KR20220037616A - 발생된 에러에 대한 솔루션 제공 - Google Patents

발생된 에러에 대한 솔루션 제공 Download PDF

Info

Publication number
KR20220037616A
KR20220037616A KR1020200120305A KR20200120305A KR20220037616A KR 20220037616 A KR20220037616 A KR 20220037616A KR 1020200120305 A KR1020200120305 A KR 1020200120305A KR 20200120305 A KR20200120305 A KR 20200120305A KR 20220037616 A KR20220037616 A KR 20220037616A
Authority
KR
South Korea
Prior art keywords
error
information
solution
image forming
forming apparatus
Prior art date
Application number
KR1020200120305A
Other languages
English (en)
Inventor
배성훈
황기영
김한성
한호성
홍승욱
김한남
Original Assignee
휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피. filed Critical 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피.
Priority to KR1020200120305A priority Critical patent/KR20220037616A/ko
Priority to US18/023,803 priority patent/US20230315562A1/en
Priority to PCT/US2021/021861 priority patent/WO2022060410A1/en
Publication of KR20220037616A publication Critical patent/KR20220037616A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00026—Methods therefor
    • H04N1/00029—Diagnosis, i.e. identifying a problem by comparison with a normal state
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0775—Content or structure details of the error report, e.g. specific table structure, specific error fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0733—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a data processing system embedded in an image processing device, e.g. printer, facsimile, scanner
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00007—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for relating to particular apparatus or devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00026—Methods therefor
    • H04N1/00042—Monitoring, i.e. observation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/00002—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for
    • H04N1/00071—Diagnosis, testing or measuring; Detecting, analysing or monitoring not otherwise provided for characterised by the action taken
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32609—Fault detection or counter-measures, e.g. original mis-positioned, shortage of paper
    • H04N1/32625—Fault detection
    • H04N1/3263—Fault detection of reading apparatus or transmitter, e.g. original jam
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32609—Fault detection or counter-measures, e.g. original mis-positioned, shortage of paper
    • H04N1/32646—Counter-measures
    • H04N1/32651—Indicating or reporting
    • H04N1/32662—Indicating or reporting remotely, e.g. to the transmitter from the receiver

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimiles In General (AREA)
  • Accessory Devices And Overall Control Thereof (AREA)

Abstract

에러 처리 방법은 화상 형성 장치에서 발생된 에러를 감지하는 단계, 감지된 에러에 대한 에러 정보를 외부 장치로 전송하는 단계, 수신된 에러 정보를 기초로 에러 카테고리를 식별하는 단계, 식별된 에러 카테고리에 기초하여 수신된 에러 정보에 대한 적어도 하나의 솔루션을 화상 형성 장치로 제공하는 단계, 제공된 적어도 하나의 솔루션을 적용한 결과 정보를 외부 장치로 전송하는 단계 및 결과 정보에 기초하여 제공된 적어도 하나의 솔루션을 업데이트하는 단계를 포함한다.

Description

발생된 에러에 대한 솔루션 제공{Providing Solutions on an Error occurred}
화상 형성 장치는 컴퓨터와 같은 단말장치에서 생성된 인쇄 데이터를 인쇄 용지에 인쇄하는 장치를 의미한다. 이러한 화상 형성 장치의 예로는 복사기, 프린터, 팩시밀리, 스캐너 또는 이들의 기능을 하나의 장치를 통해 복합적으로 구현하는 복합기(Multi-Function Peripheral: MFP) 등을 들 수 있다.
도 1은 일 예에 따른 화상 형성 시스템의 구성을 나타내는 도면,
도 2는 일 예에 따른 에러 처리 방법을 설명하기 위한 흐름도,
도 3은 일 예에 따른 컴퓨터 판독 가능 기록 매체에 저장되는 명령어들을 설명하기 위한 도면,
도 4는 일 예에 따른 화상 형성 장치의 구성을 나타내는 블록도,
도 5는 일 예에 따른 화상 형성 장치의 동작을 설명하기 위한 블록도,
도 6은 일 예에 따른 서버의 구성을 나타내는 블록도,
도 7은 일 예에 따른 서버의 동작을 설명하기 위한 블록도,
도 8은 일 예에 따른 화상 형성 시스템의 동작을 설명하기 위한 시퀀스도,
도 9a는 일 예에 따른 화상 형성 장치의 설정 메뉴의 사용자 인터페이스(User Interface, UI)를 설명하는 도면,
도 9b는 일 예에 따른 화상 형성 장치의 지원 툴 메뉴의 UI를 설명하는 도면,
도 9c는 일 예에 따른 화상 형성 장치의 에러 리스트 UI를 설명하는 도면,
도 9d는 일 예에 따른 화상 형성 장치가 솔루션을 수신하는 UI를 설명하는 도면,
도 9e는 일 예에 따른 솔루션 리스트 UI를 설명하는 도면,
도 9f는 일 예에 따른 에러 처리 결과 UI를 설명하는 도면,
도 10은 일 예에 따른 머신 러닝을 이용한 에러에 따른 솔루션을 학습하는 과정을 설명하는 블록도, 그리고,
도 11은 일 예에 따른 머신 러닝을 이용한 에러에 따른 솔루션을 업데이트하는 과정을 설명하는 블록도이다.
이하에서는 도면을 참조하여 다양한 예들을 상세히 설명한다. 이하에서 설명되는 예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다.
한편, 본 명세서에서 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 ‘직접적으로 연결’되어 있는 경우뿐 아니라, ‘그 중간에 다른 구성을 사이에 두고 연결’되어 있는 경우도 포함한다. 또한, 어떤 구성이 다른 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들 더 포함할 수도 있다는 것을 의미한다. 한편, 각 예는 독립적으로 구현되거나 동작될 수도 있지만, 각 예는 조합되어 구현되거나 동작될 수도 있다.
본 명세서에서 “화상 형성 작업(image forming job)”이란 화상의 형성 또는 화상 파일의 생성/저장/전송 등과 같이 화상과 관련된 다양한 작업들(e.g. 인쇄, 스캔 또는 팩스)을 의미할 수 있으며, “작업(job)”이란 화상 형성 작업을 의미할 뿐 아니라, 화상 형성 작업의 수행을 위해서 필요한 일련의 프로세스들을 모두 포함하는 의미일 수 있다.
또한, “화상 형성 장치”란 컴퓨터와 같은 단말 장치에서 생성된 인쇄 데이터를 기록 용지에 인쇄하는 장치를 말한다. 이러한 화상 형성 장치의 예로는 복사기, 프린터, 팩시밀리, 스캐너 또는 이들의 기능을 하나의 장치를 통해 복합적으로 구현하는 복합기(multi-function printer, MFP)등을 들 수 있다.
또한, "외부 장치"란 화상 형성 장치로 네트워크를 통해 정보나 서비스를 제공하는 장치를 말한다. 예를 들어, 외부 장치는 서버, 클라우드, 웹서버, 호스트 장치, 사용자 단말 장치일 수 있다. 외부 장치가 서버인 경우, 서버의 예로는 결제 서버, 관리 서버 등을 포함할 수 있다. 그리고 서비스는 하나의 물리적 서버에서 제공될 수도 있으며, 하나의 물리적 서버를 나눈 가상의 서버(또는 클라우드 서버)에서 제공될 수 있다. 본 명세서는 복수 개의 외부 장치를 포함할 수 있다. 예를 들어, 하나의 외부 장치는 화상 형성 장치의 에러 처리를 위한 동작을 수행하는 일반적인 서버, 다른 하나의 외부 장치는 에러 및 솔루션을 학습하고, 학습된 에러 해결 모델을 생성하는 인공지능(Artificial Intelligence, AI) 클라우드(또는, AI 서버)일 수 있다.
또한, 화상 형성 장치의 에러 처리 방식은“자동 모드”, “수동 모드” 및 “커스텀 모드”를 포함할 수 있다. 자동 모드는 자동으로 에러 정보를 서버로 전송하고, 서버로부터 수신된 솔루션을 우선 순위에 기초하여 자동으로 적용하는 방식일 수 있다. 수동 모드는 사용자의 선택에 의해 에러 정보를 서버로 전송하고, 서버로부터 수신된 솔루션 중 사용자가 선택한 솔루션을 적용하는 방식일 수 있다. 커스텀 모드는 수동 모드와 유사하게 솔루션을 적용할 수 있다. 또한, 커스텀 모드는 에러 정보와 직접적으로 연관되는 솔루션이 없는 경우, 사용자가 서버로 전송한 메시지에 기초하여 서버로부터 제공된 관련 솔루션을 참고하여 사용자에 의해 에러 처리 과정이 수행되는 방식일 수 있다.
화상 형성 장치를 포함하는 모든 전자 장치에서는 사용 중에 다양한 에러가 발생할 수 있다. 일반적으로 발생된 에러를 해결하기 위해 제조사가 펌웨어를 업데이트하거나 홈페이지에 FAQ 및 문제 유형별 가이드를 제공하고 있다. 그러나, 사용자는 전문 지식이 없어 발생된 에러의 분류를 식별하거나 적절한 솔루션을 적용하는데 어려움이 있다. 또한, 펌웨어 업데이트 및 문제 유형별 가이드는 데이터가 축적된 이후 제공되기 때문에 사용자는 발생된 문제에 대해 실시간으로 해결하기 어려움이 있다.
따라서, 본 개시는 화상 형성 장치에서 발생된 에러를 실시간으로 확인하고, 확인된 에러에 대한 적절한 솔루션을 실시간으로 사용자에게 제공하는 방법을 제공한다.
도 1은 일 예에 따른 화상 형성 시스템의 구성을 나타내는 도면이다.
도 1을 참조하면, 화상 형성 시스템(1000)은 화상 형성 장치(100), 서버(200), AI 클라우드(또는, AI 서버)(300)를 포함할 수 있다. 도 1에서는 화상 형성 장치(100)와 서버(200)가 네트워크로 연결되고, 서버(200)와 AI 클라우드(300)가 네트워크로 연결된 예가 도시되어 있다. 그러나, 경우에 따라 화상 형성 장치(100)는 AI 클라우드(300)와 네트워크로 연결되고, 에러와 관련된 데이터를 AI 클라우드(300)로 전송할 수도 있다.
화상 형성 장치(100)에서 에러가 발생되면, 화상 형성 장치(100)는 발생된 에러를 감지할 수 있다. 화상 형성 장치(100)는 발생된 에러에 대한 정보를 서버(200)로 전송할 수 있다. 예를 들어, 발생된 에러에 대한 에러 정보는 제품 정보, 로그 정보, 설정 정보를 포함할 수 있다. 또한, 에러 정보는 에러 코드 또는 입력된 에러 관련 메시지 등을 더 포함할 수도 있다.
서버(200)는 인공 지능 모델을 이용하여 수신된 에러 정보를 기초로 에러 카테고리를 식별할 수 있다. 예를 들어, 수신된 에러 정보에 에러 코드가 포함된 경우, 서버(200)는 에러 코드에 기초하여 에러 카테고리를 식별할 수 있다. 또는, 서버(200)는 입력된 에러 관련 메시지에 기초하여 에러 카테고리를 식별할 수도 있다. 입력된 에러 관련 메시지는 사용자(또는, 관리자, 서비스 기사)에 의해 입력된 메시지일 수 있다. 에러 카테고리는 AI 클라우드(300)에 의해 분류될 수 있다.
일 예로서, 사용자가 “종이 걸림”, “급지 이상”, “종이가 공급되지 않음” 등과 같이 다양한 표현으로 메시지를 입력할 수 있다. 서버(200)는 학습된 인공 지능 모델에 기초하여 수신된 다양한 메시지로부터 “paper jam”이라는 동일한 에러 및 에러 카테고리를 식별할 수 있다. 또는, 서버(200)는 “paper jam”에 대응되는 에러 코드를 확인하여 에러 카테고리를 식별할 수도 있다.
서버(200)는 식별된 에러 카테고리에 기초하여 화상 형성 장치(100)로부터 수신된 에러 정보에 대응되는 솔루션을 화상 형성 장치(100)로 제공할 수 있다. 예를 들어, 서버(200)는 우선 순위가 높은 순서로 정렬된 복수의 솔루션을 제공할 수 있다. 솔루션의 우선 순위는 서버(200)에 축적된 에러 해결 결과에 기초하여 부여되거나 업데이트된 점수에 의해 설정될 수 있다. 화상 형성 장치(100)의 모드에 따라 복수의 솔루션은 하나씩 순차적으로 제공될 수 있고, 복수의 솔루션을 우선 순위에 따라 나열된 리스트 형태로 제공될 수도 있다.
일 예로서, 화상 형성 장치(100)는 발생된 에러 처리와 관련하여 자동 모드, 수동 모드 및 커스텀 모드를 포함할 수 있다.
화상 형성 장치(100)가 자동 모드로 설정된 경우, 화상 형성 장치(100)는 에러 정보를 자동으로 서버(200)로 전송하고, 서버(200)로부터 자동으로 발생된 에러와 관련된 솔루션을 제공받을 수 있다. 화상 형성 장치(100)는 발생된 에러와 관련된 제1 순위의 솔루션을 제공받고 제공된 솔루션을 적용할 수 있다. 화상 형성 장치(100)는 에러가 해결된 경우, 에러 해결과 관련된 메시지 및 에러 해결 완료 메시지를 포함하는 결과 정보를 서버(200)로 전송할 수 있다. 만일, 제1 순위의 솔루션으로 에러가 해결되지 않은 경우, 화상 형성 장치(100)는 제2 순위의 솔루션을 제공받고 제공된 솔루션을 적용할 수 있다. 화상 형성 장치(100)는 발생된 에러와 관련된 모든 솔루션에 대해 상술한 과정을 반복할 수 있다. 화상 형성 장치(100)는 모든 솔루션을 적용했지만 에러가 해결되지 않은 경우 서버(200) 및 사용자에게 에러 미해결이라는 결과를 알릴 수 있다.
또는, 화상 형성 장치(100)가 수동 모드로 설정된 경우, 화상 형성 장치(100)는 사용자의 선택에 따라 에러 정보를 서버(200)로 전송할 수 있다. 화상 형성 장치(100)는 발생된 에러와 관련된 모든 솔루션을 우선 순위에 따른 리스트 형태로 제공받을 수 있다. 사용자는 리스트 형태로 제공된 솔루션 중에서 하나의 솔루션을 선택하고, 화상 형성 장치(100)는 선택된 솔루션을 적용할 수 있다. 화상 형성 장치(100)는 에러가 해결된 경우, 에러 해결과 관련된 메시지 및 에러 해결 완료 메시지를 포함하는 결과 정보를 서버(200)로 전송하고 사용자에게 에러 해결이라는 결과를 알릴 수 있다. 만일, 선택된 솔루션으로 에러가 해결되지 않은 경우, 화상 형성 장치(100)는 사용자로부터 다음 솔루션을 선택받고, 다음으로 선택된 솔루션을 적용할 수 있다. 화상 형성 장치(100)는 에러가 해결될 때까지 상술한 과정을 반복할 수 있다.
또는, 화상 형성 장치(100)가 커스텀 모드로 설정된 경우, 화상 형성 장치(100)는 사용자에 의해 입력된 에러 관련 메시지를 서버(200)로 전송할 수 있다. 예를 들어, 화상 형성 장치는 에러 진단으로 감지하지 못한 에러에 대하여 사용자에 의해 선택된 에러 정보를 서버(200)로 전송할 수 있다. 그리고, 서버(200)는 수신된 에러 정보에 기초하여 인공 지능 모델을 이용하여 발생된 에러와 관련된 솔루션 정보를 화상 형성 장치(100)로 전송할 수 있다. 사용자는 서버(200)로부터 수신된 솔루션 정보를 참고하여 에러 처리를 수행할 수 있다. 그리고, 화상 형성 장치(100)는 에러를 처리한 사용자에 의해 입력된 결과 정보를 서버(200)로 전송할 수 있다. 일 예로, 결과 정보는 에러 코드, 에러 수행 코드, 설정 정보, 에러 카테고리, 에러 처리의 유형, 에러 처리 성공 여부, 에러 처리 시작부터 완료까지의 시간, 에러 처리 과정, 설명(comment), 추가 서비스 필요 여부 등의 정보 등을 포함할 수 있다.
서버(200)는 에러 처리 결과 정보에 기초하여 솔루션을 업데이트할 수 있다. 예를 들어, 서버(200)는 제공된 솔루션 중 에러가 해결되지 않은 솔루션에 대해서는 (-) 점수를 부여하고, 에러가 해결된 솔루션에 대해서는 (+) 점수를 부여할 수 있다. 또한, 서버(200)는 각 솔루션에 에러의 처리 수행 횟수, 성공 횟수, 에러 처리에 소요된 시간 등을 기록할 수 있다. 서버(200)는 에러 처리 결과에 대한 정보를 AI 클라우드(300)로 전송할 수 있다.
AI 클라우드(300)는 서버(200)로부터 수신된 에러 처리 결과를 반영하여 인공 지능 모델을 훈련시켜 더 높은 정확성의 모델로 업데이트할 수 있다. 또한, AI 클라우드(300)는 다양한 에러 및 각 에러에 대한 솔루션에 기초하여 에러 처리를 위한 인공 지능 모델을 생성할 수 있다. 예를 들어, AI 클라우드(300)는 에러 해결 결과에 기초하여 복수의 솔루션 각각에 대해 인공 지능 모델에 적용하여 가중치를 활용한 평가 점수를 설정할 수 있다.
예를 들어, AI 클라우드(300)는 에러 해결 결과에 기초하여 복수의 솔루션 각각에 대해 인공 지능 모델에 적용하여 점수를 설정할 수 있다. AI 클라우드(300)는 에러 해결 정보에 따라 가감산된 점수에 기초하여 솔루션을 업데이트하고, 업데이트된 솔루션의 우선 순위를 결정할 수 있다. 또한, AI 클라우드(300)는 업데이트된 솔루션에 기초하여 인공 지능 모델을 업데이트할 수 있다. 한편, 서버(200)는 에러 정보 또는 솔루션을 적용한 결과 정보를 AI 클라우드(300)로 전송할 수 있다. AI 클라우드(300)는 서버(200)로부터 수신된 정보에 기초하여 솔루션을 업데이트하고, 인공 지능 모델을 업데이트할 수 있다. 한편, AI 클라우드(300)는 발생된 에러에 관한 에러 정보를 화상 형성 장치(100)로부터 수신할 수도 있다.
AI 클라우드(300)는 생성된 인공 지능 모델에 기초하여 화상 형성 장치(100)에서 발생된 에러를 카테고리로 분류하고, 발생된 에러 및 분류된 카테고리에 기초하여 적절한 솔루션을 서버(200)로 제공할 수 있다.
도 2는 일 예에 따른 에러 처리 방법을 설명하기 위한 흐름도이다.
도 2를 참조하면, 화상 형성 장치는 발생된 에러를 감지하고(S210), 감지된 에러에 대한 에러 정보를 외부 장치로 전송할 수 있다(S220). 화상 형성 장치는 설정된 에러 진단 방식에 기초하여 에러 정보를 외부 장치로 전송할 수 있다. 예를 들어, 에러 진단 방식은 자동 모드, 수동 모드, 커스텀 모드를 포함할 수 있다. 그리고, 에러 정보는 제품 정보, 로그 정보, 설정 정보를 포함할 수 있다. 그리고, 에러 정보는 에러 코드 또는 입력된 에러 관련 메시지 중 적어도 하나의 정보를 더 포함할 수 있다. 입력된 에러 관련 메시지는 발생된 에러와 관련하여 사용자에 의해 입력된 정보일 수 있다. 예를 들어, 외부 장치는 화상 형성 장치의 에러 처리에 관한 솔루션을 제공하는 서버일 수 있다. 또는, 외부 장치는 인공 지능 모델을 생성하고 관리하는 AI 클라우드일 수 있다. 외부 장치가 AI 클라우드인 경우, 외부 장치는 수신된 에러 정보에 기초하여 에러와 관련된 인공 지능 모델을 업데이트 하여 신뢰성이 높은 해결 방안을 제시할 수 있다.
외부 장치는 수신된 에러 정보를 기초로 에러 카테고리를 식별할 수 있다(S230). 외부 장치가 에러 코드를 수신하는 경우, 외부 장치는 에러 코드에 기초하여 에러 카테고리를 식별할 수 있다. 또는, 외부 장치가 에러 관련 메시지를 수신하는 경우 인공 지능 모델에 기초하여 복수의 에러 카테고리 중 수신된 에러 관련 메시지에 기초하여 에러 정보에 대응되는 하나의 에러 카테고리를 식별할 수 있다.
외부 장치는 식별된 에러 카테고리에 기초하여 수신된 에러 정보에 대한 적어도 하나의 솔루션을 우선 순위가 높은 순서대로 화상 형성 장치로 제공할 수 있다(S240). 화상 형성 장치는 제공된 적어도 하나의 솔루션을 기초로 발생된 에러를 처리할 수 있다.
예를 들어, 각각의 솔루션에는 점수가 설정될 수 있다. 각 솔루션의 점수는 인공 지능 모델을 통해 설정될 수 있다. 외부 장치는 각각 점수가 설정된 복수의 솔루션 중 에러 정보와 관련된 솔루션을 식별할 수 있다. 그리고, 외부 장치는 설정된 점수에 기초하여 솔루션의 우선 순위를 확인할 수 있다. 외부 장치는 우선 순위가 높은 순서대로 화상 형성 장치로 솔루션을 제공할 수 있다.
일 예로서, 화상 형성 장치가 자동 모드인 경우, 외부 장치는 발생된 에러와 관련하여 먼저 우선 순위가 가장 높은 솔루션을 제공할 수 있다. 화상 형성 장치는 제공된 솔루션으로 에러를 처리할 수 있다. 만일, 에러가 해결되지 않으면, 화상 형성 장치는 두번째 우선 순위의 솔루션을 외부 장치로부터 제공받을 수 있다. 화상 형성 장치는 제공된 솔루션으로 에러를 처리할 수 있다. 화상 형성 장치는 상술한 과정을 자동으로 반복할 수 있다. 화상 형성 장치의 에러가 자동 모드로 해결되지 않으면, 화상 형성 장치는 수동 또는 커스텀 모드로 에러를 해결할 수 있도록 모드를 전환할 수 있다.
또는, 화상 형성 장치가 수동 모드인 경우, 화상 형성 장치(100)는 사용자의 선택에 따라 에러 정보를 외부 장치로 전송할 수 있다. 외부 장치는 발생된 에러와 관련하여 우선 순위에 따른 적어도 하나의 솔루션을 리스트 형태로 제공할 수 있다. 화상 형성 장치는 제공된 솔루션 리스트를 표시할 수 있다. 화상 형성 장치는 사용자에 의해 선택된 솔루션으로 에러를 처리할 수 있다. 만일, 에러가 해결되지 않으면, 화상 형성 장치는 사용자에 의해 다음 솔루션을 선택받고, 선택된 솔루션으로 에러를 처리할 수 있다. 화상 형성 장치는 상술한 과정을 반복할 수 있다.
또는, 화상 형성 장치가 커스텀 모드인 경우, 화상 형성 장치는 사용자에 의해 입력된 에러 관련 메시지를 외부 장치로 전송할 수 있다. 외부 장치는 수신된 에러 정보를 기초로 인공 지능 모델을 이용하여 발생된 에러와 관련된 솔루션 정보를 화상 형성 장치로 전송할 수 있다. 사용자는 외부 장치로부터 수신된 솔루션 정보를 참고하여 에러 처리를 수행할 수 있다.
화상 형성 장치는 적어도 하나의 솔루션을 적용한 결과 정보를 외부 장치로 전송할 수 있다(S250). 예를 들어, 결과 정보는 에러 해결 정보, 에러 미해결 정보, 발생된 에러 해결과 관련된 조치 메시지 등을 포함할 수 있다.
외부 장치는 결과 정보에 기초하여 제공된 적어도 하나의 솔루션을 업데이트할 수 있다(S260). 외부 장치는 에러 미해결 정보를 포함하는 솔루션의 점수를 감산하고, 에러 해결 정보를 포함하는 솔루션의 점수를 가산할 수 있다. 외부 장치는 가산 또는 감산된 점수에 기초하여 솔루션의 우선 순위를 업데이트할 수 있다. 또한, 외부 장치는 발생된 에러 해결과 관련된 조치 메시지에 기초하여 관련된 솔루션을 업데이트할 수 있다. 화상 형성 장치로부터 결과 정보를 수신한 외부 장치가 서버인 경우, 서버는 에러 처리 결과 정보 또는 업데이트된 솔루션에 대한 정보를 AI 클라우드로 전송할 수 있다. AI 클라우드가 에러 처리 결과 정보를 수신한 경우, 상술한 과정은 AI 클라우드가 수행할 수 있다. 또한, AI 클라우드는 수신된 에러 처리 결과 정보 또는 업데이트된 솔루션에 대한 정보에 기초하여 인공 지능 모델을 훈련시켜 최적의 모델로 업데이트할 수 있다.
도 3은 일 예에 따른 컴퓨터 판독 가능 기록 매체에 저장되는 명령어들을 설명하기 위한 도면이다.
상술한 서버에서 실행되는 에러 처리 과정은 컴퓨터 또는 프로세서에 의하여 실행 가능한 명령어 또는 데이터를 저장하는 컴퓨터 판독 가능 기록 매체의 형태로 구현될 수 있다. 컴퓨터 판독 가능 기록 매체(30)는 상술한 서버의 동작과 관련된 명령어들을 저장할 수 있다. 예를 들면, 컴퓨터 판독 가능 기록 매체(30)는 화상 형성 장치에서 발생된 에러에 대한 에러 정보를 수신하는 명령어들(31), 수신된 에러 정보를 기초로 에러 카테고리를 식별하는 명령어들(32), 식별된 에러 카테고리에 기초하여 에러 정보에 대한 적어도 하나의 솔루션을 제공하는 명령어(33), 적어도 하나의 솔루션을 적용한 결과 정보를 수신하는 명령어들(34), 수신된 결과 정보에 기초하여 적어도 하나의 솔루션을 업데이트하는 명령어들(35)을 포함할 수 있다.
이와 같은 컴퓨터 판독 가능 기록 매체는 read-only memory (ROM), random-access memory (RAM), flash memory, CD-ROMs, CD-Rs, CD+Rs, CD-RWs, CD+RWs, DVD-ROMs, DVD-Rs, DVD+Rs, DVD-RWs, DVD+RWs, DVD-RAMs, BD-ROMs, BD-Rs, BD-R LTHs, BD-REs, 마그네틱 테이프, 플로피 디스크, 광자기 데이터 저장 장치, 광학 데이터 저장 장치, 하드 디스크, 솔리드-스테이트 디스크(SSD), 그리고 명령어 또는 소프트웨어, 관련 데이터, 데이터 파일, 및 데이터 구조들을 저장할 수 있고, 프로세서나 컴퓨터가 명령어를 실행할 수 있도록 프로세서나 컴퓨터에 명령어 또는 소프트웨어, 관련 데이터, 데이터 파일, 및 데이터 구조들을 제공할 수 있는 어떠한 장치라도 될 수 있다.
지금까지 에러 처리 방법을 설명하였다. 아래에서는 에러 처리 시스템을 구성하는 화상 형성 장치 및 서버의 구성을 설명한다.
도 4는 일 예에 따른 화상 형성 장치의 구성을 나타내는 블록도이다.
도 4를 참조하면, 화상 형성 장치(100)는 메모리(110), 프로세서(120) 및 통신 장치(130)를 포함할 수 있다.
메모리(110)는 화상 형성 장치(100)에 관한 적어도 하나의 인스트럭션(instruction)을 저장할 수 있다. 예를 들어, 메모리(110)에는 본 개시의 다양한 예에 따라 화상 형성 장치(100)가 동작하기 위한 각종 프로그램(또는 소프트웨어)이 저장될 수 있다. 또한, 메모리(110)는 에러 진단 모듈 및 에러 진단 설정 모듈을 저장할 수 있다. 에러 진단 설정 모듈은 에러 진단 모듈 내에 포함될 수 있다. 메모리(110)에 저장된 에러 진단 모듈은 프로세서(120)의 제어에 의해 프로세서(120)에 로딩되어 에러 진단과 관련된 동작을 수행할 수 있다.
프로세서(120)는 화상 형성 장치(100)의 전반적인 동작을 제어할 수 있다. 프로세서(120)는 에러 진단 설정 모듈에 설정된 방식에 따라 에러 정보를 전송하고, 수신된 솔루션을 적용할 수 있다. 예를 들어, 에러 진단 설정 모듈에 설정된 방식은 자동 모드, 수동 모드, 커스텀 모드를 포함할 수 있다. 프로세서(120)는 에러 진단 모듈을 이용하여 화상 형성 장치(100)에서 발생된 에러를 감지할 수 있다. 그리고, 프로세서(120)는 통신 장치(130)를 통해 외부 장치와 에러 및 솔루션과 관련된 정보를 송수신할 수 있다. 즉, 프로세서(120)는 설정된 모드에 따라 에러 정보를 통신 장치(130)를 통해 외부 장치로 전송하고, 외부 장치로부터 통신 장치(130)를 통해 솔루션을 수신할 수 있다. 프로세서(120)는 수신된 복수의 솔루션의 점수에 기초하여 솔루션의 우선 순위를 확인할 수 있다. 그리고, 프로세서(120)는 설정된 모드에 따라 솔루션을 적용할 수 있다. 예를 들어, 자동 모드인 경우, 프로세서(120)는 우선 순위가 높은 순서대로 순차적으로 솔루션을 적용할 수 있다. 수동 모드인 경우, 프로세서(120)는 사용자에 의해 선택되는 순서대로 솔루션을 적용할 수 있다. 그리고, 프로세서(120)는 통신 장치(130)를 통해 에러를 처리한 결과 정보를 외부 장치로 전송할 수 있다.
통신 장치(130)는 외부 장치와 통신을 수행할 수 있다. 예를 들어, 외부 장치는 서버, AI 클라우드 등을 포함할 수 있다. 통신 장치(130)는 화상 형성 장치(100)를 외부 장치와 연결하기 위해 형성되고, 근거리 통신망(LAN: Local Area Network) 및 인터넷망을 통해 외부 장치와 접속되는 형태뿐만 아니라, USB(Universal Serial Bus) 포트 또는 무선 통신(예를 들어, WiFi 802.11a/b/g/n, Near Field Communication(NFC), Bluetooth) 포트를 통하여 접속되는 형태도 가능하다. 이러한 통신 장치(130)는 통신 인터페이스 또는 송수신부(transceiver)로 지칭될 수도 있다.
통신 장치(130)는 발생된 에러와 관련된 에러 정보를 외부 장치로 전송할 수 있다. 그리고, 통신 장치(130)는 외부 장치로부터 솔루션을 수신할 수 있다. 프로세서(120)가 수신된 솔루션을 적용하여 에러를 처리하면, 통신 장치(130)는 에러를 처리한 결과 정보를 외부 장치로 전송할 수 있다.
한편, 도 4에는 도시되지 않았으나, 화상 형성 장치(100)는 응용 프로그램의 실행 화면, 사용자 인터페이스 등의 데이터를 표시하는 디스플레이를 더 포함할 수 있다. 예를 들어, 디스플레이는 LCD, OLED, 플렉서블 형태의 디스플레이, 터치스크린 등으로 구현될 수 있다. 또한, 화상 형성 장치(100)는 감광 드럼, 중간 전사 벨트 및 용지 이송 벨트와 같은 화상이 형성되는 화상 형성 매체에 화상을 형성하는 인쇄 엔진, 수신된 정보 등을 소리로 출력하는 스피커, 사용자 명령을 입력받는 입력 장치 등을 더 포함할 수 있다.
도 5는 일 예에 따른 화상 형성 장치의 동작을 설명하기 위한 블록도이다.
도 5를 참조하면, 화상 형성 장치(500)는 각각의 구성 모듈(510a, 510b, 510c, 510d, 510e, 510f), 에러 진단 모듈(Diagnostics)(520)을 포함할 수 있다. 상술한 바와 같이, 에러 진단 모듈(520)은 메모리에 저장되고, 프로세서에 의해 로딩되어 동작을 수행할 수 있다.
일 예로, 각각의 구성 모듈은 UI 모듈(510a), 프린터 모듈(510b), 스캐너 모듈(510c), 팩스 모듈(510d), 네트워크 모듈(510e), 소모품 등을 포함한 부속물 모듈(510f) 등을 포함할 수 있다. 각각의 구성 모듈은 화상 형성 장치(500)의 각 기능 또는 동작을 수행할 수 있다. 상술한 예는 일 예이며, 화상 형성 장치에 따라 일부 구성 모듈을 포함하지 않거나 추가적인 구성 모듈을 포함할 수도 있다. 각 구성 모듈은 동작 중 에러가 발생되면, 각 구성 모듈(510a, 510b, 510c, 510d, 510e, 510f)은 발생된 에러를 기록한다.
에러 진단 모듈(520)은 발생된 에러를 처리할 수 있다. 에러 진단 모듈(520)은 발생된 에러에 대해 에러 진단 설정 모듈(521)에서 설정된 방식에 따라 에러를 진단, 기록, 처리하고, 처리 과정과 처리 결과에 대한 정보를 외부 장치로 전송할 수 있다. 에러 진단 모듈(520)은 에러 진단 설정 모듈(Diagnostics Configuration)(521), 에러 처리 모듈(Error Handling)(522), 기록 모듈(523), 보고 모듈(524)를 포함할 수 있다.
에러 진단 설정 모듈(521)은 사용자의 선택에 따라 에러 진단 방식을 설정할 수 있다. 일 예로, 에러 진단 방식은 자동 모드(51), 수동 모드(52), 커스텀 모드(53)를 포함할 수 있다. 자동 모드(51)는 에러 발생시 자동으로 에러 정보를 외부 장치로 전송하고, 외부 장치로 솔루션을 수신하며, 수신된 솔루션을 자동으로 적용하는 방식을 의미할 수 있다. 수동 모드(52)는 사용자에 의해 에러 처리 요청을 입력받으면 에러 진단을 실시하는 방식일 수 있다. 또한, 수동 모드(52)는 발생된 에러 항목 또는 솔루션 항목을 리스트 형태로 제공하고, 사용자의 선택에 따라 에러를 처리하는 방식일 수 있다. 커스텀 모드(53)는 에러 진단으로 감지하지 못한 에러에 대해 사용자의 선택에 따른 에러 정보를 외부 장치로 전송하고, 관련된 솔루션 정보를 수신하는 방식일 수 있다. 한편, 커스텀 모드(53)는 외부 장치에 솔루션 정보가 없는 경우 사용자가 수행한 에러 처리 결과 정보를 보고하는 방식일 수 있다.
에러 처리 모듈(522)은 에러 진단 설정 모듈의 설정 값에 따라 자동, 수동 또는 커스텀 모드로 에러를 처리할 수 있다. 또한, 에러 처리 모듈(522)은 에러 정보 또는 에러 처리 결과 정보를 생성할 수 있다.
기록 모듈(523)은 에러 코드, 에러 수행 코드, 에러 처리의 유형, 에러 처리 성공 여부, 에러 처리 시작부터 완료까지의 시간, 에러 처리 과정, 설명(comment), 추가 서비스 필요 여부 등의 정보를 기록할 수 있다. 일 예로, 에러 처리 유형은 가이드(예, UI display, Guide document Report 출력), 설정 변경, 패치 다운로드, 서비스 필요 등 화상 형성 장치의 문제를 해결하기 위한 모든 수단을 포함할 수 있다.
보고 모듈(524)은 에러 처리 결과 정보를 외부 장치로 전송할 수 있다. 일 예로, 에러 처리 결과 정보는 유형별 에러 처리 결과에 대한 우선 순위(예, 에러 처리 점수) 정보를 포함할 수 있다.
상술한 바와 같이, 화상 형성 장치(500)는 에러 처리와 관련하여 외부 장치와 통신을 수행할 수 있다. 그리고, 외부 장치는 서버일 수 있다. 아래에서는 서버의 구성에 대해 설명한다.
도 6은 일 예에 따른 서버의 구성을 나타내는 블록도이다.
도 6을 참조하면, 서버(200)는 프로세서(210) 및 통신 장치(220)를 포함할 수 있다.
프로세서(210)는 서버(200)의 전반적인 동작을 제어할 수 있다. 프로세서(210)는 화상 형성 장치로부터 통신 장치(220)를 통해 에러 정보를 수신할 수 있다. 그리고, 프로세서(210)는 인공 지능 모델을 이용하여 수신된 에러 정보를 기초로 에러 카테고리를 식별할 수 있다. 예를 들어, 수신된 에러 정보에 에러 코드가 포함된 경우, 프로세서(210)는 에러 코드에 기초하여 에러 카테고리를 식별할 수 있다. 또는, 프로세서(210)는 입력된 에러 관련 메시지에 기초하여 에러 카테고리를 식별할 수도 있다. 입력된 에러 관련 메시지는 사용자(또는, 관리자, 서비스 기사)에 의해 입력된 메시지일 수 있다. 또는, 에러 카테고리는 AI 클라우드를 이용하여 분류될 수 있다.
프로세서(210)는 식별된 에러 카테고리에 기초하여 화상 형성 장치로부터 수신된 에러 정보에 대응되는 솔루션을 화상 형성 장치로 제공할 수 있다. 프로세서(210)는 수신된 에러 정보에 기초하여 인공 지능 모델을 이용하여 솔루션 정보를 획득할 수 있다. 또는, 프로세서(210)는 수신된 에러 정보를 통신 장치(220)를 통해 AI 클라우드로 전송하고, AI 클라우드로부터 에러 정보와 관련된 솔루션을 수신할 수 있다. 일 예로서, 프로세서(210)는 우선 순위가 높은 순서로 정렬된 복수의 솔루션을 제공할 수 있다. 솔루션의 우선 순위는 서버(200)에 축적된 에러 해결 결과에 기초하여 부여되거나 업데이트된 점수에 의해 설정될 수 있다. 프로세서(210)는 통신 장치(220)을 통해 솔루션을 화상 형성 장치로 전송하고, 화상 형성 장치로부터 에러 처리 결과 정보를 수신할 수 있다.
프로세서(210)는 에러 처리 결과 정보에 기초하여 솔루션을 업데이트할 수 있다. 예를 들어, 프로세서(210)는 제공된 솔루션 중 에러가 해결되지 않은 솔루션에 대해서는 (-) 점수를 부여하고, 에러가 해결된 솔루션에 대해서는 (+) 점수를 부여할 수 있다. 또한, 프로세서(210)는 각 솔루션에 에러의 처리 수행 횟수, 성공 횟수, 에러 처리에 소요된 시간 등을 기록할 수 있다. 프로세서(210)는 에러 처리 결과에 대한 정보를 통신 장치(220)를 통해 AI 클라우드로 전송하고, AI 클라우드가 솔루션을 업데이트할 수도 있다.
통신 장치(220)는 외부 장치와 통신을 수행할 수 있다. 예를 들어, 외부 장치는 화상 형성 장치, AI 클라우드 등을 포함할 수 있다. 통신 장치(220)는 서버(200)를 외부 장치와 연결하기 위해 형성되고, 근거리 통신망(LAN: Local Area Network) 및 인터넷망을 통해 외부 장치와 접속되는 형태뿐만 아니라, USB(Universal Serial Bus) 포트 또는 무선 통신(예를 들어, WiFi 802.11a/b/g/n, Near Field Communication(NFC), Bluetooth) 포트를 통하여 접속되는 형태도 가능하다. 이러한 통신 장치(220)는 통신 인터페이스 또는 송수신부(transceiver)로 지칭될 수도 있다.
통신 장치(220)는 화상 형성 장치와 에러 정보, 솔루션, 에러 처리 결과 정보를 송수신할 수 있다. 일 예로, 통신 장치(220)는 AI 클라우드와 에러 정보, 업데이트된 솔루션, 에러 처리 결과 정보 등을 송수신할 수 있다.
도 7은 일 예에 따른 서버의 동작을 설명하기 위한 블록도이다.
도 7을 참조하면, 서버(700)는 웹 서버 모듈(710), 컨텐츠 모듈(720), 고객 지원 모듈(730)을 포함할 수 있다. 서버(700)는 메모리를 포함할 수도 있다. 메모리는 서버(700)에 관한 인스트럭션(instruction), 각종 프로그램(또는 소프트웨어)을 저장할 수 있다. 또한, 메모리는 웹 서버 모듈(710), 컨텐츠 모듈(720), 고객 지원 모듈(730), 인공 지능 모델 등을 저장할 수 있다.
웹 서버 모듈(710)은 웹 서버 기능을 수행하고, HTTP(S) 연결을 처리할 수 있다. 일 예로, 웹 서버 모듈(710)은 화상 형성 장치 및 애플리케이션과 통신을 연결할 수 있다. 웹 서버 모듈(710)은 화상 형성 장치와 서버(700)간 통신을 수행할 수 있는 다른 프로토콜로 대체될 수도 있다.
컨텐츠 모듈(720)은 HTTP(S)로 요청된 URL을 처리할 수 있다. 컨텐츠 모듈은 HTTP(S) 연결에 대한 URL 요청에 대응되는 웹 페이지를 제공할 수 있다. 컨텐츠 모듈(720)은 홈 페이지, 제품 정보, 고객 지원용 데이터(예, 매뉴얼, 가이드, 펌웨어, 드라이버 등)를 포함할 수 있다.
고객 지원 모듈(730)은 파일 다운로드 모듈(731), 문제 해결 모듈(732)를 포함하고, 문제 해결 모듈(731)은 고객 문제 해결(Customer Problem Solving, CPS) 모듈(733), 제품 기본 정보 모듈(71), 제조사 서비스 게시판 모듈(72), CPS 데이터베이스(73)를 포함할 수 있다.
파일 다운로드 모듈(731)은 웹 페이지, 제품 정보, 고객 지원용 데이터(예, 매뉴얼, 가이드, 펌웨어, 드라이버 등) 등을 사용자가 다운로드할 수 있는 기능을 수행할 수 있다.
제품 기본 정보 모듈(71)은 제품의 일반적인 문제에 대한 정보를 제공하는 모듈일 수 있다. 일 예로, 제품 기본 정보 모듈(71)은 FAQ, Q&A, 에러 카테고리(예, 셋업, UI, 프린트, 스캔, 복사, 팩스, 시스템, 네트워크, 보안, 부속품, 드라이버, 소프트웨어, 유지관리 등) 등 기본적인 제품의 일반적인 정보를 제공할 수 있다.
제조사 서비스 게시판 모듈(72)은 제품 출시 후 발생된 문제를 해결한 솔루션 및 가이드를 제공할 수 있다.
고객 문제 해결(Customer Problem Solving, CPS) 모듈(733)은 화상 형성 장치의 문제에 대해 사용자가 서버에 작성한 문제 해결 정보 또는 화상 형성 장치로부터 수신된 문제 해결 정보를 관리할 수 있다. 일 예로, CPS 모듈(733)은 CPS 컨텐츠 모듈(74), CPS 평가 모듈(75) 및 CPS 데이터베이스 업데이트 모듈(76)을 포함할 수 있다.
CPS 컨텐츠 모듈(74)은 화상 형성 장치로부터 수신된 에러 정보에 기초하여 솔루션을 제공할 수 있다. 서버(700)는 화상 형성 장치로부터 수신된 에러 정보에 따라 제품 기본 정보 모듈(71), 제조사 서비스 게시판 모듈(72), CPS 모듈(733)로부터 솔루션을 확인할 수 있다. 서버(700)는 각 유형으로부터 확인된 솔루션의 점수에 기초하여 우선 순위에 따라 화상 형성 장치로 솔루션을 제공할 수 있다.
CPS 평가 모듈(75)은 수신된 에러 정보에 기초하여 인공 지능 모델을 이용하여 에러를 분류할 수 있다. CPS 평가 모듈(75)은 인공 지능 모델을 포함하는 AI 클라우드와 실시간으로 연동될 수 있다. CPS 평가 모듈(75)은 실시간으로 전달되는 데이터를 학습함으로써 에러 카테고리의 식별 정확성을 높일 수 있다. CPS 평가 모듈(75)는 분류된 카테고리를 기초로 차후 입력되는 에러 정보를 인공 지능 모델을 이용하여 재분류함으로써 에러 카테고리의 식별 정확도를 높일 수 있다.
CPS 데이터베이스 업데이트 모듈(76)은 에러 처리 결과 정보에 기초하여 설정 변경으로 해결 가능한 문제에 대해 설정 스크립트로 변환하여 실행 파일로 생성할 수 있다. 그리고, CPS 데이터베이스 업데이트 모듈(76)은 CPS 데이터베이스(73)을 업데이트할 수 있다.
CPS 데이터베이스(73)는 CPS 데이터베이스 업데이트 모듈(76)에서 생성된 실행 파일을 저장할 수 있다. 또한, CPS 데이터베이스(73)는 제품의 기능별 데이터를 제공할 수 있다. 예를 들어, CPS 데이터베이스(73)는 인스톨 에러, UI 에러, 프린터 에러, 스캐너 에러, 팩스 에러, 네트워크 에러, 시스템 에러, 보안 에러, 관리 에러, 부속품 에러 등의 정보를 제공할 수 있다.
서버(700)는 화상 형성 장치에서 발생된 하나의 에러에 대해 다양한 유형의 솔루션 정보를 제공할 수 있다. 예를 들어, 서버(700)는 제품 기본 정보 모듈(71)로부터 제품의 기본 정보 솔루션, 제조사 서비스 게시판 모듈(72)로부터 게시 서비스 솔루션, CPS 모듈(733)로부터 CPS 컨텐츠 솔루션 등을 화상 형성 장치로 제공할 수 있다. 제품의 기본 정보 솔루션은 제조사에서 기본적으로 제공하는 에러 처리 솔루션이고, 게시 서비스 솔루션은 제품 출시 후 발생된 문제에 대한 해결 방법을 제공하는 솔루션이며, CPS 컨텐츠 솔루션은 사용자 Q&A, 제공된 설명(comment) 등에 따른 솔루션일 수 있다.
각 유형별 솔루션은 기본 점수가 부여되고, 에러 처리 결과에 따라 점수가 업데이트되면서 우선 순위가 정해질 수 있다.
도 8은 일 예에 따른 화상 형성 시스템의 동작을 설명하기 위한 시퀀스도이다.
도 8을 참조하면, 화상 형성 장치(100)는 에러를 감지하고(S810), 에러와 관련된 정보를 서버(200)로 요청할 수 있다(S820). 즉, 화상 형성 장치(100)는 발생된 에러 정보를 서버(200)로 전송하고, 에러에 대한 솔루션을 요청할 수 있다. 화상 형성 장치(100)가 서버(200)로 에러에 대한 솔루션을 요청하는 방법은 URL을 이용할 수 있고, 다른 프로토콜을 이용할 수도 있다. 예를 들어, URL에는 제품 정보, 솔루션을 위한 다양한 에러 정보가 포함될 수 있다. 제품 정보는 세부 모델 정보, 시리얼 번호 등을 포함할 수 있다. 에러 정보는 에러 코드, 에러 발생 시간, 에러 정보의 언어 정보, 펌웨어 버전, 로그 정보 등을 포함할 수 있다.
서버(200)는 화상 형성 장치(100)로부터 수신한 정보를 저장하고 서비스 티켓 번호를 화상 형성 장치(100)로 발급할 수 있다. 그리고, 서버(200)는 진단 정보를 화상 형성 장치(100)로 전송할 수 있다(S830). 즉, 서버(200)는 솔루션을 요청한 화상 형성 장치(100)를 식별하기 위한 서비스 티켓 및 발생된 에러에 대응되는 솔루션을 화상 형성 장치(100)로 전송할 수 있다.
화상 형성 장치(100)는 수신된 솔루션에 기초하여 에러 처리를 수행할 수 있다(S840). 화상 형성 장치(100)는 에러 처리 단계별 진행 상황을 기록할 수 있다. 화상 형성 장치(100)는 에러 처리를 시작한 시점(예, 서버(200)의 진단 모드에 접속한 시점)부터 이력을 기록할 수 있다. 화상 형성 장치(100)는 에러 진단 설정 모듈에서 설정된 방식에 따라 에러 처리 이력을 기록할 수 있다. 예를 들어, 기록되는 에러 처리 이력은 설정 방식(자동/수동/커스텀), 문제 해결 주체(자동 모드인 경우 화상 형성 장치/수동 모드 또는 커스텀 모드인 경우 사용자), 에러 처리 시작 시간, 에러 처리 순서, 에러 처리 소요 시간, 에러 처리 결과, 추가 서비스 필요 여부, 사용자가 입력한 메시지, 기타 상세 설명(comment) 등을 포함할 수 있다. 화상 형성 장치는 제1 우선 순위의 솔루션 또는 첫번째 선택된 솔루션으로 에러를 처리할 수 있다.
화상 형성 장치는 에러가 해결되었는지 확인하고(S850), 에러가 해결되지 않았으면(S850-N) 제2 우선 순위의 솔루션 또는 두번째 선택된 솔루션으로 에러를 처리할 수 있다. 또는, 화상 형성 장치는 커스텀 모드로 전환하여 에러를 처리할 수 있다(S860). 에러가 해결되면(S850-Y), 화상 형성 장치(100)는 처리 결과를 서버(200)로 피드백 할 수 있다(S870). 일 예로, 제1 솔루션을 변경하여 에러가 처리된 경우, 화상 형성 장치(100)는 제1 솔루션의 수정이라는 정보를 서버(200)로 피드백 할 수 있다. 화상 형성 장치(100)는 서버(200)로부터 발급된 서비스 티켓 번호로 처리 결과를 서버(200)로 피드백 할 수 있다. 예를 들어, 서버(200)로 피드백되는 처리 결과는 에러 수행 코드, 에러 처리 방법(서버가 제공한 솔루션 적용(Provided)/새로운 솔루션 적용(New)/제공 솔루션의 변경 적용(Modified)), 에러 해결 여부, 기록된 에러 처리 이력 등을 포함할 수 있다. 화상 형성 장치(100)는 에러 처리 과정에 적용했던 각각의 솔루션에 대해 처리 결과를 피드백 할 수 있다.
서버(200)는 화상 형성 장치(100)로부터 수신한 처리 결과에 기초하여 에러 처리 결과를 평가할 수 있다(S880). 서버(200)는 에러 처리의 유형을 분류하고, 솔루션에 점수를 부여할 수 있다. 예를 들어, 에러 처리의 유형은 가이드, 설정 변경, 패치 다운로드 등과 같이 에러 처리 방식으로 분류될 수 있고, 제품의 기본 정보 솔루션, 게시 서비스 솔루션, CPS 컨텐츠 솔루션과 같이 솔루션 제공 방식으로 분류될 수도 있다.
일 예로, 솔루션에 점수를 부여하는 과정은 다음과 같이 수행될 수 있다. 솔루션의 초기 점수는 80점일 수 있다. 에러 처리 방법이 서버(200)로부터 제공된 정보인 Provided인 경우, 서버(200)는 기존 솔루션의 점수를 보정할 수 있다. 에러 처리 방법이 서버(200)로부터 제공된 방법의 Modified 또는 New인 경우, 서버(200)는 새로운 솔루션으로 등록하고, 초기 점수를 부여할 수 있다. 에러 처리 결과가 성공인 경우, 서버(200)는 기존 점수에서 2점을 가산되고, 실패인 경우, 기존 점수에서 2점을 감산할 수 있다. 에러 처리 방법이 설정 파일을 제공하여 자동으로 설정 변경 문제 해결을 가능하게 하는 경우, 서버(200)는 설정을 스크립트로 제공할 수 있으므로 해당 솔루션의 점수에 10점을 가산할 수 있다.
서버(200)는 솔루션에 대해 에러의 처리 수행 수와 성공 수를 기록하고, 에러 처리 시간을 솔루션과 함께 화상 형성 장치(100)로 제공할 수 있다(예, Solution 1: from service engineer: Ignore this error (Score 98: 20 Successful / 25 times, Estimated resolution time: 1 MIN).
수동으로 처리된 평가 점수는 머신 러닝 모델을 이용하여 추가적으로 산출될 수 있다. 예를 들어, 에러 처리의 신뢰성을 향상시키기 위해서 솔루션의 점수에는 가중치가 부가되고, 평가를 자주한 솔루션에 대한 가중치는 자동으로 높여질 수 있다.
서버(200)는 평가된 에러 처리 결과에 기초하여 데이터베이스를 업데이트할 수 있다(S890).
본 개시에 따른 에러 처리 방법 및 화상 형성 장치는 화상 형성 장치에서 발생된 에러에 대한 분류를 용이하게 하고, 실시간으로 발생되는 문제를 쉽게 해결할 수 있다. 그리고, 제조사는 제품에서 발생하는 다양한 환경과 조건의 문제에 대한 수집이 가능하고, 다양한 문제에 대한 솔루션을 향상시킬 수 있어 제품의 유지 보수 및 품질을 향상시킬 수 있다. 또한, 에러 처리 방법 및 화상 형성 장치는 사용자 및 화상 형성 장치의 판매자에게 편의를 제공할 수 있다.
지금까지 에러 처리 방법 및 장치의 구성에 대해 설명하였다. 아래에서는 에러 처리를 수행하는 화상 형성 장치의 사용자 인터페이스에 대해 설명한다.
도 9a 내지 도 9f는 일 예에 따른 에러 처리와 관련된 화상 형성 장치의 사용자 인터페이스(User Interface, UI)를 설명하는 도면이다. 도 9a 내지 도 9f를 참조하여 설명한다. 도 9a 내지 도 9f에 도시된 UI의 예는 일 실시 예이며, 서비스를 제공하는 메뉴 항목, 메뉴 트리 또는 메뉴 UI 등은 화상 형성 장치 또는 에러 처리를 수행하는 자(예, 사용자, 서비스 기사 등)에 따라 다양한 형태로 제공될 수 있다.
도 9a를 참조하면, 설정 메뉴의 UI가 도시되어 있다. 설정 메뉴는 사용자(또는, 서비스 기사)에게 서비스를 지원하는 지원 툴(Support tools) 항목(91)을 포함할 수 있다. 화상 형성 장치는 사용자의 선택에 따라 지원 툴 항목(91)을 실행할 수 있다.
도 9b를 참조하면, 지원 툴 메뉴의 UI가 도시되어 있다. 지원 툴 메뉴는 화상 형성 장치의 에러를 처리하는 고장 수리(troubleshooting) 항목(92)을 포함할 수 있다. 화상 형성 장치는 사용자의 선택에 따라 고장 수리 항목(92)를 실행할 수 있다.
도 9c를 참조하면, 에러 리스트 UI가 도시되어 있다. 화상 형성 장치에서는 하나의 에러가 발생될 수 있지만, 복수의 에러가 발생될 수도 있다. 일 예로, 1) B.CC.DD: Imaging Unit Worn은 화상형성부의 수명이 거의 다 됐음을 알리는 에러이고, 2) S.CC.DD: Scanner is lock은 스캐너에 락이 걸려 스캔 동작을 할 수 없음을 알리는 에러이며, 3) U.CC.DD: Paper Jam은 종이가 트레이에 걸려 종이 공급이 되지 않음을 알리는 에어일 수 있다. 화상 형성 장치가 자동 모드인 경우, 화상 형성 장치는 순차적으로 에러 처리 과정을 자동으로 수행할 수 있다. 화상 형성 장치가 수동 모드 또는 커스텀 모드인 경우, 사용자의 선택에 따라 에러 처리 과정을 수행할 수 있다. 일 예로, 도 9c에 도시된 바와 같이 사용자에 의해 1) B.CC.DD: Imaging Unit Worn 에러 항목(93)이 선택될 수 있다. 에러 항목이 선택되면, 화상 형성 장치는 에러 정보를 서버로 전송하고, 서버로부터 솔루션을 수신할 수 있다.
도 9d를 참조하면, 솔루션을 수신하는 UI가 도시되어 있다. 화상 형성 장치는 에러 항목이 선택되면, 대기 상태를 나타내는 UI를 표시할 수 있다. 화상 형성 장치는 대기 상태를 나타내는 UI를 표시하고, 서버로 에러 정보를 전송하고, 서버로부터 솔루션을 수신할 수 있다. 화상 형성 장치는 에러가 선택된 시점(또는, 에러 처리가 시작된 시점)부터 에러 처리 단계별로 진행 상황 및 정보를 기록할 수 있다. 화상 형성 장치는 서버로부터 선택된 B.CC.DD: Imaging Unit Worn 에러 항목(93)에 대한 솔루션을 수신하여 출력할 수 있다. 즉, 화상 형성 장치는 디스플레이를 통해 솔루션을 표시하거나 종이에 인쇄할 수 있다. 본 명세서에서 출력은 디스플레이를 통한 표시, 스피커를 통한 음성 출력 또는 종이에 인쇄하는 모든 동작을 포함할 수 있다.
도 9e를 참조하면, 솔루션 리스트 UI가 도시되어 있다. 화상 형성 장치의 설정 모드가 수동 모드 또는 커스텀 모드인 경우, 화상 형성 장치는 도 9e에 도시된 바와 같이 제공받은 솔루션을 출력할 수 있다. 화상 형성 장치는 솔루션의 점수를 기초로 우선 순위에 따라 솔루션을 출력할 수 있다. 각 솔루션은 점수, 제공자, 에러 조치 방법, 에러 처리 횟수, 에러 해결 횟수, 에러 처리 소요 시간 등의 정보를 포함할 수 있다. 사용자에 의해 우선 순위가 가장 높은 제1 솔루션(94)가 선택될 수 있다. 화상 형성 장치는 선택된 제1 솔루션(94)에 따라 에러를 처리할 수 있다.
도 9f를 참조하면, 에러 처리 결과 UI가 도시되어 있다. 예를 들어, 에러 처리 결과는 보고자(예, 사용자, 서비스 기사, 자동 보고하는 화상 형성 장치), 증상, 해결 과정, 적용된 솔루션에 대한 정보, 에러 해결 여부 등의 정보를 포함할 수 있다. 그리고, 화상 형성 장치는 에러 처리 결과 정보를 서버로 전송할 수 있다. 서버는 수신된 에러 처리 결과 정보에 기초하여 솔루션을 업데이트하고, 인공 지능 모델을 업데이트할 수 있다.
아래에서는 인공 지능 모델을 생성하고 업데이트하는 과정을 설명한다.
도 10은 일 예에 따른 머신 러닝을 이용한 에러에 따른 솔루션을 학습하는 과정을 설명하는 블록도이다.
도 10을 참조하면, 서버(200)와 AI 클라우드(300)가 도시되어 있다. AI 클라우드(300)는 학습 모듈(310) 및 스토리지(320)를 포함할 수 있다.
서버(200)는 에러 정보 및 기존 에러 처리 결과 정보를 AI 클라우드(300)에 제공할 수 있다. AI 클라우드(300)의 학습 모듈(310)은 제공된 정보에 기초하여 1차로 학습시킬 수 있다. 학습된 컨텐츠는 스토리지(320)에 저장될 수 있다.
예를 들어, 학습을 위한 에러 정보는 제품 정보, 로그 정보, 설정 정보, 에러 코드, 입력된 에러 관련 메시지 등을 포함할 수 있다. 에러 처리 결과 정보는 에러 수행 코드, 설정 정보, 에러 카테고리, 에러 처리의 유형, 에러 처리 성공 여부, 에러 처리 시작부터 완료까지의 시간, 에러 처리 과정, 설명(comment), 추가 서비스 필요 여부 등의 정보 등을 포함할 수 있다. 한편, 인공 지능 모델은 일부 정보에 가중치를 적용하여 학습될 수 있다. 예를 들어, 인공 지능 모델은 솔루션을 학습할 때, 에러 발생 빈도, 발생된 에러의 중요성, 발생된 에러의 심각도, 에러 발생 시간, 에러 해결 빈도, 에러 해결 소요 시간, 지역 정보 등의 정보에 가중치를 적용하여 학습될 수 있다.
추후 서버(200)는 더 많은 에러 정보 및 에러 처리 결과 정보를 AI 클라우드(300)로 제공할 수 있다. AI 클라우드(300)의 학습 모듈(310)은 정형화되지 않은 정보를 수집하고, 이를 분석하여 각 분류를 생성하여 차후 에러를 해결하기 위한 최적의 솔루션을 인공 지능 모델에 적용하여 솔루션을 개선시킬 수 있다.
AI 클라우드(300)는 지속적인 학습을 통해 에러 처리 시스템에 최적화된 인공 지능 모델을 생성하고 최적의 솔루션을 자동으로 갱신할 수 있다. AI 클라우드(300)는 세부 정보를 바탕으로 인공 지능 모델을 이용하여 에러 수행 코드에 따른 주요 에러 정보를 자동으로 분류할 수 있다. AI 클라우드(300)는 주요 에러 메시지가 다른 에러 정보를 정형화 학습된 인공 지능 모델을 이용하여 동일한 분류로 식별할 수 있다. 즉, 인공 지능 모델은 학습을 통해 에러 카테고리를 자동으로 분류할 수 있다.
예를 들어, 인공 지능 모델은 동일한 에러 코드의 에러는 동일한 카테고리로 분류할 수 있다. 한편, 사용자는 “종이 걸림”, “급지 이상”, “종이가 공급되지 않음” 등과 같이 다양한 표현으로 메시지를 입력할 수 있다. 학습된 인공 지능 모델은 다양한 메시지로부터 “paper jam”이라는 동일한 에러 및 에러 카테고리를 식별할 수 있다.
생성된 인공 지능 모델은 스토리지(320)에 저장될 수 있다. 인공 지능 모델은 화상 형성 장치 모델에 따라 상이한 솔루션을 제공하는 다른 인공 지능 모델의 학습 모델로 재사용되어 정합성이 높아질 수 있다. AI 클라우드(300)는 차후 생성되는 신규 화상 형성 장치 모델과 옵션의 변경에 따른 솔루션을 자동으로 업데이트할 수 있다.
도 11은 일 예에 따른 머신 러닝을 이용한 에러에 따른 솔루션을 업데이트하는 과정을 설명하는 블록도이다.
도 11을 참조하면, AI 클라우드는 와치 모듈(1110), 스토리지(1120), 이벤트 핸들러(1130), 학습 모듈(1140)을 포함할 수 있다. 서버는 화상 형성 장치로부터 에러 정보를 수신하고, 학습된 인공 지능 모델을 통해 에러에 대응되는 솔루션을 화상 형성 장치로 제공할 수 있다. 그리고, 서버는 화상 형성 장치로부터 에러 처리 결과 정보를 수신할 수 있다. 서버는 수신된 에러 정보 및 에러 처리 결과 정보를 AI 클라우드로 전송하여 인공 지능 모델을 업데이트할 수 있다.
와치 모듈(1110)은 주기적으로 이벤트 핸들러(1130)에게 트리거 신호를 전달할 수 있다. 그리고, 스토리지(1120)는 이벤트 발생시 인공 지능 모델을 이벤트 핸들러(1130)로 전달할 수 있다. 즉, AI 클라우드가 서버로부터 에러 처리 결과 정보를 수신하는 이벤트가 발생되면, 이벤트 핸들러(1130)는 학습 모듈(1140)로 에러 처리 결과 정보 및 기존 인공 지능 모델을 전달할 수 있다. 학습 모듈(1140)은 에러 정보 및 에러 처리 결과 정보에 기초하여 인공 지능 모델을 업데이트하고, 업데이트된 인공 지능 모델을 스토리지(1120)에 저장할 수 있다. 업데이트된 인공 지능 모델은 화상 형성 장치의 에러 처리에 이용될 수 있다.
이상에서는 본 개시의 바람직한 예에 대해서 도시하고, 설명하였으나, 본 개시는 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.

Claims (15)

  1. 화상 형성 장치에서 발생된 에러를 감지하는 단계;
    상기 감지된 에러에 대한 에러 정보를 외부 장치로 전송하는 단계;
    상기 에러 정보를 기초로 에러 카테고리를 식별하는 단계;
    상기 식별된 에러 카테고리에 기초하여 상기 에러 정보에 대한 적어도 하나의 솔루션을 상기 화상 형성 장치로 제공하는 단계;
    상기 제공된 적어도 하나의 솔루션을 적용한 결과 정보를 상기 외부 장치로 전송하는 단계; 및
    상기 결과 정보에 기초하여 상기 제공된 적어도 하나의 솔루션을 업데이트하는 단계;를 포함하는 에러 처리 방법.
  2. 제1항에 있어서,
    상기 에러 정보는,
    제품 정보, 로그 정보 및 설정 정보를 포함하고, 에러 코드 또는 입력된 에러 관련 메시지 중 적어도 하나의 정보를 더 포함하는, 에러 처리 방법.
  3. 제2항에 있어서,
    상기 에러 카테고리를 식별하는 단계는,
    상기 에러 코드 또는 상기 입력된 에러 관련 메시지 중 적어도 하나의 정보를 인공 지능 모델에 적용하여, 복수의 에러 카테고리 중 상기 에러 정보에 대응되는 하나의 에러 카테고리를 식별하는, 에러 처리 방법.
  4. 제1항에 있어서,
    상기 적어도 하나의 솔루션을 상기 화상 형성 장치로 제공하는 단계는,
    점수가 각각 설정된 복수의 솔루션 중 상기 에러 정보와 관련된 적어도 하나의 솔루션을 식별하고, 상기 설정된 점수에 기초하여 상기 적어도 하나의 솔루션의 우선 순위를 확인하며, 상기 우선 순위가 높은 순서대로 상기 적어도 하나의 솔루션을 제공하는, 에러 처리 방법.
  5. 제1항에 있어서,
    에러 해결 결과에 기초하여 복수의 솔루션 각각에 대해 인공 지능 모델에 적용하여 점수를 설정하는 단계;를 더 포함하고,
    상기 점수를 설정하는 단계는,
    에러 발생 빈도, 발생된 에러의 중요도, 발생된 에러의 심각도, 에러 발생 시간, 에러 해결 빈도, 에러 해결 소요 시간 또는 지역 정보 중 적어도 하나의 정보에 기초하여 상기 점수에 가중치를 부여하는, 에러 처리 방법.
  6. 제1항에 있어서,
    상기 결과 정보는,
    에러 해결 정보, 에러 미해결 정보 또는 발생된 에러 해결과 관련된 조치 메시지 중 적어도 하나의 정보를 포함하는 에러 처리 방법.
  7. 제6항에 있어서,
    상기 업데이트하는 단계는,
    에러 미해결 정보를 포함하는 제1 솔루션의 점수를 감산하고, 에러 해결 정보를 포함하는 제2 솔루션의 점수를 가산하며, 상기 가산 및 감산된 점수에 기초하여 솔루션의 우선 순위를 업데이트하고, 상기 발생된 에러 해결과 관련된 조치 메시지에 기초하여 관련된 솔루션을 업데이트하는, 에러 처리 방법.
  8. 제1항에 있어서,
    상기 에러 정보를 외부 장치로 전송하는 단계는,
    설정된 에러 진단 방식에 기초하여 상기 에러 정보를 전송하는, 에러 처리 방법.
  9. 제8항에 있어서,
    상기 설정된 에러 진단 방식은,
    상기 에러 정보를 자동으로 전송하는 자동 모드, 상기 에러 정보를 출력하고 사용자의 선택에 따라 상기 에러 정보를 전송하는 수동 모드, 입력된 에러 관련 메시지를 전송하는 커스텀 모드 중 하나의 방식인, 에러 처리 방법.
  10. 외부 장치와 통신을 수행하는 통신 장치; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    화상 형성 장치에서 발생된 에러에 대한 에러 정보를 상기 통신 장치를 통해 수신하고,
    수신된 상기 에러 정보를 기초로 에러 카테고리를 식별하며,
    식별된 상기 에러 카테고리에 기초하여 상기 에러 정보에 대한 적어도 하나의 솔루션을 상기 통신 장치를 통해 상기 화상 형성 장치로 제공하고,
    상기 적어도 하나의 솔루션을 적용한 결과 정보를 상기 통신 장치를 통해 상기 화상 형성 장치로부터 수신하며,
    수신된 상기 결과 정보에 기초하여 상기 적어도 하나의 솔루션을 업데이트하는, 서버.
  11. 제10항에 있어서,
    상기 에러 정보는,
    제품 정보, 로그 정보 및 설정 정보를 포함하고, 에러 코드 또는 입력된 에러 관련 메시지 중 적어도 하나의 정보를 포함하고,
    상기 프로세서는,
    상기 에러 코드 또는 상기 입력된 에러 관련 메시지 중 적어도 하나의 정보를 인공 지능 모델에 적용하여, 복수의 에러 카테고리 중 상기 에러 정보에 대응되는 하나의 에러 카테고리를 식별하는, 서버.
  12. 제10항에 있어서,
    상기 프로세서는,
    점수가 각각 설정된 복수의 솔루션 중 상기 에러 정보와 관련된 적어도 하나의 솔루션을 식별하고, 상기 설정된 점수에 기초하여 상기 적어도 하나의 솔루션의 우선 순위를 확인하며, 상기 우선 순위가 높은 순서대로 상기 적어도 하나의 솔루션을 상기 통신 장치를 통해 상기 화상 형성 장치로 제공하는, 서버.
  13. 제10항에 있어서,
    상기 프로세서는,
    에러 해결 결과에 기초하여 복수의 솔루션 각각을 인공 지능 모델에 적용하여 점수를 설정하며, 에러 발생 빈도, 발생된 에러의 중요도, 발생된 에러의 심각도, 에러 발생 시간, 에러 해결 빈도, 에러 해결 소요 시간 또는 지역 정보 중 적어도 하나의 정보에 기초하여 상기 점수에 가중치를 부여하는, 서버.
  14. 제10항에 있어서,
    상기 결과 정보는,
    에러 해결 정보, 에러 미해결 정보 또는 발생된 에러 해결과 관련된 조치 메시지 중 적어도 하나의 정보를 포함하고,
    상기 프로세서는,
    상기 에러 미해결 정보를 포함하는 제1 솔루션의 점수를 감산하고, 상기 에러 해결 정보를 포함하는 제2 솔루션의 점수를 가산하며, 상기 가산 및 감산된 점수에 기초하여 솔루션의 우선 순위를 업데이트하고, 상기 발생된 에러 해결과 관련된 조치 메시지에 기초하여 관련된 솔루션을 업데이트하는, 서버.
  15. 화상 형성 장치에서 발생된 에러에 대한 에러 정보를 수신하는 명령어들;
    수신된 상기 에러 정보를 기초로 에러 카테고리를 식별하는 명령어들;
    식별된 상기 에러 카테고리에 기초하여 상기 에러 정보에 대한 적어도 하나의 솔루션을 제공하는 명령어들;
    상기 적어도 하나의 솔루션을 적용한 결과 정보를 수신하는 명령어들; 및
    수신된 상기 결과 정보에 기초하여 상기 적어도 하나의 솔루션을 업데이트하는 명령어들;을 포함하는 에러 처리 방법을 수행하는 프로그램이 기록된 비일시적 컴퓨터 판독 가능 기록 매체.
KR1020200120305A 2020-09-18 2020-09-18 발생된 에러에 대한 솔루션 제공 KR20220037616A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200120305A KR20220037616A (ko) 2020-09-18 2020-09-18 발생된 에러에 대한 솔루션 제공
US18/023,803 US20230315562A1 (en) 2020-09-18 2021-03-11 Providing solutions on an error occurred
PCT/US2021/021861 WO2022060410A1 (en) 2020-09-18 2021-03-11 Providing solutions on an error occurred

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200120305A KR20220037616A (ko) 2020-09-18 2020-09-18 발생된 에러에 대한 솔루션 제공

Publications (1)

Publication Number Publication Date
KR20220037616A true KR20220037616A (ko) 2022-03-25

Family

ID=80777007

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200120305A KR20220037616A (ko) 2020-09-18 2020-09-18 발생된 에러에 대한 솔루션 제공

Country Status (3)

Country Link
US (1) US20230315562A1 (ko)
KR (1) KR20220037616A (ko)
WO (1) WO2022060410A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2024075903A (ja) * 2022-11-24 2024-06-05 コニカミノルタ株式会社 画像処理システム、画像形成システム、情報処理装置、検査方法、対応策特定プログラム、対応策特定システム、学習装置、および学習方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6535865B1 (en) * 1999-07-14 2003-03-18 Hewlett Packard Company Automated diagnosis of printer systems using Bayesian networks
US20030110412A1 (en) * 2001-06-19 2003-06-12 Xerox Corporation System and method for automated printer diagnostics
US6652169B2 (en) * 2002-02-20 2003-11-25 Hewlett-Packard Development Company, L.P. Method and system for printer suggested upgrades to correct errors
US8312324B2 (en) * 2010-01-28 2012-11-13 Xerox Corporation Remote diagnostic system and method based on device data classification

Also Published As

Publication number Publication date
US20230315562A1 (en) 2023-10-05
WO2022060410A1 (en) 2022-03-24

Similar Documents

Publication Publication Date Title
US8935153B2 (en) Natural language incident resolution
JP5370905B2 (ja) 故障診断装置およびプログラム
US9069502B2 (en) System and method for controlling the settings of an imaging forming apparatus
JP2013140563A (ja) 印刷システム、画像形成装置及び方法
KR102503460B1 (ko) 정보 처리 장치 및 제어 방법
JP2006208074A (ja) 異常音判定システム、サーバ、情報機器及び異常音判定プログラム
US10136030B2 (en) Method and system for managing image forming apparatus through network
CN102291508A (zh) 图像处理装置及管理装置
US20180167259A1 (en) Information processing apparatus and method
US20200310934A1 (en) Information processing system, server apparatus, information processing apparatus, control methods of the same, and program
US20100238462A1 (en) System and method for image quality analysis and diagnostics
JP2017017611A (ja) 情報処理システム、故障原因診断方法及びプログラム
KR20220037616A (ko) 발생된 에러에 대한 솔루션 제공
CN111552443A (zh) 用于打印装置进程记录和显示的方法、设备和工业制品
US10503096B2 (en) Printing apparatus that manages information related to a consumable item, control method, and storage medium
US8713372B2 (en) Method and system for updating device management application meter read logic
US10999474B2 (en) Electronic device, control method of electronic device, information processing system, and storage medium
JP7163687B2 (ja) 情報処理装置、情報処理システム及び情報処理プログラム
JP2021043636A (ja) 保守支援装置、保守支援方法及びコンピュータプログラム
WO2021262233A1 (en) Toner refill guide
JP5692576B2 (ja) パラメータ設定システムおよび通信機器およびパラメータ設定方法およびパラメータ設定プログラム
EP3840349B1 (en) Image processing apparatus, information processing method, and non-transitory computer readable storage medium
JP2020077921A (ja) 診断システム及び診断方法
JP6332076B2 (ja) 画像処理システム
US11943414B2 (en) Information processing system