JP7047386B2 - 異常を警告する方法および異常警告システム - Google Patents

Description

本発明は、異常を警告する方法および異常警告システムに関する。

対象物である装置や機器の異常を、自己組織化マップ（Ｓｅｌｆ－ｏｒｇａｎａｉｇｉｎｇ ｍａｐｓ；ＳＯＭ）を用いて検出する種々の技術が提案されている（例えば、下記特許文献１）。自己組織化マップの技術を用いれば、対象物の状態を把握するために検出される信号を表す多次元の検出データを低次元に写像して反映させた正常状態モデルの構築を容易におこなうことができる。そのため、そうした多次元の検出データの分析や評価を、簡易かつ適切におこなうことができ、機器の状態が正常か異常かを判別することができる。

特開２００８－４０６８４号公報

上記特許文献１の技術では、検出データに相当する入力データとニューロンとの乖離度が大きい場合には、常に異常があると判断され、当該入力データは削除されてしまう。そのため、正常な状態にある対象物において、何らかの原因で、偶然、乖離度が大きい入力データが取得されたときにも、対象物に異常があると判断されてしまう可能性がある。また、本来は異常ではないはずの入力データが、常に異常であると判断され続けてしまうように、自己組織化マップが形成されてしまう可能性がある。このように、自己組織化マップを用いて対象物の異常を警告する技術においては、異常の警告が、過誤がなく、より適切に発信されるように、警告の精度を高めることについて、依然として改良の余地がある。

本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態として実現することが可能である。
対象物の正常な状態を示す複数のノードによって規定される自己組織化マップを用いて、前記対象物の異常を警告する方法であって、
前記対象物の駆動によって発生する音および振動のうち少なくとも一方を検出することによって前記対象物の状態を示す検出データを取得し、前記検出データから特徴量を取得する工程と、
前記特徴量と前記特徴量に最も近い前記ノードとの間の距離が、予め定められた異常閾値より小さい前記検出データの少なくとも一部を用いて、前記自己組織化マップの学習をおこなう工程と、
前記距離が前記異常閾値より大きい前記検出データを、記録データとして、記憶部に記憶させる工程と、
前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記対象物の異常を報知する工程と、
を備える、方法。
対象物としての印刷装置の異常を検出する異常警告システムであって、
前記対象物の駆動によって発生する音および振動のうち少なくとも一方を検出することによって現在の前記対象物の状態を示す検出データを出力するセンサーと、
自己組織化マップを規定する前記対象物の正常な状態を示す複数のノードに関する情報と、記録データと、を記憶する記憶部と、
前記対象物の異常を報知する報知部と、
前記ノードに関する情報を用いて構築される前記自己組織化マップと、前記検出データと、を用いて、前記対象物における前記異常を検出し、前記報知部に前記異常を報知させる制御部と、
を備え、
前記制御部は、
前記検出データから取得した特徴量と前記特徴量に最も近い前記ノードとの間の距離と、予め定められた異常閾値より小さい場合には、前記検出データのうちの少なくとも一部を用いて、前記自己組織化マップの学習をおこない、
前記距離が前記異常閾値より大きい場合には、前記検出データを、前記記録データとして前記記憶部に記憶し、
前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記報知部に、前記異常を報知させる、異常警告システム。

［１］本発明の一形態によれば、対象物の正常な状態を示す複数のノードによって規定される自己組織化マップを用いて、前記対象物の異常を警告する方法が提供される。この形態の対象物の異常を警告する方法は、前記対象物の状態を示す検出データを取得し、前記検出データから特徴量を取得する工程と；前記特徴量と前記特徴量に最も近い前記ノードとの間の距離が、予め定められた異常閾値より小さい前記検出データの少なくとも一部を用いて、前記自己組織化マップの学習をおこなう工程と；前記距離が前記異常閾値より大きい前記検出データを、記録データとして、記憶部に記憶させる工程と；前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記対象物の異常を報知する工程と；を備える。
この形態の方法によれば、ノードとの距離が大きい特徴量を有する検出データについては、いったん蓄積し、そうした検出データが繰り返し取得されるような場合に、対象物における異常の発生の可能性が警告される。よって、偶然、発生したにすぎない事象によって、対象物の異常が警告されてしまうことが抑制される。

［２］上記形態の方法は、さらに、正常な状態にあると確認されている前記対象物から得られる前記検出データを用いて、前記自己組織化マップを、予め生成する工程を備えてよい。
この形態の方法によれば、自己組織化マップが対象物の正常な状態を適切に表す基準として予め生成されるため、異常の警告の精度が、より迅速に高められる。

［３］上記形態の方法において、記異常閾値は、予め決められた第２異常閾値より大きい第１異常閾値であり、前記距離が、前記第１異常閾値より小さく、前記第２異常閾値よりも大きい前記検出データについては、前記自己組織化マップの学習に用いることなく破棄してよい。
この形態の方法によれば、対象物における異常の予兆を表す検出データと、自己組織化マップの学習に用いられる正常な検出データと、の間の中間の検出データが破棄されるため、異常と正常との区別をより明確に判別することが可能になる。

［４］上記形態の方法は、報知した前記異常について、許容範囲内か否かの評価の入力をオペレーターから受け付け、前記評価が、前記異常が許容範囲外であるとの評価であった場合には、前記記録データを前記記憶部から削除する工程を備えてよい。
この形態の方法によれば、記録データが、オペレーターの評価を受けることなく破棄されてしまうことが抑制される。

［５］上記形態の方法は、前記評価に応じて、前記異常閾値の値を変更する工程を備えてよい。
この形態の方法によれば、検出データの選別にオペレーターの評価を反映させることができるため、より適切な異常の警告が可能になる。

［６］上記形態の方法において、前記記録データは、前記記憶部に、前記距離に応じて設定された複数の階級ごとに記憶され、前記報知は、少なくとも１つの前記階級において、前記記録データの数が、前記階級ごとに予め設定されている報知閾値以上になったときに実行されてよい。
この形態の方法によれば、階級ごとの記録データの数が示す異常の発生頻度に応じて、より適切な警告が発せられる。

［７］上記形態の方法は、前記異常を報知した前記階級の前記記録データを破棄するとともに、前記異常を報知した前記階級の前記報知閾値を、前記異常を報知する前よりも低減させる工程を備えてよい。
この形態の方法によれば、いったん警告が発信された階級について、異常の発生の警告が早期に実行されるようになる。

［８］上記形態の方法は、報知した前記異常について、許容範囲内か否かの評価の入力をオペレーターから受け付け、前記評価が、前記異常が許容範囲内の異常であるとの評価であった場合に、前記異常を報知するきっかけとなった前記記録データを用いて、前記自己組織化マップの学習をおこなう工程を備えてよい。
この形態の方法によれば、オペレーターが許容範囲の異常と判断した検出データによって、異常の警告が繰り返し発せられることが抑制される。

［９］上記形態の方法において、前記記録データは、前記特徴量に最も近い前記ノードに関連付けられて前記記憶部に記憶され、前記報知は、少なくとも１つの前記ノードにおいて、前記記録データの数が、前記ノードごとに予め設定されているノード閾値以上になったときに実行されてよい。
この形態の方法によれば、ノードごとの異常の検出精度が高められる。

［１０］上記形態の方法において、複数の前記対象物の状態を示す前記検出データを、ひとつのセンサーによって取得してよい。
この形態の方法によれば、複数の対象物についての異常の検出を効率的におこなうことができる。

［１１］上記形態の方法において、前記自己組織化マップは、複数の前記対象物のそれぞれに対して生成されてよい。
この形態の方法によれば、複数の対象物ごとの異常の検出精度を高めることができる。

［１２］上記形態の方法において、前記自己組織化マップは、前記記憶部に不揮発的に記憶されている前記ノードの情報を用いて構築されてよい。
この形態の方法によれば、自己組織化マップの学習を、長期的に継続することが可能になる。

［１３］上記形態の方法において、前記対象物に対するメンテナンスを実施した履歴を表す情報が入力された後に、前記記憶部から前記ノードの情報を読み出して、前記メンテナンスが実施される前の状態の前記自己組織化マップを構築する工程を備えてもよい。
この形態の方法によれば、メンテナンスの後にも、これまでの学習内容が蓄積されている自己組織化マップを継続して使用することができる。よって、自己組織化マップを初期から学習しなおすことによる一時的な異常の検出精度の低下が抑制される。

［１４］上記形態の方法は、前記対象物に対するメンテナンスを実施した履歴を表す情報が入力された後に、前記記憶部における前記ノードの情報を初期化して、前記自己組織化マップを初期化する工程を備えてよい。
この形態の方法によれば、対象物を使用開始直後の初期の状態に戻すようなメンテナンスをおこなった後に、メンテナンス前の状態が反映された不適切な自己組織化マップが用いられ、異常の検出精度が低下してしまうことが抑制される。

［１５］上記形態の方法は、前記メンテナンスが実施された後の前記対象物の状態を示す前記検出データを用いた前記自己組織化マップの学習をおこなう工程を備えてよい。
この形態の方法によれば、メンテナンス後の対象物の状態に適合したより適切な状態の自己組織化マップを得ることができる。

［１６］本発明の他の実施形態は、対象物の異常を警告する異常警告システムとして提供される。この形態の異常警告システムは、現在の前記対象物の状態を示す検出データを出力するセンサーと；自己組織化マップを規定する前記対象物の正常な状態を示す複数のノードに関する情報と、記録データと、を記憶する記憶部と；前記対象物の異常を報知する報知部と；前記ノードに関する情報を用いて構築される前記自己組織化マップと、前記検出データと、を用いて、前記対象物における前記異常を検出し、前記報知部に前記異常を報知させる制御部と；を備える。前記制御部は、前記検出データから取得した特徴量と前記特徴量に最も近い前記ノードとの間の距離と、予め定められた異常閾値より小さい場合には、前記検出データのうちの少なくとも一部を用いて、前記自己組織化マップの学習をおこない；前記距離が前記異常閾値より大きい場合には、前記検出データを、前記記録データとして前記記憶部に記憶し；前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記報知部に、前記異常を報知させる。
この形態の異常警告システムは、ノードとの距離が大きい特徴量を有する検出データについては、いったん蓄積し、そうした検出データが繰り返し取得されるような場合に、対象物における異常の発生の可能性を警告する。よって、偶然、発生したにすぎない事象によって、対象物の異常が警告されてしまうことが抑制される。

上述した本発明の各形態の有する複数の構成要素はすべてが必須のものではなく、上述の課題の一部又は全部を解決するため、あるいは、本明細書に記載された効果の一部又は全部を達成するために、適宜、前記複数の構成要素の一部について、その変更、削除、新たな他の構成要素との差し替え、限定内容の一部削除を行うことが可能である。また、上述の課題の一部又は全部を解決するため、あるいは、本明細書に記載された効果の一部又は全部を達成するために、上述した本発明の一形態に含まれる技術的特徴の一部又は全部を上述した本発明の他の形態に含まれる技術的特徴の一部又は全部と組み合わせて、本発明の独立した一形態とすることも可能である。

本発明は、異常の警告方法や異常警告システム以外の種々の形態で実現することも可能である。例えば、異常の検出方法や検出装置、自己組織化マップの学習方法、センサー信号の解析方法等の形態で実現することができる。また、そうした方法を実現するためのコンピュータープログラム、そのコンピュータープログラムを記録した一時的でない記録媒体等の形態で実現することもできる。

印刷装置の構成を示す概略図。 異常検出部の構成を示す概略ブロック図。 検証部におけるニューラルネットワークの構成を示す模式図。 検証部において構築される自己組織化マップの概念を示す模式図。 異常検出処理のフローを示す説明図。 検出データの検出数の距離ごとの分布の一例を示す説明図。 管理部による記録データの管理方法を説明するための説明図。 管理部による記録データの更新処理のフローを示す説明図。 自己組織化マップの学習に用いる記録データの特定方法の一例を示す説明図。 メンテナンス後の処理のフローを示す説明図。

１．第１実施形態：
図１は、第１実施形態における異常警告システム１０を搭載する印刷装置１００の構成を示す概略図である。印刷装置１００は、媒体ＭＤに液体であるインクを吐出して画像を形成するインクジェットプリンターである。第１実施形態では、媒体ＭＤは印刷用紙である。異常警告システム１０は、印刷装置１００の駆動中の状態を監視し、異常発生の予兆を検出して警告する。以下では、印刷装置１００の印刷機能に関する構成を説明した後、異常警告システム１０の構成を説明する。

印刷装置１００は、制御部１１と、搬送部２０と、印刷ヘッド３０と、を備える。制御部１１は、例えば、中央処理装置（ＣＰＵ）と、主記憶装置（ＲＡＭ）と、を備えるマイクロコンピューターとして構成される。制御部１１は、ＣＰＵがＲＡＭに種々の命令やプログラムを読み込んで実行することによって、種々の機能を発揮する。

制御部１１は、印刷装置１００の印刷処理を制御する機能を有する。制御部１１は、外部から入力された印刷データや、印刷装置１００の操作部（図示は省略）を介して受け付けたユーザーの操作に応じて、搬送部２０による媒体ＭＤの搬送や、印刷ヘッド３０による液滴であるインクの吐出を制御する。本実施形態では、制御部１１は、異常警告システム１０において異常検出処理を実行する異常検出部１５としての機能も有する（後述）。

搬送部２０は、駆動モーター（図示は省略）によって回転する搬送ローラー２１を備える。搬送部２０は、制御部１１の制御下において、搬送ローラー２１を回転させて、搬送ローラー２１上において媒体ＭＤを搬送する。

印刷ヘッド３０は、制御部１１の制御下において、媒体ＭＤの搬送路の上方において、媒体ＭＤの搬送方向である副走査方向に交差する主走査方向ＳＤに往復移動するキャリッジ３０ｃの下面に搭載されている。印刷ヘッド３０は、複数のノズル３１を備えており、制御部１１の制御下において、媒体ＭＤの印刷面に向かって、各ノズル３１からインク滴を吐出して、インクドットを記録する。印刷ヘッド３０は、例えば、ピエゾ素子などのアクチュエーターによる圧力室内のインクへの圧力の印加など、公知の方法によって、圧力室に充填されているインクを、ノズル３１から吐出する。

異常警告システム１０は、対象物における異常の発生の予兆を検出したときに、当該対象物における異常を警告する。本明細書において、「異常の警告」とは、異常の発生の予兆を報知することを意味する。第１実施形態では、異常警告システム１０は、印刷ヘッド３０のノズル３１を対象物として監視し、印刷装置１００のオペレーターに、ノズル３１からのインクの吐出異常を警告する。異常警告システム１０は、上述した異常検出部１５に加えて、センサー５０と、インターフェース部５５と、を備える。

センサー５０は、印刷ヘッド３０に取り付けられている。センサー５０は、例えば、マイクロフォンなどの音センサーによって構成される。センサー５０は、超音波領域の周波数帯域を検出可能な感度を有していることが望ましい。センサー５０は、ノズル３１におけるインクの吐出音を検出可能なように、ノズル３１の近傍に取り付けられている。

ここで、「インクの吐出音」とは、ノズル３１からインクが吐出される際に生じる音全般を意味している。よって、「インクの吐出音」には、例えば、インクの運動によって生じる音や、アクチュエーターの駆動音、印刷ヘッド３０やキャリッジ３０ｃの筐体の振動音などが含まれる。

センサー５０は、インクの吐出音を表す周波数信号ＦＳを異常検出部１５に出力する。センサー５０は、複数のノズル３１からそれぞれインクが吐出される際に発せられるインクの吐出音をまとめて検出する。印刷ヘッド３０が、例えば、一周期の吐出動作において、４種類の異なる駆動信号で駆動する４種類の吐出モードの吐出動作をおこなうとき、当該一周期の吐出動作に対して、センサー５０が出力する周波数信号ＦＳは、下記の数式（１）として表される。

ＦＳ＝Ｎ_１＊Ｓ_１＋Ｎ_２＊Ｓ_２＋Ｎ_３＊Ｓ_３＋Ｎ_４＊Ｓ_４ …（１）
Ｎ_ｎ（ｎ＝１～４）…吐出モードｎでの吐出動作をおこなっているノズルの数
Ｓ_ｎ（ｎ＝１～４）…吐出モードｎにおける一周期の動作で発生する音波
なお、ｎ＝４の吐出モードが、インクを吐出しない動作モードである場合には、Ｎ_４＊Ｓ_４の項は、０である。

インターフェース部５５は、報知部５６と、操作部５８と、を備える。報知部５６は、制御部１１の制御下において、オペレーターに対して、対象物の異常に関する情報を報知する。報知部５６は、例えば、液晶ディスプレイなど、オペレーターに視覚的に情報を報知する表示部によって構成されてもよい。また、報知部５６は、例えば、スピーカーなど、音声によってオペレーターに情報を報知する音声出力部によって構成されてもよい。報知部５６は、表示部と音声出力部の両方によって構成されてもよい。操作部５８は、オペレーターからの操作を受け付け、制御部１１に出力する。操作部５８は、例えば、ボタンや、報知部５６の表示部を兼ねるタッチパネルによって構成されてもよい。

図２は、異常検出部１５の構成を示す概略ブロック図である。異常検出部１５は、記憶部６０と、信号解析部６２と、検証部６４と、学習部６６と、管理部６８と、を備える。記憶部６０は、例えば、ハードディスク装置など、不揮発性の記憶装置によって構成される。記憶部６０には、ノード情報ＮＩと、初期ノード情報ＮＩｓと、記録データＲＤと、が格納されている。ノード情報ＮＩ、初期ノード情報ＮＩｓ、記録データＲＤについては後述する。

信号解析部６２は、センサー５０が出力する周波数信号ＦＳを取得して、検出データＤＤを生成する。本実施形態では、信号解析部６２は、例えば、連続ウェーブレット変換（Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ；ＣＷＴ）によって、周波数信号ＦＳを、時間と周波数と強度とによって三次元的に可視化される検出データＤＤを生成して、検証部６４に出力する。なお、信号解析部６２は、ＣＷＴ以外の方法によって、２次元以上の多次元の検出データＤＤを生成してもよい。

信号解析部６２は、ノズル３１からインクを吐出させる駆動信号が、制御部１１から印刷ヘッド３０に入力されるタイミングに同期して、センサー５０から、駆動信号に応じて予め決められた周期の周波数信号ＦＳを取得する。周波数信号ＦＳは、印刷ヘッド３０の一周期の吐出動作ごとに取得される。上述したように、第１実施形態では、周波数信号ＦＳは、複数のノズル３１のそれぞれからインクが吐出される際に発せられるインクの吐出音を示している。つまり、第１実施形態では、複数の対象物の状態を示す検出データＤＤがひとつのセンサー５０によって取得されていると解釈できる。

検証部６４は、記憶部６０のノード情報ＮＩを用いて自己組織化マップＭＰを構築する。そして、構築した自己組織化マップＭＰを用いて、検出データＤＤが、対象物の正常な状態を示すものであるか、対象物における異常の発生の予兆を示すものであるか、を検証する検証処理を実行する（詳細は後述）。検証部６４は、対象物の正常な状態を示すと判定した検出データＤＤについては、学習データＬＤとして学習部６６に出力する。一方、対象物における通常状態とは異なることを示す検出データＤＤについては、記録データＲＤとして管理部６８に出力する。

学習部６６は、学習データＬＤを用いて、記憶部６０に格納されているノード情報ＮＩを更新する（後述）。ノード情報ＮＩは、自己組織化マップＭＰを規定するノードに関する情報である。記憶部６０にノード情報ＮＩとともに記憶されている初期ノード情報ＮＩｓは、学習部６６による学習がおこなわれる前のノード情報ＮＩの初期データであり、初期状態の自己組織化マップＭＰを規定する情報である。本実施形態では、初期ノード情報ＮＩｓは、正常状態であることが確認されている基準となる印刷装置１００において得られる検出データＤＤに基づいて、工場出荷前に予め準備されている。つまり、本実施形態の異常警告システム１０において実現されている対象物の異常を警告する方法では、正常な状態にあると確認されている対象物から得られる検出データＤＤを用いて自己組織化マップＭＰを予め生成する工程を備えていると解釈される。

管理部６８は、記録データＲＤを管理する。管理部６８は、検証部６４から受け取った記録データＲＤを、記憶部６０に格納する。第１実施形態では、管理部６８によって、記憶部６０の記録データＲＤを分類して管理するためのデータベースが構築されている。管理部６８は、記憶部６０における記録データＲＤの記録状況に基づいて、インターフェース部５５に、オペレーターに対する対象物における異常の発生の可能性の警告を実行させる（後述）。

その他に、管理部６８は、インターフェース部５５を通じて、オペレーターから記録データＲＤについての評価を受け付ける処理を実行する（後述）。また、管理部６８は、インターフェース部５５を通じて、オペレーターから対象物のメンテナンスに関する情報を取得し、取得したメンテナンスの内容に応じた処理を実行する（後述）。

図３および図４を参照して、異常警告システム１０において構築される自己組織化マップＭＰおよび自己組織化マップＭＰを用いた検証部６４による検証処理を説明する。図３は、検証部６４において自己組織化マップＭＰを構築する教師無しの競合学習型ニューラルネットワーク７０（以下、単に「ニューラルネットワーク７０」とも呼ぶ。）を示す模式図である。ニューラルネットワーク７０は、入力層７１と、出力層７２と、の２層によって構成される。

入力層７１のｎ（ｎは２以上の任意の自然数）個のニューロンＮ１を有し、出力層７２は、ｍ（ｍは２以上の任意の自然数）個のニューロンＮ２を有する。入力層７１の各ニューロンＮ１は、出力層７２の各ニューロンＮ２に対して一対多の関係で結合されている。出力層７２の各ニューロンＮ２は、自己組織化マップＭＰの基準点を示し、自己組織化マップＭＰを規定するノードＮＤに相当する。本実施形態では、各ノードＮＤは、自己組織化マップＭＰにおいて対象物の正常な状態の基準を示している。

入力層７１の各ニューロンＮ１と出力層７２の各ニューロンＮ２との間にはそれぞれ、ニューロンＮ１，Ｎ２間の関連度を示す結合度が設定されている。つまり、各ノードＮＤには、入力層７１の各ニューロンＮ１との間の距離に相当する重みベクトルが設定されていると言い換えることができる。重みベクトルは、可変であり、学習部６６によって更新され、上述したノード情報ＮＩとして記憶部６０に不揮発的に記憶される。自己組織化マップＭＰは、各ノードＮＤの重みベクトルの更新が繰り返されることによって、対象物が正常な状態であるときの正常状態モデルとしての精度が高められる。

図４は、異常警告システム１０において構築される自己組織化マップＭＰの概念を示す模式図である。図４では、便宜上、重みベクトルによって規定されるノードＮＤ間の距離が正規化されて示されている。図４には、自己組織化マップＭＰ上において検出データＤＤがマッピングされる位置ＰＰの一例を示す点が図示されている。自己組織化マップＭＰ上では、各ノードＮＤから半径ｒ以内の領域が対象物の状態が正常と判定される正常範囲ＮＭＲである。そして、各ノードＮＤの半径ｒの領域より外側に位置する領域が、通常状態とは異なり、対象物に異常が発生している可能性があると判定される異常範囲ＡＮＲである。図４の例では、異常範囲ＡＮＲは、ノードＮＤを中心とする４つの正常範囲ＮＭＲの領域に囲まれた領域として示されている。

検証部６４による検証処理は次のように実行される。検証部６４は、信号解析部６２（図２）から入力された検出データＤＤの特徴量を取得し、取得した特徴量を入力層７１（図３）に入力する。すると、重みベクトルと当該検出データＤＤとのユークリッド距離が最小であるニューロンＮ２が発火する。そして、当該特徴量を有する検出データＤＤが、発火したニューロンＮ２に対応するノードＮＤを基準として、自己組織化マップＭＰ上においてマッピングされる（図４の位置ＰＰ）。

検証部６４は、自己組織化マップＭＰ上において検出データＤＤがマッピングされた位置ＰＰと、マッピングされた位置ＰＰに最も近いノードＮＤ（発火したニューロンＮ２）との距離Ｄを求める。そして、最も近いノードＮＤとの距離Ｄと、当該ノードＮＤごとに定めされている異常閾値である第１異常閾値Ｔｈａと、を比較する。第１異常閾値Ｔｈａは、図４での半径ｒに相当する値である。検証部６４は、距離Ｄが、第１異常閾値Ｔｈａ以下の場合には、検出データＤＤは正常範囲ＮＭＲに属し、第１異常閾値Ｔｈａより大きい場合には、検出データＤＤは異常範囲ＡＮＲに属する、と判定する。

図５は、異常警告システム１０において異常検出部１５が実行する異常検出処理のフローを示す説明図である。印刷装置１００では、異常警告システム１０は、印刷ヘッド３０において、インクの吐出動作が実行されるたびに、異常検出処理を繰り返し実行する。ステップＳ１０では、信号解析部６２（図２）によって、センサー５０が出力する周波数信号ＦＳから、検出データＤＤが取得される。

ステップＳ２０では、上述した検証部６４による検証処理が実行される。検証部６４は、検出データＤＤの特徴量を取得する。そして、自己組織化マップＭＰを用いて、検出データＤＤの特徴量に最も近いノードＮＤとの距離Ｄを求め、距離Ｄと異常閾値とを比較する（図４）。本実施形態では、異常閾値として、上述した第１異常閾値Ｔｈａの他にも、第２異常閾値Ｔｈｂが設定されている。第１異常閾値Ｔｈａは、第２異常閾値Ｔｈｂよりも大きい。検証部６４は、２つの異常閾値Ｔｈａ，Ｔｈｂを用いて、検出データＤＤを、以下のように分類する。

図６を参照して、２つの異常閾値Ｔｈａ，Ｔｈｂを用いた検出データＤＤを分類する処理を説明する。図６には、ある一定の期間において検出される検出データＤＤの検出数の距離Ｄごとの分布の一例を示すグラフが図示されている。

検証処理では、距離Ｄが第１異常閾値Ｔｈａ以下の検出データＤＤは、上述したように、正常範囲ＮＭＲに属すると判定される。そして、正常範囲ＮＭＲに属する検出データＤＤのうち、距離Ｄが、第２異常閾値Ｔｈｂより小さいものについては、異常度が「小」として分類され、第１異常閾値Ｔｈａ以下で、かつ、第２異常閾値Ｔｈｂより大きいものについては、異常度が「中」として分類される。距離Ｄが第１異常閾値Ｔｈａより大きい検出データＤＤは、上述したように、異常範囲ＡＮＲに属すると判定され、異常度が「大」として分類される。

正常範囲ＮＭＲに属すると判定された検出データＤＤのうちで、異常度が「小」の検出データＤＤは、学習データＬＤとして学習部６６（図２）に出力され、自己組織化マップＭＰの学習に用いられる。異常度が「中」の検出データＤＤについては、後述するステップＳ３５（図５）において破棄される。異常範囲ＡＮＲに属すると判定された異常度が「大」の検出データＤＤは、記録データＲＤとして管理部６８（図２）に出力される。このとき、管理部６８には、記録データＲＤとともに、各記録データＲＤに対して求められた距離Ｄも出力される。

ステップＳ３０（図５）では、学習部６６は、検証部６４から受け取った学習データＬＤを用いて、自己組織化マップＭＰの学習をおこなう。学習部６６は、当該検出データＤＤから求められる距離Ｄが小さくなるように、ノード情報ＮＩに含まれるノードＮＤの重みベクトルを更新する。

ステップＳ３５では、正常範囲ＮＭＲに属すると判定された検出データＤＤが破棄される。具体的には、学習部６６が、自己組織化マップＭＰの学習に使用済みの学習データＬＤを破棄し、検証部６４が、異常度を「中」として分類し、自己組織化マップＭＰの学習に用いなかった検出データＤＤを破棄する。このように、異常度が「中」の検出データＤＤを学習に用いることなく破棄し、異常度が「小」の検出データＤＤのみを用いて自己組織化マップＭＰを学習する処理が繰り返されることによって、自己組織化マップＭＰにおける正常と異常の区分がより明確になる。

ステップＳ４０では、管理部６８は、検証部６４から受け取った異常度が「大」の記録データＲＤを、記憶部６０に記憶させる。

図７を参照して、管理部６８による記録データＲＤの管理方法を説明する。管理部６８は、各記録データＲＤを、距離Ｄに応じて予め設定されている複数の階級Ｒ_ｍ（ｍは任意の自然数）ごとに記憶させる。第１実施形態では、階級Ｒ_ｍは、距離Ｄを等間隔で区分するように設定されている。管理部６８は、記憶部６０に記憶されている各階級Ｒ_ｍごとの記録データＲＤの個数をカウントしている。管理部６８は、各記録データＲＤを、図示されているようなヒストグラムによって管理していると解釈することができる。

異常警告システム１０は、記憶部６０に記憶されている記録データＲＤの数が、予め決められた個数に到達したときに、対象物の異常を報知する。第１実施形態では、異常警告システム１０は、各階級Ｒ_ｍごとにカウントした記録データＲＤの数が、予め決められた個数に到達したときに対象物の異常を報知する。管理部６８は、各階級Ｒ_ｍごとに、予め決められた個数に相当する報知閾値ＮＴ_ｍを設定している。管理部６８は、少なくとも一つの階級Ｒ_ｉ（ｉはｍ以下の任意の自然数）において、記録データＲＤの数が、当該階級Ｒ_ｉの報知閾値ＮＴ_ｉに到達したときに、インターフェース部５５の報知部５６を通じて、対象物における異常の発生の可能性を警告する（図５のステップＳ６０）。管理部６８は、警告とともに、オペレーターに対して、対象物の検査を促すメッセージを報知する。

ステップＳ７０では、管理部６８は、インターフェース部５５の操作部５８を通じて、オペレーターによる報知された異常の警告に対する評価を受け付ける。本実施形態では、次の３段階の評価を受け付ける。
（ｉ）警告された異常が、印刷装置１００の駆動に支障をきたすような許容範囲外のものであり、警告は妥当である。
（ｉｉ）警告された異常が、印刷装置１００の駆動に支障をきたさないような許容範囲内のものであり、警告は妥当ではない。
（ｉｉｉ）現時点では、異常の原因がわからず、警告の妥当性は不明である（未決）。

この評価は、例えば、報知部５６を構成する表示部に上記（ｉ）～（ｉｉｉ）の評価項目を表示し、操作部５８を通じて当該評価項目からのユーザーの選択を受け付けることによってなされる。ステップＳ８０では、管理部６８は、オペレーターによって入力された評価結果に応じて、記憶部６０に記憶されている記録データＲＤを処理する記録データＲＤの更新処理を実行する。記録データＲＤの更新処理については、次に説明する。以上の工程によって、異常検出部１５による異常検出処理が完了する。

図８は、管理部６８による記録データＲＤの更新処理のフローを示す説明図である。オペレーターが、警告が妥当であると評価した場合には（ステップＳ１００のＹＥＳ）、適正に学習された自己組織化マップＭＰによって適切に警告がなされたものとして、管理部６８は、記憶部６０の全記録データＲＤを削除する（ステップＳ１１０）。これによって、記憶部６０が記憶しているデータ量を低減できる。また、警告の判定に、古い記録データＲＤの履歴が影響してしまうことを抑制できる。

ステップＳ１１５では、管理部６８は、異常を警告した階級Ｒ_ｉにおける報知閾値ＮＴｉを低減させる。これによって、いったん警告が発信された階級Ｒ_ｉについて、異常の発生の警告が早期に実行されるようになる。

オペレーターが警告は妥当ではないと評価した場合には（ステップＳ１００のＮＯ）、警告のきっかけとなった記録データＲＤについては、今後、通常状態とは異なることを示す検出データＤＤとして判定されにくくなるように自己組織化マップＭＰを学習させる。まず、管理部６８は、許容範囲内の異常を示す警告が発せられることを抑制するための自己組織化マップＭＰの学習の可否を判定する（ステップＳ１２０）。

ここで、自己組織化マップＭＰの学習が可能な場合とは、自己組織化マップＭＰに学習させるべき記録データＲＤを特定できる場合である。つまり、他の記録データＲＤとは著しく異なる傾向を有し、警告のきっかけとなった可能性を有する記録データＲＤを特定できる場合である。例えば、警告が発せられた時点において、距離Ｄごとに記録データＲＤの記録数を比較したときに、他よりも顕著に多い記録数を有する記録データＲＤを特定できる場合であるとしてもよい。これに対して、自己組織化マップＭＰの学習ができない場合とは、自己組織化マップＭＰに学習させるべき記録データＲＤを特定できない場合である。例えば、距離Ｄごとの記録データＲＤの記録数の差が予め決められた範囲内に収まり、距離Ｄごとの記録データＲＤの間で顕著な差がない場合である。

図９は、自己組織化マップＭＰの学習の可否判定および自己組織化マップＭＰの学習に用いる記録データＲＤの特定方法の一例を示す説明図である。管理部６８は、距離Ｄごとの記録データＲＤの分布において、記録データＲＤの記録数が、予め決められたピーク閾値Ｐを越える記録データＲＤが検出されたときに、自己組織化マップＭＰの学習が可能なケースであると判定する（図８におけるステップＳ１２０の「可」の矢印）。管理部６８は、ピーク閾値Ｐを越える数が記録されている距離Ｄｐの記録データＲＤが、今回の警告のきっかけとなった記録データＲＤであると特定する。

さらに、管理部６８は、当該記録データＲＤの距離Ｄｐの前後において、予め設定された記録数ＮＲを超えている記録データＲＤのグループ（距離Ｄａ～Ｄｐの記録データＲＤのグループ）を学習範囲のデータとして特定する。記録数ＮＲは、例えば、記憶部６０に記録可能な記録データＲＤの最大値の１／２の値としてもよい。学習部６６は、そのグループに含まれる記録データＲＤを記憶部６０から読み込み、自己組織化マップＭＰの学習をおこない、ノード情報ＮＩを更新する（図８のステップＳ１３０）。

このように、異常警告システム１０では、警告のきっかけとなったものの、オペレーターが許容範囲であるとみした記録データＲＤを用いて、自己組織化マップＭＰが学習される。そして、異常範囲ＡＮＲに属すると判定された記録データＲＤを用いた学習により、ノードＮＤの重みベクトルが更新されるため、警告の繰り返しが低減される。なお、ステップＳ１３０では、管理部６８は、学習に用いた使用済みの記録データＲＤを記憶部６０から削除する。

ステップＳ１４０（図８）は、記憶部６０に現在記憶されている記録データＲＤについて、検証部６４が、現在の自己組織化マップＭＰを用いて再検証する処理である。ステップＳ１４０は、ステップＳ１２０において、自己組織化マップＭＰの学習ができないと判定された場合（「否」の矢印）、または、ステップＳ１３０において、自己組織化マップＭＰの学習が完了した場合に実行される。

検証部６４は、現在、記憶部６０に残っている記録データＲＤの全てについて、図５のステップＳ２０で説明したのと同様な方法で検証し、記録データＲＤの中に、現在の自己組織化マップＭＰの学習に用いることができるものが含まれているか否かを判定する。検証部６４は、学習に用いることができると判定した記録データＲＤが抽出された場合には、当該記録データＲＤを学習データＬＤとして、学習部６６に出力する。学習部６６は、学習データＬＤを用いた自己組織化マップＭＰの学習をおこなう（ステップＳ１５０）。

ステップＳ１６０では、管理部６８は、記憶部６０に残っている全ての記録データＲＤを削除する。これによって、記憶部６０が記憶しているデータ量を低減できる。また、異常検出処理における警告の判定（図５のステップＳ５０）に、古い記録データＲＤの履歴が影響してしまうことを抑制できる。以上の工程によって、記録データＲＤの更新処理が完了する。

図１０は、ノズル３１のメンテナンス後に実行される処理のフローを示す説明図である。異常検出部１５の管理部６８（図２）は、印刷装置１００が駆動している間には、随時、オペレーターから、ノズル３１のメンテナンス作業を実行したとの入力を、操作部５８を通じて受け付ける（ステップＳ２００）。異常検出部１５は、オペレーターから、対象物のメンテナンスを実施した履歴を表す情報の入力がされた場合には、報知部５６を通じて、オペレーターに対して、自己組織化マップＭＰの刷新の必要性を問い合わせる（ステップＳ２１０）。

自己組織化マップＭＰの刷新が必要な場合とは、例えば、部品の交換を伴うメンテナンスがおこなわれて、対象物の駆動状態が著しく変化したような場合や、工場出荷時の状態へと回復されたような場合である。また、自己組織化マップＭＰの刷新が不要な場合とは、例えば、メンテナンスの内容が部品の軽微な調整やクリーニングなどにすぎず、メンテナンス前後において、対象物の駆動状態に著しい変化が生じていないような場合である。

オペレーターが、操作部５８を通じて、自己組織化マップＭＰの刷新は不要と回答した場合には（ステップＳ２１０のＮＯの矢印）、管理部６８は、検証部６４に、メンテナンス実施前の状態の自己組織化マップＭＰの使用を継続させる（ステップＳ２２０）。管理部６８は、検証部６４に、メンテナンス前に記録されたノード情報ＮＩを読み込ませて、メンテナンス実施前の状態の自己組織化マップＭＰを構築させる。これによって、メンテナンス後に、自己組織化マップＭＰを初期状態から学習しなおさせることによる一時的な異常の検出精度の低下が抑制される。

オペレーターが、操作部５８を通じて、自己組織化マップＭＰの刷新が必要と回答した場合には（ステップＳ２１０のＹＥＳの矢印）、管理部６８は、検証部６４に、現在の自己組織化マップＭＰを初期化させる（ステップＳ２３０）。管理部６８は、現在の記憶部６０のノード情報ＮＩを破棄し、検証部６４に、初期ノード情報ＮＩｓを用いて自己組織化マップＭＰを再構築させる。これによって、メンテナンス前の対象物の状態を表している自己組織化マップＭＰがメンテナンス後の対象物の状態に適合していないことによる異常の検出精度の一時的な低下が抑制される。

続くステップＳ２４０では、異常検出部１５は、印刷ヘッド３０にテストのためのインクの吐出を実行させ、テストで得られたメンテナンス後の対象物の状態を表す検出データＤＤを用いて、自己組織化マップＭＰの学習を実行する。テスト駆動が実施されることによって、メンテナンス後の対象物の正常な状態に適合したより適切な状態の自己組織化マップＭＰを、より短期間で得ることができるため、効率的である。なお、テスト駆動を実施することにより得られた自己組織化マップＭＰは、初期ノード情報ＮＩｓとして記憶部６０に記憶されてもよい。

以上のように、本実施形態の印刷装置１００によれば、自己組織化マップＭＰを用いた異常警告システム１０によって、ノズル３１からのインクの吐出異常の警告がより適切になされる。また、本実施形態の異常警告システム１０によれば、自己組織化マップＭＰの学習によって、対象物の正常な状態が逐次、更新されるため（図５のステップＳ３０）、対象物における許容範囲の経年変化などを反映させた適切な異常の警告が可能になる。また、本実施形態の異常警告システム１０は、通常とは異なると判断された検出データＤＤについては、いったん、記録データＲＤとして蓄積し、通常とは異なると判断される検出データＤＤが繰り返し取得されるような場合に、対象物における異常の発生の可能性をオペレーターに警告する（図５のステップＳ４０～Ｓ６０）。従って、偶然、発生したにすぎない事象によって生じた検出データＤＤをきかっけとして、対象物の異常が警告されてしまうことが抑制される。

本実施形態の異常警告システム１０では、正常な状態にあると確認されている対象物から得られる検出データＤＤを用いて作成された初期ノード情報ＮＩｓ（図２）に基づく自己組織化マップＭＰが、工場出荷時の時点で予め生成されている。このため、異常についての高い検出精度が自己組織化マップＭＰの学習開始直後から実現される。

本実施形態の異常警告システム１０では、最も近いノードＮＤからの距離Ｄが、第１異常閾値Ｔｈａより小さく、第２異常閾値Ｔｈｂよりも大きい検出データＤＤについては破棄される（図５のステップＳ２０～Ｓ３５，図６）。そのため、自己組織化マップＭＰに反映されるべき検出データＤＤと、記憶部６０に記憶される通常状態とは異なることを示す検出データＤＤと、の間の境界が明確にわかれるように、自己組織化マップＭＰが学習される。よって、検出データＤＤについて、異常と正常との区別をより明確に判別することが可能になる。

本実施形態の異常警告システム１０では、報知した異常について、許容範囲内か否かの評価の入力をオペレーターから受け付ける（図５のステップＳ７０）。そして、オペレーターの評価が、許容範囲外であるとの評価であった場合には、記録データＲＤが記憶部６０から削除される（図８のステップＳ１１０）。これによって、オペレーターの評価を受けることなく記録データＲＤが破棄されることが抑制されるため、異常の警告に、オペレーターの判断を反映させることができる。

本実施形態の異常警告システム１０では、記録データＲＤは、記憶部６０において距離Ｄに応じて設定された階級Ｒ_ｍごとに記憶される（図７）。そして、少なくとも１つの階級Ｒ_ｍにおいて、記録データＲＤの数が、報知閾値ＮＴ_ｍ以上になったときに実行される（図５のステップＳ５０，Ｓ６０）。そのため、距離Ｄごとの記録データＲＤの異常の発生頻度に応じたより適切な警告の報知が可能である。

本実施形態の異常警告システム１０では、異常の警告に対して、オペレーターから許容範囲内のものであり、警告は妥当ではないとの評価を受けた場合には、異常を報知するきっかけとなった記録データＲＤを用いて、自己組織化マップＭＰが学習される（図８のステップＳ１３０）。オペレーターが許容できると判断した範囲に属する検出データＤＤによって自己組織化マップＭＰが学習されるため、異常の警告が繰り返し発せられることが抑制される。

本実施形態の異常警告システム１０では、ひとつのセンサー５０によって、複数のノズル３１の状態をまとめて示す検出データＤＤが取得されている。そのため、複数の対象物についての異常が、効率的に検出される。特に、本実施形態では、センサー５０に対する距離が異なる複数のノズル３１におけるインクの吐出音を、ひとつのセンサー５０によってまとめて検出することができるため、印刷ヘッド３０の大型化や、印刷装置１００の構成の複雑化、それらの製造コストの増大を、より効果的に抑制することができる。

本実施形態の異常警告システム１０では、自己組織化マップＭＰを構築するためのノード情報ＮＩが、記憶部６０に不揮発的に記憶されており、自己組織化マップＭＰは、記憶部６０に不揮発的に記憶されていると解釈される。これによって、異常警告システム１０に対する電力供給が遮断された場合でも、自己組織化マップＭＰの消失が防がれるため、長期的に継続することが可能になる。

その他に、本実施形態の異常警告システム１０や、異常警告システム１０において実現されている異常を警告する方法、異常警告システム１０を備える印刷装置１００によれば、本実施形態中で説明した種々の作用効果を奏することができる。

２．他の実施形態：
上記の各実施形態で説明した種々の構成は、例えば、以下のように変形することが可能である。以下に説明する変形例はいずれも、発明を実施するための形態の一例として位置づけられる。

２－１．他の実施形態１：
上記の第１実施形態では、異常警告システム１０は、印刷装置１００に搭載されていなくてもよい。異常警告システム１０は、例えば、印刷装置１００以外の液体噴射装置や、他の装置に搭載されてもよいし、対象物を備える装置とは別体の装置として構成されていてもよい。また、異常警告システム１０が監視する対象物は、ノズル３１に限定されることはない。異常警告システム１０が監視する対象物は、印刷装置１００における搬送部２０や他の構成部であってもよい。その他に、異常警告システム１０が監視する対象物は、例えば、エンジンや、アクチュエーター、ギヤ、プーリー、ローラーなど、駆動中に音や振動、その他の運動を伴うものであってよい。

２－２．他の実施形態２：
上記の第１実施形態では、異常警告システム１０のセンサー５０は、ノズル３１の吐出音を検出するマイクロフォンによって構成されている。これに対して、センサー５０は、ノズル３１におけるインクの吐出に伴う振動を検出する振動センサーによって構成されてもよい。また、センサー５０は、ノズル３１から吐出されたインクを光学的に検出する光学センサーによって構成されていてもよい。このように、センサー５０としては、対象物の駆動状態を検出可能なセンサーであれば、種類が限定されることはない。

２－３．他の実施形態３：
上記の第１実施形態では、ひつつのセンサー５０によってまとめて検出されたインクの吐出音を表す検出データＤＤによって、複数のノズル３１を対象物とする単一の自己組織化マップＭＰが生成されている。これに対して、センサー５０によってまとめて検出されたインクの吐出音を表す検出データＤＤによって、各ノズル３１ごとに自己組織化マップＭＰが生成される構成が採用されてもよい。この構成によれば、対象物ごとに、異常の検出をより適切におこなうことが可能になる。センサー５０は、複数のノズル３１に対して一つ以上設けられてよい。センサー５０は、ノズル３１ごとにセンサー５０が一対一で設けられていてもよい。また、第１実施形態においては、２以上、かつ、ノズル３１の数より少ない個数のセンサー５０が設けられていてもよい。

２－４．他の実施形態４：
上記の第１実施形態では、初期ノード情報ＮＩｓは、正常な状態にあると確認されている対象物から得られる検出データＤＤを用いて生成されている。これに対して、初期ノード情報ＮＩｓは、例えば、乱数処理によって生成されるランダムな情報に基づいて生成されていてもよい。

２－５．他の実施形態５：
上記の第１実施形態では、異常閾値として、第１異常閾値Ｔｈａと第２異常閾値Ｔｈｂとを用いて、３種類の異常度で検出データＤＤを分類している。これに対して、第２異常閾値Ｔｈｂは設定されていなくてもよく、検出データＤＤは、第１異常閾値Ｔｈａによって、正常範囲ＮＭＲと異常範囲ＡＮＲのいずれに属するかが判定されるのみでもよい。

２－６．他の実施形態６：
上記の第１実施形態において、異常の警告についてオペレーターからの評価を受け付ける処理（図５のステップＳ７０）は省略されてもよい。また、オペレーターの評価に応じた記録データＲＤの更新処理（図５のステップＳ８０，図８）が省略されてもよい。記録データＲＤは、例えば、先入れ先出し法により、古いデータから順に消去されていってもよい。

２－７．他の実施形態７：
上記の第１実施形態の異常検出処理（図５）において、異常の警告についてのオペレーターから評価が入力された後（ステップＳ７０）、オペレーターの評価に応じて異常閾値Ｔｈａ，Ｔｈｂの値を変更する処理が実行されてもよい。例えば、警告された異常が許容範囲内であると評価された場合には、第１異常閾値Ｔｈａを大きくして、正常範囲ＮＭＲを広げる処理が実行されてもよい。警告された異常が許容範囲外の異常であると評価された場合に、第１異常閾値Ｔｈａを小さくして、異常範囲ＡＮＲを広げる処理が実行されてもよい。

２－８．他の実施形態８：
上記の第１実施形態では、記録データＲＤは、記憶部６０において、階級Ｒ_ｍごとに記録されている。これに対して、記録データＲＤは、階級Ｒ_ｍごとに記録されていなくてもよく、例えば、距離Ｄごとに記録されていてもよい。また、記録データＲＤは、最も近いノードＮＤと関連付けられて、ノードＮＤごとに記録されてもよい。ノードＮＤごとに記録データＲＤを記録する場合には、少なくとも１つのノードＮＤについての記録データＲＤの数が、ノードＮＤごとに予め設定されている報知閾値以上になったときに、対象物の異常が警告される構成が採用されてもよい。ノードＮＤごとに対象物の異常が警告される構成によれば、オペレーターは、各ノードＮＤごとに異常の予兆を知ることができる。よって、オペレーターが、ノードＮＤごとに対応付けられた異常の種類を把握できていれば、ノードＮＤごとに発せられる警告によって、異常の種類まで特定することができる。

２－９．他の実施形態９：
上記の第１実施形態では、ノード情報ＮＩは、記憶部６０に不揮発的に記憶されている。これに対して、ノード情報ＮＩは、不揮発的に記憶されていなくてもよい。上記の第１実施形態において説明したノズル３１に対するメンテナンスが実施された後の処理（図１０）は省略されてもよい。

２－１０．他の実施形態１０：
上記の第１実施形態のメンテナンス後の処理（図１０）では、対象物に対してメンテナンスが実施された履歴を表す情報は、オペレーターによって管理部６８に入力されている（ステップＳ２００）。これに対して、対象物に対してメンテナンスが実施された履歴を表す情報は、対象物に対するメンテナンスを感知可能なセンサーによって管理部６８に入力されてもよい。例えば、対象物と駆動電源との導通状態を感知するセンサーによって、導通状態が遮断されたときに、対象物に対してメンテナンスが実施された履歴を表す情報が、管理部６８に入力されてもよい。メンテナンス後の処理のステップＳ２１０においても、同様に、管理部６８が、種々のセンサーの出力信号を用いて、メンテナンスの内容が自己組織化マップＭＰの刷新が必要なものか否を判定してもよい。

２－１１．他の実施形態１１：
上記実施形態において、ソフトウェアによって実現された機能及び処理の一部又は全部は、ハードウェアによって実現されてもよい。また、ハードウェアによって実現された機能及び処理の一部又は全部は、ソフトウェアによって実現されてもよい。ハードウェアとしては、例えば、集積回路、ディスクリート回路、または、それらの回路を組み合わせた回路モジュールなど、各種回路を用いることができる。上記の各実施形態において、制御部１１が、そうした回路によって構成されてもよい。また、制御部１１は、複数のプロセッサーによって構成されてもよい。

本発明は、上述の実施形態や実施例、変形例に限られるものではなく、その趣旨を逸脱しない範囲において種々の構成で実現することができる。例えば、発明の概要の欄に記載した各形態中の技術的特徴に対応する実施形態、実施例、変形例中の技術的特徴は、上述の課題の一部又は全部を解決するために、あるいは、上述の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須ではないと説明されているものに限らず、その技術的特徴が本明細書中に必須であると説明されていなければ、適宜、削除することが可能である。

１０…異常警告システム、１１…制御部、１５…異常検出部、２０…搬送部、２１…搬送ローラー、３０…印刷ヘッド、３０ｃ…キャリッジ、３１…ノズル、５０…センサー、５５…インターフェース部、５６…報知部、５８…操作部、６０…記憶部、６２…信号解析部、６４…検証部、６６…学習部、６８…管理部、７０…ニューラルネットワーク、７１…入力層、７２…出力層、１００…印刷装置、ＡＮＲ…異常範囲、Ｄ，Ｄａ，Ｄｂ，Ｄｐ…距離、ＤＤ…検出データ、ＦＳ…周波数信号、ＬＤ…学習データ、ＭＤ…媒体、ＭＰ…自己組織化マップ、Ｎ１…ニューロン、Ｎ２…ニューロン、ＮＤ…ノード、ＮＩ…ノード情報、ＮＩｓ…初期ノード情報、ＮＭＲ…正常範囲、ＮＲ…記録数、ＮＴ_ｍ…報知閾値、Ｐ…ピーク閾値、ＰＰ…位置、ＲＤ…記録データ、Ｒ_ｍ…階級、ＳＤ…主走査方向、Ｔｈａ…第１異常閾値、Ｔｈｂ…第２異常閾値

Claims (18)

1. 対象物の正常な状態を示す複数のノードによって規定される自己組織化マップを用いて、前記対象物の異常を警告する方法であって、
   前記対象物の駆動によって発生する音および振動のうち少なくとも一方を検出することによって前記対象物の状態を示す検出データを取得し、前記検出データから特徴量を取得する工程と、
   前記特徴量と前記特徴量に最も近い前記ノードとの間の距離が、予め定められた異常閾値より小さい前記検出データの少なくとも一部を用いて、前記自己組織化マップの学習をおこなう工程と、
   前記距離が前記異常閾値より大きい前記検出データを、記録データとして、記憶部に記憶させる工程と、
   前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記対象物の異常を報知する工程と、
   を備える、方法。
2. 対象物の正常な状態を示す複数のノードによって規定される自己組織化マップを用いて、前記対象物の異常を警告する方法であって、
   前記対象物の状態を示す検出データを取得し、前記検出データから特徴量を取得する工程と、
   前記特徴量と前記特徴量に最も近い前記ノードとの間の距離が、予め定められた異常閾値より小さい前記検出データの少なくとも一部を用いて、前記自己組織化マップの学習をおこなう工程と、
   前記距離が前記異常閾値より大きい前記検出データを、記録データとして、記憶部に記憶させる工程と、
   前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記対象物の異常を報知する工程と、
   を備え、
   前記記録データは、前記記憶部に、前記距離に応じて設定された複数の階級ごとに記憶され、
   前記報知は、少なくとも１つの前記階級において、前記記録データの数が、前記階級ごとに予め設定されている報知閾値以上になったときに実行される、方法。
3. 請求項２記載の方法であって、さらに、
   前記異常を報知した前記階級の前記記録データを破棄するとともに、前記異常を報知した前記階級の前記報知閾値を、前記異常を報知する前よりも低減させる工程を備える、方法。
4. 請求項２または請求項３記載の方法であって、さらに、
   報知した前記異常について、許容範囲内か否かの評価の入力をオペレーターから受け付け、前記評価が、前記異常が許容範囲内の異常であるとの評価であった場合に、前記異常を報知するきっかけとなった前記記録データを用いて、前記自己組織化マップの学習をおこなう工程を備える、方法。
5. 対象物の正常な状態を示す複数のノードによって規定される自己組織化マップを用いて、前記対象物の異常を警告する方法であって、
   前記対象物の状態を示す検出データを取得し、前記検出データから特徴量を取得する工程と、
   前記特徴量と前記特徴量に最も近い前記ノードとの間の距離が、予め定められた異常閾値より小さい前記検出データの少なくとも一部を用いて、前記自己組織化マップの学習をおこなう工程と、
   前記距離が前記異常閾値より大きい前記検出データを、記録データとして、記憶部に記憶させる工程と、
   前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記対象物の異常を報知する工程と、
   を備え、
   前記記録データは、前記特徴量に最も近い前記ノードに関連付けられて前記記憶部に記憶され、
   前記報知は、少なくとも１つの前記ノードについての前記記録データの数が、前記ノードごとに予め設定されている報知閾値以上になったときに実行される、方法。
6. 請求項１、請求項２、および請求項５のいずれか一項に記載の方法であって、さらに、
   正常な状態にあると確認されている前記対象物から得られる前記検出データを用いて、前記自己組織化マップを、予め生成する工程を備える、方法。
7. 請求項１、請求項２、および請求項５のいずれか一項に記載の方法であって、
   前記異常閾値は、予め決められた第２異常閾値より大きい第１異常閾値であり、
   前記距離が、前記第１異常閾値より小さく、前記第２異常閾値よりも大きい前記検出データについては、前記自己組織化マップの学習に用いることなく破棄する、方法。
8. 請求項１、請求項２、および請求項５のいずれか一項に記載の方法であって、さらに、
   報知した前記異常について、許容範囲内か否かの評価の入力をオペレーターから受け付け、前記評価が、前記異常が許容範囲外であるとの評価であった場合には、前記記録データを前記記憶部から削除する工程を備える、方法。
9. 請求項８記載の方法であって、さらに、
   前記評価に応じて、前記異常閾値の値を変更する工程を備える、方法。
10. 請求項１から請求項５のいずれか一項に記載の方法であって、
    複数の前記対象物の状態を示す前記検出データを、ひとつのセンサーによって取得する、方法。
11. 請求項１から請求項５のいずれか一項に記載の方法であって、
    前記自己組織化マップは、複数の前記対象物のそれぞれに対して生成される、方法。
12. 請求項１から請求項１１のいずれか一項に記載の方法であって、
    前記自己組織化マップは、前記記憶部に不揮発的に記憶されている前記ノードの情報を用いて構築される、方法。
13. 請求項１２記載の方法であって、さらに、
    前記対象物に対するメンテナンスを実施した履歴を表す情報が入力された後に、前記記憶部から前記ノードの情報を読み出して、前記メンテナンスが実施される前の状態の前記自己組織化マップを構築する工程を備える、方法。
14. 請求項１２記載の方法であって、さらに、
    前記対象物に対するメンテナンスを実施した履歴を表す情報が入力された後に、前記記憶部における前記ノードの情報を初期化して、前記自己組織化マップを初期化する工程を備える、方法。
15. 請求項１４記載の方法であって、さらに、
    前記自己組織化マップを初期化した後に、前記メンテナンスが実施された後の前記対象物の状態を示す前記検出データを用いた前記自己組織化マップの学習をおこなう工程を備える、方法。
16. 対象物としての印刷装置の異常を検出する異常警告システムであって、
    前記対象物の駆動によって発生する音および振動のうち少なくとも一方を検出することによって現在の前記対象物の状態を示す検出データを出力するセンサーと、
    自己組織化マップを規定する前記対象物の正常な状態を示す複数のノードに関する情報と、記録データと、を記憶する記憶部と、
    前記対象物の異常を報知する報知部と、
    前記ノードに関する情報を用いて構築される前記自己組織化マップと、前記検出データと、を用いて、前記対象物における前記異常を検出し、前記報知部に前記異常を報知させる制御部と、
    を備え、
    前記制御部は、
    前記検出データから取得した特徴量と前記特徴量に最も近い前記ノードとの間の距離と、予め定められた異常閾値より小さい場合には、前記検出データのうちの少なくとも一部を用いて、前記自己組織化マップの学習をおこない、
    前記距離が前記異常閾値より大きい場合には、前記検出データを、前記記録データとして前記記憶部に記憶し、
    前記記憶部に記憶されている前記記録データの数が、予め決められた個数に到達したときに、前記報知部に、前記異常を報知させる、異常警告システム。
17. 請求項１６記載の異常警告システムであって、
    前記記録データは、前記記憶部に、前記距離に応じて設定された複数の階級ごとに記憶され、
    前記報知は、少なくとも１つの前記階級において、前記記録データの数が、前記階級ごとに予め設定されている報知閾値以上になったときに実行される、異常警告システム。
18. 請求項１６記載の異常警告システムであって、
    前記記録データは、前記特徴量に最も近い前記ノードに関連付けられて前記記憶部に記憶され、
    前記報知は、少なくとも１つの前記ノードについての前記記録データの数が、前記ノードごとに予め設定されている報知閾値以上になったときに実行される、異常警告システム。

Images