JP7456120B2 - 空気調和装置 - Google Patents

Description

本開示の技術は、空気調和装置に関する。

利用者が設定した空気調和機の設定温度等といった運転状態を学習して生成される学習モデルを用いて、空気調和機の運転を制御する空調システムが知られている（特許文献１）。このような空調システムは、学習モデルを用いて利用者の操作を予測して空気調和機に予測結果を出力し、空気調和機が予測結果に基づいて設定を変更することにより、利用者に好適な温度環境を提供することができる。

特開２０１５－１１７９３３号公報

しかしながら、学習モデルに基づく空気調和機の設定変更（たとえば、運転モード、設定温度、設定風量、設定風向などの変更）は、予め決められたルールに基づいて実行されており、必ずしも利用者が望む学習モデルに基づく空調制御となっていないことがある。

開示の技術は、かかる点に鑑みてなされたものであって、学習モデルに基づく設定変更の頻度を調整することができる空気調和装置を提供することを目的とする。

実施形態の一つの態様における空気調和装置は、空気調和機の運転情報に基づいて生成された学習モデルを用いて、空気調和機に設けられた複数のセンサによりそれぞれ測定された複数のセンサ値に基づいて、前記空気調和機に対する設定変更が発生する確率を算出する予測部と、閾値を記憶する記憶部と、前記確率が前記閾値より小さいときに前記設定変更が実行されないように、前記確率が前記閾値より大きいときに前記設定変更が実行されるように、前記空気調和機を制御する設定変更部と、前記空気調和機に接続される入力装置の操作により前記閾値を更新後の閾値に更新する閾値設定部とを備えている。前記判別部は、前記閾値が前記更新後の閾値に更新された後に、前記確率が前記更新後の閾値より小さいときに前記設定変更が実行されないように、前記確率が前記更新後の閾値より大きいときに前記設定変更が実行されるように、前記空気調和機を制御する。

開示の空気調和装置は、学習モデルに基づく設定変更の頻度を調整することができる。

図１は、実施例１の空気調和システムを示す説明図である。 図２は、アダプタのハードウェア構成の一例を示すブロック図である。 図３は、空気調和機を示すブロック図である。 図４は、予測結果記憶部に記憶される複数の予測結果オブジェクトを示す図である。 図５は、複数の予測結果オブジェクトのうちの１つの予測結果オブジェクトが有する複数の情報を示す図である。 図６は、履歴記憶部に記憶される複数の表示用オブジェクトを示す図である。 図７は、複数の表示用オブジェクトのうちのある予測結果オブジェクトに対応する１つの表示用オブジェクトを示す図である。 図８は、複数の学習モデルを用いて空気調和機を制御する動作を示すフローチャートである。

以下に、本願が開示する実施形態にかかる空気調和システムについて、図面を参照して説明する。なお、以下の記載により本開示の技術が限定されるものではない。また、以下の記載においては、同一の構成要素に同一の符号を付与し、重複する説明を省略する。

図１は、実施例１の空気調和システム１を示す説明図である。空気調和システム１は、空気調和装置１０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（本発明の「通信端末」に対応）と、通信網８とを有する。空気調和装置１０は、空気調和機２とアダプタ３とを備えている。空気調和機２は、室内を冷房または暖房する装置である。通信端末７は、利用者のスマートフォン等の端末装置である。

アダプタ３は、空気調和機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、空気調和機２をＡＩ(Artificial Intelligence)制御する制御機能とを有する。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、空気調和機２に適用され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。尚、サーバ装置５は、例えば、データセンタに配置されている。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。中継装置６は、通信網８経由で空気調和機２に適用される学習モデルの生成又は更新に使用する運転履歴データをアダプタ３からサーバ装置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。尚、中継装置６は、例えば、データセンタ等に配置されている。

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。第１の中継部６Ａは、アダプタ３から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を通信網８経由でサーバ装置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通信端末７を使用して設定した空気調和機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）を通信網８経由で取得し、これを通信網８経由で空気調和機２に送信する。第３の中継部６Ｃは、例えば、インターネット等の通信網８から天気予報等の外部データを取得し、取得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、外部データを通信網８経由でアダプタ３に送信する。

図２は、アダプタ３のハードウェア構成の一例を示すブロック図である。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、空気調和機２と通信接続される、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と通信接続される、例えば、ＷＬＡＮ等の通信ＩＦ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記憶する。ＣＰＵ１４は、アダプタ３にインストールされるプログラムを実行することにより、アダプタ３全体を制御する。アダプタ３にインストールされるプログラムは、アダプタ３に複数の機能をそれぞれ実現させるための複数のプログラムから形成されている。その複数の機能は、送信部１６と受信部１７と予測部１８と判別部１９（本発明の「判別部」に相当）とを含んでいる。

送信部１６は、空気調和機２に設定される複数の設定値（例えば、冷房運転や暖房運転などの運転モード、設定温度、設定風量など）と、複数の日時に対応する複数の運転履歴データとを空気調和機２から収集する。複数の運転履歴データのうちのある日時に対応する運転履歴データは、その日時に空気調和機２が動作している動作設定と、その日時に空気調和機２に入力された操作設定と、空気調和機２に設けられた複数のセンサにより検出された実測値とを示している。動作設定としては、運転モード、設定温度、設定風量、設定風向などが例示される。操作設定としては、外気温の変化などに応じて利用者により変更された運転モード、設定温度、設定風量、設定風向などが例示される。実測値としては、室内温度、室内湿度、室内の温度分布、室内熱交換器温度、外気温度、外気湿度、室外熱交換器温度などが例示される。送信部１６は、その収集された複数の設定値と複数の運転履歴データとを記憶部１３に記憶する。送信部１６は、記憶部１３に記憶された複数の設定値と複数の運転履歴データとに基づいて運転状態情報を作成し、通信網８を介して、その運転状態情報をサーバ装置５に送信する。運転状態情報は、複数の設定値と複数の運転履歴データとを含んでいる。

受信部１７は、サーバ装置５から送信された複数の学習モデルを通信網８経由で受信し、受信した複数の学習モデルを記憶部１３に記憶する。予測部１８は、空気調和機２に設けられた複数のセンサによりそれぞれ検出された複数の実測値に基づいて、記憶部１３に記憶された複数の学習モデルを用いて複数の予測結果オブジェクトをそれぞれ算出する。予測部１８は、その算出された複数の予測結果オブジェクトを空気調和機２に出力する。判別部１９は、空気調和機２に要求信号を送信し、複数の学習モデルに対応する複数の閾値を空気調和機２から取得する。判別部１９は、複数の閾値に基づいて、予測部１８により算出された複数の予測結果オブジェクトの各々が有効であるか無効であるかを判別する。なお、予測結果オブジェクトについては、後に図４および図５を用いて詳細に説明する。

図３は、空気調和機２を示すブロック図である。空気調和機２は、室内機２１と室外機２２と複数のセンサ２３と予測結果記憶部２４（本発明の「第１記憶部」に対応）と履歴記憶部２５（本発明の「第２記憶部」に対応）と閾値記憶部２６と制御装置２７とリモコン２８とを備えている。室内機２１は、室内に配置され、図示されていない室内ファンと室内熱交換器と風向板とをさらに備えている。室内ファンは、室内機２１が配置される室内の空気が室内熱交換器を通過する空気の流れを生成し、室内熱交換器を通過した空気を室内に吹き出す。室内熱交換器は、室外機２２から供給される冷媒と、室内ファンにより流れが生成される空気との熱交換を行うことにより、室内の空気を加熱または冷却する。風向板は、室内機２１から室内に吹き出される空気の方向を変更する。室内機２１は、室内熱交換器が室内の空気を加熱または冷却することにより、室内を冷房または暖房する。

室外機２２は、室外に配置され、図示されていない室外ファンと室外熱交換器と圧縮機と膨張弁とを備えている。室外ファンは、室外機２２が配置される屋外の外気が室外熱交換器を通過する空気の流れを生成する。室外熱交換器は、室外ファンにより流れが生成される外気と冷媒との熱交換を行うことにより、冷媒を加熱または冷却する。圧縮機は、冷媒を圧縮し、冷媒を室内機２１と室外機２２との間で循環させる。膨張弁は、圧縮機により圧縮された冷媒を膨張させて減圧する。膨張弁は、さらに、その開度を調整することで、室内機２１に流れる冷媒の量を調整する。室外機２２は、圧縮機が冷媒を室内機２１と室外機２２との間で循環させることにより、室外熱交換器により加熱または冷却された冷媒を室内機２１に供給する。

複数のセンサ２３は、空気調和機２に設けられ、各々のセンサの実測値を出力する。これらのセンサの実測値は、室内機２１が吸い込む空気の吸込温度や湿度、室外機２２が配置される室外の温度、室内の床の輻射温度などを含んでいる。

予測結果記憶部２４には、図４に示されているように、複数の学習モデル４１に対応付けて複数の予測結果オブジェクト４２が記憶されている。図４は、予測結果記憶部２４に記憶される複数の予測結果オブジェクト４２を示す図である。本実施例では、複数の学習モデル４１は、体感予測学習モデル４３と夏用温度ムラ予測学習モデル４４と冬用温度ムラ予測学習モデル４５とを含んでいる。また、複数の予測結果オブジェクト４２は、体感予測結果オブジェクト４６と夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とを含んでいる。体感予測結果オブジェクト４６は、体感予測学習モデル４３を用いて算出された予測結果オブジェクトである。夏用温度ムラ予測結果オブジェクト４７は、夏用温度ムラ予測学習モデル４４を用いて算出された予測結果オブジェクトである。冬用温度ムラ予測結果オブジェクト４８は、冬用温度ムラ予測学習モデル４５を用いて算出された予測結果オブジェクトである。

複数の予測結果オブジェクト４２の各々の予測結果オブジェクト５１は、図５に示されているように、複数の情報を有している。図５は、複数の予測結果オブジェクト４２のうちの１つの予測結果オブジェクト５１が有する複数の情報を示す図である。予測結果オブジェクト５１が有する複数の情報は、学習モデルの種類５３とフラグ５４と日時情報５５と有効推測結果５６とを含んでいる。学習モデルの種類５３は、予測結果オブジェクト５１の算出に用いられた学習モデルの種類を示している。フラグ５４は、「０」または「１」の値である。日時情報５５は、予測結果オブジェクト５１が算出された日時を示し、その日時の年月日と時と分と秒とを示している。有効推測結果５６は、数値を示している。複数の学習モデル４１は、複数の事象に対応している。有効推測結果５６が示す数値は、複数の事象のうちの予測結果オブジェクト５１の算出に用いられた学習モデルに対応する事象が発生する確率に対応し、大きいほどその事象が発生する確率が高いことを示している。

たとえば、図４に示されている体感予測学習モデル４３は、利用者が設定温度を変更する事象に対応している。体感予測学習モデル４３に対応する設定変更は、設定温度の変更を示している。体感予測結果オブジェクト４６の有効推測結果５６は、利用者が設定温度を変更する確率に対応している。

夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、それぞれ、室内に温度ムラが発生する事象に対応し、設定風向を変更する設定変更に対応している。夏用温度ムラ予測結果オブジェクト４７の有効推測結果５６と冬用温度ムラ予測結果オブジェクト４８の有効推測結果５６とは、室内に温度ムラが発生する確率に対応している。夏用温度ムラ予測結果オブジェクト４７のフラグ５４は、夏用温度ムラ予測結果オブジェクト４７が適用予測結果オブジェクトに判別されたか非適用予測結果オブジェクトに判別されたかを示している。冬用温度ムラ予測結果オブジェクト４８のフラグ５４は、冬用温度ムラ予測結果オブジェクト４８が適用予測結果オブジェクトに判別されたか適用予測結果オブジェクトに判別されたかを示している。フラグ５４は、非適用予測結果オブジェクトに判別されたときは「０」、適用予測結果オブジェクトに判別されたときは「１」である。

履歴記憶部２５には、図６に示されているように、予め定められた個数（たとえば、８個）の複数の表示用オブジェクト６１が記憶されている。図６は、履歴記憶部２５に記憶される複数の表示用オブジェクト６１を示す図である。複数の表示用オブジェクト６１は、通信端末７の表示部に表示されるものであり、複数の日時に対応付けて履歴記憶部２５に記憶されている。複数の日時のうちのある表示用オブジェクトに対応する日時は、その表示用オブジェクトが示す予測結果オブジェクトが予測部１８により算出された日時を示している。複数の表示用オブジェクト６１の各々は、複数の予測結果オブジェクト４２のうちの１つの予測結果オブジェクトに対応している。

複数の表示用オブジェクト６１のうちのある予測結果オブジェクトに対応する１つの表示用オブジェクト６２は、図７に示されているように、学習モデルの種類６３と日時情報６４と推測結果６５とを含む複数の情報を有している。図７は、複数の表示用オブジェクト６１のうちのある予測結果オブジェクトに対応する１つの表示用オブジェクト６２を示す図である。学習モデルの種類６３は、その予測結果オブジェクトの学習モデルの種類５３を示している。推測結果６５は、その予測結果オブジェクトの有効推測結果５６を示している。日時情報６４は、その予測結果オブジェクトの日時情報５５を示し、日時情報５５の年月日と時と分とを示している。日時情報６４は、図５における日時情報５５から秒の情報を除いたものであり、日時情報５５に比較して、情報量が小さい。

図３に示されている閾値記憶部２６には、複数の学習モデル４１の各々に対応する閾値が記憶されている。すなわち、閾値記憶部２６に記憶される閾値は、体感予測学習モデル４３に対応する体感予測閾値と、夏用温度ムラ予測学習モデル４４に対応する夏用温度ムラ予測閾値と、冬用温度ムラ予測学習モデル４５に対応する冬用温度ムラ予測閾値とを含んでいる。

制御装置２７は、空気調和機２の各部を制御し、また、アダプタ３と通信する。制御装置２７は、複数の機能をそれぞれ実現させるための複数のプログラムを有する。その複数の機能は、制御部３１と判別部３２と設定変更部３３と閾値設定部３４と結果送信部３５とで実現される。

制御部３１は、リモコン２８の操作により空気調和機２の複数の設定値を変更し、また、通信網８とアダプタ３とを経由して通信端末７から取得された情報に基づいて複数の設定値を変更する。たとえば、複数の設定値は、設定温度と設定風向とを含んでいる。制御部３１は、設定温度が変更されたときに、変更された設定温度に室内の温度が近づくように、室内機２１と室外機２２とを制御する。制御部３１は、設定風向が変更されたときに、変更された設定風向に向けて室内機２１から空気が吹き出されるように、室内機２１の風向板を制御する。制御部３１は、さらに、リモコン２８の操作により「暖房」が選択されたときに、設定温度に基づいて空気調和機２が室内を暖房するように、室内機２１と室外機２２とを制御する。制御部３１は、リモコン２８の操作により「冷房」が選択されたときに、設定温度に基づいて空気調和機２が室内を冷房するように、室内機２１と室外機２２とを制御する。制御装置２７は、リモコン２８の操作により「停止」が選択されたときに、空気調和機２が冷房または暖房を停止するように、室内機２１と室外機２２とを制御する。

判別部３２は、複数の学習モデル４１毎に個別に定められた判断基準に基づいて、予測結果記憶部２４に記憶される複数の予測結果オブジェクト４２が適用予測結果オブジェクトであるか非適用予測結果オブジェクトであるかを判別する。

設定変更部３３は、判別部３２により１つの予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに、その予測結果オブジェクトの算出に用いられた学習モデルに対応する設定変更を実行する。たとえば、設定変更部３３は、適用予測結果オブジェクトに判別された予測結果オブジェクトの算出に用いられた学習モデルが設定温度変更に対応するときに、利用者の体感温度の予測結果に基づいて設定温度が上下するように空気調和機２を制御する。設定変更部３３は、適用予測結果オブジェクトであると判別された予測結果オブジェクトの算出に用いられた学習モデルが設定風向の変更に対応するときに、変更された設定風向に向けて室内機２１から空気が吹き出されるように、室内機２１の風向板を制御する。

設定変更部３３は、判別部３２により１つの予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに、さらに、複数の表示用オブジェクト６１のうちの最古の表示用オブジェクトを履歴記憶部２５から削除する。設定変更部３３は、さらに、適用予測結果オブジェクトに判別された１つの予測結果オブジェクトを示す新規の表示用オブジェクトが複数の表示用オブジェクト６１に追加されるように、履歴記憶部２５を更新する。

閾値設定部３４は、制御装置２７に通信可能に接続できる入力端末であり、閾値更新用入力装置３６（本発明の「入力装置」に相当）が制御装置２７に接続されたときに、閾値更新用入力装置３６を介して制御装置２７に入力された情報に基づいて、閾値記憶部２６に記憶される複数の閾値を更新する。結果送信部３５は、通信端末７から送信されたＡＩ制御履歴要求を空気調和機２が受信したときに、履歴記憶部２５に記録される複数の表示用オブジェクト６１を通信端末７にアダプタ３を介して送信する。

［空気調和システム１の動作］
空気調和システム１の動作は、複数の学習モデルを継続的に学習させる動作と、複数の学習モデルを用いて空気調和機２を制御する動作と、複数の学習モデルを用いて実行された制御の履歴を通知する動作と、複数の閾値を更新する動作とを備えている。

複数の学習モデルを継続的に学習させる動作では、アダプタ３は、予め定められたデータ取得間隔（たとえば、５分）毎に空気調和機２の制御装置２７から運転履歴データと複数の設定値とを取得する。アダプタ３は、運転履歴データと複数の設定値とを時刻に対応付けて記憶部１３に記憶する。アダプタ３は、予め定められたデータ送信間隔（たとえば、４８時間）毎に、運転状態情報を作成し、運転状態情報をサーバ装置５に通信網８を介して送信する。運転状態情報は、記憶部１３に記憶された運転履歴データと複数の設定値とを示している。サーバ装置５は、アダプタ３から送信された運転状態情報を受信すると、運転状態情報に基づいて複数の学習モデルを継続的に学習させ、複数の学習モデルから更新された最新の複数の学習モデルを生成する。サーバ装置５は、中継装置６を介して、最新の複数の学習モデルをアダプタ３に送信する。アダプタ３は、サーバ装置５から送信された最新の複数の学習モデルを受信したときに、その受信された最新の複数の学習モデルを記憶部１３に記憶する。

図８は、複数の学習モデルを用いて空気調和機２を制御する動作を示すフローチャートである。アダプタ３は、予め定められた予測間隔毎に、複数のセンサ２３によりそれぞれ測定された複数の実測値を空気調和機２から取得する（ステップＳ１）。予測間隔は、データ取得間隔と概ね同じであり、５分が例示される。アダプタ３は、記憶部１３に記憶された複数の学習モデルを用いて、複数の予測結果オブジェクトを複数の実測値に基づいて算出する（ステップＳ２）。たとえば、アダプタ３は、体感予測学習モデル４３を用いて体感予測結果オブジェクト４６を算出し、夏用温度ムラ予測学習モデル４４を用いて夏用温度ムラ予測結果オブジェクト４７を算出し、冬用温度ムラ予測学習モデル４５を用いて冬用温度ムラ予測結果オブジェクト４８を算出する。

アダプタ３は、複数の予測結果オブジェクトを算出し、また、予め定められたルールに基づいて、予測結果オブジェクトが有効であるか否かを判断する。具体的には、アダプタ３は、複数の閾値を要求する旨の要求信号を空気調和機２に送信する。空気調和機２の制御装置２７は、アダプタ３から送信された要求信号を受信すると、閾値記憶部２６に記憶されている複数の閾値をアダプタ３に送信する。アダプタ３は、複数の閾値を受信すると、複数の閾値に基づいて、複数の予測結果オブジェクトの各々が有効であるか無効であるかを判別する（ステップＳ３）。詳細には、アダプタ３は、複数の予測結果オブジェクトのうちのある学習モデルに対応する予測結果オブジェクトの有効推測結果と、取得した複数の閾値のうちのその学習モデルに対応する閾値との間の大小関係を判別する。アダプタ３は、有効推測結果が閾値より大きいときに、その予測結果オブジェクトが有効であると判別し、有効推測結果が閾値より小さいときに、その予測結果オブジェクトが無効であると判別する。アダプタ３は、複数の予測結果オブジェクトのうちの有効であると判別された複数の有効予測結果オブジェクトを空気調和機２に出力する。すなわち、アダプタ３は、予測間隔毎に複数の有効予測結果オブジェクトを空気調和機２に出力する（ステップＳ４）。

空気調和機２の制御装置２７は、アダプタ３から出力された複数の有効予測結果オブジェクトを受信すると、複数の有効予測結果オブジェクトを予測結果記憶部２４に記憶させる。制御装置２７は、予め定められた判断基準に基づいて、予測結果記憶部２４に記憶された複数の予測結果オブジェクト４２の１つの有効予測結果オブジェクトが適用予測結果オブジェクトであるか非適用予測結果オブジェクトであるかを判別する（ステップＳ５）。

制御装置２７は、ある予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに（ステップＳ５、Ｙｅｓ）、室内機２１と室外機２２とを制御することにより、その予測結果オブジェクトの算出に用いられた学習モデルに対応する設定変更を実行する（ステップＳ６）。制御装置２７は、ある予測結果オブジェクトが適用予測結果オブジェクトであると判別されたときに（ステップＳ５、Ｙｅｓ）、さらに、その予測結果オブジェクトを示す新規の表示用オブジェクトを作成する。制御装置２７は、履歴記憶部２５に記憶された複数の表示用オブジェクト６１に対応付けられた複数の日付に基づいて、複数の表示用オブジェクト６１のうちの最古の表示用オブジェクトを履歴記憶部２５から削除する。制御装置２７は、次いで、新規の表示用オブジェクトが複数の表示用オブジェクト６１に追加されるように、履歴記憶部２５を更新する（ステップＳ７）。このとき、新規の表示用オブジェクトは、新規の表示用オブジェクトが履歴記憶部２５に記憶された日時に対応付けて履歴記憶部２５に記憶される。このような履歴記憶部２５の更新によれば、履歴記憶部２５は、予め定められた個数より多くの表示用オブジェクトを記憶することがなく、各々の学習モデルに関する最新の表示用オブジェクトだけを記憶することができる。さらに、履歴記憶部２５は、適用予測結果オブジェクトであると判別された予測結果オブジェクトをそれぞれ示す複数の表示用オブジェクト６１だけを記憶することができる。

ステップＳ５からステップＳ７までの処理は、各々の学習モデルごとに異なっている。たとえば、制御装置２７は、予め定められた設定温度変更間隔毎に、直前にアダプタ３から出力された体感予測結果オブジェクト４６が適用予測結果オブジェクトであるか否かを判別する。設定温度変更間隔は、予測間隔に等しく、すなわち、体感予測結果オブジェクト４６は、アダプタ３により出力される毎に適用予測結果オブジェクトであるか否かが判別される。制御装置２７は、体感予測結果オブジェクト４６が適用予測結果オブジェクトであるときに、室内機２１と室外機２２とを制御することにより設定温度を変更する。すなわち、空気調和機２は、体感予測学習モデル４３を用いて制御されることにより、利用者が快適に感じるように、設定温度が変更され、適切に冷房または暖房することができる。

制御装置２７は、空気調和機２が冷房しているときに、予め定められた風向変更間隔毎に、直前にアダプタ３から出力された夏用温度ムラ予測結果オブジェクト４７が適用予測結果オブジェクトであるか否かを判別する。風向変更間隔は、予測間隔より長く、たとえば、４０分が例示される。利用者は、風向板の向きが頻繁に切り替わることで違和感を感じたり、不快に感じたりする場合がある。このため、風向変更間隔は、風向板の向きが制御された直後から所定時間を経過するまで風向板の動作が抑制されるように設定され、予測間隔より長く設定されている。制御装置２７は、５分毎に算出される複数の夏用温度ムラ予測結果オブジェクトのうち、４０分毎のタイミングの直前に算出された夏用温度ムラ予測結果オブジェクトを適用予測結果オブジェクトであると判別する。制御装置２７は、複数の夏用温度ムラ予測結果オブジェクトのうち、適用予測結果オブジェクトではない他の夏用温度ムラ予測結果オブジェクトを非適用予測結果オブジェクトであると判別する。制御装置２７は、夏用温度ムラ予測結果オブジェクト４７が適用予測結果オブジェクトであるときに、室内機２１の風向板を制御することにより、夏用温度ムラ予測学習モデル４４に対応する風向変更を実行し、室内機２１から吹き出される空気の方向を変更する。

制御装置２７は、空気調和機２が暖房しているときに、予め定められた風向変更間隔毎に、直前にアダプタ３から出力された冬用温度ムラ予測結果オブジェクト４８が適用予測結果オブジェクトであるか否かを判別する。制御装置２７は、５分毎に算出される複数の冬用温度ムラ予測結果オブジェクトのうち、４０分毎のタイミングの直前に算出された冬用温度ムラ予測結果オブジェクトを適用予測結果オブジェクトであると判別する。制御装置２７は、複数の冬用温度ムラ予測結果オブジェクトのうち、適用予測結果オブジェクトではない他の冬用温度ムラ予測結果オブジェクトを非適用予測結果オブジェクトであると判別する。制御装置２７は、冬用温度ムラ予測結果オブジェクト４８が適用予測結果オブジェクトであるときに、室内機２１の風向板を制御することにより、冬用温度ムラ予測学習モデル４５に対応する風向変更を実行し、室内機２１から吹き出される空気の方向を変更する。

すなわち、空気調和機２は、夏用温度ムラ予測学習モデル４４と冬用温度ムラ予測学習モデル４５とを用いて制御されることにより、室内の温度ムラが解消されるように、適切に冷房または暖房することができる。また、このような動作によれば、アダプタ３により算出された夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、風向変更間隔が予測間隔より長いことにより、空気調和機２のＡＩ制御に利用されないで、非適用予測結果オブジェクトと判別されることがある。このため、非適用予測結果オブジェクトと判別される夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、非適用予測結果オブジェクトと判別される体感予測結果オブジェクト４６より多くなる。

複数の学習モデルを用いて実行された制御の履歴を通知する動作では、利用者が、ＡＩ制御の履歴を閲覧したいときに、通信端末７に予め定められた操作を実行する。その操作としては、空気調和装置１０を制御するアプリを通信端末７が実行しているときに、そのアプリにより通信端末７の表示装置に表示される閲覧ボタンをタップすることが例示される。通信端末７は、その操作が実行されると、ＡＩ制御履歴要求を空気調和装置１０に送信する。アダプタ３は、通信端末７から送信されたＡＩ制御履歴要求が空気調和装置１０に受信されると、ＡＩ制御履歴要求を空気調和機２の制御装置２７に転送する。制御装置２７は、ＡＩ制御履歴要求を受信すると、履歴記憶部２５に記録される複数の表示用オブジェクト６１を通信端末７にアダプタ３を介して送信する。通信端末７は、アダプタ３を介して送信された複数の表示用オブジェクト６１を受信すると、複数の表示用オブジェクト６１を表示装置に表示する。

このような動作によれば、空気調和システム１は、複数の学習モデルを用いて空気調和機２が制御された履歴を利用者に通知することができる。通信端末７の表示装置には、アダプタ３により算出された複数の予測結果オブジェクトの全部が１画面に表示しきれないことがある。また、利用者は、アダプタ３により算出された複数の予測結果オブジェクトの全部が通信端末７に表示されるときに、利用者が見たい情報を探すことが困難になることがある。特に、非適用予測結果オブジェクトと判別される夏用温度ムラ予測結果オブジェクト４７と冬用温度ムラ予測結果オブジェクト４８とは、非適用予測結果オブジェクトと判別される体感予測結果オブジェクト４６よりも多く、表示されたときに利用者に煩わしさを感じさせることがある。複数の表示用オブジェクト６１は、適用予測結果オブジェクトであると判別された予測結果オブジェクトだけを示し、非適用予測結果オブジェクトであると判別された予測結果オブジェクトに関する情報が含まれていない。空気調和システム１は、非適用予測結果オブジェクトであると判別された予測結果オブジェクトの情報が複数の表示用オブジェクト６１に含まれていないことにより、複数の表示用オブジェクト６１の情報量を小さくすることができる。空気調和システム１は、適用予測結果オブジェクトのみを通信端末７に表示させることにより、通信端末７に表示されるＡＩ制御の履歴の数を少なくし、利用者の履歴の閲覧を容易にし、利用者の利便性を向上させることができる。

複数の閾値を更新する動作は、たとえば、利用者からＡＩ制御の頻度に関する苦情を受けたときに、サービスマンにより実行される。サービスマンは、予め定められた閾値更新用入力装置３６を空気調和機２の制御装置２７に接続し、閾値更新用入力装置３６を介して閾値の変更内容を制御装置２７に入力する。制御装置２７は、閾値更新用入力装置３６を介して入力された変更内容に基づいて、閾値記憶部２６に記憶されている複数の閾値を更新する。

閾値を小さくすると有効推測結果が閾値を超える場合が増加し、閾値を大きくすると有効推測結果が閾値を超える場合が減少する。このため、本実施例の空気調和装置１０では、閾値を変更することで予測結果オブジェクトが有効と判別される場合が変更され、予測結果オブジェクトに対応する設定変更が実行される頻度を調節することができる。たとえば、ある学習モデルに対応する設定変更の頻度は、その学習モデルの閾値を増加させることにより、減少し、その学習モデルの閾値を減少させることにより、増加する。このように、空気調和装置１０は、ＡＩ制御が実行される頻度を、利用者が希望する頻度に近付けることができ、利用者の利便性を向上させることができる。

［実施例１の空気調和装置１０の効果］
実施例１の空気調和装置１０は、予測部１８と閾値記憶部２６と判別部１９と閾値設定部３４とを備えている。予測部１８は、空気調和機２の運転状態に基づいて生成された学習モデルを用いて、推測結果を算出する。閾値記憶部２６は、閾値を記憶している。判別部１９は、推測結果の数値が閾値より小さいときに、学習モデルに対応する設定変更が実行されないように、推測結果の数値が閾値より大きいときに、学習モデルに対応する設定変更が実行されるように、空気調和機２を制御する。閾値設定部３４は、空気調和機２に接続される閾値更新用入力装置３６の操作により閾値を更新する。学習モデルに対応する設定変更が実行される頻度は、閾値が小さくなると、増加し、閾値が大きくなると、減少する。このため、空気調和装置１０は、学習モデルに対応する設定変更が実行される頻度を調節することができる。

また、実施例１の空気調和装置１０は、空気調和機２と別個であるアダプタ３をさらに備えている。予測部１８は、アダプタ３に設けられている。閾値記憶部２６は、空気調和機２に設けられている。空気調和装置１０は、空気調和機２に予測部１８が設けられていないことにより、空気調和機２の製造コストを低減することができる。空気調和装置１０は、アダプタ３が空気調和機２の複数種類に対応する複数の閾値を記憶する必要がなく、アダプタ３の汎用性を向上させることができる。

ところで、既述の実施例１の空気調和装置１０の閾値更新用入力装置３６は、空気調和機２の制御装置２７に着脱可能に接続されるが、他の入力装置から形成されることもできる。その入力装置としては、リモコン２８、通信網８を介して制御装置２７に情報伝達可能に接続される保守用サーバが例示される。空気調和装置１０は、このような入力装置を用いて閾値が更新される場合でも、学習モデルに対応する設定変更が実行される頻度を調節することができる。

ところで、既述の実施例１の空気調和装置１０の閾値記憶部２６は、空気調和機２に設けられているが、アダプタ３に設けられていてもよい。空気調和装置１０は、閾値記憶部２６がアダプタ３に設けられている場合でも、学習モデルに対応する設定変更が実行される頻度を調節することができる。

ところで、既述の実施例１の空気調和装置１０は、空気調和機２とアダプタ３とが別個であるが、空気調和機２とアダプタ３とが一体に形成されてもよい。空気調和装置１０は、空気調和機２とアダプタ３とが一体に形成されている場合でも、学習モデルに対応する設定変更が実行される頻度を調節することができる。

以上、実施例を説明したが、前述した内容により実施例が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、実施例の要旨を逸脱しない範囲で構成要素の種々の省略、置換及び変更のうち少なくとも１つを行うことができる。

１ ：空気調和システム
２ ：空気調和機
３ ：アダプタ
５ ：サーバ装置
７ ：通信端末
１０ ：空気調和装置
１８ ：予測部
１９ ：判別部
２４ ：予測結果記憶部
２５ ：履歴記憶部
２６ ：閾値記憶部
２７ ：制御装置
３２ ：判別部
３３ ：設定変更部
３４ ：閾値設定部
３５ ：結果送信部

Claims (3)

1. 空気調和機の運転状態情報に基づいて生成された学習モデルを用いて、前記空気調和機に設けられた複数のセンサによりそれぞれ測定された複数のセンサ値に基づいて、前記空気調和機に対する設定変更が発生する確率を算出する予測部と、
   閾値を記憶する記憶部と、
   前記確率が前記閾値より小さいときに前記設定変更が実行されないように、前記確率が前記閾値より大きいときに前記設定変更が実行されるように、前記空気調和機を制御する判別部と、
   前記空気調和機に接続される入力装置の操作により前記閾値を更新後の閾値に更新する閾値設定部とを備え、
   前記判別部は、前記閾値が前記更新後の閾値に更新された後に、前記確率が前記更新後の閾値より小さいときに前記設定変更が実行されないように、前記確率が前記更新後の閾値より大きいときに前記設定変更が実行されるように、前記空気調和機を制御する
   空気調和装置。
2. 前記空気調和機はアダプタをさらに備え、
   前記予測部は、前記アダプタに設けられ、
   前記記憶部は、前記空気調和機に設けられる
   請求項１に記載の空気調和装置。
3. 前記入力装置は、通信網を介して前記空気調和機に接続される
   請求項１または請求項２に記載の空気調和装置。

Images