JP7138800B2 - Control system, server, device, control method and program - Google Patents
Control system, server, device, control method and program Download PDFInfo
- Publication number
- JP7138800B2 JP7138800B2 JP2021539706A JP2021539706A JP7138800B2 JP 7138800 B2 JP7138800 B2 JP 7138800B2 JP 2021539706 A JP2021539706 A JP 2021539706A JP 2021539706 A JP2021539706 A JP 2021539706A JP 7138800 B2 JP7138800 B2 JP 7138800B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- coefficient
- neural network
- history
- unit
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Air Conditioning Control Device (AREA)
Description
本発明は、制御システム、サーバ、機器、制御方法およびプログラムに関する。 The present invention relates to control systems, servers, devices, control methods, and programs.
空気調和機により撮像された画像または熱画像のデータに基づいて、空気調和機が設置された部屋の在室者それぞれが快適と感じる個別快適範囲を取得し、取得した個別快適範囲に基づいて、在室者全員の個別快適範囲において共通する範囲である共通快適範囲を抽出することを繰り返すことにより、在室者と共通快適範囲との組み合わせを学習する空気調和機システムが提案されている(例えば特許文献1参照)。 Based on the image or thermal image data captured by the air conditioner, an individual comfort range that each occupant in the room where the air conditioner is installed acquires, and based on the acquired individual comfort range, An air conditioner system has been proposed that learns the combination of room occupants and common comfort ranges by repeatedly extracting a common comfort range, which is a common range in the individual comfort ranges of all room occupants (for example, See Patent Document 1).
しかしながら、特許文献1に提案されている空気調和システムでは、例えば空気調和機が新たな空気調和機に更新された場合、その新たな空気調和機を使用して新たに在室者と共通快適範囲との組み合わせを学習し直す必要があり、新たな空気調和機を在室者にとって最適な運転状態にするまでに時間を要する虞がある。
However, in the air conditioning system proposed in
本発明は、上記事由に鑑みてなされたものであり、機器が更新された場合においても機器の更新前の運転状態の傾向を継続できる制御システム、サーバ、機器、制御方法およびプログラムを提供することを目的とする。 The present invention has been made in view of the above reasons, and provides a control system, server, device, control method, and program that can continue the tendency of the operating state of the device before the device is updated even when the device is updated. With the goal.
上記目的を達成するために、本発明に係る制御システムは、
サーバと、少なくとも1つの機器と、を備え、
前記サーバは、
予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるためのニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを、前記少なくとも1つの機器から取得する第1係数取得部と、
前記少なくとも1つの機器から係数要求情報を取得すると、前記第1係数取得部が取得した前記係数情報と前記係数属性情報とを、前記少なくとも1つの機器へ送信する第1係数送信部と、を有し、
前記少なくとも1つの機器は、それぞれ、
前記少なくとも1つの機器それぞれで用いられるニューラルネットワークのニューラルネットワーク係数を示す係数情報と係数属性情報とを、前記サーバへ送信する第2係数送信部と、
前記サーバへ前記係数情報の送信を要求する係数要求情報を送信することにより、前記サーバから係数情報と係数属性情報とを取得する第2係数取得部と、
前記第2係数取得部が取得した前記係数情報と係数属性情報とに基づいて、ニューラルネットワークのニューラルネットワーク係数を設定する係数設定部と、
前記ニューラルネットワーク係数が設定された前記ニューラルネットワークを用いて、現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューロエンジンと、
前記ニューロエンジンにより求められた前記機器設定パラメータに基づいて前記機器を制御する機器制御部と、を有する。In order to achieve the above object, the control system according to the present invention includes:
comprising a server and at least one device;
The server is
Coefficient information including information indicating neural network coefficients of a neural network for obtaining future device setting parameters of the device having a preset number of nodes and number of layers, and coefficient attribute information indicating attributes of the coefficient information, a first coefficient acquisition unit that acquires from the at least one device;
a first coefficient transmission unit configured to transmit the coefficient information and the coefficient attribute information acquired by the first coefficient acquisition unit to the at least one device when the coefficient request information is acquired from the at least one device. death,
Each of the at least one device comprises:
a second coefficient transmission unit configured to transmit, to the server, coefficient information indicating neural network coefficients of the neural networks used in each of the at least one devices, and coefficient attribute information;
a second coefficient acquisition unit configured to acquire coefficient information and coefficient attribute information from the server by transmitting coefficient request information requesting transmission of the coefficient information to the server;
a coefficient setting unit configured to set neural network coefficients of a neural network based on the coefficient information and the coefficient attribute information acquired by the second coefficient acquisition unit;
a neuro engine for obtaining future device setting parameters of the device from environmental parameters indicating the current environment using the neural network in which the neural network coefficients are set;
and a device control unit that controls the device based on the device setting parameters obtained by the neuro engine.
本発明によれば、サーバにおいて、第1係数取得部が、機器の将来の機器設定パラメータを求めるためのニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と係数属性情報とを、少なくとも1つの機器から取得し、第1係数送信部が、少なくとも1つの機器から係数要求情報を取得すると、第1係数取得部が取得した係数情報と係数属性情報とを、少なくとも1つの機器へ送信する。一方、少なくとも1つの機器それぞれにおいて、第2係数送信部が、少なくとも1つの機器それぞれで用いられるニューラルネットワークのニューラルネットワーク係数を示す係数情報と係数属性情報とを、サーバへ送信し、第2係数取得部が、サーバへ係数要求情報を送信することにより、サーバから係数情報と係数属性情報とを取得する。そして、係数設定部が、第2係数取得部が取得した係数情報と係数属性情報とに基づいて、ニューラルネットワークのニューラルネットワーク係数を設定する。これにより、例えば機器の更新前に、機器で用いられていたニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と係数属性情報とを、サーバへ送信しておき、機器の更新後に、サーバへ係数要求情報を送信してサーバから係数情報を取得することにより、更新後の機器で用いられるニューラルネットワークについて更新前のニューラルネットワーク係数を設定することができる。従って、機器が更新された場合においても更新後の機器において、機器の更新前の運転状態の傾向を継続できる。 According to the present invention, in the server, the first coefficient acquisition unit stores the coefficient information including the information indicating the neural network coefficients of the neural network for obtaining the future device setting parameters of the device and the coefficient attribute information into at least one When the first coefficient transmission unit acquires the coefficient request information from at least one device, the coefficient information and the coefficient attribute information acquired by the first coefficient acquisition unit are transmitted to at least one device. On the other hand, in each of at least one device, a second coefficient transmission unit transmits coefficient information indicating neural network coefficients of a neural network used in each of at least one device and coefficient attribute information to a server, and obtains a second coefficient. A unit acquires coefficient information and coefficient attribute information from the server by transmitting coefficient request information to the server. Then, the coefficient setting unit sets the neural network coefficients of the neural network based on the coefficient information and the coefficient attribute information acquired by the second coefficient acquisition unit. As a result, for example, before updating the device, the coefficient information including the information indicating the neural network coefficients of the neural network used in the device and the coefficient attribute information are transmitted to the server, and after the device is updated, the coefficient attribute information is sent to the server. By transmitting the coefficient request information and acquiring the coefficient information from the server, it is possible to set the pre-update neural network coefficients for the neural network used in the updated device. Therefore, even when the equipment is updated, the trend of the operating state of the equipment before the update can be continued in the equipment after the update.
以下、本発明の実施の形態に係る制御システムについて図面を参照して詳細に説明する。本実施の形態に係る制御システムは、機器の利用者に関する利用者情報に基づいて、機器が設置されている場所の環境を示す環境パラメータと将来の気象条件を示す気象予報情報とから、ニューラルネットワークを用いて、将来の機器の機器設定パラメータを求めるものである。また、本実施の形態に係る制御システムでは、機器が、予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークの重み係数を決定するとともに、重み係数が決定されたニューラルネットワークを用いて、自機の将来の機器設定パラメータを求める機能を有する。 A control system according to an embodiment of the present invention will be described in detail below with reference to the drawings. The control system according to the present embodiment, based on user information about the user of the device, uses environmental parameters indicating the environment of the location where the device is installed and weather forecast information indicating future weather conditions to generate a neural network. is used to determine device configuration parameters for future devices. Further, in the control system according to the present embodiment, the device determines the weighting coefficient of the neural network for obtaining the future device setting parameters of the device having the preset number of nodes and the number of layers, and the weighting coefficient is Using the determined neural network, it has a function of obtaining future equipment setting parameters of its own equipment.
本実施の形態に係る制御システムは、図1に示すように、住戸H内の各部屋R1、R2、R3に設置された空気調和機41、42、43と、管理装置7と、宅外ネットワークNT1を介して通信可能なクラウドサーバ2と、を備える。宅外ネットワークNT1は、例えばインターネットである。また、宅外ネットワークNT1には、現在または過去の気象条件を示す気象実績情報と、将来の気象条件を示す気象予報情報と、を配信する気象サーバ3と、が接続されている。更に、宅外ネットワークNT1には、例えば空気調和機を購買した顧客を管理する顧客サーバ9が接続されている。顧客サーバ9は、顧客が購買した空気調和機の機器設定情報と、温度情報を含む環境パラメータを示す環境情報と、の履歴を含む履歴情報、空気調和機を識別する機器識別情報に対応づけて記憶するストレージ(図示せず)を備える。顧客サーバ9は、顧客が購買した空気調和機から定期的に履歴情報を受信する毎に、受信した履歴情報を機器識別情報に対応づけてストレージに記憶させる。
The control system according to the present embodiment, as shown in FIG. and a
また、顧客サーバ9は、クラウドサーバ2から履歴要求情報を受信すると、履歴要求情報に対応する履歴情報とこれに対応する履歴属性情報とを生成する。ここで、顧客サーバ9は、例えばファイル形式がJSONスキーマファイル形式である履歴属性情報を生成するとともに、JSONファイル形式である属性情報を生成する。そして、顧客サーバ9は、生成した履歴情報および履歴属性情報をクラウドサーバ2へ送信する。ここで、顧客サーバ9は、履歴情報および履歴属性情報に対して可逆式の情報圧縮処理を行ってから送信する。
Further, upon receiving the history request information from the
住戸H内の各部屋R1、R2、R3には、空気調和機41、42、43を操作するための操作機器61、62、63が配置されている。ここで、部屋R1、R2、R3は、それぞれ、例えば住戸H内のリビングルーム、寝室、子供部屋である。また、住戸Hには、宅内ネットワークNT2に接続されたルータ82と、ルータ82および宅外ネットワークNT1に接続されたデータ回線終端装置81と、が設置されている。宅内ネットワークNT2は、例えば有線LAN(Local Area Network)または無線LANである。データ回線終端装置81は、モデム、ゲートウェイ等である。
空気調和機41、42、43は、それぞれ、図2に示すように、制御部400と、部屋の温度を計測する計測装置461と、空気調和機4の利用者を撮像する撮像装置481と、を有する。なお、計測装置461は、部屋の温度を計測するものに限定されるものではなく、部屋の湿度、明るさ等の他の部屋の環境を示す環境パラメータを計測するものであってもよい。撮像装置481としては、例えば利用者の表面の温度分布を示す画像を撮像するカメラが採用される。また、空気調和機41、42、43は、それぞれ、制御部400から入力される制御信号に基づいて動作する圧縮機(図示せず)と送風ファン(図示せず)とを有する。
Each of the
制御部400は、CPU(Central Processing Unit)401と、主記憶部402と、補助記憶部403と、通信インタフェース405と、計測装置インタフェース406と、操作機器インタフェース407と、撮像インタフェース408と、ニューロエンジン404と、これらを相互に接続するバス409と、を備える。主記憶部402は、揮発性メモリから構成され、CPU401の作業領域として用いられる。また、主記憶部402は、複数種類のニューラルネットワークの演算を並行して実行することができるだけの十分大きな記憶領域を有する。補助記憶部403は、磁気ディスク、半導体フラッシュメモリ等の不揮発性メモリから構成され、制御部400の各種機能を実現するためのプログラムを記憶する。通信インタフェース405は、宅内ネットワークNT2に接続されており、CPU401から通知される各種情報を宅内ネットワークNT2へ送出したり、宅内ネットワークNT2から受信した各種情報をCPU401へ通知したりする。操作機器インタフェース407は、操作機器61、62、63とそれぞれ1対1に通信する。操作機器インタフェース407と操作機器61、62、63とは、それぞれ、赤外線通信規格またはBluetooth(登録商標)のような通信規格に適合した通信方式で無線接続されていてもよい。或いは、操作機器インタフェース407と操作機器61、62、63とは、専用の通信線を介して接続されていてもよい。操作機器61、62、63から利用者が操作機器61、62、63に対して行った操作内容を示す操作情報を受信すると、その操作情報をCPU401へ通知する。計測装置インタフェース406は、計測装置461から計測値信号が入力されると、それに応じた温度情報を生成してCPU401へ通知する。撮像インタフェース408は、撮像装置481から画像信号が入力されると、それに応じた画像情報を生成してCPU401へ通知する。
The
CPU401は、補助記憶部403が記憶するプログラムを主記憶部402に読み出して実行することにより、図3に示すように、環境情報取得部411、画像取得部412、操作受付部413、機器制御部414、利用者特定部415、計時部416、気象情報取得部417、係数取得部418、係数設定部419、係数決定部420、係数送信部421、機器設定更新部422、動作モード設定部423、係数情報生成部424、履歴情報生成部425、履歴情報送信部426および機器識別情報送信部427として機能する。また、図2に示す補助記憶部403は、図3に示すように、機器設定記憶部431と、利用者情報記憶部432と、ニューラルネットワーク記憶部433と、履歴情報記憶部434と、動作モード記憶部435と、気象情報記憶部436と、を有する。
The
機器設定記憶部431は、空気調和機41、42、43の機器設定パラメータを示す機器設定情報を記憶する。利用者情報記憶部432は、空気調和機41、42、43の利用者に関する利用者情報を記憶する。具体的には、利用者情報記憶部432は、例えば、撮像装置481により撮像される各利用者の画像情報が示す利用者の表面の温度分布から算出される利用者の表面における熱の発散が多い領域の位置を示す特徴量情報を、利用者を識別する利用者識別情報と対応づけて記憶している。
The device
履歴情報記憶部434は、空気調和機41、42、43の機器設定情報と、温度情報を含む環境パラメータを示す環境情報と、の履歴を記憶する。履歴情報記憶部434は、例えば図4に示すように、空気調和機41、42、43の設定温度、風量レベルの履歴を示す動作履歴情報と部屋の室内温度の履歴を示す環境履歴情報とを、日時情報と対応づけて記憶する。図3に戻って、動作モード記憶部435は、空気調和機41、42、43の動作モードを示す動作モード情報を記憶する。気象情報記憶部436は、クラウドサーバ2から取得した気象予報情報および気象実績情報を記憶する。
The history
ニューラルネットワーク記憶部433は、ニューロエンジン404において実現するニューラルネットワークに関する情報を記憶する。ニューラルネットワークは、空気調和機41、42、43の将来の機器設定パラメータを求めるための第1ニューラルネットワークである。このニューラルネットワークは、図5に示すように入力層L10、隠れ層L20および出力層L30を有する。入力層L10は、室内温度、湯水温度等の環境パラメータと、日時を示す数値と、気象条件を数値化した情報とを、隠れ層L20へ入力する。ここで、気象条件の数値化方法としては、例えば気象条件を「晴れ」、「曇り」、「雨」、「雪」の4種類とした場合、各気象条件に対応する数値NUM1、NUM2、NUM3、NUM4を、NUM1<NUM2<NUM3<NUM4の関係が成立するように設定すればよい。具体的には、「晴れ」、「曇り」、「雨」、「雪」に対応する数値を、それぞれ、「10」「20」「30」「40」に設定すればよい。
The neural
隠れ層L20は、予め設定された数M[j]のノードx[j,i](1≦i≦M[j]、M[j]は正の整数)を含むN(Nは正の整数)個の層から構成されている。即ち、隠れ層L20は、各ノード列同士が繋がれた構造を有する。ここで、各ノードx[j,i]の出力y[j,i]は、下記式(1)の関係式で表される。
また、活性化関数がランプ関数である場合、下記式(3)の関係式で表される。
Also, when the activation function is a ramp function, it is represented by the following relational expression (3).
隠れ層L20は、ノードに入力される情報が前の層の各ノードの出力にそれぞれに重み係数を乗じたものの総和となっている。そして、総和を引数とする活性化関数の出力が次の層へ伝達される。出力層L30は、隠れ層L20の最終層からの出力y[j,i]をそのまま出力する。 In the hidden layer L20, the information input to the node is the sum of the output of each node in the previous layer multiplied by a weighting factor. The output of the activation function with the sum as an argument is then propagated to the next layer. The output layer L30 directly outputs the output y[j, i] from the final layer of the hidden layer L20.
そして、ニューラルネットワーク記憶部433は、式(1)で表されるニューラルネットワークの構造を示す情報と、ニューラルネットワークの重み係数W[j,i,k]を示す情報と、を記憶する。
Then, the neural
図3に戻って、環境情報取得部411は、計測装置461により計測される部屋の温度を示す温度情報を計測装置インタフェース406から取得する。なお、環境情報取得部411は、計測装置461が部屋の湿度、明るさ等の他の部屋の環境パラメータを計測するものである場合、これらの他の環境パラメータを示す環境情報を取得する。画像取得部412は、撮像装置481で撮像される利用者の画像情報を撮像インタフェース408から取得する。
Returning to FIG. 3 , the environment
操作受付部413は、操作機器6から送出された操作情報が操作機器インタフェース407から通知されると、通知された操作情報を受け付ける。そして、操作受付部413は、操作情報が空気調和機4の機器設定パラメータの更新に関するものである場合、操作情報に対応する機器設定パラメータを示す機器設定情報を生成して、機器設定記憶部431に記憶させる。また、操作受付部413は、操作情報が空気調和機4の動作モードの変更に関するものである場合、操作情報に対応する動作モードを示す動作モード情報を動作モード設定部423に通知する。機器制御部414は、機器設定記憶部431が記憶する機器設定情報に基づいて、圧縮機および送風ファンの動作を制御する。
When
利用者特定部415は、画像取得部412が取得した画像情報が示す利用者の表面の温度分布から、利用者表面における熱の発散が多い領域を特定し、利用者情報記憶部432が記憶する利用者に関する特徴量情報と特定した領域の位置とに基づいて、空気調和機41、42、43の利用者を特定する。また、利用者特定部415は、特定した空気調和機41、42、43の利用者の利用者識別情報を、利用者情報記憶部432に記憶させる。
The
計時部416は、環境情報取得部411が環境情報を取得した日時および現時点の時刻を計時する。気象情報取得部417は、現在および過去の気象条件を示す気象実績情報と将来の気象条件を示す気象予報情報とを含む気象情報を、クラウドサーバ2から取得する。係数取得部418は、ニューロエンジン404において実現されているニューラルネットワークの重み係数を示す情報を含む係数情報を、クラウドサーバ2から取得する第2係数取得部である。また、係数取得部418は、クラウドサーバ2から取得した可逆式の情報圧縮処理が施された係数情報および係数属性情報に対して情報伸張処理を実行する。そして、係数取得部418は、係数情報に含まれる重み係数情報をニューラルネットワーク記憶部433に記憶させる。
The
係数決定部420は、履歴情報に含まれる動作履歴情報および環境履歴情報と、気象実績情報と、に基づいて、ニューラルネットワークの重み係数を決定する。係数決定部420は、まず、ニューラルネットワーク記憶部433から初期係数を示す情報を取得し、取得した初期係数をニューラルネットワークの重み係数に設定する。次に、係数決定部420は、ニューロエンジン404が、環境履歴情報が示す現在および過去の環境パラメータと、日時情報が示す日時と、気象実績情報が示す現在または過去の気象条件を数値化した情報と、に基づいて、ニューラルネットワークを用いて算出した機器設定パラメータを取得する。続いて、係数決定部420は、履歴情報記憶部434が記憶する動作履歴情報が示す現在および過去の機器設定パラメータを取得し、ニューラルネットワークを用いて算出された機器設定パラメータとの誤差を算出する。そして、係数決定部420は、算出した誤差に基づいて、誤差逆伝播法(バックプロパゲーション)によりニューラルネットワークの重み係数を決定する。ここで、係数決定部420は、例えばオートエンコーダを用いて重み係数を決定する。
The
また、係数決定部420は、ニューラルネットワークの重み係数を決定する際、ドロップアウト情報を使用する。ドロップアウト情報は、前述の隠れ層L20における各ノードノードについて定義され、係数決定部215がニューラルネットワークの重み係数を決定する際に、ノードを不活性化、即ち、ノードx[j,i]の出力を「0」としたか否かを示す情報である。各ノードは、予め設定された確率Pで活性化され、確率(1-P)で不活性化される。確率Pは、ノード毎に設定されており、0よりも大きく1以下の範囲の値をとる。確率Pが「1」に設定されている場合、対応するノードは常に活性化されることになる。例えば、確率Pで「1」となり、確率(1-P)で「0」となる変数をrYとすると、各ノードx[j,i]の出力y[j,i]は、下記式(4)および式(5)の関係式で表される。
係数設定部419は、係数決定部420が決定した重み係数を、ニューラルネットワークの重み係数に設定する。機器設定更新部422は、ニューロエンジン404により算出された機器設定パラメータで機器設定記憶部431が記憶する機器設定情報を更新する。
The
動作モード設定部423は、操作受付部413が空気調和機41、42、43の動作モードを設定するための操作を受け付けると、受け付けた操作内容に応じた動作モードを示す動作モード情報を動作モード記憶部435に記憶させる。係数情報生成部424は、管理装置7から後述する移動先通知情報を受信すると、ニューラルネットワーク記憶部433が記憶するニューラルネットワークの重み係数を示す重み係数情報を含む係数情報とこれに対応する係数属性情報とを生成する。係数情報生成部424は、例えばファイル形式がJSONスキーマファイル形式である係数属性情報を生成するとともに、JSONファイル形式である係数情報を生成する。係数送信部421は、ニューラルネットワーク記憶部433が記憶する重み係数を示す情報を含む係数情報とこれに対応する係数属性情報とを、クラウドサーバ2へ送信する第2係数送信部である。係数送信部421は、係数情報および係数属性情報に対して可逆式の情報圧縮処理を行ってから送信する。
When
履歴情報生成部425は、予め設定されたアップロード時期が到来した場合、履歴情報記憶部434が記憶する履歴情報を参照して、前回のアップロード時期から今回のアップロード時期までの間の機器設定パラメータおよび環境パラメータの履歴を示す履歴情報とこれに対応する履歴属性情報とを生成する。履歴情報生成部425は、例えばファイル形式がJSONスキーマファイル形式である履歴属性情報を生成するとともに、JSONファイル形式である属性情報を生成する。履歴情報送信部426は、履歴情報生成部425が生成した履歴情報および履歴属性情報を顧客サーバ9へ送信する。履歴情報送信部426は、履歴情報および履歴属性情報に対して可逆式の情報圧縮処理を行ってから送信する。機器識別情報送信部427は、空気調和機41、42、43を識別する機器識別情報を管理装置7へ送信する。
When the preset upload time comes, the history
ニューロエンジン404は、予め設定されたノード数および層数を有するニューラルネットワークを用いた演算処理専用のハードウェアである。ニューロエンジン404は、図6に示すように、プロセッサ441と、ワークメモリ442と、演算アクセラレータ443と、入出力レジスタ444と、ダウンロードバッファ445と、を有する。ここで、クラウドサーバ2からは、後述する係数属性情報と、係数情報と、を取得する。なお、係数属性情報は、例えばJSONスキーマファイル形式のフォーマットを有し、係数情報は、JSONファイル形式のフォーマットを有する。ここで、係数属性情報は、ダウンロードバッファ445に一度格納された後、プロセッサ441が使用するワークメモリ442に格納される。プロセッサ441は、ワークメモリ442の係数属性情報DAZ2を読み出し、係数属性情報DAZ2に含まれるニューラルネットワークの構造を示す情報、ニューラルネットワークの層数およびノード数を示す情報に基づいて、重み係数情報DAC2、ノード計算値情報DAN21および入出力ノード値情報DAN22を格納するために必要となるメモリ領域を確保する。そして、プロセッサ441は、それぞれのメモリ領域において、ニューラルネットワークの重み係数とノードとを対応付けていく。
The
また、プロセッサ441は、重み係数情報DAC2を、ワークメモリ442の対応部分に格納する。また、プロセッサ441は、入出力レジスタ444から入力されるニューラルネットワークへの入力値情報を、入出力ノード値情報DAN22を格納するためのメモリ領域に格納した上で、順次重み係数情報DAC2を読み出す。また、プロセッサ441は、ワークメモリ442に格納された係数属性情報DAZ2に含まれる活性化関数情報を、演算プログラムに設定した上で、ニューラルネットワークの各層および各ノードについて順次演算を実行する。そして、プロセッサ441は、ニューラルネットワークの各層および各ノードについての演算を完了すると、得られた出力値情報を、入出力ノード値情報DAN22を格納するメモリ領域に格納し、その後、入出力ノード値情報DAN22を格納するメモリ領域から入出力レジスタ444の出力部分へ転送する。なお、プロセッサ441による演算処理には、大きな容量のワークメモリ442が必要となるとともに、プロセッサ441とワークメモリ442との間での数値情報の転送が頻発する。従って、プロセッサ441を用いたニューラルネットワークの演算にはある程度の時間を要する。そこで、ニューラルネットワークの演算時間を短縮するために、プロセッサ441として、高速演算が可能なGPU(Graphics Processing Unit)を採用する場合もある。
一方、演算アクセラレータ443は、ハードウェアで構成された専用アクセラレータであり、ニューラルネットワークのノード毎に必要となる膨大な数の単純演算を実行するニューラルネットワークの演算に特有の処理に特化したものである。演算アクセラレータ443は、複数のノード単位演算部443aを有する。各ノード単位演算部443aは、ニューラルネットワークのノード(例えばノードX1、Y1)毎に設けられ、ローカルレジスタ443bと、積和演算部443cと、変換テーブル部443dと、を有する。ノード単位演算部443aは、ニューラルネットワークを構成するノードの数と同数だけ設けられている。また、積和演算部443cおよび変換テーブル部443dに対応するローカルレジスタ443bは、ニューラルネットワークの規模によりレジスタの数が異なることを考慮して、必要な数のローカルレジスタ443bを選択できる構造となっている。そして、演算アクセラレータ443は、クラウドサーバ2から取得した係数属性情報に含まれるニューラルネットワークの層数、ノード数を示す情報に基づいて、必要な数のローカルレジスタ443bを選択する。
On the other hand, the
そして、演算アクセラレータ443は、必要な数のローカルレジスタ443bが選択された後、重み係数情報を各ローカルレジスタ443bに格納してニューラルネットワークの各ノードの演算を実行する。また、変換テーブル部443dは、前述の活性化関数の演算を行うためのものであり、変換テーブル部443dの内容は、係数属性情報に含まれる活性化関数の形状を示す情報に基づいて設定される。また、係数属性情報には、後述するように、ニューラルネットワークの構造を示す構造情報を含む。そして、ノード単位演算部443aは、係数属性情報に含まれるニューラルネットワークの構造に関する情報を参照して、ニューラルネットワークの重み係数情報を格納するローカルレジスタ443bの位置と、ノード単位演算部443aの間の接続関係と、を決定し、係数情報を取得する。演算アクセラレータ443は、このようなハードウェア構成を有することにより、ニューラルネットワークのノード毎に各別に計算したり、複数のノードについての計算を纏めて実行したりすることができる。この演算アクセラレータ443は、ワークメモリ442とプロセッサ441とを用いた演算に比べて、高速な処理が可能となっている。また、演算アクセラレータ443は、ニューラルネットワークを用いた演算の結果を、出力ノードに対応するノード単位演算部443aのローカルレジスタ443bから読み出して入出力レジスタ444の出力部分へ出力する。
Then, after the required number of
なお、演算アクセラレータ443は、演算規模によらずハードウェアの回路規模を変更することができない。そこで、本実施の形態に係るニューロエンジン404は、演算アクセラレータ443と、プロセッサ441とワークメモリ442とを組み合わせた構成となっている。
Note that the
このニューロエンジン404は、係数設定部419により重み係数が設定されたニューラルネットワークを用いて、気象予報情報と環境履歴情報に含まれる現時点の環境を示す環境パラメータから空気調和機41、42、43の将来の機器設定パラメータを算出する。ここで、気象予報情報は、将来の気象条件を数値化した情報である。機器設定パラメータは、空気調和機41、42、43の設定温度、風量レベル、給湯機51の設定温度等を示す情報である。また、ニューロエンジン404は、係数取得部418が複数の係数情報を取得した場合、複数の係数情報それぞれの係数属性情報に含まれるニューラルネットワークのノード数および層数を示す情報に基づいて、複数の係数情報それぞれに対応したニューラルネットワークの演算を各別に実行する複数のニューラルネットワーク計算部を生成する。そして、ニューロエンジン404は、利用者特定部415により特定された利用者に応じて、その利用者に対応するニューラルネットワークの演算を実行して、その利用者に適した機器設定パラメータを算出する。
This
クラウドサーバ2は、図7に示すように、CPU201と、主記憶部202と、補助記憶部203と、通信インタフェース205と、これらを相互に接続するバス209と、を備える。CPU201は、例えばマルチコアプロセッサである。主記憶部202は、揮発性メモリから構成され、CPU201の作業領域として用いられる。補助記憶部203は、大容量の不揮発性メモリから構成され、クラウドサーバ2の各種機能を実現するためのプログラムを記憶する。通信インタフェース205は、宅外ネットワークNT1に接続されており、気象サーバ3と宅外ネットワークNT1を介して通信可能である。CPU201は、補助記憶部203が記憶するプログラムを主記憶部202に読み出して実行することにより、図8に示すように、履歴情報取得部211、気象実績取得部212、ニューラルネットワーク計算部214、係数決定部215、係数情報生成部218、係数送信部219および係数取得部220として機能する。また、図7に示す補助記憶部203は、図8に示すように、履歴情報記憶部231と、気象情報記憶部232と、ニューラルネットワーク記憶部233と、を有する。
The
ニューラルネットワーク記憶部233は、住戸Hに設置された空気調和機41、42、43で用いられるニューラルネットワークの重み係数の初期値である初期係数を示す情報を記憶する。この初期係数は、空気調和機41、42、43と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含む履歴情報および気象実績情報に基づいて決定したニューラルネットワークの重み係数の初期値である。また、ニューラルネットワーク記憶部233は、空気調和機41、42、43から取得した係数情報に含まれるニューラルネットワークの重み係数を示す情報を、係数情報の送信元の空気調和機41、42、43の機器識別情報に対応づけて記憶する。
The neural
履歴情報取得部211は、住戸Hに設置された空気調和機41、42、43と同一機種の空気調和機、給湯機が設置された他の住戸における空気調和機、給湯機の動作履歴情報および環境履歴情報を含む履歴情報を顧客サーバ9から取得する。履歴情報取得部211は、例えば空気調和機41、42、43と同一機種の空気調和機を購買した顧客を管理する顧客サーバ9から履歴情報を取得する。履歴情報取得部211は、顧客サーバ9から取得した可逆式の情報圧縮処理が施された履歴情報に対して情報伸張処理を実行してから履歴情報に含まれる動作履歴情報、環境履歴情報および利用者情報を取得する。そして、履歴情報取得部211は、取得した履歴情報に含まれる動作履歴情報、環境履歴情報および利用者情報を履歴情報記憶部231に記憶させる。気象実績取得部212は、気象サーバ3から宅外ネットワークNT1を介して、履歴情報に対応する世帯の住戸の存在する地域における現在および過去の気象条件を示す気象実績情報を取得する。
The history
ニューラルネットワーク計算部214は、空気調和機41、42、43で用いられるニューラルネットワークを用いて、気象予報情報と履歴情報取得部211が顧客サーバ9から取得した環境履歴情報とから、空気調和機41、42、43と同一機種の空気調和機の機器設定パラメータを求める。
The neural
係数決定部420は、履歴情報に含まれる動作履歴情報および環境履歴情報と、気象実績情報と、に基づいて、ニューラルネットワークの重み係数を決定する。係数決定部420は、まず、ニューラルネットワーク記憶部433から初期係数を示す情報を取得し、取得した初期係数をニューラルネットワークの重み係数に設定する。次に、係数決定部420は、ニューラルネットワーク計算部214が、環境履歴情報が示す現在および過去の環境パラメータと、日時情報が示す日時と、気象実績情報が示す現在または過去の気象条件を数値化した情報と、に基づいて、ニューラルネットワークを用いて算出した機器設定パラメータを取得する。続いて、係数決定部420は、履歴情報記憶部434が記憶する動作履歴情報が示す現在および過去の機器設定パラメータを取得し、ニューラルネットワークを用いて算出された機器設定パラメータとの誤差を算出する。そして、係数決定部420は、算出した誤差に基づいて、誤差逆伝播法によりニューラルネットワークの重み係数を決定する。
The
係数情報生成部218は、係数決定部213が決定した重み係数を示す情報と重み係数が初期係数であることを示す情報とを含む係数情報を生成する。また、係数情報生成部218は、空気調和機41、42、43から取得したニューラルネットワークの重み係数を示す情報を含む係数情報を生成する。係数送信部219は、係数情報生成部218が生成した係数情報を、宅外ネットワークNT1を介して空気調和機41、42、43へ送信する第1係数送信部である。係数取得部220は、空気調和機41、42、43から送信される係数情報を取得すると、取得した係数情報に含まれるニューラルネットワークの重み係数を示す情報をニューラルネットワーク記憶部233に、空気調和機41、42、43の機器識別情報に対応づけて記憶させる第1係数取得部である。
Coefficient
管理装置7は、図9に示すように、CPU701と主記憶部702と補助記憶部703と表示部704と入力部705とネットワーク通信部706と各部を相互に接続するバス709とを有する。補助記憶部703は、情報管理装置7の各種機能を実現するためのプログラムを記憶する。表示部704は、例えば液晶ディスプレイであり、CPU701から入力される各種情報または操作画面画像を表示する。入力部705は、タッチパッドであり、利用者により操作されるとその操作内容に応じた情報をCPU701へ出力する。入力部705は、表示部704に重ねて配置されており、利用者は、表示部704に表示された操作画面画像を見ながら入力部705を操作することができる。ネットワーク通信部706は、宅内ネットワークNT2に接続され、宅内ネットワークNT2を介して空気調和機41、42、43と通信する。
As shown in FIG. 9, the
CPU701は、補助記憶部703が記憶するプログラムを主記憶部702に読み出して実行することにより、図10に示すように、受付部711、特定部712、表示制御部713、機器識別情報取得部716、移動情報生成部714および移動情報送信部715として機能する。また、図9に示す補助記憶部703は、図10に示すように、レイアウト情報記憶部731と、移動情報記憶部732と、画像記憶部733と、を有する。レイアウト情報記憶部731は、空気調和機41、42、43の機器識別情報を、空気調和機41、42、43の住戸H内の位置を示す配置情報と対応づけて記憶する。また、レイアウト情報記憶部731は、住戸H内における部屋R1、R2、R3の配置を示す間取り情報も記憶する。移動情報記憶部732は、係数情報の移動元となる空気調和機41、42、43の機器識別情報と、係数情報の移動先となる空気調和機41、42、43の機器識別情報と、を、利用者識別情報と対応づけて記憶する。画像記憶部733は、表示部704に表示させる間取り画像、マーク画像、矢印画像を示す画像情報を記憶する。
The
受付部711は、利用者により入力部705が操作されると、その操作内容に応じた操作情報を受け付ける。機器識別情報取得部716は、空気調和機41、42、43からそれぞれの機器識別情報を取得する。特定部712は、レイアウト情報記憶部731が記憶する配置情報と受付部711により受け付けられた操作情報とに基づいて、係数情報の移動元となる空気調和機41、42、43の機器識別情報と、移動先となる空気調和機41、42、43の機器識別情報と、を特定する。表示制御部713は、画像記憶部733から間取り画像を示す画像情報とマーク画像を示す画像情報とを取得し、レイアウト情報記憶部731が記憶する配置情報と間取り情報とに基づいて、間取り画像に空気調和機41、42、43を示すマーク画像を合成して表示部704に表示させる。また、表示制御部713は、利用者により入力部705において係数情報の移動元の空気調和機41、42、43から移動先の空気調和機41、42、43へドラッグする操作を行うと、それに応じた矢印画像を画像記憶部733から取得して表示部704に表示させる。
When the
移動情報生成部714は、特定部712により特定された係数情報の移動元となる空気調和機41、42、43の機器識別情報を含む移動元通知情報と、係数情報の移動先となる空気調和機41、42、43の機器識別情報を含む移動先通知情報と、を生成する。移動情報生成部714は、生成した移動元通知情報と移動先通知情報とを移動情報記憶部732に記憶させる。移動情報送信部715は、移動元通知情報を係数情報の移動先となる空気調和機41、42、43へ送信し、移動先通知情報を係数情報の移動元となる空気調和機41、42、43へ送信する。
The movement
次に、本実施の形態に係る制御システムの動作について図11から図17Bを参照しながら説明する。ここでは、空気調和機41が新たに住戸Hに設置されるものとして説明する。まず、図11に示すように、顧客サーバ9に対して履歴情報の送信を要求する履歴要求情報が、クラウドサーバ2から顧客サーバ9へ送信される(ステップS1)。ここで、履歴情報は、住戸Hに設置された空気調和機41と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含むものである。一方、顧客サーバ9は、履歴要求情報を受信すると、住戸Hに設置された空気調和機41と同一機種の空気調和機が設置された他の住戸を特定し、特定した住戸に設置された空気調和機の動作履歴情報および環境履歴情報を含む履歴情報とこれに対応する履歴属性情報とを生成する(ステップS2)。
Next, the operation of the control system according to this embodiment will be described with reference to FIGS. 11 to 17B. Here, it is assumed that the
履歴情報は、プロトコル情報と、生成した履歴情報を識別する履歴情報識別情報と、動作履歴情報と、環境履歴情報と、を含む。プロトコル情報は、履歴情報をクラウドサーバ2へ送信する際の通信プロトコルに関する各種情報を含む。なお、動作履歴情報、環境履歴情報は、例えば住戸Hに設置された空気調和機41と同一機種の空気調和機が設置された複数の世帯における機器設定パラメータの平均値の履歴および環境パラメータの平均値の履歴を示すものであってもよい。また、履歴属性情報は、例えば図12に示すように、プロトコル情報と、各種履歴属性情報と、を含む。プロトコル情報は、履歴情報をクラウドサーバ2へ送信する際の通信プロトコルに関する各種情報を含む。履歴属性情報としては、生成した履歴属性情報を識別する履歴属性情報識別情報と、空気調和機4、52または給湯機51を識別する機器識別情報と、前述の利用者識別情報と、フォーマット情報と、パラメータ取得条件情報と、機器設定種別情報と、環境種別情報と、連携機器識別情報と、連携対象情報と、操作機器識別情報と、が含まれる。履歴情報識別情報は、例えば属性情報に付与された識別情報と、履歴情報に付与された識別情報と、空気調和機4、52または給湯機51の識別情報と、の少なくとも1つを含む。フォーマット情報は、属性情報および履歴情報それぞれのデータ形式またはファイル形式を示す情報と圧縮形式を示す情報とを含む。ここで、フォーマット情報は、例えば属性情報のファイル形式がJSONスキーマファイル形式であることを示す情報と、履歴情報がJSONファイル形式であることを示す情報を含む。また、フォーマット情報は、履歴情報ファイル数、各履歴情報のファイルのファイルサイズを示す情報を含む。ここで、フォーマット情報に含まれるフラグ情報が例えば「0」であれば、履歴情報のファイル数を示し、「1」であれば1つ目の履歴情報のファイルのサイズ、「2」であれば2つ目の履歴情報のファイルのサイズ、「N」であればN個目の履歴情報のファイルのサイズを示し、「N+1」であれば、履歴情報の圧縮形式を示すようにしてもよい。
The history information includes protocol information, history information identification information for identifying generated history information, operation history information, and environment history information. The protocol information includes various types of information regarding the communication protocol used when sending history information to the
パラメータ取得条件情報は、動作履歴情報または環境履歴情報を取得した期間、機器設定パラメータ、環境パラメータを取得する時間間隔のような各種パラメータの取得条件を示す情報を含む。また、パラメータ取得条件情報は、各種パラメータの取得条件の変更履歴の有無、各種パラメータの取得条件を変更した場合の変更日時を示す情報を含んでもよい。ここで、パラメータ取得条件情報に含まれるフラグ情報が例えば「0」であれば、パラメータの取得日時を示し、「1」であればパラメータの取得開始日時を示し、「2」であればパラメータの取得終了日時を示し、「3」であればパラメータの取得間隔を示すようにしてもよい。機器設定種別情報は、動作履歴情報の内容を補足する情報であり、空気調和機4、52および給湯機51それぞれのオンオフ、設定温度、設定風量、設定風向等の機器設定パラメータの種別を示す情報を含む。ここで、機器設定種別情報に含まれるフラグ情報が例えば「0」であれば、空気調和機4、52および給湯機51それぞれのオンオフを示し、「1」であれば設定温度を示し、「2」であれば設定風量を示し、「3」であれば設定風向を示すようにしてもよい。操作機器識別情報は、機器設定パラメータを設定した操作機器6、71、72が住戸H内のリモートコントローラ、TVまたはスマートフォンのような携帯端末、クラウドサーバ2を介した遠隔操作端末のいずれであるかを示す情報を含む。例えば、操作機器識別情報は、リモートコントローラであれば「0」に設定され、携帯端末であれば「1」に設定され、遠隔情報端末であれば「2」に設定されるようにしてもよい。
The parameter acquisition condition information includes information indicating acquisition conditions for various parameters, such as a period during which operation history information or environment history information is acquired, a time interval for acquiring device setting parameters, and environment parameters. The parameter acquisition condition information may also include information indicating whether or not there is a change history of the acquisition conditions of various parameters, and the date and time of change when the acquisition conditions of various parameters are changed. For example, if the flag information included in the parameter acquisition condition information is "0", it indicates the acquisition date and time of the parameter; if it is "1", it indicates the acquisition start date and time of the parameter; The acquisition end date and time may be indicated, and if "3", the parameter acquisition interval may be indicated. The device setting type information is information that supplements the content of the operation history information, and indicates the type of device setting parameters such as on/off, set temperature, set air volume, and set air direction for each of the
環境種別情報は、環境履歴情報の内容を補足する情報であり、室温、住戸H外の気温、住戸H内の人の検知有無、住戸H内に居住する人の表面の温度、においセンサによる検知状態、CO2濃度、空気中の微粒子(例えばPM2.5)の濃度等の環境パラメータの種別を示す情報を含む。ここで、環境種別情報に含まれるフラグ情報が例えば「0」であれば、室温を示し、「1」であれば湿度を示し、「2」であれば外気温を示し、「3」であれば人の検知の有無を示すようにしてもよい。また、環境種別情報には、気象情報が含まれている。連携機器識別情報は、例えば空気調和機4、52または給湯機51と連携して動作している機器の識別情報を含む。連携対象情報は、例えば空気調和機4、52または給湯機51と連携する対象となる機器の動作状態の識別情報を含む。連携機器識別は、例えば、給湯機51と連携している換気扇の識別情報を含む。この場合、連携対象情報は、例えば給湯機51と連携する換気扇の動作がオンオフ動作であることを示す情報を含む。The environment type information is information that supplements the contents of the environmental history information, and includes the room temperature, the temperature outside the dwelling unit H, whether or not a person inside the dwelling unit H is detected, the surface temperature of the person living inside the dwelling unit H, and the detection by the odor sensor. Contains information indicating the type of environmental parameter, such as state, CO2 concentration, concentration of particulates (eg PM2.5) in the air. Here, if the flag information included in the environment type information is "0", it indicates the room temperature, "1" indicates the humidity, "2" indicates the outside temperature, and "3" indicates the temperature. Alternatively, the presence or absence of human detection may be indicated. Also, the environment type information includes weather information. The linked device identification information includes, for example, identification information of devices operating in cooperation with the
図11に戻って、次に、生成された履歴情報と履歴属性情報とが、顧客サーバ9からクラウドサーバ2へ送信される(ステップS3)。続いて、気象サーバ3に対して気象実績情報の送信を要求する気象実績要求情報が、クラウドサーバ2から気象サーバ3へ送信される(ステップS4)。一方、気象サーバ3は、気象実績要求情報を受信すると、住戸Hが存在する地域における気象実績情報を生成する(ステップS5)。ここで、気象実績情報は、前述の履歴情報に対応する世帯の住戸の存在する地域における現在および過去の気象条件を示す気象実績情報である。その後、生成された気象実績情報が、気象サーバ3からクラウドサーバ2へ送信される(ステップS6)。一方、クラウドサーバ2は、気象実績情報を受信すると、受信した気象実績情報を気象情報記憶部232に記憶させる。その後、クラウドサーバ2は、取得した動作履歴情報、環境履歴情報および気象実績情報に基づいて、ニューラルネットワークの重み係数を初期係数として決定する(ステップS7)。クラウドサーバ2は、決定した初期係数を示す情報をニューラルネットワーク記憶部233に記憶させる。
Returning to FIG. 11, next, the generated history information and history attribute information are transmitted from the
次に、新たな空気調和機41が住戸Hに設置され、起動したとする。このとき、新たな空気調和機41を識別する機器識別情報が、空気調和機41から管理装置7へ送信される(ステップS8)。一方、管理装置7は、空気調和機41から機器識別情報を受信すると、受信した機器識別情報を、空気調和機41の位置を示す配置情報に対応づけてレイアウト情報記憶部731に記憶させる(ステップS9)。ここで、管理装置7は、例えば利用者が空気調和機41の位置を管理装置7に登録するための操作画面画像を表示部704に表示させた状態で、利用者が入力部705を介して空気調和機41の位置を登録するための操作を行うと、その操作内容に応じた配置情報を生成する。
Next, assume that a
続いて、クラウドサーバ2に対して初期係数の送信を要求する係数要求情報が、空気調和機41からクラウドサーバ2へ送信される(ステップS10)。一方、クラウドサーバ2は、係数要求情報を受信すると、ニューラルネットワーク記憶部233が記憶する初期係数を示す情報を含む係数情報とこれに対応する係数属性情報とを生成する(ステップS11)。係数情報は、プロトコル情報と、生成した係数情報を識別する係数情報識別情報と、重み係数情報と、を含む。プロトコル情報は、係数情報を空気調和機41、42、43へ送信する際の通信プロトコルに関する各種情報を含む。係数属性情報は、例えば図13に示すように、プロトコル情報と、各種属性情報と、を含む。この係数属性情報の詳細は後述する。図11に戻って、次に、生成された係数情報と係数属性情報とが、クラウドサーバ2から空気調和機41へ送信される(ステップS12)。一方、空気調和機41は、係数情報を受信すると、受信した係数情報をニューラルネットワーク記憶部433に記憶させる。
Subsequently, coefficient request information requesting transmission of initial coefficients from the
その後、空気調和機41が、予め設定されたニューラルネットワークの重み係数の更新時期が到来したと判定したとする。この場合、気象サーバ3に対して気象実績情報の送信を要求する気象実績要求情報が、空気調和機41からクラウドサーバ2へ送信された後(ステップS13)、クラウドサーバ2から気象サーバ3へ送信される(ステップS14)。一方、気象サーバ3は、気象実績要求情報を受信すると、住戸Hが存在する地域における気象実績情報を生成する(ステップS15)。次に、図14に示すように、生成された気象実績情報が、気象サーバ3からクラウドサーバ2へ送信された後(ステップS16)、クラウドサーバ2から空気調和機41へ送信される(ステップS17)。一方、空気調和機41は、気象実績情報を受信すると、受信した気象実績情報を気象情報記憶部436に記憶させる。その後、空気調和機41は、履歴情報記憶部434が記憶する動作履歴情報、環境履歴情報、日時情報および利用者情報と、気象情報記憶部436が記憶する気象実績情報と、に基づいて、ニューラルネットワークの重み係数を決定する(ステップS18)。ここで、空気調和機41は、決定した重み係数を示す情報をニューラルネットワーク記憶部433に記憶させる。以後、ニューラルネットワークの重み係数の更新時期が到来する毎に、前述のステップS11からS16までの一連の処理が繰り返し実行される。
After that, assume that the
次に、利用者が空気調和機41の動作モードを手動モードから自動モードへ切り替えるための操作を行ったとする。この場合、空気調和機41は、利用者による自動モードへの切り替え操作を受け付ける(ステップS19)。このとき、空気調和機41は、動作モード記憶部435が記憶する動作モード情報を、自動モードを示す動作モード情報に更新する。その後、空気調和機41が、機器設定記憶部431が記憶する機器設定情報の更新時期が到来したと判定したとする。この場合、気象サーバ3に対して気象予報情報と気象実績情報とを含む気象情報の送信を要求する気象情報要求情報が、空気調和機41からクラウドサーバ2へ送信された後(ステップS20)、クラウドサーバ2から気象サーバ3へ送信される(ステップS21)。一方、気象サーバ3は、気象情報要求情報を受信すると、住戸Hが存在する地域における気象予報情報と気象実績情報とを特定して、特定した気象予報情報と気象実績情報とを含む気象情報を生成する(ステップS22)。次に、生成された気象情報が、気象サーバ3からクラウドサーバ2へ送信された後(ステップS23)、クラウドサーバ2から空気調和機41へ送信される(ステップS24)。
Next, assume that the user performs an operation to switch the operation mode of the
続いて、空気調和機41は、ニューラルネットワークを用いて、気象予報情報と現時点の環境を示す環境パラメータとから空気調和機41の将来の機器設定パラメータを算出する(ステップS25)。その後、空気調和機41は、算出された機器設定パラメータを用いて、機器設定記憶部431が記憶する機器設定情報を更新する(ステップS26)。以後、機器設定情報の更新時期が到来する毎に、前述のステップS20からS26までの一連の処理が繰り返し実行される。
Subsequently, the
その後、空気調和機41で用いられるニューラルネットワークの重み係数を示す係数情報をクラウドサーバ2へアップロードするアップロード時期が到来したとする。アップロード時期は、例えば1ヶ月の間隔で到来するように予め設定されている。この場合、空気調和機41は、履歴情報とこれに対応する履歴属性情報と係数情報とこれに対応する係数属性情報とを生成する(ステップS27)。ここで、空気調和機41は、履歴情報記憶部434が記憶する履歴属性情報を参照して、前回のアップロード時期から今回のアップロード時期までの間の機器設定パラメータおよび環境パラメータの履歴を示す履歴情報とこれに対応する履歴属性情報とを生成する。また、空気調和機41は、ニューラルネットワーク記憶部433が記憶するニューラルネットワークの重み係数を示す情報を取得して係数情報とこれに対応する係数属性情報とを生成する。ここで、履歴情報および履歴属性情報の構造は、前述の図12を用いて説明した履歴情報および履歴属性情報の構造と同様である。また、係数情報は、前述のように、プロトコル情報と、生成した係数情報を識別する係数情報識別情報と、重み係数情報と、を含む。
Assume that the upload time for uploading the coefficient information indicating the weighting coefficient of the neural network used in the
係数属性情報は、図13に示すように、プロトコル情報と、各種属性情報と、を含む。属性情報としては、生成した係数属性情報を識別する係数属性情報識別情報と、ニューラルネットワークを用いて機器設定パラメータを算出する対象である空気調和機41、42、43を識別する機器識別情報と、前述の利用者識別情報と、フォーマット情報と、ニューラルネットワーク構造情報と、演算情報と、学習方式情報と、学習期間情報と、係数更新時期情報と、実現機能情報と、機器使用環境情報と、が含まれる。係数情報識別情報は、例えば属性情報に付与された識別情報と、重み係数情報に付与された識別情報と、空気調和機41、42、43の識別情報と、の少なくとも1つを含む。フォーマット情報は、属性情報および重み係数情報それぞれのデータ形式またはファイル形式を示す情報と圧縮形式を示す情報とを含む。ここで、フォーマット情報は、例えば属性情報のファイル形式がJSONスキーマファイル形式であることを示す情報と、重み係数情報がJSONファイル形式であることを示す情報を含む。ニューラルネットワーク構造情報は、ニューラルネットワークの層数および各層のノード数を示す情報と、ニューラルネットワークを用いた演算に使用する行列の次数を示す情報と、ニューラルネットワークの各ノードにおける活性化関数の形状を表す情報と、を含む。また、ニューラルネットワーク構造情報は、ニューラルネットワークを用いた計算における正規化処理またはドロップアウト情報と、ニューラルネットワークの各ノードについての入力側に接続されるノードと出力側に接続されるノードに関する情報と、を含む。ここで、ドロップアウト情報とは、ニューラルネットワークの重み係数を決定する際にニューラルネットワークを構成するノードのいずれかを不活性化させたかどうかを示す情報である。演算情報は、マルチスレット処理、パイプライン処理等のニューラルネットワークを用いた演算を行う際の処理方法を示す情報を含む。学習方式情報は、オートエンコーダを用いた誤差逆伝播法のような学習方式を示す情報を含む。学習期間情報は、ニューラルネットワークの係数を決定する際に使用した動作履歴情報、環境履歴情報および気象実績情報を取得した現在または過去の時期を示す情報を含む。係数更新時期情報は、ニューラルネットワークの重み係数を更新する時期を示す情報を含む。実現機能情報は、ニューラルネットワークを用いて算出される機器設定パラメータによる制御対象となる空気調和機41、42、43の機能を示す情報を含む。また、実現機能情報は、ニューラルネットワークを用いて算出される機器設定パラメータを利用者が手動で変更する場合に操作機器61、62、63に対して行う操作内容を示す情報を含む。機器使用環境情報は、住戸H内における空気調和機41、42、43それぞれの配置を示す情報と、住戸Hに居住する世帯の構成を示す情報と、を含む。
The coefficient attribute information includes protocol information and various attribute information, as shown in FIG. The attribute information includes coefficient attribute information identification information for identifying the generated coefficient attribute information, device identification information for identifying the
次に、生成された履歴情報と履歴属性情報と係数情報と係数属性情報とが、空気調和機41からクラウドサーバ2へ送信される(ステップS28)。一方、クラウドサーバ2は、空気調和機41から履歴情報、履歴属性情報、係数情報および係数属性情報を受信すると、受信した履歴情報と履歴属性情報とを空気調和機41の機器識別情報に対応づけて履歴情報記憶部231に記憶させるとともに、受信した係数情報と係数属性情報とを空気調和機41の機器識別情報に対応づけてニューラルネットワーク記憶部233に記憶させる(ステップS29)。
Next, the generated history information, history attribute information, coefficient information, and coefficient attribute information are transmitted from the
ここで、クラウドサーバ2は、履歴情報に含まれる機器識別情報、機器設定種別情報等の空気調和機41に固有の情報または環境種別情報のような空気調和機41の使用環境に関する情報といったいわゆる静的な情報と、機器設定パラメータ、環境パラメータ等のいわゆる動的な情報をIoT情報として履歴情報記憶部231に記憶させる。また、クラウドサーバ2は、係数情報に含まれるニューラルネットワークの重み係数を示す情報を、係数情報に含まれる学習期間情報に対応づけて、AI情報としてニューラルネットワーク記憶部233に記憶させる。前回のアップロード時期から今回のアップロード時期までの間、クラウドサーバ2は、係数情報に含まれる学習期間情報を参照して、ニューラルネットワークの重み係数を決定する際に用いた履歴情報をIoT情報として係数情報に含まれる係数識別情報に対応づけて履歴情報記憶部231に記憶させる。また、履歴情報には、空気調和機41において故障または不具合が発生した不具合発生時期を示す情報が含まれている。これにより、クラウドサーバ2は、空気調和機41における不具合の発生状況を管理することができる。
Here, the
続いて、クラウドサーバ2が空気調和機41から受信した履歴情報と履歴属性情報とが、クラウドサーバ2から顧客サーバ9へ送信される(ステップS30)。ここで、顧客サーバ9は、空気調和機41から履歴情報と履歴属性情報とを受信すると、受信した履歴情報と履歴属性情報とを空気調和機41の機器識別情報に対応づけてストレージに記憶させる。
Subsequently, the history information and the history attribute information received by the
また、図15に示すように、利用者が、管理装置7の入力部705を介して既に住戸Hに設定されている空気調和機42,43で用いられているニューラルネットワークの係数情報を新たな空気調和機41へ移動させるための係数情報移動操作を行ったとする。この場合、管理装置7は、利用者による係数情報移動操作を受け付ける(ステップS31)。
Further, as shown in FIG. 15, the user, via the
ここで、管理装置7は、レイアウト情報記憶部731が記憶する配置情報および間取り情報に基づいて、例えば図16Aに示すような、住戸Hの間取りを示す間取り画像GAHを含む操作画面画像を表示部704の表示画面704aに表示させる。ここで、画像GAHには、空気調和機41、42、43が設置された部屋R1、R2、R3に対応する領域A1、A2、A3が含まれている。
Here, based on the layout information and floor plan information stored in the layout
管理装置7が操作画面画像を表示部704の表示画面704aに表示させた状態で、利用者が、タッチパッドである入力部705における空気調和機42を示すマーク画像GA2に対応する部分を指Fでタッチしたとする。その後、利用者が、入力部705にタッチした指Fを、入力部705における空気調和機41を示すマーク画像GA1に対応する部分までドラッグさせたとする。このとき、管理装置7は、表示部704の表示画面704aに矢印画像GAAR1を表示させる。そして、利用者が、指Fを入力部705から離脱させると、管理装置7は、表示部704の表示画面704aに、図16Bに示すようなウィンドウ画像PM1を表示させる。ウィンドウ画像PM1には、係数情報移動操作を終了する際にタッチされる部分に表示される釦画像BU11が含まれる。また、ウィンドウ画像PM1には、入力部705における釦画像BU11に対応する部分がタッチされた後、係数情報移動操作を継続する際にタッチされる部分に表示される釦画像BU12も含まれる。入力部705における釦画像BU12に対応する部分は、係数移動操作を行っている途中の状態では、選択不可能な状態となっている。
While the
また、利用者が、入力部705における釦画像BU11に対応する部分をタッチすることなく、続けて、入力部705における空気調和機43を示すマーク画像GA3に対応する部分を指Fでタッチしたとする。その後、利用者が、入力部705にタッチした指Fを、入力部705における空気調和機41を示すマーク画像GA1に対応する部分までドラッグさせたとする。このとき、管理装置7は、図17Aに示すように、表示部704の表示画面704aに矢印画像GAAR2を追加で表示させる。
Further, if the user does not touch the portion corresponding to the button image BU11 in the
次に、利用者が、図17Bに示すように、入力部705における釦画像BU11に対応する部分を指Fでタッチしたとする。この場合、管理装置7は、図15に示すように、係数情報の移動元となる空気調和機42、43と、移動先となる空気調和機41と、を特定する(ステップS32)。続いて、管理装置7は、特定した係数情報の移動先の空気調和機41の機器識別情報を含む移動先通知情報と、特定した移動元の空気調和機42、43の機器識別情報を含む移動元通知情報と、を生成する(ステップS33)。その後、生成された移動元通知情報が、管理装置7から空気調和機41へ送信され(ステップS34)、生成された移動先通知情報が、管理装置7から空気調和機42、43へ送信される(ステップS35)。
Next, assume that the user touches a portion of the
一方、空気調和機42、43は、管理装置7から移動先通知情報を受信すると、ニューラルネットワーク記憶部433から自機が用いるニューラルネットワークの重み係数を示す情報を取得して係数情報と係数属性情報とを生成する(ステップS36)。この係数情報および係数属性情報の構造は、前述の図13を用いて説明した係数情報および係数属性情報の構造と同様である。次に、生成された係数情報と係数属性情報とが、空気調和機42、43からクラウドサーバ2へ送信される(ステップS37)。一方、クラウドサーバ2は、空気調和機42、43から係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とを空気調和機42、43の機器識別情報に対応づけてニューラルネットワーク記憶部233に記憶させる(ステップS38)。
On the other hand, when the
また、空気調和機41が管理装置7から移動元通知情報を受信すると、受信した移動元通知情報に含まれる空気調和機42、43の機器識別情報を含む係数要求情報が、空気調和機41からクラウドサーバ2へ送信される(ステップS39)。一方、クラウドサーバ2は、係数要求情報を受信すると、受信した係数要求情報に含まれる機器識別情報に基づいて、ニューラルネットワーク記憶部233が記憶する係数情報の中から、空気調和機42、43に対応する係数情報を特定する(ステップS40)。このとき、クラウドサーバ2は、空気調和機42、43それぞれに対応する係数情報に含まれる学習期間情報と、空気調和機42、43それぞれに対応する履歴情報に含まれる不具合発生時期を示す情報と、を比較し、学習期間情報が示す学習期間内に不具合発生時期が存在する係数情報は除外する。これにより、空気調和機41にとって適切な係数情報が空気調和機41へ送信されるので、空気調和機41が適切に自動運転することが可能となる。
Further, when the
続いて、特定された係数情報とこれに対応する係数属性情報とが、クラウドサーバ2から空気調和機41へ送信される(ステップS41)。一方、空気調和機41は、クラウドサーバ2から係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とをニューラルネットワーク記憶部433に記憶させる(ステップS42)。
Subsequently, the specified coefficient information and the coefficient attribute information corresponding thereto are transmitted from the
また、利用者が、図18に示すように、操作機器61を介して空気調和機41のニューラルネットワーク記憶部433が記憶する重み係数を示す情報を含む係数情報をクラウドサーバ2へアップロードするためのアップロード操作を行ったとする。この場合、空気調和機41は、係数情報をクラウドサーバ2へアップロードする操作を受け付けて(ステップS51)、ニューラルネットワーク記憶部433が記憶する重み係数を示す重み係数情報を含む係数情報を生成する(ステップS52)。その後、生成された係数情報と係数属性情報とが、空気調和機41からクラウドサーバ2へ送信される(ステップS53)。一方、クラウドサーバ2は、係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とを、空気調和機41を識別する機器識別情報に対応づけてニューラルネットワーク記憶部233に記憶させる(ステップS54)。
Further, as shown in FIG. 18, the user can upload coefficient information including information indicating weight coefficients stored in the neural
また、利用者が、操作機器61を介してクラウドサーバ2から空気調和機41へ係数情報をダウンロードするためのダウンロード操作を行ったとする。この場合、空気調和機41は、クラウドサーバ2から係数情報をダウンロードする操作を受け付ける(ステップS55)。次に、クラウドサーバ2に対して係数情報を送信するよう要求する係数要求情報が、空気調和機41からクラウドサーバ2へ送信される(ステップS56)。この係数要求情報には、空気調和機41の機器識別情報が含まれる。一方、クラウドサーバ2は、係数要求情報を受信すると、受信した係数要求情報に含まれる機器識別情報に対応づけられた係数情報を特定する(ステップS57)。続いて、特定された係数情報とこれに対応する係数属性情報とが、クラウドサーバ2から空気調和機41へ送信される(ステップS58)。一方、空気調和機41は、係数情報と係数属性情報とを受信すると、受信した係数情報と係数属性情報とをニューラルネットワーク記憶部433に記憶させる(ステップS59)。
It is also assumed that the user has performed a download operation for downloading the coefficient information from the
次に、本実施の形態に係る空気調和機41、42、43が実行する機器制御処理について図19から図22を参照しながら説明する。この機器制御処理は、例えば、住戸Hに空気調和機41、42、43を新たに設置してから、空気調和機41、42、43を起動させたことを契機として開始される。まず、図19に示すように、機器識別情報送信部427は、空気調和機41、42、43を識別する機器識別情報を管理装置7へ送信する(ステップS101)。次に、係数取得部418は、クラウドサーバ2へ係数要求情報を送信することにより(ステップS102)、クラウドサーバ2からニューラルネットワークの初期係数を示す初期重み係数情報を含む係数情報と係数属性情報とを取得する(ステップS103)。係数取得部418は、取得した係数情報に含まれる初期重み係数情報と係数属性情報とをニューラルネットワーク記憶部433に記憶させる。
Next, device control processing executed by the
次に、係数決定部420は、ニューラルネットワークの係数更新時期が到来したか否かを判定する(ステップS104)。係数決定部420が、未だ係数更新時期が到来していないと判定すると(ステップS104:No)、そのまま後述のステップS108の処理が実行される。一方、係数決定部420が、係数更新時期が到来したと判定したとする(ステップS104:Yes)。この場合、気象情報取得部417は、気象実績要求情報をクラウドサーバ2へ送信することにより(ステップ105)、クラウドサーバ2から気象実績情報を取得する(ステップS106)。気象情報取得部417は、取得した気象実績情報を気象情報記憶部436に記憶させる。その後、係数決定処理が実行される(ステップS107)。
Next, the
ここで、係数決定処理の詳細について、図20を参照しながら詳細に説明する。まず、ニューロエンジン404は、履歴情報記憶部434から空気調和機41の動作履歴情報、環境履歴情報および日時情報を取得し、気象情報記憶部436から気象実績情報を取得する(ステップS201)。この動作履歴情報、環境履歴情報および日時情報が、ニューラルネットワークを学習させるためのいわゆる教師データに相当する。次に、係数設定部419が、ニューラルネットワーク記憶部433から重み係数の初期値である初期重み係数を示す情報を取得し、取得した情報が示す初期重み係数を、ニューロエンジン404で演算を行うニューラルネットワークの重み係数に設定する(ステップS202)。続いて、ニューロエンジン404は、初期重み係数が設定されたニューラルネットワークを用いて、取得した環境履歴情報に含まれる環境パラメータ、日時情報が示す日時および気象実績情報が示す気象条件を数値化した情報から、過去および現在の予め設定された複数の時間帯それぞれにおける機器設定パラメータを算出する(ステップS203)。その後、係数決定部420は、前述複数の時間帯それぞれについて、算出された機器設定パラメータと、動作履歴情報に含まれる機器設定パラメータと、の誤差を算出する(ステップS204)。次に、係数決定部420は、算出された誤差に基づいて、誤差逆伝播法(バックプロパゲーション)によりニューラルネットワークの各重み係数を新たに決定する(ステップS205)。そして、係数決定部420は、決定した重み係数をニューラルネットワーク記憶部433に記憶させる(ステップS206)。
Details of the coefficient determination process will now be described in detail with reference to FIG. First, the
図19に戻って、次に、操作受付部413は、動作モードを設定するための操作を受け付けたか否かを判定する(ステップS108)。操作受付部413が、動作モードを設定するための操作を受け付けていないと判定する(ステップS108:No)、そのまま後述のステップS109の処理が実行される。一方、操作受付部413が、動作モードを設定するための操作を受け付けたと判定する(ステップS108:Yes)、動作モード設定部423は、受け付けた操作内容に応じた動作モードを示す動作モード情報を動作モード記憶部435に記憶させる(ステップS109)。
Returning to FIG. 19, next, the
続いて、機器設定更新部422は、動作モード記憶部435が記憶する動作モード情報を参照して、空気調和機41、42、43の動作モードが自動モードであるか否かを判定する(ステップS110)。機器設定更新部422が、空気調和機41、42、43の動作モードが手動モードであると判定すると(ステップS110:No)、後述するステップS116の処理が実行される。一方、機器設定更新部422は、空気調和機41、42、43の動作モードが自動モードであると判定すると(ステップS110:Yes)、予め設定された空気調和機41、42、43の機器設定情報の更新時期が到来したか否かを判定する(ステップS111)。機器設定更新部422が、空気調和機41、42、43の機器設定更新時期が未だ到来していないと判定すると(ステップS111:No)、後述するステップS116の処理が実行される。一方、機器設定更新部422が、空気調和機41、42、43の機器設定情報の更新時期が到来したと判定したとする(ステップS111:Yes)。この場合、気象情報取得部417は、クラウドサーバ2に対して気象情報要求情報を送信することにより(ステップS112)、クラウドサーバ2から気象情報を取得する(ステップS113)。ここで、気象情報取得部417は、取得した気象情報に含まれる気象予報情報および気象実績情報を気象情報記憶部436に記憶させる。
Subsequently, the device setting
その後、ニューロエンジン404が、環境履歴情報に含まれる現在の環境パラメータと気象予報情報とに基づいて、係数設定部419により重み係数が設定されたニューラルネットワークを用いて、空気調和機41、42、43の機器設定パラメータを算出する(ステップS114)。ここで、係数設定部419は、ニューラルネットワーク記憶部433が記憶する重み係数を示す重み係数情報を取得し、取得した重み係数情報が示す重み係数をニューラルネットワークの重み係数に設定する。次に、機器設定更新部422が、算出された機器設定パラメータを用いて、機器設定記憶部431が記憶する機器設定情報を更新する(ステップS115)。
After that, the
続いて、図21に示すように、履歴情報生成部425は、予め設定されたアップロード時期が到来したか否かを判定する(ステップS116)。履歴情報生成部425が、未だアップロード時期が到来していないと判定すると(ステップS116:No)、後述するステップS118の処理が実行される。一方、履歴情報生成部425が、アップロード時期が到来したと判定したとする(ステップS116:Yes)。この場合、履歴情報生成部425が、履歴情報とこれに対応する履歴属性情報とを生成し、係数情報生成部424が、係数情報とこれに対応する係数属性情報とを生成する(ステップS117)。ここで、履歴情報生成部425は、履歴情報記憶部434が記憶する履歴情報を参照して、前回のアップロード時期から今回のアップロード時期までの間の機器設定パラメータおよび環境パラメータの履歴を示す履歴情報を生成する。また、係数情報生成部424は、ニューラルネットワーク記憶部433が記憶するニューラルネットワークの重み係数を示す情報を取得して係数情報を生成する。ここで、履歴情報および履歴属性情報の構造は、前述の図12を用いて説明した履歴情報および履歴属性情報の構造と同様であり、係数情報および係数属性情報の構造は、前述の図13を用いて説明した係数情報および係数属性情報の構造と同様である。その後、履歴情報送信部426が、履歴情報生成部425が生成した履歴情報と履歴属性情報とを顧客サーバ9へ送信するとともに、係数送信部421が、係数情報生成部424が生成した係数情報と係数属性情報とを顧客サーバ9へ送信する(ステップS118)。
Subsequently, as shown in FIG. 21, the history
次に、係数情報生成部424は、管理装置7から、自機が用いるニューラルネットワークの重み係数を示す係数情報を、他の空気調和機41、42、43へ移動させる際の移動先を通知する移動先通知情報を受信したか否かを判定する(ステップS119)。係数情報生成部424が、移動先通知情報を受信していないと判定すると(ステップS119:No)、後述するステップS122の処理が実行される。一方、係数情報生成部424は、移動先通知情報を受信したと判定すると(ステップS119:Yes)、係数情報とこれに対応する係数属性情報とを生成する(ステップS120)。この係数情報および係数属性情報の構造は、前述の図13を用いて説明した係数情報および係数属性情報の構造と同様である。係数情報は、ニューラルネットワーク記憶部433が記憶する重み係数を示す重み係数情報を含む。また、係数属性情報は、自機の機器識別情報と、係数情報の移動先の空気調和機(例えば空気調和機41)の機器識別情報と、を含む。ここで、係数情報の移動先の空気調和機の機器識別情報は、例えば機器使用環境情報として係数属性情報に含まれる。続いて、係数送信部421は、生成された係数情報と係数属性情報とをクラウドサーバ2へ送信する(ステップS121)。
Next, the coefficient
その後、係数取得部418は、管理装置7から、他の空気調和機41、42、43が用いるニューラルネットワークの重み係数を示す係数情報を自機へ移動させる際の移動元を通知する移動元通知情報を受信したか否かを判定する(ステップS122)。係数取得部418が、移動元通知情報を受信していないと判定すると(ステップS122:No)、そのまま後述のステップS125の処理が実行される。一方、係数取得部418は、移動元通知情報を受信したと判定すると(ステップS122:Yes)、クラウドサーバ2に対して他の空気調和機41、42、43の係数情報の送信を要求する係数要求情報をクラウドサーバ2へ送信する(ステップS123)。この係数要求情報は、移動元通知情報に含まれる係数情報の移動元の空気調和機(例えば空気調和機42、43)の機器識別情報を含む。これにより、係数取得部418は、クラウドサーバ2から他の空気調和機に対応する係数情報とこれに対応する係数属性情報とを取得する(ステップS124)。
After that, the
次に、図22に示すように、操作受付部413は、クラウドサーバ2へ係数情報をアップロードするためのアップロード操作を受け付けたか否かを判定する(ステップS125)。操作受付部413が、アップロード操作を受け付けていないと判定すると(ステップS125:No)、後述するステップS128の処理が実行される。一方、操作受付部413が、アップロード操作を受け付けたと判定すると(ステップS125:Yes)、係数情報生成部424が、ニューラルネットワーク記憶部433が記憶する重み係数を示す情報を含む係数情報を生成する(ステップS126)。続いて、係数送信部421は、生成された係数情報をクラウドサーバ2へ送信する(ステップS127)。その後、操作受付部413は、クラウドサーバ2から係数情報をダウンロードするためのダウンロード操作を受け付けたか否かを判定する(ステップS128)。操作受付部413が、ダウンロード操作を受け付けていないと判定すると(ステップS128:No)、再びステップS103の処理が実行される。一方、操作受付部413が、ダウンロード操作を受け付けたと判定すると(ステップS128:Yes)、係数取得部418が、係数要求情報をクラウドサーバ2へ送信することにより(ステップS129)、クラウドサーバ2から係数情報とこれに対応する係数属性情報とを取得する(ステップS130)。係数取得部418は、取得した係数情報に含まれる重み係数情報をニューラルネットワーク記憶部433に記憶させる。ここで、ニューロエンジン404は、係数取得部418が複数の係数情報とこれに対応する係数属性情報とを取得した場合、複数の係数情報に対応する係数属性情報それぞれに含まれるニューラルネットワークのノード数および層数を示す情報に基づいて、複数の係数情報それぞれに対応したニューラルネットワークの演算を各別に実行する。その後、再びステップS103の処理が実行される。
Next, as shown in FIG. 22, the
次に、本実施の形態に係るクラウドサーバ2が実行する係数情報生成処理について図23を参照しながら説明する。この係数情報生成処理は、例えばクラウドサーバ2へ電源が投入されたことを契機として開始される。まず、履歴情報取得部211は、顧客サーバ9に対して住戸Hに設置された空気調和機41、42,43と同一機種の空気調和機の動作履歴情報および環境履歴情報を含む履歴情報の送信を要求する履歴要求情報を顧客サーバ9へ送信することにより(ステップS301)、顧客サーバ9から履歴情報とこれに対応する履歴属性情報とを取得する(ステップS302)。次に、気象実績取得部212は、気象サーバ3に対して気象実績情報の送信を要求する気象実績要求情報を送信することにより(ステップS303)、気象サーバ3から気象実績情報を取得する(ステップS304)。続いて、履歴情報に含まれる動作履歴情報および環境履歴情報と気象実績情報とに基づいて、前述のニューラルネットワークの係数を決定する係数決定処理が実行される(ステップS305)。係数決定処理の内容は、図20を用いて説明した係数決定処理と同様である。この係数決定処理により算出される重み係数は、初期重み係数としてニューラルネットワーク記憶部233に記憶される。
Next, the coefficient information generation processing executed by the
その後、係数情報生成部218は、空気調和機41、42、43から係数要求情報を取得したか否かを判定する(ステップS306)。係数情報生成部218が、係数要求情報を取得していないと判定すると(ステップS306:No)、再びステップS301の処理が実行される。一方、係数情報生成部218が、係数要求情報を取得したと判定すると(ステップS306:Yes)、ニューラルネットワーク記憶部233が記憶する初期重み係数を示す情報を含む係数情報を生成する(ステップS307)。その後、係数送信部219が、生成された係数情報を、係数要求情報の送信元の空気調和機41、42、43へ送信する(ステップS308)。次に、再びステップS301の処理が実行される。
After that, the
ここで、本実施の形態における制御システムにおける、空気調和機41およびクラウドサーバ2それぞれで保持される重み係数を示す情報と履歴情報の推移の一例について、図24を参照しながら説明する。まず、空気調和機41が新たに導入された時点T0では、クラウドサーバ2が、空気調和機41へ送信する初期重み係数を示す情報をニューラルネットワーク記憶部233に記憶させ、空気調和機41が、クラウドサーバ2から取得した初期重み係数を示す情報をニューラルネットワーク記憶部433に記憶させている。その後、空気調和機41の寿命により、第1回目の空気調和機41の更新時期T1が到来したとする。このとき、空気調和機41は、時期T0から時期T1までの間の履歴情報を履歴情報記憶部434に記憶させるとともに、時期T0から時期T1までの間の履歴情報に基づいて決定された重み係数(ver1)を示す情報をニューラルネットワーク記憶部433に記憶させている。このとき、クラウドサーバ2は、空気調和機41から受信した時期T0から時期T1までの間の履歴情報をいわゆる学習用情報として履歴情報記憶部231に記憶させるとともに、初期重み係数を示す情報と空気調和機41から受信した重み係数(ver1)を示す情報とをニューラルネットワーク記憶部233に記憶させている。
Here, an example of transition of information indicating weighting coefficients and history information held in each of the
その後、空気調和機41の寿命により、第2回目の空気調和機41の更新時期T2が到来したとする。このとき、空気調和機41は、時期T1から時期T2までの間の履歴情報を履歴情報記憶部434に記憶させるとともに、時期T1から時期T2までの間の履歴情報に基づいて決定された重み係数(ver2)を示す情報をニューラルネットワーク記憶部433に記憶させている。このとき、クラウドサーバ2は、空気調和機41から受信した時期T1から時期T2までの間の履歴情報を学習用情報として履歴情報記憶部231に記憶させるとともに、空気調和機41から受信した重み係数(ver1)を示す情報と重み係数(ver2)を示す情報とをニューラルネットワーク記憶部233に記憶させている。そして、クラウドサーバ2は、初期重み係数をニューラルネットワーク記憶部233から削除している。
After that, it is assumed that the
その後、時期T21において、空気調和機41の不具合が発生したとする。そして、時期T21の後に第3回目の空気調和機41の更新時期T3が到来したとする。このとき、空気調和機41は、時期T2から時期T3までの間の履歴情報を履歴情報記憶部434に記憶させる。但し、空気調和機41は、不具合の発生した時期を除く時期T1から時期T2までの間の履歴情報に基づいて新たに決定された重み係数(ver3)を示す情報をニューラルネットワーク記憶部433に記憶させている。このとき、クラウドサーバ2は、空気調和機41から受信した時期T1から時期T2までの間の履歴情報をそのまま履歴情報記憶部231に残し、空気調和機41で不具合が発生した時期T2から時期T3までの間の履歴情報の学習用情報としての履歴情報記憶部231への記憶を回避する。また、クラウドサーバ2は、重み係数(ver1)を示す情報をそのままニューラルネットワーク記憶部233に残し、空気調和機41から受信した重み係数(ver2)を示す情報のニューラルネットワーク記憶部233への記憶を回避する。そして、クラウドサーバ2は、新たに決定された重み係数(ver3)をニューラルネットワーク記憶部233に記憶させる。これにより、空気調和機41で不具合が発生した時期の履歴情報が、空気調和機41で用いられるニューラルネットワークの重み係数の決定に用いられることが防止される。また、クラウドサーバ2は、予め設定された期間よりも前の時期に対応する重み係数を示す情報および履歴情報を、ニューラルネットワーク記憶部233、履歴情報記憶部231から削除していく。これにより、クラウドサーバ2に要求される補助記憶203の容量規模の拡大が抑制される。
After that, at time T21, it is assumed that the
以上説明したように、本実施の形態に係る制御システムでは、クラウドサーバ2において、係数取得部220が、係数情報を空気調和機41から取得し、係数送信部219が、空気調和機41から係数要求情報を取得すると、係数取得部220が取得した係数情報を空気調和機41へ送信する。一方、空気調和機41において、係数取得部418が、クラウドサーバ2へ係数要求情報を送信することにより、クラウドサーバ2から係数情報を取得し、係数設定部419が、係数取得部418が取得した係数情報に基づいて、ニューラルネットワークの重み係数を設定する。これにより、例えば空気調和機41の更新前に、空気調和機41で用いられていたニューラルネットワークの重み係数を示す情報を含む係数情報を、クラウドサーバ2へアップロードしておき、空気調和機41の更新後に、クラウドサーバ2へ係数要求情報を送信してクラウドサーバ2から係数情報をダウンロードすることにより、更新後の空気調和機41で用いられるニューラルネットワークについて更新前の重み係数を設定することができる。従って、空気調和機41が更新された場合においても更新後の空気調和機41において、空気調和機41の更新前の運転状態の傾向を継続できる。即ち、それまでに使用していた空気調和機41の自動運転時の動作傾向を新たな空気調和機41へ引き継ぐことができる。また、本実施の形態に係る制御システムでは、空気調和機41のニューラルネットワークの重み係数をクラウドサーバ2からダウンロードして更新することにより、利用者の空気調和機41の使用方法の変化、特に、利用者の引っ越しに伴う空気調和機41の設置環境の変化、利用者の家族構成の変化等に柔軟に対応できる。
As described above, in the control system according to the present embodiment, in the
また、本実施の形態に係る制御システムでは、複数の異なる利用者に対応するニューラルネットワークの重み係数を示す情報を、予めクラウドサーバ2にアップロードさせておくことにより、利用者毎に対応する係数情報をダウンロードして用いることができる。これにより、利用者の数が大幅に増加した場合であっても、空気調和機41、42、43を、各利用者に適した動作傾向で自動運転させることができる。
Further, in the control system according to the present embodiment, by uploading information indicating the weight coefficients of the neural networks corresponding to a plurality of different users to the
更に、本実施の形態に係る空気調和機41、42、43は、空気調和機41、42、43の機器設定パラメータの履歴を示す動作履歴情報と空気調和機41、42、43が動作する環境の環境パラメータの履歴を示す環境履歴情報と初期の重み係数を示す情報と気象実績情報に基づいて、重み係数を決定する係数決定部420を備える。これにより、空気調和機41、42、43は、ニューラルネットワークの重み係数を更新しながら運転を継続するので、空気調和機41、42、43の利用者に適した動作傾向で自動運転させることができる。
Furthermore, the
また、本実施の形態に係るニューロエンジン404は、係数取得部418が複数の係数情報を取得した場合、複数の係数情報それぞれの係数属性情報に含まれるニューラルネットワークのノード数および層数を示す情報に基づいて、複数の係数情報それぞれに対応したニューラルネットワークの演算を各別に実行する複数のニューラルネットワーク計算部を生成する。これにより、複数種類のニューラルネットワークを用いた演算を並行して実行することができるので、複数の異なる利用者に対応するニューラルネットワークを用いて、空気調和機41、42、43を、複数の利用者それぞれに適した動作傾向で自動運転させることができる。
Further, when the
更に、本実施の形態では、履歴情報生成部425が、空気調和機41、42、43の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の環境パラメータの履歴を示す環境履歴情報とを含む履歴情報を生成し、履歴情報送信部426が、生成された履歴情報を顧客サーバ9へ送信する。そして、クラウドサーバ2の係数決定部215が、顧客サーバ9から取得した、空気調和機41、42、43および空気調和機41、42、43と同一機種の空気調和機の履歴情報と気象実績情報とに基づいて、空気調和機41、42、43で用いられるニューラルネットワークの重み係数の初期値を決定する。これにより、例えば新たに空気調和機41、42、43を導入する際、空気調和機41、42、43で用いられるニューラルネットワークの初期の重み係数を適切な値に設定することができる。
Furthermore, in the present embodiment, the history
以上、本発明の実施の形態について説明したが、本発明は前述の実施の形態の構成に限定されるものではない。例えば、管理装置7が、空気調和機41、42、43それぞれについてそれらの利用者を設定するための操作画面画像を表示部704に表示させるものであってもよい。管理装置7が新たに設置された空気調和機41から機器識別情報を受信すると、管理装置7の表示制御部713は、例えば図25Aに示すような管理装置7に未だ登録されていない機器のリストを表示する操作画面画像を表示部704の表示画面704aに表示させる。図25Aに示す操作画面画像は、新たに設置された空気調和機41に対応する釦画像BU21を含んでいる。ここで、利用者が、タッチパッドである入力部705における釦画像BU21に対応する部位にタッチすると、表示制御部713は、例えば図25Bに示すような空気調和機41の利用者を登録する操作画面画像を、表示部704の表示画面704aに表示させる。図25Bに示す操作画面画像は、例えば住戸Hに居住する各利用者を示す複数の釦画像BU22を含む。ここで、利用者が、入力部705における釦画像BU22のいずれかに対応する部分をタッチすると、管理装置7の特定部712は、その釦画像BU22が示す利用者の利用者識別情報を、空気調和機41の機器識別情報に対応づけてレイアウト情報記憶部731に記憶させる。このようにして、1人の利用者が空気調和機41の利用者として管理装置7に登録されると、表示制御部713は、例えば図26に示すようなウィンドウ画像PM21を含む操作画面画像を表示部704の表示画面704aに表示させる。ここで、利用者が、入力部705における釦画像BU24に対応する部分をタッチすると、表示制御部713は、再び図25Bに示すような操作画面画像を表示部704の表示画面704aに表示させる。
Although the embodiments of the present invention have been described above, the present invention is not limited to the configurations of the above-described embodiments. For example, the
一方、利用者が、入力部705における釦画像BU23に対応する部分をタッチすると、特定部712は、レイアウト情報記憶部731が記憶する他の空気調和機42、43の機器識別情報に対応づけられた利用者識別情報を参照して、空気調和機41に対応づけられた利用者識別情報と同一の利用者識別情報に対応づけられた機器識別情報を検索する。そして、特定部712は、空気調和機41に対応づけられた利用者識別情報と同一の利用者識別情報に対応づけられた機器識別情報が付与された空気調和機42、43を、係数情報の移動元の空気調和機42、43として特定する。
On the other hand, when the user touches the portion corresponding to the button image BU23 in the
なお、本変形例において、例えば特定部712の機能がクラウドサーバ2で実現される構成であってもよい。この場合、クラウドサーバ2が、各空気調和機42、43の利用者識別情報を、各空気調和機42、43の機器識別情報に対応づけて記憶する利用者情報記憶部(図示せず)を備える構成とすればよい。そして、管理装置7は、空気調和機41から受信した機器識別情報と、それに対応づけられた利用者識別情報と、をクラウドサーバ2へ送信し、クラウドサーバ2が、機器識別情報記憶部が記憶する他の空気調和機42、43の機器識別情報に対応づけられた利用者識別情報を参照して、空気調和機41に対応づけられた利用者識別情報と同一の利用者識別情報に対応づけられた機器識別情報を検索するようにすればよい。
Note that, in this modified example, for example, the
本構成によれば、管理装置7が、間取り画像GAHを示す画像情報を記憶する必要がないので、管理装置7の補助記憶部703の記憶容量を低減することができる。
According to this configuration, the
実施の形態では、利用者が管理装置7の入力部705を操作することにより係数情報を移動させる例について説明したが、これ限らず、利用者が管理装置7を操作することなく自動的に係数情報の移動元の空気調和機42、43を特定するものであってもよい。
In the embodiment, an example has been described in which the user operates the
ここで、本変形例に係る制御システムの動作について、図27を参照しながら説明する。なお、図27において、実施の形態と同様の処理については、図14と同一の符号を付している。まず、利用者が、空気調和機41を住戸Hに設置した後、空気調和機41を起動させたとする。このとき、空気調和機41は、撮像装置481により利用者を撮像する(ステップS3031)。次に、空気調和機41は、撮像装置481で撮像された利用者の画像情報を取得し、取得した画像情報が示す利用者の表面の温度分布から空気調和機41の利用者を特定する(ステップS3032)。ここで、空気調和機41は、特定した空気調和機41の利用者の利用者識別情報を、利用者情報記憶部432に記憶させる。続いて、空気調和機41の機器識別情報と利用者情報記憶部432が記憶する利用者識別情報とが、空気調和機41から管理装置7へ送信される(ステップS3033)。
Here, the operation of the control system according to this modified example will be described with reference to FIG. In addition, in FIG. 27, the same reference numerals as in FIG. 14 are assigned to the same processing as in the embodiment. First, it is assumed that the user installs the
一方、管理装置7は、空気調和機41から機器識別情報と利用者識別情報とを受信すると、レイアウト情報記憶部731が記憶する他の空気調和機42、43の機器識別情報に対応づけられた利用者識別情報を参照して、空気調和機41に対応づけられた利用者識別情報と同一の利用者識別情報に対応づけられた機器識別情報を検索する。そして、特定部712は、受信した機器識別情報が付与された空気調和機41を係数情報の移動先と特定し、空気調和機41と同一の利用者識別情報に対応づけられた機器識別情報が付与された空気調和機42、43を、係数情報の移動元として特定する(ステップS3034)。その後、ステップS33以降の処理が実行される。
On the other hand, when receiving the device identification information and the user identification information from the
なお、本変形例において、例えばクラウドサーバ2が、利用者識別情報を、各空気調和機42、43の機器識別情報に対応づけて記憶する利用者情報記憶部(図示せず)を備える構成であってもよい。この場合、図28に示すように、まず、利用者が、空気調和機41を住戸Hに設置した後、空気調和機41を起動させたとする。このとき、空気調和機41は、撮像装置481により利用者を撮像する(ステップS4032)。次に、空気調和機41の機器識別情報と、利用者を撮像して得られる画像情報とが、空気調和機41からクラウドサーバ2へ送信される(ステップS4033)。次に、クラウドサーバ2は、撮像装置481で撮像された利用者の画像情報を取得し、取得した画像情報が示す利用者の表面の温度分布から空気調和機41の利用者を特定する(ステップS4034)。このとき、クラウドサーバ2は、特定した利用者の利用者識別情報を、空気調和機41から取得した機器識別情報に対応づけて利用者情報記憶部に記憶させる。
In this modification, for example, the
続いて、クラウドサーバ2は、利用者情報記憶部が記憶する他の空気調和機42、43の機器識別情報に対応づけられた利用者識別情報を参照して、空気調和機41に対応づけられた利用者識別情報と同一の利用者識別情報に対応づけられた機器識別情報を検索する。そして、クラウドサーバ2は、受信した機器識別情報が付与された空気調和機41を係数情報の移動先と特定し、空気調和機41と同一の利用者識別情報に対応づけられた機器識別情報が付与された空気調和機42、43を、係数情報の移動元として特定する(ステップS4035)。その後、クラウドサーバ2は、特定した係数情報の移動先の空気調和機41の機器識別情報を含む移動先通知情報と、特定した移動元の空気調和機42、43の機器識別情報を含む移動元通知情報と、を生成する(ステップS4036)。その後、生成された移動元通知情報が、クラウドサーバ2から空気調和機41へ送信され(ステップS4037)、生成された移動先通知情報が、クラウドサーバ2から空気調和機42、43へ送信される(ステップS4038)。次に、ステップS36以降の処理が実行される。
Subsequently, the
本構成によれば、利用者が管理装置7を操作する必要が無くなるので、利用者の利便性を高めることができる。
According to this configuration, the user does not need to operate the
また、図26を用いて説明した変形例において、空気調和機41において、予め設定された利用者特定期間内における空気調和機41の主な利用者を特定し、特定した主な利用者の利用者識別情報に基づいて、係数情報が移動元の空気調和機が決定されるものであってもよい。この場合、利用者が、空気調和機41を住戸Hに設置した後、空気調和機41を起動させた後、空気調和機41は、撮像装置481により利用者を撮像して得られる利用者の画像情報を取得し、取得した画像情報が示す利用者の表面の温度分布から空気調和機41の利用者を特定することを、予め設定された利用者特定期間が経過するまでの間、繰り返し実行する。利用者特定期間は、例えば空気調和機41を起動してから1週間程度の期間に設定される。その後、利用者特定期間が経過すると、空気調和機41は、利用者特定期間中に特定した利用者のうち、空気調和機41の利用頻度が最も高い利用者を主な利用者として特定する。
In addition, in the modification described with reference to FIG. 26, in the
なお、本変形例において、例えばクラウドサーバ2が、空気調和機41の主な利用者を特定するものであってもよい。この場合、利用者が、空気調和機41を住戸Hに設置して空気調和機41を起動させた後、空気調和機41は、撮像装置481により利用者を撮像して得られる利用者の画像情報を取得し、取得した画像情報を空気調和機41の機器識別情報とともにクラウドサーバ2へ送信することを、予め設定された利用者特定期間が経過するまでの間繰り返し実行する。一方、クラウドサーバ2は、空気調和機41から取得した各画像情報について、各画像情報が示す利用者の表面の温度分布から空気調和機41の利用者を特定する。そして、クラウドサーバ2は、利用者特定期間が経過すると、クラウドサーバ2は、利用者特定期間中に特定した利用者のうち、空気調和機41の利用頻度が最も高い利用者を主な利用者として特定する。
In addition, in this modification, for example, the
本構成によれば、空気調和機41で用いられるニューラルネットワークに設定されるべき重み係数を適切に選択することができる。
According to this configuration, the weighting factors to be set in the neural network used in the
また、図22用いて説明した変形例において、管理装置7が、空気調和機42,43から係数属性情報を取得し、取得した係数属性情報に含まれる利用者識別情報に基づいて、係数情報の移動元の空気調和機を決定するものであってもよい。
22, the
ここで、本変形例に係る制御システムの動作について、図29を参照しながら説明する。なお、図29において、図27を用いて説明した変形例と同様の処理については、図27と同一の符号を付している。まず、利用者が、空気調和機41を住戸Hに設置した後、空気調和機41を起動させると、空気調和機41は、撮像装置481により利用者を撮像する(ステップS7031)。次に、空気調和機41は、撮像装置481で撮像された利用者の画像情報を取得し、取得した画像情報が示す利用者の表面の温度分布から空気調和機41の利用者を特定する(ステップS7032)。ここで、空気調和機41は、特定した空気調和機41の利用者の利用者識別情報を、利用者情報記憶部432に記憶させる。続いて、空気調和機41の機器識別情報と利用者情報記憶部432が記憶する利用者識別情報とが、空気調和機41から管理装置7へ送信される(ステップS7033)。
Here, the operation of the control system according to this modified example will be described with reference to FIG. In addition, in FIG. 29, the same reference numerals as in FIG. 27 denote the same processing as in the modification described using FIG. First, when the user installs the
一方、管理装置7は、空気調和機41から機器識別情報と利用者識別情報とを受信すると、受信した機器識別情報が付与された空気調和機41を係数情報の移動先として特定する(ステップS7034)。その後、空気調和機42、43に対して係数属性情報の送信を要求する係数属性要求情報が、管理装置7から空気調和機42、43それぞれへブロードキャスト送信される(ステップS7035)。一方、空気調和機42、43は、係数属性要求情報を受信すると、係数属性情報を生成する(ステップ7036)。この係数属性情報は、図8に示す係数情報における係数属性情報DAZ2のみを含む情報に相当する。次に、生成された係数属性情報が、空気調和機42、43それぞれから管理装置7へ送信される(ステップS7037)。管理装置7は、係数属性情報を受信すると、係数属性情報に含まれる利用者識別情報を抽出し、抽出した利用者識別情報の中に、空気調和機41から受信した利用者識別情報と同じものが含まれる係数属性情報を検索する。そして、管理装置7は、空気調和機41から受信した利用者識別情報と同じものが含まれる係数属性情報の送信元の空気調和機42、43を係数情報の移動元として特定する(ステップS7038)。その後、ステップS33以降の一連の処理が実行される。
On the other hand, when receiving the device identification information and the user identification information from the
なお、本変形例において、管理装置7が、係数属性情報を受信すると、係数属性情報に含まれる利用者識別情報とともに学習期間情報を抽出し、抽出した利用者識別情報の中に空気調和機41から受信した利用者識別情報と同じものが含まれ且つ抽出した学習期間情報から算出される学習期間の長さが予め設定された基準期間以上である係数属性情報を検索してもよい。そして、管理装置7は、空気調和機41から受信した利用者識別情報と同じものが含まれ且つ学習期間情報から算出される学習期間の長さが予め設定された基準期間以上である係数属性情報の送信元の空気調和機42、43を係数情報の移動元として特定するようにすればよい。或いは、管理装置7が、抽出した利用者識別情報の中に空気調和機41から受信した利用者識別情報と同じものが含まれ且つ学習期間情報が示す学習期間の終期が直近の予め設定された期間内に含まれる係数属性情報を検索してもよい。そして、管理装置7は、空気調和機41から受信した利用者識別情報と同じものが含まれ且つ学習期間情報が示す学習期間の終期が直近の予め設定された期間に含まれる係数属性情報の送信元の空気調和機42、43を係数情報の移動元として特定するようにすればよい。
In this modification, when the
また、本変形例において、例えばクラウドサーバ2が、係数情報の移動元の空気調和機42、43を特定する構成であってもよい。この場合、クラウドサーバ2は、空気調和機41から管理装置7を介して空気調和機41の機器識別情報と利用者識別情報とを取得し、空気調和機42、43に対して係数属性要求情報を送信することより、空気調和機42、43から係数属性情報を取得するようにすればよい。ここで、クラウドサーバ2は、空気調和機42、43から係数属性情報を受信すると、係数属性情報に含まれる利用者識別情報を抽出し、抽出した利用者識別情報の中に、空気調和機41から受信した利用者識別情報と同じものが含まれる係数属性情報を検索して移動元の空気調和機42、43を特定するようにすればよい。また、クラウドサーバ2は、特定した係数情報の移動先の空気調和機41の機器識別情報を含む移動先通知情報と、特定した移動元の空気調和機42、43の機器識別情報を含む移動元通知情報と、を生成する。そして、生成された移動元通知情報が、クラウドサーバ2から空気調和機41へ送信されるとともに、生成された移動先通知情報が、クラウドサーバ2から空気調和機42、43へ送信される。
Further, in this modified example, for example, the
本構成によれば、管理装置7またはクラウドサーバ2が、空気調和機41、42、43の利用者の利用者識別情報を、空気調和機41、42、43の機器識別情報と対応づけて記憶しておく必要がない。従って、管理装置7の補助記憶部703またはクラウドサーバ2の補助記憶部203の記憶容量を低減することができる。
According to this configuration, the
実施の形態では、履歴情報が、空気調和機41から直接クラウドサーバ2へ送信され、係数情報が、空気調和機41から直接クラウドサーバ2へ送信されたりクラウドサーバ2から直接空気調和機41へ送信されたりする例について説明した。但し、履歴情報、係数情報の送信方法は、これに限定されない。例えば、履歴情報が、空気調和機41からいわゆるテザリング機能を有する端末装置(図示せず)で中継されてクラウドサーバ2へ送信されるものであってもよい。また、係数情報が、空気調和機41から端末装置で中継されてクラウドサーバ2へ送信されるものであってもよいし、クラウドサーバ2から端末装置で中継されて空気調和機41へ送信されるものであってもよい。また、実施の形態において、気象情報が、クラウドサーバ2から直接空気調和機41へ送信される例について説明したが、これに限らず、例えば、気象情報が、クラウドサーバ2から端末装置で中継されて空気調和機41へ送信されるものであってもよい。ここで、端末装置としては、例えばスマートフォンのような携帯端末を採用することができる。
In the embodiment, the history information is transmitted directly from the
本構成によれば、空気調和機41が直接宅内ネットワークNT2に接続されていない場合でも、空気調和機41からクラウドサーバ2へ履歴情報または係数情報を送信したり、クラウドサーバ2から空気調和機41へ係数情報または気象実績情報を送信したりすることができる。従って、空気調和機41の利用者の利便性を高めることができる。
According to this configuration, even when the
実施の形態では、クラウドサーバ2が、顧客から空気調和機41と同一機種の他の空気調和機についての動作履歴情報および環境履歴情報と、他の空気調和機が設置された場所における気象実績情報と、に基づいて、ニューラルネットワークの重み係数を初期係数として決定する例について説明した。但し、これに限らず、例えばクラウドサーバ2が、ニューラルネットワーク記憶部233が記憶する空気調和機41と同一機種の他の空気調和機それぞれで用いられるニューラルネットワークの重み係数を示す情報を取得し、取得した情報が示す重み係数の分布に基づいて、初期の重み係数を決定するものであってもよい。
In the embodiment, the
実施の形態では、クラウドサーバ2が、顧客サーバ9から、空気調和機41と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含む履歴情報を取得する例について説明した。但し、これに限らず、例えば、クラウドサーバ2が、空気調和機41と同一機種の空気調和機が設置された他の住戸における空気調和機の動作履歴情報および環境履歴情報を含む履歴情報を管理する機能を有するものであってもよい。この場合、クラウドサーバ2は、履歴情報を、顧客サーバ9へ送信しない構成とすることができる。
In the embodiment, the
実施の形態では、空気調和機41、42、43が、気象サーバ3から取得した気象情報を用いて機器設定パラメータを算出する構成について説明したが、これに限らず、例えば、空気調和機41、42、43が、気象情報を用いずに機器設定パラメータを算出するものであってもよい。この場合、例えば図30に示すように、空気調和機41、42、43は、気象情報取得部417と気象情報記憶部436とを備えない構成とすればよい。また、クラウドサーバ2は、図31に示すように、気象実績取得部212と気象情報記憶部232とを備えない構成としてもよい。
In the embodiment, the
また、コンピュータにプログラムを提供する方法は任意である。例えば、プログラムは、通信回線の掲示版(BBS(Bulletin Board System))にアップロードされ、通信回線を介してコンピュータに配信されてもよい。そして、コンピュータは、このプログラムを起動して、OS(Operating System)の制御の下、他のアプリケーションと同様に実行する。これにより、コンピュータは、上述の処理を実行する空気調和機41、42、43の制御部400およびクラウドサーバ2として機能する。
Also, the method of providing the program to the computer is arbitrary. For example, the program may be uploaded to a bulletin board (BBS (Bulletin Board System)) of a communication line and delivered to a computer via the communication line. The computer then activates this program and executes it in the same way as other applications under the control of an OS (Operating System). Thereby, the computer functions as the
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、この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。すなわち、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、この発明の範囲内とみなされる。 The present invention is capable of various embodiments and modifications without departing from the broader spirit and scope of the invention. Moreover, the above-described embodiments are for explaining the present invention, and do not limit the scope of the present invention. That is, the scope of the present invention is indicated by the claims rather than the embodiments. Various modifications made within the scope of the claims and within the meaning of equivalent inventions are considered to be within the scope of the present invention.
本発明は、住戸に設置される家電機器の自動運転制御に好適である。 INDUSTRIAL APPLICABILITY The present invention is suitable for automatic operation control of home electric appliances installed in a dwelling unit.
2 クラウドサーバ、3 気象サーバ、7 管理装置、9 顧客サーバ、41,42,43 空気調和機、61,62,63 操作機器、81 データ回線終端装置、82 ルータ、201,401,701 CPU、202,402,702 主記憶部、203,403,703 補助記憶部、205,405,705 通信インタフェース、209,409,709 バス、212 気象実績取得部、214 ニューラルネットワーク計算部、215,420 係数決定部、218,424 係数情報生成部、219,421 係数送信部、233,433 ニューラルネットワーク記憶部、400 制御部、404 ニューロエンジン、406 計測装置インタフェース、407 操作機器インタフェース、408 撮像インタフェース、411 環境情報取得部、412 画像取得部、413 操作受付部、414 機器制御部、415 利用者特定部、416 計時部、417 気象情報取得部、418 係数取得部、419 係数設定部、422 機器設定更新部、423 動作モード設定部、425 履歴情報生成部、426 履歴情報送信部、427 機器識別情報送信部、431 機器設定記憶部、432 利用者情報記憶部、434 履歴情報記憶部、435 動作モード記憶部、436 気象情報記憶部、461 計測装置、481 撮像装置、711 受付部、712 特定部、713 表示制御部、714 移動情報生成部、715 移動情報送信部、731 レイアウト情報記憶部、732 移動情報記憶部、733 画像記憶部、H 住戸、L10 入力層、L20 隠れ層、L30 出力層、NT1 宅外ネットワーク、NT2 宅内ネットワーク 2 cloud server, 3 weather server, 7 management device, 9 customer server, 41, 42, 43 air conditioner, 61, 62, 63 operation device, 81 data circuit termination device, 82 router, 201, 401, 701 CPU, 202 , 402, 702 main storage unit, 203, 403, 703 auxiliary storage unit, 205, 405, 705 communication interface, 209, 409, 709 bus, 212 weather performance acquisition unit, 214 neural network calculation unit, 215, 420 coefficient determination unit , 218, 424 coefficient information generation unit, 219, 421 coefficient transmission unit, 233, 433 neural network storage unit, 400 control unit, 404 neuro engine, 406 measurement device interface, 407 operation device interface, 408 imaging interface, 411 environment information acquisition Unit 412 Image acquisition unit 413 Operation reception unit 414 Device control unit 415 User identification unit 416 Clock unit 417 Weather information acquisition unit 418 Coefficient acquisition unit 419 Coefficient setting unit 422 Device setting update unit 423 operation mode setting unit 425 history information generation unit 426 history information transmission unit 427 device identification information transmission unit 431 device setting storage unit 432 user information storage unit 434 history information storage unit 435 operation mode storage unit 436 weather information storage unit 461 measurement device 481 imaging device 711 reception unit 712 identification unit 713 display control unit 714 movement information generation unit 715 movement information transmission unit 731 layout information storage unit 732 movement information storage unit; 733 image storage unit, H dwelling unit, L10 input layer, L20 hidden layer, L30 output layer, NT1 outside network, NT2 inside network
Claims (13)
前記サーバは、
予め設定されたノード数および層数を有する前記機器の将来の機器設定パラメータを求めるためのニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを、前記少なくとも1つの機器から取得する第1係数取得部と、
前記少なくとも1つの機器から係数要求情報を取得すると、前記第1係数取得部が取得した前記係数情報と前記係数属性情報とを、前記少なくとも1つの機器へ送信する第1係数送信部と、を有し、
前記少なくとも1つの機器は、それぞれ、
前記少なくとも1つの機器それぞれで用いられるニューラルネットワークのニューラルネットワーク係数を示す係数情報と係数属性情報とを、前記サーバへ送信する第2係数送信部と、
前記サーバへ前記係数情報の送信を要求する係数要求情報を送信することにより、前記サーバから係数情報と係数属性情報とを取得する第2係数取得部と、
前記第2係数取得部が取得した前記係数情報と係数属性情報とに基づいて、ニューラルネットワークのニューラルネットワーク係数を設定する係数設定部と、
前記ニューラルネットワーク係数が設定された前記ニューラルネットワークを用いて、現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューロエンジンと、
前記ニューロエンジンにより求められた前記機器設定パラメータに基づいて前記機器を制御する機器制御部と、を有する、
制御システム。 comprising a server and at least one device;
The server is
Coefficient information including information indicating neural network coefficients of a neural network for obtaining future device setting parameters of the device having a preset number of nodes and number of layers, and coefficient attribute information indicating attributes of the coefficient information, a first coefficient acquisition unit that acquires from the at least one device;
a first coefficient transmission unit configured to transmit the coefficient information and the coefficient attribute information acquired by the first coefficient acquisition unit to the at least one device when the coefficient request information is acquired from the at least one device. death,
Each of the at least one device comprises:
a second coefficient transmission unit configured to transmit, to the server, coefficient information indicating neural network coefficients of the neural networks used in each of the at least one devices, and coefficient attribute information;
a second coefficient acquisition unit configured to acquire coefficient information and coefficient attribute information from the server by transmitting coefficient request information requesting transmission of the coefficient information to the server;
a coefficient setting unit configured to set neural network coefficients of a neural network based on the coefficient information and the coefficient attribute information acquired by the second coefficient acquisition unit;
a neuro engine for obtaining future device setting parameters of the device from environmental parameters indicating the current environment using the neural network in which the neural network coefficients are set;
a device control unit that controls the device based on the device setting parameters obtained by the neuro engine;
control system.
前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の環境パラメータの履歴を示す環境履歴情報と前記係数情報とに基づいて、前記ニューラルネットワーク係数を決定する係数決定部を更に備える、
請求項1に記載の制御システム。 Each of the at least one device comprises:
a coefficient determination unit configured to determine the neural network coefficient based on operation history information indicating a history of device setting parameters of the device, environment history information indicating a history of environmental parameters of an environment in which the device operates, and the coefficient information; further prepare,
A control system according to claim 1 .
前記ニューロエンジンは、前記ニューラルネットワーク係数が設定された前記ニューラルネットワークを用いて、前記気象予報情報と現時点の環境を示す環境パラメータとから前記機器の将来の機器設定パラメータを求め、
前記係数決定部は、前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の環境パラメータの履歴を示す環境履歴情報と前記係数情報と前記係数属性情報と前記気象実績情報とに基づいて、前記ニューラルネットワーク係数を決定する、
請求項2に記載の制御システム。 each of the at least one device further includes a weather information acquisition unit that acquires weather information including actual weather information indicating past weather conditions and weather forecast information indicating future weather conditions;
The neural engine uses the neural network in which the neural network coefficients are set to obtain future device setting parameters of the device from the weather forecast information and environmental parameters indicating the current environment,
The coefficient determination unit includes operation history information indicating a history of device setting parameters of the device, environmental history information indicating a history of environmental parameters of an environment in which the device operates, the coefficient information, the coefficient attribute information, and the actual weather information. determining the neural network coefficients based on
3. A control system according to claim 2.
前記機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の環境パラメータの履歴を示す環境履歴情報とを含む履歴情報と前記履歴情報の属性を示す履歴属性情報とを生成する履歴情報生成部を更に有し、
前記サーバは、前記履歴情報生成部が生成した前記履歴情報と前記履歴属性情報とに基づいて、前記機器の前記ニューラルネットワーク係数の初期値を決定する係数決定部を更に有する、
請求項2または3に記載の制御システム。 Each of the at least one device comprises:
history information including operation history information indicating a history of device setting parameters of the device and environmental history information indicating a history of environmental parameters of an environment in which the device operates; and history attribute information indicating attributes of the history information are generated. further comprising a history information generator;
The server further comprises a coefficient determination unit that determines initial values of the neural network coefficients of the device based on the history information and the history attribute information generated by the history information generation unit.
4. Control system according to claim 2 or 3.
請求項4に記載の制御システム。 The history attribute information includes device identification information that identifies the device, device setting type information that indicates the type of the device setting parameter, and environment type information that indicates the type of the environment.
5. A control system according to claim 4.
前記ニューロエンジンは、前記第2係数取得部が複数の係数情報と前記複数の係数情報それぞれの属性を示す複数の係数属性情報とを取得した場合、前記複数の係数属性情報それぞれに含まれるニューラルネットワークのノード数および層数を示す情報に基づいて、複数の係数情報および複数の係数属性情報それぞれに対応したニューラルネットワークの演算を各別に実行する、
請求項1から5のいずれか1項に記載の制御システム。 The coefficient attribute information includes structural information including information indicating the number of nodes and the number of layers of the neural network,
When the second coefficient acquisition unit acquires a plurality of coefficient information and a plurality of coefficient attribute information indicating attributes of each of the plurality of coefficient information, the neural engine includes a neural network included in each of the plurality of coefficient attribute information. Based on the information indicating the number of nodes and the number of layers of, each neural network operation corresponding to each of the plurality of coefficient information and the plurality of coefficient attribute information is executed,
A control system according to any one of claims 1 to 5.
前記撮像装置により撮像された画像に基づいて、前記利用者を特定する利用者特定部と、を更に備え、
前記係数属性情報は、更に、前記利用者特定部により特定された利用者を識別する利用者識別情報を含む、
請求項6に記載の制御システム。 an imaging device that images a user of the device;
a user identification unit that identifies the user based on the image captured by the imaging device;
The coefficient attribute information further includes user identification information that identifies the user identified by the user identification unit.
A control system according to claim 6 .
前記少なくとも1つの第1機器および第2機器それぞれで用いられるニューラルネットワークの重み係数を示す重み係数情報を含む係数情報を管理する管理装置を更に備え、
前記管理装置は、
前記係数情報の移動元となる前記少なくとも1つの第1機器の機器識別情報と、前記係数情報の移動先となる前記第2機器の機器識別情報と、を特定する特定部と、
前記特定部により特定された前記少なくとも1つの第1機器の機器識別情報を含む移動元通知情報と、前記第2機器の機器識別情報を含む移動先通知情報と、を生成する移動情報生成部と、
前記移動元通知情報を前記第2機器へ送信し、前記移動先通知情報を前記少なくとも1つの第1機器へ送信する移動情報送信部と、を有し、
前記少なくとも1つの第1機器の第2係数送信部は、前記移動先通知情報を取得すると、前記少なくとも1つの第1機器で用いられるニューラルネットワークの重み係数を示す情報と前記第2機器の機器識別情報とを含む係数情報と係数属性情報とを前記サーバへ送信し、
前記第2機器の第2係数取得部は、前記移動元通知情報を取得すると、前記移動元通知情報に含まれる前記少なくとも1つの第1機器の機器識別情報に基づいて、前記少なくとも1つの第1機器で用いられるニューラルネットワークの重み係数を示す重み係数情報を含む係数情報と係数属性情報とを、前記サーバから取得する、
請求項1から7のいずれか1項に記載の制御システム。 the at least one device includes at least one first device and a second device;
further comprising a management device for managing coefficient information including weighting coefficient information indicating weighting coefficients of neural networks used in each of the at least one first device and the second device;
The management device
a specifying unit that specifies the device identification information of the at least one first device from which the coefficient information is transferred and the device identification information of the second device to which the coefficient information is transferred;
a movement information generation unit that generates movement source notification information including device identification information of the at least one first device identified by the identification unit and movement destination notification information including device identification information of the second device; ,
a movement information transmission unit that transmits the movement source notification information to the second device and the movement destination notification information to the at least one first device;
When the destination notification information is acquired, the second coefficient transmission unit of the at least one first device transmits information indicating a weighting coefficient of a neural network used in the at least one first device and a device identification of the second device. transmitting coefficient information and coefficient attribute information including information to the server;
When acquiring the source notification information, the second coefficient acquisition unit of the second device acquires the at least one first coefficient based on the device identification information of the at least one first device included in the source notification information. Acquiring coefficient information including weighting coefficient information indicating weighting coefficients of a neural network used in the device and coefficient attribute information from the server;
Control system according to any one of claims 1 to 7.
前記動作履歴情報と前記環境履歴情報とに基づいて、予め設定されたノード数および層数を有する少なくとも1つの機器それぞれの将来の機器設定パラメータを求めるためのニューラルネットワークのニューラルネットワーク係数の初期係数を決定する係数決定部と、
前記初期係数を示す係数情報を生成する係数情報生成部と、
前記ニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを、前記少なくとも1つの機器から取得する係数取得部と、
前記少なくとも1つの機器から係数要求情報を取得すると、前記係数情報生成部が生成した前記初期係数を示す係数情報、または、前記係数取得部が取得した係数情報と係数属性情報とを、前記少なくとも1つの機器へ送信する係数送信部と、を備える、
サーバ。 a history information acquisition unit for acquiring operation history information indicating a history of device setting parameters of a device and environmental history information indicating a history of environmental parameters of an environment in which the device operates;
Initial coefficients of neural network coefficients of a neural network for obtaining future device setting parameters for each of at least one device having a preset number of nodes and a preset number of layers , based on the operation history information and the environment history information a coefficient determining unit for determining;
a coefficient information generating unit that generates coefficient information indicating the initial coefficient;
a coefficient acquisition unit configured to acquire, from the at least one device, coefficient information including information indicating neural network coefficients of the neural network and coefficient attribute information indicating attributes of the coefficient information;
when the coefficient request information is obtained from the at least one device, the coefficient information indicating the initial coefficient generated by the coefficient information generating unit, or the coefficient information and coefficient attribute information obtained by the coefficient obtaining unit are transmitted to the at least one device; a coefficient transmitter that transmits to one device,
server.
前記ニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報の送信を要求する係数要求情報を前記サーバへ送信することにより、前記サーバから前記係数情報と前記係数属性情報とを取得する係数取得部と、
前記係数取得部が取得した前記係数情報と前記係数属性情報とに基づいて、ニューラルネットワークのニューラルネットワーク係数を設定する係数設定部と、
前記ニューラルネットワーク係数が設定された前記ニューラルネットワークを用いて、現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューロエンジンと、
前記ニューロエンジンにより求められた前記機器設定パラメータに基づいて前記機器を制御する機器制御部と、を備える、
機器。 Coefficient information including information indicating neural network coefficients of a neural network for obtaining future device setting parameters of a device having a preset number of nodes and layers, and coefficient attribute information indicating attributes of the coefficient information to a server a coefficient transmission unit for transmission;
a coefficient acquisition unit configured to acquire the coefficient information and the coefficient attribute information from the server by transmitting to the server coefficient request information requesting transmission of coefficient information including information indicating the neural network coefficients of the neural network; ,
a coefficient setting unit for setting neural network coefficients of a neural network based on the coefficient information and the coefficient attribute information acquired by the coefficient acquisition unit;
a neuro engine for obtaining future device setting parameters of the device from environmental parameters indicating the current environment using the neural network in which the neural network coefficients are set;
a device control unit that controls the device based on the device setting parameters obtained by the neuro engine;
machine.
前記サーバが、前記ニューラルネットワークのニューラルネットワーク係数を示す係数情報と前記係数情報の属性を示す係数属性情報とを、前記少なくとも1つの機器から取得するステップと、
前記サーバが、前記少なくとも1つの機器から係数要求情報を取得すると、取得した前記係数情報と前記係数属性情報とを、前記少なくとも1つの機器へ送信するステップと、
前記少なくとも1つの機器が、前記サーバへ前記係数情報の送信を要求する係数要求情報を送信することにより、前記サーバから係数情報と係数属性情報とを取得するステップと、
前記少なくとも1つの機器が、取得した前記係数情報と前記係数属性情報とに基づいて、ニューラルネットワークのニューラルネットワーク係数を設定するステップと、
前記少なくとも1つの機器が、前記ニューラルネットワーク係数が設定された前記ニューラルネットワークを用いて、現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるステップと、
前記少なくとも1つの機器が、求められた前記機器設定パラメータに基づいて前記機器を制御するステップと、を含む、
制御方法。 Coefficient information including information indicating neural network coefficients of a neural network for determining future device setting parameters of a device in which at least one device has a preset number of nodes and a preset number of layers, and coefficients indicating attributes of the coefficient information sending the attribute information to the server;
a step of the server obtaining, from the at least one device, coefficient information indicating neural network coefficients of the neural network and coefficient attribute information indicating attributes of the coefficient information;
a step of, when the server acquires the coefficient request information from the at least one device, transmitting the acquired coefficient information and the coefficient attribute information to the at least one device;
obtaining coefficient information and coefficient attribute information from the server by the at least one device transmitting coefficient request information requesting transmission of the coefficient information to the server;
the at least one device setting neural network coefficients of a neural network based on the obtained coefficient information and the coefficient attribute information;
the at least one device determining future device configuration parameters of the device from environmental parameters indicative of a current environment using the neural network with the neural network coefficients;
said at least one device controlling said device based on said determined device configuration parameters;
control method.
機器の機器設定パラメータの履歴を示す動作履歴情報と前記機器が動作する環境の環境パラメータの履歴を示す環境履歴情報とを取得する履歴情報取得部、
前記動作履歴情報と前記環境履歴情報とに基づいて、予め設定されたノード数および層数を有する少なくとも1つの機器それぞれの将来の機器設定パラメータを求めるためのニューラルネットワークのニューラルネットワーク係数の初期係数を決定する係数決定部、
前記初期係数を示す係数情報を生成する係数情報生成部、
前記ニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と前記係数情報の属性を示す係数属性情報とを、前記少なくとも1つの機器から取得する係数取得部、
前記少なくとも1つの機器から係数要求情報を取得すると、前記係数情報生成部が生成した前記初期係数を示す係数情報、または、前記係数取得部が取得した係数情報と係数属性情報とを、前記少なくとも1つの機器へ送信する係数送信部、
として機能させるためのプログラム。 the computer,
a history information acquisition unit for acquiring operation history information indicating a history of device setting parameters of a device and environmental history information indicating a history of environmental parameters of an environment in which the device operates;
Initial coefficients of neural network coefficients of a neural network for obtaining future device setting parameters for each of at least one device having a preset number of nodes and a preset number of layers , based on the operation history information and the environment history information a coefficient determining unit for determining,
a coefficient information generating unit that generates coefficient information indicating the initial coefficient;
a coefficient acquisition unit configured to acquire, from the at least one device, coefficient information including information indicating neural network coefficients of the neural network and coefficient attribute information indicating attributes of the coefficient information;
when the coefficient request information is obtained from the at least one device, the coefficient information indicating the initial coefficient generated by the coefficient information generating unit, or the coefficient information and coefficient attribute information obtained by the coefficient obtaining unit are transmitted to the at least one device; a coefficient transmitter for transmitting to one device;
A program to function as
予め設定されたノード数および層数を有する機器の将来の機器設定パラメータを求めるためのニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報と前記係数情報の属性を示す係数属性情報とをサーバへ送信する係数送信部、
前記ニューラルネットワークのニューラルネットワーク係数を示す情報を含む係数情報の送信を要求する係数要求情報を前記サーバへ送信することにより、前記サーバから前記係数情報と前記係数属性情報とを取得する係数取得部、
前記係数取得部が取得した前記係数情報と前記係数属性情報とに基づいて、ニューラルネットワークのニューラルネットワーク係数を設定する係数設定部、
前記ニューラルネットワーク係数が設定された前記ニューラルネットワークを用いて、現時点の環境を示す環境パラメータから前記機器の将来の機器設定パラメータを求めるニューロエンジン、
前記ニューロエンジンにより求められた前記機器設定パラメータに基づいて前記機器を制御する機器制御部、
として機能させるためのプログラム。 the computer,
Coefficient information including information indicating neural network coefficients of a neural network for obtaining future device setting parameters of a device having a preset number of nodes and layers, and coefficient attribute information indicating attributes of the coefficient information to a server a coefficient transmitter for transmission;
a coefficient acquisition unit configured to acquire the coefficient information and the coefficient attribute information from the server by transmitting to the server coefficient request information requesting transmission of coefficient information including information indicating the neural network coefficients of the neural network;
a coefficient setting unit configured to set neural network coefficients of a neural network based on the coefficient information and the coefficient attribute information acquired by the coefficient acquisition unit;
A neuro engine that uses the neural network in which the neural network coefficients are set to obtain future device setting parameters of the device from environmental parameters that indicate the current environment;
a device control unit that controls the device based on the device setting parameters obtained by the neuro engine;
A program to function as
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/031645 WO2021028970A1 (en) | 2019-08-09 | 2019-08-09 | Control system, server, apparatus, control method, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021028970A1 JPWO2021028970A1 (en) | 2021-12-16 |
JP7138800B2 true JP7138800B2 (en) | 2022-09-16 |
Family
ID=74569441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021539706A Active JP7138800B2 (en) | 2019-08-09 | 2019-08-09 | Control system, server, device, control method and program |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7138800B2 (en) |
WO (1) | WO2021028970A1 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115111717A (en) * | 2021-03-08 | 2022-09-27 | 佛山市顺德区美的电热电器制造有限公司 | Temperature adjusting device, temperature control method and device thereof, electronic device and storage medium |
CN115711460B (en) * | 2022-11-29 | 2024-05-28 | 珠海格力电器股份有限公司 | Method and device for generating control interface, touch remote controller and storage medium |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000074707A (en) | 1998-06-17 | 2000-03-14 | Omron Corp | Sensor device, sensor system, and configuration method |
JP2005098555A (en) | 2003-09-22 | 2005-04-14 | Denso Corp | Neural network type air conditioner |
JP2005228172A (en) | 2004-02-16 | 2005-08-25 | Mitsubishi Electric Corp | Initialization server system, initialization system, initialization method and computer-readable recording medium |
JP2008080876A (en) | 2006-09-26 | 2008-04-10 | Denso Corp | Vehicular air conditioner, and control method and control device for vehicular air conditioner |
JP2008283542A (en) | 2007-05-11 | 2008-11-20 | Mitsubishi Electric Corp | Network system |
JP2009086845A (en) | 2007-09-28 | 2009-04-23 | Daikin Ind Ltd | Equipment-managing system, equipment-setting apparatus, equipment-managing apparatus, equipment-managing method,and equipment management program |
JP2013139968A (en) | 2012-01-05 | 2013-07-18 | Seiko Epson Corp | System, device, and method for controlling air conditioning |
JP2015184823A (en) | 2014-03-20 | 2015-10-22 | 株式会社東芝 | Model parameter calculation device, model parameter calculation method, and computer program |
JP2017067427A (en) | 2015-10-01 | 2017-04-06 | パナソニックIpマネジメント株式会社 | Air conditioning control method, air conditioning control device and air conditioning control program |
JP2019115028A (en) | 2017-12-20 | 2019-07-11 | パナソニックIpマネジメント株式会社 | Apparatus control method, apparatus control device, and apparatus control system |
-
2019
- 2019-08-09 JP JP2021539706A patent/JP7138800B2/en active Active
- 2019-08-09 WO PCT/JP2019/031645 patent/WO2021028970A1/en active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000074707A (en) | 1998-06-17 | 2000-03-14 | Omron Corp | Sensor device, sensor system, and configuration method |
JP2005098555A (en) | 2003-09-22 | 2005-04-14 | Denso Corp | Neural network type air conditioner |
JP2005228172A (en) | 2004-02-16 | 2005-08-25 | Mitsubishi Electric Corp | Initialization server system, initialization system, initialization method and computer-readable recording medium |
JP2008080876A (en) | 2006-09-26 | 2008-04-10 | Denso Corp | Vehicular air conditioner, and control method and control device for vehicular air conditioner |
JP2008283542A (en) | 2007-05-11 | 2008-11-20 | Mitsubishi Electric Corp | Network system |
JP2009086845A (en) | 2007-09-28 | 2009-04-23 | Daikin Ind Ltd | Equipment-managing system, equipment-setting apparatus, equipment-managing apparatus, equipment-managing method,and equipment management program |
JP2013139968A (en) | 2012-01-05 | 2013-07-18 | Seiko Epson Corp | System, device, and method for controlling air conditioning |
JP2015184823A (en) | 2014-03-20 | 2015-10-22 | 株式会社東芝 | Model parameter calculation device, model parameter calculation method, and computer program |
JP2017067427A (en) | 2015-10-01 | 2017-04-06 | パナソニックIpマネジメント株式会社 | Air conditioning control method, air conditioning control device and air conditioning control program |
JP2019115028A (en) | 2017-12-20 | 2019-07-11 | パナソニックIpマネジメント株式会社 | Apparatus control method, apparatus control device, and apparatus control system |
Also Published As
Publication number | Publication date |
---|---|
WO2021028970A1 (en) | 2021-02-18 |
JPWO2021028970A1 (en) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10584892B2 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN105765310B (en) | Air-conditioning system and air conditioning managing program | |
CN106155002B (en) | Intelligent household system | |
JP7138800B2 (en) | Control system, server, device, control method and program | |
JP5703207B2 (en) | Energy management system and management device | |
JP7071307B2 (en) | Air conditioning control system and air conditioning control method | |
US10411467B2 (en) | Information presentation apparatus, information presentation method, and recording medium storing computer program | |
JP5882391B2 (en) | Energy management controller, energy management system, energy management method, and program | |
JP7463582B2 (en) | Sensing system, maintenance terminal device, data distribution method, and image sensor | |
JP2017063268A (en) | Arbitration method, arbitration device and arbitration program | |
WO2011089514A2 (en) | Power-saving diagnostic system | |
JP7345323B2 (en) | Cleaning load management device, cleaning load management system, cleaning load management method and program | |
JP5787945B2 (en) | Control device, control system, control method, and program | |
JP7483104B2 (en) | Control System | |
TWI679384B (en) | Air cleaner and network system | |
JP2019015428A (en) | Air conditioning system and server | |
JP6190962B2 (en) | Controller, home system, screen generation method, and program | |
JP6950222B2 (en) | Image forming device | |
JP6573565B2 (en) | Device control apparatus, consideration calculation method, and device control system | |
US11811624B2 (en) | Edge device linking system, edge device linking method, and recording medium | |
JP2019115028A (en) | Apparatus control method, apparatus control device, and apparatus control system | |
JP6415565B2 (en) | Controller, home system, synchronization control method, and program | |
WO2023238298A1 (en) | Control device, control system, apparatus control method, and program | |
JP6625444B2 (en) | Device control device, device control method, and device control system | |
JP7438465B1 (en) | Control devices, control systems, equipment control methods and programs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210811 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210811 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220906 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7138800 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |