JP5906873B2

JP5906873B2 - 訪問発生解析装置および訪問発生解析プログラム

Info

Publication number: JP5906873B2
Application number: JP2012068800A
Authority: JP
Inventors: 河野　将行; 将行河野
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2012-03-26
Filing date: 2012-03-26
Publication date: 2016-04-20
Anticipated expiration: 2032-03-26
Also published as: JP2013201609A

Description

本発明は、訪問発生解析装置および訪問発生解析プログラムに関する。

大型のプリンタやコピー機等に代表される保守対象装置の内部にセンサを組み込んで内部情報を逐次に取得し、通信網を介して保守者に内部情報を通知する技術が実用化されている。

例えば特許文献１には、プリンタの内部情報に基づいて、プリンタが故障予兆状態であるか否かを判別し、故障予兆状態であると判別した場合は、故障リスク演算により故障リスクの大きさを判定する技術が提案されている。

また、例えば特許文献２には、故障診断のための診断モデルを更新する更新処理の閾値を、市場での故障の発生件数や発生率に基づいて設定する技術が提案されている。

また、例えば特許文献３には、複写装置で動作中に異常事象または異常事前事象が発生したときに、その発生情報を管理装置へ送信し、管理装置はその受信した情報を逐次記憶し、その記憶した情報の分析結果から故障の発生およびサービスマンの訪問の要否を予測する技術が提案されている。

特開２０１０−０９１８４０号公報特開２００９−１９３４８６号公報特開平０８−１９５８４９号公報

本発明は、保守訪問の発生が内部情報の数量や統計値に依存しているか否かを確認することができる訪問発生解析装置および訪問発生解析プログラムを提供することを目的とする。

請求項１に係る訪問発生解析装置は、
利用者が利用する保守対象装置を、その利用者の求めに応じてその保守対象装置の設置場所に訪問して保守した場合における訪問原因を表した訪問記録を取得する訪問記録取得部と、
上記保守対象装置内で検知される、その保守対象装置の内部状態を表した内部情報のうち、上記訪問原因に対して予め対応付けられている内部情報を取得する原因情報取得部と、
上記訪問原因に対応した内部情報が表した数量およびその内部情報の統計値のうち少なくとも一方である変数値と、該訪問原因による訪問の発生数とを対応付けた訪問数分布の形状を、予め用意されている基準分布の形状と比較し、予め決められた近似の基準によって、それらの形状が近似しているか否かを判定する近似判定部と、
上記近似判定部による判定結果を出力する出力部と、
を備えたことを特徴とする。

請求項２に係る訪問発生解析装置は、
上記近似判定部によって上記基準分布と形状が近似していると判定された訪問数分布に基づいて、上記変数値から訪問発生確率を得るための確率関数を算出する関数算出部と、
上記近似判定部によって近似していると判定された訪問数分布に対応した内部情報を逐次に取得して上記変数値を求め、その変数値を上記確率関数に用いることで訪問発生確率を算出する確率算出部と、
を備えたことを特徴とする。

請求項３に係る訪問発生解析プログラムは、
コンピュータに組み込まれて実行されることによりそのコンピュータを、
利用者が利用する保守対象装置を、その利用者の求めに応じてその保守対象装置の設置場所に訪問して保守した場合における訪問原因を表した訪問記録を取得する訪問記録取得部と、
上記保守対象装置内で検知される、その保守対象装置の内部状態を表した内部情報のうち、上記訪問原因に対して予め対応付けられている内部情報を取得する原因情報取得部と、
上記訪問原因に対応した内部情報が表した数量およびその内部情報の統計値のうち少なくとも一方である変数値と、該訪問原因による訪問の発生数とを対応付けた訪問数分布の形状を、予め用意されている基準分布の形状と比較し、予め決められた近似の基準によって、それらの形状が近似しているか否かを判定する近似判定部と、
上記近似判定部による判定結果を出力する出力部と、
を備えた訪問発生解析装置として動作させることを特徴とする。

請求項１に係る訪問発生解析装置および請求項３に係る訪問発生解析プログラムによれば、保守訪問の発生が内部情報の数量や統計値に依存しているか否かを確認することができる。

請求項２に係る訪問発生解析装置によれば、訪問発生確率を得ることができる。

本発明の一実施形態が組み込まれるシステムの例を表した図である。図１に示すデータ管理サーバのハード構成図である。図１に示すデータ管理サーバ内に格納されているプログラムやデータベースなどを表した図である。統計分布モデルの例を表した図である。図３に示す訪問発生解析プログラムが図１に示す記憶媒体に記憶されている状態を表した図である。本発明の訪問発生解析装置の一実施形態としてデータ管理サーバが動作するときの機能ブロック図である。訪問発生解析装置の動作を表したフローチャートである。統合データの構造を表す図である。相関分析の例を示す図である。訪問発生確率算出用の関数の例を示す図である。各種のＦａｉｌが例示された図である。

以下図面を参照して本発明の実施形態について説明する。

図１は、本発明の一実施形態が組み込まれるシステムの例を表した図である。

図１には、保守管理システム１０に備えられているコンピュータとして例示的に３台のコンピュータが示されており、これらのコンピュータのうち１台のコンピュータは、本発明の一実施形態が組み込まれたデータ管理サーバ１００であり、その他のコンピュータは、そのデータ管理サーバ１００に対してデータの入出力を行うための訪問記録入力端末２００と訪問確率確認端末３００である。これらのコンピュータは通信網４００を介して互いに接続されている。この通信網４００は、保守管理システム１０を有する会社が所有する社内ＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ）やインターネットを含んだ総合的かつ概念的な通信網を表している。

なお、本発明の訪問発生解析装置は、複数のコンピュータを含むコンピュータネットワークによって構築されたものであってもよいが、以下では、１台のデータ管理サーバ１００が本発明の訪問発生解析装置の一実施形態として動作するものとして説明する。

保守管理システム１０は、通信網４００を介して、保守の対象となる保守対象装置の一例である複写機２０と接続されている。この複写機２０には、数十個に及ぶ各種のセンサが内蔵されており、それらのセンサによって複写機２０の様々な内部状態が自動的に検知される。そして、複写機２０内で検知された内部状態を表した機械内部データが通信網４００を介して保守管理システム１０に送られる。なお、図１には例示的に１台の複写機２０が示されているが、実際の保守管理システム１０には、利用者が異なる複数の複写機２０が接続されている。

保守管理システム１０は、このように複写機２０から送られてくる機械内部データを用いて複写機２０の保守業務を管理するためのシステムである。保守対象装置である複写機２０の利用者と、複写機２０を保守する保守者とは異なる者であり、保守者は複写機２０を保守するに当たって複写機２０の設置場所に訪問する。保守者によるこのような訪問は保守訪問と称され、利用者が複写機２０の不具合発生に基づいて保守者に依頼する場合もあるし、保守者が機械内部データなどを参照することで自主的に行う場合もある。また、保守者が行う保守オペレートとしては、保守訪問の他に電話による対応もある。

図１に示す保守管理システム１０では、データ管理サーバ１００が訪問発生解析装置の一実施形態として動作することにより、保守者が保守訪問を効率的に実行するために役立つ情報を保守者に提供する。特に本実施形態では、ユーザ依頼による突発的な保守訪問（ＵＭ；ＵｎｓｃｈｅｄｕｌｅｄＭａｉｎｔｅｎａｎｃｅ）の発生確率が算出されて保守者に提供される。

訪問記録入力端末２００は、ユーザから依頼された保守訪問の記録を表した訪問データを保守者が入力するための端末である。訪問確率確認端末３００は、データ管理サーバ１００によって算出された保守訪問の発生確率を保守者が確認するための端末であり、保守者はこの発生確率を参考にして保守オペレートを実施する。なお、このような端末として機能する２台のコンピュータは単なる例示であって、保守管理システム１０の端末としては、訪問記録入力端末２００の機能と訪問確率確認端末３００の機能とを併せ持った１台のコンピュータが備えられていても良く、あるいは、端末として機能する３台以上のコンピュータが備えられていても良い。

ここで、保守管理システム１０に備えられているコンピュータのハードウェア構成について説明する。図１に例示的に示された各コンピュータは、ＣＰＵ、主記憶装置、ハードディスク、通信用ボード等が内蔵された本体１０１，２０１，３０１、本体１０１，２０１，３０１からの指示により表示画面上に画像や文字列を表示するディスプレイ１０２，２０２，３０２、コンピュータ１００，２００，３００にユーザの指示を入力するためのキーボード１０３，２０３，３０３、表示画面上の任意の位置を指定することにより、その指定時にその位置に表示されていたアイコン等に応じた指示を入力するマウス１０４，２０４，３０４を備えている。

また、各コンピュータのうちデータ管理サーバ１００の本体１０１は、さらに外観上、ＣＤ型の記憶媒体５００が装填されるＣＤ装填口１０５を有しており、その内部には、その装填口１０５から装填されたＣＤ型の記憶媒体５００をドライブしてアクセスするＣＤドライブも内蔵されている。

本実施形態では、プログラム記憶媒体の一種であるＣＤ型の記憶媒体５００に本発明の訪問発生解析プログラムが記憶されており、この記憶媒体５００がＣＤＭ装填口１０５からデータ管理サーバ１００の本体１０１内に装填され、ＣＤドライブによりその記憶媒体５００に記憶された訪問発生解析プログラムがこのデータ管理サーバ１００内にインストールされる。このインストールされた訪問発生解析プログラムが起動されると、データ管理サーバ１００は、本発明の訪問発生解析装置の一実施形態として動作する。

図２は、図１に示すデータ管理サーバ１００のハード構成図である。

このデータ管理サーバ１００には、中央演算処理装置（ＣＰＵ）１１１、ＲＡＭ１１２、ハードディスク装置１１３、ＣＤドライブ１１５、および通信用ボード１１６が備えられており、それらはバス１１０で相互に接続されている。バス１１０には、図１にも示したマウス１０４、キーボード１０３、およびディスプレイ１０２も接続されている。

ＣＤ１１５は、図１を参照して説明したように、ＣＤ型の記憶媒体５００が装填され、装填された記憶媒体５００にアクセスするものである。

通信用ボード１１６は、図１に示すネットワーク４００に接続され、そのネットワーク４００を介して通信を行うものである。

また、ここには、ハードディスクコントローラ１１３によりアクセスされるハードディスク１２０が示されている。

前述したように、ＣＤ型の記憶媒体５００には本発明の訪問発生解析プログラムの一実施形態が記憶されており、ＣＤドライブ１１５により、その記憶媒体５００から訪問発生解析プログラムが読み込まれ、バス１１０を経由し、ハードディスク装置１１３によりハードディスク１２０内に格納される。実際の実行にあたっては、そのハードディスク１２０内の訪問発生解析プログラムはＲＡＭ１１２上にロードされ、ＣＰＵ１１１によって実行される。このように訪問発生解析プログラムが実行されることによって、図１に示すデータ管理サーバ１００は、本発明の訪問発生解析装置の一実施形態として動作する。

次に、図１に示すデータ管理サーバ１００内に格納されているプログラムやデータベースなどについて説明する。

図３は、図１に示すデータ管理サーバ１００内に格納されているプログラムやデータベースなどを表した図である。

データ管理サーバ１００内には、上述したようにインストールされた訪問発生解析プログラム６００と、図１に示す訪問記録入力端末２００によって入力された訪問データが集められた保守訪問データベース１３０と、図１に示す複写機２０から通信網４００を介して送られてきた機械内部データが集められた内部状態データベース１４０と、訪問発生解析プログラム６００の実行時に使用される対応表１５０および統計分布モデル１６０とが格納されている。

保守訪問データベース１３０に集められている訪問データには、訪問日、訪問原因を表したコード、保守対象装置のＩＤなどが記録されている。ここで「訪問原因」とは、保守対象装置(この例では図１に示す複写機２０)が示している不具合（Ｆａｉｌ）のうち、利用者が保守訪問を求める原因となった不具合のことである。利用者が明確に認識しているＦａｉｌもあるが、利用者は認識しておらず保守者が特定するＦａｉｌもある。また、例えば紙詰まりなどのように、保守対象装置内で内部情報の一種としてセンサで検知されるＦａｉｌもあるが、例えば画質などのように、センサによる直接の検知が困難なＦａｉｌもある。いずれのＦａｉｌについても、対応表１５０によっていくつかの種類の内部状態と対応付けられている。このようにＦａｉｌに対応付けられている内部状態は、例えば部材の累積駆動回数やトナー濃度値などのように数量で表現される内部状態であり、対応したＦａｉｌの発生原因になり得ると予想されている内部状態である。

一方、内部状態データベース１４０に集められている機械内部データには、各種の内部状態を表した数量や保守対象装置のＩＤなどが含まれている。

つまり、訪問データと機械内部データは訪問原因のＦａｉｌを介して対応付けられる。そして、そのように訪問データと機械内部データが対応付けられることによって、後で詳述するように保守訪問数の分布が得られる。また、統計分布モデル１６０として、この保守訪問数の分布と比較されるための複数の基準分布が用意されている。

図４は、統計分布モデルの例を表した図である。

図４には３種類の統計分布モデルが例示されている。各モデルを表したグラフの横軸は、Ｆａｉｌの発生回数やＦａｉｌに対応した機械内部データの数値に対応付けられる。また、グラフの縦軸は、ユーザ依頼による保守訪問の発生数に対応付けられる。

図４のパート（Ａ）には正規分布のグラフが示されており、図４のパート（Ｂ）にはピークの右側に裾を引いた分布のグラフが示されており、図４のパート(Ｃ）にはピークの左側に裾を引いた分布のグラフが示されている。正規分布は、自然発生的なＦａｉｌについて当てはまることが期待され、その他の分布は、別のタイプのＦａｉｌや機械内部データについて当てはまると考えられる。

なお、本発明にいう基準分布としては、図４に例示された分布以外にも、どのような形状の分布でも採用され得る。基準分布がどのような形状の分布であったとしても、その基準分布の形状と訪問数分布の形状とが近似している場合には、その訪問数の分布に基づいて訪問の発生確率が得られるからである。また、本発明にいう基準分布が１つだけが用意された形態もあり得る。

次に、図３に示す訪問発生解析プログラム６００の詳細について説明する。

図５は、図３に示す訪問発生解析プログラム６００が図１に示す記憶媒体５００に記憶されている状態を表した図である。

記憶媒体５００には、訪問発生解析プログラム６００が記憶されており、上述したように、この訪問発生解析プログラム６００は、本発明の訪問発生解析プログラムの一実施形態である。この訪問発生解析プログラム６００には、訪問データ取得部６１０と機械内部データ取得部６２０と統計分布モデル当てはめ部６３０とＵＭ発生確率算出部６４０が備えられている。

訪問データ取得部６１０は、図１，３に示すデータ管理サーバ１００を、本発明にいう訪問記録取得部の一例として動作させる。また、機械内部データ取得部６２０は、データ管理サーバ１００を本発明にいう原因情報取得部の一例として動作させる。統計分布モデル当てはめ部６３０は、データ管理サーバ１００を本発明にいう近似判定部の一例および出力部の一例として動作させ、ＵＭ発生確率算出部６４０は、データ管理サーバ１００を本発明にいう関数算出部の一例および確率算出部の一例として動作させる。

この訪問発生解析プログラム６００の各要素の詳細については後述する。

図６は、本発明の訪問発生解析装置の一実施形態としてデータ管理サーバ１００が動作するときの機能ブロック図である。

この訪問発生解析装置７００は訪問データ取得部７１０と機械内部データ取得部７２０と統計分布モデル当てはめ部７３０とＵＭ発生確率算出部７４０とを備えている。訪問データ取得部７１０、機械内部データ取得部７２０、統計分布モデル当てはめ部７３０、およびＵＭ発生確率算出部７４０は、図５に示す訪問発生解析プログラム６００に備えられた、訪問データ取得部６１０、機械内部データ取得部６２０、統計分布モデル当てはめ部６３０、およびＵＭ発生確率算出部６４０にそれぞれ対応するが、図６の各要素は、図１に示すデータ管理サーバ１００のハードウェアとそのデータ管理サーバ１００で実行されるＯＳやアプリケーションプログラムとの組合せで構成されているのに対し、図５に示す訪問発生解析プログラムの各要素はそれらのうちのアプリケーションプログラムのみにより構成されている点が異なる。

訪問データ取得部７１０は本発明にいう訪問記録取得部の一例に相当し、機械内部データ取得部７２０は本発明にいう原因情報取得部の一例に相当する。また、統計分布モデル当てはめ部７３０は本発明にいう近似判定部の一例および出力部の一例に相当し、ＵＭ発生確率算出部７４０は本発明にいう関数算出部の一例および確率算出部の一例に相当する。

以下、図６に示す訪問発生解析装置７００の各要素を説明することによって、図５に示す訪問発生解析プログラム６００の各要素も合わせて説明する。

図６の訪問発生解析装置７００に備えられた訪問データ取得部７１０は、図３に示す保守訪問データベース１３０から訪問データを取得する。

また、機械内部データ取得部７２０は、その訪問データが表している訪問原因のＦａｉｌに対応付けられている内部状態を表した機械内部データを図３に示す内部状態データベース１４０から取得する。

統計分布モデル当てはめ部７３０は、訪問データと機械内部データとを対応付けることで得られる訪問の発生数分布の形状と図４に示す基準分布の形状とを比較することにより、それらの形状が近似しているか否かを判定し、判定結果を出力する。

ＵＭ発生確率算出部７４０は、基準分布に形状が近似していると判定された訪問の発生数分布に基づいて、訪問発生確率を得るための確率関数を算出し、その発生数分布に対応した機械内部データを図３に示す内部状態データベース１４０から定期的に取得して、その確率関数を用いて訪問発生確率を算出する。

以下、フローチャートを参照して、訪問発生解析装置７００の動作の詳細を説明する。

図７は、訪問発生解析装置７００の動作を表したフローチャートである。なお、このフローチャートでは、訪問の発生と、保守対象装置における故障の発生とを特に区別せずに記述しているが、以下の説明では訪問に統一して説明する。

訪問発生解析装置７００は、新たな訪問が発生して図３に示す保守訪問データベース１３０に訪問データが入力されると、その訪問データを図６に示す訪問データ取得部７１０によって取得する（ステップＳ１０１）。そして、その取得した訪問データが表している訪問原因のＦａｉｌを確認して、その訪問データに対応した保守対象装置でその訪問直近の指定期間内（例えば２週間など）に発生した、その訪問原因のＦａｉｌと同じＦａｉｌを示した全ての機械内部データを、図６に示す機械内部データ取得部７２０によって、図３に示す内部状態データベース１４０から取得して、そのＦａｉｌの発生回数を算出する。図７に示す「複写機」という表示は機械内部データの起源を表したものであり、図１に示す複写機２０からの直接の取得を表しているのではない。

なお、Ｆａｉｌの発生回数が算出されるのは、そのＦａｉｌが内部状態として検出されるＦａｉｌである場合に限られ、内部状態としては検出されないＦａｉｌの場合には発生回数はゼロとなる。

さらに、その訪問原因のＦａｉｌに対して図３に示す対応表で対応付けられている内部状態を表した機械内部データのうち、そのＦａｉｌ発生時の機械内部データも機械内部データ取得部７２０によって内部状態データベース１４０から取得する。このように訪問原因のＦａｉｌに対応付けられて取得される機械内部データを、以下では発生原因情報と称する。

このようにステップＳ１０１で取得された各種の情報は、訪問１回分が統合されて１つの統合データが作成される。

図８は、統合データの構造を表す図である。

訪問１回分の統合データ８００には、訪問時の原因となったＦａｉｌを表す原因コード８１０と、そのＦａｉｌの訪問直近での発生回数８２０と、そのＦａｉｌに対応した発生原因情報８３０＿１，８３０＿２,…,８３０＿Ｎが含まれている。Ｆａｉｌに対応した発生原因情報の数Ｎは、Ｆａｉｌによって異なっている。

このような統合データ８００に含まれている発生回数８２０は、本発明にいう「内部情報の統計値」の一例に相当する。また、Ｎ個の発生原因情報８３０＿１，８３０＿２,…,８３０＿Ｎそれぞれが表した数量は、本発明にいう「内部情報が表した数量」の各例に相当する。

このような統合データ８００が図７のステップＳ１０１で作成されると、次にステップＳ１０２に進み、現在着目されているＦａｉｌに関して統合データが、分析に利用できる程度の数だけ集まったか否かが判定される。具体的には、統合データの蓄積数が、予め決められた閾値以上であるか否かで判定される。その判定の結果、蓄積数が閾値未満の場合にはステップＳ１０１に戻って統合データを更に蓄積する。

ステップＳ１０２で蓄積数が閾値以上であると判定された場合には、図６に示す統計分布モデル当てはめ部７３０によって、まず、Ｆａｉｌの発生回数に対する訪問発生回数の分布について図３に示す統計分布モデル１６０への当てはめを行う（ステップＳ１０３〜Ｓ１０７）。

ステップＳ１０３では、蓄積された各統合データから図８に示す発生回数８２０のデータを取り出し発生回数８２０の数値でソートする。１つの統合データおよび１つの発生回数８２０のデータは１回の訪問に相当するので、このソートによって、発生回数８２０の数値に対する訪問発生数の分布が得られることになる。

そして、ステップＳ１０４では、そのようにソートされた発生回数８２０のデータをナンバリングすると共に、累積比を算出する。すなわち、データの蓄積数に対する各ナンバの比率を算出する。これにより、データの蓄積数に関して規格化されることとなる。

次にステップＳ１０５では、図３に示す統計分布モデル１６０として用意されている、図４に示すような正規分布などの基準分布を用いて、上記累積比に対応した積分面積が得られるときの座標値（図４の横軸方向の座標値）を算出する。そして、ステップＳ１０６では、そのように算出された座標値をＹ軸とし、発生回数８２０の数値をＸ軸として相関分析を実施する。なお、統計分布モデル１６０として複数種類の基準分布が用意されている場合には、各基準分布について別々に座標の算出と相関分析が行われるが、ここでは説明の煩雑化を避けるため「正規分布など」として一括して説明する。

図９は、相関分析の例を示す図である。

図９の横軸は、現在注目されているＦａｉｌについて図８に示す統合データ８００から取り出された発生回数８２０の数値を示している。また、図９の縦軸は、図７のステップＳ１０５で算出された座標値（ここに示す例では正規分布の座標値）を示している。そして、図９のグラフには、菱形のプロット点が記載されており、各プロット点が１回の訪問に相当する。これらのプロット点が直線上に並んでいると相関が高く、分布の形状が近似していることになる。相関の高さは周知の検定手法を用いて寄与率を算出することで数値化することができる。図９に示す例では、菱形のプロット点群に対する近似直線の式は、ｙ＝０．１６５８ｘ−１．２７１１となっており、寄与率Ｒ^２＝０．９２２４となっている。

このような相関分析が図７のステップＳ１０６で実施されると、その後、ステップＳ１０７では、相関分析の結果に基づいて、訪問発生数の分布が統計分布モデルに当てはまるか否か、即ち、訪問発生数の分布の形状が基準分布の形状に近似しているか否かを判定する。この判定では上述した寄与率が用いられ、寄与率Ｒ^２≧０．８１である場合に近似していると判定される。

なお、訪問原因のＦａｉｌが装置内のセンサで検知できないＦａｉｌである場合にも上記ステップＳ１０３〜ステップＳ１０７の手順は適用されるが、Ｆａｉｌの発生回数が常にゼロなので基準分布に近似することはあり得ず、ステップＳ１０７では必ず、近似していないと判定されることになる。

ステップＳ１０７で、近似していないと判定された場合には、図６に示す統計分布モデル当てはめ部７３０によって、次に、Ｆａｉｌの発生原因情報の数値に対する訪問発生回数の分布について図３に示す統計分布モデル１６０への当てはめを行う（ステップＳ１０８〜Ｓ１１７）。統計分布モデル１６０への当てはめは、図８に示すＮ個の発生原因情報８３０＿１，８３０＿２,…,８３０＿Ｎの１つ１つについて行われる。また、統計分布モデル１６０への当てはめの手順は、Ｆａｉｌの発生回数８２０に基づいた当てはめとほぼ同等であり、Ｆａｉｌの発生回数８２０のデータに替えて、発生原因情報８３０＿１，８３０＿２,…,８３０＿Ｎのデータが用いられる点が異なる。すなわち、ステップＳ１０８では、蓄積された各統合データから図８に示す１つめの発生原因情報８３０＿１のデータを取り出し発生原因情報８３０＿１の数値でソートする。そして、ステップＳ１０９では、そのようにソートされた発生原因情報８３０＿１のデータをナンバリングすると共に、累積比を算出する。次に、ステップＳ１１０では、正規分布などの基準分布を用いて、その累積比に対応した積分面積が得られるときの座標値（図４の横軸方向の座標値）を算出する。そして、ステップＳ１１１では、そのように算出された座標値をＹ軸とし、発生原因情報８３０＿１の数値をＸ軸として相関分析を実施する。その後、ステップＳ１１２では、相関分析の結果に基づいて、訪問発生数の分布が統計分布モデルに当てはまるか否かを判定する。

その後は、ステップＳ１１２からステップＳ１１３に至る間で図示が省略されているが、統計分布モデルに当てはまらないと判定される毎に次の発生原因情報に変更されて上記ステップＳ１０８〜ステップＳ１１２と同様の手順が繰り返される。そして、Ｎ−１個目の発生原因情報に基づいた統計分布モデルへの当てはめでも当てはまらないと判定されると最後のＮ個目の発生原因情報８３０＿Ｎが用いられて、上記ステップＳ１０８〜ステップＳ１１２と同様の手順が、ステップＳ１１３〜ステップＳ１１７でも繰り返される。

ステップＳ１１７の判定でも統計分布モデルに当てはまらないと判定された場合には、ステップＳ１１８に進み、訪問発生確率の算出が困難なＦａｉｌである旨を表したアラートが、図１に示す訪問確率確認端末３００に向けて通知される。このアラートを見た保守者は、当該Ｆａｉｌに関しては、保守オペレートを工夫したり、あるいは図３に示す対応表１５０の内容を再検討することとなる。なお、図７のフローチャートでは、発生原因情報に関し、単独の発生原因情報を用いる分析のみが例示されているが、本発明にいう変数値としては多値の変数値が採用されても良く、その場合には、複数の発生原因情報を組み合わせた重回帰分析が用いられることとなる。

ステップＳ１０７，Ｓ１１２,…,Ｓ１１７のいずれかの判定で、統計分布モデルに当てはまると判定された場合には、図示は省略されているが図１に示す訪問確率確認端末３００に向けて、どの判定で統計分布モデルに当てはまったかを表した判定結果情報が通知される。この判定結果情報を見た保守者は、統計分布モデルが当てはまるタイプのＦａｉｌを理解する。また、本実施形態では、以下説明するように訪問発生確率も得られるので、その訪問発生確率を期待して待機することとなる。

判定結果情報の通知後は、ステップＳ１１９に進み、図６に示すＵＭ発生確率算出部７４０によって、統計分布モデルに当てはまったデータに基づいて、訪問発生確率算出用の関数を作成する。

図１０は、訪問発生確率算出用の関数の例を示す図である。

図１０に示す関数は、図９に示したグラフのデータから算出された関数であり、図１０に示すグラフの横軸は、図９のグラフと同様に、Ｆａｉｌの発生回数を表している。また、図１０に示すグラフの縦軸は訪問発生確率を表している。訪問発生確率を表したグラフ曲線は、図９に示したグラフの基になっているＦａｉｌ発生回数のデータにおける平均値とσに正規分布の平均値とσを合わせて得られた分布曲線から、分布値を累積値に変換する手法で算出されたものである。

このような訪問発生確率算出用の関数が図７のステップＳ１１９で算出されると、次にステップＳ１２０に進み、図６に示すＵＭ発生確率算出部７４０によって、図３に示す内部状態データベース１４０から、その算出された関数に適用されるＦａｉｌ発生数あるいは発生原因情報が定期的に取得される。そして取得されたＦａｉｌ発生数あるいは発生原因情報がその関数に適用されることによって訪問発生確率が算出され、算出結果が図１に示す訪問確率確認端末３００に向けて通知される。保守者は通知されてきた訪問発生確率に基づいて、以下に一例を示すように保守オペレートを実施する。

例えば、通知されてきた訪問発生確率が２０％以下の場合は特に何も対応せず、２０％を越して５０％以下では保守対象装置の利用者に電話を掛けて対応し、５０％を越して７０％以下では計画的かつ自主的に訪問して保守を行い、７０％を越していたら利用者の依頼に基づいた保守訪問を行うという態様が考えられる。

通知されてくる訪問発生確率は、形状が確認済の分布に基づいて算出された確率であり信頼性が高い。そのため、その訪問発生確率に基づいた保守オペレートは効率的な保守オペレートとなる。

最後に、本実施形態への適用が期待されるＦａｉｌの例について説明する。

図１１は、各種のＦａｉｌが例示された図である。

図１１には、基準分布に近似した訪問発生分布となり、すなわち統計分布になることが期待されるタイプのＦａｉｌと、どのような基準分布に対しても近似することが期待できないタイプのＦａｉｌと、どれかの基準分布に近似するか否かが不明なタイプのＦａｉｌが示されている。

基準分布に近似した訪問発生分布となることが期待されるタイプのＦａｉｌは、保守者にとってのお客様である利用者による故障の認識がはっきりしているＦａｉｌであり、図１１には一例として、紙送りのＦａｉｌである「紙詰まり」や、機械停止を生じるＦａｉｌや、「重度の異音」などが示されている。「紙詰まり」はセンサでも検知されるＦａｉｌであり、「重度の異音」はセンサでは検知が難しいので保守者が特定する。「紙詰まり」には発生原因として、搬送ロールの累積回転数や、紙種およびサイズの履歴（例えば直近１０枚分）や、通過センサ間通過時間の履歴などが対応付けられる。また、機械停止を生じるＦａｉｌには、モータの過大な負荷、装置内温度の異常、定着器の出力異常、トナー濃度の異常、現像剤量の制御異常などが存在する。

このような基準分布に近似した訪問発生分布となることが期待されるタイプのＦａｉｌに対して上述した訪問発生解析装置７００が適用されることにより、実際に近似する基準分布の形状が確認されるとともに、基準分布に近似した訪問発生分布となる場合の発生原因情報も特定されることとなり、有用である。また、基準分布に近似することが期待されていても、機種や季節に依存して近似の態様が変わることも経験的に予想されており、訪問発生解析装置７００の適用が望ましい。

基準分布に近似することが期待できないタイプのＦａｉｌは、お客様（即ち利用者）による故障の認識にばらつきを含むＦａｉｌであり、図１１には一例として、レジズレや色変動が示されている。レジズレには、カラー画像の形成における要素色同士のずれと、用紙に対する画像の位置ずれがあり、どちらも装置内でセンサによって検出されるＦａｉｌである。また、色変動は、本来設定されている色からのずれを意味しており、この色変動も装置内でセンサによって検出されるＦａｉｌである。色変動には発生原因として、温度や湿度などといった装置内環境値や、現像剤のストレス蓄積の指標となる現像剤の消費量などが対応付けられる。

このように基準分布に近似することが期待できないタイプのＦａｉｌであっても、予測に反して基準分布に近似するような発生原因が見つかるかもしれないので、このようなタイプのＦａｉｌにも上述した訪問発生解析装置７００の適用は望ましい。

そして、基準分布に近似するか否かが不明なタイプのＦａｉｌの例として図１１には、画質不良、中程度の異音、軽微な用紙先端折れが示されている。ここに示された例はいずれもセンサで検出することが難しいＦａｉｌであるが、そのことと、基準分布に近似するか否かが不明であることとは直接には関係しない。画質不良には発生原因として、例えば感光体ユニットの内部情報などが対応付けられる。

上述した訪問発生解析装置７００は、基準分布に近似した訪問発生分布となることが期待されるタイプのＦａｉｌへの適用が有用である
基準分布に近似するか否かが不明なタイプのＦａｉｌには、上述した訪問発生解析装置７００の適用が特に望ましいのは言うまでもない。

以上で本発明の実施形態の説明を終了する。

尚、本発明の訪問発生解析プログラムの実施形態を記憶する記憶媒体としては、ＣＤーＲＯＭに代表されるＣＤ型媒体以外にも、ＤＶＤであってもよく、フレキシブルディスク（ＦＤ）であってもよい。また、そのような記憶媒体としては、ハードディスク装置に内蔵された磁気ディスクであってもよく、ＵＳＢメモリに代表される固体記憶素子であっても良い。また、本発明の訪問発生解析プログラムの実施形態としては、電気通信網を介してコンピュータに供給する形態もあり得る。

また、本発明にいう原因情報取得部や確率算出部による内部情報の取得は、上述した実施形態のようにデータベースを介した間接的な取得であっても良く、あるいは、保守対象装置からの直接的な取得であってもよい。

１０保守管理システム
１００訪問発生解析装置
２００訪問記録入力端末
３００訪問確率確認端末
４００通信網
５００記憶媒体
６００訪問発生解析プログラム
６１０訪問データ取得部
６２０機械内部データ取得部
６３０統計分布モデル当てはめ部
６４０ＵＭ発生確率算出部
７００訪問発生解析装置
７１０訪問データ取得部
７２０機械内部データ取得部
７３０統計分布モデル当てはめ部
７４０ＵＭ発生確率算出部

Claims

利用者が利用する保守対象装置を、該利用者の求めに応じて該保守対象装置の設置場所に訪問して保守した場合における訪問原因を表した訪問記録を取得する訪問記録取得部と、
前記保守対象装置内で検知される、該保守対象装置の内部状態を表した内部情報のうち、前記訪問原因に対して予め対応付けられている内部情報を取得する原因情報取得部と、
前記訪問原因に対応した内部情報が表した数量および該内部情報の統計値のうち少なくとも一方である変数値と、該訪問原因による訪問の発生数とを対応付けた訪問数分布の形状を、予め用意されている基準分布の形状と比較し、予め決められた近似の基準によって、それらの形状が近似しているか否かを判定する近似判定部と、
前記近似判定部による判定結果を出力する出力部と、
を備えたことを特徴とする訪問発生解析装置。
前記近似判定部によって前記基準分布と形状が近似していると判定された訪問数分布に基づいて、前記変数値から訪問発生確率を得るための確率関数を算出する関数算出部と、
前記近似判定部によって近似していると判定された訪問数分布に対応した内部情報を逐次に取得して前記変数値を求め、該変数値を前記確率関数に用いることで訪問発生確率を算出する確率算出部と、
を備えたことを特徴とする請求項１記載の訪問発生解析装置。
コンピュータに組み込まれて実行されることにより該コンピュータを、
利用者が利用する保守対象装置を、該利用者の求めに応じて該保守対象装置の設置場所に訪問して保守した場合における訪問原因を表した訪問記録を取得する訪問記録取得部と、
前記保守対象装置内で検知される、該保守対象装置の内部状態を表した内部情報のうち、前記訪問原因に対して予め対応付けられている内部情報を取得する原因情報取得部と、
前記訪問原因に対応した内部情報が表した数量および該内部情報の統計値のうち少なくとも一方である変数値と、該訪問原因による訪問の発生数とを対応付けた訪問数分布の形状を、予め用意されている基準分布の形状と比較し、予め決められた近似の基準によって、それらの形状が近似しているか否かを判定する近似判定部と、
前記近似判定部による判定結果を出力する出力部と、
を備えた訪問発生解析装置として動作させることを特徴とする訪問発生解析プログラム。