JP2019159729A - 故障予測システム - Google Patents

Abstract

【課題】未知の故障の予測を行うことができる故障予測システムを提供すること。【解決手段】機器の動作ログを蓄積する蓄積手段と、蓄積した動作ログをベクトル化したベクトル情報に変換する変換手段と、機器の動作ログから変換した第１のベクトル情報と予め用意していた正常時の動作ログから変換した第２のベクトル情報とを比較し、類似度を算出する動作ログ類似度演算手段と、動作ログ類似度演算手段で算出された類似度から故障予測を行う故障予測手段と、を有することを特徴とする故障予測システムにより、上記課題を解決する。【選択図】 図１

Description

本発明は、故障予測システムに関する。

例えば処理や構成が複雑なシステムで障害の発生を予測する監視装置は従来から知られている。

このような従来の監視装置では、通常時特徴ベクトル及び障害時特徴ベクトルに含まれる数値の各々の差から算出される相違度を算出し、当該相違度に基づいて、通常時特徴ベクトルが障害時特徴ベクトルの何れに類似するかを判断することで、システムで発生する障害を予測していた（例えば特許文献１参照）。

従来の監視装置では、システムで障害の発生を予測するため、通常時特徴ベクトル及び障害時特徴ベクトルを準備する必要がある。このような従来の監視装置において、既知の障害であれば、その障害の発生の所定時間前から障害の発生時までに取得されていたログ情報に基づいて抽出される障害時特徴ベクトルを準備できる。しかしながら、従来の監視装置において、未知の障害の障害時特徴ベクトルを準備することは困難だった。

本発明の一実施形態は、未知の故障の予測を行うことができる故障予測システムを提供することを目的とする。

上記した目的を達成するため、本願請求項１の故障予測システムは、機器の動作ログを蓄積する蓄積手段と、蓄積した動作ログをベクトル化したベクトル情報に変換する変換手段と、前記機器の動作ログから変換した第１のベクトル情報と、予め用意していた正常時の動作ログから変換した第２のベクトル情報とを比較し、類似度を算出する動作ログ類似度演算手段と、前記動作ログ類似度演算手段で算出された類似度から故障予測を行う故障予測手段と、を有することを特徴とする。

本発明の一実施形態によれば、未知の故障の予測を行うことができる。

第１の実施形態に係る故障予測システムの一例の構成図である。 コンピュータの一例のハードウェア構成図である。 複合機の一例のハードウェア構成図である。 第１の実施形態に係る画像形成装置の一例の機能ブロック図である。 正常時情報群との差異により不具合を検出する処理を示した一例のシーケンス図である。 正常時情報群及び異常時情報群との差異により不具合を複合的に検出する処理を示した一例のシーケンス図である。 特定のモジュールを再起動する回復制御の処理を示した一例のシーケンス図である。 不具合の対処方法を通知する回復制御の処理を示した一例のシーケンス図である。 管理センタに異常時情報を通知する回復制御の処理を示した一例のシーケンス図である。 管理センタから正常時情報群、異常時情報群を更新する処理の一例のシーケンス図である。 自機の動作ログによる正常時情報群、異常時情報群を更新する処理の一例のシーケンス図である。 ログ監視レベルの設定画面の一例のイメージ図である。

次に、本発明の実施の形態について、詳細に説明する。

［第１の実施形態］
＜システム構成＞
図１は第１の実施形態に係る故障予測システムの一例の構成図である。図１の故障予測システム１は、サーバ装置１０、サービス端末１２、画像形成装置１４Ａ〜１４Ｄ、管理者端末１６Ａ〜１６Ｂを有する構成である。

サーバ装置１０とサービス端末１２とはインターネットなどの外部ネットワーク２０に接続されている。また、画像形成装置１４Ａ〜１４Ｂ、管理者端末１６ＡはＬＡＮなどの内部ネットワーク２２を介して外部ネットワーク２０に接続されている。さらに、画像形成装置１４Ｃ〜１４Ｄ、管理者端末１６ＢはＬＡＮなどの内部ネットワーク２４を介して外部ネットワーク２０に接続されている。

画像形成装置１４Ａ〜１４Ｄは故障予測の対象となる機器の一例である。管理者端末１６Ａ〜１６Ｂは画像形成装置１４Ａ〜１４Ｄを管理する機器管理者が操作する端末装置の一例である。サーバ装置１０は管理契約等により画像形成装置１４Ａ〜１４Ｄを管理する管理装置の一例である。サービス端末１２は管理契約等のサービスを提供するサービス提供者が操作する端末装置の一例である。図１の故障予測システム１は一例であり、用途や目的に応じて様々なシステム構成例があることは言うまでもない。

＜ハードウェア構成＞
《コンピュータ》
サーバ装置１０、サービス端末１２及び管理者端末１６Ａ〜１６Ｂは例えば図２に示すようなハードウェア構成のコンピュータにより実現される。図２はコンピュータの一例のハードウェア構成図である。

図２のコンピュータ５００は入力装置５０１、表示装置５０２、外部Ｉ／Ｆ５０３、ＲＡＭ５０４、ＲＯＭ５０５、ＣＰＵ５０６、通信Ｉ／Ｆ５０７及びＨＤＤ５０８などを備え、それぞれがバスＢで相互に接続されている。なお、入力装置５０１及び表示装置５０２は必要なときに接続して利用する形態であってもよい。

入力装置５０１はキーボードやマウス、タッチパネルなどを含み、ユーザが各操作信号を入力するのに用いられる。表示装置５０２はディスプレイ等を含み、コンピュータ５００による処理結果を表示する。

通信Ｉ／Ｆ５０７はコンピュータ５００を各種ネットワークに接続するインタフェースである。これにより、コンピュータ５００は通信Ｉ／Ｆ５０７を介してデータ通信を行うことができる。

また、ＨＤＤ５０８は、プログラムやデータを格納している不揮発性の記憶装置の一例である。格納されるプログラムやデータには、コンピュータ５００全体を制御する基本ソフトウェアであるＯＳ、及びＯＳ上において各種機能を提供するアプリケーションなどがある。なお、コンピュータ５００はＨＤＤ５０８に替え、記憶媒体としてフラッシュメモリを用いるドライブ装置（例えばソリッドステートドライブ：ＳＳＤ）を利用するものであってもよい。

外部Ｉ／Ｆ５０３は、外部装置とのインタフェースである。外部装置には、記録媒体５０３ａなどがある。これにより、コンピュータ５００は外部Ｉ／Ｆ５０３を介して記録媒体５０３ａの読み取り及び／又は書き込みを行うことができる。記録媒体５０３ａにはフレキシブルディスク、ＣＤ、ＤＶＤ、ＳＤメモリカード、ＵＳＢメモリなどがある。

ＲＯＭ５０５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリ（記憶装置）の一例である。ＲＯＭ５０５にはコンピュータ５００の起動時に実行されるＢＩＯＳ、ＯＳ設定、及びネットワーク設定などのプログラムやデータが格納されている。ＲＡＭ５０４はプログラムやデータを一時保持する揮発性の半導体メモリ（記憶装置）の一例である。

ＣＰＵ５０６は、ＲＯＭ５０５やＨＤＤ５０８などの記憶装置からプログラムやデータをワークエリア（作業領域）であるＲＡＭ５０４上に読み出し、処理を実行することによりコンピュータ５００全体の制御や機能を実現する演算装置である。

サーバ装置１０、サービス端末１２及び管理者端末１６Ａ〜１６Ｂは例えば図２に示すコンピュータ５００のハードウェア構成上でプログラムを実行することにより後述する各種処理を実現できる。

《画像形成装置》
図１の画像形成装置１４Ａ〜１４Ｄは、複合機の場合、例えば図３に示すようなハードウェア構成により実現される。図３は複合機の一例のハードウェア構成図である。図３に示した複合機６００はコントローラ６０１、操作パネル６０２、外部Ｉ／Ｆ６０３、通信Ｉ／Ｆ６０４、プリンタ６０５及びスキャナ６０６などを備える。

コントローラ６０１はＣＰＵ６１１、ＲＡＭ６１２、ＲＯＭ６１３、ＮＶＲＡＭ６１４及びＨＤＤ６１５などを備える。ＲＯＭ６１３は、各種プログラムやデータが格納されている。ＲＡＭ６１２はプログラムやデータを一時保持する。ＮＶＲＡＭ６１４は、例えば設定情報等が格納されている。また、ＨＤＤ６１５は各種プログラムやデータが格納されている。

ＣＰＵ６１１は、ＲＯＭ６１３やＮＶＲＡＭ６１４、ＨＤＤ６１５などからプログラムやデータ、設定情報等をＲＡＭ６１２上に読み出し、処理を実行することで、画像形成装置１４Ａ〜１４Ｄ全体の制御や機能を実現する。

操作パネル６０２はユーザからの入力を受け付ける入力部と、表示を行う表示部とを備えている。外部Ｉ／Ｆ６０３は外部装置とのインタフェースである。外部装置には、記録媒体６０３ａなどがある。これにより、画像形成装置１４Ａ〜１４Ｄは外部Ｉ／Ｆ６０３を介して記録媒体６０３ａの読み取り及び／又は書き込みを行うことができる。記録媒体６０３ａにはＩＣカード、フレキシブルディスク、ＣＤ、ＤＶＤ、ＳＤメモリカード、ＵＳＢメモリ、ＳＩＭカード等がある。

通信Ｉ／Ｆ６０４は、複合機６００を内部ネットワーク２２又は２４に接続させる為のインタフェースである。これにより、複合機６００は通信Ｉ／Ｆ６０４を介してデータ通信を行うことができる。

プリンタ６０５は印刷データを被搬送物に印刷するための印刷装置である。例えば被搬送物は紙、コート紙、厚紙、ＯＨＰ、プラスチックフィルム、プリプレグ、銅箔など、紙に限定されない。スキャナ６０６は原稿から画像データ（電子データ）を読み取るための読取装置である。なお、図３は画像形成装置１４Ａ〜１４Ｄが複合機６００の場合の例を示しており、複合機６００でない場合にはプリンタ６０５やスキャナ６０６を必ずしも備える必要はない。また、カメラ、ランプ光源など図３に示した以外のハードウェアを有していてもよい。

＜ソフトウェア構成＞
《画像形成装置》
以下では、画像形成装置１４Ａ〜１４Ｄの何れでもよい場合に画像形成装置１４と総称する。第１の実施形態に係る画像形成装置１４は、例えば図４に示す機能ブロックで実現される。なお、図４の機能ブロックは本実施形態の説明に不要な部分について適宜省略している。

図４は第１の実施形態に係る画像形成装置の一例の機能ブロック図である。例えば画像形成装置１４はプログラムを実行することにより、類似度演算部３０、ログ情報変換部３２、操作部制御部３４、異常回避動作制御部３６、電力状態制御部３８、通信部４０、蓄積情報更新部４２、記憶部４４を実現する。

記憶部４４には正常時情報群５０及び異常時情報群５２が保存されている。正常時情報群５０は正常時の動作ログから変換された特徴ベクトルやベクトル群などのベクトル情報である。異常時情報群５２は異常時の動作ログから変換された特徴ベクトルやベクトル群などのベクトル情報である。

類似度演算部３０は、ディープラーニング（深層学習）の仕組みを用いて、記憶部４４の正常時情報群５０又は異常時情報群５２と自機の動作ログとの類似度を計算し、算出された類似度から自機に異常が発生しているかを判定する。未知の不具合（未知の故障）に対して、類似度演算部３０は自機の動作ログと正常時情報群５０との乖離度を計算し、乖離度が大きいほど正常でない≒異常が発生している可能性が高い、と判定する。また、既知の不具合（既知の故障）に対して、類似度演算部３０は自機の動作ログと異常時情報群５２との乖離度を計算し、乖離度が小さいほど正常でない≒異常が発生している可能性が高い、と判定する。類似度演算部３０は正常時情報群５０との乖離度の計算結果と、異常時情報群５２との乖離度の計算結果と、を複合的に用いて、異常が発生している可能性を判定してもよい。

ログ情報変換部３２は画像形成装置１４を構成する部位（モジュール）が出力する動作ログを特徴ベクトルやベクトル群などのベクトル情報に変換する。操作部制御部３４は操作パネル６０２の電力状態等を制御する。操作部制御部３４は省エネ移行／復帰の要求に合わせて各種デバイスの電源管理を行う。

異常回避動作制御部３６は異常が発生していると判定した際の動作を制御する。例えば異常回避動作制御部３６は異常が発生していると判定した場合、設定に従い、回復制御を行う。回復制御は、例えば画像形成装置１４全体の再起動、特定のアプリ／デバイスの再起動、機器管理者等への通知、サーバ装置１０のサービスへの通知、等を行うための制御である。

電力状態制御部３８は画像形成装置１４の電力状態の制御を行う。例えば電力状態制御部３８は省エネ状態で操作部制御部３４から省エネ復帰の要求を受け取ると本体を省エネ状態から復帰させる。なお、省エネ状態からの復帰要因は他にも、タイマ、外部アクセス等、様々なものが存在する。通信部４０は通信に関する処理を行う。蓄積情報更新部４２は記憶部４４に保存されている正常時情報群５０及び異常時情報群５２を、後述するような手順で動作ログにより更新する。

なお、図４の機能ブロックは一例であって、図４に示した機能ブロックの一部がサーバ装置１０やその他の装置に設けられた構成であってもよい。また、操作部と本体部とが別体の画像形成装置１４では図４の機能ブロックを操作部に設けてもよい。

＜処理の詳細＞
以下では、第１の実施形態に係る故障予測システム１の処理について説明する。

《正常時情報群との差異により不具合を検出》
図５は正常時情報群との差異により不具合を検出する処理を示した一例のシーケンス図である。図５のシーケンス図の処理は一定間隔で定期的に動作ログを監視する例について説明する。なお、図５のシーケンス図の処理を開始するトリガは、省エネ移行時や省エネ復帰時、印刷時など、画像形成装置１４の特徴的なタイミングで動作ログの監視を行うようにしてもよい。

ステップＳ１１に進み、ログ情報変換部３２は一定間隔の間に溜まった動作ログを画像形成装置１４のモジュールごとの動作ログに変換する。ステップＳ１２に進み、ログ情報変換部３２はモジュールごとの動作ログから不要な情報を除去（マスク）する。不要な情報とは、画像形成装置１４の状態判断の阻害になるような情報を指し、例えば時間情報などである。ログ取得時間のように機器動作と関係がなく、無関係の事象と結びつけてしまう動作ログは、類似性判定時に誤判定させる可能性があるので好ましくない（関係の無い事象の動作ログでも同じ時間帯に取得した動作ログは、時間情報により類似性が誤って上がる）。

ステップＳ１３に進み、ログ情報変換部３２は不要な情報を除去したモジュールごとの動作ログをベクトル化する。ここでは、動作ログの文字列群（複数行の動作ログ）に対して主成分分析を行ったり、非線形のカーネル主成分分析を行ったり、そこから部分空間を作成したり、など、既存の手法を利用する。既存の手法としてディープラーニングを用いてもよい。

ステップＳ１４に進み、ログ情報変換部３２は類似障害検索要求を類似度演算部３０に対して行う。ステップＳ１５に進み、類似度演算部３０は記憶部４４に記憶されている正常時情報群５０を取得する。ステップＳ１６に進み、類似度演算部３０はステップＳ１３でベクトル化した動作ログとステップＳ１５で取得した正常時情報群５０との類似度を演算する。ステップＳ１５及びＳ１６の処理は正常時情報群５０に含まれる正常時情報の数だけ繰り返される。例えば正常時情報群５０は、起動時の正常時情報、印刷時の正常時情報、省エネ移行時の正常時情報、省エネ復帰時の正常時情報、等が含まれる。ステップＳ１６では、これらの正常時情報群５０に含まれる各種正常時情報を利用して類似度を演算する。

類似度演算部３０は、ステップＳ１６で演算した類似度がしきい値を下回っていれば異常が発生している可能性が高いと判定し、ステップＳ１７〜Ｓ２１の処理を行う。類似度演算部３０は、ステップＳ１７に進み、異常回避要求を異常回避動作制御部３６に対して行う。ステップＳ１８に進み、異常回避動作制御部３６は電力状態制御部３８に再起動を要求する。ステップＳ１９に進み、電力状態制御部３８は画像形成装置１４を再起動させるように制御を行う。

また、異常回避動作制御部３６は通信部４０に対して、機器管理者とサーバ装置１０のサービスへのメールによる通知を要求する。ステップＳ２１に進み、通信部４０は機器管理者とサーバ装置１０のサービスに対して、異常の発生をメールで通知する。なお、類似度演算部３０は、ステップＳ１６で演算した類似度がしきい値を下回っていなければ異常が発生している可能性が低いと判定し、例えばステップＳ１７〜Ｓ２１の回復制御を行わない。

《正常時情報群及び異常時情報群との差異により不具合を複合的に検出》
図６は正常時情報群及び異常時情報群との差異により不具合を複合的に検出する処理を示した一例のシーケンス図である。なお、図６のシーケンス図は一部の処理が図５と重複するため、適宜説明を省略する。

ステップＳ３１〜Ｓ３６の処理は、図５のステップＳ１１〜Ｓ１６の処理と同様であるため、説明を省略する。ステップＳ３７に進み、類似度演算部３０は記憶部４４に記憶されている異常時情報群５２を取得する。ステップＳ３８に進み、類似度演算部３０はステップＳ３３でベクトル化した動作ログとステップＳ３７で取得した異常時情報群５２との類似度を演算する。ステップＳ３７及びＳ３８の処理は異常時情報群５２に含まれる異常時情報の数だけ繰り返される。

例えば異常時情報群５２は、起動時の異常時情報、印刷時の異常時情報、省エネ移行時の異常時情報、省エネ復帰時の異常時情報、等が含まれる。ステップＳ３８では、これらの異常時情報群５２に含まれる各種異常時情報を利用して類似度を演算する。

類似度演算部３０はステップＳ３６で演算した正常時情報との類似度が正常時情報用の閾値未満、かつ、ステップＳ３８で演算した異常時情報との類似度が異常時情報用の閾値以上であれば異常が発生している可能性が高い（異常発生確度：高）と判定し、ステップＳ３９〜Ｓ４３の処理を行う。ステップＳ３９〜Ｓ４３の処理は図５に示したステップＳ１７〜Ｓ２１の処理と同様であるため、説明を省略する。

類似度演算部３０は、ステップＳ３６で演算した正常時情報との類似度が正常時情報用の閾値未満であれば異常が発生している可能性が高い（異常発生確度：中）と判定し、ステップＳ４４〜Ｓ４６の処理を行う。類似度演算部３０は、ステップＳ４４に進み、異常発生確度が「中」の異常回避要求を異常回避動作制御部３６に対して行う。ステップＳ４５に進み、異常回避動作制御部３６は通信部４０に対して、サーバ装置１０のサービスへのメールによる通知を要求する。そして、ステップＳ４６に進み、通信部４０はサーバ装置１０のサービスに対して、異常の発生をメールで通知する。

類似度演算部３０はステップＳ３６で演算した正常時情報との類似度が正常時情報用の閾値以上、かつ、ステップＳ３８で演算した異常時情報との類似度が異常時情報用の閾値以上であれば異常が発生している可能性が高い（異常発生確度：中）と判定し、ステップＳ４４〜Ｓ４６と同様なステップＳ４７〜Ｓ４９の処理を行う。

なお、類似度演算部３０は、ステップＳ３６で演算した正常時情報との類似度が正常時情報用の閾値以上、かつ、ステップＳ３８で演算した異常時情報との類似度が異常時情報用の閾値未満であれば、異常が発生している可能性が低いと判定し、ステップＳ４０〜Ｓ４３などの回復制御を行わない。

《特定のモジュールを再起動する回復制御》
図７は特定のモジュールを再起動する回復制御の処理を示した一例のシーケンス図である。なお、図７のシーケンス図は一部の処理が図５と重複しているため、適宜説明を省略する。

ステップＳ５１〜Ｓ５７の処理は、図５のステップＳ１１〜Ｓ１７の処理と同様であるため、説明を省略する。ステップＳ５８に進み、類似度演算部３０は、異常が発生している可能性が高いモジュールの情報と、異常発生確度「高」とを異常回避動作制御部３６に通知する。ステップＳ５９に進み、異常回避動作制御部３６は類似度演算部３０から通知された異常が発生している可能性が高いモジュールを再起動させる。図７のシーケンス図の処理によれば、画像形成装置１４全体を再起動させる図５のシーケンス図よりも処理時間を短くすることができる。

《不具合の対処方法を通知する回復制御》
図８は、不具合の対処方法を通知する回復制御の処理を示した一例のシーケンス図である。なお、図８のシーケンス図は一部の処理が図６と重複しているため、適宜説明を省略する。

ステップＳ６１〜Ｓ６９の処理は、図６のステップＳ３１〜Ｓ３９の処理と同様であるため、説明を省略する。ステップＳ７０に進み、類似度演算部３０はステップＳ６３でベクトル化した動作ログとの類似度が閾値以上であった異常時情報のＩＤを異常回避動作制御部３６に通知する。

ステップＳ７１に進み、異常回避動作制御部３６はステップＳ７０で通知されたＩＤを指定して記憶部４４から、そのＩＤの異常時情報に対応する異常時対処方法の情報の取得を試みる。異常時対処方法の情報を取得できれば、異常回避動作制御部３６はステップＳ７２に進み、メールへ異常時対処方法の情報を付加（セット）する。

ステップＳ７３に進み、異常回避動作制御部３６は通信部４０に対して、機器管理者とサーバ装置１０のサービスへのメールによる通知を要求する。ステップＳ７４に進み、通信部４０は機器管理者とサーバ装置１０のサービスに対して、異常の発生及び異常時対処方法をメールで通知する。

なお、類似度演算部３０は、ステップＳ６６で演算した正常時情報との類似度が正常時情報用の閾値未満、かつ、ステップＳ６８で演算した異常時情報との類似度が異常時情報用の閾値以上でなければ、異常が発生している可能性が低いと判定し、例えばステップＳ６９〜Ｓ７４の回復制御を行わない。

《管理センタに異常時情報を通知する回復制御》
図９は、管理センタに異常時情報を通知する回復制御の処理を示した一例のシーケンス図である。なお、図９のシーケンス図は一部の処理が図５と重複しているため、適宜説明を省略する。

ステップＳ８１〜Ｓ８７の処理は、図５のステップＳ１１〜Ｓ１７の処理と同様であるため、説明を省略する。ステップＳ８８に進み、異常回避動作制御部３６は通信部４０に対して、異常が発生している可能性が高いと判定された時のベクトル化された動作ログの情報（異常時情報）を管理センタのサーバ装置１０へ通知する要求を行う。ステップＳ８９に進み、通信部４０は管理センタのサーバ装置１０へ異常時情報を通知する。

《管理センタからの正常時情報群、異常時情報群の更新処理》
図１０は、管理センタから正常時情報群、異常時情報群を更新する処理の一例のシーケンス図である。ステップＳ１０１において、画像形成装置１４の通信部４０は管理センタのサーバ装置１０から最新の正常時情報、異常時情報を受信する。ステップＳ１０２に進み、通信部４０はステップＳ１０１で受信した最新の正常時情報、異常時情報による更新要求を蓄積情報更新部４２に対して行う。

ステップＳ１０３に進み、蓄積情報更新部４２はステップＳ１０２の更新要求の最新の正常時情報に基づいて記憶部４４の正常時情報群５０を更新する。また、ステップＳ１０４に進み、蓄積情報更新部４２はステップＳ１０２の更新要求の最新の異常時情報に基づいて記憶部４４の異常時情報群５２を更新する。

図１０のシーケンス図の処理により、画像形成装置１４は他の機器で発生した未知の不具合（未知の故障）に対応するように、記憶部４４の正常時情報群５０及び異常時情報群５２を更新できる。

《自機の動作ログによる正常時情報群、異常時情報群の更新処理》
図１１は、自機の動作ログによる正常時情報群、異常時情報群を更新する処理の一例のシーケンス図である。ステップＳ１１１〜Ｓ１１３は、例えば図５のステップＳ１１〜Ｓ１３と同様であるため、説明を省略する。

ステップＳ１１４に進み、ログ情報変換部３２はステップＳ１１３でベクトル化した動作ログによる更新要求を蓄積情報更新部４２に対して行う。サービスコールや用紙づまりなどの異常が発生していなければ、蓄積情報更新部４２はステップＳ１１５に進み、異常が発生していない間のベクトル化した動作ログに基づいて記憶部４４の正常時情報群５０を更新する。また、サービスコールや用紙づまりなどの異常が発生していれば、蓄積情報更新部４２はステップＳ１１６に進み、異常が発生している間のベクトル化した動作ログに基づいて記憶部４４の異常時情報群５２を更新する。

《ログ監視レベルの設定》
図１２はログ監視レベルの設定画面の一例のイメージ図である。図１２の設定画面に示したように、本実施形態に係る故障予測システム１では、機器管理者等が図１２の設定画面からログ監視レベルを設定できる。機器管理者等により設定されたログ監視レベルに基づき、本実施形態に係る故障予測システム１では類似度演算部３０が異常の発生している可能性を判定するために利用する閾値を変更する。

（まとめ）
第１の実施形態によれば、未知の不具合（未知の故障）に対して、自機の動作ログと記憶部４４の正常時情報群５０との乖離度を計算し、乖離度が大きいほど正常でない≒異常が発生している可能性が高い、と判定するため、未知の故障を予測できる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。なお、本実施形態は本願発明の範囲を限定するものではなく、図１に示した構成図のような構成に限定するものではない。

１ 故障予測システム
１０ サーバ装置
１２ サービス端末
１４、１４Ａ〜１４Ｄ 画像形成装置
１６Ａ〜１６Ｂ 管理者端末
２０ 外部ネットワーク
２２、２４ 内部ネットワーク
３０ 類似度演算部
３２ ログ情報変換部
３４ 操作部制御部
３６ 異常回避動作制御部
３８ 電力状態制御部
４０ 通信部
４２ 蓄積情報更新部
４４ 記憶部
５０ 正常時情報群
５２ 異常時情報群

特開２０１５−１６４００５号公報

Claims (10)

1. 機器の動作ログを蓄積する蓄積手段と、
   蓄積した動作ログをベクトル化したベクトル情報に変換する変換手段と、
   前記機器の動作ログから変換した第１のベクトル情報と、予め用意していた正常時の動作ログから変換した第２のベクトル情報とを比較し、類似度を算出する動作ログ類似度演算手段と、
   前記動作ログ類似度演算手段で算出された類似度から故障予測を行う故障予測手段と、
   を有することを特徴とする故障予測システム。
2. 前記動作ログ類似度演算手段は、更に、前記機器の動作ログから変換した第１のベクトル情報と、予め用意していた異常時の動作ログから変換した第３のベクトル情報とを比較し、類似度を算出すること
   を特徴とする請求項１記載の故障予測システム。
3. 前記故障予測手段は、前記故障予測により前記機器の故障の可能性を検知すると、前記機器を再起動させること
   を特徴とする請求項１又は２記載の故障予測システム。
4. 前記故障予測手段は、前記故障予測により前記機器を構成する部位の限定的な故障の可能性を検知すると、前記機器を構成する部位を再起動させること
   を特徴とする請求項１又は２記載の故障予測システム。
5. 前記故障予測手段は、前記故障予測により前記機器の故障の可能性を検知すると、予め登録されている通知先に、前記機器の故障の可能性を通知すること
   を特徴とする請求項１又は２記載の故障予測システム。
6. 前記故障予測手段は、前記故障予測により前記機器の故障の可能性を検知すると、予め登録されている通知先に、前記可能性を検知した前記機器の故障の対処方法を更に通知すること
   を特徴とする請求項５記載の故障予測システム。
7. 前記故障予測手段は、前記機器の故障を一定期間、検知しなければ、前記一定期間の前記機器の動作ログの少なくとも一部により前記第２のベクトル情報を更新すること
   を特徴とする請求項１乃至６何れか一項記載の故障予測システム。
8. 前記故障予測手段は、前記機器の故障の可能性を検知すると、前記機器の故障を検知した前記機器の動作ログにより前記第３のベクトル情報を更新すること
   を特徴とする請求項２記載の故障予測システム。
9. 前記故障予測手段は、前記動作ログ類似度演算手段で算出された類似度から故障予測を行うため、前記第１のベクトル情報が前記第２のベクトル情報と類似していないと判定する閾値が設定されていること
   を特徴とする請求項１乃至８何れか一項記載の故障予測システム。
10. 前記故障予測手段は、前記第２のベクトル情報と類似していない前記第１のベクトル情報に変換される動作ログを出力する前記機器の故障の可能性、又は、前記機器を構成する部位の限定的な故障の可能性を検知すること
    を特徴とする請求項３乃至５何れか一項記載の故障予測システム。

Images