用于经济驱动的预测性设备维修的系统和方法

摘要

一种用于经济驱动的预测性设备维修的系统和方法，其由接收多功能外围设备的工作维修票证开始。确定设备的位置并识别合理邻近多功能外围设备的具有预测性零件故障或维修需求的其他设备。对于每个识别出的设备，确定诸如零件、劳动力和差旅之类的维修成本是否低于该设备的单独维修呼叫的成本。成本可包括相对于预期剩余零件寿命的更换零件成本。对被确定为与多功能外围设备同时进行经济维修的设备进行标记，由技术人员调度并执行设备维护。

说明书

技术领域

本申请大体上涉及文档处理设备的具有成本效益的维修。本申请更具体地涉及根据基于零件成本、估计剩余寿命和设备维修成本的预测性需求对地理上邻近的设备进行同期维修。

背景技术

文档处理设备包括打印机、复印机、扫描仪和电子邮件网关。最近，在办公环境中发现了采用这些功能中的两个或多个的设备。这些设备被称为多功能外围设备(MFP)或多功能设备(MFD)。如本文所用，MFP是指上述任何一种。

MFP设备是容易出现故障的复杂设备。当设备出现故障时，终端用户将发起维修呼叫。对于设备用户来说，设备故障尤其令人沮丧。故障可能会导致MFP停止服务的期间，让用户无法使用强大的办公工具，并且当工作必须等待或使用诸如位置不方便或没有可在上述停止服务的MFP上利用的所需功能的替代MFP时，可能会导致用户沮丧。

出现故障的设备不仅会给终端用户带来负担，还会给MFP供应商带来巨大的财务成本。MFP的一种常见商业模式是分销商签订终端用户协议，其中分销商以很少预付成本或不收取预付成本向终端用户提供设备。用户费用基于每页成本。此成本反映了设备使用费用以及维护成本。大量的人力资源成本与接收维修呼叫、记录呼叫、安排维修时间、派遣维修技术人员以及诊断和修复设备相关联。此类维修成本会降低分销商的盈利能力，增加终端用户的每页成本，或两者兼而有之。

附图说明

根据以下描述、所附权利要求和附图，将更好地理解各种实施方式。

图1是经济驱动的预测性设备维修的系统100的示例实施方式。

图2是联网的文档呈现系统。

图3是数字数据处理设备的示例实施方式。

图4是设备错误预测系统的流程图。

图5是机器学习系统的示例实施方式的流程图。

图6是示例机器学习算法的图示。

图7示出了机器学习算法结果的示例视觉描述。

图8是设备症状的细分的示例实施方式。

图9是设备故障的解决方案的示例实施方式。

图10是用于经济驱动的预测性设备维修的系统的流程图。

图11是无向加权图的示例。

图12是便于确定设备维修是否具有成本效益的加权图的示例实施方式。

具体实施方式

本文公开的系统和方法通过示例并参考附图进行详细描述。应当理解，可以适当地对所公开和描述的示例、布置、配置、组件、元件、装置、设备方法、系统等进行修改并且对于特定应用可能是期望的。在本公开中，特定技术、布置等的任何标识或者与所呈现的特定示例相关或者仅仅是此类技术、布置等的一般描述。除非特别指定，特定细节或示例的标识不旨在并且不应被解释为强制性或限制性的。

根据本文的示例实施方式，推荐引擎用于在预测到客户维修呼叫时提醒服务经理，从而促进预防性维护并提高客户满意度。遗憾的是，经销商可能会因在使用寿命结束前更换零件而蒙受损失。过早更换的零件的剩余寿命越长，此费用就越大，因此需要预测精度。从经销商的角度来看，根据例如准确率低于80％的预测故障向维修技术人员发送维修呼叫可能不被视为具有成本效益。

除了该区域中的其他设备之外，本文公开的示例实施方式通过将用于更换设备零件的成本阈值添加到所讨论的推荐引擎的故障预测来提供服务价值。因此，系统会建议经销商在何时提出维修呼叫，此时维修呼叫被认为是具有成本效益的。通过考虑更换零件的成本、零件的使用寿命结束时间和客户位置来增强呼叫预测，以生成维修推荐和维修实施的值。

在示例实施方式中，当新的维修呼叫进来时首先触发过程。为规定距离边界内的所有设备获得设备标识符列表，诸如序列号。例如，边界可以设置在输入设备维修票证的设备的10英里(大约16公里)处。预测性维护系统参考与检索到的序列号相关联的设备，以获得对这些相对邻近的设备的每日预测。没有任何即将发生的预测故障的设备被过滤掉，只留下预测有某些零件故障的相对邻近的设备。对于每个剩余的相邻设备，收集距离和成本信息，并在经济可行的情况下推荐或安排维修。

转向图1，示出了包括多个MFP 104的系统100的示例实施方式，MFP 104以104a、104b到104n示出。MFP 104在地理上是分散的。一个或多个MFP 104可以位于附近的维修边界108内、单个商业体的多个位置上或多个商业体之间。在所示示例中，所有MFP都被认为是相对邻近的，因为所有MFP都位于附近的维修边界108内。所有MFP 104都被配置为通过网络云112进行数据通信，网络云112适当地包括一些或全部局域网(LAN)或可以包括全球互联网的广域网(WAN)。同样与网络云112进行数据通信的是适当地包括如服务器116所示的一个或多个服务器的数据分析和机器学习服务。每个MFP 104都包括配置为用于监控报告给服务器116的、设备的一个或多个状态的一个或多个组件，服务器116还存储附加信息，诸如修复历史和设备维护计划，与一名或多名维修技术人员适当协调。服务器116还存储MFP104的位置信息。位置信息适当地是为每个MFP 104确定的地理位置。可以由设备物理位置描述、设备安装地址、设备IP地址信息等来预设位置信息。也可由MFP 104自身确定位置信息，诸如利用GPS定位、蜂窝塔扇区定位、RF三角测量等。

服务器116累积MFP设备状态数据，包括每个MFP 104的当前设备状态，通过实时报告、服务器的定期轮询或为每个MFP 104或MFP网络发起的定期报告，适当地获得该数据。设备状态数据可包括反映错误情况、设备设置、页数或色调剂或油墨量的数据。服务器116还从诸如维修中心123之类的一个或多个服务中心接收维修呼叫日志数据。维修呼叫日志数据适当地包括设备维修的时间和日期、进行的零件更换等。该数据通过应用任何合适的机器学习而形成预测性零件故障数据。服务器116还适当地存储对应于更换零件及其相关成本的库存数据。

通常可以由客户维修呼叫122发起设备维修。记录呼入的维修呼叫，并最终派遣维修技术人员120来解决相关联的设备问题。维修技术人员120然后使用一个或多个更换零件修理相关联的设备，然后将报告发送到服务器116。当确定具有成本效益时，附近的维修边界108内的剩余设备也在相同的维修呼叫调度中得到维修，将在下面详细说明。适当地从本地库存124获得用于同期设备维修的更换零件，其适当地通过从仓库128交付来储存。

技术人员维修报告可以包括所使用的一个或多个更换零件的列表、维修时间或日期、维修地点、维修设备的标识等。适当地将此类信息提供给服务器116以更新和改进预测性故障建模。

现在转向图2，示出了联网的数字设备的示例实施方式，该联网的数字设备包括适当地包含在MFP内的文档呈现系统200，诸如图1的MFP 104。应当理解，MFP包括智能控制器201，其本身就是一个计算机系统。因此，MFP本身可以用作具有本文描述的能力的云服务器。智能控制器201中包括一个或多个处理器，诸如由处理器(CPU)202所示的处理器。每个处理器经由数据总线212适当地与非易失性存储器相关联，诸如只读存储器(ROM)204和随机存取存储器(RAM)206。

处理器202还与存储设备接口208进行数据通信以读取或写入存储设备216，该存储设备216适当地包括硬盘、光盘、固态盘、基于云的存储设备或本领域普通技术人员所理解的任何其他合适的数据存储设备。

处理器202还与网络接口210进行数据通信，该网络接口210提供到网络接口控制器(NIC)214的接口，其进而提供到任何合适的有线接口或物理网络连接220、或经由无线网络接口218到无线数据连接的数据路径。示例无线数据连接包括蜂窝、Wi-Fi、蓝牙、NFC、无线通用串行总线(无线USB)、卫星等。示例有线接口包括以太网、USB、IEEE 1394(FireWire)、Lightning、电话线等。处理器202还与用户接口219进行数据通信或与显示器、键盘、触摸屏、鼠标、轨迹球等进行接口。处理器202还通过数据总线212与蓝牙接口226和NFC接口228进行数据通信。

处理器202还可以与任何合适的作为用户接口219的用户输入/输出(I/O)接口进行数据通信，其提供与用户外围设备的数据通信，该用户外围设备诸如显示器、键盘、鼠标、轨迹球、触摸屏等。

同样与数据总线212进行数据通信的是适合于与包括MFP功能单元的文档呈现系统200进行数据通信的硬件监视器221和文档处理器接口222。在所示示例中，这些单元包括复印硬件240、扫描硬件242、打印硬件244和传真硬件246，它们一起构成MFP功能硬件250。应当理解，功能单元适当地由智能单元组成，包括任何合适的硬件或软件平台。

现在转向图3，示出了数字数据处理设备300的示例实施方式，诸如图1的服务器116。数字数据处理设备300的组件适当地包括：一个或多个处理器，如处理器304所示；以及存储器，适当地包括只读存储器310和随机存取存储器312、以及适当地经由存储设备接口306连接的大容量或其他非易失性存储设备308。网络接口控制器330适当地提供用于与其他设备进行数据通信的网关，诸如经由无线网络接口338。用户输入/输出接口340适当地提供显示生成器346，该显示生成器346经由触摸屏显示器344提供用户界面，适当地包括触摸屏显示器。应当理解，在如上所述的任何或所有设备上适当地实施用于实现如下文进一步详述的系统的计算平台。

图4是设备错误预测系统400的流程图，诸如结合图1的服务器116实现的系统。通过设备管理系统404适当地完成设备监控。作为特定示例，东芝TEC MFP设备是可配置的，并通过其e-BRIDGE CloudConnect(eCC web)界面进行监控。e-BRIDGE CloudConnect是嵌入式且基于云的应用程序的集成系统，提供支持东芝MFP远程监控和管理的功能。它可以通过自动交互来管理配置设置。e-BRIDGE CloudConnect从连接的MFP收集服务信息，包括仪表数据，以加速问题诊断和解决。

设备管理系统404提供设备状态信息408，用于通过诸如Microsoft Azure之类的合适的机器学习平台412对预测性设备故障进行机器学习和分析的应用。用于此类预测的诸如设备维修日志信息之类的附加信息416由合适的CMMS(计算机化维护管理系统(或软件))420提供，并且有时被称为企业资产管理(EAM)。作为特定示例，CMMS系统420可以是基于由Tessaract公司提供的CMMS软件、现场服务软件或现场力量自动化软件。

图5示出了机器学习系统的示例实施方式的流程图500。在该示例系统中，过程以一个或多个问题504开始，诸如设备何时可能出现故障以及哪个方面或哪些方面将与此类故障相关联。在数据采集508处检索数据并清除不需要的或有问题的数据，并且该数据被提供用于训练集512中的训练和测试集516中的测试。这些结果被提供给机器学习系统，该机器学习系统适当地包括一个或多个学习模型，诸如学习模型1 520、学习模型2 524和学习模型n 528。每个学习模型520、524、528包括一种或多种算法学习方法，诸如学习模型1 520的算法学习方法532和536。提供诸如学习模型1 520的参数540之类的参数用于在550处的评估，将结果反馈到508处的数据采集以进行迭代计算。图6提供了示例机器学习算法600，包括分类算法604和预测算法608。

图7提供了算法结果700的示例可视化描述，包括分类结果704和预测结果708。诸如集群712之类的设备集群可以用结果716进行相应故障预测来指示设备错误状况。例如，可以根据如本领域所理解的广义极端学生化偏差测试的应用，对设备故障进行预测。

作为特定示例，可以利用对即将到来的维修呼叫的可能性的确定，来调度设备维护。此类调度与已经调度的维修呼叫或与两个或多个地理上邻近的设备的维修适当地整合，以使技术人员现场访问所需的差旅时间最短。在可用的第三方平台上建立适当的机器学习系统，诸如R-Script、Microsoft Azure、Google Next、Kaggle.com等。

图8是用于确定相对于所需预测性零件的维修呼叫可能性的设备症状800的细分的示例实施方式。图9是包括所需更换零件的解决方案900的示例实施方式。

图10是在图1的服务器116上适当地实现的用于经济驱动的预测性设备维修的系统的示例实施方式的流程图1000。当接收到设备维修呼叫时，该过程在框1004处开始。接下来，在框1008处确定与接收到的维修呼叫相关联的设备的位置，并且通过对数据库1012的查询来定位规定距离或边界内的设备。数据库1012还存储设备标识符，诸如序列号、设备位置、零件或设备故障数据、零件成本、人工成本、里程成本、差旅时间等。在框1020处过滤掉没有即将发生的预测性故障的邻近设备。接下来，在框1024处计算在维修呼叫的设备位置和邻近设备之间的距离。接下来，对于每个设备，在框1028处，确定是否为邻近设备添加维修呼叫。此类确定是作为维修成本的函数适当地做出的，维修成本包括零件成本、劳动力成本和差旅成本。当此类成本低于该设备的单独维修呼叫成本时，在框1032处将其添加到设备维修列表中。当列表完成时，在框1036处派遣技术人员以及从库存中检索的所需零件1036。在框1040处对列表中的设备进行维修，在框1044处结束该过程。在框1048处，从设备列表中删除不满足框1028的成本标准的任何设备。

图11是加权无向图的示例实施方式，其中起始节点A表示派遣技术人员的维修中心。第二个节点B是在呼叫期间将被维修的设备的位置。所有其他节点C

图12示出了加权图的示例实施方式，其有助于确定在B处的相同维修呼叫期间在C处维修设备是否具有成本效益。提供单位来演示成本效益计算。

在示出的示例中：

·A、B、C之间的物理距离，以英里为单位(AB、AC、BC)

·节点之间的平均差旅速率，以英里/小时为单位(m)

·运输成本(例如燃料、车辆折旧)，以美元/英里为单位(t)

·维修技术人员成本，以美元/小时为单位(w)

·预测在C处故障的成本，以美元为单位(f)

·预测性维护模型精度(p)

如果在同一次行程中更换C处零件的预期成本低于在单独行程中更换零件的预期成本，则确定技术人员在到访B时更换C处预测的故障零件具有成本效益：

应当注意，在同一行程中更换C处零件的情况下，零件的成本与预测模型的精度成反比。如果预测不正确并且在C处的零件在其有效寿命结束之前被更换，则此设施会考虑潜在的损失价值(更高的零件成本)。

尽管已经描述了某些实施方式，但是这些实施方式仅通过示例的方式呈现，并且不旨在限制本发明的范围。实际上，本文描述的新颖实施方式可以以多种其他形式体现；此外，在不脱离本发明的精神的情况下，可以对本文描述的实施方式的形式进行各种省略、替换和变化。所附权利要求及其等同方案旨在涵盖落入本发明的精神和范围内的此类形式或修改。