JP2021188962A - センサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラム - Google Patents

Abstract

【課題】空間の温度又は湿度を測定するセンサのドリフトをより正確に診断することができるセンサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラムを提供することである。【解決手段】実施形態のセンサドリフト診断装置は、絶対温度算出部、基準データ生成部、ドリフトスコア算出部、ドリフト診断部を持つ。絶対温度算出部は、対象空間の温度および相対湿度の測定値に基づいて前記対象空間の絶対湿度の実測値を算出する。基準データ生成部は、前記空間の温度および相対湿度を測定するセンサのドリフトを診断するために用いられるデータであって、前記センサの測定値に対して比較対象を与えるための基準データを生成する。ドリフトスコア算出部は、前記基準データに基づいて前記ドリフトに関する指標値を算出する。ドリフト診断部は、前記指標値に基づいて前記センサのドリフトを診断する。【選択図】図１

Description

本発明の実施形態は、センサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラムに関する。

半導体製造工場内のクリーンルームなどの空間では正確な温度管理や湿度管理が重要となる。このため、空間上に多数の温度センサや湿度センサを配置して温度を計測する必要がある。これらのセンサは時間変化とともに正確な値からズレた値を示すことがあり、これは一般にセンサの「ドリフト」と呼ばれている。管理者は管理対象の個々のセンサについて、基準となるセンサ（以下「基準センサ」という。）との計測値のズレをチェックし、そのズレを校正するメンテナンス作業を定期的に実施する必要があるため、メンテナンス作業に多大な労力を要していた。このような課題に対し、従来は、センサの計測値を推定する推定モデルを構築し、その推定値を基準センサの計測値と比較することによりメンテナンスの負荷を低減する場合があった。

しかしながら、クリーンルーム等の温湿度管理を必要とする空間は、多数の空調機や発熱機器が存在する広い空間であることが多く、温湿度の設定も定期的に見直され、さらには機器の入れ替えが発生する場合もある。そのため、このような環境変更が発生する空間について推定モデルを構築したとしても、ドリフトの診断をしたい時点においてそのモデルが適用できる保証はない。例えば、ある時点で二つの温度センサの差が２℃になるという推定モデルを作ったとしても、空間内の発熱機器の運転量が増えれば温度差は３℃に上昇する可能性がある。また、空調機の温度設定変更により空調機から吹出す空気の流量が変われば温度差は１℃に減少する可能性もある。

すなわち、推定モデルを利用してドリフト量を算出する方式では、推定モデルを利用する時点でそのセンサに影響を与える環境要因が推定モデルの前提から変化していないことが必要となる。これは、多数の空調機や発熱機器が存在し、温度設定が定期的に見直されるような空間では難しく、推定モデルを利用してドリフト量を算出する方式の適用を困難とする一因となっている。

特開２０１４−１５３９５７号公報 特開２０１８−１２４０６９号公報 特表２０１４−５２８０６５号公報 特許第４４３６２２７号公報

本発明が解決しようとする課題は、空間の温度又は湿度を測定するセンサのドリフトをより正確に診断することができるセンサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラムを提供することである。

実施形態のセンサドリフト診断装置は、絶対温度算出部、基準データ生成部、ドリフトスコア算出部、ドリフト診断部を持つ。絶対温度算出部は、対象空間の温度および相対湿度の測定値に基づいて前記対象空間の絶対湿度の実測値を算出する。基準データ生成部は、前記空間の温度および相対湿度を測定するセンサのドリフトを診断するために用いられるデータであって、前記センサの測定値に対して比較対象を与えるための基準データを生成する。ドリフトスコア算出部は、前記基準データに基づいて前記ドリフトに関する指標値を算出する。ドリフト診断部は、前記指標値に基づいて前記センサのドリフトを診断する。

第１の実施形態におけるセンサドリフト診断装置の機能構成の具体例を示すブロック図。 第１の実施形態においてセンサドリフト診断装置の診断対象となるセンサが設置された空間の具体例を示す図。 第１の実施形態のセンサドリフト診断装置１が各温湿度センサのドリフトを診断する処理の具体例を示すフローチャート。 第１の実施形態において学習期間における空間の温度変化の具体例を示す図。 第１の実施形態において学習期間における空間の湿度変化の具体例を示す図。 第１の実施形態において学習期間における空間の絶対湿度の変化の具体例を示す図。 第１の実施形態において診断期間における空間の温度変化の具体例を示す図。 第１の実施形態において診断期間における空間の湿度変化の具体例を示す図。 第１の実施形態において診断期間における空間の絶対湿度の変化の具体例を示す図。 第１の実施形態において診断期間における空間の絶対湿度（推定値）の変化の具体例を示す図。 第２の実施形態におけるセンサドリフト診断装置の構成構成の具体例を示すブロック図。 第２の実施形態において学習期間について生成された確率分布の具体例を示すヒストグラム。 第２の実施形態において診断期間について生成された確率分布の具体例を示すヒストグラム。 第３の実施形態におけるセンサドリフト診断装置の機能構成の具体例を示すブロック図。 第３の実施形態においてジェンセン・シャノンの距離とドリフト量の関係の具体例を示す図。 第４の実施形態におけるセンサドリフト診断装置の機能構成の具体例を示すブロック図。 第４の実施形態において多重ドリフトが発生した状況での学習期間における温度変化の具体例を示す図。 第４の実施形態において多重ドリフトが発生した状況での学習期間における湿度変化の具体例を示す図。 第４の実施形態において多重ドリフトが発生した状況での学習期間における絶対湿度の変化の具体例を示す図。 第４の実施形態において多重ドリフトが発生した状況での診断期間における絶対湿度の変化の具体例を示す図。 第４の実施形態において多重ドリフトが検知できない場合における絶対湿度（推定値）の変化の具体例を示す図。 第４の実施形態において各温湿度センサの時刻差分データについて作成した散布図の具体例を示す図。 第４の実施形態においてドリフト発生時における温度と絶対湿度の相関性を説明する空気線図。 第５の実施形態のセンサドリフト診断装置の機能構成の具体例を示すブロック図。 第５の実施形態のセンサドリフト診断装置においてドリフトスコア算出部が多重ドリフト発生時における温度センサおよび湿度センサのドリフト量を算出する処理の具体例を示すフローチャート。

以下、実施形態のセンサドリフト診断装置、センサドリフト診断方法およびセンサドリフト診断プログラムを、図面を参照して説明する。

（第１の実施形態）
図１は、第１の実施形態におけるセンサドリフト診断装置１の機能構成の具体例を示すブロック図である。センサドリフト診断装置１は、バスで接続されたＣＰＵ（Central Processing Unit）やメモリや補助記憶装置などを備え、プログラムを実行する。センサドリフト診断装置１は、プログラムの実行によって絶対湿度算出部１１、推定モデル構築部１２、ドリフトスコア算出部１３、ドリフト診断部１４を備える装置として機能する。なお、センサドリフト診断装置１の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。

図２は、センサドリフト診断装置１の診断対象となるセンサが設置された空間の具体例を示す図である。例えば、センサドリフト診断装置１は、図２に示すような空間Ａに設置された４つの温湿度センサ２ａ、２ｂ、２ｃ及び２ｄのドリフトを診断する。診断対象のセンサは３つ以下であってもよいし、５つ以上であってもよい。空間Ａは外調機３および空調機４ａ、４ｂ、４ｃおよび４ｄによって、その温湿度が管理されるものとする。例えば、空間Ａは外調機３の露点温度制御により湿度管理がされているものとする。また、空間Ａの天井に設置された複数の空調機４は、それぞれ独立して制御することができるものとする。この他、空間Ａには発熱を伴う図示しない機器が稼働しており、室内の温度分布が時々刻々と変化しうるものとする。

各温湿度センサ２は、その上部に温度計と湿度計が備えられており、同一地点の温湿度を計測できるものとする。また、各温湿度センサ２は、図示しないデータ収集装置に接続されており、温湿度の測定データを連続的にデータ収集装置に出力するものとする。例えば、各温湿度センサ２は、１分刻みで測定データを出力し、データ収集装置は各温湿度センサ２から出力される測定データを順次記録していくものとする。以降、単に「湿度」又は「温湿度」と記載したときの湿度は「相対湿度」を意味し、絶対湿度については明示的に「絶対湿度」と記載する。

絶対湿度算出部１１は、各温湿度センサ２によって測定された空間Ａの温湿度に基づいて空間Ａの絶対湿度を算出する機能を有する。絶対湿度算出部１１は、算出した絶対湿度を示す情報を後段の推定モデル構築部１２に出力する。

推定モデル構築部１２は、算出された空間Ａの絶対湿度に基づいて、各温湿度センサ２のドリフトスコアを算出するドリフトスコア算出モデルを構築する機能を有する。ここでいうドリフトスコアは、各温湿度センサ２において発生しているドリフトの程度を表す値であり、各温湿度センサ２について校正をすべきか否かを判定するための指標値として用いられる。なお、いうまでもなく、ドリフトスコアは、各温湿度センサ２の実際のドリフト量（すなわち温度のドリフト量又は湿度のドリフト量）であってもよい。ドリフトスコア算出モデルの詳細および構築方法については後述する。推定モデル構築部１２は、構築したドリフトスコア算出モデルをドリフトスコア算出部１３に出力する。

ドリフトスコア算出部１３は、構築されたドリフトスコア算出モデルに、診断対象時点における各温湿度センサ２の測定値を適用することにより各温湿度センサ２のドリフトスコアを算出する。ドリフトスコア算出部１３は、算出したドリフトスコアを示す情報をドリフト診断部１４に出力する。

ドリフト診断部１４は、算出されたドリフトスコアに基づき、各温湿度センサ２に対する校正の要否を診断する。ドリフト診断部１４は、診断結果に関する情報（以下「診断結果情報」という。）を出力する。診断結果情報は、校正の要否を示す情報のほか、ドリフトスコアやドリフト量などを示す補足情報を含んでもよい。

図３は、第１の実施形態のセンサドリフト診断装置１が各温湿度センサ２のドリフトを診断する処理の具体例を示すフローチャートである。まず、絶対湿度算出部１１が、ドリフトスコア算出モデルを構築するための測定データを各温湿度センサ２から入力し（ステップＳ１０１）、入力した測定データに基づいて空間Ａの各温湿度センサ２の設置位置における絶対湿度を算出する（ステップＳ１０２）。絶対湿度算出部１１は、算出した絶対湿度を示す情報を推定モデル構築部１２に出力する。

以下、ステップＳ１０１で入力する温湿度の測定データを「学習用測定データ」といい、学習用測定データを取得する期間を「学習期間」という。例えば学習期間は、校正直後の一カ月などセンサドリフトが生じていないと想定される期間である。図４は学習期間における空間Ａの温度変化の具体例を示す図であり、図５は学習期間における空間Ａの湿度変化の具体例を示す図である。図４および図５を見ても分かるように、学習期間における空間Ａでは、温湿度センサ２ｃの設置位置において温度および湿度が大きく変化している。

一方、図６は、学習期間における空間Ａの絶対湿度の変化の具体例を示す図である。図６を見ても分かるように、相対湿度では大きな変化を見せた温湿度センサ２ｃの設置位置においても、絶対湿度では大きく変化していないことが分かる。このように、相対湿度や温度が大きく変化する場合であっても、空気中の水分量（すなわち絶対湿度）は大きく変化していない。

例えば、絶対湿度算出部１１は、学習用測定データを以下の式（１）〜（４）に適用することによって、絶対湿度を算出することができる。

ここでは、算出すべき温湿度センサ２ａ〜２ｄの各設置点における絶対湿度をそれぞれＡＨａ［ｔ］、ＡＨｂ［ｔ］、ＡＨｃ［ｔ］、ＡＨｄ［ｔ］で表している。また、温湿度センサ２ａ〜２ｄが時刻ｔにおいて測定する温度をそれぞれＴａ［ｔ］、Ｔｂ［ｔ］、Ｔｃ［ｔ］、Ｔｄ［ｔ］で表し、温湿度センサ２ａ〜２ｄが時刻ｔにおいて測定する湿度をそれぞれＲＨａ［ｔ］、ＲＨｂ［ｔ］、ＲＨｃ［ｔ］、ＲＨｄ［ｔ］で表している。ｍｉｘｒは、温度と相対湿度に基づいて絶対湿度を算出する既知の関数である。空間Ａの気圧を示す情報が取得できる場合、絶対湿度算出部１１は、温度および相対湿度に加えて気圧を変数とする関数を用いて絶対湿度を算出してもよい。

なお、以下では、各温湿度センサ２に共通の処理を説明する際には、ａ〜ｄの添え字を省略する場合がある。例えば、ＲＨａ［ｔ］、ＲＨｂ［ｔ］、ＲＨｃ［ｔ］、ＲＨｄ［ｔ］を用いた同様の処理を説明する場合、その算出式では、それらをまとめてＲＨ［ｔ］と記載する場合がある。

また、センサドリフト診断装置１には所定の学習期間を示す値が予め設定されていてもよいし、センサドリフト診断装置１は、ドリフトスコア算出モデルの構築処理を実行する際に、学習期間の入力を受け付けるように構成されてもよい。絶対湿度算出部１１は、算出した絶対湿度を示す情報を推定モデル構築部１２に出力する。

続いて、推定モデル構築部１２が、学習用測定データと、絶対湿度算出部１１によって算出された空間Ａの絶対湿度に基づいて、各温湿度センサ２の設置位置における絶対湿度を、他の温湿度センサ２の設置位置における絶対湿度に基づいて推定するための絶対湿度推定モデルを構築する（ステップＳ１０３）。以下、この絶対湿度推定モデルを構築することを、「絶対湿度を学習する」と表現する場合がある。

例えば、推定モデル構築部１２は、ある温湿度センサ２の設置位置における絶対湿度を出力変数とし、その出力変数の値を他の温湿度センサ２の設置位置における絶対湿度を入力変数として算出する回帰モデルを絶対湿度推定モデルとして構築する。例えば、温湿度センサ２ａの設置位置における絶対湿度を推定するモデルは、以下の式（５）に示す線形回帰モデルとして定義することができる。

ここでα、β、γは各入力変数に対する重み係数を表し、δは定数を表す。また、Ｔ＿ｌｅａｒｎは学習期間を表す。推定モデル構築部１２は、温湿度センサ２ａのほかの温湿度センサ２ｂ、２ｃ、２ｄについても、同様の方法で絶対湿度推定モデルを構築する。なお、推定モデル構築部１２は、各温湿度センサ２の設置位置における絶対湿度に加えて、空間Ａに関する他の測定値や推定値又は予測値などを入力変数に含む絶対湿度推定モデルを構築してもよい。推定モデル構築部１２は、このように生成した絶対湿度推定モデルをドリフトスコア算出部１３に出力する。以上が、絶対湿度の学習工程である。

なお、ここでは、絶対湿度推定モデルを線形回帰モデルとして構築する場合について説明しているが、絶対湿度推定モデルは、ある温湿度センサ２の設置位置における絶対湿度を、他の温湿度センサ２の設置位置における絶対湿度に基づいて推定するものであれば特定のモデルに限定されない。そのため、絶対湿度推定モデルには、ニューラルネットワークなどの線形回帰モデル以外のモデルが用いられてもよい。

一旦絶対湿度推定モデルが構築されると、絶対湿度算出部１１は、絶対湿度推定モデルに基づくドリフトの診断を行うために、診断したいタイミングにおける温湿度の測定データを各温湿度センサ２から入力し（ステップＳ２０１）、入力した測定データに基づいて空間Ａの各温湿度センサ２の設置位置における絶対湿度を算出する（ステップＳ２０２）。絶対湿度算出部１１は、算出した絶対湿度を示す情報をドリフトスコア算出部１３に出力する。

以下、ステップＳ２０１で入力する温湿度の測定データを「診断用測定データ」といい、診断用測定データを取得する期間を「診断期間」という。図７は診断期間における空間Ａの温度変化の具体例を示す図であり、図８は診断期間における空間Ａの湿度変化の具体例を示す図である。図７および図８を見ても分かるように、診断期間における空間Ａでは、温湿度センサ２ｄの設置位置において温度および湿度が大きく変化している。

一方、図９は、診断期間における空間Ａの絶対湿度の変化の具体例を示す図である。図９を見ても分かるように、学習期間の例と同様に、絶対湿度の変化は、相対湿度の変化よりも小さくなっている（すなわち水分量自体は大きく変化していない）ことが分かる。

一方で、ドリフトスコア算出部１３は、診断期間において図９のように変化した各絶対湿度を、絶対湿度推定モデルを用いて推定する（ステップＳ２０３）。上述したとおり、絶対湿度推定モデルは、ある１つの測定地点における絶対湿度を、他の測定地点における絶対湿度に基づいて推定するモデルである。具体的には、ドリフトスコア算出部１３は、図９のように変化した各絶対湿度を測定地点（各温湿度センサ２の設置位置）ごとに構築された絶対湿度推定モデルに適用することにより、各測定地点における絶対湿度の推定値を算出する。図１０は、このように推定された、診断期間における空間Ａの絶対湿度の変化の具体例を示す図である。ドリフトスコア算出部１３は、各測定地点について算出した絶対湿度の推定値をドリフト診断部１４に出力する。

続いて、ドリフト診断部１４が、温湿度の測定データに基づいて算出された実際の絶対湿度と、絶対湿度推定モデルを用いて算出された絶対湿度の推定値とに基づいて、各温湿度センサ２のドリフトスコアを算出する（ステップＳ２０４）。ここでは、一例として絶対湿度のドリフト量をドリフトスコアとする場合について説明する。この場合、ドリフト診断部１４は、以下の式（６）〜（９）に示す算出式によってドリフトスコアを算出することができる。

ここで、ＡＨＤａ、ＡＨＤｂ、ＡＨＤｃ、ＡＨＤｄは、それぞれ温湿度センサ２ａ、２ｂ、２ｃ、２ｄについてのドリフトスコアを表す。また、ＡＨａ^〜［ｔ］、ＡＨｂ^〜［ｔ］、ＡＨｃ^〜［ｔ］、ＡＨｄ^〜［ｔ］は、それぞれ温湿度センサ２ａ、２ｂ、２ｃ、２ｄの設置位置の時刻ｔにおける絶対湿度の推定値を表す。ＡＨａ^〜［ｔ］、ＡＨｂ^〜［ｔ］、ＡＨｃ^〜［ｔ］、ＡＨｄ^〜［ｔ］は、それぞれの絶対湿度推定モデルに基づいて算出される。また、式（６）〜（９）において、ｔ∈Ｔ＿ｔｅｓｔであり、Ｎはデータ長（測定地点ごとに取得されるデータの数）である。Ｔ＿ｔｅｓｔは診断期間を表す。すなわち、式（６）〜（９）により、診断期間における絶対湿度の推定値と実績値の差の平均値がドリフトスコアとして出力される。

続いて、ドリフト診断部１４は、算出したドリフトスコア（ここでは絶対湿度のドリフト量）に基づいて、各温湿度センサ２について温度の最大ドリフト量と湿度の最大とリフト量を算出する（ステップＳ２０５）。ここで、温度の最大ドリフト量は、湿度がドリフトしていないという前提で、絶対湿度が推定値と一致すると仮定した場合における温度のドリフト量である。具体的には、温湿度センサ２ａについて温度の最大ドリフト量ＴＤａを算出する場合、以下の式（１０）を満たすＴＤａの値を求めればよい。

ドリフト診断部１４は、温湿度センサ２ａと同様に、温湿度センサ２ｂ、２ｃ、２ｄについても同様の方法で温度の最大ドリフト量ＴＤｂ、ＴＤｃ、ＴＤｄを算出する。

一方、湿度の最大ドリフト量は、温度がドリフトしていないという前提で、絶対湿度が推定値と一致すると仮定した場合における湿度のドリフト量である。具体的には、温湿度センサ２ａについて湿度の最大ドリフト量ＲＨＤａを算出する場合、以下の式（１１）を満たすＲＨＤａを求めればよい。

ドリフト診断部１４は、温湿度センサ２ａと同様に、温湿度センサ２ｂ、２ｃ、２ｄについても同様の方法で湿度の最大ドリフト量ＲＨＤｂ、ＲＨＤｃ、ＲＨＤｄを算出する。

ドリフト診断部１４は、このように算出した温湿度の最大ドリフト量を予め定められた閾値と比較することにより、各温湿度センサ２についてメンテナンスによる校正の要否を判定する（ステップＳ２０６）。ドリフト診断部１４は、この判定結果に基づいて診断結果情報を生成し、出力する。なお、ドリフトの有無は、温度又は湿度のいずれか一方の最大ドリフト量に基づいて診断されてもよいし、両方の最大ドリフト量に基づいて診断されてもよい。

このように構成された第１の実施形態のセンサドリフト診断装置１は、過去の温湿度の測定データに基づいて各測定地点における絶対湿度の推定モデルを構築し、構築した推定モデルを用いて算出された絶対湿度の推定値と、実測値を比較することにより各温湿度センサ２のドリフトを診断する構成を備える。すなわち、第１の実施形態のセンサドリフト診断装置１は、空気中の水分量が管理されている空間において、その空間の温度又は湿度を測定するセンサのドリフトを、管理されている空間の絶対湿度を利用して診断するものである。そして、このような構成を備えることにより、第１の実施形態のセンサドリフト診断装置１は、図７および図８のように温湿度が大きく変化する場合であっても、各温湿度センサ２のドリフトをより正確に診断することが可能となる。

なお、ここではドリフト診断部１４が最大ドリフト量を求めたが、これに代えて、ドリフトスコア算出部１３が最大ドリフト量を求め、これをドリフトスコアとしてドリフト診断部１４に提供してもよい。

（第２の実施形態）
図１１は、第２の実施形態におけるセンサドリフト診断装置１ａの構成構成の具体例を示すブロック図である。センサドリフト診断装置１ａは、推定モデル構築部１２に代えて確率分布生成部１５を備える点、ドリフトスコア算出部１３に代えてドリフトスコア算出部１３ａを備える点で第１の実施形態のセンサドリフト診断装置１と異なり、その他の構成は第１の実施形態のセンサドリフト診断装置１と同様である。そのため、ここでは第１の実施形態と同様の構成については図１と同じ符号を付すことにより、その説明を省略する。

第１の実施形態の推定モデル構築部１２は、温湿度の測定データに基づいて絶対湿度推定モデルを構築した。これに対して、第２の実施形態の確率分布生成部１５は、絶対湿度の各実測値について代表値からのズレが発生する確率分布を生成する。ここでは、代表値が中央値である場合について説明するが、代表値はこれ以外の統計値であってもよい。具体的には、まず確率分布生成部１５は、学習期間と診断期間における絶対湿度の中央値を時刻ごとに算出する。この場合、学習期間と診断期間における絶対湿度の中央値は、以下の式（１２）および（１３）によって算出される。

ここで、ｍｅｄｉａｎは時刻tごとに４つの系列の要素の中央値を算出する関数とする。続いて、確率分布生成部１５は、学習期間と診断期間の各期間について、絶対湿度の各値から中央値を引いた補正データを生成する。以下の式（１４）〜（１７）は学習期間についての補正データの算出式を表し、式（１８）〜（２１）は診断期間についての補正データの算出式を表す。

次に、確率分布生成部１５は、学習期間の補正データＡＨａ’、ＡＨｂ’、ＡＨｃ’、ＡＨｄ’と診断期間の補正データＡＨａ”、ＡＨｂ”、ＡＨｃ”、ＡＨｄ”の確率分布をそれぞれ生成する。例えば、この確率分布をヒストグラムで表す場合、絶対湿度の変動範囲を所定数に分割し、各変動範囲に含まれるデータ数を全データ数で割ることにより、各ビンの発生確率を求めることができる。図１２および図１３は、学習期間および診断期間について生成された確率分布の具体例を示すヒストグラムである。確率分布生成部１５は、このように生成した確率分布を示すデータ（以下「確率分布データ」という。）をドリフトスコア算出部１３ａに出力する。

ドリフトスコア算出部１３ａは、確率分布生成部１５によって生成された確率分布データに基づいてドリフトスコアを算出する。具体的には、ドリフトスコア算出部１３ａは、各温湿度センサ２ごとに、学習期間と診断期間の確率分布を比較してドリフトスコアを算出する。例えば、ドリフトスコア算出部１３ａは、それぞれの確率分布の最頻値の差をドリフトスコアとして算出してもよい。すなわち、この場合のドリフトスコアは、確率の観点で発生している可能性が高いと考えられるドリフト量ということができ、その計算式は以下の式（２２）〜（２５）のように表すことができる。

ドリフトスコア算出部１３ａは、このように算出したドリフトスコアをドリフト診断部１４に出力する。例えば、図１２および図１３の例では、温湿度センサ２ｃおよび２ｄのドリフトスコアが大きな値となるので、温湿度センサ２ｃおよび２ｄについて校正が必要であると診断されることになる。

なお、この場合、最頻値の代わりに、代表値となりうる平均値や中央値等の統計値を利用することも可能である。また、確率分布の作成は、ヒストグラムだけでなく正規分布の当て嵌めや、ガウシアン混合モデルを利用することも可能である。また、この場合、ドリフトスコア算出部１３ａは、上記算出した代表値（例えば最頻値）の差を所定の関係式により温度のドリフト量又は湿度のドリフト量に換算した値をドリフトスコアとしてもよい。

このように構成された第２の実施形態のセンサドリフト診断装置１ａは、代表値（例えば中央値）からのズレが発生する確率の分布の変化から各温湿度センサ２のドリフトを診断することができる。第２の実施形態のセンサドリフト診断装置１ａでは、絶対湿度推定モデルを構築する必要がないため、第１の実施形態のセンサドリフト診断装置１よりも処理負荷を低減し、又は診断の精度を高めることができる可能性がある。

（第３の実施形態）
図１４は、第３の実施形態におけるセンサドリフト診断装置１ｂの機能構成の具体例を示すブロック図である。センサドリフト診断装置１ｂは、ドリフトスコア算出部１３ａに代えてドリフトスコア算出部１３ｂを備える点で第２の実施形態のセンサドリフト診断装置１ａと異なり、その他の構成は第２の実施形態のセンサドリフト診断装置１ａと同様である。そのため、ここでは第２の実施形態と同様の構成については図１１と同じ符号を付すことにより、その説明を省略する。

第２の実施形態のドリフトスコア算出部１３は、学習期間と診断期間における確率分布の変化に基づいてドリフトスコアを算出した。これに対して第３の実施形態のドリフトスコア算出部１３ｂは、確率分布間の距離を用いて学習期間と診断期間との間での測定データの傾向の違いを定量化し、その値をドリフトスコアとして算出する。

確率分布の距離を求める方法としては、カルバックライブラーの距離やジェンセン・シャノンの距離が知られている。例えば、確率分布が離散的である場合のカルバックライブラーの距離は以下の式（２６）によって表される。

ここで、Ｐ（ｉ）、Ｑ（ｉ）は、確率分布Ｐ，Ｑに従って選ばれた値がｉである確率である。また、この場合、ジェンセン・シャノンの距離は以下の式（２７）によって表される。

上式から、ジェンセン・シャノンの距離は、ドリフト量が大きくなると大きい値をとることが想定されるが、直接的にドリフト量を示さない。そのため、温湿度センサ２について校正の必要性を判断する場合は、あらかじめ閾値を設定しておき、それと比較する必要がある。この閾値は、例えば過去の分析結果を用いて決定することができる。例えば、ドリフトが発生していない期間Ｔ＿ｐｒｅｌｅａｒｎとドリフト量が既知である期間Ｔ＿ｐｒｅｔｅｓｔにおいて、上記の方法でジェンセン・シャノンの距離を算出する。図１５は、ジェンセン・シャノンの距離とドリフト量の関係の具体例を示す図である。

図１５の例によれば、ジェンセン・シャノンの距離が閾値０．２２以上である温湿度センサ２ｃおよび２ｄでドリフトが発生しており、ジェンセン・シャノンの距離が０．１２以下の温湿度センサ２ａおよび２ｂではドリフトが発生していない。このような場合、例えば、その中間の０．２２と０．１２の中間である０．１７を閾値としてドリフトの診断を行うことができる。

（第４の実施形態）
図１６は、第４の実施形態におけるセンサドリフト診断装置１ｃの機能構成の具体例を示すブロック図である。センサドリフト診断装置１ｃは、推定モデル構築部１２に代えて推定モデル構築部１２ｃを備える点で第１の実施形態のセンサドリフト診断装置１と異なり、その他の構成は第１の実施形態のセンサドリフト診断装置１と同様である。そのため、ここでは第１の実施形態と同様の構成については図１と同じ符号を付すことにより、その説明を省略する。

第１の実施形態の推定モデル構築部１２は、絶対湿度推定モデルを用いて温湿度センサ２のドリフトを診断した。しかしながら、この場合、温度センサと湿度センサが同時にドリフトを起こすとドリフトが発見できない可能性がある。図１７〜図２０は、このような状況で取得される温湿度データおよび絶対湿度の具体例を示す図である。図１７〜図２０では、第１の実施形態で説明した温湿度センサ２ａ〜２ｄに加え、同様の温湿度センサ２ｅが追加された状況を想定している。

また、図２１は、温湿度センサ２ｅについて第１の実施形態と同様の絶対湿度推定モデルを構築し、診断期間について推定した絶対湿度の変化を示す図である。この例では、実測値と推定値との差がない（すなわちドリフトしていない）ように見える。しかしながら、この状況は、温度センサと湿度センサが同時にドリフトしているために、絶対湿度の差が偶然正しい値を示している状況である。このように、第１の実施形態の診断方法では、温度センサと湿度センサの両方がドリフトしていることを正しく診断できない場合がある。

そこで第４の実施形態の推定モデル構築部１２ｃは、このような状況におけるドリフトの有無を以下の方法で判定する。まず、推定モデル構築部１２ｃは、ＡＨ［ｔ］とＴ［ｔ］のそれぞれについて時刻差分データｄＡＨａ［ｔ］とｄＴａ［ｔ］を生成する。例えば、温湿度センサ２ａの測定データＡＨａ［ｔ］、Ｔａ［ｔ］に関する時刻差分データは、以下の式（２８）および（２９）の計算式によって生成することができる。推定モデル構築部１２ｃは、他の温湿度センサ２ｂ〜２ｅについても同様の計算式（３０）〜（３７）によって時刻差分データを生成する。

次に、推定モデル構築部１２ｃは、各温湿度センサ２について計算した時刻差分データの散布図を作成する。図２２は、各温湿度センサ２の時刻差分データについて作成した散布図の具体例を示す図である。各散布図中の右上に記載した数値は、図示された各分布について、ｄＡＨとｄＴとの間の相関係数の値であり、散布図に示された分布の傾きを表している。ここで、空気中の水分量が管理されている空間Ａでは、温度変化に対する絶対湿度の変化は見られない（又は小さい）はずである。しかしながら、ドリフトが発生する温湿度センサ２（図２２の例では温湿度センサ２ｄ及びｄｅ）では相関が生じている。図２３は、この理由を説明するための空気線図である。図２３は、温度、絶対湿度、湿度の関係を表した空気線図である。

図２３の例は、温度２３℃かつ湿度５０％である状態Ｐ１１において、温度が±１℃変動しても、絶対湿度が一定のまま温度だけが変化することを表している（Ｐ１２−Ｐ１１−Ｐ１３曲線を参照）。この場合、温度センサが＋２℃ドリフトすると、相対湿度が一定であれば、Ｐ１２−Ｐ１１−Ｐ１３の状態変化（以下「状態変化１」という。）は、Ｐ２２−Ｐ２１−Ｐ２３（以下「状態変化２」という。）に変化する。そのため、この場合には、絶対湿度は温度に対して負の相関をとる。

同様に、湿度センサが−５．４％ドリフトすると、温度が一定であれば、Ｐ１２−Ｐ１１−Ｐ１３の状態変化は、Ｐ３２−Ｐ３１−Ｐ３３（以下「状態変化３」という。）に変化する。そのため、この場合にも、絶対湿度は温度に対して負の相関をとる。また、温度センサが＋２℃、湿度センサが−５．４％ドリフトすると、Ｐ１２−Ｐ１１−Ｐ１３の状態変化は、Ｐ４２−Ｐ４１−Ｐ４３（以下「状態変化４」という。）に変化する。そのため、この場合にも、絶対湿度は温度に対して負の相関をとる。

このように、温度センサと湿度センサが同時にドリフトしている場合、例えば図２３の例では温湿度が状態変化４のように変化する場合、診断期間における絶対湿度の推定値と実績値との間には差がなくても、実際には温度センサと湿度センサの両方にドリフトが発生している場合がある（以下「多重ドリフト」という。）。しかしながら、このような場合であっても、上述のとおり、ドリフトの有無は絶対湿度と温度との間の相関として現れることが分かった。

そして、第４の実施形態のセンサドリフト診断装置１ｃでは、推定モデル構築部１２ｃがこのような相関の有無を調べる機能を有することにより、多重ドリフトの発生を検知することが可能となる。また、このような多重ドリフトの検出機能は、第１の実施形態のセンサドリフト診断装置１のみならず、第２の実施形態のセンサドリフト診断装置１ａ又は第３の実施形態のセンサドリフト診断装置１ｂに備えられてもよい。

なお、絶対湿度と温度との間の相関の有無を判定するための指標値としては、ｄＡＨとｄＴの回帰モデルの係数や相関係数を算出すればよい。また、ドリフトの有無を判定する際の閾値は、例えば、ドリフトが発生していない温湿度センサ２について回帰係数を調べ、その代表値（例えば平均値など）と標準偏差に基づいて決定されるとよい。

また、ここでは推定モデル構築部１２ｃが絶対温度と温度の相関性を分析したが、これに代えて、ドリフトスコア算出部１３が上記相関性の分析を行い、その分析結果をドリフトスコアとしてドリフト診断部１４に提供してもよい。

第４の実施形態のセンサドリフト診断装置１ｃは、推定モデル構築部１２に代えて推定モデル構築部１２ｃを備える点で第１の実施形態のセンサドリフト診断装置１と異なると説明した。ここで推定モデル構築部１２ｃは、第４の実施形態のセンサドリフト診断方法によりドリフトを診断する機能に加え、第１の実施形態のセンサドリフト診断方法によりドリフトを診断する機能を有するように構成されてもよい。このような構成を備えることにより、推定モデル構築部１２ｃは、まずはじめに第１の実施形態のセンサドリフト診断方法でドリフトの有無を診断し、そこでドリフト無しと診断された場合に、第４の実施形態のセンサドリフト診断方法で多重ドリフトの有無を診断することができる。

（第５の実施形態）
図２４は、第５の実施形態のセンサドリフト診断装置１ｄの機能構成の具体例を示すブロック図である。センサドリフト診断装置１ｄは、ドリフトスコア算出部１３に代えてドリフトスコア算出部１３ｄを備える点で第４の実施形態のセンサドリフト診断装置１ｃと異なり、その他の構成は第４の実施形態のセンサドリフト診断装置１ｃと同様である。そのため、ここでは第４の実施形態と同様の構成については図１６と同じ符号を付すことにより、その説明を省略する。

ドリフトスコア算出部１３ｄは、推定モデル構築部１２ｃによって算出されたＡＨとｄＴを用いて温度計と湿度計のそれぞれのドリフト量を算出する。具体的には、ドリフトが発生していない状況では、上述のとおり、ｄＡＨとｄＴの相関はゼロとなるため、温度のドリフト量ＴＤと湿度のドリフト量ＲＨＤを変化させて、相関がゼロとなるようなＴＤとＲＨＤを求める。

図２５は、第５の実施形態のセンサドリフト診断装置１ｄにおいて、ドリフトスコア算出部１３ｄが多重ドリフト発生時における温度センサおよび湿度センサのドリフト量を算出する処理の具体例を示すフローチャートである。まず、ドリフトスコア算出部１３ｄは、ＴＤ＝０とする（ステップＳ３０１）。次に、ドリフトスコア算出部１３ｄは、Ｔ［ｔ］＝Ｔ［ｔ］＋ＴＤを算出し、ＡＨ^〜［ｔ］−ｍｉｘｒ（Ｔ［ｔ］,ＲＨ［ｔ］＋ＲＨＤ）が最小となるＲＨＤを算出する（ステップＳ３０２）。

次に、ドリフトスコア算出部１３ｄは、Ｔ’［ｔ］＝Ｔ［ｔ］＋ＴＤとＲＨ’［ｔ］＝ＲＨ［ｔ］＋ＲＨＤとからｄＴ’とｄＲＨ’を算出して相関係数を求め（ステップＳ３０３）、相関の正負を判定する（ステップＳ３０４）。

ステップＳ３０４において相関が負であると判定された場合（ステップＳ３０４：負）、ドリフトスコア算出部１３ｄはＴＤに微小量ΔＴＤを加える（ステップＳ３０５）。例えばΔＴＤ＝０．１℃とする。一方、ステップＳ３０４において相関が正であると判定された場合（ステップＳ３０４：正）、ドリフトスコア算出部１３ｄはＴＤから微小量ΔＴＤを引く（ステップＳ３０６）。

続いて、ドリフトスコア算出部１３ｄは、終了条件を満たしたか否かを判定する（ステップＳ３０７）。例えば、終了条件は、相関がゼロの近傍となったこと、またはステップＳ３０２〜Ｓ３０７のループ回数が最大回数を越えたこと、とすることができる。ステップＳ３０７において終了条件を満たしていないと判定された場合（ステップＳ３０７−ＮＯ）、ドリフトスコア算出部１３ｄはステップＳ３０２に処理を戻す。一方、ステップＳ３０７において終了条件を満たしたと判定された場合（ステップＳ３０７−ＹＥＳ）、ドリフトスコア算出部１３ｄは、そのときのＴＤとＲＨＤを温度および湿度のドリフト量として出力し（ステップＳ３０８）、処理を終了する。

このように構成された第５の実施形態のセンサドリフト診断装置１ｄは、温湿度センサ２の多重ドリフトを検知するとともに、温度センサおよび湿度センサのそれぞれのドリフト量を算出することができる。第１の実施形態では、温湿度センサ２のそれぞれの最大ドリフト量を求めたが、この場合、実際はドリフト量が最大ドリフト量に満たない場合であっても校正が必要と誤診断されてしまう可能性があった。これに対して、第５の実施形態のセンサドリフト診断装置１ｄによれば、温度センサおよび湿度センサのそれぞれについてドリフト量を算出することができるため、上記ご診断の可能性を小さくすることが可能となる。

以上説明した少なくともひとつの実施形態によれば、実施形態のセンサドリフト診断装置は、対象空間の温度および相対湿度の測定値に基づいて前記対象空間の絶対湿度の実測値を算出する絶対温度算出部と、前記空間の温度および相対湿度を測定するセンサのドリフトを診断するために用いられるデータであって、前記センサの測定値に対して比較対象を与えるための基準データを生成する基準データ生成部と、前記基準データに基づいて前記ドリフトに関する指標値を算出するドリフトスコア算出部と、前記指標値に基づいて前記センサのドリフトを診断するドリフト診断部と、を持つことにより、空間の温度又は湿度を測定するセンサのドリフトをより正確に診断することができる。ここで、上記実施形態における推定モデル構築部、確率分布生成部は基準データ生成部の一例である。また、上記実施形態における絶対湿度推定モデル、確率分布データは基準データの一例である。また、上記実施形態における学習期間は基準時の一例である。また、上記実施形態における診断期間は診断時の一例である。

なお、実施形態のセンサドリフト診断装置は必ずしも１つの装置として構成される必要はない。実施形態のセンサドリフト診断装置は、ネットワークを介して通信可能な複数の装置によって構成されてもよい。この場合、実施形態のセンサドリフト診断装置が備える各機能部は、複数の装置に分散して構成されてもよい。例えば、絶対温度算出部、推定モデル構築部、確率分布生成部、ドリフトスコア算出部、ドリフト診断部のそれぞれが異なる装置に実装されてもよい。また例えば、実施形態のセンサドリフト診断装置は、絶対湿度を学習する（すなわち絶対湿度推定モデルを構築する）学習装置と、絶対湿度の推定値及び実測値に基づいて温湿度センサのドリフトを診断する診断装置と、に分散して構成されてもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１，１ａ，１ｂ，１ｃ，１ｄ…センサドリフト診断装置、２，２ａ，２ｂ，２ｃ，２ｄ，２ｅ…他の温湿度センサ、３…外調機、４，４ａ，４ｂ，４ｃ，４ｄ…空調機、１１…絶対湿度算出部、１２，１２ｃ…推定モデル構築部、１３，１３ａ，１３ｂ，１３ｄ…ドリフトスコア算出部、１４…ドリフト診断部、１５…確率分布生成部。

Claims (10)

1. 対象空間の温度および相対湿度の測定値に基づいて前記対象空間の絶対湿度の実測値を算出する絶対湿度算出部と、
   前記空間の温度および相対湿度を測定するセンサのドリフトを診断するために用いられるデータであって、前記センサの測定値に対して比較対象を与えるための基準データを生成する基準データ生成部と、
   前記基準データに基づいて前記ドリフトに関する指標値を算出するドリフトスコア算出部と、
   前記指標値に基づいて前記センサのドリフトを診断するドリフト診断部と、
   を備えるセンサドリフト診断装置。
2. 前記基準データ生成部は、複数のセンサの設置位置における絶対湿度の関係性を示す絶対湿度推定モデルを構築し、
   前記ドリフト診断部は、前記絶対湿度推定モデルによって推定された絶対湿度と、温度及び相対湿度の測定値に基づいて推定された絶対湿度とを比較することにより前記センサのドリフトを診断する、
   請求項１に記載のセンサドリフト診断装置。
3. 前記ドリフト診断部は、前記絶対湿度の実測値及び推定値に基づき、前記センサについて、温度又は湿度の最大ドリフト量を算出し、
   前記ドリフト診断部は、前記温度又は湿度の最大ドリフト量に基づいて前記センサのドリフトを診断する、
   請求項２に記載のセンサドリフト診断装置。
4. 前記基準データ生成部は、基準時の絶対湿度に関する第１の確率分布と、診断時の絶対湿度に関する第２の確率分布と、を生成し、
   前記ドリフトスコア算出部は、前記第１の確率分布と、前記第２の確率分布とを比較することにより、前記指標値として前記センサの温度又は湿度のドリフト量を算出する、
   請求項１に記載のセンサドリフト診断装置。
5. 前記ドリフトスコア算出部は、前記第１の確率分布と、前記第２の確率分布との統計上の距離を前記指標値として算出する、
   請求項４に記載のセンサドリフト診断装置。
6. 前記基準データ生成部は、温度および絶対湿度の時刻差分の分布に基づいて温度と絶対温度との間の相関性を分析し、その分析結果に基づいて前記センサの多重ドリフトを診断する、
   請求項１から３のいずれか一項に記載のセンサドリフト診断装置。
7. 前記ドリフトスコア算出部は、前記相関性の分析結果に基づいて、前記温度および絶対湿度のそれぞれのドリフト量を算出する、
   請求項６に記載のセンサドリフト診断装置。
8. 前記対象空間は空気中の水分量が所定量に管理される空間である、
   請求項１から７のいずれか一項に記載のセンサドリフト診断装置。
9. 対象空間の温度および相対湿度の測定値に基づいて前記対象空間の絶対湿度の実測値を算出する絶対湿度算出ステップと、
   前記空間の温度および相対湿度を測定するセンサのドリフトを診断するために用いられるデータであって、前記センサの測定値に対して比較対象を与えるための基準データを生成する基準データ生成ステップと、
   前記基準データに基づいて前記ドリフトに関する指標値を算出するドリフトスコア算出ステップと、
   前記指標値に基づいて前記センサのドリフトを診断するドリフト診断ステップと、
   を有するセンサドリフト診断方法。
10. 対象空間の温度および相対湿度の測定値に基づいて前記対象空間の絶対湿度の実測値を算出する絶対湿度算出ステップと、
    前記空間の温度および相対湿度を測定するセンサのドリフトを診断するために用いられるデータであって、前記センサの測定値に対して比較対象を与えるための基準データを生成する基準データ生成ステップと、
    前記基準データに基づいて前記ドリフトに関する指標値を算出するドリフトスコア算出ステップと、
    前記指標値に基づいて前記センサのドリフトを診断するドリフト診断ステップと、
    をコンピュータに実行させるためのセンサドリフト診断プログラム。

Images