KR20240014145A - 용지 걸림의 원인 판단 - Google Patents

용지 걸림의 원인 판단 Download PDF

Info

Publication number
KR20240014145A
KR20240014145A KR1020220091485A KR20220091485A KR20240014145A KR 20240014145 A KR20240014145 A KR 20240014145A KR 1020220091485 A KR1020220091485 A KR 1020220091485A KR 20220091485 A KR20220091485 A KR 20220091485A KR 20240014145 A KR20240014145 A KR 20240014145A
Authority
KR
South Korea
Prior art keywords
paper
image forming
cause
paper jam
forming device
Prior art date
Application number
KR1020220091485A
Other languages
English (en)
Inventor
성정재
이의춘
이명석
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 KR1020220091485A priority Critical patent/KR20240014145A/ko
Priority to PCT/US2022/053489 priority patent/WO2024025593A1/en
Publication of KR20240014145A publication Critical patent/KR20240014145A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G03G15/55—Self-diagnostics; Malfunction or lifetime display
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G03G15/70—Detecting malfunctions relating to paper handling, e.g. jams
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J11/00—Devices or arrangements  of selective printing mechanisms, e.g. ink-jet printers or thermal printers, for supporting or handling copy material in sheet or web form
    • B41J11/006—Means for preventing paper jams or for facilitating their removal
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G03G15/50—Machine control of apparatus for electrographic processes using a charge pattern, e.g. regulating differents parts of the machine, multimode copiers, microprocessor control
    • G03G15/5012—Priority interrupt; Job recovery, e.g. after jamming or malfunction
    • 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
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G2215/00—Apparatus for electrophotographic processes
    • G03G2215/00362—Apparatus for electrophotographic processes relating to the copy medium handling
    • G03G2215/00535—Stable handling of copy medium
    • G03G2215/00548—Jam, error detection, e.g. double feeding

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Or Security For Electrophotography (AREA)
  • Accessory Devices And Overall Control Thereof (AREA)
  • Controlling Sheets Or Webs (AREA)

Abstract

일 예에 따르면, 화상 형성 장치는 프로세서 및 명령어를 저장하는 메모리를 포함하고, 명령어는 실행될 때 프로세서로 하여금, 용지 걸림과 관련된 복수의 신호를 획득하고, 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 해당 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수신하고, 원인을 수신하는 것에 응답하여 동작을 실행하게 한다.

Description

용지 걸림의 원인 판단{DETERMINING CAUSE OF PAPER JAM}
화상 형성 장치의 종류에는 프린터, 스캐너, 복사기 및 팩시밀리 등과 같은 개별 장치들이 있고, 또한 이러한 개별 장치들의 기능을 하나의 장치로 통합한 복합기(MFP: Multi-function Product)도 있다.
이러한 화상 형성 장치에서는 용지 걸림이 종종 발생하며 이를 해결하기 위한 기술이 요구된다.
도 1은 일 예에 따른 화상 형성 장치의 구성을 개념적으로 도시하는 도면이다.
도 2는 일 예에 따른 화상 형성 장치의 센서에 의해 획득되는 데이터를 설명하기 위한 도면이다.
도 3은 일 예에 따른 화상 형성 장치의 복수의 용지 걸림의 원인들의 예이다.
도 4는 일 예에 따른 용지 걸림의 원인을 판단하는 학습 모델을 학습시키는 동작을 설명하기 위한 개념도이다.
도 5는 일 예에 따른 용지 걸림의 원인을 판단하는 학습 모델의 구성에 대한 개념도이다.
도 6은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하는 동작을 설명하기 위한 도면이다.
도 7은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하는 동작을 설명하기 위한 도면이다.
도 8는 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하고 학습 모델을 (재)훈련시키는 동작을 설명하기 위한 도면이다.
도 9은 일 예에 따른 화상 형성 장치의 용지 걸림 원인이 판단된 후 수행되는 동작을 설명하기 위한 일 예이다.
도 10은 일 예에 따른 화상 형성 장치의 용지 걸림 원인이 판단된 후 수행되는 동작을 설명하기 위한 일 예이다.
도 11은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하는 방법을 설명하기 위한 예시적인 흐름도이다.
도 12는 일 예에 따른 명령어를 포함하는 컴퓨터 판독가능 기록매체에 대한 개략적인 구성도이다.
화상 형성 장치에서는 인쇄 시에 용지 걸림(paper jam)이 발생할 수 있다. 용지 걸림이 발생하는 경우, 화상 형성 장치의 내부에 설치된 센서가 용지 걸림을 감지하고 감지된 신호에 기초하여 에러 코드 등을 포함하는 안내 메시지가 사용자에게 표시될 수 있다. 사용자는 이러한 메시지로부터 용지 걸림이 발생한 대략적인 위치 및 용지 제거 방법 등을 포함한 대응 방안을 확인하여, 용지 걸림 현상에 대응할 수 있다.
용지 걸림이 발생한 위치나 용지 제거 방법에 대한 안내와 같이 발생한 용지 걸림 현상에 대한 대증적인 조치에 더하여, 용지 걸림이 발생한 근본 원인을 판단하여 제공하는 기술이 요구된다. 예컨대, 화상 형성 장치의 사용자나 고장 발생 시에 화상 형성 장치를 수리하는 서비스 엔지니어는 대증적인 조치에 더하여 용지 걸림이 발생하는 근본 원인을 찾아 해결하는 것을 원할 수 있다. 예를 들어, 용지 걸림은 화상 형성 장치의 용지 배출구에서 발생한 경우라도 용지 걸림의 원인은 용지 걸림이 발생한 용지 배출구 측의 기구적인 고장이 아닌, 불량 용지의 사용, 용지의 사행 적재, 픽업 롤러의 고장 등과 같이 용지 걸림이 발생한 위치만을 확인하는 것으로는 파악할 수 없는 근본 원인이 있을 수 있다. 따라서, 용지 걸림을 발생시키는 근본 원인을 분석 및 판단하고 이를 사용자 또는 서비스 엔지니어 등에게 제공할 수 있는 기술이 제공되면, 용지 걸림 현상에 대한 사후적인 대처뿐만 아니라 재발을 방지할 수 있어 서비스 비용 및 시간 등을 줄일 수 있으며, 사용자 경험을 향상시킬 수 있다.
이에, 일 예에 따른 해결하고자 하는 과제는, 용지 걸림의 근본 원인을 판단하고 제공하는 기술을 제공하는 것이다.
일 예에서, 화상 형성 장치는 프로세서 및 명령어를 저장하는 메모리를 포함하고, 명령어는 실행될 때 프로세서로 하여금, 용지 걸림과 관련된 복수의 신호를 획득하고, 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 해당 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수?搜염?, 원인을 수신하는 것에 응답하여 동작을 실행하게 한다. 비제한적인 예로서 복수의 원인은 용지 타입, 용지 과적재, 제전 불량 중 적어도 하나와 관련된 원인을 포함할 수 있다. 비제한적인 예로서 복수의 신호는 화상 형성 장치의 내부의 용지 이동 경로상에 배치된 제 1 센서로부터 획득되는 제 1 신호 및 화상 형성 장치의 상태를 감지하는 제 2 센서로부터 획득되는 제 2 신호를 포함할 수 있다.
복수의 용지 걸림의 원인 중 해당 용지 걸림의 원인에 해당할 가능성이 가장 높은 원인은 머신 러닝 기반의 학습 모델에 기반하여 특정될 수 있다. 학습 모델은 복수의 신호를 입력 받고 복수의 용지 걸림의 중 각각의 원인이 해당 용지 걸림의 원인일 확률을 예측하도록 학습되고 구성된 모델일 수 있다.
따라서, 일 예에 따른 방안에 따르면 용지 걸림을 발생시키는 근본 원인을 분석 및 판단하고 이를 사용자 또는 서비스 엔지니어 등에게 제공할 수 있어, 용지 걸림 현상에 대한 사후적인 대처뿐만 아니라 재발을 방지할 수 있어 서비스 비용 및 시간 등을 줄일 수 있으며, 사용자 경험을 향상시킬 수 있다.
이하, 본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
“제1”, “제2” 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이러한 구성요소들은 해당 용어들에 의해 한정되어서는 안 된다. 즉, 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 개시의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. “및/또는” 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
명세서 전체에서 "화상 형성 작업(image forming job)"이란 화상의 형성 또는 화상 파일의 생성, 저장, 전송 등과 같이 화상과 관련된 다양한 작업들을 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. "화상 형성 장치에서 수행되는 화상 형성 작업"은 인쇄, 복사, 스캔, 팩스, 저장, 전송, 코팅 등과 관련된 작업일 수 있으며, 이에 한정되지 않는다.
또한, "화상 형성 장치"란 프린터(printer), 스캐너(scanner), 팩스기(fax machine), 복합기(multi-function printer, MFP) 또는 디스플레이 장치 등과 같이 화상 형성 작업을 수행할 수 있는 모든 장치들을 의미할 수 있다. 또한, 화상 형성 장치는 2D 화상 형성 장치 또는 3D 화상 형성 장치일 수 있다. 이러한 화상 형성 장치는 복사, 인쇄 및 스캔 등과 같은 기본 기능을 제공할 수 있을 뿐만 아니라 다양한 부가 기능을 제공할 수도 있다.
또한, "사용자"란 화상 형성 장치를 이용하여 화상 형성 작업과 관련된 조작을 수행하는 사람/조직을 의미할 수 있다.
또한, "관리자"란 화상 형성 장치의 모든 기능 및 시스템에 접근할 수 있는 권한을 갖는 사람/조직을 의미할 수 있다. 예컨대, 관리자는 원격 관리 서버를 통해 복수의 화상 형성 장치의 환경 설정 데이터를 설정할 수 있는 사람/조직을 의미할 수 있다. 경우에 따라, "관리자"와 "사용자"는 동일한 사람/조직일 수도 있다.
또한, “서비스 제공자”란 화상 형성 장치를 사용자에게 제공하고 해당 화상 형성 장치의 기능 및 설정을 제어할 수 있는 사람/조직을 의미할 수 있다. 예컨대, 복수의 화상 형성 장치를 특정 사용자 또는 집단에 대여하고, 정해진 계약에 따라 복수의 화상 형성 장치의 장치 설정 값을 적용하고, 애플리케이션의 설치 및 애플리케이션의 설정 값을 제어, 관리하는 리셀러(reseller)가 서비스 제공자일 수 있으나, 이에 제한되지 않는다. “서비스 제공자”와 “관리자”는 동일한 사람/조직일 수도 있다.
또한, “전자 장치”, “전자 기기”, 또는 “사용자 장치”란 예컨대, 컴퓨터, 랩톱, 태블릿 PC, 이동 전화 단말기 등과 같이 사용자에 의해 사용될 수 있는 모든 정보 처리 장치를 의미할 수 있다.
아래에서는 첨부한 도면을 참고하여 본 개시의 일 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 예에 한정되지 않는다.
이하에서는 도면을 참조하여 예들을 상세히 설명한다.
도 1은 일 예에 따른 화상 형성 장치의 구성을 개념적으로 도시하는 도면이다.
도 1을 참조하면, 일 예에 따른 화상 형성 장치(100)는 프로세서(110), 메모리(120), 제 1 센서(130), 제 2 센서(140), 사용자 인터페이스(150) 및 통신부(160)를 포함할 수 있다. 다만, 화상 형성 장치(100)의 구성이 도 1에 도시된 것으로 한정 해석되는 것은 아니다. 예컨대, 화상 형성 장치(100)는 도 1에 도시되지 않은 구성, 예를 들어, 각 구성들에 전원을 공급하기 위한 전원부, 화상을 형성하는 인쇄부, 또는 그 밖의 구성을 더 포함할 수 있으며, 또는 도 1에 도시된 구성 중 적어도 하나를 포함하지 않을 수도 있다. 또한 화상 형성 장치(100)는 하나의 장치로 한정되는 것이 아니면 복수의 장치들이 서로 연결되어서 구성될 수도 있음은 통상의 기술자에게 이해될 수 있다.
프로세서(110)는 화상 형성 장치(100)에서 제공할 수 있는 기능을 전반적으로 제어하고 수행하는 구성으로서 중앙처리장치(CPU), 그래픽처리장치(GPU) 등을 포함할 수 있다. 예컨대, 프로세서(110)는 메모리(120)에 저장된 명령어/인스트럭션을 실행할 수 있다. 또한, 프로세서(110)는 메모리(120)에 저장된 정보를 읽어올 수 있다. 뿐만 아니라, 프로세서(110)는 메모리(120)에 새로운 정보를 저장할 수 있으며, 이미 저장된 정보를 갱신할 수도 있다. 예컨대, 프로세서(110)는, 화상 형성 장치(100)의 제어를 위해 필요한 정보를 메모리(120)로부터 획득하거나 메모리(120)에 저장하는 동작을 수행할 수 있다.
메모리(120)는 데이터를 저장하는 RAM이나 ROM 등과 같은 다양한 저장 매체에 의해 구현 가능하다. 이러한 메모리(120)에는 다양한 종류의 정보들이 저장될 수 있다. 예컨대 메모리(120)에는 프로세서(110)에 의해 실행 가능한 인스트럭션이 저장될 수 있다.
제 1 센서(130)는 화상 형성 장치의 내부에 설치되는 센서로서, 예컨대 복수의 센서를 포함할 수 있다. 이하에서 특별히 명시하지 않는 한, 제 1 센서(130)라는 표현은 단수의 센서와 복수의 센서를 모두 지칭할 수 있음이 이해되어야 한다. 화상 형성 장치에서는 용지가 트레이로부터 공급되어 화상이 형성된 후 배출구로 나오기까지 이동하는 경로가 형성된다. 이러한 경로 상의 소정 지점에 제 1 센서(130)가 설치될 수 있다. 제 1 센서(130)는 용지가 지나가는 것을 검출하고, 검출 정보(예컨대, 검출된 시각 등)를 화상 형성 장치(100)의 소정 모듈, 예컨대, 프로세서(110) 등이 판독할 수 있도록 프로세서(110)로 전송하거나 메모리(120) 등에 저장할 수 있다.
제 2 센서(140)는 화상 형성 장치의 내부에 설치되는 센서로서, 예컨대 복수의 센서를 포함할 수 있다. 이하에서 특별히 명시하지 않는 한, 제 2 센서(140)라는 표현은 단수의 센서와 복수의 센서를 모두 지칭할 수 있음이 이해되어야 한다. 제 2 센서(140)는 화상 형성 장치(100)의 상태를 모니터링하고 감지하도록 설치될 수 있다. 제 2 센서(140)가 감지하는 상태의 예는, 화상 형성 장치(100)의 모터와 관련된 정보, 환경 정보, 또는 사용 정보 중 적어도 하나를 포함할 수 있다. 모터와 관련된 정보의 비제한적인 예는, 모터 락(motor lock) 신호, 모터 전류 피드백(motor current feedback) 신호 등을 포함할 수 있다. 환경 정보의 비제한적인 예는 화상 형성 장치(100)의 내부 온도 및 습도, 외부 온도 및 습도, 화상 형성에 사용되는 각종 설정 데이터 값 등을 포함할 수 있다. 사용 정보의 비제한적인 예는, 픽업(pick up) 시도 횟수, 전체 프린팅 횟수, 잼(jam) 유형 등을 포함할 수 있다. 각 정보의 구체적인 예는 전술한 예시에 제한되지 않으며, 화상 형성 장치(100)에 설치된 센서로부터 얻을 수 있는 모든 정보를 포함할 수 있음이 이해되어야 한다.
사용자 인터페이스(150)는 화상 형성 장치(100)를 사용하는 사용자에게 입력 및 출력 인터페이스를 제공한다. 일 예에서, 사용자 인터페이스(150)는 출력 인터페이스로서 화상 형성 장치(100)의 상태, 소정의 메시지, 설치된 애플리케이션 등을 제공 또는 출력하는 디스플레이를 포함할 수 있다. 이러한 디스플레이는 예컨대, 터치 스크린과 같은 구성으로서 구현될 수 있다. 일 예에서, 사용자 인터페이스(130)는 사용자로부터 다양한 입력을 전달받는 입력 인터페이스를 포함한다. 예컨대 사용자는 이러한 입력 인터페이스를 통해 자신이 원하는 화상 형성 작업을 선택할 수 있고, 화상 형성 작업에 관한 다양한 옵션을 선택할 수 있다. 또한 사용자는 입력 인터페이스를 통해, 화상 형성 장치(100)에 설치되어 있는 애플리케이션이 실행되도록 할 수 있다. 이러한 입력 인터페이스는 예를 들어, 키보드, 키패드, 물리 버튼, 터치 패드, 터치 스크린 등과 같은, 다양한 형태의 사용자 입력을 수신할 수 있는 장치들을 포함하도록 구현될 수 있다.
통상의 기술자에게 자명한 바와 같이, 사용자 인터페이스(150)의 입력 인터페이스 및 출력 인터페이스는 별개의 구성요소로서 구현될 수도 있음은 물론 하나의 구성요소로서 구현될 수도 있다. 예를 들어 터치 스크린으로서 구현되는 경우, 터치 스크린은 사용자에게 출력을 제공하는 출력 인터페이스로서 동작하는 동시에 사용자로부터 입력을 수신하는 입력 인터페이스로서도 동작할 수 있다.
통신부(160)는 화상 형성 장치(100)와 통신 가능하게 연결되는 전자 장치, 예컨대, 호스트 장치, 사용자 장치, 또는 서버 장치와 신호/데이터를 송수신한다. 이러한 통신부(120)는 다양한 통신 모듈을 포함할 수 있다. 예를 들어, 통신부(120)는 무선 통신 또는 유선 통신 모듈을 포함할 수도 있다. 이 중 무선 통신 모듈은 예를 들어, Wi-Fi(Wireless Fidelity), Wi-Fi Direct, 블루투스(Bluetooth), UWB(Ultra Wide Band), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced), 5G 또는 NFC(Near Field Communication) 등을 지원하는 모듈일 수 있고, 유선 통신 모듈은 LAN, USB 또는 HDMI(High Definition Multimedia Interface) 등을 지원하는 모듈일 수 있으며, 다만 이에 한정되는 것은 아니다.
전술한 구성 요소를 포함할 수 있는 일 예에 따른 화상 형성 장치(100)는 메모리(120)에 저장된 명령어, 컴퓨터 프로그램, 소프트웨어 모듈 등을 프로세서(110)에 의해 실행하는 것에 의하여, 용지 걸림의 원인을 판단하는 동작을 수행한다. 이하에서 보다 자세히 서술한다.
도 2는 일 예에 따른 화상 형성 장치의 센서에 의해 획득되는 데이터를 설명하기 위한 도면이다.
일 예에 있어서, 용지 걸림의 원인을 판단하기 위하여 화상 형성 장치(100)의 제 1 센서(130) 및 제 2 센서(140)로부터 획득되는 신호가 이용된다.
먼저 제 1 센서(130)로부터 획득되는 제 1 신호에 대하여 도 2를 참조하여 설명한다. 제 1 센서(130)는 복수의 용지 감지 센서를 포함할 수 있다. 화상 형성 장치(100)에서 용지가 인쇄되는 과정은, 용지가 적재되는 트레이(예컨대, 도 2에서는 트레이 1, 트레이 2, 트레이 3으로 표시됨)로부터 용지가 공급되고, 롤러 등의 용지 공급부(미도시)를 통해 용지가 장치의 내부를 이동하면서 감광 드럼과 같은 인쇄부(미도시)에 의해 화상이 형성된 후, 배출구(예컨대, 도 2에서는 제1 용지배출구, 제2 용지배출구로 표시됨)를 통해 배출되는 과정을 포함한다. 화상 형성 장치(100)에서 용지가 지나가는 경로, 즉, 화상 형성 장치(100)의 내부의 용지 이동 경로상에 배치된 복수의 제 1 센서(130-1, 130-2, … 130-n; 이하 130으로 통칭하여 표시)는 용지가 지나갈 때의 시간 데이터를 획득한다. 예컨대, 복수의 제 1 센서(130) 중 임의의 두 센서(예컨대, 130-1 및 130-4)가 용지를 감지한 경우 각각 이벤트 또는 인터럽트 등의 방식으로 용지가 지나간 것을 프로세서(110)에게 전달하면, 프로세서(110)는 실시간 시계 (real time clock, RTC) 또는 타이머 등을 통해서 용지가 해당 구간을 지나가는데 소요된 시간 정보를 산출할 수 있다. 즉, 첫 번째 센서에서 용지가 감지된 시간과 두 번째 센서에서 용지가 감지된 시간의 차이로부터 해당 구간을 용지가 지나가는 시간 정보를 획득할 수 있다. 화상 형성 장치(100)에서 임의의 두 개의 제 1 센서 사이가 하나의 구간으로 설정되고, 복수의 제 1 센서(130)에 의해서 감지하는 구간이 복수 개로 구분될 수 있다. 이에 따라 각 구간별로 용지가 감지된 시간 데이터를 통해서, 해당 구간을 용지가 지나가는데 소요되는 시간 정보를 획득할 수 있다. 또는 하나의 센서에서 용지가 처음 감지되는 시간과, 용지가 통과하는 시간을 각각 검출하여 해당 시간 차이로부터 해당 센서가 감지하는 구간에 대한 시간 정보를 산출할 수도 있다. 이는 본 명세서에서 제한되지 않는다.
한편 화상 형성 장치(100)는 시간당 공급되는 용지의 수(paper per minute, PPM)가 설정되어 있을 수 있다. 시간당 공급되는 용지의 수가 많을수록 화상 형성 장치(100)의 내부에서 용지가 이동되는 속도가 높다. 이러한 PPM은 동일한 기계적 구성을 갖는 복수의 화상 형성 장치(100)에 있어서도 서로 상이하게 설정될 수 있다. 예컨대, 화상 형성 장치(100)의 렌탈 플랜에 따라서 서로 다른 인쇄 속도를 지원하도록 서로 다른 PPM으로 장치가 설정될 수 있다.
따라서, 각 화상 형성 장치(100)에 있어서, 그 장치의 PPM 값과, 복수의 제 1 센서(130)가 용지가 지나가는 각 구간에서 용지를 감지하는 것으로부터 획득한 시간 정보를 이용하면, 화상 형성 장치(100)의 내부에서 복수의 제 1 센서(130)에 의해서 감지되는 용지 이동 경로의 각 구간의 거리 정보를 제 1 신호로서 산출할 수 있다. 이처럼 산출된 거리 정보는 실제 해당 구간의 기구적 거리 정보와 동일할 수도 있고 상이할 수도 있다. 예컨대 화상 형성 장치(100)가 정상적으로 동작하는 경우라면, (사전에 알려진) 실제 기구적 거리 정보와, 감지된 시간 정보 및 PPM 정보로부터 산출된 거리 정보는 동일하다. 그러나 만약 화상 형성 장치(100)의 내부의 문제 등으로 인하여, 산출된 거리 정보가 실제 기구적 거리 정보와 상이하다면 이는 화상 형성 장치(100)의 용지 걸림의 원인을 판단하기 위한 자료로서 사용될 수 있다. 예컨대, 기구적 거리가 10cm 로 알려져 있는 소정 구간에 대하여, 용지가 지나간 시간 정보 및 PPM으로부터 산출된 거리가 15 cm로 획득되는 경우, 이는 용지가 해당 구간을 의도된 것보다 느리게 지나갔다는 것을 의미한다.
용지 이동 경로의 각 구간에 대하여, 제 1 센서(130)에 의해서 획득된 용지가 각각의 센서를 지나가는 시간 정보와 용지의 속도 데이터로부터 각 구간별 거리 정보를 산출하므로, 동일한 기계가 서로 다른 PPM으로 설정되어 있더라도, 동일한 거리 정보를 산출할 수 있다. 따라서, 화상 형성 장치(100)의 동작 설정이 변경되어서, 제 1 센서(130)로부터 획득되는 용지가 각각의 센서를 지나가는데 소요되는 시간 정보가 상이해지더라도, 각 장치의 동작 설정(예컨대 PPM)을 고려하여 장치의 정상 동작, 이상 동작 여부를 확인하는데 사용될 수 있는 정보를 획득할 수 있다. 달리 말해, 서로 상이한 PPM으로 설정된 화상 형성 장치들에 있어서 각 장치별 PPM을 고려하여 각 구간별로 환산된 거리 값을 산출하여, 각 장치별 PPM에 의존하지 않는 구간별 거리 정보를 산출할 수 있다. 예컨대, 제 1 장치의 PPM이 제 2 장치의 PPM 보다 2배 빠르게 설정되어 있다면, (정상적인 동작 상태에서) 소정 구간에 대해서 제 1 장치의 제 1 센서에 의해 획득되는 용지 이동 소요 시간은 대응하는 구간에 대해서 제 2 장치의 제 1 센서에 의해서 획득되는 용지 이동 소요 시간의 절반 값을 가질 수 있다. 이러한 예에서, 동일한 구간을 용지가 이동하는데 소요되는 시간이 상이하더라도 어느 한 장치가 오작동하고 있다는 것을 의미하지 않다고 이해될 수 있을 것이다.
다음으로 도 2를 계속 참조하여 제 2 센서(140)로부터 획득되는 제 2 신호에 대하여 설명한다. 제 2 센서(140)는 화상 형성 장치(100)의 상태를 모니터링하고 감지하도록 설치될 수 있다. 제 2 센서(140)가 감지하는 상태의 예는, 화상 형성 장치(100)의 모터와 관련된 정보, 환경 정보, 또는 사용 정보 중 적어도 하나를 포함할 수 있다. 모터와 관련된 정보의 비제한적인 예는, 모터 락(motor lock) 신호, 모터 전류 피드백(motor current feedback) 신호 등을 포함할 수 있다. 환경 정보의 비제한적인 예는 화상 형성 장치(100)의 내부 온도 및 습도, 외부 온도 및 습도, 화상 형성에 사용되는 각종 설정 데이터 값 등을 포함할 수 있다. 사용 정보의 비제한적인 예는, 용지 픽업(pick up) 시도 횟수, 전체 프린팅 횟수, 용지 걸림 (jam) 유형 등을 포함할 수 있다. 각 정보의 구체적인 예는 전술한 예시에 제한되지 않으며, 화상 형성 장치(100)에 설치된 센서로부터 얻을 수 있는 모든 정보를 포함할 수 있음이 이해되어야 한다. 따라서, 제 2 센서(140)는 임의 시점, 예컨대, 용지가 인쇄될 때마다, 또는 용지 걸림이 발생하는 경우, 또는 소정 간격 등으로 화상 형성 장치(100)의 상태 정보를 획득한다. 이와 같이 제 2 센서(140)로부터 획득된 상태 정보가 제 2 신호로서 사용될 수 있다.
이해될 수 있는 바와 같이, 본 명세서에서 제 1 센서(130) 또는 제 2 센서(140)로부터 획득되는 제 1 신호 또는 제 2 신호는 센서로부터 트리거되거나 전달되는 이벤트나 데이터 그 자체(예컨대, 제 1 센서로부터 용지가 감지되는 경우 전송하는 인터럽트 신호)뿐만 아니라, 이벤트나 데이터에 기초하여 프로세서(110) 등이 획득할 수 있는 정보(예컨대, 전술한 바와 같은 산출된 거리 정보)를 포함하는 것이다.
화상 형성 장치(100)에서 용지 걸림이 발생한 경우에, 도 2를 참조하여 설명한 바와 같은 제 1 센서(130)로부터 얻어지는 제 1 신호 및 제 2 센서(140)로부터 얻어지는 제 2 신호로부터 용지 걸림의 원인을 판단한다. 이들 신호에 기초한 용지 걸림의 원인의 판단 방법에 대하여 후술한다.
도 3은 일 예에 따른 화상 형성 장치의 복수의 용지 걸림의 원인들의 예이다.
화상 형성 장치(100)에 있어서, 용지 걸림을 발생시키는 원인들(300)은 용지 사행 적재 및 불량 적재(카세트의 가이드 벌림 등), 용지 과적재(허용치 이상의 용지를 카세트에 적재하는 등), 용지 타입 불일치(설정된 용지 두께와 상이한 두께의 용지를 적재), 불량 용지(이면지, 재생 용지, 구겨진 용지, 스테이플러로 묶인 용지 등) 사용, 제전 불량(예컨대, 토너를 용지로 전사하기 위하여 롤러에 인가되는 전압(Saw Voltage)의 가압 이상), 트레이 수동 급지 불량(수동으로 용지를 공급함에 있어서 용지가 잘못 정렬되어서 공급되는 등), 센서 오류(paper empty sensor 불량 등), 픽업 롤러 불량(픽업 롤러 슬립, 오염 등)을 포함할 수 있다. 그러나 용지 걸림 원인은 이들로만 제한되는 것은 아니고, 또한 반드시 이들을 모두 포함하는 것으로도 해석되어서는 안 된다.
도 4는 일 예에 따른 용지 걸림의 원인을 판단하는 학습 모델을 학습시키는 동작을 설명하기 위한 개념도이다.
일 예에 따른 용지 걸림 원인을 판단하는 동작은, 머신 러닝 기반의 학습 모델(learned model)을 이용할 수 있다. 학습 모델은 용지 걸림의 원인을 특정/예측/진단/판단하도록 학습된 AI 모델일 수 있다. 일 예에 따른 학습 모델의 학습 과정은, 화상 형성 장치(100)에서 용지 걸림을 발생시키고, 발생된 상황에서 획득되는 데이터로부터 AI 모델을 훈련시키는 과정을 포함한다.
구체적으로, 도 3을 참조하여 예시한 복수의 용지 걸림의 원인 중 어느 하나가 화상 형성 장치(100)에 재현되고, 해당 용지 걸림의 원인이 발생된 상황에서 화상 형성 장치(100)의 제 1 센서(130) 및 제 2 센서(140)로부터 제 1 신호 및 제 2 신호가 획득된다. 이처럼 획득된 복수의 신호 및 재현된 용지 걸림의 원인으로부터, AI 모델을 훈련시키는데 사용될 수 있는 레이블 데이터(labeled data)를 수집(400)한다. 제 1 신호는 용지 걸림이 발생하기 1장 전에 획득된 신호를 포함할 수 있으나, 이제 제한되는 것은 아니고 예컨대 제 1 신호는 용지 걸림이 발생한 시점에서 획득된 신호 또는 용지 걸림이 발생한 시점으로부터 소정 매수 이전에 획득된 신호를 포함할 수도 있다. 제 2 신호는 용지 걸림이 발생한 시점에서 획득된 센서 데이터를 포함할 수 있으나 이에 제한되는 것은 아니고 용지 걸림이 발생한 시점으로부터 소정 매수 이전에 획득된 신호를 포함할 수도 있다.
이와 같은 레이블 데이터를 가지고 AI 모델에 학습 데이터로서 제공하기 위하여 데이터 가공(pre-processing)(410)이 진행된다. 즉, AI 모델을 훈련시키기에 적합한 데이터 형태로 데이터를 가공할 수 있고, 이러한 가공 과정은 훈련시키고자 하는 AI 모델에 따라 결정될 수 있고, 소정 가공 방법만으로 본 명세서에서 제한되지 않는다.
또한 선택적으로, 데이터 증강(augmentation)(420)을 통해 AI 모델 훈련에 필요한 수량으로 데이터를 늘리는 과정이 수행될 수 있다. 증강 기술의 일 예는 SMOTE(Synthetic Minority Over-sampling Technique) 등이 사용될 수 있으나, 이에 제한되는 것은 아니다.
이와 같은 방식으로 얻어진 훈련 데이터를 활용하여 AI 모델을 훈련(430)시킨다. 이러한 과정을 용지 걸림의 원인별로 각각 반복하여 수행할 수 있다. 예시한 바와 같은 지도식 학습 방법에 의해서, 각 용지 걸림의 원인을 재현시키고, 해당 용지 걸림의 원인에 의한 용지 걸림이 발생한 상황에서 획득되는 정보/데이터(예컨대, 도 2를 참조하여 예시한 용지 걸림 발생 시에 획득되는 제 1 신호 및 제 2 신호)를 이용하여 AI 모델을 훈련시키는 것에 의하여 머신 러닝 기반의 용지 걸림 원인 판단을 위한 학습 모델을 생성할 수 있다. 그러나 AI 모델의 훈련 방법이 단지 지도식 학습 방법으로 제한되는 것은 아니며, 임의의 학습 방식, 예컨대, 비지도식 학습 방법, 강화 학습 방법 등이 사용될 수 있다.
도 5는 일 예에 따른 용지 걸림의 원인을 판단하는 학습 모델의 구성에 대한 개념도이다.
용지 걸림의 원인을 판단하는 학습 모델은 AI 모델(500)로서, 예컨대 신경망(neural network) 모델일 수 있다. 도 6에 예시된 AI 모델(500)은 입력층(510), 은닉층(520) 및 출력층(530)을 포함할 수 있다. 예컨대, 입력층(510)은 91 개의 입력 노드를 포함하고, 은닉층(520)은 각각 100개의 은닉 노드를 포함하는 4개의 은닉층으로 구성될 수 있고, 출력층(530)은 8개의 출력 노드를 포함할 수 있다. 일 예에서, 입력층(510)의 91개의 입력 노드에 입력되는 데이터는 도 2를 참조하여 설명한 제 1 센서 및 제 2 센서로부터 획득되는 제 1 신호 및 제 2 신호에 대응할 수 있다. 일 예에서, 출력층(530)의 8개의 출력 노드는 도 3을 참조하여 설명한 화상 형성 장치의 용지 걸림의 원인에 대응할 수 있다. 그러나, 입력층(510), 은닉층(520), 출력층(530)의 각 노드의 개수 및 각 층의 개수는 이에 제한되지 않는다. 또한 학습 알고리즘으로는 역전파 알고리즘이 사용될 수 있다. 예컨대, 도 4를 참조하여 설명한 바와 같이 얻어진 학습 데이터를 사용하여 AI 모델을 훈련시키고 출력된 결과로부터 AI 모델의 신뢰성을 평가하고, 평가가 좋지 않을 경우 입력 데이터를 보완하여 재차 훈련 과정을 진행시킴으로서 AI 모델의 신뢰성을 일정 수준 이상으로 높일 수 있다. 그러나 학습 알고리즘이 이에 한정되지 않는 것은 아니며 동일하거나 유사한 학습 효과를 제공하는 임의의 학습 알고리즘이 사용될 수 있음이 이해되어야 한다.
일 예에 따르면 AI 모델(500)의 학습 과정은 클라우드 서버 등에서 수행될 수 있다. 그러나 이에 제한되는 것은 아니며, AI 모델(500)을 학습시킬 수 있는 임의의 전자 장치에서 수행될 수도 있다.
도 6은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하는 동작을 설명하기 위한 도면이다.
화상 형성 장치(100)는 용지 걸림이 발생한 경우에, 용지 걸림과 관련된 복수의 신호를 획득한다(S600). 복수의 신호는 도 1 내지 도 5를 참조하여 설명한 바와 같은 신호, 예컨대, 화상 형성 장치(100)의 내부의 용지 이동 경로상에 배치된 제 1 센서(130)로부터 획득되는 제 1 신호(예컨대, 용지 이동 경로의 각 구간별 거리 정보) 및 화상 형성 장치(100)의 상태를 감지하는 제 2 센서(140)로부터 획득되는 화상 형성 장치(100)의 제 2 신호(예컨대, 용지 걸림 관련 센서 정보)를 포함할 수 있다. 제 1 신호는 용지 걸림이 발생하기 1장 전에 획득된 신호를 포함할 수 있으나, 이제 제한되는 것은 아니고 예컨대 제 1 신호는 용지 걸림이 발생한 시점에서 획득된 신호 또는 용지 걸림이 발생한 시점으로부터 소정 매수 이전에 획득된 신호를 포함할 수도 있다. 제 2 신호는 용지 걸림이 발생한 시점에서 획득된 센서 데이터를 포함할 수 있으나 이에 제한되는 것은 아니고 용지 걸림이 발생한 시점으로부터 소정 매수 이전에 획득된 신호를 포함할 수도 있다.
화상 형성 장치(100)는, 용지 걸림의 원인을 판정하기 위하여, 획득된 신호를 도 4 내지 5를 참조하여 설명된 바와 같이 용지 걸림의 원인을 판단하도록 학습된 AI 모델(학습 모델)이 구동되고 있는 장치, 예컨대 서버(200)로 전송한다(S610). 예를 들어, AI 모델은 예컨대 화상 형성 장치(100)와 통신 가능하게 연결된 (클라우드) 서버(200) 상에서 구동될 수 있고, 화상 형성 장치(100)는 서버(200)로 획득된 신호를 전송할 수 있다. 그러나 AI 모델은 반드시 서버(200)에서 구동되는 것으로 한정되는 것은 아니며, 예컨대 학습된 AI 모델이 화상 형성 장치(100)의 메모리(120)에 저장되어 사용될 수도 있다. 즉, 도 6 에 도시된 예는 용지 걸림의 원인을 판단하는 동작을 설명하기 위한 일 예에 따른 환경을 나타내는 것이며, 도 6에 도시된 바와 상이한 환경, 예컨대, AI 모델이 화상 형성 장치(100)의 메모리(120)에 탑재되는 환경, 또는 AI 모델이 통신 가능하게 연결된 별도의 전자 장치에 탑재되는 환경에서도 도 6을 참조하여 설명하는 용지 걸림의 원인을 판단하는 동작이 수행될 수 있음이 이해되어야 한다.
서버(200), 예컨대, 서버(200)에서 구동되는 AI 모델은 수신된 복수의 신호를 입력 받고, 이로부터 복수의 용지 걸림의 원인 중에서 현재 발생한 용지 걸림의 원인을 예측한다. 여기서 AI 모델이 용지 걸림의 원인을 “예측”한다는 표현은, 원인을 “특정”, “판정”, ”판단”, “진단”, “결정”하는 것과 동일 내지 유사한 동작을 의미함이 이해될 수 있다. 따라서, 명시적으로 구별되지 않는 한 이들 표현은 동일 내지 유사한 구성을 지칭하는 것임이 이해되어야 한다. 일 예에 따르면, 도 5에서 도시한 예와 같은 신경망 모델에서 출력층(530)의 복수의 노드 중 어느 한 노드가 가장 높은 값을 가진다면, 그 노드에 대응하는 용지 걸림의 원인이 현재 발생한 용지 걸림의 원인이라고 예측(특정, 판정, 판단, 진단, 또는 결정)된다. 환언하면, 용지 걸림이 발생한 화상 형성 장치(100)로부터 수신된 복수의 신호에 기초하여, 복수의 용지 걸림의 원인 각각에 대하여 현재 발생한 용지 걸림의 원인에 해당할 가능성을 산출하고, 이 중 가장 가능성이 높다고 특정되는 원인을 현재 발생한 용지 걸림의 원인이라고 예측할 수 있다.
서버(200)는, 예컨대 AI 모델(200)을 통해 예측된 용지 걸림의 원인을 화상 형성 장치(100)로 전송하고, 화상 형성 장치(100)는, 예컨대 통신부(160) 등을 통하여, 원인을 수신한다(S630).
화상 형성 장치(100)는 원인을 수신하는 것에 응답하여 동작을 실행할 수 있다(S640). 여기서, 실행되는 동작의 일 예는 화상 형성 장치(100)의 사용자 인터페이스(150)에, 해당 원인을 표시하는 동작을 포함할 수 있다. 따라서 사용자 또는 서비스 엔지니어가 화상 형성 장치(100)를 통해서 화상 형성 장치(100)의 용지 걸림의 원인을 확인하고 필요한 조치를 취하여 화상 형성 장치(100)의 용지 걸림의 원인을 제거할 수 있다.
따라서, 일 예에 따른 방안에 따르면 용지 걸림을 발생시키는 근본 원인을 분석 및 판단하고 이를 사용자 또는 서비스 엔지니어 등에게 제공할 수 있어, 용지 걸림 현상에 대한 사후적인 대처뿐만 아니라 재발을 방지할 수 있어 서비스 비용 및 시간 등을 줄일 수 있으며, 사용자 경험을 향상시킬 수 있다.
도 7은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하는 동작을 설명하기 위한 도면이다.
도 7의 예에 있어서, 표시된 동작 중 S700, S710, S720 은 도 7을 참조하여 설명한 동작 중 S600, S610, S620과 동일하며, 반복되는 설명은 생략된다.
도 7의 예에 있어서, 서버(200)는, 예컨대 AI 모델(200)을 통해 예측된 용지 걸림의 원인을 통신 가능하게 연결된 전자 장치(300)로 전송하고, 전자 장치(300)는, 예컨대 통신부 등을 통하여, 원인을 수신한다(S730). 여기서, 전자 장치(300)는 예컨대, 호스트 장치, 사용자 장치, 서버 장치 등을 포함할 수 있으나 이에 제한되지 않는다. 예컨대, 전자 장치(300)는 사용자 또는 서비스 엔지니어의 PC, 태블릿 PC, 휴대 전화 등일 수 있다.
전자 장치(300)는 원인을 수신하는 것에 응답하여 동작을 실행할 수 있다(S740). 여기서, 실행되는 동작의 일 예는 전자 장치(300)의 사용자 인터페이스에, 해당 원인을 표시하는 동작을 포함할 수 있다. 따라서 사용자 또는 서비스 엔지니어가 해당 전자 장치(300)를 통해서 화상 형성 장치(100)의 용지 걸림의 원인을 확인하고 필요한 조치를 취하여 화상 형성 장치(100)의 용지 걸림의 원인을 제거할 수 있다.
도 8은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하고 학습 모델을 (재)훈련시키는 동작을 설명하기 위한 도면이다.
용지 걸림의 원인을 판단하도록 학습된 학습 모델은 초기 학습 단계에서는, 예컨대, 도 4를 참조하여 설명한 바와 같이, 화상 형성 장치(100)에서 용지 걸림을 재현시킨 후, 그로부터 획득되는 정보/데이터로부터 모델을 훈련시킨 후, 예컨대, 클라우드 서버 등에서 AI 모델을 구동시킬 수 있다. 이후 구동된 AI 모델을 통해 시장에서 복수의 화상 형성 장치(100)로부터 실제 용지 걸림이 발생한 경우에 그러한 장치들로부터 획득되는 데이터를 재차 활용하여 AI 모델을 재훈련 또는 업데이트시킬 수 있다. 도 8의 예에 있어서, 표시된 동작 중 S800, S810, S820, S830 및 S840 은 도 6을 참조하여 설명한 동작 중 S600, S610, S620, S630 및 S640과 동일하며, 반복되는 설명은 생략된다.
용지 걸림이 발생한 화상 형성 장치(100)의 사용자 또는 서비스 엔지니어 등은 실제 장치를 점검하여 용지 걸림의 원인을 판단할 수 있다. 그 후 사용자 또는 서비스 엔지니어는 자신이 판단한 용지 걸림의 원인에 대한 정보를 AI 모델(200)이 구동되는 있는 장치, 예컨대 클라우드 서버(200)로 전송할 수 있다. 즉, 화상 형성 장치(100)에서 획득된 복수의 신호와, 사용자 또는 서비스 엔지니어 등에 의해서 판단된 용지 걸림의 실제 원인에 대한 정보는, AI 모델을 훈련시키는 훈련 데이터로서 사용되도록 AI 모델로 전송될 수 있다(S850). 이와 같은 환경을 구축하여, 시장에 출시되어 사용되고 있는 복수의 화상 형성 장치(100)로부터 새로운 훈련 데이터가 AI 모델로 제공될 수 있다.
AI 모델은 수신된 훈련 데이터에 기초하여 재훈련(업데이트)될 수 있다(S860). 이에 의해서 실제 현장에서 발생한 용지 걸림과 관련된 데이터를 통해 AI 모델의 성능을 지속적으로 향상시킬 수 있다. 사용자 또는 서비스 엔지니어에 의해서 판단된 용지 걸림의 원인과 AI 모델에 의해서 판단된 용지 걸림의 원인이 동일하거나 상이할 수 있다. 양 판단 결과가 상이한 경우, 현장에서 확인된 용지 걸림의 원인으로부터 생성된 훈련 데이터에 가중치를 두고 AI 모델을 재훈련시킬 수 있으나, 이에 제한되는 것은 아니다.
일 예에서 새로운 훈련 데이터의 전송(S850)은 화상 형성 장치(100)로부터 서버(200)로 전송될 수도 있으나, 다른 예에서는 별도의 전자 장치, 예컨대 사용자 또는 서비스 엔지니어의 PC, 태블릿 PC, 휴대 전화와 같은 사용자 장치, 호스트 장치 등으로부터 전송될 수도 있다. 또 다른 예에서는 용지 걸림과 관련된 복수의 신호는 화상 형성 장치(100)로부터, 그리고 용지 걸림의 실제 원인에 대한 정보는 별도의 전자장치(300)로부터 각각 서버(200)로 전송되고 이들 데이터로부터 훈련 데이터가 생성되어 사용될 수도 있다.
도 9는 일 예에 따른 화상 형성 장치의 용지 걸림 원인이 판단된 후 수행되는 동작을 설명하기 위한 일 예이다.
일 예에서는 도 9에 도시된 바와 같은 인터페이스(900)가 화상 형성 장치(100) 또는 별도의 전자 장치(300)에 표시될 수 있다. 인터페이스(900)는 판단된 용지 걸림의 원인의 표시를 포함할 수 있다. 도 9에 도시된 예에서는 화상 형성 장치의 카세트의 가이드가 올바르게 위치하지 않아서 용지 걸림이 발생하였음을 안내한다. 이 예에서, 예컨대, 용지 걸림이 발생한 위치는 카세트와 상이할 수 있다. 따라서, 용지 걸림이 발생한 위치나 용지 제거 방법에 대한 안내하는 것에 더하여, 용지 걸림의 근본 원인에 대한 정보를 사용자 또는 서비스 엔지니어에게 직관적으로 제시할 수 있다.
도 10은 일 예에 따른 화상 형성 장치의 용지 걸림 원인이 판단된 후 수행되는 동작을 설명하기 위한 일 예이다.
일 예에서는 도 10에 도시된 바와 같은 인터페이스(1000)가 화상 형성 장치(100) 또는 별도의 전자 장치(300)에 표시될 수 있다. 인터페이스(1000)는 판단된 용지 걸림의 원인의 표시를 포함할 수 있다. 도 10에 도시된 예에서는 화상 형성 장치의 카세트에 용지가 과적재되어 용지 걸림이 발생하였음을 안내한다. 이 예에서, 예컨대, 용지 걸림이 발생한 위치는 카세트와 상이할 수 있다. 따라서, 용지 걸림이 발생한 위치나 용지 제거 방법에 대한 안내하는 것에 더하여, 용지 걸림의 근본 원인에 대한 정보를 사용자 또는 서비스 엔지니어에게 직관적으로 제시할 수 있다.
도 11은 일 예에 따른 화상 형성 장치의 용지 걸림 원인을 판단하는 방법을 설명하기 위한 예시적인 흐름도이다.
화상 형성 장치의 용지 걸림 원인을 판정하는 방법에 있어서, 방법은 용지 걸림과 관련된 복수의 신호를 획득하는 단계(S1110)를 포함한다. 복수의 신호는 화상 형성 장치의 내부의 용지 이동 경로상에 배치된 제 1 센서로부터 취득되는 제 1 신호와 화상 형성 장치의 상태를 감지하는 제 2 센서로부터 취득되는 제 2 신호를 포함할 수 있다. 제 1 신호 및 제 2 신호와 관련된 내용은 도 1 내지 10을 참조하여 설명한 바를 원용하며, 반복되는 설명은 생략된다.
방법은 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 현재 발생한 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수신하는 단계(S1120)를 포함한다. 일 예에서, 화상 형성 장치(100)는, 용지 걸림의 원인을 판정하기 위하여, 획득된 복수의 신호를 도 4 내지 5를 참조하여 설명된 바와 같이 용지 걸림의 원인을 판단하도록 학습된 AI 모델(학습 모델)이 구동되는 서버 측으로 전송하고, 이에 대한 응답으로 용지 걸림의 원인을 수신할 수 있다. AI 모델은 예컨대 화상 형성 장치(100)와 통신 가능하게 연결된 (클라우드) 서버(200) 상에서 구동될 수 있고, 화상 형성 장치(100)는 서버(200)로 획득된 신호를 전송할 수 있다. 그러나 AI 모델은 반드시 서버(200)에서 구동되는 것으로 한정되는 것은 아니며, 예컨대 학습된 AI 모델이 화상 형성 장치(100)의 메모리(120)에 저장되어 사용될 수도 있다. 이에 대한 구체적인 설명은 도 1 내지 10을 참조하여 설명한 바를 원용하며, 반복되는 설명은 생략된다.
방법은 용지 걸림의 원인을 수신하는 것에 응답하여 동작을 수행하는 단계(S1130)를 포함한다. 여기서, 실행되는 동작의 일 예는 화상 형성 장치(100)의 사용자 인터페이스(150)에, 해당 원인을 표시하는 동작을 포함할 수 있다. 이에 대한 구체적인 설명은 도 1 내지 10을 참조하여 설명한 바를 원용하며, 반복되는 설명은 생략된다.
도 12는 일 예에 따른 명령어를 포함하는 컴퓨터 판독가능 기록매체에 대한 개략적인 구성도이다.
앞서 도 1 내지 11을 참조하여 설명한 화상 형성 장치의 용지 걸림의 원인을 판단하는 각 동작 및 방법의 단계는, 이러한 각 동작 또는 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 통해 구현 가능하되, 이러한 컴퓨터 프로그램은 컴퓨터 판독가능한 기록매체에 저장될 수 있고, 프로세서에 의해 실행 가능하다.
도 12를 참조하여 이러한 컴퓨터 판독가능한 기록매체(1200)에 저장된 컴퓨터 프로그램에 대해 살펴보기로 한다.
도 12를 참조하면, 컴퓨터 프로그램은 컴퓨터에 의해서 실행될 때, 컴퓨터로 하여금 동작을 수행하게 하는 명령어를 포함하되, 명령어는 컴퓨터, 예컨대, 컴퓨터의 프로세서로 하여금, 용지 걸림과 관련된 복수의 신호를 획득하게 하는 명령어(1210), 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 현재 발생한 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수신하게 하는 명령어(1220), 원인을 수신하는 것에 응답하여 동작을 수행하게 하는 명령어(1230)를 포함한다.
일 예에서 컴퓨터는 화상 형성 장치를 포함할 수 있다. 또 다른 예에서 컴퓨터는 AI 모델이 구동되는 클라우드 서버 장치를 포함할 수 있다. 또 다른 예에서 컴퓨터는 화상 형성 장치와 통신 가능하게 연결되는 전자 장치를 포함할 수 있다.
컴퓨터 프로그램은 또한, 용지 걸림이 발생한 화상 형성 장치 또는 상기 화상 형성 장치와 통신 가능하게 연결된 전자 장치 중 적어도 하나에서 상기 원인이 표시되게 하는 명령어(미도시)를 포함할 수 있다.
컴퓨터 프로그램은 또한, 용지 걸림과 관련된 복수의 신호 및 용지 걸림의 원인을 지정하는 신호를 통신부를 통해 서버로 전송하도록 하는 명령어(미도시)를 더 포함할 수 있다.
도 12에 표시된 각 명령어(1210, 1220, 1230)를 포함하여 앞서 도 1 내지 11을 참조하여 설명된 각 동작 또는 단계는, 컴퓨터 판독가능한 기록매체(1200)에 저장된 컴퓨터 프로그램의 실행에 따라 컴퓨터, 예컨대, 앞서 설명된 화상 형성 장치(100)에 의해 수행될 수 있음은 자명하며, 따라서, 이하에서 설명되지 않은 부분은 앞서 설명된 부분을 원용하기로 한다.
한편, 앞서 살펴본 컴퓨터 판독가능한 기록매체는 비일시적 판독 가능 매체(non-transitory readable medium)일 수 있다. 이 때, 비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading) 이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 방법을 수행하기 위한 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 일 예에 따르면, 본 문서에 개시된 다양한 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 애플리케이션 스토어(예: 플레이 스토어TM) 등을 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 애플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다. 여기에 기재되지 않은 다양한 방식의 온라인 배포가 가능함을 통상의 기술자가 이해할 수 있다.
이상과 같이 일 예들이 비록 한정된 일 예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 위의 기재로부터 다양한 수정 및 변형이 가능함을 이해할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
본 개시의 범위는 설명된 일 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (15)

  1. 프로세서 및
    명령어를 저장하는 메모리를 포함하고, 상기 명령어는 실행될 때 상기 프로세서로 하여금,
    용지 걸림과 관련된 복수의 신호를 획득하고,
    상기 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 상기 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수신하고,
    상기 원인을 수신하는 것에 응답하여 동작을 실행하게 하는,
    화상 형성 장치.
  2. 제 1 항에 있어서,
    상기 복수의 용지 걸림의 원인은, 용지 적재 불량, 용지 과적재, 용지 타입 불일치, 불량 용지 사용, 제전 불량, 트레이 수동 급지 불량, 센서 오류, 또는 픽업 롤러 불량 중 적어도 하나를 포함하는,
    화상 형성 장치.
  3. 제 1 항에 있어서,
    상기 화상 형성 장치의 내부의 용지 이동 경로상에 배치된 제 1 센서 및
    상기 화상 형성 장치의 상태를 감지하는 제 2 센서를 더 포함하고,
    상기 복수의 신호는 상기 제 1 센서로부터 획득되는 제 1 신호와 상기 제 2 센서로부터 획득되는 제 2 신호를 포함하는,
    화상 형성 장치.
  4. 제 3 항에 있어서,
    상기 제1 센서는 복수의 용지 감지 센서를 포함하고,
    상기 제 1 신호는 용지가 상기 복수의 용지 감지 센서 각각을 지나가는 시간 정보와 상기 화상 형성 장치에서의 용지 속도 정보를 이용하여 산출되는 환산된 거리 정보를 포함하는,
    화상 형성 장치.
  5. 제 1 항에 있어서,
    상기 제 2 신호는 상기 화상 형성 장치의 모터 정보, 상기 화상 형성 장치의 환경 정보, 또는 상기 화상 형성 장치의 사용 정보 중 적어도 하나를 포함하는,
    화상 형성 장치.
  6. 제 1 항에 있어서,
    상기 동작은, 상기 화상 형성 장치 또는 상기 화상 형성 장치와 통신 가능하게 연결된 전자 장치 중 적어도 하나에서 상기 원인이 표시되게 하는 동작을 포함하는,
    화상 형성 장치.
  7. 제 1 항에 있어서,
    상기 명령어는 실행될 때 상기 프로세서로 하여금,
    상기 용지 걸림과 관련된 상기 복수의 신호 및 상기 용지 걸림의 원인을 지정하는 신호를 서버로 전송하도록 하는,
    화상 형성 장치.
  8. 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체로서,
    상기 컴퓨터 프로그램은 프로세서에 의해서 실행될 때, 상기 프로세서로 하여금
    용지 걸림과 관련된 복수의 신호를 획득하고,
    상기 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 상기 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수신하고,
    상기 원인을 수신하는 것에 응답하여 동작을 수행하게 하는,
    컴퓨터 판독가능한 기록매체.
  9. 제 8 항에 있어서,
    상기 복수의 용지 걸림의 원인은, 용지 적재 불량, 용지 과적재, 용지 타입 불일치, 불량 용지 사용, 제전 불량, 트레이 수동 급지 불량, 센서 오류, 또는 픽업 롤러 불량 중 적어도 하나를 포함하고,
    상기 복수의 신호는 화상 형성 장치의 내부의 용지 이동 경로상에 배치된 제 1 센서로부터 획득되는 제 1 신호와 상기 화상 형성 장치의 상태를 감지하는 제 2 센서로부터 획득되는 제 2 신호를 포함하는,
    컴퓨터 판독가능한 기록매체.
  10. 제 8 항에 있어서,
    상기 동작은, 상기 용지 걸림이 발생한 화상 형성 장치 또는 상기 화상 형성 장치와 통신 가능하게 연결된 전자 장치 중 적어도 하나에서 상기 원인이 표시되게 하는 동작을 포함하는,
    컴퓨터 판독가능한 기록매체.
  11. 제 8 항에 있어서,
    상기 컴퓨터 프로그램은 프로세서에 의해서 실행될 때, 상기 프로세서로 하여금
    상기 용지 걸림과 관련된 상기 복수의 신호 및 상기 용지 걸림의 원인을 지정하는 신호를 통신부를 통해 서버로 전송하도록 하는,
    컴퓨터 판독가능한 기록매체.
  12. 제 8 항에 있어서,
    상기 복수의 용지 걸림의 원인 중 상기 용지 걸림의 원인에 해당할 가능성이 가장 높은 원인은 머신 러닝 기반의 학습 모델에 기반하여 특정되며, 상기 학습 모델은 상기 복수의 신호를 입력 받고 상기 복수의 용지 걸림의 원인 중 각각의 원인이 기 용지 걸림의 원인일 확률을 예측하도록 학습되고 구성된 모델인,
    컴퓨터 판독가능한 기록매체.
  13. 제 12 항에 있어서,
    상기 학습 모델은 용지 걸림이 재현된 상황에서 화상 형성 장치로부터 획득되는 복수의 신호 및 상기 재현된 용지 걸림의 원인으로부터 생성된 레이블 데이터(labeled data)를 학습 데이터로서 사용하여 학습되는,
    컴퓨터 판독가능한 기록매체.
  14. 화상 형성 장치의 용지 걸림 원인을 판정하는 방법에 있어서,
    용지 걸림과 관련된 복수의 신호를 획득하는 단계,
    상기 복수의 신호에 기반하여 복수의 용지 걸림의 원인 중 상기 용지 걸림의 원인에 해당할 가능성이 가장 높다고 특정되는 원인을 수신하는 단계, 및
    상기 원인을 수신하는 것에 응답하여 동작을 수행하는 단계를 포함하는
    용지 걸림 원인 판정 방법.
  15. 제 14 항에 있어서,
    상기 복수의 용지 걸림의 원인은, 용지 적재 불량, 용지 과적재, 용지 타입 불일치, 불량 용지 사용, 제전 불량, 트레이 수동 급지 불량, 센서 오류, 또는 픽업 롤러 불량 중 적어도 하나를 포함하고,
    상기 복수의 신호는 화상 형성 장치의 내부의 용지 이동 경로상에 배치된 제 1 센서로부터 취득되는 제 1 신호와 상기 화상 형성 장치의 상태를 감지하는 제 2 센서로부터 취득되는 제 2 신호를 포함하는,
    용지 걸림 원인 판정 방법.
KR1020220091485A 2022-07-25 2022-07-25 용지 걸림의 원인 판단 KR20240014145A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220091485A KR20240014145A (ko) 2022-07-25 2022-07-25 용지 걸림의 원인 판단
PCT/US2022/053489 WO2024025593A1 (en) 2022-07-25 2022-12-20 Determining cause of paper jam

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220091485A KR20240014145A (ko) 2022-07-25 2022-07-25 용지 걸림의 원인 판단

Publications (1)

Publication Number Publication Date
KR20240014145A true KR20240014145A (ko) 2024-02-01

Family

ID=85172985

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220091485A KR20240014145A (ko) 2022-07-25 2022-07-25 용지 걸림의 원인 판단

Country Status (2)

Country Link
KR (1) KR20240014145A (ko)
WO (1) WO2024025593A1 (ko)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11292349A (ja) * 1998-04-03 1999-10-26 Copyer Co Ltd 画像形成装置
JP2005309077A (ja) * 2004-04-21 2005-11-04 Fuji Xerox Co Ltd 故障診断方法および故障診断装置、並びに搬送装置および画像形成装置、並びにプログラムおよび記憶媒体
JP5409867B1 (ja) * 2012-09-14 2014-02-05 株式会社Ｐｆｕ 原稿搬送装置、異常判定方法及びコンピュータプログラム
US10423865B1 (en) * 2018-03-06 2019-09-24 Kabushiki Kaisha Toshiba System and method of prediction of paper jams on multifunction peripherals

Also Published As

Publication number Publication date
WO2024025593A1 (en) 2024-02-01

Similar Documents

Publication Publication Date Title
US8607102B2 (en) Fault management for a printing system
JP6939311B2 (ja) 障害予測システム、サーバ、プログラム
JP4182114B2 (ja) 画像形成装置監視システム、監視方法及びプログラム
US9696947B1 (en) Fault identification for a printing system
US20100322640A1 (en) Image forming device, a failure prediction method executed by an image forming device, and a computer readable storage medium storing a program for controlling an image forming device
US8743384B2 (en) Image forming apparatus and communication control program product
JP5598293B2 (ja) 画像形成システム、予測基準設定装置、予測装置、画像形成装置及びプログラム
US11068217B2 (en) Image forming apparatus and control method
US10317815B2 (en) Image forming apparatus, method for managing consumable, and storage medium
US20230370560A1 (en) Image forming apparatus and control method
US9832340B2 (en) Image forming apparatus and method of performing error notification and error recovery functions in image forming apparatus
US20140325010A1 (en) Electronic apparatus and log information transfer method
KR20240014145A (ko) 용지 걸림의 원인 판단
US10652417B2 (en) Image processing apparatus with warning state detection server, and program
US11099959B2 (en) Image processing device and non-transitory recording medium
US8654384B2 (en) Image forming apparatus and image forming system
JP6865368B2 (ja) 情報処理装置及び情報処理プログラム
US20190297198A1 (en) Image processing apparatus and program
US20230127482A1 (en) Management system and image forming apparatus
JP4853375B2 (ja) 状態検知装置、状態検知方法、及び状態検知プログラム
US9578184B2 (en) Image forming apparatus and method for controlling image forming apparatus
JP7139733B2 (ja) 画像処理装置、情報処理装置、画像処理システム、画像処理プログラム、及び情報処理プログラム
JP2005266599A (ja) 画像形成装置
JP2023150203A (ja) 管理システム、画像処理装置、情報処理装置、それらの制御方法及びプログラム
JP2022029247A (ja) 画像形成装置、システム、画像形成装置の制御方法およびプログラム