JPH04273540A - 故障診断方法及び装置 - Google Patents

Abstract

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

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は装置の構造と動作を持っ
たモデルに基づく故障診断の技術に関するものである。

【０００２】

【従来の技術】従来、モデルに基づく故障診断は「　Ｒ
ａｎｄａｌｌ　Ｄａｖｉｓ，　Ｗａｌｔｅｒ　Ｈａｍｓ
ｃｈｅｒ，　Ｍｏｄｅｌ−ｂａｓｅｄ　Ｒｅａｓｏｎｉ
ｎｇ：　Ｔｒｏｕｂｌｅｓｈｏｏｔｉｎｇ，　Ｅｘｐｌ
ｏｒｉｎｇ　Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇ
ｅｎｃｅ，　ｐｐ．２９７−３４６　（１９８８）　」
に記載されているように、故障診断の対象とする装置の
構造と部品の動作を持つモデルに基づいて診断を行なう
ものであった。

【０００３】例えば、部品の動作は、部品Ａの入力端子
Ａｉ１，…，Ａｉｍと出力端子Ａｏ１，…，Ａｏｎとの
間の正常値の対応関係を（Ａｏ１，…，Ａｏｎ）＝ＦＡ
（Ａｉ１，…，Ａｉｍ）という関数ＦＡで記述し、装置
の構造は部品Ａの出力端子Ａｏｘと部品Ｂの入力端子Ｂ
ｉｙとの間の接続関係をＣｏｎｎｅｃｔ（Ａｏｘ，Ｂｉ
ｙ）という述語Ｃｏｎｎｅｃｔで記述する。

【０００４】そして故障診断では、次の判定基準に従っ
て症状から故障原因を探っていく。すなわち、出力端子
の値が異常であれば、 （１）入力端子の値のどれかが異常である。 （２）部品が故障である。（あるいは部品の動作モデル
が誤っている）のいずれかであるとするものである。

【０００５】

【発明が解決しようとする課題】しかし、上記従来技術
では、装置の各部品が他の部品から独立した動作を持ち
、部品間を信号線で結んだ電気回路のような装置にしか
適用できなかった。

【０００６】

【課題を解決するための手段】上記課題を解決するため
に、本発明は、診断対象物を構成する各部品の動作に関
する知識を記憶する部品データベースと、前記部品の属
性と前記対象物の動作の媒体の属性との因果関係を記述
したプロセスモデルを記憶するプロセスモデル記憶手段
と、前記データベース及びプロセスモデルを参照して、
モデル推論により故障診断を行なう診断手段とを具える
。

【０００７】

【実施例】本発明では、以下で述べるようなプロセス、
媒体、部品からなるプロセスモデルで故障診断の対象と
なる装置を記述し、故障診断を行なう。

【０００８】プロセスとは構成部品の集まりにより、時
間的な経過を伴って、その機能を達成するものである。 そして、プロセスには順序関係があり、その順序に従っ
て実行される。プロセスは内部状態（プロセスの構成部
品とプロセス自身の状態）を持ち、入力される媒体の状
態と開始時の内部状態に対して、プロセスに定義された
機能を果たし、出力される媒体の状態と終了時の内部状
態を決定する。

【０００９】プロセスと部品とは、部品が装置中に対応
する実際の部品を持つのに対し、プロセスには対応する
実際の部品がない点で異なっている。また、部品の構造
には親子関係があり、親部品に対する子部品の関係がプ
ロセスに対する構成部品の関係に似ているが、ある部品
が複数の部品の直接的な子部品になることはないのに対
して、ある部品が複数のプロセスの構成部品となること
ができる。

【００１０】また、媒体とはプロセス間の情報伝達を仲
立ちするものであり、一部の部品が部品としての面以外
に媒体としての面を持つ。

【００１１】更に、プロセスの構成部品間における影響
関係を、プロセスの動作として記述できる。この影響関
係としては、従来のモデルに利用されている部品間が直
接接続されるような関係に加えて、特別な接続端子を持
たないような関係も記述できる。

【００１２】また、プロセスの構成部品間の関係をプロ
セスの要因として定義し、プロセスの動作に記述するこ
とができる。すなわち、従来のモデルの入出力端子両方
の役目を持つことの出来る、部品あるいは媒体の属性間
の関係で動作を記述する。

【００１３】例えば、部品Ａ１の属性Ａ１ａｘ１，…，
部品Ａｍの属性Ａｍａｘｍから部品Ｂの属性Ｂａｙが決
まる時、Ｂａｙ＝ＦＢａｙ（Ａ１ａｘ１，…，Ａｍａｘ
ｍ）という関数により属性Ｂａｙの動作規則を記述する
。

【００１４】従来では同一部品内の属性間にしか動作を
記述できなかったが、このようにして複数の部品の属性
からの影響関係を記述できる。また、本発明により属性
値が異常である場合も因果関係として動作が記述可能で
ある。

【００１５】本発明の故障診断では次の判定基準に従っ
て症状から故障原因を探っていく。すなわち、Ｂａｙ＝
ＦＢａｙ（Ａ１ａｘ１，…，Ａｍａｘｍ）で動作が記述
された属性Ｂａｙの値が正常値と異なる値ｅであれば、
（１）ＦＢａｙ（Ａ１ａｘ１，…，Ａｍａｘｍ）＝ｅを
満たすような（Ａ１ａｘ１，…，Ａｍａｘｍ）の組を（
ｅ１，…，ｅｍ）としてＡｉａｘｉ＝ｅｉ　　（１≦∀
ｉ≦ｍ）である。 （２）部品Ｂの属性Ｂａｙが故障である。（あるいは属
性Ｂａｙの動作モデルが不完全）のいずれかである。

【００１６】以下、添付図面に従って本発明に係る実施
例を詳細に説明する。

【００１７】図１は、本発明の故障診断装置の基本構成
図である。

【００１８】同図において、１は部品データベースであ
り、基本部品の動作仕様が登録されている。２はプロセ
スモデル部であり、故障診断の対象である装置のプロセ
スモデル、すなわち装置の構造とプロセスの仕様が記憶
されている。部品データベースには部品の動作として入
出力端子間の関係が記述されており、部品を組み合わせ
たことによって生じる部品間の影響関係はプロセスモデ
ル部に記述される。

【００１９】３はモデル推論部であり、部品データベー
ス１とプロセスモデル部２を参照して、モデル推論を行
い、故障診断を行なう。

【００２０】図６は、本発明の故障診断装置のシステム
構成を示すブロック図である。

【００２１】図中、６１はキーボードなどの入力部であ
り、故障の症状や、検査の結果などを入力する。６２は
、装置全体の制御を司るＣＰＵであり、部品データベー
スやプロセスモデル部からの情報に基づき、ＲＯＭ６４
に記憶されたモデル推論のプログラムに従って、故障原
因の推論も行う。６３はＣＲＴなどの表示部であり、故
障原因の候補や、必要な検査項目などを表示する。６４
は、各種処理の手順などを記憶するＲＯＭであり、本実
施例では、モデル推論のためのプログラムもＲＯＭ６４
に記憶するものとするが、外部記憶部６６に記憶される
としてもよい。６５は、ワークメモリとして用いられる
ＲＡＭであり、後述する因果関係木の展開や、現在の診
断レベルなどを記憶するものである。また、６６は、デ
ィスク装置などからなる外部記憶部であり、前述の部品
データベースやプロセスモデル部として用いられるエリ
アを有する。装置の各部は、バス６７によって接続され
ている。

【００２２】図２は、本発明の一実施例である故障診断
方式のフローチャートである。

【００２３】故障診断はモデルに記述された動作規則（
属性間の因果関係）を逆にたどって、症状を根とし結果
から原因へ枝をのばす因果関係木の展開を行なうことと
考えることが出来る。まず、故障の症状を説明できるよ
うな故障原因候補を生成し、検査により候補の絞り込み
を行ない、故障原因を特定する。

【００２４】優れた診断方法として望まれるのは、可能
性の高い故障原因候補を先に生成し、効率の良い検査に
よって早く絞り込むことである。そこで、次の２つの評
価尺度を定義する。

【００２５】部品の信頼性 部品の設計・製造で定まる信頼性を数値（５〜１）で表
現する。ここでは、数値の低い方が故障し易いものとす
る。 更に、個々の装置の使用状況データを管理し、耐久保証
期間を越えた部品の信頼度は　０　とする。

【００２６】検査コスト 検査項目の実施の手間をコストの低い方から、確認／測
定／交換／困難で定義する。装置によってはコストとし
て実施に必要な経費を採用することも考えられる。

【００２７】次に、図２のフローチャートを参照しなが
ら、本実施例の故障診断手順を説明する。

【００２８】まず、ステップＳ１で、正常時のシミュレ
ーションを行ない、媒体／部品の属性の正常値とその信
頼度を求める。

【００２９】次に、ステップＳ２で故障の症状を入力し
、診断レベルを０に初期設定する。続いて、ステップＳ
３で症状から原因に遡って因果関係木を展開するが、診
断レベルと等しい信頼度の属性だけを対象に故障原因候
補、検査項目を生成する。

【００３０】ステップＳ４では故障原因候補があるかを
判定し、なければステップＳ８へ進み、診断レベルを１
増やす。更に、ステップＳ９で診断レベルが５を越える
かを判断し、診断レベルが５を越えていなければステッ
プＳ３へ戻る。一方、診断レベルが５を越えていれば、
診断失敗として終了する。

【００３１】また、ステップＳ４で故障原因の候補があ
る場合には、ステップＳ５へ進み、生成されたうちでコ
ストが最小の検査項目と、故障原因候補を全て表示する
。

【００３２】続いて、ユーザは表示された検査を実行し
、ステップＳ６でその結果を入力すると、入力された検
査結果に従って因果関係木の更新が行なわれる。ステッ
プＳ７で故障原因が特定できたかを判断し、特定されて
いれば処理を終了し、故障原因が特定されていなければ
、ステップＳ４へ戻る。

【００３３】次に、上述の故障診断方式を複写機に適用
した場合を例にとり、より具体的に説明する。

【００３４】図３は、複写機のプロセスモデル例である
。同図に示すように、複写機にはドラムクリーニング、
一次帯電、画像露光、現像、転写／分離、定着の６つの
プロセスがある。矢印はプロセスの順序を表している。

【００３５】ここで、感光ドラム（以下、ドラム）がド
ラムクリーニング、一次帯電、画像露光、現像、転写／
分離の媒体であり、コピー用紙（以下、用紙）が転写／
分離、定着の媒体である。

【００３６】図７は、プロセスの媒体であるドラム及び
用紙の属性の分類木である。

【００３７】ドラムは、帯電とトナーという２つの属性
を持ち、帯電属性は電位と均一性の２つの属性に分かれ
る。更に、電位属性は、原稿の暗部（黒い部分）と明部
（白い部分）に対応した２つの部分で分かれる。末端の
属性は状態値を持ち、図７の例では、暗部帯電電位は、
（Ｖｄ，ｊｕｓｔ）となっている。

【００３８】ここで、Ｖｄ，Ｖｌは、それぞれ暗部、明
部の目標電位、Ｄｄは暗部の標準トナー濃度であり、（
Ｖｄ，ｊｕｓｔ）とは、状態値がちょうどＶｄに等しい
ことを示している。また、値が上回る場合にはｏｖｅｒ
、値が下回る場合にはｕｎｄｅｒと表すこととにする。 丸付き数字は、その属性が正常である信頼度を示す数値
である。

【００３９】図８は、一次帯電プロセスを構成する部品
の属性の分類木である。

【００４０】一次帯電線は、印加電圧、電流、及び切れ
という属性を、一次帯電グリッドは、切れとショートと
いう属性をそれぞれ有する。また、一次帯電木は、放電
、汚れ、接続、印加電圧という属性を持ち、放電属性は
、量と均一性との２つの属性に分かれる。丸付き数字は
、その属性が正常である信頼度を示す数値である。

【００４１】図９は、一次帯電プロセスの構成部品のリ
ストである。プロセスモデル部には、各プロセスごとに
このような構成部品のリストが記憶されている。ここで
は、プロセスを構成する各部品に対して、部品が属する
上位階層の部品や子部品が定義される。一次帯電の部品
には、一次帯電器、一次帯電線、一次帯電グリッドなど
がある。一次帯電器の上位階層の部品は帯電器であり、
子部品は一次帯電線と一次帯電グリッドである。

【００４２】図１０は一次帯電の動作を記述したルール
テーブルである。各プロセスごとに、このように構成部
品の属性に対応する媒体の属性など、属性間の相互作用
を記述したルールテーブルが、プロセスモデル部に記憶
されている。

【００４３】図１１、図１２は、それぞれ、帯電線及び
帯電器の動作を記述したルールテーブルである。各部品
ごとに、このようにその部品のある属性に従属する他の
属性または子部品の属性など、属性間の相互作用を記述
したルールテーブルが、部品ルールベースに記憶されて
いる。

【００４４】本実施例では、これらのルールテーブルを
結果から原因へと逆にたどることにより、故障の原因を
推定する。図４は、「出力画像が真白」という症状に対
する故障診断の実行例である。図５にこの場合の因果関
係木の展開例を示す。図５は定着プロセス終了後のコピ
ー出力画像が真白であるという症状から、診断レベル３
までの故障原因候補を全て展開したものである。プロセ
スレベルでは下に、部品レベルでは左に原因の枝がのび
ている。属性値を示す箱の左上の数字は、その属性が正
常である信頼度を示す数値である。

【００４５】図４の故障診断実行例を、図２のフローチ
ャートにも対応させながら説明する。

【００４６】まず、症状（１）として「出力画像が真白
」が入力される（ステップＳ２）。そして、信頼度０の
部品（耐久保証期間を越えた部品）はないので、診断レ
ベル０の故障原因候補はなく、診断レベルを１として（
ステップＳ２〜４、Ｓ８〜９）、入力した症状を満たす
うちで、信頼度が１である属性が因果関係木で展開され
、検査項目（２）と原因候補（３）が生成され、コスト
最小の検査項目とすべての原因候補が表示される（ステ
ップＳ３〜５）。

【００４７】検査結果（４）が入力されると、入力され
た検査結果から因果関係木が更新される（ステップＳ６
）。正常値の信頼度が１の故障原因候補がなくなったの
で、信頼度が２の故障原因候補が原因候補（５）として
生成され、表示される（ステップＳ７、Ｓ４、Ｓ８〜９
、Ｓ３〜５）。

【００４８】新たな検査結果（６）が入力されると、入
力された検査結果から因果関係木が更新される（ステッ
プＳ６）。正常値の信頼度が２の故障原因候補がなくな
ったので、信頼度が３の故障原因候補が原因候補（７）
として生成され、表示される（ステップＳ７、Ｓ４、Ｓ
８〜９、Ｓ３〜５）。

【００４９】このように診断が進められる。故障原因候
補が検査によって特定されれば診断は成功であり、故障
原因候補がなくなれば診断は失敗である。

【００５０】本実施例には以下のような効果がある。 （１）部品の信頼性と検査コストという２つの評価尺度
を用いて効率の良い診断を行なう。すなわち、故障原因
候補の生成では信頼性の低い部品を先に行なう。また、
検査コストが低いものだけを表示することでユーザの認
知的負荷を軽減する。 （２）検査の実行を保留して先に診断を進めることも出
来るので、ユーザの自由度が高いシステムになっている
。 （３）たとえ、原因候補がなくなり診断が失敗しても故
障原因の存在範囲やモデルの不完全な部分を割り出せる
。 ［他の実施例］前記実施例では、図５の因果関係木の展
開例を実施例の説明に用いただけであるが、故障診断中
に故障原因候補、検査項目の表示だけでなく、因果関係
木の展開されている部分を表示するという実施例も考え
られる。

【００５１】この実施例によれば、（１）因果関係木の
展開図を、故障原因候補から症状が生じることの理由の
説明図として用いることができる。（２）検査項目によ
り、どのように候補が絞り込まれるかの予測と確認がで
きる。という２点により診断の正当性をユーザがより強
く認識することが出来るという効果がある。

【００５２】また、検査項目の選択を、この表示された
因果関係木上の対応するノードをマウスなどによりクリ
ックして指示できるようにすれば、一層容易に行なうこ
とが出来る。　　また、前記実施例では因果関係木を診
断レベルにより段階的に展開したが、一度に全部を展開
する（つまり、図５のようなものをそのまま使う）よう
な実施例も考えられる。

【００５３】また、他の実施例として、症状や検査結果
の入力を文字や記号で行なうのではなく、ディスプレイ
上に不良画像の例を表示し選択するなどにより、より視
覚的に行なうことも考えられる。この場合、症状の入力
などを容易に行なうことが出来るという効果がある。

【００５４】

【発明の効果】以上説明したように、従来のモデル推論
による故障診断では、対象である装置のモデルとして部
品の動作と部品間のつながりだけしか記述できなかった
が、本発明によれば、プロセスモデルを使って、部品の
組み合わせによって生じるような部品間の影響関係を記
述することができるので、従来よりも広い範囲の装置に
対して故障診断を行なうことができるようになった。

【００５５】また、従来は、部品の入力端子が異常であ
るときに、その値を求めるにあたって、１つの端子だけ
が異常で他の全ての入力端子の値が正常であるという単
一故障を仮定する必要があり、複数の端子に異常が発生
する複合故障を扱うことが出来なかったが、本発明によ
れば、属性間の因果関係として動作に記述することで、
複合故障の場合も扱うことができるようになった。

【図面の簡単な説明】

【図１】本発明故障診断装置の１実施例を示す基本構成
図である。

【図２】本実施例における故障診断の過程を示すフロ−
チャ−トである。

【図３】複写機のプロセスモデルの例を示す図である。

【図４】故障診断の実行例を示す図である。

【図５】因果関係木の展開例を示す図である。

【図６】故障診断装置の１実施例を示すブロック構成図
である。

【図７】媒体の属性を示す図である。

【図８】部品の属性を示す図である。

【図９】一次帯電プロセスの構成部品リストを示す図で
ある。

【図１０】一次帯電プロセスの動作ルールを示す図であ
る。

【図１１】帯電線の動作ルールを示す図である。

【図１２】帯電器の動作ルールを示す図である。

【符号の説明】

１　　部品データベース ２　　プロセスモデル部 ３　　モデル推論部 ６１　　入力部 ６２　　ＣＰＵ ６３　　表示部 ６４　　ＲＯＭ ６５　　ＲＡＭ ６６　　外部記憶部 ６７　　バス

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　診断対象物を構成する各部品の動作に
   関する知識を記憶する部品データベースと、前記部品の
   属性と前記対象物の動作の媒体の属性との因果関係を記
   述したプロセスモデルを記憶するプロセスモデル部とを
   参照して、モデル推論により故障診断を行なうことを特
   徴とする故障診断方法。
2. 【請求項２】　　診断対象物を構成する各部品の動作に
   関する知識を記憶する部品データベースと、前記部品の
   属性と前記対象物の動作の媒体の属性との因果関係を記
   述したプロセスモデルを記憶するプロセスモデル記憶手
   段と、前記データベース及びプロセスモデルを参照して
   、モデル推論により故障診断を行なう診断手段とを有す
   ることを特徴とする故障診断装置。