JP7447439B2 - 学習済モデルの生成方法及び画像形成装置 - Google Patents

Description

本発明は、学習済モデルの生成方法及び画像形成装置に関する。

特許文献１に記載の画像形成装置は、寿命耐久回転数に対する感光体ドラムの実回転カウント数の割合を寿命予測値として算出する。

特開２０１６－５７４２０号公報

特許文献１に記載の画像形成装置では、実回転カウント数のみに基づく予測の限界から、感光体ドラムの寿命を正しく予測することが困難であった。

そこで、本発明は上記事情を考慮し、感光体ドラムのような画像形成装置の部材の状態の推定に利用される学習済モデルの生成方法と、学習済モデルを利用して多次元の入力データから部材の状態を正しく推定することができる画像形成装置とを提供することを目的とする。

本発明の学習済モデルの生成方法は、画像形成装置が有する部材の状態を推定するための学習済モデルの生成方法であって、入力層と出力層とを有する自己組織化写像モデルを準備するステップと、前記出力層が有する複数のノードが各々前記部材の異なる状態を示すまで、前記部材に関する多次元の入力データを前記入力層に与えて前記自己組織化写像モデルを学習させるステップとを備える。

本発明の画像形成装置は、ある機能を有する部材と、学習済モデルと、推定部とを備える。前記学習済モデルは、入力層と出力層とを有する自己組織化写像モデルの学習により得られる。前記推定部は、前記部材に関する多次元の入力データを前記入力層に与えて、前記出力層が有する複数のノードのうちの１つに基づいて前記部材の状態を推定する。

本発明によれば、多次元の入力データから感光体ドラムのような画像形成装置の部材の状態を正しく推定することができる。

実施形態に係る画像形成装置の一例を示す図である。 画像形成装置の回路構成の一例を示すブロック図である。 学習済モデルの一例を示す図である。 学習済モデルが有する出力層の１６個のノードの各々の特徴付けの一例を示す図である。 制御部の動作の一例を示すフローチャートである。 寿命予測ステップの一例を説明するための図である。

以下、図面を参照して本発明の実施形態を説明する。なお、図中、同一又は相当部分については同一の参照符号を付して説明を繰り返さない。

まず、図１を参照して、実施形態に係る画像形成装置１００について説明する。図１は、画像形成装置１００の一例を示す図である。画像形成装置１００は、シートＳに画像を形成する。画像形成装置１００は、例えば、プリンター、コピー機又は複合機である。

画像形成装置１００は、画像形成部１１０と、記憶部１２０と、通信部１３０と、制御部１４０と、入出力部１５０とを備える。

画像形成部１１０は、シートＳに画像を形成する。例えば、シートＳは、普通紙、再生紙、薄紙、厚紙、コート紙又はＯＨＰ（Ｏｖｅｒｈｅａｄ Ｐｒｏｊｅｃｔｏｒ）シートである。

画像形成部１１０は、給送部１１２と、搬送部１１４と、トナーコンテナＣａ～Ｃｄと、作像部１１６とを含む。

給送部１１２は、複数のカセット１１２ａと、複数の給送ローラー１１２ｂとを備える。カセット１１２ａは、複数枚のシートＳを収容する。給送ローラー１１２ｂは、カセット１１２ａに収容された複数枚のシートＳのうち最上面に位置するシートＳを１枚ずつ給送する。

搬送部１１４は、給送部１１２によって給送されたシートＳを作像部１１６に搬送する。搬送部１１４は、複数の搬送ローラー１１４ａを含む。複数の搬送ローラー１１４ａによって、シートＳの搬送路が形成される。作像部１１６がシートＳに画像を形成した後、搬送部１１４は、作像部１１６からシートＳを更に搬送し、シートＳを画像形成装置１００の外部に排出する。

搬送ローラー１１４ａは、レジストローラー１１４ｒを含む。レジストローラー１１４ｒは、作像部１１６にシートＳを搬送するタイミングを調整する。レジストローラー１１４ｒは、シートＳの搬送を一旦停止し、作像部１１６の所定のタイミングに合わせて作像部１１６にシートＳを搬送する。

トナーコンテナＣａ～Ｃｄは、各々画像形成装置１００に対して着脱自在である。トナーコンテナＣａ～Ｃｄのそれぞれには異なる色のトナーが収容される。トナーコンテナＣａ～Ｃｄのトナーは、作像部１１６に供給される。

例えば、トナーコンテナＣａは、イエロー色のトナーを収容し、作像部１１６にイエロー色のトナーを供給する。トナーコンテナＣｂは、マゼンタ色のトナーを収容し、作像部１１６にマゼンタ色のトナーを供給する。トナーコンテナＣｃは、シアン色のトナーを収容し、作像部１１６にシアン色のトナーを供給する。トナーコンテナＣｄは、ブラック色のトナーを収容し、作像部１１６にブラック色のトナーを供給する。

作像部１１６は、トナーコンテナＣａ～Ｃｄに収容されたトナーを用いて、画像データに基づく画像をシートＳに形成する。作像部１１６は、露光部１１６ａ、感光体ドラム１１６ｂ、帯電部１１６ｃ、現像部１１６ｄ、１次転写ローラー１１６ｅ、クリーニング部１１６ｆ、中間転写ベルト１１６ｇ、２次転写ローラー１１６ｈ、及び定着部１１７を含む。

中間転写ベルト１１６ｇは、モーターの動力に従って回転する回転ローラーによって回転する。現像部１１６ｄには、モーターが取り付けられている。現像部１１６ｄ内のトナーは、モーターの回転に伴って攪拌される。

感光体ドラム１１６ｂ、帯電部１１６ｃ、現像部１１６ｄ、１次転写ローラー１１６ｅ、及びクリーニング部１１６ｆは、トナーコンテナＣａ～Ｃｄのそれぞれに対応して設けられる。複数の感光体ドラム１１６ｂは、中間転写ベルト１１６ｇの外表面に当接し、中間転写ベルト１１６ｇの回転方向に沿って配置される。複数の１次転写ローラー１１６ｅは、複数の感光体ドラム１１６ｂに対応して設けられる。複数の１次転写ローラー１１６ｅは、中間転写ベルト１１６ｇを介して、複数の感光体ドラム１１６ｂに対向する。

帯電部１１６ｃは、感光体ドラム１１６ｂの周面を帯電する。露光部１１６ａは、画像データに基づくレーザー光を感光体ドラム１１６ｂの各々に照射し、感光体ドラム１１６ｂの周面には静電潜像が形成される。現像部１１６ｄは、静電潜像にトナーを付着させて静電潜像を現像し、感光体ドラム１１６ｂの周面にトナー像を形成する。感光体ドラム１１６ｂは、トナー像を担持する。１次転写ローラー１１６ｅは、感光体ドラム１１６ｂに形成されたトナー像を中間転写ベルト１１６ｇの外表面に転写する。クリーニング部１１６ｆは、感光体ドラム１１６ｂの周面に残留しているトナーを除去する。

トナーコンテナＣａに対応する感光体ドラム１１６ｂは、静電潜像に基づきイエロー色のトナー像を形成し、トナーコンテナＣｂに対応する感光体ドラム１１６ｂは、静電潜像に基づきマゼンタ色のトナー像を形成する。トナーコンテナＣｃに対応する感光体ドラム１１６ｂは、静電潜像に基づきシアン色のトナー像を形成し、トナーコンテナＣｄに対応する感光体ドラム１１６ｂは、静電潜像に基づきブラック色のトナー像を形成する。

中間転写ベルト１１６ｇの外表面には、感光体ドラム１１６ｂから複数色のトナー像が重畳して転写され、画像が形成される。このため、中間転写ベルト１１６ｇは、画像を担持する。２次転写ローラー１１６ｈは、中間転写ベルト１１６ｇの外表面に形成された画像をシートＳに転写する。

定着部１１７は、トナー像が転写されたシートＳを加熱及び加圧することによって、トナー像をシートＳに定着させる。定着部１１７は、加熱ローラー１１７ａ及び加圧ローラー１１７ｂを備える。搬送部１１４は、トナー像の定着されたシートＳを画像形成装置１００の外部に排出する。

記憶部１２０は、半導体メモリーのような主記憶装置を含み、データ及びコンピュータープログラムを記憶する。

通信部１３０は、ネットワークを介して他の電子機器と通信する。通信部１３０は、例えばインターネット上のクラウドを介して、サービスマンへ情報を伝達することができる。

制御部１４０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のようなプロセッサーを含む。制御部１４０のプロセッサーは、記憶部１２０に記憶されたコンピュータープログラムを実行することによって、画像形成装置１００の各構成を制御する。記憶部１２０と制御部１４０とは、ＭＰＵ（Ｍｉｃｒｏ Ｃｏｎｔｒｏｌｌｅｒ Ｕｎｉｔ）として実装されてもよい。

入出力部１５０は、各種の情報をユーザーに報知し、またユーザーから指示を受け付ける。入出力部１５０は、表示部１５２と、受付部１５４とを有する。表示部１５２は、例えば、液晶ディスプレーを含むタッチパネルである。受付部１５４は、例えば、テンキー、スタートキー、及びキャンセルキーを含む。

次に、図１及び図２を参照して、画像形成装置１００の回路構成について説明する。図２は、画像形成装置１００の回路構成の一例を示すブロック図である。

図２に示されるように、画像形成装置１００は、ドラム回転数カウンター１６１と、露光量センサー１６２と、トナー濃度センサー１６３と、印刷枚数カウンター１６４とを更に備える。

ドラム回転数カウンター１６１は、感光体ドラム１１６ｂの総走行距離を示す第１データＤ１を制御部１４０に提供する。ドラム回転数カウンター１６１は、感光体ドラム１１６ｂを回転駆動するモーターに取り付けられる。第１データＤ１は、例えば感光体ドラム１１６ｂの実回転カウント数を示す。感光体ドラム１１６ｂの周長に感光体ドラム１１６ｂの実回転カウント数を乗じて得られる値は、感光体ドラム１１６ｂの総走行距離を示す。

露光量センサー１６２は、露光部１１６ａから感光体ドラム１１６ｂへのレーザー光の露光量を示す第２データＤ２を制御部１４０に提供する。露光部１１６ａは、ＬＳＵ（Ｌａｓｅｒ Ｓｃａｎｎｉｎｇ Ｕｎｉｔ）を備える。第２データＤ２は、例えばＬＳＵ露光量を示す。

トナー濃度センサー１６３は、感光体ドラム１１６ｂから中間転写ベルト１１６ｇに転写されたトナー像の濃度を示す第３データＤ３を制御部１４０に提供する。第３データＤ３は、例えば中間転写ベルト１１６ｇの表面上に形成されたパッチの濃度を示す。

印刷枚数カウンター１６４は、ユーザーによる画像形成装置１００の使用頻度を示す第４データＤ４を制御部１４０に提供する。第４データＤ４は、例えば１日あたりの印刷枚数を示す。

図２に示されるように、制御部１４０は、学習済モデル１４１と、推定部１４２と、補正部１４３と、通知部１４４と、予測部１４５とを含む。制御部１４０は、記憶部１２０に記憶されたコンピュータープログラムを実行することによって、学習済モデル１４１、推定部１４２、補正部１４３、通知部１４４、及び予測部１４５として機能する。

学習済モデル１４１は、自己組織化写像（Ｓｅｌｆ－Ｏｒｇａｎｉｚｉｎｇ Ｍａｐｓ：ＳＯＭ）モデルの教師なし学習により得られる。

推定部１４２は、学習済モデル１４１を用いて感光体ドラム１１６ｂの現在の状態を推定する。

補正部１４３は、ＬＳＵ露光量が上限値に達している場合に、感光体ドラム１１６ｂの実質的な自己修復が実施されるように、ＬＳＵ露光量の上限値を補正する。

通知部１４４は、通信部１３０を介して、推定部１４２により推定された感光体ドラム１１６ｂの状態を示す状態通知を発する。サービスマンは、例えばインターネット上のクラウドを介して、状態通知から所要のメンテナンス処置に必要な情報を得ることができる。

予測部１４５は、推定部１４２により推定された感光体ドラム１１６ｂの状態の推移に基づいて、感光体ドラム１１６ｂの寿命を予測する。

次に、図２及び図３を参照して、学習済モデル１４１について説明する。図３は、学習済モデル１４１の一例を示す図である。

図３に示されるように、学習済モデル１４１の生成は、ニューラルネットワークの１つであるＳＯＭモデルを準備することから始まる。ＳＯＭモデルは、入力層１４１ａと、出力層１４１ｂとを有する。例えば、入力層１４１ａは４個のニューロンを、出力層１４１ｂは１６個のニューロンをそれぞれ有する。入力層１４１ａの各ニューロンは、出力層１４１ｂの全てのニューロンと結合している。各結合に、結合係数が定義される。

ＳＯＭモデルの学習に際し、入力層１４１ａの４個のニューロンに、感光体ドラム１１６ｂに関する４次元の入力データが与えられる。４次元の入力データは、第１データＤ１～第４データＤ４を含む。ただし、第１データＤ１～第４データＤ４は、各々０から１までの範囲に正規化されている。例えば、市場で稼働中の１００台の画像形成装置１００における感光体ドラム１１６ｂの約２年間のライフサイクルデータが利用される。

ＳＯＭモデルの学習は、出力層１４１ｂの１６個のニューロン、すなわち１６個のノードが各々感光体ドラム１１６ｂの異なる状態を示すまで、周知のアルゴリズムに従って続けられる。この時点で、入力層１４１ａと出力層１４１ｂとの間の全ての結合係数が確定する。その結果、新たな４次元の入力データに対して感光体ドラム１１６ｂの現在の状態を示すノード値を出力する学習済モデル１４１が生成される。学習済モデル１４１は、感光体ドラム１１６ｂの現在の状態を、１６個の状態のうちのいずれかに分類する分類器として機能する。

次に、図１～図４を参照して、学習済モデル１４１が有する出力層１４１ｂの１６個のノードの各々の特徴付けについて説明する。図４は、１６個のノードの各々の特徴付けの一例を示す図である。

生成された学習済モデル１４１の出力層１４１ｂは、１６個のノードを有する。そして、ノード毎に、入力データ平均値と、原点からのユークリッド距離とが算出される。これらの算出結果から、各ノードの特徴付けがなされる。しかも、原点からのユークリッド距離が大きいほど、大きいノード値が付与される。図４では、各ノードの特徴が、感光体ドラム１１６ｂの「状態」として示されている。

図４に示されるように、ノード値が「１」から「８」までのノードは、感光体ドラム１１６ｂの状態が「良好」であることを示す。ノード値が「９」から「１２」までのノードは、感光体ドラム１１６ｂの状態が「普通」であることを示す。ノード値「１３」のノードは、感光体ドラム１１６ｂの状態が「悪化の傾向」であることを示す。ノード値「１４」のノードは、トナー濃度が普通であるが、ＬＳＵ露光量が上限値に達していることを示す。ノード値「１５」のノードは、トナー濃度が薄くなり、かつＬＳＵ露光量が上限値に達していることから、トナー濃度を維持することが困難な状態であることを示す。つまり、ノード値「１５」のノードは、ＬＳＵ露光量が上限値に達したため補正部１４３による上限値補正が必要であることを示す。ノード値「１６」のノードは、既に所望のトナー濃度が出ない状態であることを示す。つまり、ノード値「１６」のノードは、感光体ドラム１１６ｂの交換が必要であることを示す。

次に、図１～図５を参照して制御部１４０の動作について説明する。図５は、制御部１４０の動作の一例を示すフローチャートである。

ステップＳ１０１：図５に示されるように、推定部１４２は、診断対象の感光体ドラム１１６ｂに関する４次元の入力データ、すなわち第１データＤ１～第４データＤ４を学習済モデル１４１に与えて、感光体ドラム１１６ｂの現在の状態を推定する。ステップＳ１０１の処理が完了すると、制御部１４０の処理がステップＳ１０３へ進む。

ステップＳ１０３：補正部１４３は、ＬＳＵ露光量が上限値に達しているか否かを判定する。ＬＳＵ露光量が上限値に達していると補正部１４３が判定した場合（ステップＳ１０３でＹｅｓ）には、制御部１４０の処理がステップＳ１０５へ進む。ＬＳＵ露光量が上限値に達していないと補正部１４３が判定した場合（ステップＳ１０３でＮｏ）には、制御部１４０の処理がステップＳ１０７へ進む。

ステップＳ１０５：補正部１４３は、トナー濃度センサー１６３により検出されたトナー濃度が薄い場合に、ＬＳＵ露光量の上限値を上げるようにＬＳＵの制御を補正する。その結果、感光体ドラム１１６ｂの実質的な自己修復が実施される。つまり、感光体ドラム１１６ｂが交換される前に、感光体ドラム１１６ｂの修復が可能になる。ステップＳ１０５の処理が完了すると、制御部１４０の処理がステップＳ１０７へ進む。

ステップＳ１０７：通知部１４４は、通信部１３０を介して、感光体ドラム１１６ｂの現在の状態を示す状態通知を発する。状態通知は、例えば第１データＤ１～第４データＤ４と、学習済モデル１４１から出力されたノード値とを含む。その結果、サービスマンに所要のメンテナンス処置を促すことができる。ステップＳ１０７の処理が完了すると、制御部１４０の処理がステップＳ１０９へ進む。

ステップＳ１０９：予測部１４５は、推定部１４２により推定された感光体ドラム１１６ｂの状態の推移に基づいて、感光体ドラム１１６ｂの寿命を予測する。ステップＳ１０９の処理が完了すると、制御部１４０の処理が終了する。

次に、図１～図６を参照して、ステップＳ１０９、すなわち寿命予測ステップについて説明する。図６は、寿命予測ステップの一例を説明するための図である。

図６に示されるように、予測部１４５は、学習済モデル１４１から日々出力されるノード値を記録する。予測部１４５は、ノード値の推移に基づいて、ノード値が「１６」に達する時期を予測する。その結果、図６の例では、感光体ドラム１１６ｂの残余の寿命が約１２か月であると予測される。部材交換が必要となる時期が予測されることで、交換部材の事前調達が可能となる。

以上のように、実施形態の画像形成装置１００によれば、多次元の入力データから感光体ドラム１１６ｂの状態を正しく推定することができる。

しかも、実施形態によれば、学習済モデル１４１及び推定部１４２が、画像形成装置１００の中の制御部１４０に実装される。このようなエッジコンピューティングにより、感光体ドラム１１６ｂの推定された状態がリアルタイムにフィードバックされるので、自己修復制御のタイムロスが抑制される。

以上、図面を参照しながら本発明の実施形態について説明した。ただし、本発明は、上記の実施形態に限られるものではなく、その要旨を逸脱しない範囲で種々の態様において実施することが可能である。また、上記の実施形態に開示されている複数の構成要素を適宜組み合わせることによって、種々の発明の形成が可能である。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。図面は、理解しやすくするために、それぞれの構成要素を主体に模式的に示しており、図示された各構成要素の長さ、個数、間隔等は、図面作成の都合上から実際とは異なる場合もある。また、上記の実施形態で示す各構成要素の形状、寸法等は一例であって、特に限定されるものではなく、本発明の効果から実質的に逸脱しない範囲で種々の変更が可能である。

例えば、実施形態では、画像形成装置１００は電子写真方式であったが、これに限られない。例えば、画像形成装置１００は、インクジェット方式であってもよい。

また、実施形態では、状態推定の対象部材が感光体ドラム１１６ｂであったが、これに限られない。例えば、状態推定の対象部材は搬送ローラー１１４ａであってもよい。

本発明は、画像形成装置の分野に利用可能である。

１００ 画像形成装置
１１０ 画像形成部
１１６ 作像部
１１６ａ 露光部
１１６ｂ 感光体ドラム
１１６ｇ 中間転写ベルト
１２０ 記憶部
１３０ 通信部
１４０ 制御部
１４１ 学習済モデル
１４１ａ 入力層
１４１ｂ 出力層
１４２ 推定部
１４３ 補正部
１４４ 通知部
１４５ 予測部
１６１ ドラム回転数カウンター
１６２ 露光量センサー
１６３ トナー濃度センサー
１６４ 印刷枚数カウンター

Claims (3)

1. ある機能を有する部材と、
   入力層と出力層とを有する自己組織化写像モデルの学習により得られた学習済モデルと、
   前記部材に関する多次元の入力データを前記入力層に与えて、前記出力層が有する複数のノードのうちの１つに基づいて前記部材の状態を推定する推定部と、
   露光量が上限値に達している場合に前記部材の実質的な自己修復が実施されるように前記上限値を補正する補正部と、
   前記推定部により推定された前記部材の状態の推移に基づいて前記部材の寿命を予測する予測部と
   を備え、
   前記部材は、感光体ドラムであり、
   前記入力データは、前記感光体ドラムの総走行距離を示す第１データと、前記感光体ドラムへの前記露光量を示す第２データと、前記感光体ドラムから転写されたトナー像の濃度を示す第３データと、画像形成装置の使用頻度を示す第４データとを含む、画像形成装置。
2. 前記部材の動作を制御する制御部を更に備え、
   前記制御部は、前記学習済モデル及び前記推定部を有する、請求項１に記載の画像形成装置。
3. 前記推定部により推定された前記部材の状態を示す状態通知を発する通知部を更に備えた、請求項１又は請求項２に記載の画像形成装置。

Images