JP2020151879A - 情報処理装置、学習装置及び学習済モデル - Google Patents
情報処理装置、学習装置及び学習済モデル Download PDFInfo
- Publication number
- JP2020151879A JP2020151879A JP2019050597A JP2019050597A JP2020151879A JP 2020151879 A JP2020151879 A JP 2020151879A JP 2019050597 A JP2019050597 A JP 2019050597A JP 2019050597 A JP2019050597 A JP 2019050597A JP 2020151879 A JP2020151879 A JP 2020151879A
- Authority
- JP
- Japan
- Prior art keywords
- information
- consumption
- consumables
- unit
- information processing
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 146
- 238000010801 machine learning Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 111
- 230000008569 process Effects 0.000 claims description 86
- 239000000463 material Substances 0.000 claims description 23
- 239000000976 ink Substances 0.000 description 117
- 238000013528 artificial neural network Methods 0.000 description 39
- 210000002569 neuron Anatomy 0.000 description 29
- 238000012549 training Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 18
- 239000005435 mesosphere Substances 0.000 description 18
- 230000009467 reduction Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000006866 deterioration Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000049 pigment Substances 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000003925 brain function Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Ink Jet (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
Abstract
Description
電子機器において用いられる消耗品の需要予測を行う手法が種々開示されている。電子機器は、例えば図1及び図13を用いて後述するプリンター20である。或いは電子機器は、スキャナー、ファクシミリ装置又はコピー機であってもよい。電子機器は、複数の機能を有する複合機(MFP:Multifunction Peripheral)であってもよく、印刷機能を有する複合機もプリンター20の一例である。消耗品とは、電子機器の動作によって量又は数が減少する消費材であり、例えばインクジェットプリンターにおけるインクや、レーザープリンターにおけるトナーである。ただし、消耗品は、電子機器の動作によって耐久性が低下する部材であって、耐久性の低下を抑制するための制御の対象となる部材、或いは耐久性の低下に伴う交換が必要となる部材に拡張して考えてもよい。以下、電子機器がインクジェットプリンターであり、消耗品がインクである例を中心に説明を行うが、電子機器及び消耗品はこれに限定されず、種々の変形実施が可能である。
まず、需要予測結果を用いたシステムとして、消費制御システム1について説明する。消費制御システム1とは、消耗品の消費量を制御するシステムであって、具体的には消耗品の消費量を抑制することによって、消耗品に関するコストを目標コスト内に抑制するためのシステムである。
図1は、本実施形態にかかる消費制御システム1の構成を示す図である。消費制御システム1は、印刷システム10と、プリンター20と、学習装置100と、情報処理装置200を含む。
2.2.1 学習装置の構成例
図1に示したとおり、学習装置100は、学習に用いられる訓練データを取得する取得部110と、当該訓練データに基づいて機械学習を行う学習部120を含む。
機械学習の具体例として、ニューラルネットワークを用いた機械学習について説明する。図2は、ニューラルネットワークの基本的な構造例である。ニューラルネットワークは、脳機能を計算機上でシミュレーションする数学モデルである。図2の1つの円をノード又はニューロンと呼ぶ。図2の例では、ニューラルネットワークは、入力層と、2つの中間層と、出力層を有する。入力層がIであり、中間層がH1及びH2であり、出力層がOである。また図2の例においては、入力層のニューロン数が3、中間層のニューロン数がそれぞれ4、出力層のニューロン数が1である。ただし、中間層の層数や、各層に含まれるニューロンの数は種々の変形実施が可能である。入力層に含まれるニューロンは、それぞれ第1中間層であるH1のニューロンと結合される。第1中間層に含まれるニューロンはそれぞれ第2中間層であるH2のニューロンと結合され、第2中間層に含まれるニューロンはそれぞれ出力層のニューロンと結合される。なお中間層は隠れ層と言い換えてもよい。
図3は、プリンター20において取得される稼働情報のうち、消費量情報に関するデータの例を説明する図である。プリンター20は、例えば図3のA1に示したとおり、印刷ジョブごとに、当該印刷ジョブの実行タイミングを表す情報と、消費量情報とが対応付けられた情報を取得する。ここでの印刷ジョブとは、プリンター20における印刷動作の一単位を表し、具体的には1つの印刷画像データの印刷動作、及び当該印刷動作に必要な情報の集合である。印刷を実行する際には、印刷ジョブは、当該印刷ジョブを一意に識別するための識別情報、印刷対象となる印刷画像データ、印刷設定データ等を含む。
2.4.1 情報処理装置の構成例
図1に示したとおり、本実施形態の推論装置である情報処理装置200は、受付部210と、処理部220と、記憶部230を含む。処理部220は、需要予測部221と、コスト予測部222と、コスト低減部223を含む。ただし、情報処理装置200は図1の構成に限定されず、これらの一部の構成要素を省略してもよいし、他の構成要素を追加してもよく、種々の変形実施が可能である。
図12は、情報処理装置200における処理を説明するフローチャートである。この処理が開始されると、まず処理部220は、消費量情報の時系列データを取得する(S101)。例えば、受付部210は、所与の間隔で消費量情報を取得する。ここでの間隔は例えば1日であり、消費量情報は月日を表す時間情報と対応付けられた情報である。図1においては、受付部210が、学習装置100の取得部110から消費量情報を受け付ける例を示したが、受付部210は、印刷システム10又はプリンター20から1日当たりの消費量情報を受け付けてもよい。処理部220は、受付部210が過去に受け付けた消費量情報と、最新の消費量情報とを合わせたデータを、消費量情報の時系列データとする。
本実施形態にかかる学習装置100は、定期的に学習処理を行うことによって、学習済モデルを更新してもよい。例えば、取得部110は、1日に1回、印刷システム10から消費量情報を取得する。図5及び図6を用いて上述したように、最新の消費量情報を正解ラベルとし、過去に取得された消費量情報の時系列データを入力データとすることによって、新たな訓練データが取得される。例えば、消費量情報の時系列データとしてx1〜xnが取得済である状態において、新たにxn+1が取得された場合を考える。図6の例であれば、x1〜xnを入力データとし、xn+1を当該入力データに対応する正解ラベルとする訓練データが取得される。学習部120は、取得された訓練データを用いて、1日に1回、学習処理を行うことによって学習済モデルを更新する。このようにすれば、実測された消費量情報に基づいて、逐次、学習済モデルが更新されるため、需要予測精度を高くすることが可能になる。
図13は、本実施形態にかかる発注システム2の構成を示す図である。発注システム2は、印刷システム10と、プリンター20と、学習装置100と、情報処理装置200を含む。情報処理装置200の処理部220は、需要予測部221と、発注処理部224と、配送処理部225を含む。ただし、情報処理装置200は図13の構成に限定されず、これらの一部の構成要素を省略してもよいし、他の構成要素を追加してもよく、種々の変形実施が可能である。
Claims (13)
- 電子機器において用いられる消耗品の消費量又は残量を表す消費量情報の時系列データに基づいて、前記消耗品の需要予測の条件を機械学習した学習済モデルを記憶する記憶部と、
前記学習済モデルに基づいて、前記消耗品の前記需要予測を行う処理部と、
を含み、
前記処理部は、
前記消耗品の前記需要予測の結果に基づいて、前記消耗品の交換時期又は補充時期の予測処理、又は、前記消耗品の消費制御処理を行うことを特徴とする情報処理装置。 - 請求項1に記載の情報処理装置において、
前記電子機器は、印刷部を含み、
前記消耗品は、前記印刷部における印刷画像データの印刷に用いられる印刷材を含むことを特徴とする情報処理装置。 - 請求項2に記載の情報処理装置において、
前記学習済モデルは、
消耗品種別ごとの前記消費量情報の前記時系列データに基づいて機械学習されており、
前記処理部は、
前記消耗品種別ごとの前記需要予測を行うことによって、前記予測処理又は前記消費制御処理を行うことを特徴とする情報処理装置。 - 請求項3に記載の情報処理装置において、
前記消耗品種別は、前記印刷材の色に関する種別であることを特徴とする情報処理装置。 - 請求項2乃至4のいずれか一項に記載の情報処理装置において、
前記学習済モデルは、
前記印刷画像データの種類ごとに、前記消費量情報の前記時系列データに基づいて機械学習されており、
前記処理部は、
前記印刷画像データの前記種類ごとに、前記消耗品の前記需要予測を行うことを特徴とする情報処理装置。 - 請求項5に記載の情報処理装置において、
前記処理部は、
前記印刷画像データの前記種類ごとに行われた前記消耗品の前記需要予測に基づいて、前記消耗品の総消費量を予測する処理を行うことを特徴とする情報処理装置。 - 請求項1乃至6のいずれか一項に記載の情報処理装置において、
前記処理部は、
期間情報を取得し、
前記学習済モデルに基づいて、前記期間情報によって表される期間における前記消耗品の前記消費量情報を推定する処理を、前記消耗品の前記需要予測として行うことを特徴とする情報処理装置。 - 請求項7に記載の情報処理装置において、
前記処理部は、
異なるタイミングにおける複数の前記消費量情報を入力として取得し、
前記学習済モデルと、複数の前記消費量情報に基づいて、前記消耗品の前記消費量情報を推定することを特徴とする情報処理装置。 - 請求項1乃至8のいずれか一項に記載の情報処理装置において、
前記処理部は、
前記消耗品の前記需要予測の結果に基づいて、前記消耗品の前記交換時期又は前記補充時期の前記予測処理を行い、前記予測処理に基づいて、前記消耗品の発注処理を行うことを特徴とする情報処理装置。 - 請求項1乃至9のいずれか一項に記載の情報処理装置において、
前記消費量情報の前記時系列データを取得する取得部と、
前記時系列データに基づいて、前記消耗品の前記需要予測の条件を機械学習する学習部と、
を含むことを特徴とする情報処理装置。 - 請求項1乃至10のいずれか一項に記載の情報処理装置において、
前記学習済モデルは、
入力層と中間層と出力層とを有し、
前記消費量情報の前記時系列データに基づき、前記入力層と前記中間層との間の第1重み付け係数、及び前記中間層と前記出力層との間の第2重み付け係数を含む重み付け係数情報が設定されており、
入力として受け付けた前記消費量情報を前記入力層に入力し、設定された前記重み付け係数情報に基づく演算を行い、前記出力層から、前記消耗品の前記需要予測の結果を表すデータを出力するよう、コンピューターを機能させることを特徴とする情報処理装置。 - 電子機器において用いられる消耗品の消費量又は残量を表す消費量情報の時系列データを取得する取得部と、
前記消費量情報の前記時系列データに基づいて、前記消耗品の需要予測の条件を機械学習する学習部と、
を含むことを特徴とする学習装置。 - 電子機器において用いられる消耗品の需要予測を行うための学習済モデルであって、
入力層と中間層と出力層とを有し、
前記消耗品の消費量又は残量を表す消費量情報の時系列データに基づき、前記入力層と前記中間層との間の第1重み付け係数、及び前記中間層と前記出力層との間の第2重み付け係数を含む重み付け係数情報が設定されており、
入力として受け付けた前記消費量情報を前記入力層に入力し、設定された前記重み付け係数情報に基づく演算を行い、前記出力層から、前記消耗品の前記需要予測の結果を表すデータを出力するよう、コンピューターを機能させることを特徴とする学習済モデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019050597A JP6992780B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置、学習装置及び学習済モデル |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019050597A JP6992780B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置、学習装置及び学習済モデル |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020151879A true JP2020151879A (ja) | 2020-09-24 |
JP6992780B2 JP6992780B2 (ja) | 2022-01-13 |
Family
ID=72557206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019050597A Active JP6992780B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置、学習装置及び学習済モデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6992780B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11734388B2 (en) | 2020-01-17 | 2023-08-22 | Samsung Electronics Co., Ltd. | Method and apparatus for predicting time-series data |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09179458A (ja) * | 1995-12-25 | 1997-07-11 | Minolta Co Ltd | 画像形成装置 |
JP2006276950A (ja) * | 2005-03-28 | 2006-10-12 | Seiko Epson Corp | 消耗品管理システム、サーバ、消耗品管理プログラム |
JP2008009157A (ja) * | 2006-06-29 | 2008-01-17 | Kyocera Mita Corp | 電子機器、残管理プログラム、残管理方法 |
US20120076516A1 (en) * | 2010-09-27 | 2012-03-29 | Rapkin Alan E | Indicating consumable replenishment time |
JP2013109202A (ja) * | 2011-11-22 | 2013-06-06 | Canon Inc | 画像形成装置、その方法、及びプログラム |
JP2016103243A (ja) * | 2014-11-28 | 2016-06-02 | キヤノン株式会社 | 予測装置、予測方法、及びプログラム |
JP2018067147A (ja) * | 2016-10-19 | 2018-04-26 | キヤノン株式会社 | 管理システム、及び管理システムの制御方法 |
JP2018205528A (ja) * | 2017-06-05 | 2018-12-27 | キヤノン株式会社 | システム、及び制御方法 |
-
2019
- 2019-03-19 JP JP2019050597A patent/JP6992780B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09179458A (ja) * | 1995-12-25 | 1997-07-11 | Minolta Co Ltd | 画像形成装置 |
JP2006276950A (ja) * | 2005-03-28 | 2006-10-12 | Seiko Epson Corp | 消耗品管理システム、サーバ、消耗品管理プログラム |
JP2008009157A (ja) * | 2006-06-29 | 2008-01-17 | Kyocera Mita Corp | 電子機器、残管理プログラム、残管理方法 |
US20120076516A1 (en) * | 2010-09-27 | 2012-03-29 | Rapkin Alan E | Indicating consumable replenishment time |
JP2013109202A (ja) * | 2011-11-22 | 2013-06-06 | Canon Inc | 画像形成装置、その方法、及びプログラム |
JP2016103243A (ja) * | 2014-11-28 | 2016-06-02 | キヤノン株式会社 | 予測装置、予測方法、及びプログラム |
JP2018067147A (ja) * | 2016-10-19 | 2018-04-26 | キヤノン株式会社 | 管理システム、及び管理システムの制御方法 |
JP2018205528A (ja) * | 2017-06-05 | 2018-12-27 | キヤノン株式会社 | システム、及び制御方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11734388B2 (en) | 2020-01-17 | 2023-08-22 | Samsung Electronics Co., Ltd. | Method and apparatus for predicting time-series data |
US12008070B2 (en) | 2020-01-17 | 2024-06-11 | Samsung Electronics Co., Ltd. | Method and apparatus for predicting time-series data |
Also Published As
Publication number | Publication date |
---|---|
JP6992780B2 (ja) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019151103A (ja) | インク堆積曲線計算機構 | |
US11436456B2 (en) | Device management system, server, and method of controlling device management system | |
JP5434425B2 (ja) | 管理システム、管理装置、およびプログラム | |
JP5225121B2 (ja) | 在庫管理システム、管理装置、その管理方法、及びプログラム | |
US11170259B2 (en) | Machine learning device, data processing system, printing system, machine learning method, and data processing method | |
JP7037114B2 (ja) | 情報処理装置、および、コンピュータプログラム | |
JP2020135007A (ja) | 情報処理装置、学習装置及び学習済モデル | |
JP2020071271A (ja) | 機械学習装置、データ処理システム、機械学習方法及びデータ処理方法 | |
JP6992780B2 (ja) | 情報処理装置、学習装置及び学習済モデル | |
JP7059978B2 (ja) | 情報処理装置、学習装置及び学習済モデル | |
JP5950102B2 (ja) | 安定性を高めるためにtispまたはtippシステム内の複数のプリンタを制御する方法およびシステム | |
US11295369B2 (en) | Information processing apparatus, service providing system, and method for controlling information processing apparatus | |
JP2011243000A (ja) | 印刷制御プログラム、記録媒体、情報処理装置、印刷システム及び印刷装置 | |
US8078068B2 (en) | Toner yield analysis for monitor and replacement of consumables within a print system | |
JP2009064338A (ja) | 印刷装置の管理システムおよび管理プログラム | |
JP7287266B2 (ja) | 機械学習装置、データ処理システム、機械学習方法、およびデータ処理方法 | |
JP2007078887A (ja) | 画像形成装置の監視装置、監視装置の制御方法、制御プログラム、コンピュータ読み取り可能な記録媒体 | |
US12019929B2 (en) | Methods and printing system using adaptive consumable estimation in printing operations | |
US11803721B2 (en) | Methods and printing system using adaptive consumable estimation in printing operations | |
US11972158B2 (en) | Provision system, provision method, and management device for providing recording material to a user of a recording device | |
JP2018004838A (ja) | 画像形成システム及び画像形成装置 | |
JP2010511927A (ja) | プリントジョブのコスト予測方法及びシステム | |
JP2021096590A (ja) | 記録装置、記録装置を有するシステム、記録装置の制御方法、及びプログラム | |
JP2021096589A (ja) | 記録装置、記録装置を有するシステム、記録装置の制御方法、及びプログラム | |
JP6349994B2 (ja) | 情報管理制御装置、情報管理制御プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200624 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200624 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210430 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210518 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210714 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6992780 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |