JP2022097969A - 洗濯システム - Google Patents

Abstract

【課題】回転槽または水槽の少なくとも一方におけるカビなどの菌の発生を抑制することができる洗濯システムを提供する。【解決手段】洗濯機本体２と、予測部と、制御部と、を持つ。前記洗濯機本体２は、水槽３と回転槽と前記回転槽を回転させる洗濯機モータとを有する。前記予測部は、第１の洗濯時に前記洗濯機本体２に投入された洗濯処理剤の量に関する情報、前記第１の洗濯時から第２の洗濯時までの経過時間、前記経過時間における前記回転槽周辺の温度、および前記経過時間における前記回転槽周辺の湿度に基づいて、前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方を予測する。前記制御部は、前記予測部が予測した前記菌の発生に関する状態または前記水槽３周辺の菌の発生に関する状態の少なくとも一方に基づいて、前記洗濯機本体２を制御するまたは所定の提案をユーザに報知する。【選択図】図１

Description

本発明の実施形態は、洗濯システムに関する。

洗濯機の回転槽は、一般的に、カビなどの菌が繁殖しやすい環境にある。

特開平０６－２３８０８８号公報 特開２００５－１４３８８０号公報 特開２００２－２６３３９２号公報

本発明が解決しようとする課題は、回転槽または水槽の少なくとも一方におけるカビなどの菌の発生を抑制することができる洗濯システムを提供することである。

実施形態の洗濯システムは、洗濯機本体と、予測部と、制御部と、を持つ。前記洗濯機本体は、水槽と、回転槽と、前記回転槽を回転させる洗濯機モータとを有する。前記予測部は、第１の洗濯時に前記洗濯機本体に投入された洗濯処理剤の量に関する情報、前記第１の洗濯時から第２の洗濯時までの経過時間、前記経過時間における前記回転槽周辺の温度、および前記経過時間における前記回転槽周辺の湿度に基づいて、前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方を予測する。前記制御部は、前記予測部が予測した前記菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方に基づいて、前記洗濯機本体を制御するまたは所定の提案をユーザに報知する。

一実施形態の洗濯機の構成の一例を示す図。 一実施形態の洗濯機の構成の一部の一例を示す図。 一実施形態の駆動回路の構成の一例を示す図。 一実施形態の制御装置の構成の一例を示す図。 一実施形態の教師データの一例を示す第１の図。 一実施形態の菌の種類の一例を示す図。 一実施形態の教師データの一例を示す第２の図。 一実施形態の洗濯機の処理フローの一例を示す図。 一実施形態の表示の一例を示す第１の図。 一実施形態の表示の一例を示す第２の図。 一実施形態の表示の一例を示す第３の図。 一実施形態の第３変形例による洗濯機の構成の一部の一例を示す図。

以下、実施形態の洗濯システムを、図面を参照して説明する。以下の説明では、同一または類似の機能を有する構成に同一の符号を付す。そして、それら構成の重複する説明は省略する場合がある。「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含み得る。「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含み得る。「ＸＸまたはＹＹ」とは、ＸＸとＹＹのうちいずれか一方の場合に限定されず、ＸＸとＹＹの両方の場合も含み得る。これは選択的要素が３つ以上の場合も同様である。「ＸＸ」および「ＹＹ」は、任意の要素（例えば任意の情報）である。また、「検出」とは、対象の物理量を直接感知する場合に限定されず、対象の物理量に関連する他の物理量を直接または間接的に取得し、取得した他の物理量から対象の物理量を推定したり特定したりする場合も含み得る。また、「取得」とは、対象物（情報を含む）そのものを直接受け取る場合に限定されず、直接受け取った物（情報を含む）を演算や加工などを行うことによって対象物となる場合も含み得る。

以下では、いくつかの実施形態について説明する。実施形態の洗濯機は、回転槽または水槽の少なくとも一方におけるカビなどの菌の発生に関する状態を予測し、予測した状態に基づいて、洗濯機本体を制御するまたは所定の提案をユーザに報知する洗濯機である。洗濯機は、ドラム式の洗濯機、縦型の洗濯機などである。なお、洗濯機は、二槽式の洗濯機でもよい。

＜実施形態＞
（洗濯機の全体構成）
図１は、一実施形態の洗濯機１の全体構成を示す図である。図２は、一実施形態の洗濯機１の一部の構成を示す図である。洗濯機１は、例えば、洗濯機本体２、および制御装置１１を備える。洗濯機本体２は、ほぼ矩形箱状をなす。洗濯機本体２内では、円筒状の水槽３（外槽の一例）が後下がりに傾斜した状態で、図示しない弾性支持機構を介して支持される。水槽３内では、衣類（洗濯物）が収容される収容室としての円筒状のドラム４（回転槽の一例）が回転可能に支持される。ドラム４は、前後方向に延び且つ水平からやや後下がりに傾斜した傾斜軸を中心に回転するように構成される。洗濯機１は、洗濯システムの一例である。ドラム４は、洗濯槽の一例である。

ドラム４の周壁部及び後壁部には通水、通気用の多数の孔４ａが形成される。また、ドラム４の周壁部の内面には、洗濯物撹拌用の図示しない複数個のバッフルが設けられる。詳しく図示はしないが、ドラム４の前面部には、衣類が出し入れされる円形の開口部が設けられる。水槽３の前面部には、前記開口部に連なる投入口３ａが形成される。洗濯機本体２の前面には、衣類を出し入れするための出入口２ａが形成される。また、洗濯機本体２の前面には、出入口２ａを開閉する扉５が設けられる。出入口２ａと投入口３ａとの間は、ベローズ６を介して連通する。

水槽３の後部には、駆動機構を構成する例えばアウタロータ形のブラシレスモータからなるドラムモータ８（洗濯機モータの一例）が配置される。ドラムモータ８の回転軸の先端は、水槽３の背面を貫通して水槽３内に突出し、ドラム４の後部中心部に連結固定される。このような構成により、ドラム４はドラムモータ８により直接的に回転駆動される。このドラム４は、後述する脱水行程や槽洗浄動作時において、正転方向例えば正面から見て時計回り方向に連続回転される。また、洗い行程やすすぎ行程では、ドラム４は、正転と反転とが繰り返される。

詳しく図示はしないが、洗濯機本体２内の上部には、給水源としての水道からの水を水槽３内等に給水するための給水機構が設けられる。この給水機構は、周知のように、給水弁９（図２参照）を備えると共に、洗剤収容部等を有する注水ケースなどを備えて構成される。給水弁９の開放動作により、水道水が、注水ケースを介して水槽３に供給される。なお、図２に示すように、洗濯機本体２の上面部には、操作パネル１０が設けられる。また、例えば、洗濯機本体２内の上部には、洗濯機１の制御を行う制御装置１１が設けられる。洗濯機本体２内には、水槽３内の水位を検出するための水位センサ１２（図２参照）が設けられる。

図１に示すように、水槽３の背面側の底部には、排水口１５が形成される。排水口１５には、機内排水ホース１６の基端部が接続される。洗濯機本体２の底部を構成する台板１３には、前側部に位置してフィルタユニット１７が設けられている。詳しく図示はしないが、フィルタユニット１７は、円筒状のケース内にリントフィルタを収容して構成される。フィルタユニット１７は、その前面開口部にキャップ１８が開閉可能に装着される。そのリントフィルタは、洗濯水中のリント（糸くず）を捕獲する機能を有する。洗濯機本体２には、キャップ１８の前方に位置して出し入れ用の開口部が設けられる。その開口部は、カバー２ｂにより開閉可能に塞がれる。

フィルタユニット１７の上部には、ホース接続口１７ａが設けられる。このホース接続口１７ａには、機内排水ホース１６の先端部が接続される。また、フィルタユニット１７の下部には、排水弁１９が接続される。排水弁１９の出口側には、排水パイプ２０が接続される。排水パイプ２０の先端部は、台板１３を通って機外に臨み、図示しない機外排水ホースに接続される。これにより、排水弁１９が開放動作されると、水槽３内の洗濯水が、フィルタユニット１７を通った後、排水パイプ２０から排出される。

フィルタユニット１７の後端部には、循環ポンプ２１が設けられる。循環ポンプ２１は、フィルタユニット１７に臨んで吸入口を有している。循環ポンプ２１は、水槽３及びドラム４内の水を排水口１５、機内排水ホース１６及びフィルタユニット１７を介して吸引する。循環ポンプ２１の上部には、吐出口２１ａが設けられる。吐出口２１ａには、送水ホース２２の基端部が接続される。送水ホース２２の中間部は、ベローズ６の周側方から上方へ延びる。送水ホース２２の先端部は、水槽３の投入口３ａの上部に形成された噴水ノズル２３に接続される。

噴水ノズル２３は、洗濯水をドラム４の内下部（詳細には、例えば、正面から見てやや右寄りの下部）に向けて噴射するように構成される。このような構成により、循環ポンプ２１が駆動された場合、水槽３内の洗濯水が、排水口１５、機内排水ホース１６、フィルタユニット１７及び送水ホース２２を通って、噴水ノズル２３からドラム４内にシャワー状に放水される。洗濯水がフィルタユニット１７を通過する場合、リントフィルタにより比較的大きなリントが捕獲されるようになる。

フィルタユニット１７の前方上部には、エアトラップ２４が設けられる。詳しく図示はしないが、エアトラップ２４と水位センサ１２とが、エアチューブ２５によって接続される。このような構成により、水位センサ１２によって、水槽３内の水位が、機内排水ホース１６、フィルタユニット１７、エアトラップ２４及びエアチューブ２５を介して検出される。

図１に示すように、水槽３の前部の上部右寄り部位には、空気を排出する排気口２７が設けられる。また、水槽３の背面部の上部左寄り部位に乾燥風を供給するための給気口２８が設けられる。そして、洗濯機本体２内部には、ドラム４内に乾燥風（温風）を循環供給して衣類の乾燥運転を実行するための温風供給機構２９（乾燥装置の一例）が設けられる。

一実施形態では、温風供給機構２９は、水槽３の外部に位置して、循環風路３０を備える。循環風路３０の入口は、水槽３の排気口２７に接続される。循環風路３０の出口は、給気口２８に接続される。温風供給機構２９は、循環風の除湿及び加熱を行って乾燥風を生成するヒートポンプ３１を備える。また、温風供給機構２９は、水槽３の排気口２７から排出された空気を、循環風路３０内を図１に示す矢印Ａの方向に循環させながら給気口２８から水槽３およびドラム４内に供給する送風ファン２６（図２参照）を備える。

具体的には、循環風路３０は、上部ダクト３２、後部排気ダクト３３、ヒートポンプダクト３４、および給気ダクト３５を備える。上部ダクト３２の前端部は、排気口２７に接続される。上部ダクト３２の後端部は、後部排気ダクト３３の上端部に接続される。なお、上部ダクト３２の前端部と排気口２７との接続部分は、例えば、ゴム等の可撓性を有する材料を用いて蛇腹状の円筒状に構成される。上部ダクト３２内には、乾燥風から糸くずを捕獲するための周知のユニット式のリントフィルタ３６が着脱可能に設けられる。

なお、上部ダクト３２の後部寄り部分の上端部には、上部ダクト３２を通った空気（水槽３内の空気）を、循環風路３０の外へ排出するための排気口４４が設けられる。排気口４４は、洗濯機本体２の上面に設けられた外側排気口４５に連通している。排気口４４部分には、排気ダンパ４６が開閉可能に設けられる。排気ダンパ４６は、例えば、モータを駆動源として動作され、後述の制御装置１１（図２参照）による制御の下、開閉されるようになる。

後部排気ダクト３３は、水槽３の後方を下方に延びる。後部排気ダクト３３の下端は、ヒートポンプダクト３４の基端部に接続される。ヒートポンプダクト３４は、洗濯機本体２内の底部後寄り部位を右左方向に延びる。ヒートポンプダクト３４の先端側に前記送風ファン２６が設けられている。詳しく図示はしないが、送風ファン２６のファンケーシングの出口部に、前記給気ダクト３５の下端部が接続されている。給気ダクト３５は、洗濯機本体２内の左側の水槽３の後方を上方に延び、その先端部（上端部）が前記給気口２８に接続されている。

後部排気ダクト３３は、水槽３の後方を下方に延びる。後部排気ダクト３３の下端は、ヒートポンプダクト３４の基端部に接続される。ヒートポンプダクト３４は、洗濯機本体２内の底部後寄り部位を右左方向に延びる。ヒートポンプダクト３４の先端側には、送風ファン２６が設けられる。詳しく図示はしないが、送風ファン２６のファンケーシングの出口部には、給気ダクト３５の下端部が接続される。給気ダクト３５は、洗濯機本体２内の左側の水槽３の後方を上方に延びる。給気ダクト３５の先端部（上端部）が給気口２８に接続される。

図１に一部のみ示すように、ヒートポンプダクト３４内には、ヒートポンプ（冷凍サイクル）３１を構成する蒸発器３７および凝縮器が配置される。ヒートポンプ３１は、圧縮機３８、凝縮器、減圧手段である絞り弁、および蒸発器３７を、冷媒配管により閉ループ状に接続して構成される。ヒートポンプ３１の内部には、所要量の冷媒が封入される。その冷媒は、冷媒配管を循環する。この場合、凝縮器が乾燥風を加熱する加熱手段として機能する。また、この場合、蒸発器３７が乾燥風から湿気を除去する除湿手段として機能する。

ヒートポンプ３１により乾燥運転が行われる場合、圧縮機３８が駆動されることにより、圧縮機３８から吐出された気体冷媒は、凝縮器に流入する。そして、気体冷媒は、その凝縮器における熱交換により凝縮され、液体冷媒となる。凝縮器から流出した液体冷媒は、絞り弁によって膨張させて霧状となる。その霧状の冷媒は、蒸発器３７に流入される。その冷媒は、蒸発器３７において外気と熱交換されることにより気化される。その気化された気体冷媒は、圧縮機３８に戻される。そして、圧縮機３８において冷媒が圧縮されることにより高温、高圧とされ、圧縮機３８から冷媒が吐出される。ヒートポンプ３１により乾燥運転が行われる場合、このように冷媒が循環する。

また、ヒートポンプ３１の駆動と共に、送風ファン２６が駆動されることにより、矢印Ａで示すように、水槽３（ドラム４）内の空気が、排気口２７から上部ダクト３２、後部排気ダクト３３を通ってヒートポンプダクト３４に至る。この場合、空気が上部ダクト３２内を通る際に、その空気に含まれるリント（糸くず）がリントフィルタ３６によって捕獲される。

そして、後部排気ダクト３３を通った空気は、ヒートポンプダクト３４内を流れて蒸発器３７及び凝縮器を順に通った後、給気ダクト３５に流れ、給気口２８及び孔４ａを通ってドラム４内に供給されるという循環が行われる。この空気の循環により、水槽３（ドラム４）内の衣類から湿気を奪って多量の蒸気を含んだ空気が、ヒートポンプダクト３４内の蒸発器３７部分を通って冷却される。この冷却により、蒸気が凝縮（あるいは昇華）されて除湿され、その除湿空気が凝縮器部分を通ることにより加熱されて乾いた温風となる。この温風が、再びドラム４内に供給され、衣類の乾燥に寄与する。

なお、ヒートポンプ３１や循環風路３０の複数箇所には、冷媒の温度や乾燥風の温度を検出するための複数の温度センサ３９（図２参照）が設けられる。後述する制御装置１１は、ヒートポンプ３１および送風ファン２６を駆動させる制御を行うと共に、ドラムモータ８を制御してドラム４を一方向に回転させることにより、乾燥運転を実行する。この場合、制御装置１１は、複数の温度センサ３９により検出された温度などに基づき、ヒートポンプ３１や送風ファン２６を駆動する制御を行う。

制御装置１１は、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなるコンピュータを主体として構成される。制御装置１１は、洗濯機１全体を制御して洗濯運転および乾燥運転の各行程を実行する。この場合、制御装置１１には、操作パネル１０からの操作信号が入力される。また、制御装置１１は、操作パネル１０の各表示部の表示を制御する。また、制御装置１１には、水位センサ１２および複数の温度センサ３９により検出された結果を示す検出信号が入力される。

また、制御装置１１には、ドラムモータ８に流れる電流を検出する電流センサ４０が接続される。電流センサ４０は、例えば、後述する抵抗回路Ｒｓのシャント抵抗によって実現される。そして、制御装置１１には、電流センサ４０が検出した電流値を示す電流検出信号が入力される。この場合、制御装置１１は、洗濯運転の開始時に、ドラム４を短時間回転させる布量検知動作（重量センシング）を実行する。このとき、制御装置１１は、電流センサ４０から入力された電流検出信号が示す検出電流値（すなわち、トルクに寄与するｑ軸電流値）に基づいて、水分を含まない状態のドラム４内の衣類の布量（すなわち、給水前の衣類の重量）を判定する。

また、洗濯機本体２には、洗濯機本体２の周囲温度、すなわち洗濯機本体２の設置場所の室温を検出する室温センサ４１が設けられる。また、洗濯機本体２には、洗濯運転時に水槽３内に給水された水の水温を検出する水温センサ４２が設けられる。室温センサ４１および水温センサ４２のそれぞれは、例えば、サーミスタを含み、サーミスタの抵抗値の変化を温度に換算することによって実現される。室温センサ４１および水温センサ４２による検出結果は、検出信号として制御装置１１に入力される。室温センサ４１は、図１に示すように、台板１３部分に取付けられる。また、水温センサ４２は、図１に示すように、排水口１５の出口側に設けられる。

また、制御装置１１は、ドラムモータ８を駆動させる制御を行うと共に、循環ポンプ２１を制御する。また、制御装置１１は、給水弁９、排水弁１９の開閉を制御する。また、制御装置１１は、ヒートポンプ３１、送風ファン２６、排気ダンパ４６を制御する。上述の構成により、制御装置１１は、ユーザによる操作パネル１０に対する洗濯コースを設定する操作等に応じて、各センサから入力された入力信号および予め記録された制御プログラムに基づいて、洗濯機本体２の各機構を制御する。制御装置１１は、このような制御を行うことにより、例えば、周知の洗い、すすぎ、脱水などの各行程からなる洗濯運転、更には乾燥運転を実行する。

例えば、ユーザが操作パネル１０を介して洗濯運転後に引続き乾燥運転を行うコースを選択した場合、制御装置１１は、そのソフトウェア構成（制御プログラムの実行）により、乾燥運転の制御を行う。すなわち、制御装置１１は、例えば、温度取得装置２０ａが取得した温度、室温センサ４１が検出した室温、水温センサ４２が検出した水温、または天気予報が示す温度のいずれか１つの温度に応じて、乾燥運転の実行時間を設定する。なお、温度取得装置２０ａが取得した温度、室温センサ４１が検出した室温、水温センサ４２が検出した水温、および天気予報が示す温度のうち複数の温度を入手可能である場合、制御装置１１は、そのうちの１つの温度に基づいて、乾燥運転の実行時間を暫定的に初期設定し、残りの温度を用いて初期設定された実行時間を補正するものであってもよい。

自動投入装置７（図２参照）は、例えば、洗濯機本体２内に配置されて、ドラム４の上方に位置する。給水経路の途中には自動投入装置７からの洗濯処理剤を供給する供給部が設けられている。つまり、洗濯処理剤は、自動投入装置７から供給部を介して給水経路を通りドラム４内に供給される。洗濯処理剤とは、洗濯時に衣類を処理する処理剤を広く意味する。洗濯処理剤の例としては、洗剤、柔軟剤、漂白剤などが挙げられる。なお、洗濯処理剤は、液体に限らず、粉末であっても良い。

操作パネル１０は、例えば、図１に示すように、洗濯機本体２の外部の上面に設けられる。操作パネル１０は、表示部１０ａおよび操作入力部１０ｂを備える。例えば、表示部１０ａおよび操作入力部１０ｂは、ユーザが押下可能なボタンとディスプレイ装置とを備えたパネル、またはユーザが操作可能なタッチパネルなどである。ユーザは、操作パネル１０を操作することによって、洗濯の運転コースの選択や運転開始の操作を行うことができる。洗濯の運転コースの例としては、標準コース、スピーディコース、おしゃれ着コース（丁寧洗いコース）、部屋干しコース、がんこ汚れコースなどが挙げられる。洗濯の運転コースごとに、洗い時にドラム４に注水される水の量、すすぎ時のドラム４における水流、洗濯行程の内容が異なる。また、操作パネル１０には、洗濯行程や運転終了までの残り時間、設定水位などが表示される。

温度取得装置２０ａは、ドラム４周辺の温度を取得する。温度取得装置２０ａが温度センサである場合、温度取得装置２０ａは、例えば、図１に示すように、洗濯機本体２の内部表面に設けられる。例えば、温度取得装置２０ａは、所定のタイミングに（例えば、５分に１度の時間間隔で）ドラム４周辺の温度を取得する。ただし、温度取得装置２０ａは、温度センサに限定するものではない。例えば、温度取得装置２０ａは、洗濯機１が設置されている地域の天気予報が示す気温を、例えば、通信ネットワークを介して取得するものであってもよい。

湿度取得装置２０ｂは、ドラム４周辺の湿度を取得する。湿度取得装置２０ｂが湿度センサである場合、湿度取得装置２０ｂは、例えば、図１に示すように、洗濯機本体２の内部表面に設けられる。例えば、湿度取得装置２０ｂは、所定のタイミングに（例えば、５分に１度の時間間隔で）ドラム４周辺の湿度を取得する。ただし、湿度取得装置２０ｂは、湿度センサに限定するものではない。例えば、湿度取得装置２０ｂは、洗濯機１が設置されている地域の天気予報が示す湿度を、例えば、通信ネットワークを介して取得するものであってもよい。

回転検出装置５１（図２参照）は、ドラムモータ８の回転数を検出する。回転検出装置５１は、例えば、磁気センサ（例えば、ホール素子、ホールＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ））などの位置センサである。回転検出装置５１が磁気センサである場合、３つの磁気センサの出力から現在のロータの位置が推定され、その位置に応じてドラムモータ８の回転が制御される。洗濯におけるドラムモータ８の回転数は、負荷、すなわち洗濯物の布質に応じて変化する。すなわち、ドラムモータ８の回転数によって布質を判定することが可能となる。なお、回転検出装置５１は、後述する駆動回路２２０に流れる電流、すなわち、ドラムモータ８を回転させる電流の値から、ドラムモータ８の回転数を推定するものであってもよい。

ヒータ５０（加熱装置の一例）（図２参照）は、洗濯に使用される水を加熱する。ヒータ５０により加熱された水を使用して洗濯を行うことにより、熱に弱い菌の発生を抑制することができる。

送風ファン２６およびヒートポンプ３１を含む温風供給機構２９は、ドラム４周辺の湿度を低下させる。温風供給機構２９によりドラム４や水槽３などが乾燥することにより、乾燥に弱い菌の発生を抑制することができる。

駆動回路２２０は、制御装置１１による制御に応じた電流を、ドラムモータ８に供給する。図３は、駆動回路２２０の構成の一例を示す図である。駆動回路２２０は、例えば、図３に示す回路である。駆動回路２２０は、インダクタＬ、整流回路２２０ａ、リップル除去回路２２０ｂ、インバータ２２０ｃ、電流検出回路Ｒｓを備える。

インダクタＬは、駆動回路２２０に流れる電流を制限する。整流回路２２０ａは、商用交流電圧から直流電圧を生成する。整流回路２２０ａは、例えば、４つのダイオードから成るブリッジ回路である。リップル除去回路２２０ｂは、整流後の直流電圧におけるリップルを低減させる。リップル除去回路２２０ｂは、例えば、キャパシタである。このリップル除去回路２２０ｂにより、整流回路２２０ａが出力する電圧の振幅変動が小さくなる。整流回路２２０ａが出力する電圧はインバータ２２０ｃに入力される。

インバータ２２０ｃは、入力される直流電圧からドラムモータ８を駆動する交流電圧を生成する。例えば、インバータ２２０ｃは、図３に示すように、６つのスイッチング素子によって構成されるブリッジ回路である。ブリッジ回路は、電源側のスイッチング素子とグラウンド側のスイッチング素子とが対を成し、３対のスイッチング素子を備える。スイッチング素子としては、例えば、ＩＧＢＴ（Ｉｎｓｕｌａｔｅｄ Ｇａｔｅ Ｂｉｐｏｌａｒ Ｔｒａｎｓｉｓｔｏｒ）、ＭＯＳＦＥＴ（Ｍｅｔａｌ－Ｏｘｉｄｅ－Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｆｉｅｌｄ Ｅｆｆｅｃｔ Ｔｒａｎｓｉｓｔｏｒ）などの半導体素子が挙げられる。

抵抗回路Ｒｓは、３つのシャント抵抗を備える。各シャント抵抗は、ドラムモータ８の３つの相のそれぞれに対応した電流が流れる経路に設けられる。各シャント抵抗は、それらの経路に流れる電流を検出するためのものである。各シャント抵抗の両端間の電圧をそのシャント抵抗の抵抗値で除算することによって３つの相それぞれに流れる電流を特定することができる。スイッチング素子がＩＧＢＴである場合、グラウンド側のＩＧＢＴのエミッタ端子とグラウンド端子との間に抵抗回路Ｒｓの各シャント抵抗が設けられる。グラウンド側のＩＧＢＴがオン状態の間、ドラムモータ８の巻線に流れる電流と同じ大きさの電流が発生する。そのため、各シャント抵抗には正の電圧と負の電圧とが発生する。

制御装置１１は、さらに、ドラム４または水槽３の少なくとも一方におけるカビなどの菌の発生に関する状態を予測する。ドラム４におけるカビなどの菌の発生に関する状態とは、例えば、ドラム４における菌の発生の可能性であってもよいし、ドラム４における菌の発生の程度（すなわち、菌の発生量）であってもよい。また、水槽３におけるカビなどの菌の発生に関する状態とは、例えば、水槽３における菌の発生の可能性であってもよいし、水槽３における菌の発生の程度（すなわち、菌の発生量）であってもよい。そして、制御装置１１は、予測した菌の発生に関する状態に基づいて、洗濯機本体２を制御するまたは所定の提案をユーザに報知する。図４は、制御装置１１の構成を示すブロック図である。制御装置１１は、例えば、受付部２０１、検出部２０２、予測部２０３、制御部２０４、および記憶部２０５を備える。制御装置１１は、例えば、ドラムモータ８、操作パネル１０、水位センサ１２、回転検出装置５１、駆動回路２２０、温度取得装置２０ａ、および湿度取得装置２０ｂから受ける情報に基づいて、排水弁１９、自動投入装置７、給水弁９、駆動回路２２０、循環ポンプ２１、ヒータ５０、およびヒートポンプ３１を制御する。

制御装置１１が備える受付部２０１、検出部２０２、予測部２０３、および制御部２０４のそれぞれは、例えば、制御装置１１に搭載されたＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のようなハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。ただし、上記機能部の一部またはすべては、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアとの協働によって実現されてもよい。

受付部２０１は、ユーザの操作を受け付ける。例えば、受付部２０１は、ユーザが操作パネル１０に対して行う操作に応じた信号を生成する。受付部２０１が生成する信号は、例えば、ユーザが選択した洗濯運転コースを示す信号である。

検出部２０２は、ドラム４の状態を検知する。具体的には、検出部２０２は、駆動回路２２０の抵抗回路Ｒｓに流れる電流の値の変化から、ドラムモータ８の回転数の変化を推定する。

また、検出部２０２は、洗濯状態を検出する。洗濯状態の例としては、洗濯の運転コース、洗濯物の重量、洗濯物の布質、ドラム４周辺の温度、ドラム４周辺の湿度などが挙げられる。

例えば、検出部２０２は、受付部２０１が生成した信号が示す運転コースを特定することによって、洗濯の運転コースを検出する。また、検出部２０２は、後述する第１検出動作において、ドラム４の回転駆動の加速時に得られる駆動回路２２０の抵抗回路Ｒｓのシャント抵抗に流れる電流値またはドラムモータ８の回転数の変化の少なくとも一方に基づいて、洗濯物の重量を検出する。ドラム４の回転駆動の加速時に得られる抵抗回路Ｒｓのシャント抵抗に流れる電流値およびドラムモータ８の回転数の変化は、洗濯物の重量と相関関係があるため、この検出が可能である。また、検出部２０２は、抵抗回路Ｒｓのシャント抵抗に流れる電流値の変化、または、給水量と水位センサ１２が示す水位（すなわち、水量）との差の少なくとも一方に基づいて、洗濯物の布質を検出する。例えば、検出部２０２は、抵抗回路Ｒｓのシャント抵抗に流れる電流値の変化が大きい場合、水分を吸収しやすい布質（例えば、天然素材）であり、その電流値が小さい場合、水分を吸収し難い布質（例えば、化学繊維）であると判定する。また、検出部２０２は、給水量と水位センサ１２が示す水位との差がしきい値よりも大きい場合、水分を吸収しやすい布質（例えば、天然素材）であり、その差がしきい値よりも小さい場合、水分を吸収し難い布質（例えば、化学繊維）であると判定する。また、検出部２０２は、温度取得装置２０ａが取得した温度を特定することにより、ドラム４周辺の温度を検出する。また、検出部２０２は、湿度取得装置２０ｂが取得した湿度を特定する。

予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、またはユーザの過去の洗濯機１の清掃情報の少なくとも１つに基づいて、ドラム４周辺の菌の発生に関する状態を予測する。例えば、予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度に基づいて、ドラム４周辺の菌の発生に関する状態または水槽３周辺の菌の発生に関する状態の少なくとも一方を予測する。

なお、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報の例としては、前回の洗濯において自動投入装置７が給水経路を介してドラム４に投入した洗剤の量、柔軟剤の量、漂白剤の量などが挙げられる。第１の洗濯時から第２の洗濯時までの経過時間の例としては、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間などが挙げられる。なお、この経過時間は、洗濯機１の扉５の開閉を契機に測定するものであってもよい。例えば、洗濯機１がドラム式の洗濯機である場合、通常、扉５は閉じられている。つまり、扉５が洗濯終了後に閉じられ、その後、扉５が開けられるまでの時間が経過時間になるという考えに基づくものである。経過時間におけるドラム４周辺の温度の例としては、温度取得装置２０ａが取得する温度などが挙げられる。経過時間におけるドラム４周辺の湿度の例としては、湿度取得装置２０ｂが取得する湿度などが挙げられる。また、ユーザの過去の洗濯機１の清掃情報の例としては、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングからの経過時間などが挙げられる。

また、予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度に基づいて、第１種類の菌の発生に関する状態と、第２種類の菌の発生に関する状態とをそれぞれ予測する。

なお、予測部２０３は、例えば、機械学習の１つである、教師データを用いてパラメータを決定した学習済みモデルを用いることにより、上述したドラム４周辺の菌の発生に関する状態と、第１種類の菌の発生に関する状態および第２種類の菌の発生に関する状態とをそれぞれ予測することができる。予測部２０３がそれぞれの予測に用いる学習済みモデルの詳細については、後述する。

制御部２０４は、予測部２０３が予測した菌の発生に関する状態に基づいて、洗濯機本体２を制御するまたは所定の提案をユーザに報知する。

例えば、予測部２０３が、洗濯処理剤の量に関する情報、ドラム４周辺の温度、およびドラム４周辺の湿度に基づいて、第１種類の菌の発生に関する状態と、第２種類の菌の発生に関する状態とをそれぞれ予測した場合、制御部２０４は、予測部２０３により予測されたドラム４周辺に発生する菌の種類または水槽３周辺に発生する菌の種類の少なくとも一方に応じて異なる、洗濯機本体２の制御または所定の提案の報知を実行する。具体的には、制御部２０４は、予測部２０３により予測されたドラム４周辺に発生する菌の種類または水槽３周辺に発生する菌の種類の少なくとも一方が熱に弱い菌である場合に、第２の洗濯時またはそれ以降の洗濯時において、ヒータ５０により洗濯水を加熱する、またはヒータ５０により洗濯水を加熱することの提案をユーザに報知する。また、具体的には、制御部２０４は、予測部２０３により予測されたドラム４周辺に発生する菌の種類または水槽３周辺に発生する菌の種類の少なくとも一方が乾燥に弱い菌である場合に、第２の洗濯時またはそれ以降の洗濯時において、温風供給機構２９によりドラム４周辺の湿度を低下させる、または温風供給機構２９によりドラム４周辺の湿度を低下させることの提案をユーザに報知する。

また、例えば、予測部２０３が、菌の発生に関する状態として菌の発生量を予測した場合、制御部２０４は、予測部２０３が予測した菌の発生量に基づいて、洗濯機本体２による洗い時間を制御する。具体的には、例えば、予測部２０３が予測した菌の発生に関する状態に基づいて洗濯機本体２に所定の動作をさせる提案をユーザに報知し、複数回の報知に対して所定の動作をさせることを指示するユーザの操作が受付部２０１により受け付けられない場合、菌の発生量が多いことが考えられる。そのため、この場合、制御部２０４は、洗濯機本体２による洗い時間を長くする。

また、制御部２０４は、第１の洗濯時から第２の洗濯時までの経過時間において、ドラム４周辺の温度またはドラム４周辺の湿度が検出されている場合、ドラム４周辺の温度またはドラム４周辺の湿度が検出中であることを報知する。

また、制御部２０４は、ドラム４に収容された洗濯物の重量を検出するための第１検出動作を行う。例えば、制御部２０４は、洗濯または乾燥を開始する前（例えば、洗濯機１内に給水する前であり、例えば洗濯機１の動作開始ボタンが押下された直後）に、第１検出動作を行う。第１検出動作は、比較的大きな加速度および比較的大きな減速度でドラム４を回転駆動させる動作であり、定速回転を含まない。

また、制御部２０４は、洗濯状態に対する標準の制御パラメータに基づいて、排水弁１９、給水弁９を制御するとともに、駆動回路２２０を制御することによりドラムモータ８を制御する。これにより、制御部２０４は、ユーザによって指定された洗濯の運転コースに応じた、洗い行程、すすぎ行程、脱水行程からなる洗濯機１の洗濯運転を実行する。また、制御部２０４は、ヒータ５０を制御することにより洗濯水を加熱する加熱行程を含む洗濯機１の洗濯運転を実施することができる。また、制御部２０４は、送風ファン２６やヒートポンプ３１を含む温風供給機構２９を制御することにより乾燥行程を含む洗濯機１の洗濯運転を実施することができる。また、制御部２０４は、送風ファン２６やヒートポンプ３１を含む温風供給機構２９を制御することにより、ドラム４周辺の湿度を低下させることができる。

なお、放置時間の測定中に温度取得装置２０ａまたは湿度取得装置２０ｂの少なくとも一方により温度または湿度の少なくとも一方が検出されている場合、制御部２０４は、経過時間の測定中に、温度取得装置２０ａまたは湿度取得装置２０ｂの少なくとも一方が動作中であることを示す表示を操作パネル１０に表示させるものであってもよい。

記憶部２０５は、制御装置１１が行う処理に必要な種々の情報を記憶する。例えば、記憶部２０５は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量洗濯物の布質に関する検出結果、第１の洗濯時から第２の洗濯時までの経過時間、洗濯の運転コース、洗濯物の重量、洗濯物の布質、ドラム４周辺の温度、ドラム４周辺の湿度などを記憶する。

（学習済みモデル）
ここで、ドラム４周辺の菌の発生に関する状態または水槽３周辺の菌の発生に関する状態の少なくとも一方と、第１種類の菌の発生に関する状態および第２種類の菌の発生に関する状態とをそれぞれ予測するために予測部２０３が用いる学習済みモデルについて説明する。なお、ドラム４周辺の菌の発生に関する状態または水槽３周辺の菌の発生に関する状態の少なくとも一方を予測するために予測部２０３が用いる学習済みモデルを第１学習済みモデルとする。また、第１種類の菌の発生に関する状態および第２種類の菌の発生に関する状態を予測するために予測部２０３が用いる学習済みモデルを第２学習済みモデルとする。なお、以下の説明では、パラメータの決定の仕方を容易に理解できるように、第１学習済みモデルの一具体例としてドラム４周辺の菌の発生に関する状態のみを予測する第１学習済みモデルを挙げている。ただし、ドラム４周辺の菌の発生に関する状態または水槽３周辺の菌の発生に関する状態の少なくとも一方を予測する第１学習済みモデルのパラメータを決定する場合であっても、出力データをドラム４周辺の菌の発生に関する状態から水槽３周辺の菌の発生に関する状態に変更する、または、出力データをドラム４周辺の菌の発生に関する状態からドラム４周辺の菌の発生に関する状態および水槽３周辺の菌の発生に関する状態に変更すればよい。

（第１学習済みモデル）
まず、第１学習済みモデルについて説明する。なお、予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、またはユーザの過去の洗濯機１の清掃情報の少なくとも１つに基づいて、ドラム４周辺の菌の発生に関する状態または水槽３周辺の菌の発生に関する状態の少なくとも一方を予測するものである。ここでは、予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、およびユーザの過去の洗濯機１の清掃情報のすべてに基づいて、ドラム４周辺の菌の発生に関する状態を予測する場合の学習済みモデルについて説明する。第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報としては、制御部２０４による制御の下、自動投入装置７が前回の洗濯において給水経路を介してドラム４に投入した洗剤量と、柔軟剤量と、漂白剤量とを用いるものとする。また、第１の洗濯時から第２の洗濯時までの経過時間としては、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間を用いるものとする。また、経過時間におけるドラム４周辺の温度としては、経過時間中に温度取得装置２０ａが取得した温度の履歴を用いるものとする。また、経過時間におけるドラム４周辺の湿度としては、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を用いるものとする。また、ユーザの過去の洗濯機１の清掃情報としては、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングから今回の洗濯運転の開始までの経過時間を用いるものとする。また、ドラム４周辺の菌の発生に関する状態としては、カビが発生しておりカビが増殖する可能性もある、カビが発生しているがカビが増殖する可能性はない、カビは発生していないが後にカビが発生する可能性がある、カビは発生しておらず後にカビが発生する可能性もない、の４つを用いるものとする。また、ドラム４周辺の菌の発生に関する状態としては、カビが発生している場合にはその発生量も含めるものとする。なお、カビの発生量は、絶対量であってもよいし、例えば、絶対量の範囲として複数段階に区別された発生の程度であってもよい。

この場合、前回の洗濯においてドラム４に投入した洗剤量、柔軟剤量、漂白剤量のそれぞれを示すデータと、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間を示すデータと、経過時間中に温度取得装置２０ａが取得した温度の履歴を示すデータと、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を示すデータと、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングから今回の洗濯運転の開始までの経過時間とを組み合わせた１組のデータが入力データの１つとなる。また、その組み合わせに対するドラム４周辺の菌の発生に関する状態（すなわち、カビが発生しておりカビが増殖する可能性もある、カビが発生しているがカビが増殖する可能性はない、カビは発生していないが後にカビが発生する可能性がある、カビは発生しておらず後にカビが発生する可能性もない、の何れか１つ）が出力データの１つとなる。そして、入力データとその入力データに対応する出力データとの組み合わせが教師データの１つとなる。例えば、洗濯機１の出荷前に、過去の洗濯の実績や洗濯の実験などを行うことにより、前回の洗濯においてドラム４に投入した洗剤量、柔軟剤量、漂白剤量のそれぞれを示すデータと、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間を示すデータと、経過時間中に温度取得装置２０ａが取得した温度の履歴を示すデータと、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を示すデータと、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングから今回の洗濯運転の開始までの経過時間を示すデータとの様々な組み合わせの入力データのそれぞれについて、出力データ（すなわち、カビが発生しておりカビが増殖する可能性もある、カビが発生しているがカビが増殖する可能性はない、カビは発生していないが後にカビが発生する可能性がある、カビは発生しておらず後にカビが発生する可能性もない、の何れか１つ）を特定する。なお、カビが発生している場合にはその発生量の情報を付与する。このように、入力データと出力データとを組み合わせた複数のデータから成る教師データを用意することができる。なお、教師データとは、パラメータの値が決定されていない学習モデルにおいて、パラメータの値を決定するために使用されるデータである。

図５は、教師データの一例を示す図である。前回の洗濯においてドラム４に投入した洗剤量、柔軟剤量、漂白剤量のそれぞれを示すデータと、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間を示すデータと、経過時間中に温度取得装置２０ａが取得した温度の履歴を示すデータと、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を示すデータと、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングから今回の洗濯運転の開始までの経過時間を示すデータとを組み合わせた入力データと、その入力データに対する出力データ（すなわち、カビが発生しておりカビが増殖する可能性もある、カビが発生しているがカビが増殖する可能性はない、カビは発生していないが後にカビが発生する可能性がある、カビは発生しておらず後にカビが発生する可能性もない、の何れか１つ）とが１組のデータとなる。図５に示す例では、教師データは、１００００組のデータを含む。

例えば、図５に示す１００００組のデータから成る教師データを用いて学習モデルにおけるパラメータを決定する場合を考える。この場合、教師データは、例えば、訓練データと、評価データと、テストデータとに分けられる。訓練データと、評価データと、テストデータとの割合の例としては、７０％、１５％、１５％や９５％、２．５％、２．５％などが挙げられる。例えば、データ＃１～＃１００００の教師データが、訓練データとしてデータ＃１～＃７０００、評価データとしてデータ＃７００１～＃８５００、テストデータ１５％としてデータ＃８５０１～＃１００００に分けられたとする。この場合、訓練データであるデータ＃１を学習モデルであるニューラルネットワークに入力する。ニューラルネットワークは、ドラム４周辺の菌の発生に関する状態（すなわち、カビが発生しておりカビが増殖する可能性もある、カビが発生しているがカビが増殖する可能性はない、カビは発生していないが後にカビが発生する可能性がある、カビは発生しておらず後にカビが発生する可能性もない、の何れか１つ）を出力する。なお、ニューラルネットワークは、カビが発生していると推定した場合にはその発生量も出力する。訓練データの入力データがニューラルネットワークに入力され、ドラム４周辺の菌の発生に関する状態がニューラルネットワークから出力される度に（この場合、データ＃１～＃７０００のそれぞれのデータがニューラルネットワークに入力される度に）、その出力に応じて例えばバックプロパゲーションを行うことにより、ノード間のデータの結合の重み付けを示すパラメータを変更する（すなわち、ニューラルネットワークのモデルを変更する）。このように、訓練データをニューラルネットワークに入力してパラメータを調整する。

次に、訓練データによってパラメータが変更されたニューラルネットワークに、評価データの入力データ（データ＃７００１～＃８５００）を順に入力する。ニューラルネットワークは、入力された評価データに応じたドラム４周辺の菌の発生に関する状態を出力する。ここで、ニューラルネットワークが出力するデータが、図５において入力データに関連付けられている出力データと異なる場合、ニューラルネットワークの出力が図５において入力データに関連付けられている出力データとなるようにパラメータを変更する。このように、パラメータが決定されたニューラルネットワーク（すなわち、学習モデル）が、第１学習済みモデルである。

次に、最終確認として、第１学習済みモデルのニューラルネットワークに、テストデータ（データ＃８５０１～＃１００００）の入力データを順に入力する。学習済みモデルのニューラルネットワークは、入力されたテストデータに応じたドラム４周辺の菌の発生に関する状態を出力する。すべてのテストデータに対して、学習済みモデルのニューラルネットワークが出力するドラム４周辺の菌の発生に関する状態が、図５において入力データに関連付けられているドラム４周辺の菌の発生に関する状態と一致する場合、第１学習済みモデルのニューラルネットワークが所望のモデルである。また、テストデータのうちの１つでも、第１学習済みモデルのニューラルネットワークが出力するドラム４周辺の菌の発生に関する状態が、図５において入力データに関連付けられているドラム４周辺の菌の発生に関する状態と一致しない場合、新たな教師データを用いて学習モデルのパラメータを決定する。上述の学習モデルのパラメータの決定は、所望のパラメータを有する第１学習済みモデルが得られるまで繰り返される。所望のパラメータを有する第１学習済みモデルが得られた場合、その第１学習済みモデルが記憶部２０５に記録される。

（第２学習済みモデル）
次に、第２学習済みモデルについて説明する。なお、予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度に基づいて、第１種類の菌の発生に関する状態と、第２種類の菌の発生に関する状態とをそれぞれ予測するものである。第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報としては、制御部２０４による制御の下、自動投入装置７が前回の洗濯において給水経路を介してドラム４に投入した洗剤量と、柔軟剤量と、漂白剤量とを用いるものとする。また、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度としては、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間中に温度取得装置２０ａが取得した温度の履歴を用いるものとする。また、第１種類の菌の発生に関する状態としては、第１種類の菌が繁殖できる状態と、第１種類の菌が繁殖できない状態とを用いるものとする。また、第２種類の菌の発生に関する状態としては、第２種類の菌が繁殖できる状態と、第２種類の菌が繁殖できない状態とを用いるものとする。つまり、第２学習済みモデルは、第１学習済みモデルが出力する菌が発生しているまたは菌が発生する可能性があるその菌がどの種類の菌であるかを特定するためのモデルである。

この場合、前回の洗濯においてドラム４に投入した洗剤量、柔軟剤量、漂白剤量のそれぞれを示すデータと、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間中に温度取得装置２０ａが取得した温度の履歴を示すデータと、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を示すデータとを組み合わせた１組のデータが入力データの１つとなる。また、その組み合わせに対する第１種類の菌の発生に関する状態（すなわち、第１種類の菌が繁殖できる状態、または第１種類の菌が繁殖できない状態）と、その組み合わせに対する第２種類の菌の発生に関する状態（すなわち、第２種類の菌が繁殖できる状態、または第２種類の菌が繁殖できない状態）とを組み合わせた状態が出力データの１つとなる。そして、入力データとその入力データに対応する出力データとの組み合わせが教師データの１つとなる。例えば、洗濯機１の出荷前に、過去の洗濯の実績や洗濯の実験などを行うことにより、前回の洗濯においてドラム４に投入した洗剤量、柔軟剤量、漂白剤量のそれぞれを示すデータと、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間中に温度取得装置２０ａが取得した温度の履歴を示すデータと、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を示すデータとの様々な組み合わせの入力データのそれぞれについて、出力データ（すなわち、第１種類の菌が繁殖できる状態または第１種類の菌が繁殖できない状態と、第２種類の菌が繁殖できる状態または第２種類の菌が繁殖できない状態とを組み合わせた状態）を特定する。このことにより、入力データと出力データとを組み合わせた複数のデータから成る教師データを用意することができる。なお、教師データとは、パラメータの値が決定されていない学習モデルにおいて、パラメータの値を決定するために使用されるデータである。

図６は、菌の種類の一例を示す図である。図６では、菌としてクラドスポリウム、アルタナリア、ぺニシリウム、アスペルギウス、ユーロチウム、ワレメアが示されている。クラドスポリウムとアルタナリアは、高い湿度を好むカビである。ユーロチウムとワレメアは低い湿度（すなわち、乾燥）を好むカビである。ぺニシリウムとアスペルギウスは、それらの間の湿度を好むカビである。また、これらのカビの中では、アスペルギウスは高温を好む。クラドスポリウムは低温を好む。アルタナリア、ぺニシリウム、ユーロチウム、ワレメアは、それらの間の温度を好む。そして、これらのカビを取り除くには、クラドスポリウムには、乾燥、熱、薬剤が有効である。なお、ここでの薬剤とは、それぞれの洗濯機１に推奨されるカビを除去するための薬剤である。薬剤は、例えば、洗濯機１の衣類専用の塩素系漂白剤である。アルタナリアには、乾燥、熱が有効である。ぺニシリウム、ユーロチウム、ワレメアには、熱、薬剤が有効である。アスペルギウスには、薬剤が有効である。このように、菌ごとに好みの生育環境があり、その菌を除去するための対処方法が定まっている。上述した第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態は、菌ごとの好みの生育環境などの事実を根拠に特定されるものである。

図７は、教師データの一例を示す図である。前回の洗濯においてドラム４に投入した洗剤量、柔軟剤量、漂白剤量のそれぞれを示すデータと、前回の洗濯運転の終了から今回の洗濯運転の開始までの経過時間中に温度取得装置２０ａが取得した温度の履歴を示すデータと、経過時間中に湿度取得装置２０ｂが取得した湿度の履歴を示すデータと、を組み合わせた入力データと、その入力データに対する出力データ（すなわち、第１種類の菌が繁殖できる状態または第１種類の菌が繁殖できない状態と、第２種類の菌が繁殖できる状態または第２種類の菌が繁殖できない状態とを組み合わせた状態）とが１組のデータとなる。図７に示す例では、教師データは、１００００組のデータを含む。

例えば、図７に示す１００００組のデータから成る教師データを用いて学習モデルにおけるパラメータを決定する場合を考える。この場合、教師データは、例えば、訓練データと、評価データと、テストデータとに分けられる。訓練データと、評価データと、テストデータとの割合の例としては、７０％、１５％、１５％や９５％、２．５％、２．５％などが挙げられる。例えば、データ＃１～＃１００００の教師データが、訓練データとしてデータ＃１～＃７０００、評価データとしてデータ＃７００１～＃８５００、テストデータ１５％としてデータ＃８５０１～＃１００００に分けられたとする。この場合、訓練データであるデータ＃１を学習モデルであるニューラルネットワークに入力する。ニューラルネットワークは、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態（すなわち、第１種類の菌が繁殖できる状態または第１種類の菌が繁殖できない状態と、第２種類の菌が繁殖できる状態または第２種類の菌が繁殖できない状態とを組み合わせた状態）を出力する。訓練データの入力データがニューラルネットワークに入力され、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態がニューラルネットワークから出力される度に（この場合、データ＃１～＃７０００のそれぞれのデータがニューラルネットワークに入力される度に）、その出力に応じて例えばバックプロパゲーションを行うことにより、ノード間のデータの結合の重み付けを示すパラメータを変更する（すなわち、ニューラルネットワークのモデルを変更する）。このように、訓練データをニューラルネットワークに入力してパラメータを調整する。

次に、訓練データによってパラメータが変更されたニューラルネットワークに、評価データの入力データ（データ＃７００１～＃８５００）を順に入力する。ニューラルネットワークは、入力された評価データに応じた第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を出力する。ここで、ニューラルネットワークが出力するデータが、図７において入力データに関連付けられている出力データと異なる場合、ニューラルネットワークの出力が図７において入力データに関連付けられている出力データとなるようにパラメータを変更する。このように、パラメータが決定されたニューラルネットワーク（すなわち、学習モデル）が、第２学習済みモデルである。

次に、最終確認として、第２学習済みモデルのニューラルネットワークに、テストデータ（データ＃８５０１～＃１００００）の入力データを順に入力する。学習済みモデルのニューラルネットワークは、入力されたテストデータに応じた第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を出力する。すべてのテストデータに対して、学習済みモデルのニューラルネットワークが出力する第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態が、図７において入力データに関連付けられている第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態と一致する場合、第２学習済みモデルのニューラルネットワークが所望のモデルである。また、テストデータのうちの１つでも、第２学習済みモデルのニューラルネットワークが出力する第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態が、図７において入力データに関連付けられている第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態と一致しない場合、新たな教師データを用いて学習モデルのパラメータを決定する。上述の学習モデルのパラメータの決定は、所望のパラメータを有する第２学習済みモデルが得られるまで繰り返される。所望のパラメータを有する第２学習済みモデルが得られた場合、その第２学習済みモデルが記憶部２０５に記録される。なお、上述のようにパラメータが決定された第１学習済みモデルと第２学習済みモデルは、一部共通の入力データを入力する。そのため、第１学習済みモデルと第２学習済みモデルの共通の入力データを入力する端子を互いに接続し、接続した端子から共通の入力データを入力するものであってもよい。

（洗濯機が行う処理）
次に、一実施形態の洗濯機１が行う処理について説明する。図８は、一実施形態の洗濯機１の処理フローの一例を示す図である。ここでは、図８を参照して洗濯機１の処理を説明する。なお、予測部２０３は、ドラム４周辺の菌の発生に関する状態または水槽３周辺の菌の発生に関する状態の少なくとも一方を予測するものである。ただし、ここでは、その一例として、予測部２０３は、ドラム４周辺の菌の発生に関する状態を予測するものとし、その予測に上述したドラム４周辺の菌の発生に関する状態を予測する第１学習済みモデルを用いるものとする。また、予測部２０３は、第１種類の菌の発生に関する状態および第２種類の菌の発生に関する状態の予測に、上述した第２学習済みモデルを用いるものとする。また、制御部２０４は、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングからの経過時間を測定しているものとする。また、制御部２０４により、前回の洗濯において自動投入装置７が給水経路を介してドラム４に投入した洗濯処理剤の量が記憶部２０５に記録されているものとする。なお、制御部２０４が自動投入装置７を制御しているため、自動投入装置７が給水経路を介してドラム４に投入した洗濯処理剤の量（すなわち、洗剤量、柔軟剤量、漂白剤量）は、その挿入時の制御信号から換算することができる。

洗濯機１は、洗濯の運転を終了する（ステップＳ１）。制御部２０４は、第１の洗濯の終了時であるステップＳ１の処理のタイミングから経過時間を測定し、経過時間中の所定のタイミングに（例えば、５分に１度の時間間隔で）温度取得装置２０ａからドラム４周辺の温度を取得し、湿度取得装置２０ｂからドラム４周辺の湿度を取得する（ステップＳ２）。制御部２０４は、温度および湿度を取得する度に、取得した温度および湿度と経過時間とを関連付けて記憶部２０５に記録する。制御部２０４は、受付部２０１がユーザによる操作を受け付けたか否かを判定する（ステップＳ３）。制御部２０４は、受付部２０１から操作パネル１０に対して行う操作に応じた信号を受信しない場合、受付部２０１がユーザによる操作を受け付けていないと判定し（ステップＳ３においてＮＯ）、ステップＳ２の処理に戻す。また、制御部２０４は、受付部２０１から操作パネル１０に対して行う操作に応じた信号を受信した場合、受付部２０１がユーザによる操作を受け付けたと判定し、ステップＳ１の処理のタイミングからの経過時間と、取得した温度および湿度の履歴と、洗濯機１についてカビなどの菌を除去する清掃が最後に行われたタイミングからの経過時間とを確定する（ステップＳ４）。

予測部２０３は、第１学習済みモデルおよび第２学習済みモデルを用いて、ドラム４周辺の菌の発生に関する状態、および、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を推定する（ステップＳ５）。例えば、予測部２０３は、確定した２つの経過時間、温度の履歴、湿度の履歴、および前回の洗濯において自動投入装置７が給水経路を介してドラム４に投入した洗濯処理剤の量のデータを、第１学習済みモデルに入力し、温度の履歴、湿度の履歴、および前回の洗濯において自動投入装置７が給水経路を介してドラム４に投入した洗濯処理剤の量のデータを、第２学習済みモデルに入力する。すると、第１学習済みモデルは、入力されたデータに応じてドラム４周辺の菌の発生に関する状態を出力し、第２学習済みモデルは、入力されたデータに応じて、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を出力する。例えば、第１学習済みモデルは、洗剤量１、柔軟剤量１、漂白剤量１、時間１ａ、時間１ｂ、温度履歴１、湿度履歴１から成るデータ＃１が入力されると、その入力データに応じて、カビが発生しておりカビが増殖する可能性もあることを出力する。また、第２学習済みモデルは、洗剤量１、柔軟剤量１、漂白剤量１、温度履歴１、湿度履歴１から成るデータ＃１が入力されると、その入力データに応じて、第１種類の菌が繁殖できない状態であり、第２種類の菌が繁殖できる状態であることを出力する。なお、第１学習モデルは、カビが発生していると推定した場合、そのカビの発生量も推定する。

制御部２０４は、予測部２０３が予測した菌の発生に関する状態、および、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態に基づいて、洗濯機本体２を制御するまたは所定の提案をユーザに報知する（ステップＳ６）。

例えば、予測部２０３が、菌が発生していると推定した場合、制御部２０４は、ドラム４を洗浄する槽クリーンコースをおすすめする表示を操作パネル１０に表示させる。図９は、操作パネル１０の表示の一例を示す図である。制御部２０４が操作パネル１０に表示させる槽クリーンコースをおすすめする表示は、例えば、図９のように、槽クリーンコースをおすすめするとともに、槽クリーンコースの実行に進めるための選択ボタンと、受付部２０１に対してユーザが行った操作に対応する処理に戻す選択ボタンとを表示するものである。

制御部２０４は、ユーザが、操作パネル１０が表示する槽クリーンコースの実行に進めるための選択ボタンにタッチするか、受付部２０１に対してユーザが行った操作に対応する処理に戻す選択ボタンにタッチするかを判定する（ステップＳ７）。制御部２０４は、ユーザが選択ボタンにタッチしたときに発生する信号の違いにより、この判定を行う。

ユーザが、槽クリーンコースの実行に進めるための選択ボタンにタッチしたと制御部２０４が判定し、例えば、予測部２０３が、洗濯処理剤の量に関する情報、ドラム４周辺の温度、およびドラム４周辺の湿度に基づいて、第１種類の菌の発生に関する状態と、第２種類の菌の発生に関する状態とをそれぞれ予測した場合、制御部２０４は、予測部２０３により予測されたドラム４周辺に発生する菌の種類に応じて異なる、洗濯機本体２の制御または所定の提案の報知を実行する（ステップＳ８）。具体的には、制御部２０４は、予測部２０３により予測されたドラム４周辺に発生する菌の種類が熱に弱い菌である場合に、第２の洗濯である今回またはそれ以降の洗濯時において、ヒータ５０により洗濯水を加熱する、またはヒータ５０により洗濯水を加熱することの提案をユーザに報知する。また、具体的には、制御部２０４は、予測部２０３により予測されたドラム４周辺に発生する菌の種類が乾燥に弱い菌である場合に、第２の洗濯時またはそれ以降の洗濯時において、温風供給機構２９によりドラム４周辺の湿度を低下させる、または温風供給機構２９によりドラム４周辺の湿度を低下させることの提案をユーザに報知する。図１０は、操作パネル１０の表示の一例を示す図である。例えば、ユーザが、図９に示した操作パネル１０による表示において、槽クリーンコースの実行に進めるための選択ボタンにタッチしたとする。この場合、例えば、制御部２０４は、図１０に示すように、乾燥を促す表示を行う。なお、予測部２０３により菌が熱に弱いと推定された場合、制御部２０４は、図１０に示すように、操作パネル１０に加熱を選択可能にするチェック欄を表示させる。また、予測部２０３により菌が薬剤に弱いと推定された場合、制御部２０４は、図１０に示すように、薬剤の投入を促す表示を操作パネル１０に表示させる。制御部２０４は、ユーザが選択した内容で洗濯機本体２を制御して、ドラム４を洗浄する。そして、制御部２０４は、処理を終了する。

また、制御部２０４は、ユーザが、受付部２０１に対してユーザが行った操作に対応する処理に戻す洗濯ボタンにタッチしたと判定した場合には、その操作に対応する処理（例えば図１１に示す標準の洗濯運転コースの処理）を行うための表示を操作パネル１０に表示させる。そして、制御部２０４は、予測部２０３による推定内容に基づく制御または提案を報知する（ステップＳ９）。例えば、予測部２０３がカビは発生しておらず後にカビが発生する可能性もないと判定した場合、制御部２０４は、洗濯機本体２の制御内容を変更せずに、洗濯コースの処理を実行する。また、例えば、予測部２０３が、菌の発生に関する状態として菌の発生量を予測した場合、制御部２０４は、予測部２０３が予測した菌の発生量に基づいて、洗濯機本体２による洗い時間を制御する。具体的には、例えば、予測部２０３が予測した菌の発生に関する状態に基づいて洗濯機本体２に所定の動作をさせる提案をユーザに報知し、複数回の報知に対して所定の動作をさせることを指示するユーザの操作が受付部２０１により受け付けられない場合、菌の発生量が多いことが考えられる。そのため、制御部２０４は、洗濯機本体２による洗い時間を長くする。この場合、制御部２０４は、予測部２０３が予測した内容に基づき、必要に応じてユーザが選択した内容と異なる制御内容で洗濯機本体２を制御して、洗濯を実行する。そして、制御部２０４は、処理を終了する。

（利点）
以上、一実施形態の洗濯機１（洗濯システムの一例）について説明した。洗濯機１において、洗濯機本体２は、ドラム４と、ドラム４を回転させるドラムモータ８とを有する。予測部２０３は、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度に基づいて、ドラム４周辺の菌の発生に関する状態を予測する。制御部２０４は、予測部２０３が予測した菌の発生に関する状態に基づいて、洗濯機本体２を制御するまたは所定の提案をユーザに報知する。

こうすることにより、洗濯機１は、カビなどの菌の発生状態を推定することができ、その推定結果に応じた適切な制御や報知を行うことができる。その結果、洗濯機１は、ドラム４または水槽３の少なくとも一方におけるカビなどの菌の発生を抑制することができる。

（実施形態の第１変形例）
上記の一実施形態では、予測部２０３が第１学習済みモデルを用いてドラム４周辺の菌の発生に関する状態を予測するものとして説明した。しかしながら、予測部２０３は、第１学習済みモデルを用いず、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、またはユーザの過去の洗濯機１の清掃情報の少なくとも１つに基づいて、ドラム４周辺の菌の発生に関する状態を予測するものであってもよい。

例えば、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、またはユーザの過去の洗濯機１の清掃情報のそれぞれと、ドラム４周辺の菌の発生に関する状態との対応関係を予め実験などを行い特定する。そして、特定した対応関係を例えば記憶部２０５が記憶しておく。予測部２０３は、実際の運転時に得られた第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、またはユーザの過去の洗濯機１の清掃情報を、記憶部２０５が記憶する対応関係において特定する。そして、予測部２０３は、対応関係において特定した第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間、その経過時間におけるドラム４周辺の温度、その経過時間におけるドラム４周辺の湿度、またはユーザの過去の洗濯機１の清掃情報に関連付けられているドラム４周辺の菌の発生に関する状態を予測結果とすればよい。

（利点）
以上、一実施形態の第１変形例の洗濯機１（洗濯システムの一例）について説明した。この洗濯機１でも、第１実施形態の洗濯機１と同様に、カビなどの菌の発生状態を推定することができ、その推定結果に応じた適切な制御や報知を行うことができる。その結果、洗濯機１は、ドラム４または水槽３の少なくとも一方におけるカビなどの菌の発生を抑制することができる。

（実施形態の第２変形例）
上記の一実施形態では、予測部２０３が第２学習済みモデルを用いて第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を推定するものとして説明した。しかしながら、予測部２０３は、第２学習済みモデルを用いず、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度に基づいて、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を予測するものであってもよい。

例えば、予め実験などを行うことにより、第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度と、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態との対応関係を特定する。そして、特定した対応関係を例えば記憶部２０５が記憶しておく。予測部２０３は、実際の運転時に得られた第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度を、記憶部２０５が記憶する対応関係において特定する。そして、予測部２０３は、対応関係において特定した第１の洗濯時に洗濯機本体２に投入された洗濯処理剤の量に関する情報、第１の洗濯時から第２の洗濯時までの経過時間におけるドラム４周辺の温度、およびその経過時間におけるドラム４周辺の湿度に関連付けられている第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を予測結果とすればよい。

（利点）
以上、第１実施形態の第２変形例の洗濯機１（洗濯システムの一例）について説明した。この洗濯機１でも、第１実施形態の洗濯機１と同様に、第１種類の菌の発生に関する状態と第２種類の菌の発生に関する状態とを組み合わせた状態を推定することができ、その推定結果に応じた適切な制御や報知を行うことができる。制御部２０４は、その推定結果に応じた制御または報知を行う。その結果、洗濯機１は、ドラム４または水槽３の少なくとも一方におけるカビなどの菌の発生を抑制することができる。

（実施形態の第３変形例）
実施形態の第３変形例の洗濯機１は、予測部２０３が予測する場合の入力データとして、洗濯水における皮脂量を考慮するものであってもよい。

図１２は、実施形態の第３変形例による洗濯機１の構成の一部の一例を示す図である。洗濯機１は、汚れセンサ５２を備える。汚れセンサ５２は、洗濯中の水の汚れを検出する。例えば、汚れセンサ５２は、洗濯中の水の電気伝導度を測定する。なお、この電気伝導度は水の汚れの程度に応じて変化する。また、予め、洗濯や洗濯を模した実験などにより、皮脂が含まれた水について、電気伝導度と単位水量当たりの皮脂量との対応関係を特定し、記憶しておく。そして、実際の洗濯中に汚れセンサ５２により電気伝導度を測定する。測定した電気伝導度に相当する電気伝導度を記憶している対応関係において特定し、特定した電気伝導度と関連付けられている単位水量当たりの皮脂量を特定する。特定した単位水量当たりの皮脂量に洗濯における給水量を乗算することにより、その洗濯における皮脂量（皮脂による汚れの程度の一例）を特定することができる。

また、例えば、汚れセンサ５２は、発光部と受光部とを備え、発光部から洗濯中の水に光を照射し、その光の透過光を受光部で測定する。発光部から水に照射された光の強度と受光部で受光した光の強度とから洗濯中の水における光の透過率を特定することができる。なお、受光部で受光した光の強度は水の汚れの程度に応じて変化する。よって、予め、洗濯や洗濯を模した実験などにより、透過率と単位水量当たりの皮脂量や泥量との対応関係を特定し、記憶しておく。実際の洗濯において汚れセンサ５２により透過率を特定し、特定した透過率に相当する透過率を記憶している対応関係において特定し、特定した透過率に関連付けられている単位水量当たりの皮脂量や泥量を特定する。そして、特定した単位水量当たりの皮脂量や泥量に洗濯における給水量を乗算することにより、その洗濯における皮脂量（皮脂による汚れの程度の一例）や泥量（泥による汚れの程度の一例）を特定することができる。なお、洗濯中の水の濁りは、洗い行程の初期では泥汚れによるものが支配的である。また、洗い行程が進むにつれて皮脂汚れにより水が白濁する。つまり、泥は皮脂に比べて早期に水に溶ける性質を有する。そのため、汚れセンサ５２が測定する水の透過光から皮脂や泥による汚れの程度を特定する場合、洗い行程の初期に泥量を特定することができ、洗い行程が進んでから皮脂量を特定することができるようになる。なお、この方法により、洗濯水として風呂水を使用するときにも皮脂量を特定することができる。予測部２０３は、皮脂量を入力データとして、例えば、第１学習済みモデルのパラメータや第２学習済みモデルのパラメータに反映させればよい。

（利点）
以上、実施形態の第３変形例の洗濯機１（洗濯システムの一例）について説明した。皮脂量を入力データとして第１学習済みモデルのパラメータや第２学習済みモデルのパラメータに反映させることにより、予測部２０３による予測精度を向上させることができる。

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。例えば、上述の実施形態では、ドラム式の洗濯機１について、具体例を示したが、上述の実施形態で説明した構成や技術は、ドラム式の洗濯機に限定して適用するものではない。上述の実施形態で説明した構成や技術は、ドラム式の洗濯機に加えて縦型の洗濯機に適用することも可能である。

１…洗濯機、２…洗濯機本体、３…水槽、４…ドラム、６…ベローズ、７…自動投入装置、８…ドラムモータ、９…給水弁、１０…操作パネル、１０ａ…表示部、１０ｂ…操作入力部、１１…制御装置、１２…水位センサ、１３…台板、１６…排水ホース、１９…排水弁、２０ａ…温度取得装置、２０ｂ…湿度取得装置、２１…循環ポンプ、２２…送水ホース、２３…噴水ノズル、２６…送風ファン、２９…温風供給機構、３１…ヒートポンプ、３９…温度センサ、４０…電流センサ、４１…室温センサ、４２…水温センサ、４６…排気ダンパ、５０…ヒータ、５１…回転検出装置、５２…汚れセンサ、２０１…受付部、２０２…検出部、２０３…予測部、２０４…制御部、２０５…記憶部、２２０…駆動回路、２２０ａ…整流回路、２２０ｂ…リップル除去回路、２２０ｃ…インバータ。

Claims (8)

1. 水槽と、回転槽と、前記回転槽を回転させる洗濯機モータとを有する洗濯機本体と、
   第１の洗濯時に前記洗濯機本体に投入された洗濯処理剤の量に関する情報、前記第１の洗濯時から第２の洗濯時までの経過時間、前記経過時間における前記回転槽周辺の温度、および前記経過時間における前記回転槽周辺の湿度に基づいて、前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方を予測する予測部と、
   前記予測部が予測した前記菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方に基づいて、前記洗濯機本体を制御するまたは所定の提案をユーザに報知する制御部と、
   を備える洗濯システム。
2. 前記予測部は、
   前記洗濯処理剤の量に関する情報、前記回転槽周辺の温度、および前記回転槽周辺の湿度に基づいて、第１種類の菌の発生に関する状態と、第２種類の菌の発生に関する状態とをそれぞれ予測し、
   前記制御部は、
   前記予測部により予測された前記回転槽周辺に発生する菌の種類または前記水槽周辺に発生する菌の種類の少なくとも一方に応じて異なる、前記洗濯機本体の制御または前記所定の提案の報知を実行する、
   請求項１に記載の洗濯システム。
3. 前記洗濯機本体は、加熱装置を有し、
   前記制御部は、
   前記予測部により予測された前記回転槽周辺に発生する菌の種類または前記水槽周辺に発生する菌の種類の少なくとも一方が熱に弱い菌である場合に、前記第２の洗濯時またはそれ以降の洗濯時において、前記加熱装置により洗濯水を加熱する、または前記加熱装置により洗濯水を加熱することの提案をユーザに報知する、
   請求項２に記載の洗濯システム。
4. 前記洗濯機本体は、乾燥装置を有し、
   前記制御部は、
   前記予測部により予測された前記回転槽周辺に発生する菌の種類または前記水槽周辺に発生する菌の種類の少なくとも一方が乾燥に弱い菌である場合に、前記第２の洗濯時またはそれ以降の洗濯時において、前記乾燥装置により前記回転槽周辺の湿度を低下させる、前記乾燥装置により前記回転槽周辺の湿度を低下させる、前記乾燥装置により前記水槽周辺の湿度を低下させる、または前記水槽周辺の湿度を低下させることの提案をユーザに報知する、
   請求項２または請求項３に記載の洗濯システム。
5. 前記予測部は、
   前記菌の発生に関する状態として前記菌の発生量を予測し、
   前記制御部は、
   前記予測部が予測した前記菌の発生量に基づいて、前記洗濯機本体による洗い時間を制御する、
   請求項１から請求項４の何れか一項に記載の洗濯システム。
6. 前記ユーザの操作を受け付ける受付部を備え、
   前記制御部は、
   前記予測部が予測した前記菌の発生に関する状態に基づいて前記洗濯機本体に所定の動作をさせる提案を前記ユーザに報知し、複数回の前記報知に対して前記所定の動作をさせることを指示する前記ユーザの操作が前記受付部により受け付けられない場合、前記洗濯機本体による洗い時間を長くする、
   請求項１から請求項５の何れか一項に記載の洗濯システム。
7. 前記制御部は、
   前記経過時間において、前記回転槽周辺の温度または前記回転槽周辺の湿度が検出されている場合、前記回転槽周辺の温度または前記回転槽周辺の湿度が検出中であることを報知する、
   請求項１から請求項６の何れか一項に記載の洗濯システム。
8. 前記予測部は、
   前記洗濯処理剤の量、前記経過時間、前記回転槽周辺の温度、および前記回転槽周辺の湿度を入力データとし、前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方を出力データとする教師データを用いてパラメータが決定され、さらに、前記回転槽周辺の洗浄または前記水槽周辺の洗浄の少なくとも一方を前記ユーザが設定したことに基づいて、前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方を予測するモデルを用いて、前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方を予測し、
   前記制御部は、
   前記予測部が前記モデルを用いて予測した前記回転槽周辺の菌の発生に関する状態または前記水槽周辺の菌の発生に関する状態の少なくとも一方に基づいて、前記洗濯機本体を制御するまたは所定の提案をユーザに報知する、
   請求項１から請求項７の何れか一項に記載の洗濯システム。

Images