JP6760419B2 - プリンタモデルリコメンデーションメカニズム - Google Patents

Description

本発明は、概して、印刷システムの分野に関係がある。より具体的には、本発明は、印刷システムのためのモデルリコメンデーションを供給することに関係がある。

かなりの印刷需要を伴ったエンティティは、通常は、大量印刷のために高速プロダクションプリンタを実装する。プロダクションプリンタには、ラージロールに格納された印刷媒体のウェブ上に印刷する連続形式プリンタ（continuous-forms printer）が含まれる。プロダクションプリンタは、通常は、印刷システムの全体的な動作を制御する局在的なプリントコントローラと、１つ以上のプリントヘッドアセンブリを含むプリントエンジンとを含む。プリントヘッドアセンブリの夫々は、プリントヘッドコントローラ及びプリントヘッド（又はプリントヘッドのアレイ）を含む。

高性能プロダクションプリンタは、かなりの金銭投資に相当する。よって、潜在的な顧客は、購入を最終的に承認する前に、プリンタが特定の文書の組に対して適切に作動することを確かにしたいと望む。現在、印刷サンプル及び試験データが、顧客のニーズに最も良く合うプリンタを決定するために潜在的な顧客によって様々なプリンタ供給メーカーに対して提示されている。しかし、サンプルをプリンタ供給メーカーとやり取りすることは、時間及びリソースの両方において、非現実的であり且つ値段がかかる。

然るに、実際のプリンタで類似したジョブにより得られた履歴データに基づき、顧客の性能及び品質要求を満足する高速プロダクションプリンタを効率的にリコメンドするメカニズムが、望まれている。

一実施形態において、方法が開示される。方法は、印刷データを受け取ることと、複数のプリンタの夫々についての性能データを含むプリンタコンフィグレーション情報を受け取ることと、前記印刷データ及び前記プリンタコンフィグレーション情報に基づき前記複数のプリンタのうちの１つ以上を含むプリンタリコメンデーションを生成することとを含む。

実施形態は、添付の図面の図において、一例として表されており、制限としてではない。図中、同じ参照符号は同様の要素を参照する。

印刷ネットワークの一実施形態を表す。 プリンタリコメンデーションメカニズムを用いるコンピューティングデバイスの一実施形態を表す。 クラウドコンピューティング環境において実装されるプリンタリコメンデーションメカニズムの他の実施形態を表す。 リコメンデーションプロセスの一実施形態を表すフロー図である。 プリンタリコメンデーションを実行するプロセスの一実施形態を表すフロー図である。 本開示の実施形態を実装するのに適したコンピューティングデバイスを表す。

高速プロダクションプリンタをリコメンドするために実装されるプリンタリコメンデーションメカニズムが記載される。以下の記載では、説明のために、多数の具体的な詳細が、本発明の完全な理解を提供するために示されている。なお、当業者に明らかなように、本発明は、それらの具体的な詳細のうちの一部によらずに実施されてよい。他の事例では、よく知られている構造及びデバイスは、本発明の基礎をなす原理を不明りょうにしないように、ブロック図形式で示される。

“一実施形態”又は“実施形態”との明細書中の言及は、その実施形態に関連して記載されている特定の特徴、構造、又は特性が本発明の少なくとも１つの実施形態に含まれることを意味する。明細書中の様々な箇所における“一実施形態において”との語句の出現は、必ずしも全てが同じ実施形態に言及しているわけではない。

本明細書の全体を通して、“ロジック”、“コンポーネント”、“モジュール”、“エンジン”、“モデル”、などのような語は、同義的に参照され、例として、ソフトウェア、ハードウェア、及び／又はソフトウェアとハードウェアとのあらゆる組み合わせ、例えば、ファームウェア、を含んでよい。更に、特定のブランド、語、用語、語句、名称、及び／又は頭字語の如何なる使用も、そのラベルを製品において又は本明細書の他の文献において持っているソフトウェア又はデバイスに実施形態を制限するよう読まれるべきではない。

あらゆる数及びタイプのコンポーネントが、特定の特徴を追加すること、削除すること、及び／又は向上させることを含め、様々な実施形態を促進するよう追加及び／又は削除されてよいことが考えられている。理解の簡潔さ、明りょうさ、及び容易さのために、コンピューティングデバイスのコンポーネントのような、標準の及び／又は知られているコンポーネントの多くは、本明細書で図示又は説明されない。本明細書で記載される実施形態は、如何なる特定のテクノロジ、トポロジ、システム、アーキテクチャ、及び／又は標準にも制限されず、あらゆる特徴の変更に適応し且つ導入することができるほど十分に動的である。

図１は、プリンタネットワーク１００の一実施形態を表す。ネットワーク１００は、プリンタ１３０及びコンピューティングデバイス１０５を含む。一実施形態において、プリンタ１３０及びコンピューティングデバイス１０５は、ネットワーク１１５を介して通信する。しかし、ネットワーク１００は他の構成を有してよい。例えば、いくつかの実施形態では、コンピューティングデバイス１０５はプリンタ１３０において実装されてよい。一実施形態に従って、コンピューティングデバイス１０５は、プリンタリコメンデーションメカニズム１１０をホストするホストマシンとして機能を果たす。プリンタリコメンデーションメカニズム１１０は、コンピューティングデバイス１０５のようなコンピューティングデバイスでの印刷実行リコメンデーションを容易にするあらゆる数及びタイプのコンポーネントの組み合わせも含む。

コンピューティングデバイス１０５は、コンピューティングデバイス１０５のハードウェア及び／又は物理リソースとユーザとの間のインターフェイスとなるオペレーティングシステム（ＯＳ）１０６を含んでよい。コンピューティングデバイス１０５は、１つ以上のプロセッサ１０２、メモリデバイス１０４、ネットワークデバイス、ドライバ、などとともに、タッチスクリーン、タッチパネル、タッチパッド、仮想若しくは正規のキーボード、仮想若しくは正規のマウス、などのような入出力（Ｉ／Ｏ）ソース１０８を更に含んでよい。

一実施形態に従って、プリンタリコメンデーションメカニズム１１０は、顧客によって供給されたデータファイル（例えば、印刷データ）と、大量のプリンタから収集されたデータを含むプリンタコンフィグレーション情報とに基づき、高速プロダクションプリンタのための顧客リコメンデーションを容易にする。斯様な実施形態では、リコメンデーションメカニズム１１０は、顧客のデータファイルのコンポーネントをプリンタコンフィグレーション情報と比較することによってリコメンデーションを供給するよう１つ以上の機械学習モデルを実装する。プリンタコンフィグレーション情報は、前に処理されたデータファイルと、それらのデータファイルについてリコメンドされた対応するプリンタとを含んでよい。更なる実施形態では、ロー（raw）文書情報（例えば、オブジェクト、属性、メタデータ、など）が、印刷データから取り出され、モデルへの入力として使用される。

プリンタ１３０は、制御ユニット１５０及びプリントエンジン１５８を含む。一実施形態に従って、制御ユニット１５０は、印刷ジョブデータ１２０において受け取ら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プリントエンジン１５８へ供給する。制御ユニット（例えば、ＤＦＥ又はデジタルフロントエンド）１５０は、制御ユニット１５０で受け取られた画像オブジェクトをラスタ画像プロセッサ（raster image processor）（ＲＩＰ）によって処理して、ベクトルグラフィクスフォーマット（例えば、形状）において記述された画像を、プリントエンジン１５８への出力のためにメモリアレイ（図示せず。）でスキャンラインデータとして記憶されるラスタ画像（例えば、ピクセル）に変換するよう実装される。

図２は、コンピューティングデバイス１０５で用いられるプリンタリコメンデーションメカニズム１１０を表す。一実施形態において、プリンタリコメンデーションメカニズム１１０は、プリンタ捕捉モジュール２０１、ファイルハンドラロジック２０２、データ収集モジュール２０３、リコメンデーションエンジン２０４及び報告モジュール２０５のような、あらゆる数及びタイプのコンポーネントも含んでよい。

プリンタリコメンデーションメカニズム１１０の如何なる数及びタイプのコンポーネント２０１〜２０５も、必ずしも単一のコンピューティングデバイスで実装されなくてよく、あらゆる数及びタイプのコンピューティングデバイスの間で割り当てられ又は分配されてよい。よって、他のコンピューティングデバイスが、コンポーネント２０１〜２０５のうちの１つ以上についての機能を実行するようプリンタリコメンデーションメカニズム１１０を含んでもよい。更に、プリンタリコメンデーションメカニズム１１０のコンポーネントは、クラウドコンピューティング環境内で複数のコンピューティングデバイス１０５の間で分配されてよい。図３は、クラウドコンピューティング環境３００において実装されるプリンタリコメンデーションメカニズム１１０の実施形態を表す。

一実施形態に従って、プリンタ捕捉モジュール２０１は、プリンタコンフィグレーション情報を受け取る。一実施形態において、プリンタコンフィグレーション情報は、プリンタリコメンデーションメカニズム１１０によってアクセス可能なプリンタから（例えば、世界中から）のデータを含む。斯様な実施形態では、プリンタコンフィグレーション情報は、様々な国際的なプリンタ供給メーカー及び／又は顧客に関連したプリンタから、クラウドコンピューティング環境３００において受け取られてよい。更なる実施形態では、プリンタデータは性能データを含んでよい。性能データは、リソース使用量（例えば、インク使用量、用紙）、印刷処理時間、プリンタ所在、プリンタ温度、プリンタ環境（温度及び湿度）、印刷ジョブのためのプリンタ設定、エラー頻度、並びに印刷品質を含んでよい。

一実施形態において、印刷品質は、印刷ジョブの受け取られた品質が以前に期待を満足したかどうかに関するユーザフィードバックに基づき、測定されてよい。このようにして、期待された品質の評価が、プリンタ捕捉モジュール２０１によって収集される。他の実施形態では、品質は、スキャンされた画像をプリンタから受け取り、画像を、受け取られたデータファイルと比較して、品質係数（例えば、色被覆率、裁ち切り、染み、など）に関して解析することによって、測定されてよい。更なる実施形態では、プリンタ捕捉モジュール２０１は、サポートされている用紙サイズ及び重量や仕上げオプションのような、プリンタ機能に関する情報を受け取ってよい。収集されると、プリンタデータはデータベース２１０にセーブされる。

ファイルハンドラロジック２０２は、入力データとして印刷データ（例えば、利用可能である場合に、１つ以上の印刷ジョブ及び対応するジョブチケット）を受け取る。受け取ると、ファイルハンドラロジック２０２は、印刷ジョブデータファイルから印刷データを取り出す。一実施形態において、取り出された印刷データは、画像、画像のドット密度（dots per inch）（ｄｐｉ）、フォント、ページのサイズ、プレキシング（plexing）、メディア呼び出し（media calls）、などを含む属性を含んでよい。取り出されたデータはまた、（例えば、アドバンスド・ファンクション・プレゼンテーション（ＡＦＰ）及びポストスクリプト（ＰＳ）ジョブについて）印刷ジョブのデータ構造から取り出された要素であってよい。データが取り出されると、ファイルハンドラロジック２０２は、ファイルに対応するデータをデータベース２１０にセーブする。加えて、ファイルハンドラロジック２０２はまた、受け取られた印刷データが印刷されるべきである環境に関連した環境データを受け取ってよい。

一実施形態に従って、データ収集ロジック２０３は、様々なプリンタからプリンタデータを周期的に収集してよい。よって、蓄積されたプリンタデータは、特定のプリンタが異なる複雑さ及び構造のデータストリームを有して如何にして機能するかと、プリンタが異なる条件（例えば、温度及び湿度、稼働時間）において時間にわたって如何にして機能するかとを決定するために使用されてよい。そのような蓄積されたプリンタデータと、プリンタが印刷しているジョブのデータ構造に関する情報とは、プリンタモデルリコメンデーションのために、新たに受信されたデータファイルの比較分析を可能にする。

一実施形態に従って、リコメンデーションエンジン２０４は、取り出された印刷データと、潜在的に大量のプリンタからの取得されたプリンタコンフィグレーション情報との比較に基づき、プリンタモデルリコメンデーションを提供する。斯様な実施形態では、リコメンデーションエンジン２０４は、印刷されるべき実際のデータとともにジョブ要件（例えば、用紙タイプ、カラー対モノ、など）を決定するために、印刷データに含まれている１つ以上の属性を解析する。その上、リコメンデーションエンジン２０４は、夫々の利用可能なプリンタ毎のプリンタ機能を決定するために、プリンタコンフィグレーション情報を解析する。リコメンデーションエンジン２０４は、夫々の利用可能なプリンタ毎のプリンタ能力及びジョブ要件に基づき、如何にして印刷データが様々なプリンタで印刷されるかを示すモデルを生成することによって、解析を更に続ける。

更なる実施形態では、リコメンデーションエンジン２０４は、異なるプリントショップによって供給された測定の変動を考慮してよい。例えば、複数のモデル１２３プリンタを有している２つのプリントショップについて、それらの１２３プリンタについての一方のプリントショップのインク使用量は、他方のショップでの１２３プリンタからのインク使用量よりも常に３０％多いことがある。このような変動は、それ自体が、（異なるショップのプリンタの間で性能が更に一貫している他のモデルのプリンタと比較して）リコメンデーションに寄与する因子となり得る。

図４は、１つ以上のプリンタモデルをリコメンドするプロセス４００の一実施形態を表すフロー図である。プロセス４００は、プロセッシングロジックによって実行されてよい。プロセッシングロジックは、ハードウェア（例えば、回路、専用ロジック、プログラム可能ロジック、など）、ソフトウェア（例えば、プロセッシングデバイスで実行される命令）、又はそれらの組み合わせを有してよい。一実施形態において、プロセス４００は、リコメンデーションエンジン２０４によって実行されてよい。プロセス４００は、提示における簡潔さ及び明りょうさのために線形的な順序で表されているが、それらのうちのいくつでも並列に、非同期的に、又は別の順序で実行可能であると考えられている。理解の簡潔さ、明りょうさ、及び容易さのために、図１~３を参照して説明された詳細の多くは、ここで説明又は反復されない。

処理ブロック４１０で、取り出された印刷データは、特定のジョブ要件（例えば、基本要件（媒体サイズ若しくはタイプ（例えば、艶ありＢ４サイズ）、両面、フルブリード、など）に適合しない全てのプリンタ）のために試験される。処理ブロック４２０で、基本印刷ジョブ要件に適合しないプリンタが除かれる。処理ブロック４３０で、残りのプリンタが比較される。

一実施形態において、比較は、残りのプリンタの差の解析を含む。例えば、比較される２つのプリンタのうち、プリンタ１は、（１から５のスケールにおいて）５の平均品質スコアを有してよく（例えば、期待される品質に常に適合し、画像スキャンが染み又は悪い画線比率を決して示さないことに基づく。）、一方、プリンタ２は、２の平均品質スコアを有してよい（例えば、期待される品質からいくつかが外れるが、染みのスキャンはない。）。更に、プリンタ１は、１の費用スコアを有してよく（例えば、各ページの平均コストが１０ドルであり、このプール内の他の全てのプリンタと比較して最も悪い。）、一方、プリンタ２は、４の費用スコアを有してよい（例えば、各ページの平均スコアが２ドルである。）。この解析は、上記のスコアの詳細を考慮し得るユーザに提示されてよい。斯様な解析は、全ての測定について実行されてよい。

報告モジュール２０５は、比較されている様々なプリンタ測定についての費用スコアとともに、提示において含まれることが望ましい如何なる追加情報（例えば、プリンタコンフィグレーション、性能要件、及び／又は評価される印刷ジョブ）も含む提示レポートを生成する。コンピューティングデバイス１０５は、プリンタ１３０にある制御ユニットとのネットワーク１１５上での通信を容易にする通信ロジック２６５を更に含んでよい。一実施形態において、報告モジュール２０５は、レポートのハードコピーを生成するよう提示レポートをプリンタ１３０へ送ってよい。

図５は、プリンタリコメンデーションを実行するプロセス５００の一実施形態を表すフロー図である。プロセス５００は、プロセッシングロジックによって実行されてよい。プロセッシングロジックは、ハードウェア（例えば、回路、専用ロジック、プログラム可能ロジック、など）、ソフトウェア（例えば、プロセッシングデバイスで実行される命令）、又はそれらの組み合わせを有してよい。一実施形態において、プロセス５００は、プリンタリコメンデーションメカニズム１１０によって実行されてよい。プロセス５００は、提示における簡潔さ及び明りょうさのために線形的な順序で表されているが、それらのうちのいくつでも並列に、非同期的に、又は別の順序で実行可能であると考えられている。理解の簡潔さ、明りょうさ、及び容易さのために、図１~４を参照して説明された詳細の多くは、ここで説明又は反復されない。

処理ブロック５０２及び５０４で、印刷データ及び環境データ、並びにプリンタコンフィグレーション情報が夫々受け取られる。処理ブロック５０８で、データは、リコメンデーション使用のために供給されるより前に、印刷データから取り出される。処理ブロック５１０で、リコメンデーションプロセスは、図４において上述されたように、実行される。処理ブロック５２０で、１つ以上のプリンタ比較及び解析を含むレポートが、所望のフォーマットで生成及び供給されてよい。

図６は、コンピューティングデバイス１０５及び／又はプリンタ１３０が実装され得るコンピュータシステム９００を表す。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へ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、プロセッサ９１０によって実行される情報及び命令を記憶するための、バス９２０へ結合されたランダムアクセスメモリ（ＲＡＭ）又は他の動的記憶デバイス９２５（本明細書ではメインメモリと称される。）を更に有する。メインメモリ９２５はまた、プロセッサ９１０による命令の実行中に一時変数又は他の中間情報を記憶するために使用されてよい。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及び命令を記憶するための、バス９２０へ結合されたリードオンリーメモリ（ＲＯＭ）及び／又は他の静的記憶デバイス９２６を更に含んでよい。

磁気ディスク又は光ディスクのようなデータ記憶デバイス９２７及びその対応するドライブも、情報及び命令を記憶するためにコンピュータシステム９００へ結合されてよい。コンピュータシステム９００はまた、Ｉ／Ｏインターフェイス９３０を介して第２Ｉ／Ｏバス９５０へ結合可能である。表示デバイス９２４や入力デバイス（例えば、キーボード（例えば、英数字入力デバイス）９２３及び／又はカーソル制御デバイス９２２）を含む複数のＩ／ＯデバイスがＩ／Ｏバス９５０へ結合されてよい。通信デバイス９２１は、他のコンピュータ（サーバ又はクライアント）にアクセスするためのものである。通信デバイス９２１は、モデム、ネットワークインターフェイスカード、又はＥｔｈｅｒｎｅｔ（登録商標）、トークンリング、若しくは他のタイプのネットワークへ結合するために使用されるもののような、他のよく知られているインターフェイスデバイスを有してよい。

本発明の実施形態は、ペアレントボードを用いて相互接続された１つ以上のマイクロチップ若しくは集積回路、ハードワイヤードロジック、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）、及び／又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）のうちのいずれか又は組み合わせとして実装されてよい。語“ロジック”は、例として、ソフトウェア若しくはハードウェア及び／又はソフトウェアとハードウェアとの組み合わせを含んでよい。

実施形態は、例えば、コンピュータプログラム製品として提供されてよい。コンピュータプログラム製品は、コンピュータ、コンピュータのネットワーク、又は他の電子デバイスのような１つ以上のマシンによって実行される場合に、その１つ以上のマシンが本明細書で記載される実施形態に従って動作を実行することを生じさせ得るマシン実行可能命令を記憶している１つ以上のマシン読み出し可能な媒体を含んでよい。マシン読み出し可能な媒体は、フロッピー（登録商標）ディスケット、光ディスク、ＣＤ−ＲＯＭ（Compact Disc-Read Only Memories）、及び光学磁気ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ（Erasable Programmable Read Only Memories）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memories）、磁気若しくは光学式カード、フラッシュメモリ、又はマシン実行可能な命令を記憶するのに適した他のタイプの媒体／機械読み出し可能な媒体を含んでよいが、これらに限られない。

更に、実施形態は、コンピュータプログラム製品としてダウンロードされてよい。このとき、プログラムは、通信リンク（例えば、モデム及び／又はネットワーク接続）を介してキャリア波又は他の伝播媒体によって変調され、且つ／あるいは、そのようなキャリア波又は他の伝播媒体において具現化された１つ以上のデータ信号を用いて、遠隔コンピュータ（例えば、サーバ）から要求元のコンピュータ（例えば、クライアント）へ転送されてよい。

図面及び前述の記載は、実施形態の例を与える。当業者に明らかなように、記載される要素のうちの１つ以上は単一の機能要素に適切にまとめられてよい。代替的に、特定の要素は複数の機能要素に分けられてよい。１つの実施形態からの要素は、他の実施形態に加えられてよい。例えば、本明細書で記載されるプロセスの順序は変更され、本明細書で記載される様態に制限されない。更に、如何なるフロー図における動作も、図示されている順序で実施される必要はなく、必ずしも全ての動作が実行される必要もない。また、他の動作に依存しない動作は、それら他の動作と並列に実行されてよい。実施形態の適用範囲は、決してそれらの具体例によって制限されない。構造、寸法、及び材料の使用における相違のような、多数の変形は、明細書中で明示的に与えられていようとなかろうと、可能である。実施形態の適用範囲は、少なくとも、続く特許請求の範囲によって与えられているのと同じ広さである。

１００ プリンタネットワーク
１０２ プロセッサ
１０４ メモリ
１０５ コンピューティングデバイス
１０６ オペレーティングシステム
１０８ 入出力（Ｉ／Ｏ）ソース
１１０ プリンタリコメンデーションメカニズム
１１５ ネットワーク
１３０ プリンタ
１５０ 制御ユニット
１５８ プリントエンジン
２０１ プリンタ捕捉モジュール
２０２ ファイルハンドラロジック
２０３ データ収集モジュール
２０４ リコメンデーションエンジン
２０５ 報告モジュール
２１０ データベース
３００ クラウドコンピューティング環境
９１０ プロセッサ
９２５ メインメモリ

Claims (16)

1. １つ以上のプロセッサによって実行される場合に、該プロセッサに、
   印刷ジョブデータファイルを受け取らせ、
   前記印刷ジョブデータファイルから印刷データを取り出させ、
   複数のプリンタの夫々についての性能データを含むプリンタコンフィグレーション情報を受け取らせ、
   前記印刷データ及び前記プリンタコンフィグレーション情報に基づき前記複数のプリンタのうちの１つ以上を含むプリンタモデルリコメンデーションを生成させ、
   前記性能データは、前記複数のプリンタの夫々の印刷品質を含み、該印刷品質は、前記複数のプリンタの夫々で前記印刷ジョブデータファイルに類似したジョブにより得られたスキャンされた画像を前記データファイルと比較することに基づき、測定される、
   コンピュータプログラム。
2. 前記プリンタモデルリコメンデーションを生成することは、
   前記印刷データに含まれている１つ以上の属性を解析して、印刷ジョブ要件を決定することと、
   前記プリンタコンフィグレーション情報を解析して、前記複数のプリンタの夫々についてのプリンタ機能を決定することと
   を有する、
   請求項１に記載のコンピュータプログラム。
3. 前記プリンタモデルリコメンデーションを生成することは、
   前記印刷データが前記複数のプリンタの夫々でどのように印刷されるかを示すモデルを前記印刷ジョブ要件及び前記プリンタ機能に基づき生成すること
   を更に有する、
   請求項２に記載のコンピュータプログラム。
4. 前記プリンタモデルリコメンデーションを生成することは、
   印刷されるデータを解析すること
   を更に有する、
   請求項３に記載のコンピュータプログラム。
5. 前記プリンタモデルリコメンデーションを生成することは、
   前記印刷ジョブ要件に合わない機能を有している前記複数のプリンタの中の第１の組を除くことと、
   前記印刷ジョブ要件に合う機能を有している前記複数のプリンタの中の第２の組を比較することと
   を更に有する、
   請求項３に記載のコンピュータプログラム。
6. 前記複数のプリンタの中の前記第２の組を比較することは、
   前記複数のプリンタの中の前記第２の組に含まれる各プリンタの性能データ間の差を解析すること
   を有する、
   請求項５に記載のコンピュータプログラム。
7. 前記性能データは、リソース使用量、印刷処理時間、プリンタ所在、プリンタ温度、プリンタ環境、プリンタ設定及びエラー頻度のうちの１つ以上を更に有する、
   請求項１乃至６のうちいずれか一項に記載のコンピュータプログラム。
8. 前記１つ以上のプロセッサによって実行される場合に、更に該プロセッサに、
   前記プリンタモデルリコメンデーションを含むレポートを生成させる
   請求項１に記載のコンピュータプログラム。
9. ファイルハンドラと、プリンタ捕捉モジュールと、リコメンデーションエンジンとを含むプリンタリコメンデーションロジックを記憶するメモリと、
   前記ファイルハンドラを実行して、印刷ジョブデータファイルを受け取り、該印刷ジョブデータファイルから印刷データを取り出し、
   前記プリンタ捕捉モジュールを実行して、複数のプリンタの夫々についての性能データを含むプリンタコンフィグレーション情報を受け取り、
   前記リコメンデーションエンジンを実行して、前記印刷データ及び前記プリンタコンフィグレーション情報に基づき前記複数のプリンタのうちの１つ以上を含むプリンタモデルリコメンデーションを生成する
   １つ以上のプロセッサと
   を有し、
   前記性能データは、前記複数のプリンタの夫々の印刷品質を含み、該印刷品質は、前記複数のプリンタの夫々で前記印刷ジョブデータファイルに類似したジョブにより得られたスキャンされた画像を前記データファイルと比較することに基づき、測定される、システム。
10. 前記プリンタモデルリコメンデーションを生成することは、
    前記印刷データに含まれている１つ以上の属性を解析して、印刷ジョブ要件を決定することと、
    前記プリンタコンフィグレーション情報を解析して、前記複数のプリンタの夫々についてのプリンタ機能を決定することと
    を有する、
    請求項９に記載のシステム。
11. 前記プリンタモデルリコメンデーションを生成することは、
    前記印刷データが前記複数のプリンタの夫々でどのように印刷されるかを示すモデルを前記印刷ジョブ要件及び前記プリンタ機能に基づき生成すること
    を更に有する、
    請求項１０に記載のシステム。
12. 前記プリンタモデルリコメンデーションを生成することは、
    印刷されるデータを解析すること
    を更に有する、
    請求項１１に記載のシステム。
13. 前記プリンタモデルリコメンデーションを生成することは、
    前記印刷ジョブ要件に合わない機能を有している前記複数のプリンタの中の第１の組を除くことと、
    前記印刷ジョブ要件に合う機能を有している前記複数のプリンタの中の第２の組を比較することと
    を更に有する、
    請求項１１に記載のシステム。
14. 前記複数のプリンタの中の前記第２の組を比較することは、
    前記複数のプリンタの中の前記第２の組に含まれる各プリンタの性能データ間の差を解析すること
    を有する、
    請求項１３に記載のシステム。
15. 前記性能データは、リソース使用量、印刷処理時間、プリンタ所在、プリンタ温度、プリンタ環境、プリンタ設定及びエラー頻度のうちの１つ以上を更に有する、
    請求項９乃至１４のうちいずれか一項に記載のシステム。
16. 前記メモリは、報告モジュールを更に記憶し、
    前記プロセッサは、前記報告モジュールを実行して、前記プリンタモデルリコメンデーションを含むレポートを生成する、
    請求項９に記載のシステム。

Images