JP6554828B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

情報処理装置、情報処理方法、およびプログラム Download PDF

Info

Publication number
JP6554828B2
JP6554828B2 JP2015044798A JP2015044798A JP6554828B2 JP 6554828 B2 JP6554828 B2 JP 6554828B2 JP 2015044798 A JP2015044798 A JP 2015044798A JP 2015044798 A JP2015044798 A JP 2015044798A JP 6554828 B2 JP6554828 B2 JP 6554828B2
Authority
JP
Japan
Prior art keywords
variables
unit
variable
physical quantity
model
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.)
Expired - Fee Related
Application number
JP2015044798A
Other languages
English (en)
Other versions
JP2016164730A (ja
Inventor
雅俊 小川
雅俊 小川
丈夫 笠嶋
丈夫 笠嶋
浩史 遠藤
浩史 遠藤
裕幸 福田
裕幸 福田
近藤　正雄
正雄 近藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2015044798A priority Critical patent/JP6554828B2/ja
Priority to US15/044,744 priority patent/US10325214B2/en
Publication of JP2016164730A publication Critical patent/JP2016164730A/ja
Application granted granted Critical
Publication of JP6554828B2 publication Critical patent/JP6554828B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Air Conditioning Control Device (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。
近年、高度情報化社会の到来にともなって計算機で多量のデータが扱われるようになっている。そして、データセンター等の施設においては、多数の計算機を室内に設置して一括管理することが多くなっている。例えば、データセンターでは、計算機室内に多数のサーバラックが設置され、各サーバラックにそれぞれ複数の計算機（サーバ）が収納されている。そして、それら複数の計算機の稼動状態に応じて各計算機にジョブが有機的に配分され、大量のジョブが効率的に処理されている。
ところで、計算機は稼働にともなって熱を発生する。計算機内の温度が高くなると誤動作や故障の原因となるため、計算機には内蔵ファンが使用される。内蔵ファンにより、サーバラックの計算機内に冷気が取り込まれ、計算機内で発生した熱が計算機の外に排出される。一般的には，計算機の内蔵ファンは，計算機の発熱体温度に基づいてマップ・テーブル制御によって操作されることが多い。
一方で、空調機については、各ラックの計算機に吸入される吸気温度が所定の温度以下を満たすようにオペレータが吹出温度と吹出風量などの冷却システムの目標値を設定している。ここで、予測モデルに基づいて将来の吸気温度の状態を予測して，予測結果によってオペレータの空調機操作の支援をすることを考える。例えば，モデル予測制御法などでは、予測モデルに伝達関数がよく用いられる。
特開２００９−７６０３７号広報 特開２０１１−２５８６２０号広報
しかし、例えば、実際のデータセンター等の施設では施設内の設備レイアウトやサーバ設置位置が日々変更される。施設内の設備レイアウトやサーバ設置位置等の予測対象の構成が変化すると、従来の伝達関数の予測モデルでは予測モデルの予測値と実測値との誤差が生じる。この誤差により、従来の技術による予測値を用いた制御や操作支援では温度予測性能が十分でないという問題がある。なお、このような問題は計算機等の温度予測に限定される訳ではなく、様々な物理量の予測においても生じ得る。そこで、本発明の課題は、温度等の物理量が予測される予測対象の構成、状態等が変化した場合においても、物理量の予測性能の低下を抑制できる技術を提供することである。
本発明の一側面は、以下の情報処理装置によって例示される。すなわち、本情報処理装置は、複数の物理量を時系列に取得する取得部と、時系列に取得された複数の物理量を取得された時刻とともに記憶するデータベースとを有する。
また、本情報処理装置は、複数の物理量のうち、１以上の予測対象の物理量から設定される１以上の目的変量に対して、１以上の目的変量の変化の要因となる１以上の物理量を１以上の操作変量として抽出し、１以上の操作変量から第1のモデルを仮定したときに１
以上の目的変量に設定された物理量の実測値と１以上の目的変量による予測値との誤差が最小となる１以上の第１の説明変量を選択する第１選択部を有する。また、本情報処理装置は、複数の物理量のうち、１以上の第１の説明変量として選択された物理量以外の各物理量を説明変量として第1のモデルに追加するときに、１以上の目的変量に設定された物
理量の実測値と１以上の目的変量による予測値との誤差が最小となる１以上の第２の説明変量を選択する第２選択部を有する。また、本情報処理装置は、データベースから第１の説明変量および第２の説明変量を入力変量群として、入力変量群および１以上の目的変量に対応する物理量を取得して過去事例データを作成する作成部を有する。また、本情報処理装置は、予測が要求されたときに、入力変量群に対応する現在の物理量を１以上の目的変量を予測するための入力ベクトルに設定する入力設定部を有する。また、本情報処理装置は、入力ベクトルと過去事例データ中の入力変量群とのベクトル間距離を計算して、ベクトル間距離が短いものから順に所定の数の過去事例データを検索するデータ検索部を有する。さらに、本情報処理装置は、検索された所定の数の過去事例データ中の入力変量群と１以上の目的変量とから第２のモデルを構築する構築部を有する。さらにまた、本情報処理装置は、第２のモデルから１以上の目的変量の値をそれぞれ予測する予測値計算部を有する。そして、本情報処理装置は、予測された１以上の目的変量の値を提示する予測結果提示部を備える。
本発明によれば、適切な入力変量群を選択してモデルを作成できるので、予測対象の構成、状態等が変化した場合においても、物理量の予測性能の低下を抑制できる。
温度管理システムが適用されるデータセンターの一例を示す模式側面図である。 データセンターの模式平面図である。 温度管理システムの構成を表すブロック図である。 入力ベクトル更新部の構成図である。 予測処理部の構成図である。 入力ベクトル更新部の処理を例示するフローチャートである。 サーバラックの吸気面を等分する処理例である。 大規模データベースに格納されているデータの例を示す図である。 時間を遅らせた変数の生成例を示す図である。 ステップワイズ法による処理の詳細を例示するフローチャートである。 修正版ステップワイズ法処理部の処理の詳細を例示するフローチャートである。 入力／出力ベクトルのデータベースのデータ格納例を示す図である。 入力／出力ベクトルのデータベースの他のデータ例（時間軸）である。 入力／出力ベクトルのデータベースの他のデータ例（データ番号）である。 予測処理部の処理を例示するフローチャートである。 温度管理システムに適用される情報処理装置のハードウェア構成を例示する図である。 データセンターの領域を分割した例を示す図である。 従来の入力変数の選択例を示す図である。 ステップワイズ法の結果により選定された変数の組み合わせを例示する図である。 修正版ステップワイズ法の結果により選定された変数の組み合わせを例示する図である。 設備稼働状態を例示する図である。 従来法１と本実施形態の温度管理システムによる予測結果の比較結果を例示する図である。 、従来法２と本実施形態の温度管理システムによる予測結果の比較結果を例示する図である。 本実施形態の温度管理システムによる予測例を示す図である。 吸気温度の予測値に対するタイルファンの操作の予測値を例示する図である。
以下、図面を参照して一実施形態に係る温度管理システムについて説明する。図１は本実施形態に係る温度管理システムが適用されるデータセンターの一例を示す模式側面図であり、図２は同じくそのデータセンターの模式平面図である。なお、本実施形態のデータセンターでは、例えば、空調機の冷気が床下に流れ、冷気が床下から計算機の吸気側に流れて計算機、サーバ等を冷却する。ここで、計算機の吸気側とは、計算機内部のファンが冷気を吸引する筐体面の側をいう。また、計算機の吸気側と反対側の筐体面からは、計算機内部のファンにより排暖気が排出される。排暖気が排気される筐体面は排気側と呼ばれる。
図１のように本実施形態のデータセンターでは、サーバルーム１０がサーバルーム上部１０aとサーバルーム床下１０bと天井裏ホットアイル１５に分かれている。サーバルーム上部１０ａには、サーバラック１１と、サーバラック１１に格納された複数のサーバ１２と、空調機１３とが設置される。
また、サーバルーム上部１０aとサーバルーム床下１０bとの間には、床下の冷気をサーバルーム上部１０ａに通過させる隙間を複数有するグリルパネル１４（通風孔）が設けられる。そして、サーバルーム床下１０bには、グリルパネル１４を通じて床下の冷気をサ
ーバルームの上部に送風する送風ファンを内蔵したタイルファン１７が設けられる。
空調機１３が吹出す冷気はサーバルーム床下１０ｂを通過し、グリルパネル１４を通過してサーバルーム上部１０ａのサーバ１２の吸気側に送られる。また、タイルファン１７は，サーバルーム床下１０ｂからサーバルーム上部１０ａへ冷気を送風する。タイルファン１７は、例えば、風量を強、中、弱、ＯＦＦの４段階で切り替えられる。サーバ１２はグリルパネル１４から送られる冷気を筐体の一方の側面から吸気し、反対側の側面へ排暖気を排出する。排暖気は天井裏ホットアイル１５を通過して空調機１３に戻される。なお、サーバ１２は、サーバラック１１に収納される。サーバラック１１に収納されたサーバ１２とサーバラックとは全体として１つの筐体となる。
図２に示すように、例えば、サーバラック１１の列１１ａと列１１ｂがグリルパネル１４を挟んで、並列に設置される。列１１ａと列１１ｂのそれぞれのサーバ１２がグリルパネル１４からの冷気を吸気する。つまり、列１１ａと列１１ｂのそれぞれのサーバ１２は、互いに対面する側面から冷気を吸気し、それぞれの背面側の側面から排暖気を排出する。すなわち、図２の例では、列１１ａのサーバラック１１の各サーバ１２は手前側が排気側であり、裏側が吸気側となって整列している。また、列１１ｂのサーバラック１１の各サーバ１２は手前側が吸気側、裏側が排気側となって整列している。なお、各サーバ１２の筐体の吸気側を単にサーバラック１１の吸気側ともいう。すなわち、本実施形態では、各サーバ１２をサーバラック１１ごとにまとめて１つの筐体とみなし、サーバラック１１が冷気を吸気すると記述する。
図３は、本発明の第１の実施形態に係る電子機器の温度管理システムの構成を表すブロック図である。本温度管理システムは、予測部２０、吸気温度分布検出部２１、各空調機
吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４、パラメータ設定部２５、予測結果提示部２６、アラーム出力部２７を含んでいる。温度分布検出部２１、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４は、取得部の一例である。
予測部２０は、吸気温度分布検出部２１、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４等からの情報に基づいて吸気温度等の物理量の予測値を計算する。
吸気温度分布検出部２１は、サーバラック１１の吸気側の温度を複数点で計測して取得する。例えば、サーバラック１１の各サーバ１２の筐体吸気側壁面には、それぞれ１または複数の温度センサが設けられている。吸気温度分布検出部２１は、各サーバラック１１の筐体吸気側壁面の温度センサで計測された温度をデジタルデータで取得する。
各空調機吹出温度検出部２２は、空調機１３の吹出温度の設定値を空調機１３内の制御部から取得する。各空調機ファン風量検出部２３は、空調機１３のファン風量の設定値を空調機１３内の制御部から取得する。各タイルファン風量検出部２４は、タイルファン１７のファン風量の設定値をタイルファン１７の制御部から取得する。なお、吸気温度分布検出部２１、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４等からの検出値は、図４に示す大規模データベース４３に蓄積される。
パラメータ設定部２５は、温度管理システム内の各部で使用されるパラメータを取得する。パラメータは、例えば、予測部２０が処理するサーバラック１１の温度分布の分解能を指定するためのパラメータである、サーバラック１１の吸気面領域の分割数、予測部２０で予測された温度が正常か否かを判定するための判定値、アラームを出力するか否かの判定に用いられる閾値、回帰モデルに選択される説明変数の寄与率の閾値等である。
予測結果提示部２６は、予測部２０からの予測値を提示する。アラーム部２７は，予測部２０からの予測値に基づいてアラームを出力する。アラームは、例えば、音響、メッセージ等である。
予測部２０は、入力ベクトル更新部３１、入力/出力ベクトルのデータベース３２、お
よび、予測処理部３３を含む。入力ベクトル更新部３１は、入力/出力ベクトルのデータ
ベース３２を作成する。入力ベクトルは、図４の大規模データベース４３に蓄積された検出値のうち、予測部２０の予測対象である出力ベクトルへの寄与の大きい検出値の組み合わせである。出力ベクトルは、予測部２０の予測対象となる値の組み合わせである。出力ベクトルは、図４の大規模データベース４３に蓄積された検出値に対応する将来の値であり、例えば、ユーザに指定される。ただし、出力ベクトルが１変数、つまり、スカラー値であってもよい。
入力ベクトル更新部３１は、予測対象である出力変数y、または出力変数ｙの組である
出力ベクトルを表現するための入力変数xの組み合わせを入力ベクトルとして定義する。
そして、予測部２０は、過去に検出され、図４の大規模データベース４３に蓄積された検出値について、入力ベクトルと出力ベクトル（出力変数）を関連付けて過去事例データとして入力／出力ベクトルのデータベース３２に格納する。したがって、入力/出力ベクト
ルのデータベース３２は、定義した入力ベクトルと出力ベクトルを関連付けて過去事例データとして格納したデータベースである。入力変数が入力変量の一例である。出力変数が目的変量の一例である。
予測処理部３３は、入力/出力ベクトルのデータベース３２から現在のシステム状態と
類似した過去事例データを取得する。そして、予測処理部３３は、過去事例データに基づいて局所モデルを構築し、局所モデルによって予測を行う。局所モデルは、過去事例データのうち、特定の一部限定されたデータ、例えば、現在のシステム状態と類似した過去事例データに基づいて作成されるモデルをいう。
図４は、本温度管理システムの入力ベクトル更新部３１の構成図である。入力ベクトル更新部３１は、領域分割部４０、各領域の最大温度計算部４１、データ格納部４２、大規模データベース４３、時間遅延変数生成部４４、ステップワイズ法処理部４５、修正版ステップワイズ法処理部４６、および、過去事例データ格納部４７を含む。領域分割部４０、各領域の最大温度計算部４１、データ格納部４２は、取得部の一例である。大規模データベース４３は、データベースの一例である。ステップワイズ法処理部４５は、第１選択部の一例である。修正版ステップワイズ法処理部４６は、第２選択部の一例である。過去事例データ格納部４７は、作成部の一例である。
領域分割部４０は、パラメータ設定部２５から分割数を取得し、吸気温度分布検出部２１が検出した吸気温度分布のデータを分割数で分割された領域別のデータに分割する。例えば、領域分割部４０は、サーバラック１１の吸気面を左右に２等分し、上下方向に４等分し、合計８個の領域に分割する。
各領域の最大温度計算部４１は、領域分割部４０によって分割された領域毎の最大温度を計算する。最大温度が用いられるのは、サーバラック１１、すなわち、サーバ１２の高温側の値の最悪ケースを含む変動範囲を特定するためである。
データ格納部４２は、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、および、各タイルファン風量検出部２４から検出された検出値、および、各領域の最大温度計算部４１からの各領域の最大温度データをサンプリング周期毎に大規模データベース４３に逐次蓄積する。蓄積された検出値および各領域の最大温度データは、時系列データとなる。各時系列データは変数データとも呼ばれる。大規模データベース４３は、現在から過去に渡る時刻毎の各変数データを格納している。
時間遅延変数生成部４４は、大規模データベース４３に格納された変数データについて時刻を遅らせた変数を生成する。時間遅延変数生成部４４は、パラメータ設定部２５から遅らせる時間（周期）の数を取得する。なお、本温度管理システムは、同一の種類の物理量であって時間遅れが異なる計測値は異なる変数として取り扱う。例えば、例えば、位置ｘにおける温度ｔｘ（ｔ）と位置ｘにおけるＴ１の時間遅れのある温度ｔｘ（ｔ-Ｔ１）
は、異なる変数として取り扱われる。この２つの変数について、時間遅延変数生成部４４は、それぞれ、時刻を遅らせた変数を生成する。生成される時刻を遅らせた変数は、例えば、ｔｘ（ｔ１）、ｔｘ（ｔ２）、・・・と、ｔｘ（ｔ１-Ｔ１）、ｔｘ（ｔ２-Ｔ１）、・・・等である。
ステップワイズ法処理部４５は、時間遅延変数生成部４４で生成された変数の中の操作要因となる変数から、予測対象を予測する回帰モデルを仮定し、モデルの予測値と実測値の誤差が最小となる説明変数の組み合わせを選定する。操作要因となる変数とは、制御において制御したい被制御量を操作する要因（操作量）の変数である。例えば，流量制御であれば，流量を操作するバルブ開度などの物理量からなる変数である。回帰モデルが第１のモデルおよび第２のモデルの一例である。ここで、回帰モデルには重回帰分析によるモデルを含む。説明変数の組み合わせが、第１の説明変量の一例である。

例えば、ステップワイズ法処理部４５は、ステップワイズ法を用いる場合は、パラメー
タ設定部２５からステップワイズ法における寄与率の閾値を取得し、寄与率以上の変数を選択する。寄与率とは、F値、t値や分散比ともよばれ、例えば、回帰モデルにおいて、モデルの計算値と実測値の残差平方和がどれくらい減少するかを図る尺度であり、各変数が目的変数（予測値）に寄与する程度を示す数値である。寄与率は、例えば、各変数をモデルに加えた場合のモデルによる残差平方和と加えない場合のモデルによる残差平方和から、変数ごとに算出される。寄与率が高い変数ほど、より高い割合で目的変数（予測値）の精度に寄与することを意味する。
修正版ステップワイズ法処理部４６は、ステップワイズ法処理部４５が選定した操作変数に加えて、操作変数以外の変数を追加する。修正版ステップワイズ法処理部４６は、変数を追加するときに、予測対象を予測する回帰モデルを仮定し、モデルの予測値と実測値の誤差が最小となる説明変数の組み合わせを選定し、選定された変数群を入力ベクトルと定義する。したがって，最終的な入力ベクトルには、ステップワイズ法処理部４５が選定した操作変数と修正版ステップワイズ法処理部４６が追加した変数が含まれる。例えば，ステップワイズ法を修正した修正版ステップワイズ法では、修正版ステップワイズ法処理部４６は、パラメータ設定部２５から修正版ステップワイズ法における寄与率の閾値を取得し、寄与率以上の変数を選択する。修正版ステップワイズ法処理部４６が追加する変数が第２の説明変量の一例である。
過去事例データ格納部４７は、予測対象の出力ベクトルの検出値と修正版ステップワイズ法処理部４６が選定した入力ベクトルの検出値を関連付けて過去事例データを作成する。過去事例データ格納部４７は、作成した過去事例データを入力/出力ベクトルのデータ
ベース３２に時刻ごとに格納する。
図５は、本発明の第１の実施形態に係る温度管理システムの予測処理部３３の構成図である。予測処理部３３は、領域分割部４０、各領域の最大温度計算部４１、要求点データ生成部５１、ベクトル間距離計算部５２、要求点近傍データ検索部５３、局所モデルの構築部５４、予測値計算部５５、および、アラーム判定部５６を含む。図５の領域分割部４０と各領域の最大温度計算部４１は、図４と同様である。要求点データ生成部５１は、入力設定部の一例である。ベクトル間距離計算部５２と要求点近傍データ検索部５３とはデータ検索部の一例である。局所モデルの構築部５４は、構築部の一例である。
要求点データ生成部５１は、入力ベクトルの変数定義にしたがって、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、および、各タイルファン風量検出部２４から検出されたデータ、各領域の最大温度計算部４１からの各領域の最大温度データから最新時刻の入力ベクトルを作成する。なお、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、および、各タイルファン風量検出部２４が一旦、図４の大規模データベース４３に検出値等を出力し、要求点データ生成部５１は、大規模データベース４３から最新時刻の入力ベクトルを作成してもよい。要求点データ生成部５１は、最新時刻の入力ベクトルを入力/出力ベクトルのデータベース３２に格納する。最新時刻の入力ベクトル
を要求点データと呼ぶ。
ベクトル間距離計算部５２は、要求点データと入力/出力ベクトルのデータベース３２
の各入力ベクトルのベクトル間距離を計算する。要求点近傍データ検索部５３は、検索する過去事例の設定数をパラメータ設定部２５から取得する。そして、要求点近傍データ検索部５３は、ベクトル間距離計算部５２が計算した距離に基づいて過去事例データを検索し、距離の小さい順に過去事例データを設定数だけ取得する。
局所モデルの構築部５４は、取得した過去事例データの入力ベクトルと出力ベクトルからモデルを構築する。構築されるモデルは、距離の小さい順に所定数だけ取得された過去事例データに基づくモデルであり、局所モデルと呼ばれる。局所モデルは第３のモデルの一例である。
予測値計算部５５は、局所モデルの構築部５４が構築したモデルを用いて予測値を計算し、表示部等に表示してもよい。アラーム判定部５６は、パラメータ設定部２５からアラームの閾値を取得する。そして、アラーム判定部５６は、予測値計算部５５の予測値が閾値を超えるとき、アラーム部２７にアラームの出力を指令する。
図６は、本実施形態に係る入力ベクトル更新部３１の処理を例示するフローチャートである。入力ベクトル更新部３１の処理は、入力ベクトル更新方法とも呼ばれる。入力ベクトル更新部３１は、一定時間毎に（例えば１日１回）、図６に示す一連の処理を実行する。
まず、ステップＳ１１において、入力ベクトル更新部３１は、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４、および，吸気温度分布検出部２１から各検出値を取得する。入力ベクトル更新部３１は、取得部の一例として、Ｓ１１の処理を実行する。
次に、ステップＳ１２において、入力ベクトル更新部３１の領域分割部４０は、サーバラック１１ごとの吸気面を所定の数の領域に分割する。例えば、領域分割部４０は、図７に例示するように１台のサーバラック１１の吸気面を８つに等分する。領域分割部４０は、各サーバラックについて図７と同様の処理を行う。
次に、ステップＳ１３において、入力ベクトル更新部３１の各領域の最大温度計算部４１は、各領域の最大温度を計算する。例えば、大規模データベース４３には、サーバラック１１内の各サーバ１２に設けられた温度センサごとの位置座標が保存されている。また、大規模データベース４３には、温度センサごとの検出値が保存されている。そこで、各領域の最大温度計算部４１は、各領域に含まれる温度センサの検出値のうち、最大温度を取得すればよい。
次に、ステップＳ１４において、入力ベクトル更新部３１のデータ格納部４２は、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、および、各タイルファン風量検出部２４から検出された検出値、および、各領域の最大温度計算部４２からの各領域の最大温度データをデータ項目毎、サンプリング周期毎に大規模データベース４３に逐次蓄積する。Ｓ１４の処理の結果、データ項目ごとの検出値と各領域の最大温度データは、時系列の変数データとして取扱われる。図８に大規模データベース４３に格納されているデータの例を示す。図８に例示のように、大規模データベース４３では、Ｎ個の変数ｚｎ（ｔ）毎に時刻ｔ１からｔＭまで、各日時のデータが格納される。
次に、ステップＳ１５において、入力ベクトル更新部３１の時間遅延変数生成部４４は、大規模データベース４３の変数について時間を遅らせた変数を生成する。図９に、変数１（表ではｚ１（ｔ））について時間を遅らせた変数の生成例を示す。変数１に対して１周期時間を遅らせた１周期前の変数１の値、２周期時間を遅らせた２周期前の変数１の値、３周期時間を遅らせた３周期前の変数１の値を生成している。
次に、ステップＳ１６において、ステップワイズ法処理部４５は、ステップＳ１５で生成された時間を遅らせた変数の中の操作要因の変数（操作変数）から、予測対象を予測する回帰モデルを仮定する。回帰モデルに採用する説明変数の選択の仕方は、図１０で詳述される。そして、ステップワイズ法処理部４５は、モデルの予測値と実測値の誤差が最小となる説明変数の組み合わせを選定する。なお、ステップＳ１６において、説明変数は、
図８に例示した各変数の検出値そのものの他、時間を遅らせた（所定周期前の）検出値からも選択される。各変数の現在の検出値よりも、現在から所定周期前の検出値の方が寄与率の高い場合があり得るからである。例えば、所定の時間遅れ後に出力ベクトルに影響を与える変数については、現在から時間遅れ分前の検出値の方が、寄与率が大きくなると想定される。
なお、例えば、予測対象を予測する回帰モデルを仮定し、モデルの予測値と実測値の誤差が最小となる説明変数の組み合わせを選定する方法として、ステップワイズ法の他には、赤池情報量基準を用いた方法等を用いてもよい。
図１０は、ステップワイズ法による処理（図６のＳ１６）の詳細を例示するフローチャートである。図１０において、Ｐは設定された最初の操作変数からなる説明変数群であり、ｎｐは設定された最初の説明変数群の変数の数であり、Ｑは、説明変数群Ｐから取り込まれた採用済説明変数群であり、ｎｑは取り込まれた採用済説明変数群の変数の数である。Ｑの初期値は例えば、空集合である。ステップワイズ法処理部４５は、第１選択部の一例として、図１０の処理を実行する。
ステップワイズ法処理部４５は、Ｓ４１で，ｎｑに０を代入する。そして、ステップワイズ法処理部４５は、Ｓ４２で、ｎｑ＜ｎｐを判定する。Ｓ４２の判定でＹｅｓのとき、ステップワイズ法処理部４５はＳ４３の処理に移る。一方、Ｎｏのとき、ステップワイズ法処理部４５は処理を終了する。終了する理由は、説明変数群Ｐのすべての変数が採用済説明変数群Ｑに取り込まれたことになるからである。
ステップワイズ法処理部４５は、Ｓ４３で、採用済説明変数群Ｑに加えて、残りの説明変数群Ｐの中から変数１つを１つずつ順番に入れ替えて採用して回帰分析をｎｐケース行なう。そして、各ケースで採用した変数のＦ値を求める。ここで、Ｆ値とは、採用した変数の回帰分析結果に対する寄与率をいう。寄与率は、例えば、各ケースの予測値と実測値との残差平方和に基づき、誤差が少ないケースで採用された変数の寄与率が高くなるように算出される。
ステップワイズ法処理部４５は、Ｓ４４で、各ケースのｎｑ＋１番目の変数のＦ値を比較して最大のＦ値を求める。ステップワイズ法処理部４５は、最大のＦ値をＦｍａｘとする。つまり、Ｓ４３の各ケースで追加して採用された変数のＦ値のうち、最大のものが求まる。
ステップワイズ法処理部４５は、説明変数を採用するときの判断基準のＦ値であるＦｉｎをパラメータ設定部２５から取得し、保持している。そして、ステップワイズ法処理部４５は、Ｓ４５で、Ｆｍａｘ＞Ｆｉｎを判定する。Ｓ４５の判定がＹｅｓのとき、ステップワイズ法処理部４５はＳ４６の処理に移行する。一方、Ｓ４５の判定がＮｏのとき、ステップワイズ法処理部４５は処理を終了する。処理を終了する理由は、設定された説明変数群Ｐでは、寄与率Ｆが基準値Ｆｉｎを超えるものがないからである。
ステップワイズ法処理部４５は、Ｓ４６で、説明変数群Ｐのうち、寄与率がＦｍａｘとなる変数を採用済説明変数としてＱに取り込む。また、ステップワイズ法処理部４５は、ｎｑ＝ｎｑ＋１，ｎｐ＝ｎｐ−１の計数を行う。
ステップワイズ法処理部４５は、Ｓ４７で、Ｓ４６の処理でＱの中に取り込まれた各変数１個を除いたＱの残りの変数を処理の対象とする。Ｑの残りの変数それぞれを１つずつ除外したケースについて、回帰分析を順番にｎｑケース（カウントアップ前の変数の数分）行ない、それぞれのケースで除外した変数のＦ値を求める。Ｓ４７の処理により、ステ
ップワイズ法処理部４５は、Ｓ４６でＱの中に取り込まれた変数の代わりに、Ｑからはずした方が望ましい変数を探す。
ステップワイズ法処理部４５は、Ｓ４８で、各ケースでそれぞれの除外した変数の各Ｆ値を比較し、最小のＦ値を求める。ステップワイズ法処理部４５は、求めた最小のＦ値をＦｍｉｎとする。
ステップワイズ法処理部４５は、説明変数を除外するときの判断基準のＦ値であるＦｏｕｔをパラメータ設定部２５から取得し、保持している。ステップワイズ法処理部４５は、Ｓ４９でＦｍｉｎ＜Ｆｏｕｔの判定を行う。Ｓ４９の判定がＹｅｓのとき、ステップワイズ法処理部４５はＳ５０の処理に移行する。Ｓ４９の判定がＮｏのとき、ステップワイズ法処理部４５はＳ５１の処理に移行する。
ステップワイズ法処理部４５は、Ｓ５０でＱに含まれる説明変数のうち、寄与率がＦｍｉｎとなる説明変数を説明変数群Ｐに戻す。さらに、ステップワイズ法処理部４５は、ｑ＝ｑ−１、ｐ＝ｐ＋１の計数を行い、Ｓ４７の処理に移行する。すなわち、ステップワイズ法処理部４５は、さらに説明変数を除外する処理を繰り返す。このようにして、ステップワイズ法処理部４５は、寄与率がＦｍｉｎ未満の説明変数がなくなるまで、Ｓ４６からＳ５０の処理を繰り返す。
ステップワイズ法処理部４５は、Ｓ５１でｎｑ＝０を判定する。Ｙｅｓのときは終了する。既存の説明変数群Ｑが空集合のままであるので、処理を繰り返す意味がないからである。ＮｏのときはＳ４２の処理に移行する。そして、ステップワイズ法処理部４５は、次に説明変数を追加する処理を継続する。すなわち、ステップワイズ法処理部４５は、新たに変数が追加された採用済説明変数群Ｑに対して、残りの説明変数群Ｐについて、Ｓ４２からＳ４９の処理を繰り返す。ステップワイズ法処理部４５が選択した説明変数が第1の
説明変量の一例である。
次に、図６のステップＳ１７において、修正版ステップワイズ法処理部４６は、ステップワイズ法処理部４５が選定した操作変数による採用済説明変数に加えて、操作変数以外の説明変数の追加を試みる。修正版ステップワイズ法処理部４６は、変数を追加するときに、予測対象を予測する回帰モデルを仮定する。そして、修正版ステップワイズ法処理部４６は、回帰モデルの予測値と実測値の誤差が最小となるように、追加する説明変数を選定する。したがって，最終的な入力ベクトルは，修正版ステップワイズ法処理部４６によって選定された採択済説明変数群とする。
図１１は、修正版ステップワイズ法処理部４６の処理の詳細（図６のＳ１７）を例示するフローチャートである。修正版ステップワイズ法処理部４６は、Ｓ６１において、採用済説明変数群Ｑの初期値として、図６のステップＳ１６のステップワイズ法で選定された操作変数による変数あるいは変数群を採用する。図１１において、Ｓ４１からＳ４８までの処理は、採用済説明変数群Ｑの初期値がＳ６１によって設定されている点を除いて、図１０の処理と同様である。そこで、Ｓ４１からＳ４８については、詳細を省略する。修正版ステップワイズ法処理部４６は、第２選択部の一例として、図１１の処理を実行する。
ここで、修正版ステップワイズ法処理部４６は、Ｓ４１からＳ４８の処理では、Ｓ６１において設定された採用済説明変数群Ｑに加えて、さらに、説明変数を追加できるか否かを判定し、説明変数の追加を試みる。なお、Ｓ４２で初期設定され、Ｓ４６でカウントアップされ、Ｓ５０でカウントダウンされるｎｑは、修正版ステップワイズ法処理部４６で追加される変数の数を計測するカウンタである。また、Ｓ４４で算出されるＦ値およびＦｍａｘは、採用済説明変数群Ｑの初期値（Ｓ６１で設定された説明変数群）に加えて、Ｓ
４１からＳ６２の処理によって追加されたｎｑ個の変数を用いて計算される。
そして、修正版ステップワイズ法処理部４６は、Ｓ６２でＦｍｉｎ＜Ｆｏｕｔ、かつ、Ｆｍｉｎとなった変数がステップＳ１６のステップワイズ法で選定された操作変数でないことを満足するか否かの判定を行う。ＹｅｓのときはＳ５０の処理に移行する。ＮｏのときはＳ５１の処理に移行する。修正版ステップワイズ法処理部４６は、基準値に達しない寄与率となる第２の説明変量を除外することの一例として、Ｓ６２の処理を実行する。
修正版ステップワイズ法処理部４６は、Ｓ５０でＱのＦｍｉｎの説明変数をＰに戻す。また、修正版ステップワイズ法処理部４６は，ｎｑ＝ｎｑ−１、ｎｐ＝ｎｐ＋１の計数を行い、Ｓ４７の処理に移行する。一方、修正版ステップワイズ法処理部４６は、Ｓ５１でｎｑ＝０か否かを判定する。Ｓ５１の判定がＹｅｓのとき、修正版ステップワイズ法処理部４６は処理終了する。なお、Ｓ５１の判定がＮｏのとき、修正版ステップワイズ法処理部４６はＳ４２の処理に移行し、さらに、さらに説明変数を追加するための処理を繰り返す。修正版ステップワイズ法処理部４６が追加した説明変数が第２の説明変量の一例である。
次に、図６のステップＳ１８において、修正版ステップワイズ法処理部４６は，選択された変数の組み合わせを入力ベクトルと定義する。次に、ステップＳ１９において、過去事例データ格納部４７は、予測対象の出力ベクトルと修正版ステップワイズ法処理部４６が選定した入力ベクトルを関連付けて過去事例データを作成する。そして、過去事例データ格納部４７は、各時刻の過去事例データを入力／出力ベクトルのデータベース３２に格納する。過去事例データ格納部４７は、作成部の一例として、Ｓ１９の処理を実行する。
図１２に、入力／出力ベクトルのデータベース３２のデータ格納例を示す。図１２では、修正版ステップワイズ法処理部４６が選択したＩ個の入力変数からなる入力ベクトルとその予測対象の出力ベクトルが関連付けて格納されている。本実施形態では、温度管理システムは、予測したい出力変数を複数格納することもできる。なお、図１２では、図８の日時ｔｍをデータ番号ｋｍに置き換えている。
図１３Ａは、入力／出力ベクトルのデータベース３２の他のデータ例である。図１３Ａでは、表の横方向がそれぞれ変数ごとの列の並びとなっている。また、表の縦方向が時刻ごとの行の並びとなっている。図１３Ａの例では、入力ベクトルの変数は、現在のArea 23の変数、２１０秒前のArea 68の変数、300秒前のArea 61の変数、・・・、３００秒前のFan Bの変数となっている。また、出力ベクトルは、３０秒後のArea31の変数となってい
る。また、時刻は、ｔ１、ｔ２、ｔ３と経過し、現在時刻がｔｑとなっている。この場合には、要求点データは、入力ベクトルに対して、Ｚ２３（ｔｑ）、Ｚ６８（ｔｑ−２１０）、Ｚ６１（ｔｑ−３００）、・・・、ＺＦａｎＢ（ｔｑ−３００）のように設定される。図１３Ａに例示されるように、入力ベクトルの変数値は現在時刻（ｔｑ）の値に限定される訳ではなく、現在時刻から遡った時刻の値も選択可能である。
図１３Ｂは、図１３Ａの変数をｚからｘに変更するとともに、時刻をデータ番号に変更したデータ例である。なお、変数ｚは、例えば、大規模データベース４３のデータを表す変数と考えることができ、変数ｘは入力／出力ベクトルのデータ３２の入力ベクトルを表す変数と考えることができる。すなわち、図１３Ｂでは、時刻ｔ１、ｔ２、ｔ３、・・・の代わりにデータ番号ｋ１、ｋ２、ｋ３、・・・が採用されている。また、図１３Ｂでは、現在のArea 23の変数、２１０秒前のArea 68の変数、300秒前のArea 61の変数、・・・、３００秒前のFan Bの変数として、Ｚ２３（ｔｑ）、Ｚ６８（ｔｑ−２１０）、Ｚ６１
（ｔｑ−３００）、・・・、ＺＦａｎＢ（ｔｑ−３００）の代わりにｘ１（ｋ１）、ｘ２（ｋ２）、Ｘ３（ｋ３）、・・・、ＸI（ｋI）が用いられている。そして、データ番号ｋ
ｑの変数が入力ベクトルに設定されている。すなわち、本実施形態の温度管理システムでは、各変数は、物理量の種類（Area別の温度あるいはファン等の設定値）と、各物理量の時間遅れとの組み合わせで決定される。そして、要求点データは、現在の時刻と各変数の時間遅れから決定される物理量のベクトルとなっている。
図１４は、本実施形態に係る予測処理部３３の処理を例示するフローチャートである。予測処理部３３は、一定時間毎（例えば３０秒１回）に図１４に例示する一連の処理を実行する。まず、ステップＳ３１において、予測処理部３３は、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４、および、吸気温度分布検出部２１から各データを取得する。次に、ステップＳ３２において、予測処理部３３の領域分割部４０は、サーバラック１１ごとの吸気面を所定の数の領域に分割する。次に、ステップＳ３３において、予測処理部３３の各領域の最大温度計算部４１は、各領域の最大温度を計算する。
次に、ステップＳ３４において、予測処理部３３の要求点データ生成部５１は、入力ベクトルの変数定義にしたがって、データを取得する。すなわち、要求点データ生成部５１は、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、および、各タイルファン風量検出部２４から検出された現在の検出値を取得する。また、要求点データ生成部５１は、各領域の最大温度計算部４２からの各領域の現在の最大温度データを取得する。さらに、要求点データ生成部５１は、入力／出力ベクトルのデータベース３２からの過去事例データから時間を遅らせた変数に対応する過去の検出値を取得する。要求点データ生成部５１は、取得した検出値を最新時刻の入力ベクトルとして、要求点データを作成する。要求点データ生成部５１は、入力設定部として、Ｓ３４の処理を実行する。
次に、ステップＳ３５において、予測処理部３３のベクトル間距離計算部５２は、要求点データと入力／出力ベクトルのデータベース３２の各入力ベクトルのベクトル間距離を計算する。例えば，ユークリッド距離を用いた場合は，入力/出力ベクトルのデータベー
ス３２のkm番目の入力ベクトルｘｋｍと要求点時刻ｋｑの要求点ベクトルｘｋｑのベクトル間距離を数１で計算する。ベクトル間距離計算部５２は、データ検索部として、Ｓ３５の処理を実行する。
Figure 0006554828
次に、ステップS３６において、予測処理部３３の要求点近傍データ検索部５３は、ベ
クトル間距離計算部５２が計算した距離に基づいて過去事例データを検索し、距離の小さい順に過去事例データを取得する。要求点近傍データ検索部５３は、データ検索部として、Ｓ３６の処理を実行する。
次に、ステップS３７において、予測処理部３３の局所モデルの構築部５４は、取得し
た過去事例データの入力ベクトルと出力ベクトルから局所モデルを構築する。局所モデルの構築部５４は、構築部の一例として、Ｓ３７の処理を実行する。なお、ユーザの指定により入力ベクトルの入力変数の中に予測した変数がある場合には、予測処理部３３は、予
測したい変数の時刻を予測したい時間に進めて出力ベクトルに追加すればよい。
例えば，局所モデルとして重回帰モデルを用いる場合は、すなわち、要求点時刻ｋｑの予測値ｙｋｑが要求点ベクトルxｋｑから数２で算出するモデルを構築する。
Figure 0006554828
ここで，回帰母数β０、β１、β２、・・・、βＩは，最小二乗法により、取得した過去事例データの入力ベクトルと出力ベクトルのデータから推定する。Iは入力変数の数であ
る。ｘｉ ｋｑは要求点時刻ｋｑの入力ベクトルの定義におけるi番目の入力変数である．
次に、ステップS３８において、予測処理部３３の予測値計算部５５は、局所モデルの
構築部５４が構築したモデルを用いて予測値を計算し、表示部１１４に表示する。例えば、予測値として、複数の筐体それぞれの吸気面の複数点における吸気温度を指定されている場合には、それぞれの吸気温度が表示される。予測値計算部５５は、複数の筐体それぞれの吸気面の複数点における吸気温度を提示することの一例として、Ｓ３８の処理を実行する。
次に、ステップS３９において、予測処理部３３のアラーム判定部５６は、予測値計算
部５５の予測値が閾値を超えるとき、アラーム部２７にアラーム出力を指令する。
図１５は、本温度管理システムに適用される情報処理装置のハードウェア構成を例示する図である。本情報処理装置はＣＰＵ１１１と、主記憶部１１２と、インターフェース（Ｉ／Ｆ）を通じて接続される外部機器を有し、プログラムにより情報処理を実行する。外部機器としては、外部記憶部１１３、表示部１１４、操作部１１５、および通信部１１６を例示できる。
ＣＰＵ１１１は、主記憶部１１２に実行可能に展開されたコンピュータプログラムを実行し、情報処理装置の機能を提供する。ＣＰＵ１１１は、例えば、図３に例示した予測部２０、吸気温度分布検出部２１、各空調機吹出温度検出部２２、各空調機ファン風量検出部２３、各タイルファン風量検出部２４、パラメータ設定部２５、予測結果表示部２６、アラーム部２７等として、主記憶部１１２のプログラムを実行する。また、ＣＰＵ１１１は、例えば、図４に例示した領域分割部４０、各領域の最大温度計算部４１、データ格納部４２、時間遅延変数生成部４４、ステップワイズ法処理部４５、修正版ステップワイズ法処理部４６、過去事例データ格納部４７等として、主記憶部１１２のプログラムを実行する。
主記憶部１１２は、ＣＰＵ１１１が実行するコンピュータプログラム、ＣＰＵ１１１が処理するデータ等を記憶する。主記憶部１１２は、Dynamic Random Access Memory（ＤＲＡＭ）、Static Random Access Memory（ＳＲＡＭ）、Read Only Memory（ＲＯＭ）等で
ある。さらに、外部記憶部１１３は、例えば、主記憶部１１２を補助する記憶領域として使用され、ＣＰＵ１１１が実行するコンピュータプログラム、ＣＰＵ１１１が処理するデータ等を記憶する。外部記憶部１１３は、ハードディスクドライブ、Solid State Disk（ＳＳＤ）等である。さらに、情報処理装置には、着脱可能記憶媒体の駆動装置を設けても
よい。着脱可能記憶媒体は、例えば、ブルーレイディスク、Digital Versatile Disk（ＤＶＤ）、Compact Disc（ＣＤ）、フラッシュメモリカード等である。
また、情報処理装置は、表示部１１４、操作部１１５、通信部１１６を有する。表示部１１４は、例えば、液晶ディスプレイ、エレクトロルミネッセンスパネル等である。予測結果表示部２６は、表示部１１４に予測結果を表示する。操作部１１５は、例えば、キーボード、ポインティングデバイス等である。本実施形態では、ポインティングデバイスとしてマウスが例示される。通信部１１６は、ネットワーク上の他の装置とデータを授受する。例えば、ＣＰＵ１１１は、通信部１１６を通じて、吸気温度、空調機１３の設定値、タイルファン１７の設置値等を取得すればよい。また、ＣＰＵ１１１は、通信部１１６を通じて、アラーム部２７からのアラームをリモートの装置に送信すればよい。
本実施形態では、上述したように、温度管理システムは、予測対象の出力変数を含む出力ベクトルと予測対象をモデルで表現するための入力変数群を含む入力ベクトルを関連付けた過去事例データを入力/出力ベクトルのデータベース３２に蓄積する。そして、温度
管理システムは、入力/出力ベクトルのデータベース３２から過去事例データの入力ベク
トルと、現在の入力ベクトルである要求点データのベクトル間距離が近い過去事例データを検索する。さらに、温度管理システムは、検索された過去事例データでモデル化を行い、予測処理を行う。以上の処理によって、温度管理システムは、設備構成に変化が生じた場合において、柔軟に対応した将来予測の結果をオペレータに提示することができ、オペレータの合理的な操業を支援することができる。
さらに、本実施形態では、温度管理システムは、ステップワイズ法処理部４５による操作要因の説明変数の選択に加えて、修正版ステップワイズ法処理部４６によって、操作要因以外の説明変数を追加する。したがって、従来よりも精度を向上させて、モデルを構築できる。
また、本実施形態では、温度管理システムは、修正版ステップワイズ法処理部４６は、説明変数を追加するときに、ステップワイズ法処理部４５によって選定された操作変数を初期値として維持する。すなわち、修正版ステップワイズ法処理部４６の処理によって、ステップワイズ法処理部４５で選定された操作変数が外されないようし、副作用の少ない説明変数の修正が可能となる。
また、本実施形態では、温度管理システムは、入力ベクトルとして、取得対象が異なる所定時刻に取得された物理量および取得対象が同一で異なる時刻に取得された物理量とを使用する。すなわち、物理量が取得されるサンプリング時間の時間を遅らせた時系列データの変数群を生成する処理（時間遅延生成部４４）によって、取得対象が同一で異なる時刻に取得された物理量を変数として取り扱うことできる。このような処理により、本温度管理システムは、出力ベクトルに対して、寄与率の高い時刻のデータを用いてモデルを構築できる。
さらにまた、本実施形態では、温度管理システムは、領域分割部４０によって、サーバラック１１の吸気側の面を所定の領域に分割する。また、各領域の最大温度計算部４１は、分割された各領域の最大温度を計算する。このような処理の結果、温度がもっと高い状態（最悪値）に基づいて、オペレータを安全にガイドできる。
＜実施例＞
以下、上記実施形態の温度管理システムを用いた演算例を説明する。図１６に、本実施形態の温度管理システムによって図２のデータセンターの領域を分割した例を示す。図１６では、サーバラック１１の各１台が８つの領域に分割されている。本実施例では、予測
対象を領域３１番の５分後の吸気温度とする。
この例では、タイルファンFanAとタイルファンFanBを変化させたときの時系列データを用いる。ここでは、空調機の吹出温度と吹出風量は一定値とする。
図１７に、従来の入力変数の選択例として、通常のステップワイズ法によってすべての変数から入力変数の選択をした結果を例示する。このとき操作変数はFanA（の風量）が選択されているが、FanB（の風量）は選択されなかった。しかし、予測対象の領域３１番はFanBの影響も物理的には影響を受ける箇所である。このように従来の変数選択では、必ずしも操作変数で物理的に因果関係があるFanAとFanBの両者が選択されないことがあった。つまり、従来の変数選択では、操作変数の影響を十分に考慮したモデルとは必ずしもなっていなかった。制御支援を行うためには操作変数の影響を考慮できる局所モデルを構築することが望ましい。
そこで、本実施例では、温度管理システムは、まず、操作要因となる変数である操作変数について通常のステップワイズ法を行う。図１８に、その結果により選定された変数の組み合わせを例示する。このとき、現在のFanA、現在のFanB、30秒前のFanA、および、300秒前のFanBが、予測対象に対して関連性が高いことがわかる。次に、温度管理システム
は、選定された４つの操作変数に加えて、さらに操作変数以外の変数の組み合わせを修正版ステップワイズ法によって選択する。
ところで、通常のステップワイズ法では、回帰モデルを仮定したときに、変数を追加していくことによって、逆に寄与率が小さくなった選択済み変数を除外する機能がある。この機能は、例えば、図１０のＳ４７−Ｓ５０の処理で例示される。このような除外機能によって操作変数が最終的な変数の組み合わせから除外されることがある。修正版ステップワイズ法処理部４６は、図１１のＳ６２に例示のように、予め加えた操作変数が除外されないように判定条件を修正している。図１９に、修正版ステップワイズ法の結果により選定された変数の組み合わせを例示する。図１９では、現在のArea２３、２１０秒目のArea６８などが選定され、図１５とは全く異なる結果となった。このように、修正版ステップワイズ法処理部４６は、物理的に因果関係のある操作変数を含んだ変数の組み合わせで入力ベクトルを構築する可能性が高められる。
設備構成変化に対する予測性能を比較評価するため、設備稼働状態を変更し、変更後の予測評価を行った。図２０に、設備稼働状態を例示する。図２０はサーバラック１１の配置図に計算機負荷の値をkW単位で例示したものである。サーバラック１１は上部と下部に分けて計算機負荷が表示されている。図２０の左が変更前で、右が変更後の状態を表す。図２０で、数字０は電源ＯＦＦを表し、各１、２、３は、それぞれ、ｋＷでの消費電力を例示する。図２０の例では、Ｎｏ．１０のサーバラック１１の稼働状態が変化している。
従来法１では、FanAの風量とFanBの風量から領域３１番の温度を数３の伝達関数によって予測する。
Figure 0006554828
図２１に、従来法１と本実施形態の温度管理システムによる予測結果の比較結果を例示する。図２１は、30秒ごとに30秒後の予測を行った結果である。実測値はノイズを含むため、図２１では、窓幅6、つまりサンプルデータ６個分の移動平均が実施されている。な
お、図２１の下部に、Fan A、FanBの設定値が例示さている。すなわち、Fan A、FanBともに３段階で変化したことが例示されている。
時刻1800秒後から実測値は下降するが、従来法１では上昇する。一方、提案法では、実測値と同様の時刻に下降が再現できていることがわかる。根二乗平均誤差（RMSE）は従来法１では0.757、提案法では0.116となった。本実施例の提案法では，設備稼働状況の変化後の運用データを一回でも取得していればこのような予測が可能である。
さらに、従来法２との比較結果を例示する。従来法２では、伝達関数の現在の予測値yest(k)、１周期前の予測値yest(k-1)、および、１周期前の実測値yactual(k-1)から予測値YTFを数４によって計算する。
［数４］
YTF = yest(k) + (yactual(k-1)- yest(k-1))
数４は、現在の予測値yest(k)を１周期前の実測値と予測値の差分（オフセット）で修正
している。
図２２に、従来法２と本実施形態の温度管理システムによる予測結果とを比較する図を例示する。図２２において、FanA、FanBの設定値は、図２１の場合と同様である。従来法２による予測値は、実測値の過去値の後追い（一次遅れ）になっていることがわかる。本実施形態による予測結果では、１次遅れとなっていないことがわかり、高い予測精度が得られている。このときの根二乗平均誤差（RMSE）は従来法２では0.144、本実施例の提案
法では0.116となった。
図２３に、本実施形態の温度管理システムによる予測例を示す。図２３は、5分ごとに5分後の予測を行った例である。アラーム部２７にアラームを出力させる閾値温度は摂氏３０度に設定されている。閾値温度が３０度のときは、時刻300秒の時点で300秒後に３０度を超えることが予想され、そのような場合には、本温度管理システムは事前にアラームを鳴らしてオペレータに通知し、アクションを促す制御支援ができる。
また、図２４は、吸気温度の予測値に対するタイルファンの操作の予測値を例示する。
図２４は、5分ごとに5分後の予測を行った例である。タイルファン風量の予測値が示すように、本温度管理システムは、おおよそ実測値に近い傾向を予測できていることがわかる。ただし、本実施例でのタイルファン風量は操作因子であり、オペレータあるいはコントローラ側が自由に変更できる因子であるため、必ずしも予測対象として適切な量ではない。しかし、タイルファン風量はその将来の吸気温度の値となるときの操作値の情報と理解でき、本温度管理システムは、将来の吸気温度の値となるときの操作値の情報をオペレータに提供することができる。
従来の伝達関数による予測モデルでは、設備構成が変化すると、予測モデルの予測値と実測値の誤差が生じ、制御支援のための予測性能が低下する課題が生じていた。本実施形態の温度管理システムでは、予測対象の出力変数を含む出力ベクトルと予測対象を表現する入力変数群を含む入力ベクトルを関連付けた過去事例データを入力／出力ベクトルのデータベース３２に蓄積する。そして、本温度管理システムは、入力／出力ベクトルのデータベース３２から過去事例データの入力ベクトルと現在の入力ベクトル（要求点データ）のベクトル間距離が近い過去事例データを検索する。そして、本温度管理システムは、検索された過去事例データにより、局所モデルのモデル化を行い、予測処理を行う。これによって、設備構成に変化が生じても柔軟に対応した将来予測の結果をオペレータに提示することができ、オペレータの合理的な操業を支援することができる。
＜変形例＞
上記実施形態では、ステップワイズ法および修正版ステップワイズ法が温度管理システムに適用された。そして、例えば、データセンターのサーバラック１１に搭載されたサーバ１２の吸気温度等が予測された。しかし、本実施形態で例示された処理は、データセンターのサーバ等に適用される温度管理システムに限定される訳ではない。例えば、本実施形態の温度管理システムは、熱を発生する装置とその冷却系一般に適用可能である。
さらに、例えば、ある物理量の測定と、その物理量に影響を与える他の物理量、あるいは、制御装置による制御量、設定値等が取得されるシステムにおいて、ステップワイズ法および修正版ステップワイズ法を含む、本実施形態の予測値の計算処理が適用可能である。例えば、設備内に目標濃度のガスを導入するシステムにおいて、上記実施形態の処理が適用可能である。すなわち、例示のシステムは、設備内の各位置での濃度の計測値、ガスを導入するガスの吹出し量の設定値、ガスの放出圧力の設定値、ガスを循環させるファン風量の設定値あるいはコンプレッサの駆動量の設定値等を取得する。そして、このシステムは、本実施形態の温度管理システムと同様の手順で、ガスの所望位置での濃度を予測すればよい。
＜記録媒体＞
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、Compact Disc（ＣＤ）−Read Only Memory（ＲＯＭ）、ＣＤ−Recordable（Ｒ）、Digital Versatile Disk（ＤＶＤ）、ブルーレイディスク、Digital Audio Tape（ＤＡＴ）、８ｍｍテープ、フラッシュメモリなどのメモリカード等がある。また、コンピュータ等に固定された記録媒体としてハードディスク、ＲＯＭ（リードオンリーメモリ）等がある。さらに、
Solid State Drive（ＳＳＤ）は、コンピュータ等から取り外し可能な記録媒体としても
、コンピュータ等に固定された記録媒体としても利用可能である。
１０ サーバルーム
１１ サーバラック
１２ サーバ
１３ 空調機
１４ グリルパネル
１７ タイルファン
２０ 予測部
２１ 吸気温度分布検出部
２２ 各空調機吹出温度検出部
２３ 各空調ファン風量検出部
２４ 各タイルファン風量検出部
３１ 入力ベクトル更新部
３２ 入力／出力ベクトルのデータベース
３３ 予測部
４０ 領域分割部
４１ 各領域の最大温度計算部
４２ データ格納部
４３ 大規模データベース
４４ 時間遅延変数生成部
４５ ステップワイズ法処理部
４６ 修正版ステップワイズ法処理部
４７ 過去事例データ格納部

Claims (8)

  1. 複数の物理量を時系列に取得する取得部と、
    前記時系列に取得された前記複数の物理量を取得された時刻とともに記憶するデータベースと、
    前記複数の物理量のうち、１以上の予測対象の物理量から設定される１以上の目的変量に対して、前記１以上の目的変量を操作する要因となる物理量を含む１以上の物理量を１以上の説明変量の候補として抽出し、前記１以上の説明変量の候補から第１のモデルを作成するときに前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による前記第１のモデルの予測値との誤差が最小となる１以上の第１の説明変量を選択し、前記第１の説明変量による第１のモデルを決定する第１選択部と、
    前記複数の物理量のうち、前記１以上の第１の説明変量として選択された物理量以外の各物理量を説明変量の候補として前記第１のモデルに追加するときに、前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による第２のモデルの予測値との誤差が最小となる１以上の第２の説明変量を選択する第２選択部と、
    前記データベースから前記第２の説明変量を入力変量群として、前記入力変量群および前記１以上の目的変量に対応する物理量を取得して過去事例データを作成する作成部と、
    予測が要求されたときに、前記入力変量群に対応する現在の物理量を前記１以上の目的変量を予測するための入力ベクトルに設定する入力設定部と、
    前記入力ベクトルと過去事例データ中の前記入力変量群とのベクトル間距離を計算して、前記ベクトル間距離が短いものから順に所定の数の過去事例データを検索するデータ検索部と、
    検索された前記所定の数の過去事例データ中の前記入力変量群と前記１以上の目的変量とから第３のモデルを構築する構築部と、
    前記第３のモデルから前記１以上の目的変量の値をそれぞれ予測する予測値計算部と、
    前記予測された前記１以上の目的変量の値を提示する予測結果提示部と、を備える情報処理装置。
  2. 前記第２選択部は、前記第２の説明変量を複数選択するときに、前記１以上の目的変
    量による予測値に寄与する各説明変量の寄与率を算出し、前記第１の説明変量を除外した第２の説明変量の寄与率が所定の基準値に達するか否かを判定し、前記基準値に達しない寄与率となる第２の説明変量を除外する請求項１に記載の情報処理装置。
  3. 前記複数の物理量は、空気が吸気面から吸引され、排出面から排出される複数の筐体それぞれの吸気面の複数点における吸気温度と前記複数の筐体が設置された空間に冷気を放出する空調機の制御値と前記空調機から放出される冷気を前記吸気面に送り出す送風機の制御値とを含み、
    前記予測結果提示部は、前記複数の筐体それぞれの吸気面の複数点における吸気温度を提示する請求項１または２に記載の情報処理装置。
  4. 前記物理量は、取得対象が異なる所定時刻に取得された物理量および取得対象が同一で異なる時刻に取得された物理量とを含み、
    前記物理量が取得されたサンプリング時間の時間を遅らせた時系列データの変量群を生成する時間遅延生成部をさらに備える請求項１から３のいずれか１項に記載の情報処理装置。
  5. 各筐体を所定の数の領域に分割する領域分割部と、
    サンプリング時間毎に前記領域内計測点の最大値を計算し、前記最大値を領域温度とする最大温度計算部とを有する請求項１から４のいずれか１項に記載の情報処理装置。
  6. 前記第２選択部は、前記複数の物理量のうち、前記１以上の第１の説明変量として選択された操作要因からなる１以上の物理量以外の各物理量を説明変量として前記第１のモデルに追加するときに、前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による第２のモデルの予測値との誤差が最小となる１以上の第２の説明変量を選択することを特徴とする請求項１から５のいずれか１項に記載の情報処理装置。
  7. コンピュータが、
    複数の物理量を時系列に取得し、
    前記時系列に取得された前記複数の物理量を取得された時刻とともに記憶し、
    前記複数の物理量のうち、１以上の予測対象の物理量から設定される１以上の目的変量に対して、前記１以上の目的変量を操作する要因となる物理量を含む１以上の物理量を１以上の説明変量の候補として抽出し、前記１以上の説明変量の候補から第１のモデルを作成するときに前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による前記第１のモデルの予測値との誤差が最小となる１以上の第１の説明変量を選択し、前記第１の説明変量による前記第１のモデルを決定し、
    前記複数の物理量のうち、前記１以上の第１の説明変量として選択された物理量以外の各物理量を説明変量の候補として前記第１のモデルに追加するときに、前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による第２のモデルの予測値との誤差が最小となる１以上の第２の説明変量を選択し、
    前記第２の説明変量を入力変量群として、前記入力変量群および前記１以上の目的変量に対応する物理量を取得して過去事例データを作成し、
    予測が要求されたときに、前記入力変量群に対応する現在の物理量を前記１以上の目的変量を予測するための入力ベクトルに設定し、
    前記入力ベクトルと過去事例データ中の前記入力変量群とのベクトル間距離を計算して、前記ベクトル間距離が短いものから順に所定の数の過去事例データを検索し、
    検索された前記所定の数の過去事例データ中の前記入力変量群と前記１以上の目的変量とから第３のモデルを構築し、
    前記第３のモデルから前記１以上の目的変量の値をそれぞれ予測し、
    前記予測された前記１以上の目的変量の値を提示する、情報処理方法。
  8. コンピュータに、
    複数の物理量を時系列に取得させ、
    前記時系列に取得された前記複数の物理量を取得された時刻とともに記憶させ、
    前記複数の物理量のうち、１以上の予測対象の物理量から設定される１以上の目的変量に対して、前記１以上の目的変量を操作する要因となる物理量を含む１以上の物理量を１以上の説明変量の候補として抽出し、前記１以上の説明変量の候補から第１のモデルを作成するときに前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による前記第１のモデルの予測値との誤差が最小となる１以上の第１の説明変量を選択し、前記第１の説明変量による前記第１のモデルを決定させ、
    前記複数の物理量のうち、前記１以上の第１の説明変量として選択された物理量以外の各物理量を説明変量の候補として前記第１のモデルに追加するときに、前記１以上の目的変量に設定された物理量の実測値と前記１以上の目的変量による第２のモデルの予測値との誤差が最小となる１以上の第２の説明変量を選択させ、
    前記第２の説明変量を入力変量群として、前記入力変量群および前記１以上の目的変量に対応する物理量を取得して過去事例データを作成させ、
    予測が要求されたときに、前記入力変量群に対応する現在の物理量を前記１以上の目的変量を予測するための入力ベクトルに設定させ、
    前記入力ベクトルと過去事例データ中の前記入力変量群とのベクトル間距離を計算して、前記ベクトル間距離が短いものから順に所定の数の過去事例データを検索させ、
    検索された前記所定の数の過去事例データ中の前記入力変量群と前記１以上の目的変量とから第３のモデルを構築させ、
    前記第３のモデルから前記１以上の目的変量の値をそれぞれ予測させ、
    前記予測された前記１以上の目的変量の値を提示させるためのプログラム。
JP2015044798A 2015-03-06 2015-03-06 情報処理装置、情報処理方法、およびプログラム Expired - Fee Related JP6554828B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2015044798A JP6554828B2 (ja) 2015-03-06 2015-03-06 情報処理装置、情報処理方法、およびプログラム
US15/044,744 US10325214B2 (en) 2015-03-06 2016-02-16 Physical quantities prediction apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015044798A JP6554828B2 (ja) 2015-03-06 2015-03-06 情報処理装置、情報処理方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2016164730A JP2016164730A (ja) 2016-09-08
JP6554828B2 true JP6554828B2 (ja) 2019-08-07

Family

ID=56850852

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015044798A Expired - Fee Related JP6554828B2 (ja) 2015-03-06 2015-03-06 情報処理装置、情報処理方法、およびプログラム

Country Status (2)

Country Link
US (1) US10325214B2 (ja)
JP (1) JP6554828B2 (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200476881Y1 (ko) * 2013-12-09 2015-04-10 네이버비즈니스플랫폼 주식회사 냉기공급용 부스장치
JP6787032B2 (ja) * 2016-10-18 2020-11-18 富士通株式会社 制御装置、制御方法、および制御プログラム
US11076509B2 (en) 2017-01-24 2021-07-27 The Research Foundation for the State University Control systems and prediction methods for it cooling performance in containment
CN108694755B (zh) 2017-03-29 2021-05-28 株式会社东芝 模型构建系统以及模型构建方法
JP6972641B2 (ja) * 2017-04-28 2021-11-24 富士フイルムビジネスイノベーション株式会社 情報処理装置及び情報処理プログラム
JP7213049B2 (ja) * 2018-09-28 2023-01-26 中央電子株式会社 ファン制御装置、制御方法、制御プログラム、サーバーラック、および空調管理システム
JP7265872B2 (ja) * 2019-01-25 2023-04-27 富士通株式会社 解析プログラム、解析装置、及び解析方法
JP7390138B2 (ja) * 2019-09-04 2023-12-01 株式会社Uacj 情報処理装置、情報処理方法、および情報処理プログラム
US11573981B1 (en) * 2019-09-23 2023-02-07 Amazon Technologies, Inc. Auto-scaling using temporal splits in a time-series database
CN114594202A (zh) * 2020-12-07 2022-06-07 大金工业株式会社 室内空气质量的预测方法及室内空气质量检测系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4032426B2 (ja) * 2003-11-27 2008-01-16 松下電工株式会社 設備モデル作成方法及び設備モデル作成プログラム、建物モデル作成方法及び建物モデル作成プログラム、並びに、設備改修評価方法及び建物改修評価方法
JP5582487B2 (ja) * 2007-08-24 2014-09-03 新日鉄住金エンジニアリング株式会社 プロセスの状態予測方法
JP5176206B2 (ja) * 2007-08-24 2013-04-03 新日鉄住金エンジニアリング株式会社 プロセスの状態類似事例検索方法及びプロセスの制御方法
JP2011258620A (ja) 2010-06-07 2011-12-22 Fujitsu Ltd 空調状態監視システム及び空調状態監視方法
FR2967200A1 (fr) * 2010-11-10 2012-05-11 IFP Energies Nouvelles Methode pour caracteriser le reseau de fractures d'un gisement fracture et methode pour l'exploiter
WO2015073702A1 (en) * 2013-11-14 2015-05-21 Ces Group, Llc Predictive monitoring and control of an environment using cfd
US9817375B2 (en) * 2014-02-26 2017-11-14 Board Of Trustees Of The University Of Alabama Systems and methods for modeling energy consumption and creating demand response strategies using learning-based approaches
US20160004798A1 (en) * 2014-07-07 2016-01-07 Ingersoll-Rand Company Determining the performance of an environmental system using a predictive model

Also Published As

Publication number Publication date
US20160260018A1 (en) 2016-09-08
US10325214B2 (en) 2019-06-18
JP2016164730A (ja) 2016-09-08

Similar Documents

Publication Publication Date Title
JP6554828B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US8201028B2 (en) Systems and methods for computer equipment management
US10228292B2 (en) Virtual data center environmental monitoring system
JP6562883B2 (ja) 特性値推定装置および特性値推定方法
US9857779B2 (en) Multi-dimensional optimization for controlling environmental maintenance modules
US8725307B2 (en) System and method for measurement aided prediction of temperature and airflow values in a data center
US8244502B2 (en) Knowledge-based models for data centers
US8315841B2 (en) Methods and systems for managing facility power and cooling
US20090326884A1 (en) Techniques to Predict Three-Dimensional Thermal Distributions in Real-Time
JP2014182694A (ja) センサ故障検知装置、方法、およびプログラム
JP2018124937A (ja) 異常検出装置、異常検出方法およびプログラム
KR20210106357A (ko) 정보 처리 시스템 및 시뮬레이션 방법
JP6562893B2 (ja) パラメータ推定装置、空調システム評価装置、パラメータ推定方法およびプログラム
JP2019019988A (ja) 空調運転条件作成装置、空調運転条件作成方法、プログラム、および空調システム
JPH1183246A (ja) 冷媒充てん量を監視する方法
KR102047850B1 (ko) 컴퓨터의 유체 역학 시스템들 및 그것의 사용 방법들
JP2020052714A (ja) 監視システム及び監視方法
JP2012226511A (ja) 歩留まり予測システムおよび歩留まり予測プログラム
JP2016051213A (ja) 電子機器の温度管理システム、温度管理方法、および温度管理プログラム
US20160188764A1 (en) Raised floor plenum tool
JP2016177676A (ja) 診断装置、診断方法、診断システムおよび診断プログラム
WO2023004704A1 (zh) 用于监控封闭空间环境的方法、装置和计算机存储介质
US20130080401A1 (en) System for hierarchical information collection
KR20230055512A (ko) 공조 시스템 및 그것의 동작 방법
US20160061668A1 (en) Temperature distribution prediction method and air conditioning management system

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180115

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181211

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190108

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190311

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190611

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190624

R150 Certificate of patent or registration of utility model

Ref document number: 6554828

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees