JP6762443B1 - 学習モデル生成装置、推定装置、学習モデル生成方法および推定方法 - Google Patents

Abstract

【課題】エレベータに発生した不具合事象の解消に係る作業負担を大幅に軽減する。【解決手段】学習モデル生成装置（１）は、エレベータに発生した不具合事象を示すイベントコード群と、当該不具合事象を解消するための処置を示す処置情報と、当該不具合事象の発生時点でのエレベータの稼働状況を示す稼働情報と、当該エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示すイベントコード群と、対象エレベータの稼働情報と、対象エレベータの仕様情報とを入力として、処置情報を出力する学習モデル（５４）を生成する学習モデル生成部（１０３）を備える。【選択図】図４

Description

本発明は、エレベータに発生した不具合事象の解消作業を支援する装置等に関する。

従来、エレベータの障害を解消する作業を行う作業員は、経験則に基づいて適切な対応処置を特定していた。下記特許文献１には、エレベータに発生した障害に関する情報を入力することにより、確からしさが一定以上の原因候補と、その原因に対する対策を提示する技術が開示されている。

特開２０１８−１６７９５７号公報

経験則に基づいて適切な対応処置を特定する従来技術は、作業員の負担が大きい。また、特許文献１に記載の技術は、障害に関する情報の入力のために、障害が発生したエレベータに作業員が出向く必要がある。つまり、従来技術は、作業員の作業負担の大幅な軽減には不十分である。

本発明の一態様は、エレベータに発生した不具合事象の解消に係る作業負担を大幅に軽減する学習モデル生成装置、推定装置などを実現することを目的とする。

上記の課題を解決するために、本発明の態様１に係る学習モデル生成装置は、エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を出力する学習モデルを生成する学習部を備える。

従来、エレベータの不具合事象を解消する作業を行う作業員は、不具合事象を示すコード群を参照したうえで、前記稼働情報および前記仕様情報を考慮に入れた経験則に基づいて適切な対応処置を特定していたため、手間がかかっていた。

これに対し、前記の構成によれば、前記コード群と、前記処置情報と、前記稼働情報と、前記仕様情報とを教師データとして機械学習させた学習モデルを生成する。よって、当該学習モデルを用いれば、前記コード群、前記稼働情報、および前記仕様情報に基づき、当該コード群が示す不具合事象を解消するための処置を推定することができる。したがって、作業員の作業負担を大幅に軽減することができる。

本発明の態様２に係る学習モデル生成装置は、上記態様１において、前記イベントコードは、当該イベントコードが出力された日時を示す日時情報が対応付けられており、前記学習部は、前記コード群を、当該コード群を構成する前記イベントコードを前記日時情報に基づき時間順に並べて成るデータにより識別してもよい。

コード群に含まれるイベントコードの組合せが同じであっても、当該イベントコードの出力順序が異なる場合、不具合の原因が異なることがある。不具合の原因が異なれば、通常、異なる処置を行うことが多い。よって、組合せは同じであるが出力順序が異なるイベントコードで構成されるコード群は、同一のコード群として取り扱うのではなく、別個のコード群として取り扱うことが望ましい。

前記の構成によれば、コード群を、当該コード群を構成するイベントコードを日時情報に基づき時間順に並べて成るデータにより識別する。そうすると、組合せは同じであるが出力順序が異なるイベントコードで構成されるコード群を、別個のコード群として取り扱う学習モデルを生成することができる。したがって、学習モデルによる推定精度を高めることができる。

本発明の態様３に係る学習モデル生成装置は、上記態様１または２において、前記イベントコード、前記稼働情報、および前記仕様情報は、前記エレベータを識別するための識別情報が対応付けられており、前記教師データとして用いる前記コード群を構成する前記イベントコードに対応付けられている前記識別情報に基づいて、前記教師データとして用いる前記稼働情報および前記仕様情報を取得する取得部を備えてもよい。

前記の構成によれば、イベントコードに対応付けられた識別情報に基づいて稼働情報および仕様情報を自動取得するので、教師データとして用いる稼働情報および仕様情報を事前に入手しておく必要がない。結果として、学習モデル生成における作業負担を軽減することができる。

本発明の態様４に係る学習モデル生成装置は、上記態様１から３のいずれかにおいて、前記仕様情報は、前記エレベータを構成する部品を示す情報を含んでもよい。

エレベータを構成する部品の種類によっては、不具合事象を解消する作業が異なることがある。

前記の構成によれば、不具合事象が発生したエレベータを構成する部品を考慮した処置を推定する学習モデルを生成するので、当該学習モデルを用いることにより、作業員は、経験則に基づかなくとも、部品に応じた適切な処置を知ることができる。

上記の課題を解決するために、本発明の態様５に係る推定装置は、エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより生成された学習モデルを用いて、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を推定する推定部を備える。

従来、エレベータの不具合事象を解消する作業を行う作業員は、不具合事象を示すコード群を参照したうえで、前記稼働情報および前記仕様情報を考慮に入れた経験則に基づいて適切な対応処置を特定していたため、手間がかかっていた。

これに対し、前記の構成によれば、前記コード群と、前記処置情報と、前記稼働情報と、前記仕様情報とを教師データとして機械学習させた学習モデルを用いて、前記コード群、前記稼働情報、および前記仕様情報に基づき、当該コード群が示す不具合事象を解消するための処置を推定することができる。したがって、作業員の作業負担を大幅に軽減することができる。

本発明の態様６に係る推定装置は、上記態様５において、前記イベントコードは、当該イベントコードが出力された日時を示す日時情報が対応付けられており、前記学習モデルの生成において、および、前記推定部は、前記コード群を、当該コード群を構成する前記イベントコードを前記日時情報に基づき時間順に並べて成るデータにより識別してもよい。

前記の構成によれば、コード群を、当該コード群を構成するイベントコードを日時情報に基づき時間順に並べて成るデータにより識別する。そうすると、組合せは同じであるが出力順序が異なるイベントコードで構成されるコード群を、別個のコード群として取り扱う学習モデルにより、処置情報の推定を行うことができる。したがって、学習モデルによる推定精度を高めることができる。

本発明の態様７に係る推定装置は、上記態様５または６において、前記イベントコード、前記稼働情報、および前記仕様情報は、前記エレベータを識別するための識別情報が対応付けられており、前記対象エレベータに発生した不具合事象を示す前記コード群を構成する前記イベントコードに対応付けられている前記識別情報に基づいて前記稼働情報および前記仕様情報を取得する取得部を備え、前記推定部は、前記取得された前記稼働情報および前記仕様情報を入力としてもよい。

前記の構成によれば、イベントコードに対応付けられた識別情報に基づいて稼働情報および仕様情報を自動取得するので、作業員は、対象エレベータの稼働情報および仕様情報を事前に入手しておく必要がない。結果として、作業員の作業負担を軽減することができる。

本発明の態様８に係る推定装置は、上記態様５から７のいずれか１項において、前記仕様情報は、前記エレベータを構成する部品を示す情報を含んでもよい。

エレベータを構成する部品の種類によっては、不具合事象を解消する作業が異なることがある。

前記の構成によれば、不具合事象が発生したエレベータを構成する部品を考慮した処置を推定する学習モデルを用いるので、作業員は、経験則に基づかなくとも、部品に応じた適切な処置を知ることができる。

上記の課題を解決するために、本発明の態様９に係る、学習モデル生成装置が実行する学習モデル生成方法は、エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を出力する学習モデルを生成する学習ステップを含む。

前記の構成によれば、態様１に係る学習モデル生成装置と同様の作用効果を奏する。

上記の課題を解決するために、本発明の態様１０に係る、推定装置が実行する推定方法は、エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより生成された学習モデルを用いて、対象エレベータにて発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を推定する推定ステップを含む。

前記の構成によれば、態様５に係る推定装置と同様の作用効果を奏する。

本発明の一態様によれば、エレベータに発生した不具合事象の解消に係る作業負担を大幅に軽減することができる。

本発明の一実施形態に係る学習モデル生成の一例について、概要を示す図である。 本発明の一実施形態に係る処置情報推定の一例について、概要を示す図である。 図１に示す学習モデル生成に用いられる元データの集合の一具体例を示す図である。 本発明の一実施形態に係る処置情報推定システムの要部構成の一例を示すブロック図である。 図４に示す記憶装置に記憶されている仕様情報群および稼働情報群の一具体例を示す図である。 同一のイベントコードの組合せから成るイベントコード群であって、組合せ内のイベントコードの発生日時の時間順に並べた時の順序が異なるイベントコード群が入力データに含まれるときに推定結果が異なる場合があることを示す図である。 図４に示す学習モデル生成装置の制御部が実行する学習モデル生成処理の流れの一例を示すフローチャートである。 図４に示す推定装置の制御部が実行する推定処理の流れの一例を示すフローチャートである。 本発明の一実施形態の変形例に係る画面例を示す図である。

本実施形態では、機械学習を利用した、エレベータに発生した不具合事象を解消するための処置の学習方法および推定方法について説明する。なお、本明細書において、「処置」とは、修理業者等による修復作業内容（部品の修理、交換など）を意味するものとする。

（学習モデルの生成）
図１は、本実施形態に係る学習モデル生成の一例について、概要を示す図である。図１に示す学習モデル生成装置１は、イベントコード群Ｄ１（コード群）、処置情報Ｄ２、仕様情報Ｄ３、および稼働情報Ｄ４から成るデータセットの集合を教師データＤ５として機械学習を行うことにより、学習モデル５４を生成する。

イベントコード群Ｄ１は、エレベータに発生した不具合事象を示す、１または複数のイベントコードから成る。処置情報Ｄ２は、エレベータに発生した不具合事象を解消するための処置を示す。仕様情報Ｄ３は、エレベータの仕様を示す。稼働情報Ｄ４は、不具合事象の発生時点でのエレベータの稼働状況を示す。

図１に示すとおり、学習モデル生成装置１は、まず、予め生成された、イベントコード群Ｄ１と処置情報Ｄ２とが対応付けられたデータ（以下、「元データ」と記載する）の集合を取得する（図１のａ１）。元データは、教師データＤ５の元となるデータの一つである。元データの詳細については後述する。

次に、学習モデル生成装置１は、取得した元データの各々について、元データに対応する仕様情報Ｄ３および稼働情報Ｄ４をそれぞれ取得する（図１のａ２）。そして、学習モデル生成装置１は、イベントコード群Ｄ１、処置情報Ｄ２、仕様情報Ｄ３、および稼働情報Ｄ４から教師データＤ５を生成する。そして、学習モデル生成装置１は、生成した教師データＤ５を用いて機械学習を行うことで学習モデル５４を生成する。学習モデル５４は、イベントコード群、仕様情報および稼働情報を入力として、処置情報を出力する学習モデルである。

（処置情報の推定）
図２は、本実施形態に係る処置情報推定の一例について、概要を示す図である。図２に示す推定装置２は、学習モデル５４を用い、イベントコード群Ｄ１１、仕様情報Ｄ１３、および稼働情報Ｄ１４を入力として、処置情報Ｄ１２を推定する。

図２に示すとおり、推定装置２は、まず、イベントコード群Ｄ１１を取得する（図２のａ１１）。イベントコード群Ｄ１１は、不具合事象が発生したエレベータ（以下、「対象エレベータ」と記載する場合がある）における当該不具合事象を示す、１または複数のイベントコードから成る。次に、推定装置２は、対象エレベータの仕様情報Ｄ１３および稼働情報Ｄ１４を取得する（図２のａ１２）。仕様情報Ｄ１３は、対象エレベータの仕様を示す。稼働情報Ｄ１４は、不具合事象の発生時点での対象エレベータの稼働状況を示す。そして、推定装置２は、イベントコード群Ｄ１１、仕様情報Ｄ１３、および稼働情報Ｄ１４から入力データＤ４０を生成し、学習モデル５４に入力する（図２のａ１３）。入力データＤ４０が入力された学習モデル５４は、処置情報Ｄ１２を出力する（図２のａ１４）。処置情報Ｄ１２は、対象エレベータに発生した不具合事象を解消するための処置の推定結果である。

＜元データの生成＞

図３は、元データ、並びに、元データを生成するための材料である不具合発生データおよび不具合処置データの一具体例を示す図である。不具合発生データは、エレベータに発生した不具合事象に関するデータである。不具合処置データは、当該不具合事象を解消するための処置に関するデータである。なお、以降、不具合発生データの集合を「不具合発生データ群６１」と記載し、不具合処置データの集合を「不具合処置データ群６２」と記載し、元データの集合を「元データ群５１」と記載する。図３では、不具合発生データ群６１、不具合処置データ群６２、元データ群５１をテーブル形式で示している。不具合発生データ群６１のレコードの各々が不具合発生データであり、不具合処置データ群６２のレコードの各々が不具合処置データであり、元データ群５１のレコードの各々が元データである。

（不具合発生データの詳細）
不具合発生データは、一例として、図３に示すように、不具合識別情報、エレベータ識別情報、イベントコードおよびイベントコード発生日時（日時情報）を含む。不具合発生データ群６１は、一例として、所定の記憶装置に記憶されており、不具合事象が発生する度に新たな不具合発生データが格納される。所定の記憶装置は、後述する記憶装置５であってもよい。

不具合識別情報は、エレベータに発生した不具合事象を識別する情報である。エレベータ識別情報は、不具合事象が発生したエレベータを識別する情報である。イベントコードは、上述したとおり、エレベータに発生した不具合事象を示す。１つの不具合識別情報に対応付けられた、１または複数のイベントコードがイベントコード群である。図３の例では、不具合識別情報Ａ００１に対応付けられている、イベントコードＥ００１、Ｅ００２、Ｅ００３およびＥ０００が、１つのイベントコード群である。また、不具合識別情報Ａ００２に対応付けられている、Ｅ０１１、Ｅ０１２およびＥ０００が、１つのイベントコード群である。なお、イベントコードＥ０００は、エレベータの制御盤がイベントコード群を外部へ出力する動作を示すイベントコードであるため、イベントコード群毎に１つ含まれている。当該動作は、要するに、不具合事象の発生を外部に通報する動作である。以降、イベントコードＥ０００を「通報イベントコード」と記載する。なお、「外部」とは、例えば、エレベータを遠隔監視するシステムであってもよいし、エレベータの修理、保守点検などを行う業者の情報処理装置であってもよい。イベント発生日時は、イベントコードが生成された日時を示す情報である。

（不具合処置データの詳細）
不具合処置データは、一例として、図３に示すように、不具合識別情報、エレベータ識別情報、原因詳細情報および処置詳細情報を含む。不具合処置データ群６２は、不具合発生データ群６１と同じ記憶装置に記憶されていてもよいし、異なる記憶装置に記憶されていてもよい。不具合事象を解消する措置が行われる度に新たな不具合処置データが不具合処置データ群６２に追加される。なお、不具合識別情報およびエレベータ識別情報については既に説明しているため、ここでは説明を繰り返さない。
原因詳細情報は、不具合事象の原因を示す情報である。処置詳細情報は、不具合事象を解消した処置を示す情報である。これらの情報は、一例として、不具合事象を解消した作業員により入力される。

（元データの詳細）
元データ群５１に含まれる元データは、一例として、図３に示すとおり、不具合識別情報、エレベータ識別情報、イベントコード、イベント発生日時、原因コードおよび処置コードを含む。図３に示すとおり、１つの不具合識別情報に対応付けられているイベントコードの集合がイベントコード群Ｄ１に相当し、１つの不具合識別情報に対応付けられている原因コードおよび処置コードの組が処置情報Ｄ２に相当する。
なお、不具合識別情報、エレベータ識別情報、イベントコードおよびイベント発生日時については、既に説明しているため、ここでは説明を繰り返さない。

原因コードは、不具合処置データに含まれる原因詳細情報を分類するためのコードである。具体的な原因コードとしては、例えば、「Ｃ０：記入無し／不明」、「Ｃ１：戸袋付近物体検出ドアセンサ異常」、「Ｃ２：紐状物体検出ドアセンサ異常」、「Ｃ３：扉付近外部要因」、「Ｃ４：ブレーキ」、「Ｃ５：その他」がある。

処置コードは、不具合処置データに含まれる処置詳細情報を分類するためのコードである。具体的な処置コードとしては、例えば、「Ｅ０：記入無し／不明」、「Ｅ１：異常部品の交換」、「Ｅ２：異常部品の修理」、「Ｅ３：異常原因の除去」、「Ｅ４：その他」がある。ここで、「異常原因」とは、部品に異常をもたらす外的要因を指す。つまり、「異常原因の除去」とは、当該外的要因を取り除く処置である。

元データは、一例として、不具合発生データおよび不具合処置データに基づき、後述する元データ生成装置６により生成され、記憶装置へ格納される。本実施形態では、当該記憶装置は、後述する記憶装置５であるものとした。
元データ生成装置６は、ユーザの操作に基づき、記憶装置から不具合発生データを読み出す。また、元データ生成装置６は、ユーザの操作に基づき、読み出した不具合発生データと不具合識別情報が一致する不具合処置データを記憶装置から読み出す。

そして、ユーザは、読み出された不具合処置データに含まれる原因詳細情報が該当する原因コードを指定する操作を行う。これにより、元データ生成装置６は、原因詳細情報に対応する原因コードを特定する。また、ユーザは、読み出された不具合処置データに含まれる処置詳細情報が該当する処置コードを指定する操作を行う。これにより、元データ生成装置６は、処置詳細情報に対応する処置コードを特定する。

そして、元データ生成装置６は、読み出した不具合発生データに含まれる、不具合識別情報、エレベータ識別情報、イベントコードおよびイベント発生日時と、特定した原因コードおよび処置コードとを対応付けて元データを生成する。元データ生成装置６は、生成した元データを、記憶装置５に記憶されている元データ群５１に追加する。

＜処置情報推定システムの要部構成＞
図４は、本実施形態に係る処置情報推定システム１００の要部構成の一例を示すブロック図である。処置情報推定システム１００は、図４に示すとおり、学習モデル生成装置１、推定装置２、入力装置３、出力装置４、記憶装置５および元データ生成装置６を含んでいる。なお、学習モデル生成装置１、推定装置２、または入力装置３が、元データ生成装置６としての機能を兼ね備えて元データを生成してもよい。この場合、元データ生成装置６は不要である。

入力装置３は、ユーザからの入力を受け付け、当該入力に基づく入力信号を学習モデル生成装置１または推定装置２へ出力する。

出力装置４は、推定装置２が生成した情報を出力する。出力装置４による出力態様は特に限定されない。出力装置４は、例えば、当該情報を画像として表示する表示装置であってもよいし、当該情報を印刷する印刷装置であってもよい。

記憶装置５は、処置情報推定システム１００にて使用されるプログラムおよびデータを記憶する。記憶装置５は、一例として、元データ群５１、仕様情報群５２、稼働情報群５３および学習モデル５４を記憶している。なお、これらのデータは別々の記憶装置に記憶されていてもよい。例えば、処置情報推定システム１００は、元データ群５１、仕様情報群５２、稼働情報群５３および学習モデル５４の各々を個別に記憶する、４つの記憶装置を含んでいてもよい。また、記憶装置５は、不具合発生データ群６１および不具合処置データ群６２を記憶していてもよい。

（学習モデル生成装置１の要部構成）
学習モデル生成装置１は、図４に示すとおり、制御部１０を含んでいる。制御部１０は、学習モデル生成装置１の各部を統括して制御するものであり、一例として、プロセッサおよびメモリにより実現される。この例において、プロセッサは、ストレージ（不図示）にアクセスし、ストレージに格納されているプログラム（不図示）をメモリにロードし、当該プログラムに含まれる一連の命令を実行する。これにより、制御部１０の各部が構成される。

当該各部として、制御部１０は、元データ取得部１０１、教師データ生成部１０２（取得部）および学習モデル生成部１０３（学習部）を含む。

元データ取得部１０１は、元データを取得する。具体的には、元データ取得部１０１は、入力装置３からの、学習の開始指示を示す入力信号（以下、学習開始信号と記載する）に基づき、記憶装置５から元データ群５１を読み出す。元データ取得部１０１は、読み出した元データ群５１を教師データ生成部１０２へ出力する。

教師データ生成部１０２は、教師データＤ５を生成する。具体的には、まず、教師データ生成部１０２は、元データ取得部１０１から元データ群５１を取得すると、元データの各々について、元データに含まれるエレベータ識別情報に基づき、仕様情報群５２から、仕様情報を読み出す。また、教師データ生成部１０２は、元データの各々について、元データに含まれるエレベータ識別情報に基づき、稼働情報群５３から、稼働情報を読み出す。仕様情報群５２は、エレベータの仕様情報の集合である。また、稼働情報群５３は、エレベータの稼働情報の集合である。

そして、教師データ生成部１０２は、元データに含まれるイベントコード群Ｄ１および処置情報Ｄ２と、仕様情報Ｄ３と、稼働情報Ｄ４とを、エレベータ識別情報をキーとして対応付けることにより教師データＤ５を生成する処理を、元データ群５１に含まれる元データの各々について行い、教師データＤ５の集合を生成する。そして、教師データ生成部１０２は、生成した教師データＤ５の集合を、学習モデル生成部１０３へ出力する。

（仕様情報群５２および稼働情報群５３の詳細）
図５は、仕様情報群５２および稼働情報群５３の一具体例を示す図である。図５では、仕様情報群５２および稼働情報群５３をテーブル形式で示しているが、仕様情報群５２および稼働情報群５３の形式はこの例に限定されない。

仕様情報群５２に含まれる仕様情報は、一例として、図５に示すとおり、エレベータ識別情報、仕様、部品コードから成る。エレベータ識別情報については既に説明しているため、ここでは説明を繰り返さない。

仕様は、エレベータ識別情報が示すエレベータの、建物用途、定員、速度などの仕様を示す情報である。なお、仕様に含まれる情報はこれらの情報に限定されない。建物用途は、エレベータが設置された建物の用途を示す情報である。建物用途としては、図５に示す共同住宅（マンション、アパートなど）およびホテルの他、病院、事務所などが挙げられるが、これらに限定されない。定員は、エレベータの定員を示す情報である。速度は、エレベータの移動速度を示す情報であり、図５の例において、単位は「ｍ／分」である。

部品コードは、エレベータ識別情報が示すエレベータに用いられている部品の識別情報である。

稼働情報群５３に含まれる稼働情報は、一例として、図５に示すとおり、エレベータ識別情報、稼働値区分、取得日時および取得値から成る。エレベータ識別情報については既に説明しているため、ここでは説明を繰り返さない。

稼働値区分は、エレベータ識別情報が示すエレベータの稼働に関する計測値を区分するための情報である。稼働値区分は、一例として、起動回数、走行距離およびかご扉開閉回数を含むが、この例に限定されない。起動回数は、エレベータを設置してから取得日時までのエレベータのかごの移動回数の総計である。ここで、エレベータのかごの移動とは、「エレベータが移動を開始してから停止するまで」を指す。例えば、エレベータが１階から出発し、３階で一度停止してから移動を再開し、６階で停止した場合、この一連の流れにおける移動回数は２回（１階から３階および３階から６階）である。走行距離は、エレベータを設置してから取得日時までのエレベータのかごの移動距離の総計である。かご扉開閉回数は、エレベータを設置してから取得日時までにエレベータのかご扉が開閉した回数の総計である。

取得値は、エレベータの稼働に関する計測値である。取得日時は、取得値を取得した日時を示す情報である。なお、稼働情報群５３に含まれる取得値は、例えば、定期点検の際に制御盤から取得される。

再び図４を参照して、学習モデル生成装置１の要部構成の説明に戻る。

学習モデル生成部１０３は、教師データ生成部１０２が生成した教師データＤ５の集合を用いて機械学習を行うことにより、学習モデル５４を生成する。学習モデル生成部１０３は、一例として、ニューラルネットワーク（ＮＮ：Neural Network）などの既知の機械学習方法を用いて、学習モデル５４を生成する。また、学習モデル生成部１０３は、既存の機械学習サービスを用いて、学習モデル５４を生成してもよい。学習モデル生成部１０３は、生成した学習モデル５４を記憶装置５へ格納する。

なお、学習モデル生成部１０３は、教師データＤ５のイベントコード群Ｄ１の各々について、イベントコード群Ｄ１を構成するイベントコードをイベント発生日時に基づき時間順に並べて成るデータ（以下、「時系列イベントコード群」と記載する）により識別する。すなわち、学習モデル生成部１０３は、教師データＤ５のイベントコード群Ｄ１について、イベント発生日時を考慮して機械学習を行い、学習モデル５４を生成する。具体的には、学習モデル生成部１０３は、同一のイベントコードの組合せから成るイベントコード群であって、組合せ内のイベントコードを時間順に並べた時の順序が異なるイベントコード群を、異なるイベントコード群として識別し、学習モデル５４を生成する。結果として、同一のイベントコードから成るイベントコード群であって、イベントコードを時間順に並べた時の順序が異なるイベントコード群を、異なるイベントコード群として識別する学習モデル５４が生成される。

（推定装置２の要部構成）
推定装置２は、図４に示すとおり、制御部２０を含んでいる。制御部２０は、推定装置２の各部を統括して制御するものであり、一例として、プロセッサおよびメモリにより実現される。この例において、プロセッサは、ストレージ（不図示）にアクセスし、ストレージに格納されているプログラム（不図示）をメモリにロードし、当該プログラムに含まれる一連の命令を実行する。これにより、制御部２０の各部が構成される。

当該各部として、制御部２０は、入力データ生成部２０１（取得部）および推定部２０２を含む。

入力データ生成部２０１は、まず、入力装置３から入力されたイベントコード群を取得する。具体的には、処置情報推定システム１００のユーザが入力装置３を用いて入力した、対象エレベータに発生した不具合事象を示すイベントコード群Ｄ１１を取得する。なお、本実施形態では、入力されたイベントコード群Ｄ１１に含まれる各イベントコードには、イベント発生日時が対応付けられているものとする。

入力データ生成部２０１は、イベントコード群Ｄ１１を取得すると、仕様情報群５２および稼働情報群５３から、それぞれ、対象エレベータの仕様情報Ｄ１３および稼働情報Ｄ１４を読み出す。具体的には、入力データ生成部２０１は、取得したイベントコード群Ｄ１１に含まれるエレベータ識別情報と同一のエレベータ識別情報を含む仕様情報Ｄ１３および稼働情報Ｄ１４を読み出す。そして、入力データ生成部２０１は、取得したイベントコード群Ｄ１１、並びに、読み出した仕様情報Ｄ１３および稼働情報Ｄ１４を、エレベータ識別情報をキーとして対応付けることにより、入力データＤ４０を生成する。入力データ生成部２０１は、生成した入力データＤ４０を推定部２０２へ出力する。

推定部２０２は、学習モデル５４を用いて処置情報Ｄ１２を取得する。具体的には、推定部２０２は、対象エレベータのイベントコード群Ｄ１１、仕様情報Ｄ１３、および稼働情報Ｄ１４を学習モデル５４に入力し、学習モデル５４から出力された処置情報Ｄ１２を取得する。そして、推定部２０２は、取得した処置情報Ｄ１２を、推定結果として出力装置４に出力させる。

なお、推定部２０２は、入力データＤ４０に含まれるイベントコード群Ｄ１１を、時系列イベントコード群として識別する。すなわち、推定部２０２は、イベントコード群Ｄ１１を構成するイベントコードをイベント発生日時に基づき時間順に並べて成るデータにより識別する。

図６は、同一のイベントコードの組合せから成るイベントコード群であって、組合せ内のイベントコードの発生日時の時間順に並べた時の順序が異なるイベントコード群が入力データに含まれるときに推定結果が異なる場合があることを示す図である。

図６に示すように、入力データＤ４０ａは、発生日時の時間順がイベントコードＥ００１、Ｅ００２、Ｅ０００の順である時系列イベントコード群Ｄ１１ａを含む。また、入力データＤ４０ｂは、発生日時の時間順がイベントコードＥ００２、Ｅ００１、Ｅ０００の順である時系列イベントコード群Ｄ１１ｂを含む。なお、入力データＤ４０ａとＤ４０ｂとにおいて、仕様情報Ｄ１３および稼働情報Ｄ１４は共通であるものとする。換言すれば、入力データＤ４０ａとＤ４０ｂとは、イベントコード群に含まれるイベントコードの発生順序のみが異なる。

図６に示す学習モデル５４は、上述したとおり、時系列イベントコード群を考慮して学習されたモデルである。推定部２０２は、入力データＤ４０ａを学習モデル５４へ入力した場合、処置情報Ｄ１２ａを取得するものとする。一方、推定部２０２は、入力データＤ４０ｂを学習モデル５４へ入力した場合、処置情報Ｄ１２ａと異なる処置情報Ｄ１２ｂを取得することがある。このように、時系列イベントコード群を考慮するため、同一のイベントコードの組合せから成るイベントコード群であっても、組合せ内のイベントコードを時間順に並べた時の順序が異なる場合、入力データＤ４０内のその他のデータが同一であっても、推定結果として異なる処置情報Ｄ１２が得られることがある。

＜学習モデル生成処理の流れ＞
図７は、学習モデル生成装置１の制御部１０が実行する学習モデル生成処理の流れの一例を示すフローチャートである。

元データ取得部１０１は、入力装置３から学習開始信号を取得する（ステップＳ１、「以下、ステップ」の記載を省略）と、記憶装置５から元データ群５１を読み出す（Ｓ２）。元データ取得部１０１は、読み出した元データ群５１を教師データ生成部１０２へ出力する。

教師データ生成部１０２は、取得した元データの各々について、元データに含まれるエレベータ識別情報に基づき、仕様情報群５２から仕様情報を、稼働情報群５３から稼働情報を読み出す（Ｓ３）。具体的には、教師データ生成部１０２は、元データの各々について、元データに含まれるエレベータ識別情報と同一のエレベータ識別情報を含む仕様情報Ｄ３および稼働情報Ｄ４を読み出す。続いて、教師データ生成部１０２は、元データの各々に、エレベータ識別情報が一致する仕様情報Ｄ３および稼働情報Ｄ４を対応付けることにより、教師データＤ５の集合を生成する（Ｓ４）。教師データ生成部１０２は、生成した教師データＤ５の集合を、学習モデル生成部１０３へ出力する。

学習モデル生成部１０３は、取得した教師データＤ５の集合から学習モデル５４を生成する（Ｓ５、学習ステップ）。具体的には、学習モデル生成部１０３は、教師データＤ５の集合を用いて機械学習を行うことにより学習モデル５４を生成する。学習モデル生成部１０３は、生成した学習モデル５４を記憶装置５に格納する（Ｓ６）。以上で、学習モデル生成処理は終了する。

（学習モデル５４の更新）
不具合発生データおよび不具合処置データは、作業員が対象エレベータの不具合事象に対して処置を行う度に記憶装置に格納される。元データ生成装置６のユーザは、新たな不具合発生データおよび不具合処置データに基づき、元データ生成装置６を用いて新たな元データを生成し、元データ群５１に格納する。すなわち、当該ユーザは、元データ群５１を更新する。このとき、当該ユーザは、更新された元データ群５１に基づき、学習モデル生成装置１を用いて、学習モデル５４を再生成してもよい。学習モデル５４の再生成の処理の流れは、上述した学習モデル生成処理の流れと同様であるため、ここでは説明を繰り返さない。

＜推定処理の流れ＞
図８は、推定装置２の制御部２０が実行する推定処理の流れの一例を示すフローチャートである。

入力データ生成部２０１は、入力装置３から、対象エレベータに発生した不具合事象を示すイベントコード群Ｄ１１を取得する（Ｓ１１）。続いて、入力データ生成部２０１は、取得したイベントコード群Ｄ１１のエレベータ識別情報に基づき、仕様情報群５２から仕様情報Ｄ１３を、稼働情報群５３から稼働情報Ｄ１４を読み出す（Ｓ１２）。具体的には、入力データ生成部２０１は、イベントコード群Ｄ１１に含まれるエレベータ識別情報と同一のエレベータ識別情報を含む仕様情報Ｄ１３および稼働情報Ｄ１４を読み出す。そして、入力データ生成部２０１は、イベントコード群Ｄ１１、仕様情報Ｄ１３および稼働情報Ｄ１４を対応付け、入力データＤ４０を生成する（Ｓ１３）。入力データ生成部２０１は、生成した入力データＤ４０を推定部２０２へ出力する。

推定部２０２は、取得した入力データＤ４０を学習モデル５４へ入力し、出力された処置情報Ｄ１２、すなわち、原因コードおよび処置コードの組を取得する（Ｓ１４、推定ステップ）。そして、推定部２０２は、取得した処置情報Ｄ１２を推定結果として出力する（Ｓ１５）。なお、出力される情報は、原因コードが示す原因および処置コードが示す処置を含んでいることが好ましい。例えば、原因コードとして「Ｃ１」、処置コードとして「Ｅ１」を取得した場合、推定部２０２は、「戸袋付近物体検出ドアセンサ異常」と「戸袋付近物体検出ドアセンサの交換」を画面に表示する態様で出力を行うことが好ましい。これにより、処置情報推定システム１００（推定装置２）のユーザや作業員が、対象エレベータの不具合の原因および処置の推定結果を明確に把握することができる。

＜効果＞
以上のように、本実施形態に係る学習モデル生成装置１は、イベントコード群Ｄ１と、処置情報Ｄ２と、仕様情報Ｄ３と、稼働情報Ｄ４とを教師データＤ５として機械学習を行う。これにより、学習モデル生成装置１は、対象エレベータに発生した不具合事象を示すイベントコード群と、対象エレベータの稼働情報と、対象エレベータの仕様情報とを入力として、当該不具合事象についての処置情報を出力する学習モデル５４を生成する。

また、本実施形態に係る推定装置２は、学習モデル５４を用いて、対象エレベータに発生した不具合事象を示すイベントコード群Ｄ１１と、対象エレベータの仕様情報Ｄ１３と、対象エレベータの稼働情報Ｄ１４と、を入力として、当該不具合事象についての処置情報Ｄ１２を推定する。

従来、エレベータの不具合事象を解消する作業を行う作業員は、イベントコード群を参照したうえで、稼働情報および仕様情報を考慮に入れた経験則に基づいて適切な処置を特定していたため、手間がかかっていた。

これに対し、学習モデル生成装置１は、イベントコード群Ｄ１と、処置情報Ｄ２と、仕様情報Ｄ３と、稼働情報Ｄ４とを教師データＤ５として機械学習させた学習モデル５４を生成する。よって、推定装置２は、学習モデル５４を用いて、対象エレベータのイベントコード群Ｄ１１、仕様情報Ｄ１３、および稼働情報Ｄ１４に基づき、当該イベントコード群が示す不具合事象を解消するための処置を推定することができる。したがって、作業員の作業負担を大幅に軽減することができる。

また、学習モデル生成装置１および推定装置２に入力される各イベントコードには、イベント発生日時が対応付けられている。学習モデル生成装置１および推定装置２は、入力されたイベントコード群を時系列イベントコード群として識別する。

イベントコード群に含まれるイベントコードの組合せが同じであっても、当該イベントコードの出力順序が異なる場合、不具合事象の原因が異なることがある。不具合事象の原因が異なれば、通常、異なる処置を行うことが多い。よって、組合せは同じであるが出力順序が異なるイベントコードで構成されるイベントコード群は、同一のイベントコード群として取り扱うのではなく、別個のイベントコード群として取り扱うことが望ましい。

これに対し、学習モデル生成装置１および推定装置２は、入力されたイベントコード群を、時系列イベントコード群として識別する。そうすると、学習モデル生成装置１は、組合せは同じであるが出力順序が異なるイベントコードで構成されるイベントコード群を、別個のイベントコード群として取り扱う学習モデル５４を生成することができる。また、推定装置２は、この学習モデル５４に対し、組合せは同じであるが出力順序が異なるイベントコードで構成されるイベントコード群を、別個のイベントコード群として入力する。以上により、学習モデル５４による推定精度を高めることができる。

また、学習モデル生成装置１に入力される元データにおいて、イベントコード群Ｄ１には、エレベータ識別情報が対応付けられている。また、仕様情報Ｄ３および稼働情報Ｄ４の各々にも、エレベータ識別情報が対応付けられている。学習モデル生成装置１は、教師データＤ５として用いるイベントコード群Ｄ１に対応付けられているエレベータ識別情報に基づいて、教師データＤ５として用いる仕様情報Ｄ３および稼働情報Ｄ４を記憶装置５から読み出す。

また、推定装置２に入力されるイベントコード群Ｄ１１にも、エレベータ識別情報が対応付けられている。推定装置２は、イベントコード群Ｄ１１に対応付けられているエレベータ識別情報に基づいて、イベントコード群Ｄ１１とともに入力データＤ４０を構成する仕様情報Ｄ１３および稼働情報Ｄ１４を記憶装置５から読み出す。

つまり、学習モデル生成装置１および推定装置２は、入力されたイベントコード群に対応付けられたエレベータ識別情報に基づいて仕様情報および稼働情報を自動取得する。これにより、学習モデル生成装置１のユーザは、教師データＤ５として用いる仕様情報Ｄ３および稼働情報Ｄ４を事前に入手しておく必要がない。また、推定装置２のユーザは、入力データＤ４０として用いる仕様情報Ｄ１３および稼働情報Ｄ１４を事前に入手しておく必要がない。結果として、学習モデル生成における作業負担を軽減することができる。

また、仕様情報は、当該仕様情報が示すエレベータを構成する部品を示す情報を含む。

エレベータを構成する部品の種類によっては、不具合事象を解消する作業が異なることがある。これに対し、学習モデル生成装置１は、対象エレベータを構成する部品を考慮した処置を推定する学習モデル５４を生成する。推定装置２は、当該学習モデル５４に、対象エレベータの仕様情報Ｄ１３を含む入力データＤ４０を入力することにより、対象エレベータを構成する部品を考慮した処置情報を出力する。これにより、作業員は、経験則に基づかなくとも、部品に応じた適切な処置を知ることができる。

例えば、戸袋付近物体検出ドアセンサを含まないエレベータの場合、推定結果として出力される処置情報Ｄ１２には、戸袋付近物体検出ドアセンサに関する処置情報は出力されない。結果として、同じイベントコード群Ｄ１１（より具体的には、同じ時系列イベントコード群）であっても、エレベータを構成する部品を示す情報に応じて、出力される処置情報Ｄ１２が異なることとなる。よって、推定装置２は、処置対象のエレベータにおいてより適切な処置情報Ｄ１２を出力することができる。

〔変形例〕
推定装置２は、推定装置２のユーザにより入力されるイベントコードの入力順に並べて成るデータにより、イベントコード群を識別してもよい。

図９は、本変形例に係る画面例を示す図である。具体的には、図９は、イベントコード群Ｄ１１の入力画面と、処置情報Ｄ１２の出力画面との一具体例を示す図である。なお、図９は、当該入力画面および当該出力画面が一画面として構成されている例を示している。換言すれば、図９は、当該入力画面に相当する入力領域Ｇ２と、当該出力画面に相当する出力領域Ｇ３とを含む入出力画面Ｇ１の一例を示すものであり、本変形例において、入力装置３および出力装置４は１つの情報処理装置として構成されている。

入力領域Ｇ２は、イベントコード群入力欄Ｇ４、エレベータ識別情報入力欄Ｇ５および推定実行ボタンＧ６を含む。イベントコード群入力欄Ｇ４は、一例として、画面の縦方向に並ぶ複数のセル（レコード）から成り、処置情報推定システム１００のユーザは、１つのセルに１つのイベントコードを入力する。このとき、当該ユーザは、一例として、イベントコード群入力欄Ｇ４の最上のセルから、イベント発生日時が早い順にイベントコードを入力する。これにより、推定装置２は、イベントコード群Ｄ１１を、時系列イベントコード群として識別する。エレベータ識別情報入力欄Ｇ５は、エレベータ識別情報の入力を受け付ける。推定実行ボタンＧ６は、イベントコード群Ｄ１１を推定装置２へ入力する操作を受け付ける。換言すれば、入力装置３は、推定実行ボタンＧ６への当該操作に基づき、イベントコード群入力欄Ｇ４に入力されたイベントコード群Ｄ１１およびエレベータ識別情報入力欄Ｇ５に入力されたエレベータ識別情報を推定装置２へ出力（送信）する。

出力領域Ｇ３は、処置情報出力欄Ｇ７を含む。処置情報出力欄Ｇ７の「原因」のカラムには、イベントコード群入力欄Ｇ４に入力されたイベントコード群Ｄ１１が示す不具合事象の原因の推定結果が表示される。処置情報出力欄Ｇ７の「処置内容」のカラムには、当該不具合事象への処置の推定結果が表示される。また、処置情報出力欄Ｇ７の「確度」のカラムには、原因と処置との組み合わせの確度、すなわち、入力データＤ４０が示す不具合事象の原因および処置としての確からしさを示す数値が表示される。

作業員は、例えば、対象エレベータに発生した不具合事象に対し、処置情報出力欄Ｇ７に示された原因と処置との組み合わせについて、確度の高い順に検証すればよい。換言すれば、確度の低い組み合わせを先に検証することを避けることができるので、作業員は作業負担を大幅に軽減することができる。

なお、イベントコード群入力欄Ｇ４は、最上のセルから、イベント発生日時が遅い順にイベントコードを入力するものであってもよい。この例において、対象エレベータが遠隔監視サービスの対象である場合、最上のセルに入力されるイベントコードは通報イベントコードとなる。不具合通報データが、イベント発生日時順にイベントコード群を格納している場合、推定装置２のユーザは、入力対象のイベントコード群Ｄ１１の通報イベントコードから逆順にイベントコードを入力していけばよい。よって、推定装置２のユーザによる、イベントコード群Ｄ１１の入力の負担が軽減される。

また、推定装置２は、図９に示す処置情報出力欄Ｇ７に、原因と処置との組み合わせを、確度が高い順に３つ表示させるものであるが、当該組み合わせの表示数はこの例に限定されない。また、推定装置２は、確度が所定値以上の原因と処置との組み合わせのみを処置情報出力欄Ｇ７に表示させるものであってもよい。

稼働情報および仕様情報は、処置情報推定システム１００のユーザが、元データまたはイベントコード群Ｄ１１とともに入力装置３を介して入力するものであってもよい。また、各エレベータに用いられている部品を示す情報は、仕様情報と一体である必要はなく別体のデータであってもよい。

教師データＤ５および入力データＤ４０は、不具合事象発生時の気温、湿度、季節、月日等の情報や、不具合事象が発生したエレベータの設置場所（地域、国等）の情報を含んでいてもよい。

また、学習モデル生成装置１と推定装置２とを一体の装置として構成してもよい。また、推定装置２は、学習モデル生成装置１が生成した学習モデル５４を、学習モデル生成装置１から受信し、自装置のストレージに格納してもよい。

〔ソフトウェアによる実現例〕
学習モデル生成装置１および推定装置２の制御ブロック（特に制御部１０および制御部２０）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、学習モデル生成装置１および推定装置２は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば少なくとも１つのプロセッサ（制御装置）を備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な少なくとも１つの記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

１ 学習モデル生成装置
２ 推定装置
５４ 学習モデル
１０２ 教師データ生成部（取得部）
１０３ 学習モデル生成部（学習部）
２０１ 入力データ生成部（取得部）
２０２ 推定部
Ｄ１、Ｄ１１ イベントコード群（コード群）
Ｄ２、Ｄ１２ 処置情報
Ｄ３、Ｄ１３ 稼働情報
Ｄ４、Ｄ１４ 仕様情報

Claims (12)

1. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を出力する学習モデルを生成する学習部を備え、
   前記イベントコードは、当該イベントコードが出力された日時を示す日時情報が対応付けられており、
   前記学習部は、前記コード群を、当該コード群を構成する前記イベントコードを前記日時情報に基づき時間順に並べて成るデータにより識別する学習モデル生成装置。
2. 前記仕様情報は、前記エレベータを構成する部品を示す情報を含む、請求項１に記載の学習モデル生成装置。
3. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を出力する学習モデルを生成する学習部を備え、
   前記仕様情報は、前記エレベータを構成する部品を示す情報を含む学習モデル生成装置。
4. 前記イベントコード、前記稼働情報、および前記仕様情報は、前記エレベータを識別するための識別情報が対応付けられており、
   前記教師データとして用いる前記コード群を構成する前記イベントコードに対応付けられている前記識別情報に基づいて、前記教師データとして用いる前記稼働情報および前記仕様情報を取得する取得部を備える、請求項１から３のいずれか１項に記載の学習モデル生成装置。
5. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより生成された学習モデルを用いて、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を推定する推定部を備え、
   前記イベントコードは、当該イベントコードが出力された日時を示す日時情報が対応付けられており、
   前記学習モデルの生成において、および、前記推定部は、前記コード群を、当該コード群を構成する前記イベントコードを前記日時情報に基づき時間順に並べて成るデータにより識別する推定装置。
6. 前記仕様情報は、前記エレベータを構成する部品を示す情報を含む、請求項５に記載の推定装置。
7. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより生成された学習モデルを用いて、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を推定する推定部を備え、
   前記仕様情報は、前記エレベータを構成する部品を示す情報を含む推定装置。
8. 前記イベントコード、前記稼働情報、および前記仕様情報は、前記エレベータを識別するための識別情報が対応付けられており、
   前記対象エレベータに発生した不具合事象を示す前記コード群を構成する前記イベントコードに対応付けられている前記識別情報に基づいて前記稼働情報および前記仕様情報を取得する取得部を備え、
   前記推定部は、前記取得された前記稼働情報および前記仕様情報を入力とする、請求項５から７のいずれか１項に記載の推定装置。
9. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を出力する学習モデルを生成する学習ステップを含み、
   前記イベントコードは、当該イベントコードが出力された日時を示す日時情報が対応付けられており、
   前記学習ステップでは、前記コード群を、当該コード群を構成する前記イベントコードを前記日時情報に基づき時間順に並べて成るデータにより識別する、学習モデル生成装置が実行する学習モデル生成方法。
10. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより、対象エレベータに発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を出力する学習モデルを生成する学習ステップを含み、
    前記仕様情報は、前記エレベータを構成する部品を示す情報を含む、学習モデル生成装置が実行する学習モデル生成方法。
11. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより生成された学習モデルを用いて、対象エレベータにて発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を推定する推定ステップを含み、
    前記イベントコードは、当該イベントコードが出力された日時を示す日時情報が対応付けられており、
    前記学習モデルの生成において、および、前記推定ステップでは、前記コード群を、当該コード群を構成する前記イベントコードを前記日時情報に基づき時間順に並べて成るデータにより識別する、推定装置が実行する推定方法。
12. エレベータに発生した不具合事象を示す、１または複数のイベントコードから成るコード群と、前記不具合事象を解消するための処置を示す処置情報と、前記不具合事象の発生時点での前記エレベータの稼働状況を示す稼働情報と、前記エレベータの仕様を示す仕様情報とを教師データとして機械学習を行うことにより生成された学習モデルを用いて、対象エレベータにて発生した不具合事象を示す前記コード群と、前記対象エレベータの前記稼働情報と、前記対象エレベータの前記仕様情報とを入力として、前記処置情報を推定する推定ステップを含み、
    前記仕様情報は、前記エレベータを構成する部品を示す情報を含む、推定装置が実行する推定方法。

Images