CN115053252A - 能量管理装置、服务器、能量管理系统、能量管理方法及能量管理程序 - Google Patents

Abstract

能量管理装置(10)具有指标值计算部(23)、评分计算部(24)、信息提供部(25)。指标值计算部(23)基于与过去的生产相关的信息即生产关联信息，对包含生产设备的诊断对象的与能耗相关的大于或等于1种指标值进行计算。评分计算部(24)基于由指标值计算部(23)计算出的大于或等于1种指标值，对评分进行计算，该评分表示作为对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于对生产没有贡献的能耗的影响度。信息提供部(25)输出多个原因候补中的由评分计算部(24)计算出的评分处于上位的大于或等于两个原因候补的信息。

Description

能量管理装置、服务器、能量管理系统、能量管理方法及能量 管理程序

技术领域

本发明涉及诊断在包含生产设备的诊断对象中对生产没有贡献的能耗的原因的能量管理装置、服务器、能量管理系统、能量管理方法及能量管理程序。

背景技术

以往，已知对生产设备中的对生产没有贡献的能耗的原因进行确定，将确定出的原因信息提示给用户的技术。例如，在专利文献1中公开了如下技术，即，在表示累计产量和累计能耗量之间的关系的图形数据中出现了在产生了无用能耗时形成的特征图案的情况下，输出包含无用能耗的原因信息的消息。

专利文献1：日本特开2016-18242号公报

发明内容

但是，在上述专利文献1所记载的技术中，由于将对生产没有贡献的能耗的原因归结为一个，因此在对生产没有贡献的能耗的原因为多个的情况下，有时难以恰当地执行针对对生产没有贡献的能耗的对策。

本发明就是鉴于上述问题而提出的，其目的在于得到能够对产生了对生产没有贡献的能耗的多个原因进行确定的能量管理装置。

为了解决上述课题，达成目的，本发明的能量管理装置具有指标值计算部、评分计算部、信息提供部。指标值计算部基于与过去的生产相关的信息即生产关联信息，对包含生产设备的诊断对象的与能耗相关的大于或等于1种指标值进行计算。评分计算部基于由指标值计算部计算出的大于或等于1种指标值，对评分进行计算，该评分表示作为对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于对生产没有贡献的能耗的影响度。信息提供部输出多个原因候补中的由评分计算部计算出的评分处于上位的大于或等于两个原因候补的信息。

发明的效果

根据本发明，实现下述效果，即，能够对产生了对生产没有贡献的能耗的多个原因进行确定。

附图说明

图1是表示生产设施的结构的一个例子的图，该生产设施包含实施方式1涉及的能量管理装置。

图2是表示实施方式1涉及的能量管理装置的结构的一个例子的图。

图3是表示由实施方式1涉及的能量管理装置的信息生成部生成的第1原因候补信息的一个例子的图。

图4是表示由实施方式1涉及的信息生成部判定的第2原因候补信息的一个例子的图。

图5是用于说明通过实施方式1涉及的指标值计算部对值进行计算的第1指标、第2指标、第3指标、第4指标及第5指标的图。

图6是表示由实施方式1涉及的指标值计算部计算的多种指标值的一个例子的图。

图7是表示实施方式1涉及的综合信息的一个例子。

图8是表示由实施方式1涉及的信息提供部显示于显示部的损耗原因信息的一个例子的图。

图9是表示由实施方式1涉及的能量管理装置的处理部进行的处理的一个例子的流程图。

图10是表示实施方式1涉及的能量管理装置的处理部的硬件结构的一个例子的图。

图11是表示实施方式2涉及的能量管理装置的结构的一个例子的图。

图12是表示由实施方式2涉及的信息提供部显示于显示部的损耗原因信息的一个例子的图。

图13是表示由实施方式2涉及的能量管理装置的处理部进行的处理的一个例子的流程图。

图14是表示由实施方式2涉及的能量管理装置的处理部进行的诊断处理的一个例子的流程图。

图15是表示实施方式3涉及的能量管理系统的结构的一个例子的图。

图16是表示实施方式3涉及的能量管理装置的结构的一个例子的图。

图17是表示实施方式3涉及的服务器的结构的一个例子的图。

图18是表示实施方式3涉及的神经网络的一个例子的图。

图19是表示由实施方式3涉及的能量管理装置的处理部进行的处理的一个例子的流程图。

图20是表示由实施方式3涉及的服务器进行的学习处理的一个例子的流程图。

图21是表示由实施方式3涉及的服务器进行的推理处理的一个例子的流程图。

图22是表示由实施方式3涉及的移动终端进行的处理的一个例子的流程图。

图23是表示实施方式3涉及的服务器的硬件结构的一个例子的图。

图24是表示实施方式4涉及的能量管理系统的结构的一个例子的图。

图25是表示实施方式4涉及的服务器的结构的一个例子的图。

图26是表示实施方式4涉及的移动终端的显示部所显示的雷达图表的一个例子的图。

图27是表示实施方式4涉及的移动终端的显示部所显示的雷达图表的其它例子的图。

图28是表示由实施方式4涉及的服务器进行的学习处理的一个例子的流程图。

图29是表示由实施方式4涉及的服务器进行的推理处理的一个例子的流程图。

具体实施方式

下面，基于附图对实施方式涉及的能量管理装置、服务器、能量管理系统、能量管理方法及能量管理程序进行详细说明。此外，本发明并不限于该实施方式。

实施方式1

图1是表示生产设施的结构的一个例子的图，该生产设施包含实施方式1涉及的能量管理装置。如图1所示，实施方式1涉及的生产设施1具有生产设备2、关联设备3、电力传感器4、5、产量传感器6、环境传感器7、生产管理装置8、能量管理装置10。此外，下面，由生产设备2及关联设备3使用的能量为电力，但可以是石油、煤炭、气体、氢等一次能量等，也可以是电力和一次能量的组合。

生产设备2执行对多个物品进行生产的生产工序。在生产设备2中，例如，通过多个生产装置构成生产线，但也可以是生产设备2仅具有1个生产装置的结构。由生产设备2生产的物品例如为工业产品或工业产品的半成品，下面，有时记载为生产对象品。此外，生产对象品也可以为液体或气体。

关联设备3是与生产设备2相关联地使用的设备。例如，关联设备3是通过生产设备2生产生产对象品时由作业者等开启的照明装置、空调、压缩机、或集尘机等设备。关联设备3也称为公用设备。

电力传感器4安装于向生产设备2进行送电的送电线路或生产设备2等，定期地对生产设备2的耗电量进行测定，经由未图示的专用线路或未图示的网络将表示测定出的耗电量的信息向能量管理装置10发送。

电力传感器5安装于向关联设备3进行送电的送电线路或关联设备3等，定期地对关联设备3的耗电量进行测定，经由未图示的专用线路或未图示的网络将表示测定出的耗电量的信息向能量管理装置10发送。通过电力传感器4测定的耗电量为生产设备2的消耗能量的一个例子。通过电力传感器5测定的耗电量为关联设备3的消耗能量的一个例子。

产量传感器6设置于生产设备2，定期地对生产设备2的产量进行测定，经由未图示的专用线路或未图示的网络将表示测定出的产量的信息向能量管理装置10发送。产量传感器6例如对生产设备2的生产线上的生产对象品的通过数量进行计数，将计数出的值测定为产量。此外，在生产对象品为液体或气体的情况下，通过产量传感器6测定的产量为生产流量。另外，通过产量传感器6测定的产量也可以由重量或长度表示。

环境传感器7定期地对生产设备2的生产工序中的环境即生产环境进行测定，将表示测定出的生产环境的信息向能量管理装置10发送。通过环境传感器7测定的生产环境例如是配置有生产设备2的室内的温度、湿度、二氧化碳浓度、亮度、噪音、或振动等。此外，表示生产环境的信息也可以是向未图示的终端装置输入的信息。在该情况下，表示生产环境的信息被从未图示的终端装置经由未图示的专用线路或未图示的网络向能量管理装置10发送。

生产管理装置8具有对生产管理信息进行存储的未图示的存储部。生产管理信息以日为单位而包含生产对象品的种类、生产工序的负责人、生产设备2的错误信息、生产对象品的批数及生产设备2的生产节拍时间等信息。生产节拍例如是将1天的生产设备2的运转时间除以1天的产量而得到的时间。

生产管理装置8中的未图示的处理部从存储部读出存储于存储部的生产管理信息，经由未图示的专用线路或未图示的网络将读出的信息向能量管理装置10发送。生产管理装置8能够从生产设备2经由未图示的专用线路或未图示的网络取得生产管理信息的一部分信息。

另外，生产管理装置8能够通过图像传感器对生产管理信息的一部分信息进行确定。另外，生产管理装置8也能够将从未图示的输入部输入的信息存储为生产管理信息的一部分信息。输入部能够接收由键盘实现的输入、或由声音识别实现的输入，将接收到的信息向生产管理装置8输出。

能量管理装置10从电力传感器4、5、产量传感器6、环境传感器7及生产管理装置8的每一者对信息进行收集，基于收集到的信息，针对包含生产设备2和关联设备3在内的诊断对象，针对对生产没有贡献的能耗的原因。下面，有时将诊断对象中的对生产没有贡献的能耗记载为对生产没有贡献的能耗或能量损耗。此外，对生产没有贡献的能耗是指希望尽可能削减的能耗，例如也包含生产设备2的运转所需要的暖气的能耗(后述的时间T1中的生产设备2的能耗)等这样，虽然有时也可以视为间接地对生产有贡献，但其也存在能量损耗。

图2是表示实施方式1涉及的能量管理装置的结构的一个例子的图。如图2所示，能量管理装置10具有处理部11、生产关联信息存储部12、显示部13。处理部11具有信息收集部21、信息生成部22、指标值计算部23、评分计算部24、信息提供部25。

信息收集部21从电力传感器4、5、产量传感器6、环境传感器7及生产管理装置8的每一者对信息进行收集，将收集时的时刻与收集到的信息相关联地追加于生产关联信息存储部12的生产关联信息。收集时的时刻例如除了时、分及秒的信息之外，还包含年、月、日的信息。生产关联信息为与过去的生产相关的信息，是由信息收集部21收集而存储于生产关联信息存储部12的信息。

由信息收集部21收集的信息也可以是由模拟信号表示的信息及由数字信号表示的信息中的任意信息。信息收集部21在收集到的信息为模拟信号的情况下，通过AD(Analogto Digital)变换将收集到的信息变换为数字信号。此外，信息收集部21例如也能够对收集到的信息实施有效值运算或滤波处理等。

信息生成部22基于存储于生产关联信息存储部12的生产关联信息，生成包含多个原因候补的信息的原因候补信息，原因候补是产生能量损耗的原因的候补。原因候补信息包含第1原因候补信息及第2原因候补信息。

信息生成部22基于在内部保存的日历信息、存储于生产关联信息存储部12的生产关联信息，生成第1原因候补信息。图3是表示由实施方式1涉及的能量管理装置的信息生成部生成的第1原因候补信息的一个例子的图。

如图3所示，第1原因候补信息以“日”为单位，包含“月”、“星期”、“周”、“生产开始时刻”及“生产结束时刻”，“日”、“月”、“星期”、“周”、“生产开始时刻”及“生产结束时刻”彼此相关联。

“日”是表示年月日的信息，“月”是表示月份的信息，“星期”是表示星期的信息，“周”是表示“日”是“月”的第几周的信息。“生产开始时刻”是表示生产设备2开始生产生产对象品的时刻的信息。“生产结束时刻”是表示生产设备2结束生产生产对象品的时刻的信息。在图3所示的例子中示出，“2019年10月20日”是10月的第4周的星期日，生产开始时刻为7点，生产结束时刻为17点。

信息生成部22从“日”所包含的月的信息取得每个“日”的“月”。另外，信息生成部22基于保存于内部的日历信息，对每个“日”的“星期”及“周”进行判定，将判定出的“星期”及“周”包含于第1原因候补信息。另外，信息生成部22根据存储于生产关联信息存储部12的生产关联信息，对每日的“生产开始时刻”及“生产结束时刻”进行判定，将判定出的“生产开始时刻”及“生产结束时刻”包含于第1原因候补信息。

信息生成部22例如将从生产设备2的耗电量大于或等于预先设定的阈值Pth的时刻减去生产一个生产对象品所需要的时间而得到的时刻判定为生产开始时刻。另外，信息生成部22例如将生产设备2的产量小于预先设定的阈值Mth的时刻判定为生产结束时刻。此外，在生产开始时刻及生产结束时刻包含于生产关联信息的情况下，信息生成部22也能够根据生产关联信息对“生产开始时刻”及“生产结束时刻”进行确定。

另外，在第1原因候补信息中，例如也可以包含当天的产量的信息、前一天的产量的信息。在该情况下，信息生成部22将当天的总产量计算为当天的产量，将前一天的总产量计算为前一天的产量。例如，“2019年10月20日”的当天的产量的信息是“2019年10月20日”的总产量，“2019年10月20日”的前一天的产量的信息是“2019年10月19日”的总产量。

另外，信息生成部22根据存储于生产关联信息存储部12的生产关联信息生成第2原因候补信息。例如在假设用数值表示对象机型、负责人及产生错误的每一者的情况下，第2原因候补信息是关于对象机型、负责人及产生错误的每一者的每日的代表值。例如，信息生成部22将存储于生产关联信息存储部12的生产关联信息所包含的1天的时序信息中的对象机型、负责人及产生错误的每一者的最频值判定为对象机型、负责人及产生错误的代表值。此外，对象机型表示对象生产品的类别，负责人表示负责生产设备2的生产的人员，产生错误表示生产设备2产生的错误的类别。

图4是表示由实施方式1涉及的信息生成部判定的第2原因候补信息的一个例子的图。图4所示的第2原因候补信息以“日”为单位，包含“对象机型”、“负责人”及“产生错误”，“对象机型”，“负责人”及“产生错误”彼此相关联。

在图4中示出对象机型至少为“A1”或“A2”，负责人至少为“B1”或“B2”，产生错误至少为“#1”或“#2”的情况的例子。在图4所示的例子中示出，在2019年10月20日，作为对象机型主要生产“A1”，负责人“B2”主要负责生产，最多的产生错误为“#2”。

另外，第2原因候补信息例如包含表示生产设备2或关联设备3运转状态下的室内的温度、湿度、亮度、噪音及振动的每一者的平均值及变动幅度的信息。例如，信息生成部22基于存储于生产关联信息存储部12的生产关联信息所包含的环境信息，对室内的温度、湿度、亮度、噪音及振动的每一者的平均值及变动幅度等进行计算。

指标值计算部23基于由生产关联信息存储部12存储的信息，对包含生产设备2和关联设备3在内的诊断对象的与能耗相关的大于或等于1种指标的值进行计算。下面，指标值计算部23对5种指标的值进行计算，但通过指标值计算部23对值进行计算的指标的种类可以小于或等于4个，也可以大于或等于6个。

指标值计算部23基于存储于生产关联信息存储部12的生产关联信息，对第1指标、第2指标、第3指标、第4指标及第5指标的每一者的值进行计算。图5是用于说明通过实施方式1涉及的指标值计算部对值进行计算的第1指标、第2指标、第3指标、第4指标及第5指标的图。下面，将由指标值计算部23计算的第1指标的值记载为第1指标值，将由指标值计算部23计算的第2指标的值记载为第2指标值，将由指标值计算部23计算的第3指标的值记载为第3指标值。另外，将由指标值计算部23计算的第4指标的值记载为第4指标值，将由指标值计算部23计算的第5指标的值记载为第5指标值。

第1指标值是从生产设备2开启至生产设备2的生产开始为止的时间T1。指标值计算部23例如对生产设备2的耗电量大于或等于预先设定的阈值Pth的时刻与生产设备2的产量大于或等于预先设定的阈值Mth的时刻之差进行计算。指标值计算部23能够将从计算出的差值减去生产设备2生产1个生产对象品所需要的时间而得到的时间计算为第1指标值。涉及的第1指标可以说是从生产设备2启动至生产开始为止的无用时间，可以说是产生对生产没有贡献的能耗的时间。

第2指标值是从生产设备2的生产结束至生产设备2关闭为止的时间T2。指标值计算部23例如能够将生产设备2的产量小于预先设定的阈值Mth的时刻与生产设备2的耗电量小于预先设定的阈值Pth的时刻之差计算为第2指标值。涉及的第2指标可以说是从生产结束至生产设备2停止为止的无用时间，可以说是产生对生产没有贡献的能耗的时间。

第3指标值是表示关联设备3开启的时间T4与生产设备2开启的时间T5之差的时间T3。涉及的第3指标表示生产设备2停止但关联设备3启动着的时间，可以说表示无用时间，可以说是产生对生产没有贡献的能耗的时间。

第4指标值表示生产设备2开启的时间中的由生产设备2进行生产的时间的比率。指标值计算部23例如计算生产设备2的产量大于或等于预先设定的阈值Mth的时间T6相对于生产设备2的耗电量大于或等于预先设定的阈值Pth的时间T5的比率。可以说涉及的第4指标值越小，则生产设备2启动着的时间中的生产无用地停止的时间越多。无用地停止的时间越多，则对生产没有贡献的能耗越增加。

第5指标值表示每单位产值的耗电量。每单位产值的耗电量例如是通过将1天的耗电量除以1天的产值而得到的。产值是生产对象品的数量、重量或长度等任意单位。

指标值计算部23基于存储于生产关联信息存储部12的生产关联信息所包含的产量的信息和存储于生产关联信息存储部12的生产关联信息所包含的生产设备2及关联设备3的耗电量的信息，对第5指标值进行计算。

具体而言，指标值计算部23基于生产关联信息所包含的产量的信息，对每日的总产量进行计算。另外，指标值计算部23基于生产关联信息所包含的生产设备2及关联设备3的耗电量的信息，对每日将生产设备2的耗电量和关联设备3的耗电量相加而得到的总耗电量进行计算。指标值计算部23每日通过将总耗电量除以总产量而对第5指标值进行计算。可以说涉及的第5指标值越大则对生产没有贡献的无用能耗越增大。

此外，指标值计算部23也能够对上述指标之外的种类的指标值进行计算。例如，指标值计算部23能够将每一天的总耗电量、每一天的总产量、或休息时间的耗电量等计算为指标值。另外，指标值计算部23也能够将上述多种指标值综合而计算为一个指标值。在该情况下，指标值计算部23例如将与重要度对应地对各指标值进行加权而相加后的值计算为一个指标值。

图6是表示由实施方式1涉及的指标值计算部计算的多种指标值的一个例子的图。在图6所示的例子中，以日为单位对第1指标值、第2指标值、第3指标值、第4指标值及第5指标值进行计算。例如，对于“2019年10月20日”而言，第1指标值为“15”，第2指标值为“14”，第3指标值为“213”，第4指标值为“31”，第5指标值为“0.37”。

评分计算部24基于由指标值计算部23计算出的每日的指标值，针对每个指标计算评分，该评分表示多个原因候补的每一者的对于能量损耗的影响度。涉及的评分计算部24生成将多种指标值和多个原因候补相关联后的综合信息。图7是表示实施方式1涉及的综合信息的一个例子的图。图7所示的综合信息是将第1指标值和多个原因候补相关联后的信息，第1指标值被设定为目的变量，包含第1原因候补信息和第2原因候补信息的多个原因候补的信息被设定为说明变量。

虽然在图7中未图示，但在综合信息中，室内的温度、湿度、亮度、噪音及振动的每一者的平均值及变动幅度等原因候补的信息也被设定为说明变量。另外，评分计算部24针对第2指标值、第3指标值、第4指标值及第5指标值的每一者也生成与图7所示的综合信息相同的综合信息。

评分计算部24通过使用了上述综合信息的数据挖掘，针对第1指标、第2指标、第3指标、第4指标及第5指标的每一者，计算表示多个原因候补的每一者的对于能量损耗的影响度的评分。评分越高的原因候补对于能量损耗影响越大。

数据挖掘所使用的解析方法例如是回归分析、聚类或频繁模式提取等。下面，说明评分计算部24通过回归分析对评分进行计算的例子，但评分计算部24也能够使用多重回归分析之外的解析方法进行数据挖掘。

评分计算部24对原因候补执行前处理而决定各说明变量的值。评分计算部24进行与原因候补对应的种类的前处理。在对原因候补执行的前处理的种类中具有第1前处理和第2前处理。首先，对第1前处理进行说明。

第1前处理是对不能用量表示的原因候补进行的处理。不能用量表示的原因候补例如是“月”、“星期”、“周”、“生产开始时刻”、“生产结束时刻”、“对象机型”、“负责人”、或“产生错误”等。

评分计算部24在原因候补为“星期”的情况下，用7种说明变量表示“星期”。具体而言，评分计算部24用7种说明变量表示星期，在是从星期日至星期一为止的7种星期中的所对应的星期的情况下，设定为“1”。例如，在“星期”是“星期日”的情况下，评分计算部24将7种说明变量中的与星期日对应的说明变量的值设为“1”，将其它说明变量的值设置为“0”。另外，在“星期”是“星期一”的情况下，评分计算部24将7种说明变量中的与星期一对应的说明变量的值设为“1”，将其它说明变量的值设置为“0”。

另外，评分计算部24用与负责人的数量相同数量的种类的说明变量表示“负责人”。例如，评分计算部24在负责人的数量为4人的情况下，用4种说明变量表示“负责人”。另外，评分计算部24用与对象机型的种类相同数量的种类的说明变量表示“对象机型”。例如，评分计算部24在对象机型的种类为5种的情况下，用5种说明变量表示“对象机型”。另外，评分计算部24用与产生错误的种类相同数量的种类的说明变量表示“产生错误”。例如，评分计算部24在产生错误的种类为10种的情况下，用10种说明变量表示“产生错误”。

接着，对第2处理进行说明。第2处理是对用量表示的原因候补执行的处理，通过第2处理而用量表示的原因候补由一个说明变量表示。用量表示的原因候补例如是“温度的平均值”、“温度的变动幅度”、“湿度的平均值”、“湿度的变动幅度”、“二氧化碳的平均值”、“二氧化碳的变动幅度”、“亮度的平均值”及“亮度的变动幅度”等。

评分计算部24执行如下处理作为第2前处理，该处理以使得在各说明变量中平均为0且方差为1的方式进行调整。具体而言，在第2处理中，评分计算部24针对各原因候补，对原因候补的平均值进行计算，从每日的原因候补的值减去原因候补的平均值，将涉及的减法运算结果除以标准偏差，由此对说明变量的值进行计算。评分计算部24在针对能量损耗越大则值越小的指标计算原因候补的评分的情况下，使通过上述方法计算出的说明变量的值的正负反转。值越大则能量损耗越小的指标为第4指标值。

评分计算部24针对各指标使用下式(1)来进行多重回归分析。在下式(1)中，“n”是上述说明变量的总数，“y”为指标值，“x₁”、“x₂”、“x₃”、…、“x_n”为说明变量的值，“a₁”、“a₂”、“a₃”、…、“a_n”为系数。

y＝a₁×x₁+a₂×x₂+a₃×x₃+…a_n×x_n …(1)

评分计算部24针对各指标，以日为单位将通过综合信息设定的多个说明变量的值代入“x₁”、“x₂”、“x₃”、…、“x_n”，对通过式(1)得到的“y”的值与通过综合信息设定的目标变量的值之差进行计算。评分计算部24例如针对各指标，进行“a₁”、“a₂”、“a₃”、…、“a_n”的最优化，以使得计算出的差值的平均值或合计值最小。

评分计算部24针对各指标，将各系数的绝对值计算为原因候补的评分。例如，在“x₁”为与星期日对应的说明变量的情况下，星期日的评分为“a₁”。另外，在“x₂”为与星期一对应的说明变量的情况下，星期一的评分为“a₂”。针对用量表示的原因候补的系数，其绝对值为评分。例如，在“x₃”是针对温度的平均值的说明变量的情况下，温度的平均值的评分为“a₃”的绝对值。

在上述例子中，评分计算部24生成综合信息，但只要能够针对每个指标进行数据挖掘处理即可，也可以不生成综合信息。例如，评分计算部24在通过多重回归分析对各原因候补的评分进行计算的情况下，基于信息生成部22和指标值计算部23得到的信息，将指标值作为目的变量的值，将各原因候补的值作为说明变量的值即可，并不限定于上述例子。

图2所示的信息提供部25针对各指标，将由评分计算部24计算出的评分处于上位的大于或等于两个原因候补的信息输出。例如，信息提供部25按照由评分计算部24计算出的评分从大到小的顺序将多个原因候补排列，生成以排名表的形式表示多个原因候补的排名信息，将所生成的排名信息中的至少两个上位的原因候补的信息输出。信息提供部25具有：排名信息生成部41，其生成上述排名信息；以及显示处理部42，其将包含由排名信息生成部41生成的排名信息中的至少一部分信息在内的损耗原因信息显示于显示部13。

显示处理部42例如以排名表的形式使排名信息中的包含按照评分从大到小的顺序预先设定的数量的原因候补的信息显示于显示部13。另外，显示处理部42也能够使损耗原因信息显示于显示部13，该损耗原因信息是以排名表的形式表示排名信息中的评分大于或等于预先设定的值的原因候补的信息。另外，显示处理部42也能够以排名表的形式使排名信息的全部显示于显示部13。此外，显示处理部42能够以除了排名表的形式以外的形式使损耗原因信息显示于显示部13。

图8是表示由实施方式1涉及的信息提供部显示于显示部的损耗原因信息的一个例子的图。在图8所示的损耗原因信息中，关于第1指标，作为能量损耗的推定原因而包含评分处于上位的5个原因候补的类别及内容。

在图8所示的例子中示出，关于第1指标，星期“星期一”评分最高，按照对象机型“A”、周“第4周”、月“3月”、及生产结束时刻“17时”的顺序评分降低。

这样，能量管理装置10能够使用诊断对象的与能耗相关的指标，对表示多个原因候补的每一者的对于能量损耗的影响度的评分进行计算，由此确定对于能量损耗影响度高的多个原因。另外，能量管理装置10能够将按照对于能量损耗的影响度的顺序排列多个原因候补的排名表的形式的信息提示给用户。因此，用户能够掌握对于能量损耗的影响度高的项目，能够使能量管理装置10的诊断结果助力于对能量损耗的改善活动的研究。

在上述例子中，评分计算部24针对每个指标对各原因候补的评分进行计算，但针对各原因候补，能够对将多个指标中的评分合计后的值即合计评分进行计算。在该情况下，排名信息生成部41按照由评分计算部24计算出的合计评分从大到小的顺序将多个原因候补排列，生成以排名表的形式表示多个原因候补的排名信息。

在上述例子中，评分计算部24针对多个指标的每一者对多个原因候补的评分进行计算，但也能够将多个指标汇总而设为综合指标，针对涉及的综合指标对多个原因候补的评分进行计算。例如，评分计算部24能够对第1指标值、第2指标值、第3指标值、第4指标值及第5指标值的每一者乘以或加上所对应的系数，以日为单位将涉及的乘法运算结果的合计值或加法运算结果的合计值计算为综合指标的值。而且，评分计算部24能够根据综合指标的值和多个原因候补的值，通过数据挖掘，针对综合指标对多个原因候补的每一者的评分进行计算。

接下来，使用流程图说明由能量管理装置10的处理部11进行的处理。图9是表示由实施方式1涉及的能量管理装置的处理部进行的处理的一个例子的流程图。

如图9所示，能量管理装置10的处理部11对是否成为信息收集定时进行判定(步骤S10)。在步骤S10中，处理部11在接收到从电力传感器4、电力传感器5、产量传感器6、环境传感器7、或生产管理装置8发送来的信息的情况下判定为成为信息收集定时。另外，处理部11也能够在成为以预先设定的周期到来的定时的情况下判定为成为信息收集定时。

处理部11在判定为成为信息收集定时的情况下(步骤S10：Yes)，对生产关联信息进行更新(步骤S11)。在步骤S11中，处理部11通过将从电力传感器4、电力传感器5、产量传感器6、环境传感器7、或生产管理装置8发送来的信息追加于在生产关联信息存储部12存储的生产关联信息，从而对生产关联信息进行更新。

另外，处理部11在信息收集定时为以预先设定的周期到来的定时的情况下，在步骤S11中，向电力传感器4、电力传感器5、产量传感器6、环境传感器7及生产管理装置8请求信息的发送。在该情况下，处理部11接收对应于请求而从电力传感器4、电力传感器5、产量传感器6、环境传感器7及生产管理装置8发送的信息。处理部11通过将接收到的信息追加于在生产关联信息存储部12存储的生产关联信息，从而对生产关联信息进行更新。

处理部11在步骤S11的处理结束的情况下或判定为没有成为信息收集定时的情况下(步骤S10：No)，对是否成为诊断开始定时进行判定(步骤S12)。在步骤S12中，处理部11例如在具有来自用户的诊断请求的情况下，判定为成为诊断开始定时。

处理部11在判定为成为诊断开始定时的情况下(步骤S12：Yes)，从生产关联信息存储部12取得生产关联信息(步骤S13)。然后，处理部11基于在步骤S13中取得的生产关联信息及日历信息等，生成原因候补信息(步骤S14)。另外，处理部11基于在步骤S13中取得的生产关联信息，针对各个指标对每日的指标值进行计算(步骤S15)。

接着，处理部11基于在步骤S14中生成的原因候补信息和在步骤S15中生成的指标值，针对各个指标对各原因候补的评分进行计算(步骤S16)。处理部11基于在步骤S16中计算出的各原因候补的评分，针对各个指标生成将多个原因候补按照评分从大到小的顺序排列的排名信息(步骤S17)。然后，处理部11将各个指标的排名信息中的至少一部分显示于显示部13(步骤S18)。在步骤S18中，处理部11例如以排名表的形式将各个指标的排名信息中的处于上位的大于或等于两个原因候补显示于显示部13。

处理部11在步骤S18的处理结束的情况下或判定为没有成为诊断开始定时的情况下(步骤S12：No)，将图9所示的处理结束。

图10是表示实施方式1涉及的能量管理装置的处理部的硬件结构的一个例子的图。如图10所示，能量管理装置10的处理部11包含计算机，该计算机具有处理器101、存储器102和输入输出接口103。输入输出接口103包含进行电力传感器4、5、产量传感器6、环境传感器7及生产管理装置8之间的信息的收发的通信部。

处理器101、存储器102、及输入输出接口103例如能够通过总线104彼此进行数据的收发。处理部11的信息收集部21的一部分及处理部11的显示处理部42的一部分各自由输入输出接口103实现。处理器101通过读出并执行在存储器102存储的程序，从而执行信息收集部21、信息生成部22、指标值计算部23、评分计算部24及信息提供部25的功能。处理器101例如是处理电路的一个例子，包含CPU(Central Processing Unit)、DSP(Digital SignalProcessor)、及系统LSI(Large Scale Integration)中的大于或等于一者。

存储器102包含RAM(Random Access Memory)、ROM(Read Only Memory)、闪存、EPROM(Erasable Programmable Read Only Memory)、及EEPROM(注册商标)(ElectricallyErasable Programmable Read Only Memory)中的大于或等于一者。另外，存储器102包含记录有计算机可读取的程序的记录介质。涉及的记录介质包含非易失性或易失性半导体存储器、磁盘、软盘、光盘、高密度盘、及DVD(Digital Versatile Disc)中的大于或等于一者。此外，能量管理装置10也可以包含ASIC(Application Specific Integrated Circuit)及FPGA(Field Programmable Gate Array)等集成电路。

如上所述，实施方式1涉及的能量管理装置10具有指标值计算部23、评分计算部24、信息提供部25。指标值计算部23基于与过去的生产相关的信息即生产关联信息，针对包含生产设备2的诊断对象计算与能耗相关的大于或等于1种指标值。评分计算部24基于由指标值计算部23计算出的大于或等于1种指标值，对评分进行计算，该评分表示作为诊断对象中的对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于对生产没有贡献的能耗的影响度。信息提供部25输出多个原因候补中的由评分计算部24计算出的评分处于上位的大于或等于两个原因候补的信息。这样，能量管理装置10通过对表示多个原因候补的每一者的对于对生产没有贡献的能耗的影响度的评分进行计算，能够确定对于对生产没有贡献的能耗的影响度高的多个原因。另外，能量管理装置10例如无需费力地事先人工将对生产没有贡献的能耗的原因与特征图案相关联等，就能够确定对生产没有贡献的能耗的原因。

另外，在诊断对象中包含与生产设备2关联地使用的关联设备3。在生产关联信息中包含表示生产设备2的消耗能量的信息、表示关联设备3的消耗能量的信息及表示生产设备2的产量的信息。指标值计算部23基于表示生产设备2的消耗能量的信息、表示关联设备3的消耗能量的信息及表示生产设备2的产量的信息，对大于或等于1种指标值进行计算。这样，能量管理装置10将关联设备3的消耗能量也作为对生产没有贡献的能耗的原因而对待，因此例如，能够向用户提供针对生产设施1整体的能耗中的对生产没有贡献的能耗的改善活动有益的信息。

另外，由指标值计算部23计算出的指标值包含第1指标值、第2指标值、第3指标值、第4指标值及第5指标值中的至少1者。第1指标值表示从生产设备2开启至生产设备2的生产开始为止的时间。第2指标值表示从由生产设备2进行的生产结束至生产设备2关闭为止的时间。第3指标值表示关联设备3开启的时间与生产设备2开启的时间之差。第4指标值表示生产设备2开启的时间中的由生产设备2进行生产的时间的比率。第5指标值表示由生产设备2实现的每单位产值的诊断对象的能耗量。这样，从容易掌握的观点出发，能量管理装置10能够向用户提供对于对生产没有贡献的能耗的改善活动有益的信息。

另外，能量管理装置10具有基于生产关联信息而生成多个原因候补的信息的信息生成部22。评分计算部24基于由指标值计算部23计算出的多种指标值、和由信息生成部22生成的多个原因候补的信息，对表示多个原因候补的每一者的对于对生产没有贡献的能耗的影响度的评分进行计算。如上所述，由于能量管理装置10针对生产关联信息生成多个原因候补的信息，因此与人工地输入多个原因候补的信息的情况相比，能够大幅减轻用户的负担。

另外，多个原因候补包含通过生产设备2生产物品的日期的星期、周及月、生产的负责人、由生产设备2生成的物品的种类、在生产设备2中产生的错误及生产设备2的环境中的大于或等于两个。由此，能量管理装置10能够从时间的观点、人的观点、生产对象的观点、生产设备2的观点、或环境的观点来确定对于对生产没有贡献的能耗的影响度高的多个原因。

另外，评分计算部24针对多种指标值的每一者计算多个原因候补的每一者的评分。信息提供部25针对多种指标值的每一者，输出多个原因候补中的由评分计算部24计算出的评分处于上位的大于或等于两个原因候补的信息。如上所述，由于能量管理装置10使用多个指标，因此能够针对多个观点的每一者向用户提供对于对生产没有贡献的能耗的改善活动有益的信息。

另外，信息提供部25输出排名信息，该排名信息以排名表的形式表示多个原因候补中的从评分大的原因候补起依次排列的预先设定的数量的原因候补。由此，能量管理装置10能够以排名表的形式向用户提供对于对生产没有贡献的能耗的影响度高的多个原因的信息。

实施方式2

实施方式2涉及的能量管理装置与实施方式1涉及的能量管理装置10的区别在于，基于多个原因候补的每一者的对用户的改善活动的贡献度，对评分进行校正，上述改善活动是指针对对生产没有贡献的能耗的改善活动。下面，对具有与实施方式1相同的功能的结构要素标注相同标号并省略说明，以与实施方式1的能量管理装置10不同的点为中心进行说明。

图11是表示实施方式2涉及的能量管理装置的结构的一个例子的图。如图11所示，实施方式2涉及的能量管理装置10A与实施方式1的能量管理装置10的区别在于，具有输入部14和贡献度信息存储部15，并且替代处理部11而具有处理部11A。输入部14例如是键盘、鼠标或便携终端的触摸面板等输入装置。

处理部11A具有贡献度推定部26。另外，处理部11A替代信息提供部25而具有信息提供部25A。贡献度推定部26基于由输入部14输入的信息，推定多个原因候补的每一者对于改善活动的贡献度，该改善活动是针对对生产没有贡献的能耗由用户进行的改善活动。贡献度推定部26使表示推定出的多个原因候补的每一者的贡献度的信息存储于贡献度信息存储部15。

信息提供部25A具有排名信息生成部41A、显示处理部42A。排名信息生成部41A基于由贡献度推定部26推定而存储于贡献度信息存储部15的多个原因候补的每一者的贡献度，对多个原因候补中的所对应的原因候补的评分进行校正。排名信息生成部41A基于校正后的评分，生成排名信息。

除了处于上位的多个推定原因的类别及内容之外，显示处理部42A还将包含用于输入用户的评价的输入框的损耗原因信息显示于显示部13。图12是表示由实施方式2涉及的信息提供部显示于显示部的损耗原因信息的一个例子的图。

在图12所示的损耗原因信息中，除了图8所示的损耗原因信息的内容之外，还包含用于输入针对多个原因候补的每一者的用户的评价的输入框。具体而言，在原因信息中，对于多个原因候补的每一者，包含与“起作用”对应的第1输入框、与“不起作用”对应的第2输入框。用户向与被认为起作用的原因候补对应的第1输入框输入核对标识，向与被认为不起作用的原因候补对应的第2输入框输入核对标识。核对标识例如通过鼠标的点击操作或向触摸面板的触摸操作等来进行。

贡献度推定部26基于针对各原因候补的向第1输入框或第2输入框的输入履历，推定各原因候补对旨在改善对生产没有贡献的能耗的用户活动的贡献度。例如，贡献度推定部26通过使用下式(2)，推定各原因候补对旨在改善对生产没有贡献的能耗的用户活动的贡献度。在下式(2)中，“Z”是对旨在改善对生产没有贡献的能耗的用户活动的贡献度，“α”是大于1的系数，“β”是小于1的系数。另外，在下式(2)中，“N”是用户过去将核对标识输入至第1输入框的次数，“M”是用户过去将核对标识输入至第2输入框的次数。

Z＝α^N×β^M …(2)

贡献度Z越大，则意味着对旨在改善对生产没有贡献的能耗的用户改善活动起作用的程度越高。此外，贡献度推定部26也能够替代通过上述式(2)进行的贡献度的计算，通过机器学习，推定对于各原因候补的用户的贡献度。

由用户进行的评价的输入方法并不限于第1输入框及第2输入框，例如也可以是通过选择框选择“起作用”及“不起作用”中的1者而进行输入的方法。另外，由用户进行的评价并不限于“起作用”和“不起作用”这2种，也可以从大于或等于3个等级的信息选择而输入。另外，由用户进行评价也可以通过表示起作用的程度的数值来进行输入。

排名信息生成部41A从贡献度信息存储部15取得表示由贡献度推定部26推定出的多个原因候补的每一者的贡献度的信息。排名信息生成部41A对由评分计算部24计算出的多个原因候补的每一者的评分乘以多个原因候补的贡献度中的所对应的原因候补的贡献度，由此对多个原因候补的每一者的评分进行校正。

例如，原因候补为“星期一”，“星期一”的评分为“0.2”，“星期一”的贡献度为“3”。在该情况下，排名信息生成部41A通过对“0.2”乘以“3”，从而将“星期一”的评分从“0.2”校正为“0.6”。也可以说，校正后的评分是将对旨在改善对生产没有贡献的能耗的用户改善活动起作用的程度数值化的。

排名信息生成部41A生成排名信息，该排名信息按照如上所述地校正后的评分从大到小的顺序将多个原因候补排列而以排名形式表示多个原因候补。显示处理部42A使损耗原因信息显示于显示部13，该损耗原因信息包含由排名信息生成部41A生成的排名信息中的至少一部分信息、上述第1输入框及第2输入框的信息。例如，排名信息生成部41A使图12所示的损耗原因信息显示于显示部13。

此外，如上所述，评分计算部24也能够针对综合指标而计算多个原因候补的每一者的评分。在该情况下，评分计算部24针对综合指标将多个原因候补的每一者的评分乘以多个原因候补的贡献度中的所对应的原因候补的贡献度，由此对多个原因候补的每一者的评分进行校正。排名信息生成部41A基于针对综合指标的校正后的多个原因候补的每一者的评分，生成排名信息。

这样，能量管理装置10A与能量管理装置10相同地，能够确定对于对生产没有贡献的能耗的影响度高的多个原因。并且，能量管理装置10A例如能够将针对旨在改善对生产没有贡献的能耗的用户改善活动的贡献度高的原因候补优先提供给用户。由此，用户能够掌握针对旨在改善对生产没有贡献的能耗的用户改善活动效果高的原因，助力于对生产没有贡献的能耗的改善活动的研究。

接下来，使用流程图说明由能量管理装置10A的处理部11A进行的处理。图13是表示由实施方式2涉及的能量管理装置的处理部进行的处理的一个例子的流程图。由于图13所示的步骤S20～S22的处理与图9所示的步骤S10～S12的处理相同，因此省略说明。

如图13所示，能量管理装置10A的处理部11A在判定为成为诊断开始定时的情况下(步骤S22：Yes)，进行诊断处理(步骤S23)。步骤S23的处理是图14所示的步骤S30～S36的处理，后面进行详述。

处理部11A在步骤S23的处理结束的情况下或判定为没有成为诊断开始定时的情况下(步骤S22：No)，对是否具有用户的输入进行判定(步骤S24)。在步骤S24中，处理部11A例如在向图12所示的与“起作用”对应的第1输入框或与“不起作用”对应的第2输入框输入了核对标识的情况下，判定为具有用户的输入。

处理部11A在判定为具有用户的输入的情况下(步骤S24：Yes)，基于用户的输入履历，计算各原因候补对用户改善活动的贡献度，该改善活动为旨在改善对生产没有贡献的能耗即能量损耗的改善活动(步骤S25)。然后，处理部11A将表示计算出的各原因候补的贡献度的信息存储于贡献度信息存储部15(步骤S26)。

处理部11A在步骤S26的处理结束的情况下或判定为没有用户的输入的情况下(步骤S24：No)，将图13所示的处理结束。

图14是表示由实施方式2涉及的能量管理装置的处理部进行的诊断处理的一个例子的流程图。由于图14所示的步骤S30～S33的处理与图9所示的步骤S13～S16的处理相同，因此省略说明。

处理部11A在步骤S30～S33的处理结束的情况下，基于所对应的原因候补的贡献度对多个原因候补的评分的每一者进行校正(步骤S34)。然后，处理部11A按照针对各个指标校正后的评分，针对各个指标生成排名信息(步骤S35)。在步骤S35中，处理部11A基于在步骤S34中校正后的各原因候补的评分，针对各个指标生成将多个原因候补按照评分从大到小的顺序排列的排名信息。

在步骤S35中，处理部11A基于在步骤S34中校正后的各原因候补的评分，生成将多个原因候补按照校正后的评分从大到小的顺序排列的排名信息。然后，处理部11A将在步骤S35中生成的排名信息中的至少一部分显示于显示部13(步骤S36)，将图14所示的处理结束。

实施方式2涉及的能量管理装置10A的处理部11A的硬件结构的一个例子与图10所示的能量管理装置10的处理部11的硬件结构相同。处理器101通过读出并执行在存储器102存储的程序，从而能够执行信息收集部21、信息生成部22、指标值计算部23、评分计算部24、信息提供部25A及贡献度推定部26的功能。

如上所述，实施方式2涉及的能量管理装置10A具有贡献度推定部26。贡献度推定部26推定多个原因候补的每一者对用户的改善活动的贡献度，该改善活动是旨在改善对生产没有贡献的能耗的改善活动。信息提供部25A基于由贡献度推定部26推定出的多个原因候补的每一者的贡献度，对多个原因候补中的所对应的原因候补的评分进行校正，基于校正后的评分，生成排名信息。由此，能量管理装置10A例如能够将针对旨在改善对生产没有贡献的能耗的用户的改善活动的贡献度高的原因候补优先提供给用户。因此，用户能够掌握针对旨在改善对生产没有贡献的能耗的用户的改善活动效果高的原因，助力于对生产没有贡献的能耗的改善活动的研究。

实施方式3

实施方式3涉及的能量管理系统具有生成学习模型的服务器，学习模型基于从能量管理装置得到的信息，将大于或等于1种指标值的信息作为输入，输出对生产没有贡献的能耗的原因的候补的评分。下面，对具有与实施方式2相同的功能的结构要素标注相同的标号并省略说明，以与实施方式2不同的点为中心进行说明。

图15是表示实施方式3涉及的能量管理系统的结构的一个例子的图。如图15所示，实施方式3涉及的能量管理系统200具有能量管理装置10B₁、10B₂、10B₃、服务器50、移动终端60。能量管理装置10B₁、10B₂、10B₃彼此为相同结构，下面，在不单独对能量管理装置10B₁、10B₂、10B₃的每一者进行区分地表示的情况下，有时记载为能量管理装置10B。

各能量管理装置10B与能量管理装置10A相同地，与未图示的电力传感器、产量传感器、环境传感器及生产管理装置等连接，从这些电力传感器、产量传感器、环境传感器及生产管理装置等对信息进行收集。各能量管理装置10B将收集时的时刻与收集到的信息相关联而追加于生产关联信息。与能量管理装置10B连接的电力传感器、产量传感器、环境传感器及生产管理装置设置于针对各个能量管理装置10B而不同的生产设施1。

能量管理装置10B与能量管理装置10A相同地，基于生产关联信息，生成包含多个原因候补的信息的原因候补信息，该原因候补是产生能量损耗的原因的候补。另外，能量管理装置10B与能量管理装置10A相同地，对包含未图示的生产设备和关联设备在内的诊断对象的与能耗相关的大于或等于1种指标值进行计算。另外，能量管理装置10B与能量管理装置10A相同地，针对各个指标对表示多个原因候补的每一者对于能量损耗的影响度的评分进行计算。

能量管理装置10B向服务器50发送学习用信息。学习用信息包含大于或等于1种指标值的信息、各个指标的各原因候补的评分的信息、能量管理装置10B的识别信息。下面，有时将原因候补的评分记载为原因评分。此外，学习用信息所包含的原因候补的评分是由评分计算部24计算出的评分，但也可以是通过排名信息生成部41A校正后的评分。

服务器50经由未图示的网络与能量管理装置10B及移动终端60连接，在能量管理装置10B及移动终端60之间进行信息的收发。未图示的网络例如是互联网等WAN(Wide AreaNetwork)，但也可以是LAN(Local Area Network)等网络。

服务器50从存储有为了计算原因评分所需要的充分的信息量的生产关联信息的能量管理装置10B取得学习用信息，基于取得的学习用信息，生成将大于或等于1种指标值的信息作为输入而将多个原因评分作为输出的学习完成模型。

然后，服务器50从没有存储为了计算原因评分所需要的充分的信息量的生产关联信息的能量管理装置10B取得包含大于或等于1种指标值的信息在内的诊断对象信息。没有存储为了计算原因评分所需要的充分的信息量的生产关联信息的能量管理装置10B例如是在生产设施1新设置的能量管理装置10B或在设置有新设备的生产设施1设置的能量管理装置10B。

服务器50基于从能量管理装置10B取得的诊断对象信息、和通过基于学习用信息的学习而生成的学习完成模型的信息，对多个原因评分进行计算，将包含计算出的原因评分处于上位的大于或等于两个原因候补的信息在内的诊断结果信息向移动终端60或发送出诊断对象信息的能量管理装置10B发送。

移动终端60例如是智能电话、平板电脑、或笔记本电脑等，基于从服务器50发送来的诊断结果信息，对上位的大于或等于两个原因候补的信息进行显示。另外，发送出诊断对象信息的能量管理装置10B的处理部11B基于从服务器50发送来的诊断结果信息，将上位的大于或等于两个原因候补的信息显示于显示部13。

这样，服务器50基于来自没有存储为了计算原因评分所需要的充分的信息量的生产关联信息的能量管理装置10B的信息，针对大于或等于1种指标计算原因评分，提供包含计算出的原因评分处于上位的大于或等于两个原因候补的信息在内的诊断结果信息。

因此，服务器50例如在导入能量管理装置10B后几天以内的情况等，即使在与诊断对象的设备即诊断对象设备相关的生产关联信息的收集不充分的情况下，也能够基于已经完成诊断的诊断完成设备的信息，确定产生对生产没有贡献的能耗的多个原因。下面，具体地对能量管理装置10B及服务器50的结构进行说明。

图16是表示实施方式3涉及的能量管理装置的结构的一个例子的图。如图16所示，实施方式3涉及的能量管理装置10B与实施方式2涉及的能量管理装置10A的区别在于，替代处理部11而具有处理部11B、以及还具有通信部16。通信部16经由未图示的网络在与服务器50之间进行信息的收发。

处理部11B在替代信息提供部25A而具有信息提供部25B这一点上与实施方式2涉及的处理部11A不同。信息提供部25B生成学习用信息，该学习用信息包含由指标值计算部23计算出的大于或等于1种指标值的信息、由评分计算部24计算出的多个原因候补的每一者的各个指标的评分的信息、以及能量管理装置10B的识别信息。信息提供部25B经由通信部16将生成的学习用信息向服务器50发送。

另外，信息提供部25B在存储于生产关联信息存储部12的生产关联信息的信息量对于计算原因评分不充分的情况下，向服务器50经由通信部16发送包含由指标值计算部23计算出的大于或等于1种指标值的信息在内的诊断对象信息。下面，有时设为在能量管理装置10B₃的生产关联信息存储部12存储的生产关联信息的信息量对于计算原因评分不充分，在能量管理装置10B₁、10B₂的生产关联信息存储部12存储的生产关联信息的信息量对于计算原因评分是充分的。

图17是表示实施方式3涉及的服务器的结构的一个例子的图。如图17所示，实施方式3涉及的服务器50具有通信部51、信息取得部52、原因推定部53以及存储部54。通信部51经由未图示的网络在能量管理装置10B及移动终端60之间进行信息的收发。

信息取得部52取得从能量管理装置10B发送而由通信部51接收到的学习用信息或诊断对象信息等信息。信息取得部52使从能量管理装置10B取得的信息存储于存储部54，或向原因推定部53输出。

原因推定部53在通过信息取得部52取得了学习用信息的情况下，基于涉及的学习用信息，进行在诊断完成设备中产生对生产没有贡献的能耗的原因的学习，生成学习模型。此外，诊断完成设备是积蓄有能量管理装置10B为了推定产生能耗的原因所需要的充分的生产关联信息的生产设备，例如，是能量管理装置10B₁、10B₂的诊断对象设备。

另外，原因推定部53在通过信息取得部52取得了诊断对象信息的情况下，基于诊断对象信息和学习完成模型57，针对诊断对象设备推定产生对生产没有贡献的能耗的多个原因。诊断对象设备例如是在生产设施1新设置的设备，是能量管理装置10B₃的诊断对象的设备。

原因推定部53具有模型生成部55和推理部56。模型生成部55生成学习完成模型，该学习完成模型基于输入信息及标签信息进行学习，根据输入信息对适当的输出进行推定，该输入信息是基于从信息取得部52输出的学习用信息得到的。输入信息是大于或等于1种指标值的信息，标签信息是多个原因候补的每一者的针对各个指标的评分的信息。

模型生成部55例如通过使用了神经网络模型的有教师学习进行学习。这里，有教师学习是指通过将包含输入的信息和被称为标签的结果的信息的组合在内的学习用信息提供给学习装置，对涉及的学习用信息中的特征进行学习，根据输入对结果进行推理的方法。输入的信息和标签的信息的组合也称为数据集合。

神经网络由如下的层构成，即，由多个神经元构成的输入层、由多个神经元构成的中间层、及由多个神经元构成的输出层。中间层可以是1层，也可以大于或等于2层。中间层也称为隐藏层。

图18是表示实施方式3涉及的神经网络的一个例子的图。图18所示的神经网络为3层神经网络，包含输入层X1、X2、X3、中间层Y1、Y2、输出层Z1、Z2、Z3。

如果输入信息所包含的多个输入值被输入至输入层X1、X2、X3，则对多个输入值乘以加权W1，向中间层Y1、Y2输入乘以加权W1后的多个输入值。加权W1包含w11、w12、w13、w14、w15、w16。

在中间层Y1、Y2中，基于乘以加权W1后的多个输入值进行运算，对中间层Y1、Y2的运算结果乘以加权W2而向输出层Z1、Z2、Z3输入。加权W2包含w21、w22、w23、w24、w25、w26。

在输出层Z1、Z2、Z3中，基于对中间层Y1、Y2的运算结果乘以加权W2后的多个值进行运算，从输出层Z1、Z2、Z3输出涉及的运算结果。神经网络的输出结果根据加权W1和W2的值而变化。

返回到图17，继续关于服务器50的结构的说明。模型生成部55例如在通过信息取得部52取得了具有大于或等于预先设定的信息量的信息量的学习用信息的情况下，使用涉及的学习用信息执行上述学习，由此生成学习完成模型57。模型生成部55使生成的学习完成模型57存储于存储部54。

模型生成部55生成将大于或等于1种指标值的信息作为输入、将多个原因候补的原因评分作为输出的学习完成模型57。大于或等于1种指标值的信息例如包含采样期间的信息及输入指标值的信息。在该情况下，模型生成部55将采样期间的信息及输入指标值的信息作为输入信息，将多个原因评分的信息作为标签信息，进行学习。

输入指标值例如是在采样期间将第1指标值、第2指标值、第3指标值、第4指标值及第5指标值的每一者平均化后的值。由标签信息表示的多个原因评分例如是针对各个原因候补，对于第1指标值、第2指标值、第3指标值、第4指标值及第5指标值的每一者加上由能量管理装置10B计算出的多个原因评分而得到的。

此外，采样期间的信息及输入指标值的信息可以由能量管理装置10B生成而包含于学习用信息，也可以基于从能量管理装置10B发送的学习用信息，由模型生成部55生成。

在上述例子中，作为模型生成部55的学习方法的一个例子举出了利用神经网络的例子，但模型生成部55的学习方法并不限于上述例子，例如，也可以是基因编程、或支持向量机等学习方法。

推理部56向由模型生成部55生成的学习完成模型57输入基于从用于对新的诊断对象设备的能耗的原因进行诊断的能量管理装置10B得到的诊断对象信息或诊断对象信息的信息。

例如，推理部56在诊断对象信息包含采样期间的信息和输入指标值的信息的情况下，将诊断对象信息所包含的采样期间的信息和输入指标值的信息输入至学习完成模型57。

另外，推理部56在诊断对象信息不包含采样期间的信息和输入指标值的情况下，作为输入指标值，计算将诊断对象信息所示的第1指标值、第2指标值、第3指标值、第4指标值及第5指标值的每一者在预先设定的采样期间平均化后的值。推理部56将计算出的输入指标值的信息和采样期间的信息输入至学习完成模型57。

推理部56在多个原因候补中基于从学习完成模型57输出的原因评分，对原因评分处于上位的大于或等于两个原因候补的信息进行判定。推理部56输出原因评分处于上位的大于或等于两个原因候补的信息即上位原因信息。从推理部56输出的上位原因信息通过通信部51向移动终端60或发送出诊断对象信息的能量管理装置10B发送。

此外，替代多种指标值的每一者的平均值，输入指标值也可以是将多种指标值汇总的综合指标值。例如，综合指标值也可以是将对多种指标值的每一者进行了加权的值综合后的值，例如，将对多种指标值的每一者乘以系数而得到的结果合计后的值。另外，输入指标值的信息也可以是1种指标值的信息。

另外，在上述例子中，在输入信息包含采样期间的信息，但在采样期间是预先规定的固定的采样期间的情况下，在输入信息中也可以不包含采样期间的信息。

如上所述，服务器50通过使用了从能量管理装置10B₁、10B₂输出的学习用信息的学习而生成学习完成模型57，该能量管理装置10B₁、10B₂对为了诊断生产设备2的能耗的原因所需要的充分的生产关联信息进行了收集。然后，服务器50使用涉及的学习完成模型57，针对没有充分地进行生产关联信息的收集的诊断对象设备，推定对生产没有贡献的能耗的原因中的改善效果高的原因。由此，服务器50针对没有充分地进行生产关联信息的收集的诊断对象设备，也能够提供可以助力于能耗的改善活动的研究的信息。

接下来，使用流程图说明由能量管理装置10B的处理部11B进行的处理。图19是表示由实施方式3涉及的能量管理装置的处理部进行的处理的一个例子的流程图。此外，由于图19所示的步骤S40、S41、S44～S48、S50、S51的处理与图9所示的步骤S10～S18的处理相同，因此省略说明。

如图19所示，能量管理装置10B的处理部11B在步骤S41中进行了生产关联信息的更新后，对是否成为诊断对象信息发送定时进行判定(步骤S42)。诊断对象信息发送定时例如是在生产关联信息的信息量小于用于生成排名信息的信息量的情况下针对预先设定的各个采样期间产生的定时。

处理部11B在判定为成为诊断对象信息发送定时的情况下(步骤S42：Yes)，进行诊断对象信息的生成及发送(步骤S43)。在步骤S43的处理中，处理部11B基于存储于生产关联信息存储部12的生产关联信息，生成包含诊断对象的与能耗相关的大于或等于1种指标值的信息的诊断对象信息，经由通信部16将生成的诊断对象信息向服务器50发送，上述诊断对象包含生产设备。

处理部11B在步骤S43的处理结束的情况下或没有成为诊断对象信息发送定时的情况下(步骤S42：No)，进行步骤S44的处理。

处理部11B在步骤S48中，在针对各个指标对各原因候补的评分进行了计算后，经由通信部16向服务器50发送学习用信息(步骤S49)，该学习用信息将在步骤S47中计算出的大于或等于1种指标值的信息和在步骤S48中计算出的各个指标的各原因候补的评分的信息包含在内。

接下来，使用流程图说明由服务器50进行的学习处理及推理处理。图20是表示由实施方式3涉及的服务器进行的学习处理的一个例子的流程图。如图20所示，服务器50的信息取得部52从能量管理装置10B取得学习用信息(步骤S60)。在步骤S60中，信息取得部52例如从能量管理装置10B₁及能量管理装置10B₂取得学习用信息。

接着，服务器50中的原因推定部53的模型生成部55基于由信息取得部52取得的学习用信息，执行生成学习完成模型57的学习处理(步骤S61)。在步骤S61的处理中，模型生成部55在由信息取得部52取得的学习用信息不包含采样期间的信息及输入指标值的信息的情况下，基于由信息取得部52取得的学习用信息，生成采样期间的信息及输入指标值的信息。模型生成部55将采样期间的信息及输入指标值的信息作为输入信息，将各原因评分的信息作为标签信息，通过所谓的有教师学习进行学习，生成学习完成模型57。

原因推定部53的模型生成部55在生成了学习完成模型57后，将生成的学习完成模型57的信息存储于存储部54(步骤S62)，将图20所示的处理结束。

图21是表示由实施方式3涉及的服务器进行的推理处理的一个例子的流程图。如图21所示，服务器50的信息取得部52从能量管理装置10B取得诊断对象信息(步骤S70))。在步骤S70中，信息取得部52例如从能量管理装置10B₃取得诊断对象信息。

接着，原因推定部53基于由信息取得部52取得的诊断对象信息和存储于存储部54的学习完成模型57的信息，对多个原因评分进行计算(步骤S71)。在步骤S71的处理中，原因推定部53向学习完成模型57输入由信息取得部52取得的诊断对象信息或基于诊断对象信息的信息，通过学习完成模型57的运算，取得从学习完成模型57输出的多个原因评分。诊断对象信息或基于诊断对象信息的信息包含采样期间的信息及输入指标值的信息。

接着，原因推定部53在多个原因候补中基于在步骤S71中计算出的原因评分，将原因评分处于上位的大于或等于两个原因候补推定为改善效果高的原因(步骤S72)。原因推定部53经由通信部51向移动终端60发送推定出的改善效果高的原因的信息(步骤S73)，将图21的处理结束。

图22是表示由实施方式3涉及的移动终端进行的处理的一个例子的流程图。如图22所示，移动终端60在用户对未图示的操作部进行操作，从而输入了诊断对象设备的能量管理装置的识别编号的情况下，向服务器50发送包含能量管理装置10B₃的识别编号的诊断请求(步骤S80)。接收到诊断请求的服务器50基于能量管理装置10B₃的诊断对象信息执行图21所示的推理处理，向移动终端60发送的通过涉及的推理处理得到的上位原因信息。

移动终端60接收对应于向服务器50发送诊断请求而从服务器50发送的上位原因信息进行接收(步骤S81)。然后，移动终端60将接收到的上位原因信息显示于未图示的显示部(步骤S82)，将图22所示的处理结束。

由此，移动终端60的用户对于没有充分地进行生产关联信息的收集的诊断对象设备，也能够在作为对生产没有贡献的能耗的原因的候补的多个原因候补中掌握改善效果高的原因候补的信息。

如上所述，实施方式3涉及的服务器50的原因推定部53对基于诊断完成设备的指标值的信息和原因评分的信息的学习用信息进行学习，在学习后的推定时，将诊断对象信息或基于诊断对象信息的信息作为输入而对原因进行推定。此外，就输入至原因推定部53的诊断对象信息而言，可以是用户利用同一组织内的诊断结果，向服务器50输入，也可以是能量管理装置10B的提供者通过云服务等向服务器50输入。

实施方式3涉及的能量管理装置10B的处理部11B的硬件结构的一个例子与图10所示的能量管理装置10的处理部11的硬件结构相同。处理器101通过读出并执行在存储器102存储的程序，从而能够执行处理部11B的功能。

图23是表示实施方式3涉及的服务器的硬件结构的一个例子的图。如图23所示，服务器50包含计算机，该计算机具有处理器201、存储器202、通信装置203。存储部54由存储器202实现。通信部51由通信装置203实现。处理器201、存储器202、及通信装置203例如能够通过总线204彼此进行数据的收发。处理器201通过读出并执行在存储器202存储的程序，从而执行信息取得部52及原因推定部53的功能。处理器201例如是处理电路的一个例子，包含CPU、DSP、及系统LSI中的大于或等于一者。

存储器202包含RAM、ROM、闪存、EPROM、及EEPROM中的大于或等于一者。另外，存储器202包含记录有计算机可读取的程序的记录介质。涉及的记录介质包含非易失性或易失性的半导体存储器、磁盘、柔性存储器、光盘、高密度盘、及DVD中的大于或等于一者。此外，服务器50也可以包含ASIC及FPGA等集成电路。

如上所述，实施方式3涉及的服务器50具有模型生成部55。模型生成部55基于学习用信息，生成将大于或等于1种指标值的信息作为输入、将多个原因评分作为输出的学习完成模型57。学习用信息包含大于或等于1种指标值的信息和多个原因候补的每一者的评分即原因评分的信息。由此，服务器50能够生成学习完成模型57，该学习完成模型57根据大于或等于1种指标值的信息输出多个原因评分的信息。

另外，服务器50具有推理部56。推理部56向学习完成模型57输入与能量管理装置10B₁、10B₂不同的其它能量管理装置10B₃的诊断对象的与能耗相关的大于或等于1种指标值的信息，基于从学习完成模型57输出的信息，对多个原因候补中的上位的大于或等于两个原因候补进行判定。由此，服务器50在与诊断对象设备相关的生产关联信息的收集不充分的期间，例如，在导入能量管理装置10B₃后几天以内的情况下，也能够通过参考已经完成诊断的诊断完成设备的信息来对可以期待效果的改善原因进行推定。

另外，服务器50具有通信部51，该通信部51向能量管理装置10B₃或移动终端60发送由推理部56判定出的上位的大于或等于两个原因候补的信息。移动终端60是外部装置的一个例子。由此，服务器50能够向用户提供对于对生产没有贡献的能耗的改善活动有益的信息。

实施方式4

实施方式4涉及的能量管理系统的服务器与实施方式3涉及的服务器50的区别在于，生成使用了多种指标值的波动程度的雷达图表、及将大于或等于1种指标值标准化，在学习处理及推理处理中使用标准化后的大于或等于1种指标值的信息。下面，对具有与实施方式3相同的功能的结构要素标注相同的标号并省略说明，以与实施方式3不同的点为中心进行说明。

图24是表示实施方式4涉及的能量管理系统的结构的一个例子的图。图24所示的能量管理系统200A与实施方式3涉及的能量管理系统200的区别在于，替代服务器50而具有服务器50A。

服务器50A基于充分地进行了生产关联信息的收集的能量管理装置10B的学习用信息，对多种指标值的波动程度进行判定，与多种指标的每一者对应地生成表示上位的大于或等于两个原因候补的信息和指标值的波动程度的信息的雷达图表。由此，服务器50A能够向用户提示如雷达图表那样可以直观地掌握各指标间的彼此的影响程度的信息。

另外，服务器50A将充分地进行了生产关联信息的收集的能量管理装置10B的学习用信息所示的大于或等于1种指标值标准化，基于标准化后的大于或等于1种指标值，进行学习处理。另外，服务器50A将没有充分地进行生产关联信息的收集的能量管理装置10B的诊断对象信息所示的各指标值标准化，基于标准化后的大于或等于1种指标值的信息，进行推理处理。

由此，即使在多个能量管理装置10B中诊断对象设备的特征或使用状况等不同的情况下，服务器50A也能够在多个能量管理装置10B之间，以相同的比例对可取的范围不同的指标值的分布或单位进行比较。因此，服务器50A能够通过参考已经完成诊断的诊断完成设备的信息而高精度地对可以期待效果的改善原因进行推定。

图25是表示实施方式4涉及的服务器的结构的一个例子的图。如图25所示，实施方式4涉及的服务器50A与实施方式3涉及的服务器50的区别在于，替代原因推定部53而具有原因推定部53A、及还具有指标标准化部58及雷达图表生成部59。首先，对指标标准化部58及雷达图表生成部59进行说明。

指标标准化部58对单位及值的可取范围不同的各指标值进行标准化。指标标准化部58例如将由信息取得部52取得的信息所示的多种指标值标准化，生成多种标准化指标值。

例如，指标标准化部58将由信息取得部52取得的学习用信息所示的多种指标值标准化，生成多种第1标准化指标值。另外，指标标准化部58将诊断对象信息所示的多种指标值标准化，生成多种第2标准化指标值。

另外，指标标准化部58在指标值的标准化处理中，对指标值的波动程度进行计算。例如，指标标准化部58通过下述式(3)所示的判定算法，针对各个指标对由信息取得部52取得的信息所包含的指标值的波动程度进行计算。例如，指标标准化部58针对第1指标、第2指标、第3指标、第4指标及第5指标的每一者对指标值的波动程度进行计算。

指标值的波动程度＝{最大值-最小值}/平均值…(3)

在上述式(3)中，“最小值”是同一指标的多个指标值中的最小指标值，“最大值”是同一指标的多个指标值中的最大指标值，“平均值”是同一指标的多个指标值的平均值。

指标标准化部58为了通过雷达图表生成部59生成雷达图表，例如以5个等级对指标值的波动程度进行评价。例如，通过上述式(3)计算出的指标值的波动程度取1～100的值，通过指标标准化部58以5个等级评分对指标值的波动进行评价。

在该情况下，就指标标准化部58而言，如果指标值的波动程度在“1～20”的范围内，则将5个等级评价的评分设为“5”，如果指标值的波动程度在“21～40”的范围内，则将5个等级评价的评分设为“4”，如果指标值的波动程度在“41～60”的范围内，则将5个等级评价的评分设为“3”。另外，就指标标准化部58而言，如果指标值的波动程度在“61～80”的范围内，则将5个等级评价的评分设为“2”，如果指标值的波动程度在“81～100”的范围内，则将5个等级评价的评分设为“1”。

这样，指标标准化部58能够将波动程度大的指标的评分设得低，将波动程度小的指标的评分设得高。下面，有时将表示指标值的波动的评分记载为波动评分。

雷达图表生成部59基于由指标标准化部58判定出的各指标的波动评分、由信息取得部52取得的学习用信息所包含的多个原因候补的每一者的针对各个指标的原因评分，生成雷达图表。通过涉及的雷达图表，能够表示各指标间的平衡关系。

雷达图表生成部59生成各个能量管理装置10B的雷达图表，但也能够针对多个能量管理装置10B生成1个雷达图表。

雷达图表生成部59经由通信部51向移动终端60或发送出学习用信息的能量管理装置10B发送所生成的雷达图表的信息。移动终端60在从服务器50A取得了雷达图表的信息的情况下，将雷达图表显示于未图示的显示部。另外，在发送出学习用信息的能量管理装置10B的处理部11B从服务器50A取得了雷达图表的信息的情况下，使雷达图表显示于显示部13。

图26是表示实施方式4涉及的移动终端的显示部所显示的雷达图表的一个例子的图，图27是表示实施方式4涉及的移动终端的显示部所显示的雷达图表的其它例子的图。图26所示的雷达图表80例如是能量管理装置10B₁的诊断结果，图27所示的雷达图表81例如是能量管理装置10B₂的诊断结果。

雷达图表80、81示出关于第1指标、第2指标、第3指标、第4指标及第5指标的每一者的指标值的波动程度、对生产改善效果高的上位的两个原因。在这些雷达图表80、81中，各顶点的数字“1、2、3、4、5”表示指标的种类，各顶点的字母“a、b、c、d、e、f、g”表示改善效果高的上位的两个原因。改善效果高的上位的两个原因是关于各指标对生产没有贡献的能耗的多个原因中的上位的两个原因。

如图26所示，在雷达图表80中，第1指标的评分为“4”，改善效果高的上位的两个原因为“a”和“c”，第2指标的评分为“2”，改善效果高的上位的两个原因为“b”和“c”，第3指标的评分为“5”，改善效果高的上位的两个原因为“a”和“b”。另外，在雷达图表81中，第4指标的评分为“4”，改善效果高的上位的两个原因为“d”和“e”，第5指标的评分为“3”，改善效果高的上位的两个原因为“d”和“f”。

如图27所示，在雷达图表81中，第1指标的评分为“4”，改善效果高的上位的两个原因为“c”和“g”，第2指标的评分为“5”，改善效果高的上位的两个原因为“d”和“e”，第3指标的评分为“4”，改善效果高的上位的两个原因为“a”和“c”。另外，在雷达图表80中，第4指标的评分为“4”，改善效果高的上位的两个原因为“d”和“f”，第5指标的评分为“3”，改善效果高的上位的两个原因为“f”和“g”。

因此，用户通过雷达图表80、81，一眼就能够掌握针对各指标的改善效果高的上位的两个原因。另外，用户通过雷达图表80、81能够直观且容易地掌握波动程度大的指标。例如，用户通过雷达图表80能够直观且容易地掌握波动程度最大的指标为第2指标，通过雷达图表81能够直观且容易地掌握波动程度最大的指标为第5指标。

这样，在能量管理系统200A中，能够通过服务器50A生成雷达图表80、81的信息，涉及的雷达图表80、81的信息被显示于移动终端60或能量管理装置10B。因此，用户能够直观地了解改善余地大的指标，能够更有效地助力于针对能量损耗的改善活动的研究。

这里，说明在指标值的波动程度大的情况下具有改善余地的原因。在作为第1指标值的“从生产设备2开启至生产设备2的生产开始为止的时间T1”的情况下，如果作业流程等是固定的，则时间T1的波动程度小，但在作业流程等的波动大的情况下，时间T1的波动程度变大，与星期或负责人等某些原因有关，推测为具有改善余地。

而且，推测为时间T1的波动越大，则作业流程等的波动越大，预测为改善的余地越大。这一点并不限于第1指标值，第2指标值、第3指标值、第4指标值及第5指标值等也相同。

此外，指标标准化部58通过上述式(3)之外的波动判定算法也能够对各指标值的波动程度进行判定。例如，指标标准化部58能够使用通常的方差σ或其它方法来对各指标值的波动程度进行判定。作为由指标标准化部58进行的各指标值的波动程度的评价方法，与从各设备收集到的指标值的分散程度对应地适当采用能够容易地向用户提示改善余地的评价方法。

原因推定部53A在学习处理及推理处理的每一者中使用由指标标准化部58标准化后的大于或等于1种指标值，在这一点上，与使用未标准化的大于或等于1种指标值的原因推定部53不同。原因推定部53A与实施方式3涉及的原因推定部53的区别在于，替代模型生成部55及推理部56而具有模型生成部55A及推理部56A。

模型生成部55A与模型生成部55的区别在于，替代学习用信息所包含的输入指标值，使用由指标标准化部58将涉及的输入指标值标准化后的大于或等于1种第1标准化指标值进行学习，生成学习完成模型57。

由模型生成部55A生成的学习完成模型57是将基于大于或等于1种第1标准化指标值的输入指标值作为输入、将多个原因候补的原因评分作为输出的模型。大于或等于1种第1标准化指标值例如是将第1指标值、第2指标值、第3指标值、第4指标值及第5指标值的每一者标准化而在采样期间中平均化的值。此外，输入指标值也可以是替代多种指标值的每一者的平均值，将多种指标值汇总的综合指标值。

推理部56A替代诊断对象信息所包含的大于或等于1种指标值，向学习完成模型57输入通过指标标准化部58将涉及的大于或等于1种指标值标准化后的大于或等于1种第2标准化指标值的信息。大于或等于1种第2标准化指标值例如是将第1指标值、第2指标值、第3指标值、第4指标值及第5指标值的每一者标准化而在采样期间中平均化的值。推理部56A与推理部56相同地，对多个原因候补中的从学习完成模型57输出的原因评分处于上位的大于或等于两个原因候补的信息进行判定。

这样，由于服务器50A具有将大于或等于1种指标值标准化的指标标准化部58，因此对于多个能量管理装置10B而言，即使在诊断对象设备的特征或使用状况等不同的情况下，也能够在多个能量管理装置10B之间，以相同的比例对可取范围不同的指标值的分布或单位进行比较。

接下来，使用流程图说明由服务器50A进行的处理。图28是表示由实施方式4涉及的服务器进行的学习处理的一个例子的流程图。图28的步骤S90、S93的处理是图20所示的步骤S60、S62的处理，省略说明。

如图28所示，服务器50A的指标标准化部58在步骤S90的处理结束后，进行指标值标准化处理(步骤S91)，该指标值标准化处理是将在步骤S90中取得的学习用信息所示的大于或等于1种指标值标准化的处理。模型生成部55A基于由信息取得部52取得的学习用信息所包含的采样期间及标签信息和由指标标准化部58标准化后的大于或等于1种指标值的信息，执行生成学习完成模型57的学习处理(步骤S92)。

在步骤S92的处理中，模型生成部55A将采样期间的信息及被标准化后的大于或等于1种指标值的信息作为输入信息，将各原因评分的信息作为标签信息，通过所谓的有教师学习进行学习，生成学习完成模型57。

图29是表示由实施方式4涉及的服务器进行的推理处理的一个例子的流程图。由于图29所示的步骤S100、S103、S104的处理与图21所示的步骤S70、S72、S73的处理相同，因此省略说明。

如图29所示，服务器50A的指标标准化部58进行指标值标准化处理(步骤S101)，该指标值标准化处理是将由信息取得部52取得的诊断对象信息所示的大于或等于1种指标值标准化的处理。

接着，服务器50A的原因推定部53A基于由指标标准化部58标准化后的大于或等于1种指标值即大于或等于1种第2标准化指标值的信息和存储于存储部54的学习完成模型57的信息，对多个原因评分进行计算(步骤S102)。在步骤S102的处理中，原因推定部53A向学习完成模型57输入第2标准化指标值的信息，通过学习完成模型57的运算，取得从学习完成模型57输出的多个原因评分。

实施方式4涉及的服务器50A的硬件结构的一个例子与图23所示的服务器50的硬件结构相同。处理器201通过读出并执行在存储器202存储的程序，从而能够执行原因推定部53A、指标标准化部58及雷达图表生成部59的功能。

如上所述，实施方式4涉及的服务器50A具有指标标准化部58、雷达图表生成部59。指标标准化部58按照指标值的各个种类对学习用信息所示的多种指标值的波动程度进行计算。雷达图表生成部59生成雷达图表的信息，该雷达图表示出由指标标准化部58计算出的多种指标值的每一者的波动程度与上位的大于或等于两个原因候补之间的关系。由此，服务器50A能够向用户提示可以直观地掌握各指标间的彼此的影响程度的信息。

另外，服务器50A具有指标标准化部58。指标标准化部58将大于或等于1种指标值标准化。模型生成部55A基于原因评分的信息和由指标标准化部58标准化后的大于或等于1种指标值的信息，生成学习完成模型57。推理部56A向学习完成模型57输入由指标标准化部58标准化后的大于或等于1种指标值的信息，基于从学习完成模型57输出的信息，对多个原因候补中的上位的大于或等于两个原因候补进行判定。由此，对于多个能量管理装置10B而言，即使在诊断对象设备的特征或使用状况等不同的情况下，服务器50A也能够在多个能量管理装置10B之间，以相同的比例对可取范围不同的指标值的分布或单位进行比较。

能量管理装置10、10A、10B的处理部11、11A、11B以日为单位对指标值及原因候补进行确定，但也能够以时间段为单位，以周或月为单位等对指标值及原因候补进行确定。另外，处理部11、11A、11B也能够使用上述指标之外的种类的指标对各原因候补的评分进行计算，也能够仅使用上述多个指标的一部分指标对各原因候补的评分进行计算。另外，处理部11、11A、11B也能够对上述原因候补之外的原因候补的评分进行计算，也能够仅对上述多个原因候补中的一部分原因候补的评分进行计算。

另外，能量管理装置10、10A、10B也可以由配置于彼此不同的位置的多个装置构成。例如，能量管理装置10、10A、10B也可以是包含收集装置、处理装置的结构。收集装置从电力传感器4、5、产量传感器6、环境传感器7及生产管理装置8对信息进行收集。处理装置基于由收集装置收集到的信息输出排名信息中的至少一部分。在该情况下，收集装置例如也可以由PLC(Programmable Logic Controller)、或数据记录器等构成，处理装置例如也可以由云服务器或便携终端构成。收集装置和处理装置通过无线或有线可通信地连接。

另外，能量管理装置10、10A、10B也可以是具有服务器50、50A的功能的结构。例如，能量管理装置10B₁、10B₂也可以是包含信息取得部52、原因推定部53、53A、指标标准化部58及雷达图表生成部59中的一部分或全部的结构。

以上实施方式所示的结构表示的是一个例子，可以与其它的公知技术进行组合，也可以将实施方式彼此组合，在不脱离主旨的范围内，也可以省略、变更结构的一部分。

标号的说明

1生产设施，2生产设备，3关联设备，4、5电力传感器，6产量传感器，7环境传感器，8生产管理装置，10、10A、10B、10B₁、10B₂、10B₃能量管理装置，11、11A、11B处理部，12生产关联信息存储部，13显示部，14输入部，15贡献度信息存储部，16、51通信部，21信息收集部，22信息生成部，23指标值计算部，24评分计算部，25、25A、25B信息提供部，26贡献度推定部，41、41A排名信息生成部，42、42A显示处理部，50、50A服务器，52信息取得部，53、53A原因推定部，54存储部，55、55A模型生成部，56、56A推理部，57学习完成模型，58指标标准化部，59雷达图表生成部，60移动终端，80、81雷达图表，200、200A能量管理系统。

Claims (16)

1.一种能量管理装置，其特征在于，具有：

指标值计算部，其基于与过去的生产相关的信息即生产关联信息，对包含生产设备的诊断对象的与能耗相关的大于或等于1种指标值进行计算；

评分计算部，其基于由所述指标值计算部计算出的所述大于或等于1种指标值，对评分进行计算，该评分表示作为对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于所述对生产没有贡献的能耗的影响度；以及

信息提供部，其输出所述多个原因候补中的由所述评分计算部计算出的所述评分处于上位的大于或等于两个原因候补的信息。

2.根据权利要求1所述的能量管理装置，其特征在于，

在所述诊断对象中包含与所述生产设备相关联地使用的关联设备，

在所述生产关联信息中包含表示所述生产设备的消耗能量的信息、表示所述关联设备的消耗能量的信息及表示所述生产设备的产量的信息，

所述指标值计算部基于表示所述生产设备的消耗能量的信息、表示所述关联设备的消耗能量的信息及表示所述生产设备的产量的信息，对所述大于或等于1种指标值进行计算。

3.根据权利要求2所述的能量管理装置，其特征在于，

所述大于或等于1种指标值包含第1指标值、第2指标值、第3指标值、第4指标值以及第5指标值中的至少一者，

所述第1指标值表示从所述生产设备开启至所述生产设备的生产开始为止的时间，所述第2指标值表示所述生产设备的生产结束至所述生产设备关闭为止的时间，所述第3指标值表示所述关联设备开启的时间与所述生产设备开启的时间之差，所述第4指标值表示所述生产设备开启的时间中的所述生产设备进行生产的时间的比率，所述第5指标值表示所述生产设备的每单位产值的所述诊断对象的能耗量。

4.根据权利要求1至3中任一项所述的能量管理装置，其特征在于，

具有信息生成部，该信息生成部基于所述生产关联信息，生成所述多个原因候补的信息，

所述评分计算部基于由所述指标值计算部计算出的所述大于或等于1种指标值、以及由所述信息生成部生成的所述多个原因候补的信息，对所述评分进行计算。

5.根据权利要求1至4中任一项所述的能量管理装置，其特征在于，

所述多个原因候补包含通过所述生产设备生产物品的日期的星期、周及月、所述生产的负责人、由所述生产设备生成的物品的种类、在所述生产设备中产生的错误及所述生产设备的环境中的大于或等于两者。

6.根据权利要求1至5中任一项所述的能量管理装置，其特征在于，

所述大于或等于1种指标值为多种指标值，

所述评分计算部针对所述多种指标值的每一者对所述多个原因候补的每一者的评分进行计算，

所述信息提供部针对所述多种指标值的每一者，输出所述多个原因候补中的所述评分处于上位的大于或等于两个原因候补的信息。

7.根据权利要求1至6中任一项所述的能量管理装置，其特征在于，

具有贡献度推定部，该贡献度推定部推定所述多个原因候补的每一者对用户的改善活动的贡献度，该改善活动是旨在改善对所述生产没有贡献的能耗的改善活动，

所述信息提供部基于由所述贡献度推定部推定出的所述多个原因候补的每一者的所述贡献度，对所述多个原因候补中的所对应的原因候补的评分进行校正，生成校正后的所述评分处于上位的大于或等于两个原因候补的信息。

8.根据权利要求1至7中任一项所述的能量管理装置，其特征在于，

所述信息提供部输出排名信息作为所述大于或等于两个原因候补的信息，该排名信息以排名表的形式表示从所述多个原因候补中的评分大的原因候补起依次排列的预先设定的数量的原因候补。

9.一种服务器，其特征在于，

具有模型生成部，该模型生成部基于包含从权利要求1至8中任一项所述的能量管理装置输出的所述大于或等于1种指标值的信息和所述多个原因候补的每一者的所述评分即原因评分的信息在内的学习用信息，生成将所述大于或等于1种指标值的信息作为输入、将多个所述原因评分作为输出的学习完成模型。

10.根据权利要求9所述的服务器，其特征在于，

具有推理部，该推理部向所述学习完成模型输入与所述能量管理装置不同的其它能量管理装置的诊断对象的与能耗相关的大于或等于1种指标值的信息，基于从所述学习完成模型输出的信息，对所述多个原因候补中的上位的大于或等于两个原因候补进行判定。

11.根据权利要求10所述的服务器，其特征在于，具有：

指标标准化部，其针对指标值的各个种类对多种所述指标值的波动程度进行计算；以及

雷达图表生成部，其生成雷达图表的信息，该雷达图表示出由所述指标标准化部计算出的多种所述指标值的每一者的波动程度与所述上位的大于或等于两个原因候补之间的关系。

12.根据权利要求10所述的服务器，其特征在于，

具有指标标准化部，其将所述大于或等于1种指标值标准化，

所述模型生成部基于所述原因评分的信息和由所述指标标准化部标准化后的大于或等于1种指标值的信息，生成所述学习完成模型，

所述推理部向所述学习完成模型输入由所述指标标准化部标准化后的大于或等于1种指标值的信息，基于从学习完成模型输出的信息，对所述多个原因候补中的上位的大于或等于两个原因候补进行判定。

13.根据权利要求10至12中任一项所述的服务器，其特征在于，

具有通信部，该通信部向所述其它能量管理装置或外部装置发送由所述推理部判定出的所述上位的大于或等于两个原因候补的信息。

14.一种能量管理系统，其特征在于，具有：

指标值计算部，其基于与过去的生产相关的信息即生产关联信息，对包含生产设备的诊断对象的与能耗相关的大于或等于1种指标值进行计算；

评分计算部，其基于由所述指标值计算部计算出的所述大于或等于1种指标值，对评分进行计算，该评分表示作为对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于所述对生产没有贡献的能耗的影响度；以及

模型生成部，其基于包含所述大于或等于1种指标值的信息和所述多个原因候补的每一者的所述评分即原因评分的信息在内的学习用信息，生成将所述大于或等于1种指标值的信息作为输入、将多个所述原因评分作为输出的学习完成模型。

15.一种能量管理方法，其由计算机执行，该能量管理方法的特征在于，包含：

指标值计算步骤，基于与过去的生产相关的信息即生产关联信息，对包含生产设备的诊断对象的与能耗相关的大于或等于1种指标值进行计算；

评分计算步骤，基于通过所述指标值计算步骤计算出的所述大于或等于1种指标值，对评分进行计算，该评分表示作为对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于所述对生产没有贡献的能耗的影响度；以及

输出处理步骤，输出所述多个原因候补中的通过所述评分计算步骤计算出的所述评分处于上位的大于或等于两个原因候补的信息。

16.一种能量管理程序，其特征在于，使计算机执行下述步骤：

指标值计算步骤，基于与过去的生产相关的信息即生产关联信息，对包含生产设备的诊断对象的与能耗相关的大于或等于1种指标值进行计算；

评分计算步骤，基于通过所述指标值计算步骤计算出的所述大于或等于1种指标值，对评分进行计算，该评分表示作为对生产没有贡献的能耗的原因的候补的多个原因候补的每一者对于所述对生产没有贡献的能耗的影响度；以及

输出处理步骤，输出所述多个原因候补中的通过所述评分计算步骤计算出的所述评分上位的大于或等于两个原因候补的信息。

Images