JP2023077651A - コントローラ、制御方法、および制御プログラム - Google Patents

Abstract

【課題】ワークの製造品質を低下することを抑制しつつ、空調装置の消費電力を削減することが可能な技術を提供する。【解決手段】工場内には、工場内の温度と工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されている。コントローラは、工場内の目標温度と工場内の目標湿度と空調装置の消費電力との相関関係を示す消費電力情報を格納するための記憶装置と、消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるための設定受付部と、許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを空調装置の設定値として消費電力情報から特定するための特定部と、特定部によって特定された設定値に基づいて、空調装置を制御するための空調制御部とを備える。【選択図】図４

Description

本開示は、コントローラ、制御方法、および制御プログラムに関する。

特開２０２０－１４４４７０号公報（特許文献１）は、「製造現場における加工効率を大きく低下させずに高品位加工レベルにおける機械環境を確立することが可能とする」管理装置を開示している。当該管理装置は、工作機械が高品位加工を行う際に環境変動を低減するように空調装置の動作を制限する。

特開２０２０－１４４４７０号公報

特許文献１に示される管理装置は、環境変動の変化を低減するように空調装置の動作を制限し、ワークの製造品質を維持することを目的としている。一方で、特許文献１は、空調装置の消費電力を低減することに関しては何ら開示していない。したがって、ワークの製造品質を低下することを抑制しつつ、空調装置の消費電力を削減することが可能な技術が望まれている。

本開示の一例では、工場に設置されている空調装置を制御するためのコントローラが提供される。上記工場内には、上記工場内の温度と上記工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されている。上記コントローラは、上記工場内の目標温度と上記工場内の目標湿度と上記空調装置の消費電力との相関関係を示す消費電力情報を格納するための記憶装置と、上記消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるための設定受付部と、上記許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを上記空調装置の設定値として上記消費電力情報から特定するための特定部と、上記特定部によって特定された設定値に基づいて、上記空調装置を制御するための空調制御部とを備える。

本開示の一例では、上記記憶装置は、複数の上記消費電力情報を格納している。複数の上記消費電力情報の各々には、期間が予め対応付けられている。上記特定部は、複数の上記消費電力情報の内から、現在が属する期間に対応する消費電力情報を取得し、当該取得した消費電力情報から上記設定値を特定する。

本開示の一例では、上記製造装置は、工作機械と、半導体製造装置との少なくとも一方を含む。

本開示の一例では、上記コントローラは、さらに、上記設定値に基づいて、上記製造装置における上記ワークの製造に係るパラメータと、上記製造装置における上記ワークの製造に係る加工プログラムとの少なくとも１つを補正するための補正部を含む。

本開示の一例では、上記コントローラは、さらに、所定のデータセットに基づいて、上記消費電力情報を生成するための生成部を備える。上記データセットは、過去の時間別に、当該時間における上記工場外の温度と、当該時間における上記工場外の湿度と、当該時間における上記製造装置の稼働状況と、当該時間における上記工場内の温度と、当該時間において上記工場内の湿度と、当該時間における上記空調装置の負荷情報とを対応付けている。上記時間における上記工場内の温度は、上記空調装置の設定温度と、当該工場内で測定された実測温度との少なくとも１つを含む。上記時間における上記工場内の湿度は、上記空調装置の設定湿度と、当該工場内で測定された実測湿度との少なくとも１つを含む。上記時間における上記空調装置の負荷情報は、上記空調装置の消費電力と、上記空調装置の熱負荷との少なくとも１つを含む。

本開示の他の例では、工場に設置されている空調装置を制御するための制御方法が提供される。上記工場内には、上記工場内の温度と上記工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されている。上記制御方法は、上記工場内の目標温度と上記工場内の目標湿度と上記空調装置の消費電力との相関関係を示す消費電力情報を取得するステップと、上記消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるためのステップと、上記許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを上記空調装置の設定値として上記消費電力情報から特定するためのステップと、上記特定するステップで特定された設定値に基づいて、上記空調装置を制御するためのステップとを備える。

本開示の他の例では、工場に設置されている空調装置を制御するためのコンピュータによって実行される制御プログラムが提供される。上記工場内には、上記工場内の温度と上記工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されている。上記制御プログラムは、上記コンピュータに、上記工場内の目標温度と上記工場内の目標湿度と上記空調装置の消費電力との相関関係を示す消費電力情報を取得するステップと、上記消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるためのステップと、上記許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを上記空調装置の設定値として上記消費電力情報から特定するためのステップと、上記特定するステップで特定された設定値に基づいて、上記空調装置を制御するためのステップとを実行させる。

本発明の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解される本発明に関する次の詳細な説明から明らかとなるであろう。

空調制御システムの装置構成の一例を示す図である。 工場内環境の変動要因の一例を示す図である。 空調装置の目標温度を変更している様子を示す図である。 消費電力情報の一例を示す図である。 コントローラのハードウェア構成の一例を示す模式図である。 空調装置のハードウェア構成の一例を示す模式図である。 工作機械のハードウェア構成の一例を示す模式図である。 コントローラの機能構成の一例を示す図である。 学習用のデータセットの一例を示す図である。 学習部による学習処理の過程を概略的に示す図である。 推定部の処理過程を概略的に示す図である。 ５月中における消費電力情報を示す図である。 ５月中における消費電力情報を示す図である。 ８月中における消費電力情報を示す図である。 ８月中における消費電力情報を示す図である。 コンフォートチャートの一例を示す図である。 許容範囲の設定処理に係るフローチャートの一例を示す図である。 空調装置の設定値の変更処理に係るフローチャートの一例を示す図である。 評価用に生成されたモデルを示す図である。 実験環境を示す図である。 評価結果を示す図である。 切削テストの実験条件を示す図である。 ２０℃下におけるワーク外周の測定結果と、２５℃下におけるワーク外周の測定結果とを示す図である。 各実験での熱変位量を示す図である。 製造装置の稼働時間をリスケジュールしている様子を示す図である。 製造装置の稼働時間をリスケジュールしている様子を示す図である。 シミュレーション結果を示す図である。

以下、図面を参照しつつ、本発明に従う各実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。なお、以下で説明される各実施の形態および各変形例は、適宜選択的に組み合わされてもよい。

＜Ａ．空調制御システム１０＞
まず、図１を参照して、空調制御システム１０の装置構成について説明する。図１は、空調制御システム１０の装置構成の一例を示す図である。

図１に示されるように、空調制御システム１０は、コントローラ１００と、空調装置２００と、製造装置３００とを含む。

コントローラ１００と、空調装置２００と、製造装置３００とは、たとえば、工場ＦＡ内に設置されており、ネットワークＮＷを介して互いに通信可能に構成される。ネットワークＮＷには、たとえば、ＥｔｈｅｒＮｅｔ（登録商標）などが採用される。

コントローラ１００は、工場ＦＡ内の各種設備を制御するための装置である。一例として、コントローラ１００は、空調装置２００と、製造装置３００とを制御する。コントローラ１００は、たとえば、デスクトップ型のＰＣ（Personal Computer）、ノート型のＰＣ、タブレット端末、または、通信機能を備えたその他のコンピュータである。

空調装置２００は、工場ＦＡ内の温度や工場ＦＡ内の湿度を調整するための装置である。空調装置２００は、たとえば、エアコンディショナー（所謂エアコン）である。空調装置２００は、コントローラ１００によって遠隔で制御され得る。一例として、コントローラ１００は、ネットワークＮＷを介して設定値を送信することにより空調装置２００を制御する。当該設定値は、たとえば、目標温度と、目標湿度とを含む。空調装置２００は、コントローラ１００から設定値を受信したことに基づいて、現在の設定温度を指示された目標温度に変更するとともに、現在の設定湿度を指示された目標湿度に変更する。

製造装置３００は、工場ＦＡ内の温度と工場ＦＡ内の湿度との影響により製造品質が変化するワークを製造するための装置である。当該ワークの一例としては、たとえば、鉄を含む製造物、銅を含む製造物、アルミニウムを含む製造物、マグネシウムを含む製造物、または、その他の金属を含む製造物などが挙げられる。

一例として、製造装置３００は、工作機械と、半導体製造装置との少なくとも一方を含む。工作機械としては、たとえば、横形のマシニングセンタ、立形のマシニングセンタ、旋盤、付加加工機、切削機械、研削機械、およびこれらを複合した複合機などが挙げられる。半導体製造装置としては、マスク製造用装置、ウェハ製造用装置、半導体組立用装置、半導体検査用装置、およびこれらを複合した複合機などが挙げられる。

なお、図１には、空調制御システム１０が１つのコントローラ１００を含む例が示されているが、空調制御システム１０を構成するコントローラ１００の数は、２つ以上であってもよい。

また、図１には、コントローラ１００が工場ＦＡ内に設置されている例が示されているが、コントローラ１００は、工場ＦＡ外に設置されてもよい。

また、図１には、空調制御システム１０が１つの空調装置２００を含む例が示されているが、空調制御システム１０を構成する空調装置２００の数は、２つ以上であってもよい。

また、図１には、空調制御システム１０が１つの製造装置３００を含む例が示されているが、空調制御システム１０を構成する製造装置３００の数は、２つ以上であってもよい。

＜Ｂ．工場内環境の変動要因＞
次に、図２を参照して、工場内環境を変動させる要因について説明する。図２は、工場内環境の変動要因の一例を示す図である。

図２に示されるグラフＧ１は、夏場の工場外環境の変化の一例を表わす。グラフＧ１には、日射量Ｓの変化と、工場外温度Ｔ_{ｏｕｔｄｏｏｒ}の変化と、工場外湿度Ｈ_{ｏｕｔｄｏｏｒ}の変化とが時系列に示されている。図２の例では、６時～１８時の時間帯における日射量Ｓは、他の時間帯における日射量Ｓよりも少ない。また、工場外温度Ｔ_{ｏｕｔｄｏｏｒ}は、５時～１７時の時間帯においては上昇し、他の時間帯においては下降している。工場外湿度Ｈ_{ｏｕｔｄｏｏｒ}は、５時～１７時の時間帯においては下降し、他の時間帯においては上昇している。

図２に示されるグラフＧ２は、工場内の発熱量Ｗ_{ｉｎｄｏｏｒ}の変化を時系列に示す図である。一例として、発熱量Ｗ_{ｉｎｄｏｏｒ}は、たとえば、製造装置３００の稼働状態に依存する。製造装置３００が５時～１８時に稼働している場合、５時～１８時における工場内の発熱量Ｗ_{ｉｎｄｏｏｒ}は、他の時間帯における発熱量Ｗ_{ｉｎｄｏｏｒ}よりも多くなる。

図２に示されるグラフＧ３は、空調装置２００を用いない場合における工場内環境の変化の一例を表わす。グラフＧ３に示されるように、工場内環境は、工場外温度Ｔ_{ｏｕｔｄｏｏｒ}、工場外湿度Ｈ_{ｏｕｔｄｏｏｒ}、および日射量Ｓなどの工場外環境だけでなく、工場内の発熱量Ｗ_{ｉｎｄｏｏｒ}の影響も受ける。

図２の例では、工場内温度Ｔ_{ｎａｔｕｒａｌ}は、工場外温度Ｔ_{ｏｕｔｄｏｏｒ}の変化に連動するだけでなく、工場内の発熱量Ｗ_{ｉｎｄｏｏｒ}の変化にも連動している。また、工場内湿度Ｈ_{ｎａｔｕｒａｌ}は、工場外湿度Ｈ_{ｏｕｔｄｏｏｒ}の変化に連動している。

空調制御システム１０は、製造装置３００によるワークの製造品質を一定に維持するために、工場内環境を一定に維持するように空調装置２００を制御する。以下では、工場内を一定の温湿度に保つために必要な熱量を熱負荷と称する。一日の熱負荷Ｑ_{ｃｏｏｌｉｎｇ}［Ｊ］は、以下の式（１）に基づいて算出される。

Ｑ_{ｃｏｏｌｉｎｇ}＝Ｖ・∫（Ｕ_{ｎａｔｕｒａｌ}（ｔ）－Ｕ_{ｔａｒｇｅｔ}（ｔ））ｄｔ ・・・（１）
上記式（１）の「Ｕ_{ｎａｔｕｒａｌ}（ｔ）」は、自然環境下におけるエンタルピーを表わす。「Ｕ_{ｔａｒｇｅｔ}（ｔ）」は、目標環境下におけるエンタルピーを表わす。目標環境とは、目標温度下かつ目標湿度下の環境である。「Ｕ_{ｎａｔｕｒａｌ}（ｔ）」および「Ｕ_{ｔａｒｇｅｔ}（ｔ）」の単位は、「Ｊ／ｋｇＤＡ」で表わされる。当該単位における「ｋｇＤＡ」は、乾燥空気質量を表わす。「Ｖ」は、工場内の体積を表わす。「Ｖ」の単位は、たとえば、「ｋｇＤＡ」で表わされる。

エンタルピーＵ［Ｊ／ｋｇ］は、以下の式（２）に示されるように、温度Ｔと、絶対温度Ｘ［ｋｇ／ｋｇＤＡ］とに基づいて算出される。

Ｕ＝ｃ_ａｉｒＴ＋（Ｃ_{ｖａｐｏｒ}Ｔ＋Δｈ）・Ｘ ・・・（２）
上記式（２）の「ｃ_ａｉｒ」は、乾燥空気の比熱を表わす。「ｃ_ａｉｒ」の値は、たとえば、１．００６［ｋＪ／Ｋ］である。「Ｃ_{ｖａｐｏｒ}」は、蒸気の比熱を表わす。「Ｃ_{ｖａｐｏｒ}」の値は、たとえば、１．８０５［ｋＪ／ｋｇＫ］である。「Δｈ」は、気化のエンタルピーを表わす。「Δｈ」の値は、たとえば、２５０１［ｋＪ／ｋｇ］である。

１日の平均熱負荷Ｗ_{ａｖｅｒａｇｅ}と、１日の最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}とは、式（１）に示されるＱ_{ｃｏｏｌｉｎｇ}から算出される。空調装置２００の消費電力を減らすためには、平均熱負荷Ｗ_{ａｖｅｒａｇｅ}を下げる必要がある。一方で、電気回路のメンテナンスコストや電力の契約容量などに基づく電力コストを削減するためには、最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}を下げる必要がある。

熱負荷は、自然環境下におけるエンタルピーと、目標環境下におけるエンタルピーとの差に応じて決まる。したがって、消費電力および電力コストの削減を実現するためには、当該熱負荷を下げる必要がある。そこで、空調制御システム１０は、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}を減らすように空調装置２００を制御する。

＜Ｃ．空調制御処理の概要＞
次に、図３および図４を参照して、空調制御システム１０による空調制御処理の概要について説明する。

図３は、空調装置２００の目標温度Ｔ_{ｔａｒｇｅｔ}を変更している様子を示す図である。図３のグラフＧ４，Ｇ５に示される工場内温度Ｔ_{ｎａｔｕｒａｌ}は、図２のグラフＧ３に示される工場内温度Ｔ_{ｎａｔｕｒａｌ}と同じである。

図３に示されるように、夏場においては、コントローラ１００は、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}を減らすように目標温度Ｔ_{ｔａｒｇｅｔ}を上げる。一方で、コントローラ１００は、冬場においては、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}を減らすように目標温度Ｔ_{ｔａｒｇｅｔ}を下げる。このように、コントローラ１００は、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}を減らすように空調装置２００の目標温度Ｔ_{ｔａｒｇｅｔ}を調整する。図３の例では、目標温度Ｔ_{ｔａｒｇｅｔ}が所定のオフセット値ΔＴだけ上げられている。

なお、図３には、目標温度Ｔ_{ｔａｒｇｅｔ}の調整例のみが示されているが、目標湿度Ｈ_{ｔａｒｇｅｔ}の調整例についても同様のことが言える。すなわち、コントローラ１００は、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}を減らすように、空調装置２００の目標湿度Ｈ_{ｔａｒｇｅｔ}を調整する。

一方で、空調装置２００の設定値の変更は、製造装置３００によるワークの製造品質に影響を与える。そこで、コントローラ１００は、製造装置３００によるワークの製造品質が一定の品質を維持できる範囲内で空調装置２００の設定値を変更する。これにより、コントローラ１００は、ワークの製造品質を低下することを抑制しつつ、空調装置２００の消費電力を削減することができる。

空調装置２００の設定値は、たとえば、図４に示される消費電力情報１２４に基づいて決定される。図４は、消費電力情報１２４の一例を示す図である。

消費電力情報１２４は、工場内の目標温度と工場内の目標湿度と空調装置の消費電力との相関関係を示す情報である。これらの相関関係は、テーブル形式で規定されてもよいし、所定の算出式で規定されてもよいし、その他の形式で規定されてもよい。

一例として、消費電力情報１２４は、工場内の目標温度と工場内の目標湿度との組み合わせの別に空調装置２００の消費電力が対応付けられているテーブル形式で規定される。他の例として、消費電力情報１２４は、工場内の目標温度と工場内の目標湿度とを説明変数とし、空調装置２００の消費電力を目的変数とする算出式で規定される。

図４の例では、消費電力情報１２４の横軸は、空調装置２００の目標温度を示す。また、消費電力情報１２４の縦軸は、空調装置２００の目標湿度を示す。また、空調装置２００の消費電力は、目標温度と目標湿度との組み合わせ別に濃淡で表わされている。

図４の例では、夏場における消費電力情報１２４が示されている。夏場においては、目標温度が上げられて、目標温度が自然温度に近付くほど、空調装置２００の消費電力は下がる。また、目標湿度が下げられて、目標湿度が自然湿度に近付くほど、空調装置２００の消費電力が下がる。

コントローラ１００は、消費電力情報１２４に示される目標温度と目標湿度との組み合わせに対して許容範囲ＡＺの設定を受け付ける。許容範囲ＡＺは、製造装置３００によるワークの製造品質が一定の品質を維持できる温度範囲および湿度範囲を示す。

許容範囲ＡＺは、予め設定されていてもよいし、ユーザによって任意に設定されてもよい。また、許容範囲ＡＺは、コントローラ１００のディスプレイなどに表示される消費電力情報１２４に対して直接入力されてもよいし、消費電力情報１２４とは別に独立して設定されてもよい。

コントローラ１００は、許容範囲ＡＺ内で消費電力が最小となる目標温度と目標湿度との組み合わせを空調装置２００の設定値として消費電力情報１２４から特定する。その後、コントローラ１００は、当該特定した設定値に基づいて、空調装置２００を制御する。図４の例では、空調装置２００の設定値は、「Ｐ」から「Ｐ'」に変更されている。これにより、コントローラ１００は、製造装置３００によるワークの製造品質の低下を抑制しつつ、空調装置２００の消費電力を削減することができる。

＜Ｄ．コントローラ１００のハードウェア構成＞
次に、図５を参照して、コントローラ１００のハードウェア構成について説明する。図５は、コントローラ１００のハードウェア構成の一例を示す模式図である。

コントローラ１００は、制御回路１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、通信インターフェイス１０４と、表示インターフェイス１０５と、入力インターフェイス１０７と、記憶装置１２０とを含む。これらのコンポーネントは、バス１１０に接続される。

制御回路１０１は、たとえば、少なくとも１つの集積回路によって構成される。集積回路は、たとえば、少なくとも１つのＣＰＵ（Central Processing Unit）、少なくとも１つのＧＰＵ（Graphics Processing Unit）、少なくとも１つのＡＳＩＣ（Application Specific Integrated Circuit）、少なくとも１つのＦＰＧＡ（Field Programmable Gate Array）、またはそれらの組み合わせなどによって構成され得る。

制御回路１０１は、制御プログラム１２２やオペレーティングシステムなどの各種プログラムを実行することでコントローラ１００の動作を制御する。制御回路１０１は、各種プログラムの実行命令を受け付けたことに基づいて、記憶装置１２０またはＲＯＭ１０２からＲＡＭ１０３に当該プログラムを読み出す。ＲＡＭ１０３は、ワーキングメモリとして機能し、各種プログラムの実行に必要な各種データを一時的に格納する。

通信インターフェイス１０４には、ＬＡＮ（Local Area Network）やアンテナなどが接続される。コントローラ１００は、通信インターフェイス１０４を介して、外部機器との間でデータをやり取りする。当該外部機器は、たとえば、空調装置２００や製造装置３００などを含む。

表示インターフェイス１０５には、ディスプレイ１０６が接続される。表示インターフェイス１０５は、制御回路１０１などからの指令に従って、ディスプレイ１０６に対して、画像を表示するための画像信号を送出する。ディスプレイ１０６は、たとえば、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ、またはその他の表示機器である。なお、ディスプレイ１０６は、コントローラ１００と一体的に構成されてもよいし、コントローラ１００とは別に構成されてもよい。

入力インターフェイス１０７には、入力デバイス１０８が接続される。入力デバイス１０８は、たとえば、マウス、キーボード、タッチパネル、またはユーザの操作を受け付けることが可能なその他の装置である。なお、入力デバイス１０８は、コントローラ１００と一体的に構成されてもよいし、コントローラ１００とは別に構成されてもよい。

記憶装置１２０は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置１２０は、制御プログラム１２２、データセット１２３、データセット１２３から生成された消費電力情報１２４、および上述の許容範囲ＡＺなどを格納する。これらの格納場所は、記憶装置１２０に限定されず、制御回路１０１の記憶領域（たとえば、キャッシュメモリなど）、ＲＯＭ１０２、ＲＡＭ１０３、外部機器などに格納されていてもよい。

なお、制御プログラム１２２は、単体のプログラムとしてではなく、任意のプログラムの一部に組み込まれて提供されてもよい。この場合、制御プログラム１２２に規定される各種処理は、任意のプログラムと協働して実現される。このような一部のモジュールを含まないプログラムであっても、本実施の形態に従う制御プログラム１２２の趣旨を逸脱するものではない。さらに、制御プログラム１２２によって提供される機能の一部または全部は、専用のハードウェアによって実現されてもよい。さらに、少なくとも１つのサーバが制御プログラム１２２の処理の一部を実行する所謂クラウドサービスのような形態でコントローラ１００が構成されてもよい。

＜Ｅ．空調装置２００のハードウェア構成＞
次に、図６を参照して、空調装置２００のハードウェア構成について説明する。図６は、空調装置２００のハードウェア構成の一例を示す模式図である。

空調装置２００は、制御回路２０１と、通信インターフェイス２０２と、温度センサ２０３と、湿度センサ２０４と、記憶装置２２０と、屋内機２３０と、屋外機２４０とを含む。

制御回路２０１は、たとえば、少なくとも１つの集積回路によって構成される。集積回路は、たとえば、少なくとも１つのＣＰＵ、少なくとも１つのＧＰＵ、少なくとも１つのＡＳＩＣ、少なくとも１つのＦＰＧＡ、またはそれらの組み合わせなどによって構成され得る。

通信インターフェイス２０２には、アンテナなどのネットワーク機器が接続される。空調装置２００は、通信インターフェイス２０２を介して、外部機器との間でデータをやり取りする。当該外部機器としては、たとえば、コントローラ１００や製造装置３００などが挙げられる。

温度センサ２０３は、工場内の温度を測定する。温度センサ２０３としては、たとえば、サーミスタなどが用いられる。

湿度センサ２０４は、工場内の湿度を測定する。湿度センサ２０４としては、たとえば、高分子抵抗式の湿度センサなどが用いられる。

記憶装置２２０は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置２２０は、制御プログラム２２２および設定値２２４などを格納する。設定値２２４は、たとえば、目標温度、目標湿度、その他のパラメータなどを含む。制御プログラム２２２および設定値２２４の格納場所は、記憶装置２２０に限定されず、制御回路１０１の記憶領域（たとえば、キャッシュメモリなど）、ＲＯＭ１０２、ＲＡＭ１０３、外部機器などに格納されていてもよい。

屋内機２３０は、屋内ファン２３１と、膨張弁２３２と、熱交換器２３３とを含む。屋外機２４０は、屋外ファン２４１と、圧縮機２４２と、熱交換器２４３とを含む。

空調装置２００は、空気と冷媒との間で熱交換を行うことで、暖房運転や冷房運転を実現する。冷房運転時においては、冷媒は、圧縮機２４２、熱交換器２４３、膨張弁２３２、熱交換器２３３の順に循環する。

より具体的には、圧縮機２４２は、屋内機２３０から送られる冷媒を圧縮することで、冷媒の温度を上げる。圧縮機２４２は、たとえば、シングルロータリー圧縮機、ツインロータリー圧縮機、またはハイパーウェーブロータリー圧縮機などである。

熱交換器２４３は、屋外ファン２４１によって取り込まれた工場外の空気と、圧縮機２４２から送られた冷媒との間で熱交換を行い、冷媒を冷却する。冷却された冷媒は、屋内機２３０の膨張弁２３２に送られる。

膨張弁２３２は、冷媒を膨張することで当該冷媒をさらに冷却する。膨張弁２３２によって冷却された冷媒は、熱交換器２３３に送られる。

熱交換器２３３は、屋内ファン２３１によって取り込まれた工場内の空気と、膨張弁２３２によって冷却された冷媒との間で熱交換を行い、工場内から取り込まれた空気を冷却する。屋内ファン２３１は、熱交換器２３３によって冷却された空気を工場内に送風する。これにより、工場内が冷却される。熱交換器２３３は、熱交換後の冷媒を屋外機２４０の圧縮機２４２に送る。

このように、冷房運転時においては、冷媒は、圧縮機２４２、熱交換器２４３、膨張弁２３２、熱交換器２３３の順に循環する。一方で、暖房運転時には、冷媒は、圧縮機２４２、熱交換器２３３、膨張弁２３２、熱交換器２４３の順に循環する。

＜Ｆ．工作機械３００Ａのハードウェア構成＞
次に、図７を参照して、製造装置３００の一例である工作機械３００Ａのハードウェア構成について説明する。図７は、工作機械３００Ａのハードウェア構成の一例を示す模式図である。

工作機械３００Ａは、制御回路３０１と、ＲＯＭ３０２と、ＲＡＭ３０３と、通信インターフェイス３０４と、フィールドバスコントローラ３０５と、記憶装置３２０とを含む。これらのコンポーネントは、内部バス３０９に接続される。

制御回路３０１は、たとえば、少なくとも１つの集積回路によって構成される。集積回路は、たとえば、少なくとも１つのＣＰＵ、少なくとも１つのＧＰＵ、少なくとも１つのＡＳＩＣ、少なくとも１つのＦＰＧＡ、またはそれらの組み合わせなどによって構成され得る。

制御回路３０１は、加工プログラム３２２などの各種プログラムを実行することで工作機械３００Ａの動作を制御する。加工プログラム３２２は、ワーク加工を実現するためのプログラムである。制御回路３０１は、加工プログラム３２２の実行命令を受け付けたことに基づいて、ＲＯＭ３０２からＲＡＭ３０３に加工プログラム３２２を読み出す。ＲＡＭ３０３は、ワーキングメモリとして機能し、加工プログラム３２２の実行に必要な各種データを一時的に格納する。

通信インターフェイス３０４には、ＬＡＮ、ＷＬＡＮ、またはＢｌｕｅｔｏｏｔｈ（登録商標）などが接続される。工作機械３００Ａは、通信インターフェイス３０４を介して外部機器とデータをやり取りする。当該外部機器としては、たとえば、コントローラ１００や空調装置２００などが挙げられる。

フィールドバスコントローラ３０５は、フィールドバスに接続される各種の駆動ユニット３０６との通信を実現するための通信ユニットである。駆動ユニット３０６としては、たとえば、主軸を駆動するためのモータや、ワークの設置台を駆動するためのモータなどが挙げられる。

記憶装置３２０は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置３２０は、加工プログラム３２２および加工パラメータ３２４などを格納する。加工プログラム３２２および加工パラメータ３２４の格納場所は、記憶装置３２０に限定されず、制御回路３０１の記憶領域（たとえば、キャッシュメモリ）、ＲＯＭ３０２、ＲＡＭ３０３、外部機器（たとえば、サーバー）などに格納されていてもよい。

＜Ｇ．コントローラ１００の機能構成＞
次に、図８～図１６を参照して、空調制御処理を実現するための機能構成について説明する。図８は、コントローラ１００の機能構成の一例を示す図である。

図８に示されるように、コントローラ１００の制御回路１０１は、機能構成として、生成部１５２と、設定受付部１５４と、特定部１５６と、空調制御部１５８と、補正部１６０とを含む。以下では、これらの構成について順に説明する。

なお、各機能構成の配置は、任意である。一例として、図８に示される機能構成の一部または全部は、上述の空調装置２００（図１参照）に実装されてもよいし、その他の装置に実装されてもよい。

（Ｇ１．生成部１５２）
まず、図９～図１１を参照して、図８に示される生成部１５２の機能について説明する。

生成部１５２は、所定のデータセット１２３に基づいて、上述の消費電力情報１２４を生成する。消費電力情報１２４の生成方法には、任意の方法が採用される。

一例として、生成部１５２は、学習部１５２Ａと、推定部１５２Ｂとを含む。学習部１５２Ａは、学習用のデータセット１２３を用いた予め定められた機械学習処理によりモデルＭＤを生成する。その後、推定部１５２Ｂは、生成した学習済みのモデルＭＤから消費電力情報１２４を生成する。

図９は、学習用のデータセット１２３の一例を示す図である。データセット１２３は、過去の時間別に、当該時間における工場外の温度と、当該時間における工場外の湿度と、当該時間における工場内の温度と、当該時間において工場内の湿度と、当該時間における工場外の日射量と、当該時間における製造装置３００の稼働状況と、当該時間における空調装置２００の負荷情報とを対応付けている。

データセット１２３に示される工場外の温度は、工場周辺の屋外の温度を示す。当該温度は、温度計などのセンサを用いて工場の付近で実測されてもよいいし、気象情報を提供する外部サイトなどからダウンロードされてもよい。

データセット１２３に示される工場外の湿度は、工場周辺の屋外の湿度を示す。当該湿度は、湿度計などのセンサを用いて工場の付近で実測されてもよいいし、気象情報を提供する外部サイトなどからダウンロードされてもよい。

データセット１２３に示される工場内の温度は、製造装置３００の設定温度（目標温度）であってもよいし、当該工場内で測定された実測温度であってもよい。実測温度は、たとえば、上述の温度センサ２０３（図６参照）から取得されてもよいし、工場内に設置されているその他の温度センサから取得されてもよい。

データセット１２３に示される工場内の湿度は、製造装置３００の設定湿度（目標湿度）であってもよいし、当該工場内で測定された実測湿度であってもよい。実測湿度は、たとえば、上述の湿度センサ２０４（図６参照）から取得されてもよいし、工場内に設置されているその他の湿度センサから取得されてもよい。

データセット１２３に示される日射量は、太陽光が工場に照射されていた量を示す。一例として、当該日射量は、単位時間当たりの日照時間で表わされる。あるいは、当該日射量は、単位平方メートル当たりのワット数（すなわち、Ｗ／ｍ）で表わされる。当該照射量は、たとえば、気象情報を提供する外部サイトなどからダウンロードされる。

データセット１２３に示される稼働状況は、工場内に設置されている製造装置３００の稼働量を示す。当該稼働量は、たとえば、製造装置３００の消費電力で表わされてもよいし、単位時間当たりの製造装置３００の稼働時間で表わされてもよい。

データセット１２３に示される負荷情報は、工場内に設置されている空調装置２００の負荷を示す。一例として、当該負荷情報は、空調装置２００の消費電力で表わされてもよいし、空調装置２００の熱負荷で表わされてもよい。

学習部１５２Ａは、学習用のデータセット１２３を用いた予め定められた機械学習処理によりモデルＭＤを生成する。学習部１５２Ａが実行する機械学習処理は、ディープラーニング（深層学習）であってもよいし、ＲＮＮ（Recurrent Neural Network）であってもよいし、サポートベクターマシンであってもよいし、その他の学習手法であってもよい。以下では、一例として、ＲＮＮでモデルＭＤを生成する方法について説明する。

図１０は、学習部１５２Ａによる学習処理の過程を概略的に示す図である。図１０には、初期状態のモデルＭＤ１と、１回目のパラメータ更新が済んだモデルＭＤ２とが示されている。以下では、モデルＭＤ１，ＭＤ２を特に区別しない場合には、モデルＭＤとも称する。モデルＭＤは、入力層Ｘと、中間層Ｈと、出力層Ｙとで構成される。

入力層Ｘは、所定期間における工場外の温度Ｔ_{ｏｕｔｄｏｏｒ}（ｔ）と、当該所定期間における工場外の湿度Ｈ_{ｏｕｔｄｏｏｒ}（ｔ）と、当該所定期間における工場内の温度Ｔ_{ｔａｒｇｅｔ}（ｔ）と、当該所定期間における工場内の湿度Ｈ_{ｔａｒｇｅｔ}（ｔ）と、当該所定期間における工場内の日射量Ｓ（ｔ）との入力を入力用特徴量として受ける。

中間層Ｈは、複数の層で構成されている。中間層Ｈの層数は、任意である。各層は、複数のユニットで構成される。中間層Ｈの各層を構成する各ユニットは、前の層の各ユニットと、次の層の各ユニットと接続される。各層の各ユニットは、前の層の各ユニットからの各出力値を受けて、各出力値に重みを乗算し、それらの乗算結果を積算し、その積算結果に対して所定のバイアスを加算（または減算）し、その加算結果（または減算結果）を所定の関数（たとえば、シグモナイト関数）に入力し、その関数の出力値を次の層の各ユニットに出力する。

出力層Ｙは、複数のユニットで構成される。出力層Ｙを構成する各ユニットは、中間層Ｈの最終層の各ユニットと接続される。出力層Ｙの各ユニットは、中間層Ｈの最終層の各ユニットからの出力値を受けて、各出力値に重みを乗算し、それらの乗算結果を積算し、その積算結果に対して所定のバイアスを加算（または減算）し、その加算結果（または減算結果）を所定の関数（たとえば、シグモナイト関数）に入力し、その関数の出力結果を出力値として出力する。当該出力値は、所定期間における空調装置２００の負荷を示す。

より具体的な例として、学習部１５２Ａは、学習用のデータセット１２３に規定される時間ｔ１，ｔ２・・・における入力用特徴量をモデルＭＤに入力する。学習部１５２Ａは、その結果得られた推定負荷Ｗ'_{ｃｏｏｌｉｎｇ}（ｔ１），Ｗ'_{ｃｏｏｌｉｎｇ}（ｔ２）・・・を、学習用のデータセット１２３に規定されている正解値のＷ_{ｃｏｏｌｉｎｇ}（ｔ１），Ｗ_{ｃｏｏｌｉｎｇ}（ｔ２）・・・と比較する。そして、学習部１５２Ａは、推定負荷が正解値に近付くように、モデルＭＤに含まれる各種のパラメータ（たとえば、重みやバイアス）を更新する。

次に、学習部１５２Ａは、学習用のデータセット１２３に規定される時間ｔ２，ｔ３・・・における入力用特徴量をモデルＭＤに入力する。２回目の以降の学習においては、学習部１５２Ａは、前回の学習過程における中間層Ｈの出力の一部を入力層Ｘに入力する。このように、ＲＮＮにおいては、ある層の出力は、次の層の入力として利用されるだけでなく、次の学習過程における入力層Ｘにも入力される。その結果、時間的な情報が受け渡される。

学習部１５２Ａは、その結果得られた推定負荷Ｗ'_{ｃｏｏｌｉｎｇ}（ｔ２），Ｗ'_{ｃｏｏｌｉｎｇ}（ｔ３）・・・を、学習用のデータセット１２３に規定されている正解値のＷ_{ｃｏｏｌｉｎｇ}（ｔ２），Ｗ_{ｃｏｏｌｉｎｇ}（ｔ３）・・・と比較する。そして、学習部１５２Ａは、推定負荷が正解値に近付くように、モデルＭＤに含まれる各種のパラメータ（たとえば、重みやバイアス）を更新する。

このように、学習部１５２Ａは、モデルＭＤに含まれるパラメータの更新処理を繰り返し行う。その結果、モデルＭＤによる負荷の推定精度が向上する。

なお、学習部１５２Ａは、モデルＭＤを生成するために、学習用のデータセット１２３に含まれる全ての学習用データを必ずしも用いる必要はなく、学習用のデータセット１２３に含まれる一部の学習用データを用いてモデルＭＤを生成してもよい。

推定部１５２Ｂは、生成した学習済みのモデルＭＤから消費電力情報１２４を生成する。図１１は、推定部１５２Ｂの処理過程を概略的に示す図である。

推定部１５２Ｂは、学習済みのモデルＭＤに対して、所定期間における工場外の温度Ｔ_{ｏｕｔｄｏｏｒ}（ｔ）と、当該所定期間における工場外の湿度Ｈ_{ｏｕｔｄｏｏｒ}（ｔ）と、当該所定期間における工場内の温度Ｔ_{ｔａｒｇｅｔ}（ｔ）と、当該所定期間における工場内の湿度Ｈ_{ｔａｒｇｅｔ}（ｔ）と、当該所定期間における工場内の日射量Ｓ（ｔ）とを入力用特徴量として入力する。当該所定期間は、過去の期間であってもよいし、現在を含む期間であってもよいし、未来の期間であってもよい。また、モデルＭＤへの入力用特徴量は、上述の学習用のデータセット１２３から取得されてもよいし、別のデータセットから取得されてもよい。

その後、推定部１５２Ｂは、モデルＭＤの出力値に対して、工場内の発熱量Ｗ_{ｉｎｄｏｏｒ}（ｔ）を加算する。これにより、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}（ｔ）が推定結果として出力される。

次に、推定部１５２Ｂは、予め定められた変換式（たとえば、後述の式（３））に基づいて、各時間の熱負荷Ｗ_{ｃｏｏｌｉｎｇ}（ｔ）から消費電力Ｐ_{ｃｏｏｌｉｎｇ}（ｔ）を算出する。

その後、推定部１５２Ｂは、消費電力Ｐ_{ｃｏｏｌｉｎｇ}（ｔ）からサンプル値を算出する。当該サンプル値は、たとえば、消費電力Ｐ_{ｃｏｏｌｉｎｇ}（ｔ）の平均値であってもよいし、消費電力Ｐ_{ｃｏｏｌｉｎｇ}（ｔ）の最大値であってもよい。算出されたサンプル値は、対応する温湿度の組み合わせに関連付けられた上で、消費電力情報１２４に記憶される。

関連付けられる温湿度は、学習済みのモデルＭＤに入力した目標温度Ｔ_{ｔａｒｇｅｔ}（ｔ）と目標湿度Ｈ_{ｔａｒｇｅｔ}（ｔ）との組み合わせが用いられる。典型的には、目標温度Ｔ_{ｔａｒｇｅｔ}（ｔ）と目標湿度Ｈ_{ｔａｒｇｅｔ}（ｔ）とは、工場の環境が変動しないように一定である。そのため、関連付けられる温湿度も一点に決まる。

一例として、目標温度Ｔ_{ｔａｒｇｅｔ}（ｔ）が２１℃であり、目標湿度Ｈ_{ｔａｒｇｅｔ}（ｔ）が５０％ｒｈであるとする。この場合、消費電力Ｐ_{ｃｏｏｌｉｎｇ}（ｔ）のサンプル値は、２１℃および５０％ｒｈの組み合わせに関連付けられた上で消費電力情報１２４に記憶される（図１１に示され点「Ｐ」参照）。

推定部１５２Ｂは、温湿度の各組み合わせについて消費電力Ｐ_{ｃｏｏｌｉｎｇ}（ｔ）のサンプル値を取得する。その結果、空調装置２００の消費電力が目標温度と目標湿度と組み合わせの別に表わされた消費電力情報１２４が生成される。

好ましくは、生成部１５２は、期間別に消費電力情報１２４を生成する。当該期間の単位は、季節であってもよいし、月であってもよいし、日であってもよい。

図１２は、５月中における消費電力情報１２４Ａを示す図である。消費電力情報１２４Ａは、データセット１２３の内で５月に属するデータ群を用いて生成されたものである。消費電力情報１２４Ａは、工場内の目標温度と工場内の目標湿度との組み合わせの別に空調装置２００の最大消費電力を規定している。

図１３は、５月中における消費電力情報１２４Ｂを示す図である。消費電力情報１２４Ｂは、データセット１２３の内で５月に属するデータ群を用いて生成されたものである。消費電力情報１２４Ｂは、工場内の目標温度と工場内の目標湿度との組み合わせの別に空調装置２００の平均消費電力を規定している。

図１４は、８月中における消費電力情報１２４Ｃを示す図である。消費電力情報１２４Ｃは、データセット１２３の内で８月に属するデータ群を用いて生成されたものである。消費電力情報１２４Ｃに、工場内の目標温度と工場内の目標湿度との組み合わせの別に空調装置２００の最大消費電力を規定している。

図１５は、８月中における消費電力情報１２４Ｄを示す図である。消費電力情報１２４Ｄは、データセット１２３の内で８月に属するデータ群を用いて生成されたものである。消費電力情報１２４Ｄは、工場内の目標温度と工場内の目標湿度との組み合わせの別に空調装置２００の平均消費電力を規定している。

生成部１５２は、生成した消費電力情報１２４Ａ～１２４Ｄの各々に期間を関連付けた上で、消費電力情報１２４Ａ～１２４Ｄを上述の記憶装置１２０（図５参照）に格納する。以下では、消費電力情報１２４Ａ～１２４Ｄを特に区別しない場合には、消費電力情報１２４とも称する。

なお、上述では、消費電力情報１２４が機械学習処理により生成される例について説明を行ったが、消費電力情報１２４の生成方法はこれに限定されない。一例として、まず、生成部１５２は、予め定められた変換式（たとえば、後述の式（３））に基づいて、データセット１２３に規定される各負荷情報から消費電力を算出する。その後、生成部１５２は、算出した消費電力を、対応する温湿度の組み合わせに関連付けた上で消費電力情報１２４に記憶する。このように、消費電力情報１２４は、より簡易な方法で生成されてもよい。

（Ｇ２．設定受付部１５４）
次に、上述の図１２～図１５を参照しつつ、図１６を参照して、図８に示される設定受付部１５４の機能について説明する。

設定受付部１５４は、消費電力情報１２４に示される目標温度と目標湿度との組み合わせに対して許容範囲ＡＺの設定を受け付ける。許容範囲ＡＺの設定操作は、たとえば、上述の入力デバイス１０８（図５参照）で受け付けられる。

許容範囲ＡＺは、製造装置３００によるワークの製造品質が一定の品質を維持できる温度範囲および湿度範囲を示す。すなわち、許容範囲ＡＺは、許容できる熱変位の温度範囲および湿度範囲を示す。許容範囲ＡＺは、予め設定されていてもよいし、ユーザによって任意に設定されてもよい。また、許容範囲ＡＺは、コントローラ１００のディスプレイなどに表示される消費電力情報１２４に対して直接入力されてもよいし、消費電力情報１２４とは別に独立して設定されてもよい。

図１２および図１３には、消費電力情報１２４Ａ，１２４Ｂに設定されている許容範囲ＡＺ１が示されている。湿度については、たとえば、金属が錆びない範囲を考慮して６０％ｔｈ以下に設定される。

好ましくは、許容範囲ＡＺ１は、人が快適に感じるコンフォートゾーンＣＺ１の範囲内に設定される。異なる言い方をすれば、設定受付部１５４は、コンフォートゾーンＣＺ１を超える範囲については許容範囲ＡＺ１の設定を受け付けない。

図１４および図１５には、消費電力情報１２４Ｃ，１２４Ｄに設定されている許容範囲ＡＺ２が示されている。湿度については、たとえば、金属が錆びない範囲を考慮して６０％ｔｈ以下に設定される。また、許容範囲ＡＺ２は、コンフォートゾーンＣＺ２の範囲内に設定される。

図１６は、コンフォートチャートの一例を示す図である。コンフォートゾーンＣＺ１，ＣＺ２は、たとえば、図１６に示されるコンフォートチャートに基づいて特定される。

（Ｇ３．特定部１５６）
次に、上述の図１２～図１５を参照して、図８に示される特定部１５６の機能について説明する。

特定部１５６は、消費電力情報１２４Ａ～１２４Ｄの内から、現在が属する期間に対応する消費電力情報１２４を取得する。次に、特定部１５６は、事前に設定されている許容範囲ＡＺ内で消費電力が最小となる目標温度と目標湿度との組み合わせを空調装置２００の設定値として消費電力情報１２４から特定する。特定された設定値は、空調制御部１５８に出力される。

一例として、現在が５月であるとする。この場合、特定部１５６は、５月に対応付けられている消費電力情報１２４Ａ，１２４Ｂを取得する。図１２および図１３の例では、許容範囲ＡＺ１内で消費電力が最小となる設定値Ｐ１'が特定される。その結果、空調装置２００の設定値は、「Ｐ１」から「Ｐ１'」に変更される。

他の例として、現在が８月であるとする。この場合、特定部１５６は、８月に対応付けられている消費電力情報１２４Ｃ，１２４Ｄを取得する。図１４および図１５の例では、許容範囲ＡＺ２内で消費電力が最小となる設定値Ｐ２'が特定される。その結果、空調装置２００の設定値は、「Ｐ２」から「Ｐ２'」に変更される。

（Ｇ４．空調制御部１５８）
次に、図８に示される空調制御部１５８の機能について説明する。

空調制御部１５８は、特定部１５６によって特定された設定値に基づいて、空調装置２００を制御する。一例として、空調制御部１５８は、当該設定値を空調装置２００に送信する。これにより、空調装置２００は、当該設定値に基づいて、工場内の温湿度を調整する。

（Ｇ５．補正部１６０）
次に、図８に示される補正部１６０の機能について説明する。

補正部１６０は、特定部１５６によって特定された空調装置２００の設定値に基づいて、製造装置３００におけるワークの製造に係る加工プログラム３２２（図７参照）と、製造装置３００におけるワークの製造に係る加工パラメータ３２４（図７参照）との少なくとも１つを補正する。

より具体的な処理として、補正部１６０は、変更前における空調装置２００の設定値と、変更後における空調装置２００の設定値との差異に応じて、ワークや工具の熱変位量を推定する。熱変位量は、予め生成されている熱変位モデルを用いて算出される。

一例として、熱変位モデルは、たとえば、温度変化量と湿度変化量とを説明変数とし、熱変位量を目的変数とする所定の算出式（たとえば、後述の式（４））で規定される。

他の例として、熱変位モデルは、学習用データセットを用いた学習処理により生成される。学習用データセットは、温度変化量と、湿度変化量と、熱変位量とを対応付けた複数の学習用データを含む。熱変位モデルの内部パラメータは、このような学習用データセットを用いた学習処理により予め最適化されている。熱変位モデルを生成するための学習手法には、種々の機械学習アルゴリズムが採用され得る。一例として、当該機械学習アルゴリズムとして、ディープラーニング、サポートベクターマシンなどが採用される。学習後の熱変位モデルは、温度変化量と湿度変化量との入力を受けて、熱変位量を推定結果として出力する。

補正部１６０は、熱変位モデルから出力される熱変位量に基づいて、製造装置３００の加工パラメータ３２４を補正する。補正対象の加工パラメータ３２４としては、たとえば、工具の形状を示す形状パラメータと、工具の摩耗量を示す摩耗パラメータとが挙げられる。

形状パラメータは、工具の形状を指定するためのパラメータである。形状パラメータが設定されることで、製造装置３００は、工具の形状を把握した上でワークを加工することができる。典型的には、形状パラメータは、所定の基準点からのオフセット値として示される。形状パラメータは、たとえば、所定の基準点からのＸ方向における幅や、所定の基準点からのＺ方向における幅や、所定の基準点からのＹ方向における幅や、所定の基準点からの工具の径などを含む。

摩耗パラメータは、工具の摩耗量を指定するためのパラメータである。摩耗パラメータが設定されることで、製造装置３００は、工具の摩耗量を把握した上でワークを加工することができる。典型的には、摩耗パラメータは、所定の基準点からのオフセット値として示される。摩耗パラメータは、たとえば、所定の基準点からのＸ方向における工具の摩耗幅や、所定の基準点からのＺ方向における工具の摩耗幅や、所定の基準点からのＹ方向における工具の摩耗幅や、所定の基準点からの工具の経方向における摩耗量などを含む。

なお、上述では、空調装置２００の設定値の変更に伴う熱変位量に応じて加工パラメータ３２４が補正される例について説明を行ったが、補正部１６０は、当該熱変位量に基づいて、加工プログラム３２２を補正してもよい。加工プログラム３２２には、たとえば、主軸の移動量など、ワークの加工に係る変数が規定されている。補正部１６０は、たとえば、空調装置２００の設定値の変更に伴う熱変位量に応じて、加工プログラム３２２に規定されている主軸の移動量を補正する。

＜Ｈ．許容範囲の設定フロー＞
次に、図１７を参照して、上述の許容範囲ＡＺの設定処理に係るフローについて説明する。図１７は、許容範囲ＡＺの設定処理に係るフローチャートの一例を示す図である。

図１７に示される処理は、コントローラ１００の制御回路１０１が上述の制御プログラム１２２を実行することにより実現される。他の局面において、処理の一部または全部が、回路素子またはその他のハードウェアによって実行されてもよい。

ステップＳ１１０において、制御回路１０１は、消費電力情報１２４に示される目標温度と目標湿度との組み合わせに対して許容範囲ＡＺの設定指令を受け付けたか否かを判断する。当該設定指令は、たとえば、ユーザが入力デバイス１０８を用いて設定変更操作を行ったことに基づいて発せられる。制御回路１０１は、許容範囲ＡＺの設定指令を受け付けたと判断した場合（ステップＳ１１０においてＹＥＳ）、制御をステップＳ１１２に切り替える。そうでない場合には（ステップＳ１１０においてＮＯ）、制御回路１０１は、制御をステップＳ１１０の処理を再び実行する。

ステップＳ１１２において、制御回路１０１は、上述の設定受付部１５４として機能し、許容範囲ＡＺの設定画面を表示する。当該設定画面は、たとえば、上述のディスプレイ１０６に表示される。

好ましくは、当該設定画面は、図４に示される消費電力情報１２４を表示し、当該消費電力情報１２４に示される目標温度において範囲の指定を受け付ける。また、当該設定画面は、当該消費電力情報１２４に示される目標湿度において範囲の指定を受け付ける。

ステップＳ１２０において、制御回路１０１は、許容範囲ＡＺの保存操作を受け付けたか否かを判断する。当該保存操作は、たとえば、上記設定画面上の保存ボタンが押されることにより受け付けられる。制御回路１０１は、許容範囲ＡＺの保存操作を受け付けたと判断した場合（ステップＳ１２０においてＹＥＳ）、制御をステップＳ１２２に切り替える。そうでない場合には（ステップＳ１２０においてＮＯ）、制御回路１０１は、図１７に示される処理を終了する。

ステップＳ１２２において、制御回路１０１は、ステップＳ１１２で設定された許容範囲ＡＺを記憶装置１２０に保存する。

＜Ｉ．許容範囲の設定フロー＞
次に、図１８を参照して、空調装置２００の設定値の変更処理に係るフローについて説明する。図１８は、空調装置２００の設定値の変更処理に係るフローチャートの一例を示す図である。

図１８に示される処理は、コントローラ１００の制御回路１０１が上述の制御プログラム１２２を実行することにより実現される。他の局面において、処理の一部または全部が、回路素子またはその他のハードウェアによって実行されてもよい。

制御回路１０１は、空調装置２００の設定値の変更指令を受け付けたか否かを判断する。一例として、当該変更指令は、空調装置２００の設定値の変更操作をユーザから受け付けたことに基づいて発せられる。他の例として、当該変更指令は、スケジュールに予め登録されている変更タイミングが到来したことに基づいて発せられる。

制御回路１０１は、空調装置２００の設定値の変更指令を受け付けたと判断した場合（ステップＳ１５０においてＹＥＳ）、制御をステップＳ１５２に切り替える。そうでない場合には（ステップＳ１５０においてＮＯ）、制御回路１０１は、ステップＳ１５０の処理を再び実行する。

ステップＳ１５２において、制御回路１０１は、現期間（たとえば、現季節）に対応する消費電力情報１２４を取得する。また、制御回路１０１は、当該取得した消費電力情報１２４に設定されている許容範囲ＡＺを取得する。

ステップＳ１５４において、制御回路１０１は、上述の特定部１５６（図８参照）として機能し、ステップＳ１５２で取得した消費電力情報１２４に基づいて、許容範囲ＡＺ内で消費電力が最小となる目標温度と目標湿度との組み合わせを空調装置２００の設定値として特定する。

ステップＳ１５６において、制御回路１０１は、上述の空調制御部１５８（図８参照）として機能し、ステップＳ１５４で特定した設定値を工場内の全ての空調装置２００に送信する。これにより、空調装置２００の設定値が更新される。

ステップＳ１５８において、制御回路１０１は、上述の補正部１６０（図８参照）として機能し、空調装置２００の設定値の変更に伴う熱変位量に基づいて、上述の加工プログラム３２２または上述の加工パラメータ３２４の補正量を算出する。補正部１６０の機能については上述の通りであるので、その説明については繰り返さない。

ステップＳ１６０において、制御回路１０１は、ステップＳ１５８で算出した補正量を製造装置３００に送信する。これにより、上述の加工プログラム３２２または上述の加工パラメータ３２４が更新される。

＜Ｊ．モデルＭＤの評価実験＞
次に、図１９～図２１を参照して、上述のモデルＭＤの評価実験について説明する。図１９は、評価用に生成されたモデルＭＤを示す図である。図２０は、実験環境ＶＥを示す図である。

図１９に示されるモデルＭＤは、実験環境ＶＥの熱環境をモデル化したものである。また、モデルＭＤは、実験環境ＶＥにおいて収集されたデータセット１２３から生成されたものである。

データセット１２３は、アイドリング状態下（すなわち、Ｗ_{ｃｏｏｌｉｎｇ}＝０ｋｗ）で収集された。実験者は、データセット１２３の６０％を学習用データ（learning data）として用い、データセット１２３の残りの２０％を検証用データ（validation data）に用い、データセット１２３の残りの２０％を有効性確認用（verification data）に用いた。

また、実験者は、温湿度計で測定した室内温度Ｔ_{ｉｎｄｏｏｒ}と湿度Ｈ_{ｉｎｄｏｏｒ}とをそれぞれＴ_{ｔａｒｇｅｔ}とＨ_{ｔａｒｇｅｔ}として使用した。また、実験者は、日本の国立気象観測システムのアメダスから外気情報を収集した。また、実験者は、乾球温度、相対湿度、および日照時間をそれぞれ外気温、湿度、および日照時間として使用した。

さらに、実験者は、次のようにして熱負荷を求めた。まず、実験者は、熱交換器Ｅ１，Ｅ２の各ユニットついて、熱交換器の流入口／流出口における温湿度を測定した。次に、実験者は、流入口と流出口との間のエンタルピー差を計算した。各ユニットの熱負荷は、当該エンタルピー差に風量を乗じて算出した。実験者は、その平均値を各ユニットの熱負荷とした。

図２１は、評価結果を示す図である。図２１には、熱負荷の実測値が実線で示され、推定値が散布図として示されている。散布図に示される推定値は、実測値と概ね一致している。実測値と推定値との間の誤差は約１０％であり、モデルＭＤは有効である言える。

本実験では、実験者は、空調装置２００の消費電力Ｐ_{ｃｏｏｌｉｎｇ}［ｋＷ］をコンデンサユニットのメインスイッチで測定した。Ｗ_{ｃｏｏｌｉｎｇ}とＰ_{ｃｏｏｌｉｎｇ}との関係式は、実験結果から下記式（３）のように近似され得る。

Ｐ_{ｃｏｏｌｉｎｇ}＝０．１４７・Ｗ_{ｃｏｏｌｉｎｇ}＋０．５５０ ・・・（３）
＜Ｋ．熱変位の影響＞
次に、図２２および図２３を参照して、空調装置２００の設定値の変更に伴う熱変位の影響について説明する。

上述のように、特定部１５６は、許容範囲ＡＺ内で消費電力が最小となる目標温度と目標湿度との組み合わせを空調装置２００の設定値とする。これにより、屋内の温度がオフセット値ΔＴだけ変わり、製造装置３００やワークに熱変位が生じる。ここで、ワークの熱変位量ｄ_{ｗｏｒｋｐｅｉｃｅ}は、下記の式（４）に基づいて算出される。

ｄ_{ｗｏｒｋｐｅｉｃｅ}＝Ｌ・（α_{ｍａｃｈｉｎｅ}－α_{ｗｏｒｋｐｅｉｃｅ}）・ΔＴ ・・・（４）
式（４）に示される「Ｌ」は、加工箇所の長さを表わす。「α_{ｍａｃｈｉｎｅ}」は、製造装置３００の熱膨張係数を表わす。「α_{ｗｏｒｋｐｅｉｃｅ}」は、ワークの熱膨張係数を表わす。

実験者は、上記式（４）の妥当性を検証するために切削テストを行った。図２２は、切削テストの実験条件を示す図である。図２２に示されるように、実験には、ピラミッド形状の３００ｍｍ×３００ｍｍのワークが用いられた。実験者は、アルミニウム素材のワークを実験に用いた。また、当該ワークの外周部は、５ｍｍ幅の段状になっている。

実験者は、屋内温度が２０℃である環境下と、屋内温度が２５℃である環境下との２つの環境下で本実験を行った。ワークの加工は、主軸のＺ軸の位置を変えながら、主軸を冷却した状態で２時間ごとに４回繰り返された。

また、実験者は、主軸の回転速度を８７５０ｒｐｍとした。さらに、実験者は、主軸の送り速度を９８０ｍｍ／ｍｉｎとした。さらに、実験者は、ワークの切り込み量を０．５ｍｍとした。さらに、実験者は、ワークの切り込み幅を８ｍｍとした。これらの条件下では、ワークの熱変位量ｄ_{ｗｏｒｋｐｅｉｃｅ}は、上記式（４）から１９．５μｍと推定される。

図２３は、２０℃下におけるワーク外周の測定結果と、２５℃下におけるワーク外周の測定結果とを示す図である。ワークの外周は、座標測定器を用いて測定された。図２４は、各実験での熱変位量ｄ_{ｗｏｒｋｐｅｉｃｅ}を示す図である。

推定値としてのｄ_{ｗｏｒｋｐｅｉｃｅ}と、実測値としてのｄ_{ｗｏｒｋｐｅｉｃｅ}の差は１．８μｍであり、測定の標準偏差は３．０μｍであった。この結果は、上記式（４）が有効であることを示す。したがって、オフセット値ΔＴに応じて生じる熱変位は，上記式（４）を用いて推定され得る。

＜Ｌ．オフセット手法の応用＞
次に、図２５～図２７を参照して、空調装置２００の設定値を上述のオフセット値ΔＴ（図３参照）の分だけ変更するオフセット手法の応用について説明する。図２５は、製造装置３００の稼働時間をリスケジュールしている様子を示す図である。

図２５に示されるように、製造装置３００の稼働時間を日中から夜間に移動するリスケジュール手法が用いられると、１日の最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}が下がる。しかしながら、リスケジュール手法では、１日の平均熱負荷Ｗ_{ａｖｅｒａｇｅ}は、変化しない。

図２６は、製造装置３００の稼働時間をリスケジュールしている様子を示す図である。図２６の例では、リスケジュール手法とオフセット手法とが組み合わされている。

リスケジュール手法とオフセット手法とが組み合わされると、１日の最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}が下がるだけでなく、１日の平均熱負荷Ｗ_{ａｖｅｒａｇｅ}も下がる。

図２７は、シミュレーション結果Ｒ１～Ｒ８を示す図である。シミュレーション結果Ｒ１，Ｒ５は、リスケジュール手法およびオフセット手法を採用しない場合における最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}と平均熱負荷Ｗ_{ａｖｅｒａｇｅ}とを示す。

シミュレーション結果Ｒ２，Ｒ６は、リスケジュール手法のみを採用した場合における最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}と平均熱負荷Ｗ_{ａｖｅｒａｇｅ}とを示す。

シミュレーション結果Ｒ３，Ｒ７は、オフセット手法のみを採用した場合における最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}と平均熱負荷Ｗ_{ａｖｅｒａｇｅ}とを示す。

シミュレーション結果Ｒ４，Ｒ８は、リスケジュール手法およびオフセット手法の両方を採用した場合における最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}と平均熱負荷Ｗ_{ａｖｅｒａｇｅ}とを示す。

また、シミュレーション結果Ｒ１～Ｒ４は、５月中における最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}と平均熱負荷Ｗ_{ａｖｅｒａｇｅ}とを示す。シミュレーション結果Ｒ５～Ｒ８は、８月中における最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}と平均熱負荷Ｗ_{ａｖｅｒａｇｅ}とを示す。

図２７に示されるように、オフセット手法による熱負荷の削減率は、３０％以上であり、リスケジュール手法の削減率よりも大きい。また、リスケジュール手法とオフセット手法とが組み合わせられることで、最大熱負荷Ｗ_{ｍａｘｉｍｕｍ}が下がるだけでなく、平均熱負荷Ｗ_{ａｖｅｒａｇｅ}も下がる。

＜Ｍ．まとめ＞
以上のようにして、コントローラ１００は、消費電力情報１２４に示される目標温度と目標湿度との組み合わせに対して許容範囲ＡＺの設定を受け付ける。許容範囲ＡＺは、製造装置３００によるワークの製造品質が一定の品質を維持できる温度範囲および湿度範囲を示す。

コントローラ１００は、許容範囲ＡＺ内で消費電力が最小となる目標温度と目標湿度との組み合わせを空調装置２００の設定値として消費電力情報１２４から特定する。その後、コントローラ１００は、当該特定した設定値に基づいて、空調装置２００を制御する。

これにより、コントローラ１００は、製造装置３００によるワークの製造品質の低下を抑制しつつ、空調装置２００の消費電力を削減することができる。

今回開示された実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。

１０ 空調制御システム、１００ コントローラ、１０１ 制御回路、１０２ ＲＯＭ、１０３ ＲＡＭ、１０４ 通信インターフェイス、１０５ 表示インターフェイス、１０６ ディスプレイ、１０７ 入力インターフェイス、１０８ 入力デバイス、１１０ バス、１２０ 記憶装置、１２２ 制御プログラム、１２３ データセット、１２４ 消費電力情報、１２４Ａ 消費電力情報、１２４Ｂ 消費電力情報、１２４Ｃ 消費電力情報、１２４Ｄ 消費電力情報、１５２ 生成部、１５２Ａ 学習部、１５２Ｂ 推定部、１５４ 設定受付部、１５６ 特定部、１５８ 空調制御部、１６０ 補正部、２００ 空調装置、２０１ 制御回路、２０２ 通信インターフェイス、２０３ 温度センサ、２０４ 湿度センサ、２２０ 記憶装置、２２２ 制御プログラム、２２４ 設定値、２３０ 屋内機、２３１ 屋内ファン、２３２ 膨張弁、２３３ 熱交換器、２４０ 屋外機、２４１ 屋外ファン、２４２ 圧縮機、２４３ 熱交換器、３００ 製造装置、３００Ａ 工作機械、３０１ 制御回路、３０２ ＲＯＭ、３０３ ＲＡＭ、３０４ 通信インターフェイス、３０５ フィールドバスコントローラ、３０６ 駆動ユニット、３０９ 内部バス、３２０ 記憶装置、３２２ 加工プログラム、３２４ 加工パラメータ。

Claims (7)

1. 工場に設置されている空調装置を制御するためのコントローラであって、
   前記工場内には、前記工場内の温度と前記工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されており、
   前記工場内の目標温度と前記工場内の目標湿度と前記空調装置の消費電力との相関関係を示す消費電力情報を格納するための記憶装置と、
   前記消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるための設定受付部と、
   前記許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを前記空調装置の設定値として前記消費電力情報から特定するための特定部と、
   前記特定部によって特定された設定値に基づいて、前記空調装置を制御するための空調制御部とを備える、コントローラ。
2. 前記記憶装置は、複数の前記消費電力情報を格納しており、
   複数の前記消費電力情報の各々には、期間が予め対応付けられており、
   前記特定部は、複数の前記消費電力情報の内から、現在が属する期間に対応する消費電力情報を取得し、当該取得した消費電力情報から前記設定値を特定する、請求項１に記載のコントローラ。
3. 前記製造装置は、工作機械と、半導体製造装置との少なくとも一方を含む、請求項１または２に記載のコントローラ。
4. 前記コントローラは、さらに、前記設定値に基づいて、前記製造装置における前記ワークの製造に係るパラメータと、前記製造装置における前記ワークの製造に係る加工プログラムとの少なくとも１つを補正するための補正部を含む、請求項１～３のいずれか１項に記載のコントローラ。
5. 前記コントローラは、さらに、所定のデータセットに基づいて、前記消費電力情報を生成するための生成部を備え、
   前記データセットは、過去の時間別に、当該時間における前記工場外の温度と、当該時間における前記工場外の湿度と、当該時間における前記製造装置の稼働状況と、当該時間における前記工場内の温度と、当該時間において前記工場内の湿度と、当該時間における前記空調装置の負荷情報とを対応付けており、
   前記時間における前記工場内の温度は、前記空調装置の設定温度と、当該工場内で測定された実測温度との少なくとも１つを含み、
   前記時間における前記工場内の湿度は、前記空調装置の設定湿度と、当該工場内で測定された実測湿度との少なくとも１つを含み、
   前記時間における前記空調装置の負荷情報は、前記空調装置の消費電力と、前記空調装置の熱負荷との少なくとも１つを含む、請求項１～４のいずれか１項に記載のコントローラ。
6. 工場に設置されている空調装置を制御するための制御方法であって、
   前記工場内には、前記工場内の温度と前記工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されており、
   前記工場内の目標温度と前記工場内の目標湿度と前記空調装置の消費電力との相関関係を示す消費電力情報を取得するステップと、
   前記消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるためのステップと、
   前記許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを前記空調装置の設定値として前記消費電力情報から特定するためのステップと、
   前記特定するステップで特定された設定値に基づいて、前記空調装置を制御するためのステップとを備える、制御方法。
7. 工場に設置されている空調装置を制御するためのコンピュータによって実行される制御プログラムであって、
   前記工場内には、前記工場内の温度と前記工場内の湿度との影響により製造品質が変化するワークを製造するための製造装置が設置されており、
   前記制御プログラムは、前記コンピュータに、
   前記工場内の目標温度と前記工場内の目標湿度と前記空調装置の消費電力との相関関係を示す消費電力情報を取得するステップと、
   前記消費電力情報に示される目標温度と目標湿度との組み合わせに対して許容範囲の設定を受け付けるためのステップと、
   前記許容範囲内で消費電力が最小となる目標温度と目標湿度との組み合わせを前記空調装置の設定値として前記消費電力情報から特定するためのステップと、
   前記特定するステップで特定された設定値に基づいて、前記空調装置を制御するためのステップとを実行させる、制御プログラム。

Images