JP7345323B2 - Cleaning load management device, cleaning load management system, cleaning load management method and program - Google Patents
Cleaning load management device, cleaning load management system, cleaning load management method and program Download PDFInfo
- Publication number
- JP7345323B2 JP7345323B2 JP2019161012A JP2019161012A JP7345323B2 JP 7345323 B2 JP7345323 B2 JP 7345323B2 JP 2019161012 A JP2019161012 A JP 2019161012A JP 2019161012 A JP2019161012 A JP 2019161012A JP 7345323 B2 JP7345323 B2 JP 7345323B2
- Authority
- JP
- Japan
- Prior art keywords
- cleaning
- information
- room
- neural network
- load
- 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
- 238000004140 cleaning Methods 0.000 title claims description 474
- 238000007726 management method Methods 0.000 title claims description 159
- 238000013528 artificial neural network Methods 0.000 claims description 171
- 230000007613 environmental effect Effects 0.000 claims description 167
- 238000000034 method Methods 0.000 claims description 52
- 238000004364 calculation method Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 description 47
- 230000004308 accommodation Effects 0.000 description 43
- 238000009423 ventilation Methods 0.000 description 39
- 238000004891 communication Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 19
- 230000005540 biological transmission Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 230000001932 seasonal effect Effects 0.000 description 9
- 101150102561 GPA1 gene Proteins 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 238000004887 air purification Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- 230000001877 deodorizing effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 101150034590 DAR1 gene Proteins 0.000 description 1
- 101001003569 Homo sapiens LIM domain only protein 3 Proteins 0.000 description 1
- 101000642431 Homo sapiens Pre-mRNA-splicing factor SPF27 Proteins 0.000 description 1
- 101000639972 Homo sapiens Sodium-dependent dopamine transporter Proteins 0.000 description 1
- 102100026460 LIM domain only protein 3 Human genes 0.000 description 1
- 102100036347 Pre-mRNA-splicing factor SPF27 Human genes 0.000 description 1
- 101100015484 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GPA1 gene Proteins 0.000 description 1
- 101100393304 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GPD1 gene Proteins 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、清掃負荷管理装置、清掃負荷管理システム、清掃負荷管理方法およびプログラムに関する。 The present invention relates to a cleaning load management device, a cleaning load management system, a cleaning load management method, and a program.
ホテル、旅館などの宿泊施設では、宿泊者が客室にいない時間帯に清掃員が客室の清掃作業を効率的に実施する必要がある。これに対して、複数の部屋を清掃する清掃員の勤務状況、各部屋に宿泊する宿泊者のチェックアウト時刻、各部屋毎の清掃状態、各部屋毎の清掃作業時間を管理する複数のデータテーブルと宿泊施設の清掃計画作成指示を行うキーボードと、清掃計画作成指示が行われた場合、データテーブルを参照し勤務中の個々の清掃員が担当する範囲内で始めに清掃する部屋と清掃開始時刻を決定すると共に、宿泊者が滞在せず、かつ未清掃の全部屋について、清掃順序を決定するためのポイント値を算出し、算出したポイント値に基づいて清掃員毎の各部屋の清掃計画を作成する清掃計画プログラムを記憶したハードディスク装置と、を備えた宿泊施設清掃計画作成システムが提案されている(例えば特許文献1参照)。 BACKGROUND ART In accommodation facilities such as hotels and inns, it is necessary for cleaning staff to efficiently clean guest rooms during times when guests are not in their guest rooms. In contrast, there are multiple data tables that manage the working status of cleaning staff who clean multiple rooms, the check-out time of guests staying in each room, the cleaning status of each room, and the cleaning work time for each room. and a keyboard for instructing the creation of a cleaning plan for the accommodation facility, and when an instruction to create a cleaning plan is given, the data table is referenced and each cleaning staff on duty selects the first room to be cleaned within the scope of their responsibility and the cleaning start time. At the same time, the system calculates point values for determining the cleaning order for all rooms that are not occupied by guests and that have not yet been cleaned, and based on the calculated point values, the cleaning plan for each room is determined by each cleaning staff. An accommodation facility cleaning plan creation system has been proposed that includes a hard disk drive that stores a cleaning plan program to be created (for example, see Patent Document 1).
しかしながら、特許文献1に記載された宿泊施設清掃計画作成システムでは、各部屋の宿泊者の過ごし方によって各部屋の汚れ度合いが変化することを考慮していないため、例えば一部の部屋が過度に汚れていた場合、その部屋の清掃に時間を要し、作成した清掃計画通リに清掃が実施されない虞がある。
However, the accommodation facility cleaning plan creation system described in
本発明は上記事由に鑑みてなされたものであり、部屋の汚れ度合いを考慮した適切な清掃計画の作成に寄与しうる清掃負荷管理装置、清掃負荷管理システム、清掃負荷管理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 cleaning load management device, a cleaning load management system, a cleaning load management method, and a program that can contribute to the creation of an appropriate cleaning plan that takes into account the degree of dirtiness of a room. The purpose is to
上記目的を達成するため、本発明に係る清掃負荷管理装置は、
部屋に設置された少なくとも1つの機器それぞれの動作履歴を示す動作履歴情報を取得する動作履歴取得部と、
前記部屋の清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する清掃負荷取得部と、
前記動作履歴情報と前記負荷実績情報とに基づいて、利用者が前記部屋に滞在した後に前記部屋の清掃を行うときの清掃負荷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決定する係数決定部と、
前記係数決定部により前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記利用者が前記部屋に滞在した期間の少なくとも一部を含む清掃負荷予測対象期間における動作履歴情報から、前記部屋の清掃を行うときの清掃負荷を求めるニューラルネットワーク計算部と、を備える。
In order to achieve the above object, the cleaning load management device according to the present invention includes:
an operation history acquisition unit that acquires operation history information indicating the operation history of each of at least one device installed in the room;
a cleaning load acquisition unit that acquires load performance information indicating a cleaning load that is a workload required for cleaning the room;
a coefficient determination unit that determines a neural network coefficient of a neural network for determining a cleaning load when cleaning the room after a user stays in the room, based on the operation history information and the load performance information; ,
Using the neural network for which the neural network coefficients have been determined by the coefficient determining unit, the neural network of the room is determined based on operation history information during a cleaning load prediction target period that includes at least a portion of the period during which the user stayed in the room. A neural network calculation unit that calculates a cleaning load when cleaning is performed.
本発明によれば、ニューラルネットワーク計算部が、係数決定部によりニューラルネットワーク係数が決定されたニューラルネットワークを用いて、清掃負荷予測対象期間における動作履歴情報から、部屋について清掃を行うときの清掃負荷を求める。これにより、利用者の部屋の利用状況、利用者が部屋に滞在した後の部屋の汚れ具合に応じた清掃負荷を見積もることができるので、部屋を清掃して元の状態に戻すために必要な最適な清掃作業時間を算出して清掃作業者の清掃スケジュールに反映することができる。従って、清掃スケジュールにおける無駄な時間を削減でき、清掃作業の効率を向上させることができる。 According to the present invention, the neural network calculation unit uses the neural network whose neural network coefficients have been determined by the coefficient determination unit to calculate the cleaning load when cleaning a room from the operation history information in the cleaning load prediction target period. demand. This makes it possible to estimate the cleaning load based on the usage status of the user's room and how dirty the room is after the user has stayed in the room. The optimal cleaning work time can be calculated and reflected in the cleaning worker's cleaning schedule. Therefore, wasted time in the cleaning schedule can be reduced, and the efficiency of cleaning work can be improved.
(実施の形態1)
以下、本発明の実施の形態に係る清掃負荷管理装置ついて、図面を参照しながら説明する。本実施の形態に係る清掃負荷管理装置は、ニューラルネットワークを用いて、対象期間における部屋の設置された少なくとも1つの機器それぞれの動作履歴から、その部屋の清掃を行うときの清掃作業者の清掃負荷を求めるものである。この清掃負荷管理装置は、部屋に設置された少なくとも1つの機器それぞれの動作履歴を示す動作履歴情報を取得する動作履歴取得部と、部屋の清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する清掃負荷取得部と、係数決定部と、ニューラルネットワーク計算部と、を備える。ここで、係数決定部は、取得した動作履歴情報と負荷実績情報とに基づいて、利用者が予め設定された対象期間だけ滞在した後の部屋について清掃を行うときの清掃負荷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決定する。また、ニューラルネットワーク計算部は、係数決定部によりニューラルネットワーク係数が決定されたニューラルネットワークを用いて、対象期間における動作履歴情報から、部屋の清掃を行うときの清掃負荷を求める。
(Embodiment 1)
Hereinafter, a cleaning load management device according to an embodiment of the present invention will be described with reference to the drawings. The cleaning load management device according to the present embodiment uses a neural network to calculate the cleaning load of the cleaning worker when cleaning the room based on the operation history of each of at least one device installed in the room during the target period. This is what we seek. This cleaning load management device includes an operation history acquisition unit that acquires operation history information indicating the operation history of each of at least one device installed in a room, and a load record indicating the cleaning load that is the work load required to clean the room. It includes a cleaning load acquisition section that acquires information, a coefficient determination section, and a neural network calculation section. Here, the coefficient determining unit uses a neural network to determine a cleaning load when cleaning a room after the user has stayed for a preset target period, based on the acquired operation history information and load performance information. Determine the neural network coefficients of the network. Further, the neural network calculation unit uses the neural network whose neural network coefficients have been determined by the coefficient determination unit to determine the cleaning load when cleaning the room from the operation history information in the target period.
本実施の形態に係る清掃負荷管理システムは、例えば図1に示すように、宿泊施設H内に設置された清掃負荷管理装置1と、宿泊施設の清掃を行う清掃作業者が所持する端末装置2と、宿泊施設H内の各客室RA、RBに設置された操作機器4と、を備える。また、清掃負荷管理システムは、清掃負荷管理装置1と広域ネットワークNW1を介して通信可能な顧客サーバ10を備える。広域ネットワークNW1は、例えばインターネットである。また、宿泊施設Hの各客室RA、RBには、空気調和機5と、照明器具6と、浴室換気扇7と、が設置されている。利用者は、操作機器4を用いて、空気調和機5、照明器具6および浴室換気扇7を操作することができる。ここで、操作機器4と空気調和機5とは、例えば有線接続されており、操作機器4と照明器具6および浴室換気扇7とは、例えば無線接続されていてもよい。また、操作機器4は、例えば客室RA、RBの利用者が所持する携帯端末(図示せず)と無線接続可能であってもよい。この場合、利用者が携帯端末を操作すると、空気調和機5、照明器具6または浴室換気扇7に対する操作内容を示す操作情報が、携帯端末から操作機器4へ送信され、操作機器4が、携帯端末から受信した操作情報に対応する制御情報を空気調和機5、照明器具6または浴室換気扇7へ送信されるようにしてもよい。
For example, as shown in FIG. 1, the cleaning load management system according to the present embodiment includes a cleaning
清掃負荷管理装置と各空気調和機5とは、宿泊施設H内に敷設された局所ネットワークNW2に接続されている。局所ネットワークNW2は、例えばイーサネット(登録商標)のような通信規格に適合した有線または無線のLAN(Local Area Network)である。また、局所ネットワークNW2は、ルータ91およびデータ回線終端装置92を介して広域ネットワークNW1に接続されている。ルータ91は、例えばブロードバンドルータであり、データ回線終端装置92は、例えばモデル、ゲートウェイ等の機能を有するものである。更に、局所ネットワークNW2には、宿泊施設H内に設置された無線通信装置8が接続されており、端末装置2は、無線通信装置8を介して清掃負荷管理装置1と通信可能となっている。無線通信装置8は、例えば無線LANアクセスポイントとして機能するものであり、例えばIEEE802.11acの無線LAN規格に適合した通信方式で端末装置2との間で通信を実行する。
The cleaning load management device and each
顧客サーバ10は、大容量のストレージを備えるサーバであり、宿泊施設H内の各部屋の利用者の予約状況を示す情報、滞在状況を示す情報等を管理する。
The
操作機器4は、例えば図2に示すように、CPU(Central Processing Unit)401と、主記憶部402と、補助記憶部403と、表示部404と、入力部405と、機器通信インタフェース407と、これらを互いに接続するバス409と、を備える。主記憶部402は、RAM(Random Access Memory)のような揮発性メモリであり、CPU401の作業領域として使用される。補助記憶部403は、半導体フラッシュメモリのような不揮発性メモリであり、CPU401が各種処理を実行するためのプログラムを記憶する。表示部404は、例えば液晶ディスプレイのような表示装置である。入力部405は、表示部404に重ねて配置されるタッチパッド、操作機器4の筐体の一部に配設された釦スイッチ等である。機器通信インタフェース407は、空気調和機5と通信するためのものであり、例えば有線通信インタフェースである。空気調和機5は、例えば図2に示すように、圧縮機(図示せず)または送風ファン(図示せず)の動作を制御するための制御部510を有する。また、空気調和機5は、空気調和機5が設置された客室RA(RB)の温度を検出する温度センサ(図示せず)、空気調和機5が設置された客室RA(RB)の湿度を検出する湿度センサ(図示せず)等を備える。制御部510は、CPU501と、主記憶部502と、補助記憶部503と、局所通信インタフェース506と、機器通信インタフェース507と、これらを互いに接続するバス509と、を備える。主記憶部502は、CPU501の作業領域として使用され、補助記憶部503は、CPU501が各種処理を実行するためのプログラムを記憶する。局所通信インタフェース506は、例えば有線通信インタフェースまたは無線モジュールであり、局所ネットワークNW2に接続されている。機器通信インタフェース507は、操作機器4と通信するためのものであり、例えば有線通信インタフェースである。
For example, as shown in FIG. 2, 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、例えば図3に示すように、受付部411、制御情報生成部412、表示制御部413、制御情報送信部414、動作履歴取得部415、動作履歴送信部416、環境情報取得部417、環境実績送信部418および計時部419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、制御情報生成部412により生成された制御情報を記憶する制御情報記憶部431と、動作履歴記憶部432と、表示部404に表示させる操作画面画像を示す画像情報を記憶する画像記憶部433と、環境実績記憶部434と、を有する。動作履歴記憶部432は、操作機器4から空気調和機5、照明器具6および浴室換気扇7それぞれへ送信された制御情報と、その制御情報が送信された日時を示す日時情報と、の組み合わせである動作履歴情報を記憶する。環境実績記憶部434は、空気調和機5から取得した空気調和機5が設置された客室RA(RB)の温度、湿度等の環境パラメータを示す環境情報と、その環境情報を取得した日時を示す日時情報と、の組み合わせである環境実績情報を記憶する。
By reading the program stored in the
受付部411は、客室RA(RB)の利用者が入力部405に対して行った操作の操作内容を示す操作情報を受け付ける。制御情報生成部412は、受付部411が受け付けた操作情報に対応する空気調和機5、照明器具6または浴室換気扇7の制御情報を生成し、生成した制御情報を制御情報記憶部431に記憶させる。表示制御部413は、画像記憶部433から、受付部411が受け付けた操作情報に応じた画像情報を取得し、取得した画像情報に対応する操作画面画像を表示部404に表示させる。制御情報送信部414は、制御情報記憶部431が記憶する制御情報を、空気調和機5、照明器具6または浴室換気扇7へ送信する。ここで、制御情報送信部414は、例えば制御情報記憶部431が記憶する制御情報が更新されたときに、更新された制御情報を空気調和機5、照明器具6または浴室換気扇7へ送信する。動作履歴取得部415は、制御情報送信部414が制御情報を空気調和機5、照明器具6または浴室換気扇7へ送信すると、送信された制御情報を、その制御情報が送信された日時を示す日時情報に対応づけて動作履歴記憶部432に記憶させる。
The reception unit 411 receives operation information indicating the content of the operation performed on the
動作履歴送信部416は、清掃負荷管理装置1から空気調和機5を介して、後述する教師情報要求情報を受信すると、動作履歴記憶部432が記憶する過去の予め設定された教師情報対象期間内に含まれる動作履歴情報の全てを、空気調和機5を介して清掃負荷管理装置1へ送信する。ここで、教師情報対象期間は、例えば客室RA(RB)における直近の時点から1週間から1年の間の期間だけ過去に遡った時点から直近の時点までの期間に設定される。例えば教師情報対象期間が直近の時点から1年だけ過去に遡った時点から直近の時点までの間の期間に設定されているとする。この場合、動作履歴記憶部432が、直近の時点から1週間だけ過去に遡った時点から直近の時点までの動作履歴情報しか記憶していないとき、動作履歴送信部416は、動作履歴記憶部432が記憶している全ての動作履歴情報を送信する。
When the
また、動作履歴送信部416は、清掃負荷管理装置1から空気調和機5を介して、後述する動作履歴要求情報を受信すると、動作履歴記憶部432が記憶する予め設定された負荷判定対象期間内における動作履歴情報を清掃負荷管理装置1へ空気調和機5を介して送信する。ここで、負荷判定対象期間は、例えば直近で客室RA(RB)に滞在していた利用者がチェックインしてからチェックアウトするまでの間の期間に設定される。
Further, upon receiving operation history request information, which will be described later, from the cleaning
環境情報取得部417は、空気調和機5に対して空気調和機5が設置された客室RA(RB)の温度、湿度等の環境パラメータを示す環境情報の送信を要求する環境要求情報を空気調和機5へ送信することにより空気調和機5から環境情報を取得する。そして、環境情報取得部417は、取得した環境情報と、その環境情報を取得した日時を示す日時情報と、の組み合わせを環境実績情報として環境実績記憶部434に記憶させる。環境実績送信部418は、清掃負荷管理装置1から空気調和機5を介して、教師情報要求情報を受信すると、環境実績記憶部434が記憶する前述の教師情報対象期間内に含まれる環境実績情報の全てを、空気調和機5を介して清掃負荷管理装置1へ送信する。例えば教師情報対象期間が前述のように、直近の時点から1年だけ過去に遡った時点から直近の時点までの間の期間に設定されているとする。この場合、環境実績記憶部434が、直近の時点から1週間だけ過去に遡った時点から直近の時点までの動作履歴情報しか記憶していないとき、環境実績送信部418は、環境実績記憶部434が記憶している全ての動作履歴情報を送信する。また、環境実績送信部418は、清掃負荷管理装置1から空気調和機5を介して、後述する環境実績要求情報を受信すると、環境実績記憶部434が記憶する前述の負荷判定対象期間内における環境実績情報を清掃負荷管理装置1へ空気調和機5を介して送信する。
The environmental
計時部419は、ソフトウェアタイマ(図示せず)から出力される時刻情報に基づいて、動作履歴情報および環境実績情報を取得する実績取得時期が到来したか否かを判定する。実績取得時期は、例えば10min毎に到来するように設定される。計時部419は、実績取得時期が到来すると、実績取得時期通知情報を動作履歴取得部415および環境情報取得部417へ出力する。
The timer unit 419 determines whether the performance acquisition time for acquiring the operation history information and the environmental performance information has arrived, based on time information output from a software timer (not shown). The performance acquisition timing is set to arrive every 10 minutes, for example. When the performance acquisition time arrives, the clock unit 419 outputs performance acquisition time notification information to the operation
図2に戻って、空気調和機5のCPU501は、補助記憶部503が記憶するプログラムを主記憶部502に読み出して実行することにより、例えば図3に示すように、動作制御部511、環境情報生成部512および中継部513として機能する。動作制御部511は、操作機器4から受信した制御情報に基づいて、圧縮機および送風ファンの動作を制御する。環境情報生成部512は、温度センサにより検出された温度、湿度センサにより検出された湿度等の環境パラメータを示す環境情報を生成し、生成した環境情報を操作機器4へ送信する。中継部513は、清掃負荷管理装置1から教師情報要求情報または動作履歴要求情報および環境実績要求情報を受信すると、受信した教師情報要求情報または動作履歴要求情報および環境実績要求情報を、操作機器4へ送信する。また、中継部513は、操作機器4から動作履歴情報および環境実績情報を受信すると、受信した動作履歴情報および環境実績情報を、清掃負荷管理装置1へ送信する。
Returning to FIG. 2, the
端末装置2は、例えば携帯情報端末等であり、図4に示すように、CPU201と、主記憶部202と、補助記憶部203と、表示部204と、入力部205と、無線モジュール206と、これらを互いに接続するバス209と、を備える。主記憶部202は、CPU201の作業領域として使用され、補助記憶部203は、CPU201が各種処理を実行するためのプログラムを記憶する。表示部204は、例えば液晶ディスプレイのような表示装置である。入力部205は、表示部204に重ねて配置されるタッチパッドである。無線モジュール206は、無線通信装置8と通信するためのものであり、例えばIEEE802.11acの無線LAN通信規格に適合した通信方式で通信を実行する。
The
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、例えば図5に示すように、受付部211、表示制御部212、負荷実績取得部213、負荷実績送信部214およびスケジュール取得部215として機能する。また、図4に示す補助記憶部203は、図5に示すように、清掃作業者の1日の清掃スケジュールを示すスケジュール情報を記憶するスケジュール記憶部231と、負荷実績記憶部232と、表示部204に表示させる操作画面画像を示す画像情報を記憶する画像記憶部233と、を有する。負荷実績記憶部232は、端末装置2を所持する清掃作業者の清掃負荷の実績を示す負荷実績情報を記憶する。
By reading the program stored in the
受付部211は、清掃作業者が入力部205に対して行った操作の操作内容を示す操作情報を受け付ける。表示制御部212は、画像記憶部233から、受付部211が受け付けた操作情報に応じた画像情報を取得し、取得した画像情報に対応する操作画面画像を表示部204に表示させる。負荷実績取得部213は、受付部211が受け付けた操作情報に基づいて、清掃負荷の実績を示す負荷実績情報を取得し、取得した負荷実績情報を負荷実績記憶部232に記憶させる。負荷実績送信部214は、受付部211が受け付けた操作情報に応じて、負荷実績記憶部232が記憶する負荷実績情報を、清掃負荷管理装置1へ送信する。スケジュール取得部215は、受付部211が受け付けた操作情報に応じて、清掃負荷管理装置1にスケジュール情報の送信を要求するスケジュール要求情報を送信することにより、清掃負荷管理装置1からスケジュール情報を取得する。そして、スケジュール取得部215は、取得したスケジュール情報をスケジュール記憶部231に記憶させる。このとき、表示制御部212は、スケジュール記憶部231が記憶するスケジュール情報が示す清掃スケジュールを清掃作業者に通知するための操作画面画像を表示部204に表示させる。
The
清掃負荷管理装置1は、例えば図6に示すように、CPU101と、主記憶部102と、補助記憶部103と、局所通信インタフェース104と、これらを互いに接続するバス109と、を備える。CPU101は、例えばマルチコアプロセッサである。主記憶部102は、CPU101の作業領域として使用され、補助記憶部103は、CPU101が各種処理を実行するためのプログラムを記憶する。局所通信インタフェース104は、例えば有線通信インタフェースまたは無線モジュールであり、局所ネットワークNW2に接続されている。
For example, as shown in FIG. 6, the cleaning
CPU101は、補助記憶部103が記憶するプログラムを主記憶部102に読み出して実行することにより、図7に示すように、動作履歴取得部111、清掃負荷取得部112、客室情報取得部113、環境実績取得部119、ニューラルネットワーク計算部114、係数決定部115、係数設定部116、スケジュール生成部117、スケジュール送信部118および計時部120として機能する。また、図6に示す補助記憶部103は、図7に示すように、動作履歴記憶部131と、清掃負荷記憶部132と、客室情報記憶部133と、環境実績記憶部138と、ニューラルネットワーク記憶部134と、予測負荷記憶部135と、スケジュール記憶部136と、作業者情報記憶部137と、を有する。動作履歴記憶部131は、例えば図8に示すように、空気調和機5、照明器具6および浴室換気扇7それぞれの動作状態を示す情報を、日時情報に対応づけて記憶している。図8に示す例では、動作履歴記憶部131は、空気調和機5について、オンオフ状態を示す運転情報と、冷房、換気等の運転モードを示す運転モード情報と、設定風量を示す風量情報と、設定温度を示す設定温度情報と、を日時情報に対応づけて記憶している。また、動作履歴記憶部131は、客室RA(RB)の寝室、浴室それぞれに設置された照明器具6について、オンオフ状態を示す運転情報を日時情報に対応づけて記憶している。更に、動作履歴記憶部131は、浴室換気扇7について、オンオフ状態を示す運転情報と、設定風量を示す風量情報と、を日時情報に対応づけて記憶している。
By reading the program stored in the
図8に示す例の場合、利用者が5/28にチェックインした後、17:00に、寝室に設置された空気調和機5を、運転モード「冷房」、風量「強」、設定温度「25℃」に設定された状態でオンし、照明器具6をオンさせている。次に、利用者は、5/28の20:00に、寝室の空気調和機5の運転モードを「換気」に変更し、浴室に設置された浴室換気扇7を、風量「弱」でオンさせるとともに浴室に設置された照明器具6をオンさせている。その後、利用者は、5/29の0:00に、寝室に設置された空気調和機5および照明器具6をオフさせるとともに浴室換気扇7をオフさせている。次に、利用者は、5/29の6:00に、寝室に設置された空気調和機5を、運転モード「冷房」、風量「弱」、設定温度「27℃」に設定された状態でオンさせ、寝室に設置された照明器具6をオンさせるとともに、浴室換気扇7を風量「強」でオンさせている。続いて、利用者は、5/29の6:10に、寝室に設置された空気調和機5について、運転モード「空気清浄」、風量「強」、設定温度「25℃」に設定を変更している。その後、利用者は、5/29のチェックアウト前の7:35に、寝室に設置された空気調和機5の運転モードを「換気」に変更し、寝室に設置された照明器具をオフするとともに浴室換気扇7の風量を「弱」に変更している。
In the case of the example shown in FIG. 8, after the user checks in on May 28, at 17:00, the
清掃負荷記憶部132は、例えば図9に示すように、清掃作業時間の長さの指標を表す作業時間指標情報と、清掃作業の負荷の指標を表す作業負荷指標情報とを含む負荷実績情報を、部屋識別情報と清掃作業を実施した日を示す作業日情報とに対応づけて記憶している。図9に示す例では、作業時間指標情報は、清掃作業に要した作業時間の長さを5段階で表したときの数値を示し、数値が小さいほど作業時間が長いことを示している。また、作業負荷指標情報は、清掃作業における清掃作業者に加わる負荷を5段階で表したときの数値を示し、数値が小さいほど作業負荷が大きいことを示している。ここで、負荷実績情報に含まれる作業時間指標と作業負荷指標と、客室RA(RB)における空気調和機5、照明器具6および浴室換気扇7それぞれの動作履歴との関係について説明する。例えば図10に示すように、空気調和機5の脱臭空清ボタンを使用し、空気調和機5の換気機能を風量「弱」で使用し、空気調和機5の操作回数が少なく、浴室換気扇7を風量「弱」で使用し、照明器具6のオン時間が短く、客室RA(RB)の利用者人数が少なく、利用者に含まれる子供の人数が少ない場合、作業時間指標と作業負荷指標とが大きくなる傾向にある。一方、空気調和機5の脱臭空清ボタンを使用せず、空気調和機5の換気機能を風量「強」で使用し、空気調和機5の操作回数が多く、浴室換気扇7を風量「強」で使用し、照明器具6のオン時間が長く、客室RA(RB)の利用者人数が多く、利用者に含まれる子供の人数が多い場合、作業時間指標と作業負荷指標とが小さくなる傾向にある。
For example, as shown in FIG. 9, the cleaning
客室情報記憶部133は、例えば図11に示すように、宿泊施設H内の複数の部屋それぞれのタイプを示す部屋タイプ情報と、部屋の広さを示す部屋面積情報と、部屋に滞在する利用者の種類と部屋に滞在した利用者の人数とを示す宿泊人数情報と、を含む客室情報を記憶している。また、客室情報記憶部133は、客室情報を、部屋を識別する部屋識別情報に対応づけて記憶している。部屋タイプ情報は、シングルベッドが設置されたシングルルーム、ダブルベッドが設置されたダブルルーム、シングルベッドが2つ設置されたツインルーム、ダブルベッドが2つ設置されたキングルーム、シングルベッドが3つ設置されたトリプルルーム、ダブルベッドが2つ設置され寝室とリビングとが仕切られているスイートルームそれぞれを識別する情報である。また、宿泊人数情報は、利用者の種類として「大人」と「子供」とを示す情報を含んでいる。図11に示す例では、部屋識別情報、即ち、客室番号が「301」、「302」の部屋は、シングルルームであり、客室番号「303」、「304」の部屋がダブルベッドルームであり、客室番号「305」、「306」の部屋がツインルームであり、客室番号「501」、「502」の部屋がスイートルームであることを示している。ダブルベッドが2つずつ装備され、客室とリビングが仕切られている。
For example, as shown in FIG. 11, the guest room
図7に戻って、環境実績記憶部138は、宿泊施設H内の各部屋(例えば客室RA、RB)における過去の温度、湿度等の環境パラメータの実績値を示す環境実績情報を、日時情報に対応づけて記憶している。
Returning to FIG. 7, the environmental
ニューラルネットワーク記憶部134は、ニューラルネットワーク計算部114が用いる予め定めら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に関する情報を記憶する。具体的には、ニューラルネットワーク記憶部134は、ニューラルネットワークのノード数、層数、各ノードに対応する重み係数および活性化関数それぞれを示す情報を記憶する。このニューラルネットワークは、利用者が予め設定された対象期間だけ滞在した後の客室RA(RB)について清掃を行うときの清掃負荷を求めるためのものである。このニューラルネットワークは、図12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、動作履歴情報、環境実績情報および客室情報それぞれが示す数値を、隠れ層L20へ入力する。
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。
図7に戻って、予測負荷記憶部135は、ニューラルネットワーク計算部114により算出された清掃負荷の予測値を示す清掃負荷情報を記憶する。
Returning to FIG. 7, the predicted
作業者情報記憶部137は、例えば図13に示すように、各清掃作業者の業務経歴を示す情報と出勤日を示す出勤日情報とを、作業者識別情報に対応づけて記憶する。業務経歴を示す情報は、現在勤務している宿泊施設Hにおける勤続期間を示す勤続期間情報と、現在勤務している宿泊施設Hに勤務する以前の経験期間を示す勤務前経験年数情報と、を含む。
For example, as shown in FIG. 13, the worker
図7に戻って、スケジュール記憶部136は、スケジュール生成部117により生成された各清掃作業者のスケジュール情報を記憶する。
Returning to FIG. 7, the
動作履歴取得部111は、操作機器4へ動作履歴要求情報を送信することにより、宿泊施設Hの客室RA、RBに設置された空気調和機5、照明器具6および浴室換気扇7それぞれの動作履歴を示す動作履歴情報を取得する。ここで、動作履歴要求情報は、操作機器4に対して、清掃負荷予測対象期間における空気調和機5、照明器具6および浴室換気扇7それぞれの動作履歴情報の送信を要求するための情報である。環境実績取得部119は、操作機器4へ環境実績要求情報を送信することにより、客室RA、RBの環境の実績を示す環境実績情報を取得する。ここで、環境実績要求情報は、操作機器に対して、空気調和機5、照明器具6および浴室換気扇7が設置された客室RA(RB)の環境実績情報の送信を要求するための情報である。客室情報取得部113は、顧客サーバ10に対して客室情報の送信を要求する客室情報要求情報を顧客サーバ10へ送信することにより、顧客サーバ10から客室情報を取得する。清掃負荷取得部112は、端末装置2から、宿泊施設Hの客室RA、RBの清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する。
The operation
係数決定部115は、動作履歴情報と環境実績情報と客室情報と負荷実績情報とに基づいて、前述の清掃負荷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。係数設定部116は、まず、ニューラルネットワーク記憶部134から初期の重み係数を示す初期重み係数情報を取得し、取得した初期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、係数決定部115は、例えば図14(A)に示すように、ニューラルネットワーク計算部114がニューラルネットワークを用いて算出した清掃負荷を取得する。ここで、ニューラルネットワーク計算部114は、教師情報である動作履歴情報DAT1、環境実績情報DAT2および客室情報DAT3に基づいて、ニューラルネットワークを用いて清掃負荷を算出する。続いて、係数決定部115は、清掃負荷記憶部132が記憶する教師情報である負荷実績情報DAT4を取得し、取得した負荷実績情報DAT4が示す清掃負荷とニューラルネットワークを用いて算出された清掃負荷との誤差を算出する。そして、係数決定部115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115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。そして、係数決定部115は、決定した重み係数を示す重み係数情報をニューラルネットワーク記憶部134に記憶させる。
The
係数設定部116は、係数決定部115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。ニューラルネットワーク計算部114は、係数決定部115により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、清掃負荷予測対象期間における動作履歴情報、環境実績情報および客室情報から、客室RA(RB)の清掃を行うときの予測清掃負荷を示す清掃負荷を求める。ここでは、図14(B)に示すように、係数設定部116が、ニューラルネットワーク記憶部134が記憶する係数決定部115により決定された重み係数を、ニューラルネットワーク計算部114が用いるニューラルネットワークの重み係数に設定する。そして、ニューラルネットワーク計算部114は、清掃負荷予測対象期間における動作履歴情報DAM1、環境実績情報DAC1および客室情報DAR1から、係数設定部116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、予測清掃負荷を算出し、算出した予測清掃負荷を示す清掃負荷情報を出力する。ニューラルネットワーク計算部114は、求めた予測清掃負荷を示す清掃負荷を示す予測負荷情報を、予測負荷記憶部135に記憶させる。
The
図7に戻って、スケジュール生成部117は、予測負荷記憶部135が記憶するニューラルネットワーク計算部114により求められた清掃負荷と、作業者情報記憶部137が記憶する作業者情報とに基づいて、清掃作業者の清掃スケジュールを示すスケジュール情報を生成する。ここで、スケジュール生成部117は、例えば下記式(2)の関係式を用いて、求められた清掃負荷から清掃作業者に割り当てる清掃作業時間を算出する。
(清掃作業時間)=(清掃負荷)×(C1×(勤続期間)+C2×(経験期間))
・・・式(2)
ここで、C1、C2は、予め設定された係数である。そして、スケジュール生成部117は、作業者情報記憶部137を参照して、客室RA、RBの清掃作業を行う日に出勤している清掃作業者それぞれの勤続期間および経験期間に応じて、各客室RA、RBにおける清掃作業時間を算出する。そして、スケジュール生成部117は、算出した各客室RA、RBの清掃作業時間と、宿泊施設H内の部屋(例えば客室RA、RB)の利用者が部屋に滞在中か否かを示す利用状況情報と、に基づいて、スケジュール情報を生成する。スケジュール生成部117は、生成したスケジュール情報をスケジュール記憶部136に記憶させる。スケジュール送信部118は、スケジュール記憶部136が記憶するスケジュール情報を操作機器4へ送信する。
Returning to FIG. 7, the
(Cleaning work time) = (Cleaning load) x (C1 x (service period) + C2 x (experience period))
...Formula (2)
Here, C1 and C2 are preset coefficients. Then, the
計時部120は、ソフトウェアタイマ(図示せず)から出力される時刻情報に基づいて、ニューラルネットワーク記憶部134が記憶するニューラルネットワークの重み係数を更新する係数更新時期が到来したか否かを判定する。係数更新時期は、例えば1日毎に到来するように設定される。計時部120は、係数更新時期が到来すると、係数更新時期到来通知情報を動作履歴取得部111、環境実績取得部119、客室情報取得部113および係数決定部115へ出力する。
The
次に、本実施の形態に係る清掃負荷管理システムの動作について図15および図18を参照しながら説明する。まず、図15に示すように、操作機器4は、予め設定された実績情報取得時期が到来すると、制御情報記憶部431から制御情報を取得して動作履歴記憶部432に記憶させるとともに(ステップS1)、空気調和機5から環境情報を取得して環境実績記憶部434に記憶させる(ステップS2)。以後、操作機器4は、実績情報取得時期が到来する毎にステップS1およびS2の処理を繰り返し実行する。
Next, the operation of the cleaning load management system according to this embodiment will be described with reference to FIGS. 15 and 18. First, as shown in FIG. 15, when a preset performance information acquisition time arrives, the operating
また、宿泊施設Hの清掃作業者が、客室RA(RB)を清掃した後、端末装置2の表示部204に清掃負荷に関するアンケートを入力するための操作画面画像が表示された状態で、端末装置2の入力部205を介してアンケートに入力する操作を行ったとする。ここで、端末装置2は、例えば図16に示すような、アンケートを入力するための操作画面画像GA1が表示部204に表示される。操作画面画像GA1は、清掃した客室RA(RB)の客室番号と清掃日とを表示する領域M1と、清掃時間に関するアンケートの質問内容を表すメッセージMQ1と、清掃作業の負荷に関するアンケートの質問内容を示すメッセージMQ2と、を含む。また、操作画面画像GA1は、各アンケートの質問内容に対する回答を5段階の指標で回答するためのタッチ領域BA1、BA2と、回答内容を表示する領域MA1、MA2と、を含む。そして、清掃作業者は、例えば客室RA(RB)の利用者がチェックアウトした後に客室RA(RB)の清掃作業を実施した後、端末装置2の表示部204に操作画面画像GA1を表示させた状態で、入力部205におけるタッチ領域BA1、BA2に表示された回答する指標値に対応する部分をタッチすることによりアンケートに回答する。なお、図16では、清掃作業を実施した客室RA(RB)の客室番号が「403」であり、清掃日が「5月29日」である場合を示している。また、メッセージMQ1が、「清掃した部屋の作業時間は長かったですか?短かったですか?」に設定され、メッセージMQ2が、「清掃作業は大変でしたか?」に設定されている。
In addition, after cleaning the guest room RA (RB), the cleaning worker of the accommodation facility H cleans the guest room RA (RB), and with the operation screen image for inputting a questionnaire regarding the cleaning load displayed on the
図15に戻って、端末装置2は、清掃作業者がアンケートに入力する操作を行うと、アンケートへの入力操作の内容を示す操作情報を受け付ける(ステップS3)。次に、端末装置2は、受け付けた操作内容を示す操作情報に対応する清掃負荷の実績を示す負荷実績情報を生成して負荷実績記憶部232に記憶させる(ステップS4)。続いて、端末装置2は、清掃作業者のアンケートへの入力操作を行った後のアンケート結果を送信するための操作を受け付けると、負荷実績記憶部232が記憶する負荷実績情報が、端末装置2から清掃負荷管理装置1へ送信される(ステップS5)。一方、清掃負荷管理装置1は、負荷実績情報を受信すると、受信した負荷実績情報を清掃負荷記憶部132に記憶させる(ステップS6)。以後、清掃作業者によるアンケートへの入力操作が行われる毎に、前述のステップS3からS6までの一連の処理が繰り返し実行される。
Returning to FIG. 15, when the cleaning worker performs an input operation to the questionnaire, the
その後、予め設定された清掃負荷管理装置1が用いるニューラルネットワークの重み係数を更新する係数更新時期が到来したとする。この場合、操作機器4に対して教師情報として動作履歴情報および環境実績情報の送信を要求する教師情報要求情報が、清掃負荷管理装置1から操作機器4へ送信される(ステップS7)。一方、操作機器4が清掃負荷管理装置1から教師情報要求情報を受信すると、これに応じて、動作履歴情報と環境実績情報とが、操作機器4から清掃負荷管理装置1へ送信される(ステップS8)。ここで、動作履歴情報は、操作機器4により操作される空気調和機5、照明器具6および浴室換気扇7それぞれの動作履歴情報であり、環境実績情報は、操作機器4により操作される空気調和機5等が設置された客室RA(RB)の温度、湿度等の実績値を示す環境実績情報である。
After that, it is assumed that the time has come to update the preset weighting coefficients of the neural network used by the cleaning
次に、顧客サーバ10に対して教師情報として客室情報の送信を要求する教師情報要求情報が、清掃負荷管理装置1から顧客サーバ10へ送信される(ステップS9)。一方、顧客サーバ10は、清掃負荷管理装置1から教師情報要求情報を受信すると、受信した教師情報要求情報に対応する客室情報を特定する(ステップS10)。続いて、特定された客室情報が、顧客サーバ10から清掃負荷管理装置1へ送信される(ステップS11)。一方、清掃負荷管理装置1は、受信した動作履歴情報、環境実績情報および客室情報と、清掃負荷記憶部132が記憶する負荷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決定する係数決定処理を実行する(ステップS12)。清掃負荷管理装置1は、係数決定処理を実行することにより決定された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ニューラルネットワーク記憶部134に記憶させる。以後、係数更新時期が到来する毎に、前述のステップS7からS12までの一連の処理が繰り返し実行される。
Next, teacher information request information requesting the
その後、図17に示すように、宿泊施設Hの清掃作業者が、端末装置2に対して清掃作業者の1日の清掃スケジュールを更新するための操作を行ったとする。この場合、端末装置2は、清掃作業者が清掃スケジュールを更新するための操作の内容を示す操作情報を受け付ける(ステップS13)。次に、清掃負荷管理装置1に対してスケジュール情報の送信を要求するスケジュール要求情報が、端末装置2から清掃負荷管理装置1へ送信される(ステップS14)。一方、清掃負荷管理装置1がスケジュール要求情報を受信すると、前述の動作履歴要求情報と環境実績要求情報とが、清掃負荷管理装置1から操作機器4へ送信される(ステップS15)。一方、操作機器4が動作履歴要求情報と環境実績要求情報とを受信すると、これに応じて、清掃負荷予測対象期間における動作履歴情報と環境実績情報とが、操作機器4から清掃負荷管理装置1へ送信される(ステップS16)。続いて、前述の客室情報要求情報が、清掃負荷管理装置1から顧客サーバ10へ送信される(ステップS17)。一方、顧客サーバ10は、清掃負荷管理装置1から客室情報要求情報を受信すると、受信した客室情報要求情報に対応する客室情報を特定する(ステップS18)。続いて、特定された客室情報が、顧客サーバ10から清掃負荷管理装置1へ送信される(ステップS19)。一方、清掃負荷管理装置1は、受信した動作履歴情報、環境実績情報および客室情報に基づいて、ニューラルネットワークを用いて、予測清掃負荷を算出する(ステップS20)。清掃負荷管理装置1は、算出した予測清掃負荷を示す予測負荷情報を予測負荷記憶部135に記憶させる。
After that, as shown in FIG. 17, it is assumed that the cleaning worker of the accommodation facility H performs an operation on the
その後、清掃負荷管理装置1は、予測負荷記憶部135が記憶する予測負荷情報と、作業者情報記憶部137が記憶する作業者情報と、に基づいて、清掃作業者の清掃スケジュールを示すスケジュール情報を生成する(ステップS21)。ここで、清掃負荷管理装置1は、生成したスケジュール情報をスケジュール記憶部136に記憶させる。次に、生成されたスケジュール情報が、清掃負荷管理装置1から端末装置2へ送信される(ステップS22)。一方、端末装置2は、スケジュール情報を受信すると、受信したスケジュール情報が示す清掃スケジュールを清掃作業者に通知するための操作画面画像を表示部204に表示させる(ステップS23)。
Thereafter, the cleaning
ここで、端末装置2は、例えば図18(A)または(B)に示すような清掃スケジュールを清掃作業者に通知するための操作画面画像GA2、GA3を表示部204に表示させる。図18(A)に示すように、清掃作業者が所持する端末装置2の表示部204に表示される○月○日の清掃スケジュールを通知する操作画面画像GA2が、9:00から9:30まで客室(部屋)XXXXを清掃し、9:30から9:45まで客室(部屋)YYYYを清掃し、9:45から10:30まで客室(部屋)ZZZZを清掃するように設定されている。ここで、各部屋の清掃時間は、各部屋を元の状態に戻すために必要な清掃時間に相当し、ニューラルネットワーク計算部114により求められた清掃負荷が反映されたものとなっている。このように、端末装置2の表示部204には、各部屋の清掃時間がその汚れの程度に応じた最適な時間に設定された清掃スケジュールが表示されるので、清掃作業者の作業効率が向上し清掃作業の無駄が低減される。また、図18(B)に示すように、清掃作業者が所持する端末装置2の表示部204に表示される□月□日の清掃スケジュールを通知する操作画面画像GA3が、9:00から9:45まで客室(部屋)XXXXを清掃し、9:450から10:15まで客室(部屋)YYYYを清掃し、10:15から10:30まで客室(部屋)ZZZZを清掃するように設定されている。図18(B)に示す各部屋の清掃時間は、図18(A)に示す各部屋の清掃時間と異なっている。これは、各部屋に滞在した利用者の空気調和機5、照明器具6および浴室換気扇7の使い方により各部屋の汚れ度合いが異なることを反映している。
Here, the
次に、本実施の形態に係る操作機器4が実行する動作履歴情報・環境実績情報管理処理について図19を参照しながら説明する。この機器状態情報送信処理は、例えば操作機器4へ電源が投入されたことを契機として開始される。また、操作機器4では、動作履歴情報・環境実績情報管理処理と並行して、制御情報生成部412が、受付部411が受け付けた操作情報に応じて制御情報を生成し、制御情報送信部414が、生成された制御情報を空気調和機5、照明器具6または浴室換気扇7へ送信することにより空気調和機5、照明器具6または浴室換気扇7の動作を制御する処理も実行されている。
Next, the operation history information/environmental performance information management process executed by the operating
まず、計時部419は、予め設定された実績取得時期が到来したか否かを判定する(ステップS401)。計時部419により実績取得時期が未だ到来していないと判定されると(ステップS401:No)、後述のステップS405の処理が実行される。一方、計時部419が実績取得時期が到来したと判定すると(ステップS401:Yes)、動作履歴取得部415は、制御情報記憶部431から、制御情報を、その制御情報が送信された日時を示す日時情報とともに取得する。そして、動作履歴取得部415は、取得した制御情報と日時情報との組み合わせを動作履歴情報として動作履歴記憶部432に記憶させる(ステップS402)。次に、環境情報取得部417は、前述の環境要求情報を空気調和機5へ送信する(ステップS403)。これにより、環境情報取得部417は、空気調和機5から環境情報を取得し、取得した環境情報と、その環境情報を取得した日時を示す日時情報と、の組み合わせを環境実績情報として環境実績記憶部434に記憶させる(ステップS404)。
First, the timer 419 determines whether a preset performance acquisition time has arrived (step S401). When the timer 419 determines that the performance acquisition time has not yet arrived (step S401: No), the process of step S405, which will be described later, is executed. On the other hand, when the timer 419 determines that the time to acquire the performance has arrived (step S401: Yes), the operation
続いて、動作履歴送信部416と環境実績送信部418とは、清掃負荷管理装置1から前述の教師情報要求情報を受信したか否かを判定する(ステップS405)。動作履歴送信部416と環境実績送信部418とが、教師情報要求情報を受信していないと判定すると(ステップS405:No)、後述のステップS408の処理が実行される。一方、動作履歴送信部416と環境実績送信部418とが、教師情報要求情報を受信したと判定したとする(ステップS405:Yes)。この場合、動作履歴送信部416は、動作履歴記憶部432が記憶する前述の教師情報対象期間内の動作履歴情報を清掃負荷管理装置1へ送信し(ステップS406)、環境実績送信部418は、環境実績記憶部434が記憶する前述の教師情報対象期間内の環境実績情報を清掃負荷管理装置1へ送信する(ステップS407)。
Subsequently, the operation
その後、動作履歴送信部416は、清掃負荷管理装置1から前述の動作履歴要求情報を受信したか否かを判定する(ステップS408)。動作履歴送信部416が、動作履歴要求情報を受信していないと判定すると(ステップS408:No)、後述のステップS410の処理が実行される。一方、動作履歴送信部416は、動作履歴要求情報を受信したと判定すると(ステップS408:Yes)、動作履歴記憶部432が記憶する前述の清掃負荷予測対象期間内の動作履歴情報を清掃負荷管理装置1へ送信する(ステップS409)。次に、環境実績送信部418は、清掃負荷管理装置1から前述の環境実績要求情報を受信したか否かを判定する(ステップS410)。環境実績送信部418が、環境実績要求情報を受信していないと判定すると(ステップS410:No)、再びステップS401の処理が実行される。一方、環境実績送信部418は、環境実績要求情報を受信したと判定すると(ステップS410:Yes)、環境実績記憶部434が記憶する前述の清掃負荷予測対象期間内の環境実績情報を清掃負荷管理装置1へ送信する(ステップS411)。続いて、再びステップS401の処理が実行される。
After that, the operation
次に、本実施の形態に係る端末装置2が実行する端末制御処理について図20を参照しながら説明する。この端末制御処理は、例えば端末装置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、受付部211は、清掃作業者が入力部205に対して前述の清掃時間および清掃負荷に関するアンケートに入力する操作を行うことにより、アンケート入力操作に対応する操作情報を受け付けたか否かを判定する(ステップS201)。このとき、表示制御部212は、画像記憶部233から例えば前述の図16に示す操作画面画像GA1を示す画像情報を取得し、取得した画像情報が示す操作画面画像GA1を表示部204に表示させる。ここで、受付部211が、アンケート入力操作に対応する操作情報を受け付けていないと判定すると(ステップS201:No)、後述のステップS203の処理が実行される。一方、受付部211が、アンケート入力操作に対応する操作情報を受け付けたと判定すると(ステップS201:Yes)、負荷実績取得部213は、受け付けたアンケート入力操作に対応する操作情報に基づいて、負荷実績情報を生成して負荷実績記憶部232に記憶させる(ステップS202)。
Next, the terminal control process executed by the
次に、受付部211は、清掃作業者が入力部205に対してアンケートの回答を清掃負荷管理装置1へ送信するための操作を行うことにより、アンケート送信操作に対応する操作情報を受け付けたか否かを判定する(ステップS203)。ここで、受付部211が、アンケート送信操作に対応する操作情報を受け付けていないと判定すると(ステップS203:No)、後述のステップS205の処理が実行される。一方、受付部211が、アンケート送信操作に対応する操作情報を受け付けたと判定すると(ステップS203:Yes)、負荷実績送信部214は、負荷実績記憶部232が記憶する負荷実績情報を清掃負荷管理装置1へ送信する(ステップS204)。
Next, when the cleaning worker performs an operation on the
続いて、受付部211は、清掃作業者が入力部205に対してスケジュール記憶部231が記憶する清掃スケジュールを更新するための操作を行うことにより、スケジュール更新操作に対応する操作情報を受け付けたか否かを判定する(ステップS205)。ここで、受付部211が、スケジュール更新操作に対応する操作情報を受け付けていないと判定すると(ステップS205:No)、再びステップS201の処理が実行される。一方、受付部211が、スケジュール更新操作に対応する操作情報を受け付けたと判定したとする(ステップS205:Yes)。この場合、スケジュール取得部215は、清掃負荷管理装置1に対してスケジュール情報の送信を要求するスケジュール要求情報を送信することにより(ステップS206)、清掃負荷管理装置1からスケジュール情報を取得する(ステップS207)。このとき、スケジュール取得部215は、取得したスケジュール情報をスケジュール記憶部231に記憶させる。その後、表示制御部212は、スケジュール記憶部231が記憶するスケジュール情報に基づいて、例えば図18(A)および(B)に示すような清掃作業者に清掃スケジュールを通知するための操作画面画像を表示部204に表示させる(ステップS208)。そして、再びステップS201の処理が実行される。
Subsequently, when the cleaning worker performs an operation on the
次に、本実施の形態に係る清掃負荷管理装置1が実行する清掃負荷管理処理について図21および図22を参照しながら説明する。この清掃負荷管理処理は、例えば清掃負荷管理装置1へ電源が投入されたことを契機として開始される。まず、清掃負荷取得部112は、端末装置2から負荷実績情報を受信したか否かを判定する(ステップS101)。清掃負荷取得部112が負荷実績情報を受信していないと判定すると(ステップS101:No)、後述するステップS103の処理が実行される。一方、清掃負荷取得部112は、負荷実績情報を受信したと判定すると(ステップS101:Yes)、受信した負荷実績情報を清掃負荷記憶部132に記憶させる(ステップS102)。
Next, the cleaning load management process executed by the cleaning
次に、計時部120は、予め設定された係数更新時期が到来したか否かを判定する(ステップS103)。計時部120が、係数更新時期が未だ到来していないと判定すると(ステップS103:No)、後述するステップS109の処理が実行される。一方、計時部120が、係数更新時期が到来したと判定すると(ステップS103:Yes)、動作履歴取得部111と環境実績取得部119とは、それぞれ、前述の教師情報要求情報を操作機器4へ送信する(ステップS104)。これにより、動作履歴取得部111が、操作機器4から前述の教師情報対象期間内における動作履歴情報を取得し、環境実績取得部119が、操作機器4から教師情報対象期間内における環境実績情報を取得する(ステップS105)。ここで、動作履歴取得部111が、取得した動作履歴情報を動作履歴記憶部131に記憶させ、環境実績取得部119が、取得した環境実績情報を環境実績記憶部138に記憶させる。続いて、客室情報取得部113は、顧客サーバ10へ教師情報要求情報を送信することにより(ステップS106)、顧客サーバ10から教師情報対象期間内における客室情報を取得する(ステップS107)。ここで、客室情報取得部113は、取得した客室情報を客室情報記憶部133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S108)。
Next, the
ここで、係数決定処理の詳細について、図22を参照しながら詳細に説明する。まず、ニューラルネットワーク計算部114は、動作履歴記憶部131から動作履歴情報を取得し、環境実績記憶部138から環境実績情報を取得し、客室情報記憶部から客室情報を取得する。また、ニューラルネットワーク計算部114は、清掃負荷記憶部132から負荷実績情報を取得する(ステップS301)。ここで、動作履歴情報、環境実績情報、客室情報および負荷実績情報は、いずれも前述の教師情報対象期間における情報である。次に、係数設定部116が、ニューラルネットワーク記憶部134から初期重み係数を示す初期重み係数情報または直近に用いられた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(ステップS302)。続いて、ニューラルネットワーク計算部114は、係数設定部116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、取得した動作履歴情報、環境実績情報および客室情報から、予測清掃負荷を算出する(ステップS303)。その後、係数決定部115は、算出された予測清掃負荷と、負荷実績情報が示す清掃負荷と、の誤差を算出する(ステップS304)。次に、係数決定部115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重み係数を新たに決定する(ステップS305)。そして、係数決定部115は、決定した重み係数をニューラルネットワーク記憶部134に記憶させる(ステップS306)。
Here, details of the coefficient determination process will be explained in detail with reference to FIG. 22. First, the neural
図21に戻って、次に、スケジュール生成部117は、端末装置2からスケジュール更新要求情報を受信したか否かを判定する(ステップS109)。スケジュール生成部117が、端末装置2からスケジュール更新要求情報を受信していないと判定すると(ステップS109:No)、再びステップS101の処理が実行される。一方、スケジュール生成部117が、端末装置2からスケジュール更新要求情報を受信したと判定したとする(ステップS109:Yes)。この場合、動作履歴取得部111は、前述の動作履歴要求情報を操作機器4へ送信し、環境実績取得部119は、前述の環境実績要求情報を操作機器4へ送信する(ステップS110)。これにより、動作履歴取得部111が、操作機器4から前述の清掃負荷予測対象期間内における動作履歴情報を取得し、環境実績取得部119が、操作機器4から清掃負荷予測対象期間内における環境実績情報を取得する(ステップS111)。ここで、動作履歴取得部111が、取得した動作履歴情報を動作履歴記憶部131に記憶させ、環境実績取得部119が、取得した環境実績情報を環境実績記憶部138に記憶させる。続いて、客室情報取得部113は、顧客サーバ10へ客室情報要求情報を送信することにより(ステップS112)、顧客サーバ10から清掃負荷予測対象期間内における客室情報を取得する(ステップS113)。ここで、客室情報取得部113は、取得した客室情報を客室情報記憶部133に記憶させる。
Returning to FIG. 21, next, the
その後、ニューラルネットワーク計算部114は、係数設定部116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、取得した動作履歴情報、環境実績情報および客室情報から、予測清掃負荷を算出する(ステップS114)。ここで、ニューラルネットワーク計算部114は、算出した予測清掃負荷を示す清掃負荷情報を予測負荷記憶部135に記憶させる。
Thereafter, the neural
次に、スケジュール生成部117は、予測負荷記憶部135が記憶するニューラルネットワーク計算部114により求められた清掃負荷と、作業者情報記憶部137が記憶する作業者情報とに基づいて、清掃作業者の清掃スケジュールを示すスケジュール情報を生成する(ステップS115)。ここで、スケジュール生成部117は、生成したスケジュール情報をスケジュール記憶部136に記憶させる。続いて、スケジュール送信部118は、スケジュール記憶部136が記憶するスケジュール情報を端末装置2へ送信する(ステップS116)。その後、再びステップS101の処理が実行される。
Next, the
以上説明したように、本実施の形態に係る清掃負荷管理装置1によれば、ニューラルネットワーク計算部114が、係数決定部115により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、清掃負荷予測対象期間における動作履歴情報、環境実績情報および客室情報から、客室RA(RB)について清掃を行うときの清掃負荷を求める。これにより、利用者の客室RA(RB)の利用状況、利用者が客室RA(RB)に滞在した後の部屋の汚れ具合に応じた清掃負荷を見積もることができるので、客室RA(RB)を清掃して元の状態に戻すために必要な最適な清掃作業時間を算出して清掃作業者の清掃スケジュールに反映することができる。従って、清掃スケジュールにおける無駄な時間を削減でき、清掃作業の効率を向上させることができる。
As explained above, according to the cleaning
また、本実施の形態に係る客室情報取得部113は、客室RA、RBの広さと、客室RA、RBに滞在した利用者の種類、即ち、大人か子供かの種別と、客室RA、RBに滞在した利用者の人数と、を含む客室情報を取得する。これにより、ニューラルネットワーク計算部114が、客室RA、RBの広さ、客室RA、RBに滞在した利用者の種類および客室RA、RBに滞在した利用者の人数に基づいて、清掃負荷を算出することができる。従って、算出される清掃負荷の精度が高まるので、その分、適切な清掃スケジュールを作成することが可能となる。
In addition, the guest room
更に、本実施の形態に係るスケジュール生成部117は、利用者が客室RA、RBに滞在中か否かを示す利用状況情報に基づいて、スケジュール情報を生成する。これにより、利用者が滞在中であり客室RA、RBの清掃が不可能な時間帯を考慮して清掃スケジュールが作成されるので、清掃スケジュールにおける無駄な時間帯が削減される。
Further, the
(実施の形態2)
本実施の形態に係る清掃負荷管理システムでは、複数の宿泊施設それぞれに設置された清掃負荷管理装置と、複数の清掃負荷管理装置と広域ネットワークを介して通信可能なクラウドサーバと、を備える。そして、クラウドサーバにおいて、各清掃負荷管理装置で用いられる部屋の清掃を行うときの清掃負荷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決定する。
(Embodiment 2)
The cleaning load management system according to this embodiment includes a cleaning load management device installed in each of a plurality of accommodation facilities, and a cloud server that can communicate with the plurality of cleaning load management devices via a wide area network. Then, in the cloud server, the neural network coefficients of the neural network used in each cleaning load management device for determining the cleaning load when cleaning a room are determined.
本実施の形態に係る清掃負荷管理システムは、例えば図23に示すように、複数の宿泊施設H1、H2、H3、・・・それぞれに設置された清掃負荷管理装置2001と、端末装置2と、操作機器4と、を備える。また、清掃負荷管理システムは、清掃負荷管理装置1と広域ネットワークNW1を介して通信可能なクラウドサーバ2100と顧客サーバ10とを備える。なお、図23において実施の形態1と同様の構成については、図1と同一の符号を付している。
For example, as shown in FIG. 23, the cleaning load management system according to the present embodiment includes a cleaning
清掃負荷管理装置2001は、実施の形態1で説明した清掃負荷管理装置1と同様のハードウェア構成を有し、図6に示すように、CPU101と、主記憶部102と、補助記憶部103と、局所通信インタフェース104と、これらを互いに接続するバス109と、を備える。そして、CPU101が、補助記憶部103が記憶するプログラムを主記憶部102に読み出して実行することにより、図24に示すように、動作履歴取得部111、客室情報取得部113、環境実績取得部119、ニューラルネットワーク計算部114、教師情報送信部2122、係数取得部2121、係数設定部116、スケジュール生成部117、スケジュール送信部118および計時部2120として機能する。なお、図24において、実施の形態1と同様の構成については図7と同一の符号を付している。また、図6に示す補助記憶部103は、図24に示すように、動作履歴記憶部131と、客室情報記憶部133と、環境実績記憶部138と、ニューラルネットワーク記憶部134と、予測負荷記憶部135と、スケジュール記憶部136と、作業者情報記憶部137と、を有する。
The cleaning
教師情報送信部2122は、動作履歴記憶部131から教師情報対象期間内における動作履歴情報を取得し、環境実績記憶部138から教師情報対象期間内における環境実績情報を取得する。そして、教師情報送信部2122は、取得した動作履歴情報と環境実績情報とを、清掃負荷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ための教師情報としてクラウドサーバ2100へ送信する。
The teacher
係数取得部2121は、クラウドサーバ2100において決定された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2100から取得する。そして、係数取得部2121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134に記憶させる。
The
計時部2120は、ソフトウェアタイマ(図示せず)から出力される時刻情報に基づいて、ニューラルネットワーク記憶部134が記憶するニューラルネットワークの重み係数を更新する係数更新時期が到来したか否かを判定する。計時部2120は、係数更新時期が到来すると、係数更新時期到来通知情報を動作履歴取得部111、環境実績取得部119、客室情報取得部113および教師情報送信部2122へ出力する。
The
クラウドサーバ2100は、例えば図25に示すように、CPU1001と、主記憶部1002と、補助記憶部1003と、広域通信インタフェース1004と、これらを互いに接続するバス1009と、を備える。CPU1001は、例えばマルチコアプロセッサである。主記憶部1002は、CPU101の作業領域として使用され、補助記憶部1003は、CPU1001が各種処理を実行するためのプログラムを記憶する。広域通信インタフェース1004は、広域ネットワークNW1に接続され、広域ネットワークNW1を介して複数の宿泊施設H1、H2、H3、・・・それぞれに設置されている清掃負荷管理装置2001と通信可能となっている。
For example, as shown in FIG. 25, the
CPU1001は、補助記憶部1003が記憶するプログラムを主記憶部1002に読み出して実行することにより、図26に示すように、教師情報取得部2111、清掃負荷取得部2118、客室情報取得部2112、ニューラルネットワーク計算部2113、係数決定部2115、係数設定部2114、係数情報生成部2116および係数情報送信部2117として機能する。また、図25に示す補助記憶部1003は、図26に示すように、教師情報記憶部2131と、清掃負荷記憶部2134と、客室情報記憶部2132と、ニューラルネットワーク記憶部2133と、を有する。教師情報記憶部2131は、宿泊施設H1、H2、H3、・・・それぞれに設置されている空気調和機5、照明器具6および浴室換気扇7それぞれの動作状態を示す情報を、日時情報、宿泊施設H1、H2、H3、・・・を識別する宿泊施設識別情報および部屋識別情報に対応づけて記憶している。
By reading the program stored in the
また、教師情報記憶部2131は、宿泊施設H1、H2、H3、・・・それぞれの各部屋(例えば客室RA、RB)における過去の温度、湿度等の環境パラメータの実績値を示す環境実績情報を、日時情報と部屋識別情報と宿泊施設識別情報とに対応づけて記憶している。清掃負荷記憶部2134は、清掃作業時間の長さの指標を表す作業時間指標情報と、清掃作業の負荷の指標を表す作業負荷指標情報とを含む負荷実績情報を、部屋識別情報と清掃作業を実施した日を示す作業日情報と宿泊施設識別情報とに対応づけて記憶している。
In addition, the teacher
客室情報記憶部2132は、宿泊施設識別情報と、宿泊施設H内の複数の部屋それぞれのタイプを示す部屋タイプ情報と、部屋の広さを示す部屋面積情報と、部屋に滞在する利用者の種類と部屋に滞在した利用者の人数とを示す宿泊人数情報と、を含む客室情報を記憶している。
The guest room
ニューラルネットワーク記憶部2133は、各宿泊施設H1、H2、H3、・・・それぞれに設置された清掃負荷管理装置2001で用いられるニューラルネットワークと同じニューラルネットワークに関する情報を記憶する。具体的には、ニューラルネットワーク記憶部2133は、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記憶する。
The neural
教師情報取得部2111は、各宿泊施設H1、H2、H3、・・・それぞれに設置された清掃負荷管理装置2001から、動作履歴情報および環境実績情報を含む教師情報を取得する。ここで、動作履歴情報は、宿泊施設H1、H2、H3、・・・の各客室RA、RBに設置された空気調和機5、照明器具6および浴室換気扇7それぞれの動作履歴を示す情報である。また、環境実績情報は、宿泊施設H1、H2、H3、・・・の各客室RA、RBの環境の実績を示す情報である。客室情報取得部2112は、教師情報要求情報を顧客サーバ10へ送信することにより、顧客サーバ10から客室情報を取得する。客室情報取得部2112は、取得した客室情報を客室情報記憶部2132に記憶させる。清掃負荷取得部2118は、端末装置2から、宿泊施設Hの客室RA、RBの清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する。清掃負荷取得部2118は、取得した負荷実績情報を清掃負荷記憶部2134に記憶させる。
The teacher
係数決定部2115は、動作履歴情報と環境実績情報と客室情報と負荷実績情報とに基づいて、前述の清掃負荷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。まず、係数設定部2114が、ニューラルネットワーク記憶部2133から初期重み係数情報を取得し、取得した初期重み係数情報が示す初期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、係数決定部2115は、ニューラルネットワーク計算部2113がニューラルネットワークを用いて算出した清掃負荷を取得する。ここで、ニューラルネットワーク計算部2113は、教師情報である動作履歴情報、環境実績情報および客室情報に基づいて、ニューラルネットワークを用いて清掃負荷を算出する。続いて、係数決定部2115は、清掃負荷記憶部2134が記憶する教師情報である負荷実績情報を取得し、取得した負荷実績情報が示す清掃負荷とニューラルネットワークを用いて算出された清掃負荷との誤差を算出する。そして、係数決定部2115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。また、係数決定部2115は、決定した重み係数を示す重み係数情報をニューラルネットワーク記憶部2133に記憶させる。
The
係数情報生成部2116は、係数決定部2115が決定した重み係数を示す重み係数情報をニューラルネットワーク記憶部2133から取得し、取得した重み係数情報を含む係数情報を生成する。係数情報送信部2117は、係数情報生成部2116が生成した係数情報を、清掃負荷管理装置2001へ送信する。
The coefficient
次に、本実施の形態に係る清掃負荷管理システムの動作について図27から図29を参照しながら説明する。まず、図27に示すように、操作機器4は、予め設定された実績情報取得時期が到来すると、ステップS21およびS22の処理を実行する。このステップS21およびS22の処理は、実施の形態1で説明したステップS1およびS2の処理と同様である。以後、操作機器4は、実績情報取得時期が到来する毎にステップS21およびS22の処理を繰り返し実行する。また、宿泊施設Hの清掃作業者が、客室RA(RB)を清掃した後、端末装置2の表示部204に清掃負荷に関するアンケートを入力するための操作画面画像が表示された状態で、端末装置2の入力部205を介してアンケートに入力する操作を行ったとする。この場合、端末装置2は、アンケートへの入力操作の内容を示す操作情報を受け付ける(ステップS23)。次に、端末装置2は、受け付けた操作内容を示す操作情報に対応する清掃負荷の実績を示す負荷実績情報を生成して負荷実績記憶部232に記憶させる(ステップS24)。続いて、端末装置2は、清掃作業者のアンケートへの入力操作を行った後のアンケート結果を送信するための操作を受け付けると、負荷実績記憶部232が記憶する負荷実績情報が、端末装置2からクラウドサーバ2100へ送信される(ステップS25)。一方、クラウドサーバ2100は、負荷実績情報を受信すると、受信した負荷実績情報を教師情報記憶部2131に記憶させる(ステップS26)。以後、清掃作業者によるアンケートへの入力操作が行われる毎に、前述のステップS23からS26までの一連の処理が繰り返し実行される。
Next, the operation of the cleaning load management system according to this embodiment will be described with reference to FIGS. 27 to 29. First, as shown in FIG. 27, when the preset performance information acquisition time arrives, the operating
その後、予め設定された清掃負荷管理装置1が用いるニューラルネットワークの重み係数を更新する係数更新時期が到来したとする。この場合、操作機器4に対して教師情報として動作履歴情報および環境実績情報の送信を要求する教師情報要求情報が、清掃負荷管理装置2001から操作機器4へ送信される(ステップS27)。一方、操作機器4が教師情報要求情報を受信すると、これに応じて、動作履歴情報と環境実績情報とが、操作機器4から清掃負荷管理装置2001へ送信される(ステップS28)。ここで、動作履歴情報および環境実績情報は、実施の形態1で説明した動作履歴情報および環境実績情報と同様である。
After that, it is assumed that the time has come to update the preset weighting coefficients of the neural network used by the cleaning
次に、図28に示すように、清掃負荷管理装置2001が操作機器4から取得した動作履歴情報および環境実績情報を含む教師情報が、清掃負荷管理装置2001からクラウドサーバ2100へ送信される(ステップS29)。ここで、クラウドサーバ2100は、教師情報を受信すると、受信した教師情報に含まれる動作履歴情報と環境実績情報とを教師情報記憶部2131に記憶させる。続いて、顧客サーバ10に対して教師情報として客室情報の送信を要求する教師情報要求情報が、クラウドサーバ2100から顧客サーバ10へ送信される(ステップS30)。一方、顧客サーバ10は、クラウドサーバ2100から教師情報要求情報を受信すると、受信した教師情報要求情報に対応する客室情報を特定する(ステップS31)。続いて、特定された客室情報が、顧客サーバ10からクラウドサーバ2100へ送信される(ステップS32)。一方、クラウドサーバ2100は、受信した客室情報と、教師情報記憶部2131が記憶する動作履歴情報、環境実績情報および負荷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決定する係数決定処理を実行する(ステップS33)。クラウドサーバ2100は、係数決定処理を実行することにより決定された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ニューラルネットワーク記憶部2133に記憶させる。その後、ニューラルネットワーク記憶部2133が記憶する重み係数情報を含む係数情報が、クラウドサーバ2100から清掃負荷管理装置2001へ送信される(ステップS34)。一方、清掃負荷管理装置2001は、係数情報を受信すると、受信した係数情報に含まれる重み係数をニューラルネットワーク記憶部134に記憶させることにより、重み係数情報を更新する(ステップS35)。以後、係数更新時期が到来する毎に、前述のステップS27からS35までの一連の処理が繰り返し実行される。
Next, as shown in FIG. 28, teacher information including operation history information and environmental performance information acquired by the cleaning
次に、宿泊施設Hの清掃作業者が、端末装置2に対して清掃作業者の1日の清掃スケジュールを更新するための操作を行ったとする。この場合、端末装置2は、清掃作業者が清掃スケジュールを更新するための操作の内容を示す操作情報を受け付ける(ステップS36)。続いて、スケジュール要求情報が、端末装置2から清掃負荷管理装置2001へ送信される(ステップS37)。一方、清掃負荷管理装置2001がスケジュール要求情報を受信すると、前述の動作履歴要求情報と環境実績要求情報とが、清掃負荷管理装置2001から操作機器4へ送信される(ステップS38)。一方、操作機器4が動作履歴要求情報と環境実績要求情報とを受信すると、これに応じて、清掃負荷予測対象期間における動作履歴情報と環境実績情報とが、操作機器4から清掃負荷管理装置1へ送信される(ステップS39)。その後、図29に示すように、前述の客室情報要求情報が、清掃負荷管理装置2001から顧客サーバ10へ送信される(ステップS40)。
Next, assume that the cleaning worker of the accommodation facility H performs an operation on the
一方、顧客サーバ10は、清掃負荷管理装置2001から客室情報要求情報を受信すると、受信した客室情報要求情報に対応する客室情報を特定する(ステップS41)。次に、特定された客室情報が、顧客サーバ10から清掃負荷管理装置2001へ送信される(ステップS42)。一方、清掃負荷管理装置2001は、受信した動作履歴情報、環境実績情報および客室情報に基づいて、ニューラルネットワークを用いて、予測清掃負荷を算出する(ステップS43)。その後、清掃負荷管理装置2001は、予測負荷記憶部135が記憶する予測負荷情報と、作業者情報記憶部137が記憶する作業者情報と、に基づいて、清掃作業者の清掃スケジュールを示すスケジュール情報を生成する(ステップS44)。次に、生成されたスケジュール情報が、清掃負荷管理装置2001から端末装置2へ送信される(ステップS45)。一方、端末装置2は、スケジュール情報を受信すると、受信したスケジュール情報が示す清掃スケジュールを清掃作業者に通知するための操作画面画像を表示部204に表示させる(ステップS46)。
On the other hand, upon receiving the guest room information request information from the cleaning
次に、本実施の形態に係る清掃負荷管理装置2001が実行する清掃負荷管理処理について図30を参照しながら説明する。まず、計時部2120は、予め設定された係数更新時期が到来したか否かを判定する(ステップS2101)。計時部2120が、係数更新時期が未だ到来していないと判定すると(ステップS2101:No)、後述するステップS2106の処理が実行される。一方、計時部2120が、係数更新時期が到来したと判定すると(ステップS2101:Yes)、動作履歴取得部111と環境実績取得部119とは、それぞれ、前述の教師情報要求情報を操作機器4へ送信する(ステップS2102)。これにより、動作履歴取得部111が、操作機器4から前述の教師情報対象期間内における動作履歴情報を取得し、環境実績取得部119が、操作機器4から教師情報対象期間内における環境実績情報を取得する(ステップS2103)。次に、教師情報送信部2122は、動作履歴取得部111、環境実績取得部119が取得した動作履歴情報、環境実績情報を含む教師情報をクラウドサーバ2100へ送信する(ステップS2104)。続いて、係数取得部2121は、クラウドサーバ2100から係数情報を取得し、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134に記憶させる(ステップS2105)。
Next, the cleaning load management process executed by the cleaning
その後、スケジュール生成部117は、端末装置2からスケジュール更新要求情報を受信したか否かを判定する(ステップS2106)。スケジュール生成部117が、端末装置2からスケジュール更新要求情報を受信していないと判定すると(ステップS2106:No)、再びステップS2101の処理が実行される。一方、スケジュール生成部117が、端末装置2からスケジュール更新要求情報を受信したと判定したとする(ステップS2106:Yes)。この場合、動作履歴取得部111は、前述の動作履歴要求情報を操作機器4へ送信し、環境実績取得部119は、前述の環境実績要求情報を操作機器4へ送信する(ステップS2107)。これにより、動作履歴取得部111が、操作機器4から前述の清掃負荷予測対象期間内における動作履歴情報を取得し、環境実績取得部119が、操作機器4から清掃負荷予測対象期間内における環境実績情報を取得する(ステップS2108)。続いて、客室情報取得部113は、顧客サーバ10へ客室情報要求情報を送信することにより(ステップS2109)、顧客サーバ10から清掃負荷予測対象期間内における客室情報を取得する(ステップS2110)。
Thereafter, the
次に、ニューラルネットワーク計算部114は、係数設定部116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、取得した動作履歴情報、環境実績情報および客室情報から、予測清掃負荷を算出する(ステップS2111)。続いて、スケジュール生成部117は、ニューラルネットワーク計算部114により求められた清掃負荷と、作業者情報記憶部137が記憶する作業者情報とに基づいて、清掃作業者の清掃スケジュールを示すスケジュール情報を生成する(ステップS2112)。その後、スケジュール送信部118は、生成されたスケジュール情報を端末装置2へ送信する(ステップS2113)。その後、再びステップS2101の処理が実行される。
Next, the neural
次に、本実施の形態に係るクラウドサーバ2100が実行する係数情報生成処理について図31を参照しながら説明する。まず、清掃負荷取得部2118は、端末装置2から負荷実績情報を受信したか否かを判定する(ステップS21001)。清掃負荷取得部112が負荷実績情報を受信していないと判定すると(ステップS21001:No)、後述するステップS21003の処理が実行される。一方、清掃負荷取得部112は、負荷実績情報を受信したと判定すると(ステップS21001:Yes)、受信した負荷実績情報を清掃負荷記憶部132に記憶させる(ステップS21002)。
Next, the coefficient information generation process executed by
次に、教師情報取得部2111は、清掃負荷管理装置2001から教師情報を受信したか否かを判定する(ステップS21003)。教師情報取得部2111が、教師情報を受信していないと判定すると(ステップS21003:No)、再びステップS21001の処理が実行される。一方、教師情報取得部2111は、教師情報を受信したと判定すると(ステップS21003:Yes)、受信した教師情報に含まれる教師情報対象期間内における動作履歴情報と環境実績情報とを教師情報記憶部2131に記憶させる。続いて、客室情報取得部2112は、顧客サーバ10へ教師情報要求情報を送信することにより(ステップS21004)、顧客サーバ10から教師情報対象期間内における客室情報を取得する(ステップS21005)。ここで、客室情報取得部2112は、取得した客室情報を客室情報記憶部2132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S21006)。この係数決定処理は、実施の形態1において図22を用いて説明した係数決定処理と同様である。ここで、係数決定部2115は、決定した重み係数を示す重み係数情報をニューラルネットワーク記憶部2133に記憶させる。
Next, the teacher
次に、係数情報生成部2116は、ニューラルネットワーク記憶部2133が記憶する重み係数情報を含む係数情報を生成する(ステップS21007)。続いて、係数情報送信部2117は、生成された係数情報を清掃負荷管理装置2001へ送信する(ステップS21008)。その後、再びステップS21001の処理が実行される。
Next, the coefficient
以上説明したように、本実施の形態に係る制御システムによれば、クラウドサーバ2100において、清掃負荷管理装置2001で用いられるニューラルネットワークの重み係数を決定する。これにより、清掃負荷管理装置2001における処理負荷が軽減されるという利点がある。
As described above, according to the control system according to the present embodiment, the weighting coefficient of the neural network used in the cleaning
以上、本発明の各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によって限定されるものではない。例えば、図32に示すように、操作機器4が、表示部404にメッセージとともに、メッセージ(例えばメッセージM31、M32)の言語を選択するための言語選択釦画像BU1を表示する場合、入力部405における言語選択釦画像BU1に対応する部分をタッチすることにより選択された言語を示す使用言語情報を動作履歴情報に含めてもよい。図32に示す例では、表示部404の右下に言語選択釦画像BU1が配置されている。ここで、表示部404に表示されるメッセージの言語が日本語の場合、言語選択釦画像BU1が「Eng」と表示される。そして、入力部405における「Eng」と表示された言語選択釦画像BU1に対応する部分をタッチすると、表示部404に表示されるメッセージの言語が英語に切り替わる。このとき、言語選択釦画像BU1が「Chi」と表示される。そして、入力部405における「Chi」と表示された言語選択釦画像BU1に対応する部分をタッチすると、表示部404に表示されるメッセージの言語が中国語に切り替わる。このように、入力部405における言語選択釦画像BU1に対応する部分をタッチしていくことにより、表示部404に表示されるメッセージの言語を、「日本語」→「英語」→「中国語」→・・・・→「日本語」の順に切り替えていくことができる。そして、操作機器4は、入力部405における言語選択釦画像BU1に対応する部分をタッチする操作の履歴を示す情報を動作履歴情報として清掃負荷管理装置1へ送信するようにすればよい。
Although each embodiment of the present invention has been described above, the present invention is not limited to the above-described embodiments. For example, as shown in FIG. 32, when the
ここで、客室RA、RBの利用者の言語選択が清掃作業量に及ぼす影響について説明する。利用者の生活様式或いは国民性により、客室RA、RBに設置された空気調和機5、照明器具6および浴室換気扇7の使い方、使用時間、使用頻度が異なる傾向にある。例えば、欧米人は浴槽を利用せず、シャワーのみを利用する傾向がある。この場合、利用者が浴室に滞在している時間が短くなるため浴室の汚れ度合は小さくなるので、浴室内を清掃する際の清掃負荷は小さくなる。一方、日本人は、シャワーのみならず浴槽も利用する傾向がある。この場合、利用者が浴室に滞在している時間が長くなるため浴室の汚れ度合は、欧米人のそれと比較すると大きくなる傾向にある。従って、浴室を清掃する際の清掃負荷が大きくなる。そして、操作機器4において選択された言語が反映される入力部405における言語選択釦画像BU1に対応する部分をタッチする操作の履歴を示す情報を動作履歴情報に加えることにより、客室RA、RBの利用者の生活様式或いは国民性を予測清掃負荷に反映させることができるので、その分、予測清掃負荷の精度を高めることができる。
Here, the influence of the language selection of the users of guest rooms RA and RB on the amount of cleaning work will be explained. The usage, usage time, and frequency of use of the
各実施の形態において、ニューラルネットワーク計算部114が、清掃負荷予測対象期間の始期から清掃負荷予測対象期間の終期よりも予め設定されたマージン期間だけ過去の時点までの期間における動作履歴情報から、客室RA、RBの清掃を行うときの清掃負荷を求めるものであってもよい。例えば清掃負荷予測対象期間が、利用者のチェックインした時刻からチェックアウトする時刻までに設定されている場合、ニューラルネットワーク計算部114が、清掃負荷予測対象期間のうち、その期間の始期からチェックアウトする時刻よりも10分だけ過去に遡った時点までの間の動作履歴情報および環境実績情報に基づいて、清掃負荷を算出するものであってもよい。
In each of the embodiments, the neural
本構成によれば、利用者が実際に宿泊施設Hをチェックアウトする前の段階で清掃スケジュールの作成することができるので、その分、清掃作業者の作業効率を高めることができる。 According to this configuration, the cleaning schedule can be created before the user actually checks out of the accommodation facility H, so the work efficiency of the cleaning worker can be increased accordingly.
各実施の形態では、環境実績取得部119が、空気調和機5が設置された場所の温度、湿度のような環境パラメータを示す環境情報を取得する例について説明した。但し、環境情報の種類は、これに限定されるものではなく、例えば照明器具6が設置された場所の照度、浴室換気扇7が設置された浴室の温度、湿度、照度のような環境パラメータを示す環境情報を取得するものであってもよい。この場合、例えば浴室換気扇7が、温度センサおよび湿度センサを有し、環境実績取得部119が、この温度センサおよび湿度センサにより検出された浴室の温度および湿度を示す環境情報取得するようにすればよい。また、照明器具6が、照度センサを有し、環境実績取得部119が、この照度センサにより検出された寝室または浴室の照度を示す環境情報を取得するようにすればよい。
In each embodiment, an example has been described in which the environmental
例えば温度センサおよび湿度センサにより検出される室内温度の変化が少ない状態で、空気調和機5のオンオフが頻繁に行われている場合、利用者の活動量が大きい傾向にあり、その利用者が利用する客室RA、RBの清掃負荷が大きくなるようにニューラルネットワークの重み係数が決定される。一方、温度センサおよび湿度センサにより検出される室内温度が例えば18℃から25℃の間の利用者が快適に過ごせる温度帯で推移している場合において、利用者が空気調和機5をオフさせている場合、或いは、照度センサにより検出される室内の照度が例えば50ルクスから150ルクスの間で推移している場合において、利用者が照明器具6を点灯させない場合、利用者が客室RA、RBでの消費エネルギの削減に対する意識が高い傾向にあり、その利用者が利用者する客室RA、RBの清掃負荷が小さくなるようにニューラルネットワークの重み係数が決定される。
For example, if the
或いは、各実施の形態において、ニューラルネットワーク計算部114が、ニューラルネットワークを用いて、清掃負荷予測対象期間における動作履歴情報、および客室情報のみから、客室RA(RB)について清掃を行うときの清掃負荷を求めるものであってもよい。
Alternatively, in each embodiment, the neural
実施の形態2において、ニューラルネットワーク計算部114が、前述の動作履歴情報、環境実績情報等に加えて、宿泊施設H1、H2、H3、・・・の存在する地域を示す地域情報と、宿泊施設H1、H2、H3、・・・を経営する経営主体を識別する経営主体識別情報と、の少なくとも1つに基づいて、清掃負荷を算出するものであってもよい。ここで、地域情報は、例えば地域毎に付与された地域固有の地域識別番号を示し、経営主体識別情報は、例えば宿泊施設H1、H2、H3、・・・の経営主体それぞれに付与された固有の経営主体識別番号を示すものであってもよい。この場合、清掃負荷管理装置2001は、例えば顧客サーバ10から地域情報を取得する地域情報取得部と、経営主体識別情報を取得する経営主体識別情報取得部と、の少なくとも一方を備えるようにすればよい。また、クラウドサーバ2100も、顧客サーバ10から地域情報を取得する地域情報取得部と、経営主体識別情報を取得する経営主体識別情報取得部と、の少なくとも一方を備えるようにすればよい。そして、係数決定部2115が、顧客サーバ10から取得した地域情報と経営主体識別情報とに基づいて、ニューラルネットワークの重み係数を決定するようにすればよい。
In the second embodiment, the neural
各実施の形態では、スケジュール生成部117が、求められた客室RA、RBについての清掃負荷と客室RA、RBの清掃作業を行う日に出勤している清掃作業者それぞれの勤続期間および経験期間の長さとに基づいて、各客室RA、RBにおける清掃作業時間を算出する例について説明した。但し、これに限らず、例えばスケジュール生成部117が、客室RA、RBの清掃作業を行う日に出勤している清掃作業者それぞれの性別、年齢、受け持つ客室数に基づいて、各客室RA、RBにおける清掃作業時間を算出するものであってもよい。
In each embodiment, the
各実施の形態に係る清掃負荷管理装置1、2001において、客室情報取得部113、2112が、客室RA、RBの利用者が実際にチェックインした時刻とチェックアウトした時刻とを取得し、客室情報記憶部133、2132に記憶させるものであってもよい。ここで、例えば客室RA、RBの滞在時間の長さに対して、客室RA、RBの空気調和機5、照明器具6または浴室換気扇7を操作する時間が短い場合、利用者が客室RA、RBを活発に利用していない傾向となり、その利用者が利用する客室RA、RBの清掃負荷が小さくなるように重み係数が決定される。
In the cleaning
各実施の形態において、清掃負荷管理装置1、2001が、日時情報に基づいてその日時情報が示す日時が属する季節を示す季節情報を生成する季節情報生成部(図示せず)を備えるものであってもよい。ここで、季節情報生成部は、例えば日時情報が示す日時が3月から6月に含まれる場合は、「春」を示す季節情報「10」を付与し、日時情報が示す日時が7月または8月に含まれる場合は、「夏」を示す季節情報「20」を付与するようにしてもよい。また、季節情報生成部は、例えば日時情報が示す日時が9月から11月に含まれる場合は、「秋」を示す季節情報「30」を付与し、日時情報が示す日時が12月または2月に含まれる場合は、「冬」を示す季節情報「40」を付与するようにしてもよい。この場合、ニューラルネットワーク計算部114が、動作履歴情報、環境実績情報および客室情報とともに、季節情報から、清掃負荷を算出するようにすればよい。
In each embodiment, the cleaning
また、本発明に係る清掃負荷管理装置1、2001およびクラウドサーバ2100の各種機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現されてもよい。この場合、ソフトウェアまたはファームウェアは、プログラムとして記述され、プログラムを、フレキシブルディスク、CD-ROM(Compact Disc Read Only Memory)、DVD(Digital Versatile Disc)およびMO(Magneto-Optical Disc)等のコンピュータ読み取り可能な記録媒体に格納して配布し、そのプログラムをコンピュータに読み込んでインストールすることにより、前述の各機能を実現することができるコンピュータを構成してもよい。そして、各機能をOS(Operating System)とアプリケーションとの分担、またはOSとアプリケーションとの協同により実現する場合等には、OS以外の部分のみを記録媒体に格納してもよい。
Further, various functions of the cleaning
さらに、搬送波に各プログラムを重畳し、ネットワークを介して配信することも可能である。例えば、ネットワーク上の掲示板(BBS,Bulletin Board System)に当該プログラムを掲示し、ネットワークを介して当該プログラムを配信してもよい。そして、これらのプログラムを起動し、OSの制御下で、他のアプリケーションプログラムと同様に実行することにより、前述の処理を実行できるように構成してもよい。 Furthermore, it is also possible to superimpose each program on a carrier wave and distribute it via a network. For example, the program may be posted on a bulletin board (BBS, Bulletin Board System) on a network and distributed via the network. The above-described process may be executed by starting these programs and executing them under the control of the OS in the same way as other application programs.
本発明は、宿泊施設の各部屋の清掃スケジュールを作成するシステムに好適である。 INDUSTRIAL APPLICATION This invention is suitable for the system which creates the cleaning schedule of each room of an accommodation facility.
1,2001,3001 清掃負荷管理装置、2 端末装置、4 操作機器、5 空気調和機、6 照明器具、7 浴室換気扇、8 無線通信装置、10 顧客サーバ、91 ルータ、92 データ回線終端装置、101,201,401,501,1001 CPU、102,202,402,502,1002 主記憶部、103,203,403,503,1001 補助記憶部、104 局所通信インタフェース、105,305 宅外通信インタフェース、109,209,409,509,1009 バス、111,415 動作履歴取得部、112 清掃負荷取得部、113,2112 客室情報取得部、114、2113 ニューラルネットワーク計算部、115,2115 係数決定部、116,2114 係数設定部、117 スケジュール生成部、118 スケジュール送信部、119 環境実績取得部、131,432 動作履歴記憶部、132 清掃負荷記憶部、133,2132 客室情報記憶部、134,2133 ニューラルネットワーク記憶部、135 予測負荷記憶部、136,231 スケジュール記憶部、137 作業者情報記憶部、138,434 環境実績記憶部、204,404 表示部、205,405 入力部、206 無線モジュール、211,411 受付部、212,413 表示制御部、213 負荷実績取得部、214 負荷実績送信部、215 スケジュール取得部、232 負荷実績記憶部、233,433 画像記憶部、407,507 機器通信インタフェース、412 制御情報生成部、414 制御情報送信部、416 動作履歴送信部、417 環境情報取得部、418 環境実績送信部、431 制御情報記憶部、506 局所通信インタフェース、511 動作制御部、512 環境情報生成部、513 中継部、2111 教師情報取得部、2116 係数情報生成部、2117 係数情報送信部、2131 教師情報記憶部、BA1,BA2 タッチ領域、GA1,GA2,GA3,GA4 操作画面画像、H,H1,H2,H3 宿泊施設、M1,MA1,MA2 領域、MQ1,MQ2 メッセージ、NW1 広域ネットワーク、NW2 局所ネットワーク、RA,RB 客室 1,2001,3001 Cleaning load management device, 2 Terminal device, 4 Operating equipment, 5 Air conditioner, 6 Lighting equipment, 7 Bathroom ventilation fan, 8 Wireless communication device, 10 Customer server, 91 Router, 92 Data line termination device, 101 , 201, 401, 501, 1001 CPU, 102, 202, 402, 502, 1002 Main storage section, 103, 203, 403, 503, 1001 Auxiliary storage section, 104 Local communication interface, 105, 305 External communication interface, 109 , 209, 409, 509, 1009 Bus, 111, 415 Operation history acquisition unit, 112 Cleaning load acquisition unit, 113, 2112 Guest room information acquisition unit, 114, 2113 Neural network calculation unit, 115, 2115 Coefficient determination unit, 116, 2114 coefficient setting unit, 117 schedule generation unit, 118 schedule transmission unit, 119 environmental performance acquisition unit, 131, 432 operation history storage unit, 132 cleaning load storage unit, 133, 2132 guest room information storage unit, 134, 2133 neural network storage unit, 135 predicted load storage unit, 136, 231 schedule storage unit, 137 worker information storage unit, 138, 434 environmental performance storage unit, 204, 404 display unit, 205, 405 input unit, 206 wireless module, 211, 411 reception unit, 212, 413 Display control unit, 213 Load performance acquisition unit, 214 Load performance transmission unit, 215 Schedule acquisition unit, 232 Load performance storage unit, 233, 433 Image storage unit, 407, 507 Device communication interface, 412 Control information generation unit, 414 control information transmitter, 416 operation history transmitter, 417 environmental information acquirer, 418 environmental performance transmitter, 431 control information storage unit, 506 local communication interface, 511 operation controller, 512 environmental information generator, 513 relay unit, 2111 Teacher information acquisition unit, 2116 Coefficient information generation unit, 2117 Coefficient information transmission unit, 2131 Teacher information storage unit, BA1, BA2 Touch area, GA1, GA2, GA3, GA4 Operation screen image, H, H1, H2, H3 Accommodation facility , M1, MA1, MA2 area, MQ1, MQ2 message, NW1 wide area network, NW2 local network, RA, RB guest room
Claims (10)
前記部屋の清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する清掃負荷取得部と、
前記動作履歴情報と前記負荷実績情報とに基づいて、利用者が前記部屋に滞在した後に前記部屋の清掃を行うときの清掃負荷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決定する係数決定部と、
前記係数決定部により前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記利用者が前記部屋に滞在した期間の少なくとも一部を含む清掃負荷予測対象期間における動作履歴情報から、前記部屋の清掃を行うときの清掃負荷を求めるニューラルネットワーク計算部と、を備える、
清掃負荷管理装置。 an operation history acquisition unit that acquires operation history information indicating the operation history of each of at least one device installed in the room;
a cleaning load acquisition unit that acquires load performance information indicating a cleaning load that is a workload required for cleaning the room;
a coefficient determination unit that determines a neural network coefficient of a neural network for determining a cleaning load when cleaning the room after a user stays in the room, based on the operation history information and the load performance information; ,
Using the neural network for which the neural network coefficients have been determined by the coefficient determining unit, the neural network of the room is determined based on operation history information during a cleaning load prediction target period that includes at least a portion of the period during which the user stayed in the room. a neural network calculation unit that calculates a cleaning load when cleaning;
Cleaning load management device.
前記係数決定部は、前記動作履歴情報と前記負荷実績情報とともに前記環境実績情報に基づいて、前記ニューラルネットワーク係数を決定し、
前記ニューラルネットワーク計算部は、前記係数決定部により前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記清掃負荷予測対象期間における動作履歴情報と前記環境実績情報とから、前記部屋について清掃を行うときの清掃負荷を求める、
請求項1に記載の清掃負荷管理装置。 further comprising an environmental performance acquisition unit that acquires environmental performance information indicating the environmental performance of the room,
The coefficient determination unit determines the neural network coefficient based on the environmental performance information as well as the operation history information and the load performance information,
The neural network calculation unit uses the neural network whose neural network coefficients have been determined by the coefficient determination unit to perform cleaning for the room based on the operation history information and the environmental performance information during the cleaning load prediction period. Find the cleaning load when cleaning,
The cleaning load management device according to claim 1.
前記係数決定部は、前記動作履歴情報と前記負荷実績情報とともに前記客室情報に基づいて、前記ニューラルネットワーク係数を決定し、
前記ニューラルネットワーク計算部は、前記係数決定部により前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記清掃負荷予測対象期間における動作履歴情報と前記客室情報とから、前記部屋について清掃を行うときの清掃負荷を求める、
請求項1または2に記載の清掃負荷管理装置。 further comprising a guest room information acquisition unit that acquires guest room information including at least one of the size of the room, the type of users who stayed in the room, and the number of users who stayed in the room,
The coefficient determination unit determines the neural network coefficient based on the operation history information and the load performance information as well as the guest room information,
The neural network calculation unit cleans the room based on the operation history information in the cleaning load prediction period and the guest room information using the neural network whose neural network coefficients have been determined by the coefficient determination unit. Find the cleaning load when
The cleaning load management device according to claim 1 or 2.
請求項1から3のいずれか1項に記載の清掃負荷管理装置。 further comprising a schedule generation unit that generates schedule information indicating a cleaning schedule for the room based on the cleaning load determined by the neural network calculation unit;
The cleaning load management device according to any one of claims 1 to 3.
請求項4に記載の清掃負荷管理装置。 The schedule generation unit generates the schedule information based on usage status information indicating whether the user is staying in the room.
The cleaning load management device according to claim 4.
請求項1から5のいずれか1項に記載の清掃負荷管理装置。 The neural network calculation unit calculates cleaning for the room based on operation history information for a period from the beginning of the cleaning load prediction period to a point in time past the end of the cleaning load prediction period by a preset margin period. Find the cleaning load when cleaning,
The cleaning load management device according to any one of claims 1 to 5.
前記部屋の利用者が前記部屋に滞在した後に前記部屋の清掃を行うときに要する作業負荷の度合いとして、前記機器の動作履歴に対する前記部屋の清掃に要する清掃負荷の程度を求めるための、予め定めら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に関する情報を記憶するニューラルネットワーク記憶部と、
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取得する係数取得部と、
前記ニューラルネットワーク記憶部が記憶する前記ニューラルネットワークに関する情報を利用して構築される、前記係数取得部が取得した前記ニューラルネットワーク係数に設定されたニューラルネットワークを用いて、前記利用者が前記部屋に滞在した期間の少なくとも一部を含む清掃負荷予測対象期間における動作履歴情報から、前記部屋の清掃を行うときの清掃負荷を求めるニューラルネットワーク計算部と、を備える、
清掃負荷管理装置。 an operation history acquisition unit that acquires operation history information indicating the operation history of each of at least one device installed in the room;
A predetermined method for determining the degree of cleaning load required to clean the room with respect to the operation history of the equipment as the degree of work load required when cleaning the room after the user of the room stays in the room. a neural network storage unit that stores information regarding the neural network having the number of nodes and the number of layers determined;
a coefficient acquisition unit that acquires neural network coefficients of the neural network;
The user stays in the room using a neural network set to the neural network coefficients acquired by the coefficient acquisition unit, which is constructed using information regarding the neural network stored in the neural network storage unit. a neural network calculation unit that calculates a cleaning load when cleaning the room from operation history information in a cleaning load prediction period that includes at least a part of the period in which the room is cleaned;
Cleaning load management device.
前記部屋の清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する清掃負荷取得部と、
前記動作履歴情報と前記負荷実績情報とに基づいて、利用者が前記部屋に滞在した後に前記部屋の清掃を行うときの清掃負荷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決定する係数決定部と、
前記係数決定部により前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記利用者が前記部屋に滞在した期間の少なくとも一部を含む清掃負荷予測対象期間における動作履歴情報から、前記部屋の清掃を行うときの清掃負荷を求めるニューラルネットワーク計算部、を備える、
清掃負荷管理システム。 an operation history acquisition unit that acquires operation history information indicating the operation history of each of at least one device installed in the room;
a cleaning load acquisition unit that acquires load performance information indicating a cleaning load that is a workload required for cleaning the room;
a coefficient determination unit that determines a neural network coefficient of a neural network for determining a cleaning load when cleaning the room after a user stays in the room, based on the operation history information and the load performance information; ,
Using the neural network for which the neural network coefficients have been determined by the coefficient determining unit, the neural network of the room is determined based on operation history information during a cleaning load prediction target period that includes at least a portion of the period during which the user stayed in the room. comprising a neural network calculation unit that calculates a cleaning load when cleaning;
Cleaning load management system.
前記清掃負荷管理システムが、前記部屋の清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得するステップと、
前記清掃負荷管理システムが、前記動作履歴情報と前記負荷実績情報とに基づいて、利用者が前記部屋に滞在した後に前記部屋の清掃を行うときの清掃負荷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決定するステップと、
前記清掃負荷管理システムが、前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記利用者が前記部屋に滞在した期間の少なくとも一部を含む清掃負荷予測対象期間における動作履歴情報から、前記部屋の清掃を行うときの清掃負荷を求めるステップと、を含む、
清掃負荷管理方法。 a step in which the cleaning load management system acquires operation history information indicating the operation history of each of at least one device installed in the room;
a step in which the cleaning load management system acquires load performance information indicating a cleaning load that is a workload required for cleaning the room;
Neural network coefficients of a neural network for the cleaning load management system to determine a cleaning load when cleaning the room after the user stays in the room based on the operation history information and the load performance information a step of determining
The cleaning load management system uses the neural network for which the neural network coefficient has been determined to calculate the cleaning load from operation history information in a cleaning load prediction period that includes at least a part of the period during which the user stayed in the room. a step of determining a cleaning load when cleaning a room;
Cleaning load management method.
部屋に設置された少なくとも1つの機器それぞれの動作履歴を示す動作履歴情報を取得する動作履歴取得部、
前記部屋の清掃に要した作業負荷である清掃負荷を示す負荷実績情報を取得する清掃負荷取得部、
前記動作履歴情報と前記負荷実績情報とに基づいて、利用者が前記部屋に滞在した後に前記部屋の清掃を行うときの清掃負荷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決定する係数決定部、
前記係数決定部により前記ニューラルネットワーク係数が決定された前記ニューラルネットワークを用いて、前記利用者が前記部屋に滞在した期間の少なくとも一部を含む清掃負荷予測対象期間における動作履歴情報から、前記部屋の清掃を行うときの清掃負荷を求めるニューラルネットワーク計算部、
として機能させるためのプログラム。 computer,
an operation history acquisition unit that acquires operation history information indicating the operation history of each of at least one device installed in the room;
a cleaning load acquisition unit that acquires load performance information indicating a cleaning load that is a workload required for cleaning the room;
a coefficient determination unit that determines a neural network coefficient of a neural network for determining a cleaning load when cleaning the room after a user stays in the room, based on the operation history information and the load performance information;
Using the neural network for which the neural network coefficients have been determined by the coefficient determining unit, the neural network of the room is determined based on operation history information during a cleaning load prediction target period that includes at least a portion of the period during which the user stayed in the room. Neural network calculation unit that calculates the cleaning load when cleaning;
A program to function as
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161012A JP7345323B2 (en) | 2019-09-04 | 2019-09-04 | Cleaning load management device, cleaning load management system, cleaning load management method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019161012A JP7345323B2 (en) | 2019-09-04 | 2019-09-04 | Cleaning load management device, cleaning load management system, cleaning load management method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021039576A JP2021039576A (en) | 2021-03-11 |
JP7345323B2 true JP7345323B2 (en) | 2023-09-15 |
Family
ID=74847136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019161012A Active JP7345323B2 (en) | 2019-09-04 | 2019-09-04 | Cleaning load management device, cleaning load management system, cleaning load management method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7345323B2 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7020731B1 (en) | 2021-04-09 | 2022-02-16 | 株式会社グローバルゲイツ | Cleaning work support program, cleaning work support server and cleaning work support method |
WO2023089749A1 (en) * | 2021-11-19 | 2023-05-25 | 三菱電機株式会社 | Air conditioner management system, air conditioner management method, and air conditioner management program |
CN114384948B (en) * | 2022-01-13 | 2023-04-28 | 北京小米移动软件有限公司 | Equipment control method, device, electronic equipment and storage medium |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067509A (en) | 2001-08-27 | 2003-03-07 | Toshiba Corp | Cleaning plan drafting device, program, and cleaning plan drafting method |
US20140207282A1 (en) | 2013-01-18 | 2014-07-24 | Irobot Corporation | Mobile Robot Providing Environmental Mapping for Household Environmental Control |
US20170068926A1 (en) | 2015-09-09 | 2017-03-09 | Samsung Electronics Co., Ltd. | Method and apparatus for managing guest room |
JP2019101758A (en) | 2017-12-01 | 2019-06-24 | パナソニックIpマネジメント株式会社 | Shop support system, shop support method and program |
JP2019109836A (en) | 2017-12-20 | 2019-07-04 | 東京瓦斯株式会社 | Replacement service system and cleaning service system |
-
2019
- 2019-09-04 JP JP2019161012A patent/JP7345323B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067509A (en) | 2001-08-27 | 2003-03-07 | Toshiba Corp | Cleaning plan drafting device, program, and cleaning plan drafting method |
US20140207282A1 (en) | 2013-01-18 | 2014-07-24 | Irobot Corporation | Mobile Robot Providing Environmental Mapping for Household Environmental Control |
US20170068926A1 (en) | 2015-09-09 | 2017-03-09 | Samsung Electronics Co., Ltd. | Method and apparatus for managing guest room |
JP2019101758A (en) | 2017-12-01 | 2019-06-24 | パナソニックIpマネジメント株式会社 | Shop support system, shop support method and program |
JP2019109836A (en) | 2017-12-20 | 2019-07-04 | 東京瓦斯株式会社 | Replacement service system and cleaning service system |
Also Published As
Publication number | Publication date |
---|---|
JP2021039576A (en) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7345323B2 (en) | Cleaning load management device, cleaning load management system, cleaning load management method and program | |
JP4982511B2 (en) | Action time ratio calculation device and action time ratio calculation method | |
JP2018514835A (en) | Method and apparatus for controlling an environmental management system in a building | |
JP5875625B2 (en) | Energy management system, energy management controller, energy management method, and program | |
JP2015100266A (en) | Electric apparatus control device, electric apparatus control method and program | |
JPWO2014171104A1 (en) | Information presentation method, information presentation system, program, and recording medium | |
US10102554B2 (en) | Method for providing comparison information for power usage amongst users | |
US20150319056A1 (en) | Method for providing information | |
JP2015092124A (en) | Simulation device and simulation method | |
JP2016158369A (en) | Power consumption management apparatus, user apparatus, power consumption management system, power consumption management method, and power consumption management program | |
CN110727974B (en) | Data processing method, apparatus, computer device and readable storage medium | |
JP6249982B2 (en) | Cost prediction apparatus and program | |
JP6637323B2 (en) | Equipment management device and program | |
WO2021028970A1 (en) | Control system, server, apparatus, control method, and program | |
WO2019207984A1 (en) | Energy utilization assistance system and method | |
JP6186404B2 (en) | Energy consumption prediction apparatus and energy consumption prediction method | |
JP2021108079A (en) | Resource managing system, resource managing method and program | |
US10169785B2 (en) | Method for providing device level power usage information according to device type | |
JP7072952B1 (en) | Life support device and life support robot system | |
US20230245076A1 (en) | Maintenance management system, maintenance management method, and computer readable medium | |
JP6728258B2 (en) | Evaluation system, evaluation device, and evaluation program | |
JP6182576B2 (en) | Energy consumption prediction apparatus and energy consumption prediction method | |
JP2022144870A (en) | Information processing apparatus, information processing method, and information processing program | |
JP2018169901A (en) | Information providing device, information providing method, program, and information providing system | |
JP2022076718A (en) | Management device, management system, management method, and management program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220516 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230427 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230623 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230905 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7345323 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |