JP7071568B1 - 推論装置および推論プログラム - Google Patents

Abstract

【課題】サーバ室における空調機設定温度とガラリ開閉状態との適切な組み合わせ関係を提示する装置を提供する。【解決手段】サーバ室冷却管理装置１００は、サーバ室に配置された複数の温度センサの各温度を温度推論モデル３１用いて推論する。温度推論モデル３１は入力として、開閉可能なガラリの各ガラリ識別子に対して、開と閉との一方が設定されたガラリ開閉候補情報と、複数の空気調和機の各空調機識別子に対して、空気調和機の稼働条件が設定された空調機設定候補情報と、複数の温度センサの各センサ識別子に対して計測温度が設定された温度センサ情報と、各空調機識別子に対して、空気調和機の消費電力が設定された空調機消費電力情報とを入力し、一つのガラリ開閉候補と一つの空調機設定候補とからなる組について、複数の組の各組ごとに複数の温度センサの各温度を推論する。【選択図】図４

Description

本開示は、サーバ室に設置されている情報処理装置を、あらかじめ定められた規定の範囲内の温度において冷却するためのサーバ室冷却管理装置に関する。

サーバ室では、ラックに積載された情報処理装置が多数稼働している。情報処理装置は稼働により熱を発するため、正常動作させるためには空気調和機によりサーバ室を冷却して、情報処理装置を冷却する必要がある。そのためにはサーバ室を一定温度以下に保つ必要がある。空気調和機による情報処理装置の冷却には、大量の電力を消費するため、効果的な情報処理装置の冷却が課題となっている。サーバ室に設置された情報処理装置を冷却する技術については、例えば、特許文献１がある。

特許文献１は、空気調和機の設定と併せて、情報処理装置で稼働する仮想マシンの配置を制御することによって、空気調和機と情報処理装置とを合わせた消費電力を抑制するための技術である。この技術は、仮想マシンを管理運営する事業者にとっては有用であるが、ハウジングサービスを専業とする事業者は、仮想マシンの制御をすることができないため、利用することができない技術である。また、サーバ室の冷却には、空気調和機の温度、風向き、風力といった設定と同じくらい、空気調和機からの冷却風をいかにラックに届けるかが重要となる。冷却風が届かなければ、ラックの周りには熱だまりが発生し、適切に情報処理装置を冷却することができないからである。空気調和機からの冷却風は、サーバ室の床下をとおり、サーバ室の床面に設けられた複数の通風口から噴き出し、ラックの下部および前面側から、ラックに積載された情報処理装置に届けられる。サーバ室のラックは、同一方向を向いて一列に並べて配置される。効果的な空調を行うため、ラックの前面となる側の通風口は開放され、ラックの背面となる側の通風口は閉口される。ラックの前面となる側は、冷却風が噴き出す通路でもあるため、コールドアイルとも呼ばれる。サーバ室の床面に設けられる通風口は、蛇腹状の開口部を持つガラリと呼ばれる床パネルによって実現される。ガラリは、開口部のない床パネルと交換可能なものや、開閉式のものがあり、グレーチングパネルとも呼ばれる。ラックに積載される情報処理装置を効果的に冷却するためには、複数の開閉可能な通風口の開閉状態が重要となる。通風口の開閉操作は、これまで経験によって行われており、ラックに積載される情報処理装置の稼働状況や冷却風の流れに影響する空気調和機の設定を考慮した、通風口の開閉操作は行われていない。また、通風口の開閉に関する技術はシステム化されておらず、これまで開示されていない。

特開２０１２－１４９８３９号公報

本開示は、サーバ室における空気調和機の消費電力Ｐの低減を可能とする空気調和機の設定と、ガラリの開閉状態との推奨する組み合わせを提示する装置の提供を目的とする。

本開示に係る推論装置は、
部屋の床に開閉の可能な状態で配置される複数の通風口の各通風口を識別する通風口識別子のそれぞれに対して、開と閉とのいずれかの状態が設定された通風口設定レコードの集合である通風口設定レコード群と、
前記部屋に配置されて、前記床の下に冷気を送り込み、開状態の前記通風口を介して前記冷気を前記床の下から前記部屋の内部に送出させる複数の空気調和機の各空気調和機を識別する空気調和機識別子のそれぞれに対して、前記空気調和機の稼働条件が設定された稼働条件設定レコードの集合である稼働条件設定レコード群と、
前記部屋に配置された複数の温度センサの各温度センサを識別するセンサ識別子のそれぞれに対して、前記温度センサの計測温度が設定された計測温度設定レコードと、
前記空気調和機識別子のそれぞれに対して、前記空気調和機の消費電力が設定された消費電力設定レコードと、
を含む入力情報を入力として取得するデータ取得部と、
前記通風口設定レコード群の一つの通風口設定レコードと前記稼働条件設定レコード群の一つの稼働条件設定レコードから決まる複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件とのもとにおける前記複数の温度センサの各温度センサの温度であって、指定された時点から設定時間の経過後の各温度センサの温度である推論温度を前記組ごとに推論するための学習済みモデルである温度推論モデルを用いて、前記データ取得部で取得した前記入力情報から、前記組ごとの各温度センサの推論温度を出力する推論部と、
を備える。

前記データ取得部は、
前記複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件とのもとにおける前記複数の空気調和機の各空気調和機の消費電力であって、設定時間の経過後の各空気調和機の消費電力である推論消費電力を前記組ごとに推論するための学習済みモデルである消費電力推論モデルへの入力として、
一つの前記通風口設定レコードと一つの前記稼働条件設定レコードとの一組と、
前記計測温度設定レコードと、
前記消費電力設定レコードと、
を一セットとして、複数のセットを取得し、
前記推論部は、
前記消費電力推論モデルを用いて、前記データ取得部の取得した複数のセットの各セットに対して、各空気調和機の推論消費電力を出力する。

前記推論装置は、さらに、
前記推論部が出力した前記推論温度のなかに、要求された温度範囲に属していない前記推論温度が存在するかどうかを判断し、判断結果と前記組とを対応付ける推論温度判定部を備える。

前記推論温度判定部は、
要求された前記温度範囲をセンサ対応範囲情報として前記温度センサごとに保有しており、前記温度センサごとに保有する前記センサ対応範囲情報を用いて、前記推論部が出力した前記推論温度のなかに、要求された温度範囲に属していない前記推論温度が存在するかどうかを判断する。

前記推論装置は、さらに、
前記推論温度判定部が対応付けた前記判断結果と前記組との対応関係に基づいて、前記複数の組の中から推奨するべき組を抽出する推奨結果提示部を備える。

前記データ取得部の取得する入力情報は、さらに、
前記部屋に配置されて情報処理装置が積載可能であり、前記情報処理装置が積載されている場合には前記情報処理装置に電力を供給する複数のラックのそれぞれを識別するラック識別子のそれぞれに対して、ラックが電力供給状態にあるかどうかを示す稼働状況と、前記稼働状況が電力供給状態である場合にはラックの消費電力と、ラックの設置場所とを含むラック契約情報を含む。

本開示に係る推論プログラムは、
コンピュータに、
部屋の床に開閉の可能な状態で配置される複数の通風口の各通風口を識別する通風口識別子のそれぞれに対して、開と閉とのいずれかの状態が設定された通風口設定レコードの集合である通風口設定レコード群と、
前記部屋に配置されて、前記床の下に冷気を送り込み、開状態の前記通風口を介して前記冷気を前記床の下から前記部屋の内部に送出させる複数の空気調和機の各空気調和機を識別する空気調和機識別子のそれぞれに対して、前記空気調和機の稼働条件が設定された稼働条件設定レコードの集合である稼働条件設定レコード群と、
前記部屋に配置された複数の温度センサの各温度センサを識別するセンサ識別子のそれぞれに対して、前記温度センサの計測温度が設定された計測温度設定レコードと、
前記空気調和機識別子のそれぞれに対して、前記空気調和機の消費電力が設定された消費電力設定レコードと、
を含む入力情報を入力として取得するデータ取得処理と、
前記通風口設定レコード群の一つの通風口設定レコードと前記稼働条件設定レコード群の一つの稼働条件設定レコードから決まる複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件とのもとにおける前記複数の温度センサの各温度センサの温度であって、指定された時点から設定時間の経過後の各温度センサの温度である推論温度を前記組ごとに推論するための学習済みモデルである温度推論モデルを用いて、前記データ取得処理で取得した前記入力情報から、前記組ごとの各温度センサの推論温度を出力する推論処理と、
を実行させる。

前記データ取得部は、さらに
前記部屋に配置されて情報処理装置が積載可能であり、前記情報処理装置が積載されている場合に前記情報処理装置に電力を供給する複数のラックのそれぞれを識別するラック識別子のそれぞれに対して、電力供給状態にあるかどうかを示す稼働状況が設定されたラック契約設定レコードの集合であるラック契約設定レコード群を含む入力情報を入力として取得し、
前記推論部は、
前記通風口設定レコード群の一つの通風口設定レコードと、前記稼働条件設定レコード群の一つの稼働条件設定レコードと、前記ラック契約設定レコード群の一つのラック契約設定レコードとから決まる複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件と前記複数のラックの稼働状況とのもとにおける前記複数の温度センサの各温度センサの温度であって、指定された時点から設定時間の経過後の各温度センサの温度である推論温度を前記組ごとに推論するための学習済みモデルである温度推論モデルを用いて、前記データ取得部で取得した前記入力情報から、前記組ごとの各温度センサの推論温度を出力する。

前記データ取得部は、
前記複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件と前記複数のラックの稼働状況とのもとにおける前記複数の空気調和機の各空気調和機の消費電力であって、設定時間の経過後の各空気調和機の消費電力である推論消費電力を前記組ごとに推論するための学習済みモデルである消費電力推論モデルへの入力として、一つの前記通風口設定レコードと一つの前記稼働条件設定レコードと一つの前記ラック契約設定レコードとの一組と、前記計測温度設定レコードと、前記消費電力設定レコードと、を一セットとして、複数のセットを取得し、
前記推論部は、
前記消費電力推論モデルを用いて、前記データ取得部の取得した複数のセットの各セットに対して、各空気調和機の推論消費電力を出力する。

前記推論装置は、さらに、
前記推論部が出力した前記推論温度のなかに、要求された温度範囲に属していない前記推論温度が存在するかどうかを判断し、判断結果と前記組とを対応付ける推論温度判定部を備える。

前記推論装置は、さらに、
前記推論温度判定部が対応付けた前記判断結果と前記組との対応関係に基づいて、前記複数の組の中から推奨するべき組を抽出する推奨結果提示部を備える。

本開示により、サーバ室における空気調和機による冷房温度設定と複数のガラリの開閉状態との適切な組み合わせ関係を提示できる。また、本開示により、サーバ室における空気調和機の消費電力の低減を可能とする空気調和機の設定と、ガラリの開閉状態との推奨する組み合わせを提示できる。

実施の形態１の図で、サーバ室冷却管理装置１００が冷却管理するサーバ室１０を示す図。 実施の形態１の図で、ラック３００と、温度センサ５００と、ガラリ８００との対応を示す図。 実施の形態１の図で、サーバ室冷却管理装置１００のネットワーク構成を示す図。 実施の形態１の図で、サーバ室冷却管理装置１００のハードウェア構成を示す図。 実施の形態１の図で、サーバ室冷却管理装置１００の全体動作を示すフローチャート。 実施の形態１の図で、空調機設定温度情報２１Ａ、ガラリ開閉情報２２Ａおよびラック契約情報２３Ａを示す図。 実施の形態１の図で、ガラリ開閉マスタ情報４１Ａを示す図。 実施の形態１の図で、ラック契約マスタ情報４２Ａを示す図。 実施の形態１の図で、温度センサ情報２４Ａおよび空調機消費電力情報２５Ａを示す図。 実施の形態１の図で、空調機設定候補情報２６Ａを示す図。 実施の形態１の図で、ガラリ開閉候補情報２７Ａを示す図。 実施の形態１の図で、温度推論モデル３１および消費電力推論モデル３２を用いる推論処理を示す図。 実施の形態１の図で、サーバ室冷却管理装置１００による学習処理を示す図。 実施の形態１の図で、学習処理のフローチャート。 実施の形態１の図で、推論部１５によって出力される推論結果情報３３Ａを示す図。 実施の形態１の図で、推論消費電力Ｐ^＊と各空気調和機２００の推論消費電力の合計が登録された状態の推論結果情報３３Ａを示す図。 実施の形態２の図で、サーバ室冷却管理装置１００のハードウェア構成を示す図。 実施の形態２の図で、サーバ室冷却管理装置１００の全体動作を示すフローチャート。 実施の形態２の図で、ラック設置候補情報２８Ａを示す図。 実施の形態２の図で、温度推論モデル３１および消費電力推論モデル３２を用いる推論処理を示す図。 実施の形態２の図で、サーバ室冷却管理装置１００による学習処理を示す図。 実施の形態２の図で、推論部１５によって出力される推論結果情報３３Ａを示す図。 実施の形態２の図で、推論消費電力Ｐ^＊と各空気調和機２００の推論消費電力の合計が登録された状態の推論結果情報３３Ａを示す図。

実施の形態の説明および図面において、同じ要素および対応する要素には同じ符号を付している。同じ符号が付された要素の説明は、適宜に省略または簡略化する。以下の実施の形態では、「部」を、「回路」、「工程」、「手順」、「処理」または「サーキットリー」に適宜読み替えてもよい。
以下の実施の形態では空気調和機が登場する。空気調和機自体は、空気調和機と表記する。また空気調和機に関する用語、例えば空気調和機の設定温度のような場合は、空調機の表記を用いて、空調機設定温度のように表記する。

実施の形態１．
図１から図１６を参照して、実施の形態１のサーバ室冷却管理装置１００を説明する。サーバ室冷却管理装置１００は推論装置である。またサーバ室冷却管理装置１００は学習装置でもある。実施の形態１のサーバ室冷却管理装置１００は、空気調和機の消費電力を抑える空気調和機の設定とガラリの開閉状態との推奨する組み合わせを提示する。

＊＊＊構成の説明＊＊＊
図１は、実施の形態におけるサーバ室冷却管理装置１００が冷却管理するサーバ室１０の概要を示す。図１において黒矢印は温風を示し、白矢印は冷風を示す。サーバ室１０には、情報処理装置を冷却するために設けられた１台以上の空気調和機２００、情報処理装置を積載するために設けられたラック３００が設置されている。空気調和機２００は少なくとも１台が設置される。以下の実施の形態では、ｍ台の複数の空気調和機２００が設置されるとする。ｍは２以上の整数である。ラック３００の前面には、ラック３００の温度を計測する温度センサ５００がラック３００毎に設置されている。ラック３００が設置されるサーバ室１０の床面はフリーアクセスで構成され、床面には開閉可能な通風口が設けられた複数のガラリ８００が配置されている。
図２は、ラック３００と、温度センサ５００と、ガラリ８００の対応を示している。実施の形態１および実施の形態２では、ラック３００と温度センサ５００とガラリ８００とは、一対一対応していることを想定している。つまり、図１のラック３００ａ、３００ｂ等を基準にとれば、図２のように、一つのラック３００ａに一つの温度センサ５００ａと一つのガラリ８００ａとが対応し、一つのラック３００ｂに一つの温度センサ５００ｂと一つのガラリ８００ｂとが対応している。他のラック３００、温度センサ５００およびガラリ８００についても同様である。
なお、この「実施の形態１および実施の形態２では、ラック３００と温度センサ５００とガラリ８００とは、一対一対応していること」は、説明をわかり易くするための一つの例である。ラック３００と温度センサ５００とガラリ８００とが、一対一対応していることは必須ではない。

図３は、サーバ室冷却管理装置１００の接続するネットワークを示す。サーバ室冷却管理装置１００と、複数の空気調和機２００と、複数のラック３００とは、電源線７００を介して電源装置９００と接続され、電源装置９００から電力が供給される。また、サーバ室冷却管理装置１００と、複数の空気調和機２００と、複数の温度センサ５００と、電源装置９００とは、ネットワーク６００を介して接続される。ネットワーク６００は有線であっても無線であってもよく、その他の信号線で接続されてもよい。

電源装置９００は、空気調和機２００に供給する電力を計測して空気調和機２００の消費電力を取得することができる。また、電源装置９００によっては、ラック３００の消費電力をラック３００から取得することもできる。

温度センサ５００は、通常、各ラック３００の前面（吸気側）に設置され、ラック３００の前面の温度をラック３００の温度として計測する。サーバ室１０に設置されるラック３００については、情報処理装置が正常動作するように温度管理を行う必要があり、ラック３００には温度センサ５００が設置される。

サーバ室冷却管理装置１００は、電源装置９００を介して各空気調和機２００の消費電力を収集する。また、各温度センサ５００から、ラック３００の計測温度を収集することができる。サーバ室冷却管理装置１００は、ネットワーク６００を経由して、各空気調和機２００の設定を取得することができる。また、サーバ室冷却管理装置１００は、空気調和機２００を制御することで、空気調和機２００の設定を変更することもできる。

図４は、サーバ室冷却管理装置１００のハードウェア構成図を示す。サーバ室冷却管理装置１００は、コンピュータである。サーバ室冷却管理装置１００は、プロセッサ１１０を備える。サーバ室冷却管理装置１００は、プロセッサ１１０の他に、主記憶装置１２０、補助記憶装置１３０、入力ＩＦ１４０、出力ＩＦ１５０および通信ＩＦ１６０といった、他のハードウェアを備える。入力ＩＦ１４０、出力ＩＦ１５０および通信ＩＦ１６０におけるＩＦはインタフェースを意味する。プロセッサ１１０は、信号線１７０を介して、他のハードウェアと接続され、他のハードウェアを制御する。

サーバ室冷却管理装置１００は、機能要素として、情報収集部１１、候補作成部１２、データ取得部１３、学習部１４、推論部１５、推論温度判定部１６、推論結果保管部１７、推奨結果提示部１８、および空調機設定指示部１９を備えている。また、サーバ室冷却管理装置１００は、記憶部として、空調機設定温度情報記憶部２１、ガラリ開閉情報記憶部２２、ラック契約情報記憶部２３、温度センサ情報記憶部２４、空調機消費電力情報記憶部２５、空調機設定候補情報記憶部２６、ガラリ開閉候補情報記憶部２７、過去データ記憶部３０、温度推論モデル３１、消費電力推論モデル３２、推論結果情報記憶部３３、ガラリ開閉マスタ記憶部４１、およびラック契約マスタ記憶部４２を備えている。

情報収集部１１、候補作成部１２、データ取得部１３、学習部１４、推論部１５、推論温度判定部１６、推論結果保管部１７、推奨結果提示部１８、および空調機設定指示部１９の機能は、サーバ室冷却管理プログラム１０１により実現される。サーバ室冷却管理プログラム１０１は推論プログラムである。

プロセッサ１１０は、サーバ室冷却管理プログラム１０１を実行する装置である。サーバ室冷却管理プログラム１０１は、情報収集部１１、候補作成部１２、データ取得部１３、学習部１４、推論部１５、推論温度判定部１６、推論結果保管部１７、推奨結果提示部１８、および空調機設定指示部１９の機能を実現するプログラムである。プロセッサ１１０は、演算処理を行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。プロセッサ１１０の具体例は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。

主記憶装置１２０の具体例は、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。主記憶装置１２０は、プロセッサ１１０の演算結果を保持する。

補助記憶装置１３０は、データを不揮発的に保管する記憶装置である。補助記憶装置１３０の具体例は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）である。また、補助記憶装置１３０は、ＳＤ（登録商標）（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリカード、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）といった可搬記録媒体であってもよい。補助記憶装置１３０は、空調機設定温度情報記憶部２１、ガラリ開閉情報記憶部２２、ラック契約情報記憶部２３、温度センサ情報記憶部２４、空調機消費電力情報記憶部２５、空調機設定候補情報記憶部２６、ガラリ開閉候補情報記憶部２７、過去データ記憶部３０、温度推論モデル３１、消費電力推論モデル３２、推論結果情報記憶部３３、ガラリ開閉マスタ記憶部４１、およびラック契約マスタ記憶部４２を実現する。補助記憶装置１３０は、サーバ室冷却管理プログラム１０１を格納している。

入力ＩＦ１４０は、各装置からデータが入力されるポートである。出力ＩＦ１５０は、各種機器が接続され、各種機器にプロセッサ１１０によりデータが出力されるポートである。通信ＩＦ１６０は、プロセッサが他の装置と通信するための通信ポートである。

サーバ室冷却管理プログラム１０１は、情報収集部１１、候補作成部１２、データ取得部１３、学習部１４、推論部１５、推論温度判定部１６、推論結果保管部１７、推奨結果提示部１８、および空調機設定指示部１９の「部」を「処理」、「手順」あるいは「工程」に読み替えた各処理、各手順あるいは各工程をコンピュータに実行させるプログラムである。

また、サーバ室冷却管理方法は、コンピュータであるサーバ室冷却管理装置１００がサーバ室冷却管理プログラム１０１を実行することにより行われる方法である。サーバ室冷却管理プログラム１０１は、コンピュータ読み取り可能な記録媒体に格納されて提供されてもよいし、プログラムプロダクトとして提供されてもよい。

＊＊＊動作の説明＊＊＊
図５は、サーバ室冷却管理装置１００による推論処理の全体フローを示す。図５を使用してサーバ室冷却管理装置１００の推論処理のフローを説明する。

＜ステップＳ１０１：情報収集＞
＜取得その１：空調機設定温度情報の取得＞
図６は、空調機設定温度情報２１Ａ、ガラリ開閉情報２２Ａおよびラック契約情報２３Ａを示す。情報収集部１１は、サーバ室１０に設置されているｍ台の空気調和機２００の各空気調和機２００から、現在の設定温度をネットワーク６００経由で収集する。図６の上段は、情報収集部１１が、各空気調和機２００から収集した設定温度を、空調機設定温度情報２１Ａとして空調機設定温度情報記憶部２１に保存した状態を示す。空調機設定温度情報２１Ａは、空調機設定温度情報Ａ_０あるいは単にＡ_０と表記する場合がある。図６に示すように、空調機設定温度情報Ａ_０は、ｍ台の空気調和機２００に設定中の設定温度を示す。空調機設定温度情報Ａ_０は、現在のリアルタイムの設定温度である。図６では、ｍ台の空気調和機２００を示すＡ１からＡｍのｍ台の空気調和機２００の設定温度を示している。図６では各空気調和機２００に設定温度が対応付けられているが、情報収集部１１は、設定温度に加えて、空気調和機２００の稼働有無、風量設定、風向設定等を各空気調和機２００から収集し、各空気調和機２００に対応付けてもよい。

＜取得その２：ガラリ開閉情報２２Ａの取得＞
情報収集部１１は、サーバ室１０の床に設置されているガラリの現在の開閉状態を、ガラリ開閉マスタ記憶部４１から収集する。情報収集部１１は、収集したガラリの開閉状態を、ガラリ開閉情報２２Ａとしてガラリ開閉情報記憶部２２に保管する。ガラリ開閉情報２２Ａは、ガラリ開閉情報Ｇ_０あるいは単にＧ_０と表記する場合がある。図６の中段に示すように、ガラリ開閉情報Ｇ_０は、ｎ個のガラリ８００の現在の開閉状態を示す。ガラリ開閉情報Ｇ_０は、現在のリアルタイムの開閉状態である。図６では、ｎ個のガラリ８００を示すＧ１からＧｎのｎ個のガラリ８００の現在の開閉状態を示している。

＜ガラリ開閉マスタ情報４１Ａ＞
図７は、ガラリ開閉マスタ情報４１Ａを示す。ここでガラリ開閉マスタ情報４１Ａについて、図７で説明する。最も左の列はガラリの番号である。ガラリの番号の右の列は、ガラリの設置場所を示す。設置場所の右の列は、ガラリの開閉状態を示す。ガラリ開閉マスタ情報４１Ａとガラリ開閉情報Ｇ_０とは対応付いている。ガラリ開閉マスタ情報４１Ａは、サーバ室１０の床に設置されるガラリ８００の現在の開閉状態を管理する情報である。「ガラリの番号」は、ガラリ８００を一意に識別する情報である。「設置場所」は、サーバ室１０におけるガラリ８００の設置場所を示す情報である。サーバ室１０に設置されるガラリ８００の設置場所は、行と列を使って表すことができるが、これ以外の表記方法であってもよい。開閉状態は、ガラリ８００の開状態か閉状態かを示す。「開」は開口状態、「閉」は閉状態を示す。ガラリ開閉マスタ情報４１Ａは、「ガラリの番号、設置場所、開閉状態」とは異なる別の情報をさらに付加的に保持してもよい。情報収集部１１は、ガラリ開閉マスタ記憶部４１から収集したガラリの「開閉状態」を、ガラリ開閉情報記憶部２２に「開閉状態」として保管する。

＜取得その３：ラック契約情報の取得＞
情報収集部１１は、ラック契約情報２３Ａをラック契約マスタ記憶部４２から収集する。情報収集部１１は、収集したラック契約情報２３Ａを、ラック契約情報記憶部２３に保管する。図６の下段は、ラック契約情報２３Ａを示す。
データ取得部１３の取得する入力情報には、ラック契約情報２３Ａが含まれる。
ラック契約情報２３Ａは、サーバ室１０に配置されて情報処理装置が積載可能であり、情報処理装置が積載されている場合にはこの情報処理装置に電力を供給する複数のラックのそれぞれを識別するＲ１からＲｎとして示すラック識別子のそれぞれに対して、ラックが電力供給状態にあるかどうかを示す稼働状況と、稼働状況が電力供給状態である場合にはラックの消費電力と、ラックの設置場所とを含むラック契約情報を含む。
ラック契約情報２３Ａは、ラック契約情報Ｒ_０あるいは単にＲ_０と表記する場合がある。図６の下段に示すように、ラック契約情報Ｒ_０、ｎ個のラック３００の現在の稼働状況、消費電力および設置場所を示す。ラック契約情報Ｒ_０は、現在のリアルタイムの契約状況である。図６では、ｎ個のラック３００を示すＲ１からＲｎのｎ個のラック３００の現在の契約状況を示している。「稼働状況」は、そのラック３００が稼働しているか、稼働していないかを示す。ラック３００が稼働中とは、そのラック３００にサーバのような情報処理装置が配置されており、ラック３００からその情報処理装置に電力が供給されていることを示す。停止中とは、ラック３００による電力供給がないことを示す。「消費電力」は、ラック３００が稼働する際のラックの消費電力を示す。「設置場所」は、サーバ室１０でのラック３００の設置場所を示す。

＜ラック契約マスタ情報４２Ａ＞
図８は、ラック契約マスタ情報４２Ａを示す。図８でラック契約マスタ情報４２Ａを説明する。ラック契約マスタ情報４２Ａは、ラック３００に関する情報を管理する。ラック契約マスタ情報４２Ａは、項目、すなわち列として、ラックの番号、顧客名称、稼働状況、契約電源容量、設置場所、温度センサの番号、ガラリの番号を示す情報を持つ。
（１）ラックの番号は、サーバ室１０に設置されるラック３００を一意に識別する番号である。
（２）顧客名称は、ラック３００を契約している顧客の名称である。
（３）稼働状況は、ラック３００の稼働状況を示す。「－」は、対象のラック３００は、顧客との契約が未契約で、ラックが運用されていない状態を示す。なお、ラック３００の設置場所に、ラック３００自体が存在しないケースも未契約「－」に含まれる。
（４）契約電源容量は、ラック３００を契約する顧客が実際にラック３００を契約する際に、ラック３００に積載する情報処理装置で使用するために契約する電源容量の最大値である。
（５）設置場所は、サーバ室１０におけるラック３００の設置場所を示す。
（６）温度センサの番号は、ラック３００に届けられる空気調和機２００の冷却風の温度を計測するために、ラック３００の前面に取り付けられる温度センサ５００を一意に特定する番号である。
（７）ガラリの番号は、ラック３００の前面に位置するガラリを一意に特定するための番号である。

ラック契約マスタ情報４２Ａは、「ラックの番号、顧客名称、稼働状況、契約電源容量、設置場所、温度センサの番号、ガラリの番号」以外の情報をさらに保持してもよい。

情報収集部１１は、ラック契約マスタ記憶部４２から収集したラック契約の情報から契約電源容量を収集する。契約電源容量は、使用量とは異なるため、情報収集部１１は、収集した契約電源容量に所定の割合を乗じた値を算出し、ラック契約情報２３Ａの消費電力として保管する。なお、情報収集部１１が電源装置９００からラック３００の消費電力を収集できる環境においては、情報収集部１１の収集したラック３００の消費電力を、ラック契約マスタ記憶部４２の契約電源容量に基づいて算出する代わりに、保管してもよい。また、ラック３００に積載された情報処理装置４００自身が、ラック３００の消費電力測定機能を有する場合は、この消費電力測定機能によって測定されたラック３００の消費電力を情報収集部１１で収集し、ラック契約情報２３Ａの消費電力として保管するようにしてもよい。

電源装置９００からラック３００の消費電力を収集する方法も、ラック３００の消費電力測定機能を使用する方法ともに、実測値を収集できるため有用であるが、収集するための設備またはソフトウェアが別途必要となる。後述する機械学習においては、ラック３００の消費電力については実測値までは必要としない。このため、ラック契約情報を利用してラック３００の消費電力を算出する方法であれば新たな設備あるいはソフトウェアの導入が不要であるから、ラック契約情報を利用してラック３００の消費電力を算出する方法が好ましい。

また、情報収集部１１は、ラック契約マスタ記憶部４２から収集したラック３００の設置場所を、ラック契約情報２３Ａの設置場所として保管する。情報収集部１１は、ラック契約マスタ記憶部４２から収集した稼働状況を、ラック契約情報２３Ａの稼働状況として保管する。

＜取得その４：温度センサの計測温度の収集＞
図９は、温度センサ情報２４Ａおよび空調機消費電力情報２５Ａを示す。情報収集部１１は、サーバ室１０に設置されているｎ個の温度センサ５００の計測温度をネットワーク６００経由で収集する。図２で述べたように、ラック３００と温度センサ５００とガラリ８００とは、一対一対応していることを想定している。つまり、一つのラック３００ａを基準にとれば、図２のように、一つのラック３００ａに一つの温度センサ５００ａと一つのガラリ８００ａとが対応し、一つのラック３００ｂに一つの温度センサ５００ｂと一つのガラリ８００ｂとが対応している。他のラック３００、温度センサ５００およびガラリ８００についても同様である。温度センサ５００は、対応するラック３００の前面に設置される。情報収集部１１の収集した各温度センサ５００の計測温度は、温度センサ情報記憶部２４に保管される。温度センサ情報２４Ａは、温度センサ５００の計測温度を含む情報である。図９の上側は、温度センサ情報２４Ａを示す。温度センサ情報２４Ａは、温度センサ情報Ｓ_０あるいは単にＳ_０と表記する場合がある。図９に示すように、温度センサ情報Ｓ_０は、ｎ個の温度センサ５００の計測した各温度を示す。温度センサ情報Ｓ_０は、現在のリアルタイムの計測温度である。図９では、ｎ個のラック３００のそれぞれに対応する、Ｓ１からＳｎのｎ個の温度センサ５００の計測温度を示している。

＜取得その５：空気調和機の消費電力の収集＞
図９の下側は、空調機消費電力情報２５Ａを示す。空調機消費電力情報２５Ａは、空調機消費電力情報Ｐ_０あるいは単にＰ_０と表記する場合がある。図９に示すように、空調機消費電力情報Ｐ_０は、ｍ台の空気調和機２００の現在におけるリアルタイムでの消費電力を示す。図９では、Ａ１からＡｍのｍ台の空気調和機２００の消費電力を示している。情報収集部１１は、サーバ室１０に設置されているｍ台の空気調和機２００の消費電力を、電源装置９００からネットワーク６００経由で収集する。情報収集部１１は、収集した消費電力を、空調機消費電力情報Ｐ_０として空調機消費電力情報記憶部２５に保管する。情報収集部１１が電源装置９００から空気調和機２００の消費電力を収集できない環境においては、情報収集部１１に、室温、外気温、空気調和機２００の設定温度、風量、その他空調機特性から空気調和機の消費電力を推論する機能を新たに設け、情報収集部１１は、新たに設けられた機能によって推論された空気調和機の消費電力を、電源装置９００から収集する消費電力の代わりに空調機消費電力情報記憶部２５に保管にしてもよい。

＜ステップＳ１０２：候補作成＞
候補作成部１２は、空調機設定温度情報記憶部２１に保管された空調機設定温度情報Ａ_０から、空調機設定候補情報２６Ａを作成し、空調機設定候補情報記憶部２６に保管する。
図１０は、空調機設定候補情報２６Ａを示す。図１０を参照して空調機設定候補情報２６Ａの作成方法を説明する。空調機設定候補情報２６Ａは、空調機設定候補情報Ａ_ｉあるいは単にＡ_ｉと表記する場合がある。Ａ_ｉにおいて、図１０で説明するように、ｉ＝Ａ０００，Ａ００１・・・Ａ００ｍ、Ａ０１１，Ａ０１２・・・Ａ０１ｍ、に対応する。また、添え字ｉは、図１０に示すようにＡ０００を０に対応させ、Ａ０１ｍを２ｍに対応させれば、ｉ＝０～２ｍ、と表記することも可能である。
具体的に記載すれば、
Ａ_ｉ＝０＝Ａ０００＝（２０℃，２１℃，２０℃・・・２１℃）＝Ａ_０、
Ａ_ｉ＝１＝Ａ００１＝（１９℃，２１℃，２０℃・・・２１℃）、
Ａ_ｉ＝２＝Ａ００２＝（２０℃，２０℃，２０℃・・・２１℃）、
・・・
である。

候補作成部１２は、空調機設定温度情報記憶部２１に保管された空調機設定温度情報Ａ_０（図６）を取得する。候補作成部１２は、取得した空調機設定温度情報Ａ_０を、現在の各空気調和機２００の温度設定としてＡ０００の行に保管する（図１０）。次に、候補作成部１２は、Ａ０００に保管した空調機設定温度情報Ａ_０をもとに、１台目の空気調和機２００であるＡ１の設定温度２０度のみを１度減算した候補を作成し、Ａ００１の行に保管する。次に、候補作成部１２は、Ａ０００をもとに、２台目の空気調和機２００であるＡ２の温度設定２１度のみを１度減算した候補を作成し、Ａ００２の行に保管する。これを繰り返すことで、候補作成部１２は、Ａ０００をもとに、ｍ台目の空気調和機２００であるＡｍの設定温度２１度のみを１度減算した候補を作成し、Ａ００ｍの行に保管する。同様に、候補作成部１２は、Ａ０００をもとに、１台目の空気調和機２００であるＡ１の設定温度２０度のみを１度加算した候補を作成し、Ａ０１１の行に保管する。次に、候補作成部１２は、Ａ０００をもとに、２台目の空気調和機２００であるＡ２の設定温度２１度のみを１度加算した候補を作成し、Ａ０１２の行に保管する。これを繰り返すことで、候補作成部１２は、Ａ０００をもとに、ｍ台目の空気調和機２００であるＡｍの設定温度２１度のみを１度加算した候補を作成し、Ａ０１ｍの行に保管する。これは、候補作成部１２による空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）の作成方法の一例である。複数台の空気調和機２００の設定温度を同時に変更することで、空調機設定候補情報Ａ_ｉを作成するようにしてもよい。また、図１０の空調機設定候補情報の例では、空気調和機２００の設定温度を１度加算または減算することで、空調機設定候補情報２６Ａを作成したが、加算または減算する温度は、１度以外の温度であってもよい。

候補作成部１２は、ガラリ開閉情報記憶部２２に保管されたガラリ開閉情報Ｇ_０（図６－１）から、ガラリ開閉候補情報２７Ａを作成し、ガラリ開閉候補情報記憶部２７に保管する。
ガラリ開閉候補情報２７Ａの具体的な作成方法を図１１で説明する。
図１１は、ガラリ開閉候補情報２７Ａを示す。ガラリ開閉候補情報２７Ａは、ガラリ開閉候補情報Ｇ_ｊあるいは単にＧ_ｉと表記する場合がある。Ｇ_ｉにおいて、図１１で説明するように、ｊ＝Ｇ０００，Ｇ００１，Ｇ００２・・・Ｇ００ｎに対応する。また、添え字ｊは、図１１に示すようにＧ０００を０に対応させ、Ｇ００ｎをｎに対応させれば、ｊ＝０～ｎ、と表記することも可能である。
具体的に記載すれば、
Ｇ_ｊ＝０＝Ｇ０００＝（開，開，開・・・開）＝Ｇ_０、
Ｇ_ｊ＝１＝Ｇ００１＝（閉，開，開・・・開）、
Ｇ_ｊ＝２＝Ｇ００２＝（開，閉，開・・・開）、
・・・
である。

図１１では、ガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）を示している。候補作成部１２は、ガラリ開閉情報記憶部２２に保管されたガラリ開閉情報Ｇ_０（図６）を取得する。候補作成部１２は、取得したガラリ開閉情報Ｇ_０を、現在の設定としてガラリ候補Ｎｏ．が「Ｇ０００」の行に保管する。次に、候補作成部１２は、Ｇ０００をもとに、Ｇ０００の１個目のガラリであるＧ１の開閉状態のみを入れ替えた候補を作成し、Ｇ００１の行に保管する。次に、候補作成部１２は、Ｇ０００をもとに、Ｇ０００の２個目のガラリであるＧ２の開閉状態のみを入れ替えた候補を作成し、Ｇ００２の行に保管する。これを繰り返し、候補作成部１２は、Ｇ０００をもとに、Ｇ０００のｎ個目のガラリであるＧｎの開閉状態のみを入れ替えた候補を作成し、Ｇ００ｎの行に保管する。これらは、ガラリ開閉候補情報Ｇ_ｊの作成方法の一例である。候補作成部１２は、複数個のガラリの開閉状態を同時に入れ替えることで、ガラリ開閉候補情報２７Ａを作成するようにしてもよい。

＜ステップＳ１０３：データ取得＞
データ取得部１３は、通風口設定レコード群であるガラリ開閉候補情報２７Ａ（図１１）と、稼働条件設定レコード群である空調機設定候補情報２６Ａ（図１０）と、計測温度設定レコードＳ０である温度センサ情報２４Ａ（図９）と、消費電力設定レコードである空調機消費電力情報２５Ａ（図９）とを取得する。通風口設定レコード群Ｇであるガラリ開閉候補情報２７Ａは、図１１に示すように、部屋であるサーバ室の床に開閉の可能な状態で配置される複数の通風口であるガラリの各ガラリを識別する通風口識別子であるＧ１からＧｎのそれぞれに対して、開と閉とのいずれかの状態が設定された通風口設定レコードの集合である。図１１の各行がレコードである。稼働条件設定レコード群である空調機設定候補情報２６Ａは、図１１に示すように、部屋であるサーバ室１０に配置されて、床の下に冷気を送り込み、開状態のガラリを介して冷気を床の下から部屋の内部に送出させる複数の空気調和機の各空気調和機を識別する空気調和機識別子であるＡ１からＡｍのそれぞれに対して、空気調和機の稼働条件として温度が設定された稼働条件設定レコードの集合である。図１０の各行がレコードである。計測温度設定レコードである温度センサ情報２４Ａは、図９に示すように、部屋であるサーバ室１０に配置された複数の温度センサの各温度センサを識別するセンサ識別子であるＳ１からＳｎのそれぞれに対して、温度センサの計測温度が設定されている。消費電力設定レコードは、図９に示すように、空気調和機識別子であるＡ１からＡｍのそれぞれに対して、空気調和機の消費電力が設定されている。以下に具体的に説明する。

各温度センサ５００の推論温度Ｔ^＊を出力するため、データ取得部１３は、以下の（１）から（５）を取得する。
（１）図１０に示す、空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）、
（２）図１１に示す、ガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）、
（３）図６に示す、ラック契約情報Ｒ_０、
（４）図９に示す、温度センサ情報Ｓ_０、
（５）図９に示す、空調機消費電力情報Ｐ_０。
（１）データ取得部１３は、候補作成部１２で作成された空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）を空調機設定候補情報記憶部２６から取得する。
（２）データ取得部１３は、候補作成部１２で作成されたガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）をガラリ開閉候補情報記憶部２７から取得する。
（３）データ取得部１３は、ラック契約情報記憶部２３に保管されたラック契約情報Ｒ_０を取得する。
（４）データ取得部１３は、各温度センサ５００の温度センサ情報Ｓ_０を、温度センサ情報記憶部２４から取得する。
（５）データ取得部１３は、各空気調和機２００の空調機消費電力情報が登録されている空調機消費電力情報Ｐ_０を、空調機消費電力情報記憶部２５から取得する。

＜ステップＳ１０４＞
データ取得部１３は、取得した空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）の中から、ｉ＝０に対応する１件目の候補Ａ０００を、温度推論の入力として選択する。データ取得部１３は、空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）におけるＡ_ｉを順番に選択しながら、ステップＳ１０４からステップＳ１１１までの処理を繰り返し行う。データ取得部１３は以下のようである。

データ取得部１３は、
ｉ＝０に固定して、ｊを０～ｎに動かす。
ｉ＝１に固定して、ｊを０～ｎに動かす。
・・・
ｉ＝２ｍに固定して、ｊを０～ｎに動かす。よってステップＳ１０６からステップＳ１０９では、あるＡ_ｉと、あるＧ_ｊとの組、［Ａ_ｉ，Ｇ_ｊ］について、指定された時点ｔ０から設定時間△ｔ経過後の、各温度センサ５００の推論温度Ｔ^＊を推論している。

＜ステップＳ１０５＞
データ取得部１０３は、ステップＳ１０４で述べたように、取得したガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）の中から、１件目の候補を後述する温度推論の入力情報として選択する。

＜ステップＳ１０６：推論＞
推論部１５は、通風口設定レコード群であるガラリ開閉候補情報２７Ａの一つの通風口設定レコードと、稼働条件設定レコード群である空調機設定候補情報２６Ａの一つの稼働条件設定レコードとから決まる複数の組の各組［Ａ_ｉ，Ｇ_ｊ］によって定まる複数の通風口の開閉状態と複数の空気調和機の稼働条件とのもとにおける複数の温度センサの各温度センサの温度であって、指定された時点から設定時間△ｔの経過後の各温度センサの温度である推論温度を組ごとに推論するための学習済みモデルである温度推論モデルを用いて、データ取得部で取得した入力情報から、組ごとの各温度センサの推論温度を出力する。以下に具体的に説明する。

推論部１５は、
（１）空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）、
（２）ガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）、
（３）ラック契約情報Ｒ_０、
（４）温度センサ情報Ｓ_０、
（５）空調機消費電力情報Ｐ_０、
を入力とする、温度推論モデル３１を使用して、指定された時点ｔ０から設定時間△ｔの経過後の各温度センサ５００の推論温度Ｔ^＊を推論する。温度推論モデル３１は、学習部１４によって生成された学習済モデルである。

＜温度推論の説明＞
学習済モデルである温度推論モデル３１を使った推論処理について説明する。推論処理は推論部１５が行う。
図１２は、温度推論モデル３１および消費電力推論モデル３２を用いる推論処理を示す。図１２の上側は、推論部１５が温度推論モデル３１を用いて実施する推論処理の構成図である。ステップＳ１０３で述べたように、データ取得部１３が以下の（１）から（５）を、推論部１５の入力として取得する。推論部１５には、データ取得部１３の取得した以下の（１）から（５）が入力される。
（１）空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）、
（２）ガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）、
（３）ラック契約情報Ｒ_０、
（４）温度センサ情報Ｓ_０、
（５）空調機消費電力情報Ｐ_０、
これらの入力から、推論部１５は、指定された時点ｔ０から設定時間△ｔの経過後の、各温度センサ５００の推論温度Ｔ^＊を出力する。
推論温度Ｔ^＊は以下のように、ｎ個の要素からなる集合である。Ｔ１からＴｎのｎ個の要素は、ｎ個の温度センサ５００のそれぞれの推論温度である。つまり推論温度Ｔ^＊は個々の温度センサ５００の推論温度を要素とする集合である。
推論温度Ｔ^＊＝（Ｔ１，Ｔ２，Ｔ３・・・Ｔｎ）。

さらに推論部１５による推理処理を説明する。推論部１５は、（２ｍ＋１）×（ｎ＋１）の数の組［Ａ_ｉ，Ｇ_ｊ］ごとに、指定された時点ｔ０から設定時間△ｔの経過後の、ｎ個の温度センサ５００の各温度センサ５００の、上記に示す推論温度Ｔ^＊を推論する。繰り返しになるが、Ｓ１からＳｎのｎ個の要素からなる推論温度Ｔ^＊は、一組の［Ａｉ，Ｇｊ］ごとに生成される。

＜温度推論モデル３１の生成＞
ここで、学習済モデルである温度推論モデル３１を生成する学習処理を説明する。
図１３は、サーバ室冷却管理装置１００による学習処理を示す。図１３の上側は、機械学習における温度推論モデル３１を生成する学習処理の構成図である。機械学習における学習処理では、データ取得部１３、学習部１４を使用する。また、機械学習における学習処理の入力は、過去に蓄積された情報である。学習部１４が、温度推論モデル３１を作成する。データ取得部１３は、以下の（１）から（６）を取得する。データ取得部１３は、（１）から（６）を取得すると、（１）から（６）を学習部１４へ入力する。学習部１４は（１）から（６）の入力を用いて、温度推論モデル３１を生成する。学習部１４は、温度推論モデル３１の生成において、
（１）空調機設定温度情報Ａ（ｔｋ）、
（２）ガラリ開閉情報Ｇ（ｔｋ）、
（３）ラック契約情報Ｒ（ｔｋ）、
（４）温度センサ情報Ｓ（ｔｋ）、
（５）空調機消費電力情報Ｐ（ｔｋ）と、
（６）過去の時点ｔｋから時間△ｔ経過後の温度センサ情報Ｓ（ｔｋ＋△ｔ）、を学習用データとして使用する。「ｔｋ＋△ｔ」も過去の時点である。（１）から（６）は過去の時点ｔｋに実績データである。時点ｔｋとは、例えば、タイムスタンプのような日時情報である。（１）から（６）は、日時情報で互いに関連付いている。

＜学習処理のフロー＞
図１４は、学習処理のフローチャートである。図１４を使用して学習処理における温度推論モデル３１の生成フローを説明する。

＜ステップＳ３０１＞
学習モデルとして温度推論モデル３１を生成するため、データ取得部１３は過去データ記憶部３０に蓄積された、上記述べた（１）～（６）のデータを取得する。

（１）空調機設定温度情報Ａ（ｔｋ）は、情報収集部１１によって収集され、過去データ記憶部３０に記憶された過去の時点ｔｋにおける空調機設定温度情報である。
空調機設定温度情報Ａ（ｔｋ）のデータ形式は、図６の空調機設定温度情報Ａ_０と同じある。
（２）ガラリ開閉情報Ｇ（ｔｋ）は、情報収集部１１によって収集され、過去データ記憶部３０に記憶された過去時点ｔｋにおけるガラリ開閉情報である。
ガラリ開閉情報Ｇ（ｔｋ）のデータ形式は、図６のガラリ開閉情報Ｇ_０と同じある。
（３）ラック契約情報Ｒ（ｔｋ）は、情報収集部１１によって収集され、過去データ記憶部３０に記憶された過去時点ｔｋにおけるラック契約情報である。
ラック契約情報Ｒ（ｔｋ）のデータ形式は、図６のラック契約情報Ｒ_０と同じある。
（４）温度センサ情報Ｓ（ｔｋ）は、情報収集部１１によって収集され、過去データ記憶部３に記憶された過去時点ｔｋにおける温度センサ情報である。
温度センサ情報Ｓ（ｔｋ）のデータ形式は、図９の温度センサ情報Ｓ_０と同じある。
（５）空調機消費電力情報Ｐ（ｔｋ）は、情報収集部１１によって収集され、過去データ記憶部３０に記憶された過去時点ｔｋにおける空調機消費電力情報である。
空調機消費電力情報Ｐ（ｔｋ）のデータ形式は、図９の空調機消費電力情報Ｐと同じある。
（６）設定時間△ｔ経過後の温度センサ情報Ｓ（ｔｋ＋△ｔ）は、情報収集部１１によって収集され、過去データ記憶部３０に記憶された過去時点ｔｋから設定時間△ｔ経過後における温度センサ情報である。
温度センサ情報Ｓ（ｔｋ＋△ｔ）のデータ形式は、図９の温度センサ情報Ｓ_０と同じある。

空調機設定温度情報Ａ（ｔ１）、ガラリ開閉情報Ｇ（ｔ１）、ラック契約情報Ｒ（ｔ１）、温度センサ情報Ｓ（ｔ１）、空調機消費電力情報Ｐ（ｔ１）、過去の同一時点ｔ１で収集され他データである。なお、「同一時点」とは完全同一の時刻ｔ１を意味するのでない。同一時点ｔ１は、機械学習に不都合のない範囲で、同一時点とみなされる。また、設定時間△ｔ経過後の温度センサ情報Ｓ（ｔ１＋△ｔ）は、空調機設定温度情報Ａ（ｔ１）、ガラリ開閉情報Ｇ（ｔ１）、ラック契約情報Ｒ（ｔ１）、温度センサ情報Ｓ（ｔ１）、空調機消費電力情報Ｐ（ｔ１）が収集された時点ｔ１から設定時間△ｔ経過後に収集された情報である。これらの空調機設定温度情報Ａ（ｔ１）、ガラリ開閉情報Ｇ（ｔ１）、ラック契約情報Ｒ（ｔ１）、温度センサ情報Ｓ（ｔ１）、空調機消費電力情報Ｐ（ｔ１）、温度センサ情報Ｓ（ｔ１＋△ｔ）は、互いに関連付けられ一組の情報として蓄積されている。

＜Ｎ組の過去データの取得＞
上記のように、データ取得部１３は、過去の時点ｔ１を基準とする、Ａ（ｔ１）、Ｇ（ｔ１）、Ｒ（ｔ１）、Ｓ（ｔ１）、Ｐ（ｔ１）、Ｓ（ｔ１＋△ｔ）からなる、「一組の情報」を過去データ記憶部３０から取得する。上記の時点ｔ１は具体例である。データ取得部１３は、機械学習によって温度推論モデル３１を生成するために、［Ａ（ｔｋ）、Ｇ（ｔｋ）、Ｒ（ｔｋ）、Ｓ（ｔｋ）、Ｐ（ｔｋ）、Ｓ（ｔｋ＋△ｔ）］、ここでｋ＝１～Ｎ、となるＮ組の情報を、過去データ記憶部３０から取得する。

＜ステップＳ３０２＞
学習部１４は、データ取得部１３によって取得された、［Ａ（ｔｋ）、Ｇ（ｔｋ）、Ｒ（ｔｋ）、Ｓ（ｔｋ）、Ｐ（ｔｋ）、Ｓ（ｔｋ＋△ｔ）］（ｋ＝１～Ｎ）のＮ組の情報から、機械学習によって温度推論モデル３１を生成する。データ取得部１３は、上記のＮ組の情報を取得するため、過去データ記憶部３０に蓄積された学習データの取得を繰り返えす。学習部１４は、データ取得部１３によって取得された情報を入力とする学習により、温度推論モデル３１を生成する学習を行う。

＜ステップＳ３０３＞
学習部１４は、学習によって学習済モデルである温度推論モデル３１を生成して保管する。

機械学習においては、過去データ記憶部３０から十分な情報が取得できる必要がある。取得するデータが不足する場合、（１）空調機設定温度情報Ａ（ｔｋ）、（２）ガラリ開閉情報Ｇ（ｔｋ）、（３）ラック契約情報Ｒ（ｔｋ）、（４）温度センサ情報Ｓ（ｔｋ）、（５）空調機消費電力情報Ｐ（ｔｋ）、（６）温度センサ情報Ｓ（ｔｋ＋△ｔ）との相関をモデル化し、あらかじめ学習用データを補強することが可能である。

学習部１４が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。学習部１４は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、任意に指定した時点から設定時間後の温度センサ５００の計測温度を学習する。ここで、教師あり学習とは、入力と結果（ラベル）のデータの組を学習部に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、および複数のニューロンからなる出力層で構成される。中間層は、１層、または２層以上でもよい。

ニューラルネットワークは、「空調機設定温度情報Ａ（ｔｋ）、ガラリ開閉情報Ｇ（ｔｋ）、ラック契約情報Ｒ（ｔｋ）、温度センサ情報Ｓ（ｔｋ）、および空調機消費電力情報Ｐ（ｔｋ）」と、「過去時点ｔｋから設定時間△ｔ経過後の温度センサ５００の温度センサ情報Ｓ（ｔｋ＋△ｔ）」とを関連づけた学習用データに基づいて、いわゆる教師あり学習により、任意に指定した時点ｔ０から設定時間△ｔ経過後の各温度センサ５００の推論温度Ｔ^＊の出力を学習する。

すなわち、ニューラルネットワークは、入力層に空調機設定温度情報Ａ（ｔｋ）、ガラリ開閉情報Ｇ（ｔｋ）、ラック契約情報Ｒ（ｔｋ）、温度センサ情報Ｓ（ｔｋ）、空調機消費電力情報Ｐ（ｔｋ）を入力して出力層から出力された結果が、時点ｔｋから設定時間△ｔ経過後の温度センサ５００の温度センサ情報Ｓ（ｔｋ＋△ｔ）に近づくように、温度推論モデル３１を調整する。

学習部１４は、以上のような学習を実行することで学習済モデルである温度推論モデル３１を生成し、出力する。出力された学習済モデルは、温度推論モデル３１として保管される。

なお、本実施の形態１では、学習部１４が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習以外にも、強化学習、教師なし学習、または半教師あり学習等を適用することも可能である。

また、学習部１４に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いることもでき、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。

＜ステップＳ１０７：推論温度の判定＞
推論温度判定部１６は、推論部１５が各［Ａ_ｉ，Ｇ_ｊ］の組ごとに推論した温度センサ５００の推論温度Ｔ^＊が、あらかじめ定められた規定範囲に収まっているかどうかを判定する。
上記のように、推論温度Ｔ^＊＝（Ｔ１，Ｔ２，Ｔ３・・・Ｔｎ）である。ラック３００に積載された情報処理装置は稼働により熱を発するため、正常動作させるために空気調和機２００により冷却を行い、すべてのラック３００に取り付けられた温度センサ５００の温度をあらかじめ定められた規定の範囲内の温度に保つ必要がある。ラック３００の温度は、ラック３００に取り付けられた温度センサ５００によって測定され、管理を行うために温度センサ５００の計測温度にはあらかじめ定められた規定の範囲内の温度が定められている。温度センサ５００に設定される規定の範囲の温度は、例えば、２０度以上３０度以下のように設定される。

あらかじめ定められる規定の範囲内の温度は、すべての温度センサ５００で同じ値とすることもできるが、冷却対象となる情報処理装置がすべて停止状態であるラックや、未契約で稼働していないラックについては冷却不要であるため、ラックの温度を計測する温度センサ５００によっては、あらかじめ異なる規定の範囲内の温度を設定するようにしてもよい。
すなわち、推論温度判定部１６は、要求された温度範囲をセンサ対応範囲情報として温度センサごとに保有しており、温度センサごとに保有するセンサ対応範囲情報を用いて、推論部１５が出力した各温度センサの推論温度のなかに、要求された温度範囲に属していない推論温度が存在するかどうかを判断する構成でもよい。

推論温度判定部１６は、ラック契約情報からラック３００の稼働状況を取得する。取得した稼働状況から、ラック３００の稼働状況が「停止中」または「－」となっている未使用のラック３００を特定する。未使用であると特定されたラック３００の温度を計測する温度センサ５００を特定する。特定された温度センサ５００の推論温度を判定する場合、推論温度判定部１６は、緩和した規定の範囲内の温度を使用するようにしてもよい。例えば、現在停止中のラック３００や、未契約のラック３００については、冷却は不要であるため、温度センサ５００のあらかじめ定められた規定の範囲内の温度を緩和することが可能である。例えば、２０度以上３５度以下のように設定される。

すべての温度センサ５００の推論温度Ｔ１～Ｔｎが規定範囲である２０度以上３０度以下である場合、推論温度判定部１６は、特定の組［Ａ_ｉ，Ｇ_ｊ］に対して推論された推論温度Ｔ^＊を適切と判定する。一方、温度センサ５００の推論温度Ｔ１～Ｔｎのいずれか一つが、規定範囲である２０度以上３０度以下を満たさない場合、推論温度判定部１６は、特定の組［Ａ_ｉ，Ｇ_ｊ］に対して推論された推論温度Ｔ^＊を不適切と判定する。

＜ステップＳ１０８＞
推論装置であるサーバ室冷却管理装置１００は、推論温度判定部１６を備えている。推論温度判定部１６は、推論部１５が出力した推論温度のなかに、要求された温度範囲に属していない推論温度が存在するかどうかを判断し、判断結果と組［Ａ_ｉ，Ｇ_ｊ］とを対応付ける。
判定した結果が規定範囲内である場合は、処理はステップＳ１０９に移動する。判定した結果が規定範囲内でない場合は、処理はステップＳ１０４に移動し、新たな組［Ａ_ｉ，Ｇ_ｊ］が選択される。

＜ステップＳ１０９＞
推論結果保管部１７は、推論部１５が推論した推論温度Ｔ^＊と判定結果とを、推論結果情報記憶部３３に保管する。この場合、判定結果は適切を示す「範囲内」である。
図１５は、推論部１５によって出力される推論結果情報３３Ａを示す。図１５を参照して推論結果情報３３Ａを説明する。推論結果情報３３Ａは、推論部１５の推論結果が登録されている。推論結果情報３３Ａは、項目、つまり、列として、組［Ａ_ｉ，Ｇ_ｊ］を示す組番号、空調機設定候補の番号、ガラリ開閉候補の番号、各温度センサ５００の推論温度Ｔ^＊、推論温度Ｔ^＊の判定結果、後述する各空気調和機２００の推論消費電力Ｐ^＊、推論消費電力の合計を示す情報を持つ。なお、図１５では、説明のため、推論温度Ｔ^＊と推論消費電力Ｐ^＊とを上下２段に分けて記載している。

（１）組番号は、組［Ａ_ｉ，Ｇ_ｊ］についての推論結果情報を一意に識別する番号である。
（２）空調機設定候補の番号は、ステップＳ１０４で設定された空調機設定候補の番号である。
（３）ガラリ開閉候補の番号は、ステップＳ１０５で設定されたガラリ設定候補の番号である。
（４）推論温度Ｔ^＊は、ステップＳ１０６で推論された推論温度Ｔ^＊である。
（５）判定結果は、ステップＳ１０８の判定結果である。
（６）推論消費電力Ｐ^＊は、後述するステップＳ１１５で推論される各空気調和機２００の推論消費電力を要素とする集合である。
（７）推論消費電力（合計）は、後述する推論結果保管部１７によって算出された各空気調和機２００の推論消費電力の合計値を示す。

推論結果保管部１７は、推論結果情報３３Ａを推論結果情報記憶部３３に保管する。

＜ステップＳ１１０＞
未処理のガラリ開閉候補（Ｇ_ｊ）がある間、ステップＳ１０５～ステップＳ１１０までのデータの処理が繰り返される。

＜ステップＳ１１１＞
未処理の空調機設定候補（Ａ_ｉ）がある間、ステップＳ１０４～ステップＳ１１１までの処理が繰り返される。

＜ステップＳ１１２：消費電力推論のデータ取得＞
データ取得部１３は、複数の組［Ａ_ｉ，Ｇ_ｊ］の各組によって定まる複数の通風口の開閉状態と複数の空気調和機の稼働条件とのもとにおける複数の空気調和機の各空気調和機の消費電力であって、設定時間の経過後の各空気調和機の消費電力である推論消費電力を組ごとに推論するための学習済みモデルである消費電力推論モデル３２への入力として、一つの通風口設定レコードと一つの稼働条件設定レコードとの一組と、計測温度設定レコードと、記消費電力設定レコードと、を一セットとして、複数のセットを取得する。以下に具体的に説明する。

データ取得部１３は、ステップＳ１１１までの処理で保管されたすべての組［Ａ_ｉ，Ｇ_ｊ］についての推論温度Ｔ^＊および判定結果を取得する。すべての組［Ａ_ｉ，Ｇ_ｊ］についての推論温度Ｔ^＊および判定結果を「推論結果情報」と呼ぶ。なお、ステップＳ１０７で推論温度判定部１６による判定を行わず、すべての推論温度をステップＳ１０９で推論結果情報記憶部３３に保管し、後述するステップＳ１１５の処理の前で、推論された任意に指定した時点から設定時間後の温度センサ５００の計測温度が規定値の範囲内であるデータのみステップＳ１１５以降の後続処理を行うようにするように構成してもよい。

データ取得部１３は、ラック契約情報Ｒ_０（図６）をラック契約情報記憶部２３から取得する。データ取得部１３は、各温度センサ５００の温度センサ情報Ｓ_０（図９）を温度センサ情報記憶部２４から取得する。データ取得部１３は、空気調和機２００の空調機消費電力情報Ｐ_０（図９）を空調機消費電力情報記憶部２５から取得する。

なお、ステップＳ１０８の推論温度判定部１６による判定の結果、推論温度が規定値の範囲内の情報が１件もない場合は、任意に指定した時点から設定時間後の温度センサ５００の計測温度が規定値の範囲外となる可能性がある。この場合は、温度センサ５００の測定温度が、あらかじめ定められた規定の範囲内の温度にならない可能性があるとして、警報情報を管理者に通知するようにしてもよい。

＜ステップＳ１１３：組［Ａ_ｉ，Ｇ_ｊ］の取得＞
データ取得部１３は、ステップＳ１１２で取得した「推論結果情報」の中から１件目の候補として、一組の［Ａ_ｉ，Ｇ_ｊ］を、後述する消費電力の推論のための入力として選択する。
データ取得部１３は、選択した［Ａ_ｉ，Ｇ_ｊ］におけるＡ_ｉの示す候補を、空調機設定候補情報Ａ_ｉ（図１０）から取得する。同様に、データ取得部１３は、選択した［Ａ_ｉ，Ｇ_ｊ］におけるＧ_ｊの示す候補を、空調機設定候補情報Ａ_ｉおよびガラリ開閉候補情報Ｇ_ｊ（図１１）から取得する。データ取得部１３は、空調機設定候補とガラリ開閉候補とを、空調機設定候補情報Ａ_ｉおよびガラリ開閉候補情報Ｇ_ｊから順番に選択しながら、ステップＳ１１３からステップＳ１１６までの処理を繰り返し行う。

＜ステップＳ１１４：消費電力の推論＞
推論部１５は、消費電力推論モデル３２を用いて、データ取得部１３の取得した複数のセット［Ａ_ｉ，Ｇ_ｊ］の各セットに対して、各空気調和機の推論消費電力を出力する。以下に具体的に説明する。

推論部１５は、
（１）空調機設定候補Ａ_ｉ、
（２）ガラリ開閉候補情報Ｇ_ｊ、
（３）ラック契約情報Ｒ_０、
（４）温度センサ情報Ｓ_０、
（５）空調機消費電力情報Ｐ_０、
に基づいて、学習部１４によって生成された消費電力推論モデル３２を使用して、指定時点ｔ０から設定時間△ｔの経過後の空気調和機２００の推論消費電力Ｐ^＊を推論する。

＜消費電力推論モデル３２を用いた消費電力の推論処理＞
消費電力推論モデル３２を使った各空気調和機２００の消費電力の推論処理を説明する。図１２の下側は、推論部１５が消費電力推論モデル３２を用いて実施する、各空気調和機の消費電力の推論処理の構成図である。消費電力の推論処理では、データ取得部１３、推論部１５、および学習済モデルとして消費電力推論モデル３２を使用する。データ取得部１３が取得して、推論部１５に入力される入力は以下の（１）から（５）である。ここで（１）Ａ_ｉ，（２）Ｇ_ｊは、図１５の推論結果情報３３Ａでの判定結果が「範囲内」（適正）である組番号における組［Ａ_ｉ，Ｇ_ｊ］のＡ_ｉとＧ_ｊである。
（１）候補Ａ_ｉ、
（２）候補Ｇ_ｊ、
（３）ラック契約情報Ｒ_０（図６下側）、
（４）温度センサ情報Ｓ_０（図９上側）、
（５）空調機消費電力情報Ｐ_０（（図９下側））、
が、入力として入力される。これらの入力から、推論部１５は、指定された時点ｔ０から設定時間△ｔ経過後の空気調和機２００の推論消費電力Ｐ^＊を出力する。図１５で説明したように、推論消費電力Ｐ^＊は、例えば、ｎ個の要素を持つ推論温度Ｔ^＊（図１５）の各要素が範囲内である組［Ａ_ｉ，Ｇ_ｊ］について推論される。なお、消費電力推論モデル３２への入力は（１）および（２）以外は温度推論モデル３１への入力と同じである。

＜消費電力推論モデル３２の生成の説明＞
ここで、学習済モデルである消費電力推論モデル３２の生成を説明する。図１３の下側は、機械学習に消費電力推論モデル３２の生成を示す学習処理の構成図である。機械学習における消費電力推論モデル３２の学習処理では、データ取得部１３、学習部１４、および学習済モデルを使用する。また、機械学習における学習処理で使用する入力は、過去に蓄積された任意時点ｔｋにおける以下の（１）から（６）の情報あるは、（６）以外は、温度推論モデル３１を生成する学習処理の入力と同一である。
（１）空調機設定温度情報Ａ（ｔｋ）、
（２）ガラリ開閉情報Ｇ（ｔｋ）、
（３）ラック契約情報Ｒ（ｔｋ）、
（４）温度センサ情報Ｓ（ｔｋ）、
（５）空調機消費電力情報Ｐ（ｔｋ）と、
（６）過去の時点ｔｋから時間△ｔｋ経過後の空調機消費電力情報Ｐ（ｔｋ＋△ｔ）、
を学習用データとして使用する。ｋはｋ＝１～Ｎである。（１）から（６）は、ｔｋである日時情報で互いに関連付いている。

＜ステップＳ３０１：データ取得＞
図１４のフローを参照して消費電力推論モデル３２の生成における学習処理を説明する。学習モデルである消費電力推論モデル３２を生成するため、データ取得部１３は、過去データ記憶部３０に蓄積された以下の情報を取得する。
（１）空調機設定温度情報Ａ（ｔｋ）、
（２）ガラリ開閉情報Ｇ（ｔｋ）、
（３）ラック契約情報Ｒ（ｔｋ）、
（４）温度センサ情報Ｓ（ｔｋ）、
（５）空調機消費電力情報Ｐ（ｔｋ）と、
（６）空調機消費電力情報Ｐ（ｔｋ＋△ｔ）。

上記の（１）から（５）は、温度推論モデル３１を生成する際の、学習部１４への入力と同じである。よって説明は省略する。「（６）空調機消費電力情報Ｐ（ｔｋ＋△ｔ）」は、情報収集部１１によって収集され、過去データ記憶部３０に記憶された過去時点ｔｋから設定時間△ｔ経過後における各空気調和機２００の消費電力を要素とする集合形式のデータである。空調機消費電力情報Ｐ（ｔｋ＋△ｔ）のデータ形式は、図９の空調機消費電力情報Ｐ_０と同じある。

（６）空調機消費電力情報Ｐ（ｔｋ＋△ｔ）は、（１）空調機設定温度情報Ａ（ｔｋ）、（２）ガラリ開閉情報Ｇ（ｔｋ）、（３）ラック契約情報Ｒ（ｔｋ）、（４）温度センサ情報Ｓ（ｔｋ）、（５）空調機消費電力情報Ｐ（ｔｋ）が収集された時点ｔｋから設定時間△ｔ経過後に収集された情報である。（１）から（５）の情報は互いにｔｋで関連付けられ、一つのｔｋによって一組の情報として蓄積されている。
ｋ＝１～Ｎであれば、
「Ａ（ｔ１）、Ｇ（ｔ１）、Ｒ（ｔ１）、Ｓ（ｔ１）、Ｐ（ｔ１）、Ｐ（ｔ１＋△ｔ）」から
「Ａ（ｔＮ）、Ｇ（ｔＮ）、Ｒ（ｔＮ）、Ｓ（ｔＮ）、Ｐ（ｔＮ）、Ｐ（ｔＮ＋△ｔ）」のＮ組の情報が蓄積される。

＜ステップＳ３０２：学習処理＞
学習部１４は、データ取得部１３によって取得された、「Ａ（ｔ１）、Ｇ（ｔ１）、Ｒ（ｔ１）、Ｓ（ｔ１）、Ｐ（ｔ１）、Ｐ（ｔ１＋△ｔ）」から「Ａ（ｔＮ）、Ｇ（ｔＮ）、Ｒ（ｔＮ）、Ｓ（ｔＮ）、Ｐ（ｔＮ）、Ｐ（ｔＮ＋△ｔ）」のＮ組の学習用データに基づいて、指定時点ｔから設定時間△ｔ経過後の空気調和機２００の推論消費電力Ｐ^＊（図１６）を推論する消費電力推論モデル３２を生成する。データ取得部１３は、過去データ記憶部３０に蓄積された学習用データの取得を繰り返えすことで「Ａ（ｔ１）、Ｇ（ｔ１）、Ｒ（ｔ１）、Ｓ（ｔ１）、Ｐ（ｔ１）、Ｐ（ｔ１＋△ｔ）」から「Ａ（ｔＮ）、Ｇ（ｔＮ）、Ｒ（ｔＮ）、Ｓ（ｔＮ）、Ｐ（ｔＮ）、Ｐ（ｔＮ＋△ｔ）」のＮ組を取得する。学習部１４は、データ取得部１３によって取得されたＮ組の入力情報を用いた学習により、推論消費電力Ｐ^＊を出力する学習を行う。

＜ステップＳ３０３：消費電力推論モデル３２の記憶＞
学習部１４は、生成された消費電力推論モデル３２を保管する。

学習部１４が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。学習部１４は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、任意に指定した時点から設定時間後の温度センサ５００の計測温度を学習する。ここで、教師あり学習とは、入力と結果（ラベル）のデータの組を学習部に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層（隠れ層）、および複数のニューロンからなる出力層で構成される。中間層は、１層、または２層以上でもよい。

ニューラルネットワークは、「Ａ（ｔ１）、Ｇ（ｔ１）、Ｒ（ｔ１）、Ｓ（ｔ１）、Ｐ（ｔ１）、Ｐ（ｔ１＋△ｔ）」から「Ａ（ｔＮ）、Ｇ（ｔＮ）、Ｒ（ｔＮ）、Ｓ（ｔＮ）、Ｐ（ｔＮ）、Ｐ（ｔＮ＋△ｔ）」の学習用データに基づいて、いわゆる教師あり学習により、任意に指定した時点ｔから設定時間△ｔ経過後の空気調和機２００の空調機消費電力情報Ｐ^＊（図１６）の出力を学習する。

すなわち、ニューラルネットワークは、入力層に「Ａ（ｔｋ）、Ｇ（ｔｋ）、Ｒ（ｔｋ）、Ｓ（ｔｋ）、Ｐ（ｔｋ）」を入力して出力層から出力された結果が、Ｐ（ｔｋ＋△ｔ）に近づくように消費電力推論モデル３２を調整することで学習する。

学習部１４は、以上のような学習を実行することで学習済モデルを生成し、出力する。出力された学習済モデルは、消費電力推論モデル３２として保管される。

なお、実施の形態１では、学習部１４が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、教師あり学習以外にも、強化学習、教師なし学習、または半教師あり学習等を適用することも可能である。

また、学習部１４に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いることもでき、他の公知の方法、例えば遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。

＜ステップＳ１１５：推論結果の保管＞
図４のフローチャートの説明に戻る。推論結果保管部１７は、推論部１５が推論した推論消費電力Ｐ^＊と各空気調和機２００の推論消費電力の合計とを、推論結果情報記憶部３３に推論結果情報３３Ａ（図１６）として保管する。
図１６は、推論消費電力Ｐ^＊と各空気調和機２００の推論消費電力の合計が登録された状態の推論結果情報３３Ａである。図１６を説明する。推論結果保管部１７は、推論部１５で入力とした［Ａ_ｉ、Ｇ_ｊ］に対応する、推論結果情報３３Ａにおけるもっとも左列の組番号を検索する。図１６に示すように、推論結果保管部１７は、検索でヒットした組番号の行に、ｍ個の空気調和機２００の各推論消費電力を保管する。推論結果保管部１７は、保管した各推論消費電力の合計値を算出し、算出した合計値を推論消費電力（合計）のセルに保管する。

＜ステップＳ１１６＞
未処理の推論結果情報がある間、ステップＳ１１３～ステップＳ１１６までのデータの処理を繰り返す。ここでいう「推論結果情報」とは、図１５の下側の組番号のそれぞれの行をいう。

＜ステップＳ１１７：推奨結果を提示＞
推論装置であるサーバ室冷却管理装置１００は、推奨結果提示部１８を備えている推奨結果提示部１８は、推論温度判定部１６が対応付けた判断結果と組との対応関係に基づいて、複数の組［Ａ_ｊ，Ｇ_ｊ］の中から推奨するべき組を抽出する。以下に具体的に説明する。

推奨結果提示部１８は、推論温度判定部１６によって、温度センサ５００の計測温度があらかじめ定められた規定の範囲内の温度であると判定された組［Ａ_ｉ，Ｇ_ｊ］、つまり、図１６の推論結果情報３３Ａに登録されている組［Ａ_ｉ，Ｇ_ｊ］の行のうち、推論部１５が推論した空気調和機２００の推論消費電力（合計）が最も少ない組［Ａ_ｉ，Ｇ_ｊ］を、推奨結果として提示する。具体的には、図１６の推論結果情報３３Ａにおいて、推奨結果提示部１８は、推論温度の判定結果が、「範囲内」となっている行を取得する。次に、推奨結果提示部１８は、取得された行の中から、推論消費電力（合計）が最も少ない行を検索する。この検索によって、図１６において、例えば推論消費電力が「９，０００Ｗ」と最も少ない、組番号１０２の［Ａ_ｉ，Ｇ_ｊ］（ｉ＝Ａ００２，ｊ＝Ｇ００２）がヒットする。この例の場合、推奨結果提示部１８は、組番号１０２の［Ａ_ｉ，Ｇ_ｊ］（ｉ＝Ａ００２，ｊ＝Ｇ００２）の行を推奨結果として提示する。図１０の空調機設定候補情報Ａ_ｉによれば、候補Ａ００２は、２番目のＡ２の空気調和機２００の温度設定を２１度から２０度に変更した内容である。図１１のガラリ開閉候補情報Ｇ_ｊによれば、Ｇ００２は、２番目のガラリを閉じることが推奨結果であることがわかる。

また、推奨結果提示部１８は、推論温度判定部１６によって、温度センサ５００の計測温度があらかじめ定められた規定の範囲内の温度であると判定された空調機設定候補Ａｉとガラリ開閉候補Ｇ_ｋとの組［Ａ_ｉ，Ｇ_ｋ］のうち、ガラリ開閉候補Ｇ_ｋが、任意に指定した時点におけるガラリの開閉状態と同じであり、推論部１５が推論した空気調和機２００の消費電力の総和が最も少ない空調機設定候補Ａ_ｉと、ガラリ開閉候補Ｇ_ｋとの組合せを、ガラリの開閉状態を変更しない推奨結果として併せて提示するようにしてもよい。

また、推奨結果提示部１８は、得られた推奨結果を、電子メール等の一般的な通信手段を利用することで、提示してもよい。また、推奨結果提示部１８は、現在の空調機設定温度情報Ａ_０およびガラリ開閉情報Ｇ_０と比較することで、現在の空調機設定温度情報Ａ_０およびガラリ開閉情報Ｇ_０と推奨結果が異なる場合にのみ提示するようにしてもよい。

＜ステップＳ１１８：空調機設定を指示＞
空調機設定指示部１９は、推奨結果提示部１８で提示された、空調機設定温度情報とガラリ開閉情報との組合せを推奨結果として管理者に通知するようにしてもよい。また、推奨結果提示部１８で提示された空調機設定候補Ａ_ｉが、任意に指定した時点における空気調和機２００の空調機設定温度情報と異なる場合、空調機設定指示部１９は、推奨結果提示部１８で提示された空調機設定候補Ａ_ｉを空気調和機２００に通知し、空気調和機２００の設定変更を指示するようにしてもよい。

＊＊＊実施の形態１の効果＊＊＊
サーバ室冷却管理装置１００によれば、温度センサ５００の計測温度があらかじめ定められた規定の範囲内の温度の条件下において、空気調和機２００の消費電力を抑える好ましい空調機設定温度情報、ガラリ開閉状態情報を提示することができる。
未稼働（未設置）ラック３００を考慮した、消費電力を抑える好ましい空調機設定、ガラリ開閉情報を提示することができる。
ハウジングサービス事業者にとっては、ラック３００内の情報処理装置はユーザ管理のため、ＣＰＵ負荷等の発熱（消費電力）に相関のあるデータを取得できない場合があるが、代替としてラック契約情報を用いることで、任意に指定した時点から設定時間後の温度センサ５００の計測温度、任意に指定した時点から設定時間の空気調和機２００の消費電力の推論精度を上げることができる。
推論の都度、好ましい空調機設定を該当する空気調和機２００に指示することを繰り返すことで、サーバ室１０の空調を常に好ましい設定状態に保つことが可能となる。

実施の形態１においては、ラック契約情報は必須の情報ではない。また、ラック契約情報のうち、いずれか一つまたは複数のみを使用する構成とすることも可能である。

なお、図１２、図１３に示すように、実施の形態１では、学習および推論において、入力にラック契約情報２３Ａ（Ｒ_０）を使用している。しかし、ラック契約情報２３Ａ（Ｒ_０）の入力は必須ではなくオプションである。なお、推論結果の精度を高める観点からは、ラック契約情報２３Ａ（Ｒ_０）を入力することが好ましい。

実施の形態２．
図１７から図２３を参照して、実施の形態２を説明する。情報処理装置４００を新たにラック３００に積載し稼働する場合においては、稼働する情報処理装置４００が増加するため空気調和機２００の消費電力を抑えるラック３００の設置場所が重要となる。そこで、実施の形態２のサーバ室冷却管理装置１００は、情報処理装置４００を新たにラック３００に積載し稼働する場合において、情報処理装置４００を積載するラック３００の設置場所と消費電力を抑えた空気調和機２００の設定とガラリの開閉状態との推奨する組み合わせを提示する。実施の形態２では、実施の形態１と異なる箇所について、図面を参照しながら説明する。

＊＊＊構成の説明＊＊＊
図１７は、実施の形態２におけるサーバ室冷却管理装置１００のハードウェア構成図を示す。

実施の形態２のサーバ室冷却管理装置１００は、機能要素として、情報収集部１１、候補作成部１２、データ取得部１３、学習部１４、推論部１５、推論温度判定部１６、推論結果保管部１７、推奨結果提示部１８、および空調機設定指示部１９を備えている。また、サーバ室冷却管理装置１００は、記憶部として、空調機設定温度情報記憶部２１、ガラリ開閉情報記憶部２２、ラック契約情報記憶部２３、温度センサ情報記憶部２４、空調機消費電力情報記憶部２５、空調機設定候補情報記憶部２６、ガラリ開閉候補情報記憶部２７、ラック設置候補情報記憶部２８、過去データ記憶部３０、温度推論モデル３１、消費電力推論モデル３２、推論結果情報記憶部３３、ガラリ開閉マスタ記憶部４１、およびラック契約マスタ記憶部４２を備えている。
実施の形態２のサーバ室冷却管理装置１００は、実施の形態１のサーバ室冷却管理装置１００に対して、ラック設置候補情報記憶部２８を備えている点が実施の形態１と異なる。それ以外の点については、同じである。

＊＊＊動作の説明＊＊＊
図１８は、実施の形態２におけるサーバ室冷却管理装置１００による推論処理の全体フローを示す。図１８を使用してサーバ室冷却管理装置１００の推論処理のフローを説明する。

＜ステップＳ２０１：情報収集＞
Ｓ１０１と同じであるであるため、省略する。

＜ステップＳ２０２：候補作成＞
実施の形態２の候補作成部１２は、ラック設置候補Ｒ_Ｓ（ｓ＝１～ｐ）を使用する点が、実施の形態１と異なる。候補作成部１２は、空調機設定候補Ａ_ｉと、ガラリ開閉候補Ｇ_ｊと、ラック設置候補Ｒ_Ｓとを、それぞれ複数個事前に作成する。
候補作成部１２は、空調機設定温度情報記憶部２１に保管された空調機設定温度情報Ａ_０（図６）から、空調機設定候補情報２６Ａを作成し、空調機設定候補情報記憶部２６に保管する。具体的な作成方法は、Ｓ１０１と同じであるであるため、省略する。
候補作成部１２は、ガラリ開閉情報記憶部２２に保管されたガラリ開閉情報Ｇ_０（図６中段）から、ガラリ開閉候補情報２７Ａを作成し、ガラリ開閉候補情報記憶部２７に保管する。具体的な作成方法は、Ｓ１０１と同じであるであるため、省略する。

候補作成部１２は、ラック契約情報記憶部２３に保管されたラック契約情報Ｒ_０（図１９上段）から、ラック設置候補情報２８Ａを作成し、ラック設置候補情報記憶部２８に保管する。ラック設置候補情報２８Ａの具体的な作成方法を図１９で説明する。
図１９上段は、ラック契約情報２３Ｂを示す。図１９下段は、ラック設置候補情報２８Ａを示す。ラック設置候補情報２８Ａは、ラック設置候補情報Ｒｓあるいは単にＲ_ｓと表記する場合がある。Ｒ_Ｓにおいて、図１９下段で説明するように、ｓ＝Ｒ００１，Ｒ００２・・・Ｒ００ｐに対応する。また、添え字ｓは、図１９に示すようにＲ００１を１に対応させ、Ｒ００ｐをｐに対応させれば、ｓ＝１～ｐ、と表記することも可能である。図１９下段の例は、消費電力が３，０００Ｗであるラックを新たに設置する場合について示す。

図１９では、ラック設置候補情報Ｒ_Ｓ（ｓ＝１～ｐ）を示している。候補作成部１２は、ラック契約情報記憶部２３に保管されたラック契約情報Ｒ_０（図１９上段）からＲ_０を取得する。Ｒ_０をもとに、Ｒ_０の稼働状況が未使用（－）である１個目のラックであるＲ１の稼働状況を未使用（－）から「稼働中」に入れ替え、Ｒ１の消費電力を「３，０００Ｗ」に設定した候補を作成し、Ｒ００１の行に保管する。次に、候補作成部１２は、Ｒ_０をもとに、Ｒ_０の未使用（－）である２個目のラックであるＲ３の稼働状況を未使用（－）から「稼働中」に入れ替え、Ｒ３の消費電力を「３，０００Ｗ」に設定した候補を作成し、Ｒ００２の行に保管する。これを繰り返し、候補作成部１２は、Ｒ０の未使用（－）であるｐ個目のラックであるＲ_ｐ（１≦ｐ≦ｎ）の稼働状況を未使用（－）から「稼働中」に入れ替え、Ｒｎの消費電力を「３，０００Ｗ」に設定した候補を作成し、Ｒ００ｐの行に保管する。これは、ラック設置候補情報の作成方法の一例である。これ以外の方法であっても構わない。
ラック契約情報Ｒ_０の稼働状況、消費電力、設置場所のうち、Ｒ_０の稼働状況を具体的に記載すれば、
Ｒ_ｓ＝０＝Ｒ０００＝（－，稼働中，－・・・－）＝Ｒ_０、
Ｒ_ｓ＝１＝Ｒ００１＝（稼働中，稼働中，－・・・－）、
Ｒ_ｓ＝２＝Ｒ００２＝（－，稼働中，稼働中・・・－）、
・・・
である。

＜ステップＳ２０３＞
データ取得部１３は、通風口設定レコード群であるガラリ開閉候補情報２７Ａ（図１１）と、稼働条件設定レコード群である空調機設定候補情報２６Ａ（図１０）と、計測温度設定レコードＳ０である温度センサ情報２４Ａ（図９）と、消費電力設定レコードである空調機消費電力情報２５Ａ（図９）とラック設置候補情報２８Ａ（図１９）を取得する。
ラック設置候補情報２８Ａ（図１９）を取得する点が実施の形態１と異なる。通風口設定レコード群Ｇであるガラリ開閉候補情報２７Ａは、図１１に示すように、部屋であるサーバ室の床に開閉の可能な状態で配置される複数の通風口であるガラリの各ガラリを識別する通風口識別子であるＧ１からＧｎのそれぞれに対して、開と閉とのいずれかの状態が設定された通風口設定レコードの集合である。図１１の各行がレコードである。
稼働条件設定レコード群である空調機設定候補情報２６Ａは、図１１に示すように、部屋であるサーバ室１０に配置されて、床の下に冷気を送り込み、開状態のガラリを介して冷気を床の下から部屋の内部に送出させる複数の空気調和機の各空気調和機を識別する空気調和機識別子であるＡ１からＡｍのそれぞれに対して、空気調和機の稼働条件として温度が設定された稼働条件設定レコードの集合である。
ラック契約設定レコード群Ｒであるラック設置候補情報２８Ａは、図１９に示すように、部屋であるサーバ室に配置され、情報処理装置が積載された複数のラックを識別するラック識別子であるＲ１からＲｎのそれぞれに対して、稼働中、停止中、－とのいずれかの状態が設定され、新たなラックを設置するための利用状況を判断するための情報であるラックの稼働状況が設定されたラック契約設定レコードの集合である。このように、ラック契約設定レコードは、部屋であるサーバ室１０に配置されて情報処理装置が積載可能であり、情報処理装置が積載されている場合に情報処理装置に電力を供給する複数のラックのそれぞれを識別するラック識別子のそれぞれに対して、電力供給状態にあるかどうかを示す稼働状況が設定されている。
以下に具体的に説明する。

各温度センサ５００の推論温度Ｔ^＊を出力するため、データ取得部１３は、以下の（１）から（５）を取得する。
（１）図１０に示す、空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）、
（２）図１１に示す、ガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）、
（３）図１９に示す、ラック設置候補情報Ｒ_ｓ（ｓ＝１～ｐ）、
（４）図９に示す、温度センサ情報Ｓ_０、
（５）図９に示す、空調機消費電力情報Ｐ_０、
（１）（２）（４）（５）は、実施の形態１と同じであるため、省略する。
（３）データ取得部１３は、候補作成部１２で作成されたラック設置候補情報Ｒ_ｓ（ｓ＝１～ｎ）をラック設置候補記憶部２８から取得する。

＜ステップＳ２０４＞
データ取得部１３は、取得した空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）の中から、ｉ＝０に対応する１件目の候補Ａ０００を、温度推論の入力として選択する。データ取得部１３は、空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）におけるＡ_ｉを順番に選択しながら、ステップＳ２０４からステップＳ２１０までの処理を繰り返し行う。

＜ステップＳ２０５＞
候補作成部１２で作成されたラック設置候補情報Ｒ_Ｓを、ラック設置候補情報記憶部２８から取得する点が実施の形態１と異なる。
データ取得部１３は、取得したラック設置候補情報Ｒ_Ｓ（ｓ＝１～ｐ）（図１９）の中からｓ＝０に対応する１件目の候補Ｒ００１を、温度推論の入力として選択する。データ取得部１３は、ラック設置候補情報Ｒ_Ｓ（ｓ＝１～ｐ）におけるＲ_Ｓを順番に選択しながら、ステップＳ２０５からステップＳ２１１までの処理を繰り返し行う。データ取得部１３は以下のようである。

データ取得部１３は、
ｉ＝０、ｓ＝１に固定して、ｊを０～ｎに動かす。
ｉ＝０、ｓ＝２に固定して、ｊを０～ｎに動かす。
・・・
ｉ＝１、ｓ＝１に固定して、ｊを０～ｎに動かす。
ｉ＝１、ｓ＝２に固定して、ｊを０～ｎに動かす。
・・・
ｉ＝２ｍ、ｓ＝ｐに固定して、ｊを０～ｎに動かす。
よってステップＳ２０７からステップＳ２１０では、あるＡ_ｉと、あるＲ_ｓと、あるＧ_ｊとの組、［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］について、指定された時点ｔ０から設定時間△ｔ経過後の、各温度センサ５００の推論温度Ｔ^＊を推論している。

＜ステップＳ２０６＞
Ｓ１０５と同じであるであるため、省略する。

＜ステップＳ２０７：推論＞
推論部１５は、通風口設定レコード群であるガラリ開閉候補情報２７Ａの一つの通風口設定レコードと、
稼働条件設定レコード群である空調機設定候補情報２６Ａの一つの稼働条件設定レコードと、
ラック契約設定レコード群であるラック設置候補情報２８Ａの一つのラック契約設定レコードと、
から決まる複数の組の各組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］によって定まる
複数の通風口の開閉状態と
複数の空気調和機の稼働条件と
複数のラックの稼働状況と
のもとにおける複数の温度センサの各温度センサの温度であって、指定された時点から設定時間△ｔの経過後の各温度センサの温度である推論温度を組ごとに推論するための学習済みモデルである温度推論モデルを用いて、データ取得部で取得した入力情報から、組ごとの各温度センサの推論温度を出力する。以下に具体的に説明する。

推論部１５は、
（１）空調機設定候補情報Ａ_ｉ（ｉ＝０～２ｍ）、
（２）ガラリ開閉候補情報Ｇ_ｊ（ｊ＝０～ｎ）、
（３）ラック契約情報Ｒ_Ｓ（ｓ＝１～ｐ）、
（４）温度センサ情報Ｓ_０、
（５）空調機消費電力情報Ｐ_０
を入力とする、温度推論モデル３１を使用して、指定された時点ｔ０から設定時間△ｔの経過後の各温度センサ５００の推論温度Ｔ^＊を推論する。温度推論モデル３１は、学習部１４によって生成された学習済モデルである。

＜温度推論の説明＞
学習済モデルである温度推論モデル３１を使った推論処理について説明する。推論処理は推論部１５が行う。
実施の形態２における温度推論は、入力としてラック設置候補情報Ｒ_Ｓ（ｓ＝１～ｐ）を利用する点が実施の形態１における温度推論と異なる。残りの点については、同じであるため、省略する。

さらに推論部１５による推理処理を説明する。推論部１５は、（２ｍ＋１）×ｐ×（ｎ＋１）の数の組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］ごとに、指定された時点ｔ０から設定時間△ｔの経過後の、ｎ個の温度センサ５００の、上記に示す推論温度Ｔ^＊を推論する。繰り返しになるが、Ｓ１からＳｎのｎ個の要素からなる推論温度Ｔ^＊は、一組の［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］ごとに生成される。

＜温度推論モデル３１の生成＞
ここで、学習済モデルである温度推論モデル３１を生成する学習処理は実施の形態１と同じであるため省略する。

＜学習処理のフロー＞
学習処理のフローＳ３０１～Ｓ３０３は、実施の形態１と同じであるため省略する。

＜ステップＳ２０８：推論温度の判定＞
推論温度判定部１６は、推論部１５が各［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］の組ごとに推論した温度センサ５００の推論温度Ｔ^＊が、あらかじめ定められた規定範囲に収まっているかどうかを判定する。
推論温度の判定処理は、実施の形態１と同じであるため省略する。

＜ステップＳ２０９＞
推論装置であるサーバ室冷却管理装置１００は、推論温度判定部１６を備えている。推論温度判定部１６は、推論部１５が出力した推論温度のなかに、要求された温度範囲に属していない推論温度が存在するかどうかを判断し、判断結果と組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］とを対応付ける。
判定した結果が規定範囲内である場合は、処理はステップＳ２１０に移動する。判定した結果が規定範囲内でない場合は、処理はステップＳ２０４に移動し、新たな組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］が選択される。

＜ステップＳ２１０＞
推論結果保管部１７は、推論部１５が推論した推論温度Ｔ^＊と判定結果とを、推論結果情報記憶部３３に保管する。この場合、判定結果は適切を示す「範囲内」である。
図２２は、推論部１５によって出力される推論結果情報３３Ａを示す。図２２を参照して推論結果情報３３Ａを説明する。推論結果情報３３Ａは、推論部１５の推論結果が登録されている。推論結果情報３３Ａは、項目、つまり、列として、組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］を示す組番号、空調機設定候補の番号、ラック設置候補の番号、ガラリ開閉候補の番号、各温度センサ５００の推論温度Ｔ^＊、推論温度Ｔ^＊の判定結果、後述する各空気調和機２００の推論消費電力Ｐ^＊、推論消費電力の合計を示す情報を持つ。なお、図２２では、説明のため、推論温度Ｔ^＊と推論消費電力Ｐ^＊とを上下２段に分けて記載している。

（１）組番号は、組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］についての推論結果情報を一意に識別する番号である。
（２）空調機設定候補の番号は、ステップＳ２０４で設定された空調機設定候補の番号である。
（３）ラック設置候補の番号は、ステップＳ２０５で設定されたラック設置候補の番号である。
（４）ガラリ開閉候補の番号は、ステップＳ２０６で設定されたガラリ設定候補の番号である。
（５）推論温度Ｔ^＊は、ステップＳ２０７で推論された推論温度Ｔ^＊である。
（６）判定結果は、ステップＳ２０８の判定結果である。
（７）推論消費電力Ｐ^＊は、後述するステップＳ２１６で推論される各空気調和機２００の推論消費電力を要素とする集合である。
（８）推論消費電力（合計）は、後述する推論結果保管部１７によって算出された各空気調和機２００の推論消費電力の合計値を示す。

推論結果保管部１７は、推論結果情報３３Ａを推論結果情報記憶部３３に保管する。
実施形態１と同じである。

＜ステップＳ２１１＞
未処理のガラリ開閉候補（Ｇ_ｊ）がある間、ステップＳ２０６～ステップＳ２１１までのデータの処理が繰り返される。

＜ステップＳ２１２＞
未処理のラック設置候補（Ｒ_Ｓ）がある間、ステップＳ２０５～ステップＳ２１２までの処理が繰り返される。

＜ステップＳ２１３＞
未処理の空調機設定候補（Ａ_ｉ）がある間、ステップＳ２０４～ステップＳ２１３までの処理が繰り返される。

＜ステップＳ２１４：消費電力推論のデータ取得＞
データ取得部１３は、複数の組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］の各組によって定まる複数の通風口の開閉状態と複数の空気調和機の稼働条件と複数のラックの稼働状況とのもとにおける複数の空気調和機の各空気調和機の消費電力であって、設定時間の経過後の各空気調和機の消費電力である推論消費電力を組ごとに推論するための学習済みモデルである消費電力推論モデル３２への入力として、一つの通風口設定レコードと一つの稼働条件設定レコードと一つのラック契約設定レコードとの一組と、計測温度設定レコードと、記消費電力設定レコードと、を一セットとして、複数のセットを取得する。以下に具体的に説明する。

データ取得部１３は、ステップＳ１１１までの処理で保管されたすべての組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］についての推論温度Ｔ^＊および判定結果を取得する。すべての組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］についての推論温度Ｔ^＊および判定結果を「推論結果情報」と呼ぶ。なお、ステップＳ２０８で推論温度判定部１６による判定を行わず、すべての推論温度をステップＳ２１０で推論結果情報記憶部３３に保管し、後述するステップＳ２１７の処理の前で、推論された任意に指定した時点から設定時間後の温度センサ５００の計測温度が規定値の範囲内であるデータのみステップＳ２１７以降の後続処理を行うようにするように構成してもよい。

データ取得部１３は、各温度センサ５００の温度センサ情報Ｓ_０（図９）を温度センサ情報記憶部２４から取得する。データ取得部１３は、空気調和機２００の空調機消費電力情報Ｐ_０（図９）を空調機消費電力情報記憶部２５から取得する。

なお、ステップＳ２０９の推論温度判定部１６による判定の結果、推論温度が規定値の範囲内の情報が１件もない場合は、任意に指定した時点から設定時間後の温度センサ５００の計測温度が規定値の範囲外となる可能性がある。この場合は、温度センサ５００の測定温度が、あらかじめ定められた規定の範囲内の温度にならない可能性があるとして、警報情報を管理者に通知するようにしてもよい。

＜ステップＳ２１５：組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］の取得＞
データ取得部１３は、ステップＳ２１４で取得した「推論結果情報」の中から１件目の候補として、一組の［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］を、後述する消費電力の推論のための入力として選択する。データ取得部１３は、選択した［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］におけるＡ_ｉの示す候補を、空調機設定候補情報Ａ_ｉ（図１０）から取得する。同様に、データ取得部１３は、選択した［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］におけるＲ_ｓの示す候補を、ラック設置候補情報Ｒ_ｓ（図１９）から取得する。同様に、データ取得部１３は、選択した［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］におけるＧ_ｊの示す候補を、ガラリ開閉候補情報Ｇ_ｊ（図１１）から取得する。データ取得部１３は、空調機設定候補とラック設置候補とガラリ開閉候補とを、空調機設定候補情報Ａ_ｉ、ラック設置候補情報Ｒ_Ｓおよびガラリ開閉候補情報Ｇ_ｊから順番に選択しながら、ステップＳ２１５からステップＳ２１８までの処理を繰り返し行う。

＜ステップＳ２１６：消費電力の推論＞
推論部１５は、消費電力推論モデル３２を用いて、データ取得部１３の取得した複数のセット［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］の各セットに対して、各空気調和機の推論消費電力を出力する。以下に具体的に説明する。

推論部１５は、
（１）空調機設定候補Ａ_ｉ、
（２）ガラリ開閉候補情報Ｇ_ｊ、
（３）ラック契約情報Ｒ_Ｓ、
（４）温度センサ情報Ｓ_０、
（５）空調機消費電力情報Ｐ_０、
に基づいて、学習部１４によって生成された消費電力推論モデル３２を使用して、指定時点ｔ０から設定時間△ｔの経過後の空気調和機２００の推論消費電力Ｐ^＊を推論する。

＜消費電力推論モデル３２を用いた消費電力の推論処理＞
消費電力推論モデル３２を使った各空気調和機２００の消費電力の推論処理を説明する。図２０の下側は、推論部１５が消費電力推論モデル３２を用いて実施する、各空気調和機の消費電力の推論処理の構成図である。消費電力の推論処理では、データ取得部１３、推論部１５、および学習済モデルとして消費電力推論モデル３２を使用する。データ取得部１３が取得して、推論部１５に入力される入力は以下の（１）から（５）である。ここで（１）Ａ_ｉ，（２）Ｇ_ｊは、図１５の推論結果情報３３Ａでの判定結果が「範囲内」（適正）である組番号における組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］のＡ_ｉとＧ_ｊとＲ_Ｓである。
（１）候補Ａ_ｉ、
（２）候補Ｇ_ｊ、
（３）候補Ｒ_Ｓ、
（４）温度センサ情報Ｓ_０（図９上側）、
（５）空調機消費電力情報Ｐ_０（（図９下側））、
が、入力として入力される。これらの入力から、推論部１５は、指定された時点ｔ０から設定時間△ｔ経過後の空気調和機２００の推論消費電力Ｐ^＊を出力する。図１５で説明したように、推論消費電力Ｐ^＊は、例えば、ｎ個の要素を持つ推論温度Ｔ^＊（図１５）の各要素が範囲内である組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］について推論される。なお、消費電力推論モデル３２への入力は（１）、（２）および（３）以外は温度推論モデル３１への入力と同じである。

＜消費電力推論モデル３２の生成の説明＞
ここで、学習済モデルである消費電力推論モデル３２の生成を説明する。図２１の下側は、機械学習に消費電力推論モデル３２の生成を示す学習処理の構成図である。機械学習における消費電力推論モデル３２の学習処理では、データ取得部１３、学習部１４、および学習済モデルを使用する。また、機械学習における学習処理で使用する入力は、過去に蓄積された任意時点ｔｋにおける以下の（１）から（６）の情報である。（６）以外は、温度推論モデル３１を生成する学習処理の入力と同一である。
（１）空調機設定温度情報Ａ（ｔｋ）、
（２）ガラリ開閉情報Ｇ（ｔｋ）、
（３）ラック契約情報Ｒ（ｔｋ）、
（４）温度センサ情報Ｓ（ｔｋ）、
（５）空調機消費電力情報Ｐ（ｔｋ）と、
（６）過去の時点ｔｋから時間△ｔｋ経過後の空調機消費電力情報Ｐ（ｔｋ＋△ｔ）、
を学習用データとして使用する。ｋはｋ＝１～Ｎである。（１）から（６）は、ｔｋである日時情報で互いに関連付いている。

消費電力推論モデル３２の生成における学習処理は実施の形態１におけるＳ３０１～Ｓ３０３と同じであるため省略する。

＜ステップＳ２１７：推論結果の保管＞
図１８のフローチャートの説明に戻る。推論結果保管部１７は、推論部１５が推論した推論消費電力Ｐ^＊と各空気調和機２００の推論消費電力の合計とを、推論結果情報記憶部３３に推論結果情報３３Ａ（図２３）として保管する。
図２３は、推論消費電力Ｐ^＊と各空気調和機２００の推論消費電力の合計が登録された状態の推論結果情報３３Ａである。図２３を説明する。推論結果保管部１７は、推論部１５で入力とした［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］に対応する、推論結果情報３３Ａにおけるもっとも左列の組番号を検索する。図２３に示すように、推論結果保管部１７は、検索でヒットした組番号の行に、ｍ個の空気調和機２００の各推論消費電力を保管する。推論結果保管部１７は、保管した各推論消費電力の合計値を算出し、算出した合計値を推論消費電力（合計）のセルに保管する。

＜ステップＳ２１８＞
未処理の推論結果情報がある間、ステップＳ２１６、ステップＳ２１７のデータの処理を繰り返す。ここでいう「推論結果情報」とは、図２２の下側の組番号のそれぞれの行をいう。

＜ステップＳ２１９：推奨結果を提示＞
推論装置であるサーバ室冷却管理装置１００は、推奨結果提示部１８を備えている推奨結果提示部１８は、推論温度判定部１６が対応付けた判断結果と組との対応関係に基づいて、複数の組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］の中から推奨するべき組を抽出する。以下に具体的に説明する。

推奨結果提示部１８は、推論温度判定部１６によって、温度センサ５００の計測温度があらかじめ定められた規定の範囲内の温度であると判定された組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］、つまり、図２３の推論結果情報３３Ａに登録されている組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］の行のうち、推論部１５が推論した空気調和機２００の推論消費電力（合計）が最も少ない組［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］を、推奨結果として提示する。具体的には、図２３の推論結果情報３３Ａにおいて、推奨結果提示部１８は、推論温度の判定結果が、「範囲内」となっている行を取得する。次に、推奨結果提示部１８は、取得された行の中から、推論消費電力（合計）が最も少ない行を検索する。この検索によって、図２３において、例えば推論消費電力が「９，０００Ｗ」と最も少ない、組番号１０２の［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］（ｉ＝Ａ００２，ｓ＝Ｒ００２，ｊ＝Ｇ００２）がヒットする。この例の場合、推奨結果提示部１８は、組番号１０２の［Ａ_ｉ，Ｇ_ｊ，Ｒ_Ｓ］（ｉ＝Ａ００２，ｓ＝Ｒ００２，ｊ＝Ｇ００２）の行を推奨結果として提示する。図１０の空調機設定候補情報Ａ_ｉによれば、候補Ａ００２は、２番目のＡ２の空気調和機２００の温度設定を２１度から２０度に変更した内容である。図１９のラック設置候補情報Ｒ_Ｓによれば、候補Ｒ００２は、３番目のＲ３のラック情報処理装置を新たにラック３００に積載し稼働する内容である。図１１のガラリ開閉候補情報Ｇ_ｊによれば、Ｇ００２は、２番目のガラリを閉じることが推奨結果であることがわかる。

＊＊＊実施の形態２の効果＊＊＊
新たなラック３００を設置する際に、新たなラック３００の設置場所、ガラリ開閉情報、および空調機設定からなる好ましい設置場所候補を提示することができる。

Ｐ^＊ 推論消費電力、Ａ_ｉ 空調機設定候補情報、Ｇ_ｊ ガラリ開閉候補情報、Ｒ_Ｓ ラック設置候補情報、１０ サーバ室、１１ 情報収集部、１２ 候補作成部、１３ データ取得部、１４ 学習部、１５ 推論部、１６ 推論温度判定部、１７ 推論結果保管部、１８ 推奨結果提示部、１９ 空調機設定指示部、２１ 空調機設定温度情報記憶部、２２ ガラリ開閉情報記憶部、２３ ラック契約情報記憶部、２４ 温度センサ情報記憶部、２５ 空調機消費電力情報記憶部、２６ 空調機設定候補情報記憶部、２７ ガラリ開閉候補情報記憶部、３０ 過去データ記憶部、３１ 温度推論モデル、３２ 消費電力推論モデル、３３ 推論結果情報記憶部、４１ ガラリ開閉マスタ記憶部、４２ ラック契約マスタ記憶部、２１Ａ 空調機設定温度情報、２２Ａ ガラリ開閉情報、２３Ａ ラック契約情報、２４Ａ 温度センサ情報、２５Ａ 空調機消費電力情報、２６Ａ 空調機設定候補情報、２７Ａ ガラリ開閉候補情報、２８Ａ ラック設置候補情報、３３Ａ 推論結果情報、４１Ａ ガラリ開閉マスタ情報、４２Ａ ラック契約マスタ情報、１００ サーバ室冷却管理装置、１０１ サーバ室冷却管理プログラム、１１０ プロセッサ、１２０ 主記憶装置、１３０ 補助記憶装置、１４０ 入力ＩＦ、１５０ 出力ＩＦ、１６０ 通信ＩＦ、１７０ 信号線、２００ 空気調和機、３００ ラック、４００ 情報処理装置、５００ 温度センサ、６００ ネットワーク、８００ ガラリ、９００ 電源装置。

Claims (11)

1. 部屋の床に開閉の可能な状態で配置される複数の通風口の各通風口を識別する通風口識別子のそれぞれに対して、開と閉とのいずれかの状態が設定された通風口設定レコードの集合である通風口設定レコード群と、
   前記部屋に配置されて、前記床の下に冷気を送り込み、開状態の前記通風口を介して前記冷気を前記床の下から前記部屋の内部に送出させる複数の空気調和機の各空気調和機を識別する空気調和機識別子のそれぞれに対して、前記空気調和機の稼働条件が設定された稼働条件設定レコードの集合である稼働条件設定レコード群と、
   前記部屋に配置された複数の温度センサの各温度センサを識別するセンサ識別子のそれぞれに対して、前記温度センサの計測温度が設定された計測温度設定レコードと、
   前記空気調和機識別子のそれぞれに対して、前記空気調和機の消費電力が設定された消費電力設定レコードと、
   を含む入力情報を入力として取得するデータ取得部と、
   前記通風口設定レコード群の一つの通風口設定レコードと前記稼働条件設定レコード群の一つの稼働条件設定レコードから決まる複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件とのもとにおける前記複数の温度センサの各温度センサの温度であって、指定された時点から設定時間の経過後の各温度センサの温度である推論温度を前記組ごとに推論するための学習済みモデルである温度推論モデルを用いて、前記データ取得部で取得した前記入力情報から、前記組ごとの各温度センサの推論温度を出力する推論部と、
   を備える推論装置。
2. 前記データ取得部は、
   前記複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件とのもとにおける前記複数の空気調和機の各空気調和機の消費電力であって、設定時間の経過後の各空気調和機の消費電力である推論消費電力を前記組ごとに推論するための学習済みモデルである消費電力推論モデルへの入力として、
   一つの前記通風口設定レコードと一つの前記稼働条件設定レコードとの一組と、
   前記計測温度設定レコードと、
   前記消費電力設定レコードと、
   を一セットとして、複数のセットを取得し、
   前記推論部は、
   前記消費電力推論モデルを用いて、前記データ取得部の取得した複数のセットの各セットに対して、各空気調和機の推論消費電力を出力する請求項１に記載の推論装置。
3. 前記推論装置は、さらに、
   前記推論部が出力した前記推論温度のなかに、要求された温度範囲に属していない前記推論温度が存在するかどうかを判断し、判断結果と前記組とを対応付ける推論温度判定部を備える請求項１または請求項２に記載の推論装置。
4. 前記推論温度判定部は、
   要求された前記温度範囲をセンサ対応範囲情報として前記温度センサごとに保有しており、前記温度センサごとに保有する前記センサ対応範囲情報を用いて、前記推論部が出力した前記推論温度のなかに、要求された温度範囲に属していない前記推論温度が存在するかどうかを判断する請求項３に記載の推論装置。
5. 前記推論装置は、さらに、
   前記推論温度判定部が対応付けた前記判断結果と前記組との対応関係に基づいて、前記複数の組の中から推奨するべき組を抽出する推奨結果提示部を備える請求項３または請求項４に記載の推論装置。
6. 前記データ取得部の取得する入力情報は、さらに、
   前記部屋に配置されて情報処理装置が積載可能であり、前記情報処理装置が積載されている場合には前記情報処理装置に電力を供給する複数のラックのそれぞれを識別するラック識別子のそれぞれに対して、ラックが電力供給状態にあるかどうかを示す稼働状況と、前記稼働状況が電力供給状態である場合にはラックの消費電力と、ラックの設置場所とを含むラック契約情報を含む請求項１から請求項５のいずれか１項に記載の推論装置。
7. コンピュータに、
   部屋の床に開閉の可能な状態で配置される複数の通風口の各通風口を識別する通風口識別子のそれぞれに対して、開と閉とのいずれかの状態が設定された通風口設定レコードの集合である通風口設定レコード群と、
   前記部屋に配置されて、前記床の下に冷気を送り込み、開状態の前記通風口を介して前記冷気を前記床の下から前記部屋の内部に送出させる複数の空気調和機の各空気調和機を識別する空気調和機識別子のそれぞれに対して、前記空気調和機の稼働条件が設定された稼働条件設定レコードの集合である稼働条件設定レコード群と、
   前記部屋に配置された複数の温度センサの各温度センサを識別するセンサ識別子のそれぞれに対して、前記温度センサの計測温度が設定された計測温度設定レコードと、
   前記空気調和機識別子のそれぞれに対して、前記空気調和機の消費電力が設定された消費電力設定レコードと、
   を含む入力情報を入力として取得するデータ取得処理と、
   前記通風口設定レコード群の一つの通風口設定レコードと前記稼働条件設定レコード群の一つの稼働条件設定レコードから決まる複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件とのもとにおける前記複数の温度センサの各温度センサの温度であって、指定された時点から設定時間の経過後の各温度センサの温度である推論温度を前記組ごとに推論するための学習済みモデルである温度推論モデルを用いて、前記データ取得処理で取得した前記入力情報から、前記組ごとの各温度センサの推論温度を出力する推論処理と、
   を実行させる推論プログラム。
8. 前記データ取得部は、さらに
   前記部屋に配置されて情報処理装置が積載可能であり、前記情報処理装置が積載されている場合に前記情報処理装置に電力を供給する複数のラックのそれぞれを識別するラック識別子のそれぞれに対して、電力供給状態にあるかどうかを示す稼働状況が設定されたラック契約設定レコードの集合であるラック契約設定レコード群を含む入力情報を入力として取得し、
   前記推論部は、
   前記通風口設定レコード群の一つの通風口設定レコードと、前記稼働条件設定レコード群の一つの稼働条件設定レコードと、前記ラック契約設定レコード群の一つのラック契約設定レコードとから決まる複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件と前記複数のラックの稼働状況とのもとにおける前記複数の温度センサの各温度センサの温度であって、指定された時点から設定時間の経過後の各温度センサの温度である推論温度を前記組ごとに推論するための学習済みモデルである温度推論モデルを用いて、前記データ取得部で取得した前記入力情報から、前記組ごとの各温度センサの推論温度を出力する請求項１に記載の推論装置。
9. 前記データ取得部は、
   前記複数の組の各組によって定まる前記複数の通風口の開閉状態と前記複数の空気調和機の前記稼働条件と前記複数のラックの稼働状況とのもとにおける前記複数の空気調和機の各空気調和機の消費電力であって、設定時間の経過後の各空気調和機の消費電力である推論消費電力を前記組ごとに推論するための学習済みモデルである消費電力推論モデルへの入力として、一つの前記通風口設定レコードと一つの前記稼働条件設定レコードと一つの前記ラック契約設定レコードとの一組と、前記計測温度設定レコードと、前記消費電力設定レコードと、を一セットとして、複数のセットを取得し、
   前記推論部は、
   前記消費電力推論モデルを用いて、前記データ取得部の取得した複数のセットの各セットに対して、各空気調和機の推論消費電力を出力する請求項８に記載の推論装置。
10. 前記推論装置は、さらに、
    前記推論部が出力した前記推論温度のなかに、要求された温度範囲に属していない前記推論温度が存在するかどうかを判断し、判断結果と前記組とを対応付ける推論温度判定部を備える請求項８または請求項９に記載の推論装置。
11. 前記推論装置は、さらに、
    前記推論温度判定部が対応付けた前記判断結果と前記組との対応関係に基づいて、前記複数の組の中から推奨するべき組を抽出する推奨結果提示部を備える請求項１０に記載の推論装置。

Images