JP6019838B2 - 画質異常判定装置及びプログラム - Google Patents

Description

本発明は、画質異常判定装置及びプログラムに関する。

プリンタ（文書印刷装置）、コピー機（文書複写装置）、ファクシミリ装置（文書転送装置）などのように、用紙等の記録材に文書の画像を形成して出力する画像形成機能を備えた画像形成装置がある。

例えば、電子写真方式の画像形成装置では、その複雑な構成により、高画質を維持するためにサービスエンジニアによる保守サービスを必要としている。特にオフィス分野の画像形成装置では、リモートで画像形成装置の状態を監視し、画像形成装置の状態情報に基づいて故障箇所を判定する故障診断システムを利用した、所謂リモートメンテナンスシステムにより、保守サービスを効率化することが行なわれている。

画像形成装置の故障診断システムにおいて、画質トラブルの故障診断に対しては、画質トラブルを含む出力画像をイメージセンサで読み取って得た画像情報が、重要な診断情報となっている。
ここで、オフィス分野の画像形成装置は、画質トラブルの状態が顕著であるため、画質トラブルに係る故障箇所の判定は比較的容易である。一方、印刷分野で生産材として使用される画像形成装置は、オフィス分野の画像形成装置に比較して軽微な画質トラブルでも問題となるため、故障診断システムの診断精度を向上させることが望まれている。

このような画像形成装置の故障診断に関し、以下のような発明が提案されている。
例えば、特許文献１には、故障検知用パターンを形成して、この故障検知用パターンを位置検知センサで検知して、故障判定に用いる運転制御情報を取得し、取得した運転制御情報から指標値を算出し、指標値に基づいて故障の判定を行う発明が開示されている。

例えば、特許文献２には、画像形成装置の状態と関連がある複数種類の情報を取得し、取得した複数種類の情報から指標値を算出し、算出した指標値の時間変化のデータに基づいて、その後の画像形成装置の状態の変化を判定する発明が開示されている。

例えば、特許文献３には、通常の画像処理では出力されない画像でサンプル画像を出力し、上記サンプル画像を画像入力装置で読み込むことにより、異常画像が発生しているかどうかを判断することで、通常画像で異常が発生する前に、異常画像が発生する予兆を見出し、早期に処置対応するようにする発明が開示されている。

特開２００８−１０２４７４号公報 特開２００５−０１７８７４号公報 特開２００４−１３３０８１号公報

本発明は、画像形成装置における画質異常の原因となる故障箇所の判定の精度を高めることを目的とする。

請求項１に係る本発明は、画像形成装置による中間生成画像又は出力画像を読み取る読取手段と、前記読取手段により読み取られた中間生成画像又は出力画像に含まれる画像欠陥の特徴量を検出する検出手段と、前記検出手段により検出された画像欠陥の特徴量に画像欠陥の種別及び時間情報を対応付けて記憶する記憶手段と、故障箇所判定の指示に応じて、故障箇所判定の対象となる画像欠陥の種別について、前記記憶手段に記憶されている画像欠陥の特徴量を時系列順に並べた時系列データに基づいて、画像欠陥の時系列特性を判別する判別手段と、前記判別手段により判別された画像欠陥の時系列特性に基づいて、前記画像形成装置における画質異常の原因となる故障箇所を判定する判定手段と、を備えたことを特徴とする故障箇所判定装置である。

請求項２に係る本発明は、請求項１に係る本発明において、前記判別手段は、画像欠陥の種別が線・筋状欠陥の場合に、画像欠陥の時系列特性として、線・筋状欠陥の発生位置が一定か不定かを示す発生位置特性と、線・筋状欠陥が突発型か成長型かを示す成長特性とを判別する、ことを特徴とする故障箇所判定装置である。

請求項３に係る本発明は、請求項１に係る本発明において、前記判別手段は、画像欠陥の種別が点状欠陥の場合に、画像欠陥の時系列特性として、点状欠陥の発生位置が一定か不定かを示す発生位置特性と、点状欠陥が突発型か成長型かを示す成長特性と、点状欠陥が孤立か凝集かを示す発生状態特性とを判別する、ことを特徴とする故障箇所判定装置である。

請求項４に係る本発明は、請求項２又は請求項３に係る本発明において、画像形成装置における画像形成処理を制御する画像形成パラメータの変動傾向の変化点を算出する算出手段と、前記算出手段により算出された画像形成パラメータの変動傾向の変化点に基づいて、画像欠陥の成長特性との相関が高い画像形成パラメータを特定する特定手段と、を更に備え、前記判定手段は、前記判別手段により判別された画像欠陥の時系列特性及び前記特定手段により特定された画像形成パラメータに基づいて、前記画像形成装置における画質異常の原因となる故障箇所を判定する、ことを特徴とする故障箇所判定装置である。

請求項５に係る本発明は、コンピュータに、画像形成装置による中間生成画像又は出力画像に含まれる画像欠陥の特徴量を検出する検出機能と、前記検出機能により検出された画像欠陥の特徴量に画像欠陥の種別及び時間情報を対応付けて記憶手段に記憶させる記憶機能と、故障箇所判定の指示に応じて、故障箇所判定の対象となる画像欠陥の種別について、前記記憶手段に記憶されている画像欠陥の特徴量を時系列順に並べた時系列データに基づいて、画像欠陥の時系列特性を判別する判別機能と、前記判別機能により判別された画像欠陥の時系列特性に基づいて、前記画像形成装置における画質異常の原因となる故障箇所を判定する判定機能と、を実現させるためのプログラムである。

請求項１，５に係る本発明によれば、画像形成装置における画質異常の原因となる故障箇所の判定を、本発明を適用しない場合に比べて精度良く行うことができる。

請求項２に係る本発明によれば、線・筋状欠陥の原因となる故障箇所の判定を精度良く行うことができる。

請求項３に係る本発明によれば、点状欠陥の原因となる故障箇所の判定を精度良く行うことができる。

請求項４に係る本発明によれば、画像形成装置における画質異常の原因となる故障箇所の判定精度を更に高めることができる。

実施例１に係る故障箇所判定装置の機能ブロックの例を示す図である。 画像形成装置の動作確認に用いるテストパターンの例を示す図である。 線・筋状欠陥及び点状欠陥の特徴量の例を示す図である。 線・筋状欠陥の各特性値（位置、線幅、明度差等）の時系列データの例を示す図である。 従来方式に係る点状欠陥の故障箇所判定に用いるベイジアンネットワークの例を示す図である。 実施例１に係る点状欠陥の故障箇所判定に用いるベイジアンネットワークの例を示す図である。 実施例１に係る故障箇所判定の処理フローの例を示す図である。 実施例２に係る故障箇所判定装置の機能ブロックの例を示す図である。 実施例２に係る点状欠陥の故障箇所判定に用いるベイジアンネットワークの例を示す図である。 実施例２に係る故障箇所判定の処理フローの例を示す図である。 画像形成装置における画像形成部の構造の例を示す図である。

本発明の一実施形態について、図面を参照して説明する。
まず、本発明の一実施形態に係る故障診断システムを説明するに先立って、故障診断の対象となる画像形成装置について説明する。
画像形成装置は、用紙等の記録材に画像を形成して出力する画像形成機能を備えた装置である。画像形成装置としては、プリンタ（文書印刷装置）、コピー機（文書複写装置）、ファクシミリ装置（文書転送装置）などの装置が挙げられるほか、これらの装置の機能を複合的に備えた複合機も含まれる。

図１１には、画像形成装置における画像形成部の構造を例示してある。
図示の画像形成装置は、一般にタンデム型と呼ばれる中間転写方式であり、代表的な機能部として、電子写真方式により各色成分のトナー像が形成される複数の画像形成ユニット１１０Ｙ，１１０Ｍ，１１０Ｃ，１１０Ｋと、各画像形成ユニット１１０Ｙ，１１０Ｍ，１１０Ｃ，１１０Ｋにより形成された各色成分トナー像を中間転写ベルト１１５に順次転写（一次転写）させる一次転写部１２１と、中間転写ベルト１１５上に転写された重畳トナー画像を用紙Ｐ（記録材の一例）に一括転写（二次転写）させる二次転写部１２２と、二次転写された画像を用紙Ｐ上に定着させる定着器１３４と、を備えている。

画像形成ユニット１１０Ｙ，１１０Ｍ，１１０Ｃ，１１０Ｋの各々は、図中の矢印Ａ方向に回転する感光体ドラム１１１を有する。また、感光体ドラム１１１の各々の周囲には、感光体ドラム１１１を帯電する帯電器１１２、感光体ドラム１１１上に露光ビームＢｍを照射して静電潜像を書き込む露光器１１３、各色成分トナーが収容されて感光体ドラム１１１上の静電潜像をトナーにより可視像化したトナー像を形成する現像器１１４、感光体ドラム１１１上に形成された各色成分のトナー像を一次転写部１２１にて中間転写ベルト１１５に重畳転写する一次転写ロール１１６、感光体ドラム１１１上の残留トナーを除去するドラムクリーナ１１７、といった各種の電子写真用デバイスが順次配設されている。
これらの画像形成ユニット１１０Ｙ，１１０Ｍ，１１０Ｃ，１１０Ｋは、中間転写ベルト１１５の上流側から、イエロー（Ｙ）、マゼンタ（Ｍ）、シアン（Ｃ）、ブラック（Ｋ）の順に、略直線状に配置されており、中間転写ベルト１１５に対して接離可能に構成されている。

また、図示の画像形成装置は、用紙搬送系として、用紙収容部から用紙Ｐを取り出して二次転写部１２２へと送り込む給紙動作を行う給紙機構部１３１と、二次転写部１２２を通過した用紙Ｐを定着器１３４側へと搬送する搬送ベルト１３２と、用紙Ｐを定着器１３４の入口へとガイドする定着入口ガイド１３３と、定着器１３４から排紙された用紙Ｐをガイドする排紙ガイド１３５と、排紙ガイド１３５によりガイドされた用紙Ｐを装置外部に排出する排紙ロール１３６と、を備えている。

すなわち、給紙機構部１３１により用紙収容部から二次転写部１２２へと給紙された用紙Ｐは、二次転写部１２２にて中間転写ベルト１１５上のトナー像が静電転写された後、中間転写ベルト１１５から剥離された状態で搬送ベルト１３２へと搬送される。そして、搬送ベルト１３２により、定着器１３４の動作速度に合わせて、定着入口ガイド１３３を介して定着器１３４まで搬送される。定着器１３４に搬送された用紙Ｐ上の未定着トナー像は、定着器１３４によって熱及び圧力を加える定着処理を受けることで用紙Ｐ上に定着される。その後、定着画像が形成された用紙Ｐは、排紙ガイド１３５及び排紙ロール１３６を介して、装置外部に設けられた排紙収容部１３７へと搬送される。

以下、上記のような画像形成装置における画像欠陥について故障診断を行う故障診断システムについて説明する。

実施例１に係る故障診断システムでは、１又は複数の画像形成装置と通信可能に接続された故障箇所判定装置が、画像形成装置から種々の情報を収集して、当該画像形成装置における画質異常の原因となる故障箇所を判定する。
図１には、実施例１に係る故障箇所判定装置の機能ブロックの例を示してある。
本例の故障箇所判定装置は、画像読取部１１、画像欠陥特徴量検出部１２、画像欠陥時系列保存部１３、画像欠陥時系列特性判別部１４、画像形成装置状態情報収集部１５、故障箇所判定部１６、故障診断情報通知部１７、を有する。

画像読取部１１は、画像形成装置の中間生成画像又は出力画像を読み取って電子データ化する。図１１の画像形成装置には、画像読取部１１の例として、画像形成ユニット１１０Ｙ，１１０Ｍ，１１０Ｃ，１１０Ｋの下流側で中間転写ベルト１１５に転写された重畳トナー画像を中間生成画像として読み取る中間生成画像読取部１１ａと、定着器１３４によって用紙Ｐに定着された定着トナー像を出力画像として読み取る出力画像読取部１１ｂを設けてある。

ここで、中間生成画像読取部１１ａとしては、画質補正制御を目的として感光体ドラム又は中間転写ベルトに近接して配置された密着型のイメージセンサが知られているので、これを利用してもよい。また、出力画像読取部１１ｂとしては、用紙Ｐに定着された定着トナー像を読み取って出力画像の画像欠陥の有無を検査する印刷検査装置が知られているので、これを利用してもよい。
なお、画像読取部１１として、中間生成画像読取部１１ａと出力画像読取部１１ｂの双方を設ける必要は無く、いずれか一方を設けるだけでも構わない。以下では、画像読取部１１として、画像形成装置の出力画像を読み取って電子データ化する出力画像読取部１１ｂを設けた構成を例にして説明する。

ここで、画像形成装置の故障診断に用いる画像データは、予め定められたタイミングで実施する動作確認に用いるテストパターンや、業務として出力される原稿データである。図２には、テストパターンの一例を示してある。図示のテストパターンは、シアン（Ｃ）、マゼンタ（Ｍ）、イエロー（Ｙ）、ブラック（Ｋ）の順に各色の中間調（５０％カバレッジ）の領域を並べたパターン画像である。このようなＣＭＹＫ各色の中間調の画像を出力することで、色抜け・色抜けを含む点状の欠陥や、線・筋状の欠陥を、色毎に検出することが可能となる。

画像欠陥特徴量検出部１２は、画像読取部１１によって得られた読取画像の電子データに基づき、予め定められたタイミングで、画像欠陥（ユーザが画質トラブルと認識する前の軽微な画像欠陥を含む）の特徴量を検出する。
画像欠陥の特徴量としては、例えば、画像欠陥が線・筋状の欠陥（黒線・筋、色線・筋、白抜け線・筋）であれば、線・筋状欠陥の位置、線幅、明度差等の各特性値を特徴量として検出する。複数の線・筋状欠陥が検出された場合は、線幅が大きい方から順に規定数（例えば上位８箇所）の線・筋状欠陥について特徴量を検出する。また、例えば、画像欠陥が点状の欠陥（黒点、色点、白点）であれば、点状欠陥のコントラスト、形状係数、位置、サイズ等の各特性値を特徴量として検出する。複数の点状欠陥が検出された場合は、サイズが大きい方から順に規定数（例えば上位８箇所）の点状欠陥について特徴量を検出する。

図３（ａ）には、線・筋状欠陥の特徴量の例を示して有り、図３（ｂ）には、点状欠陥の特徴量の例を示してある。図３（ａ）の例では、２箇所の線・筋状欠陥について、Ｘ座標、線幅、筋８０％幅（ピークからの濃度が８０％の範囲の幅）、筋ΔＬ＊最大幅（明度差の最大値）、筋ΔＬ＊平均値（明度差の平均値）の各特性値が線・筋状欠陥の特徴量として検出されている。また、図３（ｂ）の例では、８箇所の点状欠陥について、コントラスト、形状係数、Ｘ座標、Ｙ座標、Ｘサイズ、Ｙサイズの各特性値が点状欠陥の特徴量として検出されている。

画像欠陥時系列保存部１３は、画像欠陥特徴量検出部１２によって検出された画像欠陥の特徴量を予め定められた長さの期間について記憶する。本例では、画像欠陥の特徴量に画像欠陥の種別（線・筋状欠陥や点状欠陥の別）及び時間情報を付して時系列に保持しており、画像欠陥時系列特性判別部１４からのデータ要求に応じて該当する画像欠陥の特徴量の時系列データを出力する。

画像欠陥時系列特性判別部１４は、故障箇所判定部１６による故障箇所判定の対象となる画像欠陥について画像欠陥時系列保存部１３にデータ要求し、画像欠陥時系列保存部１３から該当する画像欠陥の特徴量の時系列データを取得し、これを画像欠陥の特性値毎に時系列化する。

すなわち、線・筋状欠陥についての故障箇所判定では、対象となる線・筋状欠陥の位置及び明度差等に基づいて画像欠陥の特徴量の時系列データを取得し、位置、線幅、明度差等の特性値毎に時系列化する。また、点状欠陥についての故障箇所判定では、対象となる点状欠陥の位置及びコントラスト等に基づいて画像欠陥の特徴量の時系列データを取得し、コントラスト、形状係数、位置、サイズ等の特性値毎に時系列化する。具体的には、例えば、Ｘ座標１５０ｍｍ近傍に発生する線・筋状欠陥について故障箇所判定する場合には、Ｘ座標が１５０ｍｍ±αの線・筋状欠陥の特徴量の時系列データを抽出し、位置、線幅、明度差等の特性値毎に時系列化する。

次に、画像欠陥時系列特性判別部１４は、画像欠陥の特性値毎の時系列データから、故障箇所判定部１６による故障箇所判定に必要な画像欠陥の時系列特性を判別する。
線・筋状欠陥の時系列特性としては、線・筋状欠陥の発生位置が一定か不定かを示す発生位置特性、線・筋状欠陥が突発型か成長型かを示す成長特性、が判別される。
線・筋状欠陥の発生位置特性は、例えば、図４（ａ）に示すように、線・筋状欠陥の位置の時系列データについて標準偏差を算出し、当該標準偏差が予め定めた閾値を超える場合に不定と判別し、閾値以下の場合に一定と判別する。
線・筋状欠陥の成長特性は、例えば、図４（ｂ）及び（ｃ）に示すように、線・筋状欠陥の線幅又は明度差の時系列データの一次近似式の勾配を算出し、当該勾配が予め定められた閾値を超える場合に突発型と判別し、閾値以下の場合に成長型と判別する。なお、線・筋状欠陥の線幅及び明度差の両方について時系列データの一次近似式の勾配が閾値を超える場合に突発型と判別してもよい。

ここで、発生位置特性が一定の線・筋状欠陥としては、感光体ドラム／中間転写ベルト／定着器ロール等の傷や異物付着・表面変質、感光体ドラムや中間転写ベルトのクリーナーブレードの欠け等が知られている。一方、発生位置特性が不定の線・筋状欠陥としては、コロトロン帯電系への異物付着、現像機への異物混入、マグロール上現像剤層形成不良等が知られている。
また、成長特性が突発型の線・筋状欠陥としては、電子回路基板系の不良、感光体ドラム／中間転写ベルト／定着器ロール等の傷等が知られている。一方、成長特性が成長型の線・筋状欠陥としては、帯電系の汚れ、感光体ドラムへの異物（化学物質）付着、中間転写ベルトのクリーナーブレードの欠け、定着器ロールへの異物付着等が知られている。
このように、線・筋状欠陥の時系列特性（発生位置特性、成長特性）に応じて故障箇所の絞り込みを行なえるため、これを故障箇所判定に利用することで、故障箇所判定の精度を向上させることが可能となる。

点状欠陥の時系列特性としては、点状欠陥の発生位置が一定か不定かを示す発生位置特性、点状欠陥が突発型か成長型かを示す成長特性、点状欠陥が孤立か凝集かを示す発生状態特性、が判別される。
点状欠陥の発生位置特性は、例えば、類似の点状欠陥群について主走査方向の位置の平均値の標準偏差を算出し、当該標準偏差が予め定めた閾値を超える場合に不定と判別し、閾値以下の場合に一定と判別する。
点状欠陥の成長特性は、例えば、類似の点状欠陥群についてサイズの和の時系列データの一次近似式の勾配を算出し、当該勾配が予め定められた閾値を超える場合に突発型と判別し、閾値以下の場合に成長型と判別する。
点状欠陥の発生状態特性は、例えば、類似の点状欠陥群について位置の相互距離平均を算出し、当該相互距離平均が予め定められた閾値を超える場合に孤立と判別し、閾値以下の場合に凝集と判別する。

ここで、発生位置特性が一定の点状欠陥としては、感光体ドラム／転写ロール／中間転写ベルト／定着器ロール等の傷や異物付着等が知られている。一方、発生位置特性が不定の点状欠陥としては、現像器内トナー凝集、現像器からのトナーこぼれ、低湿度環境下での転写抜け等が知られている。
また、成長特性が突発型の点状欠陥としては、感光体ドラム／転写ロール／中間転写ベルト／定着器ロール等の傷等が知られている。一方、成長特性が成長型の点状欠陥としては、現像器内トナー凝集、現像器からのトナーこぼれ等が知られている。
また、発生状態特性が凝集の点状欠陥としては、現像器内トナー凝集、現像器からのトナーこぼれ、低湿度環境下での転写抜け等が知られている。
このように、点状欠陥の時系列特性（発生位置特性、成長特性、発生状態特性）に応じて故障箇所の絞り込みを行なえるため、これを故障箇所判定に利用することで、故障箇所判定の精度を向上させることが可能となる。

画像形成装置状態情報収集部１５は、故障箇所判定部１６による故障箇所判定の実施時又は予め定められたタイミング（例えば、１日毎）で、画像形成装置から装置状態情報を収集する。装置状態情報には、故障箇所判定部１６による故障箇所判定に使用する各種の画像形成パラメータ情報、環境情報、ジョブ履歴情報、交換部品使用情報、操作情報等が含まれる。

ここで、画像形成パラメータ情報は、感光体電位、感光体帯電電流、半導体レーザ光量、現像器濃度、一次転写電流、二次転写電流、定着器ヒートロール温度、プロコンパッチ濃度といった、画像形成処理の制御に使用する種々のパラメータの検出値を含む情報であり、装置の各部に設けられたセンサにより、画像形成プロセスの実行に際して随時検出できるようにしてある。本例では、画像形成パラメータの値として、そのパラメータに該当する部位で計測された計測値を検出するが、例えば、その部位を制御する際の目標となる目標値を検出してもよく、或いは計測値と目標値との差分などの他の種別の値を検出してもよい。

また、環境情報は、画像形成装置の内部の温度や湿度等の情報である。
また、ジョブ履歴情報は、画像形成装置で実行された画像形成ジョブ（１又は複数枚の画像形成処理を連続的に実行する処理単位）の履歴情報である。
また、交換部品使用情報は、画像形成装置の交換部品（保守等による交換対象の部品）の使用状況（交換されてからの経過日数など）を示す情報である。
また、操作情報は、画像形成装置に対するユーザ操作の内容を示す情報である。

故障箇所判定部１６は、画像形成装置のユーザやリモートセンター等からの故障箇所判定の指示に応じて、故障診断エンジンを利用して、画像形成装置で発生した画像欠陥の原因となる故障箇所を判定する故障箇所判定を行う。

故障診断エンジンは、故障箇所判定の対象となる画像形成装置における画像欠陥の特徴量、時系列特性、装置状態情報に基づいて、故障箇所の判定を行う。本例では、故障診断エンジンとして、ベイジアンネットワーク推論エンジンを用いる。ベイジアンネットワーク推論エンジンでは、画像欠陥の特徴量、時系列特性、装置状態情報を証拠情報とし、画像形成に関わる部位毎の故障確率を推論する。なお、ニューラルネットワーク、デシジョンツリー等の他の方式の故障診断エンジンを用いてもよい。

図５には、従来方式に係る点状欠陥の故障箇所判定に用いるベイジアンネットワークの例を示してある。ネットワークの左端のノード（二重線のノード）は、画像欠陥の種別を示す欠陥種別ノードであり、本例では、点状欠陥の一種である「黒点・色点」が設定される。ネットワークの中央付近のノード（単線白抜きのノード）は、画像欠陥の原因となる故障箇所を示す故障箇所ノードであり、本例では、故障箇所の大分類ａ１〜ａ２、中分類ｂ１〜ｂ５、小分類ｃ１〜１０の故障箇所ノードがある。ネットワークの周辺部分のノード（斜線パターンのノード）は、各種の証拠情報が設定される証拠情報ノードである。

図６には、実施例１に係る点状欠陥の故障箇所判定に用いるベイジアンネットワークの例を示してある。図６のベイジアンネットワークでは、従来方式のベイジアンネットワーク（図５）に、点状欠陥の時系列特性（発生位置特性、成長特性、発生状態特性）が設定される証拠情報ノードを追加してある。
故障箇所判定部１６における点状欠陥の故障箇所判定では、証拠情報ノードに各種の情報を設定した後、ベイジアンネットワーク推論エンジンにより周辺確率を演算することにより、故障箇所ノードの確率を算出し、確率が最も高い故障箇所ノード（又は上位から複数の故障箇所ノード）を選び出すことで、画像欠陥の原因となった故障箇所（又はその候補）を判定する。

実施例１では、故障箇所判定のための証拠情報が従来方式に比べて追加されるため、故障箇所判定の精度が向上する。なお、重複する内容の証拠情報ノードが多くても、各証拠情報は分布を持っており、故障箇所判定の際に全ての証拠情報が必ずしも得られるわけではないことや、証拠情報にノイズが含まれる場合もあることから、証拠情報が増える方が故障箇所判定の精度を向上させることができる。

故障診断情報通知部１７は、故障箇所判定の指示を行なった画像形成装置のユーザやリモートセンター等へ、故障箇所判定部１６による故障箇所判定の結果を示す故障診断情報を通知し、故障診断情報を画面表示させる。なお、故障診断情報の画面表示の際に、故障箇所に対応する処置情報を併せて画面表示させてもよい。

図７には、実施例１に係る故障箇所判定の処理フローの例を示してある。
まず、画像読取部１１が、予め定められたタイミングで実施される動作確認の際のテストパターンの出力画像を読み取って、読取画像を電子データ化し（ステップＳ１１）、画像欠陥特徴量検出部１２が、画像読取部１１によって得られた読取画像の電子データに基づいて、読取画像における画像欠陥の特徴量を検出し（ステップＳ１２）、画像欠陥時系列保存部１３が、画像欠陥特徴量検出部１２によって検出された画像欠陥の特徴量を時系列データとして保存する（ステップＳ１３）。
その後、故障箇所判定の指示の有無を判定し（ステップＳ１３）、故障箇所判定の指示がなければステップＳ１１に戻り、故障箇所判定の指示があれば以下の処理（ステップＳ１５〜Ｓ１８）を実施する。

故障箇所判定の指示があった場合、画像欠陥時系列特性判別部１４が、画像欠陥時系列保存部１３から画像欠陥の特徴量の時系列データを取得し、当該時系列データに基づいて画像欠陥の時系列特性を判別し（ステップＳ１５）、また、画像形成装置状態情報収集部１５が、画像形成装置から装置状態情報を収集する（ステップＳ１６）。
その後、故障箇所判定部１６が、故障箇所判定の対象となる画像形成装置における画像欠陥の特徴量、時系列特性、装置状態情報に基づいて、故障箇所の判定を行い（ステップＳ１７）、故障診断情報通知部１７が、故障箇所判定の指示を行なった画像形成装置のユーザやリモートセンター等へ、故障箇所判定部１６による故障箇所判定の結果を示す故障診断情報を通知して画面表示させる（ステップＳ１８）。

以上のように、実施例１に係る故障箇所判定装置では、画像読取部１１が、画像形成装置による出力画像（又は中間生成画像）を読み取り、画像欠陥特徴量検出部１２が、読取画像の電子データに基づいて読取画像における画像欠陥の特徴量を検出し、画像欠陥時系列保存部１３が、検出された画像欠陥の特徴量を時系列データとして保存する。そして、故障箇所判定の指示に応じて、画像欠陥時系列特性判別部１４が、画像欠陥の特徴量の時系列データに基づいて、画像欠陥の時系列特性を判別し、また、画像形成装置状態情報収集部１５が、画像形成装置から装置状態情報を収集して、故障箇所判定部１６が、画像欠陥の特徴量、時系列特性、装置状態情報に基づいて、故障箇所判定を行い、故障診断情報通知部１７が、故障箇所判定の結果を通知するようにした。

すなわち、実施例１では、画像欠陥の時系列特性（発生位置特性や成長特性など）から当該画像欠陥の原因となる故障箇所を或る程度絞り込めることに着目し、画像欠陥の時系列特性を判別して故障箇所判定に利用する構成とすることで、故障箇所判定の精度の向上を実現している。

実施例１に係る故障診断システムでは、１又は複数の画像形成装置と通信可能に接続された故障箇所判定装置が、画像形成装置から種々の情報を収集して、当該画像形成装置における画質異常の原因となる故障箇所を判定する。
図８には、実施例２に係る故障箇所判定装置の機能ブロックの例を示してある。
実施例２に係る故障箇所判定装置は、画像読取部１１、画像欠陥特徴量検出部１２、画像欠陥時系列保存部１３、画像欠陥時系列特性判別部１４、画像形成装置状態情報収集部１５、装置状態情報時系列保存部２１、装置状態情報統計特徴量算出部２２、時系列情報解析部２３、故障箇所判定部１６、故障診断情報通知部１７、を有する。
ここで、画像読取部１１、画像欠陥特徴量検出部１２、画像欠陥時系列保存部１３、画像欠陥時系列特性判別部１４、画像形成装置状態情報収集部１５、故障診断情報通知部１７は、実施例１に係る故障箇所判定装置と同様であるため、その説明を省略する。

装置状態情報時系列保存部２１は、画像形成装置状態情報収集部１５により収集される状態情報を予め定められた長さの期間について記憶する。本例では、画像形成パラメータ情報に時間情報を付して時系列に保持する。

装置状態情報統計特徴量算出部２２は、装置状態情報時系列保存部２１に保持されている状態情報のうち、画像形成パラメータ情報（画像形成処理の制御に使用する種々のパラメータの情報）の時系列データに基づいて、画像形成パラメータの統計特徴量を算出する。ここで、画像形成パラメータの統計特徴量は、例えば、画像形成パラメータ毎の統計値（予め定められた単位の平均値や標準偏差など）の変化点や、画像形成パラメータ間の関係性の変化点などである。すなわち、統計特徴量は、画像形成パラメータの変動傾向の変化点を表す。

時系列情報解析部２３は、装置状態情報統計特徴量算出部２２によって算出された画像形成パラメータの統計特徴量に基づいて、画像欠陥の成長特性との相関が高い画像形成パラメータを特定する。
具体的には、例えば、画像欠陥の成長特性を判別する根拠となった時系列データ（線・筋状欠陥の線幅及び明度差の時系列データ、又は、点状欠陥群のサイズの和の時系列データ）と、各画像形成パラメータ毎の統計値（予め定められた単位の平均値や標準偏差など）の相関係数を算出し、相関係数が高い画像形成パラメータを相関が高い画像形成パラメータとする。
また、当該時系列データの変動傾向の変化点を算出し、これを画像形成パラメータの統計特徴量（画像形成パラメータの変動傾向の変化点）と比較して、これらの差分が予め定められた基準値未満となる画像形成パラメータを、画像欠陥の成長特性との相関が高い画像形成パラメータとしても良い。

故障箇所判定部１６は、画像形成装置のユーザやリモートセンター等からの故障箇所判定の指示に応じて、故障診断エンジン（本例では、ベイジアンネットワーク推論エンジン）を利用して、画像形成装置で発生した画像欠陥の原因となる故障箇所を判定する故障箇所判定を行う。

図９には、実施例２に係る点状欠陥の故障箇所判定に用いるベイジアンネットワークの例を示してある。図９のベイジアンネットワークでは、実施例１のベイジアンネットワーク（図６）に、画像欠陥の成長特性との相関が高い画像形成パラメータが設定される証拠情報ノード（破線のノード）を追加してある。
例えば、帯電電位変化の証拠情報ノードは、帯電電位の制御に関わる帯電ロールに対応するノードｃ１０に関連付けられ、また、トナー濃度変化の証拠情報ノードは、トナー濃度の制御に関わる現像器のノードｂ３に関連付けられる。
実施例２では、故障箇所判定のための証拠情報が実施例１に比べて追加されるため、故障箇所判定の精度が更に向上する。

図１０には、実施例２に係る故障箇所判定の処理フローの例を示してある。
まず、画像読取部１１が、予め定められたタイミングで実施される動作確認の際のテストパターンの出力画像を読み取って、読取画像を電子データ化し（ステップＳ３１）、画像欠陥特徴量検出部１２が、画像読取部１１によって得られた読取画像の電子データに基づいて、読取画像における画像欠陥の特徴量を検出し（ステップＳ３２）、画像欠陥時系列保存部１３が、画像欠陥特徴量検出部１２によって検出された画像欠陥の特徴量を時系列データとして保存する（ステップＳ３３）。
また、画像形成装置状態情報収集部１５が、画像形成装置から装置状態情報を収集し（ステップＳ３４）、装置状態情報時系列保存手段２１が、画像形成装置状態情報収集部１５によって収集された装置状態情報を時系列データとして保存する（ステップＳ３５）。
その後、故障箇所判定の指示の有無を判定し（ステップＳ３６）、故障箇所判定の指示がなければステップＳ３１、Ｓ３４に戻り、故障箇所判定の指示があれば以下の処理（ステップＳ３７〜Ｓ４０）を実施する。

故障箇所判定の指示があった場合、画像欠陥時系列保存部１３から画像欠陥の特徴量の時系列データを取得し、当該時系列データに基づいて画像欠陥の時系列特性を判別し（ステップＳ３７）、また、装置状態情報統計特徴量算出部２２が、装置状態情報時系列保存部２１に保持されている画像形成パラメータ情報の時系列データに基づいて、画像形成パラメータの統計特徴量を算出する（ステップＳ３８）。
次に、時系列情報解析部２３が、装置状態情報統計特徴量算出部２２によって算出された画像形成パラメータの統計特徴量に基づいて、画像欠陥の成長特性との相関が高い画像形成パラメータを特定する（ステップＳ３９）。
その後、故障箇所判定部１６が、故障箇所判定の対象となる画像形成装置における画像欠陥の特徴量、時系列特性、装置状態情報、画像欠陥の成長特性との相関が高い画像形成パラメータに基づいて、故障箇所の判定を行い（ステップＳ４０）、故障診断情報通知部１７が、故障箇所判定の指示を行なった画像形成装置のユーザやリモートセンター等へ、故障箇所判定部１６による故障箇所判定の結果を示す故障診断情報を通知して画面表示させる（ステップＳ４１）。

以上のように、実施例２に係る故障箇所判定装置では、画像読取部１１が、画像形成装置による出力画像（又は中間生成画像）を読み取り、画像欠陥特徴量検出部１２が、読取画像の電子データに基づいて読取画像における画像欠陥の特徴量を検出し、画像欠陥時系列保存部１３が、検出された画像欠陥の特徴量を時系列データとして保存する。また、画像形成装置状態情報収集部１５が、画像形成装置から装置状態情報を収集し、装置状態情報時系列保存部２１が、収集された装置状態情報を時系列データとして保存する。そして、故障箇所判定の指示に応じて、画像欠陥時系列特性判別部１４が、画像欠陥の特徴量の時系列データに基づいて、画像欠陥の時系列特性を判別し、また、装置状態情報統計特徴量算出部２２が、画像形成パラメータの統計特徴量を算出し、時系列情報解析部２３が、画像形成パラメータの統計特徴量に基づいて画像欠陥の成長特性との相関が高い画像形成パラメータを特定する。その後、故障箇所判定部１６が、故障箇所判定の対象となる画像形成装置における画像欠陥の特徴量、時系列特性、装置状態情報、画像欠陥の成長特性との相関が高い画像形成パラメータに基づいて、故障箇所の判定を行い、故障診断情報通知部１７が、故障箇所判定の結果を通知するようにした。

すなわち、実施例２では、画像欠陥の時系列特性との相関が高い画像形成パラメータを特定し、これを故障箇所判定に利用する構成とすることで、故障箇所判定の精度の更なる向上を実現している。

ここで、実施例１，２の故障診断システムにおける故障箇所判定装置は、各種演算処理を行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＣＰＵの作業領域となるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）や基本的な制御プログラムなどを記録したＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の主記憶装置、各種のプログラムやデータを記憶するＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の補助記憶装置、各種の情報を表示出力するための表示装置及び操作者により入力操作に用いられる操作ボタンやタッチパネル等の入力機器とのインタフェースである入出力Ｉ／Ｆ、他の装置との間で有線又は無線により通信を行うインタフェースである通信Ｉ／Ｆ、といったハードウェア資源を備えたコンピュータにより実現されている。

すなわち、本発明に係るプログラムを補助記憶装置等から読み出してＲＡＭに展開し、これをＣＰＵにより実行させることで、本発明に係る故障箇所判定装置の機能をコンピュータ上に実現している。
なお、実施例１では、本発明に係る検出手段の機能を画像欠陥特徴量検出部１２により実現し、本発明に係る判別手段の機能を画像欠陥時系列特性判別部１４により実現し、本発明に係る判定手段の機能を故障箇所判定部１６により実現している。
また、実施例２では、更に、本発明に係る算出手段の機能を装置状態情報統計特徴量算出部２２により実現し、本発明に係る特定手段の機能を時系列情報解析部２３により実現している。

ここで、本発明に係るプログラムは、例えば、当該プログラムを記憶したＣＤ−ＲＯＭ等の外部記憶媒体から読み込む形式や、通信網等を介して受信する形式などにより、画像形成装置のコンピュータに設定される。
なお、本例のようなソフトウェア構成により各機能部を実現する態様に限られず、各機能部を専用のハードウェアモジュールで実現するようにしてもよい。

また、実施例１，２の故障診断システムでは、１又は複数の画像形成装置と通信可能に接続された故障箇所判定装置が、画像形成装置から種々の情報を収集して、当該画像形成装置における画質異常の原因となる故障箇所を判定するが、画像形成装置に上記の各機能部１１〜１７（及び２１〜２３）を設け、画像形成装置自身が故障箇所の判定を行うように構成してもよい。

１１：画像読取部、 １２：画像欠陥特徴量検出部、 １３：画像欠陥時系列保存部、 １４：画像欠陥時系列特性判別部、 １５：画像形成装置状態情報収集部、 １６：故障箇所判定部、 １７：故障診断情報通知部、 ２１：装置状態情報時系列保存部、 ２２：装置状態情報統計特徴量算出部、 ２３：時系列情報解析部

Claims (5)

1. 画像形成装置による中間生成画像又は出力画像を読み取る読取手段と、
   前記読取手段により読み取られた中間生成画像又は出力画像に含まれる画像欠陥の特徴量を検出する検出手段と、
   前記検出手段により検出された画像欠陥の特徴量に画像欠陥の種別及び時間情報を対応付けて記憶する記憶手段と、
   故障箇所判定の指示に応じて、故障箇所判定の対象となる画像欠陥の種別について、前記記憶手段に記憶されている画像欠陥の特徴量を時系列順に並べた時系列データに基づいて、画像欠陥の時系列特性を判別する判別手段と、
   前記判別手段により判別された画像欠陥の時系列特性に基づいて、前記画像形成装置における画質異常の原因となる故障箇所を判定する判定手段と、
   を備えたことを特徴とする故障箇所判定装置。
2. 前記判別手段は、画像欠陥の種別が線・筋状欠陥の場合に、画像欠陥の時系列特性として、線・筋状欠陥の発生位置が一定か不定かを示す発生位置特性と、線・筋状欠陥が突発型か成長型かを示す成長特性とを判別する、
   ことを特徴とする請求項１に記載の故障箇所判定装置。
3. 前記判別手段は、画像欠陥の種別が点状欠陥の場合に、画像欠陥の時系列特性として、点状欠陥の発生位置が一定か不定かを示す発生位置特性と、点状欠陥が突発型か成長型かを示す成長特性と、点状欠陥が孤立か凝集かを示す発生状態特性とを判別する、
   ことを特徴とする請求項１に記載の故障箇所判定装置。
4. 画像形成装置における画像形成処理を制御する画像形成パラメータの変動傾向の変化点を算出する算出手段と、
   前記算出手段により算出された画像形成パラメータの変動傾向の変化点に基づいて、画像欠陥の成長特性との相関が高い画像形成パラメータを特定する特定手段と、を更に備え、
   前記判定手段は、前記判別手段により判別された画像欠陥の時系列特性及び前記特定手段により特定された画像形成パラメータに基づいて、前記画像形成装置における画質異常の原因となる故障箇所を判定する、
   ことを特徴とする請求項２又は請求項３に記載の故障箇所判定装置。
5. コンピュータに、
   画像形成装置による中間生成画像又は出力画像に含まれる画像欠陥の特徴量を検出する検出機能と、
   前記検出機能により検出された画像欠陥の特徴量に画像欠陥の種別及び時間情報を対応付けて記憶手段に記憶させる記憶機能と、
   故障箇所判定の指示に応じて、故障箇所判定の対象となる画像欠陥の種別について、前記記憶手段に記憶されている画像欠陥の特徴量を時系列順に並べた時系列データに基づいて、画像欠陥の時系列特性を判別する判別機能と、
   前記判別機能により判別された画像欠陥の時系列特性に基づいて、前記画像形成装置における画質異常の原因となる故障箇所を判定する判定機能と、
   を実現させるためのプログラム。

Images