JP2016219007A

JP2016219007A - 管理システム及び管理方法

Info

Publication number: JP2016219007A
Application number: JP2016095813A
Authority: JP
Inventors: 伊東　大輔; Daisuke Ito; 大輔伊東
Original assignee: AD-DICE KK
Current assignee: AD-DICE KK
Priority date: 2015-05-14
Filing date: 2016-05-12
Publication date: 2016-12-22
Anticipated expiration: 2036-05-12
Also published as: JP6302954B2

Abstract

【課題】管理対象物の状態に適応させた管理を適切に実行することのできる管理システム及び管理方法を提供する。【解決手段】管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出するセンサ１１ａ、１１ｂ、管理者による管理対象物の管理の記録が管理記録データとして入力される端末６０、７０を備えるとともに、センサ１１ａ、１１ｂで検出した環境条件データと端末６０、７０に入力された管理記録データとを相関せしめて管理対象物の状態を想定して把握し、把握した管理対象物の状態に基づいて管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラム４０を備える。【選択図】図２

Description

本発明は、管理システム及び管理方法、特に、管理者により管理される管理対象物を管理者とともに管理する管理システムに関する。

一般的に、管理対象物を監視して、管理対象物に変化が生じた場合にはこれを検知して管理対象物に必要な施策を行い、管理対象物を適切に管理する技術が広く知られている。例えば、特許文献１には、管理対象物の状態を定期的に測定して、管理対象物の異常状態を診断する管理システムが提案されている。

この管理システムは、通信機能付き測定器、診断装置及び監視端末を備えており、管理対象物の異常条件が診断条件として予め設定された診断装置において、この診断条件と通信機能付き測定器で測定された管理対象物の測定データとが対比される。

この診断装置には、管理対象物の使用条件に変更が生じた場合に診断条件を変更する診断条件変更手段が設けられており、診断条件変更手段によって診断条件が変更された場合には、監視端末が診断条件指示情報を通信機能付き測定器に送信する。

このように、特許文献１の管理システムによれば、管理対象物の使用条件に変更が生じた場合であっても、使用条件の変更に応じた管理対象物の測定及び診断を行うことを目的としている。

特開２０１４−２２５０８０公報

しかし、特許文献１の管理システムは、管理対象物の使用条件に変更があった場合に、予め設定された診断条件を適宜選択して変更するものであることから、管理対象物の使用条件の変更を予め想定して定型化したうえで、診断条件を設定しておく必要がある。

したがって、特許文献１の管理システムによれば、診断装置の診断条件変更手段において診断条件の変更を行うに際して、管理対象物の使用条件の変更に適切に追従することができないことが懸念される。

本発明は、上記事情に鑑みてなされたものであり、管理対象物の状態に適応させた管理を適切に実行することのできる管理システム及び管理方法を提供することを課題とするものである。

上記課題を解決するための請求項１に記載の発明による管理システムは、管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出するセンサと、前記管理者による前記管理対象物の管理の記録が管理記録データとして入力される端末と、前記センサで検出した前記環境条件データと前記端末に入力された前記管理記録データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、を備えることを特徴とする。

この構成によれば、センサによって、管理対象物が配置された環境の条件が環境条件データとして検出され、管理対象物の管理の記録が管理記録データとして端末に入力され、人工知能プログラムによってこれらのデータが互いに相関せしめられ、人工知能プログラムがこの相関せしめられたデータに基づいて、管理対象物の状態に適応させた管理を行うための管理プロセスを学習する。

この人工知能プログラムが学習した結果に基づいて、人工知能プログラムが管理対象物の状況に適応した管理指令を自律的に生成することから、管理対象物の現在の状態に適応した管理を適切に実行することができる。

請求項２に記載の発明による管理システムは、請求項１に記載の管理システムにおいて、前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理する管理実行部を備えることを特徴とする。

この構成によれば、管理対象物の状況に適応させて自律的に生成された管理指令に基づいて、管理実行部が管理対象物の管理を実行することから、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。

請求項３に記載の発明による管理システムは、請求項１に記載の管理システムにおいて、前記人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信する送信手段を備えることを特徴とする。

この構成によれば、管理対象物の状況に適応させて自律的に生成された管理指令が、管理者の保有する端末に送信されることから、管理者が管理対象物の管理を行う際の作業を予め把握することができる。その結果、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。

請求項４に記載の発明による管理システムは、請求項１〜３のいずれか１項に記載の管理システムにおいて、前記環境条件データは、前記管理対象物を撮像した環境条件画像データを含むことを特徴とする。

この構成によれば、環境条件データは環境条件画像データを含んでおり、人工知能プログラムは、この画像データを用いて学習することから、複合的なデータに基づいてより精緻な学習を行うことができる。

請求項５に記載の発明による管理システムは、請求項１〜４のいずれか１項に記載の管理システムにおいて、前記管理記録データは、前記管理対象物を撮像した管理記録画像データを含むことを特徴とする。

この構成によれば、管理記録データは管理記録画像データを含んでおり、人工知能プログラムは、この画像データを用いて学習することから、複合的なデータに基づいてより精緻な学習を行うことができる。

上記課題を解決するための請求項６に記載の発明による管理システムは、管理者により管理される管理対象物の使用状態を管理状態データとして検出するセンサと、該センサで検出した前記管理状態データに基づいて前記管理対象物の使用傾向を想定して把握し、把握した前記管理対象物の使用傾向に基づいて該管理対象物の使用傾向に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、該人工知能プログラムで生成された前記管理指令に基づいた前記管理対象物の管理の記録が管理記録データとして入力される端末と、を備え、該端末に入力された前記管理記録データと前記センサで検出した前記管理記録データとを相関せしめて生成した前記管理指令を修正することを特徴とする。

この構成によれば、センサによって、管理対象物の使用状態が管理状態データとして検出され、人工知能プログラムによってこのデータに基づいて管理対象物の使用傾向が把握され、把握された使用傾向に基づいて、管理対象物の使用傾向に適応させた管理を行うための管理プロセスを学習する。

さらに、管理対象物の管理の記録が管理記録データとして端末を介して入力され、入力された管理記録データとセンサで検出した管理記録データとが相関せしめられて管理指令が修正されることから、管理対象物の管理を適切に行うことができる。

請求項７に記載の発明による管理システムは、請求項６に記載の管理システムにおいて、前記管理指令による前記管理対象物の管理から逸脱した前記管理対象物の管理が実行された場合に、前記端末に警告を送信する送信手段を備えることを特徴とする。

この構成によれば、人工知能プログラムによって生成された管理指令から逸脱した管理対象物の管理の実行が誤用であるか否かを、管理者が容易に把握することができる。したがって、管理対象物の適正な使用が促されることとなる。

上記課題を解決するための請求項８に記載の発明による管理方法は、センサが、管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出し、人工知能プログラムが、端末を介して入力された前記管理者による前記管理対象物の管理の記録である管理記録データと前記検出した環境条件データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する、ことを特徴とする。

この構成によれば、管理対象物が配置された環境の条件をセンサが環境条件データとして検出し、かつ管理対象物の管理の記録が管理記録データとして端末に入力され、人工知能プログラムがこれらのデータを互いに相関せしめ、この相関せしめたデータに基づいて、管理対象物の状態に適応させた管理を行うための管理プロセスを学習する。

請求項９に記載の発明による管理方法は、請求項８に記載の管理方法において、管理実行部が、前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理することを特徴とする。

請求項１０に記載の発明による管理方法は、請求項８に記載の管理方法において、送信手段が、前記人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信することを特徴とする。

この構成によれば、管理対象物の状況に適応させて自律的に生成された管理指令を、管理者の保有する端末に送信することから、管理者が管理対象物の管理を行う際の作業を予め把握することができる。その結果、管理者が管理対象物の管理を行う作業負担及び作業時間を大幅に削減することができる。

この発明によると、人工知能プログラムによって環境条件データと管理記録データとが互いに相関せしめられ、このデータに基づいて、人工知能プログラムが管理対象物の状態に適応させた管理を行うための管理プロセスを学習する。

本発明の第１実施の形態に係る管理システムの概略を説明する図である。同じく、本実施の形態に係る管理システムの構成の概略を説明するブロック図である。同じく、本実施の形態に係る巣箱の構成の概略を説明する図である。同じく、本実施の形態に係る人工知能プログラムの構成及び機能の概略を説明する図である。同じく、本実施の形態に係るオンサイト作業者及びオフサイト作業者の作業手順が記載された蜂群カルテの概略を説明する図である。同じく、本実施の形態に係る人工知能プログラムが学習するプロセスの概略を説明するフローチャートである。本発明の第２実施の形態に係る管理システムの概略を説明する図である。同じく、本実施の形態に係る人工知能プログラムの構成及び機能の概略を説明する図である。同じく、本実施の形態に係る管理システムにおいて、管理者により管理される管理対象物の使用傾向を表したタイミングチャートである。

次に、図１〜図９を参照して、本発明の実施の形態について説明する。

（第１実施の形態）
図１〜図６を参照して、本発明の第１実施の形態について説明する。なお、本実施の形態では、管理システムが養蜂業に適用される場合であって、管理システムで管理を行う管理対象物が蜂である場合を例として説明する。

図１は、本実施の形態に係る管理システムの概略を説明する図である。図示のように、管理システム１は、養蜂業の作業管理を行うものである。養蜂業は、蜂ｂを飼育して蜂蜜を採取することを目的として行われるものであり、本実施の形態では、多数の蜂ｂが収容された巣箱１００が養蜂場Ｓに配置されている。巣箱１００には、本実施の形態では、管理の便宜を図る観点から、Ａ■１〜Ａ■４、及びＢ■１〜Ｂ■４の符号が割り当てられている。

この管理システム１は、巣箱１００の外側に取り付けられた巣箱センサ１０、巣箱センサ１０と通信可能であって養蜂場Ｓに設けられた百葉箱１１０内に取り付けられた中継センサ２０を備え、この中継センサ２０は、クラウド３０を実装するサーバ３１と通信可能に接続されている。

さらに管理システム１は、クラウド３０にアクセス可能な端末であるオンサイト作業者端末６０及びオフサイト作業者端末７０を備える。これらオンサイト作業者端末６０及びオフサイト作業者端末７０は、本実施の形態では、多機能型携帯端末であるスマートフォンによって構成されている。

オンサイト作業者端末６０は、養蜂場Ｓにおいて巣箱１００を目視で直接的に確認して作業を行うオンサイト作業者Ｐ１が保有しており、オンサイト作業者Ｐ１が後述する蜂群カルテに従って確認した巣箱１００の状況がオンサイトデータとして入力される。

一方、オフサイト作業者端末７０は、養蜂場Ｓから離隔した遠隔地において巣箱１００を確認して作業を行うオフサイト作業者Ｐ２が保有しており、オフサイト作業者Ｐ２が後述する蜂群カルテに従って確認した巣箱１００の状況がオフサイトデータとして入力される。

本実施の形態では、これらオンサイト作業者Ｐ１及びオフサイト作業者Ｐ２によって、管理者が構成される。

図２は、本実施の形態に係る管理システム１０の構成の概略を説明するブロック図であり、図３は、本実施の形態に係る巣箱１００の構成の概略を説明する図である。

図２で示すように、巣箱センサ１０は、中継センサ２０と通信する図示しない通信手段を内蔵した装置であり、センサスロット１１、カメラ１２、給餌ポンプ１３及び薬液噴霧ポンプ１４が並列的に接続され、センサスロット１１には、温度センサ１１ａ、湿度センサ１１ｂ及び重量センサ１１ｃが互いに並列的に接続されている。

本実施の形態では、これら給餌ポンプ１３及び薬液噴霧ポンプ１４によって、管理実行部が構成される。

温度センサ１１ａ及び湿度センサ１１ｂはそれぞれ、巣箱１００内の温度及び湿度を検出する。重量センサ１１ｃは、巣箱１００内の蜂ｂにより貯蜜された貯蜜量を検出する。

カメラ１２は、巣箱１００内に懸架されて配置された木枠１０１に営巣した蜂ｂや巣箱１００内の状況を撮像する。これにより、蜂bの状態を観察することが可能となる。一方、給餌ポンプ１３は、巣箱１００内に配置された木枠１０１に砂糖水を供給して、蜂ｂに給餌する。

中継センサ２０は、巣箱センサ１０及びルータ３２を介してサーバ３１と通信する図示しない通信手段を内蔵した装置であり、センサスロット２１とカメラ２２とが並列的に接続され、センサスロット２１には、温度センサ２１ａ及び湿度センサ２１ｂが互いに並列的に接続されている。

温度センサ２１ａは、養蜂場Ｓの温度を検出し、湿度センサ２１ｂは、養蜂場Ｓの湿度を検出する。カメラ２２は、本実施の形態では、巣箱１００が配置された養蜂場Ｓを撮像する。これにより、養蜂場Ｓの状態を観察することが可能となる。

ルータ３２を介して中継センサ２０と接続してインターネットにアクセス可能に構成されたサーバ３１には、本実施の形態では人工知能プログラム４０が格納されている。

図４は、人工知能プログラム４０の構成及び機能の概略を説明する図である。図示のように、人工知能プログラム４０は、データ入力インターフェース４１、演算部４２、検出部４３、及び演算部４２と検出部４３との間に配置される記憶部４４を備える。

データ入力インターフェース４１には、オンサイト作業者端末６０から入力される後述の蜂群カルテに従って観察されたオンサイトデータＤ１、オフサイト作業者端末７０から入力される後述の蜂群カルテに従って観察されたオフサイトデータＤ２、及びオンサイト作業者Ｐ１が巣箱１００内の状況をカメラで撮像した画像データである管理記録画像データＤ３が入力される。

これらオンサイトデータＤ１、オフサイトデータＤ２及び管理記録画像データＤ３によって、管理記録データが構成される。

一方、データ入力インターフェース４１には、巣箱センサ１００の温度センサ１１ａ、湿度センサ１１ｂ及び重量センサ１１ｃがそれぞれ検出した巣箱１００内の温度のデータ、湿度のデータ及び貯蜜量のデータが巣箱データＤ４として入力される。

さらに、データ入力インターフェース４１には、中継センサ２０の温度センサ２１ａ、湿度センサ２１ｂがそれぞれ検出した養蜂場Ｓの温度のデータ、湿度のデータ、及びカメラ２２が撮像した養蜂場Ｓの画像のデータが巣箱周辺環境データＤ５として入力される。

同様に、データ入力インターフェース４１には、巣箱１００に設けられたカメラ１２によって撮像された巣箱１００内の蜂ｂの画像のデータが、環境条件画像データＤ６として入力される。

これら巣箱データＤ４、巣箱周辺環境データＤ５及び環境条件画像データＤ６によって、環境条件データが構成される。

演算部４２は、データ入力インターフェース４１に入力された上記の各データＤ１〜Ｄ６を教師データとして養蜂の作業を学習し、学習した結果に基づいて、蜂ｂの状態に適応した管理指令を自律的に生成する。

検出部４３は、演算部４２が生成した管理指令のうち、蜂ｂの現在の状態に適応した管理指令を検出する。一方、記憶部４４は、演算部４２が生成した管理指令を記憶する。

このように、人工知能プログラム４０で生成された管理指令は、本実施の形態では、送信手段５０によってオンサイト作業者端末６０、オフサイト作業者端末７０及び巣箱センサ１０を介して管理実行部である給餌ポンプ１３、薬液噴霧ポンプ１４に、選択的にあるいは場合によってはこれらのいずれにも送信される。

次に、図５及び図６を用いて、本実施の形態に係る管理システム１による管理方法の概略及び人工知能プログラム４０が教師データに基づいて養蜂の作業を学習するプロセスを説明する。

図５は、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２の作業手順が記載された蜂群カルテ８０の概略を説明する図であり、図６は、人工知能プログラム４０が学習するプロセスの概略を説明するフローチャートである。

図５で示すように、蜂群カルテ８０には、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２の作業手順が記載されており、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２はこれに基づいて作業を行い、オンサイト作業者端末６０及びオフサイト作業者端末７０に作業内容等を入力する。

例えば、オフサイト作業者Ｐ１は、養蜂カルテ８０に従って、蜂ｂが収容された巣箱１００内を観察し、「産卵総数」の確認、「蛆数」の確認及び「日齢確認」等を行う。本実施の形態では、「産卵総数」は「確認できず−少−中−多」のように産卵数の多寡で確認し、「蛆数」についても「無−少−中−多」のように蛆の多寡で確認し、「日齢確認」は「１齢２齢３齢蛹」のように蛆の成長度合で確認する。

このように、オフサイト作業者Ｐ２は、蜂群カルテ８０に従って蜂群カルテ８０に列挙された項目に沿って巣箱１００内を観察して確認し、確認した内容をオフサイト作業者端末７０にオフサイトデータＤ２として入力する。

さらに、オフサイト作業者Ｐ２が、例えば「王台」の確認を行う場合は、王台の有無を「無・１個・２個・３個・４個・５個以上」のように王台の有無及びその多寡で確認する。この確認により、王台が２個以上存在する場合は、その王台を切除あるいは切除せずに群分割する等、「王台切除〔処理済・未処理・切除せず群分割〕」のように処理を行い、確認した内容及び処理した内容をオフサイト作業者端末７０にオフサイトデータＤ２として入力する。

これらオフサイト作業者Ｐ２による巣箱１００内の観察は、巣箱１００を目視で直接的に観察することも可能であるが、本実施の形態では、オフサイト作業者Ｐ２は、巣箱１００に設けられて巣箱１００内の状況等を撮像するカメラ１２が撮像した画像に基づいて、遠隔地で巣箱１００内を観察して作業項目を確認している。

一方、例えばオンサイト作業者Ｐ１は、本実施の形態では、養蜂カルテ８０に従って、蜂ｂが収容された巣箱１００内を現地で直接的に観察し、「貯蜜量」の確認を行う。本実施の形態では、「貯蜜量」は「多−少−中」のように、貯蜜された貯蜜量の程度で確認する。

オンサイト作業者Ｐ１は、貯蜜量の程度を確認することにより、「給餌の必要性」の確認及び「給餌後の残量」の確認等を行う。本実施の形態では、「給餌の必要性」は「有・無」の二択で確認し、「給餌後の残量」は「無−少−中−多」のように砂糖水の残量の多寡で確認する。

このように、オンサイト作業者Ｐ１は、蜂群カルテ８０に従って蜂群カルテ８０に列挙された項目に沿って巣箱１００内を直接的に観察して確認し、確認した内容をオンサイト作業者端末６０にオンサイトデータＤ１として入力する。

さらに、本実施の形態では、オンサイト作業者Ｐ１は、巣箱１００を開放して木枠１０１を取り出し、この木枠１０１をカメラで撮像し、撮像した画像データをオンサイト作業者端末６０に管理記録画像データＤ３として入力する。

このように入力された管理記録画像データＤ３を、オフサイト作業者Ｐ２が蜂群カルテ８０に従って観察して、蜂ｂにとって害をもたらす「ヘギイタダニの存在〔有・無（不明）〕」の確認を行う。

この確認により、ヘギイタダニが存在する場合は、本実施の形態では、その状態に応じて「対応（投薬経過観察）」のように、「投薬」あるいは「経過観察」を選択して処理を行い、確認した内容及び処理した内容をオフサイト作業者端末７０にオフサイトデータＤ２として入力する。

このように、本実施の形態では、オンサイト作業者端末６０及びオフサイト作業者端末７０によって、蜂群カルテ８０に従って、オンサイトデータＤ１、オフサイトデータＤ２及び管理記録画像データＤ３が、データ入力インターフェース４１を介して人工知能プログラム４０に入力される。

一方、データ入力インターフェース４１を介して、上記のように、巣箱データＤ４、巣箱周辺環境データＤ５及び環境条件画像データＤ６が人工知能プログラム４０に入力される。

これら入力されたオンサイトデータＤ１、オフサイトデータＤ２、管理記録画像データＤ３、巣箱データＤ４、巣箱周辺環境データＤ５及び環境条件画像データＤ６は、図６で示すように、ステップＳ１において、例えば蜂ｂの幼虫の日齢に関する複数のデータが相関せしめられ、あるいは巣箱センサ１００の温度センサ１１ａで検出した温度のデータと中継センサ２０の温度センサ２１ａが検出した温度のデータとが相関せしめられる等、各データＤ１〜Ｄ６の有する特徴に着目されてグルーピングが行われる。

このように、各データＤ１〜Ｄ６が有する特徴が抽出されて、その特徴ごとにグループに自動的に分類され、これら各データＤ１〜Ｄ６の特徴ごとに評価の重みづけがなされる。

すなわち、人工知能プログラム４０がこれらの各データＤ１〜Ｄ６を教師データとして学習する場合において、重みがつけられたデータのグループの学習は、それ以外のグループの学習よりも重点的に行われることとなる。

ステップＳ１におけるグルーピングに続いて、ステップＳ２において、グルーピングして分類したグループに、そのグループを構成する各データＤ１〜Ｄ６の特徴に基づいた適切なラベリングが実行される。例えば、幼虫の日齢に関するデータのグループであれば、このグループに適したラベリングが行われる。

ステップＳ２におけるラベリングに続いて、ステップＳ３において、グループを構成する各データＤ１〜Ｄ６の特徴とそのグループにラベリングされたラベルとの関連づけが実行される。この関連づけが実行された後、ステップＳ４において、そのグループを構成する各データＤ１〜Ｄ６の特徴とそのグループにラベリングされたラベルとの関係を学習する（特徴学習）。

その後、ステップＳ５において、特徴学習が終了したか否かが判定され、特徴学習が終了していない場合は、再度、ステップＳ１において、各データＤ１〜Ｄ６の有する特徴に着目したグルーピングが行われる。

この特徴学習によって、本実施の形態の人工知能プログラム４０が各データＤ１〜Ｄ６を教師データとして養蜂の作業を学習するまでに要する期間は、およそ１〜３か月となっている。

このように、特徴学習を終了した人工知能プログラム４０は、新たなデータが出現すると、演算部４２が新たなデータに適したラベルを予測し、蜂ｂの状態に適応した管理指令を自律的に生成する。

例えば、巣箱センサ１０の湿度センサ１１ｂが検出した湿度のデータと中継センサ２０の湿度センサ２１ｂが検出した湿度のデータとが相関せしめられて、養蜂場Ｓ及び巣箱１００における適切な湿度が例えば４０％程度であると学習されている場合において、湿度センサ１１ｂが検出した湿度のデータと湿度センサ２１ｂが検出した湿度のデータとが相関せしめられて９０％以上の湿度が検出されたような場合は、巣箱１００が浸水等の被害を受けている可能性がある。

このような場合は、人工知能プログラム４０は湿度の異常を検出し、湿度が異常である旨の管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。

例えば、巣箱センサ１０の温度センサ１１ａが検出した温度のデータと中継センサ２０の温度センサ２１ａが検出した温度のデータとが相関せしめられて、１０月における養蜂場Ｓ及び巣箱１００の適切な温度が２０℃程度であると学習されている場合において、温度センサ１１ａが検出した温度のデータと温度センサ２１ａが検出した温度のデータとが相関せしめられて２０℃を大幅に上回る、あるいは大幅に下回る温度が検出されたような場合は、巣箱１００の蓋が何らかの理由により開蓋されている可能性がある。

このような場合は、人工知能プログラム４０は温度の異常を検出し、温度が異常である旨の管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。

例えば、オンサイト作業者Ｐ１が巣箱１００内を直接的に目視して「給餌の必要性」を確認して給餌の必要があると判断し、この判断に基づいて給餌を実行した旨のオンサイトデータＤ１によって、人工知能プログラム４０がこのオンサイトデータＤ１が入力された際の巣箱１００内の状況とオンサイトデータＤ１とを関連づけて学習した場合において、巣箱１００内の状況が学習したときの状況と同様の状況となった場合には、人工知能プログラム４０が、蜂ｂに対して給餌が必要であると判断する。

このような場合は、人工知能プログラム４０は、給餌ポンプ１３を駆動させる管理指令を生成して、この管理指令が送信手段５０を介して巣箱１００の巣箱センサ１０に送信される。この管理指令が巣箱センサ１０に送信されると、給餌ポンプ１３が駆動して蜂ｂに対して給餌が実行される。

このとき、人工知能プログラム４０は、給餌を実行した旨の管理指令及び給餌後の砂糖水の残量を示す管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。

さらに、例えば、オフサイト作業者Ｐ２が管理記録画像データＤ３によって「ヘギイタダニの存在〔有・無（不明）〕」を確認してヘギイタダニが存在すると判断し、この判断に基づいてヘギイタダニに有効な薬液の噴射を実行した旨のオフサイトデータＤ２によって、人工知能プログラム４０がこのオフサイトデータＤ２が入力された際の巣箱１００内の状況とオフサイトデータＤ２とを関連づけて学習した場合において、ヘギイタダニが巣箱１００内に存在する場合は、人工知能プログラム４０が、ヘギイタダニが存在すると判断して、ヘギイタダニに対して薬液を噴射する必要があると判断する。

このような場合は、人工知能プログラム４０は、薬液噴射ポンプ１４を駆動させる管理指令を生成して、この管理指令が送信手段５０を介して巣箱１００の巣箱センサ１０に送信される。この管理指令が巣箱センサ１０に送信されると、薬液噴射ポンプ１４が駆動してヘギイタダニに対して薬液が噴射される。

このとき、人工知能プログラム４０は、薬液を噴射した旨の管理指令を生成して、この管理指令が送信手段５０を介してオンサイト作業者端末６０及びオフサイト作業者端末７０に送信される。

このように、本実施の形態に係る管理システム１によれば、巣箱センサ１０及び中継センサ２０によって検出された各データにより構成される環境条件データと、オンサイト作業者端末６０及びオフサイト作業者端末７０に入力された管理記録データとが相関せしめられて、この相関せしめられたデータを教師データとして、蜂ｂの状況を想定しながら人工知能プログラム４０が養蜂の作業を学習する。

この学習した結果に基づいて、人工知能プログラム４０が蜂ｂの状況に適応した管理指令を自律的に生成することから、蜂ｂの現在の状態に適応した管理を適切に実行することができる。

本実施の形態では、蜂ｂの状況に適応させて生成された管理指令に基づいて、給餌ポンプ１３が駆動されて蜂ｂに給餌を実行したり、巣箱１００内に薬液を噴霧したり、あるいはこれら実行した内容をオンサイト作業者端末６０及びオフサイト作業者端末７０に送信したりすることから、オンサイト作業者Ｐ１及びオフサイト作業者Ｐ２が蜂ｂの収容された巣箱１００の管理を行う作業負担及び作業時間を大幅に削減することができる。

さらに、管理記録データは管理記録画像データＤ３を含み、環境条件データは環境条件画像データＤ６を含んでおり、人工知能プログラム４０は、これらの各画像データも教師データとして学習することから、複合的なデータに基づいてより精緻な学習を行うことができる。

（第２実施の形態）
次に、図７〜図９を参照して、本発明の第２実施の形態について説明する。なお、本実施の形態では、管理システムが、住宅における管理対象物である電気機器の管理に適用される場合を例として説明する。

図７は、本実施の形態に係る管理システムの概略を説明する図である。図示のように、管理システム２は、住宅に配備される照明１０１、エアコン１０２、テレビ１０３及び炊飯器１０４といった電気機器が接続されて交流電源１２０からの電力を配電する配電盤８０、配電盤８０に設けられて電気機器の消費電力を検知する消費電力センサ８０ａ、消費電力センサ８０ａと通信可能な中継センサ８１を備える。

中継センサ８１は、図示しないルータを介して、クラウド８２を実装するサーバ８３と通信可能に接続されている。このサーバ８３は、中継センサ８１と接続してインターネットにアクセス可能に形成され、本実施の形態では人工知能プログラム９０が格納されている。

さらに管理システム２は、クラウド８２にアクセス可能な端末であるユーザ端末８４を備える。このユーザ端末８４は、本実施の形態では、多機能型携帯端末であるスマートフォンによって構成されている。

このユーザ端末８４は、住宅に配備される電気機器を目視で直接的に確認して管理を行う管理者であるユーザＵが保有している。ユーザＵは、本実施の形態では、住宅に居住する居住者であって、電気機器を使用する使用者であり、かつこれらの電気機器を管理する管理者であることが想定されている。

図８は、人工知能プログラム９０の構成及び機能の概略を説明する図である。図示のように、人工知能プログラム９０は、データ入力インターフェース９１、演算部９２、検出部９３、及び演算部９２と検出部９３との間に配置される記憶部９４を備える。

データ入力インターフェース９１には、消費電力センサ８０ａで検知された照明１０１の消費電力が照明消費電力データｄ１として、エアコン１０２の消費電力がエアコン消費電力データｄ２として、テレビ１０３の消費電力がテレビ消費電力データｄ３として、更に炊飯器１０４の消費電力が炊飯器消費電力データｄ４として入力される。

本実施の形態では、これら照明消費電力データｄ１、エアコン消費電力データｄ２、テレビ消費電力データｄ３、及び炊飯器消費電力データｄ４によって、管理状態データが構成される。

さらに、データ入力インターフェース９１には、ユーザ端末８４を介してオンサイトデータｄ５が入力される。本実施の形態では、このオンサイトデータｄ５によって管理記録データが構成される。

演算部９２は、データ入力インターフェース９１に入力された上記の各データｄ１〜ｄ５からユーザＵによる電気機器の使用傾向を把握し、把握した使用傾向を教師データとして電気機器の管理プロセスを学習し、学習した結果に基づいて、電気機器の使用傾向に適応した管理指令を自律的に生成する。

検出部９３は、演算部９２が生成した管理指令のうち、電気機器の現在の使用状態に適応した管理指令を検出する。一方、記憶部９４は、演算部９２が生成した管理指令を記憶する。

このように、人工知能プログラム９０で生成された管理指令は、本実施の形態では、送信手段９６によって配電盤８０を介して照明１０１、エアコン１０２、テレビ１０３及び炊飯器１０４に、選択的あるいは場合によってはこれらのいずれにも送信される。

一方、管理指令から逸脱して照明１０１、エアコン１０２、テレビ１０３及び炊飯器１０４が使用され、このような使用状態が消費電力センサ８０ａによって検知されると、送信手段９６によって、ユーザ端末８４に警告が送信される。

次に、図６及び図９を用いて、本実施の形態に係る管理システム２による管理方法の概略及び人工知能プログラム９０が教師データに基づいて電気機器の管理プロセスを学習する手順を説明する。

図９は、ユーザＵの各電気機器の使用傾向を表したタイミングチャートである。図示のように、ユーザＵが１８時から２３時まで照明１０１を点灯させる場合、照明１０１の使用による消費電力が、消費電力センサ８０ａによって、照明消費電力データｄ１として検知される。

ユーザＵが７時から８時まで、及び１６時から２３時までエアコン１０２を運転させる場合、エアコン１０２の運転による消費電力が、消費電力センサ８０ａによって、エアコン消費電力データｄ２として検知される。

ユーザＵが６時から８時まで、及び１９時から２３時までテレビ１０３を使用する場合、テレビ１０３の使用による消費電力が、消費電力センサ８０ａによって、テレビ消費電力データｄ５として検知される。

ユーザＵが６時から７時まで、及び１８時から１９時まで炊飯器１０４を使用する場合、炊飯器１０４の使用による消費電力が、消費電力センサ８０ａによって、炊飯器消費電力データｄ６として検知される。

このように、本実施の形態では、データ入力インターフェース９１を介して、上記のように、照明消費電力データｄ１、エアコン消費電力データｄ２、テレビ消費電力データｄ３及び炊飯器消費電力データｄ４が、人工知能プログラム９０に入力される。

これら照明消費電力データｄ１、エアコン消費電力データｄ２、テレビ消費電力データｄ３及び炊飯器消費電力データｄ４は、図６で示すように、ステップＳ１において、照明消費電力データｄ１とエアコン消費電力データｄ２とが相関せしめられる等、各データｄ１〜ｄ４の有する特徴に着目されてグルーピングが行われる。

このように、各データｄ１〜ｄ４が有する特徴が抽出されて、その特徴ごとにグループに自動的に分類され、これら各データｄ１〜ｄ４の特徴ごとに評価の重みづけがなされる。

すなわち、人工知能プログラム９０がこれらの各データｄ１〜ｄ４を教師データとして学習する場合において、重みがつけられたデータのグループの学習は、それ以外のグループの学習よりも重点的に行われることとなる。

ステップＳ１におけるグルーピングに続いて、ステップＳ２において、グルーピングして分類したグループに、そのグループを構成する各データｄ１〜ｄ４の特徴に基づいた適切なラベリングが実行される。例えば、照明１０１が消灯された時間に関するデータのグループであれば、このグループに適したラベリングが行われる。

ステップＳ２におけるラベリングに続いて、ステップＳ３において、グループを構成する各データｄ１〜ｄ４の特徴とそのグループにラベリングされたラベルとの関連づけが実行される。この関連づけが実行された後、ステップＳ４において、そのグループを構成する各データｄ１〜ｄ４の特徴とそのグループにラベリングされたラベルとの関係を学習する（特徴学習）。

その後、ステップＳ５において、特徴学習が終了したか否かが判定され、特徴学習が終了していない場合は、再度、ステップＳ１において、各データｄ１〜ｄ４の有する特徴に着目したグルーピングが行われる。

ユーザＵの電気機器の使用傾向に基づいた特徴学習が終了し、学習した内容に基づいて生成された管理指令によって電気機器が管理される場合、例えば本実施の形態では、図９の実線で示すように、６時になるとテレビ１０３の電源が入力されるとともに、炊飯器１０４の電源が入力される。７時になると、エアコン１０２の電源が入力される。

８時になると、エアコン１０２及びテレビ１０３の電源が切断される。なお、炊飯器１０４の電源は、炊飯が終了すると、一般的に炊飯器１０４が有する機能的な特性に基づいて、すなわち管理指令によらないで切断される。

１６時になると、エアコン１０２の電源が入力され、１８時になると、照明１０１及び炊飯器１０４の電源が入力される。１９時になると、テレビ１０３の電源が入力される。

２３時になると、照明１０１の電源が切断されて消灯する。照明１０１の消灯と前後して、すなわち、２３時における照明１０１の電源の切断と関連づけて学習された管理指令に基づいて、エアコン１０２及びテレビ１０３の電源が切断される。

なお、炊飯器１０４の電源は、炊飯が終了すると、上記と同様に、管理指令によらないで切断される。

このように、管理指令によって電気機器が管理されている場合において、管理指令に基づく電気機器の管理にブレが発生した場合、例えば、図９において破線で示すように、２３時に照明１０１の電源が切断されてもテレビ１０３の電源が切断されずに２４時になってからテレビ１０４の電源が切断されるような場合、ユーザＵは、ユーザ端末８４に「テレビの電源が２３時頃に切れるべきところ、２４時になって切れるようになってきた」旨の評価をオンサイトデータｄ５として入力する。

このような場合、オンサイトデータｄ５が入力されると、例えば、オンサイトデータｄ５と消費電力センサ８０ａで検知された照明消費電力データｄ１及びエアコン消費電力データｄ２とが相関せしめられて、管理指令が修正される。

これにより、電気機器を管理する管理指令にブレが発生した場合であっても、管理指令を適宜修正することができることから、各電気機器の管理を適切に行うことができる。

一方、管理指令に基づいた電気機器の管理から逸脱して電気機器を使用する場合、例えば図９の破線で示すように、７時になるとエアコン１０２の電源が入力されるように生成された管理指令から逸脱して、６時にエアコン１０２の電源を入力すると、エアコン１０２の電源の入力が消費電力センサ８０ａによって検知されて、送信手段９６によって、ユーザ端末８４に警告が送信される。

同様に、１８時になると照明１０１の電源が入力されるように生成された管理指令から逸脱して、１７時に照明１０１の電源を入力すると、照明１０１の電源の入力が消費電力センサ８０ａによって検知されて、送信手段９６によって、ユーザ端末８４に警告が送信される。

これにより、人工知能プログラム９０によって生成された電気機器の管理指令から逸脱した電気機器の使用が誤用であるか否かを、ユーザＵが容易に把握することができる。したがって、電気機器の適正な使用が促されることとなる。

なお、本発明は上記各実施の形態に限定されることはなく、発明の趣旨を逸脱しない範囲で種々変更可能である。上記第１実施の形態では、管理システム１が蜂ｂを管理対象物とした場合を説明し、上記第２実施の形態では管理システム２が電気機器を管理対象物とした場合を説明したが、例えば、管理対象物がフォークリフト等の重機である場合に、この重機を管理する場合にも適用することができる。

具体的には、重機の駆動系に用いられているシャフトやパイプ等の部品に、例えば引張センサ等の検出部品を取り付けておき、この検出部品で検出した引張力データや、作業者が目視で確認したオンサイトデータに基づいて、人工知能プログラムが重機の部品の耐久性管理作業を学習する。

これにより、人工知能プログラムが、重機の部品の耐用限度に到達したと適切に判断することから、部品の耐久性確認をもれなく行うことができ、かつ速やかに部品の交換、修理等を行うことができる。

さらに、例えば、管理対象物が介護施設に入居する入居者が着用するオムツである場合に、このオムツを管理する場合にも適用することができる。

具体的には、入居者の着用するオムツに湿度センサを取り付けておき、この湿度センサで検出した湿度のデータや、介護者が目視で確認したオンサイトデータに基づいて、人工知能プログラムがオムツに排泄されたか否かの管理作業を学習する。

これにより、人工知能プログラムが、オムツに排泄されたか否かを適切に判断し、かつこの判断に基づいて、オムツに排泄された場合は、その部分が入居者の身体とベッドとの間に挟み込まれて入居者の身体に褥瘡が発生することを防止すべく管理を行うことができる。

１、２管理システム
１０巣箱センサ（センサ）
１３給餌ポンプ（管理実行部）
１４薬液噴霧ポンプ（管理実行部）
３０、８３サーバ
４０、９０人工知能プログラム
４２、９２演算部
５０、９６送信手段
６０オンサイト作業者端末（端末）
７０オフサイト作業者端末（端末）
８０配電盤
８０ａ消費電力センサ（センサ）
８４ユーザ端末（端末）
Ｄ１オンサイトデータ
Ｄ２オフサイトデータ
Ｄ３管理記録画像データ
Ｄ６環境条件画像データ
Ｐ１オンサイト作業者（管理者）
Ｐ２オフサイト作業者（管理者）
Ｕユーザ

Claims

管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出するセンサと、
前記管理者による前記管理対象物の管理の記録が管理記録データとして入力される端末と、
前記センサで検出した前記環境条件データと前記端末に入力された前記管理記録データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、
を備えることを特徴とする管理システム。
前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理する管理実行部を備えることを特徴とする請求項１に記載の管理システム。
前記人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信する送信手段を備えることを特徴とする請求項１に記載の管理システム。
前記環境条件データは、
前記管理対象物を撮像した環境条件画像データを含むことを特徴とする請求項１〜３のいずれか１項に記載の管理システム。
前記管理記録データは、
前記管理対象物を撮像した管理記録画像データを含むことを特徴とする請求項１〜４のいずれか１項に記載の管理システム。
管理者により管理される管理対象物の使用状態を管理状態データとして検出するセンサと、
該センサで検出した前記管理状態データに基づいて前記管理対象物の使用傾向を想定して把握し、把握した前記管理対象物の使用傾向に基づいて該管理対象物の使用傾向に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する人工知能プログラムと、
該人工知能プログラムで生成された前記管理指令に基づいた前記管理対象物の管理の記録が管理記録データとして入力される端末と、を備え、
該端末に入力された前記管理記録データと前記センサで検出した前記管理記録データとを相関せしめて生成した前記管理指令を修正することを特徴とする管理システム。
前記管理指令による前記管理対象物の管理から逸脱した前記管理対象物の管理が実行された場合に、前記端末に警告を送信する送信手段を備えることを特徴とする請求項６に記載の管理システム。
センサが、管理者により管理される管理対象物が配置された環境の条件を環境条件データとして検出し、
人工知能プログラムが、端末を介して入力された前記管理者による前記管理対象物の管理の記録である管理記録データと前記検出した環境条件データとを相関せしめて前記管理対象物の状態を想定して把握し、把握した前記管理対象物の状態に基づいて該管理対象物の状態に適応させた管理を行うための管理プロセスを学習し、学習した該管理プロセスに基づいて管理指令を自律的に生成する、
ことを特徴とする管理方法。
管理実行部が、前記人工知能プログラムで生成された前記管理指令によって前記管理対象物を管理することを特徴とする請求項８に記載の管理方法。
送信手段が、前記人工知能プログラムで生成された前記管理指令を前記管理者の前記端末に送信することを特徴とする請求項８に記載の管理方法。