JP2012037991A - Prediction device, prediction system and program - Google Patents
Prediction device, prediction system and program Download PDFInfo
- Publication number
- JP2012037991A JP2012037991A JP2010175855A JP2010175855A JP2012037991A JP 2012037991 A JP2012037991 A JP 2012037991A JP 2010175855 A JP2010175855 A JP 2010175855A JP 2010175855 A JP2010175855 A JP 2010175855A JP 2012037991 A JP2012037991 A JP 2012037991A
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- distance
- prediction
- space
- monitoring
- 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.)
- Pending
Links
Images
Landscapes
- Accessory Devices And Overall Control Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
Abstract
Description
本発明は、予測装置、予測システム及びプログラムに関する。 The present invention relates to a prediction device, a prediction system, and a program.
監視対象装置(例えば、画像形成装置)における異常の発生についての予測に関し、種々の発明が提案されている。
例えば、画像形成装置から複数種類の情報を定期的に取得し、正常状態に対するマハラノビス距離を指標値として算出して、指標値が閾値を超えたら異常発生の可能性が高いと判定する発明が提案されている(特許文献1参照)。
例えば、被検対象の正常状態の指標として互いに値の異なる複数の正常指標情報を用意しておき、環境情報などの特定情報に応じて正常指標情報を切り替えて指標値を算出して異常判定を行う発明や、更に、異常有無の判定頻度を指標値の上昇率に応じて変化させる発明が提案されている(特許文献2参照)。
Various inventions have been proposed regarding prediction of occurrence of an abnormality in a monitoring target device (for example, an image forming device).
For example, an invention is proposed in which multiple types of information are periodically acquired from an image forming apparatus, the Mahalanobis distance with respect to a normal state is calculated as an index value, and if the index value exceeds a threshold, it is determined that the possibility of occurrence of an abnormality is high (See Patent Document 1).
For example, a plurality of normal index information having different values are prepared as indicators of the normal state of the subject to be examined, and the abnormality value is determined by calculating the index value by switching the normal index information according to specific information such as environmental information. An invention to be performed and an invention to change the determination frequency of the presence / absence of abnormality according to the rate of increase of the index value have been proposed (see Patent Document 2).
本発明は、監視対象装置における異常の発生についての予測を精度よく行うことができる技術を提案することを目的とする。 An object of this invention is to propose the technique which can perform the prediction about generation | occurrence | production of abnormality in the monitoring object apparatus with sufficient accuracy.
請求項1に記載の本発明は、予測対象の異常に関連する監視項目について監視対象装置で検出された状態を取得する取得手段と、前記取得手段により取得された状態について、前記異常が発生している場合の状態を表す空間として予め定められた異常空間に対する距離を算出する算出手段と、前記算出手段により算出された前記異常空間に対する距離に基づいて、前記監視対象装置における前記異常の発生について予測する予測手段と、を備えたことを特徴とする予測装置である。 According to the first aspect of the present invention, the abnormality occurs in the acquisition unit that acquires the state detected by the monitoring target device for the monitoring item related to the abnormality to be predicted, and the state acquired by the acquisition unit. The occurrence of the abnormality in the monitoring target device based on the calculation means for calculating the distance to the abnormal space that is predetermined as the space that represents the state of the situation, and the distance to the abnormal space calculated by the calculation means And a prediction device for prediction.
請求項2に記載の本発明は、請求項1に記載の予測装置において、前記予測手段は、前記監視対象装置において異なる時点で検出された状態についてそれぞれ算出された前記異常空間に対する距離の推移に基づいて、前記監視対象装置において前記異常が発生する時期を予測する、ことを特徴とする。 According to a second aspect of the present invention, in the prediction apparatus according to the first aspect, the prediction unit is configured to change a distance with respect to the abnormal space respectively calculated for states detected at different times in the monitoring target apparatus. Based on this, the time when the abnormality occurs in the monitoring target device is predicted.
請求項3に記載の本発明は、請求項2に記載の予測装置において、前記算出手段は、前記取得手段により取得された状態について、前記異常が発生していない場合の状態を表す空間として予め定められた正常空間に対する距離を更に算出し、前記予測手段は、前記算出手段により算出された前記異常空間に対する距離が前記算出手段により算出された前記正常空間に対する距離よりも短い場合に、前記監視対象装置において前記異常が発生する時期の予測を行う、ことを特徴とする。 According to a third aspect of the present invention, in the prediction apparatus according to the second aspect, the calculation unit preliminarily represents a space representing the state when the abnormality has not occurred in the state acquired by the acquisition unit. Further calculating a distance to the determined normal space, and the predicting means, when the distance to the abnormal space calculated by the calculating means is shorter than the distance to the normal space calculated by the calculating means The time when the abnormality occurs in the target device is predicted.
請求項4に記載の本発明は、請求項1乃至請求項3のいずれか1項に記載の予測装置において、予測対象の異常に関連する監視項目以外の監視項目であって、当該異常が発生している複数の監視対象装置のうち一部の監視対象装置で検出された状態の変化具合が基準以上の共通性を有する監視項目を、前記一部の監視対象装置を特定する装置属性を有する監視対象装置についての前記異常に関連する監視項目に追加する追加手段を備えた、ことを特徴とする。 According to a fourth aspect of the present invention, in the prediction device according to any one of the first to third aspects, the monitoring item is a monitoring item other than the monitoring item related to the abnormality to be predicted, and the abnormality occurs. A monitoring item having a commonality that is greater than or equal to a reference in a state of change detected in some of the monitoring target devices among a plurality of monitoring target devices having a device attribute that identifies the part of the monitoring target devices An additional means for adding to a monitoring item related to the abnormality of the monitoring target device is provided.
請求項5に記載の本発明は、監視対象装置と、予測装置と、を有し、前記監視対象装置は、予測対象の異常に関連する監視項目の状態を検出する検出手段を備え、前記予測装置は、前記監視対象装置で検出された前記異常に関連する監視項目の状態を前記監視対象装置から取得する取得手段と、前記取得手段により取得された状態について、前記異常が発生している場合の状態を表す空間として予め定められた異常空間に対する距離を算出する算出手段と、前記算出手段により算出された前記異常空間に対する距離に基づいて、前記監視対象装置における前記異常の発生について予測する予測手段と、を備えた、ことを特徴とする予測システムである。
The present invention according to
請求項6に記載の本発明は、コンピュータに、予測対象の異常に関連する監視項目について監視対象装置で検出された状態を取得する取得機能と、前記取得機能により取得された状態について、前記異常が発生している場合の状態を表す空間として予め定められた異常空間に対する距離を算出する算出機能と、前記算出機能により算出された前記異常空間に対する距離に基づいて、前記監視対象装置における前記異常の発生について予測する予測機能と、を実現させるためのプログラムである。
The present invention described in
請求項1、5、6に記載の本発明によると、監視対象装置における異常の発生の予測に関し、予測対象の異常の発生について、本発明を適用しない場合に比べて精度よく予測することができる。
According to the present invention described in
請求項2に記載の本発明によると、予測対象の異常が発生する時期を、本発明を適用しない場合に比べて精度よく予測することができる。 According to the second aspect of the present invention, it is possible to predict the time when the abnormality to be predicted occurs more accurately than when the present invention is not applied.
請求項3に記載の本発明によると、予測対象の異常が発生する時期の予測を、その異常が発生する可能性が或る程度高まった場合に行うことができる。 According to the third aspect of the present invention, it is possible to predict when the abnormality to be predicted occurs when the possibility of the occurrence of the abnormality has increased to some extent.
請求項4に記載の本発明によると、予測対象の異常に関連する監視項目を、監視対象装置の設置環境(例えば地域)や機種等の装置属性に応じて異ならせることができる。 According to the fourth aspect of the present invention, the monitoring items related to the abnormality of the prediction target can be made different according to the device attributes such as the installation environment (for example, the region) and the model of the monitoring target device.
本発明の一実施形態について図面を参照して説明する。
図1には、本発明の一実施形態に係る予測システムの機能ブロックを例示してある。本例の予測システムは、用紙等の媒体に画像形成を施す画像形成装置P、画像形成装置Pの管理者や保守担当者などに利用される保守情報入力端末T、画像形成装置Pにおける異常の発生について予測する予測装置S、を有している。図1の例では、2台の画像形成装置Pと1台の保守情報入力端末Tとを示してあるが、これらの台数は任意である。
An embodiment of the present invention will be described with reference to the drawings.
FIG. 1 illustrates functional blocks of a prediction system according to an embodiment of the present invention. The prediction system of the present example includes an image forming apparatus P that forms an image on a medium such as paper, a maintenance information input terminal T that is used by an administrator or maintenance person of the image forming apparatus P, and an abnormality in the image forming apparatus P. A prediction device S for predicting the occurrence. In the example of FIG. 1, two image forming apparatuses P and one maintenance information input terminal T are shown, but the number of these is arbitrary.
画像形成装置Pは、遠隔監視により異常予測の対象となる監視対象装置の一例であり、印刷装置(プリンタ)、複写装置(コピー機)、ファクシミリ装置、印刷・複写・ファクシミリ等の機能を複合的に備えた複合機などが含まれる。なお、監視対象装置としては画像形成装置Pに限定されず、予測装置Sとの間で無線又は有線により通信可能な種々の装置を対象とすることができ、例えば、複数系統(例えば運用系と予備系の2系統)を有しない装置や、常時稼動を想定して設置された装置など、障害の発生に際して速やかに対応することが求められる装置が主な対象とされる。 The image forming apparatus P is an example of a monitoring target apparatus that is a target of abnormality prediction by remote monitoring, and has functions such as a printing apparatus (printer), a copying apparatus (copying machine), a facsimile apparatus, and a printing / copying / facsimile function. This includes multifunction devices in preparation for. The monitoring target apparatus is not limited to the image forming apparatus P, and can be various apparatuses that can communicate with the prediction apparatus S wirelessly or by wire. The main target is a device that is required to respond quickly in the event of a failure, such as a device that does not have two standby systems) or a device that is installed assuming normal operation.
本例の画像形成装置Pは、装置内部の温度や湿度などの種々の監視項目について状態を検出するための複数の検出部(センサ)を有しており、間欠的(例えば、予め定められた時間間隔毎、予め定められた枚数の画像形成処理を実行する毎、装置が予め定められた動作モードに切り換わった際など)に各監視項目の状態の検出を行い、各監視項目について検出された状態(検出値)を示す状態情報を装置内部の記憶部に格納している。装置内部の記憶部に蓄積された状態情報は、予め定められた時間間隔毎に、或いは外部からの指示に応じて、予測装置Sに対して無線又は有線による通信によって送信される。外部からの指示としては、画像形成装置P自身で受け付けた指示や、予測装置S或いは保守情報入力端末T等の他の装置から画像形成装置Pに送信された指示などが挙げられる。 The image forming apparatus P of this example includes a plurality of detection units (sensors) for detecting states of various monitoring items such as temperature and humidity inside the apparatus, and is intermittent (for example, predetermined). At every time interval, every time a predetermined number of image forming processes are executed, when the apparatus switches to a predetermined operation mode, etc., the status of each monitoring item is detected, and each monitoring item is detected. The status information indicating the status (detected value) is stored in the storage unit inside the apparatus. The state information accumulated in the storage unit inside the apparatus is transmitted to the prediction apparatus S by wireless or wired communication at predetermined time intervals or in response to an instruction from the outside. Examples of the instruction from the outside include an instruction received by the image forming apparatus P itself and an instruction transmitted to the image forming apparatus P from another apparatus such as the prediction apparatus S or the maintenance information input terminal T.
保守情報入力端末Tは、操作者から受け付けた操作に応じて、無線又は有線による通信により、予測装置Sへ情報を送信することや、予測装置Sから受信した情報に基づく表示を当該保守情報入力端末Tに設けられた表示装置により出力すること等を行う。本例の保守情報入力端末Tは、画像形成装置Pの設置場所に訪問して保守作業を実際に行った保守担当者やその報告を受けた者などから、画像形成装置Pに対して実施した保守作業に関する保守情報の入力を受け付けて、予測装置Sへ送信する。また、画像形成装置Pにおける障害の発生に係る予測結果に関する情報を予測装置Sから受信して、その表示装置により表示出力する。 The maintenance information input terminal T transmits information to the prediction device S by wireless or wired communication according to an operation received from the operator, or displays the display based on the information received from the prediction device S. For example, output is performed by a display device provided in the terminal T. The maintenance information input terminal T of the present example was performed on the image forming apparatus P from a maintenance person who actually visited the place where the image forming apparatus P was installed and performed maintenance work, or a person who received the report. The input of maintenance information regarding the maintenance work is received and transmitted to the prediction device S. In addition, information related to a prediction result related to the occurrence of a failure in the image forming apparatus P is received from the prediction apparatus S and displayed on the display apparatus.
予測装置Sは、装置情報収集部11、正常・異常空間生成部12、距離算出部13、距離変化分算出部14、異常発生予測部15、状態情報記憶部16、保守情報記憶部17、空間情報記憶部18、距離情報記憶部19などの機能部を有しており、予測対象となる複数の異常の中から画像形成装置Pにおいて近いうちに発生する可能性が高い異常の特定やその発生時期の予測などを行う。
The prediction device S includes a device information collection unit 11, a normal / abnormal space generation unit 12, a distance calculation unit 13, a distance change calculation unit 14, an abnormality
装置情報収集部11は、画像形成装置Pから送信される状態情報を取得して、状態情報記憶部16に格納する。本例の状態情報には、監視項目を識別する項目ID、当該監視項目について検出された状態(検出値)、当該監視項目の状態を検出した日時などが記録されており、更に、その対象となった画像形成装置Pを一意に識別する装置IDや機種を識別する機種IDなどが対応付けられている。 The apparatus information collection unit 11 acquires the state information transmitted from the image forming apparatus P and stores it in the state information storage unit 16. In the status information of this example, an item ID for identifying a monitoring item, a status (detected value) detected for the monitoring item, a date and time when the status of the monitoring item is detected, and the like are recorded. A device ID that uniquely identifies the image forming apparatus P that has become, a model ID that identifies the model, and the like are associated with each other.
また、装置情報収集部11は、保守情報入力端末Tから送信される保守情報を取得して、保守情報記憶部17に格納する。本例の保守情報には、保守作業の内容を示す保守内容、当該保守作業が実施された日時、当該保守作業による除去対象の異常などが記録されており、更に、その対象となった画像形成装置Pを一意に識別する装置IDや機種を識別する機種IDなどが対応付けられている。
本例では、保守情報入力端末Tにより保守担当者等から受け付けた保守情報を通信により取得するようにしているが、他の構成により保守情報を取得してもよく、例えば、保守作業の対象となった画像形成装置Pで保守情報の入力を受け付けて通信により取得する構成や、予測装置Sで保守情報の入力を直接受け付ける構成等を用いることができる。
In addition, the device information collection unit 11 acquires maintenance information transmitted from the maintenance information input terminal T and stores it in the maintenance
In this example, maintenance information received from a maintenance person or the like is obtained by communication from the maintenance information input terminal T, but maintenance information may be obtained by other configurations. It is possible to use a configuration in which the input of maintenance information is received by the image forming apparatus P that has been acquired and acquired through communication, or a configuration in which the input of maintenance information is directly received by the prediction apparatus S.
正常・異常空間生成部12は、状態情報記憶部16に記憶されている状態情報及び保守情報記憶部17に記憶されている保守情報に基づいて、予測対象となる複数の異常のそれぞれについて、異常が発生していない場合の状態を表す正常空間と、異常が発生している場合の状態を表す異常空間を生成し、それぞれの空間を表す空間情報を空間情報記憶部18に記憶させる。予測対象の異常毎に生成された正常空間及び異常空間の空間情報は、以後の処理において、該当する異常の発生について予測を行う際に用いられる。
Based on the state information stored in the state information storage unit 16 and the maintenance information stored in the maintenance
正常・異常空間生成部12において実行される空間情報の生成処理について説明する。
本例の正常・異常空間生成部12では、予測対象となる複数の異常のそれぞれを順番に処理対象として、以下の処理を行う。
まず、処理対象の異常を解消するための保守作業が実施された複数の画像形成装置Pにおいて状態が検出された種々の監視項目の中から、複数の画像形成装置Pのそれぞれにおいて保守作業の前後で状態(検出値)に特徴的な変化(例えば、保守作業の前後における状態の差が閾値以上)が共通に生じた1以上の監視項目を当該処理対象の異常に関連する監視項目として特定する。
Spatial information generation processing executed in the normal / abnormal space generation unit 12 will be described.
In the normal / abnormal space generation unit 12 of the present example, the following processing is performed with each of a plurality of abnormalities to be predicted being sequentially processed.
First, before and after the maintenance work in each of the plurality of image forming apparatuses P, among the various monitoring items whose states are detected in the plurality of image forming apparatuses P on which the maintenance work for eliminating the abnormality to be processed is performed. In this case, one or more monitoring items in which changes characteristic to the state (detection value) (for example, the difference between the states before and after the maintenance work is greater than or equal to the threshold value) are identified as monitoring items related to the abnormality of the processing target. .
そして、特定された監視項目のそれぞれについて、保守作業が実施される前の状態に係る統計値(例えば、平均)を算出し、算出された各監視項目の状態の統計値を要素としたベクトル空間を処理対象の異常についての異常空間として空間情報を生成する。また、特定された監視項目毎に保守作業が施された後の状態に係る統計値(例えば、平均)を算出して、出された各監視項目の状態の統計値を要素としたベクトル空間を処理対象の異常についての正常空間として空間情報を生成する。
その後、それぞれの空間情報に対し、異常を識別する異常IDなどを対応付けて空間情報記憶部18に記憶させる。
Then, for each identified monitoring item, a statistical value (for example, an average) relating to the state before the maintenance work is performed is calculated, and a vector space having the calculated statistical value of each monitoring item as an element Is generated as an abnormal space for the abnormality to be processed. Further, a statistical value (for example, an average) related to the state after the maintenance work is performed for each specified monitoring item is calculated, and a vector space having the statistical value of the state of each monitoring item as an element is calculated. Spatial information is generated as a normal space for the abnormality to be processed.
After that, each spatial information is associated with an abnormality ID for identifying abnormality and stored in the spatial information storage unit 18.
この結果、本例における正常空間及び異常空間では、その対象となる異常に関連して変化したと推定される監視項目が空間の構成要素に用いられ、一方、当該異常とは無関係であると推定される監視項目については空間の構成要素から除外されている。このため、本例における正常空間及び異常空間の構成要素に係る監視項目は、その対象となる異常に応じたものとなっている。 As a result, in the normal space and the abnormal space in this example, the monitoring item that is estimated to have changed in relation to the target abnormality is used as a component of the space, while it is estimated that it is unrelated to the abnormality. The monitored items are excluded from the space components. For this reason, the monitoring items relating to the components of the normal space and the abnormal space in this example correspond to the target abnormality.
なお、本例では、事前に、試験用に用意された画像形成装置Pについてストレス試験などを行って障害を意図的に発生させ、その際に収集された情報に基づいて空間情報の生成処理を行い、その結果生成された空間情報を初期値として空間情報記憶部18に記憶させており、その後、市場で実際に運用されている複数の画像形成装置Pについて収集された情報に基づいて、予め定められた期間(例えば1月)毎に空間情報の生成処理を実行し直して、空間情報記憶部18の空間情報を更新している。なお、予め定められた日時の到来に応じて空間情報を更新する構成や、システムの管理者等により入力された指示に応じて空間情報を更新する構成などのように、他の条件を契機にして空間情報を更新するようにしてもよい。 In this example, the image forming apparatus P prepared for the test is subjected to a stress test or the like in advance so as to intentionally generate a failure, and spatial information generation processing is performed based on the information collected at that time. The spatial information generated as a result is stored in the spatial information storage unit 18 as an initial value, and thereafter, based on information collected for a plurality of image forming apparatuses P actually operated in the market in advance. Spatial information generation processing is re-executed every predetermined period (for example, January) to update the spatial information in the spatial information storage unit 18. In addition, triggered by other conditions, such as a configuration that updates spatial information in response to the arrival of a predetermined date and time, a configuration that updates spatial information in response to an instruction input by a system administrator, etc. The spatial information may be updated.
距離算出部13は、状態情報記憶部16に記憶されている状態情報及び空間情報記憶部18に記憶されている空間情報に基づいて、予測対象となる複数の異常のそれぞれについて、その異常に関連する監視項目について異常予測の対象となる画像形成装置Pで検出された状態に対する正常空間の距離及び異常空間の距離を算出し、それぞれの距離を表す距離情報を距離情報記憶部19に記憶させる。
Based on the state information stored in the state information storage unit 16 and the spatial information stored in the spatial information storage unit 18, the distance calculation unit 13 relates to each abnormality for each of a plurality of abnormalities to be predicted. The distance of the normal space and the distance of the abnormal space with respect to the state detected by the image forming apparatus P that is the target of abnormality prediction for the monitoring item to be calculated are calculated, and the distance information representing each distance is stored in the distance
距離算出部13において実行される距離の算出処理について説明する。
本例の距離算出部13では、予測対象となる複数の異常のそれぞれを順番に処理対象として、以下の処理を行う。
まず、処理対象の異常についての正常空間及び異常空間の構成要素に係る各監視項目について、異常予測の対象となる画像形成装置Pから取得された状態情報に含まれる該当する状態(検出値)をそれぞれ抽出してベクトル化する。
次いで、抽出されたベクトルと処理対象の異常についての正常空間とのマハラノビス距離を当該正常空間に対する距離として算出する。また、抽出されたベクトルと処理対象の異常についての異常空間とのマハラノビス距離を当該異常空間に対する距離として算出する。
その後、それぞれの距離を表す距離情報に対し、画像形成装置Pを識別する装置ID、異常を識別する異常ID、距離を算出した日時などを対応付けて距離記憶部19に記憶させる。
The distance calculation process executed in the distance calculation unit 13 will be described.
In the distance calculation unit 13 of this example, the following processing is performed with each of a plurality of abnormalities to be predicted being sequentially processed.
First, for each monitoring item related to a normal space and an abnormal space component regarding the abnormality to be processed, a corresponding state (detected value) included in the state information acquired from the image forming apparatus P that is the target of abnormality prediction is displayed. Each is extracted and vectorized.
Next, the Mahalanobis distance between the extracted vector and the normal space for the abnormality to be processed is calculated as the distance to the normal space. Further, the Mahalanobis distance between the extracted vector and the abnormal space for the abnormality to be processed is calculated as a distance to the abnormal space.
Thereafter, the distance information representing each distance is stored in the
この結果、本例の距離記憶部19には、画像形成装置P毎及び予測対象の異常毎に、異なる時点で検出された状態についてそれぞれ算出された正常空間に対する距離及び異常空間に対する距離を表す距離情報が格納される。
本例では、画像形成装置Pから状態情報が取得されて状態情報記憶部16に格納される度に、その状態情報(すなわち、最新の状態情報)について距離を算出しているが、検出時点が異なる複数の状態情報について一括して距離を算出してもよい。
また、本例では、正常空間及び異常空間に対する距離としてマハラノビス距離を用いているが、他の手法により算出される距離を用いてもよい。
As a result, the
In this example, every time the status information is acquired from the image forming apparatus P and stored in the status information storage unit 16, the distance is calculated for the status information (that is, the latest status information). The distance may be calculated collectively for a plurality of different state information.
In this example, the Mahalanobis distance is used as the distance to the normal space and the abnormal space, but a distance calculated by another method may be used.
距離変化分算出部14は、距離情報記憶部19に記憶されている距離情報に基づいて、予測対象となる複数の異常のそれぞれについて、異常予測の対象となる画像形成装置Pに係る正常空間に対する最新の距離と前回の距離との変化分、及び、異常空間に対する最新の距離と前回の距離との変化分を算出する。
Based on the distance information stored in the distance
異常発生予測部15は、距離算出部13による算出結果(距離情報記憶部19の記憶内容)及び距離変化分算出部14の算出結果に基づいて、異常予測の対象となる画像形成装置Pにおいて近い将来に発生する可能性が高いと推定される異常を予め定められた条件に基づいて特定し、その異常が発生する時期について予測する。
The abnormality
異常発生予測部15において実行される異常発生の予測処理について説明する。
本例の異常発生予測部15は、以下の(条件1)〜(条件3)に基づいて、予測対象となる複数の異常の中から、異常予測の対象となる画像形成装置Pにおいて近い将来に発生する可能性が高いと推定される異常を特定する。
The abnormality occurrence prediction process executed in the abnormality
The abnormality
(条件1)「正常空間に対する距離>異常空間に対する距離」となる異常が1つの場合は、当該異常を選出する。
(条件2)「正常空間に対する距離>異常空間に対する距離」となる異常が複数の場合は、異常空間に対する最新の距離と前回の距離との変化分(但し、異常空間に近づく方向の変化)が最も大きい異常を選出する。
(条件3)「正常空間に対する距離>異常空間に対する距離」となる異常がない場合は、正常空間に対する最新の距離と前回の距離との変化分及び異常空間に対する最新の距離と前回の距離との変化分に基づいて、予め定められた期間内に「正常空間に対する距離>異常空間に対する距離」となる異常があるかを判定して、該当する異常を選出する。該当する異常が複数の場合には、異常空間に対する最新の距離と前回の距離との変化分(但し、異常空間に近づく方向の変化)が最も大きい異常を選出する。
(Condition 1) If there is one abnormality that satisfies “distance to normal space> distance to abnormal space”, the abnormality is selected.
(Condition 2) When there are a plurality of abnormalities satisfying “distance to normal space> distance to abnormal space”, the change between the latest distance to the abnormal space and the previous distance (however, the change in the direction approaching the abnormal space) is Pick the biggest anomaly.
(Condition 3) If there is no abnormality such as “distance to normal space> distance to abnormal space”, the difference between the latest distance to normal space and the previous distance, and the latest distance to abnormal space and the previous distance Based on the change, it is determined whether there is an abnormality that satisfies “distance to normal space> distance to abnormal space” within a predetermined period, and the corresponding abnormality is selected. When there are a plurality of corresponding abnormalities, the abnormality having the largest change between the latest distance to the abnormal space and the previous distance (however, the change in the direction approaching the abnormal space) is selected.
その後、(条件1)〜(条件3)に基づいて選出された異常を、近い将来に発生する可能性が高いと推定される異常として特定し、異常空間に対する距離の推移に基づいて、異常が発生する時期を予測する。本例では、異常空間に対する距離が予め定められた閾値未満(又は閾値以下)となる時点を異常が発生する時期として予測している。 Thereafter, the anomaly selected based on (Condition 1) to (Condition 3) is identified as an anomaly that is estimated to be highly likely to occur in the near future. Predict when it will occur. In this example, the time when the distance to the abnormal space is less than a predetermined threshold (or less than the threshold) is predicted as the time when the abnormality occurs.
なお、上記のように異常が発生する時期を予測する他に、単に、近日中に発生する(或いは既に発生している)可能性が高い異常を予測してもよい。具体的には、例えば、予測対象となる複数の異常のそれぞれについて、異常空間に対する最新の距離が予め定められた閾値未満(又は閾値以下)であるかを判定し、閾値未満(又は閾値以下)であると判定された異常を、近日中に発生する(或いは既に発生している)可能性が高い異常であると予測する。 In addition to predicting the timing of occurrence of an abnormality as described above, an abnormality that is highly likely to occur in the near future (or has already occurred) may be predicted. Specifically, for example, for each of a plurality of anomalies to be predicted, it is determined whether the latest distance to the anomaly space is less than a predetermined threshold (or less than the threshold), and less than the threshold (or less than the threshold). It is predicted that an abnormality determined to be an abnormality that is likely to occur (or has already occurred) in the near future.
図2には、本例の予測装置Sによる予測処理のフローを例示してある。
本例の予測装置Sでは、装置情報収集部11が、異常予測の対象となる画像形成装置Pから状態情報を取得し(ステップS11)、距離算出部13が、装置情報収集部11により取得された状態情報に基づいて、予測対象の異常毎に正常空間及び異常空間に対する距離(本例ではマハラノビス距離)を算出し(ステップS12)、距離変化分算出部14が、距離算出部13による算出結果に基づいて、予測対象の異常毎に正常空間に対する距離の変化分及び異常空間に対する距離の変化分を算出する(ステップS13)。
FIG. 2 illustrates a flow of prediction processing by the prediction device S of this example.
In the prediction apparatus S of this example, the apparatus information collection unit 11 acquires state information from the image forming apparatus P that is a target of abnormality prediction (step S11), and the distance calculation unit 13 is acquired by the apparatus information collection unit 11. Based on the state information, the normal space and the distance to the abnormal space (Mahalanobis distance in this example) are calculated for each abnormality to be predicted (step S12), and the distance change calculation unit 14 calculates the calculation result by the distance calculation unit 13 Based on the above, a change in distance to the normal space and a change in distance to the abnormal space are calculated for each abnormality to be predicted (step S13).
その後、異常発生予測部15が、距離算出部13により予測対象の異常毎に算出された正常空間に対する距離と異常空間に対する距離を比較して(ステップS14)、予測対象となる全ての異常について、「正常空間に対する距離<異常空間に対する距離」という条件を満たすか否かを判定する(ステップS15)。
After that, the abnormality
ステップS15において肯定的な判定結果(YES)が得られた場合には、更に、予め定められた期間内に「正常空間に対する距離>異常空間に対する距離」という条件を満たす異常があるか否かを判定する(ステップS16)。この判定において肯定的な判定結果(YES)が得られた場合には、その異常が発生する時期を異常空間に対する距離の推移に基づいて予測し(ステップS19)、否定的な判定結果(NO)が得られた場合には、処理を終了する。 If a positive determination result (YES) is obtained in step S15, it is further determined whether or not there is an abnormality that satisfies the condition “distance to normal space> distance to abnormal space” within a predetermined period. Determination is made (step S16). If a positive determination result (YES) is obtained in this determination, the time when the abnormality occurs is predicted based on the transition of the distance to the abnormal space (step S19), and the negative determination result (NO) If obtained, the process is terminated.
一方、ステップS15において否定的な判定結果(NO)が得られた場合には、「正常空間に対する距離>異常空間に対する距離」となる異常は1つであるか否かを判定する(ステップS17)。この判定において肯定的な判定結果(YES)が得られた場合には、その異常が発生する時期を異常空間に対する距離の推移に基づいて予測し(ステップS19)、否定的な判定結果(NO)が得られた場合には、異常空間に対する距離の変化分が最も大きい異常を選出して(ステップS18)、その異常が発生する時期を異常空間に対する距離の推移に基づいて予測する(ステップS19)。 On the other hand, when a negative determination result (NO) is obtained in step S15, it is determined whether or not there is one abnormality that satisfies “distance to normal space> distance to abnormal space” (step S17). . If a positive determination result (YES) is obtained in this determination, the time when the abnormality occurs is predicted based on the transition of the distance to the abnormal space (step S19), and the negative determination result (NO) Is obtained, an anomaly having the largest change in the distance to the anomalous space is selected (step S18), and the time when the anomaly occurs is predicted based on the transition of the distance to the anomaly space (step S19). .
上記の予測処理を行った結果は、保守情報入力端末Tに送信され、保守情報入力端末Tの表示装置により表示出力される。なお、例えば、予め定められた送信先(画像形成装置Pの管理者や保守担当者など)に宛ててメール送信する等、他の出力手法を用いて予測結果の出力を行うようにしてもよい。 The result of performing the prediction process is transmitted to the maintenance information input terminal T, and is displayed and output by the display device of the maintenance information input terminal T. Note that the output of the prediction result may be performed using another output method such as, for example, sending an e-mail to a predetermined transmission destination (such as an administrator or maintenance staff of the image forming apparatus P). .
なお、上記の予測処理は一例に過ぎず、以下に幾つかの変形例を示しておく。
例えば、「正常空間に対する距離>異常空間に対する距離」となる全ての異常について発生時期の予測を行うようにしてもよい。なお、「正常空間に対する距離>異常空間に対する距離」となった際に1度だけ発生時期の予測を行ってもよく、或いは「正常空間に対する距離>異常空間に対する距離」の状態である場合に発生時期の予測を複数回繰り返してもよい。
例えば、異常が発生する可能性が高い順(異常空間に対する距離が近い順)に予め定められた数の異常を選出して発生時期の予測を行うようにしてもよい。
なお、複数の異常について発生時期の予測が行われた場合には、発生時期が近い順に予め定められた数の異常について予測結果を出力するようにしてもよい。
In addition, said prediction process is only an example and the some modification is shown below.
For example, the occurrence time may be predicted for all the abnormalities where “distance to normal space> distance to abnormal space”. Note that the occurrence timing may be predicted only once when “distance to normal space> distance to abnormal space” or “distance to normal space> distance to abnormal space” occurs. Time prediction may be repeated multiple times.
For example, the occurrence time may be predicted by selecting a predetermined number of abnormalities in the order of high probability of occurrence of abnormalities (in order of the distance from the abnormal space).
When the occurrence times are predicted for a plurality of abnormalities, prediction results may be output for a predetermined number of abnormalities in the order of occurrence time.
図3には、本例の予測システムにおいて算出された正常空間に対する距離及び異常空間に対する距離の推移を例示してある。縦軸は、各異常について算出された距離を表しており、横軸は、日時の経過を表している。また、αは、異常空間に対する距離に関する閾値で示してあり、異常空間に対する距離がα未満(又はα以下)となる時点において異常が発生すると予測される。 FIG. 3 illustrates the transition of the distance to the normal space and the distance to the abnormal space calculated in the prediction system of this example. The vertical axis represents the distance calculated for each abnormality, and the horizontal axis represents the passage of time. Further, α is indicated by a threshold regarding the distance to the abnormal space, and it is predicted that an abnormality will occur when the distance to the abnormal space becomes less than α (or less than α).
図3(a)には、異常Aについて算出された正常空間に対する距離LA1及び異常空間に対する距離LA2を例示してあり、図3(b)には、異常Bについて算出された正常空間に対する距離LB1及び異常空間に対する距離LB2を例示してあり、図3(c)には、異常Cについて算出された正常空間に対する距離LC1及び異常空間に対する距離LC2を例示してある。 3A illustrates the distance LA1 to the normal space and the distance LA2 to the abnormal space calculated for the abnormality A, and FIG. 3B illustrates the distance LB1 to the normal space calculated for the abnormality B. 3B illustrates the distance LB2 to the abnormal space, and FIG. 3C illustrates the distance LC1 to the normal space calculated for the abnormality C and the distance LC2 to the abnormal space.
図3によれば、異常Aについては、正常空間に対する距離LA1が次第に増加(正常空間から離れる方向に推移)しているが、異常空間に対する距離LA2も次第に増加(異常空間からも離れる方向に推移)しており、当面は異常Aが発生しないことが分かる。
これに対し、異常Bについては、正常空間に対する距離LB1が次第に増加(正常空間から離れる方向に推移)する一方で、異常空間に対する距離LB2が次第に減少(異常空間からも近づく方向に推移)しており、異常Bの発生に近づきつつあることが分かる。また、異常Cについても異常Bと同様に、正常空間に対する距離LC1が次第に増加(正常空間から離れる方向に推移)する一方で、異常空間に対する距離LC2が次第に減少(異常空間からも近づく方向に推移)しており、異常Cの発生に近づきつつあることが分かる。そして、異常空間に対する距離の減少度合いによれば、異常Bの方がα未満(又はα以下)となるまでの日数が短く、緊急度が高いことが分かる。
According to FIG. 3, for abnormality A, the distance LA1 to the normal space gradually increases (shifts away from the normal space), but the distance LA2 to the abnormal space also gradually increases (shifts away from the abnormal space). It can be seen that abnormality A does not occur for the time being.
On the other hand, for the anomaly B, the distance LB1 with respect to the normal space gradually increases (shifts away from the normal space), while the distance LB2 with respect to the anomalous space gradually decreases (shifts toward the anomaly space). It can be seen that the abnormality B is approaching. As for the abnormality C, as with the abnormality B, the distance LC1 to the normal space gradually increases (shifts away from the normal space), while the distance LC2 to the abnormal space gradually decreases (changes closer to the abnormal space as well). It can be seen that the occurrence of abnormality C is approaching. And according to the decreasing degree of the distance with respect to abnormal space, it turns out that the number of days until abnormality B becomes less than (or less than or equal to) α is short and the degree of urgency is high.
ここで、これまで説明した予測システムでは、予測対象の異常毎の正常空間及び異常空間の構成要素に係る監視項目として、異常予測の対象となる全ての画像形成装置Pにおいて共通の監視項目を用いているが、更に、画像形成装置Pの設置環境(例えば地域)や機種等の装置属性に応じた固有の監視項目を付加的に用いるようにしてもよい。 Here, in the prediction system described so far, the monitoring items common to all the image forming apparatuses P that are targets of abnormality prediction are used as the monitoring items related to the normal space for each abnormality to be predicted and the components of the abnormal space. However, it is also possible to additionally use specific monitoring items according to the device attributes such as the installation environment (for example, the region) and model of the image forming apparatus P.
画像形成装置Pの装置属性に応じた固有の監視項目を付加的に用いる構成の一例について説明する。
例えば、正常・異常空間生成部12において、予測対象となる複数の異常のそれぞれを順番に処理対象として、以下の処理を行う。
まず、処理対象の異常を解消するための保守作業が実施された複数の画像形成装置Pにおいて状態が検出された種々の監視項目(共通の監視項目を除く)の中から、一部の画像形成装置Pにおいて保守作業の前後で状態(検出値)に特徴的な変化(例えば、保守作業の前後における状態の差が閾値以上)が共通に生じた1以上の監視項目を特定する。特定された監視項目は、当該一部の画像形成装置Pが共通に有する装置属性と同じ装置属性を有する画像形成装置P群に対して付加的に適用される固有の監視項目となる。
An example of a configuration that additionally uses unique monitoring items according to the device attributes of the image forming apparatus P will be described.
For example, the normal / abnormal space generation unit 12 performs the following processing with each of a plurality of abnormalities to be predicted in turn as processing targets.
First, some image formation is performed from among various monitoring items (excluding common monitoring items) whose states are detected in a plurality of image forming apparatuses P on which maintenance work for eliminating the abnormality to be processed is performed. In the device P, one or more monitoring items in which a characteristic change in the state (detected value) before and after the maintenance work (for example, the difference in the state before and after the maintenance work is greater than or equal to the threshold value) are identified. The identified monitoring item is a unique monitoring item that is additionally applied to the group of image forming apparatuses P having the same apparatus attribute as the apparatus attribute shared by some of the image forming apparatuses P.
次いで、全ての画像形成装置Pに適用される共通の監視項目及び一部の画像形成装置Pについて特定された固有の監視項目のそれぞれについて、保守作業が実施される前の状態に係る統計値(例えば、平均)を算出し、算出された各監視項目の状態の統計値を要素としたベクトル空間を処理対象の異常についての異常空間として空間情報を生成する。また、特定された監視項目毎に保守作業が施された後の状態に係る統計値(例えば、平均)を算出して、出された各監視項目の状態の統計値を要素としたベクトル空間を処理対象の異常についての正常空間として空間情報を生成する。
その後、それぞれの空間情報に対し、異常を識別する異常ID、装置属性を識別する属性IDなどを対応付けて空間情報記憶部18に記憶させる。
Next, for each of the common monitoring items applied to all the image forming apparatuses P and the specific monitoring items specified for some of the image forming apparatuses P, the statistical values relating to the state before the maintenance work is performed ( For example, an average) is calculated, and space information is generated using a vector space having the calculated statistical value of each monitoring item as an element as an abnormal space for the abnormality to be processed. Further, a statistical value (for example, an average) related to the state after the maintenance work is performed for each specified monitoring item is calculated, and a vector space having the statistical value of the state of each monitoring item as an element is calculated. Spatial information is generated as a normal space for the abnormality to be processed.
Thereafter, an abnormality ID for identifying an abnormality, an attribute ID for identifying a device attribute, and the like are associated with each spatial information and stored in the spatial information storage unit 18.
そして、異常の発生についての予測においては、異常予測の対象となる画像形成装置Pの装置属性を参照し、該当する装置IDが対応付けられた正常空間及び異常空間の空間情報が正常・異常空間生成部12に存在する場合には、これらの空間に対する距離を算出して予測を行うようにする。 In the prediction of the occurrence of abnormality, the device attribute of the image forming apparatus P that is the target of abnormality prediction is referred to, and the normal space associated with the corresponding device ID and the space information of the abnormal space are normal / abnormal space. If it exists in the generation unit 12, the distance to these spaces is calculated and predicted.
固有の監視項目を特定する手法としては、例えば、クラスター分析を利用する手法が挙げられる。すなわち、画像形成装置P毎に各監視項目(共通の監視項目を除く)の状態を要素としたデータ群を形成し、画像形成装置P毎のデータ群を予め定められた分類レベル(分類の粒度)でクラスタリング処理を行って複数の集合に分類し、分類に寄与した監視項目を、分類された複数の集合のうち保守作業の前後における状態の変化が大きい集合を選出し、その集合に対応する画像形成装置P群について固有の監視項目とする。なお、複数の集合が選出された場合には、各集合に対応する画像形成装置P群毎に固有の監視項目として追加される。 As a method for specifying a specific monitoring item, for example, a method using cluster analysis can be cited. That is, a data group having the state of each monitoring item (excluding a common monitoring item) as an element is formed for each image forming apparatus P, and the data group for each image forming apparatus P is set to a predetermined classification level (classification granularity). ) To perform clustering processing to classify into multiple sets, and select the set of monitoring items that contributed to the classification that has a large change in state before and after maintenance work from among the multiple classified sets. This is a monitoring item unique to the image forming apparatus P group. When a plurality of sets are selected, they are added as unique monitoring items for each image forming apparatus P group corresponding to each set.
図4には、本例の予測システムにおいて予測装置Sとして動作するコンピュータの主要なハードウェア構成を例示してある。
本例では、各種演算処理を行うCPU(Central Processing Unit)31、CPU31の作業領域となるRAM(Random Access Memory)32や基本的な制御プログラムを記録したROM(Read Only Memory)33等の主記憶装置、本発明の一実施形態に係るプログラムや各種データを記憶する補助記憶装置(例えば、HDD(Hard Disk Drive)等の磁気ディスクや、フラッシュメモリ等の書き換え可能な不揮発性メモリなど)34、各種情報を表示出力するための表示装置及び操作者により入力操作に用いられる操作ボタンやタッチパネル等の入力機器とのインタフェースである入出力I/F35、他の装置との間で有線又は無線により通信を行うインタフェースである通信I/F36、等のハードウェア資源を有するコンピュータにより構成されている。
そして、本発明の一実施形態に係るプログラムを補助記憶装置34等から読み出してRAM32に展開し、これをCPU31により実行させることで、本発明の一実施形態に係る予測装置Sの各機能をコンピュータ上に実現している。
FIG. 4 illustrates a main hardware configuration of a computer that operates as the prediction device S in the prediction system of this example.
In this example, a main memory such as a CPU (Central Processing Unit) 31 that performs various arithmetic processes, a RAM (Random Access Memory) 32 that is a work area of the CPU 31, and a ROM (Read Only Memory) 33 that records basic control programs. Device, auxiliary storage device (for example, magnetic disk such as HDD (Hard Disk Drive), rewritable nonvolatile memory such as flash memory, etc.) 34 for storing programs and various data according to an embodiment of the present invention, various types Communication between the display device for displaying information and the input / output I / F 35 that is an interface with an input device such as an operation button or a touch panel used for an input operation by an operator, or other devices by wire or wireless Interface to do It is constituted by the communication I / F 36, a computer having the hardware resources and the like.
Then, the program according to the embodiment of the present invention is read from the
なお、本例では、予測装置Sの各機能部を1台のコンピュータに設ける構成としてあるが、各機能部を複数台のコンピュータに分散して設ける構成としてもよい。
また、本発明の一実施形態に係るプログラムは、例えば、当該プログラムを記憶したCD−ROM等の外部記憶媒体から読み込む形式や、通信回線等を介して受信する形式などにより、本例に係るコンピュータに設定される。
また、本例のようなソフトウェア構成により各機能部を実現する態様に限られず、それぞれの機能部を専用のハードウェアモジュールで実現するようにしてもよい。
In this example, each function unit of the prediction device S is provided in one computer, but each function unit may be provided in a distributed manner in a plurality of computers.
In addition, the program according to the embodiment of the present invention may be a computer according to the present example, for example, in a format read from an external storage medium such as a CD-ROM storing the program or a format received via a communication line. Set to
Moreover, it is not restricted to the aspect which implement | achieves each function part by software configuration like this example, You may make it implement | achieve each function part with a dedicated hardware module.
P:画像形成装置、 T:保守情報入力端末T、 S:予測装置、
11:装置情報収集部、 12:正常・異常空間生成部、 13:距離算出部、 14:距離変化分算出部、 15:異常発生予測部、 16:状態情報記憶部、 17:保守情報記憶部、 18:空間情報記憶部、 19:距離情報記憶部
P: Image forming apparatus, T: Maintenance information input terminal T, S: Prediction apparatus,
11: Device information collection unit, 12: Normal / abnormal space generation unit, 13: Distance calculation unit, 14: Distance change calculation unit, 15: Abnormality occurrence prediction unit, 16: Status information storage unit, 17: Maintenance information storage unit 18: Spatial information storage unit 19: Distance information storage unit
Claims (6)
前記取得手段により取得された状態について、前記異常が発生している場合の状態を表す空間として予め定められた異常空間に対する距離を算出する算出手段と、
前記算出手段により算出された前記異常空間に対する距離に基づいて、前記監視対象装置における前記異常の発生について予測する予測手段と、
を備えたことを特徴とする予測装置。 An acquisition means for acquiring a state detected by the monitoring target device with respect to a monitoring item related to the abnormality to be predicted;
For the state acquired by the acquisition unit, a calculation unit that calculates a distance to an abnormal space that is predetermined as a space that represents the state when the abnormality occurs;
Prediction means for predicting the occurrence of the abnormality in the monitoring target device based on the distance to the abnormal space calculated by the calculation means;
A prediction apparatus comprising:
ことを特徴とする請求項1に記載の予測装置。 The predicting means predicts a time when the abnormality occurs in the monitoring target device based on a transition of a distance with respect to the abnormal space respectively calculated for states detected at different times in the monitoring target device;
The prediction apparatus according to claim 1.
前記予測手段は、前記算出手段により算出された前記異常空間に対する距離が前記算出手段により算出された前記正常空間に対する距離よりも短い場合に、前記監視対象装置において前記異常が発生する時期の予測を行う、
ことを特徴とする請求項2に記載の予測装置。 The calculation means further calculates a distance with respect to a normal space that is predetermined as a space representing a state when the abnormality has not occurred with respect to the state acquired by the acquisition means,
The prediction means predicts when the abnormality occurs in the monitoring target device when the distance to the abnormal space calculated by the calculation means is shorter than the distance to the normal space calculated by the calculation means. Do,
The prediction apparatus according to claim 2, wherein:
ことを特徴とする請求項1乃至請求項3のいずれか1項に記載の予測装置。 A monitoring item other than the monitoring item related to the abnormality of the prediction target, and the change in the state detected by some of the monitoring target devices in which the abnormality has occurred is common to the standard or more An additional means for adding a monitoring item having a property to a monitoring item related to the abnormality of the monitoring target device having a device attribute that identifies the part of the monitoring target devices;
The prediction device according to any one of claims 1 to 3, wherein the prediction device is characterized in that:
前記監視対象装置は、予測対象の異常に関連する監視項目の状態を検出する検出手段を備え、
前記予測装置は、前記監視対象装置で検出された前記異常に関連する監視項目の状態を前記監視対象装置から取得する取得手段と、前記取得手段により取得された状態について、前記異常が発生している場合の状態を表す空間として予め定められた異常空間に対する距離を算出する算出手段と、前記算出手段により算出された前記異常空間に対する距離に基づいて、前記監視対象装置における前記異常の発生について予測する予測手段と、を備えた、
ことを特徴とする予測システム。 A monitoring target device and a prediction device,
The monitoring target device includes a detection unit that detects a state of a monitoring item related to the abnormality of the prediction target,
The prediction device includes an acquisition unit that acquires a status of a monitoring item related to the abnormality detected by the monitoring target device from the monitoring target device, and the abnormality has occurred with respect to the state acquired by the acquisition unit. A calculation unit that calculates a distance to an abnormal space that is predetermined as a space that represents a state in the case of being present, and the occurrence of the abnormality in the monitoring target device is predicted based on the distance to the abnormal space that is calculated by the calculation unit A prediction means for
A prediction system characterized by that.
予測対象の異常に関連する監視項目について監視対象装置で検出された状態を取得する取得機能と、
前記取得機能により取得された状態について、前記異常が発生している場合の状態を表す空間として予め定められた異常空間に対する距離を算出する算出機能と、
前記算出機能により算出された前記異常空間に対する距離に基づいて、前記監視対象装置における前記異常の発生について予測する予測機能と、
を実現させるためのプログラム。 On the computer,
An acquisition function for acquiring a state detected by a monitoring target device for a monitoring item related to a prediction target abnormality;
For the state acquired by the acquisition function, a calculation function that calculates a distance to an abnormal space that is predetermined as a space that represents the state when the abnormality occurs;
A prediction function for predicting the occurrence of the abnormality in the monitoring target device based on the distance to the abnormality space calculated by the calculation function;
A program to realize
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010175855A JP2012037991A (en) | 2010-08-05 | 2010-08-05 | Prediction device, prediction system and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010175855A JP2012037991A (en) | 2010-08-05 | 2010-08-05 | Prediction device, prediction system and program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2012037991A true JP2012037991A (en) | 2012-02-23 |
Family
ID=45849953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010175855A Pending JP2012037991A (en) | 2010-08-05 | 2010-08-05 | Prediction device, prediction system and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2012037991A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013200724A (en) * | 2012-03-26 | 2013-10-03 | Fuji Xerox Co Ltd | Information processing device and information processing program |
JP2016080866A (en) * | 2014-10-16 | 2016-05-16 | 富士ゼロックス株式会社 | Maintenance necessity estimation device and program |
JP2017027124A (en) * | 2015-07-16 | 2017-02-02 | 株式会社リコー | Information processing system, information processing apparatus, program, and failure prediction logic incorporating method |
US10060834B2 (en) | 2014-10-24 | 2018-08-28 | Fuji Xerox Co., Ltd. | Failure prediction apparatus and failure prediction system |
-
2010
- 2010-08-05 JP JP2010175855A patent/JP2012037991A/en active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013200724A (en) * | 2012-03-26 | 2013-10-03 | Fuji Xerox Co Ltd | Information processing device and information processing program |
JP2016080866A (en) * | 2014-10-16 | 2016-05-16 | 富士ゼロックス株式会社 | Maintenance necessity estimation device and program |
US10060834B2 (en) | 2014-10-24 | 2018-08-28 | Fuji Xerox Co., Ltd. | Failure prediction apparatus and failure prediction system |
JP2017027124A (en) * | 2015-07-16 | 2017-02-02 | 株式会社リコー | Information processing system, information processing apparatus, program, and failure prediction logic incorporating method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10410135B2 (en) | Systems and/or methods for dynamic anomaly detection in machine sensor data | |
JP6585482B2 (en) | Device diagnostic apparatus and system and method | |
JP6301902B2 (en) | Maintenance time prediction system and maintenance time prediction device | |
JP5277667B2 (en) | Failure analysis system, failure analysis method, failure analysis server, and failure analysis program | |
JP6167948B2 (en) | Failure prediction system, failure prediction device, and program | |
JP6749488B2 (en) | Abnormality importance calculation system, abnormality importance calculation device, and abnormality importance calculation program | |
JP6413537B2 (en) | Predictive failure notification device, predictive notification method, predictive notification program | |
JP5387779B2 (en) | Operation management apparatus, operation management method, and program | |
CN107533492B (en) | Relay device and program | |
JP6438124B2 (en) | Operation management system and operation management method | |
US20170336849A1 (en) | Industrial asset management systems and methods thereof | |
JP6517991B1 (en) | Abnormality sign diagnosis system, management device, and abnormality sign diagnosis method | |
WO2016157278A1 (en) | Accident predictive diagnosis system, and method for same | |
JP2012037991A (en) | Prediction device, prediction system and program | |
CN116050930A (en) | Monitoring disc system, monitoring disc method, storage medium and electronic equipment | |
JP2013033149A (en) | Image quality abnormality predicting system and program | |
JP6898607B2 (en) | Abnormality sign detection system and abnormality sign detection method | |
JP5648314B2 (en) | Failure related item setting device, program, and failure prediction system | |
JP2011238046A (en) | Monitoring system, monitoring device and monitoring program | |
KR20210057194A (en) | Attack detection device, attack detection method, and attack detection program | |
JP2011198171A (en) | Monitoring system, monitoring device, and monitoring program | |
CN111095868A (en) | Data traffic management in software defined networks | |
KR20180085567A (en) | Anomaly detecting device on internet of things | |
JP2018060439A (en) | Management device, management method, and management program | |
JP2023013798A (en) | Screen generation method, screen generation device, and program |