JP6524822B2 - 情報処理システム、故障予測モデル採用判定方法及びプログラム - Google Patents

Description

本発明は情報処理システム、故障予測モデル採用判定方法及びプログラムに関する。

近年、複写機やプリンタなどの電子機器では故障予測モデルによる故障の予兆検出や故障の未然防止に必要な処置が行われている。故障予測モデルは、故障が発生しそうな電子機器を検出する方法（故障予測ロジック）と、故障予測ロジックにより故障の予兆を検出した電子機器に対する故障の未然防止に最適な処置の方法（未然防止処置）と、を定めたものである。

例えば各画像形成装置がそれぞれ自己の状態を表す状態情報を管理装置へ送信し、管理装置がその状態情報を受信するとその状態情報の内容を分析して、各端末装置に対して選択的に画像形成装置の保守又は修理に関する情報を送信するようにした画像形成装置管理システムは、従来から知られている（例えば特許文献１参照）。

例えば様々な現象に応じた故障予測モデルの開発が日々進められている。開発された故障予測モデルは、例えば電子機器から収集した情報に基づく故障の予兆検出や、カスタマーエンジニア（ＣＥ）に故障の未然防止に最適な処置の方法の通知に採用される。

しかしながら、故障予測ロジックの精度は必ずしも１００％でないため、開発された故障予測モデルを全て採用してしまうと、過剰な未然防止処置により採算が取れない場合があるという問題があった。

本発明の一実施形態は、運用時のコストを試算して採算の取れる故障予測モデルを採用可能な情報処理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に、本願請求項１は、一台以上の情報処理装置を有する情報処理システムであって、電子機器に発生する故障の予兆検出方法と、前記電子機器に発生する故障の未然防止処置と、が対応付けられた故障予測モデルに、前記故障が発生した一台以上の電子機器の故障履歴情報を当てはめ、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により増加するコストと、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により削減されるコストと、を試算するコスト試算手段と、前記試算の結果に基づき、前記故障予測モデルの運用により増加するコストよりも、前記故障予測モデルの運用により削減されるコストの方が大きい前記故障予測モデルの採用を決定する採用決定手段と、を有し、前記採用決定手段は、前記未然防止処置が、訪問作業による部品の交換を要する未然防止処置である場合に、事前に部品を手配することにより発生するコストよりも、事前に部品を手配することにより不要となる再訪問作業のコストの方が大きい前記故障予測モデルの採用を決定することを特徴とする。

本発明の一実施形態によれば、運用時のコストを試算して採算の取れる故障予測モデルを採用決定できる。

本実施形態に係る情報処理システムの一例のシステム構成図である。 本実施形態に係るコンピュータの一例のハードウェア構成図である。 本実施形態に係る複合機の一例のハードウェア構成図である。 本実施形態に係る情報処理装置の一例の処理ブロック図である。 故障予測モデル開発部の一例の処理ブロック図である。 故障発生前に共通して発生している状態情報のデータパターンを探索する処理の一例について説明する図である。 故障予測ロジックの精度の一例について説明する図である。 故障予測ロジックの精度を表す指標の一例について説明する図である。 故障予測ロジックの精度が高い場合に決定される未然防止処置の一例の説明図である。 故障予測ロジックの精度が高くない場合に決定される未然防止処置の一例の説明図である。 故障予測モデルの一例について説明する図である。 故障に対する総サービスコストの算出式である。 故障予測ロジックによる故障の予兆検出の結果（予測的中／空振り）とプラスワン対応の可能／不能とにより分けられる４つのパターンを示す図である。 プラスワンによる未然防止処置を選択した場合のサービスコスト効果の試算について説明する図である。 プラスワンによる未然防止処置を選択した場合のサービスコスト効果の試算結果の一例を示す図である。 センサＡの電流出力値の変動の一例を示す図である。 緊急訪問の場合のサービスコスト効果の試算結果の一例を示す図である。 センサＢの電流出力値及び現像Ｙトナー濃度の変動の一例を示す図である。 緊急訪問の場合のＣＥによる一例の対応フローである。 故障（エラーＢ）の発生原因の一例を示す図である。 故障（エラーＢ）の一例の分類図である。 センサ光量の変動の一例を示す図である。

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は本実施形態に係る情報処理システムの一例のシステム構成図である。情報処理システム１は、情報処理装置１０、複数の複合機１２、端末装置１４が、インターネットなどのネットワークＮ１を介して接続されている。

複合機１２は電子機器の一例である。複合機１２はスキャン、印刷（出力）やＦＡＸなどの画像形成処理を行う。本実施形態に係る電子機器は、例えば複合機やスキャナ、プリンタ、ファクシミリ、プロジェクタ、電子黒板等の画像形成装置の他、故障予測モデルにより保守を行う様々な電子機器が含まれる。

情報処理装置１０は複合機１２に関連する複数の変数（例えばセンサの電流出力値等の状態情報）をネットワークＮ１経由で取得する。また、情報処理装置１０はカスタマーエンジニア（以下、ＣＥと呼ぶ）等が複合機１２からＵＳＢメモリなどの記録媒体に記録した複合機１２に関連する複数の変数を読み出すようにしてもよい。情報処理装置１０は故障予測モデルを運用した場合のコストシミュレーション（試算）を行い、後述のように採算が取れるかを確認した上で、採算の取れる故障予測モデルを採用する。

端末装置１４は例えばＣＥなどの保守を行うユーザや、ＣＥに保守を指示するユーザが操作する装置である。端末装置１４は例えばＰＣ（Personal Computer）やタブレット型端末、スマートフォン、携帯電話、ＰＤＡ(Personal Digital Assistance)等である。端末装置１４は情報処理装置１０が採用した故障予測モデルによる故障の予兆検出の結果やＣＥに対する未然予防処置の通知などを行う。

図１の情報処理システム１のネットワークＮ１は有線通信ネットワークであっても無線通信ネットワークであってもよい。また、図１の情報処理システム１はシステム構成の一例であって、例えば情報処理装置１０を複数のコンピュータに分散して構成してもよい。

＜ハードウェア構成＞
《コンピュータ》
情報処理装置１０、端末装置１４は例えば図２に示す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、本実施形態に係る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ソフトウェア（以下、単にアプリケーションと呼ぶ）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ＲＡＭ５０４上に読み出し、処理を実行することで、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。

情報処理装置１０、端末装置１４は例えば図２に示すハードウェア構成のコンピュータ５００により、後述するような各種処理を実現できる。

《複合機》
図１の複合機１２は、例えば図３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３は本実施形態に係る複合機の一例のハードウェア構成図である。図３の複合機１２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、複合機１２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、複合機１２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メモリ等がある。

通信Ｉ／Ｆ６０４は複合機１２をネットワークＮ１に接続させるためのインタフェースである。これにより、複合機１２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、印刷データを用紙に印刷するための印刷装置である。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。

＜ソフトウェア構成＞
《情報処理装置》
本実施形態に係る情報処理装置１０は、例えば図４に示すような処理ブロックで実現される。図４は本実施形態に係る情報処理装置の一例の処理ブロック図である。

情報処理装置１０はプログラムを実行することで、状態情報取得部２１、故障データ取得部２２、故障予測モデル開発部２３、コスト試算部２４、採用決定部２５、状態情報記憶部３１、故障データ記憶部３２、故障予測モデル記憶部３３を実現している。

状態情報取得部２１は複合機１２に関連する複数の変数である状態情報を取得し、状態情報を状態情報記憶部３１に記憶させる。状態情報は、複合機１２に設けられたセンサの電流出力値や、消耗部品の消耗度に関する情報（例えばカウンタ値や使用回数）などである。

故障データ取得部２２は複合機１２の故障データを取得し、故障データを故障データ記憶部３２に記憶させる。故障データは故障が発生したときの状態情報（センサの電流出力値や、消耗部品の消耗度に関する情報などである。

故障予測モデル開発部２３は状態情報記憶部３１の状態情報と故障データ記憶部３２の故障データとを利用し、統計解析による故障予測ロジックの開発と未然防止処置の決定とにより、故障予測モデルの開発を行う。故障予測モデル開発部２３は故障予測モデルの開発を自動的に行うものであっても、データ分析者による故障予測モデルの開発を支援するものであってもよい。故障予測モデル開発部２３は開発した故障予測モデルを故障予測モデル記憶部３３に記憶させる。

コスト試算部２４は、状態情報記憶部３１の状態情報及び故障データ記憶部３２の故障データを利用し、開発した故障予測モデルを運用した場合のサービスコスト効果の試算を行う。

例えばコスト試算部２４は、開発した故障予測モデルを運用した場合に増加するサービスコストと、開発した故障予測モデルを運用した場合に削減されるサービスコストとを試算する。

採用決定部２５は、開発した故障予測モデルを運用した場合のサービスコスト効果の試算結果に基づき、採算の取れる故障予測モデルを採用する。例えば採用決定部２５は開発した故障予測モデルを運用した場合に増加するサービスコストよりも、開発した故障予測モデルを運用した場合に削減されるサービスコストの方が大きければ、採算の取れる故障予測モデルとして採用する。なお、採用決定部２５による故障予測モデルの採用判断はＣＥがいる拠点ごとに行ってもよい。

なお、採算の取れる故障予測モデルか否かの判定基準は様々考えることができ、例えばサービスコストを削減できるもの、サービスコストを所定割合削減できるもの、などが考えられる。

図４の故障予測モデル開発部２３は、例えば図５に示すような処理ブロックにより実現される。図５は故障予測モデル開発部の一例の処理ブロック図である。故障予測モデル開発部２３はデータパターン探索部４１、故障予測ロジック精度指標算出部４２、未然防止処置決定部４３を有する。

データパターン探索部４１は、状態情報記憶部３１の状態情報と故障データ記憶部３２の故障データとを利用し、故障発生前に共通して発生している状態情報のデータパターンを探索する。

故障予測ロジック精度指標算出部４２は、故障予測ロジックの精度（データパターン発生後の故障発生確率の大きさ）を算出する。例えば本実施形態の故障予測ロジック精度指標算出部４２は故障予測ロジックの精度を表す指標として、後述するヒット率、カバー率の２つの指標を算出する。未然防止処置決定部４３は故障予測ロジックの精度により未然防止処置を後述のように決定する。

＜処理の詳細＞
以下では、本実施形態に係る情報処理システム１の処理の詳細について説明する。

《データパターンの探索》
データパターン探索部４１は、状態情報記憶部３１の状態情報と故障データ記憶部３２の故障データとを利用し、図６に示すように、故障発生前に共通して発生している状態情報のデータパターンを探索する。

図６は故障発生前に共通して発生している状態情報のデータパターンを探索する処理の一例について説明する図である。データパターン探索部４１は状態情報記憶部３１の状態情報と故障データ記憶部３２の故障データとにより表される機器（複合機１２）の故障履歴から、故障Ａの発生前に共通して発生しているデータパターンを探索する。なお、故障Ａと故障Ａの発生前に共通して発生しているデータパターンとの関係が故障予測ロジックとなる。このように探索したデータパターンの発生を検出することで、情報処理装置１０は故障Ａの予兆検出を行うことができる。

《故障予測ロジックの精度の算出》
図７は故障予測ロジックの精度の一例について説明する図である。ここでは、データパターン探索部４１が探索したデータパターンの発生により故障の予兆検出を行い、未然防止処置を実施したものとする。

図７（１）はデータパターンが発生したあとで実際に故障が発生している様子を表している。このように、データパターンが発生したあとで実際に故障が発生するのであれば実施した未然防止処置は故障の未然防止を実現できる。

図７（２）はデータパターンが発生したあとで実際に故障が発生しなかった様子を表している。このように、データパターンが発生したあとで実際に故障が発生しなければ実施した未然防止処置は過剰な処置となる。

したがって、データパターン探索部４１は故障発生前に共通して発生しているデータパターンのうち、図７（１）の場合が多く、図７（２）の場合が少ないデータパターンを探索する。

図８は故障予測ロジックの精度を表す指標の一例について説明する図である。図８では故障予測ロジックの精度を表す指標として、ヒット率及びカバー率を示している。故障予測ロジックは故障発生前に共通して発生しているデータパターンを検出する式である。

故障予測ロジックによる故障の予兆検出の結果は、例えば以下の予測的中、空振り、発見できず、の３つのケースに分けられる。予測的中は故障予測ロジックにより故障の予兆が検出され、実際に故障が発生したケースである。空振りは故障予測ロジックにより故障の予兆が検出され、実際に故障が発生しなかったケースである。「発見できず」は故障予測ロジックにより故障の予兆が検出されず、実際に故障が発生したケースである。

故障予測ロジックの精度は図８に示すカバー率、ヒット率の２つの指標により表されている。カバー率は（予測的中＋発見できず）の件数に対する予測的中の件数の割合を示すものである。つまり、カバー率はデータパターンにより検出できる故障の割合を示す指標である。また、ヒット率は（予測的中＋空振り）の件数に対する予測的中の件数の割合を示すものである。つまり、ヒット率は実際に故障が発生する故障の予兆の割合を示す指標であり、データパターン発生後に故障が発生する確率を示している。

《未然防止処置の決定》
未然防止処置決定部４３はヒット率が示す故障予測ロジックの精度により未然防止処置を図９又は図１０のように決定する。図９は故障予測ロジックの精度が高い場合に決定される未然防止処置の一例の説明図である。図１０は故障予測ロジックの精度が高くない場合に決定される未然防止処置の一例の説明図である。

図９に示すように、故障予測ロジックの精度が高い場合、未然防止処置決定部４３は緊急訪問による未然防止処置を選択する。このように、データパターン発生後、ほぼ確実に故障が発生するため、未然防止処置決定部４３は緊急手配により故障が起きる前に実施する未然防止処置を選択する。

また、故障予測ロジックの精度が高くない場合、未然防止処置決定部４３は、ついで作業（プラスワン）による未然防止処置を選択する。未然防止処置が空振りに終わってしまうケースの増加が予測される場合、未然防止処置決定部４３は定期作業などの際に、プラスワンで未然防止処置を実施することで、空振りによるコスト増加を抑えつつ、故障の未然防止処置を実施する。

《故障予測モデル》
図１１は故障予測モデルの一例について説明する図である。図１１の故障予測モデルは故障予測ロジックと未然防止処置とが対応付けられている。故障予測ロジックは故障が発生しそうな機器を検出する方法を示している。また、未然防止処置は、故障予測ロジックにより故障の予兆を検出した電子機器に対する故障の未然防止に最適な処置の方法を提示している。

故障予測モデル開発部２３は、故障予測ロジックの精度を算出し、故障予測ロジックの精度により未然防止処置を図９又は図１０のように選択し、選択した未然防止処置と故障予測ロジックとを対応付けた故障予測モデルを開発している。

《コスト試算》
コスト試算部２４は例えば図１２に示すように、サービスコストを算出する。図１２はサービスコスト算出式の一例を説明する図である。図１２は、故障に対する総サービスコストの算出式である。

図１２に示すように、故障に対する総サービスコストの算出式は、ＣＥ手配が必要な故障発生回数と、その故障の保守にかかるサービスコストとを掛け算することにより算出される。

また、その故障の保守にかかるサービスコストには、ＣＥの人件費と、部品費と、が含まれている。ＣＥの人件費は、図１２に示すように、一度の訪問でかかる時間と、１＋再訪問率と、ＣＥ単価と、を掛け算することにより算出される。また、部品費は故障の保守に掛かった総部品費である。一度の訪問でかかる時間は、移動時間と作業時間とにより表される。また、移動時間はＣＥがいる拠点から複合機１２の設置場所までの距離により異なる。

例えばコスト試算部２４は、プラスワンによる未然防止処置を選択した場合のサービスコスト効果の試算を次のように行う。図１３は故障予測ロジックによる故障の予兆検出の結果（予測的中／空振り）とプラスワン対応の可能／不能とにより、４つのパターンに分けられる。

図１３のパターン（１）は、故障予測ロジックによる故障の予兆検出の結果が予測的中であり、プラスワン対応が可能であるケースである。また、図１３のパターン（２）は故障予測ロジックによる故障の予兆検出の結果が予測的中であり、プラスワン対応が不可であるケースである。

図１３のパターン（３）は、故障予測ロジックによる故障の予兆検出の結果が空振りであり、プラスワン対応が可能であるケースである。また、図１３のパターン（４）は故障予測ロジックによる故障の予兆検出の結果が空振りであり、プラスワン対応が不可であるケースである。

図１４はプラスワンによる未然防止処置を選択した場合のサービスコスト効果の試算について説明する図である。図１４（１）は図１３のパターン（１）〜（４）を図８に示した予測的中、空振り、発見できず、に分類したものである。図１４（１）では予測的中にパターン（１）及び（２）の件数が分類され、空振りにパターン（３）及び（４）の件数が分類されている。

ここではプラスワンによる未然防止処置を選択した場合のサービスコスト効果の試算について説明するため、プラスワン対応が可能であるパターン（１）及び（３）の件数に図１４（２）のように絞り込む。図１４（２）では予測的中にパターン（１）の件数が分類され、空振りにパターン（３）の件数が分類されている。

図１４（２）の場合、コスト試算部２４は、プラスワン対応により発生するサービスコストを、以下の式（１）により算出する。

増加するサービスコスト＝Ａ件×Ｂ分×Ｃ円…（１）
Ａ件：パターン（１）＋（３）の件数
Ｂ分：プラスワン対応の作業時間
Ｃ円：ＣＥ単価
また、コスト試算部２４は、プラスワン対応により不要となる作業により削減されることになるサービスコストを、以下の式（２）により算出する。

削減されるサービスコスト＝Ｄ件×Ｅ分×Ｃ円…（２）
Ｄ件：パターン（１）の件数
Ｅ分：移動時間とプラスワン対応により削減できる作業時間
プラスワンによる未然防止処置を選択した場合のサービスコスト効果は、式（２）により算出されたサービスコストから式（１）により算出されたサービスコストを減算することにより試算される。例えば式（２）により算出されたサービスコストから式（１）により算出されたサービスコストを減算することにより試算されたサービスコストがプラスであれば、採算の取れる故障予測モデルとして採用する。

図１５はプラスワンによる未然防止処置を選択した場合のサービスコスト効果の試算結果の一例を示す図である。図１５では予測的中に５０件が分類され、空振りに８２件が分類され、発見できずに１１０件が分類されている。図１５の故障予測ロジックはセンサＡの電流出力値が所定値以上となった場合、故障（エラーＡ）が発生しやすい状態となるというものである。なお、故障予測ロジックの精度は、３８％の確率で３０日以内にエラーＡの故障が発生するものとする。また、プラスワン対応は、センサＡ汚れを起因とする故障を未然に防止するため、センサＡの水拭き清掃とする。

図１５の例ではヒット率が３８％、カバー率が３１％となる。例えば図１５の例においては予測的中の半数「２５件」にプラスワン対応が可能であるとして計算しても、プラスワン対応により削減されるサービスコストが、空振りの件数８２件のプラスワン対応により増加するサービスコストより小さくなる。

図１６はセンサＡの電流出力値の変動の一例を示す図である。図１６に示すようにセンサＡの電流出力値が所定値以上となった（予兆検出）のあと、故障（エラーＡ）が発生している。そこで、故障（エラーＡ）が発生する前に、プラスワン対応により故障センサＡの水拭き清掃をすることで、故障（エラーＡ）の発生による緊急訪問を防ぐことができる。

また、コスト試算部２４は、緊急訪問の場合のサービスコスト効果の試算を次のように行う。緊急訪問において部品交換を要する場合、コスト試算部２４は事前に部品手配を行うことによる部品無し再訪問率の削減のサービスコスト効果を試算できる。未然防止処置決定部４３は空振りによるサービスコスト増加よりも、部品無し再訪問率の削減によるサービスコスト削減の方が大きければ、採算の取れる故障予測モデルとして採用する。

図１７は緊急訪問の場合のサービスコスト効果の試算結果の一例を示す図である。図１７では予測的中に３件が分類され、空振りに０件が分類され、発見できずに１１件が分類されている。図１７の故障予測ロジックはセンサＢの電流出力値の現在値が上昇、現像Ｙトナー濃度の現在値が下降することでトナー濃度が薄くなり、故障（エラーＣ）が発生するというものである。

なお、故障予測ロジックの精度は、１００％の確率でエラーＣの故障が発生するものである。また、緊急訪問におけるＣＥへの作業指示は、トナー補給ユニット交換の実施であるとする。

図１７の例ではヒット率が１００％、カバー率が２１．４％となる。例えば図１７の例においては予測的中の「３件」に緊急訪問が可能であるとして計算する。エラーＣの故障は再訪問率が高く、再訪問率の低下により削減されるサービスコストを緊急訪問の場合のサービスコスト効果として試算する。

図１８はセンサＢの電流出力値及び現像Ｙトナー濃度の変動の一例を示す図である。図１８に示すようにセンサＢの電流出力値が所定値以上となり、現像Ｙトナー濃度が所定値以下となった（予兆検出）のあと、故障（エラーＣ）が発生している。故障（エラーＣ）が発生する前に、緊急訪問によりトナー補給ユニット交換をすることで、故障（エラーＣ）の発生による緊急訪問を防ぐことができる。

また、コスト試算部２４は、原因診断モデルを利用することにより、緊急訪問の場合のサービスコスト効果の試算を次のように行うことができる。原因診断モデルにより低減されるサービスコストには、故障の原因診断時間、復旧処置時間、再訪問による移動時間によるものがある。

図１９は緊急訪問の場合のＣＥによる一例の対応フローである。ステップＳ１１においてＣＥは緊急訪問のために移動する。ステップＳ１２においてＣＥは複合機１２の状況を確認する。ステップＳ１３において原因診断モデルによる故障の原因診断を行う。ＣＥはステップＳ１４において故障の原因診断結果に基づき、復旧処置を行う。

ステップＳ１５においてＣＥは複合機１２の動作確認を行う。また、ステップＳ１６においてＣＥは清掃などの標準作業を行う。ステップＳ１７においてＣＥは作業報告を行うことで図１９の対応フローを終了する。

原因診断モデルによる故障の原因診断を緊急訪問前に行い、緊急訪問前に故障の原因診断結果及び必要な部品をＣＥに通知することにより、図１９の対応フローではステップＳ１３の故障の原因診断時間やステップＳ１４の復旧処置時間を短縮できる。また、図１９の対応フローでは部品無し再訪問による移動時間を無くすことができる。

図２０は故障（エラーＢ）の発生原因の一例を示す図である。図２０により故障（エラーＢ）の主な発生原因は「センサＡの汚れ」と判断できる。そこで、発生原因「センサＡの汚れ」を起因として故障（エラーＢ）の原因診断モデルを検討した。

例えばセンサＡの汚れは、所定のセンサ光量が所定値以上であるときに疑われる。そこで判定条件として「所定のセンサ光量が所定値以上」を定義する。故障（エラーＢ）はセンサＡの汚れに起因するものであるか否かと、判定条件に該当するか否かにより、図２１のように分類される。

図２１は故障（エラーＢ）の一例の分類図である。図２１では予測的中に２５件が分類され、センサＡの汚れが起因であるが判定条件に該当しなかった故障として４３件が分類され、判定条件に該当したがセンサＡの汚れが起因でなかった故障として４件が分類されている。図２１ではヒット率が８６％となり、カバー率が３７％となる。ＣＥへの作業指示はセンサＡの水拭き清掃とする。

図２１の例ではセンサＡの汚れが起因である故障（エラーＢ）の６８件のうち、予測的中の２５件について、ステップＳ１３の故障の原因診断時間やステップＳ１４の復旧処置時間を短縮できる。また、部品無し再訪問による移動時間を無くすことができる。

図２２はセンサ光量の変動の一例を示す図である。図２２ではセンサ光量が判定条件の所定値（２３８５）以上となった後で、故障（エラーＢ）が発生している。緊急訪問によりセンサＡの水拭き清掃を行うことで、センサ光量は判定条件の所定値（２３８５）以下の水準まで低下する。

＜まとめ＞
本実施形態によれば、開発した故障予測モデルを運用した場合のサービスコストの試算を行い、採算の取れる故障予測モデルを採用できる。このため、本実施形態によれば採算の取れない故障予測モデルを採用してしまい、未然防止処置を行えば行うほど赤字になる状態を避けることができる。

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。複合機１２は特許請求の範囲に記載した電子機器の一例である。情報処理装置１０は一台以上の情報処理装置の一例である。故障データは故障履歴情報の一例である。緊急訪問による作業は訪問作業の一例である。再訪問による作業は再訪問作業の一例である。

１ 情報処理システム
１０ 情報処理装置
１２ 複合機
１４ 端末装置
２１ 状態情報取得部
２２ 故障データ取得部
２３ 故障予測モデル開発部
２４ コスト試算部
２５ 採用決定部
３１ 状態情報記憶部
３２ 故障データ記憶部
３３ 故障予測モデル記憶部
４１ データパターン探索部
４２ 故障予測ロジック精度指標算出部
４３ 未然防止処置決定部
５００ コンピュータ
５０１ 入力装置
５０２ 表示装置
５０３ 外部Ｉ／Ｆ
５０３ａ 記録媒体
５０４ ＲＡＭ
５０５ ＲＯＭ
５０６ ＣＰＵ
５０７ 通信Ｉ／Ｆ
５０８ ＨＤＤ
６０１ コントローラ
６０２ 操作パネル
６０３ 外部Ｉ／Ｆ
６０３ａ 記録媒体
６０４ 通信Ｉ／Ｆ
６０５ プリンタ
６０６ スキャナ
６１１ ＣＰＵ
６１２ ＲＡＭ
６１３ ＲＯＭ
６１４ ＮＶＲＡＭ
６１５ ＨＤＤ
Ｂ バス
Ｎ１ ネットワーク

特開２００４−３７９４１号公報

Claims (6)

1. 一台以上の情報処理装置を有する情報処理システムであって、
   電子機器に発生する故障の予兆検出方法と、前記電子機器に発生する故障の未然防止処置と、が対応付けられた故障予測モデルに、前記故障が発生した一台以上の電子機器の故障履歴情報を当てはめ、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により増加するコストと、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により削減されるコストと、を試算するコスト試算手段と、
   前記試算の結果に基づき、前記故障予測モデルの運用により増加するコストよりも、前記故障予測モデルの運用により削減されるコストの方が大きい前記故障予測モデルの採用を決定する採用決定手段と、
   を有し、
   前記採用決定手段は、前記未然防止処置が、訪問作業による部品の交換を要する未然防止処置である場合に、事前に部品を手配することにより発生するコストよりも、事前に部品を手配することにより不要となる再訪問作業のコストの方が大きい前記故障予測モデルの採用を決定する情報処理システム。
2. 前記採用決定手段は、前記未然防止処置が、ついで作業による未然防止処置である場合に、ついで作業により発生するコストよりも、ついで作業により不要となる作業のコストの方が大きい前記故障予測モデルの採用を決定する
   ことを特徴とする請求項１記載の情報処理システム。
3. 前記コスト試算手段は、前記予兆検出方法により故障の予兆が検出され、その故障が実際に発生した件数分の作業のコストを、ついで作業により不要となる作業のコストとして試算する
   ことを特徴とする請求項２記載の情報処理システム。
4. 前記コスト試算手段は、前記未然防止処置に掛かる時間により発生する人件費と、前記未然防止処置の部品費と、により前記故障予測モデルの運用により増加するコストを試算する
   ことを特徴とする請求項１乃至３何れか一項記載の情報処理システム。
5. 一台以上の情報処理装置を有する情報処理システムにおいて実行される故障予測モデル採用判定方法であって、
   電子機器に発生する故障の予兆検出方法と、前記電子機器に発生する故障の未然防止処置と、が対応付けられた故障予測モデルに、前記故障が発生した一台以上の電子機器の故障履歴情報を当てはめ、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により増加するコストと、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により削減されるコストと、を試算するコスト試算ステップと、
   前記試算の結果に基づき、前記故障予測モデルの運用により増加するコストよりも、前記故障予測モデルの運用により削減されるコストの方が大きい前記故障予測モデルの採用を決定する採用決定ステップと、
   を有し、
   前記採用決定ステップは、前記未然防止処置が、訪問作業による部品の交換を要する未然防止処置である場合に、事前に部品を手配することにより発生するコストよりも、事前に部品を手配することにより不要となる再訪問作業のコストの方が大きい前記故障予測モデルの採用を決定する故障予測モデル採用判定方法。
6. 情報処理装置を、
   電子機器に発生する故障の予兆検出方法と、前記電子機器に発生する故障の未然防止処置と、が対応付けられた故障予測モデルに、前記故障が発生した一台以上の電子機器の故障履歴情報を当てはめ、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により増加するコストと、前記故障予測モデルを運用しなかった場合と比較して前記故障予測モデルの運用により削減されるコストと、を試算するコスト試算手段、
   前記試算の結果に基づき、前記故障予測モデルの運用により増加するコストよりも、前記故障予測モデルの運用により削減されるコストの方が大きい前記故障予測モデルの採用を決定する採用決定手段、
   として機能させ、
   前記採用決定手段は、前記未然防止処置が、訪問作業による部品の交換を要する未然防止処置である場合に、事前に部品を手配することにより発生するコストよりも、事前に部品を手配することにより不要となる再訪問作業のコストの方が大きい前記故障予測モデルの採用を決定するプログラム。

Images