JP7270827B2 - エネルギー管理装置、サーバ、エネルギー管理システム、エネルギー管理方法、およびエネルギー管理プログラム - Google Patents

Description

本開示は、生産設備を含む診断対象において生産に寄与しなかったエネルギー消費の要因を診断するエネルギー管理装置、サーバ、エネルギー管理システム、エネルギー管理方法、およびエネルギー管理プログラムに関する。

従来、生産設備における生産に寄与しなかったエネルギー消費の要因を特定し、特定した要因の情報をユーザに提示する技術が知られている。例えば、特許文献１には、積算生産量と積算エネルギー消費量との関係を示すグラフデータにおいて無駄なエネルギー消費が生じた時に発生する特徴パターンが出現した場合に、無駄なエネルギー消費の要因の情報を含むメッセージを出力する技術が開示されている。

特開２０１６－１８２４２号公報

しかしながら、上記特許文献１に記載の技術は、生産に寄与しなかったエネルギー消費の要因が１つに絞られることから、生産に寄与しなかったエネルギー消費の要因が複数ある場合において、生産に寄与しないエネルギー消費に対する対策を適切に行うことが難しい場合がある。

本開示は、上記に鑑みてなされたものであって、生産に寄与しないエネルギー消費を生じさせた複数の要因を特定することができるエネルギー管理装置を得ることを目的とする。

上述した課題を解決し、目的を達成するために、本開示のエネルギー管理装置は、指標値算出部と、情報生成部と、スコア算出部と、情報提供部と、を備える。指標値算出部は、生産設備を含む診断対象における消費電力量および生産量を含む情報を収集した時刻に関連付けた情報と、生産設備での生産対象品の生産を管理する情報である生産管理情報と、を含む過去の生産に関する情報である生産関連情報に基づいて、診断対象での生産に寄与しなかったエネルギー消費に関する１種類以上の指標値を日毎に算出する。情報生成部は、生産関連情報に基づいて、時間的な要因と、生産管理情報に含まれる要素と、を生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補とし、複数の要因候補の日毎の値を示す要因候補情報を生成する。スコア算出部は、指標値算出部によって算出された１種類の指標値を目的変数とし、１種類の指標値と関連付けられた要因候補情報の複数の要因候補の値を説明変数とする関数に使用される係数を用いて生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する処理を指標値の種類毎に行う。情報提供部は、複数の要因候補のうちスコア算出部によって算出されたスコアが上位の２つ以上の要因候補の情報を出力する。

本開示によれば、生産に寄与しないエネルギー消費を生じさせた複数の要因を特定することができる、という効果を奏する。

実施の形態１にかかるエネルギー管理装置を含む生産施設の構成の一例を示す図 実施の形態１にかかるエネルギー管理装置の構成の一例を示す図 実施の形態１にかかるエネルギー管理装置の情報生成部によって生成される第１の要因候補情報の一例を示す図 実施の形態１にかかる情報生成部によって判定される第２の要因候補情報の一例を示す図 実施の形態１にかかる指標値算出部によって値が算出される第１の指標、第２の指標、第３の指標、第４の指標、および第５の指標を説明するための図 実施の形態１にかかる指標値算出部によって算出される複数種類の指標値の一例を示す図 実施の形態１にかかる統合情報の一例を示す図 実施の形態１にかかる情報提供部によって表示部に表示されるロス要因情報の一例を示す図 実施の形態１にかかるエネルギー管理装置の処理部による処理の一例を示すフローチャート 実施の形態１にかかるエネルギー管理装置の処理部のハードウェア構成の一例を示す図 実施の形態２にかかるエネルギー管理装置の構成の一例を示す図 実施の形態２にかかる情報提供部によって表示部に表示されるロス要因情報の一例を示す図 実施の形態２にかかるエネルギー管理装置の処理部による処理の一例を示すフローチャート 実施の形態２にかかるエネルギー管理装置の処理部による診断処理の一例を示すフローチャート 実施の形態３にかかるエネルギー管理システムの構成の一例を示す図 実施の形態３にかかるエネルギー管理装置の構成の一例を示す図 実施の形態３にかかるサーバの構成の一例を示す図 実施の形態３にかかるニューラルネットワークの一例を示す図 実施の形態３にかかるエネルギー管理装置の処理部による処理の一例を示すフローチャート 実施の形態３にかかるサーバによる学習処理の一例を示すフローチャート 実施の形態３にかかるサーバによる推論処理の一例を示すフローチャート 実施の形態３にかかるモバイル端末による処理の一例を示すフローチャート 実施の形態３にかかるサーバのハードウェア構成の一例を示す図 実施の形態４にかかるエネルギー管理システムの構成の一例を示す図 実施の形態４にかかるサーバの構成の一例を示す図 実施の形態４にかかるモバイル端末の表示部に表示されるレーダチャートの一例を示す図 実施の形態４にかかるモバイル端末の表示部に表示されるレーダチャートの他の例を示す図 実施の形態４にかかるサーバによる学習処理の一例を示すフローチャート 実施の形態４にかかるサーバによる推論処理の一例を示すフローチャート

以下に、実施の形態にかかるエネルギー管理装置、サーバ、エネルギー管理システム、エネルギー管理方法、およびエネルギー管理プログラムを図面に基づいて詳細に説明する。なお、この実施の形態によりこの開示が限定されるものではない。

実施の形態１．
図１は、実施の形態１にかかるエネルギー管理装置を含む生産施設の構成の一例を示す図である。図１に示すように、実施の形態１にかかる生産施設１は、生産設備２と、関連設備３と、電力センサ４，５と、生産量センサ６と、環境センサ７と、生産管理装置８と、エネルギー管理装置１０とを備える。なお、以下においては、生産設備２および関連設備３によって使用されるエネルギーは、電力であるが、石油、石炭、ガス、水素などの一次エネルギーなどであってもよく、電力と一次エネルギーの組み合わせであってもよい。

生産設備２は、複数の物品を生産する生産工程を実行する。生産設備２では、例えば、複数の生産装置によって生産ラインが構成されるが、生産設備２は１つの生産装置のみを有する構成であってもよい。生産設備２によって生産される物品は、例えば、工業製品または工業製品の仕掛品であり、以下、生産対象品と記載する場合がある。なお、生産対象品は、液体または気体であってもよい。

関連設備３は、生産設備２に関連して用いられる設備である。例えば、関連設備３は、生産設備２での生産対象品の生産時に作業者などによってオンにされる照明装置、エアーコンディショナー、コンプレッサ、または集塵機などの設備である。関連設備３は、ユーティリティ設備とも呼ばれる。

電力センサ４は、生産設備２への送電を行う送電線または生産設備２などに取り付けられ、生産設備２の消費電力量を定期的に測定し、測定した消費電力量を示す情報をエネルギー管理装置１０へ不図示の専用線または不図示のネットワークを介して送信する。

電力センサ５は、関連設備３への送電を行う送電線または関連設備３などに取り付けられ、関連設備３の消費電力量を定期的に測定し、測定した消費電力量を示す情報をエネルギー管理装置１０へ不図示の専用線または不図示のネットワークを介して送信する。電力センサ４で測定される消費電力量は、生産設備２の消費エネルギーの一例である。電力センサ５で測定される消費電力量は、関連設備３の消費エネルギーの一例である。

生産量センサ６は、生産設備２に設けられ、生産設備２の生産量を定期的に測定し、測定した生産量を示す情報をエネルギー管理装置１０へ不図示の専用線または不図示のネットワークを介して送信する。生産量センサ６は、例えば、生産設備２の生産ラインにおける生産対象品の通過数をカウントし、カウントした値を生産量として測定する。なお、生産量センサ６によって測定される生産量は、生産対象品が液体または気体である場合、生産流量である。また、生産量センサ６によって測定される生産量は、重さまたは長さで表されてもよい。

環境センサ７は、生産設備２の生産工程における環境である生産環境を定期的に測定し、測定した生産環境を示す情報をエネルギー管理装置１０へ送信する。環境センサ７によって測定される生産環境は、例えば、生産設備２が配置された室内の温度、湿度、二酸化炭素濃度、明るさ、騒音、または振動などである。なお、生産環境を示す情報は、不図示の端末装置へ入力された情報であってもよい。この場合、生産環境を示す情報は、不図示の端末装置から不図示の専用線または不図示のネットワークを介してエネルギー管理装置１０へ送信される。

生産管理装置８は、生産管理情報を記憶する不図示の記憶部を有する。生産管理情報は、生産対象品の種類、生産工程の担当者、生産設備２のエラー情報、生産対象品のロット数、および生産設備２のタクトタイムなどの情報を日毎に含む。タクトタイムは、例えば、１日における生産設備２の稼働時間を１日の生産量で除算して得られる時間である。

生産管理装置８における不図示の処理部は、記憶部に記憶している生産管理情報を記憶部から読み出し、読み出した情報をエネルギー管理装置１０へ不図示の専用線または不図示のネットワークを介して送信する。生産管理装置８は、生産設備２から不図示の専用線または不図示のネットワークを介して生産管理情報の一部の情報を取得することができる。

また、生産管理装置８は、画像センサによって生産管理情報の一部の情報を特定することができる。また、生産管理装置８は、不図示の入力部からの入力される情報を生産管理情報の一部の情報として記憶することもできる。入力部は、キーボードによる入力、または音声認識による入力を受け付け、受け付けた情報を生産管理装置８へ出力することができる。

エネルギー管理装置１０は、電力センサ４，５、生産量センサ６、環境センサ７、および生産管理装置８の各々から情報を収集し、収集した情報に基づいて、生産設備２と関連設備３とを含む診断対象において生産に寄与しなかったエネルギー消費の要因を診断する。以下においては、診断対象での生産に寄与しないエネルギー消費を、生産に寄与しないエネルギー消費またはエネルギーロスと記載する場合がある。なお、生産に寄与しなかったエネルギー消費とは、例えば生産設備２の稼働に必要な暖気のエネルギー消費（後述する時間Ｔ１での生産設備２のエネルギー消費）なども含まれ、間接的に生産に寄与していると捉えることができる場合もあるが、エネルギーロスともあるように可能な限り削減したいエネルギー消費を指す。

図２は、実施の形態１にかかるエネルギー管理装置の構成の一例を示す図である。図２に示すように、エネルギー管理装置１０は、処理部１１と、生産関連情報記憶部１２と、表示部１３とを備える。処理部１１は、情報収集部２１と、情報生成部２２と、指標値算出部２３と、スコア算出部２４と、情報提供部２５とを備える。

情報収集部２１は、電力センサ４，５、生産量センサ６、環境センサ７、および生産管理装置８の各々から情報を収集し、収集した情報に収集時の時刻を関連付けて生産関連情報記憶部１２の生産関連情報に追加する。収集時の時刻は、例えば、時、分、および秒の情報に加え、年、月、日の情報を含む。生産関連情報は、過去の生産に関する情報であり、情報収集部２１によって収集されて生産関連情報記憶部１２に記憶される情報である。

情報収集部２１によって収集される情報は、アナログ信号で示される情報およびデジタル信号で示される情報のいずれの情報であってもよい。情報収集部２１は、収集した情報がアナログ信号である場合、ＡＤ(Analog to Digital)変換によって収集した情報をデジタル信号へ変換する。なお、情報収集部２１は、例えば、収集した情報に対して実効値演算またはフィルタ処理などを実施することもできる。

情報生成部２２は、生産関連情報記憶部１２に記憶された生産関連情報に基づいて、エネルギーロスを発生させる要因の候補である要因候補の情報を複数含む要因候補情報を生成する。要因候補情報は、第１の要因候補情報および第２の要因候補情報を含む。

情報生成部２２は、内部に保持するカレンダー情報と、生産関連情報記憶部１２に記憶された生産関連情報とに基づいて、第１の要因候補情報を生成する。図３は、実施の形態１にかかるエネルギー管理装置の情報生成部によって生成される第１の要因候補情報の一例を示す図である。

図３に示すように、第１の要因候補情報は、「月」、「曜日」、「週」、「生産開始時刻」、および「生産終了時刻」を「日」毎に含み、「日」、「月」、「曜日」、「週」、「生産開始時刻」、および「生産終了時刻」は互いに関連付けられる。

「日」は、年月日を示す情報であり、「月」は月を示す情報であり、「曜日」は曜日を示す情報であり、「週」は、「日」が「月」の何週目であるかを示す情報である。「生産開始時刻」は、生産設備２による生産対象品の生産が開始された時刻を示す情報である。「生産終了時刻」は、生産設備２による生産対象品の生産が終了した時刻を示す情報である。図３に示す例では、「２０１９年１０月２０日」は、１０月の第４週の日曜日であり、生産開始時刻が７時であり、生産終了時刻が１７時であることが示される。

情報生成部２２は、「日」毎の「月」を「日」に含まれる月の情報から取得する。また、情報生成部２２は、内部に保持しているカレンダー情報に基づいて、「日」毎の「曜日」および「週」を判定し、判定した「曜日」および「週」を第１の要因候補情報に含める。また、情報生成部２２は、生産関連情報記憶部１２に記憶された生産関連情報から、日毎の「生産開始時刻」および「生産終了時刻」を判定し、判定した「生産開始時刻」および「生産終了時刻」を第１の要因候補情報に含める。

情報生成部２２は、例えば、生産設備２の消費電力量が予め設定された閾値Ｐｔｈ以上になった時刻から１つの生産対象品を生産するのに要する時間を減算した時刻を生産開始時刻として判定する。また、情報生成部２２は、例えば、生産設備２の生産量が予め設定された閾値Ｍｔｈ未満になった時刻を生産終了時刻として判定する。なお、情報生成部２２は、生産開始時刻および生産終了時刻が生産関連情報に含まれる場合、生産関連情報から「生産開始時刻」および「生産終了時刻」を特定することもできる。

また、第１の要因候補情報には、例えば、当日の生産量の情報と、前日の生産量の情報とが含まれていてもよい。この場合、情報生成部２２は、当日における総生産量を当日の生産量として算出し、前日における総生産量を前日の生産量として算出する。例えば、「２０１９年１０月２０日」における当日の生産量の情報は、「２０１９年１０月２０日」における総生産量であり、「２０１９年１０月２０日」における前日の生産量の情報は、「２０１９年１０月１９日」における総生産量である。

また、情報生成部２２は、生産関連情報記憶部１２に記憶された生産関連情報から第２の要因候補情報を生成する。第２の要因候補情報は、例えば、対象機種、担当者、および発生エラーの各々を数値で表したと仮定した場合、対象機種、担当者、および発生エラーの各々についての日毎の代表値である。例えば、情報生成部２２は、生産関連情報記憶部１２に記憶された生産関連情報に含まれる１日の時系列情報の中の対象機種、担当者、および発生エラーの各々の最頻値を対象機種、担当者、および発生エラーの代表値として判定する。なお、対象機種は、対象生産品の種別を示し、担当者は、生産設備２での生産を担当する人を示し、発生エラーは、生産設備２で発生したエラーの種別を示す。

図４は、実施の形態１にかかる情報生成部によって判定される第２の要因候補情報の一例を示す図である。図４に示す第２の要因候補情報は、「対象機種」、「担当者」、および「発生エラー」を「日」毎に含み、「対象機種」、「担当者」、および「発生エラー」は互いに関連付けられる。

図４では、対象機種が少なくとも「Ａ１」または「Ａ２」であり、担当者が少なくとも「Ｂ１」または「Ｂ２」であり、発生エラーが少なくとも「♯１」または「♯２」である場合の例が示される。図４に示す例では、２０１９年１０月２０日において、対象機種として「Ａ１」が主に生産され、担当者「Ｂ２」が主に生産を担当し、最も多い発生エラーが「♯２」であることが示されている。

また、第２の要因候補情報は、例えば、生産設備２または関連設備３が稼働している状態の室内の温度、湿度、明るさ、騒音、および振動の各々の平均値および変動幅を示す情報を含む。例えば、情報生成部２２は、生産関連情報記憶部１２に記憶された生産関連情報に含まれる環境情報に基づいて、室内の温度、湿度、明るさ、騒音、および振動の各々の平均値および変動幅などを算出する。

指標値算出部２３は、生産関連情報記憶部１２によって記憶された情報に基づいて、生産設備２と関連設備３とを含む診断対象でのエネルギー消費に関する１種類以上の指標の値を算出する。以下においては、指標値算出部２３は、５種類の指標の値を算出するが、指標値算出部２３によって値が算出される指標の種類は、４つ以下であってもよく、６つ以上であってもよい。

指標値算出部２３は、生産関連情報記憶部１２に記憶された生産関連情報に基づいて、第１の指標、第２の指標、第３の指標、第４の指標、および第５の指標の各々の値を算出する。図５は、実施の形態１にかかる指標値算出部によって値が算出される第１の指標、第２の指標、第３の指標、第４の指標、および第５の指標を説明するための図である。以下において、指標値算出部２３によって算出される第１の指標の値を第１の指標値と記載し、指標値算出部２３によって算出される第２の指標の値を第２の指標値と記載し、指標値算出部２３によって算出される第３の指標の値を第３の指標値と記載する。また、指標値算出部２３によって算出される第４の指標の値を第４の指標値と記載し、指標値算出部２３によって算出される第５の指標の値を第５の指標値と記載する。

第１の指標値は、生産設備２がオンになってから生産設備２の生産が開始されるまでの時間Ｔ１である。指標値算出部２３は、例えば、生産設備２の消費電力量が予め設定された閾値Ｐｔｈ以上になった時刻と生産設備２の生産量が予め設定された閾値Ｍｔｈ以上になった時刻との差を算出する。指標値算出部２３は、算出した差から生産設備２で１つの生産対象品を生産するのに要する時間を減算した時間を第１の指標値として算出することができる。かかる第１の指標は、生産設備２が起動されてから生産が開始するまで無駄な時間といえ、生産に寄与しないエネルギー消費が生じる時間といえる。

第２の指標値は、生産設備２の生産が終了してから生産設備２がオフになるまでの時間Ｔ２である。指標値算出部２３は、例えば、生産設備２の生産量が予め設定された閾値Ｍｔｈ未満になった時刻と生産設備２の消費電力量が予め設定された閾値Ｐｔｈ未満になった時刻との差を第２の指標値として算出することができる。かかる第２の指標は、生産が終了してから生産設備２が停止されるまでの無駄な時間といえ、生産に寄与しないエネルギー消費が生じる時間といえる。

第３の指標値は、関連設備３がオンである時間Ｔ４と生産設備２がオンである時間Ｔ５との差を示す時間Ｔ３である。かかる第３の指標は、生産設備２が停止しているのに関連設備３が起動している時間を示し、無駄な時間を表すといえ、生産に寄与しないエネルギー消費が生じる時間といえる。

第４の指標値は、生産設備２がオンである時間のうち生産設備２による生産が行われている時間の割合を示す。指標値算出部２３は、例えば、生産設備２の消費電力量が予め設定された閾値Ｐｔｈ以上である時間Ｔ５に対する生産設備２の生産量が予め設定された閾値Ｍｔｈ以上である時間Ｔ６の比である。かかる第４の指標値が小さいほど、生産設備２が起動されている時間のうち生産が無駄に停止した時間が多くなるといえる。無駄に停止した時間が多くなるほど、生産に寄与しないエネルギー消費が増える。

第５の指標値は、単位生産高あたりの消費電力量を示す。単位生産高あたりの消費電力量は、例えば、１日における消費電力量を１日における生産高で割ることで得られる。生産高は、生産対象品の数、重さ、または長さなどの任意の単位である。

指標値算出部２３は、生産関連情報記憶部１２に記憶された生産関連情報に含まれる生産量の情報と生産関連情報記憶部１２に記憶された生産関連情報に含まれる生産設備２および関連設備３の消費電力量の情報とに基づいて、第５の指標値を算出する。

具体的には、指標値算出部２３は、生産関連情報に含まれる生産量の情報に基づいて、日毎の総生産量を算出する。また、指標値算出部２３は、生産関連情報に含まれる生産設備２および関連設備３の消費電力量の情報に基づいて、日毎に、生産設備２の消費電力量と関連設備３の消費電力量とを加算した総消費電力量を算出する。指標値算出部２３は、日毎に、総消費電力量を総生産量で除算することによって、第５の指標値を算出する。かかる第５の指標値が大きくなるほど生産に寄与しない無駄なエネルギー消費が増えるといえる。

なお、指標値算出部２３は、上述した指標以外の種類の指標値を算出することもできる。例えば、指標値算出部２３は、１日あたりの総消費電力量、１日あたりの総生産量、または休憩時間の消費電力量などを指標値として算出することができる。また、指標値算出部２３は、上述した複数種類の指標値を統合して一つの指標値として算出することもできる。この場合、指標値算出部２３は、例えば、重要度に応じて各指標値に重み付けして加算した値を一つの指標値として算出する。

図６は、実施の形態１にかかる指標値算出部によって算出される複数種類の指標値の一例を示す図である。図６に示す例では、第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値が日毎に算出されている。例えば、「２０１９年１０月２０日」では、第１の指標値は「１５」であり、第２の指標値は「１４」であり、第３の指標値は「２１３」であり、第４の指標値は「３１」であり、第５の指標値は「０．３７」である。

スコア算出部２４は、指標値算出部２３によって算出された日毎の指標値に基づいて、複数の要因候補の各々のエネルギーロスに対する影響度を示すスコアを指標毎に算出する。かかるスコア算出部２４は、複数種類の指標値と複数の要因候補とを関連付けた統合情報を生成する。図７は、実施の形態１にかかる統合情報の一例を示す図である。図７に示す統合情報は、第１の指標値と複数の要因候補とが関連付けられた情報であり、第１の指標値が目的変数として設定され、第１の要因候補情報と第２の要因候補情報とを含む複数の要因候補の情報が説明変数として設定されている。

図７では図示されていないが、統合情報には、室内の温度、湿度、明るさ、騒音、および振動の各々の平均値および変動幅などの要因候補の情報も説明変数として設定される。また、スコア算出部２４は、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々についても、図７に示す統合情報と同様の統合情報を生成する。

スコア算出部２４は、上述した統合情報を用いたデータマイニングによって第１の指標、第２の指標、第３の指標、第４の指標、および第５の指標の各々について、複数の要因候補の各々のエネルギーロスに対する影響度を示すスコアを算出する。スコアが高い要因候補ほどエネルギーロスに対する影響が大きい。

データマイニングで用いられる解析方法は、例えば、回帰分析、クラスタリング、または頻出パターン抽出などである。以下においては、スコア算出部２４が回帰分析によってスコアを算出する例を説明するが、スコア算出部２４は、重回帰分析以外の解析方法を用いたデータマイニングを行うこともできる。

スコア算出部２４は、要因候補に対して前処理を行って各説明変数の値を決定する。スコア算出部２４は、要因候補に応じた種類の前処理を行う。要因候補に対して行われる前処理の種類には、第１の前処理と第２の前処理とがある。まず、第１の前処理について説明する。

第１の前処理は、量で表せない要因候補に対して行われる処理である。量で表せない要因候補は、例えば、「月」、「曜日」、「週」、「生産開始時刻」、「生産終了時刻」、「対象機種」、「担当者」、または「発生エラー」などである。

スコア算出部２４は、要因候補が「曜日」である場合、７種類の説明変数で「曜日」を表す。具体的には、スコア算出部２４は、日曜日から月曜日までの７種類の曜日のうち対応する曜日である場合に「１」が設定される７種類の説明変数で曜日を表す。スコア算出部２４は、例えば、「曜日」が「日曜日」である場合、７種類の説明変数のうち、日曜日に対応する説明変数の値を「１」にし、それ以外の説明変数の値を「０」にする。また、スコア算出部２４は、「曜日」が「月曜日」である場合、７種類の説明変数のうち、月曜日に対応する説明変数の値を「１」にし、それ以外の説明変数の値を「０」にする。

また、スコア算出部２４は、担当者の数と同数の種類の説明変数で「担当者」を表す。例えば、スコア算出部２４は、担当者の数が４人である場合、４種類の説明変数で「担当者」を表す。また、スコア算出部２４は、対象機種の種類と同数の種類の説明変数で「対象機種」を表す。例えば、スコア算出部２４は、対象機種の種類が５種類である場合、５種類の説明変数で「対象機種」を表す。また、スコア算出部２４は、発生エラーの種類と同数の種類の説明変数で「発生エラー」を表す。例えば、スコア算出部２４は、発生エラーの種類が１０種類である場合、１０種類の説明変数で「発生エラー」を表す。

次に、第２の処理について説明する。第２の処理は、量で表せる要因候補に対して行われる処理であり、第２の処理によって量で表せる要因候補が１つの説明変数で表される。量で表せる要因候補は、例えば、「温度の平均値」、「温度の変動幅」、「湿度の平均値」、「湿度の変動幅」、「二酸化炭素の平均値」、「二酸化炭素の変動幅」、「明るさの平均値」、および「明るさの変動幅」などである。

スコア算出部２４は、各説明変数において平均が０で且つ分散が１になるように調整する処理を第２の前処理として行う。具体的には、第２の処理において、スコア算出部２４は、各要因候補について、要因候補の平均値を算出し、日毎の要因候補の値から要因候補の平均値を減算し、かかる減算結果を標準偏差で除算することによって、説明変数の値を算出する。スコア算出部２４は、エネルギーロスが大きくなるほど値が小さくなる指標に対する要因候補のスコアを算出する場合、上述した方法で算出した説明変数の値の正負を反転させる。値が大きくなるほどエネルギーロスが小さくなる指標は、第４の指標値である。

スコア算出部２４は、各指標について下記式（１）を用いて重回帰分析を行う。下記式（１）において、「ｎ」は、上述した説明変数の総数であり、「ｙ」は指標値であり、「ｘ_１」，「ｘ_２」，「ｘ_３」，・・・，「ｘ_ｎ」は説明変数の値であり、「ａ_１」，「ａ_２」，「ａ_３」，・・・，「ａ_ｎ」は係数である。
ｙ＝ａ_１×ｘ_１＋ａ_２×ｘ_２＋ａ_３×ｘ_３＋・・・ａ_ｎ×ｘ_ｎ ・・・（１）

スコア算出部２４は、各指標について、日毎に、統合情報で設定されている複数の説明変数の値を「ｘ_１」，「ｘ_２」，「ｘ_３」，・・・，「ｘ_ｎ」に代入し、式（１）で得られる「ｙ」の値と統合情報で設定されている目標変数の値との差を算出する。スコア算出部２４は、例えば、各指標について、算出した差の平均値または合計値が最も小さくなるように、「ａ_１」，「ａ_２」，「ａ_３」，・・・，「ａ_ｎ」の最適化を行う。

スコア算出部２４は、各指標について、各係数の絶対値を要因候補のスコアとして算出する。例えば、「ｘ_１」が日曜日に対応する説明変数である場合、日曜日のスコアは、「ａ_１」である。また、「ｘ_２」が月曜日に対応する説明変数である場合、月曜日のスコアは、「ａ_２」である。量で表せる要因候補に対する係数はその絶対値がスコアとなる。例えば、「ｘ_３」が温度の平均値に対する説明変数であった場合、温度の平均値のスコアは「ａ_３」の絶対値である。

上述した例では、スコア算出部２４は、統合情報を生成するが、指標毎に、データマイニング処理を行うことができればよく、統合情報を生成しなくてもよい。例えば、スコア算出部２４は、重回帰分析によって各要因候補のスコアを算出する場合、情報生成部２２と指標値算出部２３とから得られる情報に基づいて、指標値を目的変数の値とし各要因候補の値を説明変数の値とすればよく、上述した例に限定されない。

図２に示す情報提供部２５は、各指標について、スコア算出部２４によって算出されたスコアが上位の２つ以上の要因候補の情報を出力する。例えば、情報提供部２５は、スコア算出部２４によって算出されたスコアが大きい順に複数の要因候補を並べて複数の要因候補をランキング表の形式で表すランキング情報を生成し、生成したランキング情報のうち少なくとも上位の２つの要因候補の情報を出力する。情報提供部２５は、上述したランキング情報を生成するランキング情報生成部４１と、ランキング情報生成部４１によって生成されたランキング情報のうち少なくとも一部の情報を含むロス要因情報を表示部１３に表示させる表示処理部４２とを備える。

表示処理部４２は、例えば、ランキング情報のうちスコアが大きい順に予め設定された数の要因候補を含む情報をランキング表の形式で表示部１３に表示させる。また、表示処理部４２は、ランキング情報のうちスコアが予め設定された値以上である要因候補をランキング表の形式で表した情報であるロス要因情報を表示部１３に表示させることもできる。また、表示処理部４２は、ランキング情報のすべてをランキング表の形式で表示部１３に表示させることもできる。なお、表示処理部４２は、ランキング表の形式以外の形式でロス要因情報を表示部１３に表示させることができる。

図８は、実施の形態１にかかる情報提供部によって表示部に表示されるロス要因情報の一例を示す図である。図８に示すロス要因情報には、第１の指標について、スコアが上位５つの要因候補の種別および内容がエネルギーロスの推定要因として含まれている。

図８に示す例では、第１の指標に関し、曜日「月曜日」が最もスコアが高く、対象機種「Ａ」、週「４週目」、月「３月」、および生産終了時刻「１７時」の順にスコアが低くなっていることを示している。

このように、エネルギー管理装置１０は、診断対象でのエネルギー消費に関する指標を用いて、複数の要因候補の各々のエネルギーロスに対する影響度を示すスコアを算出することによって、エネルギーロスに対する影響度が高い複数の要因を特定することができる。また、エネルギー管理装置１０は、エネルギーロスに対する影響度順に複数の要因候補を並べたランキング表の形式の情報をユーザに提示することができる。そのため、ユーザは、エネルギーロスに対する影響度が高い項目を把握することができ、エネルギー管理装置１０の診断結果をエネルギーロスに対する改善活動の検討に役立てることができる。

上述した例では、スコア算出部２４は、指標毎に、各要因候補のスコアを算出するが、各要因候補について、複数の指標におけるスコアを合計した値である合計スコアを算出することができる。この場合、ランキング情報生成部４１は、スコア算出部２４によって算出された合計スコアが大きい順に複数の要因候補を並べて複数の要因候補をランキング表の形式で表すランキング情報を生成する。

上述した例では、スコア算出部２４は、複数の指標の各々について複数の要因候補のスコアを算出するが、複数の指標をまとめて統合指標とし、かかる統合指標について複数の要因候補のスコアを算出することもできる。例えば、スコア算出部２４は、第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々に対して対応する係数を乗算または加算し、かかる乗算結果の合計値または加算結果の合計値を統合指標の値として日毎に算出することができる。そして、スコア算出部２４は、統合指標の値と複数の要因候補の値とからデータマイニングによって、統合指標について複数の要因候補の各々のスコアを算出することができる。

つづいて、フローチャートを用いてエネルギー管理装置１０の処理部１１による処理を説明する。図９は、実施の形態１にかかるエネルギー管理装置の処理部による処理の一例を示すフローチャートである。

図９に示すように、エネルギー管理装置１０の処理部１１は、情報収集タイミングになったか否かを判定する（ステップＳ１０）。ステップＳ１０において、処理部１１は、電力センサ４、電力センサ５、生産量センサ６、環境センサ７、または生産管理装置８から送信された情報を受信した場合に情報収集タイミングになったと判定する。また、処理部１１は、予め設定された周期で到来するタイミングになった場合に情報収集タイミングになったと判定することもできる。

処理部１１は、情報収集タイミングになったと判定した場合（ステップＳ１０：Ｙｅｓ）、生産関連情報を更新する（ステップＳ１１）。ステップＳ１１において、処理部１１は、電力センサ４、電力センサ５、生産量センサ６、環境センサ７、または生産管理装置８から送信された情報を生産関連情報記憶部１２に記憶された生産関連情報に追加することによって、生産関連情報を更新する。

また、処理部１１は、情報収集タイミングが予め設定された周期で到来するタイミングである場合、ステップＳ１１において、電力センサ４、電力センサ５、生産量センサ６、環境センサ７、および生産管理装置８へ情報の送信を要求する。この場合、処理部１１は、要求に応じて電力センサ４、電力センサ５、生産量センサ６、環境センサ７、および生産管理装置８から送信される情報を受信する。処理部１１は、受信した情報を生産関連情報記憶部１２に記憶された生産関連情報に追加することによって、生産関連情報を更新する。

処理部１１は、ステップＳ１１の処理が終了した場合、または情報収集タイミングになっていないと判定した場合（ステップＳ１０：Ｎｏ）、診断開始タイミングになったか否かを判定する（ステップＳ１２）。ステップＳ１２において、処理部１１は、例えば、ユーザから診断要求があった場合に、診断開始タイミングになったと判定する。

処理部１１は、診断開始タイミングになったと判定した場合（ステップＳ１２：Ｙｅｓ）、生産関連情報記憶部１２から生産関連情報を取得する（ステップＳ１３）。そして、処理部１１は、ステップＳ１３で取得された生産関連情報およびカレンダー情報などに基づいて、要因候補情報を生成する（ステップＳ１４）。また、処理部１１は、ステップＳ１３で取得された生産関連情報に基づいて、日毎の指標値を指標毎に算出する（ステップＳ１５）。

次に、処理部１１は、ステップＳ１４で生成された要因候補情報とステップＳ１５で生成された指標値とに基づいて、指標毎に各要因候補のスコアを算出する（ステップＳ１６）。処理部１１は、ステップＳ１６で算出された各要因候補のスコアに基づいて、複数の要因候補をスコアが大きい順に並べたランキング情報を指標毎に生成する（ステップＳ１７）。そして、処理部１１は、指標毎のランキング情報のうち少なくとも一部を表示部１３に表示する（ステップＳ１８）。ステップＳ１８において、処理部１１は、例えば、指標毎のランキング情報のうち上位の２つ以上の要因候補の情報を表示部１３にランキング表の形式で表示する。

処理部１１は、ステップＳ１８の処理が終了した場合、または診断開始タイミングになっていないと判定した場合（ステップＳ１２：Ｎｏ）、図９に示す処理を終了する。

図１０は、実施の形態１にかかるエネルギー管理装置の処理部のハードウェア構成の一例を示す図である。図１０に示すように、エネルギー管理装置１０の処理部１１は、プロセッサ１０１と、メモリ１０２と、入出力インタフェイス１０３とを備えるコンピュータを含む。入出力インタフェイス１０３は、電力センサ４，５、生産量センサ６、環境センサ７、および生産管理装置８との間の情報の送受信を行う通信部を含む。

プロセッサ１０１、メモリ１０２、および入出力インタフェイス１０３は、例えば、バス１０４によって互いにデータの送受信が可能である。処理部１１の情報収集部２１の一部および処理部１１の表示処理部４２の一部の各々は、入出力インタフェイス１０３によって実現される。プロセッサ１０１は、メモリ１０２に記憶されたプログラムを読み出して実行することによって、情報収集部２１、情報生成部２２、指標値算出部２３、スコア算出部２４、および情報提供部２５の機能を実行する。プロセッサ１０１は、例えば、処理回路の一例であり、ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）、およびシステムＬＳＩ（Large Scale Integration）のうち一つ以上を含む。

メモリ１０２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、およびＥＥＰＲＯＭ（登録商標）（Electrically Erasable Programmable Read Only Memory）のうち一つ以上を含む。また、メモリ１０２は、コンピュータが読み取り可能なプログラムが記録された記録媒体を含む。かかる記録媒体は、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルメモリ、光ディスク、コンパクトディスク、およびＤＶＤ（Digital Versatile Disc）のうち一つ以上を含む。なお、エネルギー管理装置１０は、ＡＳＩＣ（Application Specific Integrated Circuit）およびＦＰＧＡ（Field Programmable Gate Array）などの集積回路を含んでいてもよい。

以上のように、実施の形態１にかかるエネルギー管理装置１０は、指標値算出部２３と、スコア算出部２４と、情報提供部２５とを備える。指標値算出部２３は、過去の生産に関する情報である生産関連情報に基づいて、生産設備２を含む診断対象でのエネルギー消費に関する１種類以上の指標値を算出する。スコア算出部２４は、指標値算出部２３によって算出された１種類以上の指標値に基づいて、診断対象での生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補の各々の生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する。情報提供部２５は、複数の要因候補のうちスコア算出部２４によって算出されたスコアが上位の２つ以上の要因候補の情報を出力する。このように、エネルギー管理装置１０は、複数の要因候補の各々の生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出することによって、生産に寄与しなかったエネルギー消費に対する影響度が高い複数の要因を特定することができる。また、エネルギー管理装置１０は、例えば、生産に寄与しなかったエネルギー消費の要因を特徴パターンに事前に人手で対応付けるなどの手間をかけることなく、生産に寄与しなかったエネルギー消費の要因を特定することができる。

また、診断対象には、生産設備２に関連して用いられる関連設備３が含まれる。生産関連情報には、生産設備２の消費エネルギーを示す情報、関連設備３の消費エネルギーを示す情報、および生産設備２の生産量を示す情報が含まれる。指標値算出部２３は、生産設備２の消費エネルギーを示す情報、関連設備３の消費エネルギーを示す情報、および生産設備２の生産量を示す情報に基づいて、１種類以上の指標値を算出する。このように、エネルギー管理装置１０は、関連設備３の消費エネルギーも生産に寄与しなかったエネルギー消費の要因として扱うことから、例えば、生産施設１全体のエネルギー消費のうち生産に寄与しないエネルギー消費に対する改善活動に有益な情報をユーザへ提供することができる。

また、指標値算出部２３によって算出される指標値は、第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値のうち少なくとも１つを含む。第１の指標値は、生産設備２がオンになってから生産設備２の生産が開始されるまでの時間を示す。第２の指標値は、生産設備２による生産が終了してから生産設備２がオフになるまでの時間を示す。第３の指標値は、関連設備３がオンである時間と生産設備２がオンである時間との差を示す。第４の指標値は、生産設備２がオンである時間のうち生産設備２による生産が行われている時間の割合を示す。第５の指標値は、生産設備２による単位生産高あたりの診断対象のエネルギー消費量を示す。このように、エネルギー管理装置１０は、把握が容易な観点から生産に寄与しないエネルギー消費の改善活動に対して有益な情報をユーザへ提供することができる。

また、エネルギー管理装置１０は、生産関連情報に基づいて、複数の要因候補の情報を生成する情報生成部２２を備える。スコア算出部２４は、指標値算出部２３によって算出された複数種類の指標値と、情報生成部２２によって生成された複数の要因候補の情報とに基づいて、複数の要因候補の各々の生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する。このように、エネルギー管理装置１０は、生産関連情報に複数の要因候補の情報を生成することから、複数の要因候補の情報を人手で入力する場合に比べ、ユーザの負荷を大幅に軽減することができる。

また、複数の要因候補は、生産設備２によって物品を生産した日の曜日、週、および月、生産の担当者、生産設備２によって生成される物品の種類、生産設備２で発生したエラー、および生産設備２の環境のうち２つ以上を含む。これにより、エネルギー管理装置１０は、時間的観点、人的観点、生産対象の観点、生産設備２の観点、または環境的観点から生産に寄与しなかったエネルギー消費に対する影響度が高い複数の要因を特定することができる。

また、スコア算出部２４は、複数の要因候補の各々のスコアを複数種類の指標値の各々に対して算出する。情報提供部２５は、複数種類の指標値の各々について、複数の要因候補のうちスコア算出部２４によって算出されたスコアが上位の２つ以上の要因候補の情報を出力する。このように、エネルギー管理装置１０は、複数の指標を用いることから、複数の観点の各々に対して生産に寄与しないエネルギー消費の改善活動に対して有益な情報をユーザへ提供することができる。

また、情報提供部２５は、複数の要因候補のうちスコアが大きな要因候補から順に予め設定された数の要因候補をランキング表の形式で表すランキング情報を出力する。これにより、エネルギー管理装置１０は、生産に寄与しなかったエネルギー消費に対する影響度が高い複数の要因の情報をランキング表の形式でユーザに提供することができる。

実施の形態２．
実施の形態２にかかるエネルギー管理装置は、生産に寄与しないエネルギー消費に対するユーザの改善活動への複数の要因候補の各々の貢献度に基づいてスコアを補正する点で、実施の形態１にかかるエネルギー管理装置１０と異なる。以下においては、実施の形態１と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態１のエネルギー管理装置１０と異なる点を中心に説明する。

図１１は、実施の形態２にかかるエネルギー管理装置の構成の一例を示す図である。図１１に示すように、実施の形態２にかかるエネルギー管理装置１０Ａは、入力部１４と貢献度情報記憶部１５とを備え、かつ処理部１１に代えて処理部１１Ａを備える点で、実施の形態１のエネルギー管理装置１０と異なる。入力部１４は、例えば、キーボード、マウス、または携帯端末のタッチパネルなどの入力装置である。

処理部１１Ａは、貢献度推定部２６を備える。また、処理部１１Ａは、情報提供部２５に代えて情報提供部２５Ａを備える。貢献度推定部２６は、入力部１４によって入力された情報に基づいて、生産に寄与しないエネルギー消費に対するユーザによる改善活動に対する複数の要因候補の各々の貢献度を推定する。貢献度推定部２６は、推定した複数の要因候補の各々の貢献度を示す情報を貢献度情報記憶部１５に記憶させる。

情報提供部２５Ａは、ランキング情報生成部４１Ａと、表示処理部４２Ａとを備える。ランキング情報生成部４１Ａは、貢献度推定部２６によって推定されて貢献度情報記憶部１５に記憶される複数の要因候補の各々の貢献度に基づいて、複数の要因候補のうち対応する要因候補のスコアを補正する。ランキング情報生成部４１Ａは、補正したスコアに基づいて、ランキング情報を生成する。

表示処理部４２Ａは、上位の複数の推定要因の種別および内容に加え、ユーザの評価を入力するための入力ボックスを含むロス要因情報を表示部１３に表示させる。図１２は、実施の形態２にかかる情報提供部によって表示部に表示されるロス要因情報の一例を示す図である。

図１２に示すロス要因情報では、図８に示すロス要因情報の内容に加えて、複数の要因候補の各々に対するユーザの評価を入力するための入力ボックスが含まれる。具体的には、要因情報には、複数の要因候補の各々に対して、「役に立った」に対応する第１入力ボックスと、「役に立たなかった」に対応する第２入力ボックスとが含まれる。ユーザは、役に立ったと考えた要因候補に対応する第１入力ボックスにチェックマークを入力し、役に立たなかったと考えた要因候補に対応する第２入力ボックスにチェックマークを入力する。チェックマークは、例えば、マウスのクリック操作またはタッチパネルへのタッチ操作などによって行われる。

貢献度推定部２６は、各要因候補に対する第１入力ボックスまたは第２入力ボックスへの入力履歴に基づいて、生産に寄与しないエネルギー消費に対するユーザの活動への各要因候補の貢献度を推定する。例えば、貢献度推定部２６は、下記式（２）を用いることによって、生産に寄与しないエネルギー消費に対するユーザの活動への各要因候補の貢献度を推定する。下記式（２）において、「Ｚ」は、生産に寄与しないエネルギー消費に対するユーザの活動への貢献度であり、「α」は１より大きな係数であり、「β」は１未満の係数である。また、下記式（２）において、「Ｎ」は、ユーザが過去に第１入力ボックスにチェックマークを入力した回数であり、「Ｍ」は、ユーザが過去に第２入力ボックスにチェックマークを入力した回数である。
Ｚ＝α^Ｎ×β^Ｍ ・・・（２）

貢献度Ｚが大きいほど、生産に寄与しないエネルギー消費に対するユーザの改善活動に役に立つ度合いが高いことを意味する。なお、貢献度推定部２６は、上記式（２）による貢献度の算出に代えて、機械学習によって、各要因候補に対するユーザの貢献度を推定することもできる。

ユーザによる評価の入力方法は、第１入力ボックスおよび第２入力ボックスに限らず、例えば、選択ボックスで「役に立った」および「役に立たなかった」のうち１つを選択して入力する方法であってもよい。また、ユーザによる評価は、「役に立った」と「役に立たなかった」の２種類に限定されず、３段階以上の情報から選択されて入力されてもよい。また、ユーザによる評価は、役に立った度合いを示す数値で入力されてもよい。

ランキング情報生成部４１Ａは、貢献度推定部２６によって推定された複数の要因候補の各々の貢献度を示す情報を貢献度情報記憶部１５から取得する。ランキング情報生成部４１Ａは、スコア算出部２４によって算出された複数の要因候補の各々のスコアに対して、複数の要因候補の貢献度のうち対応する要因候補の貢献度を乗算することによって、複数の要因候補の各々のスコアを補正する。

例えば、要因候補が「月曜日」であり、「月曜日」のスコアが「０．２」であり、「月曜日」の貢献度が「３」であるとする。この場合、ランキング情報生成部４１Ａは、「０．２」に「３」を乗算することで、「月曜日」のスコアを「０．２」から「０．６」へ補正する。補正後のスコアは、生産に寄与しないエネルギー消費に対するユーザの改善活動に役に立つ度合いを数値化したものともいえる。

ランキング情報生成部４１Ａは、上述のように補正したスコアが大きい順に複数の要因候補を並べて複数の要因候補をランキング形式で表すランキング情報を生成する。表示処理部４２Ａは、ランキング情報生成部４１Ａによって生成されたランキング情報のうち少なくとも一部の情報と、上述した第１入力ボックスおよび第２入力ボックスの情報とを含むロス要因情報を表示部１３に表示させる。例えば、ランキング情報生成部４１Ａは、図１２に示すロス要因情報を表示部１３に表示させる。

なお、スコア算出部２４は、上述したように、統合指標について複数の要因候補の各々のスコアを算出することもできる。この場合、スコア算出部２４は、統合指標について複数の要因候補の各々のスコアを複数の要因候補の貢献度のうち対応する要因候補の貢献度を乗算することによって、複数の要因候補の各々のスコアを補正する。ランキング情報生成部４１Ａは、統合指標についての補正後の複数の要因候補の各々のスコアに基づいてランキング情報を生成する。

このように、エネルギー管理装置１０Ａは、エネルギー管理装置１０と同様に、生産に寄与しないエネルギー消費に対する影響度が高い複数の要因を特定することができる。さらに、エネルギー管理装置１０Ａは、例えば、生産に寄与しないエネルギー消費に対するユーザの改善活動への貢献度が高い要因候補を優先してユーザに提供することができる。これにより、ユーザは、生産に寄与しないエネルギー消費に対するユーザの改善活動に対して効果の高い要因を把握し、生産に寄与しないエネルギー消費の改善活動の検討に役立てることができる。

つづいて、フローチャートを用いてエネルギー管理装置１０Ａの処理部１１Ａによる処理を説明する。図１３は、実施の形態２にかかるエネルギー管理装置の処理部による処理の一例を示すフローチャートである。図１３に示すステップＳ２０～Ｓ２２の処理は、図９に示すステップＳ１０～Ｓ１２の処理と同じであるため、説明を省略する。

図１３に示すように、エネルギー管理装置１０Ａの処理部１１Ａは、診断開始タイミングになったと判定した場合（ステップＳ２２：Ｙｅｓ）、診断処理を行う（ステップＳ２３）。ステップＳ２３の処理は、図１４に示すステップＳ３０～Ｓ３６の処理であり、後で詳述する。

処理部１１Ａは、ステップＳ２３の処理が終了した場合、または診断開始タイミングになっていないと判定した場合（ステップＳ２２：Ｎｏ）、ユーザの入力があるか否かを判定する（ステップＳ２４）。ステップＳ２４において、処理部１１Ａは、例えば、図１２に示す「役に立った」に対応する第１入力ボックスまたは「役に立たなかった」に対応する第２入力ボックスへチェックマークが入力された場合に、ユーザの入力があると判定する。

処理部１１Ａは、ユーザの入力があったと判定した場合（ステップＳ２４：Ｙｅｓ）、ユーザの入力履歴に基づいて、生産に寄与しないエネルギー消費であるエネルギーロスに対するユーザの改善活動に対する各要因候補の貢献度を算出する（ステップＳ２５）。そして、処理部１１Ａは、算出した各要因候補の貢献度を示す情報を貢献度情報記憶部１５に記憶させる（ステップＳ２６）。

処理部１１Ａは、ステップＳ２６の処理が終了した場合、またはユーザの入力がないと判定した場合（ステップＳ２４：Ｎｏ）、図１３に示す処理を終了する。

図１４は、実施の形態２にかかるエネルギー管理装置の処理部による診断処理の一例を示すフローチャートである。図１４に示すステップＳ３０～Ｓ３３の処理は、図９に示すステップＳ１３～Ｓ１６の処理と同じであるため、説明を省略する。

処理部１１Ａは、ステップＳ３０～Ｓ３３の処理が終了した場合、複数の要因候補のスコアの各々を、対応する要因候補の貢献度に基づいて補正する（ステップＳ３４）。そして、処理部１１Ａは、指標毎に補正後のスコアでランキング情報を指標毎に生成する（ステップＳ３５）。ステップＳ３５において、処理部１１Ａは、ステップＳ３４で補正された各要因候補のスコアに基づいて、複数の要因候補をスコアが大きい順に並べたランキング情報を指標毎に生成する。

ステップＳ３５において、処理部１１Ａは、ステップＳ３４で補正された各要因候補のスコアに基づいて、複数の要因候補を補正後のスコアが大きい順に並べたランキング情報を生成する。そして、処理部１１Ａは、ステップＳ３５で生成したランキング情報のうち少なくとも一部を表示部１３に表示し（ステップＳ３６）、図１４に示す処理を終了する。

実施の形態２にかかるエネルギー管理装置１０Ａの処理部１１Ａのハードウェア構成の一例は、図１０に示すエネルギー管理装置１０の処理部１１のハードウェア構成と同じである。プロセッサ１０１は、メモリ１０２に記憶されたプログラムを読み出して実行することによって、情報収集部２１、情報生成部２２、指標値算出部２３、スコア算出部２４、情報提供部２５Ａ、および貢献度推定部２６の機能を実行することができる。

以上のように、実施の形態２にかかるエネルギー管理装置１０Ａは、貢献度推定部２６を備える。貢献度推定部２６は、生産に寄与しないエネルギー消費に対するユーザの改善活動への複数の要因候補の各々の貢献度を推定する。情報提供部２５Ａは、貢献度推定部２６によって推定された複数の要因候補の各々の貢献度に基づいて、複数の要因候補のうち対応する要因候補のスコアを補正し、補正したスコアに基づいて、ランキング情報を生成する。これにより、エネルギー管理装置１０Ａは、例えば、生産に寄与しないエネルギー消費に対するユーザの改善活動への貢献度が高い要因候補を優先してユーザに提供することができる。そのため、ユーザは、生産に寄与しないエネルギー消費に対するユーザの改善活動に対して効果の高い要因を把握し、生産に寄与しないエネルギー消費の改善活動の検討に役立てることができる。

実施の形態３．
実施の形態３にかかるエネルギー管理システムは、エネルギー管理装置から得られる情報に基づいて１種類以上の指標値の情報を入力とし生産に寄与しなかったエネルギー消費の要因の候補のスコアを出力する学習モデルを生成するサーバを備える。以下においては、実施の形態２と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態２と異なる点を中心に説明する。

図１５は、実施の形態３にかかるエネルギー管理システムの構成の一例を示す図である。図１５に示すように、実施の形態３にかかるエネルギー管理システム２００は、エネルギー管理装置１０Ｂ_１，１０Ｂ_２，１０Ｂ_３と、サーバ５０と、モバイル端末６０とを備える。エネルギー管理装置１０Ｂ_１，１０Ｂ_２，１０Ｂ_３は互いに同じ構成であり、以下において、エネルギー管理装置１０Ｂ_１，１０Ｂ_２，１０Ｂ_３の各々を個別に区別せずに示す場合、エネルギー管理装置１０Ｂと記載する場合がある。

各エネルギー管理装置１０Ｂは、エネルギー管理装置１０Ａと同様に、不図示の電力センサ、生産量センサ、環境センサ、および生産管理装置などに接続され、これらの電力センサ、生産量センサ、環境センサ、および生産管理装置などから情報を収集する。各エネルギー管理装置１０Ｂは、収集した情報に収集時の時刻を関連付けて生産関連情報に追加する。エネルギー管理装置１０Ｂに接続される電力センサ、生産量センサ、環境センサ、および生産管理装置は、エネルギー管理装置１０Ｂ毎に異なる生産施設１に設けられる。

エネルギー管理装置１０Ｂは、エネルギー管理装置１０Ａと同様に、生産関連情報に基づいて、エネルギーロスを発生させる要因の候補である要因候補の情報を複数含む要因候補情報を生成する。また、エネルギー管理装置１０Ｂは、エネルギー管理装置１０Ａと同様に、不図示の生産設備と関連設備とを含む診断対象でのエネルギー消費に関する１種類以上の指標値を算出する。また、エネルギー管理装置１０Ｂは、エネルギー管理装置１０Ａと同様に、複数の要因候補の各々のエネルギーロスに対する影響度を示すスコアを指標毎に算出する。

エネルギー管理装置１０Ｂは、学習用情報をサーバ５０へ送信する。学習用情報は、１種類以上の指標値の情報と、指標毎の各要因候補のスコアの情報と、エネルギー管理装置１０Ｂの識別情報とを含む。以下において、要因候補のスコアを要因スコアと記載する場合がある。なお、学習用情報に含まれる要因候補のスコアは、スコア算出部２４によって算出されたスコアであるが、ランキング情報生成部４１Ａによって補正されたスコアであってもよい。

サーバ５０は、エネルギー管理装置１０Ｂおよびモバイル端末６０と不図示のネットワークを介して接続されており、エネルギー管理装置１０Ｂおよびモバイル端末６０との間で情報の送受信を行う。不図示のネットワークは、例えば、インターネットなどのＷＡＮ（Wide Area Network）であるが、ＬＡＮ（Local Area Network）などのネットワークであってもよい。

サーバ５０は、要因スコアを算出するのに十分な情報量の生産関連情報を記憶しているエネルギー管理装置１０Ｂから学習用情報を取得し、取得した学習用情報に基づいて、１種類以上の指標値の情報を入力とし複数の要因スコアを出力とする学習済みモデルを生成する。

そして、サーバ５０は、要因スコアを算出するのに十分な情報量の生産関連情報を記憶していないエネルギー管理装置１０Ｂから１種類以上の指標値の情報を含む診断対象情報を取得する。要因スコアを算出するのに十分な情報量の生産関連情報を記憶していないエネルギー管理装置１０Ｂは、例えば、生産施設１に新たに設置されたエネルギー管理装置１０Ｂまたは新たな設備が設置された生産施設１に設置されているエネルギー管理装置１０Ｂである。

サーバ５０は、エネルギー管理装置１０Ｂから取得した診断対象情報と、学習用情報に基づく学習によって生成した学習済みモデルの情報とに基づいて、複数の要因スコアを算出し、算出した要因スコアが上位の２以上の要因候補の情報を含む診断結果情報をモバイル端末６０または診断対象情報を送信したエネルギー管理装置１０Ｂへ送信する。

モバイル端末６０は、例えば、スマートフォン、タブレット、またはノートパソコンなどであり、サーバ５０から送信された診断結果情報に基づいて、上位の２以上の要因候補の情報を表示する。また、診断対象情報を送信したエネルギー管理装置１０Ｂの処理部１１Ｂは、サーバ５０から送信された診断結果情報に基づいて、上位の２以上の要因候補の情報を表示部１３に表示する。

このように、サーバ５０は、要因スコアを算出するのに十分な情報量の生産関連情報を記憶していないエネルギー管理装置１０Ｂからの情報に基づいて、１種類以上の指標についての要因スコアを算出し、算出した要因スコアが上位の２以上の要因候補の情報を含む診断結果情報を提供する。

そのため、サーバ５０は、例えば、エネルギー管理装置１０Ｂが導入されてから数日以内である場合などのように、診断対象の設備である診断対象設備に関する生産関連情報の収集が十分でない場合であっても、既に診断が完了している診断済み設備の情報に基づいて、生産に寄与しないエネルギー消費を生じさせた複数の要因を特定することができる。以下、エネルギー管理装置１０Ｂおよびサーバ５０の構成について具体的に説明する。

図１６は、実施の形態３にかかるエネルギー管理装置の構成の一例を示す図である。図１６に示すように、実施の形態３にかかるエネルギー管理装置１０Ｂは、処理部１１に代えて処理部１１Ｂを備える点、および通信部１６をさらに備える点で、実施の形態２に係るエネルギー管理装置１０Ａと異なる。通信部１６は、不図示のネットワークを介してサーバ５０との間で情報の送受信を行う。

処理部１１Ｂは、情報提供部２５Ａに代えて、情報提供部２５Ｂを備える点で、実施の形態２にかかる処理部１１Ａと異なる。情報提供部２５Ｂは、指標値算出部２３によって算出された１種類以上の指標値の情報と、スコア算出部２４によって算出された複数の要因候補の各々の指標毎のスコアの情報と、エネルギー管理装置１０Ｂの識別情報とを含む学習用情報を生成する。情報提供部２５Ｂは、生成した学習用情報をサーバ５０へ通信部１６を介して送信する。

また、情報提供部２５Ｂは、生産関連情報記憶部１２に記憶された生産関連情報の情報量が要因スコアを算出するには十分でない場合、指標値算出部２３によって算出された１種類以上の指標値の情報を含む診断対象情報をサーバ５０へ通信部１６を介して送信する。以下において、エネルギー管理装置１０Ｂ_３の生産関連情報記憶部１２に記憶された生産関連情報の情報量が要因スコアを算出するには十分でないとし、エネルギー管理装置１０Ｂ_１，１０Ｂ_２の生産関連情報記憶部１２に記憶された生産関連情報の情報量が要因スコアを算出するのに十分であるとする場合がある。

図１７は、実施の形態３にかかるサーバの構成の一例を示す図である。図１７に示すように、実施の形態３にかかるサーバ５０は、通信部５１と、情報取得部５２と、要因推定部５３と、記憶部５４とを備える。通信部５１は、不図示のネットワークを介してエネルギー管理装置１０Ｂおよびモバイル端末６０との間で情報の送受信を行う。

情報取得部５２は、エネルギー管理装置１０Ｂから送信され通信部５１で受信された学習用情報または診断対象情報などの情報を取得する。情報取得部５２は、エネルギー管理装置１０Ｂから取得した情報を記憶部５４に記憶させたり、要因推定部５３へ出力したりする。

要因推定部５３は、情報取得部５２によって学習用情報が取得された場合、かかる学習用情報に基づいて、診断済み設備において生産に寄与しないエネルギー消費を生じさせた要因の学習を行い、学習モデルを生成する。なお、診断済み設備は、エネルギー管理装置１０Ｂにおいてエネルギー消費を生じさせた要因を推定するのに十分な生産関連情報が蓄積された生産設備であり、例えば、エネルギー管理装置１０Ｂ_１，１０Ｂ_２の診断対象設備である。

また、要因推定部５３は、情報取得部５２によって診断対象情報が取得された場合、診断対象情報と学習済みモデル５７とに基づいて、診断対象設備において生産に寄与しないエネルギー消費を生じさせる複数の要因の推定を行う。診断対象設備は、例えば、生産施設１に新たに設置された設備であり、エネルギー管理装置１０Ｂ_３による診断対象の設備である。

要因推定部５３は、モデル生成部５５と、推論部５６とを備える。モデル生成部５５は、情報取得部５２から出力される学習用情報に基づいて得られる入力情報およびラベル情報に基づいて学習を行い、入力情報から適切な出力を推定する学習済みモデルを生成する。入力情報は、１種類以上の指標値の情報であり、ラベル情報は、複数の要因候補の各々の指標毎のスコアの情報である。

モデル生成部５５は、例えば、ニューラルネットワークモデルを用いた、教師有り学習により学習を行う。ここで、教師あり学習とは、入力の情報とラベルと呼ばれる結果の情報との組を含む学習用情報を学習装置に与えることで、かかる学習用情報にある特徴を学習し、入力から結果を推論する手法をいう。入力の情報とラベルの情報の組はデータセットとも呼ばれる。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層、および複数のニューロンからなる出力層で構成される。中間層は、１層であっても２層以上であってもよい。中間層は、隠れ層とも呼ばれる。

図１８は、実施の形態３にかかるニューラルネットワークの一例を示す図である。図１８に示すニューラルネットワークは、３層のニューラルネットワークであり、入力層Ｘ１，Ｘ２，Ｘ３と、中間層Ｙ１，Ｙ２と、出力層Ｚ１，Ｚ２，Ｚ３とを含む。

入力情報に含まれる複数の入力値が入力層Ｘ１，Ｘ２，Ｘ３に入力されると、複数の入力値に重みＷ１が乗算され、重みＷ１が乗算された複数の入力値が中間層Ｙ１，Ｙ２へ入力される。重みＷ１は、ｗ１１，ｗ１２，ｗ１３，ｗ１４，ｗ１５，ｗ１６を含む。

中間層Ｙ１，Ｙ２では、重みＷ１が乗算された複数の入力値に基づく演算が行われ、中間層Ｙ１，Ｙ２の演算結果に重みＷ２が乗算されて出力層Ｚ１，Ｚ２，Ｚ３へ入力される。重みＷ２は、ｗ２１，ｗ２２，ｗ２３，ｗ２４，ｗ２５，ｗ２６を含む。

出力層Ｚ１，Ｚ２，Ｚ３では、中間層Ｙ１，Ｙ２の演算結果に重みＷ２が乗算された複数の値に基づく演算が行われ、かかる演算結果が出力層Ｚ１，Ｚ２，Ｚ３から出力される。ニューラルネットワークの出力結果は、重みＷ１とＷ２の値によって変わる。

図１７に戻って、サーバ５０の構成についての説明を続ける。モデル生成部５５は、例えば、予め設定された情報量以上の情報量を有する学習用情報が情報取得部５２によって取得された場合に、かかる学習用情報を用いて上述した学習を実行することで学習済みモデル５７を生成する。モデル生成部５５は、生成した学習済みモデル５７を記憶部５４に記憶させる。

モデル生成部５５は、１種類以上の指標値の情報を入力とし複数の要因候補の要因スコアを出力とする学習済みモデル５７を生成する。１種類以上の指標値の情報は、例えば、サンプリング期間の情報および入力指標値の情報を含む。この場合、モデル生成部５５は、サンプリング期間の情報および入力指標値の情報を入力情報とし、複数の要因スコアの情報をラベル情報として、学習を行う。

入力指標値は、例えば、サンプリング期間で第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々を平均化した値である。ラベル情報で示される複数の要因スコアは、例えば、第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々に対してエネルギー管理装置１０Ｂで算出された複数の要因スコアを要因候補毎に加算したものである。

なお、サンプリング期間の情報および入力指標値の情報は、エネルギー管理装置１０Ｂで生成されて学習用情報に含まれていてもよく、エネルギー管理装置１０Ｂから送信される学習用情報に基づいて、モデル生成部５５によって生成されてもよい。

上述した例では、モデル生成部５５の学習手法の一例としてニューラルネットワークを利用する例を挙げたが、モデル生成部５５の学習手法は、上述した例に限定されず、例えば、遺伝的プログラミング、またはサポートベクターマシンなどの学習手法であってもよい。

推論部５６は、新たな診断対象設備のエネルギー消費の要因を診断するためのエネルギー管理装置１０Ｂから得られる診断対象情報または診断対象情報に基づく情報をモデル生成部５５によって生成された学習済みモデル５７へ入力する。

例えば、推論部５６は、診断対象情報にサンプリング期間の情報と入力指標値の情報とが含まれている場合、診断対象情報に含まれるサンプリング期間の情報と入力指標値の情報とを学習済みモデル５７に入力する。

また、推論部５６は、診断対象情報にサンプリング期間の情報と入力指標値が含まれていない場合、診断対象情報で示される第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々を予め設定されたサンプリング期間で平均化した値を入力指標値として算出する。推論部５６は、算出した入力指標値の情報とサンプリング期間の情報とを学習済みモデル５７に入力する。

推論部５６は、複数の要因候補のうち学習済みモデル５７から出力される要因スコアに基づいて、要因スコアが上位の２以上の要因候補の情報を判定する。推論部５６は、要因スコアが上位の２以上の要因候補の情報である上位要因情報を出力する。推論部５６から出力された上位要因情報は、モバイル端末６０または診断対象情報を送信したエネルギー管理装置１０Ｂへ通信部５１によって送信される。

なお、入力指標値は、複数種類の指標値の各々の平均値に代えて、複数種類の指標値をまとめた統合指標値であってもよい。例えば、統合指標値は、複数種類の指標値の各々に重み付けした値を統合した値、例えば、複数種類の指標値の各々に係数を乗算した結果を合算した値であってもよい。また、入力指標値の情報は、１種類の指標値の情報であってもよい。

また、上述した例では、入力情報にサンプリング期間の情報が含まれるが、サンプリング期間が予め定められた固定のサンプリング期間である場合、入力情報にはサンプリング期間の情報が含まれていなくてもよい。

このように、サーバ５０は、生産設備２のエネルギー消費の要因を診断するのに十分な生産関連情報を収集しているエネルギー管理装置１０Ｂ_１，１０Ｂ_２から出力される学習用情報を用いた学習により学習済みモデル５７を生成する。そして、サーバ５０は、かかる学習済みモデル５７を用いて、生産関連情報の収集が十分に収集されていない診断対象設備において生産に寄与しなかったエネルギー消費の要因のうち改善効果の高い要因を推定する。これにより、サーバ５０は、生産関連情報の収集が十分に収集されていない診断対象設備についても、エネルギー消費の改善活動の検討に役立てることができる情報を提供することができる。

つづいて、フローチャートを用いてエネルギー管理装置１０Ｂの処理部１１Ｂによる処理を説明する。図１９は、実施の形態３にかかるエネルギー管理装置の処理部による処理の一例を示すフローチャートである。なお、図１９に示すステップＳ４０，Ｓ４１，Ｓ４４～Ｓ４８，Ｓ５０，Ｓ５１の処理は、図９に示すステップＳ１０～Ｓ１８の処理と同じであるため、説明を省略する。

図１９に示すように、エネルギー管理装置１０Ｂの処理部１１Ｂは、ステップＳ４１において生産関連情報の更新が行われた後、診断対象情報送信タイミングになったか否かを判定する（ステップＳ４２）。診断対象情報送信タイミングは、例えば、生産関連情報の情報量がランキング情報を生成するための情報量未満である場合において予め設定されたサンプリング期間毎に発生するタイミングである。

処理部１１Ｂは、診断対象情報送信タイミングになったと判定した場合（ステップＳ４２：Ｙｅｓ）、診断対象情報の生成および送信を行う（ステップＳ４３）。ステップＳ４３の処理において、処理部１１Ｂは、生産関連情報記憶部１２に記憶されている生産関連情報に基づいて、生産設備を含む診断対象でのエネルギー消費に関する１種類以上の指標値の情報を含む診断対象情報を生成し、生成した診断対象情報をサーバ５０へ通信部１６を介して送信する。

処理部１１Ｂは、ステップＳ４３の処理が終了した場合、または診断対象情報送信タイミングになっていないと判定した場合（ステップＳ４２：Ｎｏ）、ステップＳ４４の処理を行う。

処理部１１Ｂは、ステップＳ４８において、指標毎に各要因候補のスコアを算出した後、ステップＳ４７で算出した１種類以上の指標値の情報とステップＳ４８で算出した指標毎の各要因候補のスコアの情報とを含む学習用情報をサーバ５０へ通信部１６を介して送信する（ステップＳ４９）。

つづいて、フローチャートを用いてサーバ５０による学習処理および推論処理を説明する。図２０は、実施の形態３にかかるサーバによる学習処理の一例を示すフローチャートである。図２０に示すように、サーバ５０の情報取得部５２は、エネルギー管理装置１０Ｂから学習用情報を取得する（ステップＳ６０）。ステップＳ６０において、情報取得部５２は、例えば、エネルギー管理装置１０Ｂ_１およびエネルギー管理装置１０Ｂ_２から学習用情報を取得する。

次に、サーバ５０における要因推定部５３のモデル生成部５５は、情報取得部５２によって取得された学習用情報に基づいて、学習済みモデル５７を生成する学習処理を実行する（ステップＳ６１）。ステップＳ６１の処理において、モデル生成部５５は、情報取得部５２によって取得された学習用情報にサンプリング期間の情報および入力指標値の情報が含まれていない場合、情報取得部５２によって取得された学習用情報に基づいて、サンプリング期間の情報および入力指標値の情報を生成する。モデル生成部５５は、サンプリング期間の情報および入力指標値の情報を入力情報とし各要因スコアの情報をラベル情報として、いわゆる教師あり学習により学習を行い、学習済みモデル５７を生成する。

要因推定部５３のモデル生成部５５は、学習済みモデル５７を生成した後、生成した学習済みモデル５７の情報を記憶部５４に記憶させ（ステップＳ６２）、図２０に示す処理を終了する。

図２１は、実施の形態３にかかるサーバによる推論処理の一例を示すフローチャートである。図２１に示すように、サーバ５０の情報取得部５２は、エネルギー管理装置１０Ｂから診断対象情報を取得する(ステップＳ７０)。ステップＳ７０において、情報取得部５２は、例えば、エネルギー管理装置１０Ｂ_３から診断対象情報を取得する。

次に、要因推定部５３は、情報取得部５２によって取得された診断対象情報と記憶部５４に記憶された学習済みモデル５７の情報とに基づいて、複数の要因スコアを算出する（ステップＳ７１）。ステップＳ７１の処理において、要因推定部５３は、情報取得部５２によって取得された診断対象情報または診断対象情報に基づく情報を学習済みモデル５７へ入力し、学習済みモデル５７の演算によって、学習済みモデル５７から出力される複数の要因スコアを取得する。診断対象情報または診断対象情報に基づく情報は、サンプリング期間の情報および入力指標値の情報を含む。

次に、要因推定部５３は、複数の要因候補のうちステップＳ７１で算出された要因スコアに基づいて、要因スコアが上位の２以上の要因候補を改善効果が高い要因として推定する（ステップＳ７２）。要因推定部５３は、推定した改善効果が高い要因の情報をモバイル端末６０へ通信部５１を介して送信し（ステップＳ７３）、図２１の処理を終了する。

図２２は、実施の形態３にかかるモバイル端末による処理の一例を示すフローチャートである。図２２に示すように、モバイル端末６０は、ユーザによる不図示の操作部への操作によって、診断対象設備のエネルギー管理装置１０Ｂ_３の識別番号が入力された場合、エネルギー管理装置１０Ｂ_３の識別番号を含む診断リクエストをサーバ５０へ送信する（ステップＳ８０）。診断リクエストを受信したサーバ５０は、エネルギー管理装置１０Ｂ_３の診断対象情報に基づいて図２１に示す推論処理を実行し、かかる推論処理で得られた上位要因情報をモバイル端末６０へ送信する。

モバイル端末６０は、診断リクエストのサーバ５０への送信に応じてサーバ５０から送信される上位要因情報を受信する（ステップＳ８１）。そして、モバイル端末６０は、受信した上位要因情報を不図示の表示部に表示し（ステップＳ８２）、図２２に示す処理を終了する。

これにより、モバイル端末６０のユーザは、生産関連情報の収集が十分に収集されていない診断対象設備において、生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補のうち、改善効果が高い要因候補の情報を把握することができる。

このように、実施の形態３にかかるサーバ５０の要因推定部５３は、診断済み設備の指標値の情報と要因スコアの情報とに基づく学習用情報を学習し、学習後の推定時は、診断対象情報または診断対象情報に基づく情報を入力として要因を推定する。なお、要因推定部５３に入力される診断対象情報は、ユーザが同一組織内の診断結果を利用し、サーバ５０へ入力される場合もあれば、エネルギー管理装置１０Ｂの提供者がクラウドサービスなどを通じてサーバ５０へ入力することもできる。

実施の形態３にかかるエネルギー管理装置１０Ｂの処理部１１Ｂのハードウェア構成の一例は、図１０に示すエネルギー管理装置１０の処理部１１のハードウェア構成と同じである。プロセッサ１０１は、メモリ１０２に記憶されたプログラムを読み出して実行することによって、処理部１１Ｂの機能を実行することができる。

図２３は、実施の形態３にかかるサーバのハードウェア構成の一例を示す図である。図２３に示すように、サーバ５０は、プロセッサ２０１と、メモリ２０２と、通信装置２０３とを備えるコンピュータを含む。記憶部５４は、メモリ２０２で実現される。通信部５１は、通信装置２０３で実現される。プロセッサ２０１、メモリ２０２、および通信装置２０３は、例えば、バス２０４によって互いにデータの送受信が可能である。プロセッサ２０１は、メモリ２０２に記憶されたプログラムを読み出して実行することによって、情報取得部５２および要因推定部５３の機能を実行する。プロセッサ２０１は、例えば、処理回路の一例であり、ＣＰＵ、ＤＳＰ、およびシステムＬＳＩのうち一つ以上を含む。

メモリ２０２は、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＥＰＲＯＭ、およびＥＥＰＲＯＭのうち一つ以上を含む。また、メモリ２０２は、コンピュータが読み取り可能なプログラムが記録された記録媒体を含む。かかる記録媒体は、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルメモリ、光ディスク、コンパクトディスク、およびＤＶＤのうち一つ以上を含む。なお、サーバ５０は、ＡＳＩＣおよびＦＰＧＡなどの集積回路を含んでいてもよい。

以上のように、実施の形態３にかかるサーバ５０は、モデル生成部５５を備える。モデル生成部５５は、学習用情報に基づいて、１種類以上の指標値の情報を入力とし複数の要因スコアを出力とする学習済みモデル５７を生成する。学習用情報は、１種類以上の指標値の情報と複数の要因候補の各々のスコアである要因スコアの情報とを含む。これにより、サーバ５０は、１種類以上の指標値の情報から複数の要因スコアの情報を出力する学習済みモデル５７を生成することができる。

また、サーバ５０は、推論部５６を備える。推論部５６は、エネルギー管理装置１０Ｂ_１，１０Ｂ_２とは異なる他のエネルギー管理装置１０Ｂ_３の診断対象でのエネルギー消費に関する１種類以上の指標値の情報を学習済みモデル５７へ入力し学習済みモデル５７から出力される情報に基づいて、複数の要因候補のうち上位の２つ以上の要因候補を判定する。これにより、サーバ５０は、診断対象設備に関する生産関連情報の収集が十分でない期間、例えば、エネルギー管理装置１０Ｂ_３が導入されてから数日以内の場合であっても、既に診断が完了している診断済み設備の情報を参考により効果が期待できる改善要因を推定することができる。

また、サーバ５０は、推論部５６によって判定された上位の２つ以上の要因候補の情報をエネルギー管理装置１０Ｂ_３またはモバイル端末６０へ送信する通信部５１を備える。モバイル端末６０は、外部装置の一例である。これにより、サーバ５０は、生産に寄与しないエネルギー消費の改善活動に対して有益な情報をユーザへ提供することができる。

実施の形態４．
実施の形態４にかかるエネルギー管理システムのサーバは、複数種類の指標値のばらつき度合いを用いたレーダチャートを生成する点、および１種類以上の指標値を正規化し、正規化した１種類以上の指標値の情報を学習処理および推論処理で用いる点などで、実施の形態３にかかるサーバ５０と異なる。以下においては、実施の形態３と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態３と異なる点を中心に説明する。

図２４は、実施の形態４にかかるエネルギー管理システムの構成の一例を示す図である。図２４に示すエネルギー管理システム２００Ａは、サーバ５０に代えて、サーバ５０Ａを備える点で、実施の形態３にかかるエネルギー管理システム２００と異なる。

サーバ５０Ａは、生産関連情報の収集が十分に収集されているエネルギー管理装置１０Ｂの学習用情報に基づいて、複数種類の指標値にばらつき度合いを判定し、複数種類の指標の各々に対応して上位の２以上の要因候補の情報と指標値のばらつき度合いの情報とを示すレーダチャートを生成する。これにより、サーバ５０Ａは、レーダチャートのように各指標間の相互的な影響度合いを直感的に把握できるような情報をユーザに提示することができる。

また、サーバ５０Ａは、生産関連情報の収集が十分に収集されているエネルギー管理装置１０Ｂの学習用情報で示される１種類以上の指標値を正規化し、正規化した１種類以上の指標値に基づいて、学習処理を行う。また、サーバ５０Ａは、生産関連情報の収集が十分に収集されていないエネルギー管理装置１０Ｂの診断対象情報で示される各指標値を正規化し、正規化した１種類以上の指標値の情報に基づいて、推論処理を行う。

これにより、サーバ５０Ａは、複数のエネルギー管理装置１０Ｂにおいて診断対象設備の特徴または使用状況などが異なる場合であっても、複数のエネルギー管理装置１０Ｂ間で、取り得る範囲が異なる指標値の分布または単位を同じスケールで比較可能することができる。そのため、サーバ５０Ａは、既に診断が完了している診断済み設備の情報を参考により効果が期待できる改善要因を精度よく推定することができる。

図２５は、実施の形態４にかかるサーバの構成の一例を示す図である。図２５に示すように、実施の形態４にかかるサーバ５０Ａは、要因推定部５３に代えて要因推定部５３Ａを備える点、および指標正規化部５８およびレーダチャート生成部５９をさらに備える点で、実施の形態３にかかるサーバ５０と異なる。まず、指標正規化部５８およびレーダチャート生成部５９について説明する。

指標正規化部５８は、単位および値の取り得る範囲が異なる各指標値の正規化を行う。指標正規化部５８は、例えば、情報取得部５２によって取得された情報で示される複数種類の指標値を正規化して、複数種類の正規化指標値を生成する。

例えば、指標正規化部５８は、情報取得部５２によって取得された学習用情報で示される複数種類の指標値を正規化して複数種類の第１の正規化指標値を生成する。また、指標正規化部５８は、診断対象情報で示される複数種類の指標値を正規化して複数種類の第２の正規化指標値を生成する。

また、指標正規化部５８は、指標値の正規化処理において、指標値のばらつき度合いを算出する。例えば、指標正規化部５８は、下記式（３）に示す判定アルゴリズムによって、情報取得部５２によって取得された情報に含まれる指標値のばらつき度合いを指標毎に算出する。例えば、指標正規化部５８は、第１の指標、第２の指標、第３の指標、第４の指標、および第５の指標の各々について指標値のばらつき度合いを算出する。
指標値のばらつき度合い＝｛最大値－最小値｝／平均値 ・・・（３）

上記式（３）において、「最小値」は、同一指標についての複数の指標値のうちの最小の指標値であり、「最大値」は、同一指標についての複数の指標値のうちの最大の指標値であり、「平均値」は、同一指標についての複数の指標値の平均値である。

指標正規化部５８は、レーダチャート生成部５９によるレーダチャートの生成のために、指標値のばらつき度合いを例えば５段階で評価する。例えば、上記式（３）によって算出された指標値のばらつき度合いが、１～１００までの値をとり、指標正規化部５８によって指標値のばらつきが５段階スコアで評価されるとする。

この場合、指標正規化部５８は、指標値のばらつき度合いが「１～２０」の範囲であれば、５段階評価のスコアを「５」とし、指標値のばらつき度合いが「２１～４０」の範囲であれば５段階評価のスコアを「４」とし、指標値のばらつき度合いが「４１～６０」の範囲であれば５段階評価のスコアを「３」とする。また、指標正規化部５８は、指標値のばらつき度合いが「６１～８０」の範囲であれば５段階評価のスコアを「２」とし、指標値のばらつき度合いが「８１～１００」の範囲であれば５段階評価のスコアを「１」とする。

このように、指標正規化部５８は、ばらつき度合いが大きい指標はスコアを低く、ばらつき度合いが小さい指標はスコアを高くすることができる。以下において、指標値のばらつきを示すスコアをばらつきスコアと記載する場合がある。

レーダチャート生成部５９は、指標正規化部５８によって判定された各指標のばらつきスコアと、情報取得部５２によって取得された学習用情報に含まれる複数の要因候補の各々の指標毎の要因スコアとに基づいて、レーダチャートを生成する。かかるレーダチャートによって、各指標間のバランスを表すことができる。

レーダチャート生成部５９は、エネルギー管理装置１０Ｂ毎のレーダチャートを生成するが、複数のエネルギー管理装置１０Ｂに対して１つのレーダチャートを生成することもできる。

レーダチャート生成部５９は、生成したレーダチャートの情報をモバイル端末６０または学習用情報を送信したエネルギー管理装置１０Ｂへ通信部５１を介して送信する。モバイル端末６０は、サーバ５０Ａからレーダチャートの情報を取得した場合、不図示の表示部にレーダチャートを表示する。また、学習用情報を送信したエネルギー管理装置１０Ｂの処理部１１Ｂは、サーバ５０Ａからレーダチャートの情報を取得した場合、表示部１３にレーダチャートを表示させる。

図２６は、実施の形態４にかかるモバイル端末の表示部に表示されるレーダチャートの一例を示す図であり、図２７は、実施の形態４にかかるモバイル端末の表示部に表示されるレーダチャートの他の例を示す図である。図２６に示すレーダチャート８０は、例えば、エネルギー管理装置１０Ｂ_１の診断結果であり、図２７に示すレーダチャート８１は、例えば、エネルギー管理装置１０Ｂ_２の診断結果である。

レーダチャート８０，８１は、第１の指標、第２の指標、第３の指標、第４の指標、および第５の指標の各々についての指標値のばらつき度合いと、生産に改善効果の高い上位の２つの要因とを示す。これらレーダチャート８０，８１において、各頂点の数字の「１，２，３，４，５」は、指標の種類を示し、各頂点のアルファベットの「ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ」は、改善効果の高い上位２つの要因を示す。改善効果の高い上位２つの要因は、各指標について生産に寄与しないエネルギー消費の複数の要因のうち上位２つの要因である。

図２６に示すように、レーダチャート８０では、第１の指標は、スコアが「４」であり、改善効果の高い上位２つの要因が「ａ」と「ｃ」であり、第２の指標は、スコアが「２」であり、改善効果の高い上位２つの要因が「ｂ」と「ｃ」であり、第３の指標は、スコアが「５」であり、改善効果の高い上位２つの要因が「ａ」と「ｂ」である。また、レーダチャート８１では、第４の指標は、スコアが「４」であり、改善効果の高い上位２つの要因が「ｄ」と「ｅ」であり、第５の指標は、スコアが「３」であり、改善効果の高い上位２つの要因が「ｄ」と「ｆ」である。

図２７に示すように、レーダチャート８１では、第１の指標は、スコアが「４」であり、改善効果の高い上位２つの要因が「ｃ」と「ｇ」であり、第２の指標は、スコアが「５」であり、改善効果の高い上位２つの要因が「ｄ」と「ｅ」であり、第３の指標は、スコアが「４」であり、改善効果の高い上位２つの要因が「ａ」と「ｃ」である。また、レーダチャート８０では、第４の指標は、スコアが「４」であり、改善効果の高い上位２つの要因が「ｄ」と「ｆ」であり、第５の指標は、スコアが「３」であり、改善効果の高い上位２つの要因が「ｆ」と「ｇ」である。

したがって、ユーザは、レーダチャート８０，８１によって、各指標に対する改善効果の高い上位２つの要因を一見して把握することができる。また、ユーザは、レーダチャート８０，８１によって、ばらつき度合いが大きい指標を直感的かつ容易に把握することができる。例えば、ユーザは、レーダチャート８０によってばらつき度合いが最も大きい指標が第２の指標であることを直感的かつ容易に把握でき、レーダチャート８１によってばらつき度合いが最も大きい指標が第５の指標であることを直感的かつ容易に把握できる。

このように、エネルギー管理システム２００Ａでは、サーバ５０Ａによってレーダチャート８０，８１の情報を生成することができ、かかるレーダチャート８０，８１の情報がモバイル端末６０またはエネルギー管理装置１０Ｂに表示される。そのため、ユーザは、直感的に改善余地が大きい指標を知ることができ、エネルギーロスに対する改善活動の検討により効果的に役立てることができる。

ここで、指標値のばらつき度合いが大きい場合に改善の余地があることについて説明する。第１の指標値である「生産設備２がオンになってから生産設備２の生産が開始されるまでの時間Ｔ１」の場合、作業手順などが一定であれば、時間Ｔ１のばらつき度合いが少ないが、作業手順などのばらつきが大きい場合、時間Ｔ１のばらつき度合いが大きくなり、曜日または担当者などのなんらかの要因が関係しており、改善の余地があると推測される。

そして、時間Ｔ１のばらつきが大きいほど、作業手順などのばらつきが大きいと推測され、改善の余地が大きくなると予測される。このことは、第１の指標値に限定されず、第２の指標値、第３の指標値、第４の指標値、および第５の指標値などでも同様である。

なお、指標正規化部５８は、上記式（３）以外のばらつき判定のアルゴリズムによって、各指標値のばらつき度合いを判定することもできる。例えば、指標正規化部５８は、通常の分散σまたはその他の方法を用いて各指標値のばらつき度合いを判定することができる。指標正規化部５８による各指標値のばらつき度合いの評価方法として、各設備から収集された指標値の分散度合いに応じて、改善余地のユーザへの提示が容易に行える評価方法が適宜採用される。

要因推定部５３Ａは、学習処理および推論処理の各々において指標正規化部５８によって正規化された１種類以上の指標値を用いる点で、正規化されていない１種類以上の指標値を用いる要因推定部５３と異なる。要因推定部５３Ａは、モデル生成部５５および推論部５６に代えて、モデル生成部５５Ａおよび推論部５６Ａを備える点で、実施の形態３にかかる要因推定部５３と異なる。

モデル生成部５５Ａは、学習用情報に含まれる入力指標値に代えて、かかる入力指標値が指標正規化部５８によって正規化された１種類以上の第１の正規化指標値を用いた学習を行って学習済みモデル５７を生成する点で、モデル生成部５５と異なる。

モデル生成部５５Ａによって生成される学習済みモデル５７は、１種類以上の第１の正規化指標値に基づく入力指標値を入力とし複数の要因候補の要因スコアを出力とするモデルである。１種類以上の第１の正規化指標値は、例えば、第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々が正規化されサンプリング期間で平均化された値である。なお、入力指標値は、複数種類の指標値の各々の平均値に代えて、複数種類の指標値をまとめた統合指標値であってもよい。

推論部５６Ａは、診断対象情報に含まれる１種類以上の指標値に代えて、かかる１種類以上の指標値が指標正規化部５８によって正規化された１種類以上の第２の正規化指標値の情報を学習済みモデル５７へ入力する。１種類以上の第２の正規化指標値は、例えば、第１の指標値、第２の指標値、第３の指標値、第４の指標値、および第５の指標値の各々が正規化されサンプリング期間で平均化された値である。推論部５６Ａは、推論部５６と同様に、複数の要因候補のうち学習済みモデル５７から出力される要因スコアが上位の２以上の要因候補の情報を判定する。

このように、サーバ５０Ａは、１種類以上の指標値を正規化する指標正規化部５８を備えているため、複数のエネルギー管理装置１０Ｂにおいて診断対象設備の特徴または使用状況などが異なる場合であっても、複数のエネルギー管理装置１０Ｂ間で、取り得る範囲が異なる指標値の分布または単位を同じスケールで比較可能することができる。

つづいて、フローチャートを用いてサーバ５０Ａによる処理を説明する。図２８は、実施の形態４にかかるサーバによる学習処理の一例を示すフローチャートである。図２８のステップＳ９０，Ｓ９３の処理は、図２０に示すステップＳ６０，Ｓ６２の処理であり，説明を省略する。

図２８に示すように、サーバ５０Ａの指標正規化部５８は、ステップＳ９０の処理が終了した後、ステップＳ９０で取得された学習用情報で示される１種類以上の指標値を正規化する指標値正規化処理を行う（ステップＳ９１）。モデル生成部５５Ａは、情報取得部５２によって取得された学習用情報に含まれるサンプリング期間およびラベル情報と指標正規化部５８によって正規化された１種類以上の指標値の情報とに基づいて、学習済みモデル５７を生成する学習処理を実行する（ステップＳ９２）。

ステップＳ９２の処理において、モデル生成部５５Ａは、サンプリング期間の情報および正規化された１種類以上の指標値の情報を入力情報とし各要因スコアの情報をラベル情報として、いわゆる教師あり学習により学習を行い、学習済みモデル５７を生成する。

図２９は、実施の形態４にかかるサーバによる推論処理の一例を示すフローチャートである。図２９に示すステップＳ１００，Ｓ１０３，Ｓ１０４の処理は、図２１に示すステップＳ７０，Ｓ７２，Ｓ７３の処理と同じであるため、説明を省略する。

図２９に示すように、サーバ５０Ａの指標正規化部５８は、情報取得部５２によって取得された診断対象情報で示される１種類以上の指標値を正規化する指標値正規化処理を行う（ステップＳ１０１）。

次に、サーバ５０Ａの要因推定部５３Ａは、指標正規化部５８によって正規化された１種類以上の指標値である１種類以上の第２の正規化指標値の情報と記憶部５４に記憶された学習済みモデル５７の情報とに基づいて、複数の要因スコアを算出する（ステップＳ１０２）。ステップＳ１０２の処理において、要因推定部５３Ａは、第２の正規化指標値の情報を学習済みモデル５７へ入力し、学習済みモデル５７の演算によって、学習済みモデル５７から出力される複数の要因スコアを取得する。

実施の形態４にかかるサーバ５０Ａのハードウェア構成の一例は、図２３に示すサーバ５０のハードウェア構成と同じである。プロセッサ２０１は、メモリ２０２に記憶されたプログラムを読み出して実行することによって、要因推定部５３Ａ、指標正規化部５８、およびレーダチャート生成部５９の機能を実行することができる。

以上のように、実施の形態４にかかるサーバ５０Ａは、指標正規化部５８と、レーダチャート生成部５９とを備える。指標正規化部５８は、学習用情報で示される複数種類の指標値のばらつき度合いを指標値の種類毎に算出する。レーダチャート生成部５９は、指標正規化部５８によって算出された複数種類の指標値の各々のばらつき度合いと上位の２つ以上の要因候補との関係を示すレーダチャートの情報を生成する。これにより、サーバ５０Ａは、各指標間の相互的な影響度合いを直感的に把握できるような情報をユーザに提示することができる。

また、サーバ５０Ａは、指標正規化部５８を備える。指標正規化部５８は、１種類以上の指標値を正規化する。モデル生成部５５Ａは、要因スコアの情報と指標正規化部５８によって正規化された１種類以上の指標値の情報とに基づいて、学習済みモデル５７を生成する。推論部５６Ａは、指標正規化部５８によって正規化された１種類以上の指標値の情報を学習済みモデル５７へ入力し、学習済みモデル５７から出力される情報に基づいて、複数の要因候補のうち上位の２つ以上の要因候補を判定する。これにより、サーバ５０Ａは、複数のエネルギー管理装置１０Ｂにおいて診断対象設備の特徴または使用状況などが異なる場合であっても、複数のエネルギー管理装置１０Ｂ間で、取り得る範囲が異なる指標値の分布または単位を同じスケールで比較可能することができる。

エネルギー管理装置１０，１０Ａ，１０Ｂの処理部１１，１１Ａ，１１Ｂは、日単位で指標値および要因候補を特定するが、時間帯単位、週単位、または月単位などで指標値および要因候補を特定することもできる。また、処理部１１，１１Ａ，１１Ｂは、上述した指標以外の種類の指標を用いて各要因候補のスコアを算出することもでき、上述した複数の指標の一部の指標のみを用いて各要因候補のスコアを算出することもできる。また、処理部１１，１１Ａ，１１Ｂは、上述した要因候補以外の要因候補のスコアを算出することもでき、上述した複数の要因候補のうち一部の要因候補のスコアのみを算出することもできる。

また、エネルギー管理装置１０，１０Ａ，１０Ｂは、互いに異なる位置に配置される複数の装置から構成されてもよい。例えば、エネルギー管理装置１０，１０Ａ，１０Ｂは、収集装置と、処理装置とを含む構成であってもよい。収集装置は、電力センサ４，５、生産量センサ６、環境センサ７、および生産管理装置８から情報を収集する。処理装置は、収集装置で収集された情報に基づいてランキング情報のうち少なくとも一部を出力する。この場合、収集装置は、例えば、ＰＬＣ（Programmable Logic Controller）、またはデータロガーなどによって構成されてもよく、処理装置は、例えば、クラウドサーバまたは携帯端末によって構成されてもよい。収集装置と処理装置とは無線または有線によって通信可能に接続される。

また、エネルギー管理装置１０，１０Ａ，１０Ｂは、サーバ５０，５０Ａの機能を有する構成であってもよい。例えば、エネルギー管理装置１０Ｂ_１，１０Ｂ_２は、情報取得部５２、要因推定部５３，５３Ａ、指標正規化部５８、およびレーダチャート生成部５９のうちの一部または全部を含む構成であってもよい。

以上の実施の形態に示した構成は、一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、実施の形態同士を組み合わせることも可能であるし、要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

１ 生産施設、２ 生産設備、３ 関連設備、４，５ 電力センサ、６ 生産量センサ、７ 環境センサ、８ 生産管理装置、１０，１０Ａ，１０Ｂ，１０Ｂ_１，１０Ｂ_２，１０Ｂ_３ エネルギー管理装置、１１，１１Ａ，１１Ｂ 処理部、１２ 生産関連情報記憶部、１３ 表示部、１４ 入力部、１５ 貢献度情報記憶部、１６，５１ 通信部、２１ 情報収集部、２２ 情報生成部、２３ 指標値算出部、２４ スコア算出部、２５，２５Ａ，２５Ｂ 情報提供部、２６ 貢献度推定部、４１，４１Ａ ランキング情報生成部、４２，４２Ａ 表示処理部、５０，５０Ａ サーバ、５２ 情報取得部、５３，５３Ａ 要因推定部、５４ 記憶部、５５，５５Ａ モデル生成部、５６，５６Ａ 推論部、５７ 学習済みモデル、５８ 指標正規化部、５９ レーダチャート生成部、６０ モバイル端末、８０，８１ レーダチャート、２００，２００Ａ エネルギー管理システム。

Claims (16)

1. 生産設備を含む診断対象における消費電力量および生産量を含む情報を収集した時刻に関連付けた情報と、前記生産設備での生産対象品の生産を管理する情報である生産管理情報と、を含む過去の生産に関する情報である生産関連情報に基づいて、前記診断対象での生産に寄与しなかったエネルギー消費に関する１種類以上の指標値を日毎に算出する指標値算出部と、
   前記生産関連情報に基づいて、時間的な要因と、前記生産管理情報に含まれる要素と、を生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補とし、前記複数の要因候補の日毎の値を示す要因候補情報を生成する情報生成部と、
   前記指標値算出部によって算出された１種類の指標値を目的変数とし、前記１種類の指標値と関連付けられた前記要因候補情報の前記複数の要因候補の値を説明変数とする関数に使用される係数を用いて前記生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する処理を前記指標値の種類毎に行うスコア算出部と、
   前記複数の要因候補のうち前記スコア算出部によって算出された前記スコアが上位の２つ以上の要因候補の情報を出力する情報提供部と、を備える
   ことを特徴とするエネルギー管理装置。
2. 前記診断対象には、
   前記生産設備に関連して用いられる関連設備が含まれ、
   前記生産関連情報には、
   前記関連設備の消費エネルギーを示す情報がさらに含まれ、
   前記指標値算出部は、
   前記生産設備の消費エネルギーを示す情報、前記関連設備の消費エネルギーを示す情報、および前記生産設備の生産量を示す情報に基づいて、前記１種類以上の指標値を算出する
   ことを特徴とする請求項１に記載のエネルギー管理装置。
3. 前記１種類以上の指標値は、
   前記生産設備がオンになってから前記生産設備の生産が開始されるまでの時間を示す第１の指標値、前記生産設備による生産が終了してから前記生産設備がオフになるまでの時間を示す第２の指標値、前記関連設備がオンである時間と前記生産設備がオンである時間との差を示す第３の指標値、前記生産設備がオンである時間のうち前記生産設備による生産が行われている時間の割合を示す第４の指標値、および前記生産設備による単位生産高あたりの前記診断対象のエネルギー消費量を示す第５の指標値のうち少なくとも１つを含む
   ことを特徴とする請求項２に記載のエネルギー管理装置。
4. 前記生産管理情報は、前記生産対象品の種類である対象機種、生産工程の担当者および前記生産設備のエラー情報を日毎に含むことを特徴とする請求項１から３のいずれか１つに記載のエネルギー管理装置。
5. 前記複数の要因候補は、
   前記生産設備によって物品を生産した日の曜日、週、および月、前記生産の担当者、前記生産設備によって生成される物品の種類、前記生産設備で発生したエラー、および前記生産設備の環境のうち２つ以上を含む
   ことを特徴とする請求項１から４のいずれか１つに記載のエネルギー管理装置。
6. 前記１種類以上の指標値は、複数種類の指標値であり、
   前記スコア算出部は、
   前記複数の要因候補の各々のスコアを前記複数種類の指標値の各々に対して算出し、
   前記情報提供部は、
   前記複数種類の指標値の各々について、前記複数の要因候補のうち前記スコアが上位の２つ以上の要因候補の情報を出力する
   ことを特徴とする請求項１から５のいずれか１つに記載のエネルギー管理装置。
7. 前記生産に寄与しないエネルギー消費に対するユーザの改善活動への前記情報提供部によって提供された前記要因候補の各々についての前記ユーザによる複数の段階を用いた評価または数値を用いた評価の履歴から前記改善活動への前記複数の要因候補の各々の貢献度を推定する貢献度推定部を備え、
   前記情報提供部は、
   前記貢献度推定部によって推定された前記複数の要因候補の各々の前記貢献度に基づいて、前記複数の要因候補のうち対応する要因候補のスコアを補正し、補正した前記スコアが上位の２つ以上の要因候補の情報を生成する
   ことを特徴とする請求項１から６のいずれか１つに記載のエネルギー管理装置。
8. 前記情報提供部は、
   前記複数の要因候補のうちスコアが大きな要因候補から順に予め設定された数の要因候補をランキング表の形式で表すランキング情報を前記２つ以上の要因候補の情報として出力する
   ことを特徴とする請求項１から７のいずれか１つに記載のエネルギー管理装置。
9. 請求項１から８のいずれか１つに記載のエネルギー管理装置から出力された前記１種類以上の指標値の情報と前記複数の要因候補の各々の前記スコアである要因スコアの情報とを含む学習用情報に基づいて、前記１種類以上の指標値の情報を入力とし複数の前記要因スコアを出力とする学習済みモデルを生成するモデル生成部を備える
   ことを特徴とするサーバ。
10. 前記エネルギー管理装置とは異なる他のエネルギー管理装置の診断対象でのエネルギー消費に関する１種類以上の指標値の情報を前記学習済みモデルへ入力し前記学習済みモデルから出力される情報に基づいて、前記複数の要因候補のうち上位の２つ以上の要因候補を判定する推論部と、を備える
    ことを特徴とする請求項９に記載のサーバ。
11. 複数種類の前記指標値のばらつき度合いを指標値の種類毎に算出する指標正規化部と、
    前記指標正規化部によって算出された複数種類の前記指標値の各々のばらつき度合いと前記上位の２つ以上の要因候補との関係を示すレーダチャートの情報を生成するレーダチャート生成部を備える
    ことを特徴とする請求項１０に記載のサーバ。
12. 前記１種類以上の指標値を正規化する指標正規化部を備え、
    前記モデル生成部は、
    前記要因スコアの情報と前記指標正規化部によって正規化された１種類以上の指標値の情報とに基づいて、前記学習済みモデルを生成し、
    前記推論部は、
    前記指標正規化部によって正規化された１種類以上の指標値の情報を前記学習済みモデルへ入力し前記学習済みモデルから出力される情報に基づいて、前記複数の要因候補のうち上位の２つ以上の要因候補を判定する
    ことを特徴とする請求項１０に記載のサーバ。
13. 前記推論部によって判定された前記上位の２つ以上の要因候補の情報を前記他のエネルギー管理装置または外部装置へ送信する通信部を備える
    ことを特徴とする請求項１０から１２のいずれか１つに記載のサーバ。
14. 生産設備を含む診断対象における消費電力量および生産量を含む情報を収集した時刻に関連付けた情報と、前記生産設備での生産対象品の生産を管理する情報である生産管理情報と、を含む過去の生産に関する情報である生産関連情報に基づいて、前記診断対象での生産に寄与しなかったエネルギー消費に関する１種類以上の指標値を日毎に算出する指標値算出部と、
    前記生産関連情報に基づいて、時間的な要因と、前記生産管理情報に含まれる要素と、を生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補とし、前記複数の要因候補の日毎の値を示す要因候補情報を生成する情報生成部と、
    前記指標値算出部によって算出された１種類の指標値を目的変数とし、前記１種類の指標値と関連付けられた前記要因候補情報の前記複数の要因候補の値を説明変数とする関数に使用される係数を用いて前記生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する処理を前記指標値の種類毎に行うスコア算出部と、
    前記１種類以上の指標値の情報と前記複数の要因候補の各々の前記スコアである要因スコアの情報とを含む学習用情報に基づいて、前記１種類以上の指標値の情報を入力とし複数の前記要因スコアを出力とする学習済みモデルを生成するモデル生成部と、を備える
    ことを特徴とするエネルギー管理システム。
15. コンピュータが実行するエネルギー管理方法であって、
    生産設備を含む診断対象における消費電力量および生産量を含む情報を収集した時刻に関連付けた情報と、前記生産設備での生産対象品の生産を管理する情報である生産管理情報と、を含む過去の生産に関する情報である生産関連情報に基づいて、前記診断対象での生産に寄与しなかったエネルギー消費に関する１種類以上の指標値を日毎に算出する指標値算出ステップと、
    前記生産関連情報に基づいて、時間的な要因と、前記生産管理情報に含まれる要素と、を生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補とし、前記複数の要因候補の日毎の値を示す要因候補情報を生成する情報生成ステップと、
    前記指標値算出ステップによって算出された１種類の指標値を目的変数とし、前記１種類の指標値と関連付けられた前記要因候補情報の前記複数の要因候補の値を説明変数とする関数に使用される係数を用いて前記生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する処理を前記指標値の種類毎に行うスコア算出ステップと、
    前記複数の要因候補のうち前記スコア算出ステップによって算出された前記スコアが上位の２つ以上の要因候補の情報を出力する出力処理ステップと、を含む
    ことを特徴とするエネルギー管理方法。
16. 生産設備を含む診断対象における消費電力量および生産量を含む情報を収集した時刻に関連付けた情報と、前記生産設備での生産対象品の生産を管理する情報である生産管理情報と、を含む過去の生産に関する情報である生産関連情報に基づいて、前記診断対象での生産に寄与しなかったエネルギー消費に関する１種類以上の指標値を日毎に算出する指標値算出ステップと、
    前記生産関連情報に基づいて、時間的な要因と、前記生産管理情報に含まれる要素と、を生産に寄与しなかったエネルギー消費の要因の候補である複数の要因候補とし、前記複数の要因候補の日毎の値を示す要因候補情報を生成する情報生成ステップと、
    前記指標値算出ステップによって算出された１種類の指標値を目的変数とし、前記１種類の指標値と関連付けられた前記要因候補情報の前記複数の要因候補の値を説明変数とする関数に使用される係数を用いて前記生産に寄与しなかったエネルギー消費に対する影響度を示すスコアを算出する処理を前記指標値の種類毎に行うスコア算出ステップと、
    前記複数の要因候補のうち前記スコア算出ステップによって算出された前記スコアが上位の２つ以上の要因候補の情報を出力する出力処理ステップと、をコンピュータに実行させる
    ことを特徴とするエネルギー管理プログラム。

Images