障は、画像形成装置の作像動作自体には支障がないので、故障であっても運転しつづけ、画像形成装置の使用者が画像を目視して異常画像に気が付いた時点で故障に気づく。そのため、特に異常画像に関する故障では、単に故障を修理するだけに留まらず、異常画像となった画像を再度形成し直すという作業も発生するので、大きな時間と資源の無駄を生じさせる結果を招き、深刻な問題となっている。

そこで、従来、機器の故障を事前に予測する方法が種々提案されている。一般に、機器の故障を事前に予測する方法は、次の二つに大別することができる。
ひとつは、機器から取得した運転量情報を刻々観測し、予め想定した平均的寿命に近づいたことを以って故障を予測する方法である。これは、運転量に応じて装置があたかも摩耗するように消耗し故障に至るという考え方の上に成り立っている。具体的な一例を挙げると、感光体や現像装置などといった装置内の各種部品や機器の累積稼働時間をカウンタによって順次カウントしていくカウント値が予め耐久実験結果などで定めた寿命カウント値に到達すると故障が近づいたと予測する。このような予測は、機器の個別の環境や運転方法の違いによって寿命が大きく変動することを考慮していないので精度が低い。
もう一つは、故障が発生する前に見られる特有の装置の状態情報をパターンとして捉え故障が近いことを予測するパターン認識による方法である。このパターン認識による方法としては、ＭＴＳ法などの多変量解析を挙げることができる。この方法は、上述の平均寿命による方法よりも故障に至る状況が内部で発生していることを捉えて予測するので、特有の予兆状態を発見することが出来れば、機器の個別の環境や運転方法といった条件に左右されず、その装置が本当にメンテナンスが必要なときを正確に予測することが出来る。

特許文献１には、ＭＴＳ法を用いて画像形成装置の故障発生を予測する方法が開示されている。この方法は、画像形成装置の状態と関連がある複数種類の内部情報を取得し、取得した複数種類の内部情報から特定種類の機器状態が異常かどうかを判断するための指標値を算出し、この指標値から当該特定種類の機器状態に関する故障発生を予測するというものである。この方法では、まず、正常な状態の画像形成装置、あるいは、この画像形成装置と同一仕様の正常な状態の試験機から、その画像形成装置に関する複数種類の内部情報からなる組データを取得する。そして、この組データを数多く収集して正常組データ群（正常指標情報）を構築する。指標値を算出するときは、画像形成装置から複数種類の内部情報を取得する。そして、それらの内部情報について、予め構築しておいた正常組データ群による多次元空間内でどのような相対位置関係にあるのかを示す距離（指標値）が算出される。正常な状態から離れて故障が起こりそうになると、複数種類の内部情報と正常組データ群との多次元空間内での相関に乱れが生じて、上記多次元空間における原点（正常な状態の平均）からの「距離」すなわち指標値が大きくなる。一方、画像形成装置が正常な状態の場合は、原点（正常な状態の平均）からの「距離」すなわち指標値が小さくなる。よって、指標値に基づいて画像形成装置の正常さの程度を把握することが可能である。したがって、特許文献１においては、画像形成装置の故障が発生する前の軽微な異常を検知して、故障の発生を事前に予測することが可能になる。そして、異常の検知に基づいて、前もって部品を注文しておいたり、自分で部品交換できない場合には部品の注文とともにサービスマンを要請したりすることで、画像形成装置のダウンタイムを低減することができる。しかも、軽度な異常をきたすほど寿命が間近に迫った部品だけを交換することで、まだ十分に使用に耐え得る部品を交換してしまうことによるコスト高を回避することができる。

また、特許文献２には、画像形成装置の状態に関連した複数種類の情報の複数組のデータの取得を、状態判定対象の画像形成装置を含む同じ機種の複数の画像形成装置について、その複数の画像形成装置の製造後の稼働テスト中に行う。この複数の画像形成装置の稼働テスト中に取得した複数組のデータのすべてを含む基準データ群を、特定種類の状態判定用の指標値を算出する指標値算出式を決定するための初期の基準データ群として用いる。また、納品された画像形成装置の使用開始後、基準データ群用のデータの取得及び追加を所定の更新タイミングで行う。

また、機器の状態の異常を判別する方法として、ブースティング法を利用する方法も知られている。一般に、ブースティング法とは、精度の悪い小判別器を複数組み合わせることによって一つの高精度な判別器を構成する方法である。このブースティング法を利用して画像形成装置の状態判別を行う場合、画像形成装置の内部情報（センサの検出結果情報、各部の動作制御情報を数値化した情報など）について、その内部情報ごとに、正常状態のものか、又は、故障状態もしくは故障までには至らない故障予兆状態のもの（これらを「異常状態」という。）かを小判別器でそれぞれ判別し、各小判別器の判別結果をそれぞれ対応する重み係数で重み付けし、例えば多数決によって最終的に状態の異常を判別する。

特開２００５−０１７８７４号公報 特開２００５−２２７５１８号公報

一般に、状態判別可能な機器状態の種類を増やすことにより、増えた分の機器状態に関わる故障を未然に防ぐことが可能となる結果、その故障についてのダウンタイムを低減でき、対象機器のトータルでのダウンタイムを低減できる。しかし、上記特許文献１や上記特許文献２に記載の方法も含め、従来の状態判別方法では、その対象機器の製造時に状態判別が可能であると判明している特定種類の機器状態に対してしか、状態判別を行うことができなかった。そのため、従来の状態判別方法では、その後に状態判別可能であることが判明した新しい種類の機器状態については、状態判別を行うことができなかった。また、対象機器が市場に出回る前は、状態判別を行うために収集すべき内部情報のサンプル数を増やすにも限界があるため、対象機器の製造時点において状態判別可能な機器状態の種類は、製造時点で十分な数のサンプルを取得済みのものに限らざるを得なかった。これらのことから、従来の状態判別方法では、対象機器のトータルでのダウンタイムをより低減できる余地が残っていた。

本発明は、以上の背景に鑑みなされたものであり、その目的とするところは、当初は状態判別の対象としていなかった種類の機器状態を状態判別の対象に追加できるようにして、ダウンタイムの低減を図ることが可能な状態判別方法、状態判別システム及び画像形成装置を提供することである。

上記目的を達成するために、請求項１の発明は、対象機器の内部情報に基づき、複数種類の機器状態の異常を、該複数種類の機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置を用いて、該対象機器における該複数種類の機器状態の異常を判別する状態判別方法であって、上記対象機器から出力される該対象機器の内部情報を収集する情報収集工程と、該情報収集工程で収集した内部情報に基づいて、新たな種類の機器状態についての異常を判別し得る新たな判別基準を生成する判別基準生成工程と、該判別基準生成工程で生成した新たな判別基準を上記判別装置が使用可能なように該判別装置に組み込む判別基準組込工程と、該新たな種類の機器状態の異常を該新たな判別基準に従って該判別装置に判別させる判別工程と、上記複数種類の機器状態のうち、どの機器状態についての判別結果を報知するかを選択する選択工程と、該選択工程で選択した種類の機器状態についての該判別工程での判別結果を報知し、該選択工程で選択しなかった種類の機器状態についての判別結果は報知しない報知工程とを有し、上記選択工程では、上記判別装置に組み込まれた新たな判別基準に対応する機器状態については所定の選択条件を満たすまで選択せず、上記判別工程では、上記判別装置に組み込まれた新たな判別基準に対応する機器状態の異常を、該新たな判別基準に従って該判別装置に判別させ、上記報知工程では、該所定の選択条件を満たすまでは、該判別工程での判別結果を、テスト判別結果として、上記選択工程で選択した種類の機器状態についての判別結果とは区別した状態で報知することを特徴とするものである。
また、請求項２の発明は、請求項１の状態判別方法において、上記テスト判別結果と、該テスト判別結果を出力した以後における該テスト判別結果に対応した種類の機器状態とを比較し、該テスト判別結果が適合しているか否かを判断する適合性判断工程を有し、上記所定の選択条件は、該適合性判断工程でテスト判別結果が適合していると判断されることであることを特徴とするものである。
また、請求項３の発明は、請求項２の装置の状態判別方法において、上記適合性判断工程では、予め決められたタイミングで、機器状態が不良である旨のテスト判別結果と、該テスト判別結果を出力した時点における該テスト判別結果に対応した種類の機器状態とを比較し、該テスト判別結果が適合しているかどうかを判断するという作業を繰り返し行い、上記所定の選択条件は、該適合性判断工程で適合していないと判断された回数が所定回数以下であるという条件であることを特徴とするものである。
また、請求項４の発明は、請求項１乃至３のいずれか１項に記載の状態判別方法において、上記報知工程では、上記テスト判別結果を上記判別装置の提供者へ報知することを特徴とするものである。
また、請求項５の発明は、請求項４の状態判別方法において、上記判別装置と、該判別装置の提供者が使用する管理装置とを、通信ネットワークを介して互いに通信可能に接続し、上記報知工程では、上記テスト判別結果の上記判別装置の提供者への報知を上記通信ネットワークを介して行うことを特徴とするものである。
また、請求項６の発明は、請求項１乃至５のいずれか１項に記載の状態判別方法において、対象機器の使用者による操作を受け付ける操作受付手段と報知手段とを該対象機器に設け、該操作受付手段が受け付けた操作の内容に従い、少なくとも、上記判別工程でどの種類の機器状態の異常を上記判別装置に判別させるか、上記報知工程でどの種類の機器状態についての判別結果を上記報知手段に報知させるかを選択可能としたことを特徴とするものである。
また、請求項７の発明は、対象機器の内部情報に基づき、複数種類の機器状態の異常を、該複数種類の機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置を用いて、該対象機器における該複数種類の機器状態の異常を判別する状態判別システムであって、上記対象機器から出力される該対象機器の内部情報を収集する情報収集手段と、該情報収集手段が収集した内部情報に基づいて、新たな種類の機器状態についての異常を判別し得る新たな判別基準を示す判別基準データを生成する判別基準生成手段と、該判別基準生成手段が生成した判別基準データに係る新たな判別基準を、上記判別装置が使用可能なように該判別装置に組み込む判別基準組込手段と、上記複数種類の機器状態のうち、どの機器状態についての判別結果を報知するかを選択する選択手段と、上記選択手段が選択した種類の機器状態についての上記判別装置での判別結果を報知し、該選択手段が選択しなかった種類の機器状態についての判別結果は報知しない報知手段とを有し、上記選択手段は、上記判別装置に組み込まれた新たな判別基準に対応する機器状態については所定の選択条件を満たすまで選択せず、上記判別装置は、上記判別基準組込手段により組み込まれた新たな判別基準に対応する機器状態の異常を、該新たな判別基準に従って判別し、上記報知手段は、上記所定の選択条件を満たすまでは、上記判別装置での判別結果を、テスト判別結果として、上記選択手段が選択した種類の機器状態についての判別結果とは区別した状態で報知することを特徴とするものである。
また、請求項８の発明は、自己の内部情報に基づき、複数種類の機器状態の異常を、該複数種類の機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置を備えた画像形成装置であって、自己の内部情報を収集する情報収集手段と、新たな種類の機器状態についての異常を判別し得る新たな判別基準を示す判別基準データの入力を受け付ける入力受付手段と、該入力受付手段が受け付けた判別基準データに係る新たな判別基準を、上記判別装置が使用可能なように該判別装置に組み込む判別基準組込手段と、上記複数種類の機器状態のうち、どの機器状態についての判別結果を報知するかを選択する選択手段と、上記選択手段が選択した種類の機器状態についての上記判別装置での判別結果を報知し、該選択手段が選択しなかった種類の機器状態についての判別結果は報知しない報知手段とを有し、上記選択手段は、上記判別装置に組み込まれた新たな判別基準に対応する機器状態については所定の選択条件を満たすまで選択せず、上記判別装置は、上記判別基準組込手段により組み込まれた新たな判別基準に対応する機器状態の異常を、該新たな判別基準に従って判別し、上記報知手段は、上記所定の選択条件を満たすまでは、上記判別装置での判別結果を、テスト判別結果として、上記選択手段が選択した種類の機器状態についての判別結果とは区別した状態で報知することを特徴とするものである。

本発明においては、稼働中の対象機器から出力される当該対象機器の内部情報から新たな判別基準を生成して判別装置に組み込み、その対象機器における新たな種類の機器状態についての状態判別が可能となる。すなわち、状態判別可能な機器状態の種類を事後的に増やすことができる。これにより、それまでは判別することができなかった種類の機器状態の異常についても、その判別結果を報知することが可能となる。ここで、「異常」の状態とは、故障の状態だけでなく、故障にまでは至らないものの正常な状態ではない故障予兆状態をも含む概念である。本発明によれば、それまでは実際に故障が発生するまで気が付くことができなかった種類の機器状態の異常をその故障前に把握して、故障前に対処することが可能となる。よって、当初は状態判別が可能であることが判明していなかった機器状態に関わる故障によるダウンタイムの発生を未然に防ぐことが可能となる。

本発明によれば、状態判別可能な機器状態の種類を事後的に増やすことができるので、当初は状態判別の対象としていなかった種類の機器状態を状態判別の対象に追加できるようになり、トータルのダウンタイムを低減することが可能となるという優れた効果が得られる。

以下、本発明を、機器である画像形成装置としての電子写真方式のプリンタと、そのプリンタの提供者（メーカー）により管理運営される管理装置とから構成される状態判別システムに適用した一実施形態について説明する。

まず、本実施形態に係る状態判別システム全体の構成について説明する。
図１は、本実施形態に係る状態判別システム全体の概略構成図である。
この状態判別システムを構成する複数の画像形成装置１００は、既に使用者に納品された互いに同機種のプリンタである。これらのプリンタは、それぞれの使用者の使用場所に設置されている。これらの画像形成装置１００は、インターネット等に利用される通信ネットワークを介して管理装置２００に通信可能に接続されている。なお、本実施形態では、複数の画像形成装置１００と管理装置２００とから構成される状態判別システムを例に挙げて説明するが、単一の画像形成装置と管理装置２００とから構成される状態判別システムや、画像形成装置単体で構成される状態判別システムにも、本発明を同様に適用できる。

図２は、本状態判別システムを構成する画像形成装置としてのプリンタの概略構成図である。
このプリンタは、像担持体としての４つの感光体１Ｙ，１Ｍ，１Ｃ，１Ｋと中間転写体としての中間転写ベルト１０とを備えたタンデム型の画像形成装置である。本プリンタは、各感光体１Ｙ，１Ｍ，１Ｃ，１Ｋの周囲に、それぞれ、帯電手段としての帯電装置２Ｙ，２Ｍ，２Ｃ，２Ｋと、現像手段としての現像装置３Ｙ，３Ｍ，３Ｃ，３Ｋと、クリーニング手段としてのクリーニング装置４Ｙ，４Ｍ，４Ｃ，４Ｋと、潜像形成手段としてのレーザーダイオードで構成される露光装置５Ｙ，５Ｍ，５Ｃ，５Ｋとを備えている。各感光体１Ｙ，１Ｍ，１Ｃ，１Ｋの表面は、まず、帯電装置２Ｙ，２Ｍ，２Ｃ，２Ｋにより一様に所定電位に帯電された後、各露光装置５Ｙ，５Ｍ，５Ｃ，５Ｋにより露光されることで、各色の静電潜像が形成される。このようにして形成された各静電潜像には、それぞれ、現像装置３Ｙ，３Ｍ，３Ｃ，３Ｋにより各色のトナーが供給されて現像され、これにより各感光体１Ｙ，１Ｍ，１Ｃ，１Ｋの表面上にはそれぞれトナー像が形成される。各色トナー像は、互いに重なり合うように中間転写ベルト１０上に順次転写される。転写後に各感光体１Ｙ，１Ｍ，１Ｃ，１Ｋの表面上に残留した転写残トナーは、クリーニング装置４Ｙ，４Ｍ，４Ｃ，４Ｋにより除去される。

中間転写ベルト１０上に転写されたトナー像は、中間転写ベルト１０の表面移動に伴って二次転写領域へと搬送される。二次転写領域には、中間転写ベルト１０の外周面に対向するように二次転写ローラ１１が配置されている。一方、給紙部１２に収容されている記録材としての用紙は、中間転写ベルト１０上に転写されたトナー像が二次転写領域へ搬送されるタイミングに合わせて二次転写領域へ送り込まれる。そして、中間転写ベルト１０上に転写されたトナー像は、二次転写領域において用紙上に転写される。トナー像が転写された用紙は、定着手段としての定着装置１３を通過することで、トナー像が用紙に定着し、その後機外へ排出される。

図３及び図４は、中間転写ベルト１０の外周面に対向するように設けられるトナー濃度センサの配置を示す説明図である。
図５（ａ）及び図５（ｂ）は、トナー濃度センサの概略構成及び動作を説明するための説明図である。
本実施形態においては、内部情報検知手段として、中間転写ベルト上に形成されるトナーパターンの濃度を検知するためのトナー濃度センサ１４，１５が設けられている。これらのトナー濃度センサ１４，１５は、図５（ａ）及び図５（ｂ）に示すように、１つの発光素子であるＬＥＤと２つの受光素子であるＰＤとから構成される反射型の光学センサである。２つの受光素子のうちの一方は、正反射光を受光する位置に配置される正反射ＰＤであり、正反射光を受光する位置から外れた位置で乱反射光を受光する乱反射ＰＤである。２つのトナー濃度センサ１４，１５は、中間転写ベルト１０の幅方向における中間転写ベルト外周面の端部領域にそれぞれ対向配置されている。なお、本実施形態では、トナー濃度センサ１４，１５を中間転写ベルト１０に対向配置させているが、二次転写領域通過後の用紙が通る用紙経路に対向配置させ、用紙上のトナー濃度を検知するように構成してもよい。

本実施形態の中間転写ベルト１０は、その表面がトナーの固着を避けるために平滑性の高い材料で形成されている。具体的には、ＰＶＤＦやポリイミドなどの光沢を有する表面をもったベルト材料である。このような中間転写ベルト１０上に、所定のタイミングで、Ｙ、Ｍ、Ｃ、Ｋの各色について、図４に示すような５段階の濃度差をもったトナーパターンを順次形成する。具体的には、通常の画像形成動作で、各感光体１Ｙ，１Ｍ，１Ｃ，１Ｋ上にそれぞれ５段階の濃度差をもつようなトナーパターンの静電潜像を形成し、これを各現像装置３Ｙ，３Ｍ，３Ｃ，３Ｋで現像して、中間転写ベルト１０上の互いに異なる位置に転写させる。これにより、中間転写ベルト１０上に転写された各色の５段階トナーパターンは、中間転写ベルト１０の表面移動に伴ってトナー濃度センサ１４，１５の対向位置を通過する。その際、トナー濃度センサ１４，１５は、各トナーパターンからの反射光を受光することで、各トナーパターンのトナー濃度に応じた検知信号を出力する。

図６は、トナー濃度センサ１４，１５の検知信号に基づくプロセス制御（プロセス調整運転）に関わる制御系の概要を示すブロック図である。
通常運転信号が本プリンタ内のコントローラと呼ばれる上位制御装置より指示されると、画像信号発生回路が起動し、露光駆動回路を通じて露光装置５Ｙ，５Ｍ，５Ｃ，５Ｋのレーザーダイオードを画像信号に応じて点滅させる。また、ＣＰＵは、感光体モータや現像駆動モータなどの駆動系と、帯電バイアスや現像バイアスなどのバイアス出力とを順次シーケンシャルに出力し、画像形成動作を実行する。ここで、本プリンタのような電子写真方式の画像形成装置は、経時劣化や環境変動で画像濃度が変動してしまうという弱点がある。そのため、一般には、トナー濃度センサやその他のプロセス制御用センサを設けて、画像濃度の安定化を図るためのプロセス調整運転を行う。

図７は、主要なプロセス制御（プロセス調整運転）の流れを示すフローチャートである。
プロセス調整運転信号が上位制御装置より指示された場合、又は、通常運転信号を受けたとき若しくは通常運転信号によって画像形成動作が行われた後のタイミングをＣＰＵが判断した場合、プロセス調整運転が開始される。プロセス調整運転では、最初に、トナー濃度センサ１４，１５の校正運転が行われる。この校正運転では、画像信号発生回路は画像ナシの状態となり（Ｓ１）、感光体１Ｙ，１Ｍ，１Ｃ，１Ｋ上も中間転写ベルト１０上も、理想的にはトナーが存在しない状態となる。そして、図８（ａ）に示すように、この状態の中間転写ベルト１０に対するトナー濃度センサ１４，１５の正反射ＰＤの検出信号が予め決められた目標受光光量となるように、ＣＰＵは、トナー濃度センサ１４，１５の発光光量を調整する（Ｓ２〜Ｓ４）。これにより、トナー濃度センサ１４，１５の発光素子及び受光素子の能力バラツキや経時変化、感光体表面状態の経時変化などに影響されずに、トナー濃度を安定して検知することができる。

次に、図４に示したような予め決められたトナーパターン（テスト画像）を自動出力し、これに対応した中間転写ベルト１０上のトナーパターンをトナー濃度センサ１４，１５で検知する（Ｓ５〜Ｓ６）。このとき、帯電バイアス条件や現像バイアス条件などの作像条件は、予め決められた特定値を用いる。トナーパターンの濃度検知の際には、トナー濃度センサ１４，１５の乱反射ＰＤの出力を用いる。乱反射ＰＤの出力とトナー濃度との関係は、図８（ｂ）に示すものとなる。よって、乱反射ＰＤの出力値から、トナーパターンの濃度を把握することができる。トナーには各色の着色剤が含有されているので、トナー濃度センサ１４，１５の発光素子としては、着色剤の影響を余り受けない８４０ｎｍ程度の波長の近赤外あるいは赤外の光源を用いるのが好ましい。しかし、この場合、黒色トナーは低価格のカーボンブラックによって着色されたトナーが一般に用いられており、赤外領域でも強い吸光を示すので、図８（ｂ）に示すように他色に比べてトナー濃度に対する感度が低くなる。

図９は、トナーパターンのトナー濃度計測結果と現像ポテンシャルとの対応関係を示すグラフである。
本実施形態では、各色について濃度が５段階で異なるトナーパターンの計測結果が得られるので、色ごとに、５点のトナー濃度計測結果から線形近似した現像ポテンシャル−トナー付着量直線（以下「特性直線」という。）を求める（Ｓ７）。そして、この特性直線の傾きγおよび切片Ｘ０が狙いの特性とズレていることを把握する。傾きγは、主に露光光量補正パラメータＰを露光信号に掛け合わせることで補正し、現像が開始されるポテンシャル（切片Ｘ０）のズレは、主に現像バイアスに補正パラメータＱを掛け合わせることで、狙いとする画像濃度の安定化を図る（Ｓ８）。なお、本実施形態では、露光光量と現像バイアスを補正する場合を例に挙げて説明したが、もちろん帯電電位や転写電流など画像濃度に寄与するその他のプロセス制御値を補正しても、同様の結果を得ることが可能である。

上記のようなプロセス制御は、正常状態におけるトナー帯電量の温湿度による変動や感光体の感度変動などを補正する目的で行われるが、そのプロセス制御に使用するトナー濃度センサ１４，１５の出力値などの内部情報は、特定種類の故障やその故障の予兆が生じた場合にも変動する場合がある。

その一例について説明すると、転写後の感光体上に残存した転写残トナーを回収して正常な帯電露光を維持するために設けられているクリーニング装置４Ｙ，４Ｍ，４Ｃ，４Ｋは、ウレタンゴムブレードで感光体表面を摺擦するブレードクリーニング方式が多用されている。そのため、一部のトナーがクリーニングブレードと感光体表面との間に潜り込み、そのクリーニング位置を通過してしまう場合が起こり得る。この場合、通過したトナーは帯電露光部を通過して現像装置に静電的に回収されることも多いが、クリーニングブレードによる摩擦作用などによって帯電特性を失ったり形状が変化してしまうことで、現像装置に回収されないことがある。このようなトナーは、画像部であるか非画像部であるかに関係なく、中間転写ベルト１０上に非静電的に転移し、最終的に用紙上に転移してしまうことがある。その結果、図１０（ａ）や図１０（ｂ）に示すように、用紙上の非画像部にトナーが付着して地汚れを生じさせることが起こり得る。

このような地汚れが生じても、図１０（ａ）に示すように、ごく微量のトナー粒子が非画像部に付着する程度であれば画像品質を著しく損うようなことは無いので、許容範囲内（正常状態）であると言える。しかし、長期使用によりクリーニングブレードが磨耗してくると、そのクリーニングブレードによる掻き落し力が低下し、クリーニング位置を通過してしまうトナー量が加速度的に増えていく傾向がある。そして、ついには、感光体軸方向の一部分でクリーニングブレードの先端に堰き止められていた大量のトナーが一気にクリーニングブレードを乗り越え、クリーニング位置を通過してしまう事態が起こり得る。このような事態が生じると、帯電装置はトナーによる汚れで帯電能力を大きく低下させ、また、露光装置もトナーに邪魔されて感光体表面上に所望の静電潜像が形成できなくなり、また、現像装置もこのような大量のトナーを回収することができなくなる。その結果、ついには、大量のトナーがクリーニングブレードを乗り越えた部分に対応する位置に、タテスジ状の異常画像が発生してしまい、ただちに修理を要する故障状態となる。

ここで、本発明者らは、このような故障状態に至る少し前には、図１０（ｂ）に示すように、画像領域全体にわたってほぼ均一に通常状態よりも地汚れ量が多くなることを確認している。画像領域全体にわたって地汚れ量が多くなっても、通常はあまり気にするほどの画像劣化ではないので、使用者が異変に気づくことは極めて少ない。本実施形態では、この状態を「軽度地汚れ」と呼び、クリーニングブレードの故障の予兆状態であると考える。

このような軽度地汚れは、図１１（ａ）に示すように、トナー濃度センサ１４，１５の計測結果において、特に低濃度部での計測結果を高くする影響を及ぼす。よって、上記特性直線上において、傾きγが若干低下したり、切片Ｘ０が若干小さくなったりする。しかし、このような軽度地汚れによる特性直線の変化は、図１１（ｂ）に示す環境変動や経時による特性直線の変化と大差は無く、単色の傾きγや切片Ｘ０の変動あるいはこれに基づき決定される補正パラメータＰ，Ｑの変動から、軽度地汚れの発生を判別することは極めて難しく、高い精度でクリーニングブレードの故障の予兆を報知することは困難である。そのため、従来は、明らかに正常から逸脱した場合にのみ予兆を報知するに留まり、クリーニングブレードの故障が発生する前に対処できない場合が多かった。

図１２は、本実施形態における黒色用感光体１Ｋの黒色用クリーニングブレードの故障の予兆を報知するための処理を示すブロック図である。
図１３は、黒色用クリーニングブレードの故障予兆状態を判別するための処理の流れを示すフローチャートである。
本実施形態では、画像形成装置１００のトナー濃度センサ１４，１５の検知信号から得られる上述した補正パラメータＰ，Ｑを内部情報としてのセンシング信号として用い、黒色用クリーニングブレードの故障予兆状態を判別する。具体的には、プロセス制御を行って各色の補正パラメータＰ，Ｑを算出したら（Ｓ１１）、まず、これらの補正パラメータＰ，Ｑをデータ収集器１０１によってログの形でメモリ１０２に記録する。本実施形態では、データ収集器１０１を、ＣＰＵおよびそれに付随して構成される不図示のメモリ手段で構成しているが、ＣＰＵと通信可能に接続された別のＣＰＵとメモリ手段で実現してもよい。例えば、画像形成装置１００を上位で制御している上位制御装置でデータ収集器１０１を構成してもよいし、画像形成装置１００とは別に設けられた専用の管理装置をデータ収集器１０１として利用してもよい。

その後、時間的特徴量抽出器１０３で、過去の信号の動きに対して特異な変化を示しているかどうかを数理的あるいは統計的に計算し、その時点でのコンディションデータセットを作成し、これをメモリ１０４に記録する（Ｓ１２〜Ｓ１３）。そして、メモリ１０４に記録されたコンディションデータセットは、判別器１０５に送られる。具体例を挙げて説明すると、プロセス制御により、各色について、例えば図１４に示すような特性直線がそれぞれ得られた場合、図１５に示すように、補正パラメータＱのログが更新されていく。このとき、その時間的特徴量として最新のＱ値とひとつ前の時点のＱ値の差分を経過時間や経過運転量で割ることによって、概略微分値ｄＱを求める。この概略微分値ｄＱは、コンディションデータセットに含まれた形でメモリ１０４に記録される。

なお、画像形成装置の経時劣化は、主に運転量に支配されると考えられるので、経過時間ではなく、運転時間やプリント枚数カウンタ値などの経過運転量で割るのが好適である。この場合、これらの運転量は、ＣＰＵによって一般に内部管理されているので、データ収集器１０１はセンシング信号だけでなく運転量も併せて記録するようにする。なお、運転時間積算値や実時間経過値などを用いることも可能である。
また、時間的特徴量抽出器１０３で抽出する時間的特徴量は、上述した概略微分値ｄＱだけでなく、信号変化の回帰値や、最近部分の複数データの標準偏差、最大値、平均値など、さまざまな特徴量を用いることができる。このような時系列的な信号の特徴量抽出方法は、ＡＲＩＭＡモデルなど多数提案されており、適宜の方法を使えばよい。一般に、故障の予兆は、正常状態のときには安定していたセンシング信号（内部情報）が、様々な形ではあるが特異な不安定な動きを示したことを検出することによって捉えられると考えるので、この考え方に立って適切な時間的特徴量抽出方法を選択すればよい。
また、時間的な演算を含まない特徴量をコンディションデータセットに加えるようにしてもよい。例えば、その時点のセンシング信号値そのものが加えられても良いし、運転時間や経過時間などの運転情報を加えても良い。更には、故障修理を行ったことを示す信号を用意し、これをログに加えてメモリ１０２に記録し、修理直後のコンディションデータセットの過渡的な変化を故障予兆状態と誤判別しないように例外処理を行うように構成しても良い。

判別器１０５は、所定の判別プログラムを実行するＣＰＵで実現されており、コンディションデータセットが正常状態か故障予兆状態かを判別する。時間的特徴量抽出器１０３や判別器１０５は、ハードウェアで構築せずに、所定のコンピュータプログラムを実行するＣＰＵで構築する方が、コストや開発期間の短縮に好適である。本実施形態における判別器１０５は、各コンディションデータについてそれぞれ個別に用意された複数の小判別器で構成される。そして、各小判別器で各コンディションデータ（概略微分値ｄＱなどの特徴量）について正常状態か故障予兆状態かの判別を個別に行い、その判別結果を重み付き多数決によって、判別器１０５の最終的な判別結果Ｆを出す。この判別結果Ｆが故障予兆状態を示したものである場合、アラーム通報器１０６を通じて画像形成装置１００の使用者に報知したり、通信ネットワークを介して管理装置２００に通報して管理装置２００のオペレータに報知したりする。

本実施形態の判別器１０５は、小判別器として、閾値の大小のみの判別を行うスタンプ判別器と呼称されるものを用いているので、ＣＰＵ演算が高速に行えるメリットがある。しかも、本実施形態のように重みつき多数決を用いる場合、十分な精度が得られるので、精度良くコストを掛けずに故障予兆状態を判別することができる。

小判別器としてスタンプ判別器を用いたときの状態判別計算方法は以下のようになる。
センシング信号Ｐ，Ｑ，Ｒについてのｎ個の時間的特徴量の計算結果Ｃ１〜Ｃｎの各々についてスタンプ判別器を用意し、下記の数１に示す式（１）に基づいて、重み付き多数決の計算結果であるＦ値を求める。但し、αiは各小判別器に与えた重み付け係数であり、ＯＵＴiは各小判別器の判別結果である。
・・・（１）

ＯＵＴiは、（Ｃi−ｂi）がゼロ以上の場合には、下記の式（２）となり、（Ｃi−ｂi）がゼロ未満の場合には、下記の式（３）となる。但し、ｂiはそれぞれの特徴量についての閾値であり、ｓｇｎiはその判別極性である。
Ｏｕｔi ＝ （ｓｇｎi×（Ｃi−ｂi）） ・・・（２）
Ｏｕｔi ＝ −（ｓｇｎi×（Ｃi−ｂi）） ・・・（３）

本実施形態では、以上のようにして得られたＦ値がゼロより小さい場合、故障予兆状態と判別する。
なお、重み付け係数αi、判別極性ｓｇｎi、閾値ｂiなどの判別基準は、画像形成装置１００のテスト稼働や実際の使用時の各種センシング信号に基づいて学習した結果から決定される。このような判別基準は、予めメモリ１０７に格納されており、判別器１０５はこれを参照して判別処理を行う。判別基準αi，ｓｇｎi，ｂiの決定には、ブースティング法と呼ばれる教師付き学習アルゴリズムを用いればよい。ブースティング法については、例えば、数理科学Ｎｏ．４８９（ＭＡＲＣＨ ２００４「統計的パタン識別の情報幾何」）に掲載されている。具体的に説明すると、まず、正常な状態であると予め分かっているセンシングログデータと、故障予兆状態にあると分かっているセンシングログデータとを用意する。後者のデータについては、例えば、画像形成装置１００の耐久試験などを行うときにセンシングデータログを取り、故障事例に出会った画像形成装置１００について、その故障の前に予兆状態があった期間を推定し、その期間のセンシングログデータを活用する。

以下、発明者らが実際に１０台を超える画像形成装置（以下「試験機」という。）について、３ヶ月間に渡りセンシングデータログを取りながら故障事例を集めて検証した実験例について説明する。
図１６は、１つの試験機が黒色のタテスジ状の異常画像が出てクリーニング不良が発生したためこれを修理したときの故障事例における、各色の補正パラメータＱ（符合が逆となるが切片Ｘｏに対応した値）の経時変化を示すグラフである。なお、この補正パラメータＱ以外にも多数の内部情報を収集し検証したが、ここでは、その中で最も変化が顕著であった補正パラメータＱについてのみ説明する。図１６のグラフを見ると、黒色のクリーニング不良に先立って、Ｙ、Ｍ、Ｃ色の補正パラメータＱが変動していることが観察される。そこで、このＹ、Ｍ、Ｃ色の時間的特徴量抽出を行って、この変化を取り出し、コンディションデータセットを生成した。そして、故障予兆期間を目視で推定し、コンディションデータセットの該当部分のラベルを−１（故障予兆期間）、それ以外のラベルを＋１（正常期間）と与え、ブースティング法による１００回の繰り返し学習を行わせ、補正パラメータＱについてのｂi、ｓｇｎi、αiを決定した。

図１７は、学習に用いたデータを使ってＦ値を計算した結果を示すグラフである。
このグラフが示すように、ラベルのついた教師付きデータは適切に学習が行われ、予兆該当部分だけがＦ値でマイナスに変化するような判別器１０５が生成されたことが確認された。

次に、この判別器１０５を用いて、学習に用いていないセンシングログデータに対して適切な結果が得られるかを、黒色のクリーニング不良が発生した他の５台の試験機Ａ〜Ｅのセンシングログデータから同様の手順でコンディションデータセットを作成し、事後検証した。その結果を図１８に示す。
図１８に示すように、先に決定したｂi、ｓｇｎi、αiによって演算を行う判別器１０５から出力されるＦ値は、いずれの試験機Ａ〜Ｅも、意図した通り、黒色のクリーニング不良という同じ種類の故障発生前の期間で、マイナスへの値変化を示した。よって、このＦ値がゼロ以下になった場合には、黒色のクリーニング不良についての故障予兆状態であると判別することができることが確認された。その結果、使用者に納品された画像形成装置１００において上述した補正パラメータＱを継続的に収集し、上記判別器１０５により判別処理を行うことによって、タテスジ状の異常画像が発生する前に、黒色の作像ユニットを交換修理することが可能となる。これにより、タテスジ状の異常画像が発生した画像を再度形成することによる資源の無駄を防止できる。また、このような交換修理を画像形成装置１００の不使用時に行えばダウンタイムを低減できる。

なお、黒色のクリーニング不良に関わるＹ、Ｍ、Ｃ色の補正パラメータＱの変化の特徴は、個体差があり、その変化の大きさや比率、変化速度などは試験機ごとに異なることが多く、どの試験機のセンシングログデータを用いて学習するかによって、生成される判別基準（ｂi、ｓｇｎi、αi）が異なる結果となる。よって、複数の試験器のセンシングログデータを用いて学習して生成した判別基準（ｂi、ｓｇｎi、αi）を使用する複数の判別器（以下「中判別器」という。）を用いて、黒色のクリーニング不良の予兆状態を判別するように構成してもよい。具体的には、図１９に示すように、互いに異なる判別基準に基づいて判別処理を行う３つの中判別器１０５ａ，１０５ｂ，１０５ｃを設け、これらの判別結果Ｆａ，Ｆｂ，Ｆｃから最終的な判別結果Ｆを出力するという判別器１０５を採用することができる。なお、図１９に示す例のように、各中判別器１０５ａ，１０５ｂ，１０５ｃを並列に使用する判別器１０５は、個々の中判別器１０５ａ，１０５ｂ，１０５ｃでの判別精度がそれぞれ十分に高いことが要求される。

ここで、中判別器１０５ａ，１０５ｂ，１０５ｃに用いる判別基準は、適切な故障事例のデータを得るごとに作成可能であるが、製品開発中の稼働テストだけでは見出せない適切な故障事例も存在し、このような適切な故障事例が画像形成装置１００が市場に出回った後、その画像形成装置１００の実使用開始後に収集したセンシングデータから見つかる場合もある。本実施形態では、使用者に納品された後の各画像形成装置１００から通信ネットワークを介して管理装置２００にセンシングデータを収集させ、確認した故障事例から新たに中判別器１０５ａ，１０５ｂ，１０５ｃに用いる判別基準を生成できる。そして、新たに生成した判別基準を使用する中判別器は、通信ネットワークを介して管理装置２００から各画像形成装置１００へ追加可能な構成となっている。中判別器の追加方法としては、例えば、ＣＰＵを追加される中判別器として機能させるための新たな判別プログラムとこれに用いる判別基準を通信ネットワークを介して各画像形成装置にインストールする方法が挙げられる。他の方法としては、ダミー判別基準に従って判別する中判別器を予め各画像形成装置１００に組み込んでおき、そのダミー判別基準を通信ネットワークを介して新たな判別基準に書き換えるようにしてもよい。

次に、本発明の特徴部分である、上記判別器１０５とは異なる種類の故障を判別するための判別器を画像形成装置１００へ新たに追加するための処理について説明する。
図２０は、図１２に示した黒色のクリーニング不良の予兆を報知するシステムに、新たにマゼンタ色のクリーニング不良の予兆を報知するシステムを追加したブロック図である。
本実施形態の画像形成装置には、黒色のクリーニング不良の予兆状態を判別するための判別器１０５が予め組み込まれているが、このほか、マゼンタ色のクリーニング不良の予兆状態を判別するための判別器１０８と、シアン色のクリーニング不良の予兆状態を判別するための判別器１１０とが予め組み込まれている。ただし、本画像形成装置１００の開発段階では、マゼンタ色とシアン色のクリーニング不良の予兆状態を高い精度で判別できるような判別基準を得ることができなかったため、各判別器１０８，１１０の各メモリ１０９，１１１にはダミー判別基準が記録されている。このダミー判別基準は、各判別器１０８，１１０の判別結果として、クリーニング不良の予兆状態が判別されないようなものである。したがって、ダミー判別基準に基づいて予兆状態の判別をしている判別器１０８，１１０からは、予兆状態を示す判別結果は出力されない。

本実施形態において、管理装置２００は、市場に出回った各画像形成装置１００からそのセンシングデータ等の内部情報を定期的に通信ネットワークを介して収集している。使用者に納品された画像形成装置１００で実際にマゼンタ色のクリーニング不良が発生した故障事例を確認したら、その画像形成装置１００でマゼンタ色のクリーニング不良が発生する前に予兆状態があった期間を推定し、その期間のセンシングログデータを解析する。この解析において、マゼンタ色のクリーニング不良の予兆状態を高い精度で判別し得る判別基準（判別に使用する内部情報や判別処理の際の係数や閾値等）を生成できるかどうかを判断する。その結果、高い精度で判別し得る判別基準を生成できると判断したら、そのセンシングログデータから新たな判別基準を作成する。そして、作成した新たな判別基準を、管理装置２００から各画像形成装置１００へ通信ネットワークを介して送信する。そして、各画像形成装置１００のメモリ１０９内のダミー判別基準をこの新しい判別基準に書き換える。これにより、その後の判別器１０８では、この新しい判別基準に従ってマゼンタ色のクリーニング不良の予兆状態を判別することになる。その結果、判別器１０８が予兆状態を示す判別結果を出力したとき、アラーム通報器１０６は、黒色のクリーニング不良とは異なる報知方法により、マゼンタ色のクリーニング不良の報知処理を行う。

以上より、本実施形態によれば、マゼンタ色のクリーニング不良の予兆状態を報知できなかった当初の画像形成装置１００でも、事後的に、マゼンタ色のクリーニング不良の予兆状態を報知することができるようになる。したがって、黒色のクリーニング不良の場合と同様に、マゼンタ色によるタテスジ状の異常画像が発生する前に、マゼンタ色の作像ユニットを交換修理することが可能となる。これにより、マゼンタ色のタテスジ状の異常画像が発生した画像を再度形成することによる資源の無駄を防止できる。また、このような交換修理を画像形成装置１００の不使用時に行えばダウンタイムを低減できる。

ここで、判別器１０５，１０８，１１０の判別精度が低いために誤報を多発した場合など、一部の判別器１０５，１０８，１１０の使用を中止したい場合もあり得る。そこで、本実施形態では、使用を中止したい判別器の判定結果を、予め用意してあるスイッチ手段１０６Ａ，１０６Ｂ，１０６Ｃによって選択的に機能停止させることができるようになっている。これにより、万が一、誤報が多発した場合でも、その判別器についてのスイッチ手段１０６Ａ，１０６Ｂ，１０６Ｃを、使用者の操作内容に従って又は通信ネットワークを介して管理装置２００から送信されてくる指示情報に従ってオフにすることで、誤報を防ぐことができる。
なお、本実施形態では、判別結果が報知されないように判別結果の出力をオフにする方法を示したが、判別器から予兆状態を示す判別結果が出力されないようにしてもよい。具体的には、対象となる判別器の判別基準を上述したダミー判別基準に書き換える。この方法によれば、通信ネットワーク介して簡単に処理することができる。

また、誤報多発の原因は、学習データと異なる状況が当該装置において発生しており、その原因は装置１台毎の特性差や装置の運転条件や温度や湿度などの運転環境の違いなどに起因するものと推察される。したがって、綿密にテストを行った新しい判別基準であっても、これを組み込んだ装置ごとに、十分な精度で機能するかどうかを確認することが望ましい。
そこで、本実施形態では、新たな判別基準を組み込んだ後、所定の条件が満たされるまでは、その新たな判別基準を使用した判別器１０８の判別結果は、テストアラームとして報知されるようになっている。これにより、各画像形成装置１００で新しい判別器１０８の運用開始する前にテスト運用が可能となり、誤報多発による不要なメンテナンス発生などを未然に防止することが可能である。なお、テストアラームの報知手段としては、例えば、画像形成装置の液晶タッチパネルや操作ボタンや発光表示灯などを用いることができる。また、通信ネットワークを介して管理装置２００に通報するような手段を用いることもできる。そして、画像形成装置１００の使用者がテストアラームの報知を受けたときに、画像形成装置自体を点検したり、テスト画像をプリントアウトしてみたりして、綿密に調べることにより、画像形成装置１００の不具合の予兆が確かにあることを確認したり、そのまま運転しつづけていて実際に故障に遭遇することによって新しい判別器１０８の判別処理が妥当なものであることを確認したりすることができる。そして、新しい判別器１０８の判別処理が妥当であると確認したら、使用者は画像形成装置の操作パネルを操作して、当該判別器１０８の判別結果が正式なアラームとして報知されるようにする。この操作により、スイッチ手段１０６Ｂは正式なアラームを報知するようになる。

なお、新しい判別器１０８の判別処理が妥当なものであるかどうかの判断は、長期にわたってテストすることで精度よく判断することが望ましいが、いつまでもテストしているのでは、いつまでも本来の予兆状態判別器能を有効に使用できない状態が続いてしまう。よって、管理装置２００の管理者が示したテスト期間が経過したら、スイッチ手段１０６Ｂを正式なアラームを報知できるように切り換えるようにしてもよい。管理装置２００の管理者は、多数の画像形成装置１００による判別器１０８の使用実績を知り得る立場にあるので、適切なテスト期間を設定することが可能である。

管理装置２００の管理者は、市場で実用に供される多くの画像形成装置１００の統計的な故障やメンテナンス情報を知りうるが、個別の画像形成装置１００についての運転条件、環境条件、稼動状況などを詳細には知ることは難しい。したがって、判別器の一般的な妥当性を検証することはできるが、これらの差異や装置の個性に伴う判別器の不適格な結果を予想し得ない。一方、画像形成装置の使用者は、自らの画像形成装置についての運転条件、環境条件、稼動状況などに精通しており、自らの画像形成装置１００の状態やプリントアウトした画像の状態などを点検できるので、画像形成装置１００の使用者に、新しい判別器を追加したり、使用する判別器を選択させたりすることで、個々の画像形成装置１００に固有の不適格な判別器を有効に排除できる。よって、使用者が画像形成装置の操作パネルを操作してスイッチ手段１０６Ｂを操作できるようにしている。

また、上述したように、管理装置２００の管理者（新しい判別器の提供者）は、個々の画像形成装置の環境条件などを知り得ないので、画像形成装置の使用者を介してテスト結果をフィードバックしてもらうことが、より高精度な判別器を生成する上で重要である。この場合、例えば、新しい判別器を追加するにあたり、その適用に向いた運転条件や環境条件を使用者へ提供することで、使用者に有益な選択を促すことができる。テスト結果を管理装置２００の管理者へフィードバックする方法としては、電子メールなどの通常のコミュニケーション手段を用いてもよいが、正確な情報伝達が必要なので、次のような方法が望ましい。まず、使用者が新しい判別器１０８を追加した時点から、テストに用い、合格と判断してアラームに接続する操作を行うまで、あるいは、不合格と判断して当該判別器１０８を削除あるいは非接続とするまでの操作記録を画像形成装置１００の内部で記録し、アラーム接続操作または削除操作があったときに、記録した情報を通信ネットワークを介して管理装置２００へ送信する方法である。管理装置２００の管理者は、当該記録情報だけでは運転条件や環境条件など必要情報が不足していた場合、フィードバックがあった後に必要な情報を具体的に問うアンケートを使用者宛に送付する。使用者は自動的なフィードバック発信に援助されるので最小限の手間でフィードバックが完了できる。なお、使用者の操作ミスによる自動発信を回避するために、自動発信に代えて、使用者のフィードバック指示を行うようにしても良い。

なお、本実施形態のように判別基準やフィードバック情報などの各種データを通信ネットワークを介してやりとりする場合、そのデータの正確性やフィードバック情報の正確性は、新しい判別器の有用性を確保するためにきわめて重要である。もしも、これらの情報が偶発的な間違えや意図的な改ざんなどを受けて、判別器を生成するための情報に不正確な情報が混入してしまうと、信頼性の高い判別器を生成できなくなる。そこで、特定の権限をもった使用者のみログインできるセキュリティーの確立しているホームページをつかって、新しい判別器のダウンロードを行うように構成したり、画像形成装置１００側にもダウンロードに必要なＩＤやキーワードを実装して確実に認証のある判別器のみを追加可能にしたりするのが好ましい。また、フィードバック情報を送るときには、同様に画像形成装置１００側に実装されているアップロードに必要なＩＤやキーワードを必須とするアクセス手段を用意することで、フィードバック情報提供元を厳密に特定・限定可能とし情報の正確さを維持するのが好ましい。

以上、本実施形態においては、対象機器である画像形成装置１００の内部情報（補正パラメータＱ等）に基づき、複数種類の機器状態（黒色用クリーニングブレードの状態と、マゼンタ色用クリーニングブレードの状態）の異常を、これらの機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置としての判別器１０５，１０８を用いて、画像形成装置１００における当該複数種類の機器状態の異常を判別する状態判別方法を実行する。詳しくは、画像形成装置１００から出力される画像形成装置１００の補正パラメータＱ等を収集し、収集した補正パラメータＱ等に基づいて新たな種類の機器状態（マゼンタ色用クリーニングブレードの状態）についての異常を判別し得る新たな判別基準を生成し、生成した新たな判別基準を判別器１０８で使用可能なようにその判別器１０８に組み込み、当該新たな種類の機器状態の異常を当該新たな判別基準に従って判別器１０８に判別させ、その判別結果を報知する。これにより、テスト稼働又は実稼働中の画像形成装置１００から出力される画像形成装置の内部情報から新たな判別基準を生成して判別器に組み込み、その画像形成装置１００における新たな種類の機器状態（マゼンタ色用クリーニングブレードの状態）についての異常判別が可能となる。すなわち、状態判別可能な機器状態の種類を事後的に増やすことができる。これにより、それまでは判別することができなかったマゼンタ色用クリーニングブレードの状態の異常についても、その判別結果を報知することが可能となる。その結果、それまでは実際に故障が発生するまで気が付くことができなかったマゼンタ色のクリーニング不良を、その発生前に把握して、これに対処することが可能となる。

なお、故障に至る前の状態変化は、画像形成装置に限らず、多くの機器において発生しうる現象であると言える。よって、画像形成装置以外の機器においても、内部情報を検知する検知手段を設け、その検知結果から故障予兆状態を判別し得る判別器を作成することで、同様に、故障前にその故障に対処することが可能となる。

実施形態に係る状態判別システム全体の概略構成図である。 同状態判別システムを構成する画像形成装置の概略構成図である。 同画像形成装置における中間転写ベルトの外周面に対向するように設けられるトナー濃度センサの配置を示す説明図である。 中間転写ベルトのベルト面法線方向から見たときのトナー濃度センサの配置を示す説明図である。 （ａ）及び（ｂ）は同トナー濃度センサの概略構成及び動作を説明するための説明図である。 同トナー濃度センサの検知信号に基づくプロセス制御（プロセス調整運転）に関わる制御系の概要を示すブロック図である。 主要なプロセス制御（プロセス調整運転）の流れを示すフローチャートである。 （ａ）は同トナー濃度センサの校正運転時の動作を説明するための正反射ＰＤとＬＥＤ電流との関係を示すグラフである。（ｂ）は、同トナー濃度センサの運転時における乱反射ＰＤの出力とトナー濃度との関係を示すグラフである。 トナーパターンのトナー濃度計測結果と現像ポテンシャルとの対応関係を示すグラフである。 （ａ）は正常状態に含まれるごく微量の地汚れが発生している状態を説明するための説明図である。（ｂ）は軽微地汚れが発生している状態を説明するための説明図である。 （ａ）は軽度地汚れ時における特性直線を示すグラフである。（ｂ）は環境変動時における特性直線を示すグラフである。 黒色用クリーニングブレードの故障の予兆を報知するための処理を示すブロック図である。 黒色用クリーニングブレードの故障予兆状態を判別するための処理の流れを示すフローチャートである。 プロセス制御により得られる各色の特性直線を示すグラフである。 補正パラメータＱの経時変化を示すグラフである。 １つの試験機で発生した黒色のクリーニング不良の故障事例における、各色の補正パラメータＱの経時変化を示すグラフである。 学習に用いたデータを使ってＦ値を計算した結果を示すグラフである。 生成した判別基準を用いて他の５台の試験機で判別処理を行った結果を示すグラフである。 判別器を複数の中判別器で構成した変形例を示すブロック図である。 図１２に示した黒色のクリーニング不良の予兆を報知するシステムに、新たにマゼンタ色のクリーニング不良の予兆を報知するシステムを追加したブロック図である。 時系列解析による異常予測の一例を示す図である。

符号の説明

１Ｙ，１Ｍ，１Ｃ，１Ｋ 感光体
４Ｙ，４Ｍ，４Ｃ，４Ｋ クリーニング装置
１０ 中間転写ベルト
１４，１５ トナー濃度センサ
１００ 画像形成装置
１０１ データ収集器
１０３ 時間的特徴量抽出器
１０５，１０８，１１０ 判別器
１０５ａ，１０５ｂ，１０５ｃ 中判別器
１０６ アラーム通報器
１０６Ａ，１０６Ｂ，１０６Ｃ スイッチ手段
２００ 管理装置

Claims (8)

1. 対象機器の内部情報に基づき、複数種類の機器状態の異常を、該複数種類の機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置を用いて、該対象機器における該複数種類の機器状態の異常を判別する状態判別方法であって、
   上記対象機器から出力される該対象機器の内部情報を収集する情報収集工程と、
   該情報収集工程で収集した内部情報に基づいて、新たな種類の機器状態についての異常を判別し得る新たな判別基準を生成する判別基準生成工程と、
   該判別基準生成工程で生成した新たな判別基準を上記判別装置が使用可能なように該判別装置に組み込む判別基準組込工程と、
   該新たな種類の機器状態の異常を該新たな判別基準に従って該判別装置に判別させる判別工程と、
   上記複数種類の機器状態のうち、どの機器状態についての判別結果を報知するかを選択する選択工程と、
   該選択工程で選択した種類の機器状態についての該判別工程での判別結果を報知し、該選択工程で選択しなかった種類の機器状態についての判別結果は報知しない報知工程とを有し、
   上記選択工程では、上記判別装置に組み込まれた新たな判別基準に対応する機器状態については所定の選択条件を満たすまで選択せず、
   上記判別工程では、上記判別装置に組み込まれた新たな判別基準に対応する機器状態の異常を、該新たな判別基準に従って該判別装置に判別させ、
   上記報知工程では、該所定の選択条件を満たすまでは、該判別工程での判別結果を、テスト判別結果として、上記選択工程で選択した種類の機器状態についての判別結果とは区別した状態で報知することを特徴とする状態判別方法。
2. 請求項１の状態判別方法において、
   上記テスト判別結果と、該テスト判別結果を出力した以後における該テスト判別結果に対応した種類の機器状態とを比較し、該テスト判別結果が適合しているか否かを判断する適合性判断工程を有し、
   上記所定の選択条件は、該適合性判断工程でテスト判別結果が適合していると判断されることであることを特徴とする状態判別方法。
3. 請求項２の装置の状態判別方法において、
   上記適合性判断工程では、予め決められたタイミングで、機器状態が不良である旨のテスト判別結果と、該テスト判別結果を出力した時点における該テスト判別結果に対応した種類の機器状態とを比較し、該テスト判別結果が適合しているかどうかを判断するという作業を繰り返し行い、
   上記所定の選択条件は、該適合性判断工程で適合していないと判断された回数が所定回数以下であるという条件であることを特徴とする状態判別方法。
4. 請求項１乃至３のいずれか１項に記載の状態判別方法において、
   上記報知工程では、上記テスト判別結果を上記判別装置の提供者へ報知することを特徴とする状態判別方法。
5. 請求項４の状態判別方法において、
   上記判別装置と、該判別装置の提供者が使用する管理装置とを、通信ネットワークを介して互いに通信可能に接続し、
   上記報知工程では、上記テスト判別結果の上記判別装置の提供者への報知を上記通信ネットワークを介して行うことを特徴とする状態判別方法。
6. 請求項１乃至５のいずれか１項に記載の状態判別方法において、
   対象機器の使用者による操作を受け付ける操作受付手段と報知手段とを該対象機器に設け、
   該操作受付手段が受け付けた操作の内容に従い、少なくとも、上記判別工程でどの種類の機器状態の異常を上記判別装置に判別させるか、上記報知工程でどの種類の機器状態についての判別結果を上記報知手段に報知させるかを選択可能としたことを特徴とする状態判別方法。
7. 対象機器の内部情報に基づき、複数種類の機器状態の異常を、該複数種類の機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置を用いて、該対象機器における該複数種類の機器状態の異常を判別する状態判別システムであって、
   上記対象機器から出力される該対象機器の内部情報を収集する情報収集手段と、
   該情報収集手段が収集した内部情報に基づいて、新たな種類の機器状態についての異常を判別し得る新たな判別基準を示す判別基準データを生成する判別基準生成手段と、
   該判別基準生成手段が生成した判別基準データに係る新たな判別基準を、上記判別装置が使用可能なように該判別装置に組み込む判別基準組込手段と、
   上記複数種類の機器状態のうち、どの機器状態についての判別結果を報知するかを選択する選択手段と、
   上記選択手段が選択した種類の機器状態についての上記判別装置での判別結果を報知し、該選択手段が選択しなかった種類の機器状態についての判別結果は報知しない報知手段とを有し、
   上記選択手段は、上記判別装置に組み込まれた新たな判別基準に対応する機器状態については所定の選択条件を満たすまで選択せず、
   上記判別装置は、上記判別基準組込手段により組み込まれた新たな判別基準に対応する機器状態の異常を、該新たな判別基準に従って判別し、
   上記報知手段は、上記所定の選択条件を満たすまでは、上記判別装置での判別結果を、テスト判別結果として、上記選択手段が選択した種類の機器状態についての判別結果とは区別した状態で報知することを特徴とする状態判別システム。
8. 自己の内部情報に基づき、複数種類の機器状態の異常を、該複数種類の機器状態ごとに設けられた各判別基準に従ってそれぞれ判別する判別装置を備えた画像形成装置であって、
   自己の内部情報を収集する情報収集手段と、
   新たな種類の機器状態についての異常を判別し得る新たな判別基準を示す判別基準データの入力を受け付ける入力受付手段と、
   該入力受付手段が受け付けた判別基準データに係る新たな判別基準を、上記判別装置が使用可能なように該判別装置に組み込む判別基準組込手段と、
   上記複数種類の機器状態のうち、どの機器状態についての判別結果を報知するかを選択する選択手段と、
   上記選択手段が選択した種類の機器状態についての上記判別装置での判別結果を報知し、該選択手段が選択しなかった種類の機器状態についての判別結果は報知しない報知手段とを有し、
   上記選択手段は、上記判別装置に組み込まれた新たな判別基準に対応する機器状態については所定の選択条件を満たすまで選択せず、
   上記判別装置は、上記判別基準組込手段により組み込まれた新たな判別基準に対応する機器状態の異常を、該新たな判別基準に従って判別し、
   上記報知手段は、上記所定の選択条件を満たすまでは、上記判別装置での判別結果を、テスト判別結果として、上記選択手段が選択した種類の機器状態についての判別結果とは区別した状態で報知することを特徴とする画像形成装置。