JP2022097969A - 洗濯システム - Google Patents
洗濯システム Download PDFInfo
- Publication number
- JP2022097969A JP2022097969A JP2020211257A JP2020211257A JP2022097969A JP 2022097969 A JP2022097969 A JP 2022097969A JP 2020211257 A JP2020211257 A JP 2020211257A JP 2020211257 A JP2020211257 A JP 2020211257A JP 2022097969 A JP2022097969 A JP 2022097969A
- Authority
- JP
- Japan
- Prior art keywords
- washing
- around
- bacteria
- washing machine
- drum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Control Of Washing Machine And Dryer (AREA)
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。
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。
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。
(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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020211257A JP2022097969A (ja) | 2020-12-21 | 2020-12-21 | 洗濯システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020211257A JP2022097969A (ja) | 2020-12-21 | 2020-12-21 | 洗濯システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022097969A true JP2022097969A (ja) | 2022-07-01 |
Family
ID=82165757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020211257A Pending JP2022097969A (ja) | 2020-12-21 | 2020-12-21 | 洗濯システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022097969A (ja) |
-
2020
- 2020-12-21 JP JP2020211257A patent/JP2022097969A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5152240B2 (ja) | 洗濯機 | |
US8650772B2 (en) | Laundry machine and control method thereof | |
KR100760762B1 (ko) | 건조 세탁기 | |
RU2315140C2 (ru) | Стиральная машина и способ удаления из нее мыльной пены (варианты) | |
EP1657343A1 (en) | Washing machine combined with dryer and controlling method thereof | |
US20090260404A1 (en) | Washing Machine | |
CN109072531B (zh) | 控制洗衣机的方法及洗衣机 | |
JP7244246B2 (ja) | 洗濯機 | |
JP2011200522A (ja) | 洗濯機 | |
JP7282164B2 (ja) | 衣類処理装置及び衣類処理装置の制御方法 | |
JP2011193965A (ja) | 洗濯機 | |
JP2008006179A (ja) | ドラム式洗濯機 | |
JP2011200523A (ja) | 洗濯機 | |
JP6513978B2 (ja) | 洗濯機 | |
JP2011193964A (ja) | 洗濯機 | |
JP2013094503A (ja) | 洗濯機及び洗濯条件決定方法 | |
JP2011010710A (ja) | 衣類乾燥機および洗濯乾燥機 | |
JP2016083105A (ja) | 洗濯機 | |
JP2014100428A (ja) | 洗濯機 | |
JP2014236771A (ja) | 洗濯機 | |
JP2022097969A (ja) | 洗濯システム | |
US10738409B2 (en) | Laundry treating appliance with a sensor | |
KR101139253B1 (ko) | 세탁기 및 그 세탁제어방법 | |
JP2003111998A (ja) | 乾燥機 | |
JP2013090811A (ja) | 洗濯機 |