JP6798265B2 - 異常判定装置、異常判定システム及び異常判定方法 - Google Patents

Description

本発明は、異常判定装置、異常判定システム及び異常判定方法に関する。

モータなどにより駆動される負荷を備えた機器（ここでは、単に機器という）、例えば画像形成装置において、可聴帯域の信号（音データ；２０〜２０ｋＨｚ程度）を利用してその動作の異常を検知する技術が従来から知られている。
しかし、従来の技術では、使用する信号の帯域が狭く、本来有効な（異常の検知精度を向上できる）帯域の信号が使えていない場合があるという問題がある。

この点について、特許文献をみると、例えば、特許文献１（特開２０１０−５４５５８号公報）には、画像形成装置の安全性を向上させる目的で、コンデンサマイクで集音した音を利用して異常検知を行う手法が開示されている。
この異常検知の手法は、マイクで集音した音（可聴域の信号）を利用するが、使用する信号の帯域が狭く、本来有効な（異常の検知精度を向上できる）帯域の信号を全く利用していないという問題は解消できていない。

本発明は、前記従来の問題に鑑みてなされたものであって、その目的は、機器における異常の検知精度を向上するために、有効な帯域の信号を効率よく利用することができるようにすることである。

本発明は、取得する物理データの帯域がそれぞれ異なる複数種のセンサにより取得された機器の物理データを受信する受信部と、取得した物理データの周波数分析を行う物理データ分析部と、機器の動作モード毎に前記複数種のセンサのうち、該動作モードで機器が動作したときに、前記物理データ分析部による分析の結果、前記物理データに特徴の表れると判断されたセンサと帯域を示す情報を記憶する記憶手段と、前記記憶手段に記憶された物理データに特徴の表れるセンサと帯域を示す情報に基づき、前記複数種のセンサ及び該センサで取得できる帯域の一部の物理データを選択する選択部と、前記選択部で選択したセンサ及び該センサで取得できる帯域の一部の物理データに基づき、当該機器の前記動作モードによる動作の異常を判定する異常判定部と、を有することを特徴とする異常判定装置である。

本発明によれば、機器における異常の検知精度を向上するために、有効な帯域の信号を効率よく利用することができる。

本発明の実施形態に係る異常判定装置による異常検知のための基本構成を概略的に説明する図である。 画像形成装置の構成を概略的に示すブロック図である。 異常判定を行なうコンピュータの構成を概略的に示すブロック図である。 画像形成装置に対して、異常判定装置（コンピュータ）を組み合わせて構成した異常判定システムを示す図である。 画像形成装置を動作モード１で動作させた場合の各センサのそれぞれの信号（音データ）を音データ分析部で分析した結果を、縦軸にパワー、横軸に周波数を採って両者の関係（周波数分析結果）を表したグラフである。 動作モード１、２、・・・毎のセンサ選定の処理手順を示すフロー図である。 センサの結果を用いて異常判定部が行う異常判定の処理手順を示すフロー図である。 選択したセンサによりセンサ出力を周波数分析した結果を示す図４と同様のグラフである。 帯域を絞るための処理手順について説明するフロー図である。

本発明の実施形態について説明するが、その前に、まず本発明の特徴を説明する。
即ち、本発明は、機器、例えば画像形成装置の異常の検知に際して、種類の違う信号（空気の振動や固体の振動など）や種々の帯域の音データ（ここでは、総称して「音データ」という）を取得できる複数種類のセンサを利用すると共に、異常を検知するために効率的な信号の種類や帯域を自動で選ぶことが特徴になっている。

次に、本発明の実施形態に係る情報処理装置による異常検知のための基本構成について概略的に説明する。
図１は、本発明の実施形態に係る異常判定装置による異常検知のための基本構成を概略的に説明する図である。
本異常判定装置による異常検知のための基本構成は、図示のように、異常判定部Ａと、信号取得部Ｂで構成される。
本信号取得部Ｂには、複数種類のセンサＢ１が備えられており、センサＢ１からの信号をアンプＢ２で増幅し、異常判定部Ａで正常か異常かを判定することが基本となっている。

ここでは、状況に合わせて、集音する音データの帯域がそれぞれ異なるセンサＳ１・・・ＳＮが使用可能であるが以下で説明する実施形態では、コンデンサマイク（２０［Ｈｚ］〜１２ｋ［Ｈｚ］、以下センサＳ１）、加速度センサ（１２ｋ［Ｈｚ］〜３０ｋ［Ｈｚ］ 、以下センサＳ２）、ＡＥセンサ（アコーステックエミッション；３０ｋ［Ｈｚ］〜１Ｍ［Ｈｚ］、以下センサＳ３）の３種類を用いる場合を例に採って説明する。
なお、それぞれのセンサＳ１〜Ｓ３は異なる帯域の一次元の波形を取得できるものとする。またセンサＳ１〜Ｓ３は測定対象である機器に内蔵されており、測定対象機器が動作する際の音データを取得する。

次に、以上で説明した本異常判定装置による異常検知のための基本構成を画像形成装置に適用した場合を例に採って説明する。
ここでは、まず画像形成装置について概略説明する。
図２は、画像形成装置１の構成を概略的に示すブロック図である。
画像形成装置１は、図示のように概略、制御部１０、エンジン部１２、操作表示部１４、信号取得部１６から成っている。

制御部１０は、ＣＰＵ（Central Processing Unit）１０１とＣＰＵ１０１を動作させるためのプログラムを格納するＲＯＭ（Read Only Memory）１０２、プログラム用ワークエリアを提供するＲＡＭ（Random Access Memory）１０３、制御、タイミングなどの調整値及び登録した複写モード設定を格納し電源を切ってもデータを保持しておくことが可能な不揮発ＲＡＭ１０４、画像形成装置１のエンジン部１２内の各センサの入力を元に、エンジン部１２内の負荷（１からｎ）などを制御するＩＯ（入出力）制御部１０５、及び接続される後述のコンピュータ２（図３、図４）と通信を行う通信Ｉ／Ｆ（インターフェース）部１０６などにより構成される。

エンジン部１２は、画像形成や形成された画像の出力を行う。
操作表示部１４は、画像形成装置１に対して操作者の指示を入力し、画像形成装置１の状態の表示等を行う。
信号取得部１６は、エンジン部１２内の負荷（１〜ｎ）１２１〜１２４の近傍に配置され、その動作音を取得し、接続されているコンピュータ２に動作音のデータを出力する。
なお、これら各部については公知の技術であり本発明においては格別特徴のある部分ではないので詳細な説明は省略する。

図３は、異常判定を行うコンピュータ２の構成を概略的に示すブロック図である。
コンピュータ２は、図示のように概略、制御部２０、信号処理部２１からなる。

制御部２０は、ＣＰＵ２０１とＣＰＵ２０１を動作させるためのプログラムを格納するＲＯＭ２０２、プログラム用ワークエリアを提供するＲＡＭ２０３、電源を切ってもデータを保持しておくことが可能なＨＤＤ２０４、画像形成装置１の通信Ｉ／Ｆ部１０６（図２）と通信を行う通信Ｉ／Ｆ部２０５、コンピュータ２への入力指示、異常判定結果などの表示を行なう操作表示部２２などにより構成される。

信号処理部２１は、画像形成装置１の内部に配置された信号取得部１６（センサＳ１〜Ｓ３）、信号処理部１６の取得した画像形成装置１の動作音（アナログ信号）のレベルの調整、デジタル信号への変換を行う外部Ｉ／Ｆ部２４などにより構成される。

図４は、画像形成装置１に対して、異常判定装置（ここではコンピュータ）２を組み合わせて構成した異常判定システムを示す図である。
図中、画像形成装置１は、図２で示すハードウエア構成のうち要部のみを示しており、また、コンピュータ２は、同様に図３で示す要部構成のみが示されている。

なお、制御部１０内に示す負荷制御部１０ａ、制御部２０内に示す集音データ分析部２０ａ、テーブル作成部２０ｂ、異常判定部２０ｃ、センサ選択部２０ｄは、いずれも制御部１０、２０のＣＰＵをプログラムで動作させることで実現する機能実現手段である。
負荷制御部１０ａは、コンピュータ２側における動作モードの選択に伴いエンジン部１２の各負荷（１〜ｎ）の例えば駆動制御を行う。集音データ分析部２０ａは、集音の指示や、集音データの周波数分析などを行う。テーブル作成部２０ｂは、集音データの周波数分析に基づき動作モードと使用センサ、或いはさらに使用帯域の関係を示すテーブル表を作成する。異常判定部２０ｃは集音データに基づき異常の有無を判定する。センサ選択部２０ｄは、後述するように、集音する音データの帯域がそれぞれ異なる複数種のセンサから一種類のセンサを選択する。

ここで、画像形成装置１の制御部１０とコンピュータ２の制御部２０は、それぞれの通信制御Ｉ／Ｆを介して接続されている。
また、画像形成装置１の信号取得部１６は、コンピュータ２の外部Ｉ／Ｆ部２４を介して制御部２０に接続されており、既に述べたように、画像形成装置１のエンジン部１２内の負荷（１からｎ）の近傍に配置され、その動作音をセンサＳで取得し、その受信部である外部Ｉ／Ｆ部２４を介してコンピュータ２に動作音のデータを出力する。
コンピュータ２は、その集音データ分析部２０ａで集音した動作音のデータを分析、ここでは周波数分析し、テーブル作成部２０ｂが後述するテーブル表を作成し、かつ、異常判定部２０ｃがその動作音のデータに基づき（例えば正常時の動作音のデータと対比することで）各負荷（１〜ｎ）の異常の有無を判定する。

［実施形態１］
次に、画像形成装置１における異常判定において異常の検知精度を向上するための手法について説明する。
本実施形態では、異常検知の方法としては例えば特開２０１６−１０５２６７号公報に記載された技術を用いる。つまり、横軸に周波数、縦軸にその周波数の音データの強度をとり、正常時と異常時との変化量（差）を見るものとする。また更に変化量を積分し、積分値が所定の閾値を超える（音が全体的に大きく／小さくなる）場合に異常と判断するものとする。ただしこの例に限らず、周波数帯域にわたって積分的なデータを取得し、異常判断を行う方式や、各周波数帯の個々の判定結果を用いて総合的に判断を行う方式であれば適用可能である。

本実施形態では、集音する音データの帯域がそれぞれ異なる３種類のセンサＳ１〜Ｓ３を用いるものとし、その中から、最も有効なセンサＳを１つ選び、そのセンサＳから取得できる信号のみで異常判定を行う。上記のような方法により異常検知を行う場合に全てのセンサＳ１〜Ｓ３から取得した信号を用いて異常判定を行う場合より、最も有効なセンサのみを用いて異常判定を行う方が異常判定の精度が高くなるからである。ここではまず、最も有効なセンサＳを１つ選ぶ理由について説明する。

即ち、正常動作時の信号と異常動作時の信号を周波数領域で比較した場合、殆どの帯域でその特徴に差がないと考えられる。そのため、全ての帯域の情報を使うと、異常判定には不必要な情報（ノイズ）が多く混じることになる。そのため、結果としてＳ／Ｎ比が悪くなり、最終的な異常判定精度を下げる要因になる。
これに対し、不必要な情報を使わなければ、必然的にＳ／Ｎ比が良くなるので、異常判定精度を向上させることが出来る。ここで、初めから一つのセンサのみを使用せずに、敢えて複数センサを使用してその中から一つのセンサを選択する理由は、どのセンサからの信号が有効に使えるかが、事前には分からないからである。

そこで、事前準備として、画像形成装置１に予め特定の動作モードにおける動作をさせた時の各センサＳ１〜Ｓ３の信号を、コンピュータ２の集音データ分析部２０ａで分析しておく。その場合、画像形成装置１ではデバッグモードにより、「モータ１だけを動かすモード（以下、動作モード１）」、「モータ２だけを動かすモード」の様に特定の動作について細かい指定が出来るものとする。

コンピュータ２は操作表示部２２により入力された指示に基づいて、通信Ｉ／Ｆ部２０５を介して画像形成装置１に動作モード１を実行するように指示を送る。そしてモード１で動作させたときに信号取得部１６により取得したモータ１の音のデータをＨＤＤ２０４に正常データとして記憶しておく。

図５Ａ〜４Ｃは、動作モード１で動作させた場合の各センサＳ１〜Ｓ３のそれぞれの信号（音データ）を集音データ分析部２０ａで分析した結果を、縦軸にパワー、横軸に周波数を採って両者の関係（周波数分析結果）を表したグラフである。
図示のように、図５ＢのセンサＳ２に最も強い特徴（枠で囲った部分）が表れたことが分かる。なお、「強い特徴が表れた」とは、ここでは、全体の平均のパワー（出力）と比較した場合に、平均パワーよりも「パワーが大きいこと」を意味すると定義する。これは画像形成装置１のモータなどの各負荷は動作によって音を発生する。したがって平均パワーよりも大きい値を示す周波数帯域はその負荷による音が発生している周波数帯域を示していると考えてよい。したがって図５Ａの破線で囲った部分についても「強い特徴が表れた」と考えてよい。また、「最も強い特徴が表れた」とは、「強い特徴が表れた」もののうち最もパワーが大きいことを意味する。なお、取得できる信号の範囲がセンサＳ１〜Ｓ３ごとに異なるので、センサＳ１〜Ｓ３間で同一の尺度で比較できるように、必要に応じて補正を施す必要はある。

以上の結果から、実際に画像形成装置１を動作させる場合に、その動作が動作モード１の場合は、センサＳ２の信号を用いて異常判定を行うことになる。この方法は、何か異常が発生した場合は、強い特徴が表れている帯域に最も分かりやすい変化が表れているということを前提にしている。

次に、動作モード１、２、・・・毎にセンサＳを選定するための処理手順について説明する。
図６は、動作モード１、２、・・・毎のセンサＳ選定の処理手順を示すフロー図である。
即ち、まず、所望の動作モードで画像形成装置１を動作させ（ステップＳ１０１）、集音データ分析部２０ａは動作中の信号をセンサＳ１〜Ｓ３で取得し（ステップＳ１０２）、センサＳ１〜Ｓ３で取得した信号を周波数分析する（各周波数ごとにパワー（センサ出力）を調べる）（ステップＳ１０３）。このとき、センサ選択部２０ｄは最も強い特徴が表れているセンサを選択する（ステップＳ１０４）。
次に、テーブル作成部２０ｂは、動作モードごとのテーブル表を作成し（ステップＳ１０５）、動作モードのテーブルが完成すれば（ステップＳ１０６、Ｙｅｓ）、この処理を終了する。テーブルの作成は、記憶手段としてのＨＤＤ２０４に格納することにより実行される。

表１は、このようにして作成された動作モードのテーブル表を示す図である。
ここでは、動作モード毎に使用すべき一つのセンサＳが表示される。
即ち、動作モード１に対してはセンサＳ２、動作モード２に対してはセンサＳ３、動作モード３に対しては、センサＳ１・・・と表示される。

次にセンサＳの結果を用いて異常判定部２０ｃが行う異常判定の処理手順について説明する。
図７は、センサＳの結果を用いて異常判定部２０ｃが行う異常判定の処理手順を示すフロー図である。
即ち、まず、画像形成装置１の電源をＯＮにする（ステップＳ２０１）。その状態で、コンピュータ２の制御部２０は、動作モードを表１のテーブル表から随時抽出する（ステップＳ２０２）。次に、表１のテーブル表から抽出した動作モードで使用するセンサＳを選択し（ステップＳ２０３）、異常判定部２０ｃは、選択したセンサＳから取得した信号のみを用いて異常判定を行う（ステップＳ２０４）。異常判定後にこの処理を終了する。

なお本実施形態では最も強い特徴の表れているセンサのみを選択するようにテーブルを作成しているが、平均パワーよりも所定量大きなパワーを出力する複数のセンサを全て選択するようにしてもよい。

［実施形態２］
次に実施形態２について説明する。
実施形態２では、３種類のセンサＳ１〜Ｓ３の中から、最も有効なセンサＳを１つ選んだ後に、さらに使用する帯域を絞る処理を採用している。
実施形態２は、実施形態１に比べて、さらにＳ／Ｎ比を良くした信号が取得できる可能性がある。ただ、その反面、使用する情報の偏りが大きすぎるために、実施形態１よりも異常判定精度が下がってしまう可能性もある。そこで、使う状況に応じてより異常判定精度が良い方を選ぶ必要がある。

図８は、選択したセンサＳによりセンサ出力を周波数分析した結果を示す図５と同様のグラフである。
図８を用いて、使用する帯域を絞る方法を説明する。
図中、枠で囲った３つの帯域（Ｂｎ１、Ｂｎ２、Ｂｎ３）において、強い特徴が表れていることが分かる。
ここで、強い特徴の定義は実施形態１と同様である。よって、この３つの帯域（Ｂｎ１、Ｂｎ２、Ｂｎ３）における信号のみを使って異常判定を行う。

なお、本実施形態では３つの帯域（パラメータ）を用いているが、これに限定するものではなく帯域（パラメータ）の数は任意に設定可能である。
また実施形態１において説明したように、平均パワーよりも所定量大きなパワーを出力する複数のセンサを全て選択する場合には、選択されたセンサ全てにおいて上記の手順を実施する。

次に、本実施形態における帯域を絞るための処理手順について説明する。
図９Ａ、９Ｂは、帯域を絞るための処理手順について説明するフロー図である。
まず、図９Ａにおいて、所望の動作モードで画像形成装置１を動作させ（ステップＳ３０１）、テーブル表中に示されたセンサＳを選択し、選択したセンサＳによりその動作中の信号（集音データ）を取得する（ステップＳ３０２）。次に、取得した信号を周波数分析し（ステップＳ３０３）、最も強い特徴が表れているセンサＳを選択する（ステップＳ３０４）。次に、強い特徴が表れている帯域（例えば、図８のＢｎ１、Ｂｎ２、Ｂｎ３）を絞り（ステップＳ３０５）、動作モード毎のテーブル表を作成する（ステップＳ３０６）。動作モード毎のテーブル表が完成すれば（ステップＳ３０７、Ｙｅｓ）、この処理を終了する。

動作モード毎のテーブル表が完成した後は、図９Ｂにおいて、画像形成装置１の電源がＯＮになると（ステップＳ４０１）、動作モードをテーブル表から随時抽出する（ステップＳ４０２）。次に、テーブル表から抽出した動作モード毎に使用するセンサ及び帯域を選択し（ステップＳ４０３）、選択したセンサ及び帯域から取得した信号のみを用いて異常判定を行い（ステップＳ４０４）、この処理を終了する。

表２は、動作モード毎のテーブル表の一例を示す。
ここでは、動作モード毎に使用するセンサＳと使用帯域が表示されている。
即ち動作モード１に対しては、センサＳ２、使用帯域は、１６ｋ［Ｈｚ］〜１８ｋ［Ｈｚ］、動作モード２に対しては、センサＳ３、使用帯域は、３００ｋ［Ｈｚ］〜４００ｋ［Ｈｚ］、５００ｋ［Ｈｚ］〜６００ｋ［Ｈｚ］、動作モード３に対しては、センサＳ１、使用帯域は、１ｋ［Ｈｚ］〜２ｋ［Ｈｚ］、４ｋ［Ｈｚ］〜５ｋ［Ｈｚ］、１０ｋ［Ｈｚ］〜１１ｋ［Ｈｚ］である。
このように、異常判定を行う場合の音データの使用帯域を絞ることにより、音データの使用帯域全体を使用する場合に比して、より精度の高い異常判定ができる。

以上、本発明の実施形態について説明したが、本実施形態によれば、種類の違う信号（空気の振動や固体の振動など）や、種々の帯域を取得できる複数種類のセンサを用いて、異常を検知する。そのために効率的な信号の種類や帯域を自動で選ぶので異常の検知精度を向上するために、有効な帯域の信号を効率よく利用することができるという効果が得られる。

なお、本発明の実施形態において異常判断対象の機器として画像形成装置を例としたが、これに限られるものではない。所定のモードに応じて決まった動作を行い、その動作に応じて音が発生する機器であれば適用可能である。
また、音データに関してもこれに限らず、動作に応じて生じる振動の周波数や、振動に伴う加速度などを周波数として検出して、これらのいずれかの物理量を示すデータを取得して用いてもよい。

１・・・画像形成装置、１０・・・制御部、１０ａ・・・負荷制御部、１０１・・・ＣＰＵ、１０２・・・ＲＯＭ、１０３・・・ＲＡＭ、１０４・・・不揮発ＲＡＭ、１０５・・・ＩＯ制御部、１０６・・・通信Ｉ／Ｆ部、１２・・・エンジン部、１４・・・操作表示部、１６・・・信号取得部、２・・・コンピュータ、２０・・・制御部、２０ａ・・・集音データ分析部、２０ｂ・・・テーブル作成部、２０ｃ・・・異常判定部、２０ｄ・・・センサ選択部、２２・・・操作表示部、２４・・・外部Ｉ／Ｆ部。

特開２０１０−５４５５８号公報

Claims (10)

1. 取得する物理データの帯域がそれぞれ異なる複数種のセンサにより取得された機器の物理データを受信する受信部と、
   取得した物理データの周波数分析を行う物理データ分析部と、
   機器の動作モード毎に前記複数種のセンサのうち、該動作モードで機器が動作したときに、前記物理データ分析部による分析の結果、前記物理データに特徴の表れると判断されたセンサと帯域を示す情報を記憶する記憶手段と、
   前記記憶手段に記憶された物理データに特徴の表れるセンサと帯域を示す情報に基づき、前記複数種のセンサ及び該センサで取得できる帯域の一部の物理データを選択する選択部と、
   前記選択部で選択したセンサ及び該センサで取得できる帯域の一部の物理データに基づき、当該機器の前記動作モードによる動作の異常を判定する異常判定部と、を有することを特徴とする異常判定装置。
2. 請求項１に記載された異常判定装置において、
   前記複数種のセンサは、コンデンサマイク、加速度センサ、ＡＥセンサのいずれかを含み、空気または固体の振動による種類の異なる信号を出力する
   ことを特徴とする異常判定装置。
3. 請求項１又は２に記載された異常判定装置において、
   前記物理データ分析部は、前記物理データの周波数分析を行い、
   前記記憶手段は、前記物理データのうち平均よりも大きな値となる帯域の物理データを取得するセンサを示す情報を前記物理データに特徴の表れるセンサを示す情報として記憶することを特徴とする異常判定装置。
4. 請求項１ないし３のいずれかに記載された異常判定装置において、
   前記記憶手段は、前記機器の特定の負荷動作を行う動作モード毎に前記物理データに特徴の表れるセンサを示す情報を記憶することを特徴とする異常判定装置。
5. 請求項１ないし４のいずれかに記載された異常判定装置において、
   前記物理データ分析部は、更に前記物理データの周波数分析を行い、
   前記記憶手段は、前記物理データのうち平均よりも大きな値となる帯域を記憶することを特徴とする異常判定装置。
6. 請求項１ないし５のいずれかに記載された異常判定装置に接続され、前記物理データを取得する複数のセンサが取り付けられる前記機器と、前記異常判定装置を含む異常判定システム。
7. 取得する物理データの帯域がそれぞれ異なる複数種のセンサにより取得された機器の物理データを受信する受信ステップと、
   取得した物理データの周波数分析を行う物理データ分析ステップと、
   機器の動作モード毎に前記複数種のセンサのうち、該動作モードで機器が動作したときに、前記物理データ分析ステップによる分析の結果、前記物理データに特徴の表れると判断されたセンサと帯域を示す情報を記憶手段に記憶する記憶ステップと、
   前記記憶ステップにより記憶された物理データに特徴の表れるセンサと帯域を示す情報に基づき、前記複数種のセンサと及び該センサで取得できる帯域の一部の物理データを選択する選択ステップと、
   前記選択ステップで選択したセンサ及び該センサで取得できる帯域の一部の物理データに基づき、当該機器の前記動作モードによる動作の異常を判定する異常判定ステップと、を有することを特徴とする異常判定方法。
8. 請求項７に記載された異常判定方法において、
   前記物理データ分析ステップは、前記物理データの周波数分析を行い、
   前記記憶ステップは、前記物理データのうち平均よりも大きな値となる帯域の物理データを取得するセンサを示す情報を前記物理データに特徴の表れるセンサを示す情報として前記記憶手段に記憶することを特徴とする異常判定方法。
9. 請求項７又は８のいずれかに記載された異常判定方法において、
   前記記憶ステップは、前記機器の動作モード毎に前記物理データに特徴の表れるセンサを示す情報を前記記憶手段に記憶することを特徴とする異常判定方法。
10. 請求項７又は９のいずれかに記載された異常判定方法において、
    前記物理データ分析ステップは、更に前記物理データの周波数分析を行い、
    前記記憶ステップは、前記物理データのうち平均よりも大きな値となる帯域を前記記憶手段に記憶することを特徴とする異常判定方法。

Images