JP2018112785A - 情報処理装置、画像形成装置及びプログラム - Google Patents

Abstract

【課題】 ユーザのジョブ情報が少ない場合であっても、ユーザの設定ミスを精度よく検知する。【解決手段】 一実施形態に係る情報処理装置は、複数のユーザの、ジョブ実行時の設定値を含むジョブ情報を取得する取得部と、前記取得部に取得された対象ユーザの前記ジョブ情報が所定数以下である場合、前記対象ユーザの属性情報に基づいて、他のユーザを選択し、前記取得部に取得された前記他のユーザ及び前記対象ユーザの前記ジョブ情報に基づいて、前記対象ユーザの前記設定値の学習モデルを構築する学習部と、前記対象ユーザのジョブ情報と、前記学習部が構築した学習モデルと、に基づいて、前記対象ユーザの設定ミスを検知する検知部と、を備える。【選択図】 図２

Description

本発明は、情報処理装置、画像形成装置及びプログラムに関する。

従来、画像形成装置において、ユーザが実行したジョブのジョブ情報に基づいて、ユーザがジョブを実行する際の設定値の傾向を分析し、得られた傾向と、ユーザが設定した設定値と、を比較することにより、ユーザの設定ミスを検知する技術が知られている。この技術を利用して、ユーザの設定ミスを検知し、ユーザにその旨を警告することにより、設定が誤ったままジョブが実行されることを抑制することができる。

しかしながら、上記従来の技術では、ユーザのジョブ情報が少ない場合、ユーザの設定ミスを精度よく検知することができなかった。

本発明は、上記の課題に鑑みてなされたものであり、ユーザのジョブ情報が少ない場合であっても、ユーザの設定ミスを精度よく検知することを目的とする。

一実施形態に係る情報処理装置は、複数のユーザの、ジョブ実行時の設定値を含むジョブ情報を取得する取得部と、前記取得部に取得された対象ユーザの前記ジョブ情報が所定数以下である場合、前記対象ユーザの属性情報に基づいて、他のユーザを選択し、前記取得部に取得された前記他のユーザ及び前記対象ユーザの前記ジョブ情報に基づいて、前記対象ユーザの前記設定値の学習モデルを構築する学習部と、前記対象ユーザのジョブ情報と、前記学習部が構築した学習モデルと、に基づいて、前記対象ユーザの設定ミスを検知する検知部と、を備える。

本発明の各実施形態によれば、ユーザのジョブ情報が少ない場合であっても、ユーザの設定ミスを精度よく検知することができる。

ＭＦＰのハードウェア構成の一例を示す図。 第１実施形態に係るＭＦＰの機能構成の一例を示す図。 第１実施形態におけるジョブ情報の一例を示す図。 ユーザ情報の一例を示す図。 ダイアログボックスの一例を示す図。 第１実施形態に係るジョブ実行時の処理の一例を示すシーケンス図。 学習処理の一例を示すフローチャート。 第２実施形態におけるジョブ情報の一例を示す図。 第２実施形態に係るジョブ実行時の処理の一例を示すシーケンス図。 第３実施形態に係る情報処理システムの一例を示す図。

以下、本発明の各実施形態について、添付の図面を参照しながら説明する。なお、各実施形態に係る明細書及び図面の記載に関して、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重畳した説明を省略する。

＜第１実施形態＞
第１実施形態に係る画像形成装置について、図１〜図７を参照して説明する。本実施形態に係る画像形成装置は、情報処理装置の一例である。画像形成装置は、プリント機能、コピー機能、スキャン機能及びＦＡＸ機能などの機能を備えるＭＦＰ（Multi-Function Peripheral）であってもよいし、プリント装置、コピー装置、スキャン装置及びＦＡＸ装置などであってもよい。本実施形態では、画像形成装置が、利用可能なユーザとして登録された複数のユーザにより利用されることを想定している。以下では、画像形成装置がＭＦＰである場合を例に説明する。以下、本実施形態に係る画像形成装置をＭＦＰ１と称する。

まず、ＭＦＰ１のハードウェア構成について説明する。図１は、ＭＦＰ１のハードウェア構成の一例を示す図である。図１のＭＦＰ１は、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、ＨＤＤ（Hard Disk Drive）１０４と、を備える。また、ＭＦＰ１は、入力装置１０５と、表示装置１０６と、通信インタフェース１０７と、エンジン部１０８と、バス１０９と、を備える。

ＣＰＵ１０１は、プログラムを実行することにより、ＭＦＰ１の各構成を制御し、ＭＦＰ１の機能を実現する。ＲＯＭ１０２は、ＣＰＵ１０１が実行するプログラムを含む各種のデータを記憶する。ＲＡＭ１０３は、ＣＰＵ１０１に作業領域を提供する。ＨＤＤ１０４は、ＣＰＵ１０１が実行するプログラムを含む各種のデータを記憶する。入力装置１０５は、ユーザの操作を受け付け、ＭＦＰ１に各種の情報を入力する。入力装置１０５は、例えば、マウス、キーボード、タッチパネル、ハードウェアキーなどである。表示装置１０６は、ＭＦＰ１が保持している各種の情報を表示する。表示装置１０６は、例えば、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ、ブラウン管ディスプレイなどである。通信インタフェース１０７は、ＭＦＰ１をインターネットやＬＡＮ（Local Area Network）などのネットワークに接続するためのインタフェースである。ＭＦＰ１は、通信インタフェース１０７を介して、ネットワークに接続された外部装置と通信する。エンジン部１０８は、ＭＦＰ１の各種の機能（プリント機能、コピー機能、スキャン機能及びＦＡＸ機能など）を実行するハードウェアである。エンジン部１０８には、プリント装置、コピー装置、スキャン装置及びＦＡＸ装置などが含まれる。バス１０９は、ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３、ＨＤＤ１０４、入力装置１０５、表示装置１０６、通信インタフェース１０７及びエンジン部１０８を接続する。

次に、本実施形態に係るＭＦＰ１の機能構成について説明する。図２は、本実施形態に係るＭＦＰ１の機能構成の一例を示す図である。図２のＭＦＰ１は、実行部１１と、取得部１２と、ジョブ情報記憶部１３と、ユーザ情報記憶部１４と、学習部１５と、検知部１６と、警告部１７と、を備える。取得部１２、ジョブ情報記憶部１３、ユーザ情報記憶部１４、学習部１５及び検知部１６は、ＣＰＵ１０１がプログラムを実行することにより実現される。また、実行部１１は、ＣＰＵ１０１がプログラムを実行し、エンジン部１０８を制御することにより実現される。また、警告部１７は、ＣＰＵ１０１がプログラムを実行し、表示装置１０６を制御することにより実現される。

実行部１１は、ユーザからの指示に従ってジョブ（処理）を実行する。ＭＦＰ１が実行するジョブには、プリントジョブ、コピージョブ、スキャンジョブ及びＦＡＸジョブなどが含まれる。

取得部１２は、実行部１１がジョブを実行する際に、実行部１１からジョブ情報を取得する。取得部１２は、実行部１１にジョブ情報を要求してもよいし、実行部１１が出力したジョブ情報を受け取ってもよい。

ジョブ情報は、実行部１１が実行するジョブに関する情報であり、ジョブＩＤと、ユーザＩＤと、実行日時と、機能種別と、１つ以上の設定値と、を含む。ジョブＩＤは、ジョブを識別するための識別情報である。ユーザＩＤは、ジョブを実行するユーザを識別するための識別情報である。ジョブを実行するユーザは、ジョブの実行時にＭＦＰ１にログインしているユーザに相当する。実行日時は、ジョブを実行する日時である。機能種別は、プリント機能、コピー機能、スキャン機能及びＦＡＸ機能といった、ジョブとして実行される機能の種別である。

設定値は、ジョブを実行する際にユーザが設定した各設定項目の値である。プリントジョブの設定項目として、「部数」、「カラー」、「面数」、「用紙（トレイ）」、「パンチ」及び「ステープル」などが挙げられる。コピージョブの設定項目として、「部数」、「カラー」及び「面数」などが挙げられる。スキャンジョブの設定項目として、「カラー」及び「解像度」などが挙げられる。ＦＡＸジョブの設定項目として、「カラー」及び「宛先」などが挙げられる。なお、ジョブ情報は、上記の例に限られず、ジョブに関する他の任意の情報を含み得る。

ジョブ情報記憶部１３は、取得部１２により取得されたジョブ情報を履歴データとして記憶する。

図３は、ジョブ情報記憶部１３に記憶されたジョブ情報の一例を示す図である。図３の各レコードが、各ジョブのジョブ情報に相当する。図３の例では、ジョブＩＤがＪ００１であるジョブのジョブ情報のユーザＩＤはＵ００１、実行日時は２０１６／８／１ １０：００、機能種別はＣＯＰＹ（コピー機能）、設定値は「部数」が１部、「カラー」がモノクロ、「面数」が両面である。また、ジョブＩＤがＪ００２であるジョブのジョブ情報のユーザＩＤはＵ００２、実行日時は２０１６／８／１ １０：０５、機能種別はＳＣＡＮ（スキャン機能）、設定値は「カラー」がフルカラーである。このように、ジョブ情報記憶部１３は、ＭＦＰ１を利用する複数のユーザのジョブ情報を記憶する。

ユーザ情報記憶部１４は、ＭＦＰ１のユーザとして登録されたユーザのユーザ情報を記憶する。ユーザ情報は、ユーザに関する情報であり、ユーザＩＤ、ユーザ名、パスワード、及び属性情報を含む。ユーザＩＤは、ユーザを識別するための識別情報である。ユーザ名は、ユーザの名称である。ユーザ情報には、ユーザ名と共に、又はユーザ名の代わりに、ユーザのメールアドレスが含まれてもよい。パスワードは、ユーザがＭＦＰ１にログインするためのパスワードである。

属性情報は、ユーザの属性を示す情報であり、ユーザの部署、役職、登録日、事業所、年齢及び性別などの属性が含まれる。登録日は、ユーザが、ＭＦＰ１を利用可能なユーザとして登録された日である。なお、属性情報は、上記の例に限られず、ユーザの属性を示す任意の情報を含み得る。

図４は、ユーザ情報記憶部１４に記憶されたユーザ情報の一例を示す図である。図４の各レコードが、各ユーザのユーザ情報に相当する。図４のユーザ情報には、属性情報として、部署及び登録日が含まれている。例えば、図４の例では、ユーザＩＤがＵ００１であるユーザのユーザ名はａａａ、パスワードは＊＊＊、部署は総務部、登録日は２０１６／１／１である。このように、ユーザ情報記憶部１４には、複数のユーザのユーザ情報が記憶される。

学習部１５は、ジョブ情報記憶部１３に記憶されたジョブ情報に基づいて、対象ユーザがジョブを実行する際の設定値のパターンを学習し、対象ユーザがジョブを実行する際に設定した設定値が正しいか否かを推定するための学習モデルを構築する。対象ユーザは、ＭＦＰ１を利用してジョブを実行するユーザのことであり、ＭＦＰ１にログイン中のユーザに相当する。学習部１５は、サポートベクターマシン（ＳＶＭ）、クラスタリング、ニューラルネットワーク及び決定木などの、任意の学習方法を利用することができる。学習部１５は、ジョブの機能種別ごとに学習モデルを構築してもよいし、複数機能種別に対して一括して学習モデルを構築してもよい。

本実施形態において、学習部１５は、ジョブ情報記憶部１３に記憶されたジョブ情報の少なくとも一部を選択し、選択したジョブ情報に基づいて学習モデルを構築する。具体的には、学習部１５は、ジョブ情報記憶部１３に記憶された対象ユーザのジョブ情報が所定数より多い場合、対象ユーザのジョブ情報に基づいて、学習モデルを構築する。所定数は、対象ユーザの設定値を精度よく推定可能な学習モデルを構築するために少なくとも必要なジョブ情報の数に相当する。所定数は、例えば、学習モデルに要求される推定精度に応じて任意に設定可能である。このようにジョブ情報を選択することにより、学習部１５は、対象ユーザの設定値の正否を精度よく推定可能な学習モデルを構築することができる。

これに対して、ジョブ情報記憶部１３に記憶された対象ユーザのジョブ情報が所定数以下である場合、ジョブ情報の不足により、学習部１５は、対象ユーザのジョブ情報に基づいて、推定精度が高い学習モデルを構築できないおそれがある。そこで、対象ユーザのジョブ情報が所定数以下である場合、学習部１５は、対象ユーザのジョブ情報と共に、設定値のパターンが対象ユーザと類似する他のユーザのジョブ情報を利用して、対象ユーザの学習モデルを構築する。これにより、所定数以下の対象ユーザのジョブ情報に基づいて構築された学習モデルに比べて、推定精度が高い学習モデルを構築することができる。

本実施形態において、学習部１５は、設定値のパターンが対象ユーザと類似する他のユーザを、対象ユーザの属性情報に基づいて選択する。具体的には、学習部１５は、対象ユーザの属性情報と同一の又は類似する属性情報を有するユーザを、他のユーザとして選択する。これは、対象ユーザの設定値のパターンと、対象ユーザの属性情報と同一の又は類似する属性情報を有するユーザの設定値のパターンと、は類似する可能性が高いためである。

以下、対象ユーザの属性情報と同一の属性情報を有するユーザを、属性同一ユーザと称する。また、対象ユーザの属性情報と類似する属性情報を有するユーザを、属性類似ユーザと称する。また、対象ユーザの属性情報と類似しない属性情報を有するユーザを、属性非類似ユーザと称する。

なお、学習部１５は、他のユーザを選択するために、属性情報に含まれる全ての属性を利用してもよいし、一部の属性を利用してもよい。いずれにせよ、学習部１５は、設定値のパターンとの関連性が高い属性を利用して、他のユーザを選択するのが好ましい。このような属性として、ユーザの部署が挙げられる。これは、同一の部署に所属するユーザは、同一のフォーマットを有する書類を、同一の設定値で印刷等する可能性が高いためである。

また、属性情報が同一とは、他のユーザを選択するための属性が、全て一致することをいう。属性情報が類似するとは、他のユーザを選択するための属性のうちの所定の割合が一致することをいう。他のユーザを選択するための属性として、登録日などの数値を利用する場合、類似するとみなす数値範囲が設定されてもよい。例えば、登録日が同一年度のユーザを、属性類似ユーザとして選択することが考えられる。

検知部１６は、取得部１２が取得した対象ユーザのジョブ情報と、学習部１５が構築した対象ユーザの学習モデルと、に基づいて、対象ユーザの設定ミスを検知する。設定ミスとは、対象ユーザが誤った（意図しない）設定値を設定することをいう。

検知部１６は、例えば、対象ユーザのジョブ情報及び学習モデルに基づいて、当該ジョブ情報に含まれる設定値が誤っている確立を算出し、算出した確立が所定値以上である場合に、設定ミスが発生したと判定（設定ミスを検知）してもよい。また、検知部１６は、対象ユーザのジョブ情報及び学習モデルに基づいて、正しい（対象ユーザが意図した）設定値を推定してもよい。この場合、検知部１６は、推定した設定値と、ジョブ情報に含まれる設定値と、が一致しない場合に設定ミスが発生していると判定すればよい。

なお、検知部１６は、ジョブ情報に含まれる設定値に対して一括して設定ミスを検知してもよいし、ジョブ情報に含まれる各設定値に対してそれぞれ設定ミスを検知してもよい。また、検知部１６による設定ミスの検知方法は、上記の例に限られず、学習モデルに応じて任意に選択可能である。

警告部１７は、検知部１６により対象ユーザの設定ミスが検知された場合、設定ミスが発生した可能性があることを対象ユーザに警告する。具体的には、警告部１７は、設定ミスが発生した可能性があること示す警告メッセージを、ダイアログボックスなどにより表示装置１０６に表示する。

図５は、表示装置１０６に表示されるダイアログボックスの一例を示す図である。図５のダイアログボックスには、設定項目「カラー」の設定値（フルカラー）が誤って設定されている可能性があることを示す警告メッセージと、正しいと推定される設定値（モノクロ）に変更するか確認する確認メッセージと、が表示されている。

また、図５のダイアログボックスには、ＹＥＳボタン及びＮＯボタンが表示されている。ＹＥＳボタンは、現在の設定値（フルカラー）を、正しいと推定される設定値（モノクロ）に変更するためのボタンである。現在の設定値（フルカラー）が誤った設定値であり、正しいと推定された設定値（モノクロ）が正しい設定値である場合、ユーザは、ＹＥＳボタンを押すことにより、誤った設定値を正しい設定値に変更することができる。すなわち、ユーザは、設定ミスを解消することができる。一方、ＮＯボタンは、現在の設定値（フルカラー）を変更しないためのボタンである。現在の設定値（フルカラー）が正しい設定値である場合、ユーザは、ＮＯボタンを押すことにより、現在の設定値を維持することができる。

なお、図５の例では、表示装置１０６に確認メッセージが表示されているが、確認メッセージとして、正しいと推定される設定値が表示されているが、確認メッセージはこれに限られない。例えば、確認メッセージとして、単に現在の設定値を変更するか否かを確認するメッセージが表示されてもよい。

次に、本実施形態に係るＭＦＰ１が実行する処理について説明する。図６は、ＭＦＰ１によるジョブ実行時の処理の一例を示すシーケンス図である。

まず、対象ユーザ（ＭＦＰ１にログイン中のユーザ）が、各設定項目の設定値を設定し、実行部１１にジョブの実行を指示する（ステップＳ１０１）。設定値の設定及びジョブの実行の指示は、入力装置１０５により行われてもよいし、ネットワークを介してＭＦＰ１に接続されたクライアント端末により行われてもよい。クライアント端末として、ＰＣ（Personal Computer）、スマートフォン、携帯電話、タブレット端末などが挙げられる。

対象ユーザは、ジョブを実行する際、実行するジョブ種別や各設定項目の設定値を入力する。取得部１２は、入力されたジョブ種別及び設定値を取得する（ステップＳ１０１）。対象ユーザは、ジョブ種別及び設定値の入力後、実行部１１にジョブの実行を指示する（ステップＳ１０２）。なお、対象ユーザによるジョブ種別及び設定値の入力や、ジョブの実行の指示は、ＭＦＰ１の入力装置１０５を利用して行われてもよいし、ネットワークを介してＭＦＰ１に接続された外部装置を利用して行われてもよい。外部装置として、ＰＣ（Personal Computer）、タブレット端末、スマートフォンなどが挙げられる。

実行部１１は、ジョブの実行を指示されると、その旨を取得部１２に通知する（ステップＳ１０３）。この通知を受けた取得部１２は、ユーザ情報記憶部１４に対象ユーザ（ＭＦＰ１にログイン中のユーザ）のユーザＩＤを要求する（ステップＳ１０４）。ユーザ情報記憶部１４は、対象ユーザのユーザＩＤを応答する（ステップＳ１０５）。取得部１２は、ユーザＩＤを受け取ると、ジョブ種別、設定値、ユーザＩＤ、ジョブＩＤ及び現在時刻（実行時刻）を対応付けてジョブ情報を生成し、生成したジョブ情報をジョブ情報記憶部１３に渡す（ステップＳ１０６）。ジョブＩＤは、実行部１１又は取得部１２が割り当てればよい。

ジョブ情報記憶部１３は、ジョブ情報を受け取ると、受け取ったジョブ情報を記憶する（ステップＳ１０７）。

次に、取得部１２は、対象ユーザが実行するジョブの設定値を検知部１６に渡す（ステップＳ１０８）。また、取得部１２は、対象ユーザのユーザＩＤを学習部１５に渡し、対象ユーザの学習モデルの構築を要求する（ステップＳ１０９）。学習部１５は、学習モデルの構築を要求されると、学習処理を実行し、学習モデルを構築する（ステップＳ１１０）。学習処理について、詳しくは後述する。学習部１５は、学習モデルを構築すると、構築した学習モデルを検知部１６に渡す（ステップＳ１１１）。

検知部１６は、対象ユーザが実行するジョブの設定値及び対象ユーザの学習モデルを受け取ると、所定の検知方法で検知処理を実行し、設定ミスを検知する（ステップＳ１１２）。検知方法については上述の通りである。

検知部１６は、検知処理の結果、設定ミスを検知しなかった場合（設定ミスがないと判定した場合）、その旨を実行部１１に通知する（ステップＳ１１３）。実行部１１は、設定ミスがないことを通知されると、ジョブ情報記憶部１３に記憶されたジョブ情報に従って、ジョブを実行する（ステップＳ１１４）。

一方、検知部１６は、検知処理の結果、設定ミスを検知した場合（設定ミスがあると判定した場合）、その旨を警告部１７に通知する（ステップＳ１１５）。この際、検知部１６は、誤って設定された設定値と、正しいと推定される設定値と、を警告部１７に通知するのが好ましい。警告部１７は、設定ミスがあることを通知されると、表示装置１０６に警告メッセージを表示し、設定ミスが発生した可能性があることを対象ユーザに警告する（ステップＳ１１６）。

次に、学習処理について説明する。図７は、学習処理の一例を示すフローチャートである。図７のフローチャートは、図６のステップＳ１１０の内部処理に相当する。

学習部１５は、対象ユーザのユーザＩＤを受け取ると、ジョブ情報記憶部１３から対象ユーザのジョブ情報（対象ユーザのユーザＩＤを含むジョブ情報）を取得する（ステップＳ２０１）。

次に、学習部１５は、取得した対象ユーザのジョブ情報が所定数以下であるか判定する（ステップＳ２０２）。対象ユーザのジョブ情報が所定数より多い場合（ステップＳ２０２のＮＯ）、学習部１５は、対象ユーザのジョブ情報に含まれる設定値に基づいて学習モデルを構築する（ステップＳ２１０）。

一方、対象ユーザのジョブ情報が所定数以下である場合（ステップＳ２０２のＹＥＳ）、学習部１５は、ユーザ情報記憶部１４を参照して、属性同一ユーザを特定し、特定した属性同一ユーザのユーザＩＤを取得する（ステップＳ２０３）。具体的には、学習部１５は、対象ユーザのユーザＩＤに基づいて、対象ユーザの属性情報を取得し、取得した対象ユーザの属性情報と同一の属性情報を有するユーザを、属性同一ユーザとして特定する。

学習部１５は、属性同一ユーザを特定すると、ジョブ情報記憶部１３から属性同一ユーザのジョブ情報（属性同一ユーザのユーザＩＤを含むジョブ情報）を取得する（ステップＳ２０４）。

次に、学習部１５は、取得した対象ユーザ及び属性同一ユーザのジョブ情報の合計が所定数以下であるか判定する（ステップＳ２０５）。対象ユーザ及び属性同一ユーザのジョブ情報の合計が所定数より多い場合（ステップＳ２０５のＮＯ）、学習部１５は、対象ユーザ及び属性同一ユーザのジョブ情報に含まれる設定値に基づいて学習モデルを構築する（ステップＳ２１０）。この際、学習部１５は、対象ユーザの設定値、属性同一ユーザの設定値の順で重みが大きくなるように、各設定値に重み付けするのが好ましい。これにより、対象ユーザの設定値のパターンを強調して学習できるため、学習モデルの推定精度を向上させることができる。

一方、対象ユーザ及び属性同一ユーザのジョブ情報の合計が所定数以下である場合（ステップＳ２０５のＹＥＳ）、学習部１５は、ユーザ情報記憶部１４を参照して、属性類似ユーザを特定し、特定した属性類似ユーザのユーザＩＤを取得する（ステップＳ２０６）。具体的には、学習部１５は、対象ユーザのユーザＩＤに基づいて、対象ユーザの属性情報を取得し、取得した対象ユーザの属性情報と類似する属性情報を有するユーザを、属性類似ユーザとして特定する。

学習部１５は、属性類似ユーザを特定すると、ジョブ情報記憶部１３から属性類似ユーザのジョブ情報（属性類似ユーザのユーザＩＤを含むジョブ情報）を取得する（ステップＳ２０７）。

次に、学習部１５は、取得した対象ユーザ、属性同一ユーザ及び属性類似ユーザのジョブ情報の合計が所定数以下であるか判定する（ステップＳ２０８）。対象ユーザ、属性同一ユーザ及び属性類似ユーザのジョブ情報の合計が所定数より多い場合（ステップＳ２０８のＮＯ）、学習部１５は、対象ユーザ、属性同一ユーザ及び属性類似ユーザのジョブ情報に含まれる設定値に基づいて学習モデルを構築する（ステップＳ２１０）。この際、学習部１５は、対象ユーザの設定値、属性同一ユーザの設定値、属性類似ユーザの設定値の順で重みが大きくなるように、各設定値に重み付けするのが好ましい。これにより、対象ユーザの設定値のパターンに近いパターンほど強調して学習できるため、学習モデルの推定精度を向上させることができる。

一方、対象ユーザ、属性同一ユーザ及び属性類似ユーザのジョブ情報の合計が所定数以下である場合（ステップＳ２０８のＹＥＳ）、学習部１５は、ジョブ情報記憶部１３を参照して、属性非類似ユーザのジョブ情報を取得する（ステップＳ２０９）。属性非類似ユーザのジョブ情報は、未取得のジョブ情報に相当する。その後、学習部１５は、対象ユーザ、属性同一ユーザ、属性類似ユーザ及び属性非類似ユーザのジョブ情報、すなわち、ジョブ情報記憶部１３に記憶された全てのジョブ情報、に含まれる設定値に基づいて学習モデルを構築する（ステップＳ２１０）。この際、学習部１５は、対象ユーザの設定値、属性同一ユーザの設定値、属性類似ユーザの設定値、属性非類似ユーザの設定値の順で重みが大きくなるように、各設定値に重み付けするのが好ましい。これにより、対象ユーザの設定値のパターンに近いパターンほど強調して学習できるため、学習モデルの推定精度を向上させることができる。

なお、図７の例では、学習部１５は、対象ユーザ、属性同一ユーザ、属性類似ユーザの順でジョブ情報を取得したが、対象ユーザ、属性類似ユーザ、属性同一ユーザの順でジョブ情報を取得してもよい。また、属性類似ユーザ又は属性同一ユーザのジョブ情報を取得しなくてもよい。

以上説明した通り、本実施形態によれば、対象ユーザのジョブ情報が所定数以下である場合、対象ユーザのジョブ情報と、属性同一ユーザ及び属性類似ユーザの少なくとも一方のジョブ情報と、に基づいて、学習モデルが構築される。属性同一ユーザ及び属性類似ユーザの設定値のパターンは、対象ユーザの設定値のパターンと類似すると考えられるため、上記の方法により、対象ユーザの設定値の正否の推定精度が高い学習モデルを構築することができる。本実施形態によれば、この学習モデルを利用して対象ユーザの設定ミスは検知されるため、対象ユーザのジョブ情報が少ない場合であっても、対象ユーザの設定ミスを精度よく検知することができる。

＜第２実施形態＞
第２実施形態に係るＭＦＰ１について、図８及び図９を参照して説明する。本実施形態では、設定ミスの検知結果の成否を考慮して、学習モデルを構築するＭＦＰ１について説明する。なお、本実施形態に係るＭＦＰ１の構成は、第１実施形態と同様である。

まず、本実施形態に係るジョブ情報について説明する。本実施形態において、ジョブ情報には、訂正フラグと、訂正前設定値と、が含まれる。訂正フラグは、検知結果の成否を示すフラグである。訂正フラグの値には、設定ミスが検知されなかったこと、設定ミスの検知に成功したこと、及び設定ミスの検知に失敗したこと、を示す値が含まれる。設定ミスの検知の成功とは、誤って設定された設定値として対象ユーザに警告された設定値が、対象ユーザにより他の設定値に訂正されることをいう。設定ミスの検知の失敗とは、誤って設定された設定値として対象ユーザに警告された設定値が、対象ユーザにより訂正されないことをいう。

例えば、図５の例では、設定項目「カラー」の設定値（フルカラー）が誤って設定された設定値として警告されている。この警告に対して、対象ユーザが設定項目「カラー」の設定値をフルカラー以外の設定値に訂正してジョブを実行した場合、設定ミスの検知に成功したものとみなされる。この場合、対象ユーザのジョブ情報の訂正フラグの値は、設定ミスの検知に成功したことを示す値に設定される。

一方、この警告に対して、対象ユーザが設定項目「カラー」の設定値を訂正せずにジョブを実行した場合、設定ミスの検知に失敗したものとみなされる。この場合、対象ユーザのジョブ情報の訂正フラグの値は、設定ミスの検知に失敗したことを示す値に設定される。

訂正前設定値は、対象ユーザにより訂正される前の設定値を示す。訂正前設定値は、設定ミスの検知に成功した場合、ジョブ情報に設定される。具体的には、誤って設定された設定値として警告された設定値が、訂正前設定値としてジョブ情報に記載される。

図８は、本実施形態におけるジョブ情報の一例を示す図である。図８のジョブ情報には、訂正フラグと、訂正前設定値と、が含まれる。図８の訂正フラグにおいて、０は設定ミスが検知されなかったことを示し、１は設定ミスの検知に成功したことを示し、２は設定ミスの検知に失敗したことを示す。図８の例では、検知部１６は、ジョブＩＤがＪ００１であるジョブの設定ミスの検知に成功している。このジョブの訂正前設定値は、設定項目「面数」が片面である。これは、「面数」の設定値（片面）が誤った設定値として対象ユーザに警告され、対象ユーザにより「面数」の設定値が両面に訂正されたことを示している。また、図８の例では、検知部１６は、ジョブＩＤがＪ００５であるジョブの設定ミスの検知に失敗している。設定ミスの検知に失敗した場合、設定値は訂正されないため、図８に示すように、訂正前設定値は空欄となる。これは、設定ミスが検知されなかった場合も同様である。

次に、本実施形態に係るＭＦＰ１が実行する処理について説明する。図９は、本実施形態に係るＭＦＰ１によるジョブ実行時の処理の一例を示すシーケンス図である。図９のシーケンス図は、図６のシーケンス図にステップＳ１１７〜Ｓ１１９を追加したものに相当する。以下、ステップＳ１１７〜Ｓ１１９について説明する。

本実施形態では、検知部１６は、検知処理の結果、設定ミスを検知しなかった場合、ジョブ情報記憶部１３に記憶された対象ユーザのジョブ情報の訂正フラグを０に設定する（ステップＳ１１７）。

一方、本実施形態では、検知処理の結果、設定ミスが検知された場合、取得部１２は、対象ユーザからの、設定ミスの検知の成否を示す応答を待つ。対象ユーザが警告に対して応答すると（ステップＳ１１８）、取得部１２は、応答の内容（成否）に応じて、ジョブ情報記憶部１３に記憶された対象ユーザのジョブ情報の訂正フラグを設定する（ステップＳ１１９）。

具体的には、対象ユーザが設定値を変更せずにジョブを実行した場合（検知に失敗した場合）、取得部１２は、対象ユーザのジョブ情報の訂正フラグを２に設定する。これは、図５の例では、対象ユーザがＮＯボタンを押した場合に相当する。

一方、対象ユーザが設定値を訂正してジョブを実行した場合（検知に成功した場合）、取得部１２は、対象ユーザのジョブ情報の訂正フラグを１に設定する。これは、図５の例では、対象ユーザのＹＥＳボタンを押した場合に相当する。また、取得部１２は、訂正前の設定値を、対象ユーザのジョブ情報の訂正前設定値に記載し、訂正後の設定値を、対象ユーザのジョブ情報の設定値に記載する。

次に、本実施形態における学習処理について説明する。学習部１５は、所定数より多いジョブ情報を取得した後、取得したジョブ情報に含まれる設定値に基づいて、学習モデルを構築する。これは、第１実施形態と同様である。ただし、本実施形態において、学習部１５は、設定ミスの検知の成否に応じて、各ジョブ情報に含まれる設定値を重み付けする。

具体的には、学習部１５は、設定ミスの検知に成功又は失敗したジョブ（訂正フラグが１又は２であるジョブ）の設定値の重みが、設定ミスが検知されなかったジョブの設定値の重みより大きくなるように、重み付けする。これにより、対象ユーザの正しい設定値のパターンを強調して学習できるため、学習モデルの推定精度を向上させることができる。

また、本実施形態において、学習部１５は、設定ミスの検知に成功したジョブにおける訂正前設定値を用いて学習モデルを構築してもよい。この場合、学習部１５は、訂正前設定値の重みが、設定ミスが検知されなかったジョブの設定値の重みより小さくなるように、重み付けする。これにより、対象ユーザの誤った設定値のパターンを抑制して学習できるため、学習モデルの推定精度を向上させることができる。

以上説明した通り、本実施形態によれば、設定ミスの検知の成否を利用して、学習モデルを構築することができる。これにより、対象ユーザの設定値のパターンを効率的に学習し、学習モデルの推定精度を向上させることができる。

＜第３実施形態＞
第３実施形態に係る情報処理システムについて、図１０を参照して説明する。本実施形態では、学習モデルの構築等の処理が、外部の情報処理装置により実現される情報処理システムについて説明する。

図１０は、本実施形態に係る情報処理システムの一例を示す図である。図１０の情報処理システムは、インターネットやＬＡＮなどのネットワークを介して通信可能に接続された、ＭＦＰ１及びサーバ２により構成されている。図１０の例では、サーバ２は、１つのＭＦＰ１と接続されているが、複数のＭＦＰ１と接続されてもよい。図１０に示すように、本実施形態に係るＭＦＰ１は、実行部１１と、警告部１７と、を備え、他の機能構成を備えない。以下、本実施形態に係るサーバ２について説明する。

サーバ２は、本実施形態における情報処理装置の一例である。本実施形態において、情報処理装置は、サーバ２に限られず、ＰＣ、タブレット端末、スマートフォンなど、任意のコンピュータであり得る。サーバ２のハードウェア構成は、エンジン部を除いて図１と同様であるため、説明を省略する。

図１０のサーバ２は、機能構成として、取得部２１と、ジョブ情報記憶部２２と、ユーザ情報記憶部２３と、学習部２４と、検知部２５と、を備える。これらの機能構成は、サーバ２のＣＰＵがプログラムを実行することにより実現される。取得部２１、ジョブ情報記憶部２２、ユーザ情報記憶部２３、学習部２４及び検知部２５の機能は、上述の取得部１２、ジョブ情報記憶部１３、ユーザ情報記憶部１４、学習部１５及び検知部１６とそれぞれ同様であるため、説明を省略する。

本実施形態によれば、サーバ２は、ネットワークを介して接続された各ＭＰＦ１にログイン中の対象ユーザの設定ミスを、それぞれ検知することができる。また、学習処理等をサーバ２が実行するため、各ＭＦＰ１の処理量を削減することができる。また、サーバ２は、複数のＭＦＰ１から取得したジョブ情報を利用して、対象ユーザのパターンを学習し、学習モデルを構築し、設定ミスを検知することができる。これにより、学習モデルの推定精度を向上させ、対象ユーザの設定ミスを精度よく検知することができる。

なお、本実施形態において、機能構成の分配は図１０の例に限られない。例えば、ＭＦＰ１は、学習部２４や検知部２５を備えてもよい。また、図１０の例では、取得部２１、ジョブ情報記憶部２２、ユーザ情報記憶部２３、学習部２４及び検知部２５は、１つのサーバ２に設けられているが、複数のサーバに分配して設けられてもよい。

また、上記で説明した実施形態の各機能は、一又は複数の処理回路によって実現することが可能である。ここで、本明細書における「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上記で説明した各機能を実行するよう設計されたＡＳＩＣ(Application Specific Integrated Circuit)、ＤＳＰ（Digital Signal Processor）、ＦＰＧＡ（Field Programmable Gate Array）や従来の回路モジュール等のデバイスを含むものとする。

なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせなど、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。

１：ＭＦＰ
２：サーバ
１１：実行部
１２，２１：取得部
１３，２２：ジョブ情報記憶部
１４，２３：ユーザ情報記憶部
１５，２４：学習部
１６，２５：検知部
１７：警告部

特開２０１４−２１５４８号公報

Claims (10)

1. 複数のユーザの、ジョブ実行時の設定値を含むジョブ情報を取得する取得部と、
   前記取得部に取得された対象ユーザの前記ジョブ情報が所定数以下である場合、前記対象ユーザの属性情報に基づいて、他のユーザを選択し、前記取得部に取得された前記他のユーザ及び前記対象ユーザの前記ジョブ情報に基づいて、前記対象ユーザの前記設定値の学習モデルを構築する学習部と、
   前記対象ユーザのジョブ情報と、前記学習部が構築した学習モデルと、に基づいて、前記対象ユーザの設定ミスを検知する検知部と、
   を備える情報処理装置。
2. 前記学習部は、前記取得部に取得された前記対象ユーザの前記ジョブ情報が前記所定数以下である場合、前記対象ユーザの前記属性情報と同一の前記属性情報を有する前記ユーザを、前記他のユーザとして選択する
   請求項１に記載の情報処理装置。
3. 前記学習部は、前記取得部に取得された前記対象ユーザの前記ジョブ情報が前記所定数以下である場合、前記対象ユーザの前記属性情報と類似する前記属性情報を有する前記ユーザを、前記他のユーザとして選択する
   請求項１又は請求項２に記載の情報処理装置。
4. 前記学習部は、前記取得部に取得された前記対象ユーザ及び前記他のユーザの前記ジョブ情報の合計が前記所定数以下である場合、前記取得部に取得された全ての前記ジョブ情報に基づいて、前記対象ユーザの前記設定値の前記学習モデルを構築する
   請求項１乃至請求項３のいずれか１項に記載の情報処理装置
5. 前記属性情報は、前記ユーザの部署、役職、登録日、事業所、年齢及び性別の少なくとも１つを含む
   請求項１乃至請求項４のいずれか１項に記載の情報処理装置。
6. 前記学習部は、前記検知部による前記設定ミスの検知の成否に応じて重み付けされた前記ジョブ情報に基づいて、前記学習モデルを構築する
   請求項１乃至請求項５のいずれか１項に記載の情報処理装置。
7. 前記取得部に取得された前記対象ユーザの前記ジョブ情報が所定数より多い場合、前記対象ユーザの前記ジョブ情報に基づいて、前記対象ユーザの前記設定値の学習モデルを構築する
   請求項１乃至請求項６のいずれか１項に記載の情報処理装置。
8. 請求項１乃至請求項７のいずれか１項に記載の情報処理装置と、
   前記検知部により前記対象ユーザの前記設定ミスが検知された場合、前記設定ミスが発生した可能性があることを前記対象ユーザに警告する警告部と、
   を備える画像形成装置。
9. 前記ジョブを実行するジョブ実行部を更に備える
   請求項８に記載の画像形成装置。
10. 複数のユーザの、ジョブ実行時の設定値を含むジョブ情報を取得する取得工程と、
    前記取得工程において取得された対象ユーザの前記ジョブ情報が所定数以下である場合、前記対象ユーザの属性情報に基づいて、他のユーザを選択し、前記取得工程において取得された前記他のユーザ及び前記対象ユーザの前記ジョブ情報に基づいて、前記対象ユーザの前記設定値の学習モデルを構築する学習工程と、
    前記対象ユーザのジョブ情報と、前記学習工程において構築された学習モデルと、に基づいて、前記対象ユーザの設定ミスを検知する検知工程と、
    をコンピュータに実行させるためのプログラム。

Images