JP2019087254A - 印刷メタデータを使って印刷パフォーマンスを予測する機構 - Google Patents

Abstract

【課題】印刷メタデータを使って印刷パフォーマンスを予測する機構を提供する。【解決手段】印刷システムは、印刷パフォーマンス予測論理を記憶するメモリと、プロセッサとを含む。プロセッサは、印刷パフォーマンス予測論理を実行して、予測モデルをトレーニングし、印刷ジョブ・メタデータを受領し、印刷システムの構成基準を受領し、前記印刷ジョブ・メタデータおよび前記構成基準に基づいて前記印刷システムをシミュレートするために前記予測モデルを使って前記印刷システムの第一の処理パフォーマンス指標を予測する。【選択図】図３

Description

本発明は概括的には印刷システムの分野に関する。より詳細には、本発明は印刷システムのモデル・パフォーマンスに関する。

実質的な印刷需要をもつエンティティは典型的には、大量印刷のための高速プロダクション・プリンタ（たとえば100ページ毎分以上）を備えている。プロダクション・プリンタは、巨大なロールに蓄積された印刷媒体のウェブに印刷する連続紙プリンタを含みうる。プロダクション・プリンタは典型的には、印刷システムの全体的な動作を制御する局在化した印刷コントローラと、一つまたは複数の印刷ヘッド・アセンブリーを含む印刷エンジンとを含む。ここで、各アセンブリーは印刷ヘッド・コントローラおよび印刷ヘッド（または印刷ヘッドのアレイ）を含む。

高性能プロダクション・プリンタは、かなりの資金投資を表わす。よって、潜在的な顧客は、購入を確定する前に、特定の文書集合に対してプリンタがいい性能を発揮することを確かめたがる。プリンタ販売員もしばしば、パフォーマンス・メトリック手段を介して購入予測を見積もることに関心がある。特に、販売員は典型的には、顧客の所望のパフォーマンスを達成するために必要とされる最低限のハードウェア構成を判別することに関心がある。そのような見きわめは、実際のプリンタまたは制御ユニットで文書をテストすることを必要とすることがあるが、これは、テストのために利用可能な限られたハードウェア資源、マンパワーのため、ありえないほど長い時間がかかることがある。たとえば、完全なプリンタ・パフォーマンス・レポートを作り出すために、訓練された個人が、最長三日間を必要とすることがある。

第二の問題は、現在のまたは見込みの顧客およびある組織内のさまざまなチームの間で十分に、要求されるプリンタ構成を伝えないことから生じる。この問題は、誤ったプリンタ構成で文書をテストすることにつながることがあり、それはその後、正しくないパフォーマンス指標および／またはハードウェア推薦を顧客に対して生成することにつながる。

もう一つの問題は、顧客文書を取得するための法律上および事務手続き上の要件によって生じる。よって、見込み顧客からの要請が、結果を受け取るまで最大数か月順番待ちすることがある。この長い所要時間は顧客のいらだちや不満につながりうる。この問題に対する可能な解決策は、所要時間を短縮する助けとなるよう、より多くのハードウェア資源を取得することであろう。だが、そのような技術はこの解決策を、実現不可能ではないまでも、経済的に魅力ないものにする。追加のハードウェアを購入するために必要となる費用や、パフォーマンス・メトリック指標を得るための分野固有の知識をもつ必要性のためである。

よって、高速プリンタの印刷パフォーマンスを効率的に決定する機構が望まれている。

ある実施形態では、方法が開示される。方法は、予測モデルをトレーニングし、印刷ジョブ・メタデータを受領し、印刷システムの構成基準を受領し、前記印刷ジョブ・メタデータおよび前記構成基準に基づいて前記印刷システムをシミュレートするために前記予測モデルを使って前記印刷システムの第一の処理パフォーマンス指標を予測することを含む。

限定ではなく例として実施形態が付属の図面の図において示される。図面において、同様の参照符号は同様の要素を示す。
印刷システムのある実施形態を示す図である。 印刷パフォーマンス予測機構を用いるコンピューティング装置のある実施形態を示す図である。 高速プロダクション・プリンタの印刷パフォーマンスを予測するために実行されるプロセスの一つの実施形態を示す流れ図である。 本開示の実施形態を実装するのに好適なコンピューティング装置を示す図である。

高速プリンタの印刷パフォーマンスを予測する機構が記述される。以下の記述において、説明の目的のため、数多くの個別的詳細が、本発明の十全な理解を与えるために記載されるが、当業者には、本発明がそうした個別的詳細のいくつかがなくても実施されうることは明白であろう。他方、本発明の基礎になる原理を埋没させるのを避けるために、よく知られた構造およびデバイスはブロック図で示される。

本明細書における「一つの実施形態」または「ある実施形態」への言及は、その実施形態との関連で記載される特定の特徴、構造または特性が本発明の少なくとも一つの実施形態に含まれることを意味する。本明細書の随所で「ある実施形態では」という句が現われるが、必ずしもみなが同じ実施形態を指しているのではない。

本稿を通じて、「論理」、「コンポーネント」、「モジュール」、「エンジン」、「モデル」などのような用語は交換可能に言及されることがあり、例として、ソフトウェア、ハードウェアおよび／またはソフトウェアとハードウェアの任意の組み合わせ、たとえばファームウェアを含みうる。さらに、特定のブランド、単語、用語、句、名称および／または頭字語が使われたとしても、それは実施形態を、製品または本稿以外の文献においてそのラベルを担持するソフトウェアまたはデバイスに限定するものと読まれるべきではない。

ある種の特徴を追加、除去および／または向上することを含むさまざまな実施形態を容易にするために任意の数および型のコンポーネントが印刷システム１００に追加されたりおよび／または印刷システム１００から除去されたりしてもよいことが考えられている。印刷システム１００の簡明および理解の容易のため、コンピューティング装置のコンポーネントのような標準的なおよび／または既知のコンポーネントの多くはここでは示したり論じたりしない。本稿に記載される実施形態は、いかなる特定の技術、トポロジー、システム、アーキテクチャおよび／または標準にも限定されず、任意の将来の変化を採用し、適応するよう十分に動的であることが考えられている。

図１は、印刷システム１００のある実施形態を示している。印刷システム１００はプリンタ１３０と、コンピューティング装置１０５とを含む。ある実施形態では、プリンタ１３０およびコンピューティング装置１０５はネットワーク１１５を介して通信する。しかしながら、印刷システムは他の構成を有していてもよい。たとえば、いくつかの実施形態では、コンピューティング装置１０５はプリンタ１３０内に実装されてもよい。

ある実施形態によれば、コンピューティング装置１０５は、コンピューティング装置１０５のようなコンピューティング装置における印刷パフォーマンス予測を容易にするための任意の数および型のコンポーネントの組み合わせを含む印刷パフォーマンス予測機構１１０をホストするためのホスト機械のはたらきをしてもよい。

コンピューティング装置１０５は、コンピューティング装置１００のハードウェアおよび／または物理的資源とユーザーとの間のインターフェースのはたらきをするオペレーティング・システム（OS）１０６を含んでいてもよい。コンピューティング装置１０５はさらに、一つまたは複数のプロセッサ１０２、メモリ・デバイス１０４、ネットワーク・デバイス、ドライバなどならびに入出力（I/O）源１０８、たとえばタッチスクリーン、タッチパネル、タッチパッド、仮想もしくは通常のキーボード、仮想もしくは通常のマウスなどを含んでいてもよい。

ある実施形態によれば、パフォーマンス予測機構１１０は、プリンタ・パフォーマンス指標の取得を可能にする。そのような実施形態では、予測機構１１０は、プリンタ１３０において文書を印刷する必要なしに、文書を印刷するための処理パフォーマンス・メトリックを推定する一つまたは複数の教師付き機械学習モデルを実装する。さらなる実施形態では、生の文書情報（たとえばメタデータ）が印刷ジョブ・データから抽出されて、モデルへの入力として使われる。この実施形態では、メタデータは、特化したソフトウェア・ツールを介して抽出される。他の実施形態では、その代わりに印刷ジョブ・データがモデルへの入力として使われる。

プリンタ１３０は、制御ユニット１５０および印刷エンジン１５８を含む。ある実施形態によれば、制御ユニット１５０は印刷ジョブ・データ１２０において受領されたオブジェクトを処理し、レンダリングし、印刷のためのシート・マップを印刷エンジン１５８に提供する。制御ユニット（たとえばDFEすなわちデジタル・フロントエンド（digital front end））１５０は、制御ユニット１５０において受領された画像オブジェクトをラスタ・イメージ・プロセッサ（RIP: raster image processor）によって処理して、ベクトル・グラフィック・フォーマットで記述された画像（たとえば形）をラスタ・イメージ（たとえばピクセル）に変換する。該ラスタ・イメージは、印刷エンジン１５８への出力のために、メモリ・アレイ（図示せず）において走査線データとして記憶される。

図２は、コンピューティング装置１００において用いられる印刷パフォーマンス予測機構１１０を示している。ある実施形態では、印刷パフォーマンス予測機構１１０は、コンテンツ取得モジュール２０１、メタデータ抽出論理２０２、パラメータ取得モジュール２０３、予測モデル２０４、トレーニング・モジュール２０５および報告モジュール２０６といった任意の数および型のコンポーネントを含んでいてもよい。印刷パフォーマンス予測機構１１０の任意の数および型のコンポーネント２０１〜２０６は必ずしも単一のコンピューティング装置になくてもよく、任意の数および型のコンピューティング装置の間で割り振られるまたは分散されるのでもよいことが考えられている。このように、別のコンピューティング装置も、コンポーネント２０１〜２０６のうち一つまたは複数のための機能を実行するよう印刷パフォーマンス予測機構１１０を含んでいてもよい。

ある実施形態によれば、コンテンツ取得モジュール２０１は、印刷データ（たとえば一つまたは複数の印刷ジョブおよびもし入手可能なら対応するジョブ・チケット）を入力データとして受領する。受領すると、メタデータ抽出論理２０２が印刷データからメタデータを抽出する。ある実施形態では、メタデータは、印刷データのコア・コンポーネントを含む。たとえば、印刷されるべき書籍のためのメタデータは、フォントの数、フォントの型、フォント・サイズおよび色、効果パフォーマンスなどに関する情報を含んでいてもよい。あるさらなる実施形態では、メタデータは、拡張可能マークアップ言語（XML）ファイルに含まれていてもよい。

パラメータ取得モジュール２０３はプリンタ構成情報を受領する。ある実施形態では、プリンタ構成情報は、プリンタ・アーキテクチャに関する情報（または基準）、たとえば動作メモリおよび／またはプロセッサ型（たとえばコアの数、プロセッサ・アーキテクチャ、スピードまたは量）、プリンタ設定（たとえば印刷品質、印刷解像度、ページ処理（page handling）など）ならびにパフォーマンス・モデルを含む。あるさらなる実施形態では、プリンタ構成情報は、利用可能な構成の集合（たとえば複数のプリンタ構成設定）として提供されてもよい。そのような実施形態では、プリンタ構成のどれが要件を満たすかの判定がなされてもよい。

ある実施形態では、パフォーマンス・モデルは、受領された印刷データに対応するジョブを生成するために必要な情報を含んでいてもよい（たとえば、印刷速度、ページ解像度、ページ回転および両面もしくは片面印刷）。さらに、パラメータ取得モジュール２０３は、印刷速度、ラスタ化時間、レンダリング時間、コスト因子などを含みうる、システム・パフォーマンス（または印刷システム・パフォーマンス要件）を満たすために要求される一つまたは複数の属性を受領する。あるさらなる実施形態では、プリンタ構成情報は、ユーザー・インターフェース２３０のようなグラフィカル・ユーザー・インターフェース・ツールを介して受領される。

ある実施形態によれば、予測モデル２０４は、メタデータ（または印刷ジョブ）およびプリンタ構成情報に基づいて印刷システム１３０の処理パフォーマンスを判別する。この実施形態では、印刷データに対応する文書を印刷する必要なしに印刷システムをシミュレートするために、予測モデル２０４は、新たな文書および／またはプリンタ構成についての処理パフォーマンス指標を生成する。たとえば、処理パフォーマンス指標は、印刷速度（printing speed）、ラスタ・イメージ処理時間、印刷定格速度（printing rated speed）、文書解釈時間および最適パフォーマンスのために必要な処理資源の数などといった属性を含んでいてもよい。

あるさらなる実施形態では、処理パフォーマンス指標は、印刷システム・パフォーマンスが、パラメータ取得モジュール２０３において取得されたパフォーマンス要求を満たすかどうかを判定するために実装されてもよい。さらに、モデル２０４は、パフォーマンス要求を満たす印刷システム構成および／またはモデルを決定してもよい。さらに、モデル２０４は、最良適合の印刷システム構成および／またはモデルを、パフォーマンス指標に基づいて、諸パフォーマンス要件についての重み付けアルゴリズムを使って、選択してもよい。この実施形態では、モデル２０４は、パフォーマンス要件を満たす複数の受領されたプリンタ構成のうちの一つまたは複数を決定してもよい。

ある実施形態によれば、モデル２０４は、プリンタ１３０の処理パフォーマンスをシミュレートする機械学習予測モデルを実装する。そのような実施形態では、モデル２０４は、印刷データと、プリンタ１３０で以前に印刷されたジョブについての対応する処理パフォーマンス指標とを、現在の処理パフォーマンス指標を生成するために使用する。

あるさらなる実施形態では、トレーニング・モジュール２０５は、以前に処理された印刷データと、プリンタ１３０からの対応する処理パフォーマンス指標とを含むトレーニング・データを使って、予測機構１１０の実装に先立って、モデル２０４をトレーニングするよう実装される。あるさらなる実施形態では、トレーニング・モジュール２０５は、更新されたトレーニング・データを用いてモデル２０４をトレーニングし直すために、定期的に使用されてもよい。よって、サンプル・サイズの増大のため、モデル２０４の予測精度が高められる。さらに、モデル２０４の再トレーニングにより、モデルは、将来の技術および製品を受け入れることができる。

報告モジュール２０６は、パフォーマンス指標およびプレゼンテーションに含めることが望ましい任意の追加的な情報（たとえば、プリンタ構成、パフォーマンス要件および／または評価された印刷ジョブ）を含むプレゼンテーション・レポートを生成する。コンピューティング装置１０５は、ネットワーク１１５を通じたプリンタ１３０における制御ユニット１５０との通信を容易にするよう、通信論理２６５をも含んでいてもよい。ある実施形態では、報告モジュール２０６は、レポートのハードコピーを生成するために、プレゼンテーション・レポートをプリンタ１３０に送信する。もう一つの実施形態では、トレーニング・モジュール２０５は、通信論理を介してプリンタ１３０からトレーニング・データを、予測モデル２０４のトレーニングのために、受領する。さらにもう一つの実施形態では、コンピューティング装置１０５は、プリンタ１３０の構成がパフォーマンス要件を達成するとの判定に際して、評価された印刷ジョブをプリンタ１３０にリリースしてもよい。

図３は、印刷システムのパフォーマンスを予測するために実行されるプロセス３００のある実施形態を示す流れ図である。プロセス３００は、ハードウェア（たとえば回路、専用論理、プログラム可能な論理など）、ソフトウェア（たとえば処理装置上で実行される命令）またはそれらの組み合わせを含みうる処理論理によって実行されてもよい。ある実施形態では、プロセス３００は、印刷パフォーマンス予測機構１１０によって実行されてもよい。プロセス３００は、呈示の簡明のために線形序列で示されているが、それらのうちの任意の数が並列に、非同期的に、あるいは異なる順序で実行されることができることが考えられている。簡明および理解の容易のため、図１および図２を参照して論じた詳細の多くはここでは論じたり繰り返したりしない。

ある実施形態によれば、プロセス３００の実装に先立って、上記で論じた仕方で予測モデルがトレーニングされる。ひとたびトレーニングされたら、システム・パフォーマンス要件、印刷データおよびシステム構成情報／基準が受領される（それぞれ処理ブロック３０２、３０４、３０６）。処理ブロック３０８では、印刷データからメタデータが抽出され、その後、予測モデルに提供される。処理ブロック３１０では、予測モデルが、受領されたデータに基づいて処理されて、処理パフォーマンス指標を生成する。

処理ブロック３２０では、モデルによって生成された処理パフォーマンス指標が、システム・パフォーマンス要件を参照して解析される。たとえば、モデル解析は、印刷システム・パフォーマンスが、パラメータ取得モジュール２０３において取得された、受領されたパフォーマンス要件を満たすかどうかを判定するとともに、パフォーマンス要件を満たす印刷システム構成および／またはモデルを決定してもよい。さらに、モデル解析は、最良適合の印刷システム構成および／またはモデルを、パフォーマンス指標に基づいて選択してもよい。処理ブロック３３０では、処理パフォーマンス指標および解析を含むレポートが生成され、所望されるフォーマットを介して提供されてもよい。

上記の予測機構は、プリンタがパフォーマンス要件を満たすかどうかを判定するために実際のプリンタまたは制御ユニットで文書をテストする必要をなくす。さらに、この機構は、パフォーマンス・メトリック指標を実行し、取得するための、分野固有の知識をもつトレーニングされた個人の必要性をなくす。

図４は、コンピューティング装置１０５および／またはプリンタ１３０が実装されうるコンピュータ・システム９００を示している。コンピュータ・システム９００は、情報を通信するためのシステム・バス９２０と、情報を処理するためのバス９２０に結合されたプロセッサ９１０とを含む。

コンピュータ・システム９００はさらに、情報およびプロセッサ９１０によって実行される命令を記憶するための、バス９２０に結合された、ランダム・アクセス・メモリ（RAM）または他の動的記憶デバイス９２５（ここではメイン・メモリと称される）を有する。メイン・メモリ９２５はまた、プロセッサ９１０による命令の実行の間に一時変数または他の中間情報を記憶するためにも使われてもよい。コンピュータ・システム９００は、プロセッサ９１０によって使用される静的な情報および命令を記憶するための、バス９２０に結合された読み出し専用メモリ（ROM）およびまたは他の静的記憶デバイス９２６をも含んでいてもよい。

磁気ディスクまたは光ディスクおよびその対応するドライブのようなデータ記憶デバイス９２７も、情報および命令を記憶するために、コンピュータ・システム９００に結合されていてもよい。コンピュータ・システム９００は、I/Oインターフェース９３０を介して第二のI/Oバス９５０に結合されることもできる。表示装置９２４、入力装置（たとえば英数字入力装置９２３およびまたはカーソル制御装置９２２）を含む複数のI/OデバイスがI/Oバス９５０に結合されてもよい。通信装置９２１は、他のコンピュータ（サーバーまたはクライアント）にアクセスするためのものである。通信装置９２１はモデム、ネットワーク・インターフェース・カードまたはイーサネット（登録商標）、トークンリングまたは他の型のネットワークに結合するために使われるような他のよく知られたインターフェース・デバイスを有していてもよい。

実施形態は、親基板を使って相互接続された一つまたは複数のマイクロチップまたは集積回路、固定結線論理、メモリ・デバイスによって記憶されマイクロプロセッサによって実行されるソフトウェア、ファームウェア、特定用途向け集積回路（ASIC）および／またはフィールドプログラマブルゲートアレイ（FPGA）の任意のものまたは組み合わせとして実装されてもよい。用語「論理」は、例として、ソフトウェアまたはハードウェアおよび／またはソフトウェアとハードウェアの組み合わせを含みうる。

実施形態は、コンピュータ、コンピュータのネットワークまたは他の電子装置のような一つまたは複数の機械によって実行されたときに該一つまたは複数の機械が本稿に記載される実施形態に従って動作を実行するようにする機械実行可能命令が記憶されている一つまたは複数の機械可読媒体を含んでいてもよいコンピュータ・プログラム・プロダクトとして提供されてもよい。機械可読媒体は、これに限られないが、フロッピーディスケット、光ディスク、CD-ROM（コンパクトディスク読み出し専用メモリ）および光磁気ディスク、ROM、RAM、EPROM（消去可能なプログラム可能型読み出し専用メモリ）、EEPROM（電気的に消去可能なプログラム可能型読み出し専用メモリ）、磁気式または光学式カード、フラッシュメモリまたは機械実行可能命令を記憶するために好適な他の型の媒体／機械可読媒体を含みうる。

さらに、実施形態は、コンピュータ・プログラム・プロダクトとしてダウンロードされてもよく、プログラムは、リモート・コンピュータ（たとえばサーバー）から要求元コンピュータ（たとえばクライアント）に搬送波または他の伝搬媒体において具現されたおよび／またはそれによって変調された一つまたは複数のデータ信号によって、通信リンク（たとえばモデムおよび／またはネットワーク接続）を介して転送されてもよい。

上記の記述の図面は実施形態の例を与える。当業者は、記述されている要素の一つまたは複数が単一の機能要素に組み合わされてもよいことを理解するであろう。あるいはまた、ある種の要素が複数の機能要素に分割されてもよい。ある実施形態からの要素が別の実施形態に加えられてもよい。たとえば、本稿に記載されるプロセスの順序は変えられてもよく、本稿に記載される仕方に限定されない。さらに、いずれかの流れ図におけるアクションは、図示した順序で実装される必要はない。すべての工程が必ず実行される必要もない。また、他の工程に依存しない工程は、他の工程と並列に実行されてもよい。実施形態の範囲はこれらの特定の例によって決して限定されない。素材の構造、寸法および仕様のような数多くの変形が、本明細書で明示的に与えられているか否かによらず、可能である。実施形態の範囲は、少なくとも付属の請求項によって与えられるだけの広さがある。

１０２ プロセッサ
１０４ メモリ
１０５ コンピューティング装置
１０６ オペレーティング・システム（OS）
１０８ 入出力（I/O）源
１１０ 印刷パフォーマンス予測機構
１１５ ネットワーク
１３０ プリンタ
１５０ 制御ユニット
１５８ 印刷エンジン

２０１ コンテンツ取得
２０２ メタデータ抽出
２０３ パラメータ取得
２０４ モデル
２０５ トレーニング
２０６ 報告
２３０ ユーザー・インターフェース
２６５ 通信論理

３０２ システム・パフォーマンス要件を受領
３０４ 印刷データを受領
３０６ システム構成を受領
３０８ メタデータを抽出
３１０ モデルを処理
３２０ 解析
３３０ レポート

Claims (20)

1. 命令が記憶されている少なくとも一つのコンピュータ可読媒体であって、前記命令は、一つまたは複数のプロセッサによって実行されたときに、該プロセッサに：
   予測モデルをトレーニングし；
   印刷ジョブ・メタデータを受領し；
   印刷システムの構成基準を受領し；
   前記印刷ジョブ・メタデータおよび前記構成基準に基づいて前記印刷システムをシミュレートするために前記予測モデルを使って前記印刷システムの第一の処理パフォーマンス指標を予測することを実行させるものである、
   コンピュータ可読媒体。
2. 前記一つまたは複数のプロセッサによって実行されたときに、該プロセッサにさらに、受領された印刷ジョブ・データから前記印刷ジョブ・メタデータを抽出させる命令を記憶している、請求項１記載のコンピュータ可読媒体。
3. 前記予測モデルが、以前に受領されたトレーニング・データに基づいてトレーニングされる、請求項１記載のコンピュータ可読媒体。
4. 前記トレーニング・データが、第二の印刷ジョブ・データと、該第二の印刷ジョブ・データについての前記印刷システムの処理パフォーマンス指標とを含む、請求項３記載のコンピュータ可読媒体。
5. 前記一つまたは複数のプロセッサによって実行されたときに、該プロセッサにさらに、第二のトレーニング・データとして受領された第三の印刷ジョブ・データおよび対応する処理パフォーマンス指標に基づいて前記予測モデルを再トレーニングさせる命令を記憶している、請求項４記載のコンピュータ可読媒体。
6. 前記一つまたは複数のプロセッサによって実行されたときに、該プロセッサにさらに：
   前記印刷システムについての一つまたは複数の印刷パフォーマンス要件を受領し；
   前記第一の処理パフォーマンス指標が前記印刷パフォーマンス要件を満たすかどうかを判定する
   ことを実行させる命令を記憶している、請求項２記載のコンピュータ可読媒体。
7. 前記第一の処理パフォーマンス指標が前記印刷パフォーマンス要件を満たすかどうかを判定することが、前記印刷システムについての最良適合構成を選択することを含む、請求項６記載のコンピュータ可読媒体。
8. 前記一つまたは複数のプロセッサによって実行されたときに、該プロセッサにさらに、前記印刷システムの前記第一の処理パフォーマンス指標を含むレポートを生成させる、請求項２記載のコンピュータ可読媒体。
9. 前記レポートに含められる前記第一の処理パフォーマンス指標が、印刷速度、ラスタ・イメージ処理時間、印刷定格速度、文書解釈時間および最適パフォーマンスのために必要な処理資源の数のうちの少なくとも一つを含む、請求項８記載のコンピュータ可読媒体。
10. 印刷パフォーマンス予測論理を記憶するメモリと、一つまたは複数のプロセッサとを有する印刷システムであって、
    前記印刷パフォーマンス予測論理は、：
    予測モデル；
    前記予測モデルをトレーニングするトレーニング・モジュール；
    印刷ジョブ・メタデータを受領する論理；および
    プリンタの構成基準を受領するパラメータ取得モジュールを含んでおり、
    前記一つまたは複数のプロセッサは、前記予測モデルをトレーニングする前記トレーニング・モジュールを実行し、前記論理は前記印刷ジョブ・メタデータを受領し、前記パラメータ取得モジュールは印刷システムの構成基準を受領し、前記予測モデルは、前記印刷ジョブ・メタデータおよび前記構成基準に基づいて前記プリンタをシミュレートするために前記プリンタの第一の処理パフォーマンス指標を予測する、
    印刷システム。
11. 前記メモリがさらに、コンテンツ取得モジュールおよびメタデータ抽出論理を記憶しており、前記プロセッサは前記コンテンツ取得モジュールを実行して印刷ジョブ・データを受領し、前記メタデータ抽出論理を実行して、受領された印刷ジョブ・データから前記印刷ジョブ・メタデータを抽出させる、請求項１０記載の印刷システム。
12. 前記トレーニング・モジュールが、前記予測モデルを、以前に受領されたトレーニング・データに基づいてトレーニングする、請求項１０記載の印刷システム。
13. 前記トレーニング・データが、第二の印刷ジョブ・データと、該第二の印刷ジョブ・データについての前記プリンタの処理パフォーマンス指標とを含む、請求項１２記載の印刷システム。
14. 前記トレーニング・モジュールが、第二のトレーニング・データとして受領された第三の印刷ジョブ・データおよび対応する処理パフォーマンス指標に基づいて前記予測モデルを再トレーニングする、請求項１３記載の印刷システム。
15. 前記パラメータ取得モジュールが、前記プリンタについての一つまたは複数の印刷パフォーマンス要件を受領し、前記予測モデルが、前記第一の処理パフォーマンス指標が前記印刷パフォーマンス要件を満たすかどうかを判定する、請求項１１記載の印刷システム。
16. 前記モデルがさらに、前記プリンタについての最良適合構成を選択する、請求項１５記載の印刷システム。
17. 前記メモリがさらに報告モジュールを記憶しており、前記プロセッサは前記報告モジュールを実行して、当該印刷システムの前記第一の処理パフォーマンス指標を含むレポートを生成する、請求項１１記載の印刷システム。
18. 前記レポートに含められる前記第一の処理パフォーマンス指標が、印刷速度、ラスタ・イメージ処理時間、印刷定格速度、文書解釈時間および最適パフォーマンスのために必要な処理資源の数のうちの少なくとも一つを含む、請求項１７記載の印刷システム。
19. 前記プリンタに結合された通信論理をさらに有する、請求項１２記載の印刷システム。
20. 前記トレーニング・モジュールが、前記通信論理を介して、前記プリンタから前記トレーニング・データを受領する、請求項１０記載の印刷システム。

Images