JP2021071262A

JP2021071262A - Air conditioner

Info

Publication number: JP2021071262A
Application number: JP2019199267A
Authority: JP
Inventors: 順也石▲崎▼; Junya Ishizaki
Original assignee: Fujitsu General Ltd
Current assignee: Fujitsu General Ltd
Priority date: 2019-10-31
Filing date: 2019-10-31
Publication date: 2021-05-06
Anticipated expiration: 2039-10-31
Also published as: JP7456120B2

Abstract

To adjust the frequency of setting changes based on a learning model.SOLUTION: An air conditioning device is equipped with a predicting portion, a threshold value memory portion 26, a discriminating portion, and a threshold value setting portion 34. The predicting portion calculates an estimation result for controlling the air conditioner 2, using a learning model generated on the basis of operation state information on the air conditioner 2. The threshold value memory portion 26 stores a threshold value. The discriminating portion controls the air conditioner 2 so as not to execute a setting change instruction when a numerical value of the estimation result is smaller than the threshold value, and so as to execute the setting change instruction when a numerical value of the estimation result is larger than the threshold value. The threshold value setting portion 34 updates the threshold value by operating a threshold value updating input device 36 connected to the air conditioner 2.SELECTED DRAWING: Figure 3

Description

本開示の技術は、空気調和装置に関する。 The technique of the present disclosure relates to an air conditioner.

利用者が設定した空気調和機の設定温度等といった運転状態を学習して生成される学習モデルを用いて、空気調和機の運転を制御する空調システムが知られている（特許文献１）。このような空調システムは、学習モデルを用いて利用者の操作を予測して空気調和機に予測結果を出力し、空気調和機が予測結果に基づいて設定を変更することにより、利用者に好適な温度環境を提供することができる。 An air conditioning system that controls the operation of an air conditioner by using a learning model generated by learning an operating state such as a set temperature of an air conditioner set by a user is known (Patent Document 1). Such an air conditioning system is suitable for the user by predicting the user's operation using a learning model and outputting the prediction result to the air conditioner, and the air conditioner changes the setting based on the prediction result. It is possible to provide an air-conditioned temperature environment.

特開２０１５−１１７９３３号公報JP-A-2015-117933

しかしながら、学習モデルに基づく空気調和機の設定変更（たとえば、運転モード、設定温度、設定風量、設定風向などの変更）は、予め決められたルールに基づいて実行されており、必ずしも利用者が望む学習モデルに基づく空調制御となっていないことがある。 However, the setting change of the air conditioner based on the learning model (for example, the change of the operation mode, the set temperature, the set air volume, the set air direction, etc.) is executed based on the predetermined rule, and the user does not necessarily want it. Air conditioning control may not be based on the learning model.

開示の技術は、かかる点に鑑みてなされたものであって、学習モデルに基づく設定変更の頻度を調整することができる空気調和装置を提供することを目的とする。 The disclosed technique has been made in view of this point, and an object of the present invention is to provide an air conditioner capable of adjusting the frequency of setting changes based on a learning model.

実施形態の一つの態様における空気調和装置は、空気調和機の運転情報に基づいて生成された学習モデルを用いて、空気調和機を制御するための推測結果を算出する予測部と、閾値を記憶する記憶部と、前記推測結果が前記閾値より小さいときに前記学習モデルに対応する設定変更が実行されないように、前記推測結果が前記閾値より大きいときに前記設定変更が実行されるように、前記空気調和機を制御する設定変更部と、前記空気調和機に接続される入力装置の操作により前記閾値を更新する閾値設定部とを備えている。 The air conditioner in one embodiment of the embodiment stores a prediction unit that calculates an estimation result for controlling the air conditioner and a threshold value by using a learning model generated based on the operation information of the air conditioner. The storage unit and the setting change corresponding to the learning model are not executed when the estimation result is smaller than the threshold value, and the setting change is executed when the estimation result is larger than the threshold value. It includes a setting changing unit that controls the air conditioner and a threshold setting unit that updates the threshold value by operating an input device connected to the air conditioner.

開示の空気調和装置は、学習モデルに基づく設定変更の頻度を調整することができる。 The disclosed air conditioner can adjust the frequency of setting changes based on the learning model.

図１は、実施例１の空気調和システムを示す説明図である。FIG. 1 is an explanatory diagram showing an air conditioning system of the first embodiment. 図２は、アダプタのハードウェア構成の一例を示すブロック図である。FIG. 2 is a block diagram showing an example of the hardware configuration of the adapter. 図３は、空気調和機を示すブロック図である。FIG. 3 is a block diagram showing an air conditioner. 図４は、予測結果記憶部に記憶される複数の予測結果オブジェクトを示す図である。FIG. 4 is a diagram showing a plurality of prediction result objects stored in the prediction result storage unit. 図５は、複数の予測結果オブジェクトのうちの１つの予測結果オブジェクトが有する複数の情報を示す図である。FIG. 5 is a diagram showing a plurality of information possessed by one prediction result object among the plurality of prediction result objects. 図６は、履歴記憶部に記憶される複数の表示用オブジェクトを示す図である。FIG. 6 is a diagram showing a plurality of display objects stored in the history storage unit. 図７は、複数の表示用オブジェクトのうちのある予測結果オブジェクトに対応する１つの表示用オブジェクトを示す図である。FIG. 7 is a diagram showing one display object corresponding to a certain prediction result object among a plurality of display objects. 図８は、複数の学習モデルを用いて空気調和機を制御する動作を示すフローチャートである。FIG. 8 is a flowchart showing an operation of controlling an air conditioner using a plurality of learning models.

以下に、本願が開示する実施形態にかかる空気調和システムについて、図面を参照して説明する。なお、以下の記載により本開示の技術が限定されるものではない。また、以下の記載においては、同一の構成要素に同一の符号を付与し、重複する説明を省略する。 Hereinafter, the air conditioning system according to the embodiment disclosed in the present application will be described with reference to the drawings. The following description does not limit the technique of the present disclosure. Further, in the following description, the same components are given the same reference numerals, and duplicate description will be omitted.

図１は、実施例１の空気調和システム１を示す説明図である。空気調和システム１は、空気調和装置１０と、アクセスポイント４と、サーバ装置５と、中継装置６と、通信端末７（本発明の「通信端末」に対応）と、通信網８とを有する。空気調和装置１０は、空気調和機２とアダプタ３とを備えている。空気調和機２は、室内を冷房または暖房する装置である。通信端末７は、利用者のスマートフォン等の端末装置である。 FIG. 1 is an explanatory diagram showing an air conditioning system 1 of the first embodiment. The air conditioning system 1 includes an air conditioning device 10, an access point 4, a server device 5, a relay device 6, a communication terminal 7 (corresponding to the "communication terminal" of the present invention), and a communication network 8. The air conditioner 10 includes an air conditioner 2 and an adapter 3. The air conditioner 2 is a device for cooling or heating a room. The communication terminal 7 is a terminal device such as a user's smartphone.

アダプタ３は、空気調和機２とアクセスポイント４との間を無線通信で接続する通信機能と、空気調和機２をＡＩ(Artificial Intelligence)制御する制御機能とを有する。アクセスポイント４は、例えば、ＷＬＡＮ(Wireless Local Area Network)等を使用してアダプタ３と通信網８とを無線通信で接続する装置である。通信網８は、例えば、インターネット等の通信網である。サーバ装置５は、空気調和機２に適用される学習モデルを生成する機能や運転履歴データ等を記憶するデータベース等を有する。尚、サーバ装置５は、例えば、データセンタに配置されている。中継装置６は、通信網８と通信で接続されると共に、サーバ装置５と通信で接続される。中継装置６は、通信網８経由で空気調和機２に適用される学習モデルの生成又は更新に使用する運転履歴データをアダプタ３からサーバ装置５に送信する。また、中継装置６は、サーバ装置５で生成又は更新した学習モデルを通信網８経由でアダプタ３に送信する。尚、中継装置６は、例えば、データセンタ等に配置されている。 The adapter 3 has a communication function for wirelessly connecting the air conditioner 2 and the access point 4, and a control function for controlling the air conditioner 2 by AI (Artificial Intelligence). The access point 4 is a device that connects the adapter 3 and the communication network 8 by wireless communication using, for example, a WLAN (Wireless Local Area Network) or the like. The communication network 8 is, for example, a communication network such as the Internet. The server device 5 has a function of generating a learning model applied to the air conditioner 2, a database for storing operation history data, and the like. The server device 5 is located in a data center, for example. The relay device 6 is connected to the communication network 8 by communication and is also connected to the server device 5 by communication. The relay device 6 transmits the operation history data used for generating or updating the learning model applied to the air conditioner 2 from the adapter 3 to the server device 5 via the communication network 8. Further, the relay device 6 transmits the learning model generated or updated by the server device 5 to the adapter 3 via the communication network 8. The relay device 6 is arranged in, for example, a data center or the like.

中継装置６は、第１の中継部６Ａと、第２の中継部６Ｂと、第３の中継部６Ｃとを有する。第１の中継部６Ａは、アダプタ３とサーバ装置５との間でＡＩ制御に関わる各種データを中継する。第１の中継部６Ａは、アダプタ３から受信した学習モデルの生成又は更新に使用する運転履歴データを通信網８経由でサーバ装置５に送信すると共に、サーバ装置５が生成又は更新した学習モデルを通信網８経由でアダプタ３に送信する。第２の中継部６Ｂは、利用者が外出先から通信端末７を使用して設定した空気調和機２の運転条件（冷房／暖房といった運転モードや設定温度など）を通信網８経由で取得し、これを通信網８経由で空気調和機２に送信する。第３の中継部６Ｃは、例えば、インターネット等の通信網８から天気予報等の外部データを取得し、取得した外部データをサーバ装置５に送信する。また、第３の中継部６Ｃは、外部データを通信網８経由でアダプタ３に送信する。 The relay device 6 has a first relay unit 6A, a second relay unit 6B, and a third relay unit 6C. The first relay unit 6A relays various data related to AI control between the adapter 3 and the server device 5. The first relay unit 6A transmits the operation history data used for generating or updating the learning model received from the adapter 3 to the server device 5 via the communication network 8, and also transmits the learning model generated or updated by the server device 5. It is transmitted to the adapter 3 via the communication network 8. The second relay unit 6B acquires the operating conditions (operating mode such as cooling / heating, set temperature, etc.) of the air conditioner 2 set by the user from outside using the communication terminal 7 via the communication network 8. , This is transmitted to the air conditioner 2 via the communication network 8. The third relay unit 6C acquires external data such as a weather forecast from a communication network 8 such as the Internet, and transmits the acquired external data to the server device 5. Further, the third relay unit 6C transmits external data to the adapter 3 via the communication network 8.

図２は、アダプタ３のハードウェア構成の一例を示すブロック図である。アダプタ３は、第１の通信部１１と、第２の通信部１２と、記憶部１３と、ＣＰＵ(Central Processing Unit)１４とを有する。第１の通信部１１は、空気調和機２と通信接続される、例えば、ＵＡＲＴ（Universal Asynchronous Receiver Transmitter）等の通信ＩＦ（Interface）である。第２の通信部１２は、アクセスポイント４と通信接続される、例えば、ＷＬＡＮ等の通信ＩＦである。記憶部１３は、例えば、ＲＯＭ（Read Only Memory）やＲＡＭ(Random Access Memory)等を有し、データやプログラム等の各種情報を記憶する。ＣＰＵ１４は、アダプタ３にインストールされるプログラムを実行することにより、アダプタ３全体を制御する。アダプタ３にインストールされるプログラムは、アダプタ３に複数の機能をそれぞれ実現させるための複数のプログラムから形成されている。その複数の機能は、送信部１６と受信部１７と予測部１８と判別部１９（本発明の「判別部」に相当）とを含んでいる。 FIG. 2 is a block diagram showing an example of the hardware configuration of the adapter 3. The adapter 3 includes a first communication unit 11, a second communication unit 12, a storage unit 13, and a CPU (Central Processing Unit) 14. The first communication unit 11 is a communication IF (Interface) such as a UART (Universal Asynchronous Receiver Transmitter) that is communication-connected to the air conditioner 2. The second communication unit 12 is a communication IF such as a WLAN, which is communicatively connected to the access point 4. The storage unit 13 has, for example, a ROM (Read Only Memory), a RAM (Random Access Memory), and the like, and stores various information such as data and programs. The CPU 14 controls the entire adapter 3 by executing a program installed on the adapter 3. The program installed in the adapter 3 is formed of a plurality of programs for realizing the plurality of functions in the adapter 3. The plurality of functions include a transmitting unit 16, a receiving unit 17, a predicting unit 18, and a discriminating unit 19 (corresponding to the “discriminating unit” of the present invention).

送信部１６は、空気調和機２に設定される複数の設定値（例えば、冷房運転や暖房運転などの運転モード、設定温度、設定風量など）と、複数の日時に対応する複数の運転履歴データとを空気調和機２から収集する。複数の運転履歴データのうちのある日時に対応する運転履歴データは、その日時に空気調和機２が動作している動作設定と、その日時に空気調和機２に入力された操作設定と、空気調和機２に設けられた複数のセンサにより検出された実測値とを示している。動作設定としては、運転モード、設定温度、設定風量、設定風向などが例示される。操作設定としては、外気温の変化などに応じて利用者により変更された運転モード、設定温度、設定風量、設定風向などが例示される。実測値としては、室内温度、室内湿度、室内の温度分布、室内熱交換器温度、外気温度、外気湿度、室外熱交換器温度などが例示される。送信部１６は、その収集された複数の設定値と複数の運転履歴データとを記憶部１３に記憶する。送信部１６は、記憶部１３に記憶された複数の設定値と複数の運転履歴データとに基づいて運転状態情報を作成し、通信網８を介して、その運転状態情報をサーバ装置５に送信する。運転状態情報は、複数の設定値と複数の運転履歴データとを含んでいる。 The transmission unit 16 has a plurality of set values (for example, operation modes such as cooling operation and heating operation, set temperature, set air volume, etc.) set in the air conditioner 2 and a plurality of operation history data corresponding to a plurality of date and time. And are collected from the air conditioner 2. The operation history data corresponding to a certain date and time among the plurality of operation history data includes the operation setting in which the air conditioner 2 is operating on that date and time, the operation setting input to the air conditioner 2 on that date and time, and the air. The measured values detected by a plurality of sensors provided in the air conditioner 2 are shown. Examples of operation settings include an operation mode, a set temperature, a set air volume, and a set air direction. Examples of the operation settings include an operation mode, a set temperature, a set air volume, and a set wind direction changed by the user according to a change in the outside air temperature. Examples of the measured values include indoor temperature, indoor humidity, indoor temperature distribution, indoor heat exchanger temperature, outside air temperature, outside air humidity, and outdoor heat exchanger temperature. The transmission unit 16 stores the collected plurality of set values and the plurality of operation history data in the storage unit 13. The transmission unit 16 creates operation status information based on a plurality of set values stored in the storage unit 13 and a plurality of operation history data, and transmits the operation status information to the server device 5 via the communication network 8. To do. The operation state information includes a plurality of set values and a plurality of operation history data.

受信部１７は、サーバ装置５から送信された複数の学習モデルを通信網８経由で受信し、受信した複数の学習モデルを記憶部１３に記憶する。予測部１８は、空気調和機２に設けられた複数のセンサによりそれぞれ検出された複数の実測値に基づいて、記憶部１３に記憶された複数の学習モデルを用いて複数の予測結果オブジェクトをそれぞれ算出する。予測部１８は、その算出された複数の予測結果オブジェクトを空気調和機２に出力する。判別部１９は、空気調和機２に要求信号を送信し、複数の学習モデルに対応する複数の閾値を空気調和機２から取得する。判別部１９は、複数の閾値に基づいて、予測部１８により算出された複数の予測結果オブジェクトの各々が有効であるか無効であるかを判別する。なお、予測結果オブジェクトについては、後に図４および図５を用いて詳細に説明する。 The receiving unit 17 receives a plurality of learning models transmitted from the server device 5 via the communication network 8, and stores the received plurality of learning models in the storage unit 13. The prediction unit 18 uses a plurality of learning models stored in the storage unit 13 to generate a plurality of prediction result objects based on a plurality of actually measured values detected by a plurality of sensors provided in the air conditioner 2. calculate. The prediction unit 18 outputs the calculated plurality of prediction result objects to the air conditioner 2. The determination unit 19 transmits a request signal to the air conditioner 2 and acquires a plurality of threshold values corresponding to the plurality of learning models from the air conditioner 2. The determination unit 19 determines whether each of the plurality of prediction result objects calculated by the prediction unit 18 is valid or invalid based on the plurality of threshold values. The prediction result object will be described in detail later with reference to FIGS. 4 and 5.

図３は、空気調和機２を示すブロック図である。空気調和機２は、室内機２１と室外機２２と複数のセンサ２３と予測結果記憶部２４（本発明の「第１記憶部」に対応）と履歴記憶部２５（本発明の「第２記憶部」に対応）と閾値記憶部２６と制御装置２７とリモコン２８とを備えている。室内機２１は、室内に配置され、図示されていない室内ファンと室内熱交換器と風向板とをさらに備えている。室内ファンは、室内機２１が配置される室内の空気が室内熱交換器を通過する空気の流れを生成し、室内熱交換器を通過した空気を室内に吹き出す。室内熱交換器は、室外機２２から供給される冷媒と、室内ファンにより流れが生成される空気との熱交換を行うことにより、室内の空気を加熱または冷却する。風向板は、室内機２１から室内に吹き出される空気の方向を変更する。室内機２１は、室内熱交換器が室内の空気を加熱または冷却することにより、室内を冷房または暖房する。 FIG. 3 is a block diagram showing the air conditioner 2. The air conditioner 2 includes an indoor unit 21, an outdoor unit 22, a plurality of sensors 23, a prediction result storage unit 24 (corresponding to the “first storage unit” of the present invention), and a history storage unit 25 (the “second storage unit” of the present invention. A unit), a threshold storage unit 26, a control device 27, and a remote controller 28 are provided. The indoor unit 21 is arranged indoors and further includes an indoor fan, an indoor heat exchanger, and a wind direction plate (not shown). The indoor fan generates an air flow in which the air in the room where the indoor unit 21 is arranged passes through the indoor heat exchanger, and blows the air that has passed through the indoor heat exchanger into the room. The indoor heat exchanger heats or cools the indoor air by exchanging heat between the refrigerant supplied from the outdoor unit 22 and the air whose flow is generated by the indoor fan. The wind direction plate changes the direction of the air blown into the room from the indoor unit 21. The indoor unit 21 cools or heats the room by the indoor heat exchanger heating or cooling the air in the room.

室外機２２は、室外に配置され、図示されていない室外ファンと室外熱交換器と圧縮機と膨張弁とを備えている。室外ファンは、室外機２２が配置される屋外の外気が室外熱交換器を通過する空気の流れを生成する。室外熱交換器は、室外ファンにより流れが生成される外気と冷媒との熱交換を行うことにより、冷媒を加熱または冷却する。圧縮機は、冷媒を圧縮し、冷媒を室内機２１と室外機２２との間で循環させる。膨張弁は、圧縮機により圧縮された冷媒を膨張させて減圧する。膨張弁は、さらに、その開度を調整することで、室内機２１に流れる冷媒の量を調整する。室外機２２は、圧縮機が冷媒を室内機２１と室外機２２との間で循環させることにより、室外熱交換器により加熱または冷却された冷媒を室内機２１に供給する。 The outdoor unit 22 is arranged outdoors and includes an outdoor fan, an outdoor heat exchanger, a compressor, and an expansion valve (not shown). The outdoor fan creates a flow of air through which the outdoor air in which the outdoor unit 22 is located passes through the outdoor heat exchanger. The outdoor heat exchanger heats or cools the refrigerant by exchanging heat between the outside air generated by the outdoor fan and the refrigerant. The compressor compresses the refrigerant and circulates the refrigerant between the indoor unit 21 and the outdoor unit 22. The expansion valve expands the refrigerant compressed by the compressor to reduce the pressure. The expansion valve further adjusts its opening degree to adjust the amount of refrigerant flowing through the indoor unit 21. The outdoor unit 22 supplies the refrigerant heated or cooled by the outdoor heat exchanger to the indoor unit 21 by circulating the refrigerant between the indoor unit 21 and the outdoor unit 22 by the compressor.

複数のセンサ２３は、空気調和機２に設けられ、各々のセンサの実測値を出力する。これらのセンサの実測値は、室内機２１が吸い込む空気の吸込温度や湿度、室外機２２が配置される室外の温度、室内の床の輻射温度などを含んでいる。 The plurality of sensors 23 are provided in the air conditioner 2 and output the measured values of the respective sensors. The measured values of these sensors include the suction temperature and humidity of the air sucked by the indoor unit 21, the outdoor temperature where the outdoor unit 22 is arranged, the radiant temperature of the indoor floor, and the like.

予測結果記憶部２４には、図４に示されているように、複数の学習モデル４１に対応付けて複数の予測結果オブジェクト４２が記憶されている。図４は、予測結果記憶部２４に記憶される複数の予測結果オブジェクト４２を示す図である。本実施例では、複数の学習モデル４１は、体感予測学習モデル４３と夏用温度ムラ予測学習モデル４４と冬用温度ムラ予測学習モデル４５とを含んでいる。また、複数の予測結果オブジェクト４２は、体感予測結果オブジェクト４６と夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とを含んでいる。体感予測結果オブジェクト４６は、体感予測学習モデル４３を用いて算出された予測結果オブジェクトである。夏用温度ムラ予測結果オブジェクト４７は、夏用温度ムラ予測学習モデル４４を用いて算出された予測結果オブジェクトである。冬用温度ムラ予測結果オブジェクト４８は、冬用温度ムラ予測学習モデル４５を用いて算出された予測結果オブジェクトである。 As shown in FIG. 4, the prediction result storage unit 24 stores a plurality of prediction result objects 42 in association with the plurality of learning models 41. FIG. 4 is a diagram showing a plurality of prediction result objects 42 stored in the prediction result storage unit 24. In this embodiment, the plurality of learning models 41 include a bodily sensation prediction learning model 43, a summer temperature unevenness prediction learning model 44, and a winter temperature unevenness prediction learning model 45. Further, the plurality of prediction result objects 42 include the experience prediction result object 46, the summer temperature unevenness prediction result object 47, and the winter temperature unevenness prediction result object 48. The experience prediction result object 46 is a prediction result object calculated by using the experience prediction learning model 43. The summer temperature unevenness prediction result object 47 is a prediction result object calculated by using the summer temperature unevenness prediction learning model 44. The winter temperature unevenness prediction result object 48 is a prediction result object calculated by using the winter temperature unevenness prediction learning model 45.

複数の予測結果オブジェクト４２の各々の予測結果オブジェクト５１は、図５に示されているように、複数の情報を有している。図５は、複数の予測結果オブジェクト４２のうちの１つの予測結果オブジェクト５１が有する複数の情報を示す図である。予測結果オブジェクト５１が有する複数の情報は、学習モデルの種類５３とフラグ５４と日時情報５５と有効推測結果５６とを含んでいる。学習モデルの種類５３は、予測結果オブジェクト５１の算出に用いられた学習モデルの種類を示している。フラグ５４は、「０」または「１」の値である。日時情報５５は、予測結果オブジェクト５１が算出された日時を示し、その日時の年月日と時と分と秒とを示している。有効推測結果５６は、数値を示している。複数の学習モデル４１は、複数の事象に対応している。有効推測結果５６が示す数値は、複数の事象のうちの予測結果オブジェクト５１の算出に用いられた学習モデルに対応する事象が発生する確率に対応し、大きいほどその事象が発生する確率が高いことを示している。 Each prediction result object 51 of the plurality of prediction result objects 42 has a plurality of information as shown in FIG. FIG. 5 is a diagram showing a plurality of information possessed by one prediction result object 51 among the plurality of prediction result objects 42. The plurality of information contained in the prediction result object 51 includes a learning model type 53, a flag 54, date and time information 55, and a valid guess result 56. The learning model type 53 indicates the type of the learning model used for calculating the prediction result object 51. The flag 54 is a value of "0" or "1". The date and time information 55 indicates the date and time when the prediction result object 51 was calculated, and indicates the date, hour, hour, minute, and second of the date and time. The valid guess result 56 shows a numerical value. The plurality of learning models 41 correspond to a plurality of events. The numerical value indicated by the valid guess result 56 corresponds to the probability that an event corresponding to the learning model used in the calculation of the prediction result object 51 among the plurality of events will occur, and the larger the value, the higher the probability that the event will occur. Is shown.

たとえば、図４に示されている体感予測学習モデル４３は、利用者が設定温度を変更する事象に対応している。体感予測学習モデル４３に対応する設定変更は、設定温度の変更を示している。体感予測結果オブジェクト４６の有効推測結果５６は、利用者が設定温度を変更する確率に対応している。 For example, the experience prediction learning model 43 shown in FIG. 4 corresponds to an event in which the user changes the set temperature. The setting change corresponding to the experience prediction learning model 43 indicates a change in the set temperature. The effective estimation result 56 of the experience prediction result object 46 corresponds to the probability that the user changes the set temperature.

夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、それぞれ、室内に温度ムラが発生する事象に対応し、設定風向を変更する設定変更に対応している。夏用温度ムラ予測結果オブジェクト４７の有効推測結果５６と冬用温度ムラ予測結果オブジェクト４８の有効推測結果５６とは、室内に温度ムラが発生する確率に対応している。夏用温度ムラ予測結果オブジェクト４７のフラグ５４は、夏用温度ムラ予測結果オブジェクト４７が適用予測結果オブジェクトに判別されたか非適用予測結果オブジェクトに判別されたかを示している。冬用温度ムラ予測結果オブジェクト４８のフラグ５４は、冬用温度ムラ予測結果オブジェクト４８が適用予測結果オブジェクトに判別されたか適用予測結果オブジェクトに判別されたかを示している。フラグ５４は、非適用予測結果オブジェクトに判別されたときは「０」、適用予測結果オブジェクトに判別されたときは「１」である。 The summer temperature unevenness prediction result object 47 and the winter temperature unevenness prediction result object 48 correspond to an event in which temperature unevenness occurs in a room, and correspond to a setting change for changing a set wind direction, respectively. The effective estimation result 56 of the summer temperature unevenness prediction result object 47 and the effective estimation result 56 of the winter temperature unevenness prediction result object 48 correspond to the probability that temperature unevenness occurs in the room. The flag 54 of the summer temperature unevenness prediction result object 47 indicates whether the summer temperature unevenness prediction result object 47 is determined by the applied prediction result object or the non-applied prediction result object. The flag 54 of the winter temperature unevenness prediction result object 48 indicates whether the winter temperature unevenness prediction result object 48 is determined by the application prediction result object or the application prediction result object. The flag 54 is "0" when it is determined by the non-application prediction result object, and is "1" when it is determined by the application prediction result object.

履歴記憶部２５には、図６に示されているように、予め定められた個数（たとえば、８個）の複数の表示用オブジェクト６１が記憶されている。図６は、履歴記憶部２５に記憶される複数の表示用オブジェクト６１を示す図である。複数の表示用オブジェクト６１は、通信端末７の表示部に表示されるものであり、複数の日時に対応付けて履歴記憶部２５に記憶されている。複数の日時のうちのある表示用オブジェクトに対応する日時は、その表示用オブジェクトが示す予測結果オブジェクトが予測部１８により算出された日時を示している。複数の表示用オブジェクト６１の各々は、複数の予測結果オブジェクト４２のうちの１つの予測結果オブジェクトに対応している。 As shown in FIG. 6, the history storage unit 25 stores a plurality of display objects 61 in a predetermined number (for example, eight). FIG. 6 is a diagram showing a plurality of display objects 61 stored in the history storage unit 25. The plurality of display objects 61 are displayed on the display unit of the communication terminal 7, and are stored in the history storage unit 25 in association with the plurality of date and time. The date and time corresponding to a certain display object among the plurality of date and time indicates the date and time when the prediction result object indicated by the display object is calculated by the prediction unit 18. Each of the plurality of display objects 61 corresponds to one of the plurality of prediction result objects 42.

複数の表示用オブジェクト６１のうちのある予測結果オブジェクトに対応する１つの表示用オブジェクト６２は、図７に示されているように、学習モデルの種類６３と日時情報６４と推測結果６５とを含む複数の情報を有している。図７は、複数の表示用オブジェクト６１のうちのある予測結果オブジェクトに対応する１つの表示用オブジェクト６２を示す図である。学習モデルの種類６３は、その予測結果オブジェクトの学習モデルの種類５３を示している。推測結果６５は、その予測結果オブジェクトの有効推測結果５６を示している。日時情報６４は、その予測結果オブジェクトの日時情報５５を示し、日時情報５５の年月日と時と分とを示している。日時情報６４は、図５における日時情報５５から秒の情報を除いたものであり、日時情報５５に比較して、情報量が小さい。 One display object 62 corresponding to a prediction result object among the plurality of display objects 61 includes a learning model type 63, date and time information 64, and a guess result 65, as shown in FIG. It has multiple pieces of information. FIG. 7 is a diagram showing one display object 62 corresponding to a certain prediction result object among the plurality of display objects 61. The training model type 63 indicates the training model type 53 of the prediction result object. The guess result 65 shows the valid guess result 56 of the prediction result object. The date and time information 64 indicates the date and time information 55 of the prediction result object, and indicates the date, hour, hour, and minute of the date and time information 55. The date and time information 64 is obtained by removing the second information from the date and time information 55 in FIG. 5, and the amount of information is smaller than that of the date and time information 55.

図３に示されている閾値記憶部２６には、複数の学習モデル４１の各々に対応する閾値が記憶されている。すなわち、閾値記憶部２６に記憶される閾値は、体感予測学習モデル４３に対応する体感予測閾値と、夏用温度ムラ予測学習モデル４４に対応する夏用温度ムラ予測閾値と、冬用温度ムラ予測学習モデル４５に対応する冬用温度ムラ予測閾値とを含んでいる。 The threshold value storage unit 26 shown in FIG. 3 stores threshold values corresponding to each of the plurality of learning models 41. That is, the thresholds stored in the threshold storage unit 26 are the experience prediction threshold corresponding to the experience prediction learning model 43, the summer temperature unevenness prediction threshold corresponding to the summer temperature unevenness prediction learning model 44, and the winter temperature unevenness prediction. It includes a winter temperature unevenness prediction threshold corresponding to the learning model 45.

制御装置２７は、空気調和機２の各部を制御し、また、アダプタ３と通信する。制御装置２７は、複数の機能をそれぞれ実現させるための複数のプログラムを有する。その複数の機能は、制御部３１と判別部３２と設定変更部３３と閾値設定部３４と結果送信部３５とで実現される。 The control device 27 controls each part of the air conditioner 2 and communicates with the adapter 3. The control device 27 has a plurality of programs for realizing each of the plurality of functions. The plurality of functions are realized by the control unit 31, the discrimination unit 32, the setting change unit 33, the threshold value setting unit 34, and the result transmission unit 35.

制御部３１は、リモコン２８の操作により空気調和機２の複数の設定値を変更し、また、通信網８とアダプタ３とを経由して通信端末７から取得された情報に基づいて複数の設定値を変更する。たとえば、複数の設定値は、設定温度と設定風向とを含んでいる。制御部３１は、設定温度が変更されたときに、変更された設定温度に室内の温度が近づくように、室内機２１と室外機２２とを制御する。制御部３１は、設定風向が変更されたときに、変更された設定風向に向けて室内機２１から空気が吹き出されるように、室内機２１の風向板を制御する。制御部３１は、さらに、リモコン２８の操作により「暖房」が選択されたときに、設定温度に基づいて空気調和機２が室内を暖房するように、室内機２１と室外機２２とを制御する。制御部３１は、リモコン２８の操作により「冷房」が選択されたときに、設定温度に基づいて空気調和機２が室内を冷房するように、室内機２１と室外機２２とを制御する。制御装置２７は、リモコン２８の操作により「停止」が選択されたときに、空気調和機２が冷房または暖房を停止するように、室内機２１と室外機２２とを制御する。 The control unit 31 changes a plurality of setting values of the air conditioner 2 by operating the remote controller 28, and also sets a plurality of settings based on the information acquired from the communication terminal 7 via the communication network 8 and the adapter 3. Change the value. For example, a plurality of set values include a set temperature and a set wind direction. The control unit 31 controls the indoor unit 21 and the outdoor unit 22 so that when the set temperature is changed, the indoor temperature approaches the changed set temperature. The control unit 31 controls the wind direction plate of the indoor unit 21 so that when the set wind direction is changed, air is blown out from the indoor unit 21 toward the changed set wind direction. The control unit 31 further controls the indoor unit 21 and the outdoor unit 22 so that the air conditioner 2 heats the room based on the set temperature when "heating" is selected by operating the remote controller 28. .. The control unit 31 controls the indoor unit 21 and the outdoor unit 22 so that the air conditioner 2 cools the room based on the set temperature when "cooling" is selected by operating the remote controller 28. The control device 27 controls the indoor unit 21 and the outdoor unit 22 so that the air conditioner 2 stops cooling or heating when "stop" is selected by operating the remote controller 28.

判別部３２は、複数の学習モデル４１毎に個別に定められた判断基準に基づいて、予測結果記憶部２４に記憶される複数の予測結果オブジェクト４２が適用予測結果オブジェクトであるか非適用予測結果オブジェクトであるかを判別する。 The determination unit 32 determines whether the plurality of prediction result objects 42 stored in the prediction result storage unit 24 are application prediction result objects or non-application prediction result objects based on the determination criteria individually determined for each of the plurality of learning models 41. Determine if it is an object.

設定変更部３３は、判別部３２により１つの予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに、その予測結果オブジェクトの算出に用いられた学習モデルに対応する設定変更を実行する。たとえば、設定変更部３３は、適用予測結果オブジェクトに判別された予測結果オブジェクトの算出に用いられた学習モデルが設定温度変更に対応するときに、利用者の体感温度の予測結果に基づいて設定温度が上下するように空気調和機２を制御する。設定変更部３３は、適用予測結果オブジェクトであると判別された予測結果オブジェクトの算出に用いられた学習モデルが設定風向の変更に対応するときに、変更された設定風向に向けて室内機２１から空気が吹き出されるように、室内機２１の風向板を制御する。 When the determination unit 32 determines that one prediction result object is an application prediction result object, the setting change unit 33 executes a setting change corresponding to the learning model used for calculating the prediction result object. For example, the setting change unit 33 sets the temperature based on the prediction result of the user's sensible temperature when the learning model used for calculating the prediction result object determined by the application prediction result object corresponds to the set temperature change. Controls the air conditioner 2 so that the air conditioner 2 moves up and down. When the learning model used to calculate the prediction result object determined to be the application prediction result object corresponds to the change of the set wind direction, the setting change unit 33 is directed from the indoor unit 21 toward the changed set wind direction. The wind direction plate of the indoor unit 21 is controlled so that air is blown out.

設定変更部３３は、判別部３２により１つの予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに、さらに、複数の表示用オブジェクト６１のうちの最古の表示用オブジェクトを履歴記憶部２５から削除する。設定変更部３３は、さらに、適用予測結果オブジェクトに判別された１つの予測結果オブジェクトを示す新規の表示用オブジェクトが複数の表示用オブジェクト６１に追加されるように、履歴記憶部２５を更新する。 When the determination unit 32 determines that one prediction result object is an application prediction result object, the setting change unit 33 further stores the oldest display object among the plurality of display objects 61 in the history storage unit. Delete from 25. The setting change unit 33 further updates the history storage unit 25 so that a new display object indicating one prediction result object determined as the application prediction result object is added to the plurality of display objects 61.

閾値設定部３４は、制御装置２７に通信可能に接続できる入力端末であり、閾値更新用入力装置３６（本発明の「入力装置」に相当）が制御装置２７に接続されたときに、閾値更新用入力装置３６を介して制御装置２７に入力された情報に基づいて、閾値記憶部２６に記憶される複数の閾値を更新する。結果送信部３５は、通信端末７から送信されたＡＩ制御履歴要求を空気調和機２が受信したときに、履歴記憶部２５に記録される複数の表示用オブジェクト６１を通信端末７にアダプタ３を介して送信する。 The threshold setting unit 34 is an input terminal that can be communicably connected to the control device 27, and updates the threshold when the threshold update input device 36 (corresponding to the “input device” of the present invention) is connected to the control device 27. Based on the information input to the control device 27 via the input device 36, a plurality of thresholds stored in the threshold storage unit 26 are updated. When the air conditioner 2 receives the AI control history request transmitted from the communication terminal 7, the result transmission unit 35 attaches the adapter 3 to the communication terminal 7 with a plurality of display objects 61 recorded in the history storage unit 25. Send via.

［空気調和システム１の動作］
空気調和システム１の動作は、複数の学習モデルを継続的に学習させる動作と、複数の学習モデルを用いて空気調和機２を制御する動作と、複数の学習モデルを用いて実行された制御の履歴を通知する動作と、複数の閾値を更新する動作とを備えている。 [Operation of air conditioning system 1]
The operation of the air conditioning system 1 includes an operation of continuously learning a plurality of learning models, an operation of controlling the air conditioner 2 using the plurality of learning models, and a control executed using the plurality of learning models. It has an operation of notifying the history and an operation of updating a plurality of threshold values.

複数の学習モデルを継続的に学習させる動作では、アダプタ３は、予め定められたデータ取得間隔（たとえば、５分）毎に空気調和機２の制御装置２７から運転履歴データと複数の設定値とを取得する。アダプタ３は、運転履歴データと複数の設定値とを時刻に対応付けて記憶部１３に記憶する。アダプタ３は、予め定められたデータ送信間隔（たとえば、４８時間）毎に、運転状態情報を作成し、運転状態情報をサーバ装置５に通信網８を介して送信する。運転状態情報は、記憶部１３に記憶された運転履歴データと複数の設定値とを示している。サーバ装置５は、アダプタ３から送信された運転状態情報を受信すると、運転状態情報に基づいて複数の学習モデルを継続的に学習させ、複数の学習モデルから更新された最新の複数の学習モデルを生成する。サーバ装置５は、中継装置６を介して、最新の複数の学習モデルをアダプタ３に送信する。アダプタ３は、サーバ装置５から送信された最新の複数の学習モデルを受信したときに、その受信された最新の複数の学習モデルを記憶部１３に記憶する。 In the operation of continuously learning a plurality of learning models, the adapter 3 receives operation history data and a plurality of set values from the control device 27 of the air conditioner 2 at predetermined data acquisition intervals (for example, 5 minutes). To get. The adapter 3 stores the operation history data and the plurality of set values in the storage unit 13 in association with the time. The adapter 3 creates operating state information at predetermined data transmission intervals (for example, 48 hours), and transmits the operating state information to the server device 5 via the communication network 8. The operation state information indicates the operation history data stored in the storage unit 13 and a plurality of set values. When the server device 5 receives the operating state information transmitted from the adapter 3, it continuously learns a plurality of learning models based on the operating state information, and obtains the latest plurality of learning models updated from the plurality of learning models. Generate. The server device 5 transmits the latest plurality of learning models to the adapter 3 via the relay device 6. When the adapter 3 receives the latest plurality of learning models transmitted from the server device 5, the adapter 3 stores the latest received plurality of learning models in the storage unit 13.

図８は、複数の学習モデルを用いて空気調和機２を制御する動作を示すフローチャートである。アダプタ３は、予め定められた予測間隔毎に、複数のセンサ２３によりそれぞれ測定された複数の実測値を空気調和機２から取得する（ステップＳ１）。予測間隔は、データ取得間隔と概ね同じであり、５分が例示される。アダプタ３は、記憶部１３に記憶された複数の学習モデルを用いて、複数の予測結果オブジェクトを複数の実測値に基づいて算出する（ステップＳ２）。たとえば、アダプタ３は、体感予測学習モデル４３を用いて体感予測結果オブジェクト４６を算出し、夏用温度ムラ予測学習モデル４４を用いて夏用温度ムラ予測結果オブジェクト４７を算出し、冬用温度ムラ予測学習モデル４５を用いて冬用温度ムラ予測結果オブジェクト４８を算出する。 FIG. 8 is a flowchart showing an operation of controlling the air conditioner 2 using a plurality of learning models. The adapter 3 acquires a plurality of actually measured values measured by the plurality of sensors 23 from the air conditioner 2 at predetermined prediction intervals (step S1). The predicted interval is almost the same as the data acquisition interval, and 5 minutes is exemplified. The adapter 3 calculates a plurality of prediction result objects based on a plurality of actually measured values by using a plurality of learning models stored in the storage unit 13 (step S2). For example, the adapter 3 calculates the experience prediction result object 46 using the experience prediction learning model 43, calculates the summer temperature unevenness prediction result object 47 using the summer temperature unevenness prediction learning model 44, and calculates the winter temperature unevenness. The winter temperature unevenness prediction result object 48 is calculated using the prediction learning model 45.

アダプタ３は、複数の予測結果オブジェクトを算出し、また、予め定められたルールに基づいて、予測結果オブジェクトが有効であるか否かを判断する。具体的には、アダプタ３は、複数の閾値を要求する旨の要求信号を空気調和機２に送信する。空気調和機２の制御装置２７は、アダプタ３から送信された要求信号を受信すると、閾値記憶部２６に記憶されている複数の閾値をアダプタ３に送信する。アダプタ３は、複数の閾値を受信すると、複数の閾値に基づいて、複数の予測結果オブジェクトの各々が有効であるか無効であるかを判別する（ステップＳ３）。詳細には、アダプタ３は、複数の予測結果オブジェクトのうちのある学習モデルに対応する予測結果オブジェクトの有効推測結果と、取得した複数の閾値のうちのその学習モデルに対応する閾値との間の大小関係を判別する。アダプタ３は、有効推測結果が閾値より大きいときに、その予測結果オブジェクトが有効であると判別し、有効推測結果が閾値より小さいときに、その予測結果オブジェクトが無効であると判別する。アダプタ３は、複数の予測結果オブジェクトのうちの有効であると判別された複数の有効予測結果オブジェクトを空気調和機２に出力する。すなわち、アダプタ３は、予測間隔毎に複数の有効予測結果オブジェクトを空気調和機２に出力する（ステップＳ４）。 The adapter 3 calculates a plurality of prediction result objects, and determines whether or not the prediction result objects are valid based on a predetermined rule. Specifically, the adapter 3 transmits a request signal to request a plurality of threshold values to the air conditioner 2. When the control device 27 of the air conditioner 2 receives the request signal transmitted from the adapter 3, it transmits a plurality of threshold values stored in the threshold storage unit 26 to the adapter 3. When the adapter 3 receives the plurality of threshold values, the adapter 3 determines whether each of the plurality of prediction result objects is valid or invalid based on the plurality of threshold values (step S3). Specifically, the adapter 3 is between the valid guess result of the prediction result object corresponding to a learning model among the plurality of prediction result objects and the threshold value corresponding to the learning model among the acquired plurality of threshold values. Determine the magnitude relationship. When the valid guess result is larger than the threshold value, the adapter 3 determines that the prediction result object is valid, and when the valid guess result is smaller than the threshold value, the adapter 3 determines that the prediction result object is invalid. The adapter 3 outputs a plurality of valid prediction result objects determined to be valid among the plurality of prediction result objects to the air conditioner 2. That is, the adapter 3 outputs a plurality of effective prediction result objects to the air conditioner 2 for each prediction interval (step S4).

空気調和機２の制御装置２７は、アダプタ３から出力された複数の有効予測結果オブジェクトを受信すると、複数の有効予測結果オブジェクトを予測結果記憶部２４に記憶させる。制御装置２７は、予め定められた判断基準に基づいて、予測結果記憶部２４に記憶された複数の予測結果オブジェクト４２の１つの有効予測結果オブジェクトが適用予測結果オブジェクトであるか非適用予測結果オブジェクトであるかを判別する（ステップＳ５）。 When the control device 27 of the air conditioner 2 receives the plurality of effective prediction result objects output from the adapter 3, the control device 27 stores the plurality of effective prediction result objects in the prediction result storage unit 24. The control device 27 determines whether one effective prediction result object of the plurality of prediction result objects 42 stored in the prediction result storage unit 24 is an applied prediction result object or a non-applied prediction result object based on a predetermined determination criterion. (Step S5).

制御装置２７は、ある予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに（ステップＳ５、Ｙｅｓ）、室内機２１と室外機２２とを制御することにより、その予測結果オブジェクトの算出に用いられた学習モデルに対応する設定変更を実行する（ステップＳ６）。制御装置２７は、ある予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに（ステップＳ５、Ｙｅｓ）、さらに、その予測結果オブジェクトを示す新規の表示用オブジェクトを作成する。制御装置２７は、履歴記憶部２５に記憶された複数の表示用オブジェクト６１に対応付けられた複数の日付に基づいて、複数の表示用オブジェクト６１のうちの最古の表示用オブジェクトを履歴記憶部２５から削除する。制御装置２７は、次いで、新規の表示用オブジェクトが複数の表示用オブジェクト６１に追加されるように、履歴記憶部２５を更新する（ステップＳ７）。このとき、新規の表示用オブジェクトは、新規の表示用オブジェクトが履歴記憶部２５に記憶された日時に対応付けて履歴記憶部２５に記憶される。このような履歴記憶部２５の更新によれば、履歴記憶部２５は、予め定められた個数より多くの表示用オブジェクトを記憶することがなく、各々の学習モデルに関する最新の表示用オブジェクトだけを記憶することができる。さらに、履歴記憶部２５は、適用予測結果オブジェクトであると判別された予測結果オブジェクトをそれぞれ示す複数の表示用オブジェクト６１だけを記憶することができる。 When a certain prediction result object is determined to be an application prediction result object (step S5, Yes), the control device 27 controls the indoor unit 21 and the outdoor unit 22 to calculate the prediction result object. The setting change corresponding to the learning model used is executed (step S6). When a certain prediction result object is determined to be an application prediction result object (step S5, Yes), the control device 27 further creates a new display object indicating the prediction result object. The control device 27 stores the oldest display object among the plurality of display objects 61 based on the plurality of dates associated with the plurality of display objects 61 stored in the history storage unit 25. Delete from 25. The control device 27 then updates the history storage unit 25 so that new display objects are added to the plurality of display objects 61 (step S7). At this time, the new display object is stored in the history storage unit 25 in association with the date and time when the new display object is stored in the history storage unit 25. According to such an update of the history storage unit 25, the history storage unit 25 does not store more display objects than a predetermined number, and stores only the latest display objects for each learning model. can do. Further, the history storage unit 25 can store only a plurality of display objects 61 indicating the prediction result objects determined to be the application prediction result objects.

ステップＳ５からステップＳ７までの処理は、各々の学習モデルごとに異なっている。たとえば、制御装置２７は、予め定められた設定温度変更間隔毎に、直前にアダプタ３から出力された体感予測結果オブジェクト４６が適用予測結果オブジェクトであるか否かを判別する。設定温度変更間隔は、予測間隔に等しく、すなわち、体感予測結果オブジェクト４６は、アダプタ３により出力される毎に適用予測結果オブジェクトであるか否かが判別される。制御装置２７は、体感予測結果オブジェクト４６が適用予測結果オブジェクトであるときに、室内機２１と室外機２２とを制御することにより設定温度を変更する。すなわち、空気調和機２は、体感予測学習モデル４３を用いて制御されることにより、利用者が快適に感じるように、設定温度が変更され、適切に冷房または暖房することができる。 The processing from step S5 to step S7 is different for each learning model. For example, the control device 27 determines whether or not the experience prediction result object 46 output from the adapter 3 immediately before is the application prediction result object at each predetermined temperature change interval. The set temperature change interval is equal to the prediction interval, that is, it is determined whether or not the experience prediction result object 46 is an application prediction result object each time it is output by the adapter 3. The control device 27 changes the set temperature by controlling the indoor unit 21 and the outdoor unit 22 when the experience prediction result object 46 is the application prediction result object. That is, by controlling the air conditioner 2 using the experience prediction learning model 43, the set temperature is changed so that the user feels comfortable, and the air conditioner 2 can be appropriately cooled or heated.

制御装置２７は、空気調和機２が冷房しているときに、予め定められた風向変更間隔毎に、直前にアダプタ３から出力された夏用温度ムラ予測結果オブジェクト４７が適用予測結果オブジェクトであるか否かを判別する。風向変更間隔は、予測間隔より長く、たとえば、４０分が例示される。利用者は、風向板の向きが頻繁に切り替わることで違和感を感じたり、不快に感じたりする場合がある。このため、風向変更間隔は、風向板の向きが制御された直後から所定時間を経過するまで風向板の動作が抑制されるように設定され、予測間隔より長く設定されている。制御装置２７は、５分毎に算出される複数の夏用温度ムラ予測結果オブジェクトのうち、４０分毎のタイミングの直前に算出された夏用温度ムラ予測結果オブジェクトを適用予測結果オブジェクトであると判別する。制御装置２７は、複数の夏用温度ムラ予測結果オブジェクトのうち、適用予測結果オブジェクトではない他の夏用温度ムラ予測結果オブジェクトを非適用予測結果オブジェクトであると判別する。制御装置２７は、夏用温度ムラ予測結果オブジェクト４７が適用予測結果オブジェクトであるときに、室内機２１の風向板を制御することにより、夏用温度ムラ予測学習モデル４４に対応する風向変更を実行し、室内機２１から吹き出される空気の方向を変更する。 In the control device 27, when the air conditioner 2 is cooling, the summer temperature unevenness prediction result object 47 output from the adapter 3 immediately before is the application prediction result object at each predetermined wind direction change interval. Determine if it is. The wind direction change interval is longer than the predicted interval, for example, 40 minutes. The user may feel uncomfortable or uncomfortable due to the frequent switching of the direction of the wind direction plate. Therefore, the wind direction change interval is set so that the operation of the wind direction plate is suppressed from immediately after the direction of the wind direction plate is controlled until a predetermined time elapses, and is set longer than the predicted interval. Among the plurality of summer temperature unevenness prediction result objects calculated every 5 minutes, the control device 27 considers that the summer temperature unevenness prediction result object calculated immediately before the timing every 40 minutes is applied prediction result object. Determine. The control device 27 determines that, among the plurality of summer temperature unevenness prediction result objects, other summer temperature unevenness prediction result objects that are not the application prediction result objects are non-application prediction result objects. When the summer temperature unevenness prediction result object 47 is the application prediction result object, the control device 27 controls the wind direction plate of the indoor unit 21 to execute the wind direction change corresponding to the summer temperature unevenness prediction learning model 44. Then, the direction of the air blown from the indoor unit 21 is changed.

制御装置２７は、空気調和機２が暖房しているときに、予め定められた風向変更間隔毎に、直前にアダプタ３から出力された冬用温度ムラ予測結果オブジェクト４８が適用予測結果オブジェクトであるか否かを判別する。制御装置２７は、５分毎に算出される複数の冬用温度ムラ予測結果オブジェクトのうち、４０分毎のタイミングの直前に算出された冬用温度ムラ予測結果オブジェクトを適用予測結果オブジェクトであると判別する。制御装置２７は、複数の冬用温度ムラ予測結果オブジェクトのうち、適用予測結果オブジェクトではない他の冬用温度ムラ予測結果オブジェクトを非適用予測結果オブジェクトであると判別する。制御装置２７は、冬用温度ムラ予測結果オブジェクト４８が適用予測結果オブジェクトであるときに、室内機２１の風向板を制御することにより、冬用温度ムラ予測学習モデル４５に対応する風向変更を実行し、室内機２１から吹き出される空気の方向を変更する。 In the control device 27, when the air conditioner 2 is heating, the winter temperature unevenness prediction result object 48 output from the adapter 3 immediately before is the application prediction result object at each predetermined wind direction change interval. Determine if it is. Among the plurality of winter temperature unevenness prediction result objects calculated every 5 minutes, the control device 27 considers that the winter temperature unevenness prediction result object calculated immediately before the timing every 40 minutes is applied as the prediction result object. Determine. The control device 27 determines that, among the plurality of winter temperature unevenness prediction result objects, other winter temperature unevenness prediction result objects that are not the application prediction result objects are non-application prediction result objects. When the winter temperature unevenness prediction result object 48 is the applied prediction result object, the control device 27 controls the wind direction plate of the indoor unit 21 to execute the wind direction change corresponding to the winter temperature unevenness prediction learning model 45. Then, the direction of the air blown from the indoor unit 21 is changed.

すなわち、空気調和機２は、夏用温度ムラ予測学習モデル４４と冬用温度ムラ予測学習モデル４５とを用いて制御されることにより、室内の温度ムラが解消されるように、適切に冷房または暖房することができる。また、このような動作によれば、アダプタ３により算出された夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、風向変更間隔が予測間隔より長いことにより、空気調和機２のＡＩ制御に利用されないで、非適用予測結果オブジェクトと判別されることがある。このため、非適用予測結果オブジェクトと判別される夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、非適用予測結果オブジェクトと判別される体感予測結果オブジェクト４６より多くなる。 That is, the air conditioner 2 is appropriately cooled or cooled so that the temperature unevenness in the room is eliminated by being controlled by using the temperature unevenness prediction learning model 44 for summer and the temperature unevenness prediction learning model 45 for winter. Can be heated. Further, according to such an operation, the summer temperature unevenness prediction result object 47 and the winter temperature unevenness prediction result object 48 calculated by the adapter 3 are air conditioners because the wind direction change interval is longer than the predicted interval. It may be determined as a non-applicable prediction result object without being used for the AI control of 2. Therefore, the number of the summer temperature unevenness prediction result object 47 and the winter temperature unevenness prediction result object 48, which are determined to be non-applicable prediction result objects, is larger than that of the experience prediction result object 46, which is determined to be the non-application prediction result object.

複数の学習モデルを用いて実行された制御の履歴を通知する動作では、利用者が、ＡＩ制御の履歴を閲覧したいときに、通信端末７に予め定められた操作を実行する。その操作としては、空気調和装置１０を制御するアプリを通信端末７が実行しているときに、そのアプリにより通信端末７の表示装置に表示される閲覧ボタンをタップすることが例示される。通信端末７は、その操作が実行されると、ＡＩ制御履歴要求を空気調和装置１０に送信する。アダプタ３は、通信端末７から送信されたＡＩ制御履歴要求が空気調和装置１０に受信されると、ＡＩ制御履歴要求を空気調和機２の制御装置２７に転送する。制御装置２７は、ＡＩ制御履歴要求を受信すると、履歴記憶部２５に記録される複数の表示用オブジェクト６１を通信端末７にアダプタ３を介して送信する。通信端末７は、アダプタ３を介して送信された複数の表示用オブジェクト６１を受信すると、複数の表示用オブジェクト６１を表示装置に表示する。 In the operation of notifying the history of the control executed by using the plurality of learning models, when the user wants to view the history of the AI control, the communication terminal 7 executes a predetermined operation. As the operation, when the communication terminal 7 is executing the application for controlling the air conditioning device 10, tapping the browsing button displayed on the display device of the communication terminal 7 by the application is exemplified. When the operation is executed, the communication terminal 7 transmits an AI control history request to the air conditioner 10. When the AI control history request transmitted from the communication terminal 7 is received by the air conditioner 10, the adapter 3 transfers the AI control history request to the control device 27 of the air conditioner 2. Upon receiving the AI control history request, the control device 27 transmits a plurality of display objects 61 recorded in the history storage unit 25 to the communication terminal 7 via the adapter 3. When the communication terminal 7 receives the plurality of display objects 61 transmitted via the adapter 3, the communication terminal 7 displays the plurality of display objects 61 on the display device.

このような動作によれば、空気調和システム１は、複数の学習モデルを用いて空気調和機２が制御された履歴を利用者に通知することができる。通信端末７の表示装置には、アダプタ３により算出された複数の予測結果オブジェクトの全部が１画面に表示しきれないことがある。また、利用者は、アダプタ３により算出された複数の予測結果オブジェクトの全部が通信端末７に表示されるときに、利用者が見たい情報を探すことが困難になることがある。特に、非適用予測結果オブジェクトと判別される夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、非適用予測結果オブジェクトと判別される体感予測結果オブジェクト４６よりも多く、表示されたときに利用者に煩わしさを感じさせることがある。複数の表示用オブジェクト６１は、適用予測結果オブジェクトであると判別された予測結果オブジェクトだけを示し、非適用予測結果オブジェクトであると判別された予測結果オブジェクトに関する情報が含まれていない。空気調和システム１は、非適用予測結果オブジェクトであると判別された予測結果オブジェクトの情報が複数の表示用オブジェクト６１に含まれていないことにより、複数の表示用オブジェクト６１の情報量を小さくすることができる。空気調和システム１は、適用予測結果オブジェクトのみを通信端末７に表示させることにより、通信端末７に表示されるＡＩ制御の履歴の数を少なくし、利用者の履歴の閲覧を容易にし、利用者の利便性を向上させることができる。 According to such an operation, the air conditioning system 1 can notify the user of the history of control of the air conditioner 2 using a plurality of learning models. The display device of the communication terminal 7 may not be able to display all of the plurality of prediction result objects calculated by the adapter 3 on one screen. Further, when all of the plurality of prediction result objects calculated by the adapter 3 are displayed on the communication terminal 7, it may be difficult for the user to search for the information that the user wants to see. In particular, the summer temperature unevenness prediction result object 47 and the winter temperature unevenness prediction result object 48, which are determined to be non-applicable prediction result objects, are more than the experience prediction result object 46, which is determined to be non-applicable prediction result objects, and are displayed. It may make the user feel annoyed when it is done. The plurality of display objects 61 show only the prediction result object determined to be the application prediction result object, and do not include information about the prediction result object determined to be the non-application prediction result object. The air conditioning system 1 reduces the amount of information of the plurality of display objects 61 because the information of the prediction result objects determined to be non-applicable prediction result objects is not included in the plurality of display objects 61. Can be done. The air conditioning system 1 reduces the number of AI control histories displayed on the communication terminal 7 by displaying only the application prediction result object on the communication terminal 7, facilitating the viewing of the user's history, and the user. It is possible to improve the convenience of.

複数の閾値を更新する動作は、たとえば、利用者からＡＩ制御の頻度に関する苦情を受けたときに、サービスマンにより実行される。サービスマンは、予め定められた閾値更新用入力装置３６を空気調和機２の制御装置２７に接続し、閾値更新用入力装置３６を介して閾値の変更内容を制御装置２７に入力する。制御装置２７は、閾値更新用入力装置３６を介して入力された変更内容に基づいて、閾値記憶部２６に記憶されている複数の閾値を更新する。 The operation of updating a plurality of threshold values is executed by a serviceman, for example, when a user complains about the frequency of AI control. The serviceman connects a predetermined threshold value update input device 36 to the control device 27 of the air conditioner 2, and inputs the threshold change content to the control device 27 via the threshold value update input device 36. The control device 27 updates a plurality of threshold values stored in the threshold value storage unit 26 based on the changed contents input via the threshold value update input device 36.

閾値を小さくすると有効推測結果が閾値を超える場合が増加し、閾値を大きくすると有効推測結果が閾値を超える場合が減少する。このため、本実施例の空気調和装置１０では、閾値を変更することで予測結果オブジェクトが有効と判別される場合が変更され、予測結果オブジェクトに対応する設定変更が実行される頻度を調節することができる。たとえば、ある学習モデルに対応する設定変更の頻度は、その学習モデルの閾値を増加させることにより、減少し、その学習モデルの閾値を減少させることにより、増加する。このように、空気調和装置１０は、ＡＩ制御が実行される頻度を、利用者が希望する頻度に近付けることができ、利用者の利便性を向上させることができる。 Decreasing the threshold increases the number of cases where the effective estimation result exceeds the threshold, and increasing the threshold decreases the number of cases where the effective estimation result exceeds the threshold. Therefore, in the air conditioner 10 of the present embodiment, the case where the prediction result object is determined to be valid is changed by changing the threshold value, and the frequency at which the setting change corresponding to the prediction result object is executed is adjusted. Can be done. For example, the frequency of setting changes corresponding to a learning model decreases by increasing the threshold of the learning model and increases by decreasing the threshold of the learning model. In this way, the air conditioner 10 can bring the frequency at which the AI control is executed close to the frequency desired by the user, and can improve the convenience of the user.

［実施例１の空気調和装置１０の効果］
実施例１の空気調和装置１０は、予測部１８と閾値記憶部２６と判別部１９と閾値設定部３４とを備えている。予測部１８は、空気調和機２の運転状態に基づいて生成された学習モデルを用いて、推測結果を算出する。閾値記憶部２６は、閾値を記憶している。判別部１９は、推測結果の数値が閾値より小さいときに、学習モデルに対応する設定変更が実行されないように、推測結果の数値が閾値より大きいときに、学習モデルに対応する設定変更が実行されるように、空気調和機２を制御する。閾値設定部３４は、空気調和機２に接続される閾値更新用入力装置３６の操作により閾値を更新する。学習モデルに対応する設定変更が実行される頻度は、閾値が小さくなると、増加し、閾値が大きくなると、減少する。このため、空気調和装置１０は、学習モデルに対応する設定変更が実行される頻度を調節することができる。 [Effect of Air Conditioning Device 10 of Example 1]
The air conditioner 10 of the first embodiment includes a prediction unit 18, a threshold storage unit 26, a discrimination unit 19, and a threshold setting unit 34. The prediction unit 18 calculates the estimation result using the learning model generated based on the operating state of the air conditioner 2. The threshold storage unit 26 stores the threshold value. The discriminating unit 19 executes the setting change corresponding to the learning model when the numerical value of the estimation result is larger than the threshold value so that the setting change corresponding to the learning model is not executed when the numerical value of the estimation result is smaller than the threshold value. The air conditioner 2 is controlled so as to be so. The threshold value setting unit 34 updates the threshold value by operating the threshold value update input device 36 connected to the air conditioner 2. The frequency with which the setting changes corresponding to the learning model are executed increases as the threshold decreases and decreases as the threshold increases. Therefore, the air conditioner 10 can adjust the frequency with which the setting change corresponding to the learning model is executed.

また、実施例１の空気調和装置１０は、空気調和機２と別個であるアダプタ３をさらに備えている。予測部１８は、アダプタ３に設けられている。閾値記憶部２６は、空気調和機２に設けられている。空気調和装置１０は、空気調和機２に予測部１８が設けられていないことにより、空気調和機２の製造コストを低減することができる。空気調和装置１０は、アダプタ３が空気調和機２の複数種類に対応する複数の閾値を記憶する必要がなく、アダプタ３の汎用性を向上させることができる。 Further, the air conditioner 10 of the first embodiment further includes an adapter 3 which is separate from the air conditioner 2. The prediction unit 18 is provided on the adapter 3. The threshold storage unit 26 is provided in the air conditioner 2. Since the air conditioner 2 is not provided with the prediction unit 18, the air conditioner 10 can reduce the manufacturing cost of the air conditioner 2. The air conditioner 10 does not require the adapter 3 to store a plurality of threshold values corresponding to a plurality of types of the air conditioner 2, and the versatility of the adapter 3 can be improved.

ところで、既述の実施例１の空気調和装置１０の閾値更新用入力装置３６は、空気調和機２の制御装置２７に着脱可能に接続されるが、他の入力装置から形成されることもできる。その入力装置としては、リモコン２８、通信網８を介して制御装置２７に情報伝達可能に接続される保守用サーバが例示される。空気調和装置１０は、このような入力装置を用いて閾値が更新される場合でも、学習モデルに対応する設定変更が実行される頻度を調節することができる。 By the way, the threshold value update input device 36 of the air conditioner 10 of the first embodiment described above is detachably connected to the control device 27 of the air conditioner 2, but can also be formed from another input device. .. Examples of the input device include a maintenance server connected to the control device 27 via a remote controller 28 and a communication network 8 so as to be able to transmit information. The air conditioner 10 can adjust the frequency with which the setting change corresponding to the learning model is executed even when the threshold value is updated by using such an input device.

ところで、既述の実施例１の空気調和装置１０の閾値記憶部２６は、空気調和機２に設けられているが、アダプタ３に設けられていてもよい。空気調和装置１０は、閾値記憶部２６がアダプタ３に設けられている場合でも、学習モデルに対応する設定変更が実行される頻度を調節することができる。 By the way, the threshold storage unit 26 of the air conditioner 10 of the first embodiment described above is provided in the air conditioner 2, but may be provided in the adapter 3. The air conditioner 10 can adjust the frequency with which the setting change corresponding to the learning model is executed even when the threshold storage unit 26 is provided in the adapter 3.

ところで、既述の実施例１の空気調和装置１０は、空気調和機２とアダプタ３とが別個であるが、空気調和機２とアダプタ３とが一体に形成されてもよい。空気調和装置１０は、空気調和機２とアダプタ３とが一体に形成されている場合でも、学習モデルに対応する設定変更が実行される頻度を調節することができる。 By the way, in the air conditioner 10 of the first embodiment described above, the air conditioner 2 and the adapter 3 are separate, but the air conditioner 2 and the adapter 3 may be integrally formed. The air conditioner 10 can adjust the frequency with which the setting change corresponding to the learning model is executed even when the air conditioner 2 and the adapter 3 are integrally formed.

以上、実施例を説明したが、前述した内容により実施例が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、実施例の要旨を逸脱しない範囲で構成要素の種々の省略、置換及び変更のうち少なくとも１つを行うことができる。 Although the examples have been described above, the examples are not limited by the contents described above. Further, the above-mentioned components include those that can be easily assumed by those skilled in the art, those that are substantially the same, that is, those having a so-called equal range. Furthermore, the components described above can be combined as appropriate. Further, at least one of various omissions, substitutions and changes of components may be made without departing from the gist of the embodiment.

１：空気調和システム
２：空気調和機
３：アダプタ
５：サーバ装置
７：通信端末
１０：空気調和装置
１８：予測部
１９：判別部
２４：予測結果記憶部
２５：履歴記憶部
２６：閾値記憶部
２７：制御装置
３２：判別部
３３：設定変更部
３４：閾値設定部
３５：結果送信部 1: Air conditioner system 2: Air conditioner 3: Adapter 5: Server device 7: Communication terminal 10: Air conditioner 18: Prediction unit 19: Discrimination unit 24: Prediction result storage unit 25: History storage unit 26: Threshold storage unit 27: Control device 32: Discrimination unit 33: Setting change unit 34: Threshold setting unit 35: Result transmission unit

Claims

Using a learning model generated based on the operating state information of the air conditioner, a prediction unit that calculates an estimation result for controlling the air conditioner, and a prediction unit.
A storage unit that stores the threshold value and
The air conditioner is controlled so that the setting change corresponding to the learning model is not executed when the estimation result is smaller than the threshold value, and the setting change is executed when the estimation result is larger than the threshold value. Discriminating part and
An air conditioner including a threshold setting unit that updates the threshold value by operating an input device connected to the air conditioner.

The air conditioner further includes an adapter
The prediction unit is provided on the adapter.
The air conditioner according to claim 1, wherein the storage unit is provided in the air conditioner.

The air conditioner according to claim 1 or 2, wherein the input device is connected to the air conditioner via a communication network.