特許ウォッチ

公開番号2024164709
公報種別公開特許公報(A)
公開日2024-11-27
出願番号2023080385
出願日2023-05-15
発明の名称情報処理システム、情報処理方法、コンピュータプログラム
出願人キヤノン株式会社
代理人個人,個人,個人
主分類G06Q 10/20 20230101AFI20241120BHJP(計算;計数)
要約【課題】精度の高い学習データを収集することが可能な情報処理システム、情報処理方法及びコンピュータプログラムを提供する。
【解決手段】学習データを収集する情報処理システムにおける情報処理方法は、対象装置のエラー履歴情報を取得するエラー履歴情報取得手段S552と、前記対象装置の部品交換情報を取得する部品交換情報取得手段S553と、前記エラー履歴情報と前記部品交換情報とを紐づけた第1の紐づけデータを生成する紐づけ手段S554と、所定の交換部品の情報を、前記所定の交換部品を含有する他の交換部品の情報に置換して、前記エラー履歴情報と紐づけた第2の紐づけデータを生成する複製手段S557と、を含む。
【選択図】図5
特許請求の範囲【請求項１】
学習データを収集する情報処理システムであって、
対象装置のエラー履歴情報を取得するエラー履歴情報取得手段と、
前記対象装置の部品交換情報を取得する部品交換情報取得手段と、
前記エラー履歴情報と前記部品交換情報とを紐づけた第１の紐づけデータを生成する紐づけ手段と、
所定の交換部品の情報を、前記所定の交換部品を含有する他の交換部品の情報に置換して、前記エラー履歴情報と紐づけた第２の紐づけデータを生成する複製手段と、
を有することを特徴とする情報処理システム。
続きを表示（約 1,000 文字）【請求項２】
前記第１の紐づけデータと前記第２の紐づけデータを夫々用いて学習を行う学習手段を有することを特徴とする請求項１に記載の情報処理システム。
【請求項３】
前記複製手段は、前記第１の紐づけデータにおける前記所定の交換部品の情報を、前記他の交換部品の情報に置換することにより複製して、前記エラー履歴情報と紐づけた前記第２の紐づけデータを生成することを特徴とする請求項１に記載の情報処理システム。
【請求項４】
前記複製手段は、前記所定の交換部品の情報を、前記他の交換部品の情報に置換した後、前記他の交換部品の情報と前記エラー履歴情報とを紐づけた前記第２の紐づけデータを生成することを特徴とする請求項１に記載の情報処理システム。
【請求項５】
前記所定の部品の交換を行った前記対象装置が、前記他の交換部品を使用可能な機種か否か特定する機種特定手段を有し、
前記複製手段は、前記機種特定手段により特定された前記対象装置が前記他の交換部品を使用可能な機種である場合に、前記第２の紐づけデータを生成することを特徴とする請求項１に記載の情報処理システム。
【請求項６】
前記所定の部品の交換を行った前記対象装置の設置地域を特定する地域特定手段を有し、
前記複製手段は、前記地域特定手段により特定された前記設置地域が、前記他の交換部品を取り扱い可能な地域の場合に、前記第２の紐づけデータを生成することを特徴とする請求項１に記載の情報処理システム。
【請求項７】
学習データを収集する情報処理方法であって、
対象装置のエラー履歴情報を取得するエラー履歴情報取得ステップと、
前記対象装置の部品交換情報を取得する部品交換情報取得ステップと、
前記エラー履歴情報と前記部品交換情報とを紐づけた第１の紐づけデータを生成する紐づけステップと、
所定の交換部品の情報を、前記所定の交換部品を含有する他の交換部品の情報に置換して、前記エラー履歴情報と紐づけた第２の紐づけデータを生成する複製ステップと、
を有することを特徴とする情報処理方法。
【請求項８】
請求項１～６のいずれか１項に記載の情報処理システムの各手段をコンピュータにより制御するためのコンピュータプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、学習データを収集する情報処理システム、情報処理方法、コンピュータプログラム等に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
例えば複合機などの画像形成装置等では、エラーや故障などの異常が発生した場合、前記異常の通報によりサービスマンなどの保守担当者が派遣される。保守担当者は、マニュアルを確認し部品交換、などのメンテナンスを行う。
【０００３】
また近年、クラウドコンピューティングの普及が進んでいる。クラウドコンピューティングは、多くのコンピューティングリソースを用いてデータ変換やデータ処理を分散実行し、多くのクライアントからの要求を分散並列処理により並行して処理することが主な特徴である。システム開発者はクラウドコンピューティングを利用することで、必要なコンピューティングリソースを容易に調達でき、システム機能開発に注力することができる。
【０００４】
クラウドコンピューティングとの親和性が高い要素の１つが、ＡＩ（ＡｒｔｉｆｉｃａｌＩｎｔｅｌｌｉｇｅｎｃｅ）である。ＡＩを実現するコア技術の１つに機械学習がある。機械学習では大量データ（ビッグデータ）を学習アルゴリズムで解析することでデータの特徴（特性やパターン、傾向など）を抽出した学習モデルを作成することができる。
【０００５】
こうした大量データを安全に保管・解析するためには多くのコンピューティングリソースが必要であるため、クラウドコンピューティング環境で導入される事例が多い。先述した画像形成装置等のメンテナンスにおいても、複数の画像形成装置等から収集したデータを学習し、得られた学習済みモデルを用いて、部品交換などのメンテナンス作業を支援する方法が提案されている。
【０００６】
例えば特許文献１では、複数の装置から集めた装置情報と、サービスマンなどの作業者が保有する作業者情報に基づき作成された推定情報を得ている。作業者情報は、作業者の情報端末から取得した部品情報と作業状況情報を含む。これにより、サービスマンなどの作業者が効率的に交換作業を行えるようになる。
【先行技術文献】
【特許文献】
【０００７】
特開２０１９－２１１９４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
一方、故障などのエラーに対し、サービスマンなどの保守担当者に適切な対応を可能にするための情報提供に関して、適切な対応を推定する機械学習モデルが求められている。機械学習モデルを作成するためには、故障などのエラーと、前記エラーに対する適切な対応実績（例えば交換部品など）の紐付いた大量の学習データが必要になる。
【０００９】
しかし実際に運用するにあたり、交換部品の単位が異なる場合がある。例えばある地域では特定のパーツＡを交換するケースでも、異なる地域ではパーツＡを含む、より大きなスケールである、ユニットＸを交換することで対応する、といった場合がある。
【００１０】
その結果、学習のために大量のデータを集めようとした際に、実際には同じ正解ラベル（交換部品）であるにも関わらず、スケールが異なるために異なる正解ラベルと認識されてしまい、学習精度が下がる場合がある。
（【００１１】以降は省略されています）

関連特許