JP7101492B2 - 空調制御装置、空調制御システム、空調制御方法、及び、プログラム - Google Patents

Description

本発明は、空調制御装置、空調制御システム、空調制御方法、及び、プログラムに関する。

現在、運転データを学習データとする機械学習により生成された制御モデルを用いて、空調制御を実現する技術が知られている。ここで、高精度の制御モデルを生成するためには、膨大な量の運転データを学習データとして学習する必要があり、多大な計算資源が必要となる。一方、空調制御を実行する空調制御装置は、高性能のプロセッサと大容量のメモリとを備えておらず、十分な計算資源を備えていない場合がある。

そこで、現在、空調制御装置が十分な計算資源を備えていない場合においても、高精度の制御モデルを生成することが可能な技術が提案されている。例えば、特許文献１には、車両外に設置されたサーバが高精度の制御モデルを生成し、車載システムがこのサーバから受信した制御モデルを空調制御に使用する技術が記載されている。

特開２００８－１００６６５号公報

しかしながら、特許文献１に記載された技術のように、空調制御装置が制御モデルを生成しない構成では、例えば、サーバと空調制御装置との通信が途絶した場合、制御モデルを更新できないという不都合がある。このため、空調制御装置が限られた計算資源で空調制御のための高精度の制御モデルを生成する技術が望まれている。

本発明は、上記問題に鑑みてなされたものであり、限られた計算資源で空調制御のための高精度の制御モデルを生成する空調制御装置、空調制御システム、空調制御方法、及び、プログラムを提供することを目的とする。

上記目的を達成するために、本発明に係る空調制御装置は、
空調機から運転データを受信する空調通信手段と、
前記空調通信手段により受信された前記運転データを記憶して蓄積する運転データ記憶手段と、
前記空調通信手段により受信された前記運転データをサーバに送信し、前記運転データ記憶手段に蓄積された運転データ群から選定された学習データ群を示す情報である選定情報を、前記サーバから受信するサーバ通信手段と、
前記サーバ通信手段により前記選定情報が受信された場合、前記選定情報により示される前記学習データ群を用いた機械学習により、制御モデルを生成するモデル生成手段と、
前記制御モデルに基づく制御内容で、前記空調通信手段を介して前記空調機を制御する空調制御手段と、を備える。

本発明では、蓄積された運転データ群から選定された学習データ群を用いた機械学習により、制御モデルが生成される。つまり、本発明によれば、空調制御装置が限られた計算資源で空調制御のための高精度の制御モデルを生成することができる。

実施形態１に係る空調制御システムの構成図 実施形態１に係る空調制御システムの機能ブロック図 実施形態１に係る学習データ管理部の機能ブロック図 実施形態１に係る運転データ記憶部に記憶される運転データの構成を示す図 更新報知情報を提示する画面を示す図 実施形態１に係る空調制御装置が実行する空調制御処理を示すフローチャート 実施形態１に係るサーバが実行する学習データ選定処理を示すフローチャート 実施形態２に係る学習データ管理部の機能ブロック図 実施形態２に係る運転データ記憶部に記憶される運転データの構成を示す図 各種の報知情報を提示する画面を示す図 実施形態２に係る空調制御装置が実行する空調制御処理を示すフローチャート 実施形態２に係る空調制御装置が実行する表示処理を示すフローチャート

（実施形態１）
まず、図１を参照して、本発明の実施形態に係る空調制御システム１０００について説明する。空調制御システム１０００は、空調機３００から取得される運転データを学習データとして機械学習することにより制御モデルを生成し、生成した制御モデルを用いて空調機３００を制御するシステムである。本実施形態において、制御モデルを生成することは、制御モデルを新規に生成することのみならず、既存の制御モデルを更新することも含む。

図１に示すように、空調制御システム１０００は、空調制御装置１００と、サーバ２００と、を備える。空調制御装置１００と少なくとも１つの空調機３００とは、空調ネットワーク５００を介して相互に接続される。空調制御装置１００とサーバ２００とは、広域ネットワーク６００を介して相互に接続される。

本実施形態では、制御モデルとしてニューラルネットワークを用いる。このニューラルネットワークは、入力層と中間層と出力層とを含む。学習データには、学習対象のデータと学習対象以外のデータとが含まれる。入力層には、学習データに含まれる学習対象以外のデータが入力値として入力される。中間層のユニット数は、予め定められているものとする。出力層からは、学習データに含まれる学習対象のデータとしての出力値が出力される。例えば、以下に示す手順Ａ１から手順Ａ６に従って、複数の学習データを含む学習データセット（以下「学習データ群」という。）を用いて機械学習する。

手順Ａ１：学習データ群から１つの学習データを選択する。手順Ａ２：ニューラルネットワークに、選択された学習データに含まれる学習対象以外のデータを入力する。手順Ａ３：ニューラルネットワークの出力値を計算する。手順Ａ４：選択された学習データに含まれる学習対象のデータを教師信号として、誤差逆伝播法で学習する。手順Ａ５：学習データ群から全ての学習データが選択されるまで、手順Ａ１から手順Ａ４を繰り返す。手順Ａ６：手順Ａ３における出力値と学習データに含まれる学習対象のデータとの誤差の全学習データの平均値が予め定められた閾値以下になるか、手順Ａ５における繰り返し回数が予め定められた閾値に至るまで、手順Ａ５を繰り返す。

運転データには、制御対象のデータと、制御対象以外のデータとが含まれる。運転データに含まれる制御対象のデータは、学習データに含まれる学習対象のデータに対応する。運転データに含まれる制御対象以外のデータは、学習データに含まれる学習対象以外のデータに対応する。制御モデルを用いて制御対象のデータを求める場合、制御モデルを構成するニューラルネットワークに制御対象以外のデータを供給することで、制御対象のデータとしての出力値をニューラルネットワークから取得することができる。本実施形態では、制御対象のデータである学習対象のデータは、空調機３００の設定温度であり、制御対象以外のデータである学習対象以外のデータは、空調機３００の吸込温度と空調機３００の液管温度とを含む各種のデータであるものとする。

ここで、高精度の制御モデルを生成するためには、膨大な量の運転データを学習データとして学習する必要があり、多大な計算資源が必要となる。一方、空調制御装置１００に多大な計算資源を持たせるために、空調制御装置１００に高性能のプロセッサと大容量のメモリとを設けることは望ましくない場合がある。そこで、本実施形態では、空調制御装置１００は、膨大な量の運転データの全てを学習データとして学習するのではなく、膨大な量の運転データから選択された比較的少数の運転データを学習データとして学習する。

本実施形態では、この膨大な量の運転データは、直近の予め定められた期間に空調機３００から取得された運転データである。この直近の予め定められた期間は、例えば、直近の１ヶ月間である。この膨大な量の運転データの個数は、例えば、数百個から数万個である。一方、学習データとして選択される運転データの個数は、例えば、数十個から数百個である。

学習データとして選択される運転データは、高精度の制御モデルを生成することができるように、膨大な量の運転データのうちの代表的な運転データであることが望ましい。一方、最適な運転データを選択する処理には、多大な計算資源が必要となる。そこで、本実施形態では、高性能のプロセッサと大容量のメモリとが設けられたサーバ２００が、最適な運転データを選択する処理を実行する。

空調制御装置１００は、膨大な量の運転データから選択された比較的少数の運転データを学習データとして制御モデルを生成し、この制御モデルを用いて空調機３００を制御する。空調制御装置１００は、例えば、プロセッサ１１と、フラッシュメモリ１２と、ユーザインターフェース１３と、第１通信インターフェース１４と、第２通信インターフェース１５と、を備える。

プロセッサ１１は、空調制御装置１００の全体の動作を制御する。プロセッサ１１は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＲＴＣ（Real Time Clock）などを内蔵したＣＰＵ（Central Processing Unit）である。なお、ＣＰＵは、例えば、ＲＯＭに格納されている基本プログラムに従って動作し、ＲＡＭをワークエリアとして使用する。フラッシュメモリ１２は、各種の情報を記憶する不揮発性メモリである。フラッシュメモリ１２は、例えば、プロセッサ１１が実行するアプリケーションプログラムと、空調機３００から取得された運転データと、を記憶する。

ユーザインターフェース１３は、空調制御装置１００のユーザインターフェースである。つまり、ユーザインターフェース１３は、ユーザによりなされた操作を検知し、検知の結果を示す信号をプロセッサ１１に供給する。また、ユーザインターフェース１３は、プロセッサ１１による制御に従って、ユーザに情報を提示する。ユーザインターフェース１３は、例えば、タッチスクリーンである。第１通信インターフェース１４は、空調制御装置１００を空調ネットワーク５００に接続するためのインターフェースである。第２通信インターフェース１５は、空調制御装置１００を広域ネットワーク６００に接続するためのインターフェースである。第２通信インターフェース１５は、例えば、ＮＩＣ（Network Interface Card）などのＬＡＮ（Local Area Network）インターフェースを備える。

サーバ２００は、膨大な量の運転データから、比較的少数の運転データを学習データとして選択するサーバである。サーバ２００は、例えば、制御モデルの生成及び評価により、学習データを選択する。サーバ２００は、例えば、プロセッサ２１と、ハードディスク２２と、通信インターフェース２３と、を備える。

プロセッサ２１は、サーバ２００の全体の動作を制御する。プロセッサ２１は、例えば、ＲＯＭ、ＲＡＭ、ＲＴＣなどを内蔵したＣＰＵである。ハードディスク２２は、各種の情報を記憶する不揮発性の記憶装置である。ハードディスク２２は、例えば、プロセッサ２１が実行するアプリケーションプログラムと、膨大な量の運転データと、を記憶する。通信インターフェース２３は、サーバ２００を広域ネットワーク６００に接続するためのインターフェースである。通信インターフェース２３は、例えば、ＮＩＣなどのＬＡＮインターフェースを備える。

空調機３００は、空調制御装置１００による制御に従って、予め定められた空間の空調を実行する。空調制御装置１００により制御される空調機３００の個数は、何個でもよい。本実施形態では、１つの空調機３００に注目して説明する。空調機３００は、例えば、室外機、又は、室内機である。空調機３００は、例えば、プロセッサ３１と、機器負荷３２と、通信インターフェース３３と、ユーザインターフェース３４とを備える。

プロセッサ３１は、空調機３００の全体の動作を制御する。プロセッサ３１は、例えば、ＲＯＭ、ＲＡＭ、ＲＴＣなどを内蔵したＣＰＵである。機器負荷３２は、空調機３００に設けられた負荷である。機器負荷３２は、例えば、冷媒回路、ルーバー、ファンである。通信インターフェース３３は、空調機３００を空調ネットワーク５００に接続するためのインターフェースである。ユーザインターフェース３４は、空調機３００のユーザインターフェースである。つまり、ユーザインターフェース３４は、ユーザによりなされた操作を検知したり、ユーザに情報を提示したりする。ユーザインターフェース３４は、例えば、タッチスクリーン、又は、リモートコントローラである。

空調ネットワーク５００は、空調制御装置１００と少なくとも１つの空調機３００とを相互に接続するネットワークである。空調ネットワーク５００は、例えば、一対の通信線を含むケーブルを備える。広域ネットワーク６００は、空調制御装置１００とサーバ２００とを接続するためのネットワークである。広域ネットワーク６００は、例えば、インターネットである。

次に、図２を参照して、空調制御システム１０００の機能について説明する。図２に示すように、空調制御装置１００は、機能的には、空調通信部１１０と、運転データ転送部１２０と、サーバ通信部１３０と、学習データ管理部１４０と、モデル生成部１５０と、空調制御部１６０と、表示部１７０と、を備える。空調通信手段は、例えば、空調通信部１１０に対応する。サーバ通信手段は、例えば、サーバ通信部１３０に対応する。モデル生成手段は、例えば、モデル生成部１５０に対応する。空調制御手段は、例えば、空調制御部１６０に対応する。更新表示手段は、例えば、表示部１７０に対応する。

空調通信部１１０は、空調ネットワーク５００を介して空調機３００と通信する。空調通信部１１０は、空調機３００から運転データを受信する。また、空調通信部１１０は、空調制御部１６０から供給された制御信号を空調機３００に送信する。空調通信部１１０の機能は、例えば、第１通信インターフェース１４の機能により実現される。運転データ転送部１２０は、空調通信部１１０を介して空調機３００から収集した運転データを、サーバ通信部１３０を介してサーバ２００に転送する。運転データ転送部１２０の機能は、例えば、プロセッサ１１の機能により実現される。

サーバ通信部１３０は、広域ネットワーク６００を介してサーバ２００と通信する。サーバ通信部１３０は、空調通信部１１０により受信された運転データをサーバ２００に送信する。また、サーバ通信部１３０は、選定情報をサーバ２００から受信する。選定情報は、運転データ記憶部１４２に蓄積された運転データ群から選定された学習データ群を示す情報である。サーバ通信部１３０の機能は、例えば、第２通信インターフェース１５の機能により実現される。

学習データ管理部１４０は、運転データ転送部１２０が収集した運転データを蓄積し、サーバ通信部１３０を介して得られる選定情報に基づいて運転データを管理する。学習データ管理部１４０の機能は、例えば、プロセッサ１１とフラッシュメモリ１２とが協働することにより実現される。

次に、図３を参照して、学習データ管理部１４０の機能について詳細に説明する。学習データ管理部１４０は、運転データ追加部１４１と、運転データ記憶部１４２と、識別子付与部１４３と、学習データ出力部１４４と、を備える。運転データ追加手段は、例えば、運転データ追加部１４１に対応する。運転データ記憶手段は、例えば、運転データ記憶部１４２に対応する。識別子付与手段は、例えば、識別子付与部１４３に対応する。

運転データ追加部１４１は、運転データ転送部１２０から新たに収集した運転データを受け取り、新規データとして運転データ記憶部１４２に記憶させる。なお、新規データは、学習データの候補である。運転データ追加部１４１の機能は、例えば、プロセッサ１１の機能により実現される。運転データ記憶部１４２は、学習データの候補である運転データを記憶する。つまり、運転データ記憶部１４２は、空調通信部１１０により受信された運転データを記憶して蓄積する。運転データ記憶部１４２に新規データとして記憶された運転データは、識別子付与部１４３による識別子の付与により、学習データ、予備データ、又は、無効データとして扱われる。

学習データは、制御モデルの生成に用いられる運転データである。予備データは、直ちには制御モデルの生成に用いられないが、将来的に制御モデルの生成に用いられる可能性がある運転データである。無効データは、制御モデルの生成に用いられないデータである。無効データは、新規データに書き換えられる運転データであり、もはや運転データ記憶部１４２に記憶されていない運転データとも言える。運転データ記憶部１４２の機能は、例えば、フラッシュメモリ１２の機能により実現される。

識別子付与部１４３は、サーバ通信部１３０を介してサーバ２００から受信した選定情報に基づいて、運転データ記憶部１４２に記憶されている運転データ群の選定状態を更新する。つまり、識別子付与部１４３は、サーバ通信部１３０により選定情報が受信された場合、運転データ記憶部１４２に記憶された運転データ群に含まれる運転データのそれぞれに、選定情報により示される識別子を付与する。選定情報は、例えば、運転データ記憶部１４２に記憶された運転データ群に含まれる運転データのそれぞれに付与される、第１の識別子と第２の識別子と第３の識別子とのうちのいずれかの識別子を示す情報である。識別子付与部１４３の機能は、例えば、プロセッサ１１の機能により実現される。

第１の識別子は、例えば、運転データが学習データとして有効であることを示す識別子である。第１の識別子が付与された運転データは、選定状態が有効に設定され、学習データとして扱われる。つまり、学習データ群は、運転データ記憶部１４２に記憶された運転データ群に含まれる運転データのうち第１の識別子が付与された運転データを含む。第２の識別子は、例えば、運転データが学習データとして無効であることを示す識別子である。第２の識別子が付与された運転データは、選定状態が無効に設定され、無効データとして扱われる。

つまり、運転データ追加部１４１は、空調通信部１１０により運転データが受信された場合、空調通信部１１０により受信された運転データを、運転データ記憶部１４２に記憶された運転データ群に含まれる運転データのうち第２の識別子が付与された運転データに代えて、運転データ記憶部１４２に記憶させる。第３の識別子は、例えば、運転データが学習データの予備であることを示す識別子である。第３の識別子が付与された運転データは、選定状態が予備に設定され、予備データとして扱われる。

図４を参照して、運転データ記憶部１４２に記憶される運転データ群について説明する。運転データ記憶部１４２は、１つの運転データを１つのレコードとして、運転データ群を記憶する。運転データを構成する１つのレコードは、データＩＤと、選定状態と、複数のデータ列と、を備える。データ列には、少なくともデータ１とデータ２とが含まれる。運転データ記憶部１４２に記憶可能なレコードの個数の上限値は、予め定められているものとする。この上限値は、例えば、数十個から数百個である。

データＩＤは、運転データを識別するためのＩＤである。例えば、空調制御装置１００は、サーバ２００に運転データを送信するときに、運転データにデータＩＤを付与する。なお、選定情報は、例えば、運転データ記憶部１４２に記憶された運転データ群のそれぞれについて、データＩＤと上記識別子とを示す情報である。選定状態は、運転データの学習データとしての選定状態である。選定状態は、例えば、有効、無効、予備、新規、無しのいずれかである。運転データ記憶部１４２に記憶された運転データ群の個数が上記上限値に満たない場合、空きレコードに対応する運転データ、つまり、未だに記憶されていない運転データの選定状態として、無しが設定される。ただし、未だに記憶されていない運転データと無効データとを同様に扱う場合、無効と無しとを統合することができる。

データ１は、吸込温度であり、制御対象以外のデータである。データ２は、設定温度であり、制御対象のデータである。つまり、本実施形態では、制御モデルは、少なくとも吸込温度を含むデータから、設定温度を求める。

学習データ出力部１４４は、運転データ記憶部１４２に記憶された運転データ群のそれぞれの選定状態に基づいて、制御モデルの生成に用いる学習データ群を選定する。具体的には、学習データ出力部１４４は、運転データ記憶部１４２に記憶された運転データ群に含まれる運転データのうち第１の識別子が付与された運転データを学習データとして選定する。そして、学習データ出力部１４４は、選定した学習データ群を、モデル生成部１５０に供給する。学習データ出力部１４４の機能は、例えば、プロセッサ１１の機能により実現される。

モデル生成部１５０は、サーバ通信部１３０により選定情報が受信された場合、学習データ管理部１４０から学習データ群を受け取る。モデル生成部１５０は、受け取った学習データ群を用いた機械学習により、制御モデルを生成する。モデル生成部１５０の機能は、例えば、プロセッサ１１とフラッシュメモリ１２とが協働することにより実現される。

空調制御部１６０は、モデル生成部１５０により生成された制御モデルに基づく制御内容で、空調通信部１１０を介して空調機３００を制御する。空調制御部１６０は、最新の運転データに含まれる制御対象以外のデータを制御モデルに供給し、制御モデルから制御対象のデータに対応する出力値を取得する。空調制御部１６０は、この出力値に対応する制御信号を、空調通信部１１０を介して空調機３００に送信する。空調制御部１６０の機能は、例えば、プロセッサ１１の機能により実現される。

表示部１７０は、空調制御装置１００の状態と空調機３００の状態とを表示する。表示部１７０は、例えば、モデル生成部１５０により制御モデルが生成された場合、制御モデルが更新されたことを報知する情報である更新報知情報を表示する。表示部１７０の機能は、例えば、プロセッサ１１とユーザインターフェース１３とが協働することにより実現される。

図５に、表示部１７０により表示される画面４００を示す。画面４００には、枠４１０により指定される第１領域と、枠４２０により指定される第２領域とが含まれる。第１領域には、例えば、空調機３００の運転状態を示す画像が表示される。運転状態は、例えば、運転モードである。第２領域には、例えば、学習データとして新たな運転データが有効となり、制御モデルが更新されたことを報知する画像が表示される。第２領域に表示される画像は、上述した更新報知情報に対応する。

サーバ２００は、機能的には、通信部２１０と、運転データ蓄積部２２０と、学習データ選定部２３０と、を備える。通信手段は、例えば、通信部２１０に対応する。運転データ蓄積手段は、例えば、運転データ蓄積部２２０に対応する。学習データ選定手段は、例えば、学習データ選定部２３０に対応する。

通信部２１０は、広域ネットワーク６００を介して、空調制御装置１００と通信する。通信部２１０は、サーバ通信部１３０により送信された運転データを受信する。また、通信部２１０は、学習データ選定部２３０により選定された学習データ群を示す情報である選定情報を、空調制御装置１００に送信する。通信部２１０の機能は、例えば、プロセッサ２１と通信インターフェース２３とが協働することにより実現される。

運転データ蓄積部２２０は、通信部２１０により受信された運転データを記憶して蓄積する。運転データ蓄積部２２０に記憶される運転データ群は、運転データ記憶部１４２に記憶される運転データ群を含み、運転データ記憶部１４２に記憶される運転データ群よりも多い。運転データ蓄積部２２０に記憶される運転データ群に含まれる運転データは、選定状態を含む。運転データ蓄積部２２０の機能は、例えば、ハードディスク２２の機能により実現される。

学習データ選定部２３０は、通信部２１０により運転データが受信された場合、運転データ蓄積部２２０に蓄積された運転データ群に基づいて、運転データ記憶部１４２に蓄積された運転データ群から、学習データ群を選定する。学習データ選定部２３０は、選定結果に応じて、運転データに含まれる選定状態を更新する。学習データ選定部２３０の機能は、例えば、プロセッサ２１とハードディスク２２とが協働することにより実現される。

ここで、上述の通り、通信部２１０は、学習データ選定部２３０により選定された学習データ群を示す情報である選定情報を、空調制御装置１００に送信する。この選定情報は、第１の識別子が付与されている運転データに付与される識別子として、第１の識別子と第３の識別子とのうちのいずれかの識別子を示す。また、この選定情報は、第３の識別子が付与されている運転データに付与される識別子として、第１の識別子と第２の識別子とのうちのいずれかの識別子を示す情報である。つまり、直近に学習データとして選定されていた運転データは、学習データとして選択されなかった場合、直ちには無効データには設定されず、予備データに設定される。一方、直近に学習データとして選定されていなかった運転データは、学習データとして選択されなかった場合、予備データには設定されず、直ちに無効データに設定される。

なお、新規データは、学習データとして選定されていた運転データとして扱われてもよいし、学習データとして選定されていなかった運転データとして扱われてもよい。つまり、新規データは、学習データとして選択されない場合、第３の識別子が付与されて予備データとして扱われてもよいし、第２の識別子が付与されて無効データとして扱われてもよい。また、選定情報は、運転データ記憶部１４２に記憶された全ての運転データについて選定状態を示す情報であってもよいし、運転データ記憶部１４２に記憶された運転データのうち選定状態が変更される運転データについて選定状態を示す情報であってもよい。選定情報は、例えば、データＩＤと選定状態との組み合わせを１つ以上含む情報である。

空調機３００は、機能的には、通信部３１０と、機器制御部３２０と、被制御部３３０と、操作受付部３４０と、を備える。通信部３１０は、空調ネットワーク５００を介して、空調制御装置１００と通信する。例えば、通信部３１０は、運転データを空調制御装置１００に送信する。また、通信部３１０は、制御信号を空調制御装置１００から受信する。通信部３１０の機能は、例えば、プロセッサ３１と通信インターフェース３３とが協働することにより実現される。

機器制御部３２０は、通信部３１０から受信した制御信号に従って、被制御部３３０を制御する。機器制御部３２０の機能は、例えば、プロセッサ３１の機能により実現される。被制御部３３０は、機器制御部３２０から供給された制御信号に従って動作する。被制御部３３０の機能は、例えば、機器負荷３２の機能により実現される。操作受付部３４０は、ユーザから空調機に対する操作を受け付ける。操作受付部３４０の機能は、例えば、ユーザインターフェース３４の機能により実現される。

次に、図６に示すフローチャートを参照して、空調制御装置１００が実行する空調制御処理について説明する。空調制御処理は、空調制御装置１００の電源が投入されると開始される。なお、空調制御装置１００が学習する制御モデルは、空調機３００の運転データを入力して、設定温度を自動で制御するための制御モデルである。また、空調機３００に対してユーザが手動操作することにより設定温度が変更されたときの運転データが、学習データの候補にされるものとする。

まず、空調通信部１１０は、空調機３００から運転データを収集する（ステップＳ１０１）。具体的には、空調通信部１１０は、データ要求コマンドを空調機３００に送信し、空調機３００から応答コマンドを受信する。そして、空調通信部１１０は、応答コマンドに含まれる運転データを取得する。空調通信部１１０がステップＳ１０１の処理を完了すると、学習データ管理部１４０は、ユーザ操作があったか否かを判別する（ステップＳ１０２）。つまり、学習データ管理部１４０は、直前にステップＳ１１１において制御したときの設定温度と、収集された運転データに含まれる設定温度とが一致するか否かを判別する。これらの設定温度が一致しない場合、ユーザ操作、つまり、ユーザによる手動操作があったと判別する。

学習データ管理部１４０は、ユーザ操作があったと判別すると（ステップＳ１０２：ＹＥＳ）、運転データを新規データとして記憶する（ステップＳ１０３）。つまり、運転データ追加部１４１は、運転データ記憶部１４２に記憶された運転データのうち、選定状態が無効又は無しに設定された運転データに代えて、新たに取得された運転データを記憶させる。この運転データには、選定状態として、新規が付与される。

学習データ管理部１４０がステップＳ１０３の処理を完了すると、運転データ転送部１２０は、新規データとして記憶された運転データにデータＩＤを付与し、サーバ２００に送信する（ステップＳ１０４）。運転データ転送部１２０がステップＳ１０４の処理を完了した後、サーバ通信部１３０は、選定情報をサーバ２００から受信する（ステップＳ１０５）。サーバ通信部１３０がステップＳ１０５の処理を完了すると、学習データ管理部１４０は、選定情報に基づいて、運転データに付与された識別子を更新する（ステップＳ１０６）。

学習データ管理部１４０がステップＳ１０６の処理を完了すると、モデル生成部１５０は、制御モデルを生成する（ステップＳ１０７）。つまり、モデル生成部１５０は、学習データ出力部１４４が、選定状態が有効である運転データを集めて出力した学習データ群を用いて制御モデルの学習を実行する。具体的には、モデル生成部１５０は、上記手順Ａ１から手順Ａ６に従って、制御モデルを生成又は更新する。

モデル生成部１５０がステップＳ１０７の処理を完了した場合、表示部１７０は、更新報知情報を表示する（ステップＳ１０８）。例えば、表示部１７０は、図５に示すように、制御モデルが更新された旨を報知する画面４００を表示する。ユーザ操作がないと判別された場合（ステップＳ１０２：ＮＯ）、又は、表示部１７０がステップＳ１０８の処理を完了した場合、空調制御部１６０は、ユーザ操作からの経過時間が閾値以上であるか否かを判別する（ステップＳ１０９）。例えば、空調制御部１６０は、ユーザ操作からの経過時間が３０分以上であるか否かを判別する。

空調制御部１６０は、ユーザ操作からの経過時間が閾値以上でないと判別すると（ステップＳ１０９：ＮＯ）、ステップＳ１０１に処理を戻す。つまり、空調制御部１６０は、この場合、ユーザの意思を尊重して、ユーザ操作に基づく制御状態を維持する。一方、空調制御部１６０は、ユーザ操作からの経過時間が閾値以上であると判別すると（ステップＳ１０９：ＹＥＳ）、制御モデルから制御内容を算出する（ステップＳ１１０）。空調制御部１６０は、例えば、以下に示す手順Ｂ１から手順Ｂ２までの手順により制御内容である制御値を決定する。

手順Ｂ１：ニューラルネットワークに、最新の運転データに含まれる制御対象以外のデータを入力する。制御対象以外のデータは、設定温度以外のデータである。手順Ｂ２：ニューラルネットワークの出力を計算し、出力値を制御値とする。この制御値が、設定温度として設定されて、制御内容が決定される。

空調制御部１６０は、ステップＳ１１０の処理を完了すると、算出した制御内容で空調機を制御する（ステップＳ１１１）。つまり、空調制御部１６０は、算出された制御値での制御を示す制御信号を、空調機３００に送信する。なお、取得された最新の運転データに含まれる制御対象のデータの制御値と、算出された制御値とが同じである場合、制御信号が送信されなくてもよい。空調制御部１６０は、ステップＳ１１１の処理を完了すると、ステップＳ１０１に処理を戻す。

次に、図７を参照して、サーバ２００が実行する学習データ選定処理を説明する。学習データ選定処理は、サーバ２００の電源が投入されると実行が開始される。

まず、通信部２１０は、空調制御装置１００から運転データを受信したか否かを判別する（ステップＳ２０１）。通信部２１０は、空調制御装置１００から運転データを受信していないと判別すると（ステップＳ２０１：ＮＯ）、ステップＳ２０１に処理を戻す。一方、通信部２１０は、空調制御装置１００から運転データを受信したと判別すると（ステップＳ２０１：ＹＥＳ）、運転データ蓄積部２２０に運転データを蓄積する（ステップＳ２０２）。

通信部２１０がステップＳ２０２の処理を完了すると、学習データ選定部２３０は、以下に示すステップＳ２０３からステップＳ２０８の処理により、運転データ蓄積部２２０に蓄積された運転データ群に基づいて、空調制御装置１００が学習データ群として保持すべき運転データ群を選定する。

まず、学習データ選定部２３０は、学習データ群の候補となる組み合わせを特定する（ステップＳ２０３）。例えば、運転データ記憶部１４２に記憶された運転データ群のうち、選定状態が、有効、予備、又は、新規となっている運転データ群から抽出可能な、学習データ群の候補を全て特定する。学習データ群の候補は、運転データ記憶部１４２に記憶可能な運転データの個数の上限値以下の任意の個数の運転データの組み合わせである。例えば、運転データ記憶部１４２に記憶可能な運転データの個数の上限値が１００個であり、選定状態が、有効、予備、又は、新規となっている運転データの個数が８０個の場合、この８０個の運転データ群から抽出可能な全ての組み合わせが、学習データ群の候補として特定される。学習データ群の候補は、１個から８０個の運転データの組み合わせとなる。

学習データ選定部２３０は、ステップＳ２０３の処理を完了すると、特定された全ての組み合わせから組み合わせを１つ選択する（ステップＳ２０４）。学習データ選定部２３０は、ステップＳ２０４の処理を完了すると、制御モデルを生成する（ステップＳ２０５）。ステップＳ２０４では、学習データ選定部２３０は、ステップＳ１０７においてモデル生成部１５０が実行した手法と同様の手法により、制御モデルを生成する。

学習データ選定部２３０は、ステップＳ２０５の処理を完了すると、生成した制御モデルの評価値を算出する（ステップＳ２０６）。例えば、学習データ選定部２３０は、運転データ蓄積部２２０に蓄積された全ての運転データを用いて、生成した制御モデルの評価値を算出する。具体的には、以下に示す手順Ｃ１から手順Ｃ５に従って、生成された評価値を算出する。

手順Ｃ１：運転データ蓄積部２２０に蓄積された運転データ群から１つの運転データを選択する。手順Ｃ２：選択された運転データに含まれる制御対象以外のデータを、ニューラルネットワークに入力する。手順Ｃ３：ニューラルネットワークの出力値を算出する。手順Ｃ４：選択された運転データに含まれる制御対象のデータである制御値と、出力値との誤差を算出する。手順Ｃ５：運転データ蓄積部２２０に蓄積された運転データの全てが選択されるまで、手順Ｃ１から手順Ｃ４を実行し、誤差の平均値を評価値とする。この評価値が小さい程、良い制御モデルであり、高精度な制御モデルである。

学習データ選定部２３０は、ステップＳ２０６の処理を完了すると、全ての組み合わせを選択済みであるか否かを判別する（ステップＳ２０７）。学習データ選定部２３０は、全ての組み合わせを選択済みでないと判別すると（ステップＳ２０７：ＮＯ）、ステップＳ２０４に処理を戻す。一方、学習データ選定部２３０は、全ての組み合わせを選択済みであると判別すると（ステップＳ２０７：ＹＥＳ）、評価値が最小の組み合わせを特定する（ステップＳ２０８）。

学習データ選定部２３０は、ステップＳ２０８の処理を完了すると、特定した組み合わせに基づく選定情報を空調制御装置１００に送信する（ステップＳ２０９）。例えば、学習データ選定部２３０は、既存の選定状態と異なる選定状態に設定される運転データについて、データＩＤと変更後の選定状態に対応する識別子とを示す選定情報を生成し、送信する。

例えば、学習データ群に含まれる運転データのうち、既存の選定状態が有効以外である運転データのデータＩＤは、有効を付与するための第１の識別子と対応付けられる。また、学習データ群に含まれない運転データのうち、既存の選定状態が有効である運転データのデータＩＤは、予備を付与するための第３の識別子と対応付けられる。また、学習データ群に含まれない運転データのうち、既存の選定状態が予備である運転データのデータＩＤは、無効を付与するための第２の識別子と対応付けられる。学習データ選定部２３０は、ステップＳ２０９の処理を完了すると、ステップＳ２０１に処理を戻す。

以上説明したように、本実施形態では、空調制御装置１００は、計算資源が豊富なサーバ２００により選定された学習データ群を用いて、制御モデルを生成する。このため、空調制御装置１００に豊富な計算資源を設けずに、空調制御装置１００が高精度の制御モデルを生成することが可能となる。特に、制御対象が空調機３００である場合、運転データの量が多い。このため、例えば、制御対象が照明装置である場合に比べ、学習データを絞る必要性が高く、得られる効果も大きい。

また、本実施形態では、制御モデルが更新された場合、更新報知情報が表示される。このため、ユーザは、制御の変化点に気づくことができ、動作確認を速やかに実行することができる。特に、運転データの蓄積が進み、制御内容が安定しているときに、例えば、建物内の人員配置変更のように運転データの特性に影響する事象を的確に捉えることにより、制御が切り替わっていること、並びに、制御内容が適切であることを確認することができる。

また、本実施形態では、直ちに学習に用いないが将来的に学習に用いられる可能性が高い運転データが、予備データとして保持される。このため、将来的に利用できそうな運転データを有効に学習に利用することができる。一方、将来的にも学習に用いられる可能性が低い運転データが、無効データに設定される。このため、無駄な運転データの記憶が抑制されて、メモリ使用量を減らすことが可能となる。

（実施形態２）
実施形態２では、空調制御装置１００とサーバ２００との通信が何らかの原因により途絶した場合においても適切な空調制御を維持することが可能な空調制御システム１０００について説明する。図３と図８との比較から分かるように、実施形態２に係る空調制御システム１０００と実施形態２に係る空調制御システム１０００とでは、主に、学習データ管理部１４０の処理と表示部１７０の処理とが異なる。ここで、蓄積状況表示手段と復旧状況表示手段とは、例えば、表示部１７０に対応する。

まず、運転データ記憶部１４２には、新規データと予備データと学習データとに加え、退避データが記憶される。この退避データは、空調制御装置１００とサーバ２００との通信が途絶されている間に、空調通信部１１０により受信され、運転データ記憶部１４２に記憶される運転データである。つまり、運転データ追加部１４１は、空調制御装置１００とサーバ２００との通信途絶中に取得された運転データを、退避データとして記憶する。そして、図９に示すように、退避データに設定される運転データには、選定状態として、通信途絶中に退避されたことを示す識別子が付与される。

また、図１０に示すように、表示部１７０により表示される画面４００には、枠４１０により指定される第１領域と枠４２０により指定される第２領域とに加え、枠４３０により指定される第３領域とが含まれる。第３領域には、例えば、通信正常報知情報、蓄積状況報知情報、復旧状況報知情報のいずれかが表示される。

通信正常報知情報は、空調制御装置１００とサーバ２００との通信が正常であることを報知する情報である。蓄積状況報知情報は、空調制御装置１００とサーバ２００との通信が途絶している間に、退避データがどの程度蓄積されているのかを報知する情報である。復旧状況報知情報は、空調制御装置１００とサーバ２００との通信の途絶が解消した場合に、どの程度、制御モデルの更新に関する復旧処理が進んでいるのか報知する情報である。通信正常報知情報は、例えば、枠４３１により指定される領域に表示された情報である。蓄積状況報知情報は、例えば、枠４３２により指定される領域に表示された情報である。復旧状況報知情報は、例えば、枠４３３により指定される領域に表示された情報である。

識別子付与部１４３は、サーバ通信部１３０とサーバ２００との通信が途絶している間に空調通信部１１０により受信された運転データに、第４の識別子を付与する。第４の識別子は、例えば、退避データであることを示す識別子である。モデル生成部１５０は、サーバ通信部１３０とサーバ２００との通信が途絶している間に空調通信部１１０により運転データが受信された場合、運転データ群に含まれる運転データのうち、第１の識別子が付与された運転データと第４の識別子が付与された運転データとを含む学習データ群を用いた機械学習により、制御モデルを生成する。つまり、モデル生成部１５０は、通信途絶中は、有効データのみならず退避データも含めて制御モデルを生成する。

表示部１７０は、サーバ通信部１３０とサーバ２００との通信が途絶している間、蓄積状況を報知する情報である蓄積状況報知情報を表示する。この蓄積状況は、運転データ記憶部１４２に蓄積可能な第４の識別子が付与された運転データの個数の上限値と、運転データ記憶部１４２に蓄積された第４の識別子が付与された運転データの個数と、に基づく蓄積状況である。例えば、蓄積可能な退避データの個数の上限値に対する、蓄積された退避データの個数の割合や、蓄積された退避データの個数が上記上限値に達するまでの予測時間により、蓄積状況が報知される。

また、サーバ通信部１３０とサーバ２００との通信が復旧した場合、第１の処理と、第２の処理と、第３の処理とを、第４の識別子が付与された運転データがなくなるまで繰り返して実行される。第１の処理は、サーバ通信部１３０が、運転データ群のうち第４の識別子が付与された運転データをサーバ２００に送信して選定情報をサーバ２００から受信する処理である。第２の処理は、識別子付与部１４３が、運転データ群に含まれる運転データのそれぞれに選定情報により示される識別子を付与する処理である。第３の処理は、モデル生成部１５０が、選定情報により示される学習データ群を用いた機械学習により制御モデルを生成する処理である。

また、表示部１７０は、サーバ通信部１３０とサーバ２００との通信が復旧してから第４の識別子が付与された運転データがなくなるまでの間、復旧状況を報知する情報である復旧状況報知情報を表示する。復旧状況は、例えば、サーバ通信部１３０とサーバ２００との通信が途絶している間に第４の識別子が付与された運転データの個数と、現時点において第４の識別子が付与されている運転データの個数と、に基づく復旧状況である。例えば、退避データとして設定された運転データのうち、退避データ以外の運転データとして設定された運転データの割合や、退避データとして設定された運転データの全てが退避データ以外の運転データとして設定されるまでの予測時間が、復旧状況として報知される。

表示データ出力部１４５は、表示部１７０が表示する情報を表示部１７０に供給する。例えば、表示データ出力部１４５は、通信正常報知情報を表示すべきと判別した場合、通信正常報知情報を表示部１７０に供給する。また、表示データ出力部１４５は、蓄積状況報知情報を表示すべきと判別した場合、蓄積状況報知情報を表示部１７０に供給する。また、表示データ出力部１４５は、復旧状況報知情報を表示すべきと判別した場合、復旧状況報知情報を表示部１７０に供給する。

次に、図１１に示すフローチャートを参照して、空調制御装置１００が実行する空調制御処理について説明する。空調制御処理は、空調制御装置１００の電源が投入されると開始される。

まず、空調通信部１１０は、空調機３００から運転データを収集する（ステップＳ３０１）。空調通信部１１０がステップＳ３０１の処理を完了すると、学習データ管理部１４０は、ユーザ操作があったか否かを判別する（ステップＳ３０２）。学習データ管理部１４０は、ユーザ操作があったと判別すると（ステップＳ３０２：ＹＥＳ）、サーバ２００と通信可能であるか否か判別する（ステップＳ３０３）。学習データ管理部１４０は、サーバ２００と通信可能でないと判別すると（ステップＳ３０３：ＮＯ）、運転データを退避データとして記憶する（ステップＳ３０４）。学習データ管理部１４０がステップＳ３０４の処理を完了すると、モデル生成部１５０は、退避データ込みで制御モデルを生成する（ステップＳ３０５）。つまり、モデル生成部１５０は、有効データと退避データとを含む運転データ群を学習データ群として、制御モデルを生成する。

一方、学習データ管理部１４０は、サーバ２００と通信可能であると判別すると（ステップＳ３０３：ＹＥＳ）、運転データを新規データとして記憶する（ステップＳ３０６）。学習データ管理部１４０がステップＳ３０６の処理を完了すると、運転データ転送部１２０は、退避データ又は新規データとして記憶された運転データにデータＩＤを付与し、サーバ２００に送信する（ステップＳ３０７）。なお、退避データ又は新規データである運転データが複数記憶されている場合、例えば、最も早く記憶された運転データが送信される。運転データ転送部１２０がステップＳ３０７の処理を完了した後、サーバ通信部１３０は、選定情報をサーバ２００から受信する（ステップＳ３０８）。サーバ通信部１３０がステップＳ３０８の処理を完了すると、学習データ管理部１４０は、選定情報に基づいて、運転データに付与された識別子を更新する（ステップＳ３０９）。

学習データ管理部１４０は、ステップＳ３０９の処理を完了すると、退避データ又は新規データがあるか否かを判別する（ステップＳ３１０）。学習データ管理部１４０は、退避データ又は新規データがあると判別すると（ステップＳ３１０：ＹＥＳ）、ステップＳ３０７に処理を戻す。一方、学習データ管理部１４０が退避データ又は新規データがないと判別すると（ステップＳ３１０：ＮＯ）、モデル生成部１５０は、制御モデルを生成する（ステップＳ３１１）。

モデル生成部１５０がステップＳ３１１の処理を完了した場合、空調制御部１６０は、ユーザ操作からの経過時間が閾値以上であるか否かを判別する（ステップＳ３１２）。空調制御部１６０は、ユーザ操作からの経過時間が閾値以上でないと判別すると（ステップＳ３１２：ＮＯ）、ステップＳ３０１に処理を戻す。一方、空調制御部１６０は、ユーザ操作からの経過時間が閾値以上であると判別すると（ステップＳ３１２：ＹＥＳ）、制御モデルから制御内容を算出する（ステップＳ３１３）。空調制御部１６０は、ステップＳ３１３の処理を完了すると、算出した制御内容で空調機を制御する（ステップＳ３１４）。空調制御部１６０は、ステップＳ３１４の処理を完了すると、ステップＳ３０１に処理を戻す。

次に、図１２に示すフローチャートを参照して、空調制御装置１００が実行する表示処理について説明する。表示処理は、空調制御装置１００の電源が投入されている間、空調制御処理と並行して実行される。

まず、学習データ管理部１４０は、制御モデルの生成直後であるか否かを判別する（ステップＳ４０１）。学習データ管理部１４０が制御モデルの生成直後であると判別すると（ステップＳ４０１：ＹＥＳ）、表示部１７０に更新報知情報を表示させる（ステップＳ４０２）。学習データ管理部１４０は、制御モデルの生成直後でないと判別した場合（ステップＳ４０１：ＮＯ）、又は、ステップＳ４０２の処理を完了した場合、サーバ２００と通信可能であるか否かを判別する（ステップＳ４０３）。

学習データ管理部１４０は、サーバ２００と通信可能でないと判別すると（ステップＳ４０３：ＮＯ）、退避データの蓄積率を算出する（ステップＳ４０４）。学習データ管理部１４０は、ステップＳ４０４の処理を完了すると、表示部１７０に蓄積状況報知情報を表示させる（ステップＳ４０５）。学習データ管理部１４０は、ステップＳ４０５の処理を完了した場合、ステップＳ４０１に処理を戻す。一方、学習データ管理部１４０は、サーバ２００と通信可能であると判別すると（ステップＳ４０３：ＹＥＳ）、復旧中であるか否かを判別する（ステップＳ４０６）。

学習データ管理部１４０は、復旧中でないと判別すると（ステップＳ４０６：ＮＯ）、表示部１７０に通信正常報知情報を表示させる（ステップＳ４０７）。学習データ管理部１４０は、ステップＳ４０７の処理を完了すると、ステップＳ４０１に処理を戻す。一方、学習データ管理部１４０は、復旧中であると判別すると（ステップＳ４０６：ＹＥＳ）、退避データの復旧率を算出する（ステップＳ４０８）。学習データ管理部１４０は、ステップＳ４０８の処理を完了すると、表示部１７０に復旧状況報知情報を表示させる（ステップＳ４０９）。学習データ管理部１４０は、ステップＳ４０９の処理を完了すると、ステップＳ４０１に処理を戻す。

以上説明したように、本実施形態によれば、空調制御装置１００とサーバ２００との通信が途絶された場合にも、学習を進めることができ、適切な空調制御を継続することができる。また、本実施形態では、通信の途絶が解消した場合、蓄積されている退避データは、新規データと同様に扱われ、学習データの選定に用いられる。従って、通信の途絶が解消した後は、サーバ２００により適切な学習データ群が選定され、空調制御装置１００により高精度の制御モデルが生成されることが期待できる。また、本実施形態によれば、蓄積状況報知情報、復旧状況報知情報、通信正常報知情報などが表示されるため、ユーザに、各種の状況を知らせることができる。

蓄積状況報知情報を表示することにより、データを欠落することなく制御モデルを復旧することが可能な日程の目安をユーザに知らせることができる。また、復旧状況報知情報を表示することにより、正常運転に移行することが可能な日程の目安をユーザに知らせることができる。また、通信正常報知情報を表示することにより、正常に通信がされていることをユーザに知らせることができる。

（変形例）
以上、本発明の実施形態を説明したが、本発明を実施するにあたっては、種々の形態による変形及び応用が可能である。本発明において、上記実施形態において説明した構成、機能、動作のどの部分を採用するのかは任意である。また、本発明において、上述した構成、機能、動作のほか、更なる構成、機能、動作が採用されてもよい。

上記実施形態では、予備データは、学習データとして選定されなかった場合、直ちに、無効データに設定される例について説明した。本発明において、予備データの扱いは、この例に限定されない。例えば、予め定められた回数（例えば、１０回）連続して、学習データとして選定されなかった場合、無効データに設定されてもよい。この場合、運転データには、例えば、選定されなかった回数が含まれることが好適である。また、上記実施形態では、運転データに予備データが含まれる例について説明した。本発明において、運転データに予備データが含まれなくてもよい。この場合、例えば、有効データと新規データとを含む運転データ群から、学習データ群が選定される。

上記実施形態では、学習データ群の候補が、運転データ記憶部１４２に記憶可能な運転データの個数の上限値（例えば、１００個）以下の任意の個数の運転データの組み合わせである例について説明した。本発明において、例えば、学習データ群の候補が、上記上限値以下の予め定められた個数（例えば、８０個）の運転データの組み合わせであってもよい。かかる構成では、学習データ群の候補の個数を抑制することができ、学習データ群の選定に要する計算機能力を抑えることができる。

上記実施形態では、サーバ２００が、学習データ群の候補を用いて作成した制御モデルの評価値に基づいて、学習データ群を選択する例について説明した。サーバ２００は、例えば、クラスタリングにより学習データ群を選択してもよい。この場合、例えば、運転データ蓄積部２２０に蓄積された運転データ群を、クラス内分散に対するクラス外分散の割合が最大になるようにクラスタリングし、各クラスタの平均値を代表値とする。そして、運転データ記憶部１４２に記憶された運転データ群のうち、有効、予備、又は、新規が付与された運転データ群から、これらの代表値に最も近い運転データ群を抽出し、学習データ群として選択する。かかる構成によれば、学習データ群の選定に要する計算機能力を抑えることができ、安価なサーバ２００を採用することが可能となる。

本発明に係る空調制御装置１００又はサーバ２００の動作を規定する動作プログラムを既存のパーソナルコンピュータや情報端末装置に適用することで、当該パーソナルコンピュータ等を本発明に係る空調制御装置１００又はサーバ２００として機能させることも可能である。また、このようなプログラムの配布方法は任意であり、例えば、ＣＤ－ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、メモリカードなどのコンピュータ読み取り可能な記録媒体に格納して配布してもよいし、インターネットなどの通信ネットワークを介して配布してもよい。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。

本発明は、空調制御システムに適用可能である。

１１，２１，３１ プロセッサ、１２ フラッシュメモリ、１３，３４ ユーザインターフェース、１４ 第１通信インターフェース、１５ 第２通信インターフェース、２２ ハードディスク、２３，３３ 通信インターフェース、３２ 機器負荷、１００ 空調制御装置、１１０ 空調通信部、１２０ 運転データ転送部、１３０ サーバ通信部、１４０ 学習データ管理部、１４１ 運転データ追加部、１４２ 運転データ記憶部、１４３ 識別子付与部、１４４ 学習データ出力部、１４５ 表示データ出力部、１５０ モデル生成部、１６０ 空調制御部、１７０ 表示部、２００ サーバ、２１０，３１０ 通信部、２２０ 運転データ蓄積部、２３０ 学習データ選定部、３００ 空調機、３２０ 機器制御部、３３０ 被制御部、３４０ 操作受付部、４００ 画面、４１０，４２０，４３０，４３１，４３２，４３３ 枠、５００ 空調ネットワーク、６００ 広域ネットワーク、１０００ 空調制御システム

Claims (12)

1. 空調機から運転データを受信する空調通信手段と、
   前記空調通信手段により受信された前記運転データを記憶して蓄積する運転データ記憶手段と、
   前記空調通信手段により受信された前記運転データをサーバに送信し、前記運転データ記憶手段に蓄積された運転データ群から選定された学習データ群を示す情報である選定情報を、前記サーバから受信するサーバ通信手段と、
   前記サーバ通信手段により前記選定情報が受信された場合、前記選定情報により示される前記学習データ群を用いた機械学習により、制御モデルを生成するモデル生成手段と、
   前記制御モデルに基づく制御内容で、前記空調通信手段を介して前記空調機を制御する空調制御手段と、を備える、
   空調制御装置。
2. 前記選定情報は、前記運転データ群に含まれる運転データのそれぞれに付与される、第１の識別子と第２の識別子とのうちのいずれかの識別子を示す情報であり、
   前記サーバ通信手段により前記選定情報が受信された場合、前記運転データ群に含まれる運転データのそれぞれに、前記選定情報により示される識別子を付与する識別子付与手段を更に備え、
   前記学習データ群は、前記運転データ群に含まれる運転データのうち前記第１の識別子が付与された運転データにより構成される、
   請求項１に記載の空調制御装置。
3. 前記空調通信手段により前記運転データが受信された場合、前記空調通信手段により受信された前記運転データを、前記運転データ群に含まれる運転データのうち前記第２の識別子が付与された運転データに代えて、前記運転データ記憶手段に記憶させる運転データ追加手段を更に備える、
   請求項２に記載の空調制御装置。
4. 前記選定情報は、前記運転データ群に含まれる運転データのそれぞれに付与される、前記第１の識別子と前記第２の識別子と第３の識別子とのうちのいずれかの識別子を示す情報であり、
   前記選定情報は、前記第１の識別子が付与されている運転データに付与される識別子として、前記第１の識別子と前記第３の識別子とのうちのいずれかの識別子を示し、前記第３の識別子が付与されている運転データに付与される識別子として、前記第１の識別子と前記第２の識別子とのうちのいずれかの識別子を示す情報である、
   請求項２又は３に記載の空調制御装置。
5. 前記識別子付与手段は、前記サーバ通信手段と前記サーバとの通信が途絶している間に前記空調通信手段により受信された前記運転データに、第４の識別子を付与し、
   前記モデル生成手段は、前記サーバ通信手段と前記サーバとの通信が途絶している間に前記空調通信手段により前記運転データが受信された場合、前記運転データ群に含まれる運転データのうち、前記第１の識別子が付与された運転データと前記第４の識別子が付与された運転データとを含む学習データ群を用いた機械学習により、前記制御モデルを生成する、
   請求項２から４のいずれか１項に記載の空調制御装置。
6. 前記サーバ通信手段と前記サーバとの通信が途絶している間、前記運転データ記憶手段に蓄積可能な前記第４の識別子が付与された運転データの個数の上限値と、前記運転データ記憶手段に蓄積された前記第４の識別子が付与された運転データの個数と、に基づく蓄積状況を報知する情報である蓄積状況報知情報を表示する蓄積状況表示手段を更に備える、
   請求項５に記載の空調制御装置。
7. 前記サーバ通信手段と前記サーバとの通信が復旧した場合、前記サーバ通信手段が、前記運転データ群のうち前記第４の識別子が付与された運転データを前記サーバに送信して前記選定情報を前記サーバから受信する処理と、前記識別子付与手段が、前記運転データ群に含まれる運転データのそれぞれに前記選定情報により示される識別子を付与する処理と、前記モデル生成手段が、前記選定情報により示される前記学習データ群を用いた機械学習により前記制御モデルを生成する処理とが、前記第４の識別子が付与された運転データがなくなるまで繰り返して実行される、
   請求項５又は６に記載の空調制御装置。
8. 前記サーバ通信手段と前記サーバとの通信が復旧してから前記第４の識別子が付与された運転データがなくなるまでの間、前記サーバ通信手段と前記サーバとの通信が途絶している間に前記第４の識別子が付与された運転データの個数と、現時点において前記第４の識別子が付与されている運転データの個数と、に基づく復旧状況を報知する情報である復旧状況報知情報を表示する復旧状況表示手段を更に備える、
   請求項７に記載の空調制御装置。
9. 前記モデル生成手段により前記制御モデルが生成された場合、前記制御モデルが更新されたことを報知する情報である更新報知情報を表示する更新表示手段を更に備える、
   請求項１から８のいずれか１項に記載の空調制御装置。
10. 空調制御装置とサーバとを備える空調制御システムであって、
    前記空調制御装置は、
    空調機から運転データを受信する空調通信手段と、
    前記空調通信手段により受信された前記運転データを記憶して蓄積する運転データ記憶手段と、
    前記空調通信手段により受信された前記運転データをサーバに送信し、前記運転データ記憶手段に蓄積された運転データ群から選定された学習データ群を示す情報である選定情報を、前記サーバから受信するサーバ通信手段と、
    前記サーバ通信手段により前記選定情報が受信された場合、前記選定情報により示される前記学習データ群を用いた機械学習により、制御モデルを生成するモデル生成手段と、
    前記制御モデルに基づく制御内容で、前記空調通信手段を介して前記空調機を制御する空調制御手段と、を備え、
    前記サーバは、
    前記サーバ通信手段により送信された前記運転データを受信する通信手段と、
    前記通信手段により受信された前記運転データを記憶して蓄積する運転データ蓄積手段と、
    前記通信手段により前記運転データが受信された場合、前記運転データ蓄積手段に蓄積された運転データ群に基づいて、前記運転データ記憶手段に蓄積された前記運転データ群から、前記学習データ群を選定する学習データ選定手段と、を備え、
    前記通信手段は、前記学習データ選定手段により選定された前記学習データ群を示す情報である前記選定情報を、前記空調制御装置に送信する、
    空調制御システム。
11. 空調制御装置が、
    空調機から運転データを受信し、
    前記運転データを蓄積し、
    前記受信した運転データをサーバに送信し、前記蓄積した運転データ群から選定された学習データ群を示す情報である選定情報を、前記サーバから受信し、
    前記選定情報により示される前記学習データ群を用いた機械学習により、制御モデルを生成し、
    前記制御モデルに基づく制御内容で、前記空調機を制御する、
    空調制御方法。
12. コンピュータを、
    空調機から運転データを受信する空調通信手段、
    前記空調通信手段により受信された前記運転データを記憶して蓄積する運転データ記憶手段、
    前記空調通信手段により受信された前記運転データをサーバに送信し、前記運転データ記憶手段に蓄積された運転データ群から選定された学習データ群を示す情報である選定情報を、前記サーバから受信するサーバ通信手段、
    前記サーバ通信手段により前記選定情報が受信された場合、前記選定情報により示される前記学習データ群を用いた機械学習により、制御モデルを生成するモデル生成手段、
    前記制御モデルに基づく制御内容で、前記空調通信手段を介して前記空調機を制御する空調制御手段、として機能させる、
    プログラム。

Images