故障时期推测装置、机器学习装置、故障时期推测方法制造方法及图纸

一种故障时期推测装置、机器学习装置、故障时期推测方法，推测印刷装置的故障时机。构成一种故障时期推测装置，其具备：存储部，存储已学习模型，所述已学习模型是使用教师数据进行机器学习后得到的已学习模型，所述教师数据是包括将印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中的至少一个的印刷装置信息与所述印刷装置的故障时期建立对应关系后得到的数据；以及控制部，获取所述印刷装置信息，并使用获取到的所述印刷装置信息和所述已学习模型来推测所述印刷装置的所述故障时期。

【技术实现步骤摘要】
故障时期推测装置、机器学习装置、故障时期推测方法
本专利技术涉及故障时期推测装置、机器学习装置、故障时期推测方法。
技术介绍
以往，提出有用于预测装置的故障的各种方法。例如，在专利文献1中记载了通过扫描仪读取印刷在印刷装置上的测试图像，对分析项目分析获得到的图像，并根据分析结果的时序的推移，判断印刷装置是否会在将来的某个时刻故障。并且，记载了分析项目是指例如图像的频率分析。专利文献1：日本特开2015-170200号公报但是，在预先确定的分析项目、判断基准中，存在难以掌握的复杂因素与故障时期相关联的可能性。像现有技术这样，在根据预先确定的判断基准来解析预先确定的解析项目的情况下，可能难以提高故障时期的预测精度。
技术实现思路
本专利技术以推测印刷装置的故障时期为目的。为了达成上述目的的故障时期推测装置具备：存储部，存储已学习模型，所述已学习模型是使用教师数据进行机器学习后得到的已学习模型，所述教师数据是将包括印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中的至少一个的印刷装置信息与所述印刷装置的故障时期建立对应关系后得到的数据；以及控制部，获取所述印刷装置信息，并使用获取到的所述印刷装置信息和所述已学习模型来推测所述印刷装置的所述故障时期。根据本结构，可以根据包括印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中至少一个的印刷装置信息来推测印刷装置的故障时期。并且，根据本结构，由于是使用机器学习模型推测故障时期的结构，所以无需预先由人确定用于推测故障时间的判断基准。并且，在构成了根据包括动作历史记录、状态信息、印刷结果图像等的多个信息推测故障时期的机器学习模型的情况下，可以提高能高精度推测故障时期的可能性。此外，也可以是如下的结构：所述印刷结果图像是表示预先确定的图案图像的印刷结果的图像，所述动作历史记录是从所述图案图像的印刷起追溯过去的动作的历史记录，所述状态信息是表示印刷所述图案图像时的所述印刷装置的状态的信息。根据本结构，在印刷在印刷装置中预先确定的图案图像时能够获取印刷装置信息，并能够使用获取到的印刷装置信息推测印刷装置的故障时期。此外，也可以是如下的结构：图案图像包括由线构成的图案、以及用既定的颜色填充既定大小的区域的图案的至少任一种。根据本结构，可以根据印刷了线图案、填充图案时的印刷结果图像来推测印刷装置的故障时期。此外，也可以是如下的结构：通过传感器拍摄所述印刷结果图像，所述传感器设置于滑架，所述滑架搭载有印刷头，所述印刷头具有对印刷介质喷出油墨的喷嘴。根据本结构，能够获取通过设置在搭载有印刷头的滑架上的传感器拍摄到的印刷结果图像。例如，通过不同于印刷装置的其他图像读取装置(扫描仪)获取印刷结果图像的结构相比可以减轻用户的作业负担。此外，也可以是如下的结构：控制部在当前与所预测的故障时期之间的差小于阈值的情况下，进行与故障时期关联的通知。根据本结构，接收该通知的一侧(人或装置)可以为故障进行所具备的准备。例如，可以进行推测故障的部位的部件的调配、在故障前更换部件等。其结果是，可以缩短印刷装置的故障时期。并且，由于是在设定阈值且当前与故障时期之间的差在阈值以上的情况(到推测的故障时期为止的期间是阈值以上的长度的情况)下不进行通知的结构，所以可以防止由于在早期无用地进行与故障时期有关的通知而引起的危害。例如，可能即使在早期通知了故障时期用户也不会马上为故障进行具备的准备，在不进行准备的情况下可能导致忘记故障时期。并且，若从早期就反复多次进行通知，则可能会让用户感到厌烦，结果造成通知形式化。此外，也可以是如下的结构：所述印刷装置信息包括维护的执行历史记录，所述维护的执行历史记录包括冲刷和擦抹中的至少一个，所述冲刷是为了消除油墨的喷出不良而从印刷头喷出油墨，所述擦抹是擦拭印刷头的喷嘴面。根据本结构，可以根据维护的执行历史记录推测印刷装置的故障时期。此外，也可以是如下的结构：所述印刷装置信息包括维护失败信息，所述维护失败信息由维护执行次数与维护执行后的喷出不良消除次数之间的差异来表示。维护失败信息是表示即使进行了清洁喷嘴等的维护也难以消除喷嘴的喷出不良状态的状况的程度的信息。维护失败信息和印刷装置的故障可相关。根据本结构，可以使用维护失败信息推测印刷装置的故障时期。此外，也可以是如下的结构：印刷装置信息包括印刷装置的连续运转时间、印刷装置的温度的历史记录、以及印刷装置的周围温度的历史记录的至少任一个。存在印刷装置的连接运转时间、印刷装置的温度的历史记录、印刷装置的周围的历史记录等与印刷装置的故障相关的可能性。根据本结构，可以使用这些信息来推测印刷装置的故障时期。为了达成上述目的的机器学习装置具备：控制部，获取教师数据，并使模型基于所述教师数据进行机器学习，所述教师数据是将包括印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中的至少一个的印刷装置信息与所述印刷装置的故障时期建立对应关系后得到的数据，所述模型为输入所述印刷装置信息而输出所述故障时期的模型。根据本结构，可以生产用于根据印刷装置信息推测印刷装置的故障时期的机器学习模型。为了达成上述目的的故障时期推测方法包括：存储已学习模型，所述已学习模型是使用教师数据进行机器学习后得到的已学习模型，所述教师数据是包括将印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中的至少一个的印刷装置信息与所述印刷装置的故障时期建立对应关系后得到的数据，获取所述印刷装置信息，并使用获取到的所述印刷装置信息和所述已学习模型来推测所述印刷装置的所述故障时期。根据本方法，可以根据印刷装置信息推测印刷装置的故障时期。并且，由于使用机器学习模型推测故障时期，所以无需预先由人确定用于推测故障时间的判断基准。并且，在构成了根据包括动作历史记录、状态信息、印刷结果图像等的多个信息推测故障时期的机器学习模型的情况下，可以提高能高精度推测故障时期的可能性。附图说明图1是印刷装置和机器学习装置的框图。图2是示出传感器的结构的示意图。图3是印刷装置信息的获取和故障时期的一例的示意图。图4是机器学习处理的流程图。图5是机器学习模型的输入输出的一例的示意图。图6是图案图像印刷处理的流程图。附图标记说明10…印刷装置；20…处理器；30…非易失性存储器；30a…动作历史记录；30b…状态信息；40…滑架；41…印刷部；42…传感器；42a…框体；42b…区域传感器；42e…透镜；43…温度传感器；44…湿度传感器；50…通信部；60…输送机构；70…UI部；100…机器学习装置；120…控制部；130…存储介质；130a…已学习模型；130b…教师数据；130c…测试数据；130d…训练模型；130e…印刷装置信息；150…通信部；P…印刷介质。具体实施本文档来自技高网...

【技术保护点】
1.一种故障时期推测装置，其特征在于，具备：/n存储部，存储已学习模型，所述已学习模型是使用教师数据进行机器学习后得到的已学习模型，所述教师数据是将包括印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中的至少一个的印刷装置信息与所述印刷装置的故障时期建立对应关系后得到的数据；以及/n控制部，获取所述印刷装置信息，并使用获取到的所述印刷装置信息和所述已学习模型来推测所述印刷装置的所述故障时期。/n

【技术特征摘要】
20190308 JP 2019-0423201.一种故障时期推测装置，其特征在于，具备：
存储部，存储已学习模型，所述已学习模型是使用教师数据进行机器学习后得到的已学习模型，所述教师数据是将包括印刷装置的动作历史记录、表示当前的状态的状态信息、表示印刷结果的印刷结果图像中的至少一个的印刷装置信息与所述印刷装置的故障时期建立对应关系后得到的数据；以及
控制部，获取所述印刷装置信息，并使用获取到的所述印刷装置信息和所述已学习模型来推测所述印刷装置的所述故障时期。


2.根据权利要求1所述的故障时期推测装置，其特征在于，
所述印刷结果图像是表示预先确定的图案图像的印刷结果的图像，
所述动作历史记录是从所述图案图像的印刷起追溯过去的动作的历史记录，
所述状态信息是表示印刷所述图案图像时的所述印刷装置的状态的信息。


3.根据权利要求2所述的故障时期推测装置，其特征在于，
所述图案图像包括由线构成的图案、以及用既定的颜色填充既定大小的区域的图案中的至少任一种。


4.根据权利要求1至3中任一项所述的故障时期推测装置，其特征在于，
通过传感器拍摄所述印刷结果图像，所述传感器设置于滑架，所述滑架搭载有印刷头，所述印刷头具有对印刷介质喷出油墨的喷嘴。


5.根据权利要求1所述的故障时期推测装置，其特征在于，
所述控制部在当前与所预测的所述故障时期之间的差小于阈值的情况下，进行与所述故障时期关联的通知。


6.根据权利要求...

【专利技术属性】
技术研发人员：片山茂宪，塚田和成，鹿川祐一，多津田哲男，浮田衡，仓根治久，
申请(专利权)人：精工爱普生株式会社，
类型：发明
国别省市：日本;JP