JP2023051341A - 情報処理システム、方法、およびプログラム - Google Patents

Abstract

【課題】予め定められた定義域から逸脱している運転データから運転状態を予測する精度を向上させる。【解決手段】本開示の一実施形態に係る情報処理システムは、機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムであって、前記制御部は、前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する。【選択図】図１

Description

本開示は、情報処理システム、方法、およびプログラムに関する。

従来、機械学習により生成された予測モデルを用いて、機器の運用時の運転データから該機器の運転状態を予測して、該機器の運転を制御したり、該機器の故障を診断したりすることが知られている（特許文献１）。

特許第６７９１４２９号公報

しかしながら、運用時の運転データが所定の範囲（例えば、予測モデルを生成するために用いられた運転データの範囲）外であると、運転データから運転状態を正確に予測することが困難である。

本開示では、予め定められた定義域から逸脱している運転データから運転状態を予測する精度を向上させることを目的とする。

本開示の第１の態様による情報処理システムは、
機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムであって、
前記制御部は、
前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する。

本開示の第１の態様によれば、予め定められた定義域から逸脱している運転データから運転状態を予測する精度を向上させることができる。

本開示の第２の態様による情報処理システムは、第１の態様に記載の情報処理システムであって、
前記制御部は、
前記機器の過去の運転データと、前記運転データから算出した前記機器の運転状態を判定するための指標値と、を教師データとして供給し、
前記教師データの前記運転データが入力されると前記指標値が出力される前記予測モデルを生成し、
前記機器の運用時の運転データを取得し、
前記運用時の運転データを前記予測モデルに入力して得られた前記指標値の予測値と、前記運用時の運転データから算出した前記指標値の実測値と、を比較して前記機器の運転状態を判定し、前記判定の結果に基づいて前記機器に動作指令を送信し、
前記運用時の運転データが予め定められた定義域から逸脱していることを検知したときに、前記逸脱した運転データを記憶部に記憶させ、
前記逸脱した運転データの検知後に前記定義域に復帰した運転データを前記予測モデルに入力して、前記機器の運転状態が正常か異常かを判定し、
前記機器の運転状態が正常である場合、前記逸脱した運転データが正常であると判定して、前記逸脱した運転データを再学習用の教師データとして前記予測モデルを再学習する。

本開示の第２の態様によれば、正常な運転データのみを用いて予測モデルを生成することができる。

本開示の第３の態様による情報処理システムは、第１の態様または第２の態様に記載の情報処理システムであって、
前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲外である。

本開示の第３の態様によれば、予測モデルの学習済みの学習データの分布範囲外の運転データから運転状態を予測する精度を向上させることができる。

本開示の第４の態様による情報処理システムは、第１の態様または第２の態様に記載の情報処理システムであって、
前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲内の一部の範囲である。

本開示の第４の態様によれば、予測モデルの学習済みの学習データの分布範囲内の一部の範囲の運転データから運転状態を予測する精度を向上させることができる。

本開示の第５の態様による情報処理システムは、第１の態様から第４の態様のいずれかに記載の情報処理システムであって、
前記制御部は、
前記予測モデルが生成された機器とは別の場所に設置された別の機器で取得された、前記逸脱した運転データを用いて再学習する。

本開示の第５の態様によれば、予測モデルが生成された機器とは別の場所に設置された別の機器に適した予測モデルを生成することができる。

本開示の第６の態様による情報処理システムは、第１の態様から第４の態様のいずれかに記載の情報処理システムであって、
複数の機器が同一の予測モデルを共用し、
前記制御部は、
前記複数の機器のそれぞれの機器で取得された、前記逸脱した運転データを用いて再学習する。

本開示の第６の態様によれば、複数の機器のそれぞれの機器に適した予測モデルを生成することができる。

本開示の第７の態様による情報処理システムは、第１の態様から第６の態様のいずれかに記載の情報処理システムであって、
前記機器は、冷凍空調機器である。

本開示の第７の態様によれば、予め定められた定義域から逸脱している冷凍空調機器の運転データから冷凍空調機器の運転状態を予測する精度を向上させることができる。

本開示の第８の態様による情報処理システムは、第７の態様に記載の情報処理システムであって、
前記運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも１つである。

本開示の第８の態様によれば、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも１つが、予め定められた定義域から逸脱しているときに、運転状態を予測する精度を向上させることができる。

本開示の第９の態様による情報処理システムは、第７の態様に記載の情報処理システムであって、
前記運転状態は、前記冷凍空調機器の冷媒の漏洩である。

本開示の第９の態様によれば、予め定められた定義域から逸脱している冷凍空調機器の運転データから冷凍空調機器の冷媒の漏洩を予測する精度を向上させることができる。

本開示の第１０の態様による方法は、
機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部が実行する方法であって、
前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する。

本開示の第１１の態様によるプログラムは、
機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部に、
前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知する手順、
前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定する手順、
前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する手順、を実行させる。

本開示の概略を説明するための図である。 本開示の全体の構成例である。 本開示の概略を別の実施例を用いて説明するための図である。 本開示の一実施形態に係る情報処理システムのハードウェア構成図である。 本開示の一実施形態に係る空気調和システム（冷房運転の場合）のハードウェア構成図である。 本開示の一実施形態に係る空気調和システム（暖房運転の場合）のハードウェア構成図である。 本開示の一実施形態に係る空気調和システム（冷暖同時運転の場合）のハードウェア構成図である。 本開示の一実施形態に係る再学習の処理のフローチャートである。 本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。 本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。 本開示の一実施形態に係る予測モデル生成用の機器と予測モデル再学習用の機器について説明するための図である。 本開示の一実施形態に係る複数の機器による予測モデルの共用について説明するための図である。

以下、図面に基づいて本開示の実施の形態を説明する。

＜用語の説明＞
「運転データ」とは、機器の運転中に取得されうる任意のデータである。例えば、機器（例えば、冷凍空調機器）の運転データを例示すると以下のようである。
・冷凍空調機器内部を循環する冷媒の温度（凝縮器出口温度、圧縮機吸入温度、圧縮機吐出温度等）、圧力（凝縮圧力、蒸発圧力）、循環量等の冷媒状態に関するもの。
・冷媒の温度や圧力データから演算される値（凝縮器出口過冷却度、圧縮機吸入過熱度等）。
・冷媒の状態を制御するアクチュエーターの動作量や制御指令値（膨張弁開度、圧縮機回転数、ファン回転数、圧縮機吸入過熱度目標値等）。
・機器の運転状況に関する時間情報（圧縮機運転時間、デフロスト運転時間等）。
・機器が運転している場所の環境条件（外気温、室温、室内湿度等）。
・機器への入力エネルギーである圧縮機電流、ファン電流等。
・機器の出力である冷凍もしくは空調能力。
本開示で利用する運転データとは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも１つである。
「運転状態」とは、機器の運転を制御したり、機器の故障を診断したりするために用いられる、機器の状態（例えば、機器の運転状態を判定するための指標値）である。例えば、運転状態は、冷媒保有量である。冷媒保有量が規定値であれば正常状態であり、冷媒保有量が規定値以下であればガス欠もしくは漏洩の異常状態である。

＜概略＞
図１は、本開示の概略を説明するための図である。図２の情報処理システム２０および機器３０を引用しながら説明する。

＜＜予測モデルの生成＞＞
事前に、情報処理システム２０（詳細については後段で説明する）は、冷凍空調機器等の機器３０（詳細については後段で説明する）の運転データから運転状態（例えば、正常な運転状態、あるいは、異常な運転状態、あるいは、運転状態が正常であるか異常であるか）を予測する予測モデルを生成する。具体的には、情報処理システム２０は、図１の１１に示す空調機である機器３０の過去の正常な運転データの集合ｘ_０を初期学習用データとして、機械学習により予測モデルを生成する。そして、図１の１２に示すように生成した予測モデルを利用して空調機の冷媒保有量を判定する。初期学習用データ１１は、過去の時刻Ｔ＝ｔｓからｔｅの間に取得された複数の運転データセットである。この例では、各時刻のデータセットは４項目のデータ（ｒｃｐ：圧縮機回転数、Ｔａ：外気温、Ｔｃ：凝縮温度、Ｔｂ：凝縮器出口温度）を含む。また、この例では、冷媒保有量の評価指標として、凝縮温度Ｔｃと凝縮器出口温度Ｔｂの差として定義されるＳＣを計算する。モデル学習では、ｘ_０から直接取得した圧縮機回転数ｒｃｐおよび外気温Ｔａとｘ_０のデータから計算したＳＣの相関関係を学習して予測モデルを生成する。生成された予測モデルは、圧縮機回転数ｒｃｐおよび外気温Ｔａが入力されるとその時のＳＣの予測値であるＳＣ'を出力する。

＜＜予測モデルを用いた冷媒保有量判定＞＞
情報処理システム２０は、図１の１３に示すフローに従って冷媒保有量を判定する。最初に、機器３０の運用時の運転データｘを取得する。ｘは初期学習用データｘ_０と同じデータ構造であり、ｒｃｐ：圧縮機回転数、Ｔａ：外気温、Ｔｃ：凝縮温度、Ｔｂ：凝縮器出口温度を含む。機器３０は、ｒｃｐとＴａを生成した予測モデルに入力し、正常時のＳＣの予測値であるＳＣ'を予測する。また、機器３０は、ＴｃとＴｂの差としてＳＣも計算する。更にＳＣとＳＣ'の差であるΔＳＣを計算する。ΔＳＣは、圧縮機回転数や外気温によるＳＣの変化分を補正し、冷媒保有量の変化だけを表す指標である。従って、機器３０の冷媒保有量が規定量であれば、ΔＳＣはほぼ０となり、冷媒保有量が規定量より減少すると、ΔＳＣは減少し負の値となる。判定において、ΔＳＣが入力されると冷媒保有量判定結果ｙが出力される。ｙは、冷媒保有量の判定結果であり、例えば、保有量が正常値である場合は、「正常」もしくは「０」等のラベルである。例えば、保有量が規定量より少ない場合は、「漏洩」もしくは「１」等のラベルである。

＜＜予め定められた定義域から逸脱している運転データの検知＞＞
機器３０の運用時において、情報処理システム２０は、機器３０の運用時の運転データが予め定められた定義域から逸脱している（ｘ＿ｏｕｔ）か逸脱していない（ｘ＿ｉｎ）かを判定する。例えば、図１の１３－１は、ｘの項目中のＴａが３５℃以上で学習範囲外になる場合のｘ＿ｉｎ とｘ＿ｏｕｔの関係を模式的に表している。情報処理システム２０は、機器３０の運用時の運転データが予め定められた定義域から逸脱していることを検知すると、その運転データ（ｘ＿ｏｕｔ）を記憶させておく。

＜＜予め定められた定義域に復帰した運転データの検知＞＞
その後、情報処理システム２０は、機器３０の運用時の運転データが予め定められた定義域に復帰したことを検知すると、最初に復帰した運転データ（ｘ＿ｉｎｒ）を予測モデルに入力することによって運転状態を判定する。図１の１３－１にｘ＿ｏｕｔとｘ＿ｉｎｒの関係を示す。例えば、情報処理システム２０は、ｘ＿ｉｎｒを予測モデルに入力して出力された運転状態の予測値から算出された判定結果ｙ＿ｉｎｒを記憶する。情報処理システム２０は、予め定められた定義域に復帰した最初の運転データ（ｘ＿ｉｎｒ）に対する判定ｙ＿ｉｎｒが正常であった場合、逸脱時の入力ｘ＿ｏｕｔに対する判定結果ｙ＿ｏｕｔも正常と判断する。ｙ＿ｏｕｔの判定結果が異常であっても、ｙ＿ｉｎｒが正常であれば、判定結果を正常に修正する。ｙ＿ｉｎ、ｙ＿ｏｕｔおよびｙ＿ｉｎｒの関係も図１の１３－１に示す。なお、この事例では、ｘ＿ｏｕｔは、ある時刻の１点のデータであるが、時間的に連続する複数のデータであってもよい。

＜＜再学習＞＞
情報処理システム２０は、運転データが予め定められた定義域に復帰した時の運転状態の判定結果ｙ＿ｉｎｒが正常であると、記憶していたｘ＿ｏｕｔを正常データと判定する。それから、図１の１４に示すように、初期学習用データｘ_０にｘ＿ｏｕｔを追加した再学習用データを作成する。その後、作成した再学習用データを用いて再学習し、予測モデルを更新する。なお、再学習は、ｘ＿ｏｕｔが追加される度に実施してもよく、複数のｘ＿ｏｕｔが追加されるのを待ってから実施してもよい。

なお、上記実施例の予測モデルは、正常な運転データを用いて生成されたモデル（正常な運転状態を予測するモデル）であり、再学習の際、正常な運転データのみを用いる。これ以外にも、予測モデルは、異常な運転データを用いて生成されたモデル（異常な運転状態を予測するモデル）であってもよいし、正常な運転データと異常な運転データ（正常または異常のラベルが付与された運転状態）を用いて生成されたモデル（運転状態が正常であるか異常であるかを予測するモデル）であってもよい。また、再学習の際に異常な運転データのみを用いてもよいし、正常な運転データと異常な運転データ（正常または異常のラベルが付与された運転状態）を用いてもよい。別の実施例として、正常な運転データと異常な運転データを用いる場合について図３を用いて説明する。この事例では、初期学習用データ（図３の１１）は、図１の事例でのｘ_０のデータ項目に正常、異常の判定ラベルであるｙが追加されている。モデル学習のフロー（図３の１２）では、モデル学習で学習データとして運転データ４項目（ｒｃｐ、Ｔａ、Ｔｃ、Ｔｂ）と判定ラベルを使用する。生成された予測モデルは、４項目の運転データを入力として判定結果ｙを出力する。このモデルは、正常か異常を予測するモデルであるため、判定結果ｙには正常もしくは異常のラベルが含まれる。実運用のフロー（図３の１３）において、実運用時の運転データは、図１と同じであり、ｒｃｐ、Ｔａ、Ｔｃ、Ｔｂの４項目である。４項目のデータが予測モデルに直接入力され、予測モデルの出力が判定結果ｙとなるため、状態量計算（ＳＣ算出）、状態量偏差計算（ΔＳＣ算出）および結果判定が省略される。予め定められた定義域を逸脱したデータｘ＿ｏｕｔが入力されると、情報処理システム２０は逸脱を検知し、ｘ＿ｏｕｔとその判定結果ｙ＿ｏｕｔを記憶する。その後、情報処理システム２０は、機器３０の運用時の運転データが予め定められた定義域に復帰したことを検知すると、最初に復帰した運転データｘ＿ｉｎｒに対する判定結果ｙ＿ｉｎｒを記憶する。それから、ｙ＿ｏｕｔの値をｙ＿ｉｎｒの値に変更する。再学習用運転データ作成（図３の１４）では、初期学習用データｘ_０に逸脱した運転データｘ＿ｏｕｔと逸脱時の判定結果ｙ＿ｏｕｔを追加して再学習用運転データを作成する。その後、このデータを用いて再学習を実施する。

＜全体の構成例＞
図２は、本開示の全体の構成例である。情報処理システム２０と機器３０は、任意のネットワークを介して通信可能に接続されている。情報処理システム２０は、機器３０の運転データから機器３０の運転状態を予測する予測モデル、および、制御部（図４の制御部１）を備える。

情報処理システム２０は、機器３０の運用時に、機器３０の運転データを予測モデルに入力することで機器３０の運転状態を判定することができる。例えば、情報処理システム２０は、機器３０の運転データを予測モデルに入力したときに出力される運転状態の予測値（例えば、正常な運転状態の予測値、あるいは、異常な運転状態の予測値）と、機器３０の運転データから算出した運転状態の実測値と、を比較して機器３０の運転状態を判定する。情報処理システム２０は、機器３０の運転状態の判定の結果に基づいて、機器３０に動作指令を送信する。

情報処理システム２０は、予め定められた定義域から逸脱した運用時の運転データを用いて再学習し、予測モデルを更新する。

機器３０は、冷凍空調機器等の任意の機器である。

なお、情報処理システム２０は、機器３０から離れたクラウドサーバ上で実装されてもよいし、機器３０と同一の建物等内に設置されたコンピュータ上で実装されてもよいし、機器３０の一部として実装されてもよい。

＜情報処理システムのハードウェア構成＞
図４は、本開示の一実施形態に係る情報処理システム２０のハードウェア構成図である。

情報処理システム２０は、制御部（例えば、ＣＰＵ（Central Processing Unit））１、ＲＯＭ（Read Only Memory）２、ＲＡＭ（Random Access Memory）３を有する。制御部１、ＲＯＭ２、ＲＡＭ３は、いわゆるコンピュータを形成する。また、情報処理システム２０は、補助記憶装置４、表示装置５、操作装置６、Ｉ／Ｆ（Interface）装置７を有することができる。なお、情報処理システム２０の各ハードウェアは、バス８を介して相互に接続されている。

制御部１は、補助記憶装置４にインストールされている各種プログラムを実行する演算デバイスである。

ＲＯＭ２は、不揮発性メモリである。ＲＯＭ２は、補助記憶装置４にインストールされている各種プログラムを制御部１が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ＲＯＭ２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する、主記憶デバイスとして機能する。

ＲＡＭ３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ３は、補助記憶装置４にインストールされている各種プログラムが制御部１によって実行される際に展開される作業領域を提供する、主記憶デバイスとして機能する。

補助記憶装置４は、各種プログラムや、各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。

表示装置５は、情報処理システム２０の内部状態等を表示する表示デバイスである。

操作装置６は、情報処理システム２０の管理者が情報処理システム２０に対して各種指示を入力する入力デバイスである。

Ｉ／Ｆ装置７は、各種センサやネットワークに接続し、他の端末と通信を行うための通信デバイスである。

以下、図５～図７を参照しながら、機器３０の一例である空気調和システム１００のハードウェア構成を説明する。なお、空気調和システム１００は、ビル用マルチエアコン等のマルチエアコン、チラーを熱源とするセントラル空調システム、店舗・オフィス用エアコン、ルームエアコン等の任意の空気調和システムであってもよいし、冷暖房用途以外のみならず冷蔵・冷凍システムであってもよい。空気調和システム１００は、複数の室内機３００を有することができる。複数の室内機３００は、異なる性能の室内機を含んでいてもよいし、同一の性能の室内機を含んでいてもよいし、停止中の室内機を含んでいてもよい。

＜空気調和システムのハードウェア構成（冷房運転の場合）＞
図５は、本開示の一実施形態に係る空気調和システム（冷房運転の場合）１００のハードウェア構成図である。空気調和システム１００は、室外機２００および１または複数の室内機３００を有する。

図５の例では、室外熱交換器２０１と、室外機主膨張弁２０５と、過冷却熱交換器２０３と、室内熱交換器膨張弁３０２と、四路切替弁２０６と、室内熱交換器３０１と、圧縮機２０２とが、冷媒配管で接続され主冷媒回路を構成している。四路切替弁２０６は、圧縮機２０２の吐出ガスを室外熱交換器２０１に供給するように流路が設定される。図５の例では、さらに、室外熱交換器２０１と過冷却熱交換器２０３との間の配管から圧縮機２０２の吸入側の配管に接続されたバイパス配管に、過冷却熱交換器膨張弁２０４が設けられている。過冷却熱交換器２０３は、室外熱交換器２０１と過冷却熱交換器２０３との間から圧縮機２０２の吸入側の配管に接続されたバイパス配管に設けられた過冷却熱交換器膨張弁２０４を通過した冷媒と主冷媒回路内の冷媒とを熱交換させる熱交換器である。なお、図５のバイパス例は一例である。

＜＜室外機＞＞
室外機２００側では、室外熱交換器２０１と、圧縮機２０２と、過冷却熱交換器２０３と、過冷却熱交換器膨張弁（バイパス回路）２０４と、室外機主膨張弁（主冷媒回路）２０５とが配管に接続されている。室外機２００は、各種センサ（温度センサ（例えば、サーミスタ）（１）、（３）、（４）、（６）、（７）および圧力センサ（２）、（５）など）を有する。

＜＜室内機＞＞
室内機３００側では、室内熱交換器３０１と、室内熱交換器膨張弁３０２とが配管に接続されている。室内機３００は、各種センサ（温度センサ（例えば、サーミスタ）（８）、（９）など）を有する。

＜空気調和システムのハードウェア構成（暖房運転の場合）＞
図６は、本開示の一実施形態に係る空気調和システム（暖房運転の場合）１００のハードウェア構成図である。空気調和システム１００は、室外機２００および１または複数の室内機３００を有する。

図６の例では、室外熱交換器２０１と、圧縮機２０２と、四路切替弁２０６と、室内熱交換器３０１と、室内熱交換器膨張弁３０２と、過冷却熱交換器２０３と、室外機主膨張弁２０５とが、冷媒配管で接続され主冷媒回路を構成している。四路切替弁２０６は、圧縮機２０２の吐出ガスを室内熱交換器３０１に供給するように流路が設定される。

＜＜室外機＞＞
室外機２００側では、室外熱交換器２０１と、圧縮機２０２と、過冷却熱交換器２０３と、過冷却熱交換器膨張弁（バイパス回路）２０４と、室外機主膨張弁（主冷媒回路）２０５とが配管に接続されている。室外機２００は、各種センサ（温度センサ（例えば、サーミスタ）（１）、（３）、（４）、（６）、（７）および圧力センサ（２）、（５）など）を有する。

＜＜室内機＞＞
室内機３００側では、室内熱交換器３０１と、室内熱交換器膨張弁３０２とが配管に接続されている。室内機３００は、各種センサ（温度センサ（例えば、サーミスタ）（８）、（９）など）を有する。

＜空気調和システムのハードウェア構成（冷暖同時運転の場合）＞
本開示は、冷房運転、暖房運転に限らず、冷暖同時運転にも適用することができる。以下、図７を参照しながら、冷暖同時運転について説明する。

図７は、本開示の一実施形態に係る空気調和システム（冷暖同時運転の場合）１００のハードウェア構成図である。空気調和システム１００は、２分割構造の室外熱交換器２０１－１と室外熱交換器２０１－２と、複数の室内機と、が３本の連絡配管で接続されており、冷暖同時運転が可能である。図７では、冷房主体運転の例を示しており、室内機３００－１が暖房モード、室内機３００－２が冷房モードで運転されている。この時、室外熱交換器２０１－１は凝縮器、室外熱交換器２０１－２は蒸発器として機能している。

例えば、機器３０は、冷凍空調機器である。前段で空気調和システムとして説明した空調機器は、室内の冷房や暖房用に使われる。四路切替弁のない冷房専用型、暖房専用型と、四路切替弁を持つ冷暖切替型、冷暖同時運転型の機器が用等に応じて選択される。冷凍機器は、冷凍・冷蔵分野で使われる冷蔵庫や製氷機、スーパーのショーケース、冷凍倉庫、冷凍コンテナ等の製品である。冷凍空調機器は、基本的に冷熱を作って利用する機器であるので四路切替弁はない。冷凍空調機器には、エコノマイザ回路や中間インジェクション回路を有するものもある。エコノマイザや中間インジェクションは高性能化の工夫で基本回路では省略される。

＜方法＞
図８は、本開示の一実施形態に係る再学習の処理のフローチャートである。情報処理システム２０の制御部１は、以下の再学習の処理を実行する。

なお、情報処理システム２０は、機器３０の運転データから機器３０の運転状態（例えば、正常な運転状態、あるいは、異常な運転状態、あるいは、運転状態が正常であるか異常であるか）を予測する予測モデルを備える。予測モデルは、機器３０の過去の運転データ（入力データが"機器３０の過去の運転データ"であり、出力データが"機器３０の過去の運転データから算出した運転状態"である）を用いて生成される。

ステップ１０１（Ｓ１０１）において、情報処理システム２０の制御部１は、機器３０（例えば、冷凍空調機器）の運用時の運転データを取得する。例えば、運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも１つである。

情報処理システム２０の制御部１は、機器３０の運用時の運転データを取得し続け、該運転データを予測モデルに入力することで運転状態（例えば、冷媒の漏洩）を判定することができる。例えば、情報処理システム２０の制御部１は、機器３０の運転データを予測モデルに入力したときに出力される運転状態の予測値（例えば、正常な運転状態の予測値、あるいは、異常な運転状態の予測値）と、機器３０の運転データから算出した運転状態の実測値と、を比較して機器３０の運転状態を判定する。情報処理システム２０の制御部１は、機器３０の運転状態の判定の結果に基づいて、機器３０に動作指令を送信する。

ステップ１０２（Ｓ１０２）において、情報処理システム２０の制御部１は、Ｓ１０１で取得した運転データが予め定められた定義域から逸脱していることを検知する。

ステップ１０３（Ｓ１０３）において、情報処理システム２０の制御部１は、Ｓ１０２で検知した、予め定められた定義域から逸脱していた運転データを記憶部（例えば、情報処理システム２０のメモリ）に記憶させる。

ステップ１０４（Ｓ１０４）において、情報処理システム２０の制御部１は、Ｓ１０３の検知後に、運転データ（情報処理システム２０の制御部１が取得し続けている運転データ）が予め定められた定義域に復帰したことを検知する。

ステップ１０５（Ｓ１０５）において、情報処理システム２０の制御部１は、Ｓ１０４で予め定められた定義域に復帰した運転データを予測モデルに入力することによって運転状態を判定する。

例えば、情報処理システム２０の制御部１は、予め定められた定義域に復帰した運転データを予測モデルに入力して運転状態の予測値を出力させる。また、情報処理システム２０の制御部１は、予め定められた定義域に復帰した運転データから運転状態を算出する。情報処理システム２０は、運転状態の予測値と運転状態の実測値とを比較して、運転データが予め定められた定義域に復帰したときの運転状態が正常であるか異常であるかを判定する。

ステップ１０６（Ｓ１０６）において、情報処理システム２０の制御部１は、予め定められた定義域から逸脱していた運転データを用いて再学習し、予測モデルを更新する。

具体的には、情報処理システム２０の制御部１は、運転データが予め定められた定義域に復帰したときの運転状態が正常であると、予め定められた定義域から逸脱していた運転データが正常であったと判定する。一方、情報処理システム２０の制御部１は、運転データが予め定められた定義域に復帰したときの運転状態が異常であると、予め定められた定義域から逸脱していた運転データが異常であったと判定する。そして、情報処理システム２０は、予め定められた定義域から逸脱していた運転データおよび該運転データから算出した運転状態を用いて（予測モデルを生成するために用いられたデータも用いてもよい）再学習し、予測モデルを更新する。

なお、再学習の際、正常な運転データのみを用いてもよいし、異常な運転データのみを用いてもよいし、正常な運転データと異常な運転データ（正常または異常のラベルが付与された運転状態）を用いてもよい。

＜運転データの例＞
ここで、機器３０の運転データの例を説明する。例えば、運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも１つである。

（例１）
例えば、機器の運転データは、
・凝縮温度
・蒸発温度
・凝縮器出口温度
・蒸発器出口温度
・外気温
・圧縮機２０２の回転数
・過冷却熱交換器の膨張弁２０４の開度
・圧縮機２０２の電流値
のうちの少なくとも１つを含むことができる。

（例２）
例えば、機器の運転データは、上記の運転データ（例１）に加えて、あるいは、上記の運転データ（例１）に代えて、
・室内機膨張弁３０２の開度
・室外機主膨張弁２０５の開度
・運転中もしくは運転待機中の室内機定格能力の合計値
・室内機運転台数
・室内機能力（冷房または暖房）
・室内機吹き出し温度
・室温
・室外機液閉鎖弁接続配管冷媒温度（図５よび図7のサーミスタ（４）が検知する連絡配管液温）
・液連絡配管冷媒温度（室外機２００の外に取り付けられた外付けセンサが検知する室外機２００の外側の連絡配管での計測温度）
・室外機ファン風量
・室内機ファン風量
・室外機ファン回転数（ステップ、タップ）
・室内機ファン回転数（ステップ、タップ）
・室外機ファン電流値
・室内機ファン電流値
・冷媒循環量
・圧縮機２０２の吐出温度
・圧縮機２０２の吸入温度
・圧縮機２０２の吐出過熱度
・圧縮機２０２の吸入過熱度
・過冷却熱交換器２０３の出口過冷却度（過冷却熱交換器回路を有する場合）
・過冷却熱交換器２０３の出口過熱度（ガス管側）（過冷却熱交換器回路を有する場合）
・エコノマイザ出口過冷却度（エコノマイザ回路を有する場合）
・エコノマイザ用膨張弁の開度（エコノマイザ回路を有する場合）
・エコノマイザバイパス側出口圧力（エコノマイザ回路を有する場合）
・中間インジェクション用膨張弁の開度（中間インジェクション回路を有する場合）
・中間インジェクション温度（中間インジェクション回路を有する場合）
・中間インジェクション圧力（中間インジェクション回路を有する場合）
・蒸発器入口水温（熱源側と利用側との少なくとも一方が水冷式の場合）
・蒸発器出口水温（熱源側と利用側との少なくとも一方が水冷式の場合）
・凝縮器入口水温（熱源側と利用側との少なくとも一方が水冷式の場合）
・凝縮器出口水温（熱源側と利用側との少なくとも一方が水冷式の場合）
のうちの少なくとも１つを含むことができる。

（例３）
例えば、正常時の保有冷媒量と強い相関のある冷媒量指標値の予測値を推論するための運転データは、上記の運転データ（例１および例２）に加えて、あるいは、上記の運転データ（例１および例２）に代えて、
・デフロスト回数と、デフロスト時間と、のうちの少なくとも１つを含むことができる。

＜運転状態の例＞
ここで、機器の運転状態の例を説明する。

（例１（冷房運転の場合））
例えば、運転状態は、
・凝縮温度－室外熱交換器２０１の出口温度（以下、室外熱交換器出口過冷却度ともいう。なお、過冷却度は、ＳＣ、サブクールとも呼ばれる）
・圧縮機の吸入過熱度（なお、過熱度は、ＳＨ、スーパーヒートとも呼ばれる）
・圧縮機の吐出過熱度
・室外熱交換器出口過冷却度または圧縮機の吸入過熱度または圧縮機の吐出過熱度に基づく値
のうちの少なくとも１つを含むことができる。

例えば、室外熱交換器出口過冷却度に基づく値は、室外熱交換器出口過冷却度を利用した演算値であり、一例を挙げると、
・室外熱交換器出口過冷却度を利用した演算値＝室外熱交換器出口過冷却度／（凝縮温度－外気温）
である。

例えば、室外熱交換器出口過冷却度に基づく値は、冷凍サイクル線図（Ｔ－Ｓ、Ｐ－ｈ線図）上で室外熱交換器出口過冷却度に関連する部分の冷媒物性値やその演算値から定義した値である。

（例２（冷房運転の場合））
例えば、運転状態は、上記の冷媒量指標値（例１）に加えて、あるいは、上記の冷媒量指標値（例１）の室外熱交換器出口過冷却度に代えて、
・過冷却熱交換器出口過冷却度
・過冷却熱交換器出口過冷却度に基づく値
のうちの少なくとも１つを含むことができる。

（例３（暖房運転の場合））
暖房運転の場合、運転状態は、上記の運転状態（例１および例２）に代えて、
・室内熱交換器出口過冷却度と、室内熱交換器出口過冷却度に基づく値と、のうちの少なくとも１つを含むことができる。室内熱交換器出口過冷却度は、複数の室内熱交換器３０１の過冷却度のうちの少なくとも１つと、複数の室内熱交換器３０１の過冷却度の平均と、複数の室内熱交換器３０１の室内側合流点または室外側合流点での過冷却度とのうちのいずれかである。

（例４（冷暖同時運転の場合））
冷暖同時運転の場合、運転状態は、上記の運転状態（例１と例２との少なくとも一方）に加えて、
・室内熱交換器（図７の暖房室内機３００－１の室内熱交換器３０１）出口過冷却度と室外熱交換器（図７の室外熱交換器（凝縮器）２０１－１）出口過冷却度との組み合わせである。

以下、図９および図１０を参照しながら、予め定められた定義域から逸脱した範囲の例を説明する。

＜例１＞
図９は、本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。本開示の一実施形態では、予め定められた定義域から逸脱した範囲は、予測モデルの学習済みの学習データの分布範囲外である。以下、図９を参照しながら説明する。

図９は、運転データがパラメータ１（例：外気温）とパラメータ２（例：圧縮機回転数）であるときの、運用時の運転データの分布範囲および学習データ（予測モデルを生成するために用いられた運転データ）の分布範囲を示す。例１では、運用時の運転データが学習データの分布範囲外であるときに、再学習用の運転データとして用いられうる。

＜例２＞
図１０は、本開示の一実施形態に係る予め定められた定義域から逸脱した範囲について説明するための図である。本開示の一実施形態では、予め定められた定義域から逸脱した範囲は、予測モデルの学習済みの学習データの分布範囲内の一部の範囲である。以下、図１０を参照しながら説明する。

図１０は、運転データがパラメータ１（例：外気温）とパラメータ２（例：圧縮機回転数）であるときの、運用時の運転データの分布範囲および学習データ（予測モデルを生成するために用いられた運転データ）の分布範囲を示す。例２では、運用時の運転データが学習データの分布範囲内の一部の範囲であっても、例えば元々その運転範囲の学習データ量が不足しているのでデータ数を増やしたい、というような理由があれば再学習用の運転データとして用いられうる。

＜＜予測モデル生成用の機器と予測モデル再学習用の機器＞＞
図１１は、本開示の一実施形態に係る予測モデル生成用の機器と予測モデル再学習用の機器について説明するための図である。本開示の一実施形態では、情報処理システム２０の制御部１は、予測モデルが生成された機器とは別の場所に設置された別の機器（例えば、予測モデルが生成された機器と同一の機種である機器）で取得された、逸脱した運転データを用いて再学習することができる。以下、図１１を参照しながら説明する。

情報処理システム２０の制御部１は、ある場所（図１１では、場所Ａとする）に設置された機器（図１１では、機器Ａとする）で取得された運転データを用いて予測モデルを生成したとする。その後、情報処理システム２０の制御部１は、予測モデルを生成するために用いられた機器（図１１では、機器Ａ）の場所（図１１では、場所Ａ）とは別の場所（図１１では、場所Ｂとする）に設置された別の機器（図１１では、機器Ｂとする）で取得された、予め定められた定義域を逸脱した運転データを用いて再学習することができる。

＜＜複数の機器による予測モデルの共用＞＞
図１２は、本開示の一実施形態に係る複数の機器による予測モデルの共用について説明するための図である。本開示の一実施形態では、複数の機器（例えば、同一の機種である複数の機器）が同一の予測モデルを共用し、情報処理システム２０の制御部１は、複数の機器のそれぞれの機器で取得された、逸脱した運転データを用いて再学習することができる。以下、図１２を参照しながら説明する。

複数の機器（図１２では、機器Ｂ１、機器Ｂ２、機器Ｂ３とする）が同一の予測モデルを共用するとする。情報処理システム２０の制御部１は、複数の機器のそれぞれの機器（図１２では、機器Ｂ１、機器Ｂ２、機器Ｂ３）で取得された、予め定められた定義域を逸脱した運転データを用いて再学習することができる。なお、本開示の一実施形態では、複数の機器（図１２では、機器Ｂ１、機器Ｂ２、機器Ｂ３）は、予測モデルを生成するために用いられた機器の場所とは別の場所に設置される。

以上、実施形態を説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。

１ 制御部
２ ＲＯＭ
３ ＲＡＭ
４ 補助記憶装置
５ 表示装置
６ 操作装置
７ Ｉ／Ｆ装置
８ バス
１１ 初期学習用データ
１２ 予測モデル生成フロー図
１３ 実運用フロー図
１３－１ 定義域内データと定義域を逸脱したデータの関係図
１４ 再学習用データ
２０ 情報処理システム
３０ 機器
１００ 空気調和システム
２００ 室外機
２０１ 室外熱交換器
２０１－１ 室外熱交換器（凝縮器）
２０１－２ 室外熱交換器（蒸発器）
２０２ 圧縮機
２０３ 過冷却熱交換器
２０４ 過冷却熱交換器膨張弁
２０５ 室外機主膨張弁
２０６ 四路切替弁
３００ 室内機
３００－１ 暖房室内機
３００－２ 冷房室内機
３０１ 室内熱交換器
３０２ 室内熱交換器膨張弁

Claims (11)

1. 機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムであって、
   前記制御部は、
   前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
   前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
   前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する、情報処理システム。
2. 前記制御部は、
   前記機器の過去の運転データと、前記運転データから算出した前記機器の運転状態を判定するための指標値と、を教師データとして供給し、
   前記教師データの前記運転データが入力されると前記指標値が出力される前記予測モデルを生成し、
   前記機器の運用時の運転データを取得し、
   前記運用時の運転データを前記予測モデルに入力して得られた前記指標値の予測値と、前記運用時の運転データから算出した前記指標値の実測値と、を比較して前記機器の運転状態を判定し、前記判定の結果に基づいて前記機器に動作指令を送信し、
   前記運用時の運転データが予め定められた定義域から逸脱していることを検知したときに、前記逸脱した運転データを記憶部に記憶させ、
   前記逸脱した運転データの検知後に前記定義域に復帰した運転データを前記予測モデルに入力して、前記機器の運転状態が正常か異常かを判定し、
   前記機器の運転状態が正常である場合、前記逸脱した運転データが正常であると判定して、前記逸脱した運転データを再学習用の教師データとして前記予測モデルを再学習する、
   請求項１に記載の情報処理システム。
3. 前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲外である、請求項１または２に記載の情報処理システム。
4. 前記定義域から逸脱した範囲は、前記予測モデルの学習済みの学習データの分布範囲内の一部の範囲である、請求項１または２に記載の情報処理システム。
5. 前記制御部は、
   前記予測モデルが生成された機器とは別の場所に設置された別の機器で取得された、前記逸脱した運転データを用いて再学習する、請求項１から４のいずれか一項に記載の情報処理システム。
6. 複数の機器が同一の予測モデルを共用し、
   前記制御部は、
   前記複数の機器のそれぞれの機器で取得された、前記逸脱した運転データを用いて再学習する、請求項１から４のいずれか一項に記載の情報処理システム。
7. 前記機器は、冷凍空調機器である、請求項１から６のいずれか一項に記載の情報処理システム。
8. 前記運転データは、凝縮器出口過冷却度、圧縮機吸入温度、圧縮機吐出温度、外気温、室温、冷凍もしくは空調能力、圧縮機回転数のうちの少なくとも１つである、請求項７に記載の情報処理システム。
9. 前記運転状態は、前記冷凍空調機器の冷媒の漏洩である、請求項７に記載の情報処理システム。
10. 機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部が実行する方法であって、
    前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知し、
    前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定し、
    前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する、方法。
11. 機器の運転データから前記機器の運転状態を予測する予測モデル、および、制御部を備えた情報処理システムの前記制御部に、
    前記予測モデルに入力される運用時の運転データが予め定められた定義域から逸脱していることを検知する手順、
    前記運用時の運転データが前記検知後に前記定義域に復帰したときに、前記機器の運転状態を判定する手順、
    前記逸脱した運転データと、前記復帰したときの判定の結果に基づいて作成された前記定義域から逸脱しているときの前記機器の運転状態の判定の結果と、を再学習用の教師データとして前記予測モデルを再学習する手順、を実行させるためのプログラム。

Images