JP4795136B2 - Abnormality prediction apparatus, image forming apparatus, and maintenance system - Google Patents
Abnormality prediction apparatus, image forming apparatus, and maintenance system Download PDFInfo
- Publication number
- JP4795136B2 JP4795136B2 JP2006177290A JP2006177290A JP4795136B2 JP 4795136 B2 JP4795136 B2 JP 4795136B2 JP 2006177290 A JP2006177290 A JP 2006177290A JP 2006177290 A JP2006177290 A JP 2006177290A JP 4795136 B2 JP4795136 B2 JP 4795136B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- image forming
- forming apparatus
- state information
- types
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Accessory Devices And Overall Control Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
- Color Electrophotography (AREA)
Description
本発明は、画像形成装置の異常状態の予測を行う異常予測装置、画像形成装置および保守システムに関するものである。 The present invention, abnormality predicting apparatus that performs prediction of the abnormal state of the image forming apparatus, an image forming apparatus and a maintenance system.
従来、市場に出回っている様々な画像形成装置においては、故障などの装置の異常が発生すると、その内容によっては部品を交換したり清掃したりするまで装置を使用することができず、ユーザに不便を強いてしまうことがある。特に、電子写真方式の画像形成装置では、構成が比較的複雑で部品点数が多いことから、各種の部品のメンテナンスを定期的に行わないと、異常が突然に発生してしまうという事態に陥り易くなる。 Conventionally, in various image forming apparatuses on the market, if an abnormality of the apparatus such as a failure occurs, the apparatus cannot be used until the part is replaced or cleaned depending on the content of the apparatus. Inconvenience may occur. In particular, an electrophotographic image forming apparatus has a relatively complicated configuration and a large number of parts. Therefore, if maintenance of various parts is not performed regularly, abnormalities are likely to occur suddenly. Become.
そこで、装置の異常を事前に予測する方法が種々提案されており、大まかにその方法は二つに大別することができる。
ひとつは、装置から取得した状態情報を刻々観測して、その時点での装置の状態を推定しその時系列変化から将来の状態を推定する時系列解析による方法である。これは、過去から現在までの変化を将来へ外挿するという考え方の上に成り立っている。具体的な一例を挙げると、感光体や現像装置などといった装置内の各種部品や機器の累積稼働時間をカウンターによって順次カウントしていくカウント値の時系列変化が図15に示すように月単位や期単位の周期的変動を持ちながら増加する場合、この時系列変化を波形近似し、現時点を基点として、近似した波形を将来に向けて延ばす(外挿)ことで、あらかじめ設定された寿命(異常多発域)に到達する日を予測することができる。このような予測は、現在を含む比較的短期間の予測には精度が得られるが、長期間の予測では精度が低い。
Therefore, various methods for predicting the abnormality of the apparatus have been proposed, and the methods can be roughly divided into two.
One is a method based on time series analysis in which the state information acquired from the apparatus is observed every moment, the state of the apparatus at that time is estimated, and the future state is estimated from the time series change. This is based on the idea of extrapolating changes from the past to the present into the future. As a specific example, the time series change of the count value in which the cumulative operating time of various parts and devices in the apparatus such as the photoconductor and the developing apparatus is sequentially counted by a counter is as shown in FIG. When increasing with periodic fluctuations in period units, this time series change is approximated to the waveform, and the approximated waveform is extended toward the future (extrapolation) with the current point as the base point (extrapolation). The day to reach (multiple areas) can be predicted. Such prediction is accurate for relatively short-term predictions including the present, but is not accurate for long-term predictions.
もう一つは、ある時点の装置の状態情報と将来時点の状態との対応関係をパターンとして捉えるパターン認識による方法である。このパターン認識による方法としては、MTS法などの多変量解析を挙げることができる。この方法は、上述の時系列解析による方法よりも長期間の予測に対応出来るとされている。 The other is a pattern recognition method that captures the correspondence between the state information of the device at a certain point in time and the state at a future point in time as a pattern. As a method based on this pattern recognition, multivariate analysis such as MTS method can be cited. This method is said to be able to cope with a longer-term prediction than the method based on the above time series analysis.
特許文献1には、MTS法を用いて画像形成装置の異常発生を予測する方法を提案している。すなわち、画像形成装置の状態と関連がある複数種類の状態情報を取得し、取得した複数種類の状態情報から指標値を算出し、この指標値から画像形成装置の異常発生を予測する方法である。この方法は、まず、正常な状態の画像形成装置、あるいはこの画像形成装置と同一仕様の正常な状態の試験機から、画像形成装置に関する複数種類の状態情報からなる組データを取得する。そして、この組データを数多く収集して正常組データ群(正常指標情報)を構築する。指標値を算出するときは、画像形成装置から複数種類の状態情報を取得する。そして、それらの状態情報について、予め構築しておいた正常組データ群による多次元空間内でどのような相対位置関係にあるのかを示す距離(指標値)が算出される。正常な状態から離れて故障などの異常が起こりそうになると、複数種類の状態情報と正常組データ群との多次元空間内での相関に乱れが生じて、上記多次元空間における原点(正常な状態の平均)からの「距離」すなわち指標値が大きくなる。一方、画像形成装置が正常な状態の場合は、原点(正常な状態の平均)からの「距離」すなわち指標値が小さくなる。よって、指標値に基づいて画像形成装置の正常さ加減がわかる。したがって、特許文献1においては、画像形成装置の故障が発生する前の軽微な異常を検知して、故障の発生を事前に予測することが可能になる。そして、異常の検知に基づいて、前もって部品を注文しておいたり、自分で部品交換できない場合には部品の注文とともにサービスマンを要請したりすることで、画像形成装置のダウンタイムを低減することができる。しかも、軽度な異常をきたすほど寿命が間近に迫った部品だけを交換することで、まだ十分に使用に耐え得る部品を交換してしまうことによるコスト高を回避することができる。 Patent Document 1 proposes a method for predicting the occurrence of an abnormality in an image forming apparatus using the MTS method. That is, a method of acquiring a plurality of types of status information related to the status of the image forming apparatus, calculating an index value from the acquired plurality of types of status information, and predicting the occurrence of an abnormality in the image forming apparatus from the index value. . In this method, first, set data including a plurality of types of state information relating to an image forming apparatus is obtained from a normal state image forming apparatus or a normal state testing machine having the same specifications as the image forming apparatus. Then, a large number of group data are collected to construct a normal group data group (normal index information). When calculating the index value, a plurality of types of state information are acquired from the image forming apparatus. Then, a distance (index value) indicating what kind of relative positional relationship is present in the multi-dimensional space of the normal group data group constructed in advance for the state information. When an abnormality such as a failure is likely to occur away from the normal state, the correlation in the multidimensional space between the multiple types of state information and the normal set data group is disturbed, and the origin in the multidimensional space (normal The “distance” from the average state), that is, the index value increases. On the other hand, when the image forming apparatus is in a normal state, the “distance” from the origin (average of normal states), that is, the index value becomes small. Therefore, the normality of the image forming apparatus can be determined based on the index value. Therefore, in Patent Document 1, it is possible to detect a minor abnormality before a failure of the image forming apparatus is detected and predict the occurrence of the failure in advance. Based on the detection of anomalies, it is possible to reduce the downtime of the image forming apparatus by ordering parts in advance or by requesting a service person along with ordering the parts if they cannot replace the parts themselves. Can do. In addition, by exchanging only the components whose life is approaching so as to cause a slight abnormality, it is possible to avoid the high cost due to exchanging components that can still withstand use.
上記特許文献1においては、指標値を算出するときは、センサなどから画像形成装置に関する複数種類の状態情報を取得して、この取得情報に基づいて指標値を算出している。状態情報によっては、ばらつきやノイズが大きいものもあるため、この状態情報のばらつきやノイズなどによって精度の高い指標値を算出することができず、精度の高い異常の予測をすることができなかった。また、特許文献1は、傾向(トレンド)に関する情報をもたない瞬間値(指標値を算出するときに取得した値)のみを用いて指標値を算出しているため、精度の高い異常の予測をすることができなかった。
そこで、本発明者らは、画像形成装置に関する複数種類の状態情報を複数日分取得して、指標値を算出するときは、複数日分の状態情報から状態情報の移動平均や変化量などの特徴量を抽出して、この特徴量を更に加えて指標値を算出することを考えた。このように特徴量を追加することで、例えば、その種類の状態情報が下降過程にあるのか上昇過程にあるのかなどの状態情報の経時変化に関する情報(トレンド)を捉えることができる。これにより、指標値を状態情報の経時変化を加味して算出することができ、指標値を算出するときにばらつきやノイズなどの要因が除去でき、特許文献1のものよりも精度の高い指標値が算出することができる。これにより、精度の高い異常の予測をすることができる。
In Patent Document 1, when calculating an index value, a plurality of types of state information regarding the image forming apparatus are acquired from a sensor or the like, and the index value is calculated based on the acquired information. Some state information has large variations and noise, so it was not possible to calculate a high-precision index value due to this state information variation and noise, and it was impossible to predict abnormalities with high accuracy. . Moreover, since patent document 1 is calculating an index value only using the instantaneous value (value acquired when calculating an index value) which does not have the information regarding a tendency (trend), it is highly accurate prediction of abnormality. I could not do it.
Therefore, the present inventors obtain a plurality of types of status information regarding the image forming apparatus for a plurality of days and calculate an index value such as a moving average or a change amount of the status information from the status information for a plurality of days. We considered extracting feature values and calculating index values by further adding these feature values. By adding the feature amount in this way, for example, information (trend) related to the temporal change of the state information such as whether the type of state information is in the descending process or the ascending process can be captured. As a result, the index value can be calculated in consideration of the temporal change of the state information, and factors such as variation and noise can be removed when calculating the index value, and the index value is more accurate than that of Patent Document 1. Can be calculated. Thereby, it is possible to predict an abnormality with high accuracy.
しかしながら、異常予測に基づいて、画像形成装置内の部品やセンサの交換、部品や機器の清掃などの保守作業が行われると、装置の保守前後で部品や機器の特性が変化する。このため、保守が行われた部品から状態情報を取得するものや、状態を検知するセンサそのものに対して保守が行われると、保守前の状態情報と保守後の状態情報とで大きく異なる場合がある。よって、保守が行われた前後の状態情報を用いて、抽出した特徴量が正確なものでなくなる。すなわち、抽出した特徴量が、状態情報の経時変化を捉えたものでなくなるのである。その結果、この特徴量に基づいて算出される指標値も正確なものでなくなるため、異常の予測を正しく行うことができなくなってしまう。このため、部品の保守が行われた後、この部品に対する複数日分の状態情報が揃うまで、異常判定を行わないようにすることが考えられる。しかし、複数日分の状態情報が揃うまでの間、異常予測行うことができなくなり、複数日分の状態情報が揃う間に異常が発生しても、画像形成装置の保守を行うことができないという問題があった。 However, if maintenance work such as replacement of parts and sensors in the image forming apparatus and cleaning of parts and equipment is performed based on the prediction of abnormality, the characteristics of the parts and equipment change before and after maintenance of the apparatus. For this reason, if maintenance is performed on a sensor that acquires status information from a part that has undergone maintenance or the sensor that detects the status itself, the status information before maintenance may differ greatly from the status information after maintenance. is there. Therefore, the feature quantity extracted using the state information before and after the maintenance is performed is not accurate. In other words, the extracted feature amount does not capture the temporal change of the state information. As a result, since the index value calculated based on this feature amount is not accurate, abnormality cannot be predicted correctly. For this reason, it is conceivable that after the maintenance of the part is performed, the abnormality determination is not performed until the state information for a plurality of days for the part is obtained. However, it is impossible to predict an abnormality until the state information for a plurality of days is complete, and even if an abnormality occurs while the state information for a plurality of days is complete, the image forming apparatus cannot be maintained. There was a problem.
また、異常予測システムの運用では、故障などの異常が発生する前の装置や部品からの取得情報の変化兆候があった時点で、部品交換や清掃や調整といった処置をするので、保守要員が保守を実施する時点では装置はまだ異常状態には無い。従って、保守要員が、異常予測システムの報知情報に従い保守を行っても、保守の前後で動作状態として目に見える変化が現れるわけではない。よって、保守作業が有効だったのかどうかは、異常判定を行わないと保守が正しく行われたか否かの確認ができない。しかし、上述したように、複数日分の状態情報が揃うまでの間、異常判定を行わないようにすると、保守作業の効果を確認することはできないという問題も生じてしまう。 In the operation of the abnormality prediction system, when there is a sign of change in information acquired from equipment or parts before the occurrence of an abnormality such as a failure, measures such as parts replacement, cleaning, and adjustment are performed. At the time of carrying out, the device is not yet in an abnormal state. Therefore, even if maintenance personnel perform maintenance according to the notification information of the abnormality prediction system, a visible change as an operating state does not appear before and after maintenance. Therefore, whether or not the maintenance work has been effective cannot be confirmed unless the abnormality is determined and the maintenance is correctly performed. However, as described above, if the abnormality determination is not performed until the state information for a plurality of days is collected, there is a problem that the effect of the maintenance work cannot be confirmed.
本発明は、上記問題に鑑みなされたものであり、その目的とするところは、指標値を算出するために用いる特徴量を抽出するために必要な所定回数の状態情報が取得されていなくても、画像形成装置の異常予測を正しく行うことのできる異常予測装置、画像形成装置および保守システムを提供することである。 The present invention has been made in view of the above problems, and the object of the present invention is to obtain even if the predetermined number of state information necessary for extracting a feature amount used for calculating an index value has not been acquired. , abnormal predicting abnormality prediction system that can ensure correct image forming apparatus is to provide an image forming apparatus and a maintenance system.
上記目的を達成するために、請求項1の発明は、画像形成装置の異常状態の予測を行う異常予測装置において、画像形成装置についての互いに異なる複数種類の状態情報を所定のタイミングで取得する情報取得手段と、前記複数種類の状態情報を時系列に記憶する記憶手段と、前記記憶手段に記憶されている最新の前記複数種類の状態情報を取得した時点から所定の取得回数分だけ過去に遡った時点までに取得した複数種類の状態情報に基づいて、状態情報の種類毎に状態情報の経時変化を捉えた特徴量を抽出する特徴量抽出手段と、前記複数種類の状態情報の特徴量に基づいて前記画像形成装置の状態を示す指標値を算出する指標値算出手段と、前記指標値に基づいて、前記画像形成装置の異常の発生を予測する第1異常予測手段と、前記記憶手段に記憶されている最新の状態情報に基づいて前記画像形成装置の異常の発生を予測する第2異常予測手段と、を備え、前記画像形成装置について保守を行ってから、前記取得手段が所定回数分前記複数種類の状態情報を取得しているときは、前記第1異常予測手段で画像形成装置の異常の発生を予測し、前記画像形成装置について保守を行ってから、前記取得手段が所定回数分前記複数種類の状態情報を取得するまでの間は、前記第2異常予測手段で画像形成装置の異常の発生を予測するよう構成したことを特徴とするものである。
また、請求項2の発明は、請求項1の異常予測装置において、前記第1異常予測手段で画像形成装置の異常の発生を予測するとき、前記第2異常予測手段でも画像形成装置の異常の発生を予測するように構成したことを特徴とするものである。
また、請求項3の発明は、画像形成装置の異常状態の予測を行う異常予測装置において、画像形成装置についての互いに異なる複数種類の状態情報を所定のタイミングで取得する情報取得手段と、前記複数種類の状態情報を時系列に記憶する記憶手段と、前記記憶手段に記憶されている最新の前記複数種類の状態情報を取得した時点から所定の取得回数分だけ過去に遡った時点までに取得した複数種類の状態情報に基づいて、前期状態情報の種類毎に状態情報の経時変化を捉えた特徴量を抽出する特徴量抽出手段と、前記複数種類の状態情報の特徴量に基づいて前記画像形成装置の状態を示す指標値を算出する指標値算出手段と、前記指標値に基づいて、前記画像形成装置の異常の発生を予測する異常予測手段と、を備え、前記画像形成装置について保守を行ってから、前記取得手段が所定回数前記複数種類の状態情報を取得するまでの間、前記取得手段の前記複数種類の状態情報を取得するタイミングを早めるよう構成したことを特徴とするものである。
また、請求項4の発明は、画像形成装置の異常状態の予測を行う異常予測装置において、画像形成装置についての互いに異なる複数種類の状態情報を所定のタイミングで取得する情報取得手段と、前記複数種類の状態情報を時系列に記憶する記憶手段と、前記記憶手段に記憶されている最新の前記複数種類の状態情報を取得した時点から所定の取得回数分だけ過去に遡った時点までに取得した複数種類の状態情報に基づいて、前記状態情報の種類毎に状態情報の経時変化を捉えた特徴量を抽出する特徴量抽出手段と、前記複数種類の状態情報の特徴量に基づいて前記画像形成装置の状態を示す指標値を算出する指標値算出手段と、前記指標値に基づいて、前記画像形成装置の異常の発生を予測する異常予測手段と、を備え、前記画像形成装置について保守を行ってから、前記取得手段が所定回数前記複数種類の状態情報を取得するまでの間、前記指標値算出手段は、前記画像形成装置の保守が行われた部位に関する状態情報に基づいて抽出される特徴量を除いた複数種類の状態情報の特徴量に基づいて暫定指標値を算出し、前記異常予測手段は、前記暫定指標値に基づいて、画像形成装置の異常の発生を予測するように構成したことを特徴とするものである。
また、請求項5の発明は、請求項3または4の異常予測装置において、前記記憶手段に記憶されている最新の前記複数種類の状態情報に基づいて、画像形成装置の異常について判定する第2異常判定手段を備えたことを特徴とするものである。
また、請求項6の発明は、請求項1乃至5いずれかの異常予測装置において、前記画像形成装置の異常予測の結果を報知する報知手段を備えたことを特徴とするものである。
また、請求項7の発明は、請求項6の異常予測装置において、前記報知手段は、前記画像形成装置の異常が予測されるとき、前記画像形成装置の保守が必要な部位を報知することを特徴とするものである。
また、請求項8の発明は、請求項1乃至7いずれかの異常予測装置において、前記指標値算出手段は、前記画像形成装置の正常状態の指標となる正常指標情報を用いて指標値を算出することを特徴とした異常予測装置。
また、請求項9の発明は、記録体を搬送する記録体搬送手段と、前記記録体搬送手段によって搬送される記録体に可視像を形成する可視像形成手段と、装置全体又は一部の異常を予測する異常予測手段とを備える画像形成装置において、前記異常予測手段として、請求項1乃至8の何れかのものを用いたことを特徴とするものである。
また、請求項10の発明は、画像形成装置の異常を予測する異常予測手段を備え、前記異常予測手段の判定結果に基づいて、前記画像形成装置の保守を行う保守システムにおいて、前記異常予測手段として、請求項1乃至8の何れかのものを用いたことを特徴とするものである。
Information In order to achieve the above object, the invention according to claim 1, for obtaining the abnormality prediction system for performing prediction of the abnormal state of the image forming apparatus, a mutually different kinds of status information on the image forming apparatus at a predetermined timing An acquisition means, a storage means for storing the plurality of types of state information in time series, and a date of acquisition a predetermined number of times from the time of acquisition of the latest plurality of types of state information stored in the storage means. Based on a plurality of types of state information acquired up to that point in time, feature amount extraction means for extracting a feature amount that captures the temporal change of the state information for each type of state information, and feature amounts of the plurality of types of state information and the index value calculating means for calculating an index value indicating the state of the image forming apparatus on the basis of a first abnormality predicting means based on the index value to predict the occurrence of abnormality of the image forming apparatus, wherein Comprising a second abnormality predicting means for predicting the occurrence of abnormality in the image forming apparatus on the basis of the latest state information stored in憶means and, after performing maintenance for the image forming apparatus, said acquisition means while retrieving a predetermined number of times the plurality of types of state information, wherein the abnormality of the image forming apparatus is predicted by the first abnormality prediction means, after performing the maintenance for the image forming apparatus, said acquisition means Until the plurality of types of state information are acquired a predetermined number of times, the second abnormality predicting unit is configured to predict the occurrence of an abnormality in the image forming apparatus .
According to a second aspect of the present invention, in the abnormality prediction apparatus according to the first aspect, when the first abnormality prediction unit predicts the occurrence of an abnormality in the image forming apparatus , the second abnormality prediction unit also detects an abnormality in the image forming apparatus . The present invention is characterized in that the occurrence is predicted .
Further, the invention of
Further, the invention of
According to a fifth aspect of the present invention, in the abnormality prediction device according to the third or fourth aspect, a second determination is made as to abnormality of the image forming apparatus based on the latest plurality of types of state information stored in the storage means. An abnormality determination means is provided.
According to a sixth aspect of the present invention, in the abnormality prediction device according to any one of the first to fifth aspects, a notification means for notifying a result of the abnormality prediction of the image forming apparatus is provided.
The invention of
According to an eighth aspect of the present invention, in the abnormality prediction apparatus according to any one of the first to seventh aspects, the index value calculation means calculates an index value using normal index information that is an index of a normal state of the image forming apparatus. An abnormality prediction apparatus characterized by:
According to a ninth aspect of the present invention, there is provided a recording medium conveying means for conveying a recording medium, a visible image forming means for forming a visible image on a recording medium conveyed by the recording medium conveying means, and the whole or a part of the apparatus. In an image forming apparatus comprising an abnormality prediction unit that predicts an abnormality, any one of claims 1 to 8 is used as the abnormality prediction unit.
The invention of
請求項1の発明によれば、通常は、第1異常判定手段で異常判定を行うことで、状態情報の経時変化データに基づいて異常を予測するので、精度の高い予測を行うことができる。また、画像形成装置について保守を行ってから、取得手段が所定数前記複数種類の状態情報を取得するまでの第1異常判定手段が正しい異常判定を行うことのできない間は、第2異常判定手段で画像形成装置の異常について判定する。第2異常判定手段は、記憶手段に記憶されている最新の状態情報に基づいて判定するので、第1異常判定手段のように、所定数の状態情報が取得されていなくても、画像形成装置の異常について判定することができる。よって、第1異常判定手段が画像形成装置の正しい異常判定を行うことができない間も、第2異常判定手段で画像形成装置の異常を判定することができる。したがって、取得手段が所定回数複数種類の状態情報を取得するまでの間の画像形成装置の保守を行うことができ、また、画像形成装置の保守が正しく行われたか否かをすぐに確認することができる。 According to the first aspect of the present invention, the abnormality is normally predicted based on the temporal change data of the state information by performing the abnormality determination by the first abnormality determination means, so that highly accurate prediction can be performed. In addition, while the first abnormality determination unit cannot perform correct abnormality determination after the maintenance of the image forming apparatus until the acquisition unit acquires a predetermined number of the plurality of types of state information, the second abnormality determination unit To determine whether the image forming apparatus is abnormal. Since the second abnormality determination unit makes the determination based on the latest state information stored in the storage unit, even if the predetermined number of state information is not acquired as in the first abnormality determination unit, the image forming apparatus It is possible to determine the abnormality. Therefore, even when the first abnormality determination unit cannot perform the correct abnormality determination of the image forming apparatus , the second abnormality determination unit can determine the abnormality of the image forming apparatus . Accordingly, it is possible to perform maintenance of the image forming apparatus until the acquisition unit acquires a plurality of types of state information a predetermined number of times, and immediately check whether the maintenance of the image forming apparatus has been performed correctly. Can do.
また、請求項3の発明によれば、画像形成装置について保守を行ってから、取得手段が所定数複数種類の状態情報を取得するまでの間、取得手段の複数種類の状態情報を取得するタイミングを早めているので、早期に記憶手段に所定数複数種類の状態情報を記憶させることができる。これにより、早期に所定数の状態情報に基づいて、それら複数種類の状態情報毎に特徴量を抽出し、抽出した複数種類の状態情報の特徴量に基づいて指標値を算出することができる。よって、早期に指標値に基づいて、その後の画像形成装置の異常について判定することができ、異常判定が行えない期間を短くすることができる。これにより、画像形成装置の保守が正しく行われたか否かを早期に確認することができる。 According to the third aspect of the present invention, the timing at which the acquisition unit acquires a plurality of types of status information after the image forming apparatus is maintained until the acquisition unit acquires a predetermined number of the plurality of types of status information. Therefore, a predetermined number of types of state information can be stored in the storage means at an early stage. Accordingly, it is possible to extract feature amounts for each of the plurality of types of state information based on a predetermined number of state information at an early stage, and to calculate index values based on the extracted feature amounts of the plurality of types of state information. Therefore, it is possible to determine the subsequent abnormality of the image forming apparatus based on the index value at an early stage, and to shorten the period during which the abnormality determination cannot be performed. Thereby, it can be confirmed at an early stage whether or not the maintenance of the image forming apparatus is correctly performed.
また、請求項5の発明によれば、画像形成装置について保守を行ってから、取得手段が所定数複数種類の状態情報を取得するまでの間、画像形成装置の保守が行われた部位に関する状態情報を除去した暫定指標値を算出して、この暫定指標値に基づいて異常を判定している。画像形成装置の保守が行われた部位に関する状態情報は、保守の前後で値が大きく変動するので、この状態情報を除くことで、精度の高い指標値を算出することができ、精度の高い異常判定を行うことができる。これにより、画像形成装置について保守を行ってから、取得手段が所定数複数種類の状態情報を取得するまでの間、少なくとも保守が行われた部位以外の画像形成装置の異常を判定することができる。取得手段が所定数複数種類の状態情報を取得するまでの間に、画像形成装置の保守が行われた部位以外の部位に異常があっても、その部位を保守することができる。 Further, according to the invention of claim 5, the state for the image forming apparatus after performing maintenance, until obtaining means obtains a predetermined number multiple types of status information, regarding site maintenance has been performed in the image forming apparatus A provisional index value from which information is removed is calculated, and abnormality is determined based on the provisional index value. Since the status information related to the parts where the image forming apparatus has been maintained varies greatly before and after the maintenance, it is possible to calculate a highly accurate index value by excluding this status information, and to detect abnormalities with high accuracy. Judgment can be made. Thus, after performing the maintenance for an image forming apparatus, it is possible to acquire means until obtaining a predetermined number multiple types of status information, it determines an abnormality of at least maintenance performed the image forming apparatus other than the site . Even if there is an abnormality in a part other than the part where the maintenance of the image forming apparatus is performed before the acquisition unit acquires a predetermined number of types of state information, the part can be maintained.
以下、本発明を、画像形成装置である電子写真方式の複写機(以下、単に複写機という)に適用した第1実施形態について説明する。
まず、本第1実施形態に係る複写機の基本的な構成について説明する。図1は、本複写機を示す概略構成図である。この複写機は、プリンタ部100と給紙部200とからなる画像形成手段と、スキャナ部300と、原稿搬送部400とを備えている。スキャナ部300はプリンタ部100上に取り付けられ、そのスキャナ部300の上に原稿自動搬送装置(ADF)からなる原稿搬送部400が取り付けられている。
A first embodiment in which the present invention is applied to an electrophotographic copying machine (hereinafter simply referred to as a copying machine) as an image forming apparatus will be described below.
First, the basic configuration of the copier according to the first embodiment will be described. FIG. 1 is a schematic configuration diagram showing the copying machine. The copier includes an image forming unit including a
スキャナ部300は、コンタクトガラス32上に載置された原稿の画像情報を読取センサ36で読み取り、読み取った画像情報を図示しない制御部に送る。制御部は、スキャナ部300から受け取った画像情報に基づき、プリンタ部100の露光装置21内に配設された図示しないレーザやLED等を制御してドラム状の4つの感光体40K,Y,M,Cに向けてレーザ書き込み光Lを照射させる。この照射により、感光体40K,Y,M,Cの表面には静電潜像が形成され、この潜像は所定の現像プロセスを経由してトナー像に現像される。なお、符号の後に付されたK,Y,M,Cという添字は、ブラック,イエロー,マゼンタ,シアン用の仕様であることを示している。
The
プリンタ部100は、露光装置21の他、1次転写ローラ62K,Y,M,C、2次転写装置22、定着装置25、排紙装置、図示しないトナー供給装置、トナー供給装置等も備えている。
In addition to the
給紙部200は、プリンタ部100の下方に配設された自動給紙部と、プリンタ部100の側面に配設された手差し部とを有している。そして、自動給紙部は、ペーパーバンク43内に多段に配設された2つの給紙カセット44、給紙カセットから記録体たる転写紙を繰り出す給紙ローラ42、繰り出した転写紙を分離して給紙路46に送り出す分離ローラ45等を有している。また、プリンタ部100の給紙路48に転写紙を搬送する搬送ローラ47等も有している。一方、手差し部は、手差しトレイ51、手差しトレイ51上の転写紙を手差し給紙路53に向けて一枚ずつ分離する分離ローラ52等を有している。
The
プリンタ部100の給紙路48の末端付近には、レジストローラ対49が配設されている。このレジストローラ対49は、給紙カセット44や手差しトレイ51から送られてくる転写紙を受け入れた後、所定のタイミングで中間転写体たる中間転写ベルト10と2次転写装置22との間に形成される2次転写ニップに送る。
A
本複写機において、操作者は、カラー画像のコピーをとるときに、原稿搬送部400の原稿台30上に原稿をセットする。あるいは、原稿搬送部400を開いてスキャナ部300のコンタクトガラス32上に原稿をセットした後、原稿搬送部400を閉じて原稿を押さえる。そして、図示しないスタートスイッチを押す。すると、原稿搬送部400に原稿がセットされている場合には原稿がコンタクトガラス32上に搬送された後に、コンタクトガラス32上に原稿がセットされている場合には直ちに、スキャナ部300が駆動を開始する。そして、第1走行体33及び第2走行体34が走行し、第1走行体33の光源から発せられる光が原稿面で反射した後、第2走行体34に向かう。更に、第2走行体34のミラーで反射してから結像レンズ35を経由して読取りセンサ36に至り、画像情報として読み取られる。
In this copying machine, an operator sets a document on the document table 30 of the
このようにして画像情報が読み取られると、プリンタ部100は、図示しない駆動モータで支持ローラ14、15、16の1つを回転駆動させながら他の2つの支持ローラを従動回転させる。そして、これらローラに張架される中間転写ベルト10を無端移動させる。更に、上述のようなレーザ書き込みや、後述する現像プロセスを実施する。そして、感光体40K,Y,M,Cを回転させながら、それらに、ブラック,イエロー,マゼンタ,シアンの単色画像を形成する。これらは、感光体40K,Y,M,Cと、中間転写ベルト10とが当接するK,Y,M,C用の1次転写ニップで順次重ね合わせて静電転写されて4色重ね合わせトナー像になる。感光体40K、40Y、40M、40C上にトナー像を形成する。
When the image information is read in this way, the
一方、給紙部200は、画像情報に応じたサイズの転写紙を給紙すべく、3つの給紙ローラのうちの何れか1つを作動させて、転写紙をプリンタ部100の給紙路48に導く。給紙路48内に進入した転写紙は、レジストローラ対49に挟み込まれて一旦停止した後、タイミングを合わせて、中間転写ベルト10と2次転写装置22の2次転写ローラ23との当接部である2次転写ニップに送り込まれる。すると、2次転写ニップにおいて、中間転写ベルト10上の4色重ね合わせトナー像と、転写紙とが同期して密着する。そして、ニップに形成されている転写用電界やニップ圧などの影響によって4色重ね合わせトナー像が転写紙上に2次転写され、紙の白色と相まってフルカラー画像となる。
On the other hand, the
2次転写ニップを通過した転写紙は、2次転写装置22の搬送ベルト24の無端移動によって定着装置25に送り込まれる。そして、定着装置25の加圧ローラ27による加圧力と、加熱ベルトによる加熱との作用によってフルカラー画像が定着せしめられた後、排出ローラ56を経てプリンタ部100の側面に設けられた排紙トレイ57上に排出される。
The transfer paper that has passed through the secondary transfer nip is fed into the fixing
図2は、プリンタ部100を示す拡大構成図である。プリンタ部100は、ベルトユニット、各色のトナー像を形成する4つのプロセスユニット18K,Y,M,C、2次転写装置22、ベルトクリーニング装置17、定着装置25等を備えている。
FIG. 2 is an enlarged configuration diagram illustrating the
ベルトユニットは、複数のローラに張架した中間転写ベルト10を、感光体40K,Y,M,Cに当接させながら無端移動させる。感光体40K,Y,M,Cと中間転写ベルト10とを当接させるK,Y,M,C用の1次転写ニップでは、1次転写ローラ62K,Y,M,Cによって中間転写ベルト10を裏面側から感光体40K,Y,M,Cに向けて押圧している。これら1次転写ローラ62K,Y,M,Cには、それぞれ図示しない電源によって1次転写バイアスが印加されている。これにより、K,Y,M,C用の1次転写ニップには、感光体40K,Y,M,C上のトナー像を中間転写ベルト10に向けて静電移動させる1次転写電界が形成されている。各1次転写ローラ62K,Y,M,Cの間には、中間転写ベルト10の裏面に接触する導電性ローラ74がそれぞれ配設されている。これら導電性ローラ74は、1次転写ローラ62K,Y,M,Cに印加される1次転写バイアスが、中間転写ベルト10の裏面側にある中抵抗の基層11を介して隣接するプロセスユニットに流れ込むことを阻止するものである。
The belt unit moves the
プロセスユニット(18K,Y,M,C)は、感光体(40K,Y,M,C)と、その他の幾つかの装置とを1つのユニットとして共通の支持体に支持するものであり、プリンタ部100に対して着脱可能になっている。ブラック用のプロセスユニット18Kを例にすると、これは、感光体40Kの他、感光体40K表面に形成された静電潜像をブラックトナー像に現像するための現像手段たる現像ユニット61Kを有している。また、1次転写ニップを通過した後の感光体40K表面に付着している転写残トナーをクリーニングする感光体クリーニング装置63Kも有している。また、クリーニング後の感光体40K表面を除電する図示しない除電装置や、除電後の感光体40K表面を一様帯電せしめる図示しない帯電装置なども有している。他色用のプロセスユニット18Y,M,Cも、取り扱うトナーの色が異なる他は、ほぼ同様の構成になっている。本複写機では、これら4つのプロセスユニット18K,Y,M,Cを、中間転写ベルト10に対してその無端移動方向に沿って並べるように対向配設したいわゆるタンデム型の構成になっている。
The process unit (18K, Y, M, C) supports the photosensitive member (40K, Y, M, C) and several other devices as a single unit on a common support. The
図3は、4つのプロセスユニット18K,Y,M,Cからなるタンデム部20の一部を示す部分拡大図である。なお、4つのプロセスユニット18K,Y,M,Cは、それぞれ使用するトナーの色が異なる他はほぼ同様の構成になっているので、同図においては各符号に付すK,Y,M,Cという添字を省略している。同図に示すように、プロセスユニット18は、感光体40の周りに、帯電手段としての帯電装置60、現像装置61、1次転写手段としての1次転写ローラ62、感光体クリーニング装置63、除電装置64等を備えている。
FIG. 3 is a partially enlarged view showing a part of the
感光体40としては、アルミニウム等の素管に、感光性を有する有機感光材を塗布し、感光層を形成したドラム状のものを用いている。但し、無端ベルト状のものを用いても良い。また、帯電装置60としては、帯電バイアスが印加される帯電ローラを感光体40に当接させながら回転させるものを用いている。感光体40に対して非接触で帯電処理を行なうスコロトロンチャージャ等を用いてもよい。
As the
現像装置61は、磁性キャリアと非磁性トナーとを含有する二成分現像剤を用いて潜像を現像するようになっている。内部に収容している二成分現像剤を攪拌しながら搬送して現像スリーブ65に供給する攪拌部66と、現像スリーブ65に付着した二成分現像剤のうちのトナーを感光体4K,Y,M,Cに転移させる現像部67とを有している。
The developing device 61 develops a latent image using a two-component developer containing a magnetic carrier and a nonmagnetic toner. An agitating
攪拌部66は、現像部67よりも低い位置に設けられており、互いに平行配設された2本のスクリュウ68、これらスクリュウ間に設けられた仕切り板、現像ケース70の底面に設けられたトナー濃度センサ71などを有している。
The stirring
現像部67は、現像ケース70の開口を通して感光体40に対向する現像スリーブ65、これの内部に回転不能に設けられたマグネットローラ72、現像スリーブ65に先端を接近させるドクタブレード73などを有している。ドクタブレード73と現像スリーブ65との間の最接近部における間隔は500[μm]程度に設定されている。現像スリーブ65は、非磁性の回転可能なスリーブ状の形状になっている。また、現像スリーブ65に連れ回らないようにないようされるマグネットローラ72は、例えば、ドクタブレード73の箇所から現像スリーブ65の回転方向にN1、S1、N2、S2、S3の5磁極を有している。これら磁極は、それぞれスリーブ上の二成分現像剤に対して回転方向の所定位置で磁力を作用させる。これにより、攪拌部66から送られてくる二成分現像剤を現像スリーブ65表面に引き寄せて担持させるとともに、スリーブ表面上で磁力線に沿った磁気ブラシを形成する。
The developing
磁気ブラシは、現像スリーブ65の回転に伴ってドクタブレード73との対向位置を通過する際に適正な層厚に規制されてから、感光体40に対向する現像領域に搬送される。そして、現像スリーブ65に印加される現像バイアスと、感光体40の静電潜像との電位差によって静電潜像上に転移して現像に寄与する。更に、現像スリーブ65の回転に伴って再び現像部67内に戻り、マグネットローラ72の磁極間の反発磁界の影響によってスリーブ表面から離脱した後、攪拌部66に戻される。攪拌部66内では、トナー濃度センサ71による検知結果に基づいて、二成分現像剤に適量のトナーが補給される。なお、現像装置61として、二成分現像剤を用いるものの代わりに、磁性キャリアを含まない一成分現像剤を用いるものを採用してもよい。
The magnetic brush is regulated to an appropriate layer thickness when passing through the position facing the
感光体クリーニング装置63としては、ポリウレタンゴム製のクリーニングブレード75を感光体40に押し当てる方式のものを用いているが、他の方式のものを用いてもよい。クリーニング性を高める目的で、本例では、外周面を感光体40に接触させる接触導電性のファーブラシ76を、図中矢印方向に回転自在に有するクリーニング装置63を採用している。そして、ファーブラシ76にバイアスを印加する金属製電界ローラ77を図中矢示方向に回転自在に設け、その電界ローラ77にスクレーパ78の先端を押し当てている。スクレーパ78によって電界ローラ77から除去されたトナーは、回収スクリュ79上に落下して回収される。
As the
かかる構成の感光体クリーニング装置63は、感光体40に対してカウンタ方向に回転するファーブラシ76で、感光体40上の残留トナーを除去する。ファーブラシ76に付着したトナーは、ファーブラシ76に対してカウンタ方向に接触して回転するバイアスを印加された電界ローラ77に取り除かれる。電界ローラ77に付着したトナーは、スクレーパ78でクリーニングされる。感光体クリーニング装置63で回収したトナーは、回収スクリュ79で感光体クリーニング装置63の片側に寄せられ、トナーリサイクル装置80で現像装置61へと戻されて再利用される。
The
除電装置64は、除電ランプ等からなり、光を照射して感光体40の表面電位を除去する。このようにして除電された感光体40の表面は、帯電装置60によって一様帯電せしめられた後、光書込処理がなされる。
The
ベルトユニットの図中下方には、2次転写装置22が設けられている。この2次転写装置22は、2つのローラ23間に、2次転写ベルト24を掛け渡して無端移動させている。2つのローラ23のうち、一方は図示しない電源によって2次転写バイアスが印加される2次転写ローラとなっており、ベルトユニットのローラ16との間に中間転写ベルト10と2次転写ベルト24とを挟み込んでいる。これにより、両ベルトが当接しながら当接部で互いに同方向に移動する2次転写ニップが形成されている。レジストローラ対49からこの2次転写ニップに送り込まれた転写紙には、中間転写ベルト10上の4色重ね合わせトナー像が2次転写電界やニップ圧の影響で一括2次転写されて、フルカラー画像が形成される。2次転写ニップを通過した転写紙は、中間転写ベルト10から離間して、2次転写ベルト24の表面に保持されながら、ベルトの無端移動に伴って定着装置25へと搬送される。なお、2次転写ローラに代えて、転写チャージャ等によって2次転写を行なわせるようにしてもよい。
A
2次転写ニップを通過した中間転写ベルト10の表面は、支持ローラ15による支持位置にさしかかる。ここでは、中間転写ベルト10が、おもて面(ループ外面)に当接するベルトクリーニング装置17と、裏面に当接する支持ローラ15との間に挟み込まれる。そして、ベルトクリーニング装置17により、おもて面に付着している転写残トナーが除去された後、K,Y,M,C用の1次転写ニップに順次進入して、次の4色トナー像が重ね合わされる。
The surface of the
ベルトクリーニング装置17は、2つのファーブラシ90,91を有している。これらは、複数の起毛をその植毛方向に対してカウンタ方向で中間転写ベルト10に当接させながら回転することで、ベルト上の転写残トナーを機械的に掻き取る。加えて、図示しない電源によってクリーニングバイアスが印加されることで、掻き取った転写残トナーを静電的に引き寄せて回収する。
The
ファーブラシ90,91に対しては、それぞれ金属ローラ92,93が接触しながら、順または逆方向に回転している。これら金属ローラ92,93のうち、中間転写ベルト10の回転方向上流側に位置する金属ローラ92には、電源94によってマイナス極性の電圧が印加されている。また、下流側に位置する金属ローラ93には、電源95によってプラス極性の電圧が印加される。そして、それらの金属ローラ92,93には、それぞれブレード96,97の先端が当接している。かかる構成では、中間転写ベルト10の図中矢印方向への無端移動に伴って、まず、上流側のファーブラシ90が中間転写ベルト10表面をクリーニングする。このとき、例えば金属ローラ92に−700[V]が印加されながら、ファーブラシ90に−400[V]が印加されると、まず、中間転写ベルト10上のプラス極性のトナーがファーブラシ90側に静電転移する。そして、ファーブラシ側に転移したトナーが更に電位差によってファーブラシ90から金属ローラ92に転移して、ブレード96によって掻き落とされる。
With respect to the fur brushes 90 and 91, the
このように、ファーブラシ90で中間転写ベルト10上のトナーが除去されるが、中間転写ベルト10上にはまだ多くのトナーが残っている。それらのトナーは、ファーブラシ90に印加されるマイナス極性のバイアスにより、マイナスに帯電される。これは、電荷注入または放電により帯電されるものと考えられる。次いで下流側のファーブラシ91を用いて今度はプラス極性のバイアスを印加してクリーニングを行なうことにより、それらのトナーを除去することができる。除去したトナーは、電位差によりファーブラシ91から金属ローラ93に転移させ、ブレード97により掻き落とす。ブレード96、97で掻き落としたトナーは、不図示のタンクに回収される。
As described above, the toner on the
ファーブラシ91でクリーニングされた後の中間転写ベルト10表面は、ほとんどのトナーが除去されているがまだ少しのトナーが残っている。これらの中間転写ベルト10上に残ったトナーは、上述したようにファーブラシ91に印加されるプラス極性のバイアスにより、プラス極性に帯電される。そして、1次転写位置で印加される転写電界によって感光体40K,Y,M,C側に転写され、感光体クリーニング装置63で回収される。
Most of the toner is removed from the surface of the
レジストローラ対49は一般的には接地されて使用されることが多いが、転写紙Pの紙粉除去のためにバイアスを印加することも可能である。
In general, the
2次転写装置22および定着装置25の下には、上述したタンデム部20と平行に延びるような、転写紙反転装置28(図1参照)が設けられている。これにより、片面に対する画像定着処理を終えた転写紙が、切換爪で転写紙の進路を転写紙反転装置側に切り換えられ、そこで反転されて再び2次転写転写ニップに進入する。そして、もう片面にも画像の2次転写処理と定着処理とが施された後、排紙トレイ上に排紙される。
Under the
図4は、本複写機を制御する制御部の機能ブロック図である。この制御部1は、実際には本複写機全体の制御を統括して行なうものであるが、図示では画像形成装置の異常予測および保守システムに関する機能のみ表示してある。
図に示すように制御部1は、複写機全体の制御を司る制御手段であり、CPUなどからなる演算手段1aと、RAMやROMなどで構成される記憶手段1cとを有している。この記憶手段1cは、複数種類の複写機の状態情報が時系列で記憶されている。また、制御部1は、記憶手段1cに記憶された複写機の複数種類の状態情報に基づいて、画像形成装置の故障などの異常状態を予測するための指標値を算出する指標値算出手段としての機能を有している。また、制御部1は、前記指標値や複写機の状態情報に基づいて、画像形成装置の異常状態を判定する異常判定手段としての機能も有している。
また、制御部1は、複写機の構成要素の状態や内部で生ずる現象に関連する複写機の状態情報を各種センサ2、操作表示部3などから取得して、上記記憶手段1cに記憶する情報取得手段たる情報取得部1eを備えている。操作表示部3は、文字情報等を表示する液晶ディスプレイ等から構成される表示部や、テンキー等などによって操作者から入力情報を受け付けて制御部1に送る操作部などを有している。
また、制御部1は、画像形成装置の異常状態の判定結果を、前記操作表示部3に表示してユーザに報知する報知手段としての機能を備えている。また、判定結果、画像形成装置の異常があった場合や、異常が予測された場合は、制御部1は、異常の発生が予測される(または異常が発生した)機器や部品を特定して、前記操作表示部に表示してユーザに報知する報知手段としての機能も有している。
FIG. 4 is a functional block diagram of a control unit that controls the copying machine. The control unit 1 actually performs overall control of the entire copying machine, but in the drawing, only functions relating to an abnormality prediction and maintenance system of the image forming apparatus are displayed.
As shown in the figure, the control unit 1 is a control unit that controls the entire copying machine, and includes a calculation unit 1a including a CPU and a storage unit 1c including a RAM and a ROM. The storage means 1c stores status information of a plurality of types of copying machines in time series. Further, the control unit 1 serves as an index value calculation unit that calculates an index value for predicting an abnormal state such as a failure of the image forming apparatus based on a plurality of types of state information of the copying machine stored in the storage unit 1c. It has the function of The control unit 1 also has a function as an abnormality determination unit that determines an abnormal state of the image forming apparatus based on the index value and the state information of the copying machine.
Further, the control unit 1 acquires information from the
The control unit 1 also has a function as a notification unit that displays the determination result of the abnormal state of the image forming apparatus on the
情報取得手段たる情報取得部1eが取得する複写機の状態情報としては、センシングデータ、制御パラメータデータ、入力データ、画像読取データなどが挙げられ、一例としては、以下のようなものが挙げられる。 The copying machine status information acquired by the information acquisition unit 1e, which is an information acquisition unit, includes sensing data, control parameter data, input data, image reading data, and the like, and examples include the following.
(a)センシング情報について
このセンシング情報としては、駆動関係、記録媒体の各種特性、現像剤特性、感光体特性、電子写真の各種プロセス状態、環境条件、記録物の各種特性などが取得する対象として考えられる。これらのセンシング情報の概要を説明すると、以下のようになる。
(A) Sensing information The sensing information includes information related to driving, various characteristics of recording media, developer characteristics, photoreceptor characteristics, various process conditions of electrophotography, environmental conditions, various characteristics of recorded materials, etc. Conceivable. The outline of the sensing information is as follows.
(a-1)駆動の情報
・感光体ドラムの回転速度をエンコーダで検出したり、駆動モータの電流値を読み取ったり、駆動モータの温度を読み取る。
・同様にして、定着ローラ、紙搬送ローラ、駆動ローラなどの円筒状またはベルト状の回転する部品の駆動状態を検出する。
・駆動により発生する音を装置内部または外部に設置されたマイクロフォンで検出する。
(A-1) Driving information / Rotation speed of the photosensitive drum is detected by an encoder, the current value of the driving motor is read, and the temperature of the driving motor is read.
Similarly, the drive state of a cylindrical or belt-like rotating part such as a fixing roller, a paper transport roller, or a drive roller is detected.
-Detect sound generated by driving with a microphone installed inside or outside the device.
(a-2)紙搬送の状態
・透過型または反射型の光センサ、あるいは接触タイプのセンサにより、搬送された紙の先端・後端の位置を読み取り、紙詰まりが発生したことを検出したり、紙の先端・後端の通過タイミングのずれや、送り方向と垂直な方向の変動を読み取る。
・同様に、複数のセンサ間の検出タイミングにより、紙の移動速度を求める。
・給紙時の給紙ローラと紙とのスリップを、ローラの回転数計測値と紙の移動量との比較で求める。
(A-2) Paper transport status ・ Uses a transmission or reflection type optical sensor or contact type sensor to detect the position of the leading and trailing edges of the transported paper and detect that a paper jam has occurred. The deviation of the passage timing of the leading and trailing edges of the paper and the fluctuation in the direction perpendicular to the feeding direction are read.
Similarly, the paper moving speed is obtained based on the detection timing between a plurality of sensors.
The slip between the paper supply roller and the paper during paper supply is obtained by comparing the measured value of the rotation speed of the roller with the amount of movement of the paper.
(a-3)紙などの記録媒体の各種特性
この情報は、画質やシート搬送の安定性に大きく影響する。この紙種の情報取得には以下のような方法がある。
・紙の厚みは、紙を二つのローラで挟み、ローラの相対的な位置変位を光学センサ等で検知したり、紙が進入してくることによって押し上げられる部材の移動量と同等の変位量を検知することによって求める。
・紙の表面粗さは、転写前の紙の表面にガイド等を接触させ、その接触によって生じる振動や摺動音等を検知する。
・紙の光沢は、規定された入射角で規定の開き角の光束を入射し、鏡面反射方向に反射する規定の開き角の光束をセンサで測定する。
・紙の剛性は、押圧された紙の変形量(湾曲量)を検知することにより求める。
・再生紙か否かの判断は、紙に紫外線を照射してその透過率を検出して行なう。
・裏紙か否かの判断は、LEDアレイ等の線状光源から光を照射し、転写面から反射した光をCCD等の固体撮像素子で検出して行なう。
・OHP用のシートか否かは、用紙に光を照射し、透過光と角度の異なる正反射光を検出して判断する。
・紙に含まれている水分量は、赤外線またはμ波の光の吸収を測定することにより求める。
・カール量は光センサ、接触センサなどで検出する。
・紙の電気抵抗は、一対の電極(給紙ローラなど)を記録紙と接触させて直接測定したり、紙転写後の感光体や中間転写体の表面電位を測定して、その値から記録紙の抵抗値を推定する。
(A-3) Various characteristics of recording media such as paper This information greatly affects the image quality and stability of sheet conveyance. There are the following methods for acquiring information on this paper type.
-The thickness of the paper should be equal to the amount of movement of the member pushed up when the paper is sandwiched between two rollers and the relative positional displacement of the rollers is detected by an optical sensor or the paper enters. Find by detecting.
-The surface roughness of the paper is such that a guide or the like is brought into contact with the surface of the paper before transfer, and vibrations or sliding noises caused by the contact are detected.
-For the gloss of paper, a light beam with a specified opening angle is incident at a specified incident angle, and a light beam with a specified opening angle reflected in the specular reflection direction is measured by a sensor.
The paper rigidity is obtained by detecting the amount of deformation (curvature) of the pressed paper.
The judgment as to whether or not the paper is recycled is made by irradiating the paper with ultraviolet rays and detecting its transmittance.
The determination as to whether the paper is a backing paper is performed by irradiating light from a linear light source such as an LED array and detecting the light reflected from the transfer surface with a solid-state image sensor such as a CCD.
Whether or not the sheet is for OHP is determined by irradiating the paper with light and detecting regular reflection light having a different angle from the transmitted light.
• The amount of water contained in the paper is determined by measuring the absorption of infrared or μ-wave light.
-The amount of curl is detected by an optical sensor, contact sensor, etc.
-The electrical resistance of the paper is measured directly by contacting a pair of electrodes (such as paper feed rollers) with the recording paper, or by measuring the surface potential of the photoconductor or intermediate transfer body after paper transfer, and recording from that value. Estimate the resistance of the paper.
(a-4)現像剤特性
現像剤(トナー・キャリア)の装置内での特性は、電子写真プロセスの機能の根幹に影響するものである。そのため、システムの動作や出力にとって重要な因子となる。現像剤の情報を得ることは極めて重要である。この現像剤特性としては、例えば次のような項目が挙げられる。
・トナーについては、帯電量およびその分布、流動性・凝集度・嵩密度、電気抵抗、外添剤量、消費量または残量、流動性、トナー濃度(トナーとキャリアの混合比)を挙げることができる。
・キャリアについては、磁気特性、コート膜厚、スペント量などを挙げることができる。
(A-4) Developer characteristics The characteristics of the developer (toner carrier) in the apparatus affect the basic function of the electrophotographic process. Therefore, it becomes an important factor for the operation and output of the system. Obtaining developer information is extremely important. Examples of the developer characteristics include the following items.
-For toner, list charge amount and distribution, fluidity / cohesion / bulk density, electrical resistance, amount of external additive, consumption or remaining amount, fluidity, toner concentration (mixing ratio of toner and carrier) Can do.
-As for carriers, magnetic properties, coat film thickness, spent amount, etc. can be mentioned.
以上のような項目を画像形成装置の中で単独で検出することは通常困難である。そこで、現像剤の総合的な特性として検出する。この現像剤の総合的な特性は、例えば次のように測定することができる。
・感光体上にテスト用潜像を形成し、予め決められた現像条件で現像して、形成されたトナー像の反射濃度(光反射率)を測定する。
・現像装置中に一対の電極を設け、印加電圧と電流の関係を測定する(抵抗、誘電率など)。
・現像装置中にコイルを設け、電圧電流特性を測定する(インダクタンス)。
・現像装置中にレベルセンサを設けて、現像剤容量を検出する。レベルセンサは光学式、静電容量式などがある。
It is usually difficult to detect such items alone in the image forming apparatus. Therefore, it is detected as a comprehensive characteristic of the developer. The overall characteristics of this developer can be measured, for example, as follows.
A test latent image is formed on the photoconductor, developed under predetermined development conditions, and the reflection density (light reflectance) of the formed toner image is measured.
A pair of electrodes is provided in the developing device, and the relationship between applied voltage and current is measured (resistance, dielectric constant, etc.).
-Install a coil in the developing device and measure the voltage-current characteristics (inductance).
-A level sensor is provided in the developing device to detect the developer capacity. The level sensor includes an optical type and a capacitance type.
(a-5)感光体特性
感光体特性も現像剤特性と同じく、電子写真プロセスの機能と密接に関わる。この感光体特性の情報としては、感光体の膜厚、表面特性(摩擦係数、凹凸)、表面電位(各プロセス前後)、表面エネルギー、散乱光、温度、色、表面位置(フレ)、線速度、電位減衰速度、抵抗・静電容量、表面水分量などが挙げられる。このうち、画像形成装置の中では、次のような情報を検出できる。
・膜厚変化に伴う静電容量の変化を、帯電部材から感光体に流れる電流を検知し、同時に帯電部材への印加電圧と予め設定された感光体の誘電厚みに対する電圧電流特性と照合することにより、膜厚を求める。
・表面電位、温度は従来周知のセンサーで求めることができる。
・線速度は感光体回転軸に取りつけられたエンコーダーなどで検出される。
・感光体表面からの散乱光は光センサーで検出される。
(A-5) Photoreceptor characteristics Like the developer characteristics, the photoreceptor characteristics are closely related to the function of the electrophotographic process. Information on the photoconductor characteristics includes photoconductor film thickness, surface characteristics (friction coefficient, unevenness), surface potential (before and after each process), surface energy, scattered light, temperature, color, surface position (flare), linear velocity Potential decay rate, resistance / capacitance, surface moisture content, and the like. Among these, the following information can be detected in the image forming apparatus.
・ Detect the current flowing from the charging member to the photoconductor, and simultaneously compare the change in capacitance with the change in film thickness with the voltage-current characteristics with respect to the voltage applied to the charging member and the preset dielectric thickness of the photoconductor. Thus, the film thickness is obtained.
・ Surface potential and temperature can be obtained by a conventionally known sensor.
-The linear velocity is detected by an encoder attached to the rotating shaft of the photoconductor.
-Scattered light from the surface of the photoreceptor is detected by an optical sensor.
(a-6)電子写真プロセス状態
電子写真方式によるトナー像形成は、周知のように、感光体の均一帯電、レーザー光などによる潜像形成(像露光)、電荷を持ったトナー(着色粒子)による現像、転写材へのトナー像の転写(カラーの場合は中間転写体または最終転写材である記録媒体での重ね合わせ、または現像時に感光体への重ね現像を行なう)、記録媒体へのトナー像の定着という順序で行なわれる。これらの各段階での様々な情報は、画像その他のシステムの出力に大きく影響を与える。これらを取得することがシステムの安定を評価する上で重要となる。この電子写真プロセス状態の情報取得の具体例としては、次のようなものが挙げられる。
・帯電電位、露光部電位は従来公知の表面電位センサにより検出される。
・非接触帯電における帯電部材と感光体とのギャップは、ギャップを通過させた光の量を測定することにより検知する。
・帯電による電磁波は広帯域アンテナにより捉える。
・帯電による発生音
・露光強度
・露光光波長
(A-6) Electrophotographic process state As is well known, electrophotographic toner image formation is performed by uniformly charging the photoreceptor, forming a latent image (image exposure) using laser light, etc., and charged toner (colored particles). Development by transfer, transfer of toner image onto transfer material (in the case of color, overlay on the recording medium that is the intermediate transfer body or final transfer material, or over development on the photoreceptor during development), toner on the recording medium This is done in the order of image fixing. Various information at each of these stages greatly affects the output of images and other systems. Obtaining these is important in evaluating the stability of the system. Specific examples of the information acquisition of the electrophotographic process state include the following.
The charging potential and the exposure portion potential are detected by a conventionally known surface potential sensor.
The gap between the charging member and the photosensitive member in non-contact charging is detected by measuring the amount of light that has passed through the gap.
・ Electromagnetic waves from electrification are captured by a broadband antenna.
・ Sound generated by charging ・ Exposure intensity ・ Exposure light wavelength
また、トナー像の様々な状態を取得すること方法として、以下のようなものがあげられる。
・パイルハイト(トナー像の高さ)を、変位センサで縦方向から奥行きを、平行光のリニアセンサで横方向から遮光長を計測して求める。
・トナー帯電量を、ベタ部の静電潜像の電位、その潜像が現像された状態での電位を測定する電位センサにより測定し、同じ箇所の反射濃度センサから換算した付着量との比により求める。
・ドット揺らぎまたはチリを、ドットパターン画像を感光体上においては赤外光のエリアセンサ、中間転写体上においては各色に応じた波長のエリアセンサで検知し、適当な処理をすることにより求める。
・オフセット量(定着後)を、記録紙上と定着ローラ上の対応する場所をそれぞれ光学センサで読み取って、両者比較することにより求める。
・転写工程後(PD上,ベルト上)に光学センサを設置し,特定パターンの転写後の転写残パターンからの反射光量で転写残量を判断する。
・重ね合わせ時の色ムラを定着後の記録紙上を検知するフルカラーセンサで検知する。
Further, as a method for acquiring various states of the toner image, the following can be mentioned.
The pile height (the height of the toner image) is obtained by measuring the depth from the vertical direction with a displacement sensor and the light shielding length from the horizontal direction with a linear sensor of parallel light.
The toner charge amount is measured by a potential sensor that measures the potential of the electrostatic latent image on the solid part and the potential when the latent image is developed, and the ratio to the adhesion amount converted from the reflection density sensor at the same location. Ask for.
The dot fluctuation or dust is detected by detecting the dot pattern image with an infrared light area sensor on the photosensitive member and with an area sensor having a wavelength corresponding to each color on the intermediate transfer member, and performing appropriate processing.
The offset amount (after fixing) is obtained by reading the corresponding locations on the recording paper and the fixing roller with optical sensors and comparing them.
An optical sensor is installed after the transfer process (on the PD and on the belt), and the transfer remaining amount is determined based on the amount of reflected light from the transfer residual pattern after the transfer of the specific pattern.
-Detect color unevenness during overlay with a full-color sensor that detects the recording paper after fixing.
(a-7)形成されたトナー像の特性
・画像濃度、色は光学的に検知する(反射光、透過光のいずれでもよい。色によって投光波長を選択する)。濃度及び単色情報を得るには感光体上または中間転写体上でよいが、色ムラなど,色のコンビネーションを測るには紙上の必要がある。
・階調性は、階調レベルごとに感光体上に形成されたトナー像または転写体に転写されたトナー像の反射濃度を光学センサにより検出する。
・鮮鋭性は、スポット径の小さい単眼センサ、若しくは高解像度のラインセンサを用いて、ライン繰り返しパターンを現像または転写した画像を読み取ることにより求める。
・粒状性(ざらつき感)は、鮮鋭性の検出と同じ方法により、ハーフトーン画像を読み取り、ノイズ成分を算出することにより求める。
・レジストスキューは、レジスト後の主走査方向両端に光学センサを設け、レジストローラONタイミングと両センサの検知タイミングとの差異から求める。
・色ずれは、中間転写体または記録紙上の重ね合わせ画像のエッジ部を、単眼の小径スポットセンサ若しくは高解像度ラインセンサで検知する。
・バンディング(送り方向の濃度むら)は、記録紙上で小径スポットセンサ若しくは高解像度ラインセンサにより副走査方向の濃度ムラを測定し、特定周波数の信号量を計測する。
・光沢度(むら)は、均一画像が形成された記録紙を正反射式光学センサで検知するように設ける。
・かぶりは、感光体上、中間転写体上、または記録紙上において、比較的広範囲の領域を検知する光学センサで画像背景部を読み取る方法、または高解像度のエリアセンサで背景部のエリアごと画像情報を取得し、その画像に含まれるトナー粒子数を数えるという方法がある。
(A-7) The characteristics, image density, and color of the formed toner image are optically detected (either reflected light or transmitted light may be used. The projection wavelength is selected depending on the color). In order to obtain density and single color information, it may be on a photoconductor or an intermediate transfer body, but it is necessary on paper to measure a color combination such as color unevenness.
For gradation, the reflection density of the toner image formed on the photosensitive member or the toner image transferred to the transfer member is detected by an optical sensor for each gradation level.
Sharpness is obtained by reading an image in which a line repetition pattern is developed or transferred using a monocular sensor having a small spot diameter or a high-resolution line sensor.
The graininess (roughness) is obtained by reading a halftone image and calculating a noise component by the same method as the sharpness detection.
The registration skew is obtained from the difference between the registration roller ON timing and the detection timing of both sensors by providing optical sensors at both ends in the main scanning direction after registration.
Color misregistration is detected by a monocular small-diameter spot sensor or high-resolution line sensor at the edge portion of the superimposed image on the intermediate transfer member or recording paper.
Banding (density unevenness in the feed direction) measures density unevenness in the sub-scanning direction with a small-diameter spot sensor or high-resolution line sensor on the recording paper, and measures the signal amount of a specific frequency.
Glossiness (unevenness) is provided so that a recording paper on which a uniform image is formed is detected by a regular reflection optical sensor.
・ Fog is a method of reading the image background with an optical sensor that detects a relatively wide area on the photoconductor, intermediate transfer member, or recording paper, or image information for each area of the background with a high-resolution area sensor. And the number of toner particles contained in the image is counted.
(a-8)画像形成装置のプリント物の物理的な特性
・像流れ・かすれなどは、感光体上、中間転写体、あるいは記録紙上でトナー像をエリアセンサにより検知し、取得した画像情報を画像処理して判定する。
・チリは記録紙上の画像を高解像度ラインセンサまたはエリアセンサで取り込み、パターン部の周辺に散っているトナー量を算定することにより求める。
・後端白抜け、ベタクロス白抜けは、感光体上、中間転写体、あるいは記録紙上で高解像度ラインセンサにより検知する。
・カール・波打ち・折れは、変位センサで検出する。折れの検出のためには記録紙の両端部分に近い所にセンサを設置することが有効である。
・コバ面の汚れやキズは、排紙トレイに縦に設けたエリアセンサにより,ある程度排紙が溜まった時のコバ面をエリアセンサで撮影,解析する。
(A-8) The physical characteristics, image flow, and fading of the printed matter of the image forming apparatus are detected on the photosensitive member, the intermediate transfer member, or the recording paper by the area sensor, and the acquired image information is displayed. Judge by image processing.
・ Chile is obtained by taking an image on recording paper with a high-resolution line sensor or area sensor and calculating the amount of toner scattered around the pattern area.
The trailing edge blank and the solid cross blank are detected by a high resolution line sensor on the photosensitive member, the intermediate transfer member, or the recording paper.
・ Curls, undulations, and folds are detected by a displacement sensor. In order to detect a fold, it is effective to install a sensor near the both ends of the recording paper.
-For the dirt and scratches on the edge surface, the area sensor is used to capture and analyze the edge surface when paper discharge has accumulated to some extent by the area sensor installed vertically on the paper discharge tray.
(a-9)環境状態
・温度検出には、異種金属どうし或いは金属と半導体どうしを接合した接点に発生する熱起電力を信号として取り出す熱電対方式、金属或いは半導体の抵抗率が温度によって変化することを利用した抵抗率変化素子、また、或る種の結晶では温度が上昇したことにより結晶内の電荷の配置に偏りが生じ表面に電位発生する焦電型素子、更には、温度による磁気特性の変化を検出する熱磁気効果素子などが採用できる。
・湿度検出には、H2O或いはOH基の光吸収を測定する光学的測定法、水蒸気の吸着による材料の電気抵抗値変化を測定する湿度センサ等がある
・各種ガスは、基本的にはガスの吸着に伴う、酸化物半導体の電気抵抗の変化を測定することにより検出する。
・気流(方向、流速、ガス種)の検出には、光学的測定法等があるが、システムへの搭載を考慮するとより小型にできるエアブリッジ型フローセンサが特に有用である。
・気圧・圧力の検出には、感圧材料を使用する、メンブレンの機械的変位を測定する等の方法がある。振動の検出にも同様に方法が用いられる。
(A-9) For detecting environmental conditions and temperature, the thermocouple method that extracts thermoelectromotive force generated at the contact point between dissimilar metals or between metal and semiconductor as a signal, the resistivity of metal or semiconductor changes with temperature Resistivity change element using this, pyroelectric element that generates a potential on the surface due to bias in the arrangement of charges in the crystal due to the rise in temperature in certain crystals, and magnetic characteristics depending on temperature A thermomagnetic effect element or the like that detects a change in temperature can be employed.
・ For humidity detection, there are optical measurement methods that measure the light absorption of H 2 O or OH groups, humidity sensors that measure changes in the electrical resistance of materials due to the adsorption of water vapor, etc. Detection is performed by measuring a change in electric resistance of the oxide semiconductor accompanying gas adsorption.
Although there are optical measurement methods and the like for detection of airflow (direction, flow velocity, gas type), an air bridge type flow sensor that can be made smaller in consideration of mounting on a system is particularly useful.
・ Pressure-sensitive materials are used to detect atmospheric pressure and pressure, and mechanical displacement of the membrane is measured. A similar method is used for vibration detection.
(b)制御パラメータ情報について
画像形成装置の動作は制御部によって決定されるため、制御部の入出力パラメータを直接利用することが有効である。
(B) Control Parameter Information Since the operation of the image forming apparatus is determined by the control unit, it is effective to directly use the input / output parameters of the control unit.
(b-1)画像形成パラメータ
画像形成のために制御部が演算処理により出力する直接的なパラメータで、以下のような例がある。
・制御部によるプロセス条件の設定値で、例えば帯電電位、現像バイアス値、定着温度設定値など
・同じく、中間調処理やカラー補正などの各種画像処理パラメータの設定値
・制御部が装置の動作のために設定する各種のパラメータで、例えば紙搬送のタイミング、画像形成前の準備モードの実行時間など
(B-1) Image Forming Parameters Direct parameters output by the control unit through image processing for image formation include the following examples.
・ Setting values of process conditions by the control unit, such as charging potential, development bias value, fixing temperature setting value, etc. ・ Similarly, setting values of various image processing parameters such as halftone processing and color correction. Various parameters to be set, such as paper transport timing, execution time of preparation mode before image formation, etc.
(b-2)ユーザー操作履歴
・色数、枚数、画質指示など、ユーザーにより選択された各種操作の頻度
・ユーザーが選択した用紙サイズの頻度
(B-2) User operation history-Frequency of various operations selected by the user, such as the number of colors, number of sheets, and image quality instructions-Frequency of the paper size selected by the user
(b-3)消費電力
・全期間または特定期間単位(1日、1週間、1ヶ月など)の総合消費電力あるいはその分布、変化量(微分)、累積値(積分)
(B-3) Power consumption / Total power consumption or its distribution, change amount (differentiation), cumulative value (integration) for the whole period or specific period unit (1 day, 1 week, 1 month, etc.)
(b-4)消耗品消費情報
・全期間または特定期間単位(1日、1週間、1ヶ月など)のトナー、感光体、紙の使用量あるいはその分布、変化量(微分)、累積値(積分)
(B-4) Consumables consumption information-Total amount or specific period unit (1 day, 1 week, 1 month, etc.) toner, photoconductor, paper usage or distribution, change (differentiation), cumulative value ( Integration)
(b-5)故障発生情報
・全期間または特定期間単位(1日、1週間、1ヶ月など)の故障発生(種類別)の頻度あるいはその分布、変化量(微分)、累積値(積分)
(B-5) Failure occurrence information ・ Frequency or distribution of failure occurrence (by type), change amount (differentiation), cumulative value (integration) of whole period or specific period unit (1 day, 1 week, 1 month, etc.)
(c)入力画像情報
ホストコンピュータから直接データとして送られる画像情報、あるいは原稿画像からスキャナーで読み取って画像処理をした後に得られる画像情報から、以下のような情報を取得することができる。
・着色画素累積数はGRB信号別の画像データを画素ごとにカウントすることにより求められる。
・例えば特許第2621879号の公報に記載されているような方法でオリジナル画像を文字・網点・写真・背景に分離し、文字部、ハーフトーン部などの比率を求めることができる。同様にして色文字の比率も求めることができる。
・着色画素の累積値を主走査方向で区切った領域別にカウントすることにより、主走査方向のトナー消費分布が求められる。
・画像サイズは制御部が発生する画像サイズ信号または画像データでの着色画素の分布により求められる。
・文字の種類(大きさ、フォント)は文字の属性データから求められる。
(C) Input image information The following information can be acquired from image information sent directly as data from the host computer or image information obtained after image processing is performed by reading a document image from a scanner.
The cumulative number of colored pixels is obtained by counting image data for each GRB signal for each pixel.
The original image can be separated into characters, halftone dots, photographs, and backgrounds by the method described in, for example, Japanese Patent No. 2621879, and the ratio of the character part, halftone part, etc. can be obtained. Similarly, the ratio of color characters can be obtained.
The toner consumption distribution in the main scanning direction can be obtained by counting the cumulative value of the colored pixels for each area divided in the main scanning direction.
The image size is obtained from the distribution of colored pixels in the image size signal or image data generated by the control unit.
-Character type (size, font) is obtained from character attribute data.
情報取得部1eは、上述した複写機の状態情報を一日一回所定のタイミングで取得し、初期値データと取得した状態情報との差や比を算出して、取得した状態情報を汎用データにする。このように、汎用データとすることで、部品の個体差による状態情報の差を解消することができ、同一アルゴリズムを適用可能にすることができる。このように汎用データとされた状態情報を記憶手段に所定数m(m日分)時系列で記憶していく。そして、新たに状態情報が取得されると、記憶手段1cに記憶されている状態情報のうち、一番古い状態情報が捨てられ、この取得された新たな状態情報が記憶される。また、これに限らず、一日に複数(n)回状態情報取得して、平均値や変化量などの特徴量を一日の状態情報として、記憶手段に記憶しても良い。また、一日に複数回取得した状態情報をそのまま一日の状態情報として、記憶手段に記憶してもよい。この場合は、時系列データが、m×nとなる。
また、記憶手段に記憶される複写機の状態情報は、一日の状態情報として記憶する必要がなく、例えば、4時間毎に状態情報を取得して、記憶手段にm個の状態情報を時系列に記憶するようにしてもよい。
The information acquisition unit 1e acquires the above-described copying machine status information once a day at a predetermined timing, calculates a difference or ratio between the initial value data and the acquired status information, and uses the acquired status information as general-purpose data. To. Thus, by using general-purpose data, it is possible to eliminate the difference in state information due to individual differences between parts, and the same algorithm can be applied. In this way, the state information that is the general-purpose data is stored in the storage means in a predetermined number m (m days) in time series. When new state information is acquired, the oldest state information among the state information stored in the storage unit 1c is discarded, and the acquired new state information is stored. In addition, the present invention is not limited to this, and status information may be acquired a plurality (n) times a day, and feature values such as an average value and a change amount may be stored in the storage unit as daily status information. Further, the status information acquired a plurality of times a day may be stored in the storage means as the status information for the day as it is. In this case, the time series data is m × n.
The copying machine status information stored in the storage means need not be stored as daily status information. For example, the status information is acquired every 4 hours, and m status information is stored in the storage means. You may make it memorize | store in a series.
以上のような各種の情報から、前述の指標値Dを算出し、その指標値に基づいて、故障等の異常が発生する潜在的な可能性を判断し、故障等の異常発生を予測する。基本的には、前述したように複数種類の情報から算出した指標値Dの大きさが、予め定めた閾値より大きい場合、異常発生の可能性が高いとする。この閾値は一般的には事前の実験によって決められる。 From the various information as described above, the above-described index value D is calculated, and based on the index value, the possibility of occurrence of an abnormality such as a failure is determined, and the occurrence of an abnormality such as a failure is predicted. Basically, if the magnitude of the index value D calculated from a plurality of types of information is larger than a predetermined threshold as described above, the possibility of occurrence of an abnormality is high. This threshold is generally determined by prior experiments.
指標値Dは、取り入れた情報間の相関が正常な状態からずれている尺度を表わすものである。この指標値が大きいほど正常状態からの乖離が大きいと判断するので、異常のメカニズムが不明な場合でも、異常が発生する可能性を予見することができる。 The index value D represents a scale by which the correlation between the incorporated information is deviated from the normal state. Since it is determined that the deviation from the normal state is larger as the index value is larger, it is possible to foresee the possibility of occurrence of abnormality even when the mechanism of abnormality is unknown.
指標値の算出は、主成分分析、MTS法、MTA法などの多変量解析手法などを用いて行っている。以下に、一例として、MTS法を用いた指標値の算出について、説明する。MTS法の詳細は、「MTシステムにおける技術開発 刊行委員会委員長 田口玄一著 日本規格協会刊」に詳しく説明されているので、詳しい説明を省略するが、次のような処理を行なうものである。即ち、まず、正常な状態の被検対象、あるいはこれと同一仕様のものである同一仕様物から、複数種類の情報からなる組データを取得する。そして、この組データを数多く収集して標準データ(正常指標情報)となる逆行列を構築する。その後、被検対象の正常さ加減を調べたいときに、被検対象から組データを取得する。そして、この組データについて、予め構築しておいた標準データ(正常指標情報)による多次元空間内でどのような相対位置関係にあるのかを示すマハラノビス距離を求め、その結果に基づいて被検対象の正常さ加減を量るものである。 The index value is calculated using a multivariate analysis method such as a principal component analysis, an MTS method, or an MTA method. Hereinafter, calculation of an index value using the MTS method will be described as an example. Details of the MTS method are explained in detail in “Technology Development Publication Committee Chairman Genichi Taguchi, published by the Japanese Standards Association,” published by the Japanese Standards Association. is there. That is, first, set data composed of a plurality of types of information is acquired from an object to be examined in a normal state or the same specification object having the same specification. Then, a large number of sets of data are collected to construct an inverse matrix that becomes standard data (normal index information). Thereafter, when it is desired to examine the normality of the subject to be examined, set data is acquired from the subject to be examined. Then, the Mahalanobis distance indicating the relative positional relationship in the multi-dimensional space based on the standard data (normal index information) that has been pre-constructed is obtained for this set data, and the subject to be examined is based on the result. The amount of normality is measured.
本複写機では、標準データとして、MTS法による逆行列が記憶手段に記憶されている。この逆行列は、予め試験機で取得した試験機の複数種類の状態情報、複数(m)個の状態情報から算出した移動平均や変化量などの各種特徴量から、装置の状態を予測するのに有効な項目を選択し、その選択した項目に基づいて構築されたものである。すなわち、ある種類の状態情報に関しては、移動平均と変化量とが逆行列の算出のための項目として用いられ、ある種類の状態情報に関しては、移動平均のみが逆行列の算出のための項目として用いられるのである。 In this copying machine, an inverse matrix based on the MTS method is stored in the storage means as standard data. This inverse matrix predicts the state of the device from various kinds of feature information such as moving averages and change amounts calculated from a plurality of types of state information of the tester acquired in advance and a plurality (m) of state information. An item that is valid for the item is selected and constructed based on the selected item. That is, for certain types of state information, the moving average and the amount of change are used as items for calculating the inverse matrix, and for certain types of state information, only the moving average is used as the item for calculating the inverse matrix. It is used.
指標値の算出は、次のように行なう。まず、記憶手段1cに記憶した複数(m)日分の状態情報から、複写機の状態情報の種類毎に移動平均や変化量(微分)などの特徴量を抽出する。そして、指標値は、抽出した特徴量と前述の逆行列とに基づいて指標値としてのマハラノビス距離が求められる。 The index value is calculated as follows. First, feature quantities such as a moving average and a change amount (differentiation) are extracted for each type of status information of the copying machine from the status information for a plurality of (m) days stored in the storage unit 1c. As the index value, the Mahalanobis distance as the index value is obtained based on the extracted feature quantity and the above-described inverse matrix.
図5は、指標値(例えばマハラノビス距離)と、最後に保守を行ってからの経過時間との関係を示すグラフである。保守直後には、指標値はそれほど高い値を示していないが、その後、装置の使用時間が増えるにつれて徐々に上昇していく。そして、所定の閾値に達した後に更に上昇を続け、やがて異常が発生する。閾値は、異常が発生する時の指標値よりも低い値に設定されているため、指標値が閾値に達した時点で異常発生情報を発することで、異常の発生を事前に予測してユーザーに伝えることができる。そこで、本複写機の制御部1は、指標値が閾値に達した時点で異常発生情報を発信するようになっている。 FIG. 5 is a graph showing a relationship between an index value (for example, Mahalanobis distance) and an elapsed time since the last maintenance. Immediately after maintenance, the index value does not show a very high value, but then gradually increases as the usage time of the apparatus increases. Then, after reaching a predetermined threshold value, it continues to rise, and eventually an abnormality occurs. Since the threshold is set to a value lower than the index value at the time of occurrence of an abnormality, the occurrence of abnormality is predicted in advance when the index value reaches the threshold, and the occurrence of the abnormality is predicted in advance to the user. I can tell you. Therefore, the control unit 1 of the copying machine transmits abnormality occurrence information when the index value reaches a threshold value.
次に、本実施形態の特徴点について、説明する。
図6は、紙搬送の状態など、複写機の状態情報を検知するセンサである光センサの駆動電流の時系列変動データである。図に示すように、光センサの交換や清掃を行った前後では、駆動電流値が大幅に異なっていることがわかる。このため、交換や清掃を行った前後の光センサのデータを用いて特徴量を抽出した場合、光センサによって検知される部品や装置などの状態の時系列での変化の傾向(トレンド)などを特徴量で正しく捕らえることができない。その結果、この特徴量に基づいて算出した指標値も正確なものでなくなり、正しく画像形成装置の状態を予測することができない。よって、複数(m)日分のデータが取得されるまでは、指標値を算出して、異常状態を予測することができない。
そこで、本実施形態は、第2の異常予測手段たる第2異常予測モードを設けて、複数(m)日分のデータが取得される間、この第2の異常予測モードによって、画像形成装置の異常を予測するようにしている。
Next, features of the present embodiment will be described.
FIG. 6 shows time-series fluctuation data of drive current of an optical sensor which is a sensor for detecting copier status information such as paper transport status. As shown in the figure, it can be seen that the drive current values are significantly different before and after the replacement or cleaning of the optical sensor. For this reason, when feature values are extracted using data of optical sensors before and after replacement or cleaning, the trend of trends in the state of parts and devices detected by optical sensors It cannot be captured correctly with features. As a result, the index value calculated based on the feature amount is not accurate, and the state of the image forming apparatus cannot be predicted correctly. Therefore, until the data for a plurality of (m) days are acquired, the index value cannot be calculated and the abnormal state cannot be predicted.
Therefore, in the present embodiment, a second abnormality prediction mode serving as a second abnormality prediction unit is provided, and while the data for a plurality of (m) days are acquired, the second abnormality prediction mode allows the image forming apparatus to Anomalies are predicted.
図7は、第2異常予測モードへの切換を行うときの制御フローである。
図に示すように、まず、制御部は、部品の交換や清掃などの保守が行われた否かをチェックする(S1)。保守が行われた否かは、例えば、サービスマンが画像形成装置内の部品を保守したときに、サービスマンが像形成装置に保守した部品情報を入力することで検知される。また、装置内に部品があるか否かを検知する検知手段を設け、例えば部品がない状態からある状態に検知結果が変化したら、装置内の部品が交換されたと判定する。そして、部品の保守が行われた場合(S1のYES)は、この部品の保守が行われたことによって、取得データが大きく変動する状態情報を特定する(S2)。保守が行われた時点で、複数種類の状態情報を取得して、以前のデータと取得したデータとを調べることで、大きく変動する状態情報を検索してもよい。また、予め保守される部品に対して変動する状態情報を調べておいて、部品と状態情報とを関連付けて記憶手段に記憶しておき、部品が保守されたら記憶手段から保守された部品情報に基づいて変動する状態情報を特定するようにしてもよい。そして、特定された部品保守によって大きく変動する状態情報を記憶手段から消去する。次に、保守が清掃か否かをチェックして(S3)、交換の場合(S3のNO)は、状態情報を取得して、初期値データを更新する(S4)。これは、部品毎に特性値が異なるためである。一方、清掃の場合(S3のYES)は、特性値は変らないため、初期値は更新しない。次に、制御部は、通常の異常予測モードから、第2異常予測モードに変更する(S5)。
一方、部品の交換や清掃などの保守が行われて否かった場合(S1のNO)、第2異常予測モードか否かをチェックする(S6)。第2異常予測モードでない場合(S6のNO)は、通常の異常予測モードで画像形成装置の異常を予測しているので、そのまま終了する。一方、第2異常予測モードの場合(S6のYES)、記憶手段に記憶されている複数種類の状態情報が全てm(=整数)個あるか否かをチェックする(S7)。複数種類の状態情報のうち、いずれかひとつでも、複数(m)個の状態情報がない場合(S7のNO)、通常の異常予測モードを実行できないので、そのまま第2異常予測モードで画像形成装置の異常を予測する。一方、記憶手段に記憶されている複数種類の状態情報が全てm(=整数)個ある場合(S8のYES)、通常の異常予測モードを実行できるので、通常の異常予測モードに変更して(S8)、通常の異常予測モードで画像形成装置の異常を予測する。
FIG. 7 is a control flow when switching to the second abnormality prediction mode.
As shown in the figure, first, the control unit checks whether maintenance such as replacement of parts or cleaning has been performed (S1). Whether or not the maintenance has been performed is detected, for example, by inputting the component information maintained by the service person to the image forming apparatus when the service person maintains the parts in the image forming apparatus. Also, a detection means for detecting whether or not there is a component in the apparatus is provided. For example, when the detection result changes from a state where there is no component to a certain state, it is determined that the component in the apparatus has been replaced. Then, when the maintenance of the part is performed (YES in S1), the state information in which the acquired data greatly varies due to the maintenance of the part is specified (S2). When maintenance is performed, a plurality of types of state information may be acquired, and state information that varies greatly may be searched by examining previous data and acquired data. Further, state information that fluctuates in advance with respect to the parts to be maintained is checked, and the parts and the state information are associated and stored in the storage means. When the parts are maintained, the parts information maintained from the storage means is updated. You may make it identify the status information which fluctuates based on it. Then, the state information that varies greatly depending on the specified component maintenance is deleted from the storage means. Next, it is checked whether or not the maintenance is cleaning (S3), and in the case of replacement (NO in S3), status information is acquired and initial value data is updated (S4). This is because the characteristic value is different for each part. On the other hand, in the case of cleaning (YES in S3), since the characteristic value does not change, the initial value is not updated. Next, the control unit changes from the normal abnormality prediction mode to the second abnormality prediction mode (S5).
On the other hand, when maintenance such as replacement of parts or cleaning is not performed (NO in S1), it is checked whether or not the second abnormality prediction mode is set (S6). If it is not the second abnormality prediction mode (NO in S6), the abnormality of the image forming apparatus is predicted in the normal abnormality prediction mode. On the other hand, in the case of the second abnormality prediction mode (YES in S6), it is checked whether or not there are all m (= integer) pieces of state information stored in the storage means (S7). If there is no plural (m) pieces of state information among any one of a plurality of types of state information (NO in S7), the normal abnormality prediction mode cannot be executed, so that the image forming apparatus remains in the second abnormality prediction mode. Predict abnormalities. On the other hand, when there are m (= integer) pieces of state information stored in the storage means (YES in S8), the normal abnormality prediction mode can be executed, so change to the normal abnormality prediction mode ( S8) An abnormality of the image forming apparatus is predicted in a normal abnormality prediction mode.
図8は、通常の異常予測モードの制御フローである。
所定時間経過したときや、所定枚数印刷したときなど、所定のタイミングとなったら、通常の以上予測モードをスタートさせて、記憶手段から、状態情報を読み出して(S11)、それぞれ状態情報の特徴量を抽出する(S12)。そして、抽出した特徴量から指標値(例えばマハラノビス距離)を算出して(S13)、閾値と比べる(S14)。指標値が閾値以上の場合(S14のYES)、装置の異常の発生が予測されているので、異常の発生が予測された部位を特定して(S15)ユーザに報知する(S16)。また、指標値が閾値以下の場合(S14のNO)、装置の異常が発生しないことが予測されているので、指標値を「○日後の状態予測値」としてユーザに報知する(S17)。
FIG. 8 is a control flow in a normal abnormality prediction mode.
When a predetermined time comes, such as when a predetermined time has elapsed or when a predetermined number of sheets have been printed, the normal or more prediction mode is started, and the state information is read from the storage means (S11). Is extracted (S12). Then, an index value (for example, Mahalanobis distance) is calculated from the extracted feature amount (S13) and compared with a threshold value (S14). If the index value is greater than or equal to the threshold value (YES in S14), the occurrence of an abnormality of the apparatus is predicted, so the part where the occurrence of the abnormality is predicted is identified (S15) and notified to the user (S16). If the index value is equal to or less than the threshold value (NO in S14), it is predicted that no abnormality of the apparatus will occur, so the index value is notified to the user as “predicted state value after ◯ day” (S17).
次に、上記第2異常予測モードについて、実施例1乃至3に基づいて、詳細に説明する。 Next, the second abnormality prediction mode will be described in detail based on Examples 1 to 3.
[実施例1]
実施例1の第2異常予測モードは、複数(m)日分のデータが取得される間、各センサなどから個々に取得される状態情報毎に異常を予測するものである。例えば、感光体の駆動速度を検知するエンコーダの出力値がある閾値を越えたら、異常と予測するなど、第2異常予測手段は、状態情報の値そのものから異常値か否かを予測するものである(以下、異常検知型)。
図9は、実施例1の第2異常予測モードの制御フローである。
まず、所定時間経過したときや、所定枚数印刷したときなど、所定のタイミングとなったら、制御部1は、異常予測モードが通常の異常予測モードか第2異常予測モードかを調べて、第2異常予測モードの場合は、第2異常予測モードをスタートさせる。
第2異常予測モードがスタートすると、まず、制御部1は、記憶手段に記憶されている複数種類の最新の状態情報を読み出す(S21)。次に、制御部1は、記憶手段から各状態情報に対応する閾値を読み出し(S22)、上記最新の状態情報が閾値を越えているか否かをチェックする(S23)。閾値を越えている状態情報がある場合(S23のYES)、装置に異常があると予測して、表示部に表示するなどしてユーザに報知する(S24)。このとき、閾値を越えた状態情報から、異常のある部品を特定して、予測した部品情報を表示部に表示しても良い。一方、いずれの状態情報も閾値を越えていない場合(S23のNO)、装置に異常な状態が発生していないので、そのままモードを終了する。
[Example 1]
The second abnormality prediction mode according to the first embodiment predicts an abnormality for each state information individually acquired from each sensor or the like while data for a plurality of (m) days is acquired. For example, the second abnormality prediction means predicts whether the value is abnormal from the value of the state information itself, such as predicting an abnormality when the output value of the encoder that detects the driving speed of the photoreceptor exceeds a certain threshold. Yes (hereinafter, anomaly detection type).
FIG. 9 is a control flow of the second abnormality prediction mode in the first embodiment.
First, when a predetermined time comes, such as when a predetermined time has elapsed or when a predetermined number of sheets have been printed, the control unit 1 checks whether the abnormality prediction mode is the normal abnormality prediction mode or the second abnormality prediction mode, and the second In the case of the abnormality prediction mode, the second abnormality prediction mode is started.
When the second abnormality prediction mode starts, first, the control unit 1 reads a plurality of types of latest state information stored in the storage unit (S21). Next, the control unit 1 reads a threshold value corresponding to each state information from the storage unit (S22), and checks whether or not the latest state information exceeds the threshold value (S23). When there is state information that exceeds the threshold (YES in S23), it is predicted that there is an abnormality in the apparatus, and the user is notified by displaying it on the display unit (S24). At this time, an abnormal component may be identified from the state information exceeding the threshold, and the predicted component information may be displayed on the display unit. On the other hand, if none of the state information exceeds the threshold value (NO in S23), since no abnormal state has occurred in the apparatus, the mode is ended as it is.
これにより部品の交換や清掃などの保守によって、部品の保守の前後で部品の状態や特性が大きく変動して、部品保守の前後のデータで抽出した特徴量からでは、時系列での部品の状態の変化などを正確に捉えることができないため、状態情報の特徴量に基づく異常の予測が実施できない間も、上記第2異常予測モードで簡易的な異常の予測を行うことができる。よって、抽出した特徴量から時系列での部品の状態の変化などを正確に捉えることができるために必要な状態情報が記憶されるまでの間で、装置の異常が発生しても適切な装置の保守作業を行うことができる。また、交換や清掃などの装置の保守作業が適切であったか否かをすぐに判断することができる。 As a result, due to maintenance such as replacement and cleaning of the parts, the state and characteristics of the parts greatly fluctuate before and after the maintenance of the parts. From the feature values extracted from the data before and after the parts maintenance, the state of the parts in time series Therefore, it is possible to simply predict an abnormality in the second abnormality prediction mode even while the abnormality cannot be predicted based on the feature amount of the state information. Therefore, even if an abnormality occurs in the device until the necessary state information is stored so that changes in the state of the components in time series can be accurately grasped from the extracted feature amount, an appropriate device Maintenance work can be performed. In addition, it is possible to immediately determine whether the maintenance work of the apparatus such as replacement or cleaning is appropriate.
上記第2の異常予測モードでは、状態情報の値そのものから異常値か否かを予測しているが、例えば、現在の状態情報のみを用いて指標値(例えばマハラノビス距離)を算出して、異常を判定するようにしてもよい。この場合、予め試験機で取得した試験機の複数種類の状態情報の時系列データに基づいて構築された逆行列(正常指標情報)を記憶手段に記憶しておく。そして、第2の異常予測モードのときは、複数種類の状態情報の特徴量の時系列データに基づいて構築された逆行列から、複数種類の状態情報の時系列データに基づいて構築された逆行列に切り替える。そして、記憶手段に記憶されている最新の複数種類の状態情報と、上記複数種類の状態情報の時系列データに基づいて構築された逆行列とから、暫定的な指標値(例えばマハラノビス距離)算出し、この暫定的な指標値に基づいて、異常判定を行う。この場合も、抽出した特徴量から時系列での部品の状態の変化などを正確に捉えることができるために必要な状態情報が記憶されるまでの間で、装置の異常が発生しても適切な装置の保守作業を行うことができる。 In the second abnormality prediction mode, whether or not the value is an abnormal value is predicted from the value of the state information itself. For example, an index value (for example, Mahalanobis distance) is calculated using only the current state information, May be determined. In this case, an inverse matrix (normal index information) constructed based on time-series data of a plurality of types of state information of the test machine acquired in advance by the test machine is stored in the storage means. Then, in the second abnormality prediction mode, the inverse constructed based on the time series data of the plurality of types of state information from the inverse matrix constructed based on the time series data of the feature amounts of the plurality of types of state information. Switch to the matrix. Then, a temporary index value (for example, Mahalanobis distance) is calculated from the latest plural types of state information stored in the storage means and an inverse matrix constructed based on the time series data of the plural types of state information. Then, abnormality determination is performed based on the provisional index value. Even in this case, it is appropriate even if an abnormality of the device occurs until the necessary state information is stored because it is possible to accurately grasp changes in the state of parts in time series from the extracted feature amount. It is possible to carry out maintenance work on various devices.
[実施例2]
次に、実施例2の第2異常予測モードについて説明する。
この実施例2においては、部品の保守によって保守前後大きく変動した状態情報に関して複数(m)個分の状態情報を短時間で取得して、この変動した状態情報が複数(m)日分取得するまで、この短時間で取得したダミーの状態情報で通常異常予測モードを仮運用するものである。
図10は、実施例2の第2異常予測モード実行時の制御部の制御フローである。
第2異常予測モードに変更されたら、部品の保守によって交換または清掃前後大きく変動した所定の状態情報の情報取得タイミングを変更する(S31)。すなわち、通常時においては、一日1回程度のタイミングで取得していたタイミングを例えば、10分毎など、取得のサイクルを非常に短く変更するのである。そして、特定された状態情報が記憶手段に時系列で複数(m)個分取得されたら(S32のYES)、状態情報の取得のタイミングを通常のタイミングに戻す(S33)。これにより、部品の保守によって交換または清掃前後で大きく変動した所定の状態情報が短時間で複数(m)個記憶されることになり、記憶手段に記憶されている複数種類の状態情報が全て複数(m)個ある状態にすることができる。よって、早期に通常の異常予測モードで運用することができる。なお、短時間で取得した複数(m)個の状態情報から抽出する特徴量は、部品や装置などの状態の変化を正確には捉えていないが、交換や清掃などの保守が実施されて部品の状態が正常な状態に戻されているため、正しく複数(m)日間取得した状態情報から抽出した特徴量と、短時間で仮取得したm個の状態情報から抽出した特徴量との間に大きな差は生じない。よって、短時間で仮取得した状態情報から抽出した特徴量を用いて、指標値を算出しても著しく予測の精度が低下することがない。
そして、通常の取得タイミングで取得された状態情報は、一番古い仮の状態情報と順次入れ替わっていき、m日後には、仮の状態情報が全てなくなり、通常の取得タイミングで取得された状態情報に全て置き換わる。
このように、早期に指標値を算出する通常異常予測モードで装置の異常を予測することができるので、精度の高い予測を行うことができる。
[Example 2]
Next, the second abnormality prediction mode of Example 2 will be described.
In the second embodiment, a plurality of (m) pieces of state information are acquired in a short time with respect to state information that has greatly changed before and after maintenance due to the maintenance of the parts, and the changed state information is acquired for a plurality of (m) days. Until this time, the normal abnormality prediction mode is provisionally operated with the dummy state information acquired in a short time.
FIG. 10 is a control flow of the control unit when the second abnormality prediction mode is executed in the second embodiment.
When the mode is changed to the second abnormality prediction mode, the information acquisition timing of the predetermined state information that has greatly changed before and after replacement or cleaning due to maintenance of parts is changed (S31). That is, in the normal time, the acquisition cycle is changed to be very short, for example, every 10 minutes, for example, at a timing acquired about once a day. When a plurality of (m) pieces of identified state information are acquired in time series in the storage unit (YES in S32), the state information acquisition timing is returned to the normal timing (S33). As a result, a plurality of (m) pieces of predetermined state information that greatly fluctuates before and after replacement or cleaning due to parts maintenance are stored in a short time, and a plurality of types of state information stored in the storage means are all stored in a plurality. (M) It can be in a certain state. Therefore, it can be operated in the normal abnormality prediction mode at an early stage. Note that the feature quantity extracted from multiple (m) pieces of state information acquired in a short time does not accurately capture changes in the state of parts, devices, etc., but the parts are subject to maintenance such as replacement or cleaning. Since the state is restored to the normal state, between the feature amount extracted from the state information correctly acquired for a plurality of (m) days and the feature amount extracted from the m pieces of state information temporarily acquired in a short time There is no big difference. Therefore, even if the index value is calculated using the feature amount extracted from the state information provisionally acquired in a short time, the prediction accuracy does not significantly decrease.
Then, the state information acquired at the normal acquisition timing is sequentially replaced with the oldest temporary state information, and after m days, all the temporary state information disappears, and the state information acquired at the normal acquisition timing Will be replaced.
As described above, since the abnormality of the apparatus can be predicted in the normal abnormality prediction mode in which the index value is calculated at an early stage, highly accurate prediction can be performed.
[実施例3]
次に、実施例3の第2異常予測モードについて説明する。
この実施例3においては、部品の交換または清掃などの保守によって保守前後で大きく変動した所定の状態情報を除いて指標値を算出し、装置の異常を予測するものである。
図11は、実施例3の第2異常予測モード実行時の制御部の制御フローである。
まず、制御部1は、第2異常モードに変更されたら、保守部品を特定して(S41)、この特定した保守部品から、この部品が保守された場合の暫定的に用いる暫定演算式(例えば逆行列)を特定して(S42)、記憶手段から読み出す。この暫定演算式(例えば逆行列)は、予めこの部品の保守によって保守前後で大きく変動する所定の状態情報を除いた正常組データから導出された暫定演算式である。
所定時間経過したときや、所定枚数印刷したときなど、所定のタイミングとなったら(S43のYES)、この部品の保守によって保守前後で大きく変動する所定の状態情報を除いた特定の状態情報を記憶手段から読み出して(S44)、それぞれ状態情報の特徴量を抽出する(S45)。そして、抽出した特徴量と暫定演算式(逆行列)とから暫定指標値(例えばマハラノビス距離)を算出して(S46)、閾値と比べる(S47)。暫定指標値が閾値以上の場合(S47のYES)、装置の異常の発生が予測されているので、異常の発生が予測された部位を特定して(S48)ユーザに報知する(S49)。また、暫定指標値が閾値以下の場合(S47のNO)、装置の異常が発生しないことが予測されているので、図12に示すような暫定指標値をユーザに報知する(S51)。
これにより、交換や清掃などの保守を行った部品以外の装置や部品などの異常を予測することができる。
[Example 3]
Next, the second abnormality prediction mode of Example 3 will be described.
In the third embodiment, an index value is calculated by excluding predetermined state information that greatly fluctuates before and after maintenance such as replacement of parts or cleaning, and an abnormality of the apparatus is predicted.
FIG. 11 is a control flow of the control unit when the second abnormality prediction mode is executed in the third embodiment.
First, when the control unit 1 is changed to the second abnormal mode, the maintenance part is identified (S41), and the provisional arithmetic expression (for example, temporarily used when this part is maintained is determined from the identified maintenance part (for example, (Inverse matrix) is specified (S42) and read from the storage means. This provisional arithmetic expression (for example, inverse matrix) is a provisional arithmetic expression derived from normal set data excluding predetermined state information that varies greatly before and after maintenance due to the maintenance of this part.
When a predetermined timing comes, such as when a predetermined time has elapsed or when a predetermined number of sheets have been printed (YES in S43), specific state information excluding predetermined state information that varies greatly before and after maintenance due to maintenance of this part is stored. The information is read from the means (S44), and the feature amount of the state information is extracted (S45). Then, a provisional index value (for example, Mahalanobis distance) is calculated from the extracted feature quantity and provisional arithmetic expression (inverse matrix) (S46), and compared with a threshold (S47). If the provisional index value is greater than or equal to the threshold value (YES in S47), the occurrence of an abnormality of the apparatus is predicted, so the part where the occurrence of the abnormality is predicted is identified (S48) and notified to the user (S49). If the provisional index value is equal to or less than the threshold value (NO in S47), it is predicted that no abnormality will occur in the apparatus, so the provisional index value as shown in FIG. 12 is notified to the user (S51).
As a result, it is possible to predict an abnormality in a device or a part other than the part that has undergone maintenance such as replacement or cleaning.
なお、上記実施例1に示した状態情報の値そのものから異常か否かを予測する異常検知型の異常判定を常に行うようにしてもよい。通常時に実施される異常予測モードは、特徴量を抽出して、各状態情報の時系列の変化に基づいて、指標値を算出するものであるので、長期的な異常の予測に関しては、精度が高くなるが、突発的な異常の発生については、予測精度が落ちてしまう。これは、特徴量を抽出するので、このような突発的な変動は、ノイズやばらつきとして処理されてしまうからである。一方、異常検知型の異常の予測は、そのとき取得した値に対して異常を予測するため、突発的に発生する異常を良好に検知することができる。このように、異常検知型と通常の異常予測モードとを併用して、装置の異常を予測することで、長期的な異常の予測と突発的な異常の予測両方を行うことができる。このような異常判定を行った場合、図13に示すように、異常検知型の予測の結果を、「現在の状態情報」として表示し、指標値算出によるに異常予測の結果を「○日後の状態情報」として表示する。 It should be noted that abnormality detection type abnormality determination for predicting whether or not there is an abnormality from the value of the state information shown in the first embodiment may always be performed. In the abnormality prediction mode that is normally performed, the feature value is extracted and the index value is calculated based on the time series change of each state information. Although it is high, the prediction accuracy is reduced for sudden occurrences of abnormalities. This is because feature amounts are extracted, and such sudden fluctuations are processed as noise and variations. On the other hand, since the abnormality detection type abnormality prediction predicts an abnormality with respect to the value acquired at that time, it is possible to satisfactorily detect an abnormality that occurs suddenly. Thus, by predicting the abnormality of the apparatus by using the abnormality detection type and the normal abnormality prediction mode in combination, both long-term abnormality prediction and sudden abnormality prediction can be performed. When such an abnormality determination is performed, as shown in FIG. 13, the result of the abnormality detection type prediction is displayed as “current state information”, and the result of the abnormality prediction is calculated as “ It is displayed as “status information”.
また、上記においては、画像形成装置に異常判定手段たる異常判定装置を備えて、画像形成装置内部で異常判定を行っているが、図14に示すように、画像形成装置と異常判定装置を備えた情報管理装置とを用いて、保守システムを構築しても良い。この保守システムは、情報管理装置を例えば画像形成装置の保守を行うサービス会社に設置しておく。画像形成装置は、所定のタイミングで画像形成装置のセンサなどで構成された状態情報取得部で複数種類の状態情報を取得して、通信回線で情報管理装置に送信する。情報管理装置は、画像形成装置から取得した複数種類の状態情報を時系列に状態情報記憶部に記憶しておく。そして、所定のタイミングがきたら、指標値算出部で状態情報ごとに特徴量を抽出して、指標値を算出し、状態判定部で指標値に基づいて画像形成装置の状態を予測する。そして、所定の部品に交換が必要な場合、情報管理装置の情報処理部が部品の交換が必要な旨をサービスマンなどに報知する。また、画像形成装置は、部品の交換などが行われた場合は、部品情報取得手段で交換された部品を特定して、交換された部品情報を情報処理部から通信回線を用いて情報管理装置へ送信する。情報管理装置は、受信した部品情報に基づいて、異常予測モードを変更する。 In the above description, the image forming apparatus is provided with the abnormality determining device as abnormality determining means, and abnormality determination is performed inside the image forming apparatus. However, as shown in FIG. 14, the image forming apparatus and the abnormality determining device are provided. A maintenance system may be constructed using the information management apparatus. In this maintenance system, an information management apparatus is installed in, for example, a service company that maintains an image forming apparatus. The image forming apparatus acquires a plurality of types of status information at a predetermined timing by a status information acquisition unit configured by sensors of the image forming apparatus and transmits the acquired status information to the information management apparatus via a communication line. The information management apparatus stores a plurality of types of status information acquired from the image forming apparatus in a status information storage unit in time series. When the predetermined timing comes, the index value calculation unit extracts feature amounts for each state information, calculates the index value, and the state determination unit predicts the state of the image forming apparatus based on the index value. When a predetermined part needs to be replaced, the information processing unit of the information management apparatus notifies a serviceman that the part needs to be replaced. In addition, when a part is exchanged, the image forming apparatus identifies the part exchanged by the part information acquisition unit, and uses the communication line from the information processing unit to identify the exchanged part information. Send to. The information management device changes the abnormality prediction mode based on the received component information.
また、通常異常予測モード時においては、MTS法を用いた異常予測を行っているが、これに限らず、一般的に、時系列解析による方法よりも長期間の予測に対応出来るパターン認識による異常予測の手法であればよい。 Moreover, in the normal abnormality prediction mode, abnormality prediction using the MTS method is performed. However, the present invention is not limited to this, and in general, an abnormality due to pattern recognition that can cope with a long-term prediction than the method based on time series analysis. Any prediction method may be used.
以上、本実施形態によれば、実施例1に示すように、部品が保守されて、状態情報のいずれかが、部品の保守によって部品の保守の前後で状態情報が変って、正確な状態情報の経時変化を捉えることができない場合は、第2異常判定手段たる第2異常予測モードで異常判定を行う。第2異常判定モードは、例えば、感光体の駆動速度を検知するエンコーダの出力値がある閾値を越えたら、異常と予測して、ユーザに伝えるなど、現在の状態情報の値のみから異常値か否かを予測するものである。よって、第2異常予測モードにおいては、記憶手段に複数個の状態情報がなくても異常が予測することができる。その結果、記憶手段に複数個のデータが貯まる間は、第2異常予測モードで予測することで、装置の異常を暫定的に予測することができる。したがって、記憶手段に複数個のデータが貯まる間でも装置の異常が予測でき、記憶手段に複数個のデータが貯まる間に装置の異常が発生しても、適切に対処することができる。また、保守した作業が正しくない場合は、記憶手段に複数個のデータが貯まる間で異常が予測されるため、保守した作業が正しく行われたか否かを把握することができる。 As described above, according to the present embodiment, as shown in the first embodiment, any part of the state information is maintained, and the state information changes before and after the part maintenance due to the part maintenance. When the change with time cannot be captured, the abnormality determination is performed in the second abnormality prediction mode as the second abnormality determination means. In the second abnormality determination mode, for example, if the output value of the encoder that detects the driving speed of the photosensitive member exceeds a certain threshold value, the abnormality is predicted based on only the value of the current state information, such as predicting an abnormality and notifying the user. It is to predict whether or not. Therefore, in the second abnormality prediction mode, an abnormality can be predicted even if the storage means does not have a plurality of state information. As a result, while a plurality of data is stored in the storage unit, it is possible to tentatively predict an abnormality of the apparatus by making a prediction in the second abnormality prediction mode. Therefore, an abnormality of the apparatus can be predicted even when a plurality of data is stored in the storage means, and even if an abnormality of the apparatus occurs while a plurality of data is stored in the storage means, it can be appropriately dealt with. Further, if the maintained work is not correct, an abnormality is predicted while a plurality of data is stored in the storage means, so it is possible to grasp whether the maintained work has been correctly performed.
また、実施例2に示すように、部品が保守された場合、少なくとも部品の保守によって保守の前後で大きく値が変動する状態情報の取得タイミングを非常に短くして、短時間で複数個の状態情報を取得するようにしている。これにより、記憶手段に複数個の状態情報が記憶され、仮の特徴量を抽出することができる。よって、早期に通常異常予測モードを仮運用することができ、早期に精度の高い異常予測を行うことができる。 In addition, as shown in the second embodiment, when a part is maintained, at least the state information acquisition timing at which the value largely fluctuates before and after the maintenance due to the maintenance of the part is extremely shortened, and a plurality of states are obtained in a short time. I try to get information. Thereby, a plurality of state information is stored in the storage means, and a temporary feature amount can be extracted. Therefore, the normal abnormality prediction mode can be provisionally operated at an early stage, and a highly accurate abnormality prediction can be performed at an early stage.
また、実施例3に示すように、部品が保守された場合、部品の保守によって保守の前後で大きく値が変動する状態情報が複数個貯まるまで、この状態情報を除いて指標値を算出して、暫定的な異常予測を実施するようにしている。これにより、保守の前後で大きく値が変動する状態情報が複数個貯まるまでの間も、交換や清掃などの保守を行った部品以外の装置や部品などの異常を精度よく予測することができる。 Further, as shown in the third embodiment, when a part is maintained, an index value is calculated by excluding the state information until a plurality of pieces of state information whose values greatly fluctuate before and after the maintenance are accumulated. , Provisional abnormality prediction is implemented. Thus, it is possible to accurately predict an abnormality in a device or a part other than a part that has undergone maintenance such as replacement or cleaning until a plurality of state information whose values greatly fluctuate before and after maintenance.
また、現在の状態情報のみから異常値か否かを予測する異常予測を複数の状態情報から特徴量を抽出して、特徴量に基づいて指標値を算出する通常の異常予測と並行して行うようにしてもよい。これにより、突発的に発生してしまう異常と、長期的な異常との両方を行うことができる。 Also, abnormality prediction that predicts whether or not an abnormal value is based only on the current state information is performed in parallel with normal abnormality prediction that extracts feature values from a plurality of state information and calculates an index value based on the feature values. You may do it. Thereby, it is possible to perform both of an abnormality that occurs suddenly and a long-term abnormality.
また、本実施形態の画像形成装置において、上記指標値Dの時間変化のデータから予測した異常発生の予測結果をディスプレイ等の操作表示部に表示してユーザに報知する報知手段を設けてもよい。このように異常発生の予測結果を表示することにより、使用者は、指標値Dの時間変化から画像形成装置の状態変化を判定することなく、予測された異常発生を知ることができるので、異常発生前の保守が可能になる。また、本実施形態の画像形成装置において、上記指標値Dの時間変化のデータから予測した異常発生の予測結果を、専用回線、公衆回線、インターネット、ローカルエリアネットワーク等の通信回線を介して外部装置に送信する通信手段を設けてもよい。この場合は、複数の画像形成装置における異常発生の予測を、監視センター等で一元的に行うことができる。 Further, the image forming apparatus according to the present embodiment may be provided with a notification unit that displays a prediction result of the occurrence of abnormality predicted from the time change data of the index value D on an operation display unit such as a display to notify the user. . By displaying the prediction result of the occurrence of the abnormality in this way, the user can know the predicted occurrence of the abnormality without determining the state change of the image forming apparatus from the time change of the index value D. Maintenance before occurrence becomes possible. Also, in the image forming apparatus of the present embodiment, an abnormality occurrence prediction result predicted from the time change data of the index value D is transmitted to an external device via a communication line such as a dedicated line, a public line, the Internet, or a local area network. You may provide the communication means to transmit to. In this case, the occurrence of abnormality in a plurality of image forming apparatuses can be predicted centrally at a monitoring center or the like.
また、異常が発生する部品を特定してディスプレイ等の操作表示部に表示してユーザに報知する報知手段を設けてもよい。これにより、予測された異常発生部品を知ることができるので、装置の保守をより確実に行うことができる。 Moreover, you may provide the alerting | reporting means which identifies the components which generate | occur | produce abnormality, displays on operation display parts, such as a display, and alert | reports to a user. Thereby, since the predicted abnormality occurrence part can be known, the apparatus can be more reliably maintained.
また、正常指標情報たる正常な状態の装置から取得した複数の状態情報からなるデータ組の群の逆行列Aを用いて指標値(例えば、マハラノビス距離D)を算出して異常の判定に用いる。かかる構成では、単純に閾値と取得データとの比較によって異常を判定する従来の異常判定装置とは異なり、MTS法を利用して原因が明確に特定されない異常の発生を予測することができる。 In addition, an index value (for example, Mahalanobis distance D) is calculated using an inverse matrix A of a group of data sets made up of a plurality of state information acquired from a normal state device, which is normal index information, and used for abnormality determination. In such a configuration, unlike a conventional abnormality determination device that determines an abnormality simply by comparing a threshold value with acquired data, it is possible to predict the occurrence of an abnormality whose cause is not clearly specified using the MTS method.
1 制御部
2 各種センサ
3 操作表示部
100 複写機
DESCRIPTION OF SYMBOLS 1
Claims (10)
画像形成装置についての互いに異なる複数種類の状態情報を所定のタイミングで取得する情報取得手段と、
前記複数種類の状態情報を時系列に記憶する記憶手段と、
前記記憶手段に記憶されている最新の前記複数種類の状態情報を取得した時点から所定の取得回数分だけ過去に遡った時点までに取得した複数種類の状態情報に基づいて、状態情報の種類毎に状態情報の経時変化を捉えた特徴量を抽出する特徴量抽出手段と、
前記複数種類の状態情報の特徴量に基づいて前記画像形成装置の状態を示す指標値を算出する指標値算出手段と、
前記指標値に基づいて、前記画像形成装置の異常の発生を予測する第1異常予測手段と、
前記記憶手段に記憶されている最新の状態情報に基づいて前記画像形成装置の異常の発生を予測する第2異常予測手段と、を備え、
前記画像形成装置について保守を行ってから、前記取得手段が所定回数分前記複数種類の状態情報を取得しているときは、前記第1異常予測手段で画像形成装置の異常の発生を予測し、前記画像形成装置について保守を行ってから、前記取得手段が所定回数分前記複数種類の状態情報を取得するまでの間は、前記第2異常予測手段で画像形成装置の異常の発生を予測するよう構成したことを特徴とする異常予測装置。 In the abnormality prediction device that predicts the abnormal state of the image forming apparatus ,
Information acquisition means for acquiring a plurality of different types of status information about the image forming apparatus at a predetermined timing ;
Storage means for storing the plurality of types of state information in time series ;
For each type of status information, based on a plurality of types of status information acquired from the time when the latest plurality of types of status information stored in the storage unit are acquired to a time point that is traced back a predetermined number of times. A feature amount extraction means for extracting feature amounts that capture changes over time in state information;
Index value calculation means for calculating an index value indicating the state of the image forming apparatus based on feature quantities of the plurality of types of state information;
First abnormality prediction means for predicting the occurrence of an abnormality in the image forming apparatus based on the index value;
Second abnormality prediction means for predicting the occurrence of an abnormality of the image forming apparatus based on the latest state information stored in the storage means,
When the acquisition unit acquires the plurality of types of status information for a predetermined number of times after performing maintenance on the image forming apparatus , the first abnormality prediction unit predicts the occurrence of an abnormality in the image forming apparatus , Between the maintenance of the image forming apparatus and the acquisition unit acquiring the plurality of types of state information a predetermined number of times, the second abnormality prediction unit predicts the occurrence of an abnormality in the image forming apparatus. An abnormality prediction apparatus characterized by comprising.
前記第1異常予測手段で画像形成装置の異常の発生を予測するとき、前記第2異常予測手段でも画像形成装置の異常の発生を予測するように構成したことを特徴とする異常予測装置。 In the abnormality prediction device according to claim 1,
When predicting the occurrence of abnormality in the image forming apparatus in the first abnormality prediction means, abnormality predicting apparatus characterized by being configured to predict the abnormality of the image forming apparatus in the second abnormality prediction means.
画像形成装置についての互いに異なる複数種類の状態情報を所定のタイミングで取得する情報取得手段と、
前記複数種類の状態情報を時系列に記憶する記憶手段と、
前記記憶手段に記憶されている最新の前記複数種類の状態情報を取得した時点から所定の取得回数分だけ過去に遡った時点までに取得した複数種類の状態情報に基づいて、前期状態情報の種類毎に状態情報の経時変化を捉えた特徴量を抽出する特徴量抽出手段と、
前記複数種類の状態情報の特徴量に基づいて前記画像形成装置の状態を示す指標値を算出する指標値算出手段と、
前記指標値に基づいて、前記画像形成装置の異常の発生を予測する異常予測手段と、を備え、
前記画像形成装置について保守を行ってから、前記取得手段が所定回数前記複数種類の状態情報を取得するまでの間、前記取得手段の前記複数種類の状態情報を取得するタイミングを早めるよう構成したことを特徴とする異常判定装置。 In the abnormality prediction device that predicts the abnormal state of the image forming apparatus ,
Information acquisition means for acquiring a plurality of different types of status information about the image forming apparatus at a predetermined timing ;
Storage means for storing the plurality of types of state information in time series ;
Based on the plurality of types of state information acquired from the time when the latest plurality of types of state information stored in the storage means are acquired to a time point that is a predetermined number of acquisitions, the type of the previous state information A feature amount extraction means for extracting a feature amount that captures a change in state information over time,
Index value calculation means for calculating an index value indicating the state of the image forming apparatus based on feature quantities of the plurality of types of state information;
An abnormality prediction means for predicting the occurrence of an abnormality in the image forming apparatus based on the index value,
The timing for acquiring the plurality of types of status information of the acquisition unit is advanced from when maintenance is performed on the image forming apparatus until the acquisition unit acquires the plurality of types of status information a predetermined number of times. An abnormality determination device characterized by the above.
画像形成装置についての互いに異なる複数種類の状態情報を所定のタイミングで取得する情報取得手段と、
前記複数種類の状態情報を時系列に記憶する記憶手段と、
前記記憶手段に記憶されている最新の前記複数種類の状態情報を取得した時点から所定の取得回数分だけ過去に遡った時点までに取得した複数種類の状態情報に基づいて、前記状態情報の種類毎に状態情報の経時変化を捉えた特徴量を抽出する特徴量抽出手段と、
前記複数種類の状態情報の特徴量に基づいて前記画像形成装置の状態を示す指標値を算出する指標値算出手段と、
前記指標値に基づいて、前記画像形成装置の異常の発生を予測する異常予測手段と、を備え、
前記画像形成装置について保守を行ってから、前記取得手段が所定回数前記複数種類の状態情報を取得するまでの間、前記指標値算出手段は、前記画像形成装置の保守が行われた部位に関する状態情報に基づいて抽出される特徴量を除いた複数種類の状態情報の特徴量に基づいて暫定指標値を算出し、前記異常予測手段は、前記暫定指標値に基づいて、画像形成装置の異常の発生を予測するように構成したことを特徴とする異常予測装置。 In the abnormality prediction device that predicts the abnormal state of the image forming apparatus ,
Information acquisition means for acquiring a plurality of different types of status information about the image forming apparatus at a predetermined timing ;
Storage means for storing the plurality of types of state information in time series ;
The type of the state information based on the plurality of types of state information acquired from the time when the latest plurality of types of state information stored in the storage unit are acquired to a time point that is traced back by the predetermined number of acquisition times. A feature amount extraction means for extracting a feature amount that captures a change in state information over time,
Index value calculation means for calculating an index value indicating the state of the image forming apparatus based on feature quantities of the plurality of types of state information;
An abnormality prediction means for predicting the occurrence of an abnormality in the image forming apparatus based on the index value,
State after performing maintenance for the image forming apparatus, until the acquisition unit acquires a predetermined number of times the plurality of types of state information, the index value calculating means, regarding site maintenance is performed of the image forming apparatus The provisional index value is calculated based on the feature amounts of the plurality of types of state information excluding the feature amount extracted based on the information , and the abnormality prediction unit is configured to detect an abnormality of the image forming apparatus based on the provisional index value . An abnormality prediction apparatus characterized by being configured to predict occurrence .
前記記憶手段に記憶されている最新の前記複数種類の状態情報に基づいて、画像形成装置の異常について判定する第2異常判定手段を備えたことを特徴とする異常予測装置。 In the abnormality prediction device according to claim 3 or 4,
An abnormality prediction apparatus comprising: a second abnormality determination unit that determines an abnormality of the image forming apparatus based on the latest plurality of types of state information stored in the storage unit.
前記画像形成装置の異常予測の結果を報知する報知手段を備えたことを特徴とする異常判定装置。 In the abnormality prediction device according to any one of claims 1 to 5,
An abnormality determination apparatus comprising an informing means for informing a result of abnormality prediction of the image forming apparatus.
前記報知手段は、前記画像形成装置の異常が予測されるとき、前記画像形成装置の保守が必要な部位を報知することを特徴とする異常判定装置。 The abnormality prediction device according to claim 6,
The notification means, wherein when the abnormality of the image forming apparatus Ru is predicted, the abnormality determination apparatus characterized by notifying the maintenance is necessary portion of the image forming apparatus.
前記指標値算出手段は、前記画像形成装置の正常状態の指標となる正常指標情報を用いて指標値を算出することを特徴とした異常予測装置。 In the abnormality prediction apparatus in any one of Claims 1 thru | or 7,
The abnormality prediction apparatus, wherein the index value calculation means calculates an index value using normal index information that is an index of a normal state of the image forming apparatus.
前記異常予測手段として、請求項1乃至8の何れかのものを用いたことを特徴とする画像形成装置。 A recording medium conveying means for conveying the recording medium, a visible image forming means for forming a visible image on the recording medium conveyed by the recording medium conveying means, and an abnormality predicting means for predicting an abnormality of the entire apparatus or a part thereof. In an image forming apparatus comprising:
9. An image forming apparatus according to claim 1, wherein the abnormality prediction means is any one of claims 1 to 8.
前記異常予測手段として、請求項1乃至8の何れかのものを用いたことを特徴とする保守システム。 In a maintenance system that includes an abnormality prediction unit that predicts an abnormality of the image forming apparatus , and that performs maintenance of the image forming apparatus based on a determination result of the abnormality prediction unit,
A maintenance system according to any one of claims 1 to 8, wherein said abnormality prediction means is used.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006177290A JP4795136B2 (en) | 2006-06-27 | 2006-06-27 | Abnormality prediction apparatus, image forming apparatus, and maintenance system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006177290A JP4795136B2 (en) | 2006-06-27 | 2006-06-27 | Abnormality prediction apparatus, image forming apparatus, and maintenance system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008008996A JP2008008996A (en) | 2008-01-17 |
JP4795136B2 true JP4795136B2 (en) | 2011-10-19 |
Family
ID=39067299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006177290A Expired - Fee Related JP4795136B2 (en) | 2006-06-27 | 2006-06-27 | Abnormality prediction apparatus, image forming apparatus, and maintenance system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4795136B2 (en) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5272744B2 (en) * | 2009-01-09 | 2013-08-28 | 株式会社リコー | Control device, image forming apparatus, wear detection method, program, storage medium |
JP2012063383A (en) * | 2010-09-14 | 2012-03-29 | Ricoh Co Ltd | Maintenance aiding device and image forming system |
JP5790242B2 (en) * | 2011-07-25 | 2015-10-07 | 富士ゼロックス株式会社 | Failure prediction apparatus and program |
JP5861425B2 (en) * | 2011-12-07 | 2016-02-16 | 富士ゼロックス株式会社 | Fault detection system, fault detection apparatus and program |
JP5953779B2 (en) * | 2012-02-01 | 2016-07-20 | 富士ゼロックス株式会社 | Failure prediction system, failure prediction device, and program |
JP7263896B2 (en) * | 2019-04-17 | 2023-04-25 | 株式会社リコー | IMAGE FORMING APPARATUS, NOTIFICATION METHOD AND PROGRAM |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02144348A (en) * | 1988-11-22 | 1990-06-04 | Canon Inc | Picture forming device |
JPH06175500A (en) * | 1992-06-29 | 1994-06-24 | Canon Inc | Image forming device |
JP3091600B2 (en) * | 1993-06-30 | 2000-09-25 | シャープ株式会社 | Image printing equipment |
JP3426485B2 (en) * | 1997-11-28 | 2003-07-14 | 富士通株式会社 | Printing equipment |
JPH11242412A (en) * | 1998-02-25 | 1999-09-07 | Kyocera Corp | Image processor |
JP2002267533A (en) * | 2001-03-09 | 2002-09-18 | Fuji Photo Film Co Ltd | Image evaluation method, image evaluating device and image correction signal output device |
JP2004232968A (en) * | 2003-01-30 | 2004-08-19 | Mitsubishi Electric Corp | Air conditioning operation monitoring system, abnormality detection method, and abnormality detection device |
JP4485759B2 (en) * | 2003-06-27 | 2010-06-23 | 株式会社リコー | Abnormality occurrence prediction method, state determination apparatus, and image forming apparatus |
JP2005246838A (en) * | 2004-03-05 | 2005-09-15 | Ricoh Co Ltd | Image formation device and system, program and recording medium |
JP4476711B2 (en) * | 2004-06-21 | 2010-06-09 | 株式会社リコー | Abnormality determination apparatus and image forming apparatus |
-
2006
- 2006-06-27 JP JP2006177290A patent/JP4795136B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008008996A (en) | 2008-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5095526B2 (en) | System abnormality confirmation method for state determination system, state determination system, and image forming apparatus | |
JP4476711B2 (en) | Abnormality determination apparatus and image forming apparatus | |
JP4759342B2 (en) | Abnormality determination method and abnormality determination device | |
US8358941B2 (en) | Management device of an image forming apparatus | |
JP4485759B2 (en) | Abnormality occurrence prediction method, state determination apparatus, and image forming apparatus | |
US8531696B2 (en) | Management apparatus, management system, and management method | |
JP2006011174A (en) | Recording body abnormality occurrence predicting device, fixing device, and image forming apparatus | |
JP2010010825A (en) | Image-forming device, state management system of image-forming device, and state discrimination method | |
JP5069971B2 (en) | Image forming apparatus and management system | |
JP4642486B2 (en) | Abnormality determination apparatus and image forming apparatus | |
JP4795136B2 (en) | Abnormality prediction apparatus, image forming apparatus, and maintenance system | |
JP2012063383A (en) | Maintenance aiding device and image forming system | |
JP2012059044A (en) | Maintenance support device | |
JP5958800B2 (en) | Image forming system and latent image carrier replacement time detection method | |
JP2007127899A (en) | Image forming apparatus system | |
JP2013257459A (en) | Abnormality cause identifying device, maintenance execution period prediction system with the same, and abnormality cause identifying method | |
JP2008070800A (en) | Abnormality occurrence predicting system/image forming apparatus | |
JP5618176B2 (en) | State discriminating apparatus and state management system using the same | |
JP5831804B2 (en) | Maintenance support system | |
JP2007256356A (en) | Image forming apparatus | |
JP4642485B2 (en) | Abnormality judgment device | |
JP4681890B2 (en) | Abnormality determination apparatus and image forming apparatus | |
JP4734465B2 (en) | Recording body abnormality occurrence prediction apparatus and image forming apparatus | |
JP2011166427A (en) | Management system for image forming apparatus | |
JP4250075B2 (en) | Image forming apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110405 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110715 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110727 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4795136 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140805 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |