JPH04130351A - 画像形成装置のための自己診断および自己修復システム - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〈産業上の利用分野〉 この発明は、画像形成装置のための自己診断および自己
修復システムに関するものである。より詳しくは、近年
盛んに研究が行われている人工知能、知識工学を利用し
て、画像形成装置の動作状態等を自己診断し、自己修復
し得るような装置やシステムに関するものである。

〈従来の技術〉 精密機械や産業機械等の開発分野においては、保全作業
の省力化や自動運転の長期化を実現するために、最近、
人工知能（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎ
ｃｅ：いわゆるＡＩ）技術を利用したエキスパートシス
テムの研究が盛んに行われている。エキスパートシステ
ムの中には、装置に故障が生じたか否かを自己診断し、
また生じた故障を自己修復するものが見受けられる。

〈発明が解決しようとする課題〉 ところが、従来のエキスパートシステムによる故障診断
システムでは、（ａ）知識に汎用性がなく、様々な対象
に対しての故障診断ができないこと、（ｂ）未知の故障
に対する診断ができないこと、（ｃ）対象が複雑になる
と、故障診断に必要な知識量が爆発的に増大するので、
実現性が困難になること、（ｄ）知識獲得が難しいこと
、等の限界が指摘されていた。

より具体的に説明すると、従来の自動調節システムや故
障診断システムは、基本的には、成るセンサの出力に基
づいて対応するアクチュエータを作動させるようになっ
ていた。つまり、予め定めるセンサおよびアクチュエー
タの組合わせにより、一種の自動調節や故障診断がなさ
れていた。よって、基本的には、成るセンサは特定のア
クチュタと対応しており、両者の関係は固定的であった
。

それゆえ、 （１）センサのパラメータとアクチュエータのパラメー
タとの関係は数値的に明示されていなければならないこ
と。

（２）上記（１）の理由から、センサのパラメータとア
クチュエータのパラメータとの関係は対象に強く依存し
ており、汎用性に乏しいこと。つまり様々な対象に対し
て利用ができないこと。

（３）各センサ同士のパラメータ間または各アクチュエ
ータ同士のパラメータ間の関係は制御と無関係である。

したがって、対応するセンサのパラメータとアクチュエ
ータのパラメータとの関係のみに基づく単純な制御しか
行えず、対処できる故障が予め限定されていること。

つまり、設計段階で、起こり得る故障を予測し、その故
障対策の機構を盛込まなければならず、未知の故障は扱
えないこと。

（４）上記（３）の理由から、任意のアクチュエータの
パラメータを操作したことにより生じ得る他のアクチュ
エータのパラメータへの副次的影響を予測できないこと
。

等の問題点があった。

このように、従来の自動調節システムや故障診断システ
ムでは、予測故障ＡはセンサＡおよびアクチュエータＡ
の組Ａに基づいて行われ、予測故障ＢはセンサＢおよび
アクチュエータＢの組Ｂに基づいて行われ、予測故障Ｃ
はセンサＣおよびアクチュエータＣの組Ｃに基づいて行
われるという具合に、それぞれ独立したセンサおよびア
クチュエータの組に基づく故障診断が行われ、またそれ
に基づく故障修復が行われていたにすぎなかった。

この発明は、このような従来技術を背景になされたもの
で、従来技術の欠点を解消した、画像形成装置のための
新規な自己診断および自己修復システムを提供すること
を目的とする。

く課題を解決するための手段〉 この発明は、画像データを具現化して視認可能な画像を
生成する画像形成装置のための自己診断および自己修復
システムであって、画像形成装置の特徴を表わす特徴デ
ータ、画像形成装置を複数個の要素の結合として表現し
、各要素の挙動または属性および各要素間の結合関係を
定性的に表わした定性データならびに故障診断知識が記
憶された記憶手段、画像形成装置の予め定める箇所にお
ける機能状態を検出して状態データを出力するための複
数個のセンサ手段、画像形成装置の機能状態を変化させ
ることのできる複数個のアクチュエータ手段、センサ手
段から与えられる状態データならびに記憶手段に記憶さ
れた特徴データおよび故障診断知識に基づいて、画像形
成装置が正常か異常かを判別するための故障判別手段、
故障判別手段が画像形成装置は正常であると判別したこ
とに応答して、センサ手段から与えられる状態データに
基づいて、記憶手段に記憶されている特徴データのうち
の所定のデータを更新するデータ更新手段、ならびに故
障判別手段が画像形成装置が異常であると判別したこと
に応答して、記憶手段に記憶された定性データおよび故
障診断知識に基づいて、故障修復のために動させるべき
アクチュエータ手段を選択する選択手段、を含むことを
特徴とするものである。

く作用〉 この発明によれば、成るセンサ手段から与えられる状態
データが特徴データとしてのたとえば基準データと比べ
て相対的に低くまたは相対的に高くなったときに、故障
が生じたと判別される。

そして、故障が生じた場合には、記憶手段に記憶された
定性データおよび故障診断知識に基づいて、生じている
故障を修復するために、どのアクチュエータ手段を操作
すべ−きかが推論される。

また、故障判別手段によって画像形成装置が正常である
と判別されたときには、与えられた状態データに基づい
て、記憶手段に記憶された特徴データのうちの所定のデ
ータ、たとえば基準値データが更新され、常に最新の装
置の状態を表わす特徴データが記憶手段に記憶される。

定性データは、成る画像形成装置に固有のデータではな
く、多くの画像形成装置に共通的な、かつ定性的に表わ
されたデータであるから、この発明にかかる自己診断お
よび自己修復システムは、異なる種類の画像形成装置に
簡単に組込むことができる。

〈実施例〉 システム構成の概要 第１図は、この発明の一実施例のシステム構成を示すブ
ロック図である。このシステムには、対象機械上に設置
された複数のセンサｌａ、ｌｂ。

１ｃおよび対象機械の機能状態等を変化させるための複
数のアクチュエータ６ａ、６ｂ、６ｃが含まれている。

複数のセンサｌａ、ｌｂ、ｌｃは、それぞれ、この対象
機械の作動によって生じる対象機械の要素または該機械
要素間の関連状態の変化を検出するためのものである。

複数のセンサｌａ、ｌｂ。

ＩＣからそれぞれ取込まれる情報は、増幅回路２で増幅
され、Ａ／Ｄ変換回路３でアナログ信号からディジタル
信号に変換され、システム制御回路１０へ与えられる。

システム制御回路１０には、ディジタル信号／シンボル
変換部１１、故障診断部１２、故障シミュレーション部
１３、対象モデル記憶部１４、修復計画部１５およびシ
ンボル／ディジタル信号変換部１６が含まれている。

ディジタル信号／シンボル変換部１１は、Ａ／Ｄ変換回
路３から与えられるディジタル信号を、定性的な情報に
変換するためのものである。すなわち、ディジタル信号
を、たとえば、ノーマル。

ハイおよびローの３つのシンボルのいずれかに変換する
ための変換機能が備えられている。センサｌａ、ｌｂ、
ｌｃから与えられる信号を、シンボル化されたこのよう
な定性的な情報に変換することにより、故障診断に対す
るアプローチが容易になる。なお、シンボルは、この例
のようにノーマル、ハイおよびローの３つに限らず、オ
ンおよびオフまたはＡ、　Ｂ、　　ＣおよびＤ等の他の
表現であってもよい。変換部１１においてディジタル信
号がシンボルに変換される際には、対象モデル記憶部１
４に記憶されている対象機械に特有の特徴データが参照
される。この特徴データおよび信号変換の詳細について
は、後述する。

故障診断部１２および故障シミュレーション部１３は、
ディジタル信号／シンボル変換部１１で変換されたシン
ボルを対象モデル記憶部１４に記憶されている故障診断
知識と比較することにより、故障の有無を判別し、かつ
故障診断を行い、その結果として、対象機械の故障状態
を、定性的な情報、すなわちシンボルによって表現し出
力する構成部である。

修復計画部１５は、故障が有る場合に、該故障を修復す
るための修復計画を推論するとともに、修復作業を導出
するための構成部である。修復計画を推論し、修復作業
を導出するにあたっては、対象モデル記憶部１４に記憶
されている定性データ（後に詳述する）が活用される。

なお、故障診断部１２、故障シミニレ−ジョン部１３お
よび修復計画部１５における故障診断および故障シミュ
レーションならびに修復計画の推論および修復作業の導
出の仕方については、後に詳述する。

修復計画部１５から出力される修復作業は、シンボル／
ディジタル信号変換部１６において、対象モデル記憶部
１４の記憶情報が参照されて、ディジタル信号に変換さ
れる。

そして、ディジタル信号は、Ｄ／Ａ変換回路４でディジ
タル信号からアナログ信号に変換され、アクチュエータ
制御回路５に与えられる。アクチュエータ制御回路５は
、与えられるアナログ信号、すなわちアクチュエータ制
御命令に基づいて、複数のアクチュエータ６ａ、６ｂ、
６ｃを選択的に動作させ、修復作業を実行させる。

第２図は、第１図におけるシステム制御回路１０の処理
を表わすフローチャートである。次に、第２図を参照し
て、第１図のシステム制御回路１０の処理の概要につい
て説明をする。

センサｌａ、ｌｂまたはＩＣの検出信号は、増幅され、
かつディジタル信号に変換されて、たとえば所定の読込
みサイクルごとにシステム制御回路１０に読込まれる（
ステップＳｌ）。

読込まれたディジタル信号は、ディジタル信号／シンボ
ル変換部１１においてシンボル化される（ステップＳ２
）。このシンボル化は、対象モデル記憶部１４に予め設
定されている特徴データ、すなわち対象機械に特有の基
準値データに基づいてなされる。たとえば、対象モデル
記憶部１４には、対象機械に特有の基準値データとして
、各センサｌａ、ｌｂ、ｌｃの出力範囲が、次のように
設定されている。

すなわち、 センサ１ａ：出力ｋａ１未満−ロー 出力ｋａＩ−ｋａ２−ノーマル 出力ｋａ２を超過−ノｈイ センサ１ｂ：出力ｋｂ、未満−ロー 出力ｋｂ、〜ｋｂ２−ノーマル 出力ｋｂ２を超過−ハイ センサＩＣ：出力ｋｃ１未満−ロー 出力ｋｃｌ〜ｋｃ２■ノーマル 出力ｋｃ２を超過−ハイ と設定されている。ディジタル／シンボル変換部１１で
は、対象モデル記憶部１４に設定されている上記対象機
械に特有の基準値データに基づいて、センサ１ａ〜ＩＣ
からのディジタル信号を、「ロー」「ノーマル」または
「ハイ」というシンボルに変換する。

次いで、故障診断部１２において、変換されたシンボル
が評価され、故障の有無判別および故障症状の特定がさ
れる（ステップＳ３）。シンボルの評価による故障の有
無判別および故障症状の特定には、対象モデル記憶部１
４に記憶されている故障診断知識が活用される。故障診
断知識とは、たとえば、特定のパラメータは、たとえば
ノーマルでなければならないという設定条件である。当
該特定のパラメータがノーマルでない場合、故障あり、
と判別され、該特定のパラメータが何かによって、故障
症状が特定される。故障がない場合には、ステップＳｌ
、Ｓ２およびＳ３のルーチンか繰返される。

ステップＳ３において故障ありと判別された場合には、
対象機械の状態の推論、すなわち故障診断および故障状
態のシミュレーションがされる（ステップＳ４）。具体
的には、対象モデル記憶部１４に記憶されている、装置
を構成する各要素の挙動または属性および各要素間の結
合関係を定性的に表わした定性データに基づいて、故障
診断部１２において、故障を引起こしているパラメータ
が検索され、故障シミュレーション部１３において、検
索されたパラメータが故障原因であると仮定して、故障
状態のシミュレーションがされる。

さらに、故障診断部１２において、シミュレーション結
果と現在のパラメータ値とが比較され、検索されたパラ
メータが故障原因であるという仮定の正当性が判断され
る。以上の処理が、検索される複数のパラメータに対し
て行われる。

故障有無判別、故障診断および故障状態のシミュレーシ
ョンの結果、対象機械の故障症状および故障原因か決定
される（ステップＳ５）。ここに、故障症状とは、対象
機械の出力状況等（たとえば、複写機を例にとると、「
コピー画像が薄い」等）の変化であり、故障原因とは、
シンボルの変化原因となる対象機械の機構や構造の変化
（たとえば、複写機を例にとると、「ハロゲンランプの
光量低下」等）である。

次いて、修復計画部１５によって、修復方法の推論がさ
れる。この推論にあたっては、修復の影響のシミュレー
ションが併せて行われる（ステップＳ６）。

そして、修復計画が決定され（ステップＳ７）、決定さ
れた修復計画に基づいて制御命令が展開される（ステッ
プＳ８）。実際の制御命令への展開時には、アクチュエ
ータ動作のための限界数値等の装置に特有の特徴データ
が、対象モデル記憶部１４から読出されて活用される。

展開された制御命令はアナログ信号に変換され、アクチ
ュエータ制御回路５へ与えられ、修復制御が実行される
（ステップＳ９）。そして、制御は終了する。

次に、故障診断および修復計画の推論の仕方について、
具体例を参照しながら詳細に説明をする。

以下の説明では、−例として、小型普通複写機における
感光体ドラム周辺部を対象機械とした場合の仕方を説明
する。

第３図は、具体的な対象機械を表わす図解図である。第
３図において、２１は感光体ドラム、２２は主帯電チャ
ージャ、２３は原稿照明用のハロゲンランプ、２４は現
像装置、２５は転写チャージャである。

この実施例では、たとえば３つのセンサｌａ。

ｌｂ、ｌｃが設けられている。すなわち、センサ１ａは
感光体ドラムに入射する光量を測定するためのＡＥセン
サ、センサ１ｂは感光体ドラムの表面電位を測定する表
面電位センサ、センサＩＣは用紙上にコピーされた画像
の濃度を測定するための濃度計である。

また、第３図に示されていないが３種類のアクチュエー
タが設けられている。すなわち、感光体ドラムの主帯電
電圧を変化させるための主帯電ボリュームＶＲＩ、ハロ
ゲンランプの光量を制御するためのランプボリュームＡ
ＶＲおよび感光体ドラムとコピー用紙間の転写電圧を制
御するだめの転写ボリュームＶＲ２、という３つのボリ
ュームがアクチュエータとして設けられている。

ところで、第３図に示す対象機械を物理的な視点から捕
え、実体レベルでその対象機械を複数個の要素の結合と
して表現し、各要素の挙動および属性ならびに各要素間
の結合関係をパラメータを用いて定性的に表わすと、第
１表に示す通りとなる。この第１表のような表現形式を
「実体モデル」と呼ぶことにする。

また、実体モデルを抽象化して、各パラメータの結合ツ
リーとして表わした第４図の表現を「数学モデル」と呼
ぶことにする。

そして、「実体モデル」と「数学モデル」とを併せて「
対象モデル」と呼ぶことにする。「対象モデル」は、後
述する故障修復のためにも活用される、画像形成装置に
共通の定性データである。

（以下余白） 第１表 「実体モデル」 定性データとしての実体モデルおよび数学モデルの各内
容は、対象モデル記憶部１４に記憶されている。

また、対象モデル記憶部１４には、実体モデルに含まれ
ているパラメータのうちの所定のパラメータに関して、
たとえば工場出荷の際に測定された基準値データが記憶
されている。この基準値データは、この画像形成装置に
特有の特徴データである。

たとえば、この機械では、第５図のように、パラメータ
ｘ、ｖ、　、ｏ、　、ｖ、について、それぞれ、ロー、
ノーマル、ハイの範囲を特定する基準値データが記憶さ
れている。

なお、この実施例では、上記の基準値データは、後の故
障診断や故障修復過程におけるセンシングデータや機械
の動作状態の変化等に応答して、更新され得るようにさ
れている。

また、対象モデル記憶部１４には、変換されたシンボル
に基づいて、対象機械が正常に動作しているか否かを判
定するための基準となる故障診断知識の一例としての評
価機能知識が記憶されている。

なお、評価機能知識、換言すれば故障診断知識は、対象
装置に特有のものであってもよいし、特有のものでなく
、広く画像形成装置に共通のものであってもよい。

評価機能知識には、以下の知識が含まれている。

画像濃度Ｏ１−ノーマル、 かぶり度０．・くノーマル、 分離性能Ｓ、＜ノーマル ここに、Ｏｓ　、Ｏａ・、Ｓ、が上記条件でない場合に
は、対象機械は正常に動作していないことになる。

さて、通常動作における対象機械のディジタル化された
センサ情報が次の値である場合を考える。

ＡＥセンサの値Ｘ−３０ 表面電位センサの値Ｖ、−３００ 濃度計の値０１−７ また、 光学濃度Ｄ−０の白紙原稿を使用したときの濃度計の値
Ｏ，−かぶり度Ｏ６・、 ハロゲンランプを消した状態での表面電位センサの値Ｖ
、−暗電位Ｖ。、 と定め、それらの値は、それぞれ、 かぶり度Ｏ６・−５０ 暗電位Ｖ、−７００ であったとする。

なお、これらかぶり度Ｏ１・および暗電位■、の測定は
、マニュアル操作によって行われてもよいし、一定条件
時、たとえば対象機械の電源がオンされる都度、または
コピー開始前毎に、センサによって自動的に測定される
ように、プログラミングされていてもよい。この実施例
では、後者が採用されている。

ＡＥセンサｌａｓ表面電位センサ１ｂおよび濃度計１ｃ
によって得られた６値ＸＳＶ、　、Ｏ，、Ｏｓ・、Ｖｏ
は、それぞれ、ディジタル信号／シンボル変換部１１に
おいてシンボルに変換される。

変換は、前述したように、各センサ１ａ、１ｂまたはＩ
Ｃから与えられるディジタル値が、対象モデル記憶部１
４に記憶されている特徴データとしての基準値データと
比較されることにより行われ、ノーマル、ハイまたはロ
ーの３種類のいずれかのシンボルに変換される。

この実施例では、各パラメータは次のようにシンボル化
される。

Ｘ−ハイ ｖ１ｍロー ０、−ロー ■、−ノーマル 故障診断部１２において、これらのシンボル化された各
パラメータが、対象モデル記憶部１４に記憶されている
故障診断知識の一例としての機能評価知識と比較される
。その結果、画像濃度Ｏ６かノーマルてないから、故障
ありと判定され、故障症状は「画像濃度が低すぎる（０
．−ロー）」であると判断される。そして、次には、「
０．−口−」を故障症状として、故障診断、つまり故障
原因の推論がされる。

故障診断は、まず故障シミュレーション部１３において
、第４図の数学モデルを用いて行われ、Ｏｌ−ローを引
起こす可能性のあるパラメータが探索される。

第４図における数学モデルで、０１を低下させる可能性
があるパラメータを指摘すると、第６図に示すようにな
る。第６図において、上向き矢印または下向き矢印が付
されたパラメータが、パラメータ０．−ローを引起こす
可能性のあるパラメータであり、上向き矢印のものはそ
のパラメータが上昇した場合に、下向き矢印のものはそ
のパラメータが低下した場合に、Ｏ６−ローを引起こす
。

次に、数学モデルにおいて探索されたＯｌ−ローを引起
こす可能性のある各パラメータζ、Ｄ、。

Ｖ、、７ｏ＋　Ｖ、、ｖ、、ｖ、、ｘ、　　β、ＨＬ。

Ｄについて、故障診断部１２で、パラメータの変化を引
起こす原因の検出がされる。

この検出は、第１表の実体モデルに基づいて行われ、こ
の実施例では、次のような故障原因候補が推論される。

すなわち、 ■、−ロー二−転写トランスの不良 ζ　−ローニー用紙の劣化 Ｖ、−ハイニー現像バイアスの不良 γ０−０−ロー二−トナー化 Ｖ、−ローニー主帯電電圧の不良 ＨＬ−ハイ：→ハロゲンランプの設定不良Ｄ　−ロー二
→原稿が薄い なお、パラメータのうち、βは感光体の感度であり、こ
れが上昇することはないから除外される。

Ｄ、、Ｖ、およびＸは、他のパラメータによって表わさ
れるから、これも除外される。

そして、故障診断部１２においてされた上記の推論に対
して、故障シミュレーション１１３において、故障状態
のシミュレーションが行われる。

故障状態のシミュレーションとは、上記推論された故障
が生じたときの対象機械の状態を、それぞれ、推論する
ことである。より具体的には、〇−ローを引起こす原因
、つまり故障原因が、たとえば転写トランスの不良であ
ると仮定し、正常状態のモデルに対してＶ、−ローを設
定する。そして、その状態における各パラメータに与え
られる影響を数学モデル上で検討するのである。■。

−ローを設定した場合、０．−ローおよびＳ、−ローと
なり、他のパラメータはすべてノーマルであるから、こ
れは、センサから得られるＸ−ハイおよびＶ、−ローと
矛盾する。それゆえ、その故障原因の推論が誤っている
という結果を得る。

同様にして、ζ−ローを正常状態の数学モデル上に設定
し、その結果をセンサから得られるシンボルと比較する
。この場合も、数学モデル上ではＸ−ノーマルに対し、
センサからのシンボルはＸ−ハイであるから、矛盾があ
り、その故障原因の推論は誤りであると判定される。

このようにして、全ての故障原因候補について、故障状
態のシミュレーションが行われ、故障原因の推論が正し
いか否かが確認される。

その結果、本例の場合には、故障原因を「ハロゲンラン
プの設定不良（ＨＬ−ハイ）」とした場合に、現実の対
象機械の状態と一致した結果が得られ、かつそれ以外の
故障原因候補はすべて現実の装置の状態と矛盾するとの
結論を得る。

よって、この場合の故障原因は、ハロゲンランプの設定
不良であると断定できる。そのときの対象機械の各パラ
メータの状態を示すと、第２表のとおりとなる。

第２表：ハロゲン設定不良 第２表に表わすパラメータの状態を数学モデル上にトレ
ースすると、第７図が得られる。第７図において、各パ
ラメータの右側に付された下向き矢印はロー、上向き矢
印はハイ、Ｎはノーマルを表わしている。

次に、修復計画の推論について説明をする。

故障判別の結果、「画像濃度が低すぎる（０゜−口−）
」が故障症状として取上げられたから、修復の目標は、
Ｏｌを上昇させることである。

そこで、第４図に示す数学モデル上の関係から、Ｄ、を
上昇させるか、ｖｌを上昇させるか、または、ζを上昇
させるかによって、修復目標である０、を上昇させるこ
とができると推論される。

次に、Ｄ、を上昇させることを目標に推論を行うと　ｙ
、を上昇させるか、■、を下降させるか、または、γ。

を上昇させるかのいずれかの結論を得る。このように、
数学モデルに基づいて、推論が繰返されることにより、
修復操作の候補を数学モデル上で得ることができる。得
られた結果は、第３表に示すとおりである。

（以下余白） 第３表 ところで、数学モデルに基づいて得られた修復候補には
、実現できるものと実現できないものとがある。たとえ
ば、 Ｄ：原稿の光学濃度 は変更できないし、 β：感光体の感度 も変更し難い。

γ。：トナーの感度 も変更できないし、 ζ：用紙の感度 も変化不可能である。

また、この具体例では、 ■、：バイアス電圧 も、アクチュエータがないから変化不可能である。

もちろん、アクチュエータを追加することにより、■、
は変化可能にすることができる。

さらに、 Ｘ　：原稿反射光量の対数 ■、：露光後のドラムの表面電位 り、ニドラム上でのトナー濃度 については、それ自体の変更は不可能で、間接的に他の
パラメータを変化させることで変化させられるだけであ
り、ここでは修復候補から除外する。

なお、この具体例では直接関係ないが、Ａ６．二分離用
ＡＣ電圧の振幅 も、アクチュエータ追加により、変化させることができ
る。

以上の次第で、この具体例では、修復候補として、 ■Ｉ　：転写電圧 ■、：主帯電後の表面電位 ＨＬ　：ハロゲンランプ出力光量の対数がとりあげられ
る。

一方、対象モデル記憶部１４には、修復計画知識として
、次の知識か予め記憶されている。すなわち、 （ａ）Ｖ、を上昇させる→転写トランスのコントロール
電圧を上げる （ｂ）ｖ、を下降させる一転写トランスのコントロール
電圧を下げる （ｃ）Ｖｆｉを上昇させる一生帯電トランスのコントロ
ール電圧を上げる （ｄ）Ｖ、を下降させる一生帯電トランスのコントロー
ル電圧を下げる （ｅ）ＨＬを上昇させるーハロゲンランプコントロール
信号を高電圧側にシフトする （ｆ）ＨＬを下降させるーハロゲンランプコントロール
信号を低電圧側にシフトする。

である。この対象モデル記憶部１４に記憶された修復計
画知識は、このｉｔに特有の特徴データである。該修復
計画知識を数学モデルに基づいて得られた修復候補に適
用することにより、０．を上昇させるための修復操作と
して、 （ａ）Ｖ、を上昇させる一転写トランスのコントロール
電圧を上げる （ｃ）■、を上昇させる一帯電トランスのコントロール
電圧を上げる （ｆ）ＨＬを下降させるーハロゲンランプコントロール
信号を低電圧側にシフトする の３方法が得られる。

画像濃度Ｏ１を単に上昇させるだけであれば、これら３
方法のうちのいずれの方法を実行しても、修復が可能で
ある。

しかしながら、対象機械は、画像濃度Ｏ１を上昇させる
ことにより、種々の副次的な影響を受けることが考えら
れる。そこで、この実施例では、以下に説明するように
、副次的な影響の推論を、数学モデルに基づいて行って
いる。

副次的影響の推論 修復計画の推論において導かれた３つの修復計画を数学
モデル上に展開すると、第８図ないし第１３図が得られ
る。つまり、（ａ）Ｖ、を上昇させた場合が第８図およ
び第９図（第９図はＤ−０とした場合の０５・が数学モ
デル上で表わされている）、（ｃ）Ｖ。を上昇させた場
合は、第１０図および第１１図（第１１図はＤ−０とし
た場合のＯ５・が数学モデル上で表わされている）、（
ｆ）ＨＬを下降させた場合は第１２図および第１３図（
第１３図はＤ−０とした場合の０，７が数学モデル上で
表わされている）となる。

そして、数学モデルに基づいて機能評価を行うと、次の
状態が推論される。

すなわち、 （１）Ｖ、を上昇させた場合（第８図、第９図）（ａ）
出力画像濃度が上昇する。

（ｂ）Ｄ−００とき、Ｏｌ・〉ノーマルの場合がある。

つまり、かぶりが発生する可能性がある。

（ｃ）Ｓ、＞ノーマルとなり、分離不良が発生する可能
性がある。

（２）Ｖ、を上昇させた場合 （第１０図、第１１図） （ａ）出力画像濃度が上昇する。

（ｂ）Ｄ−０のとき、０．・〉ノーマルとなり、かぶり
が発生する可能性がある。

（３）ＨＬを下降させた場合 （第１２図、第１３図） （ａ）出力画像濃度が上昇するだけで、他の副次的な影
響はない。

よって、修復計画部１５では、副次的な影響の最も少な
い修復計画、すなわちＨＬを下降させるという修復計画
が選択される。この修復計画は、故障診断で得られた故
障原因を解消するための操作と一致している。

つまり、見方を変えると、故障診断における故障原因の
推論は、装置が故障したときの現実の状態を数学モデル
上でトレースし、装置が故障したときの各構成要素の状
態を把握することによって、故障原因を推定していたの
に対し、修復計画の推定では、装置が故障状態ではなく
、装置が正常であるという前提に立って、数学モデル上
で装置の状態をトレースし、それに基づいて修復計画を
推諭している。

そして、上述の具体例では、故障診断における推論でも
、修復計画における推論でも、結果として同じ故障原因
および修復計画が得られたわけである。

しかし、場合によっては、故障診断の推論が故障状態の
装置を前提にしているのに対し、修復計画の推論は正常
状態の装置を前提にしているため、両者によって得られ
る結果が異なることがある。

かかる場合は、故障診断の推論過程で得られる結論と矛
盾しないものだけを修復計画の推論の際に選択するよう
にすれば、修復計画の推論処理をより短時間で行える。

上述の場合において、もしＨＬを下降させるという修復
計画が選択できない場合、たとえばハロゲンランプコン
トロール信号を低電圧側にシフトするためのＡＶＨのボ
リュームが既に下限であった場合には、次に副次的影響
の少ない（２）のＶ。を上昇させるという修復計画が選
択される。

しかしながら、ｖ７を上昇させるという修復計画か選択
された場合には、かぶり発生の可能性という副次的影響
が予測されているので、第１１図の数学モデルにおいて
、Ｏ８・を下降させるためにはいずれのパラメータを操
作すればよいかが第１１図の数学モデルに基づいて検討
され、かつ、修復計画知識に基づいて操作が選択される
。その結果、 ＨＬを上昇させるか、 Ｖ、を下降させるか、 ｖｌを下降させるか が選ばれ、かぶり発生を防止することを含めた修復計画
が行われる。

つまり、第１４図に示すように、副次的影響を仮定して
、修復操作の推論を展開する。第１４図に示されるよう
な修復操作の推論展開においては、（ａ）数学モデル上
で以前の修復計画と矛盾する枝は選択しない （ｂ）ｆｉも副次的影響の少ないものを選択する（ｃ）
ループを形成したものはその時点て展開を止める という知識に基づいた展開が行われる。

第１４図では、結局、 （１）Ｖ、↑呻ＨＬ　↑→ｖｎ↑のループ、および （２）Ｖ６↑−＋　Ｖ　、　　↓→Ｖｆｉ↑のループ、
の２つの修復計画が残る。

今、（１）のループが修復計画として行われた場合にお
いて、画像濃度が適正な濃度、すなわち０、がノーマル
になったとする。かかる場合、■、およびＨ２は上昇さ
れているから、画像濃度Ｏ１がノーマルに戻った修復後
の状態において、センサ１ｂによって測定される表面電
位の値は、最初に測定される値に比べてかなり高いもの
に変化しているはずである。しかしながら、修復作業が
成功したわけであるから、修復後のパラメータ■、の状
態はノーマルにシンボル化されなければならない。よっ
て、かかる場合、修復が終了した時点で、センサ１ｂに
よって測定される測定値に基づき、第５図に示すパラメ
ータＶ、のシンボル化のための基準データが変更され、
たとえば第１５図に示すデータに書換えられる。

このように、基準データの更新が、修復作業終了後に必
要に応じてなされる。

この実施例において、第１４図における前述した（１）
のループが行われる場合、具体的には、主帯電ボリュー
ムＶＲＩが操作されて感光体ドラム２１の表面電位が上
昇され、それによって得られるコピーにかぶれが発生す
ると、ランプボリュームＡＶＲが操作されてハロゲンラ
ンプの光量が増加され、コピーの画像濃度が薄められる
。

そして、主帯電ボリュームＶＲＩおよびランプボリュー
ムＡＶＲを交互に適宜上昇させながら、画像濃度が正常
になったとき、すなわちパラメータＯ，がノーマルにな
ったことがセンサＩＣである濃度計の検出出力から得ら
れたとき、修復処理は終了される。

さらに、上記２つの修復計画が実行不可能な場合は、さ
らに、上述した（３）のＶ、を上昇させるという修復計
画が選択され、その副次的影響であるかぶり発生と、分
離不良の２つを仮定した故陣診断が行われ、修復計画が
選択される。

そして、選択された修復計画が行われ、ループ処理の場
合には、ループ上にあるパラメータの操作が限度に達し
た時点で失敗と判断される。

また、この実施例の場合は、具体例でも説明したように
、０．がノーマルになった時点で修復終了が判別され、
その状態で修復は停止される。

上述した副次的影響の推論においては、修復計画の推論
において導かれた３つの修復計画を順次数学モデル上に
展開し、３つの修復計画のそれぞれについて、まとめて
、副次的影響が推論されている。

このような副次的影響の推論の仕方に代え、次のような
処理を行ってもよい。

すなわち、修復計画の推論において、たとえば３つの修
復計画が導き出されたとする。その場合、３つの中から
１つの修復計画だけをとりあげ、該修復計画に基づいて
アクチュエータ手段を作動された場合に生じるかもしれ
ない副次的な影響をシミュレートし、シミュレートされ
た副次的な影響は、修復計画によって選択されたアクチ
ュエータ手段以外のアクチュエータ手段を作動させるこ
とによって除去できるか否かを判別する。

そして、副次的な影響は除去できると判別されたときに
は、修復計画によって選択されたアクチュエータを実際
に作動させ、修復を実行するとともに、副次的な影響を
他のアクチュエータ手段を作動させることによって除去
するのである。

この結果、修復計画で導き出された他の２つの計画に基
づく副次的影響のシミュレートはする必要がなく、全体
として、修復操作時間を短縮できる。

上述の場合において、もし、第１番目に選択した修復計
画について、副次的な影響をシミュレートし、シミュレ
ートされた副次的な影響が他のアクチュエータ手段を作
動させることによって除去できないと判別された場合、
その第１番目の修復計画は断念して、次に第２番目の修
復計画をとりあげ、該２番目の修復計画に基づいて選択
されたアクチュエータ手段を作動させた場合に生じるか
もじれない副次的な影響をシミュレートし、シミュレー
トされた副次的な影響は、そのアクチュエータ手段以外
のアクチュエータ手段を作動させることによって除去で
きるか否かを判別し、副次的な影響が除去できるときに
は、該第２番目の修復計画に基づく修復作業を行う。

このように、修復計画の推論において導かれた複数の修
復計画のうち、成る１つ目の修復計画を取出し、その場
合の副次的な影響を推論し、副次的な影響が除去できる
場合には、直ちにその１つ目の修復計画に基づく修復を
実行するようにするのである。

そして、もしその修復計画では、副次的な影響が大きす
ぎる場合には、それを断念し、次の修復計画を選び、そ
の場合の副次的な影響をシミュレートするのである。

かかる場合、修復計画の推論において導かれた複数の修
復計画のうち、いずれの修復計画をまず選択するかにつ
いては、たとえば、故障診断において得られた故障原因
を参酌して選択するのが好ましい。

以上の実施例では、アクチュエータのパラメータ数が少
ないため、修復自体かかなりの制限を受けているが、ア
クチュエータのパラメータ数を増やすことによってさら
に修復の柔軟性および可能性を向上させることができる
。

以上説明した具体例において、いずれかの修復作業が成
功した場合には、成功した後の装置の状態が正常な状態
であると判定されるわけであるから、各センサから与え
られるディジタルデータ値によって各パラメータの基準
値データ（第５図に示す基準値）が更新され、新たな基
準値データに基づいてパラメータがシンボル化されるよ
うにするのが好ましい。

また、上述の具体例では、各アクチュエータの作動範囲
については特に触れなかったが、対象モデル記憶部１４
に記憶されている装置に特有の特徴データの中に、アク
チュエータの作動範囲を設定する作動範囲データを含ま
せておけば、アクチュエータの出力状態が記憶されてい
る作動範囲内のときはアクチュエータ操作可能と判別で
き、アクチュエータの出力状態が記憶されている作動範
囲の上限または下限に達した場合に、アクチュエータ操
作不能と判定して、修復作業の正否判定に利用すること
ができる。

さらに、上述の具体例では、センサ出力が変化したこと
に基づいて、自動的に自己診断を行い、自己修復を行う
システムをとりあげたが、画像形成装置に自己診断モー
ドの設定キー等を設け、該自己診断モード設定キーが操
作された場合にのみ、自己診断および／または自己修復
が行われるようにしてもよい。

上述の具体例の説明では、完全に自律した、すなわちサ
ービスマンやユーザが何ら操作をすることなく、故障の
有無を装置自体が自動的に自己診断を行いかつ故障があ
れば自己修復を行うシステムをとりあげて説明した。し
かしながら、この発明においては、センサを構成要件か
ら削除し、画像形成装置の予め定める箇所における機能
状態のデータをサービスマン等が測定し、該測定したデ
ータを装置に人力することができる構成にすることによ
り、自律しない自己診断を行いかつその自己診断に基づ
いて自律した修復を行うことのできる画像形成装置を構
成することができる。

また、装置が行った自己診断の結果に基づき、故障を修
復するためのアクチュエータを選択するのみで、実際に
アクチュエータを動作させず、動作させるべきアクチュ
エータを表示するようなシステムを構成すれば、サービ
スマンがその表示されたアクチュエータを操作するだけ
でよい、自律しない修復システムを備えた画像形成装置
とすることができる。

もちろん、自己修復システムの構成要件を除外し、自己
診断システムのみを有する画像形成装置を構成すること
もできる。

つまり、この発明によれば、 （１）完全に自律した自己診断および自己修復システム
を有する画像形成装置、 （２）自律した自己診断システムおよび自律しない自己
修復システムを有する画像形成装置、（３）自律しない
自己診断システムおよび自律しない自己修復システムを
有する画像形成装置、（４）自律しない自己診断システ
ムおよび自律した自己修復システムを有する画像形成装
置、または （５）自律した自己診断システムのみを有する画像形成
装置、 を必要に応じて構成することができる。

〈発明の効果〉 この発明によれば、画像形成装置に故障が生じた場合に
、その故障を修復するために操作すべきアクチュエータ
手段が推論されて出力されるので、サービスマン等は、
指示されるアクチュエータ手段を操作するだけで、簡単
に修復を行うことができる。つまり、画像形成装置のア
クチュエータ等を指示に従って操作するだけで、故障を
直すことができる。

よって、自律した自己診断および修復推論を行い、その
結果に従ってマニュアルで修復を行うような画像形成装
置を提供できる。

また、この発明によれば、故障原因は、画像形成装置に
共通の定性データに基づいてなされるので、明示的に記
述されていない未知の故障をも扱うことのできる自己診
断および自己修復システムを有する画像形成装置とする
ことができる。

さらに、この発明にかかる自己診断および自己修復シス
テムは、成る特定の画像形成装置に対してではなく、多
くの機種の画像形成装置に対して共通的に適用すること
ができ、結果的に安価な故障診断システムを有する画像
形成装置を提供することができる。

【図面の簡単な説明】

第１図は、この発明の一実施例のシステム構成を示すブ
ロック図である。 第２図は、第１図における制御回路の動作を表わすフロ
ーチャートである。 第３図は、普通紙複写機に利用した場合のこの発明の概
略構成を示す図である。 第４図は、この実施例の数学モデルを表わす図である。 第５図は、各パラメータをシンボル化する場合に必要な
各パラメータの基準値データを表わす図である。 第６図および第７図は、数学モデル上における故障診断
のための展開を表わす図である。 第８図ないし第１３図は、数学モデル上における副次的
影響推論のための展開を表わす図である。 第１４図は、修復計画を選択する場合の操作を表わす図
である。 第１５図は、更新後の基準値データを表わす図である。 図において、ｌａ、ｌｂ、ｌｃ−センサ、６ａ。 ６ｂ、６ｃ・・・アクチュエータ、１０・・・システム
制御回路、１１・・・ディジタル信号／シンボル変換部
、１２・・・故障診断部、１３・・・故障シミュレーシ
ョン部、１４・・・対象モデル記憶部、１５・・・修復
計画部、１６・・・シンボル／ディジタル信号変換部、
を示す。

Claims (1)

1. 【特許請求の範囲】 １、画像データを具現化して視認可能な画像を生成する
   画像形成装置のための自己診断および自己修復システム
   であって、 画像形成装置の特徴を表わす特徴データ、 画像形成装置を複数個の要素の結合として表現し、各要
   素の挙動または属性および各要素間の結合関係を定性的
   に表わした定性データならびに故障診断知識が記憶され
   た記憶手段、画像形成装置の予め定める箇所における機
   能状態を検出して状態データを出力するための複数個の
   センサ手段、 画像形成装置の機能状態を変化させることのできる複数
   個のアクチュエータ手段、 センサ手段から与えられる状態データならびに記憶手段
   に記憶された特徴データおよび故障診断知識に基づいて
   、画像形成装置が正常か異常かを判別するための故障判
   別手段、故障判別手段が画像形成装置は正常である と判別したことに応答して、センサ手段から与えられる
   状態データに基づいて、記憶手段に記憶されている特徴
   データのうちの所定のデータを更新するデータ更新手段
   、ならびに故障判別手段が画像形成装置が異常である と判別したことに応答して、記憶手段に記憶された定性
   データおよび故障診断知識に基づいて、故障修復のため
   に動させるべきアクチュエータ手段を選択する選択手段
   、 を含むことを特徴とする画像形成装置のための自己診断
   および自己修復システム。