JPH04130472A - 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
テムの研究か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助〉 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オヨび自己修復
システムであって、対象とする装置が故障を生じている
か否かの判別ならびに故障が生じているときは、その故
障症状、故障原因および装置の状態を推論するための故
障診断手段、対象とする装置に生じ得る故障症状、故障
原因、そのときの装置の状態および修復に必要な作業を
含む事例が、少なくとも故障原因別に記憶された事例記
憶手段、故障診断手段で診断された故障症状および故障
原因に基づいて、事例記憶手段に記憶された事例の中か
ら適用可能な事例を検出するための事例検出手段、事例
検出手段によって検出された事例に含まれる作業をその
まま装置の故障修復に適用可能か否かを装置の現状態と
各事例における装置の状態とを比較することにより判別
する適用判別手段、適用判別手段がその作業をそのまま
適用できないと判別したことに基づいて、前記検出され
た事例の内容に必要な修正を加える事例内容修正手段、
適用判別手段がその作業をそのまま適用できないと判別
したときには、事例内容修正手段によって修正された後
の事例に基づいて故障修復作業を実行する修復作業実行
手段、ならびに修復作業終了後、対象とする装置の状態
を検出し、故障が除去されたか否かを判定する修復結果
判定手段、を含むことを特徴とするものである。

またこの発明は、前記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おいて、装置の状態の表示は、
複数のパラメータによる表示を含み、適用判別手段は、
装置の現状態と事例における装置の状態とを比較する場
合に、複数のパラメータのうちの特定のパラメータに着
目し、そのパラメータ状態が一致か不一致かによって作
業の適用の可否を判別することを特徴とするものである
。

く作用〉 事例記憶手段には、少なくとも故障原因別に事例が整理
されて記憶されている。たとえば［）＼ロゲンランブ設
定不良」という故障原因の事例、「主帯電電圧の不良」
という故障原因の事例、［現像バイアスの不良」という
故障原因の事例、・・・というように、整理されて記憶
されている。

事例検出手段は、事例記憶手段に記憶された事例を検索
し、故障診断手段で診断された故障症状および故障原因
の事例を検出する。

次いで、適用判別手段によって、適用する事例に含まれ
る作業をそのまま装置の故障修復に適用できるか否かが
判別される。たとえば、装置の現状態に最も近い装置の
状態を含む事例が選ばれた場合であっても、装置の現状
態と事例の装置の状態とが完全に等しくない場合には、
事例に備えられた作業をそのまま装置の故障修復に適用
できない場合がある。

適用判別手段における作業適用の可否判別は、具体的に
は、たとえば装置の状態を表示する複数のパラメータの
うちの特定のパラメータに着目し、該特定のパラメータ
の状態が、装置の現状態と事例とで一致している場合に
は適用でき、不一致では適用できないと判別される。

そして、適用判別手段によってその作業をそのまま適用
できないと判別された場合、適用する事例の内容に必要
な修正が加えられる。必要な修正とは、たとえば、最初
に含まれていた作業に先立って他の作業が行われるよう
に前作業を挿入したり、最初に含まれていた作業を実行
した結果所定の状態が得られなかった場合に別の作業を
追加挿入したりすることである。

適用判別手段がその作業をそのまま適用できないと判別
されたときには、修正された事例の作業が実行される。

そして、修復作業終了後、故障が除去されたか否かが判
別される。

〈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１　ａ　ｒ　　１　ｂ　＋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、１ｂＩＣ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！ａ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。

また、修復計画部１５には事例ベース記憶部１７および
作業スクリプト記憶部１８が接続されている。

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
るアプローチか容易になる。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１４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、事例ベース記憶部１７および作業スク
リプト記憶部１８は、故障がある場合に、故障診断の推
論結果に基づいて、修復計画を推論し、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、事例ベース記憶部１７に記憶
された過去の修復成功に関する事例が検索され、検索さ
れた成功事例を実行するための作業スクリプト（修復操
作を行なうための作業単位の連なり）が作業スクリプト
記憶部１８から選択される。また、対象モデル記憶部１
４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、故障シミュレーション部１３、
修復計画部１５、事例ベース記憶部１７および作業スク
リプト記憶部１８における故障診断および故障シミニレ
−ジ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、１ｂ＊たは１ｃ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］４には、対象機械に時角゛の基準値データとし
て、各センサｌａ、ｌｂ、ｌｅ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ｋａ１〜ｋａ２−ノーマル 出力ｋａ２を超過〜ハイ 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ｋＣＩ〜ｋｃ２−ノーマル 出力ｋｃ２を超過−ノ＼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。

次いて、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かさ
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のルーチンが繰返される。

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
ータか検索され、故障シミュレーショ〉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か判断される。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が決定
される。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、「・＼ロゲンシンブの光量低下」等）
である。

次いで、修復計画部１５によって、故障診断および故障
状態のシミュレーション結果に基づいて、事例ベース記
憶部１７に記憶された多数の事例の検索が行われる（ス
テップＳ５）。そして、現在の勾象機械の状態に近い事
例の検出がされる（ステップＳ６）。この事例の検出は
、故障症状および故障原因が一致しているか否かに基づ
いて行われる。

そして、検出された事例に基づく修復作業が実行される
（ステップＳ７）。修復作業においては、必要に応じて
事例の修正や修復作業の修正がなされ、修正された事例
は、新たな事例として登録される。

そして事例に基づく修復作業が成功した場合には処理は
終了する（ステップＳ８でＹＥＳ）が、事例に基づく修
復作業が成功しなかった場合（ステップＳ８でＮｏ）に
は、修復方法の推論がなされ（ステップＳ９）、さらに
、副次的影響のシミュレーションがなされ（ステップ５
ＩＯ）、修復計画が決定されて、その決定に基づく修復
作業が実行される（ステップ５１１）。

ステップ５９〜Ｓｌｌにおける推論および作業の実行は
、事例に基づくものではないが、この推論に基づく修復
作業が成功した場合には、その修復結果は新たな事例と
して事例ベース記憶部１７に登録される。

次に、故障診断および故障修復の仕方について、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１ｃ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
御するた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」と呼ふことにする。「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、以下の知識か含まれている。

画像濃度Ｏ１−ノーマル、 かぶり度Ｏ３・〈ノーマル、 分離性能Ｓ、くノーマル ここに、０．．０．・、Ｓ１１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Ｏ，−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
Ｏ８−かぶり度Ｏ，７、 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ｖ１、 と定め、それらの値は、それぞれ、 かぶり度Ｏ１・−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■５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ｌａ、表面電位センサ１ｂおよび濃度計ＩＣ
によって得られた各位Ｘ１Ｖ、　、Ｏ，、Ｏｓ−、Ｖ、
、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ｌａ、ｌｂ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 ■、讃ロー ０、−ロー ｖｆｌ讃ノーマル 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１４１；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０゜がノーマルでないから、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、
ｒｏ、−ロー」を故障症状として、故障診断、つまり故
障原因が推論される。

故障診断は、まず故障ンミコ１ノージョン部１３におい
て、第４図の数学モデルを用いて行われ、０１−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、０．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、」二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Ｏ６−口−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、Ｏｌ−口−を引起こ
す。

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

Ｖｌ、γ０＋　Ｖ、、Ｖ、、Ｖ、、ｘ、　　β、Ｈし。

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、 Ｖｌ−ローニー転写トランスの不良 ζ　−ロー・−用紙の劣化 Ｖ　ｂ　＝　ハイニー現像バイアスの不良７０−ロー：
→トナーの劣化 ■。−ローニー生帯電電圧の不良 Ｈ，−ハイニーハロゲンランプの設定不良Ｄ　−ロー二
−原稿が薄い ｖｌ−ローのときは転写トランスの不良であり、ζ−ロ
ーは用紙の劣化を表わし、■、−ハイは現像バイアスの
不良を意味し、−・・という知識は、故障原因知識であ
り、この知識は、画像形成装置に共通の定性データに含
まれている。

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、、Ｖｓ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部１３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、Ｏｌ−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■、−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。Ｖｌ
−ローを設定した場合、０．−１−ローおよび５．ａｍ
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、その結果をセンナ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Ｘｍ１Ｉ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
いか否かか確認される。

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（７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。

修復作業の実行 次に、故障診断部］２および故障シミュレーション部１
３で行われた故障診断の結果に基づいて、第８Ａ図、第
８Ｂ図および第８Ｃ図に示すフローチャートに従い、修
復作業が実行される。

以下、第８Ａ図、第８Ｂ図および第８Ｃ図に示すフロー
チャートの流れに従って、修復作業についで、順を追っ
て説明をする。

なお、第８Ａ図１第８Ｂ図および第８Ｃ図のフローチャ
ートは、第２図のフローチャートにおけるステップＳ５
．Ｓ６．Ｓ７およびＳ８に対応するもので、修復処理の
内容を具体的にかつ詳細に表わしたものである。

事例の検索 前述した故障診断の手法に従って、発生している故障症
状を引起こす故障原因か推論される（ステップ５２１）
。その結果に基づいて、事例ベース記憶部１７（第１図
参照）に記憶されている多数の事例か検索され、その中
から、修復に利用できる事例が検出される（ステップ５
２２）。

より具体的には、事例ベース記憶部１７に記憶されてい
る全ての事例には、第３表に示すように、事例番号、修
復前のパラメータの状況、修復後のパラメータの状況、
故障症状、故障原因、修復作業、適用成功数および適用
失敗数が記録されている。

第３表 また、各事例は、故障症状および故障原因によって、階
層的に分類されている。

そこで、修復計画部１５は、故障診断部１２および故障
シミュレーション部１３によって診断された故障症状「
画像濃度が低すぎる（０．−ロー）」および故障原因「
ハロゲンランプの設定不良（ＨＬ−ハイ）」をインデッ
クスとして、該故障症状および該故障原因の両方を満足
する事例の検出を行う。それゆえ、たとえ故障症状が「
画像濃度が低い」であっても、故障原因が、たとえば「
主帯電電圧の不良」である事例については検出されない
。

なおここで、「故障症状」とは、先にも述べたが、たと
えば「画像濃度が低い」とか「画像かぶり」等の対象機
械の不具合として認識される現象のことであり、「故障
原因」とは、「ハロゲンランプの設定不良」、「主帯電
電圧の不良」等の対象機械の機能や構造の変化を示す。

今、故障症状「画像濃度が低すぎる」および故障原因「
ハロゲンランプ設定不良」によって事例の検索を行った
結果、 下記の第４表〜第６表に示 す事例（１） が検出されたとする。

（以下余白） 第４表 第５表 第６表 ところで、検出された事例か複数、この場合は３つある
ので、いずれの事例を先に修復作業に適用するかを決め
る必要がある。

そこで、検出された３つの事例（１）〜（３）に対して
、優先順位が付される（ステップ３２３〜５２５）。適
用順位に関する優先順位は、各事例における修復前のパ
ラメータの状況と故障診断においてシミュレートされた
対象機械の現在のパラメータの状況（第２表参照）とが
比較され（ステップ５２３）、状況の一致しているパラ
メータ数が多い事例の順に優先順位が付される。

具体的に、事例（１）〜（３）の各修復前のパラメータ
の状況を現在のパラメータの状況（第２表）と比較する
と、事例（１）ではｖ６の状態のみが異なっている。事
例（２）ではＶ。およびＶ、の状態が異なっている。事
例（３）ではＶ。、■、およびｖＩの状態が異なってい
る。

したがって、事例（１）、事例（２）、事例（３）の順
に、適用順位に関する優先順位が付される。

なお、修復前のパラメータの状況と現在のパラメータの
状況との一致数が等しい場合には、適用成功数が参酌さ
れ（ステップ５２４）、適用成功数の多いものほど高い
優先順位が与えられる。

さらに、修復前のパラメータ状況と現在のパラメータ状
況との一致数が等しく、かつ、適用成功数も同じ場合に
は、適用失敗数が参酌され（ステップ５２４）、適用失
敗数の少ないものほど高い優先順位が与えられる。

なお、ステップＳ２２で検出された事例が１つだけの場
合には、上記適用順位に関する優先順位付けが省略され
ることは、もちろんである。

事例の適用 次に、第１優先順位の事例（検出された事例が１つだけ
のときは、該検出された事例）に基づく修復計画が実行
される。

修復計画の実行にあたっては、まず、第１優先順位が付
された事例（１）が、たとえばワークレジスタに設定さ
れ、かつ事例（１）に基づいて、作業スクリプト記憶部
１８に記憶されている作業スクリプトの中から故障原因
「ハロゲンランプ設定不良」の作業スクリプトが選択さ
れる、ワークレジスタに設定される（ステップ５２６）
。

ハロゲンランプ設定不良の作業スクリプトの一例を第７
表に示す。

第７表 第７表に示すように、作業スクリプトには、インデック
スとなる故障原因「ハロゲンランプ設定不良」が表記さ
れ、複数の作業１．　２．　３．・・・かリストアツブ
されている。各作業はルール形式で記述されており、前
件部状況、前件部操作および後件部状況からなっている
。各作業は、前件部状況のときに、前件部操作を行うと
、後件部状況が得られるという意味である。

より具体的に述べると、たとえば作業１の場合、前件部
状況としては、パラメータＨＬ　−ｔ＼イという状態で
あり、この状態において、ランプボリュームＡＶＲを低
下させるという前件部操作を行うことにより、パラメー
タＨ１，−ノーマルというパラメータ変化、つまり後件
部状況が得られるという内容になっている。

なお、作業スクリプトは、故障原因ごとに設定され、最
小単位の作業が列挙されたものである。

作業スクリプトは故障原因ごとに設定されているため、
故障原因の数だけ作業スクリプトは存在する。

事例（１）および第７表の作業スクリプトがワークレジ
スタに設定されると（ステップ５２６）、次に、修復計
画部１５によって、レジスタに設定された事例（１）の
修復前のパラメータの状況は現在のパラメータの状況と
完全に一致１、ているか否かが確認される（ステップ５
２７）。

もし、事例（１）の修復前のバラメ・−夕の状況が現在
のパラメータの状況と完全に一致している場合には、事
例（１）の修復作業の欄に記載された番号の作業が、「
ハロゲンランプ設定不良」作業スクリプトから選ばれて
実行される（ステップ５２８）（なお、実際には、事例
（１）のパラメータの状況は第２表に示す現在のパラメ
ータの状況と完全に一致していないから、実際の処理は
、後述するように、ステップＳ２７→Ｓ３４へと進むこ
とになる）。

作業が実行された結果、後件部状況が得られた場合には
、作業成功と判断され（ステップＳ２９でＹＥＳ）、さ
らに、次の作業があるか否かの判別がされる（ステップ
５３０）。修復作業の欄に次の作業番号があれば、その
作業が作業スクリプトから選ばれて実行され（ステップ
３２８）、作業が成功か否かの判別がされる（ステップ
５２９）という処理が繰返される。

そし′で、次の作業がなくなった場合には（ステップ５
３０でＮｏ）　、事例における適用成功数の欄の数値が
１増加され、成功数の登録がされる（ステップ５３１）
。

作業が実行されても、その作業の後件部状況が得られな
かった場合は、作業失敗と判別され（ステップＳ２９で
ＮＯ）　、適用失敗数の欄の数値が１増加されて失敗数
の登録がされる（ステップ５３２）。

そ１，７て、次の優先順位の事例があるか否かが判別さ
れ（ステップ５３３）、ある場合には（ステップ８３３
でＹＥＳ）、次の優先順位の事例に対して、ステップＳ
２６からの処理が行われる。

次の優先順位の事例がない場合には（ステップＳ３３で
Ｎｏ）　、後に詳述する副次的影響も考慮した修復計画
の推論、すなわち０ＭＳ処理が行われる（ステップ５３
４）。

そして、０ＭＳ処理が成功したか否かが判別され（ステ
ップＳ３５＞　、０ＭＳ処理が成功したと判別されると
（ステップＳ３５でＹＥＳ）　、０ＭＳ処理によって得
られたデータに基づいて新たな事例が作成され、その事
例は事例ベース記憶部１７に登録される（ステップ５３
６）。そして、処理は終了する。

０ＭＳ処理が不成功に終ったときには（ステップＳ３５
でＮｏ）　、新規事例の登録はなく、処理は終了する。

さて、前述したように、事例（１）における修復前のパ
ラメータ状況は現在のパラメータ状況と完全に一致して
おらず、パラメータＶ７の状態が不一致であるから、実
際の処理は、ステップＳ２７でＮｏと判断され、第８Ｂ
図に示すステップＳ３７へと進む。

ステップＳ３７では、事例（１）の修復作業の欄に記載
された番号の作業が、「／＼ロゲンランブ設定不良」作
業スクリプトから指定される。すなわち、作業１が指定
される。そして、作業１の前件部状況と現在のパラメー
タ状況とが比較され、両者の一致または不一致が判別が
される（ステップ５３８）。

作業の実行に際しては、現在のパラメータ状況が作業の
前件部状況と一致していなければならない。この具体例
では、作業１の前件部状況においても現在のパラメータ
状況においても、共に、パラメータＨＬ−ハイであるか
ら、前件部状況は現在のパラメータ状況と一致している
。一致している場合には（ステップ３３８でＹＥＳ）、
その作業１が実行される（ステップ５３９）。そして、
作業の成否が判別され（ステップ５４０）、作業実行の
結果、後件部状況が得られた場合には作業成功と判別さ
れる（ステップ５４０でＹＥＳ）。

そしてさらに、次の作業番号が事例（１）の修復作業の
欄に記載されているか否かによって次の作業の有無が判
別され（ステップ５４１）％次の作業がある場合には（
ステップＳ４１でＹＥＳ）、次の作業が指定され、その
作業の前件部状況と現在のパラメータ状況とが比較され
て（ステップ５３７）、上述と同様に、ステップ３３８
以降の処理が繰返される。

次の作業がなくなった場合には（ステップＳ４１でＮＯ
）、フラグＡまたはＢ（これらフラグＡおよびＢが何の
ためのフッラグであるかについては、後述する）の状態
が判別され（ステップ５４２）、いずれのフラグＡもＢ
もセットされていなければ（ステップＳ４２でＮＯ）、
事例（１）の適用成功数の欄の数値が１増加されて、成
功数の登録がされ（ステップ５４Ｂ）、処理は終了する
。

ところが、ステップＳ３９において、前件部操作である
ランプボリュームＡＶＲがダウンされても、その結果と
してパラメータＨＬがノーマルに変化せず、ランプボリ
ュー１．　Ａ　Ｖ　Ｒがその下限値までダウンされても
なお後件部状況としてのパラメータＨＬ−ノーマルが得
られなかった場合には、作業は失敗したと判断される（
ステップＳ４０でＮｏ）。

換言すれば、ある作業を行った結果のパラメータ状態（
作業後の現在のパラメータ状態）が修復作業において設
定されているパラメータ状態（後件部状況）にならなか
った場合、その作業は失敗と判断される。

そ（−てこのときは、以下に第８Ｃ図の流れに沿って説
明するような作業失敗の原因を回避するための第２の追
加処理が実行される。

すなわち、まず、故障症状「画像濃度が低すぎる（０．
−ロー〜）」でかつ故障原因「ハロゲンランプの設定不
良（ＨＬ−ハイ）」の全事例が検索され、それら事例の
うち、修復作業の欄に、失敗と判断された作業番号、た
とえば作業１の番号が記載されているすべての事例が検
出される（ステップ５４９）。そして検出されたすべて
の事例の修復前のパラメータ状況と、現在のパラメータ
状況とが比較され（ステップｓ　５０）　、ｌｌ復前（
Ｄパラメータ状況と現在のパラメータ状況との相違点で
あって、すべての事例において共通しているパラメータ
が検出される。つまり、すべての事例の修復前のパラメ
ータ状況の共通点と、現在のパラメータ状況との差異が
検出される（ステップ５５１）。

具体例では、修復作業の欄に作業】が記載されている事
例は、事例（１）および（２）であるから、それら事例
（１）および（２）の修復前のパラメータ状況と現在の
パラメータ状況とがそれぞれ比較されて　共通の差異と
して、パラメータＶ４が取上げられる。すなわち、修復
前のパラメータ状況においでは、共通的にバラメー・り
Ｖ７−ローであるか、現在のパラメータ状況では、パラ
メータ゛■ゎ嘔ノーマルである。

そして、異なるパラメータがあると判別されると（ステ
ップＳ５１でＹＥＳ）、そのパラメータ、−）まり具体
例ではパラメータ■、−ノーマルが、今回の作業の失敗
原因であると仮説され、このパラメータＶ、をノーマル
からロ一番こすることのできる作業が作業スクリプトの
中かり探され（ステップ５５２）、その有無が判別され
る（ステップ３５３）。

第７表の作業スクリプトをみると、作業５によって、パ
ラメータｖｎをノーマルからローに変更できることがわ
かるから、作業ありと判別される（ステップＳ５３でＹ
ＥＳ）。

そして、この場合には、事例（１）の作業１が仮訂正さ
れ、作業５か挿入される。また、この仮訂正をし、たこ
とを表わすため、フラグＢがセットされる（ステ・ツブ
５５４）。次いで作業５が実行される（ステップ５５５
）。

そ１、て、作業５が実行された結果、ｖｆｉ−ローにな
った場合、作業成功と判別される（ステップＳ５６でＹ
ＥＳ）。

この場合において、■、−ローは、作業１の前件部状況
として必須の条件である。よって、第７表に示す作業ス
クリプトの作業１の前件部状況にＶ、、−ローが追加さ
れるよう訂正され、第７表の作業スクリプトは第８表に
示すものに書換えられる（ステップ５５７）。

第８表に示す作業スクリプトでは、作業１の前件部状況
が［ＨＬ−ハイで、かつ、ｖａ−口−」になっている。

（以下余白） 第８表 そして、再び、第８Ｂ図に示すステップＳ３；からの処
理が行われる。この具体例では、作業１が行われ、それ
が成功した場合（ステップＳ４０においてＹＥＳ）、さ
らに行うべき作業はなく（ステップ５４１においてＮＯ
）、フラグＢがセットされ°Ｃいることが判断される（
ステップＳ４２でＹＥＳ）。それゆえ、このときのパラ
メータ状況および処理に基づき、新たに、事例（１−１
）が作成されて登録される。また、フラグＡおよびＢは
リセットされる（ステップ５４４）。この新たな事例（
１−１） を第９表に示す。

（以下余白） 第９表 この第９表に示す事例（１１）が、第４表に示す事例（
１）と異なる点は、修復前のパラメータ状況において、
パラメータＶ、、−ノーマルである点と、修復作業の欄
に、ｒ５．ＩＪという２つの作業が記載されている点で
ある。なお、事例（１−１）の適用成功数は今回の１回
だけであり適用失敗数はＯである。

さて、第８Ｃ図のステップＳ５６において、作業が成功
しなかったと判別された場合には、他にパラメータｖ、
、をノーマルからローにすることのできる作業が作業ス
クリプトの中にあるか否かが判別され（ステップＳ５ｇ
）、作業があれば、ステップＳ５４からの処理が行われ
る。

さらにまた、ステップＳ５１で、異なるパラメータはな
いと判別され、またはステップ５５３において、作業が
ないと判別された場合には、フラグＡおよびＢがリセッ
トされた後（ステップ５５９）、他の事例、すなわち次
の適用優先順位の事例があるか否かが判別される（ステ
ップ５６０）。

そして、次の事例がある場合には（ステップＳ６０でＹ
ＥＳ）　、その事例および対応する作業スクリプトがワ
ークレジスタに設定され（ステップ５６１）、第８Ｂ図
に示すステップＳ３７からの処理が行われる。

一方、ステップ５６０において、次の適用優先順位の事
例がないと判別された場合には（ステップ５６０におい
てＮｏ）　、処理は第８Ａ図に示すステップＳ３４へと
進み、ＱＭＳ処理が行われる。

次に、上記具体例において、事例（１）に基づく修復計
画が失敗し、次の適用優先順位の事例である事例（２）
に基づく修復計画が行われる場合を考えてみる。

この場合、ステップＳ６１で、事例（２）および事例（
２）に対応して選択された故障原因「ハロゲンランプ設
定不良」作業スクリプトがワークレジスタに設定される
。

次いで、事例（２）修復作業の欄に表示された「１」に
より、作業スクリプトの作業１が指定され、その前件部
状況と現在のパラメータ状況とが比較され（ステップ５
３７）、両者の一致または不一致が判別される（ステッ
プ５３８）。第７表および第２表の比較から明らかなと
おり、作業１の前件部状況と現在のパラメータ状況とは
、Ｈ５−ハイで一致しているので、作業１が実行される
（ステップ５３９）。

そして、Ｈ５−ノーマルになると、作業成功と判別され
（ステップＳ４０でＹＥＳ）、次の作業の有無が判別さ
れる（ステップ５４１）。

事例（２）では、次の作業として作業２が存在するから
、処理はステップＳ３７へ進み、次の作業２が指定され
、その前件部状況と現在のパラメータ状況とが比較され
る。その結果、作業２の前件部状況ｖＩ−ローは、現在
のパラメータ状態Ｖ−ノーマルと一致していないと判別
される（ステップＳ３８でＮｏ）。

前述したように、作業の実行に際しては、現在のパラメ
ータ状況が作業の前件部状況と一致していなければなら
ない。そこで、第１の追加処理が行われる。すなわち、
現在のパラメータ状況を前件部状況に一致させられるよ
うな別の作業が、第７表に示す当該作業スクリプトの中
に存在するか否かが検索される（ステップ５４５）。

第７表を見ると、作業４によって、ＨＬ−ノーマルのと
きにパラメータＶＩをローにできることがわかる。よっ
て、ステップＳ４６ではＹＥＳと判断されて、処理はス
テップＳ４７へと進む。そして、事例（２）の修復作業
の欄がｒｌ、４．２Ｊに仮訂正されるとともに、該仮訂
正があったことを表わすため、フラグＡがセットされる
（ステップ５４７）。

次いで、仮訂正により加えられた作業４が実行され（ス
テップ８４８）、該作業４が成功したか否かが判別され
る（ステップ５４０）。

この作業４の実行に成功した場合には（ステップＳ４０
でＹＥＳ）、次の作業の有無が判別される（ステップ５
４１）。事例（２）では、次の作業として作業２が存在
するから、処理は再びステップＳ３７へ進み、次の作業
２が指定され、その前件部状況と現在のパラメータ状況
とが比較される。その結果、現在のパラメータ状況は、
上記ステップ５４８における作業４の実行によって、Ｖ
ｌ−口−となっているから、作業２の前件部状況と一致
している。

よって、ステップ５３８で、ＹＥＳと判別され、作業２
が実行される（ステップ５３９）。

そして、作業２の実行に成功したか否かが判別され（ス
テップ５４０）、成功した場合にはステップＳ４１で、
次の作業の有無が判別される。

事例（２）では、次の作業はないから、処理はステップ
Ｓ４２へ進む。そして、フラグＡがセットされているこ
とが判別され（ステップＳ４２でＹＥＳ）、ステップＳ
４７で修復作業の欄が仮修正された事例は、新たな事例
（２−１）として登録される（ステップ５４４）。また
、フラグＡおよびＢはリセットされる（ステップ５４４
）。

この追加登録される事例（２−１）を第１０表として示
す。

第１０表に示す事例（２−１）が、第５表の事例（２）
と異なっている点は、修復前の状況においてパラメータ
■、−ノーマルである点、修復作業がｒｌ、４，２Ｊと
なっている点である。また、適用成功数は、今回の１で
あり、適用失敗数は０である。

（以下余白） 第１０表 なお、ステップＳ４６において、現在のパラメタ状況を
前件部状況に一致させられるような別の作業がないと判
別された場合には（ステップＳ４６でＮＯ）、処理は第
８Ｃ図に示すステップＳ５９へと進む。

修復作業の実行にあたって、以上説明した事例の検索お
よび事例の適用という手法を採用することは、上記具体
例で説明したような小形普通複写機等の装置に対して特
に有効である。

なぜならば、小形普通複写機に代表されるような装置は
、その構成系中に、制御対象として不安定な要素（たと
えば化学的変化を積極的に利用すること等）を有してい
る。それゆえ、構成系が置かれる状態の変化、たとえば
環境変化や構造上の劣化等によって、センサのパラメー
タおよびアクチュエータのパラメータ間の関係が変化す
る可能性がある。上記具体例の説明における事例の検索
は、かかるパラメータ間の変化を装置がランニング中に
収集し、それを使った一種の学習を行わせ、知識のチュ
ーニングをしているということができるから、上記のパ
ラメータ間の変化が生じても、それに有効に対処した修
復作業を行うことができる。

つまり、対象機械のパラメータ間の関係が変化した場合
、その変化に基づいて事例が修正されて新しい事例が作
成され、また、作業スクリプトの内容が修正されている
のである。

以上の説明では、事例と作業スクリプトとはそれぞれ別
個に記憶されており、別個に選択設定されるものとして
説明した。

しかし、このような実施例に代え、たとえば、各事例に
おける修復作業の欄に、作業スクリプトにおける作業番
号ではなく、作業そのものを記憶させておくようにすれ
ば、実行すべき具体的な作業が記憶された事例とするこ
とができる。

換言すれば、事例および作業スクリプトを一体的にした
事例とすることができる。

修復計画の推論 次に、修復計画の推論、すなわち第８図のステップＳ５
１に示すＱＭＳ処理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゜−ロー）
」か故障症状として取上げられたから、修復の目標は、
０．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、ｖＩ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
とか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、■
、を上昇させるか、ｖｂ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１１表に示すとおりである。

（以下余白） 第１１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。

γｏ　：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、Ｖｂ
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、Ａｏ：分離用Ａ
Ｃ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、 ■・　＝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かとりあげられ
る。

一方、対象モデル記憶部１４には、修復計画知識として
、次の知識が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（ｂ） （Ｃ） （ｄ） （ｅ） トロール電圧を上げ る 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 ■、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 ■、、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 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→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、この装置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→転写トランスのコントロール
電圧を上げ る （ｃ）Ｖ、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 圧倒にシフトする 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Ｏ，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、Ｍ９図ないし第１４図が得られ
る。つまり、（ａ）Ｖ、を上昇させた場合が第９図およ
び第１０図（第１０図はＤ−〇とした場合のＯｓ・が数
学モデル上で表わされているン、（ｃ）Ｖｆｆを上昇さ
せた場合は、第１１図および第１２図（第１２図はＤ−
０とした場合のＯｓ・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１３図および第１
４図（第１４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）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９図、第１０図）（ａ
）出力画像濃度が上昇する。

（ｂ）Ｄ−０のとき、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１１図、第１２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１３図、第１４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
推論している。

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、たとえばハロケンランプコン
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、Ｖｌを上昇させるという修復計画が選択
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１２図の数学モデルにおいて
、０．・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１２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、 Ｖ７を下降させるか、 ■、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１５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１５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技は選択しない （ｂ）最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で展開を止める という知工に基づいた展開が行われる。

第１５図では、結局、 （１）Ｖ、↑→ＨＬ　↑→■、↑のループ、および （２）Ｖ、↑→Ｖ、↓−Ｖ、↑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ＨＬ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前
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Ｖ、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１６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０．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つを仮定した故障診断が行われ、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
、Ｏ，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、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、修復自体が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、対蒙モデル記憶部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かあ
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
ータを装置に入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
を存する画像形成装置、 （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。

またこの発明においては、修復計画の推論をする際に、
アクチュエータの調整範囲を考慮して、実際に調整可能
なアクチュエータだけを選択するようにしてもよい。

より具体的に説明すると、アクチュエータがたとえばＡ
ＶＲの場合、ＡＶＲの下限値を「０」、上限値をｒｌｏ
ｏＪとし、ＡＶＨの設定状態が０〜１００のいずれかの
整数値で検出できるような構成にする。また、対象モデ
ル記憶部１４にＡＶＲの下限値「０」および上限１ｒ１
００Ｊを設定しておく。したがって、ＡＶＲが調整され
て成る状態になったとき、ＡＶＨの調整状態は、その調
整状態に対応したＯ〜１００のいずれかの整数値データ
として把握される。

修復計画部１５では、ＡＶＲの調整状態に応じて得られ
るＯ〜１００のいずれかの整数値データにより、ＡＶＨ
の調整状態を把握し、ＡＶＲを故障修復用のアクチュエ
ータとして選択できるか否かを判別する。つまり、対象
モデル記憶部１４に記憶されたＡＶＲの下限値および上
限値と現在の調整状態値とが比較され、ＡＶＲはさらに
下限方向に、または上限方向に作動させることができる
か否かが判別されるのである。

よって、複数個の各アクチュエータに対し、またはその
中の任意のアクチュエータに対し、このような構成を採
用することにより、修復計画の推論結果が、実際に作動
させることのできるアクチュエータ手段の組合わせとし
て出力され、実用的な修復計画の推論ができるという利
点がある。

なお、作動範囲の設定の仕方は、上述の説明は一例であ
り、他の方法で作動範囲を設定し、実際のアクチュエー
タの状態と比較してもよい。

また、修復計画部１５において、設定されたアクチュエ
ータの調整可能範囲と実際の調整値とを比較するのみで
なく、故障診断部１２において、故障診断を行う際に、
設定されたアクチュエータの調整可能範囲と実際の調整
値とを比較し、それを参照するようにしてもよい。

さらにまた、この発明の実施例にがかる画像形成装置に
おいては、自己診断モード設定手段として、たとえばマ
ニュアル操作される自己診断モード設定キーまたはスイ
ッチを設けておき、該自己診断モード設定キーまたはス
イッチが操作されたときにのみ、上述した自己診断また
は自己診断および自己修復を行うようにすることができ
る。

自己診断モード設定キーまたはスイッチの配置位置は、
任意の場所でよいが、好ましくは、通常の画像形成のた
めの操作キー等とは異なる位置、たとえば画像形成装置
に備えられている前面パネルを開いた状態で操作できる
装置内部等に設けるのかよいであろう。

〈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か否か
が判別され、故障が生じているときは、その故障症状、
故障原因および装置の状態が推論される。そして、推論
結果に基づいて、予め記憶されている複数の事例が検索
され、故障修復に最も適した事例が検出される。また、
検出された事例は必要に応じて修正される。そして、事
例に基づいた故障修復処理が行われる。事例に基づく故
障修復処理では、修復計画が予め事例に登録されている
ため、修復計画の推論を行わなくてよく、修復処理着手
までの時間を短縮でき、全体として短時間で故障診断お
よび故障修復を行える画像形成装置とする二とができる
。

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８Ａ図、第８Ｂ図および第８Ｃ図は、この発明の一実
施例における事例を適用した修復作業の処理を表わすフ
ローチャートである。 第９図ないし第１４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１５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１６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、　　１ｃｍ・・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、
１７・・・事例ベース記憶部、１８・・・作業スクリプ
ト記憶部、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、 対象とする装置が故障を生じているか否かの判別ならび
   に故障が生じているときは、その故障症状、故障原因お
   よび装置の状態を推論するための故障診断手段、 対象とする装置に生じ得る故障症状、故障原因、そのと
   きの装置の状態および修復に必要な作業を含む事例が、
   少なくとも故障原因別に記憶された事例記憶手段、 故障診断手段で診断された故障症状および 故障原因に基づいて、事例記憶手段に記憶された事例の
   中から適用可能な事例を検出するための事例検出手段、 事例検出手段によって検出された事例に含まれる作業を
   そのまま装置の故障修復に適用可能か否かを装置の現状
   態と各事例における装置の状態とを比較することにより
   判別する適用判別手段、 適用判別手段がその作業をそのまま適用できないと判別
   したことに基づいて、前記検出された事例の内容に必要
   な修正を加える事例内容修正手段、 適用判別手段がその作業をそのまま適用できないと判別
   したときには、事例内容修正手段によって修正された後
   の事例に基づいて故障修復作業を実行する修復作業実行
   手段、ならびに 修復作業終了後、対象とする装置の状態を検出し、故障
   が除去されたか否かを判定する修復結果判定手段、 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。 ２、請求項第１項記載の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おいて、装置の状態の表示は
   、複数のパラメータによる表示を含み、適用判別手段は
   、装置の現状態と事例における装置の状態とを比較する
   場合に、複数のパラメータのうちの特定のパラメータに
   着目し、そのパラメータ状態が一致か不一致かによって
   作業の適用の可否を判別することを特徴とするものであ
   る。