JP7392394B2 - 空気調和システム及び空気調和機 - Google Patents

Description

本発明は、空気調和システム及び空気調和機に関する。

空気調和機内の室内機を効率的に自動制御する空気調和システムが知られている（特許文献１）。この空気調和システムでは、記憶部が学習モデルを有し、学習モデルを用いて、標準仕様設定による制御に、利用者等の好みや行動パターン等による時系列的に好適な温度環境を反映させることができる。

特開２０１５－１１７９３３号公報

例えば、空気調和機は多様化したユーザーの好みに応じて、多くの機能を備えたものや必要最小限の機能を備えたものなどが提供されている。従って、学習モデルに関しても、空気調和機の種類によって、複数の種類の学習モデルを記憶したり、単一の学習モデルを記憶したりする空気調和機が提供されることが考えられる。一方、通信網を介して空気調和機と接続され、空気調和機内の室内機で収集した空調空間内の利用者の操作内容や実環境等の運転履歴データを用いて様々な種類の学習モデルを生成するクラウド側サーバ装置が設けられる場合がある。この場合、空気調和機は、クラウド側のサーバ装置から様々な学習モデルを取得し、取得した各種学習モデルを記憶している。

サーバ装置は、学習モデルを更新した場合、更新後の学習モデルを各空気調和機に送信する。そして、各空気調和機は、学習モデルを最新の状態に更新できる。

しかしながら、サーバ装置が学習モデルを生成あるいは更新した場合、サーバ装置に接続された各々の室内機が必要とするか否かに関わらずその学習モデルを一様に生成あるいは更新すると、サーバ装置に不要な負荷がかかるという問題があった。

本発明ではこのような問題に鑑み、サーバ装置にかかる負荷を抑制できる空気調和システム及び空気調和機を提供することを目的とする。

本発明の空気調和システムは、室内機と、複数種類の学習モデルを生成するサーバ装置と、前記室内機と前記サーバ装置との間を通信で接続するアダプタとを有する。前記アダプタは、前記室内機を識別する識別情報、前記室内機の所定時間分の運転履歴データ及び、当該室内機で使用する学習モデルの種類を識別する学習モデル種別情報を前記サーバ装置に送信するアダプタ側送信部を有する。前記サーバ装置は、識別部と、学習部と、サーバ側送信部とを有する。前記識別部は、前記アダプタから受信した前記学習モデル種別情報から前記学習モデルの種類を、及び、前記アダプタから受信した前記識別情報から送信先の室内機を識別する。前記学習部は、前記識別部にて識別された前記学習モデルの生成に使用する前記運転履歴データを用いて、当該学習モデルを生成する。前記サーバ側送信部は、前記学習部にて生成された前記学習モデルを前記識別部にて識別された前記送信先の室内機と接続される前記アダプタに送信する。

本発明の空気調和システム及び空気調和機は、サーバ装置にかかる負荷を抑制できる。

図１は、本実施例の空気調和システムの一例を示す説明図である。 図２は、検出部が測定する空調空間の温度分布エリアの一例を示す説明図である。 図３は、アダプタの構成の一例を示すブロック図はある。 図４は、サーバ装置の構成の一例を示すブロック図である。 図５は、運転履歴データの内容の一例を示す説明図である。 図６は、学習モデル種別情報の一例を示す説明図である。 図７は、送信処理に関わるアダプタの処理動作の一例を示すフローチャートである。 図８は、学習処理に関わるサーバ装置の処理動作の一例を示すフローチャートである。

以下、図面に基づいて、本願の開示する空気調和システムの実施例を詳細に説明する。尚、本実施例により、開示技術が限定されるものではない。また、以下に示す各実施例は、矛盾を起こさない範囲で適宜変形しても良い。

図１は、本実施例の空気調和システム１の一例を示す説明図である。図１に示す空気調和システム１は、室内機２と、アダプタ３と、アクセスポイント４と、サーバ装置５と、中継装置６と、通信端末７と、通信網８と、リモコン９と、室外機１０とを有する。

室内機２は、例えば、室内に配置され、室内の空気を加熱又は冷却する空気調和機の一部である。尚、室内機２の利用者は、リモコン９の操作により室内機２を遠隔操作することが可能である。室内機２は、本体２Ａと、当該本体２Ａを制御する制御部２Ｂと、検出部２Ｃと、記憶部２Ｄとを有する。本体２Ａは、室内ファン、膨張弁、室内熱交換器、風向板などの各装置が筐体に格納されたものである。制御部２Ｂは、上述した室内ファンや膨張弁や風向板の動作を制御する。制御部２Ｂは、膨張弁の開度を調整して、利用者が必要とする空調能力を発揮させるために必要となる量の冷媒を室内熱交換器に流し、室内ファンを駆動して室内熱交換器で冷媒と熱交換を行った室内空気を、風向板を制御して偏向させて空調空間に吹き出させる。これにより、空調空間の暖房、冷房、除湿が行われる。検出部２Ｃは、例えば、室内機２が据え付けられた空調空間の床面の輻射温度を測定する輻射センサ、当該空調空間の室内温度を測定する室温センサ、当該空調空間の室内湿度を測定する湿度センサ、室内機２の図示しない室内熱交換器に設けた室内熱交換器の温度である室内熱交換温度を測定する温度センサ等である。

輻射センサとしての検出部２Ｃは、空調空間の床面を複数のエリアに分割した、例えば、図２に示すように９個のエリアＡ１～Ａ９の各々の床面の輻射温度を検出する。尚、図２において、室内機２の吹出口から見て手前側のエリアをエリアＡ１～Ａ３、室内機２の吹出口から見て奥側のエリアをエリアＡ７～Ａ９、手前側のエリアと奥側のエリアとの間の中間のエリアをエリアＡ４～Ａ６とする。また、エリアＡ１、Ａ４、Ａ７は、室内機２の吹出口から見て左（Ｌ：Left）方向のエリア、エリアＡ３、Ａ６、Ａ９は、室内機２の吹出口から見て右（Ｒ:Right）方向のエリア、エリアＡ２、Ａ５、Ａ８は、室内機２の吹出口から見て中央（Ｃ:Center）方向のエリアとする。記憶部２Ｄは、室内機２が使用可能な複数の学習モデルであってサーバ装置５に対して要求する学習モデルの種類を識別する学習モデル識別情報を記憶する。

アダプタ３は、室内機２とアクセスポイント４との間を無線通信で接続する通信機能と、室内機２をＡＩ制御する制御機能とを有する。アダプタ３は、室内機２毎に設けられるものである。なお、アダプタ３については、図３を用いて後ほど詳細に説明する。アクセスポイント４は、例えば、ＷＬＡＮ(Wireless Local Area Network)等を使用してアダプタ３と通信網８とを無線通信で接続する装置である。通信網８は、例えば、インターネット等の通信網である。サーバ装置５は、アダプタ３が室内機２をＡＩ制御する際に使用する学習モデルを生成する機能や、運転履歴データ等を記憶するデータベース等を有する。サーバ装置５は、例えば、データセンタに配置される。

中継装置６は、通信網８と通信で接続されると共に、サーバ装置５と通信で接続される機能を有する。中継装置６は、サーバ装置５における学習モデルの生成又は学習モデルの更新に使用する運転履歴データ等を、室内機２からアダプタ３および通信網８経由で受信してサーバ装置５に送信する。また、中継装置６は、サーバ装置５で生成又は更新した学習モデルを通信網８経由でアダプタ３に送信する。中継装置６は、例えば、データセンタ等に配置される。

中継装置６は、第１の中継部６Ａと、第２の中継部６Ｂと、第３の中継部６Ｃと、中継側学習記憶部６Ｄとを有する。第１の中継部６Ａは、アダプタ３とサーバ装置５との間でＡＩ制御に関わる各種データを中継する。具体的には、第１の中継部６Ａは、アダプタ３から通信網８経由で受信した学習モデルの生成又は更新に使用する運転履歴データ等をサーバ装置５に送信すると共に、サーバ装置５が生成又は更新した学習モデルを通信網８経由でアダプタ３に送信する。第２の中継部６Ｂは、利用者が外出先から後述する通信端末７を使用して設定した室内機２の運転条件（冷房／暖房といった運転モードや設定温度など）をアクセスポイント４および通信網８経由で受信し、これを室内機２に通信網８およびアクセスポイント４およびアダプタ３経由で送信する。第３の中継部６Ｃは、例えば、通信網８を経由して天気予報等の外部データを受信し、受信した外部データをサーバ装置５に送信する。また、第３の中継部６Ｃは、受信した外部データを通信網８およびアクセスポイント４経由でアダプタ３に送信する。中継側学習記憶部６Ｄは、第１の中継部６Ａでサーバ装置５から学習モデルを受信した場合、当該学習モデルを記憶する。尚、中継側学習記憶部６Ｄは、サーバ装置５から次の学習モデルを受信した場合、当該受信した学習モデルを記憶中の学習モデルに上書きして記憶する。第１の中継部６Ａは、中継側学習記憶部６Ｄに記憶中の学習モデルを通信網８経由でアダプタ３に送信する。

図３は、アダプタ３の構成の一例を示すブロック図である。図３に示すアダプタ３は、第１の通信部１１と、第２の通信部１２と、記憶部１３と、ＣＰＵ(Central Processing Unit)１４とを有する。第１の通信部１１は、室内機２内の制御部２Ｂと通信で接続される、例えば、ＵＡＲＴ（Universal Asynchronous Receiver Transmitter）等の通信ＩＦ（Interface）である。第２の通信部１２は、アクセスポイント４と通信で接続される、例えば、ＷＬＡＮ等の通信ＩＦ等である。記憶部１３は、例えば、ＲＯＭ（Read Only Memory）やＲＡＭ(Random Access Memory)等を有し、データやプログラム等の各種情報を格納する。ＣＰＵ１４は、アダプタ３全体を制御する。

記憶部１３は、室内機２から取得した運転履歴データを一時記憶する運転履歴メモリ１３Ａと、中継装置６を介してサーバ装置５から取得した学習モデルを記憶するアダプタ側学習記憶部１３Ｂと、外部データを記憶する外部メモリ１３Ｃとを有する。

ＣＰＵ１４は、取得部１４Ａと、アダプタ側送信部１４Ｂと、受信部１４Ｃと、設定部１４Ｄと、予測部１４Ｅと、制御部１４Ｆとを有する。取得部１４Ａは、室内機２から所定周期、例えば、５分毎の取得タイミングで運転履歴データを取得する。取得部１４Ａは、５分周期で取得した運転履歴データを運転履歴メモリ１３Ａに記憶する。なお、運転履歴データについては、後に図５を用いて詳細に説明する。

アダプタ側送信部１４Ｂは、運転履歴メモリ１３Ａに記憶している運転履歴データを第２の通信部１２を介してアクセスポイント４に送信し、アクセスポイント４は、受信した運転履歴データを通信網８を介して中継装置６に送信し、中継装置６の第１の中継部６Ａは、受信した運転履歴データをサーバ装置５に送信する。アダプタ側送信部１４Ｂは、運転履歴データの他に、後述する室内機ＩＤ及び学習モデル種別情報を、第２の通信部１２を介してアクセスポイント４に送信し、アクセスポイント４は、受信した室内機ＩＤ及び学習モデル種別情報を通信網８を介して中継装置６に送信する。中継装置６の第１の中継部６Ａは、受信した室内機ＩＤ及び学習モデル種別情報をサーバ装置５に送信する。尚、室内機ＩＤは、室内機２を識別する識別情報である。学習モデル種別情報は、後述するが、室内機２が使用可能な複数の学習モデルの内、サーバ装置５に対して要求する学習モデルの種類を識別する情報であり、室内機２の記憶部２Ｄに記憶されている。

受信部１４Ｃは、サーバ装置５から、例えば、温度ムラ予測モデル、体感予測モデルや建物負荷予測モデル等の学習モデルを受信する。具体的には、サーバ装置５は、中継装置６に学習モデルを送信し、中継装置６の第１の中継部６Ａは受信した学習モデルを通信網８を介してアクセスポイント４に送信し、アクセスポイント４は受信した学習モデルをアダプタ３の受信部１４Ｃに送信する。なお、受信部１４Ｃは、第２の通信部１２を介して受信した学習モデルをアダプタ側学習記憶部１３Ｂに記憶する。設定部１４Ｄは、アダプタ側学習記憶部１３Ｂに記憶している学習モデルを予測部１４Ｅに適用する。

予測部１４Ｅは、例えば、室内温度の安定した状態となれば、温度ムラ予測モデルを用いて予測した室内の温度ムラを室内機２の制御部２Ｂに送信し、これを受信した制御部２Ｂは、室内ファンや風向板を制御して温度ムラを解消する制御を実行する。尚、室内温度の安定した状態とは、室内温度（各エリアＡ１～Ａ９の輻射温度ではなく、空調空間全体の温度）と室内機２の設定温度との温度差が所定閾値、例えば、±０．５度以内の状態が所定時間、例えば、５分以上継続した場合である。尚、予測部１４Ｅが、学習モデルに基づいて室内機２の本体２Ａを構成する各装置を直接的に制御しても良く、適宜変更可能である。予測部１４Ｅは、学習モデルに基づき、室内機２に関する予測を実行しても良く、適宜変更可能である。制御部１４Ｆは、ＣＰＵ１４全体を制御する。

図４は、サーバ装置５の構成の一例を示すブロック図である。図４に示すサーバ装置５は、複数台の室内機２に備えられるアダプタ３と中継装置６を介して通信を行うものであり、通信部３１と、記憶部３２と、ＣＰＵ３３とを有する。通信部３１は、中継装置６と通信接続する通信ＩＦである。記憶部３２は、例えば、ＨＤＤ(Hard Disk Drive)、ＲＯＭやＲＡＭで構成され、データやプログラム等の各種情報を記憶する。ＣＰＵ３３は、サーバ装置５全体を制御する。

サーバ装置５内の記憶部３２は、データメモリ３２Ａと、サーバ側学習記憶部３２Ｂとを有する。データメモリ３２Ａは、各アダプタ３から受信した各室内機２の運転履歴データを室内機２毎に記憶する。尚、アダプタ３は、運転履歴データを送信する際は、アダプタ３と接続する室内機２を識別する室内機ＩＤも併せて送信している。そして、各室内機２から運転履歴データを受信したサーバ装置５は、受信した運転履歴データに含まれる室内機ＩＤ毎に運転履歴データをデータメモリ３２Ａに記憶する。サーバ側学習記憶部３２Ｂは、サーバ装置５で生成又は更新した学習モデルを記憶する。サーバ装置５内のＣＰＵ３３は、学習部３３Ａと、受信部３３Ｂと、識別部３３Ｃと、サーバ側送信部３３Ｄとを有する。

学習部３３Ａは、複数の室内機２のアダプタ３からアクセスポイント４、通信網８、中継装置６、及び、受信部３３Ｂを介して、各々の運転履歴データを受信する。そして、学習部３３Ａは、各アダプタ３から受信した運転履歴データの内、データメモリ３２Ａに記憶中のＮ週間分（例えば、３週間分）の運転履歴データを使用して複数の学習モデルを生成又は更新する。学習部３３Ａは、学習結果に基づき、室内機２毎に学習モデルを生成又は更新する。

そして、学習部３３Ａは、新たに生成した学習モデル又は既存の学習モデルを更新した学習モデルをサーバ側学習記憶部３２Ｂに記憶する。識別部３３Ｃは、アダプタ３から取得した後述する室内機ＩＤを識別すると共に、アダプタ３から取得した後述する学習モデル種別情報１００から提供対象の学習モデルの種類を識別する。尚、提供対象の学習モデルとは、例えば、室内機２で使用可能な学習モデルである。サーバ側送信部３３Ｄは、中継装置６、通信網８及びアクセスポイント４を介して、学習部３３Ａにて室内機２毎に新たに生成した学習モデル又は既存の学習モデルを更新した学習モデルを各室内機２のアダプタ３に送信する。

室外機１０は、室内機２と冷媒配管で接続されており、室外ファンや圧縮機等が備えられている。例えば、室内機２、室外機１０、アダプタ３及びリモコン９で空気調和機５０が構成される。また、通信端末７は、利用者が持つスマートフォン等の端末装置である。

図５は、運転履歴データの内容の一例を示す説明図である。運転履歴データには、例えば、運転状態、運転モード、設定温度、室内温度、室内湿度、風量、風向、人感センサ、温度分布、室内熱交温度、室外温度及び時刻等がある。

運転状態とは、室内機２の運転がＯＮ又はＯＦＦのどちらの状態にあったかを示す情報である。運転モードは、室内機２の運転時に冷房や暖房等のどの動作モードが選択されていたかを示す情報である。設定温度は、室内機２が使用される室内の温度の制御目標値である。室内温度は、室内機２に設けた図示しない室温センサの測定温度、例えば、吸込口における室内空気の温度である。室内湿度は、室内機２が使用される、室内機２に設けた図示しない湿度センサの室内の湿度である。風量は、室内機２から吹き出される空調空気の風量である。尚、風量は、例えば、室内機２の室内ファンの回転数で表わされる。風向は、室内機２から吹き出される空調空気の向きである。尚、風向は、室内機２の吹出口側から見た、例えば、左方向、中央方向及び右方向と、例えば、水平向き、斜め下向き及び下向きとが組み合わせられる。人感センサは、室内の人の有無や活動量のセンサによる検出結果である。温度分布は、例えば、室内の床や壁の温度の分布を室内機２の輻射センサによって検出したものである。尚、温度分布は、例えば、９個のエリア“Ａ１”～“Ａ９”のエリア毎の床面の輻射温度の分布であって、エリアＡ１～Ａ９の各々に対応する空間（各エリアＡ１～Ａ９の上空の空間）の温度分布とみなす温度分布である。室内熱交温度は、室内機２の図示しない室内熱交換器に設けた温度センサで検出した室内熱交換器の温度である。室外温度は、室外機１０の温度センサで検出した外気温度である。アダプタ３は、室内機２を経由して室外機１０の温度センサで検出した室外温度を収集する。尚、これらの運転履歴データは、データ取得時の年月日時分秒であるタイムスタンプとともに記録されればよい。また、図示しないが、運転履歴データには、例えば、室内機ＩＤや、アダプタ３が通信網８およびアクセスポイント４経由で取得した天気予報データから収集した時間毎の雲量等を含めても良い。

次に学習モデルについて説明する。本実施形態の学習モデルは、建物負荷予測モデル、体感予測モデル、温度ムラ予測モデルである。建物負荷予測モデルは、室内機２が設置された部屋の空調負荷を予測する学習モデルである。建物負荷モデルは、例えば、図５に示す各情報に加えて、室内機２が現在発揮している空調能力を用いて、室内機２が設置された部屋の空調負荷を予測する。室内機２の制御部２Ｂは、建物負荷予測モデルで予測された空調負荷を取得し、取得した空調負荷を加えて予め定められた時刻に室内温度が設定温度となるように、本体２Ａを構成する各装置を制御する。

体感予測モデルは、各家庭の空気調和機の運転状況に応じて利用者の現時点から５分後の体感温度を、時系列で取得した複数の室内温度、室内湿度、室外温度を用いて予測する学習モデルである。室内機２制御部２Ｂは、体感予測モデルで予測された５分後の利用者の体感温度に基づいて設定温度を変更し、室内温度が変更した設定温度となるように、本体２Ａを構成する各装置を制御する。

温度ムラ予測モデルは、５分毎に実測した各エリアＡ１～Ａ９の輻射温度（以降、温度分布と記載する）のうち、複数回分の温度分布の実測値を用いて、最後に温度分布を実測した時点から所定時間後、例えば、１０分先の温度ムラを予測する学習モデルである。

図６は、本実施形態の学習モデル種別情報を示す説明図である。図６に示す学習モデル種別情報１００は、１６ビットのビット列で構成され、ビット毎に各学習モデルの適用可否を識別するための２進数の値が室内機２の記憶部２Ｄに格納されている。例えば、ビットが“１”の場合、適用可の学習モデルを示し、ビットが“０”の場合、適用不可の学習モデルを示している。尚、前述した通り、学習モデル種別情報１００は室内機２の記憶部２Ｄに記憶されている。従って、室内機２が学習モデル種別情報を記憶しておくことで、複数の種類の学習モデルを記憶する空気調和機と、単一の学習モデルを記憶する空気調和機とで、アダプタ３を共通化することが容易になる。図６に示す学習モデル種別情報内のビット列にある１ビット目～１６ビット目（図６における一番右側が１ビット目、一番左側が１６ビット目）のビット毎に学習モデルの適用可否を割り当てる。アダプタ３及びサーバ装置５は、学習モデル種別情報内のビット位置毎に割当てられた学習モデルの種類を認識している。図６に示す学習モデル種別情報では、例えば、１ビット目に“建物負荷予測モデル”、２ビット目に“体感予測モデル”、３ビット目に“温度ムラ予測モデル”の適用可否を示す“０”又は“１”が割当てられている。また、学習モデル種別情報は、例えば、４ビット目～１６ビット目に“適用不可”を示す“０”が割り当てられており、これら適用不可のビットを他の学習モデルの適用可否に設定可能である。

アダプタ３内のアダプタ側送信部１４Ｂは、例えば“温度ムラ予測モデル”及び“建物負荷予測モデル”の２つの学習モデルの提供をサーバ装置５に要求する場合、例えば、機種名：Ｘ００１の室内機２の学習モデル種別情報内のビット位置“１”及び“３”のビットを“１”、残りのビットを“０”にセットし、セット後の学習モデル種別情報１００をサーバ装置５に送信する。尚、アダプタ側送信部１４Ｂは、室内機２から取得した室内機ＩＤ、学習モデル種別情報１００及び運転履歴データを併せてサーバ装置５に送信する。サーバ装置５は、アダプタ３から学習モデル種別情報１００及び室内機ＩＤを受信する。サーバ装置５は、学習モデル種別情報１００内のビット位置“１”及び“３”のビットが“１”のため、室内機２と接続するアダプタ３が“温度ムラ予測モデル”及び“建物負荷予測モデル”の２つの学習モデルの提供を要求していることを識別できる。

つまり、アダプタ側送信部１４Ｂは、学習モデル種別情報１００をサーバ装置５に送信する。サーバ装置５も、学習モデル種別情報１００内のビット列及び室内機ＩＤに基づき、アダプタ３側が要求する室内機２に適用可能な学習モデルを識別できる。また、サーバ装置５は、室内機２のプログラム更新に伴って適用できる学習モデルも変更されると、変更のあった学習モデルを生成する。その結果、サーバ装置５は、変更のあった学習モデルのみを生成できる。

次に、本実施例の空気調和システム１の動作について説明する。図７は、本実施形態におけるアダプタ３が学習モデル種別情報１００の送信する際の処理動作を示すフローチャートである。尚、アダプタ３のＣＰＵ１４は、現在が運転履歴データの送信タイミングの場合に送信処理を開始する。図７においてアダプタ３内のアダプタ側送信部１４Ｂは、現在のタイミングが運転履歴データの送信タイミングであるか否かを判定する（ステップＳ１１）。

アダプタ側送信部１４Ｂは、現在のタイミングが運転履歴データの送信タイミングの場合（ステップＳ１１：Ｙｅｓ）、室内機２から取得した所定時間分、例えば、５分間分の運転履歴データを取得する（ステップＳ１２）。アダプタ側送信部１４Ｂは、接続されている室内機２を識別する室内機ＩＤを取得する（ステップＳ１３）。

アダプタ側送信部１４Ｂは、提供対象の学習モデルの適用可を示すビットが“１”に設定された学習モデル種別情報１００を室内機２から取得する（ステップＳ１４）。尚、提供対象の学習モデルとは、室内機２に適用可能な学習モデルであり、サーバ装置５に対して提供を要求する学習モデルである。アダプタ側送信部１４Ｂは、運転履歴データ、室内機ＩＤを含む学習モデル種別情報１００をサーバ装置５に送信し（ステップＳ１５）、図７に示す処理動作を終了する。アダプタ側送信部１４Ｂは、現在のタイミングが運転履歴データの送信タイミングを検出したのでない場合（ステップＳ１１：Ｎｏ）、図７に示す処理動作を終了する。

以上説明したように、アダプタ３は、現在のタイミングが運転履歴データの送信タイミングの場合、所定時間分、例えば、４８時間分の運転履歴データ、室内機ＩＤ及び、学習モデルの適用可を示すビットを“１”に設定した学習モデル種別情報１００を室内機２から取得する。アダプタ３は、所定時間分の運転履歴データ、室内機ＩＤ及び学習モデル種別情報１００を中継装置６経由でサーバ装置５に送信する。その結果、アダプタ３は、自分が接続されている室内機２で適用可能な学習モデルをサーバ装置５に要求できる。

図８は、本実施形態における、サーバ装置５が学習処理（新規に学習モデルを生成すること、および、既存の学習モデルを更新すること）を行う際の処理動作を示すフローチャートである。尚、サーバ装置５のＣＰＵ３３は、アダプタ３から運転履歴データ、室内機ＩＤ及び学習モデル種別情報１００を受信した場合に学習処理を開始する。図８においてサーバ装置５内の受信部３３Ｂは、アダプタ３から運転履歴データ、学習モデル種別情報１００を受信したか否かを判定する（ステップＳ２１）。受信部３３Ｂは、アダプタ３から運転履歴データ、学習モデル種別情報１００を受信した場合（ステップＳ２１：Ｙｅｓ）、室内機ＩＤに対応付けて運転履歴データをデータメモリ３２Ａに記憶する（ステップＳ２２）。サーバ装置５内の識別部３３Ｃは、学習モデル種別情報１００から提供対象の学習モデル、すなわちビットが“１”の学習モデルを識別する（ステップＳ２３）。

サーバ装置５内の学習部３３Ａは、提供対象の学習モデルの識別結果に基づき、提供対象の学習モデルを特定し、特定した提供対象の学習モデルに使用する記憶中の運転履歴データを用いて当該提供対象の学習モデルを生成あるいは更新する（ステップＳ２４）。学習部３３Ａは、生成あるいは更新した提供対象の学習モデルを室内機ＩＤに対応付けてサーバ側学習記憶部３２Ｂに記憶する（ステップＳ２５）。サーバ装置５内のサーバ側送信部３３Ｄは、生成あるいは更新した提供対象の学習モデルを記憶した後、当該提供対象の学習モデルを対象となっている室内機ＩＤに対応する室内機２に接続されているアダプタ３に送信し（ステップＳ２６）、図８に示す処理動作を終了する。受信部３３Ｂは、アダプタ３から各種情報を取得したのでない場合（ステップＳ２１：Ｎｏ）、図８に示す処理動作を終了する。

以上説明したように、サーバ装置５は、アダプタ３から取得した学習モデル種別情報１００内の１から１６のビット位置を参照し、“０”と“１”のいずれかが格納されているかによってビット位置に対応する学習モデルがアダプタ３が要求する提供対象の学習モデルの種類であるか否かを識別する。更に、サーバ装置５は、アダプタ３から取得した運転履歴データを用いて、提供対象の学習モデルを生成又は更新する。

サーバ装置５は、学習モデル種別情報１００内の学習モデルに対応するビット位置を参照し、格納されている２進数の値が“１”の学習モデルのみを生成又は更新する。その結果、サーバ装置５は、余計な学習モデルを生成又は更新する際の処理を削減できる。しかも、室内機２の利用者も、サーバ装置５側で余計な学習モデルの生成又は更新に要する処理を削減することで余計な負荷を軽減でき、また、サーバ装置５の従量料金の負担を無くすことができる。

本実施例のアダプタ３は、室内機２を識別する室内機ＩＤ、当該アダプタ３と接続する室内機２の所定時間分の運転履歴データ及び、当該室内機２で使用する対象の学習モデルの種類を識別する学習モデル種別情報をサーバ装置５に送信する。サーバ装置５は、学習モデル種別情報から室内機２に適用できる学習モデルの種類及び、室内機ＩＤから送信先の室内機２に接続されたアダプタ３を識別する。更に、サーバ装置５は、識別された学習モデルの種類に使用する運転履歴データを用いて、当該学習モデルを生成し、生成された学習モデルを送信先の室内機２と接続するアダプタ３に送信する。その結果、サーバ装置５は、余計な学習モデルを生成又は更新する際の処理負荷を削減できる。しかも、室内機２の利用者も、サーバ装置５側で余計な学習モデルの生成又は更新に要する処理を削減することで余計な負荷を軽減でき、また、サーバ装置５の従量料金の軽減できる。

サーバ装置５は、アダプタ３から学習モデルに変更があった場合に、変更のあった学習モデルを生成する。その結果、サーバ装置５は、変更のあった学習モデルのみを生成できる。

アダプタ３は、サーバ装置５から取得した学習モデルに基づき、室内機２に関する予測を実行する。その結果、室内機２の利用者は、取得した学習モデルを用いて室内機２に関する最適な制御を実現できる。

学習モデル種別情報１００は、複数の学習モデルに、当該学習モデルが特定の室内機２に適用できるか否かを示す２進数の値を対応付けて管理する情報である。その結果、サーバ装置５は、アダプタ３からの学習モデル種別情報１００学習モデルの種類内の学習モデル毎のビット位置を参照することで余計な学習モデルの生成又は更新に要する負担を削減できる。

室内機２は、室内機２で使用する学習モデルの種類を識別するための学習モデル種別情報を記憶する記憶部２Ｄを備えたので、室内機２と接続するアダプタ３を共通化できる。

尚、本実施例のアダプタ３は、室内機２の運転履歴データを中継装置６経由でサーバ装置５に送信する場合を例示したが、運転履歴データを、中継装置６を経由することなく、そのまま、サーバ装置５に送信しても良く、適宜変更可能である。

また、現在の室内温度と設定温度との温度差が±０．５℃以内であるか否かを判定する処理を例示したが、温度差の閾値は±０．５℃に限定されるものではなく、適宜変更可能である。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

更に、各装置で行われる各種処理機能は、ＣＰＵ（Central Processing Unit）（又はＭＰＵ（Micro Processing Unit）、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部又は任意の一部を実行するようにしても良い。また、各種処理機能は、ＣＰＵ（又はＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行するプログラム上、又はワイヤードロジックによるハードウェア上で、その全部又は任意の一部を実行するようにしても良いことは言うまでもない。

１ 空気調和システム
２ 室内機
２Ｄ 記憶部
３ アダプタ
５ サーバ装置
６ 中継装置
６Ｄ 中継側学習記憶部
１０ 室外機
１３Ｂ アダプタ側学習記憶部
１４Ａ 取得部
１４Ｂ アダプタ側送信部
１４Ｅ 予測部
３２Ｂ サーバ側学習記憶部
３３Ａ 学習部
３３Ｃ 識別部
３３Ｄ サーバ側送信部
５０ 空気調和機

Claims (5)

1. 室内機と、複数種類の学習モデルを生成するサーバ装置と、前記室内機と前記サーバ装置との間を通信で接続するアダプタとを有する空気調和システムであって、
   前記アダプタは、
   前記室内機を識別する識別情報、前記室内機の所定時間分の運転履歴データ及び、当該室内機で使用する対象の学習モデルの種類を識別する学習モデル種別情報を前記サーバ装置に送信するアダプタ側送信部を有し、
   前記サーバ装置は、
   前記アダプタから受信した前記学習モデル種別情報から前記学習モデルの種類を、及び、前記アダプタから受信した前記識別情報から送信先の室内機を識別する識別部と、
   前記識別部にて識別された前記対象の学習モデルの生成に使用する前記運転履歴データを用いて、当該学習モデルを生成する学習部と、
   前記学習部にて生成された前記学習モデルを前記識別部にて識別された前記送信先の室内機と接続する前記アダプタに送信するサーバ側送信部と
   を有することを特徴とする空気調和システム。
2. 前記学習部は、
   前記アダプタからの前記学習モデル種別情報内の前記対象の学習モデルに変更があった場合に、前記学習モデル種別情報内に変更のあった前記学習モデルを生成することを特徴とする請求項１に記載の空気調和システム。
3. 前記アダプタは、
   前記サーバ装置から取得した前記学習モデルに基づき、前記室内機に関する予測を実行する予測部を有することを特徴とする請求項１に記載の空気調和システム。
4. 前記学習モデル種別情報は、
   前記対象の学習モデルの種類を識別する学習識別情報毎に、当該学習モデルが特定の室内機に適用できるか否かを示す２進数の値を対応付けて管理する情報であることを特徴とする請求項１に記載の空気調和システム。
5. 運転履歴情報に基づいて外部のサーバ装置で生成された学習モデルを利用して、制御を行うことができる空気調和機であって、室内機と、室外機と、外部のサーバ装置と通信するためのアダプタと、を備え、
   前記室内機は、前記室内機で使用する学習モデルの種類を識別するための学習モデル種別情報を記憶する記憶部を備えることを特徴とする空気調和機。

Images