JP2023086032A - 空気調和機及び空気調和システム - Google Patents

Abstract

【課題】ＡＩ機能の多様化と、使用者の快適性とを両立できる空気調和機を提供する。【解決手段】空気調和機は、室内機と室外機とを備える空気調和機である。空気調和機は、前記空気調和機の運転状態量を検出する検出部と、使用者が前記空気調和機を操作するための操作部と、前記検出部の検出結果に基づいて、その後の運転方法を推論する推論部と、を備える。前記推論部は、前記使用者による操作の傾向を学習した学習結果に基づき、前記使用者の快適性に関わる運転方法を推論する第１の学習モデルを有する。前記操作部は、前記推論部を起動させる起動ボタンを有し、前記起動ボタンが操作されると、前記第１の学習モデルが起動する。【選択図】図３

Description

本発明は、空気調和機及び空気調和システムに関する。

空気調和機では、例えば、人の設定温度の操作傾向を学習して適切な設定温度を予測する学習モデルを搭載した空気調和機がある。また、学習モデルを用いた予測機能（以下、ＡＩ機能ともいう）を備える空気調和機において、例えば、空気調和機を操作するリモコンに学習モデルを起動してＡＩ機能を発揮させるボタン（以下、ＡＩ起動ボタン）を備えることで、学習モデルを簡単に動作させるようにして利便性を高めたものも知られている。

特開２０１８－２００１２７号公報 特開２０１５－１１７９３３号公報

近年、学習モデルとして、例えば、空調運転中における使用者の快適性の実現に関わる学習モデルだけでなく、空調運転の制御（例えば空調運転のＯＮ／ＯＦＦに関わる制御）における使用者の利便性の実現に関わる学習モデルなどが存在する。使用者の快適性に関わる学習モデルとしては、例えば、空調空間内の使用者の過去の操作傾向を反映した使用者の体感温度を予測して設定温度を自動的に変更する体感温度予測モデル等がある。これに対して、使用者の利便性に関わる学習モデルとしては、例えば、空調空間内の使用者の不在を予測した場合に節電のために自動で空調運転を停止する在不在予測モデル等がある。

空気調和機が複数の学習モデルを有する場合には、例えば、使用者がＡＩ起動ボタンを操作することで複数のＡＩ機能を一括で発揮させてしまうと、使用者の快適性に関わる学習モデルと使用者の空調運転の利便性に関わる学習モデルとが動作することになる。

しかしながら、使用者の快適性に関わる学習モデルと使用者の利便性に関わる学習モデルとが動作した場合には、使用者の快適性に影響を及ぼすことも想定できる。例えば、在不在予測モデルが空調空間内の使用者の不在傾向を予測して空調運転を停止した場合、使用者がその傾向に反して短時間で室内空間に戻ったときに、室内空間の室温が使用者にとって快適な温度に戻るまでに時間を要し、使用者の快適性が損なわれる可能性がある。このように、空気調和機に多様なＡＩ機能を持たせることとＡＩ機能を簡単に実行できるようにすることとが、使用者の快適性を損なうことにつながる事態が起こり得る。

本発明ではこのような問題に鑑み、ＡＩ機能の多様化と、使用者の快適性とを両立できる空気調和機を提供することを目的とする。

一つの態様の空気調和機は、室内機と室外機とを備える空気調和機である。空気調和機は、前記空気調和機の運転状態量を検出する検出部と、使用者が前記空気調和機を操作するための操作部と、前記検出部の検出結果に基づいて、その後の運転方法を推論する推論部と、を備える。前記推論部は、前記使用者による操作の傾向を学習した学習結果に基づき、前記使用者の快適性に関わる運転方法を推論する第１の学習モデルを有する。前記操作部は、前記推論部を起動させる起動ボタンを有し、前記起動ボタンが操作されると、前記第１の学習モデルが起動する。

本発明の空気調和機では、一つの側面として、ＡＩ機能の多用化と、使用者の快適性とを両立できる。

図１は、本実施例の空気調和システムの一例を示す説明図である。 図２は、空気調和機の構成の一例を示すブロック図である。 図３は、通信アダプタの構成の一例を示すブロック図はある。 図４は、サーバ装置の構成の一例を示すブロック図である。 図５は、リモコンの構成の一例を示すブロック図である。 図６は、リモコンのタッチパネルの表示内容の一例を示す説明図である。 図７は、タッチパネルの表示内容の遷移の一例を示す説明図である。 図８は、通信アダプタ側制御処理に関わる通信アダプタの処理動作の一例を示すフローチャートである。

以下、図面に基づいて、本願の開示する空気調和機及び空気調和システムの実施例を詳細に説明する。尚、本実施例により、開示技術が限定されるものではない。また、以下に示す各実施例は、矛盾を起こさない範囲で適宜変形しても良い。

＜空気調和システムの構成＞
図１は、実施例１の空気調和システム１の一例を示す説明図である。図１に示す空気調和システム１は、空気調和機２と、通信アダプタ３と、ルータ４と、サーバ装置５と、中継装置６と、端末装置７と、通信網８とを有する。

＜空気調和機の構成＞
図２は、空気調和機２の構成の一例を示すブロック図である。図２に示す空気調和機２は、室内機２１と、室外機２２と、リモコン２３とを有する。室内機２１は、例えば、室内に配置され、空調空間である室内の空気を加熱又は冷却する空気調和機２の一部である。室内機２１は、例えば、居間や寝室等の空調空間毎に備えられているものとする。室内機２１は、本体２１Ａと、センサ２１Ｂと、受光部２１Ｃと、制御部２１Ｄと、メモリ２１Ｅとを有する。本体２１Ａは、図示せぬ室内ファン、風向板や室内熱交換器などが備えられ、室内熱交換器で室外機２２から供給される冷媒と熱交換を行った室内空気が室内ファンによって吹き出されることで、部屋の暖房、冷房、除湿等が行われる。センサ２１Ｂは、例えば、室内温度、外気温度、熱交温度、コンプ回転数、使用者によるエアコンの操作内容、空調空間内の人の在不在を示す検知結果等の運転状態量を検出する検出部である。センサ２１Ｂには、例えば、空調空間内の人の在不在を検知する人検知センサ等を含む。受光部２１Ｃは、リモコン２３からのコマンド信号を受光し、受光したコマンド信号を制御部２１Ｄに送信する。メモリ２１Ｅは、各種情報を記憶する領域である。制御部２１Ｄは、室内機２１全体を制御する。制御部２１Ｄは、コマンド信号に基づき、各種コマンドを実行する。室外機２２は、例えば、室外ファンや圧縮機等が備えられている。リモコン２３は、使用者の操作に応じて室内機２１を遠隔操作する操作部である。

本実施例の通信アダプタ３は、空気調和機２の室内機２１とルータ４との間を無線通信で接続する通信機能と、室内機２１をＡＩ（Artificial Intelligence）制御する制御機能とを有する。通信アダプタ３は、室内機２１毎に配置するものである。ルータ４は、例えば、ＷＬＡＮ(Wireless Local Area Network)等を使用して通信アダプタ３と通信網８とを無線通信で接続すると共に、端末装置７と通信網８とを無線通信で接続する装置（アクセスポイントとも呼ばれる）である。端末装置７は、空気調和システム１を使用する複数の使用者の内、例えば、管理者となる使用者のスマートフォン等の通信端末である。通信網８は、例えば、インターネット等の通信網である。サーバ装置５は、後述する学習モデルを生成する機能や運転履歴データ等を記憶するデータベース等を有する。尚、サーバ装置５は、例えば、データセンタに配置されている。中継装置６は、通信網８と通信で接続すると共に、サーバ装置５と通信で接続する機能を有する。中継装置６は、通信網８経由で学習モデルの生成又は更新に使用する運転履歴データ等を通信アダプタ３からサーバ装置５に送信する。また、中継装置６は、サーバ装置５で生成又は更新した学習モデルを通信網８経由で通信アダプタ３に送信する。尚、中継装置６は、例えば、データセンタ等に配置されている。

中継装置６は、第１の中継部６Ａと、第２の中継部６Ｂと、第３の中継部６Ｃとを有する。第１の中継部６Ａは、通信網８経由で通信アダプタ３からサーバ装置５に学習モデルに関わる各種データ（以降、運転履歴データと記載する）を送信し、サーバ装置５が生成又は更新した学習モデルを通信網８経由で通信アダプタ３に送信する。第２の中継部６Ｂは、使用者が外出先から端末装置７を使用して設定した室内機２１の運転条件（冷房／暖房といった運転モードや設定温度など）を取得し、これを室内機２１に送信する。第３の中継部６Ｃは、例えば、インターネット等の通信網８から天気予報やカレンダ情報等の外部データを取得し、取得した外部データをサーバ装置５に送信する。また、第３の中継部６Ｃは、外部データを通信網８経由で通信アダプタ３に送信する。

＜通信アダプタの構成＞
図３は、通信アダプタ３の構成の一例を示すブロック図である。図３に示す通信アダプタ３は、第１の通信部３１と、第２の通信部３２と、記憶部３３と、ＣＰＵ(Central Processing Unit)３４とを有する。第１の通信部３１は、室内機２１内の制御部２１ＤとＣＰＵ３４とを通信接続する、例えば、ＵＡＲＴ（Universal Asynchronous Receiver Transmitter）等の通信ＩＦ（Interface）である。第２の通信部３２は、ルータ４とＣＰＵ３４とを通信接続する、例えば、ＷＬＡＮ等の通信ＩＦ等の通信部である。記憶部３３は、例えば、ＲＯＭ（Read Only Memory）やＲＡＭ(Random Access Memory)等を有し、データやプログラム等の各種情報を格納する。ＣＰＵ３４は、通信アダプタ３全体を制御する。

図３に示す通信アダプタ３内の記憶部３３は、履歴メモリ３３Ａと、アダプタ側学習記憶部３３Ｂと、予測結果メモリ３３Ｃと、外部メモリ３３Ｄとを有する。履歴メモリ３３Ａは、室内機２１から取得した運転履歴データを一時記憶する。アダプタ側学習記憶部３３Ｂは、サーバ装置５で生成した学習モデルを記憶する。学習モデルは、センサ２１Ｂの検出結果に基づき、その後の運転方法を推論する学習モデルである。例えば学習モデルは、使用者による操作の傾向を学習した学習結果に基づき、使用者の快適性に関わる運転方法を推論する第１の学習モデル３３Ｂ１と、空気調和機２が設置される空間における使用者の在不在の傾向を学習した学習結果に基づき、使用者の利便性に関わる運転方法を推論する第２の学習モデル３３Ｂ２とを記憶する。

第１の学習モデル３３Ｂ１としては、例えば、体感温度予測モデル３５と、温度ムラ予測モデル３６とを有する。

体感温度予測モデル３５は、室内機２１から定期的（例えば、５分毎）に得た運転履歴データ等を含む運転状態量を用いて、例えば、空調空間内の５分後に使用者が快適だと感じる体感温度を予測する学習モデルである。体感温度予測モデル３５は、例えば、時系列の室内温度、室内湿度、室外温度等に応じて、使用者が快適に感じるように空気調和機２を調整する際に実行するプログラムである。空気調和機２は、体感温度予測モデル３５に基づいて制御されることにより、使用者が快適に感じるように、空気調和機２の設定温度が変更される。このため使用者の快適性が維持される。

温度ムラ予測モデル３６は、室内機２１から定期的（例えば、５分毎）に得た運転履歴データ等を含む運転状態量を用いて、例えば、１０分後の空調空間の温度ムラの位置を予測する学習モデルである。空気調和機２が温度ムラ予測モデル３６に基づいて制御されることにより、空調空間の温度ムラが解消される。このため温度ムラが生じている箇所で使用者が不快感（暑さや寒さ）を感じることがなくなり、使用者の快適性が維持される。

第２の学習モデル３３Ｂ２としては、例えば、建物負荷予測モデル３７と、在不在予測モデル３８とを有する。

建物負荷予測モデル３７は、室内機２１が設置された部屋の建物負荷を踏まえ、室内温度が設定温度に到達するまでの時間を予測する学習モデルである。尚、建物負荷とは、室内機２１が設置された部屋の温度や湿度を一定に保つために必要なエネルギーをいう。つまり、建物負荷予測モデル３７は、例えば、使用者が室内機２１に対して運転予約を行う運転開始時刻を設定する入タイマの予約時に、例えば、現在室内温度、運転開始時能力、抽出した室外温度予報値を含む運転状態量を用いて、事前運転開始時刻を予測して決定する学習モデルである。空気調和機２が建物負荷予測モデル３７に基づいて制御されることにより、使用者は室内温度が設定温度に到達するまでの時間を考慮して入タイマの時刻を設定する必要がなくなり、使用者の利便性が向上する。

在不在予測モデル３８は、室内機２１から定期的（例えば、５分毎）に得た運転履歴データや人検知センサの検知結果等を含む運転状態量を用いて、例えば、２４時間分の空調空間における使用者の在不在を予測する。在不在予測モデル３８は、使用者の在不在の予測結果と人検知センサの検知結果に基づいて、例えば節電運転などを実行する学習モデルである。空気調和機２が在不在予測モデル３８に基づいて制御されることにより、例えば使用者が空調空間内で不在が予測される時間帯で、節電運転を実行させることが可能となる。これにより、使用者は空気調和機２の運転・停止を度々操作することなく、無駄な空調運転を回避できるため、使用者の利便性が向上する。

在不在予測結果メモリ３３Ｂは、在不在予測モデル３８から取得した２４時間分の空調空間における使用者の在不在の予測結果を記憶する。

ＣＰＵ３４は、在不在予測モデル３８で得た空調空間内の２４時間分の使用者の在不在の予測結果を認識できる。外部メモリ３３Ｄは、前述した祝日情報や天気予報など外部から取得する外部データを記憶する。

ＣＰＵ３４は、収集部３４Ａと、送信部３４Ｂと、受信部３４Ｃと、推論部３４Ｄとを有する。

収集部３４Ａは、室内機２１から所定周期、例えば１０分毎の取得タイミングで、例えば、室内温度、外気温度、熱交温度、コンプ回転数、使用者によるエアコンの操作内容、人検知センサの検知結果等の運転状態量を運転履歴データとして取得する。室内温度は、室内機２１の空調空間内の室内の温度、すなわち室内温度を室内温度センサで検出する。外気温度は、室外機２２の図示しない吸込口付近には、室外機２２の内部に流入する外気の温度、すなわち外気温度を外気温度センサで検出する。熱交温度は、例えば、図示しない熱交換器に流入（又は熱交換器から流出）する冷媒の温度により検出する。例えば室外機２２の熱交換器（以下、室外熱交ともいう）が凝縮器として機能する場合に、室外熱交から流出する冷媒の温度を熱交温度として検出する。具体的には、図示しない室外熱交の出口に温度センサ（以下、室外熱交出口センサともいう）を配置して、室外熱交出口センサで熱交温度を検出する。コンプ回転数は、例えば、圧縮機の図示しない回転数センサで検出する。収集部３４Ａは、取得した運転状態量等の運転履歴データを履歴メモリ３３Ａに記憶する。

送信部３４Ｂは、履歴メモリ３３Ａに記憶中の運転履歴データを通信網８経由でサーバ装置５に送信する。尚、サーバ装置５では、通信アダプタ３から順次受信した運転履歴データ内の運転状態量を用いて、学習モデルを生成することになる。受信部３４Ｃは、通信網８経由でサーバ装置５から学習モデルを受信し、受信した学習モデルをアダプタ側学習記憶部３３Ｂに記憶する。

推論部３４Ｄは、例えば体感温度予測モデル３５を用いて、空調空間内の使用者が例えば５分後に快適だと感じる体感温度を予測し、予測結果である体感温度の変化を第１の通信部３１を介して室内機２１内の制御部２１Ｄに送信する。具体的には、推論部３４Ｄは、体感温度が上昇すると予測された場合、室内機２１内の制御部２１Ｄに対して「体感温度アップ」通知を第１の通信部３１を介して送信する。また、推論部３４Ｄは、体感温度が低下すると予測された場合、室内機２１内の制御部２１Ｄに対して「体感温度ダウン」通知を第１の通信部３１を介して送信する。また、推論部３４Ｄは、体感温度が変化しないと予測された場合、室内機２１内の制御部２１Ｄに対して通知を送信しない。

また推論部３４Ｄは、例えば温度ムラ予測モデル３６を用いて、１０分後の空調空間の温度ムラの位置を予測し、室内機２１内の制御部２１Ｄに対して温度ムラが解消する制御内容を第１の通信部３１を介して送信する。

また推論部３４Ｄは、例えば建物負荷予測モデル３７を用いて、入タイマ予約での運転開始時刻における事前運転開始時刻を予測し、室内機２１内の制御部２１Ｄに対して事前運転開始時刻を第１の通信部３１を介して送信する。

また推論部３４Ｄは、例えば在不在予測モデル３８を用いて、２４時間分の空調空間における使用者の在不在を予測し、その予測結果から空調空間における使用者の在不在傾向を生成する。更に、推論部３４Ｄは、使用者の在不在傾向と、人検知センサの現在の検知結果とを用いて、例えば、空調空間内の人の不在を検知した時点から６０分先までの空調空間における使用者の在不在を予測する。推論部３４Ｄは、室内機２１内の制御部２１Ｄに対して使用者の在不在の予測結果を第１の通信部３１を介して送信する。

＜学習モデルを使用した室内機の制御部の動作＞
制御部２１Ｄは、受信した体感温度予測モデル３５の体感温度アップ通知又は体感温度ダウン通知に基づき、現在の室内温度を設定温度に変更する。制御部２１Ｄは、体感温度アップ通知を受信した場合、例えば、設定温度を０．５度だけ高くなるように、設定温度を変更する。また、制御部２１Ｄは、例えば、体感温度ダウン通知を受信した場合、例えば、設定温度を０．５度だけ低くなるように、設定温度を変更する。つまり、制御部２１Ｄは、空調空間が設定温度になるように室内機２１内の本体２１Ａを構成する各機器を制御する。

制御部２１Ｄは、受信した温度ムラ予測モデル３６の制御内容に基づき、空調空間内の温度ムラを解消するように、室内機２１内の本体２１Ａを構成する、例えば、室内機ファンや風向板等の各機器を制御する。

制御部２１Ｄは、受信した建物負荷予測モデル３７の事前運転開始時刻に室内機２１の空調運転を開始する。その結果、使用者が入タイマ予約で設定した運転開始時刻には、事前の空調運転で室内機２１が設置された部屋の温度が設定温度に到達することになる。つまり、建物負荷予測モデル３７は、空調負荷に基づき、入タイマの事前運転を制御することになる。

制御部２１Ｄは、空調運転の実行中に人検知センサが人の不在を検知した時点から、例えば、６０分間の間の在不在予測モデル３８の使用者の在不在の予測結果を参照する。例えば制御部２１Ｄは、参照した予測結果に基づき、予測結果も使用者の不在である場合には、空調空間内において使用者の不在が所定時間継続すると判断し、実行中の空調運転を停止する節電運転に切り替えるべく、室内機２１内の本体２１Ａを構成する各機器を制御する。

＜サーバ装置の構成＞
図４は、サーバ装置５の構成の一例を示すブロック図である。図４に示すサーバ装置５は、例えば通信部５１と、記憶部５２と、ＣＰＵ５３とを有する。本実施例の通信部５１は、中継装置６とＣＰＵ５３とを通信接続する通信ＩＦである。記憶部５２は、例えば、ＨＤＤ(Hard Disk Drive)、ＲＯＭやＲＡＭ等を有し、データやプログラム等の各種情報を記憶する。例えばＣＰＵ５３は、サーバ装置５全体を制御する。

図４に示すサーバ装置５内の記憶部５２は、例えば履歴データメモリ５２Ａと、モデル記憶部５２Ｂとを有する。例えば履歴データメモリ５２Ａは、通信アダプタ３から受信した、運転状態量を記憶する。例えばモデル記憶部５２Ｂは、サーバ装置５で生成した第１の学習モデル及び第２の学習モデルを記憶する。尚、第１の学習モデルは、例えば、温度ムラ予測モデル及び体感温度予測モデル等である。第２の学習モデルは、例えば、建物負荷予測モデル及び在不在予測モデル等である。

サーバ装置５内のＣＰＵ５３は、例えば受信部５３Ａと、取得部５３Ｂと、生成部５３Ｃと、送信部５３Ｄとを有する。

受信部５３Ａは、例えば複数の室内機２１の通信アダプタ３と接続してルータ４、通信網８及び中継装置６を経由して、通信アダプタ３から運転状態量を受信し、受信した運転状態量を履歴データメモリ５２Ａに記憶する。取得部５３Ｂは、履歴データメモリ５２Ａに記憶中の運転状態量を取得する。生成部５３Ｃは、取得部５３Ｂにて取得した運転状態量に基づき、例えば、第１の学習モデルや第２の学習モデルを生成する。

＜リモコンの構成＞
図５は、リモコン２３の構成の一例を示すブロック図である。図５に示すリモコン２３は、例えばリモコン側通信部６１と、タッチパネル６２と、リモコン側制御部６３とを有する。リモコン側通信部６１は、室内機２１に対して赤外線や電波等でコマンド信号を送信する。タッチパネル６２は、操作部７１と、表示部７２とを有する。表示部７２は、各種情報を表示する領域である。操作部７１は、表示部７２に表示中の操作ボタンであって、各種コマンドに対応している。使用者は操作ボタンを押下することで指示内容を入力する。リモコン側制御部６３は、リモコン２３全体を制御する。

図６は、リモコン２３のタッチパネル６２の表示内容の一例を示す説明図である。図６に示すタッチパネル６２には、運転モード設定時の操作画面７２Ａ上の操作部７１を表示している状態である。操作画面７２Ａ上には、操作部７１として、ＡＩ自動ボタン７１Ａと、暖房ボタン７１Ｂと、自動ボタン７１Ｃと、冷房ボタン７１Ｄと、除湿ボタン７１Ｅと、送風ボタン７１Ｆと、停止ボタン７１Ｇと、ＯＫボタン７１Ｈと、キャンセルボタン７１Ｊとを有する。

ＡＩ自動ボタン７１Ａは、通信アダプタ２３内の推論部３４Ｄ内の学習モデルの起動に対応している。使用者がＡＩ自動ボタン７１Ａを押下すると、室内機２１に対してＡＩ機能を実行するコマンド信号が送信される。本実施例では、ＡＩ自動ボタン７１Ａは第１の学習モデル３３Ｂ１の起動に対応している。暖房ボタン７１Ｂは、例えば、室内機２１の制御部２１Ｄに対して空調空間の室内温度を上げる空調運転（暖房運転）の開始を要求するボタンである。自動ボタン７１Ｃは、例えば、室内機２１の制御部２１Ｄに対して空調空間の室内温度を自動で調整する空調運転（自動運転）の開始を要求するボタンである。冷房ボタン７１Ｄは、例えば、室内機２１の制御部２１Ｄに対して空調空間の室内温度を下げる空調運転（冷房運転）の開始を要求するボタンである。除湿ボタン７１Ｅは、例えば、室内機２１の制御部２１Ｄに対して空調空間を除湿する空調運転（除湿運転）の開始を要求するボタンである。送風ボタン７１Ｆは、例えば、室内機２１の制御部２１Ｄに対して空調空間に向けて送風する空調運転（送風運転）の開始を要求するボタンである。停止ボタン７１Ｇは、例えば、室内機２１の制御部２１Ｄに対して実行中の空調運転の停止を要求するボタンである。キャンセルボタン７１Ｊは、例えば、表示中の操作画面７２Ａをキャンセルするボタンである。ＯＫボタン７１Ｈは、例えば、表示中の操作画面７２Ａを承認するボタンである。

図７は、タッチパネル６２の表示内容の遷移の一例を示す説明図である。リモコン側制御部６３は、図６に示す操作画面７２Ａ上のＡＩ自動ボタン７１Ａのボタン操作を検出した場合、図６に示す操作画面７２Ａから、ＡＩ自動モードの起動開始を示す起動開始画面７２Ｂに切り替える。尚、ＡＩ自動モードとは、複数の学習モデルの内、使用者の快適性に関わる運転方法を推論する第１の学習モデルの機能を発揮させるモードである。また、起動開始画面７２Ｂは、複数の学習モデルの内、第１の学習モデルの機能を起動させたことを示すメッセージを表示する画面である。リモコン側制御部６３は、起動開始画面７２Ｂを表示した後、起動開始画面７２Ｂから、ＡＩ自動モードの運転中を示す運転中画面７２Ｃに切り替える。

＜学習モードを使用する室内機の動作＞
図８は、制御処理に関わる通信アダプタ３の処理動作の一例を示すフローチャートである。通信アダプタ３内のＣＰＵ３４は、リモコン２３のＡＩ自動ボタン７１Ａのボタン操作に応じてリモコン２３から室内機２１経由でＡＩ自動コマンドを検出する（ステップＳ１１）。尚、ＡＩ自動コマンドは、ＡＩ機能を実行するコマンドである。本実施例では、複数の学習モデルの内、第１の学習モデルを通信アダプタ３に起動させるコマンドである。ＣＰＵ３４は、ステップＳ１１にてＡＩ自動コマンドを検出した場合、通信アダプタ３がオフ状態であるか否かを判定する（ステップＳ１２）。ＣＰＵ３４は、通信アダプタ３がオフ状態である場合（ステップＳ１２：Ｙｅｓ）、通信アダプタ３をオンに切り替える（ステップＳ１３）。尚、通信アダプタ３をオン状態にした場合には、通信アダプタ３がルータ４を介してサーバ装置５と接続される。通信アダプタ３がサーバ装置５と接続されると、通信アダプタ３を介して学習に必要な情報である運転状態量がサーバ装置５に送信されることになる。更に、運転状態量が受信されたサーバ装置５上では使用者の好みが学習されて学習済みモデルが生成される。そして、サーバ装置５上で生成された学習済みモデルがサーバ装置５から通信アダプタ３に送信されることになる。

ＣＰＵ３４は、通信アダプタ３がオンに切り替えられた後、学習モデルの内、第１の学習モデル３３Ｂ１を起動させ（ステップＳ１４）、図８に示す処理動作を終了する。尚、第１の学習モデル３３Ｂ１を起動させるとは、第１の学習モデルの動作が行える状態にするということである。その結果、通信アダプタ３は、起動された第１の学習モデル３３Ｂ１を用いて自動運転を実行することになる。

ＣＰＵ３４は、通信アダプタ３がオフ状態でない場合、すなわち、通信アダプタ３がオン状態の場合（ステップＳ１２：Ｎｏ）、第１の学習モデル３３Ｂ１を起動させるべく、ステップＳ１４の処理に戻る。

＜実施例の効果＞
本実施例の空気調和機２では、使用者の快適性に関わる第１の学習モデル３３Ｂ１と、使用者の利便性に関わる第２の学習モデル３３Ｂ２とを兼ね備えた場合でも、使用者の操作に応じて、使用者の快適性に関わる第１の学習モデル３３Ｂ１を優先できる。その結果、ＡＩ機能の多様化を確保しながら、使用者の快適性を確保できる。

推論部３４Ｄは、通信アダプタ３が停止状態であるオフ状態でリモコン２３のＡＩ自動ボタン７１Ａのボタン操作を検出すると、通信アダプタ３が通電状態であるオン状態に切り替わり、第１の学習モデル３３Ｂ１が起動する。その結果、使用者の操作に応じて、使用者の快適性に関わる第１の学習モデル３３Ｂ１を優先できる。

尚、本実施例の第１の学習モデル３３Ｂ１として、例えば、体感温度予測モデル３５及び温度ムラ予測モデル３６を例示したが、使用者の快適性に関わる学習モデルであればよく、適宜変更可能である。また、第２の学習モデル３３Ｂ２として、例えば、建物負荷予測モデル３７及び在不在予測モデル３８を例示したが、使用者の利便性に関わる学習モデルであればよく、適宜変更可能である。

通信アダプタ３は、リモコン２３のＡＩ自動ボタン７１Ａのボタン操作を検出した場合に、第１の学習モデル３３Ｂ１内の体感温度予測モデル３５及び温度ムラ予測モデル３６を起動する場合を例示したが、例えば、第１の学習モデル３３Ｂ１の内、一つ若しくは複数の任意のモデルを起動させても良く、適宜変更可能である。

また、通信アダプタ３は、リモコン２３の操作画面上のＡＩ自動ボタン７１Ａのボタン操作を検出した場合に、第１の学習モデル３３Ｂ１を起動する場合を例示したが、例えば、端末装置７や室内機２１にＡＩ自動ボタンを備え、ＡＩ自動ボタンのボタン操作に応じて第１の学習モデル３３Ｂ１を起動させても良く、適宜変更可能である。

第２の学習モデル３３Ｂ２で推論する使用者の利便性に関わる運転方法としては、在不在予測モデル３８を用いて運転を停止する節電運転に切り替える場合を例示したが、例えば、空気調和機２のメンテナンス、加熱除菌運転の開始、フィルタ清掃運転の開始、運転抑制又は運転開始に関わる推論方法でも良く、適宜変更可能である。尚、加熱除菌運転は、室内機２１内の室内熱交換器を５５度以上に加熱して除菌する運転である。フィルタ清掃運転は、室内機２１内のフィルタを清掃する運転である。

１ 空気調和システム
２ 空気調和機
３ 通信アダプタ
５ サーバ装置
２１ 室内機
２１Ｂ センサ
２１Ｄ 制御部
２２ 室外機
２３ リモコン
３３Ｂ アダプタ側学習記憶部
３３Ｂ１ 第１の学習モデル
３３Ｂ２ 第２の学習モデル
３４Ｄ 推論部
５３Ｃ 生成部
７１Ａ ＡＩ自動ボタン

Claims (5)

1. 室内機と室外機とを備える空気調和機であって、
   前記空気調和機の運転状態量を検出する検出部と、
   使用者が前記空気調和機を操作するための操作部と、
   前記検出部の検出結果に基づいて、その後の運転方法を推論する推論部と、を備え、
   前記推論部は、
   前記使用者による操作の傾向を学習した学習結果に基づき、前記使用者の快適性に関わる運転方法を推論する第１の学習モデルを有し、
   前記操作部は、
   前記推論部を起動させる起動ボタンを有し、前記起動ボタンが操作されると、前記第１の学習モデルが起動することを特徴とする空気調和機。
2. 前記推論部は、
   前記空気調和機が設置される空間における前記使用者の在不在の傾向を学習した学習結果に基づき、前記使用者の利便性に関わる運転方法を推論する第２の学習モデルをさらに有することを特徴とする請求項１に記載の空気調和機。
3. 室内機、室外機及び、前記室内機と通信する通信アダプタを有する空気調和機と、前記通信アダプタと通信するサーバ装置と、を有する空気調和システムであって、
   前記室内機は、
   前記空気調和機の運転状態量を検出する検出部と、
   使用者が前記空気調和機を操作するための操作部と、を有し、
   前記通信アダプタは、
   前記検出部の検出結果に基づいて、その後の運転方法を推論する推論部を有し、
   前記推論部は、
   前記使用者による操作の傾向を学習した学習結果に基づき、前記使用者の快適性に関わる運転方法を推論する第１の学習モデルを有し、
   前記サーバ装置は、
   前記第１の学習モデルを生成する生成部を有し、
   前記操作部は、
   前記推論部を起動させる起動ボタンを有し、
   前記推論部は、
   前記起動ボタンが操作されると、前記第１の学習モデルが起動することを特徴とする空気調和システム。
4. 前記推論部は、
   前記空気調和機が設置される空間における前記使用者の在不在の傾向を学習した学習結果に基づき、前記使用者の利便性に関わる運転方法を推論する第２の学習モデルをさらに有することを特徴とする請求項３に記載の空気調和システム。
5. 前記推論部は、
   前記通信アダプタが停止状態で前記起動ボタンが操作されると、前記通信アダプタが通電状態に切り替わり、前記第１の学習モデルが起動することを特徴とする請求項３又は４に記載の空気調和システム。

Images