本発明は、ドキュメント処理システムにおける不具合の故障診断に関し、より詳細には、不具合特徴分析及び機械データ分析に基づくテストパターンの動的生成に関する。

ドキュメント処理システムにおいては、複写機及びプリンタについての問題が、顧客からのサービスコールを必要とするのに十分に重大になる前に検出及び解決可能であるならば、顧客満足は向上され、維持費を減少できることが周知である。 センサが許容範囲外のある動作パラメータを検出する時に、プリンタ及び複写機が自動的にサービスの電話をかけることができるシステムが、存在する。 一般に、画質における劣化がユーザによって観察可能になるしきい値に達した後に、これらのシステムは有効になる。 動作中に追跡する必要がある大量の動作パラメータが与えられると、あるレベルにおける特定の不具合は、重要な問題であったりなかったりする。 特定の不具合の全体的な効果は、このシステム内の他のパラメータの累積値に依存する。 印刷の画質分析に基づいてドキュメント処理システムにおける欠陥を診断しようと試みるシステムが存在する。

このようなシステムの例は、２００３年１２月１６日付のサンパスら(Sampath et al.)の特許文献８に記載されている。 テストパターン及び測定技術の他の例は、２００１年８月１４日付のバンカーら(Banker et al.)の「デジタルプリンタからの出力の画像特徴を測定する(Measuring Image Characteristics of Output from a Digital Printer)」というタイトルの特許文献１を含む。

ドキュメント処理システムにおいて生じる画質問題は、特定のテストパターンを分析するために画像処理及びパターン認識技術を適用することによって識別されることが多い。 この結果は、この問題の原因の判断を支援するために、診断エキスパートシステム中の包括的又は単位の特定の機械データと関連して分析される。 たとえば、ユーザ主導の修理、定期保守サービス、部品交換等の、推奨されたサービス手続を判断及び実行するために、さらなるシステムが提供される。 バンディング又は同様の画像不具合分析は、画像処理及びパターン認識等の技術を通じて、特定のテストパターンを分析するために、一連のコンピュータ・モジュール及びアルゴリズムを使用して、達成可能である。

機械を正確に診断するために、従来はいくつかのテストパターンであったいくつかの異なる試験対象を、印刷し分析することが必要であるかも知れない。 本明細書中で使用されているように、試験対象という用語は、単一の試験対象がページ全体を含むようにすることが可能であるが、より大きなテストパターンの領域を表すために、一般に使用される。 このような試験対象は、ある機械又は一連の機械についての静的な所定のテストパターン（又はページ）として、一般に存在する。 さらに、印刷又は出力装置のために用いられるテストパターンは、一般に、メモリに記憶されているか、又は出力装置にアップロード可能である。 テストパターンの出力の分析の後に、いくつかの不良モードが可能性のある原因として残り、この不良モードをさらに絞り込むために、異なる分析が必要となるかも知れない。 したがって、本印刷及び分析プロセスは、この不良モードが正確に判断されるまで繰り返されることが多い。 問題を完全に診断するためには、各テストパターンのほんのわずかの部分又は対象が実際に必要とされるが、予め定義されたテストパターンを複数ページ印刷することが必要かも知れない。

米国特許第６，２７５，６００号

米国特許第６，５２２，４３０号

米国特許公開公報第２００３ ０１４２９８５号

米国特許第６，５２９，６１６号

米国特許第６，５７１，０００号

米国特許第６，５９７，４７３号

米国特許第７，６０８，９３２号

米国特許第６，６０８，９３２号

米国特許第６，６６５，４２５号

米国特許出願第０９／４５０，１８５号

米国特許出願第０９／４８７，５８２号

動的テストパターン生成方法、ドキュメント処理システムの自動化された画質ベースの診断方法、及びシステムを提供する。

本発明は、いくつかの印刷分析の繰返しについて、テストパターン全体を印刷する必要が単純化され促進される、改善されたシステム及び方法を対象とする。 本発明は、動的テストパターン構成プロセス及びシステムを用い、所望の試験対象を有するいくつかのパターンを単に印刷するのではなく、分析のために必要とされる試験対象が選択され、テストパターン上に印刷される。 試験対象の動的な選択及び印刷は、テストパターンのより良い利用を可能にし、印刷分析サイクルの数を潜在的に減少させるという点でより効果的である。 最小限には、印刷された見本がさらに分析可能なように、本発明は、テストパターンを印刷し印刷された見本を走査して電子的形態にするための時間及び作業を減少させる。

ユーザ入力及び／又は以前の試験からの結果が与えられると、出力装置の診断システムは、いつでも、試験対象のどの順序が、継続した診断のための最適試験対象順序(Optimal Test Target Sequence)(OTTS)となる可能性が最も高いかを計算可能である。 次のテストパターンの生成は、制約された最適化の問題である。 最適化基準は、対象のセットの不良モード間の識別力又は試験対象のセットから得られた情報を最大化するためのものであることが多い。 理想的には、判断された最適の順序に従う試験対象を含む、単一又は限定された数のテストパターンが、次に生成可能である。 これは、テストパターンが予め定義された場合には手元の存在するテストパターンの中から選択する必要がある、従来のシステムとは対照的である。 OTTSからの第１のいくつかの試験対象を印刷するために、本システムは、複数ページのテストパターンを印刷する必要があるかも知れない。

本発明の１つの態様によると、可能性のある不具合の確率及び機械性能データの関数として、及び最適化基準を最大化するために、試験対象のセットを自動的に選択することと、試験対象のセットをデジタル・テストパターンの上に置くことと、を含む、動的テストパターン生成のための方法が提供される。

本発明の他の態様によると、ドキュメント処理システムによって、テストパターンとしての出力についての複数の試験対象の少なくとも１つを、可能性のある不具合の関数として選択することと、テストパターンの印刷された出力を生成することと、少なくとも１つの選択された試験対象の出力に関連する画像データを得るために印刷された出力を走査することを含む、ドキュメント処理システムに関連するデータを得ることと、初期診断を得るためにデータを分析することであって、診断が、少なくとも１つの選択された試験対象に対応するデータ中で識別された少なくとも１つの可能性のある不具合を含み、少なくとも１つの選択された試験対象についてのデータに対応するデータの画質分析を実行することを含む、分析することと、を含む、自動化された画質ベースの診断及び、ドキュメント処理システムの改善のための方法が提供される。

本発明のさらに他の態様によると、テストパターンを生成するために、診断要求の関数として、複数の試験対象の少なくとも１つを選択するような、動的試験対象選択機能を含む、試験選択モジュールと、テストパターンを与えるための、ドキュメント処理システムと動作可能なように関連した、印刷エンジンと、印刷エンジンによって生成されたテストパターン上の試験対象内の不具合を識別し特徴付け、さらなる分析のために不具合の重要な特徴を生成する、画質分析モジュールと、診断を得るために画質分析モジュールによって生成されたデータを分析する、診断エンジンであって、診断は、少なくとも１つのテストパターン画像に対応するデータ内の可能性のある不具合のリストからの少なくとも１つの診断を含み、診断エンジンは、少なくとも１つの識別された不具合に基づいて、初期診断を絞り込む、診断エンジンと、を含む、ドキュメント処理システムの自動化された画質ベースの診断のための、システムが提供される。

添付の図を参照して、本発明の好ましい実施の形態について詳細に説明する。

本出願で使用されているように、ドキュメント処理システムは、それぞれが出力装置を含む、アナログ及びデジタル複写機、プリンタ、スキャナ、ファクシミリ、及び多機能機械を含む。 本システムは、静電写真法等の、インクジェット、液体インク、リソグラフィ等、カラー及び白黒両方の、すべての直接及び間接マーキング技術に基づくシステムを含む。

上記特定されたようなシステムでしばしば経験されその結果頻繁なサービスコールの原因となる不具合の分析のための、診断システム１０を図示する、図１を参照する。 このような不具合は本ドキュメント処理システム内で発生する３０以上の故障が原因となりうるから、線、縞、及び帯の分析は、容易でない。 診断システム１０は、図２に示されたドキュメント処理システム３４と関連して動作し、ドキュメント処理装置、多機能機械、プリンタ等の一部であってもよい。 あるいは、診断システム１０は、機械に接続されたコンピュータであってもよく、多くの異なる環境で種々の機械とともに動作するための適切なプラグイン性能を有する、スタンドアローン装置として、実行可能であってもよい。

画質分析モジュール１２は、図５についてさらに説明するように、定量的パラメータに関して、不具合を識別し特徴付け、さらなる分析のために、不具合の重要な特徴を生成する。 画質分析モジュールは、画質を評価及び／又は不具合を検出するために、フーリエ変換分析、バンドパス・フィルタリング、ヒストグラミング、エッジ検出、１−Ｄ投射、セグメント化、分類、アーティファクト検出、ＦＩＲフィルタリング、ウェーブレット分析、統計分析、パターン認識等の本技術分野において知られた画像処理技術を使用して、画像を分析する。 ユーザは、記述アイコン又は例示的な画像のセットの１つを選択するか、又は具体的な質問に答える等、不具合を説明する追加の特徴を入力することを促されてもよい。 画質分析モジュール及びユーザ入力データの出力は、プリプロセッサ１６による診断エンジン１４内での使用に適しており、不具合の可能性のある原因として、不具合の重要な特徴を１つ以上のシステムの故障又は不良モードに関連付けるために、データが処理される。 原因の確率が評価され、推奨された修理又はサービスが、修理計画モジュール２０によって、選択される。 本結果は、図示されない表示画面及びキーパッドを含んでいてもよいユーザ・インタフェース２２を通じて、ユーザに示される。

図１をさらに参照すると、診断コントローラ１８は、エラーのデータベースが後の参照のために維持可能であるように、分析及び診断に使用されるアルゴリズム及びデータを記憶するための処理コンポーネントを調整する。 診断サイクルの終わりに、次に説明するように、自動化された修理システムの後又はユーザが適切な修理処置を実行した後に、修正検証モジュール３０は、採られた修正処置が不具合をなくす上で成功したかを判断するために、さらなる試験を実行するか、又はシステムにさらなるテストプリントを印刷させるように促す。 そうでなければ、ユーザは、さらなる処置を採るか又はサービス員に連絡するように指示されてもよい。 しかしながら、当然のことながら、診断プロセスのいくつかの繰返しは、原因が判断される及び／又は推奨された修理が識別される前に要求されてもよい。

試験選択モジュール２８は、適切な試験並びに不具合及び実行されるべき他の機械試験の順序を選択する。 診断エンジンは、不具合によって示される故障の原因を分離するために、情報の複数の原因を厳密に調べるタスクを実行する。 当然のことながら、診断は、繰返しプロセスであってもよい。 たとえば、試験選択モジュール２８は、初期診断に基づいて、さらなるテストパターンが走査されるべきか、評価のためにある特定の画質パラメータが強調されるべきか、さらに故障を示すために特定の不具合の特徴が抽出されるべきか、を示してもよい。 選択された試験対象及びパターンは、所定の順序で、複写されるか又は印刷され、続いて、走査される。 さらに、試験選択モジュールは、分析されるべき走査された画像の特定領域と、走査されたデータから抽出される必要がある特徴のセットと、を選択してもよい（例：バンディング基準）。 試験及び順序は、予め定められルックアップ・テーブルとして記憶されてもよく（故障を特定の試験にマップする）、又は、本試験を完了するために必要な時間等、最適化基準に基づいて、診断プロセスの間に動的に判断可能であり、試験の識別力を最大化するか又は診断の正確さを最大化する。 つまり、出力のために複数のテストパターンの少なくとも１つを選択するステップは、可能性のある不具合の関数として（初期診断又は繰返し診断のいずれか）、不具合のさらなる視覚的表示を提供する少なくとも１つのテストパターンを識別し、本ドキュメント処理システムの出力として与えられるべき、識別されたテストパターンを生じさせる。 単純なルックアップ・テーブルとして実現されると、繰返し診断プロセスの間はいつでも、その時点において最も有望に見える故障が選択され、その故障と関連した試験が、実行されるべき次の試験として選択されてもよい。 不良と関連した１つより多くの試験が行われるところでは、その試験は、既に実行された試験が繰り返されないという制約で、表にリスト化された順序で実行されることが多い。

機械データモジュール２３は、システム３４についての、現在及び履歴的な動作経験の両方についてのデータを受信する。 このようなデータは、センサ・アレイ４４から、直接印刷エンジン３６及び原稿送り装置３８から、記憶された履歴データから、又は同時に実行される機械試験処理から、得られてもよい。 機械データモジュール２３は、それによってそのデータが収集される手段に従って、種々のアーキテクチャを有していてもよい。 診断エンジン１４の出力は、識別された故障又は不良モードを修正するように意図された適切なサービス処理の選択のために、修理計画モジュール２０によって受信される。

図２を参照すると、ドキュメント処理システム３４は、原稿送り装置３８及びスキャナ３２が設けられた、印刷エンジン３６から成る。 ある場合に、スタンドアローン装置等又はドキュメント処理システム内でスキャナが利用できないところでは、個別のスキャナが使用できる。 コントローラ４０は、メモリ４２と関連して動作する、システム３４の動作制御を提供する。 センサ・アレイ４４は、不具合の分析及び不良モードの判断を補助するために、キーポイント又はコンポーネントにおける性能をモニタし、現在のシステムデータを生成するための、システム全体に分散された複数のセンサ又は感知装置を示す。 種々の信号及び本システムの他の特徴をモニタすることによって、追加データが得られる。 改善された故障診断を提供するために、不具合データは、センサ・アレイから得られた機械データとともに、増加する。 試験選択モジュール２８は、画像データの分析によって得られた可能性のある故障の現在のリストを絞り込むために追加データが収集されなければならないことを、判断してもよい。

ドキュメント処理システム３４のコンポーネントは、接続ネットワーク２４によって診断システム１０に接続された図示されないシステムバスによって、動作可能に相互接続されている。 明確にするために、コンポーネントは、独立した機能モジュールとして示されている。 しかしながら、関連した機能は、機能モジュールに関連した機能を実行するための、種々の機能を開始し制御するためのアルゴリズムを内蔵する、中央演算処理装置(CPU)によって実行できることを理解されたい。 さらに、当然のことながら、本診断システムのコンポーネントのどれでも又は一部が、たとえば、分散型ネットワーク上又は遠隔診断システム上の他の部分に再配置可能である。 位置の流動性は、有線若しくは無線のリンク又は他の機能モジュールの１つ以上へ及びからデータ提供可能なその他の既知又は今後開発される要素の使用を通じて、実行可能である。 さらに、接続ネットワーク２４は、システムバス、直列又は並列接続、イントラネット等の分散型又はローカル・エリア・ネットワーク、メトロポリタン・エリア・ネットワーク、広域ネットワーク、衛星通信ネットワーク、赤外線通信ネットワーク、インターネット等のいずれか１つ又は組み合わせであってもよい。 さらに、診断システム及びドキュメント処理システムは、特に、電気的手段によって接続されている必要はない。 むしろ、情報は、種々のデータ記憶又は印刷されたコピー又は見本を通じて、その間に伝送可能である。

図３を参照すると、機械データモジュール２３は、一般に、センサ・アレイ４４からの信号及び種々の動作状態及び印刷エンジンからのイベントを示す生の信号とともに履歴データ等のデータを受信するためにプログラムされたコンピュータ要素である、機械インタフェース５４と、原稿送り装置と、ドキュメント処理システム３４の他のコンポーネントと、を含む。 ある場合には、疑いのある故障をさらに分離するために特定の診断試験を実行することは、初期分析の結果として望ましいかも知れない。 これは、機械試験モジュール５８によって、機械インタフェース５４及びコントローラ４０又は特定のシステム・コンポーネントを通じて直接実現されてもよく、本試験の結果は、センサ・アレイ４４を通じて、又はメモリ４２を通じて、受信されてもよい。 機械試験モジュールが診断システム１０の一部として示されるが、代替物では、ドキュメント処理システム３４の一部であってもよい。 インタフェース５４から受信されたデータは機械データプロセッサ５６内で処理され、機械データの特徴が抽出され、プリプロセッサ１６に送られる。

ドキュメント処理装置から得られた機械データは、設定点、アクチュエータ、及び機械の正常動作中に収集されたセンサデータ、機械使用データ、出力、及び欠陥カウンタを含む履歴データ、並びに性能データを含んでいてもよい。 このようなデータは、印刷エンジン３６、原稿送り装置３８、センサ・アレイ４４、又はメモリ４２から得られてもよい。 特別な診断又は性能試験のセットが実行されてもよく、試験の結果は、センサ・アレイによってモニタされる。 このデータはさらに機械データモジュールに供給可能であり、診断エンジンによって実行される分析に因数分解されてもよい。 機械データモジュールは、この目的のために診断システムに加えられ、診断エンジン１４によって実行される分析で検討されるために、機械データを収集して診断プリプロセッサ１６に伝えるための手段を提供する。 機械データプロセッサ５６は、データの分析に基づいて、機械データから高レベルの特徴のセットを生成する。 生成された診断の特徴は、使用される特定の診断エンジンに受け入れられるフォーマットに変換される。 例示的な機械データの特徴及び故障とそれらの相関関係が、図１３で与えられる。 条件付確率を有する例示的な機械データの特徴が、図１４で与えられる。

図４を参照すると、修理計画モジュール２０は、一般に、修理計画プロセッサ４８による選択のために示された特定の故障に関連したサービス又は修理手続の表を含む、メモリ６０を含む。 故障を直すためにサービスを早めるために、メモリ６２に記憶された予定されたか又は定期的な保守サービス手続を見直すことが都合が良いかも知れない。 さらに、メモリモジュール６４は、必要とされる場所の部品の交換を許可するための、システムの保守及び修理履歴へのアクセスを提供する。 修理手続は、顧客、システム・アドミニストレータ、オペレータ、資格のあるサービス員等によって実行されてもよい。 モジュール６０で用いられるような、故障のセットについての例示的な修理処置が、図１５で与えられる。 重要な特徴に基づく故障の原因の確率はかなりの精度で計算でき、不具合を直す修理を識別されるために使用される。

本診断システムの上記コンポーネントは、特殊用途のコンピュータ、プログラム化されたマイクロ・プロセッサ又はマイクロ・コントローラ、ＡＳＩＣ等の周辺集積回路素子、デジタル信号プロセッサ、個別素子回路等の配線電子又は論理回路、ＰＬＤ、ＰＬＡ、ＦＰＧＡ、ＰＡＬ等のプログラム可能な論理装置、又はこれらの機能を実行するための他の手段等の、独立に又は幅広い種類の要素によって共通に実行可能な、別のモジュールとして説明されていることに留意されたい。

図５を参照すると、分析は、不具合を分離するために設計された、１つのテストパターン又は一連のテストパターン４６で始まることが多い。 このようなパターンは周知であり、１つの均一なグレー若しくは単色の画像又は種々のグレーレベルでの一連の均一な画像セグメントから成っていてもよい。 従来のシステムでは、テストパターンは、ハードコピーのオリジナルであってもよい。 本発明の態様によると、テストパターンは、オリジナルのデジタル画像として動的に組み立てられた試験対象を含む。 テストパターンがドキュメント処理システム３４に提出され、種々の状況下、たとえば、原稿送り装置があるかないか、拡大か縮小か、繰返しコピーか、及び不具合又は故障モードの可能性のある根本原因を分離する他のステップで、システム・フィードバック・データを提供するために、試験の間に、１回以上印刷又は出力される。 あるいは、又はさらに、デジタル・テストパターンは、印刷ジョブとして提供され、印刷エンジン３６を使用して印刷されてもよい。 スキャナ又は印刷エンジンから得られるコピー又は印刷見本は、それぞれ、外部スキャナ又はスキャナ３２のいずれかを使用して、診断目的のために走査されてもよい。 スキャナから生成されたデジタル画像データは、不具合分析器（アナライザー）５０内の不具合の存在を識別するために使用される。 不具合分析器は、定量的パラメータに関連した不具合又は不良モードを特徴付けるために、画像データを処理することによって、画像分析を実行することができる、コンピュータ、又はコンピュータ上で動作するプログラムである。

上述の方法は、試験対象の固定したセットが既に存在し印刷されるべきテストパターンを構成する時に、診断システムが、それらの間から単に選択すると仮定する。 診断システムのニーズ及びテストパターン上の利用可能な空間システムの制約の両方を考慮して、デジタル試験対象を急いで自動的に生成することによって、さらなる効率向上が実現できる。 たとえば、空間制約に起因して現在のテストパターン上に全く印刷しないのではなく、通常より小さい均一領域試験対象を「無理に押し込む(squeeze in)」ことが好ましいかも知れない。 他の例は、診断の現在の状態が、所定の試験対象のセットの間にない、特定領域（又は色の組み合わせ）を網羅する試験対象を印刷することによって、最もよく診断できる不具合の方向を示すところである。 これらの両方の状態において、試験対象の（例：色、印刷密度、対象の寸法、対象の配置位置、方向等）又はパラメータは、その中ではそれらが含まれるように選択されたテストパターンの診断可能性を最適化するために、さらに調整されている。 試験対象パラメータの調整する機能は、上述のいくつかのモジュールの内の１つで実現されてもよく、試験選択モジュール２８は、このような機能に特に適していると信じられる。

走査された画像上で不具合分析が実行された後に、特徴抽出プロセッサ５２内のさらなる処理は、所定の特徴に基づいて、不具合の特徴を判断する。 抽出プロセスは、不具合分析出力に基づいて一連のアルゴリズムを実行することによって、実現される。 本分析の基本的なステップは、分析出力又はそこから生じた量の、所定の最大又は最小しきい値及び装置特定パラメータとの比較を含む。 バンディングに関連した不具合又は不良についての装置特定パラメータの例は、フューザ・フィンガ間の距離、ドナー・ロールの直径、感光体ピッチ等を含む。

抽出された特徴は、診断プリプロセッサ１６に受け入れられるフォーマットに変換され、さらなる分析のために、診断エンジン１４に提出される。 診断エンジンは、定性推論、確率的推論、又はファジイ推論を適用するアルゴリズムを実行でき、ルール・ベース、オブジェクト・ベース、モデル・ベース、又はケース・ベースであってもよい。 診断エンジンの出力は、修理計画モジュール２０からの修理スキームとの関連について、及びユーザ・インタフェース２２を通じての表示、又は印刷されたシート上の出力等の代替手段を通じて、診断コントローラ１８に送られる。

分析のプロセスは、重要な特徴値の絞り込まれたセットに基づき、最も可能性のある故障又は不良モードを分離するために設計された繰返しを通じて、繰り返し可能である。 この繰返しプロセスは、画像データ、機械データ、又はユーザ入力データを検討できる。 確実性のある定義済みの値が、起こり得る故障の比較及びスクリーニングのために設定可能である。 本分析は、確実性を有する故障の選択が所定のしきい確実性レベルを越えると、成功とされる。 その後、適切なサービス手続が選択される。 本分析が確実性のしきい値に達しない場合には、次に、起こり得る原因のリストが、関連したサービス推奨とともに表示されてもよい。 故障が知覚されない場合には、次に、診断サービスが中止され、ユーザに告知される。

図６のフローチャートを参照すると、本プロセスは、文書上の不具合（例：バンディング）の観察の後にユーザによって手動で、又は、ドキュメント処理システム３４によって実行される画像モニタリング若しくは定期的なサービス手続の結果として自動的に、のいずれかで、診断サービスを開始することによって、ステップ１１０で開始される。 最初に、不具合の存在を判断するために、ユーザ又はシステムは、選択を開始し（ステップ１１２）、次に、特別に設計されたテストパターンを出力又は印刷した（ステップ１１４）後に、出力を走査する（ステップ１１４）。 走査ステップ１１４によって生成された得られた画像データは、不具合があるかを判断するために、ステップ１１８〜１２４で分析される。 これは、たとえば、ステップ１２８及び１３４で試験されるような、しきい値又は機械の仕様を越える、不具合分析出力のある要素によって示される。 不具合が見出されず、すべてのテストパターンが分析された場合には（ステップ１３２）、次に、診断サービスは終了し（ステップ１４０）、ユーザが故障を観察したか否かの後に診断システムが呼び出されたかに基づいて、ユーザは、終了させるか又はサービスに連絡するかのいずれかを告知される。 さらに、ステップ１１８は、印刷されたテストパターン内で走査し、結果のデータを自動的に処理するシステムによって達成されてもよい。 さらに、ステップ１１８は、テストパターン、又は正確となるべき試験対象と合い、このユーザデータを診断エンジンに入力又は入れる(feed)ように設計された、具体的な質問に答えるユーザによって達成されてもよい。

ステップ１２８で検出されたように（あるいは、ステップ１３４での検出及びステップ１３８での出力）、しきい値を越える不良の検出に基づいて、本システムは、たとえば、ステップ１３０で生成されるように、ステップ１４２で、ユーザ又はサービス員に、修理処置を実行するように促す。 一旦実行されると、修理処置が意図した結果を有していたか、及び、不具合、故障、又は不良モードが正確に識別され解決されたことを検証又は保証するために、本システムは、診断プロセス、あるいは少なくともその一部、を再実行することが好ましい（ステップ１４８）。

図６のフローチャートによって図示されるように、一連の繰返しステップを通じる分析サイクルは、場合により、記憶装置内で利用可能な種々の試験対象を使用する。 さらに、本試験対象は、異なるテストパターン内で動作可能であり、又は他の設定で若しくは故障を分離するために異なるコンポーネントを使用して、同じパターン内で複数の対象が動作可能である。 命令は、ユーザ・インタフェースを通じてユーザに示すことができ、あるいは、サイクルは、診断コントローラによって命令される通りに自動的に達成可能である。 上記のように、診断データは機械データによって補給可能であり、機械データは、不具合画像データの走査及び分析の前又は後に、連続して収集及び分析可能である。

特定の抽出された特徴を、そのデータから、特定の不具合を生じさせるかも知れない特定の故障と相関させるために、診断エンジンにデータを供給するために、故障の行列が、一般に、起こり得る不具合と一般に蓄積(compile)される。 たとえば、バンディングタイプ(banding type, 線が発生しているような）の画像不具合について、感光体傷、悪い感光体地、汚染されたチャージ・コロトロン、損傷したクリーナ・ブレード、汚染された露光スロット(ROS)、損傷したドナー・ロール、損傷したフューザ・フィンガ、及び／又は汚染されたＣＶＴガラス等の、例示的な故障が生じているかも知れない。

得られる画像不具合の原因を分離するために、たとえば、ある領域範囲における、均一なグレー又は三色の画像を有するテストパターンは、いくつかのステップの変化を使用して、走査される。 このようなテストパターンの例を図７に示す。 図７の左側には、所定範囲（例：３０パーセント）のＣＭＹ出力を使用して印刷された、「グレー」のテストパターン２１０がある。 テストパターンの右には、各原色についての色分離を図示する、拡大した領域２２０、２２２及び２２４がある。 次に説明するように、テストパターン２１０内の縞又は帯は、印刷する原色の１つ（例：シアン）の内の帯の存在によって生じさせられたかも知れない。 さらに、分離２２０内の帯２１４を検出できなかったならば、どの原色がこの不具合を生じさせているかを観察者又はスキャナが識別又は判断することは難しいかも知れない。 しかしながら、本発明によると、テストパターンは、最適な試験対象順序(OTTS)に従って形成され、試験対象は、選択された対象を使用することによって、単一のテストパターン内で所望の検出が達成されるために、動的に選択されてもよい（ステップ１１２、図６）。

より詳細には、バンディングが暫定的なテストパターン内で識別されたか、又は機械診断若しくはユーザ入力によって提案される場合には、図８で示されるようなテストパターン２５０は、動的に形成されてもよく、ここで、３０％の領域範囲を示す、第１の領域２６０は、三色の組み合わせを使用して印刷され、次に、３つの次の領域（２６２、２６４、２６６）は、同じ領域範囲で、各々、単色分離を使用して印刷される。 ユーザ又はスキャナは、次に、バンディングが、グレー（Ｃ，Ｍ，Ｙ）領域全体、及びシアン２６２、マジェンタ２６４、若しくは／又はイエロー２６６である、１つ以上の単色領域において、発生しているかを観察できる。 このような観察に基づいて、スキャナは、領域２６２全体の出力における不均一性を検出し、故障又は不具合が、シアン印刷プロセスに関連して発生していることを判断できる。

いくつかの不具合は１つ以上の故障によって発生することがあるから、テストパターンは、選択された試験対象の連続コピーを要求するかも知れず、そのパターンは、不具合のパターンを分離するために、パターン上の異なる位置における、多くの対象を用いるかも知れない。 たとえば、損傷したフューザ・フィンガは、フューザ・フィンガ間の距離に関連する、特定の距離によって分離された繰り返す縞を生じさせるかも知れない。 このような故障が、本システムが検出するように設計された故障のセットの１つである場合には、次に、不具合の間の分離が、不具合を図示するために設計された試験対象によって図示され（例：フューザ・フィンガの間隔で置かれたグレー領域範囲）、重大な特徴として抽出される。

図９は、本診断エンジンによって使用可能なドキュメント処理装置の、又は特定のプロセッサの、経験に基づく不具合のデータの例示的な行列を示す。 使用される診断エンジンがベイズ・エンジン等の確率的なものである場合には、本表は、以前の故障の確率ばかりでなく、故障が与えられた不具合特徴の条件付確率を含むことが多い。 確率を有するこのような行列の例が、図１０〜１１に示される。

テストパターンに基づいて、本ドキュメント処理システムは、内部若しくは外部メモリ又は分散型ネットワーク環境のネットワーク・ドライブのいずれかに記憶された、オリジナルのテストパターンの１つ以上の印刷見本を生成するように指示される。 当然のことながら、このメモリは、従来のランダム・アクセス・メモリ(RAM)、読出専用メモリ(ROM)、並びに取り外し可能な媒体及びこのような記憶手段がテストパターン又はテストパターンの特徴を記憶することができる限りは同様の記憶装置、を含んでいてもよい。 したがって、テストパターンは、画像様の表示ばかりでなく、そのパターンの生成のための、複数の指示のセットに特徴があり、本システムは、記述されたパターンの特有の特徴（例：色、寸法、密度）を、動的に判断してもよい。 本印刷見本は、次に、数値化のために、スキャナ３２に送られる。

図１２は、見本の試験選択ルックアップ・テーブルを示す。 試験選択モジュールが最適化スキームである場合には、選択された試験用のテキスト対象のセットは、エントロピー関数を最大にし、故障を分離するために最良の識別情報を提供し、診断に達するために必要な時間を最小にし、診断システムの動作の総費用を最小にし、又はこれらの任意の組み合わせ等、最適化基準を最大にする、試験セット中の特定の試験であることが多い。 さらに、選択された試験対象は、厳格な又は所定の確率ランキングに従って選ばれる必要はない。 つまり、最適化試験対象選択は、単一のテストパターン上で、故障を最も良く識別又は分離する、１つ以上の対象を組み合わせてもよい。

未処理の機械データからの機械データ特徴の抽出のためのアルゴリズムは、一般に、判別分析、分級器、回帰分析、及び決定ツリー等のデータ・マイニング技術を含む、統計分析技術に基づく。 これらの試験のパラメータは、種々の故障に対応する機械データ、並びに故障のない正常な機械からのデータの分析によって、予め定められる。 いずれかの診断手続の間に生成された機械データが、これらの所定のパラメータを使用して分析され、特徴値が判断される。 図１６は、所定の機械データセットからの特徴の抽出のための見本のアルゴリズムを図示し、使用されるデータセットは、クリーナストレス試験及びバンディング試験の出力であり、抽出された特徴は、「クリーナ試験合格」及び「クリーナ試験不合格」である。

上記のように、本発明の１つの態様は、診断システムが、利用できる特定の試験対象の内から単に選択し、このような対象を使用してテストパターンを動的に生成するシステムを対象とする。 しかしながら、デジタル試験対象及びパラメータの利点を用いて、対象を急いで自動的に生成することによって、さらなる効率の改善が実現されてもよい。 たとえば、図１７に図示されるように、図８のテストパターン２５０は、診断の確率をさらに増加させる他の試験対象を含んでいてもよいテストパターン３００を生成するために、容易に修正される。 たとえば、テストパターン３００は、３０％グレー及び三色分離ばかりでなく、不具合が諧調度レベルの関数であるかを判断してもよいように追加のシアン諧調度対象３２０、３２２及び３２４が含まれてもよいように、対象（３１０、３３０、３４０及び３５０）のパラメータ（例：高さ）は調整されている。 同様に、一連の水平及び垂直の試験対象３６０、３６２及び３６４は、パターンの底に、同様に含まれており、さらに、その不具合が代替的なレンダリング条件の下で観察可能であるか否かについての追加情報を許容する。 最適化された診断プロセスを支持して与えられてもよいテストパターンを生成するように、本試験対象の効率的な選択及び動的な生成を可能にするように、図８及び１７における例は、本発明の適合性を図示するように意図されている。

繰返しプロセスでは、テストパターンのページは、テストパターンの寸法制限内に収められる、試験対象の最適なセットを含んで構成される。 本発明の方法は、本技術分野において知られた、レイアウトの最適化に対して行われるアルゴリズムを使用し、さらに、より高い優先度の試験対象又は一緒に印刷されることが好ましい対象が単一のテストパターン上に収められることを保証する。 たとえば、試験対象を自動的に選択するステップは、対象の優先度ばかりでなく、対象及び追加の関連した対象の両方を印刷するために適切な空間が残る時にのみ、試験対象を共通のテストパターン上で組み合わせ、対象及び追加の関連した対象を選択するための任意の要求事項の検討も含んでいてもよい。 他の例として、現在の試験の間全く印刷しないのではなく、通常よりも小さな均一の領域パターンに「詰め込む」ことが好ましいかも知れない。 他の例は、現在の診断の状態が、予め定義された試験対象のセットの中にない特定の領域範囲（又は色の組み合わせ）を有するある対象ページを印刷することによって最もよく診断可能な不具合を指し示すところである。

このようにして、本発明は、特定の問題を診断するために、いくつかの標準的なテストパターンを記憶、印刷、及び調査する要求事項を回避する。 本発明により、標準的なテストパターンの記憶のために必要なメモリが減り、診断効率を向上し、紙の使用が減る。 そして、本発明では、非常に有用な試験対象を、所定の問題の診断のために、組み合わせて使用するようにしている。

例示的な診断システムを図示するブロック図を示す。

図１の診断システム１０の使用に適したドキュメント処理システムのブロック図を示す。

図１の機械データモジュールのブロック図を示す。

図１の修理計画モジュールのブロック図を示す。

図１の画質分析モジュールのブロック図を示す。

機械データのない不具合分析のプロセスのフロー図を示す。

テストパターン及びその上の試験対象の説明に役立つ実例を示す。

テストパターン及びその上の試験対象の説明に役立つ実例を示す。

誤動作が与えられた特徴の条件付き確率に基づいて不具合をまとめるための画質特徴の表の例である。

不具合をまとめるための機械データ特徴値の表の例である。

誤動作が与えられた特徴の条件付き確率に基づいて不具合をまとめるための機械データ特徴値の表の例を示す。

ある機械データセットからの特徴の抽出のための見本のアルゴリズムを図示する。

不具合をまとめるための見本の試験選択表を示す。

見本の故障修理表を示す。

不具合のセットについての見本の修理動作の表を示す。

使用されるデータセットがクリーナストレス試験及びバンディング試験の出力である、ある機械データセットからの特徴の抽出のための見本のアルゴリズムを図示する。

本発明のさらなる態様で生成されたテストパターンの他の例である。

符号の説明

１２：画質分析モジュール１４：診断エンジン２８：試験選択モジュール３０：印刷エンジン