JP7119882B2 - 劣化予測プログラム、劣化予測方法、および劣化予測装置 - Google Patents

劣化予測プログラム、劣化予測方法、および劣化予測装置 Download PDF

Info

Publication number
JP7119882B2
JP7119882B2 JP2018194171A JP2018194171A JP7119882B2 JP 7119882 B2 JP7119882 B2 JP 7119882B2 JP 2018194171 A JP2018194171 A JP 2018194171A JP 2018194171 A JP2018194171 A JP 2018194171A JP 7119882 B2 JP7119882 B2 JP 7119882B2
Authority
JP
Japan
Prior art keywords
terminal device
deterioration
battery
information processing
processing apparatus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018194171A
Other languages
English (en)
Other versions
JP2020063920A (ja
Inventor
駿 木幡
孝広 齊藤
佳昭 伊海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2018194171A priority Critical patent/JP7119882B2/ja
Publication of JP2020063920A publication Critical patent/JP2020063920A/ja
Application granted granted Critical
Publication of JP7119882B2 publication Critical patent/JP7119882B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Tests Of Electric Status Of Batteries (AREA)
  • Secondary Cells (AREA)

Description

本発明は、劣化予測プログラム、劣化予測方法、および劣化予測装置に関する。
従来、端末装置は、内部のバッテリからの電力供給、または、外部の商用電源からの電力供給により動作する。ここで、端末装置のバッテリが劣化すると、バッテリからの電力供給により端末装置が動作可能である時間が短くなるため、端末装置のバッテリの劣化予測を実施することが望まれる。
先行技術としては、例えば、蓄電池セルの使用履歴データに基づき蓄電池セルの劣化状態を示す劣化モデルパラメータの学習を行い、学習結果として劣化速度テーブルを出力するものがある。また、例えば、端末装置が同一バッテリで稼動した総稼動時間、同一バッテリに対する充電回数、または、同一バッテリの１回の充電で稼動する実稼動時間を監視し、寿命到来時期を予測する技術がある。また、例えば、当日携行予定の各バッテリの残量に関するバッテリ情報、業務種別ごとのバッテリの消費電力量に関する消費電力量情報、および、当日の業務予定の情報に基づいて、業務開始前に、使用予定のバッテリの使用順を決定する技術がある。
国際公開第２０１５／１９８６３１号 特開２００３－２５６０８４号公報 特開２０１３－６７０４７号公報
しかしながら、従来技術では、端末装置のバッテリの劣化予測を実施することが難しい。例えば、１つの端末装置を外勤者と内勤者とが利用可能である場合、端末装置のバッテリの劣化速度が一定でなく、バッテリの劣化予測の精度低下を招く。
１つの側面では、本発明は、バッテリの劣化予測の精度向上を図ることを目的とする。
１つの実施態様によれば、端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する劣化予測プログラム、劣化予測方法、および劣化予測装置が提案される。
一態様によれば、バッテリの劣化予測の精度向上を図ることが可能になる。
図１は、実施の形態にかかる劣化予測方法の一実施例を示す説明図である。 図２は、劣化予測システム２００の一例を示す説明図である。 図３は、劣化予測システム２００の別の例を示す説明図である。 図４は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図５は、劣化量情報テーブル５００の記憶内容の一例を示す説明図である。 図６は、端末装置２０１のハードウェア構成例を示すブロック図である。 図７は、情報処理装置１００の機能的構成例を示すブロック図である。 図８は、劣化予測システム２００の動作例を示す説明図（その１）である。 図９は、劣化予測システム２００の動作例を示す説明図（その２）である。 図１０は、劣化予測システム２００の動作例を示す説明図（その３）である。 図１１は、劣化予測システム２００の動作例を示す説明図（その４）である。 図１２は、劣化予測システム２００の動作例を示す説明図（その５）である。 図１３は、全体処理手順の一例を示すフローチャート（その１）である。 図１４は、全体処理手順の一例を示すフローチャート（その２）である。 図１５は、劣化診断処理手順の一例を示すフローチャートである。
以下に、図面を参照して、本発明にかかる劣化予測プログラム、劣化予測方法、および劣化予測装置の実施の形態を詳細に説明する。
（実施の形態にかかる劣化予測方法の一実施例）
図１は、実施の形態にかかる劣化予測方法の一実施例を示す説明図である。情報処理装置１００は、端末装置のバッテリの劣化予測の精度向上を図るコンピュータである。バッテリは、例えば、リチウムイオン電池である。
端末装置は、例えば、シンクライアント型のシステムに含まれる。このシステムでは、端末装置は、複数の利用者によって共用される場合がある。例えば、このシステムは、複数の外勤者によって共用される端末装置と、複数の内勤者によって共用される端末装置とを含む。また、このシステムは、外勤者の端末装置のバッテリが一定以上劣化した場合、外勤者の端末装置と内勤者の端末装置とを入れ替えるように運用されてもよい。
端末装置のバッテリの劣化は、バッテリの満充電時の電池容量が低下することである。端末装置のバッテリの劣化速度は、利用者による端末装置の利用形態に応じて変化する。具体的には、端末装置がバッテリで動作中のバッテリの劣化はサイクル劣化と呼ばれ、端末装置が商用電源で動作中のバッテリの劣化は放置劣化と呼ばれ、サイクル劣化と放置劣化とでは劣化速度が異なる。そして、利用者ごとに、端末装置をバッテリで動作させる時間と、商用電源で動作させる時間とが異なるため、バッテリの劣化速度も異なる。
ここで、端末装置のバッテリが劣化すると、端末装置を含むシステムにおける作業効率の低下を招く可能性、および、端末装置のデータロストを招く可能性があるため、端末装置のバッテリの劣化に備えて、交換用のバッテリが用意される。そして、バッテリの劣化量が閾値を超えた場合、予め用意された交換用のバッテリと交換することになるが、交換用のバッテリが不足すると、端末装置が利用不可能になり、作業効率の低下および端末装置のデータロストを招く。
このため、端末装置のバッテリの劣化予測を実施することが望まれる。例えば、バッテリの劣化速度を算出し、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出し、交換用のバッテリをいくつ用意することが好ましいかを判断することが望まれる。この際、具体的には、利用者による端末装置の利用形態ごとにバッテリの劣化速度が異なるため、現在の利用者による端末装置の利用形態に応じたバッテリの劣化速度を算出することが望まれる。これにより、交換用のバッテリの不足を防止し、端末装置が利用不可能にならないようにすることが望まれる。
これに対し、例えば、試験用のバッテリを用いて基準の劣化速度を算出し、基準の劣化速度に基づいて端末装置ごとにバッテリの劣化量が閾値を超えるまでの劣化所要時間を算出する方法が考えられる。また、例えば、端末装置ごとのバッテリの劣化量ログから、端末装置ごとにバッテリの劣化速度の平均値を算出し、端末装置ごとに劣化速度の平均値に基づいてバッテリの劣化量が閾値を超えるまでの劣化所要時間を算出する方法が考えられる。しかしながら、これらの方法では、現在の利用者による端末装置の利用形態に応じたバッテリの劣化速度を算出していないため、バッテリの劣化量が閾値を超えるまでの劣化所要時間を精度よく算出することができない。
また、端末装置のバッテリの劣化量の時間変化を折れ線近似して得られた折れ線の最後の線分区間の傾きを、現在の利用者による端末装置の利用形態に応じたバッテリの劣化速度として算出する方法も考えられる。しかしながら、この方法でも、現在の利用者による端末装置の利用形態に応じたバッテリの劣化速度を精度よく算出することが難しく、バッテリの劣化量が閾値を超えるまでの劣化所要時間を精度よく算出することが難しい。例えば、同じ利用者が端末装置を利用中でも、一時的に端末装置の使い方が変化した結果、劣化速度が変化することがあるため、折れ線の最後の線分区間の傾きが、現在の利用者による端末装置の利用形態に応じたバッテリの劣化速度を精度よく表すとは限らない。
また、外勤者は、端末装置をバッテリで動作させる傾向があり、内勤者は、端末装置を商用電源で動作させる傾向がある。このため、外勤者が利用中の端末装置の劣化予測にはサイクル劣化の劣化速度を参照し、内勤者が利用中の端末装置の劣化予測には放置劣化の劣化速度を参照する方法が考えられる。しかしながら、この方法でも、バッテリの劣化速度を精度よく算出することが難しく、バッテリの劣化量が閾値を超えるまでの劣化所要時間を精度よく算出することが難しい。例えば、外勤者も内勤者も、端末装置をバッテリと商用電源とのいずれか一方のみで動作させるとは限らず、バッテリの劣化速度を精度よく算出することができない。
また、端末装置は、いずれの利用者により利用中であるかを示す情報を蓄積する機能を有さず、端末装置の利用形態がどのように変化したかを示す情報を有さない場合がある。このため、端末装置の現在の利用者による端末装置の利用形態に応じたバッテリの劣化速度を算出することが難しい。
そこで、本実施の形態では、中心極限定理により、端末装置の利用形態ごとの端末装置のバッテリの劣化速度のばらつきが小さくなるという性質に基づいて、端末装置ごとに劣化予測を実施することができる劣化予測方法について説明する。
図１において、情報処理装置１００は、端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得する。情報処理装置１００は、例えば、端末装置Ａと端末装置Ｂとのバッテリの劣化量の時間変化を示す時系列データを取得する。
情報処理装置１００は、端末装置ごとに、取得した時系列データに基づいて、端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成する。モデルは、端末装置の利用形態の変化を仮定した結果を示す。利用形態は、例えば、外勤者の利用形態と内勤者の利用形態とである。直線を示すモデルは、端末装置の利用形態が変化しないことを示す。折れ線を示すモデルは、折れ点前後で端末装置の利用形態が変化したことを示す。
情報処理装置１００は、例えば、端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、１以上のモデルを生成する。情報処理装置１００は、具体的には、端末装置Ａについてのモデル１０１，１０２などを生成し、端末装置Ｂについてのモデル１０３，１０４などを生成する。ここで、いずれかの端末装置についてのモデルが、直線を示すモデル、および、折れ線を示すモデルのいずれか一方である場合があってもよい。
情報処理装置１００は、端末装置ごとに、特定した１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成する。パターンは、各線分区間での端末装置の利用形態が何であるかを仮定した結果を示す。情報処理装置１００は、例えば、モデル１０１～１０４などが示す直線または折れ線に含まれる各線分区間に、利用形態１と利用形態２とを対応付けた１以上のパターンを生成する。
情報処理装置１００は、端末装置ごとに生成した１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせを生成する。組み合わせは、それぞれの端末装置の各線分区間での利用形態が何であるかを仮定した結果を示す。そして、情報処理装置１００は、１以上の組み合わせのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きのばらつきに基づいて、端末装置ごとのバッテリの劣化予測を実施する。傾きは、劣化速度を表す。
情報処理装置１００は、例えば、組み合わせ１１１～１１４などを生成する。そして、情報処理装置１００は、組み合わせ１１１～１１４などのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きのばらつきに基づいて、端末装置ごとのバッテリの劣化予測を実施する。利用形態ごとの線分区間の傾きのばらつきは、例えば、グラフ１２１～１２４に示すようなばらつきになる。線分区間の傾きのばらつきは、劣化速度のばらつきに対応する。劣化予測は、バッテリの劣化速度の算出、または、劣化量が閾値を超えるタイミングの特定などである。
ここで、中心極限定理により、劣化速度は、利用形態ごとに特有の統計分布を形成する傾向がある。例えば、劣化速度は、利用形態ごとにばらつきが小さくなる傾向がある。ここで、利用形態が同じでも利用者が異なると劣化速度はばらつく傾向があるが、利用形態が同じ利用者全体では、劣化速度のばらつきが小さくなる傾向がある。
このため、それぞれの端末装置の各線分区間での利用形態を正しく推定していれば、利用形態ごとの劣化速度のばらつきが小さくなると考えられる。一方で、それぞれの端末装置の各線分区間での利用形態を間違って推定してしまうと、正しくは別の統計分布に含まれる劣化速度を、同じ統計分布に含まれる劣化速度として扱ってしまうため、利用形態ごとの劣化速度のばらつきが大きくなると考えられる。したがって、情報処理装置１００が生成した組み合わせのうち、利用形態ごとの劣化速度のばらつきが最も小さくなる組み合わせが、それぞれの端末装置の各線分区間での利用形態を正しく仮定した結果に対応する、正しい組み合わせである。
情報処理装置１００は、具体的には、組み合わせ１１１～１１４のそれぞれについて、利用形態ごとの線分区間の傾きの分散を算出する。ここでは、情報処理装置１００は、組み合わせ１１４が、利用形態ごとの線分区間の傾きの分散が最も小さくなり、利用形態ごとの劣化速度のばらつきが最も小さくなる正しい組み合わせであると判断する。そして、情報処理装置１００は、組み合わせ１１４に含まれるパターンでの利用形態ごとの線分区間の傾きの統計値を、利用形態ごとの劣化速度として算出する。統計値は、例えば、平均値、最大値、最小値、最頻値、中央値などである。
これにより、情報処理装置１００は、端末装置の利用形態がどのように変化したかを示す情報を有さなくても、端末装置の利用形態ごとのバッテリの劣化速度を精度よく算出することができる。また、情報処理装置１００は、それぞれの端末装置の各線分区間での利用形態を正しく仮定した結果に対応する正しい組み合わせを特定するため、一時的に端末装置の使い方が変化していても、バッテリの劣化速度を精度よく算出することができる。
そして、情報処理装置１００は、劣化速度に基づいて、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出可能にすることができ、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
情報処理装置１００は、具体的には、端末装置の現在の利用形態を示す情報に基づいて、現在の利用形態に対応するバッテリの劣化速度を用いて、劣化所要時間を算出することができる。そして、情報処理装置１００は、具体的には、現在の利用形態を示す情報に基づいて、劣化所要時間を考慮して、交換用のバッテリをいくつ用意することが好ましいかを判断することができる。
また、情報処理装置１００は、具体的には、正しい組み合わせと判断した組み合わせを参照して端末装置の現在の利用形態を特定し、現在の利用形態に対応するバッテリの劣化速度を用いて、劣化所要時間を算出してもよい。そして、情報処理装置１００は、劣化所要時間を出力し、交換用のバッテリをいくつ用意することが好ましいかを、システムの管理者が判断可能にすることができる。
（劣化予測システム２００の一例）
次に、図２を用いて、図１に示した情報処理装置１００を適用した、劣化予測システム２００の一例について説明する。
図２は、劣化予測システム２００の一例を示す説明図である。図２において、劣化予測システム２００は、情報処理装置１００と、複数の端末装置２０１とを含む。劣化予測システム２００は、例えば、企業で利用される。
劣化予測システム２００において、情報処理装置１００と端末装置２０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。情報処理装置１００と端末装置２０１とは、直接接続されてもよい。
情報処理装置１００は、端末装置２０１のバッテリの劣化予測を実施するコンピュータである。情報処理装置１００は、例えば、端末装置２０１のバッテリの劣化度合いの時間変化を示す時系列データを、端末装置２０１から受信する。時系列データは、例えば、図５に後述するようなデータである。情報処理装置１００は、受信した時系列データに基づいて、端末装置２０１ごとのバッテリの劣化予測を実施する。情報処理装置１００は、具体的には、年度初めに時系列データを収集し、年内に必要になる交換用のバッテリの数を算出してもよい。情報処理装置１００は、例えば、劣化予測システム２００の管理者によって利用される。情報処理装置１００は、例えば、サーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などである。
端末装置２０１は、バッテリを有し、バッテリで動作可能なコンピュータである。端末装置２０１は、バッテリの劣化度合いを検出可能であり、自装置のバッテリの劣化度合いの時間変化を示す時系列データを、情報処理装置１００に送信する。端末装置２０１の利用形態は複数ある。端末装置２０１の利用形態は、例えば、外勤者による利用形態と、内勤者による利用形態とである。複数の端末装置２０１は、例えば、外勤用の端末装置２０１と、内勤用の端末装置２０１とに分けて利用される。外勤用の端末装置２０１は、外勤者により利用される。内勤用の端末装置２０１は、内勤者により利用される。
また、端末装置２０１は、外勤用と内勤用とを変更可能である。例えば、外勤用の端末装置２０１のバッテリが一定以上劣化した場合、外勤用の端末装置２０１を内勤用に変更し、内勤用の端末装置２０１を外勤用に変更し、外勤用と内勤用とで端末装置２０１を交換してもよい。端末装置２０１は、自装置が外勤用か内勤用かを把握しなくてもよく、自装置が外勤用か内勤用かを示す情報を蓄積しなくてもよい。端末装置２０１は、例えば、タブレット端末、スマートフォン、ウェアラブル端末などである。端末装置２０１は、ディスクレスである場合がある。
図２の例では、劣化予測システム２００が企業で利用され、端末装置２０１の利用形態の一例が外勤者による利用形態と内勤者による利用形態とである場合について説明したが、これに限らない。例えば、劣化予測システム２００が、学校、レストラン、ショッピングモール、病院などの様々な場所で利用される場合があってもよい。
具体的には、劣化予測システム２００が学校で利用され、端末装置２０１の利用形態の一例が学生による利用形態と教師による利用形態とである場合があってもよい。また、具体的には、劣化予測システム２００が病院で利用され、端末装置２０１の利用形態の一例が医師による利用形態と看護師による利用形態とである場合があってもよい。また、具体的には、劣化予測システム２００がショッピングモールで利用され、端末装置２０１の利用形態の一例が在庫管理者による利用形態と接客対応者による利用形態とである場合があってもよい。
（劣化予測システム２００の別の例）
次に、図３を用いて、図１に示した情報処理装置１００を適用した、劣化予測システム２００の別の例について説明する。
図３は、劣化予測システム２００の別の例を示す説明図である。図３において、劣化予測システム２００は、情報処理装置１００と、複数の端末装置２０１とを含む。
劣化予測システム２００において、情報処理装置１００と端末装置２０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ、ＷＡＮ、インターネットなどである。情報処理装置１００と端末装置２０１とは、直接接続されてもよい。
情報処理装置１００は、端末装置２０１のバッテリの劣化予測を実施するコンピュータである。情報処理装置１００は、例えば、端末装置２０１のバッテリの劣化度合いの時間変化を示す時系列データを、端末装置２０１から受信する。時系列データは、例えば、図５に後述するようなデータである。情報処理装置１００は、受信した時系列データに基づいて、端末装置２０１ごとのバッテリの劣化予測を実施する。情報処理装置１００は、具体的には、年度初めに時系列データを収集し、年内に必要になる交換用のバッテリの数を算出してもよい。情報処理装置１００は、例えば、劣化予測システム２００の管理者によって利用される。情報処理装置１００は、例えば、サーバやＰＣなどである。
端末装置２０１は、バッテリを有し、バッテリで動作可能なコンピュータである。端末装置２０１は、バッテリの劣化度合いを検出可能であり、自装置のバッテリの劣化度合いの時間変化を示す時系列データを、情報処理装置１００に送信する。端末装置２０１の利用形態は複数ある。端末装置２０１の利用形態は、例えば、営業による利用形態と、営業補佐による利用形態と、フィールドＳＥ（Ｓｙｓｔｅｍ Ｅｎｇｉｎｅｅｒ）による利用形態と、開発ＳＥによる利用形態とである。複数の端末装置２０１は、営業用の端末装置２０１と、営業補佐用の端末装置２０１と、フィールドＳＥ用の端末装置２０１と、開発ＳＥ用の端末装置２０１とに分けて利用される。営業用の端末装置２０１は、営業である利用者により利用される。営業補佐用の端末装置２０１は、営業補佐である利用者により利用される。フィールドＳＥ用の端末装置２０１は、フィールドＳＥである利用者により利用される。開発ＳＥ用の端末装置２０１は、開発ＳＥである利用者により利用される。
また、端末装置２０１は、営業用と営業補佐用とフィールドＳＥ用と開発ＳＥ用とを変更可能である。例えば、営業用の端末装置２０１のバッテリが一定以上劣化した場合、営業補佐用の端末装置２０１を営業用に変更し、営業用の端末装置２０１を営業補佐用に変更し、営業用と営業補佐用とで端末装置２０１を交換してもよい。端末装置２０１は、自装置の利用形態を把握しなくてもよく、自装置の利用形態を示す情報を蓄積しなくてもよい。端末装置２０１は、例えば、タブレット端末、スマートフォン、ウェアラブル端末などである。端末装置２０１は、ディスクレスである場合がある。このように、端末装置２０１の利用形態は、２つに限らず３つ以上であってもよい。
（情報処理装置１００のハードウェア構成例）
次に、図４を用いて、図２に示した劣化予測システム２００に含まれる、情報処理装置１００のハードウェア構成例について説明する。
図４は、情報処理装置１００のハードウェア構成例を示すブロック図である。図４において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）４０１と、メモリ４０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）４０３と、記録媒体Ｉ／Ｆ４０４と、記録媒体４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。
ここで、ＣＰＵ４０１は、情報処理装置１００の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。
ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
記録媒体Ｉ／Ｆ４０４は、ＣＰＵ４０１の制御に従って記録媒体４０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ４０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体４０５は、記録媒体Ｉ／Ｆ４０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体４０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体４０５は、情報処理装置１００から着脱可能であってもよい。
情報処理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を複数有していてもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を有していなくてもよい。
（劣化量情報テーブル５００の記憶内容）
次に、図５を用いて、劣化量情報テーブル５００の記憶内容の一例について説明する。劣化量情報テーブル５００は、例えば、図４に示した情報処理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。
図５は、劣化量情報テーブル５００の記憶内容の一例を示す説明図である。図５に示すように、劣化量情報テーブル５００は、ＰＣと、日時と、劣化量と、現勤務属性とのフィールドを有する。劣化量情報テーブル５００は、端末装置２０１ごとに各フィールドに情報を設定することにより、劣化量情報がレコードとして記憶される。
ＰＣのフィールドには、端末装置２０１の名称が設定される。日時のフィールドには、端末装置２０１のバッテリの劣化量が測定された日時が設定される。劣化量のフィールドには、端末装置２０１のバッテリの劣化量が設定される。現勤務属性のフィールドには、端末装置２０１の現在の利用形態を示す、端末装置２０１の現在の利用者の勤務属性が設定される。
（端末装置２０１のハードウェア構成例）
次に、図６を用いて、図２に示した劣化予測システム２００に含まれる端末装置２０１のハードウェア構成例について説明する。
図６は、端末装置２０１のハードウェア構成例を示すブロック図である。図６において、端末装置２０１は、ＣＰＵ６０１と、メモリ６０２と、ネットワークＩ／Ｆ６０３とを有する。また、各構成部は、バス６００によってそれぞれ接続される。
ここで、ＣＰＵ６０１は、端末装置２０１の全体の制御を司る。メモリ６０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ６０１のワークエリアとして使用される。メモリ６０２に記憶されるプログラムは、ＣＰＵ６０１にロードされることで、コーディングされている処理をＣＰＵ６０１に実行させる。
ネットワークＩ／Ｆ６０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ６０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ６０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
端末装置２０１は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、端末装置２０１は、記録媒体Ｉ／Ｆや記録媒体を有していてもよい。
（情報処理装置１００の機能的構成例）
次に、図７を用いて、情報処理装置１００の機能的構成例について説明する。
図７は、情報処理装置１００の機能的構成例を示すブロック図である。情報処理装置１００は、記憶部７００と、取得部７０１と、生成部７０２と、算出部７０３と、予測部７０４と、出力部７０５とを含む。
記憶部７００は、例えば、図４に示したメモリ４０２や記録媒体４０５などの記憶領域によって実現される。以下では、記憶部７００が、情報処理装置１００に含まれる場合について説明するが、これに限らない。例えば、記憶部７００が、情報処理装置１００とは異なる装置に含まれ、記憶部７００の記憶内容が情報処理装置１００から参照可能である場合があってもよい。
取得部７０１～出力部７０５は、制御部の一例として機能する。取得部７０１～出力部７０５は、具体的には、例えば、図４に示したメモリ４０２や記録媒体４０５などの記憶領域に記憶されたプログラムをＣＰＵ４０１に実行させることにより、または、ネットワークＩ／Ｆ４０３により、その機能を実現する。各機能部の処理結果は、例えば、図４に示したメモリ４０２や記録媒体４０５などの記憶領域に記憶される。
記憶部７００は、各機能部の処理において参照され、または更新される各種情報を記憶する。記憶部７００は、例えば、端末装置２０１ごとのバッテリの劣化度合いの時間変化を示す時系列データを記憶する。端末装置２０１は、例えば、シンクライアント型のシステムに含まれる。バッテリは、例えば、リチウムイオン電池である。端末装置２０１のバッテリの劣化は、バッテリの満充電時の電池容量が低下することである。記憶部７００は、具体的には、図５に示した劣化量情報テーブル５００を用いて、時系列データを記憶する。
記憶部７００は、例えば、端末装置２０１の複数の利用形態を記憶する。複数の利用形態は、例えば、外勤者による利用形態、および、内勤者による利用形態を含む。複数の利用形態は、マーケティング、営業、営業補佐、インサイドセールス、事務、開発ＳＥ、フィールドＳＥ、工場勤務などのそれぞれの業務に携わる利用者による利用形態を含んでもよい。また、複数の利用形態は、同じ業務に携わる役職が異なる利用者による利用形態を含んでもよい。複数の利用形態は、例えば、特定の利用形態を示さない第１利用形態と第２利用形態となどであってもよい。記憶部７００は、具体的には、端末装置２０１の利用形態を示す勤務属性として外勤と内勤とを記憶する。また、記憶部７００は、具体的には、端末装置２０１の利用形態を示す勤務属性として、営業と営業補佐とフィールドＳＥと開発ＳＥとを記憶してもよい。
また、記憶部７００は、例えば、端末装置２０１のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示すモデルを記憶する。モデルは、端末装置２０１の利用形態の変化を仮定した結果を示す。直線を示すモデルは、端末装置２０１の利用形態が変化しないことを示す。折れ線を示すモデルは、折れ点前後で端末装置２０１の利用形態が変化したことを示す。いずれかの端末装置２０１についてのモデルは、直線を示すモデル、および、折れ線を示すモデルのいずれか一方であってもよい。
また、記憶部７００は、例えば、モデルが示す直線または折れ線に含まれる各線分区間に端末装置２０１の複数の利用形態のいずれかの利用形態を対応付けたパターンを記憶する。パターンは、各線分区間での端末装置２０１の利用形態が何であるかを仮定した結果を示す。また、記憶部７００は、例えば、端末装置２０１ごとにパターンを選択して組み合わせた組み合わせを記憶する。組み合わせは、それぞれの端末装置２０１の各線分区間での利用形態が何であるかを仮定した結果を示す。
取得部７０１は、各機能部の処理に用いられる各種情報を取得する。取得部７０１は、取得した各種情報を、記憶部７００に記憶し、または、各機能部に出力する。また、取得部７０１は、記憶部７００に記憶しておいた各種情報を、各機能部に出力してもよい。取得部７０１は、例えば、管理者の操作入力に基づき、各種情報を取得する。取得部７０１は、例えば、情報処理装置１００とは異なる装置から、各種情報を受信してもよい。
取得部７０１は、端末装置２０１ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得する。取得部７０１は、例えば、端末装置２０１のバッテリの劣化度合いの時間変化を示す時系列データを、端末装置２０１から受信する。これにより、取得部７０１は、端末装置２０１のバッテリの劣化予測に用いる時系列データを取得し、生成部７０２の処理を開始させることができる。
取得部７０１は、端末装置２０１ごとの第１時点での利用形態を示すデータを取得してもよい。第１時点は、例えば、現時点である。第１時点は、過去の時点であってもよい。取得部７０１は、例えば、管理者の操作入力に基づいて、端末装置２０１ごとの現時点の利用者の勤務属性を取得する。これにより、取得部７０１は、生成部７０２の処理効率の向上を図ることができる。
生成部７０２は、端末装置２０１ごとに、取得した時系列データに基づいて、端末装置２０１のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成する。生成部７０２は、例えば、端末装置２０１のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、１以上のモデルを生成する。これにより、生成部７０２は、端末装置２０１の利用形態がいつ変化したかを示す変化の仕方として、考え得る様々な変化の仕方を仮定することができる。
生成部７０２は、端末装置２０１ごとに、特定した１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に端末装置２０１の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成する。生成部７０２は、例えば、端末装置２０１ごとに、特定した１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に、外勤と内勤とのいずれかの勤務属性を対応付けた１以上のパターンを生成する。
生成部７０２は、具体的には、それぞれのモデルが示す直線または折れ線に含まれる隣接する線分区間に対応付けられる利用形態が異なるように、１以上のパターンを生成することが好ましい。これにより、生成部７０２は、各線分区間で端末装置２０１の利用形態がどのように変化したかを表した変化の仕方として、考え得る様々な変化の仕方を仮定することができる。
生成部７０２は、例えば、端末装置２０１ごとに、取得した第１時点での利用形態を示すデータに基づいて、１以上のパターンを生成してもよい。生成部７０２は、具体的には、それぞれのモデルが示す直線または折れ線のうち、第１時点に対応する線分区間には第１時点での利用形態を対応付け、かつ、隣接する線分区間には異なる利用形態を対応付けるように、１以上のパターンを生成する。これにより、生成部７０２は、第１時点での利用形態を考慮すると間違った仮定を示すことが明確であるパターンを生成せず、処理効率の向上および処理精度の向上を図ることができる。また、生成部７０２は、線分区間で端末装置２０１の利用形態がどのように変化したかを表した変化の仕方として、考え得る様々な変化の仕方を仮定することができる。
生成部７０２は、例えば、端末装置２０１ごとに、特定した１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に、第１利用形態と第２利用形態とのいずれかを対応付けた１以上のパターンを生成してもよい。これにより、生成部７０２は、利用形態の数が判明していれば、利用形態が具体的にどのような利用形態であるかが不明であっても、処理を行うことができる。
生成部７０２は、端末装置２０１ごとに生成した１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせを生成する。これにより、生成部７０２は、それぞれの端末装置２０１の各線分区間で端末装置２０１の利用形態がどのように変化したかを表した変化の仕方として、考え得る様々な変化の仕方を仮定することができる。
算出部７０３は、１以上の組み合わせのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きを算出する。傾きは、劣化速度を表す。算出部７０３は、１以上の組み合わせのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きのばらつきを示す指標値を算出する。算出部７０３は、例えば、１以上の組み合わせのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きの分散を算出する。これにより、算出部７０３は、生成部７０２が生成した組み合わせのうち、いずれの組み合わせが正しい組み合わせであるかを判断する指標となる、利用形態ごとの劣化速度のばらつきを示す、利用形態ごとの線分区間の傾きの分散を算出することができる。
予測部７０４は、１以上の組み合わせのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きのばらつきに基づいて、端末装置２０１ごとのバッテリの劣化予測を実施する。予測部７０４は、例えば、１以上の組み合わせのうち、利用形態ごとの線分区間の傾きの分散を加算した合計値が最小になる組み合わせを特定する。これにより、予測部７０４は、それぞれの端末装置２０１の各線分区間での利用形態を正しく仮定した結果に対応する、正しい組み合わせを特定することができる。そして、予測部７０４は、正しい組み合わせに基づき、端末装置２０１ごとのバッテリの劣化予測を精度よく実施可能にすることができる。
予測部７０４は、特定した組み合わせにおける、利用形態ごとの線分区間の傾きの統計値に基づいて、端末装置２０１ごとのバッテリの劣化予測を実施する。統計値は、例えば、平均値、最大値、最小値、最頻値、中央値などである。
予測部７０４は、例えば、特定した組み合わせにおける、利用形態ごとの線分区間の傾きの統計値に基づいて、端末装置２０１ごとのバッテリの劣化速度を算出する。予測部７０４は、具体的には、端末装置２０１の現在の利用形態を示すデータに基づいて、端末装置２０１の現在の利用形態に対応する線分区間の傾きの統計値を、端末装置２０１のバッテリの劣化速度として算出する。
これにより、予測部７０４は、端末装置２０１の利用形態がどのように変化したかを示すデータを有さなくても、端末装置２０１ごとのバッテリの劣化速度を精度よく算出することができる。そして、予測部７０４は、劣化速度に基づいて、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出可能にすることができ、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
予測部７０４は、具体的には、端末装置２０１の現在の利用形態を示すデータを用いずに、正しい組み合わせと判断した組み合わせを参照して、端末装置２０１の現在の利用形態を特定してもよい。そして、予測部７０４は、端末装置２０１の現在の利用形態に対応する線分区間の傾きの統計値を、端末装置２０１のバッテリの劣化速度として算出する。
これにより、予測部７０４は、端末装置２０１の利用形態がどのように変化したかを示すデータを有さなくても、端末装置２０１ごとのバッテリの劣化速度を精度よく算出することができる。そして、予測部７０４は、劣化速度に基づいて、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出可能にすることができ、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
予測部７０４は、利用形態ごとの線分区間の傾きの統計値に基づいて、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを特定する。予測部７０４は、例えば、現在の利用形態に対応するバッテリの劣化速度を用いて、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを特定する。
予測部７０４は、具体的には、端末装置２０１ごとに算出したバッテリの劣化速度を用いて、端末装置２０１ごとのバッテリの劣化量が閾値を超えるタイミングを特定する。これにより、予測部７０４は、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを精度よく特定することができる。そして、予測部７０４は、特定したタイミングに基づいて、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
予測部７０４は、端末装置２０１の現在の利用形態を示すデータに基づいて、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを参照して、交換用のバッテリをいくつ用意することが好ましいかを算出する。これにより、予測部７０４は、交換用のバッテリをいくつ用意することが好ましいかを管理者が把握しやすくし、作業効率の低下および端末装置２０１のデータロストを防止しやすくすることができる。
出力部７０５は、劣化予測の実施結果を出力する。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ４０３による外部装置への送信、または、メモリ４０２や記録媒体４０５などの記憶領域への記憶である。
出力部７０５は、例えば、端末装置２０１ごとのバッテリの劣化速度を出力する。これにより、出力部７０５は、管理者が、劣化速度に基づいて、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出可能にすることができ、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
出力部７０５は、例えば、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを出力してもよい。これにより、出力部７０５は、管理者が、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
出力部７０５は、例えば、交換用のバッテリをいくつ用意することが好ましいかを出力してもよい。これにより、出力部７０５は、交換用のバッテリをいくつ用意することが好ましいかを管理者に把握させることができる。
（劣化予測システム２００の動作例）
次に、図８～図１２を用いて、劣化予測システム２００の動作例について説明する。
図８～図１２は、劣化予測システム２００の動作例を示す説明図である。図８の例では、劣化予測システム２００は、情報処理装置１００と、外勤用の端末装置２０１と、内勤用の端末装置２０１とを含む。
図８において、端末装置２０１は、自装置のバッテリの劣化量の時間変化を示す時系列データを、情報処理装置１００に送信する。情報処理装置１００は、それぞれの端末装置２０１のバッテリの劣化量の時間変化を示す時系列データを受信する。また、情報処理装置１００は、それぞれの端末装置２０１の現在の利用形態を示す現勤務属性を取得する。情報処理装置１００は、それぞれの端末装置２０１のバッテリの劣化量の時間変化を示す時系列データと現勤務属性とを、劣化量情報テーブル５００を用いて記憶する。次に、図９の説明に移行する。
図９において、情報処理装置１００は、それぞれの端末装置２０１のバッテリの劣化量の時間変化を近似する直線または折れ線を示すモデルを生成する。以下の説明では、外勤用の端末装置２０１の一例を「端末装置Ａ」および「端末装置Ｂ」とし、内勤用の端末装置２０１の一例を「端末装置ａ」として説明を行う。
情報処理装置１００は、例えば、端末装置Ａのバッテリの劣化量の時間変化を示す時系列データに対して折れ線回帰を適用する。そして、情報処理装置１００は、端末装置Ａのバッテリの劣化量の時間変化を折れ線９００で近似した場合の折れ点９０１，９０２を学習する。
次に、情報処理装置１００は、例えば、学習した折れ点９０１，９０２をそれぞれ利用するか否かを考慮し、端末装置Ａのバッテリの劣化量の時間変化を近似する直線または折れ線を示すモデルを生成する。情報処理装置１００は、具体的には、折れ点９０１，９０２を利用せず直線を示すモデル９１０を生成する。また、情報処理装置１００は、具体的には、折れ点９０１を利用し、折れ線を示すモデル９２０を生成する。また、情報処理装置１００は、具体的には、折れ点９０２を利用し、折れ線を示すモデル９３０を生成する。また、情報処理装置１００は、具体的には、折れ点９０１，９０２を利用し、折れ線を示すモデル９４０を生成する。
次に、情報処理装置１００は、例えば、端末装置Ａの現勤務属性が外勤であることを考慮して、モデル９１０～９４０が示す直線または折れ線に含まれる各線分区間に、外勤または内勤の勤務属性を対応付けたパターン１～４を生成する。
パターン１は、モデル９１０が示す直線に外勤を対応付けたパターンである。また、パターン２は、モデル９２０が示す折れ線のうち、折れ点９０１より後側の線分区間に外勤を対応付け、折れ点９０１より前側の線分区間に内勤を対応付けたパターンである。また、パターン３は、モデル９３０が示す折れ線のうち、折れ点９０２より後側の線分区間に外勤を対応付け、折れ点９０２より前側の線分区間に内勤を対応付けたパターンである。また、パターン４は、モデル９４０が示す折れ線のうち、折れ点９０２より後側の線分区間に外勤を対応付け、折れ点９０１と折れ点９０２との間の線分区間に内勤を対応付け、折れ点９０１より前側の線分区間に外勤を対応付けたパターンである。
次に、情報処理装置１００は、パターン１～４のそれぞれについて、外勤を対応付けた各線分区間の回帰係数、および、内勤を対応付けた各線分区間の回帰係数を算出する。回帰係数は、線分区間の傾きであり、劣化速度を表す。情報処理装置１００は、同様に、端末装置Ｂや端末装置ａについてもパターンを生成する。次に、図１０の説明に移行する。
図１０において、情報処理装置１００は、端末装置２０１ごとに生成した１以上のパターンのいずれかのパターンを選択して組み合わせることにより、１以上の組み合わせを生成する。そして、情報処理装置１００は、それぞれの組み合わせについて、内勤を対応付けた線分区間の回帰係数の分散と、外勤を対応付けた線分区間の回帰係数の分散とを算出し、分散の和を算出する。情報処理装置１００は、例えば、算出結果を表１０１０に示すように記憶する。
ここで、正しい組み合わせでは、グラフ１０００に示すように、内勤を対応付けた線分区間の回帰係数の分散と、外勤を対応付けた線分区間の回帰係数の分散とが、いずれも小さくなる傾向がある。このため、情報処理装置１００は、最も分散の和が小さい組み合わせ２２番を、正しい組み合わせとして特定する。次に、図１１の説明に移行する。
図１１において、情報処理装置１００は、特定した組み合わせ２２番における、内勤を対応付けた線分区間の回帰係数の最頻値を、内勤の端末装置２０１のバッテリの劣化速度として算出する。また、情報処理装置１００は、特定した組み合わせ２２番における、外勤を対応付けた線分区間の回帰係数の最頻値を、外勤の端末装置２０１のバッテリの劣化速度として算出する。情報処理装置１００は、例えば、算出結果を表１１００に示すように記憶する。
情報処理装置１００は、端末装置Ａの現勤務属性が外勤であるため、算出した外勤の端末装置２０１のバッテリの劣化速度を用いて、バッテリの劣化量が閾値を超えるまでにかかる時間が所定時間未満であると判定する。また、情報処理装置１００は、端末装置ａの現勤務属性が内勤であるため、算出した外勤の端末装置２０１のバッテリの劣化速度を用いて、バッテリの劣化量が閾値を超えるまでにかかる時間が所定時間よりも長いと判定する。
このため、情報処理装置１００は、端末装置Ａのバッテリの劣化量が閾値を超えたタイミングで、端末装置Ａと端末装置ａとのバッテリを入れ替えるか、または、端末装置Ａと端末装置ａとを外勤用と内勤用とで相互に切り替える予定を決定する。これにより、情報処理装置１００は、端末装置Ａのバッテリを新品に交換しなくても、端末装置Ａと端末装置ａとを所定時間が経過するまで動作可能にすることができる。
ここで、例えば、端末装置Ａのバッテリの劣化量の変化は、グラフ１１１０に示すような変化になる。また、例えば、端末装置ａのバッテリの劣化量の変化は、グラフ１１２０に示すような変化になる。次に、図１２の説明に移行する。
図１２の例は、情報処理装置１００が、時間５０において外勤者Ｘが利用中の端末αと、時間５０において内勤者Ｙが利用中の端末βと、時間５０において外勤者Ｚが利用中の端末γとの劣化予測を実施した結果を示している。
図１２のグラフ１２００～１２２０に示すように、情報処理装置１００は、それぞれの端末装置２０１のバッテリの劣化量の時間変化を近似する折れ線の各線分区間に、勤務属性を正しく対応付けて、劣化予測を実施することができる。情報処理装置１００は、例えば、グラフ１２００に示すように勤務属性を正しく対応付けて、劣化予測を実施することができる。情報処理装置１００は、具体的には、グラフ１２００に示すように、時間２０で利用形態が変化したと仮定し、時間２０より前には内勤を対応付け、時間２０より後には外勤を対応付ける。そして、情報処理装置１００は、例えば、時間１００までに端末装置αのバッテリの劣化量が閾値を超えるか否かを判定する。
また、情報処理装置１００は、例えば、内勤者Ｙの一時的な使用方法の変化により、グラフ１２１０の時間４５より後の部分１２１１で劣化速度が変動しても、グラフ１２１０に示すように勤務属性を正しく対応付けて、劣化予測を実施することができる。情報処理装置１００は、具体的には、グラフ１２１０に示すように、時間１８で利用形態が変化したと仮定し、時間１８より前には外勤を対応付け、時間１８より後には内勤を対応付ける。そして、情報処理装置１００は、例えば、時間１００までに端末装置βのバッテリの劣化量が閾値を超えるか否かを判定する。図１２の例では、情報処理装置１００は、時間１００までには端末装置βのバッテリの劣化量が閾値を超えないと判定することができる。図１２の例では、情報処理装置１００は、時間１００までに端末装置αのバッテリの劣化量が閾値を超えると判定することができる。
ここで、従来の装置が劣化予測を実施した場合では、例えば、端末装置２０１のバッテリの劣化量の時間変化を折れ線近似し、時間４５より後の部分１２１１を、最後の線分区間として扱ってしまう傾向がある。このため、従来の装置は、時間４５より後の部分１２１１の傾きをバッテリの劣化速度として用いて、時間１００までに端末装置βのバッテリの劣化量が閾値を超えてしまうと間違って判定してしまうおそれがある。これに対し、情報処理装置１００は、時間１００までに端末装置βのバッテリの劣化量が閾値を超えるか否かを精度よく判定することができる。
また、情報処理装置１００は、同様に、例えば、内勤者Ｚの一時的な使用方法の変化により、グラフ１２２０の一部で劣化速度が変動しても、グラフ１２２０に示すように勤務属性を正しく対応付けて、劣化予測を実施することができる。情報処理装置１００は、具体的には、グラフ１２２０に示すように、時間１０で利用形態が変化したと仮定し、時間１０より前には外勤を対応付け、時間１０より後には内勤を対応付ける。そして、情報処理装置１００は、例えば、時間１００までに端末装置γのバッテリの劣化量が閾値を超えるか否かを判定する。図１２の例では、情報処理装置１００は、時間１００までに端末装置γのバッテリの劣化量が閾値を超えると判定することができる。
これにより、情報処理装置１００は、端末装置２０１の利用形態がどのように変化したかを示す情報を有さなくても、端末装置２０１ごとのバッテリの劣化予測を精度よく実施することができる。また、情報処理装置１００は、同じ利用者による端末装置２０１の利用中に、端末装置２０１の一時的な使用方法の変化があっても、端末装置２０１ごとのバッテリの劣化予測を精度よく実施することができる。そして、情報処理装置１００は、交換用のバッテリをいくつ用意することが好ましいかを管理者が把握しやすくし、作業効率の低下および端末装置２０１のデータロストを防止しやすくすることができる。
（全体処理手順）
次に、図１３および図１４を用いて、情報処理装置１００が実行する、全体処理手順の一例について説明する。全体処理は、例えば、図４に示したＣＰＵ４０１と、メモリ４０２や記録媒体４０５などの記憶領域と、ネットワークＩ／Ｆ４０３とによって実現される。
図１３および図１４は、全体処理手順の一例を示すフローチャートである。図１３において、情報処理装置１００は、各端末装置２０１の劣化量時系列データと勤務属性とを取得する（ステップＳ１３０１）。次に、情報処理装置１００は、ｉ＝１を設定する（ステップＳ１３０２）。そして、情報処理装置１００は、ステップＳ１３０３の処理に移行する。
ステップＳ１３０３では、情報処理装置１００は、ｉ番目の端末装置２０１を選択する（ステップＳ１３０３）。次に、情報処理装置１００は、ｉ番目の端末装置２０１の劣化量時系列データに対して折れ点推定を実施し、折れ点候補を抽出する（ステップＳ１３０４）。そして、情報処理装置１００は、劣化量の時間変化を近似する直線および折れ線のそれぞれに含まれる各線分区間に、外勤または内勤の勤務属性を対応付けた回帰パターンを生成する（ステップＳ１３０５）。
次に、情報処理装置１００は、生成した回帰パターンごとに、外勤に関する回帰係数および内勤に関する回帰係数を算出する（ステップＳ１３０６）。そして、情報処理装置１００は、すべての端末装置２０１を選択したか否かを判定する（ステップＳ１３０７）。
ここで、未選択の端末装置２０１がある場合（ステップＳ１３０７：Ｎｏ）、情報処理装置１００は、ｉ＝ｉ＋１を設定する（ステップＳ１３０８）。そして、情報処理装置１００は、ステップＳ１３０３の処理に戻る。
一方で、すべての端末装置２０１を選択している場合（ステップＳ１３０７：Ｙｅｓ）、情報処理装置１００は、図１４のステップＳ１４０１の処理に移行する。
図１４において、情報処理装置１００は、回帰パターンの組み合わせを特定する（ステップＳ１４０１）。次に、情報処理装置１００は、組み合わせごとに、外勤に関する回帰係数の分散、および、内勤に関する回帰係数の分散を算出する（ステップＳ１４０２）。そして、情報処理装置１００は、外勤に関する分散、および、内勤に関する分散の合計値が最小になる組み合わせを特定する（ステップＳ１４０３）。
次に、情報処理装置１００は、特定した組み合わせにおける外勤に関する回帰係数の最頻値および内勤に関する回帰係数の最頻値を算出する（ステップＳ１４０４）。そして、情報処理装置１００は、図１５に後述する劣化診断処理を実行する（ステップＳ１４０５）。その後、情報処理装置１００は、全体処理を終了する。これにより、情報処理装置１００は、バッテリの劣化予測を精度よく実施することができる。
（劣化診断処理手順）
次に、図１５を用いて、情報処理装置１００が実行する、劣化診断処理手順の一例について説明する。劣化診断処理は、例えば、図４に示したＣＰＵ４０１と、メモリ４０２や記録媒体４０５などの記憶領域と、ネットワークＩ／Ｆ４０３とによって実現される。
図１５は、劣化診断処理手順の一例を示すフローチャートである。図１５において、情報処理装置１００は、外勤に関する回帰係数の最頻値に基づいて、所定期間内に劣化量が閾値に達する外勤用の端末装置２０１があるか否かを判定する（ステップＳ１５０１）。
ここで、所定期間内に劣化量が閾値に達する外勤用の端末装置２０１がない場合（ステップＳ１５０１：Ｎｏ）、情報処理装置１００は、劣化診断処理を終了する。一方で、所定期間内に劣化量が閾値に達する外勤用の端末装置２０１がある場合（ステップＳ１５０１：Ｙｅｓ）、情報処理装置１００は、ステップＳ１５０２の処理に移行する。
ステップＳ１５０２では、情報処理装置１００は、最も早く劣化量が閾値に達する外勤用の端末装置２０１を特定する（ステップＳ１５０２）。そして、情報処理装置１００は、特定した外勤用の端末装置２０１の劣化量が閾値に達するまでの所要時間内で、劣化量が閾値未満である内勤用の端末装置２０１があるか否かを判定する（ステップＳ１５０３）。
ここで、劣化量が閾値未満である内勤用の端末装置２０１がある場合（ステップＳ１５０３：Ｙｅｓ）、情報処理装置１００は、ステップＳ１５０４の処理に移行する。一方で、劣化量が閾値未満である内勤用の端末装置２０１がない場合（ステップＳ１５０３：Ｎｏ）、情報処理装置１００は、ステップＳ１５０５の処理に移行する。
ステップＳ１５０４では、情報処理装置１００は、特定した外勤用の端末装置２０１を内勤用に変更し、最も劣化量が小さい内勤用の端末装置２０１を外勤用に変更する（ステップＳ１５０４）。そして、情報処理装置１００は、ステップＳ１５０１の処理に戻る。
ステップＳ１５０５では、情報処理装置１００は、必要バッテリ数をインクリメントする（ステップＳ１５０５）。そして、情報処理装置１００は、ステップＳ１５０１の処理に戻る。これにより、情報処理装置１００は、用意することが好ましい交換用のバッテリの数を示す必要バッテリ数を算出することができる。そして、情報処理装置１００は、必要バッテリ数を利用者に通知し、作業効率の低下を抑制可能にすることができる。
以上説明したように、情報処理装置１００によれば、端末装置２０１ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得することができる。情報処理装置１００によれば、端末装置２０１ごとに、取得した時系列データに基づいて、端末装置２０１のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成することができる。情報処理装置１００によれば、端末装置２０１ごとに、特定した１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に端末装置２０１の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成することができる。情報処理装置１００によれば、端末装置２０１ごとに生成した１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせを生成することができる。情報処理装置１００によれば、１以上の組み合わせのそれぞれの組み合わせにおける、利用形態ごとの線分区間の傾きのばらつきに基づいて、端末装置２０１ごとのバッテリの劣化予測を実施することができる。
これにより、情報処理装置１００は、端末装置２０１の利用形態がどのように変化したかを示す情報を有さなくても、端末装置２０１の利用形態ごとのバッテリの劣化速度を精度よく算出することができる。また、情報処理装置１００は、それぞれの端末装置２０１の各線分区間での利用形態を正しく仮定した結果に対応する正しい組み合わせを特定するため、一時的に端末装置２０１の使い方が変化していても、バッテリの劣化速度を精度よく算出することができる。そして、情報処理装置１００は、劣化速度に基づいて、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出可能にすることができ、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。結果として、情報処理装置１００は、利用者の作業効率の低下および端末装置２０１のデータロストを防止しやすくすることができる。
情報処理装置１００によれば、端末装置２０１ごとの第１時点での利用形態を示すデータを取得することができる。情報処理装置１００によれば、端末装置２０１ごとに、取得したデータに基づいて、それぞれのモデルが示す直線または折れ線に含まれる隣接する線分区間に対応付けられる利用形態が異なるように、１以上のパターンを生成することができる。これにより、情報処理装置１００は、第１時点での利用形態を考慮すると間違った仮定であることが明確であるパターンを生成せず、処理効率の向上および処理精度の向上を図ることができる。
情報処理装置１００によれば、複数の利用形態として、外勤者による利用形態、および、内勤者による利用形態を利用することができる。これにより、情報処理装置１００は、外勤用の端末装置２０１と、内勤用の端末装置２０１とのバッテリの劣化予測を実施することができる。
情報処理装置１００によれば、１以上の組み合わせのうち、利用形態ごとの線分区間の傾きの分散を加算した合計値が最小になる組み合わせを特定することができる。情報処理装置１００によれば、特定した組み合わせにおける、利用形態ごとの線分区間の傾きの統計値に基づいて、端末装置２０１ごとのバッテリの劣化予測を実施することができる。これにより、情報処理装置１００は、それぞれの端末装置２０１の各線分区間での利用形態を正しく仮定した結果に対応する正しい組み合わせを特定することができる。このため、情報処理装置１００は、利用者が同じであるが一時的に端末装置２０１の使い方が変化するようなことがあっても、バッテリの劣化速度を精度よく算出することができる。
情報処理装置１００によれば、利用形態ごとの線分区間の傾きの統計値に基づいて、端末装置２０１ごとのバッテリの劣化速度を算出することができる。これにより、情報処理装置１００は、劣化速度に基づいて、バッテリの劣化量が閾値を超えるまでの劣化所要時間を算出可能にすることができ、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
情報処理装置１００によれば、利用形態ごとの線分区間の傾きの統計値に基づいて、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを特定することができる。これにより、情報処理装置１００は、端末装置２０１ごとのバッテリの劣化度合いが閾値を超えるタイミングを精度よく特定することができる。そして、情報処理装置１００は、特定したタイミングに基づいて、交換用のバッテリをいくつ用意することが好ましいかを判断可能にすることができる。
情報処理装置１００によれば、シンクライアントに用いられる端末装置２０１に対しても適用することができる。これにより、情報処理装置１００は、端末装置２０１の利用形態がどのように変化したかを示す情報を取得しない場合であっても、端末装置２０１の利用形態ごとのバッテリの劣化速度を精度よく算出することができる。
なお、本実施の形態で説明した劣化予測方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した劣化予測プログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した劣化予測プログラムは、インターネット等のネットワークを介して配布してもよい。
上述した実施の形態に関し、さらに以下の付記を開示する。
（付記１）コンピュータに、
端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、
前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、
前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、
前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、
処理を実行させることを特徴とする劣化予測プログラム。
（付記２）前記コンピュータに、
前記端末装置ごとの第１時点での利用形態を示すデータを取得する、処理を実行させ、
前記１以上のパターンを生成する処理は、前記端末装置ごとに、取得した前記データに基づいて、前記それぞれのモデルが示す直線または折れ線に含まれる隣接する線分区間に対応付けられる利用形態が異なるように、前記１以上のパターンを生成する、ことを特徴とする付記１に記載の劣化予測プログラム。
（付記３）前記複数の利用形態は、外勤者による利用形態、および、内勤者による利用形態を含む、ことを特徴とする付記１または２に記載の劣化予測プログラム。
（付記４）前記実施する処理は、前記１以上の組み合わせのうち、前記利用形態ごとの線分区間の傾きの分散を加算した合計値が最小になる組み合わせにおける、前記利用形態ごとの線分区間の傾きの統計値に基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、ことを特徴とする付記１～３のいずれか一つに記載の劣化予測プログラム。
（付記５）前記実施する処理は、前記利用形態ごとの線分区間の傾きの統計値に基づいて、前記端末装置ごとのバッテリの劣化速度を算出する、ことを特徴とする付記１～４のいずれか一つに記載の劣化予測プログラム。
（付記６）前記実施する処理は、前記利用形態ごとの線分区間の傾きの統計値に基づいて、前記端末装置ごとのバッテリの劣化度合いが閾値を超えるタイミングを特定する、ことを特徴とする付記１～５のいずれか一つに記載の劣化予測プログラム。
（付記７）前記端末装置は、シンクライアントに用いられる装置である、ことを特徴とする付記１～６のいずれか一つに記載の劣化予測プログラム。
（付記８）コンピュータが、
端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、
前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、
前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、
前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、
処理を実行することを特徴とする劣化予測方法。
（付記９）端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、
前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、
前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、
前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、
制御部を有することを特徴とする劣化予測装置。
１００ 情報処理装置
１０１～１０４，９１０～９４０ モデル
１１１～１１４ 組み合わせ
１２１～１２４，１０００，１１１０，１１２０，１２００～１２２０ グラフ
２００ 劣化予測システム
２０１ 端末装置
２１０ ネットワーク
４００，６００ バス
４０１，６０１ ＣＰＵ
４０２，６０２ メモリ
４０３，６０３ ネットワークＩ／Ｆ
４０４ 記録媒体Ｉ／Ｆ
４０５ 記録媒体
７００ 記憶部
７０１ 取得部
７０２ 生成部
７０３ 算出部
７０４ 予測部
７０５ 出力部
９００ 折れ線
９０１，９０２ 折れ点
１０１０，１１００ 表
１２１１ 部分

Claims (8)

  1. コンピュータに、
    端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、
    前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、
    前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、
    前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、
    処理を実行させることを特徴とする劣化予測プログラム。
  2. 前記コンピュータに、
    前記端末装置ごとの第１時点での利用形態を示すデータを取得する、処理を実行させ、
    前記１以上のパターンを生成する処理は、前記端末装置ごとに、取得した前記データに基づいて、前記それぞれのモデルが示す直線または折れ線に含まれる隣接する線分区間に対応付けられる利用形態が異なるように、前記１以上のパターンを生成する、ことを特徴とする請求項１に記載の劣化予測プログラム。
  3. 前記複数の利用形態は、外勤者による利用形態、および、内勤者による利用形態を含む、ことを特徴とする請求項１または２に記載の劣化予測プログラム。
  4. 前記実施する処理は、前記１以上の組み合わせのうち、前記利用形態ごとの線分区間の傾きの分散を加算した合計値が最小になる組み合わせにおける、前記利用形態ごとの線分区間の傾きの統計値に基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、ことを特徴とする請求項１～３のいずれか一つに記載の劣化予測プログラム。
  5. 前記実施する処理は、前記利用形態ごとの線分区間の傾きの統計値に基づいて、前記端末装置ごとのバッテリの劣化速度を算出する、ことを特徴とする請求項１～４のいずれか一つに記載の劣化予測プログラム。
  6. 前記実施する処理は、前記利用形態ごとの線分区間の傾きの統計値に基づいて、前記端末装置ごとのバッテリの劣化度合いが閾値を超えるタイミングを特定する、ことを特徴とする請求項１～５のいずれか一つに記載の劣化予測プログラム。
  7. コンピュータが、
    端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、
    前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、
    前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、
    前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、
    処理を実行することを特徴とする劣化予測方法。
  8. 端末装置ごとのバッテリの劣化度合いの時間変化を示す時系列データを取得し、
    前記端末装置ごとに、取得した前記時系列データに基づいて、前記端末装置のバッテリの劣化度合いの時間変化を折れ線近似する場合の折れ点候補を考慮して、前記端末装置のバッテリの劣化度合いの時間変化を近似する直線または折れ線を示す１以上のモデルを生成し、
    前記端末装置ごとに、特定した前記１以上のモデルのそれぞれのモデルが示す直線または折れ線に含まれる各線分区間に前記端末装置の複数の利用形態のいずれかの利用形態を対応付けた１以上のパターンを生成し、
    前記端末装置ごとに生成した前記１以上のパターンのいずれかのパターンを選択して組み合わせた１以上の組み合わせのそれぞれの組み合わせにおける、前記利用形態ごとの線分区間の傾きのばらつきに基づいて、前記端末装置ごとのバッテリの劣化予測を実施する、
    制御部を有することを特徴とする劣化予測装置。
JP2018194171A 2018-10-15 2018-10-15 劣化予測プログラム、劣化予測方法、および劣化予測装置 Active JP7119882B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018194171A JP7119882B2 (ja) 2018-10-15 2018-10-15 劣化予測プログラム、劣化予測方法、および劣化予測装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018194171A JP7119882B2 (ja) 2018-10-15 2018-10-15 劣化予測プログラム、劣化予測方法、および劣化予測装置

Publications (2)

Publication Number Publication Date
JP2020063920A JP2020063920A (ja) 2020-04-23
JP7119882B2 true JP7119882B2 (ja) 2022-08-17

Family

ID=70387079

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018194171A Active JP7119882B2 (ja) 2018-10-15 2018-10-15 劣化予測プログラム、劣化予測方法、および劣化予測装置

Country Status (1)

Country Link
JP (1) JP7119882B2 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003256084A (ja) 2002-03-06 2003-09-10 Fujitsu Ltd バッテリ監視システム
WO2011135609A1 (ja) 2010-04-26 2011-11-03 トヨタ自動車株式会社 蓄電素子の劣化推定装置および劣化推定方法
JP2015021934A (ja) 2013-07-23 2015-02-02 日本電気株式会社 劣化係数決定システム、劣化予測システム、劣化係数決定方法およびプログラム
WO2016092811A1 (ja) 2014-12-10 2016-06-16 株式会社Ｇｓユアサ 蓄電素子状態推定装置及び蓄電素子状態推定方法
WO2017033311A1 (ja) 2015-08-26 2017-03-02 日産自動車株式会社 劣化度推定装置及び劣化度推定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003256084A (ja) 2002-03-06 2003-09-10 Fujitsu Ltd バッテリ監視システム
WO2011135609A1 (ja) 2010-04-26 2011-11-03 トヨタ自動車株式会社 蓄電素子の劣化推定装置および劣化推定方法
JP2015021934A (ja) 2013-07-23 2015-02-02 日本電気株式会社 劣化係数決定システム、劣化予測システム、劣化係数決定方法およびプログラム
WO2016092811A1 (ja) 2014-12-10 2016-06-16 株式会社Ｇｓユアサ 蓄電素子状態推定装置及び蓄電素子状態推定方法
WO2017033311A1 (ja) 2015-08-26 2017-03-02 日産自動車株式会社 劣化度推定装置及び劣化度推定方法

Also Published As

Publication number Publication date
JP2020063920A (ja) 2020-04-23

Similar Documents

Publication Publication Date Title
US8645150B2 (en) Source aware data center power profiles
WO2011105091A1 (ja) 制御装置、管理装置、制御装置のデータ処理方法、およびプログラム
JP2006048559A (ja) ストレージシステムの記憶容量管理方法
US20130226551A1 (en) Predicting system performance and capacity using software module performance statistics
WO2015139164A1 (zh) 一种任务调度的方法、装置及设备
US9189216B2 (en) Power consumption design-optimization of a communication device software program
US20140244191A1 (en) Current usage estimation for electronic devices
US20120221373A1 (en) Estimating Business Service Responsiveness
US9600795B2 (en) Measuring process model performance and enforcing process performance policy
JP6424562B2 (ja) 障害予測装置、障害予測システム、及びプログラム
JP2012205385A (ja) 予備力計算装置およびその方法、コンピュータプログラム
US20170147934A1 (en) Method and system for quantitatively evaluating the confidence in information received from a user based on cognitive behavior
CN104375934A (zh) 一种Android手机软件可靠性测试方法
US20210365350A1 (en) Determination method and storage medium
CN111291936B (zh) 产品生命周期预估模型生成方法、装置及电子设备
US10248462B2 (en) Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program
JP5915092B2 (ja) 情報処理装置、情報処理システム及び情報処理プログラム
CN102236534A (zh) 信息处理装置及信息处理方法
CN107679766B (zh) 一种群智任务动态冗余调度方法及装置
US11556447B2 (en) Usage prediction method and storage medium
JP7119882B2 (ja) 劣化予測プログラム、劣化予測方法、および劣化予測装置
CN113704487A (zh) 知识图谱的生成方法、装置、计算机设备及存储介质
JP4339220B2 (ja) 情報処理装置、情報処理装置の制御方法、及びプログラム
EP2772862B1 (en) Electrical current estimation for electronic devices
JP2012043030A (ja) 情報処理装置及び情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210709

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220629

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220705

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220718

R150 Certificate of patent or registration of utility model

Ref document number: 7119882

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150