JP7217657B2 - 印刷制御装置 - Google Patents

Description

本発明は、複数のユーザの印刷ジョブの入力を受け付け、その受け付けた印刷ジョブに基づいて印刷処理を行う印刷装置に関するものである。

従来、複数のコンピュータなどと通信し、各コンピュータから出力された各ユーザの印刷ジョブの入力を受け付け、その受け付けた印刷ジョブに基づいて、印刷媒体に印刷処理を施す印刷装置が提案されている。

各コンピュータから出力された印刷ジョブは、印刷装置によって順次受け付けられ、通常、その受け付けた順番で印刷処理が行われる。そして、所定の印刷ジョブの印刷処理中に、その他の印刷ジョブを受け付けた場合には、その印刷ジョブは待機状態となる。待機状態の印刷ジョブは、その前に受け付けられた印刷ジョブの印刷処理が終了した時点から印刷処理が開始される。

特開２０１２－１１１１７８号公報

ここで、たとえば所定のユーザが、コンピュータから印刷装置に対して印刷ジョブを出力した際、他のユーザの印刷ジョブの印刷処理中である場合には、その他のユーザの印刷ジョブの印刷処理が完了するまで待たなければならず、時間の無駄である。特に、コンピュータと印刷装置とが離れて設置されている場合には、ユーザは、印刷装置の稼働状態を確認することができないため、自らの印刷ジョブの印刷処理が終了したと思って印刷物を取りにいったとしても、自らの印刷ジョブは待機状態となっていて、まだ印刷処理が終了しておらず、わざわざ印刷装置まで移動した分、時間の無駄となる。

たとえば特許文献１には、印刷ジョブに実行順（優先順）を設け、最も優先度の高いジョブのユーザに印刷可能であることを報知する方法が提案されている。

しかしながら、特許文献１に記載の方法では、自らの印刷ジョブが印刷可能な状態となった時点を認識することはできるが、その印刷可能な状態となるまでの時間は分からないため、どのくらい待てば自らの印刷ジョブが印刷可能な状態となるのか、ユーザは把握することができない。

印刷装置において待機状態の印刷ジョブの印刷処理時間については、その印刷設定条件や原稿のページ数からある程度の算出できるが、印刷する原稿の印字率や原稿データの大きさによって、印刷処理時間が大幅に長くなる場合があり、印刷処理時間を高精度に算出することは困難である。

本発明は、上記事情に鑑み、現在受け付けられている待機状態の印刷ジョブの印刷処理時間を高精度に推定することができる印刷装置を提供することを目的とする。

本発明の印刷装置は、複数のユーザの印刷ジョブの入力を受け付ける印刷ジョブ受付部と、印刷ジョブ受付部によって受け付けられた印刷ジョブに基づいて、印刷処理を行う印刷処理部と、印刷ジョブ受付部によって受け付けられた印刷ジョブの印刷処理に要する印刷処理時間を推定する推定部と、推定部によって推定された印刷処理時間を出力する出力部とを備え、推定部が、印刷ジョブ受付部によって現在受け付けられている印刷ジョブのユーザの情報と、現在受け付けられている印刷ジョブの印刷日時に関する情報と、ユーザの情報と印刷日時に関する情報とに対応する過去の印刷ジョブの印刷処理時間とに基づいて、現在受け付けられている印刷ジョブの印刷処理時間を推定する。

本発明の印刷装置によれば、現在受け付けられている印刷ジョブのユーザの情報と、現在受け付けられている印刷ジョブの印刷日時に関する情報と、ユーザの情報と印刷日時に関する情報とに対応する過去の印刷ジョブの印刷処理時間とに基づいて、現在受け付けられている印刷ジョブの印刷処理時間を推定するようにしたので、現在受け付けられている印刷ジョブの印刷処理時間を高精度に推定することができる。

本発明の印刷装置の一実施形態を用いた印刷システムの概略構成を示すブロック図 待機状態の印刷ジョブの一例を示す図 予想待機時間の表示例を示す図 図１に示す印刷システムの処理の流れを説明するためのフローチャート 過去の印刷ジョブの印刷日時とその印刷処理時間の平均値とを対応付けたテーブルの一例を示す図 過去の割り込み印刷ジョブの印刷日時とその印刷処理時間の平均値とを対応付けたテーブルの一例を示す図

以下、図面を参照して本発明の印刷装置の一実施形態を用いた印刷システムについて詳細に説明する。図１は、本実施形態の印刷システム１の概略構成図である。

本実施形態の印刷システム１は、図１に示すように、印刷装置１０と、学習済モデルサーバ装置２０と、印刷ジョブ出力装置３０とを備えている。なお、図１においては、印刷ジョブ出力装置３０を１つしか示していないが、実際には、印刷装置１０は、複数の印刷ジョブ出力装置３０と通信可能に構成されている。

印刷装置１０は、印刷ジョブ出力装置３０から出力された印刷ジョブに基づいて、紙やフィルムなどといったシート状の印刷媒体に対して印刷処理を行う。本実施形態の印刷装置１０は、印刷処理部１１と、制御部１２とを備えている。

印刷処理部１１は、後述する印刷ジョブ受付部１３によって受け付けられた印刷ジョブに基づいて、印刷媒体に対して印刷処理を施す。印刷処理部１１の印刷方式としては、たとえばインクジェット方式、レーザ方式および孔版印刷方式などがあるが、如何なる印刷方式でもよい。

制御部１２は、ＣＰＵ（Central Processing Unit）、半導体メモリおよびハードディスクなどを備え、印刷装置１０全体を制御する。制御部１２は、半導体メモリまたはハードディスクなどの記憶媒体に予め記憶された制御プログラムを実行し、かつ電気回路を動作させることによって、印刷装置１０の各部の動作を制御し、印刷処理を行う。

本実施形態の制御部１２は、図１に示すように、印刷ジョブ受付部１３と、推定部１４と、出力部１５とを備えている。

印刷ジョブ受付部１３は、印刷ジョブ出力装置３０から出力された印刷ジョブを受け付ける。印刷ジョブ受付部１３は、複数の印刷ジョブ出力装置３０から出力された印刷ジョブを受け付ける。

印刷ジョブ受付部１３は、通常、複数の印刷ジョブ出力装置３０からそれぞれ出力された印刷ジョブを順次受け付け、その受け付けた順番で印刷処理が施されるように、複数の印刷ジョブを並べて管理する。

また、印刷ジョブ受付部１３は、上述した通常の印刷ジョブ以外に割り込み印刷ジョブを受け付ける。割り込み印刷ジョブは、通常の印刷ジョブよりも印刷処理の優先度が高く設定された印刷ジョブである。印刷ジョブ受付部１３は、割り込み印刷ジョブを受け付けた際には、通常の印刷ジョブよりも順位を上げて割り込み印刷ジョブを並べて管理する。割り込み印刷ジョブは、たとえば最も早い順に並べられる。

推定部１４は、印刷ジョブ受付部１３によって受け付けられた印刷ジョブであって、待機状態の印刷ジョブの印刷処理に要する印刷処理時間を推定する。本実施形態の推定部１４は、印刷ジョブ受付部１３によって現在受け付けられている印刷ジョブのユーザの情報と、現在受け付けられている印刷ジョブの印刷日時に関する情報と、上記ユーザの情報と上記印刷日時に関する情報とに対応する過去の印刷ジョブの印刷処理時間に基づいて、現在受け付けられている印刷ジョブの印刷処理時間を推定する。なお、現在受け付けられている印刷ジョブとは、印刷装置１０において既に受け付けられているが、印刷処理前の待機状態の印刷ジョブのことである。また、現在受け付けられている印刷ジョブには、割り込み処理によって割り込んだ割り込み印刷ジョブも含む。

このように、現在受け付けられている印刷ジョブのユーザの情報とその印刷ジョブの印刷日時に関する情報とに対応する過去の印刷ジョブの印刷処理時間に基づいて、現在受け付けられている印刷ジョブの印刷処理時間を推定するのは、ユーザ毎に使用する原稿の種類にある程度の傾向があり（たとえば報告書のような文字ベースの原稿を多く印刷するユーザがいたり、写真やイラストの多い原稿を印刷するユーザなどがいたりする。）、また、ユーザ毎に日時や曜日などでルーチンワークとして印刷している原稿がある場合が多く、待機状態の印刷ジョブのユーザの情報とその印刷ジョブの印刷日時に関する情報とに対応する過去の印刷ジョブの印刷処理時間から、待機状態の印刷ジョブの印刷処理時間を高精度に推定することができるからである。

具体的には、本実施形態の推定部１４は、学習済モデルサーバ装置２０に予め記憶された学習済モデルを用いて、現在受け付けられている印刷ジョブの印刷処理時間を推定する。

学習済モデルサーバ装置２０に記憶された学習済モデルは、過去の印刷ジョブの印刷日時に関する情報とその印刷ジョブの印刷設定条件とを入力情報とし、その過去の印刷ジョブの印刷処理時間を出力情報として機械学習して得られた学習済モデルである。また、学習済モデルは、印刷ジョブのユーザ毎に生成される。

このように、学習済モデルを使用することによって、現在受け付けられている印刷ジョブの印刷処理時間をより高精度に推定することができる。

また、本実施形態では、過去の印刷ジョブの印刷設定条件を学習済モデルの入力情報に含めるようにしている。これは、印刷ジョブに設定される印刷設定条件は、ユーザや日時や曜日などである程度の傾向があるからである。これにより、現在受け付けられている印刷ジョブの印刷処理時間をさらに高精度に推定することができる。

なお、学習済モデルの生成方法については、後で詳述する。

本実施形態の推定部１４は、現在受け付けられている印刷ジョブからユーザ情報を抽出し、そのユーザ情報を学習済モデルサーバ装置２０に出力する。学習済モデルサーバ装置２０は、入力されたユーザ情報に対応する学習済モデルを推定部１４に出力する。

推定部１４は、学習済モデルサーバ装置２０から出力されたユーザ毎の学習済モデルを取得し、その学習済モデルに対して、現在受け付けている印刷ジョブ毎に、その印刷ジョブの印刷日時に関する情報と、印刷設定条件の情報とを入力することによって、現在受け付けられている印刷ジョブ毎の印刷処理時間を推定する。

具体的には、たとえば図２に示すように、現在受け付けられている印刷ジョブが、印刷ジョブＡと、印刷ジョブＢと、印刷ジョブＣであり、印刷ジョブＡのユーザ情報がＸであり、印刷ジョブＢのユーザ情報がＹであり、印刷ジョブＣのユーザ情報がＺであるとする。

この場合、推定部１４は、まず、印刷ジョブＡからユーザ情報Ｘを抽出し、印刷ジョブＢからユーザ情報Ｙを抽出し、印刷ジョブＣからユーザ情報Ｚを抽出し、これらのユーザ情報Ｘ，Ｙ，Ｚを学習済モデルサーバ装置２０に出力する。

学習済モデルサーバ装置２０は、印刷装置１０の推定部１４から出力されたユーザ情報Ｘ，Ｙ，Ｚを取得し、ユーザ情報Ｘについて予め生成された学習済モデルＭＸと、ユーザ情報Ｙについて予め生成された学習済モデルＭＹと、ユーザ情報Ｚについて予め生成された学習済モデルＭＺとを特定し、これらの学習済モデルＭＸ，ＭＹ，ＭＺを印刷装置１０の推定部１４に出力する。

推定部１４は、印刷ジョブＡの印刷処理時間を推定する際には、学習済モデルＭＸに対して、印刷ジョブＡの印刷日時に関する情報と、印刷ジョブＡの印刷設定条件の情報とを入力することによって、印刷ジョブＡの印刷処理時間ＴＡを推定する。また、印刷ジョブＢの印刷処理時間を推定する際には、学習済モデルＭＹに対して、印刷ジョブＢの印刷日時に関する情報と、印刷ジョブＢの印刷設定条件の情報とを入力することによって、印刷ジョブＢの印刷処理時間ＴＢを推定する。また、印刷ジョブＣの印刷処理時間を推定する際には、学習済モデルＭＺに対して、印刷ジョブＣの印刷日時に関する情報と、印刷ジョブＣの印刷設定条件の情報とを入力することによって、印刷ジョブＣの印刷処理時間ＴＣを推定する。

さらに、本実施形態の推定部１４は、現在受け付けている印刷ジョブ以外の割り込み印刷ジョブであって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する。割り込み印刷ジョブの発生頻度は、日時や曜日などによってある程度傾向がある。したがって、本実施形態の推定部１４は、現在の日時に関する情報と、現在の日時に関する情報に対応する過去の日時において受け付けられた割り込み印刷ジョブの印刷処理時間とに基づいて、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する。これにより、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を高精度に推定することができる。

具体的には、本実施形態の推定部１４は、学習済モデルサーバ装置２０から割り込み印刷ジョブ用の学習済モデルＤを取得する。

割り込み印刷ジョブ用の学習済モデルＤは、過去の割り込み印刷ジョブの印刷日時に関する情報を入力情報とし、その過去の日時において受け付けられた割り込み印刷ジョブの印刷処理時間を出力情報として機械学習して得られた学習済モデルである。

推定部１４は、割り込み印刷ジョブ用の学習済モデルＤに対して、現在の日時情報を入力することによって、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間ＴＤを推定する。現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間は、現在の日時において受け付けられる可能性が高い割り込み印刷ジョブの印刷処理時間である。現在の日時情報としては、たとえば３月１０日１２時～１３時のように所定の時間帯が学習済モデルＤに入力され、学習済モデルＤは、この時間帯に受け付けられる可能性が高い割り込み印刷ジョブの印刷処理時間を出力する。所定の時間帯に受け付けられる割り込み印刷ジョブの数は、１つに限らず、複数の場合もあり、その場合、推定部１４は、複数の割り込み印刷ジョブの印刷処理時間を加算して、印刷処理時間ＴＤを推定する。

このように、割り込み印刷ジョブ用の学習済モデルＤを用いて将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定することによって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間をより高精度に推定することができる。

そして、推定部１４は、現在受け付けられている印刷ジョブＡ，Ｂ，Ｃの印刷処理時間ＴＡ，ＴＢ，ＴＣと将来受け付け見込みの割り込み印刷ジョブの印刷処理時間ＴＤとを加算して、予想待機時間ＷＴ（本発明の全体印刷処理時間に相当する）を算出し、出力部１５に出力する。

このように、現在受け付けられている印刷ジョブの印刷処理時間だけでなく、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定して加算することによって、より現実に近い予想待機時間を算出することができる。

出力部１５は、推定部１４において算出された予想待機時間ＷＴを印刷ジョブ出力装置３０に出力する。具体的には、本実施形態の出力部１５は、現在受け付けられている印刷ジョブの情報と、現在受け付けられている印刷ジョブのユーザ情報と、上述した予想待機時間ＷＴとを印刷ジョブ出力装置３０に出力する。

印刷ジョブ出力装置３０は、印刷装置１０の出力部１５から出力された、現在受け付けられている印刷ジョブの情報と、現在受け付けられている印刷ジョブのユーザ情報と、予想待機時間ＷＴを取得し、これを表示する。印刷ジョブ出力装置３０は、たとえば図３に示すように、印刷装置１０において現在受け付けられている印刷ジョブの数を待機ジョブ数としてテキスト表示し、その印刷ジョブのユーザの数を待機ユーザ数としてテキスト表示し、予想待機時間ＷＴをテキスト表示する。

印刷ジョブ出力装置３０は、コンピュータから構成されるものである。印刷ジョブ出力装置３０は、ＣＰＵ、半導体メモリおよびハードディスクなどを有する本体部３１と、種々の情報を表示する表示部３２と、種々の情報の入力を受け付ける入力部３３とを備えている。表示部３２は、たとえば液晶パネルを備え、入力部３３は、キーボードやマウスなどを備える。なお、印刷ジョブ出力装置３０をタブレット端末としてもよく、その場合、表示部３２と入力部３３は、タッチパネルから構成される。

本体部３１の半導体メモリまたはハードディスクには、印刷装置１０のプリンタドライバがインストールされている。プリンタドライバは、印刷設定条件および割り込み処理の有無の情報の入力を受け付ける入力画面や、上述した待機ジョブ数、待機ユーザ数および予想待機時間を含む印刷装置待機情報を表示部３２に表示させる。

印刷設定条件は、ユーザによって入力部３３を用いて設定入力される。印刷設定条件としては、印刷ページ数、印刷部数、Ｎアップ印刷の情報および後処理（たとえばオフセット出力、ステープル処理および製本処理など）の情報などがあるが、その他の印刷に関する設定条件であれば、如何なる条件を含めてもよい。

上述した学習済モデルを得る際に用いられる過去の印刷ジョブの印刷設定条件や、現在受け付けられている印刷ジョブの印刷処理時間を推定する際に学習済モデルに入力される印刷設定条件も同様である。

また、割り込み処理の有無の情報とは、印刷ジョブが、通常の印刷ジョブであるか、割り込み印刷ジョブであるかを示す情報である。割り込み処理有りの場合には、割り込み処理有りの情報が、たとえば印刷ジョブのヘッダ部分などに含まれ、印刷装置１０によってその印刷ジョブが受け付けられた際、割り込み印刷ジョブとして処理される。

プリンタドライバは、ユーザの印刷指示を受け付けた場合、原稿データと、上述した印刷設定条件と、ユーザの情報と、割り込み処理の有無の情報とを含む印刷ジョブを生成し、その印刷ジョブを印刷装置１０に出力する。

ただし、本実施形態のプリンタドライバは、印刷ジョブを出力する前に、上述した印刷装置待機情報の取得要求を印刷装置１０に出力する。そして、印刷装置１０が上記取得要求を受け付けた場合に、印刷装置１０からプリンタドライバに対して現在の印刷装置待機情報が出力され、プリンタドライバが、表示部３２に表示させる。ユーザは、表示部３２に表示された印刷装置待機情報を確認し、印刷指示を継続して行うか判断する。ユーザが継続して印刷指示を行った場合に、プリンタドライバから印刷装置１０に印刷ジョブが出力される。

なお、本実施形態においては、印刷装置待機情報を印刷ジョブ出力装置３０において表示するようにしたが、これに限らず、印刷装置１０が有するタッチパネルなどの表示部に表示させるようにしてもよい。

学習済モデルサーバ装置２０は、上述したようにユーザ毎の学習済モデルと、割り込み印刷ジョブ用の学習済モデルとを生成する学習済モデル生成部２１と、学習済モデル生成部２１で生成されたユーザ毎の学習済モデルと割り込み印刷ジョブ用の学習済モデルとを記憶する記憶部２２とを備える。

学習済モデルサーバ装置２０は、ＣＰＵ、半導体メモリおよびハードディスクなどを備え、その半導体メモリまたはハードディスクには、学習済モデルを生成するための学習済モデル生成プログラムがインストールされている。この学習済モデル生成プログラムがＣＰＵによって実行されることによって、学習済モデル生成部２１および記憶部２２が機能する。

以下、ユーザ毎の学習済モデルの生成方法について説明する。

まず、本実施形態の印刷装置１０は、印刷ジョブの印刷処理が終了する度にまたは一定の期間毎に、印刷処理が終了した印刷ジョブと、その印刷ジョブの印刷日時の情報と、その印刷ジョブの印刷処理に実際に要した印刷処理時間とを学習済モデルサーバ装置２０に出力する。なお、印刷ジョブの印刷日時の情報としては、たとえば印刷装置１０がその印刷ジョブを受け付けた時点が何月の何週目の何曜日であるといった粒度の情報が用いられるが、これに限らず、日付と時間帯の情報などその他の情報を用いるようにしてもよい。また、印刷ジョブの印刷処理に実際に要した印刷処理時間は、たとえば印刷装置１０に設けられたタイマなどによって計測される。

そして、印刷装置１０から出力された印刷ジョブと印刷日時の情報と実際に要した印刷処理時間は、学習済モデル生成部２１に入力される。学習済モデル生成部２１は、入力された印刷ジョブからユーザの情報を抽出し、そのユーザの情報に基づいて、印刷ジョブをユーザ毎に分類する。

次いで、学習済モデル生成部２１は、印刷ジョブの印刷日時の情報と、印刷ジョブに含まれる印刷設定条件とを入力情報とし、その印刷ジョブの実際に要した印刷処理時間を出力情報として機械学習を行うことによって、学習済モデルを生成する。機械学習の方法としては、公知な手法を用いることができ、サポートベクタマシン（ＳＶＭ）、ディープニューラルネットワーク（ＤＮＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、およびデノイジングスタックオートエンコーダ（ＤＳＡ）などを用いることができる。

学習済モデル生成部２１は、ユーザ毎に分類された印刷ジョブの印刷日時の情報と、印刷ジョブに含まれる印刷設定条件と、その印刷ジョブの実際に要した印刷処理時間とを用いて、ユーザ毎の学習済モデルを生成する。

次に、割り込み印刷ジョブ用の学習済モデルを生成する方法について説明する。

まず、本実施形態の印刷装置１０は、割り込み処理有りの情報を含む割り込み印刷ジョブの印刷処理が終了する度にまたは一定の期間毎に、印刷処理が終了した割り込み印刷ジョブの印刷日時の情報と、その割り込み印刷ジョブの印刷処理に実際に要した印刷処理時間とを学習済モデルサーバ装置２０に出力する。なお、割り込み印刷ジョブの印刷日時の情報は、通常の印刷ジョブの印刷日時の情報と同様である。

そして、印刷装置１０から出力された割り込み印刷ジョブの印刷日時の情報と実際に要した印刷処理時間は、学習済モデル生成部２１に入力される。

次いで、学習済モデル生成部２１は、割り込み印刷ジョブの印刷日時の情報を入力情報とし、その印刷ジョブの実際に要した印刷処理時間を出力情報として機械学習を行うことによって、割り込み印刷ジョブ用の学習済モデルを生成する。機械学習の方法としては、公知な手法を用いることができ、サポートベクタマシン（ＳＶＭ）、ディープニューラルネットワーク（ＤＮＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、およびデノイジングスタックオートエンコーダ（ＤＳＡ）などを用いることができる。

なお、上記説明では、現在の日時の情報に基づいて、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定するようにしたが、この際、現在受け付けている印刷ジョブの推定された印刷処理時間も考慮するようにしてもよい。すなわち、現在受け付けている印刷ジョブの印刷処理時間が長ければ長いほど、その印刷処理時間の間に受け付け可能な割り込み印刷ジョブの数は増えることになる。

したがって、割り込み印刷ジョブ用の学習済モデルを生成する際、入力情報として、割り込み印刷ジョブの印刷日時の時点において受け付けられている印刷ジョブの印刷処理時間またはその印刷ジョブの数を含めるようにしてもよい。

そして、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する際には、割り込み印刷ジョブ用の学習済モデルに対して、現在の日時の情報と、その時点において受け付けられている印刷ジョブの推定された印刷処理時間またはその印刷ジョブの数を入力するようにすればよい。

また、上述したように将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する際、これから印刷装置１０に入力しようとする印刷ジョブの優先度も考慮するようにしてもよい。

具体的には、たとえば印刷ジョブに対して印刷処理の優先度を設定可能なように構成した場合、これから印刷装置１０に入力される印刷ジョブの優先度が高い場合には、たとえ既に複数の印刷ジョブが受け付けられている場合でも、その印刷ジョブの印刷処理が開始されるまでの時間が短いため、割り込み印刷ジョブが割り込まれる可能性が低くなる。

したがって、これから印刷装置１０に入力される印刷ジョブの優先度が高いほど、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間が短くなるように推定するようにしてもよい。

具体的には、上述したように割り込み印刷ジョブ用の学習済モデルによって推定された将来受け付け見込みの割り込み印刷ジョブの印刷処理時間に対して、これから印刷装置１０に入力される印刷ジョブの優先度に応じた係数を掛けあわせることによって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を調整するようにしてもよい。

記憶部２２は、たとえばハードディスクから構成され、学習済モデル生成部２１によって生成されたユーザ毎の学習済モデルと割り込み印刷ジョブ用の学習済モデルを記憶する。

次に、本実施形態の印刷システム１の処理の流れについて、図４に示すフローチャートを参照しながら説明する。

まず、印刷ジョブ出力装置３０において印刷ジョブが生成される（Ｓ１０）。そして、印刷ジョブ出力装置３０において印刷ジョブの印刷指示が入力された際、印刷ジョブ出力装置３０から印刷装置１０に対して、上述した印刷装置待機情報の取得要求が出力される（Ｓ１２）。

印刷装置１０は、上記取得要求を受け付けた場合には、現在受け付けている印刷ジョブのユーザ情報を学習済モデルサーバ装置２０に出力する（Ｓ１４）。学習済モデルサーバ装置２０は、印刷装置１０から出力されたユーザ情報を取得し、そのユーザ情報に対応する学習済モデルと、割り込み印刷ジョブ用の学習済モデルとを印刷装置１０に出力する（Ｓ１６）。

そして、印刷装置１０は、現在受け付けている印刷ジョブの印刷日時に関する情報と、その印刷ジョブの印刷設定条件の情報とを、ユーザ毎の学習済モデルに入力することによって、現在受け付けている印刷ジョブの印刷処理時間を推定する（Ｓ１８）。

また、印刷装置１０は、現在の日時の情報を割り込み印刷ジョブ用の学習済モデルに入力することによって、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する。

そして、印刷装置１０は、現在受け付けている印刷ジョブの印刷処理時間と将来受け付け見込みの割り込み印刷ジョブの印刷処理時間とを加算した予想待機時間を含む現在の印刷装置待機情報を印刷ジョブ出力装置３０に出力する（Ｓ２０）。そして、印刷ジョブ出力装置３０の表示部３２に現在の印刷装置待機情報が表示される（Ｓ２２）。

印刷ジョブ出力装置３０の表示部３２に表示された印刷装置待機情報がユーザによって確認され、ユーザは、印刷指示を継続して行うか判断する（Ｓ２４）。そして、ユーザが継続して印刷指示を行った場合には（Ｓ２４，ＹＥＳ）、プリンタドライバから印刷装置１０に印刷ジョブが出力される（Ｓ２６）。一方、ユーザが継続して印刷指示を行わなかった場合には（Ｓ２４，ＮＯ）、プリンタドライバから印刷装置１０に印刷ジョブが出力されず、そのまま処理を終了する。

そして、印刷装置１０は、入力された印刷ジョブの印刷処理（Ｓ２８）が終了した際、その印刷ジョブと、その印刷ジョブの印刷日時の情報と、その印刷ジョブの印刷処理に実際に要した印刷処理時間とを学習済モデルサーバ装置２０に出力する（Ｓ３０）。

学習済モデルサーバ装置２０は、入力された印刷ジョブが通常の印刷ジョブである場合には（Ｓ３２，通常の印刷ジョブ）、その印刷ジョブをユーザ毎に分類した後、その印刷ジョブの印刷日時の情報と、印刷ジョブに含まれる印刷設定条件とを入力情報とし、その印刷ジョブの実際に要した印刷処理時間を出力情報として機械学習を行うことによって、ユーザ毎の学習済モデルの機械学習をさらに進める（Ｓ３４）。

一方、学習済モデルサーバ装置２０は、入力された印刷ジョブが割り込み印刷ジョブである場合には（Ｓ３２，割り込み印刷ジョブ）、その割り込み印刷ジョブの印刷日時の情報を入力情報とし、その印刷ジョブの実際に要した印刷処理時間を出力情報として機械学習を行うことによって、割り込み印刷ジョブ用の学習済モデルの機械学習をさらに進める（Ｓ３６）。なお、割り込み印刷ジョブの印刷日時の情報、印刷設定条件および印刷処理時間を、ユーザ毎の学習済モデルの機械学習に用いるようにしてもよい。

なお、上記実施形態の印刷システム１においては、ユーザ毎の学習済モデルおよび割り込み印刷ジョブ用の学習済モデルを、印刷装置１０とは別の学習済モデルサーバ装置２０に記憶するようにしたが、これに限らず、印刷装置１０に記憶するようにしてもよい。

また、上記実施形態の印刷システム１においては、ユーザ毎の学習済モデルを生成する際、過去の印刷ジョブの印刷日時に関連する情報を入力情報とするようにしたが、入力情報として、その印刷日時におけるイベント情報を含めるようにしてもよい。イベント情報としては、たとえば夏休みの情報やゴールデンウィークの情報など休暇に関する情報や、会社などで企画されるイベントの開催情報などがある。これらのイベント情報は、印刷ジョブの原稿内容に関連がある情報であるので、学習済モデルの入力情報とすることによって、印刷ジョブの印刷処理時間の推定精度を上げることができる。

イベント情報は、印刷ジョブ内に含めるようにしてもよいし、ユーザが、印刷装置１０において日時情報と対応付けて設定入力するようにしてもよい。そして、学習済モデルを用いて現在受け付けられている印刷ジョブの印刷処理時間を推定する際には、現在受け付けられている印刷ジョブからイベント情報を抽出して学習済モデルに入力するか、現在受け付けられている印刷ジョブの印刷日時に対応するイベント情報を求めて、学習済モデルに入力するようにすればよい。

また、上記実施形態の印刷システム１においては、印刷装置１０において現在受け付けられている印刷ジョブの印刷処理時間を推定する際、ユーザ毎の学習済モデルを使用するようにしたが、学習済モデルを使用するのではなく、過去の印刷ジョブの印刷処理時間の統計値に基づいて、現在受け付けられている印刷ジョブの印刷処理時間を推定するようにしてもよい。

具体的には、たとえば図５に示すように、ユーザ毎について、過去の印刷ジョブの印刷日時とその印刷処理時間の統計値とを対応付けたテーブルを印刷装置１０の制御部１２に予め設定しておく。なお、図５においては、ユーザＸのテーブルのみ示している。

図５に示すテーブルにおける印刷処理時間Ｔｘ１は、たとえば２０００年～２０１９年の各年の３月１０日９時～１０時において、ユーザＸが印刷ジョブの印刷処理を行った際に要した印刷処理時間の平均値である。また、図５に示すテーブルにおける印刷処理時間Ｔｘ５は、２０００年～２０１９年の各年の３月１０日１３時～１４時において、ユーザＸが印刷ジョブの印刷処理を行った際に要した印刷処理時間の平均値である。

このように、図５に示すテーブルは、２０００年～２０１９年の各年において、同一日、同一時間帯において印刷ジョブの印刷処理が行われた際に要した印刷処理時間の平均値を、時間帯毎およびユーザ毎に設定したテーブルである。

制御部１２は、現在受け付けられている印刷ジョブの印刷処理時間を推定する際には、現在受け付けられている印刷ジョブのユーザ情報および印刷日時の情報に基づいて、図５に示すテーブルを参照し、現在受け付けられている印刷ジョブとユーザ情報が同じであり、かつ現在受け付けられている印刷ジョブの印刷日時が属する時間帯の印刷処理時間の平均値を特定し、その特定した平均値を現在受け付けられている印刷ジョブの印刷処理時間として推定する。

なお、図５に示すテーブルにおける時間帯の長さについては、１時間に限らず、これよりも短くしてもよいし、長くしてもよい。

また、上記実施形態の印刷システム１においては、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する際にも、学習済モデルを使用するのではなく、過去の割り込み印刷ジョブの印刷処理時間の統計値に基づいて、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定するようにしてもよい。

具体的には、たとえば図６に示すように、過去の割り込み印刷ジョブの印刷日時とその印刷処理時間の統計値とを対応付けたテーブルを印刷装置１０の制御部１２に予め設定しておく。図６に示すテーブルにおける印刷処理時間Ｔｉｎ１は、たとえば２０００年～２０１９年の各年の３月１０日９時～１０時において、割り込み印刷ジョブの印刷処理が行われた際に要した印刷処理時間の平均値である。なお、この時間帯において、複数の割り込み印刷ジョブの印刷処理が行われた場合には、その印刷処理時間の加算値を用いて平均値を算出する。

また、図６に示すテーブルにおける印刷処理時間Ｔｉｎ５は、２０００年～２０１９年の各年の３月１０日１３時～１４時において、割り込み印刷ジョブの印刷処理が行われた際に要した印刷処理時間の平均値である。このように、図６に示すテーブルは、２０００年～２０１９年の各年において、同一日、同一時間帯において割り込み印刷ジョブの印刷処理が行われた際に要した印刷処理時間の平均値を、時間帯毎に設定したテーブルである。

制御部１２は、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する際には、現在の日時の情報に基づいて、図６に示すテーブルを参照し、現在の日時が属する時間帯の印刷処理時間の平均値を特定し、その特定した平均値を、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間として推定する。

なお、図６に示すテーブルにおける時間帯の長さについても、１時間に限らず、これよりも短くしてもよいし、長くしてもよい。

また、上記説明では、現在の日時の情報に基づいて、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定するようにしたが、この際、現在受け付けている印刷ジョブの推定された印刷処理時間も考慮して、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を長くしたり、短くしたりしてもよい。

すなわち、現在受け付けている印刷ジョブの印刷処理時間が長ければ長いほど、その印刷処理時間の間に受け付け可能な割り込み印刷ジョブの数は増えることになる。したがって、たとえば図６に示すテーブルを用いて推定された将来受け付け見込みの割り込み印刷ジョブの印刷処理時間に対して、現在受け付けている印刷ジョブの印刷処理時間の長さに応じた係数をかけ合わせることによって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を調整するようにしてもよい。

また、上述したように図６に示すテーブルを用いて将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する場合においても、これから印刷装置１０に入力しようとする印刷ジョブの優先度も考慮するようにしてもよい。すなわち、これから印刷装置１０に入力される印刷ジョブの優先度が高いほど、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間が短くなるように推定するようにしてもよい。具体的には、上述したように図６に示すテーブルを用いて推定された将来受け付け見込みの割り込み印刷ジョブの印刷処理時間に対して、これから印刷装置１０に入力される印刷ジョブの優先度に応じた係数を掛けあわせることによって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を調整するようにしてもよい。

本発明の印刷装置に関し、さらに以下の付記を開示する。
（付記）

本発明の印刷装置において、推定部は、過去の印刷ジョブの印刷日時に関する情報を入力情報とし、過去の印刷ジョブの印刷処理時間を出力情報として機械学習して得られた学習済モデルであって、ユーザ毎に得られた学習済モデルに対して、現在受け付けられている印刷ジョブの印刷日時に関する情報を入力することによって、現在受け付けられている印刷ジョブの印刷処理時間を推定することができる。

また、上記本発明の印刷装置において、学習済モデルの入力情報は、過去の印刷ジョブの印刷設定条件をさらに含むことができ、推定部は、学習済モデルに対して、現在受け付けられている印刷ジョブの印刷日時に関する情報および印刷設定条件を入力することによって、現在受け付けられている印刷ジョブの印刷処理時間を推定することができる。

また、上記本発明の印刷装置において、推定部は、現在受け付けられている印刷ジョブ以外の割り込み印刷ジョブであって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定し、現在受け付けられている印刷ジョブの印刷処理時間と将来受け付け見込みの割り込み印刷ジョブの印刷処理時間とを全体印刷処理時間として推定することができる。

また、上記本発明の印刷装置において、推定部は、現在の日時に関する情報と、現在の日時に関する情報に対応する過去の日時において受け付けられた割り込み印刷ジョブの印刷処理時間とに基づいて、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定することができる。

また、上記本発明の印刷装置において、推定部は、過去の割り込み印刷ジョブの印刷日時に関する情報を入力情報とし、過去の割り込み印刷ジョブの印刷処理時間を出力情報として機械学習して得られた学習済モデルに対して、現在の日時に関する情報を入力することによって、現在の日時において将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定することができる。

１ 印刷システム
１０ 印刷装置
１１ 印刷処理部
１２ 制御部
１３ 印刷ジョブ受付部
１４ 推定部
１５ 出力部
２０ 学習済モデルサーバ装置
２１ 学習済モデル生成部
２２ 記憶部
３０ 印刷ジョブ出力装置
３１ 本体部
３２ 表示部
３３ 入力部

Claims (7)

1. 複数のユーザの印刷ジョブの入力を受け付ける印刷ジョブ受付部と、
   前記印刷ジョブ受付部によって受け付けられた印刷ジョブの印刷処理に要する印刷処理時間を推定する推定部とを備え、
   前記推定部が、前記印刷ジョブ受付部によって現在受け付けられている印刷ジョブのユーザの情報と、前記現在受け付けられている印刷ジョブの印刷日時に関する情報と、前記ユーザの情報と前記印刷日時に関する情報とに対応する過去の印刷ジョブの印刷処理時間とに基づいて、前記現在受け付けられている印刷ジョブの印刷処理時間を推定する印刷制御装置。
2. 前記推定部が、過去の印刷ジョブの印刷日時に関する情報を入力情報とし、前記過去の印刷ジョブの印刷処理時間を出力情報として機械学習して得られた学習済モデルであって、前記ユーザ毎に得られた前記学習済モデルに対して、前記現在受け付けられている印刷ジョブの印刷日時に関する情報を入力することによって、前記現在受け付けられている印刷ジョブの印刷処理時間を推定する請求項１記載の印刷制御装置。
3. 前記学習済モデルの前記入力情報が、前記過去の印刷ジョブの印刷設定条件をさらに含み、
   前記推定部が、前記学習済モデルに対して、前記現在受け付けられている印刷ジョブの印刷日時に関する情報および印刷設定条件を入力することによって、前記現在受け付けられている印刷ジョブの印刷処理時間を推定する請求項２記載の印刷制御装置。
4. 前記推定部が、前記現在受け付けられている印刷ジョブ以外の割り込み印刷ジョブであって、将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定し、前記現在受け付けられている印刷ジョブの印刷処理時間と前記将来受け付け見込みの割り込み印刷ジョブの印刷処理時間とを全体印刷処理時間として推定する請求項１から３いずれか１項記載の印刷制御装置。
5. 前記推定部が、現在の日時に関する情報と、前記現在の日時に関する情報に対応する過去の日時において受け付けられた割り込み印刷ジョブの印刷処理時間とに基づいて、前記現在の日時において前記将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する請求項４記載の印刷制御装置。
6. 前記推定部が、前記過去の割り込み印刷ジョブの印刷日時に関する情報を入力情報とし、前記過去の割り込み印刷ジョブの印刷処理時間を出力情報として機械学習して得られた学習済モデルに対して、前記現在の日時に関する情報を入力することによって、前記現在の日時において前記将来受け付け見込みの割り込み印刷ジョブの印刷処理時間を推定する請求項５記載の印刷制御装置。
7. 前記推定部によって推定された印刷処理時間に基づいて算出された予想待機時間を出力する出力部を備える請求項１から６いずれか１項記載の印刷制御装置。

Images